一种定位目标取脉点的方法及装置制造方法及图纸

本发明专利技术公开了一种定位目标取脉点的方法，包括：获取腕部的包括桡动脉血管的红外图像；获得手臂两侧与外部背景的边界线；将两条边界线的中心点的连线作为手臂的参考中线；获取手臂与大拇指同侧的外边缘直线，并将直线延伸至图像顶端，作为提取桡动脉所在矩形的长；将所述矩形的长与所述参考中线的平均距离作为提取桡动脉所在矩形的宽；根据图像中桡动脉的特征，确定桡动脉所在位置，将桡动脉所在位置根据预先设定的比例缩小，获得桡动脉的目标取脉点，解决了当前数字化诊疗中定位目标取脉点不准确的问题。

【技术实现步骤摘要】
一种定位目标取脉点的方法及装置
本申请涉及数字化诊疗领域，具体涉及一种定位目标取脉点的方法，同时涉及一种定位目标取脉点的装置。
技术介绍
数字化脉诊通过贴在桡动脉上的压力传感器采集得到脉波信号。这一技术使脉诊逐步走向定量化、标准化，为中医脉诊更加客观、准确地进行临床诊断、辅助诊断、疗效判定提供技术支持，进而推动中医现代化的进程。当前的数字化脉诊仪绝大多数都是通过腕带进行佩戴的。在佩戴时，由于脉诊仪机盒或腕带遮挡了眼睛对腕部的视野，需要人工的用眼睛估计寸口位置。由于每个人的手臂形态及桡动脉的位置、深浅、肤色不同，对于普通人群来说，识别准确的目标取脉位置是有难度的。这种方式，一方面导致了佩戴不便，从而引发取脉点定位不准确的问题，如果定位不准确，将无法采集到质量合格的脉波信号，而无法进行准确的数字化脉诊分析，多次佩戴不好，甚至会导致使用者的心情受到影响，从而影响脉波的跳动节律，导致脉诊误判；另一方面，寻找桡动脉的目标取脉位置依赖于对中医、解剖学知识的了解及一定的使用经验，这为普通人群使用脉诊仪带来了极大的不便。所以，目前脉象的数字化诊疗存在定位目标取脉点不准确的问题。自动识别桡动脉的目标取脉点，准确有效的采集脉象信息进而为脉象的数字化诊疗提供保障，成为脉象数据高效采集需要解决的关键问题。
技术实现思路
本申请提供一种定位目标取脉点的方法，用于解决当前数字化诊疗中定位目标取脉点不准确的问题。本申请提供的一种定位目标取脉点的方法，包括：获取腕部的包括桡动脉血管的红外图像；根据所述红外图像的颜色值将所述红外图像转换为对应的灰度图像，对所述灰度图像进行增强处理，获得所述腕部血管的对比度增强的灰度图像；对所述对比度增强的灰度图像进行锐化处理，获得手臂两侧与外部背景的边界线；将两条边界线的中心点的连线作为手臂的参考中线；获取手臂与大拇指同侧的外边缘直线，并将直线延伸至图像顶端，作为提取桡动脉所在矩形的长；将所述矩形的长与所述参考中线的平均距离作为提取桡动脉所在矩形的宽；根据图像中桡动脉的特征，确定桡动脉所在位置，将桡动脉所在位置根据预先设定的比例缩小，获得桡动脉的目标取脉点。优选的，所述腕部的包括桡动脉血管的红外图像中：手掌部分位于所述红外图像的上侧，手臂部分位于所述红外图像的下侧。优选的，若所述红外图像为左手，则获取手臂左侧的外边缘直线，并将直线延伸至图像顶端，作为提取桡动脉所在矩形的长；将所述矩形的长与所述参考中线的平均距离作为提取桡动脉所在矩形的宽；若所述红外图像为右手，则将所述红外图像进行水平翻转后，获取手臂左侧的外边缘直线，并将直线延伸至图像顶端，作为提取桡动脉所在矩形的长；将所述矩形的长与所述参考中线的平均距离作为提取桡动脉所在矩形的宽。优选的，所述根据所述红外图像的颜色值将所述红外图像转换为对应的灰度图像，包括：使用血管显像仪器获取腕部包括桡动脉血管的红外图像；读取所述红外图像的颜色值；采用均值法将所述红外图像转换为灰度图像，计算公式为：gray＝((r+g+b)/3)/255grap表示灰度值，r、g、b分别表示红、绿、蓝三种颜色的值。优选的，所述采用均值法将所述红外图像转换为灰度图像，还可以采用如下的三种方法将所述红外图像转换为灰度图像：A、采用基于亮度的方法将红外图像转换为灰度图像，计算公式为：Lightness＝(max(r,g,b)+min(r,g,b))/2B、采用基于照度的方法将红外图像转换为灰度图像，计算公式为：(HDTV-BT.709)lumonoaity＝r*0.0722+g*0.7152+b*0.2126(SDTV-BT.601)lumonoaity＝r*0.114+g*0.587+b*0.299C、采用彩色转灰度的心理学的方法将红外图像转换为灰度图像，计算公式为：gray＝r*0.299+g*0.587+b*0.114。优选的，将所述红外图像转换为对应的灰度图像之后，对所述灰度图像进行增强处理之前，还包括：使用维纳滤波去除所述灰度图像的噪声，获得无干扰的灰度图像。优选的，还包括：维纳滤波的卷积窗口的取值范围为[3,3]～[3,7]。优选的，还包括：使用高斯滤波或平滑卷积去除所述灰度图像的噪声，获得无干扰的灰度图像。优选的，所述灰度图像进行增强处理，获得所述腕部血管的对比度增强的灰度图像，包括：对所述无干扰的灰度图像使用底帽变换和灰度均衡化的方法，获得所述腕部血管的对比度增强的灰度图像。优选的，所述底帽变换的方法，具体为：对所述无干扰的灰度图像进行底帽变换，并用无干扰的灰度图像减去底帽变换的结果，将变换前的灰度图像记作f，对f进行底帽变换，定义[2,3]为f的闭操作减去f：Bhat(f)＝(f·b)-f)，选择的结构为圆形，且圆半径的取值范围为[5,20]像素；增强图像的计算公式为：result＝f-Bhat(f)。优选的，所述灰度均衡化的方法，具体为：对进行底帽变换后的灰度图像使用灰度直方图的方法进行灰度均衡化，设原始图像在(x,y)处的灰度为f，l为图像的灰度级数，均衡化后的图像为g，则灰度直方图均衡化处理中对图像的映射函数可定义为：g＝EQ(f)。EQ(f)必须满足如下两个条件：(1)同序性：EQ(f)在0<＝f<＝L-1范围内为单调增函数；(2)一致性：对于0<＝f<＝L-1有0<＝g<＝L-1，变换前后灰度值动态范围的一致性；基于累积分布函数满足上述两个条件，则映射函数为：Gk＝EQ(fk)＝(ni/n)＝pf(fi),(k＝0,1,2,……,L-1),求和区间为[0,k]根据以上方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值同，对原始图像的灰度值进行统计分析，并计算出原始直方图的分布，然后根据计算出的累计直方图分布求出fk到gk的灰度映射关系，计算得到原始图像所有灰度级别到目标图像灰度级别的映射关系，按照该映射关系进行灰度转换。优选的，所述对所述对比度增强的灰度图像进行锐化处理，包括：设计锐化算子增强亮度差异大的边界位置并同时弱化亮度差异小的其他位置，设原灰度图像为f，分别计算f的纵向和横向累加矩阵c1，c2，定义diff为锐化结果，(i，j)为像素所在的行数和列数，基于局部亮度的锐化算子如下：diff(i,j)＝(abs(c1(i,j)*2-c1(i-d,j)-c1(i+d,j))+abs(c2(i,j)*2-c2(i,j-d)-c2(i,j+d)))其中，d为算子的卷积窗口，并且锐化算子根据图像的大小调整卷积窗口的半径。优选的，所述将两条边界线的中心点的连线作为手臂的参考中线，包括：对边界锐化后的图像使用sobel算子或canny算子进行边缘检测，边缘检测的结果记作BW；在BW每行上计算边缘点的平均位置；对所有行的平均位置进行等间隔采样；将采样后的点拟合成一条直线，记作line_ref，line_ref为获得的手臂参考中线。优选的，所述若所述红外图像为左手，则获取所述手臂的外边缘直线，包括：使用霍夫变换识别diff上左侧的直线并共线融合，得到直线集合lines；根据直线距离、直线亮度、以及直线长度，选择直线集合lines中line_ref附近的直线，作为手臂边界line_arm。优选的，还包括：检测BW本文档来自技高网...

【技术保护点】
1.一种定位目标取脉点的方法，其特征在于，包括：获取腕部的包括桡动脉血管的红外图像；根据所述红外图像的颜色值将所述红外图像转换为对应的灰度图像，对所述灰度图像进行增强处理，获得所述腕部血管的对比度增强的灰度图像；对所述对比度增强的灰度图像进行锐化处理，获得手臂两侧与外部背景的边界线；将两条边界线的中心点的连线作为手臂的参考中线；获取手臂与大拇指同侧的外边缘直线，并将直线延伸至图像顶端，作为提取桡动脉所在矩形的长；将所述矩形的长与所述参考中线的平均距离作为提取桡动脉所在矩形的宽；根据图像中桡动脉的特征，确定桡动脉所在位置，将桡动脉所在位置根据预先设定的比例缩小，获得桡动脉的目标取脉点。

【技术特征摘要】
1.一种定位目标取脉点的方法，其特征在于，包括：获取腕部的包括桡动脉血管的红外图像；根据所述红外图像的颜色值将所述红外图像转换为对应的灰度图像，对所述灰度图像进行增强处理，获得所述腕部血管的对比度增强的灰度图像；对所述对比度增强的灰度图像进行锐化处理，获得手臂两侧与外部背景的边界线；将两条边界线的中心点的连线作为手臂的参考中线；获取手臂与大拇指同侧的外边缘直线，并将直线延伸至图像顶端，作为提取桡动脉所在矩形的长；将所述矩形的长与所述参考中线的平均距离作为提取桡动脉所在矩形的宽；根据图像中桡动脉的特征，确定桡动脉所在位置，将桡动脉所在位置根据预先设定的比例缩小，获得桡动脉的目标取脉点。2.根据权利要求1所述的方法，其特征在于，所述腕部的包括桡动脉血管的红外图像中：手掌部分位于所述红外图像的上侧，手臂部分位于所述红外图像的下侧。3.根据权利要求1所述的方法，其特征在于，若所述红外图像为左手，则获取手臂左侧的外边缘直线，并将直线延伸至图像顶端，作为提取桡动脉所在矩形的长；将所述矩形的长与所述参考中线的平均距离作为提取桡动脉所在矩形的宽；若所述红外图像为右手，则将所述红外图像进行水平翻转后，获取手臂左侧的外边缘直线，并将直线延伸至图像顶端，作为提取桡动脉所在矩形的长；将所述矩形的长与所述参考中线的平均距离作为提取桡动脉所在矩形的宽。4.根据权利要求1所述的方法，其特征在于，所述根据所述红外图像的颜色值将所述红外图像转换为对应的灰度图像，包括：使用血管显像仪器获取腕部包括桡动脉血管的红外图像；读取所述红外图像的颜色值；采用均值法将所述红外图像转换为灰度图像，计算公式为：gray＝((r+g+b)/3)/255grap表示灰度值，r、g、b分别表示红、绿、蓝三种颜色的值。5.根据权利要求4所述的方法，其特征在于，所述采用均值法将所述红外图像转换为灰度图像，还可以采用如下的三种方法将所述红外图像转换为灰度图像：A、采用基于亮度的方法将红外图像转换为灰度图像，计算公式为：Lightness＝(max(r,g,b)+min(r,g,b))/2B、采用基于照度的方法将红外图像转换为灰度图像，计算公式为：(HDTV-BT.709)lumonoaity＝r*0.0722+g*0.7152+b*0.2126(SDTV-BT.601)lumonoaity＝r*0.114+g*0.587+b*0.299C、采用彩色转灰度的心理学的方法将红外图像转换为灰度图像，计算公式为：gray＝r*0.299+g*0.587+b*0.114。6.根据权利要求1所述的方法，其特征在于，将所述红外图像转换为对应的灰度图像之后，对所述灰度图像进行增强处理之前，还包括：使用维纳滤波去除所述灰度图像的噪声，获得无干扰的灰度图像。7.根据权利要求6所述的方法，其特征在于，还包括：维纳滤波的卷积窗口的取值范围为[3,3]～[3,7]。8.根据权利要求6所述的方法，其特征在于，还包括：使用高斯滤波或平滑卷积去除所述灰度图像的噪声，获得无干扰的灰度图像。9.根据权利要求1或6所述的方法，其特征在于，所述灰度图像进行增强处理，获得所述腕部血管的对比度增强的灰度图像，包括：对所述无干扰的灰度图像使用底帽变换和灰度均衡化的方法，获得所述腕部血管的对比度增强的灰度图像。10.根据权利要求9所述的方法，其特征在于，所述底帽变换的方法，具体为：对所述无干扰的灰度图像进行底帽变换，并用无干扰的灰度图像减去底帽变换的结果，将变换前的灰度图像记作f，对f进行底帽变换，定义[2,3]为f的闭操作减去f：Bhat(f)＝(f·b)-f)，选择的结构为圆形，且圆半径的取值范围为[5,20]像素；增强图像的计算公式为：result＝f-Bhat(f)。11.根据权利要求9所述的方法，其特征在于，所述灰度均衡化的方法，具体为：对进行底帽变换后的灰度图像使用灰度直方图的方法进行灰度均衡化，设原始图像在(x,y)处的灰度为f，l为图像的灰度级数，均衡化后的图像为g，则灰度直方图均衡化处理中对图像的映射函数可定义为：g＝EQ(f)。EQ(f)必须满足如下两个条件：(1)同序性：EQ(f)在0<＝f<＝L-1范围内为单调增函数；(2)一致性：对于0<＝f<＝L-1有0<＝g<＝L-1...

【专利技术属性】
技术研发人员：刘晓诚，宋臣，汤青，
申请(专利权)人：新绎健康科技有限公司，
类型：发明
国别省市：河北,13