[发明专利]基于激光散斑的运动伤害预警方法

权利要求书

1.一种基于激光散斑的运动伤害预警方法，其特征在于，具体包括如下步骤：

1)搭建测试系统，拍摄原始散斑图像：将半导体激光器作为光源，激光光束经扩束镜扩束后均匀照在被测者待测静脉血管上方，图像采集系统为加装有滤光片的近红外CCD相机，CCD相机将数据送计算机进行实时处理；

2)对采集的原始散斑图像进行配准预处理，消除图像抖动并进行消除抖动预处理；

3)计算时间序列下散斑图像的衬比值矩阵；

4)步骤3)所得时间序列下散斑图像的衬比值矩阵进行归一化和伪彩色图处理后提取兴趣点，再考虑目标血管的权值和被试者身高体重指标下，计算时间序列下被测组织的血液动力指标，计算未进行运动前静止状态下的血液动力指标与之的变化比例值；

5)根据被测者的性别，年龄，运动基础设置不同的阈值，阈值与步骤4)所得变化比例值进行比较，对风险进行预警。

2.根据权利要求1所述基于激光散斑的运动伤害预警方法，其特征在于，所述步骤2)具体方法：使用一个3*3的卷积核与原始散斑图像进行卷积，以获得每个像素的空间标准差；使用归一化的相关度量函数对卷积处理后的图像进行迭代优化；最后利用计算得到的配准参数和三次B样条插值方法完成原始散斑图像配准。

3.根据权利要求1或2所述基于激光散斑的运动伤害预警方法，其特征在于，所述步骤3)具体方法：

3.1)预处理之后的图像尺寸为m*n，将图像中每一个像素点灰度值存入二维矩阵F(x，y)，再建立一个矩阵F_sq(x，y)，存放原始散斑图像中每一个像素点灰度值的平方，即F_sq(x，y)中每一个值都是F(x，y)对应位置中数值的平方；

F_sq(x，y)＝F(x，y)*F(x，y) (1)

3.2)将F(x，y)的前w行的数据做向量累加，得到一个初始化的累加和向量S_row，S_row中每一个元素都对应F(x，y)中同一列中的w个像素相加的值；按照同样的方式得到一个初始化的累加平方和向量S_{row_sq}，S_{row_sq}中每一个元素都对应矩阵F_sq(x，y)中同一列中的w个元素相加的值；

3.3)建立一个新的二维矩阵N(x，y)，将步骤四产生的累加和向量S_row作为该矩阵的第一行即N(1，：)；N(1，：)加上原始散斑图像中第w+1行向量F(w+1，：)，再减去原始散斑图像中第1行向量F(1，：)得到的结果就是N(x，y)的第二行N(2，：)；N(x，y)的第二行N(2，：)加上原始散斑图像中第w+2行向量F(w+2，：)，再减去原始散斑图像中第2行向量F(2，：)得到的结果就是N(x，y)的第三行N(3，：)；N(x，y)其余行的数据生成与此类似，N(x，y)第i-1行向量加上原始散斑图像第w+i行向量再减去原始散斑图像第i行向量可得到N(x，y)第i行向量；

N(i，：)＝N(i-1，：)+F(w+i-1，：)-F(i-1，：) (2)

3.4)建立一个新的二维矩阵N_sq(x，y)，将第三步产生的平方累加和向量S_{row_sq}作为该矩阵的第一行；N_sq(x，y)其余行的数据生成与上一步类似，N_sq(x，y)第i-1行向量加上矩阵F_sq(x，y)第w+i行向量再减去矩阵F_sq(x，y)第i行向量可得到N_sq(x，y)第i行向量；

N_sq(i，：)＝N_sq(i-1，：)+F_sq(w+i-1，：)-F_sq(i-1，：) (3)

3.5)将N(x，y)的前w列的数据做向量累加，得到一个初始化的累加和向量S_col，S_col中每一个元素都对应矩阵N(x，y)中同一行中的w个像素相加的值；按照同样的方式得到一个初始化的累加平方和向量S_{col_sq}，S_{col_sq}中每一个元素都对应矩阵N_sq(x，y)中同一行中的w个元素相加的值；

3.6)建立一个新的二维矩阵L(x，y)，将上一步产生的累加和向量S_col作为该矩阵的第一列即L(：，1)；L(：，1)加上矩阵N(x，y)中第w+1列向量N(：，w+1)，再减去矩阵N(x，y)中第1列向量N(：，1)得到的向量结果就是L(x，y)的第二列L(：，2)；L(x，y)其余列的数据生成与此类似，L(x，y)第i-1列向量加上矩阵N(x，y)第w+i列向量再减去矩阵N(x，y)第i列向量得到L(x，y)第i列向量；

L(：，i)＝L(：，i-1)十N(：，w十i-1)-N(：，i-1) (4)

3.7)建立一个新的二维矩阵L_sq(x，y)，将第六步产生的平方累加和向量S_{col_sq}作为该矩阵的第一列；L_sq(x，y)其余列的数据生成与上一步类似，L_sq(x，y)第i-1列向量加上矩阵N_sq(x，y)第w+i列向量再减去矩阵N_sq(x，y)第i列向量可得到L_sq(x，y)第i列向量；

L_sq(：，i)＝L_sq(：，i-1)+N_sq(：，w+i-1)-N_sq(：，i-1) (5)

到为止时，可得到两个尺寸均为(m-w+1)*(n-w+1)的二维矩阵，分别是L(x，y)和L_sq(x，y)；

3.8)计算衬比值

m*n像素的原始散斑图像转换为(m-w+1)*(n-w+1)衬比值矩阵C(x，y)，衬比值矩阵中某一点的值为：

血管部位之上的衬比值包含了血管的管径和流速信息。

4.根据权利要求3所述基于激光散斑的运动伤害预警方法，其特征在于，所述步骤4)时间序列下被测组织的血液动力指标计算方法：

在衬比值矩阵中选取一个参考点(Nor_i，Nor_j)，通常为不包含被测生物组织体的背景，以该参考点对所有的衬比值进行归一化；

将参考点(Nor_i，Nor_j)的8邻域【(Nor_i-1，Nor_j-1)，(Nor_i-1，Nor_j)，(Nor_i-1，Nor_j+1)，(Nor_i，Nor_j-1)，(Nor_i，Nor_j+1)，(Nor_i+1，Nor_j-1)，(Nor_i+1，Nor_j)，(Nor_i+1，Nor_j+1)】衬比值进行累加并求出均值c_m；

将衬比值矩阵C(x，y)中的所有值按公式(7)调整为新值

其中，A是调整因子，是一个常数，取决于C’矩阵中各值的离散程度；

使用伪彩色图技术显示归一化衬比值矩阵C’(x，y)，改变调整因子A获得最佳的显示效果，此时血管组织与背景有很强的对比度，可提取出静脉血管的轮廓；使用空间聚类的方式提取目标血管，画出矩形ROI区域；

在目标血管中选取三个观察点，将三个观察点的平均衬比值记作L，血管动力指标K的公式为：

K＝(α*L)/BMI (8)

其中，α为目标血管依据重要性得到的权值，其范围为[0-1]；BMI是被试者身高体重指标，单位为kg/m²。