心血管疾病一直是威胁人类生命健康的主要疾病。心脏成像技术可以为诊断和治疗提供有效的依据.目前临床中常用的成像技术有心脏超声、核磁共振、计算机断层扫描成像以及心血管造影等。其中心脏超声诊断技术具有价格便宜、诊断方便以及成像速度快等特点,因此成为临床诊断心脏疾病,评价心功能的主要手段。 与此相适应,心脏图像的处理技术也在不断进步。它可以从大量图像数据中尽可能多的提取出有价值的诊断信息,帮助医生提高诊断的效率和准确率,使得医学图像的分析趋于智能化和自动化。通过分析目前心脏超声图像运动分析中存在的问题,本论文开展了相应的研究工作,主要包括超声图像的噪声抑制、图像分割以及心功能分析等方面内容,并基于临床图像数据对所提出的算法进行了验证,为这些方法在实际诊断过程中的应用做了进一步研究。 通过回顾心血管疾病的现状、各种成像方式在心脏病诊断中的应用,以及心脏超声的检查技术和诊断方法,可以看到,心脏收缩和舒张的运动过程,是与心脏的功能(包括全局和局部的)紧密相连的。基于对心脏运动状况的分析,可以为心脏功能的评估提供可靠的依据,例如不同断面上超声图像的节段运动情况等。这也是本研究的目的所在,即通过对算法的研究,以及临床数据的实验分析,实现有效的、能够满足临床诊断需求的心脏超声图像运动分析方法。基于课题研究的意义,以及目前存在的问题,我们主要作了以下几个方面的工作:一.超声图像的噪声是影响分析效果的主要因素,这里我们提出了一种心脏超声图像的自适应噪声抑制方法,使得在降低图像噪声的同时,尽量多的保持或增强图像的细节特征。在研究各向异性滤波技术的基础上,提出采用极大似然估计分析图像中噪声分布的情况,二者结合实现对超声图像的自适应滤波,避免了降噪的盲目性和不可知性。同时针对心脏超声为序列图像的特点,进一步运用运动估计方法,将该滤波过程扩展到时间域,从而有效提高了心脏超声图像序列降噪的效果,为后面分割等工作提供了较好的基础. 二.基于图割理论研究了超声图像的分割方法,针对图像计算速度慢和稳定性较低的问题,提出了多尺度Normalized Cut算法,通过对不同尺度图的切分和迭代实现对全图的切分。利用图割的全局优化法,先把图象转化成一个无向图G=(V.E),在此基础上确定划分准则,然后利用图的割算法对图象进行分割。 这里我们将分割的准则与超声图像的纹理等特征相结合,通过有效的预处理和后期区域合并等工作,实现了对超声图像的无监督分割。实验表明,该方法提高了分割的速度、抗干扰能力和准确度,能够实现有效的心脏超声图像分割。 三.研究了形状统计模型理论在心脏超声图像中的分割与运动跟踪。基于形状统计模型的分割,可以有效控制收敛的范围,使得分割结果的稳定性得到提高。但该模型的建立与样本数据集的有效程度有很大关系,当不同样本标记点之间的对应关系不好时,模型的泛化能力会受到影响,而产生不正确的匹配结果。为此我们采用最小描述长度方法,来对样本集的标记点进行二次采样,从而得到准确的密集点对应关系。它降低了建立建模时对标记点位置的要求,提高了建模的效率及其泛化能力。通过对心脏图像进行运动分析实验,证明该方法可适用于对心脏收缩和舒张功能的定量分析。 四.统计外观模型能够与形状模型相比,能够更好的利用图像的纹理信息,从而能够全面和稳定的重建出心脏的大致形态和外观。我们研究了活动外观模型理论以及其中存在的问题,提出了基于独立元分析的建模方法,以实现对局部心肌节段运动特点的准确重建。通过对动物心脏超声图像进行验证,可知这一改进能够有效提高统计外观模型对局部特征变化的描述能力,并满足冠心病等对图像处理的要求。 超声成像技术的不断进步,使得心脏疾病诊断和治疗的适用范围也在日益扩大。同时这也为后期图像处理技术提出了更高的要求。这些方法的使用,将会使得超声图像的诊断更加趋于客观,有效提高心脏疾病诊断的准确性和智能化程度,因此具有比较重要的临床应用价值和实际意义。