一种基于逆向主成分分析法的3D血管成像算法制造技术

本发明专利技术提供了一种基于逆向主成分分析法的3D血管成像算法，涉及医用血管成像技术领域，首先，采用心电门控法进行心电信号采集，根据心电信号输出门控信号并传输至光谱仪，生成结构图像数据并对结构图像数据进行配准。其次，构建复信号统计模型，采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号，并生成血流图像。最后，采用独立成分分析模型获得血流图像轮廓点集群的独立元轴，利用差分搜索算法计算独立元轴的平移量和旋转量，再对血流图像进行配准。该技术方案提高了三维血管成像的信噪比，减少了由生物组织反射产生的杂乱背景信息，提高了成像图像质量，缓解了现有技术存在的血管成像质量低、噪声严重的技术问题。

A 3D angiography algorithm based on inverse principal component analysis

The invention provides a 3D angiography algorithm based on inverse principal component analysis, which relates to the technical field of medical angiography. Firstly, ECG gating method is used to collect ECG signals, output gated signals according to ECG signals and transmit them to spectrometer, generate structural image data and register structural image data. Secondly, the complex signal statistical model is constructed, and the reversed principal component analysis method is used to extract the vascular red blood cell reflection signal in the complex signal statistical model, and generate the blood flow image. Finally, the independent component analysis model is used to obtain the independent component axis of the contour point cluster of the blood flow image, and the differential search algorithm is used to calculate the translation and rotation of the independent component axis, and then the blood flow image is registered. The scheme improves the signal-to-noise ratio of three-dimensional angiography, reduces the cluttered background information generated by biological tissue reflection, improves the image quality, and alleviates the technical problems of low quality and serious noise of angiography existing in the existing technology.

【技术实现步骤摘要】
一种基于逆向主成分分析法的3D血管成像算法
本专利技术涉及医用血管成像
，尤其是涉及一种基于逆向主成分分析法的3D血管成像算法。
技术介绍
现代医学认为，生物组织的病变状态和相关部位的血管形态有着紧密的关系，其中，光相干层析成像(OCT)是一种新型成像技术，具有无创性、高分辨率、非入侵性及成像深度较高等优点。然而在病变早期，正常组织与病变组织间的散射特性的区别不明显，导致OCT结构性图像无法及时提供有效信息指导临床治疗等结果。光学相干断层微血管成像(OCTA)是一种基于OCT基础上实现对微型血管成像的技术，其既可以实现快速、无创、无标记、高分辨率成像，也可以获得组织血管的三维血管造影。OCTA技术已能从组织的微结构中分离出血管，如相位分辨光学多普勒断层扫描PRODT，该方法主要基于比较OCTA信号一个B-扫描内的相邻A-扫描之间的相位差，该相位差与血流速度有直接关系。虽然目前PRODT已被广泛使用，但由于其对血流的灵敏度较低，很难清楚地观察到流速为0.1～0.9mm/s或者流速更低的疾病状态下的毛细血管。为了提高其灵敏度，研究人员已提出了一些改进方法，例如利用前向和后向B-扫描，及利用相邻的B-扫描之间的相位方差。由于相邻的B-扫描之间的时间间隔相对较长(ms量级)，使得该方法能够对拥有缓慢血流的毛细血管进行成像，且相位分辨光学多普勒断层扫描方法需要较长的采集时间(25min)，并且对物体运动伪影非常敏感。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：OCTA系统活体成像过程中，由于存在诸如心跳、呼吸等不可避免的生物抖动，导致成像信噪比降低，图像质量受损；OCTA数据采集过程中，相邻光序列扫描的位置偏移引起的相关噪声导致成像质量降低；OCTA图像重构过程中，相邻两帧图像的位置偏移导致图像中存在抖动噪声。目前广泛使用的血流成像算法灵敏度较低，无法提取细小血管的图像；现存血流图像重构算法无法高效去除由生物组织反射引起的杂乱背景信息。因此，现有技术存在血管成像质量低、噪声严重的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于逆向主成分分析法的3D血管成像算法，以缓解现有技术中存在的血管成像质量低、噪声严重的技术问题。本专利技术实施例提供了一种基于逆向主成分分析法的3D血管成像算法，包括如下步骤：数据采集步骤：采用心电门控法进行心电信号采集，根据心电信号输出门控信号并传输至光谱仪，根据输出门控信号生成结构图像数据，对结构图像数据进行配准；图像重建步骤：根据结构图像数据构建复信号统计模型，复信号统计模型为包括非血流组织成分的组织反射信号、血流成分的红细胞反射信号和高斯白噪声的线性统计模型；具体的，复信号统计模型为I＝Ic+Ib+N，其中，I为组织复信号强度矩阵，Ic为非血流组织反射信号强度矩阵，Ib为血流组织中血管红细胞反射信号强度矩阵，N则为高斯白噪声分量；采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号，计算血管红细胞反射信号的特征值及特征向量，提取的血管红细胞反射信号为Ib＝(1-H(w))×I，并生成血流图像，其中，H(w)为根据红细胞反射信号的特征值及特征向量构建的滤波信号响应函数；3D图像配准步骤：构造任两幅血流图像的轮廓点集群Fi，轮廓点集群为Fi＝[xi,yi,zi]T，i＝(1,2,3,...,n)，两幅血流图像的轮廓点集群Fo和Ft分别表示为oi＝xoie1+yoie2+zoie3和ti＝xtie1+ytie2+ztie3；采用独立成分分析模型获得轮廓点集群Fi的独立元轴，独立成分分析模型为基于目标函数的优化算法模型；利用差分搜索算法计算独立元轴的平移量和旋转量，根据平移量和旋转量对血流图像进行配准。进一步的，本专利技术实施例提供的基于逆向主成分分析法的3D血管成像算法中，心电门控法具体为：门控模块初始化，同时采集心电信号，将心电信号作为输入数据与门控模块中预设的门控值进行比较，判断心电信号是否高于门限值，若是，输出对应于当前输入心电信号的门控信号。进一步的，本专利技术实施例提供的基于逆向主成分分析法的3D血管成像算法中，采用心电门控法进行心电数据采集具体还包括：在采集过程中添加敏感位移补偿模型，利用频域滤波法和多模态搜索法计算敏感位移补偿模型的敏感运动位移参数。进一步的，本专利技术实施例提供的基于逆向主成分分析法的3D血管成像算法中，采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号的特征值及特征向量之后，还包括：采用叠加均值相消法将血流红细胞反射信号精准化。进一步的，本专利技术实施例提供的基于逆向主成分分析法的3D血管成像算法中，对结构图像进行配准具体采用基于特征的配准方法对结构图像进行配准，基于特征的配准方法为：对伪差矩阵Q进行正交变换；具体的，Q＝Ii-Ii+1，其中，Ii、Ii+1分别为两幅相邻帧图像的像素矩阵。进一步的，本专利技术实施例提供的基于逆向主成分分析法的3D血管成像算法中，优化算法为人工蜂群算法、蚁群算法、差分进化算法、蝙蝠算法、布谷鸟算法中任一种。进一步的，本专利技术实施例提供的基于逆向主成分分析法的3D血管成像算法中，基于目标函数的优化算法模型中目标函数具体为：建立F＝AfSf，解混矩阵Wf满足Yf＝WfF＝WfAfSf，其中，Sf为点集，Af为点集矩阵，F为点集群，Yf是Fi分离后的独立分量的估计，Wf即为目标函数。进一步的，本专利技术实施例提供的基于逆向主成分分析法的3D血管成像算法中，计算对应于独立元轴的旋转量和平移量具体为：旋转量为：平移量ΔC＝Co-Ct，其中，lo-first，lo-second分别为第一幅血流结构图像的第一元轴和第二元轴，lt-first，lt-second分别为第二幅血流结构幅图像的第一元轴和第二元轴，其中，分别表示两幅血流结构图像轮廓点模型的形心。进一步的，本专利技术实施例提供的基于逆向主成分分析法的3D血管成像算法中，敏感位移补偿模型为si(n)＝d(n)+ri(n)+ci(n)+hi(n)，其中，si(n)为敏感运动位移参数，d(n)为呼吸运动分量，ri(n)为心脏运动分量，ci(n)为平移运动分量，hi(n)为噪声分量，敏感位移补偿模型中各个分量均为位移量随时间变化的函数。进一步的，本专利技术实施例提供的基于逆向主成分分析法的3D血管成像算法中，叠加均值相消法表达式为：其中，Ib_clear为精细化血流信息强度矩阵，Ib_i为第i帧的单帧血流信息强度矩阵，Ib_mean为由第i到第M帧的多帧平均血流信息强度矩阵，M为B-扫描总次数。本专利技术实施例带来了以下有益效果：本专利技术实施例所提供的基于逆向主成分分析法的3D血管成像算法，首先，采用心电门控法进行心电信号采集，根据心电信号输出门控信号并传输至光谱仪，根据输出门控信号生成结构图像数据，对结构图像数据进行配准。其次，根据结构图像数据构建复信号统计模型，复信号统计模型为包括非血流组织成分的组织反射信号、血流成分的红细胞反射信号和高斯白噪声的线性统计模型。采用逆向主成分分析法提取复信号统计模型中的血管红细胞反射信号，计算血管红细胞反射信号的特征值及特征向量，提取的血管红细胞反射信号，并生成血流图像。最后，构造任两幅血流图像的轮廓点集群，采用独立成分分析模型获得轮廓本文档来自技高网...

【技术保护点】
1.一种基于逆向主成分分析法的3D血管成像算法，其特征在于，包括如下步骤：数据采集步骤：采用心电门控法进行心电信号采集，根据心电信号输出门控信号并传输至光谱仪，根据输出门控信号生成结构图像数据，对结构图像数据进行配准；图像重建步骤：根据结构图像数据构建复信号统计模型，所述复信号统计模型为包括非血流组织成分的组织反射信号、血流成分的红细胞反射信号和高斯白噪声的线性统计模型；具体的，所述复信号统计模型为

【技术特征摘要】
1.一种基于逆向主成分分析法的3D血管成像算法，其特征在于，包括如下步骤：数据采集步骤：采用心电门控法进行心电信号采集，根据心电信号输出门控信号并传输至光谱仪，根据输出门控信号生成结构图像数据，对结构图像数据进行配准；图像重建步骤：根据结构图像数据构建复信号统计模型，所述复信号统计模型为包括非血流组织成分的组织反射信号、血流成分的红细胞反射信号和高斯白噪声的线性统计模型；具体的，所述复信号统计模型为，其中，I为组织复信号强度矩阵，Ic为非血流组织反射信号强度矩阵，Ib为血流组织中血管红细胞反射信号强度矩阵，N则为高斯白噪声分量；采用逆向主成分分析法提取所述复信号统计模型中的血管红细胞反射信号，计算所述血管红细胞反射信号的特征值及特征向量，提取的血管红细胞反射信号为，并生成血流图像，其中，H(w)为根据血管红细胞反射信号的特征值及特征向量构建的滤波信号响应函数；3D图像配准步骤：构造任两幅血流图像的轮廓点集群Fi，所述轮廓点集群为，，两幅血流图像的轮廓点集群Fo和Ft分别表示为和；采用独立成分分析模型获得轮廓点集群Fi的独立元轴，所述独立成分分析模型为基于目标函数的优化算法模型；利用差分搜索算法计算独立元轴的平移量和旋转量，根据平移量和旋转量对血流图像进行配准。2.根据权利要求1所述的算法，其特征在于，所述心电门控法具体为：门控模块初始化，同时采集心电信号，将心电信号作为输入数据与门控模块中预设的门控值进行比较，判断心电信号是否高于门限值，若是，输出对应于当前输入心电信号的门控信号。3.根据权利要求1所述的算法，其特征在于，所述采用心电门控法进行心电数据采集具体还包括：在采集过程中添加敏感位移补偿模型，利用频域滤波法和多模态搜索法计算敏感位移补偿模型的敏感运动位移参数。4.根据权利要求1所述的算法，其特征在于，所述...

【专利技术属性】
技术研发人员：田洁，
申请(专利权)人：天津海仁医疗技术有限公司，天津恒宇医疗科技有限公司，
类型：发明
国别省市：天津,12