CN106557767B - 一种确定介入影像中roi区域的方法 - Google Patents

Abstract

本发明公开一种确定介入影像中ROI区域的方法，包括步骤：获得影像视频的差异图像；将差异图像的每个空间邻域进行向量化，得到差异图像的向量集合；对差异图像的向量集合进行聚类，得到差异改变较大区域，在差异改变较大区域中选取矩形区域，使矩形区域扫掠差异改变较大区域，矩形区域与差异改变较大区域的交集最大而停止，停止后的矩形区域即ROI区域。本发明的方法，不依赖于图像格式，完全在图像原始数据上进行计算获得ROI区域，简单易行，提高了方法的实用性和灵活性。

Description

一种确定介入影像中ROI区域的方法

技术领域

本发明属于影像处理技术领域，尤其涉及一种用于医学动态影像中确定ROI区域的方法。

背景技术

医学图像在适当的窗宽窗位下阅片，使医生能够更好的开展医疗活动。在介入手术成像中，特别是透视过程中，医生需要不断浏览图像进行手术定位，满足实时性是该应用场合要优先考虑的，因为手术时间越短，患者和医生在手术中接收到的辐射剂量就越少，使患者和医生避免了过量的辐射伤害。

在介入手术成像中，如果类似传统方式手动调节图像进行看图定位，会耗时耗力，不必要地延长了手术时间。因此，自动化智能地计算出合适的ROI区域(感兴趣的区域，Region of Interest)，可以节省手术时间，并将医生从中解放出来，更好地投入到手术中。由于介入手术成像的应用场合是动态成像，拍摄对象是运动的人体组织器官，例如跳动的心脏、呼吸的肺、蠕动的胃肠，图像中医生感兴趣的区域必然是图像视频中发生运动的区域，因此，通过检测运动区域作为医生感兴趣的区域，可以达到介入成像中智能确定医生感兴趣区域的目的。

现有的确定感兴趣区域的方法针对的是医学静态图像，没有适合用于确定动态影像中ROI区域的方法。

发明内容

为了解决上述问题，本发明提出一种专利针对医学动态视频序列图像确定ROI区域的方法，不依赖于图像格式，解决了介入手术视频序列的实时显示问题。

本发明所说的ROI区域(Region of Interest)即为感兴趣区域。

本发明提供一种确定介入影像中ROI区域的方法，包括以下步骤：

A、获得影像视频中某一帧图像I_n＝{A_i}，n为时间流上某一特定时刻，i为图像中的空间位置，A_i为图像I_n中的位置i处的像素点，对比相邻的图像，得到相邻图像间的差异图像，所述差异图像为Diff＝|I_n－I_n-1|；

B、将所述差异图像的每个空间邻域进行向量化，得到差异图像的向量集合，所述差异图像的向量集合为V_Diff＝{M_h,k|h∈Ω,k∈Ω}，

其中，Ω＝{I_h,k|h≤r,k≤r}，式中Ω是以图像像素点I_h,k为中心的一个长宽都为r的空间邻域集合，r为邻域维度；

C、对差异图像的向量集合V_Diff进行聚类，得到差异改变较大区域，在所述差异改变较大区域中选取矩形区域，使所述矩形区域扫掠所述差异改变较大区域，在所述矩形区域与所述差异改变较大区域的交集最大时停止，停止后的矩形区域即ROI区域。

作为本发明优选的方案，步骤B中所述邻域维度r的范围为2～5。r的值过大，会使得计算数据过大，影响图像显示的实时性；r的值过小，则会影响所得结果的准确度。在r的取值范围内，优选的取r＝3。

进一步的，在本发明的步骤C中所述对V_Diff进行聚类，采用k-means聚类。

k-means聚类是经典的聚类算法，在其基础上聚类算法已经出现许多改进的算法，例如模糊聚类算法、层次聚类算法、混合高斯聚类算法、核聚类算法、谱聚类算法等。然而，对于实时性要求较高的介入手术场合，改进的算法提高聚类性能的同时计算复杂度也随之增加，导致计算时间大大增加，难以满足介入手术场合的临床应用。在介入手术场合使用中，k-means聚类算法的结果已可满足应用场合的要求，故这里优选k-means聚类算法。

更进一步的，所述k-means聚类的k值为2。也就是说，聚类结果中有两个不同的类别，分别对应改变大的区域和改变小的区域，这里的聚类数目是根据本发明提出的方法而优选设定的。

在介入成像过程中，由于人体解剖结构本身的多样性，使差异图像中差异改变较大区域可能会分散到图像的多个区域中，这种情况使用一个矩形区域难以得到正确的ROI区域。因此，选择多个ROI区域时需要多个所述矩形区域在差异改变较大区域上进行扫掠。

本发明的在介入影像中确定ROI区域的方法，不依赖于图像格式，完全在图像原始数据上进行计算获得ROI区域，提高了方法的实用性和灵活性，而且本发明方法简单易行，提高了算法的实时性，解决介入手术视频序列的实时显示问题。

附图说明

图1是本发明实施例方法的流程图。

具体实施方式

以下结合附图和实施例，对本发明的具体实施方式进行更加详细的说明，以便能够更好地理解本发明的方案及其各个方面的优点。然而，以下描述的具体实施方式和实施例仅是说明的目的，而不是对本发明的限制。

实施例1

如图1所示，本发明实施例提供一种确定介入影像中ROI区域的方法，包括以下步骤：

1、确定差异图像：获得影像视频中某一帧图像I_n＝{A_i}，n为时间流上某一特定时刻，i为图像中的空间位置，A_i为图像I_n中的位置i处的像素点，对比相邻的图像，得到相邻图像间的差异图像，

差异图像为Diff＝|I_n－I_n-1|。

2、获得差异图像的向量集合：将差异图像的每个空间邻域进行向量化，得到差异图像的向量集合，差异图像的向量集合为V_Diff＝{M_h,k|h∈Ω,k∈Ω}，

其中，Ω＝{I_h,k|h≤r,k≤r}，式中Ω是以图像像素点I_h,k为中心的一个长宽都为r的空间邻域集合，r为邻域维度。

本发明实施例中取r＝3，所得像素点I_h,k的空间邻域如表1所示。

表1像素点I_h，k的空间邻域(r＝3)

I<sub>h-1,k-1</sub>	I<sub>h-1,k</sub>	I<sub>h-1,k+1</sub>
			I<sub>h,k-1</sub>	I<sub>h,k</sub>	I<sub>h,k+1</sub>
I<sub>h+1,k-1</sub>	I<sub>h+1,k</sub>	I<sub>h+1,k+1</sub>

空间邻域的向量化操作可以按空间顺序形成，所得的向量为：

M_h,k＝{I_h-1,k-1 I_h-1,k I_h-1,k+1 I_h,k-1 I_h,k I_h,k+1 I_h+1,k-1 I_h+1,k I_h+1,k+1}。

3、确定ROI区域：对V_Diff进行聚类，采用k-means聚类算法，其中k设定为2，得到差异改变较大区域，在差异改变较大区域中选取矩形区域，使矩形区域在差异改变较大区域进行扫掠，在矩形区域与差异改变较大区域的交集最大时，矩形区域停止扫掠，停止后的矩形区域即ROI区域。

通常情况下，差异改变较大区域比较集中，对于该区域使用一个矩形选择框在该区域扫掠，要求该矩形区域与差异改变较大区域交集最大，即差异改变大的类对应的像素数目尽可能多，达到一个峰值时就得到了最终的ROI区域，该ROI区域的长度和宽度不应超过图像本身的长度和宽度。在实际应用中，得到ROI区域后，需计算图像的窗宽窗位。计算图像窗宽窗位的方法均为现有技术，在此不再累述。

然而，在介入手术成像过程中，由于人体解剖结构本身的多样性，使差异图像中差异改变较大区域可能会分散到图像的多个区域中，这种情况下使用一个矩形区域难以得到全部所需的ROI区域。因此，发明人提出选择多个矩形区域来确定ROI区域。设定一个矩形区域数目，例如9个，在差异图像中即可选择9个矩形的ROI区域。在计算图像的窗宽窗位时，先对每个ROI区域计算窗宽和窗位，然后对得到的9组窗宽和窗位值进行加权平均，这里加权平均的权值取0到1之间的分数，依赖于差异改变大的类对应的像素数目，区域里差异改变大的类对应的像素数目越大，设定的权值就越大。

本发明优选的邻域维度r的范围为2～5，以上列举了r＝3时的应用，r＝2或5时的计算为本领域的常规替换计算，在此不再列举。

本发明实施例适用的应用场合如下(不限于以下两种)：

1.透视定位场合：对于介入透视影像视频采用本发明技术方案确定ROI区域，手术人员可以移动当前成像区域，使一个ROI区域在图像中央视野显示，同时在ROI区域自动进行窗宽窗位计算，手术人员也可根据临床要求人工选择定制的窗宽窗位，例如肺窗、骨窗、肝脾窗、头窗等。

2.手术实施场合：对于介入透视影像视频采用本技术方案确定ROI区域，手术人员可以根据当前ROI区域确定手术实施部位，进行血管减影成像，根据成像结果插入导管、导丝，注入造影剂，这时由于外部器械及药物进入人体，需要重新在ROI区域自动进行窗宽窗位计算，使手术过程中手术部位可以清晰呈现给手术人员，同时手术人员也可方便地进行血管分析和测量。

需要说明的是，以上参照附图所描述的各个实施例仅用以说明本发明而非限制本发明的范围，本领域的普通技术人员应当理解，在不脱离本发明的精神和范围的前提下对本发明进行的修改或者等同替换，均应涵盖在本发明的范围之内。此外，除上下文另有所指外，以单数形式出现的词包括复数形式，反之亦然。另外，除非特别说明，那么任何实施例的全部或一部分可结合任何其它实施例的全部或一部分来使用。

Claims (5)

1.一种确定介入影像中ROI区域的方法，其特征在于，包括以下步骤：

A、获得影像视频中某一帧图像I_n＝{A_i}，n为时间流上某一特定时刻，i为图像中的空间位置，A_i为图像I_n中的位置i处的像素点，对比相邻的图像，得到相邻图像间的差异图像，所述差异图像为Diff＝|I_n－I_n-1|；

B、将所述差异图像的每个空间邻域进行向量化，得到差异图像的向量集合，所述差异图像的向量集合为V_Diff＝{M_h,k|h∈Ω,k∈Ω}，

其中，Ω＝{I_h,k|h≤r,k≤r}，式中Ω是以图像像素点I_h,k为中心的一个长宽都为r的空间邻域集合，r为邻域维度；

C、对差异图像的向量集合V_Diff进行聚类，得到差异改变较大区域，在所述差异改变较大区域中选取矩形区域，使所述矩形区域扫掠所述差异改变较大区域，所述矩形区域与所述差异改变较大区域的交集最大而停止，停止后的矩形区域即ROI区域。

2.根据权利要求1所述的方法，其特征在于，步骤B中所述邻域维度r的范围为2～5。

3.根据权利要求1所述的方法，其特征在于，步骤C中所述对V_Diff进行聚类，采用k-means聚类。

4.根据权利要求3所述的方法，其特征在于，所述k-means聚类的k值为2。

5.根据权利要求1所述的方法，其特征在于，步骤C中所述矩形区域的个数为多个。