[发明专利]一种超声图像中运动探针检测和定位方法

说明书

技术领域

本发明涉及医疗及医学图像处理领域，更具体地说，涉及一种超声图像中运动探针检测和定位方法。

背景技术

超声影像运动探针监测和定位是医学图像导引手术治疗过程中的一项关键技术，其定位准确的有效性直接关系到手术的成败。

随着超声医学影像技术的发展及对疾病进一步进行研究和治疗的需要，如何利用图像分析引导技术从超声图像中快速精确的检测运动探针区域，并定量地获得介入式探针器械的相关位置信息，是提高手术成功率的关键，并已成为在超声影像介入式治疗中一个迫切需要解决的问题。

目前，大多数介入式治疗中运动探针位置的检测和定位是借助于超声医学影像技术，并由人工判断，需要依赖医生的临床经验，需耗费大量的人力资源。因此，让计算机自行对超声图像中的针状物进行检测和定位具有广泛的实际应用价值。

近年来，随着一些新兴图像分割技术的出现和发展，医学超声图像分割得到了迅速的发展。然而，这些分割方法主要集中应于器官、血管的分割，而对于类似探针器械物体的分割，国内外的研究比较少。虽然，国外有研究机构在CT和MRI图像中做过针状物的定位和分割的工作，但需加入过多的先验知识，自适应性不强，并且对噪声较为敏感，有一定局限性。此外，这些方法直接应用在超声图像中运动探针检测和定位的准确性和鲁棒性等方面还是有许多改进的地方，离实际临床应用还有很多工作要做。

一般而言，超声影像图像序列往往存在低对比度、高信噪比、边界模糊、探针与其他灰度相近肌能组织粘连等不利因素，使得准确的探针检测和定位仍是一个挑战性难题。此外，在超声影像图像形成的过程中，当超声波长与照射物体表面粗糙度相当时，就会极易产生斑点噪声。这些斑点噪声的存在使得超声图像质量较差，尤其是掩盖和降低了图像某些细节信息，在一定程度上干扰了探针位置的信息检测，为病情诊断及定量分析带来不利影响。

发明内容

本发明的目的在于克服现有技术的不足，提供一种能够克服超声图像中密度分布不均匀、低对比度、存在噪声和弱边界等不利影响的超声图像中运动探针检测和定位方法。

本发明的技术方案如下：

一种超声图像中运动探针检测和定位方法，步骤如下：

1)对超声序列图像向量化和矩阵化，得到超声影像数据矩阵，并交互式初始化；

2)根据步骤1)形成的二维超声影像数据矩阵进行低秩建模和稀疏分解，得到矩阵低秩模型，并进行连续奇异像素支持区的交替检测，得到整体影像序列奇异像素支持区；

3)利用步骤2)中得到的奇异像素支持区，转化其每一列向量为原始超声图像单帧大小，得到单帧稀疏块掩模区，并计算该掩模中的所有8联通区域，选取较大区域作为检测探针区域并进行空洞填充；

4)通过计算检测到的探针区域中心点位置方法，找到探针具体空间位置信息。

作为优选，步骤2)的矩阵低秩模型具体通过如下模型求解：

首先建立矩阵低秩数学模型，对于含有运动探针的超声影像图像序列，将每幅图像排列为一个向量；

然后将所有超声图像序列对应的向量排列成为一个矩阵，则稳定的背景部分对应于矩阵低秩部分，运动探针区域应于矩阵稀疏部分。

作为优选，设定运动探针为连续出现的异常信息进行求解，设ij表示影像序列矩阵中第j个列向量中的第i个像素，S∈{0,1}^p×F表示奇异像素支持区，其中p为列向量维度，F为序列帧数，则S_ij＝1表示ij位置为探针区域，S_ij＝0为背景区域；将探针检测的目的转化为在构建低秩模型的情况下，寻求最佳奇异像素支持区的估计过程。

作为优选，在奇异像素支持区的检测过程中，通过对稀疏矩阵每一列分量转化为原始超声影像图像矩阵大小，并进行平滑处理，达到消除细小奇异像素点的目的。

作为优选，进一步地，利用高斯模型建模，采用自适应阈值选择法选取目标稀疏块掩模，来进行连续奇异像素支持区的检测。

作为优选，一步地，步骤3)中，单帧检测到的单帧稀疏块掩模区，是通过求解奇异像素支持区得到的每一列向量的矩阵转化形式。

作为优选，步骤1)具体为：对于含有运动探针的超声影像图像序列，将每幅尺度为m×n的图像排列为一个向量，再将所有超声图像序列对应的向量排列成为一个矩阵D＝[vec(I₁)|…|vec(I_F)]∈R^p×F，其中p＝m×n为向量维度，F为序列帧数，则稳定的背景部分对应于矩阵低秩部分，而运动探针区域应于矩阵稀疏部分；