[发明专利]基于深度学习的手机端静脉显像方法

说明书

本发明公开了一种基于深度学习的手机端静脉显像方法，属于图像处理与深度学习技术领域:包括：1）静脉图像数据集处理：采集同步的皮肤可见光图像与近红外图像，并对近红外图像进行增强，突出静脉信息，为后续网络训练提供真值数据；2）静脉显像网络的设计与训练：搭建静脉显像网络，以处理好的静脉图像数据集作为训练集训练网络；3）网络轻量化：改进显像网络，压缩其参数规模和计算量；4）手机端部署与应用：将轻量化后的网络部署到手机端运行，实现手机端的静脉显像。本发明基于深度学习方法及手机端开源神经网络推理框架提高了静脉显像工作的便捷性，在医疗领域具有很大的使用价值。

技术领域

本发明涉及图像处理与深度学习技术领域，具体涉及一种基于深度学习的手 机端静脉显像方法。

背景技术

在医疗领域，静脉穿刺是当今医疗救治和护理中必不可少的操作，用以进行 临床给药输液和输血。进行静脉穿刺的前提是要确定静脉位置，通常有经验的医 护人员通过眼睛观察和手指触摸来确定患者的静脉位置。由于病毒传染性强，在 对感染患者进行救治时，医护人员必须佩戴防护手套、防护服和护目镜。密不透 风的防护服使得身体产生的热量无法排除加之呼吸产生的水蒸汽附着在护目镜 内表面，会使视觉受到很大影响，同时防护手套会使触觉的灵敏度下降，这使得 医护人员确定静脉位置进而实施静脉穿刺的难度大大增加。

为了降低静脉穿刺的难度，提高静脉穿刺的成功率，此前已经有许多静脉穿 刺辅助设备或者方法出现，其中包含基于近红外光线特性的显像方法，基于超声 波特性的显像方法和基于光学成像原理的显像方法。基于近红外光线特性的静脉 显像方法主要利用血液中血红蛋白对780nm到960nm波长范围的近红外光吸收 率较其他身体组织更高的特性。当受到相同强度的近红外光线照射时，在近红外 相机的帮助下，可以观察到静脉位置较其他皮肤区域更暗，从而确定出静脉的位 置。基于超声波特性的显像方法利用静脉组织与其他身体组织的声学特性区别， 对超声波的反射强度不同，区分出静脉与其他身体组织，通常超声波静脉显像方 法还会结合超声造影剂使用，提高显像的清晰度与准确度。基于光学成像原理的 静脉显像方法使用K-M理论来模拟皮肤的光学行为，并结合大量的生物物理参数、数字相机传感器的光谱信息和照亮皮肤的光源信息来模拟肤色的形成。将该 过程作为一种正向模型。在正向模型中输入一系列皮肤参数，包括黑色素浓度、 血红蛋白浓度和真皮深度，以获得相应的可见光图像RGB值，随后利用这些对 应关系训练一个浅层前向神经网络，该网络以RGB值作为输入来预测皮肤参数。 收集输出的预测皮肤参数形成三个分布图：黑色素及血红蛋白的空间分布和真皮 深度的变化。最后，通过这些分布图可以提取出表皮下静脉的纹路信息。基于近 红外光线特性与超声波特性的显像方法需要依赖近红外光源和超声波发射器等 特定的外部设备，便携性欠佳。基于光学成像原理的显像方法则存在基于单像素 计算导致最后显像结果噪声偏大的问题。

发明内容

本发明针对现有技术中存在的问题，采用基于深度学习的手机端静脉显像方 法，是基于深度学习方法及手机端开源神经网络推理框架，该方法克服现有静脉 显像方法依赖特定外部设备，便携性欠佳及显像结果噪声大的问题。

本发明是这样实现的：

步骤一、静脉图像数据集处理；深度学习方法需要真实数据作为训练集用 以训练网络模型，对于原始采集得到的同帧可见光图像和近红外图像，需要对其 进行一定的预处理操作，包括以下内容：

1)对近红外图像进行限制对比度自适应直方图均衡化(CLAHE)，用以提 升近红外图像的对比度，使得图中的静脉信息得到加强；

2)对经过限制对比度自适应直方图均衡化处理后的近红外图像进行中值滤 波，去除前一步中因CLAHE引入的少量噪点；中值滤波器以滤波器包围的图像 区域中所包含的像素灰度级的中值来代替中心像素的值，如公式(1)所示：

其中为计算得出的该区域像素灰度级的中值，S_xy为滤波器包围的图 像区域，g(m，n)为滤波器区域内的像素值；