CN105105775A - 心肌运动解析装置 - Google Patents
心肌运动解析装置 Download PDFInfo
- Publication number
- CN105105775A CN105105775A CN201510434427.7A CN201510434427A CN105105775A CN 105105775 A CN105105775 A CN 105105775A CN 201510434427 A CN201510434427 A CN 201510434427A CN 105105775 A CN105105775 A CN 105105775A
- Authority
- CN
- China
- Prior art keywords
- image sheet
- profile
- motion
- left ventricle
- contours
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 478
- 238000004458 analytical method Methods 0.000 title abstract description 34
- 230000002107 myocardial effect Effects 0.000 title abstract description 13
- 210000005240 left ventricle Anatomy 0.000 claims abstract description 278
- 210000004165 myocardium Anatomy 0.000 claims abstract description 140
- 230000002861 ventricular Effects 0.000 claims abstract description 12
- 230000000747 cardiac effect Effects 0.000 claims description 119
- 238000000034 method Methods 0.000 claims description 111
- 238000000605 extraction Methods 0.000 claims description 88
- 238000010586 diagram Methods 0.000 claims description 77
- 238000009499 grossing Methods 0.000 claims description 20
- 230000010247 heart contraction Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004513 sizing Methods 0.000 claims description 5
- 210000001174 endocardium Anatomy 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 11
- 238000002591 computed tomography Methods 0.000 description 8
- 230000001932 seasonal effect Effects 0.000 description 8
- 238000002595 magnetic resonance imaging Methods 0.000 description 7
- 210000003540 papillary muscle Anatomy 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 108010022579 ATP dependent 26S protease Proteins 0.000 description 3
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000006854 communication Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000003516 pericardium Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010050031 Muscle strain Diseases 0.000 description 1
- 230000005167 amoeboid movement Effects 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20168—Radial search
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Cardiology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
公开了一种心肌运动解析装置,在医学图像片时间序列中解析左心室的心肌的运动,序列包括在一个心动周期的多个时刻针对左心室的与左心室的长轴相交的一个截面获得的图像片,该装置包括:轮廓获取部件,获取左心室在每个图像片中的心内膜和心外膜轮廓;关联点对配置部件,将参考图像片中的心内膜和心外膜轮廓上的轮廓点配置成多个关联点对,每个关联点对包含分别在心内膜和心外膜轮廓上的一个轮廓点,这两个轮廓点位于左心室壁在参考图像片中的参考轮廓的同一条法线上;关联点对跟踪部件,确定每个关联点对在其他图像片中的位置;以及运动矢量计算部件,根据多个关联点对在相邻图像片中的位置计算左心室的心肌在相邻图像片之间的运动矢量。
Description
本发明申请为申请日2011年7月19日的发明名称为“运动对象轮廓跟踪方法和装置、心肌运动解析方法和装置”的第201110209868.9号发明专利申请的分案申请。
技术领域
本发明涉及计算机视觉领域,更具体而言,涉及一种运动对象轮廓跟踪方法和装置以及一种心肌运动解析方法和装置。
背景技术
运动对象,尤其是作变形运动的运动对象的轮廓提取是计算机视觉领域的一项具有挑战性的任务。在实际应用中,例如,在医学领域,从利用计算机断层扫描(ComputedTomography,CT)设备、核磁共振成像(MagneticResonanceImaging,MRI)设备、超声波(Ultrasound,UL)诊断装置等医疗设备获取的三维图像时间序列中提取出生物器官或生物器官的一部分的轮廓,有利于后续对生物器官的各项参数的测量。
一些传统的运动对象轮廓提取方法在各个时相(phase)中独立地提取运动对象的轮廓。由于是各时相独立地提取,可能在特定时相中发生提取错误。
一些基于运动跟踪的其他方法追踪运动对象在一个运动周期内的轮廓。在这样的方法中,有可能产生误差累加,导致所获得的第一个时相与最后一个时相的轮廓存在巨大差异。
另外,在心脏病学领域,通常利用核磁共振成像技术来提供心脏的三维图像时间序列(3D+T)。医生们对识别心室、心内膜和心外膜以及解析心脏的运动很感兴趣。根据识别出的心室、心内膜和心外膜的轮廓可以测量心动周期不同阶段的心室血容量(射血分数(ejectionfraction))、心室壁运动和壁厚特性等。根据心肌的运动运动矢量可以计算心肌的应变和应变力等参数。其中左心室(LV)特别重要,因为它将含氧血从心脏泵浦到整个身体的各个组织。
已经开发了很多医疗运动图像处理技术,以量化心肌运动。这些技术包括斑点跟踪、心肌标记、对心肌初始轮廓的登记和传播轮廓以及各种心肌分割方法等。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
本发明的一个目的是提供一种运动对象轮廓跟踪方法和装置,以从图像片时间序列中准确地提取运动对象的轮廓。本发明的另一目的是提供一种运动对象轮廓跟踪方法和装置,以从三维图像时间序列中准确地提取运动对象的轮廓。本发明的另一目的是提供一种心肌运动解析方法和装置,以在医学图像片时间序列中稳定地解析左心室的心肌的运动。本发明的另一目的是提供一种心肌运动解析方法和装置,以在三维医学图像时间序列中稳定地解析左心室的心肌的运动。
根据本发明的一个方面,提供了一种运动对象轮廓跟踪方法,用于在图像片时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述图像片时间序列包括分别在运动对象的一个运动周期中的多个时刻获得的多个图像片。所述方法包括:以运动对象在该图像片时间序列中的预定图像片中的初始轮廓作为起始轮廓,在第一时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到运动对象在所述图像片时间序列中的每个图像片中的第一轮廓,其中,以所述第一时间方向上的最后一个图像片作为第一个图像片的在前图像片;以所述初始轮廓作为起始轮廓,在第二时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到运动对象在所述图像片时间序列中的每个图像片中的第二轮廓,其中,以所述第二时间方向上的最后一个图像片作为第一个图像片的在前图像片;计算运动对象在所述预定图像片中的第一轮廓与所述初始轮廓的相似度作为第一相似度,以及运动对象在所述预定图像片中的第二轮廓与所述初始轮廓的相似度作为第二相似度;以及以在所述第一相似度与所述第二相似度中较大的一个所对应的轮廓跟踪方向上得到的各个图像片中的轮廓,作为运动对象在相应图像片中的轮廓。
根据本发明的另一方面,提供了一种运动对象轮廓跟踪方法,用于在三维图像时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述三维图像时间序列包括分别在运动对象的一个运动周期中的多个时刻获得的多个三维图像,每个三维图像由平行的多个二维图像片构成,且在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列。所述方法包括:使用根据本发明的上述方面的运动对象轮廓跟踪方法来分别在每一个图像片时间序列中跟踪运动对象的轮廓。运动对象在同一时刻的所述多个二维图像片中的轮廓构成运动对象在该时刻的三维轮廓。
根据本发明的另一方面,提供了一种心肌运动解析方法,用于在医学图像片时间序列中解析左心室的心肌的运动,所述图像片时间序列包括分别在一个心动周期中的多个时刻针对所述左心室的与左心室的长轴相交的一个截面获得的多个图像片。所述方法包括:获取左心室在每个图像片中的心内膜轮廓和心外膜轮廓;将所述图像片时间序列中的参考图像片中的心内膜轮廓和心外膜轮廓上的轮廓点配置成多个关联点对,每个关联点对包含心内膜轮廓上的一个轮廓点和心外膜轮廓上的一个轮廓点,并且每个关联点对中的两个轮廓点位于左心室壁在所述参考图像片中的参考轮廓的同一条法线上;确定每个关联点对在所述图像片时间序列中的其他图像片中的位置;以及根据所述多个关联点对在所述图像片时间序列中的相邻图像片中的位置来计算左心室的由心内膜轮廓和心外膜轮廓限定的心肌在所述相邻图像片之间的运动矢量。
根据本发明的另一方面,提供了一种心肌运动解析方法,用于在三维医学图像时间序列中解析左心室的心肌的运动,所述三维医学图像时间序列包括分别在一个心动周期中的多个时刻获得的多个三维图像,每个三维图像由与所述左心室的长轴相交的多个平行二维图像片构成,且在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列。所述方法包括:使用根据本发明的上述方面的心肌运动解析方法分别在每一个医学图像片时间序列中解析左心室的心肌的运动。心肌在同一时刻的所述多个二维图像片中的运动构成左心室在该时刻的运动。
根据本发明的另一方面,提供了一种运动对象轮廓跟踪装置,用于在图像片时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述图像片时间序列包括分别在运动对象的一个运动周期中的多个时刻获得的多个图像片。所述装置包括:轮廓跟踪部件,被配置为:以运动对象在该图像片时间序列中的预定图像片中的初始轮廓作为起始轮廓,在第一时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到运动对象在所述图像片时间序列中的每个图像片中的第一轮廓,其中,以所述第一时间方向上的最后一个图像片作为第一个图像片的在前图像片;以及以所述初始轮廓作为起始轮廓,在第二时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到运动对象在所述图像片时间序列中的每个图像片中的第二轮廓,其中,以所述第二时间方向上的最后一个图像片作为第一个图像片的在前图像片;轮廓比较部件,被配置为计算运动对象在所述预定图像片中的第一轮廓与所述初始轮廓的相似度作为第一相似度,以及运动对象在所述预定图像片中的第二轮廓与所述初始轮廓的相似度作为第二相似度;以及轮廓校正部件,被配置为以所述轮廓跟踪部件在所述第一相似度与所述第二相似度中较大的一个所对应的轮廓跟踪方向上得到的各个图像片中的轮廓,作为运动对象在相应图像片中的轮廓。
根据本发明的另一方面,提供了一种运动对象轮廓跟踪装置,用于在三维图像时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述三维图像时间序列包括分别在运动对象的一个运动周期中的多个时刻获得的多个三维图像,每个三维图像由平行的多个二维图像片构成,且在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列。所述装置包括:跟踪部件,以根据本发明的上述方面的运动对象轮廓跟踪装置来实施,用于分别在每一个图像片时间序列中跟踪运动对象的轮廓。运动对象在同一时刻的所述多个二维图像片中的轮廓构成运动对象在该时刻的三维轮廓。
根据本发明的另一方面,提供了一种心肌运动解析装置,用于在医学图像片时间序列中解析左心室的心肌的运动,所述图像片时间序列包括分别在一个心动周期中的多个时刻针对所述左心室的与左心室的长轴相交的一个截面获得的多个图像片。所述装置包括:轮廓获取部件,被配置为获取左心室在每个图像片中的心内膜轮廓和心外膜轮廓;关联点对配置部件,被配置为:将所述图像片时间序列中的参考图像片中的心内膜轮廓和心外膜轮廓上的轮廓点配置成多个关联点对,每个关联点对包含心内膜轮廓上的一个轮廓点和心外膜轮廓上的一个轮廓点,并且每个关联点对中的两个轮廓点位于左心室壁在所述参考图像片中的参考轮廓的同一条法线上;关联点对跟踪部件,被配置为确定每个关联点对在所述图像片时间序列中的其他图像片中的位置;以及运动矢量计算部件,被配置为根据所述多个关联点对在所述图像片时间序列中的相邻图像片中的位置来计算左心室的由心内膜轮廓和心外膜轮廓限定的心肌在所述相邻图像片之间的运动矢量。
根据本发明的另一方面,提供了一种心肌运动解析装置,用于在三维医学图像时间序列中解析左心室的心肌的运动,所述三维医学图像时间序列包括分别在一个心动周期中的多个时刻获得的多个三维图像,每个三维图像由与所述左心室的长轴相交的多个平行二维图像片构成,且在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列。所述装置包括:解析部件,以根据本发明的上述方面的心肌运动解析装置来实施,并被配置为分别在每一个医学图像片时间序列中解析左心室的心肌的运动。心肌在同一时刻的所述多个二维图像片中的运动构成左心室在该时刻的运动。
另外,本发明的另一方面还提供了用于实现上述方法的计算机程序。
此外,本发明的另一方面还提供了至少计算机可读介质形式的计算机程序产品,其上记录有用于实现上述方法的计算机程序代码。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中:
图1示出根据本发明的一个实施例的运动对象轮廓跟踪方法的示意性流程图;
图2示出根据本发明的所述实施例的运动对象轮廓跟踪方法的一个应用示例;
图3示出根据本发明的一个实施例的轮廓跟踪步骤的示意性流程图;
图4示出轮廓感兴趣区域和跟踪单元的一个示例;
图5示出欧几里德坐标系与极坐标系的变换关系的示意图;
图6示出根据本发明的一个实施例的获取左心室的初始轮廓的示意性流程图;
图7示出根据本发明的一个实施例的获取左心室的心内膜轮廓的示意性流程图;
图8a示出极坐标系中的图像片的灰度图像的示例;
图8b示出图8a中的灰度图像的水平投影的示例;
图9示出根据本发明的另一个实施例的获取左心室的初始轮廓的示意性流程图;
图10示出根据本发明的一个实施例的获取左心室的心外膜轮廓的示意性流程图;
图11a示出极坐标系中的图像片的边缘图像的示例;
图11b示出图11a中的边缘图像的水平投影的示例;
图12a示出在极坐标系中获得的心内膜轮廓和心外膜轮廓的示例;
图12b示出图12a中获得的心内膜轮廓和心外膜轮廓变换到原始图像片中的示例;
图13示出根据本发明的另一实施例的运动对象轮廓跟踪方法的示意性流程图;
图14示出根据本发明的一个实施例的心肌运动解析方法的示意性流程图;
图15示出根据本发明的所述实施例的关联点对的示例;
图16示出根据本发明的一个实施例的心肌运动分量的示意图;
图17示出根据本发明的一个实施例的对运动分量时间序列进行平滑的示意图;
图18示出根据本发明的一个实施例的心肌应变视图;
图19示出根据本发明的另一实施例的心肌运动解析方法的示意性流程图;
图20示出根据本发明的一个实施例的运动对象轮廓跟踪装置的示意性框图;
图21示出根据本发明的一个实施例的轮廓跟踪部件的示意性框图;
图22示出根据本发明的另一个实施例的运动对象轮廓跟踪装置的示意性框图;
图23示出根据本发明的一个实施例的初始轮廓获取部件的示意性框图;
图24示出根据本发明的一个实施例的心内膜轮廓获取部件的示意性框图;
图25示出根据本发明的另一个实施例的初始轮廓获取部件的示意性框图;
图26示出根据本发明的一个实施例的心外膜轮廓获取部件的示意性框图;
图27示出根据本发明的另一个实施例的运动对象轮廓跟踪装置的示意性框图;
图28示出根据本发明的一个实施例的心肌运动解析装置的示意性框图;
图29示出根据本发明的另一个实施例的心肌运动解析装置的示意性框图;
图30示出根据本发明的另一个实施例的心肌运动解析装置的示意性框图;
图31示出根据本发明的另一个实施例的心肌运动解析装置的示意性框图;
图32示出根据本发明的另一个实施例的心肌运动解析装置的示意性框图;以及
图33示出可实施根据本发明的实施例的方法/装置的计算机结构。
具体实施方式
下面将参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意,为了清楚的目的,附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
以下,将以下面的顺序来描述示例性实施例。
1.运动对象轮廓跟踪方法
2.用于三维图像时间序列的运动对象轮廓跟踪方法
3.心肌运动解析方法
4.用于三维医学图像时间序列的心肌运动解析方法
5.运动对象轮廓跟踪装置
6.用于三维图像时间序列的运动对象轮廓跟踪装置
7.心肌运动解析装置
8.用于三维医学图像时间序列的心肌运动解析装置
9.可实施根据本发明的实施例的方法/装置的计算机结构
<1.运动对象轮廓跟踪方法>
以下根据图1至图12b来描述根据本发明实施例的运动对象轮廓跟踪方法。
根据本发明实施例的运动对象轮廓提取方法用于在图像片时间序列中跟踪作周期性变形运动的运动对象的轮廓。一个图像片时间序列中包括分别在运动对象的一个运动周期中的多个时刻针对运动对象获得的多个图像片。应理解,根据本发明实施例的运动对象轮廓提取方法可以用于在各种类型的图像片时间序列中跟踪运动对象的轮廓。作为示例而不是限制,所述图像片时间序列可以是根据通过医疗诊断装置获得的被检测者的数据而形成的医学图像序列。这里所述的医疗诊断装置包括但不限于:X射线成像诊断装置、超声波(UL)诊断成像装置、计算机断层扫描(CT)装置、磁共振成像(MRI)诊断成像装置、正电子发射断层扫描(PositronEmissionTomography,PET)装置等。
图1示出根据本发明的一个实施例的运动对象轮廓跟踪方法的示意性流程图。在本实施例中,在两个时间方向上分别跟踪运动对象的轮廓,并使用可信度高的跟踪结果作为运动对象的轮廓,从而提高了轮廓跟踪的准确性。
如图1所示,在步骤S110中,在第一方向上在图像片时间序列中进行轮廓跟踪,以得到运动对象在每个图像片中的第一轮廓。在进行轮廓跟踪时,以运动对象在图像片时间序列中的预定图像片中的初始轮廓作为起始轮廓,以第一时间方向上的最后一个图像片作为第一个图像片的在前图像片。这里的第一时间方向可以是由先到后的时间流逝方向,也可以是由后到先的与时间流逝方向相反的方向。
由于运动对象是作周期性变形运动,并且图像片时间序列包括在运动对象的一个运动周期中获得的图像片,因此,第一图像片与最后一个图像片也具有运动相关性,也就是说,运动对象在第一个图像片与最后一个图像片中的轮廓是相似的。因此,可以以第一时间方向上的最后一个图像片作为第一个图像片的在前图像片,而不影响轮廓跟踪的准确性。
可以理解,这里的预定图像片可以是图像片时间序列中能够容易地获得相对准确的初始轮廓的图像片。预定图像片可以人工指定,也可以根据预定的图像片特征利用现有技术方法从图像片时间序列中识别。
在步骤S120中,在第二方向上在图像片时间序列中进行轮廓跟踪,以得到运动对象在每个图像片中的第二轮廓。同样,在进行轮廓跟踪时,以运动对象在所述预定图像片中的初始轮廓作为起始轮廓。另外,以第二时间方向上的最后一个图像片作为第一个图像片的在前图像片。这里的第二时间方向是与第一时间方向相反的方向,可以是由后到前的与时间流逝方向相反的方向,也可以是由先到后的时间流逝方向。
同样,由于运动对象是作周期性变形运动,并且图像片时间序列包括在运动对象的一个运动周期中获得的图像片,因此以第二时间方向上的最后一个图像片作为第一个图像片的在前图像片不会影响轮廓跟踪的准确性。
在步骤S130中,计算运动对象在预定图像片中的第一轮廓与初始轮廓的相似度作为第一相似度,以及运动对象在预定图像片中的第二轮廓与所述初始轮廓的相似度作为第二相似度。不论是在第一时间方向上还是在第二时间方向上,通过轮廓跟踪获得的运动对象在预定图像片中的轮廓都是在轮廓跟踪中的最后一次跟踪获得的。而且,如上所述,以第一或第二时间方向上的最后一个图像片作为第一个图像片的在前图像片不会影响轮廓跟踪的准确性。因此,如果跟踪得到的轮廓与预定图像片中的初始轮廓的相似度较高,则可以认为在相应的时间方向上进行的轮廓跟踪的准确度较高,即可信度高。
在步骤S140中,以在第一相似度与第二相似度中较大的一个所对应的轮廓跟踪方向(第一时间方向或第二时间方向)上得到的各个图像片中的轮廓,作为运动对象在相应图像片中的轮廓。
通过在两个时间方向上进行完整的轮廓跟踪并与初始轮廓相比较,可以选择可信度高的跟踪结果作为运动对象的轮廓,从而提高了轮廓跟踪的准确性。
为了方便理解,图2示出根据本发明的所述实施例的运动对象轮廓跟踪方法的一个应用示例。该示例示出的是由MRI设备在一个心动周期中的多个时刻针对左心室的与左心室的长轴(即心脏的长轴)相交的一个截面获得的多个图像片组成的图像片时间序列。该图像片时间序列中包括按时间先后顺序编号从1到11的图像片。在各个图像片中,以实线表示左心室的心外膜轮廓,以点线表示左心室的心内膜轮廓。这里只描述心外膜轮廓的跟踪过程。心内膜轮廓的跟踪过程与此类似,不重复描述。
在该示例中,图像片6作为预定图像片,是心脏收缩相位的图像片。在心脏收缩末期,左心室边缘比较明显,形状比较规则,容易确定左心室的轮廓。可以人工指定心脏收缩相位的图像片,或者利用现有的任何适当方法来从图像片时间序列中识别心脏收缩相位的图像片。作为示例而不是限制,可以根据面积来从图像片时间序列中检测出心脏收缩相位的图像。或者,可以与同步心电图对照,根据外来信号确定心脏收缩相位的图像。
以左心室在图像片6中的心外膜轮廓为起始轮廓,在如箭头所示的第一时间方向(作为示例,这里是时间流逝方向)上进行轮廓跟踪,逐个得到左心室在图像片7-11和1-6中的第一心外膜轮廓C71至C111以及C11至C61。在该跟踪过程中,以第一时间方向上的最后一个图像片11作为第一个图像片1的在前图像片。
以左心室在图像片6中的心外膜轮廓为起始轮廓,在如箭头所示的第二时间方向(作为示例,这里是与时间流逝方向相反的方向)上进行轮廓跟踪,逐个得到左心室在图像片5-1和11-6中的第二心外膜轮廓C52至C12以及C112至C62。在该跟踪过程中,以第二时间方向上的最后一个图像片1作为第一个图像片11的在前图像片。
可以看到,在第一时间方向上的跟踪过程中,从图像片9的心外膜轮廓开始出现跟踪错误,该错误一直被传播到图像片6中的心外膜轮廓C61。通过计算将得知,作为预定图像片的图像片6中的第二轮廓C62与初始轮廓C60的相似度要高于第一轮廓C61与初始轮廓C60的相似度。据此可以判断在第二时间方向上进行的轮廓跟踪比在第一时间方向上进行的轮廓跟踪更准确。因此,可以以在第二时间方向上得到的各个心外膜轮廓作为左心室在相应图像片中的心外膜轮廓。
需要注意的是,在本说明书中描述运动对象轮廓跟踪方法和装置时,以心脏图像作为示例,但这并不构成对本发明的限制。相反,本发明可以应用于任何包含作周期性变形运动的运动对象的图像。
为了减少运算量,根据本发明的另一实施例,可以先进行一轮轮廓跟踪。根据第一轮轮廓跟踪的结果判断跟踪可能有误时,才进行第二轮轮廓跟踪,以校正第一轮轮廓跟踪的结果。作为具体实施方式,在包括n个图像片的图像片时间序列中,以运动对象在第s个图像片中的初始轮廓作为起始轮廓,分别在第s-1个图像片到第1个图像片和第s+1个图像片到第n个图像片的方向上进行轮廓跟踪,以得到运动对象在第s-1个到第1个图像片中的第一轮廓以及运动对象在第s+1个到第n个图像片中的第一轮廓。其中,s是预定图像片的编号,1≤s≤n。计算运动对象在第1个图像片中的第一轮廓与运动对象在第n个图像片中的第一轮廓的相似度。如果运动对象在第1个图像片中的第一轮廓与在第n个图像片中的第一轮廓的相似度低于预定阈值,表明第一轮轮廓跟踪可能存在错误,则进行第二轮轮廓跟踪。在第二轮轮廓跟踪中,以运动对象在第1个图像片中的第一轮廓作为起始轮廓,在第n个图像片到第s个图像片的方向上进行轮廓跟踪,以得到运动对象在第n个到第s-1个图像片中的第二轮廓和在第s个图像片中的第一轮廓;并以运动对象在第n个图像片中的第一轮廓作为起始轮廓,在第1个图像片到第s个图像片的方向上进行轮廓跟踪,以得到运动对象在第1个到第s个图像片中的第二轮廓。计算运动对象在第s个图像片中的第一轮廓与初始轮廓的相似度以及运动对象在第s个图像片中的第二轮廓与初始轮廓的相似度。如果运动对象在第s个图像片中的第一轮廓与初始轮廓的相似度大于运动对象在第s个图像片中的第二轮廓与初始轮廓的相似度,则使用运动对象在第s-1个到第1个图像片中的第一轮廓作为运动对象在第s-1个到第1个图像片中的轮廓,并使用运动对象在第n个到第s+1个图像片中的第二轮廓作为运动对象在第n个到第s+1个图像片中的轮廓,反之亦然。
例如,对于图2中的图像片时间序列,可以以图像片6中的初始轮廓为起始轮廓,分别在与时间流逝方向相反的方向上跟踪图像片5-1中的心外膜轮廓和在时间流逝方向上跟踪图像片7-11中的心外膜轮廓。这里,假设图2中的图像片时间序列包含左心室的一个运动周期中的多个图像片。则图像片1和图像片11应该是运动周期中位置相近的图像片。比较图像片1中的心外膜轮廓和图像片11中的心外膜轮廓。如果图像片1中的心外膜轮廓和图像片11中的心外膜轮廓差异小,则认为两个方向上的跟踪都相对准确,不再进行第二轮的跟踪。如果二者差异大,则表明有一个方向上的跟踪出现了错误,从图像片11开始,继续在时间流逝方向上跟踪图像片1-6中的心外膜轮廓,并从图像片1开始,继续在与时间流逝方向相反的方向上跟踪图像片11-6中的心外膜轮廓。然后进行如上所述的相似度比较,并选择相似度高的跟踪方向上的结果作为心外膜轮廓。
另外,根据本发明的另一实施例,在相似度比较之后,也可以使用较大的一个相似度所对应的轮廓跟踪方向上得到的轮廓来校正在较小的一个相似度方向上得到的轮廓,以得到最终的轮廓。可以使用现有的任何适当方法来进行轮廓校正。作为示例而不是限制,可以计算在两个轮廓跟踪方向上得到的轮廓的平均值,作为最终轮廓。
此外,当图像片时间序列未完整覆盖一个运动周期时,第一个图像片与最后一个图像片在运动周期上的邻近程度要比图像片时间序列完整覆盖一个运动周期时小。因此,第一个图像片与最后一个图像片的相似度可能比图像片时间序列完整覆盖一个运动周期时低。在这种情况下,可以通过图像插值来预测与运动周期中未被覆盖的部分对应的图像片,并使用预测出的图像片与原有图像片一起进行轮廓跟踪,从而消除第一个图像片与最后一个图像片的相似度较低的影响,提高轮廓跟踪的准确性。
可以利用现有技术方法判断图像片时间序列是否完整覆盖一个运动周期。例如,可以根据每个图像片所携带的时间信息与运动对象的运动周期信息来判断。运动对象的运动周期信息可以从外部输入。如果图像片时间序列所跨的时间间隔(即图像片时间序列中的第一个图像片与最后一个图像片之间的时间间隔)小于运动周期,则判断图像片时间序列未完整覆盖一个运动周期。
可以使用现有的任意合适的图像插值方法,例如最近邻插值法,双线性插值法等,来预测与运动周期中未被覆盖的部分对应的一个或多个图像片。例如,当在第一时间方向上进行轮廓跟踪时,以第一时间方向上的最后一个图像片为源图像,以第一时间方向上的第一个图像片为目标图像片,使用图像插值方法预测出最后一个图像片与第一个图像片之间的一个或多个图像片。当在第二时间方向上进行轮廓跟踪时,以第二时间方向的最后一个图像片为源图像片,以第二时间方向上的第一个图像片为目标图像片,使用图像插值方法预测出最后一个图像片到第一个图像片之间的一个或多个图像片。
要预测的图像片的数目可以根据运动周期中未被覆盖的部分的长度与图像片时间序列中相邻图像片之间的间隔的比值来确定。
然后,在每个时间方向上,对由原有图像片和预测出的图像片组成的图像片时间序列进行跟踪。
例如,针对图2示出的示例,可以比较图像片1与图像片11的间隔。如果该间隔小于所述左心室的心动周期长度,则使用图像插值方法分别在第一时间方向上和第二时间方向上预测要在图像片1与图像片11之间插入的图像片。然后,在两个方向上的轮廓跟踪中,对包括原有图像片1-11和插入的图像片在内的图像片时间序列进行跟踪。
在根据本发明实施例的运动轮廓跟踪方法中,轮廓跟踪步骤可以用现有的任何适当的方法实现,而没有限制。作为示例,图3示出根据本发明的一个实施例的轮廓跟踪步骤的示意性流程图。
如图3所示,从预定图像片开始,当在步骤S310中判断图像片时间序列中存在下一个片时,进行从步骤S320到S360的轮廓跟踪。否则,轮廓跟踪结束。
在步骤S320中,对运动对象在当前图像片中的轮廓进行膨胀,以得到轮廓感兴趣区域(ROI)。例如,可以以预定宽度来膨胀运动对象的轮廓,以得到轮廓ROI。
在步骤S330中,将轮廓ROI划分成多个预定大小的跟踪单元。
为了方便理解,图4示出轮廓感兴趣区域和跟踪单元的一个示例。
在步骤S340中,通过模板匹配来得到所述多个跟踪单元在下一个图像片中的位置。可以使用现有的任何适当的模板匹配方法来进行跟踪单元的模板匹配,这里不详细描述。
在步骤S350中,根据所述多个跟踪单元在下一个图像片中的位置来计算所述多个跟踪单元从当前图像片到下一个图像片的运动矢量。例如,可以以跟踪单元中像素的平均位置作为跟踪单元的位置,或者以跟踪单元的中心像素的位置作为跟踪单元的位置。
在步骤S360中,基于运动对象在当前图像片中的轮廓和所述多个跟踪单元从当前图像片到下一个图像片的运动矢量来得到运动对象在下一个图像片中的轮廓。
作为一种具体实施方式,可以计算运动对象在当前图像片中的轮廓上的每个轮廓点在预定范围内的相邻跟踪单元的运动矢量的加权平均,作为该轮廓点从当前图像片到下一个图像片的运动矢量。然后根据运动对象在当前图像片中的轮廓上的每个轮廓点的运动矢量来移动运动对象在当前图像片中的轮廓,以得到运动对象在下一个图像片中的轮廓。
在根据本发明实施例的运动对象轮廓跟踪方法中,运动对象在预定图像片中的初始轮廓是预先得到的。可以使用各种现有的方法来获取运动对象在预定图像片中的初始轮廓,也可以人工地描绘出初始轮廓。作为示例,以下描述根据本发明实施例的获取运动对象的初始轮廓的方法。
在以下实施例中,运动对象是左心室,图像片时间序列包括分别在一个心动周期中的多个时刻针对左心室的与左心室的长轴相交的一个截面获得的多个图像片。左心室具有心内膜轮廓和心外膜轮廓,以下分别描述获取心内膜初始轮廓和心外膜初始轮廓的方法。
在以下实施例中,考虑到左心室的心内膜轮廓和心外膜轮廓都是曲线,并且心内膜轮廓容易受乳头肌的影响,心外膜的轮廓比较模糊,因此将原始图像片转换到极坐标系中,以便更准确地从图像片中提取出心内膜和心外膜的轮廓。
为了方便理解,图5示出欧几里德坐标系与极坐标系的变换关系的示意图。在该图中,欧几里德坐标系中的原点对应于极坐标系的极点。极坐标系中的横坐标表示欧几里德坐标系中的点与原点的连线相对于横轴正方向的角度,极坐标系中的纵坐标表示欧几里德坐标系中的点与原点的距离。欧几里德坐标系中的半径不同的多个圆转换到极坐标系中后,呈现为不同高度的直线。另一方面,极坐标系中的高度不同的多条直线转换到欧几里德坐标系中后,呈现为半径不同的多个圆。
图6示出根据本发明的一个实施例的获取左心室的初始轮廓的示意性流程图。在该实施例中,获取左心室的心内膜轮廓作为左心室的初始轮廓。
如图6所示,在步骤S610中,将预定图像片变换到极坐标系中。这里,作为示例,预定图像片可以是心脏收缩相位的图像片。在实际应用中,为了减少运算量,也可以仅将图像片中的运动区域部分而不是整个图像片变换到极坐标系中。
在步骤S620中,在极坐标系中获取左心室的心内膜轮廓,作为左心室在预定图像片中的初始轮廓。在极坐标系中,心内膜的轮廓近似于直线。另外,在极坐标系中,可以使用投影在水平方向(横轴方向)上的很多信息比如亮度(通常由像素值表示)和边缘等,这将在以下描述。
在步骤S630中,将在极坐标系中获取的左心室的初始轮廓映射到原始的预定图像片中。在左心室中,由于乳头肌的影响,利用一些常用方法得到的心内膜的轮廓线会偏小。因此,获取左心室的心内膜轮廓中的一个重要任务是消除乳头肌的影响,将乳头肌包含在心内膜的轮廓线限定的范围内,以得到较大的、较为准确的心内膜轮廓。
可以利用现有的任意合适方法来在极坐标系中获取左心室在预定图像片中的心内膜轮廓。作为示例,图7示出根据本发明的一个实施例的获取左心室的心内膜轮廓的示意性流程图。在该实施例中,利用图像片的水平投影来确定心内膜轮廓在极坐标系中的大致位置,然后用直线检测方法从图像片的边缘图像中获得心内膜轮廓。
如图7所示,在步骤S710中,检测预定图像片中的边缘,以得到预定图像片的边缘图像。
在步骤S720中,在极坐标系中利用预定图像片的灰度图像的水平投影来获取左心室在预定图像片中的心内膜轮廓的半径。从例如图2所示的左心室的原始图像片可以看到,左心室的心肌的灰度要比左心室内部的灰度小。据此,可以取图像片的灰度图像的水平投影中像素值陡降的位置作为心内膜轮廓的半径位置。
然后在步骤S730中,在极坐标系中利用直线检测方法从位于左心室的心内膜轮廓的半径附近的边缘获得左心室的心内膜轮廓。
为了方便理解,图8a示出极坐标系中的预定图像片的灰度图像的示例,图8b示出图8a中的灰度图像的水平投影的示例。在图8b中,横坐标是图像片的灰度图像中的行,纵坐标是行中的像素值之和或者均值。根据精度要求不同,可以以一个或多个像素为单位来在图像片中划分行。如图8b所示,确定像素值之和或者均值陡降的行的位置为心内膜轮廓的半径Rendo所在的位置。
在上述实施例中,直线检测方法可以是哈夫(Hough)变换方法。与其他方法相比较,使用Hough变换方法来拟合边缘像素(也称边缘点)能够得到包含绝大多数边缘点的轮廓,克服乳头肌及噪声等边缘点的影响。因为在其他方法中,通常半径较小的边缘像素也会被考虑在内,因此容易受到乳头肌的影响。
图9示出根据本发明的另一个实施例的获取左心室的初始轮廓的示意性流程图。在该实施例中,获取左心室的心外膜轮廓作为左心室的初始轮廓。
如图9所示,在步骤S910中,将预定图像片变换到极坐标系中。同样,作为示例,预定图像片可以是心脏收缩相位的图像片。在实际应用中,为了减少运算量,也可以仅将图像片中的运动区域部分而不是整个图像片变换到极坐标系中。在步骤S920中,在极坐标系中获取左心室的心外膜轮廓,作为左心室在预定图像片中的初始轮廓。在步骤S930中,将在极坐标系中获取的左心室的初始轮廓映射到原始的预定图像片中。
可以利用现有的任意合适方法来在极坐标系中获取左心室在预定图像片中的心外膜轮廓。作为示例,图10示出根据本发明的一个实施例的获取左心室的心外膜轮廓的示意性流程图。在该实施例中,利用图像片的水平投影来找到心内膜轮廓的边缘像素以及心肌的厚度,从而确定心外膜轮廓在极坐标系中的大致位置,然后用曲线拟合方法从图像片的边缘图像中获得心外膜轮廓。
如图10所示,在步骤S1010中,检测预定图像片中的边缘,以得到预定图像片的边缘图像。
在步骤S1020中,在极坐标系中利用预定图像片的灰度图像的水平投影来获取左心室在预定图像片中的心内膜轮廓的半径。
在步骤S1030中,在极坐标系中利用预定图像片的边缘图像的水平投影和心内膜轮廓的半径来来确定左心室的心肌厚度,从而获取左心室在预定图像片中的心外膜轮廓。
在步骤S1040中,在极坐标系中利用曲线拟合方法从位于左心室的心外膜轮廓的半径附近的边缘获得左心室的心外膜轮廓。可以使用任何适当的曲线拟合方法,例如,最小二乘法。
为了方便理解,图11a示出极坐标系中的预定图像片的边缘图像的示例,图11b示出图11a中的边缘图像的水平投影的示例。图11b中,横坐标是图像片的边缘图像中的行,纵坐标是行中的像素值之和或者均值。根据精度要求不同,可以以一个或多个像素为单位来在图像片中划分行。如图11b所示,确定像素值之和或者均值陡降的行的位置为心内膜轮廓的半径Rendo所在的位置。在边缘图像中,心内膜轮廓与心外膜轮廓之间的心肌部分基本上不包含边缘,因此在水平投影上心内膜轮廓与心外膜轮廓之间将有一个空隙。由此,如图11b所示,紧接着心内膜轮廓的半径Rendo所在位置的空隙被确定为心内膜轮廓与心外膜轮廓之间的心肌的厚度,而该空隙之后的位置即为心外膜轮廓的半径Repi所在的位置。
为了方便理解,图12a示出根据上述实施例在极坐标系中获得的心内膜轮廓和心外膜轮廓的示例。图12a中上部的轮廓线表示心内膜轮廓,下部的轮廓线表示心外膜轮廓。图12b示出图12a中获得的心内膜轮廓和心外膜轮廓变换到原始图像片中的示例。图12b中的心内膜轮廓比较圆滑,不包含凸起,即消除了乳头肌的影响。
<2.用于三维图像时间序列的运动对象轮廓跟踪方法>
图13示出根据本发明的另一实施例的运动对象轮廓跟踪方法的示意性流程图。
根据该实施例的运动对象轮廓提取方法用于在三维图像时间序列中跟踪作周期性变形运动的运动对象的轮廓。所述三维图像时间序列包括分别在运动对象的一个运动周期中的多个时刻获得的多个三维图像。每个三维图像由平行的多个二维图像片构成。在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列。
如图13所示,在该方法中,在步骤S1310中,分别在每一个图像片时间序列中跟踪运动对象的轮廓。这里,使用在以上<1.运动对象轮廓跟踪方法>部分中描述的运动对象轮廓跟踪方法来在每一个图像片时间序列中跟踪运动对象的轮廓。运动对象在同一时刻的所述多个二维图像片中的轮廓构成运动对象在该时刻的三维轮廓。
在一个三维图像时间序列中,可能会有一些图像片时间序列是在运动对象的真实范围之外。从这些图像片时间序列中跟踪的运动对象轮廓是不真实的,并且如果被采用,则会影响后续利用运动对象轮廓来计算运动对象的一些参数的准确性。为此,在根据本发明的一个实施例中,在进行轮廓跟踪之前,找到这样的图像片时间序列,不对它们进行轮廓跟踪或者直接删除它们,以避免影响后续参数计算的准确性。
对于利用MRI设备在心脏短轴方向上获得的三维图形时间序列而言,在以左心室为运动对象时,上述与运动对象的两个端部对应的两个图像片时间序列分别是心基(Base)部分的图像片时间序列和心尖(Apex)部分的图像片时间序列。
可以使用现有的任何适当方法来识别出与运动对象的两个端部对应的图像片时间序列,这里不具体描述。
<3.心肌运动解析方法>
以下根据图14-18来描述根据本发明实施例的心肌运动解析方法。根据本发明实施例的心肌运动解析方法用于在医学图像片时间序列中解析左心室的心肌的运动。一个图像片时间序列包括分别在一个心动周期中的多个时刻针对左心室的与左心室的长轴相交的一个截面获得的多个图像片。
心肌的运动可以视为心内膜、心外膜轮廓点的运动。每个轮廓点的运动可以影响邻近轮廓点的运动。因此,心外膜轮廓点的运动可以影响对应的心内膜轮廓点的运动,反之亦然。在根据本发明实施例的心肌运动解析方法中,利用心内膜轮廓点和心外膜轮廓点的运动关联性来配置关联点对(pointlinkingpair),并使用关联点对的运动来表示心肌的运动。
图14示出根据本发明的一个实施例的心肌运动解析方法的示意性流程图。如图14所示,在步骤S1410中,获取左心室在每个图像片中的心内膜轮廓和心外膜轮廓。可以人工标注每个图像片中的心内膜轮廓和心外膜轮廓,也可以通过现有技术中任何适合的方法来获取心内膜轮廓和心外膜轮廓。作为示例,可以以左心室作为运动对象,使用在以上<1.运动对象轮廓跟踪方法>部分中描述的运动对象轮廓跟踪方法来获取左心室的心内膜轮廓和心外膜轮廓。
在步骤S1420中,将图像片时间序列中的参考图像片中的心内膜轮廓和心外膜轮廓上的轮廓点配置成多个关联点对。每个关联点对包含心内膜轮廓上的一个轮廓点和心外膜轮廓上的一个轮廓点,并且每个关联点对中的两个轮廓点位于左心室壁在参考图像片中的参考轮廓的同一条法线上。作为示例,参考轮廓可以是心内膜轮廓,或者心外膜轮廓,或者从心内膜轮廓和心外膜轮廓得到的平均轮廓。也就是说,每个关联点对所限定的线段在心脏收缩/舒张方向上。
为了方便理解,图15示出根据本发明的所述实施例的关联点对的示例。为了方便描述,将关联点对所限定的线段称为辐(gauge)。
在步骤S1430中,确定每个关联点对在图像片时间序列中的除了参考图像片的其他图像片中的位置。
在步骤S1440中,根据多个关联点对在图像片时间序列中的相邻图像片中的位置来计算左心室的由心内膜轮廓和心外膜轮廓限定的心肌在相邻图像片之间的运动矢量。
与现有技术中使用孤立轮廓点的心肌运动解析方法相比,通过以关联点对的运动来表征心肌的运动,由于增加了约束,因此能够更稳定地解析心肌的运动。
为了全面地解析心肌的运动,在根据本发明的一个实施例中,将心肌在相邻图像片之间的运动矢量分解为以下运动分量:心脏收缩/舒张、左心室的心肌的周向伸缩、左心室的心肌的旋转(rotation)、以及左心室的心肌的扭曲(twist)。
为了方便理解,图16示出根据本发明的一个实施例的心肌运动分量的示意图。在使用关联点对的运动来表示心肌的运动的情况下,心脏收缩/舒张运动分量可以由关联点对所限定的线段(辐)的长度变化在心脏收缩/舒张方向上的分量来表示。心肌的周向伸缩可以由两个相邻辐之间的距离变化在左心室的参考轮廓的周向上的分量来表示。心肌的旋转可以由以角度表示的辐的移动在左心室的参考轮廓的周向上的分量来表示。心肌的扭曲可以由以角度表示的关联点对中两个轮廓点的移动之差在左心室的参考轮廓的周向上的分量来表示。
本领域技术人员在上述说明的指引下可以用各种不同的手段来计算心肌的各个运动分量。以下给出根据本发明实施例的运动分量计算方法。
作为示例,可以通过以下来计算心脏收缩/舒张运动分量:计算每个关联点对所限定的线段在参考图像片中的参考轮廓的经过关联点对中的任一轮廓点的法线方向上的投影在相邻图像片之间的差。
作为示例,可以通过以下来计算左心室的心肌的周向伸缩运动分量:计算每个关联点对所限定的线段以及关联点对的相邻关联点对所限定的线段之间的距离在所述参考图像片中的参考轮廓的经过关联点对所限定的线段的切线方向上的投影在相邻图像片之间的差。作为示例而不是限制,所述距离可以是关联点对所限定的线段的中点与相邻关联点对所限定的线段的中点的距离,或者是关联点对中任一个轮廓点到相邻点对所限定的线段的垂线的长度。
作为示例,可以通过以下来计算左心室的心肌的旋转的运动分量:计算每个关联点对所限定的线段与所述参考图像片中的参考轮廓的经过关联点对所限定的线段的法线方向的夹角在相邻图像片之间的差。作为示例而不是限制,所述夹角可以是每个关联点对所限定的线段与所述参考图像片中的参考轮廓的经过关联点对中任一轮廓点或关联点对所限定的线段的中点的法线方向的夹角。
作为另一示例,可以以参考轮廓的中心为极点,将图像片时间序列变换到极坐标系中。可以用每个关联点对所限定的线段的中点或每个关联点对中任意轮廓点在极坐标系中的角度在相邻图像片中的变化来计算心肌在相邻图像片中的旋转。
作为示例,可以通过以下来计算左心室的心肌的扭曲的运动分量:计算参考图像片中的参考轮廓的经过每个关联点对中的任一轮廓点的法线方向与参考图像片中的参考轮廓的经过该关联点对所限定的线段的中点的法线方向的夹角在相邻图像片之间的差。
作为另一示例,可以以参考轮廓的中心为极点,将图像片时间序列变换到极坐标系中。可以用每个关联点对中的任意轮廓点在极坐标系中的角度与该关联点对所限定的线段的中点在极坐标系中的角度之差在相邻图像片中的变化来计算心肌在相邻图像片中的扭曲。
应当理解,可以使用现有技术中任意合适的方法来确定每个关联点对在所述图像片时间序列中的其他图像片中的位置。作为示例,以下描述根据本发明实施例的一种确定每个关联点对在所述图像片时间序列中的其他图像片中的位置的方法。
根据本发明的上述实施例的运动对象轮廓跟踪方法在获得运动对象的轮廓的同时,也获得了运动对象的轮廓点的连续运动信息。在以上根据本发明的一个实施例中,描述了可以计算运动对象在当前图像片中的轮廓上的每个轮廓点在预定范围内的相邻跟踪单元的运动矢量的加权平均,作为该轮廓点从当前图像片到下一个图像片的运动矢量。因此,在根据本发明的一个实施例中,可以使用一个关联点对中的两个轮廓点从当前图像片到下一图像片之间的运动矢量来确定当前图像片中的每个轮廓点在下一图像片中的位置,从而关联点对在下一图像片中的位置。
具体而言,使用根据上述实施例的运动对象轮廓跟踪方法来得到作为运动对象的左心室在当前图像片中的心内膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量;基于每个心内膜轮廓点的从当前图像片到下一个图像片的运动矢量来得到该心内膜轮廓点在下一个图像片中的位置;使用根据上述实施例的运动对象轮廓跟踪方法来得到作为运动对象的左心室在当前图像片中的心外膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量;基于每个心外膜轮廓点的从当前图像片到下一个图像片的运动矢量来得到该心外膜轮廓点在下一个图像片中的位置;以及基于每个心内膜轮廓点在下一个图像片中的位置和每个心外膜轮廓点在下一个图像片中的位置来确定每个关联点对在下一个图像片中的位置。
另外,心脏是一个运动整体。因此,心肌的运动应该是平滑的。在本发明的一个实施例中,通过对心肌的各个运动分量进行平滑,来使得由心肌的各个运动分量组成的运动矢量更加准确,从而使心肌的运动解析更加准确。
图17示出根据本发明的一个实施例的对运动分量时间序列进行平滑的示意图。如图17所示,分别对左心室的心肌在相邻图像片之间的运动矢量的每一个运动分量构成的运动分量时间序列进行平滑。作为示例而不是限制,可以使用傅立叶拟合方法对每个运动分量时间序列进行平滑。
相应地,可以基于左心室在参考图像片中的心内膜轮廓和心外膜轮廓,利用左心室的心肌在相邻图像片之间的经平滑的运动分量时间序列来获得左心室在每个其他图像片中的新的心内膜轮廓和心外膜轮廓,从而使得到的心内膜轮廓和心外膜轮廓更加准确。
应变(strain)在物理学上指在外力作用下物体的相对形变。心肌应变指心肌在心动周期中的变形,可用来评价局部心肌的收缩与舒张功能、血供情况、心肌活力等。在使用根据本发明实施例的心肌运动解析方法得到了左心室的心肌的运动矢量后,可以根据心肌在相邻图像片之间的运动矢量来计算左心室的心肌的应变以及应变力、应变率等参数。现有技术中已经有多种根据心肌的运动矢量计算心肌应变、应变力、应变率等参数的方法,这里不详细描述。
为了能够直观地展示心肌的应变,根据本发明的一个实施例的心肌运动解析方法还包括将左心室的心肌的应变呈现在图像上。图18示出根据本发明的一个实施例的心肌应变视图。在该实施例中,视图左上侧有一个颜色条(colorbar)。颜色条中不同的颜色对应于不同的心肌应变。根据这种对应关系,可以在图像片中将心肌不同部分的应变所对应的颜色叠加在心肌的相应部分上,从而使医生能够直观地观看到心肌的应变。另外,视图的右下角示出了心肌在心脏收缩/舒张方向上的应变力在一个心动周期中的曲线。本领域技术人员在上述说明的指引下可以想到更多的心肌应变呈现方法,这里不一一列举。
<4.用于三维医学图像时间序列的心肌运动解析方法>
图19示出根据本发明的另一实施例的心肌运动解析方法的示意性流程图。
根据该实施例的心肌运动解析方法用于在三维医学图像时间序列中解析左心室的心肌的运动。所述三维医学图像时间序列包括分别在一个心动周期中的多个时刻获得的多个三维图像。每个三维图像由与左心室的长轴相交的多个平行二维图像片构成。在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列。
如图19所示,在该方法中,在步骤S1910中,分别在每一个医学图像片时间序列中解析左心室的心肌的运动。这里,使用在以上<3.心肌运动解析方法>部分中描述的心肌运动解析方法来在每一个医学图像片时间序列中解析左心室的心肌的运动。心肌在同一时刻的所述多个二维图像片中的运动构成左心室在该时刻的运动。
另外,可以使用现有的任何适当方法,从三维医学图像时间序列中识别出心基(Base)部分的图像片时间序列和心尖(Apex)部分的图像片时间序列。仅对心基图像片时间序列和心尖图像片时间序列所限定的范围内的图像片时间序列进行心肌运动解析。
<5.运动对象轮廓跟踪装置>
以下根据图20-26来描述根据本发明实施例的运动对象轮廓跟踪装置。所述运动对象轮廓跟踪装置用于在图像片时间序列中跟踪作周期性变形运动的运动对象的轮廓。一个图像片时间序列中包括分别在运动对象的一个运动周期中的多个时刻针对运动对象获得的多个图像片。应理解,根据本发明实施例的运动对象轮廓提取方法可以用于在各种类型的图像片时间序列中跟踪运动对象的轮廓。作为示例而不是限制,所述图像片时间序列可以是根据通过医疗诊断装置获得的被检测者的数据而形成的医学图像序列。这里所述的医疗诊断装置包括但不限于:X射线成像诊断装置、超声波(UL)诊断成像装置、计算机断层扫描(CT)装置、磁共振成像(MRI)诊断成像装置、正电子发射断层扫描(PositronEmissionTomography,PET)装置等。
图20示出根据本发明的一个实施例的运动对象轮廓跟踪装置的示意性框图。如图20所示,运动对象轮廓跟踪装置2000包括轮廓跟踪部件2010、轮廓比较部件2020和轮廓校正部件2030。轮廓跟踪部件2010被配置为以运动对象在图像片时间序列中的预定图像片中的初始轮廓作为起始轮廓,在第一时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到运动对象在每个图像片中的第一轮廓,其中,以第一时间方向上的最后一个图像片作为第一个图像片的在前图像片;以及以初始轮廓作为起始轮廓,在第二时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到运动对象在每个图像片中的第二轮廓,其中,以第二时间方向上的最后一个图像片作为第一个图像片的在前图像片。轮廓比较部件2020被配置为计算运动对象在预定图像片中的第一轮廓与初始轮廓的相似度作为第一相似度,以及运动对象在预定图像片中的第二轮廓与初始轮廓的相似度作为第二相似度。轮廓校正部件2030被配置为以轮廓跟踪部件2010在第一相似度与第二相似度中较大的一个所对应的轮廓跟踪方向上得到的各个图像片中的轮廓,作为运动对象在相应图像片中的轮廓。
为了减少运算量,根据本发明的另一实施例,轮廓跟踪部件2010可以先进行一轮轮廓跟踪,即在一轮轮廓跟踪中得到运动对象在每个图像片中的轮廓。在轮廓比较部件2020根据第一轮轮廓跟踪的结果判断第一轮跟踪中可能存在错误时,轮廓跟踪部件2010才进行第二轮轮廓跟踪。轮廓校正部件2030以第二轮跟踪的结果来校正第一轮轮廓跟踪的结果。具体实现方式可以参考以上对根据本发明实施例的运动对象轮廓跟踪方法的相关描述,这里不再重复。
在根据本发明实施例的运动轮廓跟踪装置中,轮廓跟踪部件2010可以用现有的任何适当的方法实现,而没有限制。作为示例,图21示出根据本发明的一个实施例的轮廓跟踪部件的示意性框图。如图21所示,轮廓跟踪部件2100包括感兴趣区域生成部件2110、跟踪单元划分部件2120、匹配部件2130、运动矢量计算部件2140和下一轮廓确定部件2150。感兴趣区域生成部件2110被配置为对所述运动对象在当前图像片中的轮廓进行膨胀,以得到轮廓感兴趣区域。跟踪单元划分部件2120被配置为将所述轮廓感兴趣区域划分成多个预定大小的跟踪单元。匹配部件2130被配置为通过模板匹配来得到所述多个跟踪单元在下一个图像片中的位置。运动矢量计算部件2140被配置为根据所述多个跟踪单元在下一个图像片中的位置来计算所述多个跟踪单元从当前图像片到下一个图像片的运动矢量。下一轮廓确定部件2150被配置为基于所述运动对象在当前图像片中的轮廓和所述多个跟踪单元从当前图像片到下一个图像片的运动矢量来得到所述运动对象在下一个图像片中的轮廓。
运动矢量计算部件2140可以使用任何适当的方法来计算跟踪单元的运动矢量。作为具体实施例,运动矢量计算部件2140被配置为计算运动对象在当前图像片中的轮廓上的每个轮廓点在预定范围内的相邻跟踪单元的运动矢量的加权平均,作为该轮廓点从当前图像片到下一个图像片的运动矢量。相应地,下一轮廓确定部件2150可以被配置为根据运动对象在当前图像片中的轮廓上的每个轮廓点的运动矢量来移动运动对象在当前图像片中的轮廓,以得到运动对象在下一个图像片中的轮廓。
在根据本发明实施例的运动对象轮廓跟踪装置中,运动对象在预定图像片中的初始轮廓可以是预先得到的,也可以由运动对象轮廓跟踪装置获取。图22示出根据本发明的另一个实施例的运动对象轮廓跟踪装置的示意性框图。在该实施例中,运动对象轮廓跟踪装置2200包括初始轮廓获取部件2240,用于获取运动对象在预定图像片中的初始轮廓。
在该实施例中,运动对象是左心室,图像片时间序列包括分别在一个心动周期中的多个时刻针对左心室的与左心室的长轴相交的一个截面获得的多个图像片。左心室具有心内膜轮廓和心外膜轮廓。因此,初始轮廓获取部件2240可以被配置为获取心内膜初始轮廓,或者获取心外膜初始轮廓。
图23示出根据本发明的一个实施例的初始轮廓获取部件的示意性框图。如图23所示,初始轮廓获取部件2300包括坐标变换部件2310和心内膜轮廓获取部件2320。坐标变换部件2310被配置为将预定图像片变换到极坐标系中。心内膜轮廓获取部件2320被配置为在极坐标系中获取左心室的心内膜轮廓。坐标变换部件2310还被配置为将心内膜轮廓获取部件2320在极坐标系中获取的心内膜轮廓映射到原始的预定图像片中。
心内膜轮廓获取部件2320可以利用现有的任意合适方法来在极坐标系中获取左心室在预定图像片中的心内膜轮廓。作为示例,图24示出根据本发明的一个实施例的心内膜轮廓获取部件的示意性框图。在该实施例中,利用图像片的水平投影来确定心内膜轮廓在极坐标系中的大致位置,然后用直线检测方法从图像片的边缘图像中获得心内膜轮廓。如图24所示,心内膜轮廓获取部件2400包括边缘检测部件2410、轮廓定位部件2420和轮廓拟合部件2430。边缘检测部件2410用于检测预定图像片中的边缘。轮廓定位部件2420用于在极坐标系中利用预定图像片的灰度图像的水平投影来获取左心室的心内膜轮廓的半径。轮廓拟合部件2430用于在极坐标系中利用直线检测方法从位于心内膜轮廓的半径附近的边缘获得心内膜轮廓。作为示例而不是限制,所述直线检测方法是Hough变换方法。
图25示出根据本发明的另一个实施例的初始轮廓获取部件的示意性框图。如图25所示,初始轮廓获取部件2500包括坐标变换部件2510和心外膜轮廓获取部件2520。坐标变换部件2510被配置为将预定图像片变换到极坐标系中。心外膜轮廓获取部件2520被配置为在极坐标系中获取左心室的心外膜轮廓。坐标变换部件2510还被配置为将心外膜轮廓获取部件2520在极坐标系中获取的心外膜轮廓映射到原始的预定图像片中。
心外膜轮廓获取部件2520可以利用现有的任意合适方法来在极坐标系中获取左心室在预定图像片中的心外膜轮廓。作为示例,图26示出根据本发明的一个实施例的心外膜轮廓获取部件的示意性框图。如图26所示,心外膜轮廓获取部件2600包括边缘检测部件2610、轮廓定位部件2620和轮廓拟合部件2630。边缘检测部件2610被配置为检测预定图像片中的边缘。轮廓定位部件2620被配置为在极坐标系中利用预定图像片的灰度图像的水平投影来获取左心室的心内膜轮廓的半径,以及在极坐标系中利用预定图像片的边缘图像的水平投影和心内膜轮廓的半径来获取左心室在预定图像片中的心外膜轮廓的半径。轮廓拟合部件2630被配置为在极坐标系中利用曲线拟合方法从位于左心室的心外膜轮廓的半径附近的边缘获得左心室的心外膜轮廓。作为示例而不是限制,所述曲线拟合方法是最小二乘法。
根据本发明的另一实施例,运动对象轮廓跟踪装置中还可以包括插值判断部件(未示出),被配置用于判断图像片时间序列所跨的时间间隔是否小于运动对象的运动周期;以及插值执行部件(未示出),被配置用于在图像片时间序列所跨的时间间隔小于运动对象的运动周期时,在图像片时间序列中插入使用图像插值方法预测出的补偿图像片。
关于运动对象轮廓跟踪装置中每个部件的更多详细操作,可以参考以上在<1.运动对象轮廓跟踪方法>部分中对根据本发明实施例的运动对象轮廓跟踪方法的描述,这里不再重复。
在根据本发明实施例的运动对象轮廓跟踪装置中,在两个时间方向上分别跟踪运动对象的轮廓,并使用可信度高的跟踪结果作为运动对象的轮廓,从而提高了轮廓跟踪的准确性。另外,在运动对象是左心室时,通过将预定图像片变换到极坐标系中,可以较为准确地获得左心室的心内膜轮廓和心外膜轮廓。
<6.用于三维图像时间序列的运动对象轮廓跟踪装置>
图27示出根据本发明的另一个实施例的运动对象轮廓跟踪装置的示意性框图。
根据该实施例的运动对象轮廓提取装置用于在三维图像时间序列中跟踪作周期性变形运动的运动对象的轮廓。所述三维图像时间序列包括分别在运动对象的一个运动周期中的多个时刻获得的多个三维图像。每个三维图像由平行的多个二维图像片构成。在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列。
如图27所示,运动对象轮廓跟踪装置2700包括跟踪部件2710。跟踪部件2710被配置为分别在每一个图像片时间序列中跟踪运动对象的轮廓。这里,跟踪部件2710可以使用在以上<5.运动对象轮廓跟踪装置>部分中描述的运动对象轮廓跟踪装置来实施。运动对象在同一时刻的所述多个二维图像片中的轮廓构成运动对象在该时刻的三维轮廓。
另外,运动对象轮廓跟踪装置2700还可以包括控制部件(未示出),以便将三维图像时间序列中的图像片时间序列逐个输入到跟踪部件2710中。
此外,运动对象轮廓跟踪装置2700还可以包括极限位置识别装置(未示出),以从三维图像时间序列中识别出与运动对象的两个端部对应的图像片时间序列。
<7.心肌运动解析装置>
以下根据图28-31来描述根据本发明实施例的心肌运动解析装置。所述心肌运动解析装置用于在医学图像片时间序列中解析左心室的心肌的运动。一个图像片时间序列包括分别在一个心动周期中的多个时刻针对左心室的与左心室的长轴相交的一个截面获得的多个图像片。在根据本发明实施例的心肌运动解析装置中,利用心内膜轮廓点和心外膜轮廓点的运动关联性来配置关联点对,并使用关联点对的运动来表示心肌的运动。
图28示出根据本发明的一个实施例的心肌运动解析装置的示意性框图。如图28所示,心肌运动解析装置2800包括轮廓获取部件2810、关联点对配置部件2820、关联点对跟踪部件2830和运动矢量计算部件2840。
在该实施例中,轮廓获取部件2810被配置为获取左心室在每个图像片中的心内膜轮廓和心外膜轮廓。关联点对配置部件2820被配置为将图像片时间序列中的参考图像片中的心内膜轮廓和心外膜轮廓上的轮廓点配置成多个关联点对,每个关联点对包含心内膜轮廓上的一个轮廓点和心外膜轮廓上的一个轮廓点,并且每个关联点对中的两个轮廓点位于左心室壁在所述参考图像片中的参考轮廓的同一条法线上。关联点对跟踪部件2830被配置为确定每个关联点对在图像片时间序列中的其他图像片中的位置。运动矢量计算部件2840被配置为根据所述多个关联点对在图像片时间序列中的相邻图像片中的位置来计算左心室的由心内膜轮廓和心外膜轮廓限定的心肌在所述相邻图像片之间的运动矢量。
作为示例,参考轮廓可以是心内膜轮廓,或者心外膜轮廓,或者从心内膜轮廓和心外膜轮廓得到的平均轮廓。
根据本发明的另一实施例,运动矢量计算部件2840被进一步配置为计算左心室的心肌在相邻图像片之间的运动矢量的以下多个运动分量:心脏收缩/舒张、左心室的心肌的周向伸缩、左心室的心肌的旋转、以及左心室的心肌的扭曲。具体而言,运动矢量计算部件2840可以使用在<3.心肌运动解析方法>部分中描述的运动分量计算方法来分别计算上述运动分量。
轮廓获取部件2810可以接收人工标注每个图像片中的心内膜轮廓和心外膜轮廓,也可以通过现有技术中任何适合的方法来获取心内膜轮廓和心外膜轮廓。作为示例,轮廓获取部件2810可以以根据本发明实施例的运动对象轮廓跟踪装置来实施,以左心室作为运动对象,来分别获取左心室的心内膜轮廓和心外膜轮廓。
根据本发明的上述实施例的运动对象轮廓跟踪装置在获得运动对象的轮廓的同时,也获得了运动对象的轮廓点的连续运动信息。根据本发明的另一实施例,在以根据本发明实施例的运动对象轮廓跟踪装置来实施轮廓获取部件2810的情况下,关联点对跟踪部件2830被进一步配置为基于运动对象轮廓跟踪装置中的运动矢量计算部件2140计算的作为运动对象的左心室在当前图像片中的心内膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量来得到每个心内膜轮廓点在下一个图像片中的位置;基于运动对象轮廓跟踪装置中的运动矢量计算部件2140计算的作为运动对象的左心室在当前图像片中的心外膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量来得到每个心外膜轮廓点在下一个图像片中的位置;并基于每个心内膜轮廓点在下一个图像片中的位置和每个心外膜轮廓点在下一个图像片中的位置来确定每个关联点对在下一个图像片中的位置。
当然,关联点对跟踪部件2830也可以直接用根据本发明实施例的运动对象轮廓跟踪装置来实施,并基于心内膜轮廓点和心外膜轮廓点的运动矢量来分别计算心内膜轮廓点和心外膜轮廓点在下一个图像片中的位置,从而确定每个关联点对在下一个图像片中的位置。
在本发明的一个实施例中,通过对心肌的各个运动分量进行平滑,来使得由心肌的各个运动分量组成的运动矢量更加准确,从而使心肌的运动解析更加准确。图29示出根据本发明的另一个实施例的心肌运动解析装置的示意性框图。如图29所示,心肌运动解析装置2900包括轮廓获取部件2910、关联点对配置部件2920、关联点对跟踪部件2930、运动矢量计算部件2940和平滑部件2950。其中,轮廓获取部件2910、关联点对配置部件2920、关联点对跟踪部件2930和运动矢量计算部件2940的结构和功能与图28所示的轮廓获取部件2810、关联点对配置部件2820、关联点对跟踪部件2830和运动矢量计算部件2840相同。平滑部件2950被配置为分别对左心室的心肌在相邻图像片之间的运动矢量的每一个运动分量构成的运动分量时间序列进行平滑。
图30示出根据本发明的另一个实施例的心肌运动解析装置的示意性框图。在该实施例中,心肌运动解析装置3000包括与图29所示的轮廓获取部件2910、关联点对配置部件2920、关联点对跟踪部件2930、运动矢量计算部件2940和平滑部件2950的结构和功能相同的轮廓获取部件3010、关联点对配置部件3020、关联点对跟踪部件3030、运动矢量计算部件3040和平滑部件3050。另外,心肌运动解析装置3000还包括轮廓优化部件3060。轮廓优化部件3060被配置为基于左心室在参考图像片中的心内膜轮廓和心外膜轮廓,利用左心室的心肌在相邻图像片之间的经平滑的运动分量时间序列来获得左心室在所述图像片时间序列中每个其他图像片中的新的心内膜轮廓和心外膜轮廓,从而使得到的轮廓更加准确。
图31示出根据本发明的另一个实施例的心肌运动解析装置的示意性框图。在该实施例中,心肌运动解析装置3100除了包括与图28中所示的心肌运动装置相同的轮廓获取部件3110、关联点对配置部件3120、关联点对跟踪部件3130和运动矢量计算部件3140之外,还包括参数计算部件3170和呈现部件3180。参数计算部件3170被配置为根据左心室的心肌在相邻图像片之间的运动矢量来计算左心室的心肌的应变。呈现部件3180被配置为将左心室的心肌的应变呈现在相应的原始图像片上。
另外,优选地,心肌运动解析装置3100还可以包括平滑部件3150和/或轮廓优化部件3160。平滑部件3150的结构和功能与图29所示的平滑部件2950相同。
关于心肌运动解析装置中每个部件的更多详细操作,可以参考以上在<3.心肌运动解析方法>部分中对根据本发明实施例的心肌运动解析方法的描述,这里不再重复。
根据本发明实施例的心肌运动解析装置以关联点对的运动来表征心肌的运动,由于增加了约束,因此能够更稳定地解析心肌的运动。另外,通过将心肌的运动矢量分解为心脏收缩/舒张、周向伸缩、旋转和扭曲等运动分量,能够较为全面地解析心肌的运动。此外,通过对心肌的各个运动分量进行平滑,来使得由心肌的各个运动分量组成的运动矢量更加准确,从而使心肌的运动解析更加准确。基于平滑后的运动矢量来重新获得心内膜轮廓和心外膜轮廓,使得获得的轮廓更加准确。
<8.用于三维医学图像时间序列的心肌运动解析装置>
图32示出根据本发明的另一个实施例的心肌运动解析装置的示意性框图。
根据该实施例的心肌运动解析装置用于在三维医学图像时间序列中解析左心室的心肌的运动。三维医学图像时间序列包括分别在一个心动周期中的多个时刻获得的多个三维图像。每个三维图像由与左心室的长轴相交的多个平行二维图像片构成。在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列。
如图32所示,心肌运动解析装置3200包括解析部件3210。解析部件3210被配置为分别在每一个医学图像片时间序列中解析左心室的心肌的运动。这里,解析部件3210可以以在<7.心肌运动解析装置>部分中描述的心肌运动解析装置来实施。心肌在同一时刻的多个二维图像片中的运动构成左心室在该时刻的运动。
另外,心肌运动解析装置3200还可以包括控制部件(未示出),以便将三维医学图像时间序列中的图像片时间序列逐个输入到解析部件3210中。
此外,心肌运动识别装置3200还可以包括极限位置识别装置(未示出),以从三维医学图像时间序列中识别出心基部分的图像片时间序列和心尖部分的图像片时间序列。
<9.可实施根据本发明的实施例的方法/装置的计算机结构>
作为一个示例,上述运动对象轮廓跟踪方法和心肌运动解析方法的各个步骤以及上述运动对象轮廓跟踪装置和心肌运动解析装置的各个组成部件、模块和/或单元可以实施为医疗诊断装置(如X射线诊断装置、UL诊断装置、CT装置、MRI诊断装置或PET装置等)中的软件、固件、硬件或其组合,并作为该医疗诊断装置中的一部分。作为一个示例,可以在已有医疗诊断装置中实施根据本公开的上述方法和/或设备,其中对已有医疗诊断装置的各组成部分作一定修改即可。作为另一示例,上述方法的各个步骤以及上述设备的各个组成部件、模块和/或单元可以实施为独立于所述医疗诊断装置的装置。上述设备中各个组成部件、模块、单元通过软件、固件、硬件或其组合的方式进行配置时可使用的具体手段或方式为本领域技术人员所熟知,在此不再赘述。
作为一个示例,上述方法的各个步骤以及上述装置的各个组成部件、模块和/或单元可以实施为软件、固件、硬件或其组合。在通过软件或固件实现的情况下,可以从存储介质或网络向具有专用硬件结构的计算机(例如图33所示的通用计算机3300)安装构成用于实施上述方法的软件的程序,该计算机在安装有各种程序时,能够执行各种功能等。
在图33中,运算处理单元(即CPU)3301根据只读存储器(ROM)3302中存储的程序或从存储部分3308加载到随机存取存储器(RAM)3303的程序执行各种处理。在RAM3303中,也根据需要存储当CPU3301执行各种处理等等时所需的数据。CPU3301、ROM3302和RAM3303经由总线3304彼此链路。输入/输出接口3305也链路到总线3304。
下述部件链路到输入/输出接口3305:输入部分3306(包括键盘、鼠标等等)、输出部分3307(包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分3308(包括硬盘等)、通信部分3309(包括网络接口卡比如LAN卡、调制解调器等)。通信部分3309经由网络比如因特网执行通信处理。根据需要,驱动器3310也可链路到输入/输出接口3305。可拆卸介质3311比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器3310上,使得从中读出的计算机程序根据需要被安装到存储部分3308中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质3311安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图33所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质3311。可拆卸介质3311的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM3302、存储部分3308中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
本公开还提出一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时,可执行上述根据本公开实施例的方法。
相应地,用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本公开的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
在上面对本公开具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以用相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在上述实施例和示例中,采用了数字组成的附图标记来表示各个步骤和/或单元。本领域的普通技术人员应理解,这些附图标记只是为了便于叙述和绘图,而并非表示其顺序或任何其他限定。
此外,本公开的方法不限于按照说明书中描述的时间顺序来执行,也可以按照其他的时间顺序地、并行地或独立地执行。因此,本说明书中描述的方法的执行顺序不对本公开的技术范围构成限制。
本技术还可以如下配置。
(1)一种运动对象轮廓跟踪装置,用于在图像片时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述图像片时间序列包括分别在所述运动对象的一个运动周期中的多个时刻获得的多个图像片,所述装置包括:
轮廓跟踪部件,被配置为:
以所述运动对象在该图像片时间序列中的预定图像片中的初始轮廓作为起始轮廓,在第一时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到所述运动对象在所述图像片时间序列中的每个图像片中的第一轮廓,其中,以所述第一时间方向上的最后一个图像片作为第一个图像片的在前图像片;以及
以所述初始轮廓作为起始轮廓,在第二时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到所述运动对象在所述图像片时间序列中的每个图像片中的第二轮廓,其中,以所述第二时间方向上的最后一个图像片作为第一个图像片的在前图像片;
轮廓比较部件,被配置为计算所述运动对象在所述预定图像片中的第一轮廓与所述初始轮廓的相似度作为第一相似度,以及所述运动对象在所述预定图像片中的第二轮廓与所述初始轮廓的相似度作为第二相似度;以及
轮廓校正部件,被配置为以所述轮廓跟踪部件在所述第一相似度与所述第二相似度中较大的一个所对应的轮廓跟踪方向上得到的各个图像片中的轮廓,作为所述运动对象在相应图像片中的轮廓。
(2)根据(1)的装置,其中,所述轮廓跟踪部件包括:
感兴趣区域生成部件,被配置为对所述运动对象在当前图像片中的轮廓进行膨胀,以得到轮廓感兴趣区域;
跟踪单元划分部件,被配置为将所述轮廓感兴趣区域划分成多个预定大小的跟踪单元;
匹配部件,被配置为通过模板匹配来得到所述多个跟踪单元在下一个图像片中的位置;
运动矢量计算部件,被配置为根据所述多个跟踪单元在下一个图像片中的位置来计算所述多个跟踪单元从当前图像片到下一个图像片的运动矢量;以及
下一轮廓确定部件,被配置为基于所述运动对象在当前图像片中的轮廓和所述多个跟踪单元从当前图像片到下一个图像片的运动矢量来得到所述运动对象在下一个图像片中的轮廓。
(3)根据(2)的装置,其中,
所述运动矢量计算部件被进一步配置为计算所述运动对象在当前图像片中的轮廓上的每个轮廓点在预定范围内的相邻跟踪单元的运动矢量的加权平均,作为该轮廓点从当前图像片到下一个图像片的运动矢量;以及
所述下一轮廓确定部件被进一步配置为根据所述运动对象在当前图像片中的轮廓上的每个轮廓点的运动矢量来移动所述运动对象在当前图像片中的轮廓,以得到所述运动对象在下一个图像片中的轮廓。
(4)根据(1)的装置,其中,所述运动对象是左心室,所述图像片时间序列包括分别在一个心动周期中的多个时刻针对所述左心室的与左心室的长轴相交的一个截面获得的多个图像片,并且所述装置还包括初始轮廓获取部件,用于获取所述初始轮廓,所述初始轮廓获取部件包括:
坐标变换部件,被配置为将所述预定图像片变换到极坐标系中,以及将心内膜轮廓获取部件在所述极坐标系中获取的所述左心室的心内膜轮廓作为初始轮廓映射到原始的所述预定图像片中;以及
所述心内膜轮廓获取部件,被配置为在所述极坐标系中获取所述左心室的心内膜轮廓。
(5)根据(4)的装置,其中,所述心内膜轮廓获取部件包括:
边缘检测部件,被配置为检测所述预定图像片中的边缘;
轮廓定位部件,被配置为在所述极坐标系中利用所述预定图像片的灰度图像的水平投影来获取所述左心室在所述预定图像片中的心内膜轮廓的半径;以及
轮廓拟合部件,被配置为在所述极坐标系中利用直线检测方法从位于所述左心室的心内膜轮廓的半径附近的边缘获得所述左心室的心内膜轮廓。
(6)根据(1)的装置,其中,所述运动对象是左心室,所述图像片时间序列包括分别在一个心动周期中的多个时刻针对所述左心室的与左心室的长轴相交的一个截面获得的多个图像片,并且所述装置还包括初始轮廓获取部件,用于获取所述初始轮廓,所述初始轮廓获取部件包括:
坐标变换部件,被配置为将所述预定图像片变换到极坐标系中,以及将心外膜轮廓获取部件在所述极坐标系中获取的所述左心室的心外膜轮廓作为初始轮廓映射到原始的所述预定图像片中;以及
所述心外膜轮廓获取部件,被配置为在所述极坐标系中获取所述左心室的心外膜轮廓。
(7)根据(6)的装置,其中,所述心外膜轮廓获取部件包括:
边缘检测部件,被配置为检测所述预定图像片中的边缘;
轮廓定位部件,被配置为在所述极坐标系中利用所述预定图像片的灰度图像的水平投影来获取所述左心室在所述预定图像片中的心内膜轮廓的半径,以及在所述极坐标系中利用所述预定图像片的边缘图像的水平投影和所述左心室的心内膜轮廓的半径来获取所述左心室在所述预定图像片中的心外膜轮廓的半径;以及
轮廓拟合部件,被配置为在所述极坐标系中利用曲线拟合方法从位于所述左心室的心外膜轮廓的半径附近的边缘获得所述左心室的心外膜轮廓。
(8)根据(1)的装置,还包括:
插值判断部件,被配置用于判断所述图像片时间序列所跨的时间间隔是否小于所述运动对象的运动周期;以及
插值执行部件,被配置用于在所述图像片时间序列所跨的时间间隔小于所述运动对象的运动周期时,在所述图像片时间序列中插入使用图像插值方法预测出的补偿图像片。
(9)根据(1)至(8)中任意一项的装置,其中,所述图像片时间序列是根据通过医疗诊断装置获得的数据而形成的医学图像序列。
(10)一种运动对象轮廓跟踪装置,用于在三维图像时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述三维图像时间序列包括分别在所述运动对象的一个运动周期中的多个时刻获得的多个三维图像,每个三维图像由平行的多个二维图像片构成,且在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列,所述装置包括:
跟踪部件,以根据(1)-(9)中任一项的运动对象轮廓跟踪装置来实施,用于分别在每一个图像片时间序列中跟踪所述运动对象的轮廓,
其中,所述运动对象在同一时刻的所述多个二维图像片中的轮廓构成所述运动对象在该时刻的三维轮廓。
(11)一种心肌运动解析装置,用于在医学图像片时间序列中解析左心室的心肌的运动,所述图像片时间序列包括分别在一个心动周期中的多个时刻针对所述左心室的与左心室的长轴相交的一个截面获得的多个图像片,所述装置包括:
轮廓获取部件,被配置为获取左心室在每个图像片中的心内膜轮廓和心外膜轮廓;
关联点对配置部件,被配置为:将所述图像片时间序列中的参考图像片中的心内膜轮廓和心外膜轮廓上的轮廓点配置成多个关联点对,每个关联点对包含心内膜轮廓上的一个轮廓点和心外膜轮廓上的一个轮廓点,并且每个关联点对中的两个轮廓点位于左心室壁在所述参考图像片中的参考轮廓的同一条法线上;
关联点对跟踪部件,被配置为确定每个关联点对在所述图像片时间序列中的其他图像片中的位置;以及
运动矢量计算部件,被配置为根据所述多个关联点对在所述图像片时间序列中的相邻图像片中的位置来计算左心室的由心内膜轮廓和心外膜轮廓限定的心肌在所述相邻图像片之间的运动矢量。
(12)根据(11)的装置,其中,所述运动矢量计算部件被进一步配置为:
计算左心室的心肌在相邻图像片之间的运动矢量的以下多个运动分量:心脏收缩/舒张、左心室的心肌的周向伸缩、左心室的心肌的旋转、以及左心室的心肌的扭曲。
(13)根据(12)的装置,其中,所述运动矢量计算部件被进一步配置为计算每个关联点对所限定的线段在所述参考图像片中的所述参考轮廓的经过所述关联点对中的任一轮廓点的法线方向上的投影在相邻图像片之间的差,作为计算心脏收缩/舒张的运动分量。
(14)根据(12)的装置,其中,所述运动矢量计算部件被进一步配置为计算每个关联点对所限定的线段以及所述关联点对的相邻关联点对所限定的线段之间的距离在所述参考图像片中的所述参考轮廓的经过所述关联点对所限定的线段的切线方向上的投影在相邻图像片之间的差,作为左心室的心肌的周向伸缩的运动分量。
(15)根据(12)的装置,其中,所述运动矢量计算部件被进一步配置为计算每个关联点对所限定的线段与所述参考图像片中的所述参考轮廓的经过所述关联点对所限定的线段的法线方向的夹角在相邻图像片之间的差,作为左心室的心肌的旋转的运动分量。
(16)根据(12)的装置,其中,所述运动矢量计算部件被进一步配置为计算所述参考图像片中的所述参考轮廓的经过每个关联点对中的任一轮廓点的法线方向与所述参考图像片中的所述参考轮廓的经过该关联点对所限定的线段的中点的法线方向的夹角在相邻图像片之间的差,作为左心室的心肌的扭曲的运动分量。
(17)根据(11)-(16)中任一项的装置,其中,左心室壁在所述参考图像片中的参考轮廓为:心内膜轮廓,或者心外膜轮廓,或者从心内膜轮廓和心外膜轮廓得到的平均轮廓。
(18)根据(11)的装置,其中,所述轮廓获取部件以根据(3)的运动对象轮廓跟踪装置来实施,所述关联点对跟踪部件被进一步配置用于:
基于作为运动对象的左心室在当前图像片中的心内膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量来得到每个心内膜轮廓点在下一个图像片中的位置;
基于作为运动对象的左心室在当前图像片中的心外膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量来得到每个心外膜轮廓点在下一个图像片中的位置;以及
基于每个心内膜轮廓点在下一个图像片中的位置和每个心外膜轮廓点在下一个图像片中的位置来确定每个关联点对在下一个图像片中的位置。
(19)根据(12)的装置,还包括平滑部件,被配置为分别对左心室的心肌在相邻图像片之间的运动矢量的每一个运动分量构成的运动分量时间序列进行平滑。
(20)根据(19)的装置,还包括轮廓优化部件,被配置为基于左心室在所述参考图像片中的心内膜轮廓和心外膜轮廓,利用左心室的心肌在相邻图像片之间的经平滑的运动分量时间序列来获得左心室在所述图像片时间序列中每个其他图像片中的新的心内膜轮廓和心外膜轮廓。
(21)根据(11)的装置,还包括:
参数计算部件,被配置为根据左心室的心肌在相邻图像片之间的运动矢量来计算左心室的心肌的应变;以及
呈现部件,被配置为将左心室的心肌的应变呈现在相应的原始图像片上。
(22)根据(11)的装置,其中,所述轮廓获取部件以根据(1)-(9)中任一项的运动对象轮廓跟踪装置来实施,并被进一步配置为:
从所述图像片时间序列中跟踪作为运动对象的左心室的心内膜轮廓,以得到左心室在每个图像片中的心内膜轮廓;以及
从所述图像片时间序列中跟踪作为运动对象的左心室的心外膜轮廓,以得到左心室在每个图像片中的心外膜轮廓。
(23)一种心肌运动解析装置,用于在三维医学图像时间序列中解析左心室的心肌的运动,所述三维医学图像时间序列包括分别在一个心动周期中的多个时刻获得的多个三维图像,每个三维图像由与所述左心室的长轴相交的多个平行二维图像片构成,且在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列,所述装置包括:
解析部件,以根据(11)-(22)中任一项的心肌运动解析装置来实施,并被配置为分别在每一个医学图像片时间序列中解析左心室的心肌的运动,
其中,心肌在同一时刻的所述多个二维图像片中的运动构成左心室在该时刻的运动。
(24)一种运动对象轮廓跟踪方法,用于在图像片时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述图像片时间序列包括分别在所述运动对象的一个运动周期中的多个时刻获得的多个图像片,包括:
以所述运动对象在该图像片时间序列中的预定图像片中的初始轮廓作为起始轮廓,在第一时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到所述运动对象在所述图像片时间序列中的每个图像片中的第一轮廓,其中,以所述第一时间方向上的最后一个图像片作为第一个图像片的在前图像片;
以所述初始轮廓作为起始轮廓,在第二时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到所述运动对象在所述图像片时间序列中的每个图像片中的第二轮廓,其中,以所述第二时间方向上的最后一个图像片作为第一个图像片的在前图像片;
计算所述运动对象在所述预定图像片中的第一轮廓与所述初始轮廓的相似度作为第一相似度,以及所述运动对象在所述预定图像片中的第二轮廓与所述初始轮廓的相似度作为第二相似度;以及
以在所述第一相似度与所述第二相似度中较大的一个所对应的轮廓跟踪方向上得到的各个图像片中的轮廓,作为所述运动对象在相应图像片中的轮廓。
(25)根据(24)的方法,其中,所述轮廓跟踪包括:
对所述运动对象在当前图像片中的轮廓进行膨胀,以得到轮廓感兴趣区域;
将所述轮廓感兴趣区域划分成多个预定大小的跟踪单元;
通过模板匹配来得到所述多个跟踪单元在下一个图像片中的位置;
根据所述多个跟踪单元在下一个图像片中的位置来计算所述多个跟踪单元从当前图像片到下一个图像片的运动矢量;以及
基于所述运动对象在当前图像片中的轮廓和所述多个跟踪单元从当前图像片到下一个图像片的运动矢量来得到所述运动对象在下一个图像片中的轮廓。
(26)根据(25)的方法,其中,得到所述运动对象在下一个图像片中的轮廓包括:
计算所述运动对象在当前图像片中的轮廓上的每个轮廓点在预定范围内的相邻跟踪单元的运动矢量的加权平均,作为该轮廓点从当前图像片到下一个图像片的运动矢量;以及
根据所述运动对象在当前图像片中的轮廓上的每个轮廓点的运动矢量来移动所述运动对象在当前图像片中的轮廓,以得到所述运动对象在下一个图像片中的轮廓。
(27)根据(24)的方法,其中,所述运动对象是左心室,所述图像片时间序列包括分别在一个心动周期中的多个时刻针对所述左心室的与左心室的长轴相交的一个截面获得的多个图像片,所述方法还包括:
将所述预定图像片变换到极坐标系中;
在所述极坐标系中获取所述左心室的心内膜轮廓,作为所述左心室在所述预定图像片中的初始轮廓;以及
将在所述极坐标系中获取的所述左心室的初始轮廓映射到原始的所述预定图像片中。
(28)根据(27)的方法,其中,在所述极坐标系中获取所述左心室的心内膜轮廓包括:
检测所述预定图像片中的边缘;
在所述极坐标系中利用所述预定图像片的灰度图像的水平投影来获取所述左心室在所述预定图像片中的心内膜轮廓的半径;以及
在所述极坐标系中利用直线检测方法从位于所述左心室的心内膜轮廓的半径附近的边缘获得所述左心室的心内膜轮廓。
(29)根据(24)的方法,其中,所述运动对象是左心室,所述图像片时间序列包括分别在一个心动周期中的多个时刻针对所述左心室的与左心室的长轴相交的一个截面获得的多个图像片,所述方法还包括:
将所述预定图像片变换到极坐标系中;
在所述极坐标系中获取所述左心室的心外膜轮廓,作为所述左心室在所述预定图像片中的初始轮廓;以及
将在所述极坐标系中获取的所述左心室的初始轮廓映射到原始的所述预定图像片中。
(30)根据(29)的方法,其中,在所述极坐标系中获取所述左心室的心外膜轮廓包括:
检测所述预定图像片中的边缘;
在所述极坐标系中利用所述预定图像片的灰度图像的水平投影来获取所述左心室在所述预定图像片中的心内膜轮廓的半径;
在所述极坐标系中利用所述预定图像片的边缘图像的水平投影和所述左心室的心内膜轮廓的半径来获取所述左心室在所述预定图像片中的心外膜轮廓的半径;以及
在所述极坐标系中利用曲线拟合方法从位于所述左心室的心外膜轮廓的半径附近的边缘获得所述左心室的心外膜轮廓。
(31)根据(24)的方法,在进行轮廓跟踪之前,还包括:
判断所述图像片时间序列所跨的时间间隔是否小于所述运动对象的运动周期;以及
在所述图像片时间序列所跨的时间间隔小于所述运动对象的运动周期时,在所述图像片时间序列中插入使用图像插值方法预测出的补偿图像片。
(32)根据(24)-(31)中任意一项的方法,其中,所述图像片时间序列是根据通过医疗诊断装置获得的数据而形成的医学图像序列。
(33)一种运动对象轮廓跟踪方法,用于在三维图像时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述三维图像时间序列包括分别在所述运动对象的一个运动周期中的多个时刻获得的多个三维图像,每个三维图像由平行的多个二维图像片构成,且在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列,所述方法包括:
使用根据(24)-(32)中任一项的运动对象轮廓跟踪方法来分别在每一个图像片时间序列中跟踪所述运动对象的轮廓,
其中,所述运动对象在同一时刻的所述多个二维图像片中的轮廓构成所述运动对象在该时刻的三维轮廓。
(34)一种心肌运动解析方法,用于在医学图像片时间序列中解析左心室的心肌的运动,所述图像片时间序列包括分别在一个心动周期中的多个时刻针对所述左心室的与左心室的长轴相交的一个截面获得的多个图像片,所述方法包括:
获取左心室在每个图像片中的心内膜轮廓和心外膜轮廓;
将所述图像片时间序列中的参考图像片中的心内膜轮廓和心外膜轮廓上的轮廓点配置成多个关联点对,每个关联点对包含心内膜轮廓上的一个轮廓点和心外膜轮廓上的一个轮廓点,并且每个关联点对中的两个轮廓点位于左心室壁在所述参考图像片中的参考轮廓的同一条法线上;
确定每个关联点对在所述图像片时间序列中的其他图像片中的位置;以及
根据所述多个关联点对在所述图像片时间序列中的相邻图像片中的位置来计算左心室的由心内膜轮廓和心外膜轮廓限定的心肌在所述相邻图像片之间的运动矢量。
(35)根据(34)的方法,其中,计算左心室的心肌在相邻图像片之间的运动矢量包括:
计算左心室的心肌在相邻图像片之间的运动矢量的以下多个运动分量:心脏收缩/舒张、左心室的心肌的周向伸缩、左心室的心肌的旋转、以及左心室的心肌的扭曲。
(36)根据(35)的方法,其中,计算心脏收缩/舒张的运动分量包括:
计算每个关联点对所限定的线段在所述参考图像片中的所述参考轮廓的经过所述关联点对中的任一轮廓点的法线方向上的投影在相邻图像片之间的差。
(37)根据(35)的方法,其中,计算左心室的心肌的周向伸缩的运动分量包括:
计算每个关联点对所限定的线段以及所述关联点对的相邻关联点对所限定的线段之间的距离在所述参考图像片中的所述参考轮廓的经过所述关联点对所限定的线段的切线方向上的投影在相邻图像片之间的差。
(38)根据(35)的方法,其中,计算左心室的心肌的旋转的运动分量包括:
计算每个关联点对所限定的线段与所述参考图像片中的所述参考轮廓的经过所述关联点对所限定的线段的法线方向的夹角在相邻图像片之间的差。
(39)根据(35)的方法,其中,计算左心室的心肌的扭曲的运动分量包括:
计算所述参考图像片中的所述参考轮廓的经过每个关联点对中的任一轮廓点的法线方向与所述参考图像片中的所述参考轮廓的经过该关联点对所限定的线段的中点的法线方向的夹角在相邻图像片之间的差。
(40)根据(34)-(39)中任一项的方法,其中,左心室壁在所述参考图像片中的参考轮廓为:心内膜轮廓,或者心外膜轮廓,或者从心内膜轮廓和心外膜轮廓得到的平均轮廓。
(41)根据(34)的方法,其中,确定每个关联点对在所述图像片时间序列中的其他图像片中的位置包括:
使用根据(26)的运动对象轮廓跟踪方法来得到作为运动对象的左心室在当前图像片中的心内膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量;
基于每个心内膜轮廓点的从当前图像片到下一个图像片的运动矢量来得到该心内膜轮廓点在下一个图像片中的位置;
使用根据(26)的运动对象轮廓跟踪方法来得到作为运动对象的左心室在当前图像片中的心外膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量;
基于每个心外膜轮廓点的从当前图像片到下一个图像片的运动矢量来得到该心外膜轮廓点在下一个图像片中的位置;以及
基于每个心内膜轮廓点在下一个图像片中的位置和每个心外膜轮廓点在下一个图像片中的位置来确定每个关联点对在下一个图像片中的位置。
(42)根据(34)的方法,还包括:分别对左心室的心肌在相邻图像片之间的运动矢量的每一个运动分量构成的运动分量时间序列进行平滑。
(43)根据(42)的方法,还包括:基于左心室在所述参考图像片中的心内膜轮廓和心外膜轮廓,利用左心室的心肌在相邻图像片之间的经平滑的运动分量时间序列来获得左心室在所述图像片时间序列中每个其他图像片中的新的心内膜轮廓和心外膜轮廓。
(44)根据(34)的方法,还包括:
根据左心室的心肌在相邻图像片之间的运动矢量来计算左心室的心肌的应变;以及
将左心室的心肌的应变呈现在图像上。
(45)根据(34)的方法,其中,获取左心室在所述图像片时间序列中的每个图像片中的心内膜轮廓和心外膜轮廓包括:
使用根据(24)-(32)中任一项的运动对象轮廓跟踪方法来从所述图像片时间序列中跟踪作为运动对象的左心室的心内膜轮廓,以得到左心室在每个图像片中的心内膜轮廓;以及
使用根据(24)-(32)中任一项的运动对象轮廓跟踪方法从所述图像片时间序列中跟踪作为运动对象的左心室的心外膜轮廓,以得到左心室在每个图像片中的心外膜轮廓。
(46)一种心肌运动解析方法,用于在三维医学图像时间序列中解析左心室的心肌的运动,所述三维医学图像时间序列包括分别在一个心动周期中的多个时刻获得的多个三维图像,每个三维图像由与所述左心室的长轴相交的多个平行二维图像片构成,且在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列,所述方法包括:
使用根据(34)-(45)中任一项的心肌运动解析方法分别在每一个医学图像片时间序列中解析左心室的心肌的运动,
其中,心肌在同一时刻的所述多个二维图像片中的运动构成左心室在该时刻的运动。
尽管上面已经通过对本公开的具体实施例的描述对本公开进行了披露,但是,应该理解,上述的所有实施例和示例均是示例性的,而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本公开的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本公开的保护范围内。
Claims (13)
1.一种心肌运动解析装置,用于在医学图像片时间序列中解析左心室的心肌的运动,所述图像片时间序列包括分别在一个心动周期中的多个时刻针对所述左心室的与左心室的长轴相交的一个截面获得的多个图像片,
所述心肌运动解析装置的特征在于,包括:
轮廓获取部件,被配置为获取左心室在每个图像片中的心内膜轮廓和心外膜轮廓;
关联点对配置部件,被配置为:将所述图像片时间序列中的参考图像片中的心内膜轮廓和心外膜轮廓上的轮廓点配置成多个关联点对,每个关联点对包含心内膜轮廓上的一个轮廓点和心外膜轮廓上的一个轮廓点,并且每个关联点对中的两个轮廓点位于左心室壁在所述参考图像片中的参考轮廓的同一条法线上;
关联点对跟踪部件,被配置为确定每个关联点对在所述图像片时间序列中的其他图像片中的位置;以及
运动矢量计算部件,被配置为根据所述多个关联点对在所述图像片时间序列中的相邻图像片中的位置来计算左心室的由心内膜轮廓和心外膜轮廓限定的心肌在所述相邻图像片之间的运动矢量。
2.根据权利要求1所述的心肌运动解析装置,其特征在于,
所述运动矢量计算部件被进一步配置为:
计算左心室的心肌在相邻图像片之间的运动矢量中的以下至少任一运动分量:心脏收缩/舒张、左心室的心肌的周向伸缩、左心室的心肌的旋转、以及左心室的心肌的扭曲。
3.根据权利要求2所述的心肌运动解析装置,其特征在于,
所述运动矢量计算部件被进一步配置为:
计算每个关联点对所限定的线段在所述参考图像片中的所述参考轮廓的经过所述关联点对中的任一轮廓点的法线方向上的投影在相邻图像片之间的差,作为计算心脏收缩/舒张的运动分量。
4.根据权利要求2所述的心肌运动解析装置,其特征在于,
所述运动矢量计算部件被进一步配置为:
计算每个关联点对所限定的线段以及所述关联点对的相邻关联点对所限定的线段之间的距离在所述参考图像片中的所述参考轮廓的经过所述关联点对所限定的线段的切线方向上的投影在相邻图像片之间的差,作为左心室的心肌的周向伸缩的运动分量。
5.根据权利要求2所述的心肌运动解析装置,其特征在于,
所述运动矢量计算部件被进一步配置为:
计算每个关联点对所限定的线段与所述参考图像片中的所述参考轮廓的经过所述关联点对所限定的线段的法线方向的夹角在相邻图像片之间的差,作为左心室的心肌的旋转的运动分量。
6.根据权利要求2所述的心肌运动解析装置,其特征在于,
所述运动矢量计算部件被进一步配置为:
计算所述参考图像片中的所述参考轮廓的经过每个关联点对中的任一轮廓点的法线方向与所述参考图像片中的所述参考轮廓的经过该关联点对所限定的线段的中点的法线方向的夹角在相邻图像片之间的差,作为左心室的心肌的扭曲的运动分量。
7.根据权利要求1~6中的任一项所述的心肌运动解析装置,其特征在于,
左心室在所述参考图像片中的参考轮廓为:心内膜轮廓,或者心外膜轮廓,或者从心内膜轮廓和心外膜轮廓得到的平均轮廓。
8.根据权利要求1所述的心肌运动解析装置,其特征在于,
所述轮廓获取部件以运动对象轮廓跟踪装置来实施,所述运动对象轮廓跟踪装置用于在图像片时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述图像片时间序列包括分别在所述运动对象的一个运动周期中的多个时刻获得的多个图像片,
所述关联点对跟踪部件被进一步配置用于:
基于作为运动对象的左心室在当前图像片中的心内膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量来得到每个心内膜轮廓点在下一个图像片中的位置;
基于作为运动对象的左心室在当前图像片中的心外膜轮廓上的轮廓点的从当前图像片到下一个图像片的运动矢量来得到每个心外膜轮廓点在下一个图像片中的位置;以及
基于每个心内膜轮廓点在下一个图像片中的位置和每个心外膜轮廓点在下一个图像片中的位置来确定每个关联点对在下一个图像片中的位置,
所述运动对象轮廓跟踪装置包括:
轮廓跟踪部件,被配置为:以所述运动对象在该图像片时间序列中的预定图像片中的初始轮廓作为起始轮廓,在第一时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到所述运动对象在所述图像片时间序列中的每个图像片中的第一轮廓,其中,以所述第一时间方向上的最后一个图像片作为第一个图像片的在前图像片;以及以所述初始轮廓作为起始轮廓,在第二时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到所述运动对象在所述图像片时间序列中的每个图像片中的第二轮廓,其中,以所述第二时间方向上的最后一个图像片作为第一个图像片的在前图像片;
轮廓比较部件,被配置为计算所述运动对象在所述预定图像片中的第一轮廓与所述初始轮廓的相似度作为第一相似度,以及所述运动对象在所述预定图像片中的第二轮廓与所述初始轮廓的相似度作为第二相似度;以及
轮廓校正部件,被配置为以所述轮廓跟踪部件在所述第一相似度与所述第二相似度中较大的一个所对应的轮廓跟踪方向上得到的各个图像片中的轮廓,作为所述运动对象在相应图像片中的轮廓,
所述轮廓跟踪部件具备:
感兴趣区域生成部件,被配置为对所述运动对象在当前图像片中的轮廓进行膨胀,以得到轮廓感兴趣区域;
跟踪单元划分部件,被配置为将所述轮廓感兴趣区域划分成多个预定大小的跟踪单元;
匹配部件,被配置为通过模板匹配来得到所述多个跟踪单元在下一个图像片中的位置;
运动矢量计算部件,被配置为根据所述多个跟踪单元在下一个图像片中的位置来计算所述多个跟踪单元从当前图像片到下一个图像片的运动矢量;以及
下一轮廓确定部件,被配置为基于所述运动对象在当前图像片中的轮廓和所述多个跟踪单元从当前图像片到下一个图像片的运动矢量来得到所述运动对象在下一个图像片中的轮廓,
所述运动矢量计算部件被进一步配置为计算所述运动对象在当前图像片中的轮廓上的每个轮廓点在预定范围内的相邻跟踪单元的运动矢量的加权平均,作为该轮廓点从当前图像片到下一个图像片的运动矢量,
所述下一轮廓确定部件被进一步配置为根据所述运动对象在当前图像片中的轮廓上的每个轮廓点的运动矢量来移动所述运动对象在当前图像片中的轮廓,以得到所述运动对象在下一个图像片中的轮廓。
9.根据权利要求2所述的心肌运动解析装置,其特征在于,包括平滑部件,被配置为对左心室的心肌在相邻图像片之间的运动矢量的每一个运动分量构成的运动分量时间序列进行平滑。
10.根据权利要求9所述的心肌运动解析装置,其特征在于,包括轮廓优化部件,被配置为基于左心室在所述参考图像片中的心内膜轮廓和心外膜轮廓,利用左心室的心肌在相邻图像片之间的经平滑的运动分量时间序列来获得左心室在所述图像片时间序列中每个其他图像片中的新的心内膜轮廓和心外膜轮廓。
11.根据权利要求1所述的心肌运动解析装置,其特征在于,包括:
参数计算部件,被配置为根据左心室的心肌在相邻图像片之间的运动矢量来计算左心室的心肌的应变;以及
呈现部件,被配置为将左心室的心肌的应变呈现在现在的相应的原始图像片上。
12.根据权利要求1所述的心肌运动解析装置,其特征在于,
所述轮廓获取部件以运动对象轮廓跟踪装置来实施,所述运动对象轮廓跟踪装置用于在图像片时间序列中跟踪作周期性变形运动的运动对象的轮廓,所述图像片时间序列包括分别在所述运动对象的一个运动周期中的多个时刻获得的多个图像片,
并且所述轮廓获取部件被进一步配置为:
从所述图像片时间序列中跟踪作为运动对象的左心室的心内膜轮廓,以得到左心室在每个图像片中的心内膜轮廓;以及
从所述图像片时间序列中跟踪作为运动对象的左心室的心外膜轮廓,以得到左心室在每个图像片中的心外膜轮廓。
所述运动对象轮廓跟踪装置包括:
轮廓跟踪部件,被配置为:以所述运动对象在该图像片时间序列中的预定图像片中的初始轮廓作为起始轮廓,在第一时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到所述运动对象在所述图像片时间序列中的每个图像片中的第一轮廓,其中,以所述第一时间方向上的最后一个图像片作为第一个图像片的在前图像片;以及以所述初始轮廓作为起始轮廓,在第二时间方向上在所述图像片时间序列中进行轮廓跟踪,以得到所述运动对象在所述图像片时间序列中的每个图像片中的第二轮廓,其中,以所述第二时间方向上的最后一个图像片作为第一个图像片的在前图像片;
轮廓比较部件,被配置为计算所述运动对象在所述预定图像片中的第一轮廓与所述初始轮廓的相似度作为第一相似度,以及所述运动对象在所述预定图像片中的第二轮廓与所述初始轮廓的相似度作为第二相似度;以及
轮廓校正部件,被配置为以所述轮廓跟踪部件在所述第一相似度与所述第二相似度中较大的一个所对应的轮廓跟踪方向上得到的各个图像片中的轮廓,作为所述运动对象在相应图像片中的轮廓。
13.一种心肌运动解析装置,用于在三维医学图像时间序列中解析左心室的心肌的运动,所述三维医学图像时间序列包括分别在一个心动周期中的多个时刻获得的多个三维图像,每个三维图像由与所述左心室的长轴相交的多个平行二维图像片构成,且在所述多个三维图像中同一位置的多个二维图像片构成一个图像片时间序列,
所述心肌运动解析装置的特征在于,
还包括解析部件,该解析部件以权利要求1~12中的任一项的心肌运动解析装置来实施,并被配置为分别在每一个医学图像片时间序列中解析左心室的心肌的运动,
其中,心肌在同一时刻的所述多个二维图像片中的运动构成左心室在该时刻的运动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510434427.7A CN105105775B (zh) | 2011-07-19 | 2011-07-19 | 心肌运动解析装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110209868.9A CN102890824B (zh) | 2011-07-19 | 2011-07-19 | 运动对象轮廓跟踪方法和装置 |
CN201510434427.7A CN105105775B (zh) | 2011-07-19 | 2011-07-19 | 心肌运动解析装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110209868.9A Division CN102890824B (zh) | 2011-07-19 | 2011-07-19 | 运动对象轮廓跟踪方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105105775A true CN105105775A (zh) | 2015-12-02 |
CN105105775B CN105105775B (zh) | 2018-11-09 |
Family
ID=46578873
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510434427.7A Active CN105105775B (zh) | 2011-07-19 | 2011-07-19 | 心肌运动解析装置 |
CN201110209868.9A Active CN102890824B (zh) | 2011-07-19 | 2011-07-19 | 运动对象轮廓跟踪方法和装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110209868.9A Active CN102890824B (zh) | 2011-07-19 | 2011-07-19 | 运动对象轮廓跟踪方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (2) | US9171220B2 (zh) |
EP (2) | EP2738741B1 (zh) |
JP (1) | JP5976431B2 (zh) |
CN (2) | CN105105775B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106923826A (zh) * | 2015-12-31 | 2017-07-07 | 上海联影医疗科技有限公司 | 一种磁共振成像的方法及系统 |
CN109394269A (zh) * | 2018-12-08 | 2019-03-01 | 余姚市华耀工具科技有限公司 | 心脏目标高亮显示平台 |
CN110555261A (zh) * | 2019-08-29 | 2019-12-10 | 清华大学 | 心脏运动的数字三生仿真方法及装置 |
CN111755104A (zh) * | 2020-05-18 | 2020-10-09 | 清华大学 | 一种心脏状态监测方法、系统、电子设备及存储介质 |
CN112932535A (zh) * | 2021-02-01 | 2021-06-11 | 杜国庆 | 一种医学图像分割及检测方法 |
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 |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017193213A1 (en) | 2016-05-10 | 2017-11-16 | Jp Scientific Limited | System and method for desorbing and detecting an analyte sorbed on a solid phase microextraction device |
CN102890823B (zh) * | 2011-07-19 | 2016-04-27 | 株式会社东芝 | 运动对象轮廓提取及左心室图像分割方法和装置 |
CN104219996B (zh) * | 2012-02-06 | 2017-04-05 | 因赛泰克有限公司 | 在运动器官的成像期间的参考库扩展 |
WO2014129428A1 (ja) * | 2013-02-21 | 2014-08-28 | 株式会社 日立メディコ | X線ct装置及び画像再構成方法 |
CN104156975B (zh) * | 2013-05-13 | 2018-04-24 | 东芝医疗系统株式会社 | 医学图像分析装置和方法以及医学成像设备 |
JP5946221B2 (ja) * | 2013-06-11 | 2016-07-05 | 富士フイルム株式会社 | 輪郭修正装置、方法およびプログラム |
JP6382036B2 (ja) | 2013-09-30 | 2018-08-29 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置及び画像処理装置 |
CN103761525B (zh) * | 2013-11-14 | 2017-02-08 | 江西理工大学 | 基于显微ct数字图像处理铝电解用阴极炭块组分检测方法 |
CN104658016B (zh) * | 2013-11-22 | 2019-07-16 | Ge医疗系统环球技术有限公司 | 一种用于ct透视影像的目标跟踪方法、装置及ct机 |
KR102255831B1 (ko) * | 2014-03-26 | 2021-05-25 | 삼성전자주식회사 | 초음파 장치 및 초음파 장치의 영상 인식 방법 |
CA2948046A1 (en) * | 2014-05-06 | 2015-11-12 | Circle Cardiovascular Imaging Inc. | Method and system for analysis of myocardial wall dynamics |
JP6381972B2 (ja) * | 2014-06-02 | 2018-08-29 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置および医用画像診断装置 |
JP5842039B1 (ja) * | 2014-08-15 | 2016-01-13 | 日立アロカメディカル株式会社 | 超音波画像処理装置 |
CN105426927B (zh) * | 2014-08-26 | 2019-05-10 | 东芝医疗系统株式会社 | 医学图像处理装置、医学图像处理方法和医学图像设备 |
JP6382050B2 (ja) * | 2014-09-29 | 2018-08-29 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置、画像処理装置、画像処理方法及び画像処理プログラム |
CN105701846B (zh) * | 2014-11-27 | 2019-01-15 | 东芝医疗系统株式会社 | 医学图像处理装置和方法以及医学成像设备 |
DE102014225282B4 (de) * | 2014-12-09 | 2016-07-21 | Siemens Healthcare Gmbh | Deformationsberechnung bei zyklischer Bewegung eines Untersuchungsobjekts |
CN110063737B (zh) * | 2015-03-03 | 2023-08-01 | 东芝医疗系统株式会社 | 医学图像处理装置和方法、医学图像诊断装置 |
CN107250715B (zh) * | 2015-03-27 | 2019-09-17 | 三菱电机株式会社 | 检测装置 |
CN106709900B (zh) * | 2015-11-17 | 2020-12-18 | 上海联影医疗科技股份有限公司 | 一种心脏灌注磁共振图像的配准方法 |
CN106709919B (zh) * | 2015-11-17 | 2020-08-04 | 上海联影医疗科技有限公司 | 一种心脏灌注磁共振图像的处理方法 |
US10346993B2 (en) * | 2015-11-17 | 2019-07-09 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing in magnetic resonance imaging |
CN105631864B (zh) * | 2015-12-23 | 2018-06-12 | 电子科技大学 | 一种基于时空相关性的心脏表面目标点运动预测方法 |
JP6930978B2 (ja) | 2016-03-02 | 2021-09-01 | ジェイ・ピィ・サイエンティフィック・リミテッドJp Scientific Limited | 固相マイクロ抽出用コーティング |
US10402671B2 (en) * | 2016-03-28 | 2019-09-03 | General Dynamics Mission Systems, Inc. | System and methods for automatic solar panel recognition and defect detection using infrared imaging |
CN106447711B (zh) * | 2016-05-26 | 2019-01-22 | 武汉轻工大学 | 一种多尺度基本几何形状特征提取方法 |
DE102016117889B3 (de) * | 2016-09-22 | 2018-03-15 | Tomtec Imaging Systems Gmbh | Verfahren und Vorrichtung zur Korrektur von durch Tracking-Verfahren ermittelten dynamischen Modellen |
CN107403409B (zh) * | 2017-07-21 | 2021-02-02 | 苏州科达科技股份有限公司 | 图像拼接前的图像处理方法、装置及图像拼接方法及装置 |
US10423819B2 (en) * | 2017-10-31 | 2019-09-24 | Chung Yuan Christian University | Method and apparatus for image processing and visualization for analyzing cell kinematics in cell culture |
JP7129201B2 (ja) * | 2018-04-18 | 2022-09-01 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理方法、及びプログラム |
CN108564082B (zh) * | 2018-04-28 | 2023-06-09 | 苏州赛腾精密电子股份有限公司 | 图像处理方法、装置、服务器和介质 |
JP7106096B2 (ja) * | 2018-05-29 | 2022-07-26 | 学校法人大阪医科薬科大学 | 心機能解析装置、解析方法、プログラムおよび記録媒体 |
CN108898622A (zh) * | 2018-07-05 | 2018-11-27 | 深圳大学 | 一种心脏的运动表征方法、装置及计算机可读存储介质 |
CN109325412B (zh) * | 2018-08-17 | 2023-11-24 | 平安科技(深圳)有限公司 | 行人识别方法、装置、计算机设备及存储介质 |
CN109472786B (zh) * | 2018-11-05 | 2024-05-14 | 平安科技(深圳)有限公司 | 脑出血图像处理方法、装置、计算机设备及存储介质 |
CN109674493B (zh) * | 2018-11-28 | 2021-08-03 | 深圳蓝韵医学影像有限公司 | 医用超声自动追踪颈动脉血管的方法、系统及设备 |
CN109977833B (zh) * | 2019-03-19 | 2021-08-13 | 网易(杭州)网络有限公司 | 物体追踪方法、物体追踪装置、存储介质及电子设备 |
CN112651984A (zh) * | 2020-12-31 | 2021-04-13 | 深圳开立生物医疗科技股份有限公司 | 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质 |
JP7473501B2 (ja) | 2021-05-25 | 2024-04-23 | 富士フイルムヘルスケア株式会社 | 超音波診断装置及び画像処理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030153823A1 (en) * | 1998-08-25 | 2003-08-14 | Geiser Edward A. | Method for automated analysis of apical four-chamber images of the heart |
EP1876567A1 (en) * | 2006-07-04 | 2008-01-09 | Esaote S.p.A. | A method of determining the time dependent behavior of non rigid moving objects, particularly of biological tissues, from echographic ultrasound imaging data |
CN101317773A (zh) * | 2007-06-06 | 2008-12-10 | 株式会社东芝 | 超声波图像处理装置 |
CN101454688A (zh) * | 2006-05-25 | 2009-06-10 | 皇家飞利浦电子股份有限公司 | 心腔壁增厚的量化和显示 |
EP2434454A2 (en) * | 2010-09-27 | 2012-03-28 | Siemens Corporation | Computerized characterization of cardiac motion in medical diagnostic ultrasound |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5239591A (en) * | 1991-07-03 | 1993-08-24 | U.S. Philips Corp. | Contour extraction in multi-phase, multi-slice cardiac mri studies by propagation of seed contours between images |
JP2632501B2 (ja) * | 1994-07-12 | 1997-07-23 | 株式会社グッドマン | 内臓器官の複数画像フレームを使用した生体内における内臓器官輪郭抽出方法 |
US5999651A (en) * | 1997-06-06 | 1999-12-07 | Matsushita Electric Industrial Co., Ltd. | Apparatus and method for tracking deformable objects |
US6368277B1 (en) | 2000-04-05 | 2002-04-09 | Siemens Medical Solutions Usa, Inc. | Dynamic measurement of parameters within a sequence of images |
JP4060615B2 (ja) * | 2002-03-05 | 2008-03-12 | 株式会社東芝 | 画像処理装置及び超音波診断装置 |
GB0228300D0 (en) * | 2002-12-04 | 2003-01-08 | Isis Innovation | Improvements in image velocity estimation |
US7558402B2 (en) | 2003-03-07 | 2009-07-07 | Siemens Medical Solutions Usa, Inc. | System and method for tracking a global shape of an object in motion |
US7421101B2 (en) * | 2003-10-02 | 2008-09-02 | Siemens Medical Solutions Usa, Inc. | System and method for local deformable motion analysis |
JP2005161032A (ja) * | 2003-11-10 | 2005-06-23 | Toshiba Corp | 画像処理装置 |
JP4460973B2 (ja) * | 2004-08-05 | 2010-05-12 | 株式会社東芝 | 画像処理装置 |
JP2006061581A (ja) | 2004-08-30 | 2006-03-09 | Toshiba Corp | 医用運動解析装置、医用運動解析方法および医用運動解析プログラム |
US7813537B2 (en) * | 2006-05-15 | 2010-10-12 | Siemens Medical Solutions Usa, Inc. | Motion-guided segmentation for cine DENSE images |
WO2009031081A2 (en) * | 2007-09-03 | 2009-03-12 | Koninklijke Philips Electronics N.V. | Visualization of voxel data |
JP5319157B2 (ja) * | 2007-09-04 | 2013-10-16 | 株式会社東芝 | 超音波診断装置、超音波画像処理装置、及び超音波画像処理プログラム |
US8433113B2 (en) | 2008-03-12 | 2013-04-30 | Siemens Aktiengesellschaft | Automatic recovery of the left ventricular blood pool in cardiac cine magnetic resonance images |
US8218839B2 (en) * | 2008-05-23 | 2012-07-10 | Siemens Aktiengesellschaft | Automatic localization of the left ventricle in cardiac cine magnetic resonance imaging |
CN101283910B (zh) * | 2008-06-05 | 2010-06-09 | 华北电力大学 | 一种获取冠状动脉血管运动信息的方法 |
JP5491836B2 (ja) * | 2009-01-30 | 2014-05-14 | 株式会社東芝 | 超音波診断装置、超音波画像処理装置、医用画像診断装置及び医用画像処理装置 |
JP5295805B2 (ja) * | 2009-02-05 | 2013-09-18 | 株式会社東芝 | 超音波診断装置、超音波画像処理装置、及び超音波画像処理プログラム |
CN102711626B (zh) * | 2010-01-07 | 2014-12-10 | 株式会社日立医疗器械 | 医用图像诊断装置和医用图像的轮廓提取处理方法 |
-
2011
- 2011-07-19 CN CN201510434427.7A patent/CN105105775B/zh active Active
- 2011-07-19 CN CN201110209868.9A patent/CN102890824B/zh active Active
-
2012
- 2012-07-18 JP JP2012159852A patent/JP5976431B2/ja active Active
- 2012-07-19 EP EP14154500.4A patent/EP2738741B1/en active Active
- 2012-07-19 EP EP12177094.5A patent/EP2549436B1/en active Active
- 2012-07-19 US US13/553,308 patent/US9171220B2/en active Active
-
2015
- 2015-09-11 US US14/852,071 patent/US9275266B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030153823A1 (en) * | 1998-08-25 | 2003-08-14 | Geiser Edward A. | Method for automated analysis of apical four-chamber images of the heart |
CN101454688A (zh) * | 2006-05-25 | 2009-06-10 | 皇家飞利浦电子股份有限公司 | 心腔壁增厚的量化和显示 |
EP1876567A1 (en) * | 2006-07-04 | 2008-01-09 | Esaote S.p.A. | A method of determining the time dependent behavior of non rigid moving objects, particularly of biological tissues, from echographic ultrasound imaging data |
CN101317773A (zh) * | 2007-06-06 | 2008-12-10 | 株式会社东芝 | 超声波图像处理装置 |
EP2434454A2 (en) * | 2010-09-27 | 2012-03-28 | Siemens Corporation | Computerized characterization of cardiac motion in medical diagnostic ultrasound |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106923826A (zh) * | 2015-12-31 | 2017-07-07 | 上海联影医疗科技有限公司 | 一种磁共振成像的方法及系统 |
CN106923826B (zh) * | 2015-12-31 | 2021-02-19 | 上海联影医疗科技股份有限公司 | 一种磁共振成像的方法及系统 |
CN109394269A (zh) * | 2018-12-08 | 2019-03-01 | 余姚市华耀工具科技有限公司 | 心脏目标高亮显示平台 |
CN109394269B (zh) * | 2018-12-08 | 2021-12-10 | 沈阳鹏悦科技有限公司 | 心脏目标高亮显示平台 |
CN110555261A (zh) * | 2019-08-29 | 2019-12-10 | 清华大学 | 心脏运动的数字三生仿真方法及装置 |
CN111755104A (zh) * | 2020-05-18 | 2020-10-09 | 清华大学 | 一种心脏状态监测方法、系统、电子设备及存储介质 |
CN111755104B (zh) * | 2020-05-18 | 2022-11-01 | 清华大学 | 一种心脏状态监测方法、系统、电子设备及存储介质 |
CN112932535A (zh) * | 2021-02-01 | 2021-06-11 | 杜国庆 | 一种医学图像分割及检测方法 |
CN112932535B (zh) * | 2021-02-01 | 2022-10-18 | 杜国庆 | 一种医学图像分割及检测方法 |
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 |
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 |
---|---|
JP2013022462A (ja) | 2013-02-04 |
EP2738741B1 (en) | 2017-11-29 |
US9275266B2 (en) | 2016-03-01 |
EP2549436A3 (en) | 2013-04-24 |
US20160004901A1 (en) | 2016-01-07 |
US20130182935A1 (en) | 2013-07-18 |
EP2738741A1 (en) | 2014-06-04 |
EP2549436B1 (en) | 2015-01-14 |
US9171220B2 (en) | 2015-10-27 |
EP2549436A2 (en) | 2013-01-23 |
CN102890824A (zh) | 2013-01-23 |
JP5976431B2 (ja) | 2016-08-23 |
CN102890824B (zh) | 2015-07-29 |
CN105105775B (zh) | 2018-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102890824B (zh) | 运动对象轮廓跟踪方法和装置 | |
CN102890823B (zh) | 运动对象轮廓提取及左心室图像分割方法和装置 | |
US8265363B2 (en) | Method and apparatus for automatically identifying image views in a 3D dataset | |
JP4521271B2 (ja) | 変形可能な3次元対象の頭頂の動きに関する情報を表示する画像処理システム | |
CN102763135B (zh) | 用于自动分割和时间跟踪的方法 | |
US8098918B2 (en) | Method and system for measuring left ventricle volume | |
Almhdie et al. | 3D registration using a new implementation of the ICP algorithm based on a comprehensive lookup matrix: Application to medical imaging | |
JP4981938B2 (ja) | 診断支援装置、冠動脈解析プログラムおよび冠動脈解析方法 | |
CN103337096B (zh) | 一种冠状动脉ct造影图像钙化点检测方法 | |
JP5919296B2 (ja) | イメージレジストレーション装置 | |
EP3108445A1 (en) | Sparse appearance learning-based segmentation | |
Banerjee et al. | A completely automated pipeline for 3D reconstruction of human heart from 2D cine magnetic resonance slices | |
KR20110128197A (ko) | 심장 m-모드 뷰들의 자동 분석 | |
CN111009032B (zh) | 基于改进外极线约束匹配的血管三维重建方法 | |
Giachetti | On-line analysis of echocardiographic image sequences | |
CN104240226B (zh) | 一种心脏图像的配准方法 | |
EP2498222B1 (en) | Method and system for regression-based 4D mitral valve segmentation from 2D+T magnetic resonance imaging slices | |
US20120008833A1 (en) | System and method for center curve displacement mapping | |
Snare et al. | Real-time scan assistant for echocardiography | |
Wang | An efficient and robust method for automatically identifying the left ventricular boundary in cine magnetic resonance images | |
WO2019093877A2 (en) | Heart position estimation | |
JP5364009B2 (ja) | 画像生成装置、画像生成方法、及びそのプログラム | |
CN113112473A (zh) | 一种人体扩张型心肌病的自动诊断系统 | |
Lee et al. | Comparative study of left ventricular low wall motion with scar tissue using 4d left ventricular cardiac images | |
Butakoff et al. | Order statistic based cardiac boundary detection in 3d+ t echocardiograms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160718 Address after: Japan Tochigi Tian Yuan City Applicant after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Applicant before: Toshiba Corp Applicant before: Toshiba Medical System Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |