【技术实现步骤摘要】
本专利技术涉及医学设备监测，尤其涉及一种手术室智能监测方法及系统。
技术介绍
1、手术室是医疗行业中至关重要的环境之一，需要保持高度的卫生和整洁，以确保手术过程的顺利进行以及术后患者的安全。
2、然而，目前的清洁和整理过程仍然面临一些挑战，其中包括以下问题：盲点监测问题，手术室内的监测设备通常可以记录房间的状态，但仍存在某些区域或物品在拍照或录像中难以观察到的情况。这些盲点可能包括隐藏在大型设备或家具后面的小物品，以及难以到达的区域，如角落和墙壁后面。位移和未归位问题，手术室内的设备和物品需要在手术后归位到其指定位置，以确保房间的卫生和安全。然而，当前的监测方法通常难以捕捉这些物品的位移或未归位情况，特别是当这些变化发生在视线之外时。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有存在的问题，提出了本专利技术。因此，本专利技术提供了一种手术室智能监测方法，用来解决
技术介绍
提出的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术提供了一种手术室智能监测方法，包括：
5、采集手术室视频图像，识别所述手术室房间内的所有物品，并添加标识符记录所述物品属性；
7、根据划分的每个区域下当前状态的熵，判断物品摆放位置，并得到手术室整体得分值。
8、作为本专利技术所述的手术室智能监测方法的一种优选方案，其中：获取手术室中初始整洁状态的视频和图像，并对所述图像进行预处理，将视频保存。
9、作为本专利技术所述的手术室智能监测方法的一种优选方案，其中：识别所述手术室房间内的所有物品，并添加标识符记录所述物品属性，包括：
10、使用yolo算法识别手术室中的所有物品，记录每个物品的类别id，并将所述id作为唯一标识符，为每个识别到的物品记录其位置、方向和关系。
11、作为本专利技术所述的手术室智能监测方法的一种优选方案，其中：选择所述物品属性，包括：
12、将物品的位置和方向作为特征初始值的帧，通过所述特征初始值的帧对变化后的物品位置和方向进行判断。
13、作为本专利技术所述的手术室智能监测方法的一种优选方案，其中：根据物品的密集程度对画面进行区域划分，包括：
14、设定输入图像i→i(x，y)；
15、将图像分为n个区域，每个区域具有位移的标识符ri，分割结果可以表示为：
16、s(x，y)＝ri，(i＝1，2，…，n)
17、其中，i(x，y)表示图像中像素(x，y)处的值；s(x，y)表示图像中像素(x，y)处所属的区域标识符；密集程度指的是物品与物品之间通过yolo算法识别出图像叠加的区域。
18、作为本专利技术所述的手术室智能监测方法的一种优选方案，其中：根据划分的每个区域下当前状态的熵，判断物品摆放位置，得到手术室整体得分值，包括：
19、所述当前状态的熵，公式表示为：
20、h＝-σ(p(x)*log2(p(x)))
21、其中，σ(p(x)表示对所有灰度级别进行求和，p(x)是每个灰度级别的概率；
22、检测每个区域当前状态下的熵，判断是否存在超出阈值的熵变化，得到手术室整体得分值score如下：
23、score＝w1·objectchangescore+w2·regionchangescore
24、其中，objectchangescore是物品变化位置的得分；regionchangescore是区域变化物品的得分；w1和w2为阈值变化的熵的权重。
25、作为本专利技术所述的手术室智能监测方法的一种优选方案，其中：还包括：
26、当物品所在的区域标识符发生了变化，若rt≠rt-1和|xt–(xt-1)|>{h:t}并且|yt–(yt-1)|>{h:t}，则判断物品已移动到新区域；
27、其中，xt、yt为物品在特征初始值的帧t中的位置坐标；rt为特征初始值的帧t中物品所在的区域标识符；rt-1为特征初始值的帧t-1中物品所在的区域标识符；{h:t}表示阈值；
28、当相同物品摆放过多，则需遍历每个区域内的物品数量，公式如下：
29、objectcount(i)＝∑(x，y)∈rδ(r(x，y)，i)
30、其中，objectcount(i)表示物品i区域内的物品数量，r(x，y)表示区域划分图像的像素值，δ()为指示函数。
31、第二方面，本专利技术提供了手术室智能监测系统，包括：
32、采集模块，采集手术室视频图像，识别所述手术室房间内的所有物品，并添加标识符记录所述物品属性；
33、分析模块，选择所述物品属性，根据物品的密集程度对画面进行区域划分；
34、结果模块，根据划分的每个区域下当前状态的熵，判断物品摆放位置，并得到手术室整体得分值。
35、第三方面，本专利技术提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述方法的任一步骤。
36、第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述方法的任一步骤。
37、与现有技术相比，专利技术有益效果为：本专利技术通过采集手术室视频图像，识别手术室房间内的所有物品，并添加标识符记录物品属性；选择物品属性，根据物品的密集程度对画面进行区域划分；根据划分的每个区域下当前状态的熵，判断物品摆放位置，并得到手术室整体得分值；通过熵计算，能够精确评估房间的整洁度，而无需依赖机器学习或深度学习方法；同时，判断物品摆放位置，确保了更广泛区域的全面监测，减少了物品遮挡和视野盲点所带来的误差，提高了手术室监测的全面性和准确性。
本文档来自技高网...【技术保护点】
1.一种手术室智能监测方法，其特征在于，包括：
2.如权利要求1所述的手术室智能监测方法，其特征在于，所述采集手术室视频图像，包括：获取手术室中初始整洁状态的视频和图像，并对所述图像进行预处理，将视频保存。
3.如权利要求2所述的手术室智能监测方法，其特征在于，识别所述手术室房间内的所有物品，并添加标识符记录所述物品属性，包括：
4.如权利要求3所述的手术室智能监测方法，其特征在于，选择所述物品属性，包括：
5.如权利要求4所述的手术室智能监测方法，其特征在于，利用语义分割算法，根据物品的密集程度对画面进行区域划分，包括：
6.如权利要求5所述的手术室智能监测方法，其特征在于，根据划分的每个区域下当前状态的熵，判断物品摆放位置，得到手术室整体得分值，包括：
7.如权利要求4～6任一所述的手术室智能监测方法，其特征在于，还包括：
8.一种手术室智能监测系统，基于权利要求1～7任一所述的手术室智能监测方法，其特征在于，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述方法的步骤。
...【技术特征摘要】
1.一种手术室智能监测方法，其特征在于，包括：
2.如权利要求1所述的手术室智能监测方法，其特征在于，所述采集手术室视频图像，包括：获取手术室中初始整洁状态的视频和图像，并对所述图像进行预处理，将视频保存。
3.如权利要求2所述的手术室智能监测方法，其特征在于，识别所述手术室房间内的所有物品，并添加标识符记录所述物品属性，包括：
4.如权利要求3所述的手术室智能监测方法，其特征在于，选择所述物品属性，包括：
5.如权利要求4所述的手术室智能监测方法，其特征在于，利用语义分割算法，根据物品的密集程度对画面进行区域划分，包括：
6.如权利要求5所述的...
【专利技术属性】
技术研发人员：姚伟锋，容典，陈潮金，窦朝逊，郭晋言，罗刚健，黑子清，关山，
申请(专利权)人：中山大学附属第三医院，
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。