CN104207803A - 基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法 - Google Patents
基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法 Download PDFInfo
- Publication number
- CN104207803A CN104207803A CN201410395330.5A CN201410395330A CN104207803A CN 104207803 A CN104207803 A CN 104207803A CN 201410395330 A CN201410395330 A CN 201410395330A CN 104207803 A CN104207803 A CN 104207803A
- Authority
- CN
- China
- Prior art keywords
- blood flow
- whirlpool
- motion
- blood
- region
- 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.)
- Granted
Links
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法,包括:根据彩色多普勒超声心脏血流图像中蓝色区域和红色区域的分布情况,确定血流涡运动大致区域;粗定位区域范围内,确定精确的血流涡运动区域边界;在精确定位区域范围内,获取血流涡运动速度矢量分布图;根据血流涡运动速度矢量分布图,获取血流涡运动平面流线图;以及根据血流涡运动平面流线图,判断血流涡运动的大小、形状和位置信息。本方法克服了现有方法主观选择感兴趣区域的弊端,大大提高了心脏流场血流涡运动可视化定位的精度,为心脏流场血流涡运动的精确量化评价奠定了坚实的基础,也为心脏力学功能的精确评价提供了精确的力学数据支撑。
Description
技术领域
本发明涉及医学图像处理及心脏流体力学研究领域,具体涉及一种基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法。
背景技术
心脏流场血流涡运动的可视化量化评价技术是目前心脏流体力学研究的重点及难点问题之一。其中,血流涡运动的精确定位是血流涡运动可视化量化评价有效实施的根基。目前,心脏流场血流涡运动可视化定位方法主要有三种类型:
1、基于MRI图像的血流涡运动可视化定位;
2、基于超声微泡造影图像的血流涡运动可视化定位;
3、基于彩色多普勒图像的血流涡运动可视化定位。
由于MRI成像存在扫描时间过长,而超声微泡造影操作繁琐、微泡易破裂等诸多问题,因此基于MRI和超声造影图像的心脏流场血流涡运动量化评价技术在临床应用推广方面存在较大局限性。与此同时,由于彩色多普勒心脏超声图像已在临床应用中得到广泛推广,因此基于彩色多普勒图像的血流涡运动可视化定位方法倍受青睐。但是,现有的基于多普勒图像心脏流场血流涡运动可视化定位方法没有深入考虑心脏流场血流涡运动的形成及发展规律,方法的自适应性差,从而导致血流涡运动定位精度不高,且重复性差,难以满足血流涡运动精确量化评价的需求。
发明内容
本发明的目的是提供一种基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法,该方法克服了现有方法主观选择感兴趣区域的弊端,大大 提高了心脏流场血流涡运动可视化定位的精度,为心脏流场血流涡运动的精确量化评价奠定了坚实的基础,也为心脏力学功能的精确评价提供了精确的力学数据支撑。
本发明的一个实施例提供了一种基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法,包括:根据彩色多普勒超声心脏血流图像中蓝色区域和红色区域的分布情况,确定血流涡运动大致区域,即实现血流涡运动的粗定位;在血流涡运动粗定位区域范围内,确定精确的血流涡运动区域边界;在血流涡运动精确定位区域范围内,获取血流涡运动速度矢量分布图;根据血流涡运动速度矢量分布图,获取血流涡运动平面流线图;以及根据血流涡运动平面流线图,判断血流涡运动的大小、形状和位置信息。
本发明提供的基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法,充分利用涡运动是由流体与流体,流体与固体之间相互“搓”而形成的原理,并且涡运动形成后在短时间内具备对称扩散的特性,结合彩色多普勒图像中红色和蓝色区域分布特征,具有很强的自适应性。本方法克服了现有方法主观选择感兴趣区域的弊端,同时避免了将蓝色和红色区域视为大涡旋的可能。
因此,本方法大大提高了心脏流场涡运动可视化定位的精度,为心脏流场涡运动的精确量化评价奠定了坚实的基础,也为心脏力学功能的精确评价提供了精确的力学数据支撑;而且该方法完全基于超声多普勒图像信息,不受任何超声仪器的限制,该方法一旦实施转化将在临床应用中得到广泛应用。
附图说明
图1所示为本发明的基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法的一个实施例的流程图;
图2所示为本发明的确定血流涡运动大致区域的一个实施例的流程图;
图3所示为本发明的确定精确的血流涡运动区域边界的一个实施例的流程图;
图4所示为应用本发明的方法的心脏流场涡运动可视化定位示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。
参考图1、图4,图1所示为本发明的基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法的一个实施例100的流程图,图4所示为应用本发明的方法的心脏流场涡运动可视化定位示意图。实施例100包括如下步骤101至105。
在步骤101中,可以根据彩色多普勒超声心脏血流图像中蓝色区域和红色区域的分布情况,确定血流涡运动大致区域,即实现血流涡运动的粗定位。
在本发明的一个实施例中,步骤101可以进一步包括如下步骤201至203。
参考图2、图4,图2所示为本发明的确定血流涡运动大致区域的一个实施例的流程图。
在步骤201中,以彩色多普勒超声心脏血流图像中蓝色区域和红色区域的分界线为对称中心线。
在步骤202中,以分界线上的各像素点为对称中心作水平线;水平线的一端与蓝色区域远离分界线的边界或红色区域远离分界线的边界相连,水平线的另一端位于蓝色区域或红色区域内。
在步骤203中,依次连接水平线的各个端点,得到一个封闭曲线,此封闭曲线所包含的区域就是血流涡运动粗定位区域。
在步骤102中,在血流涡运动粗定位区域范围内,确定精确的血流涡运动区域边界。
在本发明的一个实施例中,步骤102可以进一步包括如下步骤301至303。
参考图3、图4,图3所示为本发明的确定精确的血流涡运动区域边界的一个实施例的流程图。
在步骤301中,在血流涡运动粗定位区域范围内,提取血流沿声束方向的速度分量信息。
在本发明的一个实施例中,可以利用最小二乘法的原理对二维观测平面流场中各个血液质点的彩色信息与心脏血流速度标尺中的彩色信息进行匹配,通过下面的方程式寻找速度表尺上颜色信息与给定的血液质点颜色信息最接近的点,然后采用分段线性函数计算心脏流场沿声束方向的血流速度分量u,
e=((Rb-Rp)2+(Gb-Gp)2+(Bb-Bp)2)1/2
其中Rb,Gb,Bb分别表示速度标尺上的某一点的RGB颜色分量,Rp,Gp,Bp分别表示流场内某一血液质点的RGB颜色分量。
在步骤302中,以所述蓝色区域和红色区域分界线为基准,利用所述声束方向的速度分量信息计算血流涡运动粗定位区域内各血液质点的多普勒流函数,蓝色区域多普勒流函数值为负,红色区域多普勒流函数值为正。
考虑到常见的彩色多普勒超声血流图像是扇形的观测区域,因此,在本发明的一个实施例中,多普勒流函数可以定义为S(r,θ),其定义式为
其中,u(r,θ)是以多普勒图像扇形区域的顶点为原点的极坐标下声束方向的多普勒速度,r是血液质点到原点的距离。
在本发明的一个实施例中,对于数字图像所表示的心脏流场而言,多普勒 流函数可以定义为S(i,j),其定义式可以为
其中i,j分别表示数字图像中的行和列,(u(i,j))1、、、(u(i,j))N表示极坐标下涡流区域距离原点半径为r的血液质点沿声速方向的涡流速度分量序列,N表示半径为r的圆弧上从参考位置到计算点(i,j)这段圆弧内的血液质点数。
在步骤303中,在血流涡运动粗定位区域范围内,比较同一半径圆弧上红色区域边界和蓝色区域边界多普勒流函数的绝对值,以流函数绝对值较小的为基准,确定精确的血流涡运动区域边界。
在步骤103中,在血流涡运动精确定位区域范围内,获取血流涡运动速度矢量分布图。
在本发明的一个实施例中,可以根据平面流函数原理计算垂直声束方向的速度分量v;合成所述声束方向的速度分量u和所述垂直声束方向的速度分量v,计算获取血液涡运动区域内各血液质点的速度矢量。
在本发明的一个实施例中,垂直声束方向的速度分量v的计算方法为:
S为涡流流函数,即S=∫urdθ。
在本发明的一个实施例中,在数字图像表示的涡流区域,垂直声束方向的速度分量v的计算可以具有如下离散形式:
-v(i,j)=(S(i,j)-S′)/r
其中,
r表示点(i,j)的极坐标半径,S’表示点(i,j)的邻域范围内与(i,j)具有相同的极坐标θ且极坐标半径大于r的点所对应的离散涡流流函数值。
在步骤104中,根据血流涡运动速度矢量分布图,获取血流涡运动平面流线图。
在本发明的一个实施例中,步骤104可以进一步包括如下步骤:
在血流涡运动精确定位区域范围内选取种子点;
采用数值积分方法对种子点进行跟踪计算;以及
绘制血流涡运动区域内的平面流线图。
在步骤105中,根据血流涡运动平面流线图,判断血流涡运动的大小、形状和位置信息。
虽然以上述较佳的实施例对本发明做出了详细的描述,但并非用上述实施例限定本发明。本领域的技术人员应当意识到在不脱离本发明技术方案所给出的技术特征和范围的情况下,对技术特征所作的增加、以本领域一些同样内容的替换,均应属本发明的保护范围。
Claims (10)
1.基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法,其特征是,包括:
根据彩色多普勒超声心脏血流图像中蓝色区域和红色区域的分布情况,确定血流涡运动大致区域,即实现血流涡运动的粗定位;
在所述血流涡运动粗定位区域范围内,确定精确的血流涡运动区域边界;
在血流涡运动精确定位区域范围内,获取血流涡运动速度矢量分布图;
根据所述血流涡运动速度矢量分布图,获取血流涡运动平面流线图;以及
根据所述血流涡运动平面流线图,判断血流涡运动的大小、形状和位置信息。
2.根据权利要求1所述的方法,其特征是,所述根据彩色多普勒超声心脏血流图像中蓝色区域和红色区域的分布情况,确定血流涡运动大致区域,即实现血流涡运动的粗定位步骤包括:
以所述彩色多普勒超声心脏血流图像中蓝色区域和红色区域的分界线为对称中心线;
以分界线上的各像素点为对称中心作水平线;所述水平线的一端与所述蓝色区域远离所述分界线的边界或所述红色区域远离所述分界线的边界相连,所述水平线的另一端位于所述蓝色区域或所述红色区域内;以及
依次连接所述水平线的各个端点,得到所述血流涡运动粗定位区域。
3.根据权利要求1或2所述的方法,其特征是,所述在所述血流涡运动粗定位区域范围内,确定精确的血流涡运动区域边界的步骤包括:
在血流涡运动粗定位区域范围内,提取血流沿声束方向的速度分量信息;
以所述蓝色区域和红色区域分界线为基准,利用所述声束方向的速度分量信息计算血流涡运动粗定位区域内各血液质点的多普勒流函数,蓝色区域多普勒流函数值为负,红色区域多普勒流函数值为正;以及在血流涡运动粗定位区域范围内,比较同一半径圆弧上红色区域边界和蓝色区域边界多普勒流函数的绝对值,以流函数绝对值较小的为基准,确定精确的血流涡运动区域边界。
4.根据权利要求3所述的方法,其特征是,所述在血流涡运动粗定位区域范围内,提取血流沿声束方向的速度分量信息步骤包括:
利用最小二乘法的原理对二维观测平面流场中各个血液质点的彩色信息与心脏血流速度标尺中的彩色信息进行匹配,通过以下方程式寻找速度表尺上颜色信息与给定的血液质点颜色信息最接近的点,然后采用分段线性函数计算心脏流场沿声束方向的血流速度分量u,
e=((Rb-Rp)2+(Gb-Gp)2+(Bb-Bp)2)1/2
其中Rb,Gb,Bb分别表示速度标尺上的某一点的RGB颜色分量,Rp,Gp,Bp分别表示流场内某一血液质点的RGB颜色分量。
5.根据权利要求3所述的方法,其特征是,所述多普勒流函数定义为S(r,θ),其定义式为
其中,u(r,θ)是以多普勒图像扇形区域的顶点为原点的极坐标下声束方向的多普勒速度,r是血液质点到原点的距离。
6.根据权利要求3所述的方法,其特征是,所述多普勒流函数定义为S(i,j),其定义式为
其中i,j分别表示数字图像中的行和列,(u(i,j))1、、、(u(i,j))N表示极坐标下涡流区域距离原点半径为r的血液质点沿声速方向的涡流速度分量序列,N表示半径为r的圆弧上从参考位置到计算点(i,j)这段圆弧内的血液质点数。
7.根据权利要求3所述的方法,其特征是,所述在血流涡运动精确定位区域范围内,获取血流涡运动速度矢量分布图的步骤包括:
根据平面流函数原理计算垂直声束方向的速度分量v;以及合成所述声束方向的速度分量u和所述垂直声束方向的速度分量v,计算获取血液涡运动区域内各血液质点的速度矢量。
8.根据权利要求7所述的方法,其特征是,所述垂直声束方向的速度分量v的计算方法为:
S为涡流流函数,即S=∫urdθ。
9.根据权利要求7所述的方法,其特征是,所述垂直声束方向的速度分量v的计算方法为:
-v(i,j)=(S(i,j)-S′)/r
其中,
r表示点(i,j)的极坐标半径,S’表示点(i,j)的邻域范围内与(i,j)具有相同的极坐标θ且极坐标半径大于r的点所对应的离散涡流流函数值。
10.根据权利要求1或2所述的方法,其特征是,根据所述血流涡运动速度矢量分布图,获取血流涡运动平面流线图的步骤包括:
在所述血流涡运动精确定位区域范围内选取种子点;
采用数值积分方法对所述种子点进行跟踪计算;以及绘制所述血流涡运动区域内的平面流线图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410395330.5A CN104207803B (zh) | 2014-08-13 | 2014-08-13 | 基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410395330.5A CN104207803B (zh) | 2014-08-13 | 2014-08-13 | 基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104207803A true CN104207803A (zh) | 2014-12-17 |
CN104207803B CN104207803B (zh) | 2016-03-02 |
Family
ID=52089995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410395330.5A Active CN104207803B (zh) | 2014-08-13 | 2014-08-13 | 基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104207803B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104546012A (zh) * | 2014-12-31 | 2015-04-29 | 中国科学院深圳先进技术研究院 | 心脏功能评估方法和装置 |
WO2018058577A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳迈瑞生物医疗电子股份有限公司 | 超声血流的参数显示方法及其超声成像系统 |
CN108573080A (zh) * | 2017-03-13 | 2018-09-25 | 中国人民解放军装备学院 | 基于有效信息的流场可视化视图量化方法 |
CN112998756A (zh) * | 2021-02-05 | 2021-06-22 | 西南石油大学 | 一种基于超声图像结合深度学习的心脏血流向量成像方法 |
WO2021223237A1 (zh) * | 2020-05-08 | 2021-11-11 | 深圳迈瑞生物医疗电子股份有限公司 | 确定血流形态的方法、超声装置及计算机存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005110939A (ja) * | 2003-10-07 | 2005-04-28 | Aloka Co Ltd | 流れの観測装置 |
WO2007001352A2 (en) * | 2004-08-31 | 2007-01-04 | University Of Washington | Ultrasonic technique for assessing wall vibrations in stenosed blood vessels |
CN101297762A (zh) * | 2007-04-24 | 2008-11-05 | 美国西门子医疗解决公司 | 在医用诊断超声中的血流特征成像 |
JP2009261748A (ja) * | 2008-04-28 | 2009-11-12 | Iyo Choonpa Gijutsu Kenkyusho:Kk | 超音波診断装置 |
CN101919712A (zh) * | 2010-08-25 | 2010-12-22 | 四川省医学科学院(四川省人民医院) | 基于多普勒图像信息的心脏流场平面流线可视化描述方法 |
CN101919711A (zh) * | 2010-08-25 | 2010-12-22 | 四川省医学科学院(四川省人民医院) | 基于多普勒图像信息的心脏流场速度矢量场可视化描述方法 |
CN103006271A (zh) * | 2012-12-03 | 2013-04-03 | 西华大学 | 一种心脏流场平面流线可视化描述方法 |
-
2014
- 2014-08-13 CN CN201410395330.5A patent/CN104207803B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005110939A (ja) * | 2003-10-07 | 2005-04-28 | Aloka Co Ltd | 流れの観測装置 |
WO2007001352A2 (en) * | 2004-08-31 | 2007-01-04 | University Of Washington | Ultrasonic technique for assessing wall vibrations in stenosed blood vessels |
CN101297762A (zh) * | 2007-04-24 | 2008-11-05 | 美国西门子医疗解决公司 | 在医用诊断超声中的血流特征成像 |
JP2009261748A (ja) * | 2008-04-28 | 2009-11-12 | Iyo Choonpa Gijutsu Kenkyusho:Kk | 超音波診断装置 |
CN101919712A (zh) * | 2010-08-25 | 2010-12-22 | 四川省医学科学院(四川省人民医院) | 基于多普勒图像信息的心脏流场平面流线可视化描述方法 |
CN101919711A (zh) * | 2010-08-25 | 2010-12-22 | 四川省医学科学院(四川省人民医院) | 基于多普勒图像信息的心脏流场速度矢量场可视化描述方法 |
CN103006271A (zh) * | 2012-12-03 | 2013-04-03 | 西华大学 | 一种心脏流场平面流线可视化描述方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104546012A (zh) * | 2014-12-31 | 2015-04-29 | 中国科学院深圳先进技术研究院 | 心脏功能评估方法和装置 |
WO2018058577A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳迈瑞生物医疗电子股份有限公司 | 超声血流的参数显示方法及其超声成像系统 |
CN108882916A (zh) * | 2016-09-30 | 2018-11-23 | 深圳迈瑞生物医疗电子股份有限公司 | 超声血流的参数显示方法及其超声成像系统 |
US11304677B2 (en) | 2016-09-30 | 2022-04-19 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Ultrasonic blood flow parameter displaying method, and ultrasonic imaging system therefor |
US11890141B2 (en) | 2016-09-30 | 2024-02-06 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Method and system for graphically representing blood flow velocity parameters |
CN108573080A (zh) * | 2017-03-13 | 2018-09-25 | 中国人民解放军装备学院 | 基于有效信息的流场可视化视图量化方法 |
CN108573080B (zh) * | 2017-03-13 | 2021-11-19 | 中国人民解放军装备学院 | 基于有效信息的流场可视化视图量化方法 |
WO2021223237A1 (zh) * | 2020-05-08 | 2021-11-11 | 深圳迈瑞生物医疗电子股份有限公司 | 确定血流形态的方法、超声装置及计算机存储介质 |
CN114173674A (zh) * | 2020-05-08 | 2022-03-11 | 深圳迈瑞生物医疗电子股份有限公司 | 确定血流形态的方法、超声装置及计算机存储介质 |
CN112998756A (zh) * | 2021-02-05 | 2021-06-22 | 西南石油大学 | 一种基于超声图像结合深度学习的心脏血流向量成像方法 |
CN112998756B (zh) * | 2021-02-05 | 2021-11-26 | 西南石油大学 | 一种基于超声图像结合深度学习的心脏血流向量成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104207803B (zh) | 2016-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104207803B (zh) | 基于彩色多普勒图像信息的心脏血流涡运动自适应可视化定位方法 | |
US11963819B2 (en) | Method and system for ultrasonic fluid spectral doppler imaging | |
CN101919711B (zh) | 基于多普勒图像信息的心脏流场速度矢量场可视化描述方法 | |
CN110811687B (zh) | 超声流体成像方法及超声流体成像系统 | |
US11304677B2 (en) | Ultrasonic blood flow parameter displaying method, and ultrasonic imaging system therefor | |
CN103971406B (zh) | 基于线结构光的水下目标三维重建方法 | |
CN101515365B (zh) | 一种ct影像中的粘连血管型肺结节自动分割方法 | |
WO2016172890A1 (zh) | 超声血流成像显示方法及超声成像系统 | |
CN106767562B (zh) | 一种基于机器视觉和散斑的测量方法及人体测量方法 | |
CN106296811A (zh) | 一种基于单光场相机的目标物三维重构方法 | |
CN103181789A (zh) | 基于决定数据提供矢量多普勒图像的超声波系统和方法 | |
JP2020520732A (ja) | ベクトルフローデータを使用する擾乱した血流の自動検出及び視覚化のためのシステム及び方法 | |
CN105894511A (zh) | 标定靶设置方法、装置及停车辅助系统 | |
Rossi et al. | A fast and robust algorithm for general defocusing particle tracking | |
CN107680110A (zh) | 基于统计形状模型的内耳三维水平集分割方法 | |
CN109410175B (zh) | 基于多子区图像匹配的sar雷达成像质量快速自动评价方法 | |
CN106023271A (zh) | 一种靶标中心坐标提取方法及装置 | |
JP3309067B2 (ja) | 面内流れの表示方法 | |
CN106033653A (zh) | 一种基于地面激光扫描的三维室内地图制作方法 | |
CN105266848A (zh) | 一种超声频谱多普勒自动优化的方法 | |
CN109580786B (zh) | 一种超声探头校准方法 | |
CN101919712B (zh) | 基于多普勒图像信息的心脏流场平面流线可视化描述方法 | |
Nesti et al. | Ultra-sonic sensor based object detection for autonomous vehicles | |
CN107402257B (zh) | 基于路径分组插值法的木材径切面缺陷成像方法 | |
KR101382625B1 (ko) | 대상체의 동적 변화 산출 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |