用于分析周期性生理活动的图像序列的方法、系统和介质技术方案

本公开涉及一种用于分析周期性生理活动的图像序列的计算机实现的方法、系统和介质。所述方法包括：接收来自成像装置的所述图像序列，所述图像序列包含多个图像；所述方法还包括在选定图像中识别一个以上的特征部，所述一个以上的特征部响应于所述周期性生理活动而运动；所述方法还包括由处理器在所述图像序列的其他图像中检测相应的特征部；以及由所述处理器基于所述特征部的运动来确定所述图像序列中的选定图像的相位。列中的选定图像的相位。列中的选定图像的相位。

【技术实现步骤摘要】
用于分析周期性生理活动的图像序列的方法、系统和介质
[0001]相关申请的交叉引用
[0002]本申请是2019年11月19日提交的美国专利申请第16/689,048号的部分继续，并根据35U.S.C.
§
119(e)项要求于2020年9月21日提交的美国临时申请第63/081,276号的权益，美国专利申请第16/689,048号是于2018年1月8日提交的、现已于2019年12月10日发布为美国专利第10,499,867号的美国专利申请第15/864,398号的继续，上述申请的全部内容通过引用并入本文。


[0003]本公开涉及对周期性生理活动的图像序列进行分析的方法、系统和计算机存储介质，例如，本公开涉及对周期性生理活动的图像序列进行分析以获得相位信息的方法、系统和计算机存储介质。

技术介绍

[0004]很多诸如呼吸和心动的生理活动都具有周期性。周期性生理活动的图像序列中各帧的相位为医学成像和诊断提供了可能有用的信息。例如，医生在对肺部计算机断层扫描(CT)图像进行解读时，可能希望区分对应于吸气和呼气的吸入相和呼出相。此外，这些周期性运动对于同步该生理活动的图像序列中的图像帧具有重要的作用。例如，利用生理结构的各个角度的二维(2
‑
D)图像重建其三维(3
‑
D)结构时，保持具有他们各自角度的各个2
‑
D图像在周期性生理活动中具有相同的相位是有帮助的。这样的方法尽量减少可能在不同相位发生的组织形变对于三维重建的结果的影响。此外，在心血管诊断和治疗领域中，准确确定心动周期中各帧的相位有助于导出其他重要的生理参数，例如心率、心动周期等。确定这些生理参数可以了解健康信息，因为这些生理参数可能是潜在的健康状况良好或潜在的健康问题的标志。
[0005]X射线冠状动脉造影(CAG)是一种在X射线成像过程中利用显影剂以更好地区分血管结构与其他组织的程序，这种显影剂可以是放射性显影剂，包括但不限于碘、钆或硫酸钡等。在CAG中，通常在多个X射线投影角度下将血管的结构拍摄为视频序列。基于CAG的医疗影像应用可以包含提取血管的生理结构和获取相关生理参数(比如动脉或静脉的血管体积，血管直径等)。这些结果使医疗影像应用可用于重构三维的血管结构，还可以用来仿真功能血流动力学。仿真功能血流动力学主要用来衡量病变处对于实验对象的供血的影响。可能在心脏跳动过程中，随心跳而发生冠脉的形变。因此，自动而准确地获取各个角度的图像序列中每帧所对应的周期相位，对于准确估计血管特征参数和成功地同步用于重建的图像帧均十分重要。
[0006]通常，为了实现以上目的，临床上典型地使用额外的周期监控装置，诸如心电装置和呼吸监测仪等来记录和监测临床上相关信息。然而，这些配置并不是集成在相应成像系统的医院的标准配置，引用额外的装置会占用诊断现场的空间、时间，还需要临床医生分心在周期监控装置与成像系统之间进行对比。在没有心跳监测信号(比如同步心电门控信号/
ECG)的情况下，人工判断图像帧和所处心跳相位的对应关系往往很耗时，并且很可能难于精准识别对应关系。目前，基于血管的图像序列本身去估计心动周期相位的主要分析方法主要分为以下几种：采用计算不同帧(例如相邻帧)之间的差值的方法去寻找相位变化最慢的时间窗口，以便利用识别出的时间窗口内的若干图像帧进行分析，这种方法并没有估计每帧的相位，也不能区分舒张期和收缩期，并对图像中的背景噪声特别敏感；还可以用基于参考图像比对的方法去确定相位，此方法需要手动挑选出所要相位的参考图像，或者要求数据库中参考图像跟当前图像序列高度吻合。以上分析方法运用于除了心动周期以外的周期性生理活动，诸如呼吸周期的肺部活动的图像序列时，也会产生类似问题。
[0007]因此，分析周期相位的典型方法存在如下问题：这些方法要么依赖于额外的周期监控装置，要么依赖于手动挑选出的参考图像。典型方法的这些方面增加了系统的复杂性以及临床医生的劳动和时间负担。此外，这些典型方法通常需要对图像序列中的每一帧中的所有单个像素进行计算，并基于计算结果来估算每一帧图像在周期性运动中的相位。这样的方法增加了计算负担。此外，周期性运动对图像中的背景噪声高度敏感，或者可能被其他运动和噪声掩盖和削弱。因此，典型方法的分析结果容易缺乏准确性。
[0008]提出本申请以解决上述问题并取得其他的有益效果。

技术实现思路

[0009]一些实施例可以提供一种基于周期性生理活动的图像序列自身的动态变化，利用图像帧高效且准确地估计相位的方法和系统，其能够摆脱全像素的低效运算，且还可以有效减少噪声和其他运动对于周期性生理活动的干扰。
[0010]为了至少解决上述技术问题，本公开的实施例采用了如下技术方案。
[0011]根据本公开的第一方案，提供了一种计算机实现的用于分析周期性生理活动的图像序列的方法。所述计算机实现的方法始于接收由成像装置获取的所述图像序列，所述图像序列包含多个图像。然后，在所述图像序列的选定图像中识别一个以上的特征部，所述一个以上的特征部响应于所述周期性生理活动而运动。接下来，由处理器执行：在所述图像序列的其他图像中检测相应的特征部；并基于所述特征部的运动来确定所述图像序列中的选定图像的相位。
[0012]根据本公开的第二方案，提供了一种用于对周期性生理活动的图像序列进行分析的系统。该系统包括接口和处理器。在所述系统中，接口被配置为接收成像装置获取的图像序列，所述图像序列包含多个图像。处理器被配置为执行如下步骤。在所述图像序列的图像中识别一个以上的特征部，所述一个以上的特征部响应于所述周期性生理活动而运动。随后，可以在所述图像序列的其他图像中检测相应的特征部。由所述处理器基于所述特征部的运动来确定所述图像序列中的选定图像的相位。
[0013]根据本公开的第三方案，提供了一种非暂时性计算机可读存储介质，其上存储有计算机可执行指令，其中，所述指令在由处理器执行时使所述处理器执行对应于上述方法的根据本公开各个实施例的用于分析周期性生理活动的图像序列的方法。
[0014]本公开的各个实施例至少具有如下有益效果：实施例针对周期性生理活动的图像序列图像中的特定特征部的运动进行计算。这样的实施例无需对图像序列中的每个图像中的所有像素(包含每个单个像素)的运动进行计算。因此，减小了计算量，提高了处理效率。
附图说明
[0015]在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的类似附图标记可以表示相似组件的不同实例。附图通过举例大体上而不是以限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。这样的实施例是说明性的，而并非旨在作为本方法、装置、系统或具有用于实现该方法的指令的非暂时性计算机可读介质的穷尽或排他的实施例。
[0016]图1示出了根据本公开实施例的对周期性生理活动的图像序列进行分析的方法的流程图；
[0017]图2A和图2B示出了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于分析周期性生理活动的图像序列的计算机实现的方法，其特征在于，所述方法包括：接收由成像装置获取的所述图像序列，所述图像序列包含多个图像；在所述图像序列的选定图像中识别一个以上的特征部，所述一个以上的特征部响应于所述周期性生理活动而运动；由处理器在所述图像序列的其他图像中检测相应的特征部；以及由所述处理器基于所述特征部的运动来确定所述图像序列中的所述选定图像的相位。2.根据权利要求1所述的计算机实现的方法，其特征在于，基于所述特征部的运动来确定所述图像序列中的所述选定图像的相位进一步包括：确定所述特征部的各个图像的局部运动向量；基于所确定的特征部的各个图像的局部运动向量来确定运动度量曲线；以及基于所确定的所述运动度量曲线确定所述图像序列中的所述选定图像的相位。3.根据权利要求1所述的计算机实现的方法，其特征在于，识别所述特征部还包括：将所述图像中的解剖结构的特定区域和其他物体的特定区域中的一个或两个识别为所述特征部。4.根据权利要求1所述的计算机实现的方法，其特征在于，在所述图像序列的其他图像中检测所述相应的特征部包括如下的至少一种：利用图像块的匹配检测所述相应的特征部；基于所述特征部的统计模型在各个图像中独立地检测所述相应的特征部；或使用机器学习方法检测所述相应的特征部。5.根据权利要求1所述的计算机实现的方法，其特征在于，所述一个以上的特征部包括多个关键区域。6.根据权利要求2所述的计算机实现的方法，其特征在于，基于所确定的特征部的各个图像的局部运动向量来确定运动度量曲线包括：基于所述局部运动向量的主成分分析或使用预先定义的主方向，提取每一个图像中每个特征部的主运动向量；对于各个图像，基于相应的图像的所述局部运动向量和所述主运动向量计算该图像的全局运动度量；以及基于各个图像的所述全局运动度量，确定运动度量曲线。7.根据权利要求6所述的计算机实现的方法，其特征在于，确定运动度量曲线还包括如下之一：通过对各个图像以前的图像的所述全局运动度量进行积分，来确定所述各个图像的全局运动度量曲线；或者使用所述多个图像的所述全局运动度量作为所述全局运动度量曲线。8.根据权利要求2所述的计算机实现的方法，其特征在于，确定所述特征部的局部运动向量还包括：计算两个相邻图像中的所述相应的特征部的各自的位置之间的位移；在所述图像中识别背景标记，所述背景标记由所述周期性生理活动导致的周期性运动比所述特征部由所述周期性生理活动导致的周期性运动少；
在所述其他图像中跟踪所述背景标记；计算每个所述背景标记的位移；以及通过结合所述背景标记的位移来获得所述特征部的所述局部运动向量。9.根据权利要求8所述的计算机实现的方法，其特征在于，所述背景标记还包括至少部分的解剖结构、至少部分的植入装置和至少部分的其他物体中的至少一种。10.根据权利要求1所述的计算机实现的方法，其特征在于，所述周期性生理活动包括心动运动。11.根据权利要求1所述的计算机实现的方法，其特...

【专利技术属性】
技术研发人员：尹游兵，刘树宝，宋麒，智英轩，
申请(专利权)人：深圳科亚医疗科技有限公司，
类型：发明
国别省市：