CN109427065A - 基于热成像的关脉识别系统 - Google Patents
基于热成像的关脉识别系统 Download PDFInfo
- Publication number
- CN109427065A CN109427065A CN201710872546.XA CN201710872546A CN109427065A CN 109427065 A CN109427065 A CN 109427065A CN 201710872546 A CN201710872546 A CN 201710872546A CN 109427065 A CN109427065 A CN 109427065A
- Authority
- CN
- China
- Prior art keywords
- wrist
- guan pulse
- guan
- image
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H39/00—Devices for locating or stimulating specific reflex points of the body for physical therapy, e.g. acupuncture
- A61H39/02—Devices for locating such points
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Rehabilitation Therapy (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pain & Pain Management (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Physical Education & Sports Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
一种基于热成像的关脉识别系统,包括基于红外热成像的非接触式手腕成像平台和关脉提取算法单元;其中基于红外热成像的非接触式手腕成像平台的固定架结构能够保证测量人每次手腕以固定姿势进入成像区域,平台的一字激光标志提供了手腕腕横纹对准参照位置;所述基于红外热成像的非接触式手腕成像平台,将携带桡动脉图像信息的手腕热成像图像传送给所述关脉提取算法单元以提取关脉位置。本发明的系统首次提出了能够通过热成像图像处理自动识别关脉位置的算法,将识别关脉客观化、数字化,数据具有较好重复性和再现性,比超声阵列和其他类型传感器阵列接触式判别关脉方法实现上更有可行性。
Description
技术领域
本发明涉及脉络检测技术领域,特别是涉及一种基于热成像的关脉识 别系统。
背景技术
在中医脉诊诊断过程中,关脉的定位极为重要。能否找准关脉是能否 准确判断病人疾病的前提。中医脉诊中经典的判断关脉的生物特征点是桡 骨突茎(中医叫掌后高骨)和腕横纹,经典古籍中认为桡骨突茎上的桡动 脉即为关脉。另一部分古籍描述了以腕横纹为圆点,关脉与腕横纹之间距 离关系。尽管有着两个明显的特征点,几千年来,中医医生诊断只是依靠 手的触感来判断关脉位置,由于不同人的感觉差异,造成关脉判别主观性 过强,关脉判别的再现性较差,相同人对关脉定位重复性也较差,无法保 证判别精度。现存的中医自动化诊断仪器,关脉定位步骤也都是由人判断 完成后,再将脉搏波探头放入寸关尺对应位置,关脉定位的客观性无法保 证。
发明内容
有鉴于此,本发明的主要目的在于提供一种关脉识别系统,以解决上 述技术问题中的至少之一。
为了实现上述目的,本发明提供了一种关脉识别系统,包括:
成像系统,用于获取测试者小臂和手腕的红外影像;
关脉提取算法单元,用于基于所述成像系统获取的红外影像得到测试 者小臂和腕部的轮廓线,并对所述轮廓线进行预处理,提取桡骨突茎特征 点的x坐标;以及基于所述成像系统获取的红外影像,得到测试者小臂和 腕部的热成像图,将热成像图中的桡动脉影像拟合成一条直线函数,所述 桡骨突茎特征点的x坐标和该x坐标在所述直线函数上对应的y坐标就是 关脉最终位置。
其中,所述关脉识别系统还包括放置所述测试者手腕的支架结构,能 保证测试者每次手腕以固定姿势进入所述成像系统的成像区域。
其中,所述关脉识别系统还包括一字激光发射器,用于提供一字激光 标志以作为测试者的手腕腕横纹对准的参照位置。
其中,所述关脉识别系统还包括三维移动台和点状激光发射器;其中, 所述点状激光发射器设置于所述三维移动台上,从而所述三维移动台能够 基于所述关脉提取算法单元的计算结果移动所述点状激光发射器发出的 点状激光指示测试者手腕的关脉位置。
其中,所述关脉识别系统还包括设置于所述三维移动台上的脉搏波传 感器,所述三维移动台能够基于所述关脉提取算法单元的计算结果移动所 述脉搏波传感器至测试者手腕的关脉位置,以正确采集脉搏波。
其中:
所述关脉提取算法单元基于所述成像系统获取的红外影像得到测试 者小臂和腕部的轮廓线的步骤具体包括:
获取被测者小臂和腕部的热成像影像,并通过边缘检测算法提取 所述热成像影像中小臂和手腕的轮廓线。
所述关脉提取算法单元对得到的轮廓线进行预处理的步骤具体包括:
步骤S21,对步骤S1得到的轮廓线进行连通域识别,判断所述 轮廓线中的最大连通域是否贯穿所述红外影像左右两侧的边界,即连通域 是否存在断点,如果不存在断点,则所述最大连通域为所要提取的所述小 臂和腕部的轮廓线,跳转到步骤S23;
步骤S22,以最大连通域左侧断点为原点对该点上、左上、左、 左下、下5个方向2个像素范围内寻找边缘片段,若在搜寻范围内存在其 他连通域,则将两个连通域相连,中间断点像素通过插值在两个片断之间 补像素点,最终形成一个新的连通域,并以新的连通域左侧断点为原点进 一步寻找其他边缘片段,直至到达图像左侧边界;
以最大连通域右侧断点为原点对该点上、右上、右、 右下、下5个方向2个像素范围内寻找边缘片段,若在搜寻范围内存在其 他连通域,则将两个连通域相连,中间断点像素通过插值在两个片断之间 补像素点,最终形成一个新的连通域,并以新的连通域右侧断点为原点进 一步寻找其他边缘片段,直至到达图像右侧边界;
其中,上述向左、向右的搜寻和接续断点的步骤不分 先后;
步骤S23,将基于上述最大连通域得到的二维图像的边缘轮廓线 转为一维曲线,消除转换过程中产生的阶跃点,使转换的一维曲线更平滑, 突出小臂和腕部的边缘特征。
所述关脉提取算法单元提取桡骨突茎特征点的步骤具体包括:
步骤S24,对转换的小臂和腕部边缘轮廓线的一维曲线进行特征 提取,寻找手部与桡骨突茎之间的最低凹陷处;
步骤S25,以所述最低凹陷处为基准,在该基准左侧0~4cm范围 内,在轮廓线对应的曲率波形中寻找第一个波峰,如果存在,则该波峰即 识别为关脉的x坐标,如果不存在,则所述最低凹陷处即识别为关脉的x 坐标。
其中,寻找手部与桡骨突茎之间的最低凹陷处的步骤是基于桡骨 突茎在手腕凹陷到小臂的边缘轮廓线上存在一个边界变化弯曲幅度最大 点来实现的。
所述关脉提取算法单元将热成像图中的桡动脉影像拟合成一条直线 函数的步骤具体包括:
步骤S31,对所述热成像图构建桡动脉区域,设置阈值,用于为 二值化所述桡动脉区域提供阈值参考;
步骤S32,二值化所述桡动脉区域,将桡动脉的图像与热成像图 中的其它部分分离;
步骤S33,将步骤S32中得到的桡动脉图像拟合成直线函数。
其中,步骤S31中对热成像图构建桡动脉区域,设置阈值的步骤具体 包括:
用预处理后生成的轮廓线上的每一个像素为原点构建一个区域;
根据桡动脉边界位置的区域像素均值和方差的统计规律,设定均 值和方差的阈值。
其中,步骤S32中的二值化所述桡动脉区域的步骤具体包括:
计算每个边缘像素区域中像素的均值和方差;
将生成的每个边缘像素区域中像素的均值和方差逐次与阈值作 比较,二值化符合阈值条件的区域。
其中,步骤S33中的将桡动脉图像拟合成直线函数的步骤具体包括:
对二值化的桡动脉图像像素纵坐标求平均,获得描述桡动脉图像 的曲线;
对曲线进行直线拟合,得到包含桡动脉走势的直线函数。
基于上述技术方案可知,本发明的关脉识别系统相对于现有技术具有 如下有益效果:
1、依据的是中医认可两个的生理特征,为中医脉诊提供了新的关脉 识别方法;
2、首次提出了能够通过热成像图像处理自动识别关脉位置的系统;
3、首次提出了能够通过热成像图像处理自动识别关脉位置的算法;
4、首次将识别关脉客观化、数字化,数据具有较好重复性和再现性;
5、在关脉判断上,消除人的主观干扰因素;
6、非接触式的关脉判别方法,比超声阵列和其他类型传感器阵列接 触式判别关脉方法实现上更有可行性;
7、其中的边缘检测算法可以实现任意角度边缘检测;
8、首次提出桡骨突茎判别方法。
附图说明
图1是携带桡动脉信息的手臂腕部的红外热成像图;
图2是手臂边缘断点连接示意图;
图3是手臂和腕部边缘图像;
图4是转化为一维曲线的边缘和经过滤波或高阶多项式拟合过的手臂 腕部曲线;
图5是手臂腕部边缘与对应的曲率曲线图;
图6是带有桡动脉信息的手臂腕部边缘图像;
图7是分割出的桡动脉图像;
图8是桡动脉像素纵坐标平均化和直线拟合曲线;
图9是桡动脉的坐标显示图;
图10是本发明的红外热成像的非接触式手腕成像平台的结构示意图;
图11是腕横纹与关脉x坐标的关系示意图;
图12是图像相邻像素紧凑连接的示意图;
图13是图像相邻像素宽松连接的示意图;
图14是图像边缘检测任意角度组成形式的示意图;
图15是超出图像边界的部分对图像进行补0扩增的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实 施例,并参照附图,对本发明作进一步的详细说明。
本发明的目的是提供一种能够去除人主观性差异的关脉自动识别方 法,该方法通过图像边缘识别技术结合桡动脉热成像特点,对人体手腕关 脉进行非接触式识别。在对手臂腕部热成像时,红外热成像光谱范围远于 可见光谱范围,可见光谱范围内的图像均不显示,生成的图像有效的简化 图像背景的复杂度。因为桡动脉温度高于其他皮肤温度,所以热成像光谱 可以凸显桡动脉,为桡动脉图像分割和直线拟合提供了图像基础,如图1 所示。
为实现上述目的,本发明公开了一种关脉识别方法,包括以下步骤:
1、边缘检测算法提取手腕轮廓;
2、对手腕边缘进行预处理,提取桡骨突茎特征点x坐标;
3、对桡动脉进行图像分割,将桡动脉热成像图拟合成一条直线函数, 该直线函数中桡骨突茎特征点所在x坐标和对应的y坐标就是关脉最终位 置。
更具体地,本发明的关脉识别方法包括以下步骤:
1、对待检测的手臂和腕部的边缘进行识别,生成手臂和腕部的边缘 线条。识别手臂和腕部边缘的算法可以为后文所述的本申请的任意角度边 缘检测算法,或者也可以是现有的其它类型的边缘检测算法。其中,为了 描述的方便,拍摄时以左手为例进行描述,将手腕置于照片的右侧,连接 肘部的手臂位于照片的左侧,以此建立上下左右的平面方位坐标。但需要 说明的是,这仅是为了描述的方便,并不用于限制本发明。
2、对手臂和腕部的边缘预处理,将手臂和腕部的边缘进一步优化, 为后续腕部关脉的识别提供保障。该步骤具体包括识别手臀边缘最大连通 域、手臂边缘断点连接、手臂腕部曲线拟合,如下所示:
(1)识别手臂边缘最大连通域:
对生成的边缘图像进行连通域识别,找出图像右侧边界最大连通域。 若最大连通域贯穿图像左右两侧边界,即连通域不存在断点,该最大连通 域即可认为是手臂腕部边缘。
(2)手臂边缘断点连接:
将手臂边缘片段连接起来,形成一个贯穿图像左右边界的手臂腕部 整体边缘。在边缘存在断点情况下,最大连通域只是手臂腕部边缘的一部 分,因此需要将其他手臂腕部边缘片段连接起来。以最大连通域左侧断点 为原点对该点上、左上、左、左下、下5个方向2个像素范围内寻找边缘 片段。若在搜寻范围内存在其他连通域,则将两个连通域相连,中间断点 像素通过插值或者其它拟合方式在两个片断之间补像素点,最终形成一个 新的连通域,并以新的连通域左侧断点为原点进一步寻找其他边缘片段, 直至到达图像左侧边界;此外,也包括以最大连通域右侧断点为原点对该 点上、右上、右、右下、下5个方向2个像素范围内寻找边缘片段,若在 搜寻范围内存在其他连通域,则将两个连通域相连,中间断点像素通过插 值在两个片断之间补像素点,最终形成一个新的连通域,并以新的连通域右侧断点为原点进一步寻找其他边缘片段,直至到达图像右侧边界;上述 向左、向右的搜寻和接续断点的步骤不分先后。
(3)手臂腕部曲线拟合:
消除二维图像边缘转为一维曲线过程中产生的阶跃点,使转换的一 维手臂边缘曲线更平滑,突出手臂腕部边缘特征。
3、识别桡骨突茎算法用于识别桡骨突茎特征点:
首先对提取的手臂腕部边缘进行特征提取,识别手部与桡骨突茎之间 的凹陷处,寻找凹陷处的最低点。桡骨突茎在表皮顶部曲率变化特点是手 腕凹陷到其左侧两个手指的距离范围(大概是0~3cm或0~4cm)内存在 几个曲率局部峰值点,即边界变化弯曲幅度较大的点。其次,寻找该距离 里离凹陷处最远的那个曲率局部峰值点(也就是几个曲率局部峰值点里的 第一个峰值点)。最后,在该曲率局部峰值点识别为关脉x坐标;如果没 有峰,则该凹陷处识别为关脉x坐标。
4、桡动脉图像分割和关脉识别用于分割桡动脉图像并拟合成能够反 映桡动脉走势的直线函数,具体步骤包括:
(1)区域构建和阈值设置,用于为二值化桡动脉提供阈值参考;
(2)二值化桡动脉区域,用于将桡动脉图像和其他图像分离;
(3)桡动脉直线拟合用于获得反映桡动脉走势的直线函数和最终的 关脉坐标。
在一个具体实施方式中,本发明的关脉识别方法包括以下步骤:
首先对整个图像进行边缘识别,生成手臂腕部边缘。
之后对手臂腕部边缘进行预处理,进一步优化手臂腕部边缘,为后续 腕部关脉识别提供保障。预处理过程包括识别手臂边缘最大连通域、手臂 边缘断点连接、手臂腕部曲线拟合。
(1)识别手臂边缘最大连通域:对生成的边缘图像进行连通域识别, 找出图像右侧边界最大连通域。若最大连通域贯穿图像左右两侧边界,即 连通域不存在断点,该最大连通域即可认为是手臂腕部边缘。
(2)如图2所示,手臂边缘断点连接包括以下步骤:将手臂边缘片 段连接起来,形成一个贯穿图像左右边界的手臂腕部整体边缘。在边缘存 在断点情况下,最大连通域只是手臂腕部边缘的一部分,因此需要将其他 手臂腕部边缘片段连接起来。以最大连通域左侧断点为原点对该点上、左 上、左、左下、下5个方向2个像素范围内寻找边缘片段。若在搜寻范围 内存在其他连通域,则将两个连通域相连,中间断点像素通过插值或者其 它拟合方式在两个片断之间补像素点,最终形成一个新的连通域,并以新 的连通域左侧断点为原点进一步寻找其他边缘片段,直至到达图像左侧边 界。
(3)如图3和图4所示,手臂腕部曲线拟合包括以下步骤:用低通 滤波器或者多项式曲线拟合消除二维图像边缘转为一维曲线过程中产生 的阶跃点,使转换的一维手臂边缘曲线更平滑,突出手臂腕部边缘特征。
识别桡骨突茎算法用于识别桡骨突茎特征点。如图5所示,首先对提 取的手臂腕部边缘进行特征提取,识别手部与桡骨突茎之间的凹陷处,寻 找凹陷处的最低点。桡骨突茎在表皮顶部曲率变化特点是手腕凹陷到其左 侧两个手指该距离范围内存在几个曲率局部峰值点,即边界变化弯曲幅度 较大的点。其次,寻找该距离里离凹陷处最远的那个曲率局部峰值点(也 就是几个曲率局部峰值点里的第一个峰值点)。最后,在该曲率局部峰值点识别为关脉x坐标。
接着进行桡动脉图像分割和关脉识别。用之前生成的边缘图像(图6) 中每一个像素为原点构建一个区域。根据桡动脉边界位置的区域像素均值 和方差的统计规律,设定均值和方差的阈值。计算每个边缘像素区域中像 素的均值和方差。将生成的每个边缘像素区域中像素的均值和方差逐次与 阈值作比较,二值化符合阈值条件的区域(图7)。对二值化的桡动脉图像 像素纵坐标求平均,获得描述桡动脉图像的曲线。对曲线进行二次多项式直线拟合,得到包含桡动脉走势的直线函数(图8),将关脉x坐标代入该 直线函数得到关脉的纵坐标。关脉在图像中位置即可确定,如图9所示。
本发明还公开了一种基于红外热成像的非接触式关脉自动识别系统, 包括基于红外热成像的非接触式手腕成像平台和关脉提取算法单元;其中, 该基于红外热成像的非接触式手腕成像平台的固定架结构能够保证测量 人每次手腕以固定姿势进入成像区域,平台的一字激光标志提供了手腕腕 横纹对准参照位置;该基于红外热成像的非接触式手腕成像平台,将携带 桡动脉图像信息的手腕热成像图像传送给关脉提取单元,关脉提取单元采 用上述的关脉识别方法步骤提取关脉。
具体地,该基于红外热成像的非接触式手腕成像平台包括三维移动台、 红外热成像仪、点状激光、一字线激光、手与腕部固定架、仪器支架和显 示器。其中仪器支架与三维移动台、红外热成像仪、点状激光、一字线激 光、手与腕部固定架一侧相连,用于支持整个系统。
三维移动台另一侧与点状激光一侧相连用于搭载点状激光指示手腕 关脉位置,其中三维移动台控制部分可以与计算机通信获得关脉坐标,将 点状激光移动到关脉坐标处。三维移动台还可以连接脉搏波传感器,用于 将脉搏波传感器送到关脉位置采集脉搏波。红外热成像仪一侧与仪器支架 相连用于拍摄携带桡动脉信息的手腕图像。一字线激光一侧与仪器支架相 连,用于为腕横纹提供对准位置。手与腕部固定架一侧与仪器支架连接用 于保证被测者每次测试手型以及手臂位置基本不变。计算机用于计算和显 示最终关脉位置并传送坐标信号给三维移动平台。
在一个优选实施例中,本发明的基于红外热成像的非接触式关脉自动 识别系统如图10所示,被试者手腕放在手与腕部固定架上并将腕横纹与 一字线激光对齐。手与腕部固定架包含了一个把手状或指套装置,被试者 在每次测试中需要握住把手状装置,该装置可使被试者手部和腕部在每次 测试中保持相同姿势,并在图像中保持相同的位置。一字线激光投射位置 为热成像图像右侧边界,这个热成像图像坐标是最左侧为原点,腕横纹对应的是图像右侧最大坐标,被测者手腕腕横纹与一字线激光对齐,手腕腕 横纹即与图像右侧边界基本对应,如图11所示。启动关脉识别程序,热 成像仪采集腕部图像和桡动脉图像。由于红外热成像光谱范围远于可见光 谱范围,可见光谱范围内的图像均不显示,有效的简化图像背景的复杂度。 另外因为桡动脉温度高于其他皮肤温度,所以热成像光谱可以对桡动脉进 行成像,为桡动脉图像分割和直线拟合提供了图像基础,如图10所示。 之后热成像仪将携带桡动脉热成像信息的腕部图像传送给计算机。计算机 的关脉提取单元对图像中关脉位置进行识别,并将生成的关脉坐标传送给 三维移动台的控制部分,控制部分再控制三维移动平台携带点激光移动到 图像关脉坐标对应的实际位置上,点状激光所指示的位置就是计算出的关 脉实际位置。采用该方法计算出在图像中关脉的x坐标与图像右侧边界坐 标的差值就是以腕横纹为原点距离关脉的距离了。另外,该平台有效保证 了在该系统的测试结果的重复性。
对于识别手臂和腕部边缘的算法,本发明还公开了一种优选的任意角 度的边缘检测方法,其包括以下步骤:
(1)构建边缘检测角度区间边界
将图像的相邻像素点关系分为紧凑连接和宽松连接,以每行两个像素 为例,紧凑连接如图12所示:从图像最左侧列的像素为起点,相邻行的 像素点首尾像素垂直相连,每两行组成一个紧凑连接单元。根据这种方式 若干紧凑连接单元连接成一条线直到图像边界,这条直线与它的y轴方向 投影的夹角就是边缘检测角度。其距阵Qθ2L表示方式为:
其边缘检测角度
宽松连接如图13所示:从图像左上角顶点起,以最左侧列和最上侧 行的像素为起点,相邻行的像素点首尾像素对角相连,每两行组成一个宽 松连接单元。根据这种方式若干宽松连接单元连接成一条线直到图像边界, 这条直线与它的y轴方向投影的夹角就是边缘检测方向。其矩阵Qθ2R表示 方式为:
其边缘检测角度
因此两像素的紧凑连接单元组成的边缘检测角度为该 段角度区间的左边界。两像素的宽松连接单元组成的边缘检测角度 为该段角度区间的右边界。所以该角度区间为(θ2L,θ2R)。
当像素个数为k个像素时,其矩阵QθkL表示方式为:
k个像素的紧凑连接单元组成的边缘检测角度区间的左边界
其矩阵QθkR表示方式为:
k个像素的紧凑连接单元组成的边缘检测角度区间的右边界
因此,检测角度区间边界角度为θ2L,θ2R,θ3L,θ3R,…θnL,θnR,该角度边界形 成的角度区间为若干子区间的并集(θ2L,θ2R)∪(θ3L,θ3R)∪…∪(θnL,θnR)。该并集 的范围为(45°,90°)。
(2)构建边缘检测角度区间中的任意角度
以两像素相连的单元为例,区间中的任意角度组成形式如下:
如图14所示,明确需要进行边缘检测的角度,构建一个单元。该单 元由i个紧凑连接和j个宽松连接组成,其中i和j的个数与检测的角度对 应。该单元重复出现r次直至超过图像边界,其行数m和列数n与i、j 和r关系为:
r(i+j)+1=m (1)
ri(k-1)+krj+k=n (2)
因此每个角度区间里的边缘检测角度
另外,每个边界条件也符合上式。
所以通过上述方法能够将图像中的像素根据所需角度进行组合,对于 算法实现超出图像边界的部分对图像进行补0扩增,如图15所示。
(3)将按上述方法构建的若干像素直线分别与高斯函数的一阶导数 fσ(t)作卷积运算,并对卷积运算结果取绝对值,并对绝对值取局部极大值; 以紧凑连接生成的边缘检测上界角度为例解释若干像素直线,以左侧边界 为起点生成若干像素直线为X1、X2…Xm,以上侧边界为起点生成的若干像 素直线为Y1…Ym-1。其中m为行,k为连接像素个数。
以宽松连接生成的边缘检测下界角度为例解释若干像素直线,以左侧 边界为起点生成若干像素直线为X′1、X′2…X′m,以上侧边界为起点生成的若 干像素直线为Y′1…Y′m-1其中m为行,k为连接像素个数。
每一个像素直线都分别与高斯函数的一阶导数fσ(t)作卷积运算,并对 卷积运算结果取绝对值得到:|fσ(t)*X1|,|fσ(t)*X2|,…|fσ(t)*Xm| |fσ(t)*X′1|,|fσ(t)*X′2|,…|fσ(t)*X′m|和|fσ(t)*Y1|,…|fσ(t)*Ym-1||fσ(t)*Y′1|,…|fσ(t)*Y′m-1|。 通过对构建的若干像素直线作卷积和取绝对值的运算,使边缘检测角度从 [0°,360°]缩减到[0°,180°]。因此只需对边缘检测角度[0°,180°]的区间里对图像 进行处理。
(4)对得到的|fσ(t)*X1|,|fσ(t)*X2|,…|fσ(t)*Xm|和|fσ(t)*Y1|,…|fσ(t)*Ym-1|进 行局部极大值运算赋灰度值,其他非局部极大值像素灰度设为0,其灰度 值为(255/边缘检测角度个数)。根据像素下标将具有灰度值的图像像素替 换到原图像中相同像素下标位置上;
(5)将不同边缘检测角度方向得到的若干图像进行灰度叠加,根据 实际所需边缘图像要求对多次叠加后图像的灰度设二值化阈值,根据该二 值化阈值对图像进行二值化处理。(这里的阈值也是没有固定要求的)最 终得到所需边缘。
上述边缘检测角度范围为(45°90°),45°边缘检测角度就是一个像素 依次连接组成的像素直线,即k=1时候。90°方向就是垂直分割图像,每 列像素分别组成像素直线。因此,该检测角度范围[45°,90°]可以实现。
通过将图像矩阵转置和翻转可以将角度范围为[45°,90°]映射到[0°,45°],[90°,135°]和[135°,180°]。具体方法如下:
将图像矩阵水平翻转,边缘检测角度区间为从[45°,90°]映射为[90°,135°]。 将图像矩阵转置后,边缘检测角度区间为从[45°,90°]映射为[135°,180°]。将 图像矩阵水平翻转和转置后边缘检测角度区间为从[45°,90°]映射为[0°,45°]。 基于以上方法,实现[0°,360°]角度区间的边缘检测只需应用[45°,90°]边缘检 测角度即可实现。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行 了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已, 并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、 等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于热成像的关脉识别系统,其特征在于,包括:
成像系统,用于获取测试者小臂和手腕的红外影像;
关脉提取算法单元,用于基于所述成像系统获取的红外影像得到测试者小臂和腕部的轮廓线,并对所述轮廓线进行预处理,提取桡骨突茎特征点的x坐标;以及基于所述成像系统获取的红外影像,得到测试者小臂和腕部的热成像图,将热成像图中的桡动脉影像拟合成一条直线函数,所述桡骨突茎特征点的x坐标和该x坐标在所述直线函数上对应的y坐标就是关脉最终位置。
2.根据权利要求1所述的关脉识别系统,其特征在于,所述关脉识别系统还包括放置所述测试者手腕的支架结构,能保证测试者每次手腕以固定姿势进入所述成像系统的成像区域。
3.根据权利要求1所述的关脉识别系统,其特征在于,所述关脉识别系统还包括一字激光发射器,用于提供一字激光标志以作为测试者的手腕腕横纹对准的参照位置。
4.根据权利要求1所述的关脉识别系统,其特征在于,所述关脉识别系统还包括三维移动台和点状激光发射器;其中,所述点状激光发射器设置于所述三维移动台上,从而所述三维移动台能够基于所述关脉提取算法单元的计算结果移动所述点状激光发射器发出的点状激光指示测试者手腕的关脉位置。
5.根据权利要求1所述的关脉识别系统,其特征在于,所述关脉识别系统还包括设置于所述三维移动台上的脉搏波传感器,所述三维移动台能够基于所述关脉提取算法单元的计算结果移动所述脉搏波传感器至测试者手腕的关脉位置,以正确采集脉搏波。
6.根据权利要求1所述的关脉识别系统,其特征在于:
所述关脉提取算法单元基于所述成像系统获取的红外影像得到测试者小臂和腕部的轮廓线的步骤具体包括:
设取被测者小臂和腕部的热成像影像,并通过边缘检测算法提取所述热成像影像中小臂和手腕的轮廓线。
所述关脉提取算法单元对得到的轮廓线进行预处理的步骤具体包括:
步骤S21,对步骤S1得到的轮廓线进行连通域识别,判断所述轮廓线中的最大连通域是否贯穿所述红外影像左右两侧的边界,即连通域是否存在断点,如果不存在断点,则所述最大连通域为所要提取的所述小臂和腕部的轮廓线,跳转到步骤S23;
步骤S22,以最大连通域左侧断点为原点对该点上、左上、左、左下、下5个方向2个像素范围内寻找边缘片段,若在搜寻范围内存在其他连通域,则将两个连通域相连,中间断点像素通过插值在两个片断之间补像素点,最终形成一个新的连通域,并以新的连通域左侧断点为原点进一步寻找其他边缘片段,直至到达图像左侧边界;
以最大连通域右侧断点为原点对该点上、右上、右、右下、下5个方向2个像素范围内寻找边缘片段,若在搜寻范围内存在其他连通域,则将两个连通域相连,中间断点像素通过插值在两个片断之间补像素点,最终形成一个新的连通域,并以新的连通域右侧断点为原点进一步寻找其他边缘片段,直至到达图像右侧边界;
其中,上述向左、向右的搜寻和接续断点的步骤不分先后;
步骤S23,将基于上述最大连通域得到的二维图像的边缘轮廓线转为一维曲线,消除转换过程中产生的阶跃点,使转换的一维曲线更平滑,突出小臂和腕部的边缘特征。
所述关脉提取算法单元提取桡骨突茎特征点的步骤具体包括:
步骤S24,对转换的小臂和腕部边缘轮廓线的一维曲线进行特征提取,寻找手部与桡骨突茎之间的最低凹陷处;
步骤S25,以所述最低凹陷处为基准,在该基准左侧0~4cm范围内,在轮廓线对应的曲率波形中寻找第一个波峰,如果存在,则该波峰即识别为关脉的x坐标,如果不存在,则所述最低凹陷处即识别为关脉的x坐标。
其中,寻找手部与桡骨突茎之间的最低凹陷处的步骤是基于桡骨突茎在手腕凹陷到小臂的边缘轮廓线上存在一个边界变化弯曲幅度最大点来实现的。
所述关脉提取算法单元将热成像图中的桡动脉影像拟合成一条直线函数的步骤具体包括:
步骤S31,对所述热成像图构建桡动脉区域,设置阈值,用于为二值化所述桡动脉区域提供阈值参考;
步骤S32,二值化所述桡动脉区域,将桡动脉的图像与热成像图中的其它部分分离;
步骤S33,将步骤S32中得到的桡动脉图像拟合成直线函数。
7.根据权利要求6所述的关脉识别系统,其特征在于,步骤S31中对热成像图构建桡动脉区域,设置阈值的步骤具体包括:
用预处理后生成的轮廓线上的每一个像素为原点构建一个区域;
根据桡动脉边界位置的区域像素均值和方差的统计规律,设定均值和方差的阈值。
8.根据权利要求7所述的关脉识别系统,其特征在于,步骤S32中的二值化所述桡动脉区域的步骤具体包括:
计算每个边缘像素区域中像素的均值和方差;
将生成的每个边缘像素区域中像素的均值和方差逐次与阈值作比较,二值化符合阈值条件的区域。
9.根据权利要求7所述的关脉识别系统,其特征在于,步骤S33中的将桡动脉图像拟合成直线函数的步骤具体包括:
对二值化的桡动脉图像像素纵坐标求平均,获得描述桡动脉图像的曲线;
对曲线进行直线拟合,得到包含桡动脉走势的直线函数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2017107784282 | 2017-08-31 | ||
CN201710778428 | 2017-08-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109427065A true CN109427065A (zh) | 2019-03-05 |
CN109427065B CN109427065B (zh) | 2022-02-25 |
Family
ID=65514365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710872546.XA Active CN109427065B (zh) | 2017-08-31 | 2017-09-25 | 基于热成像的关脉识别系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109427065B (zh) |
WO (1) | WO2019041411A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109938738A (zh) * | 2019-04-29 | 2019-06-28 | 博奥生物集团有限公司 | 一种前臂长度测量系统及方法 |
CN109938705A (zh) * | 2019-03-06 | 2019-06-28 | 珠海市万瑙特健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
CN113303771A (zh) * | 2021-07-30 | 2021-08-27 | 天津慧医谷科技有限公司 | 脉搏采集点的确定方法、装置和电子设备 |
CN113599241A (zh) * | 2021-07-28 | 2021-11-05 | 中国科学院微电子研究所 | 一种关脉测试装置、系统及关脉测试方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113171062B (zh) * | 2021-04-29 | 2024-03-26 | 中国科学院微电子研究所 | 识别寸、关、尺的方法、终端、系统、介质及计算机设备 |
CN114580532B (zh) * | 2022-02-28 | 2023-05-26 | 中国科学院西安光学精密机械研究所 | 基于光学目标一维曲线波峰特征提取的多目标识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6447456B1 (en) * | 1999-12-16 | 2002-09-10 | Seiko Instruments Inc. | Device for detecting pulse waves |
TW570769B (en) * | 2002-04-26 | 2004-01-11 | Chin-Yu Lin | Method and device for measuring pulse signals for simultaneously obtaining pulse pressure and blood flow rate |
US20080045847A1 (en) * | 2006-06-30 | 2008-02-21 | University Of Louisville Research Foundation, Inc. | Non-contact and passive measurement of arterial pulse through thermal IR imaging, and analysis of thermal IR imagery |
CN103330550A (zh) * | 2013-03-04 | 2013-10-02 | 北京中医药大学 | Mems液压传触的脉诊三部九侯信息自动获取和识别装置及方法 |
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
CN104800973A (zh) * | 2009-10-12 | 2015-07-29 | 科纳医药股份有限公司 | 神经的能量调节 |
CN105147261A (zh) * | 2015-08-03 | 2015-12-16 | 刘垚 | 一种中医脉诊仪及其定位寸、关、尺脉搏点的方法 |
CN105727455A (zh) * | 2016-04-20 | 2016-07-06 | 中国科学院微电子研究所 | 一种红外加热理疗装置 |
CN106859956A (zh) * | 2017-01-13 | 2017-06-20 | 北京奇虎科技有限公司 | 一种人体穴位识别按摩方法、装置及ar设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW366275B (en) * | 1997-11-19 | 1999-08-11 | Seiko Epson Corp | Pulse testing method, artery location testing method and pulse testing device |
CN101773383B (zh) * | 2010-03-09 | 2011-05-25 | 哈尔滨工业大学 | 桡动脉位置检测方法 |
CN103479510B (zh) * | 2013-09-26 | 2015-10-21 | 深圳先进技术研究院 | 一种穴位定位方法和系统 |
-
2017
- 2017-09-25 CN CN201710872546.XA patent/CN109427065B/zh active Active
- 2017-09-26 WO PCT/CN2017/103400 patent/WO2019041411A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6447456B1 (en) * | 1999-12-16 | 2002-09-10 | Seiko Instruments Inc. | Device for detecting pulse waves |
TW570769B (en) * | 2002-04-26 | 2004-01-11 | Chin-Yu Lin | Method and device for measuring pulse signals for simultaneously obtaining pulse pressure and blood flow rate |
US20080045847A1 (en) * | 2006-06-30 | 2008-02-21 | University Of Louisville Research Foundation, Inc. | Non-contact and passive measurement of arterial pulse through thermal IR imaging, and analysis of thermal IR imagery |
US20130109976A1 (en) * | 2006-06-30 | 2013-05-02 | University Of Louisville Research Foundation, Inc. | Non-contact and passive measurement of arterial pulse through thermal ir imaging, and analysis of thermal ir imagery |
CN104800973A (zh) * | 2009-10-12 | 2015-07-29 | 科纳医药股份有限公司 | 神经的能量调节 |
CN103330550A (zh) * | 2013-03-04 | 2013-10-02 | 北京中医药大学 | Mems液压传触的脉诊三部九侯信息自动获取和识别装置及方法 |
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
CN105147261A (zh) * | 2015-08-03 | 2015-12-16 | 刘垚 | 一种中医脉诊仪及其定位寸、关、尺脉搏点的方法 |
CN105727455A (zh) * | 2016-04-20 | 2016-07-06 | 中国科学院微电子研究所 | 一种红外加热理疗装置 |
CN106859956A (zh) * | 2017-01-13 | 2017-06-20 | 北京奇虎科技有限公司 | 一种人体穴位识别按摩方法、装置及ar设备 |
Non-Patent Citations (1)
Title |
---|
王溪: "基于CT的个体化颅内动脉瘤的模型建立与计算流体力学分析", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109938705A (zh) * | 2019-03-06 | 2019-06-28 | 珠海市万瑙特健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
CN109938705B (zh) * | 2019-03-06 | 2022-03-29 | 智美康民(珠海)健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
CN109938738A (zh) * | 2019-04-29 | 2019-06-28 | 博奥生物集团有限公司 | 一种前臂长度测量系统及方法 |
CN109938738B (zh) * | 2019-04-29 | 2024-05-17 | 博奥生物集团有限公司 | 一种前臂长度测量系统及方法 |
CN113599241A (zh) * | 2021-07-28 | 2021-11-05 | 中国科学院微电子研究所 | 一种关脉测试装置、系统及关脉测试方法 |
CN113303771A (zh) * | 2021-07-30 | 2021-08-27 | 天津慧医谷科技有限公司 | 脉搏采集点的确定方法、装置和电子设备 |
CN113303771B (zh) * | 2021-07-30 | 2021-11-05 | 天津慧医谷科技有限公司 | 脉搏采集点的确定方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2019041411A1 (zh) | 2019-03-07 |
CN109427065B (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109419497A (zh) | 基于热成像的关脉识别方法 | |
CN109427065A (zh) | 基于热成像的关脉识别系统 | |
Clarke et al. | Using high frame rate CMOS sensors for three-dimensional eye tracking | |
CN105188522B (zh) | 脉搏波传播速度的测定方法、测定系统及摄像装置 | |
CN103502770B (zh) | 使用光学相干断层扫描进行实时跟踪的改进成像 | |
US9179833B2 (en) | Systems and methods for improved ease and accuracy of gaze tracking | |
CN113171062B (zh) | 识别寸、关、尺的方法、终端、系统、介质及计算机设备 | |
Yang et al. | Automatic 3-D imaging and measurement of human spines with a robotic ultrasound system | |
CN102670168A (zh) | 眼科设备及其控制方法 | |
GB2507987A (en) | Method of automatically processing an ultrasound image | |
TW202038133A (zh) | 利用深度學習快速定位虹膜之裝置與方法 | |
CN102542242B (zh) | 非接触式采集图像的生物特征区域定位方法和装置 | |
CN110276271A (zh) | 融合ippg和深度信息抗噪声干扰的非接触心率估计法 | |
US20190279768A1 (en) | Systems and methods for audio medical instrument patient measurements | |
JP2005169155A (ja) | 超音波診断装置 | |
CN101773383B (zh) | 桡动脉位置检测方法 | |
Fukuda et al. | Model-based eye-tracking method for low-resolution eye-images | |
JP2005137936A (ja) | 超音波診断装置 | |
Lu et al. | A deep learning model for three-dimensional nystagmus detection and its preliminary application | |
JP6452236B2 (ja) | 眼球識別装置及び眼球識別方法 | |
CN113534945A (zh) | 眼球追踪校准系数的确定方法、装置、设备及存储介质 | |
CN116047412A (zh) | 标记物的伪影坐标去除方法及相关装置 | |
Chen et al. | iVoiding: A thermal-image based artificial intelligence dynamic voiding detection system | |
Cao et al. | Gaze tracking on any surface with your phone | |
Bungay et al. | Contactless hand tremor amplitude measurement using smartphones: development and pilot evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |