時，均屬于本發(fā)明的保護范圍。
【主權(quán)項】
1. 一種新的全方向M型心動圖運動曲線提取方法，其特征在于：包括如下步驟， 51 :輸入全方向M型心動圖圖像，并將該全方向M型心動圖圖像進行分塊； 52 :計算各分塊圖像的參數(shù)，通過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遺傳算法擬合sigmoid函數(shù)，從而獲得全方向M 型心動圖的運動曲線。2. 根據(jù)權(quán)利要求1所述的一種新的全方向M型心動圖運動曲線提取方法，其特征在于： 所述步驟S1中將全方向M型心動圖圖像進行分塊的具體方法為：設(shè)定一個分塊圖像的大小 參數(shù)為N，將全方向M型心動圖按N*N的大小進行分塊，并由左上到右下，從（1，1)對各分塊 進行編號，其中，N取4。3. 根據(jù)權(quán)利要求2所述的一種新的全方向M型心動圖運動曲線提取方法，其特征在于： 所述步驟S2的具體實現(xiàn)過程如下： 521 :計算各分塊圖像的參數(shù)：首先，對每一分塊進行閾值處理，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i)，并計算兩者的差值fJ~ .、^);其次，計算各分塊圖像的灰 度重心，并計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 :進行蟻群算法起始點的選擇：蟻群算法的起始點從圖像最左邊開始，第一列各個 區(qū)域按照以下概率選擇起始塊：其中，；和#是蟻群算法的參數(shù)，分別表示螞蟻對信息素和啟發(fā)信息的重視程度，由于不同的運動曲線具有不同的路徑，為防止各個路徑之間出現(xiàn)相互的干擾，因此，各 個路徑的起始塊需分別選定一個信息素：，而對于蟻群算法起始點的選擇，需將所有的信 息素綜合起來選擇； 523 :定義蟻群的轉(zhuǎn)移算法，即各個分塊對螞蟻的吸引力為：其中，，^力和&('U)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 螞蟻起始塊的背景或前景相差很大的時候?qū)υ搲K的吸引力會下降，計算 公式如下：其中，辦和/分別代表該起始塊的背景和前景平均灰度；，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地點，4(U_)為其修正值，當為 原點時取lia，否則為1，其中，4為調(diào)節(jié)參數(shù)，其取值范圍為（0, 1);螞蟻會記錄自己的停 留次數(shù)G每當螞蟻往前移動時，掠尤會被復位成1，而當螞蟻停留時，掠尤會加1，每次搜索 的范圍與其停留次數(shù)有關(guān)S24:當所有螞蟻在達到圖像右端的時候，一次迭代結(jié)束，采用最大最小螞蟻系統(tǒng)的方 式進行信息素更新，所有的螞蟻根據(jù)下式計算自己的路程：記從（n，1)為起始塊的目前蟻群所找到的最短距離為其路徑為若沒有螞蟻 從（n，1)開始，則記為空集；其中，為當螞蟻停留的懲罰項，由下式得出結(jié) 果：對從每個起始塊出發(fā)的路線單獨計算信息素，記為即對每個起始塊出發(fā)的螞 蟻路程單獨排序，并且更新的信息素也只對同一起始塊出發(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，lyiy；!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)束后會通過下式計算下一次迭代的螞蟻個數(shù)：其中，..1/_為設(shè)置參=數(shù)，表示希望的每條路徑1所擁有的螞蟻數(shù)量：，以便于能夠根據(jù) 圖像中運動曲線的數(shù)量動態(tài)調(diào)整螞蟻的數(shù)量，而第一次迭代時直接使用2 個螞蟻； S25:將所有的起始塊開始的最短路徑的路徑長度升序排序，根據(jù)排序的情況，滿足以 下條件的認為是邊緣塊： (1) 之前的檢測中不是邊緣塊； (2) 路徑長度<與全圖中最優(yōu)路徑比值大于1^，%為用戶選定的停止值，取值范圍為 (0, 1)〇4.根據(jù)權(quán)利要求2所述的一種新的全方向M型心動圖運動曲線提取方法，其特征在于：所述步驟S3的具體實現(xiàn)過程如下： 531 :確定步驟S2獲取的邊緣塊的范圍：設(shè)定邊緣灰度其中，修代表了擬合邊緣 塊的編號，統(tǒng)計各個邊緣塊的平均灰度:_，對于每一列按下式計算可能的邊緣的范圍， 即：其中，代表了邊緣可能的范圍，保證從多倒轉(zhuǎn)M4均小于、從麵^鑛_:到, 均大于； 532 :采用遺傳算法擬合sigmoid函數(shù)，提取每個起始塊對應(yīng)的邊緣塊的精確邊緣： 已知sigmoid函數(shù)如下：其中奮::，為為sigmoid函數(shù)的待定參數(shù)，可以認為各:就是圖像的邊緣點，由于心動 圖的邊緣比較相似，故而采用遺傳算法的方式進行擬合；對于種群中的每個個體，其基因鏈 編碼為(說遺傳算法的目標函數(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)度通過排序產(chǎn)生，即將種群中的每個 個體的目標函數(shù)從編號1開始升序排序，記編號為A并以此作為適應(yīng)度函數(shù)計算的參數(shù)， 具體的適應(yīng)度函數(shù)為： 對于需要交換產(chǎn)生的個體采用:EtTOTKEl平，即對于通過交換產(chǎn)生的子代的 各個基因都單獨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； 由于心動圖邊緣相似性，因此可以認為擬合出來的各個參數(shù)應(yīng)該相近，因此選擇以下 方式來選擇初始參數(shù)： 定義邊緣的相似性函數(shù)：則對于每一次遺傳算法初始種群中每一個個體的選擇將從之前幾個周期選擇其中 的精英個體，設(shè)定遺傳算法每一代總?cè)旱膫€體個數(shù)為Mp，從前忑次結(jié)果中分別選擇 + 個精英個體，剩下的精英個體則通過隨機生成的方式選擇； 通過上述方式即可獲取心動圖的運動曲線。5. 根據(jù)權(quán)利要求3所述的一種新的全方向M型心動圖運動曲線提取方法，其特征在于： 計算每一分塊的參數(shù)時，同時將其下一分塊一起引入計算，以避免邊緣處于兩分塊之間導 致無法檢測到邊緣的情況出現(xiàn)。6. 根據(jù)權(quán)利要求3所述的一種新的全方向M型心動圖運動曲線提取方法，其特征在于： 所述媒和聲取值均為2。7. 根據(jù)權(quán)利要求3所述的一種新的全方向M型心動圖運動曲線提取方法，其特征在于： 所述為和4取值為〇? 3, 取值為〇?L8. 根據(jù)權(quán)利要求3所述的一種新的全方向M型心動圖運動曲線提取方法，其特征在于： 所述取值為30。9. 根據(jù)權(quán)利要求3所述的一種新的全方向M型心動圖運動曲線提取方法，其特征在于： 所述取值為1或〇. 3。
【專利摘要】本發(fā)明涉及一種新的全方向M型心動圖運動曲線提取方法。首先，輸入全方向M型心動圖圖像，并將該全方向M型心動圖圖像進行分塊；其次，計算各分塊圖像的參數(shù)，通過蟻群算法獲取可能的邊緣塊圖像；最后，將上述獲取的邊緣塊圖像通過遺傳算法擬合sigmoid函數(shù)，從而獲得全方向M型心動圖的運動曲線。本發(fā)明通過蟻群算法進行初定位，再通過遺傳算法擬合sigmoid函數(shù)進行精確定位，分兩步驟實現(xiàn)心動圖運動曲線的擬合，使得能夠?qū)π膭訄D的運動曲線細節(jié)有更多的保留，為醫(yī)務(wù)人員對患者病情的分析提供更多的依據(jù)。
【IPC分類】G06T7/00
【公開號】CN105118052
【申請?zhí)枴緾N201510466888
【發(fā)明人】黃立勤, 陳駿勰
【申請人】福州大學
【公開日】2015年12月2日
【申請日】2015年8月3日