[发明专利]静脉穿刺机器人的图像及视频血管增强与分割方法和系统

权利要求书

1.一种静脉穿刺机器人的图像及视频血管增强与分割方法和系统，其特征在于，包括以下步骤：

S1、获取血管原始图像或血管原始视频作为原始数据进行灰度化处理；

S2、对灰度化后的原始数据进行高斯滤波和Frangi滤波以增强血管部分；

S3、对滤波后的原始数据进行先膨胀再腐蚀的卷积计算处理；

S4、判断原始数据为图像或视频，若为图像，则利用全卷积神经网络对图像进行分割和分类；若为视频，则利用具有时间记忆功能的循环神经网络对视频进行分割和分类。

2.根据权利要求1所述的一种静脉穿刺机器人的图像及视频血管增强与分割方法，其特征在于，所述步骤S4中，全卷积神经网络或具有时间记忆功能的循环神经网络均采用三分类算法进行图像分割和分类，分类标签包括：适宜进行穿刺的血管部、不宜进行穿刺的血管部和背景部。

3.根据权利要求2所述的一种静脉穿刺机器人的图像及视频血管增强与分割方法，其特征在于，还包括步骤S5、选取分类标签为适宜进行穿刺的血管部的图像中远离边界的血管区域中心点作为穿刺点。

4.根据权利要求1所述的一种静脉穿刺机器人的图像及视频血管增强与分割方法，其特征在于，所述血管原始视频作为原始数据时，选取视频中每间隔9帧的图像集合作为数据集合。

5.根据权利要求1所述的一种静脉穿刺机器人的图像及视频血管增强与分割方法，其特征在于，所述Frangi滤波具体包括：用卷积核G_xx、G_xy、G_yx和G_yy对图像进行卷积操作得到I_xx、I_xy、I_yx和I_yy，构建Hessian矩阵H，其表达式为：

求取Hessian矩阵的两个特征值λ₁和λ₂；

构造两个变量

根据以上两个变量，构造图像中像素点属于血管区域的响应度函数V：

其中，参数β用于调节区分块状区域和条状区域的敏感程度，参数c用于调节滤波后图像的整体平滑程度；

当一个像素点的响应度函数值大于设定的阈值，则分别用G_xx、G_xy和G_yy三个卷积核对该点灰度值进行卷积运算后再次计算响应度函数值，取响应度最大的卷积核与灰度值卷积运算结果替代原灰度值，完成对图像的滤波增强处理。

6.根据权利要求1所述的一种静脉穿刺机器人的图像及视频血管增强与分割方法，其特征在于，所述的步骤S3中，膨胀卷积计算的表达式为：

其中，A表示图像，B表示膨胀卷积核，x表示像素点。

7.根据权利要求6所述的一种静脉穿刺机器人的图像及视频血管增强与分割方法，其特征在于，所述的步骤S3中，腐蚀卷积计算的表达式为：

其中，A’表示膨胀后图像，C表示腐蚀卷积核，x表示像素点。

8.一种静脉穿刺机器人的图像及视频血管增强与分割系统，其特征在于，包括：

采集模块，用于获取血管原始图像或血管原始视频作为原始数据进行灰度化处理；

增强模块，用于对灰度化后的原始数据进行高斯滤波和Frangi滤波以增强血管部分；

优化模块，用于对滤波后的原始数据进行先膨胀再腐蚀的卷积计算处理；

分割模块，用于判断原始数据为图像或视频，若为图像，则利用全卷积神经网络对图像进行分割和分类；若为视频，则利用具有时间记忆功能的循环神经网络对视频进行分割和分类。

9.根据权利要求8所述的一种静脉穿刺机器人的图像及视频血管增强与分割方法，其特征在于，所述优化模块中，全卷积神经网络或具有时间记忆功能的循环神经网络均采用三分类算法进行图像分割和分类，分类标签包括：适宜进行穿刺的血管部、不宜进行穿刺的血管部和背景部。

10.根据权利要求9所述的一种静脉穿刺机器人的图像及视频血管增强与分割方法，其特征在于，还包括选择模块，用于选取分类标签为适宜进行穿刺的血管部的图像中远离边界的血管区域中心点作为穿刺点。