基于彩色图像分割的左心血流多普勒影像提取

彩色多普勒超声在显示实时血流影像上有一定优势,本研究试图从彩色二维多普勒超声图像上提取出彩色血流多普勒信号,便于今后应用于与磁共振(MRI)或CT的解剖结构在影像学上的融合[2],为实现心脏融合影像提供图像处理方法。

1 材料与方法

本研究采用飞利浦公司产IE33彩色超声诊断仪,使用S5-1超声探头,频率(1～5)MHz,于心尖四腔采集志愿者的左心室内二维彩色多普勒超声图像。飞利浦IE33彩超仪产生的超声DICOM文件的图像数据部分是一个四维矩阵。前三维空间表示RGB的向量空间,第四维表示时间。通过对矩阵的操作,可以任意读取某一帧的超声图像进行图像处理。

一个向量群的平均向量mx可以通过样本的平均值来近似(公式1):

公式1:向量群的样本平均值计算公式。其中,K=M×N。选取二维彩色多普勒超声仪的彩色速度标尺为给定的一组感兴趣彩色范围,作为彩色样本点,通过计算获得一个“平均”的颜色估计,它是我们希望分割的那种颜色的平均色。

对图像中的每一个RGB像素进行分类,使其在指定的范围内有一种颜色或没有颜色。令 z表示RGB空间的任意点。若z和m之间的距离小于指定的阈值T,则我们说z相似于m。z和m之间的距离称为欧几里得距离,由下式给出(公式2):

公式2:z和m之间的欧几里得距离公式。其中||◦||是参量的范数,下标R、G和B表示向量m和z的RGB分量。D(z,m)≤T的点的轨迹是一个半径为T的实心球体(图4)。由定义可知,包含在球体内部或表面的点满足特定的彩色准则,而球体外面的点则不满足。在图像中对这两组点编码,如黑的和白的,就可以产生一幅二值分割图像。

在前述方程中加入协方差矩阵,则该距离称为Mahalanobis距离(公式3)[3]。

公式3:z和m之间的Mahalanobis距离公式。

基于Matlab对超声彩色多普勒进行图像分割[4],从飞利浦IE33超声仪中导出超声DICOM文件,利用dicomread[6]读取二维彩色多普勒超声图像。将读取的四维矩阵按时间分别保存在自建的数组中。选取任意一张超声图像进行图像处理。由于彩色图像分割只能分割一种颜色范围,而不能同时分割红色与蓝色部分的彩色图像。为了克服这一技术瓶颈,我们在多普勒彩色图像分割时分为两步进行。

第一步,选取超声图像右侧红色部分的多普勒彩色速度标尺产生一个二值掩膜,用函数cat将红、绿、蓝三部分颜色相结合产生选取的颜色范围。接着将选取的彩色像素重新排列为n行3列,利用covmatrix函数计算颜色平均值。通过试验,我们将阈值 T设定为100。利用colorseg函数对图像进行分割,函数colorseg对整张超声图像的每一个像素进行筛选,绘制一幅基于红色部分二值图像。对处于欧几里得距离内的像素给予数值1,反之则给予数值0。该二值图像即显示红色部分在阈值内的像素显示范围。

第二步,利用选取蓝色部分的多普勒彩色速度标尺进行如上的图像分割操作,同样得到一幅基于蓝色部分的二值图像。将两幅二值图像相叠加,便产生了一幅同时显示红色部分与蓝色部分阈值内像素的二值图像。

去除周围的无关信息,通过函数 immultiply获得红、绿、蓝三种颜色后,得到分割后的多普勒血流图像。虽然多普勒血流图像轮廓光滑,周围没有灰度像素。但中间湍流部分流速较快、方向不明确导致多普勒显示的颜色接近白色,超出了欧几里得距离,故被系统排除。

为了弥补该分割方法的缺点,我们利用长宽为100×100个像素的掩膜对分割后图像进行优化,还原血流内部的湍流部分。因为湍流部分周围被多普勒图像包围,利用该掩膜对图像内比特数为0的像素点进行检测,如果该像素点在四个方向上都检测到有不为0的二值数值,则认定该点为血流多普勒中湍流的部分,应当还原其原有像素值,所以给与该点像素比特数为1。

经过优化的二值图像通过函数immultiply获得红、绿、蓝三种颜色后,利用cat函数合成,便得到(图1)显示的结果。

图1 经过图像分割和优化后分离的多普勒血流图像

2 结果

2.1 利用相同的图像处理手段对其余超声图像进行图像分割,利用saveas语句将产生的每一幅单独的多普勒血流图像保存为JPG格式,并利用Matlab将图片制作成AVI文件[5](图3)。

图2 多普勒图像分割程序流程图

图3 从AVI多普勒血流影像中选取其中8帧图像显示

2.2 利用掩膜对分割后图像进行优化后追回了血流内部湍流部分的像素,由于血流湍流的流速快,方向不定,所以多普勒图像显示的颜色接近白色,被系统自动排除。(表1)显示了追回像素的数目,联合(图4)可以发现,追回像素的数目具有明显的周期性。这是因为湍流往往在血流被推入主动脉时形成。根据(表1)提供的追回像素数目和帧数便可以定量地找到志愿者在一个心动周期内血流发生湍流的时间和位置。

表1 图像分割经优化后定量分析

2.3 选取一例病人的磁共振图像,利用Matlab对磁共振进行相应地放大、平移、旋转等处理后,我们尝试将磁共振图像与血流多普勒图像融合(图5)。

虽然磁共振与超声图像的采集频率,心腔结构,血流状态都不尽相同,然而融合后的图像与超声二维图像比,能够提供更清晰的心脏解剖结构信息;与心脏磁共振图像相比,血流多普勒信息可以在血流动力学方面弥补磁共振影像在血流动力学方面的不足。给临床医生提供了全新的视角观察心腔结构与血流动力学信息。

图4 追回像素在不同帧数的分布

图5 将不同病人的磁共振图像与彩色多普勒超声血流图像融合后图像

3 讨论

3.1 阈值T的选取 阈值T的大小直接影响分割后图像的质量。阈值T设定较大,导致到平均值距离比较长,形成较大的球体。包含在球体内的像素较多,起不了筛选的目的。根据实验,当阈值 T取到150时,可以看到明显的心腔结构。阈值T等于256图像无法分割。阈值T设定较小会导致图像的过度分割,对于颜色过暗或过亮点区域的像素将无法被检测到。这就导致了湍流部分无法显示,同时多普勒边缘颜色偏暗,可能有部分图像无法显示。经过试验,当阈值 T设置在 100左右时刚好可以去除多普勒周围的心脏结构,并最大程度显示多普勒血流边缘。

3.2 彩色血流多普勒图像可以清晰地显示心腔内的血流动力学情况[6]。分割后的彩色图像可以利用Matlab分析其像素包含的更多细节[7],如血流速度分布、血流方向,并通过Matlab进行数据量化、数据分析等图像后处理。结合血流动力学方面的知识,获得更多的实用信息[8]。

在影像融合方面,由于二维超声图像对心脏解剖结构的分辨率低,却能显示实时的血流动力学信息。M RI、CT在心脏解剖结构的分辨率上占有先天优势,却无法观察血流流速等动力学信息。所以进行提取彩色多普勒血流图像,叠加在MRI或CT的解剖结构中,制作成AVI视频文件的研究。本研究结果有助于取各影像方法之所长,为在MRI或CT图像上观察心内实时血流影像提供了一种新的图像参考手段。相信,随着课题的深入,不断完善的融合影像能够提供更多更丰富的诊断信息。

[1]熊松,赵峰,谢孝志等.利用 DCM TK技术实现医学影像与常用格式图像的转换.中国数字医学,2008,3(5):51.

[2]李志庆,刘亮亮,孙颖.基于DICOM3.0的医学影像系统应用与研究.微计算机信息,2008,24(23):57.

[3]Rafael C.Gonzalez Digital Image Processing using MATLAB.London:Prentice Hall,2003,175-178.

[4]高向军,田联房,王立非.利用MA TLAB实现医学图像处理与分析.计算机应用研究,2008,25(6):1747.

[5]王正勇.基于M ATLAB的AVI视频影像分解与压缩.计算机应用软件,2008,25(5):117-118.

[6]刘伟男,郝志斌.彩色多普勒超声在诊断血管疾病中的应用.中国现代药物应用,2009,3(6):46.

[7]刑国泉,刘柱,李义兵等.Matlab在医学图像分割处理中的应用.中国医学影像学杂志,2008,16(6):453-454.

[8]张季,杨亚平.Matlab在医学图像处理中的应用.医学信息,2008,21(7):1014.