适用于红外激发光源的红外激光诊断装置的数据处理方法与流程

1.本技术涉及激光治疗技术领域，尤其涉及一种适用于红外激发光源的红外激光诊断装置的数据处理方法。


背景技术：

2.激光是20世纪以来继核能、电脑、半导体之后，人类的又一重大发明，被称为最快的刀、最准的尺、最亮的光。与传统的机械式医疗器械不同，激光切割可以实现机械刀具所无法达到的精细程度。这使得激光治疗成为了医疗领域的重要发展方向。
3.在现有的激光诊断或激光治疗中，在确定激光扫射区域时一般用户可以根据肉眼观察患处附近区域，或者查看患处附近区域的图像来人工确定激光扫射区域，或者通过图像识别自动识别出激光扫射区域。
4.然而，在实际应用时，人工识别的准确性受用户个人经验的影响较大，而自动识别需要提前训练识别模型，但是由于不同患者以及不同患处存在天然差异性，这就导致自动识别的准确性存在较大波动，即识别模型的鲁棒性较差，从而影响激光治疗的效果。


技术实现要素：

5.本技术提供一种适用于红外激发光源的红外激光诊断装置的数据处理方法，以解决如何准确确定激光扫射区域以提高激光治疗效果的技术问题。
6.第一个方面，本技术提供一种适用于红外激发光源的红外激光诊断装置的数据处理方法，包括：
7.获取目标区域的红外激光图像和可见光图像；
8.将红外激光图像和可见光图像融合成融合图像，并将融合图像输出到红外激光诊断装置的显示器上进行显示；
9.获取用户根据融合图像指定的关注区域；
10.利用预设特征提取模型提取关注区域的图像特征，并根据图像特征在目标区域内确定激光脉冲的扫射区域；
11.对扫射区域进行实时追踪，并根据追踪结果确定并输出激光脉冲位移机构的控制数据。
12.在一种可能的设计中，可见光图像用于表征目标区域的表面形态，红外激光图像用于表征目标区域在预设深度范围内的内部形态。
13.在一种可能的设计中，将红外激光图像和可见光图像融合成融合图像，包括：
14.利用预设分解模型，将红外激光图像分解为第一低频子图和第一高频子图，将可见光图像分解为第二低频子图和第二高频子图；
15.利用预设图像信息模型，计算第一低频子图的第一信息含量和第二低频子图的第二信息含量，并根据第一信息含量和第二信息含量，将第一低频子图和第二低频子图融合成低频融合子图；
16.利用预设图像能量模型，计算第一高频子图对应的第一能量值和第二高频子图对应的第二能量值；利用预设平均梯度模型，计算第一高频子图对应的第一平均梯度和第二高频子图对应的第二平均梯度，并根据第一能量值、第一平均梯度、第二能量值和第二平均梯度，将第一高频子图和第二高频子图融合成高频融合子图；
17.利用预设重构模型，将低频融合子图和高频融合子图，重构为融合图像。
18.在一种可能的设计中，利用预设图像信息模型，计算第一低频子图的第一信息含量和第二低频子图的第二信息含量，包括：
19.将第一低频子图与第二低频子图以相同的第一分割方式分别分割为n个第一低频图块和n个第二低频图块；
20.根据n个第一低频图块和n个第二低频图块，确定第一信息含量和第二信息含量：
[0021][0022][0023]
其中，h表示第一信息含量或者第二信息含量，表示每个第一低频图块或第二低频图块中的低频系数，为常量，m和n为第一低频图块或第二低频图块的尺寸。
[0024]
在一种可能的设计中，根据第一信息含量和第二信息含量，将第一低频子图和第二低频子图融合成低频融合子图，包括：
[0025]
将第一信息含量和第二信息含量的比值作为第一权重测量系数；
[0026]
根据第一权重测量系数以及预设阈值，确定第一低频子图的第一融合权重值和第二低频子图的第二融合权重值；
[0027]
利用加权平均模型，根据第一低频子图、第一融合权重值、第二低频子图和第二融合权重值，确定低频融合子图。
[0028]
在一种可能的设计中，根据第一权重测量系数以及预设阈值，确定第一低频子图的第一融合权重值和第二低频子图的第二融合权重值，包括：
[0029]
当第一权重测量系数大于等于预设阈值，且第一权重测量系数小于1时，第一融合权重值和第二融合权重值可以通过以下公式计算得到：
[0030][0031][0032]
或者，
[0033][0034][0035]
其中，为第一融合权重值，为第二融合权重值，为第一权重测量系数，为预设阈值。
[0036]
在一种可能的设计中，利用预设图像能量模型，计算第一高频子图对应的第一能量值和第二高频子图对应的第二能量值，包括：
[0037]
将第一高频子图与第二高频子图以相同的第二分割方式分别分割为m个第一高频
图块和m个第二高频图块；
[0038]
根据m个第一高频图块和m个第二高频图块，确定第一能量值和第二能量值：
[0039][0040][0041]
其中，e表示第一能量值或第二能量值，表示每个第一高频图块或第二高频图块中的高频系数，为常量，j和k为第一高频图块或第二高频图块的尺寸。
[0042]
在一种可能的设计中，利用预设平均梯度模型，计算第一高频子图对应的第一平均梯度和第二高频子图对应的第二平均梯度，包括：
[0043]
将第一高频子图与第二高频子图以相同的第二分割方式分别分割为m个第一高频图块和m个第二高频图块；
[0044]
根据m个第一高频图块和m个第二高频图块中每个图块的灰度值，计算第一平均梯度和第二平均梯度：
[0045][0046]
其中，t表示第一平均梯度或第二平均梯度，表示每个第一高频图块或第二高频图块的第i行第h列的灰度值，j和k为第一高频图块或第二高频图块的尺寸。
[0047]
在一种可能的设计中，根据第一能量值、第一平均梯度、第二能量值和第二平均梯度，将第一高频子图和第二高频子图融合成高频融合子图，包括：
[0048]
将第一能量值和第二能量值的比值作为第二权重测量系数，并将第一平均梯度和第二平均梯度的比值作为第三权重测量系数；
[0049]
当第一权重测量系数大于1，且第三权重测量系数大于1时，将第一高频子图作为高频融合子图；或者，
[0050]
当第一权重测量系数大于1，且第三权重测量系数的倒数大于1时，将第二高频子图作为高频融合子图；或者，
[0051]
根据第二权重测量系数和第三权重测量系数，确定第一高频子图对应的第三融合权重和第二高频子图对应的第四融合权重；利用加权平均模型，根据第一高频子图、第三融合权重值、第二高频子图和第四融合权重值，确定高频融合子图。
[0052]
在一种可能的设计中，根据第二权重测量系数和第三权重测量系数，确定第一高频子图对应的第三融合权重和第二高频子图对应的第四融合权重，包括：
[0053][0054][0055]
其中，为第三融合权重，为第四融合权重，为第二权重测量系数，为第三权重测量系数。
[0056]
第二方面，本技术提供一种适用于红外激发光源的红外激光诊断装置的数据处理
装置，包括：
[0057]
获取模块，用于获取目标区域的红外激光图像和可见光图像；
[0058]
处理模块，用于将红外激光图像和可见光图像融合成融合图像，并将融合图像输出到红外激光诊断装置的显示器上进行显示；
[0059]
获取模块，还用于获取用户根据融合图像指定的关注区域；
[0060]
处理模块，还用于：
[0061]
利用预设特征提取模型提取关注区域的图像特征，并根据图像特征在目标区域内确定激光脉冲的扫射区域；
[0062]
对扫射区域进行实时追踪，并根据追踪结果确定并输出激光脉冲位移机构的控制数据。
[0063]
第三方面，本技术提供一种电子设备，包括：处理器，以及与处理器通信连接的存储器；
[0064]
存储器存储计算机执行指令；
[0065]
处理器执行存储器存储的计算机执行指令，以实现第一方面所提供的任意一种可能的适用于红外激发光源的红外激光诊断装置的数据处理方法。
[0066]
第四方面，本技术提供一种存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现第一方面所提供的任意一种可能的适用于红外激发光源的红外激光诊断装置的数据处理方法。
[0067]
第五方面，本技术还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所提供的任意一种可能的适用于红外激发光源的红外激光诊断装置的数据处理方法。
[0068]
本技术提供了一种适用于红外激发光源的红外激光诊断装置的数据处理方法。通过获取目标区域的红外激光图像和可见光图像；将红外激光图像和可见光图像融合成融合图像，并将融合图像输出到红外激光诊断装置的显示器上进行显示；获取用户根据融合图像指定的关注区域；利用预设特征提取模型提取关注区域的图像特征，并根据图像特征在目标区域内确定激光脉冲的扫射区域；对扫射区域进行实时追踪，并根据追踪结果确定并输出激光脉冲位移机构的控制数据。解决了如何准确确定激光扫射区域以提高激光治疗效果的技术问题，提高了激光治疗的精准性和安全性。
附图说明
[0069]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
[0070]
图1为本技术实施例提供的一种适用于红外激发光源的红外激光诊断装置的结构示意图。
[0071]
图2为本技术实施例提供的一种适用于红外激发光源的红外激光诊断装置的数据处理方法的流程示意图；
[0072]
图3为本技术实施提供的图2中s202中可见光图像和红外激光图像融合的流程示意图；
[0073]
图4为本技术实施例提供的一种适用于红外激发光源的红外激光诊断装置的数据
处理装置的结构示意图；
[0074]
图5为本技术实施例提供的一种电子设备的结构示意图。
[0075]
通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
[0076]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，包括但不限于对多个实施例的组合，都属于本技术保护的范围。
[0077]
本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0078]
为解决如何准确确定激光扫射区域以提高激光治疗效果的技术问题，本技术的发明构思是：
[0079]
充分利用红外激光图像可以深入患处表面查探患处内部结构，并通过改进可见光图像和红外激光图像的融合算法，使得用户能够通过融合图像得到更多的信息。然后用户通过指定部分患处特征区域，形成实时可监督学习的方式，让激光诊断装置自动识别激光扫射区域，极大减轻了识别模型的训练资源消耗，提高了识别的准确性和面对不同患处时的识别稳定性。最后再用对激光扫射区域进行实时最终的方式，自动控制脉冲激光扫射完成激光治疗。
[0080]
图1为本技术实施例提供的一种适用于红外激发光源的红外激光诊断装置的结构示意图。如图1所示，红外激光诊断装置100包括：图像采集装置110，脉冲激光治疗装置120，图像显示器130和控制装置140。
[0081]
图像采集装置110包括：红外激光采集装置111和可见光图像采集装置112，分别采集红外激光图像和可见光图像。
[0082]
脉冲激光治疗装置120用。于产生脉冲激光，并接收控制装置140的控制指令执行脉冲激光的位移和方向变换。
[0083]
图像显示器130用于显示控制装置140处理后的红外激光图像和可见光图像的融合图像。
[0084]
图2为本技术实施例提供的一种适用于红外激发光源的红外激光诊断装置的数据处理方法的流程示意图。如图2所示，该方法的具体步骤包括：
[0085]
s201、获取目标区域的红外激光图像和可见光图像。
[0086]
在本步骤中，可见光图像用于表征目标区域的表面形态，红外激光图像用于表征目标区域在预设深度范围内的内部形态。需要说明的是，不同频率或波长的红外激光所能穿透的深度范围是不同的，用户可以根据实际检测时所需要的检测深度来选择或调整红外激光的频率或波长。
[0087]
具体的，如图1所示，用户通过激光诊断装置100发出图像采集启动指示后，图像采集装置110开始对目标区域进行可见光图像和红外激光图像的采集，控制装置140获取图像采集装置110所采集到的红外激光图像和可见光图像。
[0088]
s202、将红外激光图像和可见光图像融合成融合图像，并将融合图像输出到红外激光诊断装置的显示器上进行显示。
[0089]
在本步骤中，为了提高后续在确定脉冲激光扫射区域时的识别精准度，不能像现有技术中仅依靠红外激光图像或者可见光图像，而是需要将两者以一定方式进行融合，充分发挥可见光图像和红外激光图像的互补性，得到信息含量更多的融合图像。
[0090]
需要说明的是，虽然可以采用现有的图像融合技术将红外激光图像和可见光图像进行融合，但是其融合效果不够理想，为了进一步提高后续脉冲激光扫射区域的识别精准度，本技术在下文中提出了一种新的融合方法，在此不再赘述。
[0091]
s203、获取用户根据融合图像指定的关注区域。
[0092]
在本步骤中，用户通过观察显示器上显示的融合图像，结合自身的经验，找出融合图像中能够反映患处特征的一个或多个特征识别区域，并将这些识别区域指定为关注区域。
[0093]
s204、利用预设特征提取模型提取关注区域的图像特征，并根据图像特征在目标区域内确定激光脉冲的扫射区域。
[0094]
在本步骤中，关注区域的图像特征可以理解为在对扫射区域进行自动识别时的实时机器学习数据。这样激光诊断装置再利用可监督机器学习的方式进行扫射区域的识别，解决了目标区域的多变性导致识别模型训练困难，或者识别模型的识别准确性存在波动的问题，每次进行扫射区域的自动识别都能够使用最为准确的图像特征进行识别，进而提高扫射区域的识别准确性和稳定性。
[0095]
s205、对扫射区域进行实时追踪，并根据追踪结果确定并输出激光脉冲位移机构的控制数据。
[0096]
在本步骤中，考虑到在激光诊断装置实际使用时，如果目标区域移动了，如在进行脉冲激光扫射治疗时，未完全失去知觉的患者不自主地生理应激性反映所引起的抖动，或者目标区域存在遮挡物遮挡时，脉冲激光如果不进行调整就有可能扫射到非扫射区域上，对患者或医生造成伤害，因此，需要通过图像追踪算法，根据可见光图像、红外激光图像、融合图像三者中的至少一种，对扫射区域进行实时追踪，以提高激光脉冲治疗的安全性和稳定性。
[0097]
本实施例提供了一种适用于红外激发光源的红外激光诊断装置的数据处理方法，通过获取目标区域的红外激光图像和可见光图像；将红外激光图像和可见光图像融合成融合图像，并将融合图像输出到红外激光诊断装置的显示器上进行显示；获取用户根据融合图像指定的关注区域；利用预设特征提取模型提取关注区域的图像特征，并根据图像特征在目标区域内确定激光脉冲的扫射区域；对扫射区域进行实时追踪，并根据追踪结果确定
并输出激光脉冲位移机构的控制数据。解决了如何准确确定激光扫射区域以提高激光治疗效果的技术问题，提高了激光治疗的精准性和安全性。
[0098]
图3为本技术实施提供的图2中s202中可见光图像和红外激光图像融合的流程示意图。如图3所示，可见光图像和红外激光图像融合的具体步骤包括：
[0099]
s301、利用预设分解模型，将红外激光图像分解为第一低频子图和第一高频子图，将可见光图像分解为第二低频子图和第二高频子图。
[0100]
在本步骤中，预设分解模型包括：小波变换模型，contourlet变换模型，非下采样contourlet变换模型等等，预设分解模型对红外激光图像进行域变换，得到在至少两个子带上的子图，即第一低频子图和第一高频子图。同理，预设分解模型对可见光图像进行域变换，得到上述相同子带上的子图，即第二低频子图和第二高频子图。
[0101]
需要说明的是，第一低频子图包括与第一频带对应的第一低频系数矩阵，第一高频子图包括与第二频带对应的第一高频系数矩阵，第二低频子图包括与第一频带对应的第二低频系数矩阵，第一高频子图包括与第二频带对应的第二高频系数矩阵。
[0102]
例如，对红外激光图像进行小波变换，即可得到第一低频系数（即第一低频子图）和第一高系数（即第一高频子图）。
[0103]
s302、利用预设图像信息模型，计算第一低频子图的第一信息含量和第二低频子图的第二信息含量。
[0104]
在本步骤中，首先将第一低频子图与第二低频子图以相同的第一分割方式分别分割为n个第一低频图块和n个第二低频图块。然后，根据n个第一低频图块和n个第二低频图块，确定第一信息含量和第二信息含量。
[0105]
在本实施例中，第一信息含量和第二信息含量可以通过以下的公式（1）和（2）来计算：
[0106]
（1）
[0107]
（2）
[0108]
其中，h表示第一信息含量或者第二信息含量，表示每个第一低频图块或第二低频图块中的低频系数，为常量，m和n为第一低频图块或第二低频图块的尺寸，即第一低频图块或第二低频图块的对应的矩阵的行数和列数，例如，图块的尺寸可以表示为。
[0109]
值得注意的是，第一分割方式包括：将第一低频子图或者第二低频子图分割为多个不完全相同尺寸的图块，或者，将将第一低频子图或者第二低频子图分割为多个相同尺寸的图块。
[0110]
s303、根据第一信息含量和第二信息含量，将第一低频子图和第二低频子图融合成低频融合子图。
[0111]
在本步骤中，具体包括：将第一信息含量和第二信息含量的比值作为第一权重测量系数；根据第一权重测量系数以及预设阈值，确定第一低频子图的第一融合权重值和第二低频子图的第二融合权重值；利用加权平均模型，根据第一低频子图、第一融合权重值、第二低频子图和第二融合权重值，确定低频融合子图。
[0112]
在一种可能的设计中，当第一低频子图和第二低频子图中的信息含量相差不大时（或者说两者的信息含量的差值在预设范围内时），根据第一权重测量系数以及预设阈值，确定第一低频子图的第一融合权重值和第二低频子图的第二融合权重值，包括：
[0113]
当第一权重测量系数大于等于预设阈值，且第一权重测量系数小于1时，第一融合权重值和第二融合权重值可以通过以下公式（3）和（4）计算得到：
[0114]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）
[0115]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）
[0116]
或者，在另一种可能的设计中，也可以通过以下公式（5）和（6）计算得到：
[0117]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）
[0118]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）
[0119]
其中，为第一融合权重值，为第二融合权重值，为第一权重测量系数，为预设阈值。
[0120]
在一种可能的设计中，当第一低频子图和第二低频子图中的信息含量相差较大时（或者说两者的信息含量的差值超出预设范围时），根据第一权重测量系数以及预设阈值，确定第一低频子图的第一融合权重值和第二低频子图的第二融合权重值，包括：
[0121]
当第一权重测量系数小于预设阈值时，将第一融合权重值和第二融合权重值两者中的其中一个设置为1，另一个设置为0。
[0122]
或者，当第一权重测量系数大于预设阈值的倒数时，将第一融合权重值和第二融合权重值两者中的其中一个设置为1，另一个设置为0。
[0123]
利用加权平均模型，根据第一低频子图、第一融合权重值、第二低频子图和第二融合权重值，确定低频融合子图，具体可以通过公式（7）来表示：
[0124]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）
[0125]
其中，表示低频融合子图，表示第一低频子图，表示第二低频子图，表示第一融合权重值，表示第二融合权重值。
[0126]
s304、利用预设图像能量模型，计算第一高频子图对应的第一能量值和第二高频子图对应的第二能量值。
[0127]
在本步骤中，具体包括：
[0128]
将所述第一高频子图与所述第二高频子图以相同的第二分割方式分别分割为m个第一高频图块和m个第二高频图块；
[0129]
根据m个所述第一高频图块和m个所述第二高频图块，确定所述第一能量值和所述第二能量值，在本实施例中可以用公式（8）和（9）来表示：
[0130]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）
[0131]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）
[0132]
其中，e表示所述第一能量值或所述第二能量值，表示每个所述第一高频
图块或所述第二高频图块中的高频系数，为常量，j和k为所述第一高频图块或所述第二高频图块的尺寸，即第一高频图块或第二高频图块的对应的矩阵的行数和列数，例如，图块的尺寸可以表示为。
[0133]
值得注意的是，第二分割方式包括：将第一高频子图或者第二高频子图分割为多个不完全相同尺寸的图块，或者，将将第一高频子图或者第二高频子图分割为多个相同尺寸的图块。
[0134]
s305、利用预设平均梯度模型，计算第一高频子图对应的第一平均梯度和第二高频子图对应的第二平均梯度。
[0135]
在本实施例中，具体包括：
[0136]
将第一高频子图与第二高频子图以相同的第二分割方式分别分割为m个第一高频图块和m个第二高频图块；
[0137]
根据m个第一高频图块和m个第二高频图块中每个图块的灰度值，计算第一平均梯度和第二平均梯度，在本实施例中，具体可以用公式（10）计算：
[0138]
ꢀꢀꢀꢀꢀ
（10）
[0139]
其中，t表示第一平均梯度或第二平均梯度，表示每个第一高频图块或第二高频图块的第i行第h列的灰度值，j和k为第一高频图块或第二高频图块的尺寸。
[0140]
s306、根据第一能量值、第一平均梯度、第二能量值和第二平均梯度，将第一高频子图和第二高频子图融合成高频融合子图。
[0141]
在本步骤中，具体包括：
[0142]
首先，将第一能量值和第二能量值的比值作为第二权重测量系数，并将第一平均梯度和第二平均梯度的比值作为第三权重测量系数。
[0143]
接下来分为三种情况：
[0144]
（1）当第一权重测量系数大于1，且第三权重测量系数大于1时，将第一高频子图作为高频融合子图。
[0145]
（2）当第一权重测量系数大于1，且第三权重测量系数的倒数大于1时，将第二高频子图作为高频融合子图。
[0146]
（3）根据第二权重测量系数和第三权重测量系数，确定第一高频子图对应的第三融合权重和第二高频子图对应的第四融合权重；利用加权平均模型，根据第一高频子图、第三融合权重值、第二高频子图和第四融合权重值，确定高频融合子图。
[0147]
在一种可能的设计中，根据第二权重测量系数和第三权重测量系数，确定第一高频子图对应的第三融合权重和第二高频子图对应的第四融合权重，可以用公式（11）和（12）计算得到：
[0148]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（11）
[0149]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（12）
[0150]
其中，为第三融合权重，为第四融合权重，为第二权重测量系数，为第三
权重测量系数。
[0151]
利用加权平均模型，根据第一高频子图、第三融合权重值、第二高频子图和第四融合权重值，确定高频融合子图的具体计算方式可以参考公式（7）。
[0152]
s307、利用预设重构模型，将低频融合子图和高频融合子图，重构为融合图像。
[0153]
在本步骤中，预设重构模型与s301中的预设分解模型互为逆运算关系，例如预设分解模型为小波变换模型，则预设重构模型就是对应的逆小波变换模型。
[0154]
图4为本技术实施例提供的一种适用于红外激发光源的红外激光诊断装置的数据处理装置的结构示意图。该适用于红外激发光源的红外激光诊断装置的数据处理装置400可以通过软件、硬件或者两者的结合实现。
[0155]
如图4所示，该数据处理装置400包括：
[0156]
获取模块401，用于获取目标区域的红外激光图像和可见光图像；
[0157]
处理模块402，用于将红外激光图像和可见光图像融合成融合图像，并将融合图像输出到红外激光诊断装置的显示器上进行显示；
[0158]
获取模块401，还用于获取用户根据融合图像指定的关注区域；
[0159]
处理模块402，还用于：
[0160]
利用预设特征提取模型提取关注区域的图像特征，并根据图像特征在目标区域内确定激光脉冲的扫射区域；
[0161]
对扫射区域进行实时追踪，并根据追踪结果确定并输出激光脉冲位移机构的控制数据。
[0162]
在一种可能的设计中，可见光图像用于表征目标区域的表面形态，红外激光图像用于表征目标区域在预设深度范围内的内部形态。
[0163]
在一种可能的设计中，处理模块402，用于：
[0164]
利用预设分解模型，将红外激光图像分解为第一低频子图和第一高频子图，将可见光图像分解为第二低频子图和第二高频子图；
[0165]
利用预设图像信息模型，计算第一低频子图的第一信息含量和第二低频子图的第二信息含量，并根据第一信息含量和第二信息含量，将第一低频子图和第二低频子图融合成低频融合子图；
[0166]
利用预设图像能量模型，计算第一高频子图对应的第一能量值和第二高频子图对应的第二能量值；利用预设平均梯度模型，计算第一高频子图对应的第一平均梯度和第二高频子图对应的第二平均梯度，并根据第一能量值、第一平均梯度、第二能量值和第二平均梯度，将第一高频子图和第二高频子图融合成高频融合子图；
[0167]
利用预设重构模型，将低频融合子图和高频融合子图，重构为融合图像。
[0168]
在一种可能的设计中，处理模块402，还用于：
[0169]
将第一低频子图与第二低频子图以相同的第一分割方式分别分割为n个第一低频图块和n个第二低频图块；
[0170]
根据n个第一低频图块和n个第二低频图块，确定第一信息含量和第二信息含量：
[0171]
[0172][0173]
其中，h表示第一信息含量或者第二信息含量，表示每个第一低频图块或第二低频图块中的低频系数，为常量，m和n为第一低频图块或第二低频图块的尺寸。
[0174]
在一种可能的设计中，处理模块402，还用于：
[0175]
将第一信息含量和第二信息含量的比值作为第一权重测量系数；
[0176]
根据第一权重测量系数以及预设阈值，确定第一低频子图的第一融合权重值和第二低频子图的第二融合权重值；
[0177]
利用加权平均模型，根据第一低频子图、第一融合权重值、第二低频子图和第二融合权重值，确定低频融合子图。
[0178]
在一种可能的设计中，处理模块402，还用于：
[0179]
当第一权重测量系数大于等于预设阈值，且第一权重测量系数小于1时，第一融合权重值和第二融合权重值可以通过以下公式计算得到：
[0180][0181][0182]
或者，
[0183][0184][0185]
其中，为第一融合权重值，为第二融合权重值，为第一权重测量系数，为预设阈值。
[0186]
在一种可能的设计中，处理模块402，还用于：
[0187]
将第一高频子图与第二高频子图以相同的第二分割方式分别分割为m个第一高频图块和m个第二高频图块；
[0188]
根据m个第一高频图块和m个第二高频图块，确定第一能量值和第二能量值：
[0189][0190][0191]
其中，e表示第一能量值或第二能量值，表示每个第一高频图块或第二高频图块中的高频系数，为常量，j和k为第一高频图块或第二高频图块的尺寸。
[0192]
在一种可能的设计中，处理模块402，还用于：
[0193]
将第一高频子图与第二高频子图以相同的第二分割方式分别分割为m个第一高频图块和m个第二高频图块；
[0194]
根据m个第一高频图块和m个第二高频图块中每个图块的灰度值，计算第一平均梯度和第二平均梯度：
component，pci）总线或扩展工业标准体系结构（extended industry standard architecture，eisa）总线等。总线可以分为地址总线、数据总线、控制总线等，但并不表示仅有一根总线或一种类型的总线。
[0214]
可选的，在具体实现上，如果存储器502和处理器501集成在一块芯片上实现，则存储器502和处理器501可以通过内部接口完成通信。
[0215]
本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器（read-only memory ，rom）、随机存取存储器（random access memory，ram）、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有程序指令，程序指令用于上述各方法实施例中的方法。
[0216]
本技术实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的方法。
[0217]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由本技术的权利要求书指出。
[0218]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。
[0219]
最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。

技术特征：
1.一种适用于红外激发光源的红外激光诊断装置的数据处理方法，其特征在于，包括：获取目标区域的红外激光图像和可见光图像；将所述红外激光图像和所述可见光图像融合成融合图像，并将所述融合图像输出到所述红外激光诊断装置的显示器上进行显示；获取用户根据所述融合图像指定的关注区域；利用预设特征提取模型提取所述关注区域的图像特征，并根据所述图像特征在所述目标区域内确定激光脉冲的扫射区域；对所述扫射区域进行实时追踪，并根据追踪结果确定并输出激光脉冲位移机构的控制数据。2.根据权利要求1所述的数据处理方法，其特征在于，所述可见光图像用于表征所述目标区域的表面形态，所述红外激光图像用于表征所述目标区域在预设深度范围内的内部形态。3.根据权利要求1或2所述的数据处理方法，其特征在于，所述将所述红外激光图像和所述可见光图像融合成融合图像，包括：利用预设分解模型，将所述红外激光图像分解为第一低频子图和第一高频子图，将所述可见光图像分解为第二低频子图和第二高频子图；利用预设图像信息模型，计算所述第一低频子图的第一信息含量和所述第二低频子图的第二信息含量，并根据所述第一信息含量和所述第二信息含量，将所述第一低频子图和所述第二低频子图融合成低频融合子图；利用预设图像能量模型，计算所述第一高频子图对应的第一能量值和所述第二高频子图对应的第二能量值；利用预设平均梯度模型，计算所述第一高频子图对应的第一平均梯度和所述第二高频子图对应的第二平均梯度，并根据所述第一能量值、第一平均梯度、第二能量值和第二平均梯度，将所述第一高频子图和所述第二高频子图融合成高频融合子图；利用预设重构模型，将所述低频融合子图和所述高频融合子图，重构为所述融合图像。4.根据权利要求3所述的数据处理方法，其特征在于，所述利用预设图像信息模型，计算所述第一低频子图的第一信息含量和所述第二低频子图的第二信息含量，包括：将所述第一低频子图与所述第二低频子图以相同的第一分割方式分别分割为n个第一低频图块和n个第二低频图块；根据n个所述第一低频图块和n个所述第二低频图块，确定所述第一信息含量和所述第二信息含量：二信息含量：其中，h表示所述第一信息含量或者所述第二信息含量，表示每个所述第一低频图块或所述第二低频图块中的低频系数，为常量，m和n为所述第一低频图块或所述第二低频图块的尺寸。5.根据权利要求3所述的数据处理方法，其特征在于，所述根据所述第一信息含量和所述第二信息含量，将所述第一低频子图和所述第二低频子图融合成低频融合子图，包括：
将所述第一信息含量和所述第二信息含量的比值作为第一权重测量系数；根据所述第一权重测量系数以及预设阈值，确定所述第一低频子图的第一融合权重值和所述第二低频子图的第二融合权重值；利用加权平均模型，根据所述第一低频子图、所述第一融合权重值、所述第二低频子图和所述第二融合权重值，确定所述低频融合子图。6.根据权利要求5所述的数据处理方法，其特征在于，所述根据所述第一权重测量系数以及预设阈值，确定所述第一低频子图的第一融合权重值和所述第二低频子图的第二融合权重值，包括：当所述第一权重测量系数大于等于所述预设阈值，且所述第一权重测量系数小于1时，所述第一融合权重值和所述第二融合权重值可以通过以下公式计算得到：所述第一融合权重值和所述第二融合权重值可以通过以下公式计算得到：或者，或者，其中，为所述第一融合权重值，所述为所述第二融合权重值，为所述第一权重测量系数，为所述预设阈值。7.根据权利要求3所述的数据处理方法，其特征在于，所述利用预设图像能量模型，计算所述第一高频子图对应的第一能量值和所述第二高频子图对应的第二能量值，包括：将所述第一高频子图与所述第二高频子图以相同的第二分割方式分别分割为m个第一高频图块和m个第二高频图块；根据m个所述第一高频图块和m个所述第二高频图块，确定所述第一能量值和所述第二能量值：能量值：其中，e表示所述第一能量值或所述第二能量值，表示每个所述第一高频图块或所述第二高频图块中的高频系数，为常量，j和k为所述第一高频图块或所述第二高频图块的尺寸。8.根据权利要求3所述的数据处理方法，其特征在于，所述利用预设平均梯度模型，计算所述第一高频子图对应的第一平均梯度和所述第二高频子图对应的第二平均梯度，包括：将所述第一高频子图与所述第二高频子图以相同的第二分割方式分别分割为m个第一高频图块和m个第二高频图块；根据m个所述第一高频图块和m个所述第二高频图块中每个图块的灰度值，计算所述第一平均梯度和所述第二平均梯度：其中，t表示所述第一平均梯度或所述第二平均梯度，表示每个所述第一高频图块或所述第二高频图块的第i行第h列的灰度值，j和k为所述第一高频图块或所述第二高频图块的尺寸。9.根据权利要求3所述的数据处理方法，其特征在于，所述根据所述第一能量值、第一
平均梯度、第二能量值和第二平均梯度，将所述第一高频子图和所述第二高频子图融合成高频融合子图，包括：将所述第一能量值和所述第二能量值的比值作为第二权重测量系数，并将所述第一平均梯度和所述第二平均梯度的比值作为第三权重测量系数；当所述第一权重测量系数大于1，且所述第三权重测量系数大于1时，将所述第一高频子图作为所述高频融合子图；或者，当所述第一权重测量系数大于1，且所述第三权重测量系数的倒数大于1时，将所述第二高频子图作为所述高频融合子图；或者，根据所述第二权重测量系数和所述第三权重测量系数，确定所述第一高频子图对应的第三融合权重和所述第二高频子图对应的第四融合权重；利用加权平均模型，根据所述第一高频子图、所述第三融合权重值、所述第二高频子图和所述第四融合权重值，确定所述高频融合子图。10.根据权利要求9所述的数据处理方法，其特征在于，所述根据所述第二权重测量系数和所述第三权重测量系数，确定所述第一高频子图对应的第三融合权重和所述第二高频子图对应的第四融合权重，包括：子图对应的第四融合权重，包括：其中，为所述第三融合权重，为所述第四融合权重，为所述第二权重测量系数，为所述第三权重测量系数。

技术总结
本申请提供了一种适用于红外激发光源的红外激光诊断装置的数据处理方法，通过获取目标区域的红外激光图像和可见光图像；将红外激光图像和可见光图像融合成融合图像，并将融合图像输出到红外激光诊断装置的显示器上进行显示；获取用户根据融合图像指定的关注区域；利用预设特征提取模型提取关注区域的图像特征，并根据图像特征在目标区域内确定激光脉冲的扫射区域；对扫射区域进行实时追踪，并根据追踪结果确定并输出激光脉冲位移机构的控制数据。解决了如何准确确定激光扫射区域以提高激光治疗效果的技术问题，提高了激光治疗的精准性和安全性。准性和安全性。准性和安全性。


技术研发人员：蔡惠明
受保护的技术使用者：南京诺源医疗器械有限公司
技术研发日：2023.07.12
技术公布日：2023/8/14