專利名稱：基于圖像的生物組織彈性的測量方法及裝置的制作方法
基于圖像的生物組織彈性的測量方法及裝置
技術(shù)領(lǐng)域：
本發(fā)明涉及一種彈性成像技術(shù)，特別是涉及一種基于圖像的生物組織彈性的測量方法，還涉及一種基于圖像的生物組織彈性的測量裝置。
背景技術(shù)：
生物體內(nèi)的彈性組織是由不同的成分所構(gòu)成。例如對于血管壁來說，主要由膠原纖維、彈性纖維和平滑肌細胞構(gòu)成，這些成分的彈性模量值區(qū)別很大。若可以得到精確的二維血管壁的彈性模量分布圖，則可區(qū)分出血管壁的成分，得到血管壁的成分分布。對于動脈粥樣斑塊，可得到脂質(zhì)、血栓、纖維組織和鈣化組織等成分分布。

發(fā)明內(nèi)容基于此，有必要提供一種非侵入的能夠精確測量包括血管壁在內(nèi)的生物組織彈性的測量方法。一種基于圖像的生物組織彈性的測量方法，包括下列步驟步驟A，獲取待測生物組織的N幀連續(xù)的灰度圖像，N為正整數(shù)；步驟B，獲取所述灰度圖像上的感興趣區(qū)域；步驟 C，將所述感興趣區(qū)域劃分為多個分析窗口 ；步驟D，采用紋理匹配方法計算所述N幀連續(xù)的灰度圖像中每個分析窗口在所有的相鄰兩幀之間的相對位移矢量；步驟E，根據(jù)相對位移矢量計算每個分析窗口對應(yīng)的彈性模量。優(yōu)選的，所述N幀連續(xù)的灰度圖像通過成像裝置采集，所述N是m個完整的心動周期內(nèi)所述成像裝置采集的圖像幀數(shù)，m為正整數(shù)。優(yōu)選的，所述紋理匹配方法具體包括下列步驟步驟D1，采用二維標準互相關(guān)算法、亞像素方法和濾波插值方法獲取每個分析窗口在相鄰兩幀之間的二維平動位移；步驟 D2，采用迭代算法通過所述二維平動位移的位移梯度進一步計算圖像中所述生物組織的旋轉(zhuǎn)和變形，得到幾何變換的二維位移；步驟D3，對所述幾何變換的二維位移采用錯誤矢量剔除算法以提高精度，得到相鄰兩幀之間的相對位移矢量。優(yōu)選的，所述生物組織為血管壁，所述步驟E具體包括下列步驟步驟E1，根據(jù)所述相鄰兩幀之間的相對位移矢量，得到在垂直于血管壁的方向上相鄰的兩分析窗口之間的位移差；步驟E2，獲得分析窗口一個心動周期內(nèi)所述位移差的最大值；步驟E3，根據(jù)所述位移差的最大值得到垂直于血管壁的方向應(yīng)變的最大值；步驟E4，根據(jù)所述垂直于血管壁的方向應(yīng)變的最大值得到所述彈性模量。優(yōu)選的，還包括下列步驟將所述生物組織切片；將切片進行病理學染色；根據(jù)染色的結(jié)果得到所述生物組織的組成成分的分布情況；根據(jù)所述組成成分的分布情況和所述彈性模量得到每種組成成分對應(yīng)的彈性模量范圍。還有必要提供一種非侵入的能夠精確測量包括血管壁在內(nèi)的生物組織彈性的測
量裝置。一種基于圖像的生物組織彈性的測量裝置，包括灰度圖像獲取模塊，用于獲取待測生物組織的N幀連續(xù)的灰度圖像，N為正整數(shù)；感興趣區(qū)域獲取模塊，用于獲取所述灰度圖像上的感興趣區(qū)域；分析窗口劃分模塊，用于將所述感興趣區(qū)域劃分為多個分析窗口 ； 相對位移矢量計算模塊，用于采用紋理匹配方法計算所述N幀連續(xù)的灰度圖像中每個分析窗口在所有的相鄰兩幀之間的相對位移矢量；彈性模量計算模塊，用于根據(jù)相對位移矢量計算每個分析窗口對應(yīng)的彈性模量。優(yōu)選的，所述灰度圖像獲取模塊是成像裝置，所述N是m個完整的心動周期內(nèi)所述成像裝置采集的圖像幀數(shù)，m為正整數(shù)。優(yōu)選的，所述相對位移矢量計算模塊包括平動位移計算模塊，用于根據(jù)二維標準互相關(guān)算法、亞像素方法和濾波插值方法獲取每個分析窗口在相鄰兩幀之間的二維平動位移；幾何變換位移計算模塊，采用迭代算法通過所述二維平動位移的位移梯度進一步計算圖像中所述生物組織的旋轉(zhuǎn)和變形，得到幾何變換的二維位移；錯誤剔除模塊，用于對所述幾何變換的二維位移采用錯誤矢量剔除算法以提高精度，得到相鄰兩幀之間的相對位移矢量。優(yōu)選的，所述生物組織為血管壁，所述彈性模量計算模塊包括位移差計算模塊， 用于根據(jù)所述相鄰兩幀之間的相對位移矢量，得到在垂直于血管壁的方向上相鄰的兩分析窗口之間的位移差；位移差最大值計算模塊，用于獲得分析窗口一個心動周期內(nèi)所述位移差的最大值；應(yīng)變最大值計算模塊，用于根據(jù)所述位移差的最大值得到垂直于血管壁的方向應(yīng)變的最大值；彈性模量獲取模塊，用于根據(jù)所述垂直于血管壁的方向應(yīng)變的最大值得到所述彈性模量。上述基于圖像的生物組織彈性的測量方法和裝置，能夠?qū)崿F(xiàn)非侵入的精確測量， 適用于各種分辨率的超聲波成像、光學成像、光聲成像、CT成像，核磁共振成像等技術(shù)采集的灰度圖像，可作為一個圖像后處理軟件模塊集成到現(xiàn)有的成像系統(tǒng)中，以增加成像系統(tǒng)的功能。由于無需對現(xiàn)有臨床成像系統(tǒng)進行硬件升級，升級成本低，容易被醫(yī)院和醫(yī)生接受，方便臨床推廣。

圖1是實施例一中基于圖像的生物組織彈性的測量方法的流程圖；圖2是應(yīng)用圖像紋理匹配方法計算彈性模量的示意圖；圖3是實施例二中采集到的志愿者頸動脈的B型超聲圖像；圖4是圖3所示頸總動脈血管壁的平均軸向應(yīng)變在不同時刻的分布圖；圖5是圖3所示頸總動脈血管壁的平均橫向應(yīng)變在不同時刻的分布圖；圖6是實施例三中用測量系統(tǒng)測量閉合的脈動循環(huán)系統(tǒng)中動脈仿體的彈性的示意圖；圖7是實施例三中超聲系統(tǒng)采集到的動脈仿體的B型超聲圖像；圖8是圖7所示動脈仿體硅膠管的平均軸向應(yīng)變在不同時刻的分布圖；圖9是采用CMT6104對兩個樣本進行測試得到的力與位移的關(guān)系圖；圖10是超聲系統(tǒng)得到的聚乙烯醇材質(zhì)的動脈仿體的B型超聲圖像；圖11是聚乙烯醇材質(zhì)的動脈仿體的平均軸向應(yīng)變在不同時刻的分布圖。
具體實施方式實施例一圖1是實施例一中基于圖像的生物組織彈性的測量方法的流程圖，包括下列步 驟S110，獲取待測生物組織的N幀連續(xù)的灰度圖像。該灰度圖像可以通過超聲波成像、光學成像、光聲成像、電子計算機X射線斷層掃 描技術(shù)(CT)成像，核磁共振(MRI)成像等技術(shù)采集。在本實施例中是通過一種超聲裝置(B 型超聲診斷儀)采集該灰度圖像。N應(yīng)該涵蓋至少一個完整的心動周期內(nèi)超聲裝置所采集的圖像。例如，超聲裝置的 圖像采集幀頻FR為100幀/秒，人體的心動周期Tc為1秒，則N = mXFRXTc = IOOm幀
(m為心動周期的周期數(shù)，m= 1,2,3......，m= 1表示1個心動周期，依此類推)。即N應(yīng)
該為100的整數(shù)倍。S120，獲取灰度圖像上的感興趣區(qū)域(region of interest，ROI)。感興趣區(qū)域可 以由操作人員手動指定后再獲取，也可以通過習知的圖像處理方法自動獲取。S130，將感興趣區(qū)域劃分為多個分析窗ロ。將感興趣區(qū)域劃分為多個大小相等的
分析窗ロ，將這些分析窗ロ分別用kl、k2、k3......編號表示。在N幀灰度圖像的每ー幀中
均包含kl、k2、k3......這些分析窗ロ。S140，采用紋理匹配(texture matching)方法計算N幀連續(xù)的灰度圖像中每個分 析窗ロ在所有的相鄰兩幀之間的相對位移矢量。采用紋理匹配方法計算分析窗ロ kl在上述N幀中的第1幀和第2幀之間的相對 位移矢量。以m = 1為例，在本實施例中，具體包括下列步驟1，采用ニ維標準互相關(guān)算法、亞像素方法和濾波插值方法獲取分析窗ロ kl在第1 幀和第2幀之間的ニ維平動位移。ニ維標準互相關(guān)算法是利用圖像的灰度分布相似性，來計算兩個分析窗ロ(即kl 在第1幀和第2幀中)的位移。其表達式為
權(quán)利要求
1.一種基于圖像的生物組織彈性的測量方法，包括下列步驟 步驟A，獲取待測生物組織的N幀連續(xù)的灰度圖像，N為正整數(shù)； 步驟B，獲取所述灰度圖像上的感興趣區(qū)域；步驟C，將所述感興趣區(qū)域劃分為多個分析窗口 ；步驟D，采用紋理匹配方法計算所述N幀連續(xù)的灰度圖像中每個分析窗口在所有的相鄰兩幀之間的相對位移矢量；步驟E，根據(jù)相對位移矢量計算每個分析窗口對應(yīng)的彈性模量。
2.根據(jù)權(quán)利要求1所述的基于圖像的生物組織彈性的測量方法，其特征在于，所述N幀連續(xù)的灰度圖像通過成像裝置采集，所述N是m個完整的心動周期內(nèi)所述成像裝置采集的圖像幀數(shù)，m為正整數(shù)。
3.根據(jù)權(quán)利要求2所述的基于圖像的生物組織彈性的測量方法，其特征在于，所述紋理匹配方法具體包括下列步驟步驟D1，采用二維標準互相關(guān)算法、亞像素方法和濾波插值方法獲取每個分析窗口在相鄰兩幀之間的二維平動位移；步驟D2，采用迭代算法通過所述二維平動位移的位移梯度進一步計算圖像中所述生物組織的旋轉(zhuǎn)和變形，得到幾何變換的二維位移；步驟D3，對所述幾何變換的二維位移采用錯誤矢量剔除算法以提高精度，得到相鄰兩幀之間的相對位移矢量。
4.根據(jù)權(quán)利要求2或3所述的基于圖像的生物組織彈性的測量方法，其特征在于，所述生物組織為血管壁，所述步驟E具體包括下列步驟步驟E1，根據(jù)所述相鄰兩幀之間的相對位移矢量，得到在垂直于血管壁的方向上相鄰的兩分析窗口之間的位移差；步驟E2，獲得分析窗口一個心動周期內(nèi)所述位移差的最大值；步驟E3，根據(jù)所述位移差的最大值得到垂直于血管壁的方向應(yīng)變的最大值；步驟E4，根據(jù)所述垂直于血管壁的方向應(yīng)變的最大值得到所述彈性模量。
5.根據(jù)權(quán)利要求1所述的基于圖像的生物組織彈性的測量方法，其特征在于，還包括下列步驟將所述生物組織切片； 將切片進行病理學染色；根據(jù)染色的結(jié)果得到所述生物組織的組成成分的分布情況；根據(jù)所述組成成分的分布情況和所述彈性模量得到每種組成成分對應(yīng)的彈性模量范圍。
6.一種基于圖像的生物組織彈性的測量裝置，其特征在于，包括灰度圖像獲取模塊，用于獲取待測生物組織的N幀連續(xù)的灰度圖像，N為正整數(shù)； 感興趣區(qū)域獲取模塊，用于獲取所述灰度圖像上的感興趣區(qū)域； 分析窗口劃分模塊，用于將所述感興趣區(qū)域劃分為多個分析窗口 ； 相對位移矢量計算模塊，用于采用紋理匹配方法計算所述N幀連續(xù)的灰度圖像中每個分析窗口在所有的相鄰兩幀之間的相對位移矢量；彈性模量計算模塊，用于根據(jù)相對位移矢量計算每個分析窗口對應(yīng)的彈性模量。
7.根據(jù)權(quán)利要求6所述的基于圖像的生物組織彈性的測量裝置，其特征在于，所述灰度圖像獲取模塊是成像裝置，所述N是m個完整的心動周期內(nèi)所述成像裝置采集的圖像幀數(shù)，m為正整數(shù)。
8.根據(jù)權(quán)利要求7所述的基于圖像的生物組織彈性的測量裝置，其特征在于，所述相對位移矢量計算模塊包括平動位移計算模塊，用于根據(jù)二維標準互相關(guān)算法、亞像素方法和濾波插值方法獲取每個分析窗口在相鄰兩幀之間的二維平動位移；幾何變換位移計算模塊，采用迭代算法通過所述二維平動位移的位移梯度進一步計算圖像中所述生物組織的旋轉(zhuǎn)和變形，得到幾何變換的二維位移；錯誤剔除模塊，用于對所述幾何變換的二維位移采用錯誤矢量剔除算法以提高精度， 得到相鄰兩幀之間的相對位移矢量。
9.根據(jù)權(quán)利要求7或8所述的基于圖像的生物組織彈性的測量裝置，其特征在于，所述生物組織為血管壁，所述彈性模量計算模塊包括位移差計算模塊，用于根據(jù)所述相鄰兩幀之間的相對位移矢量，得到在垂直于血管壁的方向上相鄰的兩分析窗口之間的位移差；位移差最大值計算模塊，用于獲得分析窗口一個心動周期內(nèi)所述位移差的最大值； 應(yīng)變最大值計算模塊，用于根據(jù)所述位移差的最大值得到垂直于血管壁的方向應(yīng)變的最大值；彈性模量獲取模塊，用于根據(jù)所述垂直于血管壁的方向應(yīng)變的最大值得到所述彈性模量。
全文摘要
本發(fā)明涉及一種基于圖像的生物組織彈性的測量方法，包括下列步驟獲取待測生物組織的N幀連續(xù)的灰度圖像；獲取灰度圖像上的感興趣區(qū)域；將感興趣區(qū)域劃分為多個分析窗口；采用紋理匹配方法計算N幀連續(xù)的灰度圖像中每個分析窗口在所有的相鄰兩幀之間的相對位移矢量；根據(jù)相對位移矢量計算每個分析窗口對應(yīng)的彈性模量。本發(fā)明還涉及一種基于圖像的生物組織彈性的測量裝置。本發(fā)明適用于各種分辨率的超聲波成像、光學成像、光聲成像、CT成像，MRI成像等技術(shù)采集的灰度圖像，可作為一個圖像后處理軟件模塊集成到現(xiàn)有的成像系統(tǒng)中，以增加成像系統(tǒng)的功能。由于無需對現(xiàn)有臨床成像系統(tǒng)進行硬件升級，升級成本低，容易被醫(yī)院和醫(yī)生接受，方便臨床推廣。
文檔編號A61B8/08GK102423264SQ20111025716
公開日2012年4月25日 申請日期2011年9月1日 優(yōu)先權(quán)日2011年9月1日
發(fā)明者牛麗麗, 鄭海榮, 錢明 申請人:中國科學院深圳先進技術(shù)研究院