一种心血管图像序列中运动伪影的抑制方法、系统及介质技术方案

本发明专利技术公开了一种心血管图像序列中运动伪影的抑制方法、系统及介质，涉及医学成像领域。该方法包括：将目标心血管图像序列输入运动伪影抑制模型，提取目标心血管图像序列中的门控帧得到目标门控帧序列；运动伪影抑制模型中的特征提取模块是采用无监督学习的方式对深度神经网络训练得到；特征提取模块提取目标心血管图像序列中各帧图像的潜在特征；运动伪影抑制模型中的门控提取模块根据潜在特征生成平均差异度曲线，由平均差异度曲线确定近似平均心率，得到心动周期长度；由心动周期长度确定当前帧区间，计算当前帧区间内的帧图像与上一门控帧图像的相似度，相似性最大的帧为下一个门控帧。本发明专利技术在保证图像序列准确性的同时，提高了处理效率。提高了处理效率。提高了处理效率。

【技术实现步骤摘要】
一种心血管图像序列中运动伪影的抑制方法、系统及介质


[0001]本专利技术涉及医学成像领域，特别是涉及一种心血管图像序列中运动伪影的抑制方法、系统及介质。

技术介绍

[0002]冠状动脉是供应心脏血液的主要血管，介入心血管成像是临床诊断冠心病的重要影像手段，包括血管内超声(intravascular ultrasound，IVUS)和血管内光学相干层析成像(intravascular optical coherence tomography，IVOCT)。
[0003]介入心血管成像系统采集的图像序列中存在由心脏运动所致的伪影，即运动伪影，主要表现为相邻帧切片图像之间的错位和管腔轮廓的变形，以及沿血管长轴方向的纵向视图中管壁轮廓呈现锯齿形。运动伪影不仅影响图像的视觉效果，而且会降低基于连续帧图像分析的血管形态和功能成分的定量测量和血管三维重建的精度，以及对生理学指标的估算精度，影响图像指导的介入手术治疗效果。因此，对连续回撤导管采集的介入心血管图像序列中的运动伪影进行抑制，对于改善图像视觉效果以及为冠心病的计算机辅助诊断提供准确信息等具有重要意义。
[0004]目前主要采用门控法抑制心脏图像序列中的运动伪影，门控法包括前瞻性门控和回顾性门控两种方式。
[0005]前瞻性门控是采用专用的心电门控采集装置，只在每个心动周期的固定相位(通常是舒张末期)处采集图像。但是并非所有的商用成像系统中都包含门控采集装置，而且与连续采集图像的方式相比，每个心动周期只采集一帧图像延长了导管介入操作的时间，增大了辐射剂量。
[0006]回顾性门控能克服前瞻性门控的不足，回顾性门控包括回顾性硬件门控和回顾性软件门控两种。但回顾性门控仍存在以下不足：回顾性硬件门控是在连续回撤导管采集图像序列的同时，同步记录心电信号，待图像采集结束后，将图像序列与心电信号进行对照分析，选择出在相同心脏相位处采集的图像组成门控序列。这种方法的缺点是很难保证记录的心电信号与介入图像采集完全同步，图像序列的准确性无法保证。回顾性软件门控不需要借助外部硬件设备监测心电波形，而是采用信号处理的方法从连续回撤导管采集的图像序列中挖掘隐含的心动周期信息，提取出类似于心电信号的周期信号，再据此从图像序列中提取出相同心脏相位的图像，组成门控序列。由于需要对图像序列进行逐帧分析，因而该方法的数据处理工作量较大，处理时间较长。

技术实现思路

[0007]基于此，本专利技术实施例提供一种心血管图像序列中运动伪影的抑制方法、系统及介质，以在保证图像序列的准确性的同时，提高处理效率。
[0008]为实现上述目的，本专利技术实施例提供了如下方案：
[0009]一种心血管图像序列中运动伪影的抑制方法，包括：
[0010]获取目标心血管图像序列；
[0011]将所述目标心血管图像序列输入运动伪影抑制模型中，提取所述目标心血管图像序列中的门控帧，得到目标门控帧序列；所述目标门控帧序列为目标心血管图像序列中抑制运动伪影后的序列；
[0012]其中，所述运动伪影抑制模型，包括：特征提取模块和门控帧提取模块；所述特征提取模块是采用无监督学习的方式对深度神经网络训练得到的；
[0013]所述特征提取模块，用于：
[0014]对所述目标心血管图像序列中各帧图像的潜在特征进行特征提取，得到多帧目标特征向量；
[0015]所述门控提取模块，用于：
[0016]根据多帧目标特征向量生成所述目标心血管图像序列的平均差异度曲线，并搜索所述平均差异度曲线的幅度谱在设定频率范围内的峰值所对应的频率，将所述频率确定为近似平均心率；
[0017]根据所述近似平均心率计算心动周期长度；
[0018]对于所述目标心血管图像序列中的第n个门控帧图像，根据所述心动周期长度确定第n个帧区间，并计算第n个帧区间内的各帧图像与第n个门控帧图像的相似度，并将第n个帧区间内相似度最大的一帧图像作为第n+1个门控帧图像；其中，所述目标心血管图像序列中的首帧图像为第1个门控帧图像；1≤n＜N；N表示目标心血管图像序列的长度；
[0019]根据所述目标心血管图像序列中的所有门控帧图像构建所述目标门控帧序列。
[0020]可选地，所述门控提取模块，在根据所述心动周期长度确定第n个帧区间方面，具体用于：
[0021]根据所述心动周期长度确定门控帧间隔范围，将门控帧间隔范围的开始值确定为第一间隔值，将门控帧间隔范围的结束值确定为第二间隔值；
[0022]将所述目标心血管图像序列中与第n个门控帧图像相隔第一间隔值的帧图像确定为第n个帧区间的开始帧图像，将所述目标心血管图像序列中与第n个门控帧图像相隔第二间隔值的帧图像确定为第n个帧区间的结束帧图像。
[0023]可选地，所述门控帧间隔范围为[D0‑
1，D0+1]；所述第一间隔值为D0‑
1；所述第二间隔值为D0+1；D0表示心动周期长度。
[0024]可选地，所述特征提取模块的确定方法为：
[0025]获取训练集；所述训练集包括临床采集的心血管图像序列；
[0026]采用随机数据增强器对所述训练集中的心血管图像序列中的各帧图像进行随机增强操作，得到各帧图像的相关图像对；所述相关图像对包括第一相关图像和第二相关图像；所述随机增强操作，包括：依次进行的随机旋转、随机翻转、随机色彩抖动处理和随机高斯模糊处理；所述第一相关图像和所述第二相关图像的旋转角度和/或翻转角度不同；
[0027]构建深度神经网络；所述深度神经网络，包括：第一神经网络和第二神经网络；所述第一神经网络，包括：依次连接的ResNet
‑
18网络、第一全连接层、Relu层和第二全连接层；所述第二神经网络与所述第一神经网络的结构相同；所述第二神经网络与所述第一神经网络的参数共享；所述第二神经网络中各个层与所述第一神经网络中的各个层一一对应连接；
[0028]将所述训练集中各帧图像的第一相关图像作为所述第一神经网络的输入，将所述训练集中各帧图像的第二相关图像作为所述第二神经网络的输入，以所述第一神经网络输出的第一潜在特征与所述第二神经网络输出的第二潜在特征的损失值最小为目标进行多次迭代训练，得到训练好的第一神经网络和训练好的第二神经网络；所述损失值是根据损失函数确定的；所述损失函数是基于第一潜在特征与第二潜在特征之间的相似度构建的；
[0029]将训练好的第一神经网络或训练好的第二神经网络确定为特征提取模块。
[0030]可选地，对于第t次迭代训练，训练过程为：
[0031]将所述训练集中各帧图像的第一相关图像输入第t次迭代的第一神经网络，将所述训练集中各帧图像的第二相关图像输入第t次迭代的第二神经网络，计算第t次迭代的第一神经网络输出的第t次的第一潜在特征与第t次迭代的第二神经网络输出的第t次的第二潜在特征之间的余弦相似度；
[0032]将所述余弦相似度代入损失函数中，确定第t次的损失值是否处于设阈值范围内；...

【技术保护点】

【技术特征摘要】
1.一种心血管图像序列中运动伪影的抑制方法，其特征在于，包括：获取目标心血管图像序列；将所述目标心血管图像序列输入运动伪影抑制模型中，提取所述目标心血管图像序列中的门控帧，得到目标门控帧序列；所述目标门控帧序列为目标心血管图像序列中抑制运动伪影后的序列；其中，所述运动伪影抑制模型，包括：特征提取模块和门控帧提取模块；所述特征提取模块是采用无监督学习的方式对深度神经网络训练得到的；所述特征提取模块，用于：对所述目标心血管图像序列中各帧图像的潜在特征进行特征提取，得到多帧目标特征向量；所述门控提取模块，用于：根据多帧目标特征向量生成所述目标心血管图像序列的平均差异度曲线，并搜索所述平均差异度曲线的幅度谱在设定频率范围内的峰值所对应的频率，将所述频率确定为近似平均心率；根据所述近似平均心率计算心动周期长度；对于所述目标心血管图像序列中的第n个门控帧图像，根据所述心动周期长度确定第n个帧区间，并计算第n个帧区间内的各帧图像与第n个门控帧图像的相似度，并将第n个帧区间内相似度最大的一帧图像作为第n+1个门控帧图像；其中，所述目标心血管图像序列中的首帧图像为第1个门控帧图像；1≤n＜N；N表示目标心血管图像序列的长度；根据所述目标心血管图像序列中的所有门控帧图像构建所述目标门控帧序列。2.根据权利要求1所述的心血管图像序列中运动伪影的抑制方法，其特征在于，所述门控提取模块，在根据所述心动周期长度确定第n个帧区间方面，具体用于：根据所述心动周期长度确定门控帧间隔范围，将门控帧间隔范围的开始值确定为第一间隔值，将门控帧间隔范围的结束值确定为第二间隔值；将所述目标心血管图像序列中与第n个门控帧图像相隔第一间隔值的帧图像确定为第n个帧区间的开始帧图像，将所述目标心血管图像序列中与第n个门控帧图像相隔第二间隔值的帧图像确定为第n个帧区间的结束帧图像。3.根据权利要求2所述的心血管图像序列中运动伪影的抑制方法，其特征在于，所述门控帧间隔范围为[D0‑
1，D0+1]；所述第一间隔值为D0‑
1；所述第二间隔值为D0+1；D0表示心动周期长度。4.根据权利要求1所述的心血管图像序列中运动伪影的抑制方法，其特征在于，所述特征提取模块的确定方法为：获取训练集；所述训练集包括临床采集的心血管图像序列；采用随机数据增强器对所述训练集中的心血管图像序列中的各帧图像进行随机增强操作，得到各帧图像的相关图像对；所述相关图像对包括第一相关图像和第二相关图像；所述随机增强操作，包括：依次进行的随机旋转、随机翻转、随机色彩抖动处理和随机高斯模糊处理；所述第一相关图像和所述第二相关图像的旋转角度和/或翻转角度不同；构建深度神经网络；所述深度神经网络，包括：第一神经网络和第二神经网络；所述第一神经网络，包括：依次连接的ResNet
‑
18网络、第一全连接层、Relu层和第二全连接层；所
述第二神经网络与所述第一神经网络的结构相同；所述第二神经网络与所述第一神经网络的参数共享；所述第二神经网络中各个层与所述第一神经网络中的各个层一一对应连接；将所述训练集中各帧图像的第一相关图像作为所述第一神经网络的输入，将所述训练集中各帧图像的第二相关图像作为所述第二神经网络的输入，以所述第一神经网络输出的第一潜在特征与所述第二神经网络输出的第二潜在特征的损失值最小为目标进行多次迭代训练，得到训练...

【专利技术属性】
技术研发人员：孙正，姚越，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：