本發明提供了一種用于評估傷口的方法、設備和計算機可讀存儲介質。該方法包括：獲取多個訓練圖像；對每個訓練圖像分別標注該傷口所包含的每個組織的邊緣和該組織的損傷類型以產生標注訓練圖像；基于多個訓練圖像和多個訓練圖像的標注訓練圖像對圖像分割模型進行訓練以產生預測分割訓練圖像和評估模型；將包含傷口的待評估圖像輸入評估模型，以得到待評估圖像的預測分割圖像；提取預測分割圖像的傷口輪廓點，并且基于傷口輪廓點計算傷口面積、傷口長度和傷口寬度；基于預測分割圖像確定傷口的每種損傷類型的組織的傷口內占比；以及基于傷口面積、傷口長度、傷口寬度和傷口的每種損傷類型的組織的傷口內占比生成傷口的傷口評估信息。

技術領域

本發明涉及醫學評估領域，更具體地，涉及一種基于醫學影像來評估傷口的方法、實現這種方法的設備以及計算機可讀存儲介質。

背景技術

當前，各種意外損傷事故頻發，對事故造成的外科傷口進行處理和治療是一個持續的過程，在此過程中傷口組織的損傷類型(如肉芽組織、壞死組織、腐肉組織等)會隨著治療過程發生變化，因此需要對不同時期的傷口情況進行評估，以確定前期治療的效果并確定后續治療手段。通常，醫療機構的醫護人員對傷口進行評估主要是采用人工使用標尺進行測量并填寫報告，其中根據《傷口護理指引》對傷口測量的單位是厘米，以4份法描述傷口的各種損傷類型的占比，準確性僅為25％以內。在測量時，經常需要多名醫護人員協同進行，例如由一個醫護人員揭開傷口敷料端在傷口附近，另一個醫護人員拿標尺參照物端在傷口附近，再一個醫護人員拿相機拍照留底，后期根據照片估算傷口組織的各種損傷類型及其占比并填寫到病例上。

然而，這種方式需要消耗大量人力，測量過程繁瑣、標尺或參照物可能會接觸傷口再次傳播細菌、并且損傷類型和組織占比靠人工估算，對經驗的要求過高，標準太粗糙，無法準確評估傷口情況，從而每次復診難以準確對比前期治療的效果也難以準確確定后續的治療手段。

此外，當前還存在著基于圖像處理來識別傷口區域的應用，這些應用大部分是在對傷口進行清潔和清創后開始的，對傷口清創是指清除傷口的黃色腐肉組織、黑色壞死組織和其它異物等，清創后的傷口主要是紅色肉芽組織，這時利用顏色區間獲取傷口輪廓，或灰度對比度調整等得出傷口輪廓，其原理是根據像素顏色值劃分創傷面。

然而，這種方法僅能夠應用在簡單的場景，如清創后傷口簡潔分明的傷口圖像上，而無法對包含多種損傷類型的組織的傷口的各種指標進行量化。例如，傷口有一種混合型狀態，即一塊傷口區域既有壞死又有腐肉顏色就變成了灰色，或一塊區域既有紅腫又有黑色素沉淀等多種混合型的組合狀態。此外，上述方法還容易受到各種外界影響，如拍攝傷口時受環境光強弱或色差亮度影響，圖片中同時存在黑色毛發、黑色壞死組織和黑色衣物就無法準確識別，粉色爬皮厚愈合的傷口皮膚、粉色沒愈合的上皮組織、粉色紅腫傷口床和粉色肉芽也無法準確區分，傷口內外顏色一至肉眼無法分辨，或傷口殘留紅藥水、紫藥水、碘伏藥水顏色時也無法分辨等等。由于無法準確識別傷口邊緣，因此也就無法準確統一量化傷口的各種屬性指標。

發明內容

針對上述問題，本發明提供了一種評估傷口的方案，其基于深度學習圖像分割算法來對傷口進行測量和評估以生成傷口評估信息。

根據本發明的一個方面，提供了一種用于評估傷口的方法。該方法包括：獲取多個訓練圖像，其中多個訓練圖像中的每個訓練圖像包含一個傷口并且該傷口包含至少一種損傷類型的組織；對每個訓練圖像分別標注該傷口所包含的每個組織的邊緣和該組織的損傷類型以產生標注訓練圖像；基于多個訓練圖像和多個訓練圖像的標注訓練圖像對圖像分割模型進行訓練以產生預測分割訓練圖像和評估模型；將包含傷口的待評估圖像輸入評估模型，以得到待評估圖像的預測分割圖像；提取預測分割圖像的傷口輪廓點，并且基于傷口輪廓點計算傷口面積、傷口長度和傷口寬度；基于預測分割圖像確定傷口的每種損傷類型的組織的傷口內占比；以及基于傷口面積、傷口長度、傷口寬度和傷口的每種損傷類型的組織的傷口內占比生成傷口的傷口評估信息。