摘要
近年来，以腧穴为基础的智能康复诊疗设备研发越来越受到重视。其中腧穴的识别与定位高度依赖医生经验，成为基于腧穴的智能康复设备研发和推广的瓶颈。为解决上述问题，本文针对基于机器视觉的腧穴识别与定位技术进行了研究，为后续智能康复设备的研发奠定了基础。 (1)基于对传统中医理论知识的总结和分析，结合现代机器视觉、神经网络技术的特点，将人体腧穴分为视觉特征明显和视觉特征模糊两类，并结合各自特点分别提出特征点辅助定位方法和区域分割定位方法;采用Kinect深度相机、rokae7机械臂和治疗床等设备搭建实验平台，同时完成深度相机的标定、深度信息与像素坐标的配准以及像素坐标系与机械臂坐标系的映射。 (2)针对视觉特征明显的腧穴，本文提出特征点辅助定位方法实现该类腧穴的识别与定位。将人体划分为多个子图，并采用ResNet50_our分类网络模型进行分类，找到特征点所在的子图，再通过Canny轮廓检测算法、CPDA_our角点检测算法实现对特征点的自动识别与定位，最后结合传统中医指寸法中腧穴与特征点之间的位置关系得到该类腧穴的像素坐标。 (3)针对视觉特征模糊的腧穴，本文提出区域分割定位方法实现该类腧穴的识别与定位。选取大椎穴、天柱穴、臑俞穴、肩贞穴、关元俞穴和脊柱棘突作为关键腧穴并以此标定语义分割数据集，再采用SK-UNet语义分割网络模型对人体进行分割，依据分割结果与关键腧穴的位置关系得到该类腧穴的像素坐标。 (4)腧穴识别与定位验证实验。对37个常见腧穴进行了识别与定位，同时考虑到腧穴定位缺乏统一评价指标，参考针灸、艾灸、按摩等施治手段在不同误差半径下对腧穴定位准确率的要求，以误差半径5mm、10mm、15mm、20mm作为腧穴定位准确率评价基准。腧穴像素坐标定位平均误差为4.68mm,在误差半径为5mm、10mm、15mm、20mm时定位准确率分别为59.80％、91.95％、96.35％、98.83％;通过机械臂定位的平均误差为4.89mm,在误差半径为5mm、10mm、15mm、20mm时准确率分别为55.10％、87.16％、92.06％、96.69％。实验结果表明本方案能够较好的完成腧穴识别与定位任务，满足后续智能康复治疗的需求。
NETL