散斑血流成像方法及电子设备、计算机可读存储介质

摘要

本申请公开了一种散斑血流成像方法及电子设备、计算机可读存储介质，涉及图像处理领域，其中散斑血流成像方法包括：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。根据本申请的散斑血流成像方法，通过采用主成分分析，提取血流光强信号与组织光强信号，进行成像，成像速度快、准确性高。

说明书

技术领域

本申请涉及图像处理领域，特别涉及一种散斑血流成像方法及电子设备、计算机可读存储介质。

背景技术

血流作为反映生物组织血液动力变化的一个重要参数,实现对其监测在生命科学基础研究及疾病临床诊治等方面都具有重要意义。一般的血流成像方法，采集的图像帧数较少，时间分辨率较低，成像准确性较低。

发明内容

本申请的目的在于至少解决现有技术中存在的技术问题之一，提供一种散斑血流成像方法，通过采用主成分分析，提取血流光强信号与组织光强信号，进行成像，成像速度快、准确性高。

根据本申请第一方面实施例的散斑血流成像方法，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。

根据本申请实施例的散斑血流成像方法，至少具有如下技术效果：通过对从原始血流散斑数据中提取的原始光强矩阵进行主成分分析，提取得到红细胞产生的血流光强信号和组织产生的组织光强信号，根据血流光强信号和组织光强信号计算得到血流分布图；通过此方法，提高了血流分布图的准确性，成像速度快。

根据本申请的一些实施例，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。

根据本申请的一些实施例，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。

根据本申请的一些实施例，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。

根据本申请的一些实施例，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。

根据本申请的一些实施例，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。

根据本申请的一些实施例，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。

根据本申请的一些实施例，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。

根据本申请第二方面实施例的电子设备，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上述第一方面所述的散斑血流成像方法。

根据本申请第三方面实施例的计算机可读存储介质，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上述第一方面所述的散斑血流成像方法。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

下面结合附图和实施例对本申请进一步地说明；

图1为本申请实施例的散斑血流成像方法的流程示意图；

图2为本申请实施例的计算成分组的流程示意图；

图3为本申请实施例的求取特征向量组的流程示意图；

图4为本申请实施例的根据成分组得到血流光强信号和组织光强信号的流程示意图；

图5为本申请实施例的由血流光强信号和组织光强信号得到血流分布图的流程示意图；

图6为本申请另一实施例的电子设备的示意图；

图7为本申请实施例的采集原始血流散斑数据的流程示意图；

图8为本申请实施例的提取原始光强矩阵的流程示意图。

具体实施方式

本部分将详细描述本申请的具体实施例，本申请之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本申请的每个技术特征和整体技术方案，但其不能理解为对本申请保护范围的限制。

在本申请的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

下面参考附图描述根据本申请实施例的散斑血流成像方法。

如图1所示，根据本申请实施例的散斑血流成像方法，包括：

S100：采集样品的原始血流散斑数据；

S200：根据原始血流散斑数据，提取多个原始光强矩阵；

S300：对每个原始光强矩阵进行主成分分析，得到对应的成分组；其中，成分组与原始光强矩阵一一对应；

S400：根据成分组，得到血流光强信号和组织光强信号；

S500：根据多个血流光强信号与多个组织光强信号，得到血流分布图。

在一些实施例中，采集样品的目标时间段中的二维图像，其中每一二维图像的图像高度为P，图像宽度为L，图像大小为P*L，目标时间段中的二维图像的数量为N，将二维图像按照时间序列排序组成原始血流散斑数据；依次提取目标时间段中每一二维图像的同一行(即同一图像高度位置)的像素点的原始光强数据组成原始光强向量，每个原始光强向量在时间轴方向上组成原始光强矩阵，其中，原始光强矩阵的大小为N*L，原始光强矩阵的数量与二维图像的行数(即图像高度)相对应；对每个原始光强矩阵进行主成分分析，以单个原始光强矩阵为例，计算原始光强矩阵的协方差矩阵，求得协方差的特征值和特征向量，将特征向量按照特征值的大小进行降序排序，分别将每个特征向量按排序依次与原始光强矩阵相乘，得到按照对应的特征值大小进行排序的多个成分，即成分组，重复上述步骤，求出每个原始光强矩阵的成分组；根据成分组求得对应的血流光强信号和组织光强信号，其中，每对血流光强信号与组织光强信号与原始光强矩阵一一对应；最后根据每对血流光强信号与组织光强信号的比值，得到血流分布图。其中，根据原始光强矩阵，求得血流光强信号和组织光强信号的这一过程均可称为主成分分析。

根据本申请实施例的散斑血流成像方法，通过对从原始血流散斑数据中提取的原始光强矩阵进行主成分分析，提取得到红细胞产生的血流光强信号和组织产生的组织光强信号，根据血流光强信号和组织光强信号计算得到血流分布图；通过此方法，提高了血流分布图的准确性，成像速度快。

如图2所示，在本申请的一些具体实施例中，步骤S300：对每个原始光强矩阵进行主成分分析，得到对应的成分组，包括：

S310：将每个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；

S320：根据协方差矩阵，求得特征向量组；

S330：特征向量组与原始光强矩阵相乘，得到对应的成分组。

其中，统一计算设备架构，CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。CUDA

在一些实施例中，协方差矩阵通过通过下述公式求得：

其中，C

计算得到协方差矩阵C(i)后，求出协方差矩阵C(i)的特征值λ

其中，F

如图3所示，在本申请的一些具体实施例中，步骤S320：根据协方差矩阵，求得特征向量组，包括：

S321：将协方差矩阵输入统一计算设备架构，得到多个特征值；

S322：根据每个特征值，得到对应的特征向量；

S323：将多个特征向量按照对应的特征值的大小进行降序排列，得到特征向量组。

在一些实施例中，在通过步骤S310求得协方差矩阵后，将求得的协方差矩阵输入CUDA中，快速求得特征值及特征向量，将特征向量按照对应的特征值的大小进行降序排列，即特征向量组。其中，通过CUDA(即统一计算设备架构)的cuSolver库可以进行协方差矩阵的特征值和特征向量的求解，将协方差矩阵输入CUDA中，能够利用cuSolver库快速地求解出该协方差矩阵的特征值与特征向量。

在本申请的一些具体实施例中，步骤S330：将特征向量组与原始光强矩阵相乘，得到对应的成分组，包括：

将特征向量组中每个特征向量分别与原始光强矩阵相乘，得到多个成分；

将多个成分按照特征向量的顺序进行排序，得到成分组。

在一些实施例中，在步骤S323求得特征向量组之后，将特征向量组中的每个特征向量与原始光强矩阵相乘得到成分，其中，成分与特征向量一一对应，并求得的成分按照特征向量组的顺序排序，如下式所示：

其中，F

如图4所示，在本申请的一些具体实施例中，步骤S400：根据成分组，得到血流光强信号和组织光强信号，包括：

S410：获得成分组中方差贡献率最大的第一成分；

S420：根据第一成分，得到组织光强信号；

S430：将成分组中除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，得到血流光强信号。

在一些实施例中，在通过步骤S332求得成分组之后，由于成分组中成分的排序按照对应的特征值的大小进行降序排列，所以成分组中的第一个成分即方差贡献率最大的第一成分，该第一成分即为由背景组织产生的组织光强信号：I

如图5所示，在本申请的一些具体实施例中，步骤S500：根据多个血流光强信号与连续的多个组织光强信号，得到血流分布图，包括：

S510：将每个血流光强信号和对应的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；

S520：将连续的多个单元血流分布值整合，得到血流分布图。

在一些实施例中，在步骤S430之后，根据求得的组织光强信号与对应的血流光强信号，求得单元血流分布值，如下式所示：

其中，IP(i)为单元血流分布值，I

如图7所示，在本申请的一些具体实施例中，步骤S100：采集样品的原始血流散斑数据，包括：

S110：采集多个连续单位时间的样本二维图像；

S120：将多个样本二维图像整合，得到原始血流散斑数据。

在一些实施例中，采集多个连续单位时间的样本二维图像，即采集目标时间段内每个时间点的样本二维图像，每个样本二维图像的大小均为P*L，P为图像高度，L为图像宽度，时间点数量及样本二维图像的数量为N；将N个样本二维图像按时间顺序进行排列，得到原始血流散斑数据，原始血流散斑数据的大小为P*L*N。

如图8所示，在本申请的一些具体实施例中，步骤S200：根据原始血流散斑数据，提取多个原始光强矩阵，包括：

S210：将原始血流散斑数据中每一样本二维图像沿其高度方向拆分成多个光强数据行；

S220：根据多个光强数据行，得到光强数据集合；

S230：分别将光强数据集合中属于相同高度的光强数据行按照时间顺序排列，得到多个原始光强矩阵。

在一些实施例中，在步骤S120之后，将原始血流散斑数据中的每一样本二维图像沿其高度方向拆分出P个光强数据行，每个光强数据行包括对应样本二维图像中第i行的全部像素点的原始光强数据，其中i＝1,2,…,P；对每一样本二维图像均进行拆分后，得到包括P*N个光强数据行的光强数据集合；将光强数据集合中的相同高度的N个光强数据行按照时间顺序进行排列，得到原始光强矩阵，重复上述步骤，最终得到P个大小为N*L的原始光强矩阵，如下式所示：

其中，X(i)为原始光强矩阵，I

本申请实施例的第二方面，提供了一种电子设备，该电子设备600可以是任意类型的智能终端，如手机、平板电脑、个人计算机等。

如图6所示，根据本申请的一些实施例，该电子设备600包括：一个或多个处理器601和存储器602，图6中以一个处理器601为例。

处理器601和存储器602可以通过总线或其他方式进行通信连接，图6以通过总线连接为例。

存储器602作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及单元，如本申请实施例中的电子设备600对应的程序指令/单元。处理器601通过运行存储在存储器602中的非暂态软件程序、指令以及单元，从而执行各种功能应用以及数据处理，即实现上述方法实施例的散斑血流成像方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据程序指令/单元创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至该电子设备600。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个单元存储在存储器602中，当被一个或者多个处理器601执行时，执行上述任意方法实施例中的散斑血流成像方法。例如，执行以上描述的图1中的方法步骤S100至S500，图2中的方法步骤S310至S330，图3中的方法步骤S321至S323，图4中的方法步骤S410至S430，图5中的方法步骤S510至S520，图7中的方法步骤S110至S120，图8中的方法步骤S210至S230。

本申请实施例的第三方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器601执行，例如，被图6中的一个处理器601执行，可使得上述一个或多个处理器601执行上述方法实施例中的散斑血流成像方法，例如，执行以上描述的图1中的方法步骤S100至S500，图2中的方法步骤S310至S330，图3中的方法步骤S321至S323，图4中的方法步骤S410至S430，图5中的方法步骤S510至S520，图7中的方法步骤S110至S120，图8中的方法步骤S210至S230。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本申请的实施例，本领域的普通技术人员可以理解：在不脱离本申请的原理和宗旨的情况下可以对这些实施例进行的多种变化、修改、替换和变型，均应包含在本申请的保护范围之内。