CN113450329B - 一种微循环图像血管分支红细胞流速计算方法及系统 - Google Patents
一种微循环图像血管分支红细胞流速计算方法及系统 Download PDFInfo
- Publication number
- CN113450329B CN113450329B CN202110729479.2A CN202110729479A CN113450329B CN 113450329 B CN113450329 B CN 113450329B CN 202110729479 A CN202110729479 A CN 202110729479A CN 113450329 B CN113450329 B CN 113450329B
- Authority
- CN
- China
- Prior art keywords
- distance value
- blood vessel
- red blood
- frame
- blood cells
- 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
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种微循环图像血管分支红细胞流速计算方法及系统,所述方法包括:步骤S1:在视频连续帧中,选取待测血管;步骤S2:提取血管中心线和血管边缘,根据血管边缘生成封闭ROI,选取首参考点和尾参考点;步骤S3:计算当前帧图像ROI内所有红细胞与首参考点的距离值;步骤S4:选取距离值中最小的距离值,判断是否大于第一预设阈值,大于则把其所对应的红细胞作为跟踪红细胞,执行步骤S5,否则选后一帧图像为当前帧图像返回步骤S3;步骤S5:计算跟踪红细胞沿血管中心线流动的路径距离值与帧数,换算出跟踪红细胞的流速。本发明不构建时空图,在原始视频帧图像上计算跟踪红细胞的流动距离与记录帧数即可换算得到更精确的血管的血液流速。
Description
技术领域
本发明涉及医疗设备技术领域,尤其涉及一种微循环图像血管分支红细胞流速计算方法及系统。
背景技术
微循环作为血液和生物体组织进行物质交换的工作系统,是血液循环中极为重要的一个环节,对它的研究有利于认识发病机制以及分析判断病情。人体血流动力学作为身体器官组织物质交换的重要指标,微循环的血流速度是反映微循环状态的重要指标,对其进行可靠有效地测量在预防疾病的发生和药物疗效检测方面有着重要作用。
测量血液流速是通过测量红细胞的流速来体现。近年来,基于微循环视频的流速测量技术已不断发展,一种基于时空图的方法逐渐应用于血流速度的定量测量,此方法主要包括以下步骤:对视频帧图像进行图像增强以及阈值分割方法提取血管中心线,利用find_vessel.m功能函数去跟踪一根血管的中心线,抽取视频中连续帧的血管中心线上的像素值,构建时空图,其中时空图构建时,横坐标以帧数为单位,纵坐标以像素为单位。但此方法的局限性在于:过于依赖于时空图的构建,输入的血管中心线序列必须是连续的坐标序列,否则得到的结果不正确,并且时空图要有明显一致的纹理时,才会有很好的结果。
发明内容
本发明的目的在于提供一种微循环图像血管分支红细胞流速计算方法及系统,此方法不依赖时空图的构建,可在微循环图像中提取出血管中心线与红细胞轮廓后,标记红细胞的运动距离与时间换算出流速。
为实现本发明的目的,采用以下技术方案:
第一方面,提出一种微循环图像血管分支红细胞流速计算方法,包括以下步骤:
步骤S1:在视频连续帧中,选取待测血管;
步骤S2:提取每一帧图像中待测血管的血管中心线和血管边缘,根据血管边缘生成封闭ROI,在血管中心线上选取首参考点和尾参考点;
步骤S3:计算当前帧图像ROI内所有红细胞与首参考点之间的距离值;
步骤S4:选取当前帧图像ROI内所有红细胞与首参考点之间的距离值中最小的距离值,判断最小的距离值是否大于第一预设阈值,若最小的距离值大于第一预设阈值,则把最小的距离值所对应的红细胞作为跟踪红细胞,并执行步骤S5,否则选取后一帧图像作为当前帧图像并返回步骤S3;
步骤S5:计算跟踪红细胞沿血管中心线流动的路径距离值与帧数,根据路径距离值、帧数、帧间隔时间换算出跟踪红细胞的流速。
进一步的改进在于,所述步骤S3中,计算当前帧图像ROI内所有红细胞与首参考点之间的距离值的具体过程包括以下步骤:
步骤S31:计算当前帧图像ROI内所有红细胞的轮廓,将轮廓拟合成轮廓的最小外接椭圆;
步骤S32:计算每个椭圆和血管中心线的交点,并分别计算每个交点与首参考点之间的距离值。
进一步的改进在于,所述步骤S5中,计算跟踪红细胞沿血管中心线流动的路径距离值与帧数的具体过程包括以下步骤:
步骤S51:把从当前帧图像选取的最小的距离值作为开始距离值,把最小的距离值赋值给参考距离值,并记录当前帧图像的序列号作为开始帧序列号;
步骤S52:选取后一帧图像计算ROI内所有红细胞与首参考点之间的距离值,挑选出其中大于第二预设阈值的所有距离值,从大于第二预设阈值的所有距离值中选取最小距离值,把最小距离值更新到参考距离值,并记录此帧的序列号作为结束帧序列号;
步骤S53:把参考距离值减去开始距离值得到跟踪红细胞沿血管中心线流动的路径距离值,把结束帧序列号减去开始帧序列号得到帧数。
进一步的改进在于,所述步骤S5中,根据路径距离值、帧数、帧间隔时间换算出跟踪红细胞的流速的具体过程包括以下步骤:
步骤S54:判断参考距离值是否大于首参考点和尾参考点之间的血管路径距离值,若是则执行步骤S55,否则返回步骤S52,或判断结束帧序列号与开始帧序列号之间的差值是否等于预设的需要测试的帧数,若是则执行步骤S55,否则返回步骤S52;
步骤S55:把路径距离值除以跟踪红细胞的流动时间得到跟踪红细胞的流速,其中,所述流动时间为帧数与帧间隔时间的乘积。
进一步的改进在于,所述第二预设阈值的大小为参考距离值的大小加上红细胞直径的二分之一。
进一步的改进在于,所述步骤S4中,所述第一预设阈值的大小为红细胞直径的二分之一。
第二方面,提出一种微循环图像血管分支红细胞流速计算系统,包括:
血管选取模块,用于在视频连续帧中,选取待测血管;
ROI生成模块,用于提取每一帧图像中待测血管的血管中心线和血管边缘,根据血管边缘生成封闭ROI;
参考点选取模块,用于在血管中心线上选取首参考点和尾参考点;
第一计算模块,用于计算当前帧图像ROI内所有红细胞与首参考点之间的距离值;
第一判断模块,用于选取当前帧图像ROI内所有红细胞与首参考点之间的距离值中最小的距离值,判断最小的距离值是否大于第一预设阈值,若最小的距离值大于第一预设阈值,则把最小的距离值所对应的红细胞作为跟踪红细胞,并执行第二计算模块,否则选取后一帧图像作为当前帧图像重新返回第一计算模块;
第二计算模块,用于计算跟踪红细胞沿血管中心线流动的路径距离值与帧数,根据路径距离值、帧数、帧间隔时间换算出跟踪红细胞的流速。
进一步的改进在于,所述第一计算模块包括:
第一计算单元,用于计算当前帧图像ROI内所有红细胞的轮廓;
拟合单元,用于将轮廓拟合成轮廓的最小外接椭圆;
第二计算单元,用于计算每个椭圆和血管中心线的交点,并分别计算每个交点与首参考点之间的距离值。
进一步的改进在于,所述第二计算模块包括:
第一执行单元,用于把从当前帧图像选取的最小的距离值作为开始距离值,把最小的距离值赋值给参考距离值,并记录当前帧图像的序列号作为开始帧序列号;
第二执行单元,用于选取后一帧图像计算ROI内所有红细胞与首参考点之间的距离值,挑选出其中大于第二预设阈值的所有距离值,从大于第二预设阈值的所有距离值中选取最小距离值,把最小距离值更新到参考距离值,并记录此帧的序列号作为结束帧序列号;
第三执行单元,用于把参考距离值减去开始距离值得到跟踪红细胞沿血管中心线流动的路径距离值,把结束帧序列号减去开始帧序列号得到帧数。
进一步的改进在于,所述第二计算模块还包括:
判断单元,用于判断参考距离值是否大于首参考点和尾参考点之间的血管路径距离值,若是则执行第四执行单元,否则返回执行第二执行单元,或判断结束帧序列号与开始帧序列号之间的差值是否等于预设的需要测试的帧数,若是则执行第四执行单元,否则返回执行第二执行单元;
第四执行单元,用于把路径距离值除以跟踪红细胞的流动时间得到跟踪红细胞的流速,其中,所述流动时间为帧数与帧间隔时间的乘积。
本发明的有益效果:
本发明在视频连续帧中选取红细胞流动的血管,检测血管轮廓与血管中心线位置,选取跟踪红细胞,不需要构建时空图,在原始视频帧图像上计算跟踪红细胞的流动距离与记录帧数即可换算得到更精确的血管的血液流速。
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图像血管分支红细胞流速计算方法的整体流程图;
图2为本发明为本发明实施例一种微循环图像血管分支红细胞流速计算方法中步骤S3的具体流程图;
图3为本发明为本发明为本发明实施例一种微循环图像血管分支红细胞流速计算方法中步骤S5的具体流程图;
图4为本发明实施例一种微循环图像血管分支红细胞流速计算系统的整体结构图;
图5为本发明实施例一种微循环图像血管分支红细胞流速计算系统中第二计算模块的结构图;
图6为本发明中其中的一帧微循环图像;
图7为本发明中选取的待测血管并对其处理的示意图。
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图像血管分支红细胞流速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。
实施例一:
请参考图1、图2、图3、图6、图7,本发明实施例一提出一种微循环图像血管分支红细胞流速计算方法,包括以下步骤:
步骤S1:在视频连续帧中,选取待测血管;其中,选取的标准是能清晰显示红细胞流动;
步骤S2:利用高斯求线段算法提取每一帧图像中待测血管的血管中心线和血管边缘,根据血管边缘生成封闭ROI,在血管中心线上选取首参考点和尾参考点;其中,ROI(Region of interest,感兴趣区域)是指机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域。本实施例生成封闭ROI的具体方法包括:对提取的血管边缘做简单的图像闭运算和膨胀操作生成稍微大于待测血管轮廓的封闭ROI,利用高斯求线段算法提取每一帧图像中待测血管的血管中心线和血管边缘的具体方法属于现有技术,本领域技术人员参照现有即可实现,除此之外,还可以通过手动鼠标画线选取血管边缘。
在血管中心线上选取首参考点和尾参考点的具体标准是:选择血管中心线上离首尾端点1-2个红细胞直径的距离的点作为测量流速的首参考点和尾参考点。
步骤S3:计算当前帧图像ROI内所有红细胞与首参考点之间的距离值;
步骤S4:选取当前帧图像ROI内所有红细胞与首参考点之间的距离值中最小的距离值,判断最小的距离值是否大于第一预设阈值,其中,所述第一预设阈值的大小为红细胞直径的二分之一,若最小的距离值大于第一预设阈值,则把最小的距离值所对应的红细胞作为跟踪红细胞,并执行步骤S5,否则选取后一帧图像作为当前帧图像并返回步骤S3;其中,把第一预设阈值的大小设为红细胞直径的二分之一可以避免红细胞黏连的情况。
步骤S5:计算跟踪红细胞沿血管中心线流动的路径距离值与帧数,根据路径距离值、帧数、帧间隔时间换算出跟踪红细胞的流速。
具体地,如图2所示,所述步骤S3中,计算当前帧图像ROI内所有红细胞与首参考点之间的距离值的具体过程包括以下步骤:
步骤S31:计算当前帧图像ROI内所有红细胞的轮廓,将轮廓拟合成轮廓的最小外接椭圆;
步骤S32:计算每个椭圆和血管中心线的交点,并分别计算每个交点与首参考点之间的距离值。
其中,计算当前帧图像ROI内所有红细胞的轮廓是采用阈值分割的方法,小于阈值的为红细胞区域,大于阈值为背景区域,实现了红细胞轮廓的计算。
其中,每个椭圆和血管中心线的交点有可能为一个或者两个,当交点为两个时,需分别记录离首参考点近的交点和首参考点远的交点,并计算出对应的距离值,当交点为一个时,首参考点近的交点和首参考点远的交点为同一个点。
具体地,如图3所示,所述步骤S5中,计算跟踪红细胞沿血管中心线流动的路径距离值与帧数,根据路径距离值、帧数、帧间隔时间换算出跟踪红细胞的流速的具体过程包括以下步骤:
步骤S51:把从当前帧图像选取的最小的距离值作为开始距离值,把最小的距离值赋值给参考距离值,并记录当前帧图像的序列号作为开始帧序列号;所述参考距离值即为跟踪红细胞与首参考点之间的实时距离值。
步骤S52:选取后一帧图像计算ROI内所有红细胞与首参考点之间的距离值,挑选出其中大于第二预设阈值的所有距离值,其中,所述第二预设阈值的大小为参考距离值的大小加上红细胞直径的二分之一,所述第二预设阈值的大小设为参考距离值的大小加上红细胞直径的二分之一的原因是红细胞会流动,因此把参考距离加上一个预估值差值。从大于第二预设阈值的所有距离值中选取最小距离值,把最小距离值更新到参考距离值,并记录此帧的序列号作为结束帧序列号;计算ROI内所有红细胞与首参考点之间的距离值的方法采用上述步骤S31和步骤S32的具体方法。
步骤S53:把参考距离值减去开始距离值得到跟踪红细胞沿血管中心线流动的路径距离值,把结束帧序列号减去开始帧序列号得到帧数。
步骤S54:判断参考距离值是否大于首参考点和尾参考点之间的血管路径距离值,若是则执行步骤S55,否则返回步骤S52,或判断结束帧序列号与开始帧序列号之间的差值是否等于预设的需要测试的帧数,若是则执行步骤S55,否则返回步骤S52;
步骤S55:把路径距离值除以跟踪红细胞的流动时间得到跟踪红细胞的流速,其中,所述流动时间为帧数与帧间隔时间的乘积。
如图6所示为本发明视频连续帧中其中一帧微循环图像,其中选中的是其中一条比较清晰的血管作为待测血管,如图7所示为提取待测血管的血管中心线和血管边缘,根据血管边缘生成封闭ROI的示意图。
本发明在视频连续帧中选取红细胞流动的血管,检测血管轮廓与血管中心线位置,选取跟踪红细胞,不需要构建时空图,在原始视频帧图像上计算跟踪红细胞的流动距离与记录帧数即可换算得到更精确的血管的血液流速。
实施例二:
请参考图4、图5、图6、图7,本发明实施例二提出一种微循环图像血管分支红细胞流速计算系统,作为示例而非限定,与上述本发明实施例一提供的一种微循环图像血管分支红细胞流速计算方法相对应,由于本发明实施例提供的一种微循环图像血管分支红细胞流速计算系统与上述本发明实施例一提供的一种微循环图像血管分支红细胞流速计算方法相对应,因此在前述一种微循环图像血管分支红细胞流速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图像血管分支红细胞流速计算系统,在本实施例中不再详细描述。
具体地,如图4所示,所述一种微循环图像血管分支红细胞流速计算系统包括:
血管选取模块,用于在视频连续帧中,选取待测血管;
ROI生成模块,用于提取每一帧图像中待测血管的血管中心线和血管边缘,根据血管边缘生成封闭ROI;
参考点选取模块,用于在血管中心线上选取首参考点和尾参考点;
第一计算模块,用于计算当前帧图像ROI内所有红细胞与首参考点之间的距离值;
第一判断模块,用于选取当前帧图像ROI内所有红细胞与首参考点之间的距离值中最小的距离值,判断最小的距离值是否大于第一预设阈值,若最小的距离值大于第一预设阈值,则把最小的距离值所对应的红细胞作为跟踪红细胞,并执行第二计算模块,否则选取后一帧图像作为当前帧图像重新返回第一计算模块;
第二计算模块,用于计算跟踪红细胞沿血管中心线流动的路径距离值与帧数,根据路径距离值、帧数、帧间隔时间换算出跟踪红细胞的流速。
其中,所述第一计算模块具体包括:
第一计算单元,用于计算当前帧图像ROI内所有红细胞的轮廓;
拟合单元,用于将轮廓拟合成轮廓的最小外接椭圆;
第二计算单元,用于计算每个椭圆和血管中心线的交点,并分别计算每个交点与首参考点之间的距离值。
其中,如图5所示,所述第二计算模块具体包括:
第一执行单元,用于把从当前帧图像选取的最小的距离值作为开始距离值,把最小的距离值赋值给参考距离值,并记录当前帧图像的序列号作为开始帧序列号;
第二执行单元,用于选取后一帧图像计算ROI内所有红细胞与首参考点之间的距离值,挑选出其中大于第二预设阈值的所有距离值,从大于第二预设阈值的所有距离值中选取最小距离值,把最小距离值更新到参考距离值,并记录此帧的序列号作为结束帧序列号;
第三执行单元,用于把参考距离值减去开始距离值得到跟踪红细胞沿血管中心线流动的路径距离值,把结束帧序列号减去开始帧序列号得到帧数。
其中,所述第二计算模块具体还包括:
判断单元,用于判断参考距离值是否大于首参考点和尾参考点之间的血管路径距离值,若是则执行第四执行单元,否则返回执行第二执行单元,或判断结束帧序列号与开始帧序列号之间的差值是否等于预设的需要测试的帧数,若是则执行第四执行单元,否则返回执行第二执行单元;
第四执行单元,用于把路径距离值除以跟踪红细胞的流动时间得到跟踪红细胞的流速,其中,所述流动时间为帧数与帧间隔时间的乘积。
实施例三:
本发明实施例三提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例一中的任意实施例所述的一种微循环图像血管分支红细胞流速计算方法的步骤。
本发明实施例三还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实施例一中的任意实施例所述的一种微循环图像血管分支红细胞流速计算方法的步骤。
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 (6)
1.一种微循环图像血管分支红细胞流速计算方法,其特征在于,包括以下步骤:
步骤S1:在视频连续帧中,选取待测血管;
步骤S2:提取每一帧图像中待测血管的血管中心线和血管边缘,根据血管边缘生成封闭ROI,在血管中心线上选取首参考点和尾参考点;
步骤S3:计算当前帧图像ROI内所有红细胞与首参考点之间的距离值;
步骤S4:选取当前帧图像ROI内所有红细胞与首参考点之间的距离值中最小的距离值,判断最小的距离值是否大于第一预设阈值,若最小的距离值大于第一预设阈值,则把最小的距离值所对应的红细胞作为跟踪红细胞,并执行步骤S5,否则选取后一帧图像作为当前帧图像并返回步骤S3,所述第一预设阈值的大小为红细胞直径的二分之一,通过设置第一预设阈值用于避免红细胞黏连的情况;
步骤S5:计算跟踪红细胞沿血管中心线流动的路径距离值与帧数,根据路径距离值、帧数、帧间隔时间换算出跟踪红细胞的流速;
步骤S5包括:
步骤S51:把从当前帧图像选取的最小的距离值作为开始距离值,把最小的距离值赋值给参考距离值,所述参考距离值即为跟踪红细胞与首参考点之间的实时距离值,并记录当前帧图像的序列号作为开始帧序列号;
步骤S52:选取后一帧图像计算ROI内所有红细胞与首参考点之间的距离值,挑选出其中大于第二预设阈值的所有距离值,从大于第二预设阈值的所有距离值中选取最小距离值,把最小距离值更新到参考距离值,并记录此帧的序列号作为结束帧序列号,所述第二预设阈值的大小为参考距离值的大小加上红细胞直径的二分之一,所述第二预设阈值的大小设为参考距离值的大小加上红细胞直径的二分之一的原因是红细胞会流动,因此把参考距离值加上一个预估值差值;
步骤S53:把参考距离值减去开始距离值得到跟踪红细胞沿血管中心线流动的路径距离值,把结束帧序列号减去开始帧序列号得到帧数;
步骤S54:判断参考距离值是否大于首参考点和尾参考点之间的血管路径距离值,若是则执行步骤S55,否则返回步骤S52,或判断结束帧序列号与开始帧序列号之间的差值是否等于预设的需要测试的帧数,若是则执行步骤S55,否则返回步骤S52;
步骤S55:把路径距离值除以跟踪红细胞的流动时间得到跟踪红细胞的流速,其中,所述流动时间为帧数与帧间隔时间的乘积。
2.根据权利要求1所述的一种微循环图像血管分支红细胞流速计算方法,其特征在于,所述步骤S3中,计算当前帧图像ROI内所有红细胞与首参考点之间的距离值的具体过程包括以下步骤:
步骤S31:计算当前帧图像ROI内所有红细胞的轮廓,将轮廓拟合成轮廓的最小外接椭圆;
步骤S32:计算每个椭圆和血管中心线的交点,并分别计算每个交点与首参考点之间的距离值。
3.一种微循环图像血管分支红细胞流速计算系统,用于权利要求1-2中任意一项所述的一种微循环图像血管分支红细胞流速计算方法,其特征在于,包括:
血管选取模块,用于在视频连续帧中,选取待测血管;
ROI生成模块,用于提取每一帧图像中待测血管的血管中心线和血管边缘,根据血管边缘生成封闭ROI;
参考点选取模块,用于在血管中心线上选取首参考点和尾参考点;
第一计算模块,用于计算当前帧图像ROI内所有红细胞与首参考点之间的距离值;
第一判断模块,用于选取当前帧图像ROI内所有红细胞与首参考点之间的距离值中最小的距离值,判断最小的距离值是否大于第一预设阈值,若最小的距离值大于第一预设阈值,则把最小的距离值所对应的红细胞作为跟踪红细胞,并执行第二计算模块,否则选取后一帧图像作为当前帧图像重新返回第一计算模块;
第二计算模块,用于计算跟踪红细胞沿血管中心线流动的路径距离值与帧数,根据路径距离值、帧数、帧间隔时间换算出跟踪红细胞的流速。
4.根据权利要求3所述的一种微循环图像血管分支红细胞流速计算系统,其特征在于,所述第一计算模块包括:
第一计算单元,用于计算当前帧图像ROI内所有红细胞的轮廓;
拟合单元,用于将轮廓拟合成轮廓的最小外接椭圆;
第二计算单元,用于计算每个椭圆和血管中心线的交点,并分别计算每个交点与首参考点之间的距离值。
5.根据权利要求3所述的一种微循环图像血管分支红细胞流速计算系统,其特征在于,所述第二计算模块包括:
第一执行单元,用于把从当前帧图像选取的最小的距离值作为开始距离值,把最小的距离值赋值给参考距离值,并记录当前帧图像的序列号作为开始帧序列号;
第二执行单元,用于选取后一帧图像计算ROI内所有红细胞与首参考点之间的距离值,挑选出其中大于第二预设阈值的所有距离值,从大于第二预设阈值的所有距离值中选取最小距离值,把最小距离值更新到参考距离值,并记录此帧的序列号作为结束帧序列号;
第三执行单元,用于把参考距离值减去开始距离值得到跟踪红细胞沿血管中心线流动的路径距离值,把结束帧序列号减去开始帧序列号得到帧数。
6.根据权利要求5所述的一种微循环图像血管分支红细胞流速计算系统,其特征在于,所述第二计算模块还包括:
判断单元,用于判断参考距离值是否大于首参考点和尾参考点之间的血管路径距离值,若是则执行第四执行单元,否则返回执行第二执行单元,或判断结束帧序列号与开始帧序列号之间的差值是否等于预设的需要测试的帧数,若是则执行第四执行单元,否则返回执行第二执行单元;
第四执行单元,用于把路径距离值除以跟踪红细胞的流动时间得到跟踪红细胞的流速,其中,所述流动时间为帧数与帧间隔时间的乘积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110729479.2A CN113450329B (zh) | 2021-06-29 | 2021-06-29 | 一种微循环图像血管分支红细胞流速计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110729479.2A CN113450329B (zh) | 2021-06-29 | 2021-06-29 | 一种微循环图像血管分支红细胞流速计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113450329A CN113450329A (zh) | 2021-09-28 |
CN113450329B true CN113450329B (zh) | 2023-01-10 |
Family
ID=77814083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110729479.2A Active CN113450329B (zh) | 2021-06-29 | 2021-06-29 | 一种微循环图像血管分支红细胞流速计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113450329B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241582B (zh) * | 2022-01-13 | 2024-05-10 | 季华实验室 | 血液微循环热力图获取方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5150292A (en) * | 1989-10-27 | 1992-09-22 | Arch Development Corporation | Method and system for determination of instantaneous and average blood flow rates from digital angiograms |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8526704B2 (en) * | 2007-01-11 | 2013-09-03 | Intellectual Property Mvm B.V. | Measurement of functional microcirculatory geometry and velocity distributions using automated image analysis |
JP2009082181A (ja) * | 2007-09-27 | 2009-04-23 | Aloka Co Ltd | 超音波診断装置 |
KR102243022B1 (ko) * | 2014-03-05 | 2021-04-21 | 삼성메디슨 주식회사 | 선택 정보에 기초하여 관심 영역에 포함된 혈류에 대한 정보를 출력하는 방법, 장치 및 시스템. |
CN109602401B (zh) * | 2019-01-28 | 2021-08-27 | 徐州市心血管病研究所 | 一种微血管血流动力学参数分析仪及分析方法 |
CN110060275B (zh) * | 2019-04-11 | 2022-12-20 | 霍尔果斯奇妙软件科技有限公司 | 一种人体微循环血流速度检测的方法及系统 |
CN110929604B (zh) * | 2019-11-11 | 2023-08-18 | 苏州润迈德医疗科技有限公司 | 基于造影图像的流速的筛选方法、装置、系统和存储介质 |
-
2021
- 2021-06-29 CN CN202110729479.2A patent/CN113450329B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5150292A (en) * | 1989-10-27 | 1992-09-22 | Arch Development Corporation | Method and system for determination of instantaneous and average blood flow rates from digital angiograms |
Also Published As
Publication number | Publication date |
---|---|
CN113450329A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110874594B (zh) | 基于语义分割网络的人体外表损伤检测方法及相关设备 | |
US11967181B2 (en) | Method and device for retinal image recognition, electronic equipment, and storage medium | |
CN111145173A (zh) | 一种冠脉造影图像的斑块识别方法、装置、设备及介质 | |
CN110929728B (zh) | 一种图像感兴趣区域划分方法、图像分割方法及装置 | |
CN111340756B (zh) | 一种医学图像病变检出合并方法、系统、终端及存储介质 | |
CN112037287B (zh) | 相机标定方法、电子设备及存储介质 | |
CN113450329B (zh) | 一种微循环图像血管分支红细胞流速计算方法及系统 | |
CN113256622A (zh) | 基于三维图像的目标检测方法、装置及电子设备 | |
US20210048511A1 (en) | Radar-based posture recognition apparatus and method and electronic device | |
US20220405916A1 (en) | Method for detecting the presence of pneumonia area in medical images of patients, detecting system, and electronic device employing method | |
CN112488982A (zh) | 一种超声图像检测方法及装置 | |
CN115375583A (zh) | 一种pet参数图像的增强方法、装置、设备及存储介质 | |
CN114170258A (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN110934565B (zh) | 一种瞳孔直径的测量方法、装置及计算机可读存储介质 | |
CN112416128A (zh) | 一种手势识别方法及终端设备 | |
CN117495951B (zh) | 颅内动脉瘤定位方法、装置、计算机设备及存储介质 | |
CN115908296B (zh) | 医学图像类激活映射评价方法、装置、计算机设备及存储介质 | |
CN116580063B (zh) | 目标追踪方法、装置、电子设备及存储介质 | |
CN116128863B (zh) | 一种医学图像处理方法、装置及设备 | |
CN115131508B (zh) | 基于数据处理的dsa建模点云数据融合处理方法 | |
CN116912634B (zh) | 目标追踪模型的训练方法及装置 | |
CN115797330B (zh) | 基于超声视频的算法修正方法、超声视频生成方法和设备 | |
CN115937127A (zh) | 颈动脉斑块狭窄类别检测方法及其装置、电子设备 | |
CN113744246A (zh) | 根据血管断层扫描图像预测血流储备分数的方法和装置 | |
CN115063353A (zh) | 一种目标检测模型的构建方法、图像的目标检测方法 |
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 |