CN110522438A - 计算血流速度的方法、装置、介质及血流成像方法和系统 - Google Patents
计算血流速度的方法、装置、介质及血流成像方法和系统 Download PDFInfo
- Publication number
- CN110522438A CN110522438A CN201910699693.0A CN201910699693A CN110522438A CN 110522438 A CN110522438 A CN 110522438A CN 201910699693 A CN201910699693 A CN 201910699693A CN 110522438 A CN110522438 A CN 110522438A
- Authority
- CN
- China
- Prior art keywords
- blood flow
- flow velocity
- speckle
- calculating
- imaging
- 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 157
- 238000003384 imaging method Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000010365 information processing Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 17
- 238000002474 experimental method Methods 0.000 description 13
- 241001465754 Metazoa Species 0.000 description 7
- 210000004204 blood vessel Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 241000699666 Mus <mouse, genus> Species 0.000 description 3
- 210000003710 cerebral cortex Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000282693 Cercopithecidae Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 239000002960 lipid emulsion Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004089 microcirculation Effects 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008326 skin blood flow Effects 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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
- A61B5/0033—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
- A61B5/02—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
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Hematology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种计算血流速度的方法、装置、存储介质以及血流成像方法和系统,其中,计算血流速度方法包括:获取步骤,获取N帧被测对象的原始散斑图像;组成像素集步骤,获取N帧所述原始散斑图像中相同像素区域的像素以组成像素集;计算统计量步骤,计算所述像素集的信号强度以及信号强度倒数的协方差,获得所述像素区域中对应的时间序列上所有像素的统计量;计算血流速度步骤,根据所述统计量计算所述像素区域的血流速度。本发明的计算血流速度方法可以减小原始散斑图像帧数对血流速度估计的影响,提高信噪比和准确性。
Description
技术领域
本发明涉及成像技术领域,尤其是涉及一种计算血流速度的方法、计算血流速度的装置、计算机可读存储介质以及散斑血流成像方法和散斑血流成像系统。
背景技术
激光散斑衬比成像技术被广泛应用于研究生物组织血流速度变化,具有无接触、宽场和高分辨率的特点,在临床诊断和治疗中有着广阔的应用前景。
但相关技术中,采用的激光散斑衬比分析方法估计血流速度,在监测快速变化的血流时,实际采集的原始散斑图像帧数有限,受采集的散斑图像帧数影响,不同帧数估计得到的血流速度差别较大,特别是在帧数小于10帧时;而且在血流速度缓慢的小血管区域的统计噪声较大,信噪比较低,估算的血流速度不准确。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明的一个目的在于提出一种计算血流速度的方法,该计算血流速度的方法,可以减小原始散斑图像帧数对血流速度估计的影响,提高信噪比和估算结果准确性。
本发明的目的之二在于提出一种散斑血流成像方法。
本发明的目的之三在于提出一种计算机可读存储介质。
本发明的目的之四在于提出一种信息处理装置。
本发明的目的之五在于提出一种散斑血流成像系统。
为了解决上述问题,本发明第一方面实施例的计算血流速度的方法,包括:获取步骤,获取N帧被测对象的原始散斑图像;组成像素集步骤,获取N帧所述原始散斑图像中相同像素区域的像素以组成像素集;计算统计量步骤,计算所述像素集的信号强度以及信号强度倒数的协方差,获得所述像素区域中对应的时间序列上所有像素的统计量;计算血流速度步骤,根据所述统计量计算所述像素区域的血流速度。
根据本发明实施例的计算血流速度的方法,通过计算像素集的信号强度以及信号强度倒数的协方差获得统计量,并根据该统计量计算像素区域的血流速度,相较于激光散斑衬比方法,可以减小原始散斑图像的采样帧数对血流速度估计结果的影响,提高信噪比和估算结果的准确性,尤其对于血流速度小的血管区域。
在一些实施例中,所述方法还包括:重复所述组成像素集步骤、所述计算统计量步骤和所述计算血流速度步骤,遍历所述原始散斑图像,获得所述原始散斑图像的每个所述像素区域的血流速度。同时也提高了血流速度估计的信噪比,尤其是对于血流速度缓慢的小血管区域。
在一些实施例中,通过以下公式获得所述统计量:
其中,
MAC为所述统计量,N为所述原始散斑图像的帧数,Ij为所述像素区域处第j帧所述原始散斑图像的信号强度。
在一些实施例中,通过以下公式计算所述血流速度:
其中,v为所述血流速度,K为定标系数。
在一些实施例中,所述获取N帧被测对象的原始散斑图像包括:通过激光散斑成像、超声散斑成像、单点检测、点扫描成像、线阵扫描成像和面阵扫描成像中的任一种方式获得所述被测对象的原始散斑图像,并获取N帧所述原始散斑图像。
本发明第二方面实施例的散斑血流成像方法,包括:采用所述的计算血流速度的方法获得血流速度;根据所述血流速度生成血流分布图。
根据本发明实施例的散斑血流成像方法,通过采用上面实施例的计算血流速度的方法,即采用协方差分析来获得血流速度,可以提高成像质量,提高信噪比和准确性。
本发明第三方面实施例的计算机可读存储介质,包括:存储有计算机可执行指令,所述计算机可执行指令设置为执行所述的计算血流速度的方法,或执行所述的散斑血流成像方法。
本发明第四方面实施例的信息处理的装置,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行时,使所述至少一个处理器执行所述的计算血流速度的方法,或者,使所述至少一个处理器执行所述的散斑血流成像方法。
本发明第五方面实施例的散斑血流成像系统,包括:发射装置,用于发射激光或超声波信号至被测对象;采集装置,用于采集所述被测对象反射的光波或超声波信号,获得N帧原始散斑图像;信息处理装置,所述信息处理装置与所述采集装置连接。
根据本发明实施例的散斑血流成像系统,通过采用上面实施例的信息处理装置,相较于激光散斑衬比方法,可以减小采集原始散斑图像的帧数对血流速度估计结果的影响,提高对于血流速度缓慢的小血管区域血流速度估计的信噪比,改善对生物组织血流速度二维分布成像质量,而且具有更低的计算时间复杂度,提高了血流测量的实时性。
在一些实施例中,所述采集装置包括激光散斑成像装置、超声散斑成像装置、单点检测装置、点扫描成像装置、线阵扫描装置和面阵扫描成像装置中的一种。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明的一个实施例的计算血流速度方法的流程图;
图2是根据本发明的另一个实施例的计算血流速度方法的流程图;
图3是根据本发明的一个实施例的散斑血流成像方法的流程图;
图4是根据本发明的一个实施例的信息处理装置的结构框图;
图5是根据本发明的一个实施例的散斑血流成像系统的框图;
图6中的(a)-(c)是采用本发明实施例的方法与激光散斑衬比成像方法在模型试验上比较结果的示意图;
图7中的(a)-(m)是采用本发明实施例的方法与激光散斑衬比成像方法在动物实验上比较结果的示意图;
图8中的(a)-(d)是采用本发明实施例的方法与激光散斑衬比成像方法的统计噪声在动物实验上比较结果的示意图;
图9中的(a)-(b)是采用本发明实施例的方法与激光散斑衬比成像方法在计算时间复杂度上分析结果的示意图;
具体实施方式
下面详细描述本发明的实施例,参考附图描述的实施例是示例性的,下面详细描述本发明的实施例。
下面参考附图描述根据本发明第一方面实施例的计算血流速度的方法。根据该方法可以减小原始散斑图像帧数对血流速度估计结果的影响,有利于在实际应用中依情况改变原始散斑图像的帧数时不影响测量结果,以及可以提高信噪比,尤其对于血流速度小的血管区域。
图1示出了本发明的一个实施例提供的计算血流速度方法的流程图。如图1所示,本发明实施例的计算血流速度的方法包括步骤S1-S4。
步骤S1,获取步骤,获取N帧被测对象的原始散斑图像。
在实施例中,对于获取原始散斑图像的方式不做限制,例如,可以通过激光散斑成像、超声散斑成像、单点检测、点扫描成像、线阵扫描成像和面阵扫描成像中的任一种方式获得被测对象的原始散斑图像,并采集N次,以获取N帧原始散斑图像。
步骤S2,组成像素集步骤,获取N帧原始散斑图像中相同像素区域的像素以组成像素集。
具体地,将获取的N帧原始散斑图像划分为多个像素区域,例如将一个像素以及其8个相邻内的像素归为一个像素区域。将N帧原始散斑图像中相同像素区域的像素以组成像素集例如记为{I1,I2,...,IN},其中,Ij为像素区域处第j帧原始散斑图像的信号强度例如光波或者声波的强度,相同像素区域可以理解为在原始散斑图像中的相同位置及大小的像素区域。
步骤S3,计算统计量步骤,计算像素集的信号强度以及信号强度倒数的协方差,获得像素区域中对应的时间序列上所有像素的统计量。
在一些实施例中,可以采用自逆协方差的方法计算血流速度。具体地,可以基于像素集的信号强度和信号强度倒数的协方差通过以下公式获得像素区域中对应的时间序列上所有像素的统计量:
其中,
MAC为统计量,N为原始散斑图像的帧数,Ij为像素区域处第j帧原始散斑图像的信号强度。
步骤S4,计算血流速度步骤,根据统计量计算像素区域的血流速度。
具体地,在一些实施例中,随着统计量的增大,血流速度会减小。例如,可以根据步骤S3所得的统计量MAC,通过以下公式计算血流速度:
其中,v为血流速度,K为定标系数。
进一步地,为获得原始散斑图像的每个像素区域的血流速度,在一些实施例中,本发明实施例的计算血流速度的方法还包括步骤S5,如图2所示:
步骤S5,重复组成像素集步骤、计算统计量步骤和计算血流速度步骤,遍历原始散斑图像,获得原始散斑图像的每个像素区域的血流速度。
具体地,生物体不同的生理、病理状态往往对应着不同的血流及微循环状态,对生物组织中血管及血流的检测是研究生物组织功能活动和疾病机理的重要工具。本发明实施例,通过协方差的方法来估算血流速度,进而可以基于原始散斑图像的每个像素区域的血流速度生成血流分布图像,从而为生物组织功能活动和疾病机理的研究提供数据支持。
本发明实施例的计算血流速度的方法,可以用于估算脑皮层血流变化、皮肤血流变化、生物组织的血流速度等,例如,研究大鼠、小鼠、兔、猴等实验动物的神经活动引起的脑皮层血流变化以及诊断皮肤病引起的人体浅表皮肤的血流变化。
基于上面实施例的计算血流速度的方法,下面参照附图3描述根据本发明第二方面实施例的散斑血流成像方法。
如图3所示,本发明实施例的散斑血流成像方法包括步骤S11和步骤S12。
步骤S11,获得血流速度。
具体地,可以根据上面实施例的计算血流速度的方法,来获得原始散斑图像的每个像素区域的血流速度。
步骤S12,根据血流速度生成血流分布图。
根据本发明实施例的散斑血流成像方法,通过采用上面实施例的计算血流速度的方法,即采用协方差分析来获得血流速度,可以提高成像质量,提高信噪比和准确性。
本发明第三方面实施例提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,其中计算机可执行指令设置为执行上面实施例的计算血流速度的方法,或执行散斑血流成像方法,从而为计算血流速度的实现提供基础。
下面参照附图4描述根据本发明第四方面实施例提供的信息处理装置。
如图4所示,本发明实施例的计算血流速度装置10包括至少一个处理器100以及与所述至少一个处理器通信连接的存储器200。
进一步地,存储器200存储有可被至少一个处理器100执行的指令,指令被至少一个处理器100执行时,使至少一个处理器100执行计算血流速度的方法,或者,使至少一个处理器100执行散斑血流成像方法,从而为血流成像提供数据支持。
基于上文实施例的计算血流速度的方法,下面参照附图描述本发明第五方面实施例提供的散斑血流成像系统。
如图5所示,本发明第五方面实施例的散斑血流成像系统1包括信息处理装置10,采集装置20和发射装置30。发射装置30,用于发射激光或超声波信号至被测对象。采集装置20,用于采集被测对象反射的光波或超声波信号,获得N帧原始散斑图像。
具体地,发射装置30将波信号例如激光光束或声波信号照射至被测对象上,然后由采集装置20采集N帧被测对象反射的波信号,得到N帧原始散斑图像。其中,在一些实施例中,采集装置20包括激光散斑成像装置、超声散斑成像装置、单点检测装置、点扫描成像装置、线阵扫描成像装置和面阵扫描成像装置中的一种,例如,通过激光散斑成像装置对采集的光信号进行成像以获得原始散斑图像,或者,通过超声散斑成像或单点检测或点扫描面阵扫描的方式来获得原始散斑图像,对此不作具体限制。
信息处理装置10,用于计算血流速度并生成血流分布图。具体地,信息处理装置10通过执行上面实施例的计算血流速度的方法,或者执行上面实施例的散斑血流成像方法,获得原始散斑图像的每个像素区域的血流速度,并根据所得血流速度生成血流分布图。
根据本发明实施例的散斑血流成像系统1,通过采用上面实施例的信息处理装置10,可以减小原始散斑图像帧数对血流速度估计结果的影响,有利于在实际应用中依情况改变原始散斑图像帧数时而不影响测量结果;提高了血流速度估计的信噪比,特别是对于血流速度缓慢的小血管区域,提高成像质量;同时该系统也具有更低的计算时间复杂度,提高了血流测量的实时性。
下面通过两个实验说明采用本发明实施例的计算血流速度的方法进行血流成像所具有的优势。在实施例中,可以通过模型试验和动物实验分别获得采用本发明实施例的通过协方差分析方法成像的结果和采用激光散斑衬比成像的结果。
1、模型实验:
通过步进电机控制内径为500微米的毛细玻璃管内的1%的脂肪乳溶液的流动速度,将波长为785nm的半导体激光器产生的激光光束照射在毛细玻璃管上面,同时用CCD相机在毛细玻璃管正上方采集毛细玻璃管反射回来的光信号,从而得到原始散斑图像。设定曝光时间为10ms。
实验结果如图6所示,图6是现有激光散斑衬比成像方法和采用本发明实施例的协方差分析的成像方法在模型实验上所得的比较结果。其中,KN 2是采用激光散斑衬比成像方法的统计量,MACN是采用本发明实施例的协方差分析成像方法的统计量。图6中(a)~(c)分别对应两种方法在0,0.1,0.2mm/s的散射液体流动速度下测得的结果。横轴是采样帧数,纵轴是血流指标。
在上述实验中,对于每个原始散斑图像,通过两种方法分别得出统计量KN 2和MACN,从而估计出平均值BFI(Blood flow index,血流指标)。如图6所示(a)~(c)分别对应两种方法分别在0,0.1,0.2mm/s的散射液体流动速度下测得的BFI。可以看出,根据KN 2估计得出的BFI随采样帧数N的增大而明显减小,根据MACN估计得出的BFI基本保持稳定值,即本发明实施例的采用协方差分析来计算血流速度的方法,受采样帧数N的影响小。
2、动物实验:
实验对象为C57BL小鼠,固定在工作台上,将波长为785nm的半导体激光器产生的激光光束照射在去除颅盖骨的小鼠脑皮层上,用CCD相机在毛细玻璃管正上方采集反射回来的光信号得到原始散斑图像。设定成像系统放大倍数为4倍,曝光时间为10ms。
实验结果如图7所示,图7是现有的激光散斑衬比成像方法(图7(a))和采用本发明实施例的协方差分析方法(图7(b))在动物实验上的比较结果。图7中(c)~(f)是现有的激光散斑衬比成像方法在获取的不同采样帧数下图7(a)方框区域的结果,图7中(g)~(j)是本发明实施例的协方差分析方法在获取的不同采样帧数下图7(b)方框区域的结果。图7(k)是现有的激光散斑衬比成像方法在获取的不同采样帧数下图7(a)横线处的结果,图7(l)是本发明实施例的协方差分析方法在获取的不同采样帧数下图7(b)横线处的结果。图7(m)是N=2和N=20的结果的差值δ。
在上述实验中,如图7所示,其中(a)和(b)显示两种方法从小鼠脑皮层获得的BFI分别为KN 2和MACN。(c)~(f)显示在(a)中方框区域通过现有激光散斑衬比成像方法分别获取采样帧数N=2,5,10和20时所得的结果。(g)~(j)显示在(b)中方框区域通过本发明实施例的协方差分析方法分别获取采样帧数N=2,5,10和20时所得的结果。通过(c)~(f)与(g)~(j)对比可以看出,KN 2取决于采样帧数N的大小,而MACN的图像之间没有明显差异。(k)显示在(a)中横线处通过现有激光散斑衬比成像方法分别获取采样帧数N=2,5,10和20时所得的结果。(l)显示在(b)中横线处通过本发明实施例的协方差分析方法分别获取采样帧数N=2,5,10和20时所得的结果。通过对(k)和(l)进行比较可以看出,KN 2受采样帧数N的影响,而MACN受采样帧数的影响较小。此外,(m)中分别显示两种方法在采样帧数N=2和N=20时BFI结果的差值δ。可以看出,KN 2的差值δ为3,而MACN的差值δ为0。其中,虽然BFI为平均值,但由于有限的样本量,这两条曲线会发生波动。
通过以上两个实验所得分析结果可以得出,如图6和图7所示,与现有的激光散斑衬比血流成像方法相比,在不同的流速下,采用本发明实施例的协方差方法计算血流速度的方法具有均值不变的特性,即所计算的血流速度受获取的采样帧数N的影响更小。
如图8所示是现有的激光散斑衬比成像方法和本发明实施例协方差分析方法的统计噪声在动物实验上的比较结果。(a)中像素1、2和3分别对应血流速度依次降低的区域。(b)是理论推导的两种方法的统计噪声差值δf。(c)是实际动物实验得到的两种方法的统计噪声差值δf。(d)是在95.5%的置信度下本发明实施例相对于现有的激光散斑衬比成像方法降低的错误率δE。
在上述实验中,如图8所示,图(b)显示在不同采样帧数下,当BFI的范围为10-50时,两种方法的统计噪声差值δf的波动变化。可以看出,MACN的波动对KN 2的影响很小,尤其是BFI较小时。另外随着采样帧数N的减小,KN 2和MACN之间的波动差异变大。在(a)中随机选择血流速度依次降低像素1、2和3区域用于比较KN 2和MACN的波动差异。(c)则显示出不同采样帧数N的(a)中像素1、2和3区域的KN 2和MACN的波动之间的差异。可以看出,像素1、2、3代表不同直径的血管,其中像素3对应血流速度缓慢的小血管区域。随着血流速度的降低,统计噪声差值δf逐渐增加。此外,在95.5%的置信度下估计的最大误差定义为其中f为KN 2或MACN的波动。(d)显示在95.5%的置信度下两种方法降低的错误率δE,其中可以看出,在不同的采样帧数N下像素1、2、3中KN 2和MACN降低的错误率δE随着血流速度的降低而增加,这表明MACN能够改善血流速度缓慢的小血管区域中血流量的估计。因此由图7可得出本发明实施例协方差分析的方法具有更高的信噪比,尤其是对于血流速度缓慢的小血管区域。
如图9所示是现有的激光散斑衬比成像方法和本发明实施例在计算时间复杂度上的分析结果。(a)和(b)分别显示不同采样帧数N和像素数量的KN 2和MACN之间计算时间的差异。通过对比可以看出本发明实施例协方差分析的方法具有更快的速度,计算处理时间较短。
以上所述为本发明的较佳实施而已,但发明不应该局限于该实施例和附图所公开的内容。所以凡是不脱离本发明所公开的精神下完成的等效或修改,都在本发明保护的范围。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种计算血流速度的方法,其特征在于,所述方法包括:
获取步骤,获取N帧被测对象的原始散斑图像;
组成像素集步骤,获取N帧所述原始散斑图像中相同像素区域的像素以组成像素集;
计算统计量步骤,计算所述像素集的信号强度以及信号强度倒数的协方差,获得所述像素区域中对应的时间序列上所有像素的统计量;
计算血流速度步骤,根据所述统计量计算所述像素区域的血流速度。
2.根据权利要求1所述的计算血流速度的方法,其特征在于,所述方法还包括:
重复所述组成像素集步骤、所述计算统计量步骤和所述计算血流速度步骤,遍历所述原始散斑图像,获得所述原始散斑图像的每个所述像素区域的血流速度。
3.根据权利要求1所述的计算血流速度的方法,其特征在于,通过以下公式获得所述统计量:
其中,
MAC为所述统计量,N为所述原始散斑图像的帧数,Ij为所述像素区域处第j帧所述原始散斑图像的信号强度。
4.根据权利要求3所述的计算血流速度的方法,其特征在于,通过以下公式计算所述血流速度:
其中,v为所述血流速度,k为定标系数。
5.根据权利要求1所述的计算血流速度的方法,其特征在于,所述获取N帧被测对象的原始散斑图像包括:
通过激光散斑成像、超声散斑成像、单点检测、点扫描成像、线阵扫描成像和面阵扫描成像中的任一种方式获得所述被测对象的原始散斑图像,并获取N帧所述原始散斑图像。
6.一种散斑血流成像方法,其特征在于,
采用如权利要求1-5任一项所述的计算血流速度的方法获得血流速度;
根据所述血流速度生成血流分布图。
7.一种计算机可读存储介质,其特征在于,存储有计算机可执行指令,所述计算机可执行指令设置为执行如权利要求1-5任一项所述的计算血流速度的方法,或执行如权利要求6所述的散斑血流成像方法。
8.一种信息处理装置,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行时,使所述至少一个处理器执行权利要求1-5任一项所述的计算血流速度的方法,或者,使所述至少一个处理器执行权利要求6所述的散斑血流成像方法。
9.一种散斑血流成像系统,其特征在于,包括:
发射装置,用于发射激光或超声波信号至被测对象;
采集装置,用于采集所述被测对象反射的光波或超声波信号,获得N帧原始散斑图像;
如权利要求8所述的信息处理装置,所述信息处理装置与所述采集装置连接。
10.根据权利要求9所述的散斑血流成像系统,其特征在于,所述采集装置包括激光散斑成像装置、超声散斑成像装置、单点检测装置、点扫描成像装置、线阵扫描成像装置和面阵扫描成像装置中的一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910699693.0A CN110522438B (zh) | 2019-07-31 | 2019-07-31 | 计算血流速度的方法、装置、介质及血流成像方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910699693.0A CN110522438B (zh) | 2019-07-31 | 2019-07-31 | 计算血流速度的方法、装置、介质及血流成像方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110522438A true CN110522438A (zh) | 2019-12-03 |
CN110522438B CN110522438B (zh) | 2022-04-22 |
Family
ID=68661085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910699693.0A Active CN110522438B (zh) | 2019-07-31 | 2019-07-31 | 计算血流速度的方法、装置、介质及血流成像方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110522438B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111405183A (zh) * | 2020-03-27 | 2020-07-10 | 西安理工大学 | 一种集成在图像传感器中提高细胞分辨率的系统与方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050065439A1 (en) * | 2003-09-02 | 2005-03-24 | University Of Utah | Method and apparatus for predicting material hypertension during pregnancy using coherence analysis of material and fetal blood velocity waveforms |
CN101292881A (zh) * | 2007-04-25 | 2008-10-29 | 株式会社东芝 | 超声波诊断装置及其图像显示方法 |
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 |
CN101784227A (zh) * | 2007-07-06 | 2010-07-21 | 工业研究有限公司 | 激光散斑成像系统和方法 |
CN101822550A (zh) * | 2009-03-06 | 2010-09-08 | 复旦大学 | 超声彩色血流成像中基于动态区域划分的杂波抑制方法 |
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 |
CN103654760A (zh) * | 2012-09-10 | 2014-03-26 | 焦文华 | 无创颅内压测量方法及应用该方法的无创颅内压分析仪 |
CN103747724A (zh) * | 2011-07-05 | 2014-04-23 | 皇家飞利浦有限公司 | 用于确定感兴趣动脉在变化的压力下,动脉的状态从开放切换到闭合以及从闭合切换到开放的时刻的方法、设备和系统 |
CN104011559A (zh) * | 2011-10-19 | 2014-08-27 | 维拉声学公司 | 使用平面波传输的用于矢量多普勒成像的估计和显示 |
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 |
CN104188687A (zh) * | 2013-10-25 | 2014-12-10 | 中国科学院深圳先进技术研究院 | 基于超声回波射频信号的多普勒血流速度估测方法和系统 |
CN105982695A (zh) * | 2015-02-03 | 2016-10-05 | 无锡祥生医学影像有限责任公司 | 超声成像系统及方法 |
CN109907731A (zh) * | 2019-01-31 | 2019-06-21 | 浙江大学 | 基于特征空间的光学相干层析的三维血流造影方法及系统 |
US10667792B2 (en) * | 2014-09-30 | 2020-06-02 | Canon Medical Systems Corporation | Ultrasonic diagnostic apparatus, ultrasonic image processing apparatus and ultrasonic diagnostic apparatus control method |
-
2019
- 2019-07-31 CN CN201910699693.0A patent/CN110522438B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050065439A1 (en) * | 2003-09-02 | 2005-03-24 | University Of Utah | Method and apparatus for predicting material hypertension during pregnancy using coherence analysis of material and fetal blood velocity waveforms |
CN101292881A (zh) * | 2007-04-25 | 2008-10-29 | 株式会社东芝 | 超声波诊断装置及其图像显示方法 |
CN101784227A (zh) * | 2007-07-06 | 2010-07-21 | 工业研究有限公司 | 激光散斑成像系统和方法 |
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 |
CN101822550A (zh) * | 2009-03-06 | 2010-09-08 | 复旦大学 | 超声彩色血流成像中基于动态区域划分的杂波抑制方法 |
CN103747724A (zh) * | 2011-07-05 | 2014-04-23 | 皇家飞利浦有限公司 | 用于确定感兴趣动脉在变化的压力下,动脉的状态从开放切换到闭合以及从闭合切换到开放的时刻的方法、设备和系统 |
CN104011559A (zh) * | 2011-10-19 | 2014-08-27 | 维拉声学公司 | 使用平面波传输的用于矢量多普勒成像的估计和显示 |
CN103654760A (zh) * | 2012-09-10 | 2014-03-26 | 焦文华 | 无创颅内压测量方法及应用该方法的无创颅内压分析仪 |
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 |
CN104188687A (zh) * | 2013-10-25 | 2014-12-10 | 中国科学院深圳先进技术研究院 | 基于超声回波射频信号的多普勒血流速度估测方法和系统 |
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 |
US10667792B2 (en) * | 2014-09-30 | 2020-06-02 | Canon Medical Systems Corporation | Ultrasonic diagnostic apparatus, ultrasonic image processing apparatus and ultrasonic diagnostic apparatus control method |
CN105982695A (zh) * | 2015-02-03 | 2016-10-05 | 无锡祥生医学影像有限责任公司 | 超声成像系统及方法 |
CN109907731A (zh) * | 2019-01-31 | 2019-06-21 | 浙江大学 | 基于特征空间的光学相干层析的三维血流造影方法及系统 |
Non-Patent Citations (2)
Title |
---|
HUI LIU: "《Blood Flow Velocity Estimation from Ultrasound Speckle Tracking Using Chirp Signals》", 《IEEE》 * |
李易陆: "《基于去相关算法的激光散斑血流成像研究》", 《医疗卫生装备》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111405183A (zh) * | 2020-03-27 | 2020-07-10 | 西安理工大学 | 一种集成在图像传感器中提高细胞分辨率的系统与方法 |
CN111405183B (zh) * | 2020-03-27 | 2021-11-16 | 西安理工大学 | 一种集成在图像传感器中提高细胞分辨率的系统与方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110522438B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109907731B (zh) | 基于特征空间的光学相干层析的三维血流造影方法 | |
CN106419890B (zh) | 一种基于时空调制的血流速度测量装置及方法 | |
CN101485565B (zh) | 一种激光散斑血流成像分析方法 | |
JP6521845B2 (ja) | 心拍に連動する周期的変動の計測装置及び計測方法 | |
JP5294340B2 (ja) | 超音波診断装置 | |
CN108670239B (zh) | 一种基于特征空间的三维血流成像方法与系统 | |
US20150023561A1 (en) | Dynamic ultrasound processing using object motion calculation | |
CN109662735B (zh) | 皮肤血流灌注量的测量方法 | |
CN107485383B (zh) | 一种基于成分分析的散斑血流成像方法和装置 | |
CN111260634B (zh) | 一种面部血流分布提取方法与系统 | |
CN110111386B (zh) | 一种肌肉组织中结构性角度的自动测量方法及系统 | |
KR101746763B1 (ko) | 망막 또는 맥락막 내 혈관조영 광가간섭 단층촬영 장치 및 이를 이용한 질병 진단방법 | |
CN110522438B (zh) | 计算血流速度的方法、装置、介质及血流成像方法和系统 | |
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 | |
CN111543971A (zh) | 时空自适应样本系综去相关运算的血流量化方法与系统 | |
CN112396622B (zh) | 基于多维特征空间的微血流图像分割量化方法和系统 | |
CN116309195B (zh) | 基于三维傅里叶变换的全场激光散斑血流成像方法及系统 | |
US20230380385A1 (en) | Ruminant animal monitoring system | |
CN112674791A (zh) | 肌肉超声弹性成像的优化方法及系统 | |
CN116138760A (zh) | 一种自适应增强的激光散斑衬比血流成像方法 | |
CN114909987B (zh) | 一种b扫描分割法抑制样品整体抖动的方法 | |
CN113706567B (zh) | 一种结合血管形态特征的血流成像量化处理方法与装置 | |
CN113712527A (zh) | 一种基于幅度去相关的三维血流成像方法与系统 | |
CN110507305B (zh) | 基于激光散斑衬比波形传导时间差的血液流速测量方法 | |
NL2023104B1 (en) | Ruminant animal monitoring system |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20191203 Assignee: Xinjingjie (Xiangtan) Medical Technology Co.,Ltd. Assignor: HUST-SUZHOU INSTITUTE FOR BRAINSMATICS Contract record no.: X2023980041687 Denomination of invention: Method, device, medium, and blood flow imaging method and system for calculating blood flow velocity Granted publication date: 20220422 License type: Exclusive License Record date: 20230914 |
|
EE01 | Entry into force of recordation of patent licensing contract |