近红外静脉图像可视化算法

李世银，随秀玲，王雪城，聂余满

(1.中国矿业大学 信息与电气工程学院，江苏 徐州 221116；2.中国科学院 合肥智能机械研究所，安徽 合肥 230031)

近红外静脉图像可视化算法

李世银1，随秀玲1，王雪城1，聂余满2

(1.中国矿业大学 信息与电气工程学院，江苏 徐州 221116；2.中国科学院 合肥智能机械研究所，安徽 合肥 230031)

目前的静脉访问辅助设备通常利用近红外成像技术采集静脉图像。在直方图均衡化增强静脉图像的基础上，针对手背静脉穿刺辅助装置的实时性要求，提出按键触发检测的方式来实现静脉血管宽度可视化算法。该算法在医护领域进行实际系统的临床应用，可有效提高静脉访问成功率、减轻医护人员工作难度并造福病人。

静脉访问；感兴趣区域；静脉宽度

快速准确地找到静脉位置是医疗护理中的常见需求，全世界每天有数亿患者需要进行静脉访问治疗。传统的静脉访问方法主要依靠医护人员的肉眼和经验来识别，在皮肤表面静脉特征不明显的情况下很难实现，更无法做到深度静脉的精准可靠的判别。由此引起的多次穿刺失败，易造成医疗处理上的困难和病人的痛苦，严重的甚至引发医疗纠纷。目前的静脉访问辅助设备通常利用近红外成像技术采集静脉图像，通过图像增强处理改善静脉血管图像模糊、不均匀的特性。本研究目的是开发一种近红外静脉图像特征增强及可视化算法，以提高静脉访问辅助设备的成像性能。

1 静脉血管切面模型

静脉图像中沿着血管方向的灰度值不会存在很大变化，而血管切面方向的灰度值呈“明—暗—明”的变化规律，在数学上近似为高斯分布[1]。如图1为手背静脉血管横切面数学模型。

图1 手背静脉横切面数学模型

假设血管方向竖直，图1a为静脉血管模型，图1b为血管模型横截面处的灰度值分布。图1a中血管模型的骨架(血管中心线)在图1b中表现为像素灰度值的局部最小值处。血管骨架两边像素的灰度值逐渐增大，具有一定的单调性。血管横截面高斯模型定义如下

(1)

2 静脉血管宽度检测算法

通过以上分析，可知静脉血管空间分布特征近似为高斯分布。即静脉血管边缘像素点的梯度值有明显增大趋势，且血管中心线上像素灰度值为局部最小值。

图2为手背静脉图像以及其对应横截线上像素点灰度分布图。其中图2a是手背静脉图像，虚线为血管图像中的横截线，记录横截线上像素灰度值绘制成灰度曲线图2b。因为静脉穿刺只考虑手背中心区域静脉，所以本文在手背中心 360×360区域内手动获取横截线进行观测，其长度为360个像素。

图2 手背静脉图像及其对应横截线上灰度分布图

横截线上有4条清晰的静脉，如图2a中椭圆框标记。由于图像增强后存在噪点，图2b中灰度值分布曲线存在较大跳动，通过观察可以看出血管位置分布在曲线的波谷处。为了方便计算，在检测血管位置之前，先对检测区域进行高斯滤波，滤波后横截线处的灰度值分布曲线图如图2c所示。由图可知，原先抖动的曲线变得平滑，且局部最小值点对应着横截线上静脉骨架上的像素点。利用这一特征可以寻找横截线上局部极小值点以定位静脉位置。

本文通过计算图像横向梯度，设定阈值以确定血管边缘。算法目标是实时在线显示静脉图像中标记行中可穿刺血管的宽度，若要测量其他部位血管宽度，移动测试者手背位置即可。图3为单一静脉宽度可视化算法示意图，其算法思路如下：

1)手动设置感兴趣区域[2](Region of Interest，ROI)，在区域内设定宽度检测行L0，在进行静脉宽度检测时，只需将待检测点移至宽度检测行L0上。

2)计算L0行上所有静脉的横向宽度，同时计算辅助行(如图3所示)中静脉横向宽度，找出辅助行中静脉的骨架位置，计算出静脉方向修正角度θ。通过静脉方向修正角度对静脉方向进行修正，计算出检测行L0中各静脉宽度。

图3 静脉宽度可视化算法示意图

3)本研究采用的像机帧率为50 f/s(帧/秒)，在线显示的静脉宽度值跳动速度较大，肉眼难以观测。为了使静脉宽度输出值更加稳定，本文采用一种近似迭代滤波的方法，以加权的方式将每一帧对应位置的静脉宽度相加得到稳定可靠的静脉宽度输出值。

具体的静脉宽度可视化算法实现步骤如下：

1)通过按键触发静脉宽度显示模式，此时在图像中设置静脉宽度检测行L0，将待检测的静脉移动至检测行上，进行下一步操作。

2)设置ROI并进行高斯滤波去噪：在检测行四周设定感兴趣区域ROI，区域大小为360×180。接着对ROI内数据进行高斯滤波。

3)血管左边界点检测：从左向右计算检测行相邻两像素点的梯度g，当g大于阈值g0时，像素灰度值有明显下降趋势，认为此时的像素点x1为可能的血管左边界。

4)血管边界预判：寻找像素点x1后的第一个极小值点xpmin，认为此点为静脉血管骨架点，从点xpmin向左向右检测血管边界。血管边界检测原则：左右边界点处灰度梯度值为局部极大值；从左边界像素点到血管骨架点xpmin内的像素点灰度值呈下降趋势，血管骨架点xpmin到血管右边界点内的像素点灰度值呈上升趋势(不一定单调)。若不符合，返回第3)步；若符合，进入下一步。

5)血管边界判别：判断血管左右边界的准确性，删除横向宽度过大和过小的结果。通过以上操作可检测到L0行上血管宽度信息，包括血管横向边界点lbi和rbi以及血管骨架点ci，从左向右依次保存血管数据。其中：0≤i≤n，n为检测行上的血管数量，一般情况下n不大于10。

6)血管方向修正：采用与检测L0行血管宽度信息相同的方法，检测两辅助行(L0-d行和L0+d行)中，与L0行的静脉骨架点ci对应的点ci-d和ci+d，这些静脉骨架点记录了静脉血管的方向信息。各血管中的骨架点ci-d和ci+d的连接线，即为该血管在检测行L0上的方向，如图3所示。方向修正角度通过以下公式计算

(2)

(3)

式中：xci-d和xci+d分别为辅助行静脉骨架点处像素横坐标值；θi为方向修正角。

修正后的静脉宽度wi可表示为

wi=(rbi-lbi)×cosθi

(4)

式中：θi为方向修正角；lbi和rbi分别为静脉血管i的左边界点和右边界点。

7)帧间数据迭代滤波：为了减少外界因素对图像的影响，本文用累加滤波的方式计算静脉宽度的最终结果

(5)

从式(5)可以看出，在计算静脉血管宽度累计值时，当前帧相应的血管宽度值所占权重较低，系统在受到外界不确定因素影响时，算法检测出的血管宽度仍然较稳定，受外界因素干扰小，累加滤波的最终结果可靠性较高。

3 检测实现及结果

本文设置每30帧显示一次更新后的静脉宽度，期间不断加权累加每一帧计算到的静脉宽度，如式(5)所示，当前帧静脉宽度值权重较低，而当前帧前的累加宽度值权重较高。所以，在需要测量手背其他位置上的静脉宽度时，按下数据清除按键，可清除血管宽度累计值，并重复以上宽度检测步骤。

手背静脉宽度可视化算法效果，如图4所示。

图4 手背静脉宽度可视化算法效果

4 小结

在医疗领域中，静脉访问辅助设备不断出新，本文在增强静脉图像的基础上，主要介绍手背静脉宽度检出算法，通过分析手背静脉切面模型，找出静脉截面特征，从静脉图像中提取静脉宽度信息，然后以一种迭代滤波的方式提高静脉宽度信息的可靠性。进一步提高了图像的清晰度，并实现了静脉特征可视化，为静脉访问提供更多可靠的访问信息。

[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] 潘晓苹，汪天富.手背静脉图像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] 张红梅，彭淑梅，王波.儿科医疗纠纷原因分析与防范[J]. 现代医院，2008，8(5)：111-112.

[7] 扈爱华，刘青.儿科门诊输液常见医疗纠纷与对策[J]. 中国误诊学杂志， 2002(10)： 1543.

李世银(1971— )，教授，主要研究方向为网络拥塞控制、矿井通信与监控、煤矿信息化；

随秀玲(1992— )，硕士生，研究方向为图像处理和网络编码；

王雪城(1987— )，研究生，研究方向为图像处理；

聂余满(1981— )，工学博士，研究方机械视觉及行为识别。

责任编辑：时 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

江苏省科技支撑计划项目(BE2014045)

TP391.4

A

10.16280/j.videoe.2015.17.009

2015-01-16

【本文献信息】李世银，随秀玲，王雪城，等.近红外静脉图像可视化算法[J].电视技术,2015，39(17).