CN107485383A - 一种基于成分分析的散斑血流成像方法和装置 - Google Patents
一种基于成分分析的散斑血流成像方法和装置 Download PDFInfo
- Publication number
- CN107485383A CN107485383A CN201710916663.1A CN201710916663A CN107485383A CN 107485383 A CN107485383 A CN 107485383A CN 201710916663 A CN201710916663 A CN 201710916663A CN 107485383 A CN107485383 A CN 107485383A
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- mtr
- blood flow
- speckle
- 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.)
- Granted
Links
- 230000017531 blood circulation Effects 0.000 title claims abstract description 88
- 238000003384 imaging method Methods 0.000 title claims abstract description 79
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 239000000470 constituent Substances 0.000 title claims abstract description 33
- 210000004369 blood Anatomy 0.000 claims abstract description 39
- 239000008280 blood Substances 0.000 claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims description 19
- 239000000203 mixture Substances 0.000 claims description 18
- 239000013307 optical fiber Substances 0.000 claims description 7
- 210000003743 erythrocyte Anatomy 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 3
- 210000004556 brain Anatomy 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 239000000523 sample Substances 0.000 abstract description 23
- 238000000034 method Methods 0.000 abstract description 17
- 238000010827 pathological analysis Methods 0.000 abstract description 8
- 239000002872 contrast media Substances 0.000 abstract description 5
- 201000010099 disease Diseases 0.000 abstract description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 5
- 241000251468 Actinopterygii Species 0.000 abstract description 4
- 239000012805 animal sample Substances 0.000 abstract description 4
- 210000001161 mammalian embryo Anatomy 0.000 abstract description 4
- 210000003128 head Anatomy 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003727 cerebral blood flow Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 230000004089 microcirculation Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Hematology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于成分分析的散斑血流成像方法和装置，对原始血流散斑信号进行成分分析，分离出血流光强信号和组织光强信号，计算出成像参量，并作为二维血流分布图的灰度值，建立样品的二维血流分布图。本方法具有非入侵、无需注射造影剂、无损害等诸多优点，可用于活体小动物样品，如小鼠、鱼胚胎等的血流成像，这对于部分血流疾病的病理诊断和分析具有重大的应用前景。本装置成本低廉、对样品无伤害，能快速实现血流成像，且成像精度高，可用于血流监测；采用了透射式成像系统，能够具有更深的成像深度；引入了长焦距远心镜头，使得处于深位置的血流位于景深范围内，相机能采集清晰的像，具有较高的空间分辨率。
Description
技术领域
本发明涉及生物组织光学血流成像领域，具体是指一种基于成分分析散斑血流成像方法和装置。
背景技术
激光散斑血流成像属于光学成像技术领域，通过采集生物组织的散斑信号来获取血流信息，无需注射造影剂和机械扫描，即可获得全场的血流分布图，具有无损、非接触成像等优势。目前，激光散斑血流成像技术已经成功运用到脑皮层、皮肤、眼睛视网膜等组织的血流成像和监测，对于部分血流疾病的病理诊断和分析具有重要意义。
散斑血流成像方法通常以相同的曝光时间和帧间隔时间连续采集N帧大小为P＊L的散斑图像，然后根据处理方法分为以下三种：空间衬比成像法，利用W×W大小的移动窗口计算衬比值，以计算结果作为移动窗口中心像素点的灰度值重建二维血流分布图；时间衬比成像法，利用每个像素点沿时间序列对应的N个光强值来计算衬比值，以计算结果作为该像素点的灰度值来重建二维血流分布图；时空联合衬比成像法：利用空间和时间结合的方法，具体是让第M+1帧图像减去前M帧原始散斑图像在时间序列上的均值，再进行空间衬比成像，从而重建血流分布图。
空间衬比成像法：例如中国发明专利CN1391869A“利用激光散斑成像仪检测肠细膜上微循环血流时空响应特性的方法”，该方法的主要缺点是图像空间分辨率较低。时间衬比成像法：例如中国发明专利CN1792323A“一种经颅脑血流高分辨率成像方法及其装置”，该方法的主要缺点是图像时间分辨率较低，容易受图像抖动的影响。时空联合衬比成像法：中国发明专利CN101485565A“一种激光散斑血流成像分析方法”和中国发明专利CN102429650A“一种激光散斑血流成像衬比分析方法”，这两种方法都是利用空间衬比成像和时间衬比成像结合的方法提高成像的空间分辨率和时间分辨率，但是存在算法运算量过大、速度较慢的问题。
发明内容
为解决上述问题，本发明的目的在于提供一种基于成分分析的散斑血流成像方法和装置，对原始血流散斑信号进行成分分析，分离出血流光强信号和组织光强信号，计算出成像参量，并作为二维血流分布图的灰度值，建立样品的二维血流分布图，与散斑衬比成像方法相比，只需利用2张原始血流图像，即可重建出血流分布图，能够有效解决时空分辨率低和运算量大等问题。
本发明解决其问题所采用的技术方案是：
一种基于成分分析的散斑血流成像方法，包括以下步骤：
用激光射向被测样品，并透射出原始血流散斑信号；
采集包含血流光强信号和组织光强信号的原始血流散斑信号，并沿时间序列排列；
对原始血流散斑信号进行成分分析，得到由运动红细胞产生的血流光强信号和由背景组织产生的组织光强信号；
计算出血流分布图的每一像素点的成像参量；
利用上述步骤依次得到各行像素的成像参量，并作为二维血流分布图的灰度值，建立样品的二维血流分布图。
本发明提出的一种基于成分分析的散斑血流成像方法，对原始血流散斑信号进行成分分析，分离出血流光强信号和组织光强信号，计算出成像参量，并作为二维血流分布图的灰度值，建立样品的二维血流分布图，最少只需2帧即可得到血流分布图，具有时空分辨率高、适合实时成像的特点。此外，本方法还具有非入侵、无需注射造影剂、无损害、成本低廉等诸多优点。本方法可用于活体小动物样品，如小鼠、鱼胚胎等的血流成像，这对于部分血流疾病的病理诊断和分析具有重大的应用前景。
进一步，所述成分分析，包括以下步骤：
a、假设采集到的沿时间序列排列的原始血流散斑信号数量为N，数据大小为P＊L＊N，依次抽取每一行所有时间序列上的像素点的原始光强数据，组成N＊L大小的样本矩阵X，数学表达式为：
其中，I(x,y,t)表示第x行像素点(x,y)沿时间轴t处的光强信号。
b、计算矩阵X的协方差矩阵C，数学表达式为：
其中，Cij为协方差矩阵C的第i行第j列的元素。
c、求出协方差矩阵C的特征值λi及其对应的特征向量ai。将λi降序排列，使得λ1≥λ2≥…≥λN。特征向量ai是矩阵X的第i成分Fi的线性变换系数，则Fi可用公式表示为：
Fi(x,y)＝aiXy (1－3)
其中，Xy为样本矩阵的第y列，Fi(x,y)为像素点位置(x，y)的第i成分。
d、由背景组织产生的组织光强信号I0(x，y)为方差贡献率最大的第一成分，由运动红细胞产生的血流光强信号IRBC(x，y)为方差贡献率小的第二到第N成分之和，其数学表达式分别为
I0(x,y)＝1(x,y) (1－4)
其中I0(x,y)表示第x行像素点(x,y)背景组织产生的静态散斑信号之和，IRBC(x,y)表示第x行像素点(x,y)运动红细胞产生的动态散斑信号之和。
通过步骤a至步骤d对采集到的原始血流散斑信号进行成分分析，得到血流光强信号和组织光强信号，作为计算成像参量的数据基础。
进一步，所述血流分布图的每一像素点的成像参量，为该像素点的第二到第N成分之和除以第一成分的值，其数学表达式为：
其中IP(x,y)表示第x行像素点(x,y)的成像参量。
进一步，采集到的原始血流散斑信号数量N为大于等于2的整数。
一种基于成分分析的散斑血流成像装置，其特征在于，包括：激光光源、光纤头、扩束镜、与水平面夹角为45度的反光镜、位于反光镜正上方的中心有孔的载物台、嵌于载物台中心孔的载玻片、位于载玻片正上方的远心镜头、与远心镜头连接的相机以及接收相机所采集的数据进行处理和重建血流分布图的电脑。本装置成本低廉、对样品无伤害，能快速实现血流成像，且成像精度高，可用于血流监测；采用了透射式成像系统，能够具有更深的成像深度；引入了长焦距远心镜头，使得处于深位置的血流位于景深范围内，相机能采集清晰的像，具有较高的空间分辨率。
进一步，所述激光光源、光纤头和扩束镜依次连接，且中心位于同一水平线上。
优选地，所述相机为CMOS相机。采用CMOS相机结合远心镜头采集样品散斑信息，提高成像系统的景深，实现高分辨率成像。
本发明的有益效果是：本发明采用的一种基于成分分析的散斑血流成像方法和装置，对原始血流散斑信号进行成分分析，分离出血流光强信号和组织光强信号，计算出成像参量，并作为二维血流分布图的灰度值，建立样品的二维血流分布图，最少只需2帧即可得到血流分布图，具有时空分辨率高、适合实时成像的特点。此外，本方法还具有非入侵、无需注射造影剂、无损害、成本低廉等诸多优点；本方法可用于活体小动物样品，如小鼠、鱼胚胎等的血流成像，这对于部分血流疾病的病理诊断和分析具有重大的应用前景。本装置成本低廉、对样品无伤害，能快速实现血流成像，且成像精度高，可用于血流监测；采用了透射式成像系统，能够具有更深的成像深度；引入了长焦距远心镜头，使得处于深位置的血流位于景深范围内，相机能采集清晰的像，具有较高的空间分辨率。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明一种基于成分分析的散斑血流成像方法的流程图；
图2是本发明一种基于成分分析的散斑血流成像装置的示意图。
具体实施方式
参照图1，本发明的一种基于成分分析的散斑血流成像方法，包括以下步骤：
用激光射向被测样品，并透射出原始血流散斑信号；
采集包含血流光强信号和组织光强信号的原始血流散斑信号，并沿时间序列排列；
对原始血流散斑信号进行成分分析，得到由运动红细胞产生的血流光强信号和由背景组织产生的组织光强信号；
计算出血流分布图的每一像素点的成像参量；
利用上述步骤依次得到各行像素的成像参量，并作为二维血流分布图的灰度值，建立样品的二维血流分布图。
本发明提出的一种基于成分分析的散斑血流成像方法，对原始血流散斑信号进行成分分析，分离出血流光强信号和组织光强信号，计算出成像参量，并作为二维血流分布图的灰度值，建立样品的二维血流分布图，最少只需2帧即可得到血流分布图，具有时空分辨率高、适合实时成像的特点。此外，本方法还具有非入侵、无需注射造影剂、无损害、成本低廉等诸多优点。本方法可用于活体小动物样品，如小鼠、鱼胚胎等的血流成像，这对于部分血流疾病的病理诊断和分析具有重大的应用前景。
进一步，所述成分分析，包括以下步骤：
a、假设采集到的沿时间序列排列的原始血流散斑信号数量为N，数据大小为P＊L＊N，依次抽取每一行所有时间序列上的像素点的原始光强数据，组成N＊L大小的样本矩阵X，数学表达式为：
其中，I(x,y,t)表示第x行像素点(x,y)沿时间轴t处的光强信号。
b、计算矩阵X的协方差矩阵C，数学表达式为：
其中，Cij为协方差矩阵C的第i行第j列的元素。
c、求出协方差矩阵C的特征值λi及其对应的特征向量ai。将λi降序排列，使得λ1≥λ2≥…≥λN。特征向量ai是矩阵X的第i成分Fi的线性变换系数，则Fi可用公式表示为：
Fi(x,y)＝aiXy (1－3)
其中，Xy为样本矩阵的第y列，Fi(x,y)为像素点位置(x，y)的第i成分。
d、由背景组织产生的组织光强信号I0(x，y)为方差贡献率最大的第一成分，由运动红细胞产生的血流光强信号IRBC(x，y)为方差贡献率小的第二到第N成分之和，其数学表达式分别为
I0(x,y)＝1(x,y) (1－4)
其中I0(x,y)表示第x行像素点(x,y)背景组织产生的静态散斑信号之和，IRBC(x,y)表示第x行像素点(x,y)运动红细胞产生的动态散斑信号之和。
通过步骤a至步骤d对采集到的原始血流散斑信号进行成分分析，得到血流光强信号和组织光强信号，作为计算成像参量的数据基础。
进一步，所述血流分布图的每一像素点的成像参量，为该像素点的第二到第N成分之和除以第一成分的值，其数学表达式为：
其中IP(x,y)表示第x行像素点(x,y)的成像参量。
进一步，采集到的原始血流散斑信号数量N为大于等于2的整数。具体实施过程中，采集到的原始血流散斑信号数量N为大于等于5的整数效果比较好。
参照图2，一种基于成分分析的散斑血流成像装置，其特征在于，包括：激光光，1、光纤头2、扩束镜3、与水平面夹角为45度的反光镜4、位于反光镜4正上方的中心有孔的载物台5、嵌于载物台5中心孔的载玻片6、位于载玻片6正上方的远心镜头7、与远心镜头7连接的相机8以及接收相机8所采集的数据进行处理和重建血流分布图的电脑9。本装置成本低廉、对样品无伤害，能快速实现血流成像，且成像精度高，可用于血流监测；采用了透射式成像系统，能够具有更深的成像深度；引入了长焦距远心镜头，使得处于深位置的血流位于景深范围内，相机能采集清晰的像，具有较高的空间分辨率。
进一步，所述激光光源1、光纤头2和扩束镜3依次连接，且中心位于同一水平线上。
优选地，所述相机8为CMOS相机。采用CMOS相机结合远心镜头采集样品散斑信息，提高成像系统的景深，实现高分辨率成像。
使用本装置对被测样品进行散斑血流成像的实施步骤如下：
激光光源1发射出来的激光由光纤头2射向扩束镜3的中心，扩束后的激光经过反射镜4的反射，射向置于载玻片6上的被测样品，被测样品的透射光进入远心镜头7和相机8，电脑9接收相机8所采集的信号数据进行处理和建立被测样品的血流分布图。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。
Claims (7)
1.一种基于成分分析的散斑血流成像方法，其特征在于，包括以下步骤：
用激光射向被测样品，并透射出原始血流散斑信号；
采集包含血流光强信号和组织光强信号的原始血流散斑信号，并沿时间序列排列；
对原始血流散斑信号进行成分分析，得到由运动红细胞产生的血流光强信号和由背景组织产生的组织光强信号；
计算出血流分布图的每一像素点的成像参量；
利用上述步骤依次得到各行像素的成像参量，并作为二维血流分布图的灰度值，建立样品的二维血流分布图。
2.根据权利要求1所述的一种基于成分分析的散斑血流成像方法，其特征在于，所述成分分析，包括以下步骤：
a、假设采集到的沿时间序列排列的原始血流散斑信号数量为N，数据大小为P*L*N，依次抽取每一行所有时间序列上的像素点的原始光强数据，组成N*L大小的样本矩阵X，数学表达式为：
<mrow>
<mi>X</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>L</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>2</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>L</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mi>N</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mi>N</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>L</mi>
<mo>,</mo>
<mi>N</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
其中，I(x，y，t)表示第x行像素点(x，y)沿时间轴t处的光强信号。
b、计算矩阵X的协方差矩阵C，数学表达式为：
<mrow>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>E</mi>
<mo>{</mo>
<mrow>
<msup>
<mi>XX</mi>
<mi>T</mi>
</msup>
</mrow>
<mo>}</mo>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>L</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</msubsup>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>k</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Ci j为协方差矩阵C的第i行第j列的元素。
c、求出协方差矩阵C的特征值λi及其对应的特征向量ai。将λi降序排列，使得λ1≥λ2≥…≥λN。特征向量ai是矩阵X的第i成分Fi的线性变换系数，则Fi可用公式表示为：
Fi(x，y)＝aiXy (1-3)
其中，Xy为样本矩阵的第y列，Fi(x，y)为像素点位置(x，y)的第i成分。
d、由背景组织产生的组织光强信号I0(x，y)为方差贡献率最大的第一成分，由运动红细胞产生的血流光强信号IRBC(x，y)为方差贡献率小的第二到第N成分之和，其数学表达式分别为
I0(x，y)＝F1(x，y) (1-4)
<mrow>
<msub>
<mi>I</mi>
<mrow>
<mi>R</mi>
<mi>B</mi>
<mi>C</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中I0(x，y)表示第x行像素点(x，y)背景组织产生的静态散斑信号之和，IRBC(x，y)表示第x行像素点(x，y)运动红细胞产生的动态散斑信号之和。
3.根据权利要求2所述的一种基于成分分析的散斑血流成像方法，其特征在于，所述血流分布图的每一像素点的成像参量为该像素点的第二到第N成分之和除以第一成分的值，其数学表达式为：
<mrow>
<mi>I</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>I</mi>
<mrow>
<mi>R</mi>
<mi>B</mi>
<mi>C</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>I</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>F</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
1
其中IP(x，y)表示第x行像素点(x，y)的成像参量。
4.根据权利要求2或者3所述的一种基于成分分析的散斑血流成像方法，其特征在于，采集到的原始血流散斑信号数量N为大于等于2的整数。
5.一种基于成分分析的散斑血流成像装置，其特征在于，包括：激光光源(1)、光纤头(2)、扩束镜(3)、与水平面夹角为45度的反光镜(4)、位于反光镜(4)正上方的中心有孔的载物台(5)、嵌于载物台(5)中心孔的载玻片(6)、位于载玻片(6)正上方的远心镜头(7)、与远心镜头(7)连接的相机(8)以及接收相机(8)所采集的数据进行处理和重建血流分布图的电脑(9)。
6.根据权利要求5所述的一种基于成分分析的散斑血流成像装置，其特征在于，所述激光光源(1)、光纤头(2)和扩束镜(3)依次连接，且中心位于同一水平线上。
7.根据权利要求5所述的一种基于成分分析的散斑血流成像装置，其特征在于，所述相机(8)为CMOS相机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710916663.1A CN107485383B (zh) | 2017-09-29 | 2017-09-29 | 一种基于成分分析的散斑血流成像方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710916663.1A CN107485383B (zh) | 2017-09-29 | 2017-09-29 | 一种基于成分分析的散斑血流成像方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107485383A true CN107485383A (zh) | 2017-12-19 |
| CN107485383B CN107485383B (zh) | 2020-08-11 |
Family
ID=60654017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710916663.1A Active CN107485383B (zh) | 2017-09-29 | 2017-09-29 | 一种基于成分分析的散斑血流成像方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107485383B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109124615A (zh) * | 2018-09-06 | 2019-01-04 | 佛山科学技术学院 | 一种可选区高动态激光散斑血流成像装置及方法 |
| CN109431484A (zh) * | 2018-12-10 | 2019-03-08 | 佛山科学技术学院 | 一种基于心率测量的鸡蛋胚胎性别鉴定的装置及方法 |
| CN109752377A (zh) * | 2019-02-02 | 2019-05-14 | 佛山科学技术学院 | 一种分光式双模态投影层析组织血管成像装置及方法 |
| CN110956107A (zh) * | 2019-11-21 | 2020-04-03 | 佛山科学技术学院 | 一种基于oct扫描系统的三维血管类型区分方法 |
| CN112971756A (zh) * | 2021-02-07 | 2021-06-18 | 佛山科学技术学院 | 散斑血流成像方法及电子设备、计算机可读存储介质 |
| CN113367675A (zh) * | 2021-05-21 | 2021-09-10 | 天津大学 | 基于激光散斑成像的血流动态检测方法、系统和介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101002673A (zh) * | 2007-01-19 | 2007-07-25 | 清华大学 | 人体局部血容量变化参数的便携式近红外检测装置 |
| CN101485565A (zh) * | 2009-02-13 | 2009-07-22 | 华中科技大学 | 一种激光散斑血流成像分析方法 |
| US20120095354A1 (en) * | 2009-02-17 | 2012-04-19 | Andrew Dunn | Quantitative imaging with multi-exposure speckle imaging (mesi) |
| CN102429650A (zh) * | 2011-11-10 | 2012-05-02 | 华中科技大学 | 一种激光散斑血流成像衬比分析方法 |
| WO2012101644A2 (en) * | 2011-01-28 | 2012-08-02 | Bar Ilan University | Method and system for non-invasively monitoring biological or biochemical parameters of individual |
| US20120301839A1 (en) * | 2010-12-10 | 2012-11-29 | The Regents Of The University Of California | Method and apparatus for the assessment of pulpal vitality using laser speckle imaging |
| CN104173038A (zh) * | 2014-08-29 | 2014-12-03 | 上海交通大学 | 基于频域激光散斑成像的血流速度测量方法 |
| CN104887216A (zh) * | 2015-06-10 | 2015-09-09 | 上海大学 | 多光束相干人体皮肤灌注成像系统和方法 |
| US9282905B2 (en) * | 2013-05-29 | 2016-03-15 | University Of Washington Through Its Center For Commercialization | Methods for laser speckle contrast imaging of blood perfusion |
| CN106413536A (zh) * | 2014-05-23 | 2017-02-15 | 柯惠有限合伙公司 | 用于在腹腔镜中为血流成像的系统 |
| CN106442406A (zh) * | 2016-11-25 | 2017-02-22 | 佛山科学技术学院 | 一种基于双波长激光的血氧饱和度检测装置及方法 |
-
2017
- 2017-09-29 CN CN201710916663.1A patent/CN107485383B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101002673A (zh) * | 2007-01-19 | 2007-07-25 | 清华大学 | 人体局部血容量变化参数的便携式近红外检测装置 |
| CN101485565A (zh) * | 2009-02-13 | 2009-07-22 | 华中科技大学 | 一种激光散斑血流成像分析方法 |
| US20120095354A1 (en) * | 2009-02-17 | 2012-04-19 | Andrew Dunn | Quantitative imaging with multi-exposure speckle imaging (mesi) |
| US20120301839A1 (en) * | 2010-12-10 | 2012-11-29 | The Regents Of The University Of California | Method and apparatus for the assessment of pulpal vitality using laser speckle imaging |
| WO2012101644A2 (en) * | 2011-01-28 | 2012-08-02 | Bar Ilan University | Method and system for non-invasively monitoring biological or biochemical parameters of individual |
| CN102429650A (zh) * | 2011-11-10 | 2012-05-02 | 华中科技大学 | 一种激光散斑血流成像衬比分析方法 |
| US9282905B2 (en) * | 2013-05-29 | 2016-03-15 | University Of Washington Through Its Center For Commercialization | Methods for laser speckle contrast imaging of blood perfusion |
| CN106413536A (zh) * | 2014-05-23 | 2017-02-15 | 柯惠有限合伙公司 | 用于在腹腔镜中为血流成像的系统 |
| CN104173038A (zh) * | 2014-08-29 | 2014-12-03 | 上海交通大学 | 基于频域激光散斑成像的血流速度测量方法 |
| CN104887216A (zh) * | 2015-06-10 | 2015-09-09 | 上海大学 | 多光束相干人体皮肤灌注成像系统和方法 |
| CN106442406A (zh) * | 2016-11-25 | 2017-02-22 | 佛山科学技术学院 | 一种基于双波长激光的血氧饱和度检测装置及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于散斑强度涨落调制的微循环激光散斑成像: "王茗祎等", 《量子电子学报》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109124615A (zh) * | 2018-09-06 | 2019-01-04 | 佛山科学技术学院 | 一种可选区高动态激光散斑血流成像装置及方法 |
| CN109124615B (zh) * | 2018-09-06 | 2023-07-11 | 佛山科学技术学院 | 一种可选区高动态激光散斑血流成像装置及方法 |
| CN109431484A (zh) * | 2018-12-10 | 2019-03-08 | 佛山科学技术学院 | 一种基于心率测量的鸡蛋胚胎性别鉴定的装置及方法 |
| CN109431484B (zh) * | 2018-12-10 | 2023-11-28 | 佛山科学技术学院 | 一种基于心率测量的鸡蛋胚胎性别鉴定的装置及方法 |
| CN109752377A (zh) * | 2019-02-02 | 2019-05-14 | 佛山科学技术学院 | 一种分光式双模态投影层析组织血管成像装置及方法 |
| CN109752377B (zh) * | 2019-02-02 | 2024-02-13 | 佛山科学技术学院 | 一种分光式双模态投影层析组织血管成像装置及方法 |
| CN110956107A (zh) * | 2019-11-21 | 2020-04-03 | 佛山科学技术学院 | 一种基于oct扫描系统的三维血管类型区分方法 |
| CN110956107B (zh) * | 2019-11-21 | 2023-05-30 | 佛山科学技术学院 | 一种基于oct扫描系统的三维血管类型区分方法 |
| CN112971756A (zh) * | 2021-02-07 | 2021-06-18 | 佛山科学技术学院 | 散斑血流成像方法及电子设备、计算机可读存储介质 |
| CN113367675A (zh) * | 2021-05-21 | 2021-09-10 | 天津大学 | 基于激光散斑成像的血流动态检测方法、系统和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107485383B (zh) | 2020-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107485383A (zh) | 一种基于成分分析的散斑血流成像方法和装置 | |
| Niu et al. | Rhythmnet: End-to-end heart rate estimation from face via spatial-temporal representation | |
| CN103300841B (zh) | 一种快速激光散斑血流成像系统和方法 | |
| Rodriguez et al. | Decreased light attenuation in cerebral cortex during cerebral edema detected using optical coherence tomography | |
| Tam et al. | Speed quantification and tracking of moving objects in adaptive optics scanning laser ophthalmoscopy | |
| CN109752377B (zh) | 一种分光式双模态投影层析组织血管成像装置及方法 | |
| Ye et al. | In-vivo full-field measurement of microcirculatory blood flow velocity based on intelligent object identification | |
| Lan et al. | Reconstruct the photoacoustic image based on deep learning with multi-frequency ring-shape transducer array | |
| CN106419890B (zh) | 一种基于时空调制的血流速度测量装置及方法 | |
| CN104305957A (zh) | 头戴式分子影像导航系统 | |
| Ishijima et al. | Automated frame selection process for high-resolution microendoscopy | |
| CN105342597B (zh) | 一种定量激光血流检测方法 | |
| CN106419889A (zh) | 一种基于片层光的血流三维成像装置及方法 | |
| Chao et al. | Three-dimensional shear wave imaging based on full-field laser speckle contrast imaging with one-dimensional mechanical scanning | |
| Kassab et al. | Effects of region of interest size on heart rate assessment through video magnification | |
| CN103411901B (zh) | 含氧血红蛋白与脱氧血红蛋白光谱含量分布定量检测装置及方法 | |
| Blackford et al. | Measurements of pulse rate using long-range imaging photoplethysmography and sunlight illumination outdoors | |
| CN117974525A (zh) | 基于二阶自相关函数计算的激光散斑衬比血流成像方法 | |
| Lozenski et al. | A memory-efficient self-supervised dynamic image reconstruction method using neural fields | |
| Li et al. | Experimental measurement of human head motion for high-resolution computed tomography system design | |
| Ansari et al. | Monitoring capillary blood flow using laser speckle contrast analysis with spatial and temporal statistics | |
| CN116994310A (zh) | 一种基于rPPG信号的远程心率检测方法 | |
| Muthiah et al. | Fusion of MRI and PET images using deep learning neural networks | |
| Kedir et al. | Spectranet: A deep model for skin oxygenation measurement from multi-spectral data | |
| CN111951241B (zh) | 一种水生动物运动过程中肌肉形变的测定与显示方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220707 Address after: 430000 room 02, 19 / F, building 9, Guannan Fuxing Pharmaceutical Park, No. 58, Guanggu Avenue, Wuhan East Lake New Technology Development Zone, Hongshan District, Wuhan, Hubei Province Patentee after: Wuhan Wuhai Technology Service Co.,Ltd. Address before: 528000 No. 18, Jiangwan Road, Chancheng District, Guangdong, Foshan Patentee before: FOSHAN University |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220808 Address after: Room C6306, Building C6, No. 666 Gaoxin Avenue, Donghu New Technology Development Zone, Hongshan District, Wuhan City, Hubei Province 430000 Patentee after: Jarvis (Wuhan) biomedical Co.,Ltd. Address before: 430000 room 02, 19 / F, building 9, Guannan Fuxing Pharmaceutical Park, No. 58, Guanggu Avenue, Wuhan East Lake New Technology Development Zone, Hongshan District, Wuhan, Hubei Province Patentee before: Wuhan Wuhai Technology Service Co.,Ltd. |