本发明属于医疗手术，具体涉及一种腹腔镜手术下烟和雾影响区分方法。
背景技术：
1、腹腔镜手术是一种通过腹壁小切口，利用腔镜和显微外科器械在腹腔内进行手术的微创手术技术。在腹腔镜手术中，烟和雾是两种可能影响手术质量和医护人员健康的因素。
2、在腹腔镜手术中，电刀或激光等高频电凝器的使用会产生烟雾，这种烟雾中含有大量的细菌、病毒和有害气体，对医护人员和患者的健康都构成威胁。此外，烟雾会导致手术视野模糊，影响手术操作的精准度和安全性。而手术中的生理盐水或其他生理液体喷洒在手术区域时，会形成雾状液体，同样会影响手术视野的清晰度，增加手术操作的难度和风险。
技术实现思路
1、本发明要解决的技术问题是：提供一种腹腔镜手术下烟和雾影响区分方法。
2、本发明的目的是通过以下技术方案实现的：
3、一种腹腔镜手术下烟和雾影响区分方法，包括数据采集、特征提取、数据标记、模型训练、模型应用，通过对手术过程的监测，实时判断影响医生手术的因素是烟还是雾。
4、其中，所述的数据采集是采集腹腔镜手术中烟和雾影响的实际数据，包括手术视频、图像和手术记录进行收集，用于后续的实验和分析。
5、其中，所述的特征提取包括：
6、颜色特征提取，使用颜色直方图分别描述烟和雾的颜色特征，通过颜色直方图，直观地了解图像中不同颜色的分布情况，帮助分析图像的特征和内容；
7、纹理特征提取，利用灰度共生矩阵通过统计图像中像素灰度级别之间的空间关系，计算出不同方向上像素间的灰度共生矩阵，从而得到烟和雾区域的纹理特征，帮助区分不同类型的烟和雾；
8、形状特征提取，通过提取烟和雾区域的形状信息来区分它们，利用边缘检测算法canny算法，该算法在边缘检测中具有较高的准确性，能够有效地检测到细节边缘；
9、密度特征提取，通过像素的灰度值，进而区分烟和雾，烟通常呈现为局部密集的浓烟区域，灰度值会有较大的波动，出现明显的高灰度值区域，雾则更多地表现为整体性的模糊效果，灰度值分布相对均匀，没有明显的高灰度值区域。
10、其中，所述的数据标记是指使用图像标记工具，对数据标记，分为烟和雾两类。
11、其中，所述的模型训练是指使用机器学习中的支持向量机算法，实现对烟和雾的区分。
12、其中，所述的模型应用是经过上述步骤后，将训练好的模型应用于腹腔镜手术中，进行对烟和雾的区分。
13、与现有技术相比，本发明的有益效果如下：
14、本发明通过数据采集、特征提取、数据标记、模型训练、模型应用，训练好的模型可应用于实际的腹腔镜手术环境中，实时监测并区分烟和雾，提供给医生有用的信息，帮助他们做出更准确的决策，准确判断烟和雾的区别有助于及时采取相应措施，保持手术区域清晰，降低手术风险，提高手术安全性。
1.一种腹腔镜手术下烟和雾影响区分方法，其特征在于：包括数据采集、特征提取、数据标记、模型训练、模型应用，通过对手术过程的监测，实时判断影响医生手术的因素是烟还是雾。
2.根据权利要求1所述的腹腔镜手术下烟和雾影响区分方法，其特征在于：所述的数据采集是采集腹腔镜手术中烟和雾影响的实际数据，包括手术视频、图像和手术记录进行收集，用于后续的实验和分析。
3.根据权利要求1所述的腹腔镜手术下烟和雾影响区分方法，其特征在于：所述的特征提取包括：
4.根据权利要求1所述的腹腔镜手术下烟和雾影响区分方法，其特征在于：所述的数据标记是指使用图像标记工具，对数据标记，分为烟和雾两类。
5.根据权利要求1所述的腹腔镜手术下烟和雾影响区分方法，其特征在于：所述的模型训练是指使用机器学习中的支持向量机算法，实现对烟和雾的区分。
6.根据权利要求1所述的腹腔镜手术下烟和雾影响区分方法，其特征在于：所述的模型应用是经过上述步骤后，将训练好的模型应用于腹腔镜手术中，进行对烟和雾的区分。
