一種全自動超聲造影圖像分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于超聲造影成像技術(shù)領(lǐng)域，尤指一種全自動超聲造影圖像分割方法。
【背景技術(shù)】
[0002] 超聲成像是目前比較成熟的無創(chuàng)檢測方式，相比于CT和MRI(Magnetic Resonance Imaging,磁共振成像），超聲診斷具有福射少、費用便宜、操作方便等優(yōu)勢，使得超聲診斷成 為臨床的首要檢查手段。超聲造影技術(shù)是利用造影劑使散射回聲增強(qiáng)，可W有效提高超聲 診斷的分辨力、敏感性和特異性。因此，超聲造影成像被喻為超聲技術(shù)的第Ξ次革命。目前， W非線性檢測方法進(jìn)行造影劑微泡的成像是目前超聲造影的主要方法。
[0003] 在發(fā)明名稱為一種超聲造影成像方法及造影圖像的區(qū)域檢測、顯像方法（【申請?zhí)枴?CN201310719832.4)的專利申請中，采取的技術(shù)方案是W非線性基波造影圖像為基礎(chǔ)，結(jié)合 非線性基波和線性基波信息，識別區(qū)分非線性基波造影圖像中的造影劑區(qū)域、組織殘留和 噪聲區(qū)域，抑制組織殘留，增強(qiáng)造影劑信息，進(jìn)而提高造影圖像的信噪比。然而，采用現(xiàn)有技 術(shù)中的超聲造影方法，檢測到的造影劑信號中難免混入組織成分。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)方案存在的不足，本發(fā)明提出了一種改進(jìn)超聲血管造影圖像質(zhì)量的 圖像分割方法。
[0005] 本發(fā)明提出的全自動超聲造影圖像分割方法包括:步驟1，采集并存儲超聲造影圖 像序列，構(gòu)造多帖超聲造影圖像序列的帖間灰度標(biāo)準(zhǔn)差矩陣;步驟2,對所述帖間灰度標(biāo)準(zhǔn) 差矩陣進(jìn)行形態(tài)學(xué)濾波，再進(jìn)行二值化，獲得超聲造影區(qū)域的初始輪廓線;步驟3，利用連續(xù) 多帖超聲造影圖像序列的帖間灰度標(biāo)準(zhǔn)差矩陣和灰度中值矩陣，構(gòu)建基于Snake活動輪廓 模型的能量方程;步驟4，將所述初始輪廓線代入所述能量方程進(jìn)行多次迭代，獲得超聲造 影區(qū)域的最終輪廓線，實現(xiàn)對超聲造影區(qū)域的分割。
[0006] 本發(fā)明提出的全自動超聲造影圖像分割方法，考慮到超聲造影微泡隨動脈血液的 高速流動特性，在連續(xù)多帖超聲造影圖像中，造影區(qū)域的圖像灰度差要明顯大于血管和周 圍組織區(qū)域，基于造影區(qū)域在運一特性的顯著差異，實現(xiàn)精確的超聲造影區(qū)域圖像分割，避 免非線性基波和線性基波區(qū)分不清造成的誤差。本發(fā)明在應(yīng)用時可W明顯提高超聲造影圖 像的信噪比，有利于臨床診斷。
【附圖說明】
[0007] 此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，并不 構(gòu)成對本發(fā)明的限定。在附圖中：
[000引圖1為本發(fā)明一實施例的全自動超聲造影圖像分割方法流程圖。
[0009]圖2為本發(fā)明一具體實施例的大鼠頸動脈超聲造影圖像。
[0010]圖3為本發(fā)明一具體實施例的IFGS姻像。
[0011] 圖4為本發(fā)明一具體實施例形態(tài)學(xué)濾波和二值化后獲得的二值化圖像。
[0012] 圖5為本發(fā)明一具體實施例獲得初始輪廓線后的圖像。
[0013] 圖6為本發(fā)明一具體實施例最終分割得到的圖像。
【具體實施方式】
[0014] W下配合圖示及本發(fā)明的較佳實施例，進(jìn)一步闡述本發(fā)明為達(dá)成預(yù)定發(fā)明目的所 采取的技術(shù)手段。
[0015] 圖1為本發(fā)明一實施例的全自動超聲造影圖像分割方法流程圖。如圖1所示，該方 法包括：
[0016]步驟1，局帖頻義集并存儲超聲造影圖像序列，構(gòu)造多帖超聲造影圖像序列的帖間 灰度標(biāo)準(zhǔn)差（Inter Rrame Grayscale Standard Difference，IFGSD)矩陣。
[0017]步驟2,對所述帖間灰度標(biāo)準(zhǔn)差矩陣進(jìn)行形態(tài)學(xué)濾波(mor地ological filter)，再 進(jìn)行二值化，獲得超聲造影區(qū)域的初始輪廓線。
[0018] 具體的，步驟1及步驟2是基于多帖超聲造影圖像帖間灰度差，獲得造影區(qū)域的初 始輪廓線。上述步驟是基于超聲造影微泡隨動脈血液的高速流動特性，動脈內(nèi)血流速度遠(yuǎn) 遠(yuǎn)大于動脈及周圍組織的自身運動速度，血液中的造影微泡動脈血液高速流動；通過比較 連續(xù)兩幅或多幅的超聲造影圖像會發(fā)現(xiàn)，造影區(qū)域的灰度變化很大，而血管壁和組織區(qū)域 變化較小?；谶B續(xù)多帖超聲造影圖像在造影和組織區(qū)域的圖像灰度差異，可W獲得超聲 造影圖像的初始輪廓線。
[0019] 在步驟1中，義集并存儲超聲造影圖像序列，構(gòu)造多帖超聲造影圖像序列的帖間灰 度標(biāo)準(zhǔn)差矩陣，假設(shè)有2k+l帖連續(xù)的超聲造影圖像序列，則IFGSD矩陣表示為：
[0020]
[0021] 其中，D表示化+1帖連續(xù)的超聲造影圖像序列的帖間灰度標(biāo)準(zhǔn)差矩陣，It為該超聲 造影圖像序列中第t個超聲造影圖像的灰度值，7是2k+l帖連續(xù)的超聲造影圖像序列的平 均值。
[0022] 在步驟2中，對IFGSD矩陣進(jìn)行形態(tài)學(xué)濾波所利用的公式為：
[0023] F=(D〇SE)·沈；（2)
[0024] 其中，F(xiàn)為進(jìn)行形態(tài)學(xué)濾波后獲得的圖像，SE是結(jié)構(gòu)模塊，0和?分別是開運算和閉 運算。
[0025] 在步驟2中，進(jìn)一步對圖像F進(jìn)行二值化處理，獲得二值化圖，并基于該二值化圖獲 得超聲造影區(qū)域的初始輪廓線。
[0026] 步驟3,利用連續(xù)多帖超聲造影圖像序列的帖間灰度標(biāo)準(zhǔn)差矩陣和灰度中值矩陣， 構(gòu)建基于Snake活動輪廓模型的能量方程。
[0027] 基于Snake活動輪廓模型的能量方程為內(nèi)部能量函數(shù)和外部能量函數(shù)之和，其中， 內(nèi)部能量函數(shù)為：
[002引
[0029] 其中，v(s) = [x(s)，y(s)]，se[0，l]為初始輪廓，α和β分別代表輪廓的彈性和剛 性
?是初始輪廓上節(jié)點數(shù)；
[0030] 外部能量函數(shù)為：
[0031]
[0032] 其中，
是連續(xù)多帖超聲造影圖像序列的中值，丫 1和丫 2為約束系 數(shù)，G。是高斯函數(shù)，*是卷積運算符，V是梯度運算符，m，n用于表示濾波窗口，x，y是窗口內(nèi)的 一個點。
[0033]
I中值濾波函數(shù)，m X η為濾波窗口，X，y是窗口內(nèi)的一個點。此處計算是 在mXn的中值濾波窗口中，對所有屬于窗口內(nèi)的點（x，y) e [m，n]進(jìn)行中值計算，然后將運 個中值賦給窗口內(nèi)的所有點。
[0034] 步驟4,將所述初始輪廓線代入所述能量方程進(jìn)行多次迭代，獲得超聲造影區(qū)域的 最終輪廓線，實現(xiàn)對超聲造影區(qū)域的區(qū)分和分割。
[0035] 本發(fā)明所利用的IFGSD矩陣能夠凸顯超聲造影圖像區(qū)域，抑制組織區(qū)域。
[0036] 為了對上述全自動超聲造影圖像分割方法進(jìn)行更為清楚的解釋，下面結(jié)合一個具 體的實施例來進(jìn)行說明，然而值得注意的是該實施例僅是為了更好地說明本發(fā)明，并不構(gòu) 成對本發(fā)明不當(dāng)?shù)南薅ā?br>[0037] W大鼠為例，首先采用超聲設(shè)備Verasonics Vevo2100,采集一系列大鼠頸動脈的 超聲造影圖像，如參考圖2所示，為本發(fā)明一具體實施例的大鼠頸動脈超聲造影圖像。
[003引接著，利用連續(xù)7幅超聲造影圖像，計算獲得IFGSD圖像，如圖3所示，為本發(fā)明一具 體實施例的IFGSD圖像。進(jìn)一步的，利用形態(tài)學(xué)濾波和二值化，獲得二值化圖像，如圖4所示， 為本發(fā)明一具體實施例形態(tài)學(xué)濾波和二值化后獲得的二值化圖像。
[0039] 然后，可W獲得初始化輪廓線，如圖5所示，為本發(fā)明一具體實施例獲得初始輪廓 線后的圖像，圖中豎線框所示為初始化輪廓線。
[0040] 最后，將初始輪廓數(shù)據(jù)代入能量方程進(jìn)行多次迭代，即可獲得最終輪廓線，實現(xiàn)對 超聲造影區(qū)域的分割，如圖6所示，為本發(fā)明一具體實施例最終分割得到的圖像，圖中豎線 框所示為最終輪廓線。
[0041] 相比【背景技術(shù)】提到的方案會遇到生物組織中難免有非線性成分，對超聲造影結(jié)果 會產(chǎn)生影響等問題，本發(fā)明采用的IFGSD矩陣能夠凸顯超聲造影圖像區(qū)域，抑制組織區(qū)域。
[0042] 本發(fā)明提出的全自動超聲造影圖像分割方法，考慮到超聲造影微泡隨動脈血液的 高速流動特性，在連續(xù)多帖超聲造影圖像中，造影區(qū)域的圖像灰度差要明顯大于血管和周 圍組織區(qū)域，基于造影區(qū)域在運一特性的顯著差異，實現(xiàn)精確的超聲造影區(qū)域圖像分割，避 免非線性基波和線性基波區(qū)分不清造成的誤差。本發(fā)明在應(yīng)用時可W明顯提高超聲造影圖 像的信噪比，有利于臨床診斷。
[0043] W上所述的具體實施例，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳 細(xì)說明，所應(yīng)理解的是，W上所述僅為本發(fā)明的具體實施例而已，并不用于限定本發(fā)明的保 護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本 發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項】
1. 一種全自動超聲造影圖像分割方法，其特征在于，該方法包括： 步驟1，采集并存儲超聲造影圖像序列，構(gòu)造多幀超聲造影圖像序列的幀間灰度標(biāo)準(zhǔn)差 矩陣； 步驟2,對所述幀間灰度標(biāo)準(zhǔn)差矩陣進(jìn)行形態(tài)學(xué)濾波，再進(jìn)行二值化，獲得超聲造影區(qū) 域的初始輪廓線； 步驟3，利用連續(xù)多幀超聲造影圖像序列的幀間灰度標(biāo)準(zhǔn)差矩陣和灰度中值矩陣，構(gòu)建 基于Snake活動輪廓模型的能量方程； 步驟4，將所述初始輪廓線代入所述能量方程進(jìn)行多次迭代，獲得超聲造影區(qū)域的最終 輪廓線，實現(xiàn)對超聲造影區(qū)域的分割。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟1中，采集并存儲超聲造影圖像序 列，構(gòu)造多幀超聲造影圖像序列的幀間灰度標(biāo)準(zhǔn)差矩陣，該幀間灰度標(biāo)準(zhǔn)差矩陣表示為：其中，D表示2k+l幀連續(xù)Η、」?尸15京>m?豕/卞外H、」TO 1? 隹差矩陣，11為該超聲造影 圖像序列中第t個超聲造影圖像的灰度值，?是2k+l幀連續(xù)的超聲造影圖像序列的平均值。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，在步驟2中，對所述幀間灰度標(biāo)準(zhǔn)差矩陣進(jìn) 行形態(tài)學(xué)濾波所利用的公式為： F=(D〇SE) · SE； (2) 其中，F(xiàn)為進(jìn)行形態(tài)學(xué)濾波后獲得的圖像，SE是結(jié)構(gòu)模塊，〇和?分別是開運算和閉運 算； 在步驟2中，進(jìn)一步對圖像F進(jìn)行二值化處理，獲得二值化圖，并基于該二值化圖獲得超 聲造影區(qū)域的初始輪廓線。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，在步驟3中，基于Snake活動輪廓模型的能 量方程為內(nèi)部能量函數(shù)和外部能量函數(shù)之和，其中， 內(nèi)部能量函數(shù)為：其中，￥(8)=[以8)，7(8)]， 86[〇，1]為初始輪廓，<1和0分別代表輪廓的彈性和剛性，N是初始輪廓上節(jié)點數(shù)； 外部能量函數(shù)為：其中是連續(xù)多幀超聲造影圖像序列的中值，γι和γ2為約束系數(shù)， 是高斯函數(shù)，*是卷積運算符，V是梯度運算符，m，η用于表示濾波窗口，X，y是窗口內(nèi)的一個 點。
【專利摘要】本發(fā)明公開了一種全自動超聲造影圖像分割方法，該方法包括：步驟1，采集并存儲超聲造影圖像序列，構(gòu)造多幀超聲造影圖像序列的幀間灰度標(biāo)準(zhǔn)差矩陣；步驟2，對所述幀間灰度標(biāo)準(zhǔn)差矩陣進(jìn)行形態(tài)學(xué)濾波，再進(jìn)行二值化，獲得超聲造影區(qū)域的初始輪廓線；步驟3，利用連續(xù)多幀超聲造影圖像序列的幀間灰度標(biāo)準(zhǔn)差矩陣和灰度中值矩陣，構(gòu)建基于Snake活動輪廓模型的能量方程；步驟4，將所述初始輪廓線代入所述能量方程進(jìn)行多次迭代，獲得超聲造影區(qū)域的最終輪廓線，實現(xiàn)對超聲造影區(qū)域的分割。
【IPC分類】G06T7/00
【公開號】CN105631867
【申請?zhí)枴緾N201510991360
【發(fā)明人】錢明, 牛麗麗, 鄭海榮, 周偉
【申請人】中國科學(xué)院深圳先進(jìn)技術(shù)研究院
【公開日】2016年6月1日
【申請日】2015年12月25日