CN104361606B - X射线造影图像序列中的心动周期恢复方法 - Google Patents

X射线造影图像序列中的心动周期恢复方法 Download PDF

Info

Publication number
CN104361606B
CN104361606B CN201410513929.4A CN201410513929A CN104361606B CN 104361606 B CN104361606 B CN 104361606B CN 201410513929 A CN201410513929 A CN 201410513929A CN 104361606 B CN104361606 B CN 104361606B
Authority
CN
China
Prior art keywords
cardiac cycle
motion
heart
characteristic point
image
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.)
Active
Application number
CN201410513929.4A
Other languages
English (en)
Other versions
CN104361606A (zh
Inventor
杨健
范敬凡
王涌天
艾丹妮
宋爽
刘越
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201410513929.4A priority Critical patent/CN104361606B/zh
Publication of CN104361606A publication Critical patent/CN104361606A/zh
Application granted granted Critical
Publication of CN104361606B publication Critical patent/CN104361606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/285—Analysis of motion using a sequence of stereo image pairs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac

Abstract

本发明提出了一种X射线造影图像序列中的心动周期恢复方法，解决了临床获取覆盖多个心动周期或一个心动周期多个成像角度的造影图像序列后，需要结合心动周期获取同步的图像对的问题。步骤一、基于图像直方图能量相似性测度的特征点跟踪模块通过EHD相似性测度跟踪序列图像中的特征点；步骤二、基于特征点位置分布的矢量场分解模块根据所述特征点在图像中的位置分布，实现所述位移矢量场的分解；步骤三、心脏运动的三维简谐运动模型建立模块根据实际心脏运动形式的分析，完成三维简谐运动模型的构建，利用凸包算法实现简谐运动中心的估计；步骤四、心动周期的重建模块基于心脏运动矢量的估计，同步图像帧和心动周期所有相位，完成心动周期的重建。

Description

X射线造影图像序列中的心动周期恢复方法
技术领域
本发明涉及一种X射线造影图像序列中的心动周期恢复方法，可广泛应用于临床研究中减影图像的配准和三维图像重建的过程中。
背景技术
心动周期对于同步时序造影图像具有重要的作用。为实现该目的，心电图通常用于临床上心电信息的记录。然而，心电门控配置并不是传统单平面或双平面造影系统的标准配置，为实现相关目标，额外的设备必带给临床医生一定的麻烦，故重建心动周期为临床操作带来巨大的便利。
冠状动脉分布在心脏表面，其运动可间接反映心脏的基本运动，分析冠状动脉的运动可作为心脏运动恢复、冠脉后续研究乃至相关疾病诊断的基础。冠状动脉血管造影是临床冠脉疾病诊断和治疗常用的成像方式之一，其高分辨率和高对比度使其成为心血管疾病诊断和治疗所用成像方式的“金标准”，在时序造影图像中，包含大量血管的空间、结构及运动信息，通过分析不同时刻造影图像中的冠脉树，对图像背景或冠脉上特征点进行提取及跟踪，获得相关运动特性，建立精确的数学模型，可获得以运动场、形状变化等方式表达的整体或局部信息，进而对冠脉运动进行定量分析。故在过去的二十年，基于造影图像序列的冠脉运动分析成为国内外心脏病研究的焦点。
目前，基于二维造影图像的运动分析主要包括两个方向：一种是基于若干幅不同时刻的造影图像进行运动补偿，插值获取连续时序的造影图像。在二维造影图像中，因血管运动和变形幅度较大，临床应用中会丢失大量细节信息，如狭窄部分，通过基于不同时刻血管的运动分析，在心脏舒缩方向平移像素单位，实现对序列图像的运动补偿，获取连续的时序二维造影图像，进而完成造影图像中血管运动特征的二维描述。另一种是在时序造影图像基础上，获取相同时刻不同角度的造影图像，为三维重建提供数据基础。在临床应用中，单平面造影系统及双平面造影系统均可根据心电触发信号(ECG)触发获取配准的造影图像对，实现减影图像的配准或图像的三维重建。但前者存在精确度低的缺点，后者临床费用较高，二者在实际应用中受到严重的限制。故通过对单平面造影系统获取的二维造影图像的运动进行分析，恢复心电信号，逆序获取不同角度相同时刻的造影图像，可综合解决上述两种问题。
现存心动周期重建存在的问题：
1.研究所用心动周期通过临床获取，设备复杂；
2.心动周期重建的数据源于超声图像序列，分辨率低；
3.心动周期的重建因未忽略呼吸运动的干扰，精度低。
发明内容
在临床获取覆盖多个心动周期或一个心动周期多个成像角度的造影图像序列后，需要结合心动周期获取同步的图像对，但传统的造影图像系统中未合并ECG触发获取影像的相关设备，导致图像对的获取过程的繁琐。本发明针对此问题，提出了一种X射线造影图像序列中的心动周期恢复方法。
一种X射线造影图像序列中的心动周期恢复方法，包括如下步骤：
步骤一、基于图像直方图能量相似性测度的特征点跟踪模块通过EHD相似性测度跟踪序列图像中的特征点，实现覆盖多个心动周期的序列图像中特征点的位移矢量场的估计；
步骤二、基于特征点位置分布的矢量场分解模块根据所述特征点在图像中的位置分布，实现所述位移矢量场的分解，实现冠状动脉和背景运动场的描述；
步骤三、心脏运动的三维简谐运动模型建立模块根据实际心脏运动形式的分析，完成三维简谐运动模型的构建，利用凸包算法实现简谐运动中心的估计；
步骤四、心动周期的重建模块基于心脏运动矢量的估计，同步图像帧和心动周期所有相位，完成心动周期的重建。
本发明的有益效果：
1、利用最大化EHD相似性测度获取造影序列中的特征点，全过程无需附加工作指定图像中的相关结构，特征点的跟踪方法具有普适性；
2、根据特征点的位置，基于呼吸运动的描述可去除其对心脏运动分析的干扰，精度高；
3、采用凸包算法获取运动模型的中心，运算量小。
附图说明
图1是本发明的模块图；
图2是本发明的方法流程图；
具体实施方式
下面结合附图详细说明本发明，具体包括以下几个步骤：
步骤1，对造影图像序列进行运动分析。首先，利用EHD相似性测度、Powell参数优化算法和双三次图像插值，实现特征点的跟踪，完成特征点位移矢量场的估计。
特征点的跟踪可转化为寻找最优变换Tp。如果用Fi,k(x,y)和Li,k+1(x,y)表示第k帧和第k+1帧图像中第i个特征点所对应子块图像中像素点的灰度值，则最优变换可认为使目标函数f(Tp(Fi,k),Li,k+1)达到其最大值或最小值，其中p表示一系列变换参数。
则跟踪算法可用下列式子表示：
I＝functionmax/min(Tp(Fi,k),Li,k+1)
作为初期研究，搜寻空间被局限于二维旋转和平移。因此，最优变换Tp可表示如下：
在寻求最优变化的过程中，跟踪过程可分为以下三个重要步骤：(1)相似性测度，(2)最优化方法，(3)插值方法。
EHD定义如下：
其中H(g)表示相邻时序帧图像灰度差的归一化直方图分布，表示如下：
其中表示图像灰度差，δ(x,y)是二维的狄拉克函数。
考虑到子图像变形幅度，本发明采用双三次插值保证图像的平滑性和连通性。考虑到优化算法的计算复杂度，本发明采用Powell参数优化算法优化最优变换中的变换参数。
在本发明中，有关图像中特征点的提取分为以下两类：第一帧图像中通过手动获取特征点，在后续的图像中，利用上面介绍的方法进行特征点的跟踪。
其次，完成所有帧图像中特征点的跟踪之后，根据特征点在帧图像中的像素坐标，重建图像中相关特征点的位移场。公式表达如下：
步骤2，简谐运动模型的建立。首先，按照图像中特征点的位置分布，将步骤1中所获取的位移场分解为可描述冠状动脉和背景运动的位移场。公式描述如下：
则有关心脏运动的速度矢量场可描述如下：
然后，综合实际心脏运动的详细描述和估计的心脏速度矢量场，构建描述心脏运动的简谐运动模型，并利用凸包算法，结合心脏的速度矢量，即可获得运动模型的中心坐标。
由于冠状动脉分布在心脏的表面，通过基于背景特征点的分析，即可去除冠脉运动中因呼吸引起的部分，剩余的运动矢量即为心脏运动所引起的，此时冠脉的运动矢量即可反映心脏的运动。心脏运动速度描述如下：
本发明假设心脏在运动时只存在收缩和舒张两种运动模式，因此心脏表面的特征点的运动即可被认为是以心脏的运动中心为中心的简谐运动，此种描述即为本专利所构建的心脏的简谐运动模型。
完成模型的构建后，求取冠脉因心脏运动引起的速度矢量的交点，利用凸包算法获取交点所对应的最大凸多边形，此时凸多边形的重心即可认为是心脏运动的中心。
步骤3，心动周期的重建。通过对实际心动周期每个相位心肌运动状况的分析，依据表1的分析结果，完成心电相位和图像帧之间的对应，最终实现心动周期的重建。
表1心动相位运动描述
心动阶段 图像中特征点运动规律
等容收缩期 图像中特征点收缩运动，但速度较小。
快速射血期 图像中特征点快速收缩运动。
减慢射血期 图像中特征点继续收缩运动，但速度放缓。
等容舒张期 图像中特征点由收缩运动转变为舒张运动。
快速充盈期 图像中特征点快速舒张运动。
减慢充盈期 图像中特征点继续舒张运动，但速度放缓
心房收缩期 图像中特征点由舒张运动转变为收缩运动。

Claims (4)

1.一种X射线造影图像序列中的心动周期恢复方法，其特征在于，包括如下步骤：
步骤一、基于图像直方图能量相似性测度的特征点跟踪模块通过EHD相似性测度跟踪序列图像中的特征点，实现覆盖多个心动周期的序列图像中特征点的位移矢量场的估计；
步骤二、基于特征点位置分布的矢量场分解模块根据所述特征点在图像中的位置分布，实现所述位移矢量场的分解，实现冠状动脉和背景运动场的描述；
步骤三、心脏运动的三维简谐运动模型建立模块根据实际心脏运动形式的分析，完成三维简谐运动模型的构建，利用凸包算法实现简谐运动中心的估计；
所述三维简谐运动模型的构建方法具体步骤为：
步骤31：按照图像中特征点的位置分布，将步骤1中所获取的位移矢量场分解为可描述冠状动脉和背景运动的位移场；
步骤32：可描述冠状动脉的位移场减去背景运动的位移场得到心脏运动的位移场；
步骤33：根据心脏运动的位移场计算心脏运动的速度矢量场；
步骤34：综合实际心脏运动的详细描述和心脏运动的速度矢量场，构建描述心脏运动的三维简谐运动模型；
步骤四、心动周期的重建模块基于心脏运动矢量的估计，同步图像帧和心动周期所有相位，完成心动周期的重建。
2.如权利要求1所述的一种X射线造影图像序列中的心动周期恢复方法，其特征在于，在获取特征点的过程中，通过非线性参数优化算法，利用极大化EHD相似性测度，实现普适性特征点的跟踪。
3.如权利要求1或2所述的一种X射线造影图像序列中的心动周期恢复方法，其特征在于，将矢量场分解为冠脉和背景相应特征点的矢量场，实现呼吸运动和心跳运动的定量描述。
4.如权利要求1或2所述的一种X射线造影图像序列中的心动周期恢复方法，其特征在于，简化心脏的运动形式为收缩和舒张，以简谐运动描述心脏表面特征点的运动。
CN201410513929.4A 2014-09-29 2014-09-29 X射线造影图像序列中的心动周期恢复方法 Active CN104361606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410513929.4A CN104361606B (zh) 2014-09-29 2014-09-29 X射线造影图像序列中的心动周期恢复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410513929.4A CN104361606B (zh) 2014-09-29 2014-09-29 X射线造影图像序列中的心动周期恢复方法

Publications (2)

Publication Number Publication Date
CN104361606A CN104361606A (zh) 2015-02-18
CN104361606B true CN104361606B (zh) 2017-07-11

Family

ID=52528864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410513929.4A Active CN104361606B (zh) 2014-09-29 2014-09-29 X射线造影图像序列中的心动周期恢复方法

Country Status (1)

Country Link
CN (1) CN104361606B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106952285B (zh) * 2017-02-15 2019-12-10 上海交通大学 基于先验统计运动模型及自适应配准的肺部运动估计方法
US10499867B2 (en) * 2018-01-08 2019-12-10 Shenzhen Keya Medical Technology Corporation Method, storage medium, and system for analyzing image sequences of periodic physiological activities

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101832756A (zh) * 2009-03-10 2010-09-15 深圳迈瑞生物医疗电子股份有限公司 测量图像中目标位移以及应变与应变率成像的方法和装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101832756A (zh) * 2009-03-10 2010-09-15 深圳迈瑞生物医疗电子股份有限公司 测量图像中目标位移以及应变与应变率成像的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
心脏序列图像运动估计新方法:基于广义模糊梯度矢量流场的形变曲线运动估计与跟踪;周寿军 等;《计算机学报》;20031130;第26卷(第11期);1470-1478 *
运动背景中结合特征位移矢量场模糊分割与OTSU法的运动检测;喻夏琼 等;《光电工程》;20120131;第39卷(第1期);94-102 *

Also Published As

Publication number Publication date
CN104361606A (zh) 2015-02-18

Similar Documents

Publication Publication Date Title
CN101283910B (zh) 一种获取冠状动脉血管运动信息的方法
CN108364290B (zh) 对周期性生理活动的图像序列进行分析的方法、介质和系统
Ionasec et al. Patient-specific modeling and quantification of the aortic and mitral valves from 4-D cardiac CT and TEE
CN101283911B (zh) 一种冠状动脉血管轴线的四维重建方法
JP5976431B2 (ja) 運動対象輪郭トラッキング装置及び運動対象輪郭トラッキング方法
JP5627706B2 (ja) 超音波撮像装置、超音波撮像プログラム
CN102722882B (zh) 一种cag图像序列的弹性配准方法
US20130253319A1 (en) Method and system for acquiring and analyzing multiple image data loops
KR20110128197A (ko) 심장 ｍ-모드 뷰들의 자동 분석
JP2003250804A (ja) 画像処理装置及び超音波診断装置
Li et al. How to reconstruct 3D coronary arterial tree from two arbitrary views
CN104361606B (zh) X射线造影图像序列中的心动周期恢复方法
Zheng et al. A deep learning method for motion artifact correction in intravascular photoacoustic image sequence
CN108042154B (zh) 二维超声心动图序列中心肌形状、运动和变形分析方法
JP5501292B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
Zheng et al. Compensation of in-plane rigid motion for in vivo intracoronary ultrasound image sequence
CN100438831C (zh) 多视点冠脉造影序列影像的时间配准方法
Zheng et al. An off-line gating method for suppressing motion artifacts in ICUSsequence
Qin et al. Artificial intelligence: The future for multimodality imaging of right ventricle
Lee et al. Comparative study of left ventricular low wall motion with scar tissue using 4d left ventricular cardiac images
Zheng et al. Analysis of coronary arterial dynamics from x-ray angiographic sequences
Häme et al. Level set-based tracking of the endocardium without a shape prior from 3D ultrasound images
Kalinić et al. Model-based segmentation of aortic ultrasound images
Soltani In-Vivo Digital Image Correlation Studies of the Motion and Deformation of the Human Heart during Open Heart Surgery
CN117557522A (zh) 多模态多维医学影像序列通用运动追踪方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant