基于圖像的跟蹤的制作方法
【專利摘要】本發(fā)明描述了便于圖像運動分析的系統(tǒng)和方法。根據(jù)第一圖像運動分析技術(shù)，根據(jù)局部仿射模型來變形第一圖像。比較變形后的第一圖像和第二圖像，尋找變形后的第一圖像與第二圖像之間匹配的圖案。根據(jù)所述圖案估計運動參數(shù)的值。根據(jù)第二圖像運動分析技術(shù)，把圖像序列轉(zhuǎn)換成輸入矩陣。輸入矩陣的列對應(yīng)于與圖像序列相關(guān)的向量化的圖像。利用低秩矩陣逼近輸入矩陣，低秩矩陣的秩小于輸入矩陣。檢測低秩矩陣的一個或者多個離異值。
【專利說明】基于圖像的跟蹤
[0001]相關(guān)申請的交叉引用
[0002]本申請要求于2011年6月9日提交的題為“An Affine Warping Method to Solvethe Feature Motion Decorrelation Problem in Ultrasound Image Based Tracking，，的美國臨時專利申請編號61/457，813的優(yōu)先權(quán)。本申請還要求于2012年I月12日提交的題為“Method of Image Analysis Based on an Ultrasound Image Sequence for AutomaticMitral Leaflet Tracking”的美國臨時專利申請編號61/631，815的優(yōu)先權(quán)。
【技術(shù)領(lǐng)域】
[0003]本公開主要涉及到圖像分析，更具體地涉及圖像運動分析的簡易化。
【背景技術(shù)】
[0004]軟組織的力學性質(zhì)與各種病癥相關(guān)。例如，癌組織往往比非癌組織更硬，肝硬化的肝組織比正常肝組織更硬，缺血性心臟往往表現(xiàn)出心肌組織的異常收縮/松弛。力學性質(zhì)和病癥之間的相關(guān)性，可以幫助病癥診斷。
[0005]彈性成像是一種無創(chuàng)性的方法，用于測量軟組織的力學性質(zhì)，該方法有利于各種病癥的診斷。在對軟組織施加機械力的之前和之后的圖像被采集。這些圖像有相關(guān)性，組織的運動或變形可以通過運動跟蹤算法進行推算。
[0006]一個可用于彈性成像的運動跟蹤算法的例子是散斑跟蹤。在成像模式為超聲成像時，當發(fā)射的超聲波被組織反射并相互干涉時形成散斑。散斑追蹤是基于散斑圖案在組織運動前后保持不變的假設(shè)。散斑圖案保持不變的假設(shè)被用作運動跟蹤算法的基礎(chǔ)，但是，散斑圖案在組織變形后是會發(fā)生變化的。由于組織變形后散斑圖案的變化(“特征運動去相關(guān)”)，散斑跟蹤算法不能揭示真正的組織運動。因此，散斑跟蹤算法不能準確估計組織的運動以及不能正確地推斷出力學性質(zhì)。
[0007]運動跟蹤與幾何形狀也可用于各種病癥的診斷。例如，二尖瓣是位于心臟的左心房和左心室之間的薄瓣膜結(jié)構(gòu)，用于控制血流方向。二尖瓣相關(guān)的疾病，如二尖瓣反流，是最常見的心臟瓣膜病。對心臟進行成像并且獲取患者的具體二尖瓣幾何特征，以及跟蹤二尖瓣的運動，可以便于診斷心臟瓣膜病和/或協(xié)助瓣膜修復(fù)的手術(shù)治療。
[0008]在各種成像模式中，實時三維超聲心動圖提供了一種無創(chuàng)性的方法來模擬二尖瓣的三維幾何和捕捉它的快速運動。為了生成一個完整的二尖瓣模型，需要在整個超聲心動圖序列中跟蹤二尖瓣瓣葉。為了跟蹤諸如二尖瓣瓣葉之類的對象，在整個圖像序列中該對象被定位并分割。二尖瓣瓣葉的定位和分割可以手動完成，但手動劃分是勞動密集的，并且容易產(chǎn)生很大的方差。尤其對于三維圖像方差很大，因為操作者每次僅可以顯示和處理體數(shù)據(jù)的二維投影或截面。跟蹤算法能夠在自然圖像分析中跟蹤一定物體。然而，跟蹤二尖瓣瓣葉是非常困難的，并且現(xiàn)在沒有方法用于這樣的跟蹤。因為缺乏可靠的特征以及瓣膜快速且不規(guī)則的運動，很難跟蹤二尖瓣。
[0009]以上背景描述僅僅是為了提供關(guān)于運動跟蹤算法的背景信息的概述，并非是詳盡的。其他的背景在回顧以下詳細描述的非限制性實施例的一個或多個后有可能進一步被顯現(xiàn)。

【發(fā)明內(nèi)容】

[0010]下面提供了說明書的簡化總結(jié)，以便提供對說明書的某些方面的基本了解。本概要并非說明書的廣泛概述。它的目的既不是確定說明書的主要或關(guān)鍵要素，也不是劃定說明書的具體實施例的任何范圍，或者權(quán)利要求的任何范圍。其唯一目的是以簡化的形式提供說明書的一些構(gòu)思，作為稍后提出的更詳細說明的開頭。
[0011]根據(jù)一個或多個實施例和對應(yīng)的公開，與圖像運動分析技術(shù)的簡易化相關(guān)地描述了各種非限制性方面。非限制性實施例通過特征運動去相關(guān)來便于確定力學性質(zhì)。另外的非限制性實施例通過不依賴于用戶交互和訓(xùn)練數(shù)據(jù)的分割來便于物體跟蹤。
[0012]根據(jù)一個非限制性的方面，描述了便于通過彈性成像確定組織力學性質(zhì)的系統(tǒng)和方法。根據(jù)非限制性實施例，描述了包括圖像形變組件和估計組件的系統(tǒng)。圖像形變組件配置成根據(jù)局部仿射模型來變換圖像從而產(chǎn)生變換后的第一圖像。估計組件配置成根據(jù)預(yù)設(shè)的匹配測度來尋找變換后的第一圖像與第二圖像之間匹配的圖案。估計組件還配置成基于該圖案估計運動參數(shù)。所述系統(tǒng)包括存儲各種組件的存儲器和執(zhí)行一個或多個組件的處理器。
[0013]在另一非限制性實施例中，描述了一種方法，該方法包括通過包括處理器的系統(tǒng)根據(jù)局部仿射模型而變換圖像來產(chǎn)生變換后的第一圖像。所述方法還包括通過系統(tǒng)根據(jù)預(yù)設(shè)的匹配測度來尋找變換后的第一圖像與第二圖像之間匹配的圖案，以及通過系統(tǒng)根據(jù)該圖案估計運動參數(shù)。
[0014]在另一個非限制性實施例中，描述了一種計算機可讀存儲介質(zhì)，其上存儲了計算機可執(zhí)行指令，計算機可執(zhí)行命令響應(yīng)于執(zhí)行而使得包括處理器的設(shè)備進行操作。該操作至少包括:接收第一圖像和第二圖像；初始化運動參數(shù)；根據(jù)局部仿射模型來變換第一圖像；根據(jù)預(yù)設(shè)的匹配測度來尋找變換后的第一圖像與第二圖像之間匹配的圖案；以及根據(jù)該圖案估計運動參數(shù)。
[0015]根據(jù)另一非限制性方面，描述了不依賴于另外的用戶交互和訓(xùn)練數(shù)據(jù)的便于自動物體跟蹤的系統(tǒng)和方法。根據(jù)非限制性實施例，描述了一種系統(tǒng)，其包括轉(zhuǎn)換組件，轉(zhuǎn)換組件便于把圖像序列轉(zhuǎn)換成輸入矩陣，輸入矩陣的列對應(yīng)于圖像序列中的向量化的圖像。系統(tǒng)還包含近似組件，其配置成利用低秩矩陣逼近輸入矩陣，低秩矩陣的秩小于輸入矩陣的秩。系統(tǒng)還包含檢測組件，其配置成檢測低秩矩陣的一個或者多個離異值。所述系統(tǒng)包含存儲各種組件的存儲器和便于執(zhí)行一個或多個組件的處理器。
[0016]在另一非限制性實施例中，描述了一種方法，該方法包括通過包括處理器的系統(tǒng)把圖像序列轉(zhuǎn)換成輸入矩陣。輸入矩陣的列對應(yīng)于圖像序列中的向量化的圖像。該方法還包括通過系統(tǒng)利用一個低秩矩陣逼近輸入矩陣，低秩矩陣的秩小于輸入矩陣的秩。該方法還包括通過系統(tǒng)檢測低秩矩陣的一個或者多個離異值。
[0017]在另一非限制性實施例中，描述了一種計算機可讀存儲介質(zhì)，其上存儲了計算機可執(zhí)行指令，計算機可執(zhí)行指令響應(yīng)于執(zhí)行而使得包括處理器的設(shè)備進行操作。操作至少包括:把圖像序列轉(zhuǎn)換成輸入矩陣，輸入矩陣的列對應(yīng)于圖像序列中的向量化的圖像；利用低秩矩陣逼近輸入矩陣，低秩矩陣的秩小于輸入矩陣的秩；以及檢測低秩矩陣的一個或者多個離異值。
[0018]下面的描述和附圖闡述了說明書的某些示例性方面。然而，這些方面表示可以采用說明書的各種實施例的各種方式的僅一些方式。說明書的其他方面在結(jié)合附圖考慮時將從說明書的以下詳細說明中變得顯而易見。
【專利附圖】

【附圖說明】
[0019]以下將參照附圖對各種方面和實施例作進一步說明，其中相同的參考標記始終指代相同部分，附圖中:
[0020]圖1示出了根據(jù)本公開的實施例的通過特征運動去相關(guān)來便于圖像分析的示例非限制性系統(tǒng)；
[0021]圖2示出了根據(jù)本公開的實施例的便于補償特征運動去相關(guān)的示例非限制性系統(tǒng)；
[0022]圖3示出了根據(jù)本公開的實施例的優(yōu)化運動參數(shù)以便于補償特征運動去相關(guān)的示例非限制性系統(tǒng)；
[0023]圖4是根據(jù)本公開的實施例的通過特征運動去相關(guān)來圖像分析的方法的示例非限制性處理流程圖；
[0024]圖5是根據(jù)本公開的實施例的便于補償特征運動去相關(guān)的方法的示例非限制性處理流程圖；
[0025]圖6是根據(jù)本公開的實施例的優(yōu)化運動參數(shù)以便于補償特征運動去相關(guān)的方法的示例非限制性處理流程圖；
[0026]圖7是根據(jù)本公開的實施例的三維超聲仿真實驗中的示例非限制性輸入圖像；
[0027]圖8至圖10是根據(jù)本公開的實施例的三維超聲仿真實驗中平均相關(guān)系數(shù)關(guān)于運動的示例非限制性變化曲線；
[0028]圖11至圖13是根據(jù)本公開的實施例的三維超聲仿真實驗中均方誤差關(guān)于運動的示例非限制性曲線；
[0029]圖14是根據(jù)本公開的實施例的二維仿組織膠狀模型的示例非限制性輸入圖像；
[0030]圖15是根據(jù)本公開的實施例的二維仿組織膠狀模型在2%壓縮下耦合濾波方法得到的相關(guān)系數(shù)；
[0031]圖16是根據(jù)本公開的實施例的二維仿組織膠狀模型在2%壓縮下仿射變形方法得到的相關(guān)系數(shù)；
[0032]圖17是根據(jù)本公開的實施例的二維仿組織膠狀模型在2%壓縮下壓擴方法得到的相關(guān)系數(shù)；
[0033]圖18是根據(jù)本公開的實施例的二維仿組織膠狀模型在2%壓縮下耦合濾波方法估計的軸向應(yīng)變；
[0034]圖19是根據(jù)本公開的實施例的二維仿組織膠狀模型在2%壓縮下仿射變形方法估計的軸向應(yīng)變；
[0035]圖20是根據(jù)本公開的實施例的二維仿組織膠狀模型在2%壓縮下壓擴方法估計的軸向應(yīng)變；[0036]圖21是根據(jù)本公開的實施例的二維仿組織膠狀模型在5%壓縮下耦合濾波方法得到的相關(guān)系數(shù)；
[0037]圖22是根據(jù)本公開的實施例的二維仿組織膠狀模型在5%壓縮下仿射變形方法得到的相關(guān)系數(shù)；
[0038]圖23是根據(jù)本公開的實施例的二維仿組織膠狀模型在5%壓縮下壓擴方法得到的相關(guān)系數(shù)；
[0039]圖24是根據(jù)本公開的實施例的二維仿組織膠狀模型在5%壓縮下耦合濾波方法估計的軸向應(yīng)變；
[0040]圖25是根據(jù)本公開的實施例的二維仿組織膠狀模型在5%壓縮下仿射變形方法估計的軸向應(yīng)變；
[0041]圖26是根據(jù)本公開的實施例的二維仿組織膠狀模型在5%壓縮下壓擴方法估計的軸向應(yīng)變；
[0042]圖27至圖29是根據(jù)本公開的實施例的三維超聲仿真實驗中平均相關(guān)系數(shù)關(guān)于運動的示例非限制性變化曲線；
[0043]圖30是示出根據(jù)本公開的實施例的橫向應(yīng)變運動估計的均方誤差的示例非限制性曲線；
[0044]圖31是示出根據(jù)本公開的實施例的軸向-橫向切應(yīng)變運動估計的均方誤差的示例非限制性曲線；
[0045]圖32是示出根據(jù)本公開的實施例的橫向旋轉(zhuǎn)運動估計的均方誤差的示例非限制性曲線；
[0046]圖33是根據(jù)本公開的實施例的二維仿組織模型在2%壓縮下仿射變形方法估計的相關(guān)系數(shù)；
[0047]圖34是根據(jù)本公開的實施例的二維仿組織模型在2%壓縮下仿射變形方法估計的軸向應(yīng)變；
[0048]圖35是根據(jù)本公開的實施例的二維仿組織模型在5%壓縮下仿射變形方法估計的相關(guān)系數(shù)；
[0049]圖36是根據(jù)本公開的實施例的二維仿組織模型在5%壓縮下仿射變形方法估計的軸向應(yīng)變；
[0050]圖37示出了根據(jù)本公開的實施例的便于分割并跟蹤圖像序列內(nèi)物體特征的示例非限制性系統(tǒng)；
[0051]圖38示出了根據(jù)本公開的實施例的便于把圖像序列轉(zhuǎn)換成一個輸入矩陣的示例非限制性系統(tǒng)；
[0052]圖39示出了根據(jù)本公開的實施例的便于把輸入矩陣建模成一個低秩矩陣和一組離異值的示例非限制系統(tǒng)；
[0053]圖40是根據(jù)本公開的實施例的便于分析一系列圖像的方法的示例非限制性處理流程圖；
[0054]圖41是根據(jù)本公開的實施例的便于檢測對應(yīng)于圖像中某一特征的離異值的方法的示例非限制性處理流程圖；
[0055]圖42是根據(jù)本公開的實施例的通過迭代地使功函數(shù)最小化來便于分割并跟蹤圖像特征的方法的示例非限制性處理流程圖；
[0056]圖43是根據(jù)本公開的實施例的示出矩陣譜分析過程的可行性的示例非限制性示圖；
[0057]圖44是根據(jù)本公開的實施例的通過對二維超聲心動圖序列的矩陣譜分析來跟蹤二尖瓣的示例非限制性結(jié)果；
[0058]圖45是根據(jù)本公開的實施例的通過對三維超聲心動圖序列的矩陣譜分析來跟蹤二尖瓣的示例非限制性結(jié)果；
[0059]圖46示出了可以實現(xiàn)本文所述的各種實施例的示例計算環(huán)境；以及
[0060]圖47示出了可以實現(xiàn)本文所述的各種實施例的計算機網(wǎng)絡(luò)的示例。
【具體實施方式】
[0061]參考附圖來描述本公開的各個方面或特征，附圖中相同的參考編號始終用來指代相同元件。在本說明書中，為了提供對本公開的全面理解，闡述了各種具體細節(jié)。然而，應(yīng)當理解的是，在沒有這些具體細節(jié)的情況下，或者利用其他方法、組件、材料等，也可以實施本發(fā)明的某些方面。另外，以框圖形式示出了公知結(jié)構(gòu)和裝置，以便于描述和說明各種實施例。
[0062]根據(jù)本公開中描述的一個或多個實施例，結(jié)合圖像運動分析技術(shù)描述了各種非限制性方面。非限制性實施例便于通過特征運動去相關(guān)來確定力學性質(zhì)。另外的非限制性實施例便于通過無需用戶交互或訓(xùn)練數(shù)據(jù)的分割來物體跟蹤。
[0063]特征運動去相關(guān)
[0064]根據(jù)本公開中描述的一個或多個實施例，與通過特征運動去相關(guān)來確定物體力學性質(zhì)相關(guān)地描述了各種非限制性方面。特征運動去相關(guān)是通過仿射變形處理(affinewarping process)而解決的。根據(jù)局部仿射模型來變形物體的第一圖像。將變形后的圖像和物體的第二圖像進行比較，從而得到在變形圖像與第二圖像之間匹配的圖案?；谒鰣D案，估計運動參數(shù)的值。運動參數(shù)可以用來確定力學性質(zhì)。
[0065]現(xiàn)參考附圖，首先圖1示出了根據(jù)本公開的實施例的通過特征運動去相關(guān)來便于圖像分析的示例非限制性系統(tǒng)100。系統(tǒng)100可以便于通過彈性成像來確定物體的力學性質(zhì)。彈性成像便于基于對物體施加機械力之前和之后獲得的物體圖像來確定力學性質(zhì)。這些圖像可以是超聲圖像、計算機斷層掃描圖像、磁共振成像的圖像、或任何其他類型的圖像或系列的圖像。這些圖像可以是二維圖像或者三維圖像。
[0066]系統(tǒng)100包括圖像變形組件102和估計組件104。該系統(tǒng)還包括存儲這些組件的存儲器和便于執(zhí)行一個或多個組件的處理器。
[0067]系統(tǒng)100通過圖像變形組件102和估計組件104來解決特征運動去相關(guān)問題。在實施例中，特征運動去相關(guān)問題存在于利用超聲的散斑跟蹤來便于確定物體的運動(例如組織運動)的特性。為了解決特征運動去相關(guān)的問題，不同的模型可以用于模擬斑點變化的原因。
[0068]這樣的變化可能是由于組織及其運動的復(fù)雜性而導(dǎo)致的。組織可能有不同的形狀和力學性質(zhì)(例如，通常癌組織比正常組織更硬，而來自不同器官的組織也具有不同力學性質(zhì))。因此，機械力下的各組織之間的相互作用是非常復(fù)雜的。超聲圖像特性也可能會引起圖像變化。超聲圖像是當超聲波反射后互相干涉時形成的。因此，當組織經(jīng)歷復(fù)雜的運動時，超聲波會引起不同的干涉，產(chǎn)生了更多的變種散斑圖案。
[0069]一個可以用來解決特征運動去相關(guān)問題的模型是利用壓擴方法的模型。壓擴方法試圖將由于組織形變引起的圖像變化建模成圖像的壓縮和平移。這種方法提供了組織形變的很好的近似，而且是描述并補償由于組織形變引起圖像變化的最好的方法之一，但是在組織形變很大時圖像變化的補償將失效。
[0070]另一個建模技術(shù)是耦合濾波方法。在耦合濾波方法中，復(fù)雜的組織運動和超聲圖像特性都被建模。局部仿射運動模型用來建模復(fù)雜組織運動，線性卷積模型用來描述超聲波在成像過程中的干涉。
[0071]局部仿射模型用于模擬復(fù)雜的組織運動。例如，將組織的剛性/非剛性運動近似為局部區(qū)域中的仿射運動(例如，壓縮或擴大)，而局部區(qū)域是在運動估計之前被預(yù)定義或者在運動估計期間被適應(yīng)性調(diào)整?？梢栽跁r域或者頻域內(nèi)估計這樣的局部運動。假設(shè)組織運動在局部區(qū)域中是仿射的，則復(fù)雜的組織運動問題可以通過以下局部仿射模型來排除:
[0072]xn = MXn+T
[0073]這里Xn和Xn分別是第η個組織散射點(根據(jù)實施例，是超聲波反射組織單元)在組織運動前后的位置。M是用于仿射運動的矩陣，T是用于組織平移的矢量。在這個局部仿射模型中，可以建模各種組織運動，比如平移、壓縮、擴大、剪切和旋轉(zhuǎn)。
[0074]局部仿射模型中的局部區(qū)域可以被預(yù)設(shè)為足夠小，使得復(fù)雜的組織運動在該區(qū)域內(nèi)可以被近似成仿射運動，同時這個區(qū)域應(yīng)該足夠大，使得足夠的散斑圖案存在以識別匹配的圖案?？商娲?，可 以在最優(yōu)運動參數(shù)(在該情況下，最優(yōu)的M和Τ)的估計期間適當調(diào)節(jié)局部區(qū)域。例如，局部區(qū)域起初可以是大的，使得產(chǎn)生最優(yōu)M和T的粗略估計。然后，可以減小該局部區(qū)域，并產(chǎn)生精細估計。
[0075]基于局部仿射模型，組織的位移也為仿射的:
[0076]dn = Xn-Xn = (M-1) Xn+T,
[0077]這里dn是第η個組織散射點的位移，I是單位矩陣，其大小與M相等。如果最優(yōu)的運動參數(shù)M和T被準確估計，局部區(qū)域中的組織運動就可以被揭示。傳統(tǒng)上，如果對<關(guān)于Xn求導(dǎo)，應(yīng)變值(例如，正應(yīng)變和切應(yīng)變)和旋轉(zhuǎn)也可以被估計?？商娲?，因為 <是乂11的仿射函數(shù)，應(yīng)變值和旋轉(zhuǎn)就是矩陣M的各項的組合，如無窮小應(yīng)變理論中所述。以這樣的方式，可以從最優(yōu)運動參數(shù)中直接推理出應(yīng)變和旋轉(zhuǎn)。
[0078]線性卷積模型用于描述成像過程中的超聲波的干涉。下面的線性卷積模型可以很好的描述散斑圖案的形成:
[0079]I=-X,,Y H(X)


?=1
[0080]這里Τη(Χ;Χη)是第η個組織散射點，H(X)表示超聲系統(tǒng)的點擴散函數(shù)(PSF)，N是組織散射點總數(shù)，Ι(χ;χη)是射頻超聲圖像。在原點處只有一個組織散射點存在時超聲系統(tǒng)的點擴散函數(shù)可以被解釋成線性系統(tǒng)響應(yīng)函數(shù)。卷積模型假設(shè)每個組織散射點的貢獻都是獨立的，并且所有組織散射點加起來之后就產(chǎn)生最后的超聲圖像。
[0081]在如上所述的線性卷積模型中，每個組織散射點可以模擬成一個迪拉克(Dirac)函數(shù):[0082]Tn(X;Xn) = an6 (X-Xn),
[0083]這里Xn是第n個組織散射點的位置，an是第n個組織散射點的反射系數(shù)，其表示有多少百分比的超聲波被組織散射點反射。點擴散函數(shù)H(X)通常不具有解析表達式，其取決于超聲探頭(比如超聲探頭的形狀和元件排列、發(fā)射的超聲波的中心頻率和帶寬、組織的散射能力等等)。在一些文獻中，點擴散函數(shù)被近似為Gabor函數(shù)?？商娲?，通過基于不同成像設(shè)置求解聲波方程來數(shù)值地計算出更準確的點擴散函數(shù)。
[0084]基于局部仿射運動模型和線性卷積模型，耦合濾波方法用如下公式描述組織運動讀取前后的超聲圖像:
【權(quán)利要求】
1.一種系統(tǒng)，包括: 處理器，其通信地耦合至存儲器，所述處理器便于計算機可執(zhí)行組件的執(zhí)行，所述計算機可執(zhí)行組件包括: 圖像變形組件，其配置成根據(jù)局部仿射模型來將圖像變形，從而產(chǎn)生變形后的第一圖像；以及 估計組件，其配置成根據(jù)預(yù)設(shè)的匹配測度來尋找所述變形后的第一圖像與第二圖像之間匹配的圖案，然后根據(jù)所述圖案估計運動參數(shù)。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述預(yù)設(shè)的匹配測度是相關(guān)系數(shù)、誤差平方和、或絕對誤差和。
3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述計算機可執(zhí)行組件還包括限制組件，其配置成便于根據(jù)一個或者多個限制條件來進行運動參數(shù)估計。
4.根據(jù)權(quán)利要求3所述的系統(tǒng)，其中所述一個或者多個限制條件中的至少一個限制條件跟被成像物體的性質(zhì)有關(guān)。
5.根據(jù)權(quán)利要求4所述的系統(tǒng)，其中: 所述被成像物體是生物組織；以及 所述至少一個限制條件與所述生物組織的不可壓縮性相關(guān)。
6.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述估計組件還配置成利用/不利用與運動參數(shù)的估計相關(guān)的多尺度框架來將優(yōu)先級應(yīng)用于候選的子集。
7.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述第一圖像或者所述第二圖像包括二維超聲圖像或者三維超聲圖像。
8.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述第一圖像或者所述第二圖像是射頻超聲圖像或者B超圖像。
9.一種方法，包括: 通過包括處理器的系統(tǒng)把圖像序列轉(zhuǎn)換成輸入矩陣，其中所述輸入矩陣的列對應(yīng)于與所述圖像序列相關(guān)的向量化后的圖像； 通過所述系統(tǒng)利用低秩矩陣來逼近所述輸入矩陣，所述低秩矩陣的秩小于所述輸入矩陣的秩；以及 通過所述系統(tǒng)檢測所述低秩矩陣的一個或多個離異值。
10.根據(jù)權(quán)利要求9所述的方法，還包括:通過所述系統(tǒng)把所述輸入矩陣分解成所述低秩矩陣、由所述一個或多個離異值引起的強度變化、和隨機噪聲之和，其根據(jù)以下等式描述:
D = Β+Ε+ ε , 其中D是所述輸入矩陣，B所述低秩矩陣，E是由所述一個或多個離異值引起的強度變化，ε是所述隨機噪聲。
11.根據(jù)權(quán)利要求10所述的方法，還包括:所述系統(tǒng)忽略所述隨機噪聲。
12.根據(jù)權(quán)利要求10所述的 方法，其中所述檢測的步驟還包括:比較所述輸入矩陣的元素值的強度和所述低秩矩陣的對應(yīng)值。
13.根據(jù)權(quán)利要求12所述的方法，其中所述檢測的步驟還包括:根據(jù)所述輸入矩陣的元素值的強度和所述低秩矩陣的對應(yīng)值之間的不同來識別所述一個或者多個離異值。
14.根據(jù)權(quán)利要求9所述的方法，還包括:通過所述系統(tǒng)使能量函數(shù)最小化以便于實現(xiàn)逼近的步驟和檢測的步驟。
15.根據(jù)權(quán)利要求14所述的方法，其中所述最小化的步驟還包括:迭代地進行逼近步驟和檢測步驟直到在逼近與檢測之間達到收斂。
16.根據(jù)權(quán)利要求14所述的方法，其中所述最小化的步驟還包括:使具有第一項、第二項和第三項的能量函數(shù)最小化，所述第一項描述所述輸入矩陣和所述低秩矩陣之間的差另IJ，所述第二項衡量所述低秩矩陣的特性，所述第三項衡量所述一個或多個離異值的絕對值特性。
17.根據(jù)權(quán)利要求16所述的方法，其中所述最小化的步驟還包括:使具有第四項的能量函數(shù)最小化，所述第四項假設(shè)彼此相鄰的像素具有同一類別。
18.根據(jù)權(quán)利要求17所述的方法，其中所述同一類別是指離異值或者非離異值中的一個。
19.根據(jù)權(quán)利要求9所述的方中，其中所述轉(zhuǎn)換步驟還包括:將超聲圖像序列、計算機斷層掃描圖像序列、或磁共振成像序列轉(zhuǎn)換成所述輸入矩陣。
20.一種計算機可讀介質(zhì)，其上存儲了計算機可執(zhí)行指令，所述計算機可執(zhí)行指令響應(yīng)于執(zhí)行而使得包括處理器的設(shè)備進行操作，所述操作包括: 接收第一圖像和第二圖像； 初始化運動參數(shù)； 根據(jù)局部仿射模型來將所述第一圖像變形； 根據(jù)預(yù)設(shè)的匹配測度來尋找所述變形后的第一圖像與所述第二圖像之間匹配的圖案； 根據(jù)所述圖案估計所述運動參數(shù)的值。
【文檔編號】G06K9/64GK103814384SQ201280028147
【公開日】2014年5月21日 申請日期:2012年6月7日 優(yōu)先權(quán)日:2011年6月9日
【發(fā)明者】余維川, 梁天柱, 周曉巍 申請人:香港科技大學