一種新的全方向m型心動(dòng)圖運(yùn)動(dòng)曲線提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺(jué)、數(shù)字圖像處理領(lǐng)域，具體涉及一種新的全方向M型心動(dòng) 圖運(yùn)動(dòng)曲線提取方法。
【背景技術(shù)】
[0002] 傳統(tǒng)上，全方向M型心動(dòng)圖（以下簡(jiǎn)稱心動(dòng)圖)采用傳統(tǒng)邊緣檢測(cè)，整體思路上是通 過(guò)檢測(cè)心動(dòng)圖的局部極大值的思路，獲得一條心動(dòng)圖的邊緣，并以此邊緣作為提取的運(yùn)動(dòng) 曲線。
[0003] 具體的心動(dòng)圖上采用的邊緣檢測(cè)方式主要是采用豎向模板[1 1 1 0 -1 -1 -1]， 并人工選定圖像上的運(yùn)動(dòng)曲線的范圍，將模板與心動(dòng)圖選定的部分做卷積，并獲得其豎方 向上的最大值，作為其運(yùn)動(dòng)邊界，該方法在之后需要進(jìn)行一次人工干預(yù)的低通濾波，人工選 定濾波區(qū)域和截止頻率，消除噪聲和誤差，最后獲得比較可靠的運(yùn)動(dòng)曲線。
[0004] 如上所述，該方法最明顯的缺點(diǎn)是需要比較多的人工干預(yù)，也就是現(xiàn)有技術(shù)的自 動(dòng)化水平有限，醫(yī)務(wù)人員工作量會(huì)比較大，其次，該方法需要獲得的是心動(dòng)圖的梯度極大 值，然而心動(dòng)圖的噪聲較大，同時(shí)僅僅以極大值邊緣并不能很好的反應(yīng)出心動(dòng)圖的客觀運(yùn) 動(dòng)情況，因此之后必須對(duì)提取出來(lái)的運(yùn)動(dòng)曲線進(jìn)行低通濾波，然而采用低通濾波除了增加 醫(yī)務(wù)人員的負(fù)擔(dān)，更重要的是采用該方法，主觀性比較強(qiáng)，該方法需要醫(yī)務(wù)人員的使用經(jīng) 驗(yàn)，同時(shí)，此采用低通濾波，必然會(huì)導(dǎo)致心動(dòng)圖高頻信息的丟失，然而心動(dòng)圖的高頻信息是 心臟運(yùn)動(dòng)的細(xì)節(jié)，采用低通濾波就可能使患者關(guān)鍵的病患信息丟失，造成醫(yī)務(wù)人員的判斷 失誤。
[0005] 因此，本算法針對(duì)上訴問(wèn)題，提出一種自動(dòng)化算法，該算法在簡(jiǎn)化醫(yī)務(wù)人員的工作 量的同時(shí)，能夠?qū)π膭?dòng)圖的運(yùn)動(dòng)曲線細(xì)節(jié)有更多的保留，為醫(yī)務(wù)人員對(duì)患者病情的分析提 供更多的依據(jù)。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種能夠?qū)π膭?dòng)圖的運(yùn)動(dòng)曲線細(xì)節(jié)有更多的保留，為醫(yī)務(wù) 人員對(duì)患者病情的分析提供更多的依據(jù)的新的全方向M型心動(dòng)圖運(yùn)動(dòng)曲線提取方法。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種新的全方向M型心動(dòng)圖運(yùn)動(dòng)曲線提 取方法，包括如下步驟， 51 :輸入全方向M型心動(dòng)圖圖像，并將該全方向M型心動(dòng)圖圖像進(jìn)行分塊； 52 :計(jì)算各分塊圖像的參數(shù)，通過(guò)蟻群算法獲取可能的邊緣塊圖像； 53 :將步驟S2獲取的邊緣塊圖像通過(guò)遺傳算法擬合sigmoid函數(shù)，從而獲得全方向M 型心動(dòng)圖的運(yùn)動(dòng)曲線。
[0008] 在本發(fā)明一實(shí)施例中，所述步驟Sl中將全方向M型心動(dòng)圖圖像進(jìn)行分塊的具體方 法為：設(shè)定一個(gè)分塊圖像的大小參數(shù)為N，將全方向M型心動(dòng)圖按N*N的大小進(jìn)行分塊，并 由左上到右下，從（1，1)對(duì)各分塊進(jìn)行編號(hào)，其中，N取4。
[0009] 在本發(fā)明一實(shí)施例中，所述步驟S2的具體實(shí)現(xiàn)過(guò)程如下： 521 :計(jì)算各分塊圖像的參數(shù)：首先，對(duì)每一分塊進(jìn)行閾值處理，設(shè)定一灰度閾值，將分 塊中在灰度閾值以上部分及以下部分的灰度平均值，分別作為前景平均灰度&&_/：)和背 景平均灰度__，并計(jì)算兩者的差值
；其次，計(jì)算各分塊圖像的 灰度重心，并計(jì)算該灰度重心與分塊中心連線的法線與水平方向的夾角_#:; 522 :進(jìn)行蟻群算法起始點(diǎn)的選擇：蟻群算法的起始點(diǎn)從圖像最左邊開始，第一列各個(gè) 區(qū)域按照以下概率選擇起始?jí)K：
其中，癢和#是蟻群算法的參數(shù)，分別表示螞蟻對(duì)信息素和啟發(fā)信息的重視程度，
由于不同的運(yùn)動(dòng)曲線具有不同的路徑，為防止各個(gè)路徑之間出現(xiàn)相互的干擾，因此，各 個(gè)路徑的起始?jí)K需分別選定一個(gè)信息素^.，而對(duì)于蟻群算法起始點(diǎn)的選擇，需將所有的信 息素綜合起來(lái)選擇； 523 :定義蟻群的轉(zhuǎn)移算法，即各個(gè)分塊對(duì)螞蟻的吸引力為：
其中，分別為前景懲罰和背景懲罰，表示該分塊的背景或前景與該 螞蟻起始?jí)K的背景或前景相差很大的時(shí)候?qū)υ搲K的吸引力會(huì)下降，和A(Li)計(jì) 算公式如下：
其中，&和/分別代表該起始?jí)K的背景和前景平均灰度；和為調(diào)節(jié)參數(shù)，其取 值范圍為（〇, 1);螞蟻在每一步有一定概率停止在同一個(gè)地點(diǎn)，為其修正值，當(dāng)為 原點(diǎn)時(shí)取^，否則為1，其中，1為調(diào)節(jié)參數(shù)，其取值范圍為（〇, I);螞蟻會(huì)記錄自己的停 留次數(shù)?，每當(dāng)螞蟻往前移動(dòng)時(shí)，?就會(huì)被復(fù)位成1，而當(dāng)螞蟻停留時(shí)，?就會(huì)加1，每次搜索 的范圍與其停留次數(shù)有關(guān)d
S24:當(dāng)所有螞蟻在達(dá)到圖像右端的時(shí)候，一次迭代結(jié)束，采用最大最小螞蟻系統(tǒng)的方 式進(jìn)行信息素更新，所有的螞蟻根據(jù)下式計(jì)算自己的路程：
記從（n，1)為起始?jí)K的目前蟻群所找到的最短距離為:*?，其路徑為，若沒(méi)有螞蟻 從（n，1)開始，則記關(guān)p為空集；其中，輸為當(dāng)螞蟻停留的懲罰項(xiàng)，由下式得出結(jié) 果：
對(duì)從每個(gè)起始?jí)K出發(fā)的路線單獨(dú)計(jì)算信息素，記為即對(duì)每個(gè)起始?jí)K出發(fā)的螞 蟻路程單獨(dú)排序，并且更新的信息素也只對(duì)同一起始?jí)K出發(fā)的螞蟻有效，具體的更新方程 如下：
其中，_:代表了信息素的揮發(fā)率，$||_|代表了信息素的積累量，只有最優(yōu)解可以 積累釋放信息素，即只有最短路徑的螞蟻可以積累信息素：
每次迭代結(jié)束后會(huì)通過(guò)下式計(jì)算下一次迭代的螞蟻個(gè)數(shù)：
其中，__:為設(shè)置參:數(shù)，表示希M的每條路徑±所擁有的螞蟻數(shù)量，以便于能夠根據(jù) 圖像中運(yùn)動(dòng)曲線的數(shù)量動(dòng)態(tài)調(diào)整螞蟻的數(shù)量，而第一次迭代時(shí)直接使用2 個(gè)螞蟻； S25:將所有的起始?jí)K開始的最短路徑的路徑長(zhǎng)度升序排序，根據(jù)排序的情況，滿足以 下條件的認(rèn)為是邊緣塊： (1) 之前的檢測(cè)中不是邊緣塊； (2) 路徑長(zhǎng)度$與全圖中最優(yōu)路徑比值大于!^，為用戶選定的停止值，取值范圍 為（0, 1)0
[0010] 在本發(fā)明一實(shí)施例中，所述步驟S3的具體實(shí)現(xiàn)過(guò)程如下： 531 :確定步驟S2獲取的邊緣塊的范圍：設(shè)定邊緣灰度/#)，其中，砮代表了擬合邊緣 塊的編號(hào)，統(tǒng)計(jì)各個(gè)邊緣塊的平均灰度?，對(duì)于每一列按下式計(jì)算可能的邊緣的范圍， 即：
其中，Iiii代表了邊緣可能的范圍，保證從到減-?均小于:納貧，從^截到被均 大于; 532 :采用遺傳算法擬合sigmoid函數(shù)，提取每個(gè)起始?jí)K對(duì)應(yīng)的邊緣塊的精確邊緣： 已知sigmoid函數(shù)如下：
其中每，^，矣為sigmoid函數(shù)的待定參數(shù)，可以認(rèn)為象就是圖像的邊緣點(diǎn)，由于心動(dòng) 圖的邊緣比較相似，故而采用遺傳算法的方式進(jìn)行擬合；對(duì)于種群中的每個(gè)個(gè)體，其基因鏈 編碼為，遺傳算法的目標(biāo)函數(shù)為：
由于需要找到該函數(shù)的最小值，因此，設(shè)定的適應(yīng)度通過(guò)排序產(chǎn)生，即將種群中的每個(gè) 個(gè)體的目標(biāo)函數(shù)從編號(hào)1開始升序排序，記編號(hào)為A并以此作為適應(yīng)度函數(shù)計(jì)算的參數(shù)， 具體的適應(yīng)度函數(shù)為：
對(duì)于需要交換產(chǎn)生的個(gè)體采用全種群選擇的方法進(jìn)行，即對(duì)于通過(guò)交換產(chǎn)生的子代的 各個(gè)基因都單獨(dú)使用賭盤方式從全部父代中選擇，以增加種群的多樣性，避免陷入局部最 優(yōu)解； 由于心動(dòng)圖邊緣相似性，因此可以認(rèn)為擬合出來(lái)的