基于人工智能的新生儿脐部恢复情况识别系统及方法

本发明涉及数据处理，是基于人工智能的新生儿脐部恢复情况识别系统及方法。

背景技术：

1、新生儿脐部护理贯穿出生后早期恢复阶段。脐带残端从结扎开始，通常经历干燥、收缩、颜色变化、局部裂解、脱落以及脱落后局部组织继续恢复等多个连续阶段。由于大量新生儿脐部观察与护理行为发生在家庭场景中，因此，如何在非标准化环境下持续、稳定地识别脐部恢复情况，成为新生儿护理智能化中的重要技术问题。

2、现有技术中，针对新生儿脐部图像的识别方法大多采用单帧图像分类、脐部区域分割或静态特征判断方式，其通常默认同一新生儿在不同时间采集的脐部图像之间可以直接进行比较，或者通过中心裁剪、外轮廓检测、刚性配准等方式建立不同时间点之间的对应关系。该类方案在脐部外观较稳定、采集条件较规范的情况下具有一定效果，但在真实护理场景中仍存在明显局限。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、需要更进一步说明的是，本发明所要解决的技术问题具体展开来说，一方面，家庭拍摄环境中普遍存在镜头角度偏斜、拍摄距离变化、焦点不稳、局部阴影、曝光不均、操作者手部抖动、尿布边缘遮挡以及新生儿腹部轻微起伏等情况，这些因素会使同一脐部在不同时间点图像中的位置、大小、纹理和阴影表现发生变化，从而影响识别结果稳定性；另一方面，在新生儿出生后第5天至第14天附近，脐带残端通常进入脱落前后过渡阶段。该阶段并非简单的整体缩小或颜色变化，而往往伴随残端自由端偏转、翘起、塌陷、局部结痂裂解翻卷、根部接触界面一侧先分离而另一侧仍附着，以及脐周褶皱和腹壁纹理随姿态和张力变化而再分布等现象。由此导致同一脐部在不同时间点图像中，视觉中心、外轮廓重心和阴影结构均可能发生漂移，而真正需要持续关注的关键结构，即残端根部接触区域及其邻近稳定组织，难以通过常规视觉中心定位方式稳定锁定。

3、现有方法往往将整幅脐部区域统一输入模型，缺乏对局部结构稳定性差异的建模，因此容易将残端自由端的姿态变化误解释为恢复程度变化，或者将脐周褶皱与投影阴影变化误判为局部结构异常，导致连续监测结果在相邻时间点之间出现异常跳变，降低识别可信度。

4、更进一步地，在脐带残端脱落前后过渡阶段，结痂层表层还容易发生裂解、片层剥离和边缘翻卷，造成局部高频纹理能量增强。若系统不能区分该类表层纹理演化与根部真实连接结构变化，则容易产生伪变化响应，使单次识别和趋势分析不稳定。

5、因此，本发明提出了基于人工智能的新生儿脐部恢复情况识别系统及方法。

6、其中，本发明基于人工智能的新生儿脐部恢复情况识别方法的技术方案包括如下步骤：

7、步骤s101，获取新生儿的脐部图像数据，所述脐部图像数据包括当前采集时刻的脐部图像数据以及至少一个历史采集时刻的脐部图像数据；

8、步骤s102，对所述脐部图像数据进行预处理和质量控制，得到有效脐部图像数据；

9、步骤s103，基于所述有效脐部图像数据提取候选解剖锚点，并根据所述候选解剖锚点建立脐部局部解剖参考系；

10、步骤s104，在所述脐部局部解剖参考系下，将当前采集时刻的脐部图像数据与历史采集时刻的脐部图像数据执行跨时序对齐；

11、步骤s105，基于对齐后的脐部图像数据提取恢复情况特征，所述恢复情况特征至少包括根部接触界面特征、脐周褶皱重构特征和残端表层纹理演化特征；

12、步骤s106，基于所述恢复情况特征执行恢复情况识别，得到新生儿脐部恢复情况识别结果；

13、步骤s107，基于当前识别结果和历史识别结果中的至少一种，输出恢复稳定度信息、趋势分析结果和采集反馈信息中的至少一种；

14、其中，所述建立脐部局部解剖参考系包括确定参考原点、主轴方向和副轴方向，所述跨时序对齐包括依据脐部区域内不同结构区域的稳定性差异执行差异化对齐约束。

15、具体地，所述步骤s101中，获取新生儿脐部图像数据包括获取新生儿脐部的短时图像序列，所述短时图像序列的采集持续时间为，图像帧数为帧，采集帧率为，并在采集过程中控制采集终端镜头主光轴与腹壁局部法向之间的夹角不超过。

16、具体地，所述步骤s102中，对所述脐部图像数据进行预处理和质量控制包括：计算各帧图像的清晰度指标、曝光均衡性指标以及相邻帧之间的平均位移指标，并基于所述清晰度指标、曝光均衡性指标以及平均位移指标，筛除模糊帧、过曝帧、欠曝帧和大幅漂移帧，并基于筛选后的剩余图像帧确定用于解剖锚定的目标图像帧或目标图像帧集合；

17、其中，所述清晰度指标基于图像拉普拉斯响应或梯度响应计算，所述曝光均衡性指标基于目标区域灰度均值和灰度标准差计算，所述平均位移指标基于相邻帧之间的特征点跟踪结果计算。

18、具体地，所述步骤s102还包括，构建可比性先验评分模型，对本次采集图像数据的整体质量进行综合评估；

19、其中，所述可比性先验评分模型的配置为：基于筛选后可用的代表帧的代表性特征构建状态向量，并基于预先在标准采集条件下合格样本统计得到的均值向量与协方差矩阵，计算马氏距离，生成可比性先验评分；

20、当低于预设阈值时，判定本次采集质量不合格，输出重拍提示，并停止对该次采集图像数据执行跨时序趋势分析。

21、具体地，步骤s103，提取候选解剖锚点并建立脐部局部解剖参考系包括：在脐部图像中提取脐窝凹陷中心候选点、脐周褶皱汇聚点、残端根部接触弧段端点、腹壁局部主对称轴候选线和局部纹理方向突变带中的一种或多种，利用解剖锚点可信度模型对所述候选解剖锚点进行评分，并依据评分结果选取目标锚点组合建立脐部局部解剖参考系；

22、其中，所述脐部局部解剖参考系以根部接触弧段的几何中心或脐窝稳定中心作为参考原点，以腹壁局部主对称方向作为主轴方向，并以与所述主轴方向正交的方向作为副轴方向；

23、其中，所述解剖锚点可信度模型的配置为：对第个候选锚点，基于其邻域窗口内图像梯度构成的harris矩阵的特征值和，计算纯形状角点响应；

24、基于所述候选锚点在短时图像序列中的位移方差，计算运动稳定性惩罚项；

25、计算候选锚点的可信度，其中为控制运动稳定性惩罚强度的参数。

26、具体地，所述步骤s104中，跨时序对齐包括：将脐部区域划分为根部接触稳定区、脐周褶皱弹性变化区和残端自由端漂移区，并对所述根部接触稳定区施加强约束，对所述脐周褶皱弹性变化区施加弹性约束，对所述残端自由端漂移区不施加额外几何约束；

27、其中，对所述根部接触稳定区施加的位置一致性约束强度大于对所述残端自由端漂移区施加的位置一致性约束强度；

28、其中，所述根部接触稳定区以参考原点为中心、以根部接触弧段特征尺度为半径确定，所述脐周褶皱弹性变化区为自外缘向外扩展至包含脐周褶皱汇聚点的环形区域，所述残端自由端漂移区为脐部区域中除和之外的残端所在区域。

29、具体地，所述步骤s104中，跨时序对齐进一步包括：

30、构建分区非刚性对齐模型，通过泛函能量优化的方式，求解最优位移场，所述泛函能量优化的目标函数由数据保真项、弹性正则化项和刚性正则化项加权求和构成，其中所述数据保真项基于全图区域的局部归一化互相关构建，所述弹性正则化项对应于所述脐周褶皱弹性变化区并基于应变张量构建，所述刚性正则化项对应于所述根部接触稳定区并基于位移范数构建；

31、在完成对齐后，基于根部接触稳定区的对齐质量和解剖位姿偏差，计算跨时序可比性评分参数；；

32、其中为根部接触稳定区对齐后的归一化互相关系数，为参考原点偏移量，为主轴夹角偏差，和分别为可接受的位置和角度偏差特征尺度；

33、当所述跨时序可比性评分参数低于预设阈值时，停止输出趋势分析结果，并输出重拍提示或仅输出单次恢复情况识别结果。

34、具体地，所述步骤s105中，提取恢复情况特征包括：

35、提取根部接触界面特征，并基于所述根部接触界面特征构建结构参数；

36、所述根部接触界面特征包括接触弧长、接触带平均宽度、接触带宽度标准差和暴露带面积；

37、所述结构参数包括接触带相对宽度参数、接触带不均匀性参数和暴露带相对面积参数；

38、提取脐周褶皱重构特征，所述脐周褶皱重构特征包括脐周褶皱方向离散度；

39、提取残端表层纹理演化特征，所述残端表层纹理演化特征包括高频纹理能量占比；

40、构建当前时刻的恢复结构状态向量。

41、具体地，所述步骤s106包括：

42、计算当前恢复结构状态向量相对于预先构建的正常恢复状态集合的最小统计偏离距离；

43、；其中为正常恢复状态集合，为正常恢复样本对应的协方差矩阵；

44、基于所述最小统计偏离距离和所述跨时序可比性评分参数，生成恢复稳定度评分参数，，输出恢复稳定度信息；

45、所述恢复情况识别采用空间特征提取与时序特征融合的方式进行，其中进行时序特征融合时，仅纳入满足跨时序可比性要求的历史采集图像数据对应的结构状态向量。

46、另外，本发明基于人工智能的新生儿脐部恢复情况识别系统包括如下模块：

47、图像采集模块、预处理与质量控制模块、解剖锚定模块、跨时序对齐模块、恢复特征识别模块以及数据分析与反馈模块；

48、所述图像采集模块用于获取新生儿的脐部图像数据；

49、所述预处理与质量控制模块用于对所述脐部图像数据进行图像质量评估和筛选，得到有效图像数据；

50、所述解剖锚定模块用于提取脐部候选解剖锚点并建立脐部局部解剖参考系；

51、所述跨时序对齐模块用于在所述脐部局部解剖参考系下将当前采集时刻的脐部图像与历史采集时刻的脐部图像执行跨时序对齐，以建立不同时间点之间的稳定解剖对应关系；

52、所述恢复特征识别模块用于基于对齐后的脐部图像提取恢复情况特征并执行恢复情况识别，所述恢复情况特征至少包括根部接触界面特征、脐周褶皱重构特征和残端表层纹理演化特征中的一种或多种；

53、所述数据分析与反馈模块用于基于当前识别结果和历史识别结果中的至少一种，输出恢复稳定度信息、趋势分析结果和采集反馈信息中的至少一种。

54、一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行所述的基于人工智能的新生儿脐部恢复情况识别方法。

55、一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的基于人工智能的新生儿脐部恢复情况识别方法。

56、与现有技术相比，本发明的技术效果如下：

57、本发明针对脐带残端脱落前后过渡阶段这一连续监测中最易发生误判的关键场景建立专门结构分析机制，替代全图像端到端的现有判定法，提高了脐带监测在家庭真实环境下的针对性和可解释性。

58、本发明通过局部解剖参考系替代视觉中心定位方式，提高了不同时间点脐部图像之间的结构可比性，降低了残端自由端偏转引起的裁剪中心漂移问题。

59、本发明通过基于马氏距离的可比性先验评分模型对采集质量进行前置判断，从源头保证了历史图像库的可比性。

60、本发明引入脐部分区非刚性对齐机制，采用以相似度驱动的泛函能量优化，保证根部高稳定区强约束、褶皱区弹性流形变形并切断自由端漂移区干扰，使关键组织的测度具备统一解剖对应关系。

61、本发明全面适配家庭端与医护端的网联应用形态，在云端协同中建立时域追踪和物理测度曲线追踪机制，通过各环节质量记录实现趋势波动的归因分析，为家庭智能看护建立起屏障。