一种伤口扫描方法、装置以及伤口扫描仪

本技术涉及伤口扫描领域，具体涉及一种伤口扫描方法、装置以及伤口扫描仪。

背景技术：

1、如压疮、糖尿病足、各类创伤、造口或者免疫性伤口等类型的伤口，都会给患者带来巨大的痛苦、沉重的经济负担及心理负担。因此，在伤口治疗的漫长过程中，对于伤口的精确评估，不仅有助于准备地判断伤口的情况，也可以为伤口的治疗提供有效依据，是伤口治疗和护理过程中非常重要的一环。

2、在医院传统的伤口评估工作中，目前依赖于用于伤口评估的评估尺(测量尺)，其具有携带、存储便携的优点，但是，本技术在现有评估尺的具体应用中，也存在一系列问题：1.不准确，靠肉眼测量，受测量者主观影响较大，不同测量者之间的测量结果有明显偏差；2.不全面，当伤口较深或合并潜行、窦道、瘘管等时，评估尺无法进行测量；3.不便捷，每次都需要手动书写伤口基本情况和测量结果，多数时候需一人执尺、一人拍照，过程繁琐、耗时、耗力，且易因测量者书写不规范或字迹模糊、潦草、笔误等原因，导致伤口信息不全或错误；4.不节约，评估尺为一次性使用，不同部位、不同时间评估均需要更换，成本约5角/个，存在较大的浪费；5.当伤口面积过大，长度或宽度超过15cm时，需多次测量，结果相加才能最终计算出伤口面积。

3、也就是说，现有技术中依赖于评估尺的伤口评估工作，在应用上存在极为不便的问题。

技术实现思路

1、本技术提供了一种伤口扫描方法、装置以及伤口扫描仪，用于为伤口评估工作提供了一套显著提高应用上的便捷性的伤口扫描方案，不仅实现了自动化的伤口扫描目标，且也可以保障处于高水平的测量精度，可以很好地满足临床需要。

2、第一方面，本技术提供了一种伤口扫描方法，方法包括：

3、获取拍摄伤口所得到的初始3d点云数据；

4、基于预先配置的伤口区域分割模型，对初始3d点云数据进行伤口区域分割处理，并得到伤口的目标3d点云数据，其中，伤口区域分割模型是预先通过标注有对应分割结果的样本伤口的3d点云数据训练初始模型得到的；

5、基于目标3d点云数据，进行伤口三维表面结构的重建处理，得到伤口的三维表面结构数据；

6、对三维表面结构数据进行特征参数计算，确定伤口在伤口评估方面所涉及的参数。

7、结合本技术第一方面，在本技术第一方面第一种可能的实现方式中，获取拍摄伤口所得到的初始3d点云数据，包括：

8、通过伤口扫描仪自身配置的三维扫描仪或者深度相机，拍摄伤口并得到初始3d点云数据。

9、结合本技术第一方面，在本技术第一方面第二种可能的实现方式中，初始模型或者伤口区域分割模型，采用pointnet网络模型的模型架构。

10、结合本技术第一方面第二种可能的实现方式，在本技术第一方面第三种可能的实现方式中，初始模型或者伤口区域分割模型还配置有人机交互模式来与模型本身的深度学习能力相结合，在人机交互模式下，供医生通过人机交互软件对模型生成的预测点云进行核对以及修改。

11、结合本技术第一方面，在本技术第一方面第四种可能的实现方式中，基于目标3d点云数据，进行伤口三维表面结构的重建处理，得到伤口的三维表面结构数据，包括：

12、在delaunay方法的三角曲面重建处理的基础上，基于目标3d点云数据，进行伤口三维表面结构的重建处理，得到伤口的三维表面结构数据。

13、结合本技术第一方面，在本技术第一方面第五种可能的实现方式中，伤口三维表面结构的重建处理中涉及的伤口附近区域点云拟合处理，包括以下内容：

14、采用b样条曲面对伤口附近的点云进行拟合，得到伤口区域特征参数的参考曲面，其中，曲面方程如下式：

15、

16、uk≤u≤um+1,vl≤v≤vn+1，

17、其中，ni,k(u)和nj,l(v)为b样条曲面的两种基函数，u和v为b样条曲面的参数，di,j为曲面控制点。

18、结合本技术第一方面第五种可能的实现方式，在本技术第一方面第六种可能的实现方式中，对三维表面结构数据进行特征参数计算，确定伤口在伤口评估方面所涉及的参数，包括：

19、对三维表面结构数据的伤口区域所有点云，向参考b样条曲面进行投影，得到伤口区域的投影曲面；

20、基于投影曲面，计算伤口的长l、伤口的宽b和伤口的深h，

21、伤口的长l采用下式计算：

22、l＝max||pi-pj||，

23、其中，pi和pj为位于投影外包凸多边形上的点的位置，l表示伤口投影的长轴，

24、伤口的宽b采用下式计算：

25、b＝max||pi-pj||,vec(pi,pj)⊥l，

26、其中，b为投影外包凸多边形上和长轴垂直的最大距离，

27、伤口的深h采用下式计算：

28、h＝max||pi3d-p(u,v)||，

29、其中，pi3d表示伤口区域的点云位置，||pi3d-p(u,v)||表示pi3d到参考b样条曲面的距离。

30、第二方面，本技术提供了一种伤口扫描装置，装置包括：

31、获取单元，用于获取拍摄伤口所得到的初始3d点云数据；

32、分割单元，用于基于预先配置的伤口区域分割模型，对初始3d点云数据进行伤口区域分割处理，并得到伤口的目标3d点云数据，其中，伤口区域分割模型是预先通过标注有对应分割结果的样本伤口的3d点云数据训练初始模型得到的；

33、重建单元，用于基于目标3d点云数据，进行伤口三维表面结构的重建处理，得到伤口的三维表面结构数据；

34、计算单元，用于对三维表面结构数据进行特征参数计算，确定伤口在伤口评估方面所涉及的参数。

35、结合本技术第二方面，在本技术第二方面第一种可能的实现方式中，获取单元，具体用于：

36、通过伤口扫描仪自身配置的三维扫描仪或者深度相机，拍摄伤口并得到初始3d点云数据。

37、结合本技术第二方面，在本技术第二方面第二种可能的实现方式中，初始模型或者伤口区域分割模型，采用pointnet网络模型的模型架构。

38、结合本技术第二方面第二种可能的实现方式，在本技术第二方面第三种可能的实现方式中，初始模型或者伤口区域分割模型还配置有人机交互模式来与模型本身的深度学习能力相结合，在人机交互模式下，供医生通过人机交互软件对模型生成的预测点云进行核对以及修改。

39、结合本技术第二方面，在本技术第二方面第四种可能的实现方式中，重建单元，具体用于：

40、在delaunay方法的三角曲面重建处理的基础上，基于目标3d点云数据，进行伤口三维表面结构的重建处理，得到伤口的三维表面结构数据。

41、结合本技术第二方面，在本技术第二方面第五种可能的实现方式中，伤口三维表面结构的重建处理中涉及的伤口附近区域点云拟合处理，包括以下内容：

42、采用b样条曲面对伤口附近的点云进行拟合，得到伤口区域特征参数的参考曲面，其中，曲面方程如下式：

43、

44、uk≤u≤um+1,vl≤v≤vn+1，

45、其中，ni,k(u)和nj,l(v)为b样条曲面的两种基函数，u和v为b样条曲面的参数，di,j为曲面控制点。

46、结合本技术第二方面第五种可能的实现方式，在本技术第二方面第六种可能的实现方式中，计算单元，具体用于：

47、对三维表面结构数据的伤口区域所有点云，向参考b样条曲面进行投影，得到伤口区域的投影曲面；

48、基于投影曲面，计算伤口的长l、伤口的宽b和伤口的深h，

49、伤口的长l采用下式计算：

50、l＝max||pi-pj||，

51、其中，pi和pj为位于投影外包凸多边形上的点的位置，l表示伤口投影的长轴，

52、伤口的宽b采用下式计算：

53、b＝max||pi-pj||,vec(pi,pj)⊥l，

54、其中，b为投影外包凸多边形上和长轴垂直的最大距离，

55、伤口的深h采用下式计算：

56、h＝max||pi3d-p(u,v)||，

57、其中，pi3d表示伤口区域的点云位置，||pi3d-p(u,v)||表示pi3d到参考b样条曲面的距离。

58、第三方面，本技术提供了一种伤口扫描仪，包括处理器和存储器，存储器中存储有计算机程序，处理器调用存储器中的计算机程序时执行本技术第一方面或者本技术第一方面任一种可能的实现方式提供的方法。

59、第四方面，本技术提供了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行本技术第一方面或者本技术第一方面任一种可能的实现方式提供的方法。

60、从以上内容可得出，本技术具有以下的有益效果：

61、针对于伤口评估的测量需求，本技术基于伤口扫描仪，获取拍摄伤口所得到的初始3d点云数据，接着基于预先配置的伤口区域分割模型，对该初始3d点云数据进行伤口区域分割处理，并得到伤口的目标3d点云数据，再基于该目标3d点云数据，进行伤口三维表面结构的重建处理，得到伤口的三维表面结构数据，此时对该三维表面结构数据进行特征参数计算，确定伤口在伤口评估方面所涉及的参数，在这伤口扫描的自动化处理过程中，从点云图像处理层面出发，为伤口评估工作提供了一套显著提高应用上的便捷性的伤口扫描方案，不仅实现了自动化的伤口扫描目标，且也可以保障处于高水平的测量精度，可以很好地满足临床需要。