CN114209284B - 烧伤创面表层组织活性检测系统 - Google Patents
烧伤创面表层组织活性检测系统 Download PDFInfo
- Publication number
- CN114209284B CN114209284B CN202111656137.9A CN202111656137A CN114209284B CN 114209284 B CN114209284 B CN 114209284B CN 202111656137 A CN202111656137 A CN 202111656137A CN 114209284 B CN114209284 B CN 114209284B
- Authority
- CN
- China
- Prior art keywords
- wound surface
- tissue activity
- pixel
- images
- burn wound
- 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.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Dermatology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种烧伤创面表层组织活性检测系统,属于医学图像处理技术领域,包括:获取模块,用于按照一定的时间间隔采集多张烧伤创面表层组织的荧光标准图像;处理模块,用于对多张所述荧光标准图像中相邻的图像间进行差值处理,得到若干张差值图像;描述模块,用于基于所述若干张差值图像的像素值进行描述,得到维数与所述若干张差值图像的个数对应的向量描述符;分类模块,用于根据每个像素的向量描述符对组织活性进行分类处理,得到烧伤创面表层组织活性结果。本发明提高了荧光识别率,获取了图像有效信息,提高了识别效率,提高了创面表层组织活性的评估和识别准确率,为医生对烧伤创面诊断治疗提供了可靠依据。
Description
技术领域
本发明涉及医学图像处理技术领域,具体涉及一种基于荧光显像视频评估烧伤创面表层组织活性的烧伤创面表层组织活性检测系统。
背景技术
皮肤烧伤后创面组织会出现凝固坏死、血管栓塞和炎性细胞浸润等病理表现。按照生理活性分类,创面表层由浅至深依次分为三个组织层次:坏死组织、间生态组织和活性组织。这3个层次随着时间进展是动态变化的:1)伤后早期,尤其是72h内,部分间生态组织由于缺血缺氧逐渐转变为坏死组织;2)伤后全程,尤其是3d-20d,表层坏死组织持续溶解脱落,新生肉芽组织向浅层构建。所以,在烧伤后各个时期,相对准确地评估和识别创面表面的组织活性对治疗和预后判断均有着重要意义。
创面表面组织活性的识别金标准为组织活检和病理检查。组织活检作为有创操作,在临床应用中深受限制。通过血管内荧光药物注射后采集图像的方式,理论上可以判断目标区域内血流灌注的情况,从而判断局部组织的活性。人体全身荧光显像过程的时间在5-30s范围,可以视频记录显像过程。但是荧光显像为灰阶色度,荧光强度变化快,肉眼识别率低,难以获取有效信息,对于创面组织活性的检测评估不够准确可靠。
发明内容
本发明的目的在于提供一种烧伤创面表层组织活性检测系统,以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的,本发明采取了如下技术方案:
一方面,本发明提供一种烧伤创面表层组织活性检测系统,包括:
获取模块,用于按照一定的时间间隔采集多张烧伤创面表层组织的荧光标准图像。由于荧光图像在肉眼看来其实都是黑白灰阶图,因此,在此进行图片性质由RGB向灰度图的转换。RGB向灰度图像转换可以直接用平均值法,即:Gray(0-255)=(R+G+B)/3。
处理模块,用于对多张所述荧光标准图像中相邻的图像间进行差值处理,得到若干张差值图像(那么这里的差值图像也是灰度图像(0-255));
描述模块,用于基于所述若干张差值图像的像素值进行描述,得到维数与所述若干张差值图像的个数对应的向量描述符;
分类模块,用于根据每个像素的向量描述符对组织活性进行分类处理,得到烧伤创面表层组织活性结果。
优选的,烧伤创面表层组织活性检测系统还包括匹配模块,用于对获取模块获取的荧光标准图像进行像素匹配。
优选的,所述描述模块包括读取单元,用于依次读取每张差值图像中每个像素的像素值。
优选的,当像素的向量描述符的最大值小于第一阈值,且随时间变化逐渐趋于零,则原始荧光标准图像中的相应区域的组织活性为四级活性。
优选的,当像素的向量描述符的最大值大于第一阈值小于第二阈值时,且随时间变化的变化值小于预设的变化值,则原始荧光标准图像中的相应区域的组织活性为三级活性。
优选的,当像素的向量描述符的最大值大于第二阈值,且随时间变化逐渐趋于零,结合原始荧光标准图像像素的荧光强度确定原始荧光标准图像中的相应区域的组织活性。
优选的,当像素的向量描述符的最大值大于第二阈值,且随时间变化逐渐趋于零,且原始荧光标准图像像素的荧光强度维持在第一范围内,则原始荧光标准图像中的相应区域的组织活性为二级活性。
优选的,当像素的向量描述符的最大值大于第二阈值维持在较高的数值,且随时间变化逐渐趋于零,且原始荧光标准图像像素的荧光强度维持在第二范围内,则原始荧光标准图像中的相应区域的组织活性为一级活性。
优选的,所述第一范围为80至100。
优选的,所述第二范围为120至140。
第二方面,本发明提供一种烧伤创面表层组织活性检测方法,包括:
按照一定的时间间隔采集多张烧伤创面表层组织的荧光标准图像;
对多张所述荧光标准图像中相邻的图像间进行差值处理,得到若干张差值图像;
基于所述若干张差值图像的像素值进行描述,得到维数与所述若干张差值图像的个数对应的向量描述符;
根据每个像素的向量描述符对组织活性进行分类处理,得到烧伤创面表层组织活性结果。
第三方面,本发明提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如上所述的烧伤创面表层组织活性检测方法。
第四方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如上所述的烧伤创面表层组织活性检测方法。
第五方面,本发明提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如上所述的烧伤创面表层组织活性检测方法的指令。
本发明有益效果:提高了荧光识别率,获取了图像有效信息,提高了识别效率,提高了创面表层组织活性的评估和识别准确率,为医生对烧伤创面诊断治疗提供了可靠依据。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的烧伤创面表层组织活性检测系统的功能原理框架图。
具体实施方式
下面详细叙述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明,下面结合附图以具体实施例对本发明作进一步解释说明,且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解,附图只是实施例的示意图,附图中的部件并不一定是实施本发明所必须的。
实施例1
如图1所示,本实施例1提供一种烧伤创面表层组织活性检测系统,该系统包括:
获取模块,用于按照一定的时间间隔采集多张烧伤创面表层组织的荧光标准图像;
处理模块,用于对多张所述荧光标准图像中相邻的图像间进行差值处理,得到若干张差值图像;
描述模块,用于基于所述若干张差值图像的像素值进行描述,得到维数与所述若干张差值图像的个数对应的向量描述符;
分类模块,用于根据每个像素的向量描述符对组织活性进行分类处理,得到烧伤创面表层组织活性结果。
本实施例1中,所述的烧伤创面表层组织活性检测系统,还包括匹配模块,所述匹配模块用于对获取模块获取的荧光标准图像进行像素匹配,匹配过程包括调整角度、裁剪边缘区域等。
其中,所述描述模块包括读取单元,所述读取单元用于依次读取每张差值图像中每个像素的像素值。
利用分类模块进行组织活性判断时:当像素的向量描述符的数值最大值小于第一阈值,且随时间变化逐渐趋于零,则原始荧光标准图像中的相应区域的组织活性为四级活性。当像素的向量描述符的数值最大值大于第一阈值小于第二阈值时,且随时间变化的变化值小于预设的变化值,则原始荧光标准图像中的相应区域的组织活性为三级活性。当像素的向量描述符的数值最大值大于第二阈值,且随时间变化逐渐趋于零,结合原始荧光标准图像像素的荧光强度确定原始荧光标准图像中的相应区域的组织活性。
具体的,当像素的向量描述符的最大值大于第二阈值,且随时间变化逐渐趋于零,且原始荧光标准图像像素的荧光强度维持在第一范围内,则原始荧光标准图像中的相应区域的组织活性为二级活性。
当像素的向量描述符的数值最大值大于第二阈值维持在较高的数值,且随时间变化逐渐趋于零,且原始荧光标准图像像素的荧光强度维持在第二范围内,则原始荧光标准图像中的相应区域的组织活性为一级活性。
实施例2
本实施例2中提供一种利用如实施例1所述的烧伤创面表层组织活性检测系统实现的烧伤创面表层组织活性检测方法,在方法实现之前,还需要进行烧伤创面荧光显像视频的制备步骤:
步骤S1:对目标区域四角放置标记识别物;
步骤S2:采集目标区域的创面荧光显像视频。
其中,所述S2中烧伤创面荧光显像视频的采集方法包括:
首先,对烧伤患者进行荧光药物静脉注射,荧光药物包括荧光素钠和吲哚菁绿等常规荧光造影试剂;然后,对目标区域进行荧光激发和荧光显像,并视频记录显像过程;该过程由现有荧光照相机(发明专利202010795967.9)等类似装置可以实现。
基于上述获得的显像视频,烧伤创面表层组织活性检测方法包括:
利用获取模块,在上述的显像视频中,按照一定的时间间隔采集多张烧伤创面表层组织的荧光标准图像;如,在在规定的时间段内按一定的时间间隔(每秒不少于10帧)提取n张荧光标准图像。
利用处理模块,对多张所述荧光标准图像中相邻的图像,先进行灰度图转换:RGB向灰度图像转换可以直接用平均值法,即:Gray(0-255)=(R+G+B)/3,然后再进行差值处理,得到若干张差值图像。如,本实施例2中,对n张图片进行差值处理:即将第n帧图像与第n-1帧图像进行差值处理,从第1帧到第n帧依次进行,得到n-1张差值图像,如下公式:
Figuren-1 difference value=Figuren–Figuren-1
利用描述模块,基于所述若干张差值图像的像素值进行描述,得到维数与所述若干张差值图像的个数对应的向量描述符。如,本实施例2中,针对原始图像Figuren的每一个像素Pixel(u,v),基于这n-1张差值图像的像素值Figuret difference value(u,v)(1≤t≤n-1)进行描述,形成n-1维的向量描述符:Pixel(u,v)=[Figure1 differencevalue(u,v),Figure2 differencevalue(u,v),...,Figuren-1 difference value(u,v)]。
利用分类模块,根据每个像素的向量描述符对组织活性进行分类处理,得到烧伤创面表层组织活性结果。
本实施例2中,还利用匹配模块对获取模块获取的荧光标准图像进行像素匹配。其中,标记识别物为锚定,对n张图片进行像素匹配,匹配过程包括调整角度、裁剪边缘区域等,生成Figuren。
其中,利用描述模块中的读取单元,依次读取每张差值图像中每个像素的像素值。如,本实施例2中,读取单元针对n-1张差值图像,依次读取每张差值图像中每个像素的像素值(0-255)Figuret difference value(u,v),其中1≤t≤n-1。
利用分类模块进行组织活性判断时:
当像素的向量描述符的数值最大值小于第一阈值(本实施例2中设为5),且随时间变化逐渐趋于零,则原始荧光标准图像中的相应区域的组织活性为四级活性(定义为“坏死”)。如,本实施例2中,当像素的向量描述符的数值最大值在较低的数值内徘徊(最大值低于5,且均值接近于0(可定义为小于0.1))且随即逐渐趋于0时,将其划分为class4(四级活性),并将原图像中相应区域的像素标记为蓝色。
当像素的向量描述符的数值最大值大于第一阈值小于第二阈值时(即最大值在5-10之间),且随时间变化的变化值小于预设的变化值(即均值大于0.1),则原始荧光标准图像中的相应区域的组织活性为三级活性(三级活性定义为“瘀滞”)。如,本实施例2中,当像素的向量描述符的数值最大值在某一数值(非0)附近徘徊(最大值在5-10之间),且随着时间数值没有明显变化时(均值大于0.1),将具有这些特征的像素划分为class3(三级活性),并将原图像中相应区域的像素标记为紫色。
当像素的向量描述符的数值最大值大于第二阈值,且随时间变化逐渐趋于零,结合原始荧光标准图像像素的荧光强度确定原始荧光标准图像中的相应区域的组织活性。
具体的,当像素的向量描述符的数值最大值大于第二阈值(即最大值大于10),且随时间变化逐渐趋于零(均值大于0.1),且原始荧光标准图像像素的荧光强度维持在第一范围内,则原始荧光标准图像中的相应区域的组织活性为二级活性。如,本实施例2中,当像素的向量描述符的数值最大值维持在较高的数值(即最大值大于10),之后逐渐趋于0(均值在0.1至0.15之间),且原图像像素的荧光强度维持在80-100之间,则将该像素划分为class2,并将原图像中相应区域的像素标记为黄色。
当像素的向量描述符的数值最大值大于第二阈值,且随时间变化逐渐趋于零,且原始荧光标准图像像素的荧光强度维持在第二范围内,则原始荧光标准图像中的相应区域的组织活性为一级活性(一级活性定义为“充血”)。如,本实施例2中,当像素的向量描述符的数值最大值开始维持在较高的数值(即最大值大于10),之后逐渐趋于0(均值大于0.15),且原图像像素的荧光强度维持在120-140之间,则将该像素划分为class1,并将原图像中相应区域的像素标记为红色。
实施例3
本发明实施例3提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如上所述的烧伤创面表层组织活性检测方法,该方法包括:
按照一定的时间间隔采集多张烧伤创面表层组织的荧光标准图像;
对多张所述荧光标准图像中相邻的图像间进行差值处理,得到若干张差值图像;
基于所述若干张差值图像的像素值进行描述,得到维数与所述若干张差值图像的个数对应的向量描述符;
根据每个像素的向量描述符对组织活性进行分类处理,得到烧伤创面表层组织活性结果。
实施例4
本发明实施例4提供一种计算机程序(产品),包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如上所述的烧伤创面表层组织活性检测方法,该方法包括:
按照一定的时间间隔采集多张烧伤创面表层组织的荧光标准图像;
对多张所述荧光标准图像中相邻的图像间进行差值处理,得到若干张差值图像;
基于所述若干张差值图像的像素值进行描述,得到维数与所述若干张差值图像的个数对应的向量描述符;
根据每个像素的向量描述符对组织活性进行分类处理,得到烧伤创面表层组织活性结果。
实施例5
本发明实施例5提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如上所述的烧伤创面表层组织活性检测方法的指令,该方法包括:
按照一定的时间间隔采集多张烧伤创面表层组织的荧光标准图像;
对多张所述荧光标准图像中相邻的图像间进行差值处理,得到若干张差值图像;
基于所述若干张差值图像的像素值进行描述,得到维数与所述若干张差值图像的个数对应的向量描述符;
根据每个像素的向量描述符对组织活性进行分类处理,得到烧伤创面表层组织活性结果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据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装置。
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装置的制造品,该指令装置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,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。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明公开的技术方案的基础上,本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种烧伤创面表层组织活性检测系统,其特征在于,包括:
获取模块,用于按照一定的时间间隔采集多张烧伤创面表层组织的荧光标准图像;
处理模块,用于对多张所述荧光标准图像中相邻的图像间进行差值处理,得到若干张差值图像;
对n张图片进行差值处理:将第n帧图像与第n-1帧图像进行差值处理,从第1帧到第n帧依次进行,得到n-1张差值图像,公式如下:
Figuren-1 differencevalue=Figuren–Figuren-1
描述模块,用于基于所述若干张差值图像的像素值进行描述,得到维数与所述若干张差值图像的个数对应的向量描述符;
具体过程为:针对原始图像Figuren的每一个像素Pixel(u,v),基于这n-1张差值图像的像素值Figuret differencevalue(u,v)(1≤t≤n-1)进行描述,形成n-1维的向量描述符:Pixel(u,v)=[Figure1 differencevalue(u,v),Figure2 differencevalue(u,v),...,Figuren-1 difference value(u,v)];
分类模块,用于根据每个像素的向量描述符对组织活性进行分类处理,得到烧伤创面表层组织活性结果;
当像素的向量描述符的数值最大值小于第一阈值,且随时间变化逐渐趋于零,则原始荧光标准图像中的相应区域的组织活性为四级活性;
当像素的向量描述符的数值最大值大于第一阈值小于第二阈值时,且随时间变化的变化值小于预设的变化值,则原始荧光标准图像中的相应区域的组织活性为三级活性;
当像素的向量描述符的数值最大值大于第二阈值,且随时间变化逐渐趋于零,结合原始荧光标准图像像素的荧光强度确定原始荧光标准图像中的相应区域的组织活性;
当像素的向量描述符的数值最大值大于第二阈值,且随时间变化逐渐趋于零,且原始荧光标准图像像素的荧光强度维持在第一范围内,则原始荧光标准图像中的相应区域的组织活性为二级活性;
当像素的向量描述符的数值最大值大于第二阈值,且随时间变化逐渐趋于零,且原始荧光标准图像像素的荧光强度维持在第二范围内,则原始荧光标准图像中的相应区域的组织活性为一级活性;
所述第二范围的数值最小值大于第一范围的数值最大值。
2.根据权利要求1所述的烧伤创面表层组织活性检测系统,其特征在于,还包括匹配模块,用于对获取模块获取的荧光标准图像进行像素匹配。
3.根据权利要求1所述的烧伤创面表层组织活性检测系统,其特征在于,所述描述模块包括读取单元,用于依次读取每张差值图像中每个像素的像素值。
4.根据权利要求1所述的烧伤创面表层组织活性检测系统,其特征在于,所述第一范围为80至100。
5.根据权利要求1所述的烧伤创面表层组织活性检测系统,其特征在于,所述第二范围为120至140。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111656137.9A CN114209284B (zh) | 2021-12-30 | 2021-12-30 | 烧伤创面表层组织活性检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111656137.9A CN114209284B (zh) | 2021-12-30 | 2021-12-30 | 烧伤创面表层组织活性检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114209284A CN114209284A (zh) | 2022-03-22 |
CN114209284B true CN114209284B (zh) | 2023-07-28 |
Family
ID=80707208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111656137.9A Active CN114209284B (zh) | 2021-12-30 | 2021-12-30 | 烧伤创面表层组织活性检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114209284B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393348B (zh) * | 2022-10-25 | 2023-03-24 | 绵阳富临医院有限公司 | 一种基于图像识别的烧伤检测方法、系统及存储介质 |
CN115423816B (zh) * | 2022-11-07 | 2023-03-24 | 浙江安吉圆磨机械科技股份有限公司 | 一种金属表面磨削质量检测方法 |
CN117152106A (zh) * | 2023-09-13 | 2023-12-01 | 厦门良医真选健康科技有限公司 | 基于深度学习的生物活性检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5074306A (en) * | 1990-02-22 | 1991-12-24 | The General Hospital Corporation | Measurement of burn depth in skin |
DE10120980A1 (de) * | 2001-05-01 | 2002-11-21 | Pulsion Medical Sys Ag | Verfahren, Vorrichtung und Computerprogramm zur Bestimmung des Blutflusses in einer Gewebe- oder Organregion |
CN104287713A (zh) * | 2013-06-13 | 2015-01-21 | 上海理工大学 | 一种快速激光散斑血流成像方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050033145A1 (en) * | 2003-07-02 | 2005-02-10 | Graham John S. | Wearable tissue viability diagnostic unit |
US20100185064A1 (en) * | 2007-01-05 | 2010-07-22 | Jadran Bandic | Skin analysis methods |
JP5160343B2 (ja) * | 2008-08-22 | 2013-03-13 | オリンパスメディカルシステムズ株式会社 | 撮像システム及び内視鏡システム |
WO2016011534A1 (en) * | 2014-07-24 | 2016-01-28 | University Health Network | Collection and analysis of data for diagnostic purposes |
JP2018128294A (ja) * | 2017-02-07 | 2018-08-16 | 株式会社島津製作所 | 関心領域追跡装置 |
JP7426248B2 (ja) * | 2020-01-29 | 2024-02-01 | ソニー・オリンパスメディカルソリューションズ株式会社 | 医療用制御装置及び医療用観察システム |
-
2021
- 2021-12-30 CN CN202111656137.9A patent/CN114209284B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5074306A (en) * | 1990-02-22 | 1991-12-24 | The General Hospital Corporation | Measurement of burn depth in skin |
EP0518994A1 (en) * | 1990-02-22 | 1992-12-23 | The General Hospital Corporation | Apparatus for measurement of burn depth in skin |
DE10120980A1 (de) * | 2001-05-01 | 2002-11-21 | Pulsion Medical Sys Ag | Verfahren, Vorrichtung und Computerprogramm zur Bestimmung des Blutflusses in einer Gewebe- oder Organregion |
CN104287713A (zh) * | 2013-06-13 | 2015-01-21 | 上海理工大学 | 一种快速激光散斑血流成像方法 |
Non-Patent Citations (2)
Title |
---|
Burn depths evaluation based on active dynamic IR thermal imaging—A preliminary study;Alicja Renkielska,等;《Burns》;第32卷(第7期);全文 * |
单纯不同温度干热气体导致犬喉部不同部位组织烧伤后病理变化;王成,赵冉,张国安;《北京大学学报( 医学版)》;第46卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114209284A (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114209284B (zh) | 烧伤创面表层组织活性检测系统 | |
US11666210B2 (en) | System for recognizing diabetic retinopathy | |
Fauzi et al. | Computerized segmentation and measurement of chronic wound images | |
US20200160521A1 (en) | Diabetic retinopathy recognition system based on fundus image | |
Mantas | Classification of intracranial hemorrhage subtypes using deep learning on CT scans | |
KR20130012297A (ko) | 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 | |
CN107122597A (zh) | 一种角膜受损智能诊断系统 | |
Tamura et al. | Strategy of surgical resection for glioma based on intraoperative functional mapping and monitoring | |
Haddad et al. | Image analysis model for skin disease detection: framework | |
Vimal et al. | RETRACTED ARTICLE: A method of progression detection for glaucoma using K-means and the GLCM algorithm toward smart medical prediction | |
Ghosh et al. | Block based histogram feature extraction method for bleeding detection in wireless capsule endoscopy | |
Rahim et al. | Automatic detection of microaneurysms for diabetic retinopathy screening using fuzzy image processing | |
Mohanarathinam et al. | Diabetic Retinopathy Detection and Classification using Hybrid Multiclass SVM classifier and Deeplearning techniques | |
CN107203758A (zh) | 糖尿病人视网膜血管图像分割方法 | |
CN108877922A (zh) | 病变程度判断系统及其方法 | |
Nallasivan et al. | Diabetic retinopathy segmentation and classification using deep learning approach | |
Cui et al. | Detection of lymphangiectasia disease from wireless capsule endoscopy images with adaptive threshold | |
CN113034441A (zh) | 一种基于ctp图像的动静脉点提取方法 | |
Makala et al. | Survey on automatic detection of diabetic retinopathy screening | |
CN116740203B (zh) | 用于眼底相机数据的安全存储方法 | |
Saad et al. | Brain lesion segmentation of Diffusion-weighted MRI using gray level co-occurrence matrix | |
AU2021102184A4 (en) | An artificial intelligence based system for detection of covid influence on human skin | |
Audytra et al. | Application of dynamic segmentation in stroke detection software with ANN | |
Ptakh et al. | Developing a Robust Estimator for Remote Optical Erythema Detection. | |
Snehkunj et al. | A systematic approach for brain abnormality identification from biomedical images |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |