【技术实现步骤摘要】
本专利技术涉及一种胸下垂等级评定方法，具体为基于红外线成像胸部形态的ai分析测量方式。
技术介绍
1、胸下垂是指乳房因各种原因离开了正常位置，胸壁向下移位，使乳房的最低点低于乳房下皱裂的以下。女性的乳房之所以会下垂，多是因为乳房内的韧带松弛，不能很好地托起胸部的脂肪和乳腺的腺体。乳腺女性乳房下垂的原因有很多，主要有以下几方面：
2、第一、哺乳期导致乳房下垂，由于女性断奶、乳腺萎缩，胸部纤维组织、纤维结缔组织被拉长，从而导致了胸部下垂。这种情况的乳腺下垂，乳房韧带并未完全受损，如果配合按摩及穴位刺激，通过饮食调理，可能有一定程度的恢复；
3、第二、运动导致乳房下垂，大多数有减肥力度过大、过猛，乳房的脂肪和皮肤松弛所导致。需要女性缓慢调节，多喝水，适当的乳房按摩，可以帮助减缓胸下垂。此外，佩戴合适的胸罩也是非常重要的；
4、第三、老年性导致的胸部下垂，右人联系到了以后各方面机能下降，如乳房内的韧带变得松弛，这种情况下的乳房下垂是不可逆的。
5、一般地，胸下垂分为轻度、中度、重度。传统的方法是用软尺或其他工具测量乳头、乳房下皱襞和乳房下级的相对位置，根据它们的相对位置确定下垂等级。轻度是指乳头位置，低于乳房下皱襞水平1cm以内，但是还高于乳房的下级。中度是指乳头的位置低于乳房下皱襞水平1到3cm以内，但还是高于乳房的下级。重度是指乳头位置，低于乳房下皱襞水平3cm以上或者低于乳房下级。但是这种人工测量方法较为麻烦，且需要花费更多的时间去精确测量，才能够得出结果。为此，这里提出基于红外线成
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于红外线成像胸部形态的ai分析测量方式。
2、为了解决上述技术问题，本专利技术提供了如下的技术方案：
3、基于红外线成像胸部形态的ai分析测量方式，包括以下步骤：
4、s1：训练胸部的目标检测模型：
5、训练数据为女性双手抱头自然站立的左侧面红外热成像，左侧面指的是成像的图像人面向左边；使用yolov3的目标检测方法训练数据得到可以检测出胸部的模型；
6、s2：下垂等级评定：
7、对于一位受检者，拍摄了她的双手抱头自然站立的左侧面红外热成像，获取到她的红外热图像(长288像素，宽384像素)和温度数据(288*384个温度值)；将红外热图送进胸部目标检测模型得出胸部在红外热图的位置x1,y1,x2,y2；红外热图像和温度数据是匹配的，也就是红外热图的每个像素和温度数据的每个温度值一一对应；
8、x1,y1,x2,y2这个方框内，从左往右，从上往下遍历，遍历到第一个大于等于阈值的点的位置作为乳房上极位置up_x,up_y；从左往右，从下往上遍历，遍历到第一个大于等于阈值的点的位置作为乳房下极位置down_x,down_y；从左往右，从上往下，遍历得到最左边的大于等于阈值的点作为乳头位置mid_x,mid_y。
9、作为本专利技术的一种优选技术方案，步骤1中红外热成像的原理为利用红外探测器、光学成像物镜接收被测目标的红外辐射信号，经过红外光学系统红外探测器的光敏源上利用电子扫描电路对被测物的红外热像进行扫描转换成电信号，经放大处理、转换或标准视频信号通过电视屏或监测器显示红外热图像。利用这种原理制成的仪器为红外热像仪。它通过探测微小的温度差别，产生的图像是热图像。
10、作为本专利技术的一种优选技术方案，步骤1中yolov3算法与传统的算法相比，其优势为：与r-cnn系列算法不同，yolov3使用单个网络结构，在产生候选区域的同时即可预测出物体类别和位置，不需要分成两阶段来完成检测任务；另外，yolov3算法产生的预测框数目比faster r-cnn少很多；faster r-cnn中每个真实框可能对应多个标签为正的候选区域，而yolov3里面每个真实框只对应一个正的候选区域；这些特性使得yolov3算法具有更快的速度，能到达实时响应的水平。
11、作为本专利技术的一种优选技术方案，步骤2中x1,y1,x2,y2这个长方形框内包含受检者胸部和背景温度，由于人体温度和背景温度不同，以人体最低温温度作为阈值来区分胸部和背景。
12、作为本专利技术的一种优选技术方案，步骤2中规定0<＝ratio<＝0.5为0级，代表正常，0.5<ratio<＝0.6为1级，0.6<ratio<＝0.7为2级，0.7<ratio<＝0.8为3级,0.8<ratio<＝0.9为4级,0.9<x<＝1.0为5级，级数越高代表下垂越严重。
13、作为本专利技术的一种优选技术方案，步骤2中上极到乳房的y轴方向的长度为abs(mid_y-up_y),上极到下极的y轴方向长度为abs(down_y-up_y)；y轴方向上，上极到乳头长度比上极到下极长度为ratio＝abs(mid_y-up_y)/abs(down_y-up_y)。
14、本专利技术实施例提供了基于红外线成像胸部形态的ai分析测量方式，具备以下有益效果：
15、本专利技术采用红外热成像技术获得受检者的侧面图，使用目标检测模型获得胸部的位置，根据人体温度阈值确定乳房上极，乳头，下极的绝对位置，根据它们的相对位置关系确定下垂等级，省去了用软尺等其他工具人工测量的麻烦，方便快捷。
本文档来自技高网...【技术保护点】
1.基于红外线成像胸部形态的AI分析测量方式，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于红外线成像胸部形态的AI分析测量方式，其特征在于，步骤1中红外热成像的原理为利用红外探测器、光学成像物镜接收被测目标的红外辐射信号，经过红外光学系统红外探测器的光敏源上利用电子扫描电路对被测物的红外热像进行扫描转换成电信号，经放大处理、转换或标准视频信号通过电视屏或监测器显示红外热图像。利用这种原理制成的仪器为红外热像仪。它通过探测微小的温度差别，产生的图像是热图像。
3.根据权利要求1所述的基于红外线成像胸部形态的AI分析测量方式，其特征在于，步骤1中YOLOv3算法与传统的算法相比，其优势为：与R-CNN系列算法不同，YOLOv3使用单个网络结构，在产生候选区域的同时即可预测出物体类别和位置，不需要分成两阶段来完成检测任务；另外，YOLOv3算法产生的预测框数目比Faster R-CNN少很多；Faster R-CNN中每个真实框可能对应多个标签为正的候选区域，而YOLOv3里面每个真实框只对应一个正的候选区域；这些特性使得YOLOv3算法具有更快的速
4.根据权利要求1所述的基于红外线成像胸部形态的AI分析测量方式，其特征在于，步骤2中x1,y1,x2,y2这个长方形框内包含受检者胸部和背景温度，由于人体温度和背景温度不同，以人体最低温温度作为阈值来区分胸部和背景。
5.根据权利要求1所述的基于红外线成像胸部形态的AI分析测量方式，其特征在于，步骤2中规定0<＝ratio<＝0.5为0级，代表正常，0.5<ratio<＝0.6为1级，0.6<ratio<＝0.7为2级，0.7<ratio<＝0.8为3级,0.8<ratio<＝0.9为4级,0.9<x<＝1.0为5级，级数越高代表下垂越严重。
6.根据权利要求1所述的基于红外线成像胸部形态的AI分析测量方式，其特征在于，步骤2中上极到乳房的y轴方向的长度为abs(mid_y-up_y),上极到下极的y轴方向长度为abs(down_y-up_y)；y轴方向上，上极到乳头长度比上极到下极长度为ratio＝abs(mid_y-up_y)/abs(down_y-up_y)。
...【技术特征摘要】
1.基于红外线成像胸部形态的ai分析测量方式，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于红外线成像胸部形态的ai分析测量方式，其特征在于，步骤1中红外热成像的原理为利用红外探测器、光学成像物镜接收被测目标的红外辐射信号，经过红外光学系统红外探测器的光敏源上利用电子扫描电路对被测物的红外热像进行扫描转换成电信号，经放大处理、转换或标准视频信号通过电视屏或监测器显示红外热图像。利用这种原理制成的仪器为红外热像仪。它通过探测微小的温度差别，产生的图像是热图像。
3.根据权利要求1所述的基于红外线成像胸部形态的ai分析测量方式，其特征在于，步骤1中yolov3算法与传统的算法相比，其优势为：与r-cnn系列算法不同，yolov3使用单个网络结构，在产生候选区域的同时即可预测出物体类别和位置，不需要分成两阶段来完成检测任务；另外，yolov3算法产生的预测框数目比faster r-cnn少很多；faster r-cnn中每个真实框可能对应多个标签为正的候选区域，而yolov3里面每个真实框只对应一个正的候选区域；这些特性使得yolov3算法具有更快的速度，能到达实...
【专利技术属性】
技术研发人员：潘安南，何明卿，
申请(专利权)人：深圳华欧民康人工智能有限公司，
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。