本發(fā)明涉及一種疾病檢測技術(shù)，尤其涉及一種基于甲壁血流分析來輔助診斷青光眼及糖尿病等微循環(huán)系統(tǒng)病變的方法。

背景技術(shù)：

青光眼(glaucoma)是指當(dāng)眼壓超過眼內(nèi)組織特別是視神經(jīng)所能承受的限度，引起視盤凹陷、視神經(jīng)萎縮及視野缺損的眼病。青光眼是最常見的致盲性疾病之一，以眼壓升高、視神經(jīng)萎縮和視野缺損為特征。多數(shù)情況下，青光眼的臨床特征雖然多樣化，它的最重要危害是視功能損害，表現(xiàn)為視力下降和視野缺損。

對于青光眼的檢查，眼科醫(yī)生或驗光師采用一種簡單的無痛性方法測定眼內(nèi)壓。對于青光眼病變的發(fā)展情況和治療情況，目前技術(shù)還是傳統(tǒng)的針對眼睛進(jìn)行直接的檢查，現(xiàn)有技術(shù)包括對眼底血管成像的分析，眼底照相或者眼底鏡檢查。

糖尿病是因人體體內(nèi)胰島素數(shù)量不足，或質(zhì)量有問題，或者有缺陷，以致人體有大量的糖從尿中排出，并且導(dǎo)致人體各種組織的慢性損害或者功能障礙。糖尿病在中國發(fā)病人數(shù)已將近5000萬，并且呈逐年增長趨勢。

傳統(tǒng)糖尿病檢測方法，一般通過直接對患者進(jìn)行血液采集，利用血糖試紙或者其它化驗方法進(jìn)行檢測。這種方法具有創(chuàng)傷性，給患者帶來痛苦。并且血糖的含量檢測不能直接反映糖尿病對人體損害程度。糖尿病的癥狀的會直接影響甲壁血流，因此通過檢測血流可以觀測糖尿病發(fā)病情況。

本發(fā)明提出一種新的青光眼及糖尿病等微循環(huán)系統(tǒng)病變檢查方法，該方法是基于甲壁下層的血流分析，進(jìn)行青光眼及糖尿病等微循環(huán)系統(tǒng)病變的檢查或者分析。眼睛部位是比較柔弱和敏感的部位，對眼睛部分的直接檢查不免要有非常嚴(yán)格的安全要求和安全措施執(zhí)行。并且，眼睛部分的檢查需要病人比較好的配合才可以有效的進(jìn)行。同時相對于糖尿病的創(chuàng)傷性檢測方法，本發(fā)明提出的甲壁血流檢測，可以提供更為方便的檢查途徑。尤其針對兒童，該方法相對于直接的眼部檢測，具有更大的優(yōu)勢。而且，本發(fā)明對于其它人體微循環(huán)部位的。

發(fā)明專利內(nèi)容

本發(fā)明的目的在于本發(fā)明涉及一種基于甲壁血流分析的青光眼及糖尿病檢測方法。本方法包括基于oct-a(光學(xué)相干斷層成像的造影)的甲壁血流分析、基于laserspeckle（激光散斑）的甲壁血流分析、基于顯微鏡的甲壁血流分析、基于光聲成像的甲壁血流成像分析。

一種基于甲壁血流分析的青光眼檢測方法，其特征在于：所述內(nèi)容包括：

（1）基于oct-a的甲壁血流分析檢測判斷青光眼及糖尿病病變等微循環(huán)系統(tǒng)疾??；

（2）基于laserspeckle（激光散斑）的甲壁血流分析判斷青光眼及糖尿病病變等微循環(huán)系統(tǒng)疾??；

（3）基于顯微鏡的甲壁血流分析判斷青光眼及糖尿病病變等微循環(huán)系統(tǒng)疾??；

（4）基于光聲成像的甲壁血流成像分析判斷青光眼及糖尿病病變等微循環(huán)系統(tǒng)疾病。

基于oct-a的甲壁血流分析檢測判斷青光眼病變及糖尿病病變等微循環(huán)系統(tǒng)疾病，所述內(nèi)容包括：

（1）oct-a對甲壁血流的成像方法。

（2）基于oct-a血流成像和青光眼及糖尿病等微循環(huán)系統(tǒng)疾病關(guān)系的分析判斷病變。

基于laserspeckle（激光散斑）的甲壁血流分析判斷青光眼和糖尿病等微循環(huán)系統(tǒng)病變，所述內(nèi)容包括：

（1）laserspeckle對甲壁血流的成像方法；

（2）基于laserspeckle血流成像分析和青光眼及糖尿病等微循環(huán)系統(tǒng)病變的關(guān)系判斷病變情況。

基于光聲成像的甲壁血流分析判斷青光眼病變及糖尿病等微循環(huán)系統(tǒng)疾病的所述內(nèi)容應(yīng)包括：

（1）光聲成像對甲壁血流檢測的成像方法；

（2）基于光聲成像檢測血流分析和青光眼的關(guān)系判斷病變。

附圖說明

下面結(jié)合附圖和具體實施方式對本發(fā)明作進(jìn)一步的詳細(xì)描述。

圖1是本發(fā)明結(jié)構(gòu)示意圖。

圖2是本發(fā)明實施例1的流程圖。

圖3是本發(fā)明結(jié)構(gòu)示意圖。

圖4是本發(fā)明的實施例2的流程圖。

圖5是本發(fā)明結(jié)構(gòu)示意圖。

圖6是本發(fā)明的實施例4的圖。

圖7是本發(fā)明結(jié)構(gòu)示意圖。

圖8是本發(fā)明結(jié)構(gòu)示意圖。

具體實施方式

一.實施方式一

請參閱圖2，本部分包括oct設(shè)備探頭1，甲壁部位2，連續(xù)成像3，傳回上位機(jī)4，oct-a算法分析5，甲壁及腳趾血流成像6，青光眼或糖尿病等微循環(huán)疾病與甲壁血流關(guān)系算法7，綜合圖象分析8，青光眼及糖尿病或微循環(huán)系統(tǒng)病灶癥狀9。

本實例提供的方案是利用基于oct-a對甲壁血流分析的結(jié)果，結(jié)合甲壁血流與青光眼及糖尿病等微循環(huán)系統(tǒng)疾病的關(guān)系來判斷癥狀。

oct-a成像是近來比較新的一個對組織血管進(jìn)行血流分析的技術(shù)，該技術(shù)利用oct的無創(chuàng)性、高分辨率、快速成像以及血流成像的特點，對組織內(nèi)部血流進(jìn)行成像分析。

oct-a算法：在同一個位置連續(xù)掃描多幀圖像，由于血流部分幀間具有流動信息差異，非血管組織則是相對靜止的，通過計算幀間差異可以算出血流信息。

oct設(shè)備探頭1：對手指部位進(jìn)行光學(xué)掃描。

連續(xù)成像3：oct通過一段時間和橫向掃面，連續(xù)生成多幅圖像的數(shù)據(jù)。

oct-a算法分析5：對采集傳輸?shù)缴衔粰C(jī)的序列圖像進(jìn)行oct造影處理，生成血流影像。

青光眼及糖尿病或微循環(huán)系統(tǒng)病灶與甲壁血流關(guān)系7：該算法會評估血流速、血流灌注圖以及相關(guān)的其它參數(shù)。

綜合圖像分析：該模塊將會對oct-a甲壁血流成像圖像和病灶關(guān)系進(jìn)行綜合分析。

所述的算法分析，是指利用獲取的圖像結(jié)合大夫診斷經(jīng)驗得出病情分析結(jié)果?；蛘呃蒙窠?jīng)網(wǎng)絡(luò)算法建立病灶數(shù)據(jù)庫，基于神經(jīng)網(wǎng)絡(luò)對特征病例圖像進(jìn)行識別。

青光眼及糖尿病或微循環(huán)系統(tǒng)病灶癥狀9：針對采集的圖像數(shù)據(jù)分析的結(jié)果和青光眼及糖尿病或微循環(huán)系統(tǒng)等病灶可能導(dǎo)致的甲壁血管血流的特征變化，得出青光眼及糖尿病或微循環(huán)系統(tǒng)病灶的詳細(xì)癥狀。

該實施例的流程如圖1和圖2所示可以描述為：

利用ss-oct(掃頻oct)或者sd-oct（光譜域oct）進(jìn)行探測手指甲壁組織，然后探測到的信號回傳到上位機(jī)進(jìn)行實時成像顯示。然后利用oct的橫向掃描功能對oct進(jìn)行掃描一段距離，在此掃描的距離和時間內(nèi)，連續(xù)采集多幅圖像。把采集的圖像數(shù)據(jù)傳到上位機(jī)進(jìn)行oct-a的算法分析，生成甲壁血流的圖像分布圖。然后利用青光眼及糖尿病或微循環(huán)系統(tǒng)癥狀與oct-a血流分布圖之間的關(guān)系算法對甲壁血流oct-a的血流分布圖像進(jìn)行分析，最終得到青光眼及糖尿病或微循環(huán)系統(tǒng)的癥狀診斷。

二．實施方式二

請參閱圖4，本部分包括led相干激光10，手指甲壁部位11，連續(xù)成像12，傳回上位機(jī)13，laserspeckle算法分析14，甲壁血流成像2（15），青光眼與甲壁血流關(guān)系算法16，綜合圖像分析17，青光眼及糖尿病或微循環(huán)系統(tǒng)病灶癥狀9。

本實施例提供基于laserspeckle成像的甲壁血流成像分析判斷青光眼及糖尿病病灶癥狀的方法。激光光斑分析血流成像方法是一個較為成熟的技術(shù)，該技術(shù)已經(jīng)應(yīng)用在腦皮層等血流灌注成像等應(yīng)用中。

利用一幀散斑圖像，在n*n（n為自然數(shù)）空間滑動窗內(nèi)計算其襯比值，并賦值于中心像素，當(dāng)滑動窗計算整幅圖像，則達(dá)到對應(yīng)的空間襯比圖。

利用多幀圖像同一位置的像素灰度值計算襯比并將其賦值于相同位置像素，則得到對應(yīng)的時間襯比圖。本實施例是結(jié)合空間和時間襯比度兩種方法的優(yōu)勢。

led激光10：可以是led類型的相干激光，或者其它相干激光。

連續(xù)成像12：相干激光照射到甲壁部位，反射回來的散射光通過照相機(jī)記錄生成廣版圖像。通過控制照相機(jī)快門進(jìn)行間斷的曝光操作，獲取一系列的光斑圖像。

laserspeckle算法分析14：針對獲取的一系列光斑圖像，利用laserspeckle血流成像分析方法，獲取甲壁血流分布圖像。

本實施例的流程如圖3和圖4所示控制為：

led激光光源照射到甲壁部位，激光穿透甲壁和血管壁，打入到紅細(xì)胞并反射回來。反射回來的散射光，被照相機(jī)記錄生成光斑圖像。通過控制照相機(jī)的曝光時間，進(jìn)行連續(xù)的成像，采集序列圖像。序列圖像通過laserspeckle血流成像分析，生成甲壁血流成像。然后利用青光眼及糖尿病或微循環(huán)系統(tǒng)與血流成像的相關(guān)分析算法，結(jié)合甲壁血流成像圖像，完成對癥狀診斷。

三．實施方式三

請參閱圖8，本部分包括：醫(yī)用顯微鏡18，甲壁部位19，觀察血流影像20，獲取顯微鏡圖像21，青光眼及糖尿病或其它微循環(huán)系統(tǒng)疾病與甲壁血流關(guān)系16，綜合圖像分析17，青光眼及糖尿病或其它微循環(huán)系統(tǒng)病灶癥狀9。

本實施例提供醫(yī)用顯微鏡成像的甲壁血流成像檢測對青光眼及糖尿病或微循環(huán)系統(tǒng)癥狀的識別。醫(yī)用顯微鏡具有分辨率高，成像清晰等特點。

醫(yī)用顯微鏡18：專門定制用于觀察甲壁血流信息的顯微鏡。

觀察血流影像20:甲壁與顯微鏡放置合適的相對距離和位置，利用燈光調(diào)節(jié)和物鏡目鏡配合，同時調(diào)節(jié)電子屏幕，直到顯示較為清晰的圖像為準(zhǔn)。

獲取顯微鏡圖像21：對展現(xiàn)的較為理想的影像，利用拍照或者電子導(dǎo)出的模式，進(jìn)行圖像保存用來進(jìn)行后續(xù)分析。

綜合圖像分析17：該算法將結(jié)合顯微鏡成像特點，對青光眼或糖尿病或微循環(huán)系統(tǒng)與甲壁血流關(guān)系進(jìn)行相應(yīng)分析得出結(jié)果。

本實施例的流程如圖5和圖6所示控制為：

選取待檢測患者甲壁，利用醫(yī)用顯微鏡設(shè)置甲壁樣本與顯微鏡距離和合適的通光條件，觀察顯微鏡下血流信息，結(jié)合電子導(dǎo)出或者拍照模式，存儲所需血流圖像。利用圖像血流判斷分析青光眼或者糖尿病或微循環(huán)系統(tǒng)癥狀的診斷。

四．實施方式四

請參閱圖8，本部分包括：激光脈沖信號21，甲壁部位22，超聲探頭檢測23，聲電信號轉(zhuǎn)換24，光聲圖像重建25，血流圖像和青光眼或糖尿病或微循環(huán)系統(tǒng)關(guān)系26，綜合圖像分析27，青光眼或糖尿病癥狀28。

本實例提供基于光聲成像的甲壁血流成像檢測對青光眼及糖尿病或微循環(huán)系統(tǒng)等癥狀的識別。光聲成像具有斷層成像和成像分辨率高的特點，并且具有較深的穿透深度。光聲成像可檢測血氧含量的方法，檢測血流信息。

激光脈沖信號21：提供激光信息脈沖信號，對受體甲壁組織進(jìn)行照射激發(fā)。

超聲探頭檢測23：激光打入甲壁組織受體之后，受體組織經(jīng)過光激發(fā)，產(chǎn)生高頻超聲信號信息。利用專門定制的超聲探頭去接受檢測聲信號。

聲電信號轉(zhuǎn)換24：對超聲探頭接收到的聲音信號，通過換能器，把聲信號轉(zhuǎn)為電信號。

光聲圖像重建25：針對獲取的電信號，通過強(qiáng)度轉(zhuǎn)換和功率譜轉(zhuǎn)換把電信號數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)。

本實施方式的流程控制為：

利用激光脈沖信號照射到甲壁組織部位，同時超聲探頭接收受體受激光激發(fā)產(chǎn)生的超聲信號，然后通過換能器轉(zhuǎn)換為電信號，利用專門的信號轉(zhuǎn)換電路和強(qiáng)度轉(zhuǎn)換以及功率譜計算方法生成基于血氧血流圖像信息。結(jié)合血流圖像特征信息和青光眼或糖尿病或微循環(huán)系統(tǒng)等癥狀相關(guān)性，進(jìn)行分析以輔助醫(yī)生判斷青光眼或糖尿病或其它微循環(huán)系統(tǒng)等癥狀。