[发明专利]一种结合血管形态特征的血流成像量化处理方法与装置

权利要求书

1.一种结合血管形态特征的血流成像量化处理方法，其特征在于包括：

一种散射信号采集方式(1)，基于光学相干层析成像技术(OCT)采集三维空间内散射信号样本的OCT散射信号；

一种血流图像分割方法(2)，结合形态特征、OCT散射信号的信噪比倒数、去相关系数构建三维特征空间，实现动态血流信号与静态组织信号的分类，得到二值化血管网络图像；

一种微血管形态量化处理方法(3)，根据二值化血管网络图像进行血流骨架和轮廓提取获得血流骨架图，进而根据血流骨架图计算出反映血流形态的多种量化参数。

2.根据权利要求1所述的一种结合血管形态特征的血流成像量化处理方法，其特征在于：所述一种散射信号采集方式(1)，包括：对散射信号样本进行三维空间的OCT扫描成像，相同空间位置或其附近位置在T个不同时间点重复采样，采用以下方法之一：通过扫描改变参考臂光程的时间域OCT成像方法；利用光谱仪记录光谱干涉信号的光谱域OCT成像方法；利用扫频光源记录光谱干涉信号的扫频OCT成像方法。

3.根据权利要求1所述的一种结合血管形态特征的血流成像量化处理方法，其特征在于：所述的一种血流图像分割方法(2)，具体包括：

S1、采用一阶和零阶自协方差对OCT散射信号计算分析，得到各OCT散射信号的信噪比倒数和去相关系数两个特征，所得到的信噪比倒数和去相关系数进一步在三维空间、时间、角度及偏振态等多个维度上做滑动平均或高斯平均(21)，利用平均处理后的信噪比倒数和去相关系数的两个特征构建OCT散射信号的信噪比倒数-去相关系数(inverse SNR-decorrelation，ID)特征空间(22)；

S2、基于形态特征、信噪比倒数、去相关系数多维度特征空间对信号进行分类(23)，包括：遍历获得信噪比倒数-去相关系数特征空间中经过原点的两条线性分类边界，结合形态特征对三维空间的血管网络图像进行二值化处理获得二值化体数据，计算二值化体数据的结构相似度值，遍历所有线性分类边界的角度组合后，选取最小的结构相似度值对应的二值化结果作为最终的二值化血管网络(25)。

4.根据权利要求3所述的一种结合血管形态特征的血流成像量化处理方法，其特征在于：所述S2具体为：

遍历信噪比倒数-去相关系数特征空间中经过原点的每两条分割阈值线，通过两条分割阈值线将信噪比倒数-去相关系数特征空间划分为动态区域、中间区域和静态区域(231)；

借助形态特征构建形态掩膜提取出中间区域的动态信号(232)；

根据对动静态信号的分类结果，在三维空间中计算二值化体数据的结构相似度值(233)；

遍历每两条分割阈值线后，选取最小的结构相似度值对应的两条分割阈值线作为两条线性分类边界(24)，根据两条线性分类边界并结合形态掩膜区分中间区域的动静态信号，生成二值化血管网络(25)。