[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

说明书

本发明涉及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，方法包括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；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；对滤波后的原始数据进行先膨胀再腐蚀的卷积计算处理；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。与现有技术相比，本发明增强了血管结构，显著减少了血管边缘噪点，血管与非血管过渡平滑，同时，排除了汗毛对血管分割结果的干扰，从而有效提高静脉穿刺机器人的血管识别质量和精度。

技术领域

本发明涉及静脉机器人图像处理领域，尤其是涉及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。

背景技术

手工静脉穿刺成功率取决于临床医生的技能和病人的生理功能，对于有困难的病人失败率较高，使静脉穿刺成为医疗损伤的主要原因。此外，对于传染性疾病还可能造成医患交叉感染。使用静脉穿刺机器人能有效解决上述问题。

静脉穿刺机器人利用近红外与超声两个模态进行血管的识别，利用分割算法在图像或视频中分割出适宜进行静脉穿刺血管，找到适宜的穿刺点，再控制机械臂执行静脉穿刺任务。但是，现有静脉穿刺机器人的血管显像存在以下问题：1、大多数采用二值化算法，但是在二值化处理后血管边缘噪点非常多，血管与非血管过渡生硬，血管增强效果差。2、在分割的图片中存在人体汗毛，容易对图像分割产生干扰从而影响识别质量。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向静脉穿刺机器人的图像及视频血管增强与分割方法。

本发明的目的可以通过以下技术方案来实现：

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，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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；