專利名稱：基于多鄰域輔助二維超聲形變組織圖像跟蹤方法及裝置的制作方法
技術領域：
本發(fā)明涉及醫(yī)學設備領域中的超聲圖像追蹤技術，尤其是一種基于多鄰域輔助二維超聲形變組織圖像跟蹤方法及裝置。
背景技術：
超聲心臟圖像的組織追蹤是基于組織多普勒顯像的一種新技術，它通過測定房室平面位移，能夠評價心肌的收縮、舒張功能，除了能夠評價心臟整體功能，而且更主要應用于評估心室局部功能，因此它在心肌缺血的早期檢出、梗死心肌的成活性評價、預測心臟病預后中有重要意義。現(xiàn)有的二維組織跟蹤技術主要有快匹配法，像素遞歸法，基于頻域的方法，基于特征匹配的方法等等，塊匹配法由于簡單和易于硬件實現(xiàn)而被廣泛采用，但是其缺點是穩(wěn)定性差且受噪聲影響大?，F(xiàn)有技術常把圖像分成個定若干相同大小的塊，采用塊匹配法，其基本思路是選取相鄰兩幀圖像的圖形塊進行匹配，尋找最有匹配塊，常用的有求絕對和差SAD 算法，最小均方誤差LSE法，歸一化互相關函數(shù)NCCF法。有的學者提出多層搜索算法加快搜索速度，有的采用傅立葉變換為基礎的分析方法，但是，以上各個方法，其跟蹤是以一個基本源興趣區(qū)域(ROI)為跟蹤區(qū)域，沒有專門考慮鄰域影響問題。但實際超聲心動圖噪音較大，即使源ROI區(qū)域的跟蹤是精確的，但是，由于噪音的影響，讓這次精確的跟蹤偏離了實際的組織運動，所以，單區(qū)域的跟蹤存在重大缺陷，因此必須結合考慮其鄰域的跟蹤結果， 減少噪音的影響。現(xiàn)有的二維組織跟蹤技術，例如在中國發(fā)明專利20101(^846 . 1中公開了一種基于分級重心估計的二維超聲形變組織圖像跟蹤方法，是把某幀圖像的興趣ROI分為16 級子區(qū)域，分別求出各個子區(qū)域的重心；并通過遍歷搜索區(qū)域，以各個子區(qū)域重心位置相似差最小化為標準，求得下一幀圖像ROI新位置可能的16個位置；再根據(jù)SAD方法，選擇一個與上一幀圖像ROI差別最小的作為斑點跟蹤的結果。本發(fā)明能夠有效降低傳統(tǒng)手動跟蹤計算斑點位置的工作量，提高處理的實際和數(shù)據(jù)處理的重復性，同時，相比傳統(tǒng)SAD 斑點跟蹤方法，本發(fā)明通過多區(qū)域重心估計匹配的方法，特別有利于形變組織的跟蹤。
發(fā)明內容
本發(fā)明的目的是提供一種具有良好的抗噪性，特別有利于運動組織的運動評估和參數(shù)計算利用精度參數(shù)的基于多鄰域輔助二維超聲形變組織圖像跟蹤方法及裝置。本發(fā)明的技術方案是一種基于多鄰域輔助二維超聲形變組織圖像跟蹤方法，包括如下步驟
(1)在高幀頻條件下采集本受試心臟對象的二維超聲心動圖用于脫機分析；
(2)圖像濾波預處理；
(3)任意采集一張原始超聲心動圖像I作為交互式感興趣區(qū)域選取的初始幀；
(4)將興趣區(qū)域置于特征區(qū)域，所謂的特征區(qū)域，應具有以下性質(a)在超聲投影范圍之內，雖然整個超聲圖像是長方形，但是超聲采集有效區(qū)域為扇形區(qū)域；
(b)具有一定灰度，不能是全黑色區(qū)域； 其特征在于，所述方法還包括如下步驟
(5)在圖像I上，在初始幀上選擇初始興趣區(qū)域ROI；
(6)確定斑點跟蹤在整個圖形中的搜索遍歷范圍；
(7)設定跟蹤精度；
(8)根據(jù)跟蹤精度，在遍歷范圍內定位各跟蹤的初始區(qū)域；
(9)計算得到各個跟蹤的結果矢量；
(10)平均各個跟蹤結果，設為I上ROI在Il上的跟蹤結果；
(11)重復上文(5)—( 10)的步驟，直到所有圖像都被跟蹤。上述跟蹤方法的附加技術方案如下 優(yōu)選地，在步驟(6)中
令(ΥΛ)和O2J2)為ROI的
左上和右下點以像素為單位的整數(shù)坐標，其搜索的遍歷范圍為 X 方向=X1-(X2-X1) |lj X2 + ( - J1)
Y 方向Λ — O2 —Λ)到Λ +(Λ —Λ)。優(yōu)選地，在步驟(7)中精度d設定為1到X2 - X1XO72 - )。優(yōu)選地，在步驟(8)中根據(jù)跟蹤精度，在遍歷范圍內定位各跟蹤的初始區(qū)域各跟蹤鄰域初始區(qū)域的范圍為
X 方向!X1-(X2-X1) +i ^d 到 X1 - (x2 -x^+i^-d + (x2 -X1)
y 方向- O2 -Λ)+1 到Λ -( ) + 產d + 0 -Λ)
其中i為輔助鄰域跟蹤子區(qū)域序號，其范圍為1到( - )/^。優(yōu)選地，在步驟(9)中的計算方法是下述方法中的一種
設定各個子輔助鄰域的跟蹤區(qū)域為此區(qū)域為中心，圍繞其同樣大小的八個塊構成，然后在此搜索區(qū)域內尋找其跟蹤矢量，具體的跟蹤方法有 A)求和絕對差SAD算法
權利要求
1.一種基于多鄰域輔助二維超聲形變組織圖像跟蹤方法，包括如下步驟(1)在高幀頻條件下采集本受試心臟對象的二維超聲心動圖用于脫機分析；(2)圖像濾波預處理；(3)任意采集一張原始超聲心動圖像I作為交互式感興趣區(qū)域選取的初始幀；(4)將興趣區(qū)域置于特征區(qū)域，所謂的特征區(qū)域，應具有以下性質(a)在超聲投影范圍之內，雖然整個超聲圖像是長方形，但是超聲采集有效區(qū)域為扇形區(qū)域；(b)具有一定灰度，不能是全黑色區(qū)域；其特征在于，所述方法還包括如下步驟(5)在圖像I上，在初始幀上選擇初始興趣區(qū)域ROI；(6)確定斑點跟蹤在整個圖形中的搜索遍歷范圍；(7)設定跟蹤精度；(8)根據(jù)跟蹤精度，在遍歷范圍內定位各跟蹤的初始區(qū)域；(9)計算得到各個跟蹤的結果矢量；(10)平均各個跟蹤結果，設為I上ROI在Il上的跟蹤結果；(11)重復上文(5)—( 10)的步驟，直到所有圖像都被跟蹤。
2.根據(jù)權利要求1所述的基于多鄰域輔助二維超聲形變組織圖像跟蹤方法，其特征在于，在步驟(6)中，令O1,Λ)和 ( , )為ROI的左上和右下點以像素為單位的整數(shù)坐標，其搜索的遍歷范圍為X 方向Xf (X2-X1)到 H + ( — )γ 方向Λ -( ->'ι)到)'2 +0 -yo。
3.根據(jù)權利要求2所述的基于多鄰域輔助二維超聲形變組織圖像跟蹤方法， 其特征在于，上述跟蹤方法的附加技術方案如下在步驟(7)中精度d設定為1到^2- ).1 -. ))。
4.根據(jù)權利要求3所述的基于多鄰域輔助二維超聲形變組織圖像跟蹤方法，其特征在于，在步驟(8)中根據(jù)跟蹤精度，在遍歷范圍內定位各跟蹤的初始區(qū)域各跟蹤鄰域初始區(qū)域的范圍為X 方向巧—( — )+i 至1J — ( — ) +2 *d + ( — X1)y 方向Λ - 0 ) +產rf 到Λ -CF2 —Λ )+產d + 0 -Λ)其中i為輔助鄰域跟蹤子區(qū)域序號，其范圍為1 IlJ(X2-X1)^。
5.根據(jù)權利要求4所述的基于多鄰域輔助二維超聲形變組織圖像跟蹤方法，其特征在于，在步驟(9)中的計算方法如下，設定各個子輔助鄰域的跟蹤區(qū)域為此區(qū)域為中心，圍繞其同樣大小的八個塊構成，然后在此搜索區(qū)域內尋找其跟蹤矢量，跟蹤方法是求和絕對差 SAD算法，M N厶(《，《)-Λ-ι( + ，《+川，其中，.、為位移矢量，f，f 分別為 M-I κ-1^J'J}Jk Jm當前幀和下一幀的灰度值，M，N為塊的大小，如在某一點(‘Λ)處·(WJc)達到最小，則該點為要尋找的最優(yōu)匹配點。
6.根據(jù)權利要求4所述的基于多鄰域輔助二維超聲形變組織圖像跟蹤方法，其特征在于，在步驟(9)中的計算方法如下，設定各個子輔助鄰域的跟蹤區(qū)域為此區(qū)域為中心，圍繞其同樣大小的八個塊構成，然后在此搜索區(qū)域內尋找其跟蹤矢量，跟蹤方法是最小均方誤差MSE法^MN2MSEQ,/) = τ--Σ Σ [ΛMNtitfiJMSE最小的是最佳匹配點。
7.根據(jù)權利要求4所述的基于多鄰域輔助二維超聲形變組織圖像跟蹤方法，其特征在于，在步驟(9)中的計算方法如下，設定各個子輔助鄰域的跟蹤區(qū)域為此區(qū)域為中心，圍繞其同樣大小的八個塊構成，然后在此搜索區(qū)域內尋找其跟蹤矢量，跟蹤方法是歸一化互相關函數(shù)NCCF法μ雙Σ Σ y'k (m'n、—/w + ，《+·/) INCCFQ J) - M「M JVt 「M JT ΣΣ/加《) 餓面I S-I 一_ ？a-I sJ, JNCCF的最大相關系數(shù)取值點就是最佳匹配點。
8.根據(jù)權利要求5或6或7所述的基于多鄰域輔助二維超聲形變組織圖像跟蹤方法， 其特征在于，在步驟(10)中平均各個跟蹤結果，設為I上ROI在Il上的跟蹤結果每個子鄰域的跟蹤結果，是采用X，y方向的移動表征，最后的跟蹤結果為A、，一 2-1ηη其中η為( - )/^ (取值為1或2)為該跟蹤子鄰域中心點所處子區(qū)域權重系數(shù)， 其位置與相應值為中心區(qū)域為2，圍繞中心區(qū)域的周邊八個區(qū)域均為1 ；幀Il上的最終跟蹤坐標為 4 = X1 +Δζ , χ; = X2+Ax , = y1 +Ay , y2 = y2 +Ay。
9. 一種實施權利要求1所述方法的裝置，其特征在于該裝置包括心電圖信號采集裝置和處理心電圖信號采集裝置采集數(shù)據(jù)的計算機，在計算機中按權利要求1所述步驟對信號進行處理。
全文摘要
本發(fā)明設計一種基于多鄰域輔助二維超聲形變組織圖像跟蹤方法，該方法首先在高幀頻條件下采集受試心臟對象的二維超聲心動圖用于脫機分析；然后以任意可見圖像作為興趣區(qū)域(ROI)選取的初始幀，使ROI包括心肌組織，并同時排除灰度信號干擾；當在原始圖像I上的初始幀ROI選取完畢后，設定以原ROI為中心，連同包裹其四周的8個同大小區(qū)域作為新的搜索源區(qū)域，并通過SAD算法遍歷此搜索區(qū)域中所有大小為原ROI大小的所有子區(qū)域的跟蹤矢量，最后將各個跟蹤矢量進行加權平均，即得到原ROI的跟蹤結果。相比傳統(tǒng)SAD跟蹤方法，本發(fā)明充分考慮了ROI鄰域的跟蹤結果，具有良好的抗噪性，特別有利于運動組織的運動評估和參數(shù)計算。
文檔編號A61B8/08GK102217953SQ20111016458
公開日2011年10月19日 申請日期2011年6月17日 優(yōu)先權日2011年6月17日
發(fā)明者尹立雪, 蔣體鋼 申請人:四川省醫(yī)學科學院(四川省人民醫(yī)院)