CN113171062A - 识别寸、关、尺的方法、终端、系统、介质及计算机设备 - Google Patents
识别寸、关、尺的方法、终端、系统、介质及计算机设备 Download PDFInfo
- Publication number
- CN113171062A CN113171062A CN202110475595.6A CN202110475595A CN113171062A CN 113171062 A CN113171062 A CN 113171062A CN 202110475595 A CN202110475595 A CN 202110475595A CN 113171062 A CN113171062 A CN 113171062A
- Authority
- CN
- China
- Prior art keywords
- wrist
- determining
- mark point
- abscissa
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 210000000707 wrist Anatomy 0.000 claims abstract description 154
- 238000001931 thermography Methods 0.000 claims abstract description 57
- 210000002321 radial artery Anatomy 0.000 claims abstract description 51
- 238000012886 linear function Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 35
- 239000003814 drug Substances 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 38
- 238000000354 decomposition reaction Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 239000003550 marker Substances 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 14
- 241001133760 Acoelorraphe Species 0.000 description 10
- 238000009499 grossing Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000000236 metacarpal bone Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 210000002262 tip cell Anatomy 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 210000000623 ulna Anatomy 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- 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
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/107—Static hand or arm
-
- 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
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/107—Static hand or arm
- G06V40/117—Biometrics derived from hands
Abstract
本发明提供一种识别寸、关、尺的方法、终端、系统、介质及计算机设备，方法包括：获取人体手腕的热成像图像，基于热成像图像确定手腕桡骨茎突对应的第一标记点；提取桡骨茎突和手掌之间以及手腕两侧的边缘轮廓信息；基于边缘轮廓信息确定腕横纹走势直线；获取第一标记点与腕横纹之间的垂直距离，基于垂直距离及第一标记点确定寸位横坐标及尺位横坐标；提取桡动脉图像，将桡动脉图像拟合为直线函数；基于直线函数与关位横坐标、尺位的横坐标、寸位横坐标分别确定关位纵坐标、尺位横坐标及寸位纵坐标；如此，本发明只需要利用手腕热成像图像及中医同身寸原理对寸、关、尺进行定位，避免信号干扰，消除人为主观干扰因素，确保寸、关、尺的定位精度。
Description
技术领域
本发明属于脉络检测技术领域，尤其涉及一种识别寸、关、尺的方法、终端、系统、介质及计算机设备。
背景技术
脉搏波包含了人体生理状态的丰富信息。桡动脉脉搏波分析在中医学中被认为是评价患者健康状况的重要手段。为了认识患者的一般健康状况，中医将腕桡动脉末梢分为三个位置(寸脉、关脉和尺脉；简称寸、关和尺)，准确定位这三个位置坐标是实现脉搏波精确采集的前提。
在脉诊中，中医首先以患者的掌骨后段为参照点(西医称为桡骨茎突)，在掌后高骨处找到血管波动的最强点，并将波动点命名为关位。然后，以关为参照点，将食指放在中指之前，无名指落在中指之后，确定寸和尺位。因此，确定寸、关、尺的位置是中医脉诊的第一步，也是最重要的一步，其准确性决定了证候判断的准确性。
相关技术中，指尖触觉定位和压力传感器阵列三维地形图定位。指尖触觉定位是基于人体掌骨的高位，用手指触摸手腕的波点。然而，从生物学角度来看，指端细胞(Meck'stactile Cell)上有许多默克尔的触觉细胞，手指对脉搏波的敏感性与Meck's tactileCell在手指上的分布有关。由于性别、年龄、体重等方面的差异，Meeck触觉细胞在不同个体指尖的分布不同。这种差异会导致触觉上的差异，进而导致对寸、关、尺的定位存在较大的定位误差。压力传感器单元阵列的三维地形图定位主要利用压力传感器阵列的位置贴在人体上的寸、关、尺在三维地形图上形成三个包络，确定寸、关、尺的位置。但是，由于阵列传感器采集到的信号之间存在串扰，这种干扰会引起三维包络的失真，造成较大的定位误差。同时，由于传感器的分辨率有限，分辨率也不能满足定位要求。
发明内容
针对现有技术存在的问题，本发明实施例提供了一种识别寸、关、尺的方法、终端、系统、介质及计算机设备，用于解决现有技术中在确定寸脉、尺脉及关脉时，存在较大的定位误差，无法确保寸、关、尺定位精度的技术问题。
本发明实施例提供一种识别寸、关、尺的方法，所述方法包括：
获取人体手腕的热成像图像，基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；
基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；基于所述边缘轮廓信息确定腕横纹走势直线；
获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；
从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；
基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
可选的，所述基于所述边缘轮廓信息确定腕横纹走势直线，包括：
对所述边缘轮廓信息进行插值处理，对插值处理后的所述边缘轮廓信息进行平滑滤波，获得滤波后的边缘轮廓像素数据集；
利用连续小波变换函数对边缘轮廓像素数据集中的像素进行连续小波分解，获得对应的小波分解值；
获取各所述小波变换值沿采样点处的模极大值点，将大于预设阈值的模极大值点作为腕横纹标志点；所述腕横纹标志点包括：第一标志点及第二标志点；
基于所述腕横纹标志点确定腕横纹走势直线；所述腕横纹走势直线为所述第一标志点及所述第二标志点之间的连线。
可选的，基于所述垂直距离及所述第一标记点确定寸位横坐标，包括：
确定所述腕横纹走势直线的垂线；
以所述第一标记点为初始点，基于同身寸原理在所述垂线中确定与所述第一标记点的距离为g*L的第二参考位置；所述第二参考位置靠近所述腕横纹走势直线；所述L为所述垂直距离，所述g为常量，0<g≤1；所述*为乘法运算符；
将所述第二参考位置确定为第二标记点；所述第二标记点为所述寸位的横坐标。
可选的，基于所述垂直距离及所述第一标记点确定尺位横坐标，包括：
确定所述腕横纹走势直线的垂线；
以所述第一标记点为初始点，基于同身寸原理在所述垂线中确定与所述第一标记点的距离为m*L的第三参考位置；所述第三参考位置远离所述腕横纹走势直线，所述m为常量，0<m≤1；
将所述第三参考位置确定为第三标记点；所述第三标记点为所述尺位的横坐标。
可选的，所述利用连续小波变换函数对边缘轮廓像素数据集中的像素进行连续小波分解，获得对应的小波分解值，包括：
利用连续小波分解函数
对边缘轮廓像素数据集中的像素进行连续小波分解，获得对应的小波变换值WSf(x)；其中，所述S为小波函数的尺度变换因子，所述x为所述边缘轮廓像素数据集中的像素点的位置，所述f为f(x)的简化表示，所述f(x)为所述边缘轮廓像素数据集，所述θS为θ(x)在尺度变换因子S下的伸缩变换结果，所述θ(x)为平滑函数。
可选的，所述从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数，包括：
将所述热成像图像区域中的所有像素点划分为n个像素区域；
针对任一像素区域，确定每个所述像素区域中各像素的实际均值和实际方差；
将每个所述像素区域中的实际均值和参考均值进行比较，将每个所述像素区域中的实际方差和参考方差进行比较，将符合参考均值且符合所述参考方差的像素进行二值化处理，获得桡动脉图像；
对所述桡动脉图像中所有像素的纵坐标进行均值化处理，获得值桡动脉图像曲线；
对所述桡动脉图像曲线进行直线拟合，获得所述直线函数。
本发明实施例还提供一种识别寸、关、尺的终端，所述终端包括：
获取单元，用于获取人体手腕的热成像图像；
第一确定单元，用于基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；
提取单元，用于基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；
第二确定单元，用于基于所述边缘轮廓信息确定腕横纹走势直线；获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；
拟合单元，用于从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；
第三确定单元，用于基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
本发明实施例还提供一种识别寸、关、尺的系统，所述系统包括：
红外热成像仪，用于采集人体手腕的热成像图像，并将所述热成像图像发送至终端；
终端，用于基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；基于所述边缘轮廓信息确定腕横纹走势直线；获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述的方法。
本发明实施例还提供一种计算机设备，包括存储器、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程序时实现上述任一项所述的方法。
本发明提供了一种识别寸、关、尺的方法、终端、系统、介质及计算机设备，方法包括：获取人体手腕的热成像图像，基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；基于所述边缘轮廓信息确定腕横纹走势直线；获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标；如此，本发明只需要利用人体手腕的热成像图像对寸、关、尺进行定位，无需使用多个阵列传感器，避免信号干扰，确保数据的精度，进而确保对寸、关、尺的定位精度；在确定出关位后，依据中医同身寸原理数字化定位尺位和寸位，消除人为主观干扰因素，降低定位误差，提高定位精度。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例提供的识别寸、关、尺的系统结构示意图；
图2为本发明实施例提供的识别寸、关、尺的方法流程示意图；
图3为本发明实施例提供的人体腕部的热成像示意图；
图4为本发明实施例提供的人体腕部边缘图像示意图；
图5为本发明实施例提供的寸、关、尺的位置示意图；
图6为本发明实施例提供的识别寸、关、尺的装置结构示意图；
图7为本发明实施例提供的识别寸、关、尺的计算机介质结构示意图；
图8为本发明实施例提供的识别寸、关、尺的计算机设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更好地理解本实施例的技术方案，这里先介绍下识别寸、关、尺的系统，如图1所示，系统包括：红外热成像仪1、终端2；
另外，继续参考图1，系统还包括：三维移动台3、一字激光器4、点状激光器5、肘部托架6、基座7；其中，一字线激光器4及点状激光5器安装在三维移动台3中，三维移动台3安装在基座7上。
红外热成像仪1，用于采集人体手腕的热成像图像；
托架6，用于固定人体手臂和凸出人体手腕桡动脉，轴拖的倾斜角用于补偿肘臂至手腕形成的类台柱体结构造成的倾斜角误差；
一字激光器4，用于定位人体手腕放置的位置。
系统的工作原理如下：被测者的手腕放入肘部托架6上，使得肘臂和桌面平行，手腕横纹的位置和一字激光器4对齐，一字激光器4发射的激光图像边缘和手腕横纹重合；终端2控制打开红外热成像仪1的网口，红外热成像仪1被打开，实时采集人体手腕的热成像图像，并终端2实时传输人体手腕的热成像图像。
在实际工作过程中，红外热成像仪1，采集到人体手腕的热成像图像，会将热成像图像发送至终端2；
终端2，用于基于热成像图像确定手腕桡骨茎突对应的第一标记点；第一标记点为关位的横坐标；基于图像边缘识别算法提取桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；基于边缘轮廓信息确定腕横纹走势直线；获取第一标记点与腕横纹之间的垂直距离，基于垂直距离及第一标记点确定寸位横坐标及尺位横坐标；从热成像图像中提取桡动脉图像，将桡动脉图像拟合为直线函数；基于直线函数与所述关位的横坐标确定关位的纵坐标，基于直线函数与所述尺位的横坐标确定尺位的纵坐标，基于直线函数与寸位的横坐标确定寸位的纵坐标。
这里，终端2可以为智能穿带设备，比如智能手机、IPAD；也可以为个人计算机、工业计算机等，在此不做限制。
终端2确定寸、关、尺坐标的具体实施方式会在后续有关终端侧的实施例中详细描述，故在此不再赘述。
基于同一发明构思，本发明实施例还提供了一种识别寸、关、尺的方法，应用在终端2中，如图2所示，方法包括：
S210，获取人体手腕的热成像图像，基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；
终端获取到人体手腕(手臂和腕部)的热成像图像后，会基于热成像图像确定手腕桡骨茎突对应的第一标记点；第一标记点为关位的横坐标。热成像图像如图3所示。
在实施过程中，终端基于边缘检测算法提取热成像中小臂和手腕的轮廓线，生成第一边缘轮廓图像；针对第一边缘轮廓图像，再利用连接算法连接手腕边缘，利用剪枝算法去除边缘侧枝，获得目标手腕边缘轮廓。
此时目标手腕边缘轮廓信息为二维边缘轮廓信息，提取二维边缘轮廓信息的纵坐标，将二维边缘轮廓信息转换为一维曲线信息构成手腕初始边缘轮廓信息。
对该一维曲线信息进行滤波处理，获得滤波后的一维曲线，使得一维曲线更加平滑，得到滤波后的初始手腕边缘轮廓信息，这里将滤波后的初始手腕边缘轮廓信息称为平滑手腕边缘轮廓信息。
为了更好地突出手臂腕部边缘特征，本实施例求取平滑手腕边缘轮廓信息的曲率线，从而可以基于曲率线提取手臂腕部边缘特征。其中，手腕初始边缘轮廓信息可如图4中的标记41所示，平滑手腕边缘轮廓信息可如图4中的标记42所示，平滑手腕边缘轮廓信息的曲率线如图4中的标记43所示。
本实施例中的边缘检测算法可以为任意角度的边缘检测算法，也可以为其他类型的边缘检测算法，在此不做限制。
具体的，利用连接算法连接手腕边缘，利用剪枝算法去除边缘侧枝，获得目标手腕边缘轮廓；包括：
首先，对生成的第一边缘轮廓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，该最大连通域可认为是手臂腕部边缘轮廓。
若连通区域存在断点，需要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轮廓。在边缘存在断点情况下，最大连通域是手臂腕部边缘的一部分，因此需要将手臂腕部边其他缘片段连接起来。
举例来说：以最大连通域左侧断点为原点，对原点上方、左上方、左方、左下方、及下方5个方向的搜寻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边缘片断之间补像素点，最终形成一个新的连通域。
然后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，按照同样的连通方式连通最大连通域右侧断点进行连接，直至到达图像右侧边界；这样可以获得目标手腕边缘轮廓信息。
值得注意的是，上述对最大连通域右侧断点进行连接及对最大连通域左侧断点进行连接的顺序不分先后。
上述平滑手腕边缘轮廓信息的曲率线确定出之后，在曲率线中进行特征提取，确定手腕桡骨茎突对应的第一标记点。
具体的，由于桡骨茎突在表皮顶部曲率变化特点是手腕凹陷与凹陷左侧食指和中指两个手指的距离范围(该距离范围是0～4cm)内存在几个曲率局部峰值点；因此本实施例中的第一标记点为确定距离凹陷处最远的曲率局部峰值点。
可继续参考图4，第一标记点为A。第一标记点即为关位的横坐标。
S211，基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；基于所述边缘轮廓信息确定腕横纹走势直线；
桡骨茎突确定出之后，再基于图像边缘识别算法提取桡骨茎突和手掌根部之间、以及手腕两侧的边缘轮廓信息；基于边缘轮廓信息确定腕横纹走势直线。
本实施例中，基于边缘轮廓信息确定腕横纹走势直线，包括：
对边缘轮廓信息进行插值处理，对插值处理后的边缘轮廓信息进行平滑滤波，获得滤波后的边缘轮廓像素数据集f(x)；
利用连续小波变换函数对边缘轮廓像素数据集中的像素进行连续小波分解，获得对应的小波分解值；
获取各小波变换值沿采样点处的模极大值点，将大于预设阈值的模极大值点作为腕横纹标志点；所述腕横纹标志点包括：第一标志点及第二标志点；
基于腕横纹标志点确定腕横纹走势直线；腕横纹走势直线为第一标志点及第二标志点之间的连线。
具体的，获得边缘轮廓像素数据集f(x)后，根据边缘轮廓像素数据集的信号特征确定对应的小波分解系数及平滑函数。
假设θ(x)为是一个起平滑作用的低通平稳函数(高斯函数)，平滑函数应该满足θ(x)＝O(1/(1+x2))及∫Rθ(x)dx≠0。其中，O为无穷小量，R∈(-∞,+∞)，x为边缘轮廓像素数据集中的像素点的位置。
定义
θS为θ(x)在尺度变换因子S下的伸缩变换结果表示对在尺度因子，小波函数为ψ(x)＝dθ(x)/dx，以及
那么边缘轮廓像素数据集f(x)对应的小波变换函数为：
那么利用连续小波变换函数对边缘轮廓像素数据集中的像素进行连续小波分解，获得对应的小波分解值，包括：
利用连续小波分解函数
对边缘轮廓像素数据集中的像素进行连续小波分解，获得对应的小波变换值WSf(x)；其中，f为f(x)的简化表示，f(x)为边缘轮廓像素数据集，S为小波函数的尺度变换因子，x为边缘轮廓像素数据集中的像素点的位置，θS为θ(x)在尺度变换因子S下的伸缩变换结果为在尺度因子。
然后获取可以反应信号突变特征的尺度上的小波分解系数，计算小波分解系数的模平方，以能突出边缘轮廓像素数据集中的奇异点。
由于小波变换值WSf(x)与f(x)*θS(x)的一阶导数成正比关系，f(x)*θS(x)为f(x)经θS(x)平滑后的量，所以小波变换值WSf(x)沿采样点处的模极值点与f(x)的平滑量的驻点时一一对应的，也即模量|WSf(x)|的局部模极值点对应于f(x)平滑量的尖锐变化点。
在获取各小波变换值沿采样点处的模极值点后，为了排除其他局部极大值点对腕横纹识别精度的影响，本实施例中将大于预设阈值的模极大值点进行保留，保留不同尺度变换下重复出现的模极大值点为奇异点，作为腕横纹标志点。
腕横纹标志点包括：第一标志点及第二标志点，假设第一标志点的坐标为(x1,y1)，第二标志点的坐标为(x2,y2)，那么腕横纹走势直线为：
可参考图5，腕横纹走势直线为标记51所示。
这里，也可利用图像边缘识别算法直接提取腕横纹轮廓信息，在腕横纹轮廓信息中，提取腕横纹坐标散点，利用最小二乘法，拟合散点曲线，获得腕横纹走势直线。也可利用机器学习算法确定腕横纹走势直线，也可以利用一字激光器对腕横纹走势直线进行定位并锁定。
S213，获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；
腕横纹确定出之后，获取第一标记点与腕横纹之间的垂直距离，利用中医同身寸原理，基于垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标。
具体的，确定腕横纹走势直线沿着肘臂方向的垂线，垂线如图5中的标记52所示。
基于垂直距离及第一标记点确定寸位横坐标，包括：
以第一标记点为初始点，基于中医同身寸原理在垂线中确定与第一标记点的距离为g*L的第二参考位置；L为垂直距离，g为常量，0<g≤1；*为乘法运算符；优选地，g＝0.9；
将第二参考位置确定为第二标记点；第二参考位置靠近腕横纹走势直线；第二标记点为寸位的横坐标。其中，参考图5，第二标记点为B。
基于垂直距离及第一标记点确定尺位横坐标，包括：
以第一标记点为初始点，基于同身寸原理在垂线中确定与第一标记点的距离为m*L的第三参考位置；m为常量，0<m≤1；优选地，m＝1；
将第三参考位置确定为第三标记点；第三参考位置远离腕横纹走势直线；第三标记点为尺位的横坐标。参考图5，第三标记点为C。
也即，第三标记点C位于第一标记点的一侧，第二标记点B位于第一标记点的另一侧，第三标记点C远离腕横纹走势直线，第二标记点B靠近腕横纹走势直线。
这样即确定出了寸位、关位及尺位的横坐标。
S214，从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；
然后从热成像图像中提取桡动脉图像，将桡动脉图像拟合为直线函数，以能利用直线函数确定出寸位、关位及尺位的纵横坐标。
本实施例中，从热成像图像中提取桡动脉图像，将桡动脉图像拟合为直线函数，包括：
将热成像图像区域中的像素点划分为n个像素区域；
针对任一像素区域，确定每个像素区域中各像素的实际均值和实际方差；
将每个像素区域中的实际均值和参考均值进行比较，将每个所述像素区域中的实际方差和参考方差进行比较，将符合参考均值且符合参考方差的像素进行二值化处理，获得桡动脉图像；
对桡动脉图像中所有像素的纵坐标进行均值化处理，获得值桡动脉图像曲线；
对桡动脉图像曲线进行直线拟合，获得直线函数。
这样即获得了包含有桡动脉走势的直线函数；其中，直线函数如图5中的标记53所示。
S215，基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
桡动脉走势的直线函数确定出之后，基于直线函数与关位的横坐标确定关位的纵坐标，基于直线函数与尺位的横坐标确定尺位的纵坐标，基于直线函数与寸位的横坐标确定寸位的纵坐标。
具体的，桡动脉走势的直线函数为一维函数，将关位的横坐标代入至直线函数中，可得到关位的纵坐标；将寸位的横坐标代入至直线函数中，可得到寸位的纵坐标；将尺位的横坐标代入至直线函数中，可得到尺位的纵坐标。
本发明实施例只需要利用人体手腕的热成像图像对寸、关、尺进行定位，无需使用多个阵列传感器，避免信号干扰，确保数据的精度，进而确保对寸、关、尺的定位精度；在确定出关位后，依据中医同身寸原理数字化定位尺位和寸位，消除人为主观干扰因素，降低定位误差，提高定位精度。
基于与前述实施例同一发明构思，本发明实施例还提供一种识别寸、关、尺的终端，如图6所示，终端包括：
获取单元61，用于获取人体手腕的热成像图像；
第一确定单元62，用于基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；
提取单元63，用于基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；
第二确定单元64，用于基于所述边缘轮廓信息确定腕横纹走势直线；获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；
拟合单元65，用于从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；
第三确定单元66，用于基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
由于本发明实施例所介绍的终端，为实施本发明实施例的方法所采用的终端，故而基于本发明实施例所介绍的方法，本领域所属人员能够了解该终端的具体结构及变形，故而在此不再赘述。凡是本发明实施例的方法所采用的终端都属于本发明所欲保护的范围。
基于与前述实施例同一发明构思，本实施例提供一种计算机设备700，如图7所示，包括存储器710、处理器720及存储在存储器710上并可在处理器720上运行的计算机程序711，处理器720执行计算机程序711时实现以下步骤：
获取人体手腕的热成像图像，基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；
基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；基于所述边缘轮廓信息确定腕横纹走势直线；
获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；
从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；
基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
在具体实施过程中，处理器720执行计算机程序71时，可以实现上述实施例中任一实施方式。
由于本实施例所介绍的计算机设备为实施本申请实施例一种识别寸、关、尺所采用的设备，故而基于本申请实施例一中所介绍的方法，本领域所属技术人员能够了解本实施例的计算机设备的具体实施方式以及其各种变化形式，所以在此对于该服务器如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中的方法所采用的设备，都属于本申请所欲保护的范围。
基于同一发明构思，本实施例提供一种计算机可读存储介质800，如图8所示，其上存储有计算机程序811，该计算机程序81被处理器执行时实现以下步骤：
获取人体手腕的热成像图像，基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；
基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；基于所述边缘轮廓信息确定腕横纹走势直线；
获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；
从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；
基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
在具体实施过程中，该计算机程序811被处理器执行时，可以实现上述实施例任一实施方式。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种识别寸、关、尺的方法，其特征在于，所述方法包括：
获取人体手腕的热成像图像，基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；
基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；基于所述边缘轮廓信息确定腕横纹走势直线；
获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；
从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；
基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
2.如权利要求1所述的方法，其特征在于，所述基于所述边缘轮廓信息确定腕横纹走势直线，包括：
对所述边缘轮廓信息进行插值处理，对插值处理后的所述边缘轮廓信息进行平滑滤波，获得滤波后的边缘轮廓像素数据集；
利用连续小波变换函数对边缘轮廓像素数据集中的像素进行连续小波分解，获得对应的小波分解值；
获取各所述小波变换值沿采样点处的模极大值点，将大于预设阈值的模极大值点作为腕横纹标志点；所述腕横纹标志点包括：第一标志点及第二标志点；
基于所述腕横纹标志点确定腕横纹走势直线；所述腕横纹走势直线为所述第一标志点及所述第二标志点之间的连线。
3.如权利要求1所述的方法，其特征在于，基于所述垂直距离及所述第一标记点确定寸位横坐标，包括：
确定所述腕横纹走势直线的垂线；
以所述第一标记点为初始点，基于同身寸原理在所述垂线中确定与所述第一标记点的距离为g*L的第二参考位置；所述第二参考位置靠近所述腕横纹走势直线；所述L为所述垂直距离，所述g为常量，0<g≤1；所述*为乘法运算符；
将所述第二参考位置确定为第二标记点；所述第二标记点为所述寸位的横坐标。
4.如权利要求1所述的方法，其特征在于，基于所述垂直距离及所述第一标记点确定尺位横坐标，包括：
确定所述腕横纹走势直线的垂线；
以所述第一标记点为初始点，基于同身寸原理在所述垂线中确定与所述第一标记点的距离为m*L的第三参考位置；所述第三参考位置远离所述腕横纹走势直线，所述m为常量，0<m≤1；
将所述第三参考位置确定为第三标记点；所述第三标记点为所述尺位的横坐标。
5.如权利要求2所述的方法，其特征在于，所述利用连续小波变换函数对边缘轮廓像素数据集中的像素进行连续小波分解，获得对应的小波分解值，包括：
利用连续小波分解函数
对边缘轮廓像素数据集中的像素进行连续小波分解，获得对应的小波变换值WSf(x)；其中，所述S为小波函数的尺度变换因子，所述x为所述边缘轮廓像素数据集中的像素点的位置，所述f为f(x)的简化表示，所述f(x)为所述边缘轮廓像素数据集，所述θS为θ(x)在尺度变换因子S下的伸缩变换结果，所述θ(x)为平滑函数。
6.如权利要求1所述的方法，其特征在于，所述从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数，包括：
将所述热成像图像区域中的所有像素点划分为n个像素区域；
针对任一像素区域，确定每个所述像素区域中各像素的实际均值和实际方差；
将每个所述像素区域中的实际均值和参考均值进行比较，将每个所述像素区域中的实际方差和参考方差进行比较，将符合参考均值且符合所述参考方差的像素进行二值化处理，获得桡动脉图像；
对所述桡动脉图像中所有像素的纵坐标进行均值化处理，获得值桡动脉图像曲线；
对所述桡动脉图像曲线进行直线拟合，获得所述直线函数。
7.一种识别寸、关、尺的终端，其特征在于，所述终端包括：
获取单元，用于获取人体手腕的热成像图像；
第一确定单元，用于基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；
提取单元，用于基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；
第二确定单元，用于基于所述边缘轮廓信息确定腕横纹走势直线；获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；
拟合单元，用于从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；
第三确定单元，用于基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
8.一种识别寸、关、尺的系统，其特征在于，所述系统包括：
红外热成像仪，用于采集人体手腕的热成像图像，并将所述热成像图像发送至终端；
终端，用于基于所述热成像图像确定手腕桡骨茎突对应的第一标记点；所述第一标记点为关位的横坐标；基于图像边缘识别算法提取所述桡骨茎突和手掌之间、以及手腕两侧的边缘轮廓信息；基于所述边缘轮廓信息确定腕横纹走势直线；获取所述第一标记点与所述腕横纹之间的垂直距离，利用中医同身寸原理，基于所述垂直距离及所述第一标记点确定寸位横坐标及尺位横坐标；从所述热成像图像中提取桡动脉图像，将所述桡动脉图像拟合为直线函数；基于所述直线函数与所述关位的横坐标确定所述关位的纵坐标，基于所述直线函数与所述尺位的横坐标确定所述尺位的纵坐标，基于所述直线函数与所述寸位的横坐标确定所述寸位的纵坐标。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6任一项所述的方法。
10.一种计算机设备，包括存储器、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，其特征在于，所述处理器执行所述程序时实现权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110475595.6A CN113171062B (zh) | 2021-04-29 | 2021-04-29 | 识别寸、关、尺的方法、终端、系统、介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110475595.6A CN113171062B (zh) | 2021-04-29 | 2021-04-29 | 识别寸、关、尺的方法、终端、系统、介质及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113171062A true CN113171062A (zh) | 2021-07-27 |
| CN113171062B CN113171062B (zh) | 2024-03-26 |
Family
ID=76925425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110475595.6A Active CN113171062B (zh) | 2021-04-29 | 2021-04-29 | 识别寸、关、尺的方法、终端、系统、介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113171062B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN115137320A (zh) * | 2022-07-02 | 2022-10-04 | 北京天益佳科技有限公司 | 一种定位寸关尺位置的方法和将所获取信息输出的方法 |
| CN115778320A (zh) * | 2022-11-10 | 2023-03-14 | 北京悬丝医疗科技有限公司 | 一种移动关节式诊脉仪 |
| CN115778333A (zh) * | 2022-11-10 | 2023-03-14 | 北京悬丝医疗科技有限公司 | 一种视觉定位寸、关、尺脉搏穴位的方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130011022A1 (en) * | 2011-07-08 | 2013-01-10 | I Shou University | Method and Computer Program Product for Extracting Feature Vectors from a Palm Image |
| 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 |
| CN109377473A (zh) * | 2018-09-13 | 2019-02-22 | 新绎健康科技有限公司 | 一种定位目标取脉点的方法及装置 |
| CN109419497A (zh) * | 2017-08-31 | 2019-03-05 | 中国科学院微电子研究所 | 基于热成像的关脉识别方法 |
| WO2019041411A1 (zh) * | 2017-08-31 | 2019-03-07 | 中国科学院微电子研究所 | 基于热成像的关脉识别系统 |
| CN111281355A (zh) * | 2020-01-19 | 2020-06-16 | 上海掌门科技有限公司 | 一种用于确定脉搏采集位置的方法与设备 |
-
2021
- 2021-04-29 CN CN202110475595.6A patent/CN113171062B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130011022A1 (en) * | 2011-07-08 | 2013-01-10 | I Shou University | Method and Computer Program Product for Extracting Feature Vectors from a Palm Image |
| 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 |
| CN109419497A (zh) * | 2017-08-31 | 2019-03-05 | 中国科学院微电子研究所 | 基于热成像的关脉识别方法 |
| WO2019041411A1 (zh) * | 2017-08-31 | 2019-03-07 | 中国科学院微电子研究所 | 基于热成像的关脉识别系统 |
| CN109377473A (zh) * | 2018-09-13 | 2019-02-22 | 新绎健康科技有限公司 | 一种定位目标取脉点的方法及装置 |
| CN111281355A (zh) * | 2020-01-19 | 2020-06-16 | 上海掌门科技有限公司 | 一种用于确定脉搏采集位置的方法与设备 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN115137320A (zh) * | 2022-07-02 | 2022-10-04 | 北京天益佳科技有限公司 | 一种定位寸关尺位置的方法和将所获取信息输出的方法 |
| CN115778320A (zh) * | 2022-11-10 | 2023-03-14 | 北京悬丝医疗科技有限公司 | 一种移动关节式诊脉仪 |
| CN115778333A (zh) * | 2022-11-10 | 2023-03-14 | 北京悬丝医疗科技有限公司 | 一种视觉定位寸、关、尺脉搏穴位的方法和装置 |
| CN115778320B (zh) * | 2022-11-10 | 2023-06-09 | 北京悬丝医疗科技有限公司 | 一种移动关节式诊脉仪 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113171062B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113171062B (zh) | 识别寸、关、尺的方法、终端、系统、介质及计算机设备 | |
| US11373303B2 (en) | Systems and methods for ultrasound imaging | |
| CN109419497B (zh) | 基于热成像的关脉识别方法 | |
| US20210174505A1 (en) | Method and system for imaging and analysis of anatomical features | |
| KR20210048523A (ko) | 이미지 처리 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 기억 매체 | |
| CN105760841B (zh) | 一种身份识别方法及系统 | |
| CN106355598B (zh) | 一种腕部及手指关节活动度的自动测量方法 | |
| CN109427065B (zh) | 基于热成像的关脉识别系统 | |
| Vezzetti et al. | 3D Landmarking in multiexpression face analysis: a preliminary study on eyebrows and mouth | |
| CN107918925A (zh) | 磁跟踪系统与成像装置的配准 | |
| CN111598949B (zh) | 一种用于人体头颈部穴位的自动定位方法 | |
| Nurzynska et al. | Automatic finger joint synovitis localization in ultrasound images | |
| Radlak et al. | Automatic detection of bones based on the confidence map for rheumatoid arthritis analysis | |
| KR102362087B1 (ko) | 신체의 목적 타겟 위치 확인 방법 | |
| CN112885435B (zh) | 图像目标区域的确定方法、装置和系统 | |
| JP6968285B2 (ja) | 測定装置、測定方法、プログラム及び１つ以上のコンピュータ可読記憶媒体 | |
| Saxena et al. | A low-cost and portable subcutaneous vein detection system using a combination of segmentation methods | |
| CN116521912B (zh) | 一种基于人工智能的超声数据存储管理系统及方法 | |
| CN110720896A (zh) | 脉象信号处理方法及装置 | |
| CN108198210A (zh) | 一种基于移动设备的oct影像判图方法及其系统 | |
| CN115316984B (zh) | 一种手关节活动度测量轴心位点定位方法及系统 | |
| CN115409835B (zh) | 三维成像方法、装置、电子设备、系统和可读存储介质 | |
| Merrill | Curvature-based method for the morphometric analysis of archaeological shapes | |
| CN115148341A (zh) | 一种基于体位识别的ai结构勾画方法及系统 | |
| EP3621083A1 (en) | Rehabilitation device and method |
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 |