公开(公告)号：CN116168077A

公开(公告)日：2023-05-26

申请号：CN202211381043.X

申请日：2022-11-06

申请人： 复旦大学

发明人： 路红 ,  罗静静 ,  杨博弘 ,  孟凯 ,  祝兴

IPC分类号： G06T7/73 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

摘要： 本发明属于计算机图像处理技术领域，具体为基于近红外摄像与深度学习的人手腕脉口位置精准定位方法。本发明的基本步骤为：基于现有的脉口数据集，以标注坐标为中心生成二维高斯分布，作为本全卷积热度图网络模型的监督信息。网络模型由特征金字塔网络组成，包括编码和解码两个部分，编码部分提取特征自上而下尺度逐渐变小，通道数逐渐增加。解码部分，特征自下而上尺度逐渐变大，通道数逐渐增加,最后的输出通过卷积层和激活层输出当前尺度下每个坐标点是关键点的概率,通过关键点位置拟合方法获取到预测的坐标，得到泛化能力较强的深度学习脉口定位网络模型。最后将拍摄到的手部图像作为预先训练好的深度学习脉口定位网络模型的输入，预测得到手腕脉口在图像上的位置。

公开(公告)号：CN114298978A

公开(公告)日：2022-04-08

申请号：CN202111493641.1

申请日：2021-12-08

申请人： 复旦大学

发明人： 路红 ,  罗静静 ,  杨博弘 ,  孟凯 ,  聂鑫垚 ,  黄冠豪 ,  祝兴

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明属于计算机图像处理技术领域，具体为基于近红外摄像与深度学习的人手腕脉口位置精准定位方法。本发明的基本步骤为：首先通过近红外相机对多人进行手部图像采样，由专业医生进行脉口位置的标记，作为深度学习脉口定位网络模型的训练数据；然后构建深度学习网络模型，网络模型包括特征提取网络和回归网络，特征提取网络对训练集进行腕部轮廓纹理颜色等特征提取，将提取到的腕部特征通过回归网络进行脉口位置预测，得到泛化能力较强的深度学习脉口定位网络模型；最后将拍摄到的手部图像作为预先训练好的深度学习脉口定位网络模型的输入，预测得到手腕脉口在图像上的位置。本发明方法能以较高的精度找到人手腕的脉口位置，为机器人进行中医脉诊提供实时的视觉定位。