CN112037217A - 一种基于荧光成像的术中血流成像方法 - Google Patents

一种基于荧光成像的术中血流成像方法 Download PDF

Info

Publication number
CN112037217A
CN112037217A CN202010941608.XA CN202010941608A CN112037217A CN 112037217 A CN112037217 A CN 112037217A CN 202010941608 A CN202010941608 A CN 202010941608A CN 112037217 A CN112037217 A CN 112037217A
Authority
CN
China
Prior art keywords
blood flow
image
time
image sequence
fluorescence 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
Application number
CN202010941608.XA
Other languages
English (en)
Other versions
CN112037217B (zh
Inventor
蔡惠明
李长流
倪轲娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Nuoyuan Medical Devices Co Ltd
Original Assignee
Nanjing Nuoyuan Medical Devices Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Nuoyuan Medical Devices Co Ltd filed Critical Nanjing Nuoyuan Medical Devices Co Ltd
Priority to CN202010941608.XA priority Critical patent/CN112037217B/zh
Publication of CN112037217A publication Critical patent/CN112037217A/zh
Application granted granted Critical
Publication of CN112037217B publication Critical patent/CN112037217B/zh
Priority to US17/394,161 priority patent/US20220071499A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • 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
    • A61B5/004—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 adapted for image acquisition of a particular organ or body part
    • 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
    • A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/06—Measuring instruments not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10064—Fluorescence image
    • 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
    • G06T2207/20004—Adaptive image processing
    • 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
    • G06T2207/20024—Filtering 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20152—Watershed segmentation
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20156—Automatic seed setting
    • 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
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20216—Image averaging
    • 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
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Hematology (AREA)
  • Cardiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明实施例公开了医学荧光成像技术领域的一种基于荧光成像的术中血流成像方法，包括如下步骤：S1、设定手术区域荧光成像观测起始时间t1和终止时间t2，获得t1‑t2时间段的图像序列；S2、对图像序列进行预处理，获取血流待识别图像序列Itp；S3、对Itp图像序列通过血流区域识别算法获取识别图像中的血流区域亮度最大帧像素极大值ptx；S4、提取t1‑t2时刻血流区域处的像素灰度值，并进行伪彩色空间映射，获取t时刻的伪彩色映射后的图像It。本发明通过利用荧光成像图像对血流区域进行识别，具有有效去除阴影或组织搏动干扰；同时对血流区域进行伪彩色成像，伪彩色色值与血流灌注时间具有相关性，具有可准确指示图像血流区域及易于辨别。

Description

一种基于荧光成像的术中血流成像方法
技术领域
本发明实施例涉及医学荧光成像技术领域，尤其涉及一种基于荧光成像的术中血流成像方法。
背景技术
临床中血流灌注信息对临床诊断疾病有着重要的意义。常见的技术手段多采用影像学方法，如基于磁共振、CT、超声图像的方法。
但是现有的术中血流灌注评估，受制于手术时间，常规的影像学方法在术中基本是不可用的，因此急需一种有效的术中血流成像方法，帮助医生进行有效准确的诊断。
基于此，本发明设计了一种基于荧光成像的术中血流成像方法，以解决上述问题。
发明内容
本发明实施例提供一种基于荧光成像的术中血流成像方法，以解决背景技术中提及的技术问题。
本发明实施例提供一种基于荧光成像的术中血流成像方法。在一种可行的方案中，包括如下步骤：
S1、设定手术区域荧光成像观测起始时间t1和终止时间t2，获得t1-t2时间段的图像序列；
S2、对图像序列进行预处理，获取血流待识别图像序列Itp；
S3、对Itp图像序列通过血流区域识别算法获取识别图像中的血流区域亮度最大帧像素极大值ptx；
S4、提取t1-t2时刻血流区域处的像素灰度值，并进行伪彩色空间映射，获取t时刻的伪彩色映射后的图像It；
S5、获取t1-t2时间段内每一个时刻It的图像之和I，对I中的灰度值进行归一化获得最终的血流图像。
本发明实施例提供一种基于荧光成像的术中血流成像方法。在一种可行的方案中，所述S2中预处理包括如下步骤：
采用自适应直方图算法增强图像序列灰度，对增强后的图像序列进行噪声滤波处理，获得血流待识别图像序列Itp。
本发明实施例提供一种基于荧光成像的术中血流成像方法。在一种可行的方案中，所述噪声滤波处理算法为导向滤波算法。
本发明实施例提供一种基于荧光成像的术中血流成像方法。在一种可行的方案中，所述S3中血流区域识别算法包括如下步骤：
查找t1-t2中Itp图像序列的亮度最大帧，并计算每一帧像素进行均值化处理，计算得到的tx时刻最大均值作为图像序列中亮度最大帧；计算tx时刻亮度最大帧中像素极大值ptx，像素极大值点作为种子点对图像分割，获得分割区域为图像中的血流区域。
本发明实施例提供一种基于荧光成像的术中血流成像方法。在一种可行的方案中，所述图像分割的算法为分水岭算法。
本发明实施例提供一种基于荧光成像的术中血流成像方法。在一种可行的方案中，在所述t<t1时，图像灰度映射色彩值P＝(ptx(t-t1)/255，0，0)；
在所述t>t1时，图像灰度映射色彩值P＝(0，0，ptx(t-t1)/255)。
基于上述方案可知，本发明的有益效果为，本发明通过利用荧光成像图像对血流区域进行识别，具有有效去除阴影或组织搏动干扰；同时对血流区域进行伪彩色成像，伪彩色色值与血流灌注时间具有相关性，具有可准确指示图像血流区域及易于辨别。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明成像方法的流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，也可以是成一体；可以是机械连接，也可以是电连接，也可以是通讯连接；可以是直接连接，也可以通过中间媒介的间接连接，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明提供的一种基于荧光成像的术中血流成像方法；包括如下步骤：
S1、设定手术区域荧光成像观测起始时间t1和终止时间t2，获得t1-t2时间段的图像序列；
S2、对图像序列进行预处理，获取血流待识别图像序列Itp；
S3、对Itp图像序列通过血流区域识别算法获取识别图像中的血流区域亮度最大帧像素极大值ptx；
S4、提取t1-t2时刻血流区域处的像素灰度值，并进行伪彩色空间映射，获取t时刻的伪彩色映射后的图像It；
S5、获取t1-t2时间段内每一个时刻It的图像之和I，对I中的灰度值进行归一化获得最终的血流图像。
通过上述内容不难发现，通过本发明的基于荧光成像的术中血流成像方法可以实现对手术中血流成像图像的获取，通过记录手术区域荧光成像观测的起止时刻t1和t2，并获取t1至t2时间段内的图像序列，进而通过对图像序列通过增强灰度和噪声滤波等预处理手段来使得噪声干扰的降低并增强血管特征，最终获得血流待识别图像序列Itp；通过利用血流区域识别算法对血流待十倍图像序列进行识别处理，获得tx时刻亮度最大帧像素极大值ptx，再根据tx时刻的亮度最大帧像素极大值ptx提取t1至t2时刻血流区域处的像素灰度值，并对t时刻的伪彩色映射后的图像It获取，再对伪彩色图像进行融合，在融合时，通过获取t1至t2时间段内每一个时刻It的图像之和I，并根据I中的灰度值进行血流图像的获取，此种方式对血流区域的识别过程，可以消除阴影或组织搏动干扰，使得血流区域通过伪彩色成像，且伪彩色色值与血流灌注时间具有相关性，具有可准确指示图像血流区域且便于辨别的特点。
可选地，在本实施例中，所述S2中预处理包括如下步骤：
采用自适应直方图算法增强图像序列灰度，对增强后的图像序列进行噪声滤波处理，获得血流待识别图像序列Itp。值得说明的是，在本实施例中，通过此种方式的预处理，可以实现对图像序列的灰度增强，通过对增强后的灰度图像序列进行噪声滤波，可以便于增强血管特征，以便于后续的血流区域识别工作。
此外，所述噪声滤波处理算法为导向滤波算法，导向滤波是使用导向图像作为滤波内容图像，在导向图像上实现局部线性函数表达，实现各种不同的线性变换，输出变形之后的导向滤波图像，由于导向滤波计算均值与方差可以通过积分图查找快速得到，因此导向滤波的速度会很快，作为边缘保留滤波它比双线性滤波有明显的速度优势。
再具体地说，所述S3中血流区域识别算法包括如下步骤：
查找t1-t2中Itp图像序列的亮度最大帧，并计算每一帧像素进行均值化处理，计算得到的tx时刻最大均值作为图像序列中亮度最大帧；计算tx时刻亮度最大帧中像素极大值ptx，像素极大值点作为种子点对图像分割，获得分割区域为图像中的血流区域；通过此种方式的血流区域识别算法，可以便于实现对tx时刻的图像序列亮度最大帧的查找，并根据亮度最大帧对该时刻的像素极大值ptx的计算，从而实现对图像分割来获取图像中的血流区域。
进一步的，所述图像分割的算法为分水岭算法；分水岭算法有好多种实现算法，例如拓扑学、形态学、浸水模拟和降水模拟等方式，分水岭算法是根据分水岭的构成来考虑图像的分割；其算法可以用阈值限制梯度图像以达到消除灰度值的微小变化产生的过度分割，获得适量的区域，再对这些区域的边缘点的灰度级进行从低到高排序，然后在从低到高实现淹没的过程，梯度图像用Sobel算子计算获得。
优选的，在所述t<t1时，图像灰度映射色彩值P＝(ptx(t-t1)/255，0，0)；
在所述t>t1时，图像灰度映射色彩值P＝(0，0，ptx(t-t1)/255)；其中P表示该点的伪彩色值，其按RGB色彩空间表示，并用(R,G,B)表示其色值。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一特征和第二特征直接接触，或第一特征和第二特征通过中间媒介间接接触。
而且，第一特征在第二特征“之上”、“上方”和“上面”可以是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度低于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“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必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任意一个或者多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种基于荧光成像的术中血流成像方法，其特征在于，包括如下步骤：
S1、设定手术区域荧光成像观测起始时间t1和终止时间t2，获得t1-t2时间段的图像序列；
S2、对图像序列进行预处理，获取血流待识别图像序列Itp；
S3、对Itp图像序列通过血流区域识别算法获取识别图像中的血流区域亮度最大帧像素极大值ptx；
S4、提取t1-t2时刻血流区域处的像素灰度值，并进行伪彩色空间映射，获取t时刻的伪彩色映射后的图像It；
S5、获取t1-t2时间段内每一个时刻It的图像之和I，对I中的灰度值进行归一化获得最终的血流图像。
2.根据权利要求1所述的一种基于荧光成像的术中血流成像方法，其特征在于，所述S2中预处理包括如下步骤：
采用自适应直方图算法增强图像序列灰度，对增强后的图像序列进行噪声滤波处理，获得血流待识别图像序列Itp。
3.根据权利要求2所述的一种基于荧光成像的术中血流成像方法，其特征在于，所述噪声滤波处理算法为导向滤波算法。
4.根据权利要求1所述的一种基于荧光成像的术中血流成像方法，其特征在于，所述S3中血流区域识别算法包括如下步骤：
查找t1-t2中Itp图像序列的亮度最大帧，并计算每一帧像素进行均值化处理，计算得到的tx时刻最大均值作为图像序列中亮度最大帧；计算tx时刻亮度最大帧中像素极大值ptx，像素极大值点作为种子点对图像分割，获得分割区域为图像中的血流区域。
5.根据权利要求4所述的一种基于荧光成像的术中血流成像方法，其特征在于，所述图像分割的算法为分水岭算法。
6.根据权利要求1所述的一种基于荧光成像的术中血流成像方法，其特征在于，在所述t<t1时，图像灰度映射色彩值P＝(ptx(t-t1)/255，0，0)；
在所述t>t1时，图像灰度映射色彩值P＝(0，0，ptx(t-t1)/255)。
CN202010941608.XA 2020-09-09 2020-09-09 一种基于荧光成像的术中血流成像方法 Active CN112037217B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010941608.XA CN112037217B (zh) 2020-09-09 2020-09-09 一种基于荧光成像的术中血流成像方法
US17/394,161 US20220071499A1 (en) 2020-09-09 2021-08-04 Intraoperative blood flow imaging method based on fluorescence imaging

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010941608.XA CN112037217B (zh) 2020-09-09 2020-09-09 一种基于荧光成像的术中血流成像方法

Publications (2)

Publication Number Publication Date
CN112037217A true CN112037217A (zh) 2020-12-04
CN112037217B CN112037217B (zh) 2021-04-30

Family

ID=73585597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010941608.XA Active CN112037217B (zh) 2020-09-09 2020-09-09 一种基于荧光成像的术中血流成像方法

Country Status (2)

Country Link
US (1) US20220071499A1 (zh)
CN (1) CN112037217B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024031950A1 (zh) * 2022-08-09 2024-02-15 南京诺源医疗器械有限公司 一种高分辨率荧光三维成像装置的数据处理方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3188651A1 (en) * 2014-10-14 2017-07-12 East Carolina University Methods, systems and computer program products for visualizing anatomical structures and blood flow and perfusion physiology using imaging techniques
CN108056821A (zh) * 2018-02-08 2018-05-22 北京数字精准医疗科技有限公司 一种开放式荧光超声融合造影导航系统
CN108186115A (zh) * 2018-02-08 2018-06-22 北京数字精准医疗科技有限公司 手持式荧光超声融合造影导航系统
CN108961334A (zh) * 2018-06-26 2018-12-07 电子科技大学 一种基于图像配准的视网膜血管壁厚度测量方法
CN109477784A (zh) * 2016-05-12 2019-03-15 Bd生物科学公司 具有增强图像分辨率的荧光成像流式细胞术
CN109843176A (zh) * 2016-07-29 2019-06-04 诺瓦达克技术有限公司 用于利用机器学习来表征受验者的组织的方法和系统
CN109859139A (zh) * 2019-02-15 2019-06-07 中南大学 彩色眼底图像的血管增强方法
CN110141208A (zh) * 2019-04-12 2019-08-20 上海健康医学院 一种动态静态图像相结合的血流成像系统和方法
US20190374106A1 (en) * 2012-06-21 2019-12-12 Novadaq Technologies ULC Quantification and analysis of angiography and perfusion
CN111398138A (zh) * 2020-03-21 2020-07-10 马维娟 一种干式血液细胞分析装置的光学检测系统及方法
CN111583227A (zh) * 2020-05-08 2020-08-25 华侨大学 一种荧光细胞自动计数方法、装置、设备和介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190374106A1 (en) * 2012-06-21 2019-12-12 Novadaq Technologies ULC Quantification and analysis of angiography and perfusion
EP3188651A1 (en) * 2014-10-14 2017-07-12 East Carolina University Methods, systems and computer program products for visualizing anatomical structures and blood flow and perfusion physiology using imaging techniques
US10722173B2 (en) * 2014-10-14 2020-07-28 East Carolina University Methods, systems and computer program products for visualizing anatomical structures and blood flow and perfusion physiology using imaging techniques
CN109477784A (zh) * 2016-05-12 2019-03-15 Bd生物科学公司 具有增强图像分辨率的荧光成像流式细胞术
CN109843176A (zh) * 2016-07-29 2019-06-04 诺瓦达克技术有限公司 用于利用机器学习来表征受验者的组织的方法和系统
CN108056821A (zh) * 2018-02-08 2018-05-22 北京数字精准医疗科技有限公司 一种开放式荧光超声融合造影导航系统
CN108186115A (zh) * 2018-02-08 2018-06-22 北京数字精准医疗科技有限公司 手持式荧光超声融合造影导航系统
CN108961334A (zh) * 2018-06-26 2018-12-07 电子科技大学 一种基于图像配准的视网膜血管壁厚度测量方法
CN109859139A (zh) * 2019-02-15 2019-06-07 中南大学 彩色眼底图像的血管增强方法
CN110141208A (zh) * 2019-04-12 2019-08-20 上海健康医学院 一种动态静态图像相结合的血流成像系统和方法
CN111398138A (zh) * 2020-03-21 2020-07-10 马维娟 一种干式血液细胞分析装置的光学检测系统及方法
CN111583227A (zh) * 2020-05-08 2020-08-25 华侨大学 一种荧光细胞自动计数方法、装置、设备和介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程军 等: "荧光定量PCR基因检测在心血管病患者术后血流感染的诊断应用", 《中华医院感染学杂志》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024031950A1 (zh) * 2022-08-09 2024-02-15 南京诺源医疗器械有限公司 一种高分辨率荧光三维成像装置的数据处理方法

Also Published As

Publication number Publication date
CN112037217B (zh) 2021-04-30
US20220071499A1 (en) 2022-03-10

Similar Documents

Publication Publication Date Title
US5452367A (en) Automated method and system for the segmentation of medical images
JP5123954B2 (ja) 医療画像における病変部の特定及び分析
CN108932714B (zh) 冠脉ct图像的斑块分类方法
Giannini et al. A fully automatic algorithm for segmentation of the breasts in DCE-MR images
KR20140033332A (ko) 조직 병변의 묘사방법
CN116109663B (zh) 基于多阈值分割的胃部ct影像分割方法
US20120237103A1 (en) Method and device for detecting bright brain regions from computed tomography images
CN101238987A (zh) 一种关于ct脑出血图像的处理方法
CN108186051B (zh) 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统
CN106780520B (zh) 一种mri腰椎图像中椎骨的自动提取方法
CN115311309A (zh) 一种用于核磁共振图像的病灶识别提取方法与系统
CN113012173A (zh) 基于心脏mri的心脏分割模型和病理分类模型训练、心脏分割、病理分类方法及装置
CN113643353B (zh) 眼底图像的血管管径的增强分辨率的测量方法
CN112132837A (zh) 一种胸部骨骼自动提取方法、系统、电子设备及存储介质
CN112037217B (zh) 一种基于荧光成像的术中血流成像方法
Oğul et al. Eliminating rib shadows in chest radiographic images providing diagnostic assistance
CN110710986B (zh) 一种基于ct图像的脑部动静脉畸形检测方法及检测系统
US9672600B2 (en) Clavicle suppression in radiographic images
CN113689424B (zh) 可自动识别图像特征的超声检查系统及识别方法
CN114693672A (zh) 一种基于图像处理的乳腺钼靶图像皮肤腺及乳头去除方法
CN110009645B (zh) 一种肝癌病灶影像的双层轮廓分割方法
CN111292285B (zh) 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法
KR100332072B1 (ko) 단층촬영 영상으로부터의 장기 추출 및 체적산출방법
Lee et al. Interactive segmentation for geographic atrophy in retinal fundus images
JP2001357381A (ja) 異常陰影候補検出方法および検出システム

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