本技術涉及激光醫(yī)療設備領域，更具體地說，涉及一種一種激光醫(yī)療設備控制方法、裝置、設備及存儲介質。

背景技術：

1、激光治療是一種利用激光的物理和生物學特性，對皮膚疾病進行診斷和治療的方法。激光治療可以應用與色素性皮膚病的治療，色素性皮膚病是一類影響皮膚色素的疾病，通常由于色素細胞(黑色素細胞)的異常功能或分布引起。這些疾病可以導致皮膚出現(xiàn)色素過度或色素減少的情況，從而引起皮膚色素不均勻或斑點。q開關nd:yag激光器是一種利用q開關技術控制摻釹釔鋁石榴石(nd:yag)晶體的激光輸出的激光器，通常工作在1064nm波長，可以通過倍頻棒轉換為532nm波長。q開關nd:yag激光器的特點是脈沖能量低(可達數(shù)毫焦耳)、峰值功率高(可達數(shù)兆瓦)、脈沖寬度短(可達數(shù)納秒)、脈沖重復率固定或隨泵浦功率變化。

2、現(xiàn)有技術公開號為cn116578034a的文獻提供一種電控模組、激光醫(yī)療設備和激光光束輸出控制方法，使用電控模組控制內部器件的位移精確控制激光發(fā)射的位置提高了位置控制精度且降低了成本。

3、上述中的現(xiàn)有技術方案僅考慮了激光光束的位置，未考慮激光本身的參數(shù)，如激光光斑的大小，激光的能量密度，激光的脈沖寬度，且不同的激光治療的范圍也有不同。

4、鑒于此，我們提出了一種一種激光醫(yī)療設備控制方法、裝置、設備及存儲介質。

技術實現(xiàn)思路

1、1、要解決的技術問題

2、本技術的目的在于提供一種一種激光醫(yī)療設備控制方法、裝置、設備及存儲介質。將激光醫(yī)療設備限定于使用q開關nd:yag治療色素性皮膚病，使用機器學習的方法幫助醫(yī)生判斷患者色素性皮膚病的類型，定位色素性皮膚病位置，調整激光醫(yī)療設備參數(shù)，并通過在治療過程中實時檢測患者皮膚是否存在異常保證激光治療的安全性。

3、2、技術方案

4、為了解決上述技術問題，第一方面，本技術技術方案提供了一種激光醫(yī)療設備控制方法，包括以下步驟：

5、s1、通過攝像頭采集患者色素性皮膚病的圖像，進行圖像分類診斷患者色素性皮膚病的類型；

6、s2、通過皮膚色素分析儀檢測患者色素性皮膚病的色素含量，色素分布，色素深度，色素顏色；

7、s3、將采集的數(shù)據(jù)輸入通過歷史成功案例訓練好的機器學習回歸模型得到合適的激光參數(shù)；

8、s4、使用訓練好的目標檢測模型通過攝像頭采集的患者色素性皮膚病圖像確定患者的患病位置，對激光發(fā)射裝置定位；

9、s5、使用得到的激光調整參數(shù)和色素性皮膚病的位置結合調整激光治療設備的光束輸出；

10、s6、在治療過程中，實時檢測患者的皮膚狀態(tài)，當檢測到患者皮膚出現(xiàn)異常情況時，及時發(fā)出警報提醒并暫停治療進度。

11、在第一方面中的一種可選方案，所述通過攝像頭采集患者色素性皮膚病的圖像，進行圖像分類診斷患者色素性皮膚病的類型的步驟包括：使用收集的各種類型的色素性皮膚病圖像采用one-hot編碼進行標注后制成數(shù)據(jù)集，將數(shù)據(jù)集分為訓練集和驗證集，訓練卷積神經(jīng)網(wǎng)絡，使用resnet作為卷積神經(jīng)網(wǎng)絡的架構，使用softmax函數(shù)作為分類函數(shù)，softmax函數(shù)是一種將任意實數(shù)映射到(0,1)區(qū)間內，并且和為1的函數(shù)，softmax函數(shù)公式為yk＝exp(ak)/∑ni＝1exp(ai),ak是輸出層中第k個輸入信號，yk是第k個輸出信號，n是輸出層的神經(jīng)元個數(shù)，使用交叉熵損失函數(shù)作為模型的損失函數(shù)，反向傳播優(yōu)化模型，交叉熵損失函數(shù)公式為l＝-∑nk＝1tklogyk,其中，tk是第k個類別的真實標簽(用one-hot編碼表示)，yk是第k個類別的預測概率(由softmax函數(shù)得到)，n是類別的個數(shù)，使用十折交叉驗證，評估f1值來調整模型的超參數(shù)，將色素性皮膚病分為雀斑，黃褐斑，黑斑，白癜風，老年斑，黑素瘤，使用one-hot編碼代表類別，診斷分類單元，將信息采集單元采集的患者色素性皮膚病圖像輸入訓練好的圖像分類模型，得到代表患者色素性皮膚病類型的one-hot編碼，通過圖像分類可以幫助醫(yī)生對患者病情進行分類，并為后續(xù)激光參數(shù)的調節(jié)提供依據(jù)。

12、在第一方面中的一種可選方案，所述將采集的數(shù)據(jù)輸入通過歷史成功案例訓練好的機器學習回歸模型得到合適的激光參數(shù)的步驟包括：將激光治療成功案例中色素性皮膚病類型，色素含量，色素分布，色素深度，色素顏色轉換為數(shù)據(jù)，標注為激光治療的激光參數(shù)，所述激光參數(shù)為光斑大小、能量密度以及脈沖寬度，進行數(shù)據(jù)處理制成數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓練集和驗證集訓練神經(jīng)網(wǎng)絡，輸入層為5個節(jié)點，輸出層為3個節(jié)點，使用relu作為激活函數(shù)，relu公式為f(x)＝max(0,x)，輸出函數(shù)為恒等函數(shù)，即f(x)＝x，損失函數(shù)為均方誤差，均方誤差公式為其中y是真實值，是預測值，n是樣本數(shù)量，反向傳播優(yōu)化神經(jīng)網(wǎng)絡，得到多變量回歸的神經(jīng)網(wǎng)絡模型。

13、在第一方面中的一種可選方案，將對患者色素性皮膚病的判斷數(shù)據(jù)結合皮膚色素分析儀的分析結果進行數(shù)據(jù)處理后輸入神經(jīng)網(wǎng)絡模型，得到激光醫(yī)療設備的激光參數(shù)。

14、通過上述技術方案，通過對歷史成功案例進行學習，調整激光治療設備的參數(shù)，提高激光治療的準確性，輔助醫(yī)生對患者的色素性皮膚病治療，幫助醫(yī)生對激光醫(yī)療設備的參數(shù)進行調整。

15、在第一方面中的一種可選方案，所述使用訓練好的目標檢測模型通過攝像頭采集的患者色素性皮膚病圖像確定患者的患病位置，對激光發(fā)射裝置定位的步驟包括：通過收集的不同類型的色素性皮膚病圖像進行邊緣標注后訓練目標檢測模型yolov5，按照yolov5的要求將圖片存放于images和labels文件夾下，并配置好yaml文件，選用yolov5s使用配置好的數(shù)據(jù)集訓練，得到可以檢測出色素性皮膚病位置的目標檢測模型。

16、在第一方面中的一種可選方案，通過將信息采集模塊采集到患者色素性皮膚病圖像輸入訓練好的yolov5s模型，確認患者色素性皮膚病的位置，為激光治療提供定位信息。

17、在第一方面中的一種可選方案，所述在治療過程中，實時檢測患者的皮膚狀態(tài)的步驟包括：通過收集的患者在激光治療中皮膚產(chǎn)生的異常反應圖像按照yolov5的要求支撐數(shù)據(jù)集，配置好yaml文件，使訓練好的yolov5模型可以檢測出在激光治療過程中患者皮膚出現(xiàn)的異常反應，通過攝像頭實時獲取的患者皮膚影像檢測激光治療是否引起了皮膚異常反應。

18、通過上述技術方案，使用機器學習的方法對激光治療進行輔助，幫助醫(yī)生判斷病情，制定治療方案，控制激光治療設備，降低激光治療的操作難度，提高治療的效率。

19、第二方面，本技術的技術方案提供了一種激光醫(yī)療設備控制裝置，包括：

20、信息采集模塊，所述信息采集模塊采集患者色素性皮膚病的圖像和皮膚色素分析儀的結果；

21、輔助診斷模塊，所述輔助診斷模塊通過圖像分類對患者色素性皮膚病進行分類，得到患者色素性皮膚病的類型；

22、激光控制模塊，所述激光控制模塊依據(jù)圖像分類的結果，皮膚病的色素深度和分布，色素性質和密度，患者的皮膚類型通過機器學習方法得到合適的激光光斑大小，激光的能量密度，激光的脈沖寬度；

23、激光定位模塊，所述激光定位模塊通過目標檢測定位患者色素性皮膚病的位置，使用色素性皮膚病的邊緣對色素性皮膚病進行定位；

24、皮膚反饋模塊，所述皮膚反饋模塊通過攝像頭對激光治療部分進行實時檢測，當皮膚出現(xiàn)異常反應時，進行報警并停止治療；

25、激光治療模塊，所述激光治療模塊依據(jù)激光定位模塊對病患處進行定位，依據(jù)激光控制模塊設定的參數(shù)對色素性皮膚病進行治療。

26、作為本技術文件的一種可選方案，所述信息采集模塊包括圖像采集單元，所述圖像采集單元采集患者的色素性皮膚病圖像，數(shù)據(jù)采集單元，所述數(shù)據(jù)采集單元通過通訊的方式獲取皮膚色素分析儀的分析結果。

27、作為本技術文件的一種可選方案，所述輔助診斷模塊包括：診斷訓練單元，所述病癥分類訓練單元依據(jù)不同類型色素性皮膚病的圖像進行標注后訓練卷積神經(jīng)網(wǎng)絡，得到可以將色素性皮膚病分類的圖像分類模型，分類的類別可以為雀斑，黃褐斑，黑斑，白癜風，老年斑，黑素瘤等。診斷分類單元，所述診斷分類單元將信息采集模塊獲取的患者色素性皮膚病的圖像輸入訓練好的圖像分類模型得到患者色素性皮膚病的類型。

28、作為本技術文件的一種可選方案，所述激光控制模塊包括：回歸訓練單元，所述回歸訓練單元通過歷史成功案例中不同的病癥類型(雀斑，黃褐斑，白癜風)，色素含量，色素分布，色素深度，色素顏色標注對應的激光光斑大小，激光能量密度，激光脈沖寬度訓練機器學習回歸模型。參數(shù)確定單元，所述參數(shù)確定單元將信息采集模塊和輔助診斷模塊的結果輸入機器學習回歸模型得到合適的光斑大小，激光能量密度，激光脈沖寬度。

29、作為本技術文件的一種可選方案，所述激光定位模塊包括：定位訓練單元，所述定位訓練模塊使用患者色素性皮膚病的圖像進行標注色素性皮膚病位置后制成數(shù)據(jù)集，使用標注好的數(shù)據(jù)集訓練目標檢測模型，得到可以定位色素性皮膚病位置的目標檢測模型。位置確定單元，通過攝像頭采集的患者色素性皮膚病圖像進行目標檢測，定位色素性皮膚病的位置，使激光發(fā)射裝置可以對準色素性皮膚病位置。

30、作為本技術文件的一種可選方案，所述皮膚反饋模塊包括：反饋訓練單元，所述反饋訓練單元同樣使用目標檢測算法，通過收集的皮膚受激光刺激產(chǎn)生的異常情況圖像進行標注后形成數(shù)據(jù)集，使用標注好的數(shù)據(jù)集訓練目標檢測模型，得到可以檢測出皮膚異常反應的目標檢測模型。異常檢測單元，所述異常檢查單元在治療時通過攝像頭實時獲取患者皮膚圖像，當檢查到皮膚出現(xiàn)異常反應時，及時發(fā)出警報并暫停治療進度。

31、作為本技術文件的一種可選方案，所述激光治療模塊包括激光發(fā)射裝置和相應的調節(jié)裝置，使用q開關nd:yag，激光的參數(shù)(光斑大小，能量密度，脈沖寬度)受激光控制模塊輸出的結果控制，依據(jù)激光定位模塊定位的患者色素性皮膚病位置進行治療，依據(jù)皮膚反饋模塊的結果及時做出反應。

32、第三方面，本技術還提供一種計算機設備，包括處理器和存儲器，所述存儲器用于存儲計算機程序，所述計算機程序被所述處理器執(zhí)行時實現(xiàn)如第一方面所述的激光醫(yī)療設備控制方法。

33、第四方面，本技術還提供一種計算機可讀存儲介質，其存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如第一方面所述的激光醫(yī)療設備控制方法。

34、3、有益效果

35、本技術技術方案中提供的一個或多個技術方案，至少具有如下技術效果或優(yōu)點：

36、通過圖像分類幫助醫(yī)生診斷患者色素性皮膚病的類型，通過對歷史成功案例的學習分析合適患者的激光參數(shù)，增加激光治療的準確性和成功率；

37、通過激光定位模塊，使用目標檢測，自動使激光對準患者色素性皮膚病的位置，增加了激光治療位置的準確性，減少了醫(yī)生手動操作可能引發(fā)的風險，避免因位置原因造成正常皮膚的損傷，降低了激光治療的操作難度；

38、通過皮膚反饋模塊，使用目標檢測對患者皮膚進行實時的監(jiān)控，確保能及時發(fā)現(xiàn)患者的皮膚反應，當出現(xiàn)異常反應時能夠對醫(yī)生進行提醒并及時的暫停治療，防止激光對患者皮膚造成不必要的損傷，保證了激光治療的安全性。

39、通過激光治療模塊與多個模塊協(xié)同配合，增加激光治療的準確性和安全性，為醫(yī)生的診斷治療提供幫助，降低醫(yī)生的工作量，提高工作效率；

40、通過使用機器學習的方法對激光治療進行輔助，幫助醫(yī)生判斷病情，制定治療方案，控制激光治療設備，降低激光治療的操作難度，提高治療的效率。