本發(fā)明涉及醫(yī)學(xué)圖像處理領(lǐng)域，尤其涉及基于frangi和多幀累加的nir-ii視頻淋巴管分割方法。

背景技術(shù)：

1、淋巴系統(tǒng)是具有交換和運(yùn)輸功能的網(wǎng)絡(luò)，由充當(dāng)液體交換場所的盲端血管、收集運(yùn)輸淋巴液的血管、及影響免疫與抗原轉(zhuǎn)運(yùn)的淋巴結(jié)組成。由于淋巴系統(tǒng)沒有驅(qū)動流量循環(huán)的中央泵，它的運(yùn)輸功能主要由收集淋巴管的收縮實(shí)現(xiàn)，因此淋巴管的測量對于淋巴系統(tǒng)功能至關(guān)重要。

2、現(xiàn)有的用于體內(nèi)淋巴管可視化的成像方法分為兩類：侵入性手術(shù)暴露和非侵入式成像。侵入式手術(shù)暴露不僅耗時(shí)，還會對患者身體造成一定損傷，因此不建議使用。非侵入式成像中，淋巴閃爍成像是臨床上使用時(shí)間最長的方法，但它的空間分辨率較差，放射性保護(hù)要求較高，缺乏對淋巴管收縮功能實(shí)時(shí)成像所需的時(shí)間分辨率，已逐漸被其他成像方法取代。計(jì)算機(jī)斷層掃描(ct)和磁共振淋巴造影(mrl)是目前常用的影像學(xué)方法。ct有相對高的時(shí)空分辨率，但診斷敏感性低，通常與其他方法結(jié)合使用。mrl可用于大面積高分辨率成像，依賴于其相對非侵入性，它有助于識別與淋巴功能障礙相關(guān)的異常，但缺點(diǎn)是靈敏度低，異常淋巴結(jié)的特異性低，不適合淋巴結(jié)異常的檢測。近紅外熒光成像具有采集速度快、空間分辨率高的優(yōu)點(diǎn)，能實(shí)現(xiàn)實(shí)時(shí)成像，而且它保留了淋巴功能性活動的體內(nèi)環(huán)境，有利于在體研究病理性過程及分子調(diào)節(jié)的影響，應(yīng)用較為廣泛。但光學(xué)成像的缺點(diǎn)是體內(nèi)光子散射和吸收導(dǎo)致激發(fā)光的快速衰減，會影響組織穿透深度，這限制了近紅外熒光成像在淋巴可視化中的應(yīng)用。波長轉(zhuǎn)移到更長的激發(fā)窗口將減少吸收衰減和組織自發(fā)熒光，有效增加光子的穿透深度，從而實(shí)現(xiàn)更高的保真度和空間分辨率。因此隨著硬件系統(tǒng)的升級，近紅外二區(qū)熒光成像成為無創(chuàng)可視化并量化淋巴管的更好選擇。

3、近紅外二區(qū)(nir-ii，1000-1700nm)熒光成像為功能性淋巴成像研究提供了最佳的解決方案，但需要操作者的高水平專業(yè)知識和精心控制的成像環(huán)境來實(shí)現(xiàn)清晰、高分辨率的成像結(jié)果。淋巴管的成像可能具有挑戰(zhàn)性，因?yàn)榇嬖诠鈱W(xué)散射、雜散光干涉和表面聚集的造影劑引起的熒光飽和，這可能導(dǎo)致圖像對比度低、血管亮度不均、形態(tài)不完整和遮擋深層目標(biāo)。這些挑戰(zhàn)會對后續(xù)的定量檢測造成障礙。因此需要一種自動分割方法忽視視頻記錄中微小擾動的影響，從存在熒光干擾的背景中提取可靠的淋巴管。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明意在提供基于frangi和多幀累加的nir-ii視頻淋巴管分割方法，以解決近紅外二區(qū)熒光成像需要操作者的高水平專業(yè)知識和精心控制的成像環(huán)境來實(shí)現(xiàn)清晰、高分辨率成像結(jié)果的問題，該方法針對低對比度近紅外圖像運(yùn)用一系列醫(yī)學(xué)圖像處理方法實(shí)現(xiàn)低對比度淋巴管的自動提取，為淋巴管收縮功能定量測量及其在相關(guān)疾病的診療中奠定了基礎(chǔ)。

2、為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于frangi和多幀累加的nir-ii視頻淋巴管分割方法，包括以下步驟：

4、s1、對視頻進(jìn)行處理，得到幀圖像序列；

5、s2、對每幀圖像使用clahe算法和3x3鄰域均值濾波進(jìn)行預(yù)處理；

6、s3、通過頂帽處理從暗淡的背景中提取較亮的結(jié)構(gòu)區(qū)域，得到粗糙的前景圖像；

7、s4、將每幀圖像非零像素的均值作為閾值進(jìn)行逐幀圖像的自適應(yīng)分割；

8、s5、讀取圖像序列所包含的所有圖像，重復(fù)步驟s2至s4，累積所有圖像的二值圖像；

9、s6、使用frangi濾波增強(qiáng)所述累積二值圖像中的管狀結(jié)構(gòu)，得到精細(xì)的前景圖像；

10、s7、frangi濾波后的圖像經(jīng)過一定形態(tài)學(xué)處理，平滑淋巴管輪廓，并消除其存在的小孔，填補(bǔ)縫隙，得到清晰的淋巴管。

11、進(jìn)一步的，在步驟s2中，對每幀圖像去噪處理，包括以下步驟：

12、s201、將圖像劃分為大小相等的16x16不重疊子塊，計(jì)算每個(gè)不重疊子塊的灰度直方圖和對應(yīng)的變換函數(shù)(累積直方圖)：

13、

14、其中，x是離散的灰度圖像，l是圖像中灰度級(通常為256)，ni是灰度i的出現(xiàn)次數(shù)，px(i)是圖像中出現(xiàn)第i灰度級像素的概率；

15、其累積分布函數(shù)對應(yīng)為：

16、

17、s202、計(jì)算剪切閾值cliplimit，對多余的像素重新進(jìn)行分配；

18、s203、對對比度限制后的直方圖進(jìn)行直方圖均衡獲取映射函數(shù)，利用映射函數(shù)處理原圖像；

19、s204、定義3x3鄰域窗口，在經(jīng)過clahe處理后的圖像中滑動，計(jì)算窗口中均值，并進(jìn)行濾波處理去除噪聲。

20、進(jìn)一步的，在步驟s3中，頂帽處理的計(jì)算公式如下：

21、

22、其中，i為輸入圖，thf(x,y)是頂帽濾波后的圖像，b是結(jié)構(gòu)元素，表示開操作。

23、進(jìn)一步的，在步驟s4中，閾值與二值圖像的計(jì)算公式如下：

24、

25、其中n(i)是圖像thf(x,y)中強(qiáng)度值為i的像素的數(shù)量，t是計(jì)算得到的閾值，it(x,y)是閾值分割后的二值圖像。

26、進(jìn)一步的，在步驟s6中，使用高斯濾波函數(shù)對圖像進(jìn)行平滑處理，獲得濾波后圖像i，并計(jì)算偏導(dǎo)函數(shù)，通過hessian矩陣構(gòu)造增強(qiáng)濾波器，hessian矩陣的公式如下：

27、

28、根據(jù)hessian矩陣求特征值：

29、

30、特征值及它們對應(yīng)的特征向量表示該點(diǎn)沿某方向的曲率大小及方向；

31、利用特征值構(gòu)建響應(yīng)函數(shù)，其公式如下：

32、

33、采用多尺度策略得到不同尺度下的響應(yīng)結(jié)果，當(dāng)尺度和局部結(jié)構(gòu)匹配時(shí)可以得到最大的響應(yīng)結(jié)果，從而判斷該像素點(diǎn)是否屬于血管結(jié)構(gòu)。

34、進(jìn)一步的，在步驟s7中，首先構(gòu)建4x4方形結(jié)構(gòu)元素，運(yùn)用二值形態(tài)學(xué)膨脹運(yùn)算，連接淋巴管斷裂的低亮度區(qū)域；然后計(jì)算二值圖像中各區(qū)域的面積，濾除面積較小的噪聲區(qū)域，并填充二值圖像中的孔和縫隙，獲得最終的淋巴管分割圖像。

35、本技術(shù)方案的原理及有益效果：

36、本發(fā)明采用的基于clahe和鄰域均值濾波的預(yù)處理方法，能有效增強(qiáng)淋巴管的對比度，并去除噪聲，平滑圖像。頂帽處理能從背景中提取較亮的前景區(qū)域，在這一步驟中，頂帽處理能避免圖像中較小的熒光干擾，緩解亮度不均勻問題，并增強(qiáng)較亮區(qū)域的淋巴管。上述處理去除了大部分雜散光和背景噪聲，但淋巴管邊緣對比度低，給分割造成困難，將每幀圖像非零均值作為閾值進(jìn)行逐幀圖像分割可有效去除淋巴管周圍殘留的噪音，累積二值圖像更能去除視頻中微小擾動造成的影響，使分割結(jié)果相對保持穩(wěn)定。frangi濾波和形態(tài)學(xué)處理一方面可以增強(qiáng)圖像中的管狀結(jié)構(gòu)，另一方面可以平滑輪廓，消除小孤立區(qū)域和尖峰，消除小孔，填補(bǔ)輪廓存在的間隙，可得到形態(tài)完整的淋巴管。整體來看，本發(fā)明所提出的方法對于噪聲有較強(qiáng)的魯棒性，對昏暗且亮度不均的淋巴管有良好的檢測和分割能力，分割得到的淋巴管的輪廓較貼合原始圖像淋巴管形態(tài)。

技術(shù)特征：

1.基于frangi和多幀累加的nir-ii視頻淋巴管分割方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于frangi和多幀累加的nir-ii視頻淋巴管分割方法，其特征在于，在步驟s2中，對每幀圖像去噪處理，包括以下步驟：

3.根據(jù)權(quán)利要求1所述的基于frangi和多幀累加的nir-ii視頻淋巴管分割方法，其特征在于，在步驟s3中，頂帽處理的計(jì)算公式如下：

4.根據(jù)權(quán)利要求1所述的基于frangi和多幀累加的nir-ii視頻淋巴管分割方法，其特征在于，在步驟s4中，閾值與二值圖像的計(jì)算公式如下：

5.根據(jù)權(quán)利要求1所述的基于frangi和多幀累加的nir-ii視頻淋巴管分割方法，其特征在于，在步驟s6中，使用高斯濾波函數(shù)對圖像進(jìn)行平滑處理，獲得濾波后圖像i，并計(jì)算偏導(dǎo)函數(shù)，通過hessian矩陣構(gòu)造增強(qiáng)濾波器，hessian矩陣的公式如下：

6.根據(jù)權(quán)利要求1所述的基于frangi和多幀累加的nir-ii視頻淋巴管分割方法，其特征在于，在步驟s7中，首先構(gòu)建4x4方形結(jié)構(gòu)元素，運(yùn)用二值形態(tài)學(xué)膨脹運(yùn)算，連接淋巴管斷裂的低亮度區(qū)域；然后計(jì)算二值圖像中各區(qū)域的面積，濾除面積較小的噪聲區(qū)域，并填充二值圖像中的孔和縫隙，獲得最終的淋巴管分割圖像。

技術(shù)總結(jié)
本發(fā)明公開了基于Frangi和多幀累加的NIR?II視頻淋巴管分割方法，屬于計(jì)算機(jī)視覺領(lǐng)域，該方法包括以下步驟：將視頻轉(zhuǎn)換為幀圖像；利用對比受限自適應(yīng)直方圖均衡算法和鄰域均值濾波，對幀圖像進(jìn)行預(yù)處理；對預(yù)處理后的圖像進(jìn)行頂帽變換得到粗糙的前景圖像；以非零像素的均值作為閾值，逐幀進(jìn)行自適應(yīng)分割；累積輸出的二值圖像，使用Frangi濾波增強(qiáng)圖像中的管狀結(jié)構(gòu)；對Frangi濾波后的圖像進(jìn)行一定形態(tài)學(xué)處理，得到最終的淋巴管分割結(jié)果。本發(fā)明所述的基于Frangi和多幀累加的NIR?II視頻淋巴管分割方法提升了視頻中存在微小擾動的低對比度的淋巴管的檢測能力。

技術(shù)研發(fā)人員：陳福春,方璐,陳俊,李惠珠,孫海彬,馮思嘉,盛懷瑄
受保護(hù)的技術(shù)使用者：中國科學(xué)院上海技術(shù)物理研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9