(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111280337.9 (22)申请日 2021.10.2 9 (71)申请人 南开大学 地址 300000 天津市津南区海河教育园区 同砚路38号 (72)发明人 孙明竹　赵新　王一雯　李璐　 (74)专利代理 机构 天津睿勤专利代理事务所 (普通合伙) 12225 代理人 孟福成 (51)Int.Cl. G06T 5/40(2006.01) G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G06T 7/90(2017.01)G06V 10/764(2022.01) G06V 20/40(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于血液流动特性的透明型血管类型 识别方法 (57)摘要 本发明涉及一种基于血液流动特性的透明 型血管类型识别方法， 包括如下步骤： 获取具有 透明型血管结构的活体模式动物局部血液流动 视频； 训练机器学习分类模型； 计算血液流动视 频中相邻两帧图像的瞬时光流场、 平均光流场， 并将平均光流场可视化； 得到与局部血液流动视 频相对应的血管结构二值图像； 将光流可视化图 像从RGB空间转换到HSV空间； 保留光流可视化 HSV图像中血管结构区域内的图像数据； 提取HSV 图像的S通道图像， 区分出毛细血管； 提取HSV图 像的H通道图像， 区分出主干 血管； 参考心脏的位 置， 区分出静脉和动脉。 与传统方式相比， 能够免 去使用荧光显微镜拍摄血管的繁琐工作， 简便快 速地区分血 管类型， 且准确率较高。 权利要求书4页 说明书11页 附图4页 CN 113989170 A 2022.01.28 CN 113989170 A 1.一种基于血 液流动特性的透明型 血管类型识别方法， 其特 征在于， 包括如下步骤： S1， 通过显微拍摄的方式， 获取具有透明型血管结构的活体模式动物局部血液流动视 频； S2， 获取活体模式动物局部标准血管结构二值图真值， 使用稠密光流算法， 计算与所述 标准血管结构二值图真值相对应的血液流动视频中任意相 邻两帧图像之间的瞬时光流场， 对视频图像序列中所有瞬时光流场取平均， 获得平均光流场， 并将平均光流场可视化， 获得 光流可视化图像； 输入得到的平均光流场， 提取每个像素点的光流连续性特征； 输入得到的 光流可视化图像， 提取每个像素点的灰度特征； 输入标准血管结构二值图真值， 提取每个像 素点的血管连续性特征； 将得到的每个像素点的光流连续性特征、 血管连续性特征以及灰 度特征组成特 征向量序列， 作为训练数据集， 训练机器学习分类模型； S3， 使用稠密光流算法， 计算步骤S1拍摄得到的其中一段局部血液流动视频中任意相 邻两帧图像之间的瞬时光流场， 对视频图像序列中所有瞬时光流场取平均， 获得平均光流 场， 并将平均光 流场可视化， 获得光 流可视化图像； S4， 利用DenseUNet神经网络分割步骤S3处理得到的光流可视化图像， 得到与光流可视 化图像相对应的血 管结构二值图初步结果； S5， 采用背景减除法处理步骤S3中的视频图像序列， 并将结果累加， 获得含部分毛细血 管结构的血 管结构二值图； S6， 将步骤S4、 S5得到的二 值图进行累加， 作为血 管区域生长的种子图像； S7， 利用步骤S2中的特征提取方法， 对步骤S3处理得到的光流可视化图像、 平均光流 场， 以及步骤S 6处理得到的血管结构种子图像， 进 行特征提取， 计算当前所有候选点的灰度 特征、 血管连续性特征以及光流连续性特征， 组成特征向量序列， 使用步骤S2训练好的机器 学习分类模型进行区域生长运算， 更新血管结构种子图像； 其中： 区域生长未结束时， 重复 该步骤直至区域 生长结束， 得到分割后的血 管结构二值图像； S8， 将步骤S3处理得到的光流可视化图像从RGB颜色空间转化到HSV颜色空间， 得到光 流可视化HSV图像； S9， 分别输入步骤S8得到的光流可视化HSV图像以及步骤S7处理得到的血管结构二值 图像， 仅保留光 流可视化HSV图像中血 管结构区域内的图像数据； S10， 提取步骤S9处理得到的血管结构区域 内光流可视化HSV图像中的S通道图像， 区分 出毛细血 管； S11， 提取步骤S9处理得到的血管结构区域 内光流可视化HSV图像中的H通道图像， 区分 出主干血 管； S12， 参考活体模式动物的心脏位置， 区分于 两条主干血 管中的动脉和静脉。 2.根据权利要求1所述的一种基于血液流动特性的透明型血管类型识别方法， 其特征 在于， 步骤S2、 S3中， 所述稠密光流算法为Fameback光流算法； 光流可视化图像通过Munsell 颜色系统 处理得到。 3.根据权利要求1所述的一种基于血液流动特性的透明型血管类型识别方法， 其特征 在于， 步骤S2中， 平均光流场中每个像素点Ii， j的光流连续性特征分别包括直接光流连续性 特征(fi)与径向光流连续性特征(fr)； 血管结构二值图中， 每个像素点Ii， j的血管连续性特 征分别包括 直接血管连续性特征(ci)与径向血 管连续性特征(cr)； 其中：权　利　要　求　书 1/4 页 2 CN 113989170 A 2像素点Ii， j直接光流连续性特征(fi)提取方法为： 输入平均光流场， 计算当前像素点所在的八邻域内， 当前像素点对应的光流矢量和血 管像素点对应的光流矢量的相似性， 并映射到一个概率值； 若在八邻域中， 当前像素点的矢 量与血管像素点的矢量的相似性Pi(Ii， j)大于阈值Ti， 则fi(Ii， j)＝1， 否则等于0； 具体计算 公式如下： 其中： Tcos表示光流矢量的夹角阈值； Tspeed表示光流矢量的速度阈值； k表示八邻域； Normi表示直接归一化常数； Ti表示直接光流相似性概率阈值； isVessel(Ii， j)判断像素点 Ii， j是否是血管像素点， 1表示是， 0表示不是； isSimilar(a， b)判断a和b是否相似， 1表示相 似， 0表示不相似； Mij表示当前像素点Ii， j所在的八邻域内， 与当前像素点Ii， j所对应的光流 矢量相似的血管像素点所对应的光流矢量的数量； Pi(Ii， j)表示当前像素点Ii， j所在八邻域 中， 当前像素点 Ii， j的光流矢量与血 管像素点的光 流矢量的相似性； 像素点Ii， j径向光流连续性特征(fr)提取方法为： 输入平均光流场， 计算当前像素点所在的圆形邻域内， 当前像素点对应的光流矢量和 血管像素点对应的光流矢量的相似性， 并映射到一个概率值； 若在圆形邻域中， 当前像素点 的矢量与血管像素点的矢量的相似性Pr(Ii， j)大于阈值Tr， 则fr(Ii， j)＝1， 否则 等于0； 具体 计算公式如下： 权　利　要　求　书 2/4 页 3 CN 113989170 A 3