一种基于活体超声图像的呼吸分离式应变成像方法技术

本发明专利技术公开了一种基于活体超声图像的呼吸分离式应变成像方法，属于医学图像处理领域。本发明专利技术的方法为采集数字超声图像序列后，通过二维互相关计算和频谱分析得到活体的呼吸、心跳频率，随后在互相关曲线中进行交替极值检索，以对图像序列进行“呼气”、“吸气”状态划分，并进行初步的图像筛选，再分别提取运动状态最匹配的图像序列及其对应的运动补偿量，并据此分别计算组织的空间位移和空间应变图像序列。最后，将两个状态的位移和应变图像序列分别合并。本发明专利技术的目的在于克服现有技术中，活体呼吸、心跳等生理运动会影响斑点追踪精度，导致空间应变图像存在较大伪影和误差的不足，本发明专利技术可以得到精确的组织内位移和应变分布图像。

【技术实现步骤摘要】
一种基于活体超声图像的呼吸分离式应变成像方法
本专利技术涉及医学图像处理领域，更具体地说，涉及一种基于活体超声图像的呼吸分离式应变成像方法。
技术介绍
随着医学影像技术的发展和治疗方式微创、无创化的趋势，医学影像在无创和介入式治疗的监控中应用愈加广泛，典型如局部组织热消融中的温度成像、弹性成像等功能成像技术。常用的成像方式包括磁共振成像、计算机断层扫描成像(CT)和超声成像等。以B超为主的超声成像设备由于兼具低成本、便携和实时性强等优点，已广泛应用于临床。在利用B超进行活体成像时，超声图像由于活体的呼吸、心跳等生理过程表现出复杂的动态变化。基于此类超声图像进行超声热应变成像、弹性成像时，其结果中会存在较大的伪影和误差。为减小生理运动的影响，现有的运动抑制方法主要有图像配准法和呼吸门控法。但是，生理运动时组织的弯曲和压缩使图像配准法的运动抑制效果十分有限。对于呼吸门控法，由于个体的呼吸幅度、周期等存在较大差异，其运动抑制效果不具有很好的效果和普适性。此外，该方法一般不考虑心跳运动的影响。在现有技术中针对克服活体生理运动、计算局部组织位移和应变，提出了一些技术方案。例如专利技术创造名称为：基于热膨胀和门控算法测量生物组织温度变化的超声方法(申请日：2017年9月25日；申请号：201710876349)，该方案公开了一种基于热膨胀和门控算法测量生物组织温度变化的超声方法，其针对目前各种基于对体内组织加热的方式治疗疾病的方法中无法有效监测靶区温升的问题，建立了一种利用B超RF信号评估生物组织温度变化的方法。该方案对生物组织利用聚焦超声、射频、微波等方法进行局部加热，用B型超声对靶区进行成像并收集其RF信号，基于B超时序图像，选取目标帧，计算超声经过组织时的时间延迟图像并由此得到温度变化图像；根据加热区域外的图像计算自适应滤波器的系数，对得到的温度变化图像进行噪声抑制。该方案在温升18℃范围内误差不超过2℃，其将推动B超的温升监控技术在热疗中的应用，可显著提高热疗的安全性和有效性。但该方案不足之处在于仅能在“呼气”和“吸气”两种状态之间二选其一，即仅能输出一种呼吸状态时期内的结果；由于缺少运动状态、周期的判断，可能导致门控失效，导致位移和应变计算误差增大，甚至发生错误。综上所述，如何对活体生理运动进行有效的抑制，获取精确的组织位移和应变分布图像，是现有技术亟需解决的问题。
技术实现思路
1.要解决的问题本专利技术的目的在于克服现有技术中，由于活体生理运动的存在导致超声图像移动且难以被有效抑制，进一步导致位移和和应变分布图像的计算结果伴有伪影和较大误差的不足，本专利技术提供了一种基于活体超声图像的呼吸分离式应变成像方法，可以获得活体图像在不同呼吸状态下的热应变，并且可以对活体图像序列进行精确的生理运动识别和补偿，进一步以此计算得到精确的组织位移分布图像和组织应变分布图像。2.技术方案为了解决上述问题，本专利技术所采用的技术方案如下：本专利技术的一种基于活体超声图像的呼吸分离式应变成像方法，包括：对活体的应变集中区域进行超声图像采集得到数字超声图像序列；对数字超声图像序列进行互相关计算得到互相关系数—时间曲线γn(t)，根据γn(t)选取“吸气”状态的第一参考帧；再根据“吸气”状态的第一参考帧对数字超声图像序列进行互相关计算得到互相关系数—时间曲线γm(t)，对γm(t)进行处理得到互相关系数—时间曲线γ'm(t)，并根据γ'm(t)选取“呼气”状态的第一参考帧；查找γ'm(t)的极值，并根据极值时间坐标划分“吸气”状态和“呼气”状态；其中，“吸气”状态和“呼气”状态分别包括若干个周期；针对每个周期分别设置阈值，根据阈值对图像序列进行筛选得到剩余图像序列，其中，“吸气”状态对应的剩余图像序列为Iinh,0；“呼气”状态对应的剩余图像序列为Iexh,0；对数字超声图像序列设置感兴趣区域，并对感兴趣区域进行带运动补偿的互相关检索得到处理图像序列，其中，“吸气”状态对应的处理图像序列为Iinh,1；“呼气”状态对应的处理图像序列为Iexh,1；对Iinh,1和Iexh,1分别进行计算得到各自对应的位移图像序列和应变图像序列，其中，Iinh,1对应位移图像序列Dinh和应变图像序列Sinh；Iexh,1对应位移图像序列Dexh和应变图像序列Sexh；将Iinh,1和Iexh,1各自对应的位移图像序列和应变图像序列分别进行合并得到最终的组织位移图像序列和组织应变图像序列。更进一步地，对活体的应变区域进行图像采集的具体过程为：对活体的靶区加热或施加外力，使得靶区产生应变集中区域；对靶区的应变集中区域进行等时间间隔的连续成像，采集得到按时间排列的数字超声图像序列，相邻图像的采集时间间隔为T0。更进一步地，对数字超声图像序列进行互相关计算得到互相关系数—时间曲线γn(t)的具体过程中：数字超声图像序列共N帧，第a帧图像根据时间坐标记为aT0，a∈[1,2,…,N]；取数字超声图像序列的第1～M帧图像，其中，第1～M帧图像包括至少3个完整的呼吸过程；以第n帧为参考帧Bref，将所有N帧图像依次作为目标帧Bex，计算参考帧和目标帧的二维互相关系数γn，并获得M条互相关系数—时间曲线γn(t)；其中，γn(t)为γn随时间t变化的曲线，n∈[1,2,…,M]。更进一步地，选取“呼气”状态和“吸气”状态的第一参考帧的具体过程为：对γn(t)进行频谱分析得到频域的幅度谱Sn(f)，f为频率变量，记Sn(f)的最大值为An；若[A1,A2,…，AM]中的最大值为Am，m∈[1,2,…,M]，则将Sm(f)的峰值频率记为呼吸频率fres，并将第m帧选为“吸气”状态第一参考帧；以第m帧为参考帧，以全部N帧图像依次为目标帧，计算得到二维互相关系数γm；并获得互相关系数—时间曲线γm(t)；其中，γm(t)为γm随时间t变化的曲线；对γm(t)进行平滑降噪处理得到互相关系数—时间曲线γ'm(t)；若γ'm(t)最小值所处的时间坐标t＝kT0，则将第k帧选为“呼气”状态的第一参考帧；其中，k为整数。更进一步地，查找互相关系数—时间曲线中的极值的具体过程为：极值包括极小值和极大值，以t＝mT0为起点和第一个极大值位置，先向正方向以步长Δtc交替检索极小值和极大值；然后在负方向以步长Δtc交替检索极小值和极大值，直至互相关系数—时间曲线γ'm(t)被检索完毕；其中，0.5/fres<Δtc<1/fres。更进一步地，利用傅里叶变换或线性调频z变换对γn(t)进行频谱分析得到频域的幅度谱Sn(f)。更进一步地，根据极值位置划分“吸气”状态和“呼气”状态的具体过程为：将所有极小值位置标记为“吸气”状态的周期边界，任意两个相邻极小值之间为“吸气”状态；所有极大值位置标记为“呼气”状态的周期边界，任意两个相邻极大值之间为“呼气”状态。更进一步地，针对每个周期设置阈值，并根据阈值对图像序列进行筛选得到剩余图像序列的具体过程为：在“吸气”状态的每个周期内，将γm(t)的所本文档来自技高网...

【技术保护点】
1.一种基于活体超声图像的呼吸分离式应变成像方法，其特征在于，包括：/n对活体的应变集中区域进行超声图像采集得到数字超声图像序列；/n对数字超声图像序列进行互相关计算得到互相关系数—时间曲线γ

【技术特征摘要】
1.一种基于活体超声图像的呼吸分离式应变成像方法，其特征在于，包括：
对活体的应变集中区域进行超声图像采集得到数字超声图像序列；
对数字超声图像序列进行互相关计算得到互相关系数—时间曲线γn(t)，根据γn(t)选取“吸气”状态的第一参考帧；再根据“吸气”状态的第一参考帧对数字超声图像序列进行互相关计算得到互相关系数—时间曲线γm(t)，对γm(t)进行处理得到互相关系数—时间曲线γ'm(t)，并根据γ'm(t)选取“呼气”状态的第一参考帧；
查找γ'm(t)的极值，并根据极值时间坐标划分“吸气”状态和“呼气”状态；其中，“吸气”状态和“呼气”状态分别包括若干个周期；
针对每个周期分别设置阈值，根据阈值对图像序列进行筛选得到剩余图像序列，其中，“吸气”状态对应的剩余图像序列为Iinh,0；“呼气”状态对应的剩余图像序列为Iexh,0；
对数字超声图像序列设置感兴趣区域，并对感兴趣区域进行带运动补偿的互相关检索得到处理图像序列，其中，“吸气”状态对应的处理图像序列为Iinh,1；“呼气”状态对应的处理图像序列为Iexh,1；
对Iinh,1和Iexh,1分别进行计算得到各自对应的位移图像序列和应变图像序列，其中，Iinh,1对应位移图像序列Dinh和应变图像序列Sinh；Iexh,1对应位移图像序列Dexh和应变图像序列Sexh；
将Iinh,1和Iexh,1各自对应的位移图像序列和应变图像序列分别进行合并得到最终的组织位移图像序列和组织应变图像序列。


2.根据权利要求1所述的一种基于活体超声图像的呼吸分离式应变成像方法，其特征在于，对活体的应变区域进行图像采集的具体过程为：
对活体的靶区加热或施加外力，使得靶区产生应变集中区域；
对靶区的应变集中区域进行等时间间隔的连续成像，采集得到按时间排列的数字超声图像序列，相邻图像的采集时间间隔为T0。


3.根据权利要求1所述的一种基于活体超声图像的呼吸分离式应变成像方法，其特征在于，对数字超声图像序列进行互相关计算得到互相关系数—时间曲线γn(t)的具体过程中：
数字超声图像序列共N帧，第a帧图像根据时间坐标记为aT0，a∈[1,2,…,N]；取数字超声图像序列的第1～M帧图像，其中，第1～M帧图像包括至少3个完整的呼吸过程；以第n帧为参考帧Bref，将所有N帧图像依次作为目标帧Bex，计算参考帧和目标帧的二维互相关系数γn，并获得M条互相关系数—时间曲线γn(t)；其中，γn(t)为γn随时间t变化的曲线，n∈[1,2,…,M]。


4.根据权利要求3所述的一种基于活体超声图像的呼吸分离式应变成像方法，其特征在于，选取“呼气”状态和“吸气”状态的第一参考帧的具体过程为：
对γn(t)进行频谱分析得到频域的幅度谱Sn(f)，f为频率变量，记Sn(f)的最大值为An；若[A1,A2,…，AM]中的最大值为Am，m∈[1,2,…,M]，则将Sm(f)的峰值频率记为呼吸频率fres，并将第m帧选为“吸气”状态第一参考帧；
以第m帧为参考帧，以全部N帧图像依次为目标帧，计算得到二维互相关系数γm；并获得互相关系数—时间曲线γm(t)；其中，γm(t)为γm随时间t变化的曲线；
对γm(t)进行平滑降噪处理得到互相关系数—时间曲线γ'm(t)；若γ'm(t)最小值所处的时间坐标t＝kT0，则将第k帧选为“呼气”状态的第一参考帧；其中，k为整数。


5.根据权利要求4所述的一种基于活体超声图像的呼吸分离式应变成像方法，其特征在于，查找互相关系数—时间曲线中的极值的具体过程为：
极值包括极小值和极大值，以t＝mT0为起点和第一个极大值位置，先向正方向以步长Δtc交替检索极小值和极大值；然后在负方向以步长Δtc交替检索极小值和极大值，直至互相关系数—时间曲线γ'm(t)被检索完毕；其中，0.5/fres<Δtc<1/fres。


6.根据权利要求4所述的一种基于活体超声图像的呼吸分离式应变成像方法，其特征在于，利用傅里叶变换或线性调频z变换对γn(t)进行频谱分析得到频域的幅度谱...

【专利技术属性】
技术研发人员：郭霞生，尹楚豪，章东，屠娟，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32