一种基于高光谱图像重建的无创血红蛋白检测方法

1.本发明属于人体健康检测技术领域，涉及图像处理、深度学习等光学技术检测领域，尤其是涉及一种无创检测血红蛋白浓度的方法。


背景技术：

2.血红蛋白(hemoglobin)是人体血液的重要组成成分之一，其含量是临床诊断贫血症及其他血液疾病的重要依据。根据世界卫生组织统计，当前全球25％的人口患有不同程度的贫血，其中孕妇贫血高达42％，未怀孕妇女贫血达30％，学龄前儿童贫血和青少年贫血分别为47％和12.7％。这些数据显示贫血已成为一个全球性问题，不仅危害着人们的生命健康，也给社会和家庭带来了沉重的经济负担。因此血红蛋白浓度的频繁规律检测，对预防和治疗贫血具有重要意义。
3.目前临床常用的血红蛋白浓度检测方法仍为有创方法，如氰化高铁法、叠氮高铁法等。这类方法结果可靠，但会给受测者带来痛苦，还存在伤口感染的风险；且对于易出现贫血的孕妇、新生儿、资源贫乏地区的人群以及手术中需要实时地监测血红蛋白含量的患者来说，有创血红蛋白测量方式并不适用。此外，有创检测方法不适用于家庭或社区内的血红蛋白普查，阻碍了贫血症早期诊断及防治工作的开展。对于所述传统血红蛋白测量的局限性，无创测量方式具有显而易见的优势和应用价值。光学测量法主要利用传输光的强度、相位、偏振角以及靶区组织的吸收、散射系数等与血红蛋白浓度密切相关的信息，通过对捕获到的信息进行分析间接测得血红蛋白浓度。光学测量法以其快速、无创伤、信息多维化、实时检测等特点，成为了无创血红蛋白浓度检测的主要技术手段。目前主要的光学无创血红蛋白的检测方法主要包括光声光谱法、光电容积脉搏波法以及光谱分析法。光声光谱法实现血红蛋白浓度检测需要庞大的光声光谱系统，其系统设备昂贵，并不适合家庭血红蛋白浓度的实时监测，而基于光电容积脉搏波的无创血红蛋白测量方法主要用于对血红蛋白浓度的整体趋势预测，准确性有待进一步提高。面临此问题，本发明提出了一种新的无创检测血红蛋白浓度的方法，提供了一个有实用价值的技术方案，实现无创的血红蛋白浓度检测。
4.该方法基于高光谱图像重建的无创血红蛋白浓度检测方法的工作原理是利用血液中血红蛋白分子对光线的吸收和散射，通过可见光成像设备对皮肤区域进行成像，从获取的图像中选取感兴趣区域，将拍摄区域内rgb图像重建为高光谱图像并提取特征值，从而得到血红蛋白浓度值。


技术实现要素：

5.本发明提出了一种利用可见光成像设备，在led光源照明条件下快速无创的测量人体血红蛋白浓度的检测方法，被测对象首先进行被测皮肤rgb图像采集，重建为高光谱图像后进行特征提取，并通过校正模型预测血红蛋白浓度。此发明可以实现无创的血红蛋白检测，适合普通民众的日常血红蛋白检测，具有广阔的发展空间和应用前景，详见下文描
述：其检测方法是这样实现的：一种基于高光谱图像重建的无创血红蛋白检测方法，用于实现无创的人体血红蛋白浓度值的检测，其方法特征是：所述数据采集由普通ccd工业相机与高光谱相机及镜头完成；所述照明光源为白光led。该方法首先采集手指但不限手指的rgb图像与高光谱图像作为数据集训练深度学习网络，同时通过人体皮肤模拟生成血红蛋白特征提取模型，然后深度学习网络输出高光谱进行特征提取，特征值输入到血红蛋白校正模型中，即可得到被测对象的血红蛋白浓度值。
6.所述成像设备位于手指指尖30-40cm处，实现了血红蛋白浓度值的非侵入式测量，避免了有创测量引起的病人疼痛和感染的风险。
7.所述光源为led白光光源。
8.所述血红蛋白特征包括但不限于高光谱图像的多个通道的颜色信息，可以实现对高光谱图像特征的提取。
9.所述通用预测模型包括但不限于针对皮肤图像的多尺度混合域注意力机制网络预测模型与血红蛋白特征提取模型，预测模型利用大量的rgb图像和高光谱图像作为训练样本，特征提取模型由蒙罗卡络仿真模拟生成，通过交叉验证实现了模型的预测能力。
10.所述血糖检测方法包含以下步骤。
11.步骤1、采集数据集训练深度学习模型；
12.1)、启动白光发光led光源，将可见光发射到手指或皮肤其他部位。
13.2)、启动工业相机与高光谱相机，保证无其他光线射入影响成像设备采集数据。
14.3)、被测位置放置在光源与成像设备夹角的位置，保持静止10s，采集rgb图像。
15.4)、rgb图像输入到网络预测模型中，重建出多组高光谱图像。
16.步骤2、创建特征值提取模型；
17.1)、设计皮肤漫反射仿真实验。
18.2)、研究血红蛋白特征提取算法。
19.3)、进行血红蛋白特征提取模型性能评估。
20.步骤3、根据提取特征值进行血红蛋白浓度预测；
21.1)、建立血红蛋白浓度预测校正模型。
22.2)、血红蛋白特征输入到校正模型，预测出血红蛋白浓度。
23.较佳的，重建高光谱图像采用针对皮肤图像的多尺度混合域注意力机制网络预测型。
24.较佳的，血红蛋白提取模型采用蒙特卡洛模拟。
25.有益效果
26.1.本发明的一种基于高光谱图像重建的无创血红蛋白浓度检测方法不需要使用检测仪器与被检测对象接触，提高了舒适性，进而避免了由于接触刺激所产生的生理变化导致的检测误差。
27.2.本发明的一种基于高光谱图像重建的无创血红蛋白检测方法不需要针对个人进行校准，也不需要选择测量的时间，是一个通用的模型，实现了真正意义的对所有人的无创血糖的检测。
28.3.本发明的一种基于高光谱图像重建的无创血红蛋白检测方法只需要一个常规成像设备，对分辨率要求不高，无需额外设备，成本较低。
附图说明
29.图1是本发明所述的方法示意图。
30.图2是本发明所述基于高光谱图像重建的无创血红蛋白检测方法的流程图。
31.其中，1-成像设备，2-被测试对象，3-led光源。
具体实施方式
32.为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明提出的一种基于高光谱图像重建的无创血红蛋白检测方法作进一步详细说明。需要说明的是：附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的，附图所展示的结构是实际结构的一部分；本发明图像信号的获取部位不局限于人体面部，人体其他部位同样适用。本发明也不局限于正常人血红蛋白含量预测。本发明中所采用的高光谱图像重建算法不局限于某种算法。
33.本发明实施例以普通健康人作为受试者。
34.本实施例公开的一种基于高光谱图像重建的无创血红蛋白检测方法，图像采集示意图如图1所示，执行流程如附图2所示，具体内容如下。
35.步骤1，同时利用高光谱相机和普通工业相机分别采集同一光照区域下含有皮肤组织的高光谱图像和rgb图像训练模型。
36.步骤1-1，受试者静止坐在椅子上，启动白光led光源，确保可见光均匀的照射在手指或其他皮肤部位。
37.步骤1-2，启动工业相机与高光谱相机，将两相机对焦直至图像最清晰，同时进行白板校准，确保无其他光线影响手指及其他部位图像采集。
38.步骤1-3，手掌放于被测位置，与高光谱相机及工业相机保持30-40cm距离，保持静止10秒，采集rgb图像与高光谱图像。
39.步骤1-4，将采集到的rgb图像与高光谱图像作为训练集，作为多尺度混合域注意力机制网络预测模型的输入，其中重建过程的数学描述为：
40.r(u,v,λ)＝f(i
rgb
(u,v))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
41.式中i
rgb
(u,v)代表皮肤rgb图像，f(.)表示重建模型，r(u,v,λ)代表高光谱反射率图像。构建数据集的原始高光谱数据可以表示为：
42.ih(u,v,λi)＝i0(u,v,λi)r(u,v,λi)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
43.式中ih(u,ν,λi)代表高光谱数据图片，u、ν代表表图像上空间的不同像素位置，λi代表高光谱图像每个通道对应的波段；i0(u,ν,λi)代表原始高光谱图像拍摄时使用的探测光源，r(u,ν,λi)为皮肤的反射光谱。
44.步骤2通过人体皮肤漫反射实验创建血红蛋白特征提取模型；
45.步骤2-1，使用蒙特卡洛模拟法进行不同生理参数下光在皮肤组织中的传输进行模拟，得到对应的皮肤漫反射光谱，建立表皮层、真皮层以及皮下组织层组成的三层皮肤组织模型。使用该皮肤组织模型对外周血液变化下皮肤400nm-700nm漫反射光谱的进行模拟。
46.步骤2-2，通过使用一种典型的有监督降维算法算法建立血红蛋白特征提取模型，该任务的本质是对光谱数据进行低维空间的投影。
47.步骤2-3，使用支持向量回归算法进行仿真数据的血红蛋白浓度估计，并将回归模
型的准确度作为评价指标，对血红蛋白特征提取模型进行性能和适用范围的评估。
48.步骤3，选取roi区域输入到特征提取模型生成特征值，进行校正后预测出被测人体血红蛋白浓度。
49.步骤3-1，选取感兴趣区域时，为了去除相机探测时引入的噪声，取10
×
10的子像素区域进行均值作为空间上的一个特征向量，并依次选取相邻的20
×
20空间特征向量，每个向量由29元素组成。29元素分别对应了415nm到695nm，间隔为10nm的29个带宽内的反射率，将这些空间特征被输入至步骤2建立的特征提取模型中。
50.同时使用支持向量回归、随机森林回归两种方法进行校正模型的建立。三种评价指标的计算方法可以表示为：
[0051][0052][0053][0054]
式中，n代表数据集样本数；yi代表真值，代表模型的预测值。均方根误差rmse和平均绝对误差mae都是用于反应预测结果和真实结果之间的差异程度的一种度量方法，值越小代表性能越好。相对于mae，rmse受异常值的影响更大。r2的取值范围为(0，1)，当r2越接近1，代表模型的拟合度较好。
[0055]
步骤3-2，将血红蛋白特征输入到校正模型中，预测出血红蛋白浓度。
[0056]
综上所述，以上仅为本发明所提供的较佳实施例而已，并非用于限定本发明的保护范围。凡在发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。