CN113012112A - 一种血栓检测的评估方法及*** - Google Patents
一种血栓检测的评估方法及*** Download PDFInfo
- Publication number
- CN113012112A CN113012112A CN202110222887.9A CN202110222887A CN113012112A CN 113012112 A CN113012112 A CN 113012112A CN 202110222887 A CN202110222887 A CN 202110222887A CN 113012112 A CN113012112 A CN 113012112A
- Authority
- CN
- China
- Prior art keywords
- limb
- image
- images
- unit
- light projection
- 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
- 208000007536 Thrombosis Diseases 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000011156 evaluation Methods 0.000 title claims abstract description 12
- 238000003384 imaging method Methods 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 210000003414 extremity Anatomy 0.000 claims description 131
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 18
- 210000004417 patella Anatomy 0.000 claims description 17
- 210000003141 lower extremity Anatomy 0.000 claims description 16
- 238000000149 argon plasma sintering Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 210000001364 upper extremity Anatomy 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 206010047249 Venous thrombosis Diseases 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000008961 swelling Effects 0.000 description 4
- 208000004210 Pressure Ulcer Diseases 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 206010051055 Deep vein thrombosis Diseases 0.000 description 2
- 206010014522 Embolism venous Diseases 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000004043 venous thromboembolism Diseases 0.000 description 2
- 208000003251 Pruritus Diseases 0.000 description 1
- 208000010378 Pulmonary Embolism Diseases 0.000 description 1
- 206010037714 Quadriplegia Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013498 data listing Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 230000007803 itching Effects 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 208000020431 spinal cord injury Diseases 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- 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
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
-
- 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
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1077—Measuring of profiles
-
- 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
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
-
- 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
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Dentistry (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种血栓检测的评估方法,其至少包括投光单元和成像单元,其中,所述投光单元能够将测距光线定向投射在待测肢体上,成像单元能够采集经投光单元投射光线标记的部分肢体表面图像,所述投光单元接收到投射操作之指令而将结构光大致投射在待测肢体表面的目标区域内;所述成像单元按照距离所述投光单元一定距离且相对于所述投光单元成一定夹角的方式进行设置,所述成像单元响应于所述投光单元完成投射操作之指令而记录至少所述待测肢体的部分表面的第一图像;检索预先设置的训练图像处理网络以输出包括一个或多个第一图像中的位置的估计数据,并通过三角测量生成该肢体的三维模型及肢体参数。
Description
技术领域
本发明涉及血栓检测技术领域,尤其涉及一种血栓检测的评估方法及***。
背景技术
目前医院内既往静脉血栓栓塞史,四肢瘫痪,髋关节或膝关节置换,脊髓损伤,脑卒中等患者较多,由于患者长期卧床造成肢体血流滞缓,导致患者出现肢体肿胀,小腿发痒疼痛等症状,易引起肢体深静脉血栓,深静脉血栓栓子脱落可以造成肺栓塞,导致严重危及患者生命甚至死亡的情况时有发生。现在临床医生普遍采取的方法是经常观察患者肢体是否肿胀以及皮肤温度颜色变化情况,其中,脑卒中患者常常会由于静脉血栓而出现下肢肿大的不良现象,因此需要对患者进行肢体周径的测量,通过将不同时间点进行肢体指定位置测量得到的周径数据进行比对,能够有效地掌控患者病情的进展情况,并做出有效的预防护理措施,防止病情的进一步加重。
在进行患者腿部的周径测量时,通常需要先确定一个测量点,临床测量时通常选取髌骨作为基准点,对距离髌骨上下10cm-15cm的位置处进行定点周径的测量,然而,目前的临床测量方式通常采用目测或软尺直接进行测量,准确度差且操作不便,尤其不能上下精准对称,所测量的数据存在较大的不可靠性,无法为医护人员提供有效的参考数据。
中国专利CN108937945A公开了一种便携式多功能肢体测量记录评估装置,包括顺序连接的肢体周径测量装置、测量工具、记录表夹盒,置于测量工具与记录表夹盒右侧并与之活动性连接的肢体长度与角度的测量装置,置于测量工具与记录表夹盒下侧并与之连接的过敏试验皮丘、褥疮、伤口的长度、宽度、深度的测量装置。该多功能肢体测量记录评估装置能进行肢体周径测量,肢体长度的测量,肢体运动角度的测量,过敏试验皮丘直径、褥疮溃疡面、伤口的大小、面积的测量,瞳孔观察测量,还能进行疼痛测量评估,褥疮分级评估测量,深静脉血栓肌力评估等,为医护人员确诊疾病及观察治疗提供了精确的依据。该发明虽然将多种测量工具进行的一定程度的结合,并设置用于标记的辅助定位测量结构,但是并不能根据需求选取精准的测量位置,也无法快速有效地进行测量,因此,需要一种能够在不挪动患者肢体的情况下对患者髌骨上下段肢体的设定位置的肢体粗细变化进行有效的数据采集并进行存储测量方法,方便医护人员根据一定时间内患者髌骨上下段肢体的粗细变化的情况作出患者是否发生血栓或血栓发病的风险程度的评估,从而能够对患者病情变化及时有效地作出应对
此外,一方面由于对本领域技术人员的理解存在差异;另一方面由于发明人做出本发明时研究了大量文献和专利,但篇幅所限并未详细罗列所有的细节与内容,然而这绝非本发明不具备这些现有技术的特征,相反本发明已经具备现有技术的所有特征,而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术之不足,本发明提供一种血栓检测的评估方法,其至少包括投光单元和成像单元,其中,所述投光单元能够将测距光线定向投射在待测肢体上,成像单元能够采集经投光单元投射光线标记的部分肢体表面图像,所述投光单元接收到投射操作之指令而将结构光大致投射在待测肢体表面的目标区域内;所述成像单元按照距离所述投光单元一定距离且相对于所述投光单元成一定夹角的方式进行设置,所述成像单元响应于所述投光单元完成投射操作之指令而记录至少所述待测肢体的部分表面的第一图像;检索预先设置的训练图像处理网络以输出包括一个或多个第一图像中的位置的估计的数据,并通过三角测量生成该肢体的三维模型及肢体参数。
根据一种优选的实施方式,所述成像单元将采集的待测肢体的同一时间段内的同一光散射区域的一个或多个第一图像传输至处理单元,所述处理单元通过对存储有若干包含有基准点的参考图像及图像参数的存储单元内的图像与采集的第一图像进行对比检索,从而生成待测肢体的设定部位的大体参数数据。
根据一种优选的实施方式,所述成像单元按照能够以待测肢体的髌骨作为基准点进行图像抓取并以此校准成像单元的成像数据的方式校正其记录的第一图像,从而使得采集的第一图像是能够记录包含有肢体基准点和肢体清晰的外形轮廓的。
根据一种优选的实施方式,所述成像单元记录的所述第一图像是在首次记录测量时拍摄的;所述处理单元基于第一图像中的基准点以及一个或多个第一图像中的位置的估计的数据生成肢体的初始设定部位的三维模型及参数,且在捕获至少一个所述第一图像的情况下,所述成像单元和所述投光单元的包括相互定向和位移的物理几何形状的参数值来执行三角测量;所述处理单元能够将处理后的肢体三维模型和参数传输至分析平台。
根据一种优选的实施方式,所述处理单元能够将与目标位置相关的肢体图片元素和其他图片元素进行分割,从而能够对同一时间段采集的多张肢体图片元素进行处理并生成相对应的肢体三维模型。
根据一种优选的实施方式,所述投光单元和成像单元按照在观察期间的多个时间段内对肢体的髌骨及其上下段肢体进行二次图像采集的方式获取第二图像,所述处理单元能够对采集的同一时间段内的第二图像进行图像处理和图像元素分割,从而生成对应于该第二图像数据的三维模型及该段肢体的参数。
根据一种优选的实施方式,所述处理模块将处理若干第二图像获取的肢体三维模型和参数传输到分析平台,所述分析平台能够将存储的初始时段获取的第一图像的肢体三维模型及参数与在其后多时段有序采集的第二图像的肢体三维模型及参数进行汇总,且存储数据能够通过显示模块进行展示。
根据一种优选的实施方式,所述分析平台能够对有序采集的多个第二图像的肢体三维模型及参数与初始时段采集的第一图像的肢体三维模型及参数和/或上一时间段采集的第二图像的肢体三维模型及参数进行对比分析,并以此来判断患者髌骨的上下段肢体的变化。
根据一种优选的实施方式,在记录所述第一图像之前或者作为记录所述第一图像的初始步骤并且在记录所述第二图像之前或者作为记录所述第二图像的初始步骤:应用相应的扫描仪设置用于记录所述第一图像并且在记录所述第二图像之前或者作为记录所述第二图像的初始步骤,为所述投光单元和所述成像单元中的之一或两者设置相应的操作条件以根据所述相应的操作条件操作;其中,至少在记录所述第一图像期间和记录所述第二图像期间的所述相应的操作条件是相同的。
本申请还提供一种血栓检测的评估***,通过投光单元将结构光大致投射在待测肢体表面的目标区域内;使用布置为距所述投光单元一定距离并且相对于所述投光单元成一定交角的成像单元记录所述待测肢体的至少部分表面的第一图像;检索预先设置的训练图像处理网络以输出包括一个或多个第一图像中的位置的估计的数据,并通过三角测量生成该肢体的三维模型及肢体参数。
附图说明
图1是本发明的一种应用于血栓检测的评估方法的优选实施例的逻辑示意图。
附图标记列表
1:投射单元 2:成像单元 3:处理模块
4:分析平台 5:显示模块
具体实施方式
实施例1
一种用于对卧床患者的髌骨上下10cm-15cm的部分下肢进行定点的肢体尺寸的测量以判断患者是否出现下肢肿大的不良现象的应用于血栓检测的评估方法。该方法根据在有间隔的多个时间段内依次测量得到的肢体尺寸的变化来判断是否存在静脉血栓引起的下肢肿大,从而能够及时有效地针对可能出现或已出现的肢体深静脉血栓进行针对性的医疗处理,从而能够避免卧床患者发生病情恶化,能够及时掌控患者病情的进展情况,进而能够针对病情分阶段地做出合理有效的治疗方案。
根据一种具体的实施方式,如图1所示,为了能够对卧床患者是否发生下肢静脉血栓进行有效监控,通过设置能够被结构光投射的设定的目标区域内的肢体进行图像采取的投光单元1和成像单元2,从而能够在投光单元以距待测肢体一定间距和角度的位置将测距光线定向投射在待测肢体上,成像单元2能够对已经被投光单元1的投射光线标记的目标区域进行图像采集,进而获取具有待测肢体信息的图像。优选的,成像单元2按照距离投光单元1一定距离且相对于投光单元1成一定夹角的方式进行设置,从而在投光单元1将结构光投射在待测肢体的目标区域的情况后,成像单元2便随之启动并对该区域进行图像采集。另外,在移动投光-成像设备时,成像单元2能够跟随投光单元1的移动采集到同一肢体部位不同角度和不同片区的图像,并通过预先设置的训练图像处理网络对同一时段内采集的多个图像进行处理,得到该图像中待测肢体的位置的估计的数据,从而获得的多组位置数据利用三角测量的计算方式生成该段待测肢体的三维模型及模型肢体代表的实际采集到的肢体参数,从而能够得到三维模型所代表的特定时间的肢体的髌骨上下一定距离位置的肢体尺寸。具体的,成像单元2将采集的待测肢体的同一时间段内的同一光散射区域的一个或多个图像传输至处理单元3,处理单元3通过对存储有若干包含有基准标定点的参考图像及对应该图像的参数的存储单元4内的图像与采集的图像进行对比检索,从而生成待测肢体的设定部位的大体参数数据,处理单元3能够根据生成的大体参数数据和与具有基准标定点的参考图像的对应关系,从而进一步生成与参考图像能够进行特征点位置相互对应的肢体三维模型。优选的,成像单元2按照能够对待测肢体的髌骨的位置作为基准点进行抓取并以此校准成像单元2的成像数据的方式校正其记录的图像,从而使得采集的图像是能够记录包含有肢体基准点和肢体清晰的外形轮廓的。在对患者的设定肢体进行多时段的多次数据采集时,处理单元3处理后的肢体三维模型及参数均传输到分析平台中,从而分析平台4对多次采集的多组数据进行数据罗列和对比分析,进而能够向医护人员展示患者在一定时间内患者肢体的髌骨的上下设定距离位置处的肢体尺寸的变化,从而方便医护人员对卧床患者是否已发生或者可能发生静脉血栓进行判断,并以此为依据给出适合不同患者的治疗方案。另外,多次获取得到的三维模型能够通过重叠对比的方式帮助医护人员更直观地了解到患者实际的肢体尺寸的变化,能够有效地消除仅依靠设定位置处的尺寸数据进行病情判断,降低了可能存在的患者姿势和外部挤压等导致肢体发生形变而对采集的测量数据的准确性的影响。
成像单元2记录的第一图像是在对患者肢体进行首次记录测量时拍摄的图像,所生成的肢体三维模型及参数也是作为患者初始状态的参考数据。处理模块基于第一图像中的基准点以及一个或多个第一图像中的位置的估计的数据生成初始的肢体的设定部位的三维模型及其参数,且在捕获至少一个第一图像的情况下,投光单元和成像单元包括相互定向和位移的物理几何形状的参数值执行三角测量。处理单元3能够将与目标位置相关的肢体图片元素和其他图片元素进行分割,从而能够对同一时间段采集的多张肢体图片元素进行处理并生成相对应的肢体三维模型。处理单元3能够将处理后的肢体三维模型和参数传输至分析平台4。
包含有投光单元1和成像单元2的投光-成像组件能够按照在观察期间的多个时间段内对肢体的髌骨及其上下段肢体进行二次图像采集的方式获取第二图像。处理单元3能够对采集的同一时间段内的第二图像进行图像处理和图像元素分割,从而生成对应于该第二图像数据的三维模型及其该段肢体的参数。经处理模块3处理后的若干第二图像获取的肢体三维模型和参数传输到分析平台4。分析平台4能够将存储的初始时段获取的第一图像的肢体三维模型及参数与在其后多时段有序采集的第二图像的肢体三维模型及参数进行汇总,且存储数据能够通过显示模块5进行展示。分析平台4还能够对有序采集的多个第二图像的肢体三维模型及参数与初始时段采集的第一图像的肢体三维模型及参数和/或上一时间段采集的第二图像的肢体三维模型及参数进行对比分析,并以此来判断患者髌骨的上下段肢体的变化。
在记录所述第一图像之前或者作为记录所述第一图像的初始步骤并且在记录所述第二图像之前或者作为记录所述第二图像的初始步骤:应用相应的扫描仪设置用于记录所述第一图像并且在记录所述第二图像之前或者作为记录所述第二图像的初始步骤,为所述投光单元和所述成像单元的一个或两个设置相应的操作条件以根据所述相应的操作条件操作;其中,至少在记录所述第一图像期间和记录所述第二图像期间的所述相应的操作条件是相同的。
实施例2
一种能够对卧床患者是否发生肢体静脉血栓进行测量的评估***,其包括能够通过壳体进行集成在单个装置中的投光-成像扫描分析***。该***中的投光单元1能够将其发出的结构光按照与待测肢体相隔一定角度和间距的方式投射到待测肢体的设定位置表面。成像单元2设置在与投光单元1的间距可以在20mm至500mm或更大的范围内。从而,成像单元2能够跟随投光单元进行移动,从而能够记录待测肢体表面的不同角度和位置的图像。
在完成对图像记录后,检索在训练期间配置的训练图像处理网络以输出包括物理对象表面的目标位置相关的一个或多个图像中对位置的估计数据。然后,将物理对象表面上的目标位置的一个或多个第一图像中的位置的估计输入至随后的三角测量。由于可以以改进的精度提供一个或多个第一图像中的位置的估计,训练图像处理网络改进三角测量的输入,从而能够准确地计算待测肢体的表面的点云或三维模型。本***通过对图像处理网络进行适当训练,可以有效地提高装置对待测肢体轮廓不明显的状态下精准地进行有效扫描和数据获取的效果,可以对表面特性具有比较大的可变性的对象表面进行扫描。
***可以进行接收用户的执行扫描操作的输入以在前述接收用户输入投光单元和成像单元中的一个或两个的操纵操作条件时生成物理对象的表面的部分或完整的计算机可读的点云或三维模型。因此,用户在实现满意效果之前都不需要担心她/他自己耗费时间反复试验扫描过程。训练图像处理网络可具有在其训练数据内和/或超出其训练数据归纳的能力,其与扫描特定肢体对象时至少前几次尝试中能够实现的相比,增加了用户能够获得更好的扫描结果的几率。这是有关联的,因为***扫描处理可能花费大量的时间完成,例如,5至30分钟以上。此外,***可能需要经由用户界面接收用户的输入以执行包括以下各项中的一个或多个的数字重构操作:检索训练图像处理网络、使用训练图像处理网络以及生成物理对象的表面的部分或完整的计算机可读的点云或三维模型。由于扫描操作和数字重构操作两者可能是耗时的,并且由于可在各个硬件部件上执行该操作,因此响应于接收用户输入进行任一操作是有优势的。不论是哪种情况,通常通过涉及扫描操作(耗时)和数字重构操作(同样耗时)两者的反复试验过程将用户从调整操作条件这一非常耗时的任务中解放出来。优选的,训练图像处理网络可被配置为在训练期间抑制光散射区域的不期望的效果,这是使目标位置的估计错误地偏移的来源。训练图像处理网络可以使用线性和非线性算子的组合。
优选的,将结构光投影到待测对象的表面上,大致在待测对象的表面上逐渐移位的目标位置。这可以通过支持投光单元进行角运动的机动化旋转来实现。结构光可瞄准待测对象的目标位置。当观察结构光撞击的待测对象时,可以观察到结构光出现的某些表面在目标位置(强光强度)处聚焦并且沿着正交于结构光的方向在大致目标位置基本高斯分布,其可以是线。由大致在物理对象的表面上的目标位置投影的结构光照亮的光散射区域可以作为关于目标位置对称或不对称的一个或多个规则或不规则照明区域出现。目标位置可以对应于结构光的几何中心或“重心”(例如,对应于基本高斯分布的中心),但至少在一定程度上忽视光散射区域。
优选的,投光单元1可包括光源(诸如,LED或LASER)并且可以包括光学透镜和棱镜中的一个或多个。投光单元1可包括“扇形激光器”。投光单元1可包括发出激光束的激光器和将激光束转换为均匀的直线的激光线发生器透镜。激光线发生器透镜可配置为圆柱透镜或棒形透镜以沿着某一轴线聚焦激光束从而形成光线。结构光可配置为‘点’、‘点’的阵列、‘点’的矩阵或‘点’的云、单个光线、作为多个平行线或相交线。结构光可以是例如‘白光’、‘红光’、‘绿光’或‘红外光’或它们的组合。从投光单元1的视角看,配置为线的结构光表现为对象上的线。当视角与投光单元1的视角不同时,如果对象弯曲,则线表现为弯曲。该曲线在由布置为距投光单元1有一定距离的照相机捕获的图像中能够观察到。目标位置对应于结构光的边缘。可以根据例如与光强度相对应的统计准则限定边缘,该光强度大致为可具有显著高斯分布的结构光中心处的光强度的一半。还可以使用用于检测边缘的另一准则或其他准则。目标位置可以对应于‘左边缘’、‘右边缘’、‘上边缘’、‘下边缘’或它们的组合。在结构光的边缘处使用目标位置的优点是可以改进3D扫描的分辨率。
优选的,本***的投光-成像集成装置可具有一个或两个有线接口(例如,根据USB标准)或无线接口(例如,根据Wi-Fi或蓝牙标准),用于将图像序列传输至设有分析平台4的计算机(例如,台式、笔记本电脑、平板电脑或智能电话)。图像序列可与视频格式(例如,JPEG标准)一致。在检索训练图像处理网络的一个或多个中,由计算机执行处理图像并生成对象表面的部分或完整的计算机可读的点云或三维模型。第一计算机可以经由数据通信链路接收图像序列。成像单元2可以配置为彩色照相机,例如,RGB照相机或灰度色调照相机。术语三角测量应解释为包括任何类型的三角测量,包括通过由已知的点为其形成三角形而确定点的位置。三角测量包括例如在以下各项中的一个或多个中使用的三角测量:核面几何、摄影测绘及立体视觉。但不限于此。
优选的,成像单元2记录的图像可以为单色图像或彩色图像。成像单元2可配置有以矩阵格式输出具有单色或彩色像素值的列和行的图像的照相机传感器。2D表示可以为2D坐标列表的格式,例如,参照第一图像的列和行指数。在某些方面,以子像素精度获得2D表示。2D表示能够可替换地或另外以2D图像的格式输出,例如,仅具有两个可能的像素值的二值图像。因此,对2D表示进行编码并且2D表示可用于准备输入以进行三角测量。使用处理单元3的训练图像处理网络进行处理,获得第一图像的至少一个中的目标位置。表示投光单元1和成像单元2的物理几何形状的参数值可以包括相互定向和2D或3D位移中的一者或多者。参数值可以包括至少在特定3D对象的扫描过程中仍是被固定的第一值和在特定3D对象的扫描过程中变化的第二值。第二值可以由传感器读取、感应或者由控制3D对象的扫描的控制器提供。传感器可以感应投光器或其部件的旋转。
在进行图像元素的分割分类时,与作为目标位置的其他图片元素相区分的图片元素是物理对象的表面上的目标位置估计。可以用一个或多个唯一值(例如,作为二进制图像中的二进制值)编码与作为目标位置的其他图片元素相区分的图片元素。训练图像处理网络可以接收图像序列的图像作为输入图像并且可以提供某些图片元素与输出图像中的目标位置相区分的分割。与输入图像相比,输出图像可具有较高的分辨率,输入图像允许被输入以进行三角测量的目标位置子像素精确性的估计。优选的,输出图像可具有较低的分辨率,例如,以进行与三角测量相关的处理。例如,通过使用双三次插值(例如,经由Bicubic滤波器),可通过如本领域已知的上采样生成较高分辨率的图像。在一些实施方式中,使用其他类型的上采样。上采样可以为例如上采样的八倍、上采样的四倍或者另一上采样规模。此外,分割可以对应于响应于人工操作员控制的参数执行图像处理的图像处理器识别的估计的目标位置,例如,参数与以下各项中的一个或多个有关:图像滤波器类型、图像滤波器内核尺寸以及强度阈值。由人工操作员控制的参数可以由操作员在反复试验过程中设置,其中,操作员使用视觉检测控制参数用于表示目标位置的精确分割。
优选的,训练图像处理网络为卷积神经网络,诸如,深度卷积神经网络。卷积神经网络还在投光器的次优操作条件下,例如光散射区域使物理对象的表面上的光图案及其空间定义显著扭曲的情况(例如,通过物理对象的环境光、文理和光亮定义),提供目标位置的高度精确估计。适当训练卷积神经网络提供更优的分割结果用于精确估计目标位置。在一些实施方式中,训练图像处理网络包括支持向量机。训练图像处理网络还可以是具有包括下采样和上采样算子的u-net的深度卷积网络。这种训练图像处理网络在计算承受能力和精确性之间提供良好的平衡,更不必说相对小的训练数据的子集。具有u-net的卷积网络在其以图像的形式输出分割图时提供。
实施例3
一种通过肢体尺寸的测量以对卧床患者是否发生或存在静脉血栓的评估方法。
在接收到患者后通过投光单元1将结构光投射在患者的下肢髌骨的上下10cm-15cm的位置范围内,使其投射的光线的散射范围在所限定的范围之内;然后通过成像单元2的照相机将处于结构光散射范围内的部分肢体表面图像进行记录,从而获得第一图像,通过转动或移动投光单元,使得随其移动的成像单元2的照相机能够将下肢髌骨的上下10cm-15cm位置范围内的整个肢体表面的图像均记录存储;其次通过处理模块3将采集的第一图像进行分割和处理,从而获取待测肢体的三维模型及其该模型肢体的尺寸数据;最后将处理后的数据信息传输至分析平台4进行存储和分析,并通过显示模块5进行展示,该显示模块5还作为用户操作终端,操作人员能够在终端上进行参数设置和相关的调控操作。
在完成第一图像的获取后,医护人员间隔一定时间后,多次对患者的同一肢体部位进行多次图像采集,以获取卧床患者肢体随时间变化的实时状况,通过后续多次采集的第二图形与第一图像获取的肢体尺寸数据进行对比,从而判断患者是否有可能或已发生下肢静脉血栓。其图像对比包括根据图像处理获取的三维模型的重叠对比和尺寸数据的直接对比。处理模块3将处理后的第二图像的数据传输到分析平台4,分析平台4对初始采集的第一图像的数据与后续多次采集的第二图像的数据进行对比,从数据展示的肢体尺寸数据的变化判断是否有发生血栓。在患者的多次肢体数据呈现逐渐变大并超出预设阈值的情况下,分析平台4传输预警信号到显示模块,以提醒医护人员患者发生静脉血栓。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种血栓检测的评估方法,其至少包括投光单元(1)和成像单元(2),其中,所述投光单元(1)能够将测距光线定向投射在待测肢体上,成像单元(2)能够采集经投光单元(1)投射光线标记的部分肢体表面图像,其特征在于,
所述投光单元(1)接收到投射操作的指令而将结构光大致投射在待测肢体表面的目标区域内;
所述成像单元(2)按照距离所述投光单元(1)一定距离且相对于所述投光单元(1)成一定夹角的方式进行设置,所述成像单元(2)响应于所述投光单元(1)完成投射操作的指令而记录至少所述待测肢体的部分表面的第一图像;
检索预先设置的训练图像处理网络以输出包括一个或多个第一图像中的位置的估计的数据,并通过三角测量生成该肢体的三维模型及肢体参数。
2.如权利要求1所述的血栓检测的评估方法,其特征在于,所述成像单元(2)将采集的待测肢体的同一时间段内的同一光散射区域的一个或多个第一图像传输至处理单元(3),所述处理单元(3)通过对存储有若干包含有基准点的参考图像及图像参数的存储单元(4)内的图像与采集的第一图像进行对比检索,从而生成待测肢体的设定部位的大体参数数据。
3.如权利要求2所述的血栓检测的评估方法,其特征在于,所述成像单元(2)按照能够以待测肢体的髌骨作为基准点进行图像抓取并以此校准成像单元(2)的成像数据的方式校正其记录的第一图像,从而使得采集的第一图像是能够记录包含有肢体基准点和肢体清晰的外形轮廓的。
4.如权利要求3所述的血栓检测的评估方法,其特征在于,所述成像单元(2)记录的所述第一图像是在首次记录测量时拍摄的;所述处理单元(3)基于第一图像中的基准点以及一个或多个第一图像中的位置的估计数据生成肢体的初始设定部位的三维模型及三维模型参数,且在捕获至少一个所述第一图像的情况下,所述成像单元和所述投光单元的包括相互定向和位移的物理几何形状的参数值来执行三角测量;所述处理单元(3)能够将处理后的肢体三维模型和参数传输至分析平台(4)。
5.如权利要求2所述的血栓检测的评估方法,其特征在于,所述处理单元(3)能够将与目标位置相关的肢体图片元素和其他图片元素进行分割,从而能够对同一时间段采集的多张肢体图片元素进行处理并生成相对应的肢体三维模型。
6.如权利要求4所述的血栓检测的评估方法,其特征在于,所述投光单元(1)和成像单元(2)按照在观察期间的多个时间段内对肢体的髌骨及其上下段肢体进行二次图像采集的方式获取第二图像,所述处理单元(3)能够对采集的同一时间段内的第二图像进行图像处理和图像元素分割,从而生成对应于该第二图像数据的三维模型及该段肢体的参数。
7.如权利要求6所述的血栓检测的评估方法,其特征在于,所述处理模块(3)将处理若干第二图像获取的肢体三维模型和参数传输到分析平台(4),所述分析平台(4)能够将存储的初始时段获取的第一图像的肢体三维模型及参数与在其后多时段有序采集的第二图像的肢体三维模型及参数进行汇总,且存储数据能够通过显示模块(5)进行展示。
8.如权利要求7所述的血栓检测的评估方法,其特征在于,所述分析平台(4)能够对有序采集的多个第二图像的肢体三维模型及参数与初始时段采集的第一图像的肢体三维模型及参数和/或上一时间段采集的第二图像的肢体三维模型及参数进行对比分析,并以此来判断患者髌骨的上下段肢体的变化。
9.如权利要求6所述的血栓检测的评估方法,其特征在于,在记录所述第一图像之前或者作为记录所述第一图像的初始步骤并且在记录所述第二图像之前或者作为记录所述第二图像的初始步骤:
应用相应的扫描仪设置用于记录所述第一图像并且在记录所述第二图像之前或者作为记录所述第二图像的初始步骤,为所述投光单元和所述成像单元中的之一或两者设置相应的操作条件以根据所述相应的操作条件操作;
其中,至少在记录所述第一图像期间和记录所述第二图像期间的所述相应的操作条件是相同的。
10.一种血栓检测的评估***,其特征在于,通过投光单元(1)将结构光大致投射在待测肢体表面的目标区域内;
使用布置为距所述投光单元(1)一定距离并且相对于所述投光单元成一定夹角的成像单元(2)记录所述待测肢体的至少部分表面的第一图像;
检索预先设置的训练图像处理网络以输出包括一个或多个第一图像中的位置的估计的数据,并通过三角测量生成该肢体的三维模型及肢体参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110222887.9A CN113012112B (zh) | 2021-02-26 | 2021-02-26 | 一种血栓检测的评估*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110222887.9A CN113012112B (zh) | 2021-02-26 | 2021-02-26 | 一种血栓检测的评估*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113012112A true CN113012112A (zh) | 2021-06-22 |
CN113012112B CN113012112B (zh) | 2024-07-02 |
Family
ID=76386847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110222887.9A Active CN113012112B (zh) | 2021-02-26 | 2021-02-26 | 一种血栓检测的评估*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012112B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114452459A (zh) * | 2022-03-01 | 2022-05-10 | 上海璞慧医疗器械有限公司 | 一种血栓抽吸导管监测预警*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5497787A (en) * | 1994-08-05 | 1996-03-12 | Nemesdy; Gabor | Limb monitoring method and associated apparatus |
EP0993805A1 (de) * | 1998-10-15 | 2000-04-19 | Medical concept Werbeagentur GmbH | Anordnung zur Vorbeugung gegen thrombotische Embolie |
US20150302594A1 (en) * | 2013-07-12 | 2015-10-22 | Richard H. Moore | System and Method For Object Detection Using Structured Light |
US20160235354A1 (en) * | 2015-02-12 | 2016-08-18 | Lymphatech, Inc. | Methods for detecting, monitoring and treating lymphedema |
DE102016118073A1 (de) * | 2016-09-26 | 2018-03-29 | Comsecura Ag | Messgerät zur Ermittlung und Anzeige der passgenauen Größe eines Thromboseprophylaxestrumpfes und Verfahren zur Ermittlung und Anzeige der Größe des Thromboseprophylaxestrumpfes |
US20180317772A1 (en) * | 2015-07-03 | 2018-11-08 | Universite De Montpellier | Device for biochemical measurements of vessels and for volumetric analysis of limbs |
CN110542390A (zh) * | 2018-05-29 | 2019-12-06 | 环球扫描丹麦有限公司 | 使用结构光的3d对象扫描方法 |
CN212489887U (zh) * | 2020-04-30 | 2021-02-09 | 厦门中翎易优创科技有限公司 | 一种肢体肿胀监测装置 |
-
2021
- 2021-02-26 CN CN202110222887.9A patent/CN113012112B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5497787A (en) * | 1994-08-05 | 1996-03-12 | Nemesdy; Gabor | Limb monitoring method and associated apparatus |
EP0993805A1 (de) * | 1998-10-15 | 2000-04-19 | Medical concept Werbeagentur GmbH | Anordnung zur Vorbeugung gegen thrombotische Embolie |
US20150302594A1 (en) * | 2013-07-12 | 2015-10-22 | Richard H. Moore | System and Method For Object Detection Using Structured Light |
US20160235354A1 (en) * | 2015-02-12 | 2016-08-18 | Lymphatech, Inc. | Methods for detecting, monitoring and treating lymphedema |
US20180317772A1 (en) * | 2015-07-03 | 2018-11-08 | Universite De Montpellier | Device for biochemical measurements of vessels and for volumetric analysis of limbs |
DE102016118073A1 (de) * | 2016-09-26 | 2018-03-29 | Comsecura Ag | Messgerät zur Ermittlung und Anzeige der passgenauen Größe eines Thromboseprophylaxestrumpfes und Verfahren zur Ermittlung und Anzeige der Größe des Thromboseprophylaxestrumpfes |
CN110542390A (zh) * | 2018-05-29 | 2019-12-06 | 环球扫描丹麦有限公司 | 使用结构光的3d对象扫描方法 |
CN212489887U (zh) * | 2020-04-30 | 2021-02-09 | 厦门中翎易优创科技有限公司 | 一种肢体肿胀监测装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114452459A (zh) * | 2022-03-01 | 2022-05-10 | 上海璞慧医疗器械有限公司 | 一种血栓抽吸导管监测预警*** |
CN114452459B (zh) * | 2022-03-01 | 2022-10-18 | 上海璞慧医疗器械有限公司 | 一种血栓抽吸导管监测预警*** |
Also Published As
Publication number | Publication date |
---|---|
CN113012112B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0541598B1 (en) | Method and apparatus for obtaining the topography of an object | |
US6567682B1 (en) | Apparatus and method for lesion feature identification and characterization | |
JP5849048B2 (ja) | 側弯症評価のための三次元(3d)超音波撮像システム | |
Moss et al. | A laser scanning system for the measurement of facial surface morphology | |
CN103096785B (zh) | 眼科设备及其控制方法 | |
JP3683613B2 (ja) | 光学測定方法 | |
CN102469937B (zh) | 断层图像摄像设备及其控制方法 | |
KR101496669B1 (ko) | 정보처리장치, 방법, 시스템, 및 기억매체 | |
JP4915737B2 (ja) | 画像解析システム、及び画像解析プログラム | |
RU2005133397A (ru) | Автоматическое обнаружение поражений кожи | |
CN113012112B (zh) | 一种血栓检测的评估*** | |
JP2006528499A (ja) | オンライン波面測定および表示 | |
CN114189623B (zh) | 基于光场的屈光图形生成方法、装置、设备及存储介质 | |
Mutsvangwa et al. | Design, construction, and testing of a stereo-photogrammetric tool for the diagnosis of fetal alcohol syndrome in infants | |
CN113034608B (zh) | 一种角膜表面形态测量装置及方法 | |
KR102140657B1 (ko) | 열화상이미지의 해상도 보정장치 | |
CN103099622A (zh) | 一种基于图像的身体稳定性评价方法及装置 | |
EP4185184A1 (en) | Method for determining a coronal position of an eye relative to the head | |
US6556691B1 (en) | System for measuring curved surfaces | |
US20240122527A1 (en) | Method and system for detecting and optionally measuring at least one dimension of one or more protuberances of an area of a skin surface | |
Rigotti et al. | Surface scanning: an application to mammary surgery | |
US20230274441A1 (en) | Analysis method and analysis apparatus | |
Johasson et al. | Development of a computer vision system for ensuring quality of Fetal Spiral Electrodes | |
Kalina et al. | Quantitative assessment of optic nerve head topography | |
Hobson et al. | An automated visual system for the measurement of human spinal deformities |
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 |