心脏m模式图片的自动分析的制作方法

专利名称：心脏m模式图片的自动分析的制作方法
技术领域：
本发明一般地涉及影像分析领域。更具体地说，本发明涉及心脏M模式图片的自动分析。
背景技术：
近年来，心脏超声波检查已成为心脏病诊断最常用的工具。一种标准的2D模式显示出横跨扫描截面的心脏平面切片。通过捕获视频中的多个2D画面，即可观察到心脏运动及功能。其能力一直在进步，并变得更加准确，包括提供结构和运动二者的连续视图、进行测量，以及使用血液和组织多普勒来验证功能。然而，这些测试的结果更加地依赖超声波检查师的技能，尤其是依赖传感器的准确人工定位，及在所捕获的影像上人工定位的卡尺、划线板和标示器。总体上说，超声波影像是低质量影像。由于超声波成像的限制，它们的分辨率低，以及缺点在于非常模糊的边缘、高噪声和阴影。它们的判读需要特殊的训练和丰富的经验，如在2002年的“ACC/AHA心脏超声波检查的临床能力报告”(ACC/AHA Clinical Competence Statement on Echocardiography)中所定义。例如,对于心脏科医师的建议训练期间最少为6个月，执行至少150次测试，并判读另外300次测试。在所需的测量中，许多是以M模式来进行，即沿着超声波设备通过心脏的一条扫描线的组织运动的空间-时间表示来进行。这些测量包括心室容积、射出分率、组织厚度、 内壁运动、瓣膜时间等的估计。一种典型的心脏超声波检查根据“ACC/AHA/ASE 2003心脏超声波检查临床应用的指导手册更新版”(ACC/AHA/ASE 2003 Guideline Update for the Clinical Application of Echocardiography)将包括若干不同视角的2D和M模式捕获， 并需要大约15-20分钟。捕获和使用心脏的M模式的直接方法例示于图1和图2。首先，使用2D模式(参见图1)定位心腔、重新定位传感器来观看横跨心室的横截面，并定位光标(箭头所指之处) 以在垂直于内壁的方向上通过心室。然后扫描模式和显示模式被切换到M模式(图幻。在此模式中，垂直轴对应于ζ轴，也就是在2D模式中，沿着光标线距传感器的深度。水平轴对应于时间。在此示例中，所示大约为两次心脏循环。超声波检查师记录若干心脏循环，然后使视图停格。然后超声波检查师放置卡尺(两条垂直虚线202、204)并记录测量结果(参见表206)。在此示例中，超声波检查师放置两个卡尺，一个在心脏舒张期间的结束时，第二个在心脏收缩期间的结束时。这些卡尺测量左心室的短轴直径。然后在表206中显示基于卡尺的测量。整个过程在病人的心脏超声波检查期间进行。因此，从传感器的焦点开始，仅可沿径向光标线获得直接M模式影像。超声波检查师必须准确地在与心脏有关的方向上定位传感器设备，这时常与传感器要捕获良好横截面 2D图片的最佳定位(同时避免骨骼以减少干扰和不需要的反射)产生冲突。全景式M模式(也称为解剖M模式)是一种过程，其中从一系列2D (或3D)模式影像产生一个或多个合成M模式影像，方式是沿期望的扫描线(多个)采样这些影像并将这些影像在新的M模式影像中堆叠为列。与直接M模式相比，全景式M模式的优点在于可在2D影像上的任何方向和位置处产生，而不会受限于传感器位置。但是全景式M模式的缺点在于较低的时间分辨率，也就是扫描频率。全景式M模式已被发现对于局部缺血的诊断非常有用(参见例如Lee等人所发表的论文“使用合成M模式成像来测量在局部缺血期间白勺0^1 ] 胃” (Using Synthetic M-mode Imaging to Measure Temporal Differences in Left Ventricular Contraction Patterns during Ischemia),其可测量 LV内壁运动、内壁厚度以及更多项目。最近，Philips 将解剖M模式引入其EnVisor 超声波系统“...以及解剖M模式使其更容易保持M模式线垂直于解剖结构-甚至在异常形状或位置的心脏-并可允许准确地测量心腔、内壁及射出分率。，，虽然M模式已存在数十年，而全景式M模式才刚开始进入医疗设备，但是极少使用计算机视觉技术进行M模式影像的自动分析。Griffiths等人在他们的论文“计算机辅助 M 模式心脏超声波分析” (Computer assisted M-mode echocardiogram analysis)中提出使用计算机显示器和数字板以允许用户放置卡尺和标记轨迹、进行测量，并呈现与用户在影像上的标记对应的图形。但是Griffiths等人并未应用任何计算机视觉技术。Maplica 等人在他们的论文“心脏超声波、影像及信号处理与分析中解剖M模式追踪的蛇形模型”(A snake model for anatomic M-mode tracking in echocardiography, Image and Signal Processing and Analysis)中提出使用蛇形以在全景式M模式中追踪单个多普勒斑点的演化。但是，Maplica等人仅处理含有感兴趣的单个彩色斑点的多普勒影像，而一般的M模式影像显示出许多组织层，且分析上更为复杂。在Olstad等人的美国专利5，515，856中提供一种从2D心脏超声波检查序列生成解剖M模式影像的方法。然后这些影像可由医师使用以辅助诊断。但是Olstad等人并未提供手段来自动地分析M模式影像。Potter等人在美国专利公开2006/0034538 Al中提供一种通用架构，用于显示心脏超声波检查影像、进行多种测量，例如基于卡尺的测量，并允许医师选择测量结果和撰写报告。Potter等人揭示用户接口工作流程，例如获取鼠标点击并对其做出响应，但其并未提供任何用于分析影像并自动地提取任何测量的方法。在美国专利6，514，207中，Ebadollahi等人提供一种方法和系统，用于分析心脏超声波检查的完整视频、沿着检查进行分段并识别不同的模式和图片、分析覆盖的ECG图形，以及检测R波，从而将视频分段成单独心脏循环。但是mDadollahi等人仅分析2D图片， 而并未处理M模式影像。在美国专利6，708，055中，Gelser提供一种使用标准影像处理技术来分析四个心腔图片的单个画面的方法。但是Gelser并未处理M模式影像。单个2D图片仅捕获心脏的单个快照，并未包括任何时间信息，因此并不允许计算射出分率或任何与运动相关或时间相关的测量。在美国专利4，936，311中，Oe教导如何使用中心线方法分析心室功能，其中人工标定2D图片中心腔的长轴，接着人工标定收缩与舒张心腔图片之间的差异区域。然后可从标定的直线和区域估计心腔容积和射出分率。Oe所描述的过程是耗费大量人工的过程。同时，Oe并未提供任何影像处理或其它自动化方式来分析心脏超声波图形。现有技术中存在对于心脏超声波图形的影像改进，例如根据美国专利6，755，787 的教导来减少斑点，其中这些方法可应用为预处理，以在应用申请人的发明所揭示的算法之前增强影像质量。但是，这些现有技术均未教导如何分析影像内容。同时，现有工作均未考虑到将心脏超声波M模式影像用于自动索引和找出类似病例。此外，它们均未提供任何手段来比较两个M模式影像。因此，需要定义一种适当表示、一种有效构建表示的方法，允许自动地提取对于医疗有意义的测量和类似性度量，其使能进行索引并搜索类似病例，因此可辅助多模诊断支持。不论以上引用的参照的精确优点、特征和好处为何，它们皆无法达成或实现本发明的目的。

发明内容
提供了 M模式影像的自动分析，其基于将M模式影像分成组织层和运动曲线，方式是同时对准所有层并从所述对准提取运动曲线。还提供了使用包括组织层和运动曲线及其类似性度量的表示来搜索类似M模式的能力。本发明提供一种方法，所述方法包括以下步骤接收与描述解剖部位的至少一部分的一个或多个M模式影像对应的数字像素数据；选择所述数字像素数据中与多个采样时间关联的多个列；通过对准所述多个列而生成对准地图，使得对应组织层匹配；使用所述对准地图构建一条或多条运动曲线，其中所述运动曲线代表与所述M模式图像对应的所述数字像素数据中的运动样式，所述运动样式独立于在所述对准地图中识别的组织层；以及输出所述一条或多条运动曲线。本发明还提供一种用于比较M模式影像的方法，所述方法包括接收多个M模式影像；对于每个影像，计算组织层图像和运动曲线图像中的至少一个；比较至少两个影像的所述运动曲线和/或所述组织层；确定所述至少两个影像对之间的类似度值；以及输出所述类似度值。。本发明还提供一种具有计算机可用介质的制品，所述计算机可用介质存储有实现基于计算机的方法的计算机可读程序代码，所述介质包括辅助接收与描述解剖部位的至少一部分的一个或多个M模式影像对应的数字像素数据的计算机可读程序代码；选择所述数字像素数据中的多个列的计算机可读程序代码；通过对准所述多个列而生成对准地图， 使得对应组织层匹配的计算机可读程序代码；使用所述对准地图构建一条或多条运动曲线的计算机可读程序代码，其中所述运动曲线代表与所述M模式图像对应的所述数字像素数据中的运动样式，所述运动样式独立于在所述对准地图中识别的组织层；以及输出所述一条或多条运动曲线的计算机可读程序代码。


图1和图2显示捕获和使用心脏的M模式的直接方式；图3显示从多个2D画面生成全景式M模式；图4显示从心脏超声波检查视频画面提取回响区域；图5显示沿各像素列的像素的中间灰度级的图形；图6显示使得像素的个别列可见的M模式影像的小截面；图7显示迭加有心室壁的处理输出的M模式ROI区域的示例；图8显示两列像素之间的时间扭曲的示例；图9显示M原始影像；
图10显示在沿时间对准组织层并移除运动(垂直分量)之后的M模式影像的示例；图11显示全景式M模式影像，其中所述影像对应于大约两个心脏循环的部分已经由所提出的方法进行处理；图12显示用于实现本发明的方法以分析和比较心脏M模式影像的示例性的基于计算机的系统。
具体实施例方式虽然以优选实施例例示和描述了本发明，但是可用许多不同配置产生本发明。图中将描述本发明的一个优选实施例，并在此处详细说明，将理解，本公开应视为本发明原理的示例及其构建的关联功能性规范，其并未将本发明限于所例示的实施例。本领域技术人员将了解在本发明范围之内的许多其它可能的变化。本发明提供心脏超声波检查M模式图片的自动分析，其中本发明的方法通过解耦组织层和运动曲线来产生心脏超声波检查M模式影像的有意义和有效率的表示，由此这种解耦可允许(a)提取心脏的多种物理性和功能性特性，例如射出分率和左心室(LV)壁厚； (b)比较两个心脏超声波检查图形(以下称为回响)，所述图形在不同时间从同一病人获得或来自两个不同病人，(c)在包含病人的回响的大量电子医疗记录(EMR)中索引并搜索类似病例。比较医疗记录(包括各种测试数据)已被视为多模诊断支持中一个大有可为的方向。此外，其有可能增加心脏超声波分析的自动化，并降低人为错误。M模式图片可用多种方式产生，直接由心脏超声波设备捕获，或成为全景式M模式。本发明提供对于这些图片的分析，其中揭示一种新的M模式分析方法，其使用动态时间扭曲横跨组织层，以在心脏运动期间进行所有层的连续空间对准，并揭示一种新的低维度影像图像，其中运动和组织图像被解耦。图3示出从多个2D画面生成全景式M模式。每条线(如线302)对应于一个合成 M模式影像的主要轴。以下显示三个示例，并显示它们相对应的主要轴。通过沿所选择的主要轴采样多个2D画面来产生每个合成M模式画面(如上所述)。本发明的算法进行如下工作(a)获取M模式影像，提取该影像的回响区域(感兴趣的区域-R0I) ； (b)选择像素的第一基准列；(c)对于每一列i_L···!!，计算rdtw(c_i，c_ ref) (rdtw代表释放的动态时间扭曲)，并更新c_ref做为c_ref与warp(C_i)的线性组合。根据本发明的一个实施例，首先找出回响R0I，其中ROI包括回响区域并排除在其周围找到的文字和图形。当从心脏超声波机器所捕获的M模式画面进行提取时，ROI被提取为大的矩形区域，该区域与背景相比具有不同的灰度级直方图。将初始矩形置于所述影像之上，并针对矩形区域的内侧和外侧两者计算灰度级直方图。接着，计算这些直方图之间的差异。然后，对于矩形位置和/或大小引入小的变化，并重新计算直方图。当观察到两个直方图之间的距离并无改进时，即停止该过程。图4示出从心脏超声波检查视频画面提取回响区域。除了回响视频内容之外，全部皆以具有与回响区域(感兴趣的区域，标示为R0I)的形状和大小对应的形状和大小的屏蔽来移除。可使用影像处理技术自动地计算屏蔽或可由人工标示屏蔽。屏蔽可有效地由其像素坐标来表示，如由屏蔽影像之下的一组数字所例示。对于矩形R0I，屏蔽描述符包括画面尺寸、角落的坐标及像素的长宽比。对于扇形形状R0I，存储了画面尺寸、圆的中心坐标、 小半径和大半径、开始和结束角度及长宽比。可使用其它方法来找出ROI，例如Hough变换，如Duda等人的论文“使用Hough变换来检测图片中的直线和曲线”(Use of the Hough Transformation to Detect Lines and Curves in Pictures”)所教导的。在全景式M模式的情况下，全景生成过程产生仅包括M模式回响ROI的回响影像。 因此，无需ROI检测。接着，从回响选择像素的基准列。回响中的每个像素列都与一个时间点(即执行此采样的时间)关联。因此M模式回响的水平轴为时间轴，以秒衡量。M模式影像的垂直轴代表通过心脏的3D的扫描线。因此垂直轴上的测量单位是厘米。通过首先计算每一像素行中的中间灰度级来选择基准列，由此产生中间列做为基准列。中间值如图5所示的线 502，其中沿着所述列的像素的中间灰度级表示为一图形。水平轴代表沿着所述列的像素位置(行号，或影像中像素的y坐标)。垂直轴代表沿着影像中的像素行的中间灰度级。零值代表黑色，而为255的值代表白色。大约在图5的图形中部的大的谷形对应于黑色区域中的像素，所述黑色区域大约在回响的中部，总体对应于心室的内侧，充满液体(即血液)。 选择基准列的其它方式包括选择心脏循环在特定时间的列，例如收缩期的结束或舒张期的结束。 然后，将每个回响列与中间列相比较。发现为最接近中间值的列被选择为基准列。 此列在图6中标示为在图底部的602处的直线。然后对于其余的列计算列对准。该过程从基准列开始并进行到左侧和右侧列。算法如下所述对准算法，其使用释放的时间扭曲算法
rHistory = r = rRef; for i=l :n
t=M ( :,cols (i))'; [Dist,D,ki,wi]=dtwrlx ( r,t,2.0 )； wrap t ( wi (:,1 ) ) =wi ( :,2 )；
rHistory=alpha*rHistory+ ( 1-alpha) *t ( wrap t ( wi ( :,1 )))； r= alphaRePrRef+ (1-alphaRef) *rHistory;
end在每一次迭代中，一个列t与一个基准列r对准，且两者之间所得到的映射被写入数组wrap_t。此外，计算rHistory以代表通过对准的列的轨迹的累积历史。然后，r被更新为基准列rRef与累积历史rHistory的线性组合。存在其它方式计算对准，其直接对准于rRef或其它列。结果是从每个列到基准列的映射，或是从每个列到相邻列的映射。此映射允许沿着时间沿着组织层追踪和重新构建路径。图7示出了追踪的示例并且图6中显示了缩放，其中可以看到单独的像素列。两个列的对准使用动态时间扭曲(DTW/‘Dynamic Time Warping”算法来执行。DTW 算法用于时变信号的对准。以下提供了公知动态时间扭曲算法的示例
int DTWDistance ( char s[l..n], char t[l..m], int d[l..n,l..m]) { declare int DTW
declare int i, j, cost
for i:= 1 to m
DTW
:= infinity for i:= 1 to η
DTW[i,0]:= infinity DTW
二 0
for i := 1 to η for j := 1 to m
cost:=d[s[i],t[j]] DTW[i,j]:= cost+ minimum ( DTW [i-l,j], //insertion
DTW[i,j-l], //deletion DTW[i-l,j-l]) // match
return DTW [n,m]总体上说，通过找出最小化|s(d(t))-r(t) I的最佳时间扭曲函数d来计算信号 s(t)与信号r(t)之间的对准。换言之，找出修改s(t)的时间映射，并将其映射到r(t)之上。在此，使用DTW的变型，标示为释放的DTW，如下所示释放的动态时间扭曲算法D=zeros ( size ( d ))；
upCost=zeros ( size ( d) ) ； % accumulated cost of next consequent up step
rtCost=zeros ( size ( d ) ) ； % accumulated cost of next consequent right step
D (1,1) =d (1,1); UpCostFactor= 1000; RtCostFactor = 1000; UpCostExp =1.5; RtCostExp = 1.5; for n=2:N
D (n,l ) =d (n,l ) +D (n-1,1 )；
end
for m=2:M
D ( l,m) =d ( l,m) +D ( l,m-l )；
end
for n=2:N for m=2:M
Drt=D ( n,m-l) +rtCost (n,m-l )； Dup=D ( n-l,m ) +upCost ( n-l,m )； Dur=D (n-l,m-l)；
if (DuK=Drt)
if ( Dur<=Dup ) % Dur
D ( n,m) =d ( n,m ) +Dur; else % DupD ( n,m) =d ( n,m ) +Dup ；
upCost ( n,m ) =UpCostExp*upCost ( n-l,m )
+UpCostFactor;
end
else
if ( Drt<Dup ) % Drt
D ( n,m) =d ( n,m ) +Drt;
rtCost ( n,m ) =RtCostExp*rtCost ( n,m-l )
+RtCostFactor;
else % Dup
D ( n,m) =d ( n,m ) +Dup;
upCost ( n,m ) =UpCostExp*upCost ( n-l,m )
+UpCostFactor;
end
end
end
end此算法扩展了 DTW并通过处罚具有大偏斜的映射而与DTW具有差异。虽然此变型对于回响对准要比DTW具有一些好处，但是也可使用其它时间扭曲算法和准则。例如，可在 DTW计算中考虑组织的黏性和弹性。本发明并不限于一种特定的时间扭曲方法。各种DTW 算法之间的比较可在Myers等人的论文中找到，其名为“用于连接的文字识别的数种动态时间扭曲算法的比较性研究，，(A comparative study of several dynamic time-warping algorithms for connected word recognition)。图8示出了两列M模式像素之间的对准的示例。在此，示出了仅两列像素的一部分的放大。长的灰度级框代表每个列中的像素。直线连接了由算法对准的像素。连接左侧列中的像素i与右侧列中的像素j的直线分别存储在对准向量wi (i，l)和wi(i，2)中。通过遵循每一条这种直线到下一列，然后继续从该列到接续列的映射，依此类推，能够沿着M 模式影像构建路径，路径后接着是组织层。例如，参见图7中的曲线702和704，及图6中所示的放大部分。这些直线遵循心室壁边界。Ded和Des分别代表结束舒张尺寸和结束收缩尺寸。图9示出了生成为全景式M模式的原始M模式回响区域，而图7示出了在计算所有列的包裹并将所检测的运动曲线叠加在影像上之后所得到的影像。如所观察的，运动已经被移除，且仅提供组织层。输出的另一补充部分为扭曲映射。其仅描述每个像素的运动， 其形式为曲线，由左侧到右侧并遵循组织层的运动(参见图7的702和704)。图10示出了 M模式影像在沿时间对准组织层并移除运动(垂直分量)之后的示例。各层呈现为显示水平区域。可通过影像处理技术利用水平影像结构(例如，通过将灰度级投影在垂直轴上并计算每个组织层的统计模型)检测各层之间的边缘。例如，可使用高斯混合模型(GMM)对组织层建模。图11示出全景式M模式影像，其中影像对应于大约两个心脏循环的部分已经由所提出的方法进行处理。所处理的部分由较亮的窗口标示。通过利用蓝色曲线迭加影像(对应于若干组织层的运动)来例示处理结果。Dw^n Des分别代表结束舒张尺寸和结束收缩尺寸。因此，本发明提供M模式影像的一种新颖图像，其可用于通过单独地表示组织成分和运动样式来表征M模型影像。运动曲线大略为平滑曲线，并可使用少数系数表示为例如样条曲线。组织层可由单个列(例如每一条线中的平均值)表示。本发明提供一种用于分析心脏M模式影像的方法，所述方法包括以下步骤(a)接收与描述解剖部位的至少一部分的一个或多个M模式影像对应的数字像素数据；(b)在所述像素数据中选择多个列；(c)通过对准所述多个列而生成对准地图，使得对应组织层匹配；及(d)使用所述对准地图构建一条或多条运动曲线，其中所述运动曲线代表与所述M模式图像对应的所述数字像素数据中的运动样式，所述运动样式独立于在所述对准地图中识别的组织层。在一个实施例中，所述对准地图还用于包裹多个对准后的列并生成合成影像，在所述合成影像中，组织被对准且显示没有(垂直)运动。在此实施例的一种扩展中，所生成的合成影像用于生成与运动无关的组织层图像。在一个实施例中，使用动态时间扭曲技术完成对准，其中垂直(列)轴用作扭曲计算的“时间”。本发明还提供一种用于比较M模式影像的方法，所述方法包括以下步骤接收与多个M模式影像对应的数字像素数据，且对于每个影像，计算组织层图像和运动曲线图像中的至少一个，并比较至少两个影像的运动曲线和/或组织层，以及确定影像对之间的类似度值。所述类似度值取决于所使用的比较方法，即取决于欧几里德距离或动态时间扭曲 (DTff)距离，并可被正规化成在0. 0到1. 0的范围内。在一个实施例中，应用上述的方法来找出M模式影像集合中与给定M模式影像最类似的影像(最接近的邻近影像)。在一个实施例中，上述方法被用于找出左心室的射出分率(EF)，如下所示
权利要求
1.一种方法，包括接收与描述解剖部位的至少一部分的一个或多个M模式影像对应的数字像素数据； 选择所述数字像素数据中与多个采样时间关联的多个列； 通过对准所述多个列而生成对准地图，使得对应组织层匹配； 使用所述对准地图构建一条或多条运动曲线，其中所述运动曲线代表与所述M模式图像对应的所述数字像素数据中的运动样式，所述运动样式独立于在所述对准地图中识别的组织层；以及输出所述一条或多条运动曲线。
2.如权利要求1的方法，其中所述方法还包括基于所述对准地图包裹多个对准后的列并生成合成影像，在所述合成影像中，组织被对准且显示没有垂直运动。
3.如权利要求2的方法，其中所述方法还包括基于所述合成影像生成与运动无关的组织层图像。
4.如权利要求3的方法，其中所述方法还包括做为标量向量来计算所生成的组织层图像，其中每个向量对应于沿所述合成影像中的像素行的中间或平均灰度级。
5.如权利要求3的方法，其中所述方法还包括将所生成的组织层图像输出为代表沿所述合成影像中的像素行的中间或平均灰度级的曲线。
6.如权利要求1的方法，其中所述方法还包括经由动态时间扭曲技术进行对准，且将垂直列轴用作扭曲计算的“时间”。
7.如权利要求1的方法，其中所述方法还包括选择与至少一个组织层对应的多个运动曲线，并计算所述多个运动曲线上的至少两个时间点之间的运动量级运动。
8.如权利要求1的方法，其中所述方法还包括选择与至少一个组织层对应的多个运动曲线，并计算至少一个时刻时的至少两条曲线之间的距离。
9.如权利要求1的方法，其中所述解剖部位是人类心脏，且所述方法包括从所构建的运动曲线计算结束舒张尺寸Ded和结束收缩尺寸Des，并计算和输出人类心脏的左心室的射出分率(EF)，如下所示V ,-V EF(Vo) = ^xlOOVed Γ) 3ID 3苴中.厂_并且厂=--_。"屮2.4 + 扎开㈣ 2.4+ Des
10.一种用于比较M模式影像的方法，所述方法包括 接收多个M模式影像；对于每个影像，计算组织层图像和运动曲线图像中的至少一个； 比较至少两个影像的所述运动曲线和/或所述组织层； 确定所述至少两个影像对之间的类似度值；以及输出所述类似度值。
11.如权利要求10的方法，其中所述方法还包括识别M模式影像集合中与给定M模式影像类似的影像或最接近的邻近影像。
12.—种具有计算机可用介质的制品，所述计算机可用介质存储有实现基于计算机的方法的计算机可读程序代码，所述介质包括辅助接收与描述解剖部位的至少一部分的一个或多个M模式影像对应的数字像素数据的计算机可读程序代码；选择所述数字像素数据中的多个列的计算机可读程序代码； 通过对准所述多个列而生成对准地图，使得对应组织层匹配的计算机可读程序代码； 使用所述对准地图构建一条或多条运动曲线的计算机可读程序代码，其中所述运动曲线代表与所述M模式图像对应的所述数字像素数据中的运动样式，所述运动样式独立于在所述对准地图中识别的组织层；以及输出所述一条或多条运动曲线的计算机可读程序代码。
13.如权利要求12的制品，其中所述介质还包括基于所述对准地图包裹多个对准后的列并生成其中组织被对准且显示没有垂直运动的合成影像的计算机可读程序代码。
14.如权利要求12的制品，其中所述介质还包括基于所述合成影像生成与运动无关的组织层图像的计算机可读程序代码。
15.如权利要求14的制品，其中所述介质还包括做为标量向量来计算所生成的组织层图像的计算机可读程序代码，其中每个向量对应于沿所对准的合成影像中的像素行的中间或平均灰度级。
16.如权利要求14的制品，其中所述介质还包括将所生成的组织层图像输出为代表沿所对准的合成影像中的像素行的中间或平均灰度级的曲线的计算机可读程序代码。
17.如权利要求12的制品，其中所述介质还包括经由动态时间扭曲技术进行对准，且将垂直列轴用作扭曲计算的“时间”的计算机可读程序代码。
18.如权利要求12的制品，其中所述解剖部位是人类心脏，且所述介质还包括从所构建的运动曲线计算结束舒张尺寸Ded和结束收缩尺寸Des的计算机可读程序代码，及计算和输出人类心脏的左心室的射出分率(EF)的计算机可读程序代码，所述计算如下所示
全文摘要
提供了M模式影像的自动分析，其基于将M模式影像分成组织层和运动曲线(702、704)，方式是同时对准所有层并从所述对准提取运动曲线(702、704)。还提供了使用包括组织层和运动曲线(702、704)及其类似性度量的表示来搜索类似M模式的能力。
文档编号A61B8/08GK102348417SQ201080011351
公开日2012年2月8日 申请日期2010年3月11日 优先权日2009年3月13日
发明者A·阿米尔 申请人:国际商业机器公司