基于人工智能的输液进度评估方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的输液装置图像增强方法及系统。该方法包括：获取将吊瓶区域分为药液区域和无药液区域的模糊液面分界线，将模糊液面分界线的最小外接矩形作为目标图像；构建目标损失函数，目标损失函数包括图像增强目标损失函数、红色通道差量损失函数以及蓝色和绿色通道差量损失函数，根据目标损失函数得到最佳权重系数；采用最佳权重系数的多尺度视网膜增强算法得到清晰液面分界线；获取吊瓶的高度线段；根据清晰液面分界线和高度线段获取剩余药液的液位高度。有效的解决了患者在输液过程中，因为药液与吊瓶颜色接近导致视觉成像不明显，无法准确监测药液剩余量的问题。无法准确监测药液剩余量的问题。无法准确监测药液剩余量的问题。

【技术实现步骤摘要】
基于人工智能的输液进度评估方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的输液进度评估方法及系统。

技术介绍

[0002]患者在接受治疗时经常需要进行输液，因此就需要患者或者家属时刻注意输液进度，以防止药液输完时未及时进行处理而对患者产生危害。虽然有很多通过使用传感器对输液进度进行自适应检测的方式，但是需要为每一个输液设备安装相应的检测设备，不仅不适合推广应用而且耗费人力物力，并且容易出现人为疏忽引起的漏检，从而对患者造成危害。
[0003]利用机器视觉进行检测虽然可以克服上述方式的缺点，但是患者在输液时可能药液颜色与输液装置颜色相近，这会导致输液面在机器视觉成像中不够明显，从而影响到最终的检测结果。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的输液进度评估方法及系统，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于人工智能的输液进度评估方法，该方法包括以下步骤：获取原始图像中吊瓶区域的模糊液面分界线；所述模糊液面分界线将所述吊瓶区域分为含有药液的药液区域和不含药液的无药液区域；选取所述模糊液面分界线的最小外接矩形区域为目标图像；将所述目标图像输入深度神经网络，输出增强后的目标图像，所述深度神经网络利用目标损失函数对多尺度视网膜增强算法进行拟合，所述目标损失函数包括图像增强目标损失函数、红色通道差量损失函数以及蓝色和绿色通道差量损失函数，根据所述目标损失函数得到最优尺度作为最佳权重系数；所述药液区域和所述无药液区域在红色通道值的差量与所述红色通道差量损失函数呈负相关关系；所述蓝色和绿色通道差量损失函数为所述药液区域与所述无药液区域在蓝色通道值的差量和药液区域与无药液区域在绿色通道值的差量之和；所述增强后的目标图像质量最佳时对应所述最优尺度为所述最佳权重系数，采用所述最佳权重系数的多尺度视网膜增强算法对所述目标图像进行增强，得到清晰液面分界线；获取所述原始图像中吊瓶的高度线段；根据所述清晰液面分界线和所述高度线段获取剩余药液的液位高度。
[0005]优选的，所述获取原始图像中吊瓶区域的模糊液面分界线的步骤，包括：根据暗通道算法获取所述吊瓶区域中所有像素的暗通道值；获取所有像素所述暗通道值与灰度值的差值的绝对值，根据所述差值的绝对值将
所述像素初步分为两类，对不同的像素分类进行聚类得到所述药液区域和所述无药液区域；获取所述药液区域与所述无药液区域之间的边界线作为模糊液面分界线。
[0006]优选的，所述根据暗通道算法获取所有所述原始图像中所有像素的暗通道值的步骤，还包括：选取所述原始图像中每个像素在RGB三个通道中的最小值组成灰度图；在所述灰度图中以每一个像素作为中心像素，以所述中心像素作为窗口的中心点，将所述窗口中的最小值代替所述中心像素的像素值，从而得到所述原始图像中所有像素点的暗通道值。
[0007]优选的，所述构建图像增强目标损失函数的步骤，包括：利用模糊度构建所述图像增强目标损失函数，所述模糊度与所述图像增强目标损失函数成正相关关系。
[0008]优选的，所述蓝色通道值的差量和绿色通道值的差量分别与所述蓝色和绿色通道差量损失函数成正相关关系。
[0009]优选的，所述获取所述原始图像中吊瓶的高度的步骤，包括：获取所述原始图像中吊瓶区域内的多个连通域，计算所述多个连通域的平均长度，根据所述平均长度选取目标连通域，所述目标连通域两端点连成的竖直线段作为所述吊瓶的高度。
[0010]第二方面，本专利技术另一个实施例提供了一种基于人工智能的输液进度评估系统，该系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0011]本专利技术实施例的有益效果在于：通过暗通道算法获取吊瓶区域内药液的模糊液面分界线，并将吊瓶区域分为药液区域和无药液区域，通过药液区域与无药液区域中RGB三个通道中各分量的差值，对多尺度视网膜增强算法中的高斯环绕尺度进行自适应选择，得到最优尺度对模糊液面分界线进行处理，得到清晰液面分界线，再进一步通过吊瓶的高度以及清晰液面分界线上像素点坐标的平均坐标，得到药液剩余量，通过药液剩余量做出预警。有效的解决了患者在输液过程中，因为药液与吊瓶颜色接近导致视觉成像不明显，无法准确监测药液剩余量的问题。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0013]图1为本专利技术一个实施例所提供的一种基于人工智能的输液进度评估的方法流程图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结
合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能的输液进度评估方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0015]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0016]本专利技术实施例适用于医院输液场景中，通过暗通道算法获取吊瓶区域内的药液的模糊液面分界线，并将吊瓶区域分为药液区域和无药液区域，通过药液区域与无药液区域中RGB三个通道中各分量的差值，对高斯环绕尺度进行自适应选择，得到最优尺度对模糊液面分界线进行处理，得到清晰液面分界线，再进一步通过吊瓶的高度以及清晰液面分界线上像素点坐标的平均坐标，得到药液剩余量，通过药液剩余量做出预警。有效解决了药液颜色与吊瓶颜色相近成像不明显的问题，达到了对输液过程中及时判断药液剩余量的问题。
[0017]下面结合附图具体的说明本专利技术所提供的一种基于人工智能的输液进度评估方法及系统的具体方案。
[0018]请参阅图1，其示出了本专利技术一个实施例提供的基于人工智能的输液进度评估方法的方法流程图，具体方法如下：步骤S100, 获取原始图像中吊瓶区域的模糊液面分界线；模糊液面分界线将吊瓶区域分为含有药液的药液区域和不含药液的无药液区域。
[0019]首先，获取病房区域的原始图像。
[0020]具体的，在光照正常并且充足的条件下，将RGB相机放置于病房上方进行拍照，RGB相机的拍照范围要能够覆盖病房内所有的病床区域以及对应的输液架，RGB相机采集到的图像为病房区域的原始图像。
[0021]其次，对获取到的原始图像进行处理获取吊瓶区域。吊瓶是用于病人输液时装所输人体内医用配置的液体的容器，例如输液瓶或者输液袋等，将吊瓶悬挂于输液架上对病人进行输液。
[0022]本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的输液进度评估方法，其特征在于，该方法包括以下步骤：获取原始图像中吊瓶区域的模糊液面分界线；所述模糊液面分界线将所述吊瓶区域分为含有药液的药液区域和不含药液的无药液区域；选取所述模糊液面分界线的最小外接矩形区域为目标图像；将所述目标图像输入深度神经网络，输出增强后的目标图像，所述深度神经网络利用目标损失函数对多尺度视网膜增强算法进行拟合，所述目标损失函数包括图像增强目标损失函数、红色通道差量损失函数以及蓝色和绿色通道差量损失函数，根据所述目标损失函数得到最优尺度作为最佳权重系数；所述药液区域和所述无药液区域在红色通道值的差量与所述红色通道差量损失函数呈负相关关系；所述蓝色和绿色通道差量损失函数为所述药液区域与所述无药液区域在蓝色通道值的差量和药液区域与无药液区域在绿色通道值的差量之和；所述增强后的目标图像质量最佳时对应所述最优尺度为所述最佳权重系数，采用所述最佳权重系数的多尺度视网膜增强算法对所述目标图像进行增强，得到清晰液面分界线；获取所述原始图像中吊瓶的高度线段；根据所述清晰液面分界线和所述高度线段获取剩余药液的液位高度。2.根据权利要求1所述的方法，其特征在于，所述获取原始图像中吊瓶区域的模糊液面分界线的步骤，包括：根据暗通道算法获取所述吊瓶区域中所有像素的暗通道值；获取所有像素所述暗通道值与灰度值的差值的绝对值，根据所述差值的绝对值将所述像素初步分为两类，对不同的像素分类进行聚类得到所述药液区域和所述无药液区域；获取所述药液区域与所述无药液区域之间的边界线作为模糊液面分界线。3.根据权利要...

【专利技术属性】
技术研发人员：陈贤勇，龙园，
申请(专利权)人：南通林德安全设备科技有限公司，
类型：发明
国别省市：