[发明专利]一种医学影像机器人及其控制、医学影像识别方法

权利要求书

1.一种医学影像机器人，其特征在于，包括：采集模块和处理模块，所述采集模块包括用于获取构建地图扫描值的激光雷达和用于获取距离信息的深度相机；

所述处理模块包括用于处理采集模块所发送的数据的第一主控芯片和用于传送运动数据的第二主控芯片，所述第一主控芯片的输入端与采集模块的输出端相连接，所述第二主控芯片与第一主控芯片相连接，所述第一主控芯片响应于采集模块发送的采集信息向第二主控芯片发送运动控制信息；

还包括运动模块，所述运动模块与第二主控芯片相连接，所述第二主控芯片响应于所述运动控制信息向运动模块发送启动信号；

还包括显示屏，所述显示屏与第一主控芯片相连接，所述显示屏响应于第一主控芯片发送的显示信号进行显示。

2.根据权利要求1所述的一种医学影像机器人，其特征在于：所述运动模块包括用于电机调速的无极电机调速器和直流无刷电机，所述无极电机调速器的输入端与第二主控芯片的输出端相连接，所述无极电机调速器响应于第二主控芯片发送的启动信号控制所述直流无刷电机运转；所述无极电机调速器的输出端与直流无刷电机的输入端通过CAN总线相连接；所述运动模块还包括麦克纳姆轮，所述麦克纳姆轮与直流无刷电机之间通过法兰盘相连接；

所述麦克纳姆轮与直流无刷电机之间还设置有避震结构；所述避震结构包括液压避震器、合页碳纤维连接板和铝合金固定板。

3.根据权利要求1所述的一种医学影像机器人，其特征在于：还包括电源模块和用于控制电路电流的电源转压模块，所述电源模块的输出端与电源转压模块的输入端相连接。

4.根据权利要求1所述的一种医学影像机器人，其特征在于：所述显示屏为带电容式触摸的LCD显示屏，所述LCD显示屏通过HDMI影像连接线与第一主控芯片相连接；所述显示屏底侧还设置有用于控制显示屏高度的升降架。

5.一种医学影像机器人的控制方法，其特征在于，包括以下步骤：根据采集模块所采集的环境信息构建地图，并将构建的地图发送至显示屏中显示；

读取用户在显示屏中点击的目标区域信息并发送至第一主控芯片中；

第一主控芯片根据当前位置信息和目标区域信息得出运动控制信息，发送至第二主控芯片中；

所述第二主控芯片获取所述运动控制信息后，控制运动模块运作。

6.根据权利要求5所述的一种医学影像机器人的控制方法，其特征在于：所述环境信息包括由激光雷达采集的空间信息和深度相机采集的距离信息；所述运动控制信息包括移动方向、移动速度和移动距离。

7.一种医学影像识别方法，其特征在于，包括以下步骤：

检测到在显示屏中点击病人信息时，在数据库中读取与所述病人信息所对应的医学影像；

将所述医学影像输入至目标检测模型中，对所述医学影像中的病变位置进行标识，设置为病变图像；

将所述病变图像发送至深度学习分类模型中进行特征提取，获取病变图像所属的病变类别；

根据所述病变类别在数据库中读取对应的医疗建议信息；

将所述病变图像所对应的病变位置、病变类别和医疗建议信息发送至显示屏中显示。

8.根据权利要求7所述的一种医学影像识别方法，其特征在于：所述目标检测模型和深度学习分类模型为预先训练好的卷积神经网络。

9.根据权利要求8所述的一种医学影像识别方法，其特征在于，所述目标检测模型和深度学习分类模型为预先训练的卷积神经网络，其训练方法包括以下步骤：

将医学影像转换成Jpg图像格式，根据标注的病变部位信息，生成目标检测训练用的XML文件；按照分类结果将对应的标签输入至病变部位图像中；

将全部用于病变部位目标检测的医学影像和分类的医学影像数据随机地分配成训练集数据和验证集数据；

通过深度卷积神经网络进行目标检测与分类的深度学习训练；

获取训练后的模型，利用验证数据对模型进行验证。

10.根据权利要求9所述的一种医学影像识别方法，其特征在于：所述目标检测模型和深度学习分类模型中包括19个卷积层和5个最大池化层。