RU2018143985A - Способ и устройство для диагностики патологий лап четвероногих животных - Google Patents

Способ и устройство для диагностики патологий лап четвероногих животных Download PDF

Info

Publication number
RU2018143985A
RU2018143985A RU2018143985A RU2018143985A RU2018143985A RU 2018143985 A RU2018143985 A RU 2018143985A RU 2018143985 A RU2018143985 A RU 2018143985A RU 2018143985 A RU2018143985 A RU 2018143985A RU 2018143985 A RU2018143985 A RU 2018143985A
Authority
RU
Russia
Prior art keywords
images
pathology
image
temperature
limbs
Prior art date
Application number
RU2018143985A
Other languages
English (en)
Inventor
Марцио МЬОДИНИ
Леонардо САЛА
Original Assignee
Ковматикс С.Р.Л.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ковматикс С.Р.Л. filed Critical Ковматикс С.Р.Л.
Publication of RU2018143985A publication Critical patent/RU2018143985A/ru

Links

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A61B5/015—By temperature mapping of body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals
    • 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
    • G06T2207/10048—Infrared 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Mathematical Physics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Radiation Pyrometers (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Claims (68)

1. Автоматический способ диагностирования патологий дистальных частей (15ps, 15pd) конечностей четвероногих животных (15), включающий операции:
- генерирования термографических изображений указанных конечностей;
- обработки (101-109, 201-206) термографических изображений;
- выдачи (109), в качестве результата обработки, диагноза о наличии одной из множества патологий, если таковые имеются, и, в случае диагностирования наличия патологии, вида патологии;
способ отличается тем, что операция обработки включает следующие этапы:
- идентификация (103, 104) на каждом термографическом изображении и для каждой конечности, имеющей отношение к диагнозу, области, содержащей указанную дистальную часть (15ps, 15рd), и формирование идентифицированного изображения дистальной части из указанной области;
- проверка идентифицированных изображений на соответствие заданным критериям в качестве изображений, используемых для диагностических целей;
- извлечение (105) признаков, которые являются существенными для обнаружения наличия и вида патологии из проверенных изображений;
- классификация (106) дистальной части конечности в качестве не пораженной патологиями или пораженной одной из указанных патологий на основе таких признаков.
2. Способ по п. 1, отличающийся тем, что:
- операцию генерирования термографических изображений выполняют во время периода наблюдения, на котором животное (15) находится в местоположении (17) для наблюдения и генерирует либо один дискретный или непрерывный поток термографических изображений для всех конечностей, подлежащих диагностике, либо разные дискретные или непрерывные потоки термографических изображений для разных конечностей;
- операция обработки выполнена с возможностью извлечения изображений, относящихся к множеству моментов периода наблюдения, из одного или каждого потока, изображения, извлеченные в данный момент из разных потоков, объединяют в одно итоговое изображение, на котором проводят идентификацию дистальных частей всех конечностей;
- диагноз о возможном наличии патологии и ее вида ставят в конце периода наблюдения на основе результатов классификации, проведенной начиная с изображений, относящихся к указанному множеству моментов.
3. Способ по п. 1 или 2, отличающийся тем, что этап идентификации изображения дистальной части включает этапы:
- вычисления средней температуры каждого изображения или части каждого изображения;
- идентификации точек изображения, в которых температура превышает среднюю температуру, в качестве относящихся к дистальным частям;
или, в качестве альтернативы, включает этапы:
- создания (201) по меньшей мере одной гистограммы температуры на каждом изображении или части каждого изображения;
- генерирования (202) по меньшей мере одного адаптивного порогового значения температуры;
- определения (203, 204) конечных краев изображения или части изображения дистальной части (15ps, 15pd) путем идентификации точек, в которых происходит переход от температурного условия выше порогового значения к температурному условию ниже порогового значения и наоборот;
- создания, начиная от таких точек, кадрового многоугольника, определяющего полезную область дистальной части.
4. Способ по п. 1, отличающийся тем, что этап (104) проверки включает проверку соответствия по меньшей мере одному из следующих критериев с комбинацией по меньшей мере некоторых из следующих критериев:
- размер дистальной части принимает значения в диапазоне от минимального до максимального размера;
- минимальные и максимальные значения температуры в дистальных частях находятся в диапазоне, совместимом с биологией животного;
- расстояние от краев изображения не меньше, чем заданное минимальное расстояние;
- наклон дистальной части не превышает заданный угол.
5. Способ по п. 1, отличающийся тем, что этап извлечения признаков включает этапы:
- разделения проверенного изображения на множество смежных ячеек, относящихся к растру (35, 35А); и
- извлечения признаков из каждой смежной ячейки;
и тем, что классификацию выполняют в заданный момент посредством использования признаков, извлеченных из ячеек проверенного изображения, относящегося по меньшей мере к одной конечности.
6. Способ по п. 1, отличающийся тем, что признаки, извлеченные из каждой ячейки, включают:
- признаки абсолютной температуры;
- признаки изменения температуры;
- признаки распределения температуры, полученные путем сравнения с другими ячейками на той же дистальной части;
- признаки, полученные в виде разницы между однородными признаками в разных дистальных частях;
- признаки движения дистальной части;
и тем, что этап извлечения признаков из изображений выполняют после интерполяции указанных изображений до заранее определенного стандартного размера.
7. Способ по п. 1, отличающийся тем, что этап классификации выполняют посредством методов машинного обучения, более конкретно, посредством технологии нейронных сетей.
8. Способ по п. 1, отличающийся тем, что признаки, извлеченные из каждой ячейки, включают температуру, измеренную внутри ячейки, а этап классификации включает этапы:
- сравнения температуры, измеренной в каждой ячейке с заранее определенным пороговым значением температуры, и классификации дистальной части конечности в качестве не пораженной патологиями, если измеренная температура не превышает пороговое значение, в противном случае, она классифицируется как пораженная патологией;
- определения ячеек растра (35А), указывающих на возникновение одной из множества патологий, и группировки указанных ячеек в первых строках (W0…Wn) в однозначной связи с конкретным заболеванием;
- сравнения пространственных координат (х, у) ячеек, в которых произошло превышение порогового значения температуры (Ts) с пространственными координатами (х, у) ячеек указанных первых строк (W0…Wn) и, в случае положительного результата сравнения, классифицирования дистальной части конечности в качестве пораженной патологией;
и тем, что, более того, ячейки указанных первых строк (W0...Wn) дополнительно связывают с индексом степени развития патологии, а этап классификации включает этапы:
- группировки ячеек, в которых было обнаружено превышение порогового значения, во вторые строки ячеек, и сравнения указанных вторых строк с первыми строками;
- в случае положительного результата сравнения, суммирования индексов первых строк, для которых сравнение дало положительный результат, между собой для определения степени развития патологии; и
- привязки степени развития патологии к классификации.
9. Способ по п. 1, который дополнительно включает операции:
- сохранения диагнозов, сгенерированных в множестве последовательных периодов наблюдения, в памяти, и
- сигнализирования о существовании патологии, когда последняя диагностируется в заранее определенном числе последовательных периодов наблюдения.
10. Информационно-технологический продукт, используемый системой обработки и содержащий программные коды, считываемые указанной системой для реализации способа по любому из предыдущих пунктов.
11. Автоматическое устройство для диагностирования патологий дистальных частей (15ps, 15pd) конечностей четвероногих животных (15), содержащее:
- по меньшей мере одну тепловую камеру (11) для генерирования термографических изображений указанных конечностей;
- систему (13) обработки, запрограммированную для обработки термографических изображений и для выдачи, в качестве результата обработки, диагноза о наличие одной из множества патологий, если таковые имеются, и, в случае обнаружения наличия патологии, вида патологии;
отличающееся тем, что система (13) обработки содержит:
- средства (20В) для идентификации, на каждом термографическом изображении и для каждой конечности, имеющей отношение к диагнозу, области, содержащей указанную дистальную часть (15ps, 15pd), извлечения из указанной области идентифицированного изображения дистальной части, и проверки идентифицированных изображений, соответствующих заранее определенным критериям, в качестве изображений, используемых для диагностических целей;
- средства (20С) для извлечения признаков, являющихся существенными для обнаружения наличия и вида патологии из проверенных изображений;
- средства классификации (20D) для классификации дистальной части конечности в качестве не пораженной патологиями или пораженной конкретной патологией на основе таких признаков.
12. Устройство по п. 11, содержащее либо одну тепловую камеру (11) для диагностирования всех конечностей, либо разные тепловые камеры (11) для диагностирования разных конечностей, и отличающееся тем, что:
- одна или каждая тепловая камера (11) подает в систему (13) обработки дискретный или непрерывный поток термографических изображений в течение периода наблюдения, и
- система (13) обработки содержит:
- средства (20А) для извлечения из одного или каждого потока и обработки изображений, относящихся к отдельным моментам периода наблюдения;
- первый блок (16) хранения для временного хранения результатов классификации, относящихся к каждому указанному моменту; и
- блок (21) принятия решений, выполненный с возможностью выдачи диагноза о возможном наличии патологии и ее вида в конце периода наблюдения на основе результатов классификации, выполненной в течение периода наблюдения.
13. Устройство по п. 11 или 12, отличающееся тем, что:
- средства (20В) идентификации и проверки связаны со вторым блоком (22) хранения для временного хранения, в отдельной очереди (22S, 22D) для каждой конечности, проверенных изображений дистальных частей, относящихся к разным моментам периода наблюдения; и
- средства (20С) для извлечения признаков выполнены с возможностью извлечения признаков из проверенных изображений, относящихся к тому же моменту для всех конечностей, или из проверенных изображений, относящихся к разным моментам для разных конечностей, в зависимости от того, была или нет проверка, относящаяся к определенному моменту периода наблюдения, успешной для всех конечностей, средства (20С) для извлечения признаков управляют удалением из второго блока (22) хранения изображений, из которых были извлечены признаки.
14. Устройство по п. 11, отличающееся тем, что средства (20D) классификации содержат логические сети, функционирующие в соответствии с методами машинного обучения, более конкретно, нейронными сетями (41-44).
15. Устройство по п. 11, отличающееся тем, что система (13) обработки дополнительно содержит блок (23) хранения и передачи сигналов для сохранения диагнозов, выданных блоком (21) принятия решения, и генерирования сигнала, уведомляющего о наличии патологии, когда патология была диагностирована за заранее определенное количество последовательных периодов наблюдения.
RU2018143985A 2016-07-07 2017-07-06 Способ и устройство для диагностики патологий лап четвероногих животных RU2018143985A (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP16178313.9A EP3266371A1 (en) 2016-07-07 2016-07-07 Method of and apparatus for diagnosing leg pathologies in quadrupeds
EP16178313.9 2016-07-07
PCT/IB2017/054069 WO2018007968A1 (en) 2016-07-07 2017-07-06 Method of and apparatus for diagnosing leg pathologies in quadrupeds

Publications (1)

Publication Number Publication Date
RU2018143985A true RU2018143985A (ru) 2020-08-07

Family

ID=57226721

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2018143985A RU2018143985A (ru) 2016-07-07 2017-07-06 Способ и устройство для диагностики патологий лап четвероногих животных

Country Status (5)

Country Link
US (1) US20190244350A1 (ru)
EP (2) EP3266371A1 (ru)
BR (1) BR112018076567A2 (ru)
RU (1) RU2018143985A (ru)
WO (1) WO2018007968A1 (ru)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11019805B2 (en) * 2016-07-20 2021-06-01 Farm Robotics And Automation Sl Robot assisted surveillance of livestock
CN110447562B (zh) * 2019-09-02 2024-04-19 中国农业科学院农业信息研究所 跛牛识别及自动分群方法及其系统
CN111310596A (zh) * 2020-01-20 2020-06-19 北京海益同展信息科技有限公司 一种动物患病状态监测系统及方法
WO2021207853A1 (en) * 2020-04-17 2021-10-21 The Governors Of The University Of Alberta Apparatus and methodologies for improved detection of important biological states in animals

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040158156A1 (en) 2003-02-11 2004-08-12 Thermal View Wraps Llc Liquid crystal thermal imaging of equine lameness

Also Published As

Publication number Publication date
EP3481291A1 (en) 2019-05-15
BR112018076567A2 (pt) 2019-04-02
WO2018007968A1 (en) 2018-01-11
EP3266371A1 (en) 2018-01-10
US20190244350A1 (en) 2019-08-08

Similar Documents

Publication Publication Date Title
CN107077626B (zh) 动物用非侵入式多模态生物特征辨识系统
RU2018143985A (ru) Способ и устройство для диагностики патологий лап четвероногих животных
JP6032921B2 (ja) 物体検出装置及びその方法、プログラム
CN109801260B (zh) 牲畜个数的识别方法、装置、控制装置及可读存储介质
US20150262068A1 (en) Event detection apparatus and event detection method
Lamping et al. ChickenNet-an end-to-end approach for plumage condition assessment of laying hens in commercial farms using computer vision
CN111223129A (zh) 检测方法、检测装置、监控设备和计算机可读存储介质
CN108764159A (zh) 小样本条件下的动物面部识别方法和系统
CN110705531B (zh) 缺失字符检测、缺失字符检测模型的建立方法及装置
US11100642B2 (en) Computer system, and method and program for diagnosing animals
WO2017108222A1 (en) Image processing system
CN110298239B (zh) 目标监控方法、装置、计算机设备及存储介质
JP2016015016A (ja) 動作認識装置及び動作認識方法
KR20110103223A (ko) 얼굴 인식을 위한 ｓｉｆｔ 알고리즘을 이용한 키포인트 매칭 시스템 및 방법
CN112036269A (zh) 跌倒检测方法、装置、计算机设备和存储介质
Chowdhury et al. Deep learning based computer vision technique for automatic heat detection in cows
CN112257730A (zh) 植物害虫图像识别方法、装置、设备及存储介质
JP2010170201A (ja) 物体検出装置
CN112534447A (zh) 训练用于控制工程系统的机器学习例程的方法和设备
CN112580462B (zh) 一种特征点选择方法、终端和存储介质
CN111652084B (zh) 一种异常蛋鸡识别方法及装置
CN110633710B (zh) 一种生猪疾病预警系统
CN114550049A (zh) 行为识别方法、装置、设备及存储介质
Xie et al. Behavior Recognition of a Broiler Chicken using Long Short-Term Memory with Convolution Neural Networks
CN114187659A (zh) 用于对猪只姿态进行识别的姿态识别方法及其相关产品

Legal Events

Date Code Title Description
FA93 Acknowledgement of application withdrawn (no request for examination)

Effective date: 20200707