CN104537645A - 一种基于血管内超声图像的roi标记点匹配方法 - Google Patents

Abstract

一种基于血管内超声图像ROI标记点的匹配方法涉及计算机医学图像分析领域。其特征在于，首先将对IVUS图像的ROI以外区域进行背景抑制，将ROI图像提取出来，设定原始图像均匀标记点；然后根据血管壁形变的有限性，以及采集的图像之间不会发生旋转变换，在待匹配图像上设置搜索窗口，搜索窗口的大小根据血管内膜的最大形变量设定。最后在搜索窗口中采用遍历的方法搜索匹配点，将与标记点邻域子图的互相关相似性测度最大的搜索子图的中心位置作为匹配点。与一般的匹配算法比，该方法匹配时间短，精度高。该方法能够提供血管形变前后的位移情况，为弹性计算提供了条件，从而为病变分析提供了很好的依据。

Description

一种基于血管内超声图像的ROI标记点匹配方法

技术领域

本发明涉及计算机医学图像分析领域，特别涉及一种基于血管内超声IVUS(Intravascular Ultrasound)图像的血管感兴趣区域ROI(region of interest)标记点的匹配方法。

背景技术

近年来，随着生活人们生活水平的不断提高和人口老龄化现象的发展，冠心病成为威胁人类健康的主要疾病之一，而动脉粥样硬化(AS)是导致心脑血管疾病的主要病理学基础。血管内超声图像是一种断层切片图像，能够显示当前位置血管的横截面图，详细描述血管壁、内腔和斑块的组织成分，进而对血管腔径、横截面积、血管弹性进行计算，根据斑块声学特征及弹性情况对其进行分析，发现早期易损斑块，在斑块病变诊断上具有冠状动脉造影无法比拟的优势，已成为冠心病诊断的弥补影像学。

但在实际诊疗中，对于采集的IVUS图像，尽管其提供丰富的信息，但是未经处理的IVUS图像还是给医生的诊断带来一定的困难，这就不可避免的导致诊断结果不能非常客观的反映实际情况，所谓医生所感兴趣区域(ROI)是血管管腔区域，即内外膜之间的斑块区域。其中弹性的计算在临床中有重要意义。研究表明，早期的血管病变不会呈现出临床症状，但此时血管的弹性已经发生变化；在症状发生后，不同类型的斑块也能通过弹性的分析来确定其具体成分。因此，能够获取血管的弹性信息，对早期的预防，病情的跟踪诊断，以及更好的实施介入性手术，都能提供良好的信息指导作用，从而可以大幅度的降低急性心脑血管时间的发生率。

基于血管内超声的ROI标记点的匹配，能够得到血管上相同位置不同时刻的点的位移，为进一步弹性的计算提供条件，其匹配的准确性直接关系到弹性信息的准确。标记点均匀的设定可以反映血管各部分的形变情况。

发明内容

本发明的目的在于，为弹性计算提供依据，对均匀标记点，进行准确的匹配。该方法能够提供在不同时刻的图像上准确的对应标记点，并提供直观的矢量图。

本发明的特征如下

步骤1，利用血管内超声仪，匀速回拉导管，在病变处或者病变易发区悬停导管，获得人体冠状动脉相同位置不同时刻的两幅或多幅血管内超声图像；

步骤2，将步骤1得到的血管内超声图像导入计算机，图像分辨率为384*384，以下简称为超声图像；

步骤3，对上述超声图像进行超声图像ROI的提取。检测出内外膜轮廓的超声图像，对其余部分进行白色背景抑制，得到图像的管腔区域；

步骤4，对上述的到的ROI图像进行二值化，将二值化的ROI图像网格化，并将网格节点中落到图像黑色区域的点的位置记录下来。节点位置在原图像中标记出来，即为标记点P_i；

步骤5，待匹配图像匹配点搜索窗口的选取。

步骤5.1，找出图像的几何中心点z(x₀,y₀)，并计算内膜上所有的点P_ni与z的欧式距离d_n；两点(x₁,y₁)和(x₂,y₂)欧氏距离的计算公式为：

$\mathrm{dist}=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

步骤5.2，在待匹配图像上同样计算内膜上所有的点P_ni'与z(x₀,y₀)的欧式距离d_n'；

步骤5.3，计算max|d_n-d_n'|并进一取整为d_max；

步骤5.4，在待匹配图上以标记点P_i的位置为中心，上下左右以d_max为限制条件的矩形窗口即为搜索窗口，即搜索窗口的长度大小为N＝2d_max+1。

步骤6，标记点的匹配。

设在原始图像中选取的单个标记点P_i的为邻域I₁，大小为M×M，在步骤5中，计算得到待匹配图像上搜索窗口的大小为N×N(N>M)，从搜索窗口的左上角开始，每个子图作为I_2i,(i＝1,2,...,(N-M)²)，测量I₁与I_2i的相似度NCC_i。这里为保证其统计相关性，取M＝N/2。

其中NCC_i的计算公式如下：

${\mathrm{NCC}}_i=\frac{\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}[I_1(x,y)-{\stackrel{\‾}{I}}_1][I_{2i}(x,y)-{\stackrel{\‾}{I}}_{2i}]}{\sqrt{\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{[I_1(x,y)-{\stackrel{\‾}{I}}_1]}^2}\sqrt{\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{I_{2i}^2(x,y)-{\stackrel{\‾}{I}}_{2i}]}^2}}$

其中和分别代表I₁与I_2i灰度值的均值：

$\stackrel{\‾}{I_1}=\frac{1}{N^2}\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{I}_1(x,y),\stackrel{\‾}{I_{2i}}=\frac{1}{N^2}\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{I}_{2i}(x,y)$

取相似度最大为NCC_x子图I_2x的中心点作为该标记点的匹配点P_i'。

本发明的效果为：

本发明提出了一种基于血管内超声图像的ROI标记点匹配方法，实现了均匀标记点的匹配，匹配效果见图2，得到不同血压下相同位置的标记点的位移矢量见图3，可以看出，本文提出的方法可以很好的实现了超声图像ROI标记点匹配方法，该方法采用区域限制的方法，相比全局搜索，必定减少了匹配时间。该方法能够提供血管形变前后的位移情况，为弹性计算提供了条件，从而为病变分析提供了很好的依据。

附图说明

图1是提取出内外膜原血管内超声图像；

图2是血管ROI图像示意图；

图3是匹配效果(a)是原始图像标记点，(b)是待配准图像上的；

图4是标记点的位移矢量图；

图5是本发明方法的流程图。

具体实施方式

本发明是采用以下技术手段实现的：

一种基于血管内超声图像的ROI标记点匹配方法。首先将对IVUS图像的ROI以外区域进行背景抑制，将ROI图像提取出来，以落入ROI区域的网格节点作为标记点，以保证标记点的均匀性；然后根据血管壁形变的有限性，以及采集的图像之间不会发生旋转变换，在待匹配图像上设置搜索窗口，搜索窗口的大小根据血管内膜的最大形变量设定。最后在搜索窗口中采用遍历的方法搜索匹配点，将与标记点邻域子图的互相关相似性测度最大的搜索子图的中心位置作为匹配点。

上述基于血管内超声图像的ROI标记点匹配方法，包括下述步骤：

步骤1，利用血管内超声仪，匀速回拉导管，在病变处或者病变易发区悬停导管，获得人体冠状动脉相同位置不同时刻的两幅或多幅血管内超声图像；

步骤2，将步骤1得到的血管内超声图像导入计算机，图像分辨率为384*384，以下简称为超声图像；

步骤3，对上述超声图像进行超声图像ROI的提取。采用边缘检测方法(王志东,汪友生，李龙，董路，李冠宇.一种血管内超声图像边缘提取的新方法,计算机系统应用,2013,22(9),176-179)内外膜轮廓的超声图像，对其余部分进行白色背景抑制，得到图像的管腔区域；

步骤4，对上述的到的ROI图像进行二值化，将二值化的ROI图像网格化，并且将网格节点中落到图像黑色区域的点的位置记录下来。节点位置在原图像中标记出来，即为标记点P_i；

步骤5，待匹配图像匹配点搜索窗口的选取。

找出图像的几何中心点z(x₀,y₀)，然后计算内膜上所有的点P_ni与z的欧式距离d_n；两点(x₁,y₁)和(x₂,y₂)欧氏距离的计算公式为：

$\mathrm{dist}=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}---\left(1\right)$

在待匹配图像上同样计算内膜上所有的点P_ni'与z(x₀,y₀)的欧式距离d_n'；计算max|d_n-d_n'|并取整为d_max；在待匹配图上以标记点P_i的位置为中心，上下左右以d_max为限制条件的矩形窗口即为搜索窗口，即搜索窗口的长度大小为N＝2d_max+1。

步骤6，标记点的匹配。

设在原始图像中选取的单个标记点P_i的为邻域I₁，大小为M×M，在步骤5中，计算得到待匹配图像上搜索窗口的大小为N×N(N>M)，从搜索窗口的左上角开始，每个子图作为I_2i,(i＝1,2,...,(N-M)²)，测量I₁与I_2i的相似度NCC_i。这里为保证其统计相关性，取M＝N/2。

其中NCC_i的计算公式如下：

${\mathrm{NCC}}_i=\frac{\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}[I_1(x,y)-{\stackrel{\‾}{I}}_1][I_{2i}(x,y)-{\stackrel{\‾}{I}}_{2i}]}{\sqrt{\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{[I_1(x,y)-{\stackrel{\‾}{I}}_1]}^2}\sqrt{\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{I_{2i}^2(x,y)-{\stackrel{\‾}{I}}_{2i}]}^2}}---\left(2\right)$

其中和分别代表I₁与I_2i灰度值的均值：

$\stackrel{\‾}{I_1}=\frac{1}{N^2}\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{I}_1(x,y),\stackrel{\‾}{I_{2i}}=\frac{1}{N^2}\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{I}_{2i}(x,y)---\left(3\right)$

取相似度最大为NCC_x子图I_2x的中心点作为该标记点的匹配点P_i'。

Claims (1)

1.一种基于血管内超声图像的ROI标记点匹配方法，其特征在于，包括以下步骤：

步骤1，利用血管内超声仪，匀速回拉导管，获得人体冠状动脉相同位置不同时刻的两幅或多幅血管内超声图像；

步骤2，将步骤1得到的血管内超声图像导入计算机，图像分辨率为384*384，以下简称为超声图像；

步骤3，对上述超声图像进行超声图像ROI的提取；检测出内外膜轮廓的超声图像，对其余部分进行白色背景抑制，得到图像的管腔区域；

步骤4，对上述的到的ROI图像进行二值化，将二值化的ROI图像网格化，并且将网格节点中落到图像黑色区域的点的位置记录下来；节点位置在原图像中标记出来，即为标记点P_i；

步骤5，待匹配图像匹配点搜索窗口的选取；

步骤5.1，找出图像的几何中心点z(x₀,y₀)，然后计算内膜上所有的点P_ni与z的欧式距离d_n；两点(x₁,y₁)和(x₂,y₂)欧氏距离的计算公式为：

$\mathrm{dist}=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

步骤5.2，在待匹配图像上同样计算内膜上所有的点P_ni'与z(x₀,y₀)的欧式距离d_n'；

步骤5.3，计算max|d_n-d_n'|并取整为d_max；

步骤5.4，在待匹配图上以标记点P_i的位置为中心，上下左右以d_max为限制条件的矩形窗口即为搜索窗口，即搜索窗口的长度大小为N＝2d_max+1；

步骤6，标记点的匹配；

设在原始图像中选取的单个标记点P_i的为邻域I₁，大小为M×M，在步骤5中，计算得到待匹配图像上搜索窗口的大小为N×N(N>M)，从搜索窗口的左上角开始，每个子图作为I_2i,(i＝1,2,...,(N-M)²)，测量I₁与I_2i的相似度NCC_i；这里为保证其统计相关性，取M＝N/2；

其中NCC_i的计算公式如下：

${\mathrm{NCC}}_i=\frac{\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}[I_1(x,y)-{\stackrel{\‾}{I}}_1][I_{2i}(x,y)-{\stackrel{\‾}{I}}_{2i}]}{\sqrt{\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{[I_1(x,y)-{\stackrel{\‾}{I}}_1]}^2}\sqrt{\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{I}_{2i}^2(x,y)-{\stackrel{\‾}{I}}_{2i}{]}^2}}$

其中和分别代表I₁与I_2i灰度值的均值：

$\stackrel{\‾}{I_1}=\frac{1}{N^2}\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{I}_1(x,y),$ $\stackrel{\‾}{I_{2i}}=\frac{1}{N^2}\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{M}{\mathrm{\Σ}}}{I}_{2i}(x,y)$

取相似度最大为NCC_x子图I_2x的中心点作为该标记点的匹配点P_i'。