CN105825488B - 一种心血管内光学相干层析图像增强方法 - Google Patents
一种心血管内光学相干层析图像增强方法 Download PDFInfo
- Publication number
- CN105825488B CN105825488B CN201610377409.4A CN201610377409A CN105825488B CN 105825488 B CN105825488 B CN 105825488B CN 201610377409 A CN201610377409 A CN 201610377409A CN 105825488 B CN105825488 B CN 105825488B
- Authority
- CN
- China
- Prior art keywords
- image
- contrast
- depth
- enhancement
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012014 optical coherence tomography Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000003384 imaging method Methods 0.000 claims abstract description 11
- 230000002526 effect on cardiovascular system Effects 0.000 claims description 26
- 230000001965 increasing effect Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 6
- 150000002632 lipids Chemical class 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 210000000748 cardiovascular system Anatomy 0.000 claims description 4
- 101100445834 Drosophila melanogaster E(z) gene Proteins 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 210000004204 blood vessel Anatomy 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000003902 lesion Effects 0.000 abstract description 28
- 230000002708 enhancing effect Effects 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000001427 coherent effect Effects 0.000 abstract 2
- 230000003287 optical effect Effects 0.000 abstract 2
- 230000008520 organization Effects 0.000 abstract 2
- 230000000007 visual effect Effects 0.000 abstract 2
- 230000001154 acute effect Effects 0.000 abstract 1
- 238000007796 conventional method Methods 0.000 abstract 1
- 238000002513 implantation Methods 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000000497 foam cell Anatomy 0.000 description 1
- 206010020718 hyperplasia Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种心血管内光学相干层析图像增强方法。由于传统方法在视觉效果上对心血管内光学相干层析成像进行图像深度信息增强，而这种在视觉效果上增强方法会改变图像中病变特征，对医生进行病变特征分析造成干扰，例如造成心血管内斑块特征衰减系数变化和组织内部支架前阴影的产生。本方法采用优化对比度系数的深度增益算法对心血管内光学相干层析成像图像进行组织内深度信息的增强，增强深度信息同时不会引起衰减系数剧烈变化且不会引起组织内部支架前阴影的产生。
Description
技术领域
本发明涉及心血管内光学相干层析成像(Optical Coherence Tomography,OCT)属于心血管成像领域，尤其涉及一种OCT心血管图像中增强图像深处信息，同时不引起病变衰减系数剧烈变化和组织内部支架前端阴影的方法。
背景技术
血管内OCT成像技术是目前图像分辨率最高的心血管成像方法，能精确显示血管内超微结构，识别不稳定的冠脉粥样硬化斑块和血栓，在冠状动脉介入治疗中辅助血管支架的放置、术后支架植入效果评价、植入晚期时观察支架内膜增生和覆盖情况等方面都有极为重要的应用。心血管图像的质量在医生进行病变诊断时至关重要，成像系统采集到的原始图像数据信号往往很弱，尤其由于组织的衰减特性，在组织深度越大的地方其背向散射光强越弱，因此，增强图像组织深层信息是提高心血管图像质量必不可少的后处理步骤。同时，在判断不同性质的病变斑块时，不同类型的斑块有不同的组织衰减系数，这也是通过计算机辅助判断斑块类型的重要方法之一。然而，通常使用的图像深度信息增强方法，改变了原始图像中不同病变斑块的衰减系数，对后续通过组织衰减系数来判别斑块类型造成了影响，同时，若采用对比度系数较大的图像增强，会对组织内部支架前端造成阴影，图像出现一些伪特征，直接影响了病理特征判断。
发明内容
本发明提供了一种心血管内光学相干层析图像增强方法，本发明克服了现有心血管图像深度信息增强算法改变了原始图像中三种不同病变斑块(钙化斑块、纤维斑块、脂质斑块)衰减系数的问题，提出了通过优化对比度系数的对比度增强和深度增益算法，实现在增强深处信息同时，不同病变斑块的衰减系数不会剧烈变化且不会对组织内部支架前端造成阴影。
为了解决上述技术问题，本发明提出的一种心血管内光学相干层析图像增强方法，包括以下步骤：
步骤一、对使用心血管内OCT成像系统采集到的极坐标下的OCT原始图像的每一A-Line进行对比度增强，得到图像Ien(z)：
式(1)中，z表示深度，I(z)和Ien(z)分别表示原始图像中深度z处对比度增强前后的光强值，采用指数增强的方式增加对比度，n是指数项，作为对比度系数，分别设定不同的对比度系数值：n＝1、n＝1.2、n＝1.5、n＝1.8、n＝2、n＝3，n＝1时表示只进行深度增益， n＞1表示同时进行深度增益和对比度增强；
步骤二、对步骤一处理后的对比度增强图像Ien(z)的每一A-Line进行深度信息增强，得到图像Ien+comp(z)：
其中，
t＝0.1‰Emax(z)＝0.1‰×max[E(z)] (4)
式(2)中，Ien+comp(z)表示深度信息增强后图像中深度z处的光强值，E(z)定义为深度 z后的残余能量，即为深度z处到A-Line末端的光强值的积分，设置一个阈值t，表示为残余能量E(z)最大值的0.1‰，当残余能量E(z)＜t时，积分式由阈值t代替；
步骤三、对心血管OCT原始图像及经过步骤一、步骤二的对比度增强和深度增益算法处理后的图像Ien+comp(z)中组织的衰减系数分别进行拟合估算：
其中，I0为初始光强，μt为组织衰减系数，Ioff是在深度为0处的光强，T(z)是与探头相关的共焦公式：
其中，z0是激光束腰位置，zw为瑞利长度，S(z)是与光源相关的频域相干公式：
其中，zc为扫描中心位置，zc为光强衰减的半高宽；
步骤四、对步骤一、二所述的对比度增强与组织深度增益算法进行对比度系数n优化，对心血管内OCT原始图像分别经上述不同对比度系数n值对应的对比度增强与组织深度增益算法处理，对比各图像增强效果，通过步骤三所述的组织衰减系数μt的估算方法得出各对比度系数n值对应的钙化斑块、纤维斑块、脂质斑块的组织衰减系数μt值，对比原始图像中的组织衰减系数μt，得出组织衰减系数μt变化的绝对值最小时所对应的对比度系数n值作为优化后的对比度系数，对该优化后的对比度系数值所对应的图像Ien+comp(z)再进行坐标变换和漏点插值，最终得到输出图像。经过本发明处理后的输出图像与原始图像相比，图像中深处组织信息得到增强，图像对比度有所提高，同时维持了病变区域衰减系数的相对恒定。
与现有技术相比，本发明的有益效果是：
本发明克服了现有心血管图像增强算法改变了原始图像中不同病变斑块衰减系数以及会对深层支架前端造成阴影的问题，考虑到了既要增强图像深度信息，又不至于对比度系数太大导致图像噪声增强以及对图像组织深处的支架造成阴影，因此本发明通过优化对比度系数，实现在深处信息得到增强的同时，不会引起衰减系数剧烈变化且不会引起组织内部支架前阴影的产生。
附图说明
图1是一种心血管内光学相干层析图像增强方法的流程图；
图2是经过上述各n值对应的对比度增强与深度增益算法后的图像中不同病变斑块衰减系数改变量的对比图。
图3是心血管OCT原始图像；
图4是图2经过n＝1对应的深度增益算法后的图像；
图5是图2经过n＝1.2对应的对比度增强与深度增益算法后的图像；
图6是图2经过n＝2对应的对比度增强与深度增益算法后的图像；
图7是图2经过n＝3对应的对比度增强与深度增益算法后的图像；
图3-图7中的箭头表示对比度增强与深度增益算法前后图像组织深处特征的对比；
图8是包含深层支架的心血管OCT原始图像；
图9是图7经过n＝1对应的深度增益算法后的图像；
图10是图7经过n＝1.2对应的对比度增强与深度增益算法后的图像；
图11是图7经过n＝2对应的对比度增强与深度增益算法后的图像；
图12是图7经过n＝3对应的对比度增强与深度增益算法后的图像；
其中，图8-12中的箭头表示当n值过大时，对组织中的深层支架前端产生阴影的区域；
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步详细描述，所描述的具体实施例仅对本发明进行解释说明，并不用以限制本发明。
如图1所示，本发明提出的一种心血管内光学相干层析图像增强方法，所述方法包括以下步骤：
步骤一、对使用心血管内OCT成像系统采集到的极坐标下的OCT原始图像的每一A-Line进行对比度增强，得到图像Ien(z)：
式(1)中，z表示深度，I(z)和Ien(z)分别表示原始图像中深度z处对比度增强前后的光强值，采用指数增强的方式增加对比度，n是指数项，作为对比度系数，分别设定不同的对比度系数值n＝1、n＝1.2、n＝1.5、n＝1.8、n＝2、n＝3，n＝1时表示只进行深度增益，n＞1表示同时进行深度增益和对比度增强；
所述的对比度增强是对原始图像数据通过指数增长的方式来扩大信号的动态范围，实现对比度的提高，算法会改变原始图像数据中不同病变斑块的衰减系数，对后续通过组织衰减系数来判别斑块类型造成了影响；
所述的对比度增强算法通过选择最佳的对比度系数n来实现图像增强算法的优化。
步骤二、对步骤一处理后的对比度增强图像Ien(z)的每一A-Line进行深度信息增强，得到图像Ien+comp(z)：
其中，
t＝0.1‰Emax(z)＝0.1‰×max[E(z)] (4)
式(2)中，Ien+comp(z)表示深度信息增强后图像中深度z处的光强值，E(z)定义为深度 z后的残余能量，即为深度z处到A-Line末端的光强值的积分，设置一个阈值t，表示为残余能量E(z)最大值的0.1‰，当残余能量E(z)＜t时，积分式由阈值t代替；
所述的组织深度增益算法中某一深处z的光强的增益量是z后的残余光强的倒数，以增强由于组织内信号快速衰减导致的深处较弱信号；
所述的心血管OCT成像系统探测深度为5mm，采用的导管半径大小为0.5mm，针对心血管OCT的成像特征，初始0-0.5mm是导管图像，这个范围内的信号不符合组织衰减特征不进行深度增益算法处理；
所述的心血管OCT图像的组织最深处是不含组织信息的噪声信号，不符合组织衰减的规律，为了避免最深处噪声信号的过分放大，只在阈值范围内，即E(z)＜t时，添加标准算法的增益量，当深处残余能量小于阈值E(z)＜t，认为该深度z之后都为背景噪声，比z更深的组织信号均施加一个恒定的增益量t；
所述的组织深度增益算法补偿了由于组织快速衰减造成的信号减弱，同样会造成图像中不同病变斑块的衰减系数与原始图像中衰减系数的差异；
步骤三、对心血管OCT原始图像及经过步骤一、步骤二的对比度增强和深度增益算法处理后的图像Ien+comp(z)中组织的衰减系数分别进行拟合估算：
其中，I0为初始光强，μt为组织衰减系数，Ioff是在深度为0处的光强，T(z)是与探头相关的共焦公式：
其中，z0是激光束腰位置，zR为瑞利长度，S(z)是与光源相关的频域相干公式：
其中，zc为扫描中心位置，zw为光强衰减的半高宽。
所述的心血管OCT图像包含分别带有钙化斑块、纤维斑块、脂质斑块三种不同类型病变斑块的心血管OCT临床图像数据，从分别包含上述三种病变的30幅心血管OCT图像中选取感兴趣区域各50个，每个感兴趣区域包含20-50个A-Line，每个A-Line包含20-50 个像素点；
所述的组织衰减系数μt的拟合估算是通过对不同类型病变斑块的每个感兴趣区域的每一A-Line按(5)式拟合得出对应的组织衰减系数μt值，再将多个感兴趣区域的μt平均值作为各个病变斑块最终的组织衰减系数μt；
步骤四、对步骤一、二所述的对比度增强与组织深度增益算法进行对比度系数n优化，对心血管内OCT原始图像分别经上述不同n值对应的对比度增强与组织深度增益算法处理，对比各图像增强效果，通过步骤三所述的组织衰减系数μt的估算方法得出各n值对应的三种不同病变斑块的组织衰减系数μt值，对比原始图像中的组织衰减系数μt，得出组织衰减系数变化的绝对值最小时所对应的n值作为优化后的n，对优化的n值所对应的图像 Ien+comp(z)再进行坐标变化和漏点插值，最终得到输出图像。该输出图像与原始图像相比，图像中深处组织信息得到增强，图像对比度有所提高，同时维持了病变区域衰减系数的相对恒定。
所述的对比度增强和深度增益算法均会改变了原始图像数据中不同病变斑块的衰减系数μt，对后续通过组织衰减系数μt来判别斑块类型造成了影响，深度增益算法会使组织衰减系数μt减小，当n＝1，即只进行深度增益算法时，对比于原始图像，组织衰减系数变化量表现为负值，对比度增强会使组织衰减系数μt增大，且随对比度系数n的增加而增加，当 n＞1时，随着n的增大，组织衰减系数的变化量从负值向正值过度，表现为随n的增大而增大，如图2所示。
所述的对比度系数n的优化是通过对比不同n值对应的三种不同病变斑块的组织衰减系数μt的变化量，将相较于原始图像数据中的组织衰减系数变化最小的图像作为最优选择，使组织衰减系数μt最接近原始值，使通过组织衰减系数μt来判别不同病变类型更加准确，对于心血管OCT图像中的钙化斑块、纤维斑块、脂质斑块，如图2所示，当n＝1.2时，组织衰减系数变化量的绝对值最小，是最优化的对比度增强和深度增益算法。
不同n值对应的对比度增强与组织深度增益算法的图像处理效果如图3-图7所示，原始图像中深处组织信息由于较强的组织衰减，信号较弱，深处的泡沫细胞可见度不高，当n＝1，即只进行深度增益算法时，对比于原始图像，深处组织的信号增强，当n＞1时，同时进行对比度增强和深度增益算法，组织边缘对比度提高，病变区域识别度更好，且对比度随n值的增大而增加。
心血管内OCT图像在临床数据中包含有组织深处支架的图像，由于金属支架的强反射特性，支架会呈现高亮度，在所述的对比度增强与深度增益算法中，深处支架前端的信号受到后端高亮度支架信号的影响，会错误地在支架前端形成阴影，且表现出阴影的明显程度随n值的增大而增加，因此不能采用较大的n值，支架前阴影会影响病理特征的判断，如图8-图12所示。
在对心血管OCT图像进行对比度增强和深度增益算法时，算法改变了原始图像中不同病变斑块的组织衰减系数μt，影响了对斑块的识别和判断，通过优化算法的对比度系数n，维持图像中病变斑块衰减系数的相对恒定。对于心血管内钙化斑块、纤维斑块、脂质斑块三种不同类型病变，优化后的算法都能达到增强图像深度信息的同时，病变的衰减系数维持相对恒定的效果。同时，对比度增强和深度增益算法，增强了深处组织信号强度，提高了边缘对比度以及病变区域的识别度，且对比度随n值的增大而增加。但是，若采用较大对比度系数n，会对组织内部支架前端造成阴影，图像出现一些伪特征，在优化对比度系数n的过程中要避免采用较大的n值。综合组织衰减系数变化量最小、对比度增强以及避免支架前端阴影这三方面因素考虑，对于心血管内OCT图像，采用优化的对比度系数n＝1.2，实现增强深度信息的同时不引起衰减系数剧烈变化且不会出现组织内部支架前阴影影响病例特征改变的情况。
尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。
Claims (1)
1.一种心血管内光学相干层析图像增强方法，其特征在于，包括以下步骤：
步骤一、对使用心血管内OCT成像系统采集到的极坐标下的OCT原始图像的每一A-Line进行对比度增强，得到图像Ien(z)：
式(1)中，z表示深度，I(z)和Ien(z)分别表示原始图像中深度z处对比度增强前后的光强值，采用指数增强的方式增加对比度，n是指数项，作为对比度系数，分别设定不同的对比度系数值：n＝1、n＝1.2、n＝1.5、n＝1.8、n＝2、n＝3，n＝1时表示只进行深度增益，n＞1表示同时进行深度增益和对比度增强；
步骤二、对步骤一处理后的对比度增强图像Ien(z)的每一A-Line进行深度信息增强，得到图像Ien+comp(z)：
t＝0.1‰Emax(z)＝0.1‰×max[E(z)] (4)
式(2)中，Ien+comp(z)表示深度信息增强后图像中深度z处的光强值，E(z)定义为深度z后的残余能量，即为深度z处到A-Line末端的光强值的积分，设置一个阈值t，表示为残余能量E(z)最大值的0.1‰，当残余能量E(z)＜t时，积分式由阈值t代替；
步骤三、对心血管OCT原始图像及经过步骤一、步骤二的对比度增强和深度增益算法处理后的图像Ien+comp(z)中组织的衰减系数分别进行拟合估算：
式(5)中，I0为初始光强，μt为组织衰减系数，Ioff是在深度为0处的光强，T(z)是与探头相关的共焦公式：
式(6)中，z0是激光束腰位置，zR为瑞利长度，S(z)是与光源相关的频域相干公式：
式(7)中，zc为扫描中心位置，zw为光强衰减的半高宽；
步骤四、对步骤一、二所述的对比度增强与组织深度增益算法进行对比度系数n优化，对心血管内OCT原始图像分别经上述不同对比度系数n值对应的对比度增强与组织深度增益算法处理，对比各图像增强效果，通过步骤三所述的组织衰减系数μt的估算方法得出各对比度系数n值对应的钙化斑块、纤维斑块、脂质斑块的组织衰减系数μt值，对比原始图像中的组织衰减系数μt，得出组织衰减系数μt变化的绝对值最小时所对应的对比度系数n值作为优化后的对比度系数，对该优化后的对比度系数值所对应的图像Ien+comp(z)再进行坐标变换和漏点插值，最终得到输出图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610377409.4A CN105825488B (zh) | 2016-05-30 | 2016-05-30 | 一种心血管内光学相干层析图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610377409.4A CN105825488B (zh) | 2016-05-30 | 2016-05-30 | 一种心血管内光学相干层析图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105825488A CN105825488A (zh) | 2016-08-03 |
| CN105825488B true CN105825488B (zh) | 2018-08-21 |
Family
ID=56532540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610377409.4A Active CN105825488B (zh) | 2016-05-30 | 2016-05-30 | 一种心血管内光学相干层析图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105825488B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133959B (zh) * | 2017-06-12 | 2020-04-28 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
| CN110717888B (zh) * | 2019-09-06 | 2021-03-12 | 天津大学 | 一种血管内光学相干层析成像血管壁内轮廓自动识别方法 |
| CN113160160B (zh) * | 2021-04-12 | 2022-07-08 | 哈尔滨医科大学 | 一种基于oct光衰图像的钙化识别方法 |
| CN113516644B (zh) * | 2021-07-13 | 2022-04-01 | 天津大学 | 一种血管内光学相干层析成像分支血管识别方法 |
| CN115423751A (zh) * | 2021-07-13 | 2022-12-02 | 深圳市中科微光医疗器械技术有限公司 | 图像处理的方法、装置、电子设备及存储介质 |
| CN114820678B (zh) * | 2022-06-27 | 2022-09-16 | 天津恒宇医疗科技有限公司 | 基于oct图像的血管壁内轮廓自动提取方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101057777A (zh) * | 2007-06-01 | 2007-10-24 | 南开大学 | 提高光学相干层析术成像质量的方法 |
| CN102046071A (zh) * | 2008-06-02 | 2011-05-04 | 光学实验室成像公司 | 用于从光学相干断层扫描图像获得组织特性的定量方法 |
| CN103025229A (zh) * | 2010-04-29 | 2013-04-03 | 麻省理工学院 | 适用于光学相干断层扫描技术的移动修正和图像增强的方法和装置 |
| CN105030202A (zh) * | 2015-07-30 | 2015-11-11 | 武汉理工大学 | 基于偏芯保偏光纤干涉增强的oct成像方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8705833B2 (en) * | 2011-04-25 | 2014-04-22 | The General Hospital Corporation | Computer-aided staining of multispectral images |
-
2016
- 2016-05-30 CN CN201610377409.4A patent/CN105825488B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101057777A (zh) * | 2007-06-01 | 2007-10-24 | 南开大学 | 提高光学相干层析术成像质量的方法 |
| CN102046071A (zh) * | 2008-06-02 | 2011-05-04 | 光学实验室成像公司 | 用于从光学相干断层扫描图像获得组织特性的定量方法 |
| CN103025229A (zh) * | 2010-04-29 | 2013-04-03 | 麻省理工学院 | 适用于光学相干断层扫描技术的移动修正和图像增强的方法和装置 |
| CN105030202A (zh) * | 2015-07-30 | 2015-11-11 | 武汉理工大学 | 基于偏芯保偏光纤干涉增强的oct成像方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105825488A (zh) | 2016-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105825488B (zh) | 一种心血管内光学相干层析图像增强方法 | |
| CN108697354B (zh) | 超声血流成像 | |
| Bayat et al. | Background removal and vessel filtering of noncontrast ultrasound images of microvasculature | |
| CN109767400B (zh) | 一种导向三边滤波的超声图像散斑噪声去除方法 | |
| CN109961411B (zh) | 非下采样剪切波变换医学ct图像去噪方法 | |
| CN109359506B (zh) | 一种基于小波变换的心磁信号降噪方法 | |
| JP2020520711A (ja) | 超音波を用いた組織微小脈管構造の可視化のためのシステム及び方法 | |
| CN106530236B (zh) | 一种医学图像处理方法及系统 | |
| WO2018000359A1 (zh) | 一种增强超声造影图像的方法、系统及超声造影成像设备 | |
| Ramya et al. | A robust segmentation algorithm using morphological operators for detection of tumor in MRI | |
| Magud et al. | Medical ultrasound image speckle noise reduction by adaptive median filter | |
| Zhang et al. | Automatic segmentation of calcifications in intravascular ultrasound images using snakes and the contourlet transform | |
| Song et al. | Monitoring microwave ablation using ultrasound homodyned K imaging based on the noise-assisted correlation algorithm: An ex vivo study | |
| Bajaj et al. | Machine learning for atherosclerotic tissue component classification in combined near-infrared spectroscopy intravascular ultrasound imaging: Validation against histology | |
| CN110060261B (zh) | 一种基于光学相干层析成像系统的血管分割方法 | |
| CN111528914A (zh) | 一种图像处理方法和装置 | |
| CN113689424B (zh) | 可自动识别图像特征的超声检查系统及识别方法 | |
| US10170078B2 (en) | Method of processing optical coherence tomographic image and apparatus for performing the method | |
| US20100280383A1 (en) | Color Doppler Mode Image Processing In An Ultrasound System | |
| CN107169978B (zh) | 超声图像边缘检测方法及系统 | |
| US20220283278A1 (en) | Systems and Methods for Ultrasound Attenuation Coefficient Estimation | |
| Huang et al. | Adaptive ultrasonic speckle reduction based on the slope-facet model | |
| Al-jaburi et al. | Medical ultrasound image quality enhancement and regions segmentation | |
| Hammouche et al. | Space curve approach for IVUS image segmentation | |
| Shen et al. | Deep Learning‐Based Wavelet Threshold Function Optimization on Noise Reduction in Ultrasound Images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |