CN115409840A - 一种人体背部腧穴智能定位系统和方法 - Google Patents

一种人体背部腧穴智能定位系统和方法 Download PDF

Info

Publication number
CN115409840A
CN115409840A CN202211355538.5A CN202211355538A CN115409840A CN 115409840 A CN115409840 A CN 115409840A CN 202211355538 A CN202211355538 A CN 202211355538A CN 115409840 A CN115409840 A CN 115409840A
Authority
CN
China
Prior art keywords
human body
semantic segmentation
acupoints
convolution kernel
module
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
CN202211355538.5A
Other languages
English (en)
Other versions
CN115409840B (zh
Inventor
曹莹瑜
赵震玺
常祺
黄军芬
薛龙
唐亮
王瑃
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.)
Beijing Institute of Petrochemical Technology
989th Hospital of the Joint Logistics Support Force of PLA
Original Assignee
Beijing Institute of Petrochemical Technology
989th Hospital of the Joint Logistics Support Force of PLA
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 Beijing Institute of Petrochemical Technology, 989th Hospital of the Joint Logistics Support Force of PLA filed Critical Beijing Institute of Petrochemical Technology
Priority to CN202211355538.5A priority Critical patent/CN115409840B/zh
Publication of CN115409840A publication Critical patent/CN115409840A/zh
Application granted granted Critical
Publication of CN115409840B publication Critical patent/CN115409840B/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Finger-Pressure Massage (AREA)

Abstract

本发明公开了一种人体背部腧穴智能定位系统和方法，该系统包括：数据采集模块，用于采集人体背部图片；数据处理模块，用于采用引入卷积核选择模块的语义分割算法根据所述人体背部图片对人体背部进行语义分割，得到语义分割结果；以及腧穴定位模块，用于根据所述语义分割结果确定所述人体背部的腧穴位置。通过本发明提供的技术方案，不仅可以提高腧穴定位的准确度和自动化程度，而且大大提高了人体背部腧穴定位的准确度。

Description

一种人体背部腧穴智能定位系统和方法
技术领域
本发明涉及人体背部腧穴定位技术，具体地，涉及一种人体背部腧穴智能定位系统和方法。
背景技术
中医是我国医学的重要组成部分，其中腧穴定位是中医治疗的基础。目前，腧穴定位主要依靠人工定位的方法，存在效率低、工作量大、对医师专业水平要求较高等缺点，因此提高腧穴定位的智能化和自动化程度是一个亟待解决的问题。
目前腧穴自动定位主要有以下仪器和方法，例如：使用多个深度相机采用先整体后局部的方法，进行一条经络上的腧穴定位，但此方法具有特殊性，只能解决特定经络上的腧穴定位问题，不具有普遍意义；基于成人和儿童腧穴定位的差异性，利用双面松紧带进行辅助腧穴定位，但使用时需要找到骨度分寸起始点，该方法需要一定的中医知识并且松紧带使用过久后可能产生较大误差；利用基于机器视觉的腧穴定位仪器由专业医师对患者腧穴位置进行彩色标定，通过机器视觉的方法对颜色进行识别，从而实现腧穴定位，但该也需要专业医师的手动定位，实质上并没有实现腧穴的自动定位；采用模板匹配的方法，并通过计算机实现目标人体与预制腧穴定位片的重合，以达到人体腧穴定位的效果，该方法操作方便、原理较为简单，但当人体姿态不符合预制腧穴定位片时，腧穴定位效果较差。
发明内容
本发明的目的在于提供一种人体背部腧穴智能定位系统系统和方法，用以解决提高人体背部腧穴定位的准确度和自动化程度的问题。
为实现上述目的，本发明提供了一种人体背部腧穴智能定位系统，该系统包括：数据采集模块，用于采集人体背部图片；数据处理模块，用于采用引入卷积核选择模块的语义分割算法根据所述人体背部图片对人体背部进行语义分割，得到语义分割结果；以及腧穴定位模块，用于根据所述语义分割结果确定所述人体背部的腧穴位置。
优选地，所述数据采集模块还用于采集背部训练数据集，该背部训练数据集包括依据腧穴对人体背部进行分割的图片；该系统还包括模型训练模块，用于采用所述引入卷积核选择模块的语义分割算法根据所述背部训练数据集进行模型训练，得到语义分割模型；其中，所述数据处理模块还用于采用所述语义分割模型根据所述人体背部图片对人体背部进行语义分割，得到语义分割结果。
优选地，在本发明提供的人体背部腧穴智能定位系统中，所述语义分割算法为U-Net对称网络结构；所述卷积核选择模块为SKC卷积核选择模块；以及在所述引入卷积核选择模块的语义分割算法中，U-Net对称网络结构的编码采用SKC卷积核选择模块完成，U-Net对称网络结构的解码采用反卷积操作完成。
优选地，在本发明提供的人体背部腧穴智能定位系统中，所述SKC卷积核选择模块的操作包括分组操作、融合操作和选择操作。
优选地，所述腧穴定位模块包括：分割线识别单元，用于根据所述语义分割结果得到所述人体背部的分割线；以及穴位识别单元，用于根据所述人体背部的分割线及预先设定的腧穴定位规则确定所述腧穴位置。
相应地，本发明还提供了一种人体背部腧穴智能定位方法，该方法包括：采集人体背部图片；采用引入卷积核选择模块的语义分割算法根据所述人体背部图片对人体背部进行语义分割，得到语义分割结果；以及根据所述语义分割结果确定所述人体背部的腧穴位置。
优选地，本发明提供的人体背部腧穴智能定位方法还包括：采集背部训练数据集，该背部训练数据集包括依据腧穴对人体背部进行分割的图片；采用所述引入卷积核选择模块的语义分割算法根据所述背部训练数据集进行模型训练，得到语义分割模型；以及采用所述语义分割模型根据所述人体背部图片对人体背部进行语义分割，得到语义分割结果。
优选地，在本发明提供的人体背部腧穴智能定位方法中，所述语义分割算法为U-Net对称网络结构；所述卷积核选择模块为SKC卷积核选择模块；以及在所述引入卷积核选择模块的语义分割算法中，U-Net对称网络结构的编码采用SKC卷积核选择模块完成，U-Net对称网络结构的解码采用反卷积操作完成。
优选地，在本发明提供的人体背部腧穴智能定位方法中，所述SKC卷积核选择模块的操作包括分组操作、融合操作和选择操作。
优选地，根据所述语义分割结果确定所述人体背部的腧穴位置包括：根据所述语义分割结果得到所述人体背部的分割线；以及根据所述人体背部的分割线及预先设定的腧穴定位规则确定所述腧穴位置。
本发明通过采用引入卷积核选择模块的语义分割算法对所采集的人体背部图片对人体背部进行语义分割，再根据语义分割结果确定腧穴位置，通过本发明提供的技术方案，不仅可以提高腧穴定位的准确度和自动化程度，而且大大提高了人体背部腧穴定位的准确度。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明提供的人体背部腧穴智能定位系统框图；
图2是本发明提供的另一人体背部腧穴智能定位系统框图；以及
图3是本发明提供的人体背部腧穴智能定位方法的流程图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明的范围。
图1是本发明提供的人体背部腧穴智能定位系统框图，如图1所示，该系统包括数据采集模块10、数据处理模块20和腧穴定位模块30。
数据采集模块10用于采集人体背部图片。人体背部图片可以通过图片采集设备采集得到，所采集的人体背部图片可以包括男性背部图片和女性背部图片，还可以包括从不同角度拍摄的人体背部图片。
数据处理模块20用于采用引入卷积核选择模块的语义分割算法根据人体背部图片对人体背部进行语义分割，得到语义分割结果。考虑到人体背部特征不明显、目标大小尺度不一的特点，为了起到更好的分割效果，本发明提供的技术方案是在语义分割算法内引入卷积核选择模块，以达到强化有利特征和抑制不利特征的目的。
腧穴定位模块30用于根据语义分割结果确定人体背部的腧穴位置。根据语义分割结果，例如可以得到大椎穴、天池穴、臑俞穴、肩贞穴、关元俞穴的具体位置，例如还可以得到足太阳膀胱经、督脉和经外奇穴中的夹脊中其他腧穴，如脊中穴、定喘穴等。应当理解，这里提到的腧穴仅仅是为了使本发明更清楚，而不是为了限制本发明，可以通过本发明提供的技术方案确定位置的穴位均在本发明的保护范围之内。
图2是本发明提供的另一人体背部腧穴智能定位系统框图，如图2所示，该系统还包括模型训练模块40。
数据采集模块10还用于采集背部训练数据集，该背部训练数据集包括依据腧穴对人体背部进行分割的图片；本发明提供的人体背部腧穴智能定位系统还包括模型训练模块40，用于采用引入卷积核选择模块的语义分割算法根据背部训练数据集进行模型训练，得到语义分割模型；其中，数据处理模块20还用于采用语义分割模型根据人体背部图片对人体背部进行语义分割，得到语义分割结果。
模型训练模块40通过采用引入卷积核选择模块的语义分割算法根据背部训练数据集进行模型训练，得到相应的语义分割模型，在得到语义分割模型之后，数据处理模块20利用该语义分割模型进行语义分割。
在训练过程中，数据采集模块10所采集的背部训练数据集包括依据腧穴对人体背部进行分割的图片，下面阐述一下背部训练数据集的获取过程。
针对178名志愿者，其中男性92名、女性86名，年龄区间为18至65岁，一共采集到1317张人体背部图片，这里可以考虑穴位识别的准确度要求和平台的性能限制对图片尺寸进行缩放，然后由医师标定出人体背部腧穴的准确位置，再由标注人员结合腧穴标定结果通过标注软件对人体背部进行标注。这里所采用的标注软件为现有技术提供的，于此不予赘述。
结合传统中医腧穴知识，人体背部腧穴标定标准制定如下：考虑到大椎穴位于第七颈椎棘突下凹陷，是人体颈椎和胸椎的分界点，所以选取大椎穴并沿人体脊柱的垂直方向作为人体颈部和胸椎的分割线，同理，选取左右两个天池穴的连线作为人体头部和颈部的分割线，选取臑俞穴与肩贞穴的连线作为人体背部和手臂的分割线，选取左右两个关元俞穴的连线作为人体背部和臀部的分割线，选取人体脊柱棘突的连线作为左右背部的分割线。
根据以上所描述的腧穴标定标准，由专业医师对1317张人体背部图片的大椎穴、天池穴、臑俞穴、肩贞穴、关元俞和脊柱棘突的连线进行标定，之后依据穴位的位置画出人体各个部位的分界线，对人体背部进行分割，由此，得到依据腧穴对人体背部进行分割的图片，然后，通过数据采集模块10对该依据腧穴对人体背部进行分割的图片进行采集并作为背部训练数据集。
这里训练数据集的获取过程仅仅是为了示例，而不是为了限制本发明，其中，志愿者人数、不同性别人数，不同年龄人数，所采集的人体背部图片数量等均可以根据实际情况进行调整。
在本发明提供的人体背部腧穴智能定位系统中，语义分割算法为U-Net对称网络结构；卷积核选择模块为SKC卷积核选择模块；在引入卷积核选择模块的语义分割算法中，U-Net对称网络结构的编码采用SKC卷积核选择模块完成，U-Net对称网络结构的解码采用反卷积操作完成。
传统的U-Net对称网络结构中，编码和解码都采用4个卷积层组成，并且编码的卷积操作都采用3×3的卷积核完成，相邻的卷积层之间采用最大池化操作提取目标特征。相对应的，解码使用反卷积操作使特征图恢复到原图分辨率，以达到把语义分割结果回归到原图上进行腧穴定位的效果。此外，考虑到人体背部特征不明显、目标大小尺度不一的特点，为起到更好的分割效果，本发明提供的技术方案是在U-Net对称网络结构内引入SKC（Selective Kernel convoluction，卷积核选择）模块，以达到强化有利特征和抑制不利特征的目的。
在本发明提供的技术方案中，U-Net对称网络结构的编码的卷积操作用SKC模块代替，具体来说，U-Net对称网络结构中国编码的3×3卷积替换成SKC模块，解码部分仍采用传统的U-Net对称网络结构中的反卷积操作进行解码。
SKC卷积核选择模块的操作包括分组操作、融合操作和选择操作。本发明中采用的U-Net对称网络结构及SKC模块中的括分组操作、融合操作和选择操作均为本领域的公知技术，于此不予赘述。
如图2所示，腧穴定位模块30包括分割线识别单元31和穴位识别单元32。分割线识别单元31用于根据语义分割结果得到人体背部的分割线；穴位识别单元32用于根据人体背部的分割线及预先设定的腧穴定位规则确定腧穴位置。
根据上文中所描述的腧穴标定标准可以制定腧穴定位规则，腧穴定位规则具体如下：人体颈椎和胸椎的分割线与脊柱的交点为大椎穴、人体头部和颈部的分割线为两个天池穴的连线、背部和手臂的分割线为臑俞穴与肩贞穴的连线，背部和臀部的分割线为两个关元俞穴的连线，结合国家标准对腧穴位置的定义，在分割线识别单元31得到人体背部的分割线之后，穴位识别单元32可以根据腧穴定位规则得到大椎穴、天池穴、臑俞穴、肩贞穴、关元俞穴的具体位置。
对于人体背部的其他常见腧穴，其大多集中于足太阳膀胱经和督脉上，少部分位于手太阳膀胱经，此外还有一些为经外奇穴，所以本文采用先定位经络再进行腧穴定位的方法，其中足太阳膀胱经在人体背部分为4条，关于脊柱对称每边各两条，具体位置为脊柱旁开1.5寸和旁开3寸，督脉1条，位于人体背部脊柱棘突连线上，经外奇穴定位比较特殊，大多为脊柱旁开0.5寸、1.5寸、2寸、3寸和3.5寸的位置。根据这里提供的穴位与经络对应关系，结合上文中所描述的已得到的大椎穴和天池穴的位置，可以得到足太阳膀胱经、督脉和经外奇穴中的夹脊中其他腧穴的位置。
可以采用本发明提供的技术方案，通过分割线识别单元31得到背部经络（即分割线），穴位识别单元32在根据背部经络及穴位与经络的对应关系（即腧穴定位规则）确定腧穴位置。
当然，本发明不限于此，本发明中提供的可定位的腧穴仅仅是为了示例，通过本发明提供的技术方案还可以确定其它穴位的位置，均在本发明的保护范围之内。
图3是本发明提供的人体背部腧穴智能定位方法的流程图，如图3所示，该方法包括：
步骤S301，采集人体背部图片；
步骤S302，采用引入卷积核选择模块的语义分割算法根据人体背部图片对人体背部进行语义分割，得到语义分割结果；
步骤S303，根据语义分割结果确定人体背部的腧穴位置。
其中，本发明提供的人体背部腧穴智能定位方法还包括：采集背部训练数据集，该背部训练数据集包括依据腧穴对人体背部进行分割的图片；采用引入卷积核选择模块的语义分割算法根据背部训练数据集进行模型训练，得到语义分割模型；采用语义分割模型根据人体背部图片对人体背部进行语义分割，得到语义分割结果。
其中，语义分割算法为U-Net对称网络结构；卷积核选择模块为SKC卷积核选择模块；在引入卷积核选择模块的语义分割算法中，U-Net对称网络结构的编码采用SKC卷积核选择模块完成，U-Net对称网络结构的解码采用反卷积操作完成。
其中，SKC卷积核选择模块的操作包括分组操作、融合操作和选择操作。
其中，根据语义分割结果确定人体背部的腧穴位置包括：根据语义分割结果得到人体背部的分割线；根据人体背部的分割线及预先设定的腧穴定位规则确定腧穴位置。
需要说明的是，本发明提供的人体背部腧穴智能定位方法的具体细节及益处与本发明提供的人体背部腧穴智能定位系统类似，于此不予赘述。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
通过采用本发明提供的技术方案，在U-Net对称网络结构中引入SKC模块，充分考虑了不同卷积核所提取的特征，改善了人体背部的分割效果，保证了人体背部腧穴定位的准确度。此外，为了验证采用本发明提供的技术方案达到的技术效果，对人体背部47个常见腧穴共进行了470次定位，并对定位得到的腧穴位置与专业医师标定的腧穴位置的误差进行计算，大多数腧穴定位误差在10mm以下，结合传统中医知识，通常认为在艾灸、按摩中误差在10mm以下的腧穴定位都是准确的，达到了较好的腧穴定位效果。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (10)

1.一种人体背部腧穴智能定位系统，其特征在于，该系统包括：
数据采集模块，用于采集人体背部图片；
数据处理模块，用于采用引入卷积核选择模块的语义分割算法根据所述人体背部图片对人体背部进行语义分割，得到语义分割结果；以及
腧穴定位模块，用于根据所述语义分割结果确定所述人体背部的腧穴位置。
2.根据权利要求1所述的人体背部腧穴智能定位系统，其特征在于，
所述数据采集模块还用于采集背部训练数据集，该背部训练数据集包括依据腧穴对人体背部进行分割的图片；
该系统还包括模型训练模块，用于采用所述引入卷积核选择模块的语义分割算法根据所述背部训练数据集进行模型训练，得到语义分割模型；
其中，所述数据处理模块还用于采用所述语义分割模型根据所述人体背部图片对人体背部进行语义分割，得到语义分割结果。
3.根据权利要求1或2所述的人体背部腧穴智能定位系统，其特征在于，
所述语义分割算法为U-Net对称网络结构；
所述卷积核选择模块为SKC卷积核选择模块；以及
在所述引入卷积核选择模块的语义分割算法中，U-Net对称网络结构的编码采用SKC卷积核选择模块完成，U-Net对称网络结构的解码采用反卷积操作完成。
4.根据权利要求3所述的人体背部腧穴智能定位系统，其特征在于，所述SKC卷积核选择模块的操作包括分组操作、融合操作和选择操作。
5.根据权利要求3所述的人体背部腧穴智能定位系统，其特征在于，所述腧穴定位模块包括：
分割线识别单元，用于根据所述语义分割结果得到所述人体背部的分割线；以及
穴位识别单元，用于根据所述人体背部的分割线及预先设定的腧穴定位规则确定所述腧穴位置。
6.一种人体背部腧穴智能定位方法，其特征在于，该方法包括：
采集人体背部图片；
采用引入卷积核选择模块的语义分割算法根据所述人体背部图片对人体背部进行语义分割，得到语义分割结果；以及
根据所述语义分割结果确定所述人体背部的腧穴位置。
7.根据权利要求6所述的人体背部腧穴智能定位方法，其特征在于，该方法还包括：
采集背部训练数据集，该背部训练数据集包括依据腧穴对人体背部进行分割的图片；
采用所述引入卷积核选择模块的语义分割算法根据所述背部训练数据集进行模型训练，得到语义分割模型；以及
采用所述语义分割模型根据所述人体背部图片对人体背部进行语义分割，得到语义分割结果。
8.根据权利要求6或7所述的人体背部腧穴智能定位方法，其特征在于，
所述语义分割算法为U-Net对称网络结构；
所述卷积核选择模块为SKC卷积核选择模块；以及
在所述引入卷积核选择模块的语义分割算法中，U-Net对称网络结构的编码采用SKC卷积核选择模块完成，U-Net对称网络结构的解码采用反卷积操作完成。
9.根据权利要求8所述的人体背部腧穴智能定位方法，其特征在于，所述SKC卷积核选择模块的操作包括分组操作、融合操作和选择操作。
10.根据权利要求8所述的人体背部腧穴智能定位方法，其特征在于，根据所述语义分割结果确定所述人体背部的腧穴位置包括：
根据所述语义分割结果得到所述人体背部的分割线；以及
根据所述人体背部的分割线及预先设定的腧穴定位规则确定所述腧穴位置。
CN202211355538.5A 2022-11-01 2022-11-01 一种人体背部腧穴智能定位系统和方法 Active CN115409840B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211355538.5A CN115409840B (zh) 2022-11-01 2022-11-01 一种人体背部腧穴智能定位系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211355538.5A CN115409840B (zh) 2022-11-01 2022-11-01 一种人体背部腧穴智能定位系统和方法

Publications (2)

Publication Number Publication Date
CN115409840A true CN115409840A (zh) 2022-11-29
CN115409840B CN115409840B (zh) 2023-10-10

Family

ID=84169208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211355538.5A Active CN115409840B (zh) 2022-11-01 2022-11-01 一种人体背部腧穴智能定位系统和方法

Country Status (1)

Country Link
CN (1) CN115409840B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393880A (zh) * 2011-08-31 2012-03-28 韩红 3dmax环境下经络腧穴立体定位方法
CN110930374A (zh) * 2019-11-13 2020-03-27 北京邮电大学 一种基于双深度相机的腧穴定位方法
CN112288750A (zh) * 2020-11-20 2021-01-29 青岛理工大学 一种基于深度学习网络的机械装配体图像分割方法和设备
WO2021104410A1 (zh) * 2019-11-28 2021-06-03 北京小蝇科技有限责任公司 血涂片全视野智能分析方法血细胞分割模型及识别模型的构造方法
CN114187234A (zh) * 2021-11-02 2022-03-15 上海市第五人民医院 腧穴定位方法和系统
AU2021103130A4 (en) * 2021-06-04 2022-03-24 R.V. Aswiga A system and method for person detection in aerial imagery using semantic segmentation
US20220215662A1 (en) * 2021-01-06 2022-07-07 Dalian University Of Technology Video semantic segmentation method based on active learning
CN114897763A (zh) * 2022-02-28 2022-08-12 深圳市大富智慧健康科技有限公司 一种人体背部穴位识别方法、系统、装置及存储介质
US20220309674A1 (en) * 2021-03-26 2022-09-29 Nanjing University Of Posts And Telecommunications Medical image segmentation method based on u-net
CN115188451A (zh) * 2022-08-11 2022-10-14 北京十方泰和中医医学研究院 背腧穴分析仪及背腧穴分析方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393880A (zh) * 2011-08-31 2012-03-28 韩红 3dmax环境下经络腧穴立体定位方法
CN110930374A (zh) * 2019-11-13 2020-03-27 北京邮电大学 一种基于双深度相机的腧穴定位方法
WO2021104410A1 (zh) * 2019-11-28 2021-06-03 北京小蝇科技有限责任公司 血涂片全视野智能分析方法血细胞分割模型及识别模型的构造方法
CN112288750A (zh) * 2020-11-20 2021-01-29 青岛理工大学 一种基于深度学习网络的机械装配体图像分割方法和设备
US20220215662A1 (en) * 2021-01-06 2022-07-07 Dalian University Of Technology Video semantic segmentation method based on active learning
US20220309674A1 (en) * 2021-03-26 2022-09-29 Nanjing University Of Posts And Telecommunications Medical image segmentation method based on u-net
AU2021103130A4 (en) * 2021-06-04 2022-03-24 R.V. Aswiga A system and method for person detection in aerial imagery using semantic segmentation
CN114187234A (zh) * 2021-11-02 2022-03-15 上海市第五人民医院 腧穴定位方法和系统
CN114897763A (zh) * 2022-02-28 2022-08-12 深圳市大富智慧健康科技有限公司 一种人体背部穴位识别方法、系统、装置及存储介质
CN115188451A (zh) * 2022-08-11 2022-10-14 北京十方泰和中医医学研究院 背腧穴分析仪及背腧穴分析方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
刘长江 *
刘长江, pages: 103 - 104 *
张春林: ""基于深度学习的机械装配体深度图像语义分割方法研究"", 《 中国优秀硕士学位论文全文数据库工程科技I辑》, no. 02, 15 February 2022 (2022-02-15), pages 9 - 26 *
赵静等: "基于语义网络方法的三维可视人中医知识库", 《上海交通大学学报》 *
赵静等: "基于语义网络方法的三维可视人中医知识库", 《上海交通大学学报》, no. 04, 30 April 2005 (2005-04-30) *
邵水金等: "基于VOKEL-MAN平台的危险穴位可视化研究", 《上海针灸杂志》 *
邵水金等: "基于VOKEL-MAN平台的危险穴位可视化研究", 《上海针灸杂志》, no. 06, 25 June 2007 (2007-06-25) *

Also Published As

Publication number Publication date
CN115409840B (zh) 2023-10-10

Similar Documents

Publication Publication Date Title
CN104644258A (zh) 个性化微创型椎弓根螺钉进钉导航模板及其制作方法
CN110214341A (zh) 重建颅骨的方法
CN107123137A (zh) 医学图像处理方法及设备
CN110956633A (zh) 一种基于虚拟立体定位像的快速ct扫描方法及系统
CN110946652B (zh) 一种骨螺钉的钉道规划方法和装置
CN100434040C (zh) 在ct定位像上沿胸腔内边界自动设置重建视野的方法
CN108109170B (zh) 医学图像扫描方法及医学影像设备
CN108765483B (zh) 一种从脑部ct图像中确定中矢面的方法及系统
KR102461343B1 (ko) 금속 인공 음영이 포함된 의료영상에서 치아 랜드마크 자동 검출 방법 및 시스템
CN115187606B (zh) 一种青少年特发性脊柱侧凸pumc分型方法
CN115222937A (zh) 一种脊柱侧弯检测方法及装置
CN112348857A (zh) 一种基于深度学习的放射治疗摆位偏移计算方法及系统
CN106308919A (zh) 辅助胸椎椎弓根螺钉置入的导航模板制作方法及导航模板
CN111598949A (zh) 一种用于人体头颈部穴位的自动定位方法
CN106875376A (zh) 腰椎配准先验模型的构建方法以及腰椎配准方法
CN114287915A (zh) 一种基于背部彩色图像的无创脊柱侧弯筛查方法及系统
CN112927213B (zh) 一种医学图像分割方法、介质及电子设备
CN116912430B (zh) 用于构建远程介入手术室的三维数字孪生系统的装置
CN116630427B (zh) 一种ct图像中髋骨和股骨自动定位的方法及装置
CN115409840A (zh) 一种人体背部腧穴智能定位系统和方法
CN116616893A (zh) 一种骨盆植入物通道的自动定位方法
CN108175500A (zh) 基于手持式三维扫描仪的手术导航空间配准方法
CN109620405A (zh) 一种开颅手术体表切口的移动增强现实导航方法
CN115006737A (zh) 基于深度相机的放射治疗体位监测系统
CN110801204B (zh) 一种基于人体框架的平衡检测方法

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