一种基于机器学习的护理伤口图像智能评估系统及方法

本发明涉及图像识别，尤其涉及一种基于机器学习的护理伤口图像智能评估系统及方法。

背景技术：

1、目前现有市面上的护理伤口图像评估技术通常依赖传统的边界检测算法或简单的图像处理方法，这些方法在处理复杂伤口形态时常表现出较低的准确性和稳定性。具体来说，传统方法无法有效识别复杂的伤口边界，尤其是在边缘模糊或不规则的情况下，导致评估结果的误差较大。

2、此外，许多现有技术无法自适应地处理伤口图像中的局部间断区域或不连续性，常常需要手动干预或采用过于繁琐的后处理步骤，从而降低了系统的自动化水平和处理效率。

技术实现思路

1、基于此，有必要提供一种基于机器学习的护理伤口图像智能评估系统及方法，以解决至少一个上述技术问题。

2、为实现上述目的，一种基于机器学习的护理伤口图像智能评估方法，所述方法包括以下步骤：

3、步骤s1：通过图像采集装置获取护理伤口图像并传输至处理单元；

4、步骤s2：选取包含伤口区域的局部窗口，以局部窗口的中心像素为基准，沿径向方向逐像素扫描，记录各扫描路径上的灰度变化序列；

5、步骤s3：将灰度变化序列输入预训练的轻量化机器学习模型中进行趋势判别，筛选出对应伤口边界变化特征的灰度有效序列；

6、步骤s4：对灰度有效序列进行一阶差分，得到灰度梯度变化集合，并提取极值点生成伤口边界候选点集；

7、步骤s5：基于各扫描路径的角度分布，对伤口边界候选点集进行环向重组，形成闭合边界曲线，并根据闭合边界曲线内外的灰度差异输出伤口状态评估结果。

8、本发明还提供了一种基于机器学习的护理伤口图像智能评估系统，用于执行如上述的基于机器学习的护理伤口图像智能评估方法，该基于机器学习的护理伤口图像智能评估系统包括：

9、图像采集模块，用于通过图像采集装置获取护理伤口图像并传输至处理单元；

10、径向扫描模块，用于选取包含伤口区域的局部窗口，以局部窗口的中心像素为基准，沿径向方向逐像素扫描，记录各扫描路径上的灰度变化序列；

11、趋势判别模块，用于将灰度变化序列输入预训练的轻量化机器学习模型中进行趋势判别，筛选出对应伤口边界变化特征的灰度有效序列；

12、梯度提取模块，用于对灰度有效序列进行一阶差分，得到灰度梯度变化集合，并提取极值点生成伤口边界候选点集；

13、边界重构模块，用于基于各扫描路径的角度分布，对伤口边界候选点集进行环向重组，形成闭合边界曲线，并根据闭合边界曲线内外的灰度差异输出伤口状态评估结果。

14、本发明的有益效果在于通过图像采集装置获取伤口图像，并沿径向方向扫描记录灰度变化序列，利用预训练的轻量化机器学习模型进行趋势判别，筛选出伤口边界的灰度有效序列。接着，通过一阶差分和极值点提取，形成伤口边界候选点集，并根据扫描路径的角度分布对候选点进行环向重组，构建闭合的伤口边界曲线。进一步地，方法通过环带式灰度采样，对边界的内外侧灰度差值分布进行分析，并构建伤口边界稳定判据，从而提供伤口的状态评估结果。针对可能存在的边界间断或缺失，方法还实现了自动插值和边界修正机制，确保边界完整闭合并与真实伤口形态一致。通过局部边界凸起、凹陷或间隙区域的智能修正，方法进一步优化了伤口边界的精确性。此外，环带铺设过程中，依据灰度趋势调整环带位置，有效补偿局部不连续区域，确保了伤口区域的完整覆盖。整体而言，本方法在准确识别和修正伤口边界、提升评估稳定性和适用性方面具有显著优势，能够为临床护理提供精准、实时的伤口评估技术支持，具有较高的实用性和创新性。

1.一种基于机器学习的护理伤口图像智能评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于机器学习的护理伤口图像智能评估方法，其特征在于，步骤s5包括以下步骤：

3.根据权利要求2所述的基于机器学习的护理伤口图像智能评估方法，其特征在于，对初始环向边界链分别进行环带式灰度采样之前还包括：

4.根据权利要求2所述的基于机器学习的护理伤口图像智能评估方法，其特征在于，步骤s53包括：

5.根据权利要求4所述的基于机器学习的护理伤口图像智能评估方法，其特征在于，以连续闭合的边界曲线为基准，沿曲线法线方向在内外侧分别生成若干同心环带包括：

6.根据权利要求5所述的基于机器学习的护理伤口图像智能评估方法，其特征在于，通过同心环带覆盖伤口区域的边界组织区域具体为：

7.根据权利要求6所述的基于机器学习的护理伤口图像智能评估方法，其特征在于，在环带铺设过程中，对局部边界凸凹或间隙区域，依据相邻环带灰度趋势调整环带位置实现局部连续补偿包括：

8.根据权利要求3所述的基于机器学习的护理伤口图像智能评估方法，其特征在于，在缺失角度区段内，沿径向按相邻灰度变化的比例依次插入边界点包括：

9.根据权利要求8所述的基于机器学习的护理伤口图像智能评估方法，其特征在于，根据两侧边界点的灰度差值，确定沿径向的灰度变化比例，并确定候选插入位置具体为：

10.一种基于机器学习的护理伤口图像智能评估系统，其特征在于，用于执行如权利要求1所述的基于机器学习的护理伤口图像智能评估方法，该基于机器学习的护理伤口图像智能评估系统包括：