[发明专利]一种基于双网互联的智慧仿真型护理教学系统及教学方法有效

专利信息
申请号: 202010267302.0 申请日: 2020-04-08
公开(公告)号: CN111459050B 公开(公告)日: 2023-03-24
发明(设计)人: 刘巍;苗蓓蓓;宫玲;孙亚丽;陈雪岩 申请(专利权)人: 北华大学
主分类号: G05B17/02 分类号: G05B17/02;G06T17/00;G09B5/02
代理公司: 合肥市科融知识产权代理事务所(普通合伙) 34126 代理人: 王前程;王家培
地址: 132000 吉*** 国省代码: 吉林;22
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 双网互联 智慧 仿真 护理 教学 系统 教学方法
【权利要求书】:

1.一种基于双网互联的智慧仿真型护理教学方法,其特征在于,所述基于双网互联的智慧仿真型护理教学方法包括以下步骤:

第一步,通过摄像头进行护理病房内护理图像的采集;

第二步,对第一步采集的护理病房内护理图像进行对称性分析,得到对称模型;

第三步,将第二步得到对称模型应用到护理图像中,以原图像与其镜像图像的最大互信息为最优化条件计算最优化的中矢线;

第四步,计算原始图像与其基于最优化的中矢线镜像图像减影;

第五步,基于松弛迭代的初始区域跟踪:利用松弛迭代方法跟踪区域的初始边界;

第六步,根据得到的区域的初始边界,计算原始种子点和窗宽,利用均值漂移算法分割原始护理图像;

第七步,基于第六步得到分割后的护理图像进行拍摄位置估计;利用针对待处理的至少一个三维对象拍摄的至少一幅图像的几何关系,估计在拍摄每幅图像时的拍摄的位置、以及每幅图像上的匹配特征点的三维点坐标;

第八步,获得相关拍摄位置后,进行单图像平面轮廓生成,对于每幅图像,通过用于提取图像轮廓的深度学习模型,提取全景图像的平面轮廓;

第九步,进行尺度归一化,将所估计的在拍摄每幅图像时的拍摄位置的尺度和每幅图像的平面轮廓的尺度进行归一化,得到经过归一化的各图像的平面轮廓;

第十步,进行多对象拼接,基于所述经过归一化的各图像的平面轮廓,拼接得到多对象平面轮廓;

第十一步,基于第十步中得到的平面轮廓,通过建模程序构建护理部位三维模型;

第十二步,通过护理建议程序给出护理建议;通过护理模拟程序模拟护理情景;

第十三步,通过对比分析程序进行护理病房实际护理操作和教学模拟护理操作的对比与分析;并利用显示器对相关信息进行显示;

第三步中,所述计算最优化的中矢线的方法为:

任意给定过重心的一条直线;计算图像关于直线的对称图像;求原图像与镜像图像的互信息量;以互信息量为相似性测度,使用鲍威尔算法优化直线斜率,使得互信息量最大;确定最优化的中矢线;

第十一步中,所述构建护理部位三维模型的方法为:

(1)基于图像处理步骤得到的经过归一化的各图像的平面轮廓,得到各单个三维对象的在三维空间中的平面轮廓;

(2)基于各单个三维对象的在三维空间中的平面轮廓,拼接得到在三维空间中的多对象平面轮廓;

(3)将拼接得到的在三维空间中的多对象平面轮廓转化为多对象3D模型;

第十二步中,所述给出护理建议的方法为:

从图像中提取局部特征描述符;

使用学习的判别字典对每个所述局部特征描述符进行编码,其中,所述学习的判别字典包括类别特定子字典,并惩罚与不同类别相关联的子字典的基础之间的相关性;

使用基于编码的局部特征描述符的、训练的机器学习型分类器对显微内镜图像中的组织进行分类,其中使用学习的判别字典从对每个所述局部特征描述符进行编码得到所述编码的局部特征描述符;并通过局部特征描述符对护理部位进行诊断,给出护理建议。

2.如权利要求1所述基于双网互联的智慧仿真型护理教学方法,其特征在于,所述第一步之前还需进行:

(1)通过数据上传程序上传病例数据;将病例进行归类,得到姓名、科室、病发时间、检查结果、处理建议五项信息;

(2)将分类信息转换成wordpages格式文件存储到存储器中;

(3)对检查结果中异常数值进行标注,并与处理建议进行对比,查看是否一一对应;

(4)将病例中的处理建议发送到人工后台终端,确定处理建议的正确性。

3.如权利要求1所述基于双网互联的智慧仿真型护理教学方法,其特征在于,第七步中,所述每幅图像是针对一个三维对象拍摄的,每个三维对象对应于一幅或多幅图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北华大学,未经北华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010267302.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top