本發(fā)明涉及醫(yī)療科技領(lǐng)域，特別是指基于神經(jīng)外科下的組織損傷智能識(shí)別方法及系統(tǒng)。

背景技術(shù)：

1、臨床觀(guān)察主要依賴(lài)于患者的自述癥狀和醫(yī)生的體格檢查。然而，不同患者的癥狀表現(xiàn)可能因個(gè)體差異而有所不同，且有些神經(jīng)損傷的初期癥狀可能并不明顯，這增加了診斷的難度。

2、由于傳統(tǒng)診斷手段的局限性，神經(jīng)外科領(lǐng)域在診斷神經(jīng)組織損傷時(shí)面臨著一定的誤診風(fēng)險(xiǎn)。尤其是在面對(duì)微小損傷時(shí)，這些傳統(tǒng)方法的識(shí)別能力更是顯得捉襟見(jiàn)肘。微小損傷可能僅僅表現(xiàn)為神經(jīng)組織的輕微異常，而這些異常在傳統(tǒng)的診斷手段下往往難以被準(zhǔn)確捕捉和識(shí)別。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問(wèn)題是提供基于神經(jīng)外科下的組織損傷智能識(shí)別方法及系統(tǒng)，通過(guò)特征提取和分類(lèi)，提升了神經(jīng)組織損傷識(shí)別的精確性和可靠性。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明的技術(shù)方案如下：

3、第一方面，基于神經(jīng)外科下的組織損傷智能識(shí)別方法，所述方法包括：

4、對(duì)目標(biāo)神經(jīng)組織進(jìn)行超聲監(jiān)測(cè)，并采集超聲散射回波信號(hào)，對(duì)采集到的信號(hào)進(jìn)行預(yù)處理，以得到預(yù)處理后的超聲散射回波信號(hào)；

5、對(duì)預(yù)處理后的超聲散射回波信號(hào)進(jìn)行傅里葉變換，以得到傅里葉變換的時(shí)頻；

6、對(duì)傅里葉變換的時(shí)頻進(jìn)行能量分析，以得到時(shí)頻能量分析結(jié)果；

7、根據(jù)時(shí)頻能量分析結(jié)果，定位神經(jīng)組織損傷區(qū)域，以得到損傷區(qū)域的回波信號(hào)；

8、對(duì)損傷區(qū)域的回波信號(hào)進(jìn)行特征提取，以得到特征參量；

9、根據(jù)特征參量，對(duì)超聲散射回波信號(hào)進(jìn)行分類(lèi)，以得到分類(lèi)結(jié)果；

10、根據(jù)分類(lèi)結(jié)果，識(shí)別神經(jīng)組織的損傷狀態(tài)，以得到識(shí)別結(jié)果。

11、進(jìn)一步的，對(duì)目標(biāo)神經(jīng)組織進(jìn)行超聲監(jiān)測(cè)，并采集超聲散射回波信號(hào)，對(duì)采集到的信號(hào)進(jìn)行預(yù)處理，以得到預(yù)處理后的超聲散射回波信號(hào)，包括：

12、高頻超聲探頭對(duì)目標(biāo)神經(jīng)組織進(jìn)行超聲監(jiān)測(cè)，獲取超聲散射回波信號(hào)；

13、對(duì)超聲散射回波信號(hào)進(jìn)行放大，并將放大的信號(hào)通過(guò)計(jì)算進(jìn)行濾波，以得到濾波處理的信號(hào)；

14、將濾波處理的信號(hào)進(jìn)行時(shí)間校準(zhǔn)，以得到預(yù)處理后的超聲散射回波信號(hào)。

15、進(jìn)一步地，對(duì)預(yù)處理后的超聲散射回波信號(hào)進(jìn)行傅里葉變換，以得到傅里葉變換的時(shí)頻，包括：

16、將預(yù)處理后的超聲散射回波信號(hào)分成一系列重疊的幀，確定幀的長(zhǎng)度；

17、根據(jù)幀的長(zhǎng)度，對(duì)每一幀信號(hào)通過(guò)計(jì)算得到漢明窗函數(shù)；

18、根據(jù)漢明窗函數(shù)，通過(guò)計(jì)算，以得到變換結(jié)果；

19、將變換結(jié)果進(jìn)行匯總，以得到傅里葉變換的時(shí)頻。

20、進(jìn)一步地，對(duì)傅里葉變換的時(shí)頻進(jìn)行能量分析，以得到時(shí)頻能量分析結(jié)果，包括：

21、根據(jù)傅里葉變換的時(shí)頻，通過(guò)計(jì)算每個(gè)頻率分量的幅度平方，以得到信號(hào)的能量譜；

22、通過(guò)分析能量譜識(shí)別超聲散射回波信號(hào)中的頻率成分，以得到時(shí)頻能量分析結(jié)果。

23、進(jìn)一步地，根據(jù)時(shí)頻能量分析結(jié)果，定位神經(jīng)組織損傷區(qū)域，以得到損傷區(qū)域的回波信號(hào)，包括：

24、對(duì)時(shí)頻能量分析結(jié)果進(jìn)行邊緣檢測(cè)，以識(shí)別損傷區(qū)域的特征，特征包括形狀、大小、位置；

25、根據(jù)損傷區(qū)域的特征，定位對(duì)應(yīng)的損傷區(qū)域；

26、根據(jù)損傷區(qū)域，從超聲散射回波信號(hào)中提取損傷區(qū)域的回波信號(hào)。

27、進(jìn)一步地，對(duì)損傷區(qū)域的回波信號(hào)進(jìn)行特征提取，以得到特征參量，包括：

28、將損傷區(qū)域的回波信號(hào)劃分為不同的粒度級(jí)別；

29、對(duì)于每個(gè)粒度級(jí)別，通過(guò)計(jì)算信號(hào)的熵，以得到信號(hào)復(fù)雜性的特征參量，l是粒度級(jí)別，是在粒度級(jí)別上的信號(hào)值的數(shù)量，是信號(hào)值出現(xiàn)的概率，i是信號(hào)值；

30、對(duì)于每個(gè)粒度級(jí)別，通過(guò)計(jì)算信號(hào)的平均值，以得到信號(hào)的直流分量的特征參量；

31、對(duì)于每個(gè)粒度級(jí)別，通過(guò)計(jì)算信號(hào)的方差，以得到信號(hào)的波動(dòng)程度特征參量；

32、對(duì)于每個(gè)粒度級(jí)別，通過(guò)計(jì)算信號(hào)平方的和，以得到信號(hào)的能量特征參量。

33、進(jìn)一步地，根據(jù)特征參量，對(duì)超聲散射回波信號(hào)進(jìn)行分類(lèi)，以得到分類(lèi)結(jié)果，包括：

34、根據(jù)復(fù)雜性的特征參量、直流分量的特征參量、波動(dòng)程度特征參量以及能量特征參量，設(shè)定初始聚類(lèi)中心和聚類(lèi)數(shù)目；

35、根據(jù)初始聚類(lèi)中心和聚類(lèi)數(shù)目，通過(guò)計(jì)算每個(gè)聚類(lèi)中心的隸屬度；

36、根據(jù)每個(gè)聚類(lèi)中心的隸屬度，通過(guò)更新聚類(lèi)中心；

37、通過(guò)隸屬度和聚類(lèi)中心的迭代計(jì)算，對(duì)提取的特征參量進(jìn)行聚類(lèi)分析，以得到分類(lèi)結(jié)果。

38、第二方面，基于神經(jīng)外科下的組織損傷智能識(shí)別系統(tǒng)，包括：

39、獲取模塊，用于對(duì)目標(biāo)神經(jīng)組織進(jìn)行超聲監(jiān)測(cè)，并采集超聲散射回波信號(hào)，對(duì)采集到的信號(hào)進(jìn)行預(yù)處理，以得到預(yù)處理后的超聲散射回波信號(hào)；

40、變換模塊，用于對(duì)預(yù)處理后的超聲散射回波信號(hào)進(jìn)行傅里葉變換，以得到傅里葉變換的時(shí)頻；

41、能量分析模塊，用于對(duì)傅里葉變換的時(shí)頻進(jìn)行能量分析，以得到時(shí)頻能量分析結(jié)果；根據(jù)時(shí)頻能量分析結(jié)果，定位神經(jīng)組織損傷區(qū)域，以得到損傷區(qū)域的回波信號(hào)；

42、提取模塊，用于對(duì)損傷區(qū)域的回波信號(hào)進(jìn)行特征提取，以得到特征參量；

43、分類(lèi)模塊，用于根據(jù)特征參量，對(duì)超聲散射回波信號(hào)進(jìn)行分類(lèi)，以得到分類(lèi)結(jié)果；

44、識(shí)別模塊，用于根據(jù)分類(lèi)結(jié)果，識(shí)別神經(jīng)組織的損傷狀態(tài)，以得到識(shí)別結(jié)果。

45、第三方面，一種計(jì)算設(shè)備，包括：

46、一個(gè)或多個(gè)處理器；

47、存儲(chǔ)裝置，用于存儲(chǔ)一個(gè)或多個(gè)程序，當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)所述的方法。

48、第四方面，一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的方法。

49、本發(fā)明的上述方案至少包括以下有益效果：

50、本發(fā)明通過(guò)高精度的超聲監(jiān)測(cè)技術(shù)，能夠準(zhǔn)確捕捉神經(jīng)組織的微小變化，從而顯著提升診斷的精確性；利用傅里葉變換、時(shí)頻能量分析和特征提取技術(shù)，對(duì)超聲散射回波信號(hào)的細(xì)致分析，能夠在神經(jīng)組織損傷初期就進(jìn)行準(zhǔn)確識(shí)別；通過(guò)優(yōu)化粗?；惴ê蚲k模糊聚類(lèi)算法，實(shí)現(xiàn)了對(duì)超聲散射回波信號(hào)的智能化特征提取和分類(lèi)，提高了數(shù)據(jù)分析的效率和準(zhǔn)確性。

技術(shù)特征：

1.基于神經(jīng)外科下的組織損傷智能識(shí)別方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的基于神經(jīng)外科下的組織損傷智能識(shí)別方法，其特征在于，對(duì)目標(biāo)神經(jīng)組織進(jìn)行超聲監(jiān)測(cè)，并采集超聲散射回波信號(hào)，對(duì)采集到的信號(hào)進(jìn)行預(yù)處理，以得到預(yù)處理后的超聲散射回波信號(hào)，包括：

3.根據(jù)權(quán)利要求2所述的基于神經(jīng)外科下的組織損傷智能識(shí)別方法，其特征在于，對(duì)預(yù)處理后的超聲散射回波信號(hào)進(jìn)行傅里葉變換，以得到傅里葉變換的時(shí)頻，包括：

4.根據(jù)權(quán)利要求3所述的基于神經(jīng)外科下的組織損傷智能識(shí)別方法，其特征在于，對(duì)傅里葉變換的時(shí)頻進(jìn)行能量分析，以得到時(shí)頻能量分析結(jié)果，包括：

5.根據(jù)權(quán)利要求4所述的基于神經(jīng)外科下的組織損傷智能識(shí)別方法，其特征在于，根據(jù)時(shí)頻能量分析結(jié)果，定位神經(jīng)組織損傷區(qū)域，以得到損傷區(qū)域的回波信號(hào)，包括：

6.根據(jù)權(quán)利要求5所述的基于神經(jīng)外科下的組織損傷智能識(shí)別方法，其特征在于，對(duì)損傷區(qū)域的回波信號(hào)進(jìn)行特征提取，以得到特征參量，包括：

7.根據(jù)權(quán)利要求6所述的基于神經(jīng)外科下的組織損傷智能識(shí)別方法，其特征在于，根據(jù)特征參量，對(duì)超聲散射回波信號(hào)進(jìn)行分類(lèi)，以得到分類(lèi)結(jié)果，包括：

8.基于神經(jīng)外科下的組織損傷智能識(shí)別系統(tǒng)，其特征在于，包括：

9.一種計(jì)算設(shè)備，其特征在于，包括：

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了基于神經(jīng)外科下的組織損傷智能識(shí)別方法及系統(tǒng)，涉及醫(yī)療科技領(lǐng)域，包括：對(duì)目標(biāo)神經(jīng)組織進(jìn)行超聲監(jiān)測(cè)，并采集超聲散射回波信號(hào)，對(duì)采集到的信號(hào)進(jìn)行預(yù)處理，以得到預(yù)處理后的超聲散射回波信號(hào)；對(duì)預(yù)處理后的超聲散射回波信號(hào)進(jìn)行傅里葉變換，以得到傅里葉變換的時(shí)頻；對(duì)傅里葉變換的時(shí)頻進(jìn)行能量分析，以得到時(shí)頻能量分析結(jié)果；根據(jù)時(shí)頻能量分析結(jié)果，定位神經(jīng)組織損傷區(qū)域，以得到損傷區(qū)域的回波信號(hào)，根據(jù)時(shí)頻能量分析結(jié)果，定位神經(jīng)組織損傷區(qū)域，以得到損傷區(qū)域的回波信號(hào)。本發(fā)明通過(guò)特征提取和分類(lèi)，提升了神經(jīng)組織損傷識(shí)別的精確性和可靠性。

技術(shù)研發(fā)人員：曹尋
受保護(hù)的技術(shù)使用者：南通市第一人民醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6