视觉图像与医疗图像融合识别、自主定位扫查方法技术

视觉图像与医疗图像融合识别、自主定位扫查方法是利用人工智能机器人技术，提供自主定位识别人体器官特征位置，采集超声图像的方法，远端及自适应采集颈部，甲状腺左右叶，峡部，腮腺，图像，视频的方法；远端及自适应采集下肢血管的扫查方式，采集器官，组织医疗图像，视频的方法；远端及自适应采集骨骼关节，肌肉，神经扫查方式。医疗图像自主及远端控制采集与共享实现图像共享，缓解医护作业压力大，夜班多等问题。提高专家，医生远端采集与共享医疗图像，问诊，查房效率，专家共同意见解决临床案例，应用于门诊，病房，海外医疗机构。海外医疗机构。

【技术实现步骤摘要】
视觉图像与医疗图像融合识别、自主定位扫查方法


[0001]本专利技术属于医疗类人工智能
，涉及数据的分析技术，机器人动作规划
，图像智能识别方法，人工智能与医疗数据分析识别的技术及方法。

技术介绍

[0002]目前应用于医疗领域，在检查过程，由于各种人为因素分析，医疗图像，视频采集质量差，标准化程度低，识别病情精准度差。各专科医生领域及医疗专业受限，管理员远端控制，利用机器人搭载的机器臂，视觉装置，深度视觉装置及各种神经网络方法及其改进方法，智能识别人脸，人体器官，骨骼，辅助采集医疗图像，视频。
[0003]疫情时期，感染性高，采集传染风险大，效率低下，人工采集不精准，人工采集会导致瘟疫传播等问题，利用机器臂远端及自主采集医疗图像，视频，实现远端采集，自主采集，智能化识别分析数据，图像，视频，自主定位，扫查有效防止传染病，瘟疫等重大疾病蔓延。
[0004]视觉图像与医疗图像融合的智能识别，自主定位扫查方法，自适应调整机器臂，智能识别人体，器官，骨骼，识别，远端及自主移动机器臂，扫查探头，扫查装置，自主定位，扫查部位，器官，依照智能扫查方法，自主扫查，采集医疗图像，视频，大大提高智能识别，采集医疗数据，医疗图像视频的效率。
[0005]技术问题
[0006]本专利技术的目的就在于克服上述现有技术的缺点和不足，提供一种利用远端，自主机器人采集医疗图像装置，以及本专利技术的视觉图像与医疗图像融合的智能识别，机器臂自主定位扫查方法，解决了人为的扫查，检查采集诊断治疗失误问题。/>[0007]一种多种医疗图像融合智能识别人体五官，器官，骨骼，关节，血管，人体特征及其位置的智能识别方法以及机器人，机器臂，医疗装置自主定位，人体外部位置区，扫查采集医疗图像的方法成为自主定位，扫查的关键技术问题。
[0008]有效扫查，完整扫查方法，成为超声扫查另一种重要的技术难题。本专利技术提供了一种远端及自适应扫查颈部，甲状腺左右叶，峡部，腮腺，采集图像，视频的方法；一种远端及自适应采集下肢血管的扫查方式，采集器官，组织医疗图像，视频的方法；一种远端及自适应采集骨骼关节，肌肉，神经扫查方式，采集器官，组织医疗图像，视频的方法。
[0009]本专利技术的采用的技术方案
[0010]视觉图像与医疗图像融合智能识别人体五官，器官，骨骼，关节，血管，人体特征及其位置的智能识别方法，所述方法是将一般视觉图像，深度图像及超声图像，内窥镜图像一体化智能识别人体器官，骨骼，关节，血管，人体特征点及其位置的方法以及自主定位人体器官，骨骼，关节，血管，人体特征点位置的方法，包括以下骤：
[0011]S1、建立一般视觉图像模型，人体器官模型，血管模型及特征模型，一般图像的模型包括：人脸，五官，耳部，嘴唇，下颌骨，颈部，肚脐，乳头，特征生殖器，特征部位及其位置作为特征项，用神经网络算法及其改进方法，智能识别人体特征及其位置。
[0012]S2、建立深度视觉装置及深度视觉图像模型，骨骼模型。
[0013]S3、将深度信息及骨骼所在人体的位置信息，以及S1所述的一般图像模型识别的近邻特征器官信息作为骨骼智能识别模型的特征项结合，作为输入项。
[0014]S4、应用神经网络算法及其改进方法，智能识别各骨骼以及各骨骼所在的位置，下颌骨，肋底端骨骼，剑突，脊椎，脊椎位置，骨骼下界位置，肩关节，膝关节，足，骨，足关节，腰关节及其位置，各关节位置。
[0015]S5、将S1所述的一般图像模型识别的近邻特征器官信息标准为外部扫查特征信息，将S4识别的骨骼信息外部扫查骨骼信息，
[0016]S6、建立超声图像下特征模型，将超声图像下血管颜色信息，血管位置信息及超声图像器官的轮廓形状特征，结构特征，颜色特征。
[0017]S7、将血管信息，血管位置信息与超声图像下器官信息，器官特征结合为综合为信息结合项作为超声图像模型的特征项，输入项。
[0018]S8、将外部扫查特征信息及外部扫查骨骼信息作为外部扫查信息，将S1所述的一般图像模型识别的近邻特征器官信息将S4识别的骨骼信息与S7所述的超声图像模型的特征项及其位置区输入神经网络及其改进方法及权值优化器，通过图像训练，得到输出值。
[0019]S9、改进深度神经网络方法及权值优化器，通过图像训练，得到输出值及器官，血管，骨骼，以及其所在人体扫查器官及位置信息识别结果。
[0020]S10、输出结果，作为外部扫查自主定位器官，血管，骨骼，以及其所在人体的位置的结果。
[0021]一种机器人自主定位人体外部位置区坐标，扫查采集医疗图像的方法，包括以下步骤：
[0022]S1、依据管理员，医生通信模块，机器人，医疗装置发布采集任务，医嘱消息，获得采集任务对应的人体采集图像的器官及其外部位置区坐标，设置其为目标，设置目标名，目标参数，位置信息，设置通信目标。
[0023]S2、机器人视觉采集装置及视觉识别模块发布各器官对应的外部特征，一般图像模型识别的近邻特征器官的外部扫查特征信息人体外部位置区坐标；深度摄像头发布的深度信息，近邻的骨骼信息外部扫查骨骼信息。
[0024]S3、机器臂，超声装置，超声探头，机器人，医疗装置订阅对应的器官外部扫查区位置信息，
[0025]订阅目标，参数，目标位姿，位姿标记，设置目标对于头部id，目标位姿，方向值，设置时间戳
[0026]S4、远端主控制系统及自主机器臂搭载的超声探头依照订阅的采集区位置，依照机器臂图像采集动作规划模块的动作，移动，扫查人体采集区。超声探头及超声装置发布采集的图像信息，血管颜色信息，血管位置信息及超声图像器官的轮廓形状特征，结构特征，颜色特征。
[0027]S5、机器人，医疗装置及视觉识别模块订阅图像信息。按照权利要求8，抽取超声图像下血管颜色信息，血管位置信息及超声图像器官的轮廓形状特征，结构特征，颜色特征输入计算模型，按照权利要求8智能识别图像是否为目标器官组织，如果为扫查目标器官。
[0028]S6、设置采集目标参数(位姿标记，时间戳，目标对于头部id，COG目标位姿，方向值)，设置位置和姿态的允许误差，当运动规划失败后，允许重新规划，设置目标位置的参考
坐标系，设置每次运动规划的时间限制.
[0029]S7、机器人，医疗装置及机器臂远端及自适应调节采集医疗装置的图像参数，视频的参数，图像采集方法，是否符合图像，视频的识别标准，是否有效采集。
[0030]S8、机器人，医疗装置及机器臂远端及自适应调节超声探头的扫查方式，探头角度，参数，检查目标器官采集位置，采集器官，组织的全部图像及视频是否为全部的扫查方式下的图像，视频，是否为目标器官，组织的完整采集。
[0031]S9、返回目标器官采集完成信息，机器人，医疗装置及机器臂订阅任务信息，机器人，医疗装置及机器臂远端及自适应移动超声探头至下一目标器官的外部扫查位置区。
[0032]S10、机器人，医疗装置依照返回的目标器官采集完成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.视觉图像与医疗图像融合识别、自主定位扫查方法，其特征在于，融合人体五官，器官，骨骼，关节，血管，人体特征及其位置的智能识别方法，所述方法是将一般视觉图像，深度图像及超声图像，内窥镜图像一体化智能识别人体器官，骨骼，关节，血管，人体特征点及其位置的方法以及自主定位人体器官，骨骼，关节，血管，人体特征点位置的方法，包括以下骤：S1、建立一般视觉图像模型，人体器官模型，血管模型及特征模型，一般图像的模型包括：人脸，五官，耳部，嘴唇，下颌骨，颈部，肚脐，乳头，特征生殖器，特征部位及其位置作为特征项，用神经网络算法及其改进方法，智能识别人体特征及其位置。S2、建立深度视觉装置及深度视觉图像模型，骨骼模型。S3、将深度信息及骨骼所在人体的位置信息，以及S1所述的一般图像模型识别的近邻特征器官信息作为骨骼智能识别模型的特征项结合，作为输入项。S4、应用神经网络算法及其改进方法，智能识别各骨骼以及各骨骼所在的位置，下颌骨，肋底端骨骼，剑突，脊椎，脊椎位置，骨骼下界位置，肩关节，膝关节，足，骨，足关节，腰关节及其位置，各关节位置。S5、将S1所述的一般图像模型识别的近邻特征器官信息标准为外部扫查特征信息，将S4识别的骨骼信息外部扫查骨骼信息，S6、建立超声图像下特征模型，将超声图像下血管颜色信息，血管位置信息及超声图像器官的轮廓形状特征，结构特征，颜色特征。S7、将血管信息，血管位置信息与超声图像下器官信息，器官特征结合为综合为信息结合项作为超声图像模型的特征项，输入项。S8、将外部扫查特征信息及外部扫查骨骼信息作为外部扫查信息，将S1所述的一般图像模型识别的近邻特征器官信息将S4识别的骨骼信息与S7所述的超声图像模型的特征项及其位置区输入神经网络及其改进方法及权值优化器，通过图像训练，得到输出值。S9、改进深度神经网络方法及权值优化器，通过图像训练，得到输出值及器官，血管，骨骼，以及其所在人体的位置信息识别结果。S10、输出结果，作为外部扫查自主定位器官，血管，骨骼，以及其所在人体的位置的结果。2.视觉图像与医疗图像融合识别、自主定位扫查方法，其特征在于，一种机器人自主定位人体外部位置区，扫查采集医疗图像的方法，包括以下步骤：S1、依据管理员，医生通信模块，机器人主系统发布采集任务，医嘱消息，获得采集任务对应的人体采集图像的器官及其外部位置区坐标，设置其为目标，设置目标名，目标参数，位置信息，设置通信目标。S2、机器人视觉采集装置及视觉识别模块发布各器官对应的外部特征，一般图像模型识别的近邻特征器官的外部扫查特征信息人体外部位置区坐标；深度摄像头发布的深度信息，近邻的骨骼信息外部扫查骨骼信息。S3、机器臂，超声装置，超声探头，机器人订阅对应的器官外部扫查区位置信息，订阅目标，参数，目标位姿，位姿标记，设置目标对于头部id，目标位姿，方向值，设置时间戳S4、远端主控制系统及自主机器臂搭载的超声探头依照订阅的采集区位置，依照机器
臂图像采集动作规划模块的动作，移动，扫查人体采集区。超声探头及超声装置发布采集的图像信息，血管颜色信息，血管位置信息及超声图像器官的轮廓形状特征，结构特征，颜色特征。S5、机器人主系统及视觉识别模块订阅图像信息。按照权利要求1，抽取超声图像下血管颜色信息，血管位置信息及超声图像器官的轮廓形状特征，结构特征，颜色特征输入计算模型，按照权利要求1，智能识别图像是否为目标器官组织，如果为扫查目标器官。S6、设置采集目标参数(位姿标记，时间戳，目标对于头部id，COG目标位姿，方向值)，设置位置和姿态的允许误差，当运动规划失败后，允许重新规划，设置目标位置的参考坐标系，设置每次运动规划的时间限制.S7、机器人主系统及机器臂远端及自适应调节采集医疗装置的图像参数，视频的参数，图像采集方法，是否符合图像，视频的识别标准，是否有效采集。S8、机器人主系统及机器臂远端及自适应调节超声探头的扫查方式，探头角度，参数，检查目标器官采集位置，采集器官，组织的全部图像及视频是否为全部的扫查方式下的图像，视频，是否为目标器官，组织的完整采集。S9、返回目标器官采集完成信息，机器人主系统及机器臂订阅任务信息，机器人主系统及机器臂远端及自适应移动超声探头至下一目标器官的外部扫查位置区。S10、机器人主系统依照返回的目标器官采集完成信息，判定所有的目标器官采集任务完成。3.视觉图像与医疗图像融合识别、自主定位扫查方法，其特征在于，一种远端及自适应扫查颈部，甲状腺左右叶，峡部，腮腺，采集医疗图像，视频的方法，步骤如下：S1、依据权利要求1，依照一般视觉装置及多种医疗图像融合智能识别方法，智能识别人体耳部，耳郭部及其位置，智能识别人体嘴唇及其位置，通过深度视觉采集装置及及多种医疗图像融合智能识别方法，智能识别骨骼，智能识别耳部底端下颌骨，脊柱，骨骼位置，脊椎位置，智能识别骨骼，唇中线下方的骨骼位置。S2、依据权利要求2，依照机器人自主定位，人体外部位置区坐标，扫查采集医疗图像的方法，机器臂...

【专利技术属性】
技术研发人员：ꢀ五一IntClA六一B八零零，
申请(专利权)人：谈斯聪，
类型：发明
国别省市：