本發(fā)明屬于生物醫(yī)學(xué)成像領(lǐng)域，具體涉及一種基于光流分析的肌骨超聲超微血流量化分級(jí)方法與系統(tǒng)。

背景技術(shù)：

1、超微血流成像（superb?microvascular?imaging，smi）作為一種新型超聲影像技術(shù)，通過(guò)優(yōu)化組織運(yùn)動(dòng)的檢測(cè)，有效減少了由于血流信號(hào)較弱和運(yùn)動(dòng)偽影引起的圖像干擾，使得微血流在超聲影像中得以清晰可視化。與傳統(tǒng)的血流成像技術(shù)（如彩色多普勒、能量多普勒）相比，smi在低速血流的檢測(cè)能力上有了顯著提升，尤其在顯示微小血管中的血流活動(dòng)時(shí)，具有更高的空間和時(shí)間分辨率。具體而言，smi技術(shù)在評(píng)估關(guān)節(jié)滑膜炎癥的低度血流信號(hào)方面，顯示出比常規(guī)超聲成像方法更好的敏感性和準(zhǔn)確性。

2、關(guān)節(jié)滑膜的血流信號(hào)是關(guān)節(jié)炎癥診斷中的一個(gè)重要指標(biāo)，而基于smi的超微血流分析能夠提供比傳統(tǒng)技術(shù)更精確的定量評(píng)估。研究表明，smi能比能量多普勒更好地檢測(cè)關(guān)節(jié)滑膜低度炎癥，并且與x線影像特征及mri檢測(cè)結(jié)果有顯著相關(guān)性。尤其是在類風(fēng)濕關(guān)節(jié)炎、骨關(guān)節(jié)炎和其他炎性關(guān)節(jié)病的診斷中，smi展現(xiàn)出了較高的臨床價(jià)值。

3、然而，傳統(tǒng)的超微血流成像技術(shù)在應(yīng)用中仍面臨一些挑戰(zhàn)，主要體現(xiàn)在對(duì)血流信號(hào)的定量分析和自動(dòng)化分級(jí)的不足。當(dāng)前的超微血流量化方法大多依賴于半定量的評(píng)級(jí)系統(tǒng)，例如szkudlarek半定量分級(jí)系統(tǒng)，該系統(tǒng)將超微血流信號(hào)劃分為0到3級(jí)，主要依賴醫(yī)師的經(jīng)驗(yàn)判斷，具有較大的主觀性，影響了結(jié)果的一致性和可重復(fù)性。此外，關(guān)節(jié)超微血流的動(dòng)態(tài)變化常伴隨著動(dòng)靜脈搏動(dòng)，靜態(tài)圖像的分析容易忽視這一變化，從而影響血流量化的準(zhǔn)確性。

4、為了克服這些問題，近年來(lái)基于運(yùn)動(dòng)估計(jì)和光流分析的動(dòng)態(tài)血流量化方法開始受到關(guān)注。光流模型作為一種基于圖像序列的運(yùn)動(dòng)估計(jì)方法，能夠較為精確地捕捉到血流在不同時(shí)間點(diǎn)的動(dòng)態(tài)變化。通過(guò)計(jì)算圖像中的光流場(chǎng)，能夠提取出血流的運(yùn)動(dòng)信息，從而實(shí)現(xiàn)超微血流信號(hào)的實(shí)時(shí)動(dòng)態(tài)量化。光流分析不僅可以提高血流量化的精度，還能有效減輕噪聲和偽影對(duì)圖像質(zhì)量的影響，尤其在低信噪比的情況下，展現(xiàn)了優(yōu)異的抗干擾能力。

5、在關(guān)節(jié)骨性關(guān)節(jié)炎的自動(dòng)分級(jí)方面，近年來(lái)的研究主要集中在基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的方法，這些方法通過(guò)結(jié)合超聲影像特征和臨床數(shù)據(jù)取得了一定進(jìn)展。然而，盡管深度學(xué)習(xí)方法在圖像分析中取得了顯著進(jìn)展，傳統(tǒng)的光流模型在運(yùn)動(dòng)估計(jì)和動(dòng)態(tài)血流分析中依然具有重要地位。光流模型能夠精確捕捉超微血流的動(dòng)態(tài)變化，并為炎癥分級(jí)提供量化指標(biāo)。與機(jī)器學(xué)習(xí)方法相比，傳統(tǒng)光流模型在噪聲抑制、處理效率以及臨床環(huán)境中的穩(wěn)定性和實(shí)時(shí)性方面具有顯著優(yōu)勢(shì)。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的是提供一種基于光流分析的肌骨超聲超微血流量化分級(jí)方法與系統(tǒng)。

2、本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

3、一種基于光流分析的肌骨超聲超微血流量化分級(jí)方法，包括：

4、獲取待檢測(cè)對(duì)象的原始超微血流圖像序列；

5、從原始超微血流圖像序列進(jìn)行預(yù)處理；

6、從預(yù)處理之后的超微血流圖像序列中提取感興趣區(qū)域，即roi區(qū)域；

7、對(duì)roi區(qū)域進(jìn)行超微血管形態(tài)提取；

8、對(duì)roi區(qū)域的超微血流進(jìn)行動(dòng)態(tài)分析，所述動(dòng)態(tài)分析包括：超微血流量計(jì)算和運(yùn)動(dòng)光流場(chǎng)估計(jì)和融合微血流形態(tài)學(xué)特征；

9、根據(jù)動(dòng)態(tài)分析結(jié)果，生成超微血流的運(yùn)動(dòng)密度和超微血管的彈性密度兩項(xiàng)指標(biāo)，其中，超微血流的運(yùn)動(dòng)密度指平行于血流信號(hào)骨架的光流分量在相鄰兩幀的所有像素點(diǎn)的運(yùn)動(dòng)光流量和超微血流量的比值，超微血管的彈性密度指垂直于血流信號(hào)骨架的光流分量在相鄰兩幀所有像素點(diǎn)上的運(yùn)動(dòng)光流量與超微血流量的比值；

10、根據(jù)運(yùn)動(dòng)密度和彈性密度，對(duì)感興趣區(qū)域的血流信號(hào)進(jìn)行分級(jí)。

11、進(jìn)一步地，超微血管形態(tài)提取計(jì)算包括：

12、對(duì)原始超微血流圖像序列中的每幀圖像進(jìn)行灰度轉(zhuǎn)換并進(jìn)行二值化處理，將灰度值大于預(yù)設(shè)灰度閾值的像素點(diǎn)的像素值設(shè)為1，其余設(shè)為0，從而生成二值化圖像；

13、從每個(gè)二值化圖像中提取roi區(qū)域，以保留目標(biāo)血流信號(hào)；

14、對(duì)每個(gè)二值化圖像進(jìn)行血流區(qū)域的分割與聚類；

15、對(duì)分割與聚類得到的血流區(qū)域進(jìn)行邊緣檢測(cè)與骨架提取，生成骨架圖像；

16、對(duì)骨架圖像中的骨架進(jìn)行曲線擬合，得到微血管參數(shù)。

17、進(jìn)一步地，對(duì)二值化圖像進(jìn)行血流區(qū)域的分割包括：

18、步驟11：初始化隊(duì)列；

19、步驟12：遍歷roi區(qū)域的每個(gè)像素點(diǎn)，將像素值為1的像素點(diǎn)標(biāo)記為目標(biāo)像素；

20、步驟13：并將目標(biāo)像素加入隊(duì)列；

21、步驟14：當(dāng)隊(duì)列非空時(shí)，移除隊(duì)列中的第一個(gè)元素，并將移除的元素作為當(dāng)前像素，接著，執(zhí)行步驟15；

22、步驟15：獲取當(dāng)前像素的預(yù)設(shè)范圍的鄰域像素，對(duì)于每一個(gè)鄰域像素，如果所述鄰域像素值為1，且尚未被標(biāo)記，則將所述鄰域像素標(biāo)記為目標(biāo)像素，并將所述鄰域像素加入隊(duì)列，直至所有的鄰域像素都被檢查；

23、步驟16：當(dāng)隊(duì)列為空時(shí)，將聯(lián)通的目標(biāo)像素組成一個(gè)獨(dú)立的血流區(qū)域；

24、步驟17：重復(fù)執(zhí)行步驟12-16，直至所有的目標(biāo)像素被處理完畢。

25、進(jìn)一步地，血流區(qū)域聚類包括：

26、步驟21：獲取血流區(qū)域集合；

27、步驟22：計(jì)算血流區(qū)域集合中每?jī)蓚€(gè)血流區(qū)域之間的距離；

28、步驟23：當(dāng)血流區(qū)域集合中存在兩個(gè)或兩個(gè)以上的血流區(qū)域時(shí)，即可進(jìn)行聚類合并時(shí)，執(zhí)行步驟24-25；

29、步驟24：如果血流區(qū)域之間的距離小于預(yù)設(shè)閾值，則將這兩個(gè)血流區(qū)域合并為一個(gè)血流區(qū)域；

30、步驟25：利用合并后的血流區(qū)域?qū)ρ鲄^(qū)域集合進(jìn)行更新，并返回步驟23；

31、步驟26：當(dāng)不再有可以合并的血流區(qū)域時(shí)，得到聚類后的血流區(qū)域集合。

32、進(jìn)一步地，邊緣檢測(cè)與骨架提取包括：

33、對(duì)于分割與聚類得到的血流區(qū)域中的每個(gè)像素點(diǎn)，如果所述像素點(diǎn)的像素值為1，且該像素點(diǎn)的預(yù)設(shè)范圍內(nèi)的鄰域內(nèi)的像素點(diǎn)的像素值均為1，則表示該像素點(diǎn)為完全包圍，并將該像素點(diǎn)的像素值改為0，即，對(duì)該像素進(jìn)行腐蝕處理；

34、對(duì)二值化圖像中的每個(gè)像素點(diǎn)都處理完之后，得到骨架圖像。

35、進(jìn)一步地，運(yùn)動(dòng)光流場(chǎng)估計(jì)包括：

36、在確定了每個(gè)二值圖像的血流區(qū)域之后，將前后連續(xù)的兩張二值圖像分為一組，對(duì)每組二值圖像進(jìn)行光流計(jì)算，得到與每組二值圖像對(duì)應(yīng)的光流量；

37、確定與每組二值圖像對(duì)應(yīng)的超微血流的運(yùn)動(dòng)密度和超微血管的彈性密度，從而得到超微血流的運(yùn)動(dòng)密度的集合以及超微血管的彈性密度的集合。

38、進(jìn)一步地，根據(jù)運(yùn)動(dòng)密度和彈性密度，對(duì)感興趣區(qū)域的血流信號(hào)進(jìn)行分級(jí)包括：

39、根據(jù)超微血流的運(yùn)動(dòng)密度集合得到超微血流的運(yùn)動(dòng)密度的平均值和最大值；

40、根據(jù)超微血管的彈性密度集合得到超微血管的彈性密度的平均值和最大值；

41、根據(jù)超微血流的運(yùn)動(dòng)密度的平均值和最大值以及超微血管的彈性密度的平均值和最大值對(duì)血流信號(hào)進(jìn)行分級(jí)。

42、本發(fā)明還提供了一種基于光流分析的肌骨超聲超微血流量化分級(jí)系統(tǒng)，包括：

43、圖像獲取模塊，用于獲取待檢測(cè)對(duì)象的原始超微血流圖像序列；

44、預(yù)處理模塊，從原始超微血流圖像序列進(jìn)行預(yù)處理；

45、roi區(qū)域提取模塊，用于從預(yù)處理之后的超微血流圖像序列中提取感興趣區(qū)域，即roi區(qū)域；

46、超微血管形態(tài)提取模塊，用于對(duì)roi區(qū)域進(jìn)行超微血管形態(tài)提??；

47、動(dòng)態(tài)分析模塊，用于對(duì)roi區(qū)域的超微血流進(jìn)行動(dòng)態(tài)分析，所述動(dòng)態(tài)分析包括：超微血流量計(jì)算、運(yùn)動(dòng)光流場(chǎng)估計(jì)和融合微血流形態(tài)學(xué)特征；

48、指標(biāo)確定模塊，用于根據(jù)動(dòng)態(tài)分析結(jié)果，生成超微血流的運(yùn)動(dòng)密度和超微血管的彈性密度兩項(xiàng)指標(biāo)，其中，超微血流的運(yùn)動(dòng)密度指平行于血流信號(hào)骨架的光流分量在相鄰兩幀的所有像素點(diǎn)的運(yùn)動(dòng)光流量和超微血流量的比值，超微血管的彈性密度指垂直于血流信號(hào)骨架的光流分量在相鄰兩幀所有像素點(diǎn)上的運(yùn)動(dòng)光流量與超微血流量的比值；

49、分級(jí)模塊，用于根據(jù)運(yùn)動(dòng)密度和彈性密度，對(duì)感興趣區(qū)域的血流信號(hào)進(jìn)行分級(jí)。

50、進(jìn)一步地，超微血管形態(tài)提取模塊還用于：

51、對(duì)原始超微血流圖像序列中的每幀圖像進(jìn)行灰度轉(zhuǎn)換并進(jìn)行二值化處理，將灰度值大于預(yù)設(shè)灰度閾值的像素點(diǎn)的像素值設(shè)為1，其余設(shè)為0，從而生成二值化圖像；

52、從每個(gè)二值化圖像中提取roi區(qū)域，以保留目標(biāo)血流信號(hào)；

53、對(duì)每個(gè)二值化圖像進(jìn)行血流區(qū)域的分割與聚類；

54、對(duì)分割與聚類得到的血流區(qū)域進(jìn)行邊緣檢測(cè)與骨架提取，生成骨架圖像；

55、對(duì)骨架圖像中的骨架進(jìn)行曲線擬合，得到微血管參數(shù)。

56、進(jìn)一步地，分級(jí)模塊根據(jù)運(yùn)動(dòng)密度和彈性密度，對(duì)感興趣區(qū)域的血流信號(hào)進(jìn)行分級(jí)包括：

57、確定超微血流的運(yùn)動(dòng)密度的平均值和最大值；

58、確定超微血管的彈性密度的平均值和最大值；

59、根據(jù)超微血流的運(yùn)動(dòng)密度的平均值和最大值以及超微血管的彈性密度的平均值和最大值，對(duì)血流信號(hào)進(jìn)行分級(jí)。

60、本發(fā)明的有益效果是：

61、本發(fā)明基于光流的動(dòng)態(tài)分析，以運(yùn)動(dòng)密度（smi-md）和彈性密度（smi-ed）為核心指標(biāo)，提高了血流量化的準(zhǔn)確性，并通過(guò)量化血流信號(hào)的動(dòng)態(tài)特性，實(shí)現(xiàn)對(duì)關(guān)節(jié)部位超微血流的多維度精確評(píng)價(jià)與分級(jí)；而且有效減少了操作者和閱片者的主觀影響，為關(guān)節(jié)骨性關(guān)節(jié)炎的無(wú)創(chuàng)診斷提供了一種可靠且客觀的工具，為關(guān)節(jié)炎癥的早期診斷、療效評(píng)估及疾病管理提供更為全面的支持。

62、本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說(shuō)明書中進(jìn)行闡述，并且在某種程度上，基于對(duì)下文的考察研究對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見的，或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過(guò)下面的說(shuō)明書來(lái)實(shí)現(xiàn)和獲得。