一种基于神经网络的慢性伤口智能评估系统

摘要

本发明公开了一种基于神经网络的慢性伤口智能评估系统，属于伤口评估系统技术领域，包括3D成像扫描系统和穿戴式慢性伤口智能敷料，3D成像扫描系统和穿戴式慢性伤口智能敷料均连接有自动慢性伤口评估系统，自动慢性伤口评估系统连接有慢性伤口预后预测系统。本发明通过3D伤口成像扫描系统的设置，利用激光、结构光3D成像技术和红外成像技术对慢性伤口进行扫描，结合深度卷积神经网络算法提出自动慢性伤口评估系统，测量伤口面积，准确分割伤口区域，采用深度学习对慢性伤口图片进行标注，解决了现有检查方法人工识别步骤繁琐且精度不足的问题。

说明书

技术领域

本发明涉及一种慢性伤口评估系统，特别是涉及一种基于神经网络的慢性伤口智能评估系统，属于伤口评估系统技术领域。

背景技术

慢性伤口是无法在正常时间内及时修复到解剖和功能上完整状态的伤口，形成慢性伤口的原因很复杂，因此慢性伤口形成后的评估需要结合临床表征对慢性伤口的病因进行分析，传统的检查方法只是分类逐项的利用各种不同的影像设备描述伤口的大小、深度、创缘、基地组织以及位置等，结合无菌钝头探针检查浅表层溃疡，记录探针是否探及窦道、溃疡是否有创缘潜行的腔隙、溃疡是否已深达腱鞘和骨关节等，对于患有非典型溃疡或者怀疑恶性溃疡的慢性伤口还需要对溃疡处进行充分的外科准备后，再对溃疡基底切取样本或者抽取脓性物进行培养、菌落技术以及药物敏感试验等，同时进行细菌、分歧杆菌、真菌染色以及组织培养确认菌落的种类，以便于对特定的菌落使用对应的抗生素，加快慢性伤口的愈合，这种检查方法不具备实时性，且人为识别创面类型来判断慢性伤口成因判断准确度因人而异，不具备识别的稳定性，识别精度不足，也不能够对慢性伤口实现实时监测。

针对以上不足，本发明提出一种基于神经网络的慢性伤口智能评估系统，该系统能够通过设置3D伤口成像扫描系统，通过3D镜头、红外线成像技术以及可移动便携式操作平台的相互配合，利用激光、结构光3D成像技术和红外成像技术对慢性伤口进行扫描，结合深度卷积神经网络算法提出自动慢性伤口评估系统，测量伤口面积，准确分割伤口区域，自动估计图像的像素密度，对伤口的深度、温度以及体积进行扫描，同时采用深度学习标注工具对慢性伤口图片进行伤口区域特征信息标注，标记出伤口区域的轮廓、面积和温度，将标注好的伤口图片批量生成伤口图片训练集，依据伤口类别，从所有标准图像中找到最清晰明显的代表图像，建立慢性伤口预后预测模型，制作识别慢性伤口的标准训练数据集，逐渐扩大训练集，不断提升模型的输出精度，解决了现有检查方法人工识别步骤繁琐且精度不足的问题，同时利用带有温度传感器的穿戴式慢性伤口智能敷料，实时提供伤口区域的温度和导热系数，实时监测伤口的愈合情况。

发明内容

本发明的主要目的是为了解决现有慢性伤口检查方法不具备实时性，且人为识别创面类型来判断慢性伤口成因判断准确度因人而异，不具备识别的稳定性，识别精度不足，也不能够对慢性伤口实现实时监测，而提供的一种基于神经网络的慢性伤口智能评估系统。

本发明的目的可以通过采用如下技术方案达到：

一种基于神经网络的慢性伤口智能评估系统，包括3D成像扫描系统和穿戴式慢性伤口智能敷料，所述3D成像扫描系统和所述穿戴式慢性伤口智能敷料均连接有自动慢性伤口评估系统，所述自动慢性伤口评估系统连接有慢性伤口预后预测系统，其中：

所述3D成像扫描系统利用激光、结构光3D成像技术和红外成像技术对慢性伤口进行扫描，准确分割伤口区域后测量伤口面积，得出伤口深度、体积和伤口温度，形成慢性伤口图片集，并将慢性伤口图片集传输给所述慢性伤口预后预测系统；

所述穿戴式慢性伤口智能敷料用于实时监测伤口的温度、导热系数、PH值以及葡萄糖浓度；

所述自动慢性伤口评估系统包括病因分析模块和实时评估模块，所述病因分析模块设定伤口严重程度评估指标，伤口严重程度指标与伤口面积、深度、体积以及所述3D成像扫描系统测量的伤口温度均正相关，伤口严重程度评估指标的公式为：

式中：E

所述实时评估模利用所述穿戴式慢性伤口智能敷料测量的实时伤口温度、导热系数、PH值和葡萄糖浓度得出实时伤口指标，实时伤口指标与实时伤口温度、导热系数、PH值和葡萄糖浓度均正相关，实时伤口指标的公式为：

式中：E

所述实时评估模块还设置线性组合公式，将伤口严重程度评估指标和实时评估指标进行线性叠加，得出综合评估系数，判断慢性伤口的实时严重程度评估值，实时严重程度评估值与伤口严重程度评估指标和实时评估指标均正相关，实时严重程度评估值的评估公式为：

E

式中：E

所述病因分析模块与所述慢性伤口预后预测系统相连；

所述慢性伤口预后预测系统利用所述3D成像扫描系统扫描得到的图片集为每种病因的慢性伤口提供训练集，为每种病因的慢性伤口制作伤口延迟愈合标准数据集、预测伤口感染风险标准数据以及预测伤口发展结果标准训练集，使用标准数据集在卷积神经网络模型上进行迭代训练，不断提高每种病因慢性伤口模型的输出精度。

作为本发明进一步的方案，所述3D成像扫描系统包括操作平台，所述操作平台上安装有3D镜头和红外线成像仪。

作为本发明进一步的方案，所述慢性伤口预后预测系统包括标准数据制作模块，所述标准数据集制作模块连接有深度卷积神经网络训练模块，所述深度卷积神经网络训练模块连接有输出模块。

作为本发明进一步的方案，所述穿戴式慢性伤口智能敷料包括无菌敷贴，所述无菌敷贴上安装有智能柔性电子敷料，所述智能柔性电子敷料包括电子层，所述电子层的底部设有数据采集层，所述数据采集层通过蓝牙技术与所述自动慢性伤口评估系统相连，所述数据采集层的底部设有紫外响应抗菌水凝胶层，所述紫外响应抗菌水凝胶层的内部设有基于电位的PH传感器、基于循环伏安法的葡萄糖传感器以及抗生素微囊。

作为本发明进一步的方案，所述PH传感器和所述葡萄糖传感器的输出信号均为电信号，所述PH传感器的测量范围为[4，10]。

作为本发明进一步的方案，所述电子层由聚二甲基硅氧烷封装的柔性电子组成，所述电子层的内侧设有测量范围在[30，40]的温度传感器和紫外线发光二极管。

作为本发明进一步的方案，所述穿戴式慢性伤口智能敷料的工作流程如下：

步骤一：撕开无菌敷贴上的保护纸，将穿戴式慢性伤口智能敷料贴在慢性伤口上；

步骤二：电子层中的温度传感器测量慢性伤口的创面温度，紫外响应抗菌水凝胶层内的PH传感器测量慢性伤口的创面PH值，葡萄糖传感器测量创面的葡萄糖浓度；

步骤三：通过蓝牙技术将数据传输给自动慢性伤口评估系统；

步骤四：当伤口发生感染使得伤口创面温度超过32℃、创面PH值超过7.7以及创面温度超过32℃同时创面PH值超过7.7时，打开电子层中的紫外线发光二极管发射紫外线光，触发对紫外线敏感的紫外响应抗菌水凝胶层，使得紫外线敏感的紫外响应抗菌水凝胶层释放抗生素，抑制慢性伤口的感染。

本发明的有益技术效果：按照本发明的基于神经网络的慢性伤口智能评估系统，能够通过3D伤口成像扫描系统的设置，利用激光、结构光3D成像技术和红外成像技术对慢性伤口进行扫描，结合深度卷积神经网络算法提出自动慢性伤口评估系统，测量伤口面积，准确分割伤口区域，自动估计图像的像素密度，对伤口的深度、温度以及体积进行扫描，同时采用深度学习标注工具对慢性伤口图片进行伤口区域特征信息标注，标记出伤口区域的轮廓、面积和温度，将标注好的伤口图片批量生成伤口图片训练集，依据伤口类别，从所有标准图像中找到最清晰明显的代表图像，建立慢性伤口预后预测模型，制作识别慢性伤口的标准训练数据集，逐渐扩大训练集，不断提升模型的输出精度，解决了现有检查方法人工识别步骤繁琐且精度不足的问题，同时利用带有温度传感器的穿戴式慢性伤口智能敷料，实时提供伤口区域的温度和导热系数，实时监测伤口的愈合情况。

附图说明

图1为按照本发明的基于神经网络的慢性伤口智能评估系统的整体结构示意图。

具体实施方式

为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1所示，本实施例提供的基于神经网络的慢性伤口智能评估系统，包括3D成像扫描系统和穿戴式慢性伤口智能敷料，所述3D成像扫描系统和所述穿戴式慢性伤口智能敷料均连接有自动慢性伤口评估系统，所述自动慢性伤口评估系统连接有慢性伤口预后预测系统，其中：

所述3D成像扫描系统利用激光、结构光3D成像技术和红外成像技术对慢性伤口进行扫描，准确分割伤口区域后测量伤口面积，得出伤口深度、体积和伤口温度，形成慢性伤口图片集，并将慢性伤口图片集传输给所述慢性伤口预后预测系统；

所述穿戴式慢性伤口智能敷料用于实时监测伤口的温度、导热系数、PH值以及葡萄糖浓度；

所述自动慢性伤口评估系统包括病因分析模块和实时评估模块，所述病因分析模块设定伤口严重程度评估指标，伤口严重程度指标与伤口面积、深度、体积以及所述3D成像扫描系统测量的伤口温度均正相关，伤口严重程度评估指标的公式为：

式中：E

所述实时评估模利用所述穿戴式慢性伤口智能敷料测量的实时伤口温度、导热系数、PH值和葡萄糖浓度得出实时伤口指标，实时伤口指标与实时伤口温度、导热系数、PH值和葡萄糖浓度均正相关，实时伤口指标的公式为：

式中：E

所述实时评估模块还设置线性组合公式，将伤口严重程度评估指标和实时评估指标进行线性叠加，得出综合评估系数，判断慢性伤口的实时严重程度评估值，实时严重程度评估值与伤口严重程度评估指标和实时评估指标均正相关，实时严重程度评估值的评估公式为：

E

式中：E

所述病因分析模块与所述慢性伤口预后预测系统相连；

所述慢性伤口预后预测系统利用所述3D成像扫描系统扫描得到的图片集为每种病因的慢性伤口提供训练集，为每种病因的慢性伤口制作伤口延迟愈合标准数据集、预测伤口感染风险标准数据以及预测伤口发展结果标准训练集，使用标准数据集在卷积神经网络模型上进行迭代训练，不断提高每种病因慢性伤口模型的输出精度。

本发明能够通过3D伤口成像扫描系统的设置，利用激光、结构光3D成像技术和红外成像技术对慢性伤口进行扫描，结合深度卷积神经网络算法提出自动慢性伤口评估系统，测量伤口面积，准确分割伤口区域，自动估计图像的像素密度，对伤口的深度、温度以及体积进行扫描，同时采用深度学习标注工具对慢性伤口图片进行伤口区域特征信息标注，标记出伤口区域的轮廓、面积和温度，将标注好的伤口图片批量生成伤口图片训练集，依据伤口类别，从所有标准图像中找到最清晰明显的代表图像，建立慢性伤口预后预测模型，制作识别慢性伤口的标准训练数据集，逐渐扩大训练集，不断提升模型的输出精度，解决了现有检查方法人工识别步骤繁琐且精度不足的问题，同时利用带有温度传感器的穿戴式慢性伤口智能敷料，实时提供伤口区域的温度和导热系数，实时监测伤口的愈合情况。

所述3D成像扫描系统包括操作平台，所述操作平台上安装有3D镜头和红外线成像仪。

通过3D镜头和红外线成像仪的设置能够利用激光、结构3D成像技术以及红外线成像技术扫描伤口，避免人工识别伤口造成的效率低且精度差的问题。

所述慢性伤口预后预测系统包括标准数据制作模块，所述标准数据集制作模块连接有深度卷积神经网络训练模块，所述深度卷积神经网络训练模块连接有输出模块。

通过结合深度卷积神经网络算法测量伤口面积，对伤口区域进行准确分割，自动估计图像的像素密度，进而得到清晰的影像图片，避免人工操作和机械操作导致的图像模糊、成片质量不高的问题，便于得到伤口深度、伤口温度以及伤口体积，对伤口的严重程度进行评估，采用深度学习标注工具慢性伤口图片进行伤口区域的特征信息标注，标记出伤口的轮廓特征、面积和温度，将标注好的伤口图片批量生成伤口图片的训练集，便于形成最清晰明显的代表图像，以便于根据代表图像对伤口的成因进行准确的分析和辨识，随着训练集的不断增大，基于深度学习建立卷积神经网络模型能够进行反复的迭代训练，使得模型的输出精度不断提高。

所述穿戴式慢性伤口智能敷料包括无菌敷贴，所述无菌敷贴上安装有智能柔性电子敷料，所述智能柔性电子敷料包括电子层，所述电子层的底部设有数据采集层，所述数据采集层通过蓝牙技术与所述自动慢性伤口评估系统相连，所述数据采集层的底部设有紫外响应抗菌水凝胶层，所述紫外响应抗菌水凝胶层的内部设有基于电位的PH传感器、基于循环伏安法的葡萄糖传感器以及抗生素微囊。

通过多层结构的设置，能够集成温度测量、PH测量以及葡萄糖浓度多种功能为一体，多元化敷料的使用功能，便于伤口各项指标的直接测量和实时检测，自动测量慢性伤口持续炎症状态的生物标注五动态信息，动态检测慢性伤口的愈合情况。

所述PH传感器和所述葡萄糖传感器的输出信号均为电信号，所述PH传感器的测量范围为[4，10]。

通过电信号的输出便于实现检测感染过程数据的传输，通过将PH传感器的测量范围进行限定，便于适应慢性伤口的PH范围，进而更加精确的测量伤口创面的PH。

所述电子层由聚二甲基硅氧烷封装的柔性电子组成，所述电子层的内侧设有测量范围在[30，40]的温度传感器和紫外线发光二极管。

通过电子层材料的设置，能够增加敷料的柔软性，增加敷料和慢性伤口创面之间的贴合度，通过温度传感器以及其测量范围的限定能够结合创面发炎感染的温度变化范围对创面的温度进行精准的测量，减小测量误差，通过紫外线发光二极管的设置，能够利用其发出紫外线，便于促使紫外响应抗菌水凝胶层抗生素的释放。

所述穿戴式慢性伤口智能敷料的工作流程如下：

步骤一：撕开无菌敷贴上的保护纸，将穿戴式慢性伤口智能敷料贴在慢性伤口上；

步骤二：电子层中的温度传感器测量慢性伤口的创面温度，紫外响应抗菌水凝胶层内的PH传感器测量慢性伤口的创面PH值，葡萄糖传感器测量创面的葡萄糖浓度；

步骤三：通过蓝牙技术将数据传输给自动慢性伤口评估系统；

步骤四：当伤口发生感染使得伤口创面温度超过32℃、创面PH值超过7.7以及创面温度超过32℃同时创面PH值超过7.7时，打开电子层中的紫外线发光二极管发射紫外线光，触发对紫外线敏感的紫外响应抗菌水凝胶层，使得紫外线敏感的紫外响应抗菌水凝胶层释放抗生素，抑制慢性伤口的感染。

综上所述，在本实施例中，按照本实施例的基于神经网络的慢性伤口智能评估系统，通过D镜头和红外线成像仪的设置能够利用激光、结构3D成像技术以及红外线成像技术扫描伤口，避免人工识别伤口造成的效率低且精度差的问题。通过结合深度卷积神经网络算法测量伤口面积，对伤口区域进行准确分割，自动估计图像的像素密度，进而得到清晰的影像图片，避免人工操作和机械操作导致的图像模糊、成片质量不高的问题，便于得到伤口深度、伤口温度以及伤口体积，对伤口的严重程度进行评估，采用深度学习标注工具慢性伤口图片进行伤口区域的特征信息标注，标记出伤口的轮廓特征、面积和温度，将标注好的伤口图片批量生成伤口图片的训练集，便于形成最清晰明显的代表图像，以便于根据代表图像对伤口的成因进行准确的分析和辨识，随着训练集的不断增大，基于深度学习建立卷积神经网络模型能够进行反复的迭代训练，使得模型的输出精度不断提高。通过多层结构的设置，能够集成温度测量、PH测量以及葡萄糖浓度多种功能为一体，多元化敷料的使用功能，便于伤口各项指标的直接测量和实时检测，自动测量慢性伤口持续炎症状态的生物标注五动态信息，动态检测慢性伤口的愈合情况。通过电信号的输出便于实现检测感染过程数据的传输，通过将PH传感器的测量范围进行限定，便于适应慢性伤口的PH范围，进而更加精确的测量伤口创面的PH。通过电子层材料的设置，能够增加敷料的柔软性，增加敷料和慢性伤口创面之间的贴合度，通过温度传感器以及其测量范围的限定能够结合创面发炎感染的温度变化范围对创面的温度进行精准的测量，减小测量误差，通过紫外线发光二极管的设置，能够利用其发出紫外线，便于促使紫外响应抗菌水凝胶层抗生素的释放。

以上所述，仅为本发明进一步的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明所公开的范围内，根据本发明的技术方案及其构思加以等同替换或改变，都属于本发明的保护范围。