CN117442895A - 基于机器学习的超声自动控制方法及系统 - Google Patents
基于机器学习的超声自动控制方法及系统 Download PDFInfo
- Publication number
- CN117442895A CN117442895A CN202311804463.9A CN202311804463A CN117442895A CN 117442895 A CN117442895 A CN 117442895A CN 202311804463 A CN202311804463 A CN 202311804463A CN 117442895 A CN117442895 A CN 117442895A
- Authority
- CN
- China
- Prior art keywords
- burn
- ultrasonic
- image
- pixel
- face area
- 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 31
- 238000010801 machine learning Methods 0.000 title claims abstract description 26
- 230000003796 beauty Effects 0.000 claims abstract description 36
- 230000005856 abnormality Effects 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000002604 ultrasonography Methods 0.000 claims description 35
- 230000011218 segmentation Effects 0.000 claims description 14
- 230000001815 facial effect Effects 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008961 swelling Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000002537 cosmetic Substances 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000012806 monitoring device Methods 0.000 abstract 1
- 210000003491 skin Anatomy 0.000 description 14
- 201000004624 Dermatitis Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 231100000075 skin burn Toxicity 0.000 description 2
- 230000037394 skin elasticity Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 208000002874 Acne Vulgaris Diseases 0.000 description 1
- 206010016936 Folliculitis Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000020411 cell activation Effects 0.000 description 1
- 230000037319 collagen production Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000008338 local blood flow Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004927 skin cell Anatomy 0.000 description 1
- 230000037393 skin firmness Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N7/00—Ultrasound therapy
- A61N7/02—Localised ultrasound hyperthermia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
-
- 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
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
-
- 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
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- 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
- 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
- G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N7/00—Ultrasound therapy
- A61N2007/0004—Applications of ultrasound therapy
- A61N2007/0034—Skin treatment
-
- 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
- G06T2207/30088—Skin; Dermal
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Dermatology (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及超声控制领域，更具体地，本发明涉及基于机器学习的超声自动控制方法及系统，方法包括：获取目标用户面部的视频流并进行预处理，得到多个面部区域图像；根据相邻两帧之间所述面部区域图像中头部的质心变化，获得前帧图像像素点在后帧图像像素点的位置；根据所述面部区域图像像素点的标准像素值和实时获取的面部区域图像的像素值，获得红肿像素点的灼伤程度指数和灼伤速度，从而确定当前超声频率，并设定调整系数，得到监测灼伤速度，获得超声异常指数，根据预设阈值，判断超声美容仪的运行状态。本发明对目标用户皮肤进行超声监测，有利于提高超声美容仪的使用安全性，减少对皮肤的灼伤。
Description
技术领域
本发明一般地涉及超声控制领域。更具体地，本发明涉及基于机器学习的超声自动控制方法及系统。
背景技术
超声被广泛应用于医疗美容领域，超声美容仪是一个典型的利用超声来实现医学美容的仪器，通过预设的波长促进局部皮肤新陈代谢，改善局部血液循环，提高皮肤质量。
超声美容仪是一种运用超声波技术进行皮肤护理和美容的设备。这种设备通常通过振动超声波来促进皮肤细胞的活跃，有助于提升皮肤弹性、减少细纹和皱纹，以及促进血液循环。这种设备的工作原理是通过超声波的振动作用于皮肤表层和深层组织，有助于推动护肤产品更深地渗透到皮肤内部。此外，超声波还能够刺激胶原蛋白的生成，有助于改善皮肤的弹性和紧致度。
现有的超声美容仪在实际应用过程中，往往是由有经验的医师，根据自己的经验选择超声美容仪的频率，判断何时停止作业，该方式的人为主观性影响强，受到操作医师的个人经验限制。若经验较少的医师操作时，可能会造成目标用户的脸部皮肤出现不可逆灼伤。
发明内容
为解决上述技术问题，本发明提出使用机器学习的方式，对使用超声美容仪前后进行对比，实时检测对比结果，得到检测灼伤速度，根据灼伤速度得到超声异常指数，设定异常阈值，从而超过阈值，则超声美容仪停止运行，以提高使用超声美容仪的安全性，避免皮肤灼伤，为此，本发明在如下的多个方面中提供方案。
在第一方面中，基于机器学习的超声自动控制方法，包括：获取目标用户面部的视频流并进行预处理，得到多个面部区域图像；根据相邻两帧之间所述面部区域图像中头部的质心变化，获得前帧面部区域图像像素点在后帧面部区域图像像素点的位置；根据所述面部区域图像像素点的标准像素值和实时获取的面部区域图像的像素值，获得红肿像素点的灼伤程度指数和灼伤速度；根据所述灼伤程度指数和灼伤速度，确定当前超声频率，并设定调整系数；根据红肿像素点的灼伤程度指数、灼伤速度和调整系数，获得监测灼伤速度；根据所述监测灼伤速度，获得超声异常指数；根据所述超声异常指数阈值，判断超声美容仪的运行状态。
在一个实施例中，获取目标用户面部的视频流并进行预处理，得到多个面部区域图像，包括：
构建预设语义分割网络，获取多帧图像，标记图像中的人体面部区域的像素点，将携带标记点的图像投入预设语义分割网络模型进行训练，得到待预测语义分割网络模型；
实时获取目标用户的所述视频流预处理后的图像，投入带预测语义分割网络模型，得到多个面部区域图像。
由此，通过上述方案中，使用机器学习方式，对目标用户的视频进行预处理，实时获取目标用户的所述视频流预处理后的图像，得到目标用户的面部区域图像，便于对面部区域图像进行下一步处理。
在一个实施例中，两帧之间所述面部区域图像中头部的质心变化，包括：
所述质心变化满足下述计算公式：
其中，表示质心的横坐标，/>表示质心的纵坐标，/>表示图像中所有非0像素点的横坐标，/>表示图像中所有非0像素点的纵坐标。
由此，通过上述方案中，通过对图像中标注头部质心，根据头部质心对应的像素点的像素值，确定前后帧中面部区域图像的对应的像素值，有利于在使用超声美容仪对目标用户的面部区域图像进行标记。
在一个实施例中，根据所述面部区域图像像素点的标准像素值和实时获取的面部区域图像的像素值，获得红肿像素点的灼伤程度指数和灼伤速度，包括：
获取未使用超声美容仪作业时的面部区域图像作为标准图像，其中，标准图像中的各个像素点的像素值为标准像素值；
计算实时图像中各个像素点的像素值和标准图像中像素点的像素值的相似性，通过相似性判断超声美容仪使用过程中的灼伤程度，所述面部灼伤程度指数满足下述多项式：
其中，表示第/>帧面部区域图像中的/>位置的像素点的灼伤程度指数，/>表示像素点三通道色值，/>为红色通道值，/>为绿色通道值，/>为蓝色通道值，/>表示第/>帧面部区域图像中的/>位置的像素值，/>表示标准图像中/>位置的像素值；
所述灼伤速度满足下述关系式：
其中，表示/>位置在第/>帧面部区域图像对应时刻的灼伤速度，/>表示第/>帧面部区域图像/>位置的像素点的灼伤程度指数，/>表示第/>帧图像位置像素点的灼伤程度指数，/>表示帧差，/>表示两帧之间的时间。
在一个实施例中，根据所述灼伤程度指数和灼伤速度，确定当前超声频率，并设定调整系数，包括：所述调整系数为最小超声频率值和实时超声频率的比值。
在一个实施例中，根据红肿像素点的灼伤程度指数、灼伤速度和调整系数，获得监测灼伤速度，包括：
所述监测灼伤速度满足下述关系式：
其中，表示/>位置在第/>帧面部区域图像对应时刻的灼伤速度，/>表示第/>帧面部区域图像/>位置的像素点的灼伤程度指数，/>表示调整后的第/>帧面部区域图像/>位置的像素点的灼伤程度指数，/>表示取整函数，/>表示调整系数，/>表示视频流的帧率，/>表示两帧之间的时间。
由此，通过上述技术方案，由于目标用户对超声美容仪的超声频率调整不同，当超声频率较高，或者目标用户的皮肤状态较差时，会快速灼伤目标用户的表层皮肤，造成过度灼伤的情况得到监测灼伤速度，确保监测灼伤速度在灼伤速度之前得到反馈。
在一实施例中，根据所述监测灼伤速度，获得超声异常指数，包括：
所述超声异常指数满足下述多项式：
其中，表示超声作业范围内的异常点，/>表示/>位置在第/>帧面部区域图像对应时刻的灼伤速度，/>表示超声作业范围内的异常点比例，/>表示超声作业范围内的异常点个数，表示累加起始点，/>表示超声作业范围内的所有像素点个数，/>表示超声作业范围内的超声异常指数。
由此，通过上述技术方案，在监测灼伤速度中，会降低调整系数，导致监测灼伤速度偏离实际值，需要追加灼伤范围系数，灼伤范围系数越大，灼伤的范围越大，该处为异常超声频率的概率越大。
在一实施例中，根据所述超声异常指数阈值，判断超声美容仪的运行状态，包括：
设置超声异常指数阈值；
响应于大于超声异常指数阈值/>时，停止超声美容仪作业。
第二方面，基于机器学习的超声自动控制系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现任一项所述的基于机器学习的超声自动控制方法。
本申请具有以下效果：
1、本申请通过使用机器学习，利用待预测的语义分割网络模型，快速获取目标用户的面部区域图像，根据面部区域图像进一步处理，提高超声美容仪的使用安全性，减少对皮肤不可逆的灼伤。
2、本申请通过根据实时面部区域图像与标准图像进行对比，得到目标用户在使用超声美容仪过程中的变化程度，通过设置调整系数，根据目标用户的皮肤状态，得到对目标用户的监测灼伤速度从而对超声美容仪进行控制，根据超声美容仪的异常指数设置阈值，从而控制超声美容仪使用时的工作状态，有效避免皮肤灼伤。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1是本申请的实施例基于机器学习的超声自动控制方法中步骤S1-S7的方法流程图。
图2是本申请实施例基于机器学习的超声自动控制方法中步骤S30-S32的方法流程图。
图3是本申请实施例基于机器学习的超声自动控制系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图来详细描述本发明的具体实施方式。
参照图1，基于机器学习的超声自动控制方法包括步骤S1-S7，具体如下：
S1：获取目标用户面部的视频流并进行预处理，得到多个面部区域图像。
构建预设语义分割网络，获取多帧图像，标记图像中的人体面部区域的像素点，将携带标记点的图像投入预设语义分割网络模型进行训练，得到待预测语义分割网络模型；
实时获取面部区域图像，投入带预测语义分割网络模型，得到多个面部区域图像。
示例性的，将视频流中的一帧面部区域图像投入语义分割网络模型，得到用户的面部区域，将用户的面部区域的像素值标记为，其他位置的像素值标记为/>，得到模版图像，并将模版图像与该帧面部区域图像相乘，得到目标面部区域图像。
S2：根据相邻两帧之间面部区域图像中头部的质心变化，获得前帧面部区域图像像素点在后帧面部区域图像像素点的位置。
质心变化满足下述计算公式：
其中，表示质心的横坐标，/>表示质心的纵坐标，/>表示图像中所有非0像素点的横坐标，/>表示图像中所有非0像素点的纵坐标。
示例性的，基于得到多个面部区域图像，计算相邻两帧面部区域图像的质心，以两个质心为参考点组成向量，向量的模长与方向为前帧面部区域图像中各个像素点的移动距离和方向，得到后帧面部区域图像中对应像素点的所在位置。
S3：根据面部区域图像像素点的标准像素值和实时获取的面部区域图像的像素值，获得红肿像素点的灼伤程度指数和灼伤速度，参照图2，包括步骤S30-S32：
S30：获取未使用超声美容仪作业时的面部区域图像作为标准图像，其中，标准图像中的各个像素点的像素值为标准像素值；
S31：计算实时图像中各个像素点的像素值和标准图像中像素点的像素值的相似性，通过相似性判断超声美容仪使用过程中的灼伤程度，面部灼伤程度指数满足下述多项式：
其中，表示第/>帧面部区域图像中的/>位置的像素点的灼伤程度指数，/>表示像素点三通道色值，/>为红色通道值，/>为绿色通道值，/>为蓝色通道值，/>表示第/>帧面部区域图像中的/>位置的像素值，/>表示标准图像中/>位置的像素值；
S32：灼伤速度满足下述关系式：
其中，表示/>位置在第/>帧面部区域图像对应时刻的灼伤速度，/>表示第/>帧面部区域图像/>位置的像素点的灼伤程度指数，/>表示第/>帧图像/>位置像素点的灼伤程度指数，/>表示帧差，/>表示两帧之间的时间。
示例性的，需要确定目标用户的面部基础肤色状态，目标用户在使用超声美容仪之前需要在摄像头前，对面部进行拍照，获取未使用超声美容仪作业时的面部区域图像作为标准图像，且标准图像中的各个像素点值为对应点的标准像素值。
S4：根据灼伤程度指数和灼伤速度，确定当前超声频率，并设定调整系数。
调整系数为最小超声频率值和实时超声频率的比值。
示例性的，随着超声频率的升高，对灼伤速度的监测时间应该随着超声频率的升高而减小。
S5：根据红肿像素点的灼伤程度指数、灼伤速度和调整系数，获得监测灼伤速度。
监测灼伤速度满足下述关系式：
其中，表示/>位置在第/>帧面部区域图像对应时刻的灼伤速度，/>表示第/>帧面部区域图像/>位置的像素点的灼伤程度指数，/>表示调整后的第/>帧面部区域图像/>位置的像素点的灼伤程度指数，/>表示取整函数，/>表示调整系数，/>表示视频流的帧率，/>表示两帧之间的时间。
示例性的，由于目标用户对超声美容仪的超声频率调整不同，当超声频率较高，或者目标用户的皮肤状态较差时，会快速灼伤目标用户的表层皮肤，造成过度灼伤的情况。
S6：根据监测灼伤速度，获得超声异常指数。
超声异常指数满足下述多项式：
其中，表示超声作业范围内的异常点，/>表示/>位置在第/>帧面部区域图像对应时刻的灼伤速度，/>表示超声作业范围内的异常点比例，/>表示超声作业范围内的异常点个数，表示累加起始点，/>表示超声作业范围内的所有像素点个数，/>表示超声作业范围内的超声异常指数。
示例性的，由于上述监测灼伤速度是针对一个像素点，但超声美容仪的作业范围是若干个像素点组成的范围，即灼伤是范围性的。且目标用户面部本身存在毛囊炎、痤疮等皮肤炎症，当存在炎症的位置接触到超声作业时，会破裂渗血，该破裂为正常现象，在上述监测灼伤速度中，会降低调整系数，导致监测灼伤速度偏离实际值。因此，需要追加灼伤范围系数，灼伤范围系数越大，则灼伤的范围越大，该处为异常超声频率的概率就越大。
S7：根据所述超声异常指数阈值，判断超声美容仪的运行状态，包括：
设置超声异常指数阈值；
响应于大于超声异常指数阈值/>时，停止超声美容仪作业。
示例性的，超声异常指数阈值可以为0.35。
本发明还提供了基于机器学习的超声自动控制系统。如图3所示，系统包括处理器和存储器，存储器存储有计算机程序指令，当计算机程序指令被处理器执行时，实现本发明第一方面的基于机器学习的超声自动控制方法。
系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件，其设置和功能为本领域中已知，因此在此不再赘述。
在本发明中，前述的存储器可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM（Resistive RandomAccess Memory）、动态随机存取存储器DRAM（Dynamic Random Access Memory）、静态随机存取存储器SRAM（Static Random-Access Memory）、增强动态随机存取存储器EDRAM（Enhanced Dynamic Random Access Memory）、高带宽内存HBM（High-Bandwidth Memory）、混合存储立方HMC（Hybrid Memory Cube）等等，或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
在本说明书的描述中，“多个”、“若干个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体的限定。
虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用对本文所描述的本发明实施例的各种替代方案。
Claims (9)
1.基于机器学习的超声自动控制方法，其特征在于，包括：
获取目标用户面部的视频流并进行预处理，得到多个面部区域图像；
根据相邻两帧之间所述面部区域图像中头部的质心变化，获得前帧面部区域图像像素点在后帧面部区域图像像素点的位置；
根据所述面部区域图像像素点的标准像素值和实时获取的面部区域图像的像素值，获得红肿像素点的灼伤程度指数和灼伤速度；
根据所述灼伤程度指数和灼伤速度，确定当前超声频率，并设定调整系数；
根据红肿像素点的灼伤程度指数、灼伤速度和调整系数，获得监测灼伤速度；
根据所述监测灼伤速度，获得超声异常指数；
根据所述超声异常指数阈值，判断超声美容仪的运行状态。
2.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，获取目标用户面部的视频流并进行预处理，得到多个面部区域图像，包括：
构建预设语义分割网络，获取多帧图像，标记图像中的人体面部区域的像素点，将携带标记点的图像投入预设语义分割网络模型进行训练，得到待预测语义分割网络模型；
实时获取目标用户的所述视频流预处理后的图像，投入带预测语义分割网络模型，得到多个面部区域图像。
3.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，两帧之间所述面部区域图像中头部的质心变化，包括：
所述质心变化满足下述计算公式：
其中，表示质心的横坐标，/>表示质心的纵坐标，/>表示图像中所有非0像素点的横坐标，/>表示图像中所有非0像素点的纵坐标。
4.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据所述面部区域图像像素点的标准像素值和实时获取的面部区域图像的像素值，获得红肿像素点的灼伤程度指数和灼伤速度，包括：
获取未使用超声美容仪作业时的面部区域图像作为标准图像，其中，标准图像中的各个像素点的像素值为标准像素值；
计算实时图像中各个像素点的像素值和标准图像中像素点的像素值的相似性，通过相似性判断超声美容仪使用过程中的灼伤程度，所述面部灼伤程度指数满足下述多项式：
其中，表示第/>帧面部区域图像中的/>位置的像素点的灼伤程度指数，/>表示像素点三通道色值，/>为红色通道值，/>为绿色通道值，/>为蓝色通道值，/>表示第/>帧面部区域图像中的/>位置的像素值，/>表示标准图像中/>位置的像素值；
所述灼伤速度满足下述关系式：
其中，表示/>位置在第/>帧面部区域图像对应时刻的灼伤速度，/>表示第/>帧面部区域图像/>位置的像素点的灼伤程度指数，/>表示第/>帧图像/>位置像素点的灼伤程度指数，表示帧差，/>表示两帧之间的时间。
5.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据所述灼伤程度指数和灼伤速度，确定当前超声频率，并设定调整系数，包括：
所述调整系数为最小超声频率值和实时超声频率的比值。
6.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据红肿像素点的灼伤程度指数、灼伤速度和调整系数，获得监测灼伤速度，包括：
所述监测灼伤速度满足下述关系式：
其中，表示/>位置在第/>帧面部区域图像对应时刻的灼伤速度，/>表示第/>帧面部区域图像/>位置的像素点的灼伤程度指数，/>表示调整后的第/>帧面部区域图像/>位置的像素点的灼伤程度指数，/>表示取整函数，/>表示调整系数，/>表示视频流的帧率，/>表示两帧之间的时间。
7.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据所述监测灼伤速度，获得超声异常指数，包括：
所述超声异常指数满足下述多项式：
其中，表示超声作业范围内的异常点，/>表示/>位置在第/>帧面部区域图像对应时刻的灼伤速度，/>表示超声作业范围内的异常点比例，/>表示超声作业范围内的异常点个数，/>表示累加起始点，/>表示超声作业范围内的所有像素点个数，/>表示超声作业范围内的超声异常指数。
8.根据权利要求1所述的基于机器学习的超声自动控制方法，其特征在于，根据所述超声异常指数阈值，判断超声美容仪的运行状态，包括：
设置超声异常指数阈值；
响应于大于超声异常指数阈值/>时，停止超声美容仪作业。
9.基于机器学习的超声自动控制系统，其特征在于，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1-8任一项所述的基于机器学习的超声自动控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311804463.9A CN117442895B (zh) | 2023-12-26 | 2023-12-26 | 基于机器学习的超声自动控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311804463.9A CN117442895B (zh) | 2023-12-26 | 2023-12-26 | 基于机器学习的超声自动控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117442895A true CN117442895A (zh) | 2024-01-26 |
| CN117442895B CN117442895B (zh) | 2024-03-05 |
Family
ID=89582233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311804463.9A Active CN117442895B (zh) | 2023-12-26 | 2023-12-26 | 基于机器学习的超声自动控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117442895B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019202305A1 (en) * | 2018-04-16 | 2019-10-24 | Clinicco Ltd | System for vital sign detection from a video stream |
| CN113616945A (zh) * | 2021-08-13 | 2021-11-09 | 湖北美睦恩医疗设备有限公司 | 一种基于聚焦超声图像识别的检测方法及美容美体装置 |
| CN114882468A (zh) * | 2022-07-13 | 2022-08-09 | 山东施卫普环保科技有限公司 | 清扫车清扫刷角度自适应调整方法 |
| CN114973423A (zh) * | 2022-07-28 | 2022-08-30 | 聊城市飓风工业设计有限公司 | 用于儿童学习桌的坐姿监测的警示方法及系统 |
| CN115482157A (zh) * | 2021-05-31 | 2022-12-16 | 深圳市万普拉斯科技有限公司 | 图像处理方法、装置及计算机设备 |
| CN116030396A (zh) * | 2023-02-27 | 2023-04-28 | 温州众成科技有限公司 | 一种用于视频结构化提取的精确分割方法 |
| CN116468702A (zh) * | 2023-04-19 | 2023-07-21 | 平安科技（深圳）有限公司 | 黄褐斑评估方法、装置、电子设备及计算机可读存储介质 |
-
2023
- 2023-12-26 CN CN202311804463.9A patent/CN117442895B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019202305A1 (en) * | 2018-04-16 | 2019-10-24 | Clinicco Ltd | System for vital sign detection from a video stream |
| CN115482157A (zh) * | 2021-05-31 | 2022-12-16 | 深圳市万普拉斯科技有限公司 | 图像处理方法、装置及计算机设备 |
| CN113616945A (zh) * | 2021-08-13 | 2021-11-09 | 湖北美睦恩医疗设备有限公司 | 一种基于聚焦超声图像识别的检测方法及美容美体装置 |
| CN114882468A (zh) * | 2022-07-13 | 2022-08-09 | 山东施卫普环保科技有限公司 | 清扫车清扫刷角度自适应调整方法 |
| CN114973423A (zh) * | 2022-07-28 | 2022-08-30 | 聊城市飓风工业设计有限公司 | 用于儿童学习桌的坐姿监测的警示方法及系统 |
| CN116030396A (zh) * | 2023-02-27 | 2023-04-28 | 温州众成科技有限公司 | 一种用于视频结构化提取的精确分割方法 |
| CN116468702A (zh) * | 2023-04-19 | 2023-07-21 | 平安科技（深圳）有限公司 | 黄褐斑评估方法、装置、电子设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117442895B (zh) | 2024-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11887311B2 (en) | Method and apparatus for segmenting a medical image, and storage medium | |
| US11270169B2 (en) | Image recognition method, storage medium and computer device | |
| EP3923238A1 (en) | Medical image segmentation method and device, computer device and readable storage medium | |
| CN109002846B (zh) | 一种图像识别方法、装置和存储介质 | |
| CN104268591B (zh) | 一种面部关键点检测方法及装置 | |
| CN107886503A (zh) | 一种消化道解剖位置识别方法及装置 | |
| CN110782474A (zh) | 基于深度学习的预测消融术后肝脏肿瘤形态变化的方法 | |
| CN102567734B (zh) | 基于比值的视网膜细小血管分割方法 | |
| WO2018137456A1 (zh) | 一种视觉跟踪方法和跟踪装置 | |
| CN116503392B (zh) | 一种用于卵巢组织分析的卵泡区域分割方法 | |
| Enns et al. | The role of clarity and blur in guiding visual attention in photographs. | |
| US9877791B2 (en) | System and method for virtual treatments based on aesthetic procedures | |
| US20140240339A1 (en) | Personal visualization of health conditions | |
| CN112308932A (zh) | 一种注视检测方法、装置、设备及存储介质 | |
| US20230074520A1 (en) | Method and apparatus for performing layer segmentation on tissue structure in medical image, device, and medium | |
| CN111310584A (zh) | 心率信息获取方法、装置、计算机设备和存储介质 | |
| CN112686336A (zh) | 一种基于神经网络的烧伤创面深度分类系统 | |
| CN108369644A (zh) | 一种定量检测人脸抬头纹的方法和智能终端 | |
| CN117442895B (zh) | 基于机器学习的超声自动控制方法及系统 | |
| CN113139439A (zh) | 一种基于人脸识别的在线学习专注度评价方法及装置 | |
| CN106446805B (zh) | 一种眼底照中视杯的分割方法及系统 | |
| Feng et al. | Using eye aspect ratio to enhance fast and objective assessment of facial paralysis | |
| CN114305334A (zh) | 智能美容方法、装置、设备及存储介质 | |
| CN114098640A (zh) | 体质识别方法、装置、存储介质及设备 | |
| WO2023010796A1 (zh) | 图像处理方法及相关装置 |
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 |