CN117156182B - 一种医疗远程智能监测方法及系统 - Google Patents
一种医疗远程智能监测方法及系统 Download PDFInfo
- Publication number
- CN117156182B CN117156182B CN202311403577.2A CN202311403577A CN117156182B CN 117156182 B CN117156182 B CN 117156182B CN 202311403577 A CN202311403577 A CN 202311403577A CN 117156182 B CN117156182 B CN 117156182B
- Authority
- CN
- China
- Prior art keywords
- ultrasonic image
- image video
- video frame
- target
- texture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 238000012937 correction Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000000875 corresponding effect Effects 0.000 claims description 131
- 230000008859 change Effects 0.000 claims description 57
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 7
- 239000000523 sample Substances 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/2347—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving video stream encryption
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4408—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving video stream encryption, e.g. re-encrypting a decrypted video stream for redistribution in a home network
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及视频加密传输技术领域，具体涉及一种医疗远程智能监测方法及系统，该方法首先获取待加密的B超影像视频对应的目标B超影像视频帧，根据各个纹理特征窗口及其邻域对应位置在各个B超影像视频帧中的纹理分布相似情况，以及目标B超影像视频帧中的边缘纹理复杂程度，得到每个纹理特征窗口的修正重要程度；在修正重要程度的基础上结合各个像素级的像素点得到像素级重要程度，根据哈夫曼编码算法以及像素级重要程度对目标B超影像视频帧进行加密，得到加密后的B超影像视频。本发明所获取的加密后的B超影像视频的加密效果更好，使得根据加密传输后的B超影像视频进行医疗远程监测的安全性更高。
Description
技术领域
本发明涉及视频加密传输技术领域，具体涉及一种医疗远程智能监测方法及系统。
背景技术
医疗远程监测是一种根据影像视频对患者的健康状况进行远程监测和管理的方法，例如在对孕妇肚中胎儿进行远程监测时，需要借助对应的B超影像视频，为了保护个人隐私和数据安全，通常需要对B超影像视频进行加密后传输至监测平台。
现有技术在对B超影像视频进行加密时，通常采用依靠频率信息的哈夫曼编码算法进行加密；但是哈夫曼编码算法通常根据每个B超影像视频帧中的各个像素级的频率信息进行加密，对应的加密方式较为简单，被破解的风险较大，使得对B超影像视频进行加密的效果较差，从而造成根据加密传输后的B超影像视频进行医疗远程监测的安全性较低。
发明内容
为了解决现有技术通过哈夫曼编码算法对B超影像视频进行加密的效果较差，从而造成根据加密传输后的B超影像视频进行医疗远程监测的安全性较低技术问题，本发明的目的在于提供一种医疗远程智能监测方法及系统，所采用的技术方案具体如下：
本发明提出了一种医疗远程智能监测方法，所述方法包括：
获取待加密的B超影像视频对应的至少两个B超影像视频帧；依次将每个B超影像视频帧作为目标B超影像视频帧，根据目标B超影像视频帧中的纹理分布情况，将目标B超影像视频帧划分为至少两个纹理特征窗口；
在时间顺序上，根据目标B超影像视频帧后的各个B超影像视频帧在每个纹理特征窗口及其邻域对应位置的纹理分布相似情况，得到每个纹理特征窗口的规律变化程度；根据目标B超影像视频帧中的边缘纹理复杂程度，得到目标B超影像视频帧对应的每个纹理特征窗口的参考重要程度；
根据所述参考重要程度和所述规律变化程度，以及目标B超影像视频帧中每个像素级对应的像素点的位置分布特征，得到目标B超影像视频帧中每个像素级的像素级重要程度；
根据哈夫曼编码算法结合所述像素级重要程度对目标B超影像视频帧进行加密，得到加密后的B超影像视频；将加密后的B超影像视频传输至监测平台进行医疗远程监测。
进一步地，所述规律变化程度的获取方法包括：
对于任意一个纹理特征窗口：
将每个B超影像视频帧在纹理特征窗口对应位置下的区域，作为每个B超影像视频帧的纹理特征区域；
在时间顺序上，将目标B超影像视频帧后预设数量个B超影像视频帧，作为对比B超影像视频帧；将每个对比B超影像视频帧的纹理特征区域与其前一个B超影像视频帧的纹理特征区域之间的结构相似性系数，作为纹理特征窗口对应位置下每个对比B超影像视频帧对应的纹理结构相似特征值；
根据每个对比B超影像视频帧的纹理特征区域与其前一个B超影像视频帧的纹理特征区域的邻域内的纹理分布相似情况，得到纹理特征窗口对应位置下每个对比B超影像视频帧对应的局部纹理规律相似度；
根据所述纹理结构相似特征值和所述局部纹理规律相似度构建规律变化程度计算模型，通过所述规律变化程度计算模型，得到目标B超影像视频帧对应的每个纹理特征窗口的规律变化程度。
进一步地，所述局部纹理规律相似度的获取方法包括：
对于任意一个对比B超影像视频帧：
将对比B超影像视频帧的前一个B超影像视频帧的纹理特征区域的质心位置对应的像素点，作为对应的中心像素点；将所述中心像素点预设邻域范围内的每个像素点作为邻域像素点；
通过与所述纹理特征区域形状大小相同的滑窗窗口遍历每个邻域像素点，得到每个邻域像素点对应的滑窗遍历区域；
将所有滑窗遍历区域与对比B超影像视频帧的纹理特征区域之间的结构相似性系数的最大值，作为每个对比B超影像视频帧对应的局部纹理规律相似度。
进一步地，所述规律变化程度计算模型包括：
；其中，/>为目标B超影像视频帧对应的第/>个纹理特征窗口的规律变化程度，/>为目标B超影像视频帧对应的对比B超影像视频帧数量，为第/>个纹理特征窗口对应位置下第/>个对比B超影像视频帧对应的局部纹理规律相似度，/>为第/>个纹理特征窗口对应位置下第/>个对比B超影像视频帧对应的纹理结构相似特征值，/>为以自然常数为底的指数函数。
进一步地，所述参考重要程度的获取方法包括：
通过傅里叶变换计算目标B超影像视频帧中的每个纹理特征窗口的平均频率；将所述平均频率作为目标B超影像视频帧对应的每个纹理特征窗口的参考重要程度。
进一步地，所述像素级重要程度的获取方法包括：
在目标B超影像视频帧的所有像素级中，依次将每个像素级作为目标像素级；
根据所述参考重要程度和所述规律变化程度，得到目标B超影像视频帧对应的每个纹理特征窗口的修正重要程度，所述参考重要程度和所述规律变化程度均与所述修正重要程度呈正相关；
获取目标B超影像视频帧对应的每个纹理特征窗口中目标像素级的像素点的数量占比；将所述数量占比与所述修正重要程度的乘积，作为目标像素级在每个纹理特征窗口中的参考占比重要程度；将目标像素级在目标B超影像视频帧对应的所有纹理特征窗口中的参考占比重要程度的累加和，作为目标B超影像视频帧中目标像素级的像素级重要程度。
进一步地，所述修正重要程度的获取方法包括：
将所述参考重要程度和所述规律变化程度之间乘积的归一化值，作为目标B超影像视频帧对应的每个纹理特征窗口的修正重要程度。
进一步地，所述加密后的B超影像视频的获取方法包括：
将目标B超影像视频帧中的每个像素级的像素级重要程度与对应像素点的出现频率进行加权后，通过哈夫曼编码算法进行加密，得到加密后的目标B超影像视频帧；根据加密后的所有B超影像视频帧得到加密后的B超影像视频。
进一步地，所述纹理特征窗口的获取方法包括：
对所述目标B超影像视频帧进行超像素分割，得到至少两个超像素块；将每个超像素块对应区域的窗口，作为纹理特征窗口。
本发明还提出了一种医疗远程智能监测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现任意一项一种医疗远程智能监测方法的步骤。
本发明具有如下有益效果：
考虑到哈夫曼编码算法对B超影像视频进行加密的依据是各个B超影像视频帧的像素级频率信息，而B超影像视频帧中不同的像素级出现频率和纹理特征不同，因此对应的像素级重要程度也各不相同，为了使得加密后的B超影像视频的安全性更高，本发明实施例根据哈夫曼编码算法结合所述像素级重要程度对目标B超影像视频帧进行加密。此外，考虑到根据哈夫曼编码算法得到的密文长度越长，在传输过程中越容易受到噪声的影响，因此为了保护视频帧中重要的纹理信息，需要降低重要的纹理信息的密文长度。而在B超影像视频帧中，边缘纹理信息非常重要，重要的边缘纹理信息通常在图像中表现为高频信息，因此本发明实施例通过B超影像视频帧中的边缘纹理复杂程度，计算对应的参考重要程度。但是考虑到不是所有的边缘纹理信息都是重要信息，本发明实施例根据重要的边缘纹理信息在相邻的视频帧中会发生变化的基础上，考虑到B超探头的移动导致的B超影像视频帧的变化的影响，通过计算每个纹理特征窗口及其邻域对应位置的纹理分布相似情况，得到每个纹理特征窗口的规律变化程度。进一步地通过参考重要程度和规律变化程度结合得到的修正重要程度对每个像素级的像素级重要程度进行调整，使得对B超影像视频进行加密的效果更好，从而根据加密传输后的B超影像视频进行医疗远程监测的安全性更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种医疗远程智能监测方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种医疗远程智能监测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种医疗远程智能监测方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种医疗远程智能监测方法流程图，该方法包括：
步骤S1：获取待加密的B超影像视频对应的至少两个B超影像视频帧；依次将每个B超影像视频帧作为目标B超影像视频帧，根据目标B超影像视频帧中的纹理分布情况，将目标B超影像视频帧划分为至少两个纹理特征窗口。
本发明实施例旨在提供一种医疗远程智能监测方法，用于根据待加密的B超影像视频对应的各个B超影像视频帧的纹理和像素级进行分析，得到加密后的B超影像视频，根据加密后的B超影像视频传输至监测平台进行医疗远程智能监测。
因此本发明实施例首先获取待加密的B超影像视频对应的至少两个B超影像视频帧。在本发明实施例中，通过B超探头获取宫腔对应的B超影像视频，使得后续能够通过加密后的的B超影像视频进行婴儿远程动态监测，实施者也可根据具体实施情况获取其他环境下的B超影像视频，在此不做进一步赘述。在本发明实施例中，B超影像视频的帧率设置为60Hz，实施者也可根据具体实施环境自行更改。
本发明实施例的目的在于结合各个像素级的重要程度的基础上，根据像素级的频率信息通过哈夫曼编码算法进行加密，而像素级的重要程度受到像素级的出现频率和纹理特征影响。进一步地结合重要的纹理特征信息会随着探头移动而发生变化的特性，根据局部区域在相邻B超影像视频帧中的变化情况进行进一步地分析，因此首先需要获取局部区域。本发明实施例依次将每个B超影像视频帧作为目标B超影像视频帧，根据目标B超影像视频帧中的纹理分布情况，将目标B超影像视频帧划分为至少两个纹理特征窗口，纹理特征窗口即用于分离特征分析的局部区域。
优选地，纹理特征窗口的获取方法包括：
考虑到超像素分割能够获取具有相似特征和连接性特征的区域，若以超像素分割得到的超像素块对应的窗口作为纹理特征窗口，能够对后续每个纹理特征窗口内的纹理特征变化情况的表征更加清晰，因此本发明实施例对目标B超影像视频帧进行超像素分割，得到至少两个超像素块；将每个超像素块对应区域的窗口，作为纹理特征窗口。需要说明的是，超像素分割为本领域技术人员所熟知的技术手段，在此不做进一步赘述。
步骤S2：在时间顺序上，根据目标B超影像视频帧后的各个B超影像视频帧在每个纹理特征窗口及其邻域对应位置的纹理分布相似情况，得到每个纹理特征窗口的规律变化程度；根据目标B超影像视频帧中的边缘纹理复杂程度，得到目标B超影像视频帧对应的每个纹理特征窗口的参考重要程度。
由于获取B超影像视频的B超探头是不断移动的，因此重要的边缘纹理特征信息的纹理特征窗口对应的区域在不同的B超影像视频帧中对应的纹理特征会存在差异，并且根据B超探头移动导致纹理特征窗口对应的纹理信息发生空间移动的特点进行分析，也即每个B超影像视频帧的纹理特征窗口通常与相邻的B超影像视频帧的纹理特征窗口附近区域具有较高的相似性。因此本发明实施例在时间顺序上，根据目标B超影像视频帧后的各个B超影像视频帧在每个纹理特征窗口及其邻域对应位置的纹理分布相似情况，得到每个纹理特征窗口的规律变化程度。
优选地，规律变化程度的获取方法包括：
对于任意一个纹理特征窗口：将每个B超影像视频帧在纹理特征窗口对应位置下的区域，作为每个B超影像视频帧的纹理特征区域。也即纹理特征窗口的位置在各个B超影像视频帧中是固定不变的，但是窗口中的纹理信息会随着时间发生变化。
在时间顺序上，将目标B超影像视频帧后预设数量个B超影像视频帧，作为对比B超影像视频帧；将每个对比B超影像视频帧的纹理特征区域与其前一个B超影像视频帧的纹理特征区域之间的结构相似性系数，作为纹理特征窗口对应位置下每个对比B超影像视频帧对应的纹理结构相似特征值。结构相似性系数基于人眼感知的原理，根据图像的亮度、对比度和结构进行相似度的计算，使得获取的纹理结构相似特征值对纹理特征变化更加敏感。由于B超探头是不断移动的，因此相邻的B超影像视频帧在同一个纹理特征窗口中的纹理结构相似性系数通常较小；因此对应的纹理结构相似特征值越小，说明对应的窗口的重要性越高，也即目标B超影像视频帧在对应的纹理特征窗口的纹理信息越重要；而对于目标B超影像视频帧中重要性较低的边缘纹理特征信息，在B超探头移动时，对应的边缘纹理通常不会发生变化或者变化非常缓慢，对应的结构相似性系数通常较大，也即对应的窗口重要性较低，对应的规律变化程度通常较小，例如宫腔外的边缘纹理。在本发明实施例中，预设数量设置为30，对应本发明实施例中B超影像视频帧率的一半，实施者也可根据具体实施环境自行调整预设数量的大小。需要说明的是，结构相似性系数的计算过程和获取方法为本领域技术人员所熟知的现有技术，在此不做进一步赘述。
此外，由于纹理信息重要性较高的纹理特征窗口在不同的B超影像视频帧中的结构相似性较低，原因在于B超探头是不断移动的，而根据B超探头不断移动的特点，当对应的纹理特征窗口的纹理信息越重要时，在每个对比B超影像视频帧相邻的B超影像视频帧中，总能找到一个与对比B超影像视频帧中纹理特征区域相似性较高的区域，并且该区域在相邻的B超影像视频帧的纹理特征窗口附近。因此根据每个对比B超影像视频帧的纹理特征区域与其前一个B超影像视频帧的纹理特征区域的邻域内的纹理分布相似情况，得到纹理特征窗口对应位置下每个对比B超影像视频帧对应的局部纹理规律相似度。
优选地，局部纹理规律相似度的获取方法包括：
对于任意一个对比B超影像视频帧：
将对比B超影像视频帧的前一个B超影像视频帧的纹理特征区域的质心位置对应的像素点，作为对应的中心像素点；将中心像素点预设邻域范围内的每个像素点作为邻域像素点；通过与纹理特征区域形状大小相同的滑窗窗口遍历每个邻域像素点，得到每个邻域像素点对应的滑窗遍历区域，邻域像素点为对应滑窗遍历区域的质心对应的像素点。由于后续需要通过结构相似性系数进行局部纹理规律相似度的获取，因此为了避免滑窗遍历区域的形状对结构相似性系数计算的影响，本发明实施例通过与纹理特征区域形状大小相同的滑窗窗口进行遍历。在本发明实施例中，获取纹理特征区域对应的最小外接矩形，以中心像素点为中心，以最小外接矩形的长度的二倍为预设邻域范围的长度，以最小外界矩形的宽度的二倍为预设邻域范围的宽度，得到对应的形状为矩形的预设邻域范围，实施者可根据具体实施环境自行设定预设邻域范围，例如25邻域、十六邻域等等，在此不做进一步赘述。
将所有滑窗遍历区域与对比B超影像视频帧的纹理特征区域之间的结构相似性系数的最大值，作为每个对比B超影像视频帧对应的局部纹理规律相似度。对于每个对比B超影像视频帧而言，当对应的纹理特征窗口对应的纹理信息重要程度较高时，结构相似性系数最大值对应的滑窗遍历区域通常与纹理特征区域相同或具有较高的相似性，也即该滑窗遍历区域与纹理特征区域为纹理相同但空间位置不同的区域。并且纹理特征窗口对应的纹理信息重要程度越高时，结构相似性系数最大值对应的滑窗遍历区域越可能为纹理特征区域经过平移后的区域，对应的局部纹理规律相似度越大。
结合局部纹理规律相似度和纹理结构相似特征值，与纹理特征窗口的纹理信息重要性的关系，本发明实施例根据纹理结构相似特征值和局部纹理规律相似度构建规律变化程度计算模型，通过规律变化程度计算模型，得到目标B超影像视频帧对应的每个纹理特征窗口的规律变化程度。由于纹理信息重要性较高的纹理特征窗口内的纹理信息会随着B超探头移动呈现一定的规律，因此本发明实施例通过规律变化程度表征每个纹理特征窗口的纹理信息重要性。
优选地，规律变化程度计算模型包括：
；其中，/>为目标B超影像视频帧对应的第/>个纹理特征窗口的规律变化程度，/>为目标B超影像视频帧对应的对比B超影像视频帧数量，为第/>个纹理特征窗口对应位置下第/>个对比B超影像视频帧对应的局部纹理规律相似度，/>为第/>个纹理特征窗口对应位置下第/>个对比B超影像视频帧对应的纹理结构相似特征值，/>为以自然常数为底的指数函数。进一步地根据目标B超影像视频帧对应的第/>个纹理特征窗口的规律变化程度的获取方法，获取目标B超影像视频帧对应的每个纹理特征窗口的规律变化程度。
对于每个纹理特征窗口下的每个对比B超影像视频帧而言，由于对应的局部纹理规律相似度越大，纹理结构相似特征值越大时，对应的纹理特征窗口的重要性越高，也即目标B超影像视频帧对应的纹理特征窗口中纹理信息重要性越高；而规律变化程度表征对应的纹理特征窗口的纹理信息重要性，因此本发明实施例首先计算纹理结构相似特征值的负相关映射值与局部纹理规律相似度的乘积，并且考虑到规律变化程度的获取需要结合纹理特征窗口在每个对比B超影像视频帧下的纹理信息，因此进一步地计算该乘积的均值，得到目标B超影像视频帧对应的纹理特征窗口的规律变化程度。
至此，得到目标B超影像视频帧对应的每个纹理特征窗口的规律变化程度，进一步地考虑到每个纹理特征窗口中的边缘纹理信息量也能在一定程度上表征对应窗口的重要程度。本发明实施例根据目标B超影像视频帧中的边缘纹理复杂程度，得到目标B超影像视频帧对应的每个纹理特征窗口的参考重要程度。
优选地，参考重要程度的获取方法包括：
通过傅里叶变换计算目标B超影像视频帧中的每个纹理特征窗口的平均频率；将平均频率作为目标B超影像视频帧对应的每个纹理特征窗口的参考重要程度。目标B超影像视频帧中图像频率越高的窗口，对应的边缘纹理信息越多，越复杂，对应的纹理特征窗口的重要性越高。需要说明的是，通过傅里叶变换计算图像窗口频率的方法为本领域技术人员所熟知的技术手段，在此不做进一步赘述。
步骤S3：根据参考重要程度和规律变化程度，以及目标B超影像视频帧中每个像素级对应的像素点的位置分布特征，得到目标B超影像视频帧中每个像素级的像素级重要程度。
由于参考重要程度和规律变化程度都能在一定程度上表征目标B超影像视频帧中对应纹理特征窗口的重要性，因此本发明实施例将参考重要程度和规律变化程度结合进行分析，并且根据本发明实施例的目的，进一步地在结合参考重要程度和规律变化程度的基础上，引入各个像素级的频率信息进行分析，得到本发明实施例所需要的目标B超影像视频帧中各个像素级的重要程度。因此本发明实施例根据所述参考重要程度和所述规律变化程度，以及目标B超影像视频帧中每个像素级对应的像素点的位置分布特征，得到目标B超影像视频帧中每个像素级的像素级重要程度。
优选地，像素级重要程度的获取方法包括：
在目标B超影像视频帧的所有像素级中，依次将每个像素级作为目标像素级；
根据所述参考重要程度和所述规律变化程度，得到目标B超影像视频帧对应的每个纹理特征窗口的修正重要程度，所述参考重要程度和所述规律变化程度均与所述修正重要程度呈正相关；
优选地，修正重要程度的获取方法包括：
将参考重要程度和规律变化程度的乘积的归一化值，作为目标B超影像视频帧对应的每个纹理特征窗口的修正重要程度。在本发明实施例中，通过修正重要程度表征目标B超影像视频帧中对应纹理特征窗口，所对应的参考重要程度通过规律变化程度修正后的重要程度。因此参考重要程度和规律变化程度均与修正重要程度呈正相关。需要说明的是，实施者也可通过其他方法获取修正重要程度，例如将参考重要程度归一化值和规律变化程度的归一化值之间的和值，作为修正重要程度，在此不做进一步赘述。
在本发明实施例中，依次将目标B超影像视频帧对应的每个纹理特征窗口作为第个纹理特征窗口，则目标B超影像视频帧的第/>个纹理特征窗口的修正重要程度的获取方法在公式上表现为：
其中，为目标B超影像视频帧的第/>个纹理特征窗口的修正重要程度，/>为目标B超影像视频帧的第/>个纹理特征窗口的参考重要程度，/>为目标B超影像视频帧的第/>个纹理特征窗口的规律变化程度，/>为归一化函数，在本发明实施例中，所有的归一化函数均采用线性归一化，且实施者可根据具体实施环境自行选择其他归一化方法，在此不做进一步赘述。
进一步地获取目标B超影像视频帧对应的每个纹理特征窗口中目标像素级的像素点的数量占比。由于不同实施环境下不同的纹理特征窗口中的像素点数量差异较大，因此为了避免量纲影响，本发明实施例在像素点数量占比的基础上进行分析，数量占比即每个纹理特征窗口中目标像素级的数量与每个纹理特征窗口中像素点总数量的比值。
对于目标B超影像视频帧中的每个像素级，由于不同的纹理特征窗口对应的修正重要程度不同，因此当对应的像素级在修正重要程度较大的纹理特征窗口中的数量占比越多时，对应的像素级的重要性越高。因此进一步地将数量占比与修正重要程度的乘积，作为目标像素级在每个纹理特征窗口中的参考占比重要程度。
进一步地将目标B超影像视频帧中所有纹理特征窗口的参考占比重要程度结合，将目标像素级在目标B超影像视频帧对应的所有纹理特征窗口中的参考占比重要程度的累加和，作为目标B超影像视频帧中目标像素级的像素级重要程度。
在本发明实施例中，将目标像素级作为第个像素级，则目标像素级的像素级重要程度的获取方法在公式上表现为：
其中，为目标像素级的像素级重要程度，/>为目标B超影像视频帧中的纹理特征窗口数量，/>为目标B超影像视频帧中第/>个纹理特征窗口的修正重要程度，/>为目标B超影像视频帧的第/>个纹理特征窗口中目标像素级的像素点数量，/>为目标B超影像视频帧的第个纹理特征窗口中的像素点总数，/>即为目标B超影像视频帧的第/>个纹理特征窗口中目标像素级的数量占比。
步骤S4：根据哈夫曼编码算法结合像素级重要程度对目标B超影像视频帧进行加密，得到加密后的B超影像视频；将加密后的B超影像视频传输至监测平台进行医疗远程监测。
至此，得到目标B超影像视频帧中每个像素级的重要程度。进一步地为了使得加密后的B超影像视频的安全性更高，本发明实施例根据哈夫曼编码算法结合像素级重要程度对目标B超影像视频帧进行加密，得到加密后的B超影像视频。
优选地，加密后的B超影像视频的获取方法包括：
由于传统的哈夫曼编码算法是基于像素级的出现频率进行加密的，并且根据哈夫曼算法的原理，越靠近哈夫曼树底层的像素级，对应的密文长度越长，则在传输过程中越容易受到噪声的干扰，因此为了避免较为重要的像素级受到噪声干扰导致信息丢失的情况，需要使得像素级重要程度高的像素级对应的密文长度更短。因此将目标B超影像视频帧中的每个像素级的像素级重要程度与对应像素点的出现频率进行加权后，通过哈夫曼编码算法进行加密，得到加密后的目标B超影像视频帧。也即，将传统哈夫曼编码算法中每个像素级的像素点的出现频率替换为该加权后的数值进行哈夫曼编码。进一步地根据加密后的所有B超影像视频帧进行组合得到加密后的B超影像视频。需要说明的是，哈夫曼编码算法为本领域技术人员所熟知的现有技术，在此不做进一步限定和赘述。
本发明实施例将加密后的B超影像视频传输至监测平台进行医疗远程监测。在本发明实施例中，将加密后的B超影像视频传输至医疗信息系统，通过医疗信息系统进行医疗远程智能监测。
综上所述，本发明首先获取待加密的B超影像视频对应的目标B超影像视频帧，根据各个纹理特征窗口及其邻域对应位置在各个B超影像视频帧中的纹理分布相似情况，以及目标B超影像视频帧中的边缘纹理复杂程度，得到每个纹理特征窗口的修正重要程度；在修正重要程度的基础上结合各个像素级的像素点得到像素级重要程度，根据哈夫曼编码算法以及像素级重要程度对目标B超影像视频帧进行加密，得到加密后的B超影像视频。本发明所获取的加密后的B超影像视频的加密效果更好，使得根据加密传输后的B超影像视频进行医疗远程监测的安全性更高。
本发明还提出了一种医疗远程智能监测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现任意一项一种医疗远程智能监测方法的步骤。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种医疗远程智能监测方法，其特征在于，所述方法包括：
获取待加密的B超影像视频对应的至少两个B超影像视频帧；依次将每个B超影像视频帧作为目标B超影像视频帧，根据目标B超影像视频帧中的纹理分布情况，将目标B超影像视频帧划分为至少两个纹理特征窗口；
在时间顺序上，根据目标B超影像视频帧后的各个B超影像视频帧在每个纹理特征窗口及目标B超影像视频帧后的各个B超影像视频帧邻域对应位置的纹理分布相似情况，得到每个纹理特征窗口的规律变化程度；根据目标B超影像视频帧中的边缘纹理复杂程度，得到目标B超影像视频帧对应的每个纹理特征窗口的参考重要程度；
根据所述参考重要程度和所述规律变化程度，以及目标B超影像视频帧中每个像素级对应的像素点的位置分布特征，得到目标B超影像视频帧中每个像素级的像素级重要程度；
根据哈夫曼编码算法结合所述像素级重要程度对目标B超影像视频帧进行加密，得到加密后的B超影像视频；将加密后的B超影像视频传输至监测平台进行医疗远程监测。
2.根据权利要求1所述的一种医疗远程智能监测方法，其特征在于，所述规律变化程度的获取方法包括：
对于任意一个纹理特征窗口：
将每个B超影像视频帧在纹理特征窗口对应位置下的区域，作为每个B超影像视频帧的纹理特征区域；
在时间顺序上，将目标B超影像视频帧后预设数量个B超影像视频帧，作为对比B超影像视频帧；将每个对比B超影像视频帧的纹理特征区域与其前一个B超影像视频帧的纹理特征区域之间的结构相似性系数，作为纹理特征窗口对应位置下每个对比B超影像视频帧对应的纹理结构相似特征值；
根据每个对比B超影像视频帧的纹理特征区域与其前一个B超影像视频帧的纹理特征区域的邻域内的纹理分布相似情况，得到纹理特征窗口对应位置下每个对比B超影像视频帧对应的局部纹理规律相似度；
根据所述纹理结构相似特征值和所述局部纹理规律相似度构建规律变化程度计算模型，通过所述规律变化程度计算模型，得到目标B超影像视频帧对应的每个纹理特征窗口的规律变化程度。
3.根据权利要求2所述的一种医疗远程智能监测方法，其特征在于，所述局部纹理规律相似度的获取方法包括：
对于任意一个对比B超影像视频帧：
将对比B超影像视频帧的前一个B超影像视频帧的纹理特征区域的质心位置对应的像素点，作为对应的中心像素点；将所述中心像素点预设邻域范围内的每个像素点作为邻域像素点；
通过与所述纹理特征区域形状大小相同的滑窗窗口遍历每个邻域像素点，得到每个邻域像素点对应的滑窗遍历区域；
将所有滑窗遍历区域与对比B超影像视频帧的纹理特征区域之间的结构相似性系数的最大值，作为每个对比B超影像视频帧对应的局部纹理规律相似度。
4.根据权利要求2所述的一种医疗远程智能监测方法，其特征在于，所述规律变化程度计算模型包括：
；其中，/>为目标B超影像视频帧对应的第/>个纹理特征窗口的规律变化程度，/>为目标B超影像视频帧对应的对比B超影像视频帧数量，/>为第/>个纹理特征窗口对应位置下第/>个对比B超影像视频帧对应的局部纹理规律相似度，/>为第/>个纹理特征窗口对应位置下第/>个对比B超影像视频帧对应的纹理结构相似特征值，为以自然常数为底的指数函数。
5.根据权利要求1所述的一种医疗远程智能监测方法，其特征在于，所述参考重要程度的获取方法包括：
通过傅里叶变换计算目标B超影像视频帧中的每个纹理特征窗口的平均频率；将所述平均频率作为目标B超影像视频帧对应的每个纹理特征窗口的参考重要程度。
6.根据权利要求1所述的一种医疗远程智能监测方法，其特征在于，所述像素级重要程度的获取方法包括：
在目标B超影像视频帧的所有像素级中，依次将每个像素级作为目标像素级；
根据所述参考重要程度和所述规律变化程度，得到目标B超影像视频帧对应的每个纹理特征窗口的修正重要程度，所述参考重要程度和所述规律变化程度均与所述修正重要程度呈正相关；
获取目标B超影像视频帧对应的每个纹理特征窗口中目标像素级的像素点的数量占比；将所述数量占比与所述修正重要程度的乘积，作为目标像素级在每个纹理特征窗口中的参考占比重要程度；将目标像素级在目标B超影像视频帧对应的所有纹理特征窗口中的参考占比重要程度的累加和，作为目标B超影像视频帧中目标像素级的像素级重要程度。
7.根据权利要求6所述的一种医疗远程智能监测方法，其特征在于，所述修正重要程度的获取方法包括：
将所述参考重要程度和所述规律变化程度之间乘积的归一化值，作为目标B超影像视频帧对应的每个纹理特征窗口的修正重要程度。
8.根据权利要求1所述的一种医疗远程智能监测方法，其特征在于，所述加密后的B超影像视频的获取方法包括：
将目标B超影像视频帧中的每个像素级的像素级重要程度与对应像素点的出现频率进行加权后，通过哈夫曼编码算法进行加密，得到加密后的目标B超影像视频帧；根据加密后的所有B超影像视频帧得到加密后的B超影像视频。
9.根据权利要求1所述的一种医疗远程智能监测方法，其特征在于，所述纹理特征窗口的获取方法包括：
对所述目标B超影像视频帧进行超像素分割，得到至少两个超像素块；将每个超像素块对应区域的窗口，作为纹理特征窗口。
10.一种医疗远程智能监测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311403577.2A CN117156182B (zh) | 2023-10-27 | 2023-10-27 | 一种医疗远程智能监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311403577.2A CN117156182B (zh) | 2023-10-27 | 2023-10-27 | 一种医疗远程智能监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117156182A CN117156182A (zh) | 2023-12-01 |
| CN117156182B true CN117156182B (zh) | 2024-01-23 |
Family
ID=88908367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311403577.2A Active CN117156182B (zh) | 2023-10-27 | 2023-10-27 | 一种医疗远程智能监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117156182B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118467764B (zh) * | 2024-07-15 | 2024-09-06 | 山东第一医科大学附属省立医院(山东省立医院) | 一种ct医学影像数据优化存储方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210071358A (ko) * | 2019-12-06 | 2021-06-16 | 주식회사 유피웍스 | 슈퍼 픽셀 영상 암호화 장치 및 방법 |
| CN113852822A (zh) * | 2021-09-23 | 2021-12-28 | 长春理工大学 | 一种基于哈夫曼编码的加密域图像隐写方法及系统 |
| CN115225897A (zh) * | 2022-07-14 | 2022-10-21 | 河南职业技术学院 | 一种基于霍夫曼编码的视频多级加密传输方法 |
| CN115278369A (zh) * | 2022-06-27 | 2022-11-01 | 河南天一智能信息有限公司 | 一种医疗远程监控系统的数据传输方法 |
| WO2023092342A1 (zh) * | 2021-11-24 | 2023-06-01 | 上海健康医学院 | 一种基于密文图像修复的医学图像隐私保护方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3043316A1 (en) * | 2015-01-08 | 2016-07-13 | Thomson Licensing | Method and apparatus for generating superpixels for multi-view images |
| WO2017042812A2 (en) * | 2015-09-10 | 2017-03-16 | Magentiq Eye Ltd. | A system and method for detection of suspicious tissue regions in an endoscopic procedure |
-
2023
- 2023-10-27 CN CN202311403577.2A patent/CN117156182B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210071358A (ko) * | 2019-12-06 | 2021-06-16 | 주식회사 유피웍스 | 슈퍼 픽셀 영상 암호화 장치 및 방법 |
| CN113852822A (zh) * | 2021-09-23 | 2021-12-28 | 长春理工大学 | 一种基于哈夫曼编码的加密域图像隐写方法及系统 |
| WO2023092342A1 (zh) * | 2021-11-24 | 2023-06-01 | 上海健康医学院 | 一种基于密文图像修复的医学图像隐私保护方法 |
| CN115278369A (zh) * | 2022-06-27 | 2022-11-01 | 河南天一智能信息有限公司 | 一种医疗远程监控系统的数据传输方法 |
| CN115225897A (zh) * | 2022-07-14 | 2022-10-21 | 河南职业技术学院 | 一种基于霍夫曼编码的视频多级加密传输方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117156182A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117156182B (zh) | 一种医疗远程智能监测方法及系统 | |
| KR100856042B1 (ko) | 웨이브렛 변환과 ｓｖｍ을 이용하여 초음파 영상에서대상체 볼륨을 추출하는 초음파 영상 시스템 및 방법 | |
| US11490830B2 (en) | Apparatus and method for quantification of the mapping of the sensory areas of the brain | |
| CN113034641B (zh) | 一种基于小波多尺度卷积特征编码的稀疏角度ct重建方法 | |
| CN117649357A (zh) | 一种基于图像增强的超声图像处理方法 | |
| CN117640932B (zh) | 用于远程医疗的神经内科图像压缩传输方法 | |
| CN108288058B (zh) | 一种改进的小波阈值膝关节摆动信号去噪算法 | |
| KR20210067783A (ko) | 전자 장치, 그 제어 방법 및 시스템 | |
| CN111640111A (zh) | 医学图像处理方法、装置及存储介质 | |
| JPWO2019216417A1 (ja) | モデル設定装置、血圧測定装置、およびモデル設定方法 | |
| Brindha et al. | Region based lossless compression for digital images in telemedicine application | |
| CN106780413B (zh) | 一种图像增强方法及装置 | |
| KR20120065277A (ko) | 신체, 특히, 종양의 용적 변화를 수반하는 병리 진행을 정량화하기 위한 방법 | |
| Liu et al. | Research and analysis of deep learning image enhancement algorithm based on fractional differential | |
| Ali et al. | Detection and segmentation of hemorrhage stroke using textural analysis on brain CT images | |
| JP6020015B2 (ja) | 脈波検出装置、脈波検出プログラム及び脈波検出方法 | |
| CN110322420A (zh) | 用于电子内窥镜系统的图像处理方法及图像处理系统 | |
| Hussin et al. | A visual enhancement quality of digital medical image based on bat optimization | |
| CN109389567A (zh) | 一种快速光学成像数据的稀疏滤波方法 | |
| Li et al. | Medical image enhancement in F-shift transformation domain | |
| Cao et al. | Medical image fusion based on GPU accelerated nonsubsampled shearlet transform and 2D principal component analysis | |
| KR101581688B1 (ko) | 적응적 의료 영상 전송 장치 및 방법 | |
| Wei et al. | Quantification of motion artifacts in 4DCT using global Fourier analysis | |
| Asokan et al. | Medical image fusion using stationary wavelet transform with different wavelet families | |
| Sombutkaew et al. | Adaptive quantization via fuzzy classified priority mapping for liver ultrasound compression |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |