基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法技术

本发明专利技术公开了基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法，涉及糖尿病鞋垫技术领域，解决了对于糖尿病足溃疡早期的患者，无法识别足溃疡的位置，制作的鞋垫不能将溃疡的位置进行裁剪和患者的足部骨骼还未发生病变，但是其受力点可能出现变化，造成受力分析存在误差的问题。本发明专利技术提出的基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法，以红外热成像技术获取糖尿病患者双足的热图像，以更客观的热图像形式显示足部皮肤因周围神经血管病变引起的皮肤温度情况，进而早期识别足部溃疡发生部位和程度，并基于红外热成像显示的结果，智能化识别并分割图像中的足部病变区域，获得裁剪模板，裁剪个性化鞋垫，满足不同需求。同需求。同需求。

【技术实现步骤摘要】
基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法


[0001]本专利技术涉及糖尿病鞋垫
，特别涉及基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法。

技术介绍

[0002]糖尿病足是糖尿病最严重的并发症之一，在老年糖尿病患者中，因糖尿病足而截肢的患者占非外伤性截肢患者的50％，其中85％的糖尿病足截肢是由足部溃疡和坏疽导致，且具有较高的感染致死率。而日常穿着不合适的鞋和鞋垫在糖尿病足溃疡的众多诱发因素中占据不可忽视的地位。因此，早期识别糖尿病足溃疡发生风险区域，进而针对风险区域制定个性化鞋垫对预防糖尿病足溃疡的发生具有重要意义。随着各类糖尿病足测试系统的日益普及以及3D打印技术在医学研究领域的推广应用，对患者个体进行足部测试，设计、订制出个性化的糖尿病足鞋垫来预防和治疗糖尿病足溃疡，越来越成为糖尿病足防治工作中的重要内容和共识。穿着个性化糖尿病足鞋具来防治糖尿病足溃疡在发达国家患者中已较为普及，然而在国内却相对较少。
[0003]中国专利CN106372374B公开了一种针对糖尿病足鞋垫的个性化设计方法，先建立通用足部骨骼模型，然后采集病患足部的关键尺寸数据，对通用足部骨骼模型进行缩放，获得病患的个性化骨骼模型，再采集病患足部外表面形貌的三维数据，与个性化骨骼模型相耦合，在CAD软件中进行装配得到病患个性化的足部三维模型；然后在足部三维模型的基础上，根据足底形貌特征，建立与之完全贴合的糖尿病足鞋垫基础模型，将其与足部三维模型导入有限元分析软件中进行组配以及网格划分，获得足
‑
鞋垫的有限元模型，再分析计算应力分布结果，对糖尿病足鞋垫基础模型各区域的模量及结构进行修改，形成最终的糖尿病足鞋垫模型，该专利技术所设计鞋垫满足定制化需求，同时缩短了产品设计周期，降低了成本。
[0004]该专利技术虽然在一定程度上解决了
技术介绍
中的问题，但是该申请中存在以下问题：1、对于糖尿病足溃疡早期的患者，无法识别足溃疡的位置，制作的鞋垫不能将溃疡的位置进行裁剪；2、受力分析是根据患者的足部骨骼模型制模所得，但是对于糖尿病足溃疡早期的患者，足部骨骼还未发生病变，但是其受力点可能出现变化，造成受力分析存在误差。

技术实现思路

[0005]本专利技术的目的在于提供基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法，以红外热成像技术获取糖尿病患者双足的热图像，能相较于主观触觉，以更客观的热图像形式显示足部皮肤因周围神经血管病变引起的皮肤温度情况，进而早期识别足部溃疡发生部位和程度，并基于红外热成像显示的结果，利用计算机图像处理方法，智能化识别并分割图像中的足部病变区域，获得裁剪模板，裁剪个性化鞋垫，满足不同需求；通过测试多种状态下糖尿病患者的双脚受力分布情况，计算同一区域内的压力值的上下限阀值，提取不同区域对应的受压下限阀值，映射到鞋垫融合图像区域上，构建第一层鞋垫模型和第二层鞋垫模型，采用3D打印技术，制作第一层鞋垫和第二层鞋垫，调整鞋垫的曲面，以适应不同
的患者的需要，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法，包括以下步骤：
[0008]S1：建立足溃疡风险预测模型；
[0009]S11图像采集阶段：获取大量原始糖尿病足溃疡红外热成像图像，通过计算机图像处理方法对获得的红外热成像图像进行图像增强处理，突出图像中不同区域的颜色特征，以及删除图像中的文字注释信息，只保留原始图像信息，所有的原始糖尿病足溃疡红外热成像图像进行图像数据集处理，医护人员诊断并标记注释采集的红外热成像图像，整理所有患者的足溃疡红外热成像图像，由医护人员确认图像质量，确定图像中的溃疡区域；
[0010]S12“金标准”图像确认阶段：从所有红外热成像图像中找到最清晰明显的代表图像，由医护人员人工删除图像中的溃疡区域，制定“金标准”图像，作为计算机构建预测模型的评估标准；
[0011]S13图像数据集准备阶段：对所有的红外热成像图像进行归一化处理，医护人员标记正常类和溃疡类两类图像；
[0012]S14构建图像风险预测模型阶段：在得到糖尿病足溃疡红外热成像图像数据集之后，选择不同的“深度学习”方法，构建基于深度卷积神经网络的糖尿病足溃疡红外热成像图像风险预测模型；
[0013]S2：初步生成鞋垫模板；
[0014]S21初步成形阶段：足溃疡风险预测模型识别糖尿病足溃疡红外热成像图像中的足底溃疡区域和足底正常皮肤区域，并实现对这两部分区域的语义分割，并将足底溃疡区域滤除，留下患者足底正常皮肤的红外热成像图像；
[0015]S22鞋垫匹配阶段：确认患者双足的标准尺寸鞋垫，使用正常相机拍摄鞋垫图像；
[0016]S23鞋垫合成阶段：选择合适的计算机图像融合算法，将两幅图像进行图像融合实验，最终得到鞋垫剪裁的模板图像。
[0017]优选的，所述构建图像风险预测模型阶段具体方法包括以下步骤：
[0018]S141：构建“深度学习方法”图像分类识别模型，选择一种深度卷积神经网络结构对糖尿病足溃疡红外热成像图像数据集进行训练，完成图像分类，最终获得一个可以正确分辨足底正常类和溃疡类红外热成像图像的风险预测模型；
[0019]S142：构建“深度学习方法”图像语义分割模型，图像数据集将载入模型中进行训练，实现对足底红外热成像图像的语义分割，识别出一幅红外热成像图像中足底正常区域和足底溃疡区域，并实现对这两部分区域的语义分割。
[0020]优选的，所述鞋垫合成阶段具体方法包括以下步骤：
[0021]S231：首先对红外热成像图像A使用区域生长方法得到足底整体区域，并将该区域投影到可见光鞋垫图像B上；
[0022]S232：分别对红外热成像图像A和可见光鞋垫图像B进行结合复剪切波变换分解，得到它们的多尺度分解系数，包括高频子带系数和低频子带系数；
[0023]S233：对不同分解系数的区域选择不同的融合策略，获得高频和低频融合系数；
[0024]S234：对融合后的系数进行结合复剪切波逆变换，重构融合图像。
[0025]优选的，本基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法还包括步骤
S3调整鞋垫模板，所述调整鞋垫模板具体包括以下步骤：
[0026]S31采集压力值阶段：将融合图像投影到压力感应平板上，糖尿病患者脚踩在压力感应平板上鞋垫融合图像对应区域，压力感应平板获取鞋垫融合图像区域的压力值；
[0027]S32优化压力值阶段：根据患者的足底受力位置，确定糖尿病患者鞋垫的不同受力厚度，制定第一层鞋垫模型和第二层鞋垫模型；
[0028]S33合成鞋垫模板阶段：第一层鞋垫模型和第二层鞋垫模型重合，获得最终的鞋垫模板。
[0029]优选的，所述优化压力值阶段具体方法包括以下步骤：
[0030]S321：多次采集糖尿病患者的压力值，汇集成糖尿病患者的专属数据组，并对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法，其特征在于，包括以下步骤：S1：建立足溃疡风险预测模型；S11图像采集阶段：获取大量原始糖尿病足溃疡红外热成像图像，通过计算机图像处理方法对获得的红外热成像图像进行图像增强处理，突出图像中不同区域的颜色特征，以及删除图像中的文字注释信息，只保留原始图像信息，所有的原始糖尿病足溃疡红外热成像图像进行图像数据集处理，医护人员诊断并标记注释采集的红外热成像图像，整理所有患者的足溃疡红外热成像图像，由医护人员确认图像质量，确定图像中的溃疡区域；S12“金标准”图像确认阶段：从所有红外热成像图像中找到最清晰明显的代表图像，由医护人员人工删除图像中的溃疡区域，制定“金标准”图像，作为计算机构建预测模型的评估标准；S13图像数据集准备阶段：对所有的红外热成像图像进行归一化处理，医护人员标记正常类和溃疡类两类图像；S14构建图像风险预测模型阶段：在得到糖尿病足溃疡红外热成像图像数据集之后，选择不同的“深度学习”方法，构建基于深度卷积神经网络的糖尿病足溃疡红外热成像图像风险预测模型；S2：初步生成鞋垫模板；S21初步成形阶段：足溃疡风险预测模型识别糖尿病足溃疡红外热成像图像中的足底溃疡区域和足底正常皮肤区域，并实现对这两部分区域的语义分割，并将足底溃疡区域滤除，留下患者足底正常皮肤的红外热成像图像；S22鞋垫匹配阶段：确认患者双足的标准尺寸鞋垫，使用正常相机拍摄鞋垫图像；S23鞋垫合成阶段：选择合适的计算机图像融合算法，将两幅图像进行图像融合实验，最终得到鞋垫剪裁的模板图像。2.如权利要求1所述的基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法，其特征在于：所述构建图像风险预测模型阶段具体方法包括以下步骤：S141：构建“深度学习方法”图像分类识别模型，选择一种深度卷积神经网络结构对糖尿病足溃疡红外热成像图像数据集进行训练，完成图像分类，最终获得一个可以正确分辨足底正常类和溃疡类红外热成像图像的风险预测模型；S142：构建“深度学习方法”图像语义分割模型，图像数据集将载入模型中进行训练，实现对足底红外热成像图像的语义分割，识别出一幅红外热成像图像中足底正常区域和足底溃疡区域，并实现对这两部分区域的语义分割。3.如权利要求1所述的基于热成像的人工智能糖尿病足溃疡识别的鞋垫剪裁方法，其特征在于：所述鞋垫合成阶段具体方法包括以下步骤：S231：首先对红外热成像图像A使用区域生长方法得到足底整体区域，并将该区域投影到可见光鞋垫图像B上；S232：分别对红外热成像图像A和可见光鞋垫图像B进行结合复剪切波变换分解，得到它们的多尺度分解系数，包括高频子带系数和低频子带系数；S233：对不同分解系数的区域选择不同的融合策略，获得高频和低频融合系数；S234：对融合后的系数进行结合复剪切波逆变换，重构融合图像。<...

【专利技术属性】
技术研发人员：江小琼，蔡福满，袁婕，范佳宁，王昱，刘方龙，林璐璐，
申请(专利权)人：温州医科大学，
类型：发明
国别省市：