本發(fā)明涉及醫(yī)療器械，特別涉及高精度自動靜脈采血系統(tǒng)及方法。

背景技術(shù)：

1、目前，高精度自動靜脈采血系統(tǒng)及方法是一種融合了先進的傳感技術(shù)、圖像識別技術(shù)和自動化控制技術(shù)，旨在實現(xiàn)高效、準(zhǔn)確且安全的靜脈采血操作的手段。該系統(tǒng)及方法通常會配備高精度的傳感器，用于探測血管的位置、深度和直徑等信息，同時利用先進的圖像識別算法，對采集到的血管圖像進行精準(zhǔn)分析，從而確定最佳的采血點。采血過程由自動化的機械裝置完成，能夠精確控制采血針的刺入深度和角度，確保采血的順利進行。

2、但是，在實際應(yīng)用中，由于人體生理結(jié)構(gòu)存在較大的個體差異，如肥胖程度、血管走向的變異等，以及在不同疾病狀態(tài)下血管條件的復(fù)雜性，例如血管硬化、炎癥反應(yīng)等，使得準(zhǔn)確識別合適的靜脈位置面臨較大困難。以往在選擇穿刺血管區(qū)域時，主要依靠醫(yī)護人員的經(jīng)驗和主觀判斷，容易出現(xiàn)選擇不準(zhǔn)確、不科學(xué)的缺陷。或者依靠粗略估計或固定模式來確定進針點和穿刺角度，造成穿刺風(fēng)險高、效果不佳的狀況。而穿刺血管區(qū)域選擇不科學(xué)和進針點和穿刺角度確定不準(zhǔn)確等缺陷都會導(dǎo)致采血結(jié)果的不準(zhǔn)確，極大影響患者的就醫(yī)體驗。

3、因此，本發(fā)明提出高精度自動靜脈采血系統(tǒng)及方法。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供高精度自動靜脈采血系統(tǒng)及方法，用以利用穿刺決策模型在紅外血管圖像中確定最佳穿刺血管數(shù)據(jù)集，提升了穿刺血管選擇的科學(xué)性和準(zhǔn)確性。通過相機坐標(biāo)系下的最佳穿刺血管坐標(biāo)引導(dǎo)超聲探頭成像獲得動態(tài)超聲數(shù)據(jù)，為后續(xù)分析提供了更詳盡且精準(zhǔn)的皮下血管分布信息。采用自適應(yīng)閾值分割方法構(gòu)建時序血管roi候選集，突出了血管特征，便于后續(xù)處理。對潛在血管形態(tài)分布數(shù)據(jù)集進行分析確定最終進針點和穿刺角度，保障了穿刺的安全性和有效性。實現(xiàn)了對穿刺采血的精準(zhǔn)控制，提高了采血的成功率和質(zhì)量，也改善了患者的就醫(yī)體驗。

2、本發(fā)明提供一種高精度自動靜脈采血系統(tǒng)，包括：

3、最佳穿刺血管決策模塊，用于基于穿刺決策模型，在紅外血管圖像中確定出最佳穿刺血管數(shù)據(jù)集；

4、動態(tài)超聲數(shù)據(jù)獲取模塊，用于基于最佳穿刺血管數(shù)據(jù)集確定出相機坐標(biāo)系下的最佳穿刺血管坐標(biāo)，基于相機坐標(biāo)系下的最佳穿刺血管坐標(biāo)引導(dǎo)機械臂上的超聲探頭進行皮膚貼合超聲成像，獲得最佳穿刺區(qū)域的動態(tài)超聲數(shù)據(jù)；

5、超聲血管數(shù)據(jù)獲取模塊，用于基于自適應(yīng)閾值分割方法，對動態(tài)超聲數(shù)據(jù)中的血管信號進行增強及roi提取，構(gòu)建出時序血管roi候選集；

6、超聲血管數(shù)據(jù)分析模塊，用于在時序血管roi候選集中提取出所有潛在血管形態(tài)分布數(shù)據(jù)集，并對所有潛在血管形態(tài)分布數(shù)據(jù)集進行穿刺優(yōu)選度和可信度分析，確定出最終進針點和最終穿刺角度；

7、靜脈采血穿刺控制模塊，用于控制穿刺針以最終穿刺角度在最終穿刺位置進行穿刺采血，獲得采血控制結(jié)果。

8、優(yōu)選的，最佳穿刺血管決策模塊，包括：

9、紅外血管圖像提取子模塊，用于在目標(biāo)靜脈采血部位的高分辨率紅外圖像中提取出紅外血管圖像，并在紅外血管圖像中識別出多個候選穿刺血管區(qū)域數(shù)據(jù)集；

10、最佳穿刺血管決策子模塊，用于基于穿刺決策模型，在所有候選穿刺血管區(qū)域數(shù)據(jù)集中篩選出最佳穿刺血管數(shù)據(jù)集。

11、優(yōu)選的，紅外血管圖像提取子模塊，包括：

12、靜脈紅外成像單元，用于對目標(biāo)靜脈采血部位進行紅外成像，獲得目標(biāo)靜脈采血部位的高分辨率紅外圖像；

13、血管圖像提取單元，用于在目標(biāo)靜脈采血部位的高分辨率紅外圖像中提取出紅外血管圖像；

14、血管圖像增強單元，用于對紅外血管圖像進行圖像增強，獲得增強血管圖像；

15、候選穿刺區(qū)域提取單元，用于利用基于形態(tài)學(xué)的醫(yī)學(xué)圖像分割方法分割紅外血管圖像，獲得多個候選穿刺血管區(qū)域數(shù)據(jù)集。

16、優(yōu)選的，動態(tài)超聲數(shù)據(jù)獲取模塊，包括：

17、雙相機位姿轉(zhuǎn)換子模塊，用于通過深度成像及紅外-深度圖像對齊，生成最佳穿刺血管數(shù)據(jù)集中的最佳穿刺血管的三維坐標(biāo)，基于最佳穿刺血管的三維坐標(biāo)確定出相機坐標(biāo)系下的最佳穿刺血管坐標(biāo)；

18、皮膚貼合超聲成像子模塊，用于基于相機坐標(biāo)系下的最佳穿刺血管坐標(biāo)引導(dǎo)機械臂上的超聲探頭連續(xù)捕捉多幀最佳穿刺區(qū)域的有效貼合超聲圖像，獲得最佳穿刺區(qū)域的動態(tài)超聲數(shù)據(jù)。

19、優(yōu)選的，皮膚貼合超聲成像子模塊，包括：

20、信噪比評估單元，用于基于相機坐標(biāo)系下的最佳穿刺血管坐標(biāo)引導(dǎo)機械臂上的超聲探頭連續(xù)捕捉多幀最佳穿刺區(qū)域的超聲圖像，并評估出每幀超聲圖像的信噪比；

21、超聲圖像劃分單元，用于基于特征識別算法識別出每幀超聲圖像中的所有有效貼合區(qū)域和所有無效貼合區(qū)域；

22、成像質(zhì)量評分單元，用于將每幀超聲圖像的信噪比、所有有效貼合區(qū)域、所有無效貼合區(qū)域輸入至成像質(zhì)量評分模型，獲得每幀超聲圖像的成像質(zhì)量評分值；

23、動態(tài)超聲數(shù)據(jù)獲取單元，用于基于所有幀超聲圖像的成像質(zhì)量評分值，獲得最佳穿刺區(qū)域的動態(tài)超聲數(shù)據(jù)。

24、優(yōu)選的，動態(tài)超聲數(shù)據(jù)獲取單元，包括：

25、第一次判斷子單元，用于判斷出每幀超聲圖像的成像質(zhì)量評分值是否達到評分預(yù)期值，若是，則將對應(yīng)幀超聲圖像當(dāng)作對應(yīng)捕捉位置的有效貼合超聲圖像，否則，基于對應(yīng)幀超聲圖像中的所有有效貼合區(qū)域的分布位置和所有無效貼合區(qū)域的分布位置確定出超聲探頭向?qū)?yīng)捕捉位置的位姿調(diào)整路徑；

26、第二次判斷子單元，用于基于超聲探頭向?qū)?yīng)捕捉位置的位姿調(diào)整路徑，在對應(yīng)捕捉位置重新捕捉超聲圖像，直至最新捕捉的超聲圖像的成像質(zhì)量評分值達到評分預(yù)期值時，則將最新捕捉的超聲圖像當(dāng)作對應(yīng)捕捉位置的有效貼合超聲圖像；

27、動態(tài)超聲數(shù)據(jù)擬合子單元，用于按照原始捕捉路徑中的所有捕捉位置的途徑順序，對所有捕捉位置的有效貼合超聲圖像進行排序，獲得最佳穿刺區(qū)域的動態(tài)超聲數(shù)據(jù)。

28、優(yōu)選的，第一次判斷子單元，包括：

29、評分值比較端，用于判斷出每幀超聲圖像的成像質(zhì)量評分值是否達到評分預(yù)期值；

30、第一輸出端，用于當(dāng)每幀超聲圖像的成像質(zhì)量評分值達到評分預(yù)期值時，則將對應(yīng)幀超聲圖像當(dāng)作對應(yīng)捕捉位置的有效貼合超聲圖像；

31、圖像分析端，用于當(dāng)每幀超聲圖像的成像質(zhì)量評分值未達到評分預(yù)期值時，則確定出對應(yīng)幀超聲圖像中的所有有效貼合區(qū)域的物理中心位置和所有無效貼合區(qū)域的物理中心位置；

32、調(diào)整向量確定端，用于確定出從對應(yīng)幀超聲圖像中的所有有效貼合區(qū)域的物理中心位置指向所有無效貼合區(qū)域的物理中心位置的第一二維調(diào)整向量，同時，確定出從對應(yīng)超聲圖像的物理中心位置指向?qū)?yīng)幀超聲圖像中的所有有效貼合區(qū)域的物理中心位置的第二二維調(diào)整向量，同時，確定出從對應(yīng)幀超聲圖像中的所有無效貼合區(qū)域的物理中心位置指向?qū)?yīng)超聲圖像的物理中心位置的第三二維調(diào)整向量；

33、調(diào)整路徑生成端，用于基于對應(yīng)幀超聲圖像的第一二維調(diào)整向量、第二二維調(diào)整向量、第三二維調(diào)整向量，生成超聲探頭向?qū)?yīng)捕捉位置的位姿調(diào)整路徑。

34、優(yōu)選的，超聲血管數(shù)據(jù)分析模塊，包括：

35、血管定位及形態(tài)擬合子模塊，用于基于特征提取方法在時序血管roi候選集中進行血管信號粗定位及形態(tài)擬合，獲得所有潛在血管形態(tài)分布數(shù)據(jù)集；

36、血管可信度分析子模塊，用于對所有潛在血管形態(tài)分布數(shù)據(jù)集進行穿刺優(yōu)選度及可信度分析，獲得最終進針點和對應(yīng)的局部考察區(qū)域的血管形態(tài)數(shù)據(jù)；

37、最終進針策略決策子模塊，用于基于最終進針點對應(yīng)的局部考察區(qū)域的最終血管形態(tài)數(shù)據(jù)，確定出最終穿刺角度。

38、優(yōu)選的，血管可信度分析子模塊，包括：

39、血管形態(tài)分布數(shù)據(jù)獲取單元，用于在最佳穿刺區(qū)域中確定出所有候選血管穿刺位置，在所有潛在血管形態(tài)分布數(shù)據(jù)集中確定出每個候選血管穿刺位置的局部考察區(qū)域的所有血管形態(tài)分布數(shù)據(jù)；

40、穿刺優(yōu)選度評估單元，用于基于所有候選血管穿刺位置的局部考察區(qū)域的所有血管形態(tài)分布數(shù)據(jù)，評估出每個候選血管穿刺位置的穿刺優(yōu)選度；

41、聚類分析計算單元，用于將每個候選血管穿刺位置的局部考察區(qū)域的所有血管形態(tài)分布數(shù)據(jù)當(dāng)作一個聚類簇，并計算出每個聚類簇的血管形態(tài)分布數(shù)據(jù)的可信度；

42、最終決策優(yōu)選度計算單元，用于基于每個候選血管穿刺位置的穿刺優(yōu)選度和對應(yīng)聚類簇的血管形態(tài)分布數(shù)據(jù)的可信度，計算出每個候選血管穿刺位置的穿刺最終決策優(yōu)選度；

43、穿刺位置最終決策單元，用于將所有候選血管穿刺位置中，最大穿刺最終決策優(yōu)選度的候選血管穿刺位置當(dāng)作最終進針點，并基于最大穿刺最終決策優(yōu)選度的候選血管穿刺位置的局部考察區(qū)域的所有血管形態(tài)分布數(shù)據(jù)，確定出對應(yīng)的局部考察區(qū)域的最終血管形態(tài)分布數(shù)據(jù)。

44、本發(fā)明提供一種高精度自動靜脈采血方法，應(yīng)用于以上任一種高精度自動靜脈采血系統(tǒng)，包括：

45、s1：基于穿刺決策模型，在紅外血管圖像中確定出最佳穿刺血管數(shù)據(jù)集；

46、s2：基于最佳穿刺血管數(shù)據(jù)集確定出相機坐標(biāo)系下的最佳穿刺血管坐標(biāo)，基于相機坐標(biāo)系下的最佳穿刺血管坐標(biāo)引導(dǎo)機械臂上的超聲探頭進行皮膚貼合超聲成像，獲得最佳穿刺區(qū)域的動態(tài)超聲數(shù)據(jù)；

47、s3：基于自適應(yīng)閾值分割方法，對動態(tài)超聲數(shù)據(jù)中的血管信號進行增強及roi提取，構(gòu)建出時序血管roi候選集；

48、s4：在時序血管roi候選集中提取出所有潛在血管形態(tài)分布數(shù)據(jù)集，并對所有潛在血管形態(tài)分布數(shù)據(jù)集進行穿刺優(yōu)選度和可信度分析，確定出最終進針點和最終穿刺角度；

49、s5：控制穿刺針以最終穿刺角度在最終穿刺位置進行穿刺采血，獲得采血控制結(jié)果。

50、本發(fā)明相對于現(xiàn)有技術(shù)產(chǎn)生的有益效果為：利用穿刺決策模型在紅外血管圖像中確定最佳穿刺血管數(shù)據(jù)集，提升了穿刺血管選擇的科學(xué)性和準(zhǔn)確性。通過相機坐標(biāo)系下的最佳穿刺血管坐標(biāo)引導(dǎo)超聲探頭成像獲得動態(tài)超聲數(shù)據(jù)，為后續(xù)分析提供了更詳盡且精準(zhǔn)的皮下血管分布信息。采用自適應(yīng)閾值分割方法構(gòu)建時序血管roi候選集，突出了血管特征，便于后續(xù)處理。對潛在血管形態(tài)分布數(shù)據(jù)集進行分析確定最終進針點和穿刺角度，保障了穿刺的安全性和有效性。實現(xiàn)了對穿刺采血的精準(zhǔn)控制，提高了采血的成功率和質(zhì)量，也改善了患者的就醫(yī)體驗。

51、本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在本技術(shù)文件中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。

52、下面通過附圖和實施例，對本發(fā)明的技術(shù)方案做進一步的詳細描述。