CN111598949A - 一种用于人体头颈部穴位的自动定位方法 - Google Patents

一种用于人体头颈部穴位的自动定位方法 Download PDF

Info

Publication number
CN111598949A
CN111598949A CN202010276723.XA CN202010276723A CN111598949A CN 111598949 A CN111598949 A CN 111598949A CN 202010276723 A CN202010276723 A CN 202010276723A CN 111598949 A CN111598949 A CN 111598949A
Authority
CN
China
Prior art keywords
head
neck
points
image
acupuncture
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
Application number
CN202010276723.XA
Other languages
English (en)
Other versions
CN111598949B (zh
Inventor
温军玲
王逸卉
高明
刘堂义
周泽伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Traditional Chinese Medicine
Original Assignee
Shanghai University of Traditional Chinese Medicine
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai University of Traditional Chinese Medicine filed Critical Shanghai University of Traditional Chinese Medicine
Priority to CN202010276723.XA priority Critical patent/CN111598949B/zh
Publication of CN111598949A publication Critical patent/CN111598949A/zh
Application granted granted Critical
Publication of CN111598949B publication Critical patent/CN111598949B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/68—Analysis of geometric attributes of symmetry
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20124—Active shape model [ASM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Finger-Pressure Massage (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于中医学智能检测的技术领域，公开了一种用于人体头颈部穴位的自动定位方法，包括建立包含多个头颈部图像的第一图像集，对各头颈部图像的多个轮廓点进行训练学习，采用ASM主动形状模型获得包含左右耳根点在内的轮廓点位置信息；建立包含多个已标记好各个穴位点的头颈部图像的第二图像集，对每个头颈部图像中各穴位点相对左右耳根点的中点的相对位置进行统计分析，获得各穴位点的平均位置信息；利用ASM主动形状模型对待检测头颈部图像中的左右耳根点进行识别，计算左右耳根点的中点，再结合所述平均位置信息，获得待检测头颈部图像中的各个穴位点位置。利用本发明的方法使头颈部穴位寻找简单易行，方便颈椎日常保健等自动化实现。

Description

一种用于人体头颈部穴位的自动定位方法
技术领域
本发明属于中医学智能健康检测的技术领域，具体涉及一种用于人体头颈部穴位的自动定位方法。
背景技术
随着人们对手机、PAD等一系列电子产品的大量使用，导致颈椎长时间不动，严重威胁着颈椎的健康。中医按摩推拿可以解决95％的颈椎问题，对穴位进行按、揉、点、压、擦等按摩推拿，可以有效消除颈部肌肉的疲劳，起到疏经通络、行气活血之效，从而改善头颈部血液循环，有效缓解颈椎病带来的不适。穴位按摩有着便捷易操作的特性，特别适合日常保健按摩。目前穴位定位多为专业医师手工定位，且需要大量的专业训练，这不利于非专业人士进行穴位按摩的日常保健，也不利于按摩类医疗器械的自动化实现。
在传统取穴方法中，广泛采用的是以各种同身寸法，如体表解剖标志定位法、骨度折量定位法、指寸定位法等，这些穴位定位方法由于人体高矮胖瘦的差异，导致同身寸法是一种较为主观的穴位定位方法，应用最广泛的为定向穴位定位方法和比例穴位定位法，在同一个穴位点，前者方法对所有测试者穴位定位分布范围为椭圆面积、几乎达到13平方厘米，后者方法对所有测试者穴位定位分布范围为椭圆面积、接近8平方厘米；目前尚未有对人体头颈部穴位定位方面的研究，且由于人的头发散落、遮挡，人的发际线高低不同，使得穴位特征非常不明显，也无法使用发际线等标志进行寻穴，而对头部风池穴、风府穴的定位都是通过专家手工定位。因此寻找精准穴位定位的客观化方法，对提高治疗疗效和实现按摩仪器自动化以及帮助非专业人士日常按摩保健，是非常有必要的。
发明内容
本发明提供了一种用于人体头颈部穴位的自动定位方法，解决了现有取穴方法客观性不强，精度低等问题。
本发明可通过以下技术方案实现：
一种用于人体头颈部穴位的自动定位方法，包括以下步骤：
步骤一、建立包含多个头颈部图像的第一图像集，对各个头颈部图像的多个轮廓点进行训练学习，采用ASM主动形状模型获得包含左右耳根点在内的轮廓点位置信息；
步骤二、建立包含多个已标记好各个穴位点的头颈部图像的第二图像集，对每个头颈部图像中各个穴位点相对左右耳根点的中点的相对位置进行统计分析，获得各个穴位点的平均位置信息；
步骤三、利用所述ASM主动形状模型对待检测头颈部图像中的左右耳根点进行识别，计算左右耳根点的中点，再结合所述平均位置信息，获得待检测头颈部图像中的各个穴位点位置。
进一步，以第二图像集的各个头颈部图像中的左右下耳根点的中点为基准点，以其连线距离为基准距离，计算每个头颈部图像中的其他各个穴位点相对基准点的距离和角度，以及所述距离相对基准距离的距离比例，再计算各个穴位点对应的所有距离比例和角度的平均值，即获得对应的平均位置信息。
进一步，获得对应的平均位置信息的方法包括以下步骤：
步骤Ⅰ、以每个头颈部图像中的基准点为原点，以其左右下耳根点的连线为横轴，建立直角坐标系，采用基于Hough圆检测算法对各个标记用的圆形标签进行圆心检测，以计算得到的圆心坐标作为对应穴位点坐标；
步骤Ⅱ、计算每个头颈部图像中的其他各个穴位点相对原点的距离di和角度θi，以及所述距离di相对基准距离d的距离比例ki，其中ki＝di/d，i为自然数，表示穴位点个数，再计算各个穴位点对应的所有距离比例平均值
Figure BDA0002445046990000021
和角度平均值
Figure BDA0002445046990000022
即获得平均位置信息，其中
Figure BDA0002445046990000023
n为自然数，表示头颈部图像的个数。
进一步，利用所述ASM主动形状模型对待检测头颈部图像中的左右下耳根点进行识别，计算左右下耳根点之间的距离d′，以其中点为原点，以其连线为横轴，建立直角坐标系，计算出待检测头颈部图像中各个穴位点相对原点的位置信息Di，其中
Figure BDA0002445046990000031
进一步，对第一图像集的各个头颈部图像中多个轮廓点包括左右下耳根点进行标记，通过ASM主动形状模型训练学习获得包含左右下耳根点在内的轮廓点位置信息。
进一步，设置相机与下颚固定支架的相对位置，使被拍摄者的头部置于所述下颚固定支架上，采集其头颈部图像，再用圆形标签对同一被拍摄者头颈部的各个穴位点进行标记，采集包含已标记好各个穴位点的头颈部图像，完成第一图像集和第二图像集的建立。
进一步，根据各个被拍摄者的BMI指数不同进行分组，对每组被拍摄者分别采集图像，完成对应的第一图像集和第二图像集的建立。
进一步，进行分组的标准设置为BMI<20、20<BMI<25和BMI>25。
一种计算机存储介质，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如上文所述的用于人体头颈部穴位的自动定位方法。
本发明有益的技术效果在于：
通过ASM主动形状模型对第一图像集中的各个头颈部图像进行训练学习，获取头颈部图像的轮廓点位置信息，结合通过对第二图像集中的各个已标记穴位点的头颈部图像进行统计分析，得到各个穴位点相对左右下耳根点的中点的平均位置信息，完成对待检测头颈部图像中各个穴位点的位置识别，同时还结合检测对象的身高体重指数BMI，分类进行穴位点位置的识别，进一步提高了头颈部穴位的定位精度，实现快速、精确、非接触式的自动化穴位点识别，为颈部穴位按摩和保健的自动化设备实现提供数据依据，改善了治疗效果。
附图说明
图1为本发明的总体过程示意图；
图2为本发明的第一图像集中头颈图图像的轮廓点标记示意图；
图3为本发明的第二图像集中头颈图图像的各个穴位点标记示意图；
图4为本发明的穴位点坐标系的示意图。
具体实施方式
下面结合附图及较佳实施例详细说明本发明的具体实施方式。
参照附图1，本发明提供了一种用于人体头颈部穴位的自动定位方法，依据中医专家的经验标定将每个穴位点位置描述转化为图像处理中的位置先验信息，利用ASM主动形状模型对头颈部图像的多个轮廓点进行定位，解决人体头颈部穴位点无具体图像特征的难题，同时，还根据人体身高体重指数BMI分组进行穴位定位，提高了定位识别的精确性，在同样穴位点，所有测试者穴位定位分布范围形状为椭圆、面积范围仅约3平方厘米，而对于头颈部的穴位部位，通常是以拇指按摩或按摩仪器按摩，完全能达到精准按摩的要求，从而将穴位的寻找变得简单易行，方便颈椎的日常保健和穴位按摩仪器的自动化实现。具体包括以下步骤：
假定拟采集3000个人的头颈部图像，同时记录采集对象的性别身高体重，计算其身高体重指数BMI，将3000个人按照其BMI数值不同进行分组，一般规则为较瘦BMI<20、适中20<BMI<25、较胖BMI>25进行分组，也可以再结合采集对象的性别不同，进行更加详细的BMI数值分组；
步骤一、建立包含多个头颈部图像的第一图像集，对各个头颈部图像的多个轮廓点进行训练学习，采用ASM主动形状模型获得包含左右耳根点在内的轮廓点位置信息。
首先，固定相机和圆弧型下颚托架的相对位置，使采集对象的头部置于圆弧型下颚托架上，保证头部不发生晃动，拍摄人体头颈部图像，为提取头颈部图像方便，拍摄时采用白色背景板，所采集的头颈部图像必须包含左耳与右耳的上下耳根点；再对采集到的头颈部图像进行高斯滤波、灰度变换、旋转调整等预处理，确保头颈部图像中的左耳与右耳处于同一水平位置，为后续的数据处理提供保障。
然后，对第一图像集的各个头颈部图像中多个轮廓点包括左右上下耳根点进行标记，如图2所示，多选择图像中的角点、拐点等为轮廓点，选择的轮廓点数目以及对应头颈部轮廓点的顺序需一致，其中双耳上下耳根点的位置需准确标定，采用ASM主动形状模型通过训练学习获得包含左右上下耳根点在内的轮廓点位置信息。
该ASM主动形状模型是一种统计模型方法，是T.F.Cootes在1995年提出的，它是在Kass提出的活动轮廓线模型ACM的基础上发展起来，是一种基于点分布模型的方法，首先对训练集中大量同一类形状实例进行统计，建立起反映目标形状变化规律的全局形状模型，同时根据标定点轮廓线法线方向上的灰度信息建立起反映局部纹理信息的局部模型，然后利用这两个模型对目标图像进行搜索，在搜索过程中首先利用局部模型进行特征点搜索，之后利用全局形状模型对应搜索到的形状进行合理性判断，通过循环迭代不断调整形状和姿态参数，得到理想结果。因此，它可以适应任何不规则形状的匹配，能够有效和准确地定义形状，被广泛应用于视觉信息处理领域，如人脸识别、目标跟踪、手形识别等等。本发明采用现有ASM主动形状模型方法获取头颈部轮廓点的位置信息，如兰州理工大学张译匀等所发表的基于活动形状模型的人脸特征定位的研究一文中所述的方法。
步骤二、建立包含多个已标记好各个穴位点的头颈部图像的第二图像集，对各个头颈部图像中各个穴位点相对左右耳根点的中点的相对位置进行统计分析，获得各个穴位点的平均位置信息。
在采集第一图像集时，每个采集对象拍摄完成后，再用0.8cm圆形标签请中医专家对头颈部的常用穴位包括风府穴、风池穴、肩井穴等进行人工标记，如图3所示，再次进行头颈部图像采集，得到已标记好各个穴位点的头颈部图像，建立第二图像集，也需要对其中的每个图像进行高斯滤波、灰度变换、旋转调整等预处理，确保头颈部图像中的左耳与右耳处于同一水平位置，为后续的数据处理提供保障。
然后，以第二图像集的各个头颈部图像中的左右下耳根点的中点为基准点，以其连线距离为基准距离，计算每个头颈部图像中的其他各个穴位点相对基准点的距离和角度，以及该距离相对基准距离的距离比例，再计算各个穴位点对应的所有距离比例和角度的平均值，即获得对应的平均位置信息，具体如下：
步骤Ⅰ、以每个头颈部图像中的基准点为原点，以其左右下耳根点的连线为横轴，建立直角坐标系，采用基于Hough圆检测算法对各个圆形标签进行圆心检测，以计算得到的圆心坐标作为对应穴位点坐标；
步骤Ⅱ、计算每个头颈部图像中的其他各个穴位点相对原点的距离di和角度θi，以及该距离di相对基准距离d的距离比例ki，其中ki＝di/d，i为自然数，表示穴位点个数，如图4所示，再计算各个穴位点对应的所有距离比例平均值
Figure BDA0002445046990000061
和角度平均值
Figure BDA0002445046990000062
即获得平均位置信息，其中
Figure BDA0002445046990000063
n为自然数，表示头颈部图像的个数。
步骤三、利用上述ASM主动形状模型对待检测头颈部图像中的左右耳根点进行识别，计算左右耳根点的中点，再结合上述平均位置信息，获得待检测头颈部图像中的各个穴位点位置。
具体地，根据待检测对象的身高体重指数BMI选择对应分组的ASM主动形状模型，利用该ASM主动形状模型对待检测对象的头颈部图像中的左右下耳根点进行识别，可采用现有的搜索匹配方法如马尔科夫距离搜索匹配待检测头颈部图像和ASM主动形状模型的各个轮廓点的位置，经过迭代收敛，得到待检测头颈部图像的轮廓点等等，也可以参考如兰州理工大学张译匀等所发表的基于活动形状模型的人脸特征定位的研究一文中所述的方法，然后，计算左右下耳根点之间的距离d′，以其中点为原心，以其连线为横轴，建立直角坐标系，计算出待检测头颈部图像中各个穴位点相对原心的位置信息Di，其中
Figure BDA0002445046990000071
本发明通过图像采集实时快速准确找到头颈部的穴位位置，该方法具有简单快速、精度高、非接触性等特点，可以在日常生活中辅助进行头颈部穴位保健和按摩类仪器的自动化实现。
本发明还提供了一种计算机存储介质，包括计算机指令，当该计算机指令在电子设备上运行时，使得该电子设备执行如上文所述的用于人体头颈部穴位的自动定位方法。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，在不背离本发明的和实质的前提下，可以对这些实施方式做出多种变更或修改，因此，本发明的保护范围由所附权利要求书限定。

Claims (9)

1.一种用于人体头颈部穴位的自动定位方法，其特征在于包括以下步骤：
步骤一、建立包含多个头颈部图像的第一图像集，对各个头颈部图像的多个轮廓点进行训练学习，采用ASM主动形状模型获得包含左右耳根点在内的轮廓点位置信息；
步骤二、建立包含多个已标记好各个穴位点的头颈部图像的第二图像集，对每个头颈部图像中各个穴位点相对左右耳根点的中点的相对位置进行统计分析，获得各个穴位点的平均位置信息；
步骤三、利用所述ASM主动形状模型对待检测头颈部图像中的左右耳根点进行识别，计算左右耳根点的中点，再结合所述平均位置信息，获得待检测头颈部图像中的各个穴位点位置。
2.根据权利要求1所述的用于人体头颈部穴位的自动定位方法，其特征在于：以第二图像集的各个头颈部图像中的左右下耳根点的中点为基准点，以其连线距离为基准距离，计算每个头颈部图像中的其他各个穴位点相对基准点的距离和角度，以及所述距离相对基准距离的距离比例，再计算各个穴位点对应的所有距离比例和角度的平均值，即获得对应的平均位置信息。
3.根据权利要求2所述的用于人体头颈部穴位的自动定位方法，其特征在于获得对应的平均位置信息的方法包括以下步骤：
步骤Ⅰ、以每个头颈部图像中的基准点为原点，以其左右下耳根点的连线为横轴，建立直角坐标系，采用基于Hough圆检测算法对各个标记用的圆形标签进行圆心检测，以计算得到的圆心坐标作为对应穴位点坐标；
步骤Ⅱ、计算每个头颈部图像中的其他各个穴位点相对原点的距离di和角度θi，以及所述距离di相对基准距离d的距离比例ki，其中ki＝di/d，i为自然数，表示穴位点个数，再计算各个穴位点对应的所有距离比例平均值
Figure FDA0002445046980000011
和角度平均值
Figure FDA0002445046980000012
即获得平均位置信息，其中
Figure FDA0002445046980000013
n为自然数，表示头颈部图像的个数。
4.根据权利要求3所述的用于人体头颈部穴位的自动定位方法，其特征在于：利用所述ASM主动形状模型对待检测头颈部图像中的左右下耳根点进行识别，计算左右下耳根点之间的距离d′，以其中点为原点，以其连线为横轴，建立直角坐标系，计算出待检测头颈部图像中各个穴位点相对原点的位置信息Di，其中
Figure FDA0002445046980000021
5.根据权利要求2所述的用于人体头颈部穴位的自动定位方法，其特征在于：对第一图像集的各个头颈部图像中多个轮廓点包括左右下耳根点进行标记，通过ASM主动形状模型训练学习获得包含左右下耳根点在内的轮廓点位置信息。
6.根据权利要求1所述的用于人体头颈部穴位的自动定位方法，其特征在于：设置相机与下颚固定支架的相对位置，使被拍摄者的头部置于所述下颚固定支架上，采集其头颈部图像，再用圆形标签对同一被拍摄者头颈部的各个穴位点进行标记，采集包含已标记好各个穴位点的头颈部图像，完成第一图像集和第二图像集的建立。
7.根据权利要求6所述的用于人体头颈部穴位的自动定位方法，其特征在于：根据各个被拍摄者的BMI指数不同进行分组，对每组被拍摄者分别采集图像，完成对应的第一图像集和第二图像集的建立。
8.根据权利要求7所述的用于人体头颈部穴位的自动定位方法，其特征在于：进行分组的标准设置为BMI<20、20<BMI<25和BMI>25。
9.一种计算机存储介质，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1-8所述之一的用于人体头颈部穴位的自动定位方法。
CN202010276723.XA 2020-04-10 2020-04-10 一种用于人体头颈部穴位的自动定位方法 Active CN111598949B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010276723.XA CN111598949B (zh) 2020-04-10 2020-04-10 一种用于人体头颈部穴位的自动定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010276723.XA CN111598949B (zh) 2020-04-10 2020-04-10 一种用于人体头颈部穴位的自动定位方法

Publications (2)

Publication Number Publication Date
CN111598949A true CN111598949A (zh) 2020-08-28
CN111598949B CN111598949B (zh) 2023-03-24

Family

ID=72187428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010276723.XA Active CN111598949B (zh) 2020-04-10 2020-04-10 一种用于人体头颈部穴位的自动定位方法

Country Status (1)

Country Link
CN (1) CN111598949B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486758A (zh) * 2021-06-30 2021-10-08 浙江大学 一种手部穴位自动定位方法
CN113842116A (zh) * 2021-10-14 2021-12-28 北京鹰之眼智能健康科技有限公司 一种人体穴位的自动定位方法、装置和电子设备
CN115527235A (zh) * 2022-09-27 2022-12-27 内蒙古工业大学 一种基于图像处理识别蒙医手部穴位的方法与装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070269086A1 (en) * 2006-03-22 2007-11-22 Kerwin William S Conditional shape model for image processing
WO2008141996A2 (en) * 2007-05-18 2008-11-27 Nordic Bioscience Imaging A/S Semi-automatic contour detection
CN105930810A (zh) * 2016-04-26 2016-09-07 北京工业大学 基于特征点定位算法的面部穴位定位方法和定位装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070269086A1 (en) * 2006-03-22 2007-11-22 Kerwin William S Conditional shape model for image processing
WO2008141996A2 (en) * 2007-05-18 2008-11-27 Nordic Bioscience Imaging A/S Semi-automatic contour detection
CN105930810A (zh) * 2016-04-26 2016-09-07 北京工业大学 基于特征点定位算法的面部穴位定位方法和定位装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王春燕等: "改进的活动形状模型肺部轮廓提取算法", 《微计算机信息》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486758A (zh) * 2021-06-30 2021-10-08 浙江大学 一种手部穴位自动定位方法
CN113486758B (zh) * 2021-06-30 2024-03-08 浙江大学 一种手部穴位自动定位方法
CN113842116A (zh) * 2021-10-14 2021-12-28 北京鹰之眼智能健康科技有限公司 一种人体穴位的自动定位方法、装置和电子设备
CN115527235A (zh) * 2022-09-27 2022-12-27 内蒙古工业大学 一种基于图像处理识别蒙医手部穴位的方法与装置

Also Published As

Publication number Publication date
CN111598949B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN111598949B (zh) 一种用于人体头颈部穴位的自动定位方法
Wang et al. Automatic evaluation of the degree of facial nerve paralysis
RU2436507C2 (ru) Способы терапии области раны и системы для осуществления этих способов
CN104207931B (zh) 人脸面部穴位精准定位和针灸处方学习方法
RU2435520C2 (ru) Способы терапии области раны и системы для осуществления этих способов
CN112258516B (zh) 一种脊柱侧弯图像检测模型的生成方法
CN108320288A (zh) 一种特发性脊柱侧凸影像的数据处理方法
CN110772255A (zh) 基于姿态与位置传感器的人体脊柱侧弯角度的测量方法
CN113171062B (zh) 识别寸、关、尺的方法、终端、系统、介质及计算机设备
CN110338759B (zh) 一种正面疼痛表情数据采集方法
CN113674257A (zh) 脊柱侧弯角度的测量方法、装置、设备及存储介质
CN115222937A (zh) 一种脊柱侧弯检测方法及装置
CN115862819A (zh) 一种基于图像处理的医学图像管理方法
CN112465771B (zh) 脊柱核磁共振图像的分析方法、装置和计算机设备
CN117503099A (zh) 人体成分分析仪、测量方法、装置、设备及存储介质
CN110694149B (zh) 一种超声辅助肌肉识别方法、系统及辅助注射装置
CN112801968A (zh) 用于核磁图像分割的双层深度网络模型、方法、装置
CN111523507A (zh) 人工智能伤口评估面积测算方法及装置
CN115778333A (zh) 一种视觉定位寸、关、尺脉搏穴位的方法和装置
LIU et al. Artificial intelligence rehabilitation evaluation and training system for degeneration of joint disease
CN114288560A (zh) 经颅磁刺激导航过程的三维配准方法、系统及计算机设备
CN116385756B (zh) 基于增强标注和深度学习的医学图像识别方法及相关装置
CN113925606B (zh) 一种神经调控导航定位方法、装置和神经调控治疗系统
CN116831516B (zh) 一种角膜曲率的生成方法及装置
CN113781453B (zh) 一种基于x线片的脊柱侧凸进展预测及方法和装置

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