CN117934476A - 一种基于冲洗液图像识别的膀胱冲洗检测系统 - Google Patents
一种基于冲洗液图像识别的膀胱冲洗检测系统 Download PDFInfo
- Publication number
- CN117934476A CN117934476A CN202410335308.5A CN202410335308A CN117934476A CN 117934476 A CN117934476 A CN 117934476A CN 202410335308 A CN202410335308 A CN 202410335308A CN 117934476 A CN117934476 A CN 117934476A
- Authority
- CN
- China
- Prior art keywords
- image
- liquid
- sub
- bladder
- flushing
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 184
- 238000011010 flushing procedure Methods 0.000 title claims abstract description 165
- 238000003973 irrigation Methods 0.000 title claims abstract description 59
- 230000002262 irrigation Effects 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 239000012530 fluid Substances 0.000 claims abstract description 44
- 238000002834 transmittance Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000003062 neural network model Methods 0.000 claims abstract description 9
- 210000002700 urine Anatomy 0.000 claims description 103
- 238000011282 treatment Methods 0.000 claims description 83
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 208000024891 symptom Diseases 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 6
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 239000007787 solid Substances 0.000 abstract description 21
- 239000003086 colorant Substances 0.000 abstract description 8
- 229940113601 irrigation solution Drugs 0.000 description 15
- 239000003814 drug Substances 0.000 description 11
- 229940079593 drug Drugs 0.000 description 9
- 201000010099 disease Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 238000011084 recovery Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000000740 bleeding effect Effects 0.000 description 4
- 238000004090 dissolution Methods 0.000 description 4
- 210000001635 urinary tract Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- 208000007536 Thrombosis Diseases 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 206010020718 hyperplasia Diseases 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 210000002307 prostate Anatomy 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 231100000699 Bacterial toxin Toxicity 0.000 description 1
- 206010004446 Benign prostatic hyperplasia Diseases 0.000 description 1
- 208000037581 Persistent Infection Diseases 0.000 description 1
- 208000004403 Prostatic Hyperplasia Diseases 0.000 description 1
- 206010039509 Scab Diseases 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 239000000688 bacterial toxin Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 108700012359 toxins Proteins 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请公开了一种基于冲洗液图像识别的膀胱冲洗检测系统，涉及医疗系统技术领域。包括获取第一图像，第一图像为对膀胱冲洗后的冲洗液的现有图像，提取第一图像的特征信息，包括颜色等，将第一图像以及特征信息输入神经网络模型训练，到用于识别膀胱冲洗液特征信息的第一识别模型；使进行膀胱冲洗操作后得到的待识别的膀胱冲洗液，待识别的膀胱冲洗液为第一液体；对第一液体进行图像采集得到第二图像，将第二图像输入第一识别模型，输出第二图像的特征信息，不再通过医护人员进行观察记录患者冲洗液的数据，可以直接输出第二图像的颜色、澄清度和透光度低于阈值的固体的大小以及数量，避免医护人员由于主观对膀胱冲洗液的特征信息进行错误记录。
Description
技术领域
本申请涉及医疗系统领域，具体涉及一种基于冲洗液图像识别的膀胱冲洗检测系统。
背景技术
膀胱对于人体而言是非常重要的器官之一。很多的患者在做完膀胱相关手术之后基本都需要插导尿管，一方面，在做手术之后的恢复初期，泌尿道通常会出现出血情况，在这个时候通过膀胱冲洗液冲洗膀胱可以将创面的出血冲洗到膀胱外，避免在膀胱内形成血块堵塞尿管，另一方面，长时间插导尿管容易引起感染以及膀胱慢性感染的患者也都可以行膀胱冲洗，可以将膀胱内的细菌及毒素冲出，使感染得到控制，因此使用膀胱冲洗液对膀胱进行冲洗液可以有效预防或控制感染。
膀胱冲洗液通常是生理盐水或各类添加了抗生素的生理盐水，膀胱冲洗液通过导尿管进入膀胱后，再通过导尿管携带膀胱内的各类异物排出膀胱，医护人员根据排出的膀胱冲洗液可以判断患者膀胱内的恢复情况，但目前现有技术存在的问题是：冲洗后的膀胱冲洗液需要观察的指标较多，包括颜色、澄清度和透光度，因此通过人工观察需要耗时较长，且医护人员在对膀胱冲洗液进行观察时主观性较强，观察结果难以保证客观。因此需要一种膀胱冲洗检测系统，对膀胱冲洗液进行识别检测，能快速得出客观的识别结果，辅助医护人员进行判断，满足日益发展的临床需求。
发明内容
本申请针对冲洗后的膀胱冲洗液需要观察的指标较多，包括颜色、澄清度和透光度，因此通过人工观察需要耗时较长，且医护人员在对膀胱冲洗液进行观察时主观性较强，观察结果难以保证客观的问题，具体技术方案如下：
在本申请的第一方面，提供一种基于冲洗液图像识别的膀胱冲洗检测系统，包括：
模型训练模块，获取第一图像，所述第一图像为对膀胱冲洗后的冲洗液的现有图像，提取所述第一图像的特征信息，所述特征信息包括颜色、澄清度和透光度，将所述第一图像以及对应的所述特征信息输入神经网络模型进行训练，得到用于识别膀胱冲洗液特征信息的第一识别模型；
第一获取模块，使用冲洗液进行膀胱冲洗操作后得到的待识别的膀胱冲洗液，所述待识别的膀胱冲洗液为第一液体；
第一识别模块，对所述第一液体进行图像采集得到第二图像，将所述第二图像输入所述第一识别模型，输出所述第二图像的所述特征信息。
在本申请一实施例中，所述第一获取模块还包括：
第一获取子模块，所述第一液体收集至集尿袋中，单次治疗过程获取多份所述第一液体，所述第一液体根据单次治疗需要的冲洗次数对应若干次数的子液体，所述子液体根据冲洗时间由先到后具体包括第一子液体到第n子液体，每一份所述子液体在所述集尿袋中的独立区域进行单独保存。
在本申请一实施例中，还包括：
第二识别模块，在所述集尿袋上设置信息识别卡，所述第一识别模型根据所述信息识别卡获取患者信息，所述患者信息中包括患者治疗使用的冲洗液的信息，与将对患者使用的冲洗液的信息进行对比；
身份档案模块，单次治疗过程后采集的多份所述第二图像，根据采集时间进行横向排列或纵向排列，再将多次治疗过程根据采集时间进行纵向排列或横向排列，将形成的图像矩阵保存至所述患者信息中。
在本申请一实施例中，还包括：
第一分类模块，所述模型训练模块在所述第一图像以及对应的所述特征信息输入神经网络模型进行训练之前，根据对膀胱冲洗前的冲洗液种类的不同，对所述第一图像进行分类得到第一子图像，对多类所述第一子图像进行训练，得到多个第一子模型；
第三识别模块，输入膀胱冲洗前的冲洗液种类，调用对应的所述第一子模型，将所述第二图像输入所述第一子模型，输出所述第二图像的所述特征信息。
在本申请一实施例中，还包括：
追踪模块，所述第一识别模块输出所述第二图像中所述透光度低于阈值的区域作为第一区域，对所述第一区域进行定位以及追踪；
留存模块，识别出所述第一区域时，对所述第一区域进行放大后留存图像，获得所述透光度低于阈值的物质进入所述集尿袋时的初始图像。
在本申请一实施例中，还包括：
信息预测模块，根据不同病症设置不同治疗阶段所述特征信息的预测值；
异常报警模块，通过所述第二识别模块获取所述患者信息，所述患者信息中包括患者所患病症以及治疗阶段，获取当前阶段所述特征信息的预测值；所述第一识别模块输出所述第二图像的所述特征信息时，当所述特征信息与预测值有差异时，进行异常报警。
在本申请一实施例中，还包括：
远程查看模块，所述异常报警后，将所述第二图像发送至云端后交由患者的主治医生进行查看，根据所述第二图像做出对应处理；
阶段更新模块，主治医生根据所述特征信息与预测值有差异的所述第二图像调整后续治疗方案，更新患者病症以及治疗阶段。
在本申请一实施例中，所述第一获取子模块还包括：
分区子模块，所述集尿袋包括多个独立区域，独立区域之间通过第一夹板分隔开，所述第一夹板包括第一子夹板和第二子夹板，所述第一子夹板和所述第二子夹板的一端铰接，另一端卡扣连接，所述集尿袋放置在所述第一子夹板和所述第二子夹板之间，所述第一子夹板和所述第二子夹板关闭卡扣，将所述第一夹板两侧的所述集尿袋隔开。
在本申请一实施例中，所述第一识别模块对所述第一液体进行图像采集得到第二图像前，识别所述第一夹板和所述集尿袋，以所述第一夹板和所述集尿袋边缘围成的区域进行图像采集。
在本申请一实施例中，每多一份所述第一液体则多一对所述第一夹板，对多对所述第一夹板根据先后顺序进行由小到大的编号，所述第一识别模块识别所述第一夹板和所述集尿袋时，如果编号最大的所述第一夹板编号为1，则选择所述第一夹板与所述集尿袋的三侧边缘所围区域作为图像采集区域，如果编号最大的所述第一夹板编号大于1，则选择编号最大和第二大的两对所述第一夹板与所述集尿袋的两侧边缘所围区域作为图像采集区域。
本申请具有以下有益效果：
1、通过预先训练得到可以识别膀胱冲洗液颜色、澄清度和透光度低于阈值的固体的大小以及数量的所述第一识别模型，不再通过医护人员进行观察记录患者冲洗液的数据，医护人员对患者进行冲洗后，将膀胱冲洗液进行图像采集得到第二图像，输入所述第一识别模型，可以直接输出所述第二图像的颜色、澄清度和透光度低于阈值的固体的大小以及数量，避免医护人员由于主观对膀胱冲洗液的所述特征信息进行错误记录。
2、考虑到每一次排出的冲洗液内的特征信息不同，例如当泌尿道内有出血情况时，次数靠前排出的冲洗液颜色中的红色会深于次数靠后排出的冲洗液，而将多次排出的冲洗液统一混合在所述集尿袋中，则会中和红色深度，更重要的是，当次数靠后排出的冲洗液排出时，次数靠前排出的冲洗液已经排出了一段时间，这段时间沉淀、与空气反应等都容易导致特征信息变化，此时再将次数靠后排出冲洗液与次数靠前的冲洗液混合在一起进行图像采集，容易导致特征信息不准确，因此本实施方式中，对每一次排出的冲洗液作为一份所述第一液体，所述第一液体根据单次治疗需要的冲洗次数对应若干次数的子液体，所述子液体根据冲洗时间由先到后具体包括第一子液体到第n子液体，每一份所述子液体在所述集尿袋中的独立区域进行单独保存，每一次排出的冲洗液之间互不影响，同时避免次数靠前排出冲洗液中的固体多次受到次数靠后冲洗液的浓度较低，甚至是流入冲击而导致固体解体溶解等情况，且每次排完冲洗液后立即进行图像采集，避免冲洗液在外界经过长时间反应作用导致特征信息改变，有效减小所述特征信息的变化，保持原始信息提供给医护人员。
3、考虑到每位患者使用的冲洗液中添加的药品不同、浓度不同，因此在所述集尿袋上甚至所述信息识别卡，通过所述信息识别卡可获得患者信息，所述患者信息中包含医嘱，通过医嘱中患者需要使用的冲洗液信息，与将对患者使用的冲洗液的信息进行对比，有效减小患者没有使用到自己应该使用的冲洗液的风险；进一步的，所述患者信息中还包含所述图像矩阵，所述图像矩阵中横向排列或纵向排列着单次治疗过程后采集的多份所述第二图像，对应的纵向排列或横向排列着根据采集时间排列的多次治疗的所述第二图像，通过这样设计，可以对单次治疗中的第一子液体到第n子液体的第二图像根据前后顺序排列，得到单次治疗中患者多次冲洗的冲洗液变化情况，还可以使每次治疗的第1-n次排出的冲洗液所得的所述第二图像位于同一列或同一行进行独立对比，得到多次治疗中患者同次数排出的冲洗液的变化情况，例如从第一次治疗到第七次治疗，每次治疗中第一子液体的所述第二图像位于同一列，参见图3所示，对患者单次以及整个治疗过程的图像更直观方便的查看。
4、考虑到不同的患者会使用添加不同药品的冲洗液，而添加不同的药品冲洗液会显示出不同的颜色，因此在膀胱冲洗之前，冲洗液具有不同的颜色，同时不同药品也会与膀胱内的物质进行不同的反应显现出不同的颜色，因此为避免添加不同药品的冲洗液冲洗膀胱后造成的差异，对医院中使用的添加同种药品的冲洗液现有图像进行单独集合，一个所述第一子模型对应一种药品的冲洗液，在所述第二图像输入之前，根据使用的冲洗液种类调用对应的所述第一子模型进行识别，排除不同冲洗液颜色以及反应的影响，避免识别模型受到不同冲洗液的第一图像的影响，导致特征信息不准确。
5、所述透光度低于阈值的区域也就是固体所在区域，由于固体随着冲洗液排出膀胱，进入所述集尿袋后也会随着冲洗液浮动，因此对所述第一区域进行定位以及追踪，并且在识别出所述第一区域时，对所述第一区域进行放大留存图像，得到高清细致的固体刚进入集尿袋时的图像，作为固体的初始状态提供给医护人员进行查看，同时如固体随着时间推移逐渐溶解，也可以提供给医务人员查看通过追踪图像得出的固体溶解速度以及溶解大小。
6、根据现有病例设置不同阶段所述特征信息的预测值，例如前列腺增生手术后，根据现有前列腺增生手术患者正常恢复的治疗过程，预测患者经过不同天数或次数的治疗后膀胱冲洗液的所述特征信息，得到整个治疗过程的预测值；进一步获取患者信息得到患者所患病症以及治疗阶段，也就是患者当前经过治疗的天数或次数，得到当前特征信息的预测值，所述第一识别模块输出所述第二图像的所述特征信息时，当所述特征信息与预测值有差异时，说明患者当前恢复情况与正常恢复的患者不同，可能出现了恶化或并发症等意外情况，进行异常报警，不再完全通过医护人员判断，由系统进行初步判断，当识别出异常时进行异常报警，提醒医护人员进行查看，提高诊治效率；进一步的，考虑到膀胱冲洗通过是由护士完成，因此出现异常警报时，患者的主治医生可能不在现场，因此将出现异常的膀胱冲洗液送去主治医生处或主治医生赶到患者处都需要花费时间，而这段时间可能会出现膀胱冲洗液的特征信息变化，因此在本实施方式中直接将所述第二图像发送给主治医生，包括所述留存模块获得的所述透光度低于阈值的物质进入所述集尿袋时的初始图像以及放大图像，主治医生根据所述第二图像进行对应处理，包括安排再次手术等；进一步的，患者可能由于病情恶化或引发的并发症导致异常报警发生，主治医生根据所述第二图像得出目前患者的病症以及治疗阶段，患者信息同步使用新的病症以及治疗阶段进行后续预测，更符合患者可能出现各种情况，扩大系统适用范围。
7、通过所述第一夹板通过铰接和卡扣带来的压力将所述集尿袋的内部空间隔开，多个所述第一夹板可以将所述集尿袋分为多个独立区域，不用对所述集尿袋本体进行修改，所述第一夹板可以完美适配目前各医院使用的所述集尿袋；同时由于每位患者每次输入的冲洗液量不同，以及患者本身尿液影响导致输出的冲洗液量也不同，因此通过所述第一夹板可以在所述集尿袋的任意高度进行夹紧，当冲洗液进入所述集尿袋后，根据冲洗液的最高位置进行对应位置的夹紧，避免浪费所述集尿袋空间，同时可以在对应的独立空间内尽量留最少的空气，减少冲洗液与空气的反应；进一步的，所述第一夹板在夹紧所述集尿袋的过程中，由所述集尿袋的顶部，也就是冲洗液进入所述集尿袋的一端，夹紧后向所述集尿袋的底部移动，将所述集尿袋袋体上残留的冲洗液向所述集尿袋的底部挤压，减少袋体上的冲洗液残留，使单次治疗过程中次数靠后进入所述集尿袋的冲洗液不与次数靠前残留在袋体上的冲洗液混合，提高特征信息的准确性。
8、考虑到所述第一识别模块对所述第一液体进行图像采集得到所述第二图像，通常是得到的包含所述第一液体的所述第二图像，难以对边缘进行划分，因此所述第二图像通常包含了无关像素内容，难以得到铺满视野、分辨率最高的所述第二图像，因此本实施方式通过识别所述第一夹板和所述集尿袋，采集图像时，放大调整图像只采集所述第一夹板和所述集尿袋边缘围成的区域，不对所述第一夹板以上的所述集尿袋进行图像采集，所述第一夹板以上的所述集尿袋也就是还没有冲洗液的所述集尿袋；进一步的，对所述第一夹板进行编号，图像采集时只采集编号最大的两个所述第一夹板以及所述第一夹板之间的集尿袋围成的区域，在不对所述第一夹板以上的所述集尿袋进行图像采集的同时，也不对已经采集过的部分进行图像采集。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本申请实施例涉及的硬件运行环境的电子设备结构示意图。
图2是本申请实施例提供的一种基于冲洗液图像识别的膀胱冲洗检测系统的功能模块示意图。
图3是本申请实施例提供的一种基于冲洗液图像识别的膀胱冲洗检测系统的图像矩阵示意图。
图4是本申请实施例提供的一种基于冲洗液图像识别的膀胱冲洗检测系统的集尿袋与第一夹板的结构示意图。
图5是本申请实施例提供的一种基于冲洗液图像识别的膀胱冲洗检测系统的步骤流程图。
图中编号：1001-处理器，1002-通信总线，1003-用户接口，1004-网络接口，1005-存储器，31-集尿袋，32-第一夹板。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。显然，所描述的实施例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他实施例，都属于本申请保护的范围。
下面结合附图对本申请的方案进一步说明。
如图1所示，该电子设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，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。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。
在图1所示的电子设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电子设备中的处理器1001、存储器1005可以设置在电子设备中，电子设备通过处理器1001调用存储器1005中存储的一种基于冲洗液图像识别的膀胱冲洗检测系统，并执行本申请实施例提供的一种基于冲洗液图像识别的膀胱冲洗检测系统。
基于前述硬件运行环境和系统架构，在本申请的第一方面，参照图2所示，提供一种基于冲洗液图像识别的膀胱冲洗检测系统，包括：
模型训练模块，获取第一图像，所述第一图像为对膀胱冲洗后的冲洗液的现有图像，提取所述第一图像的特征信息，所述特征信息包括颜色、澄清度和透光度，将所述第一图像以及对应的所述特征信息输入神经网络模型进行训练，得到用于识别膀胱冲洗液特征信息的第一识别模型；
需要说明的是，经过多年的信息存储，目前各大医院具有大量膀胱冲洗液图像资料，同时也可在互联网进行下载膀胱冲洗液图像，大量现有的膀胱冲洗液图像形成所述第一图像，所述特征信息包括颜色、澄清度和透光度，通常膀胱冲洗液冲洗后的颜色应为透明色或淡黄色，当膀胱冲洗液中冲洗出的血越多，则冲洗出的颜色会越来越红，同样当膀胱中细菌毒素越多时，则冲洗出的膀胱冲洗液会越浑浊，澄清度越低，而所述透光度则是物质能通过的光线量，大多固体例如血痂、血凝块无法透光，透光度为零，因此冲洗出的膀胱冲洗液中存在物质的所述透光度低于阈值时，视为从膀胱中冲洗出的固体；
第一获取模块，使用冲洗液进行膀胱冲洗操作后得到的待识别的膀胱冲洗液，所述待识别的膀胱冲洗液为第一液体；
第一识别模块，对所述第一液体进行图像采集得到第二图像，将所述第二图像输入所述第一识别模型，输出所述第二图像的所述特征信息。
需要说明的是，输出所述第二图像的所述特征信息，包括所述第二图像的颜色、澄清度和透光度低于阈值的固体的大小以及数量；
在本实施方式中，通过预先训练得到可以识别膀胱冲洗液颜色、澄清度和透光度低于阈值的固体的大小以及数量的所述第一识别模型，不再通过医护人员进行观察记录患者冲洗液的数据，医护人员对患者进行冲洗后，将膀胱冲洗液进行图像采集得到第二图像，输入所述第一识别模型，可以直接输出所述第二图像的颜色、澄清度和透光度低于阈值的固体的大小以及数量，避免医护人员由于主观对膀胱冲洗液的所述特征信息进行错误记录。
在本申请一实施例中，所述第一获取模块还包括：
第一获取子模块，所述第一液体收集至集尿袋31中，单次治疗过程获取多份所述第一液体，所述第一液体根据单次治疗需要的冲洗次数对应若干次数的子液体，所述子液体根据冲洗时间由先到后具体包括第一子液体到第n子液体，每一份所述子液体在所述集尿袋31中的独立区域进行单独保存。
需要说明的是，对于一些膀胱冲洗处理方式中，考虑到需要冲洗液中的药物在膀胱内作用预定时间，同时也为了避免膀胱过度充盈，导致膀胱受损，医护人员进行膀胱冲洗的治疗过程中，通常每次向膀胱内放入少量冲洗液，少量冲洗液基本为50~200ml，待冲洗液在膀胱内静置5min左右后排出，再重复上述操作，根据预设的重复次数，放入冲洗液对应多次排出冲洗液，排出的冲洗液回收至所述集尿袋31中，等待进一步进行送检或其他处理；
在本实施方式中，考虑到每一次排出的冲洗液内的特征信息不同，例如当泌尿道内有出血情况时，次数靠前排出的冲洗液颜色中的红色会深于次数靠后排出的冲洗液，而将多次排出的冲洗液统一混合在所述集尿袋31中，则会中和红色深度，更重要的是，当次数靠后排出的冲洗液排出时，次数靠前排出的冲洗液已经排出了一段时间，这段时间沉淀、与空气反应等都容易导致特征信息变化，此时再将次数靠后排出冲洗液与次数靠前的冲洗液混合在一起进行图像采集，容易导致特征信息不准确，因此本实施方式中，对每一次排出的冲洗液作为一份所述第一液体，所述第一液体根据单次治疗需要的冲洗次数对应若干次数的子液体，所述子液体根据冲洗时间由先到后具体包括第一子液体到第n子液体，每一份所述子液体在所述集尿袋31中的独立区域进行单独保存，每一次排出的冲洗液之间互不影响，同时避免次数靠前排出冲洗液中的固体多次受到次数靠后冲洗液的浓度较低，甚至是流入冲击而导致固体解体溶解等情况，且每次排完冲洗液后立即进行图像采集，避免冲洗液在外界经过长时间反应作用导致特征信息改变，有效减小所述特征信息的变化，保持原始信息提供给医护人员。
在本申请一实施例中，还包括：
第二识别模块，在所述集尿袋31上设置信息识别卡，所述第一识别模型根据所述信息识别卡获取患者信息，所述患者信息中包括患者治疗使用的冲洗液的信息，与将对患者使用的冲洗液的信息进行对比；
身份档案模块，单次治疗过程后采集的多份所述第二图像，根据采集时间进行横向排列或纵向排列，再将多次治疗过程根据采集时间进行纵向排列或横向排列，将形成的图像矩阵保存至所述患者信息中。
需要说明的是，单次治疗可以理解为医护人员单次准备的冲洗液分为多次放入膀胱中，单次准备的冲洗液分为多次放入膀胱、静置和排出膀胱是一个连续的过程，而患者通常需要多次治疗，而多次治疗之间并不是连续的，每次治疗通常间隔6-24h；
在本实施方式中，考虑到每位患者使用的冲洗液中添加的药品不同、浓度不同，因此在所述集尿袋31上甚至所述信息识别卡，通过所述信息识别卡可获得患者信息，所述患者信息中包含医嘱，通过医嘱中患者需要使用的冲洗液信息，与将对患者使用的冲洗液的信息进行对比，有效减小患者没有使用到自己应该使用的冲洗液的风险；进一步的，所述患者信息中还包含所述图像矩阵，所述图像矩阵中横向排列或纵向排列着单次治疗过程后采集的多份所述第二图像，对应的纵向排列或横向排列着根据采集时间排列的多次治疗的所述第二图像，通过这样设计，可以对单次治疗中的第一子液体到第n子液体的第二图像根据前后顺序排列，得到单次治疗中患者多次冲洗的冲洗液变化情况，还可以使每次治疗的第1-n次排出的冲洗液所得的所述第二图像位于同一列或同一行进行独立对比，得到多次治疗中患者同次数排出的冲洗液的变化情况，例如从第一次治疗到第七次治疗，每次治疗中第一子液体的所述第二图像位于同一列，参见图3所示，对患者单次以及整个治疗过程的图像更直观方便的查看。
在本申请一实施例中，还包括：
第一分类模块，所述模型训练模块在所述第一图像以及对应的所述特征信息输入神经网络模型进行训练之前，根据对膀胱冲洗前的冲洗液种类的不同，对所述第一图像进行分类得到第一子图像，对多类所述第一子图像进行训练，得到多个第一子模型；
第三识别模块，输入膀胱冲洗前的冲洗液种类，调用对应的所述第一子模型，将所述第二图像输入所述第一子模型，输出所述第二图像的所述特征信息。
在本实施方式中，考虑到不同的患者会使用添加不同药品的冲洗液，而添加不同的药品冲洗液会显示出不同的颜色，因此在膀胱冲洗之前，冲洗液具有不同的颜色，同时不同药品也会与膀胱内的物质进行不同的反应显现出不同的颜色，因此为避免添加不同药品的冲洗液冲洗膀胱后造成的差异，对医院中使用的添加同种药品的冲洗液现有图像进行单独集合，一个所述第一子模型对应一种药品的冲洗液，在所述第二图像输入之前，根据使用的冲洗液种类调用对应的所述第一子模型进行识别，排除不同冲洗液颜色以及反应的影响，避免识别模型受到不同冲洗液的第一图像的影响，导致特征信息不准确。
在本申请一实施例中，还包括：
追踪模块，所述第一识别模块输出所述第二图像中所述透光度低于阈值的区域作为第一区域，对所述第一区域进行定位以及追踪；
留存模块，识别出所述第一区域时，对所述第一区域进行放大后留存图像，获得所述透光度低于阈值的物质进入所述集尿袋31时的初始图像。
在本实施方式中，所述透光度低于阈值的区域也就是固体所在区域，由于固体随着冲洗液排出膀胱，进入所述集尿袋31后也会随着冲洗液浮动，因此对所述第一区域进行定位以及追踪，并且在识别出所述第一区域时，对所述第一区域进行放大留存图像，得到高清细致的固体刚进入集尿袋31时的图像，作为固体的初始状态提供给医护人员进行查看，同时如固体随着时间推移逐渐溶解，也可以提供给医务人员查看通过追踪图像得出的固体溶解速度以及溶解大小。
在本申请一实施例中，还包括：
信息预测模块，根据不同病症设置不同治疗阶段所述特征信息的预测值；
异常报警模块，通过所述第二识别模块获取所述患者信息，所述患者信息中包括患者所患病症以及治疗阶段，获取当前阶段所述特征信息的预测值；所述第一识别模块输出所述第二图像的所述特征信息时，当所述特征信息与预测值有差异时，进行异常报警。
在本申请一实施例中，还包括：
远程查看模块，所述异常报警后，将所述第二图像发送至云端后交由患者的主治医生进行查看，根据所述第二图像做出对应处理；
阶段更新模块，主治医生根据所述特征信息与预测值有差异的所述第二图像调整后续治疗方案，更新患者病症以及治疗阶段。
在本实施方式中，根据现有病例设置不同阶段所述特征信息的预测值，例如前列腺增生手术后，根据现有前列腺增生手术患者正常恢复的治疗过程，预测患者经过不同天数或次数的治疗后膀胱冲洗液的所述特征信息，得到整个治疗过程的预测值；进一步获取患者信息得到患者所患病症以及治疗阶段，也就是患者当前经过治疗的天数或次数，得到当前特征信息的预测值，所述第一识别模块输出所述第二图像的所述特征信息时，当所述特征信息与预测值有差异时，说明患者当前恢复情况与正常恢复的患者不同，可能出现了恶化或并发症等意外情况，进行异常报警，不再完全通过医护人员判断，由系统进行初步判断，当识别出异常时进行异常报警，提醒医护人员进行查看，提高诊治效率；进一步的，考虑到膀胱冲洗通过是由护士完成，因此出现异常警报时，患者的主治医生可能不在现场，因此将出现异常的膀胱冲洗液送去主治医生处或主治医生赶到患者处都需要花费时间，而这段时间可能会出现膀胱冲洗液的特征信息变化，因此在本实施方式中直接将所述第二图像发送给主治医生，包括所述留存模块获得的所述透光度低于阈值的物质进入所述集尿袋31时的初始图像以及放大图像，主治医生根据所述第二图像进行对应处理，包括安排再次手术等；进一步的，患者可能由于病情恶化或引发的并发症导致异常报警发生，主治医生根据所述第二图像得出目前患者的病症以及治疗阶段，患者信息同步使用新的病症以及治疗阶段进行后续预测，更符合患者可能出现各种情况，扩大系统适用范围。
在本申请一实施例中，参见图4所示，所述第一获取子模块还包括：
分区子模块，所述集尿袋31包括多个独立区域，独立区域之间通过第一夹板32分隔开，所述第一夹板32包括第一子夹板和第二子夹板，所述第一子夹板和所述第二子夹板的一端铰接，另一端卡扣连接，所述集尿袋31放置在所述第一子夹板和所述第二子夹板之间，所述第一子夹板和所述第二子夹板关闭卡扣，将所述第一夹板32两侧的所述集尿袋31隔开。
在本实施方式中，通过所述第一夹板32通过铰接和卡扣带来的压力将所述集尿袋31的内部空间隔开，多个所述第一夹板32可以将所述集尿袋31分为多个独立区域，不用对所述集尿袋31本体进行修改，所述第一夹板32可以完美适配目前各医院使用的所述集尿袋31；同时由于每位患者每次输入的冲洗液量不同，以及患者本身尿液影响导致输出的冲洗液量也不同，因此通过所述第一夹板32可以在所述集尿袋31任意高度进行夹紧，当冲洗液进入所述集尿袋31后，根据冲洗液的最高位置进行对应位置的夹紧，避免浪费所述集尿袋31空间，同时可以在对应的独立空间内尽量留最少的空气，减少冲洗液与空气的反应，参见图4所示，最下方的阴影部分为所述第一子液体，由所述第一夹板32与上方的所述第二子液体隔开；进一步的，所述第一夹板32在夹紧所述集尿袋31的过程中，由所述集尿袋31的顶部，也就是冲洗液进入所述集尿袋31的一端，夹紧后向所述集尿袋31的底部移动，将所述集尿袋31袋体上残留的冲洗液向所述集尿袋31的底部挤压，减少袋体上的冲洗液残留，使单次治疗过程中次数靠后进入所述集尿袋31的冲洗液不与次数靠前残留在袋体上的冲洗液混合，提高特征信息的准确性。
在本申请一实施例中，所述第一识别模块对所述第一液体进行图像采集得到第二图像前，识别所述第一夹板32和所述集尿袋31，以所述第一夹板32和所述集尿袋31边缘围成的区域进行图像采集。
在本申请一实施例中，每多一份所述第一液体则多一对所述第一夹板32，对多对所述第一夹板32根据先后顺序进行由小到大的编号，所述第一识别模块识别所述第一夹板32和所述集尿袋31时，如果编号最大的所述第一夹板32编号为1，则选择所述第一夹板32与所述集尿袋31的三侧边缘所围区域作为图像采集区域，如果编号最大的所述第一夹板32编号大于1，则选择编号最大和第二大的两对所述第一夹板32与所述集尿袋31的两侧边缘所围区域作为图像采集区域。
在本实施方式中，考虑到所述第一识别模块对所述第一液体进行图像采集得到所述第二图像，通常是得到的包含所述第一液体的所述第二图像，难以对边缘进行划分，因此所述第二图像通常包含了无关像素内容，难以得到铺满视野、分辨率最高的所述第二图像，因此本实施方式通过识别所述第一夹板32和所述集尿袋31，采集图像时，放大调整图像只采集所述第一夹板32和所述集尿袋31边缘围成的区域，不对所述第一夹板32以上的所述集尿袋31进行图像采集，所述第一夹板32以上的所述集尿袋31也就是还没有冲洗液的所述集尿袋31部分；进一步的，对所述第一夹板32进行编号，图像采集时只采集编号最大的两个所述第一夹板32以及所述第一夹板32之间的集尿袋31围成的区域，在不对所述第一夹板32以上的所述集尿袋31进行图像采集的同时，也不对已经采集过的部分进行图像采集。
第二方面，参照图5所示，提供一种基于冲洗液图像识别的膀胱冲洗检测方法，包括：
获取第一图像，所述第一图像为对膀胱冲洗后的冲洗液的现有图像，提取所述第一图像的特征信息，所述特征信息包括颜色、澄清度和透光度，将所述第一图像以及对应的所述特征信息输入神经网络模型进行训练，得到用于识别膀胱冲洗液特征信息的第一识别模型；
使用冲洗液进行膀胱冲洗操作后得到的待识别的膀胱冲洗液，所述待识别的膀胱冲洗液为第一液体；
对所述第一液体进行图像采集得到第二图像，将所述第二图像输入所述第一识别模型，输出所述第二图像的所述特征信息。
在本申请一实施例中，所述第一液体收集至集尿袋31中，单次治疗过程获取多份所述第一液体，所述第一液体根据单次治疗需要的冲洗次数对应若干次数的子液体，所述子液体根据冲洗时间由先到后具体包括第一子液体到第n子液体，每一份所述子液体在所述集尿袋31中的独立区域进行单独保存。
在本申请一实施例中，在所述集尿袋31上设置信息识别卡，根据所述信息识别卡获取患者信息，所述患者信息中包括患者治疗使用的冲洗液的信息，与将对患者使用的冲洗液的信息进行对比；
单次治疗过程后采集的多份所述第二图像，根据采集时间进行横向排列或纵向排列，再将多次治疗过程根据采集时间进行纵向排列或横向排列，将形成的图像矩阵保存至所述患者信息中。
在本申请一实施例中，在所述第一图像以及对应的所述特征信息输入神经网络模型进行训练之前，根据对膀胱冲洗前的冲洗液种类的不同，对所述第一图像进行分类得到第一子图像，对多类所述第一子图像进行训练，得到多个第一子模型；
输入膀胱冲洗前的冲洗液种类，调用对应的所述第一子模型，将所述第二图像输入所述第一子模型，输出所述第二图像的所述特征信息。
在本申请一实施例中，输出所述第二图像中所述透光度低于阈值的区域作为第一区域，对所述第一区域进行定位以及追踪；
识别出所述第一区域时，对所述第一区域进行放大后留存图像，获得所述透光度低于阈值的物质进入所述集尿袋31时的初始图像。
在本申请一实施例中，根据不同病症设置不同治疗阶段所述特征信息的预测值；
获取所述患者信息，所述患者信息中包括患者所患病症以及治疗阶段，获取当前阶段所述特征信息的预测值；输出所述第二图像的所述特征信息时，当所述特征信息与预测值有差异时，进行异常报警。
在本申请一实施例中，所述异常报警后，将所述第二图像发送至云端后交由患者的主治医生进行查看，根据所述第二图像做出对应处理；
主治医生根据所述特征信息与预测值有差异的所述第二图像调整后续治疗方案，更新患者病症以及治疗阶段。
在本申请一实施例中，所述集尿袋31包括多个独立区域，独立区域之间通过第一夹板32分隔开，所述第一夹板32包括第一子夹板和第二子夹板，所述第一子夹板和所述第二子夹板的一端铰接，另一端卡扣连接，所述集尿袋31放置在所述第一子夹板和所述第二子夹板之间，所述第一子夹板和所述第二子夹板关闭卡扣，将所述第一夹板32两侧的所述集尿袋31隔开。
在本申请一实施例中，对所述第一液体进行图像采集得到第二图像前，识别所述第一夹板32和所述集尿袋31，以所述第一夹板32和所述集尿袋31边缘围成的区域进行图像采集。
在本申请一实施例中，每多一份所述第一液体则多一对所述第一夹板32，对多对所述第一夹板32根据先后顺序进行由小到大的编号，所述第一识别模块识别所述第一夹板32和所述集尿袋31时，如果编号最大的所述第一夹板32编号为1，则选择所述第一夹板32与所述集尿袋31的三侧边缘所围区域作为图像采集区域，如果编号最大的所述第一夹板32编号大于1，则选择编号最大和第二大的两对所述第一夹板32与所述集尿袋31的两侧边缘所围区域作为图像采集区域。
需要说明的是，本申请实施例的一种基于冲洗液图像识别的膀胱冲洗检测方法的具体实施方式参照前述本申请实施例第一方面提出的一种基于冲洗液图像识别的膀胱冲洗检测系统的具体实施方式，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的物品或者设备中还存在另外的相同要素。
以上对所提供的一种基于冲洗液图像识别的膀胱冲洗检测系统，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一种基于冲洗液图像识别的膀胱冲洗检测系统及其核心思想；同时，对于本领域的一般技术人员，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)
1.一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，包括：
模型训练模块，获取第一图像，所述第一图像为对膀胱冲洗后的冲洗液的现有图像，提取所述第一图像的特征信息，所述特征信息包括颜色、澄清度和透光度，将所述第一图像以及对应的所述特征信息输入神经网络模型进行训练，得到用于识别膀胱冲洗液特征信息的第一识别模型；
第一获取模块，使用冲洗液进行膀胱冲洗操作后得到的待识别的膀胱冲洗液，所述待识别的膀胱冲洗液为第一液体；
第一识别模块，对所述第一液体进行图像采集得到第二图像，将所述第二图像输入所述第一识别模型，输出所述第二图像的所述特征信息。
2.根据权利要求1所述的一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，所述第一获取模块还包括：
第一获取子模块，所述第一液体收集至集尿袋中，单次治疗过程获取多份所述第一液体，所述第一液体根据单次治疗需要的冲洗次数对应若干次数的子液体，所述子液体根据冲洗时间由先到后具体包括第一子液体到第n子液体，每一份所述子液体在所述集尿袋中的独立区域进行单独保存。
3.根据权利要求2所述的一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，还包括：
第二识别模块，在所述集尿袋上设置信息识别卡，所述第一识别模型根据所述信息识别卡获取患者信息，所述患者信息中包括患者治疗使用的冲洗液的信息，与将对患者使用的冲洗液的信息进行对比；
身份档案模块，单次治疗过程后采集的多份所述第二图像，根据采集时间进行横向排列或纵向排列，再将多次治疗过程根据采集时间进行纵向排列或横向排列，将形成的图像矩阵保存至所述患者信息中。
4.根据权利要求3所述的一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，还包括：
第一分类模块，所述模型训练模块在所述第一图像以及对应的所述特征信息输入神经网络模型进行训练之前，根据对膀胱冲洗前的冲洗液种类的不同，对所述第一图像进行分类得到第一子图像，对多类所述第一子图像进行训练，得到多个第一子模型；
第三识别模块，输入膀胱冲洗前的冲洗液种类，调用对应的所述第一子模型，将所述第二图像输入所述第一子模型，输出所述第二图像的所述特征信息。
5.根据权利要求4所述的一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，还包括：
追踪模块，所述第一识别模块输出所述第二图像中所述透光度低于阈值的区域作为第一区域，对所述第一区域进行定位以及追踪；
留存模块，识别出所述第一区域时，对所述第一区域进行放大后留存图像，获得所述透光度低于阈值的物质进入所述集尿袋时的初始图像。
6.根据权利要求5所述的一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，还包括：
信息预测模块，根据不同病症设置不同治疗阶段所述特征信息的预测值；
异常报警模块，通过所述第二识别模块获取所述患者信息，所述患者信息中包括患者所患病症以及治疗阶段，获取当前阶段所述特征信息的预测值；所述第一识别模块输出所述第二图像的所述特征信息时，当所述特征信息与预测值有差异时，进行异常报警。
7.根据权利要求6所述的一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，还包括：
远程查看模块，所述异常报警后，将所述第二图像发送至云端后交由患者的主治医生进行查看，根据所述第二图像做出对应处理；
阶段更新模块，主治医生根据所述特征信息与预测值有差异的所述第二图像调整后续治疗方案，更新患者病症以及治疗阶段。
8.根据权利要求2-7任意一项所述的一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，所述第一获取子模块还包括：
分区子模块，所述集尿袋包括多个独立区域，独立区域之间通过第一夹板分隔开，所述第一夹板包括第一子夹板和第二子夹板，所述第一子夹板和所述第二子夹板的一端铰接，另一端卡扣连接，所述集尿袋放置在所述第一子夹板和所述第二子夹板之间，所述第一子夹板和所述第二子夹板关闭卡扣，将所述第一夹板两侧的所述集尿袋隔开。
9.根据权利要求8所述的一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，所述第一识别模块对所述第一液体进行图像采集得到第二图像前，识别所述第一夹板和所述集尿袋，以所述第一夹板和所述集尿袋边缘围成的区域进行图像采集。
10.根据权利要求9所述的一种基于冲洗液图像识别的膀胱冲洗检测系统，其特征在于，每多一份所述第一液体则多一对所述第一夹板，对多对所述第一夹板根据先后顺序进行由小到大的编号，所述第一识别模块识别所述第一夹板和所述集尿袋时，如果编号最大的所述第一夹板编号为1，则选择所述第一夹板与所述集尿袋的三侧边缘所围区域作为图像采集区域；如果编号最大的所述第一夹板编号大于1，则选择编号最大和第二大的两对所述第一夹板与所述集尿袋的两侧边缘所围区域作为图像采集区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410335308.5A CN117934476B (zh) | 2024-03-22 | 2024-03-22 | 一种基于冲洗液图像识别的膀胱冲洗检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410335308.5A CN117934476B (zh) | 2024-03-22 | 2024-03-22 | 一种基于冲洗液图像识别的膀胱冲洗检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117934476A true CN117934476A (zh) | 2024-04-26 |
| CN117934476B CN117934476B (zh) | 2024-06-07 |
Family
ID=90752471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410335308.5A Active CN117934476B (zh) | 2024-03-22 | 2024-03-22 | 一种基于冲洗液图像识别的膀胱冲洗检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117934476B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005010493A2 (en) * | 2003-07-16 | 2005-02-03 | Fqubed, Inc. | Apparatus and method for processing and evaluating a test fluid |
| CN106860940A (zh) * | 2017-04-13 | 2017-06-20 | 沈阳建筑大学 | 一种全自动持续膀胱冲洗装置及药液流速温度控制方法 |
| CN211214612U (zh) * | 2019-09-06 | 2020-08-11 | 张媛慧 | 一种引流液颜色检测装置及报警器 |
| CN114596493A (zh) * | 2022-03-15 | 2022-06-07 | 徐州中旺环保科技有限公司 | 基于人工智能的液压系统油液污染在线检测方法 |
| CN116510110A (zh) * | 2023-04-11 | 2023-08-01 | 江南大学附属医院 | 基于膀胱冲洗仪的液位数据分析及液位控制方法 |
| CN117379626A (zh) * | 2023-11-01 | 2024-01-12 | 北京肿瘤医院(北京大学肿瘤医院) | 一种自动化冲洗系统 |
-
2024
- 2024-03-22 CN CN202410335308.5A patent/CN117934476B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005010493A2 (en) * | 2003-07-16 | 2005-02-03 | Fqubed, Inc. | Apparatus and method for processing and evaluating a test fluid |
| CN106860940A (zh) * | 2017-04-13 | 2017-06-20 | 沈阳建筑大学 | 一种全自动持续膀胱冲洗装置及药液流速温度控制方法 |
| CN211214612U (zh) * | 2019-09-06 | 2020-08-11 | 张媛慧 | 一种引流液颜色检测装置及报警器 |
| CN114596493A (zh) * | 2022-03-15 | 2022-06-07 | 徐州中旺环保科技有限公司 | 基于人工智能的液压系统油液污染在线检测方法 |
| CN116510110A (zh) * | 2023-04-11 | 2023-08-01 | 江南大学附属医院 | 基于膀胱冲洗仪的液位数据分析及液位控制方法 |
| CN117379626A (zh) * | 2023-11-01 | 2024-01-12 | 北京肿瘤医院(北京大学肿瘤医院) | 一种自动化冲洗系统 |
Non-Patent Citations (1)
| Title |
|---|
| JIAN-WEN CHEN等: "An Automatic Bleeding-Rank System for Transurethral Resection of the Prostate Surgery Videos Using Machine Learning", 《DIAGNOSTICS 2021》, 26 September 2021 (2021-09-26), pages 1 - 13 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117934476B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11748889B2 (en) | Brain image segmentation method and apparatus, network device, and storage medium | |
| CN108771530B (zh) | 基于深度神经网络的眼底病变筛查系统 | |
| JP5255117B2 (ja) | 自動廃液試料採取および自動腹膜平衡試験を有する透析システム | |
| DE602004011981T2 (de) | Vorrichtung zur durchführung einer peritonealen dialysebehandlung | |
| CN103997961A (zh) | 使用mri图像数据的自动肾评估系统及方法 | |
| CN111297329B (zh) | 预测糖尿病患者心血管并发症动态发病风险的方法及系统 | |
| CN109934824B (zh) | 颈椎脊髓高信号的检测方法及系统 | |
| Ghosh et al. | Intelligent toilet system for non-invasive estimation of blood-sugar level from urine | |
| JP2005027886A (ja) | 腹膜透析および血液透析併用プランニング方法ならびに腹膜透析および血液透析併用プランニング装置 | |
| JP4479323B2 (ja) | 腹膜機能検査方法および腹膜透析プランニング装置 | |
| CN112950737A (zh) | 基于深度学习的眼底荧光造影图像生成方法 | |
| CN109529147A (zh) | 患者紧急救护平台 | |
| CN117934476B (zh) | 一种基于冲洗液图像识别的膀胱冲洗检测系统 | |
| CN111199796A (zh) | 一种疾病辅助决策方法、装置及电子设备 | |
| CN110223772A (zh) | 一种内分泌疾病治疗诊断装置及数据信息处理方法 | |
| CN116210058A (zh) | 慢性肾脏疾病（ckd）机器学习预测系统、方法和装置 | |
| CN111192681A (zh) | 一种用于获取目标血糖特征的方法及系统 | |
| Pocock et al. | The outcome of antenatally diagnosed urological abnormalities | |
| Peters et al. | Impairment of verbal recollection following ischemic damage to the right anterior hippocampus | |
| CN115131343A (zh) | 一种慢性鼻窦炎分型方法、装置、设备及可读存储介质 | |
| Herrmann et al. | The latent structure of memory: A confirmatory factor-analytic study of memory distinctions | |
| Klepaczko et al. | Whole kidney and renal cortex segmentation in contrast-enhanced MRI using a joint classification and segmentation convolutional neural network | |
| Wang et al. | [Retracted] Evaluation of Fundus Blood Flow Perfusion in Patients with Diabetic Retinopathy after PPV with Fundus Color Doppler Based on Big Data Mining | |
| CN215954322U (zh) | 一种指静脉图像采集识别系统 | |
| George | Caring for Patients Receiving Peritoneal Dialysis: Part I. |
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 |