用于评估心脏图像的图像处理装置及心室状态识别方法制造方法及图纸

本发明专利技术提供一种用于评估心脏图像的图像处理装置及心室状态识别方法。在这方法中，自多张目标图像确定感兴趣区，确定那些目标图像中的感兴趣区中的多个像素的灰阶值变化，且依据灰阶值变化取得一张或还多张代表图像。那些目标图像是针对左心室的心内膜轮廓内的像素，感兴趣区的边界大致位于心内膜轮廓的底部两侧，且感兴趣区对应于二尖瓣。灰阶值变化相关于二尖瓣的动作。那些代表图像用于评估左心室的状态。藉此，可快速且准确地识别出心脏收缩末期和舒张末期。末期和舒张末期。末期和舒张末期。

【技术实现步骤摘要】
用于评估心脏图像的图像处理装置及心室状态识别方法


[0001]本专利技术涉及一种图像识别技术，具体来说，涉及一种用于评估心脏图像的图像处理装置及心室状态识别方法。

技术介绍

[0002]在临床上，现阶段评估心脏状态优劣的方法有很多种，其中一个是测量左心室射血分数(Left Ventricular Ejection Fraction，LVEF)，即测量在每次心跳时左心室中有多少血液的容积被射出。值得注意的是，测量左心室射血分数需要参考心脏收缩末期容积(End
‑
Systolic Volume，ESV)以及心脏舒张末期容积(End
‑
Diastolic Volume，EDV)。因此，必须要在心率周期中识别心脏收缩末期(End
‑
Systolic，ES)以及心脏舒张末期(End
‑
Diastolic，ED)才能套用Simpson公式计算出EDV和ESV。现今技术可以依据心电图(Electrocardiogram，ECG)中的R波识别ED，此时左心室的容积为最大。此外，ECG的T波结束处可识别ES，此时左心室的容积为最小。然而，在ECG中识别ES并不容易。

技术实现思路

[0003]在临床上，现阶段评估心脏状态优劣的方法有很多种，其中一个是测量左心室射血分数(Left Ventricular Ejection Fraction，LVEF)，即测量在每次心跳时左心室中有多少血液的容积被射出。值得注意的是，测量左心室射血分数需要参考心脏收缩末期容积(End
‑
Systolic Volume，ESV)以及心脏舒张末期容积(End
‑
Diastolic Volume，EDV)。因此，必须要在心率周期中识别心脏收缩末期(End
‑
Systolic，ES)以及心脏舒张末期(End
‑
Diastolic，ED)才能套用Simpson公式计算出EDV和ESV。现今技术可以依据心电图(Electrocardiogram，ECG)中的R波识别ED，此时左心室的容积为最大。此外，ECG的T波结束处可识别ES，此时左心室的容积为最小。然而，在ECG中识别ES并不容易。
附图说明
[0004]包含附图以便进一步理解本专利技术，且附图并入本说明书中并构成本说明书的一部分。附图说明本专利技术的实施例，并与描述一起用于解释本专利技术的原理。
[0005]图1是依据本专利技术一实施例的图像处理装置的组件方块图；
[0006]图2是依据本专利技术一实施例的心室状态识别方法的流程图；
[0007]图3是依据本专利技术一实施例的左心室切割的示意图；
[0008]图4A是依据本专利技术一实施例的左心室的舒张末期(ED)的示意图；
[0009]图4B是依据本专利技术一实施例的左心室的舒张末期至收缩末期(ES)之间的示意图；
[0010]图4C是依据本专利技术一实施例的左心室的收缩末期的示意图。
[0011]附图标号说明
[0012]100:图像处理装置；
[0013]110:存储器；
[0014]130:处理器；
[0015]S210～S250:步骤；
[0016]ROI:感兴趣区；
[0017]401:前叶；
[0018]403:后叶。
具体实施方式
[0019]现将详细地参考本专利技术的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同组件符号在附图和描述中用来表示相同或相似部分。
[0020]图1是依据本专利技术一实施例的图像处理装置100的组件方块图。请参照图1，图像处理装置100包括(但不仅限于)存储器110及处理器130。图像处理装置100可以是桌面计算机、笔记本电脑、智能手机、平板计算机、服务器、医疗检测仪器或其他运算装置。
[0021]存储器110可以是任何型态的固定或可移动随机存取内存(Radom Access Memory，RAM)、只读存储器(Read Only Memory，ROM)、闪存(flash memory)、传统硬盘(Hard Disk Drive，HDD)、固态硬盘(Solid
‑
State Drive，SSD)或类似组件。在一实施例中，存储器110用以记录程序代码、软件模块、组态配置、数据(例如，图像、灰阶值、统计值、状态、或容积等)或档案，并待后文详述其实施例。
[0022]处理器130耦接存储器110，处理器130并可以是中央处理单元(Central Processing Unit，CPU)、图形处理单元(Graphic Processing unit，GPU)，或是其他可程序化的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital Signal Processor，DSP)、可程序化控制器、现场可程序化逻辑门阵列(Field Programmable Gate Array，FPGA)、特殊应用集成电路(Application
‑
Specific Integrated Circuit，ASIC)、神经网络加速器或其他类似组件或上述组件的组合。在一实施例中，处理器130用以执行图像处理装置100的所有或部份作业，且可加载并执行存储器110所记录的各程序代码、软件模块、档案及数据。
[0023]下文中，将搭配图像处理装置100中的各项装置、组件及模块说明本专利技术实施例所述的方法。本方法的各个流程可依照实施情形而随之调整，且并不仅限于此。
[0024]图2是依据本专利技术一实施例的心室状态识别方法的流程图。请参照图2，处理器130可自多张目标图像确定感兴趣区(Regional of Interest，ROI)(步骤S210)。具体而言，那些目标图像是针对左心室(left ventricle)的心内膜轮廓内的像素。在一实施例中，处理器130可取得一个或数个心律周期且为连续帧(frame)的A4C(Apical Four Chamber View)或是A2C(Apical Two Chamber View)的心脏超声波图像(或称心脏超声波图(Echocardiography)。这些连续帧的心脏超声波图像来源可以是将针对心脏所拍摄的影片分割成连续帧的心脏图像或是将超声波探头所检测到并通过无线或有线传输传送的多张帧的心脏图像。此外，连续图像是指超声波探头以特定帧率所撷取到依据时间排序的多张心脏图像。
[0025]在一实施例中，处理器130可将A4C或A2C的心脏超声波输入至机器学习模型(例如，基于深度学习、多层感知器(Multi
‑
Layer Perceptron，MLP)、或支持向量机(Support Vector Machine，SVM))，以将左心室的心内膜轮廓内的图像分割出来，并输出作为左心室
的心内膜图像。在其他实施例中，处理器130可基于尺度不变特征转换(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心室状态识别方法，其特征在于，包括：自多张目标图像确定感兴趣区，其中所述目标图像是针对左心室的心内膜轮廓内的像素，所述感兴趣区的边界大致位于所述心内膜轮廓的底部两侧，且所述感兴趣区对应于二尖瓣；确定所述目标图像中的所述感兴趣区中的多个像素的灰阶值变化，其中所述灰阶值变化相关于所述二尖瓣的动作；以及依据所述灰阶值变化取得至少一代表图像，其中所述代表图像用于评估所述左心室的状态。2.根据权利要求1所述的心室状态识别方法，其特征在于，确定所述目标图像中的所述感兴趣区中的所述像素的所述灰阶值变化的步骤包括：确定所述感兴趣区中的所述像素的灰阶值的总和；以及确定所述目标图像之间的所述总和的差异，其中所述差异对应于所述灰阶值变化。3.根据权利要求2所述的心室状态识别方法，其特征在于，确定所述目标图像之间的所述总和的所述差异的步骤包括：确定所述目标图像中所述总和的最大者与最小者，其中所述差异相关于所述最大者与所述最小者，所述最小者对应于所述左心室的舒张末期，且所述最大者对应于所述左心室的收缩末期；以及将所述最大者与最小者作为所述灰阶值变化的代表。4.根据权利要求3所述的心室状态识别方法，其特征在于，依据所述灰阶值变化取得所述代表图像的步骤包括：取得所述最大者的目标图像及所述最小者的目标图像，以作为所述代表图像。5.根据权利要求4所述的心室状态识别方法，其特征在于，还包括：确定所述最大者与所述最小者之间的所述左心室的容积变化量，其中所述容积变化量用于评估血液射出量。6.一种用于评估心脏图像的图像处理装置，包括：存储器，存储...

【专利技术属性】
技术研发人员：许鸿生，利建宏，黄宜瑾，
申请(专利权)人：宏碁股份有限公司，
类型：发明
国别省市：