CN110141208A - 一种动态静态图像相结合的血流成像系统和方法 - Google Patents
一种动态静态图像相结合的血流成像系统和方法 Download PDFInfo
- Publication number
- CN110141208A CN110141208A CN201910293108.7A CN201910293108A CN110141208A CN 110141208 A CN110141208 A CN 110141208A CN 201910293108 A CN201910293108 A CN 201910293108A CN 110141208 A CN110141208 A CN 110141208A
- Authority
- CN
- China
- Prior art keywords
- image
- laser
- measurand
- infrared
- computer
- 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.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims description 19
- 230000017531 blood circulation Effects 0.000 claims abstract description 31
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 claims abstract description 22
- 230000003287 optical effect Effects 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 239000002096 quantum dot Substances 0.000 claims description 11
- 210000003743 erythrocyte Anatomy 0.000 claims description 10
- 210000004369 blood Anatomy 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 9
- 229910052946 acanthite Inorganic materials 0.000 claims description 8
- FSJWWSXPIWGYKC-UHFFFAOYSA-M silver;silver;sulfanide Chemical group [SH-].[Ag].[Ag+] FSJWWSXPIWGYKC-UHFFFAOYSA-M 0.000 claims description 8
- 230000000964 angiostatic effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000000740 bleeding effect Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000000763 evoking effect Effects 0.000 claims 3
- 230000000007 visual effect Effects 0.000 claims 3
- 239000003795 chemical substances by application Substances 0.000 claims 1
- 238000004925 denaturation Methods 0.000 claims 1
- 230000036425 denaturation Effects 0.000 claims 1
- 230000002123 temporal effect Effects 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 230000011514 reflex Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 18
- 230000003068 static effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000000799 fluorescence microscopy Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000005338 frosted glass Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 210000001519 tissue 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Cardiology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Hematology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种动态静态图像相结合的血流成像系统，包括近红外LED光源、荧光剂、平面镜、InGaAs相机、激光发射器、激光扩束器、滤光片、CCD相机、被测对象和计算机，还公开了其成像方法，在被测对象中采用Ag2S作为荧光剂进行平面镜反射至待测区域，荧光剂被近红外光照射后发出荧光被InGaAs相机接收，并将图像传到计算机进行处理，获得血流静态图像；激光发射器发出红外激光反射后照射在待测区域并产生后向散射光，在CCD相机表面曝光，将曝光的成像图像传送至计算机进行处理,获得血流动态图像；将静态图像与动态图像进行图像配准，得到空间分辨率更高的血流图像。本发明相比于现有的血流成像方法具有检测效果好、时空分辨率高、信噪比高的优点。
Description
技术领域
本发明属于光学成像技术领域，特别是涉及基于近红外Ⅱ区荧光成像和激 光散斑血流成像技术，具体涉及一种动态静态图像相结合的血流成像系统和方 法。
背景技术
血流成像技术是一项重要的检测技术，主要应用于生物体的血流检测、病 理研究。目前常用的方法有近红外Ⅱ区荧光血流成像技术和激光散斑血流成像 技术；近红外Ⅱ区荧光血流成像技术属于光学成像技术领域。具体而言，该技 术利用近红外光照射待测生物体，待测生物体中的荧光剂接收到近红外光的能 量，价带电子吸收光子，被激发跃迁至导带，然后发出荧光，通过InGaAs相 机等图像采集设备捕捉到荧光，从而获得静态血流图像。其优势在于：穿透能 力强、抗背景荧光干扰能力强，可实现高时空分辨率的血流检测。但该技术的 劣势在于只能获得静态的血流图像，无法得到血流的速度信息。而激光散斑血流成像技术同样属于光学成像技术领域。具体而言，该技术利用激光射入待测 生物体中，被生物体中的红细胞散射后形成多普勒频射，散射光的频率变化与 红细胞的运动速度相关，通过CCD相机收集到动态散斑信号，得到动态的血流 图像。其优势在于：成像面积大、速度快、分辨率高、可以进行长时间的实时 监测。但该技术的劣势在于其获得的动态血流图像的精度有限。
结合近红外Ⅱ区荧光血流成像技术和激光散斑血流成像技术，可达到微米 量级的空间分辨率和毫秒量级的时间分辨率，真正实现了实时高分辨血流成 像。通过将近红外Ⅱ区荧光血流成像技术与激光散斑血流成像技术相结合，将 两种方法的优势相结合，有效提高时空分辨率。可用于高时空分辨率的活体血 流成像。现有的激光散斑血流成像技术公开了一篇有中国发明专利，其公开号 或公告号为：CN105380638A，专利名称为：一种用于激光散斑血流速度的定量 成像装置及其方法，现有的红外荧光成像技术公开了一篇中国发明专利，其公 开或公告号为：CN102083362A，专利名称为：定位和分析用于整形和重建手术的穿支皮瓣。以上两篇专利均只使用单一的成像方法，时空分辨率低，信噪比 差。
发明内容
本发明要解决的技术问题是针对现有技术存在的不足，提供一种动态静态 图像相结合的血流成像系统和方法，根据本发明可有效解决了现有的血流成像 方法时空分辨率低的问题。为了实现上述目的，本发明采用的技术方案如下：
根据本发明的一方面，提供了一种动态静态图像相结合的血流成像系统, 包括包括近红外LED光源、第一电源、荧光剂、平面镜、InGaAs相机、激光发 射器、激光扩束器、滤光片、CCD相机、被测对象、计算机和第二电源、,所述 电源与上近红外LED光源电气连接，使近红外LED光源通电并发射出的近红外 光照射在被测对象10的表面，在被测对象中用荧光剂标记被测对象待测区域， 所述InGaAs相机的镜头对准所述被测对象并使其能够捕捉到荧光，所述 InGaAs相机的输出端与所述计算机连接，所述第二电源与激光发射器连接，在 激光发射器的前方设置所述激光扩束器，激光发射器发射出的激光照射的方向 依次设置所述激光扩束器和平面镜，使激光发射器发射出的激光经激光扩束器 扩束、平面镜反射照射在被测对象的表面，所述CCD相机用于拍摄被测对象的 表面的散射光，所述CCD相机的输出端与所述计算机连接，在所述CCD相机的 镜头处设置所述滤光片。
上述方法优选的，所述荧光剂为Ag2S荧光剂，所述CCD相机的像素不低 于680*480。
上述方法优选的，所述近红外LED光源发出的近红外光的波长为1300nm～1700nm，所述激光发射器发出的红外激光的波长为1000nm～1300nm。
上述方法优选的，所述近红外LED光源发出的近红外光的波长为1400nm； 所述激光发射器发出的红外激光的波长为1200nm。
根据本发明的另一个方面，提供了一种动态静态图像相结合的血流成像方 法,所述成像方法包括如下步骤：
步骤1：用Ag2S荧光剂被激发的Ag2S量子点与被测对象的红细胞进行耦联， 从而标记被测对象的红细胞；
步骤2：用近红外LED光源发出波长为1300～1700nm的近红外光，并照射 在已经用Ag2S量子点标记的被测对象上；
步骤3：用InGaAs相机拍摄被测对象的荧光标记区域，得到血流图像，并 将InGaAs相机拍摄的流血图送至计算机中进行处理，获得待测血管静态图像；
步骤4：用激光发射器发出波长为1000～1300nm的红外激光，所述用激光 发射器发出的红外激光经过激光扩束器后，再经平面镜反射后照射在被测对象 的待测区域，待测区域所产生的后向散射光在CCD相机表面形成散斑，通过CCD 相机进行曝光，并将曝光形成的成像图像传送至计算机进行处理；
步骤5：计算机利用激光散斑血流成像算法，计算出所有像素点的散斑图 像模糊度，根据模糊度计算出待测对象血管内的相对血流速度，获得血流的动 态图像；
步骤6：对静态图像和动态图像分别建立尺度空间、高斯金字塔、高斯差 分金字塔；
步骤7：寻找特征点，将特征点中的中间检测点和它相同尺度的8个相邻 点，以及和上下相邻尺度对应的9×2个点，以确保在尺度空间和二维图像空 间均为极值点，然后进行特征点筛选，再利用差值算法确定局部极值点的位置 和尺度，去除对比度低的极值点；
步骤8：求解特征点的梯度幅值和幅角，对特征点进行方向赋值，。为了实 现图像旋转不变性，需要根据检测到的特征点局部图像结构为特征点方向赋 值；
步骤9：对特征点进行描述，以形成128维的空间向量；
步骤10：对特征点进行匹配，根据特征描述子之间的欧式距离判断其相似 性，欧式距离越小相似度越高，反之越低。
上述方法优选的，在所述步骤1中，以形成128维的空间向量是以特征点 为中心，并取16×16像素大小区域，将此区域均分为4×4的子块，统计每个 子块8个方向的梯度方向直方图，从而得到种子点，并且使每个种子点有8个 方向，以便组成128维的特征向量。
上述方法优选的，在所述步骤6中，对静态图像和动态图像分别建立尺度 空间包括对某一个图像的尺度空间与一个可变尺度的高斯函数进行图像卷积 运算。
综上所述，本发明由于采用了以上技术方案，有益效果在于：
本发明的动态静态图像相结合的血流成像系统相对于现有激光散斑血流 成像方法和中波红外血流成像方法具有检测效果好、时空分辨率高、信噪比高 的优点。
附图说明
为了更清楚地说明本发明实例或现有技术中的技术方案，下面将对实施实 例或现有技术描述中所需要的附图做简单地介绍，显然，下面描述中的附图仅 仅是本发明的一些实例，对于本领域普通技术人员来说，在不付出创造性的前 提下，还可以根据这些附图获得其他的附图。
图1是本发明的一种动态静态图像相结合的血流成像系统的原理图。
具体实施方式
下面将结合本发明实例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的一个方面，结合图1，提供了一种动态静态图像相结合的血 流成像系统,包括近红外LED光源1、第一电源2、荧光剂3、平面镜4、InGaAs 相机5、激光发射器6、激光扩束器7、滤光片8、CCD相机9、被测对象10、 计算机11和第二电源21，所述电源2与上近红外LED光源1电气连接，使近 红外LED光源1通电并发射出的近红外光照射在被测对象10的表面，在被测 对象11中用荧光剂3标记被测对象10待测区域，近红外光激发Ag2S量子点，其价带电子吸收光子，被激发跃迁至导带，然后发出荧光，所述InGaAs相机5 的镜头对准所述被测对象10并使其能够捕捉到荧光，通过InGaAs相机5捕捉 到荧光，该InGaAs相机5将捕捉到荧光的输出至与所述计算机11，从而获得 静态血流图像，所述第二电源21与激光发射器6连接，在激光发射器6的前 方设置所述激光扩束器7，激光发射器6发射出的激光照射的方向依次设置所 述激光扩束器7和平面镜3，使激光发射器6发射出的激光经激光扩束器7扩 束、平面镜3反射照射在被测对象10的表面，照射在被测对象10的表面后， 被测对象10的待测区域对入射光产生后向散射，所产生的后向散射光经过滤 光片8在CCD相机9表面形成散斑，所述CCD相机9用于拍摄被测对象10的 表面的散射光，CCD相机9对所形成的散斑进行成像，并将成像后的图像送至 计算机11进行处理，获得动态图像。
所述CCD相机9的输出端与所述计算机11连接，在所述CCD相机9的镜 头处设置所述滤光片8，所述荧光剂3为Ag2S荧光剂，所述CCD相机9的像素 不低于680*480。所述近红外LED光源1发出的近红外光的波长为1300nm～ 1700nm，所述激光发射器6发出的红外激光的波长为1000nm～1300nm。优选 的，所述近红外LED光源1发出的近红外光的波长为1400nm；所述激光发射器 6发出的红外激光的波长为1200nm；所述InGaAs相机之类的能够进行图像采 集的设备都可以用来替代上述优选实施例中的InGaAs相机；CCD相机之类的能 够进行图像采集的设备都可以用来替代上述优选实施例中的CCD相机。被测对 象一般是指生物体的表皮，如小白鼠的皮肤和血管等；后向反射光指入射光相 反方向的散射光，一般入射光方向为前向，反射光的方向为“后向”。
根据本发明的另一个方面，提供了一种动态静态图像相结合的血流成像成 像方法：所述成像方法包括如下步骤：
步骤1：用Ag2S荧光剂被激发的Ag2S量子点与被测对象10的红细胞进行 耦联，从而标记被测对象10的红细胞；
步骤2：用近红外LED光源1发出波长为1300～1700nm的近红外光，并照 射在已经用Ag2S量子点标记的被测对象10上，被测对象10(被测生物体)中的 Ag2S量子点的价带电子吸收光子，被激发跃迁至导带，然后发出比激发光波长 稍长的荧光；
步骤3：用InGaAs相机5拍摄被测对象10的荧光标记区域，得到血流图 像，并将InGaAs相机5拍摄的流血图送至计算机11中进行处理，获得待测血 管静态图像；
步骤4：用激光发射器6发出波长为1000～1300nm的红外激光，所述用激 光发射器发出的红外激光经过激光扩束器7后，再经平面镜4反射后照射在被 测对象10的待测区域，待测区域所产生的后向散射光在CCD相机表面形成散 斑，通过CCD相机9进行曝光，并将曝光形成的成像图像传送至计算机11进 行处理；
步骤5：计算机11利用激光散斑血流成像算法，计算出所有像素点的散斑 图像模糊度，根据模糊度计算出待测对象血管内的相对血流速度，获得血流的 动态图像；
步骤6：对静态图像和动态图像分别建立尺度空间、高斯金字塔、高斯差 分金字塔；建立尺度空间的作用是为了建立高斯金字塔，建立高斯金字塔作用 是为了通过每组邻近图像相减的方式产生高斯差分金字塔，建立高斯差分金字 塔是为了进行图像的预处理，去除噪声，更好地寻找特征点；建立尺度空间的 方法为：首先设σ为尺度参数(人为设定)，则图像I(x,y)的尺度空间L(x, y,σ)可以表示为：
L(x,y,σ)＝G(x,y,σ)*I(x，y) (1)
因此，一个图像的尺度空间L(x,y,σ)可以,定义为原始图像I(x,y)与一个 可变尺度的高斯函数G(x,y,σ)进行图像(对图像进行卷积运算)卷积运算， I(x,y)为输入图像的灰度值，“*”为卷积符号，G(x,y,σ)为高斯平滑核 函数，其表达式为：
建立高斯金子塔主要包括两个步骤，首先通过高斯掩膜对图像卷积，从而 对图像进行高斯模糊，然后对高斯模糊之后的图像进行降采样，高斯差分金字 塔是通过高斯金字塔同一组当中相邻两层相减而得到。
步骤7：寻找特征点，将特征点中的中间检测点和它相同尺度的8个相邻 点，以及和上下相邻尺度对应的9×2个点，一共26个点比较，以确保在尺度 空间和二维图像空间均为极值点，然后进行特征点筛选，选取图像的特征点之 后，再利用差值算法确定局部极值点的位置和尺度，去除对比度低的极值点；
步骤8：求解特征点的梯度幅值和幅角，对特征点进行方向赋值，。为了实 现图像旋转不变性，需要根据检测到的特征点局部图像结构为特征点方向赋 值；
步骤9：对特征点进行描述，以形成128维的空间向量，以特征点为中心取 16×16像素大小区域，将此区域均分为4×4的子块，统计每个子块8个方向 的梯度方向直方图；可以得到种子点，且每个种子点有8个方向，组成了128 维的特征向量，具有旋转不变性、尺度不变性；
步骤10：对特征点进行匹配，根据特征描述子之间的欧式距离判断其相似 性，欧式距离越小相似度越高，反之越低。
具体实验实施例1：
用波长1100nm的中波红外光作为光源，使用Ag2S作为荧光剂，中波红外光 从红外发射器发出后，经过平面镜反射，照射在已经用Ag2S标记的小白鼠背部， 小白鼠背部的Ag2S量子点的价带电子吸收光子，被激发跃迁至导带，然后发出 荧光，通过InGaAs相机对荧光进行成像，将血流图像送到计算机处理，获得 血流静态图像。然后，用波长785nm的激光作为光源，经过激光扩束器扩束后， 经过平面镜反射，毛玻璃散射，照射在待测组织区域，待测组织所产生的后向 散射光在CCD相机表面形成散斑。其中，CCD相机的像素680*480，CCD相机每 隔10ms进行一次曝光，连续采集100帧图像，获得血流的动态图像。
具体实验实施例2：
(1)、用Ag2S量子点对小白鼠背部的红细胞进行耦联，从而标记小白鼠的红 细胞；
(2)、用近红外LED光源发出波长为1400nm的近红外光，照射在已经用Ag2S 量子点标记的小白鼠背部上，小白鼠背部的Ag2S量子点的价带电子吸收光子， 被激发跃迁至导带，然后发出波长1500nm的荧光；
(3)、用InGaAs相机拍摄小白鼠背部，得到血流图像，送至计算机进行处 理，获得待测血管静态图像；
(4)、用激光器发出波长为1200nm的红外激光，经过激光扩束器后，经平 面镜反射，照射在小白鼠背部，小白鼠背部所产生的后向散射光在CCD相机表 面形成散斑，像素为680*480的CCD相机进行曝光，将曝光形成的成像图像传 送至计算机进行处理；CCD相机每隔T时间段进行一次曝光，将每次曝光形成 的成像图像传送至计算机进行处理；
(5)、计算机利用激光散斑血流成像算法，计算机遍历第q帧图像中所有像 素点，计算出所有像素点的散斑图像模糊度，根据模糊度计算出待测对象血管 内的相对血流速度，获得血流的动态图像；
(6)、对动态图像和静态图像进行特征点提取，具体包括，生成高斯差分尺 度空间，设尺度参数σ＝1.6，图像I(x,y)的尺度空间L(x,y,σ)可以表 示为：
L(1,1,1.6)＝G(1,1,1.6)*I(1,1) (1)
其中，I(x,y)为输入图像灰度值，“*”为卷积符号，G(x,y,σ)为高 斯平滑核函数，其表达式为：
(7)、然后寻找特征点。将中间的检测点和它相同尺度的8个相邻点，以及 和上下相邻尺度对应的9×2个点，一共26个点比较，确保在尺度空间和二维 图像空间均为极值点。然后进行特征点筛选，选取图像的特征点之后，利用差 值算法确定局部极值点的位置和尺度，去除对比度低的极值点；
(8)、求解特征点的梯度幅值和幅角，对特征点进行方向赋值。为了实现图 像旋转不变性，需要根据检测到的特征点局部图像结构为特征点方向赋值；
(9)、对特征点进行描述，形成128维的空间向量。以特征点为中心取16×16 像素大小区域，将此渔区均分为4×4的子块，统计每个子块8个方向的梯度 方向直方图，可以得到种子点，且每个种子点有8个方向，组成了128维的特 征向量，具有旋转不变性、尺度不变性；
(10)、最后，进行特征点匹配，根据特征描述子之间的欧式距离判断其相似 性，欧式距离越小相似度越高，反之越低。最终，通过以上方法，得到动态图 像与静态图像相结合的高时空分辨率的血流图像
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本使 用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在 发明的保护范围之内。
Claims (7)
1.一种动态静态图像相结合的血流成像系统,其特征在于：包括近红外LED光源、第一电源、荧光剂、平面镜、InGaAs相机、激光发射器、激光扩束器、滤光片、CCD相机、被测对象、计算机和第二电源、,所述电源与上近红外LED光源电气连接，使近红外LED光源通电并发射出的近红外光照射在被测对象10的表面，在被测对象中用荧光剂标记被测对象待测区域，所述InGaAs相机的镜头对准所述被测对象并使其能够捕捉到荧光，所述InGaAs相机的输出端与所述计算机连接，所述第二电源与激光发射器连接，在激光发射器的前方设置所述激光扩束器，激光发射器发射出的激光照射的方向依次设置所述激光扩束器和平面镜，使激光发射器发射出的激光经激光扩束器扩束、平面镜反射照射在被测对象的表面，所述CCD相机用于拍摄被测对象的表面的散射光，所述CCD相机的输出端与所述计算机连接，在所述CCD相机的镜头处设置所述滤光片。
2.根据权利要求1所述的一种用于视觉诱发电位检测的视频同步装置,其特征在于：所述荧光剂为Ag2S荧光剂，所述CCD相机的像素不低于680*480。
3.根据权利要求1所述的一种用于视觉诱发电位检测的视频同步装置,其特征在于：所述近红外LED光源发出的近红外光的波长为1300nm～1700nm，所述激光发射器发出的红外激光的波长为1000nm～1300nm。
4.根据权利要求3所述的一种用于视觉诱发电位检测的视频同步装置,其特征在于：所述近红外LED光源发出的近红外光的波长为1400nm；所述激光发射器发出的红外激光的波长为1200nm。
5.一种利用权利要求1所述的一种动态静态图像相结合的血流成像系统进行成像的方法,其特征在于：所述成像方法包括如下步骤：
步骤1：用Ag2S荧光剂被激发的Ag2S量子点与被测对象的红细胞进行耦联，从而标记被测对象10的红细胞；
步骤2：用近红外LED光源发出波长为1300～1700nm的近红外光，并照射在已经用Ag2S量子点标记的被测对象上；
步骤3：用InGaAs相机拍摄被测对象的荧光标记区域，得到血流图像，并将InGaAs相机拍摄的流血图送至计算机中进行处理，获得待测血管静态图像；
步骤4：用激光发射器发出波长为1000～1300nm的红外激光，所述用激光发射器发出的红外激光经过激光扩束器后，再经平面镜反射后照射在被测对象的待测区域，待测区域所产生的后向散射光在CCD相机表面形成散斑，通过CCD相机进行曝光，并将曝光形成的成像图像传送至计算机进行处理；
步骤5：计算机利用激光散斑血流成像算法，计算出所有像素点的散斑图像模糊度，根据模糊度计算出待测对象血管内的相对血流速度，获得血流的动态图像；
步骤6：对静态图像和动态图像分别建立尺度空间、高斯金字塔、高斯差分金字塔；
步骤7：寻找特征点，将特征点中的中间检测点和它相同尺度的8个相邻点，以及和上下相邻尺度对应的9×2个点，以确保在尺度空间和二维图像空间均为极值点，然后进行特征点筛选，再利用差值算法确定局部极值点的位置和尺度，去除对比度低的极值点；
步骤8：求解特征点的梯度幅值和幅角，对特征点进行方向赋值，。为了实现图像旋转不变性，需要根据检测到的特征点局部图像结构为特征点方向赋值；
步骤9：对特征点进行描述，以形成128维的空间向量；
步骤10：对特征点进行匹配，根据特征描述子之间的欧式距离判断其相似性，欧式距离越小相似度越高，反之越低。
6.根据权利要求5所述的成像方法,其特征在于：所述步骤1中，以形成128维的空间向量是以特征点为中心，并取16×16像素大小区域，将此区域均分为4×4的子块，统计每个子块8个方向的梯度方向直方图，从而得到种子点，并且使每个种子点有8个方向，以便组成128维的特征向量。
7.根据权利要求5所述的成像方法,其特征在于：所述步骤6中，对静态图像和动态图像分别建立尺度空间包括对某一个图像的尺度空间与一个可变尺度的高斯函数进行图像卷积运算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910293108.7A CN110141208A (zh) | 2019-04-12 | 2019-04-12 | 一种动态静态图像相结合的血流成像系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910293108.7A CN110141208A (zh) | 2019-04-12 | 2019-04-12 | 一种动态静态图像相结合的血流成像系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110141208A true CN110141208A (zh) | 2019-08-20 |
Family
ID=67588829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910293108.7A Pending CN110141208A (zh) | 2019-04-12 | 2019-04-12 | 一种动态静态图像相结合的血流成像系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110141208A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111122526A (zh) * | 2019-12-18 | 2020-05-08 | 中国科学院南海海洋研究所 | 一种基于激光诱导荧光及流体动态显微摄影的水体藻类检测方法 |
| CN111724351A (zh) * | 2020-05-30 | 2020-09-29 | 上海健康医学院 | 一种基于机器学习的氦泡电镜图像统计分析方法 |
| CN112037217A (zh) * | 2020-09-09 | 2020-12-04 | 南京诺源医疗器械有限公司 | 一种基于荧光成像的术中血流成像方法 |
| CN117814731A (zh) * | 2024-01-11 | 2024-04-05 | 华中科技大学同济医学院附属同济医院 | 一种血流成像方法、系统、设备和存储介质 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100168585A1 (en) * | 2006-02-22 | 2010-07-01 | Kyushu Institute Of Technology | Personal authentication method and personal authentication device utilizing finger-tip blood flow measurement by laser light |
| CN101919686A (zh) * | 2010-09-21 | 2010-12-22 | 华中科技大学 | 用于活动动物脑皮层功能观测的多模式成像系统 |
| CN101924871A (zh) * | 2010-02-04 | 2010-12-22 | 苏州大学 | 基于均值偏移的视频目标跟踪方法 |
| CN101926644A (zh) * | 2010-09-21 | 2010-12-29 | 华中科技大学 | 脑皮层功能多模式成像系统 |
| CN102277157A (zh) * | 2011-05-30 | 2011-12-14 | 中国科学院苏州纳米技术与纳米仿生研究所 | 近红外硫化银量子点、其制备方法及其应用 |
| CN102357033A (zh) * | 2011-09-27 | 2012-02-22 | 华中科技大学 | 一种激光散斑血流成像处理系统及方法 |
| CN102793533A (zh) * | 2012-08-09 | 2012-11-28 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种短波近红外量子点成像系统 |
| US8509879B2 (en) * | 2007-11-06 | 2013-08-13 | The Regents Of The University Of California | Apparatus and method for widefield functional imaging (WiFI) using integrated structured illumination and laser speckle imaging |
| CN103300841A (zh) * | 2013-06-13 | 2013-09-18 | 上海理工大学 | 一种快速激光散斑血流成像系统和方法 |
| US20150056142A1 (en) * | 2013-08-20 | 2015-02-26 | The Board Of Trustees Of The Leland Stanford Junior University | Near-infrared-ii fluorescent agents, methods of making near-infrared-ii fluorescent agents, and methods of using water-soluble nir-ii fluorescent agents |
| CN104834931A (zh) * | 2015-03-13 | 2015-08-12 | 江南大学 | 一种基于小波变换的改进的尺度不变特征匹配算法 |
| US20150297086A1 (en) * | 2012-11-20 | 2015-10-22 | The Board Of Trustees Of The Leland Stanford Junior University | High resolution imaging using near-infrared-ii fluorescence |
| WO2016061052A1 (en) * | 2014-10-14 | 2016-04-21 | East Carolina University | Methods, systems and computer program products for visualizing anatomical structures and blood flow and perfusion physiology using imaging techniques |
| CN106446906A (zh) * | 2016-08-26 | 2017-02-22 | 东南大学 | 基于尺度不变特征变换的低维度特征模型图像处理方法 |
| US20170100037A1 (en) * | 2014-05-01 | 2017-04-13 | Yeda Research And Development Co. Ltd. | Multimodal transcranial brain optical imaging |
| CN109003331A (zh) * | 2018-06-13 | 2018-12-14 | 东莞时谛智能科技有限公司 | 一种图像重构方法 |
| CN109145929A (zh) * | 2017-10-09 | 2019-01-04 | 苏州高科中维软件科技有限公司 | 一种基于sift尺度空间特征信息提取方法 |
| CN109342378A (zh) * | 2018-09-07 | 2019-02-15 | 天津大学 | 基于多模态成像技术的菌落生长状态检测装置及方法 |
-
2019
- 2019-04-12 CN CN201910293108.7A patent/CN110141208A/zh active Pending
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100168585A1 (en) * | 2006-02-22 | 2010-07-01 | Kyushu Institute Of Technology | Personal authentication method and personal authentication device utilizing finger-tip blood flow measurement by laser light |
| US8509879B2 (en) * | 2007-11-06 | 2013-08-13 | The Regents Of The University Of California | Apparatus and method for widefield functional imaging (WiFI) using integrated structured illumination and laser speckle imaging |
| CN101924871A (zh) * | 2010-02-04 | 2010-12-22 | 苏州大学 | 基于均值偏移的视频目标跟踪方法 |
| CN101919686A (zh) * | 2010-09-21 | 2010-12-22 | 华中科技大学 | 用于活动动物脑皮层功能观测的多模式成像系统 |
| CN101926644A (zh) * | 2010-09-21 | 2010-12-29 | 华中科技大学 | 脑皮层功能多模式成像系统 |
| CN102277157A (zh) * | 2011-05-30 | 2011-12-14 | 中国科学院苏州纳米技术与纳米仿生研究所 | 近红外硫化银量子点、其制备方法及其应用 |
| CN102357033A (zh) * | 2011-09-27 | 2012-02-22 | 华中科技大学 | 一种激光散斑血流成像处理系统及方法 |
| CN102793533A (zh) * | 2012-08-09 | 2012-11-28 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种短波近红外量子点成像系统 |
| US20150297086A1 (en) * | 2012-11-20 | 2015-10-22 | The Board Of Trustees Of The Leland Stanford Junior University | High resolution imaging using near-infrared-ii fluorescence |
| CN104287713B (zh) * | 2013-06-13 | 2016-04-13 | 上海理工大学 | 一种快速激光散斑血流成像方法 |
| CN103300841A (zh) * | 2013-06-13 | 2013-09-18 | 上海理工大学 | 一种快速激光散斑血流成像系统和方法 |
| US20150056142A1 (en) * | 2013-08-20 | 2015-02-26 | The Board Of Trustees Of The Leland Stanford Junior University | Near-infrared-ii fluorescent agents, methods of making near-infrared-ii fluorescent agents, and methods of using water-soluble nir-ii fluorescent agents |
| US20170100037A1 (en) * | 2014-05-01 | 2017-04-13 | Yeda Research And Development Co. Ltd. | Multimodal transcranial brain optical imaging |
| WO2016061052A1 (en) * | 2014-10-14 | 2016-04-21 | East Carolina University | Methods, systems and computer program products for visualizing anatomical structures and blood flow and perfusion physiology using imaging techniques |
| CN107405094A (zh) * | 2014-10-14 | 2017-11-28 | 东卡罗莱娜大学 | 用于使用成像技术来可视化解剖结构以及血流和灌注生理机能的方法、系统和计算机程序产品 |
| CN104834931A (zh) * | 2015-03-13 | 2015-08-12 | 江南大学 | 一种基于小波变换的改进的尺度不变特征匹配算法 |
| CN106446906A (zh) * | 2016-08-26 | 2017-02-22 | 东南大学 | 基于尺度不变特征变换的低维度特征模型图像处理方法 |
| CN109145929A (zh) * | 2017-10-09 | 2019-01-04 | 苏州高科中维软件科技有限公司 | 一种基于sift尺度空间特征信息提取方法 |
| CN109003331A (zh) * | 2018-06-13 | 2018-12-14 | 东莞时谛智能科技有限公司 | 一种图像重构方法 |
| CN109342378A (zh) * | 2018-09-07 | 2019-02-15 | 天津大学 | 基于多模态成像技术的菌落生长状态检测装置及方法 |
Non-Patent Citations (6)
| Title |
|---|
| A.C. VÖLKER等: "《Laser speckle imaging with an active noise reduction scheme》", 《OPTICS EXPRESS》 * |
| BUI, ALBERT K等: "《Longitudinal, multimodal functional imaging of microvascular response to photothermal therapy》", 《OPTICS LETTERS》 * |
| PENG MIAO,ZHEN CHAO,YIGUANG ZHANG等: "《Entropy analysis reveals a simple linear relation between laser speckle and blood flow》", 《OPTICS LETTERS》 * |
| ZHIJIA YUAN, ZHONGCHI LUO等: "《Imaging separation of neuronal from vascular effects of cocaine on rat cortical brain in vivo》", 《NEUROIMAGE》 * |
| 孔平、杨晖等: "《激光散斑血流成像技术研究新进展》", 《光学技术》 * |
| 张红艳: "《面向临床应用的激光散斑血流成像系统研究》", 《博士学位论文》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111122526A (zh) * | 2019-12-18 | 2020-05-08 | 中国科学院南海海洋研究所 | 一种基于激光诱导荧光及流体动态显微摄影的水体藻类检测方法 |
| CN111724351A (zh) * | 2020-05-30 | 2020-09-29 | 上海健康医学院 | 一种基于机器学习的氦泡电镜图像统计分析方法 |
| CN112037217A (zh) * | 2020-09-09 | 2020-12-04 | 南京诺源医疗器械有限公司 | 一种基于荧光成像的术中血流成像方法 |
| CN112037217B (zh) * | 2020-09-09 | 2021-04-30 | 南京诺源医疗器械有限公司 | 一种基于荧光成像的术中血流成像方法 |
| CN117814731A (zh) * | 2024-01-11 | 2024-04-05 | 华中科技大学同济医学院附属同济医院 | 一种血流成像方法、系统、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110141208A (zh) | 一种动态静态图像相结合的血流成像系统和方法 | |
| CN105640582B (zh) | 一种深部组织x射线激发多光谱断层成像系统及方法 | |
| CN102301269B (zh) | 样品的光学切片以及样品中颗粒的检测 | |
| CN108830819A (zh) | 一种深度图像与红外图像的图像融合方法及装置 | |
| Raghavendra et al. | Combining iris and periocular recognition using light field camera | |
| CN109981929B (zh) | 水下浮游生物光学成像装置及方法 | |
| JP5584289B2 (ja) | ３ｄ再構成において低品質を検出するシステム及び方法 | |
| CN105877699B (zh) | 可携式医疗图像撷取装置 | |
| CN104361315A (zh) | 基于单目多视角立体机器视觉的3d指纹识别装置 | |
| WO2017118285A1 (zh) | 一种高速提取圆形图像中心点的方法 | |
| CN102175701A (zh) | 工业x射线机在线探伤检测系统及方法 | |
| CN108037512B (zh) | 激光半主动关联成像跟踪探测系统及方法 | |
| CN107529969A (zh) | 图像处理装置、图像判别系统以及内窥镜系统 | |
| CN104730079A (zh) | 缺陷检测系统 | |
| CN109101935A (zh) | 基于热成像相机的人物动作捕捉系统和方法 | |
| CN107270818A (zh) | 一种利用监测ccd实时测定激光探头与被照射面间距离和角度的方法 | |
| CN103622674A (zh) | 微型微循环成像监测装置和方法 | |
| CN109496316A (zh) | 图像识别系统 | |
| CN106361281A (zh) | 荧光实时成像、融合方法及装置 | |
| CN105527265A (zh) | 激光泵浦时间分辨上转换发光活体成像系统 | |
| CN112037252A (zh) | 基于鹰眼视觉的目标跟踪方法及系统 | |
| CN115049528A (zh) | 毛发图像处理方法、系统、计算机设备、介质和程序产品 | |
| CN206603773U (zh) | 基于血红细胞浓度测量的烧伤程度与面积检测系统 | |
| CN106846296A (zh) | 一种细胞图像跟踪智能算法 | |
| CN209624768U (zh) | 激光主动探测装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190820 |