-
公开(公告)号:CN112242193B
公开(公告)日:2023-03-31
申请号:CN202011281045.2
申请日:2020-11-16
Applicant: 同济大学
IPC: G16H30/20 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于深度学习的自动血管穿刺方法,包括获取待穿刺部分的血管图片,进行灰度化处理后载入卷积神经网络模型中,获取血管图片中的背景、血管内可穿刺区域和血管内不可穿刺区域,根据血管内可穿刺区域进行血管穿刺;卷积神经网络模型包括依次连接的收缩路径、扩展路径和激活函数,收缩路径进行下采样;扩展路径进行上采样并与收缩路径中对应尺寸的图片拼接,扩展路径输出深度为3的图片;激活函数对扩展路径输出的图片的第三个维度进行三分类,并选取三分类结果中的最大值作为最终的输出。与现有技术相比,本发明通过图像三分类实现了对血管内可穿刺区域的识别,有利于实现自动血管穿刺,进一步避免护士与病人在扎针时的接触。
-
公开(公告)号:CN112242193A
公开(公告)日:2021-01-19
申请号:CN202011281045.2
申请日:2020-11-16
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度学习的自动血管穿刺方法,包括获取待穿刺部分的血管图片,进行灰度化处理后载入卷积神经网络模型中,获取血管图片中的背景、血管内可穿刺区域和血管内不可穿刺区域,根据血管内可穿刺区域进行血管穿刺;卷积神经网络模型包括依次连接的收缩路径、扩展路径和激活函数,收缩路径进行下采样;扩展路径进行上采样并与收缩路径中对应尺寸的图片拼接,扩展路径输出深度为3的图片;激活函数对扩展路径输出的图片的第三个维度进行三分类,并选取三分类结果中的最大值作为最终的输出。与现有技术相比,本发明通过图像三分类实现了对血管内可穿刺区域的识别,有利于实现自动血管穿刺,进一步避免护士与病人在扎针时的接触。
-