CN107550459A - 一种光耦合乳腺成像分析***及方法 - Google Patents

一种光耦合乳腺成像分析***及方法 Download PDF

Info

Publication number
CN107550459A
CN107550459A CN201710687205.5A CN201710687205A CN107550459A CN 107550459 A CN107550459 A CN 107550459A CN 201710687205 A CN201710687205 A CN 201710687205A CN 107550459 A CN107550459 A CN 107550459A
Authority
CN
China
Prior art keywords
optical coupling
analysis
led light
light source
module
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.)
Pending
Application number
CN201710687205.5A
Other languages
English (en)
Inventor
李凯扬
荣猛
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201710687205.5A priority Critical patent/CN107550459A/zh
Publication of CN107550459A publication Critical patent/CN107550459A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明属于医学影像分析技术领域,公开了一种光耦合乳腺成像分析***及方法,***包括便携手持式探头、控制电路、云台、近红外CCD相机、采集卡、主机、光耦合软件***;方法包括:通过便携手持式探头分时透照乳腺组织;通过近红外CCD相机获取乳腺组织的透射光信号;通过采集卡将透射光信号转换为数字图像,并存储至主机;通过光耦合软件***进行图像采集、图像配准、分析类型选取、光强信号提取、功能参数分析、数据保存与管理。本发明解决了现有技术中乳腺疾病诊断的敏感性和特异性较差的问题,达到了提高乳腺疾病诊断的敏感性和特异性的技术效果。

Description

一种光耦合乳腺成像分析***及方法
技术领域
本发明涉及医学影像分析技术领域,尤其涉及一种光耦合乳腺成像分析***及方法。
背景技术
乳腺疾病是女性的一种常见疾病,可以分为:乳腺增生、乳腺炎、乳腺纤维瘤、乳腺癌等大类。乳腺癌根据癌细胞发展状况的严重性划分为三级,级数越高,治疗有效率越低。同其他癌症一样,乳腺癌预防和治疗的关键是早发现、早诊断、早治疗。近三十年来的临床经验总结表明:乳腺患者的死亡率并未因治疗方法的任何改变而有所降低,究其原因发现一是临床患者多数为中晚期,均因血行转移而使治疗失败;二是传统的乳腺疾病诊断方法不仅价格昂贵且诊断准确率不高。
传统的乳腺诊断方法包括钼靶、CT、超声和MRI,但这些技术在价格、辐射、检查范围或设备复杂性等方面存在不足。
新兴的乳腺组织血氧检测技术采用近红外光无创检测的方法,可以获得乳腺局部组织的血氧含量,但目前常见的研究方法是近似测出组织的血红蛋白浓度,再根据乳腺血红蛋白浓度判别乳腺病变的良恶性。这种方法存在两个方面的不足:一是参考状态下的血红蛋白浓度值的选择存在个体差异性;二是分级给出的血红蛋白浓度值只是一个最大值,其对应的良恶性也只是一个疑似的结果。
发明内容
本申请实施例通过提供一种光耦合乳腺成像分析***及方法,解决了现有技术中乳腺疾病诊断的敏感性和特异性较差的问题。
本申请实施例提供一种光耦合乳腺成像分析***,包括:便携手持式探头、控制电路、云台、近红外CCD相机、采集卡、主机、光耦合软件***;
所述控制电路分别与所述便携手持式探头、所述云台连接,所述近红外CCD相机固定在所述云台上,所述采集卡分别与所述近红外CCD相机、所述主机连接,所述光耦合软件***安装于所述主机中;
所述便携手持式探头采用双波长大功率LED光源。
优选的,所述双波长大功率LED光源发出的波长范围分别为:第一波长λ1=730nm-790nm、第二波长λ2=820nm-880nm;
所述双波长大功率LED光源包括两个具有所述第一波长的第一LED光源和两个具有所述第二波长的第二LED光源,两个所述第一LED光源和两个所述第二LED光源交叉安装于所述便携手持式探头内。
优选的,所述双波长大功率LED光源与散热片相贴。
优选的,所述控制电路包括脉冲生成模块、二路分频模块、恒流驱动模块、LED光源模块;
所述脉冲生成模块、所述二路分频模块、所述恒流驱动模块、所述LED光源模块依次连接;
所述控制电路控制所述双波长大功率LED光源分时交替发光。
优选的,所述光耦合软件***包括图像采集模块、图像配准模块、光强信号提取模块、点分析模块、区域分析模块、数据保存与管理模块。
优选的,所述点分析模块包括功率谱分析、互相关曲线分析、互相关系数计算;
所述区域分析模块包括互相关系数功能伪彩图分析。
本申请实施例提供一种光耦合乳腺成像分析方法,包括:
通过便携手持式探头分时透照乳腺组织;所述便携手持式探头采用双波长大功率LED光源,所述双波长大功率LED光源发出的波长范围分别为:第一波长λ1=730nm-790nm、第二波长λ2=820nm-880nm;控制电路控制所述双波长大功率LED光源分时交替发光;
通过近红外CCD相机获取所述乳腺组织的透射光信号;
通过采集卡将所述透射光信号转换为数字图像,并存储至主机;
通过光耦合软件***进行图像采集、图像配准、分析类型选取、光强信号提取、功能参数分析、数据保存与管理。
优选的,所述图像配准的配准方法包括点法配准、傅里叶梅林变换、最大互信息法配准。
优选的,所述分析类型包括点分析和区域分析;
所述点分析包括功率谱分析、互相关曲线分析、互相关系数计算;所述区域分析包括互相关系数功能伪彩图分析。
优选的,通过伪彩色编码合成所述互相关系数功能伪彩图;
所述伪彩色编码采用彩虹编码或第一编码;所述第一编码将互相关系数分成n个区间,每个所述区间对应一个颜色。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
在本申请实施例中,选择对于人体组织中含氧血红蛋白和去氧血红蛋白分别具有特征吸收的两种近红外波长的LED作为光源,替代传统的放射射线,把对人体的辐射性降低到零,同时提高了组织对光源的响应度。采用便携手持式探头,使用操作方便,探头的灯珠为大功率红外LED,穿透能力强,能够提供质量更高的图片采集环境,为后期处理提供更为优质的扫描数据。通过光耦合软件***对拍摄到的乳腺透射图片进行功率谱、互相关曲线、互相关系数、互相关系数功能伪彩图等功能参数计算和图像分析,通过对比正常乳腺组织和病变乳腺组织的功能参数从而分析诊断乳腺病变的良恶性。本发明采用双波长光耦合功能成像和生物组织功能参数分析实现乳腺癌的早期发现,克服了传统乳腺癌分析技术的缺点,提高了乳腺癌早发现的敏感性和特异性。
附图说明
为了更清楚地说明本实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种光耦合乳腺成像分析***的结构示意图;
图2为本发明实施例提供的一种光耦合乳腺成像分析***中的双波长LED光源的正视图;
图3为本发明实施例提供的一种光耦合乳腺成像分析***中的控制电路的示意图;
图4为本发明实施例提供的一种光耦合乳腺成像分析***中的控制电路的时序图;
图5为本发明实施例提供的一种光耦合乳腺成像分析***的功能结构框图;
图6为血红细胞对近红外光吸收曲线的示意图。
具体实施方式
本申请实施例通过提供一种光耦合乳腺成像分析***及方法,解决了现有技术中乳腺疾病诊断的敏感性和特异性较差的问题。
本申请实施例的技术方案为解决上述技术问题,总体思路如下:
一种光耦合乳腺成像分析***,包括:便携手持式探头、控制电路、云台、近红外CCD相机、采集卡、主机、光耦合软件***;
所述控制电路分别与所述便携手持式探头、所述云台连接,所述近红外CCD相机固定在所述云台上,所述采集卡分别与所述近红外CCD相机、所述主机连接,所述光耦合软件***安装于所述主机中;
所述便携手持式探头采用双波长大功率LED光源。
另一方面,一种光耦合乳腺成像分析方法,包括:
通过便携手持式探头分时透照乳腺组织;所述便携手持式探头采用双波长大功率LED光源,所述双波长大功率LED光源发出的波长范围分别为:第一波长λ1=730nm-790nm、第二波长λ2=820nm-880nm;控制电路控制所述双波长大功率LED光源分时交替发光;
通过近红外CCD相机获取所述乳腺组织的透射光信号;
通过采集卡将所述透射光信号转换为数字图像,并存储至主机;
通过光耦合软件***进行图像采集、图像配准、分析类型选取、光强信号提取、功能参数分析、数据保存与管理。
本申请选择对于人体组织中含氧血红蛋白和去氧血红蛋白分别具有特征吸收的两种近红外波长的LED作为光源,替代传统的放射射线,把对人体的辐射性降低到零,同时提高了组织对光源的响应度。采用便携手持式探头,使用操作方便,探头的灯珠为大功率红外LED,穿透能力强,能够提供质量更高的图片采集环境,为后期处理提供更为优质的扫描数据。通过光耦合软件***对拍摄到的乳腺透射图片进行功率谱、互相关曲线、互相关系数、互相关系数功能伪彩图等功能参数计算和图像分析,通过对比正常乳腺组织和病变乳腺组织的功能参数从而分析诊断乳腺病变的良恶性。本发明采用双波长光耦合功能成像和生物组织功能参数分析实现乳腺癌的早期发现,克服了传统乳腺癌分析技术的缺点,提高了乳腺癌早发现的敏感性和特异性。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本实施例提供了一种光耦合乳腺成像分析***,***的结构示意图如图1所示,包括:便携手持式探头、控制电路、云台、近红外CCD相机、采集卡、主机、光耦合软件***。所述控制电路分别与所述便携手持式探头、所述云台连接,所述近红外CCD相机固定在所述云台上,所述采集卡分别与所述近红外CCD相机、所述主机连接,所述光耦合软件***安装于所述主机中。
所述云台用于支撑所述近红外CCD相机,且可以调整所述近红外CCD相机的拍摄方位。所述近红外CCD相机用于获取乳腺组织的透射光信号。所述采集卡将所述透射光信号转化为数字图像,并存储至所述主机。所述主机可为普通的个人计算机或其他高端计算机,为所述光耦合软件***提供一个硬件运行平台。
本发明提供的光耦合乳腺成像分析***设备体积小,便于移动和运输,适用于更多的场景。
其中,所述便携手持式探头采用双波长大功率LED光源。所述双波长大功率LED光源发出的波长范围分别为:第一波长λ1=730nm-790nm、第二波长λ2=820nm-880nm。所述双波长大功率LED光源包括两个具有所述第一波长的第一LED光源和两个具有所述第二波长的第二LED光源,两个所述第一LED光源和两个所述第二LED光源交叉安装于所述便携手持式探头内。一种优选的情况,所述双波长大功率LED光源与散热片相贴。如图2所示,采用波长分别为λ1和λ2的两种大功率LED各两个,交叉镶嵌在一个金属材质的灯头外壳中,LED下面贴有散热片,避免灯珠因为散热而使皮肤有灼热感。两种波长的LED交叉放置,可以尽量使两个波长的LED光源照射的区域均匀发光,减小因光源位置不同而导致的差异。
其中,所述控制电路的示意图如图3所示,包括脉冲生成模块、二路分频模块、恒流驱动模块、LED光源模块。所述脉冲生成模块、所述二路分频模块、所述恒流驱动模块、所述LED光源模块依次连接。
所述脉冲生成模块产生脉冲信号,一种优选的情况,产生脉宽为1s、占空比为1:2的矩形脉冲;所述二路分频模块实现时钟分频,产生两路交替的时序信号,进而驱动LED按照时序分时发光;所述恒流驱动模块以恒流方式分别驱动两路LED光源,输出稳定性好的电流信号,并可以通过调节电位器阻值来改变驱动电流大小以调节光照强度。图4为控制电路产生的时序图。所述控制电路控制所述双波长大功率LED光源的两个所述第一LED光源和两个所述第二LED光源分时交替发光。此外,所述控制电路控制云台并带动所述近红外CCD相机运动。
其中,所述光耦合软件***包括图像采集模块、图像配准模块、光强信号提取模块、点分析模块、区域分析模块、数据保存与管理模块。
所述点分析模块包括功率谱分析、互相关曲线分析、互相关系数计算;所述区域分析模块包括互相关系数功能伪彩图分析。
所述光耦合软件***的主要功能是获得乳腺的互相关光耦合功能图像并对图像中的各点进行功能参数分析,包括功率谱分析、互相关曲线分析、互相关系数计算和小波分析等。所述光耦合软件***包括图像采集、图像配准、光强信号提取、点分析、区域分析、数据保存与管理等模块,实现了乳腺疾病分析和数据管理的一体化。图像采集通过采集卡实现图片的实时传输;图像配准的作用是使序列图片上的同一物理点在空间位置上也达到一致,避免产生医学伪影而影响后续分析,具体包括三种配准方法,分别是:点法配准、傅里叶梅林变换、最大互信息法配准;数据保存与管理通过数据库软件实现。
如图5为光耦合乳腺成像分析***的功能结构框图,主要包括:图像采集、图像配准、选取分析类型(点分析或区域分析)、光强信号提取、信号分离与平均值滤波、点分析、区域分析、数据管理与保存;点分析包括计算功率谱、互相关曲线及互相关系数,曲线显示;区域分析包括计算区域内各点互相关系数,互相关系数功能图像显示。该功能模块实现对近红外探头的实时控制,进行数据采集和图片存储,对采集的图像进行配准,对需要的部位取点进行功率谱和相关函数的计算,最终显示处理结果。***中的曲线保存在excel中,原始图片保存到以病人姓名和本地***时间构成的文件夹下,其它大型数据以二进制流存为文本文件,利用MySQL实现各种数据的管理。
人体的细胞代谢情况直接反映了身体的健康状况,而细胞代谢必然引起血氧的变化。当有恶性肿瘤出现时,肿瘤生成因子会对毛细血管产生影响,促使其细胞快速增长,从而导致血管的形态产生变化;同时,由于癌细胞繁衍速度比正常细胞快很多,因此需要更多的养分来实现细胞的繁殖,养分的过度消耗导致代谢进一步加快,而血液中的血红蛋白是养分的载体,因而会导致局部供血量和耗氧量的增加,出现“高血低氧”现象。结合含氧血红蛋白和去氧血红蛋白对近红外光的吸收特性(如图6所示),利用两种特定波长的近红外光来获取乳腺组织中的血氧变化信息,光在乳腺组织中的传播过程可以视为一种平稳随机过程,随机信号的分析有很多,在本发明中,选择对这两种特定波长的出射光信号进行功率谱分析和相关性分析,相关性分析包括相关性曲线和互相关系数。这些参数可以反映出细胞代谢情况,从而推断组织的病变程度。
另一方面,本实施例提供了一种光耦合乳腺成像分析方法,包括:
通过便携手持式探头分时透照乳腺组织;所述便携手持式探头采用双波长大功率LED光源,所述双波长大功率LED光源发出的波长范围分别为:第一波长λ1=730nm-790nm、第二波长λ2=820nm-880nm;具体的,由控制电路控制所述便携手持式探头的两种波长的LED光源分时发光并透照乳腺组织;
通过近红外CCD相机获取所述乳腺组织的透射光信号;
通过采集卡将所述透射光信号转换为数字图像,并存储至主机;
通过光耦合软件***进行图像采集、图像配准、分析类型选取、光强信号提取、功能参数分析、数据保存与管理。
其中,所述图像配准的配准方法包括点法配准、傅里叶梅林变换、最大互信息法配准。
所述分析类型包括点分析和区域分析;所述点分析包括功率谱分析、互相关曲线分析、互相关系数计算;所述区域分析包括互相关系数功能伪彩图分析。
通过伪彩色编码合成所述互相关系数功能伪彩图;所述伪彩色编码采用彩虹编码或第一编码;所述第一编码将互相关系数分成n个区间,每个所述区间对应一个颜色。
一种优选的情况,所述第一编码将像素点上的灰度值设为g(x,y),将经伪彩色变换后的RGB三原色的分量设为R(x,y),G(x,y),B(x,y);将所述互相关系数分为五个区间:小于等于0.4、大于0.4且小于等于0.6、大于0.6且小于等于0.8、大于0.8且小于等于0.9、大于0.9。
所述互相关系数小于等于0.4时,g(x,y)为(0,102),R(x,y)设为0,G(x,y)设为0,B(x,y)设为0;
所述互相关系数大于0.4且小于等于0.6时,g(x,y)为[102,153),R(x,y)设为238,G(x,y)设为130,B(x,y)设为238;
所述互相关系数大于0.6且小于等于0.8时,g(x,y)为[153,204),R(x,y)设为0,G(x,y)设为0,B(x,y)设为255;
所述互相关系数大于0.8且小于等于0.9时,g(x,y)为[204,229),R(x,y)设为0,G(x,y)设为255,B(x,y)设为0;
所述互相关系数大于0.9时,g(x,y)为[299,255),R(x,y)设为255,G(x,y)设为0,B(x,y)设为0。
与传统分析方法不同,本发明提出的光耦合乳腺成像分析方法是从另外一个角度来判断乳腺疾病的良恶性。本发明根据修正的朗伯比尔定律,选择对于人体组织中含氧血红蛋白和去氧血红蛋白分别具有特征吸收的两种近红外波长的LED作为光源,应用两种近红外光的互相关特性获得乳腺的互相关光耦合功能图像。乳腺可视为一种浑浊介质,光在乳腺组织中的传播过程就可视为一种平稳随机过程。随机信号的分析方法有很多种,选择对这两种波长的出射光信号的功率谱和相关性进行研究。功率谱得到信号的频域分布特性,表征组织中癌变引起的光学吸收特异性规律;相关性分析包括相关性曲线和互相关系数,表示两种波长信号间的相似性和相位差信息,即含氧血红蛋白和去氧血红蛋白之间浓度变化的相互依赖关系;根据上述功能参数来判断乳腺病变的良恶性。
具体的,功率谱、互相关分析和互相关成像原理如下:
功率谱分析
从信号处理角度来讲,随机信号的傅里叶变换是没有意义的,我们的处理方法一般是用功率谱密度来研究它的谱特性,这是一种统计方法,是当前信号处理的一个重要手段,它可以用一定长度的有限数据来预测信号在不同频率的分布情况。功率谱估计主要有两种方法,一种是间接的功率谱估计方法,它利用了“维纳-辛钦定理”,可以先计算计算信号序列的自相关函数然后再由的傅里叶逆变换得到信号的功率谱,即可表示为:
另一种方法则是直接利用快速傅里叶变换(FFT)算法对信号做傅里叶变换,取其模值平方除以序列长度作为信号在该频率的强度,这种方法成为周期图法,设信号序列为x(n)(其中n=0,1,…,N-1)则该方法可表示为:
由于周期图法采用FFT算法进行计算,效率非常高。而且该方法计算的对象是有限长的信号序列,而我们的检测***得到的双波长近红外光信号也是有限长序列,故采用周期图法来进行功率谱估计。根据功率谱的波形可以分析两种波长光信号的频率分布特性,低频代表透过乳腺组织的光强密度变化慢,而高频则代表其发生快速变化,正常组织代谢正常,有一定的规律性,那么其血红蛋白的含量应该是有规律的消耗和供给,该处透射的光信号的强度变化也应该大体有规律的,在频域中主要分布于低频区,表现在功率谱波形上则是存在一个低频处的“主波峰”,波形也会有明显的规律性。相反,光透过恶性癌变组织时,由于该处代谢很快、细胞疯长,养分的供销变化无常,必然导致血红蛋白对光的吸收是没有规律性的,那么得到的信号中必然出现在频域中的广泛分布,功率谱波形很难看到明显的“波峰”。
由于乳腺疾病患者与正常人的功率谱曲线呈现不同规律,病变患者的患病区域曲线不平滑,有很多的次频峰;正常人的曲线则是比较平滑的。
相关性分析及成像
近红外光透射乳腺组织后,其光强的变化是由含氧血红蛋白和去氧血红蛋白的吸收造成的;我们知道,含氧血红蛋白的氧被细胞代谢消耗了之后便还原成去氧血红蛋白,也就是去氧血红蛋白的增多意味着有含氧血红蛋白减少了。因此,两者浓度的变化是相关联的。那么,从公式可以推测,两种波长的光密度的变化也必然是有关联的,于是我们通过互相关函数来探寻两者的关联性,以及正常、良性、恶性组织中这种相关性的差异。找到这种差异性,就可以很好地诊断乳腺疾病。
相关性分析包含了自相关性和互相关性分析两种,分别用自相关函数.和互相关函数表示。其中自相关函数是用来表示同一个信号的特性的,即信号在一个时间的值与另一时间的值的依赖关系,常用于检测信号的回声或检测淹没在随机噪声中的周期信号;互相关函数用来研究两信号的相似程度或同步程度,若两信号的波形基本相同,那么他们的互相关函数的波形会在某处出现峰值。由于本文分析的信号为两种波长的光信号,故采用互相关函数分析方法。
互相关函数
随机信号的互相关函数分析方法分为两类:无偏估计和有偏估计。假设有两个信号序列x(n)和y(n),长度均为N,即n=0,1,…,N-1,则这两个信号的无偏估计和有偏估计分别表示如下:
式中,m为延迟变量,比较两式可知,当无偏互相关函数的m值越接近于N的时候,该项的系数就越大,相反则系数较小,这会造成估计存在较大偏差,因此应用中常采用有偏估计。另外还可以看出,互相关函数不是偶函数,如果两个信号不同,表示的意义也不同。
若两信号具有相关性,则其互相关函数曲线中会存在“波峰”,一般峰值会距离原点有一定的差距,反映了两者的时差。x(t)和y(t)为两个随机信号。
将互相关函数应用到近红外乳腺检测***的数据分析中,可以很直观的反映两种近红外光的光密度变化是否存在相关性,从而反映组织中含氧血红蛋白和去氧血红蛋白含量的相互依赖关系,这种相互关系越强说明细胞代谢越有规律,乳腺就越接近正常了。
互相关系数
互相关系数是用数值来表征两种信号的相关性程度。两个长度都为N的信号序列x(n)和y(n),其互相关系数为:
式中,为x(n)的均值,可表示为:
ρ的取值范围为-1到1,其正负表示两信号间的相对变化方向,正表示存在正相关,值为零则表示两者没有关系。在这里,我们只需关注ρ的绝对值大小,绝对值越接近于1表示两者的相关程度越高,即两种波长的光密度的变化互相依赖程度越高,亦即含氧血红蛋白和去氧血红蛋白浓度的变化互相影响的程度越高。对于一个正常的乳腺组织来说,其细胞代谢是有规律的,对氧的消耗也是有规律性的,那么在这个过程中,血液中含氧血红蛋白和去氧血红蛋白的浓度大体应该是有规律地变化的,两者的依赖性很高。反之,恶性癌变组织细胞代谢紊乱,其血红蛋白的含量变化是不可预测的,我们不知道癌细胞何时会因有足够供氧而快速繁殖,更不可预测何时会因为繁殖过度出现供氧不足,从而导致细胞坏死。这种不规律性直接的影响就是含氧血红蛋白和去氧血红蛋白浓度的变化也没有规律性了,那么照射到该处的两种近红外光密度的变化也就没有那么好的依赖性了,即互相关系数绝对值较正常处要低。
由于乳腺疾病患者与正常人的相关系数及互相关曲线呈现不同规律,病变患者患病区域的相关系数一般都在0.6以下,互相关曲线有很多毛刺;正常人的相关系数基本都在0.8以上,互相关曲线比较平滑。
互相关成像
它能有针对的突出图像中的特征性信息,原因在于人眼对颜色变化的敏感度比对灰度的变化辨别能力强。在将灰度图转换成彩色的过程中,通过构造传递函数IR(x,y),IG(x,y)与IB(x,y)来建立RGB三基色同图像的灰度级g(x,y)间的映射关系,通过这种方法来合成伪彩色图像。
构造传递函数称为伪彩色编码,它直接影响了灰度级—彩色变换的效果。在进行医学图像处理过程中,常常采用这种方法处理图像,而较常用的彩色编码方法有金属编码、彩虹编码等。我们的近红外乳腺检测装置提供两种编码方法:一种为彩虹编码,另一种则是原创的编码方式。原创的编码方式设像素点(x,y)上的灰度值为g(x,y),经伪彩色变换后的RGB三原色的分量可以分别表示为R(x,y),G(x,y)和B(x,y)。
以诊断为目的,原创的编码方式仅需要5种基本颜色来表示乳腺图像,并将相关系数在0-1之间分为下面5个区间,得到如下五段编码构造函数:
对于一副乳腺图像来说,每个坐标点都具有相对大小的互相关系数,于是我们通过伪彩色编码方法,将互相关系数值转换成彩色RGB的值,这样就可以将感兴趣的区域通过互相关系数转换成伪彩图,由于病变区域的互相关系数与正常区域的不同,那么伪彩图显示中该区域的颜色必然与其他地方不同,这样就可以更加直观地从伪彩图上显现出异常区域。
本发明利用小波分析能够找出突变信号的特点,通过拍摄得到的图片提取出感兴趣点的双波长透射光信号序列,首先用小波变换方法去噪,然后进行小波多分辨率分析,进而得到功率谱曲线、互相关曲线和互相关系数,通过谱曲线的定位和相关性系数的表征,判断出病变组织的位置和病变的程度。
本发明运用光子在组织中的传输模型(蒙特卡罗模型)实现光学成像,得到组织的光学特性参数,利用近红外摄像头接收透射光进行图像采集;再对感兴趣区域通过功率谱、互相关、小波分析等分析手法,对比正常乳腺与病变乳腺的不同,得出其相关的病例信息。本发明可以实现对人体的无损测量,提高乳腺癌早发现的敏感性和特异性,对于未来医疗器械的发展具有很重要的意义。
本发明实施例提供的一种光耦合乳腺成像分析***及方法至少包括如下技术效果:
在本申请实施例中,选择对于人体组织中含氧血红蛋白和去氧血红蛋白分别具有特征吸收的两种近红外波长的LED作为光源,替代传统的放射射线,把对人体的辐射性降低到零,同时提高了组织对光源的响应度。采用便携手持式探头,使用操作方便,探头的灯珠为大功率红外LED,穿透能力强,能够提供质量更高的图片采集环境,为后期处理提供更为优质的扫描数据。通过光耦合软件***对拍摄到的乳腺透射图片进行功率谱、互相关曲线、互相关系数和互相关系数功能伪彩图等功能参数计算和图像分析,通过对比正常乳腺组织和病变乳腺组织的功能参数从而分析诊断乳腺病变的良恶性。本发明采用双波长光耦合功能成像和生物组织功能参数分析实现乳腺癌的早期发现,克服了传统乳腺癌分析技术的缺点,提高了乳腺癌早发现的敏感性和特异性。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种光耦合乳腺成像分析***,其特征在于,包括:便携手持式探头、控制电路、云台、近红外CCD相机、采集卡、主机、光耦合软件***;
所述控制电路分别与所述便携手持式探头、所述云台连接,所述近红外CCD相机固定在所述云台上,所述采集卡分别与所述近红外CCD相机、所述主机连接,所述光耦合软件***安装于所述主机中;
所述便携手持式探头采用双波长大功率LED光源。
2.根据权利要求1所述的光耦合乳腺成像分析***,其特征在于,所述双波长大功率LED光源发出的波长范围分别为:第一波长λ1=730nm-790nm、第二波长λ2=820nm-880nm;
所述双波长大功率LED光源包括两个具有所述第一波长的第一LED光源和两个具有所述第二波长的第二LED光源,两个所述第一LED光源和两个所述第二LED光源交叉安装于所述便携手持式探头内。
3.根据权利要求1或2所述的光耦合乳腺成像分析***,其特征在于,所述双波长大功率LED光源与散热片相贴。
4.根据权利要求1或2所述的光耦合乳腺成像分析***,其特征在于,所述控制电路包括脉冲生成模块、二路分频模块、恒流驱动模块、LED光源模块;
所述脉冲生成模块、所述二路分频模块、所述恒流驱动模块、所述LED光源模块依次连接;
所述控制电路控制所述双波长大功率LED光源分时交替发光。
5.根据权利要求1或2所述的光耦合乳腺成像分析***,其特征在于,所述光耦合软件***包括图像采集模块、图像配准模块、光强信号提取模块、点分析模块、区域分析模块、数据保存与管理模块。
6.根据权利要求5所述的光耦合乳腺成像分析***,其特征在于,所述点分析模块包括功率谱分析、互相关曲线分析、互相关系数计算;
所述区域分析模块包括互相关系数功能伪彩图分析。
7.一种光耦合乳腺成像分析方法,其特征在于,包括:
通过便携手持式探头分时透照乳腺组织;所述便携手持式探头采用双波长大功率LED光源,所述双波长大功率LED光源发出的波长范围分别为:第一波长λ1=730nm-790nm、第二波长λ2=820nm-880nm;控制电路控制所述双波长大功率LED光源分时交替发光;
通过近红外CCD相机获取所述乳腺组织的透射光信号;
通过采集卡将所述透射光信号转换为数字图像,并存储至主机;
通过光耦合软件***进行图像采集、图像配准、分析类型选取、光强信号提取、功能参数分析、数据保存与管理。
8.根据权利要求7所述的光耦合乳腺成像分析方法,其特征在于,所述图像配准的配准方法包括点法配准、傅里叶梅林变换、最大互信息法配准。
9.根据权利要求7所述的光耦合乳腺成像分析方法,其特征在于,所述分析类型包括点分析和区域分析;
所述点分析包括功率谱分析、互相关曲线分析、互相关系数计算;
所述区域分析包括互相关系数功能伪彩图分析。
10.根据权利要求9所述的光耦合乳腺成像分析方法,其特征在于,通过伪彩色编码合成所述互相关系数功能伪彩图;
所述伪彩色编码采用彩虹编码或第一编码;
所述第一编码将互相关系数分成n个区间,每个所述区间对应一个颜色。
CN201710687205.5A 2017-08-11 2017-08-11 一种光耦合乳腺成像分析***及方法 Pending CN107550459A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710687205.5A CN107550459A (zh) 2017-08-11 2017-08-11 一种光耦合乳腺成像分析***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710687205.5A CN107550459A (zh) 2017-08-11 2017-08-11 一种光耦合乳腺成像分析***及方法

Publications (1)

Publication Number Publication Date
CN107550459A true CN107550459A (zh) 2018-01-09

Family

ID=60974083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710687205.5A Pending CN107550459A (zh) 2017-08-11 2017-08-11 一种光耦合乳腺成像分析***及方法

Country Status (1)

Country Link
CN (1) CN107550459A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109394181A (zh) * 2018-12-05 2019-03-01 吉林大学 一种脑部功能区域定位***、方法以及可移动设备
CN113180601A (zh) * 2021-04-27 2021-07-30 浙江杜比医疗科技有限公司 一种动态光学乳腺成像的肿瘤特征分析装置及相关组件

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0832599A1 (en) * 1996-09-20 1998-04-01 JOHNSON & JOHNSON MEDICAL, INC. Apparatus and method for non-invasive measurement of a substance
WO2003087767A3 (en) * 2002-04-06 2004-03-25 Randall L Barbour A system and method for quantifying the dynamic response of a target system
CN1149956C (zh) * 1995-06-07 2004-05-19 里查德J·格拉布尔 诊断断层照相术激光成象装置
CN1810210A (zh) * 2005-09-02 2006-08-02 深圳市国基科技有限公司 乳腺血氧功能成像方法及乳腺血氧功能成像***
CN201079390Y (zh) * 2007-05-11 2008-07-02 重庆伟联科技有限公司 双波段红外乳腺疾病诊断仪
CN201822858U (zh) * 2010-02-24 2011-05-11 武汉一海数字工程有限公司 双光源双探头乳腺血氧功能成像***
CN102159009A (zh) * 2011-03-17 2011-08-17 上海韦尔半导体股份有限公司 白光led一线脉冲调光电路及调光方法
WO2013103935A1 (en) * 2012-01-06 2013-07-11 The Florida International University Board Of Trustees Near-infrared (nir) optical scanner
CN104103083A (zh) * 2013-04-03 2014-10-15 株式会社东芝 图像处理装置和方法以及医学成像设备
CN105030253A (zh) * 2015-06-29 2015-11-11 武汉一海数字工程有限公司 一种多波长乳腺诊断光源
CN204813900U (zh) * 2015-06-29 2015-12-02 武汉一海数字工程有限公司 一种多波长乳腺诊断光源

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1149956C (zh) * 1995-06-07 2004-05-19 里查德J·格拉布尔 诊断断层照相术激光成象装置
EP0832599A1 (en) * 1996-09-20 1998-04-01 JOHNSON & JOHNSON MEDICAL, INC. Apparatus and method for non-invasive measurement of a substance
WO2003087767A3 (en) * 2002-04-06 2004-03-25 Randall L Barbour A system and method for quantifying the dynamic response of a target system
CN1810210A (zh) * 2005-09-02 2006-08-02 深圳市国基科技有限公司 乳腺血氧功能成像方法及乳腺血氧功能成像***
CN201079390Y (zh) * 2007-05-11 2008-07-02 重庆伟联科技有限公司 双波段红外乳腺疾病诊断仪
CN201822858U (zh) * 2010-02-24 2011-05-11 武汉一海数字工程有限公司 双光源双探头乳腺血氧功能成像***
CN102159009A (zh) * 2011-03-17 2011-08-17 上海韦尔半导体股份有限公司 白光led一线脉冲调光电路及调光方法
WO2013103935A1 (en) * 2012-01-06 2013-07-11 The Florida International University Board Of Trustees Near-infrared (nir) optical scanner
CN104103083A (zh) * 2013-04-03 2014-10-15 株式会社东芝 图像处理装置和方法以及医学成像设备
CN105030253A (zh) * 2015-06-29 2015-11-11 武汉一海数字工程有限公司 一种多波长乳腺诊断光源
CN204813900U (zh) * 2015-06-29 2015-12-02 武汉一海数字工程有限公司 一种多波长乳腺诊断光源

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
史贵连,叶福丽: "近红外脉冲光乳腺疾病诊断***功率谱和互相关曲线分析", 《北京生物医学工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109394181A (zh) * 2018-12-05 2019-03-01 吉林大学 一种脑部功能区域定位***、方法以及可移动设备
CN113180601A (zh) * 2021-04-27 2021-07-30 浙江杜比医疗科技有限公司 一种动态光学乳腺成像的肿瘤特征分析装置及相关组件

Similar Documents

Publication Publication Date Title
US20230394660A1 (en) Wound imaging and analysis
CN1297942C (zh) 从舌图像提取关注区的方法及相应健康监控方法和设备
CN109727243A (zh) 乳腺超声图像识别分析方法及***
CN109846469A (zh) 一种基于卷积神经网络的非接触式心率测量方法
CN110269600A (zh) 基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法
US20130155388A1 (en) Device and method for diffusion optical tomography
Hasan et al. Smartphone-based human hemoglobin level measurement analyzing pixel intensity of a fingertip video on different color spaces
Liu et al. Detection of heterogeneity on multi-spectral transmission image based on multiple types of pseudo-color maps
CN107330945A (zh) 一种基于视频的快速心率检测方法
CN107550459A (zh) 一种光耦合乳腺成像分析***及方法
Aggarwal et al. Applications of multispectral and hyperspectral imaging in dermatology
Wirkert et al. Endoscopic Sheffield index for unsupervised in vivo spectral band selection
CN116152185A (zh) 一种基于深度学习的胃癌病理诊断***
Xiao et al. Remote photoplethysmography for heart rate measurement: A review
Zhang et al. Multispectral heterogeneity detection based on frame accumulation and deep learning
CN105232050A (zh) 一种人体舌苔厚度的无创检测装置
CN110503147A (zh) 基于相关性学习的多模图像分类***
US20240027417A1 (en) System and method for assessing biological tissue
Feng et al. Detection of Atlantic salmon residues based on computer vision
Yang et al. A high-efficiency acquisition method of LED multispectral images using Gray code based square wave frequency division modulation
Xu et al. RACNet: risk assessment Net of cervical lesions in colposcopic images
CN205493762U (zh) 一种光谱硬管内窥镜***
CN115312189A (zh) 一种乳腺癌新辅助化疗疗效预测模型的构建方法
Ji et al. ResDSda_U-Net: A novel U-Net based residual network for segmentation of pulmonary nodules in lung CT images
Valente et al. A Comparative Study of Deep Learning Methods for Multi-Class Semantic Segmentation of 2D Kidney Ultrasound Images

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180109