本申请公开了一种基于图像识别的膀胱冲洗状态监测系统及方法，涉及图像处理技术领域，其采用基于深度学习的计算机视觉技术对膀胱冲洗过程中的实时图像进行图像分析，提取出图像的颜色特征和纹理特征，进而通过将图像的颜色特征和纹理特征进行交互融合，以形成对膀胱冲洗状态的综合表征，并以此来实现膀胱冲洗异常状态的智能识别。这样，能够显著提高膀胱冲洗过程的自动化和智能化水平，降低了医护人员的工作负担，同时为患者提供了更加安全可靠的医疗服务。
【技术实现步骤摘要】
本申请涉及图像处理，且更为具体地，涉及一种基于图像识别的膀胱冲洗状态监测系统及方法。
技术介绍
1、膀胱作为人体的重要器官之一，在泌尿系统中扮演着至关重要的角色。在泌尿外科手术后的恢复阶段，膀胱冲洗是常见的治疗手段，旨在减少膀胱内出血、预防或控制感染，并确保导尿管的通畅。
2、在膀胱冲洗过程中，医护人员需要频繁观察冲洗液的颜色、澄清度和透光度等关键指标，以评估膀胱的恢复情况和冲洗效果。然而，这种监测方式导致医护人员需要投入大量时间和精力进行人工观察和记录，降低了工作效率，而且容易受到医护人员主观判断的影响，导致结果不够客观准确。
3、近年来，随着计算机技术的快速发展，为膀胱冲洗状态的智能监测提供了自动化和智能化的解决方案。因此，期待一种基于图像识别的膀胱冲洗状态监测系统及方法。
技术实现思路
1、为了解决上述技术问题，提出了本申请。
2、相应地，根据本申请的一个方面，提供了一种基于图像识别的膀胱冲洗状态监测系统，其包括：
3、膀胱冲洗过程实时监控模块，用于获取由摄像头采集的膀胱冲洗过程实时图像；
4、图像多维度特征提取模块，用于提取所述膀胱冲洗过程实时图像的颜色特征和hog特征以得到膀胱冲洗过程颜色特征向量和膀胱冲洗过程直方图向量；
5、主成分分析模块，用于使用主成分分析对所述膀胱冲洗过程颜色特征向量和所述膀胱冲洗过程直方图向量进行特征稀疏化以得到稀疏化膀胱冲洗过程颜色特征向量和稀疏化膀胱冲洗过程直方图向量；</p>6、多模态特征动态交互融合模块，用于将所述稀疏化膀胱冲洗过程颜色特征向量和所述稀疏化膀胱冲洗过程直方图向量输入基于门控响应的特征向量动态交互融合模块以得到膀胱冲洗过程多模态融合表示特征向量；
7、冲洗状态监测模块，用于基于所述膀胱冲洗过程多模态融合表示特征向量，确定冲洗状态是否存在异常；
8、其中，所述多模态特征动态交互融合模块，包括：
9、特征级联单元，用于将所述稀疏化膀胱冲洗过程颜色特征向量和所述稀疏化膀胱冲洗过程直方图向量进行特征级联以得到膀胱冲洗过程多模态特征级联表示向量；
10、信息融合门限计算单元，用于将所述膀胱冲洗过程多模态特征级联表示向量输入门控响应函数以得到信息融合的响应门；
11、加权融合单元，用于计算一与所述信息融合的响应门的差值，并以所述信息融合的响应门和所述差值作为权重，来计算所述稀疏化膀胱冲洗过程颜色特征向量和所述稀疏化膀胱冲洗过程直方图向量的按位置加权和以得到所述膀胱冲洗过程多模态融合表示特征向量。
12、在上述基于图像识别的膀胱冲洗状态监测系统中，所述图像多维度特征提取模块，包括：颜色特征提取单元，用于使用颜色直方图来提取所述膀胱冲洗过程实时图像的颜色特征以得到所述膀胱冲洗过程颜色特征向量；hog特征提取单元，用于提取所述膀胱冲洗过程实时图像的图像hog特征以得到所述膀胱冲洗过程直方图向量。
13、在上述基于图像识别的膀胱冲洗状态监测系统中，所述颜色特征提取单元，包括：网格划分子单元，用于对所述膀胱冲洗过程实时图像进行网格划分以得到膀胱冲洗过程实时图像块的序列；颜色直方图计算子单元，用于计算所述膀胱冲洗过程实时图像块的序列中的各个膀胱冲洗过程实时图像块的颜色直方图以得到颜色直方图的序列；归一化子单元，用于对所述颜色直方图的序列中的各个颜色直方图分别进行归一化处理以得到归一化颜色直方图向量的序列；一维拼接子单元，用于将所述归一化颜色直方图向量的序列进行一维拼接以得到所述膀胱冲洗过程颜色特征向量。
14、在上述基于图像识别的膀胱冲洗状态监测系统中，所述归一化子单元，用于：将所述颜色直方图中的各个元素值除以所述颜色直方图的元素值之和以得到所述归一化颜色直方图向量。
15、在上述基于图像识别的膀胱冲洗状态监测系统中，所述hog特征提取单元，包括：图像预处理子单元，用于对所述膀胱冲洗过程实时图像进行图像灰度化和伽马标准化处理以得到膀胱冲洗过程灰度图像；梯度计算子单元，用于使用一维中心对称算子及其转置计算所述膀胱冲洗过程灰度图像的横坐标方向和纵坐标方向的梯度以得到膀胱冲洗过程横坐标方向梯度图和膀胱冲洗过程纵坐标方向梯度图；梯度方向幅值计算子单元，用于基于所述膀胱冲洗过程横坐标方向梯度图和所述膀胱冲洗过程纵坐标方向梯度图，分别计算所述膀胱冲洗过程灰度图像中各个像素点的梯度方向和梯度幅值；局部区域划分子单元，用于将所述膀胱冲洗过程灰度图像进行局部区域划分以得到多个膀胱冲洗过程灰度图像块，其中，所述膀胱冲洗过程灰度图像块由4个单元格组成，每个所述单元格由8×8像素组成，且所述膀胱冲洗过程灰度图像块的滑动步长为1个单元格；方向梯度直方图统计子单元，用于将所述膀胱冲洗过程灰度图像中各个像素点的梯度方向在区间上平均分为9个梯度方向区间，并分别计算各个所述膀胱冲洗过程灰度图像块中归属于各个梯度方向区间的各个像素点的梯度幅值的累加值以得到对应于各个所述膀胱冲洗过程灰度图像块的方向梯度直方图向量，其中，所述方向梯度直方图向量的长度为9；向量化子单元，用于将所述膀胱冲洗过程灰度图像中各个膀胱冲洗过程灰度图像块的方向梯度直方图向量按照所述膀胱冲洗过程灰度图像的扫描顺序进行级联以得到所述膀胱冲洗过程直方图向量。
16、在上述基于图像识别的膀胱冲洗状态监测系统中，所述信息融合门限计算单元，用于：使用预定权重向量乘以所述膀胱冲洗过程多模态特征级联表示向量以得到信息交互融合相关系数；将所述信息交互融合相关系数和预定偏置参数相加后通过sigmoid函数进行激活处理以得到所述信息融合的响应门。
17、在上述基于图像识别的膀胱冲洗状态监测系统中，所述冲洗状态监测模块，用于：将所述膀胱冲洗过程多模态融合表示特征向量输入基于分类器的冲洗状态监测器以得到监测结果，所述监测结果用于表示冲洗状态是否存在异常。
18、在上述基于图像识别的膀胱冲洗状态监测系统中，还包括用于对所述基于门控响应的特征向量动态交互融合模块和所述基于分类器的冲洗状态监测器进行训练的训练模块；其中，所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括由摄像头采集的训练膀胱冲洗过程实时图像以及冲洗状态是否存在异常的真实值；训练图像颜色特征提取单元，用于使用颜色直方图来提取所述训练膀胱冲洗过程实时图像的颜色特征以得到训练膀胱冲洗过程颜色特征向量；训练图像hog特征提取单元，用于提取所述训练膀胱冲洗过程实时图像的图像hog特征以得到训练膀胱冲洗过程直方图向量；训练图像特征稀疏化单元，用于使用主成分分析对所述训练膀胱冲洗过程颜色特征向量和所述训练膀胱冲洗过程直方图向量进行特征稀疏化以得到训练稀疏化膀胱冲洗过程颜色特征向量和训练稀疏化膀胱冲洗过程直方图向量；训练图像多模态特征融合单元，用于将所述训练稀疏化膀胱冲洗过程颜色特征向量和所述训练稀疏化膀胱冲洗过程直方图向量输入所述基于门控响应的特征向量动态交互融合模块以得到训练膀胱本文档来自技高网
...
【技术保护点】
1.一种基于图像识别的膀胱冲洗状态监测系统，其特征在于，包括：
2.根据权利要求1所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述图像多维度特征提取模块，包括：
3.根据权利要求2所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述颜色特征提取单元，包括：
4.根据权利要求3所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述归一化子单元，用于：
5.根据权利要求4所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述HOG特征提取单元，包括：
6.根据权利要求5所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述信息融合门限计算单元，用于：
7.根据权利要求6所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述冲洗状态监测模块，用于：
8.根据权利要求7所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，还包括用于对所述基于门控响应的特征向量动态交互融合模块和所述基于分类器的冲洗状态监测器进行训练的训练模块；
9.一种基于图像识别的膀胱冲洗状态监测方法，其特征在于，包括：
...
【技术特征摘要】
1.一种基于图像识别的膀胱冲洗状态监测系统，其特征在于，包括：
2.根据权利要求1所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述图像多维度特征提取模块，包括：
3.根据权利要求2所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述颜色特征提取单元，包括：
4.根据权利要求3所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述归一化子单元，用于：
5.根据权利要求4所述的基于图像识别的膀胱冲洗状态监测系统，其特征在于，所述hog特征提取单...
【专利技术属性】
技术研发人员：郭彩霞，刘聪，魏春艳，李宏，姜珊，王金玲，肖蒙，李硕，李爽，马莉妍，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。