CN105894442A - 应激超声图像自动配准方法 - Google Patents

Abstract

本发明涉及一种应激超声图像自动配准方法。具体步骤在于：(1)图像缩放，均衡前后图像的尺寸，使得两个图像中相同的解剖结构以相同的大小显示；(2)图像配准，校准两个图像以便相同解剖结构将在各图像的相同的相对位置显示；(3)图像显示，根据步骤(1)和(2)对图像进行变换，使得相同的解剖结构在压力测试前后图像中以同样的尺寸显示在相同的相对位置。通过本发明自动配准压力前后图像的方法，可减少非病理因素造成的差异，从而提高诊断的准确率。

Description

应激超声图像自动配准方法

技术领域

本发明属于超声成像技术领域，具体涉及一种应激超声图像自动配准方法。

背景技术

超声心动图是利用超声的特殊物理学特性检查心脏和大血管的解剖结构及功能状态的一种无创性技术，应激超声心动图通过观察和比较心脏壁组织在压力测试前后的运动状况，对心脏功能进行评估、诊断的一种常用方法。

进行应激超声测试过程中，医生或医务人员先对病人的心脏(放松状态下)进行扫描，并存储有关图像；然后通过让病人运动(比如在跑步机上快走)或者药物等方式给病人心脏施加压力；然后再次采集相关的心脏图像；最后，压力前后的图像被并排的显示和比较；医生通过观察两次图像的差异得出诊断结论。

诊断中，左心室的大小是用于诊断主要标记，找到相同的图像窗口，并很好地配准图像对于准确的诊断至关重要。由于前后成像之间患者的身体移动无法避免，这个问题在运动应激超声心动图检查中尤其难以避免。运动应激超声心动图要求在病人运动结束后2-3分钟内完成图像采集。而此时病人在心跳剧烈、呼吸急促之时须重新回到病床侧卧的姿势；医生亦需要迅速找到成像窗口，调整感兴趣区域(ROI)，同时还需要优化图像，如增益、深度、频率等。这些因素会给前后图像中心脏位置、大小、亮度等造成显著差异，最终给准确诊断造成困难。由于该诊断结果完全取决于医生对于心脏室壁运动的视觉评估，从而增加跨观察员变异和偏见的最终诊断，这些非病理因素导致的图像差异可以极大地影响诊断结果，能很大程度上造成误诊。

现有应激超声图像的配准主要依赖于医生的主观判断，应激超声心动图的诊断中，跨观察员(不同医生看同一组图像)的诊断结果差异大。

现有文献中有建议量化某些关键参数来提高图像配准的准确性，如US2006/0058610 A1专利文献公开了通过自动定位心脏的解剖学界标和量化的一些参数，以减少观察者间变异性。

发明内容

本发明的目的是针对现有应激超声图像配准中存在的差异性问题，提供一种应激超声图像自动配准方法。

本发明的技术解决方案是：应激超声图像自动配准方法，具体步骤在于：

(1)图像缩放，均衡前后图像的尺寸，使得两个图像中相同的解剖结构以相同的大小显示；

(2)图像配准，校准两个图像以便相同解剖结构将在各图像的相同的相对位置显示；

(3)图像显示，根据步骤(1)和(2)对图像进行变换，使得相同的解剖结构在压力测试前后图像中以同样的尺寸显示在相同的相对位置。

进一步地，所述图像缩放步骤是：

(1)在存储的图像数据中保留图像的绝对尺度信息，或者记录两次图像采集中图像大小的相对变化的尺寸参数；

(2)依据绝对或相对尺寸参数，对图像进行缩放图像，使得压力前后图像能以同一长度的比例显示，或者，直接显示原始图像，前后图像的尺寸比例因子以明显标识提醒用户。

进一步地，所述图像的绝对尺度信息存储的图像缩放步骤是：由超声成像系统对于存储的图像保留像素和长度的转换关系，依据超声成像系统记录的图像像素和绝对长度关系进行缩放，或者超声成像系统保存图像的部分或者全部长度，和相应部分的像素数计算得出。

进一步地，所述直接显示原始图像步骤是：由用户在两组图像中手动标出同一解剖结构或者特征区域，据此计算出两组图像的尺寸关系并对于图像进行相应的缩放。

进一步地，所述图像配准步骤是解剖结构位置配准，具体步骤如下：

(1)识别两组图像中共同的关键解剖结构，并对其位置进行关联，校准；

(2)通过计算压力前后图像局部区域的相关性，计算出压力前后图像感兴趣区域(ROI)的相对位移，所述相对位移包括沿探头横向和轴向方向的位移和小角度的旋转。

进一步地，所述两组图像中共同的关键解剖结构通过计算机算法自动识别或者由用户手动标出。

进一步地，所述计算机算法自动识别步骤是：在其中一组图像中选取一块特征区域f(x,y)，在另一组图像中选取一块目标匹配区域g(x,y)，通过图像匹配的计算方法计算出f(x,y)在g(x,y)中的最佳匹配位置，从而推出两组图像的相对位移。

进一步地，所述图像匹配的计算方法是采用最小化模板图像f(x,y)和配准图像区域g(x,y)之间的绝对差值法，(u，v)为f(x,y)和g(x,y)之间的相对位移，γ(u，v)是需要最小化的目标函数，目标函数γ(u，v)最小化的公式如下：

$\underset{\[u,v\]}{\min }\mathrm{\γ}(u,v)=\underset{x,y}{\mathrm{\Σ}}|f(x,y)-g(x-u,y-v)|.$

进一步地，所述图像匹配的计算方法是目标函数γ(u，v)是模板图像和配准图像之间的归一化互相关函数，当γ(u，v)最大时，两图像之间达到最佳匹配；目标函数γ(u，v)最大化的公式如下：

$\underset{\[u,v\]}{\max }\mathrm{\γ}(u,v)=\frac{{\mathrm{\Σ}}_{x,y}\[f(x-u,y-v)-\stackrel{\‾}{f}\]\[g(x,y)-{\stackrel{\‾}{g}}_{u,v}\]}{\sqrt{{\mathrm{\Σ}}_{x,y}{\[f(x-u,y-v)-\stackrel{\‾}{f}\]}^2{\mathrm{\Σ}}_{x,y}{\[g(x,y)-{\stackrel{\‾}{g}}_{u,v}\]}^2}}.$

进一步地，所述相对位移为小角度的旋转时，适度的旋转f(x,y)或者g(x,y)能帮助更好的匹配两组图像，旋转g(x,y)时，定义旋转角度为θ，预设一个旋转的范围θ∈[α1，α2]，每次增加Δα，对于每个θ，先旋转图像g(x,y)到g(x*,y*):

然后再根据采用最小化模板图像f(x,y)和配准图像区域g(x,y)之间的绝对差值法，或者模板图像和配准图像之间的归一化互相关函数γ(u，v)最大法，对于旋转过的图像进行配准，最后综合所有的计算结果，找出两组图像之间最佳的旋转角度和位移。

本发明的有益效果是：通过自动配准压力前后图像的方法，减少非病理因素造成的差异，从而提高诊断的准确率。

附图说明

图1是本发明方法流程图。

具体实施方式

为了更好地理解本发明，以下结合附图和具体实施例对本发明进行详细的说明。

应激超声图像自动配准方法，具体步骤在于：

(1)图像缩放，均衡前后图像的尺寸，使得两个图像中相同的解剖结构以相同的大小显示；

(2)图像配准，校准两个图像以便相同解剖结构将在各图像的相同的相对位置显示；

(3)图像显示，根据步骤(1)和(2)对图像进行变换，使得相同的解剖结构在压力测试前后图像中以同样的尺寸显示在相同的相对位置。

图像缩放：在存储的图像数据中保留图像的绝对尺度信息；或者，记录两次图像采集中图像大小的相对变化，如改变ROI大小和成像深度等；依据这些绝对或相对尺寸参数，对图像进行缩放图像，使得压力前后图像能以同一长度的比例显示；或者，直接显示原始图像，但前后图像的尺寸比例因子以明显标识提醒用户。

以下列出几种实现方法。

a：依据超声成像系统记录的像素和绝对长度关系进行缩放；这要求超声成像系统对于存储的图像保留像素和长度的转换关系，比如像素/厘米或者像素/米等；这一数值也可以通过保存图像的部分或者全部长度，比如图像的总宽度/深度，和相应部分的像素数计算得出；如果两组参与比较的图像分别为n1和n2像素/厘米，那么，第二组图像可通过缩放n1/n2来达到和第一组图像相同的比例。

b：当超声成像系统没有记录像素和绝对长度的比例关系，用户可以在两组图像中手动标出同一解剖结构或者特征区域，比如标出同一解剖结构的起点和终点；据此计算出两组图像的尺寸关系并对于图像进行相应的缩放。

解剖结构位置配准：识别两组图像中共同的关键解剖结构，并对其位置进行关联，校准；由于心脏的结构会随心跳的相位变化，只对处于心电图(ECG)的同一相位超声图像进行比较；通过计算压力前后图像局部区域的相关性或者其他匹配图像的方法，计算出压力前后图像感兴趣区域(ROI)的相对位移，包括沿探头横向和轴向方向的位移和小角度的旋转。

解剖结构位置配准具体步骤如下。

c：图像中的关键解剖结构可以通过计算机算法自动识别或者由用户手动标出。

d：计算机算法自动识别可以是：在其中一组图像中选取一块特征区域f(x,y),在另一组图像中选取一块目标匹配区域g(x,y).通过图像匹配的方法计算出f(x,y)在g(x,y)中的最佳匹配位置，从而推出两组图像的相对位移。

下面列举两种算法。

(1)采用最小化模板图像f(x,y)和配准图像区域g(x,y)之间的绝对差值法。

(u，v)为f(x,y)and g(x,y)之间的相对位移，γ(u，v)是需要最小化的目标函数，计算公式如下：

$\underset{\[u,v\]}{\min }\mathrm{\γ}(u,v)=\underset{x,y}{\mathrm{\Σ}}|f(x,y)-g(x-u,y-v)|.$

(2)模板图像和配准图像之间的归一化法。

目标函数γ(u，v)是模板图像和配准图像之间的归一化互相关函数；当γ(u，v)最大时，两图像之间达到最佳匹配；γ(u，v)的最大值计算公式如下：

$\underset{\[u,v\]}{\max }\mathrm{\γ}(u,v)=\frac{{\mathrm{\Σ}}_{x,y}\[f(x-u,y-v)-\stackrel{\‾}{f}\]\[g(x,y)-{\stackrel{\‾}{g}}_{u,v}\]}{\sqrt{{\mathrm{\Σ}}_{x,y}{\[f(x-u,y-v)-\stackrel{\‾}{f}\]}^2{\mathrm{\Σ}}_{x,y}{\[g(x,y)-{\stackrel{\‾}{g}}_{u,v}\]}^2}}.$

e：当图像采集的角度发生改变时，适度的旋转f(x,y)或者g(x,y)能帮助更好的匹配两组图像；比如，旋转g(x,y)；这里定义旋转角度为θ，预设一个旋转的范围θ∈[α1，α2]，每次增加Δα，对于每个θ，先旋转图像g(x,y)到g(x*,y*):

然后再步骤d中对于旋转过的图像进行配准；最后综合所有的计算结果，找出两组图像之间最佳的旋转角度和位移。

f：以上的匹配方法可以采用其中部分或者全部方法；比如仅对于x或者y轴进行搜索或者x，θ等；目标函数也可以采用其他任何方法。

显示图像:根据图像缩放和图像配准中计算的结果对图像进行变换，使得相同的解剖结构在压力测试前后图像中以同样的尺寸显示在相同的相对位置。

以上所述实施示例仅表达了本发明的部分实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.应激超声图像自动配准方法，其特征步骤在于：

(1)图像缩放，均衡前后图像的尺寸，使得两个图像中相同的解剖结构以相同的大小显示；

(2)图像配准，校准两个图像以便相同解剖结构将在各图像的相同的相对位置显示；

(3)图像显示，根据步骤(1)和(2)对图像进行变换，使得相同的解剖结构在压力测试前后图像中以同样的尺寸显示在相同的相对位置。

2.根据权利要求1所述的应激超声图像自动配准方法，其特征在于，所述图像缩放步骤是：

(1)在存储的图像数据中保留图像的绝对尺度信息，或者记录两次图像采集中图像大小的相对变化的尺寸参数；

(2)依据绝对或相对尺寸参数，对图像进行缩放图像，使得压力前后图像能以同一长度的比例显示，或者，直接显示原始图像，前后图像的尺寸比例因子以明显标识提醒用户。

3.根据权利要求2所述的应激超声图像自动配准方法，其特征在于，所述图像的绝对尺度信息存储的图像缩放步骤是：由超声成像系统对于存储的图像保留像素和长度的转换关系，依据超声成像系统记录的图像像素和绝对长度关系进行缩放，或者超声成像系统保存图像的部分或者全部长度，和相应部分的像素数计算得出。

4.根据权利要求2所述的应激超声图像自动配准方法，其特征在于，所述直接显示原始图像步骤是：由用户在两组图像中手动标出同一解剖结构或者特征区域，据此计算出两组图像的尺寸关系并对于图像进行相应的缩放。

5.根据权利要求1所述的应激超声图像自动配准方法，其特征在于，所述图像配准步骤是解剖结构位置配准，具体步骤如下：

(1)识别两组图像中共同的关键解剖结构，并对其位置进行关联，校准；

(2)通过计算压力前后图像局部区域的相关性，计算出压力前后图像感兴趣区域(ROI)的相对位移，所述相对位移包括沿探头横向和轴向方向的位移和小角度的旋转。

6.根据权利要求5所述的应激超声图像自动配准方法，其特征在于，所述两组图像中共同的关键解剖结构通过计算机算法自动识别或者由用户手动标出。

7.根据权利要求6所述的应激超声图像自动配准方法，其特征在于，所述计算机算法自动识别步骤是：在其中一组图像中选取一块特征区域f(x,y)，在另一组图像中选取一块目标匹配区域g(x,y)，通过图像匹配的计算方法计算出f(x,y)在g(x,y)中的最佳匹配位置，从而推出两组图像的相对位移。

8.根据权利要求7所述的应激超声图像自动配准方法，其特征在于，所述图像匹配的计算方法是采用最小化模板图像f(x,y)和配准图像区域g(x,y)之间的绝对差值法，(u，v)为f(x,y)和g(x,y)之间的相对位移，γ(u，v)是需要最小化的目标函数，目标函数γ(u，v)最小化的公式如下：

$\underset{\[u,v\]}{min}\mathrm{\γ}(u,v)=\underset{x,y}{\mathrm{\Σ}}|f(x,y)-g(x-u,y-v)|.$

9.根据权利要求7所述的应激超声图像自动配准方法，其特征在于，所述图像匹配的计算方法是目标函数γ(u，v)是模板图像和配准图像之间的归一化互相关函数，当γ(u，v)最大时，两图像之间达到最佳匹配；目标函数γ(u，v)最大化的公式如下：

$\underset{\[u,v\]}{\max }\mathrm{\γ}(u,v)=\frac{{\mathrm{\Σ}}_{x,y}\[f(x-u,y-v)-\stackrel{\‾}{f}\]\[g(x,y)-{\stackrel{\‾}{g}}_{u,v}\]}{\sqrt{{\mathrm{\Σ}}_{x,y}{\[f(x-u,y-v)-\stackrel{\‾}{f}\]}^2{\mathrm{\Σ}}_{x,y}{\[g(x,y)-{\stackrel{\‾}{g}}_{u,v}\]}^2}}.$

10.根据权利要求5-9任一项所述的应激超声图像自动配准方法，其特征在于，所述相对位移为小角度的旋转时，适度的旋转f(x,y)或者g(x,y)能帮助更好的匹配两组图像，旋转g(x,y)时，定义旋转角度为θ，预设一个旋转的范围θ∈[α1，α2]，每次增加Δα，对于每个θ，先旋转图像g(x,y)到g(x*,y*):

然后再根据权利要求8或9中对于旋转过的图像进行配准，最后综合所有的计算结果，找出两组图像之间最佳的旋转角度和位移。