CN113870980A - 一种可视化产科影像检查处理方法及装置 - Google Patents
一种可视化产科影像检查处理方法及装置 Download PDFInfo
- Publication number
- CN113870980A CN113870980A CN202111208110.3A CN202111208110A CN113870980A CN 113870980 A CN113870980 A CN 113870980A CN 202111208110 A CN202111208110 A CN 202111208110A CN 113870980 A CN113870980 A CN 113870980A
- Authority
- CN
- China
- Prior art keywords
- information
- image
- surgical
- inspection image
- obtaining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Radiology & Medical Imaging (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本申请公开了一种可视化产科影像检查处理方法及装置,所述方法包括:通过第一图像采集设备获得第一检查图像;对第一检查图像进行位置标识,获得第一位置标识结果;获得第一卷积特征,其中,所述第一卷积特征包括第一颜色特征信息和第一形貌特征信息;基于第一异常分析模型获得第一分析结果;当第一分析结果没有异常信息时,获得第N检查图像;对第N检查图像进行位置标识,获得第N位置标识结果;将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。解决了现有技术中产程阴道检查为盲视下操作,对于产程异常情况的判断存在局限,同时产程干预相关操作时无法直观了解阴道内情况,给孕妇分娩造成不利影响的技术问题。
Description
技术领域
本申请涉及人工智能领域,尤其涉及一种可视化产科影像检查处理方法及装置。
背景技术
科学研究证明,阴道分娩有很多好处,因此越来越多的准妈妈选择阴道分娩。然而产科阴道分娩过程中存在着各种风险和意外情况,随时可能危及母儿的安全。准确的产程阴道检查能更有利于分娩过程的管理,但是目前产科阴道检查为盲视下操作,对于产程异常情况的判断存在局限,更多依赖于医师的手感和经验,导致技术难度大、门槛高,不利于孕妇顺利完成分娩。
本申请发明人在实现本申请实施例中技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中产程阴道检查为盲视下操作,对于产程异常情况的判断存在局限,同时产程干预相关操作时,无法直观了解阴道内情况,也给孕妇分娩造成不利影响的技术问题。
发明内容
本申请的目的是提供一种可视化产科影像检查处理方法及装置,用以解决现有技术中产程阴道检查为盲视下操作,对于产程异常情况的判断存在局限,同时产程干预相关操作时,无法直观了解阴道内情况,也给孕妇分娩造成不利影响的技术问题。
鉴于上述问题,本申请实施例提供了一种可视化产科影像检查处理方法及装置。
第一方面,本申请提供了一种可视化产科影像检查处理方法,所述方法通过一种可视化产科影像检查处理装置实现,其中,所述方法包括:通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;对所述第一检查图像进行位置标识,获得第一位置标识结果;获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;对所述第N检查图像进行位置标识,获得第N位置标识结果;将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。
另一方面,本申请还提供了一种可视化产科影像检查处理装置,用于执行如第一方面所述的一种可视化产科影像检查处理方法,其中,所述系统包括:第一获得单元:所述第一获得单元用于通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;第二获得单元:所述第二获得单元用于对所述第一检查图像进行位置标识,获得第一位置标识结果;第三获得单元:所述第三获得单元用于获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;第四获得单元:所述第四获得单元用于将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;第五获得单元:所述第五获得单元用于当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;第六获得单元:所述第六获得单元用于对所述第N检查图像进行位置标识,获得第N位置标识结果;第七获得单元:所述第七获得单元用于将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。
第三方面,本申请实施例还提供了一种可视化产科影像检查处理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;对所述第一检查图像进行位置标识,获得第一位置标识结果;获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;对所述第N检查图像进行位置标识,获得第N位置标识结果;将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。达到了通过实时显示用户手术图像增加检查部位的可视性条件,从而提高产科检查准确性和相关手术操作安全性的技术效果。
2.通过所述第一手术参数预测模型,对所述第一用户进行的所述第一手术参数进行预测,并将预测信息作为参考信息,自动添加到第一显示信息中,同步在所述显示部件上进行显示,达到了基于计算机模型预测手术相关参数,从而为实际手术提供参考,确保手术顺利进行的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例一种可视化产科影像检查处理方法的流程示意图;
图2为本申请实施例一种可视化产科影像检查处理方法中将所述第一手术参数集合添加进所述第一显示信息,获得第二显示信息的流程示意图;
图3为本申请实施例一种可视化产科影像检查处理方法中通过所述第二卷积特征对所述第一卷积特征进行修正,获得第三卷积特征的流程示意图;
图4为本申请实施例一种可视化产科影像检查处理方法中将所述第二分析结果和所述第一手术图像上传至所述显示部件,获得第四显示信息的流程示意图;
图5为本申请实施例一种可视化产科影像检查处理装置的结构示意图;
图6为本申请实施例示例性电子设备的结构示意图。
附图标记说明:
第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种可视化产科影像检查处理方法及装置,解决了现有技术中产程阴道检查为盲视下操作,对于产程异常情况的判断存在局限,同时产程干预相关操作时,无法直观了解阴道内情况,也给孕妇分娩造成不利影响的技术问题。达到了通过实时显示用户手术图像增加检查部位的可视性条件,从而提高产科检查准确性和相关手术操作安全性的技术效果。
下面,将参考附图对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
申请概述
科学研究证明,阴道分娩有很多好处,因此越来越多的准妈妈选择阴道分娩。然而产科阴道分娩过程中存在着各种风险和意外情况,随时可能危及母儿的安全。准确的产程阴道检查能更有利于分娩过程的管理,但是目前产科阴道检查为盲视下操作,对于产程异常情况的判断存在局限,更多依赖于医师的手感和经验,导致技术难度大、门槛高,不利于孕妇顺利完成分娩。
现有技术中产程阴道检查为盲视下操作,对于产程异常情况的判断存在局限,同时产程干预相关操作时,无法直观了解阴道内情况,也给孕妇分娩造成不利影响的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种可视化产科影像检查处理方法,所述方法应用于一种可视化产科影像检查处理装置,其中,所述方法包括:通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;对所述第一检查图像进行位置标识,获得第一位置标识结果;获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;对所述第N检查图像进行位置标识,获得第N位置标识结果;将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
请参阅附图1,本申请实施例提供了一种可视化产科影像检查处理方法,其中,所述方法应用于一种可视化产科影像检查处理装置,所述装置包括检查部件和显示部件,所述检查部件包括图像采集设备,所述方法具体包括如下步骤:
步骤S100:通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;
具体而言,所述一种可视化产科影像检查处理方法应用于所述一种可视化产科影像检查处理装置,可以通过实时显示用户检查部位图像增加产科阴道分娩的可视性条件,从而降低了对医师临床经验的要求,提高了产科检查准确性和相关手术操作安全性的技术效果。所述第一图像采集设备即为所述检查部件中的图像采集设备,是指用于利用所述可视化产科影像检查处理装置进行产科检查及手术操作的用户,对其相关部位实际情况进行多角度、多距离实时采集的智能摄像头装置。所述第一检查图像是指所述第一图像采集设备采集到的所述第一用户的检查部位图像,其中,所述第一检查图像包括多张对应检查部位图像。通过所述第一图像采集设备,达到了实时采集用户检查部位图像的技术效果,为医护人员检查和手术操作提供了可视化条件,提高了相关操作的方便性。
步骤S200:对所述第一检查图像进行位置标识,获得第一位置标识结果;
具体而言,将所述第一图像采集设备实时采集到的所述第一用户对应的检查图像进行智能化识别,并标注各检查图像中用户待检查部位位置,从而可到各检查图像中的标识情况,即为所述第一用户对应的第一位置标识结果。通过可视化产科影像检查处理装置,达到了智能化标识用户相关部位,方便医护人员快速获取图像中的重要信息,提高医护人员工作效率的技术效果。
步骤S300:获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;
具体而言,所述卷积是指特征提取,通过提取所述用户的第一检查图像,可以得到各检查图像对应的颜色特征和外貌特征。其中,颜色特征是在图像检索中应用最为广泛的视觉特征,主要原因在于颜色往往和图像中所包含的物或场景十分相关,并且颜色特征对图像本身的尺寸、方向、视角的依赖性较小,从而具有较高的鲁棒性;形貌特征是一种包含多个像素点的全局特征,不会由于局部的偏差产生较大偏差,因此具有很强的优越性。通过提取所述第一检查图像中的各图像特征,达到了对检查图像的智能化分析,从而直观了解用户检查部位实际情况的技术效果。
步骤S400:将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;
具体而言,所述第一异常分析模型可以基于用户检查部位图像提取特征情况,智能化分析得到用户检查部位相关情况,将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,即得到所述第一分析结果。所述第一异常分析模型具备较强的分析计算能力,能够准确而高效输出用户检查部位异常情况,达到了提高模型分析结果准确性的技术效果。
步骤S500:当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;
具体而言,当第一异常分析模型得到的所述第一分析结果中没有发现异常信息时,可视化产科影像检查处理装置自动获取第二检查图像;进一步当第一异常分析模型得到的所述第二检查图像中没有发现异常信息时,可视化产科影像检查处理装置自动获取第三检查图像……直至最后获取所述第一用户手术时的第N检查图像。其中,所述第二检查图像……直至所述第N检查图像都是所述第一用户检查部位的图像,与所述第一检查图像不同的是,所述各检查图像采集用户检查部位的位置、角度存在差异。此外,所述N是不为0的自然数。
通过判断第一异常分析模型的输出结果,当输出结果没有异常时,可视化产科影像检查处理装置自动获取所述第一用户检查部位其他采集位置的图像。达到了智能化采集、判断检查部位不同位置实际情况的技术效果。
步骤S600:对所述第N检查图像进行位置标识,获得第N位置标识结果;
具体而言,所述第N检查图像同样是所述第一用户检查部位的图像信息。将所述第一图像采集设备实时采集到的所述第一用户对应的检查图像进行智能化识别,并标注各检查图像中用户待检查部位位置,从而可到各检查图像中的标识情况。其中,所述第N检查图像对应第N位置标识结果。将所有不同采集位置图像进行标识,得到所述第一用户对应的所有位置标识结果。通过可视化产科影像检查处理装置,达到了智能化标识用户相关部位,方便医护人员快速获取图像中的重要信息,提高医护人员工作效率的技术效果。
步骤S700:将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。
具体而言,将所述第一用户检查部位不同位置采集到的所有图像和各图像对应的位置标识全部上传到所述可视化产科影像检查处理装置中的显示部件进行实时显示。所述第一显示信息即所述显示部件实时显示的检查部位图像信息。医护人员可以随时查看所述显示部件,方便掌握用户检查部位的动态信息,达到了通过实时显示用户手术图像增加检查部位的可视性条件,从而提高产科检查准确性和相关手术操作安全性的技术效果。
进一步的,如附图2所示,本申请实施例步骤S800还包括:
步骤S810:获得第一手术信息,根据所述第一手术信息确定第一手术要求信息,其中,所述第一手术要求信息包括第一操作设备型号信息和第一操作流程信息;
步骤S820:通过所述第一显示信息和所述第一手术信息构建第一手术参数预测模型;
步骤S830:将所述第一操作设备型号信息和所述第一操作流程信息输入所述第一手术参数预测模型,获得第一手术参数集合;
步骤S840:将所述第一手术参数集合添加进所述第一显示信息,获得第二显示信息。
具体而言,所述第一手术信息是指所述第一用户将要进行的手术信息,包括手术类型、手术难度、手术相关参数。进一步基于所述第一手术信息确定所述第一用户当前手术第一手术要求信息,其中,所述第一手术要求信息包括所述第一用户进行所述第一手术时需要用到设备的型号和相关标准操作流程,即所述第一操作设备型号信息和第一操作流程信息。进一步将所述第一操作设备型号信息和所述第一操作流程信息输入所述第一手术参数预测模型中,所述第一手术参数预测模型智能化分析得到所述第一用户进行此次手术的相关参数,即所述第一手术参数集合,举例如手术切割位置、割切轨迹、割切深度等参数数据以及手术结束后伤口缝合起点、缝合距离、缝合次数等参数。同时将所述第一手术参数集合自动添加进所述第一显示信息中,用于在所述显示部件上实时显示对应手术参数信息,即所述第二显示信息。
通过所述第一手术参数预测模型,对所述第一用户进行的所述第一手术参数进行预测,并将预测信息作为参考信息,自动添加到第一显示信息中,同步在所述显示部件上进行显示,达到了基于计算机模型预测手术相关参数,从而为实际手术提供参考,确保手术顺利进行的技术效果。
进一步的,本申请实施例步骤S840还包括:
步骤S841:将所述第一手术参数输入专家系统,获得第一调整指令,其中,所述专家系统为基于专家知识库训练的手术参数推荐系统;
步骤S842:根据所述第一调整指令调整所述第一手术参数集合,获得第二手术参数集合;
步骤S843:将所述第二手术参数集合添加进所述第一显示信息,获得第二显示信息。
具体而言,所述专家系统是指基于专家知识库中的手术参数数据,训练得到的手术参数推荐系统。其中,所述专家知识库中储存有历史历史上专家医生进行手术的病情、实际手术过程及手术后的效果等全部数据信息。通过将所述第一手术参数输入专家系统,所述专家系统自动基于历史相关案例数据对所述第一手术参数进行调整,从而得到所述第一调整指令。进一步基于所述第一调整指令对所述第一用户的第一手术参数集合进行适应性调整,调整后的手术参数集合即为所述第二手术参数集合。将所述第二手术参数集合添加进所述第一显示信息中即可获得第二显示信息。
通过专家知识库中的历史手术案例训练得到专家系统,进而基于专家系统对第一用户的手术参数进行调整,并通过显示部件同步显示,达到了基于专家历史案例经验自动调整当前第一手术参数,从而保证手术参数符合现实情况的技术效果。
进一步的,本申请实施例步骤S820还包括:
步骤S821:将所述第一手术信息在云端数据库遍历检索,获得第一历史手术参数;
步骤S822:评估所述第一历史手术参数和所述第一显示信息的适配程度,获得第一适配度;
步骤S823:获得第一适配度阈值,将满足所述第一适配度阈值的所述第一历史手术参数作为训练所述第一手术参数预测模型的输出标识信息;
步骤S824:将所述第一操作设备型号信息和所述第一操作流程信息作为训练所述第一手术参数预测模型的输入标识信息;
步骤S825:通过多组所述输入标识信息和所述输出标识信息,构建所述第一手术参数预测模型。
具体而言,所述云端数据库是医疗行业的手术数据库。将所述第一用户当前手术相关信息与所述云端数据库中的信息进行遍历检索,得到与所述第一手术信息对应的第一历史手术参数。进一步对所述第一历史手术参数和所述第一显示信息的适配程度进行分析,得到结果即为所述第一适配度。所述第一适配度阈值基于历史相关手术案例、用户实际身体情况、手术风险程度等综合分析得到的各手术参数合理变化值。将满足所述第一适配度阈值的所述第一历史手术参数作为训练所述第一手术参数预测模型的输出标识信息,将所述第一操作设备型号信息和所述第一操作流程信息作为训练所述第一手术参数预测模型的输入标识信息,通过多组所述输入标识信息和所述输出标识信息,构建所述第一手术参数预测模型。达到了基于数据基础构建第一手术参数预测模型,提高手术参数预测结果准确性的技术效果。
进一步的,本申请实施例步骤S400还包括:
步骤S410:将所述异常信息输入云端数据库进行遍历检索,获得第一并发症信息;
步骤S420:将所述第一并发症信息上传至所述显示部件,获得第三显示信息。
具体而言,当所述第一异常分析模型输出的分析结果中存在异常信息时,同样将所述第一分析结果的异常情况在云端数据库中进行遍历检索,获得历史手术案例中并发症记录数据,并将检索结果上传至所述显示部件进行实时显示。其中,所述第一并发症信息即为所述第三显示信息。达到了基于用户检查部位异常情况,实时检索分析得到异常情况类型及相关诱因信息的技术效果。
进一步的,如附图3所示,本申请实施例步骤S200还包括:
步骤S210:根据第一位置标识结果进行超声检查,获得第一超声检查图像;
步骤S220:对所述第一超声检查图像进行卷积特征提取,获得第二卷积特征;
步骤S230:通过所述第二卷积特征对所述第一卷积特征进行修正,获得第三卷积特征。
具体而言,根据第一位置标识结果,对标识位置对应的用户部位进行超声检查,获得对应部位的超声检查结果,即所述第一超声检查图像。进一步对所述第一超声检查图像进行卷积特征提取,得到所述第一超声检查图像的卷积图像特征,即所述第二卷积特征。最后通过所述第二卷积特征对所述第一卷积特征进行修正,修正后的图像卷积特征即为所述第三卷积特征。达到了基于超声检查结果,进一步完善用户对应部位图像卷积特征的技术效果。
进一步的,如附图4所示,本申请实施例步骤S100还包括:
步骤S110:通过所述第一图像采集设备获得第一手术图像,其中,所述第一手术图像为所述第一用户进行手术时手术区域的图像;
步骤S120:对所述第一手术图像进行卷积特征提取,获得第四卷积特征;
步骤S130:将所述第四卷积特征输入所述第一异常分析模型,获得第二分析结果;
步骤S140:将所述第二分析结果和所述第一手术图像上传至所述显示部件,获得第四显示信息。
具体而言,所述第一手术图像由第一图像采集设备采集获得,为所述第一用户进行手术时手术区域的图像,包括用户手术时的创口形状、大小以及流血时间、位置信息。对所述第一手术图像进行卷积特征提取,从而得到第四卷积特征,所述第四卷积特征包括用户手术时的创口形状特征、大小特征以及流血时间特征、位置特征。进一步将所述第四卷积特征输入所述第一异常分析模型,所述第一异常分析模型输出对应分析结果,即所述第二分析结果。将所述第二分析结果和所述第一手术图像上传至所述显示部件进行实时显示,所述显示内容即为所述第四显示信息。通过第一图像采集设备采集和计算机实时图像分析,达到了实时显示用户手术过程的技术效果。
综上所述,本申请实施例所提供的一种可视化产科影像检查处理方法具有如下技术效果:
1.通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;对所述第一检查图像进行位置标识,获得第一位置标识结果;获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;对所述第N检查图像进行位置标识,获得第N位置标识结果;将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。达到了通过实时显示用户手术图像增加检查部位的可视性条件,从而提高产科检查准确性和相关手术操作安全性的技术效果。
2.通过所述第一手术参数预测模型,对所述第一用户进行的所述第一手术参数进行预测,并将预测信息作为参考信息,自动添加到第一显示信息中,同步在所述显示部件上进行显示,达到了基于计算机模型预测手术相关参数,从而为实际手术提供参考,确保手术顺利进行的技术效果。
实施例二
基于与前述实施例中一种可视化产科影像检查处理方法,同样发明构思,本发明还提供了一种可视化产科影像检查处理装置,请参阅附图5,所述系统包括:
第一获得单元11:所述第一获得单元11用于通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;
第二获得单元12:所述第二获得单元12用于对所述第一检查图像进行位置标识,获得第一位置标识结果;
第三获得单元13:所述第三获得单元13用于获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;
第四获得单元14:所述第四获得单元14用于将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;
第五获得单元15:所述第五获得单元15用于当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;
第六获得单元16:所述第六获得单元16用于对所述第N检查图像进行位置标识,获得第N位置标识结果;
第七获得单元17:所述第七获得单元17用于将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。
进一步的,所述系统还包括:
第八获得单元,所述第八获得单元用于获得第一手术信息,根据所述第一手术信息确定第一手术要求信息,其中,所述第一手术要求信息包括第一操作设备型号信息和第一操作流程信息;
第一构建单元,所述第一构建单元用于通过所述第一显示信息和所述第一手术信息构建第一手术参数预测模型;
第九获得单元,所述第九获得单元用于将所述第一操作设备型号信息和所述第一操作流程信息输入所述第一手术参数预测模型,获得第一手术参数集合;
第十获得单元,所述第十获得单元用于将所述第一手术参数集合添加进所述第一显示信息,获得第二显示信息。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于将所述第一手术参数输入专家系统,获得第一调整指令,其中,所述专家系统为基于专家知识库训练的手术参数推荐系统;
第十二获得单元,所述第十二获得单元用于根据所述第一调整指令调整所述第一手术参数集合,获得第二手术参数集合;
第十三获得单元,所述第十三获得单元用于将所述第二手术参数集合添加进所述第一显示信息,获得第二显示信息。
进一步的,所述系统还包括:
第十四获得单元,所述第十四获得单元用于将所述第一手术信息在云端数据库遍历检索,获得第一历史手术参数;
第十五获得单元,所述第十五获得单元用于评估所述第一历史手术参数和所述第一显示信息的适配程度,获得第一适配度;
第十六获得单元,所述第十六获得单元用于获得第一适配度阈值,将满足所述第一适配度阈值的所述第一历史手术参数作为训练所述第一手术参数预测模型的输出标识信息;
第一设置单元,所述第一设置单元用于将所述第一操作臂型号信息和所述第一操作流程信息作为训练所述第一手术参数预测模型的输入标识信息;
第二构建单元,所述第二构建单元用于通过多组所述输入标识信息和所述输出标识信息,构建所述第一手术参数预测模型。
进一步的,所述系统还包括:
第十七获得单元,所述第十七获得单元用于将所述异常信息输入云端数据库进行遍历检索,获得第一并发症信息;
第十八获得单元,所述第十八获得单元用于将所述第一并发症信息上传至所述显示部件,获得第三显示信息。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于根据第一位置标识结果进行超声检查,获得第一超声检查图像;
第二十获得单元,所述第二十获得单元用于对所述第一超声检查图像进行卷积特征提取,获得第二卷积特征;
第二十一获得单元,所述第二十一获得单元用于通过所述第二卷积特征对所述第一卷积特征进行修正,获得第三卷积特征。
进一步的,所述系统还包括:
第二十二获得单元,所述第二十二获得单元用于通过所述第一图像采集设备获得第一手术图像,其中,所述第一手术图像为所述第一用户进行手术时手术区域的图像;
第二十三获得单元,所述第二十三获得单元用于对所述第一手术图像进行卷积特征提取,获得第四卷积特征;
第二十四获得单元,所述第二十四获得单元用于将所述第四卷积特征输入所述第一异常分析模型,获得第二分析结果;
第二十五获得单元,所述第二十五获得单元用于将所述第二分析结果和所述第一手术图像上传至所述显示部件,获得第四显示信息。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种可视化产科影像检查处理方法和具体实例同样适用于本实施例的一种可视化产科影像检查处理装置,通过前述对一种可视化产科影像检查处理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种可视化产科影像检查处理装置,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图6来描述本申请实施例的电子设备。
图6图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种可视化产科影像检查处理方法的发明构思,本发明还提供一种可视化产科影像检查处理装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种可视化产科影像检查处理方法的任一方法的步骤。
其中,在图6中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请提供了一种可视化产科影像检查处理方法,所述方法应用于一种可视化产科影像检查处理装置,其中,所述方法包括:通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;对所述第一检查图像进行位置标识,获得第一位置标识结果;获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;对所述第N检查图像进行位置标识,获得第N位置标识结果;将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。解决了现有技术中产程阴道检查为盲视下操作,对于产程异常情况的判断存在局限,同时产程干预相关操作时,无法直观了解阴道内情况,也给孕妇分娩造成不利影响的技术问题。达到了通过实时显示用户手术图像增加检查部位的可视性条件,从而提高产科检查准确性和相关手术操作安全性的技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本申请为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-0nly Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种可视化产科影像检查处理方法,其中,所述方法应用于一种可视化产科影像检查处理装置,所述装置包括检查部件和显示部件,所述检查部件包括图像采集设备,所述方法包括:
通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;
对所述第一检查图像进行位置标识,获得第一位置标识结果;
获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;
将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;
当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;
对所述第N检查图像进行位置标识,获得第N位置标识结果;
将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。
2.如权利要求1所述的方法,其中,所述方法还包括:
获得第一手术信息,根据所述第一手术信息确定第一手术要求信息,其中,所述第一手术要求信息包括第一操作设备型号信息和第一操作流程信息;
通过所述第一显示信息和所述第一手术信息构建第一手术参数预测模型;
将所述第一操作设备型号信息和所述第一操作流程信息输入所述第一手术参数预测模型,获得第一手术参数集合;
将所述第一手术参数集合添加进所述第一显示信息,获得第二显示信息。
3.如权利要求2所述的方法,其中,所述将所述第一手术参数集合添加进所述第一显示信息,获得第二显示信息,包括:
将所述第一手术参数输入专家系统,获得第一调整指令,其中,所述专家系统为基于专家知识库训练的手术参数推荐系统;
根据所述第一调整指令调整所述第一手术参数集合,获得第二手术参数集合;
将所述第二手术参数集合添加进所述第一显示信息,获得第二显示信息。
4.如权利要求2所述的方法,其中,所述通过所述第一显示信息和所述第一手术信息构建第一手术参数预测模型,包括:
将所述第一手术信息在云端数据库遍历检索,获得第一历史手术参数;
评估所述第一历史手术参数和所述第一显示信息的适配程度,获得第一适配度;
获得第一适配度阈值,将满足所述第一适配度阈值的所述第一历史手术参数作为训练所述第一手术参数预测模型的输出标识信息;
将所述第一操作臂型号信息和所述第一操作流程信息作为训练所述第一手术参数预测模型的输入标识信息;
通过多组所述输入标识信息和所述输出标识信息,构建所述第一手术参数预测模型。
5.如权利要求1所述的方法,其中,所述当所述第一分析结果存在异常信息时,包括:
将所述异常信息输入云端数据库进行遍历检索,获得第一并发症信息;
将所述第一并发症信息上传至所述显示部件,获得第三显示信息。
6.如权利要求1所述的方法,其中,所述方法还包括:
根据第一位置标识结果进行超声检查,获得第一超声检查图像;
对所述第一超声检查图像进行卷积特征提取,获得第二卷积特征;
通过所述第二卷积特征对所述第一卷积特征进行修正,获得第三卷积特征。
7.如权利要求1所述的方法,其中,所述方法还包括:
通过所述第一图像采集设备获得第一手术图像,其中,所述第一手术图像为所述第一用户进行手术时手术区域的图像;
对所述第一手术图像进行卷积特征提取,获得第四卷积特征;
将所述第四卷积特征输入所述第一异常分析模型,获得第二分析结果;
将所述第二分析结果和所述第一手术图像上传至所述显示部件,获得第四显示信息。
8.一种可视化产科影像检查处理装置,其中,所述装置包括:
第一获得单元:所述第一获得单元用于通过第一图像采集设备获得第一检查图像,其中,所述第一检查图像为第一用户的检查部位图像;
第二获得单元:所述第二获得单元用于对所述第一检查图像进行位置标识,获得第一位置标识结果;
第三获得单元:所述第三获得单元用于获得第一卷积特征,其中,所述第一卷积特征包括所述第一检查图像的第一颜色特征信息和第一形貌特征信息;
第四获得单元:所述第四获得单元用于将所述第一颜色特征信息和所述第一形貌特征信息输入第一异常分析模型,获得第一分析结果;
第五获得单元:所述第五获得单元用于当所述第一分析结果没有异常信息时,获得第N检查图像,其中,所述第N检查图像和所述第一检查图像的采集位置不同,N是不为0的自然数;
第六获得单元:所述第六获得单元用于对所述第N检查图像进行位置标识,获得第N位置标识结果;
第七获得单元:所述第七获得单元用于将位置标识结果集合与检查图像集合上传至所述显示部件,获得第一显示信息。
9.一种可视化产科影像检查处理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1~7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111208110.3A CN113870980A (zh) | 2021-10-14 | 2021-10-14 | 一种可视化产科影像检查处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111208110.3A CN113870980A (zh) | 2021-10-14 | 2021-10-14 | 一种可视化产科影像检查处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113870980A true CN113870980A (zh) | 2021-12-31 |
Family
ID=78999910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111208110.3A Withdrawn CN113870980A (zh) | 2021-10-14 | 2021-10-14 | 一种可视化产科影像检查处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113870980A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883503A (zh) * | 2023-09-07 | 2023-10-13 | 山东千颐科技有限公司 | 一种立井提升机尾绳缠绕ai视觉识别检测方法 |
-
2021
- 2021-10-14 CN CN202111208110.3A patent/CN113870980A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883503A (zh) * | 2023-09-07 | 2023-10-13 | 山东千颐科技有限公司 | 一种立井提升机尾绳缠绕ai视觉识别检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11207045B2 (en) | Systems and methods for estimating healthy lumen diameter and stenosis quantification in coronary arteries | |
CN107292884B (zh) | 一种识别mri图像中水肿和血肿的方法及装置 | |
US10186031B2 (en) | Shape similarity measure for body tissue | |
WO2016159379A1 (ja) | 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム | |
KR101711228B1 (ko) | 신체, 특히, 종양의 용적 변화를 수반하는 병리 진행을 정량화하기 위한 방법 | |
JP5181124B2 (ja) | 動脈瘤計測方法、及びその装置並びにコンピュータプログラム | |
CN110652312A (zh) | 一种血管cta智能分析系统及应用 | |
CN113870980A (zh) | 一种可视化产科影像检查处理方法及装置 | |
CN113274056A (zh) | 一种超声扫查方法及相关装置 | |
CN105631845A (zh) | 椭圆形目标提取方法及系统 | |
CN115910379A (zh) | 一种肾结石术后疗效评估方法、系统、设备及存储介质 | |
US20220249060A1 (en) | Method for processing 3d image data and 3d ultrasonic imaging method and system | |
US8675941B2 (en) | Method for visualization of airway anatomical changes | |
CN109919935B (zh) | 一种头颈体血管分割方法及设备 | |
CN113616247A (zh) | 一种术后超声监护方法及系统 | |
CN117058405B (zh) | 一种基于图像的情绪识别方法、系统、存储介质及终端 | |
CN113974581B (zh) | 一种脉诊的动态切入特征的匹配方法及系统 | |
CN115294014B (zh) | 一种头颈动脉图像处理方法、装置、存储介质及终端 | |
CN114334095A (zh) | 一种超声检查智能识别方法、系统以及终端设备 | |
CN115393295A (zh) | 一种出血点评估方法、装置、设备及存储介质 | |
Mörth et al. | The vitruvian baby: Interactive reformation of fetal ultrasound data to a T-position | |
CN117058405A (zh) | 一种基于图像的情绪识别方法、系统、存储介质及终端 | |
CN115311407A (zh) | 一种特征点标记方法、装置、设备及存储介质 | |
CN117788550A (zh) | 一种基于边缘引导的胎儿颅脑超声图像头围自动测量方法 | |
JP5030549B2 (ja) | 医用画像診断支援装置、プログラム、及び方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211231 |