CN112842257B - 一种血管定位方法及装置 - Google Patents
一种血管定位方法及装置 Download PDFInfo
- Publication number
- CN112842257B CN112842257B CN201911105596.0A CN201911105596A CN112842257B CN 112842257 B CN112842257 B CN 112842257B CN 201911105596 A CN201911105596 A CN 201911105596A CN 112842257 B CN112842257 B CN 112842257B
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- infrared
- image
- optical flow
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请提供一种血管定位方法及装置,涉及医疗影像技术领域,该方法包括:获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,第二红外血管图像的采集时刻晚于第一红外血管图像;确定第一红外血管图像中的目标血管;根据目标血管采用金字塔光流跟踪法确定第二红外血管图像中目标血管的位置。从第一红外血管图像中确定出目标血管,然后利用金字塔光流跟踪法从第二红外图像中定位目标血管的位置,由于金字塔光流跟踪法能够适应帧间变化较大的问题,因此,根据目标血管采用金字塔光流跟踪法可以准确的确定出第二红外血管图像中目标血管的位置,从而保证对目标血管进行准确定位。
Description
技术领域
本申请涉及医疗影像技术领域,具体而言,涉及一种血管定位方法及装置。
背景技术
随着医疗自动化设备的发展,如自动采血装置,自动采血装置在红外识别模组拍摄下出包括目标血管的红外图像,然后对图像中的目标血管进行跟踪,能够实时定位血管的位置,以便于后续实现自动贴合、穿刺采血等动作。目前常用的识别方法是采用特征点匹配跟踪算法对目标血管进行跟踪和定位,但是该方法由于肘部血管相对于其他部位的血管特征不明显,容易跟踪失败,继而无法对目标血管进行跟踪,导致对目标血管定位容易失败的问题。
发明内容
本申请实施例的目的在于提供一种血管定位方法及装置,用以改善现有技术中对目标血管定位容易失败的问题。
第一方面,本申请实施例提供了一种血管定位方法,所述方法包括:获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,所述第二红外血管图像的采集时刻晚于所述第一红外血管图像;在所述第一红外血管图像中定位目标血管;根据所述目标血管在第一红外血管图像中的位置,采用金字塔光流跟踪法确定所述目标血管在第二红外血管图像中的位置。
在上述实现过程中,从第一红外血管图像中确定出目标血管,然后利用金字塔光流跟踪法从第二红外图像中定位目标血管的位置,由于金字塔光流跟踪法能够适应帧间变化较大的问题,因此,根据目标血管采用金字塔光流跟踪法可以准确的确定出第二红外血管图像中目标血管的位置,从而保证对目标血管进行准确定位。
可选地,所述获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,包括:通过红外采集设备获取连续采集的至少两帧红外图像;其中,所述至少两帧红外图像包括第一红外图像以及第二红外图像;对所述第一红外图像以及所述第二红外图像进行图像去噪处理分别得到第一红外血管图像和第二红外血管图像。
在上述实现过程中,利用红外线技术可以使红外线穿透皮肤等其他组织并被血管中的血红蛋白吸收,因此采用红外采集设备获取的红外图像中,能够显示出被拍摄区域的血管,接着对采集到的红外图像进行图像去噪处理,减少红外图像中噪声,能够改善红外图像中血管边缘模糊的问题,从而可以保证得到的红外血管图像的准确和清晰,进而保证能够对目标血管进行准确的定位。
可选地,所述采用金字塔光流跟踪法确定所述目标血管在第二红外血管图像中的位置之前,所述方法还包括:获取所述红外采集设备在采集第一红外图像时的第一位置以及所述红外采集设备在采集第二红外图像时的第二位置;根据所述第一位置以及所述第二位置确定所述金字塔光流跟踪法的层数。
在上述实现过程中,红外采集设备在不同的位置采集不同红外图像,图像的变化与位置的变化之间存在一定的关系,因此根据采集不同红外图像时的不同位置确定金字塔光流跟踪法的层数,能够降低金字塔光流跟踪法的计算误差,从而保证能够对目标血管进行准确的定位。
可选地,所述在所述第一红外血管图像中定位目标血管,包括:查找所述第一红外血管图像中的所有血管;从所述所有血管中查找血管直径大于预设值的血管;根据预设血管类型从所述血管直径大于预设值的血管中确定目标血管。
在上述实现过程中,对直径较大的血管进行定位比较容易和准确,因此可以根据直径选取目标血管,不同类型的血管所在位置不同,可以根据血管的类型选取较贴近皮肤表面的血管为目标血管,从而保证能够对目标血管进行准确的定位。
可选地,所述采用金字塔光流跟踪法确定所述目标血管在第二红外血管图像中的位置,包括:根据所述金字塔光流跟踪法中的最终层光流向量以及所述最终层光流向量对应的目标解确定所述第二红外血管图像中目标血管的位置。
在上述实现过程中,采用金字塔光流跟踪法进行多次迭代计算,计算出的最终层光流向量以及与最终层光流向量对应的目标解可以准确的确定出目标血管在第二红外图像中的位置,从而保证对目标血管进行准确的定位。
可选地,所述根据所述金字塔光流跟踪法中的最终层光流向量以及所述最终层光流向量对应的目标解确定所述第二红外血管图像中目标血管的位置之前,包括:确定所述金字塔光流跟踪法的层数N,其中,N为大于等于1的正整数;根据所述目标血管以及所述第二红外血管图像确定所述金字塔光流跟踪法中金字塔的第1层光流向量,并对所述第1层光流向量进行迭代计算获取所述第1层光流向量对应的目标解;依次取i为1、……、N-1,根据第i层光流向量以及所述第i层光流向量对应的目标解确定第i+1层光流向量,并对所述第i+1层光流向量进行迭代计算获取所述第i+1层光流向量对应的目标解;所述最终层光流向量为第N层光流向量。
在上述实现过程中,先根据目标血管在第一红外图像中的位置确定金字塔光流跟踪法中第1层的光流向量,再进行迭代原始计算出第1层光流向量对应的目标解,继而计算每一层的光流向量和与光流向量对应的目标解,最终得到第N层光流向量以及第N层光流向量对应的目标解,也就是得到最终层光流向量,有效的对图像中像素的运动进行处理,从而保证了对目标血管跟踪定位的鲁棒性和准确性。
第二方面,本申请实施例提供了一种血管定位装置,所述装置包括:红外血管图像获取模块,用于获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,所述第二红外血管图像的采集时刻晚于所述第一红外血管图像;目标血管第一定位模块,用于在所述第一红外血管图像中定位目标血管;目标血管第二定位模块,用于根据所述目标血管在第一红外血管图像中的位置,采用金字塔光流跟踪法确定所述目标血管在所述第二红外血管图像中的位置。
可选地,所述红外血管图像获取模块包括:红外图像获取单元,用于通过红外采集设备获取连续采集的至少两帧红外图像;其中,所述至少两帧红外图像包括第一红外图像以及第二红外图像;图像去噪单元,用于对所述第一红外图像以及所述第二红外图像进行图像去噪处理分别得到第一红外血管图像和第二红外血管图像。
可选地,所述装置还包括:位置获取模块,用于获取所述红外采集设备在采集第一红外图像时的第一位置以及所述红外采集设备在采集第二红外图像时的第二位置;层数确定模块,用于根据所述第一位置以及所述第二位置确定所述金字塔光流跟踪法的层数。
可选地,所述目标血管第一定位模块包括:血管查找单元,用于查找所述第一红外血管图像中的所有血管;血管筛查单元,用于从所述所有血管中查找血管直径大于预设值的血管;目标血管确定单元,用于根据预设血管类型从所述血管直径大于预设值的血管中确定目标血管。
可选地,所述目标血管第二定位模块包括:目标血管定位单元,用于根据所述金字塔光流跟踪法中的最终层光流向量以及所述最终层光流向量对应的目标解确定所述第二红外血管图像中目标血管的位置。
可选地,所述目标血管第二定位模块包括:层数确定单元,用于确定所述金字塔光流跟踪法的层数N,其中,N为大于等于1的正整数;第1层计算单元,用于根据所述目标血管以及所述第二红外血管图像确定所述金字塔光流跟踪法中金字塔的第1层光流向量,并对所述第1层光流向量进行迭代计算获取所述第1层光流向量对应的目标解;第N层计算单元,用于依次取i为1、……、N-1,根据第i层光流向量以及所述第i层光流向量对应的目标解确定第i+1层光流向量,并对所述第i+1层光流向量进行迭代计算获取所述第i+1层光流向量对应的目标解;所述最终层光流向量为第N层光流向量。
第三方面,本申请实施例提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的方法。
第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种电子设备的结构框图;
图2为本申请实施例提供的一种血管定位方法的流程图;
图3为本申请实施例提供的一种血管定位装置的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
自动采血装置,可以通过红外识别模组拍摄出包括目标血管的红外图像,然后利用特征点匹配跟踪算法对红外图像进行处理,实现对红外图像中的目标血管进行跟踪,最终实时定位目标血管的位置。由于肘部或某些部位等处的血管的特征不明显,在利用特征点跟踪算法对红外图像进行处理时,由于不明显的特征会导致跟踪失败,因此,为了能够提高对目标血管进行定位的精度,本申请提供了一种血管定位方法及装置,利用金字塔光流跟踪法对目标血管进行准确的定位。
可以通过电子设备执行该血管定位方法,请参照图1,图1为本发明实施例提供的一种电子设备的结构示意图,所述电子设备可以包括:至少一个处理器110,例如CPU,至少一个通信接口120,至少一个存储器130和至少一个通信总线140。其中,通信总线140用于实现这些组件直接的连接通信。其中,本申请实施例中设备的通信接口120用于与其他节点设备进行信令或数据的通信。存储器130可以是高速RAM存储器,也可以是非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。存储器130可选的还可以是至少一个位于远离前述处理器的存储装置。存储器130中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器110执行时,电子设备执行下述图2所示方法过程。
可以理解,图1所示的结构仅为示意,电子设备还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。于本申请实施例中,电子设备可以是,但不限于专用检测设备、台式机、笔记本电脑、智能手机、智能穿戴设备等实体设备。
请参看图2,图2为本申请实施例提供的一种血管定位方法的流程图,该方法包括如下步骤:
步骤S110:获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,第二红外血管图像的采集时刻晚于第一红外血管图像。
其中,第一红外血管图像和第二红外血管图像可以为连续的相邻帧,比如,红外采集设备采集到20帧红外图像,第一红外血管图像为其中的第一帧红外图像,那么第二红外血管图像就可以为第二帧红外图像,第一红外血管图像和第二红外血管图像也可以不连续的两帧,且第一红外血管图像和第二红外血管图像之间相隔的红外图像帧数需小于预设值,也可以理解为采集第一红外血管图像的第一时刻与采集第二红外血管图像的第二时刻之间的时间间隔需小于预设时间间隔,比如,红外采集设备一秒钟可以采集的红外图像是24帧,且红外采集设备已经采集到40帧红外图像,那么,第一红外血管图像可以为其中的第1帧红外图像,第二红外血管图像可以为第10帧红外图像,第二红外血管图像还可以为第20帧红外图像,第30帧红外图像与第1帧红外图像之间间隔了28帧图像,也就是采集第30帧红外图像的时刻与采集第1帧红外图像的时刻之间的时间间隔约为1.2秒,1.2秒的过程中可能由于患者移动被采集的部位,导致采集的第二红外血管图像不存在第一红外血管图像的目标血管,因此可以设定采集第一红外血管图像的第一时刻与采集第二红外血管图像的第二时刻之间的时间间隔需小于预设时间间隔。
在上述步骤S110中,可以通过红外采集设备获取连续采集的至少两帧红外图像,其中,至少两帧红外图像包括第一红外图像以及第二红外图像,然后对第一红外图像以及第二红外图像进行图像去噪处理分别得到第一红外血管图像和第二红外血管图像。
在对图像进行去噪处理时,可以先采集第一红外图像和第二红外图像,再同时对采集到的第一红外图像和第二红外图像进行去噪处理,还可以采集一幅红外图像,就对该幅红外图像进行去噪处理,提高处理速度,例如,先采集第一红外图像,然后对第一红外图像进行去噪处理的同时,对第二红外图像进行采集。
由于血管中流淌的血液中包含大量血红蛋白,而血红蛋白对特定波长的近红外光具有吸收峰,而血管周围的组织结构如肌肉组织和结缔组织等则反射或散射近红外光,因此基于该原理,可以采用红外采集设备采集红外血管图像,例如,可以通过850nm-940nm的近红外光对手臂肘部血管进行照射,以获得肘部红外血管图像。
利用红外线技术可以使红外线穿透皮肤等其他组织并被血管中的血红蛋白吸收,因此采用红外采集设备获取的红外图像中,能够显示出被拍摄区域的血管,接着对采集到的红外图像进行图像去噪处理,减少红外图像中噪声,能够改善红外图像中血管边缘模糊的问题,从而可以保证得到的红外血管图像的准确和清晰,进而保证能够对目标血管进行准确的定位。
步骤S120:在第一红外血管图像中定位目标血管。
在第一红外血管图像中的目标血管时,可以先查找第一红外血管图像中的所有血管,然后从所有血管中查找出血管直径大于预设值的血管,再根据预设血管类型从血管直径大于预设值的血管中确定目标血管。
由于上肢浅静脉浅表,且相对于其他血管较为明显,因此多用于采血、输血或输液等静脉医疗操作。在采血指南中也指出,采血一般选择血管为上肢浅静脉,常见的上肢浅静脉类型包括肘正中血管、头静脉、贵要静脉、前臂内侧及手背静脉,最佳穿刺部位为肘正中血管,其特点为血管直径大、血管周围分布的神经较少,因此给患者带来的疼痛感较轻,且不易造成溶血,此外还可以选择头静脉,头静脉不易固定,在上述两种类型都不合适时,可以考虑贵要静脉,该静脉血管靠近动脉和神经,因此只在上述情形无法正常进行穿刺时,会考虑贵要静脉,最后是手背静脉,由于手背静脉血管较细,因此对手背静脉进行穿刺常见于输液和输血等。
例如,对患者肘部进行拍摄时,红外采集设备可以第一红外血管图像,然后筛选出该第一红外血管图像中的血管直径大于预设值的血管,若筛选出的血管包括肘正中血管、头静脉、贵要静脉以及前臂内侧的血管,则可以选择肘正中血管为目标血管;若筛选出的血管包括头静脉、贵要静脉以及前臂内侧的血管,则可以选择头静脉为目标血管;若筛选出的血管包括贵要静脉以及前臂内侧的血管,则可以选择贵要静脉为目标血管;
在上述实现过程中,对直径较大的血管进行定位比较容易和准确,因此可以根据直径选取目标血管,不同类型的血管所在位置不同,可以根据血管的类型选取较贴近皮肤表面的血管为目标血管,从而保证能够对目标血管进行准确的定位。
步骤S130:根据目标血管在第一红外血管图像中的位置,采用金字塔光流跟踪法确定目标血管在第二红外血管图像中的位置。
金字塔光流跟踪法中采用金字塔结构,金字塔结构的优势在于对于一个比较大的像素位移L,可以将其逐步分解为多个比较小的残余光流位移dL进行计算。假设基本的光流法计算可以处理的最大像素运动是dmax,那么基于金字塔结构可以处理的整个像素运动最大值为dmax_final=(2Lm+1-1)dmax,也就是说每多加一层结构L,就要多加下一层L-1最大处理像素运动位移的两倍,最终可以处理的最大像素运动位移是所有层可处理的最大运动的累加值,因此,金字塔光流跟踪法能够有效的处理幅度较大的像素运动,从而保证对目标血管跟踪定位的鲁棒性和准确性。
在上述实现过程中,从第一红外血管图像中确定出目标血管,然后利用金字塔光流跟踪法从第二红外图像中定位目标血管的位置,由于金字塔光流跟踪法能够适应帧间变化较大的问题,因此,根据目标血管采用金字塔光流跟踪法可以准确的确定出第二红外血管图像中目标血管的位置,从而保证对目标血管进行定位。
作为一种实施方式,根据目标血管采用金字塔光流跟踪法确定第二红外血管图像中目标血管的位置之前,可以先获取红外采集设备在采集第一红外图像时的第一位置以及红外采集设备在采集第二红外图像时的第二位置,然后根据第一位置以及第二位置确定金字塔光流跟踪法的层数。
在进行红外采集设备对目标物进行红外图像采集时,从第一位置移动到第二位置,可以根据其运动前后的位置,计算其运动信息,再根据该运动信息以及目标物的位置计算像素运动估算值,也可以直接根据红外采集设备运动前后的位置以及目标物的位置计算像素运动估算值,然后根据像素运动估算值确定金字塔光流跟踪法的层数,例如,根据金字塔原理有2k×w,其中k为金字塔的层级,w为窗口大小,根据该原理通过红外采集设备的运动信息确定合适的层级数目,假设窗口的大小为3*3,当机械臂运动估计值为40个像素的时候,会将金字塔层级设置为4层。
在上述实现过程中,红外采集设备在不同的位置采集不同红外图像,图像的变化与位置的变化之间存在一定的关系,因此根据采集不同红外图像时的不同位置确定金字塔光流跟踪法的层数,能够降低金字塔光流跟踪法的计算误差,从而保证能够对目标血管进行准确的定位。
上述方法中,根据目标血管采用金字塔光流跟踪法确定第二红外血管图像中目标血管的位置过程可以包括如下步骤:根据金字塔光流跟踪法中的最终层光流向量以及最终层光流向量对应的目标解确定第二红外血管图像中目标血管的位置。
其中,在根据金字塔光流跟踪法中的最终层光流向量以及最终层光流向量对应的目标解确定第二红外血管图像中目标血管的位置之前,可以先确定金字塔光流跟踪法的层数N,其中,N为大于等于1的正整数,然后根据目标血管以及第二红外血管图像确定金字塔光流跟踪法中金字塔的第1层光流向量,并对第1层光流向量进行迭代计算获取第1层光流向量对应的目标解;依次取i为1、……、N-1,根据第i层光流向量以及第i层光流向量对应的目标解确定第i+1层光流向量,并对第i+1层光流向量进行迭代计算获取第i+1层光流向量对应的目标解;最终层光流向量为第N层光流向量。
例如,确定金字塔光流跟踪法的层数为N后,假设第一红外血管图像为A(x,y),第二红外血管图像为B(x,y),为了找到第一红外血管图像A(x,y)中的目标血管P在第二红外血管图像B(x,y)中的位置,也就是寻找第二红外血管图像B(x,y)目标血管P’,第一红外血管图像A(x,y)的金字塔表示为{An}n=1,2…,N,第二红外血管图像B(x,y)的金字塔表示为{Bn}n=1,2…,N,然后初始化最高层光流向量的初始值为gN=[0,0]T,接着计算第一红外血管图像An中目标血管P对应的位置:
PL=[Px L,Py L]
初始化金字塔光流跟踪法中的饿初始值d0=[0 0]T。
然后依次取i为1、……、N-1,循环下列步骤:
计算下式图像差异:
计算每一层的光流向量:
di=di-1+ηi
当i取N-1时,计算得到第i+1层光流向量,也就是最终层光流向量为d=g0+d0,最终可以得到目标血管P’的位置为P'=P+d。
先根据目标血管在第一红外图像中的位置确定金字塔光流跟踪法中第1层的光流向量,再进行迭代原始计算出第1层光流向量对应的目标解,继而计算每一层的光流向量和与光流向量对应的目标解,最终得到第N层光流向量以及第N层光流向量对应的目标解,也就是得到最终层光流向量,有效的对图像中像素的运动进行处理,从而保证了对目标血管跟踪定位的鲁棒性和准确性。
此外,在得到目标血管在第二红外图像中的位置信息之后,可以在图像中标示出目标血管的最小外接矩形框,以便于操作人员进行观测。为了便于操作人员观测,还可以根据显示屏与操作人员的观测位置对目标血管的位置进行处理,例如,可以将目标血管的最小外接矩形框的顶点坐标、中心点坐标以及最小外接矩形框的旋转角度进行输出,便于后续进行准确的血管穿刺操作。
在上述实现过程中,采用金字塔光流跟踪法进行多次迭代计算,计算出的最终层光流向量以及与最终层光流向量对应的目标解可以准确的确定出目标血管在第二红外图像中的位置,从而保证对目标血管进行准确的定位。
基于同一发明构思,本申请实施例中还提供一种血管定位装置200,请参看图3,该装置可以是电子设备上的模块、程序段或代码。应理解,该血管定位装置200与上述图2方法实施例对应,能够执行图2方法实施例涉及的各个步骤,该血管定位装置200具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。
可选地,该血管定位装置200包括:
红外血管图像获取模块210,用于获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,第二红外血管图像的采集时刻晚于第一红外血管图像。
目标血管第一定位模块220,用于在第一红外血管图像中定位目标血管。
目标血管第二定位模块230,用于根据目标血管在第一红外血管图像中的位置,采用金字塔光流跟踪法确定目标血管在第二红外血管图像中的位置。
可选地,红外血管图像获取模块210包括:
红外图像获取单元,用于通过红外采集设备获取连续采集的至少两帧红外图像;其中,至少两帧红外图像包括第一红外图像以及第二红外图像。
图像去噪单元,用于对第一红外图像以及第二红外图像进行图像去噪处理分别得到第一红外血管图像和第二红外血管图像。
可选地,装置还包括:
位置获取模块,用于获取红外采集设备在采集第一红外图像时的第一位置以及红外采集设备在采集第二红外图像时的第二位置。
层数确定模块,用于根据第一位置以及第二位置确定金字塔光流跟踪法的层数。
可选地,目标血管第一定位模块220包括:
血管查找单元,用于查找第一红外血管图像中的所有血管。
血管筛查单元,用于从所有血管中查找血管直径大于预设值的血管。
目标血管确定单元,用于根据预设血管类型从血管直径大于预设值的血管中确定目标血管。
可选地,目标血管第二定位模块230包括:
目标血管定位单元,用于根据金字塔光流跟踪法中的最终层光流向量以及最终层光流向量对应的目标解确定第二红外血管图像中目标血管的位置。
可选地,目标血管第二定位模块230包括:
层数确定单元,用于确定金字塔光流跟踪法的层数N,其中,N为大于等于1的正整数。
第1层计算单元,用于根据目标血管以及第二红外血管图像确定金字塔光流跟踪法中金字塔的第1层光流向量,并对第1层光流向量进行迭代计算获取第1层光流向量对应的目标解。
第N层计算单元,用于依次取i为1、……、N-1,根据第i层光流向量以及第i层光流向量对应的目标解确定第i+1层光流向量,并对第i+1层光流向量进行迭代计算获取第i+1层光流向量对应的目标解;最终层光流向量为第N层光流向量。
本申请实施例提供一种可读取存储介质,计算机程序被处理器执行时,执行如图2所示方法实施例中电子设备所执行的方法过程。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
综上所述,本申请实施例提供一种血管定位方法及装置,该方法包括:获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,第二红外血管图像的采集时刻晚于第一红外血管图像;确定第一红外血管图像中的目标血管;根据目标血管采用金字塔光流跟踪法确定第二红外血管图像中目标血管的位置。从第一红外血管图像中确定出目标血管,然后利用金字塔光流跟踪法从第二红外图像中定位目标血管的位置,由于金字塔光流跟踪法能够适应帧间变化较大的问题,因此,根据目标血管采用金字塔光流跟踪法可以准确的确定出第二红外血管图像中目标血管的位置,从而保证对目标血管进行准确定位。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种血管定位方法,其特征在于,所述方法包括:
获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,所述第二红外血管图像的采集时刻晚于所述第一红外血管图像;其中,所述第一红外血管图像和第二红外血管图像的帧数间隔小于预设值;
在所述第一红外血管图像中定位目标血管;
根据所述目标血管在第一红外血管图像中的位置,采用金字塔光流跟踪法确定所述目标血管在第二红外血管图像中的位置;其中,所述光流跟踪法的跟踪层数由所述目标血的像素运动估值确定;所述像素运动估值与所述红外血管图像拍摄的位置有关。
2.根据权利要求1所述的方法,其特征在于,所述获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,包括:
通过红外采集设备获取连续采集的至少两帧红外图像;其中,所述至少两帧红外图像包括第一红外图像以及第二红外图像;
对所述第一红外图像以及所述第二红外图像进行图像去噪处理分别得到第一红外血管图像和第二红外血管图像。
3.根据权利要求2所述的方法,其特征在于,所述采用金字塔光流跟踪法确定所述目标血管在第二红外血管图像中的位置之前,所述方法还包括:
获取所述红外采集设备在采集第一红外图像时的第一位置以及所述红外采集设备在采集第二红外图像时的第二位置;
根据所述第一位置以及所述第二位置确定所述金字塔光流跟踪法的层数。
4.根据权利要求1所述的方法,其特征在于,所述在所述第一红外血管图像中定位目标血管,包括:
查找所述第一红外血管图像中的所有血管;
从所述所有血管中查找血管直径大于预设值的血管;
根据预设血管类型从所述血管直径大于预设值的血管中确定目标血管。
5.根据权利要求1所述的方法,其特征在于,所述采用金字塔光流跟踪法确定所述目标血管在第二红外血管图像中的位置,包括:
根据所述金字塔光流跟踪法中的最终层光流向量以及所述最终层光流向量对应的目标解确定所述第二红外血管图像中目标血管的位置。
6.根据权利要求5所述的方法,其特征在于,所述根据所述金字塔光流跟踪法中的最终层光流向量以及所述最终层光流向量对应的目标解确定所述第二红外血管图像中目标血管的位置之前,包括:
确定所述金字塔光流跟踪法的层数N,其中,N为大于等于1的正整数;
根据所述目标血管以及所述第二红外血管图像确定所述金字塔光流跟踪法中金字塔的第1层光流向量,并对所述第1层光流向量进行迭代计算获取所述第1层光流向量对应的目标解;
依次取i为1、……、N-1,根据第i层光流向量以及所述第i层光流向量对应的目标解确定第i+1层光流向量,并对所述第i+1层光流向量进行迭代计算获取所述第i+1层光流向量对应的目标解;其中,所述最终层光流向量为第N层光流向量。
7.一种血管定位装置,其特征在于,所述装置包括:
红外血管图像获取模块,用于获取连续采集的至少两帧红外血管图像中的第一红外血管图像和第二红外血管图像,所述第二红外血管图像的采集时刻晚于所述第一红外血管图像;其中,所述第一红外血管图像和第二红外血管图像的帧数间隔小于预设值;
目标血管第一定位模块,用于在所述第一红外血管图像中定位目标血管;
目标血管第二定位模块,用于根据所述目标血管在第一红外血管图像中的位置,采用金字塔光流跟踪法确定所述目标血管在所述第二红外血管图像中的位置;其中,所述光流跟踪法的跟踪层数由所述目标血的像素运动估值确定;所述像素运动估值与所述红外血管拍摄的位置有关。
8.根据权利要求7所述的装置,其特征在于,所述红外血管图像获取模块包括:
红外图像获取单元,用于通过红外采集设备获取连续采集的至少两帧红外图像;其中,所述至少两帧红外图像包括第一红外图像以及第二红外图像;
图像去噪单元,用于对所述第一红外图像以及所述第二红外图像进行图像去噪处理分别得到第一红外血管图像和第二红外血管图像。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1至6中任一项所述的方法。
10.一种可读取存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,运行如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911105596.0A CN112842257B (zh) | 2019-11-12 | 2019-11-12 | 一种血管定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911105596.0A CN112842257B (zh) | 2019-11-12 | 2019-11-12 | 一种血管定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112842257A CN112842257A (zh) | 2021-05-28 |
CN112842257B true CN112842257B (zh) | 2022-12-06 |
Family
ID=75984684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911105596.0A Active CN112842257B (zh) | 2019-11-12 | 2019-11-12 | 一种血管定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112842257B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116746926B (zh) * | 2023-08-16 | 2023-11-10 | 深圳市益心达医学新技术有限公司 | 基于图像识别的自动采血方法、装置、设备及存储介质 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202437094U (zh) * | 2012-02-22 | 2012-09-19 | 苏州优点优唯医疗科技有限公司 | 移动式血管导航装置 |
CN103284689B (zh) * | 2012-02-22 | 2015-03-25 | 苏州优点优唯医疗科技有限公司 | 移动式血管导航系统 |
CN104156975B (zh) * | 2013-05-13 | 2018-04-24 | 东芝医疗系统株式会社 | 医学图像分析装置和方法以及医学成像设备 |
CN104856649B (zh) * | 2015-04-24 | 2018-04-20 | 北京迈纳士手术机器人技术股份有限公司 | 一种通过红外成像和压力变化来识别和穿刺血管的装置 |
CN106037664A (zh) * | 2016-07-02 | 2016-10-26 | 深圳市前海康启源科技有限公司 | 采用激光照射的静脉血管成像系统 |
CN106667554A (zh) * | 2016-12-30 | 2017-05-17 | 西安中科微光影像技术有限公司 | 自动穿刺安全调整系统及方法 |
DE102017201440B3 (de) * | 2017-01-30 | 2018-05-30 | Fresenius Medical Care Deutschland Gmbh | Kanülierautomat zur Erkennung und Manipulation eines Blutgefäßes, sowie entsprechendes Verfahren |
CN106934820B (zh) * | 2017-03-17 | 2019-07-12 | 南昌航空大学 | 基于引导滤波的图像序列金字塔分层光流计算方法 |
US20180333120A1 (en) * | 2017-05-19 | 2018-11-22 | The Chinese University Of Hong Kong | Methods and apparatuses for quantifying vascular fluid motions from dsa |
CN107316275A (zh) * | 2017-06-08 | 2017-11-03 | 宁波永新光学股份有限公司 | 一种光流辅助的大尺度显微图像拼接算法 |
WO2019000396A1 (zh) * | 2017-06-30 | 2019-01-03 | 深圳市大疆创新科技有限公司 | 光流跟踪装置和方法 |
JP7073661B2 (ja) * | 2017-09-27 | 2022-05-24 | コニカミノルタ株式会社 | 動態解析装置及び動態解析システム |
US11369278B2 (en) * | 2017-11-28 | 2022-06-28 | Beijing Keya Medical Technology Co., Ltd. | Methods and systems for determining lumen volume and coronary blood flow |
CN108056780A (zh) * | 2017-12-27 | 2018-05-22 | 华中科技大学同济医学院附属协和医院 | 一种自动采血穿刺设备 |
CN108280831B (zh) * | 2018-02-02 | 2020-04-21 | 南昌航空大学 | 一种图像序列光流的获取方法及系统 |
CN109044314B (zh) * | 2018-06-15 | 2021-06-08 | 西安电子科技大学 | 一种基于欧拉视频放大的非接触式心率监测方法 |
CN109171905B (zh) * | 2018-10-11 | 2020-06-30 | 青岛浦利医疗技术有限公司 | 基于红外成像的穿刺引导设备 |
CN110120063A (zh) * | 2019-04-23 | 2019-08-13 | 深圳市道通智能航空技术有限公司 | 一种基于多处理器的目标跟踪处理方法 |
-
2019
- 2019-11-12 CN CN201911105596.0A patent/CN112842257B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112842257A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7242906B2 (ja) | 眼底画像から黄斑中心を位置特定する方法、装置、電子機器及び記憶媒体 | |
WO2020215672A1 (zh) | 医学图像病灶检测定位方法、装置、设备及存储介质 | |
CN109791692A (zh) | 使用来自感兴趣区域的不同视角的多个图像进行计算机辅助检测以提高检测准确度 | |
Fan et al. | Multichannel fully convolutional network for coronary artery segmentation in X-ray angiograms | |
Qin et al. | Accurate vessel extraction via tensor completion of background layer in X-ray coronary angiograms | |
JP2002539870A (ja) | 画像処理の方法と装置 | |
CN109815816B (zh) | 一种基于深度学习的考生考场异常行为分析方法 | |
CN110742631B (zh) | 一种医学图像的成像方法和装置 | |
CN108364290A (zh) | 对周期性生理活动的图像序列进行分析的方法、介质和系统 | |
CN111325675B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN108921195A (zh) | 一种基于神经网络的肺结节图像识别方法及装置 | |
CN112842257B (zh) | 一种血管定位方法及装置 | |
Ma et al. | Eye-gaze-guided vision transformer for rectifying shortcut learning | |
US9524550B2 (en) | System and method for coronary digital subtraction angiography | |
Qiu et al. | Learnable ophthalmology sam | |
CN115456967A (zh) | 一种动静脉内瘘血栓检测方法及装置 | |
CN112446911A (zh) | 中心线提取、界面交互与模型训练方法、系统及设备 | |
Jin et al. | Low-rank and sparse decomposition with spatially adaptive filtering for sequential segmentation of 2D+ t vessels | |
Blondel et al. | Automatic trinocular 3D reconstruction of coronary artery centerlines from rotational X-ray angiography | |
Xiao et al. | Automatic vasculature identification in coronary angiograms by adaptive geometrical tracking | |
Jeon et al. | Maximum a posteriori estimation method for aorta localization and coronary seed identification | |
CN112488982A (zh) | 一种超声图像检测方法及装置 | |
CN114612484B (zh) | 基于无监督学习的视网膜oct图像分割方法 | |
CN114998582A (zh) | 一种冠脉血管的分割方法、装置及存储介质 | |
CN112885435B (zh) | 图像目标区域的确定方法、装置和系统 |
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 |