一种基于物联网的医学影像检查训练系统及方法技术方案

本发明专利技术属于供教学或训练用的模拟机技术领域，公开了一种基于物联网的医学影像检查训练系统及方法，用户利用多媒体技术学习医学影像检查的相关知识并观摩教学视频；用户根据观看的教学视频，进行相应的医学影像检查的仿真训练；同时利用多台摄像机实时采集用户仿真训练的操作数据；将采集的用户仿真训练的操作数据与数据库中预先存储的该项医学检查的标准教学数据进行对比分析，判断用户操作是否失误，并给出实操评分。本发明专利技术将理论与实践相结合，医学影像检查仿真平台能够充分调动感觉，运动和思维，极大地提高了学习效率，能够更加直观的进行医学影像检查的训练；仿真训练更加的安全，不会造成严重的后果。

A medical image examination training system and method based on Internet of things

【技术实现步骤摘要】
一种基于物联网的医学影像检查训练系统及方法
本专利技术属于供教学或训练用的模拟机
，尤其涉及一种基于物联网的医学影像检查训练系统及方法。
技术介绍
目前，业内常用的现有技术是这样的：现有医学影像检查相关课程或培训因以下限制，故实训课程少，实际操作能力不高：1)教学资源紧张。医学影像检查主要实践的场所是医院，对象是人体。随着人们对健康水平要求的不断提高以及医患关系的日益紧张，在患者身上之间操作受到很大的限制，很难有相应课程的实践操作的机会。2)知识内容相对抽象，无法直观感受。3)随着医疗器械的发展，对操作仪器的要求更高，但是受制于昂贵的影像设备产品、苛刻的使用条件、昂贵的使用和维修费用，无法满足能够获得操作和理解基本原理的条件。同时现有系统对用户训练效果进行训练不够客观全面的地对用户训练效果进行训练，降低了训练的准确率；现有系统计算匹配度所用的相应图片数据过程中，不能够提高医学影像检查训练系统的运行效率，降低了对用户训练训练的效果。综上所述，现有技术存在的问题是：(1)现有医学影像检查学习实训较少，以理论知识为主，导致实操能力差；而医学影像剂检查对实际操作能力要求高；(2)医学影像检查的相应理论知识较为抽象，目前无更加生动的方式传授相应理论知识；(3)现有仿真训练多只针对CT机，不具备普适性。(4)现有系统对用户训练效果进行训练不够客观全面的地对用户训练效果进行训练，降低了训练的准确率。(5)现有系统计算匹配度所用的相应图片数据过程中，不能够提高医学影像检查训练系统的运行效率，降低了对用户训练训练的效果。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于物联网的医学影像检查训练系统及方法。本专利技术是这样实现的，一种基于物联网的医学影像检查训练方法，具体包括：步骤一，用户利用多媒体技术学习医学影像检查的相关知识并观摩教学视频；步骤二，用户在仿真训练平台上进行医学影像检查的仿真训练；系统利用多台摄像机实时采集用户仿真训练的操作数据；在仿真训练平台上进行医学影像检查的仿真训练中，通过仿真训练平台集成的仿真训练数据处理模块给出仿真训练数据各训练指标的排序向量，利用有序二元比较法求出主观权重；根据由每个训练指标的值组成的初始决策矩阵利用变异系数法求取客观权重；利用向量相似度理论求得综合权重；以及将实数形式的初始决策矩阵转换成决策矩阵，并将权重向量也转化成决策矩阵；根据决策矩阵各属性的特点选择不同的偏好函数，所有属性都是效益型，偏好函数值的大小代表方案之间占优关系的大小，仿真训练数据a和仿真训练数据b的属性j的属性值fj(a)，fj(b)分别为：计算偏好函数的值：计算偏好指标Π(a,b)：计算任意两个仿真训练数据的Π(a,b)，据此计算流入，流出，以及净流指标；流出：流入：净流：Φ(a)＝Φ+(a)-Φ-(a)＝(_(a),g(a))；其中，_(a)代表方案的赞成值，g(a)表示方案的反对值；计算仿真训练数据优先指标S(a)后，输出最优仿真训练数据；S(a)＝_(a)-g(a)；步骤三，将采集的用户仿真训练的操作数据与数据库中预先存储的该项医学检查的标准教学数据进行对比分析，判断用户操作是否失误，并给出实操评分；所述对比分析用户操作数据与标准教学数据中，预先在系统中标注扣分点、相应的扣分分值以及对应的知识点与教学视频；将摄像机采集的用户仿真训练的操作数据与数据库中预先存储的标准教学数据进行对比分析，着重比对扣分点；当用户操作数据中出现扣分点时则扣除相应的分值，输出剩余得分、扣分点以及相应的正确操作与相关知识点；步骤四，利用数据库存储医学影像检查的相关知识、教学视频；步骤五，利用显示器输出医学影像检查的知识、教学视频、采集的用户仿真训练图像以及实操评分。进一步，所述主观权重由有序二元比较法求得具体方法为：步骤1、确定训练对象和专家集：X为考察的全体对象集，记为X＝{x1,x2,...xN}为参与确定指标权重的专家集为P＝{p1,p2...pL}；步骤2、应用集值迭代法为各指标排序：权重为{λ1,λ2,...λL}，在指标集中按照重要程度对指标进行排序，k(1≤k≤L)选取的指标顺序集为Xk＝(x3,x5,x1,xN...,xN-1)，式中x3位于Xk的第一个位置，即表示x3在k认为最重要，按照各个指标在Xk中的位置分别赋予指标得分，在Xk中x3对应的得分为N，x5对应的得分为N-1，xN-1对应的得分为1；μi,k(1≤i≤N,1≤k≤L)为指标i在k处所获得的得分，令作为综合评分，式中1≤i≤N，根据gi的由大到小对训练指标进行新的排序，步骤3、分别对相邻训练指标进行比较获得比较矩阵；通过对比相邻指标中前一指标相对后一指标的重要程度，给出训练区间，区间端点值取相邻的rk数值，相对重要程度为介于两者两rk数值对应的重要程度之间；步骤4、将区间通过下式转化为点值：式中，rij′为专家i对指标j的训练矩阵中的下界，rij″为训练矩阵中的上界，j＝1，2，…，n-1；步骤5、确定训练指标的权重：由于N个指标相邻进行比较，得到N-1个比较值：式中：r1代表的含义为重新排序后的第一个指标相对于第二个指标的重要程度，用第一个指标和第二个指标的绝对重要度之比阐述，的综合权重为：其他指标的权重为：进一步，所述客观权重由变异系数法求得具体方法包括：训练指标体系共有m个训练指标，对n个训练对象进行了系统评测与数据采样，原始数据训练矩阵表示为矩阵X：进一步，所述客观权重由变异系数法求得具体方法进一步包括：依据各个分类对象指标的实际值计算各指标的均值和标准差：其中第j个指标的均值和标准差分别为：式中j＝1，2，……m；进一步，所述客观权重由变异系数法求得具体方法进一步包括计算各指标的变异系数：进一步，所述客观权重由变异系数法求得具体方法进一步包括确定各指标的权重：先对指标变异系数进行归一化处理，然后得到指标的权重集Vj＝{ν1,ν2,…νM}，其中本专利技术的另一目的在于提供一种终端，所述终端搭载实现基于物联网的医学影像检查训练方法的控制器。本专利技术的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的基于物联网的医学影像检查训练方法。本专利技术的另一目的在于提供一种基于物联网的医学影像检查训练系统，具体包括：教学模块：与主控模块连接，用于利用多媒体技术进行医学影像检查的相关知识以及教学视频；主控模块：与教学模块、摄像模块，仿真训练平台、评分模块、数据库、显示模块连接；用于利用单片机控制各模块正常工作；本文档来自技高网...

【技术保护点】
1.一种基于物联网的医学影像检查训练方法，其特征在于，所述基于物联网的医学影像检查训练方法具体包括：/n步骤一，用户利用多媒体技术学习医学影像检查的相关知识并观摩教学视频；/n步骤二，用户在仿真训练平台上进行医学影像检查的仿真训练；系统利用多台摄像机实时采集用户仿真训练的操作数据；在仿真训练平台上进行医学影像检查的仿真训练中，通过仿真训练平台集成的仿真训练数据处理模块给出仿真训练数据各训练指标的排序向量，利用有序二元比较法求出主观权重；/n根据由每个训练指标的值组成的初始决策矩阵利用变异系数法求取客观权重；利用向量相似度理论求得综合权重；以及将实数形式的初始决策矩阵转换成决策矩阵，并将权重向量也转化成决策矩阵；根据决策矩阵各属性的特点选择不同的偏好函数，所有属性都是效益型，偏好函数值的大小代表方案之间占优关系的大小，仿真训练数据a和仿真训练数据b的属性j的属性值f

【技术特征摘要】
1.一种基于物联网的医学影像检查训练方法，其特征在于，所述基于物联网的医学影像检查训练方法具体包括：
步骤一，用户利用多媒体技术学习医学影像检查的相关知识并观摩教学视频；
步骤二，用户在仿真训练平台上进行医学影像检查的仿真训练；系统利用多台摄像机实时采集用户仿真训练的操作数据；在仿真训练平台上进行医学影像检查的仿真训练中，通过仿真训练平台集成的仿真训练数据处理模块给出仿真训练数据各训练指标的排序向量，利用有序二元比较法求出主观权重；
根据由每个训练指标的值组成的初始决策矩阵利用变异系数法求取客观权重；利用向量相似度理论求得综合权重；以及将实数形式的初始决策矩阵转换成决策矩阵，并将权重向量也转化成决策矩阵；根据决策矩阵各属性的特点选择不同的偏好函数，所有属性都是效益型，偏好函数值的大小代表方案之间占优关系的大小，仿真训练数据a和仿真训练数据b的属性j的属性值fj(a)，fj(b)分别为：
计算偏好函数的值：



计算偏好指标Π(a,b)：



计算任意两个仿真训练数据的Π(a,b)，据此计算流入，流出，以及净流指标；
流出：



流入：



净流：
Φ(a)＝Φ+(a)-Φ-(a)＝(_(a),g(a))；
其中，_(a)代表方案的赞成值，g(a)表示方案的反对值；
计算仿真训练数据优先指标S(a)后，输出最优仿真训练数据；
S(a)＝_(a)-g(a)；
步骤三，将采集的用户仿真训练的操作数据与数据库中预先存储的该项医学检查的标准教学数据进行对比分析，判断用户操作是否失误，并给出实操评分；所述对比分析用户操作数据与标准教学数据中，预先在系统中标注扣分点、相应的扣分分值以及对应的知识点与教学视频；将摄像机采集的用户仿真训练的操作数据与数据库中预先存储的标准教学数据进行对比分析，着重比对扣分点；当用户操作数据中出现扣分点时则扣除相应的分值，输出剩余得分、扣分点以及相应的正确操作与相关知识点；
步骤四，利用数据库存储医学影像检查的相关知识、教学视频；
步骤五，利用显示器输出医学影像检查的知识、教学视频、采集的用户仿真训练图像以及实操评分。


2.如权利要求1所述的基于物联网的医学影像检查训练方法，其特征在于，
所述主观权重由有序二元比较法求得具体方法为：
步骤1、确定训练对象和专家集：X为考察的全体对象集，记为X＝{x1,x2,...xN}为参与确定指标权重的专家集为P＝{p1,p2...pL}；
步骤2、应用集值迭代法为各指标排序：权重为{λ1,λ2,...λL}，在指标集中按照重要程度对指标进行排序，k(1≤k≤L)选取的指标顺序集为Xk＝(x3,x5,x1,xN...,xN-1)，式中x3位于Xk的第一个位置，即表示x3在k认为最重要，按照各个指标在Xk中的位置分别赋予指标得分，在Xk中x3对应的得分为N，x5对应的得分为N-1，xN-1对应的得分为1；
μi,k(1≤i≤N,1≤k≤L)为指标i在k处所获得的得分，令作为综合评分，式中1≤i≤N，根据gi的由大到小对训练指标进行新的排序，
步骤3、分别对相邻训练指标进行比较获得比较矩阵；
通过对比相邻指标中前一指标相对后一指标的重要程度，给出训练区间，区间端点值取相邻的rk数值，相对重要程度为介于两者两rk数值对应的重要程度之间；
步骤4、将区间通过下式转化为点值：


<...

【专利技术属性】
技术研发人员：徐梅梅，黄海，
申请(专利权)人：江苏医药职业学院，
类型：发明
国别省市：江苏;32