本發(fā)明涉及微血管成像，具體涉及基于超聲波的微血管成像系統(tǒng)。

背景技術(shù)：

1、微血管成像在醫(yī)學診斷和治療中具有重要意義。微血管的結(jié)構(gòu)和功能變化往往是許多疾病的早期標志，如腫瘤、糖尿病和心血管疾病等。因此，開發(fā)一種高分辨率、無創(chuàng)的微血管成像技術(shù)對疾病的早期診斷和治療具有重要價值。超聲波成像技術(shù)由于其無創(chuàng)、實時、高分辨率等優(yōu)點，成為研究和應用的熱點。然而，傳統(tǒng)超聲波成像技術(shù)在微血管成像方面的分辨率和靈敏度仍存在不足，需要進一步改進和優(yōu)化。

2、目前的微血管成像技術(shù)主要包括以下幾種：

3、光學成像技術(shù)：如光學相干斷層掃描(oct)和激光多普勒成像(ldi)，雖然分辨率高，但穿透深度有限，適用于淺表組織。

4、磁共振成像(mri)：具有良好的軟組織對比度，但設(shè)備昂貴、成像時間長，不適合實時監(jiān)控。

5、傳統(tǒng)超聲波成像：雖然具有較好的穿透深度和實時成像能力，但在微血管成像方面的分辨率和靈敏度不足，難以清晰顯示微血管結(jié)構(gòu)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于，提供基于超聲波的微血管成像系統(tǒng)，解決以上技術(shù)問題；

2、本發(fā)明所解決的技術(shù)問題可以采用以下技術(shù)方案來實現(xiàn)：

3、基于超聲波的微血管成像系統(tǒng)，包括，

4、超聲波發(fā)生器，通過壓電晶體振動產(chǎn)生用于微血管成像的超聲波；

5、微血管成像模塊，連接所述超聲波發(fā)生器，用于基于多普勒效應檢測血流速度和方向，生成微血管網(wǎng)絡(luò)超聲影像；

6、圖像分析模塊，連接所述微血管成像模塊接收所述微血管網(wǎng)絡(luò)超聲影像，所述圖像分析模塊用于識別和分析微血管的結(jié)構(gòu)和功能變化，檢測獲得微血管的結(jié)構(gòu)特征和血流參數(shù)，輸出定量分析結(jié)果，所述圖像分析模塊包括，

7、多尺度分析單元，用于在多尺度下的所述微血管網(wǎng)絡(luò)超聲影像中提取所述結(jié)構(gòu)特征；

8、影像分析模型，連接所述多尺度分析單元，基于機器學習提取所述結(jié)構(gòu)特征和所述血流參數(shù)，輸出所述定量分析結(jié)果。

9、優(yōu)選的，所述壓電晶體以陣列分布，所述超聲波發(fā)生器以相控陣方式控制每個所述壓電晶體的激發(fā)時間，用以控制所述超聲波的聚焦位置和方向。

10、優(yōu)選的，所述微血管網(wǎng)絡(luò)超聲影像為對使用微氣泡造影劑后的微血管的超聲波回波信號成像獲得的超聲影像。

11、優(yōu)選的，所述圖像分析模塊還包括濾波單元，連接所述多尺度分析單元用于對所述微血管網(wǎng)絡(luò)超聲影像進行預處理，所述濾波單元包括，

12、圖像分割子單元，用于將所述微血管網(wǎng)絡(luò)超聲影像分割為若干個局部塊，每一所述局部塊包含設(shè)定數(shù)量的像素；

13、局部統(tǒng)計特征計算子單元，連接所述圖像分割子單元，用于對每個所述局部塊計算局部統(tǒng)計特征；

14、自適應濾波調(diào)整子單元，連接所述局部統(tǒng)計特征計算子單元，用于根據(jù)所述局部統(tǒng)計特征調(diào)整濾波器的濾波參數(shù)，公式為，

15、

16、其中，(x,y)是以所述局部塊的中心為原點所述局部塊中像素的相對位置；h(x,y)是所述濾波器在位置(x,y)處的權(quán)重，σ是根據(jù)所述局部統(tǒng)計特征自適應調(diào)整的所述濾波參數(shù)；

17、濾波處理子單元，包括連接所述自適應濾波調(diào)整子單元的所述濾波器，用于根據(jù)所述濾波參數(shù)對所述微血管網(wǎng)絡(luò)超聲影像執(zhí)行濾波處理。

18、優(yōu)選的，所述多尺度分析單元采用高斯金字塔和小波變換在多尺度下的所述微血管網(wǎng)絡(luò)超聲影像中提取所述結(jié)構(gòu)特征；

19、所述高斯金字塔對原始的所述微血管網(wǎng)絡(luò)超聲影像進行高斯模糊處理，獲得模糊圖像，對所述模糊圖像進行下采樣，得到下一層尺度的圖像，多次下采樣后得到預定的尺度層數(shù)，公式為，

20、ii+1(x,y)＝(ii*gσ)↓2

21、其中ii表示第i層圖像，gσ表示高斯濾波器，↓2表示下采樣操作；

22、所述小波變換采用小波基函數(shù)，對所述微血管網(wǎng)絡(luò)超聲影像進行小波分解，得到不同吃醋和方向上的子帶系數(shù)，公式為，

23、

24、其中wj(x,y)表示第j尺度上的小波系數(shù)，i(x,y)表示原始的所述微血管網(wǎng)絡(luò)超聲影像在(x,y)處的像素值，∑m,ni(x,y)中求和符號表示的是對所述微血管網(wǎng)絡(luò)超聲影像中所有像素位置(m,n)進行求和，ψj,m,n(x,y)表示所述小波基函數(shù)在尺度j和位置(m,n)處的空間位置。

25、優(yōu)選的，所述影像分析模型采用卷積神經(jīng)網(wǎng)絡(luò)進行微血管的識別和分析；

26、所述卷積神經(jīng)網(wǎng)絡(luò)包括，

27、輸入層，用于輸入所述微血管網(wǎng)絡(luò)超聲影像；

28、卷積層，連接所述輸入層，通過多個卷積核對輸入的所述微血管網(wǎng)絡(luò)超聲影像進行卷積，提取特征圖，公式為，

29、

30、其中，f(x,y)表示所述特征圖，i(x,y)表示所述微血管網(wǎng)絡(luò)超聲影像在(x,y)處的像素值，k(i,j)表示所述卷積核；

31、池化層，連接所述卷積層，用于對所述特征圖進行下采樣，公式為，

32、p(x,y)＝maxi,jf(x+i,y+j)

33、其中，p(x,y)表示所述池化層的輸出結(jié)果，對應于所述特征圖中位置(x,y)池化后的值，maxi,j表示在給定f(x,y)的位置上，在i×j的區(qū)域內(nèi)選擇最大的值最為p(x,y)的值；

34、全連接層，連接所述池化層，用于將所述池化層的輸出結(jié)果展開為一維向量，并進行分類；

35、輸出層，連接所述全連接層，用于輸出微血管的識別結(jié)果。

36、優(yōu)選的，所述影像分析模型還采用生成對抗網(wǎng)絡(luò)生成微血管圖像，所述生成對抗網(wǎng)絡(luò)包括，

37、生成器，用于生成所述微血管圖像，生成公式為，

38、g(z)＝σ1(wg·z+bg)

39、其中z表示隨機噪聲向量，wg和bg表示所述生成器的權(quán)重和偏置，σ1表示激活函數(shù)；

40、判別器，連接所述生成器，用于接收輸入圖像數(shù)據(jù)，并判斷所述輸入圖像數(shù)據(jù)是真實圖像還是所述生成器生成的所述微血管圖像，公式為，

41、d(x)＝σ2(wd·x+bd)

42、其中x表示輸入圖像數(shù)據(jù)，wd和bd表示所述判別器的權(quán)重和偏置，σ2表示激活函數(shù)。

43、優(yōu)選的，所述微血管成像模塊包括

44、高速數(shù)據(jù)采集卡，用于獲取所述超聲波的回波信號；

45、圖像處理單元，連接所述高速數(shù)據(jù)采集卡，接收所述超聲波的回波信號，基于多普勒效應檢測血流速度和方向，生成所述微血管網(wǎng)絡(luò)超聲影像；

46、實時圖像顯示單元，連接所述圖像處理單元，用于實時顯示所示微血管網(wǎng)絡(luò)超聲影像。

47、優(yōu)選的，所述定量分析結(jié)果至少包括微血管的密度、直徑、分支數(shù)目，所述圖像分析模塊還包括報告生成單元，用于生成包括所述定量分析結(jié)果的分析報告。

48、優(yōu)選的，所述微血管成像模塊和所述圖像分析模塊設(shè)置在云平臺，并采用分布式計算框架和流處理框架執(zhí)行實時的數(shù)據(jù)處理，還包括數(shù)據(jù)存儲模塊，連接所述微血管成像模塊和所述圖像分析模塊，采用對象存儲和分布式存儲方式存儲所述微血管網(wǎng)絡(luò)超聲影像和所述定量分析結(jié)果。

49、本發(fā)明的有益效果：由于采用以上技術(shù)方案，本發(fā)明通過基于超聲波的微血管成像系統(tǒng)，能夠?qū)崿F(xiàn)高分辨率、深度穿透和實時成像，并自動識別和分析微血管結(jié)構(gòu)，輸出定量分析結(jié)果。