[发明专利]血管内图像融合方法、系统及图像采集装置

说明书

本发明涉及一种血管内图像融合方法、系统及图像采集装置，同时采集血管内的第一种模态图像和第二种模态图像，其中第一种模态图像和第二种模态图像属不同种类的模态图像；采用图像融合算法对第一种模态图像和第二种模态图像进行融合，得到对应的融合图像，本发明利用OCT与IVUS图像融合，充分发挥各自的优势，同时二者互补不足之处，即充分发挥IVUS的强组织穿透力和OCT高分辨率的优势，最终获得高质量融合图像。

技术领域

本发明涉及医学影像领域，具体涉及一种血管内图像融合方法、系统及图像采集装置。

背景技术

血管内超声(intravascular ultrasound,IVUS)是分析血管形态和检测粥样硬化斑块的常用介入影像手段，其优点在于具有较好的探测深度，但是形成图像的空间分辨率较低。血管内光学相干断层成像(intravascular optical coherence tomography,OCT)是一种新的血管内断层成像方法，其优点在于空间分辨率高，但其组织穿透力较弱，与IVUS形成了典型的互补关系。

医学图像融合是将来自单一或多种成像方式获取的图像进行配准和融合，其目的是减少信息的随机性和冗余性，提高医学图像在诊断和临床应用的适用性。OCT与IVUS都是血管内成像技术，并且成像原理类似，都是通过在血管腔内进行360度旋转扫描，根据从组织反射或散射回来的不同超声或光学特征进行组织分析成像，获得管腔横断面图像。

OCT与IVUS作为冠状动脉临床诊断和治疗的新兴技术，在医学研究等相关领域获得了很大的关注，但是对于OCT与IVUS图像融合的方法目前的研究还不成熟，没有形成一种经典的用于OCT与IVUS图像融合的方法。图像融合由低到高可以归纳为三个层次，分别是：基于像素级融合、基于特征级融合、基于决策级融合。最低层次的基于像素级融合算法是指，在几何配准完成的条件下，对多模或单模图像每一个像素进行综合分析和融合。这一层次的图像融合准确性最高，并且能够最大程度上保留图像的细节信息，因此基于像素级的图像融合算法应用也是最广泛的，但是由于是对每一个像素进行处理，所以计算量相对较大。基于特征级融合算法属于中间层次的图像融合，具体是指对预处理过的图像提取其特征，如边缘、形状、纹理、区域等。对特征信息进行筛选，减少冗余信息保留重要信息，大大减小了计算量，但筛选过程容易丢失重要细节信息，最终影响融合效果。基于决策级的融合算法属于最高层次的融合，是指对预处理后的图像进行特征提取、识别、判决，建立同一特征的融合决策，联合所有的决策形成最终的融合系统。此类算法具有一定的开放性和容错能力，但是对于信息损失量较大。不同的融合算法有不同的优势和劣势，在实际应用中一般会根据实际需求，选择相应最适合的图像融合算法达到预期的目的，与此同时也会存在某些方面的技术缺陷。

例如：公开号为CN103985109A的中国专利，公开了一种基于3D剪切波变换的特征级图像融合方法。然而该方法仅仅采用时域和频域之间的变换对图像进行分析，融合规则单一，不能满足临床需求。

公开号为CN102682439A的中国专利，公开了一种基于多向经验模式分解的医学图像融合方法，利用图像多尺度分解实现了多模态图像融合。然而该方法仅仅按照区域能量规则进行融合处理，针对分解子集没有做有效预处理，融合结果往往噪声较多。

公开号为CN106204511A的中国专利公开了一种二维图像与CT、MR图像的三维融合方法，结合多角度二维图像进行人体三维目标图像重构，进而实现目标图像与MR图像的三维多模态融合。然而该方法仅对图像多角度进行分析，将多模图像从二维空间转换到三维空间，未对图像进行较好的像素级融合处理，融合结果噪声干扰较大，不利于临床诊断。

就以上医学图像融合算法而言，绝大多数仅仅基于单个空间频带对多模态医学图像进行分析、处理，从而导致得到的融合结果质量较低，细节保留不完整。