[發明專利]一種基于體素模型的呼吸特性表征的方法

在審

• 申請號: 201911023806.1
• 申請日: 2019-10-25
• 公開（公告）號: CN110752004A
• 公開（公告）日: 2020-02-04
• 發明（設計）人: 郁樹梅;后鵬程;孫榮川;匡紹龍;孫立寧
• 申請（專利權）人: 蘇州大學
• 主分類號: G16H20/40
• 分類號: G16H20/40;G16H30/20;G06T17/00
• 代理公司: 32257 蘇州市中南偉業知識產權代理事務所(普通合伙)
• 代理人: 楊慧林

1.一種基于體素模型的呼吸特性表征的方法，其特征在于，包括以下步驟：

使用相機連續采集人體胸腹體表的多幀深度圖像，對所述多幀深度圖像進行三維建模，獲得在時間序列上的多幀體素模型；

遍歷所述多幀體素模型的體素單元，提取所述多幀體素模型的體積特征和面積特征；

獲取所述多幀體素模型的公共最小體素包圍盒；

以概率形式描述多幀體素模型的空間分布，并排列每一幀體素模型的最小體素包圍盒的概率，組成超高維向量的樣本空間；

對所述樣本空間進行降維，獲得降維后的本質參量；

根據本質參量、體積特征和面積特征獲得能夠表征體素模型的特征變量。

2.如權利要求1所述的基于體素模型的呼吸特性表征的方法，其特征在于，所述“體積特征”為多幀體素模型整體的體積變化狀態特征。

3.如權利要求1所述的基于體素模型的呼吸特性表征的方法，其特征在于，所述“面積特征”為多幀所述體素模型整體的外層表面積變化狀態特征。

4.如權利要求1所述的基于體素模型的呼吸特性表征的方法，其特征在于，所述“使用相機連續采集人體胸腹體表的多幀深度圖像，對所述多幀深度圖像進行三維建模，獲得在時間序列上的多幀體素模型”，具體包括以下步驟：

S11、利用2臺固定不動的RGB-D相機對運動的人體胸腹體表進行連續多幀深度圖像的采集；

S12、使用濾波算法對深度圖像的點云數據去噪，使用移動最小二乘法平滑點云，并使用ICP算法對點云數據融合；

S13、使用閾值濾波對深度圖像的人體數據與醫療平臺背景數據的分割；

S14、使用邊界插值的方法將表面模型構建為封閉模型；

S15、利用泊松重建的方法對人體體表三維曲面進行快速化擬合；

S16、利用Octomap建立三維人體胸腹部的體素模型，獲得在時間序列上的多幀體素模型。

5.如權利要求1所述的基于體素模型的呼吸特性表征的方法，其特征在于，所述“獲取所述多幀體素模型的公共最小體素包圍盒”，具體包括：

記每幀體素模型為M_i，而M_i∈M，M為所有幀的體素模型；

遍歷M，計算M_i的最小包圍盒，記錄最小包圍盒長寬高記為L_Mi∈L，W_Mi∈W，H_Mi∈H，其中，L為所有幀的體素模型的最小包圍盒長的集合，W為所有幀的體素模型的最小包圍盒寬的集合，H為所有幀的體素模型的最小包圍盒高的集合；

在L，W，H中找出L_max，L_min，W_max，W_min，H_max，H_min，構成一個公共最小體素包圍盒B，B按照M的體素分辨率劃分空間。

6.如權利要求1所述的基于體素模型的呼吸特性表征的方法，其特征在于，所述“以概率形式描述多幀體素模型的空間分布”，具體包括：

將體素模型在包圍盒內占據的體素的概率設為1，空閑的體素的概率設為0，獲得每幀體素模型在最小公共包圍盒中的空間分布。

7.如權利要求1所述的基于體素模型的呼吸特性表征的方法，其特征在于，所述“對所述樣本空間進行降維”，具體包括：使用LLE降維算法對樣本空間降維。

8.如權利要求1所述的基于體素模型的呼吸特性表征的方法，其特征在于，“根據本質參量、體積特征和面積特征獲得能夠表征體素模型的特征變量”，具體包括：

將本質參量ψ＝[ψ₁，ψ₂，..，ψ_m]、體積特征V和面積特征S合并，獲得能夠表征體素模型不同狀態的特征變量Γ，其中，Γ＝[VS...ψ₁，ψ₂，..，ψ_m]^T。