一种基于逆向主成分分析法的3D血管成像算法的制作方法

本发明涉及医用血管成像技术领域，尤其是涉及一种基于逆向主成分分析法的3d血管成像算法。

背景技术：

现代医学认为，生物组织的病变状态和相关部位的血管形态有着紧密的关系，其中，光相干层析成像(oct)是一种新型成像技术，具有无创性、高分辨率、非入侵性及成像深度较高等优点。然而在病变早期，正常组织与病变组织间的散射特性的区别不明显，导致oct结构性图像无法及时提供有效信息指导临床治疗等结果。光学相干断层微血管成像(octa)是一种基于oct基础上实现对微型血管成像的技术，其既可以实现快速、无创、无标记、高分辨率成像，也可以获得组织血管的三维血管造影。octa技术已能从组织的微结构中分离出血管，如相位分辨光学多普勒断层扫描prodt，该方法主要基于比较octa信号一个b-扫描内的相邻a-扫描之间的相位差，该相位差与血流速度有直接关系。

虽然目前prodt已被广泛使用，但由于其对血流的灵敏度较低，很难清楚地观察到流速为0.1～0.9mm/s或者流速更低的疾病状态下的毛细血管。为了提高其灵敏度，研究人员已提出了一些改进方法，例如利用前向和后向b-扫描，及利用相邻的b-扫描之间的相位方差。由于相邻的b-扫描之间的时间间隔相对较长(ms量级)，使得该方法能够对拥有缓慢血流的毛细血管进行成像，且相位分辨光学多普勒断层扫描方法需要较长的采集时间(25min)，并且对物体运动伪影非常敏感。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：octa系统活体成像过程中，由于存在诸如心跳、呼吸等不可避免的生物抖动，导致成像信噪比降低，图像质量受损；octa数据采集过程中，相邻光序列扫描的位置偏移引起的相关噪声导致成像质量降低；octa图像重构过程中，相邻两帧图像的位置偏移导致图像中存在抖动噪声。目前广泛使用的血流成像算法灵敏度较低，无法提取细小血管的图像；现存血流图像重构算法无法高效去除由生物组织反射引起的杂乱背景信息。因此，现有技术存在血管成像质量低、噪声严重的技术问题。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于逆向主成分分析法的3d血管成像算法，以缓解现有技术中存在的血管成像质量低、噪声严重的技术问题。

本发明实施例提供了一种基于逆向主成分分析法的3d血管成像算法，包括如下步骤：

数据采集步骤：采用心电门控法进行心电信号采集，根据心电信号输出门控信号并传输至光谱仪，根据输出门控信号生成结构图像数据，对结构图像数据进行配准；

图像重建步骤：根据结构图像数据构建复信号统计模型，复信号统计模型为包括非血流组织成分的组织反射信号、血流成分的红细胞反射信号和高斯白噪声的线性统计模型；具体的，复信号统计模型为i＝ic+ib+n，其中，i为组织复信号强度矩阵，ic为非血流组织反射信号强度矩阵，ib为血流组织中血管红细胞反射信号强度矩阵，n则为高斯白噪声分量；

采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号，计算血管红细胞反射信号的特征值及特征向量，提取的血管红细胞反射信号为ib＝(1-h(w))×i，并生成血流图像，其中，h(w)为根据红细胞反射信号的特征值及特征向量构建的滤波信号响应函数；

3d图像配准步骤：构造任两幅血流图像的轮廓点集群fi，轮廓点集群为fi＝[xi,yi,zi]^t，i＝(1,2,3,...,n)，两幅血流图像的轮廓点集群fo和ft分别表示为oi＝xoie1+yoie2+zoie3和ti＝xtie1+ytie2+ztie3；

采用独立成分分析模型获得轮廓点集群fi的独立元轴，独立成分分析模型为基于目标函数的优化算法模型；

利用差分搜索算法计算独立元轴的平移量和旋转量，根据平移量和旋转量对血流图像进行配准。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，心电门控法具体为：门控模块初始化，同时采集心电信号，将心电信号作为输入数据与门控模块中预设的门控值进行比较，判断心电信号是否高于门限值，若是，输出对应于当前输入心电信号的门控信号。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，采用心电门控法进行心电数据采集具体还包括：在采集过程中添加敏感位移补偿模型，利用频域滤波法和多模态搜索法计算敏感位移补偿模型的敏感运动位移参数。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号的特征值及特征向量之后，还包括：采用叠加均值相消法将血流红细胞反射信号精准化。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，对结构图像进行配准具体采用基于特征的配准方法对结构图像进行配准，基于特征的配准方法为：对伪差矩阵q进行正交变换；具体的，q＝ii-ii+1，其中，ii、ii+1分别为两幅相邻帧图像的像素矩阵。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，优化算法为人工蜂群算法、蚁群算法、差分进化算法、蝙蝠算法、布谷鸟算法中任一种。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，基于目标函数的优化算法模型中目标函数具体为：

建立f＝afsf，解混矩阵wf满足yf＝wff＝wfafsf，其中，sf为点集，af为点集矩阵，f为点集群，yf是fi分离后的独立分量的估计，wf即为目标函数。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，计算对应于独立元轴的旋转量和平移量具体为：

旋转量为：平移量δc＝co-ct，其中，lo-first，lo-second分别为第一幅血流结构图像的第一元轴和第二元轴，lt-first，lt-second分别为第二幅血流结构幅图像的第一元轴和第二元轴，其中，分别表示两幅血流结构图像轮廓点模型的形心。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，敏感位移补偿模型为si(n)＝d(n)+ri(n)+ci(n)+hi(n)，其中，si(n)为敏感运动位移参数，d(n)为呼吸运动分量，ri(n)为心脏运动分量，ci(n)为平移运动分量，hi(n)为噪声分量，敏感位移补偿模型中各个分量均为位移量随时间变化的函数。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，叠加均值相消法表达式为：其中，ib_clear为精细化血流信息强度矩阵，ib_i为第i帧的单帧血流信息强度矩阵，ib_mean为由第i到第m帧的多帧平均血流信息强度矩阵，m为b-扫描总次数。

本发明实施例带来了以下有益效果：本发明实施例所提供的基于逆向主成分分析法的3d血管成像算法，首先，采用心电门控法进行心电信号采集，根据心电信号输出门控信号并传输至光谱仪，根据输出门控信号生成结构图像数据，对结构图像数据进行配准。其次，根据结构图像数据构建复信号统计模型，复信号统计模型为包括非血流组织成分的组织反射信号、血流成分的红细胞反射信号和高斯白噪声的线性统计模型。采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号，计算血管红细胞反射信号的特征值及特征向量，提取的血管红细胞反射信号，并生成血流图像。最后，构造任两幅血流图像的轮廓点集群，采用独立成分分析模型获得轮廓点集群的独立元轴，独立成分分析模型为基于目标函数的优化算法模型；利用差分搜索算法计算独立元轴的平移量和旋转量，根据平移量和旋转量对血流图像进行配准。该技术方案通过采用心电门控法进行数据采集，再利用复信号统计模型与逆向主成分分析法相结合生成血流图像，最后对血流图像进行3d图像配准，实现了组织血管的三维血管造影，提高了成像的信噪比，减少了由生物组织反射产生的杂乱背景信息，减弱了生物抖动的影响，提高了成像图像质量，从而缓解了现有技术存在的血管成像质量低、噪声严重的技术问题，同时该技术方案降低了成像对物体运动伪影的敏感度，提高了成像灵敏度，适用于细小血管的图像提取。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种基于逆向主成分分析法的3d血管成像算法的流程图；

图2为本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，采用心电门控法前的效果图；

图3为本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，采用心电门控法后的效果图；

图4为本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，结构图像配准效果示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前，octa系统活体成像过程中，由于存在诸如心跳、呼吸等不可避免的生物抖动，导致成像信噪比降低，图像质量受损；octa数据采集过程中，相邻光序列扫描的位置偏移引起的相关噪声导致成像质量降低；octa图像重构过程中，相邻两帧图像的位置偏移导致图像中存在抖动噪声。目前广泛使用的血流成像算法灵敏度较低，无法提取细小血管的图像；现存血流图像重构算法无法高效去除由生物组织反射引起的杂乱背景信息，基于此，本发明实施例提供的一种基于逆向主成分分析法的3d血管成像算法，可以提高三维血管成像的信噪比，减少由生物组织反射产生的杂乱背景信息，提高成像图像质量。

参见图1，本发明实施例提供的一种基于逆向主成分分析法的3d血管成像算法的流程图。本发明实施例提供的基于逆向主成分分析法的3d血管成像算法包括如下步骤：

数据采集步骤s100：采用心电门控法进行心电信号采集，根据心电信号输出门控信号并传输至光谱仪，根据输出门控信号生成结构图像数据，对结构图像数据进行配准。在数据采集过程中，由于心脏的跳动及呼吸运动引起的伪影会影响成像质量，因此，数据采集过程采用心电门控的方式，采集样品数据的同时进行采集心电信号，以达到去除心跳和呼吸周期运动引起的成像伪影的目的。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，心电门控法具体为：门控模块初始化，同时心电信号采集模块采集心电信号，心电信号比较模块将心电信号作为输入数据与门控模块中预设的门控值进行比较，判断心电信号是否高于门限值，若是，则输出对应于当前输入心电信号的门控信号。参见图2及图3，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，采用心电门控法前后的效果对比图。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，采用心电门控法进行心电数据采集具体还包括：在采集过程中添加敏感位移补偿模型，利用频域滤波法和多模态搜索法计算敏感位移补偿模型的敏感运动位移参数。在特殊情况下，比如一些病人心脏患有一些疾病，导致心脏跳动并非呈现周期性，或者病人是年幼的儿童引起一些非周期性的敏感运动，都会严重影响成像的质量，此时在数据采集过程中加入敏感性运动位移模型，可以在一定范围内实现对非周期性敏感位移的补偿。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，敏感位移补偿模型为si(n)＝d(n)+ri(n)+ci(n)+hi(n)，其中，si(n)为敏感运动位移参数，d(n)为呼吸运动分量，ri(n)为心脏运动分量，ci(n)为平移运动分量，hi(n)为噪声分量，敏感位移补偿模型中各个分量均为其相对应参量的位移量随时间变化的函数。

参见图4，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，结构图像配准效果示意图。进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，数据采集步骤中对结构图像进行配准具体采用基于特征的配准方法，对相邻两次b-扫描之间的位置偏移进行补偿，去除由于抖动而引起的伪差，伪差即噪声部分。基于特征的配准方法为：对伪差矩阵q进行正交变换；具体的，q＝ii-ii+1，其中，ii、ii+1分别为两幅相邻帧结构图像的像素矩阵。进一步的，在对结构图像进行配准的步骤之后，还可以添加补零技术，实现增加结构图像配准的精度的目的。

本发明实施例提供的基于逆向主成分分析法的3d血管成像算法还包括图像重建步骤s200，其中，步骤s210：根据结构图像数据构建空间域中某一点的复信号统计模型，复信号统计模型能够保证信号的完整性，复信号统计模型为包括非血流组织成分的组织反射信号、血流成分的红细胞反射信号和附加的高斯白噪声的线性统计模型；具体的，复信号统计模型为i＝ic+ib+n，其中，i为组织复信号强度矩阵，ic为非血流组织反射信号强度矩阵，ib为血流组织中血管红细胞反射信号强度矩阵，n则为高斯白噪声分量。

步骤s220：采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号，血管红细胞反射信号表征了组织中血管的反射程度，为复信号统计模型中的主成分，计算血管红细胞反射信号的特征值及特征向量，提取的血管红细胞反射信号为ib＝(1-h(w))×i，根据血管红细胞反射信号的特征值和特征向量设计滤波函数，进而设计pca逆向滤波器，滤除非血流组织成分，保留血流组织成分，并生成血流图像，其中，h(w)为根据红细胞反射信号的特征值及特征向量构建的滤波信号响应函数。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号的特征值及特征向量之后，还包括：采用叠加均值相消法将血流红细胞反射信号精准化。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，叠加均值相消法表达式为：其中，ib_clear为精细化血流信息强度矩阵，ib_i为第i帧的单帧血流信息强度矩阵，ib_mean为由第i到第m帧的多帧平均血流信息强度矩阵，m为b-扫描总次数。

本发明实施例提供的基于逆向主成分分析法的3d血管成像算法还包括3d图像配准步骤s300，3d图像配准技术能够有效地计算不同时间采集图像的偏移量及旋转量，为医生对病变位置的术前术后变化和病情的检测等相关方面提供参考。其中，步骤s310：构造任两幅血流图像的轮廓点集群fi，轮廓点集群为fi＝[xi,yi,zi]^t，i＝(1,2,3,...,n)，式子中n为轮廓点的点数集合，轮廓点集群数据表征了轮廓点的位置信息，两幅血流图像的轮廓点集群fo和ft分别表示为oi＝xoie1+yoie2+zoie3和ti＝xtie1+ytie2+ztie3，其中，e1、e2、e3分别为单位方向向量。

步骤s320：采用无监督学习中的独立成分分析(ica)模型获得轮廓点集群fi的独立元轴，独立成分分析模型为基于目标函数的优化算法模型。进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，优化算法为人工蜂群算法、蚁群算法、差分进化算法、蝙蝠算法、布谷鸟算法中任一种。

进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，基于目标函数的优化算法模型中目标函数具体为：建立f＝afsf，具体的，根据ica算法原理，存在一个点集sf和一个点集矩阵af，满足f＝afsf，ica算法的目的是找到一个解混矩阵wf，满足yf＝wff＝wfafsf，其中，sf为点集，af为点集矩阵，f为点集群，yf是fi分离后的独立分量的估计，wf即为基于目标函数的优化算法模型中的目标函数。

步骤s330：利用差分搜索算法计算最大统计相关方向的独立元轴的平移量和旋转量，根据平移量和旋转量对血流图像进行配准。进一步的，本发明实施例提供的基于逆向主成分分析法的3d血管成像算法中，计算对应于独立元轴的旋转量和平移量具体为：

旋转量为：平移量δc＝co-ct，其中，lo-first，lo-second分别为第一幅血流结构图像的第一元轴和第二元轴，lt-first，lt-second分别为第二幅血流结构幅图像的第一元轴和第二元轴，其中，分别表示两幅血流结构图像轮廓点模型的形心。

本发明实施例所提供的基于逆向主成分分析法的3d血管成像算法，首先，采用心电门控法进行心电信号采集，根据心电信号输出门控信号并传输至光谱仪，根据输出门控信号生成结构图像数据，对结构图像数据进行配准。其次，根据结构图像数据构建复信号统计模型，复信号统计模型为包括非血流组织成分的组织反射信号、血流成分的红细胞反射信号和高斯白噪声的线性统计模型。采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号，计算血管红细胞反射信号的特征值及特征向量，提取的血管红细胞反射信号，并生成血流图像。最后，构造任两幅血流图像的轮廓点集群，采用独立成分分析模型获得轮廓点集群的独立元轴，独立成分分析模型为基于目标函数的优化算法模型；利用差分搜索算法计算独立元轴的平移量和旋转量，根据平移量和旋转量对血流图像进行配准。该技术方案通过采用心电门控法进行数据采集，再利用复信号统计模型与逆向主成分分析法相结合生成血流图像，最后对血流图像进行3d图像配准，实现了组织血管的三维血管造影，提高了成像的信噪比，减少了由生物组织反射产生的杂乱背景信息，减弱了生物抖动的影响，提高了成像图像质量，从而缓解了现有技术存在的血管成像质量低、噪声严重的技术问题，同时该技术方案降低了成像对物体运动伪影的敏感度，提高了成像灵敏度，适用于细小血管的图像提取。

以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。