一种手臂血管通路的质量管理方法及相关装置与流程

1.本技术涉及医学影像的领域，尤其是涉及一种手臂血管通路的质量管理方法及相关装置。


背景技术：

2.多普勒超声成像是一种利用声波来探测和分析血流动力学的医学成像技术。它基于多普勒效应，即当声波与运动中的物体（如血液细胞）相互作用时，声波的频率会发生变化。多普勒超声成像通过测量这种频率变化来获取有关血流速度和方向的信息。
3.多普勒超声成像具有以下特点：非侵入性，多普勒超声成像无需进入患者体内，可以通过皮肤表面对血管和血流进行检测。实时性，多普勒超声成像可以实时捕捉血流信息，有助于医生及时了解病情并制定治疗方案。无辐射，与x射线、ct等成像方法相比，多普勒超声成像无辐射，对患者更安全。
4.对于多普勒超声成像而言，其成像速度和成像精度受到探头型号的影响，对于小型化的多普勒超声成像探头而言，其成像速度实际上是较低的，且在实际操作中，脉冲多普勒超声设备的探头朝向确实很重要，需要与血流方向保持一定的角度。以保障多普勒频移的测量准确性。
5.血管通路是指将动脉和静脉之间人为地建立起来的连接，通常用于血液透析患者。目前患者可以选择在家中进行日常透析操作，患者有观察到血管通路的位置、血管通路的走向以及血流情况的需求。目前市面上已经出现了携带显示屏的血管显像仪，但是如果使用多普勒超声成像原理，对于这种小型化的设备而言，只能采用精度较低的多普勒超声探头，对于独居在家中的血液透析患者，通常需要采用合适的角度，稳定地举起该设备较长的时间，以进行血管成像。但是这对于血液透析患者来说较不现实，由于其身体原因，在实践中常出现持举不稳定、持举时间不足导致成像模糊的问题。


技术实现要素：

6.为了提高便携式血管成像仪的显示效率，本技术提供一种手臂血管通路的质量管理方法及相关装置。
7.第一方面，本技术提供的一种手臂血管通路的质量管理方法，采用如下的技术方案：一种手臂血管通路的质量管理方法，包括以下步骤：获取预存的手臂血管模型和多普勒超声图像，基于多普勒超声图像调整手臂血管模型；基于调整后的手臂血管模型获得手臂血管图片集；获取浅层血管近红外图像，与手臂血管图片集进行匹配，并显示手臂血管图片集中相匹配的图片。
8.通过采用上述技术方案，由于血管在正常人的手臂中的排布基本上固定，在正常
情况下，不会因为时间的推移而发生改变，因此可以由专业人员在专业场所进行事先建模，或者由用户自行操作进行手臂血管模型的建模并预存，可以重复使用多次。但是，对于透析患者而言，手臂内部会设置有将动脉和静脉之间人为建立的通道，血管的形态可能会发生局部的改变，因此利用新获得的多普勒超声图像，对手臂血管模型进行调整和更新，有利于后续步骤中的动态匹配的进行。
9.在对手臂血管模型进行调整后，可以从手臂血管模型得到多角度的多张手臂血管图片，并构成集合。然后利用血管显像仪进行浅层血管近红外图像的获取，血管显像仪可以和多普勒超声设备一体设置，并于多普勒超声探头相连接。血管显像仪的工作原理通常基于近红外光（nir）技术。在这种技术下，血管显像仪发射特定波长的近红外光，然后通过高分辨率的成像系统捕捉反射回的光线。由于血红蛋白对近红外光有较强的吸收能力，血管内的血液与周围组织相比，对光的吸收和散射特性有很大差别，这使得血管在图像中能够清晰地显示出来。但是这仅局限于手臂浅层的静脉血管，而难以对血管通路和相连通的动脉进行显示。
10.因此，通过利用浅层血管近红外图像具有成像面积大，成像速度快的优点，使用浅层血管近红外图像与手臂血管图片集进行匹配，选定手臂血管图片集中相匹配的图片，以快速地呈现血管状况。
11.可选的，所述的预存的手臂血管模型进行预设定的步骤包括：获取若干多普勒超声血管扫描信息，获取二维切片图像和血流速度数据；对采集到的二维切片图像进行图像预处理；从预处理后的图像中提取血管轮廓；将提取到的血管轮廓进行三维建模，得到手臂血管模型；基于多普勒超声收集到的血流速度数据，在手臂血管模型中标定静脉、动脉和血管通路。
12.通过采用上述技术方案，通过获取多普勒超声血管扫描信息，可以更准确地反映患者的实际血管状况，从而提高模型的可靠性。图像预处理有助于消除图像噪声和提高血管轮廓的清晰度，从而使血管轮廓提取更为准确。提取血管轮廓并进行三维建模有助于更好地理解血管结构，为进一步分析提供基础。根据多普勒超声收集的血流速度数据标记静脉、动脉和血管通路，有助于识别和区分不同类型的血管，从而在实际操作中提供更准确的信息。
13.可选的，所述的将提取到的血管轮廓进行三维建模，得到手臂血管模型的步骤包括：从每个二维切片图像中提取血管的轮廓点；将提取的轮廓点组合成一个三维点云；将点云输入到delaunay三角剖分算法，生成得到一个由相互连接的三角形组成的三维网格；基于delaunay三角剖分算法得到由一组三角面片形成的手臂血管模型，其中，所述三角面片连接形成血管结构的三维表面。
14.可选的，所述的将提取到的血管轮廓进行三维建模，得到手臂血管模型的步骤还包括：
对生成的三维网格模型进行拼接、平滑和优化操作，以改善模型的外观和减少不规则性。
15.通过采用上述技术方案，从每个二维切片图像中提取血管的轮廓点。这些点可以通过边缘检测算法（如canny算子）获得。确保每个切片的轮廓点均已对齐并排序。将所有提取的轮廓点组合成一个三维点云。每个点都具有三维坐标（x, y, z），其中z坐标对应于其在堆叠切片中的位置。将点云输入到delaunay三角剖分算法中，算法将生成一个由相互连接的三角形组成的三维网格，该网格尽可能地保持三角形的“最优”形状。这意味着在满足一定约束条件下，算法会使得任意四个相邻点组成的四面体的最小角最大化。delaunay三角剖分算法会输出一组三角面片。这些三角面片连接在一起，形成血管结构的三维表面，可以方便地进行后续的模型操作和分析。在这个步骤中，即已经完成了血管结构的三维重建。根据需要，可以对生成的三维网格模型进行拼接、平滑和优化操作，以改善模型的外观和减少不规则性，从而为诊断和治疗提供更可靠的信息。
16.可选的，所述的获取预存的手臂血管模型和多普勒超声图像，基于多普勒超声图像调整手臂血管模型的步骤，包括：获得手臂血管图片集和多普勒超声图像，其中，预存的手臂血管模型对应有手臂血管图片集；将多普勒超声图像与手臂血管图片集进行匹配，并从手臂血管图片集中得到第一匹配结果，建立多普勒超声图像与第一匹配结果的血管建立对应关系；获取多普勒超声图像的血管特征，并基于该血管特征调整模型中对应血管的血管特征。
17.通过采用上述技术方案，通过获取手臂血管图片集和多普勒超声图像，可以方便地比较和匹配实际血管结构与预存血管模型。将多普勒超声图像与手臂血管图片集进行匹配，并从手臂血管图片集中得到第一匹配结果，可以快速地找到与多普勒超声图像相对应的预存血管模型。建立多普勒超声图像与第一匹配结果的血管对应关系，有助于准确地识别和定位实际血管结构与预存模型之间的差异。通过获取多普勒超声图像的血管特征并基于该血管特征调整模型中对应血管的血管特征，可以实现对预存血管模型的精确调整，使其更贴近实际血管结构。
18.可选的，所述的基于调整后的手臂血管模型获得手臂血管图片集的步骤，包括：将调整后的手臂血管模型导入三维可视化和渲染软件；创建虚拟相机，并将虚拟相机放置在距离血管模型一定距离的位置，使其对准手臂血管模型的中心；确定旋转步长，基于旋转步长将虚拟相机围绕手臂血管模型的中心旋转，并捕捉图像；导出图像并形成手臂血管图片集，其中，手臂血管图片包括有静脉、动脉和/或血管通路图层。
19.通过采用上述技术方案，将调整后的手臂血管模型导入三维可视化和渲染软件，可以方便地进行后续的图像生成和处理操作。通过创建虚拟相机并将其放置在距离血管模型一定距离的位置，可以模拟实际拍摄血管图像的过程，以便更真实地反映血管结构。确定旋转步长并基于旋转步长将虚拟相机围绕手臂血管模型的中心旋转，可以从不同角度捕捉
手臂血管模型的图像，为后续分析提供更丰富的视角。捕捉图像并导出形成手臂血管图片集，有利于与其他检测方法（如近红外图像）进行对比和匹配，进一步提高诊断和治疗的准确性。图像包括静脉、动脉和/或血管通路图层，可以分别分析不同类型的血管结构，有助于更全面地了解手臂血管情况。
20.可选的，所述的获取浅层血管近红外图像，与手臂血管图片集进行匹配，并显示手臂血管图片集中相匹配的图片的步骤，包括：获取浅层血管近红外图像，并从手臂血管图片集中得到第二匹配结果；基于浅层血管近红外图像对第二匹配结果进行变换、对齐和裁剪，并将处理后的第二匹配结果进行显示。
21.通过采用上述技术方案，通过获取浅层血管近红外图像并从手臂血管图片集中得到第二匹配结果，可以将两种不同的成像技术（多普勒超声和近红外成像）相结合，提高诊断的准确性和可靠性。基于浅层血管近红外图像对第二匹配结果进行变换、对齐和裁剪，可以确保两种图像之间的对应关系更加精确，有助于医生和相关专业人员更准确地分析血管结构。将处理后的第二匹配结果进行显示，可以为医生和相关专业人员提供清晰的视觉效果，有助于他们对手臂血管结构和血管通路的质量进行评估。
22.可选的，所述的获取浅层血管近红外图像，并从手臂血管图片集中得到第二匹配结果的步骤，包括：获取浅层血管近红外图像；对浅层血管近红外图像和手臂血管图片集的各图片的静脉图层进行特征提取和匹配，生成一组匹配点对；基于随机抽样一致性算法对匹配点对进行筛选；基于筛选后的匹配点对，计算浅层血管近红外图像和手臂血管图片集的各图片之间的变换矩阵；基于变换矩阵来变换手臂血管图片集的各图片以与浅层血管近红外图像对齐，再对变换后的浅层血管近红外图像和手臂血管图片集的各图片进行区域匹配，并得到第二匹配结果。
23.通过采用上述技术方案，对浅层血管近红外图像和手臂血管图片集的各图片的静脉图层进行特征提取和匹配，生成一组匹配点对，能够有效地寻找两种图像之间的对应关系，从而提高匹配的准确性。基于随机抽样一致性算法对匹配点对进行筛选，可以排除错误的匹配点对，进一步提高匹配结果的准确性。基于筛选后的匹配点对，计算浅层血管近红外图像和手臂血管图片集的各图片之间的变换矩阵，有助于建立一个准确的图像间的几何变换关系。基于变换矩阵来变换手臂血管图片集的各图片以与浅层血管近红外图像对齐，再对变换后的浅层血管近红外图像和手臂血管图片集的各图片进行区域匹配，并得到第二匹配结果，从而实现不同图像之间的准确匹配。
24.第二方面，本技术提供的一种手臂血管通路的质量管理装置，采用如下的技术方案：一种手臂血管通路的质量管理装置，包括：图像获取与调整模块，用于获取预存的手臂血管模型和多普勒超声图像，基于多普勒超声图像调整手臂血管模型；
图片集获取模块，用于基于调整后的手臂血管模型获得手臂血管图片集；图像获取模块，用于获取浅层血管近红外图像；图像匹配模块，用于将浅层血管近红外图像与手臂血管图片集进行匹配；图像显示模块，用于显示手臂血管图片集中相匹配的图片。
25.第三方面，本技术提供的一种计算机设备，采用如下的技术方案：一种计算机设备，其包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行上述的手臂血管通路的质量管理方法。
26.第四方面，本技术提供的一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，存储有能够被处理器加载并执行如上的上述方法的计算机程序。
27.所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现：如上述的手臂血管通路的质量管理方法。
附图说明
28.图1绘示了本发明一实施例中手臂血管通路的质量管理方法的应用环境示意图。
29.图2绘示了本发明一实施例中手臂血管通路的质量管理方法的程序框图。
30.图3绘示了本发明一实施例中手臂血管模型进行预设定的步骤的程序框图。
31.图4绘示了本发明一实施例中s104子步骤的程序框图。
32.图5绘示了本发明一实施例中s1子步骤的程序框图。
33.图6绘示了本发明一实施例中s2子步骤的程序框图。
34.图7绘示了本发明一实施例中s3子步骤的程序框图。
35.图8绘示了本发明一实施例中s302子步骤的程序框图。
36.图9绘示了本发明一实施例中计算机设备的示意图。
具体实施方式
37.以下结合附图，对本技术作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
38.在以下描述中，为了解释的目的，阐述了很多具体细节，以便提供对发明构思的彻底理解。作为本说明书的一部分，本公开的附图中的一些附图以框图形式表示结构和设备，以避免使所公开的原理复杂难懂。为了清晰起见，实际具体实施的并非所有特征都有必要进行描述。此外，本公开中所使用的语言已主要被选择用于可读性和指导性目的，并且可能没有被选择为划定或限定本发明的主题，从而诉诸于所必需的权利要求以确定此类发明主题。在本公开中对“一个具体实施”或“具体实施”的提及意指结合该具体实施所述的特定特征、结构或特性被包括在至少一个具体实施中，并且对“一个具体实施”或“具体实施”的多
个提及不应被理解为必然地全部是指同一具体实施。
39.除非明确限定，否则术语“一个”、“一种”和“该”并非旨在指代单数实体，而是包括其特定示例可以被用于举例说明的一般性类别。因此，术语“一个”或“一种”的使用可以意指至少一个的任意数目，包括“一个”、“一个或多个”、“至少一个”和“一个或不止一个”。术语“或”意指可选项中的任意者以及可选项的任何组合，包括所有可选项，除非可选项被明确指示是相互排斥的。短语“中的至少一者”在与项目列表组合时是指列表中的单个项目或列表中项目的任何组合。所述短语并不要求所列项目的全部，除非明确如此限定。
40.本技术实施例公开一种手臂血管通路的质量管理方法。本发明实施例提供的手臂血管通路的质量管理方法，可应用在如图1的应用环境中，该手臂血管通路的质量管理方法应用在手臂血管通路的质量管理装置中，该手臂血管通路的质量管理装置包括客户端和服务器，其中，客户端通过网络与服务器进行通信。客户端又称为用户端，是指与服务器相对应，为客户端提供本地服务的程序。进一步地，客户端为计算机端程序、智能设备的app程序或嵌入其他app的第三方小程序。该客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等计算机设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
41.参照图2，该手臂血管通路的质量管理方法包括以下步骤s1-s3。
42.s1.获取预存的手臂血管模型和多普勒超声图像，基于多普勒超声图像调整手臂血管模型。
43.由于血管在正常人的手臂中的排布基本上固定，在正常情况下，不会因为时间的推移而发生改变，因此可以由专业人员在专业场所进行事先建模，或者由用户自行操作进行手臂血管模型的建模并预存，可以重复使用多次。但是，对于透析患者而言，手臂内部会设置有将动脉和静脉之间人为建立的通道，血管的形态可能会发生局部的改变，因此利用新获得的多普勒超声图像，对手臂血管模型进行调整和更新，有利于后续步骤中的动态匹配的进行。
44.具体的，在某一实施例中，对于多普勒超声图像的采集，可以通过如下示例实现。
45.准备扫描设备：首先，需要一个多普勒超声扫描设备，例如一个便携式超声设备，它通常包括一个探头（传感器）和一个屏幕，用于显示图像。在进行操作前，需要确保设备已经正确设置，以便能够获取多普勒图像。
46.使用超声凝胶：在探头和被测试者的皮肤之间涂抹一层薄薄的超声凝胶。凝胶可以减少空气与皮肤之间的阻抗，提高超声波在皮肤和血管之间的传播效果。
47.进行扫描：将探头放在被测试者手臂的皮肤上。调整探头的角度和位置，以便在屏幕上看到清晰的血管图像。多普勒超声设备会检测和显示血流的速度和方向，通常用红色和蓝色表示。
48.假设我们要对被测试者的桡动脉（位于前臂内侧）进行扫描。将探头置于手臂前臂内侧的皮肤上，稍微倾斜，以便血管处于探头的中心。观察屏幕，找到血管的明显信号。此时，屏幕上应显示血管的横截面，以及血流速度和方向的多普勒信号。
49.获取图像：当找到清晰的血管图像时，可以通过设备上的功能保存图像。根据需要，可以沿着手臂的长度方向移动探头，获取多个血管截面图像。
50.需要注意的是，多普勒超声设备的扫描次数和扫描时间取决于多个因素，包括：
设备性能：使用的多普勒超声设备的性能会影响扫描速度和分辨率，更高性能的设备可能会在更短的时间内获得更高质量的图像。
51.血管结构复杂性：手臂血管的复杂性可能会影响所需的扫描次数。如果血管结构较为简单，可能需要较少的扫描次数。然而，对于复杂的血管结构，可能需要更多的扫描次数以确保模型的准确性。
52.扫描角度：为了获取足够的数据以重建三维模型，需要从不同的角度对手臂进行扫描。扫描角度的增加将提高模型的准确性，但也会增加所需的扫描次数。
53.期望的模型精度：所期望的三维血管模型的精度会影响所需的扫描次数和时间，更高的精度可能需要更多的扫描次数和更长的扫描时间。
54.以上的这些因素，意味着用户难以在家中使用成本较低的设备频繁地进行手臂血管模型的重建，因此，在本方案中，采用预建手臂血管模型再对手臂血管模型进行调整的做法。
55.其中，参照图3，所述的预存的手臂血管模型进行预设定的步骤包括s101-s104。
56.s101.获取若干多普勒超声血管扫描信息，获取二维切片图像和血流速度数据。
57.s102.对采集到的二维切片图像进行图像预处理。
58.对二维切片图像进行预处理，包括降噪、增强对比度和调整亮度等。这有助于改善图像质量，提高血管轮廓提取的准确性。
59.s103.从预处理后的图像中提取血管轮廓。
60.作为示例的，s103可以通过以下实施例来实现。
61.首先，已知多次扫描手臂以获得脉冲多普勒超声数据，这里基于s102所产生的一系列二维切片进行操作。
62.对于每个切片，需要对血管区域进行分割。这可以通过阈值分割、边缘检测等方法实现。为简化起见，在该实施例中使用阈值分割方法。选定一个阈值t，并将超声信号强度大于t的像素视为血管像素，而低于t的像素视为背景。
63.示例：假设有以下9个像素组成的简化的二维切片（数值代表超声信号强度）：1 3 12 7 21 3 1如果选择阈值t为4，那么仅有中心像素（信号强度为7）被视为血管像素，其余像素被视为背景。
64.对每个切片提取血管像素的边界，这可以通过形态学操作（例如膨胀和腐蚀）或其他边缘检测算法实现。
65.示例：继续上述简化的二维切片示例，可以通过找到信号强度变化的区域来确定边界。在这种情况下，中心像素周围的8个像素构成血管边界。
66.之后，将这些边界点输入到一个算法中，以生成三维血管模型。这可以通过delaunay三角剖分、marching cubes等算法实现。
67.s104.将提取到的血管轮廓进行三维建模，得到手臂血管模型。
68.具体的，参照图4，在某一实施例中，s104包括以下步骤s1041-s1045。
69.s1041.从每个二维切片图像中提取血管的轮廓点。
70.从每个二维切片图像中提取血管的轮廓点。这些点可以通过边缘检测算法（如canny算子）获得。确保每个切片的轮廓点均已对齐并排序。
71.s1042.将提取的轮廓点组合成一个三维点云。
72.将所有提取的轮廓点组合成一个三维点云，每个点都具有三维坐标（x, y, z），其中z坐标对应于其在堆叠切片中的位置。
73.s1043.将点云输入到delaunay三角剖分算法，生成得到一个由相互连接的三角形组成的三维网格。
74.将点云输入到delaunay三角剖分算法中。算法将生成一个由相互连接的三角形组成的三维网格，该网格尽可能地保持三角形的“最优”形状。这意味着在满足一定约束条件下，算法会使得任意四个相邻点组成的四面体的最小角最大化。
75.作为示例的，s1043可以通过以下一个简化的二维版本来表现其原理：假设已知两个相邻的二维切片中提取有血管轮廓点，并准备将它们输入到delaunay三角剖分算法中。为了简单起见，这里仅考虑四个轮廓点，两个来自每个切片。
76.轮廓点坐标：切片1：(x1, y1, z1) 和 (x2, y2, z1) 。
77.切片2：(x3, y3, z2) 和 (x4, y4, z2) 。
78.这里，z1 和 z2 分别代表切片1和切片2的z坐标。我们将这些点输入到delaunay三角剖分算法中。在二维情况下，delaunay三角剖分的目标是生成一个尽可能保持最优形状的三角形网络，使得所有三角形的最小内角最大化。
79.假设算法生成了以下三角形：三角形a：由点 (x1, y1, z1)、(x2, y2, z1) 和 (x3, y3, z2) 组成。
80.三角形b：由点 (x2, y2, z1)、(x3, y3, z2) 和 (x4, y4, z2) 组成。
81.这两个三角形共同构成了我们从这两个切片生成的血管结构的三维表面。
82.s1044.基于delaunay三角剖分算法得到由一组三角面片形成的手臂血管模型，其中，所述三角面片连接形成血管结构的三维表面。
83.delaunay三角剖分算法会输出一组三角面片。这些三角面片连接在一起，形成血管结构的三维表面。在这个步骤中，我们已经完成了血管结构的三维重建。
84.s1045.对生成的三维网格模型进行拼接、平滑和优化操作，以改善模型的外观和减少不规则性。
85.根据需要，可以对生成的三维网格模型进行拼接、平滑和优化操作，以改善模型的外观和减少不规则性。
86.s105.基于多普勒超声收集到的血流速度数据，在手臂血管模型中标定静脉、动脉和血管通路。
87.根据多普勒效应，当超声波从一个运动的物体（如血流中的红细胞）反射回来时，其频率会发生变化。这种频率变化与物体的速度和方向成正比。脉冲多普勒超声设备通过测量回波信号的频率变化来计算血流速度和方向。由于在手臂中，动脉血管由近心端朝向远心端沿伸，静脉血管由远心端朝向近心端沿伸，而血管通路则横亘其间，因此能够基于手
臂血管图片判别静脉、动脉和血管通路。根据多普勒超声收集的血流速度数据标记静脉、动脉和血管通路，有助于识别和区分不同类型的血管，从而在实际操作中提供更准确的信息。
88.具体的，参照图5，s1包括以下步骤s111-s113。
89.s111.获得手臂血管图片集和多普勒超声图像，其中，预存的手臂血管模型对应有手臂血管图片集。
90.为了获得手臂血管图片集，可以使用三维可视化和渲染软件，以下是一种可能的实施例。
91.导入模型：将基于多普勒超声图像创建的血管三维模型导入到一个三维可视化和渲染软件中，如blender、maya或3ds max等。
92.设置虚拟相机：在软件中创建一个虚拟相机。将虚拟相机放置在距离血管模型一定距离的位置，使其对准血管模型的中心。确保虚拟相机的视野和焦距适合拍摄血管模型。
93.设置旋转角度：确定想要的旋转角度。例如，可以设定每10度获取一张图像，那么总共需要拍摄360/10 = 36张图像。
94.拍摄图像：将虚拟相机围绕血管模型的中心旋转至预设的旋转角度，并捕捉每个角度的图像。确保在每个旋转角度下，虚拟相机的位置和朝向始终与血管模型的中心对齐。
95.导出图像：将每个角度的渲染图像导出为图像文件，例如jpeg或png格式。通过这种方法，即可获得了沿着环绕手臂方向按照预设旋转角度拍摄的平面图像序列。
96.需要注意的是，根据所使用的三维可视化和渲染软件的不同，具体操作步骤可能会有所不同。
97.s112.将多普勒超声图像与手臂血管图片集进行匹配，并从手臂血管图片集中得到第一匹配结果，建立多普勒超声图像与第一匹配结果的血管建立对应关系。
98.举个例子，s112可以通过以下步骤来实现。
99.图像预处理：首先，对多普勒超声图像与手臂血管图片进行预处理，包括降噪、增强对比度和调整亮度等。这有助于改善图像质量，提高匹配的准确性。
100.特征提取：从两种图像中提取关键特征点。这些特征点可以是血管交叉点、分叉点或其他显著的几何特征。这可以通过使用特征检测算法，如sift（尺度不变特征变换）、surf（加速鲁棒特征）或orb（带方向的快速旋转和描述符）来完成。这些算法可以在图像中找到显著的特征点，并为它们生成描述符，用于后续的特征匹配。
101.特征匹配：将提取到的特征点进行匹配。可以使用如暴力匹配、flann（快速近邻库）匹配等方法来比较描述符之间的相似性。这一步的目标是找到多普勒超声图像中的特征点与近红外图像中的特征点之间的对应关系。在这个过程中，需要考虑可能存在的尺度、旋转和平移差异。
102.几何变换：基于特征点匹配结果，估计两个图像之间的几何变换，如平移、旋转和缩放等。可以通过ransac（随机抽样一致性）、lmeds（最小中值平方误差）或其他鲁棒估计方法来确定这些变换参数。
103.s113.获取多普勒超声图像的血管特征，并基于该血管特征调整模型中对应血管的血管特征。
104.举个例子，s113可以通过以下步骤来实现。
105.首先，进行多普勒超声图像的血管中心线的提取。比如对预处理后的多普勒超声
图像进行二值化处理，将血管区域设置为1（白色），非血管区域设置为0（黑色）。对二值化后的图像进行距离变换。距离变换的目的是将二值图像中的每个像素点的值设置为该点到最近的背景（非血管区域）像素点的距离。这样，血管中心线区域的像素值将较高。找到局部最大值，这些局部最大值点就是血管的中心线，此即为骨架化，可以通过非极大值抑制或者其他方法来实现。然后对可能存在的骨架断裂进行修复，比如可以通过形态学操作（如膨胀、腐蚀、开运算和闭运算）来修复骨架的断裂。
106.然后检测血管中心线上的分支点，可以使用形态学操作如端点检测、分支点检测等方法找到这些点。根据分支点，将血管中心线分成若干段。每段表示两个分支点之间的血管路径。对每段血管路径，提取其血管特征，例如长度、曲率、宽度等。
107.最后基于所提取的血管特征，来对手臂血管模型的相应参数进行修改，重新生成手臂血管模型并作为新预存的手臂血管模型。
108.s2.基于调整后的手臂血管模型获得手臂血管图片集。
109.在对手臂血管模型进行调整后，可以从手臂血管模型得到多角度的多张手臂血管图片，并构成集合。
110.具体的，参照图6，s1包括以下步骤s201-s204。
111.s201.将调整后的手臂血管模型导入三维可视化和渲染软件。
112.将调整后的手臂血管模型导入三维可视化和渲染软件，如blender、maya或3ds max等可以方便地进行后续的图像生成和处理操作。
113.s202.创建虚拟相机，并将虚拟相机放置在距离血管模型一定距离的位置，使其对准手臂血管模型的中心。
114.在软件中创建一个虚拟相机，将虚拟相机放置在距离血管模型一定距离的位置，使其对准血管模型的中心，确保虚拟相机的视野和焦距适合拍摄血管模型，该步骤可以模拟实际拍摄血管图像的过程，以便更真实地反映血管结构。
115.s203.确定旋转步长，基于旋转步长将虚拟相机围绕手臂血管模型的中心旋转，并捕捉图像。
116.该步骤可以从不同角度捕捉手臂血管模型的图像，为后续分析提供更丰富的视角。
117.s204.导出图像并形成手臂血管图片集，其中，手臂血管图片包括有静脉、动脉和/或血管通路图层。
118.捕捉图像并导出形成手臂血管图片集，有利于与其他检测方法（如近红外图像）进行对比和匹配，进一步提高诊断和治疗的准确性。需要注意的是，血管通路是指将动脉和静脉之间人为地建立起来的连接，通常用于血液透析患者。需要注意的是，在使用多普勒超声探头时，探头与皮肤的角度应小于60度。在这个角度范围内，多普勒频移与血流速度的关系较为线性，可以较为准确地测量血流速度。由于在手臂中，动脉血管由近心端朝向远心端沿伸，静脉血管由远心端朝向近心端沿伸，而血管通路则横亘其间，因此能够基于手臂血管图片判别静脉、动脉和血管通路，也能相应地将其分别分为单一的图层。
119.s3.获取浅层血管近红外图像，与手臂血管图片集进行匹配，并显示手臂血管图片集中相匹配的图片。
120.利用血管显像仪进行浅层血管近红外图像的获取，血管显像仪可以和多普勒超声
设备一体设置，并于多普勒超声探头相连接。血管显像仪的工作原理通常基于近红外光（nir）技术。在这种技术下，血管显像仪发射特定波长的近红外光，然后通过高分辨率的成像系统捕捉反射回的光线。由于血红蛋白对近红外光有较强的吸收能力，血管内的血液与周围组织相比，对光的吸收和散射特性有很大差别，这使得血管在图像中能够清晰地显示出来。但是这仅局限于手臂浅层的静脉血管，而难以对血管通路和相连通的动脉进行显示。因此，通过利用浅层血管近红外图像具有的成像面积大、成像速度快的优点，将实时获得的浅层血管近红外图像，可以与手臂血管图片集进行匹配，从而快速地显示手臂血管图片集中相匹配的图片。
121.具体的，参照图7，s3包括以下步骤s301-s302。
122.s301.获取浅层血管近红外图像，并从手臂血管图片集中得到第二匹配结果。
123.在临床中，医生需要观察到血管通路的位置、血管的走向以及血流情况。但是，血管显像仪主要用于显示皮肤表面或近表面的血管结构，对于较深层的血管，尤其是动脉，由于近红外光不容易穿透到达其深度，动脉成像可能较浅较细，或者呈现断续的状态，难以满足临床要求。
124.s302.基于浅层血管近红外图像对第二匹配结果进行变换、对齐和裁剪，并将处理后的第二匹配结果进行显示。
125.基于浅层血管近红外图像对第二匹配结果进行变换、对齐和裁剪，可以确保两种图像之间的对应关系更加精确，有助于医生和相关专业人员更准确地分析血管结构。
126.具体的，参照图8，s302可以包括以下步骤s3021-s3025。
127.s3021.获取浅层血管近红外图像。
128.s3022.对浅层血管近红外图像和手臂血管图片集的各图片的静脉图层进行特征提取和匹配，生成一组匹配点对。
129.对浅层血管近红外图像和手臂血管图片集的各图片的静脉图层进行特征提取和匹配，这些特征可以是血管的几何形状（如长度、曲率等）、血管的拓扑结构（如分叉点、连接关系等），或者血管的空间位置信息。利用特征匹配算法（如sift、surf等）将两张图像中的特征进行匹配。这将生成一组匹配点对，可以用于计算匹配程度。
130.s3023.基于随机抽样一致性算法对匹配点对进行筛选。
131.由于特征匹配可能会产生一些错误的匹配点对，因此需要对这些匹配点对进行筛选。这可以通过随机抽样一致性（ransac）算法或其他鲁棒性方法来实现。
132.s3024.基于筛选后的匹配点对，计算浅层血管近红外图像和手臂血管图片集的各图片之间的变换矩阵。
133.基于筛选后的匹配点对，计算两张图像之间的匹配程度，这可以通过计算匹配点对之间的平均距离、匹配点对占总点数的比例、匹配点对的空间分布等方法来实现。匹配程度可以用一个数值来表示，数值越高，匹配程度越好。根据匹配程度的数值，评估两张图像之间的相似性。基于筛选后的匹配点对，计算浅层血管近红外图像和手臂血管图片集的各图片之间的变换矩阵，有助于建立一个准确的图像间的几何变换关系。
134.s3025.基于变换矩阵来变换手臂血管图片集的各图片以与浅层血管近红外图像对齐，再对变换后的浅层血管近红外图像和手臂血管图片集的各图片进行区域匹配，并得到第二匹配结果。
135.基于变换矩阵来变换手臂血管图片集的各图片以与浅层血管近红外图像对齐，再对变换后的浅层血管近红外图像和手臂血管图片集的各图片进行区域匹配，并得到第二匹配结果，从而实现不同图像之间的准确匹配。
136.s3026.将第二匹配结果进行显示。
137.需要注意的是，第二匹配结果由于与浅层血管近红外图像对齐，因此在屏幕中的第二匹配结果可能相比于手臂血管图片集中的图片为剪裁的局部。另外，近红外血管成像仪也可以是具有显示面板的型号，第二匹配结果可以直接呈现在显示面板上。
138.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
139.在一实施例中，提供一种手臂血管通路的质量管理装置，该手臂血管通路的质量管理装置与上述实施例中手臂血管通路的质量管理方法一一对应。该手臂血管通路的质量管理装置包括图像获取与调整模块、图片集获取模块、图像获取模块、图像匹配模块和图像显示模块。各功能模块详细说明如下：图像获取与调整模块，用于获取预存的手臂血管模型和多普勒超声图像，基于多普勒超声图像调整手臂血管模型；图片集获取模块，用于基于调整后的手臂血管模型获得手臂血管图片集；图像获取模块，用于获取浅层血管近红外图像；图像匹配模块，用于将浅层血管近红外图像与手臂血管图片集进行匹配；图像显示模块，用于显示手臂血管图片集中相匹配的图片。
140.关于手臂血管通路的质量管理装置的具体限定可以参见上文中对于手臂血管通路的质量管理方法的限定，在此不再赘述。上述手臂血管通路的质量管理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
141.在一实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于手臂血管通路的质量管理方法相关的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种手臂血管通路的质量管理方法。
142.在一实施例中，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例手臂血管通路的质量管理方法，例如图2所示s1至步骤s3。或者，处理器执行计算机程序时实现上述实施例中手臂血管通路的质量管理装置的各模块/单元的功能。为避免重复，此处不再赘述。
143.在一实施例中，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例手臂血管通路的质量管理方法，例如图2所示s1至步骤
s3。或者，该计算机程序被处理器执行时实现上述装置实施例中手臂血管通路的质量管理装置中各模块/单元的功能。为避免重复，此处不再赘述。
144.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink） dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
145.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
146.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

技术特征：
1.一种手臂血管通路的质量管理方法，其特征在于，包括以下步骤：获取预存的手臂血管模型和多普勒超声图像，基于多普勒超声图像调整手臂血管模型；基于调整后的手臂血管模型获得手臂血管图片集；获取浅层血管近红外图像，与手臂血管图片集进行匹配，并显示手臂血管图片集中相匹配的图片。2.根据权利要求1所述的手臂血管通路的质量管理方法，其特征在于，所述的预存的手臂血管模型进行预设定的步骤包括：获取若干多普勒超声血管扫描信息，获取二维切片图像和血流速度数据；对采集到的二维切片图像进行图像预处理；从预处理后的图像中提取血管轮廓；将提取到的血管轮廓进行三维建模，得到手臂血管模型；基于多普勒超声收集到的血流速度数据，在手臂血管模型中标定静脉、动脉和血管通路。3.根据权利要求2所述的手臂血管通路的质量管理方法，其特征在于，所述的将提取到的血管轮廓进行三维建模，得到手臂血管模型的步骤包括：从每个二维切片图像中提取血管的轮廓点；将提取的轮廓点组合成一个三维点云；将点云输入到delaunay三角剖分算法，生成得到一个由相互连接的三角形组成的三维网格；基于delaunay三角剖分算法得到由一组三角面片形成的手臂血管模型，其中，所述三角面片连接形成血管结构的三维表面。4.根据权利要求3所述的手臂血管通路的质量管理方法，其特征在于，所述的获取预存的手臂血管模型和多普勒超声图像，基于多普勒超声图像调整手臂血管模型的步骤，包括：获得手臂血管图片集和多普勒超声图像，其中，预存的手臂血管模型对应有手臂血管图片集；将多普勒超声图像与手臂血管图片集进行匹配，并从手臂血管图片集中得到第一匹配结果，建立多普勒超声图像与第一匹配结果的血管建立对应关系；获取多普勒超声图像的血管特征，并基于该血管特征调整模型中对应血管的血管特征。5.根据权利要求4所述的手臂血管通路的质量管理方法，其特征在于，所述的基于调整后的手臂血管模型获得手臂血管图片集的步骤，包括：将调整后的手臂血管模型导入三维可视化和渲染软件；创建虚拟相机，并将虚拟相机放置在距离血管模型一定距离的位置，使其对准手臂血管模型的中心；确定旋转步长，基于旋转步长将虚拟相机围绕手臂血管模型的中心旋转，并捕捉图像；导出图像并形成手臂血管图片集，其中，手臂血管图片包括有静脉、动脉和/或血管通路图层。6.根据权利要求5所述的手臂血管通路的质量管理方法，其特征在于，所述的获取浅层
血管近红外图像，与手臂血管图片集进行匹配，并显示手臂血管图片集中相匹配的图片的步骤，包括：获取浅层血管近红外图像，并从手臂血管图片集中得到第二匹配结果；基于浅层血管近红外图像对第二匹配结果进行变换、对齐和裁剪，并将处理后的第二匹配结果进行显示。7.根据权利要求6所述的手臂血管通路的质量管理方法，其特征在于，所述的获取浅层血管近红外图像，并从手臂血管图片集中得到第二匹配结果的步骤，包括：获取浅层血管近红外图像；对浅层血管近红外图像和手臂血管图片集的各图片的静脉图层进行特征提取和匹配，生成一组匹配点对；基于随机抽样一致性算法对匹配点对进行筛选；基于筛选后的匹配点对，计算浅层血管近红外图像和手臂血管图片集的各图片之间的变换矩阵；基于变换矩阵来变换手臂血管图片集的各图片以与浅层血管近红外图像对齐，再对变换后的浅层血管近红外图像和手臂血管图片集的各图片进行区域匹配，并得到第二匹配结果。8.一种手臂血管通路的质量管理装置，其特征在于，包括：图像获取与调整模块，用于获取预存的手臂血管模型和多普勒超声图像，基于多普勒超声图像调整手臂血管模型；图片集获取模块，用于基于调整后的手臂血管模型获得手臂血管图片集；图像获取模块，用于获取浅层血管近红外图像；图像匹配模块，用于将浅层血管近红外图像与手臂血管图片集进行匹配；图像显示模块，用于显示手臂血管图片集中相匹配的图片。9.一种计算机设备，其特征在于，其包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1至7任一项所述的手臂血管通路的质量管理方法。10.一种计算机可读存储介质，其特征在于，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现：如权利要求1至7任一项所述的手臂血管通路的质量管理方法。

技术总结
本申请涉及一种手臂血管通路的质量管理方法及相关装置，该质量管理方法包括以下步骤：获取预存的手臂血管模型和多普勒超声图像，基于多普勒超声图像调整手臂血管模型；基于调整后的手臂血管模型获得手臂血管图片集；获取浅层血管近红外图像，与手臂血管图片集进行匹配，并显示手臂血管图片集中相匹配的图片。本申请具有提高便携式血管成像仪的显示效率的优点。率的优点。率的优点。


技术研发人员：姚月冬 刘春艳 冯骏 宋俊
受保护的技术使用者：姚月冬
技术研发日：2023.04.12
技术公布日：2023/7/22