一种基于伤情图片数据分析的缝线用量预估方法及系统

摘要

本发明涉及数据处理技术领域，公开了一种基于伤情图片数据分析的缝线用量预估方法及系统，包括：S1，获取目标伤口的伤情标准图片和伤情标签数据；S2，根据所述伤情标签数据选择对应的估计模型；S3，将所述伤情标准图片输入所述估计模型，获得输出的缝线用量估计值；S4，设置缝线指导标记点；所述伤情标签数据包括所述目标伤口的身体部位和受伤时间以及伤口深度，可避免缝线估计量少导致缝线过程中断，或者医生取用过量的缝线却使用较少缝线但却不通知患者的情况发生，而且缝线估计量的计算也有利于更加透明且公开的给患者家属直观的伤口危险感受；缝线指导标记点则可以给实习医生以缝线指导参考，还能方便带教老师指导纠错。

权利要求

1.一种基于伤情图片数据分析的缝线用量预估方法，其特征在于，包括：S1，获取目标伤口的伤情标准图片和伤情标签数据；S2，根据所述伤情标签数据选择对应的估计模型；

S3，将所述伤情标准图片输入所述估计模型，获得输出的缝线用量估计值；S4，设置缝线指导标记点；其中，所述伤情标签数据包括所述目标伤口的身体部位和受伤时间以及伤口深度；所述S1包括：获取所述目标伤口的起始端和终点端；获取所述起始端和所述终点端之间的所述伤口深度变化情况和所述身体部位变化情况；根据所述目标伤口所涉及的所述身体部位数量进行分段，并计算所述目标伤口的每个分段的平均深度；所述估计模型包括：；其中，L为所述目标伤口的所述缝线用量估计值，

n为所述目标伤口的分段数， 为第i段的缝线系数， 为第i段的表面伤口长度， 为第i段的平均伤口深度， 为第i段的标准伤口深度，K为比例系数， 为补偿系数。

2.根据权利要求1所述的基于伤情图片数据分析的缝线用量预估方法，其特征在于，所述伤情标签数据包括所述目标伤口的严重程度，所述严重程度越高，所述补偿系数 越大，反之，所述补偿系数 越小。

3.根据权利要求1所述的基于伤情图片数据分析的缝线用量预估方法，其特征在于，所述S1还包括：将拍摄距离恒定，所述拍摄距离为拍摄点距离所述目标伤口所在身体轮廓面的垂直距离；从所述目标伤口的所述起始端开始拍摄，到所述终点端结束拍摄，得到m张采样图片；m至少为2；将m张所述终点端按照拍摄顺序进行衔接合并，得到伤情实图；对所述伤情实图中的所述目标伤口进行伤口描边和并按照所处身体部位区域划分，得到反映目标伤口轮廓的黑白型的所述伤情标准图片。

4.根据权利要求1所述的基于伤情图片数据分析的缝线用量预估方法，其特征在于，根据所述目标伤口轮廓，确定畸形轮廓数量p；所述畸形轮廓为：所述目标伤口轮廓的轮廓线上的预设范围内，轮廓线实际展开长度大于所述预设范围最大长度s倍。

5.根据权利要求3所述的基于伤情图片数据分析的缝线用量预估方法，其特征在于，所述缝线指导标记点为设置在所述伤情实图上的多个有缝线顺序和位置提示的标记物。

6.一种采用如权利要求1所述方法的基于伤情图片数据分析的缝线用量预估系统，其特征在于，包括：采样获取模块，用于获取目标伤口的伤情标准图片和伤情标签数据；选择模块，用于根据所述伤情标签数据选择对应的估计模型；算法库，包括多个估计模型，所述估计模型用于根据所述伤情标准图片和所述伤情标签数据输出的所述目标伤口的缝线用量估计值；指示模块，用于提供缝线指导标记点。

说明书

一种基于伤情图片数据分析的缝线用量预估方法及系统

技术领域

[0001] 本发明涉及数据处理技术领域，具体涉及一种基于伤情图片数据分析的缝线用量预估方法及系统。

背景技术

[0002] 由于数字化技术的飞速发展，使得用户的生活发生巨大的变化，医疗健康也随进入数字化时代，相应的是数字城市，数字健康，数字医疗，进而是智慧城市，智慧健康，智慧医疗。

[0003] 智慧医疗是智慧城市的一个重要组成部分，是综合应用医疗物联网、数据融合传输交换、云计算、城域网等技术，通过信息技术将医疗基础设施与IT基础设施进行融合，以医疗云数据中心为核心，跨越原有医疗系统的时空限制，并在此基础上进行智能决策，实现医疗服务最优化的医疗体系。通过移动通信、移动互联网等技术将远程挂号、在线咨询、在线支付等医疗服务推送到每个人的手中，缓解看病难问题。

[0004] 当患者被送至医院时，医生无须亲临现场，可根据对患处的拍摄图片经验远程对伤口的情况进行评估，给出相关的诊断和治疗方案，对于遍布设置的不同智慧医疗终端（如设置在医疗服务机构的终端）而言，对于在线咨询过程，需要与用户进行多次交互互动，能够按照最新的医疗业务词条为用户准确推送医疗业务的医疗响应信息，以便于用户针对所需的信息继续进行咨询导航；当有些属于受伤患者进行咨讯诊断时，若伤口较长、较深需要进行缝合时，需要对缝线的用量进行预估和记录，方便对医疗耗材的管理。

[0005] 然而，现有的对患者伤口缝线进行用量估计的方式多依赖医生经验，由于不同医生对相同伤口所持意见和经验的不同，对缝线的用量估计也不同，因此容易出现标准无法统一，导致耗材管理混乱的情况，不利于透明化和公开化的管理。

发明内容

[0006] 本发明的目的在于提供一种基于伤情图片数据分析的缝线用量预估方法及系统，解决以下技术问题：

[0007] 如何能够提供一种能够根据伤口情况，智能的给出缝线用量估计的方法及系统。

[0008] 本发明的目的可以通过以下技术方案实现：

[0009] 一种基于伤情图片数据分析的缝线用量预估方法，包括：

[0010] S1，获取目标伤口的伤情标准图片和伤情标签数据；

[0011] S2，根据所述伤情标签数据选择对应的估计模型；

[0012] S3，将所述伤情标准图片输入所述估计模型，获得输出的缝线用量估计值；

[0013] S4，设置缝线指导标记点；

[0014] 其中，所述伤情标签数据包括所述目标伤口的身体部位和受伤时间以及伤口深度。

[0015] 通过上述技术方案，若目标伤口沿头部、面颊、脖子、肩膀等处出现，因为皮肤松紧程度和肌肉数量的不同，所以身体不同部位的相同长度的割伤伤口所需要的缝线长度不同，可根据目标伤口的伤情标准图片和伤情标签数据选择合适的估计模型，然后可得到相对较为准确的缝线用量估计值，避免缝线估计量少导致缝线过程中断，或者医生取用过量的缝线却使用较少缝线但却不通知患者的情况发生，而且缝线估计量的计算也有利于更加透明且公开的给患者家属直观的伤口危险感受；缝线指导标记点则可以给实习医生以缝线指导参考，还能方便带教老师指导纠错。

[0016] 作为本发明进一步的方案：所述S1包括：

[0017] 获取所述目标伤口的起始端和终点端；

[0018] 获取所述起始端和所述终点端之间的所述伤口深度变化情况和所述身体部位变化情况；

[0019] 根据所述目标伤口所涉及的所述身体部位数量进行分段，并计算所述目标伤口的每个分段的平均深度。

[0020] 通过上述技术方案，在伤口长度相同，所处身体部位也相同的情况下，目标伤口的深度也会在一定程度上影响缝线总需求长度，因此可根据目标伤口在不同身体部位上的分布进行分段，从起始端到终点端，结合伤口深度和伤口位置对缝线用量估计值进行计算，更加准确。

[0021] 作为本发明进一步的方案：所述估计模型包括：

[0022]

[0023] 其中，L为所述目标伤口的所述缝线用量估计值，n为所述目标伤口的分段数， 为第i段的缝线系数，  为第i段的表面伤口长度，  为第i段的平均伤口深度，  为第i段的标准伤口深度，K为比例系数， 为补偿系数。

[0024] 通过上述技术方案，预设标准伤口深度 ，n代表目标伤口的总的分段数，说明目标伤口最多跨越n个身体部位区域；在计算过程中，每段目标伤口的缝线估计量都独立计算，受该段目标伤口的平均伤口深度与该部位的标准伤口深度的比值大小影响，为提升估算精准度，身体不同部位的标准伤口深度不同，缝线系数也不同；且考虑到缝线在开始和结束以及相邻身体部位的连接处会出现较多的损耗，有n段则说明有n+1处需要进行补偿。

[0025] 作为本发明进一步的方案：所述伤情标签数据包括所述目标伤口的严重程度，所述严重程度越高，所述补偿系数  越大，反之，所述补偿系数  越小。

[0026] 通过上述技术方案，可以根据伤口的严重程度对补偿系数进行调整，伤情越重，需要进行更大补偿的可能性越大。

[0027] 作为本发明进一步的方案：所述S1还包括：

[0028] 将拍摄距离恒定，所述拍摄距离为拍摄点距离所述目标伤口所在身体轮廓面的垂直距离；

[0029] 从所述目标伤口的所述起始端开始拍摄，到所述终点端结束拍摄，得到m张采样图片；m至少为2；

[0030] 将m张所述终点端按照拍摄顺序进行衔接合并，得到伤情实图；

[0031] 对所述伤情实图中的所述目标伤口进行伤口描边和并按照所处身体部位区域划分，得到反映目标伤口轮廓的黑白型的所述伤情标准图片。

[0032] 通过上述技术方案，拍摄距离在一定程度上影响缝线预估的精度，因此需尽量保证在拍摄时拍摄距离的恒定，由于人体轮廓绝非平整，因此m越大，则得到的伤情实图越精准，但是为保证后续估计模型的识别，拼接得到的伤情实图尺寸难以保持统一，难以直接使用，以此可将伤情实图中的目标伤口进行描边处理，得到黑白图片形式的伤口的轮廓，使伤情标准图片保持统一大小格式，缩放比例与拍摄距离的选用直接相关。

[0033] 作为本发明进一步的方案：根据所述目标伤口轮廓，确定畸形轮廓数量p；

[0034] 所述畸形轮廓为：所述目标伤口轮廓的轮廓线上的预设范围内，轮廓线实际展开长度大于所述预设范围最大长度s倍。

[0035] 通过上述技术方案，随机在轮廓线上设置预设范围，假如预设范围为直径为R的圆形，该圆形所框选的轮廓线实际展开长度大于sR，则可将预设范围内的轮廓线视为1个畸形轮廓。

[0036] 作为本发明进一步的方案：所述缝线指导标记点为设置在所述伤情实图上的多个有缝线顺序和位置提示的标记物。

[0037] 作为本发明进一步的方案：一种基于伤情图片数据分析的缝线用量预估系统，包括：

[0038] 采样获取模块，用于获取目标伤口的伤情标准图片和伤情标签数据；

[0039] 选择模块，用于根据所述伤情标签数据选择对应的估计模型；

[0040] 算法库，包括多个估计模型，所述估计模型用于根据所述伤情标准图片和所述伤情标签数据输出的所述目标伤口的缝线用量估计值；

[0041] 指示模块，用于提供缝线指导标记点。

[0042] 本发明的有益效果：

[0043] （1）若目标伤口沿头部、面颊、脖子、肩膀等处出现，因为皮肤松紧程度和肌肉数量的不同，所以身体不同部位的相同长度的割伤伤口所需要的缝线长度不同，可根据目标伤口的伤情标准图片和伤情标签数据选择合适的估计模型，然后可得到相对较为准确的缝线用量估计值，避免缝线估计量少导致缝线过程中断，或者医生取用过量的缝线却使用较少缝线但却不通知患者的情况发生，而且缝线估计量的计算也有利于更加透明且公开的给患者家属直观的伤口危险感受；缝线指导标记点则可以给实习医生以缝线指导参考，还能方便带教老师指导纠错；

[0044] （2）在伤口长度相同，所处身体部位也相同的情况下，目标伤口的深度也会在一定程度上影响缝线总需求长度，因此可根据目标伤口在不同身体部位上的分布进行分段，从起始端到终点端，结合伤口深度和伤口位置对缝线用量估计值进行计算，更加准确；

[0045] （3）预设标准伤口深度 ，n代表目标伤口的总的分段数，说明目标伤口最多跨越n个身体部位区域；在计算过程中，每段目标伤口的缝线估计量都独立计算，受该段目标伤口的平均伤口深度与该部位的标准伤口深度的比值大小影响，为提升估算精准度，身体不同部位的标准伤口深度不同，缝线系数也不同；且考虑到缝线在开始和结束以及相邻身体部位的连接处会出现较多的损耗，有n段则说明有n+1处需要进行补偿；

[0046] （4）拍摄距离在一定程度上影响缝线预估的精度，因此需尽量保证在拍摄时拍摄距离的恒定，由于人体轮廓绝非平整，因此m越大，则得到的伤情实图越精准，但是为保证后续估计模型的识别，拼接得到的伤情实图尺寸难以保持统一，难以直接使用，以此可将伤情实图中的目标伤口进行描边处理，得到黑白图片形式的伤口的轮廓，使伤情标准图片保持统一大小格式，缩放比例与拍摄距离的选用直接相关。

附图说明

[0047] 下面结合附图对本发明作进一步的说明。

[0048] 图1为本发明中缝线用量预估方法的部分流程示意图。

具体实施方式

[0049] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0050] 请参阅图1所示，本发明为一种基于伤情图片数据分析的缝线用量预估方法，包括：

[0051] S1，获取目标伤口的伤情标准图片和伤情标签数据；

[0052] S2，根据所述伤情标签数据选择对应的估计模型；

[0053] S3，将所述伤情标准图片输入所述估计模型，获得输出的缝线用量估计值；

[0054] S4，设置缝线指导标记点；

[0055] 其中，所述伤情标签数据包括所述目标伤口的身体部位和受伤时间以及伤口深度。

[0056] 通过上述技术方案，若目标伤口沿头部、面颊、脖子、肩膀等处出现，因为皮肤松紧程度和肌肉数量的不同，所以身体不同部位的相同长度的割伤伤口所需要的缝线长度不同，可根据目标伤口的伤情标准图片和伤情标签数据选择合适的估计模型，然后可得到相对较为准确的缝线用量估计值，避免缝线估计量少导致缝线过程中断，或者医生取用过量的缝线却使用较少缝线但却不通知患者的情况发生，而且缝线估计量的计算也有利于更加透明且公开的给患者家属直观的伤口危险感受；缝线指导标记点则可以给实习医生以缝线指导参考，还能方便带教老师指导纠错。

[0057] 作为本发明进一步的方案：所述S1包括：

[0058] 获取所述目标伤口的起始端和终点端；

[0059] 获取所述起始端和所述终点端之间的所述伤口深度变化情况和所述身体部位变化情况；

[0060] 根据所述目标伤口所涉及的所述身体部位数量进行分段，并计算所述目标伤口的每个分段的平均深度。

[0061] 通过上述技术方案，在伤口长度相同，所处身体部位也相同的情况下，目标伤口的深度也会在一定程度上影响缝线总需求长度，因此可根据目标伤口在不同身体部位上的分布进行分段，从起始端到终点端，结合伤口深度和伤口位置对缝线用量估计值进行计算，更加准确。

[0062] 作为本发明进一步的方案：所述估计模型包括：

[0063]

[0064] 其中，L为所述目标伤口的所述缝线用量估计值，n为所述目标伤口的分段数， 为第i段的缝线系数，  为第i段的表面伤口长度，  为第i段的平均伤口深度， 为第i段的标准伤口深度，K为比例系数，为补偿系数。

[0065] 通过上述技术方案，预设标准伤口深度 ，n代表目标伤口的总的分段数，说明目标伤口最多跨越n个身体部位区域；在计算过程中，每段目标伤口的缝线估计量都独立计算，受该段目标伤口的平均伤口深度与该部位的标准伤口深度的比值大小影响，为提升估算精准度，身体不同部位的标准伤口深度不同，缝线系数也不同；且考虑到缝线在开始和结束以及相邻身体部位的连接处会出现较多的损耗，有n段则说明有n+1处需要进行补偿。

[0066] 作为本发明进一步的方案：所述伤情标签数据包括所述目标伤口的严重程度，所述严重程度越高，所述补偿系数 越大，反之，所述补偿系数 越小。

[0067] 通过上述技术方案，可以根据伤口的严重程度对补偿系数进行调整，伤情越重，需要进行更大补偿的可能性越大。

[0068] 作为本发明进一步的方案：所述S1还包括：

[0069] 将拍摄距离恒定，所述拍摄距离为拍摄点距离所述目标伤口所在身体轮廓面的垂直距离；

[0070] 从所述目标伤口的所述起始端开始拍摄，到所述终点端结束拍摄，得到m张采样图片；m至少为2；

[0071] 将m张所述终点端按照拍摄顺序进行衔接合并，得到伤情实图；

[0072] 对所述伤情实图中的所述目标伤口进行伤口描边和并按照所处身体部位区域划分，得到反映目标伤口轮廓的黑白型的所述伤情标准图片。

[0073] 通过上述技术方案，拍摄距离在一定程度上影响缝线预估的精度，因此需尽量保证在拍摄时拍摄距离的恒定，由于人体轮廓绝非平整，因此m越大，则得到的伤情实图越精准，但是为保证后续估计模型的识别，拼接得到的伤情实图尺寸难以保持统一，难以直接使用，以此可将伤情实图中的目标伤口进行描边处理，得到黑白图片形式的伤口的轮廓，使伤情标准图片保持统一大小格式，缩放比例与拍摄距离的选用直接相关。

[0074] 作为本发明进一步的方案：根据所述目标伤口轮廓，确定畸形轮廓数量p；

[0075] 所述畸形轮廓为：所述目标伤口轮廓的轮廓线上的预设范围内，轮廓线实际展开长度大于所述预设范围最大长度s倍。

[0076] 通过上述技术方案，随机在轮廓线上设置预设范围，假如预设范围为直径为R的圆形，该圆形所框选的轮廓线实际展开长度大于sR，则可将预设范围内的轮廓线视为1个畸形轮廓。

[0077] 作为本发明进一步的方案：所述缝线指导标记点为设置在所述伤情实图上的多个有缝线顺序和位置提示的标记物。

[0078] 作为本发明进一步的方案：一种基于伤情图片数据分析的缝线用量预估系统，包括：

[0079] 采样获取模块，用于获取目标伤口的伤情标准图片和伤情标签数据；

[0080] 选择模块，用于根据所述伤情标签数据选择对应的估计模型；

[0081] 算法库，包括多个估计模型，所述估计模型用于根据所述伤情标准图片和所述伤情标签数据输出的所述目标伤口的缝线用量估计值；

[0082] 指示模块，用于提供缝线指导标记点。

[0083] 综上之，本方在针对受伤患者使用时，若受伤患者的目标伤口沿头部、面颊、脖子、肩膀等处出现，考虑到身体轮廓起伏以及皮肤松紧程度和肌肉数量的不同，因此需尽量保证在获取伤情标准图片保持拍摄距离的恒定，目标伤口所需要的缝线长度与身体部位、伤口深度等因素相关，因此可根据目标伤口的伤情标准图片和伤情标签数据选择合适的估计模型，然后可得到相对。在伤口长度相同，所处身体部位也相同的情况下，目标伤口的深度也会在一定程度上影响缝线总需求长度，因此可根据目标伤口在不同身体部位上的分布进行分段，从起始端到终点端，结合伤口深度和伤口位置对缝线用量估计值进行计算，更加准确；在计算过程中，每段目标伤口的缝线估计量都独立计算，受该段目标伤口的平均伤口深度与该部位的标准伤口深度的比值大小影响，为提升估算精准度，身体不同部位的标准伤口深度不同，缝线系数也不同；且考虑到缝线在开始和结束以及相邻身体部位的连接处会出现较多的损耗，有n段则说明有n+1处需要进行补偿，综合的保证缝线预估的精度。

[0084] 以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。