一种手术器械的识别方法、装置、设备及存储介质与流程

专利检索2022-05-10  18



1.本发明实施例涉及智慧医疗技术领域,尤其涉及一种手术器械的识别方法、 装置、设备及存储介质。


背景技术:

2.手术器械是手术顺利进行的必要前提,而手术器械的清点工作则是手术过 程的必要安全保障,手术器械清点原则是手术器械清点的操作规范,防止物品 遗留,保障手术患者的安全。
3.传统手术器械清点通常是由器械护士和巡回护士共同完成,其主要包括如 下流程:步骤1:器械护士提前15分钟洗手;步骤2:按规范整理好手术台上 的物品和器械;步骤3:器械护士与巡回护士用唱点法清点两遍(顺序为:纱 布类

缝针类

手术器械

其它);步骤4:手术中如有添加物品,应两人共同清点 并由巡回护士记录;步骤5:手术进行中,器械护士应清楚手术台上所有物品 的位置;步骤6:手术结束,关闭体腔前,巡回护士和器械护士清点物品和器 械同步骤3,巡回护士记录;步骤7:关闭体腔后,巡回护士和器械护士清点物 品和器械同步骤3,巡回护士记录;步骤8:手术结束,器械护士再次自行清点、 确认,并签字确认。
4.由于传统手术器械清点过程主要依赖于人为清点,为规避人为差错,现阶 段通常采用智能识别的方式识别手术器械,并完成手术器械的清点工作,但在 手术过程中,经常由于部分手术器械的重叠现象,无法准确地对手术器械的类 别进行识别,从而导致手术器械的清点工作出现故障,因此,如何对手术器械 进行准确识别是手术器械的清点工作的顺利进行的有利保障。


技术实现要素:

5.本发明实施例提供一种手术器械的识别方法、装置、设备及存储介质,以 实现对手术器械进行准确识别,为后续手术器械的清点工作的顺利进行提供保 障。
6.第一方面,本发明实施例提供了一种手术器械的识别方法,包括:
7.采集与手术室内的手术器械放置区域对应的手术器械图像,并在所述手术 器械图像中识别得到至少一个手术器械的边缘特征;
8.在根据各边缘特征确定至少一个目标手术器械与其他手术器械存在遮挡关 系时,采用预设的边缘特征增强算法,更新得到目标手术器械的新的边缘特征;
9.根据各所述手术器械的新的边缘特征,形成与各所述手术器械分别对应的 目标识别图像;
10.根据各目标识别图像,形成与手术器械放置区域匹配的手术器械识别结果。
11.在本实施例的一个可选实现方式中,所述根据各边缘特征确定至少一个目 标手术器械与其他手术器械存在遮挡关系,包括:
12.分别确定目标手术器械的边缘特征与其他手术器械的边缘特征的重叠程度;
13.若目标重叠程度大于第一预设阈值,则确定所述目标手术器械与其他手术 器械存在遮挡关系。
14.在本实施例的一个可选实现方式中,所述根据各边缘特征确定至少一个目 标手术器械与其他手术器械存在遮挡关系,包括:
15.分别对各所述手术器械的边缘特征的连续性进行评价;
16.若与目标手术器械对应的连续性评价结果小于第二预设阈值,则确定所述 目标手术器械与其他手术器械存在遮挡关系。
17.在本实施例的一个可选实现方式中,所述采用预设的边缘特征增强算法, 更新得到目标手术器械的新的边缘特征,包括:
18.对所述手术器械图像进行离散变换,并对离散变换后的手术器械图像进行 高低频分离;
19.将分离后的高频信息与部分低频信息进行融合,得到目标手术器械的新的 边缘特征。
20.在本实施例的一个可选实现方式中,所述根据各目标识别图像,形成与手 术器械放置区域匹配的手术器械识别结果,包括:
21.将所述目标识别图像与模板库中的各标准图像进行匹配,根据匹配结果确 定与所述目标手术器械对应的器械类别。
22.在本实施例的一个可选实现方式中,所述根据匹配结果确定与所述目标手 术器械对应的器械类别,包括:
23.当与所述目标手术器械对应的所述目标识别图像与目标标准图像的匹配率 大于设定阈值时,确定与所述目标手术器械对应的器械类别为所述目标标准图 像的所属类别。
24.在本实施例的一个可选实现方式中,在形成与手术器械放置区域匹配的手 术器械识别结果之后,还包括:
25.从模板库中获取与当前手术对应的各手术器械的类别和数量;
26.当所述类别和数量与手术器械台上的各手术器械的数量或者类别相一致时, 确定所述手术器械的识别结果达标;
27.否则,发出报警信号,通知相关人员对手术器械台上的各手术器械进行核 对。
28.第二方面,本发明实施例还提供了一种手术器械的识别装置,包括:
29.边缘特征识别模块,用于采集与手术室内的手术器械放置区域对应的手术 器械图像,并在所述手术器械图像中识别得到至少一个手术器械的边缘特征;
30.边缘特征更新模块,用于在根据各边缘特征确定至少一个目标手术器械与 其他手术器械存在遮挡关系时,采用预设的边缘特征增强算法,更新得到目标 手术器械的新的边缘特征;
31.目标识别图像形成模块,用于根据各所述手术器械的新的边缘特征,形成 与各所述手术器械分别对应的目标识别图像;
32.识别结果形成模块,用于根据各目标识别图像,形成与手术器械放置区域 匹配的手术器械识别结果。
33.第三方面,本发明实施例还提供了一种手术器械的识别设备,其特征在于, 所述手术器械的识别设备包括:
34.一个或多个处理器;
35.存储装置,用于存储一个或多个程序,
36.当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多 个处理器实现如本发明实施例中任一实施例所述的手术器械的识别方法。
37.第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质, 其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如本发 明实施例中任一实施例所述的手术器械的识别方法。
38.本发明实施例通过采集与手术室内的手术器械放置区域对应的手术器械图 像,并在手术器械图像中识别得到至少一个手术器械的边缘特征;在根据各边 缘特征确定至少一个目标手术器械与其他手术器械存在遮挡关系时,采用预设 的边缘特征增强算法,更新得到目标手术器械的新的边缘特征;根据各手术器 械的新的边缘特征,形成与各手术器械分别对应的目标识别图像;根据各目标 识别图像,形成与手术器械放置区域匹配的手术器械识别结果,实现了对手术 器械的准确识别,为后续手术器械的清点工作的顺利进行提供保障。
附图说明
39.图1是本发明实施例一中的一种手术器械的识别方法的流程图;
40.图2是本发明实施例二中的一种手术器械的识别方法的流程图;
41.图3是本发明实施例三中的一种手术器械的识别方法的流程图;
42.图4是本发明实施例三中的一种手术器械的识别方法的流程图;
43.图5是本发明实施例四中的一种手术器械的识别装置的结构示意图;
44.图6是本发明实施例五中的一种手术器械的识别设备的结构示意图。
具体实施方式
45.下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的 是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明实施 例的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实 施例相关的部分而非全部结构。
46.实施例一
47.图1是本发明实施例一中的一种手术器械的识别方法的流程图,本实施例 可适用于对手术过程中手术器械放置区域的手术器械进行准确识别的情况,该 方法可以由手术器械的识别装置来执行,该装置可以通过软件和/或硬件的方式 实现,并集成在手术器械的识别设备中,在本实施例中,手术器械的识别设备 可以为计算机、服务器或者平板电脑等终端设备,本实施例中对其不加以限定。
48.具体的,参考图1,该方法具体包括如下步骤:
49.步骤110、采集与手术室内的手术器械放置区域对应的手术器械图像,并在 手术器械图像中识别得到至少一个手术器械的边缘特征。
50.其中,手术器械放置区域可以为手术器械台,在手术过程中,诸如活检钳、 卵圆钳、宫颈钳、止血钳、剪刀、持针器、齿镊、刀柄、刀片等手术器械均放 置于手术器械台上。可
以理解的是,在本实施例中通过采集与手术室内的手术 器械放置区域对应的手术器械图像,即可采集到摆放在器械台上的所有手术器 械的图像。
51.在本实施例的一个可选实现方式中,可以通过摄像头或者其他图像采集设 备实时采集手术器械图像,也可以每间隔设定时间间隔(例如,30秒或者1分 钟等)采集手术器械图像。
52.进一步的,可以在采集到的手术器械图像中识别每个手术器械的边缘特征, 在本实施例中可以通过边缘检测算子识别每个手术器械的边缘特征,也可以将 采集到的手术器械图像输入至预先训练的边缘检测模型中,从而识别到每个手 术器械的边缘特征,本实施例中对其不加以限定。
53.步骤120、在根据各边缘特征确定至少一个目标手术器械与其他手术器械 存在遮挡关系时,采用预设的边缘特征增强算法,更新得到目标手术器械的新 的边缘特征。
54.其中,目标手术器械可以为手术器械图像中的一个或多个手术器械,例如, 止血钳、活检钳,或者止血钳和活检钳等,本实施例中对其不加以限定。
55.在本实施例的一个可选实现方式中,在手术器械图像中识别得到至少一个 手术器械的边缘特征之后,如果根据各边缘特征确定至少一个目标手术器械与 其他手术器械存在遮挡关系,则可以采用预设的边缘特征增强算法,对目标手 术器械的边缘特征进行增强,从而得到目标手术器械的新的边缘特征。
56.示例性的,在手术器械图像中识别得到至少一个手术器械的边缘特征之后, 如果根据各边缘特征确定止血钳与活检钳存在遮挡关系(例如,活检钳遮挡止 血钳),则可以采用预设的边缘特征增强算法对止血钳的边缘特征进行增强, 从而得到止血钳的新的边缘特征。
57.步骤130、根据各手术器械的新的边缘特征,形成与各手术器械分别对应 的目标识别图像。
58.在本实施例的一个可选实现方式中,在对存储遮挡关系的目标手术器械的 边缘特征进行更新之后,可以根据各手术器械更新后的新的边缘特征,形成与 每个手术器械对应的目标识别图像,通过这些目标识别图像可以准确地确定与 每个手术器械对应的器械类别。
59.示例性的,在得到止血钳的新的边缘特征之后,可以根据止血钳的新的边 缘特征恢复得到与止血钳对应的识别图像。
60.步骤140、根据各目标识别图像,形成与手术器械放置区域匹配的手术器 械识别结果。
61.在本实施例的一个可选实现方式中,在恢复得到与被遮挡的各手术器械对 应的目标识别图像之后,可以进一步的根据恢复得到的目标识别图像,得到与 手术器械放置区域匹配的手术器械识别结果。
62.可选的,可以根据每个手术器械的识别结果确定与每个手术器械对应的器 械类别;示例性的,若目标手术器械与活检钳匹配的概率为99%,则可以确定 目标手术器械的器械类别为活检钳。
63.本实施例的方案通过采集与手术室内的手术器械放置区域对应的手术器械 图像,并在手术器械图像中识别得到至少一个手术器械的边缘特征;在根据各 边缘特征确定
至少一个目标手术器械与其他手术器械存在遮挡关系时,采用预 设的边缘特征增强算法,更新得到目标手术器械的新的边缘特征;根据各手术 器械的新的边缘特征,形成与各手术器械分别对应的目标识别图像;根据各目 标识别图像,形成与手术器械放置区域匹配的手术器械识别结果,实现了对手 术器械的准确识别,为后续手术器械的清点工作的顺利进行提供保障。
64.实施例二
65.图2是本发明实施例二中的一种手术器械的识别方法的流程图,本实施例 是对上述各技术方案的进一步细化,本实施例中的技术方案可以与上述一个或 者多个实施例中的各个可选方案结合。如图2所示,手术器械的识别方法可以 包括如下步骤:
66.步骤210、采集与手术室内的手术器械放置区域对应的手术器械图像,并 在手术器械图像中识别得到至少一个手术器械的边缘特征。
67.步骤220、分别确定目标手术器械的边缘特征与其他手术器械的边缘特征 的重叠程度;若目标重叠程度大于第一预设阈值,则确定目标手术器械与其他 手术器械存在遮挡关系。
68.在本实施例的一个可选实现方式中,在手术器械图像中识别得到至少一个 手术器械的边缘特征之后,可以进一步的确定目标手术器械与其他手术器械是 否存在遮挡关系;在本实施例中,可以通过以下方式来确定目标手术器械与其 他手术器械是否存在遮挡关系:分别确定目标手术器械的边缘特征与其他手术 器械的边缘特征的重叠程度;若目标重叠程度大于第一预设阈值,则确定目标 手术器械与其他手术器械存在遮挡关系。
69.其中,第一预设阈值可以为10%,20%或者25%等数值,本实施例中对其 不加以限定。
70.在本实施例的一个可选实现方式中,可以分别计算目标手术器械的边缘特 征与其他手术器械的边缘特征的重叠程度;若计算结果中存在一个或者多个重 叠程度计算结果大于第一预设阈值,则可以确定目标手术器械与其他手术器械 存在遮挡关系。
71.在本实施例的一个具体例子中,若计算止血钳的边缘特征与活检钳以及刀 片的边缘特征重叠程度分别为30%和0%,则可以确定止血钳与活检钳存在遮挡 关系。
72.需要说明的是,在本实施例中,若手术器械图像中的任一目标手术器械均 与其他手术器械不存在遮挡关系,则无需对各手术器械的边缘特征进行增强, 直接可以将手术器械图像中的各手术器械图像与模板库中的标准图像进行匹配, 从而确定手术器械图像中与每个手术器械对应的器械类别。
73.步骤230、采用预设的边缘特征增强算法,更新得到目标手术器械的新的 边缘特征。
74.在本实施例的一个可选实现方式中,在确定目标手术器械与其他手术器械 存在遮挡关系之后,可以进一步的采用预设的边缘特征增强算法,更新得到目 标手术器械的新的边缘特征;在本实施例中对手术器械图像进行离散变换,并 对离散变换后的手术器械图像进行高低频分离;将分离后的高频信息与部分低 频信息进行融合,得到目标手术器械的新的边缘特征。
75.在具体实现中,可以首先对摄像机采集的图像进行离散变换,通过高通滤 波器及低通滤波器对其进行高低频分离;进一步的,通过输出更多的高频信息, 并融合部分低频
信息来增强目标手术器械的边缘特征,从而得到目标手术器械 的新的边缘特征,这样可以为后续重构得到目标手术器械的图像提供依据。
76.需要说明的是,在本实施例中不仅仅限于在确定目标手术器械与其他手术 器械存在遮挡关系之后,才采用预设的边缘特征增强算法,更新得到目标手术 器械的新的边缘特征;如果检测到手术器械的数量多、各个手术器械的特征差 异较小、手术器械的摆放姿态相似度较高、或者手术器械表面曝光较强等情况 下,也可以采用预设的边缘特征增强算法,更新得到目标手术器械的新的边缘 特征,其具体边缘特征更新方法与重叠情况相一致,本实施例中在此不再对其 进行赘述。
77.步骤240、根据各手术器械的新的边缘特征,形成与各手术器械分别对应 的目标识别图像。
78.在本实施例的一个可选实现方式中,在得到各手术器械的新的边缘特征之 后,可以进一步的根据各手术器械的新的边缘特征进行图像重构,从而形成与 各手术器械分别对应的目标识别图像。
79.在本实施例的另一个可选实现方式中,在根据各手术器械的新的边缘特征, 形成与各手术器械分别对应的目标识别图像之后,还可以进一步的将与目标手 术器械对应的目标识别图像与模板库中的各器械图像进行比对,以确定目标手 术器械的器械类别;在此过程中,如果目标识别图像与模板库中的任一目标标 准图像的匹配程度大于或者等于设定阈值(例如,95%),则停止对目标手术 器械进行图像重构;继续执行步骤250;如果目标识别图像与模板库中的任一 目标标准图像的匹配程度小于设定阈值,则返回执行步骤230,继续得到目标 手术器械的新的边缘特征,直至目标识别图像与模板库中的任一目标标准图像 的匹配程度大于或者等于设定阈值为止。
80.这样设置的好处在于,可以保证图像重构的准确度,以防图像重构得到的 目标图像不是模板库中的器械图像,而导致整个算法识别错误。
81.步骤250、根据各目标识别图像,形成与手术器械放置区域匹配的手术器 械识别结果。
82.在本实施例的一个可选实现方式中,根据各目标识别图像,形成与手术器 械放置区域匹配的手术器械识别结果,可以包括:将目标识别图像与模板库中 的各标准图像进行匹配,根据匹配结果确定与目标手术器械对应的器械类别; 其中,模板库中可以包括每一类别的器械的标准图像,以及与不同类别的手术 所需的手术器械包清单,每个手术器械包清单中可以包括与其对应的手术所需 的器械以及器械数量。
83.在本实施例的一个可选实现方式中,根据匹配结果确定与目标手术器械对 应的器械类别,可以包括:当与目标手术器械对应的目标识别图像与目标标准 图像的匹配率大于设定阈值时,确定与目标手术器械对应的器械类别为目标标 准图像的所属类别。其中,设定阈值可以为90%、95%或者96%等数值,本实 施例中对其不加以限定。
84.在本实施例的一个具体例子中,若与目标手术器械对应的目标识别图像与 模板库中活检钳的标准图像所匹配的概率为99%(其中,设定阈值为95%), 则可以确定目标手术器械的器械类别为活检钳。
85.步骤260、从模板库中获取与当前手术对应的各手术器械的类别和数量; 当类别和数量与手术器械台上的各手术器械的数量或者类别相一致时,确定手 术器械的识别结
果达标;否则,发出报警信号,通知相关人员对手术器械台上 的各手术器械进行核对。
86.在本实施例的一个可选实现方式中,在形成与手术器械放置区域匹配的手 术器械识别结果之后,可以进一步的从模板库中获取与当前手术对应的各手术 器械的类别和数量;当类别和数量与手术器械台上的各手术器械的数量或者类 别相一致时,确定手术器械的识别结果达标;否则,发出报警信号,通知相关 人员对手术器械台上的各手术器械进行核对。
87.在本实施例的一个可选实现方式中,在形成与手术器械放置区域匹配的手 术器械识别结果之后,可以确定手术器械放置区域内包括的手术器械的类别以 及数量,进一步的,可以根据当前进行的手术,从模板库中获取与当前手术对 应的各手术器械的类别和数量,将二者进行比对,可以及时的发现手术器械放 置区域的手术器械的类别以及数量是否正确,如果正确,则无需进行任何操作; 如果不正确,则可以发出报警信号,通知相关人员对手术器械台上的各手术器 械进行核对,以保障手术患者的安全,保证手术的顺利进行。
88.示例性的,若根据各目标识别图像,确定手术器械放置区域包含的手术器 械(手术器械的类别以及每个类别的数量)有:活检钳2把、止血钳3把、剪 刀1把、持针器1个、齿镊2个、刀柄1个、刀片5个,则可以进一步的将识 别到的手术器械的类别以及每个类别的数量与模板库中当前手术对应的手术器 械的类别以及每个类别的数量进行比对,进而判断模板库中给出的当前手术所 需的手术器械的类别和数量与手术器械台上的各手术器械的数量和类别相一致。
89.本实施例的方案,在手术器械图像中识别得到至少一个手术器械的边缘特 征之后,可以通过以下方式来确定目标手术器械与其他手术器械是否存在遮挡 关系:分别确定目标手术器械的边缘特征与其他手术器械的边缘特征的重叠程 度;若目标重叠程度大于第一预设阈值,则确定目标手术器械与其他手术器械 存在遮挡关系,为后续准确地识别手术器械的类别提供帮助,有利于手术的顺 利进行以及患者的安全。
90.实施例三
91.图3是本发明实施例三中的一种手术器械的识别方法的流程图,本实施例 是对上述各技术方案的进一步细化,本实施例中的技术方案可以与上述一个或 者多个实施例中的各个可选方案结合。如图3所示,手术器械的识别方法可以 包括如下步骤:
92.步骤310、采集与手术室内的手术器械放置区域对应的手术器械图像,并 在手术器械图像中识别得到至少一个手术器械的边缘特征。
93.步骤320、分别对各手术器械的边缘特征的连续性进行评价;若与目标手 术器械对应的连续性评价结果小于第二预设阈值,则确定目标手术器械与其他 手术器械存在遮挡关系。
94.在本实施例的一个可选实现方式中,在手术器械图像中识别得到至少一个 手术器械的边缘特征之后,可以进一步的确定目标手术器械与其他手术器械是 否存在遮挡关系;在本实施例中,可以通过以下方式来确定目标手术器械与其 他手术器械是否存在遮挡关系:分别对各手术器械的边缘特征的连续性进行评 价;若与目标手术器械对应的连续性评价结果小于第二预设阈值,则确定目标 手术器械与其他手术器械存在遮挡关系。
95.其中,第而预设阈值可以为40%,50%或者60%等数值,本实施例中对其 不加以限定。
96.在本实施例的一个可选实现方式中,可以分别计算目标手术器械的边缘特 征的连续性评价结果;若目标手术器械的连续性小于第二预设阈值,则可以确 定目标手术器械与其他手术器械存在遮挡关系。
97.在本实施例的一个具体例子中,若计算止血钳的边缘特征的连续性评价结 果为30%(其中,第二预设阈值为50%),则可以确定止血钳与其他手术器械 存在遮挡关系。
98.步骤330、采用预设的边缘特征增强算法,更新得到目标手术器械的新的 边缘特征。
99.步骤340、根据各手术器械的新的边缘特征,形成与各手术器械分别对应 的目标识别图像;
100.步骤350、根据各目标识别图像,形成与手术器械放置区域匹配的手术器 械识别结果。
101.本实施例的方案,在手术器械图像中识别得到至少一个手术器械的边缘特 征之后,可以通过以下方式来确定目标手术器械与其他手术器械是否存在遮挡 关系:分别对各手术器械的边缘特征的连续性进行评价;若与目标手术器械对 应的连续性评价结果小于第二预设阈值,则确定目标手术器械与其他手术器械 存在遮挡关系,为后续准确地识别手术器械的类别提供帮助,有利于手术的顺 利进行以及患者的安全。
102.为了使本领域技术人员更好地理解本实施例手术器械的识别方法,下面采 用一个具体示例进行说明,如图4所示,一种手术器械的识别方法的具体过程 包括有:
103.步骤410、采集与手术室内的手术器械放置区域对应的手术器械图像,并 在所述手术器械图像中识别得到至少一个手术器械的边缘特征。
104.步骤420、检测各手术器械的摆放姿态,确定是否存在遮挡重叠、反光等 现象;
105.若是,则执行步骤430;
106.否则,执行步骤440。
107.步骤430、采用预设的边缘特征增强算法,更新得到目标手术器械的新的 边缘特征。
108.步骤431、图像重构。
109.步骤440、与模板库中的各标准图像进行比对。
110.步骤450、识别与每个手术器械对应的器械类别。
111.步骤460、确定与每个器械类别对应的数量。
112.步骤470、确定器械类别和数量与模板库中当前手术对应的器械类别和数 量是否匹配;
113.若是,则执行步骤471;
114.否则,执行步骤472。
115.步骤471、识别正常。
116.步骤472、预警机制。
117.在本实施例中,摄像机实时采集待清点器械图像,首先进行器械摆放姿态 识别,1、当自动判断器械摆放若是整齐(一般出现在器械使用前的清点),或 数量较少,则采用简单的手术器械模板库自动匹配进行器械识别,并计数,最 终识别出所有器械类别及对应的数量,再将该结果与预输入的器械包内标准的 器械类别与数量进行对比,若类别与数量匹
配成功,则装置输出识别正常信号, 若器械类别与数量不匹配,则装置触发预警机制。2、当自动判断器械摆放姿态 结果为检测到遮挡重叠,反光,器械存在开口角度等杂乱状态(一般出现在术 中清点和术后清点),则采用图像预处理,目标识别算法进行特征提取识别。由 于手术器械大多为金属器械,其材质光滑,易受光线影像,难以识别,故考虑 采用边缘锐化增强方式先对图像进行边缘增强处理,首先对摄像机采集的图像 进行离散变换,通过高通滤波器及低通滤波器对其进行高低频分离,设定阈值, 通过输出更多的高频信息,融合部分低频信息来增强目标边缘特性,之后进行 图像重构,输入目标识别算法机制进行特征提取,后接特征金字塔算法再次提 高特征提取和识别能力,该过程通过调节阈值循环识别,将多次识别结果进行 结果匹配,当匹配率达到95%以上则停止该循环,以增加器械识别准确率,最 终得出识别的器械类别及对应的数量,将该结果与原始预输入的器械包内标准 的器械类别与数量进行对比,若类别与数量匹配成功,则装置输出识别正常信 号,若结果不匹配,则触发预警机制,实现了对手术器械的准确识别,为后续 手术器械的清点工作的顺利进行提供保障。
118.实施例四
119.图5是本发明实施例四中的一种手术器械的识别装置的结构示意图,该装 置可以执行上述各实施例中涉及到的手术器械的识别方法。参照图5,该装置 包括:边缘特征识别模块510、边缘特征更新模块520、目标识别图像形成模块 530以及识别结果形成模块540。
120.边缘特征识别模块510,用于采集与手术室内的手术器械放置区域对应的 手术器械图像,并在所述手术器械图像中识别得到至少一个手术器械的边缘特 征;
121.边缘特征更新模块520,用于在根据各边缘特征确定至少一个目标手术器 械与其他手术器械存在遮挡关系时,采用预设的边缘特征增强算法,更新得到 目标手术器械的新的边缘特征;
122.目标识别图像形成模块530,用于根据各所述手术器械的新的边缘特征, 形成与各所述手术器械分别对应的目标识别图像;
123.识别结果形成模块540,用于根据各目标识别图像,形成与手术器械放置 区域匹配的手术器械识别结果。
124.本实施例的方案,通过边缘特征识别模块采集与手术室内的手术器械放置 区域对应的手术器械图像,并在所述手术器械图像中识别得到至少一个手术器 械的边缘特征;通过边缘特征更新模块在根据各边缘特征确定至少一个目标手 术器械与其他手术器械存在遮挡关系时,采用预设的边缘特征增强算法,更新 得到目标手术器械的新的边缘特征;通过目标识别图像形成模块根据各所述手 术器械的新的边缘特征,形成与各所述手术器械分别对应的目标识别图像;通 过识别结果形成模块根据各目标识别图像,形成与手术器械放置区域匹配的手 术器械识别结果,实现了对手术器械的准确识别,为后续手术器械的清点工作 的顺利进行提供保障。
125.在本实施例的一个可选实现方式中,边缘特征更新模块520,具体用于分 别确定目标手术器械的边缘特征与其他手术器械的边缘特征的重叠程度;
126.若目标重叠程度大于第一预设阈值,则确定所述目标手术器械与其他手术 器械存在遮挡关系。
127.在本实施例的一个可选实现方式中,边缘特征更新模块520,具体用于分 别对各
所述手术器械的边缘特征的连续性进行评价;
128.若与目标手术器械对应的连续性评价结果小于第二预设阈值,则确定所述 目标手术器械与其他手术器械存在遮挡关系。
129.在本实施例的一个可选实现方式中,边缘特征更新模块520,还具体用于 对所述手术器械图像进行离散变换,并对离散变换后的手术器械图像进行高低 频分离;
130.将分离后的高频信息与部分低频信息进行融合,得到目标手术器械的新的 边缘特征。
131.在本实施例的一个可选实现方式中,识别结果形成模块540,具体用于将 所述目标识别图像与模板库中的各标准图像进行匹配,根据匹配结果确定与所 述目标手术器械对应的器械类别。
132.在本实施例的一个可选实现方式中,识别结果形成模块540,具体用于当 与所述目标手术器械对应的所述目标识别图像与目标标准图像的匹配率大于设 定阈值时,确定与所述目标手术器械对应的器械类别为所述目标标准图像的所 属类别。
133.在本实施例的一个可选实现方式中,手术器械的识别装置,还包括:识别 结果确定模块,用于
134.从模板库中获取与当前手术对应的各手术器械的类别和数量;
135.当所述类别和数量与手术器械台上的各手术器械的数量或者类别相一致时, 确定所述手术器械的识别结果达标;
136.否则,发出报警信号,通知相关人员对手术器械台上的各手术器械进行核 对。
137.本发明实施例所提供的手术器械的识别装置可执行本发明任意实施例所提 供的手术器械的识别方法,具备执行方法相应的功能模块和有益效果。
138.实施例五
139.图6为本发明实施例五提供的一种手术器械的识别设备的结构示意图,如 图6所示,该手术器械的识别设备包括处理器60、存储器61、输入装置62和 输出装置63;手术器械的识别设备中处理器60的数量可以是一个或多个,图6 中以一个处理器60为例;手术器械的识别设备中的处理器60、存储器61、输 入装置62和输出装置63可以通过总线或其他方式连接,图6中以通过总线连 接为例。
140.存储器61作为一种计算机可读存储介质,可用于存储软件程序、计算机可 执行程序以及模块,如本发明实施例中的手术器械的识别方法对应的程序指令/ 模块(例如,手术器械的识别装置中的边缘特征识别模块510、边缘特征更新 模块520、目标识别图像形成模块530以及识别结果形成模块540)。处理器60 通过运行存储在存储器61中的软件程序、指令以及模块,从而执行手术器械的 识别设备的各种功能应用以及数据处理,即实现上述的手术器械的识别方法。
141.存储器61可主要包括存储程序区和存储数据区,其中,存储程序区可存储 操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用 所创建的数据等。此外,存储器61可以包括高速随机存取存储器,还可以包括 非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固 态存储器件。在一些实例中,存储器61可进一步包括相对于处理器60远程设 置的存储器,这些远程存储器可以通过网络连接至手术器械的识别设备。上述 网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网
及其组合。
142.输入装置62可用于接收输入的数字或字符信息,以及产生与手术器械的识 别设备的用户设置以及功能控制有关的键信号输入。输出装置63可包括显示屏 等显示设备。
143.实施例六
144.本发明实施例六还提供一种包含计算机可执行指令的存储介质,所述计算 机可执行指令在由计算机处理器执行时用于执行一种手术器械的识别方法,该 方法包括:
145.采集与手术室内的手术器械放置区域对应的手术器械图像,并在所述手术 器械图像中识别得到至少一个手术器械的边缘特征;
146.在根据各边缘特征确定至少一个目标手术器械与其他手术器械存在遮挡关 系时,采用预设的边缘特征增强算法,更新得到目标手术器械的新的边缘特征;
147.根据各所述手术器械的新的边缘特征,形成与各所述手术器械分别对应的 目标识别图像;
148.根据各目标识别图像,形成与手术器械放置区域匹配的手术器械识别结果。
149.当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其 计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例 所提供的手术器械的识别方法中的相关操作。
150.通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到, 本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很 多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上 或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机 软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器 (read

only memory,rom)、随机存取存储器(random access memory,ram)、 闪存(flash)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以 是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
151.值得注意的是,上述手术器械的识别装置的实施例中,所包括的各个单元 和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实 现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分, 并不用于限制本发明的保护范围。
152.注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员 会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进 行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽 然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以 上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例, 而本发明的范围由所附的权利要求范围决定。
转载请注明原文地址:https://win.8miu.com/read-50042.html

最新回复(0)