一种利用造影微泡测量血流速度的方法技术

本发明专利技术公开了一种通过造影微泡测量血流速度的方法，包含以下步骤：超声视频帧图像预处理；运动超声微泡目标分割；运动超声微泡匹配跟踪；血流速度测量。本发明专利技术具有操作简单，可重复性强，适用性强等特点，测量得到的血流速度与用人工方法测量的血流速度非常接近，平均误差仅为4%左右。通过本方法准确地测量血管中的血流速度，这对研究某些疾病发病的前期征兆或中间环节，具有重要的意义。

Method for measuring blood flow velocity by contrast microbubbles

The invention discloses a method for measuring blood flow velocity by microbubble contrast, which comprises the following steps: pretreatment of ultrasound video images; motion object segmentation of ultrasound microbubble; ultrasound microbubble, motion tracking; blood flow velocity measurement. The invention has the advantages of simple operation, strong repeatability, strong applicability, etc. the measured blood flow velocity is very close to that measured by artificial method, and the average error is only about 4%. The accurate measurement of the blood flow velocity in the blood vessel by this method is of great significance to the study of the early signs or the intermediate links of some diseases.

【技术实现步骤摘要】

本专利技术涉及一种利用造影微泡测量血流速度的方法，属于超声图像处理

技术介绍
血管中的血流速度是人体健康的重要参数和指标，可以反映很多疾病发病的中间环节或前期征兆。因此，准确地测量血管中的血流速度，有助于医生对病情进行更好的分析，具有重要的临床价值与意义。随着超声造影剂的发展，二次谐波成像技术得到了很好的运用。充有惰性气体的油脂、聚合物或者生化蛋白制成的微泡具有无创性。利用造影微泡能产生强可视化二次谐波信号而制成的谐波或次谐波成像仪器进行探测，可以得到效果理想的目标结构。目前已有报道采用超声造影微泡技术测量血流速度，该方法是将造影微泡注入到血管中；用超声显像仪记录微泡运动的视频并保存；对运动视频图像进行分析，得到微泡在不同帧超声图像中的位置：即将视频分成一帧一帧的图像，然后在每帧图像中，通过人工判断每一帧中的微泡的位置并记录下该位置的坐标；最终，根据这些位置信息以及帧率计算出微泡运动的速度。这种通过人工判断获取微泡位置然后计算速度的做法，局限性非常大：当图像帧数比较多时，一帧一帧去找，非常繁琐；而且因为是通过肉眼判断和确定运动微泡的位置，主观因素很大，不同的人来做得出的结果有明显差异，可重复性差。所以说设计一种利用超声造影微泡测量血流速度的自动化方法是十分必要的。本专利技术针对人工测量方法的繁琐与重复性差的缺陷，提出了一种通过超声微泡测量血流速度的自动化方法，同时针对测量在血管中注入造影微泡不止一个的特点，可区分出多个造影微泡并分别对其进行自动跟踪，方法具有较高的准确性。至今为止，未见有关于利用超声微泡测量血流速度的自动化方法的报道出现。
技术实现思路
本专利技术所要解决的技术问题在于提供一种能够自动跟踪超声视频图像中的运动微泡，从而计算血流速度的方法，由该方法获得的实验结果跟手动跟踪测量获得的结果非常接近，可以取代手动测量。本专利技术的技术方案，包含以下步骤：（1）向血管中注入造影微泡，记录微泡运动的超声视频图像；（2）对各帧超声图像进行去噪预处理，然后用运动目标分割算法分割出运动微泡；在初始帧中选定待跟踪微泡的模板，并用微泡的的初始位置初始化kalman滤波器；（3）计算微泡模板的统计特征直方图，在后一帧图像中用kalman滤波器预测微泡的位置，在预测位置邻域内，依次选取跟微泡模板同样大小的区域，计算其LBP特征直方图，并用卡方法进行直方图匹配，匹配结果最佳的位置即为微泡在该帧图像中的位置；利用相邻两帧图像中目标微泡的位置信息及视频帧率计算微泡的速度，也即得到血流的速度；（4）根据步骤（3）中最佳匹配点的位置（也就是下一次预测中的初始位置）更新kalman滤波器，依次读取余下的图像帧，转入步骤（2），直至处理完所有图像。上述步骤（3）中，所述邻域为模板面积16倍大小。下面进一步详细介绍本专利技术方法。本专利技术上述步骤（2）中的预处理方法是经过本专利技术实践分析后选取的、能很好适应本专利技术中所处理的超声图像的各项异性扩散滤波(anisotropicdiffusion)方法。各向异性扩散首先是由Perona和Malik提出的，其原理如下：∂I∂t=div[c(|▿|)·▿I]]]>I(t＝0)＝I0其中div是散度算子，c(·)是系数因子。上述方程模拟了热扩散方程，方程中扩散系数是位置的函数，随着位置的变化而变化，不同的方向亦是如此。由于我们的目的是去除噪声，保留边缘信息，所以在边缘处方向的法线方向，扩散系数应该是一个小量，而在其它区域和边缘方向则就是一个较大量。扩散系数的通常形式为:c(x,y,t)=g(|▿I|)]]>函数g(·)应具有以下性质(1)在梯度为0的位置和方向，扩散系数为1，即g(0)=1；(2)梯度值越大，相应的扩散系数越小，即g(·)具有单调递减特征；(3)较强的边缘能阻止扩散的进行，即g(∞)=0。所以的通常形式为g(|▿I|)=exp(-(|▿I|/κ)2)]]>其中自由参量κ是传导因子，它决定了对边缘灰度信息处理的灵敏度。各向异性扩散滤波是图像平滑滤波方法是在超声平滑去噪中应用最广泛，效果最好的一种，它不仅能有效去除噪声，而且能很好的保留图像边缘信息，便于后面的目标检测分割和跟踪匹配。本专利技术的运动微泡分割方法采用了改进的帧间差分方法：传统的帧间差分方法对前后两帧图像差分之后会在差分图像当中得到运动目标在前后两帧图像中的两个位置，这会对后面基于特征匹配的微泡跟踪测速造成干扰；改进后的帧间差分法将差分图像与当前帧图像相与，可以有效消除掉运动目标在前一帧中的位置信息，只保留目标在当前图像帧中的位置，从而得到包含运动目标当前位置信息的图像。由于待处理超声图像帧的对比度较低以及背景的复杂性，分割后的图像仍包含一些冗余信息；其次对于一些视频图像帧，需要同时对多个微泡进行跟踪测速。因此，我们仍需要通过匹配算法来区分目标微泡及其它冗余信息，从而实现准确地跟踪测速。在进行运动目标模板特征匹配时，本专利技术方法巧妙地运用LBP（LocalBinaryPattern，局部二值模式）纹理特征代替常用的灰度信息来进行直方图匹配，对于图像的每一个像素点gc，如果其灰度值小于邻域像素点gp的值，则该邻域像素点标记为1，否则标记为0，从左上角开始逆时针排列即可得到该中心像素的LBP码和其十进制形式，如下图所示。本专利技术采用了改进的均匀化LBP算子，将散点及小斑点(LBP码值为00000000和11111111的点)的均匀化LBP码设置为其邻域均值，有效减小超声图像中斑点噪声和散点对纹理提取的影响，且不会弱化图像的边缘信息，使LBP纹理特征图能更加真实的反应目标的表面特征信息。克服了超声图像灰度信息弱，难以用于特征匹配的缺点。LBP基本原理示意图经典的Kalman滤波算法可用于估计离散时间过程的状态变量，它可以根据物体之前的状态对物体后面的状态进行预测。本专利技术引入kalman滤波，根据运动目标前一位置和当前位置信息，提前对运动目标的下一位置进行预测，将预测结果运用到后面的匹配跟踪当中，即在预测位置的适当邻域内进行目标匹配从而代替对整幅图像区域的匹配，大大减小错误匹配的概率，同时提高匹配效率。由以上分析，本专利技术的有益之处在于：（1）无需手动分析视频图像，自动确定超声微泡在各帧图像中的位置，从而获得血流速度。（2）测量方法简单，重复本文档来自技高网...

【技术保护点】
一种利用造影微泡测量血流速度的方法，其特征在于，包含以下步骤：（1）向血管中注入造影微泡，记录微泡运动的超声视频图像；（2）对各帧超声图像帧进行去噪预处理，然后用运动目标分割算法分割出运动微泡；在初始帧中选定待跟踪微泡的模板，并用微泡的的初始位置初始化kalman滤波器；（3）计算微泡模板的统计特征直方图，在后一帧图像中用kalman滤波器预测微泡的位置，在预测位置邻域内，依次选取跟微泡模板同样大小的区域，计算其LBP特征直方图，并用卡方法进行直方图匹配，匹配结果最佳的位置即为微泡在该帧图像中的位置；利用相邻两帧图像中目标微泡的位置信息及视频帧率计算微泡的速度，也即得到血流的速度；（4）根据步骤（3）中最佳匹配点的位置更新kalman滤波器，依次读取余下的图像帧，转入步骤（2），直至处理完所有图像。

【技术特征摘要】
1.一种利用造影微泡测量血流速度的方法，其特征在于，包含以下步骤：
（1）向血管中注入造影微泡，记录微泡运动的超声视频图像；
（2）对各帧超声图像帧进行去噪预处理，然后用运动目标分割算法分割出运动微泡；在初始帧中选定待跟踪微泡的模板，并用微泡的的初始位置初始化kalman滤波器；
（3）计算微泡模板的统计特征直方图，在后一帧图像中用kalman滤波器预测微泡的位置，在预测位置邻域内，依次选取跟微泡模板同样大小的区域，计算其LBP特征直方图，并用卡方法进行直方图匹配，匹配结果最佳的位置即为微泡在该帧图像中的位置；利用相邻两帧图像中目标微泡的位置信息及视频帧率计算微泡的速度，也即得到血流的速度；
（4）根据步骤（3）中最佳匹配点的位置更新kalman滤波器，依次读取余下的图像帧，转入步骤（2），直至处理完所有图像。
2.如权利要求1所述的方法，其特征在于：所述步骤（3）中，所述领域为模板面积16倍大小。
3.如权利要求1所述的方法，其特征在于：所述的预处理方法为各项异性扩散滤波方法。
4.如权利要求...

【专利技术属性】
技术研发人员：张东，陈定坤，陈放，陈庭寅，杨艳，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42