基于快速匹配算法的颈动脉超声图像的运动分析.doc

　　基于快速匹配算法的颈动脉超声图像的运动分析 【关键词】 颈动脉;斑点跟踪;金字塔算法;运动分析;平均绝对差函数 　　Abstract：The motion information in the carotid ultrasound image can reflect the condition of carotid a-medial thickness(CIMT).BSP) algorithm to analyze the motion of carotid ultrasound images. The result shoodified algorithm effectively reduced the putation has the same accuracy pyramid. The tracking result can assist the doctor to evaluate the disk of cardio cerebral vascular diseases to a certain degree. 　　Key pyramid; Motion analysis; Mean absolute difference 　　 1 引 言 　　心脑血管疾病与颈动脉内中膜厚度及其运动特征等有着密切的相关性[1]。对于超声波图像而言，可以通过斑点跟踪的方法获得运动信息。斑点作为噪声不可避免地存在于超声波图像中。虽然斑点噪声影响超声波图像质量，但是根据斑点噪声的形成原理，可以通过跟踪斑点来获取图像中相关目标的运动信息。为研究组织的运动特征和弹性信息，进而辅助评估心脑血管疾病提供了一种可能。斑点跟踪算法一般包括两个方面：匹配和搜索。匹配的准则有许多种，常用的准则有归一化相关函数(NCCF),平均均方误差函数(MSD)以及平均绝对差函数(MAD)等。因MAD不涉及乘法等复杂运算，所以较为常用，本研究也采用该匹配准则。搜索方法也有好多种，有全搜索法[2]，十字搜索法[3]，菱形搜索法[4]等。此外，在这些算法基础上 发展 出了许多快速算法，如金字塔算法[5],连续淘汰法[6],改进的自适应2BIT变换法[7]等。临床实践中医生除了用肉眼定性地去观察颈动脉的运动特征，有时需要定量测量出感兴趣的颈动脉某一目标的运动信息(如：短轴切面轮廓在一个心动周期内收缩和扩张的运动状况)。这样就能够更加可靠地评估心脑血管疾病和风险。由于辅助诊断对运动跟踪的实时性要求不是很高，而对运动跟踪的准确性要求较高。故我们选择能达到全局最优的全搜索法和金字塔快速匹配算法的组合进行斑点运动跟踪，并且对金字塔快速匹配算法进行了改进，将其应用于颈动脉运动分析，高效准确地跟踪出目标兴趣点运动的相关信息。 　 　2 原理与方法 　　2.1 金字塔块匹配算法 　　设有块X和Y,块大小均为：2M×2M，对块X和Y均建立 M+1层的金字塔。从塔顶往下依次为第0，1，…，M层。X,Y的金字塔的第m 层分别记为Xm,Ym。第m-1层和第m层关系如方程(1)所示： 　　Xm-1(i,j)=Xm(2i-1,2j-1)+ 　　Xm(2i-1，2j)+Xm(2i,2j-1)+Xm(2i,2j)(1) 　　令：MADm(X,Y)=∑2mi=1∑2mj=1|Xm(i,j)-Ym(i,j)|(2) 　　可以得出结论(3)： 　　MAD0(X，Y)≤MAD1(X,Y)≤MAD2(X,Y)…≤MADm(X,Y)…≤MADm(X,Y)(3) 　　两个块在生成了各自的金字塔之后，从顶层往下逐层 计算 MADm(X,Y)。如果发现其大于或者等于最新的MADmin时，说明本候选块一定不是最优块，舍弃该候选块继续搜索下一个候选块，如果比较到最底层,仍然比最新的MADmin还小时，将MADmin更新为当前候选块与 参考 块的MADm(X,Y)。直到所有的候选块均搜索完后，最小的MADmin的候选块相对于参考块的偏移量即为所要求解的运动向量。 金字塔匹配算法就是通过尽快地舍弃那些不是最优的候选块而减少运算量的。虽然建立金字塔会增加额外的计算量，但是由于大部分的块在比较时就被舍弃了，所以总的运算量还是大幅地减少。 　　 2.2 改进的金字塔匹配算法 　　金字塔块匹配算法从顶层开始往下逐层比较时，层与层间的MAD值相差很大。当层数较大时，最后一层与倒数第二层的MAD值相差更大，因此，比较时仍有不少的计算冗余。为此，希望在现在的金字塔基础上不改变运算量，在层与层之间新增一些阈值，能够尽早地舍弃那些不是最优的块。为了叙述方便，以下讨论均以在最后一层(第M层)与倒数第二层(第M-1层)之间增加阈值为例。 　　两个要比较的块分别记为X,Y,块X和Y的金字塔的第M-1层分别记为：XM-1，YM-1。设S