[发明专利]一种基于OCT扫描系统的三维血管类型区分方法

说明书

本发明公开了一种基于OCT扫描系统的三维血管类型区分方法，包括通过OCT扫描系统得到血管在时间方向的三维立体图组；从三维立体图组中抽取单位深度所对应的二维图，将二维图转成二维矩阵，将二维矩阵和其所对应的时间组成三维矩阵T；对三维矩阵T进行降噪处理，得到矩阵G；对矩阵G进行傅里叶变换将矩阵G从时域空间转换为频域空间，得到矩阵K；对矩阵K通过参量IR进行量化处理，得到矩阵A，所述矩阵A所表示的图像即为动脉分布图；矩阵T减去矩阵A得到矩阵B；对矩阵B以高斯函数作为卷积核进行卷积得到矩阵C；确定血管径向搜索方向；通过血管径向搜索方向搜索，得到血管直径并得到静脉分布图和毛细血管分布图。主要用于生物成像。

技术领域

本发明涉及医疗检测技术领域，特别涉及一种基于OCT扫描系统的三维血管类型区分方法。

背景技术

在自动区分血管类型的方法提出前，区别血管类型主要依靠医生或者生物实验员根据自身经验来判断。随着光学成像技术的发展，一些基于光学成像的自动区分血管类型的方法也不断被提出。1982年和1998年，Akita等人和JusephJy-Haw Yu等人先后根据动静脉反射光强差异，设置阈值区分眼底视网膜血管类型。然而，在单波长照明的一些情况下，较多动、静脉区域的光强相近，不足以根据光强差异来区分血管类型。2007年，德克萨斯AM大学张浩博士等人使用光声显微镜来观察血红蛋白氧饱和度(SO2)的变化，并根据测量的血氧饱和度来区分动静脉类型。2007年，印度科学家NarasimhaIyer等人通过570nm波长和600nm波长下的眼底视网膜图像的结构和功能特征识别血管类型。此外，基于单波长的成像方法也被用于区分血管类型。2010年和2011年，上海交通大学神经工程实验室苗鹏博士等人和华中科技大学冯能云博士先后通过单波长LSCI(SW-LSCI)图像中的血管解剖特征和光强度分布实现大脑皮层血管类型识别。随着MRA和CT技术的应用与发展，两者亦被用于区分头部、肺部和心脏等部位的三维血管分类。

目前，二维血管分类技术主要有多波长动静脉分类法和单波长血管分类法，但是，这两种方法复杂，不利于快速的区分血管的类型。

发明内容

本发明的目的是提供一种基于OCT扫描系统的三维血管类型区分方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

本发明解决其技术问题的解决方案是：一种基于OCT扫描系统的三维血管类型区分方法，包括：

步骤1、通过OCT扫描系统对血管所在的区域进行连续的C扫描，得到血管在时间方向的三维立体图组；

步骤2、从所述三维立体图组中抽取单位深度所对应的二维图，并将所述二维图转成二维矩阵，将所述二维矩阵和其所对应的时间组成三维矩阵T；

步骤3、对所述三维矩阵T进行降噪处理，得到矩阵G；

步骤4、对矩阵G进行傅里叶变换将矩阵G从时域空间转换为频域空间，得到矩阵K；

步骤5、对矩阵K通过参量IR进行量化处理，得到矩阵A，所述矩阵A所表示的图像即为动脉分布图；

步骤6、将矩阵T减去矩阵A，得到矩阵B；

步骤7、对矩阵B以高斯函数作为卷积核进行卷积，得到矩阵C；

步骤8、计算矩阵C的Hessian矩阵H(x,y)；

步骤9、计算Hessian矩阵H(x,y)的特征值和对应的特征向量，并把两个特征向量的夹角方向作为血管的方向，旋转90度后得到血管径向搜索方向；

步骤10、通过血管径向搜索方向搜索，得到血管直径；

步骤11、通过血管直径得到静脉分布图和毛细血管分布图；

其中，所述参量IR的表达式为：