基于人工智能的骨科牵引辅助方法技术

本发明专利技术涉及数据处理领域，具体涉及基于人工智能的骨科牵引辅助方法。方法包括：获取健康肢体的热成像样本图像和恢复阶段各时刻患肢的热成像样本图像；得到恢复阶段各时刻患肢的病症特征图；根据病症特征值，得到各像素点病症特征的变化率和各像素点与其周围设定个数的像素点的变化一致性指标；得到患肢在任意两个时刻之间的病症关联特征；根据恢复阶段各时刻患肢的热成像图像和患肢在任意两个时刻之间的病症关联特征，对神经网络进行训练；将待辅助患肢的热成像图像和对应的健康肢体热成像图像输入训练好的神经网络中，得到待辅助患肢所需的牵引力度。本发明专利技术解决了现有方法存在的效率较低的问题。在的效率较低的问题。在的效率较低的问题。

【技术实现步骤摘要】
基于人工智能的骨科牵引辅助方法


[0001]本专利技术涉及数据处理领域，具体涉及基于人工智能的骨科牵引辅助方法。

技术介绍

[0002]骨科牵引是应用作用力与反作用力的原理对抗软组织的紧张与回缩，以达到治疗和辅助治疗的目的。在对患者进行骨科牵引过程中，需要医护人员定时去检查患者的患肢情况，例如是否有肌肉痉挛或者肿胀等情况，并且根据症状去调整牵引的力度。这种方法需要花费医护人员太多的时间与精力，效率较低。

技术实现思路

[0003]为了解决现有方法获取患者患肢所需牵引力度存在效率低的问题，本专利技术的目的在于提供一种基于人工智能的骨科牵引辅助方法，所采用的技术方案具体如下：本专利技术提供了一种基于人工智能的骨科牵引辅助方法,该方法包括以下步骤：获取健康肢体的热成像样本图像和恢复阶段各时刻患肢的热成像样本图像；根据所述健康肢体的热成像样本图像和恢复阶段各时刻患肢的热成像样本图像，得到恢复阶段各时刻患肢的病症特征图；根据恢复阶段各时刻患肢的病症特征图中各像素点的病症特征值，得到恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点病症特征的变化率和各像素点与其周围设定个数的像素点的变化一致性指标；根据所述各像素点病症特征的变化率和所述各像素点与其周围设定个数的像素点的变化一致性指标，得到患肢在任意两个时刻之间的病症关联特征；根据恢复阶段各时刻患肢的热成像图像和患肢在任意两个时刻之间的病症关联特征，对神经网络进行训练；将待辅助患肢的热成像图像和对应的健康肢体热成像图像输入训练好的神经网络中，得到待辅助患肢所需的牵引力度。
[0004]优选的，所述神经网络的损失函数为：优选的，所述神经网络的损失函数为：其中，为神经网络的损失函数，为变分自编码器网络的常用损失函数，为神经网络中全连接层输出的标量，即神经网络输出的第n个患者t时刻的牵引力度，为第n个患者t时刻所需的牵引力度，为将第n个患者t时刻的患肢的热成像图像输入到神经网络中编码器输出的高维高斯模型，为与同维度的标准
正态分布，为和的KL散度，为子损失函数，为骨科牵引过程约束项，为骨科牵引对象约束项，为第n个患者t时刻和第x时刻的病症关联特征，为第n个患者和第m个患者在骨科牵引过程中的平均牵引合适程度，为第n个患者第x时刻患肢的热成像图像输入神经网络后获得的高维高斯模型，为第m个患者第x时刻患肢的热成像图像输入神经网络后获得的高维高斯模型，为第n个患者骨科牵引的总时长中选取的总时刻数，为与第n个患者病症相同且体型形似的患者数量，为和的KL散度，为和的KL散度。
[0005]优选的，所述根据所述健康肢体的热成像样本图像和恢复阶段各时刻患肢的热成像样本图像，得到恢复阶段各时刻患肢的病症特征图，包括：分别以恢复阶段各时刻患肢的热成像图像中各像素点为中心，获取各像素点周围设定个数的像素点的灰度直方图，得到患肢的热成像图像中各像素点对应的灰度直方图；分别以健康肢体的热成像图像中各像素点为中心，获取各像素点周围设定个数的像素点的灰度直方图，得到健康肢体的热成像图像中各像素点对应的灰度直方图；将所述患肢的热成像图像中各像素点对应的灰度直方图和健康肢体的热成像图像中各像素点对应的灰度直方图做差，得到恢复阶段各时刻患肢的热成像图像中各像素点的病症特征；根据所述恢复阶段各时刻患肢的热成像图像中各像素点的病症特征，得到恢复阶段各时刻患肢的病症特征图。
[0006]优选的，得到恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点病症特征的变化率，包括：获取恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点的病症特征值，根据所述各时刻对应的时间窗口患肢的热成像图像中各像素点的病症特征值，得到恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点与其周围设定个数像素点的病症特征均值；根据所述恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点与其周围设定个数的像素点的病症特征均值，构建恢复阶段各时刻患肢的热成像图像中各像素点对应的病症特征均值序列；将所述恢复阶段各时刻患肢的热成像图像中各像素点对应的病症特征均值序列拟合成线性模型，得到恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点病症特征的变化率。
[0007]优选的，得到各像素点与其周围设定个数的像素点的变化一致性指标，包括：获取恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点的病症特征值，根据所述恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点的病症特征值，构建恢复阶段各时刻患肢的热成像图像中各像素点对应的患病特征序列；计算恢复阶段各时刻患肢的热成像图像中各像素点对应的患病特征序列与其周
围设定个数的各像素点对应的患病特征序列的相关性系数；根据所述恢复阶段各时刻患肢的热成像图像中各像素点对应的患病特征序列与其周围设定个数的各像素点对应的患病特征序列的相关性系数，得到恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点与其周围设定个数的像素点的变化一致性。
[0008]优选的，所述根据所述各像素点病症特征的变化率和所述各像素点与其周围设定个数的像素点的变化一致性指标，得到患肢在任意两个时刻之间的病症关联特征，包括：根据恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点病症特征的变化情况和恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点与其周围设定个数的像素点的变化一致性，计算在两个时刻之间患肢的热成像图像中各像素点的病症恢复程度；将两个时刻之间患肢的热成像图像中各像素点的病症恢复程度的均值作为患肢在任意两个时刻之间的病症关联特征。
[0009]优选的，采用如下公式计算在任意两个时刻之间患肢的热成像图像中各像素点的病症恢复程度：其中，为在两个时刻之间患肢的热成像图像中第p个像素点的病症恢复程度，为第v个时刻对应的时刻窗口内患肢的热成像图像中第p个像素点病症特征的变化率，为第v个时刻患肢的热成像图像中第p个像素点与其周围设定个数的像素点的相关性均值，为这两个时刻之间所取时刻的个数。
[0010]本专利技术具有如下有益效果：本专利技术基于健康肢体的热成像样本图像和恢复阶段各时刻患肢的热成像样本图像得到了患肢在任意两个时刻之间的病症关联特征，基于该病症关联特征和恢复阶段各时刻患肢的热成像图像对神经网络进行训练，训练好的神经网络能够对患肢所需牵引力度进行预测，基于该训练好的神经网络可以得到待辅助患肢所需牵引力度；本专利技术无需再依赖医护人员对待辅助患肢所需牵引力度进行判断，解决了现有依赖医护人员对待辅助患肢所需牵引力度进行判断存在的效率较低的问题。
附图说明
[0011]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。
[0012]图1为本专利技术所提供的一种基于人工智能的骨科牵引辅助方法的流程图。
具体实施方式
[0013]为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的骨科牵引辅助方法，其特征在于，该方法包括以下步骤：获取健康肢体的热成像样本图像和恢复阶段各时刻患肢的热成像样本图像；根据所述健康肢体的热成像样本图像和恢复阶段各时刻患肢的热成像样本图像，得到恢复阶段各时刻患肢的病症特征图；根据恢复阶段各时刻患肢的病症特征图中各像素点的病症特征值，得到恢复阶段各时刻对应的时间窗口内患肢的热成像图像中各像素点病症特征的变化率和各像素点与其周围设定个数的像素点的变化一致性指标；根据所述各像素点病症特征的变化率和所述各像素点与其周围设定个数的像素点的变化一致性指标，得到患肢在任意两个时刻之间的病症关联特征；根据恢复阶段各时刻患肢的热成像图像和患肢在任意两个时刻之间的病症关联特征，对神经网络进行训练；将待辅助患肢的热成像图像和对应的健康肢体热成像图像输入训练好的神经网络中，得到待辅助患肢所需的牵引力度。2.根据权利要求1所述的一种基于人工智能的骨科牵引辅助方法，其特征在于，所述神经网络的损失函数为：经网络的损失函数为：其中，为神经网络的损失函数，为变分自编码器网络的常用损失函数，为神经网络中全连接层输出的标量，即神经网络输出的第n个患者t时刻的牵引力度，为第n个患者t时刻所需的牵引力度，为将第n个患者t时刻的患肢的热成像图像输入到神经网络中编码器输出的高维高斯模型，为与同维度的标准正态分布，为和的KL散度，为子损失函数，为骨科牵引过程约束项，为骨科牵引对象约束项，为第n个患者t时刻和第x时刻的病症关联特征，为第n个患者和第m个患者在骨科牵引过程中的平均牵引合适程度，为第n个患者第x时刻患肢的热成像图像输入神经网络后获得的高维高斯模型，为第m个患者第x时刻患肢的热成像图像输入神经网络后获得的高维高斯模型，为第n个患者骨科牵引的总时长中选取的总时刻数，为与第n个患者病症相同且体型形似的患者数量，为和的KL散度，为和的KL散度。3.根据权利要求1所述的一种基于人工智能的骨科牵引辅助方法，其特征在于，所述根据所述健康肢体的热成像样本图像和恢复阶段各时刻患肢的热成像样本图像，得到恢复阶段各时刻患肢的病症特征图，包括：分别以恢复阶段各时刻患肢的热成像图像中各像素点为中心，获取各像素点周围设定
个数的像素点的灰度直方图，得到患肢的热成像图像中各像素点对应的灰度直方图；分别以健康肢体的热成像图像中各像素点为中心，获取各像素点周围设定个数的像素点的灰度直方图，得到健康肢体的热成像图像中各像素点对应的灰度直方图；将所述患肢的热成像图像中各像素点对应的灰度直方图和健康肢体的热成像图像中各像素点对应的灰度直方图做差，得到恢复阶段各时刻患肢的热成像图像中各像素点的病症特征；根据所述恢复阶段各时刻患肢的热成像图像中各像素点的病症特征，得到恢复阶段各时刻患肢的病症特征图。4.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：宋爱芹，徐光辉，于红梅，
申请(专利权)人：江苏优创生物医学科技有限公司，
类型：发明
国别省市：