[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115330756A - 基于光影特征的oct图像中导丝识别方法及识别系统 - Google Patents

基于光影特征的oct图像中导丝识别方法及识别系统 Download PDF

Info

Publication number
CN115330756A
CN115330756A CN202211237459.4A CN202211237459A CN115330756A CN 115330756 A CN115330756 A CN 115330756A CN 202211237459 A CN202211237459 A CN 202211237459A CN 115330756 A CN115330756 A CN 115330756A
Authority
CN
China
Prior art keywords
guide wire
oct image
curve
accumulation curve
light
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211237459.4A
Other languages
English (en)
Other versions
CN115330756B (zh
Inventor
张仕瑞
赵士勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Hengyu Medical Technology Co ltd
Original Assignee
Tianjin Hengyu Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Hengyu Medical Technology Co ltd filed Critical Tianjin Hengyu Medical Technology Co ltd
Priority to CN202211237459.4A priority Critical patent/CN115330756B/zh
Publication of CN115330756A publication Critical patent/CN115330756A/zh
Application granted granted Critical
Publication of CN115330756B publication Critical patent/CN115330756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Endoscopes (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于光影特征的OCT图像中导丝识别方法及系统，该方法包括：获取OCT图像，并去除OCT图像中的导管区域；对去除导管区域的OCT图像，得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理；对平滑化后的灰度值累加曲线，根据预设的步长进行累加，得到步长累加曲线；根据步长累加曲线，得到导丝位置并对导丝位置进行纠正，完成导丝的识别。采用灰度值累加处理，进一步得到步长累加曲线，根据步长累加曲线逐帧判断导丝位置，再根据前后参照帧对导丝进行纠正，相比直接根据像素值进行判断，本申请技术方案更加周密严谨，避免其他光影噪声的影响。

Description

基于光影特征的OCT图像中导丝识别方法及识别系统
技术领域
本发明涉及OCT图像识别技术领域，尤其涉及一种基于光影特征的OCT图像中导丝识别方法及识别系统。
背景技术
光学相干断层扫描技术(Optical Coherence Tomography, OCT)可以指导经皮冠状动脉介入治疗(Percutaneous Coronary Intervention, PCI)。与单纯造影相比，可以优化支架植入指导和临床预后，即改善支架的膨胀与贴壁情况，降低支架植入的并发症发生率等。
一次OCT扫描可以得到200~300张图像序列，图像中通常存在三种光影，即：导丝、支架、血管分支等，具体如图1。其中，按照当前OCT采集图像方法，图像中不得不出现导丝及其形成光影，且导丝光影与较宽支架的光影相似容易混淆（如图2），这为以OCT图像作为研究对象的图像处理算法做进一步研究和工程化带来了阻碍。
现有的技术中，对于OCT中导丝的识别与去除多采用直接通过像素修正，例如专利号为 CN201910839921.X，名称为一种血管内光学相干层析成像血管壁内轮廓自动识别方法的专利中，对导丝进行识别时“将图像Inone在0~n/5的列坐标范围内按照行数进行遍历，若同一行中的连续为1的像素数目小于20，则将这些像素置为0，从而去除导丝”类似此种方法，常常会因为血管内环境与导丝光影相似，造成误判，因此，需要提供一种更为科学严谨的基于光影特征的OCT图像中导丝识别方法及识别系统。
发明内容
因此，本发明的目的在于提供一种基于光影特征的OCT图像中导丝识别方法及识别系统，基于OCT图像中光影特征，识别导丝存在区域。
为了实现上述目的，本发明的一种基于光影特征的OCT图像中导丝识别方法，包括以下步骤：
S1、获取OCT图像，并去除OCT图像中的导管区域；
S2、对去除导管区域的OCT图像，得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理；
S3、对平滑化后的灰度值累加曲线，根据预设的步长进行累加，得到步长累加曲线；
S4、根据步长累加曲线，得到导丝位置并对导丝位置进行纠正，完成导丝的识别。
进一步优选的，在S1中，所述获取OCT图像，并去除OCT图像中的导管区域包括以下步骤：
S101、在极坐标系下获取OCT图像；
S102、对获取OCT图像进行导管区域识别；
S103、对识别出的导管区域的像素值重新赋值；
S104、将赋值处理后的OCT图像变换到平面直角坐标系下。
进一步优选的，S2中，还包括对去除导管区域的OCT图像进行二值化处理，并对二值化处理后的图像进行灰度值累加计算，得到灰度值累加曲线。
进一步优选的，在S2中，所述对去除导管区域的OCT图像，得到的灰度值累加曲线采用如下公式表示：
Figure DEST_PATH_IMAGE001
式中，
Figure 544318DEST_PATH_IMAGE002
表示灰度值累加曲线，
Figure DEST_PATH_IMAGE003
表示平面直角坐标下OCT图像高度，
Figure 416328DEST_PATH_IMAGE004
表示平 面直角坐标下第
Figure DEST_PATH_IMAGE005
行第
Figure 485784DEST_PATH_IMAGE006
列的OCT图像像素值。
进一步优选的，在S2中，所述对得到的灰度值累加曲线进行平滑化处理，包括：按 照设置的平滑次数
Figure DEST_PATH_IMAGE007
和平滑块长度
Figure 41530DEST_PATH_IMAGE008
，对得到的灰度值累加曲线按照如下公式进行平滑化 处理：
Figure DEST_PATH_IMAGE009
式中：
Figure 905450DEST_PATH_IMAGE010
表示平滑后曲线，
Figure DEST_PATH_IMAGE011
表示灰度值累加曲线，
Figure 15488DEST_PATH_IMAGE012
表示平面直角坐标下OCT图 像宽度。
进一步优选的，在S3中，所述根据预设的步长进行累加，得到的步长累加曲线按照如下公式表示：
Figure DEST_PATH_IMAGE013
式中，
Figure 360407DEST_PATH_IMAGE014
表示步长累加曲线，
Figure DEST_PATH_IMAGE015
表示平滑化曲线，
Figure 770659DEST_PATH_IMAGE016
表示平面直角坐标下OCT图像宽 度，
Figure DEST_PATH_IMAGE017
表示累加步长长度，所述累加步长长度取值为导丝宽度。
进一步优选的，在S4中，所述根据步长累加曲线，得到导丝位置包括：在OCT图像
Figure 71060DEST_PATH_IMAGE018
中把曲线
Figure DEST_PATH_IMAGE019
最低值对应的横坐标
Figure 933973DEST_PATH_IMAGE020
视为导丝中心位置，按照如下公式对曲线
Figure DEST_PATH_IMAGE021
连续取最 小值，得到导丝位置；
Figure 345232DEST_PATH_IMAGE022
式中，
Figure DEST_PATH_IMAGE023
表示第
Figure 344412DEST_PATH_IMAGE024
帧图像中导丝位置，
Figure DEST_PATH_IMAGE025
表示第
Figure 815714DEST_PATH_IMAGE024
帧对应的步长累加曲线。
进一步优选的，在S4中，根据步长累加曲线，得到导丝位置并对导丝位置进行纠正时，包括以下方法：
S401、设定导丝纠正参照帧数
Figure 697082DEST_PATH_IMAGE026
、导丝纠正容许偏差
Figure DEST_PATH_IMAGE027
、概率分布函数
Figure 914961DEST_PATH_IMAGE028
以及各帧导 丝位置参数
Figure DEST_PATH_IMAGE029
；所述导丝纠正参照帧数
Figure 34227DEST_PATH_IMAGE030
包括前后相邻帧、前后奇数或偶数帧以及前后设 置不同权重系数的参照帧；
S402、按照如下公式计算当前帧导丝位置概率分布
Figure DEST_PATH_IMAGE031
；
Figure 410850DEST_PATH_IMAGE032
式中，
Figure DEST_PATH_IMAGE033
表示第
Figure 982777DEST_PATH_IMAGE034
帧导丝位置概率分布，
Figure DEST_PATH_IMAGE035
表示第
Figure 735838DEST_PATH_IMAGE036
帧导丝位置；
S403、根据上式得出
Figure DEST_PATH_IMAGE037
最大函数值对应的横坐标
Figure 240769DEST_PATH_IMAGE038
，把区间
Figure DEST_PATH_IMAGE039
视为导丝可存在区域，否则进行纠正。
进一步优选的，纠正后导丝位置按照如下公式表示：
Figure 788294DEST_PATH_IMAGE040
式中，
Figure DEST_PATH_IMAGE041
表示第
Figure 113096DEST_PATH_IMAGE042
帧的纠正后导丝位置。
本发明还提供一种基于光影特征的OCT图像中导丝识别系统，用于实施上述基于光影特征的OCT图像中导丝识别方法，包括：图像获取模块，用于获取OCT图像，并去除OCT图像中的导管区域；平滑处理模块，用于对去除导管区域的OCT图像，得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理；曲线计算模块，用于对平滑化后的灰度值累加曲线，根据预设的步长进行累加，得到步长累加曲线；导丝纠正模块，用于根据步长累加曲线，得到导丝位置并对导丝位置进行纠正，完成导丝的识别。
本申请公开的一种基于光影特征的OCT图像中导丝识别方法及系统，相比于现有技术至少具有以下优点：
本申请对去除导管区域的OCT图像中，采用灰度值累加处理，进一步得到步长累加曲线，根据步长累加曲线逐帧判断导丝位置，再根据前后参照帧对导丝进行纠正，相比直接根据像素值进行判断，本申请技术方案更加周密严谨，避免其他光影噪声的影响。
本申请中还对当前帧得到导丝位置根据前后参考帧按照概率分布函数进行纠正，方案更具科学性，避免在进行后期导丝删除时，对其他血管内环境造成影响。
附图说明
图1为背景技术中存在三种光影的平面直角坐标系下OCT图像。
图2为背景技术中存在宽支架的平面直角坐标系下OCT图像。
图3为本申请实施例1中获取的极坐标系下OCT图像。
图4为本申请实施例1中去除导管区域的平面直角坐标系下OCT图像。
图5为本申请实施例2中极坐标系下OCT图像。
图6为本申请实施例2中去除导管区域的平面直角坐标系下OCT图像。
图7为本申请在平面直角坐标系下OCT图像，大津法处理效果图。
图8为本申请随横坐标
Figure DEST_PATH_IMAGE043
变化的
Figure 672778DEST_PATH_IMAGE044
方向累加值曲线。
图9为本申请中平滑化后的累加值曲线。
图10为本申请中步长累加曲线与导丝位置示意图。
图11为本申请中实施例3所示的第一帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图12为本申请中实施例3所示的第二帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图13为本申请中实施例3所示的第三帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图14为本申请中实施例3所示的第四帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图15为本申请中实施例3所示的第五帧中步长累加曲线、导丝位置、对应的概率分布曲线示意图。
图16为本申请中导丝位置概率分布曲线以及针对图13纠正后导丝位置。
图17为本申请中基于光影特征的OCT图像中导丝识别方法的流程示意图。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
如图17所示，本发明一方面实施例提供的基于光影特征的OCT图像中导丝识别方法。
包括以下步骤：
S1、获取OCT图像，并去除OCT图像中的导管区域；
S2、对去除导管区域的OCT图像，得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理；
S3、对平滑化后的灰度值累加曲线，根据预设的步长进行累加，得到步长累加曲线；
S4、根据步长累加曲线，得到导丝位置并对导丝位置进行纠正，完成导丝的识别。
如图3所示，在S1中，所述获取OCT图像，并去除OCT图像中的导管区域包括以下步骤：
S101、在极坐标系下获取OCT图像；
S102、对获取OCT图像进行导管区域识别；
S103、对识别出的导管区域的像素值重新赋值；
S104、将赋值处理后的OCT图像变换到平面直角坐标系下。
实施例1在极坐标系下，在
Figure DEST_PATH_IMAGE045
行
Figure 953587DEST_PATH_IMAGE045
列
Figure 468750DEST_PATH_IMAGE046
OCT图像
Figure DEST_PATH_IMAGE047
中，由医 师选定导管区域。本方法假设导管区域为圆形，即接受信息为导管区域的圆心坐标与圆半 径，如图3中
Figure 15269DEST_PATH_IMAGE048
曲线所示。然后把该区域映射至平面直角坐标系区域，并将平面直角坐标系 下
Figure DEST_PATH_IMAGE049
行
Figure 616191DEST_PATH_IMAGE050
列
Figure DEST_PATH_IMAGE051
OCT图像
Figure 564555DEST_PATH_IMAGE052
中该区域像素值置为零，或置为较小值如图4。图 3为极坐标系下OCT图像，
Figure 985041DEST_PATH_IMAGE048
曲线表示医生选定的导管区域（假设该区域为圆形时，其圆心在 图像正中心）。 图4为导管区域被去除（置为零）的平面直角坐标系下OCT图像。
实施例2，由医师选定导管区域的原因是，在临床中导管区域（假设该区域为圆形 时，其圆心）不一定在OCT图像正中心。当导管区域在OCT图像中非正中心时，平面直角坐标 系下相应区域应随之变化，具体如图5与图6所示。 图5为，极坐标系下OCT图像，
Figure DEST_PATH_IMAGE053
曲线表示 医生选定的导管区域（假设该区域为圆形时，其圆心不在图像正中心）。图6为导管区域图5 中
Figure 18856DEST_PATH_IMAGE053
曲线内区域被去除（置为零）的平面直角坐标系下OCT图像。
需要说明的是，导管区域”假设为圆形，是便于描述与处理。“导管区域”假设为任意多边形进行处理，也应在本专利保护范围中。极坐标系下图像与平面直角坐标系下图像，其行列大小没有绝对关系，可任意缩放。应在本专利保护范围中。描述“像素值置为零”可替代为“像素值置为低值”，应在本专利保护范围中。
S2中，还包括对去除导管区域的OCT图像进行二值化处理，并对二值化处理后的图像进行灰度值累加计算，得到灰度值累加曲线。
进一步，对原图像不进行二值化，直接进行灰度值累加得到曲线
Figure 933723DEST_PATH_IMAGE054
，也应在本专利 保护范围中。做二值化是便于减少图像中噪声对曲线
Figure 519949DEST_PATH_IMAGE054
平滑程度的影响。首先，在平面直角 坐标系下，对
Figure 862069DEST_PATH_IMAGE049
行
Figure 914339DEST_PATH_IMAGE050
列
Figure DEST_PATH_IMAGE055
OCT图像
Figure 351005DEST_PATH_IMAGE052
进行二值化，具体方法可以采用（但 不限于）大津法，其处理效果如图7。并在图像中，分别把不同
Figure 805120DEST_PATH_IMAGE056
对应的
Figure DEST_PATH_IMAGE057
方向全部像素值进行 累加，得到曲线
Figure 36250DEST_PATH_IMAGE058
如图8所示。
在S2中，所述对去除导管区域的OCT图像，得到的灰度值累加曲线采用如下公式1表示：
Figure DEST_PATH_IMAGE059
（公式1）
式中，
Figure 44658DEST_PATH_IMAGE060
表示灰度值累加曲线，
Figure DEST_PATH_IMAGE061
表示平面直角坐标系下OCT图像高度，
Figure 285015DEST_PATH_IMAGE062
表示平 面直角坐标下第
Figure DEST_PATH_IMAGE063
行第
Figure 62478DEST_PATH_IMAGE064
列的OCT图像像素值。
其次，在S2中，所述对得到的灰度值累加曲线进行平滑化处理，包括：按照设置的 平滑次数
Figure DEST_PATH_IMAGE065
和平滑块长度
Figure 467439DEST_PATH_IMAGE066
，对得到的灰度值累加曲线按照如下公式进行平滑化处理：
Figure DEST_PATH_IMAGE067
（公式2）
式中：
Figure 697563DEST_PATH_IMAGE068
表示平滑后曲线，
Figure DEST_PATH_IMAGE069
表示原曲线，
Figure 741611DEST_PATH_IMAGE070
表示平面直角坐标系下OCT图像宽度。
曲线平滑化的目的是：减少图像中噪声对曲线平滑程度的影响。因此平滑方式本身，可以采用上方数学表达式，但不局限于该表达式。以“曲线平滑化”作为直接目的或间接目的方法，均应在本专利保护范围中。
每次平滑化后完全替代原曲线，即：
Figure DEST_PATH_IMAGE071
，直至平滑化次数达到
Figure 108002DEST_PATH_IMAGE072
次。取
Figure DEST_PATH_IMAGE073
时曲线平滑化效果如图9，由
Figure 946514DEST_PATH_IMAGE074
曲线表示。
进一步在S3中，所述根据预设的步长进行累加，得到的步长累加曲线，做曲线步长 累加的目的，是为找到曲线中“连续低值”的区间。可以通过下文数学表达式，但不限于该方 法，应在本专利保护范围中。具体包括把假设的导丝宽度
Figure DEST_PATH_IMAGE075
作为步长长度，对曲线进 行步长累加，步长累加曲线表达式为：
Figure 929513DEST_PATH_IMAGE076
（公式3）
式中，
Figure DEST_PATH_IMAGE077
表示步长累加曲线，
Figure 511673DEST_PATH_IMAGE078
表示平滑化曲线，
Figure 529308DEST_PATH_IMAGE056
表示平面直角坐标系下OCT图像 宽度，
Figure DEST_PATH_IMAGE079
表示累加步长长度，所述累加步长长度取值为导丝宽度。
最后，基于步长累加曲线
Figure 807230DEST_PATH_IMAGE077
得出导丝位置，即在OCT图像
Figure 277525DEST_PATH_IMAGE080
中把曲线
Figure DEST_PATH_IMAGE081
最低值对应的 横坐标
Figure 663376DEST_PATH_IMAGE082
视为导丝中心位置。如图10所示，步长累加曲线由曲线
Figure 801097DEST_PATH_IMAGE058
表示，导丝位置由直 线
Figure DEST_PATH_IMAGE083
表示。在共有
Figure 997723DEST_PATH_IMAGE084
帧的OCT图像序列中，设
Figure DEST_PATH_IMAGE085
为导丝位置，则有：
Figure 939003DEST_PATH_IMAGE086
（公式4）
式中，
Figure DEST_PATH_IMAGE087
表示第
Figure 3911DEST_PATH_IMAGE088
帧图像中导丝位置，
Figure DEST_PATH_IMAGE089
表示第
Figure 730558DEST_PATH_IMAGE090
帧对应的步长累加曲线。
当OCT图像中存在较宽支架时，可能把该支架误识别为导丝。为了减少导丝误判， 对全部帧导丝识别后，根据前后帧导丝位置相对连续的特点进行导丝位置纠正。具体为，在 S4中，根据步长累加曲线，得到导丝位置并对导丝位置进行纠正时，包括以下方法：设定导 丝纠正参照帧数
Figure DEST_PATH_IMAGE091
，导丝纠正容许偏差
Figure 96423DEST_PATH_IMAGE092
，概率分布函数
Figure 541310DEST_PATH_IMAGE028
，并设各帧导丝位 置
Figure DEST_PATH_IMAGE093
。对第
Figure 268964DEST_PATH_IMAGE094
帧进行导丝纠正时，首先基于其前后帧导丝位置得到当前帧导丝位置 概率分布
Figure DEST_PATH_IMAGE095
，表达式如下：
Figure 115697DEST_PATH_IMAGE096
（公式5）
式中，
Figure DEST_PATH_IMAGE097
表示第
Figure 637814DEST_PATH_IMAGE098
帧导丝位置概率分布，
Figure DEST_PATH_IMAGE099
表示第
Figure 304419DEST_PATH_IMAGE100
帧导丝位置。
不局限于上述数学表达式。导丝纠正参照帧数
Figure DEST_PATH_IMAGE101
包括前后相邻帧、前后奇数或偶数 帧以及前后设置不同权重系数的参照帧；均应在本专利保护范围中。
S403、根据上式得出
Figure 570184DEST_PATH_IMAGE102
最大函数值对应的横坐标
Figure DEST_PATH_IMAGE103
，把区间
Figure 5845DEST_PATH_IMAGE104
视为导丝可存在区域，否则进行纠正。
正后导丝位置按照如下公式表示：
Figure DEST_PATH_IMAGE105
（公式6）
式中，
Figure 701793DEST_PATH_IMAGE106
表示第
Figure DEST_PATH_IMAGE107
帧的纠正后导丝位置。
实施例3中采用如图11至图15所示的，连续5帧OCT图像序列中对连续帧的导丝识 别结果，以及相应的概率分布曲线（高斯分布）。其中，图13、图14是识别错误的（把宽支架， 识别成导丝的结果）。导丝纠正过程是针对图13进行的。图16是参照了图11、12、14、15 后对 原图13纠正后的。纠正之前，各帧的【概率分布曲线】只是根据当前帧计算得出。然后根据图 11、12、14、15，计算得出【概率分布曲线】并进行纠正。因此图16中与原图13相比曲线高峰位 置发生相应变化。图11、12、13、14、15中步长累加曲线由曲线
Figure 855693DEST_PATH_IMAGE058
表示、导丝位置由直线
Figure 190729DEST_PATH_IMAGE083
表 示、对应的概率分布曲线由曲线
Figure 277633DEST_PATH_IMAGE108
所示；图16中相应的概率分布曲线由曲线
Figure DEST_PATH_IMAGE109
表示，以及纠 正结果即纠正后的导丝位置采用直线
Figure 892285DEST_PATH_IMAGE110
表示。
本发明还提供一种基于光影特征的OCT图像中导丝识别系统，用于实施上述基于光影特征的OCT图像中导丝识别方法，包括：图像获取模块，用于获取OCT图像，并去除OCT图像中的导管区域；平滑处理模块，用于对去除导管区域的OCT图像，得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理；曲线计算模块，用于对平滑化后的灰度值累加曲线，根据预设的步长进行累加，得到步长累加曲线；导丝纠正模块，用于根据步长累加曲线，得到导丝位置并对导丝位置进行纠正，完成导丝的识别。具体实施例参见上述描述。
显然，上述实施例仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种基于光影特征的OCT图像中导丝识别方法，其特征在于，包括以下步骤：
S1、获取OCT图像，并去除OCT图像中的导管区域；
S2、对去除导管区域的OCT图像，得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理；
S3、对平滑化后的灰度值累加曲线，根据预设的步长进行累加，得到步长累加曲线；
S4、根据步长累加曲线，得到导丝位置并对导丝位置进行纠正，完成导丝的识别。
2.根据权利要求1所述的基于光影特征的OCT图像中导丝识别方法，其特征在于，在S1中，所述获取OCT图像，并去除OCT图像中的导管区域包括以下步骤：
S101、在极坐标系下获取OCT图像；
S102、对获取OCT图像进行导管区域识别；
S103、对识别出的导管区域的像素值重新赋值；
S104、将赋值处理后的OCT图像变换到平面直角坐标系下。
3.根据权利要求1所述的基于光影特征的OCT图像中导丝识别方法，其特征在于，S2中，还包括对去除导管区域的OCT图像进行二值化处理，并对二值化处理后的图像进行灰度值累加计算，得到灰度值累加曲线。
4.根据权利要求1所述的基于光影特征的OCT图像中导丝识别方法，其特征在于，在S2中，所述对去除导管区域的OCT图像，得到的灰度值累加曲线采用如下公式表示：
Figure DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE004
表示灰度值累加曲线，
Figure DEST_PATH_IMAGE006
表示平面直角坐标系下OCT图像高度，
Figure DEST_PATH_IMAGE008
表示平面直角坐标系下第
Figure DEST_PATH_IMAGE010
行第
Figure DEST_PATH_IMAGE012
列的OCT图像像素值。
5.根据权利要求4所述的基于光影特征的OCT图像中导丝识别方法，其特征在于，在S2中，所述对得到的灰度值累加曲线进行平滑化处理，包括：按照设置的平滑次数
Figure DEST_PATH_IMAGE014
和平滑块长度
Figure DEST_PATH_IMAGE016
，对得到的灰度值累加曲线按照如下公式进行平滑化处理：
Figure DEST_PATH_IMAGE018
式中：
Figure DEST_PATH_IMAGE020
表示平滑后曲线，
Figure 593899DEST_PATH_IMAGE004
表示原曲线，
Figure DEST_PATH_IMAGE022
表示平面直角坐标系下OCT图像宽度。
6.根据权利要求1所述的基于光影特征的OCT图像中导丝识别方法，其特征在于，在S3中，所述根据预设的步长进行累加，得到的步长累加曲线按照如下公式表示：
Figure DEST_PATH_IMAGE024
式中，
Figure DEST_PATH_IMAGE026
表示步长累加曲线，
Figure 399788DEST_PATH_IMAGE020
表示平滑化曲线，
Figure 710683DEST_PATH_IMAGE022
表示平面直角坐标系下OCT图像宽度，
Figure DEST_PATH_IMAGE028
表示累加步长长度，所述累加步长长度取值为导丝宽度。
7.根据权利要求1所述的基于光影特征的OCT图像中导丝识别方法，其特征在于，在S4中，所述根据步长累加曲线，得到导丝位置包括：在OCT图像
Figure DEST_PATH_IMAGE030
中把曲线
Figure DEST_PATH_IMAGE032
最小值对应的横坐标
Figure DEST_PATH_IMAGE034
视为导丝中心位置，按照如下公式对曲线
Figure 512417DEST_PATH_IMAGE032
连续取最小值，得到导丝位置；
Figure DEST_PATH_IMAGE036
式中，
Figure DEST_PATH_IMAGE038
表示第
Figure 670997DEST_PATH_IMAGE010
帧图像中导丝位置，
Figure DEST_PATH_IMAGE040
表示第
Figure DEST_PATH_IMAGE042
帧对应的步长累加曲线。
8.根据权利要求1所述的基于光影特征的OCT图像中导丝识别方法，其特征在于，在S4中，根据步长累加曲线，得到导丝位置并对导丝位置进行纠正时，包括以下方法：
S401、设定导丝纠正参照帧数
Figure DEST_PATH_IMAGE044
、导丝纠正容许偏差
Figure DEST_PATH_IMAGE046
、概率分布函数
Figure DEST_PATH_IMAGE048
以及各帧导丝位置参数
Figure DEST_PATH_IMAGE050
；所述导丝纠正参照帧数
Figure DEST_PATH_IMAGE052
包括前后相邻帧、前后奇数或偶数帧以及前后设置不同权重系数的参照帧；
S402、按照如下公式计算当前帧导丝位置概率分布
Figure DEST_PATH_IMAGE054
；
Figure DEST_PATH_IMAGE056
式中，
Figure DEST_PATH_IMAGE058
表示第
Figure 868627DEST_PATH_IMAGE010
帧导丝位置概率分布，
Figure DEST_PATH_IMAGE060
表示第
Figure DEST_PATH_IMAGE062
帧导丝位置；
S403、根据上式得出
Figure DEST_PATH_IMAGE064
最大函数值对应的横坐标
Figure DEST_PATH_IMAGE066
，把区间
Figure DEST_PATH_IMAGE068
视为导丝可存在区域，否则进行纠正。
9.根据权利要求8所述的基于光影特征的OCT图像中导丝识别方法，其特征在于，纠正后导丝位置按照如下公式表示：
Figure DEST_PATH_IMAGE070
式中，
Figure DEST_PATH_IMAGE072
表示第
Figure 680201DEST_PATH_IMAGE010
帧的纠正后导丝位置。
10.一种基于光影特征的OCT图像中导丝识别系统，其特征在于，用于实施上述权利要求1-8中任意一项所述的基于光影特征的OCT图像中导丝识别方法，包括：
图像获取模块，用于获取OCT图像，并去除OCT图像中的导管区域；
平滑处理模块，用于对去除导管区域的OCT图像，得到灰度值累加曲线并对得到的灰度值累加曲线进行平滑化处理；
曲线计算模块，用于对平滑化后的灰度值累加曲线，根据预设的步长进行累加，得到步长累加曲线；
导丝纠正模块，用于根据步长累加曲线，得到导丝位置并对导丝位置进行纠正，完成导丝的识别。
CN202211237459.4A 2022-10-11 2022-10-11 基于光影特征的oct图像中导丝识别方法及识别系统 Active CN115330756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211237459.4A CN115330756B (zh) 2022-10-11 2022-10-11 基于光影特征的oct图像中导丝识别方法及识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211237459.4A CN115330756B (zh) 2022-10-11 2022-10-11 基于光影特征的oct图像中导丝识别方法及识别系统

Publications (2)

Publication Number Publication Date
CN115330756A true CN115330756A (zh) 2022-11-11
CN115330756B CN115330756B (zh) 2023-02-28

Family

ID=83913532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211237459.4A Active CN115330756B (zh) 2022-10-11 2022-10-11 基于光影特征的oct图像中导丝识别方法及识别系统

Country Status (1)

Country Link
CN (1) CN115330756B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6148101A (en) * 1995-11-27 2000-11-14 Canon Kabushiki Kaisha Digital image processor
US20040170327A1 (en) * 2001-06-19 2004-09-02 Whoi-Yul Kim Method of extracting shape variation descriptor for retrieving image sequence
US20090110299A1 (en) * 2007-10-30 2009-04-30 Kddi Corporation Apparatus, method and computer program for classifying pixels in a motion picture as foreground or background
CN102930278A (zh) * 2012-10-16 2013-02-13 天津大学 一种人眼视线估计方法及其装置
CN102930513A (zh) * 2012-09-25 2013-02-13 北京航空航天大学 一种视频场景的虚实光照融合方法
CN103207987A (zh) * 2013-02-28 2013-07-17 华北电力大学 一种指针式仪表的示数识别方法
US20160124964A1 (en) * 2014-10-31 2016-05-05 Pixcon Methods for uploading and ranking photographs
CN106097269A (zh) * 2016-06-11 2016-11-09 华南理工大学 基于计算鬼成像的高分辨率微视觉系统及获取图像的方法
CN108986064A (zh) * 2017-05-31 2018-12-11 杭州海康威视数字技术股份有限公司 一种人流量统计方法、设备及系统
CN112017254A (zh) * 2020-06-29 2020-12-01 浙江大学 一种混合式光线跟踪绘制方法及系统
CN113077392A (zh) * 2021-03-17 2021-07-06 华夏芯（北京）通用处理器技术有限公司 一种针对指针表模糊照片的高准确度自动读数方法
CN113470137A (zh) * 2021-06-30 2021-10-01 天津大学 基于灰度加权的ivoct图像导丝伪影去除方法
CN113935961A (zh) * 2021-09-29 2022-01-14 西安邮电大学 一种鲁棒性乳腺钼靶mlo视角图像胸肌分割方法
CN114820600A (zh) * 2022-06-27 2022-07-29 天津恒宇医疗科技有限公司 基于oct图像的冠脉血管内支架检测方法及检测系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6148101A (en) * 1995-11-27 2000-11-14 Canon Kabushiki Kaisha Digital image processor
US20040170327A1 (en) * 2001-06-19 2004-09-02 Whoi-Yul Kim Method of extracting shape variation descriptor for retrieving image sequence
US20090110299A1 (en) * 2007-10-30 2009-04-30 Kddi Corporation Apparatus, method and computer program for classifying pixels in a motion picture as foreground or background
CN102930513A (zh) * 2012-09-25 2013-02-13 北京航空航天大学 一种视频场景的虚实光照融合方法
CN102930278A (zh) * 2012-10-16 2013-02-13 天津大学 一种人眼视线估计方法及其装置
CN103207987A (zh) * 2013-02-28 2013-07-17 华北电力大学 一种指针式仪表的示数识别方法
US20160124964A1 (en) * 2014-10-31 2016-05-05 Pixcon Methods for uploading and ranking photographs
CN106097269A (zh) * 2016-06-11 2016-11-09 华南理工大学 基于计算鬼成像的高分辨率微视觉系统及获取图像的方法
CN108986064A (zh) * 2017-05-31 2018-12-11 杭州海康威视数字技术股份有限公司 一种人流量统计方法、设备及系统
CN112017254A (zh) * 2020-06-29 2020-12-01 浙江大学 一种混合式光线跟踪绘制方法及系统
CN113077392A (zh) * 2021-03-17 2021-07-06 华夏芯（北京）通用处理器技术有限公司 一种针对指针表模糊照片的高准确度自动读数方法
CN113470137A (zh) * 2021-06-30 2021-10-01 天津大学 基于灰度加权的ivoct图像导丝伪影去除方法
CN113935961A (zh) * 2021-09-29 2022-01-14 西安邮电大学 一种鲁棒性乳腺钼靶mlo视角图像胸肌分割方法
CN114820600A (zh) * 2022-06-27 2022-07-29 天津恒宇医疗科技有限公司 基于oct图像的冠脉血管内支架检测方法及检测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DAH-JYELEE ET AL.: "Multi-frame structure from motion using optical flow probability distributions", 《NEUROCOMPUTING》 *
刘忠领: "旋转弹光电成像制导图像处理关键算法研究", 《中国博士学位论文全文数据库信息科技辑》 *

Also Published As

Publication number Publication date
CN115330756B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
CN109871938B (zh) 一种基于卷积神经网络的零部件喷码检测方法
CN117649357B (zh) 一种基于图像增强的超声图像处理方法
CN110717888B (zh) 一种血管内光学相干层析成像血管壁内轮廓自动识别方法
CN112883824A (zh) 一种用于智能采血的手指静脉特征识别装置及其识别方法
CN106991380A (zh) 一种基于掌静脉图像的预处理方法
CN116993628B (zh) 一种用于肿瘤射频消融引导的ct图像增强系统
CN108447016B (zh) 基于直线交点的光学图像和sar图像的匹配方法
CN105389793B (zh) 一种自动识别物体表面裂缝走向及宽度的方法
CN113344823B (zh) 一种银线型触头烧蚀区域形貌三维粗糙度表征方法
CN116934763A (zh) 一种基于视觉特征的医用橡胶胶塞缺陷检测方法
CN107025640A (zh) 基于优化的非局部均值的医学图像去噪方法
CN115330756B (zh) 基于光影特征的oct图像中导丝识别方法及识别系统
CN112651984B (zh) 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质
CN117974652B (zh) 基于机器视觉的超声影像辅助定位方法
CN115311696B (zh) 一种基于静脉纹理特征的手指区域检测方法
CN116485884B (zh) 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统
CN110288540B (zh) 一种碳纤维导线x射线图像在线成像标准化方法
CN114820678B (zh) 基于oct图像的血管壁内轮廓自动提取方法及系统
CN110188756B (zh) 产品定位方法
CN115239751A (zh) 一种术后影像针道提取方法
CN110838121A (zh) 一种用于辅助骨龄鉴定的儿童手骨关节识别方法
CN107369143B (zh) 一种基于连续带通滤波和重建的图像降噪方法
CN117152803B (zh) 一种面部静脉图像均衡化方法
CN117557587B (zh) 一种内窥镜冷光源亮度自动调节系统
CN115035056B (zh) 基于微分几何的柔性ic基板线路刻蚀缺陷检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant