[發明專利]一種全自動靜脈穿刺識別一體機器人的控制方法有效

申請號：	202010892950.5	申請日：	2020-08-31
公開（公告）號：	CN112022346B	公開（公告）日：	2022-02-18
發明（設計）人：	齊鵬;田智宇;王宇軒;曹旭;陳禹	申請（專利權）人：	同濟大學
主分類號：	A61B34/20	分類號：	A61B34/20;A61B34/10;A61B17/34;A61B34/30;G06K9/62;G06N3/04;G06T7/00;G06T7/143;G06T7/33;G06T17/00;G06V10/774
代理公司：	上海科盛知識產權代理有限公司 31225	代理人：	陳源源
地址：	200092 ***	國省代碼：	上海;31
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種全自動靜脈穿刺識別一體機器人控制方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于全自動靜脈穿刺識別一體機器人的血管重建方法，其特征在于，所述靜脈穿刺識別一體機器人包括穿刺模塊和圖像獲取模塊，穿刺模塊包括穿刺運動機構和穿刺機構，圖像模塊包括圖像運動機構、超聲探頭和單目近紅外攝像機，該方法包括以下步驟：

S1、單目近紅外攝像機連續獲取目標的二維近紅外圖像，經過圖像神經網絡對二維紅外圖像中識別的血管進行打分，將得分最高的靜脈作為靶血管；

S2、穿刺運動機構將穿刺機構移動至到近紅外攝像機的視場中，并且進行一次姿態變換，近紅外攝像機獲取穿刺機構的穿刺針的變換前后姿態，對穿刺針的當前姿態進行刷新和校準；

S3、圖像運動機構將超聲探頭移動至靶血管的上方并且對靶血管進行壓迫；

S4、超聲探頭采集被壓迫的靶血管的不同層截面圖并且進行靜脈血管三維重建；

所述步驟S1中，對二維紅外圖像中識別的靜脈進行打分具體包括步驟：

S11、利用基于SSD框架的圖像神經網絡對輸入的二維近紅外圖像內的物品進行分類，得到分類標簽，分類至少包括穿刺針、背景、手臂、直靜脈和靜脈分叉；

S12、篩選出分類標簽中的血管圖像；

S13、利用基于U-Net框架的圖像分割算法對血管圖像進行分割，得到血管分割圖；

S14、對血管分割圖進行打分；

所述步驟S4中，包括：

S41、超聲探頭獲取靶血管的超聲圖像，得到血管腔二維超聲圖像；

S42、采用均值漂移分割算法作為從超聲圖像中對血管腔進行分割，將血管特征建模為潛在的概率密度函數，并迭代地嘗試識別概率密度的參數；

S43、根據概率密度函數計算血管腔分割圖的顏色直方圖，建立靶血管的三維初始模型；

S44、將步驟S41中所獲二維超聲圖像與三維初始模型進行配準；將圖像個體在卷積神經網絡中充分訓練；

S45、通過觀察局部區域，將步驟S44中被訓練的個體輸入到馬爾可夫決策過程模型中；

S46、根據馬爾可夫決策過程中的建議和相應的置信度進行加權，完成二維超聲圖像與三維初始模型的配準，生成靶血管的最終三維模型。

2.根據權利要求1所述的一種基于全自動靜脈穿刺識別一體機器人的血管重建方法，其特征在于，所述步驟S14中，血管分割圖中血管上某一點p的打分采用合適程度Ψ_p表示：

式中，ω₁(L_v)為血管長度對應得分，L_v為血管分割圖內血管長度，ω₂(W_v)為血管寬度對應得分，W_v為血管分割圖內血管平均寬度，ω₃(V_v)為血管像素值對應得分，V_v為血管分割圖內血管平均像素值，α₁為p點像素值權重，為p點及其鄰域平均像素值，V_i為p點及其相鄰8個點像素值，α₂為p點與血管質心距離權重，D_p為p點與血管質心距離，(u_p，v_p)為p點的像素坐標，(u_I，v_I)為血管分割圖內血管質心像素坐標，∑_tipV_iu_i為血管分割圖內所有像素點的像素值與該像素點的像素橫坐標乘積的和，∑_tipV_iv_i為血管分割圖內所有像素點的像素值與該像素點的像素縱坐標乘積的和，∑_tipV_i為血管分割圖內所有像素點的像素值之和。