一种基于血管多尺度增强和血管连接的血管分割算法的制作方法

1.本发明涉及血管数字图像处理技术领域，尤其涉及一种基于血管多尺度增强和血管连接的血管分割算法。


背景技术：

2.生物医学应用中的活体光学成像在过去十年发展迅速，近红外二区图像(近红外二区窗口900-1700nm)越来越成为医学图像领域的研究热点。因为它相对于近红外一区(700-900nm)和可见光图像，在成像的透射深度和时空分辨率方面有明显的优势。然而，目前并没有针对近红外二区图像的血管分割算法，大多数的研究者仅通过肉眼观察图像。使得图像的结果因为观察者的能力高低造成偏差。因此开发针对近红外二区的血管分割算法很有意义。
3.近红外图像由于其自身的特点，使得其他血管分割算法应用在该图像上效果并不理想。该图像特点主要有以下三点：1近红外二区的荧光在活体组织中透射深度可达4mm，使得不同深度的血管相互重叠，增加了血管分割的难度；2不同深度血管的亮度也不一样，需要设计相应方法将不同血管亮度调节到同一量级中，以方便后续的血管分割；3血管的荧光可能和活体组织，器官的荧光混合。这些原因使得传统的血管分割算法在近红外二区图像中的分割效果不理想。
4.目前经典的血管分割算法大致可分为三类：1模式识别技术，涉及到自动血管分割，通常包括合并和区域增长，数学形态学，阈值，统计建模和匹配过滤器等.大多数此类方法都是针对视网膜血管图像的分割，取得了不错的效果，不过此类方法很难解决近红外图像中血管相互遮挡以及器官组织荧光的干扰。2基于海森矩阵的血管分割算法，此类方法基于血管形态对血管进行分割，对浅层较亮血管分割效果很好，不过对深层暗淡的毛细血管分割效果不理想。3基于荧光基团追踪实现血管分割，该方法的血管分辨率更高，不过对探测器和图像的要求也更高，分割一幅图像往往需要连续拍摄十分钟，且计算量较大，实时性效果一般。


技术实现要素：

5.本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于血管多尺度增强和血管连接的血管分割算法。
6.为了实现上述目的，本发明采用了如下技术方案：
7.一种基于血管多尺度增强和血管连接的血管分割算法，包括以下步骤：
8.s1、针对不同亮度的血管设计了多尺度增强方法，可以有效增强较暗的毛细血管，从而增强后续操作血管毛细血管的识别率；
9.s2、基于血管管状特征对血管进行连接，并基于血管连通区域对血管和噪声进行区分，使得算法可以可靠的将与噪声相同量级的毛细血管分出来；
10.s3、基于本算法，设计了相关的血管量化指标，通过量化小鼠左右脑顶骨区域血管
密度差异，实现对缺血性脑卒中疾病的诊断。
11.优选地，为了有效提升血管的形状，所述s1中的多尺度增强方法包括以下步骤：
12.第一步、对图像进行降噪处理；
13.第二步、多尺度血管增强算法对血管进行增强，将不同亮度血管统一在一个量级；
14.第三步、采用分数阶微分增强，锐化血管边界；
15.第四步、基于血管管状结果设计了血管连接提取的算法，并基于血管管状特性对血管进行连接，并基于连通区域面积对血管进行分割。
16.优选地，为了更好的提取血管的在图像中的形状，所述第四步中血管连接提取的算法包括以下步骤：
17.一：以0.18作为阈值对f’进行二值化得到f”；
18.二：筛选f”中连通区域面积在10到50的潜在毛细血管图像得到c；
19.三：找到c中各个连通区域的中点和边界，并得到中点到边界的最大距离l和最小距离s；
20.四：如果l》2s，沿着l的两个方向向外延长l长度的百分之三十，然后膨胀延长线，保留相较的延长线，然后仅保留连通区域大于200的延长线。最后腐蚀延长线获得e；
21.五：e和f”求并集获得d，然后仅保留d中连通区域面积大于50的部分获得v，最后去除v中的延长线获得血管分割图。
22.优选地，为了便于根据需要调节参数，实现血管的提取，所述一中的0.18减小可以提取更多毛细血管，不过过分减小该参数会导致血管分割可靠性降低，对于大部分近红外二区的图像，不需要修改任何参数就可以获得较为可靠的血管分割图像了。
23.本发明的有益效果是：
24.1、可以通过的分割图像中的血管信息，对于后续血管相关疾病的诊断有重大意义，同时也是血管图像处理的第一步直接决定后续血管的量化，追踪的效果；在生物医学图像的相关应用系统中有广阔的前景；
25.2、单幅近红外二区图像的血管分割算法，能基于各个像素八领域均值与该像素值进行比较，去除图像亮点和暗点，并且通过双边滤波和海森矩阵设计了针对不同亮度血管的多尺度增强方法，方便更好的对对血管进行连接和分割；
26.综上所述，本发明针对单幅近红外二区图像的血管分割算法，能基于各个像素八领域均值与该像素值进行比较，去除图像亮点和暗点，并且通过双边滤波和海森矩阵设计了针对不同亮度血管的多尺度增强方法，同时采用分数阶微分增强血管边界，而且基于血管管状特征，对血管进行连接和分割，相较于其他分割方法，可以更可靠的识别暗淡模糊的毛细血管。
附图说明
27.图1为本发明的血管提取流程图；
28.图2为本发明的血管提取主要步骤的中间结果展示图；
29.图3为本发明的2d分数阶微分近似掩膜算子图；
30.图4为本发明的血管连接和提取的中间结果展示图。
具体实施方式
31.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
32.参照图1-4，一种基于血管多尺度增强和血管连接的血管分割算法，包括以下步骤：
33.1、八邻域均值降噪
34.红外探测器往往带有亮点和暗点，因此近红外二区图像第一步需要去除点状噪声，每一个像素都需要与其周围八邻域像素的均值进行比较，具体操作见公式1：
[0035][0036]
其中i(x,y)表示原图i中(x,y)位置处的像素值，im8(x,y)表示该像素八邻域范围的均值，id表示降噪之后的图像；
[0037]
2、多尺度血管信息增强
[0038]
如果在近红外二区中把不同亮度的血管准确分割是一大难点，因此，在血管分割之前，很有必要将血管的亮度都控制在同一量级下，这里我们基于双边滤波器和海森矩阵设计了多尺度血管增强方法，参考图1其表示矩阵差分：
[0039]
首先，双边滤波器公式如下：
[0040][0041]
其中σd和σr是控制双边滤波器空间域和值域的平滑因子，原图经过不同双边滤波器得到不同子图如下：
[0042][0043]
其中*表示卷积，ib1,ib2,ib3是滤波结果；
[0044]
再进行差分算法，将亮度接近的血管分在同一子图中；
[0045][0046]
其中iv0中血管最亮，可直接采用海森矩阵进行血管提取；而iv1,iv2,iv3中的血管较暗，需要采用均值滤波增强的方法；海森矩阵展示如下：
[0047][0048]
其中iv0(x,y,s)为iv0(x,y)和高斯核g(x,y,s)的卷积结果，其中s控制核的尺寸；
[0049]
海森矩阵中两个特征值λ1和λ2(|λ1|＜|λ2|)满足如下条件：
[0050][0051]
&表示条件与，该子图的血管增强如下：
[0052][0053]
其中smin＝1，smax＝6，它们决定了血管直径的分布；
[0054]
iv1,iv2,iv3的血管增强过程如下：
[0055][0056]
smin，smax的取值与公式7相同，iv1(x,y,s)为iv1(x,y)和m(x,y,s)的卷积结果；
[0057]
最后将f
v0
,f
v1
,f
v2
,f
v3
各个子图归一化之后相加得到f，结果如图2中2b；通过观察2a，2b的差别可知，图2血管提取主要步骤的中间结果展示；(a)为近红外二区原图；(b)为降噪和多尺度增强的结果；(c)为分数阶微分的，较暗的毛细血管和较亮的血管在增强之后亮度接近，同时块状的器官组织的荧光被抑制了；
[0058]
3、分数阶微分
[0059]
尽管多尺度增强算法将血管亮度控制在相同量级中，原本毛细血管的边界仍然很模糊，不利于血管分割，因此我们采用分数阶微分对血管图八个方向的梯度场进行调节，经过实验验证，我们发现0.5阶的分数阶微分可以恰当增强高频信息的同时保留必要的低频信息，2d的分数阶微分算子如图3，图3展示了2d分数阶微分近似掩膜算子，在我们算法中v为分数阶微分的阶数，取值为0.5，分数阶微分增强如下式：
[0060]
f'＝f*wfꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0061]
*表示卷积，wf为2d分数阶微分算子，分数阶微分的增强结果如图2c；
[0062]
4、血管的连接和提取
[0063]
在之前的增强过程中一些噪声的亮度也会增加，所以我们基于血管管状结果设计了血管连接提取的算法，以便获得干净的血管图像；其中这里图4展示血管连接和提取的中间结果，(a)是近红外二区原图、(b)是分数阶微分增强之后的结果、(c)是二值化的结果、(d)是中连通区域在10到50的潜在毛细血管c、(e)是c的边界、(f)是各个连通区域的中心到最大边界的距离线、(g)是e、(h)是最终的结果；多聚焦融合结果，具体过程描述如下：
[0064]
s1：以0.18作为阈值对f’进行二值化得到f”；
[0065]
s2：筛选f”中连通区域面积在10到50的潜在毛细血管图像得到c；
[0066]
s3：找到c中各个连通区域的中点和边界，并得到中点到边界的最大距离l和最小距离s；
[0067]
s4：如果l》2s，沿着l的两个方向向外延长l长度的百分之三十，然后膨胀延长线，保留相较的延长线，然后仅保留连通区域大于200的延长线，最后腐蚀延长线获得e；
[0068]
s5：e和f”求并集获得d；然后仅保留d中连通区域面积大于50的部分获得v，最后去
除v中的延长线获得血管分割图。
[0069]
需要强调的是该步骤中仅一个参数(s1中的0.18)需要调节，减小它可以提取更多毛细血管，不过过分减小该参数会导致血管分割可靠性降低，对于大部分近红外二区的图像，不需要修改任何参数就可以获得较为可靠的血管分割图像了；图2展示的是血管提取主要步骤的中间结果展示、(a)为近红外二区原图、(b)为降噪和多尺度增强的结果、(c)为分数阶微分的2；图4展示血管连接和提取的中间结果；(a)是近红外二区原图、(b)是分数阶微分增强之后的结果、(c)是二值化的结果、(d)是中连通区域在10到50的潜在毛细血管c、(e)是c的边界、(f)是各个连通区域的中心到最大边界的距离线、(g)是e、(h)是最终的结果、多聚焦融合结果；图4更加形象地展示了血管连接和提取步骤中各个中间操作的效果；该步骤的结果如图2d，结果表明该算法可有效连接潜在毛细血管，同时对离散噪声有较好的抑制作用。
[0070]
补充：基于血管分割算法进行小鼠脑卒中疾病的诊断；
[0071]
缺血性中风是由大脑供血不足引起的脑组织坏死，它通常在颈动脉和椎动脉狭窄或闭塞时爆发，由于缺血侧的血液循环障碍，血液供应不足，顶骨部的血管密度明显下降，现在，开发抗中风药物是制药公司和研究机构的一个重要方向，快速评估抗中风药物的效果是这些研究中最经常操作的程序；
[0072]
我们对于小鼠脑部近红外二区图像先采用之前的血管分割算法进行分割，之后人工选取小鼠左右脑顶骨区域进行血管密度差异的量化，具体操作如下式：
[0073][0074]
其中d表示左右脑血管密度差异，d_l和d_r为左右脑顶骨区域血管密度(血管密度为该区域血管像素数除以该区域总像素数)，||为取绝对值符号，实验验证正常小鼠左右脑密度差异小于百分之十，而脑卒中的小鼠左右脑血管密度差异大于百分之二十。
[0075]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。