CN114331958A - 基于图像识别的实验动物血管吻合术后通畅性的监测方法 - Google Patents
基于图像识别的实验动物血管吻合术后通畅性的监测方法 Download PDFInfo
- Publication number
- CN114331958A CN114331958A CN202111385563.3A CN202111385563A CN114331958A CN 114331958 A CN114331958 A CN 114331958A CN 202111385563 A CN202111385563 A CN 202111385563A CN 114331958 A CN114331958 A CN 114331958A
- Authority
- CN
- China
- Prior art keywords
- image
- anastomosis
- blood vessel
- patency
- edge
- 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.)
- Pending
Links
- 230000003872 anastomosis Effects 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 230000002792 vascular Effects 0.000 title claims abstract description 26
- 238000010171 animal model Methods 0.000 title claims abstract description 24
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 62
- 238000000605 extraction Methods 0.000 claims abstract description 40
- 230000000694 effects Effects 0.000 claims abstract description 29
- 241001465754 Metazoa Species 0.000 claims abstract description 17
- 239000000523 sample Substances 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 4
- 230000017531 blood circulation Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000000338 in vitro Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开基于图像识别的实验动物血管吻合术后通畅性的监测方法，包括步骤：将红外图像采集探头对向动物血管吻合部位，并实时获取血管吻合部位的红外图像；将红外图像输入边缘特征提取网络识别血管边缘图像；对血管边缘图像进行增强处理；对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像；根据吻合处局部图像判断吻合效果，从而根据吻合效果确定通畅性。本发明能够实现实验动物血管吻合术后通过外界不介入的方式实时获取血管吻合处的通畅性，监测精度高，能够满足小体型动物血管较细的监测需求。
Description
技术领域
本发明属于血管监测技术领域，特别是涉及基于图像识别的实验动物血管吻合术后通畅性的监测方法。
背景技术
对于血管通畅性的检测，目前多采用超声技术进行探测，通过血管血流速的判断来确定血管是否畅通。而现有基于超声技术的血管血流监测，每次只能测得血管剖面某一位置的血流速度，需要多次测量，才能得出整个血管剖面大致的速度分布情况；并且这些速度分属于不同时刻，必须结合心动周期，进行时间与血流速度的整合，生成血管剖面各点的血流速度。由上述方法可以看出，该方法不仅耗时较长，而且运算量较大，不能满足实时快捷提取的要求。
而对于实验动物血管吻合术后通畅性的监测，其面临着实时性需求，需要实时获取动物血管吻合术后血管的各时间段的恢复状态，因此对于实时性的要求较高，而现有的超声技术无法满足实时性需求；并且在小体型动物实验时由于动物血管较细，其吻合处的监测精度要求高，而现有的体外监测方法无法准确的获取吻合处流通状态。
发明内容
为了解决上述问题，本发明提出了基于图像识别的实验动物血管吻合术后通畅性的监测方法，能够实现实验动物血管吻合术后通过外界不介入的方式实时获取血管吻合处的通畅性，监测精度高，能够满足小体型动物血管较细的监测需求。
为达到上述目的，本发明采用的技术方案是：基于图像识别的实验动物血管吻合术后通畅性的监测方法，包括步骤：
S10,将红外图像采集探头对向动物血管吻合部位，并实时获取血管吻合部位的红外图像；
S20,将红外图像输入边缘特征提取网络识别血管边缘图像；
S30,对血管边缘图像进行增强处理；
S40,对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像；
S50,根据吻合处局部图像判断吻合效果，从而根据吻合效果确定通畅性。
进一步的是，通过红外图像采集探头采集红外热图像作为所采集的红外图像。
进一步的是，所述边缘特征提取网络为经过训练后的卷积神经网络，将红外图像输入边缘特征提取网络识别血管边缘图像，包括步骤：
对红外图像的像素点进行识别，提取血管边缘的特征点；
根据血管边缘的特征点构成主体框；
对主体框中的像素进行分类并获取主体框中的图像获得边缘图像。
进一步的是，对血管边缘图像进行增强处理，包括步骤：对边缘图像特征进行锐化，获取细节增强特征，从而获取增强图像。
进一步的是，所述吻合处特征提取网络为经过训练后的卷积神经网络，对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像，包括步骤：
对增强图像的像素点进行识别，提取吻合处特征点；
根据吻合处特征点构成细节区域；
将所述细节区域乘以预定权重值后，再与原始特征相加，获取细节增强的输出特征，构成吻合处局部图像。
进一步的是，根据吻合处局部图像判断吻合效果，从而根据吻合效果确定通畅性，包括步骤：
提取吻合处局部图像中的吻合区域框；
根据吻合区域框计算区域框面积；
根据区域框面积与权重参数获得吻合效果评分；
根据吻合效果评分划分匹配通畅性等级指标。
进一步的是，在动物血管吻合部位外设置有调温设备，通过调温设备向该部位提供热源，从而使所采集的红外图像更加清晰。
进一步的是，当边缘特征提取网络无法从红外图像中有效识别处血管边缘特征或者吻合处特征提取网络无法有效识别处吻合处局部特征时，通过调温设备进行增温加热，加热后再进行红外图像的采集。
采用本技术方案的有益效果：
本发明先通过边缘特征提取网络识别红外图像中的血管边缘图像，对血管边缘图像进行增强处理后，再通过吻合处特征提取网络识别吻合处局部图像，随后根据吻合处局部图像判断吻合效果，从而确定通畅性。本发明通过多级提取逐级锁定红外图像中的吻合处局部图像，能够有效提高对于红外图像中吻合处特征的识别精准度，能够获取细微特征，能够精准锁定吻合处的吻合效果；再根据吻合处局部图像的特征吻合效果确定通畅性，通过外界获取图像并经过图像处理，观测血管吻合处的恢复状态，无需外部介入即可实时掌握恢复情况，能够满足小体型动物血管较细的监测需求。
本发明通过提取吻合处局部图像中的吻合区域框，再根据吻合区域框计算区域框面积，根据区域框面积与权重参数获得吻合效果评分，根据吻合效果评分划分匹配通畅性等级指标，能够实现图像到通畅性的转换，通过体外红外探测经过图像分析转换后即可实时获得吻合处通畅性结果，保证了实时性的同时提高了监测精准度。
本发明当边缘特征提取网络无法从红外图像中有效识别处血管边缘特征或者吻合处特征提取网络无法有效识别处吻合处局部特征时，通过调温设备进行增温加热，加热后再进行红外图像的采集，能够提高红外图像中提取图像特征的精准度，扩大监测适应范围。
附图说明
图1为本发明的基于图像识别的实验动物血管吻合术后通畅性的监测方法流程示意图；
图2为本发明优化实施例中边缘特征提取网络处理流程示意图；
图3为本发明优化实施例中吻合处特征提取网络处理流程示意图；
图4为本发明优化实施例中通畅性确定流程示意图；
图5为本发明的优化实施方式2的基于图像识别的实验动物血管吻合术后通畅性的监测方法流程示意图；
图6为本发明的优化实施方式3的基于图像识别的实验动物血管吻合术后通畅性的监测方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，本发明提出了基于图像识别的实验动物血管吻合术后通畅性的监测方法，包括步骤：
S10,将红外图像采集探头对向动物血管吻合部位，并实时获取血管吻合部位的红外图像；
S20,将红外图像输入边缘特征提取网络识别血管边缘图像；
S30,对血管边缘图像进行增强处理；
S40,对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像；
S50,根据吻合处局部图像判断吻合效果，从而根据吻合效果确定通畅性。
作为上述实施例的优化方案1，基于图像识别的实验动物血管吻合术后通畅性的监测方法，包括步骤：
S10,将红外图像采集探头对向动物血管吻合部位，并实时获取血管吻合部位的红外图像；通过红外图像采集探头采集红外热图像作为所采集的红外图像。
S20,将红外图像输入边缘特征提取网络识别血管边缘图像。
如图2所示，所述边缘特征提取网络为经过训练后的卷积神经网络，将红外图像输入边缘特征提取网络识别血管边缘图像，包括步骤：
对红外图像的像素点进行识别，提取血管边缘的特征点；
根据血管边缘的特征点构成主体框；
对主体框中的像素进行分类并获取主体框中的图像获得边缘图像。
S30,对血管边缘图像进行增强处理，包括步骤：对边缘图像特征进行锐化，获取细节增强特征，从而获取增强图像。
S40,对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像。
如图3所示，所述吻合处特征提取网络为经过训练后的卷积神经网络，对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像，包括步骤：
对增强图像的像素点进行识别，提取吻合处特征点；
根据吻合处特征点构成细节区域；
将所述细节区域乘以预定权重值后，再与原始特征相加，获取细节增强的输出特征，构成吻合处局部图像。
S50,如图4所示，根据吻合处局部图像判断吻合效果，从而根据吻合效果确定通畅性，包括步骤：
提取吻合处局部图像中的吻合区域框；
根据吻合区域框计算区域框面积；
根据区域框面积与权重参数获得吻合效果评分；
根据吻合效果评分划分匹配通畅性等级指标。
作为上述实施例的优化方案2，如图5所示，在动物血管吻合部位外设置有调温设备，通过调温设备向该部位提供热源，从而使所采集的红外图像更加清晰。
基于图像识别的实验动物血管吻合术后通畅性的监测方法，包括步骤：
S10,将红外图像采集探头对向动物血管吻合部位，通过调温设备向该部位提供热源，并实时获取血管吻合部位的红外图像。
S20,将红外图像输入边缘特征提取网络识别血管边缘图像；
S30,对血管边缘图像进行增强处理。
S40,对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像；
S50,根据吻合处局部图像判断吻合效果，从而根据吻合效果确定通畅性。
作为上述实施例的优化方案3，如图6所示，在动物血管吻合部位外设置有调温设备，通过调温设备向该部位提供热源，通过调温设备进行增温加热，加热后再进行红外图像的采集，从而使所采集的红外图像更加清晰。
基于图像识别的实验动物血管吻合术后通畅性的监测方法，包括步骤：
S10,将红外图像采集探头对向动物血管吻合部位，并实时获取血管吻合部位的红外图像；
S20,将红外图像输入边缘特征提取网络识别血管边缘图像；当边缘特征提取网络无法从红外图像中有效识别处血管边缘特征时，通过调温设备向该部位提供热源，并再次返回步骤S10采集红外图像；
S30,对血管边缘图像进行增强处理；
S40,对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像；吻合处特征提取网络无法有效识别处吻合处局部特征时，通过调温设备向该部位提供热源，并再次返回步骤S10采集红外图像；
S50,根据吻合处局部图像判断吻合效果，从而根据吻合效果确定通畅性。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.基于图像识别的实验动物血管吻合术后通畅性的监测方法，其特征在于，包括步骤：
S10,将红外图像采集探头对向动物血管吻合部位，并实时获取血管吻合部位的红外图像；
S20,将红外图像输入边缘特征提取网络识别血管边缘图像；
S30,对血管边缘图像进行增强处理；
S40,对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像；
S50,根据吻合处局部图像判断吻合效果，从而根据吻合效果确定通畅性。
2.根据权利要求1所述的基于图像识别的实验动物血管吻合术后通畅性的监测方法，其特征在于，通过红外图像采集探头采集红外热图像作为所采集的红外图像。
3.根据权利要求1所述的基于图像识别的实验动物血管吻合术后通畅性的监测方法，其特征在于，所述边缘特征提取网络为经过训练后的卷积神经网络，将红外图像输入边缘特征提取网络识别血管边缘图像，包括步骤：
对红外图像的像素点进行识别，提取血管边缘的特征点；
根据血管边缘的特征点构成主体框；
对主体框中的像素进行分类并获取主体框中的图像获得边缘图像。
4.根据权利要求1所述的基于图像识别的实验动物血管吻合术后通畅性的监测方法，其特征在于，对血管边缘图像进行增强处理，包括步骤：对边缘图像特征进行锐化，获取细节增强特征，从而获取增强图像。
5.根据权利要求1所述的基于图像识别的实验动物血管吻合术后通畅性的监测方法，其特征在于，所述吻合处特征提取网络为经过训练后的卷积神经网络，对增强后的图像输入吻合处特征提取网络，识别吻合处局部图像，包括步骤：
对增强图像的像素点进行识别，提取吻合处特征点；
根据吻合处特征点构成细节区域；
将所述细节区域乘以预定权重值后，再与原始特征相加，获取细节增强的输出特征，构成吻合处局部图像。
6.根据权利要求1所述的基于图像识别的实验动物血管吻合术后通畅性的监测方法，其特征在于，根据吻合处局部图像判断吻合效果，从而根据吻合效果确定通畅性，包括步骤：
提取吻合处局部图像中的吻合区域框；
根据吻合区域框计算区域框面积；
根据区域框面积与权重参数获得吻合效果评分；
根据吻合效果评分划分匹配通畅性等级指标。
7.根据权利要求1-6任一所述的基于图像识别的实验动物血管吻合术后通畅性的监测方法，其特征在于，在动物血管吻合部位外设置有调温设备，通过调温设备向该部位提供热源，从而使所采集的红外图像更加清晰。
8.根据权利要求7所述的基于图像识别的实验动物血管吻合术后通畅性的监测方法，其特征在于，当边缘特征提取网络无法从红外图像中有效识别处血管边缘特征或者吻合处特征提取网络无法有效识别处吻合处局部特征时，通过调温设备进行增温加热，加热后再进行红外图像的采集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111385563.3A CN114331958A (zh) | 2021-11-22 | 2021-11-22 | 基于图像识别的实验动物血管吻合术后通畅性的监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111385563.3A CN114331958A (zh) | 2021-11-22 | 2021-11-22 | 基于图像识别的实验动物血管吻合术后通畅性的监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114331958A true CN114331958A (zh) | 2022-04-12 |
Family
ID=81046910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111385563.3A Pending CN114331958A (zh) | 2021-11-22 | 2021-11-22 | 基于图像识别的实验动物血管吻合术后通畅性的监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114331958A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553887A (zh) * | 2020-04-14 | 2020-08-18 | 沈阳先进医疗设备技术孵化中心有限公司 | 桥血管评价信息获取方法及装置 |
| CN111681211A (zh) * | 2020-05-18 | 2020-09-18 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种血管图像处理方法及装置 |
| CN112734717A (zh) * | 2020-12-31 | 2021-04-30 | 复旦大学附属华山医院 | 用于透析患者的血管通路监测方法及系统 |
-
2021
- 2021-11-22 CN CN202111385563.3A patent/CN114331958A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553887A (zh) * | 2020-04-14 | 2020-08-18 | 沈阳先进医疗设备技术孵化中心有限公司 | 桥血管评价信息获取方法及装置 |
| CN111681211A (zh) * | 2020-05-18 | 2020-09-18 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种血管图像处理方法及装置 |
| CN112734717A (zh) * | 2020-12-31 | 2021-04-30 | 复旦大学附属华山医院 | 用于透析患者的血管通路监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107169998B (zh) | 一种基于肝脏超声造影图像的实时跟踪及定量分析方法 | |
| CN109727243A (zh) | 乳腺超声图像识别分析方法及系统 | |
| CN106295124B (zh) | 多种图像检测技术综合分析基因子图相似概率量的方法 | |
| CN109858540B (zh) | 一种基于多模态融合的医学图像识别系统及方法 | |
| CN110543912B (zh) | 自动获取胎儿关键切面超声视频中心动周期视频的方法 | |
| CN108171201B (zh) | 基于灰度形态学的睫毛快速检测方法 | |
| CN110070024B (zh) | 一种皮肤压力性损伤热成像图像识别的方法、系统及手机 | |
| CN108257124A (zh) | 一种基于图像的白细胞计数方法和系统 | |
| Ramani et al. | Data mining method of evaluating classifier prediction accuracy in retinal data | |
| CN114764761A (zh) | 一种自动颈动脉超声图像内中膜测量方法 | |
| CN117557566B (zh) | 基于图像特征的电子烟发热丝质量智能检测方法 | |
| Purnama et al. | Follicle detection on the usg images to support determination of polycystic ovary syndrome | |
| Asodekar et al. | Brain tumor classification using shape analysis of MRI images | |
| Anzalone et al. | A system for the automatic measurement of the nuchal translucency thickness from ultrasound video stream of the foetus | |
| Suganya et al. | Ultrasound ovary cyst image classification with deep learning neural network with Support vector machine | |
| CN105225234A (zh) | 基于支持向量机mri图像分割的肺部肿瘤识别方法 | |
| CN114331958A (zh) | 基于图像识别的实验动物血管吻合术后通畅性的监测方法 | |
| CN102201060A (zh) | 一种基于形状语义的非参数轮廓跟踪评价方法 | |
| Kong et al. | Tooth-marked tongue recognition based on mask scoring R-CNN | |
| CN110097533A (zh) | 一种光斑外形尺寸和位置的精确测试方法 | |
| Ali et al. | An efficient convolutional neural network for fingerprint pore detection | |
| Zhao et al. | A survey of semen quality evaluation in microscopic videos using computer assisted sperm analysis | |
| CN114330484A (zh) | 弱监督学习糖尿病视网膜病变分级与病灶识别方法及系统 | |
| CN109903278B (zh) | 基于形状直方图的超声乳腺肿瘤形态量化特征提取方法 | |
| Sapitri et al. | Detection of fetal cardiac chamber three vessel trachea view using deep learning |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220412 |
|
| RJ01 | Rejection of invention patent application after publication |