去除回波描记术多普勒视频中的伪影的方法与流程

1.本发明涉及一种去除包含在回波描记术多普勒视频中的伪影的方法。


背景技术：

2.超声成像技术通常用于产生对象的内部特征(诸如人体解剖结构)的诊断图像。
3.超声成像是在二维图像上再现与扫描平面相对应的人体的解剖截面的技术。将包含在回波信号中的信息变换成二维图像的机制是复杂的，并且由若干步骤构成。其中一些步骤取决于超声在生物组织中的传播，另一些步骤取决于设备技术或操作者如何操纵它们。超声由换能器生成，并被适当地聚焦，它们在组织中以近似恒定的速度传播，速度取决于密度或声阻抗而在组织之间存在细微的差异。超声与各种解剖结构之间的接触标志着各种物理现象(诸如反射、散射、衍射和吸收)的开始。上述现象中的前两个生成回波信号，该回波信号返回到换能器，并且被适当地处理，产生超声图像。基本上，包含在原始信号中的信息不足以产生超声图像，但是它必须与其他基本信息集成：第一个是信号源的深度，其被确定为在束发射与回波信号返回之间经过的时间的函数；第二个是沿着组成扫描平面的线的信号方向。换言之，为了生成超声图像，有必要针对扫描区域的各个点获取这三个信息。
4.超声成像装置是能够处理若干成像模态的复杂仪器。一种超声成像装置的简化框图包括：
[0005]-脉冲发生器，其负责产生电信号；
[0006]-压电换能器，其被驱动以执行作为源和接收器的两个职责。作为源，换能器负责发送通过将电脉冲转换为波而生成的超声声学信号。行进穿过组织的声波脉冲被具有不同声阻抗的材料部分反射。因此，作为接收器，换能器负责检测反射脉冲并将其转换成射频(rf)电信号；
[0007]-tgc模块，其通过以与回波信号生成的深度和信号返回时间成比例的方式放大接收信号来作用于接收信号，从而补偿增益以便正确地表示构成间断的表面的声阻抗差异。换言之，从声场的较深平面到达探针的信号比源自具有相同特性但位于较浅平面上的反射器的回波信号弱；
[0008]-解调器，其将放大的rf信号转换成表示超声遇到的各个反射器的信号的单个峰值。这使得可以识别已经发生反射的所有点并量化回波振幅；
[0009]-扫描转换器，其转换时间连续输入信号，以定义的间隔对其采样，并将其变换为离散数值形式，该离散数值形式将根据具有16、64、256灰度级的信号强度根据可以在监视器上表示的格式来编码，因为图像是沿着构成扫描场的线获取的，同时图像是沿着监视器上的水平线表示的。这在两个主要宏阶段中实现，其中，在第一阶段中，在输入处，扫描转换器执行rf信号的模数转换并将二进制格式的数据存储在存储矩阵上，并且在第二阶段中，在输出中，扫描转换器执行存储在存储矩阵上的数据的数/模转换；
[0010]-显示/存储系统，其允许通常借助于监视器来查看跟踪，并且将其存储在适当的存储介质上以供后续查看。
[0011]
诊断超声成像的特定应用使用多普勒测量来检测和显示流体流速。这是一种物理现象，由此遇到移动主体的声波频率经历与主体移动自身的速度成正比的变化。
[0012]
因此，多普勒效应基于对入射束与来自移动主体(在医学应用中，移动主体在大多数情况下由红细胞表示，因此由血液表示)的反射束之间的频率变化的测量。
[0013]
因此，多普勒效应是许多超声技术所基于的原理，在这些超声技术中，研究生物组织中的移动。反射回波频率变化与反射主体的速度和方向有关。将所接收的回波信号与参考值进行比较，以便建立通过区域的流体流速。流速可以通过测量从被检查结构接收的回波信号的多普勒频移来确定。
[0014]
有两种基本的多普勒获取系统：
[0015]-连续波(cw)，其允许研究流动形态和移动；
[0016]-脉冲波(pw)，其还提供关于反射面与换能器之间的距离的信息。
[0017]
彩色多普勒通过集成流动信息和实时二维图像来基于相同的原理，其中，按照惯例，接近的流动具有红色，而离开的流动具有蓝色。如现有技术中已知的，然后可以通过着色来查看流速，在着色中，不同的阴影和颜色强度表示灰度图像内的流率和方向。如果存在湍流，例如在血管的分叉处，则将存在蓝色和红色斑块的交替图案。由此，将可以区分相对于探针的流动方向；而且，这些系统有助于评估流动本身的速率和层流或湍流状态。
[0018]
很明显，从超声机获得尽可能准确的结果是多么重要，因为这可以用于医生的正确诊断。
[0019]
这突出了这些系统的两个主要问题类别，其一方面与医生或操作者的操作有关，并且因此与他对超声机的经验有关，该超声机必须基于设置参数进行操作以便获得有效结果，另一方面与系统本身有关。
[0020]
可以由医生或技术人员设置的超声机参数为例如增益控制和超声聚焦设置，以便通过放大来自更深层的信号、最大化对比度并避免饱和来实现图像亮度的最均匀分布。在超声机上，存在允许你根据医生或技术人员的个人工作习惯作用于tgc使用的尺度设置的命令，以改进深层的表示。
[0021]
该参数直接作用于信号背景(理解为信噪比，由电路在生产阶段中生成)、超声信号的接收和处理，由于偏移随过度的信号放大或增益值而增加的回波结构特性，该超声信号将在图像中表现为血管区域中的流动信号的错误表示，错误表示的示例是图5e所示的模糊伪影。焦点设置允许修改有效焦点的数量、超声束的形状和厚度，当没有正确设置时，它影响超声图像的空间分辨率。可以配置的其它设置是成像频率，其中，其值的增大允许优化分辨率，而其值的减小允许增加束穿透。医生或操作者可以作用于的另一个参数是关于压缩曲线的参数，其允许改变信号振幅与监视器上表示的灰度级之间的对应定律。利用线性强度/振幅关系，灰度级与被检查组织的声阻抗的差异成正比。在一些情况下，这不是诊断需要的最佳设置，因此医生或操作者能够以比不太感兴趣的其它声阻抗范围更大的证据来表示一些声阻抗范围，例如通过压缩较高强度的回波并允许较低强度回波以高数量的灰度级来表示。临床实践中的灵敏参数是“脉冲重复率”(或“流动灵敏度”)，其控制系统的获取变化速度的流动的能力。如果脉冲频率太高，则对缓慢流动的灵敏度降低，导致对应信号的损失。
[0022]
在对可能在超声检查的结果中出现的可能的伪影的以下描述中，将突出属于该系
统的其他关键类别或者源自该技术的限制，这主要是由于超声与生物结构之间的相互作用。仪器来源的关键问题和/或在超声机的使用阶段和在配置阶段与医生或技术人员的经验有关的问题反映在由超声机本身产生的结果上，并且通常利用伪影的名称来识别。因此，伪影是指由超声机或由超声与组织的相互作用生成的错误或失真的信息，组织在多普勒信号上重叠噪声。特别地，医生或技术人员在使用超声机方面的经验直接导致或多或少量的伪影的可变存在，这取决于例如探针定位、探针本身进行的移动以及探针执行这种移动的速度。
[0023]
考虑到例如在彩色多普勒超声图像中，伪影可能被定义为不能真实表示血管化的纯色像素，在多普勒超声成像中可能发现的伪影在流动信息方面可能是令人混淆的或误导的。如上所述，三个主要因素导致这个问题：由于人为错误导致的设备的错误配置和不充分的信号获取、解剖因素和技术限制。例如，错误的增益设置、壁滤波器设置或速度尺度设置可能导致临床相关信息的丢失，诸如血管中流动的存在或不存在、流动方向和速度、或显示可能与实际生理情况显著不同的情况的跟踪失真。关于取决于不适当获取的伪影，运动伪影是特别相关的。这些伪影包括例如由于不适当的受声波作用角设置而引起的伪影以及由于太快的信号获取而引起的伪影，其是引起闪光伪影的最常见的错误。对于由于受声波作用角(即操作者的手与探针之间的角度)引起的问题，当其大于60
°
时，谱曲线振幅逐渐减小，使得速率计算逐渐不太可靠。另一方面，当受声波作用角接近90
°
时，没有信号被记录，尽管流动可以产生低振幅信号。下面是根据先前定义的类别在彩色多普勒超声中发现的主要伪影。
[0024]
取决于错误配置的伪影
[0025]-多普勒增益设置错误：
[0026]
适当的增益设置对于流动特性的准确表示是至关重要的。对于太低的增益设置，一些相关信息可能丢失，因此频繁地调节增益以最大化轨迹可视化。相反，较高的增益劣化包络信号，破坏其在屏幕上的表示，并且模拟可能例如给出流动湍流的外观的谱展宽。
[0027]-不适当的角度设置：
[0028]
对于声波作用角问题，可以在超声机上设置校正参数，然而当角度完全错误时，即使该校正也是无用的。这种类型的伪影的发生也可能取决于使用具有非常高频率的换能器或缺乏增益调节。
[0029]-不适当的滤波器设置：
[0030]
滤波器相位被设计为去除来自缓慢移动的软组织的回波的低频多普勒信号，并且该滤波器的截止频率是操作者可选择的。如果设置得太高，则可能丢失诊断相关的速度信息。
[0031]-由于谱色散引起的伪影：
[0032]
由于过多的系统增益或灰度灵敏度的变化，可能发生谱色散。
[0033]
解剖结构相关的伪影
[0034]-闪光伪影：
[0035]
这种伪影作为延伸到或多或少的扩展扫描场区域的突然的颜色爆炸而发生。颜色编码是完全人为的，并且可能由过快的换能器移动或由引起反射面的轻微移动的心脏移动或动脉搏动引起。
[0036]-伪流伪影：
[0037]
伪流表示不同于血液的真实流体移动。这些类型的伪影可以作为多普勒信号过度放大、过低的颜色编码(其可能导致例如在囊性形成物内出现信号)、连续的移动结构、呼吸动力学的结果而被观察到。还可能由于存在镜像伪影或闪耀而发生。
[0038]
取决于技术限制的伪影
[0039]-方向模糊：
[0040]
当超声束以90
°
角与血管相交时，可能发生方向模糊。检测到的多普勒信号在跟踪到谱基线上方和下方时出现。此外，在高增益设置下，方向模糊更明显，并且跟踪更不准确。当使用扇形换能器产生彩色多普勒图像时，垂直于束的流动通常沿着平行于换能器表面的血管的小段存在，而使用线性探针，问题变得更加明显。
[0041]-旁瓣伪影：
[0042]
电子聚焦阵列换能器将主束引导到要检查的感兴趣区域。然而，由于阵列元件的间隔，弱的副超声瓣可能瞄准与主超声瓣无关的区域。这些波瓣的确切位置取决于换能器设计本身。如果这些副瓣击中高反射面(诸如骨骼)，则可以在屏幕上结合主束回波检测到返回换能器的回波。
[0043]-随机噪声伪影：
[0044]
在多普勒型超声机中，如在所有电路中，噪声与增益成比例。随机噪声尤其在增益被设置得太高的情况下通过出现闪光伪影(每当出现往复移动探针-组织时)或者通过颜色区域的出现/消失而出现。
[0045]-闪烁伪影：
[0046]
这种伪影类型在高反射结构的情况下是可见的，并且本身表现为与背景噪声存在的信号特性相关联的波动彩色马赛克。其幻影严格地取决于超声机配置，并且由被称为相位抖动的固有电子噪声的窄带生成。
[0047]
在现有技术中，已知若干信号处理技术被用于滤除超声成像系统内的不想要的信号，这些不想要的信号导致出现先前描述的一个或多个伪影。然而，作为在超声机内的图像显示生成过程的一部分而被实施为插入在图像生成上游的处理和/或滤波阶段的这些解决方案以或多或少相关的方式示出自失败效应，诸如器械灵敏度的损失和/或用于诊断目的相关信息。
[0048]
而且，潜在不同类型的伪影的消除取决于超声机参数配置的不同组合以及取决于超声机型号的可用处理和滤波增强。


技术实现要素：

[0049]
本发明的目的是通过作用于由超声机产生的超声视频而不是作用于信号信息和/或借助于板上滤波和/或处理块的图像生成来至少部分地解决上述器械或人引起的缺点。通过对由作用于2d表示的超声机生成的视频进行去噪步骤，可以实现该结果，对2d表示的分析旨在识别出视频上存在的任何伪影，以便去除这些伪影，从而使由于非最佳设置和/或操作者经验和/或技术限制而导致的影响最小化，从而提供没有伪影的视频或显著减少了伪影的视频。
[0050]
因此，去噪是通过下述方法的步骤对多普勒超声视频的分析，目的在于识别视频
内可能与真实信号重叠或在其侧面的任何可能的伪影的存在，以便去除它们，从而获得没有可能防止或误导诊断阶段的这种改变的视频。在本说明书中值得定义并帮助将其使用情境化的本发明中包含的另外术语是：
[0051]-多普勒激活，即，承载多普勒信号和诸如彩色像素的多普勒伪影的像素集合；
[0052]-超声信号，即，承载非多普勒超声信号的像素集合，例如属于从中收集多普勒信号的外部区域的灰度像素；
[0053]-多普勒信号，即，承载真实多普勒信号的像素集合，这些像素因此指示血管化的存在。
[0054]
本发明的计算机实施的去噪方法，从使用标准视频分割技术将视频分解成各个帧开始，包括以下步骤：
[0055]-从超声视频中获取n个帧；
[0056]-对于n个帧中的每一帧识别第一像素类别，其表示包含超声信号的第n帧的第一像素；以及第二像素类别，其表示包含多普勒激活的第n帧的第二像素；
[0057]-对于属于所述多个帧的每一帧生成第一图像数据集合，以便将对应帧的各个像素位置与至少第一或第二类别相关联，以便对对应帧的像素进行分类，并且对于各个帧识别包含多普勒激活的像素；
[0058]-生成与包含根据帧序列排序的识别数据的帧部分相关联的至少持续序列，使得相邻识别数据指代相邻帧，其中，各个识别数据在对应的帧部分包含多普勒激活像素时采用第一值，或者在对应的帧部分不包含多普勒激活像素时采用不同于第一值的第二值；
[0059]-在所述持续序列中，计算各个持续子序列的长度，持续子序列包括具有第一值的连续识别数据；
[0060]-基于所述持续子序列的长度分布参照n个帧的完整识别数据来计算参考阈值；
[0061]-针对n个帧中的每一帧识别第二图像数据集(seed)，以便将以下信息与对应帧中的各个像素位置相关联：
[0062]
o所述像素位置在帧n对应于所述持续子序列中具有大于所述阈值的长度的一个子序列以便表示具有真实多普勒信号的像素时属于所述第二类别的信息；或
[0063]
o所述像素位置在帧n对应于所述持续子序列中具有比所述阈值短的长度的另一个子序列以便表示伪影时属于所述第一类别的信息。
[0064]
该方法基于n个帧中的多普勒信号持续性和识别数据，该识别数据虽然属于指示多普勒激活的存在的第一值，但被认为是伪影，在n个帧中相对弱地持续，和被认为是属于指示多普勒激活的存在的第一值的识别数据，该数据在n个帧中更加持续。
[0065]
生成多普勒激活的时间持续序列的步骤被应用于各个帧的部分。根据一个实施例，这种区域是帧的单个像素，并且生成与视频格式的帧的像素(即，构成例如800
×
566格式的帧的像素矩阵)一样多的持续序列。各个持续序列包含视频的各个帧的识别数据。根据另外实施例，持续序列指代的帧的部分是具有多普勒激活的像素的连接分量。
[0066]
在该第二种情况下，特别地，需要执行对帧n和帧n+1上的包括所述第一类别的像素的连接分量执行搜索算法以定义所述帧部分的步骤，并且其中，生成持续序列的步骤包括以下步骤：比较帧n的第一连接分量的第一参数与帧n+1的第二连接分量的第二参数并且将第二连接分量与第一连接分量的第一持续序列相关联或者基于比较的步骤生成第二连
接分量的第二持续序列，以便获得对n帧与n+l帧之间的连接分量的跟踪，所述参数优选地是质心和/或表示第一连接分量和第二连接分量的重叠的参数和/或表示第一连接分量和第二连接分量的形状相似性的参数和/或第一连接分量和第二连接分量的大小或尺寸的参数。
[0067]
这样，连接分量使得能够执行多普勒激活区域的跟踪或追踪，并且在存在在多普勒数据获取期间变化的多普勒信号区域的情况下，提高了处理准确度。
[0068]
根据优选实施例，当帧部分是像素时，该方法包括以下步骤：基于与第n帧有关的第二图像数据集(seed)对至少一个第n帧执行分割算法，以利用包含多普勒信号的另外的像素扩展所述第二图像数据集，另外的像素先前已经被消除了表示伪影的像素。特别地，还关于表示真实多普勒信号的像素对各个帧的第二数据集执行连接分量的研究，并且对于各个帧，视频帧的连接分量和真实多普勒信号的真实多普勒信号像素的连接分量重叠，并且如果已经定义了例如90％的重叠阈值，则通过重叠测试的视频帧的连接分量被保留，并且未通过重叠测试并且因此被认为是伪影的视频帧的多普勒激活的连接分量的像素被禁用，例如被修改。
[0069]
特别地，发现第二图像数据集往往低估具有真实多普勒信号的像素(即，排除与伪影相关的像素)的表示区域的范围。为了增加原始帧的处理精度，因此应用分割算法来扩展第二图像数据集，以便附加先前已经消除了多普勒信号的额外像素，如先前段落所示，这些像素被认为表示伪影。
[0070]
根据优选实施例，所获取的各个帧可以由三维矩阵表示，其中，第一维表示垂直轴上的像素数量，第二维表示水平轴上的像素数量，最后第三维表示通道(r，g，b)的数量，因此通过值的三元组描述各个像素。
[0071]
根据本发明的实施例，去噪方法的步骤2的表示包含多普勒信号的像素的彩色像素的识别可以通过将组成帧的像素的r、g、b值划分成群集并选择不落入识别超声机单色尺度的群集中的这些像素来实现。
[0072]
根据本发明的另一实施例，去噪方法的步骤2的彩色像素的识别还可以通过选择r和g、g和b或r和b通道的强度之间的差大于或等于预定义阈值的像素来实现。
[0073]
根据优选实施例，阈值被计算为分布的第90百分位，因为目的是获得多普勒信号的最小激活长度值，使得大于该阈值的激活序列长度被假定为对应于真实信号，而小于该阈值的激活序列长度被假定为伪影。
[0074]
根据另一优选实施例，当通过跟踪包含在帧内的封闭且分离的多普勒区域(即连接分量)的时间持续性来导出多普勒信号的最小值激活长度时，阈值被计算为第98百分位。
[0075]
根据另一实施例，帧部分的两个实施例的阈值被计算为平均值与代表性多普勒激活子序列的长度在对数上的双标准偏差的和，以补偿分布不对称。
[0076]
根据优选实施例，在定位真实信号的步骤中，去噪帧中的可见结果可以包含具有原始帧的颜色通道[r，g，b]的值的多普勒信号像素，而其他像素将假定三个通道上的平均值落入灰度表示中。
[0077]
根据优选实施例，在区域生长步骤中，使用形态侵蚀方法，接着是形态膨胀方法，核直径或边为5个像素，阈值为10％。
[0078]
根据优选实施例，存在显示第n帧的步骤，其中，保留对应于真实多普勒信号的像
素，并且修改对应于伪影的像素，例如呈现预定义的灰度值，以便不被显示为多普勒激活像素。
附图说明
[0079]
下面将参考附图仅出于示例的目的描述本发明的优选实施例，附图中：
[0080]
图1示出了从回波多普勒型视频中提取的帧示例；
[0081]
图2示出了识别左侧的彩色像素和对应的图像数据集(例如右边的二元掩模)的示例；
[0082]
图3示出了相对于右边的帧的左边的seed的示例；
[0083]
图4示出了本发明中描述的方法的步骤7的四个子步骤，其中，如果从左上开始并顺时针进行，则可以看到连接分量识别、膨胀操作结果、彩色像素计算和在形成本发明中描述的方法的步骤的执行结束时的帧的最终结果；
[0084]
图5a至图5e在左边示出了从超声视频中提取的帧的示例，在右边示出了在由本发明的方法操作的用于在超声视频中可检测到的某些类型的伪影的去噪过程结束时的对应帧；
[0085]
图6示出了时间序列中的多个帧的示意性概览，其中对应的图像数据集与相应的帧相关联；
[0086]
图7示出了回波多普勒型视频的两个连续帧之间的信号与噪声时间变化的示例；以及
[0087]
图8示出了去噪过程的流程图。
具体实施方式
[0088]
图1示出了属于回波多普勒视频的单个帧的示例，其中，可以识别左上图像区域中的真实多普勒信号存在和在特定情况下表示囊肿的图像下部分中的暗区域内的伪影存在。
[0089]
在以下描述中，将根据优选实施例的示例进一步详细分析本发明的分析超声视频的方法所包括的步骤，该方法被设计为去除可能位于真实信号侧面和/或与真实信号重叠的多个伪影。
[0090]
回波多普勒视频输入获取
[0091]
在这个步骤中，以帧的分组的形式获取超声视频，或者可以直接获取将由算法本身解包的视频，由算法进行的单帧的分析将导致通过所有帧的连续的时间持续性的评估。各个帧可以被表示为三维矩阵，其中，第一维表示垂直轴上的像素数量，第二维表示水平轴上的像素数量，并且第三维表示颜色通道数量[r，g，b]。因此，各个像素的值可以由范围0、255中的值的三元组来描述。
[0092]
包含多普勒信号的像素识别
[0093]
为了将真实多普勒信号与由伪影引起的噪声分离，对于回波多普勒视频中包括的所有帧，需要在各个帧内隔离整个多普勒激活(真实+伪影/噪声)。该操作的结果将导致对于各个帧识别两个数据集，第一数据集包含多普勒激活(彩色像素)，第二数据集包含超声信号(灰度或单色)。
[0094]
上面对于包括在超声视频中的所有帧识别的两个集合的联合可以通过尺寸为n个
帧
×
垂直轴上的n个像素
×
水平轴上的n个像素的矩阵来表示。
[0095]
详细地，在该步骤中，对于各个帧识别彩色像素，即包含多普勒激活的像素，并且此后生成图像数据集，其中，包含多普勒激活的像素(彩色像素)具有值1，而其他像素(灰度或单色像素)具有值0。
[0096]
通过选择r和g、g和b或r和b通道的强度之间的差异的模数大于或等于预定义阈值的那些像素，可以识别彩色像素。根据优选实施例，该阈值被识别为|r-g|》＝30v|r-b|》＝30v|g-b|》＝30。原因是由于计算速度要求以及由于不需要将已知颜色分配给承载多普勒信号的彩色像素以便识别检查中的像素落在两个数据集中的哪个数据集中。通过通道强度的差异进行识别的替代方式是机器学习方法。
[0097]
根据该方法，帧中的所有像素通过颜色被分成单独的集合，然后合并成两个子集：第一个子集包括在多普勒谱中发现的所有颜色集(彩色像素)，而第二个子集包括灰度超声特有的颜色集。这些操作的基础是给定视频中多普勒信号显示的特定色调的先验知识。针对各个像素的该颜色标签分配可以通过无监督的聚类操作或者借助于被训练为提取图像内的主要颜色的分类器/神经网络来完成。
[0098]
在其一个实施方案中，该方法包括：
[0099]
(1)将诸如k均值的无监督聚类方法初始化为像素[r，g，b]的像素值的分布；
[0100]
(2)一旦像素被分组到群集中，则计算质心，质心被定义为群集的中心[r，g，b]三元组——群集的最具代表性的三元组；
[0101]
(3)通过扩展到组成给定群集的所有像素将颜色标签分配给各个质心；该操作可以通过计算各个质心在颜色空间中与已知颜色标签的距离(ciede2000)并选择与质心距离较短的已知标签作为标签来完成。
[0102]
(4)将具有不同于灰度值的颜色标签的所有像素(包括白色和黑色)放置在同一集合中，并且将具有灰度值的像素放置在另一集合中。
[0103]
这些方法需要计算能力，并且在无监督方法的情况下，还需要多普勒信号在视频中可以呈现的色度的先验知识，以用于标签的创建。因此，存在对多普勒信号在视频中可以呈现的颜色的特性的依赖。因此，存在对所使用的超声机的特征和设置以及多普勒、彩色多普勒而不是功率多普勒的类型的依赖。当例如在分析伪影时要保留颜色信息时，例如为了能够观察到示出接近方向(通常为红色)的像素滤波，该方法是优选的。
[0104]
图2中示出了使用强度差异识别方法的彩色像素识别步骤的示例。图像的左侧示出了所检查的帧，而图像的右侧示出了属于图像数据集的对应元素，在图像数据集中，与帧中识别的彩色像素相对应的亮区域和其他像素的暗区域是可见的。
[0105]
激活序列识别(第二类别)
[0106]
构成本发明方法的基础的假设是，多普勒伪影、噪声具有时间持续性，即，以帧表达的持续时间，其短于所检查的给定回波多普勒视频的真实信号。
[0107]
为了量化多普勒信号时间持续性，通过两个操作来计算各个像素的“多普勒激活”长度。
[0108]
根据第一实施例，该步骤的输入是在前一步骤中产生的大小为n(帧)
×
垂直轴n个像素
×
水平轴n个像素的二元图像的矩阵。首先，对于矩阵中的各个像素，填充激活向量，其被定义为长度为n(等于视频的帧数)且基数为[0，1](可以根据各个像素是否着色而由各个
像素采用的值)的向量，其中，对于各个帧，各个向量元素将用帧的对应像素值来赋值。所述值对应于第一类信息(即，对于没有多普勒激活的像素为0)和第二类信息(即，对于具有多普勒激活的像素为1或“不为0”)(图6)。
[0109]
随后，对于各个向量，计算激活序列长度(1或“不为0”的连续序列——第二类别)以及其中各个序列持续(或消失)多普勒而不中断的帧数。
[0110]
根据这些操作的应用，所获得的结果可以描述为大小为垂直轴上的n个像素
×
水平轴上的n个像素的矩阵，其中，各个矩阵元素是不同长度的持续向量1。不同持续向量长度的原因是由于对于各个像素检测到的激活/去激活的数量。各个向量元素将是一对值(计数，值)，其中，值是指序列的值(0，1)，而计数是指序列中的帧数。
[0111]
例如，假设视频被分成20个帧，并且考虑具有坐标x1、y1的像素，如上所述，其激活向量被定义为：
[0112]
[0,0,0,1,1,0,0,0,0,0,1,1,1,1,1,0,0,1,1,1]。
[0113]
对应的持续时间(或持续性)向量将具有长度6(等于激活向量中的激活/去激活序列的数量)，并且将由以下对(计数，值)组成：
[0114]
[(3,0),(2,1),(5,0),(5,1),(2,0),(3,1)]
[0115]
根据另一优选实施例，可以通过跟踪帧内封闭且分离的多普勒区域(即多普勒区域的连接分量)的时间持续性而不是使其位于单个像素上来实现多普勒信号时间持续性。
[0116]
在属于多普勒型超声视频的帧内，可以在作为超声扫描对象的感兴趣区域内识别由灰度(或单色)像素限定的区域和由彩色像素限定的区域，灰度(或单色)像素将被称为非多普勒像素，表示多普勒型信号，彩色像素将被称为多普勒像素，表示多普勒型信号。多普勒像素还可以根据表示真实多普勒激活的多普勒像素和表示伪影的多普勒像素来区分，其中，表示真实多普勒激活的多普勒像素将被称为真实多普勒像素，表示伪影的多普勒像素将被称为伪影多普勒像素。
[0117]
连接分量是指存在于图像中的不同对象的识别，其中，各个所述对象具有由满足相同相邻关系(称为连接)的像素集形成的特性。
[0118]
可以借助于能够识别帧内像素的特性、标记它们并确定它们是否应该被分组到将被表示为具有特定形状的对象的单个集合中的算法来识别帧内的连接分量。这些算法允许例如基于诸如形态、质心距离或重叠的准则来区分属于真实多普勒像素类别的像素与属于伪影多普勒像素类别的像素。一旦已经识别了给定帧中的连接分量，该算法族就允许以能够区分属于相同连接分量的对象的这种方式在随后的帧中跟踪它们，即使当它们在随后的帧中变得失真或破碎时。另外，如果它允许识别这些连接分量，则当伪影在随后的帧中不再可见时滤除它们。
[0119]
基础的必要性来自多普勒型超声视频的不同实施方案。实际上，在静态视频的情况下，探针不移动，并且感兴趣区域和血管总是覆盖沿着构成视频的帧序列的相同区域。在这种情况下，通过考虑视频的所有帧的二元图像矩阵中的相同的行和列值，可以逐像素地确定时间持续性。相反，在产生其中探针在获取阶段期间进行移动的视频的情况下，背景不再沿着构成视频的帧序列是静态的，并且单个像素不维持连续帧之间的固定对应性。在这种情况下，可以通过考虑沿着组成视频的帧序列存在的连接分量来执行时间持续。
[0120]
一旦整个多普勒激活已经被隔离(考虑到真实和伪影/噪声信号)，在如前一段落“包含多普勒信号的像素识别”中描述的各个帧内，通过两个主要步骤识别连接分量。
[0121]
在第一初始化阶段，识别位于与视频的对应帧相关联的第一非空二元掩模中的所有连接分量(对象)。
[0122]
对于该掩模，对于各个识别的分量计算矩形边界框的质心或连接分量本身的质心，并且用以下信息初始化与分量相关联的向量v0：
[0123]-唯一识别符；
[0124]-矩形边界框或连接分量本身的质心；
[0125]-在当前掩模内界定分量的矩形的坐标；
[0126]-大小等于帧的总长度的向量v1，当对象存在于相关帧中时，该向量将包含由对象占据的坐标(行和列)的指示，其中，在该初始化阶段，由当前帧中的对象占据的坐标(行和列)被存储为第一元素；
[0127]-指示所述对象是否仍然被跟踪的布尔信息b
v0
被初始化为将对象标记为被跟踪的值。值的示例是t、1、y、s等；
[0128]-指示其中对象在其第一次出现之后不再可见的帧数量的渐进i
v0
；
[0129]-尺寸等于构成视频的帧的总长度的向量v2，其中，各个元素在被设置时示出相关帧中的对象的存在。
[0130]
参考图7，假设左边的图像表示第一非空二元掩模，初始化阶段将检测掩模内4个分量的存在：s(tn)、n1(tn)、n2(tn)、n3(tn)。对于这些分量中的每一个，初始化向量，分别是向量v
s(tn)
、v
n1(tn)
、v
n2(tn)
、v
n3(tn)
，包含如上所述的信息。
[0131]
对于在初始化阶段所识别的二元掩模之后的各个二元掩模，应当确定存在于当前掩模tn+1中的对象是否表示新对象，而不是作为在先前掩模tn中识别的一个移动对象被跟踪。为了实现这个结果，将需要：
[0132]-定位当前掩模tn+1中的所有对象；
[0133]-对于属于掩模tn+1的各个对象确定对掩模tn+1内的分量进行界定的矩形的质心和坐标；
[0134]-对于tn与tn+1之间的所有可能的对象对，计算质心之间的距离和坐标之间的重叠值。
[0135]
一旦已经计算了上述值，如果满足以下条件中的至少一个，则位于掩模tn+1中的ot
n+1
对象将被识别为前一掩模tn中的对象：
[0136]-存在对象otn，其对(otn，ot
n+1
)的重叠值至少等于预定阈值ts；
[0137]-存在对象otn，其对(otn，ot
n+1
)的坐标之间的距离最多等于阈值td。
[0138]
可以使用额外的比较准则来确定给定掩模中的对象是否可以被识别为与先前掩模相同的对象，诸如：形状特征和重叠对象掩模的相似性。根据算法的实施例，对象otn与对象ot
n+1
的像素大小的差异小于给定阈值tm。
[0139]
如果对象ot
n+1
被识别为前一掩模中的被跟踪对象，则用对象ot
n+1
的特性来更新相关初始化向量：
[0140]-通过添加包含由对象ot
n+1
在当前帧中占据的坐标(行和列)的新元素来更新向量v1；
[0141]-通过设置对应于所检查帧的元素值来更新向量v2。
[0142]
如果当前掩模tn+1中的多个对象被识别为先前掩模的跟踪对象，则用这些对象的相应特性对于各个对象更新v1和v2向量。
[0143]
在对象ot
n+1
被识别为先前掩模中的非跟踪对象的情况下，通过以与初始化阶段期间描述的相同方式定义新vo向量来跟踪新对象。
[0144]
存在于二元掩模tn+1中的在二元掩模tn+1中不再具有匹配的对象也被如下更新：
[0145]-将指定是否跟踪对象的布尔特性b
v0
设置为指示不再跟踪该对象的值。值的示例是f、0、n等。
[0146]-将在出现不再跟踪对象之后的表示帧数量的渐进i
v0
增加1。对于给定数量的帧，设置容许阈值，由此即使对于一定数量的帧对象消失，也跟踪对象。
[0147]
根据一个实施例，容许阈值被定义为考虑对象可能在给定数量的帧中消失并且然后在后续帧中重新出现的可能性。该阈值允许处理该事件，使得将暂时消失的对象视为单个被跟踪对象，而不是两个单独的对象。根据一个实施例，阈值为0，因此对象在整个帧序列中消失和重新出现的事件被作为两个单独的对象来处理。
[0148]
图7示出了两个连续帧之间的信号与噪声时间变化的示例。
[0149]
根据先前对连接分量的识别的描述，并假设二元掩模tn是第一非空掩模，则：
[0150]-在初始化阶段期间，将定义4个向量v01、v02、v03、v04，分别与对象s(tn)、n1(tn)、n2(tn)、n3(tn)相关联，并如上所述地将其设置为具有其相应特性的值；
[0151]-在随后的掩模tn+1中，劣化信号，导致与tn中存在的情况相比的新对象[s1(tn+1),s2(tn+1),s3(tn+1)]的出现和其它[n2(tn),n3(tn)]的消失；
[0152]-在跟踪后续掩模tn+1结束时：
[0153]
o对象s1(tn+1)、s2(tn+1)、s3(tn+1)将被跟踪为对象s(tn)的连接分量，并且它们的特性将在时间t初始化的向量v01上被更新；
[0154]
o对象n1(tn+1)应被跟踪为对象n1(tn)的连接分量，并且其特性将在时间t初始化的向量v02上被更新；
[0155]
o掩模tn中在掩模tn+1中不再具有匹配的对象n2(tn)、n3(tn)将被更新为不再被跟踪。
[0156]
激活序列长度分布的参考阈值计算
[0157]
该步骤的目的是获得最小多普勒激活长度值，使得比阈值长的激活被认为属于真实多普勒信号，而比阈值短的激活与伪影相关联。这个步骤从在前一步骤中计算的持续时间(或持续性)向量的n像素维度集开始。然而，在该步骤中，将仅考虑激活长度值，并且将忽略去激活长度。
[0158]
继续进行在前一步骤中定义的这个示例，其中我们发现沿着构成超声视频的20个帧的相对于像素x1、y1的持续向量：
[0159]
[(3,0),(2,1),(5,0),(5,1),(2,0),(3,1)]。
[0160]
将仅考虑激活长度，即。
[0161]
[(2,1),(5,1),(3,1)]，
[0162]
并且从这些可以将持续时间的集合定义为：
[0163]
[2,5,3]。
[0164]
对组成帧的所有像素进行该过程。在所有像素的全部激活持续时间的分布上，将
参考阈值作为正态分布的90％值或(均值+1.282*标准偏差)来计算。
[0165]
当通过跟踪帧内封闭和分离的多普勒区域的时间持续性来获得最小多普勒信号激活长度时，阈值被计算为第98百分位。
[0166]
真实信号seed定位
[0167]
一旦定义了阈值，就必须对于各个帧定位真实信号坐标，多普勒信号种子(seeds)。
[0168]
对于各个像素，考虑先前计算的激活序列的向量，并将其与阈值进行比较，如下：
[0169]-长度大于或等于阈值的序列保持“接通”(在激活向量序列中保持像素值＝1)；
[0170]-较短长度的激活序列被“断开”(通过针对那些激活序列设置像素值＝0，尽管“接通”未达到被认为属于真实多普勒信号的阈值)。
[0171]
继续进行先前步骤中定义的示例，并假设先前步骤产生阈值4，可以看出，在像素x1、y1的激活长度的向量中：
[0172]
[(3,0),(2,1),(5,0),(5,1),(2,0)，(3,1)]
[0173]
仅序列具有超过阈值的持续时间：
[0174]
(5,1)。
[0175]
因此，最初计算为
[0176]
[0,0,0,1,1,0,0,0,0,0,1,1,1,1,1,0,0,1,1,1]
[0177]
的激活向量在该步骤结束时将变成
[0178]
[0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,0,0,0,0,0]，
[0179]
如上所述。
[0180]
在该步骤结束时，将生成尺寸为n个帧
×
垂直轴上的n个像素
×
水平轴上的n个像素的矩阵，其中，对于各个帧，如果相对激活序列至少等于阈值，则各个像素将具有值1，否则为0。
[0181]
真实信号定位
[0182]
该步骤考虑在包含多普勒信号的像素的识别步骤中定义的尺寸为n个帧
×
垂直轴上的n个像素
×
水平轴上的n个像素的矩阵，其中，对于矩阵的各个帧，我们将使用在前一步骤中定义的图像数据集(例如二元掩模)来隔离在对应的原始视频帧中的真实多普勒信号(获得去噪的帧)。对于各个帧，通过考虑在前一步骤中获得的图像数据集的值为1的像素坐标并取对应于原始帧中的各个坐标的[r，g，b]通道值的相关三元组，或者通过将二元掩模乘以原始帧，属于原始帧的像素的[r，g，b]值将保持为真实信号。
[0183]
可能的去噪帧视图是多普勒信号像素保持原始帧的[r，g，b]通道值并且因此是彩色的，而其他像素采用原始帧中的三个[r，g，b]通道像素的平均值并且因此是灰度的。
[0184]
图3在左边(图3a)示出了针对给定帧的信号seed的示例，该信号seed被获得为仅保留长度至少等于阈值的像素的激活序列(第二类别像素)。图3在右边(图3b)示出了由将seed应用于图1中的原始帧而产生的帧。可以看到对应于真实信号的彩色像素，而伪影已经以灰度掩盖。
[0185]
分割和扩展
[0186]
先前的真实信号定位步骤返回包含真实多普勒信号的像素坐标。然而，返回的真实信号区域可能不被正确地估计，而是被低估。例如作为去除与信号重叠的伪影的结果，这也导致属于真实信号的像素的去除。可能涉及属于信号的像素被去除的其它示例可能是由
于操作者的探针移动，其导致血管的外周像素在后续帧中变得更薄，或者是由于信号本身的脉动。
[0187]
为了正确地识别在种子定位过程中识别的信号区域边缘，从各个种子(诸如在前一步骤结束时识别的信号区域/坐标)开始，将来自重叠各个种子的原始视频的连接的多普勒激活分量附接到信号区域/坐标。例如，根据第一分割算法的以下操作，对各个帧执行这个操作：
[0188]
a.选择对应的激活图像数据集，其中，值＝1表示彩色像素，并且值＝0表示其他像素(在该方法的步骤2中获得的结果)。应当注意，从该图像数据集中，对应于伪影的像素还没有被“断开”(图2b)。
[0189]
b.向图像数据集应用形态侵蚀操作，以便尽可能多地将真实信号的主要连接分量与那些与伪影相关的分量分离。在该实施例中，利用5像素直径的圆形核来应用侵蚀(图4a)。
[0190]
c.在点b的图像数据集中，识别和标记连接分量，即，由n个大于1的像素形成的各个宏观分量相邻且连接(图4a——具有其颜色的连接分量)具有相对颜色的连接分量)。
[0191]
d.基于图像数据集选择图4a的连接分量，在该图像数据集中仅保留了长度至少等于阈值的像素的激活序列(第二类别像素——图3a)。例如，基于与图3a的数据和图4e的数据重叠的数据，仅保持由箭头指示的最亮区域，因为与图3a的激活像素重叠的像素的百分比在预定阈值之上。
[0192]
e.对于基于第二类别像素(图3a)选择的各个连接分量，应用形态膨胀操作，其程度与先前的侵蚀应用相同(作为侵蚀的逆操作恢复侵蚀)。在本实施例中(图4b)，扩展是利用5像素直径的圆形核来应用的。
[0193]
当需要在屏幕上显示扩展图像时，从图4b开始执行以下步骤：
[0194]
对于各个扩展的连接分量，对其包含的滤波存活多少像素(根据前一步骤，包含真实信号的像素)进行计数；
[0195]
如果彩色像素的数量大于或等于给定阈值，则在新的去噪帧中，将颜色扩展到整个分量，从而向像素分配原始帧中的对应[r，g，b]值。在该实施例中，最佳阈值被设置为10％。
[0196]
根据替代实施例，图3a的区域被如下地扩展(未示出)：
[0197]
将图3a中的图像数据(第二类别)与有关的原始帧(图1)重叠以便定义种子；
[0198]
基于种子，例如区域生长，将分割算法应用于原始帧，以识别图3a是种子的最大区域。
[0199]
即使以这种替代方式，也可以获得原始帧中多普勒信号的更大区域表示，因为之前已经去除了伪影，特别是运动伪影，并且已经识别了具有低估扩展的多普勒区域，即图3a。
[0200]
最后，图5示出了本发明中描述的方法的一些实施例，用于通过将原始帧与其去噪帧并排放置来从超声视频的帧中去除伪影。
[0201]
在左边示出了应用去噪之前的帧，在右边示出了应用去噪之后的帧。注意，被认为是“伪影”的彩色像素已经被灰度像素所代替。这五个视频被选择，因为它们包含不同类型的伪影，它们在它们内示出不同的解剖对象，并且它们具有不同的特性。在其原始大小，各
个帧是800
×
566像素。总之，彩色像素被识别为在r、g、b通道之间示出至少30个点的强度差异的那些像素。所选择的激活阈值是该视频中的各个像素的所有激活长度的90％。
[0202]
图5a：去除闪光伪影的示例。该视频由以57fps记录的113个帧组成；该算法已经设置17个连续激活帧的接受阈值。
[0203]
图5b：去除闪光伪影的示例。该视频由以13fps记录的70个帧组成；该算法已经设置11个连续激活帧的接受阈值。
[0204]
图5c：去除闪光伪影的示例。该视频由以57fps记录的138个帧构成；该算法已经设置16个连续激活帧的接受阈值。
[0205]
图5d：去除伪流伪影的示例。该视频由以57fps记录的499个帧组成；该算法已经设置19个连续激活帧的接受阈值。
[0206]
图5e：随机和模糊伪影去除的示例。该视频由以57fps记录的229个帧构成；该算法已经设置14个连续激活帧的接受阈值。
[0207]
根据本实施例，具有其对应像素的n帧重叠，并且在p
×
q位置(高度
×
宽度)中的相对第j个像素是对应的，因为各个帧具有相同的尺寸，并且例如基于机器执行超声视频，稳定性高。
[0208]
图8示出了多普勒视频的伪影去除方法流程图，其中，可见上述步骤序列，并且其允许获得没有伪影或显著减少伪影的视频。

技术特征：
1.一种用于从多普勒型超声视频中去除伪影的计算机实施的去噪方法，包括以下步骤：-获取组成超声视频的多个(n个)帧；-对于所述n个帧中的每一帧识别第一像素类别，其表示包含超声信号的第n帧的第一像素；以及第二像素类别，其表示包含多普勒激活的第n帧的第二像素；-对于属于所述多个帧的每一帧生成第一图像数据集合，以便将对应帧的各个像素位置与至少第一或第二类别相关联，以便对所述对应帧的所述像素进行分类，并且对于各个帧识别包含多普勒激活的所述像素；-生成与包含根据帧序列排序的识别数据的帧部分相关联的至少持续序列，使得所述序列中的相邻识别数据指代连续帧，其中，各个识别数据在对应的帧部分包含多普勒激活像素时采用第一值，或者在所述对应的帧部分不包含多普勒激活像素时采用不同于所述第一值的第二值；-在与所述帧部分相关联的所述持续序列中，计算各个持续子序列的长度，所述持续子序列包括具有所述第一值的连续识别数据；-基于所述持续子序列的长度分布参照所述n个帧的完整识别数据来计算参考阈值；-针对所述n个帧中的每一帧识别第二图像数据集(seed)，以便将以下信息与所述对应帧中的各个像素位置相关联：o所述像素位置在帧n对应于所述持续子序列中具有大于所述阈值的长度的一个子序列以便表示具有真实多普勒信号的像素时属于所述第二类别的信息；或o所述像素位置在所述帧n对应于所述持续子序列中具有比所述阈值短的长度的另一个子序列以便表示伪影时属于所述第一类别的信息。2.根据权利要求1所述的去噪方法，其中，所述帧部分是所述帧的像素，并且所述生成步骤包括生成多个持续序列的步骤，各个持续序列用于多个帧格式的各个像素。3.根据权利要求1所述的去噪方法，包括以下步骤：执行用于搜索帧n和帧n+1上的包括所述第一类别的像素的连接分量的算法以定义所述帧的所述部分，并且其中，生成持续序列的步骤包括以下步骤：比较帧n的第一连接分量的第一参数与帧n+1的第二连接分量的第二参数并且将所述第二连接分量与所述第一连接分量的第一持续序列相关联或者基于比较的所述步骤生成所述第二连接分量的第二持续序列，以便获得对所述帧n与所述帧n+l之间的所述连接分量的跟踪，所述参数优选地是质心和/或表示所述第一连接分量和所述第二连接分量的重叠的参数和/或表示所述第一连接分量和所述第二连接分量的形状相似性的参数和/或所述第一连接分量和所述第二连接分量的大小或尺寸的参数。4.根据权利要求2所述的去噪方法，其中，识别所述第二图像数据集(seed)的所述步骤基于针对连接分量的搜索算法来执行，以识别表示真实多普勒信号的区域，并且包括以下步骤：基于对超声视频的至少一个第n帧上的所述第二类别的像素的连接分量的搜索来执行分割算法，基于重叠准则来比较所述第二类别的所述连接分量和表示所述真实多普勒信号的连接分量，以及去激活不满足所述重叠准则的所述第二类别的所述连接分量以获得表示所述真实多普勒信号的所述连接分量的区域生长效应。5.根据权利要求1所述的去噪方法，其中，识别第二像素类别的所述步骤根据多个子类别来执行，一个子类别用于存在于所述帧中的各个多普勒激活颜色。
6.根据权利要求1所述的去噪方法，其中，识别第二类别像素的所述步骤通过聚类来执行。7.根据权利要求1所述的去噪方法，其中，识别第二类别像素的所述步骤通过经由r、g、b通道的强度差异进行选择来执行。8.根据权利要求2所述的去噪方法，其中，所述阈值计算步骤通过以下方式来执行：计算连续识别数据具有第一代表性多普勒激活值的子序列的长度分布的第90百分位，或者基于连续识别数据具有多普勒激活的第一代表性值的子序列的长度的平均值与两倍标准偏差的和。9.根据权利要求3所述的去噪方法，其中，计算阈值的所述步骤通过计算激活长度的分布的第98百分位或者基于连续识别数据具有多普勒激活的第一代表性值的子序列的长度的平均值与两倍标准偏差的和来执行。10.根据权利要求1所述的去噪方法，其中，阈值计算通过对由先前的步骤产生的各个像素进行颜色标记并且使用被训练为提取图像中发现的主要颜色的分类器来执行。11.根据权利要求1所述的去噪方法，其中，去噪帧在被表示为彩色时具有与原始帧的r、g、b通道的值相等的r、g、b通道的值，并且在被表示为灰度时具有平均值。12.根据权利要求4所述的去噪方法，其中，所述区域生长借助于利用直径或边长为5个像素的核以及10％的阈值的形态侵蚀和扩展的方法来执行。13.根据权利要求1所述的去噪方法，其中，所述帧可被表示为三维矩阵。14.根据前述权利要求中任一项所述的方法，包括显示第n帧的步骤，在所述第n帧中，保持与真实多普勒信号相对应的像素并且修改与伪影相对应的像素。

技术总结
一种用于从多普勒型超声视频中去除伪影的计算机实施的去噪方法包括以下步骤：获取组成超声视频的多个(n个)帧；识别包含多普勒激活的像素；对于属于所述多个帧的每一帧生成第一图像数据集合，以便将对应帧的各个像素位置与至少第一或第二类别相关联，以便对对应帧的像素进行分类，并且对于各个帧识别包含多普勒激活的像素；生成与包含根据帧序列排序的识别数据的帧部分相关联的至少持续序列，使得序列中的相邻识别数据指代连续帧，其中，各个识别数据在对应的帧部分包含多普勒激活像素时采用第一值，或者在对应的帧部分不包含多普勒激活像素时采用不同于第一值的第二值；在所述持续序列中，计算各个持续子序列的长度，所述持续子序列包括具有第一值的连续识别数据；自动计算参考阈值；如果后者属于低于阈值的持续序列则消除多普勒像素。列则消除多普勒像素。列则消除多普勒像素。


技术研发人员：D
受保护的技术使用者：辛迪亚格有限责任公司
技术研发日：2021.12.15
技术公布日：2023/10/15