主权项：
1.一种基于连续超声图像的无创颅内压测量方法，其特征在于：所述方法包括如下步骤，第一步，自动标记视神经鞘位置；具体为：步骤1.1，基于K折交叉验证思想，使用带权重的最小二乘估计方法，得到视神经鞘的通用模板；(1.1.1)通过超声方法获得1000份连续超声图像，从每份连续超声图像中，选择1帧质量较好的图像，标记出视神经鞘位置，视神经鞘位置的大小为200*100像素，作为学习模板；将1000个学习模板随机分成10组，每组100个学习模板，用其中的9组作为监督学习的训练集，剩余的1组作为验证集；(1.1.2)对训练集中的900个学习模板进行基于灰度的线性归一化处理：In(x,y)＝(I(x,y)-Imin)/(Imax-Imin)(1)公式(1)中，I(x,y)表示原图像中在位置(x,y)像素灰度，In(x,y)表示归一化后的图像在位置(x,y)像素灰度，Imin、Imax分别代表原图中灰度的最小值和最大值；每个学习模板的视神经鞘位置图像大小为200*100像素，将其视为100个200维的列向量；记第j个学习模板的第i列为fji，将通用模板的第i列记gi；式(2)中，kj为每个学习模板在训练学习中的超参数，且满足式(3)的约束条件，初始值设为kj＝1.00，j＝1,2,...,900；i＝1,2,…,100；基于代价函数E1学习通用模板，确定每一列的权重系数α1,α2,...,α100的值，代价函数E1定义为：用最小二乘法求得式(4)中权重系数α1,α2,...,α100，从而得到通用模板Imodel，用矩阵形式表示如下：Imodel＝[α1*g1,...,αi*gi,...,α100*g100](5)(1.1.3)将通用模板Imodel应用于验证集，计算匹配度M；(1.1.4)如果匹配度M小于90％，则调整超参数kj重新训练通用模板，进而改变公式(4)中的权重系数α1,α2,...,α100，得到新的通用模板；(1.1.5)重复步骤(1.1.2)～(1.1.4)，使得10组学习模板的每一组作为验证集时，Imodel均满足匹配度M要求，则Imodel作为视神经鞘的通用模板；步骤1.2，基于SSDA算法，使用步骤1.1获得的通用模板Imodel，为每一份连续超声图像进行自动标记；(1.2.1)随机选取一份连续超声图像，基于通用模板Imodel，使用SSDA算法，为每份连续超声图像标记剩余帧；(1.2.2)对自动标记的帧进行核对，挑选出标记不正确的帧，总和记为Ferror，连续超声图像的总帧数即总图像数是Ftotal，若错误率：Ferror/Ftotal*100％≤1.00％，认为标记合格，符合要求；否则对标记不正确的帧进行分析，判定当前帧图像质量，若确定质量差，删除此帧；返回步骤(1.2.1)，修改阈值取值th1＝th0+εth，εth为学习的步长，设为0.8；(1.2.3)重复(1.2.1)～(1.2.2)，直至对全部1000份连续超声图像自动标记的错误率均符合要求；第二步，自动检测视神经鞘平面外运动；平面外运动是指超声探头的运动，在垂直于采集平面的方向上的分量；若图像序列存在平面外运动，则视神经鞘的运动分析会产生误差，因此必须将其剔除；设计并验证平面外运动的判别准则，以此判断存在平面外运动的帧；基于判别准则，设计并验证图像序列重构准则，评估图像序列中被剔除的图像比例为多少时，导致对视神经鞘的运动分析误差过大；第三步，估计视神经鞘运动；视神经鞘运动的过程中，周围组织也会受迫运动，因此在检测视神经鞘运动的同时，为周围组织建立运动模型，将两者结合在一起，给出视神经鞘的运动估计；具体为：视神经鞘主体的运动估计，采用块匹配算法及光流算法，得出运动估计如下：M(t)＝a0+a1cos(ωft)+b1cos(ωft)(17)式中，M(t)表示t时刻视神经鞘的位置；a0表示视神经鞘的中心位置；a1表示正弦基频分量的振幅；b1表示余弦基频分量的振幅；ωf＝2πm/60；已知心跳率为m，单位是bpm，即每分钟搏动次数；步骤3.1:在重构后的图像序列中，基于SURF特征点匹配，得出重构后的前后两帧对应点的运动矢量；步骤3.2:拟用二阶阻尼运动模型拟合视神经鞘周围组织的运动；结合人工标记的连续超声图像，对二阶阻尼运动模型进行参数的训练；设二阶阻尼运动模型运动遵循如下特征方程：欠阻尼状态下，解为：x(t)＝ce-βtsin(ωt+θ)(19)式中，c表示阻尼运动的初始幅度，ω为脉搏波动的频率，β＝2ξω0，ξ为阻尼比，ω0为自然频率；和分别表示x(t)的一阶导数和二阶导数；θ表示阻尼运动的初始相位；步骤3.3：随机选取医生或专家标记的100份连续超声图像，基于分析图像得出的视神经鞘运动结果，用线性拟合K＝(k1,k2,k3)T，求解如下超定方程:k1*ai+k2*bi+k3*ci＝Ai(21)式中，ai表示第i份连续超声图像中视神经鞘位置的正弦基频分量的振幅；bi表示第i份连续超声图像中视神经鞘位置的余弦基频分量的振幅；ci表示视神经鞘周围组织阻尼运动的初始幅度；令b＝(A1,A2,...,A100)T,表示经医生或专家确认过的视神经鞘位移；K＝(k1,k2,k3)T；令则公式(21)的矩阵形式为：G*K＝b(22)得出最小二乘解：K＝(GT*G)-1*GTb(23)步骤3.4：给定一份新的连续超声图像，结合式(17)、式(19)和式(21)，得出视神经鞘的运动估计A；视神经鞘有左右之分，计算方法一样；因此同样方法得到Aleft和Aright，分别表示左右视神经鞘的位移，并用如下公式表示视神经鞘刚度Δ：步骤3.5：将K＝(k1,k2,k3)T应用到剩余的900份连续超声图像中验证，确认视神经鞘刚度Δ的计算是否满足要求，否则按照步骤1.1的方法，调整参数；通过测量视神经鞘刚度的方法来实现颅内压的测量。
