手指静脉（精选6篇）
手指静脉 篇1
0 引言
研究结果表明,人体血管模式对每个人都是唯一的、随着年龄的变化很小,难于仿制,因而可以作为个人身份的认证依据[1]。在血管认证领域中,指静脉认证又因为它的图像易于获取和快速有效而得到更广泛的应用。实际应用中,拍摄的近红外手指静脉图像存在由手指肌肉的厚度变化引起的不规则阴影和噪声,因此血管静脉并非清晰可见。为满足用户使用方便和精度要求,整个处理识别过程必须高速、简单和有效。
目前已经有日本的富士通和日立公司将静脉认证技术广泛应用于各个领域。在我国,静脉识别技术目前处于起步与发展阶段,需要继续改善图像处理技术和识别算法,不断提高识别速度和准确度,本研究团队正是在这样的需求下,对指静脉认证系统的算法进行深入研究。目前对指静脉认证系统的算法研究主要分3类:图像预处理、静脉提取和静脉的匹配。Xiang Yu等[2]首先采用了局部门限法结合改进的线跟踪算法提取指静脉模式。Naoto Miura[3,4]采用了最大曲率法提取静脉模式,使用逐点交叉匹配法进行模板匹配。David Mulyono[5]使用了自适应阈值分割提取静脉,采用文献[3]和[4]的方法匹配,可得到100%的识别率,但要求静脉是清晰的。余成波[6]首先采用了图像灰度归一化算法消除灯光强度差异带来的影响,通过梯度阈值法进行二值分割,提取静脉的形状特征,利用Hausdorff距离判断匹配程度。余成波[7]同样是利用了最大曲率法的思想,从几个方向提取静脉点,但没给出匹配的结果。王科俊[8]提取了图像小波域特征进行匹配,但小波变换较费时,不利于提高处理速度。
归纳起来,这些研究中存在着如下问题:1)没有对手指位置进行校正或缺乏详细描述,但手指的位置对匹配的精度是致命的,必须校正归一化才有实用性;2)对静脉的分割只有两类:背景和静脉。但实际上二值的分割会引入较大误差,影响匹配精度;3)模板太大,导致匹配慢。为了解决第1)个问题,我们提出旋转校正的图像归一化算法,目的是使图像中手指的下边界接近水平,减少手指放置位置的不同带来的影响;针对第2)个问题,我们采用基于最大曲率模型的方向梯度检测,减少了计算曲率的运算量;将图像进行三值化处理,分为静脉、背景和模糊区。针对第3)个问题,将静脉模板进行两次压缩,将模板压缩为256个字节,在保证匹配精度的前提下进一步提高了处理效率。匹配时,考虑到与静脉提取的配套,采用了点对点的交叉匹配。实验结果表明,只要手指是平放的,没反转,可得到接近100%的识别率。
1 整个系统的流程
我们试制了一台红外静脉图像采集装置获取静脉图像,红外光源波长确定在850 nm,在这个波长拍摄的静脉图像较为清晰,同时添加了滤光片滤除其它波长的光带来的影响。整个系统的流程如图1。用来认证匹配的登记模板是用户登记时拍摄的图像经过与认证图像相同的处理后,形成大小为256字节的模板,存储在图像特征数据库。
2 图像预处理
2.1 检测手指边缘
我们采集到的静脉图像如图2(a),通过简单的边缘检测可得到手指的边缘。具体步骤如下:
1)图像平滑。为了减少噪声的影响,在检测边缘之前,我们采用8-邻域平均法对图像进行平滑。
2)边缘检测。边缘检测选择Sobel算子,检测后的图像如图2(b),手指边缘清晰可见。
3)二值化处理。采用阈值T=90(经验值),二值化后的图像如图2(c)。
4)采用首遇跟踪法提取手指边缘。从图2(c)可见,手指边缘以内的区域全是黑点,因此可从图像中间的黑点开始向上下两边寻找白点,当找到第一个白点后,便认为这就是手指的边界点。
2.2 旋转校正,图像归一化
1)直线拟合,计算手指斜率。得到手指边缘点后,我们采用在最小均方误差(Least Mean-square Error,LMS)的原则下对手指下边缘作直线拟合,得到下边缘直线的斜率k,通过查表的方法得到倾角的角度θ,而不必计算反三角函数,从而提高了算法的效率。
2)旋转校正。得到倾角θ后,以手指下边缘中点作为旋转中心,对图像进行旋转校正。目的在于使图像中手指的下边界接近水平,避免手指放置偏离水平方向带来的影响。旋转图像使用下式进行映射:
其中:xc、yc为旋转的中心点的坐标,x,y为原图像的像素坐标,X,Y为旋转后的坐标。旋转图像时使用双线性插值算法获取由于旋转校正而缺的像素点灰度。
3)屏蔽背景,图像归一化。
分别通过手指上边界中Y坐标最小的边界点和下边界中Y坐标最大的边界点作水平线,并以这两条水平线作分割线,屏蔽掉分割线之间以外的区域(用0填充),从而得到只有手指静脉的图像,如图2(d)。
这样就完成了图像的归一化,去掉了背景,并避免了因手指放置的位置偏移带来的影响。
3 基于最大曲率模型的梯度检测法提取静脉
由于手指区域的对比度不是很高,直接进行阈值分割显然不可取,考虑到静脉分布的特点,采用基于最大曲率模型的四方向梯度检测法提取静脉。
3.1 静脉提取
梯度检测模板T1、T2、T3、T4是根据最大曲率模型[7]的思想设计的,即采用算子T1、T2、T3、T4分别检测水平方向、垂直方向、45°方向、135°方向的梯度,根据梯度的分布决定静脉中心点,给予记分16,最后将四个方向的记分叠加,从而提取出静脉。各模板的维数是考虑了下一步的膨胀处理,根据实验结果优选出来的。与文献[4]提到的方法有所不同,在每一步的特征提取中,对曲率的计算进行了简化处理,同时加入另外的限定条件。
这里以水平方向的提取方法为例进行说明,其他方向的提取方法可以类推之。
1)模板运算。
使用T1模板对各行的每个像素点进行模板运算,记运算结果ci(i表示水平方向的第i个点)。如果ci>0表明在该行的x=i处存在一个凹位,而且ic的数值与该点处下凹的程度正相关;如果ci<0表明在该行的x=i处存在一个凸位,而且ci的数值与该点处上凸的程度正相关。即ci的正负决定着该点附近的灰度剖面的凹凸性。
2)寻找静脉的中心点。
如果存在这样的i、j(i,j>0),使得ic≤0,且对任意正整数n
3)给予静脉中心点及其4邻域记16分。
最后在四个方向处理完后,把每个点的分数叠加,并将叠加后的分数作为图像灰度,就得到静脉的分布图了,结果如图3(a)。注意在进行上述处理时,如果在同一行像素中检测出的两个静脉中心点的距离少于5,忽略掉后检出的,因为在5像素内同时有两条静脉的情况几乎不可能出现,而同时,也消除了部分噪声点的影响,也为接下来的膨胀做好必要的准备。
3.2 膨胀处理
提取得到静脉特征往往不连续,为了连接静脉点和增强图像对比度,采取如下方法进行膨胀增强:
这样大大增强了图像灰度,但同时也放大了噪声,但静脉纹路相当突出,以粗线呈现,灰度值几乎全是255,而大部分噪声的灰度值远不足255,效果图见图3(b)。由于这部分处理后得到的都是较粗的静脉特征曲线图像,所以如果前面检测出的静脉中心点距离太近,增强时将造成重叠,甚至会将静脉特征和噪声连成一块,造成无法挽回的失真。因此,在静脉提取中采取了较长的检测模板以保证静脉中心至少相隔一定距离。
4 创建模板
为最大限度地保留静脉特征信息,我们没有对前面得到的静脉图像作传统的细线化和二值化处理,因为对图像作二值化处理会丢失了似乎是静脉也可能是背景的模糊信息;细线化操作会丢失大量的图像信息。而且如果手指图像有一定变形,细线化后得到的图像往往会错开一定的距离,这给准确的模板匹配造成困难。因此本文直接使用前面膨胀后的图像创建模板,这样可以最大限度地保留静脉特征信息,且在匹配时,粗线段的静脉特征更容易找到吻合点,从而降低拒真率。
4.1 利用手指边界进行模板定位
在匹配时,感兴趣的区域只有手指内的静脉特征,因此须在创建模板前确定模板区域。利用前面得到的手指上下边界,可以把背景去掉。
4.2 缩小图像
缩小图像目的在于:(1)缩小模板所占用的存储空间;(2)减少匹配时的运算量。把模板缩小到64×32的大小,缩小后的图像如图4(a)。
4.3 三值化
对缩小后的图像按式(4)进行三值化处理,目的在于除了保留静脉、背景外,还保留模糊区,这种设置是与后面的匹配算法配套的。
阈值t1、t2是经验值,三值化后,背景灰度为0,静脉255,模糊区128,处理后的图像如图4所示。
从上述两组图像的对比容易发现,尽管受噪声影响较大,但同一手指的登记模板与测试模板的吻合度仍然很高,而不同的手指的模板仍然差别很大。
5 压缩模板
在图4的静脉模板中,静脉灰度是255,背景是0,还有压缩空间,我们对测试模板与登记模板做不同的处理:
1)测试模板:把灰度值为0的点用1 bit的0表示;255的点用1 bit的1表示,其余点记为0。
2)登记模板:与1)相反,把灰度值为0的点用1 bit的1表示;255的点用1 bit的0表示,其余点也记为0。这样设置是与后面的匹配算法配套的,因为匹配时是根据两模板位与运算的结果(即不匹配值)判断匹配程度,不匹配值越小,匹配程度越高,当测试模板的静脉与登记模板的静脉或模糊区进行匹配时,不匹配值为0。
这样就把图像大小压缩到原来的1/8,大小为256字节。
6 实验结果
实验中,采用了11个人的不同手指(大拇指和小指除外),每个手指采集了若干幅图像,采取1:1的匹配模式。在进行相同手指匹配实验时,共采用了47个相同手指在不同时间所拍摄的图像样本;在进行不同手指匹配实验时,共采用了91个不同手指在不同时间所拍摄的图像样本,进行匹配实验。所有的图像均在同样一个采集设备中采集,因为除了进出口外,设备基本上是封闭的,因此外界光线的影响很小。样本是随机拍摄的,只是要求手指尽可能没有反转,样本并没有经过筛选。
6.1 匹配
将测试模板与登记模板进行模板匹配实验。为了提高匹配成功率,具体步骤如下:
1)多次匹配测试。每次匹配前先把测试模板平移m或n,这样可以减小由手指前后、上下放置不同带来的影响。匹配时,两个模板执行位与操作,对所有结果不为0的位进行加权计数,所得结果记为S(m,n)。
记两个模板分别为M(x,y)、V(x,y),即做如下运算:
其中:m、n分别为水平、垂直方向的平移量(m为负表示向右平移,为正表示向左平移,最大值为12;n为负表示向上平移,为正表示向下平移,最大值为6),S(m,n)为不匹配计分,W(x,y)为加权系数,模板宽为w,高为h。权值W(x,y)的设置目的在于突出静脉区域,因为指静脉主要集中在手指中间部位,给予较大的权重,在边界部分出现静脉的可能性很小,相反很可能只是噪声点,因此加权系数较小。
2)取最小S(m,n)作为不匹配计分Sunmatch:
容易看出,Sunmatch的大小表明两个模板没有匹配的程度。在多次平移匹配后,选择最低的不匹配记分作为最终结果。
3)确定总加权分数Stotal,其大小表示静脉点加权总数,这样归一化能剔除静脉点数对匹配结果的影响。
4)匹配率的计算:
根据训练样本的分布确定一个阈值tm,如果Rm>tm,那么就认为模板匹配成功;否则,认为匹配失败。图5是相同手指的匹配率分布图,图6是不同手指的匹配率分布图。根据实验数据,把阈值定为70%,可见识别率接近100%。
从上可见,测试模板中的静脉如与登记模板的模糊区像素匹配,则认为它们是匹配的,这样大大降低了拒真率。如果是二值化,由于光源有微小变化可能导致错将静脉分割为背景,这样就导致不匹配,因此三值化的处理比二值化更有优势。比起其他的识别算法,本算法的模板保留了更多的原始信息,不过这当然也包括一些噪声。模板中原始信息保留较好有利于提高匹配的准确率,能在采集到的静脉图像质量不高的情况下有良好的表现,因此算法的鲁棒性很好。
6.2 响应时间
针对一个手指,创建模板最多需109 ms,验证识别小于1 ms,一次完整的验证小于110 ms,如表1。如果硬件条件有所不同所需时间也会有变化,测试环境是Intel Core2 6300 1.86G、2G DDR2 667内存。
本算法采用粗线段表示静脉特征而不是细线段,这样在匹配时更容易找到静脉的吻合点,从而降低了拒真率(False Rejection Rate,FRR)。实验证明,在手指图像有少量变形时(手指放置角度不同、挤压手指、环境亮度等造成的变形),对识别率的影响也很小,因此算法有较高的可靠性。
从表1可见,由于采用了压缩模板匹配,系统处理速度远远高于公开信息查到的别的指静脉认证系统。
本算法兼顾效率和准确性,在整个试验中,只要手指是平放的,可以得到接近100%的识别率。
7 结论
本文提出一整套具有鲁棒性的指静脉认证算法,在兼容处理速度和准确率的考量下,充分考虑了图像分割、特征提取和匹配的配套和兼顾,在图像预处理、图像校正归一、创建紧凑模板、交叉点对点匹配等方面提出了独到的算法或改进。实验结果表明,我们提出的一整套算法的匹配结果令人满意,只要手指是平放的,没有反转,可以得到接近100%的识别率,而且响应时间远远小于现有的算法。
我们下一步将研究手指存在反转时,如何提高识别率。
摘要：提出一整套手指静脉认证系统的图像处理和静脉模板匹配算法。算法采用Sobel算子结合首遇跟踪法检测手指边缘,然后采用最小均方误差原则拟合手指边缘并对图像进行旋转校正归一化;基于最大曲率模型的思想,采用四个方向梯度算子提取静脉;为降低拒真率和提高匹配速度,对静脉图像进行膨胀、三值化和两次压缩,建立包含静脉、背景和模糊区的紧凑型指静脉模板,并将测试模板与登记模板进行交叉点对点的匹配。实验结果表明,该算法兼顾了效率和准确性,只要手指没有反转,就可以得到接近100%的识别率,与传统匹配算法相比在速度和有效性方面都具有明显优势。
关键词：生物图像处理,指静脉识别,旋转校正,模板匹配,最大曲率模型
参考文献
[1]Kresimir Delac,Mislav Grgic.A Survey of Biometric Recognition Methods[C]//46th International Symposium Electronics in Marine,Zadar,Croatia,June16-18,2004:184-193.
[2]YU Xiang,YANG Wen-ming,LIAO Qing-min,et al.A Novel Finger Vein Pattern Extraction Approach for Near-Infrared Image[C]//2nd International Congress on Image and Signal Processing,2009.CISP'09,Beijing,China,Oct17-19,2009:1-5.
[3]Naoto Miura,Akio Nagasaka,Takafumi Miyatake.Feature Extraction of Finger Vein Patterns Based on Repeated Line Tracking and Its Application to Personal Identification[J].Machine Vision and Applications(S0932-8092),2004,15(4):194-203.
[4]Naoto Miura,Akio Nagasaka,Takafumi Miyatake.Extraction of Finger-Vein Patterns Using Maximum Curvature Points in Image Profiles[J].IEICE-Transactions on Information and Systems(S1745-1361),2007,E90-D(8):1185-1194.
[5]David Mulyono,Horng Shi Jinn.A Study of Finger Vein Biometric for Personal Identification[C]//International Symposium on Biometrics and Security Technologies,Istanbul,Turkey,April23-24,2008:1-8.
[6]YU Cheng-bo,QIN Hua-feng,CUI Yan-zhe,et al.Finger-Vein Image Recognition Combining Modified Hausdorff Distance with Minutiae Feature Matching[J].Interdiscip Sci Comput Life Sci(S1913-2751),2009,1:280-289.
[7]余成波,秦华锋.手指静脉图像特征提取算法的研究[J].计算机工程与应用,2008,44(24):175-177.YU Cheng-bo,QIN Hua-feng.Research on extracting human finger vein pattern characteristics[J].Computer Engineering and Applications,2008,44(24):175-177.
[8]王科俊,袁智.基于小波矩融合PCA变换的手指静脉识别[J].模式识别与人工智能,2007,20(5):692-697.WANG Ke-jun,YUAN Zhi.Finger Vein Recognition Based on Wavelet Moment Fused with PCA Transform[J].Pattern Recognition and Artificial Intelligence,2007,20(5):692-697.
手指静脉 篇2
手指静脉识别是一种新的生物识别技术,通过提取手指静脉图像中的静脉特征来实现身份认证,具有活体识别、高安全性、易使用等特点[1]。手指静脉图像分割是手指静脉识别技术的重要环节,该环节是将静脉区域和非静脉区域分开,从而得到只含有手指静脉纹路的二值图像,其分割结果的好坏直接影响到后续特征提取及匹配环节的处理结果[2]。
由于手指中的骨骼和肌肉组织厚度不同,采集的手指静脉图像一般具有局部区域对比度小、灰度分布不均匀等特点[3],因此,经典的阈值分割方法无法直接用于手指静脉图像的分割。近年来,国内外学者对手指静脉图像分割算法进行了大量的研究。Miura等[4]提出了最大曲率算法,该方法主要利用手指静脉图像中静脉剖面灰度分布曲率信息来提取静脉纹路,是比较经典的手指静脉图像分割算法;余成波等[5]提出了一种基于方向谷形检测的方法来提手指静脉特征,该方法主要利用8个方向模板与手指静脉图像卷积来检测谷形区域,通过多次阈值分割得到手指静脉纹路,该方法纹路提取效果较好;陈立伟等[6]提出了基于多阈值模糊增强的手指静脉分割算法,该方法结合了传统阈值方法和模糊增强算法,提取的静脉纹路准确且具有方向性;王保生等[7]提出了基于水平集的手指静脉图像分割算法,结合局部与全局信息的水平集方法对手指静脉图像进行分割。目前的手指静脉图像分割算法都有各自的优势,但也都存在着些许不足。
Hessian矩阵的特征值因其可用于检测图像中的线状结构对象,常用于医学图像中的血管增强处理[8]。1995年,Koller等[9]提出了一种基于Hessian矩阵特征值的多尺度增强方法,用于检测二维、三维图像中的血管结构,随后许多学者在此基础上展开了基于Hessian矩阵的血管探测研究[10,11,12,13],通过分析管状结构、片状结构、球状结构和Hessian矩阵特征值的关系,构造了用于血管增强的多参数相似性函数,并得到了不错的血管增强效果。
手指静脉纹路局部区域呈线状结构,且纹路宽度大小不一,与医学图像中的血管纹路相比,并不那么复杂,本研究将借鉴上述基于Hessian矩阵血管探测的方法,针对手指静脉图像的特点,考虑从特征值和特征向量的角度入手,提出一种基于Hessian矩阵的多阈值的手指静脉图像自动分割方法。
1 手指静脉图像分割算法
1.1 基于Hessian矩阵的静脉图像分割原理
Hessian矩阵是一个多元函数的二阶偏导数构成的实对称方阵[14],常被用于医学图像中的血管增强处理。若要判断图像中的某像素点P是否属于血管区域,需要对该像素点P邻域进行局部特性分析,可通过图像I在像素点P邻域内泰勒展开式来近似表示该邻域内的图像结构,其数学表达式为:
式中:▽I(p),H(p)—像素点p的梯度向量及其Hessian矩阵。
对于二维图像I(x,y),像素点p的Hessian矩阵的数学表达式为:
式中:Ixx,Ixy,Iyx,Iyy—二维图像I在四个不同方向上的二阶偏微分,反映了像素点p的局部二阶结构。
计算Hessian矩阵2个特征值λ1、λ2和2个特征值分别所对应的特征向量v1、v2,令|λ1|≥|λ2|,由Hessian矩阵的特征值及其对应的特征向量的几何意义可知[15],通过特征值分解,得到2个正交方向,即λ1、λ2所对应的特征向量v1、v2相互垂直。对于属于血管区域的像素点,绝对值较小的特征值λ2所对应的特征向量v2指向血管方向,因为沿着血管方向,局部灰度变化非常小。绝对值较大的特征值λ1所对应的特征向量v1垂直于血管方向,因为血管剖面灰度变化较为剧烈。
Hessian矩阵的特征值可以用于检测图像中的线状结构对象,满足线性结构形状类型的特征值组合如表1所示。
由于本研究中所采用的二维手指静脉图像背景灰度值高于手指静脉区域像素点灰度值,即手指静脉区域在图像中为暗线结构,由表1可知,在理想情况下,本研究中静脉区域像素点的Hessian矩阵特征值应满足以下条件[16]:
一般来说,手指静脉图像灰度分布不均匀,手指静脉边缘信息较为模糊,并非理想情况,因此,本研究对式(3)做一些改进:
式中:N—静脉区像素点个数。
经过多次实验,本研究将Tλ设置为各像素点Hessian特征值差的平均值。通过上式得到由静脉区像素点特征值构成的特征值图。
1.2 基于Hessian矩阵的静脉图像分割方法优化
在1.1节中所述的图像分割方法是对图像中的每个像素点构造其Hessian矩阵,然后求出对应的特征值来确定该像素点是否属于静脉区域,该方法存在冗余计算,计算量较大。由手指静脉图像构图可知,图中大部分像素点为非静脉区域,因此,可以考虑先排除非静脉区域像素点,再对疑似静脉区域的像素点求解其Hessian矩阵的特征值,则不需要遍历全部Hessian矩阵来求特征值,可加快滤除非静脉区像素点的速度。
由式(2)可知,Hessian矩阵为实对称矩阵,由实对称矩阵的迹的性质可知,实对称矩阵H的迹Tr(H)为其主对角线元素之和,与其特征值之和相等,如下式:
由式(4)可知,在理想情况下,对于满足Tr(H)<Tj,Tj=0的像素点,则可直接将该非静脉区像素点滤除。考虑到手指静脉图像的特点,经过多次实验,本研究将Tj设置为各像素点Hessian矩阵迹的平均值。
1.3 手指静脉图像多尺度分析
由于图像的二阶微分容易产生噪声,且图像中手指静脉宽度大小不一,若仅使用单个尺度,则不能很好地检测出各个尺度的手指静脉。通过高斯函数建立多尺度滤波器,将多尺度高斯滤波器与图像卷积,一方面可以抑制图像的噪声,另一方面则可以对图像进行多尺度分析。从二阶导数的卷积公式可知,高斯滤波器与二阶微分图像的卷积等价于高斯滤波器的二阶导数与原图像的卷积,因此,Hessian矩阵中的各个元素计算公式一般如下式:
式中:σ—高斯函数的标准差,也被称为空间尺度因子;—归一化高斯二阶导数[17]。
对图像进行多尺度分析,高斯滤波器窗口半径一般取为3σ,得到不同尺度下手指静脉图像特征值图,本研究通过提取多尺度下静脉区各像素点最大特征值作为该点的输出,非静脉区像素点输出特征值为0,从而将不同尺度下的手指静脉图像特征值图进行融合,其数学表达式为:
式中:λ(x,y)—多尺度融合后的静脉区像素点特征值;λ(x,y,σ)—单尺度下的静脉区像素点最大特征值。
本研究通过迭代尺度因子σ,选取多尺度下像素点的最大特征值作为该点的输出。根据图像中的手指静脉宽度,选取迭代尺度因子区间[σmin,σmax],迭代步长为Δstep。一般来说,直径较小的静脉在尺度因子σ越小时探测效果越好,尺度因子σ越大时,直径较大的静脉探测效果越好。
1.4 二值化及形态学处理
数学形态学的基础是集合论,目的在于抽取图像的相关结构[18]。该方法利用一个称为结构元素的小图像来探测图像中的结构信息,通过一些数学操作来获得预期的处理效果。基本的二值图像形态学处理包括膨胀、腐蚀、开操作和闭操作。
开和闭运算由膨胀和腐蚀的代数运算、集合操作组成的。开运算是先对图像进行腐蚀,然后再进行膨胀;闭运算是先对图像进行膨胀,再进行腐蚀,其数学表达式分别为:
式中:,⊕—腐蚀和膨胀。
2 试验及结果分析
2.1 实验环境及相关参数的确定
本研究所选用的手指静脉图像是通过实验室自行设计的手指静脉图像采集模块进行采集,并经过感兴趣区域(ROI)提取,手指静脉图像采集模块如图1所示。
该模块包括850 nm红外线LED光源和USB摄像头,红外LED光源位于模块顶部,摄像头位于模块底部,通过USB与计算机连接。手指静脉采集模块采用透射式的方法,即将手指从采集模块中部伸入,模块顶部的红外光垂直入射指背,由于手指中流动的血液能够吸收850 nm波长的红外光[12],穿透过手指骨骼和肌肉组织的红外光在模块底部的摄像头成像,得到手指静脉图像,并存入计算机。本研究算法是在MATLAB 2012平台上编程实现,所有实验结果均在3.30 GHz CPU,4 GB内存的计算机上运行得到。
尺度因子范围应与手指静脉图像的静脉宽度相适应,经过多次实验,本研究中尺度因子σ范围设置为[1.5,2.5],迭代步长为0.1,则迭代总次数为11次,各尺度下相应的高斯滤波器窗口半径为3σ。
2.2 手指静脉图像分割算法过程效果
本研究所采用的手指静脉图像分辨率为320 pix×240 pix,待处理手指静脉图像如图2所示。
图2中像素点灰度值较小的区域为手指静脉区域,即图中暗线纹路结构为手指静脉。
本研究提出的基于Hessian矩阵的多尺度的手指静脉图像分割算法流程框图如图3所示。
将高斯滤波器二阶偏导数与图像进行卷积,构造各个像素点的Hessian矩阵。通过Hessian矩阵的迹初次滤除非静脉像素点,由式(6)可知,在理想状态下,Hessian矩阵的迹为负的像素点一定不属于静脉区域,但是本研究所采用的手指静脉图像静脉边缘并不会很清晰,因此,经过多次试验,本研究将迹的阈值设置为各像素点Hessian矩阵迹的平均值。由式(4)可知,对于静脉区的像素点,其Hessian矩阵的最大值一定大于零,且最大特征值与最小特征值的差要大于各像素点Hessian特征值差的平均值,由此可得到单尺度的手指静脉图像特征值图。
尺度因子σ分别为1.5,1.8,2和2.5时的单尺度手指静脉图像特征值图及其二值化结果如图4所示。
从图4中可知,尺度越小,与其匹配的直径较小的静脉可以被检测出;尺度越大,直径较小的静脉则不能够完整的被检测出。
经过11次迭代,得到各尺度下手指静脉图像特征值图,根据式(9),完成多尺度手指静脉图像特征值图的融合,得到最终的宽度不一的手指静脉纹路,如图5(a)所示。
经过阈值二值化,得到手指静脉纹路二值图,如图5(b)所示。由图可知,经分割后的手指静脉二值图像仍存在一些非静脉结构的像素点,且静脉纹路局部区域不连续,因此笔者结合中值滤波和形态学处理的方法,滤除非静脉结构像素点,连接不连续静脉纹路,经该方法处理后的二值图像如图5(c)所示。细化后的手指静脉纹路如图5(d)所示。手指静脉纹路提取及其细化如图5所示。
为了更好地说明所提取的手指静脉纹路的准确性,笔者将细化后的手指静脉纹路覆盖在图2上,细化纹路覆盖图如图6所示。
图6中白色细线为手指静脉纹路中心线。由图可知,本研究方法能够较完整地提取手指静脉纹路。经Matlab R2012b自带函数计算时间,本研究算法处理一张手指静脉图像所消耗的时间为0.553 9 s,比未经过优化的手指静脉图像分割算法快了0.036 5 s。
2.3 手指静脉图像分割算法有效性
为了说明本研究手指静脉图像分割接算法的有效性,笔者选取了另外2张手指静脉图像,称之为img1、img2,每幅手指静脉图像分辨率为60 pix×150 pix。经本研究手指静脉图像分割算法得到的手指静脉纹路如图7所示。
从图中可知,手指静脉图像对比度较低,手指静脉纹路提取效果仍旧不错。
3 结束语
本研究针对灰度不均匀、对比度低、弱边缘的手指静脉图像,展开了手指静脉图像分割算法的研究。利用Hessian矩阵特征值组合与线性结构对象的对应关系滤除非静脉区像素点,通过实对称矩阵迹的性质,加快对手指静脉图像的分割,提取手指静脉纹路。考虑到本研究手指静脉图像并非理想情况,因此分别将各像素点Hessian矩阵迹的平均值、各像素点Hessian特征值差的平均值作为阈值。
手指静脉 篇3
近几年,手指静脉识别方面的研究与应用越来越丰富,如在ATM机、门禁系统、电脑登录等领域的应用。 国内手指静脉识别技术还处于研究阶段, 相关产品比较少。 国外手指静脉识别技术做得最好的是日本金立公司,已推出多款手指静脉识别应用产品,比如ATM机不需输入密码,直接进行手指静脉识别取款。 手指静脉图像采集的效果直接影响手指静脉识别系统的性能,目前手指静脉图像采集系统广泛使用的控制器是ARM、DSP或PC机。 现场可编程门阵列FPGA (Field Programmable Gate Array ) 是基于硬件的处理器, 具有强大的并行处理能力, 与DSP、ARM相比,FPGA能够实现硬件加速和流水线技术,因而在处理数据流量大的图像方面具有得天独厚的优势。 因此,采用FPGA进行图像采集,其实时性和稳定性较好。 为此, 本文进行了基于FPGA的手指静脉图像采集技术的研究, 以FPGA为控制芯片、SDRAM为缓存介质, 结合具有功耗低、 体积小等优点的MT9V034摄像头和TFT LCD显示器, 研制了一种手指静脉图像采集系统。
1手指静脉成像模型
人体血液中含有血红蛋白, 血红蛋白对760 nm和850 nm附近的近红外光有较强的吸收作用[1]。 当用该种近红外光照射手指时,会形成暗影的静脉图像。 手指静脉成像原理模型如图1所示, 实验采用峰值为850 nm的近红外光从手指背部照射手指, 采用透射方式, 手指正面的静脉血管吸收了一部分近红外光,而手指的骨骼和肌肉没有这种特性, 摄像头从手指正面拍照, 并在摄像头上加上红外滤光片, 滤除可见光, 这样会得到静脉暗影的手指静脉图像[2]。
2手指静脉采集系统硬件研制
2 . 1采集系统工作原理
手指静脉图像采集系统由近红外光源模块、 摄像头、 手指静脉采集装置、FPGA开发板、TFT LCD显示屏组成。 其工作原理如图2所示,通过近红外光照射手指背面, 摄像头采集到的静脉图像数据经过SDRAM缓存, 通过TFT LCD液晶显示屏实时显示。 在软件Quartus II 13 . 0中用Verilog语言设计系统中的图像采集控制模块、 图像缓存控制模块、LCD显示控制模块[3]。
2 . 2手指静脉图像采集硬件选型
2 . 2 . 1 FPGA开发板的选择
因为VIP_Board Full FPGA开发板价格低、 体积小、 FPGA和SDRAM芯片配置比较好、 图像开发接口比较完善, 所以本文选择VIP_Board Full作为手指静脉图像采集系统的FPGA开发板。 它的FPGA处理器为Cyclone IV系列EP4CE15E17C8N , 具有15 408个逻辑单元、166个用户接口,516 096 bit存储器、112个乘法器、4个PLL、 20个全局时钟, 其主时钟为50 MHz 。 它的SDRAM图像缓存器件为Hynix公司的HY57V283220T -6 , 具有4个Bank 、 12条行地址线、 8条列地址线( 行列地址线共用),单片总容量为128 Mbit,初始化时间100 μs,速率为166 MHz 。
2 . 2 . 2光源的选择与模块设计
静脉成像原理说明静脉的成像效果受光源的影响非常大,本文选用厦门华联电子有限公司的HIR503XDX系列的红外二极管作为光源[4], 因为该红外二极管发出红外光的峰值波长为850 nm,而且每一个二极管体积适中,适合并排在一起制作成近红外光源模块。 本系统选用了24个红外二极管、2个130 Ω 的电阻制作了一个近红外光源模块。
2 . 2 . 3摄像头和TFT LCD显示器的选择
摄像头是手指静脉图像采集系统的关键组成部分, 直接影响手指静脉图像的成像效果。 根据手指静脉成像原理, 得到的静脉图像是黑白暗影图像, 而且所选摄像头要对波长850 ns附近的近红外光敏感。 MT9V034是美国Micron公司开发的COMS摄像头, 分为彩色摄像头和黑白摄像头两种,其对波长850 ns附近的近红外光比较敏感,拥有752×480的感光阵列,支持752×480@60 Hz的图像输出, 它一个像素点为8位信号, 即其支持的LCD图像输出为60帧/s、36万像素。 因此本文选择了MT9V034黑白摄像头来采集手指静脉图像。
TFT LCD显示器选用LW500AC9004 , 其大小为5 . 0寸, 分辨率为800 × 480 , 为显示手指静脉图像提供了载体。
2 . 2 . 4手指静脉采集装置的设计
根据人手指、MT9V034摄像头镜头、 红外光源模块的形状和大小,设计了手指静脉采集装置,如图3所示。 在采集装置壳体中上部开有手指孔,在壳体内与手指孔相对应的位置设计有指尖定位槽,手指由手指孔及指尖定位槽固定;将近红外光源模块固定在手指孔与定位槽的正上方, 在手指孔与定位槽的正下方固定摄像头,在摄像头上贴红外滤光片, 用于滤除可见光; 摄像头的信号输出线与VIP_Board Full FPGA开发平台的摄像头接口相连[5,6,7]。
3手指静脉图像采集
由于MT9V034寄存器中初始值满足本文手指静脉图像采集系统研制的要求,因此在设计图像采集控制模块时不需要对MT9V034进行初始化。 在进行图像采集控制模块设计中, 首先接收MT9V034视频图像信号, 并进行同步化设计。 由于MT9V034需要10帧延时, 所以通过场计数延时等待MT9V034摄像头稳定, 然后输出行场信号。 图像采集控制模块流程图如图4所示。
该模块采用Verilog HDL语言编写, 经过Quartus II 13 . 0综合生成的寄存器转换级电路( Register Transport Level , RTL ) 原理图如图5 。 clk_cmos为外部24 MHz时钟输入,由coms _xclk引出,作为MT9V034的驱动时钟,其中的24 MHz时钟由分频模块将50 MHz分频得到。 cmos_pclk对应MT9V034输出像素时钟信号, cmos_vsync对应MT9V034输出场同步信号,coms_href对应MT9V034输出行有效信号,cmos_data对应MT9V034输出8 bit像素数据。 coms_frame_data相对于coms_data延时了两个像素时钟。 coms_frame_clken为FPGA采样后输出的数据捕获使能信号,外部模块通过该信号读取coms_frame_data 。
MT9V034输出分辨率为752 × 480 , 其中coms_href信号为高电平有效, 每一行有效像素为752个,cmos_vsync信号也为高电平有效, 每一列显示有效像素是480个。 cmos_vsync信号从高电平变成低电平表示一帧信号的完毕。 每个黑白像素点是8 bit信号。
Signal Tap II Logic Analyzer是一款方便且实用的FPGA片上调试软件, 集成于Quartus II中, 可以捕获和显示实时信号。 图6为下载图像采集模块工程的sof文件到FPGA中后, 通过Signal II捕获MT9V034的部分图像采集数据。 如图6所示,在行有效信号coms_href起始时, 摄像头采集的像素数据coms_data同步从8’h00开始输出, 在行有效信号结束时,coms_data同步从输出变成8’h00。
从图6中分析可知,当输出行有效信号时,coms_href从采样点574开始,到2 554结束。由于输入数据位的频率为24 MHz,设置的采样时钟为60 MHz,所以一个数据平均被采样2.5次,这样每行输出像素个数的计算如下:
NUM = ( 2 554 - 574 ) / 2 . 5 = 752
即一行有752个像素点, 则波形与设计预期完全符合。
4手指静脉图像缓存与显示
4 . 1图像缓存控制模块设计
在设计图像缓存控制模块时,参考了Terasic官方开发平台中SDRAM的Verilog HDL开发例程,官方平台上用的是Sdram_Control_4Port这个SDRAM控制器, 其宏定义参数列表、 控制器封装等设计都比较完善, 实际运用效果很好,它有2个读端口和2个写端口。 而本文设计的SDRAM控制器只需要一个读端口和一个写端口。
本系统所选择的SDRAM的驱动时钟是100 MHz,在往SDRAM写视频图像数据的同时,需要从SDRAM读出数据在LCD上显示。 本图像采集缓存控制模块设计了两个端口,一个读端口,一个写端口。 写端口负责将写入DCFIFO中的数据写入SDRAM , 读端口需要从SDRAM中读出图像数据写入DCFIFO中。 在本设计中,SDRAM的读写均采用全页突发模式,一次可以读写256个数据[8]。 由于摄像头的分辨率是752 ×480, 所以图像数据存入SDRAM的地址空间是0 ~ 752 × 480 。
由于所用FPGA开发板的LCD接口电路需要的图像数据信号是24位的RGB(R、G、B各8位)信号, 而摄像头采集的是8位的黑白信号, 为了能在LCD上显示黑白的手指静脉图像, 需要R=G=B=coms_frame_data , 这样SDRAM突发读写的每个数据是24位[9]。
4 . 2 LCD显示控制模块设计
摄像头MT9V034输出8位图像数据通过SDRAM缓存处理显示到LCD上。 LCD显示控制模块经过综合生成的RTL原理图如图7所示。 该模块的输入信号有时钟信号clk、 复位信号rst_n、24位图像数据信号lcd_data, 输出信号有RGB信号lcd_rgb、LCD使能信号lcd_en、 LCD行同步信号lcd_hs 、 LCD场同步信号lcd_vs 、 LCD显示请求信号lcd_request 、LCD驱动时钟信号lcd_dclk[10]。 LCD的的驱动时钟为40 MHz , 其由分频模块将50 MHz分频得到。
5系统测试与效果分析
手指静脉图像采集系统的整体Verilog工程文件经综合生成的RTL图如图8所示, 共有时钟分频、 图像采集控制、图像缓存控制、LCD显示控制4个模块。
将手指静脉采集系统的整体Verilog工程编译下载到FPGA中, 调好摄像头的焦距, 把采集装置的盖子固定好, 将需要采集的手指放在采集装置手指槽, 通过调节给近红外光源模块供电的直流稳压电源的电压大小, 从而改变近红外光源模块的发光亮度,观察在TFT LCD上显示的手指静脉图像的清晰度,发现当给近红外光源模块提供14.1 V的电压时, 采集出的手指静脉图像最清晰,效果如图9。 图中采集的是本文作者方军右手食指正面的静脉图像, 从LCD中能清晰地看到静脉的纹路。 图10为图9中的手指静脉图像。
6结束语
本文研制了一种以FPGA为主控芯片的手指静脉采集系统,该系统由手指静脉采集装置、近红外光源模块、 MT9V034摄像头、 VIP_Board Full FPGA开发板、 TFT LCD显示屏组成。 经测试,该采集系统具有良好的稳定性,采集显示的手指静脉图像纹路清晰, 采集显示的实时性强,系统体积小等优点,因而具有巨大的市场价值,并为后期进行基于FPGA的手指静脉识别技术的研究打下坚实的基础。
摘要：分析了手指静脉成像原理,研制了以FPGA为主控芯片的手指静脉采集系统,该系统由手指静脉图像采集装置、图像采集控制模块、图像缓存控制模块和LCD显示控制模块等构成。实验结果表明,采用波长为850 nm的近红外光源模块、MT9V034摄像头、VIPBoard Full FPGA开发板、5.0寸TFT LCD显示屏组成的手指静脉采集显示系统体积小、采集实时性强,显示的手指静脉图像纹路清晰,具有良好的稳定性。基于FPGA手指静脉采集系统稳定清晰,具有巨大市场价值。
关键词：手指静脉图像,FPGA,采集系统
参考文献
[1]刘秀颖.便携式血红蛋白浓度检测系统的研究[D].哈尔滨:哈尔滨工业大学,2012.
[2]管凤旭,姜智超,吴秋雨,等.指静脉与折痕双模态图像采集系统设计[J].传感器与微系统,2013,32(2):124-127.
[3]高战立,余桂英,唐玮.FPGA图像采集系统研究与设计[J].中国计量学院学报,2014,25(1):75-79.
[4]杨数强,余成波.手指静脉智能采集装置的研制[J].计算机工程与设计,2009(21):4977-4979.
[5]N Venkata Vara Prasad,K Venkata Murali Mohan.A real time embedded finger vein recognition system for authentication on mobile devices[J].International Journal of Engineering Trends and Technology,2014(2):105-108.
[6]C Praveen,G Magdalin joenita,S Yamuna devi.Enhanced security system using an embedded real-time finger-vein detection[J].International Journal of Applied Engineering Research,2015(8):21501-21507.
[7]Goh Kah Ong Michael,Tee Connie,Andrew Beng Jin Teoh.A contactless biometric system using multiple hand features[J].Journal of Visual Communication and Image Representation,2012(7):1068-1084.
[8]陈建军.基于嵌入式技术的高精度组合导航技术的研究[D].哈尔滨:哈尔滨工业大学,2013.
[9]Stefan Langemeyer,Peter Pirsch,Holger Blume.Using SDRAM memories for high-performance accesses to twodimensional matrices without transpose[J].International Journal of Parallel Programming,2013(2):331-354.
手指静脉 篇4
1病例介绍
患儿, 男, 出生后15 min, 因30+5周孕早产于2014年3月26日入院, 出生体重1 726 g。入院后行常规治疗和护理, 病情较稳定, 于2014年4月2日09:30发现患儿右手拇指、示指、中指指端青紫, 可扪及指端动脉搏动。立即通知医生, 外科会诊, 抽血查出/凝血时间, 结果示疑血酶原时间 (PT) :13.6 s, 活化部分凝血活酶时间 (APTT) :54.4 s。
2治疗方法和结果
2.1立即在右手肘正中静脉建立静脉通道, 遵医嘱用0.9%生理盐水10 m L+尿激酶10万U, 微量泵匀速静脉滴注, 30 min内输完。观察20 min, 视栓子溶解情况可重复使用1~3剂, 患肢皮肤予以喜辽妥膏剂外敷。该患者经尿激酶静脉滴注溶栓, 喜疗妥膏剂外敷治疗后治愈, 无出血、肺栓塞及肢体皮肤坏死等并发症, 收到满意的效果。
2.2护理措施
2.2.1置早产儿于暖箱内保暖, 各种操作集中进行, 减少对患儿的刺激, 静脉栓塞时患肢制动, 抬高患肢20°~30°, 局部禁止按摩, 按摩可使栓子脱落致肺栓塞。
2.2.2密切观察栓塞手指处皮肤温度、颜色、肿胀、患肢疼痛及指压毛细血管充盈度。
2.2.3使用心电监护, 监测患儿脉搏、心率、呼吸、血氧饱和度等。
2.2.4患处附近静脉给药效果更好, 可使药物直接达到血栓部位, 应及时给药, 栓子形成过久再给药效果会差一些。药物现配现用, 微量泵均匀滴注, 以保持有效血药浓度。
2.2.5观察用药后患儿手指端青紫是否逐渐转红润, 疼痛是否逐渐消失, 肿胀与皮肤温度是否恢复正常。
2.2.6并发症的观察:有无出血情况的发生, 如穿刺处有无渗血、血肿, 皮肤黏膜有无出血点, 有无血尿及血便, 有无肺出血等。如有出血, 应立即停药, 报告医生并做相应处理。
2.2.7肢体功能锻炼栓塞解除后应及早给予肢体被动活动, 以加快血液流动, 促进功能恢复。
2.2.8心理护理肢体疼痛、肿胀会加重患儿的不适, 应给予轻柔的抚摸, 同时可给予牛奶、安慰奶嘴等安抚, 达到减轻痛苦的目的。
3讨论
3.1静脉壁损伤、血流缓慢和血液高凝状态是造成静脉血栓形成的三大要素。本例患儿在血栓形成前使肢体已有轻微肿胀, 因为血管穿刺困难, 又在此肢体腋窝处静脉留置针输营养液, 过度的肩部活动及压迫导致针管对静脉内膜的损伤, 加上肿胀的肢体又使血液流速减慢, 促使血栓形成。
3.2减少在下肢静脉留置针输液, 因下肢血流缓慢。
3.3早产儿抽血常见, 由于腹股沟动静脉穿刺取血后有可能发生血栓, 故对存在易导致血栓形成疾病如严重感染、休克等患儿应避免在该处穿刺, 可选用头皮血管或桡动脉采血。并且要求抽血操作者技术熟练, 正确按压穿刺部位[2]。
3.4对重症患儿反应差, 肢体活动少且病情允许时, 可以适当予以肢体被动活动, 促进血液流动, 防止血栓形成[2]。
3.5及早发现、及早治疗, 有效的护理, 可缩短栓塞治愈时间, 减少并发症的发生, 从而提高早产儿生存质量。
参考文献
[1]李相娟.1例鼻腔嗅神经母细胞瘤患者的护理[J].当代护士, 2013, 10 (2) :164-165.
手指静脉 篇5
1.1 护士准备
要求护士要有耐心。因老年患者相对年轻人动作缓慢、语言啰嗦, 长期反复住院对护士的要求日益增长, 负责静脉输液的护士应具有良好的心理素质, 对待患者态度和蔼亲切, 视患者如亲人;进病房时面带微笑, 主动和老年患者打招呼, 称呼要恰当, 如:某老、某爷爷、某婆婆, 使其感受到了被尊重而不处于紧张状态。穿刺时, 有意识地找些老年患者感兴趣的话题进行交流, 尽可能分散患者对穿刺部位的注意力, 使其在和谐气氛中接受治疗。
1.2 患者准备
糖尿病患者因血管病变, 血管硬化明显。部分老年人因长期输液, 反复穿刺疼痛的刺激造成心理承受力下降, 穿刺时多表现为紧张、焦虑、恐惧, 从而导致血管痉挛收缩, 护士可在每次输液前告知患者用温水或热水袋热敷手背扩张血管以增加穿刺的成功率。遇到较固执老年人, 如果他认定某个护士为其输液, 就应该满足他的要求。
2 选择血管
选择粗直、弹性较好的血管, 以在光洁、无瘢痕的皮肤处进针为宜;尽可能避开关节处, 一般情况下, 老年人记忆力差又不喜欢长时间卧床, 翻动身体或顺手取样东西是常有的事, 靠近关节处输液的头皮针常是紧贴着血管壁, 轻微的活动都容易造成针头穿刺血管致输液失败。选择掌指关节和第一指关节之间靠近掌指关节1/3处较好固定。
3 穿刺
老年人血管脆, 且末梢血运不好, 止血带尽可能使用柔软的材料, 不宜过紧、过长时间地绑扎手臂, 不重力拍打血管, 以免血管局部压力增大, 加重脆性, 造成进针时血管猛然释放压力, 血液瞬间冲入皮下导致穿刺失败。
老年人手背上血管多为短、分叉多且集中在手背下1/2处和手指两侧, 向心输注时常存在固定困难等问题, 遇到这种情况时, 可酌情行静脉逆行穿刺或使用静脉留置针, 避免反复穿刺损伤血管内皮造成输液失败, 也易于固定, 提高静脉穿刺成功率。
选择锐利、无弯曲、无钩、型号合适的头皮针为宜, 最好是5.5号头皮针。按常规消毒后, 嘱患者半握拳, 用左手握住病员手指, 拇指绷直血管下端, 右手捏紧头皮针手柄, 在选择的穿刺点下方0.2~0.4cm处以60~70°进针, 进针时力度相对要大, 整个进针过程不要停顿, 一气呵成, 控制在1s之内, 进入皮下后, 迅速压低头皮针成20°, 将针头进入血管内, 见回血后再继续沿血管延伸部分略进0.1~0.2cm, 这种方法既可降低进针的疼痛感、防止针头进入血管不够造成血管内针眼处的渗血, 又不易把血管刺破。老年人手背血管比较细、短、硬、脆、滑, 反复进针容易穿破, 穿刺成功后应及时固定, 以免针头滑脱致使穿刺失败。
4 固定
目前输液器厂家均备有完好的三贴成体的输液贴, 即第一条输液贴横向固定针柄, 第二条带有小敷垫的输液贴覆盖在针眼处, 第三条输液贴固定在头皮针管上, 可再准备一胶布将输液管固定于手指远端。部分老年人在输液中如有上下床的需要, 可用较硬的纸盒或药瓶固定穿刺的手指。注意纸盒或药瓶的长度必须大于掌指关节到第一指关节的长度, 固定时须将穿刺手指和旁边的一根手指一起固定。病员这样不仅保证针眼处的无菌, 也保证输液过程中不因肢体移动穿破血管造成输液失败。不要用胶布将针柄处反折交叉固定, 以免拔针撕胶布时带动针头引起疼痛。
5 输液过程观察
在输液过程中应经常巡视病房, 注意患者用药后反应, 观察穿刺部位情况, 有药物渗出到皮下组织时及时处理, 指导选择卧床输液, 以减少因输液时间过长体力消耗。遵医嘱调整滴速, 原则上以20~40滴/min为宜, 心衰、心梗患者应控制在15~30滴/min, 冬天时应注意做好保暖工作。
老年患者因皮肤松弛、皮下脂肪萎缩、血管通透性增高、皮肤感觉下降, 有时药液已经渗漏出血管外, 但是局部肿胀并不明显且未感觉疼痛, 而距离穿刺部位较远的部位如手背肿胀更加明显。观察时要特别注意穿刺部位上端情况。
6 拔针
输液结束后, 设法使患者身心放松, 分散其注意力, 当患者过度紧张时血管痉挛, 拔针时易产生疼痛。拔针时先分离胶布只留压针眼棉签这一条胶布不分离, 拔针时右手拇指与食指捏住针柄, 防止针头转动并同皮肤保持10~15°, 左手持无菌棉棒轻按针头上方, 快速拔出, 在针头拔出后方可将棉棒压紧, 注意针头未拔出前不可用棉棒紧压针头, 以防针头受压后贴住血管下壁, 产生刺激性疼痛。撕胶布时固定针头, 以免针头晃动引起刺激疼痛。这种方法安全方便, 简单易行, 既避免了前期重力按压的疼痛又防止老年人输液忘记按压引起回渗性局部皮下淤血, 造成患者恐惧, 影响再次的输液。
总之, 静脉输液是临床护理工作中应用最多的操作, 随着人口老龄化、糖尿病患者的日益增加和人类健康意识的增强, 老年糖尿病患者的静脉输液难度将越来越大。护士如何稳、准、快, 高质量建立好静脉通路, 不仅反应了护士个人输液技术水平的高低, 也直接反映了一个科室, 乃至一个医院的护理水平高低, 所以每个临床一线的护士都应该努力提高静脉穿刺技巧, 从而提升护理质量, 提高患者的满意度。
参考文献
[1]陈坚梅.胰激肽释放酶治疗糖尿病肾病临床观察[J].实用糖尿病, 1995, 3.
[2]张婷婷, 马晓伟.餐前与餐后的血糖控制标准[J].中华糖尿病, 2005, 13.
[3]杨明功.2型糖尿病控制餐后高血糖的新认识与评价[J].实用糖尿病, 2002, 8.
手指静脉 篇6
血糖监测十分重要,对提高围术期安全有重要意义。AccuCheck Performa(卓越型)血糖仪具有需标本血量少(0.6μL)、检测时间快(5 s)的特点。其检测原理是:试纸上的酶取自经大肠杆菌改进的重组醋酸钙不动杆菌表达的葡萄糖脱氢酶(Mut.Q-GDH),此酶可将血液中的葡萄糖转化为葡萄糖酸内酯。这种作用会产生无害的直流电电流,血糖仪即依此判读所测的血糖值。血糖仪同时也根据微小的交流电讯号判断样本与环境的状况。性能指标:Accu-Check Performa血糖仪检测符合EN ISO15197的要求———体外诊断检测系统:自测用血糖监测系统通用技术条件;准确度(方法比较):在外部试验中获得的斜率介于0.95~1.03。系统准确度符合EN ISO 15197标准———200个样品中的199个(99.5%)均达到最低可接受性能标准。
血糖检查的采血途径通常有3种:动脉、静脉和手指毛细血管。三者之间其结果是否相同,临床医师知之甚少,为此笔者对150例全麻下手术患者经动脉、静脉、手指毛细血管采血,以Accu-Check Performa血糖仪检测血糖,旨在观察其结果是否有差异,为临床提供参考。
2 临床资料
2.1 病例资料
随机选择全麻下手术患者150例,其中男性84例,年龄19~85岁;女性66例,年龄16~84岁。胰腺手术44例,胆道手术69例,胃肠手术16例,肺手术21例。
2.2 方法
150例患者行右颈内静脉穿刺、置管、CVP监测,并经此采血检查静脉血糖。行桡动脉或股动脉穿刺、置管、直接动脉血压监测,并经此采血检查动脉血糖。
为避免单一消毒溶液对手指毛细血管血糖检测结果的影响,本观察150例随机分成A、B 2组,每组75例。A组为动脉、静脉、手指采血前以75%酒精(批准文号:鄂药制字[2001]第AX01-072号,华中科技大学同济医学院附属同济医院生产,批号20090423)溶液消毒皮肤,B组为动脉、静脉、手指采血前以1%碘伏(卫生部卫消字[2003]第0136号标准代号Q/WYH001—2003,武汉运作精细化工有限公司生产,批号20090708)消毒皮肤。A、B 2组手指皮肤消毒后,均以干棉棒吸干消毒溶液,然后手指采血检查毛细血管血糖。
为避免因检测仪不同而出现的结果差异,动脉、静脉、手指毛细血管采血后均以Accu-Check Performa血糖仪(德国罗氏诊断有限公司生产)检测血糖,三者同时进行检测。
本临床观察血糖患者均在气管内插管,以瑞芬太尼、丙泊酚经静脉持续泵入,复合低浓度异氟烷吸入,间断静脉注肌松剂万可松或阿曲库铵,机械通气的全麻下手术过程中进行。
2.3 统计学处理
所有血糖值以“平均值±标准差”表示,组内比较应用单因素方差分析,组间比较采用非配对t检验,以P<0.05表示差异有显著性。分析软件为Graph Pad Prism 5。
2.4 结果
A、B 2组血糖检测结果均呈现相同的趋势,手指毛细血管血糖较动脉和静脉血糖值明显升高(P<0.001),而静脉血糖值较动脉血糖值明显降低(P<0.001),见表1。
注:**表示和手指毛细血管组相比,差异有极显著性(P<0.001);#表示和静脉组相比,差异有极显著性(P<0.001)
3 讨论
血糖测定具有重要的临床意义,是监测糖代谢异常和评价糖尿病或糖代谢控制的重要手段。
正常人的血糖相对稳定,是体内糖类的分解与合成代谢以及血糖的来源与去路保持动态平衡的结果。血糖的主要来源是食物中淀粉经吸收后的葡萄糖。在不进食状况下,血糖主要来源于肝糖原的分解作用或糖的异生作用。由小肠黏膜吸收入血的葡萄糖经门静脉入肝脏,一部分在肝脏参与代谢,另一部分则经肝静脉进入血循环,输送到全身各组织中进行代谢。进入肝细胞的葡萄糖大部分在肝中合成糖原暂时贮存,即肝糖原。肝糖原是体内贮存糖的形式,不仅提供肝脏本身活动所需能量,当血糖浓度下降过低时,肝糖原可分解成血糖。所以肝糖原对维持血糖水平的相对恒定十分重要。当糖原贮存达到饱和时,多余的葡萄糖通过一系列酶反应转变成脂肪及某些氨基酸等物质。当机体能量不足时,脂肪又通过脂解作用分解成脂肪酸和甘油,后者分解后为机体提供能量。经由肝静脉入血循环输送到全身各组织去的葡萄糖,在各组织细胞内,一部分被直接氧化利用,另一部分转变成肌糖原。肌糖原不能分解成葡萄糖,但可氧化给肌肉收缩提供能量,肌糖原经无氧酵解产生大量乳酸,大部分乳酸又回到肝脏转变成肝糖原或血糖。因此肌糖原对血糖浓度恒定也起间接的调节作用。总之,通过糖原生成与分解,糖异生与酵解、脂肪形成与脂解作用之间的相互调节和平衡,使血糖的浓度相对恒定。这对维持机体、尤其是脑、神经和正常生理功能有重要意义[1]。
由于组织利用葡萄糖和血细胞比容影响,国内学者刘新民等[2,3,4]提出:静脉血糖值低于毛细血管血糖值,后者又低于动脉血糖值。全血血糖因葡萄糖被红细胞摄取,其血糖含量低于血浆。一般血浆葡萄糖比全血血糖高15%。侯振江[5]则提出动脉血糖较静脉血糖高0.56 mmol/L,毛细血管血糖较静脉血糖高0.22 mmol/L,临床分析时应给予注意。吴静[4]提出:毛细血管血的成分与动脉血相近,其血糖含量在清晨空腹时与静脉血基本相符;而在进食后2 h内比静脉血高,因为此时组织正在利用餐后升高的血糖。Francis还提出[6]:60岁以后,每增加1岁,全血或血浆葡萄糖浓度应较标准增加1 mg/d L(0.056 mmol/L)。
本临床观察150例结果却显示:动脉血糖高于静脉血糖,手指毛细血管血糖高于动脉血糖。无论是以75%酒精溶液消毒手指皮肤后采血的A组,还是以1%碘伏溶液消毒手指皮肤后采血的B组,血糖检测结果均是如此。本观察动脉、静脉、手指毛细血管血糖检测同时进行,为何结果与以上专家学者不同。究其原因,笔者不得其解。麻醉和手术对机体来说,是干扰内环境和体内代谢的一种特殊应激性刺激。手指毛细血管血糖高于动脉血糖,是否与全麻、手术应激时,下丘脑—腺垂体—肾上腺皮质(HPA)轴和交感—肾上腺髓质轴被兴奋,皮质醇分泌增多[4],而肢体末端的手指组织利用葡萄糖在全麻状态下减少,致使手指血糖检测结果高于动脉血糖?为排除消毒溶液和全身麻醉因素对检测结果的影响,笔者随后设计了2组实验:第1组实验随机选择35例全麻下手术患者(男21例,女14例,年龄范围29~72岁,胆胰手术25例,胃肠手术5例,食管、肺手术5例),于术中采用3种采血方法检测血糖:(1)纯净水清洁手指,用棉棒吸干后手指采血检测血糖;(2)75%酒精消毒另一手指皮肤,然后采血测毛细血管血糖;(3)采集动脉血检测血糖,方法同前。三者同时进行。结果显示,纯净水清洁和酒精消毒后采集手指毛细血管血测得的血糖值均高于动脉血糖值(见表2)。第2组实验随机选择30例手术患者(男、女性各15例,年龄范围23~78岁,胆胰手术28例,肺手术2例),在麻醉前行桡动脉穿刺,采集动脉血检测血糖,同时以75%酒精溶液消毒手指皮肤并以干棉棒吸干消毒溶液后,手指采血检测毛细血管血糖,检测方法同前。结果亦显示:毛细血管血糖值高于动脉血糖值(见表3)。患者在清醒或全麻状态下,均出现毛细血管血糖值高于动脉血糖值的检测结果,本实验结果表明:这种差异的造成和全麻手术的应激及消毒皮肤的溶液的影响无关联。究其原因:本实验结果有待更大规模的临床观察验证;是否可以推测手指末端存在调节血糖的某种物质,有待进一步的探讨。
150例动脉、静脉、手指毛细血管血糖临床观察结果表明:三者检测结果差异明显。笔者认为,为准确观察某一患者血糖的动态变化,应使用同一方法检测为宜。
参考文献
[1]王庸晋.现代临床检验学[M].北京:人民军医出版社,2007:350.
[2]刘新民.实用内分泌学[M].北京:人民军医出版社,1997:276.
[3]苗述楷,蔡惠文.糖尿病并发症防治学[M].北京:中国医药科技出版社,2005:471-472.
[4]廖二元,莫朝晖.内分泌学[M].北京:人民卫生出版社,2007:1 338-2 113.
[5]侯振江.新编临床检验医学[M].北京:军事医学科学出版社,2004:301.