专利名称：超声图像肾动脉血流频谱信号曲线分类方法
技术领域：
本发明涉及图像处理领域，具体地说就是将超声图像处理中的曲线提取技术、曲线平滑技术、曲线特征提取技术，应用于肾动脉血流频谱信号曲线分类的方法。
背景技术：
彩色多普勒超声是肾动脉狭窄的首选筛查工具。多普勒超声技术将直接检查肾动脉和多普勒测定肾血流技术相结合，既能够获得显示双肾的二维结构图像，并可以在图像上测量肾脏的长、宽、厚径，又能获得显示双肾叶间动脉血流频谱信号的图像，基于该血流频谱信号图像可测量叶间动脉最大峰值血流速度、阻力指数及加速时间等。利用图像处理技术自动分析肾动脉血流频谱信号并对其分类是医学图像处理的重要内容，至今尚未见到相关的文献报道。
发明内容
本发明提出了一种用于超声图像肾动脉血流频谱信号曲线分类的方法。本发明的基本思路为首先在超声图像上提取出肾动脉血流频谱信号曲线；然后对血流频谱信号曲线进行归一化和平滑以及周期提取；继而提取血流频谱信号曲线的特征；最后使用这些特征对血流频谱信号曲线进行分类器训练和分类。本发明实现的超声图像肾动脉血流频谱信号曲线分类方法的技术方案，流程如图1所示，具体包含如下步骤A曲线提取在多普勒超声图像中提取肾动脉血流频谱信号曲线，先在整幅超声图像中分割出包含血流频谱信号部分的图像，之后对血流频谱信号部分图像分割出前景和背景，前景和背景中间的分界线就是肾动脉血流频谱信号曲线；B曲线归一化将提取的肾动脉血流频谱信号曲线归一化，使所有曲线纵轴方向的血流速度单位统一；C曲线平滑对归一化后的曲线进行平滑处理，去掉一些小的毛刺；D周期提取对平滑后的曲线进行周期提取，提取后的曲线只包含一个完整的血流频谱信号周期；E特征计算计算一个周期的血流频谱信号曲线的特征；F分类器训练设定肾动脉血流频谱信号曲线为两种不同的类型，一类曲线变化平滑，另一类曲线变化陡峭，使用训练样本对分类器进行训练，根据训练结果调整分类器参数和曲线特征组合，得到最优的分类器模型和特征组合；G曲线分类使用F训练好的分类器模型及对应的特征组合对肾动脉血流频谱信号曲线进行分类。上述实施步骤的特征在于步骤A采用预设的区域范围值进行血流频谱信号部分图像的分割。虽然不同型号的多普勒超声成像设备的血流频谱信号部分在图像中的位置不同，但同一机型的血流频谱信号部分在图像中的位置是相同的。继而采用抠图技术实现血流频谱信号前景和背景的分割。步骤B曲线归一化和步骤C曲线平滑没有顺序关系，即步骤B和步骤C只要在步骤A和步骤D之间即可。步骤C曲线平滑采用均值漂移方法，目的是使曲线局部变得光滑而又不改变曲线整体的情形，以滤除步骤A采用抠图技术提取的曲线上的一些小的毛刺。步骤D结合曲线上升峰的个数和曲线的一阶导数值来提取周期。步骤E特征计算是计算周期提取后的血流频谱信号曲线特征，这些特征包含均值、方差、形状上下文、二次曲线拟合参数、曲线峰值、曲线起点值、曲线峰值与曲线起点值的差。步骤F分类器训练是将步骤E计算的曲线特征进行组合，输入到支持向量机分类器中进行训练，并根据训练结果调整曲线的特征组合，得到最优的分类器模型，并记录最优分类器模型参数和对应的特征组合。其中支持向量机分类器的核函数选用径向基函数，交叉验证使用M折交叉验证模式。本发明的优点是采用抠图技术提取超声图像中的血流频谱信号曲线，虽然增加了人机交互的步骤，但提高了曲线提取的准确度；组合不同的血流频谱信号曲线特征进行分类器训练，可以得出比较好的分类器模型。
图1血流频谱信号曲线分类技术流程2多普勒超声图像示意3血流频谱信号曲线抠图示意4血流频谱信号曲线周期提取示意5血流频谱信号曲线周期图像图6形状上下文计算示意图
具体实施例方式现在结合附图，描述本发明的一种具体实施方式
。图1是血流频谱信号曲线分类技术流程图，包括7个步骤，分别是曲线提取，曲线归一化，曲线平滑，周期提取，特征计算，支持向量机分类器训练，曲线分类。图2是多普勒超声成像示意图，图像的上半部分是叠加了血流方向的双肾的二维图像及测量的相关参数(左侧)的显示；图像下半部分矩形框中的区域为血流频谱信号显示的区域。不同的超声多普勒成像机型，其血流频谱信号所在的区域不同，相同的机型其血流频谱信号所在区域相同。本发明通过设置模板来截取血流频谱信号区域图像。如GE-L9(多普勒超声机器型号)机型设置的模板左上右下点坐标分别为(16，212)和(481，395)，模板(16，212) (481,395)中间部分的图像即为血流频谱信号部分图像，也即图2下半部分矩形框中部分，矩形区域的横轴表示时间，单位是秒，纵轴表示速度，单位是厘米/秒。图3是使用抠图技术进行血流频谱信号曲线提取的示意图。设定图中下半部分的白色区域是前景，上半部分的黑色区域和白色区域都为背景。设定的方法是在前景和背景区域画线。前景区域画红色的线，背景区域画绿色的线，其中画线的数量可以是一条或者多条，根据不同颜色的线所标示的前景和背景的先验知识可以计算出前景部分的包络线，如图3中的白色虚线所示。取前景和背景的分界线部分为血流频谱信号曲线。曲线归一化的步骤是将不同刻度单位的曲线归一到相同标准的过程。即纵轴方向上每一个刻度表不的速度的量相同。由于原始获取的多普勒超声图像纵轴方向每个刻度表示的速度量各不相同，在此情形下计算出的曲线特征值对于分类毫无意义。曲线归一化的方法为At = X·#，其中A为图2矩形区域纵坐标的最大值，单位是厘米/秒，Y为图2矩形区
域的图像高度值，单位是像素，Yi为提取的曲线的图像的高度，单位是像素，Ai为归一化后曲线纵坐标的值，单位是厘米/秒，i为曲线的横坐标索引。通常情况下横轴方向的时间单位是统一的，则无需变换，只需将曲线的时间起始点变换到O。曲线平滑的步骤是对归一化后的血流频谱信号曲线使用均值漂移方法进行平滑滤波，该方法是一种保存信号特征的平滑方法，在不改变曲线特征的前提下，去掉曲线的
毛刺。均值漂移方法计算步骤为:计算均值漂移向量
权利要求
1.超声图像肾动脉血流频谱信号曲线分类方法，其特征在于包含如下步骤A曲线提取在多普勒超声图像中提取肾动脉血流频谱信号曲线，先在整幅超声图像中分割出包含血流频谱信号部分的图像，之后对血流频谱信号部分图像分割出前景和背景，前景和背景中间的分界线就是肾动脉血流频谱信号曲线；B曲线归一化将提取的肾动脉血流频谱信号曲线归一化，使所有曲线纵轴方向的血流速度单位统一；C曲线平滑对归一化后的曲线进行平滑处理，去掉一些小的毛刺；D周期提取对平滑后的曲线进行周期提取，提取后的曲线只包含一个完整的血流频谱信号周期；E特征计算计算一个周期的血流频谱信号曲线的特征；F分类器训练设定肾动脉血流频谱信号曲线为两种不同的类型，一类曲线变化平滑， 另一类曲线变化陡峭，使用训练样本对分类器进行训练，根据训练结果调整分类器参数和曲线特征组合，得到最优的分类器模型和特征组合；G曲线分类使用F训练好的分类器模型及对应的特征组合对肾动脉血流频谱信号曲线进行分类。
2.根据权利要求1中所述超声图像肾动脉血流频谱信号曲线分类方法，其特征在于 步骤B曲线归一化和步骤C曲线平滑没有顺序关系，即步骤B和步骤C只要在步骤A和步骤D之间即可。
3.根据权利要求1中所述超声图像肾动脉血流频谱信号曲线分类方法，其特征在于 步骤A曲线提取是针对多普勒超声图像特定区域的曲线提取，对于不同多普勒超声成像设备，其特定区域的范围不一样，但对于同一多普勒超声成像设备，其特定区域是相同的。
4.根据权利要求1中所述超声图像肾动脉血流频谱信号曲线分类方法，其特征在于 步骤A曲线提取使用抠图方法进行提取，并且只取抠图方法得到前景背景中间的分割线作为血流频谱信号曲线。
5.根据权利要求1中所述超声图像肾动脉血流频谱信号曲线分类方法，其特征在于 步骤C曲线平滑采用均值漂移方法，以滤除步骤A采用抠图技术提取的曲线上的一些小的毛刺。
6.根据权利要求1中所述超声图像肾动脉血流频谱信号曲线分类方法，其特征在于 步骤D周期提取是结合曲线上升峰的个数和曲线的一阶导数值进行的周期提取。
7.根据权利要求1中所述超声图像肾动脉血流频谱信号曲线分类方法，其特征在于 步骤E曲线特征计算时的特征包含均值、方差、形状上下文、二次曲线拟合参数、曲线峰值、 曲线起点值、曲线峰值与曲线起点值的差。
全文摘要
本发明公开了一种超声图像肾动脉血流频谱信号曲线分类方法，综合使用图像处理中的曲线提取技术，曲线平滑技术，曲线特征提取技术，应用于血流频谱信号曲线分类的方法，能在较复杂的图像背景下提取血流频谱信号曲线，曲线提取准确，分类精度高。首先在采集到的超声多普勒图像中提取肾动脉血流频谱信号曲线；然后对血流频谱信号曲线进行归一化和平滑以及周期提取；继而计算血流频谱信号曲线的特征；最后使用这些特征对血流频谱信号曲线进行分类器训练和分类。
文档编号G06K9/54GK103049766SQ20121057648
公开日2013年4月17日 申请日期2012年12月27日 优先权日2012年12月27日
发明者李宏益, 唐娉, 张本奎, 张晓东, 李建初 申请人:中国科学院遥感应用研究所, 中国医学科学院北京协和医院