基于超声造影图像的roi追踪及时间强度曲线分析方法
技术领域
1.本发明属于医学图像处理技术领域，特别涉及一种基于超声造影图像的roi追踪及时间强度曲线分析方法。
背景技术：2.超声造影是通过注入造影剂将微细血管清晰地显示出来，便于医生观察血流的灌注情况来诊断病灶。超声造影诊断需要医生具有较多的经验，并且给出的结果也较为主观；而如果将超声造影图像中的造影信号进行定量的分析，就可以提供更为直观的量化数据，从而帮助医生得出更为客观的诊断结果。
3.时间强度曲线作为一种常用的量化方法，要求病灶切面一直在感兴趣区域(roi，region of interest)内，但是由于病人的呼吸等因素会导致病灶切面产生移动，使得病灶切面不处在roi内，此时就得不到理想的时间强度曲线结果。
技术实现要素：4.有鉴于现有技术的上述缺陷，本发明的目的在于提供一种基于超声造影图像的roi区域追踪及时间强度曲线分析方法，可以在左侧组织信号中追踪所选区域，并且追踪后得到的区域矫正信息，用来在右侧对应的造影信号中计算roi内的时间强度曲线。本发明追踪后的时间强度曲线相较于没有追踪的曲线在多个时间节点上强度较高，这是因为避免了由于人体组织的运动，造成病灶有部分不在roi范围内的情况。此外，本发明进行滤波后的曲线能够进一步有效地避免噪声对后续分析的干扰。
5.为了达到上述目的，本发明提供了一种基于超声造影图像的roi追踪及时间强度曲线(tics，intensity-time curves)分析方法，包括以下步骤：
6.s1：读取超声造影视频的视频序列，选取待追踪区域；
7.s2：采用目标追踪算法对待追踪区域进行追踪；
8.s3：选取确切的需要分析tics的椭圆形roi；
9.s4：使用追踪得到的帧之间的区域矫正信息来提取tics，并且绘制tics；
10.s5：采用滤波算法对tics进行滤波处理。
11.进一步地，步骤s1所述的超声造影视频是通过造影剂的注入将微细血管更清晰显示，并且使用了对比脉冲系列(cps)造影成像技术，可以将组织和造影剂的信号分离开。选取待追踪区域是指操作人员在左侧的组织信号图像中选取的第一帧中想要进行追踪的区域。
12.进一步地，步骤s2所述的采用目标追踪算法对待追踪区域进行追踪是指在左侧组织信号图像中对待追踪区域进行追踪，在视频每一帧中追踪步骤s1选中的待追踪区域，以避免由于该区域受到呼吸或者心跳等人体组织的运动产生位移而造成影响。
13.进一步地，上述目标追踪算法可以采用kcf(kernel correlation filter)算法来实现目标追踪，该算法为鉴别式追踪算法，通过训练目标检测器，不断去检测下一帧预测的
位置是否为目标，并且用检测结果去更新目标检测器。
14.进一步地，上述目标追踪算法还可以采用归一化互相关方法(ncc，normalized cross correlation)进行目标追踪。假设第i帧选取的区域为target，大小为target_size(m，n)。对于相邻帧之间的目标区域的纠正，ncc算法会在第i帧区域大小的基础上，在第i+1帧中扩选padding倍大小的区域window作为搜索的区域：
15.target＝fi(target_sizde
16.window＝f
i+1
(target_size*(1+padding))
17.然后使用如下的公式计算出target和window的相关系数：
[0018][0019]
其中f代表的是图像，代表的是要匹配的模板图像的均值，是f(x，y)在图像模板下的均值，该方法中的t即为target，f表示为window。
[0020]
接着求出互相关矩阵中的峰值对应的坐标ypeak，xpeak：
[0021][0022]
最后就可以求出横纵轴的偏移量yoffset，xoffset，用以纠正下一帧的区域选取区域：
[0023]
yoffset＝ypeak-m
[0024]
xoffset＝xpeak-n
[0025]
本算法使用第1帧选取的target区域与第i帧window区域进行匹配纠正：
[0026]
[ypeak，xpeak]＝max
index
(ncc(f1(target
size
)，fi(windo
size
)))
[0027]
同时，计算第i-1帧选取的target区域与第i帧window区域，当[ypeak2，xpeak2]等于[ypeak，xpeak]时，更新f1(target
size
)＝f
i-1
(target
size
)：
[0028]
[ypeak2，xpeak2＝max
index
(ncc(f
i-1
(target
size
)，fi(window
size
)))
[0029]
此外，采用变量yshift，xshift累计偏移量，当累计的偏移量超过阈值θ时，则代表追踪失败，需要重新选取追踪区域。
[0030]
进一步地，步骤s3所述的选取确切的需要分析tics的椭圆形roi是指操作人员在左侧组织信号中进行感兴趣区域的选取。
[0031]
进一步地，步骤s4所述的使用追踪得到的帧之间的区域矫正信息来提取tics是指采用步骤s3计算得到的矫正信息，对不同帧roi进行纠正，在对应的右侧造影信号中，计算每帧中roi的强度信息，最后绘制为tics。
[0032]
进一步地，步骤s5所述的采用滤波算法对tics进行滤波处理是为了减小噪声对后续的分析造成影响，其中滤波算法主要选自卡尔曼滤波、中值滤波和savitzky-golay滤波中的一种或几种。
[0033]
进一步地，滤波算法可以采用一维卡尔曼滤波，其核心思想是前一时刻系统的估算值和当前时刻测量的值，通过最小均方误差为最佳的估算准则，来计算当前时刻的状态变量的估算值，其中有两个参数需要去按照要求修改调试，分别是系统的过程噪声的协方
差矩阵q和测量噪声的协方差矩阵r。
[0034]
进一步地，滤波算法可以采用中值滤波器是一种非线性滤波器，对脉冲干扰较为有效，但有可能引起细节的丢失，其有一个关键变量为滑动的窗口大小n。
[0035]
进一步地，滤波算法可以采用savitzky-golay滤波，其是基于局部多项式最小二乘法拟合的滤波方法，关键参数为窗口长度span和k阶多项式拟合。
[0036]
本发明的有益技术效果在于：本发明的基于超声造影图像的roi追踪及时间强度曲线分析方法可以在左侧组织信号中追踪所选区域，并且追踪后得到的区域矫正信息，用来在右侧对应的造影信号中计算roi内的时间强度曲线。追踪后的时间强度曲线相较于没有追踪的曲线在许多时间节点上强度高，这是因为避免了由于人体组织的运动，造成病灶有部分不在roi范围内的情况。此外，本发明进行滤波后的曲线能够进一步有效地避免噪声对后续分析的干扰。
附图说明
[0037]
图1是本发明一个较佳实施例的基于超声造影图像的roi追踪及时间强度曲线分析方法的流程示意图；
[0038]
图2是本发明一个较佳实施例在选取待追踪区域后，在左侧图像中进行roi选取，在右侧对应造影图像roi计算的示意图；
[0039]
图3是本发明一个较佳实施例的roi内时间强度曲线绘制示意图，其中一条曲线为没有追踪的时间强度曲线，一条曲线为追踪后的时间强度曲线，一条曲线为卡尔曼滤波后的时间强度曲线示意图。
具体实施方式
[0040]
下面对本发明的实施例作详细说明，下述的实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0041]
如图1-3所示，在一个较佳实施例中，本发明的一种基于超声造影图像的roi区域追踪及时间强度曲线分析方法包括以下步骤：
[0042]
步骤s1：本实施例中，超声造影图像选择的是使用cps对比脉冲系列造影成像技术采集的一段超声视频，其中左侧图像为组织信号，右侧图像为造影信号，读取视频后需要转为灰度图。如图2所示，通过操作人员手动在左侧的组织信号图像中选取的第一帧中想要进行追踪的区域，该区域为一个矩形区域，表示为(x
col
，x
row
，d
col
，d
row
)。其中x
col
代表该矩形区域左上角为第x
col
列，x
row
代表该矩形区域左上角为第x
row
行，d
col
和d
row
分别代表矩形框的所占的列数和行数。
[0043]
步骤s2：采用目标追踪算法在左侧组织信号图像中，对该区域进行追踪，即在视频每一帧中追踪步骤s1选中的区域，用于避免该区域受到呼吸或者心跳等产生位移而造成的影响。
[0044]
上述追踪算法可以采用kcf算法来实现目标追踪。该算法为鉴别式追踪算法，通过训练目标检测器，不断去检测下一帧预测的位置是否为目标，并且用检测结果去更新目标检测器，本实例中采用高斯核，特征类型为hog。
[0045]
上述追踪算法还可以采用归一化互相关方法(ncc)来进行选取区域的追踪。假设第i帧选取的区域为target，大小target_size(m，n)。对于相邻帧之间的选取区域的纠正，ncc算法会在第i帧区域大小的基础上，在第i+1帧中扩选padding倍大小的区域window作为搜索的区域，本实例中padding选取为1.5倍：
[0046]
target＝fi(target_size)
[0047]
window＝f
i+1
(target_size*(1+padding))
[0048]
然后使用如下的公式计算出target和window的相关系数。其中f代表的是图像，代表的是要匹配的模板图像的均值，是f(x，y)在图像模板下的均值。该方法中的t即为target，f表示为window：
[0049][0050]
接着求出互相关矩阵中的峰值对应的坐标ypeak，xpeak：
[0051][0052]
最后就可以求出横纵轴的偏移量yoffset，xoffset，用以纠正下一帧的区域选取区域：
[0053]
yoffset＝ypeak-m
[0054]
xoffset＝xpeak-n
[0055]
本算法使用第1帧选取的target区域与第i帧window区域进行匹配纠正：
[0056]
[ypeak，xpeak]＝max
index
(ncc(f1(target
size
)，fi(wndow
size
)))
[0057]
同时，计算第i-1帧选取的target区域与第i帧window区域，当[ypeak2，xpeak2]等于[ypeak，xpeak]时，更新f1(target
size
)＝f
i-1
(target
size
)：
[0058]
[ypeak2，xpeak2]＝max
index
(ncc(f
i-1
(target
size
)，fi(window
size
)))
[0059]
此外，采用变量yshift，xshift累计偏移量，当累计的偏移量超过阈值θ时，则代表追踪失败，需要重新选取追踪区域，本实例中θ选取为超声图像的十分之一大小。
[0060]
步骤s3：选取确切的需要分析tics的椭圆形roi，即操作人员在左侧组织信号中进行感兴趣区域的选取，如图2中的椭圆形区域。
[0061]
步骤s4：使用追踪得到的帧之间的区域矫正信息来提取tics，即采用步骤s3计算得到的矫正信息，对不同帧roi进行纠正，在对应的右侧造影信号中，计算每帧中roi的强度信息，最后绘制为tics。
[0062]
步骤s5：采用滤波算法对tics进行滤波处理，以减小噪声等对后续的分析造成影响，其中滤波算法主要包括卡尔曼滤波、中值滤波和savitzky-golay滤波。
[0063]
滤波算法可以采用一维卡尔曼滤波，其核心思想是前一时刻系统的估算值和当前时刻测量的值，通过最小均方误差为最佳的估算准则，来计算当前时刻的状态变量的估算值，其中有两个参数需要去按照要求修改调试，分别是系统的过程噪声的协方差矩阵q和测量噪声的协方差矩阵r，本实施例中q和r分别是1
×
10-5
和4
×
10-4
。
[0064]
滤波算法也可以采用中值滤波，中值滤波器是一种非线性滤波器，对脉冲干扰较为有效，但有可能引起细节的丢失，其有一个变量为滑动的窗口大小n。
[0065]
滤波算法还可以采用savitzky-golay滤波，savitzky-golay滤波器是基于局部多项式最小二乘法拟合的滤波方法，参数为窗口长度span和k阶多项式拟合。
[0066]
roi内时间强度曲线绘制如图3所示，其中一条曲线为没有追踪的时间强度曲线(no tracking)，一条曲线为追踪后的时间强度曲线(tracking)，一条曲线为卡尔曼滤波后的时间强度曲线(kalman filter)。可以看到，没有追踪的时间强度曲线有些时间节点比追踪后的曲线的强度低，这是因为由于组织的运动，造成病灶有部分不在roi范围内。而进行滤波后的曲线可以在很大程度上避免噪声对后续分析的干扰。
[0067]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的试验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
技术特征：1.一种基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，包括以下步骤：s1：读取超声造影视频的视频序列，选取待追踪区域；s2：采用目标追踪算法对所述待追踪区域进行追踪；s3：选取确切的需要分析tics的椭圆形roi；s4：使用追踪得到的帧之间的区域矫正信息来提取tics，并且绘制tics；s5：采用滤波算法对tics进行滤波处理。2.如权利要求1所述的基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，步骤s1中所述的超声造影视频是通过造影剂的注入将微细血管更清晰显示，并且使用了对比脉冲系列造影成像技术将组织和造影剂的信号分离开；所述选取待追踪区域是指操作人员在左侧的组织信号图像中选取的第一帧中想要进行追踪的区域。3.如权利要求1所述的基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，步骤s2中所述的采用目标追踪算法对待追踪区域进行追踪是指在左侧组织信号图像中对待追踪区域进行追踪，在视频每一帧中追踪步骤s1选中的带追踪区域，以避免由于该区域受到人体组织的运动产生位移而造成影响。4.如权利要求3所述的基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，步骤s2中所述的目标追踪算法为kcf算法。5.如权利要求3所述的基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，步骤s2中所述的目标追踪算法为归一化互相关算法。6.如权利要求5所述的基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，所述归一化互相关算法的具体步骤为：假设第i帧选取的区域为target，大小为target_size(m，n)。对于相邻帧之间的目标区域的纠正，ncc算法会在第i帧区域大小的基础上，在第i+1帧中扩选padding倍大小的区域window作为搜索的区域：target＝f
i
(target_size)window＝f
i+1
(target_size*(1+padding))；然后使用如下的公式计算出target和window的相关系数：其中f代表的是图像，代表的是要匹配的模板图像的均值，是f(x，y)在图像模板下的均值，该方法中的t即为target，f表示为window；接着求出互相关矩阵中的峰值对应的坐标ypeak，xpeak：最后就可以求出横纵轴的偏移量yoffset，xoffset，用以纠正下一帧的区域选取区域：yoffset＝ypeak-mxoffset＝xpeak-n；
本算法使用第1帧选取的target区域与第i帧window区域进行匹配纠正：[ypeak，xpeak]＝max
index
(ncc(f1(target
size
)，f
i
(window
size
)))；同时，计算第i-1帧选取的target区域与第i帧window区域，当[ypeak2，xpeak2]等于[ypeak2，xpeak]时，更新f1(target
size
)＝f
i-1
(target
size
)：[ypeak2，xpeak2]＝max
index
(ncc(f
i-1
(target
size
)，f
i
(window
size
)))；此外，采用变量yshift，xshift累计偏移量，当累计的偏移量超过阈值θ时，则代表追踪失败，需要重新选取追踪区域。7.如权利要求1所述的基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，步骤s3中所述的选取确切的需要分析tics的椭圆形roi是指操作人员在左侧组织信号中进行roi的选取。8.如权利要求1所述的基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，步骤s4中所述的使用追踪得到的帧之间的区域矫正信息来提取tics是指采用步骤s3计算得到的矫正信息，对不同帧roi进行纠正，在对应的右侧造影信号中，计算每帧中roi的强度信息，最后绘制为tics。9.如权利要求1所述的基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，步骤s5中所述的滤波算法选自卡尔曼滤波、中值滤波和savitzky-golay滤波中的一种或几种。10.如权利要求9所述的基于超声造影图像的roi追踪及时间强度曲线分析方法，其特征在于，所述滤波算法为一维卡尔曼滤波，其中系统的过程噪声的协方差矩阵q和测量噪声的协方差矩阵r分别是1
×
10-5
和4
×
10-4
。
技术总结本发明提供了一种基于超声造影图像的ROI追踪及时间强度曲线分析方法，包括步骤：S1：读取超声造影视频的视频序列，选取待追踪区域；S2：采用目标追踪算法对待追踪区域进行追踪；S3：选取确切的需要分析TICs的椭圆形ROI；S4：使用追踪得到的帧之间的区域矫正信息来提取并绘制TICs；S5：采用滤波算法对TICs进行滤波处理。本发明可以在左侧组织信号中追踪所选区域，并且追踪后得到的区域矫正信息，用来在右侧对应的造影信号中计算ROI内的时间强度曲线。本发明追踪后的时间强度曲线强度高，避免了由于人体组织的运动造成病灶有部分不在ROI范围内的情况，进一步滤波后的曲线能够有效地避免噪声对后续分析的干扰。避免噪声对后续分析的干扰。避免噪声对后续分析的干扰。
技术研发人员：陈建刚 黄晓钰 秦伟 黄麒铭 单春雷 向延卫 许东升 刘晓丹 徐辉雄 张一峰 郭乐杭 孙丽萍
受保护的技术使用者：上海中医药大学
技术研发日：2022.03.17
技术公布日：2022/7/5
