CN116822338A - 一种医疗设备的美学服务系统 - Google Patents
一种医疗设备的美学服务系统 Download PDFInfo
- Publication number
- CN116822338A CN116822338A CN202310674898.XA CN202310674898A CN116822338A CN 116822338 A CN116822338 A CN 116822338A CN 202310674898 A CN202310674898 A CN 202310674898A CN 116822338 A CN116822338 A CN 116822338A
- Authority
- CN
- China
- Prior art keywords
- aesthetic
- evaluation
- design
- medical equipment
- knowledge
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 141
- 238000013461 design Methods 0.000 claims abstract description 133
- 238000005457 optimization Methods 0.000 claims abstract description 54
- 230000006870 function Effects 0.000 claims description 52
- 239000002245 particle Substances 0.000 claims description 40
- 210000000349 chromosome Anatomy 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 14
- 230000035772 mutation Effects 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000011160 research Methods 0.000 claims description 6
- 238000002922 simulated annealing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 108090000623 proteins and genes Proteins 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012938 design process Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 description 10
- 238000011161 development Methods 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000006397 emotional response Effects 0.000 description 2
- 229940127554 medical product Drugs 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种医疗设备的美学服务系统，包括展示与管理子系统、评估与优化子系统；所述展示与管理子系统用于对医疗设备产品知识和产品美学知识进行展示，还是用于对医疗设备产品实例、美学指标以及美学概念体系进行管理；所述评估与优化子系统用于对医疗设备产品的设计图像进行特征提取并基于提取特征进行美学评估得到评估结果，还用于基于评估结果生成并优化新设计方案。该系统为用户提供设计指导，以提高医疗设备产品的设计效率。
Description
技术领域
本发明属于美学评价领域，具体涉及一种医疗设备的美学服务系统。
背景技术
美学(Aesthetic)是一个哲学分支学科。设计美学是一个多维度的概念，包含了视觉吸引力、感官体验、情感反应、形式-功能整合、文化相关性和主观偏好，指的是决定设计对象、产品或环境的视觉外观和整体感官体验的原则和品质，其侧重点包括形式、风格、视觉吸引力以及由设计引起的情感反应。
设计美学服务是指在评估、提高或创造设计的美学品质方面提供专业知识和帮助的服务，其中包括提供咨询、设计评论或关于改善设计的视觉吸引力、风格和整体感官体验的建议，是辅助设计师创造设计的有力工具。该类服务的最终目的在于为目标用户创造符合审美的设计，使其与目标用户产生共鸣。
以下列举一些常见的设计美学服务案例。例如在汽车市场上，设计美学服务有助于塑造汽车的视觉形象，提供外饰设计(如车身线条、比例和表面处理等)及内饰设计(仪表盘布局、材料和颜色组合等)方面的参考建议与范例；在建筑领域，设计美学服务有助于提升建筑物的整体视觉效果和功能，例如在外墙设计、内部布局、材料选择和空间配置等方面为设计师提供建议，以帮助设计师更好进行设计优化；在室内设计领域，设计美学服务可以帮助设计师创造兼具视觉吸引力和功能的空间，通过选择合适的配色方案、家具产品、照明产品及装饰元素，使整体空间设计更加和谐，符合用户的期望氛围或风格。
设计美学服务在提高设计的视觉吸引力、用户体验和市场成功方面发挥了重要作用。随着设计师对美学的关注，设计美学服务可以辅助设计师创造出视觉上有吸引力的、情感上有吸引力的、用户友好的设计，从而加强产品与用户的联系，给予用户更好的使用体验。
随着医疗市场的发展，医疗设备的设计美学已成为一个重要的研究领域，其可以结合美学、人因工程学等专业知识，遵循以用户为中心的设计原则，在提升医疗设备的整体可用性、视觉吸引力和用户体验，甚至是病人的健康改善等方面发挥着重要作用。研究并改进医疗设备的设计美学有助于增强这些设备在医疗生态系统中的可用性、用户体验和整体影响。
然而，由于当前市场上提供的设计美学服务具有相当的主观性，且未有专门针对医疗设备设计提供的美学服务，导致医疗设备美学知识的展示与管理及设计美学的评估与优化均存在一定困难。
发明内容
鉴于上述，本发明的目的是提供一种医疗设备的美学服务系统，该系统为用户提供设计指导，以提高医疗设备产品的设计效率。
为实现上述发明目的，实施例提供的一种医疗设备的美学服务系统，包括展示与管理子系统、评估与优化子系统；
所述展示与管理子系统用于对医疗设备产品知识和产品美学知识进行展示，还用于对医疗设备产品实例、美学指标以及美学概念体系进行管理；
所述评估与优化子系统用于对医疗设备产品的设计图像进行特征提取并基于提取特征进行美学评估得到评估结果，还用于基于评估结果生成并优化新设计方案。
优选地，所述展示与管理子系统包括医疗设备产品知识展示模块、产品美学知识展示模块、医疗设备产品实例管理模块、美学指标管理模块和美学概念管理模块，
所述医疗设备产品知识展示模块具有医疗设备产品知识的录入、修改、查找、删除以及展示功能，其中，医疗设备产品知识包括医疗设备产品的设计原理、标准、法规以及相关研究信息；
所述产品美学知识展示模块具有产品美学知识的录入、修改、查找、删除以及展示功能，其中，产品美学知识包括色彩理论、设计原则、材料选择以及工艺选择，还包括产品美学知识在人体工程学和用户体验方面的考虑因素。
所述医疗设备产品实例管理模块具有医疗设备产品实例及其对应美学知识的录入、修改、查找、删除功能，还允许用户搜索、过滤并访问实例以及获取实例相关信息，其中，实例相关信息包括设计目标、美学特征、设计过程和设计结果；
所述美学指标管理模块具有美学指标的录入、修改、查找、删除以及推理功能，还允许用户根据医疗设备种类或功用定义并管理对应的美学评价体系、评价指标、指标权重及美学标签；
所述美学概念管理模块具有美学概念的录入、修改、查找、删除、分享和推理功能，还允许用户贡献和访问医疗设备设计中的美学概念、设计趋势和创新想法，支持用户分享见解和对美学概念库的贡献。
优选地，所述评估与优化子系统包括评估模块，所述评估模块包括特征提取子模块和美学评估子模块，
所述特征提取子模块用于对已有医疗设备产品的设计图像进行特征识别并分类；
所述美学评估子模块用于将分类特征与数据集中美学特征进行对比，获得匹配的美学特征，并基于美学特征与评价指标的映射关系确定分类特征对应的评价指标及其指标评分和指标权重，基于分类特征对应的指标评分及指标权重计算设计图像的美学评分，将设计图像对应的评价指标、指标权重以及美学评分作为评估结果。
优选地，所述特征提取子模块中，采用YOLOv3算法对设计图像进行特征提取后，再采用基于VGG-16的DFL-CNN算法对提取进行细粒度分类，得到分类特征。
优选地，所述美学评估子模块中，对分类特征对应的指标评分和指标权重进行加权求和得到设计图像的美学评分。
优选地，所述评估与优化子系统还包括生成及优化模块，在所述生成及优化模块中，以评估模块得到的评估结果为基础，采用交互式遗传算法和BP神经网络实现设计方案的生成和优化，包括以下过程：
将评估结果中的多个评价指标构成一个设计方案，将设计方案初始化为一个染色体，评价指标初始化为染色体中的基因；
基于评价指标与美学特征的映射关系确定染色体对应的美学特征集合，利用BP神经网络基于美学特征集合计算每个特征的美学评分，基于该美学评分与每个特征的目标美学评分计算计算染色体的适应度函数；
依据适应度函数值自适应调整交叉概率和变异概率，利用交叉概率和变异概率对染色体进行交叉和变异，进行染色体的更新迭代，直到达到优化目标位置，最终的染色体作为新设计方案。
优选地，所述适应度函数表示为：
其中，Ij表示第j个美学特征的美学评分，Ij *表示第j个美学特征的目标美学评分，N表示美学特征的数量，F表示适应度函数值；
所述优化目标为最小化适应度函数的倒数；
所述依据适应度函数值自适应调整交叉概率和变异概率，为：
其中，η1、η2、η3、η4分别为常数，取值范围为[0,1]，fc为进行交叉选择出来的染色体中局部极大适应值，fmax为全局最大适应值，为平均适应值。
优选地，所述评估与优化子系统还包括生成及优化模块，在所述生成及优化模块中，以评估模块得到的评估结果为基础，采用模拟退火算法实现设计方案的生成和优化，包括以下过程：
将评估结果中的多个评价指标构成一个设计方案，每个设计方案作为模拟退火算法的初始状态解，并将初始状态解作为当前状态解，对当前状态解中的随机一个评价指标进行随机增加或减少产生新状态解，利用SVR模型分别计算当前状态解和新状态解的美学评分，并计算每个美学评分与目标美学评分的差值作为评价函数，依据新状态解对应的评价函数与当前状态解对应的评价函数计算增量，当增量小于0时，利用当前状态解更新为新状态解，当增量大于等于0时，按照概率exp(-△T/T)接受新状态解更新为当前状态解，T按照冷却率α逐渐降低，进行下一轮计算，当T小于终止温度Tp时，则输出当前状态解作为新设计方案。
优选地，所述评估与优化子系统还包括生成及优化模块，在所述生成及优化模块中，以评估模块得到的评估结果为基础，采用粒子群优化算法实现设计方案的生成和优化，包括以下过程：
将评估结果中的多个评价指标构成一个设计方案，将每个设计方案初始化为粒子，形成粒子群；
基于评价指标与美学特征的映射关系确定粒子中每个评价指标对应的美学特征，利用BP神经网络基于美学特征计算每个特征的美学评分，基于该美学评分与每个特征的目标美学评分计算粒子的目标函数，依据粒子的目标函数找到个体最优粒子和全局最优粒子；
基于个体最优粒子和全局最优粒子对粒子进行速度更新以及位置更新，迭代结束后得到的个体最优粒子为新设计方案。
与现有技术相比，本发明具有的有益效果至少包括：
提供的展示与管理子系统能够系统地对医疗设备产品知识和产品美学知识进行展示，对医疗设备产品实例、美学指标以及美学概念体系进行管理，以解决现有技术无法综合管理、展示医疗设备的美学知识与实例的问题。
提供的评估与优化子系统能够实现对现有设计图像的美学评价，还能够依据美学评估结果产生新设计方案，该新设计方案能够指导用户进行设计，提高创新设计效率。
附图说明
为了更清楚地说明本发明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做简单地介绍，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前提下，还可以根据这些附图获得其他附图。
图1是实施例提供的医疗设备的美学服务系统的结构示意图；
图2是实施例提供的医疗设备的展示与管理子系统的实现流程图；
图3是实施例提供的评估与优化子系统的实现流程图；
图4是实施例提供的设计方案实例。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
图1是实施例提供的医疗设备的美学服务系统的结构示意图。如图1所示，实施例提供的美学服务系统包括展示与管理子系统、评估与优化子系统；其中，展示与管理子系统用于对医疗设备产品知识和产品美学知识进行展示，还是用于对医疗设备产品实例、美学指标以及美学概念体系进行管理；评估与优化子系统用于对医疗设备产品的设计图像进行特征提取并基于提取特征进行美学评估得到评估结果，还用于基于评估结果生成并优化新设计方案。
其中，展示与管理子系统包括医疗设备产品知识展示模块、产品美学知识展示模块、医疗设备产品实例管理模块、美学指标管理模块和美学概念管理模块。
医疗设备产品知识展示模块具有医疗设备产品知识的录入、修改、查找、删除以及展示功能，其中，医疗设备产品知识包括医疗设备产品的设计原理、标准、法规以及相关研究信息。
产品美学知识展示模块具有产品美学知识的录入、修改、查找、删除以及展示功能，其中，产品美学知识包括色彩理论、设计原则、材料选择以及工艺选择，还包括产品美学知识在人体工程学和用户体验方面的考虑因素。
医疗设备产品实例管理模块具有医疗设备产品实例及其对应美学知识的录入、修改、查找、删除功能，还允许用户搜索、过滤并访问实例以及获取实例相关信息，其中，实例相关信息包括设计目标、美学特征、设计过程和设计结果。
美学指标管理模块具有美学指标的录入、修改、查找、删除以及推理功能，还允许用户根据医疗设备种类或功用定义并管理对应的美学评价体系、评价指标、指标权重及美学标签，以更好评估或衡量医疗设备的美学。
美学概念管理模块具有美学概念的录入、修改、查找、删除、分享和推理功能，还允许用户贡献和访问医疗设备设计中的美学概念、设计趋势和创新想法，支持用户分享见解和对美学概念库的贡献，来促进协同合作、共同创造和灵感迸发。
如图2所示，以医用监护仪为例，对展示与管理子系统说明如下：
由于展示与管理子系统内包含的医疗设备产品知识展示模块需要录入产品知识信息，因此首先需要收集超过一千种监护仪产品的信息构建数据集，将收集获得的监护仪产品信息进行筛选和修改后，录入医疗设备产品知识展示模块。
由于展示与管理子系统内包含的产品美学知识展示模块需要录入美学知识信息，因此首先需要收集美学知识研究成果构建知识网络。将收集获得的美学知识信息进行筛选和修改后，录入产品美学知识展示模块。
由于展示与管理子系统内包含的医疗设备产品实例管理模块需要录入相互对应的产品信息与美学知识信息，因此首先需要对医疗设备产品知识展示模块和产品美学知识展示模块内的信息进行去噪声和增强，防止信息过拟合。将预处理后的医疗设备产品信息和美学知识信息进行匹配，录入医疗设备产品实例管理模块。
由于展示与管理子系统内包含的美学指标管理模块需要录入美学指标信息，因此首先需要对产品美学知识展示模块内的信息进行筛选和总结，获取和建立医疗设备美学评价体系、关键美学指标和指标权重。分别邀请多名设计师、制造商、医护人员、患者作为被试(本实验例邀请100名被试，其中设计师、制造商、医护人员、患者各25名)参与美学感性词汇的打分。基于模糊层次分析方法(Fuzzy Analytical Hierarchy Process)，要求被试根据五个偏好程度(不重要、勉强重要、重要、较为重要、非常重要)对美学的感性词汇打分；以共同度和平均值为依据挑选出最重要的感性词汇，按照层次分析结构原则，以具体感性词汇为评价细则构建医疗器械产品的美学评价体系；将评价因素两两比较得到判断矩阵，并结合模糊隶属函数进行评价计算得到权重数据。
基于获取和建立的医疗设备美学评价体系、关键美学指标和指标权重进行美学实验，得到产品美学标签。邀请多名专家(本实施例邀请15名)参与产品关键美学指标的打分，将医疗设备产品知识展示模块获得产品信息平均分组，每份信息将分别获得等量专家的打分。同时，专家还需完成一份产品美学指标的问卷，对美学指标做出评价。最后，将获得的指标体系录入美学指标管理模块。图3为本实施例获得的监护仪产品美学评价指标体系。
由于展示与管理子系统内包含的美学概念管理模块需要录入医疗设备设计中的美学概念、设计趋势和创新想法，实现概念的分享与讨论，因此首先需要收集概念信息，构建概念信息数据库及交流共享网络。将收集获得的概念信息进行筛选和修改后，录入美学概念管理模块。
如图1和3所示，评估与优化子系统包括评估模块，该评估模块包括特征提取子模块和美学评估子模块，其中，特征提取子模块用于对已有医疗设备产品的设计图像进行特征识别并分类。具体地，可以采用YOLOv3算法对设计图像进行特征提取后，再采用基于VGG-16的DFL-CNN算法对提取进行细粒度分类，得到分类特征。
美学评估子模块用于将分类特征与数据集中美学特征进行对比，获得匹配的美学特征，并基于美学特征与评价指标的映射关系确定分类特征对应的评价指标及其指标评分和指标权重，基于分类特征对应的指标评分及指标权重计算设计图像的美学评分，具体地，对分类特征对应的指标评分和指标权重进行加权求和得到设计图像的美学评分Q，公式表示为：
Q＝∑i＝1N(Aiqi)/N
其中，N为指标数量，Ai为指标评分，qi为指标权重。
实施例中，将设计图像对应的评价指标、指标权重以及美学评分作为评估结果。该评估结果可以作为对设计师或用户的反馈，反映了该设计在美学层面的优势和劣势。
其中，数据集是指美学指标管理模块呈现的数据集，该数据集包括美学特征，美学特征对应的评价指标，评价指标的指标权重，以及多个美学指标对应的美学标签。举例说明，美学特征可以为图像饱和度、对应的评价指标也为色彩饱和度，对应的美学标签为色彩。
如图1和3所示，评估与优化子系统包括还包括生成及优化模块，在所述生成及优化模块中，以评估模块得到的评估结果为基础，通过不断调整设计指标以生成更多可供参考的设计方案，以确保最终的设计符合预期的美学目标。
实施方式一：在生成及优化模块中，以评估模块得到的评估结果为基础，采用交互式遗传算法和BP神经网络实现设计方案的生成和优化，包括以下过程：
将评估结果中的多个评价指标构成一个设计方案，将设计方案初始化为一个染色体，评价指标初始化为染色体中的基因，一个基因表示一个评价指标且一一对应，将评价指标得分规范化为[0,1]之间的实数；
建立医疗设备的美学特征SEC与医疗设备的美学指标SCI之间的映射关系，即y＝f(x)，其中y＝{SCIi},i为美学指标索引，i＝1,2,…,N，N为美学指标数量；x＝{SECj}，j为美学特征索引，j＝1,2,…,L，L为美学特征数量；
基于评价指标与美学特征的映射关系确定染色体对应的美学特征集合，利用BP神经网络基于美学特征集合计算每个特征的美学评分，基于该美学评分与每个特征的目标美学评分计算计算染色体的适应度函数；其中，适应度函数F表示为：
其中，Ij表示第j个美学特征的美学评分，Ij *表示第j个美学特征的目标美学评分，N表示美学特征的数量，
依据适应度函数值自适应调整交叉概率和变异概率，利用交叉概率和变异概率对染色体进行交叉和变异，进行染色体的更新迭代，其中，依据适应度函数值自适应调整交叉概率和变异概率，为：
其中，η1、η2、η3、η4分别为常数，取值范围为[0,1]，fc为进行交叉选择出来的染色体中局部极大适应值，fmax为全局最大适应值，为平均适应值。
迭代过程中，采用控制最大遗传代数实现进化终止，并运用优化目标判断计算结果是否符合收敛规则，其中，优化目标为最小化适应度函数的倒数，当达到优化目标为止，最终的染色体作为新设计方案
实施方式二：在生成及优化模块中，以评估模块得到的评估结果为基础，采用模拟退火算法实现设计方案的生成和优化，包括以下过程：
将评估结果中的多个评价指标构成一个设计方案，例如设计方案包括造型、颜色、材料等多个评价指标，为多个评价指标分别生成相应的值，通过编码组合成作为模拟退火算法的初始状态解，并将初始状态解作为当前状态解，初始化初始温度T0，终止温度Tp，冷却率α，步长l；
对当前状态解中的随机一个评价指标按照步长l进行随机增加或减少产生新状态解，利用SVR模型分别计算当前状态解和新状态解的美学评分SVR(S’)和SVR(S)，并计算每个美学评分与目标美学评分M0的差值作为评价函数，用公式表示为：
f(S’)＝|SVR(S’)-M0|，f(S)＝|SVR(S)-M0|
依据新状态解对应的评价函数与当前状态解对应的评价函数计算增量△T＝f(S’)-f(S)，当增量△T<0时，利用当前状态解更新为新状态解，当增量△T≥0时，按照概率exp(-△T/T)接受新状态解更新为当前状态解，T按照冷却率α逐渐降低，进行下一轮计算，当T小于终止温度Tp时，按照最优解码确定造型、材料、颜色等医疗设备美学特征的最优组合，输出最优医疗设备美学方案，结束程序。
实施方式三：在生成及优化模块中，采用粒子群优化算法实现设计方案的生成和优化，包括以下过程：
将评估结果中的多个评价指标构成一个设计方案，将每个设计方案初始化为粒子，形成粒子群，同时初始化粒子的速度；
基于评价指标与美学特征的映射关系确定粒子中每个评价指标对应的美学特征，利用BP神经网络基于美学特征计算每个特征的美学评分，基于该美学评分与每个特征的目标美学评分计算粒子的目标函数，依据粒子的目标函数找到个体最优粒子和全局最优粒子；
基于个体最优粒子和全局最优粒子对粒子进行速度更新以及位置更新，更新公式为：
Xk+1＝Xk+Vk+1
其中，该式模拟了方案迭代收敛步骤中前期以发散性思维为主，后期以收敛性思维为主的过程。其中，w代表惯性权重，起着权衡局部最优能力和全局最优能力的作用，在算法刚开始时模块进行全局搜索，w取较大值，模拟发散性思维；随着迭代次数的增加，算法逐渐转向在局部区域寻找解，w取值减小，模拟收敛性思维，r1、r2为分布在[0,1]区间的随机数，用以保持样本种群的多样性；k代表当前迭代次数，为个体最优粒子。/>为全局最优粒子，c1、c2为学习因子，促使样本具有自我总结和学习的能力，从而向个体最优粒子和全局最优粒子靠近。
若无最优样本可供随机选择，则视为达到终止条件，结束循环，迭代结束后得到的个体最优粒子为新设计方案。
实施例提供的美学服务系统，创新性地针为医疗设备提供美学服务，解决现有技术无法综合管理、展示医疗设备的美学知识与实例，无法客观评价医疗设备设计美学并智能优化的问题。
实施例提供的展示与管理子系统实现了产品美学知识和设计实例的检索管理，激发设计灵感，辅助设计产品方案。原有技术或系统无法未针对医疗设备进行美学知识和实例的展示与管理，同时无法将美学知识和设计实例两者进行综合展示与管理，造成医疗设备设计理论与实践的割裂，影响了创意的迸发与设计的有序进行，耽误了医疗设备创新发展的进程。
实施例提供的评估与优化系统对产品视觉美学进行科学量化的评价与优化建议，提高了产品创新效率和竞争力。原有技术或系统未针对医疗设备进行美学评估，无法对设计美学进行客观评价，导致相关设计的美学无法得到准确评估；无法智能地对医疗设备设计方案进行美学优化，降低了医疗产品创新的效率，阻碍了医疗产品设计的创新发展。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种医疗设备的美学服务系统，其特征在于，包括展示与管理子系统、评估与优化子系统；
所述展示与管理子系统用于对医疗设备产品知识和产品美学知识进行展示，还用于对医疗设备产品实例、美学指标以及美学概念体系进行管理；
所述评估与优化子系统用于对医疗设备产品的设计图像进行特征提取并基于提取特征进行美学评估得到评估结果，还用于基于评估结果生成并优化新设计方案。
2.根据权利要求1所述的医疗设备的美学服务系统，其特征在于，所述展示与管理子系统包括医疗设备产品知识展示模块、产品美学知识展示模块、医疗设备产品实例管理模块、美学指标管理模块和美学概念管理模块，
所述医疗设备产品知识展示模块具有医疗设备产品知识的录入、修改、查找、删除以及展示功能，其中，医疗设备产品知识包括医疗设备产品的设计原理、标准、法规以及相关研究信息；
所述产品美学知识展示模块具有产品美学知识的录入、修改、查找、删除以及展示功能，其中，产品美学知识包括色彩理论、设计原则、材料选择以及工艺选择，还包括产品美学知识在人体工程学和用户体验方面的考虑因素。
所述医疗设备产品实例管理模块具有医疗设备产品实例及其对应美学知识的录入、修改、查找、删除功能，还允许用户搜索、过滤并访问实例以及获取实例相关信息，其中，实例相关信息包括设计目标、美学特征、设计过程和设计结果；
所述美学指标管理模块具有美学指标的录入、修改、查找、删除以及推理功能，还允许用户根据医疗设备种类或功用定义并管理对应的美学评价体系、评价指标、指标权重及美学标签；
所述美学概念管理模块具有美学概念的录入、修改、查找、删除、分享和推理功能，还允许用户贡献和访问医疗设备设计中的美学概念、设计趋势和创新想法，支持用户分享见解和对美学概念库的贡献。
3.根据权利要求1所述的医疗设备的美学服务系统，其特征在于，所述评估与优化子系统包括评估模块，所述评估模块包括特征提取子模块和美学评估子模块，
所述特征提取子模块用于对已有医疗设备产品的设计图像进行特征识别并分类；
所述美学评估子模块用于将分类特征与数据集中美学特征进行对比，获得匹配的美学特征，并基于美学特征与评价指标的映射关系确定分类特征对应的评价指标及其指标评分和指标权重，基于分类特征对应的指标评分及指标权重计算设计图像的美学评分，将设计图像对应的评价指标、指标权重以及美学评分作为评估结果。
4.根据权利要求3所述的医疗设备的美学服务系统，其特征在于，所述特征提取子模块中，采用YOLOv3算法对设计图像进行特征提取后，再采用基于VGG-16的DFL-CNN算法对提取进行细粒度分类，得到分类特征。
5.根据权利要求3所述的医疗设备的美学服务系统，其特征在于，所述美学评估子模块中，对分类特征对应的指标评分和指标权重进行加权求和得到设计图像的美学评分。
6.根据权利要求1所述的医疗设备的美学服务系统，其特征在于，所述评估与优化子系统还包括生成及优化模块，在所述生成及优化模块中，以评估模块得到的评估结果为基础，采用交互式遗传算法和BP神经网络实现设计方案的生成和优化，包括以下过程：
将评估结果中的多个评价指标构成一个设计方案，将设计方案初始化为一个染色体，评价指标初始化为染色体中的基因；
基于评价指标与美学特征的映射关系确定染色体对应的美学特征集合，利用BP神经网络基于美学特征集合计算每个特征的美学评分，基于该美学评分与每个特征的目标美学评分计算计算染色体的适应度函数；
依据适应度函数值自适应调整交叉概率和变异概率，利用交叉概率和变异概率对染色体进行交叉和变异，进行染色体的更新迭代，直到达到优化目标位置，最终的染色体作为新设计方案。
7.根据权利要求6所述的医疗设备的美学服务系统，其特征在于，所述适应度函数表示为：
其中，Ij表示第j个美学特征的美学评分，Ij *表示第j个美学特征的目标美学评分，N表示美学特征的数量，F表示适应度函数值；
所述优化目标为最小化适应度函数的倒数；
所述依据适应度函数值自适应调整交叉概率和变异概率，为：
其中，η1、η2、η3、η4分别为常数，取值范围为[0,1]，fc为进行交叉选择出来的染色体中局部极大适应值，fmax为全局最大适应值，为平均适应值。
8.根据权利要求1所述的医疗设备的美学服务系统，其特征在于，所述评估与优化子系统还包括生成及优化模块，在所述生成及优化模块中，以评估模块得到的评估结果为基础，采用模拟退火算法实现设计方案的生成和优化，包括以下过程：
将评估结果中的多个评价指标构成一个设计方案，每个设计方案作为模拟退火算法的初始状态解，并将初始状态解作为当前状态解，对当前状态解中的随机一个评价指标进行随机增加或减少产生新状态解，利用SVR模型分别计算当前状态解和新状态解的美学评分，并计算每个美学评分与目标美学评分的差值作为评价函数，依据新状态解对应的评价函数与当前状态解对应的评价函数计算增量，当增量小于0时，利用当前状态解更新为新状态解，当增量大于等于0时，按照概率exp(-△T/T)接受新状态解更新为当前状态解，T按照冷却率α逐渐降低，进行下一轮计算，当T小于终止温度Tp时，则输出当前状态解作为新设计方案。
9.根据权利要求1所述的医疗设备的美学服务系统，其特征在于，所述评估与优化子系统还包括生成及优化模块，在所述生成及优化模块中，以评估模块得到的评估结果为基础，采用粒子群优化算法实现设计方案的生成和优化，包括以下过程：
将评估结果中的多个评价指标构成一个设计方案，将每个设计方案初始化为粒子，形成粒子群；
基于评价指标与美学特征的映射关系确定粒子中每个评价指标对应的美学特征，利用BP神经网络基于美学特征计算每个特征的美学评分，基于该美学评分与每个特征的目标美学评分计算粒子的目标函数，依据粒子的目标函数找到个体最优粒子和全局最优粒子；
基于个体最优粒子和全局最优粒子对粒子进行速度更新以及位置更新，迭代结束后得到的个体最优粒子为新设计方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310674898.XA CN116822338A (zh) | 2023-06-08 | 2023-06-08 | 一种医疗设备的美学服务系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310674898.XA CN116822338A (zh) | 2023-06-08 | 2023-06-08 | 一种医疗设备的美学服务系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116822338A true CN116822338A (zh) | 2023-09-29 |
Family
ID=88119627
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310674898.XA Pending CN116822338A (zh) | 2023-06-08 | 2023-06-08 | 一种医疗设备的美学服务系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822338A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118012560A (zh) * | 2024-02-18 | 2024-05-10 | 厦门理工学院 | 一种基于图标美感度的图标优化方法及系统 |
-
2023
- 2023-06-08 CN CN202310674898.XA patent/CN116822338A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118012560A (zh) * | 2024-02-18 | 2024-05-10 | 厦门理工学院 | 一种基于图标美感度的图标优化方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| He et al. | Automated depression analysis using convolutional neural networks from speech | |
| Wang et al. | A method for product form design of integrating interactive genetic algorithm with the interval hesitation time and user satisfaction | |
| Hartono et al. | Implementation of Artifical Neural Networks with Multilayer Perceptron for Analysis of Acceptance of Permanent Lecturers | |
| Bontrager et al. | Deep interactive evolution | |
| Dou et al. | Multi-stage interactive genetic algorithm for collaborative product customization | |
| Kang | Combining rough set theory and support vector regression to the sustainable form design of hybrid electric vehicle | |
| Sun et al. | Interactive genetic algorithms with large population and semi-supervised learning | |
| JP2004529406A (ja) | 動的なリアルタイムマーケットセグメンテーションのための方法および装置 | |
| CN116822338A (zh) | 一种医疗设备的美学服务系统 | |
| CN109344994A (zh) | 一种基于改进飞蛾优化算法的预测模型方法 | |
| Ding et al. | Product color emotional design based on a convolutional neural network and search neural network | |
| CN115186097A (zh) | 一种基于知识图谱和强化学习的交互式推荐方法 | |
| Shi et al. | Symmetry in computer-aided music composition system with social network analysis and artificial neural network methods | |
| CN111859264A (zh) | 一种基于贝叶斯优化及小波分解的时序预测方法及装置 | |
| CN111061959A (zh) | 一种基于开发者特征的群智化软件任务推荐方法 | |
| Ding et al. | An ISM-BN-GA based methodology for product emotional design | |
| Wang et al. | Construction of a novel production develop decision model based on text mined | |
| Mendoza et al. | Multiple objective programming: an approach to planning and evaluation of agroforestry systems: part 2—an illustrative example and analysis | |
| CN109063241A (zh) | 一种汽车车身的造型设计方法 | |
| Wisniewski et al. | Individual differences during acquisition predict shifts in generalization | |
| Song et al. | Study on health management decision support system | |
| CN109003142B (zh) | 多目标驱动的产品形态基因网络模型构建方法 | |
| JP2001056763A (ja) | 製品概念形成装置及び方法 | |
| Lu et al. | Autonomous cognition and correction system of robot service based on emotional information and case-based reasoning | |
| Wang et al. | The application of evolutionary computation in generative adversarial networks (GANs): a systematic literature survey |
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 |