使用超聲圖像檢測組織邊界的方法與裝置的製作方法
2023-06-11 01:14:16
專利名稱：使用超聲圖像檢測組織邊界的方法與裝置的製作方法
技術領域：
本發明涉及一種超聲圖像分析技術，特別是涉及一種使用超聲圖 像檢測組織邊界的方法與裝置。
背景技術：
超聲檢查已成為一種重要且無創性顯示人體臟器結構和運動功 能的檢測方法，而對這些臟器結構和功能的進一步定量分析首先需要 確定這些臟器的邊界信息。如對心功能的定量分析需要測量心腔切面 面積等形狀參數及其在心動周期內的變化，這就要求明確心內膜邊 界。同時，邊界勾畫也可以用作對病變情況的跟蹤。此外，人體臟器 圖像的三維重建也需要勾畫臟器的邊界作為基礎。
作為人體臟器邊界檢測最常用的領域，心臟邊界檢測在定量評價 心臟功能發揮著越來越重要的作用。臨床醫生在檢查病人心臟的過程 中，選擇圖像效果最佳時，凍結並保存多個心動周期的圖像數據，然 後通過邊界檢測模塊計算出心內膜的邊界。通過心內膜邊界數據結合 數學模型，可以估計出心室體積、心排血量、射血分數、平均左室周 徑向心縮短率等評價心臟功能的重要指標。通過動態顯示分割出來的 邊界能夠得到心肌局部的運動量，可用於檢測冠心病的節段性室壁運 動異常。而且基於心內膜邊界檢測還可以進一步拓展以獲得心外膜邊 界，同時基於內外膜分割結果採用跟蹤算法可以計算出心肌內部像素 節點的運動矢量，通過計算心肌局部運動的張量應變率顯示出局部心 肌功能的變化。這一 系列數據的獲得對於心臟疾病的診斷意義重大， 因此，如何快速、便捷、準確地實現心內膜的邊界檢測成為這項技術 的關鍵。心功能參數的測量可以直接在三維心臟圖像(如MRI、 CT、超聲
圖像)上進行，也可以在二維圖像上測量心腔截面面積的基礎上通過 一定的數學模型估算出。前者由於直接測量體積，因此精度較高，但 是通常實時性較差，不利於心動周期不同時相的心功能實時測量，而
且通常成本較高；後者通常在超聲成像系統上實現，雖然受估算模型 精度的影響，與前者比具有較大的測量誤差，但是二維超聲心動圖因 其無損性、實時性和成本上的優勢，被廣泛用於心臟疾病的臨床診斷。 通過對超聲成像系統獲得的二維圖像(灰度圖、彩色血流圖、組織多 普勒圖)進行分析，提取出心腔的邊界，自動計算出心腔截面的面積， 並利用數學模型估計出心腔體積等參數，從而可以很方便的實現心動 周期不同時相的心功能的測量，並在此基礎上獲得心排血量、射血分 數等重要臨床診斷參數。現有的超聲成像系統通常採用手動描記心腔 邊界的方法實現心腔體積的估計，該方法雖然精度較高，但是重複性 和便利性都很差，僅適用於少數幾幀圖像的心臟運動參數估計。因此， 一些超聲成像系統通過自動檢測心內膜實現心功能參數的自動測量， 大大提高了診斷的重複性和便利性，能夠提供大量的重要臨床診斷參 數，如心室體積、心排血量、射血分數和平均左室周、徑向心縮短率 等，同時心內膜邊界的動態運動能夠顯示出心肌局部運動的功能障 礙。心內膜自動檢測技術主要內容包括心肌結構特徵點的檢測定位， 心內膜檢測算法，以及心功能的定量計算和顯示方法。以B-mode成像 獲得的組織灰度圖像為例，心內膜自動檢測的關鍵難點在於如何去除 超聲圖像的噪聲幹擾和弱邊界的影響。
心內膜的自動檢測通常由圖像存儲和讀取、圖像預處理(如降噪 等處理)、特徵點檢測、圖像邊界檢測、心功能計算與顯示等幾個環 節構成。心臟的超聲圖像受混響(reverberation)、斑點噪聲 (Speckle)等因素的影響，其信噪比較低，邊界信息較模糊。 一般 的基於圖像梯度場的邊界檢測方法很容易陷入局部極值，從而很難實 現心內膜的完整檢測。按照一種現有技術的方法，首先在圖像中確定一個組織解剖結構
標誌點；然後檢測與解剖特徵相關的組織邊界，以輪廓線表示；最後
顯示帶有組織邊界輪廓線的超聲圖像。另一種現有技術給出了基於上
述邊界檢測結果的多種顯示方式，例如在每幅圖像上自動跟蹤運動
組織的邊界，沿每條跟蹤的邊界計算心肌運動，並沿跟蹤邊界顯示計 算出來的心肌運動信息隨時間和空間的變化等。再一種現有技術通過 採用上述方法分割兩個相互垂直的左心室長軸圖像來估計心室體積， 重建心室表面，4巴該邊界一企測方法推廣到二維以上。上述方法通過自 動檢測二尖瓣等特徵點，構建相應模型，實現了心內膜的全自動檢測。 但是所述邊界檢測方法是基於梯度計算，比較容易受到噪聲的影響， 對弱邊界不容易檢測出來。另外，由於採用先特徵點，後模型的方法， 使得檢測的結果受特徵點檢測準確性的影響很大。
又一種現有技術的檢測方法是在得到圖像序列後，手動分割第一 幀圖像的心內膜和心外膜，對該幀圖像進行標準化並設為模板，對於
隨後幀圖像採用基於灰度分布或者Snake的方法來檢測心內膜，心外 膜的檢測基於當前圖像標準化後與模板的相似性進行邊界檢測。該方 法同時檢測心內膜和心外膜，由於需要基於內外膜雙邊界進行圖像的 標準化，因此檢測最初需要進行手工分割，不能實現完全的自動化檢 測。
再又一種現有技術的檢測方法是通過手動點中心點，然後沿極線 方向基於極線上圖像灰度，採用自動設定的閾值，做初始邊界檢測。 然後，採用沿才及線方向的幾何變形才莫型(Geometrically Deformable Model)方法進行邊界檢測。以相鄰兩邊單位化後向量和的才莫(基於相 鄰邊的夾角)為內力，以沿極線方向的灰度梯度在極線方向的投影作 為外力。該文獻採用幾何形狀模型在圖像分割的同時進行邊界形狀的 約束，能得到較光滑邊界。
按照一種現有技術的超聲工作站，其檢測方法首先進行圖像預處 理，採用非線性變換把灰度圖像映射到新的灰階分布增強圖像對比度，同時利用二維非線性灰度形態算子對圖像中的每點進行平滑。接 著在心室舒張末期在圖像上手動點取心室中心的一點，基於中心點放 射出N條線，然後基於圖像相似性沿極線基於灰度梯度和灰度直方圖 等信息進行分割。
按照再又一種現有技術，其早在1988年就提出了在超聲左心室 圖像點取中心點沿極線方向基於Canny算子搜索心內膜的方法。上述 幾種方法都是基於梯度信息的邊界檢測方法，該類方法容易受到噪聲 影響，而且對於弱邊界的檢測效果較差，並且大都需要一個較理想的 初始邊界才能保證搜索到正確組織邊界。
針對強噪聲圖像，另一種現有技術提出了基於灰度分布的圖像區域分 割方法。該方法基於圖像分為前景和後景的假設，而且各部分圖像灰 度分別滿足高斯分布，通過定義一個基於輪廓區域內部和外部的灰度 分布的方差的能量泛函來求解圖像中物體邊界。該方法可以不利用圖 像梯度場而沿初始輪廓的法線方向進行搜索，因此搜索方向不受噪聲 影響。
在另一種現有技術中，結合圖像灰度分布模型、測地線模型和形 狀約束泛函進行超聲圖像中左心室的分割。該技術採用多尺度方法先 在較粗層面分割圖像，然後再以此為形狀約束進行較細層面的分割。 該方法雖然能夠較好的去除噪聲影響，但是該方法不能滿足實時性的 要求，而且超聲心動圖像不能簡單的看成只包含前景和背景的圖像， 即左心室血液區域和心肌兩種組織的圖像，在左心室心肌外面同樣存 在很多血液區域，如右心室和心房內的血液。因此，直接套用雙區域 灰度分布泛函不能得到理想的結果
發明內容
本發明的目的是為了克服現有技術存在的缺陷，提供一種新的使 用超聲圖像檢測組織邊界的方法與裝置，將基於灰度分布的二維圖像分割轉換成一維極線上邊界點檢測。為了實現這一目的，本發明所採 取的技術方案如下。
按照本發明實施例的第一方面，提供一種使用超聲圖像;險測組織
邊界的方法，包括搜索步驟，用於在檢測目標的超聲圖像中搜索目 標區域的初始中心點，並依據該初始中心點確定初始區域邊界曲線； 以及檢測步驟，以初始中心點為極點，沿著通過所述極點的極線並從 初始區域邊界開始搜索目標區域邊界的位置，計算基於邊界兩側區域 的灰度分布能量泛函，其中灰度分布能量泛函的極小值對應的位置為 目標區域的邊界。所述搜索步驟進一步包括在檢測目標的超聲圖像 上設定深度；在該深度上從一側向另一側計算一定角度內圖像的平均 灰度，並確定平均灰度變化曲線；以及在平均灰度變化曲線上，搜索 第一個和第二個灰度連續增大區域內的平均灰度極大值點，並在兩個 極大值點中間的區域搜索平均灰度極小值點；其中將所述平均灰度極 小值點定為目標區域的初始中心點。
優選的是，在目標區域的初始中心點搜索過程中，約束兩個極大 值與所述平均灰度極小值的差分別大於預定閾值。
再優選的是，所述初始區域邊界曲線為以所述目標區域初始中心 點為圓心的圓形曲線，其中所述圓形曲線的半徑為所述目標區域初始 中心點至目標區域邊界的距離的三分之一至五分之一。
還優選的是，當沿極線檢測組織邊界的過程中，將每條極線上搜 索到的灰度極大值點的灰度減去初始中心點的灰度作為各條線上的 灰度閾值，當灰度分布能量泛函增大超過該閾值時，到達邊界並停止 檢測。
所述灰度分布能量泛函可以是基於圖像灰度方差的函數或者是 基於圖像灰度方差和梯度的函數。另外，所述灰度分布能量泛函可為 基於區域邊界內部的灰度分布能量泛函，或為基於區域邊界外部灰度 分布的能量泛函。
ii進一步優選的是，超聲圖像序列中其它幀圖像邊界檢測以前一幀 圖像檢測到的邊界為初始邊界，以前一幀圖傳J險測到的邊界的重心為 初始中心點。
可選的是，按照本發明實施例第一方面的使用超聲圖像檢測組織 邊界的方法還包括採集步驟，用於採集檢測目標的超聲圖像序列。其 中所述超聲圖像序列可為心臟運動長軸二腔心或者四腔心位置二維 超聲灰度圖像序列，且圖像序列中至少包含一個心動周期中的收縮末 期圖像和舒張末期圖像。
再可選的是，按照本發明實施例第 一方面的使用超聲圖像檢測組 織邊界的方法還包括平滑步驟，用於通過高斯濾波或各向異性濾波對 所採集的檢測目標的超聲圖像序列進行平滑。
還可選的是，按照本發明實施例第一方面的使用超聲圖像檢測組 織邊界的方法還包括修正步驟，用於對搜索的初始中心點手工進行位 置修正。
進一步可選的是，按照本發明實施例第一方面的使用超聲圖像檢 測組織邊界的方法還包括灰度校正步驟，用於在沿極線進行邊界檢測
前先對極線上點的灰度進行灰度校正；所述灰度校正步驟進一步包 括從初始點開始沿極線搜索整條極線上的灰度極大值；再從初始點 開始沿極線搜索第一個灰度連續增大區域的灰度極大值點，如果該點 灰度小於整條極線上的灰度極大值的一半，則將該點定為校正點；否 則，繼續搜索下一個連續增大區域的灰度極大值點，直到搜索到滿足 灰度小於整條極線上的灰度極大值的 一半的點；以及把校正點以外的 點的灰度賦為校正點的灰度值以進行邊界檢測，或者只對所述校正點 以內的區域進行邊界檢測。
進一步可選的是，4要照本發明實施例第 一方面的使用超聲圖像檢 測組織邊界的方法還包括光滑與約束步驟，用於按照能量泛函對檢測 的目標區域邊界進行光滑與約束。其中形狀約束包括通過約束相鄰極 線上組織邊界點的連線之間的角度大小來控制邊界形狀。進一步可選的是，按照本發明實施例第一方面的使用超聲圖像檢 測組織邊界的方法還包括優化步驟，用於邊界檢測結束後，以邊界高 亮顯示部分邊界點以及初始中心點為控制點，手動調整邊界控制點位 置來優化邊界形狀。
進一步可選的是，按照本發明實施例第一方面的使用超聲圖像檢 測組織邊界的方法還包括識別步驟，用於沿檢測出來的組織邊界基於 相鄰邊界點所成角度或曲率檢測目標結構特徵點，進行邊界的形狀優 化。其中所述目標結構特徵點包括側部二尖瓣和中間二尖瓣，也可以 為其它組織的特定結構。
進一步可選的是，按照本發明實施例第一方面的使用超聲圖像衝企 測組織邊界的方法還包括顯示步驟，用於顯示組織邊界、邊界曲線隨 時間的變化。
按照本發明實施例的第二方面，提供一種使用超聲圖像檢測組織 邊界的裝置，包括搜索模塊，用於在檢測目標的超聲圖像中搜索目
標區域的初始中心點，並依據該初始中心點確定初始區域邊界曲線； 以及檢測模塊，以初始中心點為極點，沿著通過所述極點的極線並從 初始區域邊界開始搜索目標區域邊界的位置，計算基於邊界兩側區域 的灰度分布能量泛函，其中灰度分布能量泛函的極小值對應的位置為 目標區域的邊界。
可選的是，按照本發明實施例第二方面的使用超聲圖像檢測組織 邊界的裝置還包括採集模塊，用於採集檢測目標的超聲圖像序列。
再可選的是，按照本發明實施例第二方面的使用超聲圖像檢測組 織邊界的裝置還包括平滑模塊，用於通過高斯濾波或各向異性濾波對 所採集的檢測目標的超聲圖像序列進行平滑。
還可選的是，按照本發明實施例第二方面的使用超聲圖像檢測組 織邊界的裝置還包括灰度校正模塊，用於在沿極線進行邊界檢測前先 對極線上點的灰度進行灰度校正；所述灰度校正模塊執行以下操作 從初始中心點開始沿極線搜索整條極線上的灰度極大值；再從初始中心點開始沿極線搜索第 一個灰度連續增大區域的灰度極大值點，如果 該點灰度J、於整條極線上的灰度極大值的 一 半，則將該點定為校正 點；否則，繼續搜索下一個灰度連續增大區域的灰度極大值點，直到
搜索到滿足灰度小於整條極線上的灰度極大值的 一 半的點；以及把校
正點以外的點的灰度賦為校正點的灰度值以進行邊界檢測，或者只對 所述校正點以內的區域進行邊界4全測。
進一步可選的是，按照本發明實施例第二方面的使用超聲圖像檢 測組織邊界的裝置還包括光滑與約束模塊，用於按照能量泛函對檢測 的目標區域邊界進行光滑與約束。
進一步可選的是，按照本發明實施例第二方面的使用超聲圖像檢 測組織邊界的裝置還包括優化模塊，用於邊界檢測結束後，以邊界高 亮顯示部分邊界點以及初始中心點為控制點，手動調整邊界控制點位 置來優化邊界形狀。
進一步可選的是，按照本發明實施例第二方面的使用超聲圖像檢 測組織邊界的裝置還包括識別模塊，用於沿檢測出來的組織邊界基於 相鄰邊界點所成角度或曲率檢測目標結構特徵點。
進一步可選的是，按照本發明實施例第二方面的使用超聲圖像檢 測組織邊界的裝置還包括顯示模塊，用於顯示組織邊界、邊界曲線隨 時間的變化。
按照本發明實施例的方法與裝置進行組織邊界檢測時的優點主
要體現在
1. 按照本發明的方法與裝置基於超聲圖像灰度場並通過計算灰 度能量泛函來檢測組織邊界，對初始中心點以及初始區域邊界依賴性 小，因此，初始中心點、初始區域邊界和區域結構特徵點檢測更加簡 單、快速。
2. 基於按照發明實施例的能量泛函進行組織邊界檢測能夠較好 的去除超聲圖像中噪聲和弱邊界的影響。
3. 沿極線灰度校正方法能夠較好去除圖像不均勻場的影響。
144.沿極線檢測邊界能夠大大提高計算速度，沿極線計灰度校正法 能夠較好去除不均勻場的影響，保證計算區域內只存在兩種組織^v而 獲得穩定邊界。
下面將結合附圖並通過具體的實施例對本發明進行進一步說明。
圖1超聲心內膜自動檢測系統流程圖； 圖2是按照本發明實施例的超聲心內膜自動檢測流程圖； 圖3是初始中心點搜索區域示意圖； 圖4是初始中心點搜索區域灰度分布示意圖； 圖5是沿極線進行邊界檢測的示意圖； 圖6是極線上灰度分布示意圖； 圖7是所有極線上灰度極大值分布圖； 圖8是按照本發明實施例的方法進行角度形狀約束的示意圖； 圖9a和9b是按照本發明實施例的方法檢測心內膜邊界的結果示 意圖10是按照本發明實施例的使用超聲圖像檢測組織邊界的裝置 的框圖。
具體實施例方式
下面以心內膜邊界的檢測作為示例，對按照本實施例的方法與裝 置進4亍"i羊細i兌明。
如圖1所示，是一種典型的心內膜檢測系統的框圖。超聲探頭向 人體相應檢查部位(例如心臟)發射超聲波，成像掃描可以通過ECG 觸發控制，接收到的回波信號經過前置放大，ADC變換，波束合成等 環節處理，送入圖像處理模塊。經過非都卜勒信號處理，獲得人體組 織(如心臟)的解剖結構灰度圖像，保存到電影回放數據存儲單元。 自動邊界檢測模塊讀取圖像數據，進行邊界檢測和計算，參數計算模塊根據得到的邊界信息，結合數據模型，進行各項功能(如心臟功能) 參數計算。得到的邊界信息和功能參數送到顯示器進行顯示。在對圖 像序列進行處理時，把當前圖像邊界位置作為下 一 幀圖像分割的初始 值和位置形狀約束。
在本實施例中，以心內膜為例的組織邊界檢測方法的流程如圖2
所示，可以大致分為數據讀取200，圖像去噪聲202,初始位置檢測 和邊界初始化204、基於灰度分布的區域分割206 (例如通過把圖像分 割成左心室血液區域和心月幾區域，而把兩個區域的邊界作為心內膜)、 沿區域邊界檢測特徵點208、計算心臟功能210、心臟運動功能顯示 212等幾個部分。進行心功能超聲檢查時，選擇左室長軸四腔心或二 腔心位置進行掃描；調節圖像參數獲得最佳效果的心肌圖像序列後， 凍結若干心動周期的圖像數據；手工選擇或者根據ECG信號自動選擇 特定時刻(如心臟收縮初期、收縮末期或舒張末期)的心肌圖像作為 初始分割圖像。本實例中，選擇心臟收縮初期(此刻二尖瓣閉合，並 且左心室形狀為較理想的閉口倒"U，，字形)，開始進行初始檢測點 的確定和區域分割(即邊界檢測)。如圖像質量不好，可採用高斯濾 波或者各向異性濾波進行圖像平滑。通常血液為強回聲信號顯示為白 色而心肌為弱回聲顯示為黑色，而當採集圖像中心肌顯示為灰度較低 的黑色，而血液顯示為灰度較高的白色時，則進行反色灰階變換把心 肌區域變換為灰度較高區域而血液變為灰度較小區域。
根據四腔心圖像中左心室的位置(如圖3)可知左心室在整幅圖 像的右側，而且左心室側壁靠近圖像邊界，即左心室心肌與圖像邊界 間不存在其它組織圖像。可據此進行左心室中心點的自動搜索。在第 一幀圖像即心臟收縮初期圖像上，根據一般正常成年人的左心室深度 可設定一個深度範圍，在該深度上從一側向另一側(例如從左向右)， 計算相應角度(如90度)內圖像的平均灰度分布，搜索的位置和線 路如圖3所示。沿弧線搜索計算所得平均灰度的變化曲線如圖4所示， ^v灰度變化曲線中，首先搜索第 一個和第二個灰度連續增大區域內的灰度的極大值點淞和必，然後在兩個極大值點中間的區域搜索平均灰 度^l小點M/n ， i殳定該點為左心室中心(即自動片全測位置初始中心點)。 初始點搜索過程中約束兩個極大值與灰度極小值的灰度差要大於一 定閾值(如灰度極小值的1/5)，以保證搜索到正確的心肌壁(灰度極大 值點)和心室血液中心(灰度極小值點)。初始化區域邊界為以初始點 為圓心的圓形曲線，曲線半徑可定為初始中心點到圖像邊界距離的三 分之一至五分之一(由於按照本實施例的方法對初始區域邊界的依賴 性小，因此，該曲線半徑的大小沒有嚴格限制)。其它幀圖像區域分 割以前一幀圖像血液與心肌區域的分界線為初始邊界，以前一幀圖像 中血液與心肌區域間的邊界的重心為初始點。
為減小計算量提升區域分割速度，在獲取初始點位置後，以此為 極點沿極線方向(如圖5所示，從中心圓點發出的線)檢測心內膜， 這樣就把二維的圖像邊界檢測變換成多條一維曲線上的標誌點位置 檢測。同時，沿極線分割前首先對極線上點的灰度進行灰度校正，圖
6中黑色線表示沿一條線上點的灰度分布，首先從初始點沿極線搜索 整條線上的灰度極大值G^ ,再從初始點開始沿極線搜索第一個灰度 連續增大區域的灰度極大值點(心肌位置)，如果該點灰度大於G^的 一半，則該點定為校正點G紹(圖6中G版和G紹為同一點)；否則，
繼續搜索下一個連續增大區域的極大值點，直到滿足前述條件。把校 正點Gw外的點(也就是校正點與極點之間的點以外的點)的灰度統 一設為校正點G組的灰度值，通過灰度校正處理，保證當前幀的超聲 心動圖 <象內只包含左心室內部血液區域和心月幾區域兩個連續區域兩 部分(如圖6中所示)。類似的，也可以在區域分割計算過程中只對 校正點C^,以內的點(也就是校正點與極點之間的點)進行灰度分布 能量泛函的計算。
以初始點為圓心，初始化心內膜邊界輪廓為一圓形區域，如圖5 所示。該圓形初始輪廓把極線L分成/腦We(Z)和o她/tfe(丄)，設c,為內部 區域fm油(丄)的灰度均值，設&為外部區域o慮她(丄)的灰度均值，w(/)為
17區域中點(極線上點)(X,，")的灰度，7為權重係數，
漢
界點灰度梯度的模。則某條線上邊界點的能量泛函可定義為
為內外區域邊
formula see original document page 18(5.1)
本方法假設圖像分成前景和背景兩部分，各部分灰度分布一致。 可見，在圖像前景和背景兩區域分界位置，上述能量函數中前兩項圖 像灰度分布泛函最小，而邊界點的灰度梯度模最大，即整個能量泛函 能量最小。因此，從初始邊界點開始，沿極線方向逐步向外(或向內) 改變初始邊界的位置，重複計算所述灰度分布能量泛函，搜索不同位 置處所述灰度分布能量泛函的極小值。所述極小值對應的位置即定義 為心室內部血液區域和心肌區域之間的邊界，即為心內膜位置。
將計算得到的每條檢測線上灰度的最大值進行比較可以發現，整
個左心室心肌上的灰度分布不是十分均勻，如圖7所示。因此，當沿 極線方向檢測組織邊界的過程中，針對不同的位置採用不同的閾值是 非常必要的。將每條極線上搜索到的灰度極大值點的灰度減去初始點 灰度作為各條線上的灰度閾值w ,當能量泛函增大超過預定閾值時，
到達邊界並停止檢測，7 可以設為與閾值W成線性關係。通過上述閾
值條件設置，可以有效地去除心肌亮度不均勻對分割結果的影響。接 著，利用平滑處理(如中值濾波)對所檢測的邊界點到中心點的距離 進行平滑，去除邊界毛刺。
本方法可以筒化為只依賴(5. l)泛函的第一部分(當然，也可以 簡化為只依賴(5. l)泛函的第二部分)，即只考慮心室血液區域的灰 度分布的形式如下面的公式
formula see original document page 18
該泛函為Mumford-Shah泛函的一部分，其中a為內部區域的方 差。但是該方法對閾值的依賴性較強，所以本實施例採用前一種雙區 域的能量泛函。由於心內膜邊界信息複雜，必須採用 一定的形狀約束來避免發生 邊界的洩漏。基於相鄰時刻心臟圖像間的相似性，可定義形狀約束能 量泛函《為
formula see original document page 19
其中D(cO),c'0》為當前邊界點cO)和前一幀邊界點c'0)的距離， J(c"》表示邊界點cW與其鄰域點這兩點所成的角度。該泛函中第一項 表示前一幀圖像對當前幀圖像形狀的約束，第二部分表示心內膜邊界 的光滑性約束，即避免出現邊界的尖角和毛刺現象，也就是儘量保證 邊界點與其鄰域點夾角近似為；r (成直線)。如圖8中相鄰三條極線
o^,oi2,^3上邊界點所成角Z6々A ，根據三角形邊與角的關係公式可以 計算得到該角的弧度值。可以設定泛函F = F4 + AF5來檢測隨後幀圖像 的心內膜邊界。在區域分割過程中，為了加快速度本實施例採用多尺 度方法，先在較少極線上邊界檢測，再細化檢測整個內膜邊界。
沿上述檢測出來的邊界，可以檢測如中間二尖瓣環、側部二尖 瓣環和心室尖等組織區域的特徵點。如圖8中，由於二尖瓣位於中心 點的下方，通過計算中心點下方邊界點的^(cW)值或者曲率等參數， 來檢測中間二尖瓣環和側部二尖瓣環。同時沿檢測出的心內膜邊界檢 測距離兩個二尖瓣環點連線的最遠點作為心室尖位置。在序列圖像處 理過程中，使用前一時刻區域特徵點的位置對後續時刻特徵點搜索進 行位置約束，以解決因為在心臟舒張期二尖瓣環打開造成的二尖瓣環 結構特徵不明顯等問題。如圖9中方塊形點為找到的特徵點。心室尖 到二尖瓣環連線的距離作為左心室長軸的長度T 。
分割出心內膜後，可以動態或逐幀顯示心內膜邊界隨圖像的變 化。圖9是利用本發明實施例的方法得到的心內膜邊界圖像。圖9(a) 是左心室收縮期，圖9(b)表示舒張期。從圖中可以看出，利用本發明， 可以比較準確的才全測出心內膜邊界。
得到左心室邊界後，可以進行常用心肌功能參數計算。例如，以心室中心點為圓點，相鄰兩邊界點構成小三角形，計算並累加三角形 面積得到為長軸圖像左心室血液區域的面積A,從而得到左心室體積
的估計
屍=0.85.丄 (5.4)
r
另外，在此基礎上還可以計算出射血量]^=「_-Fmin,射血分數 ，其中)^,^分別為心室體積的最大和最小值。
在分割結束後，以內膜邊界高亮顯示部分邊界點以及中心點為控 制點(二尖瓣環點和心室尖必為控制點)，允許手動調整邊界控制點 位置來優化邊界形狀。當調整邊界點後，自動重新計算心室體積等參 數。當調整圖像中左心室中心點位置後，自動重新分割當前幀以及後 續幀圖像邊界並計算心室體積等參數。
如圖10所示，按照本實施例的使用超聲圖像檢測組織邊界的裝置 包括搜索模塊105和檢測模塊107,另外，還可選地包括採集模塊IOI、 平滑模塊103、灰度校正模塊109、光滑與約束模塊lll、優化模塊113、 識別模塊115和顯示模塊117 。其中灰度校正模塊10 9和光滑與約束模 塊111為可包含在檢測模塊10 7中的子模塊。
採集模塊101用於採集檢測目標的超聲圖像序列，如果所採集的 超聲圖像不夠清晰，由平滑模塊103通過高斯濾波或各向異性濾波對 所採集的檢測目標的超聲圖像序列進行平滑處理。搜索模塊105用於 在檢測目標的超聲圖像中搜索目標區域的初始中心點，並依據該初始 中心點確定初始區域邊界曲線。
鬥企測模塊107以初始中心點為極點，沿著通過所述極點的極線並 從初始區域邊界開始，按照預定步長(如圖像像素大小)改變初始區 域邊界的位置，同時計算不同位置處灰度分布能量泛函，其中灰度分 布能量泛函的極小值對應的位置為目標區域的邊界。在沿極線進行邊 界檢測之前，還可以通過灰度校正模塊1G9先對極線上點的灰度進行 灰度校正，其中所述灰度校正模塊l09在進行灰度校正時執行以下操作從初始點開始沿極線搜索整條極線上的灰度極大值；再從初始點 開始沿極線搜索第一個灰度連續增大區域的灰度極大值點，如果該點 灰度小於整條極線上的灰度極大值的一半，則將該點定為校正點；否 則，繼續搜索下一個連續增大區域的灰度極大值點，直到滿足前述條 件；以及把校正點以外的點的灰度賦為校正點的灰度值以進行邊界檢 測，或者只對所述校正點以內的區域進行邊界檢測。在進行邊界檢測 時，為了避免發生邊界洩露，光滑與約束模塊lll按照下式表示的能 量泛函對檢測的目標區域邊界進行光滑與約束
formula see original document page 21
其中Z)(c(",c'(力)為當前邊界點c(O和前一幀邊界點c'("的距離，4(cW) 表示邊界點c(力與其鄰域點這兩點所成的角度，第一項表示前一幀圖
像對當前幀圖像形狀的約束，第二項表示光滑性約束。
邊界檢測結束後，優化模塊113以邊界高亮顯示部分邊界點以及 中心點為控制點，手動調整邊界控制點位置來優化邊界形狀。識別模 塊115用於沿檢測出來的組織邊界基於相鄰邊界點所成角度和曲率檢 測目標結構特徵點。顯示模塊117用於顯示組織邊界、邊界曲線隨時 間的變化、以及相關參數。其中相關參數包括以下根據檢測的組織邊 界計算的參數心室體積、心排血量、心臟射血分數、平均左室周、 徑向心縮短率。
本實施例根據超聲心動圖像的特點介紹了 一種新的心內膜邊界 檢測技術，首先進行左心室初始中心點的自動檢測，然後採用沿極線 搜索的方式快速地進行邊界檢測。本實施例採用的區域分割泛函能夠 有效地避免超聲圖像噪聲的影響，並且有效檢測到弱邊界。沿不伺極 線的閾值能夠消除圖像灰度分布不均勻場影響。
以上通過以心內膜檢測為例對本發明做了說明，但本發明並不限 於這些具體的實施例。本領域普通技術人員應該明白，按照本發明的 方法與裝置還可以用於檢測其它組織的邊界，如血管壁、膽嚢等內部灰度分布一致區域邊界的檢測。其次，按照本發明的方法與裝置還可
以使用其他圖像來檢測組織邊界，如MRI和CT圖像等等。另外，還
可以對本發明做一些修改、變形、等同替換等。但是，只要未背離本 發明的精神和範圍，都應在本發明的保護範圍之內。
權利要求
1.一種使用超聲圖像檢測組織邊界的方法，其特徵在於，包括搜索步驟，用於在檢測目標的超聲圖像中搜索目標區域的初始中心點，並依據該初始中心點確定初始區域邊界曲線；以及檢測步驟，以初始中心點為極點，沿著通過所述極點的極線並從初始區域邊界開始搜索目標區域邊界的位置，計算基於邊界兩側區域的灰度分布能量泛函，其中灰度分布能量泛函的極小值對應的位置為目標區域的邊界。
2. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於所述超聲圖像序列可為心臟運動長軸二腔心或者四腔心位置 二維超聲灰度圖像序列，且圖像序列中至少包含一個心動周期中的收 縮末期圖像和舒張末期圖像。
3. 如權利要求l所述的使用超聲圖像片全測組織邊界的方法，其特 徵在於，還包括平滑步驟，用於通過高斯濾波或各向異性濾波對所採集的檢測目 標的超聲圖像序列進行平滑。
4. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於，所述搜索步驟進一步包括在檢測目標的超聲圖像上設定深度；在該深度上從一側向另一側計算一定角度內圖像的平均灰度，並 確定平均灰度變化曲線；以及在平均灰度變化曲線上，搜索第一個和第二個平均灰度連續增大 區域內的平均灰度極大值點，並在兩個極大值點中間的區域搜索平均 灰度極小值點；其中將所述平均灰度極小值點定為目標區域的初始中心點。
5. 如權利要求4所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於在目標區域的初始中心點搜索過程中，約束兩個極大值與所 述平均灰度極小值的差分別大於預定閾值。
6. 如權利要求l所述的使用超聲圖像;險測組織邊界的方法，其特 徵在於，還包括修正步驟，用於對搜索的初始中心點手工進行位置修正。
7. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於所述初始區域邊界曲線為以所述目標區域初始中心點為圓心 的圓形曲線，其中所述圓形曲線的半徑為所述目標區域初始中心點至 目標區域邊界的距離的三分之一至五分之一。
8. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於，還包括灰度校正步驟，用於在沿極線進行邊界檢測前先對極 線上點的灰度進行灰度校正；所述灰度校正步驟進一步包括從初始點開始沿極線搜索整條極線上的灰度極大值； 再從初始點開始沿極線搜索第一個灰度連續增大區域的灰度極 大值點，如果該點灰度小於整條極線上的灰度極大值的一半，則將該 點定為校正點；否則，繼續搜索下一個連續增大區域的灰度極大值點， 直到搜索到滿足灰度小於整條極線上的灰度極大值的一半的點；以及把校正點以外的點的灰度賦為校正點的灰度值以進行邊界檢測， 或者只對所述校正點以內的區域進行邊界4企測。
9. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於在沿極線檢測目標區域邊界的過程中，將每條極線上搜索到 的灰度極大值點的灰度減去初始中心點的灰度作為各條線上的灰度 閾值，當灰度分布能量泛函增大超過該閾值時，到達邊界並停止檢觀'J。
10. 如權利要求1所述的使用超聲圖像片企測組織邊界的方法，其特 徵在於，還包括優化步驟，用於邊界檢測結束後，以邊界高亮顯示部分邊界點以 及初始中心點為控制點，手動調整邊界控制點位置來優化邊界形狀。
11. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特徵在於所述灰度分布能量泛函可以是基於圖像灰度方差的函數或者是基於圖像灰度方差和梯度的函數。
12. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於所述灰度分布能量泛函可為基於區域邊界內部的灰度分布能 量泛函，或為基於區域邊界外部灰度分布的能量泛函。
13. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於超聲圖像序列中其它幀圖像邊界檢測以前一幀圖像檢測到的 的邊界為初始邊界，以前一幀圖像檢測到的邊界的重心為初始中心 點。
14. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於，還包括光滑與約束步驟，用於按照能量泛函對檢測的目標區 域邊界進行光滑與約束；其中形狀約束包括通過約束相鄰極線上組織 邊界點的連線之間的角度大小來控制邊界形狀。
15. 如權利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 徵在於，還包括識別步驟，用於沿檢測出來的組織邊界基於相鄰邊界點所成角度 或曲率檢測目標結構特徵點。
16. 如權利要求l所述的使用超聲圖傳^企測組織邊界的方法，其特 4正在於，還包4舌顯示步驟，用於顯示組織邊界、邊界曲線隨時間的變化。
17. —種使用超聲圖像檢測組織邊界的裝置，其特徵在於，包括 搜索模塊，用於在檢測目標的超聲圖像中搜索目標區域的初始中心點，並依據該初始中心點確定初始區域邊界曲線；以及檢測模塊，用於以初始中心點為極點，沿著通過所述極點的極線 並從初始區域邊界開始搜索目標區域邊界的位置，計算基於邊界兩側 區域的灰度分布能量泛函，其中灰度分布能量泛函的極小值對應的位 置為目標區域的邊界。
18. 如權利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特徵在於，還包括平滑模塊，用於通過高斯濾波或各向異性濾波對所採集的檢測目 標的超聲圖像序列進行平滑。
19. 如權利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特徵在於，還包括灰度校正模塊，用於在沿極線進行邊界檢測前先對極線上點的灰 度進行灰度校正；所述灰度校正模塊執行以下操作從初始點開始沿極線搜索整條極線上的灰度極大值；再從初始點開始沿極線搜索第 一 個灰度連續增大區域的灰度極 大值點，如果該點灰度小於整條極線上的灰度極大值的一半，則將該 點定為校正點；否則，繼續搜索下一個連續增大區域的灰度極大值點， 直到搜索到滿足灰度小於整條極線上的灰度極大值的 一半的點；以及把校正點以外的點的灰度賦為校正點的灰度值以進行邊界檢測， 或者只對所述校正點以內的區域進行邊界才企測。
20. 如權利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特徵在於，還包括光滑與約束模塊，用於按照能量泛函對檢測的目標區域邊界進行 光滑與約束。
21. 如權利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特徵在於，還包括識別模塊，用於沿檢測出來的組織邊界基於相鄰邊界點所成角度 或曲率檢測目標結構特徵點。
22. 如權利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特徵在於，還包括顯示模塊，用於顯示組織邊界、邊界曲線隨時間的變化。
23. 如權利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特徵在於，還包括優化模塊，用於邊界檢測結束後，以邊界高亮顯示部分邊界點以 及初始中心點為控制點，手動調整邊界控制點位置來優化邊界形狀。
全文摘要
本發明公開了一種使用超聲圖像檢測組織邊界的方法與裝置。所述方法包括搜索步驟，用於在檢測目標的超聲圖像中搜索目標區域的初始中心點，並依據該初始中心點確定初始區域邊界曲線；以及檢測步驟，以初始中心點為極點，沿著通過所述極點的極線並從初始區域邊界開始搜索目標區域邊界的位置，計算不同位置處灰度分布能量泛函，其中灰度分布能量泛函的極小值對應的位置為目標區域的邊界。由於先進行中心點的檢測，然後沿極線快速進行邊界檢測，因此檢測更加簡單、快速。本發明採用的區域分割泛函能夠有效地避免超聲圖像噪聲的影響，並且有效檢測到弱邊界。另外，沿極線灰度校正能消除圖像灰度分布不均勻場影響。
文檔編號G06T7/60GK101527047SQ20081006577
公開日2009年9月9日 申請日期2008年3月5日 優先權日2008年3月5日
發明者叢龍飛, 羽 張, 鑫 李 申請人:深圳邁瑞生物醫療電子股份有限公司