专利名称：基于3d医学影像测定生理参数的装置和方法
技术领域：
本发明涉及医学影像的目标区域边界确定方法和装置，以及利用确定的目标区域边界来确定生理参数。更具体地，本发明涉及基于真实超声影像数据测定心脏生理参数。
背景技术：
医学成像已经成为现代医疗不可或缺的一部分，其应用贯穿整个临床工作，不仅广泛用于疾病诊断，而且在外科手术和放射治疗等的计划设计、方案实施以及疗效评估方面发挥着重要作用。目前，医学图像可以分为解剖图像和功能图像两个部分。 解剖图像主要描述人体形态信息，包括X射线透射成像、CT、MRI、US等。特别是在现代心脏病的诊断与治疗方面，利用计算机技术对医学影像进行定量分析成为重要的技术改进方向，用以增加诊断的客观性，并且更容易掌握操作，能够减少对阅片人的经验依赖，排除不同阅片人之间的判断差异。进一步，本领域渴望基于心脏图像摄影序列更准确获知心脏的量化的生理参数，例如，心室的容积、心肌质量、心腔壁增厚、心脏射血分数(EF值)等等。准确获取心脏射血分数具有重要意义，根据心脏射血分数可以推算心脏的射血能力，是判断心功能的重要参数。3D超声是一种无探伤的影像检查技术，在心脏疾病的探查中，其具有成像速度快且成本低的特点，因此，在心脏病诊断与治疗方面应用最为广泛。在3D超声影像中分析心腔容积、射血分数、心肌的体积和质量等生理参数是进行诊断的重要依据。但是，由于超声心动图含有大量噪声，且心腔的内膜和心肌的边缘是不规则的(尤其是发生病变的心腔和心肌)，从而给相关定量计算带来了困难。其中的困难之一，是如何准确地得到心内膜的边界，以及如何准确针对心脏的不规则的变化进行计量。本领域长期致力于提高超声影像获取生理参数的准确性和可操作性。目前在临床上较为普便使用的心脏射血分数(EF值)测定方法是以交互的方式定义一些控制点，并通过数学建模，使用一系列模拟的几何形状来逼近心腔，因而是很不准确的。多件专利公开文献采用上述手段。例如，JP2002085404，题为《超声波图像处理器》(ultrasonic imaging processor),教导将心腔分为20段来近似统计其容积。EP123617,教导使用分段的曲线来描述心腔。JP2008073423，教导用50多个影像集合的参考轮廓来插值得到近似心腔。EP1998671 (Al)，教导利用鼠标点出几个控制点，和一个模板匹配达到自动分割。EP2030042 (Al)教导了一种手工标记少量控制点，结合训练出的模板得到心内膜。常规技术中，较多采用先验模型处理数据，以获得具有复杂形状，例如心脏和心肌等的与体积或容积相关的生理参数。关于先验模型，是基于统计学的一个模型，指要分析的数据集合服从某种未知概率分布，并且和一个已知样本的数据集合之间有确定的联系。为了求出这个未知分布，需要在已经样本数据集合上计算其服从的概率分布，这个能事先算出的概率分布或参数就被称为是先验模型。
病变的心脏和正常的心腔相比，通常来说，不再是一个能用上述模型估算的心腔。病变心脏的心腔具有不可预测的形状改变，而且心内膜不规则(如肿瘤占位室壁瘤、心壁增厚)。心腔形状的改变导致射血功能减低，心瓣膜功能不全等症状。在临床应用方面，已有预先计算多帧影像后得到心腔的先验形状模型，通过和当前影像上心腔的近似几何模型对比，修正得到当前影像上的心腔。但是，这类先验模型是根据正常的心脏计算得到的，在实际的临床应用中，对于病变的心脏，该方法难以保证获得准确的结果。参见Hansson M, Fundana K, Brandt S. S，Gudmundsson P. Convexspatio-temporal segmentation of the endocardium in ultrasound datausingdistribution and shape priors.Biomedical Imaging: From Nano toMacro, 2011, Page (s) : 626-6290该文献提出了使用机器学习和形态学结合的方法来做心腔分割，提出使用瑞利分布为基础建立一个概率模型，该模型用来计算当前区域属于心腔内
部的概率和当前区域属于心腔外部的概率。然后使用大量的超声图像数据来训练该模型，得到概率模型中的各参数估计值。最后使用该概率模型计算出来的概率作为先验，结合先验的心腔形态学模型来做新图像中心腔的分割。Paragios N. A level set approach for shape-driven segmentation andtracking of the left ventricle. Medical Imaging, 2003，Page (s) : 773 - 776 米用的是水平集算法作为左心室分割算法的主体，加之使用大量的先验知识，也就是已知正确的左心室分割结果。使用先验经验结合图像本身特点制定水平集的速度函数以及限制区域。从而达到左心室分割的目的。Hamarneh G,Gustavsson T. Combining snakes and active shape models forsegmenting the human left ventricle in echocardiographic images. Computers inCardiology2000Digital Object Identifier:10. 1109/CIC. 2000. 898469PublicationYear :2000, Page (s) :115 - 118使用snake模型来进行左心室的分割，该方法需要医生手动划分大量心脏超声图像中的左心室的轮廓轨迹作为一个训练样本，然后使用这些数据来定义一系列离散余弦变换系数(DCT coefficients)。在使用snake做新的左心室分割的时候，寻找到snake初始坐标的离散余弦变换系数，然后使用先验经验中的离散余弦变换系数作为外力部分对活动轮廓迭代至能量最小化。其他的相关专利文献，例如，关于中国专利公开号CN1777898A，申请号200480010928. 2，题为《无创式左心室的容积测定》，其涉及处理MR图像，基于心脏3D图形中的心内膜轮廓来估计LV容积。这些轮廓由人工指定或半自动导出。以这些轮廓所包围面积内的强度变化来估计LV容积。其中教导，基于图像像素之间的差异(即图像梯度)，采用人工描迹来标识边界点，因此易受成像噪声的影响，造成不准确。进一步，把这确定轮廓直接应用到其他的时间帧上，虽然经过自动修正，仍然会进一步引入误差。关于心肌测量的常规技术，目前在临床上较多使用的心肌分割方法是基于斑点纹理分析，其同样需要以交互的方式定义一些控制点，运用拟合曲线的方法，得到心肌的近似轮廓，因而是很不准确的。同样地，在临床上还预先计算多帧影像后得到心肌的先验形状模型，通过和当前影像上心肌的近似几何模型对比，修正得到当前影像上的心肌。但是，如上文提到的，先验模型是根据正常的心脏计算得到的，在实际的临床应用中，对于病变的心脏该方法同样难以获得准确的结果。CN101404931A (申请号CN200780009898. 7)，题为“借助心肌机能的量化的超声诊
断”，教导手工先设置控制点，再根据图像梯度用曲线连接控制点，从而达到近似描迹的目的。CN101454688A (申请号CN200780018854. 0)，题为“心腔壁增厚的量化和显示”，披露了散斑跟踪指定心肌位置点的距离、壁厚度变化以及应变。也没有获得单个的心肌。该技术是使用图像梯度确定心内膜边界，如果图像噪声增大，则不准确。心外膜因为没有明确的梯度，因此它在自动确定时，往往边界会缺失，且不准确。所以该专利提供了一个工具，在心动周期开始和结束时人工调整这两条边界，然后再在两条边界间自动设置需要跟踪的点，它们位于心肌上，然后记录每个点周围的像素作为散斑图案，不同帧之间的散斑图案进行最大相关性块匹配，从而能跟踪每个点的运动。这样的散斑跟踪容易受到噪声影响·相关论文，Alessandrini,M. Dietenbeck, T. Barbosa, D. D，hooge, J. Basset, O.Speciale,N.Friboulet, D. Bernard, O. Segmentation of the full myocardium inechocardiography using constrained level-sets. Computing in Cardiology. 2010,披露了将传统的level-set方法和先验的形态学方法结合，将图像中的点标上level-set能量和形态学能量两个属性，最后将两个能量属性值加权相加，得到各像素点的能量值。在算法初始化时，人工在图像上点6个点(5个点在心外膜上，一个点在心内膜上)，对心内膜和心外膜上的点分别建立值为O的演化函数，然后对图像上所有点计算两个演化函数的值，分别得到两条演化曲线。分割的是心肌层。相关论文，Alessandrini,M. Friboulet, D. Basset, 0. D，hooge, J. Bernard, 0.Level-set segmentation of myocardium and epicardium in ultrasound images usinglocalized Bhattacharyya distance. Ultrasonics Symposium (IUS) · 2009,披露的算法使用基于瑞利分布的巴氏距离作为level-set算法在演化时候的能量限制，在算法初始化时，人工在图像上点6个点(5个点在心外膜上，一个点在心内膜上)，对心内膜和心外膜上的点分别建立演化函数。分割的是心肌层。相关论文T. Dietenbeck, M. Alessandrini, D. Barbosa, J. D，hooge, D.Friboulet, 0. Bernard. Detection of the whole myocardium in 2D_echocardiographyfor multiple orientations using a geometrically constrained level-set.Medical Image Analysis. 2011 该文在(Segmentation of the Full MyocardiuminEchocardiography Using Constrained Level-Sets)的基础上增加了厚度因素作为level-set的能量约束条件，用于防止心内膜和心外膜两条进化曲线在演化过程中由于相同的因素导致两条曲线的融合。为了保证算法在短轴和长轴等图像上的正确应用，在使用该算法前需要手动指定两个点确定三尖瓣的位置用来保证算法的正确执行。分割的是心肌层。相对正常心肌而言，病变的心肌具有扩张性、收缩性、肥大型等的病变，最终影响其收缩能力，具体表现在它的弹性形变参数的改变上。而在几何形态上，和正常心肌相比，也会随之发生变化，因而可能产生有不规则的边界。因此，本领域迫切的需求进一步改进利用图像处理获取与心脏相关的量化参数，以进一步提高测量精确度以及可操作性。
发明内容
鉴于上述现有技术存在的缺点，本发明旨在基于现有的医学影像技术，寻求更为有效和准确的图像处理和计算的装置和方法，以改善和提高关于心腔的容积、射血分数、心肌体积和质量等相关的生理参数的准确性，从而在帮助临床处理过程中做出正确及时的诊断。本发明的第一方面，提供了一种基于3D医学影像测定生理参数的装置，包括边界确定单元，用于确定目标区域的边界；体积确定单元，基于所测定的边界确定目标区域内的体素总数并按照设定关系式计算目标区域的体积或者容积。本发明的第二方面，基于第一方面提供了一种测定生理参数的装置，其中，体积确定单元以体素总数与体素之间距离为参数计算目标区域的体积或容积。本发明的第三方面提供基于上述第一、二方面的测定生理参数的装置，其中，体积 确定单元设定为以如下方式确定所述体素总数基于3D医学影像的一帧图像的一系列切片中各切片的二维边界，确定各切片图像的中目标区域的像素总数，以及，基于各个切片的目标区域像素总数，计算所述一帧影像3D目标区域的体素总数。本发明的第四方面，进一步用于测定心腔容积，其中，目标区域为心腔区域，以及，体积确定单元对各切片图像提供如下处理(I)统计出心内膜边界内的像素总数numl ；(2)对心内膜边界上的像素，根据其灰度梯度，计算得到一个加权值，与心内膜边界上的像素数目相乘，获得加权的心内膜边界上的像素总数；(3)根据影像的分辨率，以及上述两项分别计算确定的像素数，用于计算心腔容积。本发明的第五方面，进一步提供EF值计算单元，其提供如下处理在每个心动周期内，根据计算获得的心腔容积，找到最大值和最小值，计算EF值。本发明的第六方面提供基于上述第四方面的测定生理参数的装置，其中，用如下的公式计算出心内膜边界上的像素数目
权利要求
1.一种基于3D医学影像测定生理参数的装置，包括 边界确定单元，用于确定目标区域的边界； 体积确定单元，基于所测定的边界确定目标区域内的体素总数并按照设定关系式计算目标区域的体积或者容积。
2.根据权利要求I所述的测定生理参数的装置，其中，所述体积确定单元以所述体素总数与体素之间距离为参数计算所述目标区域的体积或容积。
3.根据权利要求I或2所述的测定生理参数的装置，其中， 所述体积确定单元设定为以如下方式确定所述体素总数基于3D医学影像的一帧图像的一系列切片中各切片的二维边界，确定各切片图像的中目标区域的像素总数，以及，基于各个切片的目标区域像素总数，计算所述一帧影像3D目标区域的体素总数。
4.根据权利要求3所述的测定生理参数的装置，其用于测定心腔容积，其中，所述目标区域为心腔区域，以及，所述体积确定单元对各切片图像提供如下处理 (1)统计出心内膜边界内的像素总数numl； (2)对心内膜边界上的像素，根据其灰度梯度，计算得到一个加权值，与心内膜边界上的像素数目相乘，获得加权的心内膜边界上的像素总数； (3)根据影像的分辨率，以及上述两项分别计算确定的像素数，用于计算心腔容积。
5.根据权利要求4所述的测定生理参数的装置，进一步提供EF值计算单元，其提供如下处理在每个心动周期内，根据计算获得的心腔容积，找到最大值和最小值，计算EF值。
6.根据权利要求4所述的测定生理参数的装置，其中 用如下的公式计算出心内膜边界上的像素数目
7.根据权利要求6所述的测定生理参数的装置，进一步，用如下的公式计算EF值
8.根据权利要求4所述的测定生理参数的装置，其用于测定心肌体积，其中，所述体积确定单元对各切片图像提供如下处理 (1)根据标记的心肌区域得到边界，统计边界内的像素数目numl； (2)对边界上的像素，根据其灰度梯度，计算得到一个权值，作用于边界上的像素数目； (3)根据影像的分辨率，和前面两项确定的像素数目，计算心肌体积。
9.根据权利要求8所述的测定生理参数的装置，其中计算单位心肌体积的公式具体为
10.根据权利要求8或9所述的测定生理参数的装置，进一步提供心肌质量计算单元，其提供如下处理 根据临床实验得到的密度，计算心肌的质量。
11.根据权利要求1-4中任一项权利要求所述的测定生理参数的装置，其中所述的边界确定单元，根据该医学影像中组织分布反映出的物理定量特征区分目标区域边界，该装置包括 交互单元，操作人员经由交互单元在医学影像上选择目标区域； 阈值设定单元，其确定所选的目标区域中的物理定量特征的阈值； 阈值分割单元，其将至少包含所述目标区域局部的待分析区域分割成子区域，以及，将各所述子区域的物理定量特征的参数平均值与所述阈值比较，根据比较结果标记各子区域。
12.根据权利要求I所述的装置，其中所测定的生理参数选自各心腔的容积、心腔总容积、心脏射血分数、心肌体积、心肌质量。
13.一种基于3D医学影像的生理参数定量计算方法，包括如下步骤 确定目标区域的边界； 根据所测定的边界确定目标区域的体素总数，按照设定关系式计算目标区域的体积或者容积。
14.根据权利要求13所述的生理参数定量计算方法，进一步包括，以所述体素总数与体素之间距离为参数计算所述目标区域的体积或容积。
15.根据权利要求13或14所述的生理参数定量计算方法，其中，进一步包括根据该医学影像中组织分布反映出的物理定量特征区分目标区域边界，并包括如下步骤 -选择目标区域； 一设定所述目标区域中的物理定量特征的阈值； 一将至少包含所述目标区域局部的待分析区域分割成子区域； 一将各所述子区域的物理定量特征的参数平均值与所述阈值比较，根据比较结果标记各子区域。
全文摘要
本发明公开了一种基于3D医学影像测定生理参数的装置，包括边界确定单元，用于确定目标区域的边界；体积确定单元，根据所测定的边界确定目标区域的体素总数，并按照设定关系式计算目标区域的体积或者容积。本发明提供了物理意义明确，算法简单有效的计算和处理方法及装置，特别适应临床各种病变心脏的特殊情况处理，提高了图像数据处理的客观性和准确性。
文档编号G06T7/00GK102871686SQ201210374680
公开日2013年1月16日 申请日期2012年9月27日 优先权日2012年3月5日
发明者李澎, 袁昕, 陈功 申请人:杭州弘恩医疗科技有限公司, 李澎