一種用于光學(xué)分辨率光聲顯微鏡下活體腫瘤血管新生圖像的血管提取方法
【專利摘要】本發(fā)明提供一種用于光學(xué)分辨率光聲顯微鏡(OR?PAM)下活體腫瘤血管新生圖像的血管提取方法，屬于圖像處理領(lǐng)域。本發(fā)明中首先使用了多種增強(qiáng)算法結(jié)合對(duì)腫瘤血管新生圖像進(jìn)行預(yù)處理，有效的增強(qiáng)了細(xì)小血管的對(duì)比度，最大程度的降低了噪聲的影響。然后采用Otsu算法來自動(dòng)選取閾值進(jìn)行二值化圖像，有效的降低錯(cuò)分概率。最后使用兩步快速行進(jìn)法去測(cè)定血管的中心線，從而使所計(jì)算的中心線能夠更準(zhǔn)確地定位在血管內(nèi)，而且針對(duì)傳統(tǒng)的水平集血管提取算法速度太慢的問題，使用快速行進(jìn)算法進(jìn)行血管提取的算法運(yùn)行速度有了很大的提升。實(shí)驗(yàn)結(jié)果表明，該方法可以更有效的提取出腫瘤血管新生圖像的血管信息，包括細(xì)小血管的信息也提取效果良好。
【專利說明】
-種用于光學(xué)分辨率光聲顯微鏡下活體腫瘤血管新生圖像的 血管提取方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種用于光學(xué)分辨率光聲顯微鏡(OR-PAM)下活體腫瘤血管新生圖像 的血管提取方法，屬于圖像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 血管新生是指從已有的毛細(xì)血管或毛細(xì)血管后靜脈發(fā)展而形成新的血管。腫瘤血 管新生是一個(gè)極其復(fù)雜的過程，一般包括血管內(nèi)皮基質(zhì)降解、內(nèi)皮細(xì)胞移行、內(nèi)皮細(xì)胞增 殖、內(nèi)皮細(xì)胞管道化分支形成血管環(huán)和形成新的基底膜等步驟。腫瘤的生長(zhǎng)和轉(zhuǎn)移是一個(gè) 依賴于血管的過程，當(dāng)腫瘤體積增長(zhǎng)到一定程度時(shí)，維持其生長(zhǎng)就需要依靠新生血管。大量 的研究表明，良性腫瘤血管新生稀少，血管生長(zhǎng)緩慢，而大多數(shù)惡性腫瘤的血管生長(zhǎng)密集且 生長(zhǎng)迅速。因此，血管新生在腫瘤的發(fā)展轉(zhuǎn)移過程中起到重要作用，抑制運(yùn)一過程將能明顯 阻止腫瘤組織的發(fā)展和擴(kuò)散轉(zhuǎn)移。因此研究血管新生的結(jié)構(gòu)變化在腫瘤等疾病的預(yù)防與診 治中具有非常重要的意義，而從腫瘤血管新生的圖像中精確的提取出血管又是血管量化和 可視化診斷的重要條件，因此如何精確的提取血管的研究成為了腫瘤血管新生圖像方向的 研究熱點(diǎn)。
[0003] 目前超聲造影是檢測(cè)新生血管的重要手段之一，但是常規(guī)二維超聲不能完全顯示 新生血管的立體化與空間化的分布情況，作為新一代的無損醫(yī)學(xué)成像技術(shù)，光聲成像可W 無標(biāo)記地對(duì)單個(gè)細(xì)胞成像、可W對(duì)血管形態(tài)的高分辨成像、對(duì)不同組織的成份進(jìn)行解析和 對(duì)血液參數(shù)高特異性的功能檢測(cè)。光聲成像技術(shù)具有對(duì)比性強(qiáng)、靈敏度高、成像深度深的優(yōu) 點(diǎn)，能夠提高成像系統(tǒng)的靈敏度，從而增加探測(cè)早期癌癥的可能性。
[0004] 目前光聲成像的主要研究分支有光聲斷層成像(PAT)、光聲顯微成像(PAM)、光聲 內(nèi)窺成像(IVPAI)。光聲斷層成像清晰地探測(cè)到活體小鼠腦血管分布，根據(jù)血容量、血流、血 氧等參數(shù)反映了腦功能信息。光聲成像技術(shù)為腫瘤的早期診斷與治療監(jiān)控提供了強(qiáng)大的技 術(shù)支持。隨著光聲顯微鏡的出現(xiàn)，光聲成像發(fā)展到了一個(gè)新的階段。光聲顯微鏡將橫向分辨 率提高了一個(gè)數(shù)量級(jí)達(dá)到了 45皿。利用光聲顯微成像技術(shù)不僅可W獲得高分辨率黑色素瘤 的實(shí)體和周圍的微血管的形態(tài)結(jié)構(gòu)圖像，還可W得到活體動(dòng)物的血氧飽和度信息。光學(xué)分 辨率的光聲顯微鏡(OR-PAM)可W輕而易舉地對(duì)黑色素瘤細(xì)胞和血紅細(xì)胞進(jìn)行單細(xì)胞成像。
[0005] 目前已經(jīng)有許多相關(guān)的血管提取算法，但是對(duì)于血管新生圖像來說，細(xì)小的血管 比較多，又存在受到噪聲污染、血管圖像對(duì)比度低等原因，提取效果并不理想，不能較好地 提取出細(xì)小血管，所W如何在灰度不均勻的血管新生圖像中準(zhǔn)確的提取出血管信息，是急 需解決的問題。

【發(fā)明內(nèi)容】

[0006] 為解決傳統(tǒng)血管提取算法對(duì)于腫瘤血管新生圖像不能較好地提取細(xì)小血管的問 題，實(shí)現(xiàn)準(zhǔn)確提取血管新生圖像中的血管信息，提高血管提取的魯棒性，本發(fā)明提出一種融 合最大類間方差法(OtSU)與快速行進(jìn)法思想，提取光聲顯微鏡下腫瘤血管新生圖像血管信 息的方法。本方法首先使用高頻強(qiáng)調(diào)濾波等多種圖像增強(qiáng)算法對(duì)腫瘤血管新生圖像進(jìn)行增 強(qiáng)預(yù)處理，有效的提高細(xì)小血管的對(duì)比度，再結(jié)合化SU與兩步快速行進(jìn)法對(duì)血管信息進(jìn)行 提取。高頻強(qiáng)調(diào)濾波算法在高頻濾波器上加上一個(gè)偏移量，再將濾波器乘W-個(gè)大于1的常 數(shù)，通過常量乘數(shù)突出高頻部分，也增加了低頻部分的幅度，只要能保證偏移量與乘數(shù)相比 較小，就能保證低頻增強(qiáng)的影響弱于高頻增強(qiáng)的影響，可W有效的增強(qiáng)圖像的對(duì)比度，并且 有效的解決了頻域空間中高頻濾波器增強(qiáng)后的圖像，邊緣和亮度急速變化的區(qū)域得到了增 強(qiáng)，但圖像卻失去了大部分原圖像所呈現(xiàn)出的背景色調(diào)的問題。Otsu方法的基本思想是:設(shè) 使用某一個(gè)闊值將灰度圖像根據(jù)灰度大小，分成目標(biāo)部分和背景部分兩類，在運(yùn)兩類的類 內(nèi)方差最小和類間方差最大的時(shí)候，得到的闊值是最優(yōu)的二值化闊值，Otsu方法計(jì)算簡(jiǎn)單， 不受圖像亮度和對(duì)比度的影響，可W有效的降低錯(cuò)分概率?？焖傩羞M(jìn)法基于當(dāng)前零水平集 對(duì)像素進(jìn)行分類，并按照一定機(jī)制對(duì)水平集進(jìn)行演化。本發(fā)明中采用二步快速行進(jìn)算法提 取血管中屯、線，可W更有效的提取出腫瘤血管新生圖像中的細(xì)小血管。
[0007]為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用下述技術(shù)方案：
[000引一種用于光學(xué)分辨率光聲顯微鏡OR-PAM下活體腫瘤血管新生圖像的血管提取方 法，該方法首先使用圖像增強(qiáng)算法對(duì)光學(xué)分辨率光聲顯微鏡活體腫瘤血管新生圖像進(jìn)行預(yù) 處理，然后利用最大類間方差法Otsu提取血管新生圖像的二值化圖像，再利用兩步快速行 進(jìn)法提取血管新生圖像的血管中屯、線，該方法包括W下步驟：
[0009]步驟1:使用高頻強(qiáng)調(diào)濾波去增強(qiáng)血管新生圖像中的細(xì)小血管的對(duì)比度；
[001日]步驟2:計(jì)算圖像的Hessian矩陣；
[0011 ] 步驟3:計(jì)算化SSian矩陣的特征值；
[0012] 步驟4:對(duì)特征圖進(jìn)行梯度增強(qiáng)得到一個(gè)增強(qiáng)的特征映射；
[0013] 步驟5:使用化SU算法選取最佳闊值T，把血管圖像提取為二值化圖像；
[0014] 步驟6:基于所提取的二值化血管圖像，使用兩步快速行進(jìn)法提取出血管的中屯、 線。
[0015] 優(yōu)選的，在步驟1中采用高頻強(qiáng)調(diào)濾波和直方圖均衡法相結(jié)合得到增強(qiáng)后的圖像。
[0016] 優(yōu)選的，在步驟2使用一個(gè)尺度S，計(jì)算圖像在尺度S的化SSian矩陣，通過尺度S來 控制內(nèi)核的大小。
[0017] 優(yōu)選的，在步驟3計(jì)算化SSian矩陣的特征值，其表示沿著對(duì)應(yīng)于各特征向量的主 方向的曲率。
[0018] 優(yōu)選的，在步驟4中利用梯度域圖像增強(qiáng)方法去進(jìn)一步增強(qiáng)血管新生圖像中的細(xì) 小血管的對(duì)比度。
[0019] 本發(fā)明中，使用多種增強(qiáng)算法結(jié)合可W有效的提高細(xì)小血管的對(duì)比度，有效的地 降低了噪聲的影響，Otsu算法使用的是聚類的思想，把圖像的灰度數(shù)按灰度級(jí)分成2個(gè)部 分，使得兩個(gè)部分之間的灰度值差異最大，每個(gè)部分之間的灰度差異最小，通過方差的計(jì)算 來尋找一個(gè)合適的灰度級(jí)別來劃分，不僅計(jì)算簡(jiǎn)單，不受圖像亮度和對(duì)比度的影響，而且可 W將錯(cuò)分概率降低。使用兩步快速行進(jìn)法去測(cè)定中屯、線，可W使所計(jì)算的中屯、線能夠更準(zhǔn) 確地定位在血管內(nèi)，針對(duì)傳統(tǒng)的水平集血管提取算法速度太慢的問題，快速行進(jìn)算法進(jìn)行 血管提取算法運(yùn)行速度提升了許多。實(shí)驗(yàn)結(jié)果表明，使用該方法，可W成功地從原始圖像中 提取出大多數(shù)的血管，包括細(xì)小血管的提取效果也良好，并且所提取血管的連續(xù)性和強(qiáng)度 的均勻性都優(yōu)于其他傳統(tǒng)的提取方法。
【附圖說明】
[0020] 圖1是本發(fā)明所述的用于OR-PAM活體腫瘤血管新生圖像的血管提取方法的流程 圖；
[0021] 圖2是選取的老鼠活體的OR-PM成像的某個(gè)原始圖像片；
[0022] 圖3是對(duì)圖像片二值化后的圖像；
[0023] 圖4是對(duì)圖像片提取的血管中屯、線效果圖；
[0024] 圖5是圖像片提取的最終血管骨架圖。
【具體實(shí)施方式】
[0025] 本發(fā)明提出一種用于光學(xué)分辨率光聲顯微鏡OR-PAM下活體腫瘤血管新生圖像的 血管提取方法。首先使用多種增強(qiáng)算法結(jié)合可W有效的提高細(xì)小血管的對(duì)比度，有效地降 低了噪聲的影響，然后使用Otsu算法對(duì)增強(qiáng)后的圖像進(jìn)行二值化圖像，采用Otsu算法來自 動(dòng)選取闊值進(jìn)行二值化是圖像分割中闊值選取的最佳算法，不僅計(jì)算簡(jiǎn)單，不受圖像亮度 和對(duì)比度的影響，而且可W將錯(cuò)分概率降至最小。最后使用兩步快速行進(jìn)法測(cè)定中屯、線，使 所計(jì)算的中屯、線能夠更準(zhǔn)確地定位在血管內(nèi)，針對(duì)傳統(tǒng)的水平集血管提取算法速度太慢的 問題，快速行進(jìn)算法進(jìn)行血管提取算法運(yùn)行速度有了很大的提升。圖1中明確表示了本發(fā)明 所述方法的整體流程，具體實(shí)施步驟如下：
[0026] 步驟1:使用高頻強(qiáng)調(diào)濾波去增強(qiáng)血管新生圖像中的細(xì)小血管的對(duì)比度，高頻強(qiáng)調(diào) 濾波定義如下：
[0027] Hhfe(u, V) =a+bHhp(u, V)
[002引其中Hhp (u，v)是一個(gè)高通算子，U和V代表二維空間頻率分量，a指偏移量，b指乘數(shù)；
[0029] 步驟2:計(jì)算圖像在尺度S的化SSian矩陣，定義如下：
[0030]
[0031] 其中I(x，y，s)為Kx, y)卷積，S用來控制高斯平滑的內(nèi)核的大小，X和y代表空間坐 標(biāo)；
[0032] 步驟3:計(jì)算化SSian矩陣的特征值，用來表示沿著對(duì)應(yīng)于各特征向量的主方向的 曲率，為了進(jìn)一步提高微血管和抑制噪聲，定義特征映射f在尺度S為：
[0033]
[0034] 其中|Ai| < |A2|，e為一個(gè)很小的數(shù)，Al和A2分別為Hessian矩陣的特征值；
[0035] 步驟4:在經(jīng)過上面的步驟之后，已經(jīng)可W在特征圖中顯示出大多數(shù)血管，但毛細(xì) 血管地區(qū)仍然有些暗淡，所W在運(yùn)一步對(duì)圖像的梯度場(chǎng)進(jìn)行了直方圖均衡化，使圖像的低 頻區(qū)域的細(xì)節(jié)能夠在梯度域得到增強(qiáng)，再利用最小二乘算法重建梯度域圖像，即可得到梯 度域增強(qiáng)后的圖像；
[0036] 步驟5:使用化SU算法選取最佳闊值T，把血管圖像提取為二值化圖像。Otsu算法步 驟如下：
[0037] (1)計(jì)算輸入圖像的歸一化直方圖，使用914 = 〇，1，2，...丄-1表示該直方圖的各 個(gè)分量，L代表圖像中可能出現(xiàn)的灰度級(jí)總數(shù)；
[003引（2)使用公； ，對(duì)于4 = 0，1，2，...，心1，計(jì)算累積和口1化）；
[0039] (3)使用公； ，對(duì)于4 = 0，1，2，...，心1，計(jì)算累積均值111化）；
[0040] (4)使用公； 算全局灰度均值niG;
[004U (5)使用公;
，對(duì)于k = 0，l，2，. ..，1^-1，計(jì)算類間方差
[0042] (6)得到Os化闊值即使得好別巧最大的k值，如果最大值不唯一，則用相應(yīng)檢測(cè)到 的各個(gè)最大值的平均值來作為k%
[0043] (7)在k = k鄭計(jì)算
得到可分性度量rf。
[0044] 步驟6:基于所提取的二值化血管圖像，使用兩步快速行進(jìn)法提取出血管的中屯、 線。首先將血管網(wǎng)絡(luò)分離為各個(gè)子圖像，使每一個(gè)子圖像中僅包括一組相互連接的血管樹。 第一次使用快速行進(jìn)算法在每一個(gè)子圖像內(nèi)，血管內(nèi)的點(diǎn)被用作種子在初始速度均勻地?cái)U(kuò) 大，直到它們的輪廓表面達(dá)到接近血管的邊界。第二次使用快速行進(jìn)算法，在血管樹的一個(gè) 分支提取中屯、線，使用回溯算法進(jìn)行連接，使用迭代的方法，直到所有的血管樹的分支的中 屯、線都被提取，最后提取出一個(gè)血管樹的所有分支的中屯、線，形成運(yùn)個(gè)血管樹的骨架。
[0045] 由于在本方法的實(shí)驗(yàn)中采集的小白鼠活體數(shù)據(jù)為=維體數(shù)據(jù)，應(yīng)用本方法進(jìn)行處 理時(shí)運(yùn)行時(shí)間過長(zhǎng)，而且結(jié)果圖像太大，看不出細(xì)節(jié)效果，所W運(yùn)里只列出選取的某個(gè)圖像 片的處理效果，圖2為選取的老鼠活體的光學(xué)分辨率光聲顯微鏡OR-PAM下成像的某個(gè)原始 圖像片；
[0046] 針對(duì)圖2所選的圖像片應(yīng)用化SU算法對(duì)其進(jìn)行二值化，圖3是對(duì)圖像片二值化后的 圖像效果；
[0047] 針對(duì)圖3所示的二值化后的圖像應(yīng)用快速行進(jìn)算法進(jìn)行血管提取，在提取前先將 血管網(wǎng)絡(luò)分離成只包含一組相互連接的子血管樹，先對(duì)每個(gè)子血管樹進(jìn)行提取，最后將各 個(gè)子血管樹的提取連接起來，圖4是對(duì)圖像片提取的血管中屯、線效果圖，圖5是圖像片提取 的最終血管骨架圖。
[0048] W上公開的僅為本發(fā)明的具體實(shí)施例，根據(jù)本發(fā)明提供的思想，本領(lǐng)域的技術(shù)人 員能思及的變化，都應(yīng)落入本發(fā)明的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種用于光學(xué)分辨率光聲顯微鏡OR-ΡΑΜ下活體腫瘤血管新生圖像的血管提取方法， 該方法首先使用圖像增強(qiáng)算法對(duì)光學(xué)分辨率光聲顯微鏡下活體腫瘤血管新生圖像進(jìn)行預(yù) 處理，然后利用最大類間方差法Otsu提取血管新生圖像的二值化圖像，再利用兩步快速行 進(jìn)法提取血管新生圖像的血管中心線，該方法包括以下步驟： 步驟1:使用高頻強(qiáng)調(diào)濾波去增強(qiáng)血管新生圖像中的細(xì)小血管的對(duì)比度； 步驟2:計(jì)算圖像的Hessian矩陣； 步驟3:計(jì)算He s s i an矩陣的特征值； 步驟4:對(duì)特征圖進(jìn)行梯度增強(qiáng)得到一個(gè)增強(qiáng)的特征映射； 步驟5:使用Otsu算法選取最佳閾值T，把血管圖像提取為二值化圖像； 步驟6:基于所提取的二值化血管圖像，使用兩步快速行進(jìn)法提取出血管的中心線。2. 根據(jù)權(quán)利要求1所述的用于光學(xué)分辨率光聲顯微鏡OR-ΡΑΜ下活體腫瘤血管新生圖像 的血管提取方法，其特征在于:在步驟1中采用高頻強(qiáng)調(diào)濾波和直方圖均衡相結(jié)合得到增強(qiáng) 后的圖像。3. 根據(jù)權(quán)利要求1所述的用于光學(xué)分辨率光聲顯微鏡OR-ΡΑΜ下活體腫瘤血管新生圖像 的血管提取方法，其特征在于:在步驟2使用一個(gè)尺度s，計(jì)算圖像在尺度s的Hessian矩陣， 通過尺度s來控制內(nèi)核的大小。4. 根據(jù)權(quán)利要求1所述的用于光學(xué)分辨率光聲顯微鏡OR-ΡΑΜ下活體腫瘤血管新生圖像 的血管提取方法，其特征在于:在步驟3計(jì)算Hessian矩陣的特征值，其表示沿著對(duì)應(yīng)于各特 征向量的主方向的曲率。5. 根據(jù)權(quán)利要求1所述的用于光學(xué)分辨率光聲顯微鏡OR-ΡΑΜ下活體腫瘤血管新生圖像 的血管提取方法，其特征在于:在步驟4中利用梯度域圖像增強(qiáng)方法去進(jìn)一步增強(qiáng)血管新生 圖像中的細(xì)小血管的對(duì)比度。
【文檔編號(hào)】G06T7/00GK106023165SQ201610312546
【公開日】2016年10月12日
【申請(qǐng)日】2016年5月12日
【發(fā)明人】朱榮, 孟靜, 龔小競(jìng), 劉成波
【申請(qǐng)人】曲阜師范大學(xué)