CN116721764B - 术前提示方法及装置 - Google Patents
术前提示方法及装置 Download PDFInfo
- Publication number
- CN116721764B CN116721764B CN202311003035.6A CN202311003035A CN116721764B CN 116721764 B CN116721764 B CN 116721764B CN 202311003035 A CN202311003035 A CN 202311003035A CN 116721764 B CN116721764 B CN 116721764B
- Authority
- CN
- China
- Prior art keywords
- value
- historical
- pixel
- image
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012512 characterization method Methods 0.000 claims abstract description 101
- 230000008859 change Effects 0.000 claims abstract description 63
- 230000002159 abnormal effect Effects 0.000 claims abstract description 56
- 208000024891 symptom Diseases 0.000 claims abstract description 31
- 238000007689 inspection Methods 0.000 claims abstract description 14
- 230000005856 abnormality Effects 0.000 claims description 34
- 238000010586 diagram Methods 0.000 claims description 24
- 238000010191 image analysis Methods 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 13
- 238000013139 quantization Methods 0.000 claims description 12
- 238000003066 decision tree Methods 0.000 claims description 10
- 230000003746 surface roughness Effects 0.000 claims description 10
- 208000004998 Abdominal Pain Diseases 0.000 claims description 5
- 208000034507 Haematemesis Diseases 0.000 claims description 5
- 208000031361 Hiccup Diseases 0.000 claims description 5
- 206010047700 Vomiting Diseases 0.000 claims description 5
- 208000019790 abdominal distention Diseases 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 208000019622 heart disease Diseases 0.000 claims description 5
- 239000000779 smoke Substances 0.000 claims description 5
- 238000001356 surgical procedure Methods 0.000 claims description 5
- 206010015137 Eructation Diseases 0.000 claims description 4
- 208000027687 belching Diseases 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 12
- 238000001228 spectrum Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000001839 endoscopy Methods 0.000 description 5
- 238000005315 distribution function Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 206010002091 Anaesthesia Diseases 0.000 description 3
- 230000037005 anaesthesia Effects 0.000 description 3
- 210000005242 cardiac chamber Anatomy 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000002980 postoperative effect Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- XADCESSVHJOZHK-UHFFFAOYSA-N Meperidine Chemical compound C=1C=CC=CC=1C1(C(=O)OCC)CCN(C)CC1 XADCESSVHJOZHK-UHFFFAOYSA-N 0.000 description 1
- 206010067171 Regurgitation Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000001949 anaesthesia Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000007459 endoscopic retrograde cholangiopancreatography Methods 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 230000003821 menstrual periods Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 239000000932 sedative agent Substances 0.000 description 1
- 230000001624 sedative effect Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 210000000813 small intestine Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- 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
- G06T2207/10068—Endoscopic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30092—Stomach; Gastric
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请提供一种术前提示方法及装置,该术前提示方法包括:获取检查预约单;获取历史影像信息中的历史胃镜图像;根据历史胃镜图像确定亮度梯度变化表征值;基于亮度梯度变化表征值确定历史胃镜图像的胃镜异常参数;基于胃镜异常参数确定目标异常参数;若目标异常参数大于预设值,则发出影像提示信息。本申请既能根据患者的基本信息和近期症状为患者准确的术前提示,也能够根据患者的历史影像信息为医生提供准确的术前提示。
Description
技术领域
本申请主要涉及图像处理技术领域,具体涉及一种术前提示方法及装置。
背景技术
目前我国消化内镜检查时病人数量较大,内镜检查选择的时间多相对集中,医疗中心的接诊压力沉重,难以达到满意的术前宣教效果。此外,肠道准备的程序要求往往复杂,患者难以理解和记忆。为了达到更好的消化内镜检查的术前宣教效果,近年来开发了许多健康宣教方法,例如教育手册、卡通视觉教具、教育视频、短信服务、电话、社交媒体和智能手机应用程序等。但现有技术中主要依靠模板化的提示信息对患者进行术前提示,不能根据患者自身特征提供准确的术前提示,患者和医生不能有针对性地准确进行术前准备,导致医疗效率较低。
也即,现有技术中不能准确进行术前提示。
发明内容
本申请提供一种术前提示方法及装置,旨在解决现有技术中不能准确进行术前提示的问题。
第一方面,本申请提供一种术前提示方法,所述术前提示方法包括:
获取检查预约单;
判断所述检查预约单上的目标患者是否属于住院类型患者;
若目标患者不属于住院类型患者,则基于所述检查预约单向所述目标患者发出上传历史影像信息的指令;
若获取到所述目标患者返回的历史影像信息,则判断所述历史影像信息中是否存在历史影像分析结果;若所述历史影像信息中不存在历史影像分析结果,则获取所述历史影像信息中的历史胃镜图像;
将所述历史胃镜图像进行傅里叶变换,得到傅里叶频谱图;
获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径;
获取所述傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和所述傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量,其中,目标像素点为亮度值大于预设亮度值的像素点;
将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值;
将圆环区域像素点数量与第一像素点数量之差与半径变化值的比值确定为亮度梯度变化表征值;
基于亮度梯度变化表征值确定所述历史胃镜图像的胃镜异常参数;
基于所述胃镜异常参数确定目标异常参数;
若所述目标异常参数大于预设值,则发出影像提示信息。
可选地,所述基于亮度梯度变化表征值确定所述历史胃镜图像的胃镜异常参数,包括:
将所述历史胃镜图像输入图像异常检测模型,得到异常区域;
将所述异常区域内图像灰度化,得到异常灰度图像;
将所述异常灰度图像上每行像素的行最大像素值和行最小像素值的差值确定为行像素差值,将所述异常灰度图像上每列像素的列最大像素值和列最小像素值的差值确定为列像素差值,得到多个行像素差值和多个列像素差值;
计算多个行像素差值和多个列像素差值的差值平均值;
将异常灰度图像上大于差值平均值的像素值求和,得到凸起像素点体积表征值,将异常灰度图像上不大于差值平均值的像素值求和,得到凹陷像素点体积表征值;
基于凸起像素点体积表征值和凹陷像素点体积表征值确定表面凹凸性表征值;
基于亮度梯度变化表征值和表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数。
可选地,所述基于亮度梯度变化表征值和表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数,包括:
获取所述历史胃镜图像上各个像素点在RGB各个通道上的通道像素值;
将多个通道像素值的标准差确定为通道像素标准差;
基于多个通道像素值和所述通道像素标准差确定颜色量化表征值;
基于亮度梯度变化表征值、颜色量化表征值以及表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数。
可选地,所述基于所述胃镜异常参数确定目标异常参数,包括:
从所述历史影像信息获取目标患者的多个导联心电向量信号;
将所述多个导联心电向量信号转换为多个时域波形图;
获取每个时域波形图的波形最大值与波形最小值之间的波形差值,得到多个波形差值;
获取每个时域波形图到达波形最大值的花费时间,得到多个花费时间;
获取每个时域波形图上相邻两个波形最大值之间的时间间隔,得到多个时间间隔;
基于多个波形最大值的标准差和最大值、多个波形差值的标准差和最大值、多个时间间隔的标准差和平均值、多个花费时间的标准差和平均值确定心电图风险参数;
基于心电图风险参数和胃镜异常参数确定目标异常参数。
可选地,所述术前提示方法还包括:
若目标患者属于住院类型患者,则获取目标患者的多个基线特征,所述多个基线特征包括年龄、性别、既往心脏疾病史、心脏手术史、是否吸烟、是否饮酒;
将目标患者的多个基线特征输入第一预设决策树模型,得到基线风险参数;
若基线风险参数大于预设参数值,则发出基线提示信息。
可选地,所述术前提示方法还包括:
若目标患者属于住院类型患者,则获取目标患者的多个症状特征,所述多个症状特征包括是否反酸烧心、是否腹痛腹胀、是否恶心呕吐、是否嗳气打嗝、是否呕血;
将目标患者的多个症状特征输入第二预设决策树模型,得到症状风险参数;
若症状风险参数大于预设参数值,则发出症状提示信息。
可选地,所述术前提示方法还包括:
基于所述检查预约单获取所述目标患者的检查科室位置;
以所述目标患者的当前位置为起点,以所述目标患者的检查科室位置为终点进行路径规划,到导航路线和预估到达时间;
将导航路线、预估到达时间、检查科室信息、禁忌信息、检测报告出具周期发送给目标患者。
第二方面,本申请提供一种术前提示装置,所述术前提示装置包括:
第一获取单元,用于获取检查预约单;
第一判断单元,用于判断所述检查预约单上的目标患者是否属于住院类型患者;
指令发送单元,用于若目标患者不属于住院类型患者,则基于所述检查预约单向所述目标患者发出上传历史影像信息的指令;
第二判断单元,用于若获取到所述目标患者返回的历史影像信息,则判断所述历史影像信息中是否存在历史影像分析结果;若所述历史影像信息中不存在历史影像分析结果,则获取所述历史影像信息中的历史胃镜图像;
变换单元,用于将所述历史胃镜图像进行傅里叶变换,得到傅里叶频谱图;
第二获取单元,用于获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径;
第三获取单元,用于获取所述傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和所述傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量,其中,目标像素点为亮度值大于预设亮度值的像素点;
第一确定单元,用于将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值;
第二确定单元,用于将圆环区域像素点数量与第一像素点数量之差与半径变化值的比值确定为亮度梯度变化表征值;
第三确定单元,用于基于亮度梯度变化表征值确定所述历史胃镜图像的胃镜异常参数;
第四确定单元,用于基于所述胃镜异常参数确定目标异常参数;
提示单元,用于若所述目标异常参数大于预设值,则发出影像提示信息。
可选地,所述基于亮度梯度变化表征值确定所述历史胃镜图像的胃镜异常参数,包括:
将所述历史胃镜图像输入图像异常检测模型,得到异常区域;
将所述异常区域内图像灰度化,得到异常灰度图像;
将所述异常灰度图像上每行像素的行最大像素值和行最小像素值的差值确定为行像素差值,将所述异常灰度图像上每列像素的列最大像素值和列最小像素值的差值确定为列像素差值,得到多个行像素差值和多个列像素差值;
计算多个行像素差值和多个列像素差值的差值平均值;
将异常灰度图像上大于差值平均值的像素值求和,得到凸起像素点体积表征值,将异常灰度图像上不大于差值平均值的像素值求和,得到凹陷像素点体积表征值;
基于凸起像素点体积表征值和凹陷像素点体积表征值确定表面凹凸性表征值;
基于亮度梯度变化表征值和表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数。
可选地,所述基于亮度梯度变化表征值和表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数,包括:
获取所述历史胃镜图像上各个像素点在RGB各个通道上的通道像素值;
将多个通道像素值的标准差确定为通道像素标准差;
基于多个通道像素值和所述通道像素标准差确定颜色量化表征值;
基于亮度梯度变化表征值、颜色量化表征值以及表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数。
可选地,所述基于所述胃镜异常参数确定目标异常参数,包括:
从所述历史影像信息获取目标患者的多个导联心电向量信号;
将所述多个导联心电向量信号转换为多个时域波形图;
获取每个时域波形图的波形最大值与波形最小值之间的波形差值,得到多个波形差值;
获取每个时域波形图到达波形最大值的花费时间,得到多个花费时间;
获取每个时域波形图上相邻两个波形最大值之间的时间间隔,得到多个时间间隔;
基于多个波形最大值的标准差和最大值、多个波形差值的标准差和最大值、多个时间间隔的标准差和平均值、多个花费时间的标准差和平均值确定心电图风险参数;
基于心电图风险参数和胃镜异常参数确定目标异常参数。
可选地,所述术前提示方法还包括:
若目标患者属于住院类型患者,则获取目标患者的多个基线特征,所述多个基线特征包括年龄、性别、既往心脏疾病史、心脏手术史、是否吸烟、是否饮酒;
将目标患者的多个基线特征输入第一预设决策树模型,得到基线风险参数;
若基线风险参数大于预设参数值,则发出基线提示信息。
可选地,所述术前提示方法还包括:
若目标患者属于住院类型患者,则获取目标患者的多个症状特征,所述多个症状特征包括是否反酸烧心、是否腹痛腹胀、是否恶心呕吐、是否嗳气打嗝、是否呕血;
将目标患者的多个症状特征输入第二预设决策树模型,得到症状风险参数;
若症状风险参数大于预设参数值,则发出症状提示信息。
可选地,所述术前提示方法还包括:
基于所述检查预约单获取所述目标患者的检查科室位置;
以所述目标患者的当前位置为起点,以所述目标患者的检查科室位置为终点进行路径规划,到导航路线和预估到达时间;
将导航路线、预估到达时间、检查科室信息、禁忌信息、检测报告出具周期发送给目标患者。
第三方面,本申请提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现第一方面中任一项所述的术前提示方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行第一方面中任一项所述的术前提示方法中的步骤。
本申请提供一种术前提示方法及装置,该术前提示方法包括:获取检查预约单;判断检查预约单上的目标患者是否属于住院类型患者;若目标患者不属于住院类型患者,则基于检查预约单向目标患者发出上传历史影像信息的指令;若获取到目标患者返回的历史影像信息,则判断历史影像信息中是否存在历史影像分析结果;若历史影像信息中不存在历史影像分析结果,则获取历史影像信息中的历史胃镜图像;将历史胃镜图像进行傅里叶变换,得到傅里叶频谱图;获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径;获取傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量,其中,目标像素点为亮度值大于预设亮度值的像素点;将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值;将圆环区域像素点数量与第一像素点数量之差与半径变化值的比值确定为亮度梯度变化表征值;基于亮度梯度变化表征值确定历史胃镜图像的胃镜异常参数;基于胃镜异常参数确定目标异常参数;若目标异常参数大于预设值,则发出影像提示信息。本申请根据检查预约单向患者获取历史影像信息,并分析历史影像信息得到患者的目标异常参数,进而根据目标异常参数进行术前提示,可以根据患者自身特征提供准确的术前提示,患者和医生可以有针对性地准确进行术前准备,提高医疗效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的术前提示系统的场景示意图;
图2是本申请实施例提供的术前提示方法一实施例的流程示意图;
图3是本申请实施例提供的术前提示方法一实施例中傅里叶频谱图的示意图;
图4是本申请实施例中提供的术前提示装置的一个实施例结构示意图;
图5是本申请实施例中提供的计算机设备的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作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。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
本申请实施例提供一种术前提示方法及装置,以下分别进行详细说明。
请参阅图1,图1为本申请实施例所提供的术前提示系统的场景示意图,该术前提示系统可以包括计算机设备100,计算机设备100中集成有术前提示装置。
本申请实施例中,该计算机设备100可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的计算机设备100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
本申请实施例中,上述的计算机设备100可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中计算机设备100可以是台式机、便携式电脑、网络服务器、掌上电脑(Personal Digital Assistant,PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等,本实施例不限定计算机设备100的类型。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是本申请方案的一种应用场景,并不构成对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的计算机设备,例如图1中仅示出1个计算机设备,可以理解的,该术前提示系统还可以包括一个或多个可处理数据的其他计算机设备,具体此处不作限定。
另外,如图1所示,该术前提示系统还可以包括存储器200,用于存储数据。
需要说明的是,图1所示的术前提示系统的场景示意图仅仅是一个示例,本申请实施例描述的术前提示系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着术前提示系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
首先,本申请实施例中提供一种术前提示方法,术前提示方法包括:获取检查预约单;判断检查预约单上的目标患者是否属于住院类型患者;若目标患者不属于住院类型患者,则基于检查预约单向目标患者发出上传历史影像信息的指令;若获取到目标患者返回的历史影像信息,则判断历史影像信息中是否存在历史影像分析结果;若历史影像信息中不存在历史影像分析结果,则获取历史影像信息中的历史胃镜图像;将历史胃镜图像进行傅里叶变换,得到傅里叶频谱图;获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径;获取傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量,其中,目标像素点为亮度值大于预设亮度值的像素点;将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值;将圆环区域像素点数量与第一像素点数量之差与半径变化值的比值确定为亮度梯度变化表征值;基于亮度梯度变化表征值确定历史胃镜图像的胃镜异常参数;基于胃镜异常参数确定目标异常参数;若目标异常参数大于预设值,则发出影像提示信息。
如图2所示,图2是本申请实施例中术前提示方法的一个实施例流程示意图,该术前提示方法包括如下步骤S201-S212:
S201、获取检查预约单。
其中,检查预约单是患者在医院小程序或公众号等渠道填写的,检查预约单包括姓名、性别、年龄、电话、检查项目、是否为无痛检查、预约序号、检查日期及检查时间段等资料。
S202、判断检查预约单上的目标患者是否属于住院类型患者。
具体的,在医院数据库检索患者姓名,判断检查预约单上的目标患者是否属于住院类型患者。
S203、若目标患者不属于住院类型患者,则基于检查预约单向目标患者发出上传历史影像信息的指令。
具体的,可以通过医院小程序、公众号、短信、邮件等渠道向向目标患者发出上传历史影像信息的指令。
其中,历史影像信息可以包括目标患者的多个导联心电向量信号、历史胃镜图像等。
进一步的,若目标患者属于住院类型患者,则获取目标患者的多个基线特征,多个基线特征包括年龄、性别、既往心脏疾病史、心脏手术史、是否吸烟、是否饮酒;将目标患者的多个基线特征输入第一预设决策树模型,得到基线风险参数;若基线风险参数/>大于第一预设参数值,则发出基线提示信息。若基线风险参数/>不大于第一预设参数值,则不发出提示信息。具体的,基线提示信息包括:提醒患者注意作息,检查前请避免过渡劳累,规律作息,放松心态。若为女性患者,则需附加提醒孕期、产期、经期注意事项。
进一步的,若目标患者属于住院类型患者,则获取目标患者的多个症状特征,多个症状特征包括是否反酸烧心、是否腹痛腹胀、是否恶心呕吐、是否嗳气打嗝、是否呕血;将目标患者的多个症状特征输入第二预设决策树模型,得到症状风险参数;若症状风险参数大于第二预设参数值,则发出症状提示信息。若症状风险参数/>不大于第二预设参数值,则不发出提示信息。症状提示信息包括:务必尽快检查,确诊病情,切勿拖延。
S204、若获取到目标患者返回的历史影像信息,则判断历史影像信息中是否存在历史影像分析结果,若历史影像信息中不存在历史影像分析结果,则获取历史影像信息中的历史胃镜图像。
具体的,历史影像分析结果是对历史影像信息进行分析得到的结果。若历史影像信息中不存在历史影像分析结果,则需要重新分析,则获取历史影像信息中的历史胃镜图像。
S205、将历史胃镜图像进行傅里叶变换,得到傅里叶频谱图。
从物理效果看,傅里叶变换是将图像从空间域转换到频率域,其逆变换是将图像从频率域转换到空间域。即傅里叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数,傅里叶逆变换是将图像的频率分布函数变换为灰度分布函数。实际上对图像进行二维傅里叶变换得到频谱图就是图像梯度的分布图,傅里叶频谱图上看到的明暗不一的亮点,实际上图像上某一点 与邻域点差异的强弱,即梯度的大小,即该点的频率大小。如果频谱图中暗的点数更多,则实际图像是比较柔和的;反之,如果频谱图中亮的点数多,则实际图像是比较尖锐的,边界分明且边界两边像素差异较大。
S206、获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径。
在一个具体的实施例中,第一参考圆的半径为傅里叶频谱图的宽度和高度中的较小值的四分之一,第二参考圆的半径为傅里叶频谱图的宽度和高度中的较小值的三分之一,根据具体情况设定即可。
S207、获取傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量。
其中,目标像素点为亮度值大于预设亮度值的像素点。预设亮度值根据具体设定即可。具体的,获取傅里叶频谱图上第一参考圆内的目标像素点的第一像素点数量n1和傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量n2。
S208、将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值。
S209、将圆环区域像素点数量与第一像素点数量之差与半径变化值的比值确定为亮度梯度变化表征值。
具体的,亮度梯度变化表征值的计算公式如下,
;
其中,n1为第一像素点数量,n2为第二像素点数量,r1为第一参考圆的半径,r2为第二参考圆的半径。
S210、基于亮度梯度变化表征值确定历史胃镜图像的胃镜异常参数。
在一个具体的实施例中,将亮度梯度变化表征值确定历史胃镜图像的胃镜异常参数。
在另一个具体的实施例中,基于亮度梯度变化表征值确定历史胃镜图像的胃镜异常参数,包括:
(1)将历史胃镜图像输入图像异常检测模型,得到异常区域。
其中,图像异常检测模型包括训练好的Yolov3检测模型。
(2)将异常区域内图像灰度化,得到异常灰度图像。
(3)将异常灰度图像上每行像素的行最大像素值和行最小像素值的差值确定为行像素差值,将异常灰度图像上每列像素的列最大像素值和列最小像素值的差值确定为列像素差值,得到多个行像素差值和多个列像素差值。
(4)计算多个行像素差值和多个列像素差值的差值平均值。
对多个行像素差值和多个列像素差值求平均,得到差值平均值。
(5)将异常灰度图像上大于差值平均值的像素值求和,得到凸起像素点体积表征值,将异常灰度图像上不大于差值平均值的像素值求和,得到凹陷像素点体积表征值。
在一个具体的实施例中,凸起像素点体积表征值的计算公式如下,
;
其中,为异常灰度图像上第i行第j列的像素点的像素值,/>为差值平均值,W和H为异常灰度图像的宽度和高度。
凹陷像素点体积表征值的计算公式如下,
;
其中,为异常灰度图像上第i行第j列的像素点的像素值,/>为差值平均值,W和H为异常灰度图像的宽度和高度。
(6)基于凸起像素点体积表征值和凹陷像素点体积表征值确定表面凹凸性表征值。
具体的,表面凹凸性表征值的计算公式如下,
;
其中,为凸起像素点体积表征值,/>为凹陷像素点体积表征值。
(7)基于亮度梯度变化表征值和表面凹凸性表征值确定历史胃镜图像的胃镜异常参数。
在一个具体的实施例中,将亮度梯度变化表征值和表面凹凸性表征值加权求和,得到历史胃镜图像的胃镜异常参数。
在另一个具体的实施例中,基于亮度梯度变化表征值和表面凹凸性表征值确定历史胃镜图像的胃镜异常参数,包括:
(1)获取历史胃镜图像上各个像素点在RGB各个通道上的通道像素值。
(2)将多个通道像素值的标准差确定为通道像素标准差。
(3)基于多个通道像素值和通道像素标准差确定颜色量化表征值。
具体的,颜色量化表征值的计算公式如下,
;
其中,为历史胃镜图像上第i个通道上第j个的像素点的通道像素值,N表示历史胃镜图像中的像素个数。
(4)基于亮度梯度变化表征值、颜色量化表征值以及表面凹凸性表征值确定历史胃镜图像的胃镜异常参数。
具体的,对亮度梯度变化表征值、颜色量化表征值以及表面凹凸性表征值加权求和,得到历史胃镜图像的胃镜异常参数。其中,亮度梯度变化表征值、颜色量化表征值以及表面凹凸性表征值的权重系数根据人工经验确定。
S211、基于胃镜异常参数确定目标异常参数。
在一个具体的实施例中,将胃镜异常参数确定为目标异常参数。
在另一个具体的实施例中,基于胃镜异常参数确定目标异常参数,包括:
(1)从历史影像信息获取目标患者的多个导联心电向量信号。
本申请实施例中,从历史影像信息获取目标患者的十二导联心电向量信号。在人体不同部位放置电极,并通过导联线与心电图机电流计的正负极相连,这种记录心电图的电路连接方法称为心电图导联。广泛采纳的国际通用导联体系称为常规12导联体系,包括与肢体相连的肢体导联和与胸部相连的胸导联。
(2)将多个导联心电向量信号转换为多个时域波形图。
具体的,将十二导联心电向量信号转换为十二时域波形图,即12个时域波形图。构建各个时域波形图对应的函数如下公式所示,
(3)获取每个时域波形图的波形最大值与波形最小值之间的波形差值,得到多个波形差值。
具体的,提取每个时域波形图的波形最大值,组成列表,公式如下:。
提取每个时域波形图的波形最大值与波形最小值的差值,组成一个列表,公式如下:
(4)获取每个时域波形图到达波形最大值的花费时间,得到多个花费时间。
本申请实施例中,获取时域波形图从0时刻到达波形最大值的花费时间,得到多个花费时间,组成一个列表如下,/>。
(5)获取每个时域波形图上相邻两个波形最大值之间的时间间隔,得到多个时间间隔。
其中,时域波形图上的曲线以一定周期循环。获取每个时域波形图上相邻两个波形最大值之间的时间间隔,得到多个时间间隔。多个时间间隔组成一个列表如下,。
(6)基于多个波形最大值的标准差和最大值、多个波形差值的标准差和最大值、多个时间间隔的标准差和平均值、多个花费时间的标准差和平均值确定心电图风险参数。
本申请实施例中,将多个波形最大值的标准差和最大值之比、多个波形差值的标准差和最大值之比、多个时间间隔的标准差和平均值之比、多个花费时的标准差和平均值之比求和,得到心电图风险参数,公式如下:
其中,为多个波形最大值,/>为多个波形差值,/>为多个时间间隔,/>为多个花费时间。
(7)基于心电图风险参数和胃镜异常参数确定目标异常参数。
在一个具体的实施例中,对心电图风险参数和胃镜异常参数/>加权求和,得到目标异常参数/>。目标异常参数/>的计算公式如下,
,
其中,心电图风险参数的权重系数为0.35,胃镜异常参数/>的权重系数为0.65。
在另一个具体的实施例中,基于心电图风险参数和胃镜异常参数确定目标异常参数,包括:
(1)获取目标患者的超声心动图图像。
超声心动图图像的统一尺寸为224*224大小。
(2)将超声心动图图像输入心脏房室结构分割模型,得到心脏房室区域和包裹心脏房室区域的房室腔壁区域。
具体的,训练心脏房室结构分割模型,由一名心血管专家对心脏房室的腔壁轮廓结构进行标注。优先选用Unet++目标分割模型作为心脏房室结构分割模型。
(3)获取房室腔壁区域的腔壁外轮廓和腔壁内轮廓。
(4)过腔壁外轮廓上的多个外轮廓点分别做法线与腔壁内轮廓相交,得到多个外轮廓点对应的多个交点。
(5)获取每个外轮廓点和对应的交点之间的第一直线距离,得到多个外轮廓点对应的多个第一直线距离。
(6)将多个第一直线距离中的最大值确定为心脏房室腔壁区域的厚度。
(7)获取心脏房室区域的最小外接圆。
(8)获取心脏房室区域的房室轮廓,计算房室轮廓上多个房室轮廓点与最小外接圆的圆心的第二直线距离,得到多个房室轮廓点对应的多个第二直线距离。
(9)基于多个第二直线距离的标准差确定心脏房室不规则表征值。
具体的,进一步的,基于多个第二直线距离的标准差确定心脏房室不规则表征值,包括:将最小外接圆等分为多个扇形区域,得到多个扇形区域内的房室分割子区域;获取扇形区域和对应的房室分割子区域的面积差值,得到多个扇形区域对应的面积差值;基于多个房室分割子区域的面积、多个面积差值确定面积标准差;将最小外接圆的半径与各个第二直线距离的差值确定为多个第三直线距离,基于多个房室分割子区域的面积、多个面积差值确定面积标准差;将面积标准差和多个第三直线距离的标准差之和确定为心脏房室不规则表征值。
具体的,扇形区域的数量为8个,当然也可以为其他数量。扇形区域和对应的房室分割子区域的面积差值为如下公式,
其中,为最小外接圆的半径
其中,面积标准差stdm的计算公式如下,
具体的,多个第三直线距离分别为,心脏房室不规则表征值/>的计算公式如下,
。
(10)基于心脏房室腔壁区域的厚度和心脏房室不规则表征值确定超声心动风险参数。房室轮廓即为腔壁内轮廓。
具体的,对心脏房室腔壁区域的厚度和心脏房室不规则表征值加权求和,得到超声心动风险参数。
(11)对心电图风险参数、胃镜异常参数以及超声心动风险参数加权求和,得到目标异常参数。
S212、若目标异常参数大于预设值,则发出影像提示信息。
其中,预设值可根据具体情况设定,若目标异常参数大于预设值,则发出影像提示信息,若目标异常参数/>不大于预设值,则不发出提示。进一步的,若目标异常参数/>大于预设值,则将异常区域的图像和目标异常参数/>发送内镜医师。
进一步的,基于检查预约单获取目标患者的检查科室位置;以目标患者的当前位置为起点,以目标患者的检查科室位置为终点进行路径规划,到导航路线和预估到达时间;将导航路线、预估到达时间、检查科室信息、禁忌信息、检测报告出具周期发送给目标患者。
具体的,提示信息包括:医院内镜检查就诊3D路线导航、从当前位置到达候诊厅所需时间提醒;内镜检查室情况介绍(可检查房间数量、AI设备配备情况、人工智能项目介绍、收费情况等);前面等候人数及等待时间通知;检查完毕等待检查报告所需时间及取检查报告详细地点;现场可求助人员及其联系方式;禁忌信息:胃镜:禁食禁水空腹6-8小时,不需要喝泻药;超声胃镜:同胃镜,尽可能预约麻醉;ERCP:同胃镜,同时需要安定、杜冷丁镇静;肠镜:检查前一天少渣饮食,提前6小时喝泻药,喝完泻药后不能吃东西,喝水;小肠镜:同肠镜;胶囊内镜:同肠镜;超声肠镜:同肠镜,尽可能预约麻醉;无痛内镜=内镜+静脉麻醉。
为了更好实施本申请实施例中术前提示方法,在术前提示方法基础之上,本申请实施例中还提供一种术前提示装置,如图4所示,术前提示装置包括:
第一获取单元301,用于获取检查预约单;
第一判断单元302,用于判断所述检查预约单上的目标患者是否属于住院类型患者;
指令发送单元303,用于若目标患者不属于住院类型患者,则基于所述检查预约单向所述目标患者发出上传历史影像信息的指令;
第二判断单元304,用于若获取到所述目标患者返回的历史影像信息,则判断所述历史影像信息中是否存在历史影像分析结果;若所述历史影像信息中不存在历史影像分析结果,则获取所述历史影像信息中的历史胃镜图像;
变换单元305,用于将所述历史胃镜图像进行傅里叶变换,得到傅里叶频谱图;
第二获取单元306,用于获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径;
第三获取单元307,用于获取所述傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和所述傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量,其中,目标像素点为亮度值大于预设亮度值的像素点;
第一确定单元308,用于将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值;
第二确定单元309,用于将圆环区域像素点数量与第一像素点数量之差与半径变化值的比值确定为亮度梯度变化表征值;
第三确定单元310,用于基于亮度梯度变化表征值确定所述历史胃镜图像的胃镜异常参数;
第四确定单元311,用于基于所述胃镜异常参数确定目标异常参数;
提示单元312,用于若所述目标异常参数大于预设值,则发出影像提示信息。
可选地,所述基于亮度梯度变化表征值确定所述历史胃镜图像的胃镜异常参数,包括:
将所述历史胃镜图像输入图像异常检测模型,得到异常区域;
将所述异常区域内图像灰度化,得到异常灰度图像;
将所述异常灰度图像上每行像素的行最大像素值和行最小像素值的差值确定为行像素差值,将所述异常灰度图像上每列像素的列最大像素值和列最小像素值的差值确定为列像素差值,得到多个行像素差值和多个列像素差值;
计算多个行像素差值和多个列像素差值的差值平均值;
将异常灰度图像上大于差值平均值的像素值求和,得到凸起像素点体积表征值,将异常灰度图像上不大于差值平均值的像素值求和,得到凹陷像素点体积表征值;
基于凸起像素点体积表征值和凹陷像素点体积表征值确定表面凹凸性表征值;
基于亮度梯度变化表征值和表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数。
可选地,所述基于亮度梯度变化表征值和表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数,包括:
获取所述历史胃镜图像上各个像素点在RGB各个通道上的通道像素值;
将多个通道像素值的标准差确定为通道像素标准差;
基于多个通道像素值和所述通道像素标准差确定颜色量化表征值;
基于亮度梯度变化表征值、颜色量化表征值以及表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数。
可选地,所述基于所述胃镜异常参数确定目标异常参数,包括:
从所述历史影像信息获取目标患者的多个导联心电向量信号;
将所述多个导联心电向量信号转换为多个时域波形图;
获取每个时域波形图的波形最大值与波形最小值之间的波形差值,得到多个波形差值;
获取每个时域波形图到达波形最大值的花费时间,得到多个花费时间;
获取每个时域波形图上相邻两个波形最大值之间的时间间隔,得到多个时间间隔;
基于多个波形最大值的标准差和最大值、多个波形差值的标准差和最大值、多个时间间隔的标准差和平均值、多个花费时间的标准差和平均值确定心电图风险参数;
基于心电图风险参数和胃镜异常参数确定目标异常参数。
可选地,所述术前提示方法还包括:
若目标患者属于住院类型患者,则获取目标患者的多个基线特征,所述多个基线特征包括年龄、性别、既往心脏疾病史、心脏手术史、是否吸烟、是否饮酒;
将目标患者的多个基线特征输入第一预设决策树模型,得到基线风险参数;
若基线风险参数大于预设参数值,则发出基线提示信息。
可选地,所述术前提示方法还包括:
若目标患者属于住院类型患者,则获取目标患者的多个症状特征,所述多个症状特征包括是否反酸烧心、是否腹痛腹胀、是否恶心呕吐、是否嗳气打嗝、是否呕血;
将目标患者的多个症状特征输入第二预设决策树模型,得到症状风险参数;
若症状风险参数大于预设参数值,则发出症状提示信息。
可选地,所述术前提示方法还包括:
基于所述检查预约单获取所述目标患者的检查科室位置;
以所述目标患者的当前位置为起点,以所述目标患者的检查科室位置为终点进行路径规划,到导航路线和预估到达时间;
将导航路线、预估到达时间、检查科室信息、禁忌信息、检测报告出具周期发送给目标患者。
本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种术前提示装置,计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中一个或多个应用程序被存储于存储器中,并配置为由处理器执行上述术前提示方法实施例中任一实施例中的术前提示方法中的步骤。
如图5所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;处理器401可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
计算机设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理系统与处理器401逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元404,该输入单元404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取检查预约单;判断检查预约单上的目标患者是否属于住院类型患者;若目标患者不属于住院类型患者,则基于检查预约单向目标患者发出上传历史影像信息的指令;若获取到目标患者返回的历史影像信息,则判断历史影像信息中是否存在历史影像分析结果;若历史影像信息中不存在历史影像分析结果,则获取历史影像信息中的历史胃镜图像;将历史胃镜图像进行傅里叶变换,得到傅里叶频谱图;获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径;获取傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量,其中,目标像素点为亮度值大于预设亮度值的像素点;将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值;将圆环区域像素点数量与第一像素点数量之差与半径变化值的比值确定为亮度梯度变化表征值;基于亮度梯度变化表征值确定历史胃镜图像的胃镜异常参数;基于胃镜异常参数确定目标异常参数;若目标异常参数大于预设值,则发出影像提示信息。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,计算机程序被处理器进行加载,以执行本申请实施例所提供的任一种术前提示方法中的步骤。例如,计算机程序被处理器进行加载可以执行如下步骤:
获取检查预约单;判断检查预约单上的目标患者是否属于住院类型患者;若目标患者不属于住院类型患者,则基于检查预约单向目标患者发出上传历史影像信息的指令;若获取到目标患者返回的历史影像信息,则判断历史影像信息中是否存在历史影像分析结果;若历史影像信息中不存在历史影像分析结果,则获取历史影像信息中的历史胃镜图像;将历史胃镜图像进行傅里叶变换,得到傅里叶频谱图;获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径;获取傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量,其中,目标像素点为亮度值大于预设亮度值的像素点;将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值;将圆环区域像素点数量与第一像素点数量之差与半径变化值的比值确定为亮度梯度变化表征值;基于亮度梯度变化表征值确定历史胃镜图像的胃镜异常参数;基于胃镜异常参数确定目标异常参数;若目标异常参数大于预设值,则发出影像提示信息。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种术前提示方法及装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种术前提示方法,其特征在于,所述术前提示方法包括:
获取检查预约单;
判断所述检查预约单上的目标患者是否属于住院类型患者;
若目标患者不属于住院类型患者,则基于所述检查预约单向所述目标患者发出上传历史影像信息的指令;
若获取到所述目标患者返回的历史影像信息,则判断所述历史影像信息中是否存在历史影像分析结果;若所述历史影像信息中不存在历史影像分析结果,则获取所述历史影像信息中的历史胃镜图像;
将所述历史胃镜图像进行傅里叶变换,得到傅里叶频谱图;
获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径;
获取所述傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和所述傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量,其中,目标像素点为亮度值大于预设亮度值的像素点;
将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值;
将圆环区域像素点数量与第一像素点数量之差的绝对值与半径变化值的比值确定为亮度梯度变化表征值;
基于亮度梯度变化表征值确定所述历史胃镜图像的胃镜异常参数;
基于所述胃镜异常参数确定目标异常参数;
若所述目标异常参数大于预设值,则发出影像提示信息。
2.根据权利要求1所述的术前提示方法,其特征在于,所述基于亮度梯度变化表征值确定所述历史胃镜图像的胃镜异常参数,包括:
将所述历史胃镜图像输入图像异常检测模型,得到异常区域;
将所述异常区域内图像灰度化,得到异常灰度图像;
将所述异常灰度图像上每行像素的行最大像素值和行最小像素值的差值确定为行像素差值,将所述异常灰度图像上每列像素的列最大像素值和列最小像素值的差值确定为列像素差值,得到多个行像素差值和多个列像素差值;
计算多个行像素差值和多个列像素差值的差值平均值;
将异常灰度图像上大于差值平均值的像素值求和,得到凸起像素点体积表征值,将异常灰度图像上不大于差值平均值的像素值求和,得到凹陷像素点体积表征值;
基于凸起像素点体积表征值和凹陷像素点体积表征值确定表面凹凸性表征值;
基于亮度梯度变化表征值和表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数。
3.根据权利要求2所述的术前提示方法,其特征在于,所述基于亮度梯度变化表征值和表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数,包括:
获取所述历史胃镜图像上各个像素点在RGB各个通道上的通道像素值;
将多个通道像素值的标准差确定为通道像素标准差;
基于多个通道像素值和所述通道像素标准差确定颜色量化表征值;
基于亮度梯度变化表征值、颜色量化表征值以及表面凹凸性表征值确定所述历史胃镜图像的胃镜异常参数。
4.根据权利要求1所述的术前提示方法,其特征在于,所述基于所述胃镜异常参数确定目标异常参数,包括:
从所述历史影像信息获取目标患者的多个导联心电向量信号;
将所述多个导联心电向量信号转换为多个时域波形图;
获取每个时域波形图的波形最大值与波形最小值之间的波形差值,得到多个波形差值;
获取每个时域波形图到达波形最大值的花费时间,得到多个花费时间;
获取每个时域波形图上相邻两个波形最大值之间的时间间隔,得到多个时间间隔;
基于多个波形最大值的标准差和最大值、多个波形差值的标准差和最大值、多个时间间隔的标准差和平均值、多个花费时间的标准差和平均值确定心电图风险参数;
基于心电图风险参数和胃镜异常参数确定目标异常参数。
5.根据权利要求1所述的术前提示方法,其特征在于,所述术前提示方法还包括:
若目标患者属于住院类型患者,则获取目标患者的多个基线特征,所述多个基线特征包括年龄、性别、既往心脏疾病史、心脏手术史、是否吸烟、是否饮酒;
将目标患者的多个基线特征输入第一预设决策树模型,得到基线风险参数;
若基线风险参数大于预设参数值,则发出基线提示信息。
6.根据权利要求1所述的术前提示方法,其特征在于,所述术前提示方法还包括:
若目标患者属于住院类型患者,则获取目标患者的多个症状特征,所述多个症状特征包括是否反酸烧心、是否腹痛腹胀、是否恶心呕吐、是否嗳气打嗝、是否呕血;
将目标患者的多个症状特征输入第二预设决策树模型,得到症状风险参数;
若症状风险参数大于预设参数值,则发出症状提示信息。
7.根据权利要求1所述的术前提示方法,其特征在于,所述术前提示方法还包括:
基于所述检查预约单获取所述目标患者的检查科室位置;
以所述目标患者的当前位置为起点,以所述目标患者的检查科室位置为终点进行路径规划,到导航路线和预估到达时间;
将导航路线、预估到达时间、检查科室信息、禁忌信息、检测报告出具周期发送给目标患者。
8.一种术前提示装置,其特征在于,所述术前提示装置包括:
第一获取单元,用于获取检查预约单;
第一判断单元,用于判断所述检查预约单上的目标患者是否属于住院类型患者;
指令发送单元,用于若目标患者不属于住院类型患者,则基于所述检查预约单向所述目标患者发出上传历史影像信息的指令;
第二判断单元,用于若获取到所述目标患者返回的历史影像信息,则判断所述历史影像信息中是否存在历史影像分析结果;若所述历史影像信息中不存在历史影像分析结果,则获取所述历史影像信息中的历史胃镜图像;
变换单元,用于将所述历史胃镜图像进行傅里叶变换,得到傅里叶频谱图;
第二获取单元,用于获取以傅里叶频谱图的中心为圆心的第一参考圆和第二参考圆,其中,第一参考圆的半径小于第二参考圆的半径;
第三获取单元,用于获取所述傅里叶频谱图上位于第一参考圆内的目标像素点的第一像素点数量和所述傅里叶频谱图上位于第二参考圆内的目标像素点的第二像素点数量,其中,目标像素点为亮度值大于预设亮度值的像素点;
第一确定单元,用于将第二像素点数量和第一像素点数量的差值确定为圆环区域像素点数量,将第二参考圆和第一参考圆的半径之差确定为半径变化值;
第二确定单元,用于将圆环区域像素点数量与第一像素点数量之差的绝对值与半径变化值的比值确定为亮度梯度变化表征值;
第三确定单元,用于基于亮度梯度变化表征值确定所述历史胃镜图像的胃镜异常参数;
第四确定单元,用于基于所述胃镜异常参数确定目标异常参数;
提示单元,用于若所述目标异常参数大于预设值,则发出影像提示信息。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至7中任一项所述的术前提示方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至7任一项所述的术前提示方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311003035.6A CN116721764B (zh) | 2023-08-10 | 2023-08-10 | 术前提示方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311003035.6A CN116721764B (zh) | 2023-08-10 | 2023-08-10 | 术前提示方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116721764A CN116721764A (zh) | 2023-09-08 |
CN116721764B true CN116721764B (zh) | 2023-10-27 |
Family
ID=87875646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311003035.6A Active CN116721764B (zh) | 2023-08-10 | 2023-08-10 | 术前提示方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116721764B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002032767A (ja) * | 2000-07-19 | 2002-01-31 | Giken Torasutemu Kk | 物体認識方法 |
JP2005198890A (ja) * | 2004-01-16 | 2005-07-28 | Fuji Photo Film Co Ltd | 異常陰影判定方法、異常陰影判定装置およびそのプログラム |
JP2012034271A (ja) * | 2010-08-02 | 2012-02-16 | Dainippon Printing Co Ltd | 網点角度算出装置、網点角度算出方法、印刷物真贋判定装置、印刷物真贋判定方法、およびプログラム |
US9324145B1 (en) * | 2013-08-08 | 2016-04-26 | Given Imaging Ltd. | System and method for detection of transitions in an image stream of the gastrointestinal tract |
CN105631876A (zh) * | 2015-12-29 | 2016-06-01 | 中国兵器科学研究院宁波分院 | 一种基于全局二值化的ct图像分辨率自动测试方法 |
CN111986776A (zh) * | 2020-07-06 | 2020-11-24 | 北京欧应信息技术有限公司 | 围手术期治疗风险智能提示方法 |
CN114464316A (zh) * | 2022-04-11 | 2022-05-10 | 武汉大学 | 胃部异常风险等级预测方法、装置、终端及可读存储介质 |
WO2023000788A1 (zh) * | 2021-07-20 | 2023-01-26 | 苏州景昱医疗器械有限公司 | 参数比对方法、装置、电子设备及计算机可读存储介质 |
CN115984228A (zh) * | 2023-01-09 | 2023-04-18 | 武汉楚精灵医疗科技有限公司 | 胃镜图像处理方法、装置、电子设备及存储介质 |
CN116269416A (zh) * | 2023-02-24 | 2023-06-23 | 武汉大学人民医院(湖北省人民医院) | 心脏风险参数的确定方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2149330B1 (en) * | 2007-05-08 | 2016-05-18 | Olympus Corporation | Image processing apparatus and image processing program |
US11232570B2 (en) * | 2020-02-13 | 2022-01-25 | Olympus Corporation | System and method for diagnosing severity of gastritis |
-
2023
- 2023-08-10 CN CN202311003035.6A patent/CN116721764B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002032767A (ja) * | 2000-07-19 | 2002-01-31 | Giken Torasutemu Kk | 物体認識方法 |
JP2005198890A (ja) * | 2004-01-16 | 2005-07-28 | Fuji Photo Film Co Ltd | 異常陰影判定方法、異常陰影判定装置およびそのプログラム |
JP2012034271A (ja) * | 2010-08-02 | 2012-02-16 | Dainippon Printing Co Ltd | 網点角度算出装置、網点角度算出方法、印刷物真贋判定装置、印刷物真贋判定方法、およびプログラム |
US9324145B1 (en) * | 2013-08-08 | 2016-04-26 | Given Imaging Ltd. | System and method for detection of transitions in an image stream of the gastrointestinal tract |
CN105631876A (zh) * | 2015-12-29 | 2016-06-01 | 中国兵器科学研究院宁波分院 | 一种基于全局二值化的ct图像分辨率自动测试方法 |
CN111986776A (zh) * | 2020-07-06 | 2020-11-24 | 北京欧应信息技术有限公司 | 围手术期治疗风险智能提示方法 |
WO2023000788A1 (zh) * | 2021-07-20 | 2023-01-26 | 苏州景昱医疗器械有限公司 | 参数比对方法、装置、电子设备及计算机可读存储介质 |
CN114464316A (zh) * | 2022-04-11 | 2022-05-10 | 武汉大学 | 胃部异常风险等级预测方法、装置、终端及可读存储介质 |
CN115984228A (zh) * | 2023-01-09 | 2023-04-18 | 武汉楚精灵医疗科技有限公司 | 胃镜图像处理方法、装置、电子设备及存储介质 |
CN116269416A (zh) * | 2023-02-24 | 2023-06-23 | 武汉大学人民医院(湖北省人民医院) | 心脏风险参数的确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116721764A (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10971271B2 (en) | Method and system for personalized blood flow modeling based on wearable sensor networks | |
RU123649U1 (ru) | Система контроля показателей здоровья и оказания телемедицинских услуг | |
CN109002846B (zh) | 一种图像识别方法、装置和存储介质 | |
CN110880366B (zh) | 一种医学影像处理系统 | |
JP2022517769A (ja) | 三次元ターゲット検出及びモデルの訓練方法、装置、機器、記憶媒体及びコンピュータプログラム | |
Zois | Sequential decision-making in healthcare IoT: Real-time health monitoring, treatments and interventions | |
CN110766735A (zh) | 一种图像的匹配方法、装置、设备及存储介质 | |
US20210228147A1 (en) | Systems and methods for electromyometrial imaging | |
JP2003070749A (ja) | 診断システム、肌の診断方法、及びそれに用いられる情報処理装置、並びにプログラム、記録媒体 | |
Dabas et al. | Application of artificial intelligence methodologies to chronic wound care and management: a scoping review | |
CN109102880A (zh) | 健康监测方法及其装置、系统和计算机可读存储介质 | |
CN116721764B (zh) | 术前提示方法及装置 | |
CN109982647A (zh) | 超声诊断装置及其操作方法 | |
CN116269416A (zh) | 心脏风险参数的确定方法及装置 | |
CN111557692A (zh) | 目标器官组织的自动测量方法、超声测量装置及介质 | |
KR102509545B1 (ko) | 심전도 데이터 처리 장치, 가변적인 윈도우 크기의 신호 세그먼트들로 분할하면서 분석 필요 구간을 추출하는 심전도 데이터 처리 방법 및 컴퓨터 프로그램 | |
US20130123646A1 (en) | Method and electronic device for remote diagnosis | |
CN116091452A (zh) | 喉部图像的特征确定方法、装置及相关设备 | |
Fortier et al. | Development of a mobile cardiac wellness application and integrated wearable sensor suite | |
CN114795268A (zh) | 智能呼吸导航的方法、装置及存储介质 | |
JP7378224B2 (ja) | 情報処理システム、情報処理方法、情報処理装置、および、情報処理プログラム | |
US9076310B2 (en) | Method and electronic device for remote diagnosis | |
US9084585B1 (en) | System and method to classify left ventricular and mitral valve function | |
CN111513765A (zh) | 呼吸肌组织的超声测量方法、超声测量装置及存储介质 | |
CN111508610A (zh) | 一种人体内分泌系统健康风险预警系统 |
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 |