【技术实现步骤摘要】
一种人体穴位的自动定位方法、装置和电子设备
[0001]本文件涉及医疗器械
，尤其涉及一种人体穴位的自动定位方法、装置和电子设备。
技术介绍
[0002]红外热成像技术应用在医学上已有40多年历史。人体是一个组织代谢的有机整体，不断进行代谢运行，通过组织代谢、血液循环等活动不断产热散热，总体呈现出热力学平衡状态。利用红外热成像技术对人体的体表温度进行分析，可以得到某些失衡状态的温度部位，从而诊断出相应的病症。人体经络、穴位的阴阳平衡理论是中医核心理论之一，人体体表红外热成像可以清晰地反映出人体各穴位温度及各经络的热秩序，通过对人体体表各穴位温度和各经络热秩序的分析，可以得出人体的体质、证候特征。
[0003]现有技术中，读图人员可以通过在系统屏幕中呈现出的人体体表的红外热图，进行手工选取穴位点并由计算机识别选取的穴位点温度，然后将经络各穴位点温度综合起来，通过读图人员的读图经验进行人工分析经络的热序列特征从而总结出该人体红外图所表现出的体质特征及证候分型。这种采用人工识别穴位经络并人工分析的方法，对读图人员专业要求较高，第一，读图人员需要掌握计算机读图软件使用方法；第二，读图人员需要专业的中医理论知识，能准确识别到穴位点和经络位置；第三，读图人员需要掌握红外热成像技术读图分析方法才能对红外人体温度进行分析。
[0004]可见，现有技术采用人工读图方式，由读图者手工选取穴位点并人工总结穴位经络温度热序列。这种采用人工识别穴位经络并人工分析的方法，由于读图人员在计算机读图软件、中医理论知识以及红外热...
【技术保护点】
【技术特征摘要】
1.一种人体穴位的自动定位方法，其特征在于，包括：获取待检测人体的目标人体红外图像；对所述目标人体红外图像进行图像预处理操作；基于选取的神经网络算法确定待训练的神经网络模型；对所述待训练的神经网络模型进行训练：获取样本数据集，并对所述样本数据集中每个样本数据进行图像预处理操作，其中，所述样本数据集包含多个人体红外图像，且每个人体红外图像均标注有J个穴位的位置；将进行图像预处理操作之后的样本数据集划分为训练集、验证集和测试集；基于所述训练集中每个样本数据以及其中标注的J个穴位的位置，对所述待训练的神经网络模型中的参数进行调整，得到训练后的第一神经网络模型；分别基于所述验证集和所述测试集对训练后的第一神经网络模型进行处理后，确定出最优神经网络模型作为穴位预测模型；将进行图像预处理操作后的目标图像输入所述穴位预测模型，得到J个穴位置信度图，其中，所述J个穴位中每个穴位对应一个穴位置信度图，每个穴位置信度图标注有对应穴位在该穴位置信度图中的位置置信度分布；确定所述J个穴位置信度图中，每个穴位在相应穴位置信度图中置信度最大值对应的位置，作为该穴位在所述目标人体红外图像中的位置。2.如权利要求1所述的人体穴位的自动定位方法，其特征在于，所述样本数据集中每个人体红外图像还标注有穴位之间的由C个向量域构成的经络走向：则在对所述待训练的神经网络模型进行训练时，将进行图像预处理操作之后的样本数据集划分为训练集、验证集和测试集之后；所述方法还包括：基于所述训练集中每个样本数据以及其中标注的经络走向，对所述待训练的神经网络模型中的参数进行调整，得到训练后的第二神经网络模型；分别基于所述验证集和所述测试集对训练后的第二神经网络模型进行处理后，确定出最优神经网络模型作为经络预测模型；以及，在定位出所述目标人体红外图像中穴位位置之后，所述方法还包括：将进行图像预处理操作后的目标图像输入所述经络预测模型，得到每对相邻穴位之间的C个向量域，将每对相邻穴位之间的C个向量域累加得到该相邻穴位之间的经络走向；基于所有确定出的经络走向确定所述目标人体红外图像中经络位置。3.如权利要求1或2所述的人体穴位的自动定位方法，其特征在于，在定位所述目标人体红外图像中穴位位置之后，所述方法还包括：基于定位出的各个穴位对应的温度之间的关系，自动分析所述待检测人体的体质和/或证候；或者，在确定所述目标人体红外图像中经络位置之后，所述方法还包括：基于定位出的各个穴位对应的温度之间的关系和/或定位出的各个经络对应的温度之间的关系，自动分析所述待检测人体的体质和/或证候。4.如权利要求1或2所述的人体穴位的自动定位方法，其特征在于，所述待训练的神经网络模型是以VGG
‑
19为主干网络的神经网络模型，用于完成对人体红外图像的特征提取。5.如权利要求4所述的人体穴位的自动定位方法，其特征在于，基于选取的神经网络算
法确定待训练的神经网络模型，具体包括：确定以VGG
‑
19为主干网络的神经网络模型结构，并在所述神经网络模型结构之后部署一系列卷积层和置信度预测层S，其中代表J个置信度图，每个穴位点由网络预测一张置信度图，代表该穴位点在图像中的置信度分布。6.如权利要求5所述的人体穴位的自动定位方法，其特征在于，在基于选取的神经网络算法确定待训练的神经网络模型时，还包括：确定以VGG
‑
19为主干网络的神经网络模型结构，并在所述神经网络模型结构之后部署一系列卷积层和经络预测层L，其中，代表C个向量域，每两个由经络相连的穴位由网络预测一个向量域，每个向量域代表预测的经络走向方向。7.如权利要求1、2、5、6任一项所述的人体穴位的自动定位方法，其特征在于，所述图像预处理操作，至少包括以下操作之一或组合：高斯滤波、伽马变换、对比度变换以及全局直方图变换。8.如权利要求1、2、5、6任一项所述的人体穴位的自动定位方法，其特征在于，所述训练集、验证集和测试集之间按照7：2：1的比例划分。9.一种人体穴位的自动定位装置，其特征在于，包括：获取模块，用于获取待检测人体的目标人体红外图像；预处理模块，用于对所述目标人体红外图像进行图像预处理操作；模型设计模块，用于基于选取的神经网络算法确定待训练的神经网络模型；训练模块，用于对所述待训练的神经网络模型进行训练：获取样本数据集，并对所述样本数据集中每个样本数据进行图像预处理操作，其中，所述样本数据集包含多个人体红外图像，且每个人体红外图像均标注有J个穴位的位置；将进行图像预处理操作之后的样本数据集划分为训练集、验证集和测试集；基于所述训练集中每个样本数据以及其中标注的J个穴位的位置，对所述待训练的神经网络模型中的参数进行调整，得到训练后的第一神经网络模型；分别基于所述验证集和所述测试集对训练后的第一神经网络模型进行处理后，确定出最优神经网络模型作为预测模型；预测模块，用于将进行图像预处理操作后的目标图像输入所述预测模型，得到J个穴位置信度图，其中，所述J个穴位中每个穴位对应一个穴位置信度图，每个穴位置信度图标注有对应穴位在该穴位置信度图中的位置置信度分布；定位模块，用于确定所述J个穴位置信度图中，每个穴位在相应穴位置信度图中置信度最大值对应的位置，作为该穴位在所述目标人体红外图像中的位置。10.如权利要求9所述的人体穴位的自动定位装置，其特征在于，所述样本数据集中每个人体红外图像还标注有穴位之间的由C个向量域构成的经络走向；则在所述训练模块对所述待训练的神经网络模型进行训练时，将进行图像预处理操作之后的样本数据集划分为训练集、验证集和测试集之后，还用于：基于所述训练集中每个样本数据以及其中标注的经络走向，对所述待训练的神经网络
模型中的参数进行调整，得到训练后的第二神经网络模型；分别基于所述验证集和所述测试集对训练后的第二神经网络模型进行处理后，确定出最优神经网络模型作为经络预测模型；以及，在定位出所述目标人体红外图像中穴位位置之后，所述预测模块还用于：将进行图像预处理操作后的目标人体红外图像输入所述经络预测模型，得到每对相邻穴位之间的C个向量域，将每对相邻穴位之间的C个向量域累加得到该相邻穴位之间的经络走向；以及，所述定位模块，还用于基于所有确定出的经络走向确定所述目标人体红外图像中经络位置。11.如权利要求9或10所述的人体穴位的自动定位装置，其特征在于，还包括：分析模块；所述分析模块用于在定位模块定位所述目标人体红外图像中穴位位置之后，基于定位出的各个穴位对应的温度之间的关系，自动分析所述待检测人体的体质和/或证候；或者，所述分析模块用于在定位模块确定所述目标人体红外图像中经络位置之后，基于定位出的各个穴位对应的温度之间的关系和/或定位出的各个经络对应的温度之间的关系，自动分析所述待检测人体的体质和/或证候。12.一种人体穴位和经络的自动定位的方法，其特征在于，包括：获取待检测人体的目标人体红外图像；对所述目标人体红外图像进行图像预处理操作；基于选取的神经网络算法确定待训练的神经网络模型，其中，所述待训练...
【专利技术属性】
技术研发人员：付家为，孙林林，常嘉，王纯良，崔德琪，
申请(专利权)人：北京鹰之眼智能健康科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。