CN115862819A - 一种基于图像处理的医学图像管理方法 - Google Patents

一种基于图像处理的医学图像管理方法 Download PDF

Info

Publication number
CN115862819A
CN115862819A CN202310139409.0A CN202310139409A CN115862819A CN 115862819 A CN115862819 A CN 115862819A CN 202310139409 A CN202310139409 A CN 202310139409A CN 115862819 A CN115862819 A CN 115862819A
Authority
CN
China
Prior art keywords
disease
patient
target skin
skin
target
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.)
Granted
Application number
CN202310139409.0A
Other languages
English (en)
Other versions
CN115862819B (zh
Inventor
刘成龙
段雪琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Second Affiliated Hospital of Shandong First Medical University
Original Assignee
Second Affiliated Hospital of Shandong First Medical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Second Affiliated Hospital of Shandong First Medical University filed Critical Second Affiliated Hospital of Shandong First Medical University
Priority to CN202310139409.0A priority Critical patent/CN115862819B/zh
Publication of CN115862819A publication Critical patent/CN115862819A/zh
Application granted granted Critical
Publication of CN115862819B publication Critical patent/CN115862819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及医学图像管理技术领域，具体公开一种基于图像处理的医学图像管理方法，包括病患图像采集、病患初步诊断分析、医生基本信息获取、医生基本信息获取、病患症状校正、病患图像分类和病患图像存储，通过根据采集的目标皮肤病患患病区域图像，对目标皮肤病患的病情进行分析，进而提供推荐挂号医生，并对目标皮肤病患的病情进行校正，同时对目标皮肤病患的患病区域图像进行分类和存储，解决了当前技术缺乏对皮肤病患者的挂号分析的问题，实现了皮肤病患挂号的智能化的引导，大大的提高了皮肤病患的就诊效果，同时也大大的降低了医院中医疗挤兑现象，在一定程度上也增加了医生的就医效率。

Description

一种基于图像处理的医学图像管理方法
技术领域
本发明属于医学图像管理技术领域，涉及到一种基于图像处理的医学图像管理方法。
背景技术
一方面，随着医院学科的不断发展，门诊科室划分也越来越细，同时患者普遍缺乏医学知识，从而导致患者挂错科室，另一方面，医生的水平和擅长医治的病症类型不同，患者无法根据自身病情选择适合的医生就诊，例如皮肤病中就有皮炎、湿疹和荨麻疹等不同的分类，为了保障皮肤病患者挂号准确，需要对皮肤病患者的患病区域图像分析，获取皮肤病患者的皮肤病类型，进而对皮肤病患者的挂号进行分析。
当前技术主要通过医护人员或者智能机器人对皮肤病患者的就诊进行引导，而缺乏对皮肤病患者的挂号进行分析，很显然这种分析方式存在以下几个问题：1、挂号是就诊的前提，当前技术没有根据皮肤病患者的患病区域的图像进行采集和分析，进而无法了解皮肤病患者的患病情况，从而无法有效的匹配到适合的就诊医生，导致后续皮肤病患者就诊效果不佳，降低皮肤病患者的就医体验，同时也无法提高医院门诊的工作效率，并且也增加医护人员的工作量。
2、症状诊断设备中存储的数据影响着皮肤病患者患病情况分析结果的参考性，当前技术没有根据皮肤病患者的病例对皮肤病患者的患病情况进行智能校正、分类和存储，进而无法有效的保障后续皮肤病患者患病情况分析的真实性，从而导致后续皮肤病患者对应推荐挂号医生的匹配度不高，降低皮肤病患者的就医效果，另一方面，没有将皮肤病患者的数据进行分类存储，无法有效的节约症状诊断设备的存储空间，同时也无法提高皮肤病患者患病情况分析的速度。
发明内容
本发明的目的在于提供的一种基于图像处理的医学图像管理方法，解决了背景技术中存在的问题。
本发明的目的可以通过以下技术方案实现：一种基于图像处理的医学图像管理方法，该方法包括以下步骤：步骤一、病患图像采集：通过指定医院中指定症状诊断设备采集目标皮肤病患对应的患病区域图像和症状的各特征关键词。
步骤二、病患初步诊断分析：对目标皮肤病患的病情进行初步分析，得到目标皮肤病患对应的初步病情信息，其中病情信息包括皮肤病类型和病情等级。
步骤三、医生基本信息获取：获取指定医院中各皮肤科医生对应的基本信息，其中基本信息包括擅长医治皮肤病类型和各医治病患对应的病情等级。
步骤四、病患挂号匹配分析：分析目标皮肤病患对应推荐挂号的皮肤科医生。
步骤五、病患症状校正：获取目标皮肤病患对应的病例信息，进而对指定症状诊断设备中目标皮肤病患的初步病情信息进行校正，得到目标皮肤病患对应的实际病情信息。
步骤六、病患图像分类：对指定症状诊断设备中目标皮肤病患对应的患病区域图像进行分类。
步骤七、病患图像存储：根据步骤六中的分类结果，将指定症状诊断设备中分类后的目标皮肤病患对应的患病区域图像、症状的各特征关键词和实际病情信息存储至云数据库中。
可选地，所述对目标皮肤病患的病情进行初步分析，具体分析过程如下：根据目标皮肤病患对应患病区域的图像和云数据库中存储的各历史皮肤病患对应的患病区域图像，分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的轮廓评估系数，并记为
Figure SMS_1
，其中i表示各历史皮肤病患对应的编号，/>
Figure SMS_2
。
从目标皮肤病患对应患病区域的图像中获取目标皮肤病患对应患病区域的面积，并记为
Figure SMS_3
。
基于目标皮肤病患对应患病区域的图像，在目标皮肤病患对应的患病区域布设各采集点，进而分析得到目标皮肤病患对应患病区域的平整度符合系数，并记为
Figure SMS_4
。
从目标皮肤病患对应患病区域的图像中获取目标皮肤病患对应患病区域中各采集点的色调、明度和饱和度，记为SD、B和BH,进而分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的颜色评估系数，并记为
Figure SMS_5
。
可选地，所述分析得到目标皮肤病患对应患病区域的平整度符合系数，具体分析过程如下：将目标皮肤病患对应患病区域的各采集点导入至设定的三维坐标系中，由此得到目标皮肤病患对应患病区域中各采集点的位置坐标，并记为
Figure SMS_6
，其中j表示各采集点对应的编号，/>
Figure SMS_7
。
根据目标皮肤病患对应患病区域的图像，分析得到目标皮肤病患中患病区域对应皮肤部位的参考平整度，并记为
Figure SMS_8
。
根据计算公式
Figure SMS_9
，得到目标皮肤病患对应患病区域的平整度符合系数/>
Figure SMS_10
，其中/>
Figure SMS_11
表示目标皮肤病患对应患病区域中第j+1个采集点z轴的坐标值，
Figure SMS_12
为设定的平整度符合系数对应的权重因子。
可选地，所述分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的颜色评估系数，具体分析过程如下：将目标皮肤病患对应患病区域中各采集点的色调、明度和饱和度代入计算公式
Figure SMS_13
中，得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的颜色评估系数/>
Figure SMS_16
，其中/>
Figure SMS_17
、/>
Figure SMS_19
、/>
Figure SMS_20
分别表示云数据库中存储的第i个历史皮肤病患对应患病区域的色调、明度、饱和度，/>
Figure SMS_21
、/>
Figure SMS_22
、/>
Figure SMS_14
分别为设定的皮肤参考色调、参考明度、参考饱和度，/>
Figure SMS_15
、/>
Figure SMS_18
、/>
Figure SMS_23
分别表示色调、明度、饱和度对应的权重因子。
可选地，所述得到目标皮肤病患对应的初步病情信息，具体分析过程如下：根据计算公式
Figure SMS_24
，得到目标皮肤病患患病区域与各历史皮肤病患患病区域图像评估系数/>
Figure SMS_26
，其中/>
Figure SMS_27
、/>
Figure SMS_28
分别为云数据库中存储的第i个历史皮肤病患患病区域对应的面积、平整度符合系数，/>
Figure SMS_29
、/>
Figure SMS_30
、/>
Figure SMS_31
、/>
Figure SMS_25
分别为设定的轮廓评估系数、颜色评估系数、患病区域面积、患病区域平整度符合系数对应的权重因子。
通过分析得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状评估系数，并记为
Figure SMS_32
。
通过计算公式
Figure SMS_33
，得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的病情匹配评估系数/>
Figure SMS_34
，其中/>
Figure SMS_35
、/>
Figure SMS_36
分别为设定的图像评估系数、症状评估系数对应的权重因子。
根据目标皮肤病患患病区域与各历史皮肤病患患病区域对应的病情匹配评估系数，分析得到目标皮肤病患患病区域的初步病情信息。
可选地，所述分析得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状评估系数，具体分析过程如下：将目标皮肤病患对应患病区域症状的各特征关键词与云数据库中存储的各历史皮肤病患对应患病区域症状的各特征关键词进行对比，得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状特征关键词相同的数量，并标记为
Figure SMS_37
。
根据计算公式
Figure SMS_38
，得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状评估系数/>
Figure SMS_39
，其中N表示目标皮肤病患对应患病区域症状的特征关键词数量，/>
Figure SMS_40
表示云数据库中存储的第i个历史皮肤病患对应患病区域症状的特征关键词数量，/>
Figure SMS_41
、/>
Figure SMS_42
分别为设定的目标皮肤病患、历史皮肤病患对应患病区域症状的特征关键词数量对应的权重因子。
可选地，所述分析目标皮肤病患对应推荐挂号的皮肤科医生，具体分析过程如下：根据目标皮肤病患对应的初步病情信息，筛选得到各参考挂号皮肤科医生。
获取各参考挂号皮肤科医生对应各医治病患的病情等级，进而得到各参考挂号皮肤科医生对应各病情等级的医治病患次数，并记为
Figure SMS_43
，其中u表示各参考挂号皮肤科医生对应的编号，/>
Figure SMS_44
，g表示各病情等级对应的编号，/>
Figure SMS_45
。
根据计算公式
Figure SMS_46
，得到各参考挂号皮肤科医生对应医治各病情等级的优先评估系数/>
Figure SMS_47
，其中/>
Figure SMS_48
为设定的优先评估系数对应的权重因子。
从目标皮肤病患对应的初步病情信息中获取目标皮肤病患对应的初步病情等级，进而将其与各参考挂号皮肤科医生对应医治各病情等级的优先评估系数进行对比，得到各参考挂号皮肤科医生对应医治目标皮肤病患初步病情等级的优先评估系数，并选取最大优先评估系数对应的参考挂号皮肤科医生作为目标皮肤病患对应推荐挂号的皮肤科医生。
可选地，所述目标皮肤病患对应的病例信息包括皮肤病诊断类型、治疗周期和各药物类型对应的数量。
可选地，所述对指定症状诊断设备中目标皮肤病患的初步病情信息进行校正，具体校正过程如下：基于目标皮肤病患对应的治疗周期和各药物类型对应的数量，分析得到目标皮肤病患对应的病情参考等级。
将目标皮肤病患对应的皮肤病诊断类型与其对应初步皮肤病类型进行对比，若目标皮肤病患对应的皮肤病诊断类型与其对应初步皮肤病类型相同，则将目标皮肤病患对应的初步皮肤病类型作为目标皮肤病患对应的实际皮肤病类型。
若目标皮肤病患对应的皮肤病诊断类型与其对应初步的皮肤病类型不相同，则将目标皮肤病患对应的皮肤病诊断类型作为目标皮肤病患对应的实际皮肤病类型。
同理，按照目标皮肤病患对应的实际皮肤病类型分析方式分析得到目标皮肤病患对应的实际病情等级。
可选地，所述对指定症状诊断设备中目标皮肤病患对应的患病区域图像进行分类，具体分类过程如下：将目标皮肤病患对应的实际皮肤病类型与指定症状诊断设备中各皮肤病类型进行对比，若目标皮肤病患对应的实际皮肤病类型与指定症状诊断设备中某皮肤病类型相同，则将目标皮肤病患对应患病区域图像分类至指定症状诊断设备中该皮肤病类型。
将目标皮肤病患对应的实际病情等级与指定症状诊断设备中该皮肤病类型中各病情等级进行对比，若目标皮肤病患对应的实际病情等级与指定症状诊断设备中该皮肤病类型中某病情等级相同，则将目标皮肤病患对应的患病区域图像分类至指定症状诊断设备中该皮肤病类型的该病情等级内。
相较于现有技术，本发明的有益效果如下：1、本发明提供的一种基于图像处理的医学图像管理方法，通过对目标皮肤病患的患病情况进行分析，进而提供推荐挂号医生，解决了当前技术缺乏对皮肤病患者的挂号分析的问题，实现了皮肤病患挂号的智能化的引导，大大的提高了皮肤病患的就诊效果，同时也大大的降低了医院中医疗挤兑现象，在一定程度上也增加了医生的就医效率。
2、本发明在病患初步诊断分析中通过对目标皮肤病患的初步病情信息进行分析，真实的了解了目标皮肤病患的患病情况，为后续推荐挂号医生分析提供了可靠的数据，大大的提高了目标皮肤病患选择挂号医生的效率和准确性。
3、本发明在病患挂号匹配分析中通过对目标皮肤病患对应推荐挂号的皮肤科医生进行分析，有效的保障了目标皮肤病患与推荐挂号的皮肤科医生之间的匹配度，在一定程度上也增加了目标皮肤病患的就医体验感和就医效果。
4、本发明在病患症状校正中通过对目标皮肤病患的初步病情信息进行校正，有效的保障了后续皮肤病患者患病情况分析的真实性，进而增加了后续皮肤病患者对应推荐挂号医生分析的精准性，保障了后续皮肤病患在医院门诊挂号的顺利性和稳定性。
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为本发明的方法实施步骤流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于图像处理的医学图像管理方法，该方法包括以下步骤：步骤一、病患图像采集：通过指定医院中指定症状诊断设备采集目标皮肤病患对应的患病区域图像和症状的各特征关键词。
在一个具体的实施例中，采集目标皮肤病患对应的患病区域图像和症状的各特征关键词，具体采集过程如下：在指定症状诊断设备中设置采集区域，并在采集区域布设摄像头，进而通过指定症状诊断设备采集区域中的摄像头采集目标皮肤病病患对应患病区域的图像，同时目标皮肤病患在指定症状诊断设备的显示界面中预设的症状各关键词中选择目标皮肤病患对应症状的各关键词，并作为目标皮肤病患对应的症状各特征关键词。
步骤二、病患初步诊断分析：对目标皮肤病患的病情进行初步分析，得到目标皮肤病患对应的初步病情信息，其中病情信息包括皮肤病类型和病情等级。
在一个具体的实施例中，对目标皮肤病患的病情进行初步分析，具体分析过程如下：根据目标皮肤病患对应患病区域的图像和云数据库中存储的各历史皮肤病患对应的患病区域图像，分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的轮廓评估系数，并记为
Figure SMS_49
，其中i表示各历史皮肤病患对应的编号，/>
Figure SMS_50
。
上述中，分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的轮廓评估系数，具体分析过程如下：从目标皮肤病患对应患病区域的图像中提取目标皮肤病患对应患病区域的轮廓，同时云数据库中存储的各历史皮肤病患对应的患病区域图像中提取各历史皮肤病患对应的患病区域轮廓，进而将目标皮肤病患对应患病区域的轮廓与各历史皮肤病患对应的患病区域轮廓进行对比，若目标皮肤病患对应患病区域的轮廓与某历史皮肤病患对应的患病区域轮廓相同，则将目标皮肤病患患病区域与该历史皮肤病患患病区域对应的轮廓评估系数记为
Figure SMS_52
，反之则将目标皮肤病患患病区域与该历史皮肤病患患病区域对应的轮廓评估系数记为/>
Figure SMS_54
，以此方式得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的轮廓评估系数/>
Figure SMS_56
，其中/>
Figure SMS_57
取值为/>
Figure SMS_58
或者/>
Figure SMS_59
，且/>
Figure SMS_60
＞/>
Figure SMS_51
，/>
Figure SMS_53
和/>
Figure SMS_55
均为自然数。
从目标皮肤病患对应患病区域的图像中获取目标皮肤病患对应患病区域的面积，并记为
Figure SMS_61
。
基于目标皮肤病患对应患病区域的图像，在目标皮肤病患对应的患病区域布设各采集点，进而分析得到目标皮肤病患对应患病区域的平整度符合系数，并记为
Figure SMS_62
。
从目标皮肤病患对应患病区域的图像中获取目标皮肤病患对应患病区域中各采集点的色调、明度和饱和度，记为SD、B和BH,进而分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的颜色评估系数，并记为
Figure SMS_63
。
在另一个具体的实施例中，分析得到目标皮肤病患对应患病区域的平整度符合系数，具体分析过程如下：将目标皮肤病患对应患病区域的各采集点导入至设定的三维坐标系中，由此得到目标皮肤病患对应患病区域中各采集点的位置坐标，并记为
Figure SMS_64
，其中j表示各采集点对应的编号，/>
Figure SMS_65
。
根据目标皮肤病患对应患病区域的图像，分析得到目标皮肤病患中患病区域对应皮肤部位的参考平整度，并记为
Figure SMS_66
。
上述中，分析得到目标皮肤病患中患病区域对应皮肤部位的参考平整度，具体分析过程如下：将目标皮肤病患对应患病区域的图像与云数据库中存储的各参考皮肤部位图像进行对比，得到目标皮肤病患对应患病区域的皮肤部位，进而根据云数据库中存储的各参考皮肤部位对应的参考平整度，得到目标皮肤病患中患病区域对应皮肤部位的参考平整度，并记为
Figure SMS_67
。
根据计算公式
Figure SMS_68
，得到目标皮肤病患对应患病区域的平整度符合系数/>
Figure SMS_69
，其中/>
Figure SMS_70
表示目标皮肤病患对应患病区域中第j+1个采集点的z轴坐标，/>
Figure SMS_71
为设定的平整度符合系数对应的权重因子。
在又一个具体的实施例中，分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的颜色评估系数，具体分析过程如下：将目标皮肤病患对应患病区域中各采集点的色调、明度和饱和度代入计算公式
Figure SMS_73
中，得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的颜色评估系数/>
Figure SMS_75
，其中
Figure SMS_77
、/>
Figure SMS_79
、/>
Figure SMS_80
分别表示云数据库中存储的第i个历史皮肤病患对应患病区域的色调、明度、饱和度，/>
Figure SMS_81
、/>
Figure SMS_82
、/>
Figure SMS_72
分别为设定的皮肤参考色调、参考明度、参考饱和度，/>
Figure SMS_74
、/>
Figure SMS_76
、/>
Figure SMS_78
分别表示色调、明度、饱和度对应的权重因子。
在再一个具体的实施例中，得到目标皮肤病患对应的初步病情信息，具体分析过程如下：根据计算公式
Figure SMS_84
，得到目标皮肤病患患病区域与各历史皮肤病患患病区域图像评估系数/>
Figure SMS_85
，其中/>
Figure SMS_86
、/>
Figure SMS_87
分别为云数据库中存储的第i个历史皮肤病患患病区域对应的面积、平整度符合系数，/>
Figure SMS_88
、/>
Figure SMS_89
、/>
Figure SMS_90
、/>
Figure SMS_83
分别为设定的轮廓评估系数、颜色评估系数、患病区域面积、患病区域平整度符合系数对应的权重因子。
通过分析得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状评估系数，并记为
Figure SMS_91
。
通过计算公式
Figure SMS_92
，得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的病情匹配评估系数/>
Figure SMS_93
，其中/>
Figure SMS_94
、/>
Figure SMS_95
分别为设定的图像评估系数、症状评估系数对应的权重因子。
根据目标皮肤病患患病区域与各历史皮肤病患患病区域对应的病情匹配评估系数，分析得到目标皮肤病患患病区域的初步病情信息。
上述中，分析得到目标皮肤病患患病区域的初步病情信息，具体分析过程如下：将目标皮肤病患患病区域与各历史皮肤病患患病区域对应的病情匹配评估系数进行相互对比，从中选取最大病情匹配评估系数对应的历史皮肤病患患病区域作为目标皮肤病患患病区域的参考皮肤病患患病区域，进而从云数据库中提取目标皮肤病患患病区域的参考皮肤病患患病区域的实际病情信息，并将其作为目标皮肤病患患病区域的初步病情信息。
在一个具体的实施例中，分析得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状评估系数，具体分析过程如下：将目标皮肤病患对应患病区域症状的各特征关键词与云数据库中存储的各历史皮肤病患对应患病区域症状的各特征关键词进行对比，得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状特征关键词相同的数量，并标记为
Figure SMS_96
。
根据计算公式
Figure SMS_97
，得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状评估系数/>
Figure SMS_98
，其中N表示目标皮肤病患对应患病区域症状的特征关键词数量，/>
Figure SMS_99
表示云数据库中存储的第i个历史皮肤病患对应患病区域症状的特征关键词数量，/>
Figure SMS_100
、/>
Figure SMS_101
分别为设定的目标皮肤病患、历史皮肤病患对应患病区域症状的特征关键词数量对应的权重因子。
本发明实施例通过对目标皮肤病患的初步病情信息进行分析，真实的了解了目标皮肤病患的患病情况，为后续推荐挂号医生分析提供了可靠的数据，大大的提高了目标皮肤病患选择挂号医生的效率和准确性。
步骤三、医生基本信息获取：获取指定医院中各皮肤科医生对应的基本信息，其中基本信息包括擅长医治皮肤病类型和各医治病患对应的病情等级。
步骤四、病患挂号匹配分析：分析目标皮肤病患对应推荐挂号的皮肤科医生。
在一个具体的实施例中，分析目标皮肤病患对应推荐挂号的皮肤科医生，具体分析过程如下：根据目标皮肤病患对应的初步病情信息，筛选得到各参考挂号皮肤科医生。
上述中，筛选得到各参考挂号皮肤科医生，具体筛选过程如下：从目标皮肤病患对应的初步病情信息中提取目标皮肤病患对应的初步皮肤病类型，进而将其与指定医院中各皮肤科医生对应的擅长医治皮肤病类型进行对比，若目标皮肤病患对应的初步皮肤病类型与指定医院中某皮肤科医生对应的擅长医治皮肤病类型相同，则将该皮肤科医生作为参考挂号皮肤科医生，由此得到各参考挂号皮肤科医生。
获取各参考挂号皮肤科医生对应各医治病患的病情等级，进而得到各参考挂号皮肤科医生对应各病情等级的医治病患次数，并记为
Figure SMS_102
，其中u表示各参考挂号皮肤科医生对应的编号，/>
Figure SMS_103
，g表示各病情等级对应的编号，/>
Figure SMS_104
。
上述中，得到各参考挂号皮肤科医生对应各病情等级的医治病患次数，具体分析过程如下：将各参考挂号皮肤科医生对应各医治病患的病情等级进行相互对比，进而统计各参考挂号皮肤科医生对应相同病情等级中医治病患数量，由此得到各参考挂号皮肤科医生对应各病情等级的医治病患次数。
根据计算公式
Figure SMS_105
，得到各参考挂号皮肤科医生对应医治各病情等级的优先评估系数/>
Figure SMS_106
，其中/>
Figure SMS_107
为设定的优先评估系数对应的权重因子。
从目标皮肤病患对应的初步病情信息中获取目标皮肤病患对应的初步病情等级，进而将其与各参考挂号皮肤科医生对应医治各病情等级的优先评估系数进行对比，得到各参考挂号皮肤科医生对应医治目标皮肤病患初步病情等级的优先评估系数，并选取最大优先评估系数对应的参考挂号皮肤科医生作为目标皮肤病患对应推荐挂号的皮肤科医生。
本发明实施例通过对目标皮肤病患对应推荐挂号的皮肤科医生进行分析，有效的保障了目标皮肤病患与推荐挂号的皮肤科医生之间的匹配度，在一定程度上也增加了目标皮肤病患的就医体验感和就医效果。
步骤五、病患症状校正：获取目标皮肤病患对应的病例信息，进而对指定症状诊断设备中目标皮肤病患的初步病情信息进行校正，得到目标皮肤病患对应的实际病情信息。
上述中，获取目标皮肤病患对应的病例信息，具体获取过程如下：从病患信息管理中心获取目标皮肤病患对应的病例信息。
在一个具体的实施例中，目标皮肤病患对应的病例信息包括皮肤病诊断类型、治疗周期和各药物类型对应的数量。
在又一个具体的实施例中，对指定症状诊断设备中目标皮肤病患的初步病情信息进行校正，具体校正过程如下：基于目标皮肤病患对应的治疗周期和各药物类型对应的数量，分析得到目标皮肤病患对应的病情参考等级。
上述中，分析得到目标皮肤病患对应的病情参考等级，具体分析过程如下：将目标皮肤病患对应的治疗周期和各药物类型对应的数量代入计算公式
Figure SMS_108
中，得到目标皮肤病患对应的病情等级评估系数/>
Figure SMS_109
，其中
Figure SMS_110
为设定的参考治疗周期，/>
Figure SMS_111
为设定的第r个药物类型对应的参考数量，T为目标皮肤病患对应的治疗周期，/>
Figure SMS_112
为目标皮肤病患第r个药物类型对应的数量，/>
Figure SMS_113
、/>
Figure SMS_114
分别为设定的治疗周期、药物类型的数量对应的权重因子。
从云数据库中提取目标皮肤病患对应皮肤病诊断类型中各病情等级的标准病情等级评估系数区间，进而将目标皮肤病患对应的病情等级评估系数与其对应皮肤病诊断类型中各病情等级对应的标准病情等级评估系数区间进行对比，若目标皮肤病患对应的病情等级评估系数在其对应皮肤病诊断类型中某病情等级对应的标准病情等级评估系数区间内，则将该病情等级作为目标皮肤病患对应的病情参考等级。
将目标皮肤病患对应的皮肤病诊断类型与其对应初步皮肤病类型进行对比，若目标皮肤病患对应的皮肤病诊断类型与其对应初步皮肤病类型相同，则将目标皮肤病患对应的初步皮肤病类型作为目标皮肤病患对应的实际皮肤病类型。
若目标皮肤病患对应的皮肤病诊断类型与其对应初步的皮肤病类型不相同，则将目标皮肤病患对应的皮肤病诊断类型作为目标皮肤病患对应的实际皮肤病类型。
同理，按照目标皮肤病患对应的实际皮肤病类型分析方式分析得到目标皮肤病患对应的实际病情等级。
本发明实施例通过对目标皮肤病患的初步病情信息进行校正，有效的保障了后续皮肤病患者患病情况分析的真实性，进而增加了后续皮肤病患者对应推荐挂号医生分析的精准性，保障了后续皮肤病患在医院门诊挂号的顺利性和稳定性。
步骤六、病患图像分类：对指定症状诊断设备中目标皮肤病患对应的患病区域图像进行分类。
在一个具体的实施例中，对指定症状诊断设备中目标皮肤病患对应的患病区域图像进行分类，具体分类过程如下：将目标皮肤病患对应的实际皮肤病类型与指定症状诊断设备中各皮肤病类型进行对比，若目标皮肤病患对应的实际皮肤病类型与指定症状诊断设备中某皮肤病类型相同，则将目标皮肤病患对应患病区域图像分类至指定症状诊断设备中该皮肤病类型。
将目标皮肤病患对应的实际病情等级与指定症状诊断设备中该皮肤病类型中各病情等级进行对比，若目标皮肤病患对应的实际病情等级与指定症状诊断设备中该皮肤病类型中某病情等级相同，则将目标皮肤病患对应的患病区域图像分类至指定症状诊断设备中该皮肤病类型的该病情等级内。
步骤七、病患图像存储：根据步骤六中的分类结果，将指定症状诊断设备中分类后的目标皮肤病患对应的患病区域图像、症状的各特征关键词和实际病情信息存储至云数据库中。
本发明实施例通过对目标皮肤病患的患病情况进行分析，进而提供推荐挂号医生，解决了当前技术缺乏对皮肤病患者的挂号分析的问题，实现了皮肤病患挂号的智能化的引导，大大的提高了皮肤病患的就诊效果，同时也大大的降低了医院中医疗挤兑现象，在一定程度上也增加了医生的就医效率。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于图像处理的医学图像管理方法，其特征在于，该方法包括以下步骤：
步骤一、病患图像采集：通过指定医院中指定症状诊断设备采集目标皮肤病患对应的患病区域图像和症状的各特征关键词；
步骤二、病患初步诊断分析：对目标皮肤病患的病情进行初步分析，得到目标皮肤病患对应的初步病情信息，其中病情信息包括皮肤病类型和病情等级；
步骤三、医生基本信息获取：获取指定医院中各皮肤科医生对应的基本信息，其中基本信息包括擅长医治皮肤病类型和各医治病患对应的病情等级；
步骤四、病患挂号匹配分析：分析目标皮肤病患对应推荐挂号的皮肤科医生；
步骤五、病患症状校正：获取目标皮肤病患对应的病例信息，进而对指定症状诊断设备中目标皮肤病患的初步病情信息进行校正，得到目标皮肤病患对应的实际病情信息；
步骤六、病患图像分类：对指定症状诊断设备中目标皮肤病患对应的患病区域图像进行分类；
步骤七、病患图像存储：根据步骤六中的分类结果，将指定症状诊断设备中分类后的目标皮肤病患对应的患病区域图像、症状的各特征关键词和实际病情信息存储至云数据库中。
2.根据权利要求1所述的一种基于图像处理的医学图像管理方法，其特征在于：所述对目标皮肤病患的病情进行初步分析，具体分析过程如下：
根据目标皮肤病患对应患病区域的图像和云数据库中存储的各历史皮肤病患对应的患病区域图像，分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的轮廓评估系数，并记为
Figure QLYQS_1
，其中i表示各历史皮肤病患对应的编号，/>
Figure QLYQS_2
；
从目标皮肤病患对应患病区域的图像中获取目标皮肤病患对应患病区域的面积，并记为
Figure QLYQS_3
；
基于目标皮肤病患对应患病区域的图像，在目标皮肤病患对应的患病区域布设各采集点，进而分析得到目标皮肤病患对应患病区域的平整度符合系数，并记为
Figure QLYQS_4
；
从目标皮肤病患对应患病区域的图像中获取目标皮肤病患对应患病区域中各采集点的色调、明度和饱和度，记为SD、B和BH,进而分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的颜色评估系数，并记为
Figure QLYQS_5
。
3.根据权利要求2所述的一种基于图像处理的医学图像管理方法，其特征在于：所述分析得到目标皮肤病患对应患病区域的平整度符合系数，具体分析过程如下：
将目标皮肤病患对应患病区域的各采集点导入至设定的三维坐标系中，由此得到目标皮肤病患对应患病区域中各采集点的位置坐标，并记为
Figure QLYQS_6
，其中j表示各采集点对应的编号，/>
Figure QLYQS_7
；
根据目标皮肤病患对应患病区域的图像，分析得到目标皮肤病患中患病区域对应皮肤部位的参考平整度，并记为
Figure QLYQS_8
；
根据计算公式
Figure QLYQS_9
，得到目标皮肤病患对应患病区域的平整度符合系数/>
Figure QLYQS_10
，其中/>
Figure QLYQS_11
表示目标皮肤病患对应患病区域中第j+1个采集点z轴的坐标值，/>
Figure QLYQS_12
为设定的平整度符合系数对应的权重因子。
4.根据权利要求2所述的一种基于图像处理的医学图像管理方法，其特征在于：所述分析得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的颜色评估系数，具体分析过程如下：
将目标皮肤病患对应患病区域中各采集点的色调、明度和饱和度代入计算公式
Figure QLYQS_15
中，得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的颜色评估系数/>
Figure QLYQS_16
，其中/>
Figure QLYQS_17
、/>
Figure QLYQS_18
、/>
Figure QLYQS_19
分别表示云数据库中存储的第i个历史皮肤病患对应患病区域的色调、明度、饱和度，/>
Figure QLYQS_20
、/>
Figure QLYQS_21
、/>
Figure QLYQS_13
分别为设定的皮肤参考色调、参考明度、参考饱和度，/>
Figure QLYQS_14
、/>
Figure QLYQS_22
、/>
Figure QLYQS_23
分别表示色调、明度、饱和度对应的权重因子。
5.根据权利要求4所述的一种基于图像处理的医学图像管理方法，其特征在于：所述得到目标皮肤病患对应的初步病情信息，具体分析过程如下：
根据计算公式
Figure QLYQS_24
，得到目标皮肤病患患病区域与各历史皮肤病患患病区域图像评估系数/>
Figure QLYQS_26
，其中/>
Figure QLYQS_27
、/>
Figure QLYQS_28
分别为云数据库中存储的第i个历史皮肤病患患病区域对应的面积、平整度符合系数，/>
Figure QLYQS_29
、/>
Figure QLYQS_30
、/>
Figure QLYQS_31
、/>
Figure QLYQS_25
分别为设定的轮廓评估系数、颜色评估系数、患病区域面积、患病区域平整度符合系数对应的权重因子；
通过分析得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状评估系数，并记为
Figure QLYQS_32
；
通过计算公式
Figure QLYQS_33
，得到目标皮肤病患患病区域与各历史皮肤病患患病区域对应的病情匹配评估系数/>
Figure QLYQS_34
，其中/>
Figure QLYQS_35
、/>
Figure QLYQS_36
分别为设定的图像评估系数、症状评估系数对应的权重因子；
根据目标皮肤病患患病区域与各历史皮肤病患患病区域对应的病情匹配评估系数，分析得到目标皮肤病患患病区域的初步病情信息。
6.根据权利要求5所述的一种基于图像处理的医学图像管理方法，其特征在于：所述分析得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状评估系数，具体分析过程如下：
将目标皮肤病患对应患病区域症状的各特征关键词与云数据库中存储的各历史皮肤病患对应患病区域症状的各特征关键词进行对比，得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状特征关键词相同的数量，并标记为
Figure QLYQS_37
；
根据计算公式
Figure QLYQS_38
，得到目标皮肤病患对应患病区域症状与各历史皮肤病患对应患病区域症状评估系数/>
Figure QLYQS_39
，其中N表示目标皮肤病患对应患病区域症状的特征关键词数量，/>
Figure QLYQS_40
表示云数据库中存储的第i个历史皮肤病患对应患病区域症状的特征关键词数量，/>
Figure QLYQS_41
、/>
Figure QLYQS_42
分别为设定的目标皮肤病患、历史皮肤病患对应患病区域症状的特征关键词数量对应的权重因子。
7.根据权利要求1所述的一种基于图像处理的医学图像管理方法，其特征在于：所述分析目标皮肤病患对应推荐挂号的皮肤科医生，具体分析过程如下：
根据目标皮肤病患对应的初步病情信息，筛选得到各参考挂号皮肤科医生；
获取各参考挂号皮肤科医生对应各医治病患的病情等级，进而得到各参考挂号皮肤科医生对应各病情等级的医治病患次数，并记为
Figure QLYQS_43
，其中u表示各参考挂号皮肤科医生对应的编号，/>
Figure QLYQS_44
，g表示各病情等级对应的编号，/>
Figure QLYQS_45
；
根据计算公式
Figure QLYQS_46
，得到各参考挂号皮肤科医生对应医治各病情等级的优先评估系数/>
Figure QLYQS_47
，其中/>
Figure QLYQS_48
为设定的优先评估系数对应的权重因子；
从目标皮肤病患对应的初步病情信息中获取目标皮肤病患对应的初步病情等级，进而将其与各参考挂号皮肤科医生对应医治各病情等级的优先评估系数进行对比，得到各参考挂号皮肤科医生对应医治目标皮肤病患初步病情等级的优先评估系数，并选取最大优先评估系数对应的参考挂号皮肤科医生作为目标皮肤病患对应推荐挂号的皮肤科医生。
8.根据权利要求1所述的一种基于图像处理的医学图像管理方法，其特征在于：所述目标皮肤病患对应的病例信息包括皮肤病诊断类型、治疗周期和各药物类型对应的数量。
9.根据权利要求8所述的一种基于图像处理的医学图像管理方法，其特征在于：所述对指定症状诊断设备中目标皮肤病患的初步病情信息进行校正，具体校正过程如下：
基于目标皮肤病患对应的治疗周期和各药物类型对应的数量，分析得到目标皮肤病患对应的病情参考等级；
将目标皮肤病患对应的皮肤病诊断类型与其对应初步皮肤病类型进行对比，若目标皮肤病患对应的皮肤病诊断类型与其对应初步皮肤病类型相同，则将目标皮肤病患对应的初步皮肤病类型作为目标皮肤病患对应的实际皮肤病类型；
若目标皮肤病患对应的皮肤病诊断类型与其对应初步的皮肤病类型不相同，则将目标皮肤病患对应的皮肤病诊断类型作为目标皮肤病患对应的实际皮肤病类型；
同理，按照目标皮肤病患对应的实际皮肤病类型分析方式分析得到目标皮肤病患对应的实际病情等级。
10.根据权利要求1所述的一种基于图像处理的医学图像管理方法，其特征在于：所述对指定症状诊断设备中目标皮肤病患对应的患病区域图像进行分类，具体分类过程如下：
将目标皮肤病患对应的实际皮肤病类型与指定症状诊断设备中各皮肤病类型进行对比，若目标皮肤病患对应的实际皮肤病类型与指定症状诊断设备中某皮肤病类型相同，则将目标皮肤病患对应患病区域图像分类至指定症状诊断设备中该皮肤病类型；
将目标皮肤病患对应的实际病情等级与指定症状诊断设备中该皮肤病类型中各病情等级进行对比，若目标皮肤病患对应的实际病情等级与指定症状诊断设备中该皮肤病类型中某病情等级相同，则将目标皮肤病患对应的患病区域图像分类至指定症状诊断设备中该皮肤病类型的该病情等级内。
CN202310139409.0A 2023-02-21 2023-02-21 一种基于图像处理的医学图像管理方法 Active CN115862819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310139409.0A CN115862819B (zh) 2023-02-21 2023-02-21 一种基于图像处理的医学图像管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310139409.0A CN115862819B (zh) 2023-02-21 2023-02-21 一种基于图像处理的医学图像管理方法

Publications (2)

Publication Number Publication Date
CN115862819A true CN115862819A (zh) 2023-03-28
CN115862819B CN115862819B (zh) 2023-05-05

Family

ID=85658504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310139409.0A Active CN115862819B (zh) 2023-02-21 2023-02-21 一种基于图像处理的医学图像管理方法

Country Status (1)

Country Link
CN (1) CN115862819B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116112634A (zh) * 2023-04-04 2023-05-12 科大乾延科技有限公司 一种基于人工智能会议平台的多端视频会议处理系统
CN116168845A (zh) * 2023-04-23 2023-05-26 安徽协创物联网技术有限公司 一种图像数据处理协同运动系统
CN117522387A (zh) * 2023-10-07 2024-02-06 江苏德博技术有限公司 一种电子元器件回收管理系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129526A (zh) * 2011-04-02 2011-07-20 中国医学科学院医学信息研究所 面向公众的就医向导式自助分诊挂号方法及系统
US20130322711A1 (en) * 2012-06-04 2013-12-05 Verizon Patent And Licesing Inc. Mobile dermatology collection and analysis system
CN104490361A (zh) * 2014-12-05 2015-04-08 深圳市共创百业科技开发有限公司 基于网络医院的皮肤病远程筛查系统及方法
CN108461135A (zh) * 2018-03-21 2018-08-28 吉林师范大学 一种共享式医学数据分析系统以及方法
CN110752025A (zh) * 2019-08-30 2020-02-04 陈翔 皮肤病的数据融合分级诊疗方法与服务平台
CN114171176A (zh) * 2021-12-15 2022-03-11 华中科技大学同济医学院附属协和医院 一种基于互联网的医院分诊数据处理方法及系统
CN114220537A (zh) * 2022-02-18 2022-03-22 橙意家人科技（天津）有限公司 一种基于互联网医院的ai智能在线诊断方法及云系统
CN115005768A (zh) * 2022-04-08 2022-09-06 中南大学湘雅三医院 皮肤病图片分类方法、装置、产品及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129526A (zh) * 2011-04-02 2011-07-20 中国医学科学院医学信息研究所 面向公众的就医向导式自助分诊挂号方法及系统
US20130322711A1 (en) * 2012-06-04 2013-12-05 Verizon Patent And Licesing Inc. Mobile dermatology collection and analysis system
CN104490361A (zh) * 2014-12-05 2015-04-08 深圳市共创百业科技开发有限公司 基于网络医院的皮肤病远程筛查系统及方法
WO2016086442A1 (zh) * 2014-12-05 2016-06-09 深圳市共创百业科技开发有限公司 基于网络医院的皮肤病远程筛查系统及方法
CN108461135A (zh) * 2018-03-21 2018-08-28 吉林师范大学 一种共享式医学数据分析系统以及方法
CN110752025A (zh) * 2019-08-30 2020-02-04 陈翔 皮肤病的数据融合分级诊疗方法与服务平台
CN114171176A (zh) * 2021-12-15 2022-03-11 华中科技大学同济医学院附属协和医院 一种基于互联网的医院分诊数据处理方法及系统
CN114220537A (zh) * 2022-02-18 2022-03-22 橙意家人科技（天津）有限公司 一种基于互联网医院的ai智能在线诊断方法及云系统
CN115005768A (zh) * 2022-04-08 2022-09-06 中南大学湘雅三医院 皮肤病图片分类方法、装置、产品及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马述春 等, 北京：中国医药科技出版社 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116112634A (zh) * 2023-04-04 2023-05-12 科大乾延科技有限公司 一种基于人工智能会议平台的多端视频会议处理系统
CN116168845A (zh) * 2023-04-23 2023-05-26 安徽协创物联网技术有限公司 一种图像数据处理协同运动系统
CN116168845B (zh) * 2023-04-23 2023-07-25 安徽协创物联网技术有限公司 一种图像数据处理协同运动系统
CN117522387A (zh) * 2023-10-07 2024-02-06 江苏德博技术有限公司 一种电子元器件回收管理系统
CN117522387B (zh) * 2023-10-07 2024-06-28 江苏德博技术有限公司 一种电子元器件回收管理系统

Also Published As

Publication number Publication date
CN115862819B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN108305671B (zh) 由计算机实现的医学图像调度方法、调度系统及存储介质
CN115862819A (zh) 一种基于图像处理的医学图像管理方法
CN107066814A (zh) 一种基于望闻问切协同的中医智能辅助诊断系统
CN105139162A (zh) 一种管理危重患者的临床诊疗信息及质控方法及系统
CN112770676B (zh) 头颅图像中的测量点的自动识别方法
CN117877691B (zh) 一种基于图像识别的智能化伤口信息采集系统
CN114947756B (zh) 基于皮肤图像的特应性皮炎严重程度的智能评估决策系统
CN111862075A (zh) 一种基于深度学习的肺部图像分析系统及其分析方法
CN116246778B (zh) 一种肺功能检测智能诊断平台
CN111105881A (zh) 一种3d测量人类表型的数据库系统
CN117316392A (zh) 基于智慧医疗的医学影像信息管理系统及方法
CN110575178A (zh) 一种运动状态判断的诊断监控综合医疗系统及其判断方法
Shang et al. Identification of common oral disease lesions based on U-Net
Na'am et al. An automatic ROI of the fundus photography
JP7477906B2 (ja) 認知症診断支援情報の提供装置及びその方法
Tanikawa et al. Machine learning for facial recognition in orthodontics
CN112086193A (zh) 一种基于物联网的人脸识别健康预测系统及方法
CN118351110B (zh) 基于多任务学习的黄褐斑严重程度客观化评估方法
Gunasekara et al. A feasibility study for deep learning based automated brain tumor segmentation using magnetic resonance images
Urooj et al. Computer-Aided System for Pneumothorax Detection through Chest X-ray Images using Convolutional Neural Network
Wen et al. Computer-aided image analysis aids early diagnosis of connective-tissue diseases
CN113010722B (zh) 一种融合眼底图像的慢病临床研究队列查询系统及方法
CN114664456B (zh) 一种基于双边模糊集的三支决策疾病分类方法及装置
Pchelkina et al. The Application of Image Mining Methods in Cephalometric Analisys
CN115359887A (zh) 急诊胸部x线片自动分诊系统及方法

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
GR01 Patent grant
GR01 Patent grant