[发明专利]一种基于扩散相干光谱图像的脑血流量检测方法

权利要求书

1.一种基于扩散相干光谱图像的脑血流量检测方法，其特征在于，所述方法包括以下步骤：

S100，利用扩散相干光谱成像系统测定待测局部脑组织，获得扩散相干光谱图像序列和暗电流图像序列；

S200，根据所述扩散相干光谱图像序列和暗电流图像序列，进行流速特征增强处理，得到特征增强图像序列和流速特征区域图像序列；

S300，根据所述流速特征区域图像序列，计算局部区域图像序列和静态散射图像序列；

S400，根据所述局部区域图像序列和静态散射图像序列，计算动态散射流速图像序列；

S500，根据所述特征增强图像序列和动态散射流速图像序列，进行图像校正处理，得到相对流速图像序列；

S600，根据所述相对流速图像序列，得到局部脑血流相对指数序列；

S700，根据所述局部脑血流相对指数序列结合血管管径测量方法，得到该待测局部脑组织随时间变化的局部脑血流量；

其中，在S200中，根据扩散相干光谱图像序列和暗电流图像序列，进行流速特征增强处理，得到特征增强图像序列和流速特征区域图像序列的方法为：

S201，设定所述扩散相干光谱图像序列为I(x, y, z)，所述暗电流图像序列为O(x, y,z)，其中I(x, y, z)和O(x, y, z)分别表示在第z帧所述扩散相干光谱图像和所述暗电流图像在像素点坐标(x, y)上的灰度值，初始化x = 1, y = 1, z = 1；其中设定图像分辨率尺寸大小为[M, N]，x值取值范围为[1, M]，y值取值范围为[1, N]，z值取值范围为[1, t/T×10³]；设定时间域窗口长度大小为Nt帧，时间域窗口序号为n，n值取值范围为[1, floor(z/Nt)]；其中floor函数为高斯取整，即n值不超过z/Nt的最大整数，初始化n = 1；

S202，在第z帧时遍历像素点坐标(x, y)的取值范围，根据所述扩散相干光谱图像I(x,y, z)和所述暗电流图像序列O(x, y, z)，计算特征校准图像序列Q(x, y, z)：

；

其中Q(x, y, z)表示为在第z帧所述特征校准图像的像素点坐标为(x, y)上的特征校准值，n_a(z)表示为在第z帧所述暗电流图像中的校准因子；

S203，判断z值是否等于n×Nt，是则根据所述特征校准图像序列Q(x, y, z)，在第n个时间域窗口内遍历z = [Nt(n-1)+1, ..., nNt ]时，对应遍历像素点坐标(x, y)的取值范围，计算特征增强图像序列R(x, y, n)：

，

；

；

其中R(x, y, n)表示为第n个时间域窗口中所述特征增强图像在像素点坐标为(x, y)上的灰度值；a_n(x, y)为R(x, y, n)在第n个时间域窗口内对应像素点坐标为(x, y)上的特征相关因子，b_n(x, y)为R(x, y, n)在第n个时间域窗口内对应像素点坐标为(x, y)上的特征增强因子，p_n(x, y)为所述特征校准图像序列Q(x, y, z)遍历z = [Nt(n-1)+1,..., nNt ]，对应第n个时间域窗口内共Nt帧在像素点坐标为(x, y)上的灰度均值，μ_n(x,y)和σ_n(x, y)分别为所述暗电流图像序列O(x, y, z)遍历z = [Nt(n-1)+1, ..., nNt ]，对应第n个时间域窗口内共Nt帧在像素点坐标为(x, y)上的灰度均值和标准方差，β为流速规范化算子；

否则令z值增加1，跳转至步骤S202；

S204，判断n值是否小于floor(z/Nt)，是则令n值增加1，z值增加1，跳转至步骤S202；否则跳转至步骤S205；

S205，根据所述特征增强图像序列R(x, y, n)，计算得到流速特征区域图像序列RI(x,y, n)；

其中，在S205中，根据所述特征增强图像序列R(x, y, n)，计算得到流速特征区域图像序列RI(x, y, n)的方法为：

S2051，设定空间域窗口长度大小为Ns个像素点，则一个空间域窗口单元大小为Ns×Ns个像素点；其中Ns = gcd(M-2, N-2)，gcd函数为求最大公约数，即Ns为二维图像分辨率尺寸大小为[M-2, N-2]的最大公约数；初始化x=2，y=2，n=1；空间域窗口的扫描序号为k，k值取值范围为[1, floor((M-2)(n-2)/Ns²)]，floor函数为高斯取整，初始化k = 1；

S2052，在第n个时间域窗口时，根据所述特征增强图像序列R(x, y, n)，遍历(x, y)计算流速特征梯度图像序列G(x, y, n)：

；

G(x, y, n)表示为第z帧时所述流速特征梯度图像在像素点坐标为(x, y)上的梯度大小；其中，

，

，

，

；

G_x(x, y, n)，G_y(x, y, n)和G_z(x, y, n)分别表示为在第n个时间域窗口时所述流速特征梯度图像在像素点坐标为(x, y)上的水平梯度大小，垂直梯度大小和时间轴梯度大小；

S2053，判断n值是否大于1，是则在第n个时间域窗口时，在二维图像尺寸大小为(M-2)×(N-2)个像素点内遍历所述空间域窗口序号k值的取值范围，以Ns个像素点为步长，从x =2, y = 2开始从水平方向和垂直方向移动扫描第k个所述空间域窗口单元，在Ns×Ns个像素点内计算流速特征度量序列D(k, n)和流动特征序列F(k, n)；

，

；

其中D(k, n)表示为第n个和第n-1个相邻的时间域窗口之间，计算在第k个空间域窗口单元内与流速线性相关的特征度量值；为归一化参数；

；

；

Rv(k, n)表示为第n个时间域窗口时所述特征增强图像在第k个空间域窗口单元内计算的特征增强均值；Gv(k, n)表示为第n个时间域窗口时所述流速特征梯度图像在第k个空间域窗口单元内计算的特征梯度均值；

；

；

其中F(k, n)表示为第n个时间域窗口时所述特征增强图像在第k个空间域窗口单元内的流动特征灰度值，min函数为求最小值；

否则跳转至步骤S2052；

S2054，判断n值是否小于floor(z/Nt)-1，是则n值增加1，跳转至步骤S2052；否则令n =1，跳转至步骤S2055；

S2055，根据所述流速特征度量序列D(k, n)和流动特征序列F(k, n)，遍历k值取值范围，计算流速特征序列L(k)：

；

L(k)表示为在第k个空间域窗口单元内的流速特征序列；

S2056，遍历k值的取值范围，判断所述流速特征序列L(k)内是否存在大于流速相关性阈值的流速特征值，是则遍历x和y的取值范围，标记k值对应的空间域窗口单元内的流速特征值V(x, y) = 1；否则标记k值对应的空间域窗口单元内的流速特征值V(x, y) = 0；

V(x, y)表示在像素坐标(x, y)上的流速特征值；其中，

，

；

S2057，根据所述流速特征值V(x, y)，遍历n值的取值范围，计算得到流速特征区域图像序列RI(x, y, n) = R(x, y, n)×V(x, y)；其中RI(x, y, n)表示为第n个时间域窗口时所述流速特征区域图像在像素坐标(x, y)上的灰度值；

其中，在S600中，根据所述相对流速图像序列，得到局部脑血流相对指数序列的方法为：

S601，遍历n1值的取值范围，根据所述相对流速图像序列FK(x1, y1, n1)，遍历图像中所有像素坐标(x1, y1)计算相对流速指数序列FV(n1)：

;

其中，FV(n1)表示为第n1个时间域窗口的相对流速指数，为遍历所有x1值和y1值计算在M1×N1像素范围内的均值；

S602，遍历n1值的取值范围，根据所述相对流速指数序列FV(n1)，计算得到局部脑血流相对指数序列BFI (n1)= c / FV(n1)²，其中BFI(n1)为第n1个时间域窗口的局部脑血流相对指数，c为归一化比例常数。