（生物医学工程专业论文）基于斑点追踪技术的心脏超声成像应变分析.pdf

a b s t r a c t c u r r e n t l y , c a r d i o v a s c u l a rd i s e a s eh a sb e c o m e o n eo ft h em a j o rc a u s e so fh u m a nd e a t h i n o r d e rt ot h ei m a g eo ft h eh e a r tt od i a g n o s eh e a r td i s e a s e ，m e d i c a li m a g i n gt e c h n o l o g yh a s b e c o m ea ni m p o r t a n tc l i n i c a lt 0 0 1 u l t r a s o u n di m a g i n gd i a g n o s t i ct e c h n i q u e sa sa r e s u l to fi t s r a p i da n dp a i n l e s st ot h ep a t i e n th a sb e c o m eo n eo ft h em a i nm e t h o d s t h es p e c k l et r a c k i n g t e c h n o l o g yi sa b o u tt w o d i m e n s i o n a lu l t r a s o u n di m a g e s ，b a s e do nt h eb e s tp a t t e r n m a t c h i n g t e c h n o l o g yu s e dt oi d e n t i f ym y o c a r d i a ls p e c k l et r a c k i n gt h em o v e m e n ta n dt r a c k i n go f e a c h f r a m ei nt h ei m a g eo nt h el o c a t i o no fc h a n g e si nm a p p i n go u tt h ed i f f e r e n ti m a g e s i nt h es a m e f r a m et r a j e c t o r yo ft h em y o c a r d i a ll o c a t i o n t l l i sa j t i c l ei sb a s e do nt h eh e a r to fl e f tv e n t r i c u l a rt w o d i m e n s i o n a lu l t r a s o u n di m a g eo f t h em o v e m e n ts e q u e n c e ，b yt r a c k i n gi t ss h o r t - a x i si m a g es p e c k l ei n f o r m a t i o n ，t oa n a l y z e m y o c a r d i a ls t r a i n t h em a i nw o r ki sd i v i d e di n t ot h r e ep a r t s ： 1 s e g m e m a t i o no fc a r d i a cu l t r a s o u n di m a g e s i n t oi n s i d ea n do u t s i d eo ft h el e f t v e n t r i c u l a rm y o c a r d i u m ，r e f l e c t i n gr e g i o n a lm y o c a r d i a lm o t i o n i nt h i sp a p e r , b yc o m p a r i n g m e 勋口地m o d e la n dgv fs n a k em o d e l ，w ec a l l f i n dt h a tt h e s et w oa l g o r i t h m sa r e s e n s i t i v et ot h ei n i t i a l i z a t i o n ，a n ds e g m e n t a t i o nr e s u l t s a r eu n s a t i s f a c t o r y , a n dt h ec v m o d e la l g o r i t h mc a n n o ta c h i e v ep r o m i s i n gr e s u l t sf o rt h eg r a yu l t r a s o u n di m a g ei nt h e p r e s e n c eo fi n t e n s i t yi n h o m o g e n e t i t y t h i sp a p e rm a i n l y u t i l i z e sl o c a lg a u s s i a nd e n s i t yf i t t i n g e n e r g y w ep r o p o s et od e l i n e a t et h el e f tv e n t r i c u l a rm y o c a r d i a la r e ab yt w o i n i t i a lc u r v e s t h e e x p e r i m e n t a lr e s u l t ss h o wt h a tt h i sm e t h o dc a nd e a lw i t hs u c hn o i s yu l t r a s o u n di m a g e i nt h e p r e s e n c eo fi n h o m o g e n e i t ya n d n o i s e 2 e x t r a c t i n gs p e c k l e a c c o r d i n gt ot h ec h a r a c t e r i s t i c so f u l t r a s o u n di m a g e s ，b ys e t t i n ga f i x e d s i z ew i n d o wt ot r a v e r s et h ee n t i r ei m a g et oc o m p a r ep i x e lg r a yv a l u e , w ec a nu s e t h e e x t r e m ep o i n t so ft h er e g i o nt om a r kt h el o c a t i o no fs p o t s 3 s p e c k l et r a c k i n g a n dc a l c u l a t i n gs t r a i n r e g i s t r a t i o nt ob es p o t t e dt h r o u g ht h e m a t c h i n go fc o r r e s p o n d i n gp o i n t s ，w h i c h c a l lb et i m e - v a r y i n gs p e c k l ei m a g e si nd i f f e r e n t c h a n g e so fp o s i t i o n ，d i s p l a c e m e n t c a l lb ec a l c u l a t e d a c c o r d i n gt oe l a s t i c i t y o ft h e d i s p l a c e m e n ta n ds t r a i ni nt h er e l a t i o n s h i p ，w ec a nc a l c u l a t e s t r a i n s ot h a tw ec a ng e td i a s t o l i c a n ds y s t o l i cm y o c a r d i a l sm o v e m e n t sa tt h et i m e k e yw o r d s ：s p e c k l et r a c k i n g ，c a r d i a cu l t r a s o u n di m a g e s ，i m a g es e g m e n t a t i o n ， l o c a lg a u s s i a nd e n s i t y , s t r a i n i i 硕士论文 基于斑点追踪技术的心脏超声成像虑变分析 图表目录 图2 1 1 心脏解剖结构图6 表2 3 1 人体不同介质的声速与声阻抗9 图2 3 1a 型超声示意图1 0 图2 3 2b 型超声示意图1 0 图2 3 3m 型超声示意图11 图2 3 4d 型超声示意图1 1 图3 1 1 图像分割在整个图像处理中的作用18 图3 1 2 分割区域1 9 图3 6 1 心脏超声图像短轴和心脏图像短轴对比图3 0 图3 6 2 第1 5 帧l v 内轮廓分割示意图3 0 图3 6 3 第3 0 帧l v 内轮廓分割示意图3 1 图3 6 4 第6 0 帧l v 内轮廓分割示意图。：31 图3 6 5 第1 5 帧l v 外轮廓分割示意图3 2 图3 6 6 第3 0 帧l v 外轮廓分割示意图3 2 图3 6 7 第6 0 帧l v 外轮廓分割示意图一3 2 图3 6 8 第1 5 帧l v 内、外轮廓分割示意图3 3 图3 6 9 第3 0 帧l v 内、外轮廓分割示意图3 4 图3 6 1 0 第6 0 帧l v 内、外轮廓分割示意图3 4 图4 3 1 1 平行投影示意图4 0 图4 3 1 2 仿射坐标系0 一砂4 0 图4 3 1 3 新坐标系d 一x y 4 1 图4 3 1 4 仿射变换示意图4 2 图4 4 1 1 位移图4 5 图4 5 1 算法流程图4 7 图4 6 1 1 舒张期图像斑点提取示意图4 7 图4 6 1 2 收缩期图像斑点提取示意图4 8 图4 6 1 3 舒张期图像匹配斑点示意图4 8 图4 6 1 4 收缩期图像匹配斑点示意图4 9 图4 6 2 1 舒张期图像位移计算结果示意图4 9 图4 6 2 2 收缩期图像位移计算结果示意图5 0 图4 6 2 3 斑点提取示意图5 0 v 图表目录 硕一t 论文 v i 图4 6 2 4 斑点匹配示意图1 5l 图4 6 2 5 位移示意图1 51 图4 6 2 6 斑点匹配示意图2 5 l 图4 6 2 7 位移示意图2 5 2 图4 6 2 8 应变计算结果示意图5 2 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 研究生签名： 御7 年钼龋 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送 交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名：每鲜止 岬年石月咖 硕十论文基于斑点追踪技术的心脏超声成像应变分析 1 绪论 1 1 课题概况 在世界卫生组织( w o r l dh e a l t ho r g a n i z a t i o n ，w h o ) 有关全球疾病状况的最新评估 报告中显示，心血管疾病【l l ( c a r d i o v a s c u l a rd i s e a s e ，c v d ) 、传染病和癌症是当前导致 人类死亡的三大主要原因，其中死于心血管疾病的人数最多，占全球总死亡人数的2 9 。根据我国流行病学调查，近5 0 年来不论在农村或城市，心脑血管疾病的发病率和 死亡率均呈上升趋势。我国因心脑血管疾病死亡者占总死亡人口的百分比，已由1 9 5 7 年的1 2 0 7 上升到2 0 0 1 年的4 2 6 。因此如何有效地预防及诊断心脏疾病成了人们关 注的重点。对心脏运动的研究也就成为了生物医学领域的重要课题之一。随着科学技术 的进步，人们开始多角度的研究这一问题，医学影像成像技术1 2 】就是其中重要的手段之 一，人们试图通过对所得到的图像进行分析来诊断心脏的异常行为，以采取相应的治疗 措施。 近2 0 多年来，医学影像已成为医学技术中发展最快的领域之一，其结果可以使临 床医生对人体内部的病变部位的观察更直接、更清晰，使确诊率达到更高水平。7 0 年代 初，x c t 的发明曾引发了医学影像领域的一场革命。与此同时，核磁共振成像、超声 成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图 像处理技术作为这些成像技术的发展基础，带动着现代医学诊断产生深刻的变革。各种 新的医学成像方法的临床应用，使医学诊断和治疗技术取得了巨大的进展，同时将各种 成像技术得到的信息进行互补，为临床诊断及生物医学研究提供了有力的科学依据。 随着声学原理和电子计算机科学的迅速发展，医学超声影像学的新技术层出不穷。 从b 型、m 型、彩色多普勒超声发展到三维、声学造影、血管内超声等多种技术，极大 地拓展了超声影像学的临床应用范围，几乎包括对所有疾病的超声诊断、结构成像和运 动成像。由于其操作无创伤及对患者无电离辐射损伤，医学超声诊断技术己成为临床诊 断中必不可少的甚至是首选的方法。 视觉使人类得以感知和理解周围的世界。计算机视觉【3 j 的目的是通过电子化地感知 和理解图像复制人类视觉的效果。物体的运动跟踪和理解是计算机视觉领域研究的热点 问题。医学动态图像由于其重要的临床应用价值，也引起了人们越来越多的瞩目。超声 心动图( h e a j t e c h o c a r d i o g r a p h y ) 1 4 1 是利用现代电子技术和超声原理检查心脏，可以在人体 上直接观测心脏各腔室、心肌厚度、瓣膜形态和活动以及心脏的功能，是一种对人体无 创伤、无痛苦、重复性强的检查技术，并且己成为心脏科不可缺少的检查手段。对这些 动态图像的形态和动态特性参数进行测量和做相应的定量分析，可以对心脏有关方面疾 病作出更准确有效的诊断。但是心脏超声图像又有其特定的特点，如：信噪比较低，分 l 1 绪论 硕上论文 辨率不足等。 应变1 5 j 反映了心肌发生变形的能力，即心肌长度的变化值占心肌原长度的百分数。 应变率1 5 j 是指心肌发生变形的速度，即心肌运动在声束方向上的速度梯度，也就是局部 两点之间的速度差除以两点之间的距离。应变或应变率成像能够定量分析局部心肌的变 形，直接反映心肌的局部功能。不受周围节段、呼吸以及心脏搏动的影响能更加准确地 判断局部心肌的实际运动情况。此外，应变或应变率成像的时间和空间分辨力都很高， 可以精确地反映在整个心动周期内局部心肌收缩舒张活动的发生，识别不同节段之间心 肌在空间和时相分布上的变形。这些优势使其对心肌功能的评价更加客观可靠，减少了 观测者时间的变异性，为判断心肌运动提供了有力的依据。 1 2 国内外研究状况 由于目前对心脏的实时三维动态成像带来的海量高维数据，人工很难有效处理，考 虑到时间、人际差异、可重复性等理由，开发计算机辅助图像分析技术来帮助临床医生 成为必然选择。国外开展这方面研究的著名大学和研究机构包括：美国耶鲁大学的i p a g ( i m a g ep r o c e s s i n ga n d a n a l y s i sg r o u p ，i p a g ) ，麻省理工大学人工智能实验室( c o m p m e r s c i e n c ea n da r t i f i c i a li n t e l l i g e n c el a b o r a t o r y , c s a i l ) 的m e d i c a lv i s i o ng r o u p ，约翰霍普 金斯大学的成像科学中心( c e m e rf o ri m a g i n gs c i e n c e ，c i s ) ，英国牛津大学w o l f s o n 医 学影像分析中心( w o l f s o nm e d i c a lv i s i o nl a b o r a t o r y ) ，伦敦帝国理工学院的视觉信息处 理中心( v i s u a li n f o r m a t i o np r o c e s s i n g ，v i p ) ，另外包括西门子医疗、p h i l i p 医疗、g e 医疗、柯达影像等著名医学影像设备公司都有专门的研发部门进行这方面基础和应用研 究。 耶鲁大学的i p a g 实验室开展了与成像模态无关的心脏3 d + t 图像序列图像分析研 究，利用局部曲面的几何特征分析非刚性心室壁运动，在分割和建立三维生物力模型后， 研究者综合m r 相位速度图像和心室壁的形状特征，得到心室壁上点的运动矢量，并计 算局部心肌应变应力，这是心脏图像分析中首次应用生物力学模型，取得了一定成功； 约翰霍普金斯大学c i s 实验室使用m r 扩散张量成像技术( d i f f u s i o nt e n s o rm a g n e t i c r e s o n a n c ei m a g i n g ，d t m r i ) 得到高分辨率的心脏解剖和心肌纤维结构，建立了虚拟心 脏模型，并研究基于保准图集( a t l a s b a s e dm e t h o d ) 量化比较人群中心脏的解剖结构变 化的方法，通过把心脏m r 图像配准到虚拟模型，量化分析其中的结构差异，用于辅助 扩展性心肌病( d i l a t e dc a r d i o m y o p m h y ，d c m ) ；麻省理工大学的c s a i l 实验室将术前 心脏m r 图像配准到手术中的电生理成像( e l e c t r o a n a t o m i c a lm a p p i n g ，e a ) 中，以得到 个体化的三维腔室结构，使得可以用计算机来辅助手术。牛津大学w o l f s o n 医学影像中 心在基于心脏超声造影成像( c o n t r a s tu l t r a s o n i c ) 和m r 图像的做时空域联合心功能和 血流分析上取得一定程度上的成功。伦敦帝国理工学院v i p 实验室结合医学图像计算、 2 硕l 论文基于斑点追踪技术的心脏超声成像应变分析 人工智能、普适计算和感知( p e r v a s i v ec o m p u t i n ga n ds e n s i n g ) ，在心脏建模和心血管 m r 图像分析方面做了丌创性工作。 在理论方法方面，s h i 等1 6 - 8 将心肌假设为弹性固体物质，并通过建立心肌动力学方 程、反映心肌物质属性的方程来描述心肌质点的运动。d e n n e y 9 - 1 0 】构造了一种随机模型 来估计不规则区域位移矢量。y 一】对此方法加以发展，利用标记线上的点来重建平面 内二维运动。a a m i n i 等 1 2 - 1 4 j 引入b s n a k e 以及耦合b s n a k e 网格，对标记线进行跟踪和定 位。p a d e v ap 等【”】爿等上述方法从2 一d 推广到了3 d ，并建立了b s o l i d s 变形模型。朱近等【l 6 j 提出了一种用前馈神经网络( b p n n ) 拟合局部位移场，求解心肌质点运动和心肌变形的 模型。在基于心血管造影术的心脏运动分析中，c o p p i n i 等t j 提出了一种基于球谐函数 的对心脏表面的变形进行三维描述的方法。m i s h r a 博j 由造影函数图像数据得到伸展因 子，应用三维高斯曲率来分析心脏表面。p u e n t e s 掣1 9 】采用双面血管造影的减影序列直接 估计冠脉骨架树上各点的运动向量。孙正等【2 0 】提出了一种采用单面冠状动脉造影图像序 列对心脏的三维运动建模的方法。根据超声心动图的特性来进行心脏运动分析，h o r n 和s c h u n k t 2 l 】提出光流场的计算方法，通过引入图像亮度保持不变的假设，计算图像中每 一点的运动矢量。m a u o u x 2 2 】直接将h o r n s c h u n k 方法用于二维超声心动图的运动分析 中，并首次将光流场估计方法用于对心脏运动的分析。d e v l a m i n c k l 2 3 j 使用有限元方法 ( f e m ) 解决了相同的问题。c h o u 和c h e n t 2 4 j 基于相同的假设，用统计概率循环的方法实现 了局部线形光流场的计算。基于斑点追踪技术的心脏超声图像运动分析中，y e u n gf 等b 5 j 分析了超声图像中斑点运动的特点，对软组织( 肌肉) 超声图像的非刚性运动进行了跟踪 研究。c o h e nb 等【2 6 】基于极大似然估计块匹配技术对胎儿的超声运动图像进行了分析。 随着计算能力成本的快速下降，各种理论框架和数值算法的进步完善和图像处理和 计算视觉技术的发展，很多过去不能完成或者只能由价值昂贵的专业设备完成的计算任 务也可以用普通个人电脑完成，这给计算机辅助医学图像分析领域带来了巨大的机遇。 目前该领域国外大学在基础理论研究方面领先，应用软件市场也被一些著名公司垄断， 但国内很多研究小组也开始进入正规并做出国际水准的工作。如东南大学、清华大学、 浙江大学等都已经开展了有关这个领域的研究。 1 3 课题背景 本课题来源于江苏省卫生厅卫生科技发展基金项目，项目名称为基于组织跟踪技术 的心脏三维超声应变成像软件数学模型开发与应用，项目承担单位为南京理工大学数学 与计算机所、东南大学附属江阴医院超声心动图室。 1 4 本文研究工作和内容安排 本文主要研究心脏超声短轴图像左心室内外轮廓的分割和基于斑点追踪的心肌组 3 l 绪论硕一l ：论文 织应变计算，从而可以得到心肌组织在心脏舒张期和收缩期时的运动情况。相关章节的 研究内容安排如下： 第一章为绪论。首先介绍了本文的研究背景、国内外研究现状、课题来源，以及本 文的研究工作和内容安排。 第二章，主要介绍了心脏的解剖结构和心脏的医学影像成像技术，医学超声成像的 原理和种类，以及超声图像的特点；最后介绍了几种超声心动图技术，其中详细介绍了 运用斑点追踪技术的二维超声应变成像的原理、种类、特点和临床应用情况。 第三章，首先介绍了图像分割的定义和医学图像的基本分割方法，介绍了一些传统 图像分割方法s n a k e 模型、g v fs n a k e 模型、c y 模型的原理，并通过实验比较了它 们在心脏超声图像中左心室内外轮廓上的分割效果，发现效果并不十分理想。最后采用 了一种基于局部高斯概率的心脏超声图像分割方法，成功地分割了左心室内外轮廓。 第四章，首先介绍了超声图像中的斑点的概念，斑点的识别与提取的基本概念与相 关方法、原理，斑点匹配的原理以及应变计算的基本方法。通过具体实验，识别并提取 出超声图像中存在的斑点，并通过斑点匹配得到图像中能够匹配的斑点，计算得到位移， 最后根据弹性力学中有关位移与应变的关系，计算出应变。最后可以得到心脏在舒张期 和收缩期时期心肌组织不同的运动情况。 第五章，对本文工作进行了总结，并分析了本文工作中的主要不足，对进一步的研 究方向进行讨论。 1 5 本文创新点 本文的创新点如下： 1 本文通过比较s n a k e 模型、g v fs n a k e 模型的分割结果，发现这两个算法对于 初始曲线位置和形状要求很高，取得的分割效果并不理想；并实现了c v 模型算法， 发现它不能很好的克服超声图像的灰度不均匀性。本文主要采用了基于局部高斯概率模 型的方法，通过设置两条初始化曲线，得到左心室心肌区域。通过实验结果表明，该方 法在处理超声图像这种噪声较大的图像时效果较好，可以很好地克服灰度不均匀性和噪 声。 2 根据超声图像具体特点，能够识别并提取出图像中存在的斑点，并通过斑点匹配， 查找到能够与该点匹配的点，从而可以计算出位移变化情况，然后计算出应变，从而可 以得到心肌组织的运动情况。 1 6 本章小结 本章主要介绍了课题概况，说明了近年来国际国内的研究现状，以及本文的课题背 景，最后阐述了文章的研究工作和内容安排，以及本文的创新点。 4 硕士论文摹于斑点追踪技术的心脏超声成像应变分析 2 医学心脏成像 2 1 心脏的解剖结构 心脏【2 7 】是人和脊椎动物器官之一，是循环系统中的动力。心脏位于胸腔之内，两肺 之间，座于膈肌之上，纵隔偏左，约2 3 位于正中线左侧，l 3 位于正中线右侧，心脏 长轴自右后上方向左前下方倾斜，与正中矢状切面成4 5 。夹角，心脏长轴方向大致如右 手执笔方向。 心腔分为左半心和右半心两部分，其中左半心分为左心房和左心室，右半心分为右 心房和右心室，两半心由房间隔和室间隔分开，互不相通，左半心内流动的是动脉血， 右半心内流动的是静脉血，心房与心室经房室口相通。由于房室瓣和半月瓣的单向阀门 的作用，保证心脏在执行其“泵”功能时，血液沿着一定的方向流动，周而复始，不会出 现反流。心脏的生理起搏点是位于右心房外侧的窦房结，窦房结有节律地发放冲动，通 过心脏的传导系统将信号传递到心肌细胞，引起心房和心室肌有规律的、顺序发生的收 缩和舒张。当心肌舒张时，心腔变大，压力降低，血液回流到心腔；当心肌收缩时，心 腔变小，压力升高，血液泵出心腔。心房和心室的舒张、收缩和心脏瓣膜的启闭是受到 精密调控而高度协调、能按一定的顺序发生的。心房舒张时，血液从静脉( 上下腔静脉 和肺静脉) 回流入心房；心房收缩的同时，心室舒张，房室瓣( - - 尖瓣和三尖瓣) 开放， 血液经过房室瓣口流入心室；心室收缩时，房室瓣关闭，半月瓣( 主动脉瓣和肺动脉瓣) 开放，血液从心室射入主动脉和肺动脉，并分别进入体循环和肺循环。 心脏是由心肌和瓣膜组成的动力泵，主要生理功能是维持全身的血液循环，向器官、 组织提供充足的血流量，以供应氧和各种营养物质，并带走代谢的终产物( 如二氧化碳、 尿素和尿酸等) ，使细胞维持正常的代谢和功能。体内各种内分泌的激素和一些其它体 液因素，也要通过血液循环将它们运送到靶细胞，实现机体的体液调节，维持机体内环 境的相对恒定。此外，血液防卫机能的实现，以及体温相对恒定的调节，也都要依赖血 液在血管内不断循环流动，而血液的循环是由于心脏“泵”的作用实现的。成年人的心 脏重约3 0 0 克，它的作用是巨大的，例如一个人在安静状态下，心脏每分钟约跳7 0 次， 每次泵血7 0 毫升，则每分钟约泵5 升血，如此推算一个人的心脏一生泵血所作的功， 大约相当于将3 万公斤重的物体向上举到喜马拉雅山顶峰所作的功。 心肌由心内膜面及心外膜面的螺旋状肌束和中间大致呈水平排列的环形肌束组成， 心肌纤维的这种三维排列方式决定心脏的运动方式不仅是收缩和舒张运动，还有立体空 间的扭转( t o r s i o n ) 、旋转( r o t a t i o n ) 、圆周( c i r c u m f e r e m i a l ) 运动等。 图2 1 1 是心脏解剖结构图。 2 心m e 学成像 i ：论z # 自t c = 二 * _ * 0 ) 其中，l e n g t h ( c ) 是闭合曲线的长度，a r e a ( i n s i d e ( c ) ) 是曲线内部区域的面积， p ，v ，如是各个能量项权重系数，当闭合曲线c 演化到两个区域的边界时，f ( q ，c 2 ，c ) 才能达到最小。 因为式( 3 4 3 1 ) 是关于闭合边界c 的能量函数，可以通过欧拉拉格朗日把式 ( 3 5 2 1 ) 转变成关于c 的偏微分方程求解。并且在c 一矿方法中，采用以水平集函数巾来 表达这些偏微分方程。具体如式( 3 4 3 2 ) 所示：设符号距离水平集函数饥是根据初始 轮廓曲线g 构造的水平集函数，满足： l c = a = ( x ，) ，) q ：巾( x ，少) = o ) i n s i d e ( c ) = = ( z ，y ) q ：巾( x ，y ) 0 ) ( 3 4 3 2 ) i o u t s i d e ( c ) = q = 化力q ：巾( x ，力 凹 那么偏微分方程模型就是： 删= 筹 = 高淼学( 3 4 3 - 3 ) 詈训硝p d i v ( 尚) - v 州旷啪2 埘旷秽】 巾( 0 ，_ ) c ，y ) = 札( x ，y ) 其中，凤0 ) 和6 。是规定化的h 和6 函数，表示一小的正实数。 纵z ) = 三+ i 冗r r c t a n ( z ) 6 髟) = 南兀g + z 通过迭代求解式( 3 4 3 5 ) 畏p , - i 获得模型的解。 3 5 基于局部高斯概率模型的心脏超声图像分割 ( 3 4 3 4 ) ( 3 4 3 。5 ) 针对超声图像的灰度不均匀性、噪声很大等特点，从上文的各种分割方法实验结果 来看，各种传统分割方法以及s n a k e 活动轮廓模型、c 一矿模型方法等都不能将心肌正 确地分割出来，因此本文采用基于局部高斯概率( 1 0 c a lg a u s s i a nd e n s i t y ，l g d ) 的方法， 综合考虑了空间、灰度、方差信息等，可以很好地克服灰度不均匀性。 假设现需要将图像q 分割为目标q ，和背景q ，两个部分，q = q u q ，q ，n q = 0 。 根据最大后验概率准贝1 j ( m a x i m u ma p o s t e r i o r ip r o b a b i l i t y , m a p ) ，图像分割的任务就是根 2 7 3 心脏超声图像的心肌分割硕一l 论文 据数据d 寻找模式分类m ，应用到图像中，模式m 就是判定当前点属于的类别是目标 还是背景，数据d 就是图像，并最大化后验概率e ( md ) ： 尸( mi 咖警 ( 3 5 - 1 ) 其中由于p ( d ) 是定值，因此式( 3 5 1 ) 也就可以转化为最大化： e ( m ) = p ( djm ) p ( m ) ( 3 5 2 ) 也即相当于最小化： e ( m ) = 一l o g ( p ( dim ) ) 一l o g ( e ( m ) )( 3 5 3 ) 其中，l o g 是以e 为底的自然对数。 最终最大化后验概率e ( md ) 也可写成： 尸( xeq ji 地两) = 巡雩掰掣( 3 5 - 4 ) 记p 。( s ) = p ( i ( x ) = jx q ，) ，根据轮廓曲线的长度来估计先验概率的p ( m ) ，并假 设图像中每个点分布是相互独立的，式( 3 5 2 ) 可写成： ，臻p 。( x ) ，墨：p 2 ( x ) p 一”3 ，b ( 3 5 - 5 ) 式( 3 5 3 ) 可写成， e ( r ) = 一l 。1 。g p 。 ) d r l ：1 。g p ： ) d r + v 肛 ( 3 5 - 6 ) 其中，f 为分割曲线。 应用到水平集框架下得到： e ( 巾) = 一q h ( o ) i 。g p l d x - i n ( 1 一日姊) ) l 。g p ：出+ v ，n i v h ( d p ) d r ( 3 5 - 7 ) 另外，为了克服重新初始化带来的计算量，本文加入l i 等人提出的水平集j 下则项【5 6 】， 尸 ) = 三l l v 巾一l j 2 出( 3 5 - 8 ) 定义本文模型的能量方程： ，砷) = - x , l h ( 巾) i 。g p 。d r k l ( 1 一h 砷) ) l 。g p 2 ( x ) d r ( 3 5 - 9 ) + v j , v h 一( 巾) d r + 掣 长夏项 水牛集止m o 项 其中，前两项为区域项，驱动水平集演化的主要能量项；第三项为长度项，保证零 硕一仁论文基于斑点追踪技术的心脏超声成像戍变分析 鼬枷，c z al o g p 。- l 2l o g p 2 胭+ p 卜咖) 5 加， 对于模型( 3 5 9 ) 来说，最重要的是如何估计概率p 1 ( s ) 。目前，估计概率的方法有 很多，主要有基于高斯分布概率估计5 6 ，5 7 1 和p a r z e n 窗非参数估计【5 8 侧等。本文借鉴l b f 的局部化思想，引入核函数： k ( x ) = 百l p 仫2 ( 3 5 - 1 1 ) 采用局部高斯概率( 1 0 c a lg a u s s i a nd e n s i t y , l g d ) 对只( s ) 进行估计【6 l 】， p ( i ( x ) = slu , ，g ，) = 扣w ，南唧( _ 嗡笋_ 2 ) 其中纷为图像的像素总数，由于核函数砭的作用，只有当前点x 邻域的点才被考虑 计算概率b ( j ) ，通过。的大小来调节邻域的大小( 本文所有实验o = 3 ) 。其中局部均值 u lx ) ，局部标准差o ，0 ) 也采用局部形式估计，如式( 3 5 1 3 ) 、式( 3 5 1 4 ) 所示： “加觜 b 5 郴， o ，( x ) = 3 6 实验结果与分析 如图3 6 1 所示为心脏超声图像短轴和心脏图像短轴对比图。 ( 3 5 - 1 4 ) 3 心脏超声凹像的一t s l l t 分割 颐l 硷立 图36 一i 心脏超声幽像短轴和心脏嘲像短轴对比冒 心脏一次收缩和舒张，构成一个机械活动周期，称为心动周期。心房与心室的心动 周期均包括收缩期和舒张期。由于心室在心脏泵血活动中起主要作用，故通常心动周期 是指心室的活动周期而占。正常心脏的活动由一连串的的心动周期组合而成，因此，心 动j 爿期可以作为分析一t ；, l l l ：机械活动的基本单元。心动周期持续的时间与心跳频率有关。 成年人心率平均每分钟7 5 次，每个心动周期持续08s 。 本文通过将s n a k e 模型、g v fs n a k e 模型、c v 模型、l g d 模型应用到心脏超声 图像中，束得到心肌的运动区域。实验中使用s n a k e 模型、g v f s n a k e 模型、c r 模型、 l g d 模型柬确定龙心室( l e f t v e n t r i c l e ，l v ) 内、外轮廓。实验选取的图像分别为心动 周期内处于舒张中期的第1 5 帧、处于舒张术期的第3 0 帧、处_ 丁收缩期的第6 0 帧a 图3 6 2 显示的是超声心动图的第1 5 帧图像的l v 内轮廓分割示意图。其中，a ) 为 初始曲线；b ) 为s n a k e 模型最终轮廓线示意图：c ) n g v fs n a k e 模型分割虽终轮廓线示 意图，8 = l ，= 00 5 ，1 3 = 0 ，k 。= 0 6 。 a ) 初始曲线b ) s n a k e 最终轮廓线c ) g v fs n a k e 最终轮廓线 圈3 6 2 第1 5 帧l 山轮廓分割示意幽 蜕l 论空 籀于斑点坦蹿技术o 脏超声成像j 壹分析 图3 6 - 3 显示的是超声心动图的第3 0 帧图像的内轮廓分割示意图。其中，a ) 为初始 曲线i b ) 为s n a k e 模型最终轮廓线示意图；c ) 为g v fs n a k e 模型分割堆终轮廓线示意图， s = 1 ，= 0 0 5 ，b = 0 ，k + = 0 6 。 a ) 初始曲线b ) s n a k e 最终轮廓线c ) g v fs n a k e 最终轮廓线 图36 - 3 第3 0 帧l v 内轮廓分割示意幽 网36 _ 4 显示的是超声心动图的第6 0 帧图像的内轮廓分割示意图。其中，a ) 为初始 曲线；”为s n a k e 模型最终轮廓线示意图；c ) 为g v fs n a k e 模型分割虽终轮廓线示意图， = l _ q = 00 5 b = 0 t 。= 0 6 。 曲韧始曲线b ) s n a k e 最终轮廓线c ) g v fs n a k e 最终轮廓线 圈3 岳4 第6 0 帧l 内轮廓分割示意凹 图36 5 显示的是超声心动图韵第1 5 帧图像的l v 外轮廓分割示意图。其中，曲为 初始曲线；b ) 为s n a k e 模型最终轮廓线示意图；c ) 为g v fs n a k e 模型分割最终轮廓线示 意图，= l ，d = 00 5 ，b = o , k = 0 6 。 3 心呲超声幽像的。肌付削 i 论史 a ) 初始曲线b ) s n a k e 最终轮目峨c ) g v f s n a k e 晟终轮廓线 蚓3 6 - 7 茚6 0 帧l v 外轮晦分割示意幽圈一。一圈三一 圈耋圈耋圈圈一攀圈一攀圈 顿l 论i基f 斑点追踪技术的心脏超声成像戊变分析 从以上的实验结果可以看出，s n a k e 模型、g v fs n a k e 模型虽然具有传统方法所无 法比拟的优点，但同时也存在着一些问题和缺点。s n a k e 模型和g v fs n a k e 模型受初始 曲线的位置和形状影响报大。由于算法的原因，能量函数常常会收敛于局部能量最小处， 所以要求初始化轮廓线要放在非常靠近物体轮廓边界的位置才能保证轮廓线收敛到真 实的边界。韧始化轮廓的位置距离物体的边界轮廓较远时，对于畸形物体，尤其是对有 凹陷部分的物体，s n a k e 模型不能检测出物体的轮廓；当柳始曲线的形状和边界形状差 异过大时演化结果会无法获得准确边界信息。因此，s n a k e 模型在分割内轮廓时无 法准确分割出乳头肌的部位；s n a k e 模型在分割外轮廓时，曲线不能演化到心肌的正确 边缘处。且可以发现，s n a k e 模型对噪声特别敏感，对参数的选择比较敏感，然而自适 应的调整参数是一个极其复杂的过程，实现过程需要的计算量很大且运行时问较长。 g v fs n a k e 模型在分割内轮廓时效果比s n a k e 模型的效果要相对好一些，但由于 超声图像对比度较差，噪声明显，因此，使得曲线无法彻底演化到突出显示出真实的应 用水平。且当g v f 力场中存在能量局部极小点时，由于受噪声的影响很大，曲线很难 逼近到凹陷部分的内部，并且得到的最终曲线非常不平滑，凶此在分割外轮廓时会产生 很多锯齿，不能准确标记出丁e 确的轮廓线。 下面将采用c 一矿模型方法和l g d 模型方法对上述图像进行分割。不同的是同时初 始化就设置两条曲线，演化之后得到l v 内外轮廓曲线。 图3 6 - 8 显示的是超声心动图的第1 5 帧图像的内、外轮廓分割示意圈。其中，a ) 为 初始曲线；b ) 为c y 模型分割最终轮廓线示意图 = 1o ，k = l0 l ，0 h 2 5 5 2 5 5 ； c ) 为l g d 模型分割最终轮廓线示意图，轧= 10 ，k = 1 0 1 , v = 0 川2 5 5 2 5 5 。这里堤置参 数 k 是为了加快曲线的演化，防止内部出现空洞。 曲初始曲线吣c - v 模型昂终轮廓线c ) l g d 模型是终轮廓线 圈3 6 - 8 第j 5 帧l v 内、外轮廓分割示意图 图3 6 - 9 显示的是超声心动例的第3 0 帧图像的内、外轮廓分割示意图。其中，a 1 为 初始曲线；b ) 为c v 模型分割最终轮廓线示意图，h = 1o ，k = 10 1 ，“= 0 1x 2 5 5 x 2 5 5 ； c y q g d 模型分割虽终轮廓线示意图，= 1 0 ，k = io l , v ：0 0 1 + 2 5 5 + 2 5 5 。 3 3 3o 脏超声幽像的心【讣制顿l 啦z a ) 初始曲线 b ) c - v 模删最终轮廓线 c ) l g d