[發(fā)明專利]一種基于逆向主成分分析法的3D血管成像算法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810658187.2
• 申請(qǐng)日: 2018-06-25
• 公開(kāi)（公告）號(hào): CN109171670B
• 公開(kāi)（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 田潔
• 申請(qǐng)（專利權(quán)）人: 天津海仁醫(yī)療技術(shù)有限公司;天津恒宇醫(yī)療科技有限公司
• 主分類號(hào): A61B5/02
• 分類號(hào): A61B5/02
• 代理公司: 天津市君硯知識(shí)產(chǎn)權(quán)代理有限公司 12239
• 代理人: 張東浩

1.一種基于逆向主成分分析法的3D血管成像算法，其特征在于，包括如下步驟：

數(shù)據(jù)采集步驟：采用心電門控法進(jìn)行心電信號(hào)采集，根據(jù)心電信號(hào)輸出門控信號(hào)并傳輸至光譜儀，根據(jù)輸出門控信號(hào)生成結(jié)構(gòu)圖像數(shù)據(jù)，對(duì)結(jié)構(gòu)圖像數(shù)據(jù)進(jìn)行配準(zhǔn)；

圖像重建步驟：根據(jù)結(jié)構(gòu)圖像數(shù)據(jù)構(gòu)建復(fù)信號(hào)統(tǒng)計(jì)模型，所述復(fù)信號(hào)統(tǒng)計(jì)模型為包括非血流組織成分的組織反射信號(hào)、血流成分的紅細(xì)胞反射信號(hào)和高斯白噪聲的線性統(tǒng)計(jì)模型；具體的，所述復(fù)信號(hào)統(tǒng)計(jì)模型為I＝I_c+I_b+N，其中，I為組織復(fù)信號(hào)強(qiáng)度矩陣，I_c為非血流組織反射信號(hào)強(qiáng)度矩陣，I_b為血流組織中血管紅細(xì)胞反射信號(hào)強(qiáng)度矩陣，N則為高斯白噪聲分量；

采用逆向主成分分析法提取所述復(fù)信號(hào)統(tǒng)計(jì)模型中的血管紅細(xì)胞反射信號(hào)，計(jì)算所述血管紅細(xì)胞反射信號(hào)的特征值及特征向量，提取的血管紅細(xì)胞反射信號(hào)為I_b＝(1-H(w))×I，并生成血流圖像，其中，H(w)為根據(jù)血管紅細(xì)胞反射信號(hào)的特征值及特征向量構(gòu)建的濾波信號(hào)響應(yīng)函數(shù)；

3D圖像配準(zhǔn)步驟：構(gòu)造任兩幅血流圖像的輪廓點(diǎn)集群F_i，所述輪廓點(diǎn)集群為F_i＝[x_i,y_i,z_i]^T，i＝(1,2,3,...,n)，兩幅血流圖像的輪廓點(diǎn)集群F_oi和F_ti分別表示為F_oi＝x_oie₁+y_oie₂+z_oie₃和F_ti＝x_tie₁+y_tie₂+z_tie₃；其中，F(xiàn)_oi表示初始時(shí)刻血流圖像的輪廓點(diǎn)集群，F(xiàn)_ti表示下一時(shí)刻血流圖像的輪廓點(diǎn)集群；

采用獨(dú)立成分分析模型獲得輪廓點(diǎn)集群F_i的獨(dú)立元軸，所述獨(dú)立成分分析模型為基于目標(biāo)函數(shù)的優(yōu)化算法模型；

利用差分搜索算法計(jì)算獨(dú)立元軸的平移量和旋轉(zhuǎn)量，根據(jù)平移量和旋轉(zhuǎn)量對(duì)血流圖像進(jìn)行配準(zhǔn)。

2.根據(jù)權(quán)利要求1所述的算法，其特征在于，所述心電門控法具體為：門控模塊初始化，同時(shí)采集心電信號(hào)，將心電信號(hào)作為輸入數(shù)據(jù)與門控模塊中預(yù)設(shè)的門控值進(jìn)行比較，判斷心電信號(hào)是否高于門限值，若是，輸出對(duì)應(yīng)于當(dāng)前輸入心電信號(hào)的門控信號(hào)。

3.根據(jù)權(quán)利要求1所述的算法，其特征在于，所述采用心電門控法進(jìn)行心電數(shù)據(jù)采集具體還包括：在采集過(guò)程中添加敏感位移補(bǔ)償模型，利用頻域?yàn)V波法和多模態(tài)搜索法計(jì)算敏感位移補(bǔ)償模型的敏感運(yùn)動(dòng)位移參數(shù)。

4.根據(jù)權(quán)利要求1所述的算法，其特征在于，所述采用逆向主成分分析法提取所述復(fù)信號(hào)統(tǒng)計(jì)模型中的血管紅細(xì)胞反射信號(hào)的特征值及特征向量之后，還包括：采用疊加均值相消法將血流紅細(xì)胞反射信號(hào)精準(zhǔn)化。

5.根據(jù)權(quán)利要求1所述的算法，其特征在于，所述對(duì)結(jié)構(gòu)圖像進(jìn)行配準(zhǔn)具體采用基于特征的配準(zhǔn)方法對(duì)結(jié)構(gòu)圖像進(jìn)行配準(zhǔn)，所述基于特征的配準(zhǔn)方法為：對(duì)偽差矩陣Q進(jìn)行正交變換；具體的，Q＝I_i-I_i+1，其中，I_i、I_i+1分別為兩幅相鄰幀圖像的像素矩陣。

6.根據(jù)權(quán)利要求1所述的算法，其特征在于，所述優(yōu)化算法為人工蜂群算法、蟻群算法、差分進(jìn)化算法、蝙蝠算法、布谷鳥算法中任一種。