[發(fā)明專利]一種基于特征空間的三維血流成像方法與系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810495645.5
• 申請日: 2018-05-22
• 公開（公告）號: CN108670239B
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計）人: 李鵬;陳瑞祥
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: A61B5/026
• 分類號: A61B5/026;G06T11/00
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 林超

1.一種基于特征空間的三維血流成像方法，其特征在于包括：

一種采集器(1)，用于收集三維空間內(nèi)散射信號樣本的OCT散射信號；

一種分類器(2)，結(jié)合OCT散射信號與去相關(guān)性構(gòu)建二維特征空間，實現(xiàn)動態(tài)血流信號與靜態(tài)組織的分類；

所述結(jié)合OCT散射信號與去相關(guān)性構(gòu)建二維特征空間，實現(xiàn)動態(tài)血流信號與靜態(tài)組織的分類，具體包括：

采用時間去相關(guān)針對OCT散射信號計算分析血流和周圍組織的相對運動，得到各OCT散射信號的OCTA血流信息(21)，獲得去相關(guān)血流圖；

結(jié)合OCT掃描成像得到的OCT散射信號的強度信息和去相關(guān)計算得到的OCTA血流信息，構(gòu)建強度-去相關(guān)系數(shù)二維特征空間，將OCT散射信號投影在強度-去相關(guān)系數(shù)二維特征空間中(22)；

所述構(gòu)建分類器在強度-去相關(guān)系數(shù)二維特征空間中對OCT散射信號進(jìn)行分類(23)，包括：一種直接分類方法、一種機器學(xué)習(xí)分類方法

直接分類法，包括：

通過模擬組織樣品或生物組織樣品的數(shù)據(jù)獲得靜態(tài)生物組織和噪聲在強度-去相關(guān)系數(shù)二維特征空間上的分布，生成分類曲線；再直接利用分類曲線進(jìn)行待測樣品的分類；

機器學(xué)習(xí)分類方法，包括：

通過模擬組織樣品或生物組織樣品的數(shù)據(jù)獲得靜態(tài)生物組織和噪聲在強度-去相關(guān)系數(shù)二維特征空間上的分布，生成初始分類曲線；

利用初始分類曲線對OCT散射信號分類為血流信號和組織噪聲信號，分類結(jié)果經(jīng)過處理作為標(biāo)簽，生成訓(xùn)練集(231)；

借助機器學(xué)習(xí)方法訓(xùn)練分類器，在強度-去相關(guān)系數(shù)特征空間中將OCT散射信號分為血流信號和組織噪聲信號(232)。

2.根據(jù)權(quán)利要求1所述的一種基于特征空間的三維血流成像方法，其特征在于：所述用于收集三維空間內(nèi)散射信號樣本的OCT散射信號，包括：對散射信號樣本進(jìn)行三維空間的OCT掃描成像，相同空間位置及其附近位置在T個不同時間點重復(fù)采樣。

3.根據(jù)權(quán)利要求1所述的一種基于特征空間的三維血流成像方法，其特征在于：所述采用時間去相關(guān)針對OCT散射信號計算分析血流和周圍組織的相對運動，得到各OCT散射信號的OCTA血流信息(21)，包括：對同一空間位置T個不同時間點掃描得到的OCT散射信號的幅度部分或?qū)Π群拖辔坏腛CT散射信號計算去相關(guān)系數(shù)，得到各OCT散射信號的OCTA血流對比度。

4.根據(jù)權(quán)利要求1所述的一種基于特征空間的三維血流成像方法，其特征在于：所述利用初始分類曲線對OCT散射信號初步分類為血流信號和組織噪聲信號，分類結(jié)果經(jīng)過處理作為標(biāo)簽，生成訓(xùn)練集(231)，包括：

模擬強度-去相關(guān)系數(shù)二維特征空間上組織噪聲信號的分布，基于模擬結(jié)果對OCT散射信號進(jìn)行初步分類，獲得初步分類結(jié)果(2311)；

對初步分類結(jié)果，從圖形角度進(jìn)行形態(tài)學(xué)濾波或Hessian濾波等處理，根據(jù)處理后的結(jié)果將OCT散射信號賦以血流信號或組織噪聲信號的標(biāo)簽，隨機抽取部分信號作為訓(xùn)練集(2312)。

5.根據(jù)權(quán)利要求4所述的一種基于特征空間的三維血流成像方法，其特征在于：所述借助機器學(xué)習(xí)方法訓(xùn)練分類器，在強度-去相關(guān)系數(shù)特征空間中將OCT散射信號分為血流信號和組織噪聲信號(232)，包括：

利用機器學(xué)習(xí)中的支持向量機算法，訓(xùn)練分類器尋找強度-去相關(guān)系數(shù)特征空間上血流信號和組織噪聲信號間的分界線，根據(jù)分界線對所有OCT散射信號進(jìn)行分類，同時得到所有OCT散射信號被認(rèn)為是血流信號的概率；

所述基于分類器的分類結(jié)果生成血流造影圖(24)，包括：

或?qū)⒎诸惤Y(jié)果中血流信號的部分標(biāo)記置為1，組織噪聲信號的部分標(biāo)記置為0作為第一種血流造影圖，或?qū)⒌谝环N血流造影圖作為掩膜加在去相關(guān)血流圖上作為優(yōu)化后的第一種血流造影圖；或?qū)⒚恳籓CT散射信號被認(rèn)為是血流信號的概率值賦為灰度值，作為第二種血流造影圖，或?qū)⒌诙N血流造影圖作為掩膜加在去相關(guān)血流圖上作為優(yōu)化后的第二種血流造影圖。