[发明专利]一种基于肝脏超声造影图像的实时跟踪及定量分析方法

说明书

本发明属于计算机视觉、数字图像处理技术领域，具体涉及一种基于肝脏超声造影图像的实时跟踪及定量分析方法。本发明主要包括：(1)从肝脏序列图像的初始帧中选取感兴趣区域，采用光流法和粒子滤波法相结合的方法确定候选区域；(2)利用深度神经网络提取候选样本的特征，获得跟踪结果；(3)通过相似度匹配判定当前跟踪结果的准确性；(4)量化观察点区域的造影参数，排除图像中的波动式干扰，采用三次样条插值法拟合时间强度曲线，使医生的视觉和鉴别诊断更加直观。相比于现有技术，本发明利用组织形变具有周期的特性，通过全局和局部区域结合的方法，使其在跟踪效果和速度上具有显著优势。

技术领域

本发明属于计算机视觉、数字图像处理技术领域，具体涉及一种基于肝脏超声造影图像的实时跟踪及定量分析方法。

背景技术

目前，造影成像逐渐成为医学诊断的重要手段。而造影图像序列中感兴趣区域观察点的跟踪及量化分析，可以辅助临床医生对肝脏疾病进行科学的判断和决策，节约医生的诊断时间，减少主观判断带来的影响。

随着造影成像技术和跟踪方法的发展，对感兴趣区域的客观量化分析也逐渐发展起来，现实中造影参数的定性量化是对选取的感兴趣区域观察点进行跟踪分析，其中时间强度曲线(TIC)不仅可以提供直观的视觉量化，而且通过分析计算还可以得到定量参数，如曲线下面积、峰值强度、达峰强度、增强时间、增强密度等等，进一步辅助医生更客观的进行分析。但是在超声造影诊断中，由于跟踪技术的不足和肝脏组织形变、甚至导致观察点消失的问题，给造影图像的跟踪和定量分析带来一定的难度和挑战性，其中主要存在以下两点不足：

一是目标跟踪技术的不足，传统的跟踪方法对目标变形、旋转变化、遮挡等适应性强的特点得到重视和研究，但是在描述目标的特征选择上比较单一。赵悦等人利用超声图像的纹理信息训练神经网络，改进传统的运动跟踪方法，提高目标跟踪的精确度，但是复杂背景下的感兴趣区域跟踪，尤其是非刚性的运动序列图像，存在着遮挡、变形、漂移等不可控因素，导致跟踪效果不佳，甚至跟踪失败。

二是外界不可控因素的限制，如探头的不断移动和人体的呼吸，以致组织运动发生形变、感兴趣区域消失，进而造成参数量化指标抖动剧烈、峰值极低，使得拟合的参数曲线视觉效果不利于医务工作者的定量分析和病情诊断。王本刚等人通过彩色编码当前感兴趣区域，获取参数分析曲线及造影速度曲线，但是并未考虑目标区域消失的现象，所以现有的定量分析技术并未充分考虑到上述情况，不利于定性计算出平滑且稳定的时间强度曲线。

综合上述，由于肝脏组织的形变和造影图像的复杂性，肝脏超声造影图像的实时多目标跟踪及定量分析仍面临着挑战。

发明内容

鉴于现有技术的不足，本发明提供一个肝脏造影图像感兴趣区域跟踪及定量分析的方法，针对造影图像中关键区域跟踪过程中组织形变导致观察点漂移甚至消失的问题，采用深度学习模型和传统算法相结合的方法跟踪感兴趣区域，再使用插值法准确的定量分析时间强度曲线。

本发明的技术方案是：

一种基于肝脏超声造影图像的实时跟踪及定量分析方法，其特征在于，包括以下步骤：

S1、根据获得的造影序列图像，选择目标区域进行跟踪；

S2、提取选择的目标区域的特征，通过判别分类器获取跟踪结果；

S3、判断当前跟踪结果的准确性，丢弃准确度低的图像，获得有效的量化参数稳定的时间强度曲线。

进一步的，所述步骤S1的具体方法为：

S11、根据获得的造影序列图像，输入连续的图像帧；

S12、在初始帧中手动选择目标作为待跟踪区域，首先采用方向梯度直方图进行特征提取；

S13、计算第K-1帧中待跟踪区域的光流分量：