微循环流速自动测量研究.pptVIP

* 人体微循环血液流速自动测量方法研究 陈远 赵志敏 李洪均 刘磊 课题研究背景 研究内容 课题研究背景 人体微循环血管参数的变化及指标异常，是某些疾病发病的中间环节或者前期征兆，如糖尿病，高血压等。 微血管的血流速度是反映微循环状态的重要参数和指标，在许多生理和病理状态下有着重要的参考价值。 微循环流速的快速、精确有效地测量对预防疾病的发生有至关重要的作用。 研究内容 1 视频图像配准 2 血管中心线提取 2.1 图像的3D表示 2.2 Hessian矩阵的物理意义 2.3 种子点选取 2.4 中心线迭代提取算法 3 血液流速测量 4 实验结果与分析 1 视频图像配准 目的与意义 由于人体呼吸、身体移动等干扰的影响，导致拍摄的微循环视频序列产生各种不稳定现象。对采集的微循环视频图像进行背景运动估计，以去除“抖动”影响。 方法 利用normalized cross correlation（NCC）方法，将第一帧图像作为参考帧，选取该帧图像中的一个k×l窗口作为参考窗口，计算后续帧图像与该窗口的NCC值，最大值最为匹配结果。 配准后的视频： Seed point 选择 利用连续帧图像之间像素灰度的时空方差（temporal variance）作为种子点选择依据： 取100帧图像的平均值作为It； 计算第i 帧图像像素的方差δT； 设定阈值T∈[t1,t2]，搜索方差δT ∈ T的像素，将其作为种子点。 2.3 种子点自动选取 δT ∈[5.8, 7] δT ∈[6.3, 7] δT ∈[6.5, 7] δT ∈[6.8, 7] 不同阈值T的种子点标定结果 L P1 P0 B A P0’ (1)以P0点为起始点，其特征值与特征向量分别为λi和Vi（i＝1，2） (3) 利用与特征向量V1垂直的V2进行点局部最小值修正; 2.4 中心线迭代提取算法 (4) 将最小点P1 作为修正后的中心点。然后以P1点作为起始点搜索下一点P2; (2)根据λ1对应的特征向量的方向，以delta为步长搜索下一个中心线上的点 P0’: (5) 以此进行迭代计算，得到中心线上的离散点序列 ｛ P1， P2，… Pn ｝; (6) 位于血管中心线上点的Hessian矩阵的特征值有： (7) 以设定的阈值T作为迭代算法的终止条件，当t小于设定阈值T，表明已完成搜索，终止迭代。最后对离散点序列进行插值拟合，得到血管中心线。 3 血液流速测量 3.1 以测量血浆的流速代替测量血液的流速 (1) 血浆在图像上表现为一段灰度值较高的“间隙； (2) 其流速与血液流速相同； (3) 直方图增强后，增强图像对比度。