医疗操作考评方法、系统、电子设备及存储介质技术方案

本发明专利技术提供一种医疗操作考评方法、系统、电子设备及存储介质，所述方法包括：获取目标区域的实时图像；基于所述实时图像和预先构建且训练好的操作识别模型，获得目标识别结果；将所述目标识别结果与预设的对应操作规程条件相比较，以获得比较结果，并基于所述比较结果得到并输出评分结果。所述方法对医学职业操作者的医学操作行为进行了精准识别，并可结合预设的对应操作规程条件对所述医学操作行为的准确性进行评价及打分，从而有效进行教学考核，且省时、省力、省教学资源。省教学资源。省教学资源。

【技术实现步骤摘要】
医疗操作考评方法、系统、电子设备及存储介质


[0001]本专利技术涉及生物医疗
，具体涉及一种医疗操作考评方法、系统、电子设备及存储介质。

技术介绍

[0002]医疗操作中的无菌手术操作通常是医学生最先接触到的临床技能，之后才会逐渐引入简单的临床病例。传统的无菌手术操作教学方式是通过理论学习、场景模拟、教师示范以及学生练习的形式，采用的是“一对一”或“一对多”的教学方式。此种教学方式存在缺点：教师难以发现每一位学生的错误，即使发现也难以纠正每一处错误；学生对于教师所教授内容以及所纠正内容的理解，均受到课堂氛围的影响，有时难以刻画深刻印象而未能掌握该技能。并且每一位教师受场地、器材等等限制因素的影响，每次便仅能教限定数量的学生，故而传统无菌手术操作教学方式，每次都耗费大量人力、物力和时间，且教学效果较差。
[0003]针对上述问题，亟待出现一种有效的解决方案。

技术实现思路

[0004]本专利技术提供一种医疗操作考评方法、系统、电子设备及存储介质，用以克服现有技术中传统无菌手术操作教学方式，每次都耗费大量人力、物力和时间，且教学效果差等缺陷，能够实现对医学职业操作者的医学操作行为的高效评价。
[0005]本专利技术提供一种医疗操作考评方法，包括：
[0006]获取目标区域的实时图像；
[0007]基于所述实时图像和预先构建且训练好的操作识别模型，获得目标识别结果；
[0008]将所述目标识别结果与预设的对应操作规程条件相比较，以获得比较结果，并基于所述比较结果得到并输出评分结果。
[0009]根据本专利技术提供的医疗操作考评方法，所述操作识别模型包括手部特征及动作识别模型，所述对应操作规程条件具体包括：
[0010]手部关键点的运动轨迹符合预设运动范围；或，
[0011]预设的手部关键点之间出现操作器械。
[0012]根据本专利技术提供的医疗操作考评方法，所述手部特征及动作识别模型预先的训练过程包括以下步骤：
[0013]获取若干正确操作的手部图像样本和若干错误操作的手部图像样本；
[0014]结合关键点检测识别关键点检测识别模型识别所有手部图像样本中各手指上的多个手部关键点；
[0015]分析提取出各手部关键点的运动轨迹，并逐一截取多个预设的手部关键点之间的手部图像样本，将所述各手部关键点的运动轨迹和所述多个预设的手部关键点之间的手部图像样本共同作为第一训练数据集；
[0016]基于机器学习算法对所述第一训练数据集进行学习训练，以获得所述手部特征及
动作识别模型。
[0017]根据本专利技术提供的医疗操作考评方法，所述操作识别模型包括躯体动作识别模型，所述对应操作规程条件具体包括：
[0018]肢体关键点运动轨迹符合从被手术对象的躯体上肢侧至躯体下肢侧的顺序。
[0019]根据本专利技术提供的医疗操作考评方法，所述躯体动作识别模型预先的训练过程包括以下步骤：
[0020]获取若干正确操作的躯体图像样本序列和若干错误操作的躯体图像样本序列，结合关键点检测识别模型识别所有躯体图像样本中的多个肢体关键点；
[0021]分析提取出各肢体关键点的运动轨迹，并逐一截取多个预设的肢体关键点附近的被手术对象的躯体图像样本序列，将所述各肢体关键点的运动轨迹和所述多个预设的肢体关键点附近的被手术对象的躯体图像样本共同作为第二训练数据集；
[0022]基于机器学习算法对所述第二训练数据集进行学习训练，以获得所述躯体动作识别模型。
[0023]根据本专利技术提供的医疗操作考评方法，所述操作识别模型包括敷料识别检测模型，所述对应操作规程条件为敷料运动轨迹符合预设运动路径及运动范围；
[0024]其中，所述敷料识别检测模型预先的训练过程包括以下步骤：
[0025]获取若干敷料图像样本，并对所有敷料图像样本中敷料所处位置进行标注，分别获得标注后的敷料图像样本，以作为第三训练数据集；
[0026]基于机器学习算法对所述第三训练数据集进行学习训练，以获得所述敷料识别检测模型。
[0027]根据本专利技术提供的医疗操作考评方法，所述操作识别模型包括图像处理模型，所述对应操作规程条件为对操作区域的实际操作结果符合预设结果；
[0028]其中，所述图像处理模型预先的训练过程包括以下步骤：
[0029]获取若干包含正确操作结果的操作区域图像样本和若干包含错误操作结果的操作区域图像样本，以作为第四训练数据集，其中，所述操作区域包括留存的手术窗口区域；
[0030]基于图像检测处理算法对所述第四训练数据集进行学习训练，以获得所述图像处理模型。
[0031]本专利技术还提供一种医疗操作考评系统，所述系统包括：
[0032]获取模块，用于获取目标区域的实时图像；
[0033]识别模块，用于基于所述实时图像和预先构建且训练好的操作识别模型，获得目标识别结果；
[0034]评分模块，用于将所述目标识别结果与预设的对应操作规程条件相比较，以获得比较结果，并基于所述比较结果得到并输出评分结果。
[0035]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现根据如上任一项所述医疗操作考评方法的全部或部分步骤。
[0036]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现根据如上任一项所述医疗操作考评方法的全部或部分步骤。
[0037]本专利技术提供一种医疗操作考评方法、系统、电子设备及存储介质，所述方法包括：
获取目标区域的实时图像；基于所述实时图像和预先构建且训练好的操作识别模型，获得目标识别结果；将所述目标识别结果与预设的对应操作规程条件相比较，以获得比较结果，并基于所述比较结果得到并输出评分结果。所述方法基于获取到的目标区域的实时图像和预先构建且训练好的操作识别模型，可以准确地获得相应的识别结果，即对医学职业操作者的医学操作行为进行了精准识别，并可结合预设的对应操作规程条件对所述医学操作行为的准确性进行评价及打分，从而有效进行教学考核，且省时、省力、省教学资源。
附图说明
[0038]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，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地介绍，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，还可以根据这些图获得其他的附图。
[0039]图1是本专利技术提供的医疗操作考评方法的流程示意图。
[0040]图2是本专利技术提供的医疗操作考评方法中基于手部关键点识别判断出现操作器械的过程示意图；
[0041]图3手部特征及动作识别模型是本方法中对敷料进行标注获得敷料图像样本的标注示意图；
[0042]图4是本专利技术提供的医疗操作考评系统的结构示意图；
[0043]图5是本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医疗操作考评方法，其特征在于，包括：获取目标区域的实时图像；基于所述实时图像和预先构建且训练好的操作识别模型，获得目标识别结果；将所述目标识别结果与预设的对应操作规程条件相比较，以获得比较结果，并基于所述比较结果得到并输出评分结果。2.根据权利要求1所述的医疗操作考评方法，其特征在于，所述操作识别模型包括手部特征及动作识别模型，所述对应操作规程条件具体包括：手部关键点的运动轨迹符合预设运动范围；或，预设的手部关键点之间出现操作器械。3.根据权利要求2所述的医疗操作考评方法，其特征在于，所述手部特征及动作识别模型预先的训练过程包括以下步骤：获取若干正确操作的手部图像样本和若干错误操作的手部图像样本；结合关键点检测识别模型识别所有手部图像样本中各手指上的多个手部关键点；分析提取出各手部关键点的运动轨迹，并逐一截取多个预设的手部关键点之间的手部图像样本，将所述各手部关键点的运动轨迹和所述多个预设的手部关键点之间的手部图像样本共同作为第一训练数据集；基于机器学习算法对所述第一训练数据集进行学习训练，以获得所述手部特征及动作识别模型。4.根据权利要求1所述的医疗操作考评方法，其特征在于，所述操作识别模型包括躯体动作识别模型，所述对应操作规程条件具体包括：肢体关键点运动轨迹符合从被手术对象的躯体上肢侧至躯体下肢侧的顺序。5.根据权利要求4所述的医疗操作考评方法，其特征在于，所述躯体动作识别模型预先的训练过程包括以下步骤：获取若干正确操作的躯体图像样本序列和若干错误操作的躯体图像样本序列，结合关键点检测识别模型识别所有躯体图像样本中的多个肢体关键点；分析提取出各肢体关键点的运动轨迹，并逐一截取多个预设的肢体关键点附近的被手术对象的躯体图像样本序列，将所述各肢体关键点的运动轨迹和所述多个预设的肢体关键点附近被手术对象的躯体图像样本共同作为第二训练数据集；基于机器学习对所述第二训...

【专利技术属性】
技术研发人员：罗杨宇，谢东升，向廷，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：