一种基于物联网的医学影像检查训练系统及方法与流程

本发明属于供教学或训练用的模拟机技术领域，尤其涉及一种基于物联网的医学影像检查训练系统及方法。

背景技术：

目前，业内常用的现有技术是这样的：

现有医学影像检查相关课程或培训因以下限制，故实训课程少，实际操作能力不高：

1)教学资源紧张。医学影像检查主要实践的场所是医院，对象是人体。随着人们对健康水平要求的不断提高以及医患关系的日益紧张，在患者身上之间操作受到很大的限制，很难有相应课程的实践操作的机会。

2)知识内容相对抽象，无法直观感受。

3)随着医疗器械的发展，对操作仪器的要求更高，但是受制于昂贵的影像设备产品、苛刻的使用条件、昂贵的使用和维修费用，无法满足能够获得操作和理解基本原理的条件。同时现有系统对用户训练效果进行训练不够客观全面的地对用户训练效果进行训练，降低了训练的准确率；现有系统计算匹配度所用的相应图片数据过程中，不能够提高医学影像检查训练系统的运行效率，降低了对用户训练训练的效果。

综上所述，现有技术存在的问题是：

(1)现有医学影像检查学习实训较少，以理论知识为主，导致实操能力差；而医学影像剂检查对实际操作能力要求高；

(2)医学影像检查的相应理论知识较为抽象，目前无更加生动的方式传授相应理论知识；

(3)现有仿真训练多只针对ct机，不具备普适性。

(4)现有系统对用户训练效果进行训练不够客观全面的地对用户训练效果进行训练，降低了训练的准确率。

(5)现有系统计算匹配度所用的相应图片数据过程中，不能够提高医学影像检查训练系统的运行效率，降低了对用户训练训练的效果。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于物联网的医学影像检查训练系统及方法。

本发明是这样实现的，一种基于物联网的医学影像检查训练方法，具体包括：

步骤一，用户利用多媒体技术学习医学影像检查的相关知识并观摩教学视频；

步骤二，用户在仿真训练平台上进行医学影像检查的仿真训练；系统利用多台摄像机实时采集用户仿真训练的操作数据；在仿真训练平台上进行医学影像检查的仿真训练中，通过仿真训练平台集成的仿真训练数据处理模块给出仿真训练数据各训练指标的排序向量，利用有序二元比较法求出主观权重；

根据由每个训练指标的值组成的初始决策矩阵利用变异系数法求取客观权重；利用向量相似度理论求得综合权重；以及将实数形式的初始决策矩阵转换成决策矩阵，并将权重向量也转化成决策矩阵；根据决策矩阵各属性的特点选择不同的偏好函数，所有属性都是效益型，偏好函数值的大小代表方案之间占优关系的大小，仿真训练数据a和仿真训练数据b的属性j的属性值fj(a)，fj(b)分别为：

计算偏好函数的值：

计算偏好指标π(a,b)：

计算任意两个仿真训练数据的π(a,b)，据此计算流入，流出，以及净流指标；

流出：

流入：

净流：

φ(a)＝φ⁺(a)-φ^-(a)＝(_(a),g(a))；

其中，_(a)代表方案的赞成值，g(a)表示方案的反对值；

计算仿真训练数据优先指标s(a)后，输出最优仿真训练数据；

s(a)＝_(a)-g(a)；

步骤三，将采集的用户仿真训练的操作数据与数据库中预先存储的该项医学检查的标准教学数据进行对比分析，判断用户操作是否失误，并给出实操评分；所述对比分析用户操作数据与标准教学数据中，预先在系统中标注扣分点、相应的扣分分值以及对应的知识点与教学视频；将摄像机采集的用户仿真训练的操作数据与数据库中预先存储的标准教学数据进行对比分析，着重比对扣分点；当用户操作数据中出现扣分点时则扣除相应的分值，输出剩余得分、扣分点以及相应的正确操作与相关知识点；

步骤四，利用数据库存储医学影像检查的相关知识、教学视频；

步骤五，利用显示器输出医学影像检查的知识、教学视频、采集的用户仿真训练图像以及实操评分。

进一步，所述主观权重由有序二元比较法求得具体方法为：

步骤1、确定训练对象和专家集：x为考察的全体对象集，记为x＝{x1,x2,...xn}为参与确定指标权重的专家集为p＝{p1,p2...pl}；

步骤2、应用集值迭代法为各指标排序：权重为{λ1,λ2,...λl}，在指标集中按照重要程度对指标进行排序，k(1≤k≤l)选取的指标顺序集为xk＝(x3,x5,x1,xn...,xn-1)，式中x3位于xk的第一个位置，即表示x3在k认为最重要，按照各个指标在xk中的位置分别赋予指标得分，在xk中x3对应的得分为n，x5对应的得分为n-1，xn-1对应的得分为1；

μi,k(1≤i≤n,1≤k≤l)为指标i在k处所获得的得分，令作为综合评分，式中1≤i≤n，根据gi的由大到小对训练指标进行新的排序，

步骤3、分别对相邻训练指标进行比较获得比较矩阵；

通过对比相邻指标中前一指标相对后一指标的重要程度，给出训练区间，区间端点值取相邻的rk数值，相对重要程度为介于两者两rk数值对应的重要程度之间；

步骤4、将区间通过下式转化为点值：

式中，rij′为专家i对指标j的训练矩阵中的下界，rij″为训练矩阵中的上界，j＝1，2，…，n-1；

步骤5、确定训练指标的权重：由于n个指标相邻进行比较，得到n-1个比较值：

式中：r1代表的含义为重新排序后的第一个指标相对于第二个指标的重要程度，用第一个指标和第二个指标的绝对重要度之比阐述，

的综合权重为：

其他指标的权重为：

进一步，所述客观权重由变异系数法求得具体方法包括：

训练指标体系共有m个训练指标，对n个训练对象进行了系统评测与数据采样，原始数据训练矩阵表示为矩阵x：

进一步，所述客观权重由变异系数法求得具体方法进一步包括：依据各个分类对象指标的实际值计算各指标的均值和标准差：

其中第j个指标的均值和标准差分别为：

式中j＝1，2，……m；

进一步，所述客观权重由变异系数法求得具体方法进一步包括计算各指标的变异系数：

进一步，所述客观权重由变异系数法求得具体方法进一步包括确定各指标的权重：

先对指标变异系数进行归一化处理，然后得到指标的权重集vj＝{ν1,ν2,…νm}，其中

本发明的另一目的在于提供一种终端，所述终端搭载实现基于物联网的医学影像检查训练方法的控制器。

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基于物联网的医学影像检查训练方法。

本发明的另一目的在于提供一种基于物联网的医学影像检查训练系统，具体包括：

教学模块：与主控模块连接，用于利用多媒体技术进行医学影像检查的相关知识以及教学视频；

主控模块：与教学模块、摄像模块，仿真训练平台、评分模块、数据库、显示模块连接；用于利用单片机控制各模块正常工作；

仿真训练平台：与主控模块连接，用于基于计算机三维重建技术进行医学影像检查仿真训练；

摄像模块：与主控模块连接，用于利用多台摄像机采集用户仿真训练时的操作数据；

评分模块：与主控模块连接，用于基于摄像模块采集的用户仿真训练操作与数据库中预先存储的教学视频进行比较，判断用户操作是否失误，并给出实操评分；

数据库：与主控模块连接，用于存储医学影像检查的相关知识、教学视频；

显示模块：与主控模块连接，用于利用显示器输出医学影像检查的知识、教学视频、采集的用户仿真训练图像以及实操评分。

进一步，所述仿真训练平台具体包括：

仿真训练平台具体包括：医学影像检查主控制操作台、实际操作仪、配套设置、仿真训练软件以及显示屏；

仿真训练平台采用物联网技术、计算机三维重建技术，将各个医学影像检查仪器的主控制操作台、实际操作仪、相关配套设施以及仿真训练软件呈现在显示屏上；并将仿真训练的结果实时传送至主控模块。

综上所述，本发明的优点及积极效果为：

本发明将理论与实践相结合，医学影像检查仿真平台能够充分调动感觉，运动和思维，极大地提高了学习效率；同时仿真操作软件与操作仪还原了真实的医学影像检查的仪器，能够更加直观的进行医学影像检查的训练；仿真训练更加的安全，不会造成严重的后果，同时能够基于标准教学视频评判用户操作，更加直观的指出用户的错误，能够督促用户及时改正，并加强相应知识点的学习，大大的提高了训练的实用性，效果显著。本发明基于系统进行评分，能够避免了人为评分的主观性与错漏率。本发明提供的医学影像检查训练系统及方法能够适应多种医学影像剂检查，具备普适性。本发明采用基于小波变换的图像增强算法对图像进行增强，有效的抑制图片中的噪声，使大部分边缘信息保留，提高匹配度，为用户提供准确的评分。本发明中对用户训练效果进行训练的方法能够客观全面的对用户训练效果进行训练，提高了准确性。本发明中数据库储存计算匹配度所用的相应图片数据过程中，对图片进行聚类能够提高医学影像检查训练系统的运行效率，同时能够提高对用户训练训练的效果。本发明中摄像模块利用多台摄像机采集用户仿真实训的图像，采用基于小波变换的图像增强算法对采集的图像进行增强，有利于提高图像之间的匹配度。

本发明用户在仿真训练平台上进行医学影像检查的仿真训练；系统利用多台摄像机实时采集用户仿真训练的操作数据；在仿真训练平台上进行医学影像检查的仿真训练中，通过仿真训练平台集成的仿真训练数据处理模块给出仿真训练数据各训练指标的排序向量，利用有序二元比较法求出主观权重；

根据由每个训练指标的值组成的初始决策矩阵利用变异系数法求取客观权重；利用向量相似度理论求得综合权重；以及将实数形式的初始决策矩阵转换成决策矩阵，并将权重向量也转化成决策矩阵；计算仿真训练数据优先指标s(a)后，输出最优仿真训练数据。

附图说明

图1是本发明实施例提供的基于物联网的医学影像检查训练方法流程图。

图2是本发明实施例提供的基于物联网的医学影像检查训练系统结构示意图。

图中：1、教学模块；2、主控模块；3、仿真训练平台；4、摄像模块；5、评分模块；6、数据库；7、显示模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理做详细描述。

如图1所示，本发明实施例提供的基于物联网的医学影像检查训练方法具体包括：

s101：用户利用多媒体技术学习医学影像检查的相关知识并观摩教学视频；

s102：用户根据观看的教学视频，进行相应的医学影像检查的仿真训练；同时利用多台摄像机实时采集用户仿真训练的操作数据；

s103：将采集的用户仿真训练的操作数据与数据库中预先存储的该项医学检查的标准教学数据进行对比分析，判断用户操作是否失误，并给出实操评分；

s104：系统将医学影像检查的相关知识、教学视频进行储存，并利用显示器输出医学影像检查的知识、教学视频、采集的用户仿真训练图像以及实操评分等信息。

步骤s102中，用户在仿真训练平台上进行医学影像检查的仿真训练；系统利用多台摄像机实时采集用户仿真训练的操作数据；在仿真训练平台上进行医学影像检查的仿真训练中，通过仿真训练平台集成的仿真训练数据处理模块给出仿真训练数据各训练指标的排序向量，利用有序二元比较法求出主观权重；根据由每个训练指标的值组成的初始决策矩阵利用变异系数法求取客观权重；利用向量相似度理论求得综合权重；以及将实数形式的初始决策矩阵转换成决策矩阵，并将权重向量也转化成决策矩阵；根据决策矩阵各属性的特点选择不同的偏好函数，所有属性都是效益型，偏好函数值的大小代表方案之间占优关系的大小，仿真训练数据a和仿真训练数据b的属性j的属性值fj(a)，fj(b)分别为：

计算偏好函数的值：

计算偏好指标π(a,b)：

计算任意两个仿真训练数据的π(a,b)，据此计算流入，流出，以及净流指标；

流出：

流入：

净流：

φ(a)＝φ⁺(a)-φ^-(a)＝(_(a),g(a))；

其中，_(a)代表方案的赞成值，g(a)表示方案的反对值；

计算仿真训练数据优先指标s(a)后，输出最优仿真训练数据；

s(a)＝_(a)-g(a)；

所述主观权重由有序二元比较法求得具体方法为：

步骤1、确定训练对象和专家集：x为考察的全体对象集，记为x＝{x1,x2,...xn}为参与确定指标权重的专家集为p＝{p1,p2...pl}；

步骤2、应用集值迭代法为各指标排序：权重为{λ1,λ2,...λl}，在指标集中按照重要程度对指标进行排序，k(1≤k≤l)选取的指标顺序集为xk＝(x3,x5,x1,xn...,xn-1)，式中x3位于xk的第一个位置，即表示x3在k认为最重要，按照各个指标在xk中的位置分别赋予指标得分，在xk中x3对应的得分为n，x5对应的得分为n-1，xn-1对应的得分为1；

μi,k(1≤i≤n,1≤k≤l)为指标i在k处所获得的得分，令作为综合评分，式中1≤i≤n，根据gi的由大到小对训练指标进行新的排序，

步骤3、分别对相邻训练指标进行比较获得比较矩阵；

通过对比相邻指标中前一指标相对后一指标的重要程度，给出训练区间，区间端点值取相邻的rk数值，相对重要程度为介于两者两rk数值对应的重要程度之间；

步骤4、将区间通过下式转化为点值：

式中，rij′为专家i对指标j的训练矩阵中的下界，rij″为训练矩阵中的上界，j＝1，2，…，n-1；

步骤5、确定训练指标的权重：由于n个指标相邻进行比较，得到n-1个比较值：

式中：r1代表的含义为重新排序后的第一个指标相对于第二个指标的重要程度，用第一个指标和第二个指标的绝对重要度之比阐述，

的综合权重为：

其他指标的权重为：

所述客观权重由变异系数法求得具体方法包括：

训练指标体系共有m个训练指标，对n个训练对象进行了系统评测与数据采样，原始数据训练矩阵表示为矩阵x：

所述客观权重由变异系数法求得具体方法进一步包括：依据各个分类对象指标的实际值计算各指标的均值和标准差：

其中第j个指标的均值和标准差分别为：

式中j＝1，2，……m；

所述客观权重由变异系数法求得具体方法进一步包括计算各指标的变异系数：

所述客观权重由变异系数法求得具体方法进一步包括确定各指标的权重：

先对指标变异系数进行归一化处理，然后得到指标的权重集vj＝{ν1,ν2,…νm}，其中

步骤s103中，本发明实施例提供的对比分析用户操作数据与标准教学数据具体包括：

(1)教学者预先在系统中标注扣分点、相应的扣分分值以及对应的知识点与教学视频；

(2)将摄像机采集的用户仿真训练的操作数据与数据库中预先存储的标准教学数据进行对比分析，着重比对扣分点；

(3)当用户操作数据中出现扣分点时则扣除相应的分值，输出剩余得分、扣分点以及相应的正确操作与相关知识点。

如图2所示，本发明实施例提供的基于物联网的医学影像检查训练系统具体包括：

教学模块1、主控模块2、仿真训练平台3、摄像模块4、评分模块5、数据库6、显示模块7；

教学模块1：与主控模块2连接，用于利用多媒体技术进行医学影像检查的相关知识以及教学视频；

主控模块2：与教学模块1、仿真训练平台3、摄像模块4、评分模块5、数据库6、显示模块7连接；用于利用单片机控制各模块正常工作；

仿真训练平台3：与主控模块2连接，用于基于计算机三维重建技术进行医学影像检查仿真训练；

摄像模块4：与主控模块2连接，用于利用多台摄像机采集用户仿真训练时的操作数据；

评分模块5：与主控模块2连接，用于基于摄像模块4采集的用户仿真训练操作与数据库6中预先存储的教学视频进行比较，判断用户操作是否失误，并给出实操评分；

数据库6：与主控模块2连接，用于存储医学影像检查的相关知识、教学视频；

显示模块7：与主控模块2连接，用于利用显示器输出医学影像检查的知识、教学视频、采集的用户仿真训练图像以及实操评分。

本发明实施例提供的仿真训练平台3具体包括：

仿真训练平台3具体包括：医学影像检查主控制操作台、实际操作仪、配套设置、仿真训练软件以及显示屏；

仿真训练平台3采用物联网技术、计算机三维重建技术，将各个医学影像检查仪器的主控制操作台、实际操作仪、相关配套设施以及仿真训练软件呈现在显示屏上；并将仿真训练的结果实时传送至主控模块。

所述摄像模块4利用多台摄像机采集用户仿真实训的图像，为了计算图像之间的匹配度，需要对采集的图像进行增强，采用基于小波变换的图像增强算法，具体包括以下步骤；

设f(x，y)是空间l²(ir)的图像，其小波变换为(wψf)j，k(x，y)，其中s＝2j表示尺度，k表示分解方向；

步骤一，将图像f(x，y)通过小波正变换成(wψf)j，k(x，y)；

步骤二，根据图像模型计算小波系数(wψf)j，k(x，y)的阈值tj，k；

步骤三，对小波系数(wψf)j，k(x，y)≤tj，k作置零处理；

步骤四，对非零小波系数采取拉伸，即gj，k(x，y)·(wψf)j，k(x，y)，其中gj，k(x，y)≥1是在位置(x，y)上尺度为j，方向为k的增益因子；

步骤五，对处理后的小波系数(wψf)j，k(x，y)实施相应的小波逆变换，得到增强的图像。

所述评分模块5对用户训练效果进行训练的方法，具体包括以下步骤：

步骤一，首先，采集用户仿真训练操作影像数据；

步骤二，将采集的影像数据与数据库中的预先储存的教学视频数据进行比较；

步骤三，系统提取预先存储的教学影像和实训操作的影响中的操作关键点，建立对比组，系统对两组图像的相似度进行计算，通过匹配度判断匹配是否成功；“是”判定实训者操作正确；“否”判断实训者操作错误；

步骤四，系统对每一组的图片进行比对，对每一组图片计算匹配度；

步骤五，根据计算的匹配度，系统对用户的实训操作作出相应的分数，并且系统会呈现出用户实训的错误点，为用户提供参考。

所述数据库6储存计算匹配度所用的相应图片数据过程中，需要对图片进行聚类，具体过程中如下：

步骤一，对所提取的图片作为原始图像；

步骤二，对原始图片进行颜色特征提取和纹理特征提取；

步骤三，根据上述的提取特征进行预分类和合并，进化多目标分类；

步骤四，得到最优解，得出分类结果。

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

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。