專利名稱：：利用自動圖像分析測試機能微循環(huán)幾何結(jié)構(gòu)和速度分布的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及分析微脈管視頻的方法。更具體地，本發(fā)明涉及測量機能樣支循環(huán)幾何結(jié)構(gòu)和血液速度分布。
背景技術(shù)：
：顯微鏡檢查是使用活體顯微鏡對微脈管床成像的技術(shù)。長時間以來，其為研究易進入組織(例如，皮膚或指甲下方的毛細管床)的微循環(huán)的唯一可用技術(shù)。然而，基于顯微鏡的結(jié)構(gòu)使毛細管顯樣i鏡檢查系統(tǒng)不能進入深處的組織。最近的研究描述了正交偏振光i普(OrthogonalPolarizationSpectral,OPS)成像[3，4,18,20,23,25,30]或測流暗牙見野(Side-streamDarkField,SDF)成像[13]。這些技術(shù)基本上是具有改進的目標照射的手持式顯微鏡，從而其獲得的對比度比毛細管顯農(nóng)吏鏡檢查系統(tǒng)獲得的對比度更高[23]。這些系統(tǒng)的另一優(yōu)點在于長的探針，其使得尖端可達活體顯微鏡不能到達的器官表面。OPS成像系統(tǒng)已被證明在研究例如人體曱皺[23]、敗血癥[30]期間的舌下組織[20]、動脈瘤手術(shù)[25]期間的腦組織、鼠結(jié)腸[3]、鼠皮瓣[18]和倉鼠皮瓣[10]的微循環(huán)中具有價值。一些OPS研究者使用半定量方式的分析，其中將血流(沒有流動、間歇流動、緩慢流動、持續(xù)流動)記為[4，30]三個脈管類型小(10-25|Lim)、中(25-50,)和大(50-100,)。除了用于描述微循環(huán)的定量幾何參數(shù)之外，越來越關(guān)注微循環(huán)血14,19,20]?？臻g相關(guān)技術(shù)[20]從參考幀中選擇片段并在接下來的幀中跟蹤該片段。在微循環(huán)中，這種片段經(jīng)受形態(tài)改變。這是由于脈管壁附近的細胞以低于中心處的細胞的速度移動、并且例如由于脈管曲率而觀察到徑向運動和垂直于焦平面的運動而造成的。光流技術(shù)[12]依賴于可追蹤對象的強度隨時間變化保持恒定的事實。細胞或細胞群也在垂直于焦平面的方向移動。這使得對象的強度在其它細胞重疊時會及時改變，從而不滿足持續(xù)對象強度的約束。使用各向異性擴散濾波可克服這一問題，但需要存在相對大的等離子體間隙以4企測大的紅血球栓。用于速度估計的時空圖[14]已在微循環(huán)的許多研究中[7,15,16,17:19,23,32]使用。這些圖繪制了直脈管段隨時間變化的縱向強度曲線。時空圖的對角帶表示穿過脈管移動的對象。當(dāng)?shù)入x子體間隙或白血球通過脈管時觀察到亮帶，而暗帶則表示存在紅血球。該才支術(shù)的一大優(yōu)勢在于其包括了用于速度估計的全部可用的空間和時間凄t據(jù)，并且研究者從時空圖中出現(xiàn)的線接收流動類型的即時光學(xué)反饋。Klyscz和coworkers[17]描述了展示量化分析微脈管視頻的技術(shù)的計算機程序。用屏幕上測徑器確定局部脈管寬度，用允許交互追蹤脈管的制圖工具獲得脈管長度。其提供了機能毛細管密度(FCD)，該密度定義為脈管總長度(L)(由用戶追蹤得到)與感興趣的圖像面積(A)的比值。其還利用時空圖[14，17,19]估計血流速度。該方法要求用戶在脈管的中心線處繪制直線。該直線指示獲取圖像數(shù)據(jù)以生成時空圖的位置。盡管該圖在其區(qū)域內(nèi)是唯一的，但其需要大量的用戶交互，從而增加了觀察者偏差并使分析耗時。
發(fā)明內(nèi)容本發(fā)明的目的在于提供分析微脈管視頻以確定血流速度的方法，該方法需要較少的用戶交互并減小了觀察者偏差。該目的通過^是供分析孩i脈管視頻以確定血流速度的方法而實現(xiàn)，該方法包括接收微脈管視頻圖像序列，每個視頻圖像均顯示脈管結(jié)構(gòu)；在脈管結(jié)構(gòu)中識別脈管中心線像素；通過對中心線像素分組而定義脈管段；為每個脈管段自動生成時空圖，該時空圖在與每個脈管段相關(guān)聯(lián)的中心線像素處生成；6利用時空圖自動估計每個脈管段中的血流速度。根據(jù)本發(fā)明的一個方面，提供了一種計算機程序產(chǎn)品，其被^沒置為在加載到計算機上時使計算機能夠執(zhí)行上述方法。根據(jù)本發(fā)明的另一方面，提供了包括這種計算機程序產(chǎn)品的數(shù)據(jù)載體。下面參照附圖利用大量示例性實施方式對本發(fā)明進行更詳細的描述。圖1A和1B示出了指示根據(jù)本發(fā)明實施方式的處理步驟的流程圖2示出了預(yù)定的捕獲區(qū)域，在該區(qū)域中搜尋下一中心線像素；圖3A示出了正交像素柵格中描述實際脈管中心線的假想線；圖3B和3C示出了局部^^管方向p的兩個實例；圖4A示出了原始的脈管圖像；圖4B示出了圖4A的脈管的拉直版本(中心線在每個水平線的中途)；圖4C示出了圖4A的原始圖像中的中心線以及脈管壁檢測的早期結(jié)果(示出了脈管壁被誤解的位置)；圖4D示出了填充間隙和平滑脈管壁的結(jié)果；圖5示出了時空圖的實例；圖6A示出了彎曲的段中的中心線的一部分的實例；圖6B示出了由于脈管方向改變導(dǎo)致的時空圖中的方向(即，速度方向)的可能的錯誤改變；圖7A是在一個灰度級得到的、作為p和p的函數(shù)的霍夫計數(shù)的圖示；圖7B是至少為圖7A的最大值的90%的單元的霍夫計數(shù)的圖示；圖7C是圖7B中的霍夫計數(shù)在顯示全部灰度級(或選定灰度級)的總和的圖示；圖8A是作為p的函數(shù)的霍夫計數(shù)的圖示；7圖8B是顯示p的定義的相應(yīng)時空圖9示出了不同方向的模擬脈管的平均長度估計相對于實際脈管長度和寬度(以像素為單位)的誤差，誤差條指示由脈管方向引起的誤差；圖IO示出了具有/=100像素且『0。的模擬脈管在不同的分析尺度(a)下長度估計誤差；圖11示出了不同分析尺度下的厚度估計誤差(尺度為sigma=3.0)的圖示；圖IIB示出了不同方向的模擬脈管的平均厚度估計相對于實際脈管厚度的誤差的圖示；圖12A示出了速度增加的十一個時空圖12B示出了利用結(jié)構(gòu)張量、灰度級霍夫變換和交互地追蹤圖12A的時空圖中的五條線進行速度估計的精度的圖示；圖12C示出了交互估計的速度誤差的圖示，其中實線表示平均速度誤差，虛線表示伴隨的速度誤差范圍；圖13A示出了健康男性個體的舌下視頻序列的平均幀；圖13B示出了疊加有分析結(jié)果的圖13A的圖像；圖14A示出了健康男性個體的機能微循環(huán)密度分布；圖14B示出了健康男性個體的速度分布的圖示；均幀；圖15B示出了與圖15A相同的數(shù)據(jù)，但其疊加有分析結(jié)果；圖15C示出了在脫位過程中獲得的幀的平均；圖15D顯示了疊加在圖15C上的分析結(jié)果；圖16示出了由圖15A中的箭頭標記的小靜脈的時空圖17A示出了心臟脫位之前和之中的機能孩"盾環(huán)密度分布；以及圖17B示出了心臟脫位之前和之中的速度分布的圖示。具體實施例方式利用當(dāng)前可用的成像4支術(shù)(例如，毛細管顯孩i鏡4企查、OPS或SDF成像)，在存在包含血紅蛋白的紅血球的情況下^f又觀察到"脈管，，，與背景介質(zhì)不同，血紅蛋白高度吸收入射波長。在不存在紅血球的情況下，毛細管本身基本是這些成像技術(shù)不可見的。微循環(huán)的視頻僅顯示出由脈管壁描繪并因此被稱為"脈管，，的紅血球栓。利用時空圖的脈管分段和血流速度估計需要多個圖像處理步驟。圖1A和1B示出了根據(jù)本發(fā)明實施方式的處理步驟的流程圖。這些處理步驟可由配置為執(zhí)行這些處理步驟中的一個或多個的計算機執(zhí)4亍。在第一步驟2中，從成像系統(tǒng)接收微循環(huán)視頻序列。在產(chǎn)生該—見頻序列時，輕微的尖端移動與手持式微脈管的高效光學(xué)放大相結(jié)合可導(dǎo)致圖像間移動(inter-imagetranslation)。該圖像內(nèi)移動會妨礙速度測量，并且，根據(jù)一個實施方式，利用2D互相關(guān)(見Altman[2])在圖像登記步驟4對圖像內(nèi)移動進行補償。在圖像登記步驟4，可通過兩個方式加強圖像對比度。其一，可通過減去與圖像最佳匹配的二次多項式表面并加上原始圖像的平均圖像強度，來減小每一幀的背景中的強度變化；其二，可通過利用通常所說的傳遞函數(shù)以Pries[26]描述的方式將輸入圖像的每個灰度級映射到輸出圖像的灰度級，來操作圖像灰度級直方圖(8比特范圍)，從而實現(xiàn)對比度增強。在接下來的步驟6，對圖像幀進行時間平均，以填補由于等離子體間隙或白血球的存在而導(dǎo)致的毛細管中斷。該平均使得毛細管將被檢測為整體，而不管中斷的細胞流。該平均還減小了噪聲的作用，這對于分段處理是有益的。在下一步驟8中，如Steger[31]所描述地，對預(yù)處理的圖<象進行中心線檢測。該方法是基于計算海賽(Hessian)矩陣的本征向量，并得到指向最大表面曲率方向(即，垂直于^^管方向)的向量[29]以及正交方向(即，脈管方向)的向量。如果由本征值;i"表示的、方向n上的表面曲率明顯高于由;i,表示的垂直方向t(沿脈管的切向)上的表面曲率，圖像像素則被認為是候選的中心線像素。通過評估|;g/(|;y+|Ai:^&&,對該條件進行測試，其中&&是給定的閾值(表i)。如果交叉強度曲線(即，方向n上的強度曲線)為其極值[31],候選像素則實際上記為中心線像素。中心線檢測得到二進制圖像，其中中心線像素被設(shè)置為1。在步9驟10，將各中心線像素連接為線段，用于確定脈管長度。由于可參考"脈管"而不是像素，因而減輕了用戶交互。脈管方向影響每個像素的長度貢獻。該方向由海賽分析得到，并在步驟12中用于計算每個像素的長度貢獻和包括大量像素的脈管段的總長度。在下一步驟14，對每個中心線像素檢測脈管壁，并將檢測到的脈管壁用點標記，其中交叉強度曲線顯示其最大陡度。這提供了對局部脈管厚度和平均脈管厚度的估計。如果微循環(huán)圖像是未聚焦的，圖像則出現(xiàn)模糊并從而對小脈管中的脈管厚度過度估計。因此，在步驟16中，將未聚焦的脈管排除。在一個實施方式中，使用脈管的全部邊緣點處的平均梯度量來確定每個脈管的聚焦分數(shù)F。通過將該聚焦分數(shù)相對于每個邊緣像素局部(200像素x200像素)的背景強度標準化，使得該聚焦分數(shù)對背景變化較不敏感。該聚焦分數(shù)在[6]中定義。在一個實施方式中，用戶能夠僅計入具有超出給定限制的聚焦分數(shù)的脈管。血流在分叉處分流為新的支^各，這使血流速度改變。為了精確估計血流速度，需要根據(jù)由分叉描繪的像素確定時空圖。在步驟18，通過確定當(dāng)前脈管的端部和相鄰脈管的壁之間的距離，自動執(zhí)行在分叉處切割脈管的處理。如果該距離小于^x相鄰脈管厚度，則在最接近當(dāng)前脈管端部的點處將相鄰脈管切割為二。S/4X因子(即，1乂2X相鄰脈管的半徑)允許切割接近相同交叉點的脈管段，但防止了由鄰近的脈管(例如，平行的脈管)產(chǎn)生的切割。對全部可用的脈管段均執(zhí)行步驟18。在步驟20，用戶能夠通過刪除、切割或連接脈管段而與中間結(jié)果進行交互?？赏ㄟ^以可選的纟企測尺度進行的局部分析將未纟全測到的脈管段"交互地"添加。大尺度分析集中于大的結(jié)構(gòu)細節(jié)，而小尺度則集中于小的結(jié)構(gòu)。交互分析包括與自動分析相同的分析技術(shù)，但是，其以可選擇的尺度進行并且在由用戶識別的局部區(qū)域中進行。分析區(qū)域基于包圍用戶追蹤線的端坐標的矩形。該區(qū)域被稍微放大，以將希望的目標脈管檢測為整體。通常在這種矩形區(qū)域中會發(fā)現(xiàn)許多脈管段，但僅選擇與用戶追蹤線最佳匹配的一個脈管段。接下來，對于每個脈管段，在步驟22估計血流速度。最終結(jié)果由報告生成器顯示，示出脈管密度和速度分布，見步驟24。利用圖1B更詳細地解釋步驟22。圖1B示出了計算脈管中的速度所采用的步驟的流程圖。對于感興趣區(qū)域內(nèi)的每個脈管段，重復(fù)圖1B的步驟。根據(jù)一個實施方式，在每個脈管的中心線處自動獲取時空圖，見圖1B的步驟26。在步驟28,對時空圖中的脈管曲率進行校正。在步驟30，利用圖像直方圖均衡，例如見[27]，自動改善時空圖中的線結(jié)構(gòu)的可見性。在步驟32，通過估計時空圖中的線的方向，計算血流速度?，F(xiàn)今，線的方向是通過在時空圖中交互地對線進行追蹤或通過利用相關(guān)技術(shù)[17]而實現(xiàn)的。根據(jù)本發(fā)明的一個實施方式，通過利用通常所說的結(jié)構(gòu)張量自動計算線的方向。在另一實施方式中，通過利用灰度級霍夫(Hough)變換進行該估計。自動估計的優(yōu)勢在于，在該步驟中不需要用戶交互來追蹤時空圖中的線。在圖1B所示的下一步驟34中，用戶可接受或拒絕自動或交互速度分析的結(jié)果(驗證)。最后，將時空圖中的結(jié)構(gòu)方向轉(zhuǎn)換為每個脈管段中的實際速度值。下面，更詳細地解釋上述某些方面。本申請中描述的分析算法的性能依賴于表1中列出的大量參數(shù)。脈管分段上述步驟8的中心線檢測需要確定圖像導(dǎo)數(shù)。如果將這些圖像導(dǎo)數(shù)計算為相鄰像素之間的差異，其對噪聲是非常敏感的。因此，在一個實施方式中，使用高斯導(dǎo)數(shù)，其包括高斯核的工作距離內(nèi)的圖像數(shù)據(jù)。通過將圖像與相應(yīng)的高斯導(dǎo)數(shù)巻積，獲得以上使用的導(dǎo)數(shù)的高斯分量<formula>formulaseeoriginaldocumentpage11</formula>將高斯濾波的標準偏差a用作尺度參數(shù)。以更大的尺度參數(shù)進行分析增加了分析的空間范圍，并聚焦于更大的圖像特征。尺度參數(shù)O"用于中心線檢測。其它與距離相關(guān)的分析參數(shù)基于表1所示的尺度參數(shù)。摔^心錄^》遂^脈l"度步驟10中對中心線像素的分組需要將可能屬于相同脈管段的像素連接起來。由于噪聲而存在的像素、或者交叉或平行延伸的脈管的像素被分配給其它的脈管段。海賽分析提供每個中心線像素X處的切向向量t和法向向量n，見[31]。該連接從具有最大曲率(最大二階導(dǎo)數(shù)A)的中心線像素處開始。由于脈管可在像素的兩側(cè)擴張，因此，以當(dāng)前^f象素x作為參考，在兩個相反方向(朝t或-t)繼續(xù)追蹤相鄰的像素。該方法在預(yù)定的捕獲區(qū)域內(nèi)搜索下一個像素p=(A，A)，該捕獲區(qū)域最好由三角形描繪，該三角形由張角o^給定搜索范圍(rW(W)內(nèi)距離為r處的中垂線(朝向n)限定，該三角形的平分線指向切向向量t,如圖2所示。候選像素p如下計算p=x+rt+/n(/=0,±1,±2,…，±w;r=1,2，…，rmax)(2a)w"tan*(2b)可使用多個條件在屬于相同或不同脈管段的中心線像素之間求導(dǎo)[29,31]。下面列出其中的兩個條件1)由于脈管中心線的方向在從一個像素到另一像素時不會突然改變，因此在候選像素位置處的切向向量t應(yīng)該與參考像素(x)的切向向量類似。如果兩個切向向量的內(nèi)積(c7)較大，則滿足該條件。2)候選像素應(yīng)和參考像素屬于相同的脈管，而不應(yīng)屬于與之平行延伸的脈管。通過評估參考像素的切向向量與參考向量到候選向量的距離向量的內(nèi)積(c2)，對該條件進行測試。將距離參考向量最近(最小的r)且具有最大c7+c2值的候選向量，如[31],接受為脈管段中的下一個中心線像素。通過線性內(nèi)插獲得參考像素與最佳相鄰像素之間丟失的像素。重復(fù)上述處理，從而對12仍然保持在其它脈管段中的全部各中心線像素進行分組。每個中心線像素均對總脈管段長度具有貢獻。中心線檢測處理的有利性質(zhì)在于，其對線產(chǎn)生單一的響應(yīng)[31]。中心線像素可由圖像噪聲而得到，尤其是當(dāng)以小尺度檢測脈管時。因為由于噪聲的存在而存在的脈管段通常非常小，因此將具有有限長度G她)的全部段均去除。涿管長^估^，^^/的步嚴"2脈管方向影響每個像素的長度貢獻。因此，在估計脈管長度時，包括了局部脈管方向。圖3A在正交像素柵格中示出了假想線(虛線)。虛線中心線由最佳描述實際脈管中心線的像素(正方形)表示。實線段示出了每個像素的長度貢獻，其和構(gòu)成總的脈管長度。在圖3B中，示出了局部方向p的兩個實例。局部方向p由從海賽分析[31]得到的切向向量(t)導(dǎo)出。在p已知時，可計算出像素-長度貢獻」/。如果主方向(principledirection)是x方向，即p^45。，且Jx等于一個像素在水平方向上的長度貢獻，那么，j/=zk/Ow(。否則，zi/=4y/^w(V,其中」y表示一個像素在垂直方向上的長度貢獻?，F(xiàn)在參照圖4A、4B、4C和4D,討論檢測單一脈管的壁的實施例。圖4A示出了原始脈管圖像。圖4B顯示了和圖4A相同的圖像，但通過二次抽樣將該圖像在法向拉直。中心線位于每個水平圖像線的中途。圖4C將早期脈管壁檢測的結(jié)果疊加在圖4A的原始圖像上。圖4D示出了脈管壁檢測的最終結(jié)果。利用每個中心線像素處的切向向量t和法向向量n，可通過在垂直于切向向量t的方向在子像素級(通過線性內(nèi)插)對圖像進行采樣，來確定截面強度曲線。對每個中心線像素重復(fù)該過程，以獲得拉直的脈管(見圖4B所示的實例)。如果等離子體間隙或白血球妨礙了紅血球的持續(xù)流動，在拉直的脈管中則可出現(xiàn)間隙。為此，使用各向異性擴散內(nèi)核[ll]，其具有主要在圖4B的垂直方向(o"。^g)上延伸的高斯響應(yīng)。其有效地將中斷閉合，并將脈管^^測為整體。在水平方向，將高斯濾波內(nèi)核的一階導(dǎo)數(shù)用作最大梯度檢測器，其在橫向(O"，m)具有小的范圍以保持良好定位的邊緣^T測[5]。與邊緣檢測內(nèi)核的巻積可使脈管厚度估計具有偏差，尤其是對于小脈管。濾波器自身的脈沖響應(yīng)在x=±crOT處顯示出最高梯度(G'=0))。因此，脈管被檢測為至少具有2o"c騰個像素的寬度。在出現(xiàn)大的等離子體間隙的情況下，或者當(dāng)脈管臨時移出焦平面從而減小了與噪聲比的對比度時，在例如分叉點處，邊緣點不能被正確地檢測，見圖4C。當(dāng)具有更高強度梯度的脈管平行延伸、或當(dāng)脈管部分重合時，邊緣點也可能被誤解。被誤解的邊緣點(偽像)基本上偏離其到中心線的平均距離。通過在每個重復(fù)過程中將超出平均距離兩個標準偏差的最遠邊緣點去除，將該性質(zhì)用于重復(fù)地去除偽像。重復(fù)該過程，直到全部剩余的距離采樣均為與平均距離的偏離在兩個標準偏離之內(nèi)。得到的平均距離被分配至所有的偽像位置。最后，執(zhí)行高斯濾波(CT喊e)以平滑從一個脈管端到另一脈管端之間的邊緣-中心線距離，如圖4D所示。對相對的脈管壁重復(fù)上述處理，并生成對局部和平均脈管厚度的估計。速度估計在一個實施方式中，根據(jù)時空圖估計血流速度，該時空圖是通過繪制中心線強度隨時間t的變化而自動創(chuàng)建的，如圖5所示。時空圖中的線的斜率(3是血流速度的測量，其計算為v=Ay/"=tan"，其中A是時間段A內(nèi)的位移。與最小毛細管中的血流不同，較厚脈管中的空間速度曲線將不相同，并且類似于Poiseuille拋物線流，其中，速度在脈管中心線處具有最大值，而在脈管壁處為零。在這種脈管類型中，通常將中心線處或其附近的速度用作速度指示[7,17，19,20,23,32]。現(xiàn)今，經(jīng)常交互地估計線結(jié)構(gòu)的方向，例如，通過交互地追蹤時空圖中的線和通過計算平均方向。根據(jù)本發(fā)明，提供了一種自動確定時空圖中的線的方向估計的方法。14時空圖的時間軸是幀間隔的倍數(shù)，其在CCD相機中是非常精確的。另一方面，空間軸不是均勻分布的，因為每個像素的長度貢獻(J/,)依賴于局部脈管方向。圖6A和6B示出了這一問題。如果暗對象移動穿過在水平和垂直方向等間距的像素柵格上的彎曲的脈管(圖6A)，那么，該對象在水平截面(」/5)穿過相同數(shù)量的像素比在對角截面U/J穿過相同數(shù)量的像素快倍。如果時空圖的空間軸僅為中心線像素的堆疊，那么，當(dāng)脈管方向改變時，速度線將向不同的方向彎曲(圖6),從而錯誤地暗示速度改變。通過利用線性內(nèi)插將隨機間隔的中心線像素映射到時空圖的等距間隔，可避免該偏轉(zhuǎn)誤差(deflectionerror)。在一個實施方式中，距離采樣的數(shù)量等于描繪脈管的中心線像素的數(shù)量。工W^潛溝/步量的《動遽^估^在一個實施方式中，通過用結(jié)構(gòu)張量估計線的方向，根據(jù)時自動計算血流速度。令/(^)表示2D線結(jié)構(gòu)圖像，x=^，"。若u-(Co^i8」，^n(75」)T為指向線結(jié)構(gòu)方向"的單位向量，則/(^x+u」/fV。在垂直于u的方向，即，梯度方向盯，強度的變化最大。因此，通過下式局部地得到方向u:n.V/=0(3)可通過使E最小化來估計平均方向，該E值為時空圖中的全部像素根據(jù)式(3)得到的偏離的平方和，該E值由下式得到<formula>formulaseeoriginaldocumentpage15</formula>最佳方向通過對—式求解得到<formula>formulaseeoriginaldocumentpage15</formula>其中，J是包含高斯圖像導(dǎo)數(shù)的(尺度為r)的結(jié)構(gòu)張量?？梢?，最小化問題等價于本征值問題Ju^義u,例如見[14]。具有最小本征值的本征向量產(chǎn)生線的方向。該方法的優(yōu)勢在于，得到提供其法向的本征向量的本征值，當(dāng)線在單一方向上出現(xiàn)時，則；i"〉o且;i產(chǎn)o。如果觀察到多個方向，則；u〉;u〉0。最后，如果難以發(fā)現(xiàn)優(yōu)勢方向，則義;1產(chǎn)0。如果i;y/(i;y+i;y)〉A(chǔ)^這些性質(zhì)則用于接受自動方向估計，并因而接受速度估計。時空圖有時會顯示與全局線結(jié)構(gòu)相比具有不同方向的小的線偽度采樣而導(dǎo)致的。這種小的線偽像可對平均線結(jié)構(gòu)具有大的貢獻，并且不集中于感興趣的全局線結(jié)構(gòu)?；舴蜃儞Q[9]提供了一種方式以在時空圖中計入線的長度，并能排除小的線偽像?；舴蜃儞Q基本上是點-曲線的變換，其檢測圖像中直線的參數(shù)。該技術(shù)考慮了線的極坐標表示;0=Co，+兀.5Vwp(6)其中，(x,,乂)是每個線像素在時空圖中的坐標，p是從原點開始并垂直于該線的向量的方向，；O是該向量的長度，該長度等于到原點的線距離。每個線像素均映射到參數(shù)空間的正弦曲線p(V,參數(shù)空間的離散圖像由累加器單元77(>，/^構(gòu)成，并且對通過該單元的每個正弦曲線遞增。通過將時空圖中的全部線像素均轉(zhuǎn)換為正弦曲線，將累加器單元加到線長度(L，像素單位)上。因此，累加器單元生成線的特征參數(shù)(仍A丄)。通過將時空圖作為輸入圖像，希望在指定方向(p)對距離原點不同距離(p)處的多個線具有高響應(yīng)。上述的傳統(tǒng)霍夫變換需要時空圖的二進制圖像，該圖像可通過例如閾值設(shè)定或線檢測而獲得。由于時空圖的有限的圖像質(zhì)量，這些技術(shù)難以揭示線結(jié)構(gòu)，并會使霍夫變換提供不精確的結(jié)果。通過為每個灰度級考慮二進制圖像[21](如果該灰度級存在則將像素設(shè)為"1",否則將像素設(shè)為"0"),包含了更多的信息，該圖像識別其自身的線集從而在霍夫空間中顯示其特征峰值。通過對每個灰度級重復(fù)霍夫變換，全部像素和灰度級都包含在變換中并能對響應(yīng)進行累加。對于每個灰度級霍夫變換，見圖7A，維持至少為最大值90%的累加器單元，而將其它均設(shè)為零。該結(jié)果如圖7B所示。這僅包括了每個灰度級的最長的線，并丟棄了小的偽像。然后，通過求和將"每個灰度級"的累加器圖像相結(jié)合，并產(chǎn)生"長線"霍夫空間，如圖7C所示。由于僅對全局方向感興趣，因此確定具有相同方向(但表示與原點相距不同的線距離)的累加器單元的總數(shù)量，從而得到每個方向的"分數(shù)"，如圖8A所示。最后，利用高斯濾波核(o>/)對該曲線進行平滑。濾波后的曲線的最高峰值表示速度估計范圍內(nèi)的速度(如下文所述)，提供對全局線方向的最佳估計，見圖8B，并代表不同灰度級的相同方向的長線。遽^估^態(tài)庫速度估計的物理上限依賴于脈管長度(丄，單位為pm)和幀頻(/)。根據(jù)慢采樣場景的速度測量可能受到混疊的影響。理論上，如果對象以恒定的速度移動并僅在兩個連續(xù)的幀可見，則可根據(jù)時空圖計算血流速度。然而，不可能確定地判斷出第一幀中的單元對象是否與第二幀中的單元對象相同。如果從其它視頻幀觀察到對象在連續(xù)幀之間以相當(dāng)恒定的位移移動，該對象"更可能"是同一對象。因此，選擇最少三個幀間隔來確定最大物理速度極限(Vmax):、通常，在時空圖中用水平線標記例如由于相交的脈管產(chǎn)生的固定位置處的暗點(見圖8A中^=^^°處的峰值)，或由垂直線標記例如由于照明變化而產(chǎn)生的暗點。因此，拒絕與如上所述的物理才及限以上或給定下限(v她)以下的速度相對應(yīng)的方向，并需要手動估計，即，通過交互地追蹤時空圖中的線。分布在脈管長度、脈管直徑和血流速度可得到的情況下，可生成這樣的分布，該分布顯示1)脈管類型在視圖方面的貢獻；以及2)在具有不同脈管直徑的脈管上血流速度是如何分布的。如果脈管段被認為是中心線像素的級聯(lián)，每個中心線像素則均對脈管長度提供貢獻，并提供局部脈管直徑。如果全部脈管段被鏈接為一個大的假想脈管，該脈管則將顯示由長度-厚度分布提供的厚度變化。該長度-厚度分布是通過將分布箱(distributionbin)上的每個中心線像素的直徑貢獻進行細分并將其長度作為加權(quán)因子而獲得的。以類似的方式對面積-厚度分布(密度分布)進行估計。在該過程中，脈管段被細分為片，每個片具有一個中心線像素。這種片的投影面積是依賴于方向的長度和局部^^管直徑的乘積。面積-厚度分布通過將厚度箱上的片的直徑貢獻細分并將投影面積用作加權(quán)因子而獲得。時空方法提供了對分配給每個中心線像素的每個脈管的血流速度的測量。通過在厚度箱上對每個片進行細分、并使用平均速度和片長度的乘積作為加權(quán)因子，確定速度-厚度分布。實驗發(fā)證為了驗證脈管長度和厚度確定的性能，創(chuàng)建模擬視頻(500x500像素)。每一幀包含具有高斯橫截面曲線(具有標準偏差O",)、長度不同(50、100、150、200和250個像素)的5條線。模擬的脈管的"壁"由具有最大梯度的點標記，即，位于土cr,處，>^而得到d=2o",，其中d為線厚度。線厚度在連續(xù)的幀中是改變的，其范圍為[l,20]像素，并以0.5個像素遞增。將背景強度和中心線強度設(shè)為200au和50au(au表示任意單位)。最后，添加高斯噪聲o^、,10au,其近似為典型SDF圖像的高斯噪聲的兩倍。通過包括具有[O，90]。范圍內(nèi)以15。遞增的不同線方向的幀，研究脈管方向的影響。創(chuàng)建另一才莫擬一見頻(250x250像素)用于-瞼證速度估計。每個視頻幀均用高斯截面強度曲線(a^,尸3像素)顯示包含為圓塊的"單元，，的模擬脈管。將這些單元(每個單元大約具有5個像素的脈管長度、背景強度為200au、中心強度為50au)繪制在隨機的位置處，但位于延伸至每幀邊緣的、IO個像素寬的假想脈管的邊界內(nèi)。通過繪制距離脈管壁的距離為o"ce〃的塊來界定假想脈管壁。再次將幅度為10au的高18斯噪聲添加至圖像。通過將單元移出脈管并將新的單元移到連續(xù)幀內(nèi)，對灌注進行模擬。在方向為0。、速度范圍為[2.5,2000]像素/秒(即，在25幀/秒的情況下為像素/幀)的脈管中測量交互自動速度估計的精度。首先通過交互地追蹤時空圖中多達5條可用的線來獲得速度結(jié)果。將交互獲得的速度結(jié)果用作參考，用于利用灰度級霍夫變換和結(jié)構(gòu)張量方法確定自動時空圖分析中的誤差。在自動分析過程中，與交互估計相比高達20%的速度誤差水平被接受。通過創(chuàng)建[O,90]。范圍內(nèi)以15。遞增的不同方向顯示脈管的類似才莫擬，以100像素/秒的適中速度測試旋轉(zhuǎn)相關(guān)性。在此實驗中，交互地確定速度。在分段和中心線4企測之前，每個速度段均覆蓋被首先平均的100幀。在驗證實驗中，估計的精度以像素/秒為單位，因此與光學(xué)放大率無關(guān)。舌下視頻記錄通過具有標準的5倍光學(xué)》文大的MicroScanSDF系統(tǒng)[13,22](荷蘭阿姆斯特丹市的MicroVisionMedical公司)而得到，該系統(tǒng)得到像素間隔大約為1.5xl.4fim(hxv)的微循環(huán)圖像。該硬件展現(xiàn)點傳播，該點傳播類似于在；c方向具有小于1.4像素、在y方向小于l.O像素的標準偏差的高斯分布。因此，直徑約為4-5|im的毛細管在標準MicroScan圖^^中大約為3-4^象素寬。舌下微循環(huán)通過外部頸動脈的舌動脈分支接收血液，其為中樞體循環(huán)的一部分。選擇健康的男性個體的舌下視頻記錄用于其高對比度的適中的血流速度，這允許我們評估自動分析時空圖的可行性。在用非體外循環(huán)冠狀動脈旁路移植術(shù)(OPCAB)進行了心臟搭橋手術(shù)的患者的心臟脫位時，獲得其它的舌下記錄。在OPCAB過程中，血紅蛋白濃度和血細胞比容不明顯變化。在心臟脫位時，平均動脈壓明顯降低(〈60mmHg)。該視頻序列選自一系列臨床實驗，因為其顯示了實際同一舌下位置在脫位過程之#和之哞的樣i循環(huán)。俯#炎算法被配置用于利用表1給定的設(shè)置對估計和臨床圖像序列進行分析。通過局部分析以可選的尺度(即，o=1.5、3.0、6.0或12.0個寸象素)"交互地"添加未^r測到的脈管段。<table>tableseeoriginaldocumentpage20</column></row><table><table>tableseeoriginaldocumentpage21</column></row><table>(*)對交互估計設(shè)置為2xcj(**)對交互設(shè)置為0表1用于自動微脈管分析的參數(shù)設(shè)置驗證實驗在d=l像素的兩種情況下，由于噪聲的存在而使脈管長度出現(xiàn)錯誤。在這種情況下，交互地對脈管進行調(diào)整。圖9示出了像素單元中觀察到的長度偏差。圖中的條示出了在不同方向獲得的平均長度確定。誤差條指示由于線方向和噪聲而產(chǎn)生的小的誤差范圍(平均小于±2%)。該圖示出了，長度估計的精度與線長度無關(guān)，但強烈依賴于模擬的脈管的厚度。長度估計還依賴于分析的尺度(cr)，如圖10所示。該圖示出了對/=100像素且『0。的模擬脈管的長度估計誤差。如圖所示，當(dāng)分析尺度較小(『1.5)時，脈管端部的誤差是有限的。然而，在小的尺度下，檢測對噪聲更敏感，且對寬度大于12個像素的脈管檢測到參差不齊的脈管壁。模擬視頻還用于在四個不同尺度(線檢測尺度0=1.5、3.0、6.0、12.0個像素，即，crw=0.5、1.0、2.0、4.0個像素)下進行脈管厚度驗證。在該實驗中，交互地選擇脈管段。將"平均"厚度用作厚度參數(shù)。通過包括具有[O,90]。范圍內(nèi)以15。遞增的不同脈管方向的幀，再次研究脈管方向的影響。圖IIA示出了小脈管的厚度被過度估計為具有增大的尺度。這是由濾波器自身的脈沖響應(yīng)引起的，該脈沖響應(yīng)使脈管被檢測為具有20"w或更寬的寬度，如"脈管壁檢測"部分中所討論的。因此，選擇與可用脈管類型一致的檢測尺度非常重要。圖llb進一步示出了使用默認的分析尺度(o=3)且邊緣檢測核o"c皿尸l時，模擬脈管的相對的厚度-估計誤差。條指示平均厚度，誤差條指示作為脈管方向和誤差的結(jié)果的范圍。厚度為[2xa，M,13]個像素范圍內(nèi)的脈管顯示高達1個像素的絕對厚度誤差，即，在每個壁的檢測中具有0.5個像素的誤差。對于寬度大于3個像素的脈管，該小誤差導(dǎo)致降至20%以下的相對誤差(圖IIB)。利用圖12a所示的時空圖，通過交互的自動方向估計對模擬視頻中的血流速度進行估計。如圖所示，在低速條件下該線結(jié)構(gòu)清楚可見，而在高速條件下圖像則變?yōu)橛性肼暤?。在該環(huán)境中約為2000像素/秒物理檢測極限附近，時空圖幾乎不能顯示線結(jié)構(gòu)。然而，對于該模擬視頻，在一些實踐之后仍然能用肉眼發(fā)現(xiàn)線方向。圖12b示出了利用以下三種方法獲得的速度估計中的偏差l)利用結(jié)構(gòu)張量；2)利用灰度級霍夫變換；3)通過交互地追蹤時空圖中的五條線。利用結(jié)構(gòu)張量的速度估計適用于速度高達100像素/秒的情況(誤差小于5%)。高速由時空圖中的局部偽像標記，這些偽像導(dǎo)致大的速度誤差(〉20%)。利用霍夫變換的方法適用于速度高達750像素/秒的情況(誤差小于5%)。在更高的速度(大于1250像素/秒)處，該方法則失效并會選擇通常導(dǎo)致大的速度誤差的可選方向。交互地追蹤時空圖中的線提供了最佳結(jié)果，并對高達該模擬實驗中可接受的物理速度極限2000像素/秒的情況都是可行的(誤差小于5%)。圖12C顯示了通過交互地追蹤時空圖中的任意五條線獲得的平均速度誤差()和速度誤差范圍(虛線)。對于高達1000像素/秒的速度，顯示了小于4%的相當(dāng)小的速度誤差。由于追蹤陡線段的不精確性，更高的速度顯示了更大的誤差。脈管旋轉(zhuǎn)的影響在交互和霍夫確定的速度估計的誤差上增加了多達1.1%(未示出)。利用結(jié)構(gòu)張量，由于旋轉(zhuǎn)而導(dǎo)致的的最大誤差為4.8%。臨床應(yīng)用趁嫌的個謬在對2秒時間間隔內(nèi)的幀進行平均之后，對健康個體的—見頻記錄進行分析，如圖13a所示。在圖13b中疊加了脈管分段的結(jié)果。在該實驗中，總脈管長度的31%需要手動交互。對該圖像中的脈管進行顏色編碼，并標記[5(紅色)，650(白色)]iiim范圍內(nèi)的血流速度。將具有由于圖像對比度不夠而不能被分析的時空圖的脈管分段和具有表現(xiàn)出大于物理極限(式7)的速度的線結(jié)構(gòu)的脈管分段標記為黑色。由于用于自動檢測的尺度，不對背景中的厚脈管自動分段。圖14a給出了機能微循環(huán)密度分布。如圖所示，大部分圖像區(qū)域由5-10ium范圍內(nèi)的毛細管占據(jù)?？偣矊?07個脈管分段進行了分析。在99個(48%)段中，時空圖未顯示可見的線結(jié)構(gòu)。在其它情況下，脈管段太短而不能允許式7界定的可用范圍內(nèi)的速度分析。其余108個(52%)脈管段的時空圖顯示了交互追蹤的線結(jié)構(gòu)。圖14b的速度分布顯示出，在給定厚度范圍^:6(^m下，血流速度處于相同的量級。然后對這108個脈管中的血流速度進行自動分析。利用灰度級霍夫變換，29個段(27%)落入了20%的誤差接受級別內(nèi)。在本實驗中，張量方法成功地分析了15個段。心虔應(yīng)位圖15A和15C顯示了在心臟脫位前和脫位中的、舌下浮見頻記錄中的250個幀(IO秒)的平均。右側(cè)的圖(圖15B和15D)示出了疊加有分析結(jié)果的相同的視頻數(shù)據(jù)。在這兩個實驗中，總脈管長度的95%(脫位前)和80%(脫位時)^皮自動分纟殳，其余脈管一皮交互地添加。圖16示出了由圖15A中的箭頭標記的脈管的時空圖，并示出了心臟脫位前和脫位時的區(qū)間。其清楚示出了血流速度在脫位過程中逐漸減小。在每個時空圖中對多達20條線進行追蹤，以獲得對每10秒?yún)^(qū)間內(nèi)的平均速度的印象。時空圖示出了脫位前44%的脈管分段的清楚的線結(jié)構(gòu)，以及脫位中48%的脈管分段的清楚的線結(jié)構(gòu)。這代表了兩種情況下大約75%的分段的脈管長度。再次如先前實驗中所述將圖15B和15d中的脈管顏色編碼。可清楚地看到，血流速度在心臟脫4立過程中減小。圖17B提供的速度分布顯示了在整個厚度范圍內(nèi)，平均血流速度減小為原始速度的大約三分之一。在脫位實施例中觀察到的由脈管占據(jù)的圖像區(qū)域由17.1%降至14.6%，減少了15%。通過研究圖15所示圖^f象，確認了這一發(fā)現(xiàn)。如圖所示，在心臟脫位過程中，某些小脈管是不可見的，即，紅血球缺乏或減少。如所期望的，除了45-50fim范圍內(nèi)的脈管之外，密度分布的形狀大致相同(見圖17A)。這可能由于脫位過程中觀察到的紅血球稍微減少以及分布的離散特性而造成，觀察到的紅血球的減小導(dǎo)致觀察到的脈管厚度減小。在單一厚脈管的分段可發(fā)現(xiàn)另一誤差源，該脈管從左下向上延伸且厚度處于可用范圍內(nèi)。該脈管被具有更高對比度的另一脈管重疊，妨礙了圖15b所示的厚脈管的分段。本發(fā)明提供了先進的圖像分析技術(shù)，其將單一尺度的自動分析與四個可選尺度(例如，o=1.5、3.0、6.0、12.0)中任意尺度的交互分析相結(jié)合。自由改變局部脈管分段的尺度增加了檢測范圍。長度驗證實驗示出了主要由于階梯邊緣脈管端部而引起的誤差，該階梯邊緣脈管端部不指示實際脈管并且在對實際微循環(huán)圖像進行分析之后不會被觀察到。考慮到實際脈管的長度(平均長度約為100像素)，模擬脈管的絕對長度誤差產(chǎn)生很小的相對誤差(對于寬度高達5像素的毛細管而言，該誤差小于5%)。長度估計還依賴于中心線敏感度參數(shù);w。減小闊值參數(shù)將增大線檢測敏感度，并導(dǎo)致對脈管長度的過度估計。當(dāng)脈管臨時移動到焦平面外時，這可為有利的。實驗顯示，長度估計還受到分析尺度、線檢測闞值和方向的影響。在將分析尺度設(shè)置為『1.5像素時，模擬毛細管脈管段長度(寬度高達15像素)被估計為5個像素。在該小分析尺度下，邊緣檢測主要受圖像噪聲的影響。為此，最好以更大的分析尺度交互地對更厚的脈管(寬度大于12像素)進行分析。MicroScan圖像中，厚脈管的片段相對較小(在長度上)，并因此要求有限的用戶交互。對于寬度為[l，20]像素的期望范圍內(nèi)的脈管，線厚度被檢測為具有約為士l像素范圍內(nèi)的絕對誤差。脈管方向的作用使該誤差增加了l-2像素，尤其是對于寬度大于13像素的脈管。對于寬度大于例如標準MicroScan圖像中的3像素的脈管而言，這產(chǎn)生了小于20%的相對厚度估計誤差。自由選擇交互分析的尺度還引入了不利條件。在大尺度下分析小脈管導(dǎo)致對脈管厚度的過度估計(圖lla)。另一方面，利用小尺度工具分析厚脈管導(dǎo)致對脈管中心線及其邊界的參差不齊的檢測，并產(chǎn)生對脈管長度的過度估計。對分析結(jié)果的視覺檢查和操作者的理解對分析結(jié)果的估計也是重要的。交互速度估計非常精確，在[O,1000]m/s的情況下，平均速度偏差小于4%。脈管方向使該速度誤差增大1%。該速度誤差還依賴于操作者的技術(shù)和追蹤速度線的精確性。在將來的研究中測試用戶對速度誤差的貢獻是重要的。對時空圖的自動分析是優(yōu)選的，因為其進一步減小了觀察者偏差。模擬視頻顯示，利用霍夫變換自動分析時空圖對高達750像素/秒(±5%)的速度是可行的。對于高達100像素/秒的速度且具有相似精度(±5%)的情況，執(zhí)行結(jié)構(gòu)張量的效果次于霍夫檢測。如果視頻記錄對比度大、血流為基本恒定的(對于毛細管而言通常如此)、且具有足夠的等離子體間隙以在時空圖中生成清晰的線，那么，對從臨床獲得的時空圖的自動分析將是成功的。對于將來的研究，建議進一步增大現(xiàn)有SDF系統(tǒng)的圖像對比度，這將改善對時空圖的自動估計。脈動血流生成彎曲的時空圖，其不能利用上述的灰度級霍夫方法進行分析，該方法依賴于直線。結(jié)構(gòu)張量方法的局部范圍產(chǎn)生對速度的平均測量，并可適用于這些類型的血流。大于w(式7)的血流速度不能用時空圖檢測出。在短脈管段和低的視頻幀速率下，該范圍尤其受限。因此，速度檢測將受益于高的幀速率。本文顯示了臨床采樣中的速度檢測適用于具有高對比度的視頻記錄，即使是在足夠長的脈管段中使用標準視頻幀速率(25Hz)。到目前為止，未顯示出由患者的心臟脫位引起的阻塞性^f木克對組織的適當(dāng)灌注有害。利用SDF成像，對心臟脫位對舌下微循環(huán)的微脈管血流動力學(xué)的直接影響進行離線觀測和分析。在由心臟脫位引起的具有嚴重低血壓的休克情況發(fā)生期間，在給定的實驗中，舌下孩i循環(huán)灌注減少至原始血流速度的三分之一。SDF視頻圖像顯示了某些毛細管脫落(不灌注紅血球)，而其它圖像示出了血流的減小，一些圖像甚至示出血流在心臟脫位期間完全停止?？梢钥偨Y(jié)，新描述的上述脈管圖像分析方法是有價值的工具，其進一步減少了用戶交互和觀察者偏差，并使我們能夠確定通過其它方式不能獲得的脈管參數(shù)分布。以上參照大量示例性實施方式對本發(fā)明進行了解釋。本領(lǐng)i或技術(shù)人員將理解，可對其進行各種變形和修改，而不偏離由權(quán)利要求限定的本發(fā)明的范圍。參考文獻1.ActonST,WethmarK,LeyK,"Automatictrackingofrollingleukocytesinvivo(體內(nèi)；袞動白纟田月包的自動跟蹤)"，MicrovascularResearch(2002),63:139-148.2.AltaianDG,"Practicalstatisticsformedicalresearch(醫(yī)學(xué)研咒的實際統(tǒng)計)"，Chapman&Hall，USA1999，ISBN:0-412-27630-5,p611.3.BiberthalerP，LangerS,"ComparisonofthenewOPSimagingtechniquewithintravitalmicroscopy:Analysisofthecolonmicrocirculation(新的OPS成傳4支術(shù)與活體顯微鏡方法的比較結(jié)腸微循環(huán)的分析)，，，EuropeanSurgeryResearch(2002),24:124-128.4.BoermaEC,MathuraKR,VanderVoortPHJ,Sp醒kPE,InceC，"Quantifyingbedside-derivedimagingofmicrocirculatoryabnormalitiesinsepticpatients:aprospectivevalidationstudy(敗血癥患者的微循環(huán)異常的床旁成像的量化)，，，CriticalCare(2005),9(6):R601-R606.5.CannyJ,"Acomputationalapproachtoedgedetection(邊界檢測的i十算方法)'，,IEEETransactionsonPatternAnalysisandMachineIntelligence(1986),PAMI-8(6):679-698.6.DobbeJGG,StreekstraGJ,HardemanMR，InceC,GrimbergenCA，"Measurementofthedistributionofredbloodcelldeformabilityusinganautomatedrheoscope(利用自動馬全電器測量紅血球變形寸生的分布)，，，ClincalCytometry(2002)，50:313-325.7.EllisCG,EllsworthML，PittmanRN,BurgessWL,"Applicationofimageanalysisforevaluationofredbloodcelldynamicsincapillaries(在毛細管中進行估計紅血球動態(tài)的圖像分析)"，MicrovascularResearch(1992),44:214-225.8.GeusebroekJM，"Robustautofocusinginmicroscopy(顯微鏡檢查中的魯棒自動聚焦)"，Cytometry(2000),39:1-9.9.GonzalezRC,WoodsRE,"Digitalimageprocessing(數(shù)字圖像處理)，，,Addison-Wesleypublishingcompany,Massachusetts1992,ISBN:0-201-50803-6.10.GronerW,WinkelmanJW,HarrisA,InceC，BoumaGJ，MessmerK,NadeauRG，"Orthogonalpolarizationspectralimaging:Anewmethodforstudyofthemicrocirculation(正交極化光譜成像一種微循環(huán)研究的新方法)",NatureAmerica(1999),5(10):1209-1213.11.TerHaarRomenyBM，"Front-endvisionandmulti-scaleimageanalysis:Multi-scalecomputervisiontheoryandapplications,writteninMathematica(前端^L覺和多尺度成像分析數(shù)學(xué)上的多尺度計算機一見覺理論和應(yīng)用)",KluwerAcademicPublishers,DordrechtTheNetherlands2003,ISBN:1-4020-1507-0,p466.12.HornBKP,SchunckBG,"Determiningopticalflow(確定光流)"，ArtificialIntelligence(1981),17:185-203.13.InceC,"Themicrocirculationisthemotorofsepsis(review)(微循環(huán)是敗血癥的馬達)",CriticalCare(2005),9(suppl4):S13-S19.14.她neB,"Digitalimageprocessing(數(shù)字圖像處理)",6threvisedandextendededition,ISBN3-540-24035-7,Springer,BerlinHeidelbergNewYork,p607.2715.JapeeSA,EllisCG,PittmanRN,"Flowvisualizationtoolsforimageanalysisofcapillarynetworks(用于毛細管網(wǎng)絡(luò)的圖像分一斤的流視覺化工具)，，，Microcirculation(2004),11:39-54.16.JapeeSA,PittmanRN，EllisCG,"Anewvideoimageanalysissystemtostudyredbloodcelldynamicsandoxygenationincapillarynetworks(研究毛細管網(wǎng)絡(luò)中的紅血球動態(tài)和氧化的新的視頻圖像分析系統(tǒng))"，Microcirculation(2005),12:489-506.17.KlysczT,JiingerM,JungF，ZeintlH,"CapImage—einneuartigescomputerunterstiitztesVideobildanalysesystemfiirdiedynamischeKapillarmikroskopie(CapImage:—種分斗斤動態(tài)毛纟田管的新型的計算機視頻圖像分析系統(tǒng))"，BiomedizinischeTechnik(1997)，Band42Heft6:168-175.18.LangerS,BiberthalerP,HarrisAG,SteinauHU,MessmerK,"Invivomonitoringofmicrovesselsinskinflaps:Introductionofanoveltechnique(皮瓣中微脈管的體內(nèi)監(jiān)控一種新技術(shù)的介紹)",Microsurgery(2001),21:317-324.19.LentnerA,BergerF,WienertV，"Das"SpatialShiftAlignment(SSA)"—eineneueMethodezurBestimmimgderBlutflussgeschwindigkeitindeVideo-Kapillarmikroskopie("2間移位對齊(SSA)，，測定毛細管視頻中血流速度的新方法)"，BiomedizinischeTechniek(1994)，Band39heft7-8:170-175.20.LindertJ,WernerJ,RedlinM，KuppeH,HabazettlH,PriesAR，"OPSimagingophumanmicrocirculation:ashorttechnicalreport(對人體微循環(huán)的OPS成像技術(shù)簡報)"，Journalofvascularresearch(2002),39:368-372.21.LoRC，TsaiWH，"Gray-scaleHoughtransformforthickllinedetectioningray-scaleimages(灰度級圖像中用于厚線檢測的灰度級霍夫變換)，，，PatternRecognition(1995)，28(5):647隱661.22.MicroVisionMedical,Meibergdreef45,1105BAAmsterdam,TheNetherlands,www.microvisionmedical.nl.23.MathuraKR,VollebregtKC,BoerK，DeGraaffJC，UbbinkDT,InceC,"ComparisonofOPSimagingandconventionalcapillarymicroscopytostudythehumanmicrocirculation(OPS成4象,口"f專纟克毛纟田管顯孩i鏡方法在研究人體微循環(huán)中的比4交)"，JournalofAppliedPhysiology(2001),91:74-78.24.NolteD,ZeintlH,SteinbauerM,PickelmannS,MessmerK,"Functionalcapillarydensity:anindicatoroftissueperfusion(才幾能毛纟田管密度組織灌注的指示？)"，InternationalJournalofMicrocirculation(1995)，15:244-249.25.PenningsFA,BoumaGJ,InceC，"Directobservationofthehumancerebralmicrocirculationduringaneurysmsurgeryrevealsincreasedarteriolarcontractility(動月永瘤手術(shù)中直才妄7見察人體大腦孩i循環(huán)展示了增加的小動脈收縮性)"，Stroke(2004),35:1284-1288.26.PriesAR,"Aversatilevideoimageanalysissystemformicrocirculatoryresearch(用于微循環(huán)研究的多用途視頻圖像分析系統(tǒng))"，IntJMicrocircClinExp(1988),7:327-345.27.RussJC，"Theimageprocessinghandbook(圖像處理手冊)",第四版，ISBN0-8493-1142-X,CRCPressLLC,Florida(2002),p732.28.Slaaf,DW，JeurensTJM，TangelderG，RenemanRS，AartsT，"Methodstomeasurebloodflowvelocityofredbloodcellsinvivoatthemicroscopiclevel(以顯微鏡級別測量體內(nèi)紅血球血流速度的方法)"，AnnualreviewofBiomedicalEngineering(1986)，14(2):175-186.29.StaalJ，Abr&moffMD，ViergeverMA，VanGinnekenB,"Ridge-basedvesselsegmentationincolorimagesoftheretina(一見網(wǎng)月莫彩色圖4象中基于棱線的脈管分l殳)"，IEEETransactionsonMedicalImaging(2004)，23(4):501-509.30.SpronkPE，InceC，GardienMJ,MathuraKR,Oudemans陽VanstraatenHM,ZandstraDF，"Nitroglycerininsepticshockafterintravascularvolumeresuscitation(月永管內(nèi)體積復(fù)蘇后敗血病寸生^木克的硝化甘油)",Thelancet(2002)，360:1395-1396.31.StegerC,"Anunbiaseddetectorofcurvilinearstructures(曲纟戔纟吉構(gòu)的無偏檢測器)，，,IEEETransactionsonpatternanalysisandmachineintelligence(1998)，20(2):113-125.32.DeVrieseAS,VerbeurenRJ,VallezMO,LameireMH,DeBuyzereM,VanhouttePM,"Off-lineanalysisofredbloodcellvelocityinrenalarterioles(腎微動脈中紅血球速度的離線分析)",JournalofVascularResearch(2002),37:26-31.權(quán)利要求1.對用于確定血流速度的微脈管視頻進行分析的方法，所述方法包括接收一系列微脈管視頻圖像，每個所述視頻圖像均顯示脈管結(jié)構(gòu)；識別所述脈管結(jié)構(gòu)中的脈管中心線像素；通過對所述中心線像素進行分組來定義脈管段；自動生成用于每個所述脈管段的時空圖，所述時空圖生成在與每個所述脈管段相關(guān)聯(lián)的所述中心線像素處；利用所述時空圖自動估計每個所述脈管段中的血流速度。2.如權(quán)利要求l所述的方法，其中，通過以下步驟識別所述"永管結(jié)構(gòu)中的所述脈管中心線像素對多個視頻圖像進行時間平均，以提供平均圖像；利用高斯圖像導(dǎo)數(shù)計算用于所述平均圖像中的每個圖像像素的海賽矩陣；計算沿所述脈管段的方向的所述海賽矩陣的第一本征向量、垂直于所述第一本征向量的第二本征向量、以及對應(yīng)的第一和第二本征值；選擇候選中心線像素，所述候選中心線像素是所述第二本征值明顯高于所述第一本征值的圖像像素；在所述候選中心線像素中選擇實際中心線像素，所述實際中心線像素在垂直于所述脈管方向的交叉強度曲線與該曲線的極值的距離小于0.5像素。3.如前述任一項權(quán)利要求所述的方法，包括利用線性內(nèi)插將隨機間隔的中心線像素映射到所述時空圖的等距空間間隔上，以避免彎曲的脈管段的時空圖中的偏轉(zhuǎn)誤差。4.如前述任一項權(quán)利要求所述的方法，其中通過以下步驟估計脈管段中的所述血流速度對所述脈管段的所述時空圖執(zhí)行灰度級霍夫變換其中P是與所述時空圖中的2D線結(jié)構(gòu)的方向垂直的方向，p是所述時空圖中的線到所述時空圖中的原點的距離；計算由p描述的累積的霍夫圖；對所述累積的霍夫圖進行平滑；忽略所述累積的霍夫圖中與小于給定閾值vm,的速度和大于vm。,=Z</3的速度相對應(yīng)的部分，其中丄是所述脈管段的長度，/是視頻幀速率；在與速度±[、,，、』對應(yīng)的方向范圍內(nèi)選擇所述累積的霍夫圖的最大峰值作為全局線方向；將所述全局線方向轉(zhuǎn)換為所述血流速度。5.如權(quán)利要求1至3中任一項權(quán)利要求所述的方法，其中通過求解以下方程對所述血流速度進行估計<formula>formulaseeoriginaldocumentpage3</formula>其中，j是結(jié)構(gòu)張量，/,是對所述時空圖/(w)中的位置s求導(dǎo)的一階高斯圖像導(dǎo)數(shù)，/,是對所述時空圖/o力中的時間z求導(dǎo)的一階高斯圖像導(dǎo)數(shù)，u=(Ow(^，S/"(7刀T是指向所述時空圖中的2D線結(jié)構(gòu)的方向的單位向量，其中/是所述2D線結(jié)構(gòu)的方向。6.如前述任一項權(quán)利要求所述的方法，包括利用每個所述脈管段的脈管厚度和血流速度生成速度分布，所述速度分布顯示所述血流在脈管厚度范圍內(nèi)的速度。7.如前述任一項權(quán)利要求所述的方法，包括利用每個所述脈管段的脈管段厚度和脈管段長度生成第一微脈管密度分布，所述微脈管密度分布顯示脈管類別的貢獻。8.如前述任一項權(quán)利要求所述的方法，包括利用每個所述脈管段的脈管段厚度和脈管段面積生成第二微脈管密度分布，所述微脈管密度分布顯示脈管類別的貢獻。9.如前述任一項權(quán)利要求所述的方法，包括對所述視頻圖像進行時間平均，以填充由于等離子體間隙或白血球的存在而存在的毛細管中斷。10.—種計算機程序產(chǎn)品，其被配置為在加載到計算機上時使所述計算機執(zhí)行前述任一項權(quán)利要求所述的方法。11.一種數(shù)據(jù)載體，其包括權(quán)利要求10所述的計算^f幾程序產(chǎn)品。全文摘要本發(fā)明提供了對微脈管視頻序列進行量化估計的分析算法，該視頻序列提供每個脈管段的脈管厚度、脈管長度和血流速度。本發(fā)明還提供了用于計算分布在視覺上具有不同厚度的脈管上的機能微脈管密度和血流速度的方法。文檔編號G06T7/00GK101669143SQ200880004962公開日2010年3月10日申請日期2008年1月10日優(yōu)先權(quán)日2007年1月11日發(fā)明者約翰尼斯·基斯波爾特烏斯·赫爾拉杜斯·多比申請人:Mvm知識產(chǎn)權(quán)有限公司