一种基于视觉智能识别的心血管疾病预防诊断系统技术方案

本发明专利技术提出一种基于视觉智能识别的心血管疾病预防诊断系统，通过结合可见光图像与红外热图像自动提取预设的患者特定观察区域（ROI），并智能分析区域中图像的分布特征，根据红外热图像反映出的人体温度分布推算心血管疾病的潜在风险，实现对心血管疾病的预防、诊断。断。

【技术实现步骤摘要】
一种基于视觉智能识别的心血管疾病预防诊断系统


[0001]本专利技术属于智能医疗器械领域，特别地，涉及一种基于视觉智能识别的心血管疾病预防诊断系统。

技术介绍

[0002]高血压是罹患脑卒中、心肌梗死等心血管死亡疾病的首要危险因素。我国高血压患者知晓率、控制率均较低，导致心血管疾病发病率高、心血管并发症高发，严重威胁到居民的健康与生命安全。资料显示一半的高血压患者不知道自己患有高血压，仅有不到四分之一的患者血压可以得到有效控制。可见血压监测对心血管疾病的预防诊断具有关键性作用，亟需得到推广应用。
[0003]患者对血压异常的防范意识差是我国心血管疾病高发的主观因素，而血压监测手段和设备复杂、专业化，结合我国居民整体医疗基础知识薄弱是相应的客观因素。因此，有必要探索研发一种无接触、易操作、智能化的血压监测与心血管疾病预防诊断方法。随着技术的进步，基于红外热图像的特定观察区(ROI)的监测方法可以有效实现对心血管疾病患者的血压水平监测。通过捕捉、计算患者面部等特定部位的红外热图像分布特征可以建立与疾病潜在风险的关联，进而对心血管疾病实现预防、诊断。
[0004]然而，现有技术中对于能够指征高血压的ROI区域的确定更多依赖于经验，即由医生在采集图像中进行圈定，这使得整个系统难以在家中使用，且依赖于经验，可靠性不高。也有一些技术中使用算法进行ROI区域圈定，但这些算法并不是针对指征高血压的ROI区域，也难以准确圈定出指征高血压的区域，这使得进一步的处理变得困难。
[0005]此外，对于指征高血压的图像区域，目前最新的技术是采用神经网络进行处理，但并未有成熟的网络结构，导致最终风险判断的误差较大，且运算负担较重，只能使用服务器进行，无法在现场实时反馈预测信息。

技术实现思路

[0006]为解决上述一个或多个问题，本专利技术提出一种基于视觉智能识别的心血管疾病预防诊断方法，通过结合可见光图像与红外热图像自动提取预设的患者特定观察区域(ROI)，并智能分析区域中图像的分布特征，根据红外热图像反映出的人体温度分布推算心血管疾病的潜在风险，实现对心血管疾病的预防、诊断。
[0007]一种基于视觉智能识别的心血管疾病预防诊断系统，包括红外摄像机、可见光摄像机和处理器；处理器执行如下操作：
[0008]步骤1：
[0009][0010][0011]其中，A
α
(u，v)为患者脸部的可见光图像；和分别为沿图像行、列方向的滤波器窗口，i，j表示任一像素相对于窗口中心的位置坐标；2
k
为滤波器窗口大小，2≤k≤6；根据式(7)的值Θ(u，v)映射到内的八个等分区间，并在每个映射集合中分别取Γ(u，v)最大的前κ个像素，其中κ＝16；至此在原图像A
α
(u，v)中选出κ*8个像素，作为可见光图像的特征点，组成集合记为对上述集合中任一点根据线性映射模型通过其在可见光图像中的坐标计算其在红外热图像中对应的坐标，相应在红外图像中的对应像素记为f
′
；选取f
′
周围固定大小的邻域记为N
f
′
，由此所有邻域组成的集合标记为红外图像中ROI；
[0012]步骤2：利用4组独立通道卷积核对红外热图像ROI进行局部特征建模；建模时，使用的激励函数为：
[0013][0014]进行全局特征建模，表示如下：
[0015][0016]其中Δ(θ，n，u
′
，v
′
)为根据上述4组独立通道局部特征建模结果的加权值；b1表示全局线性偏移；
[0017]根据全局特征对心血管疾病的风险进行建模，表示如下：
[0018][0019]其中，b2表示风险线性偏移。
[0020]处理器为现场处理器。
[0021]处理器为远程服务器。
[0022]红外摄像机和可见光摄像机组成的采集设备将采集的图像发送至远程服务器。
[0023]所述发送通过无线网络。
[0024]所述发送通过有线网络。
[0025]所述采集设备应用于患者家中。
[0026]对红外摄像机和可见光摄像机进行标定。
[0027]所述标定指确定红外摄像机和可见光摄像机的固有参数和外在参数。
[0028]根据上述标定方法建立可见光图像、红外图像的空间映射关系。
[0029]本专利技术的专利技术点及技术效果：
[0030]1、本专利技术通过优化算法，能够快速准确得到可见光图像的特征点，再将这些特征点通过映射关系映射至红外图像中，并由这些点的邻近像素确定指征高血压的区域，由此能够快速、准确、自动地获得最能够指征高血压的红外图像子区域，从而为进一步的准确预测奠定了基础。
[0031]2、通过构建专用于指征高血压的红外图像区域的神经网络模型(网络连接结构、
激励函数、分层次建模等)，使得能够将第一步算法获得的区域通过该网络准确、快速地实现风险预测。该模型结构是专门针对使用第一步算法得到的区域而设计的，两者配合能够更为准确、快速。
具体实施方式
[0032]一种基于视觉智能识别的心血管疾病预防诊断系统，包括红外摄像机、可见光摄像机和处理器。
[0033]其中红外摄像机用于采集患者的红外图像，可见光摄像机用于采集患者的可见光图像，处理器用于根据采集的图像进行处理，对患者的心血管疾病患病风险进行预测。
[0034]可以理解，处理器可以为现场处理器，例如与红外摄像机、可见光摄像机集成封装为一个设备；也可以为远程服务器，即现场只设置由红外摄像机和可见光摄像机组成的采集设备，采集设备通过无线网络或有线网络将采集的图像发送至远程服务器，由服务器进行数据处理，并提示风险。
[0035]如此，该系统可应用于医院中，将红外摄像机、可见光摄像机、处理器集成封装为一个设备，为患者提供服务；也可以应用于患者家中，由红外摄像机和可见光摄像机组成较为小巧的采集设备，由患者根据提示自行操作，并将采集数据发送至医院的服务器中进行处理和风险提示。例如服务器可将预测结果发送至患者的移动终端上。
[0036]处理器中进行的数据处理方法如下：
[0037]步骤1：结合可见光图像、红外热图像，对红外热图像中特定观察区(ROI)进行提取
[0038]利用标定的同轴可见光、红外热摄像机采集患者的正面、侧面图像，根据可见光图像特征在可见光图像中提取特征点，并根据标定参数计算各特征点在红外热图像中的位置，进而生成红外热图像中ROI。
[0039]所述特定观察区(ROI)，指人体特定部位在图像中所在的区域，在本案例中特别指人面部特定部位在图像中所在的区域。
[0040]所述标定指确定摄像机固有参数、外在参数的过程。本案例中，摄像机指可见光摄像机、红外热摄像机。
[0041]本专利技术所述图像均指采用离散数值表达方式记录的数字图像。
[0042]在摄像机模型中，点在物理世界的三维坐标是(X，Y，Z本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉智能识别的心血管疾病预防诊断系统，其特征在于：包括红外摄像机、可见光摄像机和处理器；处理器执行如下操作：步骤1：步骤1：步骤1：其中，A
α
(u，v)为患者脸部的可见光图像；和分别为沿图像行、列方向的滤波器窗口，i，j表示任一像素相对于窗口中心的位置坐标；2
k
为滤波器窗口大小，2≤k≤6；根据式(7)的值Θ(u，v)映射到内的八个等分区间，并在每个映射集合中分别取Γ(u，v)最大的前κ个像素，其中κ＝16；至此在原图像A
α
(u，v)中选出κ*8个像素，作为可见光图像的特征点，组成集合记为对上述集合中任一点根据线性映射模型通过其在可见光图像中的坐标计算其在红外热图像中对应的坐标，相应在红外图像中的对应像素记为f
′
；选取f
′
周围固定大小的邻域记为N
f
′
，由此所有邻域组成的集合标记为红外图像中ROI；步骤2：利用4组独立通道卷积核对红外热图像ROI进行局部特征建模；建模时，使用的激励函数为：进行全局特征建模，表示如下：其中Δ(θ，n，u
′
，v
′
)为根据上述4组独立通道局部特征建模结果的加权值；b1表示全局线性偏移；根据全局...

【专利技术属性】
技术研发人员：吴华君，吴莎，黄惠敏，
申请(专利权)人：广州市番禺区中心医院，
类型：发明
国别省市：