CN113421254A - 微循环血管分支长度和直径计算方法及装置和终端设备 - Google Patents
微循环血管分支长度和直径计算方法及装置和终端设备 Download PDFInfo
- Publication number
- CN113421254A CN113421254A CN202110817584.1A CN202110817584A CN113421254A CN 113421254 A CN113421254 A CN 113421254A CN 202110817584 A CN202110817584 A CN 202110817584A CN 113421254 A CN113421254 A CN 113421254A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- microcirculation
- image
- value
- diameter
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 254
- 230000004089 microcirculation Effects 0.000 title claims abstract description 179
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims description 8
- 230000010412 perfusion Effects 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000463 material Substances 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
- 230000000877 morphologic effect Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 210000000264 venule Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种微循环血管分支长度和直径计算方法及装置和终端设备，所述方法包括：获取第一微循环图像；提取第一微循环图像中第一血管的中心线与边缘；对第一血管的边缘处理形成第一血管封闭域；对第一微循环图像与第一血管封闭域求差值，挖除第一血管封闭域，得到剩下第二血管的第二微循环图像；提取第二微循环图像中第二血管的中心线与边缘；对提取的第一血管和第二血管的中心线与边缘求并集，得到完整的血管路径；根据血管路径计算血管的直径和长度。本发明能够在微循环图像中提取出与实际人体微循环血管路径相关性大的血管路径，计算出来的血管直径与长度具有临床参考意义，能够提供给临床计算灌流血管比例与灌流血管密度两个微循环参数。
Description
技术领域
本发明涉及医学图像处理技术领域，特别涉及微循环血管分支长度和直径计算方法及装置和终端设备。
背景技术
微循环是指微动脉和微静脉之间的血液循环，是血液与组织细胞进行物质交换的场所。正常情况下，微循环血流量与人体组织、器官代谢水平相适应，使人体内各器官生理功能得以正常运行。微循环功能障碍或微循环血流灌注量减少时，营养物质和氧气不能满足组织代谢的需要，可导致组织器官功能不全或衰竭，这成为许多疾病发生和发展的重要原因。
其中灌流血管比例(以长度计)与灌流血管密度两个微循环参数可反应出血流状态为瘀滞或正常。在微循环检测下，可以通过计算血管的长度与直径来评估两大参数，从而确认人体是否存在微循环障碍。
现有技术方案中一般是在微循环监测过程中，在视频中截取单帧图像，在此图像上进行图像增强、阈值分割、以及骨骼化函数(形态学运算)后提取出血管中心线。基于八邻域搜索血管中心线，进行求平均方向值；根据方向值，进一步采用方向跟踪搜索，得出血管中心线上某一点的横截面的所有血管像素点，采用点点距离进而求得该点处的血管直径；最终得到血管中心线上搜有点的横截面直径，使用方差去偏差大的点，再求平均值得到最终的血管直径。
然而，对微循环图像进行阈值分割得到血管区域图像时，阈值需要人为设定，如果设定的阈值过高，会自动剔除对比度小的血管像素点；如果阈值设定过低，会提取不属于血管区域的像素点；采集的图像局部差异大时，无法采用统一的阈值进行分割，因此后续提取的血管中心线与实际血管路径有较大误差，那么计算出来的血管直径与长度也会出现误差。
发明内容
本发明的目的在于克服上述提取血管中心线与轮廓产生误差导致计算血管直径与长度错误的缺点，为实现本发明的目的，采用以下技术方案：
第一方面，本发明提出一种微循环血管分支长度和直径计算方法，其特征在于，包括：
获取第一微循环图像；
提取第一微循环图像中第一血管的中心线与边缘；
对第一血管的边缘处理形成第一血管封闭域；
对第一微循环图像与第一血管封闭域求差值，挖除第一血管封闭域，得到剩下第二血管的第二微循环图像；
提取第二微循环图像中第二血管的中心线与边缘；
对提取的第一血管和第二血管的中心线与边缘求并集，得到完整的血管路径；
根据血管路径计算血管的直径和长度。
进一步的改进在于，获取第一微循环图像的具体方法包括：
连续采集多帧微循环图像；
分别提取每帧微循环图像的亮度值和灰度梯度值，其中，所述亮度值为该微循环图像亮度最高点的亮度值；
计算相邻两帧微循环图像之间的差异值，所述差异值用于判断相邻两帧微循环图像之间的相关度，其中，差异值越小，代表相关度越大；
根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像；
把选取的多帧微循环图像合成得到第一微循环图像。
进一步的改进在于，计算相邻两帧微循环图像之间的差异值的具体方法包括：
把相邻两帧微循环图像之间对应的每个像素点的灰度值相减得到每个像素点的差值；
把得到的每个像素点的差值取绝对值，把得到的每个像素点的差值的绝对值相加得到累加值；
把累加值除以微循环图像的分辨率，得到相邻两帧微循环图像之间的差异值。
进一步的改进在于，根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像的具体方法包括：
判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值；
选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像。
进一步的改进在于，提取第一微循环图像中第一血管的中心线与边缘的方法包括：采用高斯求线段的方法，用适合第一血管的第一高斯参数组自动提取第一血管的中心线和边缘；
提取第二微循环图像中第二血管的中心线与边缘的方法包括：
采用高斯求线段的方法，用适合第二血管的第二高斯参数组自动提取第二血管的中心线和边缘；
其中，所述第一血管为小血管，所述第二血管为大血管。
进一步的改进在于，所述第一高斯参数组与第二高斯参数组的区别在于宽度参数不同，高斯求线段的方法采用计算图像灰度值对行和列两个方向的二阶偏导数，其中二阶偏导数为0的点判断为血管边缘。
进一步的改进在于，对第一血管的边缘处理形成第一血管封闭域的具体方法包括：采用闭运算将第一血管两个边缘的起点和终点分别连起来形成线段，再采用闭运算把可能孤立离散的点闭合起来形成封闭域。
进一步的改进在于，根据血管路径计算血管的直径的方法为：每条血管的平均直径为该血管中心线上所有点的宽度相加得到的值与该血管中心线上点数之比；根据血管路径计算血管的长度的方法为：利用预设函数来获取待计算的血管中心线的长度。
第二方面，本发明提出一种微循环血管分支长度和直径计算装置，利用如第一方面中任意一项所述的微循环血管分支长度和直径计算方法，所述微循环血管分支长度和直径计算装置包括：
获取模块，配置为用于获取第一微循环图像；
第一提取模块，配置为用于提取第一微循环图像中第一血管的中心线与边缘；
闭运算模块，配置为用于对第一血管的边缘处理形成第一血管封闭域；
求差值模块，配置为用于对第一微循环图像与第一血管封闭域求差值，挖除第一血管封闭域，得到剩下第二血管的第二微循环图像；
第二提取模块，配置为用于提取第二微循环图像中第二血管的中心线与边缘；
求并集模块，配置为用于对提取的第一血管和第二血管的中心线与边缘求并集，得到完整的血管路径；
计算模块，配置为用于根据血管路径计算血管的直径和长度。
第三方面，本发明提出一种终端设备，包括存储器、处理器以及存储在存储器上的计算机程序，所述处理器配置为执行存储在所述存储器上的计算机程序时实现如第一方面中任意一项所述的微循环血管分支长度和直径计算方法的步骤。
本发明的有益效果：
本发明利用两组高斯参数分别对大小血管进行计算，先提取小血管的中心线和边缘，采用求差值的方法，对第一微循环图像与小血管封闭域求差值，挖除小血管封闭域，得到剩下大血管的第二微循环图像，然后对第二微循环图像剩下的大血管进行高斯求线段，两个步骤得到的大小血管的中心线和边缘求并集，获得完整的中心线和边缘，本发明能够在微循环图像中提取出与实际人体微循环血管路径相关性大的血管路径，计算出来的血管直径与长度具有临床参考意义，能够提供给临床计算灌流血管比例(以长度计)与灌流血管密度两个微循环参数。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本发明实施例一种微循环血管分支长度和直径计算方法的流程图；
图2为本发明实施例一种微循环血管分支长度和直径计算方法中获取第一微循环图像的方法流程图；
图3为本发明实施例一种微循环血管分支长度和直径计算装置的整体结构示意图；
图4为本发明实施例一种微循环血管分支长度和直径计算装置中获取模块的结构示意图；
图5为本发明的部分工作界面图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本申请实施例提供的一种微循环血管分支长度和直径计算方法可应用于移动终端、台式计算机、笔记本、掌上电脑及云端服务器等终端设备，具体可通过所述终端设备中的运行应用程序(APP或其它系统)实现。
请参考附图1-5，如图1所示，为本发明第一方面的实施例提供的一种微循环血管分支长度和直径计算方法的流程图，作为示例而非限定，该方法包括：
步骤S1，获取第一微循环图像。
步骤S2，提取第一微循环图像中第一血管的中心线与边缘。
步骤S3，对第一血管的边缘处理形成第一血管封闭域。
步骤S4，采用求差值的方法，对第一微循环图像与第一血管封闭域求差值，挖除第一血管封闭域，得到剩下第二血管的第二微循环图像。其中，求差值的具体操作方法属于现有技术，本领域技术人员参照现有技术即可，本实施例不再详述。
步骤S5，提取第二微循环图像中第二血管的中心线与边缘。
步骤S6，对提取的第一血管和第二血管的中心线与边缘求并集，得到完整的血管路径。
步骤S7，根据血管路径计算血管的直径和长度。
如图2为本发明实施例一种微循环血管分支长度和直径计算方法中获取第一微循环图像的方法流程图，具体地，在本实施例中，所述步骤S1中获取第一微循环图像的具体方法包括：
步骤S11,连续采集多帧微循环图像。
步骤S12,分别提取每帧微循环图像的亮度值(brightness)和灰度梯度值(gradient)，其中，所述亮度值为该微循环图像亮度最高点的亮度值。提取灰度梯度值的具体方法包括：对微循环图像进行卷积，提取微循环图像边缘轮廓，截取出微循环图像边缘轮廓的灰度梯度值。
步骤S13,计算相邻两帧微循环图像之间的差异值(difference)，所述差异值用于判断相邻两帧微循环图像之间的相关度，其中，差异值越小，代表相关度越大。
步骤S14,根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像。
步骤S15,把选取的多帧微循环图像合成得到第一微循环图像。
具体地，在本实施例中，采集多帧微循环图像采用的是外购的标准化的CCD或CMOS工业相机，软件可以调用相机厂家提供的SDK开发包，而采集的图像是8位单色灰度图像，所采集的微循环图像为血管为暗，组织背景为亮的微循环图像。单色灰度图像的亮度即图像灰度，有图像平均亮度、图像最大亮度，而本实施例步骤S12采集的是图像最大亮度，即整帧微循环图像亮度最高点的亮度值或灰度值。
在本实施例的一个优选方案中，在分别提取每帧微循环图像的亮度值和灰度梯度值之前还包括采取图像增强技术手段提高对比度，增强血管的有效信息，减弱背景等的无效信息，以利于提取图像亮度值、灰度梯度值。
由于截取视频中的单帧微循环图像无法得到血管边缘轮廓清晰的成像，所以本发明实施例选取经过多帧微循环图像合成后的第一微循环图像，保证血管边缘轮廓清晰且路径完整，便于展开后续步骤。
具体地，在本实施例中，所述步骤S13中，计算相邻两帧微循环图像之间的差异值的具体方法包括：
步骤S131，把相邻两帧微循环图像之间对应的每个像素点的灰度值相减得到每个像素点的差值。
步骤S132，把得到的每个像素点的差值取绝对值，把得到的每个像素点的差值的绝对值相加得到累加值。
步骤S133，把累加值除以微循环图像的分辨率，得到相邻两帧微循环图像之间的差异值。
具体地，在本实施例中，所述步骤S14中，根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像的具体方法包括：
步骤S141，判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值。
步骤S142，选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像。
例如，如图5所示，为本发明的一个工作界面图，在本实施例中，在采集多帧微循环图像结束后，计算机显示经过图像处理增强后的微循环图像，并且用上述所述的方法计算出每帧图像的亮度值(brightness)、灰度梯度值(gradient)、相邻两帧微循环图像之间的差异值(difference)三个参数并按采集的时间顺序罗列在图5中的右侧表格中，利于后续的分析，在表格中，每一帧微循环图像的差异值数值代表的是其与上一帧微循环图像对比得到的差异值，由于8位单色灰度图像的亮度值最大是255，本实施例优选地将所述第一阈值设置为240，系统识别出所有的微循环图像的灰度梯度值中的最大值，把最大值-1.0后得到的数值作为第二阈值，所述第三阈值的大小设置为9，选取亮度值大于第一阈值，灰度梯度值大于第二阈值，差异值小于第三阈值，并且是连续的尽量多的多帧微循环图像用于合成为目标图像，如图5右侧表格所示，根据选取的条件，选中的是标号为602-621的连续二十帧图像去合成第一微循环图像。另外，第一阈值、第二阈值、第三阈值的具体大小本领域技术人员可根据实际精度需要去适当地调整，选取连续的，差异值不能太大，因为差异值越小，代表相邻的两帧微循环图像之间的相关度越大，合成出来的图像越精准，例如图5右侧表格中其中有一帧微循环图像的差异值为16.150，说明其与上一帧微循环图像之间的相关度小，不适合用于合成。
具体地，在本发明的一个实施例中，在步骤S15中，把选取的多帧微循环图像合成得到第一微循环图像的具体方法包括：对连续的多帧微循环图像的同一像素点进行对比，选择亮度最暗(亮度暗即灰度值小的像素点代表的是血管路径)的像素点的灰度值作为合成后的目标图像的该像素点的灰度值，对所选取的所有微循环图像的每个像素点，依据上述的合成原理进行合成，合成出血管完整路径图。
如图5中所示，左下角为合成后的第一微循环图像，其微循环成像的血管路径比起其余三帧图像的路径清晰明了，修补了单帧图像中血管断续的地方。
具体地，在本实施例中，所述步骤S2中，提取第一微循环图像中第一血管的中心线与边缘的方法包括：
采用高斯求线段的方法，用适合第一血管的第一高斯参数组自动提取第一血管的中心线和边缘。
具体地，在本实施例中，所述步骤S5中，提取第二微循环图像中第二血管的中心线与边缘的方法包括：采用高斯求线段的方法，用适合第二血管的第二高斯参数组自动提取第二血管的中心线和边缘。
其中，所述第一血管为小血管，所述第二血管为大血管，小血管宽度的最大上限是8个像素点，超过则算是大血管。
由于高斯求线段同一组输入参数无法兼容计算大血管与小血管的处理，这时需要先用一组适合小血管的第一高斯参数组自动提取小血管的中心线和边缘。
上述采用高斯求线段的方法中，所述第一高斯参数组与第二高斯参数组的区别在于宽度参数不同，高斯求线段的方法采用计算图像灰度值对行和列两个方向的二阶偏导数，其中二阶偏导数为0的点判断为血管边缘，所以无需设置阈值都能准确检测出血管中心线、边缘。
由于高斯求线段所得到的是离散的点，无法直接形成封闭域。因此，在本实施例中，所述步骤S3中，对第一血管的边缘处理形成第一血管封闭域的具体方法包括：采用闭运算将第一血管两个边缘的起点和终点分别连起来(例如：起点连接起点)形成线段，再采用闭运算把可能孤立离散的点闭合起来形成封闭域，在数学形态学中，闭运算被定义为先膨胀后腐蚀：
其中
和
分别表示腐蚀和膨胀，简单来说，以B结构中心点为准心，在A中找能满足B结构的点即为腐蚀；把A结构的每个点放到B中心点，以B结构外扩即为膨胀；其中，先膨胀后腐蚀的操作称之为闭运算操作，它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用，本实施例中，闭运算将离散的点形成连续的线段。
在本发明实施例中，运用line_gauss算子计算出合适的宽度参数：
lines_gauss(Image:Lines:Sigma,Low,High,LightDark,ExtractWidt h,LineModel,CompleteJunctions:)；
其中变量的含义为：Image：输入图像；Lines：提取出的亚像素精度线条；Sigma：应用的高斯平滑的系数；Low：后滞阈值分割的低值；High：后滞阈值分割的高值；LightDark：提取图像中的亮色或者暗色线条；ExtractWidth：是否提取线条的宽度；LineModel：提取线条的模式，有‘none’,‘bar-shaped’,‘parabolic’,‘gaussian’四种；CompleteJunctions：是否添加能够提取的接合点(junction)。
其中参数Sigma是应用的高斯平滑量，一般来说，特别是在需要提取线条宽度的时候，参数Sigma的选择应该满足Sigma>＝w/1.732(w代表图像中线条的宽度(线条直径的一半))，最小允许值是Sigma>＝w/2.5。例如，对于一个宽度为4个像素(直径为8个像素)的线条来说，Sigma>＝2.3是合适的参数(4/1.732＝2.3)。所以大小血管的判断是根据其宽度所占的像素来进行区别。
具体地，在本实施例中，所述步骤S7中，根据血管路径计算血管的直径的方法为：每条血管的平均直径为该血管中心线上所有点的宽度相加得到的值与该血管中心线上点数之比；根据血管路径计算血管的长度的方法为：利用预设函数来获取待计算的血管中心线的长度。具体地，血管中心线的长度的计算是利用length_xld(XLD:∶:Length)函数来获取血管中心线的长度，因此只需要将检测出来的血管中心线序列放入参数部分，即可自动计算出该血管的长度。
本申请实施例的有益效果：本发明通过对微循环图像的亮度值、灰度梯度值进行质量分析，以及对相邻两帧微循环图像之间的差异值分析的两个量化指标进行直观化地选择连续的多帧微循环图像进行合成为一帧微循环图像，合成后的第一微循环图像中的血管成像清晰、连续，能够显现较为完整的血管路径。
本发明利用两组高斯参数(宽度参数不同)对大小血管进行计算，先提取小血管的中心线和边缘，采用求差值的方法，对第一微循环图像与小血管封闭域求差值，挖除小血管封闭域，得到剩下大血管的第二微循环图像，然后对第二微循环图像剩下的大血管进行高斯求线段，两个步骤得到的大小血管的中心线和边缘求并集，获得完整的中心线和边缘，然后再对长度和直径进行计算，本发明能够在微循环图像中提取出与实际人体微循环血管路径相关性大的血管路径，计算出来的血管直径与长度具有临床参考意义，能够提供给临床计算灌流血管比例(以长度计)与灌流血管密度两个微循环参数。
本发明第二方面的实施例提出一种微循环血管分支长度和直径计算装置，利用如第一方面实施例中任意一项所述的微循环血管分支长度和直径计算方法，作为示例而非限定，与上述本发明第一方面的实施例提供的一种微循环血管分支长度和直径计算方法相对应，由于本发明实施例提供的一种微循环血管分支长度和直径计算装置与上述本发明第一方面的实施例提供的一种微循环血管分支长度和直径计算方法相对应，因此在前述一种微循环血管分支长度和直径计算方法的实施方式也适用于本实施例提供的一种微循环血管分支长度和直径计算装置，在本实施例中不再详细描述。
如图3所示为本发明实施例一种微循环血管分支长度和直径计算装置的结构示意图，具体地，所述微循环血管分支长度和直径计算装置包括：
获取模块，配置为用于获取第一微循环图像。
第一提取模块，配置为用于提取第一微循环图像中第一血管的中心线与边缘。
闭运算模块，配置为用于对第一血管的边缘处理形成第一血管封闭域。
求差值模块，配置为用于对第一微循环图像与第一血管封闭域求差值，挖除第一血管封闭域，得到剩下第二血管的第二微循环图像。
第二提取模块，配置为用于提取第二微循环图像中第二血管的中心线与边缘。
求并集模块，配置为用于对提取的第一血管和第二血管的中心线与边缘求并集，得到完整的血管路径。
计算模块，配置为用于根据血管路径计算血管的直径和长度。
如图4所示为本发明实施例一种微循环血管分支长度和直径计算装置中获取模块的结构示意图，具体地，在本实施例中，所述获取模块具体包括：
采集单元,配置为用于连续采集多帧微循环图像。
提取单元,配置为用于分别提取每帧微循环图像的亮度值和灰度梯度值，其中，所述亮度值为该微循环图像亮度最高点的亮度值。
差异值计算单元,配置为用于计算相邻两帧微循环图像之间的差异值，所述差异值用于判断相邻两帧微循环图像之间的相关度，其中，差异值越小，代表相关度越大。
选取单元,配置为用于根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像。
合成单元,配置为用于把选取的多帧微循环图像合成得到第一微循环图像。
具体地，在本实施例中，所述选取单元具体包括：
判断子单元，配置为用于判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值。
选取子单元，配置为用于选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像。
具体地，在本实施例中，所述第一提取模块具体用于：
采用高斯求线段的方法，用适合第一血管的第一高斯参数组自动提取第一血管的中心线和边缘。
具体地，在本实施例中，所述第二提取模块具体用于：采用高斯求线段的方法，用适合第二血管的第二高斯参数组自动提取第二血管的中心线和边缘。
其中，所述第一血管为小血管，所述第二血管为大血管。
具体地，在本实施例中，所述闭运算模块具体用于：采用闭运算将第一血管两个边缘的起点和终点分别连起来形成线段，再采用闭运算把可能孤立离散的点闭合起来形成封闭域。
具体地，在本实施例中，所述计算模块具体用于，根据血管路径计算血管的直径：每条血管的平均直径为该血管中心线上所有点的宽度相加得到的值与该血管中心线上点数之比；根据血管路径计算血管的长度：利用预设函数来获取待计算的血管中心线的长度。
本申请第三方面的实施例提出一种终端设备，包括存储器、处理器以及存储在存储器上的计算机程序，所述处理器配置为执行存储在所述存储器上的计算机程序时实现如第一方面实施例中任意一项所述的微循环血管分支长度和直径计算方法的步骤。
本申请第四方面的实施例提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面的任意实施例所述的一种微循环血管分支长度和直径计算方法的步骤。
本申请所述的终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备还可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述终端设备的内部存储单元，例如终端设备的硬盘或内存。所述存储器也可以是所述终端设备的外部存储设备，例如所述终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等等。进一步地，所述存储器还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种微循环血管分支长度和直径计算方法，其特征在于，包括：
获取第一微循环图像；
提取第一微循环图像中第一血管的中心线与边缘；
对第一血管的边缘处理形成第一血管封闭域；
对第一微循环图像与第一血管封闭域求差值，挖除第一血管封闭域，得到剩下第二血管的第二微循环图像；
提取第二微循环图像中第二血管的中心线与边缘；
对提取的第一血管和第二血管的中心线与边缘求并集，得到完整的血管路径；
根据血管路径计算血管的直径和长度。
2.根据权利要求1所述的一种微循环血管分支长度和直径计算方法，其特征在于，获取第一微循环图像的具体方法包括：
连续采集多帧微循环图像；
分别提取每帧微循环图像的亮度值和灰度梯度值，其中，所述亮度值为该微循环图像亮度最高点的亮度值；
计算相邻两帧微循环图像之间的差异值，所述差异值用于判断相邻两帧微循环图像之间的相关度，其中，差异值越小，代表相关度越大；
根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像；
把选取的多帧微循环图像合成得到第一微循环图像。
3.根据权利要求2所述的一种微循环血管分支长度和直径计算方法，其特征在于，计算相邻两帧微循环图像之间的差异值的具体方法包括：
把相邻两帧微循环图像之间对应的每个像素点的灰度值相减得到每个像素点的差值；
把得到的每个像素点的差值取绝对值，把得到的每个像素点的差值的绝对值相加得到累加值；
把累加值除以微循环图像的分辨率，得到相邻两帧微循环图像之间的差异值。
4.根据权利要求2所述的一种微循环血管分支长度和直径计算方法，其特征在于，根据亮度值、灰度梯度值和相关度来选取连续的多帧微循环图像的具体方法包括：
判断所有微循环图像的亮度值是否大于第一阈值、灰度梯度值是否大于第二阈值、相邻两帧微循环图像差异值是否小于第三阈值；
选取同时满足亮度值大于第一阈值、灰度梯度值大于第二阈值、相邻两帧微循环图像差异值小于第三阈值的连续的多帧微循环图像。
5.根据权利要求1所述的一种微循环血管分支长度和直径计算方法，其特征在于，提取第一微循环图像中第一血管的中心线与边缘的方法包括：采用高斯求线段的方法，用适合第一血管的第一高斯参数组自动提取第一血管的中心线和边缘；
提取第二微循环图像中第二血管的中心线与边缘的方法包括：
采用高斯求线段的方法，用适合第二血管的第二高斯参数组自动提取第二血管的中心线和边缘；
其中，所述第一血管为小血管，所述第二血管为大血管。
6.根据权利要求5所述的一种微循环血管分支长度和直径计算方法，其特征在于，所述第一高斯参数组与第二高斯参数组的区别在于宽度参数不同，高斯求线段的方法采用计算图像灰度值对行和列两个方向的二阶偏导数，其中二阶偏导数为0的点判断为血管边缘。
7.根据权利要求1所述的一种微循环血管分支长度和直径计算方法，其特征在于，对第一血管的边缘处理形成第一血管封闭域的具体方法包括：采用闭运算将第一血管两个边缘的起点和终点分别连起来形成线段，再采用闭运算把可能孤立离散的点闭合起来形成封闭域。
8.根据权利要求1所述的一种微循环血管分支长度和直径计算方法，其特征在于，根据血管路径计算血管的直径的方法为：每条血管的平均直径为该血管中心线上所有点的宽度相加得到的值与该血管中心线上点数之比；根据血管路径计算血管的长度的方法为：利用预设函数来获取待计算的血管中心线的长度。
9.一种微循环血管分支长度和直径计算装置，其特征在于，利用如权利要求1～8中任意一项所述的微循环血管分支长度和直径计算方法，所述微循环血管分支长度和直径计算装置包括：
获取模块，配置为用于获取第一微循环图像；
第一提取模块，配置为用于提取第一微循环图像中第一血管的中心线与边缘；
闭运算模块，配置为用于对第一血管的边缘处理形成第一血管封闭域；
求差值模块，配置为用于对第一微循环图像与第一血管封闭域求差值，挖除第一血管封闭域，得到剩下第二血管的第二微循环图像；
第二提取模块，配置为用于提取第二微循环图像中第二血管的中心线与边缘；
求并集模块，配置为用于对提取的第一血管和第二血管的中心线与边缘求并集，得到完整的血管路径；
计算模块，配置为用于根据血管路径计算血管的直径和长度。
10.一种终端设备，包括存储器、处理器以及存储在存储器上的计算机程序，其特征在于，所述处理器配置为执行存储在所述存储器上的计算机程序时实现如权利要求1～8中任意一项所述的微循环血管分支长度和直径计算方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110817584.1A CN113421254B (zh) | 2021-07-20 | 2021-07-20 | 微循环血管分支长度和直径计算方法及装置和终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110817584.1A CN113421254B (zh) | 2021-07-20 | 2021-07-20 | 微循环血管分支长度和直径计算方法及装置和终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113421254A true CN113421254A (zh) | 2021-09-21 |
| CN113421254B CN113421254B (zh) | 2024-04-26 |
Family
ID=77721401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110817584.1A Active CN113421254B (zh) | 2021-07-20 | 2021-07-20 | 微循环血管分支长度和直径计算方法及装置和终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113421254B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024078556A1 (zh) * | 2022-10-13 | 2024-04-18 | 广州医软智能科技有限公司 | 微循环图像清晰度评价方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0765154A (ja) * | 1993-08-31 | 1995-03-10 | Toshiba Corp | 血管像の定量解析装置及びその定量解析方法 |
| CN104867147A (zh) * | 2015-05-21 | 2015-08-26 | 北京工业大学 | 基于冠状动脉造影图像分割的syntax自动评分方法 |
| CN108154519A (zh) * | 2017-12-25 | 2018-06-12 | 吉林大学 | 眼底图像中血管的分割方法、装置及存储介质 |
| CN109584997A (zh) * | 2018-10-26 | 2019-04-05 | 首都医科大学宣武医院 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
| CN110047086A (zh) * | 2019-04-24 | 2019-07-23 | 飞依诺科技(苏州)有限公司 | 颈动脉内膜厚度自动测量方法及系统 |
-
2021
- 2021-07-20 CN CN202110817584.1A patent/CN113421254B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0765154A (ja) * | 1993-08-31 | 1995-03-10 | Toshiba Corp | 血管像の定量解析装置及びその定量解析方法 |
| CN104867147A (zh) * | 2015-05-21 | 2015-08-26 | 北京工业大学 | 基于冠状动脉造影图像分割的syntax自动评分方法 |
| CN108154519A (zh) * | 2017-12-25 | 2018-06-12 | 吉林大学 | 眼底图像中血管的分割方法、装置及存储介质 |
| CN109584997A (zh) * | 2018-10-26 | 2019-04-05 | 首都医科大学宣武医院 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
| CN110047086A (zh) * | 2019-04-24 | 2019-07-23 | 飞依诺科技(苏州)有限公司 | 颈动脉内膜厚度自动测量方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 肖志涛;崔宁;吴骏;耿磊;张芳;温佳;童军;刘晓婷;杨嵩;: "基于Hesse矩阵和多尺度分析的视网膜动静脉血管管径测量方法", 电子与信息学报, no. 11, 30 November 2016 (2016-11-30), pages 2871 - 2878 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024078556A1 (zh) * | 2022-10-13 | 2024-04-18 | 广州医软智能科技有限公司 | 微循环图像清晰度评价方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113421254B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110706246B (zh) | 一种血管图像分割方法、装置、电子设备和存储介质 | |
| EP0664038B1 (en) | Method for identifying objects using data processing techniques | |
| JP2002503840A (ja) | 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定 | |
| CN104075965B (zh) | 一种基于分水岭分割的显微图像颗粒粒度测量方法 | |
| JP2010512173A (ja) | 内視鏡からの映像を用いるコンピュータ支援解析 | |
| CN108899075A (zh) | 一种基于深度学习的dsa图像检测方法、装置及设备 | |
| CN110610498A (zh) | 乳腺钼靶图像处理方法、系统、存储介质及设备 | |
| CN115829927A (zh) | 微循环图像血管区域提取方法、装置、设备及存储介质 | |
| CN116309676A (zh) | 一种冠脉血管图像分割方法、装置、电子设备及存储介质 | |
| CN113421254B (zh) | 微循环血管分支长度和直径计算方法及装置和终端设备 | |
| US8831301B2 (en) | Identifying image abnormalities using an appearance model | |
| CN111931754B (zh) | 一种样本中目标物的识别方法、系统和可读存储介质 | |
| Yang et al. | Endoscopic artefact detection and segmentation with deep convolutional neural network | |
| CN110648333B (zh) | 基于中智学理论的乳腺超声视频图像实时分割系统 | |
| Sánchez-González et al. | Colonoscopy image pre-processing for the development of computer-aided diagnostic tools | |
| CN111815729A (zh) | 一种实时美肤方法、装置、设备和计算机存储介质 | |
| CN113379702B (zh) | 一种微循环图像的血管路径提取方法及装置 | |
| CN110728692A (zh) | 一种基于Scharr算子改进的图像边缘检测方法 | |
| CN108769521B (zh) | 一种拍照方法、移动终端及计算机可读存储介质 | |
| CN116385567A (zh) | 获取色卡roi坐标信息的方法、装置和介质 | |
| Al-Surmi et al. | Three dimensional reconstruction of human heart surface from single image-view under different illumination conditions | |
| RU2614545C1 (ru) | Устройство объединения медицинских изображений | |
| Dang et al. | Visual coherence metric for evaluation of color image restoration | |
| CN114708283A (zh) | 图像目标的分割方法、装置、电子设备及存储介质 | |
| CN110310235B (zh) | 眼底图像处理方法、装置及设备和存储介质 |
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 |