题名 | 面向中医机器人的手部穴位识别与定位方法研究 |
作者 | 孙玲瑶 |
答辩日期 | 2021-05-25 |
文献子类 | 硕士 |
授予单位 | 中国科学院自动化研究所 |
授予地点 | 中国科学院自动化研究所 |
导师 | 赵晓光 |
关键词 | 中医机器人 穴位识别 穴位定位 卷积神经网络 关键点检测 |
学位名称 | 工程硕士 |
学位专业 | 控制工程 |
英文摘要 | 中医作为我国具有原创优势的医疗卫生资源,在我国的经济社会发展、民生保障与改善问题上发挥着重大作用。其中,包含针灸、艾灸及穴位按摩在内的中医穴位疗法,因不良反应与副作用较小,常常作为国内患者优先选择的治疗方案。然而,在风湿性疾病多发的秋冬季节,需要接受穴位疗法的患者增多,在超负荷工作的情况下,医师的劳累程度会直接影响到患者的疗效。此外,穴位疗法治疗效果的好坏,除了与辩证、治法、选穴、手法等因素有关之外,还与所找穴位位置的正确与否有着极大的关系。因此,研究能够自动进行穴位识别及定位的机器人,成为了实现智能化穴位治疗的前提,具有十分重要的现实意义。本文将计算机视觉和深度学习技术应用到穴位识别任务领域当中,研究端到端的穴位识别算法,并基于ROS机器人平台完成了结合机械臂的穴位三维定位,为中医机器人的发展提供了一定的理论基础和实验验证。本文的主要工作如下: (1)适用于穴位识别的基础卷积神经网络模型的分析研究 本文针对穴位识别基础网络模型选择的问题做出了分析研究。首先,参照人体关键点检测领域COCO数据集的格式,结合传统中医腧穴定位方法,标注并构建了一个手部穴位数据集,为后续模型的训练与实验验证提供了基础。然后,参照人体关键点检测领域中PCK指标的评价方式,设计了穴位识别量化评价标准,为本文的对比实验提供了评价依据。随后,在所建立的穴位识别数据集上,对CPM、SHN和HRNet三个深度卷积神经网络进行了对比实验,并使用穴位识别量化标准进行评估,最终根据实验结果选择HRNet作为进行穴位识别任务的基础网络模型,为后续穴位识别算法的研究提供基础。 (2)基于改进HRNet的手部穴位识别算法研究 本文在HRNet网络模型的基础上,面向穴位识别任务需求,从实际场景出发,做出了针对性改进。分别针对网络、数据和损失函数三个方面做出改进。首先,在网络方面,提出了基于级联方式的的网络框架改进,通过级联手部检测框来提高输入图像的分辨率以提高检测精度。然后,在数据方面,在穴位点热力图生成部分引入了基于offset的无偏编码解码方法,以消除穴位点坐标编解码过程中的统计误差。随后,在损失函数方面,引入了Soft-OHKM方法,对不同穴位点回传的损失函数进行加权,对损失函数值更大的点给予更大的梯度回传,以更好地对模型拟合进行修正。最后,在所建立的穴位识别数据集上进行了实验,实验结果验证了穴位识别算法的有效性。 (3)基于ROS的中医穴位识别与定位机器人系统 本文将基于改进HRNet的穴位识别算法在ROS机器人平台上进行了系统性实现,完成了中医穴位识别与定位机器人系统的软件设计,搭建了系统化实验平台,结合Kinect深度相机和Kinova 7自由度机械臂,在系统中实现了穴位的识别与三维定位,并控制机械臂到达穴位点处,对穴位点的位置作出指示。该系统模拟了中医机器人进行针灸、艾灸或穴位按摩之前的自动找穴过程,为中医智能机器人的后续研发提供了有力的研究基础。 |
语种 | 中文 |
页码 | 93 |
内容类型 | 学位论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/45010] |
专题 | 自动化研究所_复杂系统管理与控制国家重点实验室_先进机器人控制团队 |
推荐引用方式 GB/T 7714 | 孙玲瑶. 面向中医机器人的手部穴位识别与定位方法研究[D]. 中国科学院自动化研究所. 中国科学院自动化研究所. 2021. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论