CN103955961B - 基于统计学的超声序列图像三维重建方法和系统 - Google Patents

Abstract

本发明公开基于统计学的超声序列图像三维重建方法和系统。该方法包括：根据给定的成像参数，构建感兴趣区域的三维超声原始图像；遍历各帧二维超声序列图像，计算每个像素点的距离贡献阈值；以任意一帧二维超声序列图像为基准图像，计算其他所有帧图像相对于基准图像的旋转矩阵和平移向量；遍历构建的三维超声原始图像，依据旋转矩阵和平移向量，由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围，根据距离权重因子对三维超声图像体素赋值，并刷新该体素的距离权重因子；遍历三维超声图像，根据搜索范围和距离权重因子通过插值方法计算空缺体素的体素值。本发明能够快速精准的重建超声图像三维体数据，为临床病灶诊疗提供理论指导。

Description

基于统计学的超声序列图像三维重建方法和系统

技术领域

本发明涉及医学技术领域，具体涉及一种基于统计学的超声序列图像三维重建方法和系统。

背景技术

超声成像是利用超声波照射人体，通过接收和处理载有人体组织特征信息的回波，获得人体组织性质与结构的可见图像的方法和技术，与CT、MRI并称为现代医学的3大影像学。与CT、MRI相比，超声成像具有采集时间短、无须静脉注射造影剂、无电离辐射、经济方便、可实时成像等优点，成为临床必不可少的诊断和治疗设备。然而，当医生想更准确地了解脏器结构时，传统的2维成像就显得不能满足要求了。与传统的2维超声图像相比，3维超声具有图像显示直观、精确测量结构参数、准确定位病变组织等明显优势，成为2维超声技术的重要辅助手段。从临床应用角度来看，Freehand扫描更符合医生习惯和手术室环境，Freehand 3维超声有着广泛的应用前景。3维重建算法是实现Freehand 3维超声的关键，因此Freehand超声图像的3维重建算法具有重要的研究价值。但是，目前的超声图像三维重建方法和系统存在算法复杂、重建效果差的缺陷。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于统计学的超声序列图像三维重建方法和系统，能够根据所获取的二维超声序列图像重建得到高精确度的三维超声图像。

为解决上述技术问题，本发明实施例提供了一种基于统计学的超声序列图像三维重建方法，包括：

根据给定的三维超声图像的大小、间隔、初始位姿这三个成像参数，构建感兴趣区域的三维超声原始图像；

遍历各帧二维超声序列图像，计算二维超声序列图像中每个像素点的统计范围内的像素点对所述每个像素点的贡献，得到距离贡献阈值，包括：

定义(u_i,j,v_i,j)为二维超声序列图像中的一个像素点，依次统计其统计范围内的像素点对该像素值的贡献，定义w(i+s,j+t)为(i+s,j+t)位置的像素点对该像素点的贡献，w(i+s,j+t)的计算公式为：

其中，V(i,j)表示(i,j)点处的像素值，

以任意一帧二维超声序列图像为基准图像，依据二维超声序列图像的空间位姿，计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量；

遍历构建的三维超声原始图像，依据旋转矩阵和平移向量，由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围，依据最优插值取值范围，根据距离权重因子对三维超声原始图像体素赋值，并刷新该体素的距离权重因子，包括：

定义(x,y,z)为三维超声图像中的一个体素，该体素搜索范围内具有贡献的像素为n个，搜索范围为二维超声图像统计范围的最大值48，根据每个像素的距离贡献阈值，得到(m₈,m₁₂,m₂₄,m₂₈,m₄₈)分别为n个像素点距离贡献阈值的统计数数字，并且m₈+m₁₂+m₂₄+m₂₈+m₄₈＝n，则(x,y,z)的最优插值取值范围M为：

M＝Max(m₈,m₁₂,m₂₄,m₂₈,m₄₈)

根据距离权重因子，计算(x,y,z)的体素值的计算公式为：

其中，d(u_i,v_i)表示第i个像素点到该体素的距离；

体素的距离权重因子D(x,y,z)为

遍历三维超声原始图像所有体素，根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。

本发明实施例还提供了一种基于统计学的超声序列图像三维重建系统，包括：

图像构建模块，其根据成像参数构建三维超声原始图像；

位姿获取模块，其通过安装在超声探头上的定位装置，在采集二维超声序列图像的同时记录图像的位姿；

遍历与统计模块，其遍历二维超声序列图像中的每个像素，计算该像素统计范围内的所有像素点的距离贡献，得到距离贡献阈值；

旋转矩阵和平移向量计算模块，其以任意一帧二维超声序列图像为基准图像，依据二维超声序列图像的空间位姿，计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量；

遍历与赋值模块，其遍历构建的三维超声原始图像，依据旋转矩阵和平移向量计算体素值；

空缺体素插值模块，其遍历已赋值的三维超声原始图像，根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。

利用根据本发明的基于统计学的超声序列图像三维重建方法和系统，能够根据所获取的二维超声序列图像快速精准的重建超声图像三维体数据，为临床病灶诊疗提供理论指导。

附图说明

图1是本发明实施例的基于统计学的超声序列图像三维重建方法的流程示意图；

图2是本发明所提出的二维超声序列图像统计范围示意图；

图3是二维超声序列图像采集方法示意图；

图4是二维超声序列图像位姿采集的示意图；

图5是本发明实施例的基于统计学的超声序列图像三维重建系统的结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。

图1为本发明实施例的基于统计学的超声序列图像三维重建方法的流程示意图，具体步骤包括：

步骤S1，

根据给定的三维超声图像的大小、间隔、初始位姿这三个成像参数，构建感兴趣区域的三维超声原始图像。

定义三维超声原始图像的大小为n₁×n₂×n₃，图像间距为[a₁,a₂,a₃]。

步骤S2，

遍历各帧二维超声序列图像，计算二维超声序列图像中每个像素点的统计范围内的像素点对所述每个像素点的贡献，得到距离贡献阈值。

遍历每一帧二维超声序列图像，记录每一个像素值与其统计范围内的像素值之间的关系。因为超声图像噪声的存在，采用RANSAC方法随机采样，保证90％的像素有贡献。

图3是二维超声序列图像采集方法示意图。在临床中超声图像的采集主要包括三种形式，分别是：以超声探头中心线为轴，旋转采集超声序列图像，如图3左图所示；以超声探头的平行线为轴，摆动采集超声序列图像，如图3中图所示；以超声探头垂线为移动方向，水平移动采集超声序列图像，如图3右图所示。

定义(u_i,j,v_i,j)为二维超声序列图像中的一个像素点，依次统计其统计范围内的像素点对该像素值的贡献，统计范围为该像素点周围的8、12、24、28和48邻域，如图2所示。定义w(i+s,j+t)为(i+s,j+t)位置的像素点对该像素点的贡献，w(i+s,j+t)的计算公式为：

其中，V(i,j)表示(i,j)点处的像素值，

采用RANSAC方法，在保证90％的像素点有贡献时，选取五种统计范围内具有贡献的像素百分比最高的一组统计范围，作为该像素点的距离贡献阈值。

步骤S3，

以任意一帧二维超声序列图像为基准图像，依据二维超声序列图像的空间位姿，计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量。

如图4所示，通过在超声探头1上安装跟踪器2，在计算机4采集人体3的二维超声序列图像的同时，通过定位装置5记录每一帧二维超声图像的位姿，然后计算相对于基准图像的旋转矩阵和平移向量。

定义第n帧二维超声序列图像的旋转矩阵为R_n，平移向量为T_n，假设第0帧二维超声序列图像为基准图像，其相对旋转矩阵r₀和平移向量为t₀为：

定义(u_0,i,j,v_0,i,j)为基准图像中的第i行第j列的像素点，则其在三维超声图像中的坐标(x,y,z)为

(x,y,z,1)^T＝[r₀|t₀]^-1(u_0,i,j,v_0,i,j)^T

则第n帧超声序列图像相对于基准图像的相对旋转矩阵r_n和平移向量为t_n为

定义(u_n,i,j,v_n,i,j)为第n帧图像中的第i行第j列的像素点，则其在三维超声图像中的坐标(x,y,z)为

(x,y,z,1)^T＝[r_n|t_n]^-1(u_n,i,j,v_n,i,j)^T

步骤S4，

遍历构建的三维超声原始图像，依据旋转矩阵和平移向量，由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围，依据最优插值取值范围，根据距离权重因子对三维超声图像体素赋值，并刷新该体素的距离权重因子。

具体来说，遍历三维超声图像所有体素，搜索每一个体素搜索范围内存在的二维超声序列图像像素，根据距离权重计算体素值，并刷新该体素的距离权重因子。

定义(x,y,z)为三维超声图像中的一个体素，该体素搜索范围内具有贡献的像素为n个，搜索范围为二维超声图像统计范围的最大值48，根据每个像素的距离贡献阈值，得到(m₈,m₁₂,m₂₄,m₂₈,m₄₈)分别为n个像素点距离贡献阈值的统计数数字，并且m₈+m₁₂+m₂₄+m₂₈+m₄₈＝n，则(x,y,z)的最优插值取值范围M为

M＝Max(m₈,m₁₂,m₂₄,m₂₈,m₄₈)

那么，根据距离权重因子，计算(x,y,z)的体素值的计算公式为：

其中，d(u_i,v_i)表示第i个像素点到该体素的距离。则该体素的距离权重因子D(x,y,z)为

保存每一个体素的距离权重因子，当二维超声序列图像增加时，需要重新计算距离权重因子D(x,y,z)，需要重新计算并保存距离权重因子。

步骤S5，

遍历三维超声图像所有体素，根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。

定义(x,y,z)为三维超声图像中的一个没有赋值的空缺体素，按照距离由近及远一次搜索其周围的体素，在保证具有N个体素具有贡献值的时候，根据距离权重因子插值得到其体素值V(x,y,z)。

本发明还公开了一种基于统计学的超声序列图像三维重建系统。如图5所示，该系统包括：

图像构建模块，其根据成像参数构建三维超声原始图像，例如成像参数可以为给定的三维超声图像的大小、间隔、初始位姿；

位姿获取模块，其通过安装在超声探头的定位装置，在采集二维超声序列图像的同时记录图像的位姿；

遍历与统计模块，其遍历二维超声序列图像中的每个像素，计算该像素统计范围内的所有像素点的距离贡献，得到距离贡献阈值；

旋转矩阵和平移向量计算模块，其以任意一帧二维超声序列图像为基准图像，依据二维超声序列图像的空间位姿，计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量；

遍历与赋值模块，其遍历构建的三维超声原始图像，依据旋转矩阵和平移向量计算体素值；

空缺体素插值模块，其遍历已赋值的三维超声原始图像，根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。

上述系统的各个模块分别执行前述方法中的对应步骤，对上述步骤的描述适用于各个模块，故不再赘述。例如，遍历与赋值模块可以执行前述步骤S4，其遍历构建的三维超声原始图像，依据旋转矩阵和平移向量，由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围，依据最优插值取值范围，根据距离权重因子对三维超声图像体素赋值，并刷新该体素的距离权重因子。

当然，以上所述是本发明的优选实施方式。为方便说明起见，使用了步骤S1、S2等序号，但是应该认识到的是，这些步骤本身还可以包括其他过程，这些步骤之间还可以有其他步骤，这也在本发明的保护范围之内。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (9)

1.一种基于统计学的超声序列图像三维重建方法，其特征在于，包括：

步骤S1，根据给定的三维超声图像的大小、间隔、初始位姿这三个成像参数，构建感兴趣区域的三维超声原始图像；

步骤S2，遍历各帧二维超声序列图像，计算二维超声序列图像中每个像素点的统计范围内的像素点对所述每个像素点的贡献，得到距离贡献阈值，包括：

定义(u_i,j,v_i,j)为二维超声序列图像中的一个像素点，依次统计其统计范围内的像素点对该像素值的贡献，定义w(i+s,j+t)为(i+s,j+t)位置的像素点对该像素点的贡献，w(i+s,j+t)的计算公式为：

$w(i+s,j+t)=\frac{|V(i+s,j+t)-V(i,j)|}{d(i+s,j+t,i,j)}$

其中，V(i,j)表示(i,j)点处的像素值，

步骤S3，以任意一帧二维超声序列图像为基准图像，依据二维超声序列图像的空间位姿，计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量；

步骤S4，遍历构建的三维超声原始图像，依据旋转矩阵和平移向量，由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围，依据最优插值取值范围，根据距离权重因子对三维超声图像体素赋值，并刷新该体素的距离权重因子，包括：

定义(x,y,z)为三维超声图像中的一个体素，该体素搜索范围内具有贡献的像素为n个，搜索范围为二维超声图像统计范围的最大值48，根据每个像素的距离贡献阈值，得到(m₈,m₁₂,m₂₄,m₂₈,m₄₈)分别为n个像素点距离贡献阈值的统计数数字，并且m₈+m₁₂+m₂₄+m₂₈+m₄₈＝n，则(x,y,z)的最优插值取值范围M为：

M＝Max(m₈,m₁₂,m₂₄,m₂₈,m₄₈)

根据距离权重因子，计算(x,y,z)的体素值的计算公式为：

$V(x,y,z)=\frac{\underset{i=1}{\overset{M}{\Σ}}V(u_i,v_i)\×\frac{1}{d(u_i,v_i)}}{\underset{i=1}{\overset{M}{\Σ}}\frac{1}{d(u_i,v_i)}}$

其中，d(u_i,v_i)表示第i个像素点到该体素的距离；

体素的距离权重因子D(x,y,z)为

$D(x,y,z)=\underset{i=1}{\overset{M}{\Σ}}\frac{1}{d(u_i,v_i)};$

步骤S5，遍历三维超声图像所有体素，根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。

2.根据权利要求1所述的基于统计学的超声序列图像三维重建方法，其特征在于，在步骤S2中，通过安装在超声探头上的定位装置，在采集二维超声序列图像的同时由定位装置采集该序列图像的空间位姿信息。

3.根据权利要求1所述的基于统计学的超声序列图像三维重建方法，其特征在于，在步骤S2中，遍历二维超声序列图像每一个像素，计算每个像素点的统计范围内的所有像素点对其的贡献值，采用主成分分析的方法得到距离贡献阈值。

4.根据权利要求1所述的基于统计学的超声序列图像三维重建方法，其特征在于，在步骤S2中，统计范围为二维超声序列图像中一个像素点周围的8、12、24、28和48邻域。

5.根据权利要求1所述的基于统计学的超声序列图像三维重建方法，其特征在于，在步骤S4中，三维超声原始图像的搜索范围不大于二维超声序列图像的统计范围。

6.根据权利要求1所述的基于统计学的超声序列图像三维重建方法，其特征在于，在步骤S4中，最优插值取值范围表示用于插值计算三维超声图像体素值的二维超声序列图像像素点的范围，由一个体素搜索范围内的所有像素点的距离贡献阈值得到。

7.根据权利要求1所述的基于统计学的超声序列图像三维重建方法，其特征在于，在步骤S5中，遍历三维超声图像，空缺体素根据搜索范围内的所有体素值的距离权重因子采用双线性插值得到。

8.根据权利要求1至6中任一项所述的基于统计学的超声序列图像三维重建方法，其特征在于，在步骤S4中，距离权重因子为两个体素间距离的倒数。

9.一种基于统计学的超声序列图像三维重建系统，其特征在于，包括：

图像构建模块，其根据成像参数构建三维超声原始图像；

位姿获取模块，其通过安装在超声探头上的定位装置，在采集二维超声序列图像的同时记录图像的位姿；

遍历与统计模块，其遍历二维超声序列图像中的每个像素，计算该像素统计范围内的所有像素点的距离贡献，得到距离贡献阈值，包括：

定义(u_i,j,v_i,j)为二维超声序列图像中的一个像素点，依次统计其统计范围内的像素点对该像素值的贡献，定义w(i+s,j+t)为(i+s,j+t)位置的像素点对该像素点的贡献，w(i+s,j+t)的计算公式为：

$w(i+s,j+t)=\frac{|V(i+s,j+t)-V(i.j)|}{d(i+s,j+t,i,j)}$

其中，V(i,j)表示(i,j)点处的像素值，

旋转矩阵和平移向量计算模块，其以任意一帧二维超声序列图像为基准图像，依据二维超声序列图像的空间位姿，计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量；

遍历与赋值模块，其遍历构建的三维超声原始图像，依据旋转矩阵和平移向量计算体素值，包括：

定义(x,y,z)为三维超声图像中的一个体素，该体素搜索范围内具有贡献的像素为n个，搜索范围为二维超声图像统计范围的最大值48，根据每个像素的距离贡献阈值，得到(m₈,m₁₂,m₂₄,m₂₈,m₄₈)分别为n个像素点距离贡献阈值的统计数数字，并且m₈+m₁₂+m₂₄+m₂₈+m₄₈＝n，则(x,y,z)的最优插值取值范围M为：

M＝Max(m₈,m₁₂,m₂₄,m₂₈,m₄₈)

根据距离权重因子，计算(x,y,z)的体素值的计算公式为：

$V(x,y,z)=\frac{\underset{i=1}{\overset{M}{\Σ}}V(u_i,v_i)\×\frac{1}{d(u_i,v_i)}}{\underset{i=1}{\overset{M}{\Σ}}\frac{1}{d(u_i,v_i)}}$

其中，d(u_i,v_i)表示第i个像素点到该体素的距离；

体素的距离权重因子D(x,y,z)为

$D(x,y,z)=\underset{i=1}{\overset{M}{\Σ}}\frac{1}{d(u_i,v_i)};$

空缺体素插值模块，其遍历已赋值的三维超声原始图像，根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。