[发明专利]一种舌下微循环视频序列生理参数估计方法及系统

说明书

本发明公开了一种舌下微循环视频序列生理参数估计方法及系统，包括：S100：获取得到舌下微循环图像序列；S200：利用相关滤波算法迭代得到稳定化的舌下微循环视频数据；S300：利用U‑Net网络模型获取血管视频数据；S400：利用CNN‑LSTM神经网络模型得到血液流速等级；S500：根据血管分割结果以及流速分级结果计算舌下微循环生理参数，以表征估计目标的微循环灌注状态。本发明基于深度学习技术实现舌下微循环视频生理参数估计，能够充分利用微循环视频中血管的灰度和时间、空间信息，有效处理微循环血管形状、位置和血液流动速度的变化，准确度高，鲁棒性强，大大提高了微循环生理参数的计算效率，能够实现微循环生理参数的在线估计。

技术领域

本发明涉及血液生理参数估计和图像处理技术领域，尤其涉及一种舌下微循环视频序列生理参数估计方法及系统。

背景技术

微循环是指微动脉和微静脉之间的血液循环。微循环功能障碍或微循环血流灌注量减少时，营养物质和氧气不能满足组织氧化代谢的需要，同时组织器官中的废物不能及时排出，可导致组织器官功能不全或衰竭，是许多疾病发生和发展的重要原因。因此微循环的血流速度测量具有重要意义。

现有公开号：CN110309734A，发明名称：一种基于目标识别的微循环血流速度测量方法及测量系统，该方法中基于不同位置的单个微循环进行多个微循环的同步测量。虽然测量速度快，成本低，但是鲁棒性差，对噪声敏感，无法适用于微循环其他生理参数的准确估计测量。

进一步本申请发明人发现现有微循环生理参数估计方法主要划分为三个子任务，任务一，采用模板匹配对视频稳定化处理，该方法准确率较高，但计算量大，计算速度慢，同时增加了整体运行时间，导致无法实现微循环生理参数的在线估计；任务二，采用曲线探测器进行血管分割，该方法操作简单，但鲁棒性差，无法实现直径差异过大的血管的准确分割；任务三，采用时空图法对流速分级，该方法操作简单快速，但对噪声敏感，且需要额外进行直线检测，增加了处理复杂度，同时对前期的视频稳定化和血管分割要求高。

发明内容

为解决上述问题，本申请实施例通过提供一种舌下微循环视频序列生理参数估计方法及系统。

第一方面，本申请实施例提供了一种舌下微循环视频序列生理参数估计方法，包括：

S100：获取待测的舌下微循环视频数据，并将其按照时序分解成舌下微循环图像序列；

S200：利用相关滤波算法迭代追踪舌下微循环图像序列中每一帧图像中的特征区域，并记录特征区域的偏移量，根据偏移量对每一帧图像进行移位，得到稳定化的舌下微循环视频数据；

S300：利用U-Net网络模型，对稳定化的舌下微循环视频数据中的第一帧图像进行血管分割，并将血管分割结果作为血管模板，提取舌下微循环图像序列中除第一帧图像以外的其他每一帧图像中的血管，根据整个舌下微循环图像序列的血管提取结果，获取血管视频数据；

S400：将血管视频数据划分为若干血管视频序列，再将每个血管视频序列等间隔划分视频块，训练CNN-LSTM神经网络模型，根据视频块中各帧之间的时序关联，将视频块按照血流速度进行分级，得到对应于每个流速等级的概率值，并取概率值最大的流速等级作为当前视频块流速等级；

S500：根据血管分割结果以及流速分级结果计算包括MFI、PPV在内的舌下微循环生理参数，以表征估计目标的微循环灌注状态。

进一步优选地，在所述步骤S200中，利用相关滤波算法迭代追踪舌下微循环图像序列中每一帧图像中的特征区域的方法包括：

S210：提取舌下微循环图像序列的第一帧图像，计算图像帧中每个像素周围若干邻域的信息熵，将信息熵最大的像素位置作为稳定核心，并以稳定核心为中心，得到记录偏移量的特征区域。