(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210011181.2 (22)申请日 2022.01.06 (65)同一申请的已公布的文献号 申请公布号 CN 114041758 A (43)申请公布日 2022.02.15 (73)专利权人 季华实验室 地址 528200 广东省佛山市南海区桂城街 道环岛南路28号 (72)发明人 黄羽霖　季仲致　罗静静　杨嘉成　 祝兴　 (74)专利代理 机构 佛山市海融科创知识产权代 理事务所(普通 合伙) 44377 代理人 陈志超 (51)Int.Cl. A61B 5/00(2006.01) A61B 5/02(2006.01)G06T 7/00(2017.01) G06T 7/73(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 113303771 A,2021.08.27 CN 106780569 A,2017.0 5.31 CN 106682607 A,2017.0 5.17 US 6580835 B1,2003.06.17 CN 112396565 A,2021.02.23 CN 108829232 A,2018.1 1.16 CN 105595971 A,2016.0 5.25 审查员 胡新芬 (54)发明名称 桡动脉触诊定位方法、 装置、 电子设备和存 储介质 (57)摘要 本申请属于中医脉诊技术领域， 公开了一种 桡动脉触诊定位方法、 装置、 电子设备和存储介 质， 通过获取被测者手腕的近红外视频信息； 对 所述近红外视频信息的各帧图像进行绿色信道 图像的提取， 得到单通道视频数据； 对所述单通 道视频数据进行像素值归一化处理， 得到待检测 视频数据； 把所述待检测视频数据输入到预先训 练好的三维卷积神经网络模型， 得到所述被测者 的桡动脉坐标； 由于被测者心室的收缩和舒张会 产生有节 奏的循环变化， 这一变化会进一步导致 手腕桡动脉处产生明显的周期跳动信号， 通过三 维卷积神经网络模型可对手腕的视频数据进行 时间和空间特征的提取， 以完成视频数据到空间 坐标的映射， 从而可实现无接触的对桡动脉的精 准定位。 权利要求书3页 说明书13页 附图4页 CN 114041758 B 2022.05.03 CN 114041758 B 1.一种桡动脉触诊定位方法， 用于对被测者手腕处的桡动脉位置进行定位， 其特征在 于， 包括步骤： A1.获取被测者手腕在静止时的近红外 视频信息； A2.对所述近红外视频信息的各帧图像进行绿色信道图像的提取， 得到单通道视频数 据； A3.对所述单通道视频 数据进行像素值归一 化处理， 得到待检测视频 数据； A4.把所述待检测视频数据输入到预先训练好的三维卷积神经网络模型， 得到所述被 测者的桡动脉坐标； 所述三维卷积神经网络模型通过以下步骤训练得到： B1.采集多个不同受试者的手腕的近红外视频数据样本； 其中， 针对每个所述受试者采 集多个所述近红外 视频数据样本； B2.对所述近红外视频数据样本进行预处理后， 按4： 1： 1划分成训练集、 测试集和验证 集； B3.基于预设的超参数， 使用所述训练集对所述 三维卷积神经网络模型进行训练； B4.使用所述测试集对训练好的所述 三维卷积神经网络模型进行交叉验证及评估； B5.多次调整超参数， 每次调节后通过所述验证集对所述三维卷积神经网络模型进行 验证， 以获取最优的三维卷积神经网络模型； 步骤B2包括： 对所述近红外视频数据样本的各帧图像进行绿色信道图像的提取， 得到单通道视频数 据样本； 对所述单通道视频数据样本中的桡动脉位置进行标定； 对标定后的所述单通道视 频数据样本进行像素值归一 化处理； 所述对所述单通道视频 数据样本中的桡动脉位置进行 标定的步骤 包括： 获取单通道视频数据样本 中由人工标定后的各第 一图像中的标定位置的坐标数据； 其 中， 各第一图像是 该单通道视频 数据样本中的在时序上等间隔分布的帧图像； 根据各第一图像中的标定位置的坐标数据拟合标定位置的横坐标随图像的排序序号 变化的第一曲线， 并拟合标定位置的纵坐标随图像排序 序号变化的第二曲线； 根据各第二图像的排序序号和第 一曲线获取各第 二图像的待标定位置的横坐标数据， 并根据各第二图像的排序序号和 第二曲线获取各第二图像的待标定位置的纵坐标数据； 该 第二图像为该 单通道视频 数据样本中的除第一图像外的帧图像； 根据各第二图像的待标定位置的横坐标数据和待标定位置的纵坐标数据， 在各第 二图 像的对应位置进行 标定。 2.根据权利要求1所述的桡动脉触诊定位方法， 其特 征在于， 步骤A1包括： 获取以预设帧率采集的预设时长的所述近红外视频信息； 所述预设帧率为28  fps  ‑32  fps， 所述预设时长为 4s‑6s。 3.根据权利要求1所述的桡动脉触诊定位方法， 其特 征在于， 步骤A3包括： 根据以下公式对所述单通道视频 数据的各帧图像进行像素值归一 化处理： ；权　利　要　求　书 1/3 页 2 CN 114041758 B 2其中， 为所述帧图像中的第 i个像素点的归一化处理后的像素值， 所述帧图像中 的第i个像素点的归一化处理前的像素值， 为所述帧图像的归一化处理前的最小 像素值， 为所述帧图像的归一 化处理前的最大像素值。 4.根据权利要求1所述的桡动脉触诊定位方法， 其特征在于， 所述近红外视频信 息的分 辨率为2048*108 8； 所述三维卷积神经网络模型包括依次连接的输入层、 第 一卷积层、 第 一池化层、 第二卷 积层、 第二池化层、 第三卷积层、 第三池化层、 第一全连接层、 第二全连接层和输出层； 所述第一卷积层、 所述第二卷积层和所述第三卷积层的卷积核均为大小均为15*3*3的 三维卷积核， 且卷积处理时的窗口移动步长均为1， 所述第一卷积层的卷积核个数为32， 所 述第二卷积层的卷积核个数为16， 所述第三卷积层的卷积核个数为8； 所述第一池化层、 所述第二池化层和所述第三池化层的池化方法均为2*2*2的最大池 化方法， 且 池化处理时的窗口移动步长均为2； 所述第一全连接层和所述第二全连接层均为 linear层。 5.根据权利要求1所述的桡动脉触诊定位方法， 其特 征在于， 所述预设的超参数包括： 批次大小， 所述批次大小为8或16； 动量参数， 所述动量 参数为0.95； 学习率， 所述学习率 为动态学习率， 其初始值 为0.001； 迭代次数， 所述迭代次数为10 0。 6.一种桡动脉触诊定位装置， 用于对被测者手腕处的桡动脉位置进行定位， 其特征在 于， 包括： 第一获取模块， 用于获取被测者手腕在静止时的近红外 视频信息； 第一提取模块， 用于对所述近红外视频信息的各帧图像进行绿色信道图像的提取， 得 到单通道视频 数据； 归一化处理模块， 用于对所述单通道视频数据进行像素值归一化处理， 得到待检测视 频数据； 定位模块， 用于把所述待检测视频数据输入到预先训练好的三维卷积神经网络模型， 得到所述被测者的桡动脉坐标； 所述三维卷积神经网络模型通过以下步骤训练得到： B1.采集多个不同受试者的手腕的近红外视频数据样本； 其中， 针对每个所述受试者采 集多个所述近红外 视频数据样本； B2.对所述近红外视频数据样本进行预处理后， 按4： 1： 1划分成训练集、 测试集和验证 集； B3.基于预设的超参数， 使用所述训练集对所述 三维卷积神经网络模型进行训练； B4.使用所述测试集对训练好的所述 三维卷积神经网络模型进行交叉验证及评估； B5.多次调整超参数， 每次调节后通过所述验证集对所述三维卷积神经网络模型进行 验证， 以获取最优的三维卷积神经网络模型； 步骤B2包括： 对所述近红外视频数据样本的各帧图像进行绿色信道图像的提取， 得到单通道视频数权　利　要　求　书 2/3 页 3 CN 114041758 B 3