自动左心室功能评价
发明领域
本发明涉及自动左心室(LV)功能评价。
发明背景
超声心动图是一种用于心脏疾病临床诊断的重要的、广泛使用的成像技术。由于其低成本和非侵入的性质,超声波成像是现代诊断成像设备不可分割的部分,允许对包括LV功能的心血管系统定性和定量地性能评价。
由于成人的许多心脏疾病会导致LV功能的异常,所述LV功能评价是几乎每一种超声心动图检查的非常重要的一部分。LV收缩功能参数通常是由专家定性地检查,并经目测评估。整体的定量的LV评估,当执行时,通常从心脏的两个平面,即—四室平面和两室平面进行,通过从每一个平面选择心动周期在舒张末期(ED)和在收缩末期(ES)的两帧,之后进行人工追踪LV边界。LV ED和ES容积及射血分数(EF)由具体算法计算。由于这项技术是依赖于操作者且费时的,其在日常实践中很少使用。
因此,自动LV边界检测已经是在过去十年中很多超声心动图研究的主题。自动LV边界检测将不仅允许对LV收缩功能的快速、准确、和稳固的超声心动图评价,还将提供关于在整个心动周期中LV功能的额外定量信息。
自动LV轮廓检测可被描述为分割问题—从血液中分离肌肉的问题,其经常被认为是超声图像中的艰巨任务。LV的实际轮廓可能与由叠加在图像上并隐藏目标组织的斑点噪声造成的局部的伪边缘混淆,或实际轮廓可能会模糊并部分丢失。
文献中LV边界检测的突出方法是基于简单的假设,即组成图像的不同部分由边界限定。因此,边界像素(边缘)可通过提取和分组图像中不同部分之间的过渡区的点获得,以形成封闭边界。
利用不同的方法,已经提出许多算法用于LV边界检测和追踪。一些方法涉及变形模型族,其中,利用用户输入提供的初始轮廓,将参数化轮廓跨心动周期变形。参见McInerney T.和Terzopoulos D.,“DeformableModels in Medical Image Analysis:A Survey”,Medical Image Analysis 1(1996)91-108,其讨论了由M.Kass、A.Witkin和D.Terzopoulos提出的“snakes”方法的应用,“Snakes:Active Contour Models”,International Journalon Computer Vision,vol.1(4),pp.321-331,1988。
其他方法是基于预先定义的形状模型拟合已检测出的边界,但是经常要求用户输入至少三个点。参见,例如,Chenal等的美国专利申请公布号2002/0072671中公开了获取超声波图像,定位图像中解剖标志,和拟合痕迹于涉及解剖特征的组织边界。
另外的方法,基于从共生矩阵获取的特征,使用神经网络将图像中的每一个像素归类。参见,例如,M.Sussner、N.Budil和T.Strohmer.“Contourdetection using artificial neuronal network presegmentation”,Proc.Computersin Cardiology,pp.737-740,Vienna 1995。
除了整体的LV评价之外,还经常评价节段性室壁运动性能。对不同LV室壁节段的收缩的评价是重要的,因为缺血性心脏病(IHD)患者通常具有节段性的而非整体的室壁收缩异常。识别这种异常具有重要的临床意义。节段性室壁运动的评价通常经目测以定性的方式评价,其对专家的经验具有很强的依赖性。因此,节段性室壁运动的定量评价具有重要意义。
组织多普勒成像(TDI)是定量超声心动图的技术,其采用多普勒原理测量心肌运动速度。参见Carolyn Y.Ho和Scott D.Solomon,“A Clinician’sGuide to Tissue Doppler Imaging”,Circulation 2006;113:e396-e398。多普勒超声心动图依赖于检测从移动物体反射的超声波信号的频率的偏移。传统的多普勒技术评价血流速度。在TDI中,相同的多普勒原理被用于定量心肌组织运动,及测量多普勒应变和应变速率。
如同所有的多普勒技术,TDI测量与超声波束方向平行的运动;进一步地,基于多普勒的方法从固定的束位置获取组织速度信息,其可能是不准确的因为心脏是不断移动的。因此,TDI不是常规地用于局部室壁运动评价;然而,发现其通过测量在二尖瓣环处的整体纵向的左心室(LV)舒张,在评价舒张功能方面是有用的。
非多普勒二维(2D)应变成像是具有竞争力的方法,其中,心肌内的稳定特征通过心动周期被追踪,以提供展示二维中肌肉收缩和舒张的应变速率信息。参见,例如,Lysyansky等的美国专利申请公布号2004/0143189。使用这种方法时,可能会出现一些困难。特征的空间模式保留其至少两帧的可能性,且在斑点噪声不存在时可能甚至更多。因此,在某一频率,特征必须被重新选择并与某一运动模型拟合。运动模型应该被小心使用,由于室壁运动模式随着组织的损害而变化且受到其他物理参数诸如血液流动力的影响。
发明概述
根据一个实施方案,提供了用于自动左心室(LV)内边界检测的方法,所述方法包括:对超声心动图执行图像映射,以产生多层图像映射;通过把所述图像映射的一个或多个较暗层的像素归为LV腔和把所述图像映射的一个或多个较亮层的像素归为心肌,将所述图像映射转变为二值图像;应用径向滤波(radial filter)于所述二值图像中心肌的轮廓,以提取LV的近似内边界;并对所述近似内边界执行形状建模,以确定所述LV内边界。
根据一个实施方案,还提供了超声波成像装置,包括:超声波探头,所述超声波探头被配置以获取超声心动图;和处理单元,所述处理单元连接到所述探头,且所述处理单元被配置以自动紧密地靠近出现在所述超声心动图中的左心室(LV)内边界,所述靠近是基于所述LV的预处理的超声心动图的形状建模。
在一些实施方案中,所述多层图像映射包括3-层图像映射,且其中所述图像映射的一个或多个较暗层包括两个较暗层且所述图像映射的一个或多个较亮层包括一个较亮层。
在一些实施方案中,所述方法还包括,在执行所述图像映射之前自动检测所述超声心动图中的感兴趣区域,其中所述感兴趣区域围住LV。
在一些实施方案中,所述自动检测感兴趣区域包括:产生倒置的二值版本的超声心动图;计算倒置的二值版本中白色像素的列直方图;和定义列直方图的两个最小点之间界定的区域为感兴趣区域。
在一些实施方案中,所述图像映射包括用逐段直方图均衡化分割所述超声心动图。
在一些实施方案中,所述逐段直方图均衡化包括确定LV的中心轴和,基于所述直方图中的熵水平,将出现在所述超声心动图中的LV划分为多个位于中心轴的外侧(lateral side)和中隔侧(septal side)的矩形段。
在一些实施方案中,所述超声心动图包括顶端视图超声心动图。
在一些实施方案中,所述顶端视图包括两室顶端视图,其中任选地,所述多层图像映射包括3至5层图像映射。
在一些实施方案中,所述顶端视图包括四室顶端视图,其中任选地,所述多层图像映射包括3-层图像映射,且其中所述图像映射的一个或多个较暗层包括两个较暗层且所述图像映射的一个或多个较亮层包括一个较量层。
在一些实施方案中,所述超声心动图包括长轴视图超声心动图。
在一些实施方案中,所述超声心动图包括短轴视图超声心动图。
在一些实施方案中,所述方法还包括,在执行所述图像映射之前,减少所述超声心动图的噪声。
在一些实施方案中,所述减少噪声包括对所述超声心动图采用中值滤波(median filter)。
在一些实施方案中,所述方法还包括,在应用所述径向滤波之前,用二值形态学细化所述二值图像。
在一些实施方案中,所述方法还包括,在应用所述径向滤波之前,清除位于LV腔中的像素点残留。
在一些实施方案中,所述方法还包括,在执行所述形状建模之前,计算LV的近似内边界的极坐标。
在一些实施方案中,所述形状建模包括对所述LV的近似内边界的极坐标执行的6阶多项式插值。
在一些实施方案中,所述超声心动图包括舒张末期超声心动图,且其中所述方法还包括跨包含收缩末期超声心动图的连续的超声心动图追踪确定的LV内边界。
在一些实施方案中,所述舒张末期的时刻和所述收缩末期的时刻中的至少一个是基于跨包括舒张末期时刻和收缩末期时刻的连续的超声心动图对确定的LV内边界执行的初步的追踪步骤确定的。
在一些实施方案中,所述舒张末期的时刻和所述收缩末期的时刻中的至少一个是基于与心动周期的超声心动图相关的心电图(ECG)信号确定的。
在一些实施方案中,所述方法还包括基于每一次心跳的舒张末期超声心动图和收缩末期超声心动图的计算的容积的比率,用Simpson法计算LV的射血分数(EF)。
在一些实施方案中,所述追踪包括采用金字塔形光流法的追踪。
在一些实施方案中,所述方法还包括在LV中隔侧对近似内边界执行4阶多项式插值,和在LV外侧对近似内边界执行抛物线插值。
在一些实施方案中,所述方法还包括沿着连续的超声心动图中的至少一些超声心动图计算LV的容积,以制作心动周期的容积曲线。
在一些实施方案中,所述方法还包括,基于所述容积曲线,计算LV的充盈速率曲线。
在一些实施方案中,所述方法还包括,基于所述充盈速率曲线,计算选自以下组成的组的整体舒张功能参数:快速充盈速率峰值参数(“E”)、心房充盈速率峰值参数(“A”)、“E”/“A”比率、至“E”的加速时间(从“Mo”)、从“E”的减速时间(“DT”)、和等容舒张时间(“IVRT”)。
在一些实施方案中,所述方法还包括,基于所述充盈速率曲线,计算选自以下组成的组的整体收缩功能参数:舒张末期容积(“EDV”)、收缩末期容积(“ESV”)、射血分数(“EF”)和每搏输出量(“SV”)。
在一些实施方案中,所述方法还包括,通过求导确定的LV内边界的角位移曲线来检测LV的局部室壁运动异常。
在一些实施方案中,所述方法还包括,通过求导确定的LV内边界的角位移曲线,计算选自以下组成的组的整体舒张功能:Ea和Aa。
在一些实施方案中,所述处理单元还被配置以:对超声心动图执行图像映射,以产生多层图像映射;通过把所述图像映射的一个或多个较暗层的像素归为LV腔和把所述图像映射的一个或多个较亮层的像素归为心肌,将所述图像映射转变为二值图像;应用径向滤波于所述二值图像中心肌的轮廓,以提取LV的近似内边界。
在一些实施方案中,所述处理单元还被配置以,在执行图像映射之前自动检测所述超声心动图中的感兴趣区域,其中所述感兴趣区域围住LV。
在一些实施方案中,所述处理单元还被配置以,在执行图像映射之前减少所述超声心动图的噪声。
在一些实施方案中,所述减少噪声包括对所述超声心动图采用中值滤波。
在一些实施方案中,所述处理单元还被配置以,在应用径向滤波之前,用二值形态学细化所述二值图像。
在一些实施方案中,所述处理单元还被配置以,在应用径向滤波之前,清除位于LV腔中的像素点残留。
在一些实施方案中,所述处理单元还被配置以,在执行形状建模之前,计算LV的近似内边界的极坐标。
在一些实施方案中,所述舒张末期的时刻和所述收缩末期的时刻中的至少一个是基于与心动周期的超声心动图相关的心电图(ECG)信号确定的。
在一些实施方案中,所述舒张末期的时刻和所述收缩末期的时刻中的至少一个是由所述处理单元,基于跨包括舒张末期时刻和收缩末期时刻的连续的超声心动图对确定的LV内边界执行的初步跟踪步骤确定的。
在一些实施方案中,所述处理单元还被配置以,基于每一次心跳的舒张末期超声心动图和收缩末期超声心动图的计算的容积的比率,用Simpson法计算LV的射血分数(EF)。
在一些实施方案中,所述处理单元还被配置以,在LV中隔侧对近似内边界执行4阶多项式插值,和在LV外侧对近似内边界执行抛物线插值。
在一些实施方案中,所述处理单元还被配置以,沿着连续的超声心动图中的至少一些超声心动图计算LV的容积,以制作心动周期的容积曲线。
在一些实施方案中,所述处理单元还被配置以,基于所述容积曲线,计算LV的充盈速率曲线。
在一些实施方案中,所述处理单元还被配置以,基于所述充盈速率曲线,计算选自以下组成的组的整体舒张功能参数:快速充盈峰值速度参数(“E”)、心房充盈峰值速度参数(“A”)、“E”/“A”比率、至“E”的加速时间(从“Mo”)、从“E”的减速时间(“DT”)、和等容舒张时间(“IVRT”)。
在一些实施方案中,所述处理单元还被配置以,基于所述充盈速率曲线,计算选自以下组成的组的整体收缩功能参数:舒张末期容积(“EDV”)、收缩末期容积(“ESV”)、射血分数(“EF”)和每搏输出量(“SV”)。
在一些实施方案中,所述处理单元还被配置以,通过求导确定的LV内边界的角位移曲线来检测LV的局部室壁运动异常。
在一些实施方案中,所述处理单元还被配置以,通过求导确定的LV内边界的角位移曲线,计算选自以下组成的组的整体舒张功能:Ea和Aa。
根据一个实施方案,还提供了一种用于左心室(LV)内边界自动建模的方法,所述方法包括基于对粗略标记内边界的极坐标点执行的6阶多项式插值,对内边界的形状自动建模。
根据一个实施方案,还提供了一种设备,包括处理单元,所述处理单元被配置为基于对粗略标记内边界的极坐标点执行的6阶多项式插值,对左心室(LV)内边界自动建模。
附图简述
在所提到的附图中阐述示例性的实施方案。附图中显示的组件的尺寸和特征,通常为了方便和展示的清晰来选择且并不一定按比例显示。附图在下面列出。
图1显示用于自动LV内边界检测方法的流程图;
图2显示典型的心尖4-室视图超声心动图;
图3显示指示倒置的二值超声心动图的每一列中白色像素数量的直方图;
图4显示带有标记围住LV的感兴趣区域的边界框的二值倒置图像;
图5显示在阈值化其3-层映射图像前驱(predecessor)之后的二值图像;
图6显示获取的心肌的内侧和外侧轮廓;
图7显示应用径向滤波结果的图;
图8显示用点粗略标记LV内边界的图,及使用6阶多项式插值这些点的图;
图9显示随时间推移的LV的容积曲线;
图10显示基于容积曲线的LV的充盈速率曲线;
图11显示常规舒张功能参数的可视化展示;
图12显示角位移曲线,指示半径作为角度和时间的函数;
图13显示舒张期位移曲线和收缩期位移曲线的叠加;
图14显示位于二尖瓣环外侧的LV内边界的点随时间推移的角位移导数;
图15显示超声成像系统;
图16显示充盈速率曲线,所述充盈速率曲线显示正常的E/A比率;
图17显示充盈速率曲线,所述充盈速率曲线显示升高的E/A比率;
图18显示二尖瓣环处的角位移导数,显示Ea和Aa的正常模式的波;
图19显示二尖瓣环处的角位移导数,显示Ea和Aa的减速模式的波;
图20显示中隔区的角位移导数,显示收缩和舒张速度的正常模式;和
图21显示中隔区的角位移导数,显示严重降低的收缩和舒张组织速度。
详述
本发明的一个方面涉及用于自动检测心电图中左心室(LV)内边界的方法。所述方法包括LV形状的有益的形状建模,基于采用图像处理技术获得的近似边界的极坐标系的多项式插值。即,对粗略标记内边界的极坐标中的点执行多项式插值。任选地,多项式插值是基于6阶多项式,其目前已被发现以大的准确性界定LV内边界。
用于确定近似边界的图像处理技术,可包括对原始的超声心动图执行的一系列步骤,目的是为了使其处于允许有效应用多项式插值的准备水平。
任选的、有益的、初步步骤可包括,在超声心动图中自动检测围住LV的感兴趣区域(ROI)。凭借此ROI的检测,本方法可直接应用于超声心动图,在相关区域的初步界定中不需要人为干预。
在第一幅超声心动图中,任选地是舒张末期(ED)的,检测LV边界之后,所述边界可被沿着相同心动周期的一系列连续的超声心动图追踪,直到收缩末期(ES)。为更好的统计学显著结果,所述追踪还可以延续到额外的心动周期,直到全部接收到的超声心动图。随后,在ED和ES检测到的边界可被用于计算LV的射血分数(EF),任选地使用Simpson方法。
追踪的结果还可用于制作LV的时间容积曲线,且,任选地,从容积曲线导出充盈速率曲线。此外,追踪可使计算指示收缩和/或舒张功能的一组参数成为可能。这些参数中的至少一些通常要求使用多普勒超声装置,但是在本文中凭借有益的追踪使之成为可能。这样的参数可包括,例如,快速充盈期充盈速率峰值(参数“E”)、心房收缩期充盈速率峰值(参数“A”)、E/A比率、加速时间、减速时间、等容舒张时间(IVRT)、及“TDI”参数诸如“Ea”波、“Aa”波,等。
此外,本文还公开了LV局部室壁运动异常的检测。该检测可基于在两个或多个连续的超声心动图中的LV内边界的节段的位置、及不同节段点的组织速度的比较。
现在参照图1,其显示根据一个实施方案,用于自动左心室(LV)内边界检测的方法100的流程图。
最初,提供了一组一个或多个超声心动图102(也被称作“图像”),诸如来自超声波成像装置。任选地,这些超声心动图102的其中之一,显示舒张末期时刻的那一个,被选作用于LV边界检测的初始超声心动图。舒张末期超声心动图通常包括最大量血液并呈现最少量运动,及因此呈现诸如模糊现象和噪声的最小量。LV边界最初在此舒张末期心电图中被检测,且仅仅后来在心动周期的其他心电图中。
舒张末期时刻可通过执行方法100的首次、初步通过区块106-120(下面进一步被讨论)来鉴定,以能够估计每一个超声心动图102中的LV容积,假定超声心动图是在舒张末期时刻呈现最大容积。然而,应该注意,由于此初步通过始于任意的超声心动图,其可能不是舒张末期超声心动图,此通过的结果可能是不准确的且不能被信任的。因此,在此初步通过期间估计的LV容积仅用于舒张末期时刻的确定,其随后,凭借以舒张末期超声心动图开始,使可靠得多的第二轮通过成为可能。
确定舒张末期时刻的另一个选择是通过依赖与超声心动图相关或嵌入超声心动图像本身的心电图(ECG)信号。
为了简单的描述,术语“超声心动图102”,当其出现在以后的描述中,涉及舒张末期超声心动图。尽管如此,其明确地意味着方法100的各个步骤可被执行于心动周期其他阶段的超声心动图。
图2显示示例性的超声心动图200,其典型地接收自超声波成像装置。本文讨论的超声心动图,诸如图1的超声心动图102,任选地由超声波探头在心尖途径(apical approach)捕获的,其以四室心尖视图显示心脏。心尖视图可以是四室或是不同的心尖平面,诸如两室平面。然而,图1的方法100,随着参数的一些调整,还适用于心脏的其他平面包括短轴平面和长轴平面超声心动图。在任何一种情况下,产生的超声心动图显示比LV内边界检测所需要的更大的区域。此外,方法100的以下步骤可依赖于工作区域的准确界定,且通常要求工作区域被限制在LV区域。因此,可能需要确定超声心动图102中感兴趣区域(ROI)。这可通过人工执行,或更有利的多地,根据一个实施方案,通过全自动过程执行。
在任选区块104中,自动检测超声心动图102中感兴趣区域(ROI),并产生仅包括ROI的图像。ROI检测可基于多个步骤。首先,任选地通过Otsu方法执行粗略的图像分割(参见Nobuyuki Otsu.1979.“A thresholdselection method from gray-level histograms”.IEEE Trans.Sys.,Man.,Cyber.9:62-66),得到二值图像。可将二值图像倒置,且可计算白色像素的列直方图。现在参照图3,其显示指示超声心动图每一列中白色像素数量的直方图300。直方图300呈现两个“最小值”:一个302,其是ROI的左侧末端(任选地中隔LV壁),及另外一个304,其是ROI的右侧末端(任选地外侧LV壁)。在两个最小值之间的区域是主要的LV腔面积。图4形象化地显示了这个。显示了二值的、倒置的图像400,具有边界框410标记的LV 402(由腔面积404、左边缘406和右边缘408组成),是ROI。
返回参考图1。在区块106,一系列图像处理技术可被应用于超声心动图102,使其处于允许使用多项式插值以有效的形状建模的准备水平,其最终确定LV边界。关于超声心动图102,应该注意的是,显示超声波患者检查的最普通的方式是被称作B-型的。在B-型超声波图像中,回声幅度通过强度(或灰度尺度)表现,而术语“图像”是指二维强度函数I(x,y),其中x和y是空间坐标。深色代表液体且亮色代表固体。在诸如超声心动图102的LV图像中,特征为亮色的心肌,围住充有血液并因此特征为暗色的腔。对于大多数超声波图像,灰度值分布不好且,事实上,对比常常沿着中隔壁和外侧壁而变化。
通常LV图像分割及尤其是LV边界检测,可能因此被看作从血液中分离组织的过程。区块106的一系列图像处理技术可开始于减少噪声108。斑点噪声是超声波图像中众所周知的干扰。由于此噪声,超声波图像通常地以随机的尺寸和强度的“污点”的形式,呈现颗粒状的外观。此噪声隐藏目标组织并打破其轮廓。在一个实施方案中,可采用中值滤波执行减少斑点噪声,且产生的图像是模糊的,尤其是在边缘周围和噪声部位。因此,过滤后的图像特征为三个主要灰度组:亮的(组织)、暗的(血液)及中间值(模糊噪声)。
然后,图像建模110可被执行于超声心动图102,以产生多层图像映射,从其中,任选地,多层被重新映射到较少层的图像映射。例如,重新映射的图像映射可将其像素映射到三层强度(或“暗度”):黑、灰和白。可选地,图像映射可进行仅一次,直接到所期望的最终的灰色层的数量。参数诸如壁的厚度、壁的方向和/或类似的可影响决定如何执行图像映射—诸如重复多少次映射(如果真要做)及每一次映射应该产生多少灰色层。举例来说,在四室视图中,三个灰度层可以是适当的,但是在两室视图中,3-5个灰度层可以是更适当的。
一般来说,灰度强度图像中像素值的分布可通过灰度直方图来表示,灰度直方图定义为h(n)=k(g),(0≤g≤1,1≤n≤256),其中k是图像中灰度级g的数量,且h是归一化的图像直方图。
直方图均衡化是众所周知的对比增强的方法,其将具有L灰度值的MxN输入图像映射为均匀分布的输出图像,以所需的直方图形式:
本发明的图像映射110可包括分割超声心动图102,同时采用逐段直方图均衡化将像素映射。在分割过程中,超声心动图102可相对于顶点被分为两半。当视图是以心尖四室类型时,超声心动图102可被分为中隔半和外侧半。每一半可根据熵的变化进一步再分为更小的区域。熵由内积定义为:E=-hTranspose(log(h)),其中h是归一化的图像直方图。同质区域的阈值可根据经验选择。当E-Estart<1时区域被定义为同质,其中E是区域的总熵且Estart是区域的初始熵。每一个同质区域均衡成,例如,三层,如表1所示:
表1
灰度 |
颜色 |
组织 |
0 |
黑 |
血液 |
0.5 |
灰 |
噪声和边缘 |
1 |
白 |
心肌 |
在图像映射110结束时,不同区域被组合为单幅图像,为了说明性的原因,在本文作为3-层图像映射,如表1显示的由黑、灰和白像素组成的。
注意,因为在实践中完全均匀可能会改变图像的性质,任选地将图像直方图映射,同时保持相同灰度值完整。
然后,图像映射可被阈值化并被转变112为二值图像,基于通常噪声在血液区域比在组织区域更为明显的基本原理:
其中T=1,Ib是二值图像且Ihist是图像映射结果的3-层图像映射。阈值化本质上将黑色和灰色像素归为LV腔且将白色像素归为心肌。
任选地,二值图像使用形态学开闭运算被平滑和细化,且应用点滤波以清除外来组织在血液区域的残留。
现在参照图5。在这一阶段的结果是二值图像500,其清楚地显示心肌502和LV腔504。现在,采用边缘检测算法诸如Sobel算子,从二值图像中提取心肌的轮廓。参见Wikipedia贡献者。“Sobel算子”。Wikipedia,TheFree Encyclopedia.December 14,2010,02:38 UTC.Available at:http://en.wikipedia.org/w/index.php?title=Sobel_operator&oldid=402261909.Accessed December 26,2010。图6显示提取出的轮廓602。然而,提取出的轮廓602从所有侧包围心肌的每一部分—从LV腔内侧604及相对的外侧。
图1方法100的下一步,为了分开这些内侧的和外侧轮廓,对他们(或,更准确地,对他们的极坐标)应用114径向滤波,并提取LV的近似内边界。这显示在图6中。提取出的轮廓602由笛卡尔(Cartesian)坐标系(x,y)给出。将笛卡尔坐标转化到极坐标(ρ,θ),其指示每一个点的角度和至参考点—图像的中心点606(CPT)的距离:
xpolar=x-xcpt (3)
ypolar=y-ycpt (4)
基于外侧轮廓点的半径比内侧轮廓点的半径要大的概念,至少在限定的角度范围之内,随后应用径向滤波。相应地,可使用两个示例性方法之一分开轮廓。第一个方法包含在径向方向远离CPT地线性平移,导致内侧轮廓像素具有值1且外侧轮廓像素具有值0。第二个方法包含2-阶径向滤波,其中2-阶多项式的形式
Pn=a0+a1θ+a2θ2 (7)
用于插入分开内侧和外侧轮廓的线。
现在参照图7,其显示根据第二种方法,应用径向滤波,导致半径作为角度的函数的示例性结果的图700。为了简单的描述,图片仅显示36-48度的范围。上部的点702代表外侧轮廓,底部的点704代表内侧轮廓,及中间的点706说明之间的分隔符,其遵循2-阶多项式。因此,靠近LV内边界的点704被提取。任选地,提取的点的数量是25-35。
回到图1。在区块116中,靠近LV内边界的被提取的点,被插值以连接各点并最终建模并确定LV内边界的形状。方法100没有勉强处理提取出的点而以准确地对LV的形状建模的方式继续连接各点的事实,是非常有益的。任选地,已被实证检验的极坐标中的6阶多项式,被用于轮廓点连接的形状建模,得到具有平滑轮廓的图像:
P6=a0+a1θ1+a2θ2+…+anθ6 (8)
插值可在预先定义的角度进行,例如,举例来说,每12度。图8显示早期提取的点800的图,其粗略地标记了内边界,及计算的6阶多项式802的图。正如可以观察到的,6阶多项式802相当准确地定义点800,相当令人惊讶。
图1的步骤102-116展示用于自动LV内边界检测的本发明方法100。方法100可应用于舒张末期超声心动图和收缩末期超声心动图,以计算射血分数(EF)量度,其通过评价在收缩期从LV射出的血液的百分比指示LV的整体收缩功能。可计算每一个平面的射血分数,采用如下的被广泛接受的Simpson圆盘方法(Simpson method of discs):
其中EDV是舒张末期容积且ESV是收缩末期容积。55%或以上的EF通常被认为是正常。
作为四室和两室平面的组合的Biplane方法可被用于确定EDV、ESV和EF,根据:
其中V是容积、L是心室长、a是四室平面的直径且b是两室平面的直径。参见Roberto等“Recommendations for chamber Quantification:A Reportfromthe American Society of Echocardiography’s Guidelines and StandardsCommittee and the Chamber Quantification Writing Group,Developed inConjunction with the European Association of Echocardiography,a Branch ofthe European Society of Cardiology”,J Am Soc Echocardiogr,vol.18,pp.1440-1463,2005。
然而,以上展示的自动LV内边界检测方法可作为基础以了解其他的具有重要意义的心脏因素。因此,方法100可包括一个或多个以下的另外步骤:
在区块118中,检测到内边界后,可计算LV容积,例如使用Simpon方法。其次,在区块120中,界定的LV边界可在同一心动周期(或,如果需要,在多于1个周期)的连续超声心动图上被追踪,直到收缩末期超声心动图,从而也在这些超声心动图中界定边界。跨同一周期的随后超声心动图检测内边界的追踪可以是成本有效的方式,至少从计算的时间方面;替代方式是重复每个和每一个超声心动图的整个检测过程,考虑到典型的超声设备每秒捕获25至100帧(超声心动图)的事实,其可以是无效的。
任选地利用金字塔形光流法(pyramidal optical flow method)执行追踪(参见J.Y.Bouguet,“Pyramidal implementation of the Lucas-Kanade featuretracker,description of the algorithm”,Technical report,Intel CorporationResearch Labs,1994),其中在运动足够小以保留边缘点周围区域之间的相似性的假设下,当前的轮廓位置被用作在连续的图像中轮廓检测的输入。因此,相对复杂的边界检测过程可执行一次,且将其产物通过沿着心动周期追踪小的、累积的变化的方式,“延伸”到随后的超声心动图。
在追踪中,当I(x,y)和J(x,y)是来自一次检查顺序的两个连续的超声心动图且b=[bx,by]是第一个图像上的边界点时,在第二个图像中发现边界点bs=[bx+vx by+vy],以致I(b)和J(b+v)在其二维邻域是相似的,定义为W(wx,wy)。因此,d=[dx dy]是在(x,y)的光流,其将差方和最小化:
LV收缩的速度和方向沿着心动周期而改变。另外,不同LV壁节段以不同的速度移动。金字塔形的实现使得使用小的、局部窗口成为可能,这通过使用经高斯(Gaussian)金字塔递归地计算的较低分辨率的图像,对追踪的准确度及捕获更高的运动速度是有利的。
产生的边界点的异常值可根据计算误差被过滤,并在笛卡尔坐标中执行边缘连接,其中每一个LV壁的内边界通过多项式形状模型被建模。任选地,在四室视图中,LV的中隔侧通过4阶多项式插值,且LV外侧的内边界使用抛物线插值法被插值。在两室视图中,后壁任选地通过4阶多项式被插值且前壁利用抛物线插值法被插值。这些插值已被发现以很高的准确性界定LV壁,分别例如LV的中隔壁和外侧壁,相当令人惊讶。
对收缩末期和舒张末期超声心动图界定LV内边界,使得EF的计算成为可能,其常常被心脏科医师用于整体心脏评价。在区块122中,基于任选地使用Simpson方法对每一个超声心动图计算的LV容积,任选地制作LV的容积曲线。图9显示诸如示例性容积曲线900,其说明以毫升计的LV容积作为时间的函数。
在图1的区块124中,基于前一步骤的容积曲线,可计算充盈速率曲线。充盈速率,即,是容积曲线的导数。图10显示这样的示例性充盈速率曲线1000,其说明以每秒毫升数计的LV充盈速率作为时间的函数。
充盈速率曲线1000可作为计算整体舒张和收缩功能参数的基础。关于整体舒张参数,图11显示可直接从充盈速率数据导出的参数的直观展示。这些包括:快速充盈峰值速度(“E”),其是在舒张期测量的最高速度。
—第二峰值速度(“A”),其在心房收缩期被测量。
—E/A比率。
—至E的加速时间,其是心脏从收缩末期(“Mo”)至达到E所花费的时间。
—从E的减速时间(“DT”),其是心脏从E开始至结束舒张期所花费的时间。
—等容舒张时间(“IVRT”),其是主动脉瓣关闭和二尖瓣开放之间的时间,在此时间期间,心室肌降低其张力而不拉长,以致心室容积保持不变。
因此,在图1的区块126中,基于充盈速率曲线,可计算这些整体舒张功能参数中的一个或多个。
在区块128中,基于充盈速率曲线,可计算一个或多个整体收缩功能参数。这些可包括,例如:舒张末期容积(EDV)、收缩末期容积(ESV)、射血分数(EF)、每搏输出量(SV)及类似的。每搏输出量是从EDV中减去ESV的结果。
在区块130中,可评价局部LV室壁运动。任选地,评价通过计算检测到的LV边界的角位移曲线执行。局部室壁运动的评价是非常重要的,由于缺血性心脏病(IHD)患者通常具有节段性的而非整体的室壁收缩异常。
通过追踪先前检测到的LV内边界并提取其跨至少一个心脏周期的极坐标,形成角位移曲线,展示多个定义的角度径θ随着时间的径向距离ρ(从LV的中心点至边界上的点)。角度是任意地定义的;例如,在四室视图中,中部中隔可以在0度、心尖可以在90度、中部外侧在180度及二尖瓣在270度。
图12显示示例性的角度位移曲线1200,指示半径(以像素为单位)作为角度和时间的函数。第一舒张末期1202被证明在大约100ms处、收缩末期1204在约500ms处、且第二舒张末期1206在约1500ms处。
此外,在收缩期和舒张期的角位移曲线之间可进行比较。当叠加这些曲线时,节段性运动的差异更容易被感知到。图13显示舒张期位移曲线(实线)和收缩期位移曲线(虚线)的示例性的叠加1300。如前,中部中隔区1302在0度、心尖区1304在90度、中部外侧区1306在180度及二尖瓣区1308在270度。通常地,当比较展示在极坐标中的这些舒张期和收缩期位移曲线时,沿着径向方向的受损的分离通常指示异常室壁运动。
回到图1,在区块132中,角位移曲线可被求导,产生组织速度的指示。
具体地,在区块134中,为了分析某点处(也叫“节段”或“局部”)的LV室壁速度,角位移曲线在该点处且跨越多个超声心动图(任选地跨至少一个心动周期或其部分)被求导。通过举例方式来说,图14显示位于底部外侧的LV内边界上的点1402随时间推移的角位移导数1400。可以计算要求局部分析的内边界上任何其他点的相似的导数。
最后,在图1的区块136中,基于在外侧二尖瓣环计算的组织速度,可计算一个或多个另外的整体舒张功能参数,也被称为“TDI(组织多普勒成像(Tissue Doppler Imaging))参数”。这些参数通常要求使用多普勒超声,但是在本文基于常规的超声心动图可有利地计算。图14显示这样的参数,其指示整体舒张功能。图14中显示,“Aa”参数被显示在1404处,且“Ea”参数在1406处。
现在参考图16,其显示示例性的超声波成像装置1600,包括处理单元(隐藏在1602之后),处理单元被配置以执行方法100中的一些或全部步骤(图1)。
处理单元1602合并有至少处理器和计算机可读介质或物品(未显示),计算机可读介质或物品储存一套指令,当处理单元的处理器执行所述指令时,导致处理单元执行根据本发明的实施方案的方法和/或操作。计算机可读的介质或物品可包括,例如,任何形式的磁盘,包括软盘、光盘、CD-ROM、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、磁卡或光卡、或任何其它类型的适合储存电子指令的介质,且能够被耦合到计算机系统总线。
指令可包括任何合适形式的代码,例如,源代码、编译代码、翻译码、可执行代码、静态代码、动态代码、或类似的,且可被任何合适的高级、低级、面向对象的、可视的、编译的和/或翻译的编程语言所执行,诸如C、C++、C#、Java、BASIC、Pascal、Fortran、Cobol、汇编语言、机器代码、或类似的。
除非另外特别说明,否则,如从本讨论明显的,应该理解的是在整个说明书中讨论采用的术语诸如“处理”、“运算”、“计算”、“决定”、或类似的,指的是诸如装置1600的超声波成像装置、或类似的电子计算装置的行为和/或过程,其操作和/或转换表示为物理的,诸如电子的、计算系统寄存器和/或存储器内的数量的数据为相似地表示为在计算系统存储器、寄存器或其他这样的内的物理数量的其他数据。
超声波成像装置1600可包括平台,诸如匣(cart)1604。用户控制台1606可包括诸如键盘1608的输入装置、指向装置1610,和/或类似的。一个或多个屏幕1612和1614可用于给用户显示信息,诸如图1中方法100的各种输出。超声波探头1616,其获取超声心动图,可通过电缆连接至处理单元1602。
本领域技术人员将认识到,超声波成像系统1600仅作为示例在这里给出。不同的超声波成像系统,诸如便携式超声装置或另外的装置可以类似地适用于实施图1的方法100。此外,通过接收由超声波成像系统先前获得的超声心动图,通用计算机或CPACS(心脏图片存档与传递系统(Cardiac Picture Archiving and Communication System))工作站可用于离线实施图1的方法100。
实验结果
实验1
执行具有正常的整体LV收缩功能的患者的自动EF评价:EF=75%。EDV、ESV及EF结果总结在表2中,其比较了本发明的自动方法和由专家进行人工的追踪:
表2
|
EDV(ml) |
ESV(ml) |
EF(%) |
专家 |
96 |
24 |
75 |
算法 |
99 |
25 |
74 |
实验2
先前诊断患有严重降低整体LV收缩功能的患者的自动EF评价,和扩张的LV:EF=25%。EDV、ESV和EF结果总结在表3中,其比较了本发明的自动方法和由专家进行人工的追踪:
表3
|
EDV(ml) |
ESV(ml) |
EF(%) |
专家 |
253 |
189 |
25 |
算法 |
251 |
175 |
30 |
实验3
执行先前确定具有正常的整体LV舒张功能的患者的自动、整体舒张功能评价:充盈速率曲线1600(图16)呈现正常的E/A比率。
实验4
执行具有受损的舒张功能的患者的自动、整体舒张功能评价:充盈速率曲线1700(图17)呈现升高的“E”/“A”比率。
实验5
先前确定具有正常的整体舒张功能的患者的自动、整体舒张(“TDI”)功能评价:计算二尖瓣环1802处的角位移导数1800(图18)。“Ea”和“Aa”波呈现正常模式。
实验6
先前被诊断患有受损的舒张功能的患者的自动舒张功能评价:计算二尖瓣环处的角位移导数1900(图19)。“Ea”和“Aa”波呈现降低的速度模式。
实验7
执行先前确定具有正常的节段LV(四室顶端视图)功能的患者的自动节段性室壁运动评价:计算多个区域的角位移导数:后中隔、中隔、心尖、外侧及前侧。作为一个例子,中隔区2002的角位移导数显示在2000(图20)。收缩和舒张组织速度呈现正常模式。
实验8
执行先前被诊断患有一般运动功能减退(四室顶端视图)的患者的自动节段性室壁运动评价:计算多个区域的角位移导数:后中隔、中隔、心尖、外侧及前侧。作为一个例子,中隔区2102的角位移导数显示在2100(图21)。显示收缩和舒张组织速度被严重降低。
实验9
执行具有正常的整体LV收缩功能的患者的自动EF评价:EDV、ESV、及EF结果总结在表4-6中,其比较了本发明的自动方法和由专家进行的人工追踪:四室平面(表4)、两室平面(表5)及Biplane(表6):
表4
|
EDV(ml) |
ESV(ml) |
EF(%) |
专家 |
120 |
33 |
72 |
算法 |
96 |
27 |
72 |
表5
|
EDV(ml) |
ESV(ml) |
EF(%) |
专家 |
112 |
35 |
68 |
算法 |
97 |
26 |
73 |
表6
|
EDV(ml) |
ESV(ml) |
EF(%) |
专家 |
116 |
35 |
69 |
算法 |
98 |
29 |
69 |
在本申请的说明书和权利要求书中,单词“包含”、“包括”及“具有”中的每一个,及其形式,不必限于与所述单词可能相关的列表中的成员。