一种基于分级重心估计的二维超声形变组织图像跟踪方法.pdf

1、10申请公布号CN101982157A43申请公布日20110302CN101982157ACN101982157A21申请号201010284626122申请日20100917A61B8/08200601G06T7/2020060171申请人四川省医学科学院四川省人民医院地址610072四川省成都市青羊区一环路西二段32号72发明人蒋体钢54发明名称一种基于分级重心估计的二维超声形变组织图像跟踪方法57摘要本发明公开了一种基于分级重心估计的二维超声形变组织图像跟踪方法，是把某帧图像的兴趣ROI分为16级子区域，分别求出各个子区域的重心；并通过遍历搜索区域，以各个子区域重心位置相似差最小化为标

2、准，求得下一帧图像ROI新位置可能的16个位置；再根据SAD方法，选择一个与上一帧图像ROI差别最小的作为斑点跟踪的结果。本发明能够有效降低传统手动跟踪计算斑点位置的工作量，提高处理的实际和数据处理的重复性，同时，相比传统SAD斑点跟踪方法，本发明通过多区域重心估计匹配的方法，特别有利于形变组织的跟踪。51INTCL19中华人民共和国国家知识产权局12发明专利申请权利要求书2页说明书5页附图1页CN101982159A1/2页21一种基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，包括以下步骤在高帧频条件下采集受试二维超声心动图图像序列用于脱机分析；任意采集一张超声心动图图像作为交互

3、式感兴趣区域选取的初始帧；将感兴趣区域置于特征区域，所述特征区域具有以下性质A、在超声投影范围之内；B、具有一定灰度而不是全黑色区域；当初始帧和初始源兴趣区域选择完毕后，确定源感兴趣区域中心点；通过源感兴趣区域中心点和感兴趣区域大小，确定斑点跟踪在整个超声心动图图像中的搜索遍历范围；把源感兴趣区域分为16级子区域，并计算16个子区域分级重心位置；找出一个与源感兴趣区域大小相同的若干候选目的区域，分别计算各候选区域对应的16个子区域分级重心；计算源感兴趣区域和各候选区域的各子区域重心的相似差参数；由此重复到，直到搜索范围被遍历；提取遍历后，得到相似距离参数最小的16个感兴趣区域，通过计算16个感

4、兴趣区域与源感兴趣区域的SAD值，其最小者对应的图像，就是最终识别的感兴趣区域。2根据权利要求1所述的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，源感兴趣区域中心点的确定方法如下P0，XX1X2/2P0P0，X，P0，YP0，YY1Y2/2其中X1，Y1和X2，Y2为源感兴趣区域的左上和右下点图像坐标，W，H为区域的宽度和高度。3根据权利要求1所述的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，确定斑点跟踪在整个超声心动图图像中的搜索遍历范围方法如下源感兴趣区域长方形大小LX|X1X2/2|LY|Y1Y2/2|遍历区域范围MAX0，P0，X3LX/

5、2PXMINP0，X3LX/2，WMAX0，P0，Y3LY/2PYMINP0，Y3LY/2，HP0，XX1X2/2其中，P0P0，X，P0，YP0，YY1Y2/2X1，Y1和X2，Y2为源感兴趣区域的左上和右下点图像坐标，W，H为区域的宽度和高度。4根据权利要求1所述的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，具体方法如下将源感兴趣区域水平和垂直方面各四等分，得到16个相同等分子区域，分别计算各个子区域重心，那么源感兴趣区域的子区域重心为权利要求书CN101982157ACN101982159A2/2页3这里GP是P点灰度，X0，P，Y0，P是源感兴趣区域中某点P的坐

6、标。5根据权利要求1所述的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，相似差参数为其中，GP是P点灰度，XI，P，YI，P是搜索兴趣区域I中某点P的坐标。6根据权利要求1所述的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，第K个感兴趣区域与源感兴趣区域之间的SAD值如下计算其中，I，J为16个感兴趣区域中的某个感兴趣区域相对于源感兴趣区域的位移矢量，FK，FK1分别为当前帧和下一帧的灰度值，LXLY为块的大小。权利要求书CN101982157ACN101982159A1/5页4一种基于分级重心估计的二维超声形变组织图像跟踪方法技术领域0001本发明

7、涉及医学超声技术领域，具体涉及一种基于分级重心估计的二维超声形变组织图形跟踪方法。背景技术0002超声心脏图像的组织追踪是基于组织多普勒显像的一种新技术，它通过测定房室平面位移，能够评价心肌的收缩、舒张功能，除了能够评价心脏整体功能，而且更主要应用于评估心室局部功能，因此它在心肌缺血的早期检出、梗死心肌的成活性评价、预测心脏病预后中有重要意义。0003现有的二维组织跟踪技术主要有快匹配法，象素递归法，基于频域的方法，基于特征匹配的方法等等，块匹配法由于简单和易于硬件实现而被广泛采用，但是其缺点是讲图像分成个定若干相同大小的块，并假设块做平移运动，没有考虑图像的内容和运动时间相关性，运动矢量一致

8、性差。对斑点跟踪也采用块匹配法，其基本思路是选取相邻两帧图像的图形块进行匹配，寻找最有匹配块，常用的有求绝对和差SAD算法，最小均方误差LSE法，归一化互相关函数NCC法。有的学者提出多层搜索算法加快搜索速度，有的采用傅立叶变换为基础的分析方法，但是，以上各个方法，均没有专门考虑组织形变状态下的跟踪问题。发明内容0004本发明所要解决的问题是如何提供基于分级重心估计的二维超声形变组织图形跟踪方法，该方法克服了现有技术斑点手动跟踪存在工作量大，以及个体差异引起重复性较低，且单纯依靠SAD方法跟踪斑点，没有考虑组织形变的问题，通过多区域重心测量相似度和SAD最小化分析方法，从而自动准确跟踪相应帧兴

9、趣区域内的斑点与组织位置。0005本发明所提出的技术问题是这样解决的提供一种基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于0006在高帧频条件下采集受试二维超声心动图图像序列用于脱机分析；0007任意采集一张超声心动图图像作为交互式感兴趣区域选取的初始帧；0008将感兴趣区域简称ROI置于特征区域，所述特征区域具有以下性质A、在超声投影范围之内；B、具有一定灰度而不是全黑色区域；0009当初始帧和初始源兴趣区域选择完毕后，确定源感兴趣区域中心点；0010通过源感兴趣区域中心点和感兴趣区域大小，确定斑点跟踪在整个超声心动图图像中的搜索遍历范围；0011把源感兴趣区域分为16级子区域，并

10、计算16个子区域分级重心位置；0012找出一个与源感兴趣区域大小相同的若干候选目的区域，分别计算各候选区域对应的16个子区域分级重心；0013计算源感兴趣区域和各候选区域的各子区域重心的相似差参数；0014由此重复到，直到搜索范围被遍历；说明书CN101982157ACN101982159A2/5页50015提取遍历后，得到相似距离参数最小的16个感兴趣区域，通过计算16个感兴趣区域与源感兴趣区域的SAD值，其最小者对应的图像，就是最终识别的感兴趣区域。0016按照本发明所提供的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，源感兴趣区域中心点的确定方法如下0017P0，X

11、X1X2/20018P0P0，X，P0，Y0019P0，YY1Y2/20020其中X1，Y1和X2，Y2为源感兴趣区域的左上和右下点图像坐标，W，H为区域的宽度和高度。0021按照本发明所提供的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，确定斑点跟踪在整个超声心动图图像中的搜索遍历范围方法如下0022源感兴趣区域长方形大小0023LX|X1X2/2|0024LY|Y1Y2/2|0025遍历区域范围0026MAX0，P0，X3LX/2PXMINP0，X3LX/2，W0027MAX0，P0，Y3LY/2PYMINP0，Y3LY/2，H0028P0，XX1X2/20029其中

12、，P0P0，X，P0，Y0030P0，YY1Y2/20031X1，Y1和X2，Y2为源感兴趣区域的左上和右下点图像坐标，W，H为区域的宽度和高度。0032按照本发明所提供的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，具体方法如下将源感兴趣区域水平和垂直方面各四等分，得到16个相同等分子区域，分别计算各个子区域重心，那么源感兴趣区域的子区域重心为003300340035这里GP是P点灰度，X0，P，Y0，P是源感兴趣区域中某点P的坐标。0036按照本发明所提供的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，相似差参数为00370038其中，GP是P点

13、灰度，XI，P，YI，说明书CN101982157ACN101982159A3/5页6P是搜索兴趣区域I中某点P的坐标。0039按照本发明所提供的基于多区域重心估计的二维超声图像斑点跟踪方法，其特征在于，在步骤中，第K个感兴趣区域与源源感兴趣区域之间的SAD值如下计算0040其中，I，J为16个感兴趣区域中的某个感兴趣区域相对于源源感兴趣区域的位移矢量，FK，FK1分别为当前帧和下一帧的灰度值，LXLY为块的大小。0041本发明为了解决组织形变状态下的跟踪问题，提出了“基于分级重心估计的二维超声形变组织图像跟踪方法”，把某帧图像的兴趣ROI分为16级子区域，分别求出各个子区域的重心；并通过遍历

14、搜索区域，以各个子区域重心位置相似差最小化为标准，求得下一帧图像ROI新位置可能的16个位置；再根据SAD方法，选择一个与上一帧图像ROI差别最小的作为斑点跟踪的结果。0042利用本发明提出的基于多区域重心估计的二维超声图像斑点跟踪方法，与传统手动测量方法相比，具有良好的一致性，然而自动分析方法每帧处理时间可以缩短时间99以上；传统手动测量方法中，相同操作者测量同一数据变异和不同操作者测量相同数据的变异性在8和13左右，然而只要初始帧兴趣区域的位置不变，自动分析方法能够完全重复出心动周期中的斑点运动轨迹变化。0043本发明能够有效降低传统手动跟踪计算斑点位置的工作量，提高处理的实际和数据处理的

15、重复性，同时，相比传统SAD斑点跟踪方法，本发明通过多区域重心估计匹配的方法，特别有利于形变组织的跟踪。附图说明0044图1为ROI分为16个子区域的图；0045图2为目的帧兴趣区域搜索范围示意图；0046图3为目的帧候选区域分级重心遍历图。具体实施方式0047下面结合附图对本发明作进一步描述0048本发明提出的“基于分级重心估计的二维超声形变组织图像跟踪方法”，其具体步骤为00491在高帧频条件下采集本受试心脏对象的二维超声心动图用于脱机分析。本发明实施实例中，用心脏探头对受试对象进行检查，同时链接心电图各个导联记录心电活动，然后将帧频调节到81帧/秒，平均每个心动周期采集图像92帧，成像深

16、度为10CM，调整时间和灰度增益，聚焦以及其他成像条件与一个恰当的范围，固定上述参数设置，观察不同切面的二维超声图像序列，并连续采集8个心动周期，数据以DICOM格式存储于超声主机，然后通过拷贝到个人电脑进行脱机分析。00502、任意采集一张超声心动图图像作为交互式感兴趣区域选取的初始帧；由于本算法可以对任意斑点和特征组织进行分析，因此，对超声图像的选取是任意的。00513、将兴趣区域置于特征区域，所谓的特征区域，应具有以下性质说明书CN101982157ACN101982159A4/5页70052A在超声投影范围之内，虽然整个超声图像是长方形，但是超声采集有效区域为扇形区域。0053B具有一

17、定灰度，不能是全黑色区域；因为全黑色区域没有组织和斑点，没有跟踪的必要。00544当初始帧和初始兴趣区域选择完毕后，确定源ROI中心点0055P0，XX1X2/20056P0P0，X，P0，Y0057P0，YY1Y2/20058其中X1，Y1和X2，Y2为ROI的左上和右下点图像坐标，令W，H为区域的宽度和高度。00595通过源ROI中心点和ROI大小，确定斑点跟踪在整个图形中的搜索遍历范围0060兴趣区域长方形大小0061LX|X1X2/2|0062LY|Y1Y2/2|0063遍历区域范围0064MAX0，P0，X3LX/2PXMINP0，X3LX/2，W0065MAX0，P0，Y3LY/2

18、PYMINP0，Y3LY/2，H00666计算源ROI的16个子区域分级重心位置0067将ROI水平和垂直方面各四等分，得到16个相同等分子区域，分别计算各个子区域重心，那么源ROI的子区域重心为006800690070这里GP是P点灰度，X0，P，Y0，P是源感兴趣区域中某点P的坐标。00717找出一个同源ROI大小相同的搜索框，分别计算各个搜索框对应的16个子区域分级重心0072007300748计算源ROI和搜索框ROI各子区域重心的相似差参数0075第I个搜索框和源ROI的重新相似差参数如下007600779由此重复7到8，直到搜索范围被遍历，得到的的数量为LXLY007810提取遍历后，LXLY个中最小的16个作为ROI的候选者007911通过计算16个ROI与源ROI的SAD值，其最小者，就是最终识别的ROI0080第K个ROI与源ROI之间的SAD值如下计算说明书CN101982157ACN101982159A5/5页80081其中，I，J为16个ROI中的某个ROI相对于源ROI的位移矢量。FK，FK1分别为当前帧和下一帧的灰度值，LXLY为块的大小。0082即说明书CN101982157ACN101982159A1/1页9图1图2图3说明书附图CN101982157A