应用于外科护理下的患者体位智能矫正方法及装置与流程

本发明涉及体位矫正领域，尤其涉及一种应用于外科护理下的患者体位智能矫正方法及装置。

背景技术：

1、目前，孕妇患者的胎儿体位矫正的方法较多，主要为徒手矫正的方式，而徒手矫正的依据来自于医生、护士的医疗知识、经验等，这些医疗知识、经验通过不同的实验测量得到，所以每个医生、护士的医疗知识、经验各不相同，这导致现今胎儿体位不正的分析主要依靠人工实现，所产生的胎儿体位矫正的方法也依靠人工定制实现。因此，亟待一种解决方案可以通过人工智能实现胎儿体位不正的分析和胎儿体位矫正。

技术实现思路

1、为了解决上述问题，本发明提供了一种应用于外科护理下的患者体位智能矫正方法及装置，可以通过人工智能实现胎儿体位不正的分析和胎儿体位矫正。

2、第一方面，本发明提供了一种应用于外科护理下的患者体位智能矫正方法，包括：

3、确定患者的待扫描部位，识别所述待扫描部位的正常偏移幅度，对所述待扫描部位进行部位扫描，得到扫描图像，基于所述扫描图像，识别所述待扫描部位的部位类别，基于所述部位类别，利用所述正常偏移幅度检测所述待扫描部位的位置是否异常；

4、在所述待扫描部位的位置异常时，计算所述扫描图像与所述正常偏移幅度之间的旋转角度，基于所述旋转角度，利用所述正常偏移幅度对所述扫描图像进行图像配准，得到配准图像，在所述配准图像中查询所述患者的位置信息；

5、利用所述位置信息识别所述患者的患者体位，确定所述患者体位的目标方位与待调整部位；

6、基于所述目标方位，检测所述患者的隐形危险因素，利用所述隐形危险因素对所述待调整部位进行部位筛选，得到筛选部位，并构建所述筛选部位的矫正顺序；

7、利用所述矫正顺序和所述目标方位，对所述筛选部位进行部位矫正，得到所述患者的体位矫正结果。

8、在第一方面的一种可能实现方式中，所述基于所述扫描图像，识别所述待扫描部位的部位类别，包括：

9、利用下述公式计算所述扫描图像的通道注意力掩膜：

10、

11、其中，a表示所述通道注意力掩膜，σ表示sigmod激活函数，δ表示relu激活函数，x表示所述扫描图像在第c个注意力通道的特征图，(i,j)表示所述扫描图像中像素点的坐标，h表示所述扫描图像的高度，w表示所述扫描图像的宽度，c1表示对进行卷积操作后输出的特征图深度，c2表示对c1进行卷积操作后输出的特征图深度；

12、利用下述公式计算所述扫描图像的空间注意力掩膜：

13、b＝sigmod(conv降维(ds(conv扩大(conv降维(x(i,j))))))

14、其中，b表示所述空间注意力掩膜，conv降维表示降维卷积层，ds表示下采样，conv扩大表示尺寸比conv降维大的卷积层，x(i,j)表示所述扫描图像，(i,j)表示所述扫描图像中像素点的坐标；

15、利用下述公式融合所述通道注意力掩膜、所述空间注意力掩膜及所述扫描图像，得到融合特征图：

16、

17、其中，c表示所述融合特征图，a表示所述通道注意力掩膜，b表示所述空间注意力掩膜，表示逐通道相乘的符号，x(i,j)表示所述扫描图像，(i,j)表示所述扫描图像中像素点的坐标；

18、计算所述融合特征图的部位类别概率，利用所述部位类别概率识别所述待扫描部位的部位类别。

19、在第一方面的一种可能实现方式中，所述计算所述扫描图像与所述正常偏移幅度之间的旋转角度，包括：

20、基于所述正常偏移幅度，确定所述扫描图像对应的标准边缘；

21、从所述扫描图像提取扫描边缘；

22、分别从所述标准边缘与所述扫描边缘中选取标准边缘特征与扫描边缘特征；

23、利用下述公式计算所述标准边缘特征与所述扫描边缘特征之间的特征夹角：

24、

25、其中，θk表示所述特征夹角，αk表示所述标准边缘特征中第k个标准边缘特征与水平方向上的夹角，βk表示所述扫描边缘特征中第k个标准边缘特征与水平方向上的夹角；

26、基于所述特征夹角，利用下述公式计算所述旋转角度：

27、

28、其中，θ表示所述旋转角度，θk表示所述特征夹角，k表示所述特征夹角的序号，k表示所述特征夹角的总数。

29、在第一方面的一种可能实现方式中，所述分别从所述标准边缘与所述扫描边缘中选取标准边缘特征与扫描边缘特征，包括：

30、利用下述公式计算所述标准边缘的标准向量：

31、

32、其中，u表示所述标准向量，gj表示所述标准边缘的第j个像素点的灰度值，xv表示所述标准边缘的第j个像素点的x值，yv表示所述标准边缘的第j个像素点的y值；

33、计算所述扫描边缘的扫描向量；

34、计算所述标准向量与所述扫描向量之间的欧式距离；基于所述欧式距离，构建所述标准边缘特征与所述扫描边缘特征。

35、在第一方面的一种可能实现方式中，所述基于所述旋转角度，利用所述正常偏移幅度对所述扫描图像进行图像配准，得到配准图像，包括：

36、基于所述旋转角度，对所述扫描图像进行图像旋转，得到旋转图像；

37、从所述旋转图像中查询所述待扫描部位的坐标信息；

38、获取所述正常偏移幅度对应的标准边缘，构建所述标准边缘的边缘图像；

39、基于所述边缘图像，利用下述公式对所述扫描图像进行图像配准，得到配准图像：

40、

41、其中，r(i,j)表示所述配准图像，t(i′,j′)表示所述边缘图像，x表示所述扫描图像，(i,j)表示所述扫描图像中像素点的坐标，(i′,j′)表示所述边缘图像中像素点的坐标。

42、在第一方面的一种可能实现方式中，所述利用所述位置信息识别所述患者的患者体位，包括：

43、构建所述位置信息的位置向量；

44、利用预设的体位分类模型中的隐藏层对所述位置向量进行特征提取，得到提取特征；

45、利用所述预设的体位分类模型中的输出层计算所述提取特征的体位类别概率；

46、基于所述体位类别概率，识别所述患者的患者体位。

47、在第一方面的一种可能实现方式中，所述基于所述目标方位，检测所述患者的隐形危险因素，包括：

48、从所述待扫描部位中查询所述待调整部位对应的非目标部位；

49、利用所述目标方位确定所述非目标部位的非目标方位；

50、从所述非目标方位中识别与所述目标方位关联的关联方位；

51、基于所述目标方位与所述关联方位，确定所述隐形危险因素。

52、在第一方面的一种可能实现方式中，所述基于所述目标方位与所述关联方位，确定所述隐形危险因素，包括：

53、构建所述目标方位与所述关联方位之间的目标-关联映射关系；

54、对所述目标-关联映射关系中的每个目标-关联映射关系之间进行随机组合，得到关系组合；

55、构建所述关系组合的模拟体位；

56、在所述模拟体位存在异常时，从所述模拟体位对应的关系组合中查询初始目标-关联映射关系；

57、从所述初始目标-关联映射关系中查询共用目标-关联映射关系；

58、将所述共用目标-关联映射关系对应的目标部位与非目标部位作为所述隐形危险因素。

59、在第一方面的一种可能实现方式中，所述构建所述筛选部位的矫正顺序，包括：

60、确定所述筛选部位的初始顺序；

61、从所述初始顺序中提取前位部位和后位部位；

62、在所述前位部位和所述后位部位之间的关系为预设的正向关系时，利用所述初始顺序确定所述矫正顺序；

63、在所述前位部位和所述后位部位之间的关系不为所述预设的正向关系时，对所述前位部位和所述后位部位进行顺序打乱，得到打乱顺序，并利用所述打乱顺序确定所述矫正顺序。

64、第二方面，本发明提供了一种应用于外科护理下的患者体位智能矫正装置，所述装置包括：

65、异常检测模块，用于确定患者的待扫描部位，识别所述待扫描部位的正常偏移幅度，对所述待扫描部位进行部位扫描，得到扫描图像，基于所述扫描图像，识别所述待扫描部位的部位类别，基于所述部位类别，利用所述正常偏移幅度检测所述待扫描部位的位置是否异常；

66、位置查询模块，用于在所述待扫描部位的位置异常时，计算所述扫描图像与所述正常偏移幅度之间的旋转角度，基于所述旋转角度，利用所述正常偏移幅度对所述扫描图像进行图像配准，得到配准图像，在所述配准图像中查询所述患者的位置信息；

67、部位确定模块，用于利用所述位置信息识别所述患者的患者体位，确定所述患者体位的目标方位与待调整部位；

68、顺序构建模块，用于基于所述目标方位，检测所述患者的隐形危险因素，利用所述隐形危险因素对所述待调整部位进行部位筛选，得到筛选部位，并构建所述筛选部位的矫正顺序；

69、部位矫正模块，用于利用所述矫正顺序和所述目标方位，对所述筛选部位进行部位矫正，得到所述患者的体位矫正结果。

70、与现有技术相比，本方案的技术原理及有益效果在于：

71、本发明实施例通过基于所述扫描图像，识别所述待扫描部位的部位类别，以用于利用神经网络识别所述待扫描部位的部位类别，本发明实施例通过计算所述扫描图像与所述正常偏移幅度之间的旋转角度，以用于为所述扫描图像的配准作准备，本发明实施例通过利用所述位置信息识别所述患者的患者体位，以用于利用神经网络模型识别所述患者的患者体位类别，本发明实施例通过基于所述目标方位，检测所述待调整部位的隐形危险因素，以用于检测将所述待调整部位调整到目标方位后胎儿的姿势是否怪异来确定将所述待调整部位调整到目标方位的方案是否可行。因此，本发明实施例提出的一种应用于外科护理下的患者体位智能矫正方法及装置，可以通过人工智能实现胎儿体位不正的分析和胎儿体位矫正。