本发明专利技术公开了定位技术领域的一种基于多源异构信息融合技术的血管定位装置及方法，定位装置包括信号连接的存储器、图像获取模块、预处理模块、图像分割模块和定位模块；方法包括：S1、图像获取模块采集血管图像数据；S2、基于映射定位提取主血管网络；S3、预处理模块基于多源异构信息增强图像；S4、基于全局阈值与局部阈值对血管图像进行分割；S5、基于重组血管网络进行定位。本方案利用多源异构信息构建二级血管网络，再基于全局阈值与局部阈值对血管图像进行分割，可以得到参数更准确的血管网络分布，利用定位模块依次定位主血管中的第一目标血管和细小血管中的第二目标血管，可以在分布复杂的血管网络中得到更为精确的定位信息。息。息。
【技术实现步骤摘要】
一种基于多源异构信息融合技术的血管定位装置及方法
[0001]本专利技术属于定位
，具体是一种基于多源异构信息融合技术的血管定位装置及方法。
技术介绍
[0002]在穿刺、手术或者自动采血过程中，往往需要选择合适的血管再进行手术和采血，现有选择血管时通常采用获取血管的红外图像，再对目标血管进行追踪，达到定位血管的目的，便于后续手术或穿刺采血。
[0003]例如中国专利，公布号为CN107292928A的专利公开了一种血管定位的方法及装置，方法包括：获取图像重建所得的图像数据；从所述图像数据获取待定位的预设动脉所处的目标区域的图像数据；根据所述目标区域的图像数据对所述待定位的预设动脉进行定位。
[0004]该专利采用采用目标区域的图像数据对该预设动脉进行定位，根据待定的预设动脉的已知特征对该待定的预设动脉进行定位，提高血管定位的精度，但是由于眼部等微小部位的血管细小，眼动脉和眼静脉交错分布，采用该方法追踪动脉血管较为困难，因此，我们提出了一种基于多源异构信息融合技术的血管定位装置及方法。
技术实现思路
[0005]为了解决由于眼部等微小部位的血管细小，眼动脉和眼静脉交错分布，采用现有技术追踪动脉血管较为困难的问题，本专利技术的目的是提供一种基于多源异构信息融合技术的血管定位装置及方法。
[0006]为了实现上述目的，本专利技术的技术方案如下：一种基于多源异构信息融合技术的血管定位装置，包括信号连接的存储器、图像获取模块、预处理模块、图像分割模块和定位模块；
[0007]存储器用于存储血管图像数据；
[0008]图像获取模块用于获取血管图像数据；
[0009]预处理模块用于映射提取主血管和增强图像；
[0010]图像分割模块用于重建血管网络；
[0011]定位模块用于定位目标血管的位置。
[0012]进一步，一种基于多源异构信息融合技术的血管定位方法，包括如下步骤：
[0013]S1、图像获取模块采集血管图像数据；
[0014]S2、预处理模块基于映射定位提取主血管网络；
[0015]S3、预处理模块基于多源异构信息增强图像，其中多源异构信息包括宽度信息和方向信息；
[0016]S4、图像分割模块基于全局阈值与局部阈值对血管图像进行分割；
[0017]S5、定位模块基于重组血管网络进行定位。
[0018]进一步，所述S2基于映射定位提取主血管网络具体为：
[0019]S21、对血管图像进行通道分解，提取绿色通道图像；
[0020]S22、采用形态学底帽变换：对灰度图像进行闭运算，再减去原灰度图
[0021][0022]其中，为待处理的绿色通道图像，为结构元，为结构元的旋转角度；
[0023]变换后的图像为：
[0024][0025]其中，R为旋转角度θ的集合；
[0026]S23、采用位平面切割方法提取最高阶平面，得到二值血管图像；
[0027]S24、确定主血管网络中心水平坐标；
[0028]S25、确定主血管网络中心垂直坐标。
[0029]进一步，所述S3基于多源异构信息增强图像具体为：
[0030]S31、采用多尺度Hessian矩阵滤波对血管图像进行多尺度灰度拉伸；
[0031]S32、采用多方向二维匹配滤波对血管图像进行多方向灰度拉伸；
[0032]S33、融合多尺度拉伸后的图像和多方向拉伸后的图像。
[0033]进一步，所述S31采用多尺度Hessian矩阵滤波对血管图像进行多尺度灰度拉伸具体为：
[0034]S311、基于高斯函数构建尺度空间导数T
ab
：
[0035][0036]其中，T为输入图像，σ为尺度因子；
[0037]S312、基于Hessian矩阵提取特征值λ1和λ2，通过血管相似度滤波器构建线性模型Z
a
(σ)：
[0038][0039]其中，R
B
为特征值λ1和λ2的比例因子，S为λ1和λ2的平方和的平方根，β和c是分别关于R
B
和S的比例因子，且0＜Z
a
(σ)＜1，0为最低相似度，1为最高相似度；
[0040]S313、以血管宽度表示尺度因子σ，代入尺度因子σ，计算各尺度下的Z
a
，选取最大Z
a
值为增强效果效果：
[0041]f(x,y)＝max[Z
a
(x,y,σ)]。
[0042]进一步，所述S33融合多尺度拉伸后的图像和多方向拉伸后的图像：
[0043]定义多尺度Hessian矩阵滤波增强结果为f1，多方向二维匹配滤波增强结果为f2，对比分析每一个像素f
ij
的对应位置的f1和f2的值，选取f1和f2中最大值为f
ij
的最终值：
[0044]f(i,j)＝max{f1(i,j),f2(i,j)；i＝1,2,
…
m,j＝1,2,
…
n}。
[0045]进一步，所述S4基于全局阈值与局部阈值对血管图像进行分割：
[0046]S41、采用全局阈值二维最大熵算法分割增强效果较好的主血管网络；
[0047]S42、采用局部阈值移动平均算法分割增强效果较差的细小血管；
[0048]S43、基于区域连通性结合主血管网络和细小血管，经除噪后得到重组血管网络。
[0049]进一步，所述S5基于重组血管网络进行定位：
[0050]S51、定位模块基于重组血管网络定位第一目标血管，所述第一目标血管位于主血管网络；
[0051]S52、定位至第一目标血管后，定位模块采用金字塔光流跟踪法基于重组血管网络定位第二目标血管，第二目标血管位于主血管网络相近的细小血管范围。
[0052]采用上述方案后实现了以下有益效果：
[0053]相较于现有技术由于眼部等微小部位的血管细小，眼动脉和眼静脉交错分布，采用现有技术追踪动脉血管较为困难的问题，本方案利用多源异构信息构建二级血管网络，再基于全局阈值与局部阈值对血管图像进行分割，可以得到参数更准确的血管网络分布，利用定位模块依次定位主血管中的第一目标血管和细小血管中的第二目标血管，可以在分布复杂的血管网络中得到更为精确的定位信息。
附图说明
[0054]图1为本专利技术实施例的血管定位装置的模块示意图。
[0055]图2为本专利技术实施例的血管定位方法的流程示意图。
具体实施方式
[0056]下面通过具体实施方式进一步详细说明：
[0057]实施例基本如附图1
‑
图2所示：
[0058]一种基于多源异构信息融合技术的血管定位装置，包括信号连接的存储器、图像获取模块、预处理模块、图像分割模块和定位模块；
[0059]存储器用于存储血管图像数据；...
【技术保护点】
【技术特征摘要】
1.一种基于多源异构信息融合技术的血管定位装置，其特征在于：包括信号连接的存储器、图像获取模块、预处理模块、图像分割模块和定位模块；存储器用于存储血管图像数据；图像获取模块用于获取血管图像数据；预处理模块用于映射提取主血管和增强图像；图像分割模块用于重建血管网络；定位模块用于定位目标血管的位置。2.一种基于多源异构信息融合技术的血管定位方法，其特征在于：包括如下步骤：S1、图像获取模块采集血管图像数据；S2、预处理模块基于映射定位提取主血管网络；S3、预处理模块基于多源异构信息增强图像，其中多源异构信息包括宽度信息和方向信息；S4、图像分割模块基于全局阈值与局部阈值对血管图像进行分割；S5、定位模块基于重组血管网络进行定位。3.根据权利要求2所述的基于多源异构信息融合技术的血管定位方法，其特征在于：所述S2基于映射定位提取主血管网络具体为：S21、对血管图像进行通道分解，提取绿色通道图像；S22、采用形态学底帽变换：对灰度图像进行闭运算，再减去原灰度图其中，为待处理的绿色通道图像，为结构元，为结构元的旋转角度；变换后的图像为：其中，R为旋转角度θ的集合；S23、采用位平面切割方法提取最高阶平面，得到二值血管图像；S24、确定主血管网络中心水平坐标；S25、确定主血管网络中心垂直坐标。4.根据权利要求3所述的基于多源异构信息融合技术的血管定位方法，其特征在于：所述S3基于多源异构信息增强图像具体为：S31、采用多尺度Hessian矩阵滤波对血管图像进行多尺度灰度拉伸；S32、采用多方向二维匹配滤波对血管图像进行多方向灰度拉伸；S33、融合多尺度拉伸后的图像和多方向拉伸后的图像。5.根据权利要求4所述的基于多源异构信息融合技术的血管定位方法，其特征在于：所述S31采用多尺度Hessian矩阵滤波对血管图像进行多尺度灰度拉伸具体为：S311、基于高斯函数构建尺度空间导数T
ab
：其中，T为输入图像，σ为尺度因子；S312、基于Hessian矩阵提取特征值λ1和λ2，通过...
【专利技术属性】
技术研发人员：刘佳，汪靓，赵洪圉，董磊，赵琴，
申请(专利权)人：中南大学湘雅三医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。