CN114882061A - 在超声心动图上确定心脏内膜边界的方法 - Google Patents
在超声心动图上确定心脏内膜边界的方法 Download PDFInfo
- Publication number
- CN114882061A CN114882061A CN202110637593.2A CN202110637593A CN114882061A CN 114882061 A CN114882061 A CN 114882061A CN 202110637593 A CN202110637593 A CN 202110637593A CN 114882061 A CN114882061 A CN 114882061A
- Authority
- CN
- China
- Prior art keywords
- boundary
- pixel
- echocardiogram
- left ventricular
- mitral valve
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
- A61B8/065—Measuring blood flow to determine blood output from the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/486—Diagnostic techniques involving arbitrary m-mode
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供了一种在超声心动图上确定心脏内膜边界的方法,该方法首先读入M型超声心动图原图,然后从超声心动图上设置虚拟中心线,并从中心线处分为上下两半部分,分别为具有二尖瓣图像和左室隔内膜图像的超声心动图上图;并通过对超声心动图上图进行处理,获得左室隔膜边界。以及具有左室后壁内膜边界的超声心动图下图。对超声心动图下图进行处理,获得左室后壁内膜边界。本发明提供的超声心动图上确定心脏内膜边界的方法,能够在具有二尖瓣图像的超声心动图上,准确找到心脏内膜边界,为了计算机自动计算心脏左室射血分数提供了依据。
Description
技术领域
本发明为一种M超声心动图处理与计算的方法。
背景技术
左室射血分数(Left Ventricular Ejection Fraction,LVEF)作为临床上诊断心血管疾病重要指标,对于早期诊断心血管疾病具有很大意义。超声心动图是临床中最常用、最方便、最为医生所熟悉的临床常用的测定LVEF方法。
超声心动图学方法包括M型超声心动图(M-mode echocardiography,M-echo)是将左心室视为一定形状的几何体,测其各切面的内径值,然后计算舒张末期容积和收缩末期容积,计算左心室每搏量和LVEF。目前临床上,M超方法仍然是手动测量方式计算LVEF指标,LVEF的自动检测的研究也大多集中于B型超声心动图和核磁共振图像。然而在掌上超声领域中,手工方式在手机等小尺寸终端上操作极不方便,随着掌上超声仪的兴起,基于M超的自动测量愈加重要。对于超声心动图,目前主流的B超、MRI分析方式都不适合于掌上超声仪自动计算LVEF,同时也未查询到M超自动测量LVEF的文献。M型超声心动图:是采用单声束扫描心脏,将心脏及大血管的运动以光点群随时间改变所形成曲线的形式显现的超声图像。根据取样线放置位置的不同,可以分别测得心底波群区、二尖瓣前叶波群区、二尖瓣叶曲线、心室波群、肺动脉瓣波群。自动计算LVEF需要测的位置是心室波群,声波依次经过右室前壁、右室腔、室间隔、左室腔(及其腱索)、左室后壁。左右心室的大小及室壁的厚度等均在此测量。探头固定地对着心脏的某部位,由于心脏规律性地收缩和舒张,心脏的各层组织和探头之间的距离也随之改变。
计算机通过将M型超声心动图像进行二值化时处理,然后识别到并自动测量M型超声心动图上所显示的心动舒张末期容积和收缩末期容积,按公式获得射血分数。然而在M型超声心动图的含义如图1所示:由于左室后壁心肌致密度较高,形成的图像较亮,如图1白色方框区域所示。将图像进行二值化时处理,该高亮区域导致二值化阈值偏大,而内膜是较暗区域,最终造成内膜区域分割不准确,为自动化计算心动舒张末期容积和收缩末期容积带来困难。并且,由于二尖瓣图像包括在心脏左室内,在成像时二尖瓣图像又与左室隔内膜边界靠近,严重影响计算机对二尖瓣图像与左室隔内膜边界的分辨。因此需要提供更好的、更为准确获得左室隔内膜边界的方法。
同时,左室后壁内膜边界也由于超声图像中,包括其它肌体信息,使左室后壁内膜边界也分隔不明显,如图10所示,两个灰色方框部分为未分开的位置,造成计算难度加大。
发明内容
为了解决上述技术问题,本发明提供了一种在超声心动图上确定心脏内膜边界的方法。
本发明提供的超声心动图上确定心脏内膜边界的方法,能够在具有二尖瓣图像的超声心动图上,准确找到心脏内膜边界,为了计算机自动计算心脏左室射血分数提供了依据。
附图说明
图1M型超声心动图示样;
图2具有二尖瓣信息的M型超声心动图;
图3图像二值化让左室隔内膜边界丢失示意图;
图4黑色像素点占比趋势图。
图5所述大致范围示意图;
图6像素灰度值由上至下递增示意图;
图7在二值化时消除二尖瓣信息影响的超声心动图;
图8左室隔内膜边界示意图;
图9左室隔内膜边界为连通域示意图;
图10左室后壁内膜边界和左室内肌体显示相连接示意图;
图11第一次出现白像素点的所在行位置统计图;
图12在实验中得到的有二尖瓣信息的实验结果;
图13在实验中得到的无二尖瓣信息的实验结果;
图14获得左室隔内膜边界与左室后壁内膜边界步骤。
具体实施方式
本发明的实现,最好是以软件代码的形式实现,将本发明的步骤编辑为软件代码,安装于具有计算功能的计算机,例如,以软件代码的形式,安装于智能手机、平板电脑中,该手机、平板电脑具有能识别和读取M型超声心动图像的功能。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
本发明的实现,是通过具有相关硬件的计算机中安装相应的计算机程序来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现所需的各种步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
在本发明的计算机,主要的硬件构成仍然包含如下几个主要部分:中央处理器、内存、芯片组、I/O总线、I/O设备、电源、机箱和相关软件,相关软件是指至于能将M型超声心动图(M-mode echocardiography,M-echo)图像投入到显示屏上的软件,当然M型超声心动图也可以不以图像形式显示,而是由计算机后台自行对图像进行处理和计算,最终只在显示器上呈现计算结果。
本发明的M型超声心动图为PNG图像格式;当然,也可以是DICOM图像;通过DICOM图像转换成的JPEG图像、BMP图像、PNG图像、TIFF图像;JPEG图像、BMP图像、PNG图像、TIFF图像。
本发明针对于M型超声心动图进行处理,M型超声心动图是采用单声束扫描心脏,将心脏及大血管的运动以光点群随时间改变所形成曲线的形式显现的超声图像。根据取样线放置位置的不同,可以分别测得心底波群区、二尖瓣前叶波群区、二尖瓣叶曲线、心室波群、肺动脉瓣波群。自动计算LVEF需要测的位置是心室波群,声波依次经过右室前壁、右室腔、室间隔、左室腔(及其腱索)、左室后壁。左右心室的大小及室壁的厚度等均在此测量。探头固定地对着心脏的某部位,由于心脏规律性地收缩和舒张,心脏的各层组织和探头之间的距离也随之改变。传统M型超声心动图测量LVEF的公式是Teichholz校正公式,它是在与双平面心血管造影LVEF测量值进行对照后提出的一个经验公式。具体测量方法为:在二维超声心动图引导下于标准的胸骨旁左室长轴切面或短轴二尖瓣腱索切面进行M型采样,尽量保证采样线与室间隔、后壁垂直,测量左室舒张末期内径(LVDd)、左室收缩末期内径(LVDs),然后按照式(1)计算左室容积(V),公式中的D即为内径值。
V=7.0÷(2.4+D)×D3 (1)
内径单位为cm,左室舒张末期和收缩末期容积单位为mL,然后按照式(2)计算LVEF。
LVEF(%)=(LVEDV-LVESV)÷LVEDV×100%(2)
其中LVEDV和LVESV分别为测量的舒张末期容积和收缩末期容积。在M型超声心动图的含义如图1所示。
在本发明中的技术述语灰度值,是指黑白图像中点的颜色深度,范围一般从0到255,白色为255,黑色为0。
实施例中,所述的像素点、像素,指由图像的小方格组成的,这些小方块都有一个明确的位置和被分配的色彩数值,小方格颜色和位置就决定该图像所呈现出来的样子。可以将像素视为整个图像中不可分割的单位或者是元素。
实施例中,所指的像素高度,就是指距离多少个像素点。像素行,是指由若干个像素点横向整齐排列,构成的一个像素行。像素列,是指由若干个像素点纵向整齐排列,构成的一个像素列。
本发明中的超声心动图,具体为M型超声心动图。
示例一:
在M型超声心动图上测量的舒张末期容积和收缩末期容积,要准确地在M型超声心动图上确定左室隔内膜边界与左室后壁内膜边界。参考图14:依照于如下方式可以获得左室隔内膜边界与左室后壁内膜边界:
首先读入原图,原图为M型超声心动图,从超声心动图上设置虚拟中心线,所述虚拟中心线大致位于在上边界至下边界相同距离。虚拟中心线的目的总之是为了将上下图分开。
分开的目的是,在M型超声心动图上,由于左室后壁心肌致密度较高,形成的图像较亮,如图1白色方框区域所示。将图像进行二值化时处理,该高亮区域导致二值化阈值偏大,而内膜是较暗区域,最终造成内膜区域分割不准确。因此,将图像分为上下两个部分,其中具有二尖瓣图像和左室隔内膜图像的上半部分在二值化处理时,设置更高的二值化阈值。而左室后壁的下半部分设置较低的二值化阈值,因此上下两部分设置不同的二值化阈值,使其不相互干扰影响。
因此,从虚拟中心线处,将超声心动图分为上下两半部分,分别为:
(1)具有二尖瓣图像和左室隔内膜图像的超声心动图上图;对超声心动图上图进行处理,获得左室隔膜边界。从直观的空间视觉来看,就是上边缘是超声动图的上边界,而下边缘就是超声动图的下边界。
以及:(2)具有左室后壁内膜边界的超声心动图下图。对超声心动图下图进行处理,获得左室后壁内膜边界。
当然,计算机在处理上图和下图的是时候,并非是按上图先处理、接下来处理下图的顺序完成。而是同时处理,或者是处理图片的先后顺序并不重要,也不限定处理图片的先后顺序。
示例二:
在示例一中设置虚拟中心线的方法为:
1、先定义图形的上下边界,以靠近二尖瓣一侧的连续边缘为超声心动图上边界,相反侧为下边界。
2、然后计算M超声心动图中,每一像素行所有像素的灰度值之“和”。并找出最大的灰度值之和这一行像素行,由于M超声心动图中,左室后壁心肌致密度较高,形成的图像较亮,因此,最大的灰度值之和这一行像素行,一定在形成的图像较亮的左室后壁心肌致密度较高处,也就是如图1方框内所示位置(当然,最大的灰度值之和这一行像素,说是否存在着至少两个像素行所获得的最大灰度值相同,在如此精细的M型超声心动图上这种可能性是上基本不存在的。当然为了避免这种可能性,因此在设定本方法的时候,可以增加一项计算条件:当共同存在两个以上最大灰度值相同的像素行的时候,取靠近上边界的第一个满足最大灰度值条件的像素行)。
3、并从找到的最大的灰度值之和这一行像素行开始,向上边界寻找的第一个所述“和”最小的像素行,由于心脏左室内无肌体组织,扫描的图像较暗,因此最小像素行会出现在心脏左室内,体现在M超声心动图中大致位于在上边界至下边界相同距离。
找到的第一个所述“和”最小的像素行就是虚拟中心线。
示例三:
在示例一中设置虚拟中心线的另一种方法为:从超声心动图上,查找位于在上边界至下边界相同距离的像素行,是虚拟中心线。也就是从M超声心动图,直接从中心等距离划分获得虚拟中心线。
示例四:
在M型超声采集心脏图像过程中,通常会采集到二尖瓣信息,在超声心动图像中有二尖瓣图像,如图2所示,大方框位置即为二尖瓣所在区域,小方框位置为二尖瓣与左心室室隔内膜相连之处,且连接范围较宽,二者成为一个大的连通域,将导致常规二值化方法不能将二尖瓣与室隔内膜分离,无法得到正确的室隔内膜边界,参考图3,在M超声心动图原图上部分直接图像二值化以后,由于二尖瓣也是高亮区域,二值化处理后,直接成为了白色,让左室隔内膜边界丢失,其中方框标示处为二尖瓣与室隔内膜相连之处。因此必须消除二尖瓣图像影响。
在超声心动图上消除二尖瓣图像影响方法,步骤按以下的步骤S01-步骤S04。
步骤S01:
在获得的至少具有二尖瓣图像和左室隔内膜图像的超声心动图上,确定左室隔内膜和二尖瓣的相邻区域的大致范围。该大致范围的确定工作如下:
(S011):在超声心动图上,以靠近二尖瓣一侧的连续边缘为超声心动图上边界,在上边界下方并距离上边界30个像素点所在的像素行,设置为计算起点线。从二值化结果可以得出,若从图像高度(距离上边界)为30个像素点处开始处理,可以避免图像中右室位置的影响。
(S012):在计算起点线处,向下,统计平行于计算起点线的每一像素行中,黑色像素点所占百分比;
(S013):当获得的第一个至少具有35%黑色像素点的像素行,为所述大致范围的范围上边线;
(S014):获取大致范围的范围下边线。获取大致范围的范围下边线有两种方法,在这里,把这两种方法均通过本实施例进行介绍。但实际的实施时,只取其中一种方法即可,尤其是优先选用方法一。
获取大致范围的范围下边线的方法一:(I)继续沿二尖瓣像素块域的范围上边线向下统计每一像素行中,黑色像素点所占百分比,当黑色像素点占所在像素行中比例最大时,所对应到的像素行是所述大致范围的范围下边线。
(II)当获得多个像素行满足于上述条件(I)时,则最靠近范围上边线的第一个满足上述条件(I)的像素行,是大致范围的范围下边线。
获取大致范围的范围下边线的方法二:继续沿二尖瓣像素块域的范围上边线向下统计每一像素行中,黑色像素点所占百分比,当获得黑色像素点占所在行中比例超过80%,且随后 40mm范围内具有黑色像素点占所在行中比例低于30%时,确定黑色像素点占所在行中比例超过80%的这一行,为所述大致范围的范围下边线。
经过大量实验,参考图4中竖线对应的位置,其中获得黑色像素点占所在行中比例最大,具在随后的40个像素点范围内,黑色像素点占比快速下降至低于30%。
范围上边线与范围下边线之间则为所述大致范围区域。参考图5,范围上边线与范围下边线之间的标出的大致范围。
步骤S02:
在确定了的大致范围内,找到左室隔内膜和二尖瓣的相邻区域的像素块域;该像素块域在上面确定的大致范围内,由上边范围线向下边范围线逐行查找。设定的查找条件为:
(I)在同一列像素点中,像素灰度值由上边范围线向下边范围线至少有十个像素点为递增。
(II)查找到的第一个具有上述(I)特征的范围,为左室隔内膜和二尖瓣相邻区域像素块域。
(III)在找到左室隔内膜和二尖瓣的相邻区域的像素块域步骤中,当满足于上面的(I)、 (II)查找条件时,在所述查找到的左室隔内膜和二尖瓣相邻区域像素块域内,允许有且同时仅有以下情况之一,这种情况视为噪点:
(1)有不多于2个像素点的灰度值相较于上一个像素点停止递增;(2)有1个像素点的灰度值相较于上一个像素点减少。
参考图5,在范围上边线与范围下边线之间的标出的大致范围中,小方框中的内容部分,参考图6,此区域图像特征为:像素灰度值由上至下递增。
步骤S03:
将相邻区域的像素块域的灰度值设置为0。即表示这些位置属于左心室内部,进而有助于确定完整的左室室隔内膜。
步骤S04:
将包括有像素块域灰度值被设置为0的相邻区域的超声心动图进行二值化处理,获得所述相邻区域以及二尖瓣区域均被排除在左室隔内膜外的二值化超声心动图。结果如图7所示。对比图3和图7,可以发现,左室室隔内膜得到了较完整的补充。
示例五:
在超声心动图上获得左室隔内膜边界的方法步骤为:
步骤S40:
处理超声心动图,在超声心动图上消除二尖瓣图像影响,将超声心动图中的“二尖瓣”与“左室隔内膜和二尖瓣的相邻区域”从左室隔内膜中分离出来。处理方法参考示例四。
步骤S41:
在图7中确定左室室隔内膜边界,首先需要划定感兴趣区域。感兴趣区域包括有全部的左室隔内膜边界图像;感兴趣区域包括在感兴趣区域的第一边界,和感兴趣区域的第二边界之间。感兴趣区域的第一边界和感兴趣区域的第二边界计算方法如下:
(S411)感兴趣区域的第一边界:
在超声心动图上,以靠近二尖瓣一侧的连续边缘为超声心动图上边界,在上边界下方并距离上边界30个像素点处,所在的像素行,设置为感兴趣区域的第一边界。
从高度为30个像素点处开始划分,可以有效避免图像中右室位置的影响,而左室室隔内膜和二尖瓣相邻的大致范围的下边界,也能够将左室室隔内膜完整包括。所以,感兴趣区域的第一边界划定为30个像素高度(距离上边界30个像素高度处)。
(S412)感兴趣区域的第二边界:
感兴趣区域的第二边界在这里介绍两种方法,在这里,把这两种方法均通过本实施例进行介绍。但实际的实施时,只取其中一种方法即可,优先取用方法一。
方法一:(I)继续感兴趣区域第一边界向下统计每一像素行中,黑色像素点所占百分比,当黑色像素点占所在像素行中比例最大时,所对应到的像素行是感兴趣区域第二边界;
(II)当获得多个像素行满足于上述条件(I)时,则最靠近感兴趣区域第一边界的第一个满足上述条件(I)的像素行,是感兴趣区域第二边界。
方法二:沿感兴趣区域第一边界向下统计平行于第一边界的每一行中,黑色像素点所占百分比,当获得黑色像素点占所在行中比例超过80%,且随后40mm范围内具有黑色像素点占所在行中比例低于30%时,确定黑色像素点占所在行中比例超过80%的这一行,是感兴趣区域第二边界。
在感兴趣区域第一边界与感兴趣区域第二边界之间,为感兴趣区域。
步骤S43:
对感兴趣区域进行形态学开运算,使二值化后的超声心动图更加光滑;随后进行边缘检测,得到左室隔内膜边界。结果如图8所示。
步骤S44:
对得到的左室隔内膜边界进行闭运算,并使得到的左室隔内膜边界为连通域。图9为图 8方框部分的放大显示,清晰的分界线表明内膜边界已经与其他连通域分离开来。在图8中寻找最大连通域,即为内膜边界。通过确定边界的纵坐标最值,即为图像上部分子图像所需结果。
示例六:
参考图10,下部分子图像二值化结果如图10所示。在图中可以看到,有比较明显的波形线。但图像分割结果不够好,方框部分为左室后壁内膜边界未分开的位置,使左室后壁内膜边界和左室内肌体显示相连接,在计算左室后壁内膜边界时,必须把这里分开。
在超声心动图上确定左室后壁内膜边界的方法如下:
步骤S11:
二值化超声图像;标定以靠近二尖瓣一侧的连续边缘为超声心动图上边界;上边界的相反侧的连续边缘为超声心动图下边界。
从超声心动图上,在上边界至下边界相同距离为虚拟中线,在虚拟中线处开始,向下边界方向,以像素列为单位,统计每一列第一次出现白像素点的所在行位置。统计结果如图11 所示。
步骤S12:
统计得到的数据中,第一次出现白像素点所在行,距离上边界超过45个像素点的,所在列为数据错误列。
步骤S13:
纠正所在列数据错误;纠正所在列数据错误的方法为:
(S131):将相邻的具有错误数据的列合并为一个错误区间;
(S132):将错误区间左侧相邻的正确数据列所在的第一次出现白像素点所在行设置为第一参照点,将错误区间右侧相邻的正确数据列所在的第一次出现白像素点所在行设置为第二参照点;直线连接第一参照点与第二参照点,所述直线即为错误区间的左室后壁内膜边界。
步骤S14:
进行形态学开运算,使二值化后的超声心动图更加光滑;随后进行边缘检测,得到左室后壁内膜边界;
步骤S15:
对得到的左室后壁内膜边界进行闭运算,并使得到的左室后壁内膜边界为连通域。
示例七:
实施方式采用PyCharm-Community-2020.1为集成开发环境,OpenCV版本为4.2.0。
在实际临床应用中,根据探头的朝向,M型超声心动图有可能采集到二尖瓣,也可能没有二尖瓣信息。为了验证本算法的鲁棒性,分别对有二尖瓣的M超图像和没有二尖瓣的M超图像进行实验。实验结果如图12所示。图12为有二尖瓣信息的实验结果,计算得到的LVEF 为55%。图13为无二尖瓣信息的实验结果,计算得到的LVEF为54%。
实验对象为3000张M型超声心动图,自动测量LVEF的平均时间为0.6秒。与临床医生手动计算结果相比,自动测量的准确率为95.6%。此方法计算准确率较高,并且有不错的计算效率。
以上为实施本发明列举的各个实施例。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种在超声心动图上消除二尖瓣图像影响方法,其特征在于,
S01:在获得的至少具有二尖瓣图像和左室隔内膜图像的超声心动图上,确定左室隔内膜和二尖瓣的相邻区域的大致范围;
S02:在所述大致范围内,找到左室隔内膜和二尖瓣的相邻区域的像素块域;
S03:将相邻区域的像素块域的灰度值设置为0;
S04:将包括有像素块域灰度值被设置为0的相邻区域的超声心动图进行二值化处理,获得所述相邻区域以及二尖瓣区域均被排除在左室隔内膜外的二值化超声心动图。
2.如权利要求1所述的一种在超声心动图上消除二尖瓣图像影响方法,其特征在于,所述的确定左室隔内膜和二尖瓣相邻区域的大致范围的方法为:
S011:在超声心动图上,以靠近二尖瓣一侧的连续边缘为超声心动图上边界,在上边界下方并距离上边界30个像素点处所在的像素行,设置为计算起点线:
S012:在计算起点线处,向下,统计平行于计算起点线的每一像素行中,黑色像素点所占百分比;
S013:当获得的第一个至少具有35%黑色像素点的像素行,为所述大致范围的范围上边线;
S014:按如下方法获取所述大致范围的范围下边线:
(I)继续沿二尖瓣像素块域的范围上边线向下统计每一像素行中,黑色像素点所占百分比,当黑色像素点占所在像素行中比例最大时,所对应到的像素行是所述大致范围的范围下边线;
(II)当获得多个像素行满足于上述条件(I)时,则最靠近范围上边线的第一个满足上述条件(I)的像素行,是大致范围的范围下边线。
3.如权利要求2所述的一种在超声心动图上消除二尖瓣图像影响方法,其特征在于,所述的找到左室隔内膜和二尖瓣相邻区域像素块域方法为:
在所述大致范围内,由上边范围线向下边范围线逐行查找,并至少满足于如下查找条件:
(I)在同一列像素点中,像素灰度值由上边范围线向下边范围线至少有十个像素点为递增;
(II)查找到的第一个具有上述(I)特征的范围,为左室隔内膜和二尖瓣相邻区域像素块域。
4.如权利要求3所述的一种在超声心动图上消除二尖瓣图像影响方法,其特征在于,当满足于所述查找条件时,在所述查找到的左室隔内膜和二尖瓣相邻区域像素块域内,允许有且同时仅有以下情况之一,这种情况视为噪点:
(I)有不多于2个像素点的灰度值相较于上一个像素点停止递增;(II)有1个像素点的灰度值相较于上一个像素点减少。
5.在超声心动图上获得左室隔内膜边界的方法,其特征在于,按如下方法:
S40:采用权利要求1-4任意方法处理超声心动图;
S41:划定感兴趣区域,感兴趣区域包括有全部的左室隔内膜边界图像;
S43:对感兴趣区域进行形态学开运算,使二值化后的超声心动图更加光滑;随后进行边缘检测,得到左室隔内膜边界;
S44:对得到的左室隔内膜边界进行闭运算,并使得到的左室隔内膜边界为连通域。
6.如权利要求5所述的在超声心动图上获得左室隔内膜边界的方法,其特征在于,所述的感兴趣区域的计算方法如下:
S411:在超声心动图上,以靠近二尖瓣一侧的连续边缘为超声心动图上边界,在上边界下方并距离上边界30个像素点处所在的像素行,设置为感兴趣区域的第一边界;
S412:按如下方法获取感兴趣区域第二边界:
(I)继续感兴趣区域第一边界向下统计每一像素行中,黑色像素点所占百分比,当黑色像素点占所在像素行中比例最大时,所对应到的像素行是感兴趣区域第二边界;
(II)当获得多个像素行满足于上述条件(I)时,则最靠近感兴趣区域第一边界的第一个满足上述条件(I)的像素行,是感兴趣区域第二边界。
在感兴趣区域第一边界与感兴趣区域第二边界之间,为感兴趣区域。
7.一种在超声心动图上确定左室后壁内膜边界的方法,其特征在于,
S11:二值化超声图像;标定以靠近二尖瓣一侧的连续边缘为超声心动图上边界;上边界的相反侧的连续边缘为超声心动图下边界;
从超声心动图上,在上边界至下边界相同距离为虚拟中线,在虚拟中线处开始,向下边界方向,以像素列为单位,统计每一列第一次出现白像素点的所在行位置;
S12:统计得到的数据中,第一次出现白像素点所在行,距离上边界超过45个像素点的,所在列为数据错误列;
S13:纠正所在列数据错误;
S14:进行形态学开运算,使二值化后的超声心动图更加光滑;随后进行边缘检测,得到左室后壁内膜边界;
S15:对得到的左室后壁内膜边界进行闭运算,并使得到的左室后壁内膜边界为连通域。
8.如权利要求7所述的一种在超声心动图上确定左室后壁内膜边界的方法,其特征在于,所述的纠正所在列数据错误的方法为:
S131:将相邻的具有错误数据的列合并为一个错误区间;
S132:将错误区间左侧相邻的正确数据列所在的第一次出现白像素点所在行设置为第一参照点,将错误区间右侧相邻的正确数据列所在的第一次出现白像素点所在行设置为第二参照点;直线连接第一参照点与第二参照点,所述直线即为错误区间的左室后壁内膜边界。
9.一种在超声心动图上确定左室隔内膜边界与左室后壁内膜边界的方法,其特征在于,
S91:从超声心动图上设置虚拟中心线,所述虚拟中心线大致位于在上边界至下边界相同距离;
从虚拟中心线处,将超声心动图分别为:具有二尖瓣图像和左室隔内膜图像的超声心动图上图;以及具有左室后壁内膜边界的超声心动图下图;
S92:采用权利要求5所述的方法,对超声心动图上图进行处理,获得左室隔膜边界;
采用权利要求7的方法对超声心动图下图进行处理,获得左室后壁内膜边界。
10.如权利要求9所述的一种在超声心动图上确定左室前后壁内膜边界的方法,其特征在于,设置虚拟中心线的方法为以下方法之一:
(1)、计算超声心动图中,每一像素行所有像素的灰度值之和;从所述和最大的像素行开始,向上寻找的第一个所述和最小的像素行,即为虚拟中心线;
(2)、从超声心动图上,查找位于在上边界至下边界相同距离的像素行为虚拟中心线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637593.2A CN114882061A (zh) | 2021-06-08 | 2021-06-08 | 在超声心动图上确定心脏内膜边界的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637593.2A CN114882061A (zh) | 2021-06-08 | 2021-06-08 | 在超声心动图上确定心脏内膜边界的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114882061A true CN114882061A (zh) | 2022-08-09 |
Family
ID=82667472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110637593.2A Pending CN114882061A (zh) | 2021-06-08 | 2021-06-08 | 在超声心动图上确定心脏内膜边界的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882061A (zh) |
-
2021
- 2021-06-08 CN CN202110637593.2A patent/CN114882061A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meiburger et al. | Automated localization and segmentation techniques for B-mode ultrasound images: A review | |
US8199994B2 (en) | Automatic analysis of cardiac M-mode views | |
CN110338841B (zh) | 三维成像数据的显示处理方法和三维超声成像方法及系统 | |
CN110197713B (zh) | 一种医疗影像的处理方法、装置、设备和介质 | |
US8343053B2 (en) | Detection of structure in ultrasound M-mode imaging | |
US20100036248A1 (en) | Medical image diagnostic apparatus, medical image measuring method, and medicla image measuring program | |
US20110196236A1 (en) | System and method of automated gestational age assessment of fetus | |
US9514531B2 (en) | Medical image diagnostic device and method for setting region of interest therefor | |
WO2014067296A1 (zh) | 一种血管内外膜识别、描记和测量的方法 | |
CN112672691A (zh) | 一种超声成像方法及设备 | |
US20160302771A1 (en) | 3d ultrasound system and method for operating 3d ultrasound system | |
CN117547306B (zh) | 基于m型超声的左心室射血分数测量方法、系统及装置 | |
CN117017347B (zh) | 超声设备的图像处理方法、系统及超声设备 | |
CN114882061A (zh) | 在超声心动图上确定心脏内膜边界的方法 | |
JP6296385B2 (ja) | 医用画像処理装置、その医用目的領域抽出方法及び医用目的領域抽出処理プログラム | |
CN112826535B (zh) | 一种超声成像中自动定位血管的方法和装置及设备 | |
CN115564817A (zh) | 三维血管图像的确定方法、装置、设备及存储介质 | |
CN112336378B (zh) | 一种用于动物超声诊断的m型超声心动图处理方法和系统 | |
CN116152253B (zh) | 心脏磁共振mapping量化方法、系统和存储介质 | |
US20240005513A1 (en) | Medical image processing apparatus and medical image processing method | |
Dindoyal et al. | An active contour model to segment foetal cardiac ultrasound data | |
CN116458917A (zh) | 超声成像系统和超声图像的辅助显示方法 | |
Benes et al. | Automatic measurement of intima media thickness with preselection of the most suitable places | |
CN115337039A (zh) | 超声波诊断装置以及诊断辅助方法 | |
CN115105032A (zh) | 用于评估心脏图像的图像处理装置及心室状态识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |