人體微循環(huán)血液流速自動(dòng)測(cè)量方法研究

陳遠(yuǎn)趙志敏李洪均劉磊課題研究背景研究?jī)?nèi)容課題研究背景人體微循環(huán)血管參數(shù)的變化及指標(biāo)異常，是某些疾病發(fā)病的中間環(huán)節(jié)或者前期征兆，如糖尿病，高血壓等。微血管的血流速度是反映微循環(huán)狀態(tài)的重要參數(shù)和指標(biāo)，在許多生理和病理狀態(tài)下有著重要的參考價(jià)值。微循環(huán)流速的快速、精確有效地測(cè)量對(duì)預(yù)防疾病的發(fā)生有至關(guān)重要的作用。

研究?jī)?nèi)容1視頻圖像配準(zhǔn)2血管中心線提取 2.1

圖像的3D表示 2.2Hessian矩陣的物理意義 2.3種子點(diǎn)選取 2.4中心線迭代提取算法

3血液流速測(cè)量4實(shí)驗(yàn)結(jié)果與分析1視頻圖像配準(zhǔn)目的與意義

由于人體呼吸、身體移動(dòng)等干擾的影響，導(dǎo)致拍攝的微循環(huán)視頻序列產(chǎn)生各種不穩(wěn)定現(xiàn)象。對(duì)采集的微循環(huán)視頻圖像進(jìn)行背景運(yùn)動(dòng)估計(jì)，以去除“抖動(dòng)”影響。2.1圖像的3D表示將微循環(huán)血管圖像看作是由像素二維坐標(biāo)及其對(duì)應(yīng)灰度值構(gòu)成的三維曲面，血管是曲面的峽谷，即凹部，中心線位于谷底，即凹部的最低點(diǎn)。該三維曲面坐標(biāo)可以表示為：C={(x,y,I)|I=I(x,y)}

2血管中心線提取首先對(duì)圖像進(jìn)行平滑濾波，去除噪聲干擾：在點(diǎn)P=(x,y)處，該點(diǎn)的曲率可以用Hessian矩陣表示：

2.2Hessian矩陣的物理意義

δT∈[5.8,7]δT∈[6.3,7]δT∈[6.5,7]δT∈[6.8,7]不同閾值T的種子點(diǎn)標(biāo)定結(jié)果

LP1P0BAP0’(1)以P0點(diǎn)為起始點(diǎn)，其特征值與特征向量分別為λi和Vi（i＝1，2）(3)利用與特征向量V1垂直的V2進(jìn)行點(diǎn)局部最小值修正;2.4中心線迭代提取算法(4)將最小點(diǎn)P1作為修正后的中心點(diǎn)。然后以P1點(diǎn)作為起始點(diǎn)搜索下一點(diǎn)P2;(2)根據(jù)λ1對(duì)應(yīng)的特征向量的方向，以delta為步長(zhǎng)搜索下一個(gè)中心線上的點(diǎn)P0’:(5)以此進(jìn)行迭代計(jì)算，得到中心線上的離散點(diǎn)序列｛P1，

P2，…

Pn｝;(6)位于血管中心線上點(diǎn)的Hessian矩陣的特征值有：

(7)以設(shè)定的閾值T作為迭代算法的終止條件，當(dāng)t小于設(shè)定閾值T，表明已完成搜索，終止迭代。最后對(duì)離散點(diǎn)序列進(jìn)行插值擬合，得到血管中心線。

3.2流速測(cè)量方法(1)忽略血管中的血漿縱向運(yùn)動(dòng)；(2)利用提取的血管中心線，采用中心線灰度值統(tǒng)計(jì)法，計(jì)算血液流動(dòng)距離△S；(3)時(shí)間△t為視頻幀之間的時(shí)間間隔；(4)利用公式△v＝△S/△t；(5)通過計(jì)算峰值所在像素的Hessian矩陣最小特征值對(duì)應(yīng)的特征向量V1(x1,x2)，可以得到瞬時(shí)方向角度：a=arctan(x1/x2)

提取連續(xù)三幀圖像的中心線，血漿位于中心線上，表現(xiàn)為灰度值較高的“亮點(diǎn)”。直方圖增強(qiáng)后的圖像可以較明顯看到該“亮點(diǎn)”。4實(shí)驗(yàn)結(jié)果與分析利用MATLAB軟件進(jìn)行分析處理，處理時(shí)間為2.273s。我