專利名稱：醫學影像的目標區域邊界確定裝置和方法
技術領域：
本發明涉及醫學影像的目標區域邊界確定方法和裝置，以及利用確定的目標區域邊界來確定生理參數。更具體地，本發明涉及基于真實超聲影像數據測定心臟生理參數。
背景技術：
醫學成像已經成為現代醫療不可或缺的一部分，其應用貫穿整個臨床工作，不僅廣泛用于疾病診斷，而且在外科手術和放射治療等的計劃設計、方案實施以及療效評估方面發揮著重要作用。目前，醫學圖像可以分為解剖圖像和功能圖像兩個部分。解剖圖像主要描述人體形態信息，包括X射線透射成像、CT、MRI、US等。
特別是在現代心臟病的診斷與治療方面，利用計算機技術對醫學影像進行定量分析成為重要的技術改進方向，用以增加診斷的客觀性，并且更容易掌握操作，能夠減少對閱片人的經驗依賴，排除不同閱片人之間的判斷差異。進一步，本領域渴望基于心臟圖像攝影序列更準確獲知心臟的量化的生理參數，例如，心室的容積、心肌質量、心腔壁增厚、心臟射血分數(EF值)等等。準確獲取心臟射血分數具有重要意義，根據心臟射血分數可以推算心臟的射血能力，是判斷心功能的重要參數。
3D超聲是一種無探傷的影像檢查技術，在心臟疾病的探查中，其具有成像速度快且成本低的特點，因此，在心臟病診斷與治療方面應用最為廣泛。在3D超聲影像中分析心腔容積、射血分數、心肌的體積和質量等生理參數是進行診斷的重要依據。但是，由于超聲心動圖含有大量噪聲，且心腔的內膜和心肌的邊緣是不規則的(尤其是發生病變的心腔和心肌)，從而給相關定量計算帶來了困難。其中的困難之一，是如何準確地得到心內膜的邊界，以及如何準確針對心臟的不規則的變化進行計量。本領域長期致力于提高超聲影像獲取生理參數的準確性和可操作性。
目前在臨床上較為普便使用的心臟射血分數(EF值)測定方法是以交互的方式定義一些控制點，并通過數學建模，使用一系列模擬的幾何形狀來逼近心腔，因而是很不準確的。
多件專利公開文獻采用上述手段。例如，JP2002085404，題為《超聲波圖像處理器》 (ultrasonic imaging processor),教導將心腔分為20段來近似統計其容積。EP123617, 教導使用分段的曲線來描述心腔。JP2008073423，教導用50多個影像集合的參考輪廓來插值得到近似心腔。EP1998671 (Al)，教導利用鼠標點出幾個控制點，和一個模板匹配達到自動分割。EP2030042 (Al)教導了一種手工標記少量控制點，結合訓練出的模板得到心內膜。
常規技術中，較多采用先驗模型處理數據，以獲得具有復雜形狀，例如心臟和心肌等的與體積或容積相關的生理參數。
關于先驗模型，是基于統計學的一個模型，指要分析的數據集合服從某種未知概率分布，并且和一個已知樣本的數據集合之間有確定的聯系。為了求出這個未知分布，需要在已經樣本數據集合上計算其服從的概率分布，這個能事先算出的概率分布或參數就被稱為是先驗模型。4
病變的心臟和正常的心腔相比，通常來說，不再是一個能用上述模型估算的心腔。 病變心臟的心腔具有不可預測的形狀改變，而且心內膜不規則(如腫瘤占位室壁瘤、心壁增厚)。心腔形狀的改變導致射血功能減低，心瓣膜功能不全等癥狀。
在臨床應用方面，已有預先計算多幀影像后得到心腔的先驗形狀模型，通過和當前影像上心腔的近似幾何模型對比，修正得到當前影像上的心腔。但是，這類先驗模型是根據正常的心臟計算得到的，在實際的臨床應用中，對于病變的心臟，該方法難以保證獲得準確的結果。
參見Hansson M, Fundana K, Brandt S. S，Gudmundsson P. Convex spatio-temporal segmentation of the endocardium in ultrasound data using distribution and shape priors. Biomedical Imaging:From Nano to Macro, 2011, Page (s) : 626-6290該文獻提出了使用機器學習和形態學結合的方法來做心腔分割，提出使用瑞利分布為基礎建立一個概率模型，該模型用來計算當前區域屬于心腔內部的概率和當前區域屬于心腔外部的概率。然后使用大量的超聲圖像數據來訓練該模型， 得到概率模型中的各參數估計值。最后使用該概率模型計算出來的概率作為先驗，結合先驗的心腔形態學模型來做新圖像中心腔的分割。
Paragios N. A level set approach for shape-driven segmentation and tracking of the left ventricle. Medical Imaging, 2003，Page (s) : 773 - 776 米用的是水平集算法作為左心室分割算法的主體，加之使用大量的先驗知識，也就是已知正確的左心室分割結果。使用先驗經驗結合圖像本身特點制定水平集的速度函數以及限制區域。從而達到左心室分割的目的。
Hamarneh G,Gustavsson T. Combining snakes and active shape models for segmenting the human left ventricle in echocardiographic images. Computers in Cardiology2000Digital Object Identifier:10. 1109/CIC.2000.898469 Publication Year: 2000, Page (s) : 115 - 118使用snake模型來進行左心室的分割，該方法需要醫生手動劃分大量心臟超聲圖像中的左心室的輪廓軌跡作為一個訓練樣本，然后使用這些數據來定義一系列離散余弦變換系數(DCT coefficients)。在使用snake做新的左心室分割的時候，尋找到snake初始坐標的離散余弦變換系數，然后使用先驗經驗中的離散余弦變換系數作為外力部分對活動輪廓迭代至能量最小化。
其他的相關專利文獻，例如，關于中國專利公開號CN1777898A，申請號 200480010928. 2，題為《無創式左心室的容積測定》，其涉及處理MR圖像，基于心臟3D圖形中的心內膜輪廓來估計LV容積。這些輪廓由人工指定或半自動導出。以這些輪廓所包圍面積內的強度變化來估計LV容積。其中教導，基于圖像像素之間的差異(即圖像梯度)，采用人工描跡來標識邊界點，因此易受成像噪聲的影響，造成不準確。進一步，把這確定輪廓直接應用到其他的時間幀上，雖然經過自動修正，仍然會進一步引入誤差。
關于心肌測量的常規技術，目前在臨床上較多使用的心肌分割方法是基于斑點紋理分析，其同樣需要以交互的方式定義一些控制點，運用擬合曲線的方法，得到心肌的近似輪廓，因而是很不準確的。同樣地，在臨床上還預先計算多幀影像后得到心肌的先驗形狀模型，通過和當前影像上心肌的近似幾何模型對比，修正得到當前影像上的心肌。但是，如上文提到的，先驗模型是根據正常的心臟計算得到的，在實際的臨床應用中，對于病變的心臟該方法同樣難以獲得準確的結果。
CN101404931A (申請號CN200780009898. 7)，題為“借助心肌機能的量化的超聲診斷”，教導手工先設置控制點，再根據圖像梯度用曲線連接控制點，從而達到近似描跡的目的。
CN101454688A (申請號CN200780018854. 0)，題為“心腔壁增厚的量化和顯示”，披露了散斑跟蹤指定心肌位置點的距離、壁厚度變化以及應變。也沒有獲得單個的心肌。該技術是使用圖像梯度確定心內膜邊界，如果圖像噪聲增大，則不準確。心外膜因為沒有明確的梯度，因此它在自動確定時，往往邊界會缺失，且不準確。所以該專利提供了一個工具， 在心動周期開始和結束時人工調整這兩條邊界，然后再在兩條邊界間自動設置需要跟蹤的點，它們位于心肌上，然后記錄每個點周圍的像素作為散斑圖案，不同幀之間的散斑圖案進行最大相關性塊匹配，從而能跟蹤每個點的運動。這樣的散斑跟蹤容易受到噪聲影響
相關論文，Alessandrini,M. Dietenbeck, T. Barbosa, D. D ' hooge, J. Basset, O. Speciale,N.Friboulet, D. Bernard, O. Segmentation of the full myocardium in echocardiography using constrained level-sets. Computing in Cardiology. 2010,披露了將傳統的level-set方法和先驗的形態學方法結合，將圖像中的點標上level-set能量和形態學能量兩個屬性，最后將兩個能量屬性值加權相加，得到各像素點的能量值。在算法初始化時，人工在圖像上點6個點(5個點在心外膜上，一個點在心內膜上)，對心內膜和心外膜上的點分別建立值為O的演化函數，然后對圖像上所有點計算兩個演化函數的值， 分別得到兩條演化曲線。分割的是心肌層。
相關論文，Alessandrini,M. Friboulet, D. Basset, 0. D 1 hooge, J. Bernard, O. Level-set segmentation of myocardium andepicardium in ultrasound images using localized Bhattacharyya distance. Ultrasonics Symposium(IUS) · 2009,披露的算法使用基于瑞利分布的巴氏距離作為level-set算法在演化時候的能量限制，在算法初始化時，人工在圖像上點6個點(5個點在心外膜上，一個點在心內膜上)，對心內膜和心外膜上的點分別建立演化函數。分割的是心肌層。
相關論文T. Dietenbeck, M. Alessandrini, D. Barbosa, J. D，hooge, D. Friboulet, 0. Bernard. Detection of the wholemyocardium in 2D_echocardiography for multiple orientations using a geometrically constrained level-set. Medical Image Analysis. 2011 該文在(Segmentation of the Full Myocardiumin Echocardiography Using Constrained Level-Sets)的基礎上增加了厚度因素作為 level-set的能量約束條件，用于防止心內膜和心外膜兩條進化曲線在演化過程中由于相同的因素導致兩條曲線的融合。為了保證算法在短軸和長軸等圖像上的正確應用，在使用該算法前需要手動指定兩個點確定三尖瓣的位置用來保證算法的正確執行。分割的是心肌層。
相對正常心肌而言，病變的心肌具有擴張性、收縮性、肥大型等的病變，最終影響其收縮能力，具體表現在它的彈性形變參數的改變上。而在幾何形態上，和正常心肌相比， 也會隨之發生變化，因而可能產生有不規則的邊界。
因此，本領域迫切的需求進一步改進利用圖像處理獲取與心臟相關的量化參數， 以進一步提高測量精確度以及可操作性。發明內容
鑒于上述現有技術存在的缺點，本發明旨在基于現有的醫學影像技術，尋求更為有效和準確的圖像處理和計算的裝置和方法，以改善和提高關于心腔的容積、射血分數、心肌體積和質量等相關的生理參數的準確性，從而在幫助臨床處理過程中做出正確及時的診斷。
本發明的第一方面，涉及一種醫學影像的目標區域邊界確定裝置，用于根據該醫學影像中組織分布所反映出的相對應的物理定量特征來區分目標區域邊界，該裝置包括
交互單元，操作人員經由交互單元在醫學影像上選擇目標區域；
閾值設定單元，其確定所選的目標區域中的物理定量特征的閾值；
閾值分割單元，其將至少包含目標區域局部的待分析區域分割成子區域，以及，將各子區域的物理定量特征的參數平均值與閾值比較，根據比較結果標記各子區域。
基于第一方面的本發明第二方面提供的裝置，其中所述物理定量特征包括像素灰度，像素梯度，體素灰度，或體素強度。
基于上述方面的本發明第三方面所述的裝置，其中，所述子區域按照如下方式設置將待分析區域劃分成相互交疊的多個相鄰的子區域，各相鄰的子區域交疊或非交疊區域共同并完全覆蓋目標區域。
基于上述方面的本發明第四方面的裝置，以所選的目標區域內部的位置點為圓心，設定半徑r，定義一個圓形區域，分析該圓形區域內的物理定量特征分布，以確定閾值。
基于上述方面的本發明第五方面的裝置，其中醫學影像為心臟的醫學影像，選擇心腔的一個位置點為圓心，以5_為半徑，定義一個圓形區域，計算該圓形區域內像素灰度值的平均值作為所述閾值；以及，如果一子區域中像素灰度小于所述閾值，則將該子區域標記為所述目標區域，即所述心腔的區域。
基于上述方面的本發明第六方面的裝置，其中，醫學影像為心臟的醫學影像，將待分析區域劃分為一系列相互交疊的圓形區域，該圓形區域為所述的子區域，該圓形的半徑是1mm，各圓形之間圓心的距離也是1mm，計算出各所述子區域灰度平均值，如果該平均值大于所述閾值，則將該子區域內的像素點都標記為心肌區域，否則都標記為非心肌區域。
基于上述方面的本發明第七方面的裝置，其中將子區域設置為球體，并將球體內的平均體素灰度或體素梯度與閾值參數比較并做標記。
基于上述方面的本發明第八方面的裝置，其中，其中的醫學影像為心臟影像，以及，目標區域是任意一心腔、或者心肌。
基于上述方面的本發明第九方面的裝置，其中的醫學影像為3D超聲影像。
另外，本發明還包括一種醫學影像的目標區域邊界確定方法，其中，根據該醫學影像中組織分布反映出的物理定量特征區分目標區域邊界，該方法包括如下步驟
—選擇目標區域，
一設定所述目標區域中的物理定量特征的閾值，
-將至少包含目標區域局部的待分析區域分割成子區域，
一將各子區域的物理定量特征的參數平均值與閾值比較，根據比較結果標記各子區域。
本發明的上述方面，基于成像對象組織分布的一種物理性質反映在影像中的一種定量特征，針對目標區域中典型區域，例如目標區域的中間部分的局部區域的這種定量特征，設定閾值參數，通過閾值分割的方法判斷各子區域與閾值比較的結果，從而將各子區域分為兩類，用以區分影像的目標區域邊界。
關于定量特征，優選像素或體素的灰度。平均灰度是一種特征測量方式，其測定速度較快。此外，也可考察區域的梯度分布，是另一種簡單高效的特征測量。
上述發明的目的在于，通過采用更準確和有效的方法確定醫學影像目標區域邊界。本發明應用于處理真實3D超聲波醫學影像時，可以獲取更為準確的量化生理參數。真實3D超聲波醫學影像是指由3D超聲探頭直接生成的3D影像。在超聲波3D影像中，心內膜邊界等的邊界確定在測定心臟相關生理參數方面具有重要的意義。
本發明的發明人受到醫學成像中常采用的組織灌注方法的啟發?，F有技術中，熟知通過造影劑在人體組織的空腔以及間隙內擴散，在形成數字化的影像時，解剖組織和造影劑的數據之間就產生了明顯的對比度，從而能使得影像操作員容易識別各種解剖組織的邊界，為進一步定量診斷提供可靠的依據。
發明人提出了借助于計算機技術實現一種虛擬的組織灌注的模式，即，利用圖像包含的像素所反映的物理定量特性，幫助本領域技術人員有效識別組織的邊界，以獲取更為準確的組織邊界；進一步，基于準確的邊界獲取心臟的量化生理參數。
更具體而言，本發明利用計算機技術，從數字化影像中提取感興趣組織邊界。所說的感興趣的組織邊界周圍的像素或體素之間有明顯的對比度，但邊界會受顆粒狀噪聲的影響而變得不清晰。發明人具體考察圖像中像素的特點，在待分析區域中設置單元或子區域， 該單元中填充著最小基本單位的填充子區域固有的像素，因此，假想其為“像素填充單元”。 在待分析區域上設置點考察點，該點周圍一個圓形或者橢圓形子區域即為一個單元或像素填充單元，各子區域之間相互交疊，分析子區域內的像素值或者體素值的分布特征，從中推算出一個固定的或者不固定的閾值，根據這個閾值，再對每個考察點周圍區域內的每個像素或者體素進行標記，從而得到感興趣的組織區域，它的邊界就是感興趣的組織的邊界。在已經標記好的組織區域上，還可以再重新用設計的算法來設置考察點，并使用多種不同尺度或大小的圓形或者橢圓形區域來進一步分析像素值或體素值的分布規律，進一步細化感興趣組織區域的邊界。
更進一步說明，本發明利用計算機技術，利用影像中的組織，例如，心臟心腔之間物理特性的不同，以及其反映于醫學影像中的組織特性區別，直接利用不同相關圖像中的區域特性，由操作者根據經驗選取該區域的大致中間位置，利用計算機技術確定該區域物理特性，例如，灰度的平均值、梯度值等，通過閾值比較將該區域和邊界處區分成兩類，即， 達成圖像二值化的效果，從而區分出邊界。這種區分方式更為客觀準確，避免先驗模型分割心腔和心肌方法的局限性。
上述說明不希望使本發明拘泥于任何理論局限，僅僅為了使本領域技術人員更容易理解本發明。
下面參照附圖和具體實施方式
進一步說明，以使本領域技術人員更容易理解本發明并了解本發明的優點和其他的目的。


為了更完整地理解本發明，參見以下說明及附圖，其中
圖I 一種典型常規技術圖像處理裝置上的近似心腔分割結果的示意圖2是示意本發明一個實施例中采用交互式選擇目標心腔；
圖3A示出本發明方法在標記出的心腔邊界；
圖3B是一個時間序列各幀的心腔容積變化曲線示意圖，從圖中可以看出每個心動周期中各巾貞影像的最大容積Vmax和最小容積Vmin ；以及
圖4本發明一個具體實施例的流程圖。
具體實施方式
本發明提出的針對感興趣組織或區域(目標區域)的邊界處理，可以有多種不同的應用。通過具體實施方式
的說明在于幫助本領域技術人員理解本發明，而不應當構成對本發明的限定。
具體實施方式
的描述中，主要以像素灰度為物理定量特征為例進行分析。本發明也可以應用其他合適的物理定量特征。
在一種實施方式中，本發明的邊界處理包括如下步驟
I.首先將醫學影像的切片圖劃分為一系列相互交疊的圓形區域作為覆蓋待分析區域的小的子區域，并將其定義為單元，這些單元看成是由影像的像素填充的單元，因為， 這些單元中充滿了圖像的像素。使這樣劃分的圓形區域覆蓋全圖，在各圓形區域上根據像素灰度值計算定量特征，并確定閾值，根據閾值將的各單元初步標記出來，即，根據閾值對各單元進行區分。
2.初步的標記得到一個或多個連通的區域，接著綜合感興趣的區域(R0I)，或者說是目標區域，進一步處理，即只有包含了操作員鼠標點擊的連通區域被保留，其他區域都拋棄，或者說，將其他的區域取消標記。這樣得到初次分割的結果。
3.得到初次分割的區域結果后，接著進一步對邊界細化處理。首先把分割后區域的邊界單獨標記出來，然后在邊界上布置像素填充單元，將這些像素填充單元設置為覆蓋更小的區域，可以是第一步中像素填充單元的一半大小，它們仍然需要相互交疊。同樣在這些區域上計算定量特征，如平均灰度或梯度等，并得到閾值，根據閾值將各像素填充單元進行標記，并和初次分割的區域結果進行“或”操作，合并得到細化的區域結果。
此外，還可以進行進一步的細化處理，例如
操作員根據臨床需要重復步驟3，可以通過進一步減小像素填充單元的尺寸來進一步細化邊界，直到得到滿意結果為止。
此外，還可以直接在三維數據上進行最后一次細化邊界的處理。所謂三維數據就是由前面的切片圖堆積而成的。同樣前面得到的切片圖的邊界的堆積在3D數據中表現為一張曲面。在這張曲面上布置體素填充單元，體素填充單元與最后一次執行第三步時的設置相同，即，具有相同的半徑設置，它們仍然需要相互交疊。同樣在這些區域上根據像素灰度值計算定量特征，并得到閾值，根據閾值標記各像素填充單元，并和最后一次第三步得到的區域結果進行“或”操作，合并得到細化的區域結果。
關于處理心腔邊界，與上述說明基本相同，進一步，需要在其中的步驟2中增加如9下處理
(I)在切片圖像中初步標記的處理步驟與前述相同，但是，在選取心腔區域時，這一步只觀察灰度平均值。
(2)綜合操作員鼠標點擊感興趣區域，得到初步的分割區域；同詳細步驟中的按8 鄰域連通域把含有鼠標點擊的那個區域單獨分離出來的表述；
(3)在步驟2得到的區域上，把邊界單獨標記出來，然后將邊界劃分為一系列相互交疊的圓形區域，圓心都是邊界上的點，半徑為第一步中圓形區域半徑的一半。計算每個圓形區域上的像素灰度值的平均值、像素灰度梯度模的平均值。再通過計算這些數值的平均值得到兩個閾值
其中，η為圓形區域的個數。接著檢查每個圓形區域的灰度平均值和像素的梯度模平均值。灰度平均值反映的是灰度均值的均值；梯度模平均值反映的是梯度模均值的均值， 分析區像數變化的大小，它反映這個區域像素變化的大小，作為邊界這個值會變大，而小于此值說明它還在邊界內，應當被標記出來，條件就是某個子區域的灰度均值小于灰度均值的閾值，并且梯度模均值也小于梯度模均值的閾值。則把該圓形區域內的像素標記為心腔區域，否則標記為非心腔區域。再把本步驟標出的心腔區域和第二步標出的心腔區域進行 “或”操作，合并得到細化的心腔區域。
(4)操作員根據臨床需要重復步驟3，每次使用的圓形區域半徑都是上次使用的圓形區域半徑的一半，來進一步細化邊界，直到得到滿意的2D切片圖上的結果為止。
(5)在該幀的3D數據上進行最后一次細化邊界的處理。將2D切片圖堆積成3D數據，第四步得到各2D切片圖上的心腔區域同時被堆積成3D區域。先把3D區域的邊界曲面單獨標記出來，然后將邊界曲面劃分為一系列相互交疊的球形區域，球心都是邊界曲面上的點，半徑為第四步中最后一次使用的圓形區域的半徑。計算每個球形區域上的體素灰度值的平均值、體素灰度梯度模的平均值。再通過計算這些數值的平均值得到灰度平均值和像素的梯度模平均值。
其中，η為球形區域的個數。接著檢查每個球形區域的灰度平均值和梯度模平均值，把該球形區域內的像素標記為心腔區域，否則標記為非心腔區域。再把本步驟標出的心腔區域和第四步標出的心腔區域進行“或”操作，合并得到細化后的心腔3D區域。
實施例I
本發明應用于針對患者心臟的真實三維(3D)超聲影像數據處理，在本實施例中用于獲取心腔容積以及射血分數。
步驟1，利用超聲成像設備獲得患者的醫學影像資料。本實施例中，使用真實的3D 超聲探頭對心臟區域掃描，得到3D超聲影像的多個時間序列每個時間序列包含一系列的幀，記錄了一個或多個完整的心動周期，每個幀包含有多個切片組成的3D體素數據。使用的成像設備例如，西門子SC2000超聲心動圖儀和飛利浦ΙΕ33兩種型號。
步驟2，在真實3D超聲影像時間序列中所有幀的所有切片影像中，提取心腔輪廓。 在具體的實施例中，一般地，對一個病人，掃描5-8個時間序列,一個時間序列有8-44巾貞,一幀有256個切片圖像，每個圖像的大小為256*256像素。
提取心腔輪廓包括如下步驟
a)在真實3D超聲影像時間序列的某一幀的某一個切片影像中，利用鼠標點選感10興趣的心腔位置，即，選擇目標區域。
進一步具體說明，選擇切片影像的依據為含有感興趣且暴露最清晰的心腔。鼠標點選的位置目視可以明確確定的，并且明顯在心腔范圍之內。
在顯示有影像時間序列的某一幀數據的所有切片圖的界面上，操作員利用鼠標在切片圖上點擊，點擊的位置要求是在感興趣的心腔的內部。最后，以圖像左上角為原點，記錄該位置點的X坐標和I坐標。本實施例中，以寬度方向為X軸，正方向是向右；以高度方向為y軸，正方向是向下；這樣得到的X，y坐標。設置坐標的目的在于描述每個像素或者體素在空間的位置，它們由坐標(X，y)或(X，y，z)唯一確定。在計算中，使用坐標的目的主要用于判斷像素或體素之間的鄰接關系(2D影像上有8鄰域或4鄰域，3D影像上有6鄰域和26鄰域)，用于設置填充單元的范圍的確定，以及感興趣心腔的標記(覆蓋著感興趣心腔的灌注區域在被標記后它們之間形成連通的鄰接關系，從而能分離得到單個的心腔)。
可選擇地，還可以附加設置自動關聯處理單元，只要點擊一個切片，該幀3D影像的所有切片自動得到關聯處理，每個幀都只需要點擊一個切片，其他切片自動處理。
通常情況下，一個超聲的圖像范圍包含感興趣區和噪聲(非感興趣區)，并非理想狀態的唯一區域，由于實際效果的局限，操作員要求確認(點一下)感興趣區作為整個技術實現的第一個步驟，或者說是“啟動”步驟。
b)以心腔位置點為圓心，以r為半徑，定義一個圓形區域，分析該區域內的像素灰度分布，得到一個模型參數(閾值參數t)。
進一步具體說明，因為用鼠標點擊的心腔位置點處的像素，并不能反映心腔內的像素灰度值的分布范圍，而利用它周圍一個鄰域內的像素平均值，可以得到更為準確的灰度值分布的估計。因此，以心腔位置點為圓心，以5mm為半徑，定義一個圓形區域，根據3D 超聲影像的體素分辨率(即體素中心點之間在X，y, z三個方向上的距離，以mm為單位)，換算為以像素為單位的圓形區域的范圍，計算該圓形區域內像素灰度值的平均值，作為一個模型參數，即閾值參數t。
c)把切片圖劃分成半徑為r且相互交疊的圓形區域，從而使這種圓形區域全面覆蓋切片圖。這里，每個圓形區域可以看作是圖像的像素填充的子區域。進一步，分析每個圓形區域內像素值的分布，并根據閾值參數t，利用閾值分割的方法標記出心腔，S卩，將各圓形區域分別標記為心腔區域和非心腔區域。
在此步驟中，采用根據步驟b)計算出的閾值，對切片的全部像素點進行閾值分割。 由于心腔所在區域的像素灰度值較低，因此，需要把切片圖中小于閾值的像素標記為心腔區域。本發明中，首先將切片圖劃分為一系列相互交疊的圓形區域作為子區域或者說像素填充區域，圓形的半徑是5mm,各圓形之間圓心的距離也是5mm,按步驟b)中的方法換算為以像素為單位的圓形區域范圍。然后，計算出區域內所有像素的灰度平均值，如果該平均值小于閾值參數t，則把該圓形區域內的像素點都標記為心腔區域，否則都標記為非心腔區域。在所有的圓形區域都處理完以后，對標記圖以8鄰域的方式進行連通域的檢查，把含有操作員標出的心腔位置點的連通域，作為感興趣的心腔的分割結果。最后，對一個影像時間序列的所有幀上的所有切片都作同樣的閾值分割。
步驟3，根據標記出的心腔區域，計算心腔容積和EF值。
a)根據標記的心腔區域得到心內膜邊界。
在標記好的心腔區域上，使用鄰域檢查法判斷每個像素是內點還是邊界點，如果是邊界點，則標記為白色，其它點標記為黑色，從而得到不規則的心內膜邊界。
b)統計出心內膜邊界內的像素總數numl。
c)對心內膜邊界上的像素，根據其灰度梯度，計算得到一個權值，作用于心內膜邊界上的像素數目。
用如下的公式計算出心內膜邊界上的像素數目
權利要求
1.一種醫學影像的目標區域邊界確定裝置，用于根據該醫學影像中組織分布所反映出的相對應的物理定量特征來區分目標區域邊界，該裝置包括交互單元，操作人員經由交互單元在醫學影像上選擇目標區域；閾值設定單元，其確定所選的目標區域中的物理定量特征的閾值；閾值分割單元，其將至少包含所述目標區域局部的待分析區域分割成子區域，以及，將各所述子區域的物理定量特征的參數平均值與所述閾值比較，根據比較結果標記各所述子區域。
2.根據權利要求I所述的邊界確定裝置，其中所述物理定量特征包括像素灰度，像素梯度，體素灰度，或體素強度。
3.根據權利要求I所述的權利要求所述的邊界確定裝置，其中，所述子區域按照如下方式設置將待分析區域劃分成相互交疊的多個相鄰的子區域，各相鄰的子區域交疊或非交疊區域共同并完全覆蓋所述目標區域。
4.根據權利要求I至3中任一項權利要求所述的邊界確定裝置，以所選的目標區域內部的位置點為圓心，設定半徑r，定義一個圓形區域，分析該圓形區域內的物理定量特征分布，以確定所述閾值。
5.根據權利要求I至3中任一項權利要求所述的邊界確定裝置，所述醫學影像為心臟的醫學影像，選擇心腔的一個位置點為圓心，以5_為半徑，定義一個圓形區域，計算該圓形區域內像素灰度值的平均值作為所述閾值；以及，如果一子區域中像素灰度小于所述閾值，則將該子區域標記為所述目標區域，以及，該目標區域是所述心腔的區域。
6.根據權利要求I至3中任一項權利要求所述的邊界確定裝置，其中，所述醫學影像為心臟的醫學影像，將待分析區域劃分為一系列相互交疊的圓形區域，該圓形區域為所述的子區域，該圓形的半徑是1mm，各圓形之間圓心的距離也是1mm，計算出各所述子區域灰度平均值，如果該平均值大于所述閾值，則將該子區域內的像素點都標記為心肌區域，否則都標記為非心肌區域。
7.根據權利要求I所述的邊界確定裝置，其中將所述子區域設置為球體，并將球體內的平均體素灰度或體素梯度與所述閾值參數比較并做標記。
8.根據權利要求1-3中任一項所述的邊界確定裝置，其中，其中所述的醫學影像為心臟影像，以及，所述目標區域是任意一心腔、或者心肌。
9.根據權利要求1_3、7中任一項所述的邊界確定裝置，其中所述的醫學影像為3D超聲影像。
10.一種醫學影像的目標區域邊界確定方法，其中，根據該醫學影像中組織分布反映出的物理定量特征區分目標區域邊界，該方法包括如下步驟-選擇目標區域，-設定所述目標區域中的物理定量特征的閾值，一將至少包含所述目標區域局部的待分析區域分割成子區域，一將各所述子區域的物理定量特征的參數平均值與所述閾值比較，根據比較結果標記各子區域。
11.根據權利要求10所述的方法，其中所述物理定量特征選自像素灰度，像素梯度，體素灰度，或體素強度。
12.根據權利要求10所述的方法，其中，在所述分割子區域的步驟中，包括如下處理將待分析區域劃分成相互交疊的多個鄰域，各鄰域的交疊或非交疊區域共同并完全覆蓋所述目標區域。
13.根據權利要求10-12中任一項權利要求所述的方法，其中，在設定閾值的步驟中， 包括如下處理以所選的目標區域內部的位置點為圓心，設定半徑r，定義一個圓形區域， 分析該圓形區域內的像素灰度分布，以確定所述閾值。
14.根據權利要求10-12中任一項權利要求所述的方法，其中，其中，針對心臟獲取所述醫學影像，所述的目標區域為心腔，選擇一個心腔位置點為圓心，以5mm為半徑，定義一個圓形區域，計算該圓形區域內像素灰度值的平均值作為所述閾值，以及，如果一子區域中像素灰度小于所述閾值，則將該子區域標記為心腔區域。
15.根據權利要求10-12中任一項權利要求所述的方法，其中，其中，針對心臟獲取所述醫學影像，將待分析區域劃分為一系列相互交疊的圓形區域，該圓形區域為所述的子區域，該圓形的半徑是1_，各圓形之間圓心的距離也是1_，計算出各子區域灰度平均值，如果該平均值大于所述閾值，則將該子區域內的像素點都標記為心肌區域，否則都標記為非心肌區域。
16.根據權利要求10所述的方法，其中將所述子區域設置為球體，并將球體內的平均體素灰度或體素梯度與所述閾值參數比較并做標記。
17.根據權利要求10-12，16中任一項權利要求所述的方法，其中所述的醫學影像為心臟影像，以及，所述的目標區域為任意一個心腔或者心肌。
18.根據權利要求10-12、16中任一項權利要求所述的方法，其中所述的醫學影像為3D 超聲影像。
全文摘要
本發明公開了一種醫學影像的目標區域的邊界確定裝置，用于根據醫學影像中組織分布所反映出的與其相對應的物理定量特征來區分目標區域的邊界，其包括交互單元，操作人員經由交互單元在醫學影像上選擇目標區域；閾值設定單元，其確定所選的目標區域中的物理定量特征的閾值；閾值分割單元，其將待分析區域或者說感興趣區域劃分成子區域，或在待分析區域中填充影像單位(像素)，其中，該待分析區域包含有目標區域，子區域即在圖像分割出的子區域。閾值分割單元將子區域的物理定量特征的參數平均值與閾值比較，根據比較結果標記各單元。本發明提供了物理意義明確，算法簡單有效的計算和處理方法及裝置，特別適應臨床各種病變心臟的特殊情況處理。
文檔編號A61B8/00GK102920477SQ20121037509
公開日2013年2月13日 申請日期2012年9月27日 優先權日2012年3月5日
發明者李澎, 袁昕, 陳功 申請人:杭州弘恩醫療科技有限公司, 李澎