一种全自动心肌声学造影定量分析方法及装置与流程

本申请涉及医疗图像处理领域，特别是涉及一种全自动心肌声学造影定量分析方法及装置。

背景技术：

1、心脏影像学在缺血性心脏病的预防、诊断和治疗中具有举足轻重的作用。其中，心肌声学造影(mce)可以有效的帮助医生判断心肌灌注。

2、心肌声学造影的原理是通过造影剂中的微小气泡，使肌肉组织回声增强从而获得清晰的左心室和心肌组织以帮助对缺血性心脏病进行诊断。对心肌声学造影图像进行数字化处理后，可以利用图像的属性(如图像灰度值)提取有价值的临床指标。

3、各项研究表明，超声造影时血管内的气泡浓度随时间升高且与图像亮度值(灰度值)相关，在造影剂推入速率稳定的前提下，气泡浓度在一段时间后会达到稳定峰值不再变化，该规律可由单指数模型：

4、i(t)＝a(1-e-βt)

5、描述。其中为图像灰度值，a为图像峰值对比强度，可代表心肌血容量，β为对比补给率，可代表血流平均速度。a与β的乘积，可代表心肌血流量。

6、现有心肌声造影定量分析系统(如飞利浦公司的qlab定量软件，以及孙丰荣等人开发的定量分析系统等)，均需要人为手动定义roi(感兴趣区域)，部分产品甚至还需要对每一帧图像进行微调来达到满意的效果。复杂的操作不仅使医生的学习成本增大，其带来的时间成本也大大增加了诊断所需的时间。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种全自动心肌声学造影定量分析方法及装置。

2、本申请一种全自动心肌声学造影定量分析方法，包括：

3、获取心肌声学造影影像；

4、分割获取的心肌声学造影影像，以获得心肌分割图像；

5、根据心肌分割图像计算心腔面积，利用心腔面积周期性变化的特征自动提取心脏收缩末期的心肌分割结果，并利用提取的心脏收缩末期分割结果作为掩膜提取每张影像对应位置作为目标区域进行配准，以生成点与点一一对应的配准后图像序列；

6、根据配准后图像序列中各点的像素值拟合函数模型，并根据配准后图像序列及拟合后的函数模型生成参数图像。

7、可选地，所述分割获取的心肌声学造影影像，以获得心肌分割图像，具体包括：

8、基于获取的心肌声学造影影像，采集得到若干心肌声学造影图像，组成初始图像序列；

9、将初始图像序列输入深度神经网络模型，得到心肌分割图像；

10、其中，深度神经网络模型基于u-net模型训练得到；深度神经网络模型的训练路径包括收缩路径和扩张路径。

11、可选地，所述收缩路径包括9个编码块，每个编码块包含两个3×3卷积层，每个卷积层后添加有一个批量归一化层和一个relu激活层，前8个编码块后利用一个2×2最大池化层进行下采样；所述收缩路径和扩张路径中对应块的特征图按照通道维度进行跳跃连接。

12、可选地，所述扩张路径包括8个解码块，每个解码块包含两个3×3卷积层，每个卷积层后添加有一个批量归一化层和一个relu激活层，每个解码块前利用一个2×2反卷积层进行上采样。

13、可选地，训练过程中每次迭代时，将初始图像序列中的每幅心肌超声造影图像通过n次变换得到n幅扩增图像序列，每次变换包括依次进行的随机旋转、随机平移、随机剪切和随机缩放，初始图像序列和扩增图像序列共同组成训练图像集。

14、可选地，生成点与点一一对应的配准后图像序列，具体包括：

15、针对每张心肌分割图像，计算心肌的凸包图像；

16、利用每张图像心肌的凸包区域提取心脏收缩末期的心肌分割结果；

17、利用心脏收缩末期的心肌分割结果作为目标图像，对其余心肌分割结果进行配准，生成配准后的图像序列。

18、可选地，生成点与点一一对应的配准后图像序列，进一步包括：

19、由心肌的凸包图像减去心肌分割图像，得到初始心腔区域图像；

20、利用形态学滤波进行处理，得到理想心腔区域图像；

21、利用各张心腔区域图像计算心腔面积，记录并生成心腔面积变化曲线；

22、寻找心腔面积变化曲线中的极小值，记录每一个极小值的索引并计算间隔帧数，取所有间隔帧数的众数作为心动周期；

23、通过心动周期提取心肌分割结果图像序列中的所有收缩末期图像及原始mce图像序列中的所有收缩末期图像；

24、利用收缩末期分割图像序列中心腔面积最小的图像作为掩膜提取收缩末期原始图像序列所有图像中对应掩膜区域内的图像，生成掩膜图像序列；

25、将掩膜图像序列作为目标区域后使用大形变微分同胚方法对收缩末期分割图像序列的所有图像进行配准，确保每张图像心肌区域中的像素点一一对应，将配准后图像序列保存并传入定量计算模块进行参数计算。

26、可选地，根据配准后图像序列中各点的像素值拟合函数模型，并根据配准后图像序列及拟合后的函数模型生成参数图像，具体包括：

27、提取配准后图像序列中每一个点的灰度值；

28、利用提取的灰度值拟合计算函数模型中的未知参数；

29、根据数学模型绘制时间-强度曲线和参数图像。

30、可选地，函数模型为：i(t)＝a(1-e-βt)；

31、其中i为图像灰度值，a为峰值对比强度，β为对比补给率。

32、本申请还提供一种全自动心肌声学造影定量分析系统，包括：

33、图像获取模块，用于获取心肌声学造影影像；

34、图像分割模块，用于分割获取的心肌声学造影影像，以获得心肌分割图像；

35、图像处理模块，用于根据心肌分割图像计算心腔面积，利用心腔面积周期性变化的特征自动提取心脏收缩末期的心肌分割结果，并利用提取的心脏收缩末期分割结果作为掩膜提取每张影像对应位置作为目标区域进行配准，以生成点与点一一对应的配准后图像序列；

36、定量计算模块，用于根据配准后图像序列中各点的像素值拟合函数模型，并根据配准后图像序列及拟合后的函数模型生成参数图像。

37、本申请的全自动心肌声学造影定量分析方法至少具有以下效果：

38、本申请对心肌声学造影影像序列利用深度神经网络进行自动分割，可以自动获取心肌分割影像序列。根据心肌分割影像序列中的心肌区域面积，可以自动计算行动周期并获取心脏收缩末期的心肌分割图像。不再依赖于人工选择感兴趣区域，根据心脏收缩末期的心肌分割图像，可以自动对其余心肌分割图像进行配准，根据配准后的心肌分割图像，可以自动拟合函数模型，根据拟合好的函数模型可以自动计算心肌血容量、血流平均速度以及心肌血流量并生成参数图像。

技术特征：

1.一种全自动心肌声学造影定量分析方法，其特征在于，包括：

2.根据权利要求1所述的全自动心肌声学造影定量分析方法，其特征在于，所述分割获取的心肌声学造影影像，以获得心肌分割图像，具体包括：

3.根据权利要求2所述的全自动心肌声学造影定量分析方法，其特征在于，所述收缩路径包括9个编码块，每个编码块包含两个3×3卷积层，每个卷积层后添加有一个批量归一化层和一个relu激活层，前8个编码块后利用一个2×2最大池化层进行下采样；所述收缩路径和扩张路径中对应块的特征图按照通道维度进行跳跃连接。

4.根据权利要求3所述的全自动心肌声学造影定量分析方法，其特征在于，所述扩张路径包括8个解码块，每个解码块包含两个3×3卷积层，每个卷积层后添加有一个批量归一化层和一个relu激活层，每个解码块前利用一个2×2反卷积层进行上采样。

5.根据权利要求3所述的全自动心肌声学造影定量分析方法，其特征在于，训练过程中每次迭代时，将初始图像序列中的每幅心肌超声造影图像通过n次变换得到n幅扩增图像序列，每次变换包括依次进行的随机旋转、随机平移、随机剪切和随机缩放，初始图像序列和扩增图像序列共同组成训练图像集。

6.根据权利要求1所述的全自动心肌声学造影定量分析方法，其特征在于，生成点与点一一对应的配准后图像序列，具体包括：

7.根据权利要求6所述的全自动心肌声学造影定量分析方法，其特征在于，生成点与点一一对应的配准后图像序列，进一步包括：

8.根据权利要求1所述的全自动心肌声学造影定量分析方法，其特征在于，根据配准后图像序列中各点的像素值拟合函数模型，并根据配准后图像序列及拟合后的函数模型生成参数图像，具体包括：

9.根据权利要求8所述的全自动心肌声学造影定量分析方法，其特征在于，函数模型为：i(t)＝a(1-e-βt)；

10.一种全自动心肌声学造影定量分析系统，其特征在于，包括：

技术总结
本申请涉及一种全自动心肌声学造影定量分析方法及装置，方法包括：获取心肌声学造影影像；分割获取的心肌声学造影影像，以获得心肌分割图像；根据心肌分割图像计算心腔面积，利用心腔面积周期性变化的特征自动提取心脏收缩末期的心肌分割结果，并利用提取的心脏收缩末期分割结果作为掩膜提取每张影像对应位置作为目标区域进行配准，以生成点与点一一对应的配准后图像序列；根据配准后图像序列中各点的像素值拟合函数模型，并根据配准后图像序列及拟合后的函数模型生成参数图像，因而本申请能够全自动对心肌声学造影进行定量分析。

技术研发人员：张乘铭,徐丽,何京松,单晔杰,向建平
受保护的技术使用者：杭州脉流科技有限公司
技术研发日：
技术公布日：2024/1/12