一种基于医学造影的动态目标跟踪方法技术

本发明专利技术涉及一种基于医学造影的动态目标跟踪方法，包括：获取医学影像视频，在参考帧医学影像或第一帧医学影像中手动初始化多个组织器官目标和钡餐目标；使用离散点跟踪法和改进的帧间差分法跟踪医学影像视频中的钡餐目标；使用KCF+DSST的多目标跟踪法跟踪医学影像视频中的组织器官目标；将钡餐目标的跟踪结果和组织器官目标的跟踪结果相互修正。与现有技术相比，本发明专利技术对于流动的钡餐，提出了离散点跟踪和改进的帧间差分法；对于形变较小的组织器官的位置标定，提出了KCF+DSST的相关滤波方法和对应的多目标跟踪；钡餐目标和组织器官目标的跟踪结果互相修正，可以进一步优化跟踪准确度，跟踪效果较好。跟踪效果较好。跟踪效果较好。

【技术实现步骤摘要】
一种基于医学造影的动态目标跟踪方法


[0001]本专利技术涉及计算机视觉领域，尤其是涉及一种基于医学造影的动态目标跟踪方法。

技术介绍

[0002]在计算机视觉的研究领域中，运动目标检测和跟踪一直是科学工作者研究的重点，医学造影视频序列上的运动目标跟踪，就是确定目标在每一帧的位置和形态。目前，医学影像中目标跟踪的研究主要是基于医学图像分割的结果之上的，如基于阈值、区域和边缘的分割方法，现有研究也提出了许多用于医学图像处理和分析的对象跟踪方法，如基于点的跟踪，基于轮廓的跟踪和基于内核的跟踪技术等，这些技术被广泛使用于当今医学图像中的运动跟踪。
[0003]一种跟踪方法是在医学造影视频序列上，选择一帧作为参考图像，在参考图像中目标轮廓是已知的，在其他图像中，需要通过目标跟踪、轮廓匹配等方法找到目标。目标的跟踪是针对医学影像视频序列的处理过程，由于目标是在连续运动，可以把若干帧中运动特性一致的点归为运动目标特征点，其余为背景，再根据这些特征点来跟踪运动目标。
[0004]也有基于模板匹配的目标跟踪方法，选择合适的模型后能成功检测和标定目标，但是如果没有特定的修改适配，那么跟踪仅仅在短时间内且没有剧烈形变的情况下是可靠的，然而，在大多数应用中，由于视点的变化、变形或遮挡，目标外观在长时间内会发生结构上的显着变化，基于运动跟踪的方法可以处理此类外观更改，但是，累积的运动误差和快速的视觉变化使模型偏离了跟踪目标。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于医学造影的动态目标跟踪方法，对于流动的钡餐，提出了离散点跟踪和改进的帧间差分法；对于形变较小的组织器官的位置标定，提出了KCF+DSST的相关滤波方法和对应的多目标跟踪；钡餐目标和组织器官目标的跟踪结果互相修正，可以进一步优化跟踪准确度，跟踪效果较好。
[0006]本专利技术的目的可以通过以下技术方案来实现：
[0007]一种基于医学造影的动态目标跟踪方法，目标跟踪场景为钡餐在口腔和咽喉的运动轨迹和组织器官的运动情况，包括：
[0008]获取医学影像视频，在参考帧医学影像或第一帧医学影像中手动初始化多个组织器官目标和钡餐目标；使用离散点跟踪法和改进的帧间差分法跟踪医学影像视频中的钡餐目标；使用KCF+DSST的多目标跟踪法跟踪医学影像视频中的组织器官目标；将钡餐目标的跟踪结果和组织器官目标的跟踪结果相互修正。
[0009]进一步的，所述动态目标跟踪方法在手动初始化多个组织器官目标和钡餐目标后，还包括对每一帧医学影像进行图像预处理，包括：
[0010]图像旋转，找到每一帧医学影像中的脊柱，以每一帧医学影像中的脊柱作为基准
旋转医学影像；一方面病人吞咽钡餐过程中身体可能会前后摇摆，使得钡餐和组织器官都会发生运动，影响医生的判断，可以通过图像旋转调整钡餐和组织器官的运动；另一方面，以脊柱为基准旋转图像可以更好地判断钡餐相对于各个组织器官的运动情况；
[0011]在完成图像旋转后，识别并保留重点关注区域，去除其他不相干区域，如医学影像中重点关注的是钡餐在口腔和咽喉部位的运动轨迹，去除病人的身体等部位，减少后续的计算量；
[0012]对比度拉伸，将组织器官目标和钡餐目标所在的局部区域作为待拉伸区域，去除待拉伸区域的离群像素点后进行对比度拉伸；对组织器官目标和钡餐目标所在的局部区域进行对比度拉伸，可以避免外围像素对目标区域的干扰；去除离群像素点可以避免单个极高或极低的离群像素点影响对比度拉伸结果。
[0013]更进一步的，去除待拉伸区域的离群像素点后确定对比度拉伸的最高像素值N
max
和最低像素值N
min
，对待拉伸区域的每一个像素点进行拉伸：
[0014][0015]其中，P
in
表示像素点的初始灰度值，P
out
表示像素点进行对比度拉伸后的灰度值，O
max
和O
min
表示医学影像中的像素点所能达到的最高像素值和所能达到的最低像素值。
[0016]更进一步的，使用预设置极值法或截止分数法去除待拉伸区域的离群像素点，预设置极值法具体为预先设置最高像素值N
max
和最低像素值N
min
的大小；截止分数法具体为预先设置最高截止分数和最低截止分数，计算待拉伸区域的灰度直方图后，找到灰度直方图中幅值低于最高截止分数的灰度值作为最高像素值N
max
，找到灰度直方图中幅值高于最低截止分数的灰度值作为最低像素值N
min
。
[0017]进一步的，使用离散点跟踪法和改进的帧间差分法跟踪医学影像视频中的钡餐目标具体为：
[0018]在参考帧医学影像或第一帧医学影像中手动使用矩形框勾选钡餐目标所在的目标区域，使用流域分割算法对目标区域进行流域分割，得到钡餐区域，使用离散点跟踪法改变矩形框的大小和位置，找到后续每一帧医学影像在矩形框内的钡餐区域；
[0019]在参考帧医学影像或第一帧医学影像中手动使用矩形框勾选钡餐目标所在的感兴趣区域，使用改进的帧间差分法找到后续每一帧医学影像中钡餐目标所在的感兴趣区域；
[0020]结合钡餐目标所在的感兴趣区域和矩形框内的钡餐区域确定钡餐目标的位置。更进一步的，使用离散点跟踪法跟踪医学影像视频中的钡餐目标包括以下步骤：
[0021]A1：在参考帧医学影像或第一帧医学影像中手动使用矩形框勾选钡餐目标所在的目标区域，使用流域分割算法对目标区域进行流域分割，得到钡餐区域，计算钡餐区域的平均灰度值，在钡餐区域内选择多个离散点，离散点是随机选择的，离散点占钡餐区域的比例是预先设置的，记录离散点的坐标信息，钡餐的运动方向和运动距离使用预设置的参数值；
[0022]A2：获取下一帧医学影像为当前帧医学影像，基于钡餐的运动方向和运动距离增加矩形框的大小，按照预设置的分割等级使用流域分割算法对矩形框选中的区域进行流域分割，得到多个分割区域；
[0023]A3：在多个分割区域中找到当前帧的钡餐区域，钡餐区域是基于分割区域内离散
点的比例、分割区域内离散点的数量以及分割区域的平均灰度值与上一帧医学影像中钡餐区域的平均灰度值之间的差值确定的；
[0024]A4：计算当前帧中钡餐区域的平均灰度值，在钡餐区域内选择多个离散点，记录离散点的坐标信息，基于当前帧医学影像和上一帧医学影像中钡餐区域的中心点的变化得到钡餐的运动方向和距离，重复步骤A2。
[0025]更进一步的，步骤A3中，在多个分割区域中找到当前帧的钡餐区域具体为：
[0026]A31：分别计算各个分割区域的Eva得分：
[0027][0028]其中，θ0、θ1、θ2、θ3是预设置的系数，∑P
r
表示离散点总数，∑f
p
(seg
i
)表示第i个分割区域中的离散点总数，∑seg
i
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于医学造影的动态目标跟踪方法，其特征在于，包括：获取医学影像视频，在参考帧医学影像或第一帧医学影像中手动初始化多个组织器官目标和钡餐目标；使用离散点跟踪法和改进的帧间差分法跟踪医学影像视频中的钡餐目标；使用KCF+DSST的多目标跟踪法跟踪医学影像视频中的组织器官目标；将钡餐目标的跟踪结果和组织器官目标的跟踪结果相互修正。2.根据权利要求1所述的一种基于医学造影的动态目标跟踪方法，其特征在于，所述动态目标跟踪方法在手动初始化多个组织器官目标和钡餐目标后，还包括对每一帧医学影像进行图像预处理，包括：图像旋转，找到每一帧医学影像中的脊柱，以每一帧医学影像中的脊柱作为基准旋转医学影像；对比度拉伸，将组织器官目标和钡餐目标所在的局部区域作为待拉伸区域，去除待拉伸区域的离群像素点后进行对比度拉伸。3.根据权利要求2所述的一种基于医学造影的动态目标跟踪方法，其特征在于，去除待拉伸区域的离群像素点后确定对比度拉伸的最高像素值N
max
和最低像素值N
min
，对待拉伸区域的每一个像素点进行拉伸：其中，P
in
表示像素点的初始灰度值，P
out
表示像素点进行对比度拉伸后的灰度值，O
max
和O
min
表示医学影像中的像素点所能达到的最高像素值和所能达到的最低像素值。4.根据权利要求3所述的一种基于医学造影的动态目标跟踪方法，其特征在于，使用预设置极值法或截止分数法去除待拉伸区域的离群像素点，预设置极值法具体为预先设置最高像素值N
max
和最低像素值N
min
的大小；截止分数法具体为预先设置最高截止分数和最低截止分数，计算待拉伸区域的灰度直方图后，找到灰度直方图中幅值低于最高截止分数的灰度值作为最高像素值N
max
，找到灰度直方图中幅值高于最低截止分数的灰度值作为最低像素值N
min
。5.根据权利要求1所述的一种基于医学造影的动态目标跟踪方法，其特征在于，使用离散点跟踪法和改进的帧间差分法跟踪医学影像视频中的钡餐目标具体为：在参考帧医学影像或第一帧医学影像中手动使用矩形框勾选钡餐目标所在的目标区域，使用流域分割算法对目标区域进行流域分割，得到钡餐区域，使用离散点跟踪法改变矩形框的大小和位置，找到后续每一帧医学影像在矩形框内的钡餐区域；在参考帧医学影像或第一帧医学影像中手动使用矩形框勾选钡餐目标所在的感兴趣区域，使用改进的帧间差分法找到后续每一帧医学影像中钡餐目标所在的感兴趣区域；结合钡餐目标所在的感兴趣区域和矩形框内的钡餐区域确定钡餐目标的位置。6.根据权利要求5所述的一种基于医学造影的动态目标跟踪方法，其特征在于，使用离散点跟踪法跟踪医学影像视频中的钡餐目标包括以下步骤：A1：在参考帧医学影像或第一帧医学影像中手动使用矩形框勾选钡餐目标所在的目标区域，使用流域分割算法对目标区域进行流域分割，得到钡餐区域，计算钡餐区域的平均灰度值，在钡餐区域内选择多个离散点，记录离散点的坐标信息，钡餐的运动方向和运动距离使用预设置的参数值；
A2：获取下一帧医学影像为当前帧医学影像，基于钡餐的运动方向和运动距离增加矩形框的大小，按照预设置的分割等级使用流域分割算法对矩形框选中的区域进行流域分割，得到多个分割区域；A3：在多个分割区域中找到当前帧的钡餐区域，钡餐区域是基于分割区域内离散点的比例、分割区域内离散点的数量以及分割区域的平均灰度值与上一帧医学影像中钡餐区域的平均灰度值之间的差值确定的；A4：计算当前帧中钡餐区域的平均灰度值，在钡餐区域内选择多个离散点，记录离散点的坐标信息，基于当前帧医学影像和上一帧医学影像中钡餐区域的中心点的变化得到钡餐的运动方向和距离，重复步骤A2...

【专利技术属性】
技术研发人员：秦国锋，
申请(专利权)人：同济大学，
类型：发明
国别省市：