【技术实现步骤摘要】
本专利技术涉及医学影像，具体为一种基于人工智能的静脉穿刺引导方法。
技术介绍
1、在医学影像
，准确、高效地进行血管穿刺是一项极富挑战性的任务。血管穿刺是多种医疗程序中不可或缺的步骤，包括但不限于静脉注射、血液采样和静脉置管。然而，传统的血管穿刺方法依赖于医务人员的经验和技术，存在定位不准确、穿刺失败率高等问题。这不仅给患者带来疼痛和不适，还可能导致严重的并发症，如血肿或感染。
2、当前技术中，尽管采用了超声成像、红外成像等辅助技术来指导血管穿刺，但这些方法仍存在局限性。超声成像受限于设备的便携性和成本，而红外成像技术在血管的清晰度和识别精度方面仍有待提高。此外，这些技术通常需要专业人员操作，增加了手术的复杂性和时间成本。
3、近年来，人工智能技术在医学影像分析领域取得了显著进展，为提高血管穿刺的准确性和效率提供了新的可能。通过结合深度学习模型与传统图像处理技术，可以自动识别并分割血管信号，进而实现对适宜穿刺血管的精准定位。然而，现有的基于人工智能的血管穿刺引导方法仍面临如何有效结合深度学习与传统图像处理技术、如何自动选择最佳穿刺血管以及如何准确可视化最佳穿刺点等技术挑战。
4、现有技术的不足
5、尽管当前技术在一定程度上提高了血管穿刺的成功率和安全性，但依然存在以下几方面的不足：
6、图像处理技术的局限性： 现有的红外成像技术在增强血管形态学特征方面仍然不够理想，无法有效地提高血管信号的识别精度和清晰度。
7、深度学习模型的应用难度： 尽管深度学习技
8、决策模型的专家知识复杂性：自动识别最适合穿刺的血管需借助丰富的专家知识与经验。目前技术尚未找到一种高效方式，能够将此类知识转换成实际可执行的决策模型。
9、穿刺点可视化的准确性： 精确计算并可视化最佳穿刺点对于提高穿刺成功率至关重要，但现有方法未能充分解决如何综合考虑血管的走势、穿刺的角度及深度等因素，以优化穿刺路径，从而指导执行更为精确的穿刺操作。
技术实现思路
1、为了解决现有血管穿刺方法中存在的定位不准确、穿刺失败率高的问题，本专利技术提出了一种基于人工智能的静脉穿刺引导方法。
2、该方法利用深度学习与传统图像处理技术的结合，优化了血管的可视化过程，提高了穿刺的准确性和效率。本专利技术具体采用以下技术方案：
3、步骤一、图像预处理：对目标穿刺部位进行红外成像，采用对比度增强、滤波去噪和形态学操作等传统图像处理技术对图像中的血管信号进行增强，以提高血管的可视度和识别精度。
4、步骤二、血管特征增强：使用hessian矩阵描述每个像素在主方向上的二维导数，从而增强图像中“管线状”血管结构的特征值，强化血管信号相对于周围组织的对比度，进一步优化血管的可视化效果，为后续的自动识别与分割提供更清晰的血管图像。
5、步骤三、血管信号自动识别与分割：基于u-net 深度神经网络模型构建用于血管识别的网络模型veinnet，利用veinnet对增强后的血管图像进行处理，自动识别血管区域并进行精确分割，得到清晰定义的适宜穿刺的血管数据集，从而提升血管识别的准确性和效率。
6、步骤四、最佳穿刺血管选择：采用基于专家知识的决策支持模型，结合临床指南和深度学习模型分割出的血管数据集，自动评估并选择最适宜穿刺的血管。该步骤考虑血管直径、深度、可视度和周围组织结构等多种因素，以确定最佳穿刺血管。
7、步骤五、穿刺点计算与可视化：根据选定的最佳穿刺血管，使用pca算法对血管进行直线拟合，计算最佳穿刺进针点和角度，并利用图形可视化技术在显示屏上直观显示穿刺点位置。该步骤考虑血管走向、穿刺角度和深度，以优化穿刺路径，指导医生进行精准穿刺。
8、与现有技术相比，本专利技术的有益效果包括：
9、本专利技术提供的一种基于人工智能的静脉穿刺引导方法，通过图像预处理、血管特征增强、血管信号自动识别与分割、最佳穿刺血管选择以及穿刺点计算与可视化等步骤，解决了当前静脉穿刺中存在的血管识别困难、穿刺精准度低等问题。该方法实现了静脉穿刺过程的智能化和自动化，显著提高了穿刺的效率和成功率，同时也有效降低了医生的工作量，提高了穿刺的精准度，增加了患者的舒适度和安全性。
10、本专利技术在图像预处理和血管特征增强步骤中，采用了对比度增强、滤波去噪、形态学操作以及hessian矩阵等图像处理技术，有效提高了血管的可视度和识别精度。这为后续的血管自动识别与分割提供了更清晰和准确的血管图像，奠定了可靠的基础。
11、本专利技术在血管信号自动识别与分割步骤中，创新性地引入了基于u-net深度神经网络的veinnet模型，实现了血管区域的自动识别和精确分割。与传统的人工识别和分割方法相比，该模型有效提高了血管识别的准确性和效率，获得了清晰定义的适宜穿刺的血管数据集，为后续的最佳穿刺血管选择提供了可靠的数据支持。
12、本专利技术在最佳穿刺血管选择步骤中，采用了基于专家知识的决策支持模型，综合考虑了血管直径、深度、可视度和周围组织结构等多种因素，实现了最适宜穿刺血管的自动评估和选择。该方法结合了临床指南和深度学习模型的优势，提供了个性化的穿刺方案，有效提高了穿刺的安全性和精准性。
13、本专利技术在穿刺点计算与可视化步骤中，利用pca算法对选定的最佳穿刺血管进行直线拟合，自动计算出最佳穿刺进针点和角度，并通过图形可视化技术直观展示。该方法考虑了血管走向、穿刺角度和深度等关键因素，优化了穿刺路径，为医生提供了精准的穿刺指导，提高了穿刺操作的便捷性和准确性。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的血管穿刺引导方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于人工智能的血管穿刺引导方法，其特征在于，所述图像预处理步骤包括采用对比度增强技术和滤波去噪技术对目标穿刺部位进行的红外成像处理，根据血管特征，设定适宜参数对图像中的微弱血管信号进行增强，以提高图像整体的信噪比。
3.如权利要求1所述的一种基于人工智能的静脉穿刺引导方法，其特征在于，所述血管特征信号增强步骤使用Hessian矩阵来描述每个像素在主方向上的二维导数，从而增强图像中“管线状”血管结构的特征值，通过这种方法强化血管信号相对于周围组织的对比度，进一步增强血管特征信号,具体如下：
4.如权利要求1所述的一种基于人工智能的静脉穿刺引导方法，其特征在于，所述血管信号自动识别与分割步骤利用深度学习模型VeinNet网络结构，特别是其中针对血管识别改进的编码器、解码器、注意力机制和定制的损失函数，具体如下：
5.如权利要求1所述的一种基于人工智能的静脉穿刺引导方法，其特征在于，所述最佳穿刺血管选择步骤采用基于专家知识的决策模型，结合临床指南
6.如权利要求1所述的一种基于人工智能的静脉穿刺引导方法，其特征在于，所述穿刺点计算与可视化步骤根据选定的最佳穿刺血管，对 Cbest应用PCA分析，以确定血管区域的整体走势，并进行直线拟合，具体如下：
...【技术特征摘要】
1.一种基于人工智能的血管穿刺引导方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于人工智能的血管穿刺引导方法，其特征在于，所述图像预处理步骤包括采用对比度增强技术和滤波去噪技术对目标穿刺部位进行的红外成像处理，根据血管特征，设定适宜参数对图像中的微弱血管信号进行增强，以提高图像整体的信噪比。
3.如权利要求1所述的一种基于人工智能的静脉穿刺引导方法，其特征在于，所述血管特征信号增强步骤使用hessian矩阵来描述每个像素在主方向上的二维导数，从而增强图像中“管线状”血管结构的特征值，通过这种方法强化血管信号相对于周围组织的对比度，进一步增强血管特征信号,具体如下：
4.如权利要求1所述的一种基于人工智能的静脉穿刺引导方法，...
【专利技术属性】
技术研发人员：井帅奇，王秋霖，张珂，
申请(专利权)人：成都市凯瑞医疗科技有限公司，
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。