[发明专利]散斑血流成像方法及电子设备、计算机可读存储介质在审
申请号: | 202110167490.4 | 申请日: | 2021-02-07 |
公开(公告)号: | CN112971756A | 公开(公告)日: | 2021-06-18 |
发明(设计)人: | 刘桐生;王陆权;许祥丛;黄铭斌;关财忠;伍海龙;邓永平;梁均耀;彭建中;郭学东;王茗祎;曾亚光;韩定安 | 申请(专利权)人: | 佛山科学技术学院 |
主分类号: | A61B5/026 | 分类号: | A61B5/026 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 叶洁勇 |
地址: | 528000 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 血流 成像 方法 电子设备 计算机 可读 存储 介质 | ||
1.一种散斑血流成像方法,其特征在于,包括:
采集样品的原始血流散斑数据;
根据所述原始血流散斑数据,提取多个原始光强矩阵;
对每个所述原始光强矩阵进行主成分分析,得到对应的成分组;其中,所述成分组与所述原始光强矩阵一一对应;
根据所述成分组,得到血流光强信号和组织光强信号;
根据多个所述血流光强信号与多个所述组织光强信号,得到血流分布图。
2.根据权利要求1所述的散斑血流成像方法,其特征在于,所述对每个所述原始光强矩阵进行主成分分析,得到对应的成分组,包括:
将每个所述原始光强矩阵输入统一计算设备架构进行多线程运算,得到对应的协方差矩阵;
根据所述协方差矩阵,求得特征向量组;
将所述特征向量组与所述原始光强矩阵相乘,得到对应的所述成分组。
3.根据权利要求2所述的散斑血流成像方法,其特征在于,所述根据所述协方差矩阵,求得特征向量组,包括:
将所述协方差矩阵输入统一计算设备架构,得到多个特征值;
根据每个所述特征值,得到对应的特征向量;
将多个所述特征向量按照对应的所述特征值的大小进行降序排列,得到所述特征向量组。
4.根据权利要求3所述的散斑血流成像方法,其特征在于,所述将所述特征向量组与所述原始光强矩阵相乘,得到对应的所述成分组,包括:
将所述特征向量组中每个所述特征向量分别与所述原始光强矩阵相乘,得到多个成分;
将多个所述成分按照所述特征向量的顺序进行排序,得到所述成分组。
5.根据权利要求1或4所述的散斑血流成像方法,其特征在于,所述根据所述成分组,得到血流光强信号和组织光强信号,包括:
获得所述成分组中方差贡献率最大的第一成分;
根据所述第一成分,得到所述组织光强信号;
将所述成分组中除所述第一成分以外的成分输入统一计算设备机构进行共享内存归约求和,得到所述血流光强信号。
6.根据权利要求1所述的散斑血流成像方法,其特征在于,所述根据多个所述血流光强信号与连续的多个所述组织光强信号,得到血流分布图,包括:
将每个所述血流光强信号和对应的所述组织光强信号输入统一计算设备架构进行多线程运算,得到对应的单元血流分布值;
将连续的多个所述单元血流分布值整合,得到所述血流分布图。
7.根据权利要求1所述的散斑血流成像方法,其特征在于,所述采集样品的原始血流散斑数据,包括:
采集多个连续单位时间的样本二维图像;
将多个所述样本二维图像整合,得到所述原始血流散斑数据。
8.根据权利要求7所述的散斑血流成像方法,其特征在于,所述根据所述原始血流散斑数据,提取多个原始光强矩阵,包括:
将所述原始血流散斑数据中每一所述样本二维图像沿其高度方向拆分成多个光强数据行;
根据多个所述光强数据行,得到光强数据集合;
分别将所述光强数据集合中属于相同高度的所述光强数据行按照时间顺序排列,得到多个所述原始光强矩阵。
9.一种电子设备,其特征在于,包括:
至少一个处理器,以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行所述指令时实现如权利要求1至8任一所述的散斑血流成像方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至8任一项所述的散斑血流成像方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山科学技术学院,未经佛山科学技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110167490.4/1.html,转载请声明来源钻瓜专利网。