多參數(shù)模型指導(dǎo)的迭代提取血管造影圖像運動參數(shù)的方法
【專利摘要】本發(fā)明公開了一種多參數(shù)模型指導(dǎo)的迭代提取血管造影圖像運動參數(shù)的方法，包括：從造影圖序列的醫(yī)學(xué)圖像中自動選取I個血管結(jié)構(gòu)特征點，并分別對這些特征點在整個造影圖序列中進(jìn)行自動跟蹤，以得到每個特征點的跟蹤序列，利用離散傅里葉變換對每個特征點的跟蹤序列進(jìn)行處理，以生成離散傅里葉變換結(jié)果Si(k)，初始化迭代參數(shù)j＝0，并獲取離散傅里葉變換結(jié)果Si(k)中各頻點的幅度和頻率范圍，在各頻點的幅度和頻率范圍中對該頻點的跟蹤序列進(jìn)行傅里葉變換，以得到傅里葉變換結(jié)果，將獲得的傅里葉變換結(jié)果進(jìn)行逆傅里葉變換，并獲取該頻點的估計最小均方誤差。本發(fā)明能夠解決現(xiàn)有方法中存在的不能自動提取平移運動、以及不能準(zhǔn)確分離呼吸和心臟等運動的技術(shù)問題。
【專利說明】多參數(shù)模型指導(dǎo)的迭代提取血管造影圖像運動參數(shù)的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字信號處理與醫(yī)學(xué)成像的交叉領(lǐng)域，更具體地，涉及一種多參數(shù)模 型指導(dǎo)的迭代提取血管造影圖像運動參數(shù)的方法。

【背景技術(shù)】
[0002] 在X射線造影系統(tǒng)中，由于呼吸運動的影響，冠狀動脈血管在造影面上的圖像會 發(fā)生二維運動。在造影過程中，醫(yī)生為了能夠使造影序列覆蓋整個冠脈系統(tǒng)，可能會移動導(dǎo) 管床，會導(dǎo)致一個成像序列的不同幀之間整體存在二維平移。因此，冠脈造影圖像一方面記 錄有心臟自身運動在二維平面上的投影，同時也疊加有人體的呼吸運動引起的冠狀動脈在 造影面上的二維運動和病人的二維平移運動。那么，要從動態(tài)二維血管造影圖重建三維心 血管樹，則需將人體的心臟運動，呼吸運動和平移運動等分離開來。
[0003] 在造影過程中病人平移將直接影響運動分離的結(jié)果，而將平移運動分離實際上是 進(jìn)行幀間圖像配準(zhǔn)，現(xiàn)有的醫(yī)學(xué)圖像配準(zhǔn)分外部和內(nèi)部。外部配準(zhǔn)方法是在造影前設(shè)置一 些標(biāo)記，在造影過程中跟蹤它們，但是這種標(biāo)記法通常是具有侵入性的；內(nèi)部配準(zhǔn)方法分為 標(biāo)記法和分割法等，標(biāo)記法是在圖中選取一些解剖結(jié)構(gòu)點來進(jìn)行配準(zhǔn)。然而并不是每幅圖 都具有這樣的解剖結(jié)構(gòu)點，而且也需要熟悉人體解剖結(jié)構(gòu)。分割法通過分割出來的解剖結(jié) 構(gòu)線來配準(zhǔn)，既適用于剛體模型也適用于形變模型，但是它只能提取出解剖結(jié)構(gòu)線的運動， 不能單獨分離出整體的剛性平移運動。然而造影圖中表觀的血管運動不僅包含了病人平 移，還有血管自身的生理運動和呼吸運動。
[0004] 也有文獻(xiàn)中報導(dǎo)了將心臟運動和呼吸運動分離的方法，其中一種方法是預(yù)先在體 內(nèi)的一些器官如心臟、膈肌等設(shè)置標(biāo)記點，然后對它們進(jìn)行跟蹤，把跟蹤這些結(jié)構(gòu)特征點所 得到的運動曲線近似為呼吸運動。無論是直接手動跟蹤造影圖中的非心臟結(jié)構(gòu)特征點，還 是在造影同時就記錄這些點的運動，都是有缺陷的。前者主要在于它的適用性很差；后者的 實現(xiàn)需要大量實驗控制，對一般的臨床應(yīng)用不合適。
[0005] 另外一種方法是在雙臂X射線造影條件下獲得呼吸和心臟運動參數(shù)，該方法必須 先重構(gòu)出冠脈的三維運動序列而后分解得到呼吸和心臟運動，處理過程十分復(fù)雜。在單臂 三維重建中，參與重建的兩幅不同角度的造影圖像呼吸運動時相不同，所以文獻(xiàn)的方法不 適用于單臂造影系統(tǒng)。特別地，實際臨床應(yīng)用中，由于造影劑對人體的毒害性，造影時間通 常是很短的，我們得到的造影圖像的長度有限，從而導(dǎo)致造影圖像中的結(jié)構(gòu)特征點的運動 是有限長的，這種有限長的運動中包含有周期分量、非周期分量和周期不完整的分量，因 此，常規(guī)的離散傅里葉變換不能分離。
[0006] 在申請?zhí)枮?01310750294. 5的發(fā)明申請"單臂X射線血管造影圖像多運動參數(shù)分 解估計方法"中，雖然也是使用的傅里葉頻域分離，但是它不能自動的將各運動參數(shù)通過循 環(huán)迭代的方法自動提取，這樣得到的各運動參數(shù)不夠準(zhǔn)確，此方法的魯棒性不高。申請?zhí)枮?201310752751. 4的發(fā)明申請"一種X射線血管造影圖像中多運動參數(shù)的分解估計方法"中 采用的是經(jīng)驗?zāi)B(tài)分解（Empirical Mode Decomposed，簡稱EMD)的方法估計各參數(shù)，同樣 得到的各運動參數(shù)不夠準(zhǔn)確，魯棒性不高。
[0007] 本發(fā)明提出了一種自動不斷循環(huán)優(yōu)化迭代從X射線造影序列圖像中提取平移運 動，呼吸運動和心臟運動等多運動參數(shù)的方法，通過在冠脈血管上選取一些特征點并在序 列中進(jìn)行跟蹤得到它們隨時間的運動曲線，然后在多運動參數(shù)模型約束下，以離散傅里葉 正-反變換和估計的重建信號與原始信號在頻域中各頻點的局部均方誤差最小為準(zhǔn)則，通 過循環(huán)迭代使原始信號與重建信號的差值信號均方最小的優(yōu)化方法對這些運動分量進(jìn)行 優(yōu)化處理，得到二維心臟、震顫、呼吸和平移等最優(yōu)運動曲線。具有很好的臨床適用性。


【發(fā)明內(nèi)容】

[0008] 針對現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種多參數(shù)模型指導(dǎo)的迭代 提取血管造影圖像運動參數(shù)的方法，其目的在于，解決現(xiàn)有方法中存在的不能自動提取平 移運動、以及不能準(zhǔn)確分離呼吸和心臟等運動的技術(shù)問題。
[0009] 為實現(xiàn)上述目的，按照本發(fā)明的一個方面，提供了一種多參數(shù)模型指導(dǎo)的迭代提 取血管造影圖像運動參數(shù)的方法，包括以下步驟：
[0010] (1)從造影圖序列的醫(yī)學(xué)圖像中自動選取I個血管結(jié)構(gòu)特征點，并分別對這些 特征點在整個造影圖序列中進(jìn)行自動跟蹤，以得到每個特征點的跟蹤序列（S iOi), i = 1，…，1}，其中η表示醫(yī)學(xué)圖像在造影圖序列中的幀號：
[0011] ⑵利用離散傅里葉變換對步驟⑴獲得的每個特征點的跟蹤序列{Si(n)，i = 1，…，1}進(jìn)行處理，以生成離散傅里葉變換結(jié)果Si (k):
[0012] (3)初始化迭代參數(shù)j = 0,并獲取步驟（2)中獲得的離散傅里葉變換結(jié)果SiGO 中各頻點的幅度和頻率范圍；
[0013] (4)在各頻點的幅度和頻率范圍中對該頻點的跟蹤序列進(jìn)行傅里葉變換，以得到 傅里葉變換結(jié)果；
[0014] (5)將步驟（4)獲得的傅里葉變換結(jié)果進(jìn)行逆傅里葉變換，并獲取該頻點的估計 最小均方誤差；
[0015] (6)判斷估計最小均方誤差是否大于預(yù)設(shè)的閾值，如果大于，則轉(zhuǎn)入步驟（7)，否 則過程結(jié)束；
[0016] (7)利用多參數(shù)迭代優(yōu)化算法對各頻點的頻譜進(jìn)行處理，以得到第j+Ι次迭代后 的時域信號；
[0017] (8)通過平移模型對剩余信號進(jìn)行處理，以得到第j+Ι次迭代后的平移信號；
[0018] (9)將第j+Ι次迭代后的時域信號和第j+Ι次迭代后的平移信號疊加后得到第 j+Ι次迭代后的估計混合信號，并利用以下公式計算第j+Ι次迭代后的最小均方誤差：
[0019] (10)判斷第j+Ι次迭代后的最小均方誤差是否大于步驟（6)中的閾值，如果大于 則返回步驟（7)，否則過程結(jié)束。
[0020] 優(yōu)選地，步驟（1)是采用以下公式：
[0021] Si (n) = L (n)+rj (n)+Ci (n)+hj (n)+tj (n), i e [1,1]
[0022] 其中，L(n)表示平移運動；ri(n)表示第i個特征點的呼吸運動；Ci(n)表示第i個 特征點的心臟運動；Ii i (η)表示第i個特征點的震顫運動AiOi)表示第i個特征點的其他 運動。
[0023] 優(yōu)選地，步驟⑵是采用以下公式：
[0024] Si (k) = L (k) +Ri (k) +Ci (k) +Hi (k)
[0025] 其中 k 表示頻點，L (k)、C (k)、R (k)和 H (k)分別表示 L (n)、c (n)、r (η)和 h (η)的 各次諧波系數(shù)。
[0026] 優(yōu)選地，步驟（5)中該頻點的估計最小均方誤差P是采用以下公式計算：
[0027]

【權(quán)利要求】
1. 一種多參數(shù)模型指導(dǎo)的迭代提取血管造影圖像運動參數(shù)的方法，其特征在于，包括 以下步驟： (1) 從造影圖序列的醫(yī)學(xué)圖像中自動選取I個血管結(jié)構(gòu)特征點，并分別對這些特征點 在整個造影圖序列中進(jìn)行自動跟蹤，以得到每個特征點的跟蹤序列Is i (n)，i = 1，…，1}，其 中η表示醫(yī)學(xué)圖像在造影圖序列中的幀號： (2) 利用離散傅里葉變換對步驟⑴獲得的每個特征點的跟蹤序列{Si(n)，i = 1，…，1}進(jìn)行處理，以生成離散傅里葉變換結(jié)果Si (k): (3) 初始化迭代參數(shù)j = 0,并獲取步驟（2)中獲得的離散傅里葉變換結(jié)果SiGO中各 頻點的幅度和頻率范圍； (4) 在各頻點的幅度和頻率范圍中對該頻點的跟蹤序列進(jìn)行傅里葉變換，以得到傅里 葉變換結(jié)果； (5) 將步驟（4)獲得的傅里葉變換結(jié)果進(jìn)行逆傅里葉變換，并獲取該頻點的估計最小 均方誤差； (6) 判斷估計最小均方誤差是否大于預(yù)設(shè)的閾值，如果大于，則轉(zhuǎn)入步驟（7)，否則過 程結(jié)束； (7) 利用多參數(shù)迭代優(yōu)化算法對各頻點的頻譜進(jìn)行處理，以得到第j+Ι次迭代后的時 域信號； (8) 通過平移模型對剩余信號進(jìn)行處理，以得到第j+Ι次迭代后的平移信號； (9) 將第j+Ι次迭代后的時域信號和第j+Ι次迭代后的平移信號疊加后得到第j+Ι次 迭代后的估計混合信號，并利用以下公式計算第j+Ι次迭代后的最小均方誤差： (10) 判斷第j+Ι次迭代后的最小均方誤差是否大于步驟（6)中的閾值，如果大于則返 回步驟（7)，否則過程結(jié)束。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟（1)是采用以下公式： Si(Ii) = L (η)+Γ? (n)+Ci (n)+hi (n)+ti (n), i e [1,1] 其中，L(n)表示平移運動；ri(n)表示第i個特征點的呼吸運動；Ci(n)表示第i個特征 點的心臟運動Ai (η)表示第i個特征點的震顫運動Ai (η)表示第i個特征點的其他運動。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟（2)是采用以下公式： SiGO = L (k)+RiGO+C"k)+HiGO 其中k表示頻點，L (k)、C (k)、R (k)和H (k)分別表示L (n)、c (n)、r (η)和h (η)的各次 諧波系數(shù)。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，步驟（5)中該頻點的估計最小均方誤差 <是采用以下公式計算：
其中 'V.. (/7) = /；' (/7) +(Π ) + ￠./ (/7) + Zz/ (rt)。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，步驟（7)包括以下子步驟： (7-1)保持L\k)，/--//,_(/「)不變，采用以下公式計算其在頻率范圍中的頻點Iii。附 近的值 Lj (kj、d)、
然后利用公式cf (4) = ?__(々,）-l''(4)-<）計算得到第j+i次迭代的心 臟信號頻譜，在該頻點的頻率范圍內(nèi)求離散傅里葉變換后，利用以下公式得到第j+Ι次的 最優(yōu)心臟時域信號t·,. (/0;
其中，ω為信號經(jīng)離散傅里葉變換后所得頻點；M表示窗口的大小，一般設(shè)置為3; 5； {/{) = Lj (k) + (X) + CI \h) + /// (/〇 ; (7-2)保持〇)，<(/〇,〇)不變，采用以下公式計算其在頻率范圍中的頻點kih附 近的值Lj〇〇、<(/(",)、? (/<",)
然后利用公式/// (λ:,,,) = //;_(&,)-//(L)-《(L)-? >,ν,)計算得到第j+1次迭代的 高頻信號頻譜，在該頻點的頻率范圍內(nèi)求離散傅里葉變換后，利用以下公式得到第j+i次 的最優(yōu)心臟時域信號
其中 5' (/f) = /y(幻+/?/ ⑷+(:'/1 (/f) + ///1 ⑷； (7-3)保持U(k)，//,__ (/「)，(；/ (/〇不變，采用以下公式計算其在頻率范圍中的頻點 附近的值 Lj (kir)、/// 、C/ ?.)，
然后利用公式R1 (弋）=尺_(dá)_(/^.)-1/;隊.)-〔^ (λν)-///' (/、ν)計算得到第j+1次迭代的 呼吸信號頻譜，在該頻點的頻率范圍內(nèi)求離散傅里葉變換后，利用以下公式得到第j+Ι次 的最優(yōu)心臟時域信號/; (/〇;
其中 5:(幻=Z;' (/r) + 尺';i (/f) + C/ 1 (/〇 + //，i (/〇。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，步驟（9)中最小均方誤差￡/+1是采用以下 公式計算：
7. -種多參數(shù)模型指導(dǎo)的迭代提取血管造影圖像運動參數(shù)的系統(tǒng)，其特征在于，包 括： 第一模塊，用于從造影圖序列的醫(yī)學(xué)圖像中自動選取I個血管結(jié)構(gòu)特征點，并分別對 這些特征點在整個造影圖序列中進(jìn)行自動跟蹤，以得到每個特征點的跟蹤序列（SiOi), i = 1，…，1}，其中η表示醫(yī)學(xué)圖像在造影圖序列中的幀號： 第二模塊，用于利用離散傅里葉變換對第一模塊獲得的每個特征點的跟蹤序列 Isi (n)，i = 1，…，1}進(jìn)行處理，以生成離散傅里葉變換結(jié)果Si (k): 第三模塊，用于初始化迭代參數(shù)j = 〇,并獲取第二模塊中獲得的離散傅里葉變換結(jié)果 Si (k)中各頻點的幅度和頻率范圍； 第四模塊，用于在各頻點的幅度和頻率范圍中對該頻點的跟蹤序列進(jìn)行傅里葉變換， 以得到傅里葉變換結(jié)果； 第五模塊，用于將第四模塊獲得的傅里葉變換結(jié)果進(jìn)行逆傅里葉變換，并獲取該頻點 的估計最小均方誤差； 第六模塊，用于判斷估計最小均方誤差是否大于預(yù)設(shè)的閾值，如果大于，則轉(zhuǎn)入第七模 塊，否則過程結(jié)束； 第七模塊，用于利用多參數(shù)迭代優(yōu)化算法對各頻點的頻譜進(jìn)行處理，以得到第j+Ι次 迭代后的時域信號； 第八模塊，用于通過平移模型對剩余信號進(jìn)行處理，以得到第j+Ι次迭代后的平移信 號； 第九模塊，用于將第j+Ι次迭代后的時域信號和第j+Ι次迭代后的平移信號疊加后 得到第j+Ι次迭代后的估計混合信號，并利用以下公式計算第j+Ι次迭代后的最小均方誤 差： 第十模塊，用于判斷第j+Ι次迭代后的最小均方誤差是否大于第六模塊中的閾值，如 果大于則返回第七模塊，否則過程結(jié)束。
【文檔編號】G06T7/20GK104517301SQ201410844139
【公開日】2015年4月15日 申請日期:2014年12月30日 優(yōu)先權(quán)日:2014年12月30日
【發(fā)明者】張?zhí)煨? 黃正華, 鄧麗華, 張耀宗, 宋瓊 申請人:華中科技大學(xué)