CN117398231A - 一种基于数据分析的医学储液装置温度控制***及方法 - Google Patents
一种基于数据分析的医学储液装置温度控制***及方法 Download PDFInfo
- Publication number
- CN117398231A CN117398231A CN202311625735.9A CN202311625735A CN117398231A CN 117398231 A CN117398231 A CN 117398231A CN 202311625735 A CN202311625735 A CN 202311625735A CN 117398231 A CN117398231 A CN 117398231A
- Authority
- CN
- China
- Prior art keywords
- temperature
- patient
- data
- storage device
- abdominal cavity
- 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
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000007405 data analysis Methods 0.000 title claims abstract description 20
- 210000000683 abdominal cavity Anatomy 0.000 claims abstract description 60
- 230000005855 radiation Effects 0.000 claims abstract description 39
- 230000011218 segmentation Effects 0.000 claims abstract description 22
- 238000007669 thermal treatment Methods 0.000 claims abstract description 21
- 238000003062 neural network model Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims description 62
- 239000003814 drug Substances 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 24
- 238000002560 therapeutic procedure Methods 0.000 claims description 19
- 238000000015 thermotherapy Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 8
- 206010020843 Hyperthermia Diseases 0.000 claims description 6
- 230000036760 body temperature Effects 0.000 claims description 6
- 230000036031 hyperthermia Effects 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 230000003187 abdominal effect Effects 0.000 claims description 3
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 230000017531 blood circulation Effects 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 3
- 238000001802 infusion Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims 9
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000009217 hyperthermia therapy Methods 0.000 abstract 1
- 238000010438 heat treatment Methods 0.000 description 10
- 210000000056 organ Anatomy 0.000 description 5
- 238000009529 body temperature measurement Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010011409 Cross infection Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 206010029803 Nosocomial infection Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000010412 perfusion Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010063837 Reperfusion injury Diseases 0.000 description 1
- 230000000735 allogeneic effect Effects 0.000 description 1
- 239000002246 antineoplastic agent Substances 0.000 description 1
- 229940041181 antineoplastic drug Drugs 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000012947 ischemia reperfusion injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000008542 thermal sensitivity Effects 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F7/00—Heating or cooling appliances for medical or therapeutic treatment of the human body
- A61F7/12—Devices for heating or cooling internal body cavities
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F7/00—Heating or cooling appliances for medical or therapeutic treatment of the human body
- A61F2007/0095—Heating or cooling appliances for medical or therapeutic treatment of the human body with a temperature indicator
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Thermal Sciences (AREA)
- Vascular Medicine (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及温度控制技术领域,是一种基于数据分析的医学储液装置温度控制***及方法,具体方法包括:采集患者腹腔深度数据和体重数据,并在热疗过程中实时记录患者身体状态数据、热疗环境温度数据和医学储液装置的工作数据;实时采集患者腹腔的红外辐射图像;将红外辐射图像进行背景阈值分割处理后输入到神经网络模型中,并对温度区域进行梯度划分标记;构建温度数据拟合模型,实时拟合不同温度区域的温度预测曲线;针对不同温度区域进行灰度值风险判断,并对医学储液装置进行温度控制处理。本发明解决了现有技术中,热疗疗法中由于患者体内温度的测量误差大导致温度调控不不均和医学储液装置的温度控制预见性差的问题。
Description
技术领域
本发明涉及温度控制技术领域,是一种基于数据分析的医学储液装置温度控制***及方法。
背景技术
热循环灌注又称热疗疗法,在一些癌症治疗方法中,使用热循环灌注来加热和注入抗癌药物,通过将药物加热到高温后灌注到局部的肿瘤组织中,可以增强药物的渗透性和热敏感性,提高治疗效果。热疗疗法还常常在器官保护中的应用,在器官移植手术中,通过将保护性溶液加热和灌注到器官中,可以提供氧气和养分,促进细胞的存活,并减少异体器官移植术后的器官缺血再灌注损伤。而热疗疗法中医学储液设备的温度控制往往影响药物疗效的关键因素。
在现有已公开的发明技术中,如申请公开号为CN114740924A的专利公开了透析液温度控制方法、装置、设备及存储介质,包括获取第一温度值、第二温度值、第三温度值、第一状态和历史加热状态;根据第一温度值、第二温度值和第三温度值,确定第一温度差值和第二温度差值,第一温度差值用于表征第三温度值和第一温度值之间的温度差值,第二温度差值用于表征第二温度值和第一温度值之间的差值;根据第一温度差值、第二温度差值、第一状态和历史加热状态,确定透析液的当前加热状态;根据第一温度差值、第二温度差值和当前加热状态,确定加热件的功率等级。该发明逻辑易于理解、容易实现、参数易于调整,针对不同加热状态进行测试验证。
上述专利通过温度差值和加热状态来确定加热件的功率等级,但未考虑到环境,患者本身对药液温度的影响,存在温度控制的不准确,且温度控制预见性差的问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
本发明所要解决的技术问题是针对现有技术中,热疗疗法中由于患者体内温度的测量精度不够,误差较大,且不同患者的不同脏器区域对药液温度的耐受性不同,存在热疗过程中药液温度分布不均匀的问题,且现有技术中对医学储液装置的温度控制步骤简单,往往是等到热循环过程中的测温点检测到温度降低时才进行升温处理,中间产生的升温时间差会降低药物的疗效,故现有技术存在温度控制预见性差的问题,提出了一种基于数据分析的医学储液装置温度控制***及方法。
为了达到上述目的,本发明一种基于数据分析的医学储液装置温度控制方法的技术方案包括如下步骤:
S1:采集患者腹腔深度数据和体重数据,并在热疗过程中实时记录患者身体状态数据、热疗环境温度数据和医学储液装置的工作数据;
S2:通过红外相机实时采集患者腹腔的红外辐射图像,连续监测患者腹腔热疗温度分布数据;
S3:将实时采集患者腹腔的红外辐射图像进行背景阈值分割处理后输入到神经网络模型中,并对温度区域进行梯度划分标记;
S4:构建温度数据拟合模型,实时拟合不同温度区域的温度预测曲线;
S5:针对不同温度区域进行灰度值风险判断,对患者热疗过程中温度数据进行监测反馈,并对医学储液装置进行温度控制处理。
具体地,所述患者身体状态数据包括:患者实时体温、心率数据、血压数据、血氧饱和度、腹腔血流速度。
具体地,S1中,所述医学储液装置的工作数据的采集包括:通过医学储液装置的药液入口处放置温度传感器采集药液入口处,时间点为t时的流入药液的实时温度数据T1,t;通过医学储液装置的柱体高度中心处放置温度传感器采集药液中部,时间点为t时的储备药液的实时温度数据T2,t;通过医学储液装置的药液出口处放置温度传感器采集药液出口处,时间点为t时的流出药液的实时温度数据T3,t。
具体地,患者腹腔热疗温度分布数据的连续监测包括如下具体步骤:
S201:在距离热疗工作台两米处,放置红外热成像仪,其中红外热成像仪的摄像头的放置高度为高于热疗工作台一米处,放置角度为水平向下三十度;
S202:每间隔5分钟采集一次患者腹腔的红外辐射图像;
S203:对患者腹腔的红外辐射图像进行图像去噪、大小调整和归一化处理。
具体地,所述S3包括如下具体步骤:
S301:对实时采集的患者腹腔的红外辐射图像进行灰度化,其中,温度为i的像素点的灰度值为R(i);
S302:根据S301,对灰度化处理后的红外辐射图像进行阈值分割处理,得到共X级温度监测区域;
S303:构建神经网络模型,并通过神经网络模型对不同级温度区域按照该级温度区域的所有的行的灰度值之和从小到大依次进行区域等级标记。
具体地,S302中,所述阈值分割处理的分割规则如下:
S321:将患者腹腔的红外辐射图像的左下角记为坐标原点,构建坐标系,其中整幅患者腹腔的红外辐射图像宽度为L,每间隔距离c记为一行,红外辐射图像从下至上被分为J行,其中J为整数,最大值为
S322:计算每一行中所有像素点的灰度均值,其中Pj为第j行的灰度均值,1≤j≤J;
S323:当相邻行之间的灰度差值Φ小于分割阈值K时,相邻两行被划为同级温度区域,其中,灰度差值Φ的计算策略为:Φ=Pj-Pj-1。
具体地,温度预测曲线的函数表达式如下:
其中,Wx,t为第x级温度监测区域在时间点为t时的预测温度;
L1为热疗设备中,医学储液装置的药液出口处连接患者腹腔的输液管道长度;L2,x为患者第x级温度监测区域的腹腔深度;
λ1,λ2分别为热疗输液管道的温度损失系数和患者腹腔通道的温度损失系数;
V为药液从药液出口到达第级温度监测区域的预计到达时间;
θ为患者热疗过程中向外界环境进行的热交换干扰系数;
Tt为在时间点为t时患者的体温;Tt′为在时间点为t时的热疗环境温度。
具体地,所述针对不同温度区域进行灰度值风险判断包括:
S501:提取不同温度区域的灰度均值;
S502:当第x级温度监测区域的灰度均值均小于等于或一次大于或连续两次大于风险一级差值A1时,继续对该温度监测区域进行温度监测;
S503:当第x级温度监测区域的灰度均值连续三次大于风险一级差值A1且小于等于风险二级差值A2时,交互界面弹出轻微风险警告,返回步骤S4,记录此时的监测时间点为Z,通过温度预测曲线的函数进行目标温度预测,根据目标温度值自动触发对医学储液装置进行升温或降温控制,并在间隔时间V后进行安全重复验证;
S504:当第x级温度监测区域的灰度均值首次大于风险二级差值A2时,交互界面弹出重大风险警告,发出警报,请求医护人员进行手动调温操作。
具体地,S503中,所述安全重复验证包括:
间隔时间V后,重复执行步骤S5,进行灰度值风险判断;
当第x级温度监测区域的灰度均值均小于等于时,继续对该温度监测区域进行温度监测;
当第x级温度监测区域的灰度均值均大于风险一级差值A1时,执行步骤S504。
另外,本发明一种基于数据分析的医学储液装置温度控制***包括如下模块:
中央控制模块、数据采集模块、图像采集模块、神经网络模块、温度预测模块、温度控制模块;
所述中央控制模块用于管理和监控***的各个组件和子***;
所述数据采集模块用于采集患者腹腔深度数据和体重数据,并在热疗过程中实时记录患者身体状态数据、热疗环境温度数据和医学储液装置的工作数据;
所述图像采集模块用于通过红外相机实时采集患者腹腔的红外辐射图像,连续监测患者腹腔热疗温度分布数据;
所述神经网络模块用于将实时采集患者腹腔的红外辐射图像进行背景阈值分割处理后输入到神经网络模型中,并对温度区域进行梯度划分标记;
所述温度预测模块用于构建温度数据拟合模型,实时拟合不同温度区域的温度预测曲线;
所述温度控制模块用于针对不同温度区域进行灰度值风险判断,对患者热疗过程中温度数据进行监测反馈,并对医学储液装置进行温度控制处理。
具体地,所述神经网络模块包括:输入层、卷积层、采样层、池化层、全连接层和输出层,其中每个卷积层均设置10个8×8的卷积核。
与现有技术相比,本发明的技术效果如下:
1、本发明通过实时采集患者腹腔的红外辐射图像进行热疗过程中的温度监测区域划分,属于非接触式测温,避免了热疗过程中传统的测温方式引起的交叉感染。
2、本发明通过神经网络对患者腹腔的红外辐射图像进行温度区域分级标记,运用神经网络的迭代更新能力,可以实时监测患者腹腔的温度分布情况,从而全面地了解热疗过程中患者的温度变化情况,避免因监测点过少而漏测温度异常区域,实现了温度区域划分的精准可视化,提升了对医学储液设备的温度控制的准确性。
3、本发明通过不同温度区域的灰度值风险判断,对热疗过程中由于热量传输损失造成的药液温度波动,实现了小幅度温度波动医学储液装置自主控制,大幅度波动预警反馈人为干预,减少对医护人员频繁操作温控设备的次数,同时,温度数据的安全重复验证也使得医学储液装置自主控制得到了双重保证,医学储液装置的温度控制灵敏性和预见性得到增强。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
其中:
图1为本发明的一种基于数据分析的医学储液装置温度控制方法的流程示意图;
图2为本发明的一种基于数据分析的医学储液装置温度控制***的结构示意图;
图3为本发明的一种针对不同温度区域的灰度值风险判断流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例一:
如图1、3所示,本发明实施例的一种基于数据分析的医学储液装置温度控制方法,如图1所示,包括如下具体步骤:
S1:采集患者腹腔深度数据和体重数据,并在热疗过程中实时记录患者身体状态数据、热疗环境温度数据和医学储液装置的工作数据;
所述患者身体状态数据包括:患者实时体温、心率数据、血压数据、血氧饱和度、腹腔血流速度。
所述医学储液装置的工作数据的采集包括:通过医学储液装置的药液入口处放置温度传感器采集药液入口处,时间点为t时的流入药液的实时温度数据T1,t;通过医学储液装置的柱体高度中心处放置温度传感器采集药液中部,时间点为t时的储备药液的实时温度数据T2,t;通过医学储液装置的药液出口处放置温度传感器采集药液出口处,时间点为t时的流出药液的实时温度数据T3,t。
S2:通过红外相机实时采集患者腹腔的红外辐射图像,连续监测患者腹腔热疗温度分布数据;
患者腹腔热疗温度分布数据的连续监测包括如下具体步骤:
S201:在距离热疗工作台两米处,放置红外热成像仪,其中红外热成像仪的摄像头的放置高度为高于热疗工作台一米处,放置角度为水平向下三十度;
S202:每间隔5分钟采集一次患者腹腔的红外辐射图像;
S203:对患者腹腔的红外辐射图像进行图像去噪、大小调整和归一化处理。
S3:将实时采集患者腹腔的红外辐射图像进行背景阈值分割处理后输入到神经网络模型中,并对温度区域进行梯度划分标记;
所述S3包括如下具体步骤:
S301:对实时采集的患者腹腔的红外辐射图像进行灰度化,其中,温度为i的像素点的灰度值为R(i);
S302:根据S301,对灰度化处理后的红外辐射图像进行阈值分割处理,得到共X级温度监测区域;
S303:构建神经网络模型,并通过神经网络模型不同级温度区域按照该级温度区域的所有的行的灰度值之和从小到大依次进行区域等级标记。
S302中,所述阈值分割处理的分割规则如下:
S321:将患者腹腔的红外辐射图像的左下角记为坐标原点,构建坐标系,其中整幅患者腹腔的红外辐射图像宽度为L,每间隔距离c记为一行,红外辐射图像从下至上被分为J行,其中J为整数,最大值为
S322:计算每一行中所有像素点的灰度均值,其中Pj为第j行的灰度均值,1≤j≤J;
S323:当相邻行之间的灰度差值Φ小于分割阈值K时,相邻两行被划为同级温度区域,其中,灰度差值Φ的计算策略为:Φ=Pj-Pj-1。
S4:构建温度数据拟合模型,实时拟合不同温度区域的温度预测曲线;
温度预测曲线的函数表达式如下:
其中,Wx,t为第x级温度监测区域在时间点为t时的预测温度;
L1为热疗设备中,医学储液装置的药液出口处连接患者腹腔的输液管道长度;L2,x为患者第x级温度监测区域的腹腔深度;
λ1,λ2分别为热疗输液管道的温度损失系数和患者腹腔通道的温度损失系数;
V为药液从药液出口到达第级温度监测区域的预计到达时间;
θ为患者热疗过程中向外界环境进行的热交换干扰系数;
Tt为在时间点为t时患者的体温;Tt′为在时间点为t时的热疗环境温度。
S5:针对不同温度区域进行灰度值风险判断,对患者热疗过程中温度数据进行监测反馈,并对医学储液装置进行温度控制处理。
如图3所示,所述针对不同温度区域进行灰度值风险判断包括:
S501:提取不同温度区域的灰度均值;
S502:当第x级温度监测区域的灰度均值均小于等于或一次大于或连续两次大于风险一级差值A1时,继续对该温度监测区域进行温度监测;
S503:当第x级温度监测区域的灰度均值连续三次大于风险一级差值A1且小于等于风险二级差值A2时,交互界面弹出轻微风险警告,返回步骤S4,记录此时的监测时间点为Z,通过温度预测曲线的函数进行目标温度预测,根据目标温度值自动触发对医学储液装置进行升温或降温控制,并在间隔时间V后进行安全重复验证;
S504:当第x级温度监测区域的灰度均值首次大于风险二级差值A2时,交互界面弹出重大风险警告,发出警报,请求医护人员进行手动调温操作。
S503中,所述安全重复验证包括:
间隔时间V后,重复执行步骤S5,进行灰度值风险判断;
当第x级温度监测区域的灰度均值均小于等于风险一级差值A1时,继续对该温度监测区域进行温度监测;
当第x级温度监测区域的灰度均值均大于风险一级差值A1时,执行步骤S504。
实施例二:
如图2所示,本发明实施例的一种基于数据分析的医学储液装置温度控制***,如图2所示,包括如下模块:
中央控制模块、数据采集模块、图像采集模块、神经网络模块、温度预测模块、温度控制模块;
所述中央控制模块用于管理和监控***的各个组件和子***;
所述数据采集模块用于采集患者腹腔深度数据和体重数据,并在热疗过程中实时记录患者身体状态数据、热疗环境温度数据和医学储液装置的工作数据;
所述图像采集模块用于通过红外相机实时采集患者腹腔的红外辐射图像,连续监测患者腹腔热疗温度分布数据;
所述神经网络模块用于将实时采集患者腹腔的红外辐射图像进行背景阈值分割处理后输入到神经网络模型中,并对温度区域进行梯度划分标记;
所述温度预测模块用于构建温度数据拟合模型,实时拟合不同温度区域的温度预测曲线;
所述温度控制模块用于针对不同温度区域进行灰度值风险判断,对患者热疗过程中温度数据进行监测反馈,并对医学储液装置进行温度控制处理。
所述数据采集模块包括患者腹腔深度数据采集单元、患者身体状态数据采集单元、温度数据采集单元和工作数据采集单元,其中,温度数据采集单元用于采集热疗环境温度数据,工作数据采集单元用于采集医学储液装置的工作数据;
所述工作数据采集单元包括药液入口采集单元、柱体高度中心采集单元和药液出口采集单元。
所述神经网络模块包括:输入层、卷积层、采样层、池化层、全连接层和输出层,其中每个卷积层均设置10个8×8的卷积核。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应理解,根据A确定B并不意味着仅仅根据A确定B,还能够根据A和/或其它信息确定B。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时,全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
综上实施例,与现有技术相比,本发明的技术效果如下:
1、本发明通过实时采集患者腹腔的红外辐射图像进行热疗过程中的温度监测区域划分,属于非接触式测温,避免了热疗过程中传统的测温方式引起的交叉感染。
2、本发明通过神经网络对患者腹腔的红外辐射图像进行温度区域分级标记,运用神经网络的迭代更新能力,可以实时监测患者腹腔的温度分布情况,从而全面地了解热疗过程中患者的温度变化情况,避免因监测点过少而漏测温度异常区域,实现了温度区域划分的精准可视化,提升了对医学储液设备的温度控制的准确性。
3、本发明通过不同温度区域的灰度值风险判断,对热疗过程中由于热量传输损失造成的药液温度波动,实现了小幅度温度波动医学储液装置自主控制,大幅度波动预警反馈人为干预,减少对医护人员频繁操作温控设备的次数,同时,温度数据的安全重复验证也使得医学储液装置自主控制得到了双重保证,医学储液装置的温度控制灵敏性和预见性得到增强。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于数据分析的医学储液装置温度控制方法,其特征在于:所述方法包括如下具体步骤:
S1:采集患者腹腔深度数据,并在热疗过程中实时记录患者身体状态数据、热疗环境温度数据和医学储液装置的工作数据;
S2:通过红外相机实时采集患者腹腔的红外辐射图像,连续监测患者腹腔热疗温度分布数据;
S3:将实时采集患者腹腔的红外辐射图像进行背景阈值分割处理后输入到神经网络模型中,并对温度区域进行梯度划分标记;
S4:构建温度数据拟合模型,实时拟合不同温度区域的温度预测曲线;
S5:针对不同温度区域进行灰度值风险判断,对患者热疗过程中温度数据进行监测反馈,并对医学储液装置进行温度控制处理。
2.根据权利要求1所述的一种基于数据分析的医学储液装置温度控制方法,其特征在于,S1中,所述患者身体状态数据包括:患者实时体温、心率数据、血压数据、血氧饱和度、腹腔血流速度。
3.根据权利要求1所述的一种基于数据分析的医学储液装置温度控制方法,其特征在于,S1中,所述医学储液装置的工作数据的采集包括:通过医学储液装置的药液入口处放置温度传感器采集药液入口处,时间点为t时的流入药液的实时温度数据T1,t;通过医学储液装置的柱体高度中心处放置温度传感器采集药液中部,时间点为t时的储备药液的实时温度数据T2,t;通过医学储液装置的药液出口处放置温度传感器采集药液出口处,时间点为t时的流出药液的实时温度数据T3,t。
4.根据权利要求1所述的一种基于数据分析的医学储液装置温度控制方法,其特征在于,患者腹腔热疗温度分布数据的连续监测包括如下具体步骤:
S201:在距离热疗工作台两米处,放置红外热成像仪,其中红外热成像仪的摄像头的放置高度为高于热疗工作台一米处,放置角度为水平向下三十度;
S202:每间隔5分钟采集一次患者腹腔的红外辐射图像;
S203:对患者腹腔的红外辐射图像进行图像去噪、大小调整和归一化处理。
5.根据权利要求1所述的一种基于数据分析的医学储液装置温度控制方法,其特征在于,所述S3包括如下具体步骤:
S301:对实时采集的患者腹腔的红外辐射图像进行灰度化,其中,温度为i的像素点的灰度值为R(i);
S302:根据S301,对灰度化处理后的红外辐射图像进行阈值分割处理,得到共X级温度监测区域;
S303:构建神经网络模型,并通过神经网络模型对不同级温度区域按照该级温度区域的所有的行的灰度值之和从小到大依次进行区域等级标记。
6.根据权利要求5所述的一种基于数据分析的医学储液装置温度控制方法,其特征在于,S302中,所述阈值分割处理的分割规则如下:
S321:将患者腹腔的红外辐射图像的左下角记为坐标原点,构建坐标系,其中整幅患者腹腔的红外辐射图像宽度为L,每间隔距离c记为一行,红外辐射图像从下至上被分为J行,其中J为整数,最大值为
S322:计算每一行中所有像素点的灰度均值,其中Pj为第j行的灰度均值,1≤j≤J;
S323:当相邻行之间的灰度差值Φ小于分割阈值K时,相邻两行被划为同级温度区域,其中,灰度差值Φ的计算策略为:Φ=Pj-Pj-1。
7.根据权利要求1所述的一种基于数据分析的医学储液装置温度控制方法,其特征在于,温度预测曲线的函数表达式如下:
其中,Wx,t为第x级温度监测区域在时间点为t时的预测温度;
L1为热疗设备中,医学储液装置的药液出口处连接患者腹腔的输液管道长度;L2,x为患者第x级温度监测区域的腹腔深度;
λ1,λ2分别为热疗输液管道的温度损失系数和患者腹腔通道的温度损失系数;
V为药液从药液出口到达第级温度监测区域的预计到达时间;
θ为患者热疗过程中向外界环境进行的热交换干扰系数;
Tt为在时间点为t时患者的体温;Tt′为在时间点为t时的热疗环境温度。
8.根据权利要求7所述的一种基于数据分析的医学储液装置温度控制方法,其特征在于,所述针对不同温度区域进行灰度值风险判断包括:
S501:提取不同温度区域的灰度均值;
S502:当第x级温度监测区域的灰度均值均小于等于或一次大于或连续两次大于风险一级差值A1时,继续对该温度监测区域进行温度监测;
S503:当第x级温度监测区域的灰度均值连续三次大于风险一级差值A1且小于等于风险二级差值A2时,交互界面弹出轻微风险警告,返回步骤S4,记录此时的监测时间点为Z,通过温度预测曲线的函数进行目标温度预测,根据目标温度值自动触发对医学储液装置进行升温或降温控制,并在间隔时间V后进行安全重复验证;
S504:当第x级温度监测区域的灰度均值首次大于风险二级差值A2时,交互界面弹出重大风险警告,发出警报,请求医护人员进行手动调温操作。
9.根据权利要求8所述的一种基于数据分析的医学储液装置温度控制方法,其特征在于,S503中,所述安全重复验证包括:
间隔时间V后,重复执行步骤S5,进行灰度值风险判断;
当第x级温度监测区域的灰度均值均小于等于时,继续对该温度监测区域进行温度监测;
当第x级温度监测区域的灰度均值均大于风险一级差值A1时,执行步骤S504。
10.一种基于数据分析的医学储液装置温度控制***,其基于如权利要求1-9中任一项所述的一种基于数据分析的医学储液装置温度控制方法实现,其特征在于,所述***包括以下模块:
中央控制模块、数据采集模块、图像采集模块、神经网络模块、温度预测模块、温度控制模块模块;
所述中央控制模块用于管理和监控***的各个组件和子***;
所述数据采集模块用于采集患者腹腔深度数据和体重数据,并在热疗过程中实时记录患者身体状态数据、热疗环境温度数据和医学储液装置的工作数据;
所述图像采集模块用于通过红外相机实时采集患者腹腔的红外辐射图像,连续监测患者腹腔热疗温度分布数据;
所述神经网络模块用于将实时采集患者腹腔的红外辐射图像进行背景阈值分割处理后输入到神经网络模型中,并对温度区域进行梯度划分标记;
所述神经网络模块包括:输入层、卷积层、采样层、池化层、全连接层和输出层,其中每个卷积层均设置10个8×8的卷积核;
所述温度预测模块用于构建温度数据拟合模型,实时拟合不同温度区域的温度预测曲线;
所述温度控制模块用于针对不同温度区域进行灰度值风险判断,对患者热疗过程中温度数据进行监测反馈,并对医学储液装置进行温度控制处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311625735.9A CN117398231A (zh) | 2023-11-30 | 2023-11-30 | 一种基于数据分析的医学储液装置温度控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311625735.9A CN117398231A (zh) | 2023-11-30 | 2023-11-30 | 一种基于数据分析的医学储液装置温度控制***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117398231A true CN117398231A (zh) | 2024-01-16 |
Family
ID=89487350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311625735.9A Pending CN117398231A (zh) | 2023-11-30 | 2023-11-30 | 一种基于数据分析的医学储液装置温度控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117398231A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN214158294U (zh) * | 2020-11-13 | 2021-09-10 | 迈尔健康科技(深圳)有限公司 | 一种全身热疗的温度场控制*** |
CN113551775A (zh) * | 2021-06-23 | 2021-10-26 | 国网福建省电力有限公司 | 基于红外热成像的设备故障在线监测报警方法和*** |
CN216295019U (zh) * | 2020-12-18 | 2022-04-15 | 浙江通用海特医疗科技有限公司 | 集成有检测装置的红外热疗设备 |
CN114863524A (zh) * | 2022-04-29 | 2022-08-05 | 深圳市妇幼保健院 | 一种基于图像识别的医院流调场景的ai监控方法及*** |
CN114858301A (zh) * | 2022-04-29 | 2022-08-05 | 吉林大学 | 物体表面温度测量***、测量方法、智能终端及存储介质 |
US20230043342A1 (en) * | 2020-04-06 | 2023-02-09 | Teledyne Flir, Llc | Non-contact temperature measurement in thermal imaging systems and methods |
CN115861923A (zh) * | 2022-11-24 | 2023-03-28 | 中国人民解放军总医院第一医学中心 | 腿部热疗康复设备 |
CN116758336A (zh) * | 2023-05-26 | 2023-09-15 | 广东益达医疗科技有限公司 | 一种基于人工智能的医学图像智能分析*** |
-
2023
- 2023-11-30 CN CN202311625735.9A patent/CN117398231A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230043342A1 (en) * | 2020-04-06 | 2023-02-09 | Teledyne Flir, Llc | Non-contact temperature measurement in thermal imaging systems and methods |
CN214158294U (zh) * | 2020-11-13 | 2021-09-10 | 迈尔健康科技(深圳)有限公司 | 一种全身热疗的温度场控制*** |
CN216295019U (zh) * | 2020-12-18 | 2022-04-15 | 浙江通用海特医疗科技有限公司 | 集成有检测装置的红外热疗设备 |
CN113551775A (zh) * | 2021-06-23 | 2021-10-26 | 国网福建省电力有限公司 | 基于红外热成像的设备故障在线监测报警方法和*** |
CN114863524A (zh) * | 2022-04-29 | 2022-08-05 | 深圳市妇幼保健院 | 一种基于图像识别的医院流调场景的ai监控方法及*** |
CN114858301A (zh) * | 2022-04-29 | 2022-08-05 | 吉林大学 | 物体表面温度测量***、测量方法、智能终端及存储介质 |
CN115861923A (zh) * | 2022-11-24 | 2023-03-28 | 中国人民解放军总医院第一医学中心 | 腿部热疗康复设备 |
CN116758336A (zh) * | 2023-05-26 | 2023-09-15 | 广东益达医疗科技有限公司 | 一种基于人工智能的医学图像智能分析*** |
Non-Patent Citations (1)
Title |
---|
刘永红: "依托神经网络为探讨超声肿瘤热疗仪温度控制算法", 中国卫生产业, 15 May 2014 (2014-05-15), pages 197 - 198 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6427554B2 (ja) | 流体分析器および関連方法 | |
US10398344B2 (en) | Apparatus, methods and articles for four dimensional (4D) flow magnetic resonance imaging | |
Bernabeu et al. | Computer simulations reveal complex distribution of haemodynamic forces in a mouse retina model of angiogenesis | |
JP7475344B2 (ja) | 保護された健康情報を追跡し、それにアクセスし、それをマージするためのシステムおよび方法 | |
WO2022116502A1 (zh) | 模型训练方法、数据处理方法、装置、客户端及存储介质 | |
WO2022011616A1 (zh) | 一种通过影像组学特征判断癌症治疗反应的方法及*** | |
CN109272510A (zh) | 一种三维医学图像中管状结构的分割方法 | |
EP2825091A1 (en) | A framework for personalization of coronary flow computations during rest and hyperemia | |
Magdoom et al. | Evaluation of a voxelized model based on DCE-MRI for tracer transport in tumor | |
JP2018032395A (ja) | センサデータに基づく患者デバイスの管理 | |
KR20200135052A (ko) | 인공지능을 이용한 욕창 환자 관리 시스템 및 그 동작 방법 | |
CN107252310A (zh) | 一种医院综合监测*** | |
CN117831745B (zh) | 基于数据分析的远程护理管理方法及*** | |
CN105868537B (zh) | Pet-ct动态医学影像智能定量分析***和分析方法 | |
CN117398231A (zh) | 一种基于数据分析的医学储液装置温度控制***及方法 | |
CN110575178A (zh) | 一种运动状态判断的诊断监控综合医疗***及其判断方法 | |
Peng et al. | Deep learning-based computed tomography image segmentation and volume measurement of intracerebral hemorrhage | |
CN109949924A (zh) | 一种智能健康监护*** | |
CN113870988A (zh) | 一种基于大数据分析的麻醉工作站运行监管*** | |
CN111798452A (zh) | 颈动脉手持超声图像分割方法、***及装置 | |
EP2968707B1 (en) | Methods and computer system for determining a patient parameter, including a volume of fluid drainage | |
US11354803B1 (en) | Identifying spurious tracts in neuro-networks | |
CN114092425A (zh) | 基于弥散加权图像的脑缺血评分方法、电子设备及介质 | |
Nour | Artificial intelligence (AI) for improving performance at the cutting edge of medical imaging | |
CN108877878A (zh) | 一种肿瘤科化疗中的信息采集管理*** |
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 |