一种心脏状态时间相位的识别方法
技术领域
本发明涉及图像处理领域,尤其涉及心脏状态时间相位的识别方法。
背景技术
在心功能分析时,通常的方法是选择一个心跳周期的舒张末期(end-diastole,ED)和收缩末期(end-systole,ES)来计算各个心功能指数,如射血分数、局部心肌变化、心肌壁厚的变化等。因此,在心功能分析时需要先确定ED,ES时间相位所对应的图像。
目前确定ED,ES相位的方法主要有人工观测法,心电图辅助判断法,图像后处理方法如容积判断法和相位图像灰度值相关性法等。人工观测法是读取心脏各个相位的图像,找到左心室的位置,通过肉眼观察各个时相对应的图像判断相位。该方法比较简单直观,但是受主观影响较大,另外需要耗费较多时间反复比较各相位图像。
中国发明专利公开说明书CN1190573A公开了一种识别器官状态时间相位的方法,该方法结合心电图,需要同时借助心脏图像和心电图来判断ED和ES时间相位,该方法存在的缺点是依赖心电图信息,在心电图信息不全或丢失的情况下(如在图像后处理阶段),往往难以判断ED,ES对应的相位。
图像后处理方法中的容积判断法需要先将心脏的左心室准确地分割出来,该方法计算繁复。相位图像灰度相关性法(请参考[D.Perperidis et al.Spatio-temporal free-form registration of cardiac MR image sequences,Medical Image Analysis,9(5),441-456,2005]),该方法依据ES和ED相位的图像与扫描周期的第一个相位图像的相似性不同而区分两个相位,ES时相的图像与第一张图像最不相似,而ED时相的图像与第一张扫描图像更相似,根据所有图像与第一张图像的相似度关系曲线,可以找到ED,ES对应的时相。然而,该方法需要计算相似度,虽然比容积判断法的计算要简单,但是仍然有很多计算,不能快速地识别ES和ED时相。
综上所述,如何快速、自动且准确地识别ED和ES时相,是本领域技术人员迫切需要解决的技术问题。
发明内容
本发明要解决的是现有心脏状态时间相位的识别方法比较繁复,计算复杂和过于依赖心电图的问题。
为了解决上述问题,本发明提供了一种心脏状态时间相位的识别方法,包括如下步骤:(1)输入心脏任一相位的三维图像,得到心脏左心室的心尖和二尖瓣所在的位置;(2)根据所述心尖和二尖瓣的位置信息,得到一个三维区域;(3)根据所述三维区域内的图像信息,确定心脏心跳周期的舒张末期和收缩末期。
上述所述一种心脏状态时间相位的识别方法,其中,通过训练分类器的方法得到所述心脏左心室的心尖和二尖瓣所在的位置。
上述所述一种心脏状态时间相位的识别方法,其中,所述三维区域为圆柱体。
上述所述一种心脏状态时间相位的识别方法,其中,得到所述圆柱体的过程如下:1)以所述心尖和二尖瓣的连线为所述圆柱体的中轴线;2)再分别以以所述心尖和二尖瓣为圆心,R为半径,垂直于所述中轴线的两个圆为上、下底面,形成所述圆柱体。
上述所述一种心脏状态时间相位的识别方法,其中,所述半径R的取值范围为20-150mm。
上述所述一种心脏状态时间相位的识别方法,其中,所述得到所述心跳周期的舒张末期和收缩末期的过程如下:1)计算所述心脏各相位三维图像中对应于所述三维区域的所有像素点的灰度之和;2)根据所述像素点的灰度之和,所述灰度之和最大的相位三维图像为所述心跳周期的舒张末期,所述灰度之和最小的相位三维图像为所述心跳周期的收缩末期。
与现有的心脏状态时间相位的识别方法相比,本发明基于心脏图像的灰度分布特征快速、稳定和准确地实现时间相位的识别,该识别过程实现简单,完全自动。
附图说明
图1所示为本发明实施例心脏状态时间相位的识别方法的流程示意图;
图2所示为本发明实施例中所述圆柱体的示意图;
图3所示为本发明实施例像素点灰度之和的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施的限制。
其次,本发明利用示意图进行详细描述,在详述本发明实施例时,为便于说明,所述示意图只是实例,其在此不应限制本发明保护的范围。
下面结合附图和实施例对本发明进行详细地说明。本发明心脏状态时间相位的识别方法如图1所示,首先,执行步骤S1,输入心脏任一相位的三维图像,得到心脏左心室的心尖和二尖瓣所在的位置。其中,通过训练分类器的方法来获取心脏左心室的心尖和二尖瓣所在的位置。在本实施例中,以心脏的CT三维图像为例,在心脏跳动一次的时间里,CT对心脏连续检测,得到一系列数据,将该心跳周期采集到的数据重建10帧CT三维图像,即重建了10个时间点的三维图像,10帧三维图像表示了分别在那10个时间点心脏的状态。所述10帧三维图像即为心脏任一相位的三维图像。需要说明的是,所述三维图像也可以是磁共振图像等其它医学图像,三维图像也不仅仅是10帧,可以根据实际的需要选择。将所述10帧CT三维图像的任一帧图像(任一相位图像)通过训练分类器的方法得到心脏左心室的心尖(P)和二尖瓣(V)的位置(如图2所示),具体地,人工选取每幅三维图像的心尖和二尖瓣的位置为正样本,从图像的其他位置随机选取采样点为负样本,计算训练集中所有正负样本的哈尔特征(Haar feature)并以此训练弱分类器,再利用ada-boost算法构建强分类器,进而可以检测任意图像的心尖和二尖瓣的位置。
接着,执行步骤S2,根据所述心尖和二尖瓣的位置信息,得到一个三维区域。在本实施例中,所述三维区域为圆柱体。具体地,分别以所述心尖和二尖瓣的连线为所述圆柱体的中轴线;再分别以所述心尖和二尖瓣为圆心,R为半径,垂直于所述中轴线的两个圆为上、下底面,形成所述圆柱体。如图2所示,以心尖和二尖瓣的连线为中轴线,即线段PV,再分别以点P(心尖)和点V(二尖瓣)为圆心以R(20-150mm)为半径垂直于所述线段PV做圆,分别为所述圆柱体的上下底面,在本实施例中,所述R为50mm。则根据中轴线和上下底面可以得到所述圆柱体。需要说明的是,所述三维区域不仅限于圆柱体,只要是把包括左心室的区域划分出来的三维区域均可以。
再接着,执行步骤S3,根据所述三维区域内的图像信息,确定心脏周期的舒张末期和收缩末期。具体地,计算所述心脏各相位三维图像中对应于所述三维区域的所有像素点的灰度之和;根据所述像素点的灰度之和,所述灰度之和最大的相位三维图像为所述心跳周期的舒张末期,所述灰度之和最小的相位三维图像为所述心跳周期的收缩末期。在本实施例中,计算所有相位的三维图像,即10帧三维图像,对应步骤S2中圆柱体部分的所有像素点灰度之和,如图3所示,得到10个数据值,并作图。从图3可知,10个数据值有最大值和最小值,其中灰度和最大的那帧图像所对应的相位就是状态时间相位中的舒张末期(ED)相位,灰度和最小的那帧图像所对应的相位就是状态时间相位中的收缩末期(ES)相位,即心脏状态时间相位为舒张末期相位和收缩末期相位。这是由于当心脏舒张的时候,左心室容量最大,血液最多,在造影CT中图像整体最亮,当心脏收缩的时候,左心室容量最小,血液最少,在造影CT中图像整体最暗。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。