[发明专利]一种静脉血管深度识别方法和提示系统

权利要求书

1.一种静脉血管深度识别方法，其实现步骤包括：

1)基于机器学习的回归模型训练：

1.1)构建训练图像集和训练图像深度标记集：

利用近红外光照射皮肤，并用摄像机接受反射图像，采集人体不同位置、不同深度的静脉血管图像，构建训练图像集；

利用超声仪测量从血管顶部到皮肤表层的厚度，从而得到血管的深度数据值，构建相应的训练图像深度标记集；

1.2)提取感兴趣区域：从上述步骤1.1)构建的训练图像集中的每幅图像提取设定区域作为感兴趣区域；

1.3)从上述步骤1.2)中的感兴趣区域中提取图像的特征；所述特征包括图像的全局均值、全局方差、局部均值和局部方差；

1.4)用上述步骤1.3)中提取到的特征与步骤1.1)中构建的训练图像深度标记集共同训练一个可以反映静脉血管深度与图像特征之间关系的机器学习回归模型；

2)血管深度预测：

2.1)利用近红外光照射待测位置的皮肤，并用摄像机接受反射图像，采集到待测位置图像，并从待测位置图像提取与步骤1.2)中一致的设定区域作为感兴趣区域；

2.2)从上述步骤2.1)中的感兴趣区域中提取特征，提取特征的类型和方式与步骤1.3)相同；

2.3)将上述步骤2.2)中提取到的特征输入步骤1.4)中的机器学习回归模型中，对步骤2.1)中的待测图像感兴趣区域的血管深度进行预测，得到血管深度值；

2.4)对上述步骤2.3)中的血管深度值进行量化，并分N个血管档次值表示。

2.根据权利要求1所述的静脉血管深度识别方法，其特征在于：所述机器学习回归模型为随机森林回归模型；所述随机森林回归模型，参数设置如下：

最大叶子节点数：50；树最大深度：10；最小分裂阈值：0.01；上述参数的选择是通过留一法验证最小误差调节而得到的，具体如下：

errormin1NΣn=1NMSE(p,g)]]>

上述N是指训练样本个数，p指预测值，g指真实值，MSE是二阶均方误差，具体如下：

MSE(p,g)=2(p-g)2.]]>

3.根据权利要求1所述的静脉血管深度识别方法，其特征在于：所述局部均值和局部方差是指垂直于感兴趣区域长边，图像中心处10条竖线上计算的均值和方差；所述步骤1.3)提取的特征共22维，其中，全局特征2维，局部特征20维。

4.根据权利要求1至3任一所述的静脉血管深度识别方法，其特征在于：在步骤2.2)之前，先判断待测位置是否是血管；判断步骤如下：

a)提取步骤2.1)所述感兴趣区域的全局均值和局部均值；

b)采用二级门限判断待测位置是否是血管，若是，则进行步骤2.2)，若否，则直接进入步骤2.4)，返回血管档次值0；所述二级门限判断方法为：

第一级判断：判断上述步骤a)中的局部均值是否大于局部阈值；若大于局部阈值，则待测位置不是血管；否则，进入第二级判断；

第二级判断：判断上述步骤a)中的全局均值是否大于全局阈值；若大于全局阈值，则待测位置不是血管；否则，待测位置是血管。