【技術實現步驟摘要】
本專利技術涉及醫療儀器、靜脈穿刺以及血管管徑測量優化，尤其涉及一種用于血管管徑優化的血管精確定位方法和系統。
技術介紹
1、目前呼吸道疾病，特別是新冠診療方案中最有效的治療方法是支持療法，支持療法包括根據氧飽和度變化進行氧療，根據呼吸困難程度和胸部影像情況，短期使用糖皮質激素。氧飽和度需要通過動脈血抽取化驗后得到，而糖皮質激素大部分需要靜脈穿刺輸液。能否快速準確地實施靜脈穿刺和動脈血抽取直接關系到治療、搶救效果。不同人及不同身體狀態下靜脈和動脈血管均存在差異，特別是肥胖患者、兒童、老人、失血或體液損失過多血壓下降等情況下的患者血管條件差穿刺困難。目前，靜脈穿刺和動脈血抽取在臨床上主要靠人工操作，能否穿刺成功完全依靠醫護人員的經驗，穿刺成功率也容易受到外界環境、醫護人員個人狀態的干擾，具有豐富穿刺經驗的醫護人員也比較短缺。穿刺失敗給患者帶來痛苦，且延誤救治速度，錯過最佳的搶救時間，并容易造成治療環境的污染。與人工操作相比，自動化醫療設備具有重復性好，精度高的優點，因此亟需一款能自動實施靜脈穿刺和動脈血抽取的醫療儀器，提高一次穿刺成功率，減低醫護人員在特殊情況下的工作強度。
2、然而在靜脈穿刺和動脈血抽取的醫療儀器中最難解決的核心問題就是對于血管管徑的準確量化和基于此的精確定位，現有技術具有一種可視靜脈穿刺儀，根據血紅蛋白對紅外光吸收能力強的原理設計而成。首先向皮膚表面投射特定波長的近紅外光，通過能夠感知反射的紅外光/強弱，由光敏元器件采集皮膚紅外圖像，同時經過高性能圖像處理芯片對信號進行一系列處理后形成血管分布輪廓圖，
技術實現思路
1、為了解決現有技術中存在的問題，本專利技術提供了如下技術方案，一種用于血管管徑優化的血管精確定位方法和系統，通過在血管精確定位前先進行粗定位，并改進canny算法以形成基于canny算法的優化大津算法，基于該算法對粗定位的血管位置進行檢測后確定血管的精確定位，從而替代傳統的針對三種不同血管情況的閾值分割經驗值(即對于canny算子3個參數的選擇的普遍做法，為：
2、·σ＝2
3、·h2＝m(dot)
4、·h1＝0.5*h2；其中，m(dot)為梯度值，按照梯度從小大大，dot為第(alldots*p)個點；alldots為最大移植后的圖像中possible_edge的全部點數；p為可設置的固定值，默認值為0.95)，消除血管截面背景雜光干擾，提高定位的精確度。
5、本專利技術一方面提供了一種用于血管管徑優化的血管精確定位方法，包括：
6、s1，基于深度學習算法獲取血管的粗定位；
7、s2，基于所述血管的粗定位以及血管的管徑檢測結果獲得針刺坐標，所述針刺坐標作為對于血管進行的精確定位；其中，所述血管的管徑檢測結果由基于改進canny算法的優化大津算法獲得。
8、優選的，所述s1包括：
9、s11，獲得血管樣本圖像并基于所述血管樣本圖像獲得標注圖像；其中所述標注圖像用于建立深度卷積神經網絡模型；
10、所述血管樣本圖像來自于臨床獲得的超聲血管影像大數據；所述標注圖像是通過經驗豐富的醫護人員指導或者自動標注程序對所述血管樣本圖像中的血管位置進行標注獲得的高質量的標注圖像；
11、s12，基于所述標注圖像建立深度卷積神經網絡模型；其中，所述深度卷積神經網絡模型用于對血管進行粗定位，從而通過計算機自動學習血管模式特征的方法，并將特征學習融入到了建立模型的過程。
12、優選的，所述基于所述血管樣本圖像獲得標注圖像包括基于中值濾波對圖像進行預處理。
13、優選的，所述s12包括：
14、基于所述標注圖像由計算機自動學習適合穿刺的血管的模式特征；
15、基于學習到的所述模式特征通過faster-rcnn算法或mobilenet-ssd算法建立所述深度卷積神經網絡模型；其中所述faster-rcnn算法用于固定端，所述mobilenet-ssd算法用于移動端；
16、所述faster-rcnn算法采用內部深層網絡代替候選區域形成新的候選區域網絡rpn，所述faster-rcnn算法將目標檢測的四個基本步驟統一到一個深度網絡框架之內，所述四個基本步驟包括：候選區域生成，特征提取，分類和位置精修，所述faster-rcnn算法的步驟包括：
17、向cnn網絡中輸入任意大小圖片m×n；
18、將所述圖片經過cnn網絡前向傳播至最后共享的卷積層以獲得供rpn網絡輸入的特征圖；同時繼續前向傳播至特有卷積層以產生高維特征圖；
19、所述供rpn網絡輸入的特征圖經過rpn網絡得到區域建議和區域得分，并對區域得分采用非極大值抑制，向rol池化層輸出top-n得分的區域建議；
20、將所述高維特征圖和輸出的所述區域建議同時輸入到rol池化層并提取所述區域建議對應的建議特征；
21、所述建議特征通過全連接層后，輸出對應區域的分類得分以及回歸后的bounding-box；
22、所述mobilenet-ssd算法中使用輕量級深度網絡模型mobilenet，所述輕量級深度網絡模型mobilenet基于深度可分離卷積depthwiseseparableconvolution將標準卷積核進行分解計算，并引入了寬度乘數和分辨率乘數兩個超參數來減少參數量和計算量；所述深度可分離卷積depthwiseseparableconvolution將一個標準的卷積核分成深度卷積核和1x1的點卷積核，假設輸入為m個通道的featuremap，卷積核大小為dk*dk，輸出通道為n，則標準卷積核為m*dk*dk*n。
23、優選的，所述s2包括：
24、s21，建立基于canny算法的優化大津算法，以提取標注圖像所對應血管的邊緣；
25、s22，基于所述血管的粗定位以及血管的管徑檢測結果獲得針刺坐標，所述針刺坐標作為對于血管進行的精確定位。
26、優選的，s21的實施包括k-近鄰均值濾波、梯度幅值與方向計算、非極大值抑制、優化otsu算法自適應選取閾值以及雙門限法進行邊緣提取5個基本步驟；其中：
27、所述k-近鄰均值濾波為邊界保持濾波器，在待處理中心像素的相鄰區域內，尋找k個與中心像素灰度值相近的點，用這k個點的灰度均值代替原中心像素點的灰度值；
2本文檔來自技高網...
【技術保護點】
1.一種用于血管管徑優化的血管精確定位方法，其特征在于，包括：
2.根據權利要求1所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，所述S1包括：
3.根據權利要求2所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，所述基于所述血管樣本圖像獲得標注圖像包括基于中值濾波對圖像進行預處理。
4.根據權利要求3所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，所述S12包括：
5.根據權利要求4所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，所述S2包括：
6.根據權利要求5所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，S21的實施包括K-近鄰均值濾波、梯度幅值與方向計算、非極大值抑制、優化Otsu算法自適應選取閾值以及雙門限法進行邊緣提取5個基本步驟；其中：
7.根據權利要求6所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，所述優化Otsu算法包括兩個方面的優化：
8.一種用于血管管徑優化的血管精確定位系統，用于實施權利要求1-7任一所述的方法，
9.一種電子設備，其特征在于，包括處理器和存儲器，所述存儲器存儲有多條指令，所述處理器用于讀取所述指令并執行如權利要求1-7任一所述的方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有多條指令，所述多條指令可被處理器讀取并執行如權利要求1-7任一所述的方法。
...【技術特征摘要】
1.一種用于血管管徑優化的血管精確定位方法，其特征在于，包括：
2.根據權利要求1所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，所述s1包括：
3.根據權利要求2所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，所述基于所述血管樣本圖像獲得標注圖像包括基于中值濾波對圖像進行預處理。
4.根據權利要求3所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，所述s12包括：
5.根據權利要求4所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，所述s2包括：
6.根據權利要求5所述的一種用于血管管徑優化的血管精確定位方法，其特征在于，s21的實施包括k-近鄰均值濾波、梯...
【專利技術屬性】
技術研發人員：王騰宇，王燕青，仲遴予，
申請(專利權)人：夢石科技北京有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。