CN111523506A - 人工智能伤口评估综合管理*** - Google Patents

人工智能伤口评估综合管理*** Download PDF

Info

Publication number
CN111523506A
CN111523506A CN202010376578.2A CN202010376578A CN111523506A CN 111523506 A CN111523506 A CN 111523506A CN 202010376578 A CN202010376578 A CN 202010376578A CN 111523506 A CN111523506 A CN 111523506A
Authority
CN
China
Prior art keywords
wound
artificial intelligence
wound assessment
assessment
artificial
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
Application number
CN202010376578.2A
Other languages
English (en)
Inventor
张蕾
王成臣
蔡蕴敏
谢梁
刘乾
张瀚
张竹影
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiahe Artificial Intelligence Technology Co ltd
Original Assignee
Shanghai Jiahe Artificial Intelligence Technology Co ltd
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 Shanghai Jiahe Artificial Intelligence Technology Co ltd filed Critical Shanghai Jiahe Artificial Intelligence Technology Co ltd
Priority to CN202010376578.2A priority Critical patent/CN111523506A/zh
Publication of CN111523506A publication Critical patent/CN111523506A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及一种人工智能伤口评估综合管理***，包括人工智能伤口评估综合管理服务器，若干人工智能伤口评估智能终端和若干人工智能伤口评估面积测算装置；上述人工智能伤口评估综合管理服务器具有设备管理程序模块，用于管理上述若干人工智能伤口评估面积测算装置；上述人工智能伤口评估综合管理服务器具有医生管理程序模块，用于管理医生信息以及医生和上述人工智能伤口评估智能终端的映射关系；上述人工智能伤口评估综合管理服务器具有患者管理程序模块，用于管理患者信息，上述患者信息包括患者伤口信息，上述患者伤口信息包括人工智能伤口评估报告信息。有益效果是通过人工智能算法，节省人力资源、提高效率和准确率。

Description

人工智能伤口评估综合管理***
【技术领域】
本发明涉及伤口图像识别领域，具体涉及人工智能伤口评估综合管理***。
【背景技术】
目前临床医护人员对于伤口大小的测量，采取使用直尺在伤口上测量的方法，记录伤口的长、宽，计算其面积。这种方法的缺点：(1)测量工具需要接触到伤口，存在交叉感染的隐患；(2)直尺测量的最小单位为厘米，在后期判断伤口的进展中，厘米计量不够精细；(3)对于伤口边缘不整齐的伤口，长、宽的测量难度较大。
目前有一款“伤口测量”的APP(“伤口测量记录”)，其功能包括：对伤口的拍照存档、面积计算、患者基本资料录入。这种方法的缺点：(1)面积计算，是依靠人工将伤口的长、宽输入后，进行计算；(2)伤口评估仅仅停留在伤口面积的计算上；(3)医护人员临床使用不多。
目前还公开有一种三维伤口扫描***，这是一款由第二军医大学研发的***，名称为皮肤慢性溃疡面积计算设备，即WoundCleverCalc伤口扫描设备。该设备由手持式三维扫描器、伤口三维模型重建***和伤***互显示***组成。该设备手持式三维扫描器主要功能是图像采集，采用集成了彩色摄像头、深度(红外)摄像头和红外线投影机传感器的Kinect for Windows手持式三维扫描器。该设备用于皮肤慢性溃疡面积计算，未在临床广泛使用。该设备的缺点：仅仅实现了对伤口面积的精准测量，但在伤口评估的其他方面，例如患者全身评估、局部评估等，未能实现评估。
中国发明专利《一种估算伤口面积的方法及装置》，申请号201610320444.2，申请人北京大学第一医院、北京大学，公开了一种估算伤口面积的方法及装置，装置包括：图像识别模块，用于对拍摄图像进行图像识别，从所述拍摄图像中识别出二维比例尺图像；比例确定模块，用于利用所识别出的二维比例尺图像，确定图像与实际尺寸的比例；图像聚类模块，用于对所述拍摄图像按照颜色进行聚类处理，得到对应于不同类型组织成分的多类伤口图像；面积计算模块，用于利用所述图像与实际尺寸的比例和所述对应于不同类型组织成分的多类伤口图像，分别估算不同组织成分的伤口面积。中国发明专利《一种计算伤口面积的设备及方法》，申请号201410551026.5，申请人昆山韦睿医疗科技有限公司，公开了一种计算伤口面积的设备，包括：参照敷料配件，设置在伤口敷料表面并使待计算面积的伤口位于其边界之内；以及图像处理装置，用于根据所述参照敷料配件以及伤口图像计算伤口面积。经过检索发现基于人工智能算法的伤口评估设备和***未见报道。
多感受野的金字塔网络PSPNet(Pyramid Scene Parsing Network)是在特征金字塔网络(Feature Pyramid Network，FPN)上改进的上下文信息整合的多尺度估计网络，引入更多的上下文信息，当分割层有更多全局信息时，出现误分割的概率就会低一些；这种思想目前在许多图像领域都有所应用，引入更多上下文信息的方式也很多，比如：1、增大分隔层的感受野，这种方式是最直观的，视野越广，看到的东西也越多；增大感受野也有许多方式，比如空洞卷积(dilated convolution)，这是在deeplab算法上成功应用的实现方式；全局均值池化操作，PSPNet的全局均值池化操作也是增加感受野的一种方式；2、深层特征和浅层特征的融合，增加浅层特征的语义信息，这样在浅层进行分割时就有足够的上下文信息，同时也有目标的细节信息，这种做法早在FCN中就有了，但是包括融合策略和分割层的选择都有一定的优化空间。
【发明内容】
本发明的目的是，提出一种通过人工智能算法，节省人力资源、提高效率和准确率的伤口评估综合管理***。
为实现上述目的，本发明采取的技术方案是一种人工智能伤口评估综合管理***，包括人工智能伤口评估综合管理服务器，若干人工智能伤口评估智能终端和若干人工智能伤口评估面积测算装置，上述人工智能伤口评估综合管理服务器、若干人工智能伤口评估智能终端和若干人工智能伤口评估面积测算装置之间通过通讯链路相互进行通信；上述人工智能伤口评估综合管理服务器具有设备管理程序模块，用于管理上述若干人工智能伤口评估面积测算装置；上述人工智能伤口评估综合管理服务器具有医生管理程序模块，用于管理医生信息以及医生和上述人工智能伤口评估智能终端的映射关系；上述人工智能伤口评估综合管理服务器具有患者管理程序模块，用于管理患者信息，上述患者信息包括患者伤口信息，上述患者伤口信息包括人工智能伤口评估报告信息；
运行在上述人工智能伤口评估智能终端和人工智能伤口评估面积测算装置上的计算机程序执行如下操作：
M1、人工智能伤口评估智能终端和人工智能伤口评估面积测算装置配对，建立一对一的控制连接；
M2、人工智能伤口评估智能终端以医生身份登陆人工智能伤口评估综合管理服务器，获取包括患者伤口信息的患者信息；
M3、人工智能伤口评估面积测算装置拍摄伤口图片并基于训练好的特征提取网络及卷积神经网络对拍摄的伤口图片进行伤口评估面积测算获取创伤信息；
M4、人工智能伤口评估面积测算装置基于创伤信息生成人工智能伤口评估报告，并发送给人工智能伤口评估智能终端和人工智能伤口评估综合管理服务器。
优选地，上述特征提取网络是多感受野的金字塔网络PSPNet或者特征金字塔网络FPN。
优选地，上述人工智能伤口评估面积测算装置还包括电子鼻，上述人工智能伤口评估报告包括伤口气味信息。
优选地，上述人工智能伤口评估面积测算装置拍摄伤口敷料图片发送给人工智能伤口评估智能终端，上述人工智能伤口评估智能终端具有输入患者伤口补充报告的程序模块。
优选地，上述人工智能伤口评估面积测算装置具有设备唯一识别码，上述设备管理程序模块通过设备唯一识别码检测识别上述人工智能伤口评估面积测算装置。
优选地，上述人工智能伤口评估综合管理服务器具有医院管理程序模块，用于管理医院信息，上述医院信息包括使用上述人工智能伤口评估面积测算装置的医院列表；上述人工智能伤口评估综合管理服务器具有科室管理程序模块，用于管理科室信息，上述科室信息包括使用上述人工智能伤口评估面积测算装置的科室列表。
优选地，上述人工智能伤口评估智能终端以医生身份登陆人工智能伤口评估综合管理服务器时，登陆安全加密，登陆密码经过双重md5+***配置，每个医院采用不同的key加密。
优选地，上述人工智能伤口评估综合管理服务器具有管理员程序模块，所述管理员程序模块对所述人工智能伤口评估综合管理服务器上的信息进行管理。
本发明有如下有益效果：1.用于临床各类伤口的评估，包括压力性损伤、烫伤、慢性溃疡、糖尿病足等；2.携带便捷，适用于临床；3.实现对患者伤口面积评估，无需医护人员人为测量，而是通过AI技术实现对伤口“非接触式的评估后”，由***完成伤口面积的计算机录入保存，将每一次伤口诊疗中的伤口面积记录在***内，以供诊疗参考、诊疗效果评价；4.面积的评估计算，克服由于图片拍摄时的个人差异，在定焦时，***给出同质性的指导矫正，保证每一次评估数据的准确性。
【附图说明】
图1是一种人工智能伤口评估面积测算方法步骤图。
图2是一种人工智能伤口评估面积测算装置示意图。
图3是一种人工智能伤口评估方法步骤图。
图4是一种人工智能伤口评估智能终端通讯联络示意图。
图5是一种人工智能伤口评估综合管理***构架图。
图6是一种人工智能伤口评估综合管理***服务器程序模块结构图。
【具体实施方式】
下面结合实施例并参照附图对本发明作进一步描述。
实施例1
本实施例实现一种人工智能伤口评估面积测算方法。
附图1是一种人工智能伤口评估面积测算方法步骤图。如图1所示，一种人工智能伤口评估面积测算方法，包括以下步骤：
S1、构建用于伤口评估面积测算的特征提取网络及卷积神经网络；
S2、拍摄伤口图片并使用深度学习标注工具标注伤口图片；
S3、基于标注的伤口图片生成伤口图片训练集；
S4、将伤口图片训练集输入到特征提取网络及卷积神经网络进行图像数据训练，产生训练模型；
S5、基于训练好的特征提取网络及卷积神经网络，对拍摄的伤口图片进行伤口评估面积测算获取创伤信息。
优选地，上述特征提取网络是多感受野的金字塔网络PSPNet或者特征金字塔网络FPN。
优选地，上述PSPNet使用金字塔池化模块来聚合上下文信息，上述金字塔池化模块层级为4层；上述金字塔池化模块层级1，核大小为60*60，步长为60；上述金字塔池化模块层级2，核大小为30*30，步长为30；上述金字塔池化模块层级3，核大小为20*20，步长为20；上述金字塔池化模块层级4，核大小为10*10，步长为10；上述卷积神经网络为101层。
优选地，上述步骤S1使用tensorflow-gpu框架构建PSPNet及101层卷积神经网络；上述步骤S2使用深度学习标注工具Labelme标注伤口图片；上述步骤S3深度学习标注工具Labelme批量生成josn文件作为伤口图片训练集。
优选地，上述PSPNet及卷积神经网络深度学习参数设置为训练迭代次数30000，随机梯度下降法0.9，学习率0.1动态衰减，权重衰减0.0001。
优选地，上述步骤S4输入伤口图片训练集到PSPNet及卷积神经网络，经过图像数据增强、图像数据训练，不断调整PSPNet及卷积神经网络深度学习参数提高准确率，产生训练模型。
优选地，上述图像数据增强包括随机亮度、随机饱和度、随机对比度处理及缩放、旋转处理。
优选地，上述步骤S5特征提取网络PSPNet提取特征图具体包括以下步骤：
S51、输入伤口图片数据到PSPNet；
S52、通过施加预训练的膨胀卷积，输出1/8大小特征图；
S53、金字塔池化模块层级1输出尺寸为(1，1，2048)特征图，层级2输出尺寸为(2，2，2048)特征图，层级3输出尺寸为(3，3，2048)特征图，层级4输出尺寸为(4，4，2048)特征图；
S54、通过PSPNet卷积层，得到伤口图片的预测特征图。
具体而言，本实施标注图片：使用Labelme工具标注图片，生成josn文件；josn文件批量生成，标注图集生成训练集。
本实施了图像分割模型训练：使用tensorflow-gpu框架搭建pspnet图像分割模型，及101层卷积神经网络，输入训练集，数据增强，图像数据训练，不断调参提高准确率，产生训练模型。
具体地，设置参数：argparse.ArgumentParser()；
训练迭代次数30000；
随机梯度下降法Stochastic Gradient Descent(SGD)，参数0.9；
tf.train.GradientDescentOptimizer()；
学习率0.1动态衰减；
权重衰减0.0001。
梯度下降法(Gradient Descent)梯度下降法是最基本的一类优化器，目前主要分为三种梯度下降法：标准梯度下降法(GD，Gradient Descent)、随机梯度下降法(SGD，StochasticGradient Descent)、批量梯度下降法(BGD，Batch Gradient Descent)。
具体地，图像数据增强：
随机亮度tf.image.random_brightness()；
随机饱和度tf.image.random_saturation()；
随机对比度tf.image.random_contrast()；
缩放tf.image.resize_images()；
旋转tensorflow.contrib.image.rotate()；
具体地，PSPNet模型结构：
1步，输入图片数据；
2步，通过施加膨胀卷积且预训练，输出特征图1/8大小；
3步，金字塔池化模块来聚合上下文信息，金字塔层级为4层；
层级1：核大小为60x60，步长为60，输出尺寸为(1，1，2048)特征图；
层级2：核大小为30x30，步长为30，输出尺寸为(2，2，2048)特征图；
层级3：核大小为20x20，步长为20，输出尺寸为(3，3，2048)特征图；
层级4：核大小为10x10，步长为10，输出尺寸为(4，4，2048)特征图；
4步，通过卷积层，得到最终经的预测特征图；
卷积(conv/bn/ReLU)，降通道数至512，输出尺寸为(60，60，512)，上采样，缩放空间尺寸(线性插值)到原始输入的空间尺寸。
实施例2
本实施例实现一种人工智能伤口评估面积测算装置。
附图2是一种人工智能伤口评估面积测算装置示意图。如附图2所示，一种人工智能伤口评估面积测算装置，包括多光谱摄像头、计算机和运行在上述计算机上的计算机程序，上述多光谱摄像头用于拍摄伤口图片，上述计算机程序执行上述实施例1的一种人工智能伤口评估面积测算方法。
优选地，上述一种人工智能伤口评估面积测算装置还包括电子鼻，上述电子鼻用于识别伤口气味。
本实施例装置使用在创伤识别环节，解决人为评估，节省人力资源，提高效率和准确率。
装置上带有多光谱摄像头(摄像头，红外摄像头，热辐射摄像头等)和电子鼻装置，经过拍照，输入模型，得出创伤信息，如创伤内各种组织等。
当前创伤评估有两种，一种是人工用尺做参照物测量，一种用图像处理依据颜色识别各种组织，本实施例采用人工智能深度学习识别各种伤口组织。
电子鼻又称气味扫描仪，是20世纪90年代发展起来的一种快速检测食品的新颖仪器。它以特定的传感器和模式识别***快速提供被测样品的整体信息，指示样品的隐含特征。电子鼻是模拟动物嗅觉器官开发出一种高科技产品，它是由选择性的电化学传感器阵列和适当的识别方法组成的仪器，能识别简单和复杂的气味，可得到与人的感官品评相一致的结果。
实施例3
本实施例实现一种人工智能伤口评估方法。本实施例方法控制实施例2的人工智能伤口评估面积测算装置，使用实施例1的人工智能伤口评估面积测算方法，实现人工智能伤口评估。
附图3是一种人工智能伤口评估方法步骤图。如图3所示，一种人工智能伤口评估方法，包括以下步骤：
T1、人工智能伤口评估智能终端和人工智能伤口评估面积测算装置建立通讯联络；
T2、人工智能伤口评估智能终端命令人工智能伤口评估面积测算装置拍摄伤口图片；
T3、人工智能伤口评估面积测算装置将拍摄的伤口图片输入训练好的特征提取网络及卷积神经网络；
T4、人工智能伤口评估面积测算装置对拍摄的伤口图片进行伤口评估面积测算获取创伤信息；
T5、人工智能伤口评估面积测算装置基于创伤信息生成人工智能伤口评估报告发送给人工智能伤口评估智能终端。
优选地，上述特征提取网络是多感受野的金字塔网络PSPNet或者特征金字塔网络FPN。
优选地，上述人工智能伤口评估面积测算装置还包括电子鼻，上述人工智能伤口评估报告包括伤口气味信息。
实施例4
本实施例实现一种人工智能伤口评估智能终端。本实施例智能终端控制实施例2的人工智能伤口评估面积测算装置，使用实施例1的人工智能伤口评估面积测算方法，实现人工智能伤口评估。
附图4是一种人工智能伤口评估智能终端通讯联络示意图。如附图4所示，一种人工智能伤口评估智能终端，包括智能终端和运行在智能终端上的APP程序，上述APP程序执行如下操作：
L1、使人工智能伤口评估智能终端和人工智能伤口评估面积测算装置建立通讯联络；
L2、以医生身份登陆人工智能伤口评估综合管理服务器，为医生获取包括患者伤口信息的患者信息；
L3、命令人工智能伤口评估面积测算装置拍摄伤口图片并基于训练好的特征提取网络及卷积神经网络对拍摄的伤口图片进行伤口评估面积测算获取创伤信息；
L4、获取人工智能伤口评估面积测算装置发送的基于创伤信息生成的人工智能伤口评估报告。
优选地，上述特征提取网络是多感受野的金字塔网络PSPNet或者特征金字塔网络FPN。
优选地，上述人工智能伤口评估智能终端通讯联络的人工智能伤口评估面积测算装置还包括电子鼻，上述人工智能伤口评估报告包括伤口气味信息。
优选地，上述智能终端是智能手机或者PAD。
优选地，上述APP程序还执行如下操作：L6、命令人工智能伤口评估面积测算装置拍摄伤口敷料图片并让医生输入患者伤口补充报告。
优选地，上述患者信息包括患者基本信息、患者伤口列表、患者伤口评估报告列表。
优选地，上述APP程序包括修改/删除患者基本信息、修改/删除患者伤口列表和生成患者伤口评估报告对比列表的操作。
APP程序包括登录页，用于登录人工智能伤口评估面积测算装置；包括首页，用于显示医生信息以及医生的就诊患者信息；包括病患主页，用于显示患者基本信息及患者伤口信息；包括新增伤口页，用于添加伤口(包括伤口类型和伤口位置)到患者伤口信息；包括伤口对比页，用于患者伤口评估报告对比列表显示；包括个人中心页，用于显示使用者医生的个人信息。
实施例5
本实施例实现一种人工智能伤口评估综合管理***。
附图5是一种人工智能伤口评估综合管理***构架图。如附图5所示，一种人工智能伤口评估综合管理***，包括人工智能伤口评估综合管理服务器，若干人工智能伤口评估智能终端和若干人工智能伤口评估面积测算装置，上述人工智能伤口评估综合管理服务器、若干人工智能伤口评估智能终端和若干人工智能伤口评估面积测算装置之间通过通讯链路相互进行通信。
附图6是一种人工智能伤口评估综合管理***服务器程序模块结构图。如附图6所示，上述人工智能伤口评估综合管理服务器具有设备管理程序模块，用于管理上述若干人工智能伤口评估面积测算装置；上述人工智能伤口评估综合管理服务器具有医生管理程序模块，用于管理医生信息以及医生和上述人工智能伤口评估智能终端的映射关系；上述人工智能伤口评估综合管理服务器具有患者管理程序模块，用于管理患者信息，上述患者信息包括患者伤口信息，上述患者伤口信息包括人工智能伤口评估报告信息；
运行在上述人工智能伤口评估智能终端和人工智能伤口评估面积测算装置上的计算机程序执行如下操作：
M1、人工智能伤口评估智能终端和人工智能伤口评估面积测算装置配对，建立一对一的控制连接；
M2、人工智能伤口评估智能终端以医生身份登陆人工智能伤口评估综合管理服务器，获取包括患者伤口信息的患者信息；
M3、人工智能伤口评估面积测算装置拍摄伤口图片并基于训练好的特征提取网络及卷积神经网络对拍摄的伤口图片进行伤口评估面积测算获取创伤信息；
M4、人工智能伤口评估面积测算装置基于创伤信息生成人工智能伤口评估报告，并发送给人工智能伤口评估智能终端和人工智能伤口评估综合管理服务器。
优选地，上述特征提取网络是多感受野的金字塔网络PSPNet或者特征金字塔网络FPN。
优选地，上述人工智能伤口评估面积测算装置还包括电子鼻，上述人工智能伤口评估报告包括伤口气味信息。
优选地，上述人工智能伤口评估面积测算装置拍摄伤口敷料图片发送给人工智能伤口评估智能终端，上述人工智能伤口评估智能终端具有输入患者伤口补充报告的程序模块。
优选地，上述人工智能伤口评估面积测算装置具有设备唯一识别码，上述设备管理程序模块通过设备唯一识别码检测识别上述人工智能伤口评估面积测算装置。
优选地，上述人工智能伤口评估综合管理服务器具有医院管理程序模块，用于管理医院信息，上述医院信息包括使用上述人工智能伤口评估面积测算装置的医院列表；上述人工智能伤口评估综合管理服务器具有科室管理程序模块，用于管理科室信息，上述科室信息包括使用上述人工智能伤口评估面积测算装置的科室列表。
优选地，上述人工智能伤口评估智能终端以医生身份登陆人工智能伤口评估综合管理服务器时，登陆安全加密，登陆密码经过双重md5+***配置，每个医院采用不同的key加密。
优选地，上述人工智能伤口评估综合管理服务器具有管理员程序模块，所述管理员程序模块对所述人工智能伤口评估综合管理服务器上的信息进行管理。
具体而言本实施例人工智能伤口评估综合管理服务器软件平台使用技术语言php，python，vue编程实现。
软件平台框架及功能：
设备唯一识别，通过设备唯一识别码检测设备，每个设备都具有自己唯一的记录在案识别码；
登陆安全加密，用户信息加密，登陆时密码会经过双重md5+***配置每个医院不同的key加密，加密后的密码将无法破解，同时登陆成功后会返回唯一且不重复的token，并且没过2小时会更新，保证数据安全性以及程序加密；
数量统计，列表展示，登陆成功后即可获取当前今日本月所有患者数量患者列表，患者列表页可对患者进行收藏，筛选功能；
AI评估，AI评估功能通过拍摄图片，将图片传输到算法服务器，经过算法分析，画出伤口标注，测量伤口面积，气味，温度，深度，并将一系列数据与图片保存，于此同时用户可拍摄针对评估返回的报告内的敷料图以及部分算法无法计算的数据进行补充；
文件上传加密，伤口资料记录通过获取token，将图片上传至文件储存服务器，并将文件对应的类型与日期进行展示播放；
Web端权限，通过group表去设置每个功能块的权限关键字，通过role表去制定角色并关联相关权限，通过user表去将用户关联对应的角色以此解决不同角色展示不同功能块，拥有不同功能的权限；
用户信息储存以及请求速度，用户信息使用redis技术，将用户信息与token结合储存起来，以达到读取快，安全性高的效果；
数据对比技术，通过redis队列技术，将数据存放于队列中，并排序；
队列原理，经过对数据入列出列，达到数据的安全性，可读性；
Web端创口图片重新标注，通过AILabel.js技术，解决图片浏览(无极缩放、平移)，矢量数据、文本、标注展示；矢量数据绘制、编辑、标注形式：矩形、多边形、涂抹、折线、打点、文本text、标注marker；以此达到图片重新标注，并且保存标注后的json，以便于后期算法重新对模型进行校验。
人工智能伤口评估综合管理服务器软件平台包括登陆界面，用于登陆人工智能伤口评估综合管理服务器软件平台；包括大数据中心，用于存储所有患者、患者伤口、患者伤口评估报告等信息，存储人工智能伤口评估面积测算装置信息，医生、科室和医院等信息；包括操作界面，用于对上述信息进行增加/删除操作，对相关数据信息进行统计分析等。
医护人员使用本实施例人工智能伤口评估综合管理***：
1、伤口评估过程简便，由医护人员扫描伤口后，***进行测量、计算、记录，节省医护人员的工作时间；
2、伤口评估完整，包含伤口的面积、体积、颜色、气味、渗液等；
3、远程会诊可以实现非同一医疗机构内的伤口专家共同评估、制定治疗方案；
4、远程会诊可以实现多学科团队MDT会诊，在伤口诊疗上进行多学科的治疗方案制定；MDT在医学中是指多学科会诊，MDT英文意思是多学科团队协作(MultipleDisciplinary Team)。
本领域普通技术人员可以理解，实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Acess Memory，RAM)等。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。

Claims (8)

1.一种人工智能伤口评估综合管理***，包括人工智能伤口评估综合管理服务器，若干人工智能伤口评估智能终端和若干人工智能伤口评估面积测算装置，所述人工智能伤口评估综合管理服务器、若干人工智能伤口评估智能终端和若干人工智能伤口评估面积测算装置之间通过通讯链路相互进行通信，其特征在于：所述人工智能伤口评估综合管理服务器具有设备管理程序模块，用于管理所述若干人工智能伤口评估面积测算装置；所述人工智能伤口评估综合管理服务器具有医生管理程序模块，用于管理医生信息以及医生和所述人工智能伤口评估智能终端的映射关系；所述人工智能伤口评估综合管理服务器具有患者管理程序模块，用于管理患者信息，所述患者信息包括患者伤口信息，所述患者伤口信息包括人工智能伤口评估报告信息；
运行在所述人工智能伤口评估智能终端和人工智能伤口评估面积测算装置上的计算机程序执行如下操作：
M1、人工智能伤口评估智能终端和人工智能伤口评估面积测算装置配对，
建立一对一的控制连接；
M2、人工智能伤口评估智能终端以医生身份登陆人工智能伤口评估综合管理服务器，获取包括患者伤口信息的患者信息；
M3、人工智能伤口评估面积测算装置拍摄伤口图片并基于训练好的特征提取网络及卷积神经网络对拍摄的伤口图片进行伤口评估面积测算获取创伤信息；
M4、人工智能伤口评估面积测算装置基于创伤信息生成人工智能伤口评估报告，并发送给人工智能伤口评估智能终端和人工智能伤口评估综合管理服务器。
2.根据权利要求1所述的一种人工智能伤口评估综合管理***，其特征在于：所述特征提取网络是多感受野的金字塔网络PSPNet或者特征金字塔网络FPN。
3.根据权利要求1所述的一种人工智能伤口评估综合管理***，其特征在于：所述人工智能伤口评估面积测算装置还包括电子鼻，所述人工智能伤口评估报告包括伤口气味信息。
4.根据权利要求3所述的一种人工智能伤口评估综合管理***，其特征在于：所述人工智能伤口评估面积测算装置拍摄伤口敷料图片发送给人工智能伤口评估智能终端，所述人工智能伤口评估智能终端具有输入患者伤口补充报告的程序模块。
5.根据权利要求1所述的一种人工智能伤口评估综合管理***，其特征在于：所述人工智能伤口评估面积测算装置具有设备唯一识别码，所述设备管理程序模块通过设备唯一识别码检测识别所述人工智能伤口评估面积测算装置。
6.根据权利要求1所述的一种人工智能伤口评估综合管理***，其特征在于：所述人工智能伤口评估综合管理服务器具有医院管理程序模块，用于管理医院信息，所述医院信息包括使用所述人工智能伤口评估面积测算装置的医院列表；所述人工智能伤口评估综合管理服务器具有科室管理程序模块，用于管理科室信息，所述科室信息包括使用所述人工智能伤口评估面积测算装置的科室列表。
7.根据权利要求6所述的一种人工智能伤口评估综合管理***，其特征在于：所述人工智能伤口评估智能终端以医生身份登陆人工智能伤口评估综合管理服务器时，登陆安全加密，登陆密码经过双重md5+***配置，每个医院采用不同的key加密。
8.根据权利要求7所述的一种人工智能伤口评估综合管理***，其特征在于：所述人工智能伤口评估综合管理服务器具有管理员程序模块，所述管理员程序模块对所述人工智能伤口评估综合管理服务器上的信息进行管理。
CN202010376578.2A 2020-05-07 2020-05-07 人工智能伤口评估综合管理*** Pending CN111523506A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010376578.2A CN111523506A (zh) 2020-05-07 2020-05-07 人工智能伤口评估综合管理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010376578.2A CN111523506A (zh) 2020-05-07 2020-05-07 人工智能伤口评估综合管理***

Publications (1)

Publication Number Publication Date
CN111523506A true CN111523506A (zh) 2020-08-11

Family

ID=71908016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010376578.2A Pending CN111523506A (zh) 2020-05-07 2020-05-07 人工智能伤口评估综合管理***

Country Status (1)

Country Link
CN (1) CN111523506A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112309554A (zh) * 2020-11-02 2021-02-02 上海交通大学医学院附属新华医院 基于共享决策的慢性伤口跨团队管理信息***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200418A (zh) * 2014-09-29 2014-12-10 北京中美联医学科学研究院有限公司 基于移动互联网的智能居家诊疗***和方法
CN104287738A (zh) * 2014-10-17 2015-01-21 昆山韦睿医疗科技有限公司 一种计算伤口面积的设备及方法
CN104856807A (zh) * 2015-04-29 2015-08-26 万凤伟 智能急救箱及智能急救箱管理***
CN105072188A (zh) * 2015-08-18 2015-11-18 隗刚 基于云端管理的伤口评估app应用***
CN105054938A (zh) * 2015-08-18 2015-11-18 隗刚 伤口评估***的实现方式
CN108814613A (zh) * 2018-05-21 2018-11-16 中南大学湘雅医院 伤口智能测量方法及移动测量终端
CN109147956A (zh) * 2017-06-27 2019-01-04 长沙搜博网络科技有限公司 一种互联网的伤口门诊患者信息采集***
CN109190711A (zh) * 2018-09-18 2019-01-11 西南大学 一种基于深度森林模型的伤口感染电子鼻检测***
CN111067531A (zh) * 2019-12-11 2020-04-28 中南大学湘雅医院 一种伤口测量的方法及装置、存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200418A (zh) * 2014-09-29 2014-12-10 北京中美联医学科学研究院有限公司 基于移动互联网的智能居家诊疗***和方法
CN104287738A (zh) * 2014-10-17 2015-01-21 昆山韦睿医疗科技有限公司 一种计算伤口面积的设备及方法
CN104856807A (zh) * 2015-04-29 2015-08-26 万凤伟 智能急救箱及智能急救箱管理***
CN105072188A (zh) * 2015-08-18 2015-11-18 隗刚 基于云端管理的伤口评估app应用***
CN105054938A (zh) * 2015-08-18 2015-11-18 隗刚 伤口评估***的实现方式
CN109147956A (zh) * 2017-06-27 2019-01-04 长沙搜博网络科技有限公司 一种互联网的伤口门诊患者信息采集***
CN108814613A (zh) * 2018-05-21 2018-11-16 中南大学湘雅医院 伤口智能测量方法及移动测量终端
CN109190711A (zh) * 2018-09-18 2019-01-11 西南大学 一种基于深度森林模型的伤口感染电子鼻检测***
CN111067531A (zh) * 2019-12-11 2020-04-28 中南大学湘雅医院 一种伤口测量的方法及装置、存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HENGSHUANG ZHAO，JIANPING SHI，ET AL.: "Pyramid Scene Parsing Network" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112309554A (zh) * 2020-11-02 2021-02-02 上海交通大学医学院附属新华医院 基于共享决策的慢性伤口跨团队管理信息***

Similar Documents

Publication Publication Date Title
US11783480B2 (en) Semi-automated system for real-time wound image segmentation and photogrammetry on a mobile platform
CN106709917A (zh) 神经网络模型训练方法、装置及***
CN107247971B (zh) 一种超声甲状腺结节风险指标的智能分析方法及***
US20200234444A1 (en) Systems and methods for the analysis of skin conditions
CN108461129A (zh) 一种基于图像认证的医学影像标注方法、装置和用户终端
CN107548497A (zh) 具有工作流管理引擎的适应性治疗管理***
CN205608810U (zh) 一种电子病历采样录入装置及电子病历***
CN109887077B (zh) 用于生成三维模型的方法和装置
CN111523507A (zh) 人工智能伤口评估面积测算方法及装置
CN206584354U (zh) 基于图像识别的体检信息采集***
CN110110808A (zh) 一种对图像进行目标标注的方法、装置及计算机记录介质
Pires et al. Wound area assessment using mobile application
CN115170629A (zh) 一种伤口信息获取方法、装置、设备及存储介质
CN110334566A (zh) 一种基于三维全卷积神经网络的oct内外指纹提取方法
Pushparaj et al. Dental radiographs and photographs in human forensic identification
WO2020114332A1 (zh) 基于分割网络的ct肺肿瘤分割方法、装置、设备及介质
CN111523506A (zh) 人工智能伤口评估综合管理***
CN111523508A (zh) 人工智能伤口评估方法及智能终端
Benbelkacem et al. Lung infection region quantification, recognition, and virtual reality rendering of CT scan of COVID-19
WO2021052150A1 (zh) 放疗计划推荐方法、装置、电子设备及存储介质
CN112741620A (zh) 基于肢体动作的颈椎病评估装置
US11911172B2 (en) Automated allergy office system and method
CN115268531B (zh) 一种智能浴缸的水流调温控制方法、装置、设备及存储介质
US20230087494A1 (en) Determining image similarity by analysing registrations
CN115082529A (zh) 一种大体组织多维信息采集和分析***与方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200811