本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種基于圖像處理的心外術(shù)后監(jiān)控系統(tǒng)及方法。

背景技術(shù)：

1、隨著醫(yī)學(xué)技術(shù)的進(jìn)步，現(xiàn)代心外科手術(shù)的成功率顯著提高，但手術(shù)后的并發(fā)癥和風(fēng)險仍是醫(yī)護(hù)人員需要嚴(yán)密監(jiān)控的重點，傳統(tǒng)的心外術(shù)后監(jiān)控方式依賴于各種生理指標(biāo)的監(jiān)測，如心電圖、血壓、血氧飽和度、呼吸頻率等，雖能提供實時的生理信息，但無法直接反映外部可視特征的變化，還需要高頻次的觀察和記錄，特別是對于重癥患者，醫(yī)護(hù)人員需要頻繁檢查生命體征和身體狀況，不僅消耗大量的人力資源，還容易出現(xiàn)監(jiān)測不到位或疏忽的問題。

2、隨著圖像處理技術(shù)、人工智能以及計算機(jī)視覺的快速發(fā)展，基于圖像處理的心外術(shù)后監(jiān)控系統(tǒng)及方法逐漸成為一種重要的技術(shù)趨勢，圖像處理技術(shù)能夠通過攝像頭實時捕捉患者的身體表征信息，并通過算法分析識別潛在的風(fēng)險因素，從而為心外術(shù)后監(jiān)控提供更加精細(xì)、全面的支持。

3、但現(xiàn)有的心外術(shù)后監(jiān)控方法存在如下技術(shù)問題：難以精確處理微小且頻繁的位移，如呼吸或輕微抖動造成的圖像模糊；去除噪聲的同時容易導(dǎo)致細(xì)節(jié)模糊，造成邊緣信息丟失；依靠圖像的單一時間點信息，無法捕捉愈合過程中的動態(tài)變化；炎癥紅腫區(qū)域在rgb色彩空間中難以區(qū)分，導(dǎo)致檢測的準(zhǔn)確性低；無法充分結(jié)合空間和時間信息，容易忽略炎癥的發(fā)展趨勢。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種基于圖像處理的心外術(shù)后監(jiān)控系統(tǒng)及方法，以解決現(xiàn)有的難以精確處理微小且頻繁的位移，如呼吸或輕微抖動造成的圖像模糊；去除噪聲的同時容易導(dǎo)致細(xì)節(jié)模糊，造成邊緣信息丟失；依靠圖像的單一時間點信息，無法捕捉愈合過程中的動態(tài)變化；炎癥紅腫區(qū)域在rgb色彩空間中難以區(qū)分，導(dǎo)致檢測的準(zhǔn)確性低；無法充分結(jié)合空間和時間信息，容易忽略炎癥的發(fā)展趨勢的技術(shù)問題。

2、本發(fā)明的一種基于圖像處理的心外術(shù)后監(jiān)控系統(tǒng)及方法，具體包括以下技術(shù)方案：

3、一種基于圖像處理的心外術(shù)后監(jiān)控方法，包括以下步驟：

4、s1：獲取患者胸腔圖像，通過改進(jìn)的圖像預(yù)處理算法對患者胸腔圖像進(jìn)行預(yù)處理，得到預(yù)處理后的胸腔圖像；

5、s2：基于預(yù)處理后的胸腔圖像，使用愈合進(jìn)度評估算法計算得到切口愈合進(jìn)度評估值，并設(shè)置切口愈合速度閾值和切口愈合進(jìn)度的標(biāo)準(zhǔn)進(jìn)度值，判定切口愈合進(jìn)度是否存在異常；

6、s3：當(dāng)切口愈合進(jìn)度存在異常，基于預(yù)處理后的胸腔圖像，使用炎癥評估算法計算得到炎癥嚴(yán)重程度評估值，并設(shè)置炎癥嚴(yán)重程度閾值，判定切口是否存在炎癥異常。

7、優(yōu)選的，所述s1，具體包括：

8、所述改進(jìn)的圖像預(yù)處理算法包括運(yùn)動補(bǔ)償部分和噪聲去除與邊緣保留部分，?運(yùn)動補(bǔ)償部分通過分析相鄰幀之間的像素位置差異，計算出胸腔圖像中各像素點的位移量，并對胸腔圖像中的像素進(jìn)行位置修正。

9、優(yōu)選的，所述s1，具體包括：

10、噪聲去除與邊緣保留部分根據(jù)胸腔圖像中每個像素的局部噪聲特性，計算出噪聲分布，對不同噪聲分布的區(qū)域采取不同強(qiáng)度的濾波操作；并引入非線性擴(kuò)散模型，根據(jù)像素所在區(qū)域的特征進(jìn)行選擇性擴(kuò)散，通過計算胸腔圖像中像素點的梯度，得到預(yù)處理后的胸腔圖像像素強(qiáng)度，計算公式為：

11、，

12、其中，表示在時刻空間坐標(biāo)為的預(yù)處理后的胸腔圖像像素強(qiáng)度；表示在時刻空間坐標(biāo)為的患者胸腔圖像的像素強(qiáng)度；和表示患者在成像過程中產(chǎn)生的微小運(yùn)動引起的位移補(bǔ)償參數(shù)，補(bǔ)償在方向的運(yùn)動，補(bǔ)償在方向的運(yùn)動；表示第一調(diào)節(jié)系數(shù)；表示胸腔圖像在位置和時刻處的噪聲分布；表示第二調(diào)節(jié)系數(shù)；表示胸腔圖像局部的二階變化率；表示胸腔圖像在方向和方向上的一階導(dǎo)數(shù)。

13、優(yōu)選的，所述s2，具體包括：

14、在愈合進(jìn)度評估算法的實現(xiàn)過程中，通過計算預(yù)處理后的胸腔圖像的橫向和縱向梯度來檢測切口邊緣，并結(jié)合局部拓?fù)鋽_動量抑制噪聲干擾，得到預(yù)處理后的胸腔圖像邊緣強(qiáng)度，具體計算公式為：

15、，

16、其中，表示在時刻空間坐標(biāo)為的預(yù)處理后的胸腔圖像邊緣強(qiáng)度；表示預(yù)處理后的胸腔圖像像素強(qiáng)度在方向的梯度；表示預(yù)處理后的胸腔圖像像素強(qiáng)度在方向的梯度；表示平方根運(yùn)算；和表示平方項；表示指數(shù)函數(shù)；表示控制局部拓?fù)鋽_動量對梯度計算結(jié)果影響的調(diào)整參數(shù)；表示局部拓?fù)鋽_動量。

17、優(yōu)選的，所述s2，具體包括：

18、在愈合進(jìn)度評估算法的實現(xiàn)過程中，通過設(shè)置切口區(qū)域檢測閾值，將預(yù)處理后的胸腔圖像邊緣強(qiáng)度與設(shè)置的切口區(qū)域檢測閾值進(jìn)行比較，提取出滿足條件的像素點，構(gòu)建出完整的切口輪廓。

19、優(yōu)選的，所述s2，具體包括：

20、在愈合進(jìn)度評估算法的實現(xiàn)過程中，在檢測到切口區(qū)域后，引入自適應(yīng)加權(quán)系數(shù)，調(diào)整像素點的權(quán)重值；通過計算切口邊緣隨時間的變化速率，評估切口愈合進(jìn)度；并通過計算切口邊緣的關(guān)于時間的二階導(dǎo)數(shù)，得到切口愈合進(jìn)度評估值。

21、優(yōu)選的，所述s3，具體包括：

22、在炎癥評估算法的實現(xiàn)過程中，將預(yù)處理后的胸腔圖像通過顏色轉(zhuǎn)換，得到顏色分離后的胸腔圖像中像素點的紅色通道值；顏色分離處理后，通過提取的紅色通道值對炎癥區(qū)域進(jìn)行檢測,?設(shè)置炎癥區(qū)域檢測閾值，并將紅色通道值與設(shè)置的炎癥區(qū)域檢測閾值進(jìn)行比較，提取出滿足條件的像素點，構(gòu)成炎癥區(qū)域的像素點集合。

23、優(yōu)選的，所述s3，具體包括：

24、在炎癥評估算法的實現(xiàn)過程中，引入空間導(dǎo)數(shù)調(diào)節(jié)參數(shù)和時間導(dǎo)數(shù)調(diào)節(jié)參數(shù)，在空間和時間維度上對炎癥區(qū)域進(jìn)行分析，得到炎癥嚴(yán)重程度評估值。

25、一種基于圖像處理的心外術(shù)后監(jiān)控系統(tǒng)，包括以下部分：

26、圖像采集模塊、圖像預(yù)處理模塊、愈合進(jìn)度評估模塊、炎癥檢測與評估模塊、監(jiān)控預(yù)警模塊；

27、圖像采集模塊：獲取患者胸腔圖像，將患者胸腔圖像輸出至圖像預(yù)處理模塊；

28、圖像預(yù)處理模塊：基于圖像采集模塊的患者胸腔圖像，通過改進(jìn)的圖像預(yù)處理算法對患者胸腔圖像進(jìn)行預(yù)處理，得到預(yù)處理后的胸腔圖像，將預(yù)處理后的胸腔圖像輸出至愈合進(jìn)度評估模塊和炎癥檢測與評估模塊；

29、愈合進(jìn)度評估模塊：基于圖像預(yù)處理模塊的預(yù)處理后的胸腔圖像，使用愈合進(jìn)度評估算法計算得到切口愈合進(jìn)度評估值，設(shè)置愈合速度閾值和切口愈合進(jìn)度的標(biāo)準(zhǔn)進(jìn)度值，判定是否存在切口愈合異常，將愈合異常判定結(jié)果輸出至監(jiān)控預(yù)警模塊；

30、炎癥檢測與評估模塊：基于圖像預(yù)處理模塊的預(yù)處理后的胸腔圖像和監(jiān)控預(yù)警模塊的愈合異常判定結(jié)果，使用炎癥評估算法計算得到炎癥嚴(yán)重程度評估值，設(shè)置炎癥嚴(yán)重程度閾值，判定切口是否存在炎癥異常，將炎癥異常判定結(jié)果輸出至監(jiān)控預(yù)警模塊；

31、監(jiān)控預(yù)警模塊：接收來自愈合進(jìn)度評估模塊的愈合異常判定結(jié)果，通知醫(yī)護(hù)人員進(jìn)行處理并將愈合異常判定結(jié)果輸出至炎癥檢測與評估模塊，并接收來自炎癥檢測與評估模塊的炎癥異常判定結(jié)果。

32、本發(fā)明的技術(shù)方案的有益效果是：

33、1、通過分析相鄰幀之間的像素位置差異，計算患者胸腔圖像中每個像素點的位移量，并在水平和垂直方向上進(jìn)行精確補(bǔ)償，矯正因呼吸、輕微顫動的非自主動作引起的圖像失真，有效消除了因患者輕微運(yùn)動導(dǎo)致的胸腔圖像模糊的問題，使胸腔圖像保持高分辨率和連貫性，避免胸腔圖像失真影響后續(xù)判斷。

34、2、根據(jù)像素的局部噪聲分布，使用動態(tài)濾波操作去除噪聲，通過非線性擴(kuò)散模型，在平坦區(qū)域加強(qiáng)擴(kuò)散消除噪聲，在邊緣區(qū)域弱化擴(kuò)散以保留細(xì)節(jié)，結(jié)合拉普拉斯算子強(qiáng)化邊緣信息，避免在去噪過程中出現(xiàn)細(xì)節(jié)模糊的問題。

35、3、通過檢測像素的亮度變化，識別出切口的邊緣像素，并基于局部拓?fù)鋽_動量構(gòu)建完整的切口輪廓，進(jìn)一步引入自適應(yīng)加權(quán)系數(shù)，根據(jù)像素變化的平滑程度評估切口愈合狀態(tài)，使用二階導(dǎo)數(shù)捕捉切口愈合進(jìn)度的加速或減速趨勢，并通過切口愈合速度閾值和切口愈合進(jìn)度的標(biāo)準(zhǔn)進(jìn)度值，判斷切口愈合進(jìn)度是否存在異常，精確評估切口愈合進(jìn)度，及時反饋，減少人工干預(yù)，提高了術(shù)后監(jiān)控效率。

36、4、通過將胸腔圖像從rgb色彩空間轉(zhuǎn)換到hsv色彩空間，分離紅色通道信息，突出炎癥區(qū)域的特征，容易識別炎癥區(qū)域，減少誤判，設(shè)置炎癥區(qū)域檢測閾值，并對滿足條件的像素點進(jìn)行提取，構(gòu)建炎癥區(qū)域的像素點集合，通過分析炎癥區(qū)域的空間紋理和時間變化趨勢，及時捕捉病情惡化或緩解的信號，并通過空間導(dǎo)數(shù)調(diào)節(jié)參數(shù)和時間導(dǎo)數(shù)調(diào)節(jié)參數(shù)控制評估過程的精度。