CN1135956C - 心肌背向散射积分起伏b超融合成象方法 - Google Patents

心肌背向散射积分起伏b超融合成象方法 Download PDF

Info

Publication number
CN1135956C
CN1135956C CNB001090151A CN00109015A CN1135956C CN 1135956 C CN1135956 C CN 1135956C CN B001090151 A CNB001090151 A CN B001090151A CN 00109015 A CN00109015 A CN 00109015A CN 1135956 C CN1135956 C CN 1135956C
Authority
CN
China
Prior art keywords
image
ultrasonic
cardiac muscle
cvib
dimentional
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.)
Expired - Fee Related
Application number
CNB001090151A
Other languages
English (en)
Other versions
CN1270794A (zh
Inventor
净 白
白净
李响
胡广书
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CNB001090151A priority Critical patent/CN1135956C/zh
Publication of CN1270794A publication Critical patent/CN1270794A/zh
Application granted granted Critical
Publication of CN1135956C publication Critical patent/CN1135956C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Abstract

本发明属于医学超声领域,本发明提出一种心肌背向散射积分起伏B超融合成象方法,是以二维CVIB图象作为成象因子,将感兴趣区域的CVIB伪彩图象与B超图象融合在一起形成心肌背向散射积分起伏B超融合图象。本发明更好地利用IB曲线在评价心肌供血状况上的优势,直接利用CVIB作为成象特征量,从而建立了二维CVIB图象。可直接反映的是心肌各质点的IB曲线的周期性起伏的大小,得到更直观的成象图案。

Description

心肌背向散射积分起伏B超融合成象方法
本发明属于医学超声领域,特别用于心肌的超声组织定征-心肌缺血的检测。
心肌缺血是冠心病和心肌梗塞的初期症状,在人群中的发病率非常高。随着我国逐步进入老龄化社会,心肌缺血的发病率会越来越高。而且发病的年龄也逐渐出现低龄化的趋势,中青年人群由于面对越来越重的社会与工作的压力,因心肌缺血而引发的猝死也越来越多,并已引起社会的高度重视。
如果在病人早期就能够及时的诊断出心肌的供血状况并采取相应的措施,许多冠心病和心肌梗塞病人的生命是可以得到挽救的。因此心肌缺血在临床上的早期发现就具有十分重要的意义。目前临床上心肌缺血的诊断主要有以下几种常用方法:
(1)心电图法。心电图检测目前是最常用的一种心肌缺血的检测方法。然而,利用心电图不能够判定心肌缺血发生的部位。
(2)超声心动图法。利用二维超声心动图可以检测到心肌壁的异常运动以及心肌壁厚度的变化,但是其准确度、灵敏度还不够,而且对大夫的临床经验要求较高。
(3)X线冠脉血管造影。这一方法目前是诊断冠状动脉血管堵塞具体位置方面最为有效的检测方法。但是该方法也存在着一些局限性,一方面因为它使用了X射线,是有创的检测方法;另一方面其价格是非常昂贵的,目前不可能推广使用;另外,也存在一些病人对于心血管造影剂过敏的问题,使得该方法在具体临床应用中有一定的局限性。
因此,如果有一种简单而有效、价格比较便宜且是无创性的检测方法能进行心肌缺血的定位的话,其临床意义是很大的。
大量的实验结果表明,心肌的背向散射积分(Integrated Backscatter,简称IB)值随心动周期而出现周期性的起伏。对于正常心肌,心舒末期背向散射积分取得最大值,而在心缩末期取得最小值。心肌缺血发生时,受缺血影响的心肌的背向散射积分起伏的幅度较正常时减小。人们希望利用这一现象进行心肌缺血的判别。
然而,目前关于背向散射积分的研究主要集中在一维曲线上。例如HP公司的新型全数字化B超中已经包含了一维IB曲线功能。而二维IB的研究却开展得比较少,J.Miller等人最先开发了二维IB图象系统,但是该图象是以IB值为成象因子,利用图象的灰度变化来反映IB的变化情况。如果图象上心肌的某个区域的灰度变化比较明显则说明该区域的心肌供血状况良好,而如果该区域的灰度变化不明显则说明该区域的心肌可能存在缺血状况。然而,利用这种方法人们观察到的是图象的最大灰度变化,也就是IB曲线上的最大值与最小值之间的差值。由于二维IB图象上难以定量地给出IB曲线起伏程度的大小,使得二维IB图象在实际中难以应用。
本发明的目的是为克服已有技术的不足之处,提出一种心肌背向散射积分起伏B超融合成象方法,更好地利用IB曲线在评价心肌供血状况上的优势,直接利用CVIB(cyclic variation of integrated backscatter背向散射积分的周期性变化)作为成象特征量,从而建立了二维CVIB图象。可直接反映的是心肌各质点的IB曲线的周期性起伏的大小,得到更直观的成象图案。
本发明提出一种心肌背向散射积分起伏B超融合成象方法,其特征在于,
1)以二维背向散射积分的周期性变化(CVIB)图象作为成象因子,
2)将感兴趣区域的CVIB伪彩图象与B超图象融合在一起形成心肌背向散射积分起伏B超融合图象。
所说的二维CVIB图象的成象的步骤可包括:
1)采用数字化超声射频信号作为输入;
2)在B超图象上选择感兴趣的区域;
3)计算该区域内各点的IB曲线;
4)根据IB曲线计算感兴趣区域内各点的CVIB值;
5)进行心内膜与心外膜的定位;
6)经过心肌定位后的二维CVIB图象与B超图象相融合就得到了心肌的二维CVIB图象。
所说的心内膜的定位方法可利用IB曲线的最低值作为判据。
所说的心外膜的定位方法可利用B超图象的灰度值进行阈值检测的一种自动方法。
本发明直接利用心肌背向散射积分起伏CVIB(cyclic variation of theintegrated backscatter)作为成象特征量,从而建立了二维CVIB图象。因为二维CVIB图象直接反映的是心肌各质点的IB曲线的周期性起伏的大小,那么心肌各部位的供血情况可通过伪彩图直观地显现出来,克服了二维IB图象的弱点。同时,为了表征心肌缺血的解剖部位,本发明采用将以CVIB为特征量的心肌功能图象融合在传统B超图象中,形成了心肌背向散射积分起伏B超融合图象。
附图简要说明:
图1为本发明心肌背向散射积分起伏成象法流程图。
图2为本发明重建的B超图象。方框中为选择的感兴趣区域。
图3为本发明二维CVIB图象与B超图象的直接叠加图。
图4为本发明经心肌定位后重建的二维CVIB图象与B超图象的融合图。
图5为本发明实施例的二维全数字化射频信号采集系统框图。
图6为本发明的正常心肌的二维CVIB图象。
图7为本发明的缺血心肌的二维CVIB图象。
本发明提出的心肌背向散射积分起伏B超融合成象方法及其装置的一种实施例结合各附图详细说明如下:
本发明可作为一个新的功能模块用于数字化超声成象仪,使其具有心肌缺血检测和定位的功能。其输入信号为数字化的射频回波以及成象同步信号。经过如图1所示的CVIB成象算法,包括在B超图象上选择感兴趣的区域,计算该区域内各点的IB曲线,计算感兴趣区域内各点的CVIB值,定位心肌和与B超图象融合后,将给出与B超图象融合一体的心肌背向散射积分起伏(CVIB)图象。心肌的供血状况用伪彩色度标志。
二维CVIB图象的特点在于以超声射频信号作为输入信号,通过IB曲线的计算,CVIB的计算,心内膜与心外膜的定位,二维CVIB图象与心舒末期B超图象的融合而产生心肌背向散射积分起伏的伪彩B超融合图象。
二维CVIB成象的步骤:
1、采用数字化超声射频信号作为输入。
2、在B超图象上选择感兴趣的区域,如图2所示,图中的扇形图象为B超图象,其中的方框表示医生选择的感兴趣的区域。
3、计算该区域内各点的IB曲线,其公式如下: IB = 10 log 10 ( ∫ 0 - Δt / 2 t 0 + Δt / 2 x 2 ( t ) dt ∫ 0 - Δt / 2 t 0 + Δt / 2 x 0 2 ( t ) dt ) - - - ( 1 )
4.根据IB曲线计算感兴趣区域内各点的CVIB值,其算法可选择公开文献上的任一种方法。
5.由于心肌是在不断运动的,得到的二维CVIB图象会有许多的伪象而无法看清心肌的CVIB值,如图3所示,图中方框内即为未经心肌定位的CVIB图象,其上部和下部为非心肌部位并形成了伪象,所以必须进行心内膜与心外膜的定位,在此基础上对二维CVIB图象进行处理。心肌定位可采用人工方法或自动边缘提取方法。因为得到的二维CVIB图象实际上应与B超图象相对应,所以如要获得一幅融合图象则只需要进行一幅图象的心内膜与心外膜的定位。
6.经过心肌定位后的二维CVIB图象与相应的B超图象相融合就得到了心肌的二维CVIB图象。图4显示了正常心肌的二维CVIB图象,图中扇形图象为B超图象,方框内的伪彩图象为与B超相融合的心肌CVIB图象。
7.若要获得动态的融合图象,则要对每一幅图象进行心内膜和心外膜的检测并生成相应的融合图象。
本发明专利设计的一种二维CVIB图象的系统实施例,如图5所示。包括具有射频信号输出的B超,数据采集器和个人电脑以及如图1所示的软件模块。本实施例利用本发明人自行设计的二维超声射频信号采集器(专利号:ZL98203234.X授权日1999年4月8日)对由B超引出的超声射频信号数字化并送入计算机进行CVIB成象。
B超图象的获得是利用存储的射频信号重建的,在本实施例中该重建是利用本发明人的超声射频信号分析软件包完成的,该软件包是基于Windows98平台利用VisualC++6.0开发实现的,具有重建B型、M型图象以及IB曲线显示功能。利用该软件可以在重建的B超图象上随意选取感兴趣的区域。这部分内容也可以利用已有的数字化B超的显示功能实现,不属于本发明的保护内容。
心内膜的定位是利用IB曲线来实现的,对于射频信号以8位精度采样即0-255来表示时,可以通过下面判据来区分心内膜与心腔内的血液:
                  IB>27dB    (2)满足公式(2)时即认为该点在心动周期过程中始终位于心肌内部。
心外膜的定位是利用我们开发的自动识别算法完成的。
1.利用心外膜在B超图象上表现为一条强反射条纹这一现象,采用下列阈值检测方法粗略定位心外膜边界点。
2.对于上面方法得到的边界点进行非线性平滑。最后得到一条比较光滑的心外膜边界曲线。
经过心内膜于心外膜定位后,可以去除二维CVIB图象上的伪象,从而得到清楚的心肌的二维CVIB图象。图6为正常心肌的二维CVIB图象。图7为缺血心肌的二维CVIB图象。图6和图7中方框内为心肌的CVIB图象。

Claims (4)

1、一种心肌背向散射积分起伏B超融合成象方法,其特征在于,
1)以二维背向散射积分的周期性变化图象作为成象因子;
2)将感兴趣区域的背向散射积分的周期性变化伪彩图象与B超图象融合在一起形成心肌背向散射积分起伏B超融合图象。
2.如权利要求1所述的一种心肌背向散射积分起伏B超融合成象方法,其特征在于,所说的二维背向散射积分的周期性变化图象的成象的步骤包括:
1)采用数字化超声射频信号作为输入;
2)在B超图象上选择感兴趣的区域;
3)计算该区域内各点的IB曲线;
4)根据IB曲线计算感兴趣区域内各点的背向散射积分的周期性变化值;
5)进行心内膜与心外膜的定位;
6)经过心肌定位后的二维背向散射积分的周期性变化图象与B超图象相融合就得到了心肌的二维背向散射积分的周期性变化图象。
3.如权利要求1所述的一种心肌背向散射积分起伏B超融合成象方法,其特征在于,所说的心内膜的定位方法是利用IB曲线的最低值作为判据。
4.如权利要求1所述的一种心肌背向散射积分起伏B超融合成象方法,其特征在于,所说的心外膜的定位方法是利用B超图象的灰度值进行阈值检测的一种自动方法。
CNB001090151A 2000-06-02 2000-06-02 心肌背向散射积分起伏b超融合成象方法 Expired - Fee Related CN1135956C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNB001090151A CN1135956C (zh) 2000-06-02 2000-06-02 心肌背向散射积分起伏b超融合成象方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNB001090151A CN1135956C (zh) 2000-06-02 2000-06-02 心肌背向散射积分起伏b超融合成象方法

Publications (2)

Publication Number Publication Date
CN1270794A CN1270794A (zh) 2000-10-25
CN1135956C true CN1135956C (zh) 2004-01-28

Family

ID=4579365

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB001090151A Expired - Fee Related CN1135956C (zh) 2000-06-02 2000-06-02 心肌背向散射积分起伏b超融合成象方法

Country Status (1)

Country Link
CN (1) CN1135956C (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101243472B (zh) * 2005-08-09 2016-08-03 皇家飞利浦电子股份有限公司 选择性融合2Dx射线图像和3D超声图像的系统和方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5231736B2 (ja) * 2004-02-06 2013-07-10 ウェイク・フォレスト・ユニヴァーシティ・ヘルス・サイエンシズ 非侵襲的イメージングのグローバル組織特性を用いた組織評価および画像のグローバル組織特性を決定するシステム
CN1302752C (zh) * 2004-07-09 2007-03-07 清华大学 一种测定心肌供血状况的方法
CN1302751C (zh) * 2004-07-09 2007-03-07 清华大学 一种基于追踪心肌边缘测定心肌供血状况的方法
CN1298289C (zh) * 2004-07-09 2007-02-07 清华大学 一种计算心肌背向散射积分起伏程度的方法
CN1814323B (zh) * 2005-01-31 2010-05-12 重庆海扶(Hifu)技术有限公司 一种聚焦超声波治疗系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101243472B (zh) * 2005-08-09 2016-08-03 皇家飞利浦电子股份有限公司 选择性融合2Dx射线图像和3D超声图像的系统和方法

Also Published As

Publication number Publication date
CN1270794A (zh) 2000-10-25

Similar Documents

Publication Publication Date Title
Li et al. Progress in non-invasive detection of liver fibrosis
EP1904971B1 (en) Method and computer program for spatial compounding of images
Araki et al. Stroke risk stratification and its validation using ultrasonic echolucent carotid wall plaque morphology: a machine learning paradigm
US20110257505A1 (en) Atheromatic?: imaging based symptomatic classification and cardiovascular stroke index estimation
KR101625256B1 (ko) 심장 m-모드 뷰들의 자동 분석
CN103720489B (zh) 病变组织生长监测方法和系统
US20150023577A1 (en) Device and method for determining physiological parameters based on 3d medical images
US8708914B2 (en) Validation embedded segmentation method for vascular ultrasound images
US8313437B1 (en) Vascular ultrasound intima-media thickness (IMT) measurement system
CN107529646A (zh) 一种基于欧拉影像放大的无接触式心率测量方法及装置
CN1792319A (zh) 中医脉象特征参数自动检测方法
Gan et al. Extracting three-dimensional orientation and tractography of myofibers using optical coherence tomography
JP2019503833A (ja) 半自動化画像セグメント化システム及び方法
Caselli et al. Three-dimensional echocardiographic characterization of patients with left ventricular noncompaction
CN104968280A (zh) 超声成像系统和方法
CN101617947A (zh) 一种基于斑点跟踪技术的心肌纹理自动分析方法
CN109452938A (zh) 一种基于多尺度多重分形的hfecg信号特征频率检测方法
de Ruijter et al. Automated 3D geometry segmentation of the healthy and diseased carotid artery in free‐hand, probe tracked ultrasound images
Hernàndez-Sabaté et al. Image-based cardiac phase retrieval in intravascular ultrasound sequences
CA2643382A1 (en) Feature tracing process for m-mode images
Soleimani et al. Carotid artery wall motion estimation from consecutive ultrasonic images: Comparison between block-matching and maximum-gradient algorithms
CN104182984A (zh) 动态超声影像中的血管边缘形态快速自动采集方法及系统
CN1135956C (zh) 心肌背向散射积分起伏b超融合成象方法
CN106137185A (zh) 一种基于模板构造小波的癫痫特征波检测方法
CN103169506A (zh) 一种自动识别肝癌的超声诊断装置和方法

Legal Events

Date Code Title Description
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C06 Publication
PB01 Publication
C14 Grant of patent or utility model
GR01 Patent grant
C19 Lapse of patent right due to non-payment of the annual fee
CF01 Termination of patent right due to non-payment of annual fee