System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及理疗控制,尤其涉及一种基于神经网络的艾灸辅助方法、系统、装置。
技术介绍
1、目前艾灸主要通过人工艾灸的方法,但人工艾灸往往缺乏个体化的治疗调整。传统艾灸中,医生会根据患者的具体症状和体质选择合适的穴位和灸热温度、时间。而在人工艾灸中,很难做到个体化的调整,无法满足不同人群的不同治疗需求。在艾灸过程中,对普通用户来说,艾灸的难度在于以下三个方面:
2、1、找穴,艾灸的效果主要依赖于穴位的选择,需要根据患者的症状和体质选择正确的穴位。针对不同的病症,需要准确确定相应的穴位,这需要医生或者用户具备丰富的知识和经验。
3、2、控时间,每个穴位的灸热时间应控制在10-20分钟左右,避免过长时间的灸热,过长容易导致烫伤或者其他皮肤伤害等。
4、3、控制距离,在艾灸的时候,艾柱靠近皮肤容易烫伤皮肤,人工在艾灸的时候要时刻留意艾灸的距离,人为艾灸的过程中,由于人分心或者外界干扰可能影响艾柱的距离,从而烫伤皮肤。
技术实现思路
1、根据本专利技术的一个方面,提供了一种基于神经网络的艾灸辅助方法,基于深度学习神经网络搭建人体艾灸辅助算法,实现对人体艾灸过程中的穴位、时间和艾灸距离的监测。
2、第一方面,本申请提供一种基于神经网络的艾灸辅助方法,包括:
3、基于人体艾灸辅助算法的目标穴位识别模型进行穴位检测,获取目标穴位数据;
4、基于人体艾灸辅助算法的艾灸数据识别模型识别并监测艾灸数据,所述艾灸数据包括艾灸时间、艾
5、根据所述目标穴位数据输出艾灸最佳距离、艾灸时间范围;在所述艾灸距离超过艾灸最佳距离或艾灸时间超过艾灸时间范围时,进行预警提示。
6、在一些实施方式中,基于人体艾灸辅助算法的艾灸数据识别模型识别并监测艾灸数据,包括:
7、获取不同角度的艾灸图像,通过艾灸数据识别模型识别艾灸图像中艾柱位置,分别计算艾灸图像中艾柱长度;
8、根据艾柱长度确定最优识别图像,对所述最优识别图像进行艾灸头目标检测、皮肤分割与边缘检测,得到艾灸位置以及皮肤位置;
9、根据所述艾灸位置以及皮肤位置,计算艾灸距离。
10、在一些实施方式中,所述人体艾灸辅助算法基于艾灸数据神经网络,所述艾灸数据神经网络包括输入层、隐藏层与输出层,所述隐藏层包括7层高斯层和4层dense层,艾灸图像由输入层输入,经过3层高斯层和3层dense层,输出处理后的向量,将向量进行欧式计算,输出层输出艾柱位置。
11、在一些实施方式中,根据艾柱长度确定最优识别图像,具体为,艾柱长度最长的艾灸图像,为最优识别图像。
12、在一些实施方式中,基于人体艾灸辅助算法的目标穴位识别模型进行穴位检测,获取目标穴位数据,包括:
13、获取人体穴位信息,构建人体穴位数据集;
14、创建基于yolov7-pose神经网络的目标穴位识别模型,以所述人体穴位数据集为训练集,进行目标穴位数据的识别训练;
15、通过所述目标穴位识别模型识别目标穴位,获取目标穴位数据;所述目标穴位数据包括穴位名称、穴位功效、穴位艾灸温度范围以及穴位注意事项。
16、在一些实施方式中,目标穴位识别模型与艾灸数据识别模型的损失函数为:
17、
18、其中,loss为损失值;n为衡量穴位指标个数;xi为穴位实际坐标值;xi'为预测值。
19、在一些实施方式中,通过目标追踪摄像模块获取目标穴位数据,通过艾灸识别摄像模块拍摄艾灸图像;且所述艾灸识别摄像模块包括至少一个拍摄不同角度的摄像设备。
20、第三方面,本申请提供一种基于神经网络的艾灸辅助系统,包括:
21、目标追踪摄像模块,用于基于人体艾灸辅助算法的目标穴位识别模型进行穴位检测,获取目标穴位数据;
22、艾灸识别摄像模块,用于基于人体艾灸辅助算法的艾灸数据识别模型识别并监测艾灸数据,所述艾灸数据包括艾灸时间、艾灸距离;
23、处理模块,用于根据所述目标穴位数据输出艾灸最佳距离、艾灸时间范围;在所述艾灸距离超过艾灸最佳距离或艾灸时间超过艾灸时间范围时,进行预警提示。
24、第三方面,本申请提供一种艾灸辅助装置,包括:
25、存储器;
26、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上任一项所述的一种基于神经网络的艾灸辅助方法。
27、本申请提供了一种基于神经网络的艾灸辅助方法、系统、装置,基于深度学习神经网络搭建人体艾灸辅助算法,通过目标穴位识别模型识别目标穴位数据以及艾灸数据识别模型识别并检测艾灸数据,对人体艾灸过程中的穴位、时间和艾灸距离的监测,从而为用户提供艾灸提示,辅助用户更好的进行艾灸,提高艾灸效果。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的艾灸辅助方法,其特征在于,包括:
2.根据权利要求1所述的一种基于神经网络的艾灸辅助方法,其特征在于,基于人体艾灸辅助算法的艾灸数据识别模型识别并监测艾灸数据,包括:
3.根据权利要求2所述的一种基于神经网络的艾灸辅助方法,其特征在于,所述人体艾灸辅助算法基于艾灸数据神经网络,所述艾灸数据神经网络包括输入层、隐藏层与输出层,所述隐藏层包括7层高斯层和4层Dense层,艾灸图像由输入层输入,经过3层高斯层和3层Dense层,输出处理后的向量,将向量进行欧式计算,输出层输出艾柱位置。
4.根据权利要求2所述的一种基于神经网络的艾灸辅助方法,其特征在于,根据艾柱长度确定最优识别图像,具体为,艾柱长度最长的艾灸图像,为最优识别图像。
5.根据权利要求1-3任一项所述的一种基于神经网络的艾灸辅助方法,其特征在于,基于人体艾灸辅助算法的目标穴位识别模型进行穴位检测,获取目标穴位数据,包括:
6.根据权利要求5所述的一种基于神经网络的艾灸辅助方法,其特征在于,目标穴位识别模型与艾灸数据识别模型的损失函数为:
>7.根据权利要求5所述的一种基于神经网络的艾灸辅助方法,其特征在于,通过目标追踪摄像模块获取目标穴位数据,通过艾灸识别摄像模块拍摄艾灸图像;且所述艾灸识别摄像模块包括至少一个拍摄不同角度的摄像设备。
8.一种基于神经网络的艾灸辅助系统,其特征在于,包括:
9.一种艾灸辅助装置,其特征在于,包括:
...【技术特征摘要】
1.一种基于神经网络的艾灸辅助方法,其特征在于,包括:
2.根据权利要求1所述的一种基于神经网络的艾灸辅助方法,其特征在于,基于人体艾灸辅助算法的艾灸数据识别模型识别并监测艾灸数据,包括:
3.根据权利要求2所述的一种基于神经网络的艾灸辅助方法,其特征在于,所述人体艾灸辅助算法基于艾灸数据神经网络,所述艾灸数据神经网络包括输入层、隐藏层与输出层,所述隐藏层包括7层高斯层和4层dense层,艾灸图像由输入层输入,经过3层高斯层和3层dense层,输出处理后的向量,将向量进行欧式计算,输出层输出艾柱位置。
4.根据权利要求2所述的一种基于神经网络的艾灸辅助方法,其特征在于,根据艾柱长度确定最优识别图像,具体为,艾柱长度最长...
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。