CN117877686A - 一种中医护理数据智能管理方法及系统 - Google Patents
一种中医护理数据智能管理方法及系统 Download PDFInfo
- Publication number
- CN117877686A CN117877686A CN202410283390.1A CN202410283390A CN117877686A CN 117877686 A CN117877686 A CN 117877686A CN 202410283390 A CN202410283390 A CN 202410283390A CN 117877686 A CN117877686 A CN 117877686A
- Authority
- CN
- China
- Prior art keywords
- stage
- dictionary
- abnormal
- representing
- pixels
- 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
Links
- 239000003814 drug Substances 0.000 title claims abstract description 27
- 238000007726 management method Methods 0.000 title claims abstract description 24
- 230000000474 nursing effect Effects 0.000 title claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims abstract description 93
- 238000013507 mapping Methods 0.000 claims abstract description 59
- 238000004140 cleaning Methods 0.000 claims abstract description 57
- 238000007906 compression Methods 0.000 claims abstract description 39
- 230000006835 compression Effects 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 38
- 239000011248 coating agent Substances 0.000 claims description 36
- 238000000576 coating method Methods 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000013144 data compression Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 210000001835 viscera Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- 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
- G06T9/00—Image coding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Alternative & Traditional Medicine (AREA)
- Pharmacology & Pharmacy (AREA)
- Image Processing (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种中医护理数据智能管理方法及系统,包括:采集舌苔图像;获取每个阶段的字典;计算每个阶段的字典的内存映射指标;计算每个阶段的字典的内容利用率,根据内容利用率得到每个阶段的字典的内容利用变化程度;根据内容利用变化程度得到每个阶段的字典的异常映射指标;根据异常映射指标得到每个阶段的字典的清理必要性;根据每个阶段的字典的清理必要性进行字典清理控制。从而通过对每个阶段的字典的清理进行控制分析,来保证字典清理不会降低数据的编码压缩量。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种中医护理数据智能管理方法及系统。
背景技术
舌苔图像是中医护理数据中的一种重要类型。舌苔的颜色、形状、厚度等特征可以提供关于患者身体健康状况的宝贵信息。中医医生通过分析舌苔图像来诊断和监测病人的病情,并制定相应的治疗计划。因此,舌苔图像的采集、存储和分析对中医护理至关重要。
串表压缩算法(Lempel-Ziv-Welch),简称LZW算法,该算法是一种常用的数据压缩算法,广泛应用于文本和图像压缩。它通过构建字典来实现数据的无损压缩。该算法一般会设置字典的最大容量,当字典的存储量大于设置的最大容量时,就会再字典中内容存储之后,将字典中的内容清理掉,再重新构建字典,然后再基于重新构建的字典对数据进行编码。这时就会出现,在对待编码数据进行编码时,待编码数据中多次出现原有的字典内容,而此时由于原有的字典内容被清理掉,而重新构建的字典中没有与待编码数据对应的内容,从而导致待编码数据的编码长度增大,进而增大了存储成本。因而待编码数据与字典内容的对应关系会对字典清理产生影响。
舌苔图像中存在正常的区域和异常区域,所述正常区域是指舌苔外观上没有存在异常的区域,异常区域是指舌苔外观上存在异常的区域。而正常区域的颜色变动较为规律,因而正常区域所需的字典量较少。异常区域的颜色变动不规律,从而导致异常区域所需的字典量较多。因而在进行字典清理时。应尽可能保障异常区域的数据压缩编码完成。因而舌苔图像的特征也会对字典清理产生影响。
因而如何根据舌苔图像的特征,待编码数据与字典内容的对应关系来对字典清理进行控制,进而保障字典内容不超出最大容量的同时,还能不降低压缩能力,成为亟待解决的问题。
发明内容
本发明提供一种中医护理数据智能管理方法及系统,以解决现有的问题:如何根据舌苔图像的特征,待编码数据与字典内容的对应关系来对字典清理进行控制,进而保障字典内容不超出最大容量的同时,还能不降低压缩能力。
本发明的一种中医护理数据智能管理方法及系统采用如下技术方案:
本发明一个实施例提供了一种中医护理数据智能管理方法,该方法包括以下步骤:
采集舌苔图像;
对舌苔图像进行编码压缩处理,在编码压缩过程中,获取每个阶段的字典以及每个阶段的已编码区域;根据每个阶段的字典的容量和已编码区域中的总行数得到每个阶段的字典的内存映射指标;
根据每个阶段的已编码区域的面积以及每个阶段的字典中的内容得到每个阶段的字典的内容利用率,根据每个阶段的字典的内容利用率以及每个阶段的字典中的内容得到每个阶段的字典的内容利用变化程度;根据每个阶段的已编码区域中像素的灰度值和梯度值,每个阶段的字典的内容利用变化程度得到每个阶段的字典的异常映射指标;
根据每个阶段的字典的内存映射指标以及每个阶段字典的异常映射指标得到每个阶段的字典的清理必要性;根据每个阶段的字典的清理必要性进行字典清理控制。
优选的,所述对舌苔图像进行编码压缩处理,在编码压缩过程中,获取每个阶段的字典以及每个阶段的已编码区域,包括的具体方法为:
将每完成舌苔图像中一行数据的编码压缩称为一个阶段;
对于第i个阶段,将刚完成舌苔图像的前i行编码压缩时得到字典称为第i个阶段的字典;在舌苔图像中获取,已完成编码压缩的前i行像素构成的区域,记为第i个阶段的已编码区域。
优选的,所述根据每个阶段的字典的容量和已编码区域中的总行数得到每个阶段的字典的内存映射指标,包括的具体方法为:
获取LZW算法中设置的字典的最大容量,记为容量阈值;获取每个阶段的字典的容量,以及每个阶段的已编码区域的总行数;
根据容量阈值,每个阶段的字典的容量以及每个阶段的已编码区域的总行数得到每个阶段的字典的内存映射指标的计算公式为:
其中,表示第i个阶段的字典的容量,/>表示容量阈值,/>表示第i个阶段的已编码区域的总行数,/>表示舌苔图像中总行数,/>表示第i个阶段的字典的内存映射指标,表示正弦函数。
优选的,所述根据每个阶段的已编码区域的面积以及每个阶段的字典中的内容得到每个阶段的字典的内容利用率,包括的具体方法为:
其中,表示第i个阶段的已编码区域中的像素数量,/>表示第i个阶段的字典的容量;/>表示第i个阶段的字典中最长的数据流的长度,/>表示第i个阶段的字典中数据流的平均长度,/>表示双曲正切函数,/>表示以自然常数为底的对数函数,/>表示第i阶段的字典的内容利用率。
优选的,所述根据每个阶段的字典的内容利用率以及每个阶段的字典中的内容得到每个阶段的字典的内容利用变化程度,包括的具体方法为:
其中,表示第/>个阶段的字典的内容利用率,/>表示第/>个阶段的字典的内容利用率,/>表示双曲正切函数,/>表示第i个阶段的字典中数据流的平均长度,/>表示第i个阶段的字典中最长数据流的长度,/>表示第i-1个阶段的字典中数据流的平均长度,/>表示第i-1个阶段的字典中最长数据流的长度,/>表示第i个阶段字典的内容利用变化程度,/>表示线性归一化处理,||表示绝对值符号。
优选的,所述根据每个阶段的已编码区域中像素的灰度值和梯度值,每个阶段的字典的内容利用变化程度得到每个阶段的字典的异常映射指标,包括的具体方法为:
根据每个阶段的已编码区域中像素的梯度值得到每个阶段的异常宽度和异常边界像素;
根据每个阶段的异常宽度,每个阶段异常边界像素,每个阶段的字典的内容利用率得到每个阶段的异常映射指标的计算方法为:
其中,表示第i个阶段的字典的内容利用变化程度,/>表示第i个阶段的异常边界像素之间的所有像素的灰度值方差,/>表示第i个阶段的异常宽度,/>表示第i个阶段的异常宽度与上一个阶段的异常宽度的差值,/>表示第i个阶段的异常映射指标,/>表示双曲正切函数,exp()表示以自然常数为底的指数函数,/>表示线性归一化处理。
优选的,所述根据每个阶段的已编码区域中像素的梯度值得到每个阶段的异常宽度和异常边界像素,包括的具体方法为:
对于第i阶段,获取该阶段刚编码完成的第i行中像素的梯度值,利用最大值最小值归一化方法对第i行中像素的梯度值进行归一化处理得到第i行中每个像素的归一化梯度值,将第i行中归一化梯度值大于预设梯度阈值Y1的像素记为可选像素,将任意两个可选像素之间随机组合得到若干组合,计算每个组合中两个可选像素之间的欧式距离记为每个组合的距离,在所有组合中获取最大的距离,记为异常宽度,将最大距离对应的组合中的两个可选像素均记为异常边界像素。
优选的,所述根据每个阶段的字典的内存映射指标以及每个阶段字典的异常映射指标得到每个阶段的字典的清理必要性,包括的具体方法为:
将每个阶段的异常映射指标与每个阶段的字典的内存映射指标的乘积作为每个阶段的字典的清理必要性。
优选的,所述根据每个阶段的字典的清理必要性进行字典清理控制,包括的具体方法为:
对于任意一个阶段的字典,当字典的清理必要性大于预设清理必要性阈值时,将该阶段的字典中的内容存入内存中后,然后将该阶段的字典中的内容清理掉。
一种中医护理数据智能管理系统,该系统包括以下模块:
图像采集模块,用于采集舌苔图像;
内存映射指标获取模块,用于对舌苔图像进行编码压缩处理,在编码压缩过程中,获取每个阶段的字典以及每个阶段的已编码区域;根据每个阶段的字典的容量和已编码区域中的总行数得到每个阶段的字典的内存映射指标;
异常映射指标获取模块,用于根据每个阶段的已编码区域的面积以及每个阶段的字典中的内容得到每个阶段的字典的内容利用率,根据每个阶段的字典的内容利用率以及每个阶段的字典中的内容得到每个阶段的字典的内容利用变化程度;根据每个阶段的已编码区域中像素的灰度值和梯度值,每个阶段的字典的内容利用变化程度得到每个阶段的字典的异常映射指标;
字典清理控制模块,用于根据每个阶段的字典的内存映射指标以及每个阶段字典的异常映射指标得到每个阶段的字典的清理必要性;根据每个阶段的字典的清理必要性进行字典清理控制。
本发明的技术方案的有益效果是:对舌苔图像进行编码处理得到每个阶段的字典和已编码区域,根据每个阶段的字典的容量得到每个阶段的字典的内存映射指标,通过内存映射指标能够反映字典中内存剩余情况,根据每个阶段的字典的内容以及已编码区域的面积得到每个阶段的字典的异常映射指标,通过异常映射指标能够反映出异常区域编码完成情况,根据每个阶段字典的异常映射指标和内存映射指标得到每个阶段的字典的清理必要性,通过清理必要性能够反映每个阶段字典的需要清理的情况,根据每个阶段的字典的清理必要性进行字典清理控制。
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为本发明的一种中医护理数据智能管理方法的步骤流程图;
图2为本发明的一种中医护理数据智能管理系统的结构框图;
图3为本发明的舌诊脏腑部位分属图;
图4为本发明的舌苔图像。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种中医护理数据智能管理方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种中医护理数据智能管理方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种中医护理数据智能管理方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取舌苔图像。
需要说明的是,舌苔的外观状态能够反映出人体健康状况,舌头每个部位的舌苔异常对应身体不同位置的发生病变,因而舌苔图像有助于中医进行疾病诊断。图3为舌诊脏腑部位分属图。
具体的,为了实现本实施例提出的一种中医护理数据智能管理方法,本实施例首先需要采集舌苔图像。采集舌苔图像的具体操作为:
利用相机采集患者的舌苔图像,图4中展示了舌苔图像,图中的矩形框内展示了舌苔图像中的异常区域。将舌苔图像进行灰度化处理得到舌苔图像的灰度图像,利用语义分割网络分割出舌苔图像的灰度图像中的舌头区域。本实施例使用的语义分割网络为UNet网络。为了便于描述,后续将分割出舌苔图像的灰度图像中的舌头区域图像依旧称为舌苔图像。
步骤S002:根据舌苔图像得到每个阶段的字典,计算每个阶段的字典的内存映射指标。
需要说明的是,在对舌苔图像编码压缩过程中,为了防止字典超出限值容量。在编码压缩过程中,需实时对字典的当前容量情况进行评估,进而判断清理的合理性。
具体的,利用LZW算法对舌苔图像进行编码压缩处理,在利用LZW算法对舌苔图像进行编码压缩过程中,每完成一行数据的编码压缩,就进行一次字典清理判定,以防止字典超出最大容量限制。具体的字典清理判定方法如下。
进一步的,为了便于描述,在舌苔图像中获取已完成编码压缩的图像区域,记为已编码区域,在舌苔图像中获取未完成编码压缩的图像区域,记为未编码区域。
由于每完成一行数据的编码压缩就进行一次字典清理判定,将每完成一行数据的编码压缩称为一个阶段,因而以任意一个阶段的字典清理判定为例进行说明。
将刚完成舌苔图像的前i行编码压缩时得到字典称为第i个阶段的字典,并获取第i个阶段的字典的容量;在舌苔图像中获取,已完成编码压缩的前i行像素构成的区域,记为第i个阶段的已编码区域。获取LZW算法中设置的字典的最大容量,记为容量阈值。所述容量是指所需的存储空间。
根据第i个阶段的字典的容量以及容量阈值得到第i个阶段的字典的内存映射指标的计算方法为:
其中,表示第i个阶段的字典的容量,/>表示容量阈值,/>表示第i个阶段的字典的容量占容量阈值的比重,该值越大说明第i个阶段的字典的容量快超出容量阈值,说明第i个阶段的字典越需要清理,因而第i个阶段的字典的内存映射指标越大,/>表示第i个阶段的已编码区域的总行数,/>表示舌苔图像中总行数。/>表示第i个阶段的字典的内存映射指标。/>表示正弦函数,用于进行归一化处理。
步骤S003:计算每个阶段的字典的内容利用率,根据每个阶段的内容利用率得到每个阶段的内容变化程度,根据每个阶段的内容变化程度得到每个阶段的字典的异常映射指标。
需要说明的是,由于正常区域的颜色变动较为规律,因而正常区域所需的字典量较少。异常区域的颜色变动不规律,从而导致异常区域所需的字典量较多。因而在进行字典清理时。应尽可能保障异常区域的数据压缩编码完成。因而在对每个阶段的字典进行清理判定时,需判定舌苔图像中异常区域是否已编码完成。
需要进一步说明的是,为了后续便于描述需将LZW编码的过程进行简单介绍一下,假设舌苔图像中所有像素构成的序列为[A,B,A,B,C,A,B,C],在未进行编码时字典中只存在每个根“A”,“B”,“C”,以及每个根对应的编码,假设与根“A”对应的编码为“1”,根“B”对应的编码为“2” 根“C”对应的编码为“3”,LZW对舌苔图像过程如下:首先对序列中第一个数据“A”进行编码,将数据“A”利用编码“1”替换,完成第一个数据的编码,然后将“A”与后一个数据“B”拼接在一起得到“AB”,并将“AB”存入字典中,并给“AB”赋予编码4,然后对第二个数据“B”进行编码,将数据“B”利用编码“2”替换,完成第二个数据的编码,然后将“B”与后一个数据“A”拼接在一起得到“BA”,并将“BA”存入字典中,并给“BA”赋予编码5。然后对第三个数据“A”进行编码,由于数据“A”是第二次出现,因而需判断“A”与后一个字符“B”的拼接在一起的数据是否在字典中存在,由于“AB”在字典中已经存在,因而需将序列中的“AB”利用编码“5”直接替换,并将序列中“AB”与后一个数据“C”拼接在一起得到“ABC”,将“ABC”存入字典中,并赋予编码6。由于第三个数据和第四个数据均完成编码,因而需对第五个数据“C”进行编码,将数据“C”利用编码“3”替换,完成第5个数据的编码,然后将“C”与后一个数据“A”拼接在一起得到“CA”,并将“CA存入字典中,并给“CA”赋予编码7,然后对第六个数据“A”进行编码,由于数据“A”是第三次出现,因而需判断“A”与后一个字符“B”的拼接在一起的数据是否在字典中存在,由于“AB”在字典中已经存在,需将“A”与后两个数据“B”“C”拼接在一起得到“ABC”,判断“ABC是否在字典中存在”,由于“ABC”在字典中存在,将序列中“ABC”利用编码6替换,至此完成所有数据的编码。通过上述编码过程可以看出,当序列中重复出现的数据多时,字典中存入的数据流就越长,所述数据流就是指类似“ABC”这种,将多个数据拼接子一起形成的数据串。同时数据流越长,字典中数据流用于编码的次数就越多。
需要进一步说明的是,由于舌苔图像中正常区域的颜色分布较为规律,而异常区域的颜色分布规律性较差,因而舌苔图像中正常区域生成的数据流,用于编码的次数就越多,异常区域生成的数据流,用于编码的次数就越少。因而当异常区域完成编码时,转入给正常区域编码时,其数据流的利用率就会发生较大变化。因而可以通过分析每个阶段的字典的内容利用率情况来反映异常区域编码结束情况。
具体的,每个阶段的字典的内容利用率计算公式为:
其中,表示第i个阶段的已编码区域中的像素数量,/>表示第i个阶段的字典的容量;/>表示单位容量下的图像面积,该值越大说明较小的单位容量就能实现较大面积的图像压缩。进而说明该阶段的字典的内容利用率较高。/>表示第i个阶段的字典中最长的数据流的长度,该值越大说明第i个阶段的字典中数据流用于编码的次数越多,因而第i个阶段的字典的内容利用率就越高,/>表示第i个阶段的字典中数据流的平均长度,该值越大说明该阶段的字典中数据流的长度较大,因而该阶段的字典的内容利用率越高。/>表示双曲正切函数,用于进行归一化处理。/>表示以自然常数为底的对数函数,用于进行归一化处理。/>表示第i阶段的字典的内容利用率。
每个阶段的字典的内容利用变化程度的计算方法为:
其中,表示第/>个阶段的字典的内容利用率,/>表示第/>个阶段的字典的内容利用率,/>表示双曲正切函数,用于进行归一化处理。/>表示第i个阶段的字典中数据流的平均长度,/>表示第i个阶段的字典中最长数据流的长度,/>反映了第i个阶段的字典中数据流的长度分布情况,通过该值能够反应第i个阶段的字典的内容使用情况,/>表示第i-1个阶段的字典中数据流的平均长度,/>表示第i-1个阶段的字典中最长数据流的长度,/>反映了第i-1个阶段的字典中数据流的长度分布情况,通过该值能够反应第i-1个阶段的字典的内容使用情况。/>该值反映了第i个阶段的字典相较于上一个阶段的字典的使用情况变动程度,该值越大说明第i个阶段的字典相较于上一个阶段的使用情况变动较大。/>表示第i个阶段字典的内容利用变化程度。/>表示线性归一化处理,||表示绝对值符号。
需要说明的是,由于舌苔图像中越接近异常区域的结束位置的所在行时,该行的异常像素点数量越少,因而该行中异常区域的宽度越窄。因而可以根据每个阶段所对应的待编码行中异常像素点数量来判断异常区域的编码结束情况。
进一步的,获取第i个阶段刚编码完成的第i行中像素的梯度值,利用最大值最小值归一化方法对第i行中像素的梯度值进行归一化处理得到第i行中每个像素的归一化梯度值,将第i行中归一化梯度值大于预设梯度阈值Y1的像素记为可选像素,将任意两个可选像素之间随机组合得到若干组合,计算每个组合中两个可选像素之间的欧式距离记为每个组合的距离,在所有组合中获取最大的距离,记为第i个阶段的异常宽度,将最大距离对应的组合中两个可选像素均记为异常边界像素。同理获取第i-1阶段的异常宽度。
本实施例以Y1取0.9为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
根据第i阶段的异常宽度,第i-1阶段的异常宽度以及第i个阶段的内容利用变化程度得到第i个阶段的异常映射指标的计算公式为:
其中,表示第i个阶段的字典的内容利用变化程度,该值越大说明第i个阶段的所编码的对应行的数据相较于上一阶段所编码对应行的数据发生变化较大,进而说明截止到第i个阶段,异常区域基本上被编码完成。开始对正常区域编码,从而导致所利用的字典中的数据流发生较大变化。/>表示第i个阶段的异常边界像素之间的所有像素的灰度值方差,该值越大说明第i个阶段的异常边界像素之间的所有像素的灰度值差异较大,因而第i个阶段的异常边界像素之间的像素为异常像素的可能性较大。因而第i个阶段的异常区域的编码完成的概率较小。/>表示第i个阶段的异常宽度,该值越大说明第i个阶段编码的所在行中异常像素存在个数还较多,因而第i个阶段的异常映射指标较小。/>表示第i个阶段的异常宽度与上一个阶段的异常宽度的差值,由于当异常区域快编码完成时,其相邻行之间的异常像素数量会逐渐减少,因而可以通过此来判断第i个阶段的异常映射指标。/>表示第i个阶段的异常映射指标,/>表示双曲正切函数,用于进行归一化处理;exp()表示以自然常数为底的指数函数。/>表示线性归一化处理。
步骤S004:根据每个阶段的异常映射指标和每个阶段的内存映射指标得到每个阶段的字典的清理必要性,根据每个阶段的字典的清理必要性对每个阶段的字典进行清理控制,根据每个阶段的字典的清理控制结果完成舌苔图像的编码压缩处理。
具体的,将每个阶段的异常映射指标与每个阶段的字典的内存映射指标的乘积作为每个阶段的字典的清理必要性。
进一步的,对于任意一个阶段的字典,当字典的清理必要性大于预设清理必要性阈值Y2时,将该阶段的字典中的内容存入内存中后,然后将该阶段的字典中的内容清理掉。并将该阶段的字典对应的舌苔图像中的编码截止位置标记出来。
本实施例中以Y2取0.9为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
然后再根据LZW算法重复上述S002和S003中过程,从舌苔图像中编码截止位置开始继续对舌苔图像进行编码。直至完成舌苔图像中所有像素的编码压缩。
所述舌苔图像的解码过程,和LZW算法中的解码过程相同,而LZW算法为现有技术,此处不再进行具体赘述。
请参阅图2,其示出了本发明实施例提供的一种中医护理数据智能管理系统,该系统包括以下模块:
图像采集模块,用于采集舌苔图像;
内存映射指标获取模块,用于对舌苔图像进行编码压缩处理,在编码压缩过程中,获取每个阶段的字典以及每个阶段的已编码区域;根据每个阶段的字典的容量和已编码区域中的总行数得到每个阶段的字典的内存映射指标;
异常映射指标获取模块,用于根据每个阶段的已编码区域的面积以及每个阶段的字典中的内容得到每个阶段的字典的内容利用率,根据每个阶段的字典的内容利用率以及每个阶段的字典中的内容得到每个阶段的字典的内容利用变化程度;根据每个阶段的已编码区域中像素的灰度值和梯度值,每个阶段的字典的内容利用变化程度得到每个阶段的字典的异常映射指标;
字典清理控制模块,用于根据每个阶段的字典的内存映射指标以及每个阶段字典的异常映射指标得到每个阶段的字典的清理必要性;根据每个阶段的字典的清理必要性进行字典清理控制。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种中医护理数据智能管理方法,其特征在于,该方法包括以下步骤:
采集舌苔图像;
对舌苔图像进行编码压缩处理,在编码压缩过程中,获取每个阶段的字典以及每个阶段的已编码区域;根据每个阶段的字典的容量和已编码区域中的总行数得到每个阶段的字典的内存映射指标;
根据每个阶段的已编码区域的面积以及每个阶段的字典中的内容得到每个阶段的字典的内容利用率,根据每个阶段的字典的内容利用率以及每个阶段的字典中的内容得到每个阶段的字典的内容利用变化程度;根据每个阶段的已编码区域中像素的灰度值和梯度值,每个阶段的字典的内容利用变化程度得到每个阶段的字典的异常映射指标;
根据每个阶段的字典的内存映射指标以及每个阶段字典的异常映射指标得到每个阶段的字典的清理必要性;根据每个阶段的字典的清理必要性进行字典清理控制。
2.根据权利要求1所述一种中医护理数据智能管理方法,其特征在于,所述对舌苔图像进行编码压缩处理,在编码压缩过程中,获取每个阶段的字典以及每个阶段的已编码区域,包括的具体方法为:
将每完成舌苔图像中一行数据的编码压缩称为一个阶段;
对于第i个阶段,将刚完成舌苔图像的前i行编码压缩时得到字典称为第i个阶段的字典;在舌苔图像中获取,已完成编码压缩的前i行像素构成的区域,记为第i个阶段的已编码区域。
3.根据权利要求1所述一种中医护理数据智能管理方法,其特征在于,所述根据每个阶段的字典的容量和已编码区域中的总行数得到每个阶段的字典的内存映射指标,包括的具体方法为:
获取LZW算法中设置的字典的最大容量,记为容量阈值;获取每个阶段的字典的容量,以及每个阶段的已编码区域的总行数;
根据容量阈值,每个阶段的字典的容量以及每个阶段的已编码区域的总行数得到每个阶段的字典的内存映射指标的计算公式为:
其中,表示第i个阶段的字典的容量,/>表示容量阈值,/>表示第i个阶段的已编码区域的总行数,/>表示舌苔图像中总行数,/>表示第i个阶段的字典的内存映射指标,/>表示正弦函数。
4.根据权利要求1所述一种中医护理数据智能管理方法,其特征在于,所述根据每个阶段的已编码区域的面积以及每个阶段的字典中的内容得到每个阶段的字典的内容利用率,包括的具体方法为:
其中,表示第i个阶段的已编码区域中的像素数量,/>表示第i个阶段的字典的容量;表示第i个阶段的字典中最长的数据流的长度,/>表示第i个阶段的字典中数据流的平均长度,/>表示双曲正切函数,/>表示以自然常数为底的对数函数,/>表示第i阶段的字典的内容利用率。
5.根据权利要求1所述一种中医护理数据智能管理方法,其特征在于,所述根据每个阶段的字典的内容利用率以及每个阶段的字典中的内容得到每个阶段的字典的内容利用变化程度,包括的具体方法为:
其中,表示第/>个阶段的字典的内容利用率,/>表示第/>个阶段的字典的内容利用率,/>表示双曲正切函数,/>表示第i个阶段的字典中数据流的平均长度,/>表示第i个阶段的字典中最长数据流的长度,/>表示第i-1个阶段的字典中数据流的平均长度,表示第i-1个阶段的字典中最长数据流的长度,/>表示第i个阶段字典的内容利用变化程度,/>表示线性归一化处理,||表示绝对值符号。
6.根据权利要求1所述一种中医护理数据智能管理方法,其特征在于,所述根据每个阶段的已编码区域中像素的灰度值和梯度值,每个阶段的字典的内容利用变化程度得到每个阶段的字典的异常映射指标,包括的具体方法为:
根据每个阶段的已编码区域中像素的梯度值得到每个阶段的异常宽度和异常边界像素;
根据每个阶段的异常宽度,每个阶段异常边界像素,每个阶段的字典的内容利用率得到每个阶段的异常映射指标的计算方法为:
其中,表示第i个阶段的字典的内容利用变化程度,/>表示第i个阶段的异常边界像素之间的所有像素的灰度值方差,/>表示第i个阶段的异常宽度,/>表示第i个阶段的异常宽度与上一个阶段的异常宽度的差值,/>表示第i个阶段的异常映射指标,/>表示双曲正切函数,exp()表示以自然常数为底的指数函数,/>表示线性归一化处理。
7.根据权利要求6所述一种中医护理数据智能管理方法,其特征在于,所述根据每个阶段的已编码区域中像素的梯度值得到每个阶段的异常宽度和异常边界像素,包括的具体方法为:
对于第i阶段,获取该阶段刚编码完成的第i行中像素的梯度值,利用最大值最小值归一化方法对第i行中像素的梯度值进行归一化处理得到第i行中每个像素的归一化梯度值,将第i行中归一化梯度值大于预设梯度阈值Y1的像素记为可选像素,将任意两个可选像素之间随机组合得到若干组合,计算每个组合中两个可选像素之间的欧式距离记为每个组合的距离,在所有组合中获取最大的距离,记为异常宽度,将最大距离对应的组合中的两个可选像素均记为异常边界像素。
8.根据权利要求1所述一种中医护理数据智能管理方法,其特征在于,所述根据每个阶段的字典的内存映射指标以及每个阶段字典的异常映射指标得到每个阶段的字典的清理必要性,包括的具体方法为:
将每个阶段的异常映射指标与每个阶段的字典的内存映射指标的乘积作为每个阶段的字典的清理必要性。
9.根据权利要求1所述一种中医护理数据智能管理方法,其特征在于,所述根据每个阶段的字典的清理必要性进行字典清理控制,包括的具体方法为:
对于任意一个阶段的字典,当字典的清理必要性大于预设清理必要性阈值时,将该阶段的字典中的内容存入内存中后,然后将该阶段的字典中的内容清理掉。
10.一种中医护理数据智能管理系统,其特征在于,该系统包括以下模块:
图像采集模块,用于采集舌苔图像;
内存映射指标获取模块,用于对舌苔图像进行编码压缩处理,在编码压缩过程中,获取每个阶段的字典以及每个阶段的已编码区域;根据每个阶段的字典的容量和已编码区域中的总行数得到每个阶段的字典的内存映射指标;
异常映射指标获取模块,用于根据每个阶段的已编码区域的面积以及每个阶段的字典中的内容得到每个阶段的字典的内容利用率,根据每个阶段的字典的内容利用率以及每个阶段的字典中的内容得到每个阶段的字典的内容利用变化程度;根据每个阶段的已编码区域中像素的灰度值和梯度值,每个阶段的字典的内容利用变化程度得到每个阶段的字典的异常映射指标;
字典清理控制模块,用于根据每个阶段的字典的内存映射指标以及每个阶段字典的异常映射指标得到每个阶段的字典的清理必要性;根据每个阶段的字典的清理必要性进行字典清理控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410283390.1A CN117877686B (zh) | 2024-03-13 | 2024-03-13 | 一种中医护理数据智能管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410283390.1A CN117877686B (zh) | 2024-03-13 | 2024-03-13 | 一种中医护理数据智能管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117877686A true CN117877686A (zh) | 2024-04-12 |
CN117877686B CN117877686B (zh) | 2024-05-07 |
Family
ID=90590391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410283390.1A Active CN117877686B (zh) | 2024-03-13 | 2024-03-13 | 一种中医护理数据智能管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117877686B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194912A (zh) * | 2017-04-20 | 2017-09-22 | 中北大学 | 基于稀疏表示的改进耦合字典学习的脑部ct/mr图像融合方法 |
CN108182967A (zh) * | 2017-12-14 | 2018-06-19 | 华南理工大学 | 一种基于深度神经网络的中医药材推荐方法 |
CN108814565A (zh) * | 2018-07-04 | 2018-11-16 | 重庆邮电大学 | 一种基于多传感器信息融合和深度学习的智能中医健康检测梳妆台 |
CN110210319A (zh) * | 2019-05-07 | 2019-09-06 | 平安科技(深圳)有限公司 | 计算机设备、舌体照片体质识别装置及存储介质 |
JP2019180749A (ja) * | 2018-04-09 | 2019-10-24 | 富士通株式会社 | 画像処理プログラム、画像処理装置、および画像処理方法 |
WO2021164037A1 (zh) * | 2020-02-22 | 2021-08-26 | 肖鸣春 | 一种治疗流行性感冒或传染病的药品 |
CN113808075A (zh) * | 2021-08-04 | 2021-12-17 | 上海大学 | 一种基于深度学习的两阶段舌象识别方法 |
CN114943862A (zh) * | 2022-06-07 | 2022-08-26 | 南京工业大学 | 一种基于结构性解析字典学习的两阶段图像分类方法 |
CN115829834A (zh) * | 2022-09-16 | 2023-03-21 | 南京邮电大学 | 基于半耦合深度卷积字典学习的图像超分辨率重建方法 |
CN116884648A (zh) * | 2023-05-23 | 2023-10-13 | 深圳汇医必达医疗科技有限公司 | 基于中医问诊的语音交互优化方法、装置、设备及介质 |
-
2024
- 2024-03-13 CN CN202410283390.1A patent/CN117877686B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194912A (zh) * | 2017-04-20 | 2017-09-22 | 中北大学 | 基于稀疏表示的改进耦合字典学习的脑部ct/mr图像融合方法 |
CN108182967A (zh) * | 2017-12-14 | 2018-06-19 | 华南理工大学 | 一种基于深度神经网络的中医药材推荐方法 |
JP2019180749A (ja) * | 2018-04-09 | 2019-10-24 | 富士通株式会社 | 画像処理プログラム、画像処理装置、および画像処理方法 |
CN108814565A (zh) * | 2018-07-04 | 2018-11-16 | 重庆邮电大学 | 一种基于多传感器信息融合和深度学习的智能中医健康检测梳妆台 |
CN110210319A (zh) * | 2019-05-07 | 2019-09-06 | 平安科技(深圳)有限公司 | 计算机设备、舌体照片体质识别装置及存储介质 |
WO2021164037A1 (zh) * | 2020-02-22 | 2021-08-26 | 肖鸣春 | 一种治疗流行性感冒或传染病的药品 |
CN113808075A (zh) * | 2021-08-04 | 2021-12-17 | 上海大学 | 一种基于深度学习的两阶段舌象识别方法 |
CN114943862A (zh) * | 2022-06-07 | 2022-08-26 | 南京工业大学 | 一种基于结构性解析字典学习的两阶段图像分类方法 |
CN115829834A (zh) * | 2022-09-16 | 2023-03-21 | 南京邮电大学 | 基于半耦合深度卷积字典学习的图像超分辨率重建方法 |
CN116884648A (zh) * | 2023-05-23 | 2023-10-13 | 深圳汇医必达医疗科技有限公司 | 基于中医问诊的语音交互优化方法、装置、设备及介质 |
Non-Patent Citations (3)
Title |
---|
BO HUANG; DAVID ZHANG; YANLAI LI; HONGZHI ZHANG; NAIMIN LI: ""Tongue coating image retrieval"", 《2011 3RD INTERNATIONAL CONFERENCE ON ADVANCED COMPUTER CONTROL》, 12 September 2011 (2011-09-12), pages 292 - 296 * |
张军峰: ""舌苔形成的调控机制及研究新思路"", 《南京中医药大学学报》, vol. 40, no. 2, 21 February 2024 (2024-02-21), pages 201 - 208 * |
蔡轶珩: ""基于高光谱图像的中医舌苔和舌质分类研究"", 《背景生物医学工程》, vol. 42, no. 6, 5 January 2024 (2024-01-05), pages 559 - 661 * |
Also Published As
Publication number | Publication date |
---|---|
CN117877686B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111696660B (zh) | 基于人工智能的患者分群方法、装置、设备及存储介质 | |
CN116961675B (zh) | 一种医疗护理数据智能处理方法 | |
CN116153452B (zh) | 基于人工智能的医疗电子病历存储系统 | |
CN116016606B (zh) | 一种基于智慧云的污水处理运维数据高效管理系统 | |
CN109493931B (zh) | 一种病历文件的编码方法、服务器及计算机可读存储介质 | |
CN114445784B (zh) | 一种crrt屏幕参数实时采集的方法和系统 | |
CN117437310B (zh) | 一种类器官培养图像压缩方法 | |
CN117877686B (zh) | 一种中医护理数据智能管理方法及系统 | |
CN116631563B (zh) | 一种医药行业大数据存储及智能匹配方法 | |
CN117014519A (zh) | 一种数据传输方法及医院智能传输系统 | |
CN116525073B (zh) | 一种基于健康体检大数据的数据库智能管理系统 | |
CN116743181A (zh) | 基于大数据的用药安全数据分类存储方法 | |
CN114049315B (zh) | 关节识别方法、电子设备、存储介质及计算机程序产品 | |
CN114566293B (zh) | 一种crrt停机决策辅助系统及方法 | |
CN115984179A (zh) | 鼻骨骨折的识别方法、装置、终端及存储介质 | |
CN110786847A (zh) | 心电信号的建库方法和分析方法 | |
CN114864031A (zh) | 一种基于区块链的数据治理协同方法 | |
CN114125070A (zh) | 一种量化压缩的通信方法、系统、电子装置及存储介质 | |
CN117998024B (zh) | 一种心脏辅助检测用超声影像传输方法 | |
CN118016225B (zh) | 一种肾移植术后电子健康记录数据智能管理方法 | |
CN118379373B (zh) | 一种义齿三维成像的数据处理方法及系统 | |
CN117193667A (zh) | 基于大数据的用户数据智能管理系统 | |
CN118232927B (zh) | 一种儿童护理监测数据智能管理方法 | |
CN117240304B (zh) | 一种电子发票数据处理方法及系统 | |
CN118412102B (zh) | 一种智能中医康复管理系统的数据安全存储方法 |
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 |