本发明专利技术公开一种实时性好、准确率高、应用方便的基于先验信息与深度学习的背部穴位定位方法。本发明专利技术包括以下步骤：(10)采集背部图片，标记背部穴位点，建立背部数据集；(20)改进Keypoint Rcnn网络并训练穴位定位模型；(30)使用定位模型对背部图片进行初步定位；(40)设置一种后正中线定位算法，根据后正中线算法，并设置修正方程对初步定位结果进行修正；(50)总结穴位先验信息，提出一种穴位定位评价指标，根据先验信息对定位结果进行拓展，最终共定位23个背部穴位。定位23个背部穴位。定位23个背部穴位。
【技术实现步骤摘要】
基于先验信息与深度学习的背部穴位定位方法
[0001]本专利技术属于穴位自动定位领域，具体涉及为一种基于先验信息与深度学习的背部穴位定位方法。
技术介绍
[0002]穴位主要为人体经络线上特殊的点区部位，是中医的重要组成部分，距今已有两千多年历史，如针灸，拔罐等结合穴位的中医疗法，由于其疗效和安全应用，在西方国家被广泛用作疼痛障碍的治疗方法，包括偏头痛、腰痛等。同样，针灸机器人等医疗器械需要结合穴位来提高治疗效果，然而，作为全新领域，关于穴位自动快速定位的方法仍起于起步阶段，亟需研究。
[0003]目前关于穴位自动定位的方法主要包括应用视觉技术与应用传统智能算法，其中应用视觉技术的流程可总结为：图像获取、摄像机标定、特征提取、立体匹配和三维重建，但由于摄像机标定与矫正过程复杂，且庞大的分析系统降低了定位的实时性，存在应用场合局限性大等缺点，而应用传统智能算法收敛过程较慢，且稳定性较低，综上所述，目前穴位自动定位存在着应用场合局限性大，稳定度低，实时性差，设备要求较高等缺点，不能同时满足较高的穴位自动定位准确率，较好的鲁棒性与方便快捷性的要求。
[0004]图像识别与穴位自动定位有不可分割的关系，理论上模型的图像识别能力越强，穴位自动定位的精度越高，与传统图像识别相比，深度学习最大的不同在于它利用大数据的优势，从包含成千上万的参数的大数据中自动学习特征，且用于训练深度学习的数据越多，深度学习算法的鲁棒性、泛化能力就越强。
[0005]由于深度学习的快速发展，SPPNet、RCNN、YOLO等网络被提出，与传统图像识别相比，这些网络对图像特征的提取能力有了飞跃般的提升，且识别效率更高，鲁棒性更强，因此计算机视觉的许多任务如图像分类、目标检测、语义分割、关键点定位等得到了有效的解决方法。
[0006]目前深度学习在穴位自动定位的应用仍处于起步阶段，在解决背部穴位自动定位这一问题，未曾有使用深度学习这一方法的先例，因此本算法旨在研究深度学习在背部穴位自动定位的应用，目的是仅需通过识别一张图片便可实现背部穴位定位，致力于改善穴位自动定位准确率，增强其鲁棒性与提高其方便快捷性。
技术实现思路
[0007]本专利技术的目的在于提供一种基于先验信息与改进Keypoint Rcnn的背部穴位定位方法，该方法仅需通过识别一张图片便可实现背部穴位定位，具有实时性好、准确率高、应用方便的特点。
[0008]实现本专利技术目的的技术解决方案为：：
[0009]一种基于先验信息与改进Keypoint Rcnn的背部穴位定位方法，包括如下步骤：
[0010]建立背部样本集：采集背部图片，标记背部最大内包矩形与常用的12个背部穴位
点，包括大椎、陶道、身柱、神道、灵台、至阳、筋缩、中枢、脊中、悬枢、命门与腰阳关；
[0011]改进与训练背部穴位定位模型，包括采用Adamax优化算法、改进loss函数和加入CBAM注意力机制；
[0012]初步穴位定位：使用穴位定位模型识别背部图片进行初步穴位定位；
[0013]设置一种后正中线定位算法，根据后正中线算法，并设置修正方程对初步定位结果进行修正；
[0014]总结穴位先验信息，根据先验信息拓展定位结果，最终共定位23个背部穴位。
[0015]本专利技术与现有技术相比，其显著优点为：
[0016]应用方便：设备要求低，仅需通过识别一张图片便可实现背部穴位定位。
[0017]实时性好，单幅图像定位时长为1.9秒，满足实时性要求。
[0018]鲁棒性强，基于深度学习网络提取图像深层信息，不容易被噪声干扰。
附图说明
[0019]附图1算法流程图
[0020]附图2 Keypoint RCNN网络结构图
[0021]附图3 CBAM模块结构及用法图
[0022]附图4后正中线定位方法流程图
[0023]附图5穴位标记图
[0024]附图6穴位定位流程图
[0025]附图7定位结果拓展图
具体实施方式
[0026]下面结合附图对本专利技术进行详细说明：
[0027]如图1所示，本专利技术先验信息与深度学习的背部穴位定位方法，包括如下步骤：(10)建立背部样本集：采集背部图片，标记背部最大内包矩形与常用的12个背部穴位点，包括大椎、陶道、身柱、神道、灵台、至阳、筋缩、中枢、脊中、悬枢、命门与腰阳关；
[0028](20)改进与训练背部穴位定位模型；
[0029]将原模型采用的SGD优化算法替换为Adamax优化算法；使用改进后的loss函数，取a1为3.7，a2为0.48，a3为3.7，a4为4.2，a5为4.2，加入CBAM注意力模块，包含通道注意力模块和空间注意力模块。
[0030][0030][0031]将数据集按照7∶3的比例分为训练集和测试集，采用albumentations库对背部图像及其标注数据增强，即对背部图像进行亮度和对比度的随机变化与随机次数的90度旋转，设置batch_size为16，learning_rate为0.001对模型训练50个epochs。
[0032](30)初步穴位定位：使用穴位定位模型识别背部图片进行初步穴位定位；
[0032](40)设置一种后正中线定位算法，根据后正中线算法，并设置修正方程对初步定位结果进行修正；
[0033]后正中线定位算法的流程为：首先采用二值化处理背部图片，增加识别效率，凸显
背部轮廓，然后使用开运算，消除图像噪点，去除小的干扰块，最后使用形态学梯度运算提取背部边界，其公式为：
[0034]gradient(src)＝dilate(src)
‑
erode(src)
[0035]对上述梯度运算得到的背部边界进行轮廓拟合，标记背部下方轮廓线中点，并使用质心算法标记背部质心，最后连接中点与质心，该连线便是本文想要得到的后正中线，其中质心坐标的计算公式如下：
[0036]m
ji
＝∑
x，y
(array(x，y)*x
i
*x
j
)
[0037][0038](50)总结穴位先验信息，提出一种穴位定位评价指标，根据先验信息对定位结果进行拓展，最终共定位23个背部穴位。
[0039]穴位先验信息包括：
[0040]穴位相关性，即穴位距离之间存在一定的联系，如根据经验大椎穴与身柱穴的距离为三寸；身柱、神道、至阳、悬枢、命门和腰阳关位于后正中线；肺俞、心俞、膈俞、三焦俞、肾俞和大肠俞位于膀胱经第一侧线；
[0041]魄户、神堂、膈关、盲门和志室位于膀胱经第二侧线；身柱、肺俞和魄户相平；神道、心俞和神堂相平；至阳、膈俞和膈关相平；悬枢、三焦俞和盲门相平；命门、肾俞和志室相平；腰阳关和大肠俞相平(相平：即这些穴位的连线垂直于后正中线)；
[0042]后正中线与膀胱经第一侧线、膀胱经第二侧线平行本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于先验信息与深度学习的背部穴位定位方法，其特征在于，包括以下步骤：(10)建立背部样本集：采集背部图片，标记背部最大内包矩形与常用的12个背部穴位点，包括大椎、陶道、身柱、神道、灵台、至阳、筋缩、中枢、脊中、悬枢、命门与腰阳关；(20)改进与训练背部穴位定位模型，包括采用Adamax优化算法、改进loss函数和加入CBAM注意力机制；(30)初步穴位定位：使用穴位定位模型识别背部图片进行初步穴位定位；(40)设置一种后正中线定位算法，根据后正中线算法，并设置修正方程对初步定位结果进行修正；(50)总结穴位先验信息，提出一种穴位定位评价指标，根据先验信息对定位结果进行拓展，最终共定位23个背部穴位。2.如权利要求1所述的背部穴位定位方法，其特征是，所述(20)改进与训练背部穴位定位模型的步骤包括：(21)将原模型采用的SGD优化算法替换为Adamax优化算法。(22)使用改进后的loss函数，取a1为3.7，a2为0.48，a3为3.7，a4为4.2，a5为4.2(23)加入CBAM注意力模块，包含通道注意力模块和空间注意力模块。(24)将背部图的数据集按照7∶3的比例分为训练集和测试集，采用albumentations库对背部图像及其标注数据增强，即对背部图像进行亮度和对比度的随机变化与随机次数的90度旋转，设置batch_size为16，learning_rate为0.001对模型训练50个epochs。3.如权利要求1所述的背部穴位定位方法，其特征是，所述(40)后正中线算法的步骤包括：(41)二值化处理背部图片，增加识别效率，凸显背部轮廓；(42)开运算消除图像噪点，去除小的干扰块；(43)使用形态学梯度运算提取背部边界；(44)对梯度运算得到的背部边界进行轮廓拟合，标记背部下方轮廓线中点；(45)使用质心算法标记背部质心，中点与质心的连线便是后正中线；(46)设置修正方程，对初步定位结果进行修正。4.如权利要求2所述的背部穴位定位方法，其特征是，所述(46)设置修正方程包括：(461)通过后正中线定位得出后正中线的直线方程L，然后求各预测点到后正中线的垂足O
GVi
，然后计算预测点到垂足的距离K
GVi
，根据各预测点的K
GVi
值占K
GVi
值之和的大小，提出一个修正补偿系数G：L：Ax0+By0+C＝0，+C＝0，式中，x
GVi
和y
GVi
分别为穴位预测点的坐标；(462)穴位坐标修正量设置为
S
x
＝G*(O
GVi
‑
x
GVi
)，S
y
＝G*(O<...
【专利技术属性】
技术研发人员：秦建华，刘颖斌，黄婷婷，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。