本發明涉及一種基于超聲圖像的異常血流分布表征方法，屬于醫學超聲成像領域。

背景技術：

1、血流異常是許多疾病的重要生理特征之一，尤其是與心血管疾病、腫瘤、神經系統疾病等多種疾病的發生和進展密切相關。其形態和分布特征能夠反映病變的發生、發展及嚴重程度。對血流異常的檢測一般采用各類醫學影像的方法。以超聲成像為例，超聲圖像因其實時性、無創性和成本低的優勢被廣泛應用于血流異常信號的檢測。然而，傳統的血流異常分析方法主要依賴于人工判讀和經驗判斷，這種方法具有以下局限性：效率低下，人工分析圖像需要大量時間，難以滿足大規模篩查的需求；主觀性強，不同醫生對同一圖像可能存在差異性判斷，結果缺乏一致性和客觀性；難以量化，人工方法難以對血流異常信號進行精確量化，限制了其在疾病研究和療效評估中的應用。

2、基于上述問題，本發明提出了一種基于超聲圖像的異常血流分布表征方法，通過超聲血流圖像，提取血流分布的特征參數，結合量化分析模型，能夠高效、精準地量化血流異常程度，以精確表征血流異常分布情況。

技術實現思路

1、本發明的目的在于提供一種基于超聲圖像的異常血流分布表征方法，通過超聲血流成像方法獲取超聲血流圖像，提取其中血流分布的特征參數，建立特征參數組合與血流異常程度之間的關系模型，從而實現對圖像中血流異常的自動化量化分析評估。

2、為實現上述目的，本發明采取的技術方案如下：

3、第一方面，本發明提供一種基于超聲圖像的異常血流分布表征方法，其包括如下步驟：

4、步驟1、獲取包含異常血流信號的超聲圖像并對其進行預處理；

5、步驟2、提取超聲圖像中的異常血流信號區域；

6、步驟3、計算異常血流分布區域的特征參數；

7、步驟4、將上述特征參數作為自變量，建立異常血流信號特征參數組合與異常血流分布情況之間的數學模型；

8、步驟5、基于所述數學模型對圖像中的異常血流信號進行分析和量化評估。

9、進一步的，所述步驟1中，利用超聲圖像前后幀之間的互卷積分析血流的動態特性。

10、更進一步的，令系統接收到的回波兩幀信號s(t)和s(t+δt)，其中t是時間，δt是時間延遲，表示前后幀之間的時間間隔；計算這兩幀之間的互卷積：

11、

12、其中τ是積分變量；

13、通過互卷積的幅值信息，提取血流的幅度變化，反映血液流動的強度；分析互卷積結果的相位信息，提取血流的相位變化，反映血流的方向和速度。

14、進一步的，所述步驟2中，通過圖像二值化方法提取異常血流信號。

15、更進一步的，在超聲圖像中選取異常血流區域，其中應包括一張與神經平行的超聲圖像、一張與神經垂直的超聲圖像。隨后，利用圖像二值化方法，針對圖像的三個顏色通道(紅、綠、藍)，根據每個通道設定的閾值將像素分為背景或前景，即：

16、

17、其中，b(i,j)表示二值化后的圖像(0或1)，i(i,j)是原始圖像的像素值，[t1,t2]是給定的閾值范圍(對于每個顏色通道)，將圖像的像素值轉換為0或1，實現異常血流信號的提取。

18、進一步的，所述步驟3中，特征參數包括：縱切掃描下的縱向長度占比、橫向寬度占比、異常血流信號像素占比以及橫切掃描下的異常血流信號像素占比。縱向長度占比為異常血流信號區域的縱向長度與神經厚度的比值；橫向寬度占比為異常血流信號區域的橫向寬度與roi區域橫向寬度的比值；異常血流像素占比為異常血流信號區域的像素點數量與roi區域總像素點數量的比值。對所提取的特征參數進行歸一化處理，使每個特征值的均值為零、標準差為1；

19、進一步的，所述步驟4中，將提取的特征，縱切掃描下的縱向長度占比x1、橫向寬度占比x2、異常血流像素占比x3以及橫切掃描下的異常血流像素占比x4作為自變量，血流分布異常度y作為因變量，建立模型如下：

20、y＝a+b1x1+b2x2+b3x3+b4x4

21、其中，a,b1,b2,b3,b4為模型系數，可根據不同的應用場景進行調整。

22、進一步的，所述步驟5中，使用步驟4建立得到的模型，對包含異常血流信號的超聲圖像進行評估，得到其異常血流分布情況的定量結果，實現對血流異常的自動化量化分析；分析步驟包括，對所提取的特征參數集合x＝[x1,x2,x3,x4]進行歸一化處理，使每個特征的均值為零、標準差為1；確定模型系數；計算得出血流分布異常度。

23、進一步的，在同類情況的分析中，對于不同的檢測對象，roi的選取應選擇相同位置、相同形狀、相同大小，以確保檢測一致性。

24、第二方面，本發明提供一種超聲圖像的異常血流分析裝置，其包括：

25、圖像獲取模塊，用于獲取包含異常血流信號的超聲圖像并對其進行預處理；

26、圖像提取模塊，用于提取超聲圖像中的異常血流信號區域；

27、模型構建模塊，通過計算異常血流分布區域的特征參數，建立異常血流信號特征參數組合與異常血流分布情況之間的數學模型；

28、圖像分析模塊，基于數學模型對圖像中的異常血流信號進行分析和量化評估。

29、第三方面，本發明提供一種電子設備，其包括處理器，存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序或指令，所述程序或指令被所述處理器執行時實現上述的異常血流分布表征方法的步驟。

30、第四方面，本發明提供一種可讀存儲介質，所述可讀存儲介質上存儲程序或指令，所述程序或指令被處理器執行時實現上述的異常血流分布表征方法的步驟。

31、本發明的有益效果是：本發明的方法能夠有效提取超聲血流圖像的特征參數，對未知圖像中的血流分布異常度進行自動化評估，顯著提高異常血流信號分析的效率與準確性，并提供定量化的分析結果，具有廣泛的適用性和通用性。

技術特征：

1.一種基于超聲圖像的異常血流分布表征方法，其特征在于，包括如下步驟：

2.根據權利要求1所述的一種基于超聲圖像的異常血流分布表征方法，其特征在于，所述步驟1中，利用超聲圖像前后幀之間的互卷積分析血流的動態特性；令系統接收到的回波兩幀信號s(t)和s(t+δt)，其中t是時間，δt是時間延遲，表示前后幀之間的時間間隔；計算這兩幀之間的互卷積：

3.根據權利要求1所述的一種基于超聲圖像的異常血流分布表征方法，其特征在于，所述步驟2中，通過圖像二值化方法提取異常血流信號。

4.根據權利要求3所述的一種基于超聲圖像的異常血流分布表征方法，其特征在于，在超聲圖像中選取異常血流區域，其中包括一張與神經平行的超聲圖像、一張與神經垂直的超聲圖像；隨后，利用圖像二值化方法，針對圖像的三個顏色通道，根據每個通道設定的閾值將像素分為背景或前景，即：

5.根據權利要求1所述的一種基于超聲圖像的異常血流分布表征方法，其特征在于，所述步驟3中，特征參數包括：縱切掃描下的縱向長度占比、橫向寬度占比、異常血流信號像素占比以及橫切掃描下的異常血流信號像素占比。

6.根據權利要求1所述的一種基于超聲圖像的異常血流分布表征方法，其特征在于，所述步驟4中，將提取的特征，縱切掃描下的縱向長度占比x1、橫向寬度占比x2、異常血流像素占比x3以及橫切掃描下的異常血流像素占比x4作為自變量，血流分布異常度y作為因變量，建立模型如下：

7.根據權利要求1所述的一種基于超聲圖像的異常血流分布表征方法，其特征在于，所述步驟5中，分析步驟包括，對所提取的特征參數集合x＝[x1,x2,x3,x4]進行歸一化處理，使每個特征的均值為零、標準差為1；確定模型系數；計算得出血流分布異常度。

8.根據權利要求1所述的一種基于超聲圖像的異常血流分布表征方法，其特征在于，所述步驟5中，在同類情況的分析中，對于不同的檢測對象，roi的選取應選擇相同位置、相同形狀、相同大小，以確保檢測一致性。

9.一種超聲圖像的異常血流分析裝置，其特征在于，包括：

10.一種電子設備，其特征在于，包括處理器，存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序或指令，所述程序或指令被所述處理器執行時實現如權利要求1至8中任一項所述的異常血流分布表征方法的步驟。

技術總結
本發明公開了一種基于超聲圖像的異常血流分布表征方法，該方法包括步驟：步驟1、獲取包含異常血流信號的超聲圖像并對其進行預處理；步驟2、提取超聲圖像中的異常血流信號區域；步驟3、計算異常血流分布區域的特征參數；步驟4、將上述特征參數作為自變量，建立異常血流信號特征參數組合與異常血流分布情況之間的數學模型。本方法能夠實現對血流異常進行分析評估，具有高效、精確和可擴展性；與傳統的人工判讀方法相比，本方法顯著提高了異常血流信號評估的效率和準確性，并能夠應用于多種醫學成像技術中，具有廣泛的應用前景。

技術研發人員：屠娟,龔新越,姜嶺寅,薛洪惠,章東
受保護的技術使用者：南京大學
技術研發日：
技術公布日：2025/4/24