CN103479399A - 一种血管内超声图像序列中钙化斑块帧的自动检索方法 - Google Patents
一种血管内超声图像序列中钙化斑块帧的自动检索方法 Download PDFInfo
- Publication number
- CN103479399A CN103479399A CN201310472195.5A CN201310472195A CN103479399A CN 103479399 A CN103479399 A CN 103479399A CN 201310472195 A CN201310472195 A CN 201310472195A CN 103479399 A CN103479399 A CN 103479399A
- Authority
- CN
- China
- Prior art keywords
- image
- calcified plaque
- polar coordinate
- frame
- calcified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种血管内超声图像序列中钙化斑块帧的自动检索方法,所述方法的具体步骤是:a、对各帧IVUS图像进行各向异性扩散滤波;b、对各向异性扩散滤波后的各帧IVUS图像进行极坐标变换;c、根据极坐标视图求得各个角度的径向灰度变化曲线;d、初步检索含钙化斑块的图像;e、精细检索含钙化斑块的图像。本发明无需采集IVUS设备的原始射频信号和背向散射信号,降低了所述方法的应用条件,而且检索过程全自动完成,不需要医生的手动参与,不仅可使医生从繁重的手工检索工作中解脱出来,而且可快速获得客观、可重复性高的检索结果,能够为冠心病的计算机辅助诊断和制定介入治疗方案等提供可靠依据。
Description
技术领域
本发明涉及一种对血管内超声图像序列进行自动检索,检出含有钙化斑块的关键帧,并对钙化区域进行自动定位的方法,属于医学成像技术领域。
背景技术
冠心病是指由于脂质代谢不正常,冠状动脉血液中的脂质沉着在原本光滑的动脉内膜上形成斑块,这些斑块逐渐增多造成血管腔狭窄,使血流受阻,导致心脏缺血。
血管内超声(intravascular ultrasound,IVUS)成像是目前临床广泛采用的诊断血管病变,尤其是冠心病以及检测易损斑块的微创介入影像技术。它将微型化的超声探头通过导管技术送入血管腔内,显示血管的横截面图像。利用该技术既可以观察管腔和粥样硬化斑块的形态,也可以根据回声特性判断病变的性质、定量测定管腔和斑块的尺寸及管腔狭窄程度。
临床常用的超声导管回撤速度是0.5 mm/s,帧速率为30帧/秒,以此速率通过1 mm长的血管段可以得到60帧图像,对一段长约20mm的血管段进行一次超声导管回撤即可获得约1200帧图像,因而IVUS图像序列的数据量巨大,且前后帧之间非常相似,具有很强的相关性。
为了对血管腔、管壁和斑块组织的形态进行定量测量并分析斑块成分,以确定病变程度,需从IVUS图像序列中找出存在病变的图像,并对其中的斑块进行识别和分类。但是,IVUS图像序列的数据量巨大,且由于采用高频超声探头,使得图像受噪声干扰严重,对比度低,因而上述工作若由医生手动逐帧完成,则是一项非常繁琐的工作,不仅速度慢、效率低,而且判断和分析的结果容易受到医生的专业知识和临床经验的影响,可重复性差。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种血管内超声图像序列的自动检索方法,检出含有钙化斑块的关键帧,并对钙化区域进行自动定位,为冠心病的计算机辅助诊断和制定介入治疗方案等提供依据。
本发明所述问题是以下述技术方案实现的:
一种血管内超声图像序列中钙化斑块帧的自动检索方法,所述方法根据IVUS图像径向灰度曲线的斜率值来判断斑块是否存在,具体步骤如下:
a、对各帧IVUS图像进行各向异性扩散滤波,减少噪声和无用信息,同时保留、增强图像的边缘信息;
b、对各向异性扩散滤波后的各帧IVUS图像进行极坐标变换,将其变换到以图像中心为坐标原点的极坐标系中,得到极坐标视图;
c、根据极坐标视图求得各个角度的径向灰度变化曲线;
d、初步检索含钙化斑块的图像:
将每一径向灰度变化曲线的斜率最大值(即极径上的灰度跳变极值)与预设的参考阈值进行对比,如果某方向上的灰度变化曲线的斜率最大值超过所设阈值,则初步认定该方向属于钙化区域,否则不属于;
e、精细检索含钙化斑块的图像:
如果初步认定极坐标视图中的某列像素属于钙化区域,那么判断其邻域内的连续n列像素,如果都属于初步认定的钙化区域,则该区域属于钙化区域,否则该区域不是钙化斑块,最后将最终检测到的钙化斑块的具体位置显示在图像中。
上述血管内超声图像序列中钙化斑块帧的自动检索方法,对各帧IVUS图像进行各向异性扩散滤波的具体方法如下:
遍历整幅图像,对当前像素(x, y),首先计算其在8-邻域方向上的灰度梯度即 的值(k=1,2,…,8),然后,将原始图像的灰度值I 0(x,y)作为各向异性扩散滤波器零时刻的输入f(x,y;0),求得滤波后图像:
其中λ是边缘幅值的门限参数。
上述血管内超声图像序列中钙化斑块帧的自动检索方法,对各向异性扩散滤波后的各帧IVUS图像进行极坐标变换的具体方法如下:
设原直角坐标图像为f(x, y),那么利用直角坐标(x, y)与极坐标(ρ, θ)的转换关系:
即可得到其极坐标视图
其中ρ是极径,θ是极角。
本发明利用计算机技术和数字图像处理技术,对IVUS灰阶图像序列进行自动检索,找出存在钙化病变的关键帧,并对钙化斑块进行自动定位。本方法无需采集IVUS设备的原始射频信号和背向散射信号,降低了所述方法的应用条件,而且检索过程全自动完成,不需要医生的手动参与,不仅可使医生从繁重的手工检索工作中解脱出来,而且可快速获得客观、可重复性高的检索结果,能够为冠心病的计算机辅助诊断和制定介入治疗方案等提供可靠依据。
附图说明
下面结合附图对本发明作进一步说明。
图1是本发明方法的流程图。
图3是对一帧IVUS及其各向异性扩散滤波的结果图进行极坐标变换的结果。
图4是对一帧各向异性扩散滤波后的IVUS图像提取的两个方向上的径向灰度变化曲线及其斜率变化情况。其中(a)是原始图像;(b)是各向异性扩散滤波后的径向视图,其中边缘幅值的门限参数λ和迭代次数分别为10和100;(c)~(f)是图(a)中方向1和方向2上的径向灰度变化曲线及其斜率变化曲线。
图5是连续5帧IVUS图像的钙化斑块检索结果,其中用白线标出了钙化的位置。
文中所用符号为:(x, y)、当前像素的直角坐标;、当前像素在第k(k=1,2,…,8)个8-邻域方向上的灰度梯度值;I 0(x, y)、原始图像的灰度值;f(x,y;0)、各向异性扩散滤波器零时刻的输入;f(x,y;t)、各向异性扩散滤波器在t时刻的输出;、各向异性扩散滤波器在t时刻对含噪图像当前像素的调整量;、梯度算子;c k (x,y;t)、t时刻当前像素在第k(k=1,2,…,8)个8-邻域方向上的扩散系数;λ、边缘幅值的门限参数;f(x, y)、原直角坐标图像;ρ、极径;θ、极角;、f(x, y)的极坐标视图;ε、灰度变化曲线的斜率阈值;I'(:,i)和I(:,i)、初步检测结果图和滤波后图像的第列像素的灰度值(均为极坐标视图);max i 、极坐标视图中第列像素的灰度变化曲线的斜率最大值,i=1,…,360;n、邻域内的连续像素列数。
具体实施方式
IVUS图像序列是在X射线透视图像的指导下,沿引导钢丝匀速回撤超声探头导管所获得的血管腔实时切面图像序列,其中包括含病变以及正常血管段的图像,如果由人逐帧进行判断,不仅耗时,而且结果的客观性和可重复性差。本发明设计开发了一个基于内容的IVUS图像序列自动检索系统,能够快速、准确地检测出含钙化斑块的病变图像。需要说明的是,动脉粥样硬化斑块按照成分主要分为脂质斑块、纤维化斑块、钙化斑块以及混合型斑块。不同类型的斑块组织由于声阻抗的差异而在IVUS图像中的表现不同,本发明方法只针对钙化斑块进行检索与识别。
下面结合附图1详细说明本发明方法的步骤:
(1) 各向异性扩散滤波:
IVUS图像的获取、传输和存贮过程中常受到各种噪声的干扰和影响而使图像降质,从而影响图像分割、目标识别、边缘提取等的效果。本发明采用各向异性扩散滤波对IVUS图像进行去噪,与其它滤波去噪方法相比,其优点是在去除图像噪声的同时,保留甚至增强了图像中的边缘信息。方法的基本原理是:利用梯度算子来辨别由噪声引起的灰度梯度变化和由边缘引起的灰度梯度变化,然后用邻域加权平均去除由噪声引起的小梯度变化,同时保留由边缘引起的大梯度变化,这个过程迭代进行,直至图像中的噪声被去除。
具体方法如下:
遍历整幅图像,对当前像素(x, y),首先计算其在8-邻域方向上的灰度梯度即的值(k=1,2,…,8)。然后,将原始图像的灰度值I 0(x,y)作为各向异性扩散滤波器零时刻的输入f(x,y;0),时刻滤波器对含噪图像的调整量取决于前一时刻滤波器的输出,并满足以下偏微分方程:
其中f(x,y;t)是各向异性扩散滤波器在t时刻的输出,是各向异性扩散滤波器在t时刻对含噪图像当前像素的调整量,是梯度算子,c k (x,y;t)是t时刻当前像素在第k个8-邻域方向上的扩散系数,其构造方法是:
其中λ是边缘幅值的门限参数。对于固定的λ值,在同质区域内部,邻域内的梯度小,则扩散系数大,可以有效平滑同质区域内的噪声;而在图像的边缘部分,邻域内梯度较大,扩散系数小,则能够保留图像的边缘信息。最后,求得滤波后图像
对一帧临床采集的IVUS图像的各向异性扩散滤波结果如附图2所示,其中边缘幅值的门限参数λ与迭代次数分别是5和100。由图可见,与原始图像相比,各向异性扩散滤波后的图像不仅噪声减少,而且钙化斑块区域得到了突出。
(2) 极坐标变换:
在对各帧IVUS图像进行各向异性扩散滤波,去除噪声并突出斑块区域之后,对其进行极坐标变换,将其变换到以图像中心为坐标原点的极坐标系中,得到极坐标视图。具体方法如下:
设原直角坐标图像为f(x, y),那么利用直角坐标(x, y)与极坐标(ρ, θ)的转换关系:
(4)
即可得到其极坐标视图
其中ρ是极径,θ是极角。直角坐标系和极坐标系的坐标原点都是图像中心。
对一帧临床采集的IVUS图像及其各向异性扩散滤波结果图的极坐标转换结果如附图3所示。
(3) 提取径向灰度变化曲线:
计算并描绘极坐标视图中各径向方向上的像素灰度变化曲线,并计算灰度变化曲线的斜率变化曲线。
附图4是对一帧各向异性扩散滤波后的IVUS图像,计算两个方向上的径向灰度变化曲线及其斜率变化曲线的结果。
(4) 初步检索含钙化斑块的图像:
钙化斑块通常位于血管壁上,且回声强度大,在IVUS图像中表现为强而亮的区域,并且在斑块后方伴有声影出现,而正常的血管壁组织不会出现声影现象。在钙化斑块与声影的交界处,径向灰度变化曲线会出现跳变。因此,本发明方法以钙化斑块的上述图像特点作为依据,根据径向灰度曲线的斜率变化情况,判断有无由钙化斑块之后的声影所致的径向方向上灰度值突变,从而确定图像中是否存在钙化斑块。
具体方法如下:
如附图4(c)~(f)所示,钙化区域(方向1)的灰度变化曲线与非钙化区域(方向2)的灰度变化曲线相比,斜率有明显的跳变现象,即斜率变化曲线的最大值有明显的差别。设置灰度变化曲线的斜率阈值ε,对极坐标视图的每一条极径,检验其灰度变化曲线斜率的最大值,如果该方向上的灰度变化曲线的斜率最大值超过所设阈值ε,则初步认定该方向属于钙化区域,否则不属于。如式(6)所示
(5) 精细检索含钙化斑块的图像:
如果仅根据预先设置的灰度变化曲线的斜率阈值判断图像中是否存在钙化斑块,则可能会造成误判,即将非钙化区域包括在内,例如噪声点处的灰度跳变值可能会超过所设定的灰度变化曲线的斜率阈值,从而造成检索错误。为了进一步增加检索的准确性与稳定性,本发明方法通过验证极坐标视图中连续n列像素的性质,对前述步骤得到的初步检索结果进行进一步筛选,最终确定钙化斑块的具体位置。
具体方法如下:
如果经过前述步骤,初步认定极坐标视图中的某列像素属于钙化区域,那么判断其邻域内的连续n列像素,如果都属于钙化区域,则该区域属于钙化区域,并将最终检测到的钙化斑块具体位置显示在图像中;否则该区域不是钙化斑块。所述方法有效克服了由图像中的噪声点造成的检索误差,且计算过程简单、快速。
附图5是对连续5帧含钙化斑块图像的检索结果,其中设定灰度变化曲线的斜率阈值为70,n=6,所用检索时间为0.86秒(实验中所用计算机的硬件环境为CPU AMD Athlon 64 Processor 3000+,1.8GHz,内存1 GHz,软件开发工具为Matlab 6.5)。
Claims (3)
1.一种血管内超声图像序列中钙化斑块帧的自动检索方法,其特征是,所述方法根据IVUS图像径向灰度曲线的斜率值来判断斑块是否存在,具体步骤如下:
a、对各帧IVUS图像进行各向异性扩散滤波,减少噪声和无用信息,同时保留、增强图像的边缘信息;
b、对各向异性扩散滤波后的各帧IVUS图像进行极坐标变换,将其变换到以图像中心为坐标原点的极坐标系中,得到极坐标视图;
c、根据极坐标视图求得各个角度的径向灰度变化曲线;
d、初步检索含钙化斑块的图像:
将每一径向灰度变化曲线的斜率最大值、即极径上的灰度跳变极值,与预设的参考阈值进行对比,如果某方向上的灰度变化曲线的斜率最大值超过所设阈值,则初步认定该方向属于钙化区域,否则不属于;
e、精细检索含钙化斑块的图像:
如果初步认定极坐标视图中的某列像素属于钙化区域,那么判断其邻域内的连续n列像素,如果都属于初步认定的钙化区域,则该区域属于钙化区域,否则该区域不是钙化斑块,最后将最终检测到的钙化斑块的具体位置显示在图像中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310472195.5A CN103479399A (zh) | 2013-10-11 | 2013-10-11 | 一种血管内超声图像序列中钙化斑块帧的自动检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310472195.5A CN103479399A (zh) | 2013-10-11 | 2013-10-11 | 一种血管内超声图像序列中钙化斑块帧的自动检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103479399A true CN103479399A (zh) | 2014-01-01 |
Family
ID=49820239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310472195.5A Pending CN103479399A (zh) | 2013-10-11 | 2013-10-11 | 一种血管内超声图像序列中钙化斑块帧的自动检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103479399A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899861A (zh) * | 2015-04-01 | 2015-09-09 | 华北电力大学(保定) | 一种血管内超声视频中关键帧的自动检索方法 |
CN107871318A (zh) * | 2017-11-16 | 2018-04-03 | 吉林大学 | 一种基于模型迁移的冠状动脉钙化斑块检测方法 |
CN108492272A (zh) * | 2018-03-26 | 2018-09-04 | 西安交通大学 | 基于注意力模型及多任务神经网络的心血管易损斑块识别方法及系统 |
CN109846465A (zh) * | 2019-04-01 | 2019-06-07 | 数坤(北京)网络科技有限公司 | 一种基于亮度分析的血管钙化误报检测方法 |
CN110507358A (zh) * | 2018-05-21 | 2019-11-29 | 珠海艾博罗生物技术股份有限公司 | 一种从超声图像上测量胎儿颈背透明物厚度的图像处理方法及系统 |
WO2020154904A1 (zh) * | 2019-01-29 | 2020-08-06 | 深圳市科曼医疗设备有限公司 | 一种超声图像血管直径自动测量方法 |
CN112634267A (zh) * | 2014-12-12 | 2021-04-09 | 光学实验室成像公司 | 用于检测和显示血管内特征的系统和方法 |
CN113723360A (zh) * | 2021-09-16 | 2021-11-30 | 益佳福(杭州)科技有限责任公司 | 基于ecg和对抗增强门控循环网络多源血管内超声关键帧自动检索方法 |
-
2013
- 2013-10-11 CN CN201310472195.5A patent/CN103479399A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112634267A (zh) * | 2014-12-12 | 2021-04-09 | 光学实验室成像公司 | 用于检测和显示血管内特征的系统和方法 |
CN104899861A (zh) * | 2015-04-01 | 2015-09-09 | 华北电力大学(保定) | 一种血管内超声视频中关键帧的自动检索方法 |
CN104899861B (zh) * | 2015-04-01 | 2017-10-27 | 华北电力大学(保定) | 一种血管内超声视频中关键帧的自动检索方法 |
CN107871318A (zh) * | 2017-11-16 | 2018-04-03 | 吉林大学 | 一种基于模型迁移的冠状动脉钙化斑块检测方法 |
CN107871318B (zh) * | 2017-11-16 | 2018-11-09 | 吉林大学 | 一种基于模型迁移的冠状动脉钙化斑块检测方法 |
CN108492272A (zh) * | 2018-03-26 | 2018-09-04 | 西安交通大学 | 基于注意力模型及多任务神经网络的心血管易损斑块识别方法及系统 |
CN110507358A (zh) * | 2018-05-21 | 2019-11-29 | 珠海艾博罗生物技术股份有限公司 | 一种从超声图像上测量胎儿颈背透明物厚度的图像处理方法及系统 |
CN110507358B (zh) * | 2018-05-21 | 2022-01-11 | 珠海艾博罗生物技术股份有限公司 | 一种从超声图像上测量胎儿颈背透明物厚度的图像处理方法及系统 |
WO2020154904A1 (zh) * | 2019-01-29 | 2020-08-06 | 深圳市科曼医疗设备有限公司 | 一种超声图像血管直径自动测量方法 |
CN109846465A (zh) * | 2019-04-01 | 2019-06-07 | 数坤(北京)网络科技有限公司 | 一种基于亮度分析的血管钙化误报检测方法 |
CN113723360A (zh) * | 2021-09-16 | 2021-11-30 | 益佳福(杭州)科技有限责任公司 | 基于ecg和对抗增强门控循环网络多源血管内超声关键帧自动检索方法 |
CN113723360B (zh) * | 2021-09-16 | 2023-10-27 | 益佳福(杭州)科技有限责任公司 | 基于ecg和对抗增强门控循环网络多源血管内超声关键帧自动检索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103479399A (zh) | 一种血管内超声图像序列中钙化斑块帧的自动检索方法 | |
Loizou | A review of ultrasound common carotid artery image and video segmentation techniques | |
US9710908B2 (en) | Method and system for assessing fibrosis in a tissue | |
US8411927B2 (en) | Marker detection in X-ray images | |
US9119559B2 (en) | Method and system of generating a 3D visualization from 2D images | |
US10157467B2 (en) | System and method for detecting central pulmonary embolism in CT pulmonary angiography images | |
US20110257505A1 (en) | Atheromatic?: imaging based symptomatic classification and cardiovascular stroke index estimation | |
US20110257545A1 (en) | Imaging based symptomatic classification and cardiovascular stroke risk score estimation | |
US20110257527A1 (en) | Ultrasound carotid media wall classification and imt measurement in curved vessels using recursive refinement and validation | |
Destrempes et al. | Segmentation method of intravascular ultrasound images of human coronary arteries | |
AU2017249265B2 (en) | Method and apparatus for generating quantitative data for biliary tree structures | |
Kumar et al. | State-of-the-art review on automated lumen and adventitial border delineation and its measurements in carotid ultrasound | |
US20200327664A1 (en) | Assessment of arterial calcifications | |
Huang et al. | Automatic Liver Segmentation from CT Images Using Single‐Block Linear Detection | |
WO2023156290A1 (en) | Method and system for computer aided diagnosis based on morphological characteristics extracted from 3-dimensional medical images | |
CN102855483B (zh) | 处理超声图像的方法和装置以及乳腺癌诊断设备 | |
Zhang et al. | Automatic segmentation of calcifications in intravascular ultrasound images using snakes and the contourlet transform | |
Ma et al. | A coronary artery segmentation method based on region growing with variable sector search area | |
Arora et al. | A state-of-the-art review on coronary artery border segmentation algorithms for intravascular ultrasound (IVUS) images | |
US20140073922A1 (en) | Ultrasound with augmented visualization | |
Lawankar et al. | Segmentation of liver using marker watershed transform algorithm for CT scan images | |
Renard et al. | Image analysis for detection of coronary artery soft plaques in MDCT images | |
US20120059261A1 (en) | Dual Constrained Methodology for IMT Measurement | |
Koga et al. | Automated boundary extraction and visualization system for coronary plaque in IVUS image by using fuzzy inference-based method | |
Heryan et al. | Automatic extraction of the pelvicalyceal system for preoperative planning of minimally invasive procedures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140101 |