一种智能心血管护理监测系统及其信息数据处理终端技术方案

本发明专利技术属于智能心血管护理监测技术领域，公开了一种智能心血管护理监测系统及其信息数据处理终端，智能心血管护理监测系统包括：心血管图像采集模块、图像增强模块、心率采集模块、血压采集模块、数据传输模块、中央控制模块、数据集成模块、管理服务模块、显示模块。本发明专利技术通过数据集成模块以常用的医学数据源作为基础，获得的心血管疾病实体比人类疾病本体中的心血管疾病更多，且提高了数据质量；并采用一个Web系统用于该集成数据的使用，能为用户提供特定疾病所需的多因素视图；通过管理服务模块能够为患者自动测算心血管疾病的患病风险，帮助患者进行心血管疾病的早筛查、预防、治疗等自我健康管理，降低心血管疾病发生引起的风险。的风险。的风险。

【技术实现步骤摘要】
一种智能心血管护理监测系统及其信息数据处理终端


[0001]本专利技术属于智能心血管护理监测
，尤其涉及一种智能心血管护理监测系统及其信息数据处理终端。

技术介绍

[0002]心脏是一个中空的肌性器官，位于胸腔的中部，由一间隔分为左右两个腔室，每个腔室又分为位于上部的心房和下部的心室两部分。心房收集入心血液，心室射血出心。心室的进口和出口都有瓣膜，保证血液单向流动。人体在不同的生理状况下，各器官组织的代谢水平不同，对血流量的需要也不同。心血管活动能在机体的神经和体液调解下，改变心排血量和外周阻力，协调各器官组织之间的血流分配，以满足各器官组织对血流量的需要。然而，现有智能心血管护理监测系统对已有的疾病相关因素的数据库都只是围绕一到两种疾病相关因素进行构建，不能提供一个对于疾病的相关因素的全面视图；同时，心血管病的患病率不断上升，不良生活方式持续流行，使得心血管病预防和管理形势更加严峻。
[0003]综上所述，现有技术存在的问题是：现有智能心血管护理监测系统对已有的疾病相关因素的数据库都只是围绕一到两种疾病相关因素进行构建，不能提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能心血管护理监测系统，其特征在于，所述智能心血管护理监测系统包括：心血管图像采集模块，与图像增强模块连接，用于通过超声设备采集心血管超声图像；图像增强模块，与心血管图像采集模块、数据传输模块连接，用于对采集的心血管超声图像进行增强处理；获取心血管超声输入图像，输入心血管超声图像I(w,h,3)是一个大小为w
×
h
×
3的三维矩阵，w表示宽，h表示高，3表示图像的通道数，通常为图像的RGB三个通道，其中每个通道提取出大小为w
×
h的二维矩阵，表示源图像中每个通道中所蕴含的空间信息，图像的任意通道信息用I
Ω
(x,y)来表示，其中Ω表示通道；取源图像进行色彩平衡，具体涉及一种带有红色通道补偿的的白平衡方法，有效地去除不真实的色彩，以感知水下图像中物体的真实色彩；色彩平衡后得到完全相同的两幅图像，分别记为I
A
(x,y,3)和I
B
(x,y,3)；对图像I
A
(x,y,3)的3个通道分别进行拉普拉斯锐化处理，突出图像边缘的过渡部分，以表现出更多的图片边缘信息，计算方法为：I
AiL
(x,y)＝(1+4α)I
Ai
(x,y)
‑
α[I
Ai
(x+1,y)+I
Ai
(x
‑
1,y)+I
Ai
(x,y+1)+I
Ai
(x,y
‑
1)]其中i表示R、G、B三个通道；α表示锐化强度系数，取大于零的整数，且图像锐化程度与α正相关，得到图像I
A
(x,y,3)锐化后的图像，记为I
AL
(x,y,3)；构建基于改进深度可分离卷积生成对抗网络模型：所述改进的深度可分离卷积生成对抗网络模型包括改进的深度可分离卷积模块与改进倒残差深度可分离卷积模块；所述改进的深度可分离卷积模块第一层为深度卷积层，卷积核尺寸为3*3；第二层为实例正则化层；第三层为逐点卷积层，卷积核尺寸为1*1；第四层为实例正则化层，第五层为ReLU的激活层；所述改进倒残差深度可分离卷积模块第一层为逐点卷积层，卷积核尺寸为1*1；所述逐点卷积层后添加有实例归一化层以及ReLU6的激活层；第二层为深度卷积层，卷积核尺寸为3*3，所述深度卷积层后添加有实例归一化层以及ReLU6的激活层；第三层为逐点卷积层，卷积核尺寸为1*1；所述逐点卷积层后添加有实例归一化层以及线性激活层；第四层为相加层；对构建的深度可分离卷积生成对抗网络模型进行训练；利用训练好的深度可分离卷积生成对抗网络模型进行图像I
A
(x,y,3)图像增强；心率采集模块，与数据传输模块连接，用于采集心脏心率数据；血压采集模块，与数据传输模块连接，用于采集血压数据；数据传输模块，与图像增强模块、心率采集模块、血压采集模块、中央控制模块连接，用于对采集的数据进行传输发送到中央控制模块进行处理；中央控制模块，与数据传输模块、数据集成模块、管理服务模块、显示模块连接，用于控制各个模块正常工作；数据集成模块，与中央控制模块连接，用于对血管疾病数据进行集成；管理服务模块，与中央控制模块连接，用于对血管疾病进行管理服务；显示模块，与中央控制模块连接，用于通过显示器显示采集的心血管超声图像、心率、血压。2.如权利要求1所述智能心血管护理监测系统，其特征在于，进行图像I
A
(x,y,3)图像增
强后对图像I
B
(x,y,3)的每个像素信息L(x)进行处理，则处理后的像素信息E(x)计算方式为：L(x)＝E(x)t(x)+B
∞
(x)[1
‑
t(x)]其中t(x)表示水下透射率，B
∞
(x)表示光强，暗通道先验公式为：其中Ω是以某一像素点为中心的局部区域，J(λ)则表示R，G，B三通道中的一个；对于R、G、B三个通道，先分别作最小化运算得到：其中λ代表R、G、B，经过化简可得：然后再对三个通道作最小化，得：3.如权利要求2所述智能心血管护理监测系统，其特征在于，依据暗通道先验得公式计算水下折射率t(λ)：借助I
B
(x,y,3)的暗通道图，求得其亮度大小的前0.1％最亮的像素，进而在I
B
(x,y,3)中寻找对应的具有最高亮度的点的平均值，作为B
∞
(x)值；计算出去雾以后的图像信息E(λ)：其中，t0是为了防止t近似于0而导致图像噪声放大，并将经过暗通道先验算法的图像I
B
(x,y,3)记为I
BQ
(x,y,3)；对图像I
BQ
(x,y,3)进行gamma校正，Gamma校正的公式为：f(I)＝I
γ
其中，当γ＜1时，在低灰度值区域内，图像动态范围变大，进而图像的对比度增强；而在高灰度值区域内，情况正好与之相对，同时，图像的整体灰度值变大；当γ＞1时，正好与γ＜1情况相反，此种情况让图像暗部更加难以被看清；将校正后图像记为I
BQ
'(x,y,3)；采用潜在低秩表示LatLRR方法分别从待融合图像I
AL
(x,y,3)和I
BQ
'(x,y,3)中分解出各自每一通道的低阶部分和显著部分X
1s
、X
2s
，并采用加...

【专利技术属性】
技术研发人员：郭晶晶，
申请(专利权)人：河南省直第三人民医院，
类型：发明
国别省市：