申请/专利权人：中山大学附属第三医院

申请日：2024-02-06

公开（公告）日：2024-04-16

公开（公告）号：CN117883070A

主分类号：A61B5/107

分类号：A61B5/107;A61B5/00

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种采用ToF技术测量人体肢体周径的方法，其包括如下步骤：1.1使用ToF相机进行数据采集与预处理步骤；1.2训练四肢关节关键点识别步骤；1.3筛选待测周径位置处的点步骤；1.4计算人体四肢周径步骤。本发明具有测量方便，测量误差小等优点。

主权项：1.一种采用ToF技术测量人体肢体周径的方法，其特征在于，其包括如下步骤：1.1数据采集与预处理步骤：1.11使用ToF相机获取M帧人体四肢三维点云数据拍摄要求拍摄到人体四肢以及膝关节、肘关节区域，其中，表示实数空间，n表示点云中点的数量，每个点的坐标为三维笛卡尔坐标，上述M帧人体四肢三维点云数据包括采集上肢M1帧和下肢M2帧的三维点云数据，M＝M1+M2，M1、M2、M均为自然数，将上述M1帧的上肢三维点云数据的一部分与上述M2帧的下肢点云数据的一部分作为训练集，其余样本作为测试集；1.12根据预设要求标记四肢三维点云数据中四肢关节区域的点作为关节关键点，并以关节中心点为原点，朝四肢根部做一条向量后将向量单位化以得到向量d，对步骤1.1收集到的每帧四肢点云数据根据预设要求进行标记以得到点云二分类独热向量集合与四肢根部朝向向量集合其中，N表示采集到的四肢三维点云帧数，独热向量中[1,0]T,[0,1]T分别表示非关键点与关键点，T表示转置，即将行向量转置成列向量；1.2训练四肢关节关键点识别步骤1.21将步骤1.11所述的训练集作为训练样本，将步骤1.12得到的与训练样本相应的关节关键点集合与四肢根部朝向向量集合作为训练标签；1.22使用PointNet作为训练模型，输入步骤1.1所述的点云数据输出为关节关键点分类预测值即对每个点进行二分类，以及，四肢根部朝向向量预测结果1.23使用FocalLoss作为分类损失使用L1损失作为朝向预测损失其分别计算如下： 其中，ci和分别表示第i个分类标签和分类预测，α和β均为超参数，G表示关键点集合，表示关键点p处的预测朝向向量，d∈A表示真实朝向向量；设三维点云目标检测网络的总体损失函数为： 其中λ1和λ2分别表示分类损失与朝向损失的权重；1.24将训练集点云数据批量输入到PointNet模型中，并将真实关键点分类值和真实朝向向量作为损失函数的输入，使用Adam优化算法更新网络参数，直至步骤1.23的总体损失函数值收敛，停止训练，得到训练好PointNet模型；1.3筛选待测周径位置处的点步骤1.31对待测周径位置处的点，使用ToF相机根据步骤1.1的拍摄要求对准四肢前后侧分别收集四肢点云数据，然后输入四肢一侧点云数据m为点云中点的数量，使用步骤1.24训练好的PointNet模型预测关节关键点集合以及根部朝向向量集合计算关键点集合的平均坐标k以及根部朝向向量集合的平均向量j： 以k为原点，重新计算P中点的坐标：P′＝P-k,计算P′中的点在j方向上与k的距离： 其中，pi表示P′中的第i个点，设待测周径位置为关节点朝根部方向距离t处，设距离阈值为θ，初始输出点集对所有点按如下方式进行点筛选：S0＝S0∪pi,ifdi＜t+θanddi＞t-θ.1.32输入另一侧点云数据，重复上述步骤1.31的计算步骤，得到另一侧筛选出的点集S1；1.4计算人体四肢周径1.41对步骤1.31的初始输出点集S0中的点按照坐标大小进行排序，得到S′0，然后逐个计算S′0中相邻点的距离，并累加得到四肢一侧周径大小r0，计算如下： 按照步骤1.41的计算公式，输入步骤1.32的点集S1，得到四肢另一侧周径大小r1；1.42输出人体四肢周径大小r＝r0+r1即可。

全文数据：

权利要求：

百度查询： 中山大学附属第三医院 一种采用ToF技术测量人体肢体周径的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD