CN115861172A - 基于自适应正则化光流模型的室壁运动估计方法及装置 - Google Patents

基于自适应正则化光流模型的室壁运动估计方法及装置 Download PDF

Info

Publication number
CN115861172A
CN115861172A CN202211292203.3A CN202211292203A CN115861172A CN 115861172 A CN115861172 A CN 115861172A CN 202211292203 A CN202211292203 A CN 202211292203A CN 115861172 A CN115861172 A CN 115861172A
Authority
CN
China
Prior art keywords
optical flow
motion
images
frames
coefficient
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
Application number
CN202211292203.3A
Other languages
English (en)
Inventor
朱新建
刘姗娜
张昊
周庆利
吴金玉
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.)
Yiwu Affiliated Hospital of Zhejiang University School of Medicine
Original Assignee
Yiwu Affiliated Hospital of Zhejiang University School of Medicine
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 Yiwu Affiliated Hospital of Zhejiang University School of Medicine filed Critical Yiwu Affiliated Hospital of Zhejiang University School of Medicine
Priority to CN202211292203.3A priority Critical patent/CN115861172A/zh
Publication of CN115861172A publication Critical patent/CN115861172A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种基于自适应正则化光流模型的室壁运动估计方法和装置，属于超声波图像处理技术领域，针对常用的光流模型估计方法采用恒定的正则化平滑系数导致室壁边界区域计算误差大引起运动边界不清晰的问题，首先将初步得到的光流矢量通过二维小波分析及函数映射得到运动场相对突变的运动边界信息；其次，将突变的运动边界信息自适应地反馈至光流计算模型中，以修正平滑项正则化系数并重新计算光流场；最后，重复上述的光流计算过程直到光流场小波高频分量收敛；该方法将心肌室壁内和周围组织的梯度差距在正则化系数中加以体现，从而提高了运动估计的准确度，具有较高的光流计算精度且有良好的异物检测能力。

Description

基于自适应正则化光流模型的室壁运动估计方法及装置
技术领域
本申请涉及超声波图像处理技术领域，尤其涉及一种基于自适应正则化光流模型的室壁运动估计方法及装置。
背景技术
心血管疾病是威胁人类健康的一类重要疾病，在全球致死疾病中占首位，而缺血性心脏病是其中所占比例最大的一种类型。缺血性心脏病主要是由于心肌供血供氧不足而导致心肌缺血的一种临床疾病，而心肌功能异常可引发心力衰竭、造成心肌梗死甚至猝死。因此，如何有效的评估心肌功能并实时分析显得尤为重要。
目前，超声技术以无创、实时、价格低等特有的优势，广泛应用于临床中，超声心动图可以有效对患者生理和心脏功能、心脏解剖结果进行显示，还能测定患者左心室舒张、收缩能力，能够有效诊断二尖瓣反流、左心室壁瘤等，近些年来心内超声心动图已经作为一种新的成像方式应用于常规检查和术中监控，如左心耳闭合、导管支架植入等术中成像。超声心动图在心血管疾病的诊断和分析中起到至关重要的作用，但是诊断很大程度上依赖医生的主观意识，临床经验的差异很可能会导致错误的诊断。超声心动图定量指标分析可为心肌功能评估提供更准确的技术手段。特别是通过室壁运动分析，可为临床医生提供可靠的量化指标，从而潜在地降低人为错误的风险。然而，由于超声成像的物理限制，往往图像中会出现散斑、噪声等因素影响，使得超声心动图中常出现阴影、心肌室壁轮廓不明显等问题，对室壁运动计算带来一定困难，影响其应用价值。
利用手动分割提供的心肌室壁内外模边界信息可以提高超声心动图运动估计质量，为计算相邻两帧的位移计算提供帮助。但超声心动图中存在许多不规则的颗粒状斑点，即使在心肌室壁内，纹理信息依旧丰富，存在较多的噪声及伪影；另外，医生探头的摆放和病人体位的改变会造成室壁存在“阴影”的情况。这些都会造成手动分割的结果和真实边界有一定差距，且对于大量的超声数据，手动分割效率过低。
发明内容
本申请提供一种基于自适应正则化光流模型的室壁运动估计方法及装置，利用小波分析自动得到心肌室壁与周围组织的运动边界信息，通过反馈建立自适应的正则化参数迭代过程，逐步优化光流计算模型直至小波系数收敛，从而提高超声心动图的室壁运动估计精度。
本申请的技术方案如下：
根据本申请实施例的第一方面，提供一种基于自适应正则化光流模型的室壁运动估计方法包括：
步骤101：基于超声波心动图像获取预设心动周期内的多帧超声图像排序组合；
步骤102：采用光流法对所述多帧超声图像排序组合的前后两帧图像计算前后两帧图像的运动光流场；
步骤103：采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息；
步骤104：将运动边界信息经过映射加入光流模型的正则化系数中，计算得到运动边界平滑系数；
步骤105：根据运动边界平滑系数重新计算前后两帧图像的运动光流场；
步骤106：循环执行步骤103、步骤104和步骤105直至小波系数收敛，得到最终的室壁运动位移估计结果。
可选的，所述采用光流法对所述多帧超声图像排序组合的前后两帧图像计算前后两帧图像的运动光流场包括：
对所述多帧超声图像排序组合的前后两帧图像的总能量函数进行最小化数值求解计算得到前后两帧图像的运动光流场，其中，前后两帧图像的总能量函数为E(u,v)＝Egradient+Ecolor+αEsmooth，Egradient和Ecolor相加代表数据项，Esmooth代表平滑项，α为大于零的正则化平滑系数。
可选的，数据项Ecolor根据公式Ecolor(u,v)＝∫Ωψ(|I(x+w)-I(x)|2计算，数据项Egradient根据公式
Figure SMS_1
计算，平滑项Esmooth根据公式/>
Figure SMS_2
计算，其中，/>
Figure SMS_3
ε为常数，x表示像素点A的位置，w表示像素点A的位移，/>
Figure SMS_4
表示计算XY方向的导数。
可选的，正则化平滑系数α采用公式
Figure SMS_5
计算，其中，αg为全局信息权重，αl为局部信息权重，Ix、Iy为图像梯度。
可选的，所述采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息包括：
根据公式fj＝fj-1+cmpt采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息，其中，fj为原始信号f的最高近似系数，由fj开始逐级分解为较低近似的近似部分fj-1和小波分量cmpt。
可选的，取小波分量cmpt中的高频分量cmpt4经过函数映射得到光流估计中的非边界平滑系数Wcmpt，根据公式αi+1＝αi+Wcmpt将运动边界信息经过映射加入光流模型的正则化系数中，计算得到运动边界平滑系数。
可选的，所述循环执行步骤103、步骤104和步骤105直至小波系数收敛，得到最终的室壁运动位移估计结果，包括：
循环执行步骤103、步骤104和步骤105直至相邻两次小波高频分量差值收敛，得到最终的室壁运动位移估计结果。根据本申请实施例的第二方面，提供一种基于自适应正则化光流模型的室壁运动估计装置包括：
图像处理模块，用于基于超声波心动图像获取预设心动周期内的多帧超声图像排序组合；
第一计算模块，用于采用光流法对所述多帧超声图像排序组合的前后两帧图像计算前后两帧图像的运动光流场；
分解重构模块，用于采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息；
映射模块，用于将运动边界信息经过映射加入光流模型的正则化系数中，计算得到运动边界平滑系数；
第二计算模块，用于根据运动边界平滑系数重新计算前后两帧图像的运动光流场；
处理模块，循环执行分解重构模块、映射模块和第二计算模块直至小波系数收敛，得到最终的室壁运动位移估计结果。
根据本申请实施例的第三方面，提供一种非易失性存储设备包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现第一方面提供的方法。
根据本申请实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面提供的方法。
根据本申请实施例的第五方面，提供一种计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现第一方面提供的方法。
有益效果：
本申请所涉及的
一种基于自适应正则化光流模型的室壁运动估计方法和装置，针对常用的光流模型估计方法采用恒定的正则化平滑系数导致室壁边界区域计算误差大引起运动边界不清晰的问题，本发明提出了利用小波分析技术构建自适应的光流正则化模型进行室壁运动估计，首先将初步得到的光流矢量通过二维小波分析及函数映射得到运动场相对突变的运动边界信息；其次，将突变的运动边界信息自适应地反馈至光流计算模型中，以修正平滑项正则化系数并重新计算光流场；最后，重复上述的光流计算过程直到光流场小波高频分量收敛；该方法将心肌室壁内和周围组织的梯度差距在正则化系数中加以体现，从而提高了运动估计的准确度，具有较高的光流计算精度且有良好的异物检测能力。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。
图1是根据一示例性实施例示出的本申请提供一种基于自适应正则化光流模型的室壁运动估计方法的流程示意图；
图2是根据一示例性实施例示出的一种基于自适应正则化光流模型的室壁运动估计方法的算法流程图；
图3是根据一示例性实施例示出的一种基于小波分解的运动边界提取示意图；
图4是根据一示例性实施例示出的一种光流矢量经过小波分解后得到的从低频到高频的四个分量示意图；
图5是根据一示例性实施例计算的室壁运动估计结果与现有技术的对比示意图；
图6是根据一示例性实施例示出的一种基于自适应正则化光流模型的室壁运动估计装置的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了提高图像的质量以及获取更准确的室壁运动力学参数，以更有效地评估心肌功能，因此，本申请通过收集15例心肌运动异常患者和15例正常患者的超声心动图影像。利用超声心动图的室壁运动估计对心脏病的诊断意义重大，针对常用的光流模型估计方法采用恒定的正则化平滑系数导致室壁边界区域计算误差大引起运动边界不清晰的问题，本发明提出了利用小波分析技术构建自适应的光流正则化模型进行室壁运动估计，首先将初步得到的光流矢量通过二维小波分析及函数映射得到运动场相对突变的运动边界信息；其次，将突变的运动边界信息自适应地反馈至光流计算模型中，以修正平滑项正则化系数并重新计算光流场；最后，重复上述的光流计算过程直到光流场小波高频分量收敛；该方法将心肌室壁内和周围组织的梯度差距在正则化系数中加以体现，从而提高了运动估计的准确度，具有较高的光流计算精度且有良好的异物检测能力。
图1为本申请一示例性实施例提供的一种基于自适应正则化光流模型的室壁运动估计方法的流程图。本发明实施例的室壁运动估计方法利用小波分析自动得到心肌室壁与周围组织的运动边界信息，通过自适应反馈建立自适应的正则化参数迭代过程，逐步优化光流计算模型直至小波系数收敛，从而提高超声心动图的运动估计精度。如图1所示，该基于自适应正则化光流模型的室壁运动估计方法的具体步骤如下：
步骤101：根据超声波心动图像获取一个心动周期内的超声图像排序组合。
本发明实施例将采集到的30例患者的超声心动图影像作为原始影像数据，截取一个心动周期内的超声图像排序组合进行分析，从而计算心肌室壁运动的位移数据，对心血管疾病的心肌缺血诊断有非常重要的参考价值。参考图2所示，可以先对原始影像数据进行图像预处理，之后截取一个心动周期内的超声图像排序组合进行分析。
步骤102：采用光流法对所述多帧超声图像排序组合的前后两帧图像计算前后两帧图像的运动光流场。
心肌功能是否异常可通过分析超声心动图心肌室壁运动的协调性进行评价，通过运动估计，给临床医生提供量化指标，辅助临床诊断。光流法的多尺度、多分辨率等优势，为超声心动图进行精确的局部运动分析提供了可能。Brox光流法是结合三种假设并研究计算光流的能量方程：灰度恒定假设、梯度恒定假设、不连续保持时空平滑约束。约束项为数据约束和平滑约束，其中，数据约束包括灰度恒定约束和梯度恒定约束。总能量函数是数据项和平滑项的加权和，对总能量函数进行最小化并建立数值化求解方法，即找到目标u、v使得总能量函数最小化，以得到前后两帧的运动光流场。
本发明实施例对多帧超声图像排序组合的前后两帧图像的总能量函数进行最小化数值求解计算得到前后两帧图像的运动光流场，其中，前后两帧图像的总能量函数为E(u,v)＝Egradient+Ecolor+αEsmooth，Egradient和Ecolor相加代表数据项，Esmooth代表平滑项，α为大于零的正则化平滑系数。数据项Ecolor根据公式Ecolor(u,v)＝∫ΩΨ(|I(x+w)-I(x)|2计算，数据项Egradient根据公式
Figure SMS_6
计算，平滑项Esmooth根据公式/>
Figure SMS_7
计算，其中，/>
Figure SMS_8
ε为常数，x表示像素点A的位置，w表示像素点A的位移，/>
Figure SMS_9
表示计算XY方向的导数。
本发明实施例的正则化平滑系数α采用公式
Figure SMS_10
计算，其中，αg为全局信息权重，αl为局部信息权重，Ix、Iy为图像梯度。正则化系数α与该像素点处的梯度成反比，说明正则化系数α在超声图像边界处或纹理丰富区域系数较小，在灰度均匀的区域系数较大。
步骤103：采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息。
利用分割提供的心肌室壁内外模边界信息可以提高超声心动图运动估计质量，提高相邻两帧图像的位移计算精度。本发明实施例利用小波变换自动提取室壁边界的运动信息，通过把信号分解为不同频带的子信号，即将信号分解成位于不同时间和频率上的各个成分，低频子图成为亮度图像，水平、垂直和对角线高频子图成为细节图像。为解决光流正则化过程中，光流场中的运动边界较为模糊问题，本发明实施例将光流运动矢量作为原始信号进行小波分析，可以有效提取心肌室壁与周围组织的边界信息。
参考图2和图3所示，本发明实施例根据公式fj＝fj-1+cmpt采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息，其中，fj为原始信号f的最高近似系数。由fj开始逐级分解为较低近似的近似部分fj-1和小波分量cmpt1，重复该分解过程直至提取出小波分解的四个分量cmpt1、cmpt2、cmpt3、cmpt4。再利用提取出的高频分量cmpt4经过函数映射得到光流估计中的非边界平滑系数Wcmpt，
步骤104：将运动边界信息经过映射加入光流模型的正则化系数中，计算得到运动边界平滑系数。
本发明实施例通过取小波分量cmpt中的高频分量cmpt4经过函数映射得到光流估计中的非边界平滑系数Wcmpt，根据公式αi+1＝αi+Wcmpt将运动边界信息经过映射加入光流模型的正则化系数中，计算得到运动边界平滑系数。
步骤105：根据运动边界平滑系数重新计算前后两帧图像的运动光流场。
步骤106：循环执行步骤103、步骤104和步骤105直至小波系数收敛，得到最终的室壁运动位移估计结果。
由于超声心动图中存在散斑、噪声等现象，导致心肌非边界区域纹理信息丰富，梯度差较大，即原光流法的正则化系数并不能很好的区分心肌室壁与周围组织，本发明实施例在正则化系数α中加入由小波分析得到的非边界平滑系数Wcmpt，利用其提取到的运动边界信息调整心肌室壁与周围组织的边界及它们内部的正则化系数，即减小边界区域的系数和增大非边界区域的系数。本发明实施例利用小波分解得到的高频系数描述边界分布，并将边界分布和非边界平滑项相关联加入正则化系数中，光流计算中正则项系数α采用公式αi+1＝αi+Wcmpt进行迭代计算。
其中Wcmpt为经过小波分析及函数映射得到的平滑系数，也即利用提取出的高频分量cmpt4经过函数映射得到的平滑系数Wcmpt加入到光流正则化过程中，迭代更新计算光流结果直至小波分量收敛，其中，直至再次经过小波分析及函数映射得到的非边界平滑系数
Figure SMS_11
得到最终的室壁运动位移估计结果，其中，aw为常量。由于小波系数的极值会因为不同组织间硬度相对关系而出现正负的差别，在/>
Figure SMS_12
对应关系中求取绝对值，通过绝对值大小体现需要平滑的程度。
本发明实施例采用公式αi+1＝αi+Wcmpt进行迭代计算得到新正则项系数α2代替α1后计算得到的新的光流运动场，对计算结果再进行小波分解，得到新的高频分量cmpt4’，利用其进行二次映射，得到新的平滑系数Wcmpt2并加入到正则化过程中，得到新正则项系数α3，之后再进行下一次光流计算，重复前述步骤直到小波分解得到的高频分量cmpt4收敛，即得到最终的位移估计结果。
参考图4所示，为了仿真心肌运动效果，采用本发明实施例的室壁运动估计方法采用一个“U”型二值图像模拟心肌收缩运动。利用固定平滑系数光流法对比计算两帧图像得到初始光流矢量，初始光流矢量再经过二维小波分析得到四个频率上的小波分量，实验结果如图4所示，由结果可见，高频分量(d)最能反映光流矢量的运动边界信息，且噪声最小。图4中，(a)为“U”型二值图像，(b)、(c)、(d)、(e)分别为光流矢量经过小波分解后得到的从低频到高频的四个分量。
参考图5所示，用“U”型二值图像模拟心肌收缩运动，利用小波分析得到高频分量，并经过函数映射加入到自适应光流正则化过程中，计算得到最终结果，实验结果如图5所示，由图可见，相比于改进前的室壁运动估计算法，改进后的算法可以较为明显的提取出心肌室壁和周围组织的运动边界，达到了预期的目标，证明了算法的有效性。
模拟心肌室壁运动计算得到的速度矢量场的精度是衡量运动评估算法优劣的主要指标，可采用均方根误差(Root-Mean Square Error，RMSE)和光流向量之间的角度误差(Angular Error，AE)作为速度矢量场精度的评价指标。RMSE反映了计算得到的速度矢量场与实际矢量场之间的离散程度。AE反映了计算得到的光流向量与实际光流向量之间的夹角误差情况。利用“U”型二值图像，使用warp矫正技术模拟心肌收缩运动。具体为模拟室壁左侧向右移动2个像素点，室壁右侧向左移动2个像素点，整个室壁向下移动1个像素点，计算范围均取自室壁感兴趣区域。对比计算本发明实施例的室壁运动估计方法和HS光流法、LK光流法及Brox光流法的计算结果精度，以证明本发明实施例的室壁运动估计方法的准确性。具体比较结果如表1所示：
表1本发明实施例、HS光流法、LK光流法和brox光流法实验评价结果
Figure SMS_13
结果表明，本发明实施例的室壁运动估计方法与其他三种光流法相比有更低的均方根误差值和角度误差值，说明本发明实施例的室壁运动估计方法的计算精度更高。
一种基于自适应正则化光流模型的室壁运动估计方法和装置，针对常用的光流模型估计方法采用恒定的正则化平滑系数导致室壁边界区域计算误差大引起运动边界不清晰的问题，本发明提出了利用小波分析技术构建自适应的光流正则化模型进行室壁运动估计，首先将初步得到的光流矢量通过二维小波分析及函数映射得到运动场相对突变的运动边界信息；其次，将突变的运动边界信息自适应地反馈至光流计算模型中，以修正平滑项正则化系数并重新计算光流场；最后，重复上述的光流计算过程直到光流场小波高频分量收敛；该方法将心肌室壁内和周围组织的梯度差距在正则化系数中加以体现，从而提高了运动估计的准确度，具有较高的光流计算精度且有良好的异物检测能力。
图6为本申请一示例性实施例提供的一种基于自适应正则化光流模型的室壁运动估计装置的结构示意图。本申请实施例提供的一种基于自适应正则化光流模型的室壁运动估计装置可以执行一种基于自适应正则化光流模型的室壁运动估计方法实施例提供的处理流程。如图6所示，本申请提供的一种基于自适应正则化光流模型的室壁运动估计装置20包括：
图像处理模块201，用于基于超声波心动图像获取预设心动周期内的多帧超声图像排序组合；
第一计算模块202，用于采用光流法对所述多帧超声图像排序组合的前后两帧图像计算前后两帧图像的运动光流场；
分解重构模块203，用于采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息；
映射模块204，用于将运动边界信息经过映射加入光流模型的正则化系数中，计算得到运动边界平滑系数；
第二计算模块205，用于根据运动边界平滑系数重新计算前后两帧图像的运动光流场；
处理模块206，循环执行分解重构模块203、映射模块204和第二计算模块205直至小波系数收敛，得到最终的室壁运动位移估计结果。
本申请实施例提供的装置可以具体用于执行上述图1对应方法实施例所提供的方案，具体功能和所能实现的技术效果此处不再赘述。
本发明实施例还提供一种非易失性存储设备包括：处理器，以及与处理器通信连接的存储器；
存储器存储计算机执行指令；
处理器执行存储器存储的计算机执行指令，以实现上述任一方法实施例所提供的方案，具体功能和所能实现的技术效果此处不再赘述。该电子设备可以为上述提及的服务器。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一方法实施例所提供的方案，具体功能和所能实现的技术效果此处不再赘述。
本申请实施例还提供了一种计算机程序产品，程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一方法实施例所提供的方案，具体功能和所能实现的技术效果此处不再赘述。
本申请实施例描述的应用场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本申请的电子设备可以包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的运营数据管理方法。例如，处理器可以执行如运营数据管理方法中的步骤。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程图像缩放设备的处理器以产生一个机器，使得通过计算机或其他可编程图像缩放设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程图像缩放设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程图像缩放设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种基于自适应正则化光流模型的室壁运动估计方法，其特征在于，所述方法包括：
步骤101：基于超声波心动图像获取预设心动周期内的多帧超声图像排序组合；
步骤102：采用光流法对所述多帧超声图像排序组合的前后两帧图像计算前后两帧图像的运动光流场；
步骤103：采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息；
步骤104：将运动边界信息经过映射加入光流模型的正则化系数中，计算得到运动边界平滑系数；
步骤105：根据运动边界平滑系数重新计算前后两帧图像的运动光流场；
步骤106：循环执行步骤103、步骤104和步骤105直至小波系数收敛，得到最终的室壁运动位移估计结果。
2.根据权利要求1所述的方法，其特征在于，所述采用光流法对所述多帧超声图像排序组合的前后两帧图像计算前后两帧图像的运动光流场包括：
对所述多帧超声图像排序组合的前后两帧图像的总能量函数进行最小化数值求解计算得到前后两帧图像的运动光流场，其中，前后两帧图像的总能量函数为E(u,v)＝Egradient+Ecolor+αEsmooth，Egradient和Ecolor相加代表数据项，Esmooth代表平滑项，α为大于零的正则化平滑系数。
3.根据权利要求2所述的方法，其特征在于，数据项Ecolor根据公式Ecolor(u,v)＝∫ΩΨ(|I(x+w)-I(x)|2计算，数据项Egradient根据公式
Figure FDA0003901572070000011
Figure FDA0003901572070000012
计算，平滑项Esmooth根据公式/>
Figure FDA0003901572070000013
Figure FDA0003901572070000014
计算，其中，/>
Figure FDA0003901572070000015
ε为常数，x表示像素点A的位置，w表示像素点A的位移，/>
Figure FDA0003901572070000016
表示计算XY方向的导数。
4.根据权利要求2所述的方法，其特征在于，正则化平滑系数α采用公式
Figure FDA0003901572070000021
计算，其中，αg为全局信息权重，αl为局部信息权重，Ix、Iy为图像梯度。
5.根据权利要求2所述的方法，其特征在于，所述采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息包括：
根据公式fj＝fj-1+cmpt采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息，其中，fj为原始信号f的最高近似系数，由fj开始逐级分解为较低近似的近似部分fj-1和小波分量cmpt。
6.根据权利要求5所述的方法，其特征在于，取小波分量cmpt中的高频分量cmpt4经过函数映射得到光流估计中的非边界平滑系数Wcmpt，根据公式αi+1＝αi+Wcmpt将运动边界信息经过映射加入光流模型的正则化系数中，计算得到运动边界平滑系数。
7.根据权利要求6所述的方法，其特征在于，所述循环执行步骤103、步骤104和步骤105直至小波系数收敛，得到最终的室壁运动位移估计结果，包括：
循环执行步骤103、步骤104和步骤105直至相邻两次小波高频分量差值收敛，得到最终的室壁运动位移估计结果。
8.一种基于自适应正则化光流模型的室壁运动估计装置，其特征在于，所述室壁运动估计装置包括：
图像处理模块，用于基于超声波心动图像获取预设心动周期内的多帧超声图像排序组合；
第一计算模块，用于采用光流法对所述多帧超声图像排序组合的前后两帧图像计算前后两帧图像的运动光流场；
分解重构模块，用于采用二维小波分析法对前后两帧图像的运动光流场进行分解与重构并提取运动边界信息；
映射模块，用于将运动边界信息经过映射加入光流模型的正则化系数中，计算得到运动边界平滑系数；
第二计算模块，用于根据运动边界平滑系数重新计算前后两帧图像的运动光流场；
处理模块，循环执行分解重构模块、映射模块和第二计算模块直至小波系数收敛，得到最终的室壁运动位移估计结果。
9.一种非易失性存储设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-7中任一项所述的方法。
CN202211292203.3A 2022-10-21 2022-10-21 基于自适应正则化光流模型的室壁运动估计方法及装置 Pending CN115861172A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211292203.3A CN115861172A (zh) 2022-10-21 2022-10-21 基于自适应正则化光流模型的室壁运动估计方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211292203.3A CN115861172A (zh) 2022-10-21 2022-10-21 基于自适应正则化光流模型的室壁运动估计方法及装置

Publications (1)

Publication Number Publication Date
CN115861172A true CN115861172A (zh) 2023-03-28

Family

ID=85661661

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211292203.3A Pending CN115861172A (zh) 2022-10-21 2022-10-21 基于自适应正则化光流模型的室壁运动估计方法及装置

Country Status (1)

Country Link
CN (1) CN115861172A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422735A (zh) * 2023-12-13 2024-01-19 南方科技大学 粒子测速方法、粒子测速装置、电子设备及存储介质
CN118552583A (zh) * 2024-07-25 2024-08-27 佛山大学 一种流体运动结构增强的流可视化方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422735A (zh) * 2023-12-13 2024-01-19 南方科技大学 粒子测速方法、粒子测速装置、电子设备及存储介质
CN117422735B (zh) * 2023-12-13 2024-03-26 南方科技大学 粒子测速方法、粒子测速装置、电子设备及存储介质
CN118552583A (zh) * 2024-07-25 2024-08-27 佛山大学 一种流体运动结构增强的流可视化方法及系统
CN118552583B (zh) * 2024-07-25 2024-10-11 佛山大学 一种流体运动结构增强的流可视化方法及系统

Similar Documents

Publication Publication Date Title
US7430309B2 (en) Computation of a geometric parameter of a cardiac chamber from a cardiac tomography data set
US7567696B2 (en) System and method for detecting the aortic valve using a model-based segmentation technique
De Craene et al. Temporal diffeomorphic free-form deformation: Application to motion and strain estimation from 3D echocardiography
Banerjee et al. A completely automated pipeline for 3D reconstruction of human heart from 2D cine magnetic resonance slices
US8218845B2 (en) Dynamic pulmonary trunk modeling in computed tomography and magnetic resonance imaging based on the detection of bounding boxes, anatomical landmarks, and ribs of a pulmonary artery
CN115861172A (zh) 基于自适应正则化光流模型的室壁运动估计方法及装置
US20100266188A1 (en) Chest x-ray registration, subtraction and display
Kim et al. Automatic segmentation of the left ventricle in echocardiographic images using convolutional neural networks
Heyde et al. Anatomical image registration using volume conservation to assess cardiac deformation from 3D ultrasound recordings
Sakellarios et al. Novel methodology for 3D reconstruction of carotid arteries and plaque characterization based upon magnetic resonance imaging carotid angiography data
CN114270397A (zh) 使用电特性断层成像确定流体和组织体积估计的系统和方法
Lamash et al. Strain analysis from 4-D cardiac CT image data
Marin et al. Numerical surrogates for human observers in myocardial motion evaluation from SPECT images
Almeida et al. Left-atrial segmentation from 3-D ultrasound using B-spline explicit active surfaces with scale uncoupling
López et al. WarpPINN: Cine-MR image registration with physics-informed neural networks
Lara-Hernandez et al. Deep learning-based image registration in dynamic myocardial perfusion CT imaging
US7668370B2 (en) Segmenting a series of 2D or 3D images
Ta et al. Multi-task Learning for Motion Analysis and Segmentation in 3D Echocardiography
Wang et al. Improving segmentation of breast arterial calcifications from digital mammography: good annotation is all you need
Perperidis Spatio-temporal registration and modelling of the heart using cardiovascular MR imaging
CN113223104B (zh) 一种基于因果关系的心脏mr图像插补方法及系统
Tanner et al. Consistent reconstruction of 4D fetal heart ultrasound images to cope with fetal motion
Li et al. Personalized Topology-Informed 12-Lead ECG Electrode Localization from Incomplete Cardiac MRIs for Efficient Cardiac Digital Twins
Anitha et al. Case Studies on Medical Diagnosis Using Soft Computing Techniques
Popescu Assessing the effect of tissue structural changes during cardiac deformation using magnetic resonance imaging techniques

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