基于改进YOLO Nano的嵌入式手背静脉检测

摘要：

静脉穿刺作为最基本的医疗手段,仍然是医疗工作者面临的一大挑战.针对近红外图像提出一种静脉检测和定位方法.首先,设计基于近红外的可穿刺静脉定位嵌入式系统,采集43名实验对象左右手手背静脉图像,经预处理后建立了含325张手背静脉图像的数据库;其次,改进YOLO Nano算法,通过裁剪网络结构减小模型大小,并缩减输出尺度适应检测目标的尺寸,同时引人空间金字塔结构以提升模型的特征表达能力和计算能力,最终达到更高检测准确率.按7∶3的比例将数据库划分为训练集和测试集并进行标注和数据扩充,并在嵌入式设备上进行了测试.结果表明,改进的YOLO Nano模型参数量减小了 15％,平均精确度由91.68％提升至93.23％,检测时间缩短为529 ms,较YOLO Nano减少了 22％,在检测速度和准确率上均优于原版YOLO Nano,实现了穿刺静脉的快速准确检测与定位.

关键词：静脉检测、近红外成像、YOLO Nano、深度学习

所属期刊栏目：41

分类号：R318(医用一般科学)

资助基金：重庆市自然科学基金;重庆市研究生科研创新项目

在线出版日期：2023-03-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：691-698