專利名稱：使用超聲圖像檢測組織邊界的方法與裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種超聲圖像分析技術(shù)，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(shù)：
超聲檢查已成為一種重要且無創(chuàng)性顯示人體臟器結(jié)構(gòu)和運(yùn)動(dòng)功 能的檢測方法，而對這些臟器結(jié)構(gòu)和功能的進(jìn)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(shù)及其在心動(dòng)周期內(nèi)的變化，這就要求明確心內(nèi)膜邊 界。同時(shí)，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(chǔ)。
作為人體臟器邊界檢測最常用的領(lǐng)域，心臟邊界檢測在定量評價(jià) 心臟功能發(fā)揮著越來越重要的作用。臨床醫(yī)生在檢查病人心臟的過程 中，選擇圖像效果最佳時(shí)，凍結(jié)并保存多個(gè)心動(dòng)周期的圖像數(shù)據(jù)，然 后通過邊界檢測模塊計(jì)算出心內(nèi)膜的邊界。通過心內(nèi)膜邊界數(shù)據(jù)結(jié)合 數(shù)學(xué)模型，可以估計(jì)出心室體積、心排血量、射血分?jǐn)?shù)、平均左室周 徑向心縮短率等評價(jià)心臟功能的重要指標(biāo)。通過動(dòng)態(tài)顯示分割出來的 邊界能夠得到心肌局部的運(yùn)動(dòng)量，可用于檢測冠心病的節(jié)段性室壁運(yùn) 動(dòng)異常。而且基于心內(nèi)膜邊界檢測還可以進(jìn)一步拓展以獲得心外膜邊 界，同時(shí)基于內(nèi)外膜分割結(jié)果采用跟蹤算法可以計(jì)算出心肌內(nèi)部像素 節(jié)點(diǎn)的運(yùn)動(dòng)矢量，通過計(jì)算心肌局部運(yùn)動(dòng)的張量應(yīng)變率顯示出局部心 肌功能的變化。這一 系列數(shù)據(jù)的獲得對于心臟疾病的診斷意義重大， 因此，如何快速、便捷、準(zhǔn)確地實(shí)現(xiàn)心內(nèi)膜的邊界檢測成為這項(xiàng)技術(shù) 的關(guān)鍵。心功能參數(shù)的測量可以直接在三維心臟圖像(如MRI、 CT、超聲
圖像)上進(jìn)行，也可以在二維圖像上測量心腔截面面積的基礎(chǔ)上通過 一定的數(shù)學(xué)模型估算出。前者由于直接測量體積，因此精度較高，但 是通常實(shí)時(shí)性較差，不利于心動(dòng)周期不同時(shí)相的心功能實(shí)時(shí)測量，而
且通常成本較高；后者通常在超聲成像系統(tǒng)上實(shí)現(xiàn)，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(dòng)圖因 其無損性、實(shí)時(shí)性和成本上的優(yōu)勢，被廣泛用于心臟疾病的臨床診斷。 通過對超聲成像系統(tǒng)獲得的二維圖像(灰度圖、彩色血流圖、組織多 普勒圖)進(jìn)行分析，提取出心腔的邊界，自動(dòng)計(jì)算出心腔截面的面積， 并利用數(shù)學(xué)模型估計(jì)出心腔體積等參數(shù)，從而可以很方便的實(shí)現(xiàn)心動(dòng) 周期不同時(shí)相的心功能的測量，并在此基礎(chǔ)上獲得心排血量、射血分 數(shù)等重要臨床診斷參數(shù)?，F(xiàn)有的超聲成像系統(tǒng)通常采用手動(dòng)描記心腔 邊界的方法實(shí)現(xiàn)心腔體積的估計(jì)，該方法雖然精度較高，但是重復(fù)性 和便利性都很差，僅適用于少數(shù)幾幀圖像的心臟運(yùn)動(dòng)參數(shù)估計(jì)。因此， 一些超聲成像系統(tǒng)通過自動(dòng)檢測心內(nèi)膜實(shí)現(xiàn)心功能參數(shù)的自動(dòng)測量， 大大提高了診斷的重復(fù)性和便利性，能夠提供大量的重要臨床診斷參 數(shù)，如心室體積、心排血量、射血分?jǐn)?shù)和平均左室周、徑向心縮短率 等，同時(shí)心內(nèi)膜邊界的動(dòng)態(tài)運(yùn)動(dòng)能夠顯示出心肌局部運(yùn)動(dòng)的功能障 礙。心內(nèi)膜自動(dòng)檢測技術(shù)主要內(nèi)容包括心肌結(jié)構(gòu)特征點(diǎn)的檢測定位， 心內(nèi)膜檢測算法，以及心功能的定量計(jì)算和顯示方法。以B-mode成像 獲得的組織灰度圖像為例，心內(nèi)膜自動(dòng)檢測的關(guān)鍵難點(diǎn)在于如何去除 超聲圖像的噪聲干擾和弱邊界的影響。
心內(nèi)膜的自動(dòng)檢測通常由圖像存儲和讀取、圖像預(yù)處理(如降噪 等處理)、特征點(diǎn)檢測、圖像邊界檢測、心功能計(jì)算與顯示等幾個(gè)環(huán) 節(jié)構(gòu)成。心臟的超聲圖像受混響(reverberation)、斑點(diǎn)噪聲 (Speckle)等因素的影響，其信噪比較低，邊界信息較模糊。 一般 的基于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(shí) 現(xiàn)心內(nèi)膜的完整檢測。按照一種現(xiàn)有技術(shù)的方法，首先在圖像中確定一個(gè)組織解剖結(jié)構(gòu)
標(biāo)志點(diǎn)；然后檢測與解剖特征相關(guān)的組織邊界，以輪廓線表示；最后
顯示帶有組織邊界輪廓線的超聲圖像。另一種現(xiàn)有技術(shù)給出了基于上
述邊界檢測結(jié)果的多種顯示方式，例如在每幅圖像上自動(dòng)跟蹤運(yùn)動(dòng)
組織的邊界，沿每條跟蹤的邊界計(jì)算心肌運(yùn)動(dòng)，并沿跟蹤邊界顯示計(jì) 算出來的心肌運(yùn)動(dòng)信息隨時(shí)間和空間的變化等。再一種現(xiàn)有技術(shù)通過 采用上述方法分割兩個(gè)相互垂直的左心室長軸圖像來估計(jì)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(dòng)檢測二尖瓣等特征點(diǎn)，構(gòu)建相應(yīng)模型，實(shí)現(xiàn)了心內(nèi)膜的全自動(dòng)檢測。 但是所述邊界檢測方法是基于梯度計(jì)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，由于采用先特征點(diǎn)，后模型的方法， 使得檢測的結(jié)果受特征點(diǎn)檢測準(zhǔn)確性的影響很大。
又一種現(xiàn)有技術(shù)的檢測方法是在得到圖像序列后，手動(dòng)分割第一 幀圖像的心內(nèi)膜和心外膜，對該幀圖像進(jìn)行標(biāo)準(zhǔn)化并設(shè)為模板，對于
隨后幀圖像采用基于灰度分布或者Snake的方法來檢測心內(nèi)膜，心外 膜的檢測基于當(dāng)前圖像標(biāo)準(zhǔn)化后與模板的相似性進(jìn)行邊界檢測。該方 法同時(shí)檢測心內(nèi)膜和心外膜，由于需要基于內(nèi)外膜雙邊界進(jìn)行圖像的 標(biāo)準(zhǔn)化，因此檢測最初需要進(jìn)行手工分割，不能實(shí)現(xiàn)完全的自動(dòng)化檢 測。
再又一種現(xiàn)有技術(shù)的檢測方法是通過手動(dòng)點(diǎn)中心點(diǎn)，然后沿極線 方向基于極線上圖像灰度，采用自動(dòng)設(shè)定的閾值，做初始邊界檢測。 然后，采用沿才及線方向的幾何變形才莫型(Geometrically Deformable Model)方法進(jìn)行邊界檢測。以相鄰兩邊單位化后向量和的才莫(基于相 鄰邊的夾角)為內(nèi)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(xiàn)采用幾何形狀模型在圖像分割的同時(shí)進(jìn)行邊界形狀的 約束，能得到較光滑邊界。
按照一種現(xiàn)有技術(shù)的超聲工作站，其檢測方法首先進(jìn)行圖像預(yù)處 理，采用非線性變換把灰度圖像映射到新的灰階分布增強(qiáng)圖像對比度，同時(shí)利用二維非線性灰度形態(tài)算子對圖像中的每點(diǎn)進(jìn)行平滑。接 著在心室舒張末期在圖像上手動(dòng)點(diǎn)取心室中心的一點(diǎn)，基于中心點(diǎn)放 射出N條線，然后基于圖像相似性沿極線基于灰度梯度和灰度直方圖 等信息進(jìn)行分割。
按照再又一種現(xiàn)有技術(shù)，其早在1988年就提出了在超聲左心室 圖像點(diǎn)取中心點(diǎn)沿極線方向基于Canny算子搜索心內(nèi)膜的方法。上述 幾種方法都是基于梯度信息的邊界檢測方法，該類方法容易受到噪聲 影響，而且對于弱邊界的檢測效果較差，并且大都需要一個(gè)較理想的 初始邊界才能保證搜索到正確組織邊界。
針對強(qiáng)噪聲圖像，另一種現(xiàn)有技術(shù)提出了基于灰度分布的圖像區(qū)域分 割方法。該方法基于圖像分為前景和后景的假設(shè)，而且各部分圖像灰 度分別滿足高斯分布，通過定義一個(gè)基于輪廓區(qū)域內(nèi)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(jìn)行搜索，因此搜索方向不受噪聲 影響。
在另一種現(xiàn)有技術(shù)中，結(jié)合圖像灰度分布模型、測地線模型和形 狀約束泛函進(jìn)行超聲圖像中左心室的分割。該技術(shù)采用多尺度方法先 在較粗層面分割圖像，然后再以此為形狀約束進(jìn)行較細(xì)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(shí)時(shí)性的 要求，而且超聲心動(dòng)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(qū)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(qū)域，如右心室和心房內(nèi)的血液。因此，直接套用雙區(qū)域 灰度分布泛函不能得到理想的結(jié)果

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服現(xiàn)有技術(shù)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，將基于灰度分布的二維圖像分割轉(zhuǎn)換成一維極線上邊界點(diǎn)檢測。為了實(shí)現(xiàn)這一目的，本發(fā)明所采 取的技術(shù)方案如下。
按照本發(fā)明實(shí)施例的第一方面，提供一種使用超聲圖像;險(xiǎn)測組織
邊界的方法，包括搜索步驟，用于在檢測目標(biāo)的超聲圖像中搜索目 標(biāo)區(qū)域的初始中心點(diǎn)，并依據(jù)該初始中心點(diǎn)確定初始區(qū)域邊界曲線； 以及檢測步驟，以初始中心點(diǎn)為極點(diǎn)，沿著通過所述極點(diǎn)的極線并從 初始區(qū)域邊界開始搜索目標(biāo)區(qū)域邊界的位置，計(jì)算基于邊界兩側(cè)區(qū)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(yīng)的位置為 目標(biāo)區(qū)域的邊界。所述搜索步驟進(jìn)一步包括在檢測目標(biāo)的超聲圖像 上設(shè)定深度；在該深度上從一側(cè)向另一側(cè)計(jì)算一定角度內(nèi)圖像的平均 灰度，并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(gè)和第二個(gè)灰度連續(xù)增大區(qū)域內(nèi)的平均灰度極大值點(diǎn)，并在兩個(gè) 極大值點(diǎn)中間的區(qū)域搜索平均灰度極小值點(diǎn)；其中將所述平均灰度極 小值點(diǎn)定為目標(biāo)區(qū)域的初始中心點(diǎn)。
優(yōu)選的是，在目標(biāo)區(qū)域的初始中心點(diǎn)搜索過程中，約束兩個(gè)極大 值與所述平均灰度極小值的差分別大于預(yù)定閾值。
再優(yōu)選的是，所述初始區(qū)域邊界曲線為以所述目標(biāo)區(qū)域初始中心 點(diǎn)為圓心的圓形曲線，其中所述圓形曲線的半徑為所述目標(biāo)區(qū)域初始 中心點(diǎn)至目標(biāo)區(qū)域邊界的距離的三分之一至五分之一。
還優(yōu)選的是，當(dāng)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(diǎn)的灰度減去初始中心點(diǎn)的灰度作為各條線上的 灰度閾值，當(dāng)灰度分布能量泛函增大超過該閾值時(shí)，到達(dá)邊界并停止 檢測。
所述灰度分布能量泛函可以是基于圖像灰度方差的函數(shù)或者是 基于圖像灰度方差和梯度的函數(shù)。另外，所述灰度分布能量泛函可為 基于區(qū)域邊界內(nèi)部的灰度分布能量泛函，或?yàn)榛趨^(qū)域邊界外部灰度 分布的能量泛函。
ii進(jìn)一步優(yōu)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(xiǎn)測到的邊界的重心為 初始中心點(diǎn)。
可選的是，按照本發(fā)明實(shí)施例第一方面的使用超聲圖像檢測組織 邊界的方法還包括采集步驟，用于采集檢測目標(biāo)的超聲圖像序列。其 中所述超聲圖像序列可為心臟運(yùn)動(dòng)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(gè)心動(dòng)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(fā)明實(shí)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，用于通過高斯濾波或各向異性濾波對 所采集的檢測目標(biāo)的超聲圖像序列進(jìn)行平滑。
還可選的是，按照本發(fā)明實(shí)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，用于對搜索的初始中心點(diǎn)手工進(jìn)行位 置修正。
進(jìn)一步可選的是，按照本發(fā)明實(shí)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，用于在沿極線進(jìn)行邊界檢測
前先對極線上點(diǎn)的灰度進(jìn)行灰度校正；所述灰度校正步驟進(jìn)一步包 括從初始點(diǎn)開始沿極線搜索整條極線上的灰度極大值；再從初始點(diǎn) 開始沿極線搜索第一個(gè)灰度連續(xù)增大區(qū)域的灰度極大值點(diǎn)，如果該點(diǎn) 灰度小于整條極線上的灰度極大值的一半，則將該點(diǎn)定為校正點(diǎn)；否 則，繼續(xù)搜索下一個(gè)連續(xù)增大區(qū)域的灰度極大值點(diǎn)，直到搜索到滿足 灰度小于整條極線上的灰度極大值的 一半的點(diǎn)；以及把校正點(diǎn)以外的 點(diǎn)的灰度賦為校正點(diǎn)的灰度值以進(jìn)行邊界檢測，或者只對所述校正點(diǎn) 以內(nèi)的區(qū)域進(jìn)行邊界檢測。
進(jìn)一步可選的是，4要照本發(fā)明實(shí)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，用于按照能量泛函對檢測 的目標(biāo)區(qū)域邊界進(jìn)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(diǎn)的連線之間的角度大小來控制邊界形狀。進(jìn)一步可選的是，按照本發(fā)明實(shí)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(yōu)化步驟，用于邊界檢測結(jié)束后，以邊界高 亮顯示部分邊界點(diǎn)以及初始中心點(diǎn)為控制點(diǎn)，手動(dòng)調(diào)整邊界控制點(diǎn)位 置來優(yōu)化邊界形狀。
進(jìn)一步可選的是，按照本發(fā)明實(shí)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，用于沿檢測出來的組織邊界基于 相鄰邊界點(diǎn)所成角度或曲率檢測目標(biāo)結(jié)構(gòu)特征點(diǎn)，進(jìn)行邊界的形狀優(yōu) 化。其中所述目標(biāo)結(jié)構(gòu)特征點(diǎn)包括側(cè)部二尖瓣和中間二尖瓣，也可以 為其它組織的特定結(jié)構(gòu)。
進(jìn)一步可選的是，按照本發(fā)明實(shí)施例第一方面的使用超聲圖像沖企 測組織邊界的方法還包括顯示步驟，用于顯示組織邊界、邊界曲線隨 時(shí)間的變化。
按照本發(fā)明實(shí)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，用于在檢測目標(biāo)的超聲圖像中搜索目
標(biāo)區(qū)域的初始中心點(diǎn)，并依據(jù)該初始中心點(diǎn)確定初始區(qū)域邊界曲線； 以及檢測模塊，以初始中心點(diǎn)為極點(diǎn)，沿著通過所述極點(diǎn)的極線并從 初始區(qū)域邊界開始搜索目標(biāo)區(qū)域邊界的位置，計(jì)算基于邊界兩側(cè)區(qū)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(yīng)的位置為 目標(biāo)區(qū)域的邊界。
可選的是，按照本發(fā)明實(shí)施例第二方面的使用超聲圖像檢測組織 邊界的裝置還包括采集模塊，用于采集檢測目標(biāo)的超聲圖像序列。
再可選的是，按照本發(fā)明實(shí)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，用于通過高斯濾波或各向異性濾波對 所采集的檢測目標(biāo)的超聲圖像序列進(jìn)行平滑。
還可選的是，按照本發(fā)明實(shí)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，用于在沿極線進(jìn)行邊界檢測前先 對極線上點(diǎn)的灰度進(jìn)行灰度校正；所述灰度校正模塊執(zhí)行以下操作 從初始中心點(diǎn)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(diǎn)開始沿極線搜索第 一個(gè)灰度連續(xù)增大區(qū)域的灰度極大值點(diǎn)，如果 該點(diǎn)灰度J、于整條極線上的灰度極大值的 一 半，則將該點(diǎn)定為校正 點(diǎn)；否則，繼續(xù)搜索下一個(gè)灰度連續(xù)增大區(qū)域的灰度極大值點(diǎn)，直到
搜索到滿足灰度小于整條極線上的灰度極大值的 一 半的點(diǎn)；以及把校
正點(diǎn)以外的點(diǎn)的灰度賦為校正點(diǎn)的灰度值以進(jìn)行邊界檢測，或者只對 所述校正點(diǎn)以內(nèi)的區(qū)域進(jìn)行邊界4全測。
進(jìn)一步可選的是，按照本發(fā)明實(shí)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，用于按照能量泛函對檢測 的目標(biāo)區(qū)域邊界進(jìn)行光滑與約束。
進(jìn)一步可選的是，按照本發(fā)明實(shí)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(yōu)化模塊，用于邊界檢測結(jié)束后，以邊界高 亮顯示部分邊界點(diǎn)以及初始中心點(diǎn)為控制點(diǎn)，手動(dòng)調(diào)整邊界控制點(diǎn)位 置來優(yōu)化邊界形狀。
進(jìn)一步可選的是，按照本發(fā)明實(shí)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，用于沿檢測出來的組織邊界基于 相鄰邊界點(diǎn)所成角度或曲率檢測目標(biāo)結(jié)構(gòu)特征點(diǎn)。
進(jìn)一步可選的是，按照本發(fā)明實(shí)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，用于顯示組織邊界、邊界曲線隨 時(shí)間的變化。
按照本發(fā)明實(shí)施例的方法與裝置進(jìn)行組織邊界檢測時(shí)的優(yōu)點(diǎn)主
要體現(xiàn)在
1. 按照本發(fā)明的方法與裝置基于超聲圖像灰度場并通過計(jì)算灰 度能量泛函來檢測組織邊界，對初始中心點(diǎn)以及初始區(qū)域邊界依賴性 小，因此，初始中心點(diǎn)、初始區(qū)域邊界和區(qū)域結(jié)構(gòu)特征點(diǎn)檢測更加簡 單、快速。
2. 基于按照發(fā)明實(shí)施例的能量泛函進(jìn)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(jì)算速度，沿極線計(jì)灰度校正法 能夠較好去除不均勻場的影響，保證計(jì)算區(qū)域內(nèi)只存在兩種組織^v而 獲得穩(wěn)定邊界。
下面將結(jié)合附圖并通過具體的實(shí)施例對本發(fā)明進(jìn)行進(jìn)一步說明。


圖1超聲心內(nèi)膜自動(dòng)檢測系統(tǒng)流程圖； 圖2是按照本發(fā)明實(shí)施例的超聲心內(nèi)膜自動(dòng)檢測流程圖； 圖3是初始中心點(diǎn)搜索區(qū)域示意圖； 圖4是初始中心點(diǎn)搜索區(qū)域灰度分布示意圖； 圖5是沿極線進(jìn)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(fā)明實(shí)施例的方法進(jìn)行角度形狀約束的示意圖； 圖9a和9b是按照本發(fā)明實(shí)施例的方法檢測心內(nèi)膜邊界的結(jié)果示 意圖10是按照本發(fā)明實(shí)施例的使用超聲圖像檢測組織邊界的裝置 的框圖。
具體實(shí)施例方式
下面以心內(nèi)膜邊界的檢測作為示例，對按照本實(shí)施例的方法與裝 置進(jìn)4亍"i羊細(xì)i兌明。
如圖1所示，是一種典型的心內(nèi)膜檢測系統(tǒng)的框圖。超聲探頭向 人體相應(yīng)檢查部位(例如心臟)發(fā)射超聲波，成像掃描可以通過ECG 觸發(fā)控制，接收到的回波信號經(jīng)過前置放大，ADC變換，波束合成等 環(huán)節(jié)處理，送入圖像處理模塊。經(jīng)過非多普勒信號處理，獲得人體組 織(如心臟)的解剖結(jié)構(gòu)灰度圖像，保存到電影回放數(shù)據(jù)存儲單元。 自動(dòng)邊界檢測模塊讀取圖像數(shù)據(jù)，進(jìn)行邊界檢測和計(jì)算，參數(shù)計(jì)算模塊根據(jù)得到的邊界信息，結(jié)合數(shù)據(jù)模型，進(jìn)行各項(xiàng)功能(如心臟功能) 參數(shù)計(jì)算。得到的邊界信息和功能參數(shù)送到顯示器進(jìn)行顯示。在對圖 像序列進(jìn)行處理時(shí)，把當(dāng)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(shí)施例中，以心內(nèi)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(shù)據(jù)讀取200，圖像去噪聲202,初始位置檢測 和邊界初始化204、基于灰度分布的區(qū)域分割206 (例如通過把圖像分 割成左心室血液區(qū)域和心月幾區(qū)域，而把兩個(gè)區(qū)域的邊界作為心內(nèi)膜)、 沿區(qū)域邊界檢測特征點(diǎn)208、計(jì)算心臟功能210、心臟運(yùn)動(dòng)功能顯示 212等幾個(gè)部分。進(jìn)行心功能超聲檢查時(shí)，選擇左室長軸四腔心或二 腔心位置進(jìn)行掃描；調(diào)節(jié)圖像參數(shù)獲得最佳效果的心肌圖像序列后， 凍結(jié)若干心動(dòng)周期的圖像數(shù)據(jù)；手工選擇或者根據(jù)ECG信號自動(dòng)選擇 特定時(shí)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(shí)例中，選擇心臟收縮初期(此刻二尖瓣閉合，并 且左心室形狀為較理想的閉口倒"U，，字形)，開始進(jìn)行初始檢測點(diǎn) 的確定和區(qū)域分割(即邊界檢測)。如圖像質(zhì)量不好，可采用高斯濾 波或者各向異性濾波進(jìn)行圖像平滑。通常血液為強(qiáng)回聲信號顯示為白 色而心肌為弱回聲顯示為黑色，而當(dāng)采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(shí)，則進(jìn)行反色灰階變換把心 肌區(qū)域變換為灰度較高區(qū)域而血液變?yōu)榛叶容^小區(qū)域。
根據(jù)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(cè)，而且左心室側(cè)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?？蓳?jù)此進(jìn)行左心室中心點(diǎn)的自動(dòng)搜索。在第 一幀圖像即心臟收縮初期圖像上，根據(jù)一般正常成年人的左心室深度 可設(shè)定一個(gè)深度范圍，在該深度上從一側(cè)向另一側(cè)(例如從左向右)， 計(jì)算相應(yīng)角度(如90度)內(nèi)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(jì)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(gè)和第二個(gè)灰度連續(xù)增大區(qū)域內(nèi)的灰度的極大值點(diǎn)淞和必，然后在兩個(gè)極大值點(diǎn)中間的區(qū)域搜索平均灰 度^l小點(diǎn)M/n ， i殳定該點(diǎn)為左心室中心(即自動(dòng)片全測位置初始中心點(diǎn))。 初始點(diǎn)搜索過程中約束兩個(gè)極大值與灰度極小值的灰度差要大于一 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(diǎn))和心室血液中心(灰度極小值點(diǎn))。初始化區(qū)域邊界為以初始點(diǎn) 為圓心的圓形曲線，曲線半徑可定為初始中心點(diǎn)到圖像邊界距離的三 分之一至五分之一(由于按照本實(shí)施例的方法對初始區(qū)域邊界的依賴 性小，因此，該曲線半徑的大小沒有嚴(yán)格限制)。其它幀圖像區(qū)域分 割以前一幀圖像血液與心肌區(qū)域的分界線為初始邊界，以前一幀圖像 中血液與心肌區(qū)域間的邊界的重心為初始點(diǎn)。
為減小計(jì)算量提升區(qū)域分割速度，在獲取初始點(diǎn)位置后，以此為 極點(diǎn)沿極線方向(如圖5所示，從中心圓點(diǎn)發(fā)出的線)檢測心內(nèi)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(biāo)志點(diǎn)位置 檢測。同時(shí)，沿極線分割前首先對極線上點(diǎn)的灰度進(jìn)行灰度校正，圖
6中黑色線表示沿一條線上點(diǎn)的灰度分布，首先從初始點(diǎn)沿極線搜索 整條線上的灰度極大值G^ ,再從初始點(diǎn)開始沿極線搜索第一個(gè)灰度 連續(xù)增大區(qū)域的灰度極大值點(diǎn)(心肌位置)，如果該點(diǎn)灰度大于G^的 一半，則該點(diǎn)定為校正點(diǎn)G紹(圖6中G版和G紹為同一點(diǎn))；否則，
繼續(xù)搜索下一個(gè)連續(xù)增大區(qū)域的極大值點(diǎn)，直到滿足前述條件。把校 正點(diǎn)Gw外的點(diǎn)(也就是校正點(diǎn)與極點(diǎn)之間的點(diǎn)以外的點(diǎn))的灰度統(tǒng) 一設(shè)為校正點(diǎn)G組的灰度值，通過灰度校正處理，保證當(dāng)前幀的超聲 心動(dòng)圖 <象內(nèi)只包含左心室內(nèi)部血液區(qū)域和心月幾區(qū)域兩個(gè)連續(xù)區(qū)域兩 部分(如圖6中所示)。類似的，也可以在區(qū)域分割計(jì)算過程中只對 校正點(diǎn)C^,以內(nèi)的點(diǎn)(也就是校正點(diǎn)與極點(diǎn)之間的點(diǎn))進(jìn)行灰度分布 能量泛函的計(jì)算。
以初始點(diǎn)為圓心，初始化心內(nèi)膜邊界輪廓為一圓形區(qū)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(shè)c,為內(nèi)部 區(qū)域fm油(丄)的灰度均值，設(shè)&為外部區(qū)域o慮她(丄)的灰度均值，w(/)為
17區(qū)域中點(diǎn)(極線上點(diǎn))(X,，")的灰度，7為權(quán)重系數(shù)，
漢
界點(diǎn)灰度梯度的模。則某條線上邊界點(diǎn)的能量泛函可定義為
為內(nèi)外區(qū)域邊
<formula>formula see original document page 18</formula>(5.1)
本方法假設(shè)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(qū)域分界位置，上述能量函數(shù)中前兩項(xiàng)圖 像灰度分布泛函最小，而邊界點(diǎn)的灰度梯度模最大，即整個(gè)能量泛函 能量最小。因此，從初始邊界點(diǎn)開始，沿極線方向逐步向外(或向內(nèi)) 改變初始邊界的位置，重復(fù)計(jì)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(yīng)的位置即定義 為心室內(nèi)部血液區(qū)域和心肌區(qū)域之間的邊界，即為心內(nèi)膜位置。
將計(jì)算得到的每條檢測線上灰度的最大值進(jìn)行比較可以發(fā)現(xiàn)，整
個(gè)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(dāng)沿 極線方向檢測組織邊界的過程中，針對不同的位置采用不同的閾值是 非常必要的。將每條極線上搜索到的灰度極大值點(diǎn)的灰度減去初始點(diǎn) 灰度作為各條線上的灰度閾值w ,當(dāng)能量泛函增大超過預(yù)定閾值時(shí)，
到達(dá)邊界并停止檢測，7 可以設(shè)為與閾值W成線性關(guān)系。通過上述閾
值條件設(shè)置，可以有效地去除心肌亮度不均勻?qū)Ψ指罱Y(jié)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(diǎn)到中心點(diǎn)的距離 進(jìn)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(dāng)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(qū)域的灰 度分布的形式如下面的公式
<formula>formula see original document page 18</formula>
該泛函為Mumford-Shah泛函的一部分，其中a為內(nèi)部區(qū)域的方 差。但是該方法對閾值的依賴性較強(qiáng)，所以本實(shí)施例采用前一種雙區(qū) 域的能量泛函。由于心內(nèi)膜邊界信息復(fù)雜，必須采用 一定的形狀約束來避免發(fā)生 邊界的泄漏?；谙噜彆r(shí)刻心臟圖像間的相似性，可定義形狀約束能 量泛函《為
<formula>formula see original document page 19</formula>
其中D(cO),c'0》為當(dāng)前邊界點(diǎn)cO)和前一幀邊界點(diǎn)c'0)的距離， J(c"》表示邊界點(diǎn)cW與其鄰域點(diǎn)這兩點(diǎn)所成的角度。該泛函中第一項(xiàng) 表示前一幀圖像對當(dāng)前幀圖像形狀的約束，第二部分表示心內(nèi)膜邊界 的光滑性約束，即避免出現(xiàn)邊界的尖角和毛刺現(xiàn)象，也就是盡量保證 邊界點(diǎn)與其鄰域點(diǎn)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(diǎn)所成角Z6々A ，根據(jù)三角形邊與角的關(guān)系公式可以 計(jì)算得到該角的弧度值。可以設(shè)定泛函F = F4 + AF5來檢測隨后幀圖像 的心內(nèi)膜邊界。在區(qū)域分割過程中，為了加快速度本實(shí)施例采用多尺 度方法，先在較少極線上邊界檢測，再細(xì)化檢測整個(gè)內(nèi)膜邊界。
沿上述檢測出來的邊界，可以檢測如中間二尖瓣環(huán)、側(cè)部二尖 瓣環(huán)和心室尖等組織區(qū)域的特征點(diǎn)。如圖8中，由于二尖瓣位于中心 點(diǎn)的下方，通過計(jì)算中心點(diǎn)下方邊界點(diǎn)的^(cW)值或者曲率等參數(shù)， 來檢測中間二尖瓣環(huán)和側(cè)部二尖瓣環(huán)。同時(shí)沿檢測出的心內(nèi)膜邊界檢 測距離兩個(gè)二尖瓣環(huán)點(diǎn)連線的最遠(yuǎn)點(diǎn)作為心室尖位置。在序列圖像處 理過程中，使用前一時(shí)刻區(qū)域特征點(diǎn)的位置對后續(xù)時(shí)刻特征點(diǎn)搜索進(jìn) 行位置約束，以解決因?yàn)樵谛呐K舒張期二尖瓣環(huán)打開造成的二尖瓣環(huán) 結(jié)構(gòu)特征不明顯等問題。如圖9中方塊形點(diǎn)為找到的特征點(diǎn)。心室尖 到二尖瓣環(huán)連線的距離作為左心室長軸的長度T 。
分割出心內(nèi)膜后，可以動(dòng)態(tài)或逐幀顯示心內(nèi)膜邊界隨圖像的變 化。圖9是利用本發(fā)明實(shí)施例的方法得到的心內(nèi)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(fā)明， 可以比較準(zhǔn)確的才全測出心內(nèi)膜邊界。
得到左心室邊界后，可以進(jìn)行常用心肌功能參數(shù)計(jì)算。例如，以心室中心點(diǎn)為圓點(diǎn)，相鄰兩邊界點(diǎn)構(gòu)成小三角形，計(jì)算并累加三角形 面積得到為長軸圖像左心室血液區(qū)域的面積A,從而得到左心室體積
的估計(jì)
尸=0.85.丄 (5.4)
r
另外，在此基礎(chǔ)上還可以計(jì)算出射血量]^=「_-Fmin,射血分?jǐn)?shù) ，其中)^,^分別為心室體積的最大和最小值。
在分割結(jié)束后，以內(nèi)膜邊界高亮顯示部分邊界點(diǎn)以及中心點(diǎn)為控 制點(diǎn)(二尖瓣環(huán)點(diǎn)和心室尖必為控制點(diǎn))，允許手動(dòng)調(diào)整邊界控制點(diǎn) 位置來優(yōu)化邊界形狀。當(dāng)調(diào)整邊界點(diǎn)后，自動(dòng)重新計(jì)算心室體積等參 數(shù)。當(dāng)調(diào)整圖像中左心室中心點(diǎn)位置后，自動(dòng)重新分割當(dāng)前幀以及后 續(xù)幀圖像邊界并計(jì)算心室體積等參數(shù)。
如圖10所示，按照本實(shí)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，還可選地包括采集模塊IOI、 平滑模塊103、灰度校正模塊109、光滑與約束模塊lll、優(yōu)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。
采集模塊101用于采集檢測目標(biāo)的超聲圖像序列，如果所采集的 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 所采集的檢測目標(biāo)的超聲圖像序列進(jìn)行平滑處理。搜索模塊105用于 在檢測目標(biāo)的超聲圖像中搜索目標(biāo)區(qū)域的初始中心點(diǎn)，并依據(jù)該初始 中心點(diǎn)確定初始區(qū)域邊界曲線。
斗企測模塊107以初始中心點(diǎn)為極點(diǎn)，沿著通過所述極點(diǎn)的極線并 從初始區(qū)域邊界開始，按照預(yù)定步長(如圖像像素大小)改變初始區(qū) 域邊界的位置，同時(shí)計(jì)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(yīng)的位置為目標(biāo)區(qū)域的邊界。在沿極線進(jìn)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(diǎn)的灰度進(jìn)行 灰度校正，其中所述灰度校正模塊l09在進(jìn)行灰度校正時(shí)執(zhí)行以下操作從初始點(diǎn)開始沿極線搜索整條極線上的灰度極大值；再從初始點(diǎn) 開始沿極線搜索第一個(gè)灰度連續(xù)增大區(qū)域的灰度極大值點(diǎn)，如果該點(diǎn) 灰度小于整條極線上的灰度極大值的一半，則將該點(diǎn)定為校正點(diǎn)；否 則，繼續(xù)搜索下一個(gè)連續(xù)增大區(qū)域的灰度極大值點(diǎn)，直到滿足前述條 件；以及把校正點(diǎn)以外的點(diǎn)的灰度賦為校正點(diǎn)的灰度值以進(jìn)行邊界檢 測，或者只對所述校正點(diǎn)以內(nèi)的區(qū)域進(jìn)行邊界檢測。在進(jìn)行邊界檢測 時(shí)，為了避免發(fā)生邊界泄露，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(biāo)區(qū)域邊界進(jìn)行光滑與約束
<formula>formula see original document page 21</formula>
其中Z)(c(",c'(力)為當(dāng)前邊界點(diǎn)c(O和前一幀邊界點(diǎn)c'("的距離，4(cW) 表示邊界點(diǎn)c(力與其鄰域點(diǎn)這兩點(diǎn)所成的角度，第一項(xiàng)表示前一幀圖
像對當(dāng)前幀圖像形狀的約束，第二項(xiàng)表示光滑性約束。
邊界檢測結(jié)束后，優(yōu)化模塊113以邊界高亮顯示部分邊界點(diǎn)以及 中心點(diǎn)為控制點(diǎn)，手動(dòng)調(diào)整邊界控制點(diǎn)位置來優(yōu)化邊界形狀。識別模 塊115用于沿檢測出來的組織邊界基于相鄰邊界點(diǎn)所成角度和曲率檢 測目標(biāo)結(jié)構(gòu)特征點(diǎn)。顯示模塊117用于顯示組織邊界、邊界曲線隨時(shí) 間的變化、以及相關(guān)參數(shù)。其中相關(guān)參數(shù)包括以下根據(jù)檢測的組織邊 界計(jì)算的參數(shù)心室體積、心排血量、心臟射血分?jǐn)?shù)、平均左室周、 徑向心縮短率。
本實(shí)施例根據(jù)超聲心動(dòng)圖像的特點(diǎn)介紹了 一種新的心內(nèi)膜邊界 檢測技術(shù)，首先進(jìn)行左心室初始中心點(diǎn)的自動(dòng)檢測，然后采用沿極線 搜索的方式快速地進(jìn)行邊界檢測。本實(shí)施例采用的區(qū)域分割泛函能夠 有效地避免超聲圖像噪聲的影響，并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(nèi)膜檢測為例對本發(fā)明做了說明，但本發(fā)明并不限 于這些具體的實(shí)施例。本領(lǐng)域普通技術(shù)人員應(yīng)該明白，按照本發(fā)明的 方法與裝置還可以用于檢測其它組織的邊界，如血管壁、膽嚢等內(nèi)部灰度分布一致區(qū)域邊界的檢測。其次，按照本發(fā)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(fā)明做一些修改、變形、等同替換等。但是，只要未背離本 發(fā)明的精神和范圍，都應(yīng)在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種使用超聲圖像檢測組織邊界的方法，其特征在于，包括搜索步驟，用于在檢測目標(biāo)的超聲圖像中搜索目標(biāo)區(qū)域的初始中心點(diǎn)，并依據(jù)該初始中心點(diǎn)確定初始區(qū)域邊界曲線；以及檢測步驟，以初始中心點(diǎn)為極點(diǎn)，沿著通過所述極點(diǎn)的極線并從初始區(qū)域邊界開始搜索目標(biāo)區(qū)域邊界的位置，計(jì)算基于邊界兩側(cè)區(qū)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(yīng)的位置為目標(biāo)區(qū)域的邊界。
2. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 征在于所述超聲圖像序列可為心臟運(yùn)動(dòng)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(gè)心動(dòng)周期中的收 縮末期圖像和舒張末期圖像。
3. 如權(quán)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 征在于，還包括平滑步驟，用于通過高斯濾波或各向異性濾波對所采集的檢測目 標(biāo)的超聲圖像序列進(jìn)行平滑。
4. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 征在于，所述搜索步驟進(jìn)一步包括在檢測目標(biāo)的超聲圖像上設(shè)定深度；在該深度上從一側(cè)向另一側(cè)計(jì)算一定角度內(nèi)圖像的平均灰度，并 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(gè)和第二個(gè)平均灰度連續(xù)增大 區(qū)域內(nèi)的平均灰度極大值點(diǎn)，并在兩個(gè)極大值點(diǎn)中間的區(qū)域搜索平均 灰度極小值點(diǎn)；其中將所述平均灰度極小值點(diǎn)定為目標(biāo)區(qū)域的初始中心點(diǎn)。
5. 如權(quán)利要求4所述的使用超聲圖像檢測組織邊界的方法，其特 征在于在目標(biāo)區(qū)域的初始中心點(diǎn)搜索過程中，約束兩個(gè)極大值與所 述平均灰度極小值的差分別大于預(yù)定閾值。
6. 如權(quán)利要求l所述的使用超聲圖像;險(xiǎn)測組織邊界的方法，其特 征在于，還包括修正步驟，用于對搜索的初始中心點(diǎn)手工進(jìn)行位置修正。
7. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 征在于所述初始區(qū)域邊界曲線為以所述目標(biāo)區(qū)域初始中心點(diǎn)為圓心 的圓形曲線，其中所述圓形曲線的半徑為所述目標(biāo)區(qū)域初始中心點(diǎn)至 目標(biāo)區(qū)域邊界的距離的三分之一至五分之一。
8. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 征在于，還包括灰度校正步驟，用于在沿極線進(jìn)行邊界檢測前先對極 線上點(diǎn)的灰度進(jìn)行灰度校正；所述灰度校正步驟進(jìn)一步包括從初始點(diǎn)開始沿極線搜索整條極線上的灰度極大值； 再從初始點(diǎn)開始沿極線搜索第一個(gè)灰度連續(xù)增大區(qū)域的灰度極 大值點(diǎn)，如果該點(diǎn)灰度小于整條極線上的灰度極大值的一半，則將該 點(diǎn)定為校正點(diǎn)；否則，繼續(xù)搜索下一個(gè)連續(xù)增大區(qū)域的灰度極大值點(diǎn)， 直到搜索到滿足灰度小于整條極線上的灰度極大值的一半的點(diǎn)；以及把校正點(diǎn)以外的點(diǎn)的灰度賦為校正點(diǎn)的灰度值以進(jìn)行邊界檢測， 或者只對所述校正點(diǎn)以內(nèi)的區(qū)域進(jìn)行邊界4企測。
9. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 征在于在沿極線檢測目標(biāo)區(qū)域邊界的過程中，將每條極線上搜索到 的灰度極大值點(diǎn)的灰度減去初始中心點(diǎn)的灰度作為各條線上的灰度 閾值，當(dāng)灰度分布能量泛函增大超過該閾值時(shí)，到達(dá)邊界并停止檢觀'J。
10. 如權(quán)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 征在于，還包括優(yōu)化步驟，用于邊界檢測結(jié)束后，以邊界高亮顯示部分邊界點(diǎn)以 及初始中心點(diǎn)為控制點(diǎn)，手動(dòng)調(diào)整邊界控制點(diǎn)位置來優(yōu)化邊界形狀。
11. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特征在于所述灰度分布能量泛函可以是基于圖像灰度方差的函數(shù)或者是基于圖像灰度方差和梯度的函數(shù)。
12. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 征在于所述灰度分布能量泛函可為基于區(qū)域邊界內(nèi)部的灰度分布能 量泛函，或?yàn)榛趨^(qū)域邊界外部灰度分布的能量泛函。
13. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 征在于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(diǎn)。
14. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 征在于，還包括光滑與約束步驟，用于按照能量泛函對檢測的目標(biāo)區(qū) 域邊界進(jìn)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(diǎn)的連線之間的角度大小來控制邊界形狀。
15. 如權(quán)利要求l所述的使用超聲圖像檢測組織邊界的方法，其特 征在于，還包括識別步驟，用于沿檢測出來的組織邊界基于相鄰邊界點(diǎn)所成角度 或曲率檢測目標(biāo)結(jié)構(gòu)特征點(diǎn)。
16. 如權(quán)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正在于，還包4舌顯示步驟，用于顯示組織邊界、邊界曲線隨時(shí)間的變化。
17. —種使用超聲圖像檢測組織邊界的裝置，其特征在于，包括 搜索模塊，用于在檢測目標(biāo)的超聲圖像中搜索目標(biāo)區(qū)域的初始中心點(diǎn)，并依據(jù)該初始中心點(diǎn)確定初始區(qū)域邊界曲線；以及檢測模塊，用于以初始中心點(diǎn)為極點(diǎn)，沿著通過所述極點(diǎn)的極線 并從初始區(qū)域邊界開始搜索目標(biāo)區(qū)域邊界的位置，計(jì)算基于邊界兩側(cè) 區(qū)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(yīng)的位 置為目標(biāo)區(qū)域的邊界。
18. 如權(quán)利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特征在于，還包括平滑模塊，用于通過高斯濾波或各向異性濾波對所采集的檢測目 標(biāo)的超聲圖像序列進(jìn)行平滑。
19. 如權(quán)利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特征在于，還包括灰度校正模塊，用于在沿極線進(jìn)行邊界檢測前先對極線上點(diǎn)的灰 度進(jìn)行灰度校正；所述灰度校正模塊執(zhí)行以下操作從初始點(diǎn)開始沿極線搜索整條極線上的灰度極大值；再從初始點(diǎn)開始沿極線搜索第 一 個(gè)灰度連續(xù)增大區(qū)域的灰度極 大值點(diǎn)，如果該點(diǎn)灰度小于整條極線上的灰度極大值的一半，則將該 點(diǎn)定為校正點(diǎn)；否則，繼續(xù)搜索下一個(gè)連續(xù)增大區(qū)域的灰度極大值點(diǎn)， 直到搜索到滿足灰度小于整條極線上的灰度極大值的 一半的點(diǎn)；以及把校正點(diǎn)以外的點(diǎn)的灰度賦為校正點(diǎn)的灰度值以進(jìn)行邊界檢測， 或者只對所述校正點(diǎn)以內(nèi)的區(qū)域進(jìn)行邊界才企測。
20. 如權(quán)利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特征在于，還包括光滑與約束模塊，用于按照能量泛函對檢測的目標(biāo)區(qū)域邊界進(jìn)行 光滑與約束。
21. 如權(quán)利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特征在于，還包括識別模塊，用于沿檢測出來的組織邊界基于相鄰邊界點(diǎn)所成角度 或曲率檢測目標(biāo)結(jié)構(gòu)特征點(diǎn)。
22. 如權(quán)利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特征在于，還包括顯示模塊，用于顯示組織邊界、邊界曲線隨時(shí)間的變化。
23. 如權(quán)利要求17所述的使用超聲圖像檢測組織邊界的裝置，其 特征在于，還包括優(yōu)化模塊，用于邊界檢測結(jié)束后，以邊界高亮顯示部分邊界點(diǎn)以 及初始中心點(diǎn)為控制點(diǎn)，手動(dòng)調(diào)整邊界控制點(diǎn)位置來優(yōu)化邊界形狀。
全文摘要
本發(fā)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，用于在檢測目標(biāo)的超聲圖像中搜索目標(biāo)區(qū)域的初始中心點(diǎn)，并依據(jù)該初始中心點(diǎn)確定初始區(qū)域邊界曲線；以及檢測步驟，以初始中心點(diǎn)為極點(diǎn)，沿著通過所述極點(diǎn)的極線并從初始區(qū)域邊界開始搜索目標(biāo)區(qū)域邊界的位置，計(jì)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(yīng)的位置為目標(biāo)區(qū)域的邊界。由于先進(jìn)行中心點(diǎn)的檢測，然后沿極線快速進(jìn)行邊界檢測，因此檢測更加簡單、快速。本發(fā)明采用的區(qū)域分割泛函能夠有效地避免超聲圖像噪聲的影響，并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(yōu)先權(quán)日2008年3月5日
發(fā)明者叢龍飛, 羽 張, 鑫 李 申請人:深圳邁瑞生物醫(yī)療電子股份有限公司