本發(fā)明涉及一種內(nèi)窺成像架構(gòu)和算法，圖像增強(qiáng)及其特征信息識(shí)別算法和自動(dòng)控制的方案，尤其涉及一種內(nèi)窺成像算法及控制系統(tǒng)。

背景技術(shù)：

現(xiàn)有的醫(yī)學(xué)圖像具有數(shù)據(jù)量大，信噪比低，因此需要設(shè)計(jì)一種高速多用途采集處理架構(gòu)滿足醫(yī)療影像平臺(tái)要求。

由于光學(xué)相干成像算法，超聲成像算法和光譜成像算法的特殊性，目前沒有可以為多用途開發(fā)的板卡和算法。本發(fā)明中提出了一種通用協(xié)處理卡，以滿足可以對(duì)兩種數(shù)據(jù)采集進(jìn)行通用的需要。

醫(yī)學(xué)圖像處理和增強(qiáng)作為影像設(shè)備成像的一塊重要部分，影響著醫(yī)療圖像的發(fā)展和變革。圖像增強(qiáng)，在近年來是一項(xiàng)熱門的技術(shù)。研究圖像增強(qiáng)其目的是使圖像更便于后續(xù)處理，更便于醫(yī)務(wù)工作者診斷。常用的方法一般包括灰度變換、直方圖操作、濾波處理其中包括空間域和頻域?yàn)V波，以及梯度增強(qiáng)和拉普拉斯增強(qiáng)等。血管內(nèi)超聲成像（IVUS）和光學(xué)相干層析影像技術(shù)(OCT)是目前比較熱門心血管內(nèi)的技術(shù)，光學(xué)相干層析影像增強(qiáng)和特征識(shí)別也是目前熱門研究的技術(shù)之一。

IVUS數(shù)據(jù)要通過RF信號(hào)采集，RF信號(hào)濾波，徑向時(shí)間增益補(bǔ)償，包絡(luò)檢波。然后對(duì)數(shù)據(jù)進(jìn)行對(duì)數(shù)壓縮變化和正?；螅脠D像插值和增強(qiáng)算法構(gòu)建極坐標(biāo)圖像，然后經(jīng)坐標(biāo)變換轉(zhuǎn)成直角坐標(biāo)圖像。

OCT時(shí)域信號(hào)要經(jīng)過傅立葉變換，變?yōu)轭l域信號(hào)。然后，利用求對(duì)數(shù)的方式計(jì)算信號(hào)的功率譜。繼而可以轉(zhuǎn)為像素?cái)?shù)值，通過像素操作轉(zhuǎn)為終端顯示設(shè)備上的圖像。為了使圖像的顯示效果更加飽滿，重點(diǎn)細(xì)節(jié)更加突出，需要在圖像顯示之前做進(jìn)一步的圖像增強(qiáng)預(yù)處理。

一般的預(yù)處理方法：

①直接減去低噪：估計(jì)一個(gè)本地噪聲值，用圖像整體減去這個(gè)本地噪聲。效果：減去本地噪聲之后，我們感興趣的圖像部分相對(duì)于整個(gè)圖像來說更加突出。不足：整體圖像亮度下降，感興趣邊緣接近于低噪過渡部分的細(xì)節(jié)極易被破壞掉。

②灰度直方圖操作：直方圖均衡化操作及直方圖規(guī)定化操作。效果：采用直方圖修正后可使圖像的灰度間距拉大或使灰度分布均勻，增大了視覺反差，使圖像有效信息明顯，達(dá)到增強(qiáng)圖像清晰度的目的。不足：對(duì)基本圖像有一定改善效果，但是針對(duì)光學(xué)相干層析圖像，細(xì)節(jié)改善不大。

③圖像平滑，利用卷積模板濾波的方式進(jìn)行圖像平滑。 效果：針對(duì)圖像的方格和鋸齒邊緣有一定的改善效果。缺點(diǎn)：平滑本就是一個(gè)圖像信息量下降的過程，如果使用不恰當(dāng)會(huì)造成圖像關(guān)鍵細(xì)節(jié)及其一些病灶部位識(shí)別受到影響。

④對(duì)比度拉伸，效果：可以在一定程度上改善圖像。 缺點(diǎn)：在圖像背景噪聲和感興趣區(qū)域的細(xì)節(jié)改善上并沒較大表現(xiàn)。OCT成像技術(shù)中的內(nèi)膜檢測(cè)的一般現(xiàn)有技術(shù)和方法：

1.①首先對(duì)圖像預(yù)處理，然后進(jìn)行霍夫空間變換，去掉中心圓環(huán)區(qū)域。

②建立一個(gè)MRF模型，結(jié)合局部強(qiáng)度分配及其近鄰的強(qiáng)度相似性，進(jìn)行像素聚類。

③建立貝葉斯框架分類方法。

④利用高斯分配，優(yōu)化的迭代條件模型，以及CWT分析識(shí)別血管壁。

2. ①基于灰度強(qiáng)度篩選支架點(diǎn) 。

② 能量模型和支架點(diǎn)掩模計(jì)算。

③迭代計(jì)算和置信驗(yàn)證。

④識(shí)別血管壁內(nèi)膜。

3.①利用樣條形變算法。

②構(gòu)建樣條形變約束力。

以上算法，優(yōu)點(diǎn)是識(shí)別比較精確，但是缺點(diǎn)是算法復(fù)雜，對(duì)圖像要求比較高。而真正設(shè)備成像往往效果較差。本發(fā)明在以下要提供一個(gè)簡(jiǎn)單有效的內(nèi)膜檢測(cè)方法。

發(fā)明專利內(nèi)容

本發(fā)明的目的在于提供一種圖像增強(qiáng)和特征識(shí)別的方法。其中包括圖像可視效果提高，內(nèi)膜檢測(cè)以及感興趣區(qū)域檢測(cè)和標(biāo)注，其中，自動(dòng)光程校準(zhǔn)控制方法，包括圖像的特征識(shí)別，以及圖像信息處理結(jié)合命令的形式對(duì)下位機(jī)的控制。

一種內(nèi)窺成像算法及控制系統(tǒng)，包括如下步驟：（1）一種信號(hào)采集處理架構(gòu)，完成采集，處理，傳輸及控制的一體式硬件架構(gòu)；（2）基于超聲，光學(xué)干涉，光譜成像的內(nèi)窺成像算法；（3）提高成像質(zhì)量和特征識(shí)別的成像算法。

進(jìn)一步地，提高成像質(zhì)量和特征識(shí)別的成像算法包括如下步驟：

（1）圖像變換增強(qiáng)，利用新的變換插值方法，進(jìn)行圖像增強(qiáng)，包括時(shí)域插值，插值補(bǔ)零，頻域變換，頻域插值等；

（2）自動(dòng)光程校準(zhǔn)，通過圖像識(shí)別算法和自動(dòng)控制設(shè)計(jì)方法，提供一個(gè)可以自動(dòng)控制光程調(diào)節(jié)器系統(tǒng)的方案；

（3）內(nèi)膜自動(dòng)檢測(cè)，利用一個(gè)新的由內(nèi)到外的發(fā)散式搜索方法，進(jìn)行識(shí)別內(nèi)膜壁；

（4）縱視圖平滑處理，利用基于低通濾波的方法進(jìn)行圖像處理，低通方法可以是時(shí)域或者頻域、可以是高斯低通或者巴沃斯低通濾波；

（5）結(jié)合近紅外光譜分析的光學(xué)相干層析方法，利用光譜分析特性及血管壁不同組織對(duì)光譜吸收的不同進(jìn)行光譜分析成像；

（6）感興趣區(qū)域的自動(dòng)識(shí)別和標(biāo)注方法，利用病例切片樣本結(jié)合對(duì)照影像進(jìn)行圖像配準(zhǔn)，通過特征信息分析，建立訓(xùn)練數(shù)據(jù)庫，利用訓(xùn)練數(shù)據(jù)庫對(duì)獲取的影像圖像進(jìn)行特征分析，并利用不同偽彩色方法標(biāo)注感興趣區(qū)域。

進(jìn)一步地，基于超聲，光學(xué)干涉，光譜成像的內(nèi)窺成像算法，血管內(nèi)超聲成像。

進(jìn)一步地，用于自動(dòng)光程校準(zhǔn)模塊，利用圖像識(shí)別和命令傳送控制相結(jié)合的方法。

進(jìn)一步地，所述的感興趣區(qū)域的自動(dòng)識(shí)別和標(biāo)注方法模塊中的特征信息分析方法，轉(zhuǎn)換到傅立葉域或者小波域的分析。

進(jìn)一步地，圖像縱視圖提高和圖像感興趣識(shí)別方法，對(duì)血管內(nèi)超聲成像與光學(xué)相干斷層成像適用。

附圖說明

圖1為本發(fā)明的實(shí)施例1的原理圖

圖2為本發(fā)明的實(shí)施例2的原理圖

圖3為本發(fā)明的實(shí)施例3的原理圖

圖4為本發(fā)明的實(shí)施例4的原理圖

圖5為本發(fā)明的實(shí)施例5的原理圖

圖6為本發(fā)明的實(shí)施例6的原理圖

圖7為本發(fā)明的實(shí)施例7的原理圖

圖8為本發(fā)明的實(shí)施例8的原理圖

圖9為本發(fā)明的實(shí)施例9的原理圖

圖10為本發(fā)明的實(shí)施例10的原理圖

圖11為本發(fā)明的實(shí)施例10第二原理圖。

具體實(shí)施方式

一種內(nèi)窺成像算法及控制系統(tǒng)，包括如下步驟：（1）一種信號(hào)采集處理架構(gòu)，完成采集，處理，傳輸及控制的一體式硬件架構(gòu)；（2）基于超聲，光學(xué)干涉，光譜成像的內(nèi)窺成像算法；（3）提高成像質(zhì)量和特征識(shí)別的成像算法。

實(shí)施例一為通用采集協(xié)處理卡,完成采集，處理，傳輸及控制的一體式硬件架構(gòu).

通用采集協(xié)處理器卡1架構(gòu)如實(shí)施例一所示,發(fā)送接收轉(zhuǎn)換器2進(jìn)行超聲波的鏈路的發(fā)送接收控制。數(shù)字信號(hào)處理器5生成激勵(lì)波形并驅(qū)動(dòng)功率驅(qū)動(dòng)電路4。功率放大電路3放大所需信號(hào)至相應(yīng)功率用于驅(qū)動(dòng)壓電晶體或壓電薄膜等。

接收電路由光路接收電路和超聲接收電路兩部分組成。放大電路6可以接收由發(fā)送接收轉(zhuǎn)換器2傳遞的超聲電信號(hào)，也可以直接接收由光電轉(zhuǎn)換器轉(zhuǎn)換得到的光電信號(hào)，該信號(hào)經(jīng)過濾波器電路7，差分放大電路8，模數(shù)轉(zhuǎn)換電路9進(jìn)入數(shù)字信號(hào)處理器5。同時(shí)數(shù)字信號(hào)處理器5接收外部信號(hào)源輸入的控制信號(hào)10。該控制信號(hào)作用是起到信號(hào)同步和輸出控制等功能。該控制信號(hào)還需進(jìn)入電壓轉(zhuǎn)換或隔離電路11，該模塊是起到電壓保護(hù)和輸入輸出接口保護(hù)的功能。數(shù)字信號(hào)處理器進(jìn)行數(shù)據(jù)計(jì)算需要與緩存14模塊相連接。數(shù)字信號(hào)處理器處理后的數(shù)據(jù)進(jìn)入高速傳輸電路12傳輸至微處理器13。

實(shí)施例二為血管內(nèi)超聲成像算法。外部信號(hào)進(jìn)入超聲成像算法15，數(shù)據(jù)緩沖模,16，完成異步數(shù)據(jù)同步化，數(shù)字濾波器17完成數(shù)字濾波頻率截?cái)?。包絡(luò)檢測(cè)器18提取信號(hào)包絡(luò)，提取信號(hào)一般采用希爾伯特變換法。數(shù)字坐標(biāo)變換模塊19完成極坐標(biāo)和直角坐標(biāo)系的變換，由于數(shù)據(jù)量較大，因此還需要緩沖區(qū)進(jìn)行數(shù)據(jù)存儲(chǔ)。數(shù)據(jù)壓縮和對(duì)齊20主要是完成數(shù)據(jù)格式的統(tǒng)一，最后通過傳輸協(xié)議控制模塊21傳輸至上位機(jī)。

實(shí)施例三為采集傳輸處理算法。該算法對(duì)OCT成像應(yīng)用。采集得到的信號(hào)在信道A 22進(jìn)入采集模塊，輸入模塊模擬數(shù)字信號(hào)轉(zhuǎn)換25。把通道采集的模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)處理可以處理的模擬信號(hào)。模擬數(shù)字轉(zhuǎn)換器的關(guān)鍵參數(shù)在于轉(zhuǎn)換率和精度。轉(zhuǎn)換率需要大于通道最大帶寬的2倍以上，精度需要滿足信號(hào)信噪比的要求。模擬通道也有可能不能直接進(jìn)入模擬數(shù)字轉(zhuǎn)換器，因此還需在該模塊的前段集成模擬濾波器進(jìn)行帶寬限制，衰減帶外信號(hào)進(jìn)入轉(zhuǎn)換器。同時(shí)為了避免共模信號(hào)的干擾，需要采用差分放大器，提高信號(hào)質(zhì)量，降低噪聲。該實(shí)施例包括但不限于前置濾波器，差分或單端放大器，模擬數(shù)字轉(zhuǎn)換器，也可以根據(jù)實(shí)際需要進(jìn)行縮減，比如只包含模擬數(shù)字轉(zhuǎn)換器。時(shí)鐘信號(hào)提供外部或內(nèi)部時(shí)鐘信號(hào)進(jìn)行采樣。觸發(fā)信號(hào)提供外部或內(nèi)部觸發(fā)信號(hào)。

數(shù)字信號(hào)進(jìn)入數(shù)字信號(hào)處理器26。首先需要進(jìn)行數(shù)據(jù)前緩存模塊27。這是由于信號(hào)前段信號(hào)流有突發(fā)性和隨機(jī)性，會(huì)根據(jù)實(shí)際情況或參數(shù)調(diào)整，而后端的信號(hào)處理模塊統(tǒng)一采用系統(tǒng)內(nèi)部時(shí)鐘源。直接相連接，有數(shù)據(jù)沖突的風(fēng)險(xiǎn)。故需要數(shù)據(jù)緩存模塊作異步時(shí)鐘同步。該數(shù)據(jù)結(jié)構(gòu)可以是先進(jìn)先出隊(duì)列（FIFO）或者是雙口數(shù)據(jù)隨機(jī)存儲(chǔ)器（DPRAM）等。該實(shí)施例包括但不限于先進(jìn)先出隊(duì)列（FIFO）或者是雙口數(shù)據(jù)隨機(jī)存儲(chǔ)器（DPRAM）。該數(shù)據(jù)結(jié)構(gòu)都具有共同特點(diǎn)，即具有獨(dú)立的數(shù)據(jù)總線，滿足雙端口同時(shí)輸入輸出的數(shù)據(jù)并發(fā)處理能力。

數(shù)據(jù)預(yù)處理模塊28是進(jìn)入數(shù)據(jù)緩存模塊后的數(shù)據(jù)進(jìn)行濾波，加窗，整形，歸一化。首先對(duì)數(shù)據(jù)轉(zhuǎn)換器輸出信號(hào)帶寬進(jìn)行濾波，為避免截?cái)嘈?yīng)加入窗函數(shù)，并進(jìn)行格式轉(zhuǎn)換，歸一數(shù)據(jù)為同一類長(zhǎng)度，符合前后通訊的傳輸。

頻譜分析模塊29是進(jìn)行數(shù)據(jù)頻率域的計(jì)算，功率譜計(jì)算模塊30提前信號(hào)功率譜，坐標(biāo)變換模塊32完成圓坐標(biāo)和極坐標(biāo)的轉(zhuǎn)換，后數(shù)據(jù)壓縮模塊33進(jìn)行數(shù)據(jù)字長(zhǎng)截?cái)嗷蛘?，并進(jìn)入數(shù)據(jù)后緩沖模塊35。經(jīng)過高速通訊模塊34傳輸至上位機(jī)。

實(shí)施例四為光譜算法示意圖。

醫(yī)學(xué)影像系統(tǒng)利用高譜成像系統(tǒng)所獲得的高光譜圖像能對(duì)圖像中的每個(gè)像素提供連續(xù)的光譜曲線，且在待測(cè)物上獲得空間信息的同時(shí)又能獲得比多光譜更為豐富的光譜信息。這些數(shù)據(jù)信息用來形成復(fù)雜模型，來進(jìn)行判別、分類、識(shí)別圖像中的病癥，組織信息。

高光譜圖像技術(shù)提取對(duì)象信息的模型雖多，但很難找到一種通用的方法，每種模型和方法都有其適用條件，而且許多模型僅僅處于試驗(yàn)研究階段，需要大規(guī)模實(shí)地觀測(cè)數(shù)據(jù)來修正。不同的模型，其應(yīng)用條件差別很大，不同區(qū)域通常要根據(jù)該區(qū)域?qū)嶋H情況采用不同的信息提取方法。

高光譜成像技術(shù)的關(guān)鍵是對(duì)高光譜數(shù)據(jù)的處理，盡可能地保留光譜信息的同時(shí), 對(duì)波段進(jìn)行壓縮，即―降維，高光譜特征提取方法的選擇及校正模型的建立。由于國內(nèi)針對(duì)生物組織高光譜特性的研究比較少，沒有相應(yīng)的模型。

因此，本實(shí)施例提出一種光譜成像的影像算法：

由于高光譜圖像所包含的數(shù)據(jù)量比2維圖像和1維光譜信息的數(shù)據(jù)量大得多，因此在進(jìn)行分析之前，將原始高光譜數(shù)據(jù)進(jìn)行重采樣，使原來多維數(shù)據(jù)塊歸一化的三維數(shù)據(jù)塊，它是由多張標(biāo)準(zhǔn)大小的一系列圖像組成。圖像重采樣36（image resampling）是對(duì)采樣后形成的由離散數(shù)據(jù)組成的數(shù)字圖像按所需的像元位或像元間距進(jìn)行重新采樣,以構(gòu)成幾何變換后的新圖像。重采樣過程本質(zhì)上是圖像恢復(fù)過程,它用輸入的離散數(shù)字圖像重建代表原始圖像的二維連續(xù)函數(shù),再按新的像元間距和像元位進(jìn)行采樣。其數(shù)學(xué)過程是根據(jù)重建的連續(xù)函數(shù)(曲面),用周圍二像元點(diǎn)的值估計(jì)或內(nèi)插出新采樣點(diǎn)的值,相當(dāng)于用采樣函數(shù)與輸入圖像作二維卷積運(yùn)算。

特征選擇是對(duì)象表示的一個(gè)關(guān)鍵問題，其目的是在得到實(shí)際對(duì)象的若干具體特征之后，再由這些原始特征產(chǎn)生出對(duì)分類識(shí)別最有效、數(shù)目最少的特征。如何從眾多特征中找出對(duì)分類識(shí)別最有效的特征，從而實(shí)現(xiàn)特征空間維數(shù)的壓縮，即特征選擇方法的優(yōu)劣，這極大地影響著分類模型的設(shè)計(jì)和性能。模式識(shí)別最關(guān)鍵也是不足之處是特征的選擇，幾乎每一個(gè)具體對(duì)象均有不同的特點(diǎn)，需要具體分析，無法形成統(tǒng)一的方法或理論。

本實(shí)施例采用進(jìn)行主成分分析（PCA）進(jìn)行特征選擇，得到前3個(gè)主成分分析圖像：PC1、PC2、PC3（圖3）。由于PC1顏色自然，最接近真實(shí)圖像，最能表征油菜籽的原始信息，因此可以根據(jù)PC1來尋找特征波長(zhǎng)。PCA 是一種降維的算法，能夠在不丟失主要光譜信息的前提下，提取特征波段37出相對(duì)少得多的新的特征變量，來代替原始光譜數(shù)據(jù)進(jìn)行建模。PCA可以很好的解決因光譜帶重疊而難以分析的難題。PCA的原理是對(duì)原有的相互之間具有一定相關(guān)性的因子進(jìn)行重新組合，得到幾個(gè)新的綜合因子。這些綜合因子可以取代原來眾多的變量，使這些綜合因子盡可能的反映原來變量的有用信息，又彼此不相關(guān)， 從而達(dá)到簡(jiǎn)化運(yùn)算和建模過程的目的。

紋理作為一種區(qū)域特征，是對(duì)于圖像各像元之間空間分布的一種描述。由于紋理能充分利用圖像信息，無論從理論上還是常識(shí)出發(fā)，它都可以成為描述與識(shí)別圖像的重要依據(jù)，與其他圖像特征相比，它能更好地兼顧圖像宏觀性質(zhì)與細(xì)微結(jié)構(gòu)兩個(gè)方面，因此紋理成為目標(biāo)識(shí)別需要提取的重要特征。提取紋理特征38的方法很多，如基于局部統(tǒng)計(jì)特性的特征、基于隨機(jī)模型的特征、基于空間頻率的特征、分形特征等，其中，應(yīng)用最廣泛的是基于灰度共生矩陣和灰度直方圖特征

采用基于灰度統(tǒng)計(jì)方法中的2種方法（灰度直方圖和灰度共生矩陣）對(duì)生物組織樣本進(jìn)行在特征波段下圖像的紋理特征提取39。

Gray-level Co-occurrence Matrix(灰度共生矩陣)是用兩個(gè)位像素的聯(lián)合概率密度來進(jìn)行定義，它不僅反映亮度的分布特性，也反映具有同樣亮度或接近亮度的像素之間的位臵分布特性，是關(guān)于圖像亮度變化的二階特征統(tǒng)計(jì)。一幅圖像的灰度共生矩陣能反映出圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，它是分析圖像的局部模式和圖像排列規(guī)則的基礎(chǔ)。為了更直觀地用共生矩陣描述紋理狀況，從共生矩陣導(dǎo)出一些反映矩陣狀況的基本參數(shù)。

（1）能量：是灰度共生矩陣元素值的平方和，也稱能量，它反映了圖像灰度分布均勻程度和紋理粗細(xì)度。如果共生矩陣的所有值均相等，則ASM 值小； 相反，如果其中一些值大而其它值小，則ASM 值大。當(dāng)共生矩陣中元素集中分布時(shí)，此時(shí)ASM 值較大。ASM 的值大說明這是一種較均一和規(guī)則變化的紋理模式。

（2）對(duì)比度：反映了圖像的清晰度和紋理溝紋深淺的程度。紋理溝紋越深，其對(duì)比度越大，視覺效果越清晰；反之，溝紋淺，對(duì)比度小，則效果模糊?；叶裙采仃囍羞h(yuǎn)離對(duì)角線的元素值越大，CON 越大。

（3）相關(guān)：它是度量空間灰度共生矩陣元素在行或列方向上的相似程度， 因此，相關(guān)值的大小反映了圖像中局部灰度相關(guān)性。當(dāng)矩陣元素值相等時(shí)，相關(guān)值就大;相反，如果矩陣像元值相差很大則相關(guān)值小。如果圖像中有水平方向紋理，則水平方向矩陣的COR 大于其余矩陣的COR 值。

（4）熵：是圖像所具有的信息量的度量，紋理信息也屬于圖像的信息，是一個(gè)隨機(jī)性的度量，當(dāng)共生矩陣中所有元素的最大隨機(jī)性、空間共生矩陣中所有值幾乎相等時(shí)，且共生矩陣中元素分散分布時(shí)，熵較大。它表示了圖像中紋理的非均勻程度或復(fù)雜程度。

（5）逆差距：反映的是圖像紋理的同質(zhì)性，顯示圖像紋理局部變化的多少。其值比較大時(shí)表示圖像紋理的不同區(qū)域間缺少變化，相似度高，局部非常均勻。

灰度直方圖有如下性質(zhì)：1）表征了圖像的一維信息。只能反映圖像中像素不同灰度值出現(xiàn)的次數(shù)（或頻數(shù)）而不能反映像素所在位臵。2）與圖像之間的關(guān)系是多對(duì)一的映射關(guān)系。一幅圖像能唯一確定出與一副之對(duì)應(yīng)的直方圖，但不同圖像可能有相同的直方圖。

灰度直方圖常用均灰度級(jí)、標(biāo)準(zhǔn)方差、平滑度、三階矩、一致性等參數(shù)來描述。

建立系統(tǒng)模塊40主要采用人工神經(jīng)網(wǎng)絡(luò)的方法。人工神經(jīng)網(wǎng)絡(luò)的主體思想是，利用大量簡(jiǎn)單的處理單元連接組成的網(wǎng)絡(luò)，以模擬人腦細(xì)胞(神經(jīng)元)的工作原理建立的一種信息處理系統(tǒng)。由于ANN 具有良好的非線性映射能力、快速的并行處理能力、強(qiáng)勁的自學(xué)組織能力和較強(qiáng)的聯(lián)想能力等，在很多領(lǐng)域如模式識(shí)別、智能控制等領(lǐng)域得到廣泛的應(yīng)用。ANN 最大的缺點(diǎn)在于ANN 對(duì)信息的解釋性比較差，輸入節(jié)點(diǎn)不能過多，產(chǎn)生過度擬合等等．因此，ANN 在在光譜數(shù)據(jù)處理中，一般與其他算法結(jié)合一起使用，而不是單獨(dú)使用。目前，與ANN 結(jié)合使用較多的方法主要有逐步回歸分析(SRA)、主成分分析(PCR)、偏最小二乘回歸分析(PLS)等。判決和預(yù)測(cè)41主要進(jìn)行系統(tǒng)病癥識(shí)別，特征確認(rèn)。

實(shí)施例五為新的圖像增強(qiáng)方案。

請(qǐng)參閱圖5，本部分包括原始信號(hào)42，時(shí)域插值43，窗口化操作44，頻域變換45，求取功率譜46，插值操作47。

基于本系統(tǒng)的所采集的數(shù)據(jù)和成像特點(diǎn)，探索出一種新的操作圖像增強(qiáng)算法。該方法是針對(duì)數(shù)據(jù)采集后的數(shù)據(jù)在FFT之前進(jìn)行處理。該方法可起到顯著增強(qiáng)的效果，提高圖像感興趣部分的信息，同時(shí)抑制背景噪聲，并且提升了圖像信息過度的平滑感。

時(shí)域插值：基于已知序列x(n)，按照設(shè)定的算法，對(duì)已知的數(shù)列直接進(jìn)行插值。

窗口化操作：在時(shí)域插值后，頻域變換前對(duì)信號(hào)的一個(gè)必要的處理方法。

頻域變換：這里用的是離散傅立葉變換，設(shè)一個(gè)有限長(zhǎng)序列的傅里葉變換(DFT)。

設(shè)x(n)是一個(gè)長(zhǎng)度為M的有限長(zhǎng)序列，

正變換：

X(k)=DFT[x(n)]=∑_(n=0)^(N-1)?〖x(n)e^(-j 2π/N nk) 〗=∑_(n=0)^(N-1)?〖x(n)W_N^nk 〗 k=0，1，2，…，N-1

通過以上變換之后把時(shí)域的信號(hào)，轉(zhuǎn)變?yōu)轭l域的序列X(k)。

窗口化操作：指對(duì)變換前的信號(hào)進(jìn)行一些處理。

插值方式：插值方式利用線性插零的方式針對(duì)時(shí)域數(shù)據(jù)進(jìn)行操作。補(bǔ)零方式，根據(jù)數(shù)據(jù)需要進(jìn)行操作。

求取功率譜：功率譜求取依然選用的對(duì)數(shù)求取方法。

插值操作：按照需要，選擇合適方案插成大小合適的圖像。

實(shí)施例六為自動(dòng)光程校準(zhǔn)

本實(shí)施例是針對(duì)OCT內(nèi)窺成像系統(tǒng)所設(shè)計(jì)的一種自動(dòng)控制方法。

請(qǐng)參閱圖6，本部分包括上位機(jī)48，指令1（49），運(yùn)動(dòng)復(fù)位終端50，反向運(yùn)動(dòng)并圖像識(shí)別51，鎖定范圍54，精確定位53，指令2（52）幾個(gè)模塊。

本實(shí)例提供的方案是克服手動(dòng)操作的繁瑣，給醫(yī)生一個(gè)便捷的操作方法。

光程調(diào)整器，是設(shè)備中用來控制調(diào)節(jié)光程的器件。通過上位機(jī)命令進(jìn)行電機(jī)控制的方式調(diào)節(jié)裝置的前后走動(dòng)，以此來改變光程。

實(shí)驗(yàn)過程中，可以通過手動(dòng)發(fā)命令的形式控制步進(jìn)電機(jī)依次調(diào)節(jié)光程，一邊通過查看上位機(jī)成像情況，一邊手動(dòng)調(diào)整光程調(diào)整器，待等到合適的位置后即可停止調(diào)節(jié)。

缺點(diǎn)：1.由于使用的導(dǎo)管的長(zhǎng)度不一，導(dǎo)致成像的光程差距都不相同。不同導(dǎo)管可能超出成像光程范疇，導(dǎo)致開機(jī)一團(tuán)黑。

2.每換一個(gè)導(dǎo)管都要大范圍的前后手工調(diào)節(jié)一次，費(fèi)時(shí)，費(fèi)力。

3.給設(shè)備的操作復(fù)雜性又增加不少，給醫(yī)生的操作帶來極大的不方便。

本實(shí)例提供一種自動(dòng)識(shí)別定位電機(jī)定位方法。包括流程控制、圖像識(shí)別和精確定位。

1.流程控制部分：

指令→運(yùn)動(dòng)復(fù)位到終端→反向運(yùn)動(dòng)并圖像識(shí)別→鎖定范圍→精確定位

2.圖像識(shí)別：

①線提?。豪瞄g隔線提取方法，以圓心為起點(diǎn)提取n條線，線數(shù)n可根據(jù)算法及數(shù)據(jù)量進(jìn)行調(diào)整。

②區(qū)域搜索和導(dǎo)管壁識(shí)別。導(dǎo)管壁成像時(shí)兩個(gè)內(nèi)外近似于圓環(huán)形圖像，兩個(gè)環(huán)形距離，以及隨光程變化的成像變化有一定特點(diǎn)。利用這些特點(diǎn)，構(gòu)建一個(gè)約束算法，當(dāng)識(shí)別改點(diǎn)時(shí)，定位其區(qū)域位置。

3.正向或者反向運(yùn)動(dòng)控制：利用發(fā)送和接收命令的形式進(jìn)行電機(jī)控制。

4.圈定范圍：設(shè)定一個(gè)冗余范圍，當(dāng)區(qū)域搜索導(dǎo)管壁返回?cái)?shù)據(jù)之后，使電機(jī)控制下的光程調(diào)節(jié)模塊大范圍運(yùn)動(dòng)在此結(jié)束。

5.精確定位：在此查找小范圍內(nèi)電機(jī)運(yùn)動(dòng)和精確控制。

①內(nèi)外峰檢測(cè)

小范圍內(nèi)識(shí)別內(nèi)外管壁的位置，利用Alines平均線的數(shù)據(jù)，通過線圖分析，得出尖峰位置坐標(biāo)。

②精確定位。在步驟3的圈定范圍內(nèi)，結(jié)合Alines平均線形成的信號(hào)分析圖中內(nèi)外峰檢測(cè)結(jié)合和電機(jī)命令，來精確確定電機(jī)的位置。

實(shí)施例七為內(nèi)膜估計(jì)檢測(cè)。

參閱圖7，本部分包括圖像增強(qiáng)預(yù)處理55，邊緣提取56，制定搜索算法57，規(guī)定搜索區(qū)域58，樣條擬合59。

1. 圖像增強(qiáng)預(yù)處理

①對(duì)象對(duì)比度調(diào)節(jié)，根據(jù)圖像特點(diǎn)，設(shè)置合理的參數(shù)調(diào)節(jié)圖像的對(duì)比度?？梢允沟酶信d趣區(qū)域相比背景更加醒目，以方便后續(xù)的處理。

②圖像濾波。濾波方法可采用空域或者頻域?yàn)V波，一般選擇低通的濾波。低通濾波可采用高斯低通或巴沃斯低通或理想低通等濾波方法。濾波參數(shù)應(yīng)根據(jù)圖像來設(shè)置合理的參數(shù)。

2.邊緣提取。

圖像邊緣檢測(cè)在目前有很多成熟的方法，此處用的邊緣檢測(cè)方法可以是sobel、log、prewitt等算子方法。

選定好合適的算子之后，基于編程提取出經(jīng)過預(yù)處理之后的圖像邊緣骨架。在提取邊緣骨架時(shí)，參數(shù)的調(diào)整非常重要。過大或者過小會(huì)導(dǎo)致提取的邊緣骨架過多或者過少。這些可根據(jù)圖像數(shù)據(jù)特點(diǎn)進(jìn)行調(diào)整。

3.制定搜索區(qū)域

內(nèi)部圓環(huán)區(qū)域，仍利用霍夫變換方式去除內(nèi)環(huán)部分。

搜索區(qū)域：從圓心到外圍的發(fā)散式所覆蓋的區(qū)域。

4.制定搜索算法

從內(nèi)到外發(fā)散式搜索，按照?qǐng)A心方向的發(fā)散式搜索方法。建立參數(shù)式的極坐標(biāo)方程，實(shí)施搜索方法。搜索所需要的在骨架上的點(diǎn)。

5.B樣條擬合。B樣條具有幾個(gè)良好的性質(zhì)。

基于B樣條算法連接搜索計(jì)算出的坐標(biāo)點(diǎn)。B樣條曲線平滑，易于進(jìn)行局部修改，更逼近型值點(diǎn)。

結(jié)合B樣條曲線實(shí)現(xiàn)程序，帶入已經(jīng)識(shí)別計(jì)算完成并存儲(chǔ)到數(shù)組的數(shù)據(jù)，擬合成封閉的內(nèi)膜曲線。

實(shí)施例八：縱視圖處理。

參閱圖8，本部分包括原始信號(hào)42，求取功率譜46，雙三次插值59，頻域低通濾波60，后處理圖像61。本方法是針對(duì)IVUS或者OCT連續(xù)多張圖片縱剖面截面圖。

由于縱視圖的數(shù)據(jù)是有多張橫視圖的剖面組合而成，然而橫視圖的幀數(shù)是有限的。如果直接拼圖，通過普通的插值方式會(huì)產(chǎn)生比較明顯的鋸齒板狀的圖像。為了改善圖像的質(zhì)量，需要對(duì)圖像進(jìn)行一些處理。

濾波方法對(duì)比：

一般的常用的濾波方法包括中值濾波、均值濾波、雙邊濾波以及高斯濾波。這些常用濾波一般都是基于空間的濾波方式，即直接進(jìn)行像素操作。只能在鄰域范圍改變像素效果，所以結(jié)果并不好。

1.原始信號(hào)求取功率譜數(shù)據(jù)。采集的數(shù)據(jù)經(jīng)過一系列處理之后，再求取功率譜。

2.雙三次插值，雙三次插值方法會(huì)使圖像成像更加平滑。插值計(jì)算量偏大，但是引入cuda的計(jì)算可以很好的解決這一問題。

3.頻域低通濾波

縱視圖是由100副以上（不設(shè)上限）橫視圖的截面拼成的，而后根據(jù)需要擴(kuò)展成長(zhǎng)度為四百到五百的長(zhǎng)度，所以或帶來許多高頻的噪聲。在這里，我們采用頻域變換的方式，在傅立葉域進(jìn)行低通濾波。濾波之后進(jìn)行反變換，這樣可以有效降低高頻噪聲。

經(jīng)實(shí)驗(yàn)驗(yàn)證，此方法應(yīng)用可得到效果改善的平滑的圖像。

實(shí)施例九：近紅外光譜域結(jié)合光學(xué)相干層析圖像的分析

請(qǐng)參閱圖9，本部分包括光譜發(fā)射裝置62，中間傳輸裝置63，打入血管內(nèi)壁64，返回光譜接收65，光譜分析67，傳輸裝置66，判決方法68，光譜圖與光學(xué)相干層析成像69結(jié)合顯示。

光學(xué)相干層析圖像雖然較血管內(nèi)超聲圖像的質(zhì)量有了比較大的提高，可以更準(zhǔn)確的確定支架、血管內(nèi)壁的具體位置和情況。然而對(duì)于血管內(nèi)壁的病灶組織識(shí)別，如脂質(zhì)斑塊、纖維化、鈣化等情況快速明確的識(shí)別還是有一定的局限性。

為此，我們引入了一種新的全新的技術(shù)，近紅外光譜域結(jié)合光學(xué)相干層析圖像的分析。這種技術(shù)能協(xié)同識(shí)別病灶信息。

通過在導(dǎo)管的發(fā)射端增加一個(gè)發(fā)射近紅外光譜裝置，并且后端增加一個(gè)接收和分析光譜特征的裝置。利用分析的光譜數(shù)據(jù)，在上位機(jī)做一個(gè)光譜分布圖。光譜分布圖，分別在縱視圖和橫視圖都有疊加部分。

近紅外光譜打到血管壁的不同部位，根據(jù)不同部位的組織特性針對(duì)光譜的反射不同，對(duì)收集到光譜進(jìn)行分析，生成一個(gè)光譜分析圖。其工作流程為：

①光譜發(fā)射裝置發(fā)射設(shè)定范圍的光譜并通過中間傳輸裝置傳輸。

②傳輸?shù)墓庾V最終由終端打到血管內(nèi)壁。

③血管壁內(nèi)部不同組織反射回光譜，通過接受裝置進(jìn)行接收。

④對(duì)接收的光譜進(jìn)行成像分析。

⑤判決方法。組織放射回來為混合的光譜，通過之前設(shè)立的不同組織反射的光譜特性圖，進(jìn)行判決。設(shè)置一個(gè)判決規(guī)則，例如規(guī)定組織返回光譜和模板的相似性超過80%則為模板標(biāo)定的組織。

⑤根據(jù)判決后的光譜，結(jié)合光學(xué)相干層析影像一同顯示。

實(shí)施例十：一種OCT或者IVUS數(shù)字化頻譜切片技術(shù)。

參閱圖10，本部分包括大量血管組織病理切片樣本70，大量OCT或者IVUS血管組織影像成像樣本71，感興趣區(qū)域配準(zhǔn)72，病灶影像或感興趣區(qū)域分析73，建立訓(xùn)練數(shù)據(jù)庫74，OCT或者IVUS血管組織影像75，自動(dòng)識(shí)別感興趣部位76，圖像色彩標(biāo)記處理77。其中病灶影像或感興趣區(qū)域分析見圖10，包括感興趣區(qū)域配準(zhǔn)72，大量IVUS和OCT血管組織影像成像樣本78，識(shí)別樣本影像感興趣區(qū)域79，轉(zhuǎn)換80，纖維化特征模板81，脂肪化特征模板82，鈣化特征模板83，纖維脂肪化特征模板84，建立訓(xùn)練數(shù)據(jù)庫74。

基于IVUS或者OCT的血管壁組織影像，對(duì)血管壁不同組織特性的顯示有了一定區(qū)分效果。但是這些區(qū)分顯示，有些并不十分明顯，有時(shí)還是需要醫(yī)生根據(jù)豐富的診斷經(jīng)驗(yàn)進(jìn)行判斷。

提出一種基于IVUS和OCT的數(shù)字化頻譜切片技術(shù)，數(shù)字化，即表示利用計(jì)算機(jī)技術(shù)，頻譜，即表示對(duì)特征感興趣區(qū)域采用頻譜變換的方式進(jìn)行分析，分析校準(zhǔn)標(biāo)注不同偽彩色之后，影像恰似切片。該算法所具有優(yōu)點(diǎn)：對(duì)血管壁組織感興趣區(qū)域?qū)?huì)很形象明確的區(qū)分標(biāo)注，對(duì)醫(yī)生來說可以一目了然的看出病灶所在。

算法流程圖如：

1.利用大量血管組織病例切片樣本和對(duì)應(yīng)的大量血管影像成像樣本進(jìn)行配準(zhǔn)。

有經(jīng)驗(yàn)的醫(yī)生識(shí)別病理切片中的感興趣病灶組織，然后通過配準(zhǔn)算法結(jié)合影像數(shù)據(jù)，由此可以識(shí)別影像圖像中的感興趣區(qū)域。

2. 病灶影像或感興趣區(qū)域的分析

大量IVUS或者OCT血管組織影像樣本通過感興趣區(qū)域配準(zhǔn)方法之后，可以識(shí)別樣本影像感興趣區(qū)域。接下來對(duì)樣本感興趣區(qū)域轉(zhuǎn)換，這里可以轉(zhuǎn)換為小波域處理或者傅立葉域，轉(zhuǎn)換之后進(jìn)行信號(hào)分析。基于大量數(shù)據(jù)分析，得出感興趣區(qū)域在傅立葉域或者小波域的信號(hào)特征模板。針對(duì)這些特征模板建立一個(gè)訓(xùn)練數(shù)據(jù)庫。數(shù)據(jù)訓(xùn)練方法可采用非平衡數(shù)據(jù)訓(xùn)練方法或者大數(shù)據(jù)集的SVM數(shù)據(jù)訓(xùn)練方法或者PSVM數(shù)據(jù)訓(xùn)練方法。

3. 結(jié)合訓(xùn)練數(shù)據(jù)庫自動(dòng)識(shí)別診斷設(shè)備獲取的影像病例感興趣區(qū)域。

通過診斷設(shè)備獲取的圖像，結(jié)合之前已經(jīng)建立的訓(xùn)練數(shù)據(jù)庫，按照一定配準(zhǔn)算法，可以直接識(shí)別感興趣區(qū)域。

4.圖像感興趣區(qū)域標(biāo)記。

為了方便醫(yī)生判斷，在對(duì)感興趣區(qū)域識(shí)別完成之后，需要采取一定方法，對(duì)感興趣區(qū)域進(jìn)行偽彩色標(biāo)準(zhǔn)。

該方法的特點(diǎn)是需要大量病例切片信息，建立一個(gè)龐大的數(shù)據(jù)庫。這是需要耗費(fèi)一定的精力和人力。

其中，提高成像質(zhì)量和特征識(shí)別的成像算法包括如下步驟：

（1）圖像變換增強(qiáng)，利用新的變換插值方法，進(jìn)行圖像增強(qiáng)，包括時(shí)域插值，插值補(bǔ)零，頻域變換，頻域插值等；

（2）自動(dòng)光程校準(zhǔn)，通過圖像識(shí)別算法和自動(dòng)控制設(shè)計(jì)方法，提供一個(gè)可以自動(dòng)控制光程調(diào)節(jié)器系統(tǒng)的方案；

（3）內(nèi)膜自動(dòng)檢測(cè)，利用一個(gè)新的由內(nèi)到外的發(fā)散式搜索方法，進(jìn)行識(shí)別內(nèi)膜壁；

（4）縱視圖平滑處理，利用基于低通濾波的方法進(jìn)行圖像處理，低通方法可以是時(shí)域或者頻域、可以是高斯低通或者巴沃斯低通濾波；

（5）結(jié)合近紅外光譜分析的光學(xué)相干層析方法，利用光譜分析特性及血管壁不同組織對(duì)光譜吸收的不同進(jìn)行光譜分析成像；

（6）感興趣區(qū)域的自動(dòng)識(shí)別和標(biāo)注方法，利用病例切片樣本結(jié)合對(duì)照影像進(jìn)行圖像配準(zhǔn)，通過特征信息分析，建立訓(xùn)練數(shù)據(jù)庫，利用訓(xùn)練數(shù)據(jù)庫對(duì)獲取的影像圖像進(jìn)行特征分析，并利用不同偽彩色方法標(biāo)注感興趣區(qū)域。

其中，基于超聲，光學(xué)干涉，光譜成像的內(nèi)窺成像算法，血管內(nèi)超聲成像。

其中，用于自動(dòng)光程校準(zhǔn)模塊，利用圖像識(shí)別和命令傳送控制相結(jié)合的方法。

其中，所述的感興趣區(qū)域的自動(dòng)識(shí)別和標(biāo)注方法模塊中的特征信息分析方法，轉(zhuǎn)換到傅立葉域或者小波域的分析。

其中，圖像縱視圖提高和圖像感興趣識(shí)別方法，對(duì)血管內(nèi)超聲成像與光學(xué)相干斷層成像適用。

最后說明的是，選取上述實(shí)施例并對(duì)其進(jìn)行了詳細(xì)的說明和描述是為了更好的說明本發(fā)明專利的技術(shù)方案，并不是想要局限于所示的細(xì)節(jié)。本領(lǐng)域的技術(shù)人員對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或同等替換，而不脫離本發(fā)明技術(shù)方案的宗旨和范圍的，均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。