一种医用膝关节康复护理系统及信息处理方法与流程

本发明属于膝关节康复护理技术领域，尤其涉及一种医用膝关节康复护理系统及信息处理方法。

背景技术：

膝关节由股骨下端、胫骨上端和髌骨构成，是人体最大最复杂的关节；膝骨关节炎是最常见的骨骼肌肉疾病，也是中老年人致残的主要原因，85％全膝关节置换是由于膝骨关节炎。全膝关节置换常见的难题之一是骨缺损的处理，骨缺损位置可发生于胫骨、股骨及髌骨，多见于胫骨平台骨缺损，股骨远端骨缺损较胫骨骨缺损的发生率低，但股骨远端骨缺损可增加膝关节的屈伸间隙，尤其是屈曲间隙。初次全膝关节置换骨缺损原因主要包括胫骨平台的磨损、骨坏死、髁发育不全、创伤、炎症反应等；全膝关节置换骨翻修术缺损的原因主要包括关节炎性、成角畸形、缺血性坏死、应力遮挡、胫骨高位截骨术史或全膝关节置换手术史及假体取出操作不当，或见于感染关节置换，第一期的清创阶段。全膝关节置换术中亦可发生骨缺损，尤其多见于全膝关节置换翻修术中，原因包括截骨过多、感染、翻修术中取出假体不当造成。术者需要合理地处理骨缺损，准确地安放假体和建立牢固的骨-假体接触界面，为假体提供足够的支撑而获得满意的手术效果。然而，现有膝关节康复护理系统采集膝关节图像时，图像清晰度差，影响观测；同时，不能提供对膝关节运动评估，影响膝关节康复效果。

综上所述，现有技术存在的问题是：

现有膝关节康复护理系统采集膝关节图像时，图像清晰度差，影响观测；同时，不能提供对膝关节运动评估，影响膝关节康复效果。

而且现有技术中，没有利用深度学习技术对x光图像进行分析，不能够对各种图片都有很好的适应性，鲁棒性差；图像清晰度差。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种医用膝关节康复护理系统及信息处理方法。

本发明是这样实现的，一种医用膝关节康复护理系统的信息处理方法包括：

步骤一，通过膝关节图像采集模块利用医用x光透视仪采集膝关节图像数据；搜集多幅膝关节彩色高分辨率自然图像；将高分辨率自然图像从红、绿、蓝rgb颜色空间转换到亮度、蓝色色度、红色色度ycbcr颜色空间；收集膝关节图像所有亮度图像作为高分辨率训练图像集其中表示第p幅高分辨率亮度图像，n表示图像的数量；

通过运动数据采集模块利用传感器采集膝关节运动次数、伸张曲度、肌力数据信息；

步骤二，中央控制模块通过图像增强模块利用图像处理软件对采集的膝关节图像进行增强处理；构建训练深度神经网络，并训练得到相应的网络模型；将x光图像数据输入到训练好的深度神经网络中，得到相应的增益图像的参数矩阵；将得到的增益图像的参数矩阵与原x光图像进行数据处理；输出数据处理后的x光图像；

通过运动定时模块利用定时器设定膝关节康复运动时间；通过按摩模块利用按摩器对康复运动后的膝关节进行按摩操作；

步骤三，通过评估模块利用评估程序根据采集的数据对膝关节康复进行评估；构建一评估模型，所述评估模型至少包括用以判断运动角度差值的第一角度差阈值、第二角度差阈值和用以判断前后位移值的前后位移差阈值ε，以及根据各阈值而定的评估分级结果；

同步采集左侧膝关节的单组三维六自由度运动数据和右侧膝关节的单组三维六自由度运动数据，每组三维六自由度运动数据至少包括屈伸角、内外翻转角、内外旋转角和前后位移值；

将左、右侧膝关节的三维六自由度运动数据进行比对，并计算出两组数据中关于屈伸角、内外翻转角、内外旋转角和前后位移值的差值；

将所述差值输入至所述评估模型中，以获得相应的评估分级结果；若三个角度差均小于第一角度差阈值且前后位移值差小于前后位移差阈值，则评估模型输出第一评估等级；若至少一个角度差在第一角度差阈值和第二角度差阈值构成的闭区间内且前后位移值差小于前后位移差阈值，则评估模型输出第二评估等级；若至少一个角度差大于等于第二角度差阈值且前后位移值差小于前后位移差阈值、或三个角度差均小于第二角度差阈值且前后位移值差大于等于前后位移差阈值，则评估模型输出第三评估等级；若至少两个角度差大于等于第二角度差阈值、或至少一个角度差大于等于第二角度差阈值且前后位移值差大于等于前后位移差阈值，则评估模型输出第四评估等级；

步骤四，通过显示模块利用显示器显示采集的膝关节图像、膝关节运动相关数据及康复评估结果。

进一步，所述构建训练深度神经网络，并训练得到相应的网络模型，具体如下步骤：

采集原始的训练图像和与之对应的增强效果较好的图像；

构建深度网络模型，确定模型的层数、训练方式、训练次数；

将x光图像送入网络中进行训练，利用有监督的训练方式得到最优的训练参数。

进一步，所述将得到的增益图像的参数矩阵与原x光图像进行数据处理，具体数据处理的过程如下：

计算原x光图像中每个像素以其自身为中心的局部区域的像素平均值，通过下面这个公式来进行计算：

其中，(i，j)为像素中心，x(i，j)是图像中某点的灰度值，窗口大小为(2n+1)*(2n+1)，其中n为一个整数；当然这个窗口区域可以不是正方形；mx(i，j)就是这个像素的平均值；最终想要得到的增强后的图像像素的灰度值f(i，j)通过这个公式计算：

f(i，j)＝mx(i，j)+g(i，j)[x(i，j)-mx(i，j)]

其中，g(i，j)就是增益图像的参数矩阵。

进一步，将高分辨率训练图像集中所有图像按从上到下、从左到右的顺序分成相互重叠的方形图像块；

将所有方形图像块分别用列矢量表示；

收集所有列矢量生成高分辨率训练图像块集其中表示中的第p个列矢量，ns表示训练图像块的数量，与一一对应。

进一步，将所有得到的高分辨率图像块拼接起来，重叠区域像素取平均值，得到最终的高分辨率输出亮度图像

本发明的另一目的在于提供一种医用膝关节康复护理系统的信息处理程序，应用于终端，所述医用膝关节康复护理系统的信息处理程序实现所述的医用膝关节康复护理系统的信息处理方法。

本发明的另一目的在于提供一种终端，所述终端搭载实现所述医用膝关节康复护理系统的信息处理方法的处理器。

本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的医用膝关节康复护理系统的信息处理方法。

本发明的另一目的在于提供一种实施所述医用膝关节康复护理系统的信息处理方法的医用膝关节康复护理系统，所述医用膝关节康复护理系统包括：

膝关节图像采集模块，与中央控制模块连接，用于通过医用x光透视仪采集膝关节图像数据；

运动数据采集模块，与中央控制模块连接，用于通过传感器采集膝关节运动次数、伸张曲度、肌力数据信息；

中央控制模块，与膝关节图像采集模块、运动数据采集模块、图像增强模块、运动定时模块、按摩模块、评估模块、显示模块连接，用于通过单片机控制各个模块正常工作；

图像增强模块，与中央控制模块连接，用于通过图像处理软件对采集的膝关节图像进行增强处理；

运动定时模块，与中央控制模块连接，用于通过定时器设定膝关节康复运动时间；

按摩模块，与中央控制模块连接，用于通过按摩器对康复运动后的膝关节进行按摩操作；

评估模块，与中央控制模块连接，用于通过评估程序根据采集的数据对膝关节康复进行评估；

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膝关节图像、膝关节运动相关数据及康复评估结果。

本发明的另一目的在于提供一种搭载所述医用膝关节康复护理系统的医用膝关节康复护理设备。

本发明的优点及积极效果为：

本发明通过图像增强模块利用深度学习技术对x光图像进行分析，通过非人工干预的手段寻找所需要的最适合的参数，采用这种方式，能够对各种图片都有很好的适应性，有比较强的鲁棒性；大大提高图像清晰度；同时，通过评估模块构建评估模型，并采集左右侧膝关节的三维六自由度运动数据，针对膝关节在运动过程中的动态变化情况，对两侧的数据作差后，用评估模型来对差值进行评估求解，在评估模型中，两侧膝关节的三维六自由度运动数据中的屈伸角、内外翻转角、内外旋转角和前后位移值的对应差值作为评估模型的输入参数进行评估，比对评估模型中设定的阈值获得评估分级结果，评估结果更为客观，操作简单方便，易于重复实现且结果稳定，提高膝关节康复效果。

本发明通过膝关节图像采集模块利用医用x光透视仪采集膝关节图像数据；搜集多幅膝关节彩色高分辨率自然图像；将高分辨率自然图像从红、绿、蓝rgb颜色空间转换到亮度、蓝色色度、红色色度ycbcr颜色空间；收集膝关节图像所有亮度图像作为高分辨率训练图像集其中表示第p幅高分辨率亮度图像，n表示图像的数量，可获得清晰的膝关节图像。

附图说明

图1是本发明实施例提供的医用膝关节康复护理系统结构图。

图中：1、膝关节图像采集模块；2、运动数据采集模块；3、中央控制模块；4、图像增强模块；5、运动定时模块；6、按摩模块；7、评估模块；8、显示模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

现有膝关节康复护理系统采集膝关节图像时，图像清晰度差，影响观测；同时，不能提供对膝关节运动评估，影响膝关节康复效果。而且现有技术中，没有利用深度学习技术对x光图像进行分析，不能够对各种图片都有很好的适应性，鲁棒性差；图像清晰度差。

为解决上述问题，下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明实施例提供的医用膝关节康复护理系统包括：膝关节图像采集模块1、运动数据采集模块2、中央控制模块3、图像增强模块4、运动定时模块5、按摩模块6、评估模块7、显示模块8。

膝关节图像采集模块1，与中央控制模块3连接，用于通过医用x光透视仪采集膝关节图像数据；

运动数据采集模块2，与中央控制模块3连接，用于通过传感器采集膝关节运动次数、伸张曲度、肌力数据信息；

中央控制模块3，与膝关节图像采集模块1、运动数据采集模块2、图像增强模块4、运动定时模块5、按摩模块6、评估模块7、显示模块8连接，用于通过单片机控制各个模块正常工作；

图像增强模块4，与中央控制模块3连接，用于通过图像处理软件对采集的膝关节图像进行增强处理；

运动定时模块5，与中央控制模块3连接，用于通过定时器设定膝关节康复运动时间；

按摩模块6，与中央控制模块3连接，用于通过按摩器对康复运动后的膝关节进行按摩操作；

评估模块7，与中央控制模块3连接，用于通过评估程序根据采集的数据对膝关节康复进行评估；

显示模块8，与中央控制模块3连接，用于通过显示器显示采集的膝关节图像、膝关节运动相关数据及康复评估结果。

如图2所示，本发明实施例提供的医用膝关节康复护理系统的信息处理方法包括：

s101，通过膝关节图像采集模块1利用医用x光透视仪采集膝关节图像数据；通过运动数据采集模块2利用传感器采集膝关节运动次数、伸张曲度、肌力数据信息。

s102，中央控制模块3通过图像增强模块4利用图像处理软件对采集的膝关节图像进行增强处理；通过运动定时模块5利用定时器设定膝关节康复运动时间；通过按摩模块6利用按摩器对康复运动后的膝关节进行按摩操作。

s103，通过评估模块7利用评估程序根据采集的数据对膝关节康复进行评估。

s104，通过显示模块8利用显示器显示采集的膝关节图像、膝关节运动相关数据及康复评估结果。

步骤s101中，通过膝关节图像采集模块利用医用x光透视仪采集膝关节图像数据；搜集多幅膝关节彩色高分辨率自然图像；将高分辨率自然图像从红、绿、蓝rgb颜色空间转换到亮度、蓝色色度、红色色度ycbcr颜色空间；收集膝关节图像所有亮度图像作为高分辨率训练图像集其中表示第p幅高分辨率亮度图像，n表示图像的数量；

将高分辨率训练图像集中所有图像按从上到下、从左到右的顺序分成相互重叠的方形图像块。

将所有方形图像块分别用列矢量表示；

收集所有列矢量生成高分辨率训练图像块集其中表示中的第p个列矢量，ns表示训练图像块的数量，与一一对应。

将所有得到的高分辨率图像块拼接起来，重叠区域像素取平均值，得到最终的高分辨率输出亮度图像

下面结合具体实施例对本发明作进一步描述。

实施例1

本发明提供的图像增强模块4增强方法如下：

(1)构建训练深度神经网络，并训练得到相应的网络模型；

(2)将x光图像数据输入到训练好的深度神经网络中，得到相应的增益图像的参数矩阵；

(3)将得到的增益图像的参数矩阵与原x光图像进行数据处理；

(4)输出数据处理后的x光图像；

本发明提供的步骤(1)构建训练深度神经网络，并训练得到相应的网络模型，具体如下步骤：

采集原始的训练图像和与之对应的增强效果较好的图像；

构建深度网络模型，确定模型的层数、训练方式、训练次数；

将x光图像送入网络中进行训练，利用有监督的训练方式得到最优的训练参数；

本发明提供的步骤(3)所述的将得到的增益图像的参数矩阵与原x光图像进行数据处理，具体数据处理的过程如下：

计算原x光图像中每个像素以其自身为中心的局部区域的像素平均值，通过下面这个公式来进行计算：

其中，(i，j)为像素中心，x(i，j)是图像中某点的灰度值，窗口大小为(2n+1)*(2n+1)，其中n为一个整数；当然这个窗口区域可以不是正方形；mx(i，j)就是这个像素的平均值；最终想要得到的增强后的图像像素的灰度值f(i，j)通过这个公式计算：

f(i，j)＝mx(i，j)+g(i，j)[x(i，j)-mx(i，j)](2)

其中，g(i，j)就是增益图像的参数矩阵。

实施例2

本发明提供的评估模块7评估方法如下：

1)构建一评估模型，所述评估模型至少包括用以判断运动角度差值的第一角度差阈值、第二角度差阈值和用以判断前后位移值的前后位移差阈值ε，以及根据各阈值而定的评估分级结果；

2)同步采集左侧膝关节的单组三维六自由度运动数据和右侧膝关节的单组三维六自由度运动数据，每组三维六自由度运动数据至少包括屈伸角、内外翻转角、内外旋转角和前后位移值；

3)将左、右侧膝关节的三维六自由度运动数据进行比对，并计算出两组数据中关于屈伸角、内外翻转角、内外旋转角和前后位移值的差值；

4)将所述差值输入至所述评估模型中，以获得相应的评估分级结果；若三个角度差均小于第一角度差阈值且前后位移值差小于前后位移差阈值，则评估模型输出第一评估等级；若至少一个角度差在第一角度差阈值和第二角度差阈值构成的闭区间内且前后位移值差小于前后位移差阈值，则评估模型输出第二评估等级；若至少一个角度差大于等于第二角度差阈值且前后位移值差小于前后位移差阈值、或三个角度差均小于第二角度差阈值且前后位移值差大于等于前后位移差阈值，则评估模型输出第三评估等级；若至少两个角度差大于等于第二角度差阈值、或至少一个角度差大于等于第二角度差阈值且前后位移值差大于等于前后位移差阈值，则评估模型输出第四评估等级。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。