李世銀，隨秀玲，王雪城，聶余滿(mǎn)

(1.中國(guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院，江蘇 徐州 221116；2.中國(guó)科學(xué)院 合肥智能機(jī)械研究所，安徽 合肥 230031)

近紅外靜脈圖像可視化算法

李世銀1，隨秀玲1，王雪城1，聶余滿(mǎn)2

(1.中國(guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院，江蘇 徐州 221116；2.中國(guó)科學(xué)院 合肥智能機(jī)械研究所，安徽 合肥 230031)

目前的靜脈訪問(wèn)輔助設(shè)備通常利用近紅外成像技術(shù)采集靜脈圖像。在直方圖均衡化增強(qiáng)靜脈圖像的基礎(chǔ)上，針對(duì)手背靜脈穿刺輔助裝置的實(shí)時(shí)性要求，提出按鍵觸發(fā)檢測(cè)的方式來(lái)實(shí)現(xiàn)靜脈血管寬度可視化算法。該算法在醫(yī)護(hù)領(lǐng)域進(jìn)行實(shí)際系統(tǒng)的臨床應(yīng)用，可有效提高靜脈訪問(wèn)成功率、減輕醫(yī)護(hù)人員工作難度并造福病人。

靜脈訪問(wèn)；感興趣區(qū)域；靜脈寬度

快速準(zhǔn)確地找到靜脈位置是醫(yī)療護(hù)理中的常見(jiàn)需求，全世界每天有數(shù)億患者需要進(jìn)行靜脈訪問(wèn)治療。傳統(tǒng)的靜脈訪問(wèn)方法主要依靠醫(yī)護(hù)人員的肉眼和經(jīng)驗(yàn)來(lái)識(shí)別，在皮膚表面靜脈特征不明顯的情況下很難實(shí)現(xiàn)，更無(wú)法做到深度靜脈的精準(zhǔn)可靠的判別。由此引起的多次穿刺失敗，易造成醫(yī)療處理上的困難和病人的痛苦，嚴(yán)重的甚至引發(fā)醫(yī)療糾紛。目前的靜脈訪問(wèn)輔助設(shè)備通常利用近紅外成像技術(shù)采集靜脈圖像，通過(guò)圖像增強(qiáng)處理改善靜脈血管圖像模糊、不均勻的特性。本研究目的是開(kāi)發(fā)一種近紅外靜脈圖像特征增強(qiáng)及可視化算法，以提高靜脈訪問(wèn)輔助設(shè)備的成像性能。

1 靜脈血管切面模型

靜脈圖像中沿著血管方向的灰度值不會(huì)存在很大變化，而血管切面方向的灰度值呈“明—暗—明”的變化規(guī)律，在數(shù)學(xué)上近似為高斯分布[1]。如圖1為手背靜脈血管橫切面數(shù)學(xué)模型。

圖1 手背靜脈橫切面數(shù)學(xué)模型

假設(shè)血管方向豎直，圖1a為靜脈血管模型，圖1b為血管模型橫截面處的灰度值分布。圖1a中血管模型的骨架(血管中心線)在圖1b中表現(xiàn)為像素灰度值的局部最小值處。血管骨架兩邊像素的灰度值逐漸增大，具有一定的單調(diào)性。血管橫截面高斯模型定義如下

(1)

2 靜脈血管寬度檢測(cè)算法

通過(guò)以上分析，可知靜脈血管空間分布特征近似為高斯分布。即靜脈血管邊緣像素點(diǎn)的梯度值有明顯增大趨勢(shì)，且血管中心線上像素灰度值為局部最小值。

圖2為手背靜脈圖像以及其對(duì)應(yīng)橫截線上像素點(diǎn)灰度分布圖。其中圖2a是手背靜脈圖像，虛線為血管圖像中的橫截線，記錄橫截線上像素灰度值繪制成灰度曲線圖2b。因?yàn)殪o脈穿刺只考慮手背中心區(qū)域靜脈，所以本文在手背中心 360×360區(qū)域內(nèi)手動(dòng)獲取橫截線進(jìn)行觀測(cè)，其長(zhǎng)度為360個(gè)像素。

圖2 手背靜脈圖像及其對(duì)應(yīng)橫截線上灰度分布圖

橫截線上有4條清晰的靜脈，如圖2a中橢圓框標(biāo)記。由于圖像增強(qiáng)后存在噪點(diǎn)，圖2b中灰度值分布曲線存在較大跳動(dòng)，通過(guò)觀察可以看出血管位置分布在曲線的波谷處。為了方便計(jì)算，在檢測(cè)血管位置之前，先對(duì)檢測(cè)區(qū)域進(jìn)行高斯濾波，濾波后橫截線處的灰度值分布曲線圖如圖2c所示。由圖可知，原先抖動(dòng)的曲線變得平滑，且局部最小值點(diǎn)對(duì)應(yīng)著橫截線上靜脈骨架上的像素點(diǎn)。利用這一特征可以尋找橫截線上局部極小值點(diǎn)以定位靜脈位置。

本文通過(guò)計(jì)算圖像橫向梯度，設(shè)定閾值以確定血管邊緣。算法目標(biāo)是實(shí)時(shí)在線顯示靜脈圖像中標(biāo)記行中可穿刺血管的寬度，若要測(cè)量其他部位血管寬度，移動(dòng)測(cè)試者手背位置即可。圖3為單一靜脈寬度可視化算法示意圖，其算法思路如下：

1)手動(dòng)設(shè)置感興趣區(qū)域[2](Region of Interest，ROI)，在區(qū)域內(nèi)設(shè)定寬度檢測(cè)行L0，在進(jìn)行靜脈寬度檢測(cè)時(shí)，只需將待檢測(cè)點(diǎn)移至寬度檢測(cè)行L0上。

2)計(jì)算L0行上所有靜脈的橫向?qū)挾?，同時(shí)計(jì)算輔助行(如圖3所示)中靜脈橫向?qū)挾龋页鲚o助行中靜脈的骨架位置，計(jì)算出靜脈方向修正角度θ。通過(guò)靜脈方向修正角度對(duì)靜脈方向進(jìn)行修正，計(jì)算出檢測(cè)行L0中各靜脈寬度。

圖3 靜脈寬度可視化算法示意圖

3)本研究采用的像機(jī)幀率為50 f/s(幀/秒)，在線顯示的靜脈寬度值跳動(dòng)速度較大，肉眼難以觀測(cè)。為了使靜脈寬度輸出值更加穩(wěn)定，本文采用一種近似迭代濾波的方法，以加權(quán)的方式將每一幀對(duì)應(yīng)位置的靜脈寬度相加得到穩(wěn)定可靠的靜脈寬度輸出值。

具體的靜脈寬度可視化算法實(shí)現(xiàn)步驟如下：

1)通過(guò)按鍵觸發(fā)靜脈寬度顯示模式，此時(shí)在圖像中設(shè)置靜脈寬度檢測(cè)行L0，將待檢測(cè)的靜脈移動(dòng)至檢測(cè)行上，進(jìn)行下一步操作。

2)設(shè)置ROI并進(jìn)行高斯濾波去噪：在檢測(cè)行四周設(shè)定感興趣區(qū)域ROI，區(qū)域大小為360×180。接著對(duì)ROI內(nèi)數(shù)據(jù)進(jìn)行高斯濾波。

3)血管左邊界點(diǎn)檢測(cè)：從左向右計(jì)算檢測(cè)行相鄰兩像素點(diǎn)的梯度g，當(dāng)g大于閾值g0時(shí)，像素灰度值有明顯下降趨勢(shì)，認(rèn)為此時(shí)的像素點(diǎn)x1為可能的血管左邊界。

4)血管邊界預(yù)判：尋找像素點(diǎn)x1后的第一個(gè)極小值點(diǎn)xpmin，認(rèn)為此點(diǎn)為靜脈血管骨架點(diǎn)，從點(diǎn)xpmin向左向右檢測(cè)血管邊界。血管邊界檢測(cè)原則：左右邊界點(diǎn)處灰度梯度值為局部極大值；從左邊界像素點(diǎn)到血管骨架點(diǎn)xpmin內(nèi)的像素點(diǎn)灰度值呈下降趨勢(shì)，血管骨架點(diǎn)xpmin到血管右邊界點(diǎn)內(nèi)的像素點(diǎn)灰度值呈上升趨勢(shì)(不一定單調(diào))。若不符合，返回第3)步；若符合，進(jìn)入下一步。

5)血管邊界判別：判斷血管左右邊界的準(zhǔn)確性，刪除橫向?qū)挾冗^(guò)大和過(guò)小的結(jié)果。通過(guò)以上操作可檢測(cè)到L0行上血管寬度信息，包括血管橫向邊界點(diǎn)lbi和rbi以及血管骨架點(diǎn)ci，從左向右依次保存血管數(shù)據(jù)。其中：0≤i≤n，n為檢測(cè)行上的血管數(shù)量，一般情況下n不大于10。

6)血管方向修正：采用與檢測(cè)L0行血管寬度信息相同的方法，檢測(cè)兩輔助行(L0-d行和L0+d行)中，與L0行的靜脈骨架點(diǎn)ci對(duì)應(yīng)的點(diǎn)ci-d和ci+d，這些靜脈骨架點(diǎn)記錄了靜脈血管的方向信息。各血管中的骨架點(diǎn)ci-d和ci+d的連接線，即為該血管在檢測(cè)行L0上的方向，如圖3所示。方向修正角度通過(guò)以下公式計(jì)算

(2)

(3)

式中：xci-d和xci+d分別為輔助行靜脈骨架點(diǎn)處像素橫坐標(biāo)值；θi為方向修正角。

修正后的靜脈寬度wi可表示為

wi=(rbi-lbi)×cosθi

(4)

式中：θi為方向修正角；lbi和rbi分別為靜脈血管i的左邊界點(diǎn)和右邊界點(diǎn)。

7)幀間數(shù)據(jù)迭代濾波：為了減少外界因素對(duì)圖像的影響，本文用累加濾波的方式計(jì)算靜脈寬度的最終結(jié)果

(5)

從式(5)可以看出，在計(jì)算靜脈血管寬度累計(jì)值時(shí)，當(dāng)前幀相應(yīng)的血管寬度值所占權(quán)重較低，系統(tǒng)在受到外界不確定因素影響時(shí)，算法檢測(cè)出的血管寬度仍然較穩(wěn)定，受外界因素干擾小，累加濾波的最終結(jié)果可靠性較高。

3 檢測(cè)實(shí)現(xiàn)及結(jié)果

本文設(shè)置每30幀顯示一次更新后的靜脈寬度，期間不斷加權(quán)累加每一幀計(jì)算到的靜脈寬度，如式(5)所示，當(dāng)前幀靜脈寬度值權(quán)重較低，而當(dāng)前幀前的累加寬度值權(quán)重較高。所以，在需要測(cè)量手背其他位置上的靜脈寬度時(shí)，按下數(shù)據(jù)清除按鍵，可清除血管寬度累計(jì)值，并重復(fù)以上寬度檢測(cè)步驟。

手背靜脈寬度可視化算法效果，如圖4所示。

圖4 手背靜脈寬度可視化算法效果

4 小結(jié)

在醫(yī)療領(lǐng)域中，靜脈訪問(wèn)輔助設(shè)備不斷出新，本文在增強(qiáng)靜脈圖像的基礎(chǔ)上，主要介紹手背靜脈寬度檢出算法，通過(guò)分析手背靜脈切面模型，找出靜脈截面特征，從靜脈圖像中提取靜脈寬度信息，然后以一種迭代濾波的方式提高靜脈寬度信息的可靠性。進(jìn)一步提高了圖像的清晰度，并實(shí)現(xiàn)了靜脈特征可視化，為靜脈訪問(wèn)提供更多可靠的訪問(wèn)信息。

[1] WANG Y，WANG H. Gradient based image segmentation for vein pattern[C]//Proc. 4th International Conference on Computer Sciences and Convergence Information Technology， ICCIT 2009.Seoul，Korea：IEEE Press，2015：1614-1618.

[2] 潘曉蘋(píng)，汪天富.手背靜脈圖像ROI提取算法研究[J].信息通信，2013(5)：1-3.

[3] KECK M，GALUP L，STAUFFER C. Real-time tracking of low-resolution vehicles for wide-area persistent surveillance[C]//Proc. 2013 IEEE Workshop on Applications of Computer Vision(WACV).[S.l.]：IEEE Press，2013：441-448.

[4] KHANNA N，MIKKILINENI A K，MARTONE A F，et al. A survey of forensic characterization methods for physical devices[J]. Digit Investig，2006(3)：17-28.

[5] FARID H. Digital doctoring：how to tell the real from the fake，significance[J]. Significance，2006，3(4)：162-166.

[6] 張紅梅，彭淑梅，王波.兒科醫(yī)療糾紛原因分析與防范[J]. 現(xiàn)代醫(yī)院，2008，8(5)：111-112.

[7] 扈愛(ài)華，劉青.兒科門(mén)診輸液常見(jiàn)醫(yī)療糾紛與對(duì)策[J]. 中國(guó)誤診學(xué)雜志， 2002(10)： 1543.

李世銀(1971— )，教授，主要研究方向?yàn)榫W(wǎng)絡(luò)擁塞控制、礦井通信與監(jiān)控、煤礦信息化；

隨秀玲(1992— )，碩士生，研究方向?yàn)閳D像處理和網(wǎng)絡(luò)編碼；

王雪城(1987— )，研究生，研究方向?yàn)閳D像處理；

聶余滿(mǎn)(1981— )，工學(xué)博士，研究方機(jī)械視覺(jué)及行為識(shí)別。

責(zé)任編輯：時(shí) 雯

Near Infrared Vein Image Feature Visualization Algorithm

LI Shiyin1，SUI Xiuling1，WANG Xuecheng1，NIE Yuman2

(1.SchoolofInformationandElectricalEngineering，ChinaUniversityofMiningTechnology，JiangsuXuzhou221116，China； 2.InstituteofIntelligentMachines，ChineseAcademyofSciences，Hefei230031，China)

Venous access auxiliary equipment usually use the near infrared imaging to capture the vein image currently.For user convenience，real-time processing is required from auxiliary puncturing equipment. To solve this problem，the papers presents an infrared-light-camera device to obtain real-time infrared images of widths of intravenous veins on the back of hands with histogram equalization to enhance the quality of vein images. The clinical application in health care shows that the algorithm is beneficial to increase the success rate of venous access and beneficial to patients，reducing the difficulty of staff work.

venous access；ROI；vein width

江蘇省科技支撐計(jì)劃項(xiàng)目(BE2014045)

TP391.4

A

10.16280/j.videoe.2015.17.009

2015-01-16

【本文獻(xiàn)信息】李世銀，隨秀玲，王雪城，等.近紅外靜脈圖像可視化算法[J].電視技術(shù),2015，39(17).