本发明涉及用于血管内超声波(“IVUS”)图象增强和信号处理的装置 和方法，尤其是涉及对IVUS图象和信号信息进行处理，从而提高IVUS图象 质量和利用率的装置和方法。

IVUS图象是通过位于附近的装置例如发射器或发射器沿着或在插入血管 的导管的尖部投射的一束超声波能量而得到的。来自装置的超声波束在血管内 连续旋转形成360°内部横截面图象，也就是图象形成在横截面(x-y)内。依 据具体装置的结构，可以在装置的相同横截面内得到图象，或者在装置的横截 面的稍往前(也就是末端)的横截面内得到图象。如果导管在血管内并且沿着 导管移动(也就是沿着z-轴)，则可以形成并显示出血管不同段(一系列连续 的横截面)的图象。

IVUS可以用于各种类型的血管，包括(但并不限于)动脉、静脉和其他 表面血管，并且可以用于全身各处。

接收(检测)的超声波信号本身是模拟信号。该信号经模拟和数字方法处 理最后形成一系列包含数字信息的矢量。每个矢量代表血管不同角度扇区，也 就是血管的一个部分的超声波响应。每个矢量的信息元的数量(轴向取样分辨 率)及用于扫描整个血管横截面的矢量数(横向取样分辨率)可能根据使用的 系统类型而不同。

数字矢量可以先放在具有极坐标也就是A(r，θ)的二维矩阵或方阵中。 在该极坐标方阵中，例如，X轴与坐标r相对应，Y轴与坐标θ相对应。方阵 中的每一个值是代表该位置处的超声波响应强度的值(如果系统是8位的，则 该值的范围为0-255)。

通常不把极坐标阵列传输给显示器，因为产生的图象医生不容易理解。存 储在极坐标阵列A(r，θ)中的信息通常经过几个处理阶段，并变换为笛卡儿 坐标，例如医生更容易理解的X和Y坐标(A(X，Y))。因此，A(X， Y)方阵的X轴和Y轴将对应血管横截面的笛卡儿坐标。笛卡儿方阵中的信 息可能经过进一步的处理，最后显示供医生分析。根据系统的情况而以不同的 速率获得和显示图象。一些系统可以视频显示频率获得和显示图象，例如大约 每秒30幅。

体内腔管即血管的一个段的IVUS检查一般是按如下方式进行的：将血管 的远端(即下游端)放到被检查的部分，然后将导管沿体内体腔(Z轴)慢慢 抽出，这样得到的这一段的连续图象即连续显示出来。在许多情况下，导管与 一个机械牵拉装置相连，该装置以一恒定速度(即典型速度近似为 0．5～1mm／sec)牵拉导管。

在IVUS成象系统中，上面描述的用于显示体腔例如血管的横截面的图象 的技术如今是经常使用的。然而，这些系统存在缺陷，因为它们不包括任何形 式的用于补偿导管和／或体腔例如血管的移动的图象系统。众所周知，在IVUS 对体腔成象的过程中，总是出现导管和／或体腔的移动。该移动可能出现在横截 面(X-Y)上，或沿着血管轴向(Z轴)移动，或两处均出现移动。成象导 管也可能相对血管倾斜，结果成象平面不垂直于Z轴(这一移动将称为扭曲)。 这些移动是由心脏跳动、血液和／或其他液体流经体腔、血管扩张、医生加力及 患者生理上所产生的力以及其他因素引起的。

在现有IVUS系统中，当成象导管处于静止状态或当人工或机械缓慢抽出 导管时，导管和体腔之间的相对移动是连续图象之间外形变化，也就是在显示 器、和／或胶片或电视上监视到的变化的主要因素。这种外形的变化是因为由于 移动导致的变化的速率大大高于由于抽出而导致的实际组织中变化的速率。

当图象包括在连续图象中补偿导管和体腔之间的相对移动的时，图象为稳 定的。因为现今使用的IVUS系统没有一种进行了图象稳定，因此没有补偿或 校正导管和体腔之间的相对移动。结果，在显示器、和／或胶片或电视上各组织 部分在不停地移动和转动。这使的医生很难精确分析在IVUS动态显示器上的 组织结构。而且，当不稳定的IVUS图象作为输入输送给一种处理一系列连续 图象的处理算法，例如3D重建或不同类型的滤波时，这将导致性能下降和判 断失误或判断不准确。

现有的IVUS成象装置或者导管有时出现由于电或机械原因而导致的失 灵。这将导致显示的图象具有可识别的和不可识别的赝象，而且掩盖了真正的 组织。通常没有自动确定图象是否包含这些类型的赝象的方法，这些类型的赝 象将妨碍分析血管或体腔的图象。

心血管功能的变化过程通常表现为周期性。检测这一周期和性能以便建立 图象和它所属的心动周期的瞬时位相之间的关系称为心脏门控。

目前，心脏门控通过内部信号，通常是ECG信号(心电图)来实现。然 而，ECG门控需要采集ECG信号并且与IVUS信号交错(或同步)。这需要 附加的硬件／软件。

血管的IVUS图象中的组织特征可以分为通常的三类：体腔，也就是血液 或其他体液流经的地方；血管壁；和外部区域，也就是血管外的组织或结构。 在大多数IVUS胶片(图象)中，血液的特征是快速变化的镜面图样。血管的 外部也以高的瞬时频率变化。目前，象素的瞬时表现和组织结构特征还不能自 动监视。

体腔例如血管内的血管扩张定义为体腔例如血管口径的变化。这种变化可 以由自然情况或外界刺激引起。血管扩张可以有动态成分和基本静态成分，动 态成分也就是体腔尺寸的动态变化，例如在心动周期内血管口径的动态变化 (收缩和舒张)。基本静态成分即体腔例如血管基本口径的变化。

血管扩张可以表述为体现体腔性能的定量生理参数，例如血管在某些条件 下改变口径的能力。这些类型的参数在目前具有而且可能在将来仍然具有医学 和诊断的重要性，提供关于体腔状态信息，例如关于血管和所进行的治疗的效 果。

IUVS可以用来监视血管扩张，因为它提供体腔基本口径的图象和它的动 态变化。而且，IUVS可以用来监视血管扩张是否是全局的(一致的)，也就 是，体腔的整个横截面以同一数值沿同一方向收缩／舒张。IUVS也可以用来确 定血管扩张是否是不一致的，从而引起体腔口径的局部变化，也就是，体腔横 截面的不同部分表现不同。

目前，各种类型的使用IUVS监视血管扩张是人工完成的。这样很乏味、 费时，而且妨碍实时监视血管扩张。

IUVS图象的解释是通过分析静态图象的组成和监视它们的瞬时表现实现 的。大多数IUVS图象可以分为三个基本部分。最里边的部分是体腔的流动通 道，也就是物质例如血液流经的空腔。流动通道的周围是实际的脉管，可包括 血管和任何其他身体的脉管，由多层组织组成(如果有病还有斑块)。脉管外 的其他组织可以属于周围组织，例如冠状血管图中的心脏。

当动态监视IUVS胶片，也就是以电影的形式观察时，对应于流经脉管的 物质和脉管外组织的象素点的瞬时表现与脉管本身不同。例如，在大多数IUVS 胶片中，流经血管的血液的特征是周期性变化的镜面图样。血管外的组织也表 现为周期性的变化。目前动态IUVS图象的pixels的瞬时表现还不能自动监视。

在现有的IUVS显示中，有时在系统设计中采取措施例如通过对许多图象 取平均值把高频瞬时变化消除掉。然而，这样有时不能消除高幅度值例如亮的 灰度值特征的出现，而且它也具有干扰作用。

体腔的流动通道的大小是一个十分重要的诊断参数。当需要进行诊断时， 用人工方法例如医生确定它。这是通过描绘重叠的静止图象例如静止在电视上 或显示机器上的图象中的流动通道的边界的轮廓图来实现的。这种人工提取法 浪费时间、不精确，而且有偏差。

目前已有用于自动提取流动通道的商品化图象处理软件。然而，这些软件 基于组成静态图象的灰度值，而没有考虑物质的不同瞬时表现，例如流经通道 的血液与血管层不同。

在血管治疗过程中，通常在同一血管段部分反复进行IUVS牵拉检查。例 如，典型的情况是，首先监视有问题的血管段部分，判断疾病(如果有的话)， 移去IUVS导管，考虑治疗方案，进行治疗，例如采用PTCA-“气囊”或斯坦 特支撑装置，然后立即用IUVS再检查治疗的部分，以便估价治疗的结果。为 了正确判断治疗的结果和全面评价所进行的治疗的效果，希望比较治疗以前和 治疗以后部分的图象，这些图象反映沿z-轴的相同位置处的血管横截面(也就 是相应的段部分)。为了进行比较，必须确定在治疗前的IUVS图象电影中的 位置与治疗后的IUVS图象电影中的那个位置彼此相对应。这一过程称为匹配 (对准)，可使得治疗前和治疗后的IUVS图象精确比较。

目前，匹配是通过监视治疗前和治疗后血管段部分的IUVS抽出电影进行 的，利用可识别的组织结构标记，一个接一个或者并列放置电影中的图象，使 它们在视觉上彼此相对应。该方法极其不准确，而且不易做到，因为图象不稳 定，而且在显示器上经常到处转动和／或移动，这是因为图象没有经过稳定，而 且因为在治疗前的IUVS抽出电影上发现的许多组织结构标记是由于血管治疗 可能已被破坏或改变。而且，血管的取向和外形可能由于IUVS导管相对血 管的取向和相对位置的变化而改变，IUVS导管相对血管的取向和相对位置的 变化是由于自身的移动和治疗后进行再插入引起的。这种匹配是人工进行的， 而且主要依靠人的视觉识别，相当费时而且不准确。

本发明解决有关目前市场上的IUVS成象系统的问题，并采用已有技术向 医生提供所诊断的组织的精确IUVS图象和图象序列，从而能够更精确诊断和 估计病情。

本发明处理IUVS图象和信号信息，以便除去由导管和体腔的各种类型移 动引起的变形和不准确。这样处理的结果是增强IUVS图象的质量和利用率。 本发明的一个优点是每个IUVS图象相对于前面的图象被稳定，从而去除对多 个图象的任何后序处理的负效应。如果每个图象中的移动都是横向的，则能够 在每个所获得的图象中完全补偿所述移动。

本发明还保证了体积重建方法以便精确地再现组织，因为稳定体腔的移 动。本发明可以用于各类需要稳定图象的系统(IUVS或其他)，而且确实有 用，因为这类系统的探针(例如超声波探针或其他的探针)沿着体腔移动引起 相对移动(即探针和／或体腔的相对移动)。

本发明用于检测体腔内由超声波装置发射的超声波信号，把接收的模拟信 号变为极坐标信号(A(r，θ))，在极坐标系下稳定信号，把稳定的极坐标 变为笛卡儿坐标(A(X，Y))，在笛卡儿坐标系下稳定信号，然后把笛卡 儿坐标形式的稳定图象传输给显示器。稳定的图象，或者在极坐标系下或者在 笛卡儿坐标系下的，可以在显示前进一步处理，或者它们可不被显示。转换为 笛卡儿坐标和／或在笛卡儿坐标系下进行稳定可以在极坐标系中稳定之前或之 后的任何一点进行。另外，可以略去极坐标稳定或笛卡儿坐标稳定，这根据检 测的图象中的移位和／或其他因素决定。而且，根据检测的图象中的偏移和／或 其他因素，可以包括或略去其他形式的稳定。

例如，可以引入规则移动稳定法以便补偿极坐标系中的旋转运动(角度) 或者全局血管扩张(在r方向的舒张或收缩)和／或笛卡儿坐标系中的笛卡儿位 移(X和／或Y方向)。

连续图象再现之间的横向规则移动称为“移位”，即整个组织在图象平面 的一致移动。为了稳定IVUS图象，所进行的第一步是“移位判断和检测”。 在这里指判断并检测每一对连续图象之间的移位(如果有的话)。系统可以使 用一个处理器对一对连续IVUS图象进行操作，以便确定在这一组图象之间是 否有移位。该处理器可以使用单一算法或者从许多算法中选择以便用来确定移 位。

系统利用算法模拟图象中的移位，然后把该移位的图象与它先前的图象比 较。图象之间的比较称为逼近操作，在本领域现有技术中也称为匹配。系统对 每一次移位进行单一的逼近处理。判断一系列逼近操作的结果，以便确定与先 前没有移位的图象最接近的移位图象的位置(方向和大小)。当然，一幅图象 可以以同样方式与其后续图象比较。实际移位确定以后，当前图象变为先前图 象，下一幅图象变为当前图象，并且重复前面的操作。

利用移位判断和检测，系统确定了横向运动的类型，例如旋转、扩张、收 缩、移位(笛卡儿)等等，以及移位的大小和方向。下一步是“移位补偿”。 这是指系统对连续IVUS图象进行一个或一系列的操作，以便相对邻近的先前 图象稳定每一幅图象。这一稳定利用一个或多个目的在于消除检测到的移位的 “反向移位”。系统可以包括一种算法或从多种算法中选择出几种实现每个“反 向移位”。确定在进行进一步处理或显示之前对每一幅图象实际实施什么样的 反向移位的逻辑称为“移位逻辑”。一旦IVUS图象稳定了所希望类型的检测 移动，那么系统可以变换为笛卡儿(或极坐标)图象形式，以便进一步处理和 最终显示，例如医生可以看到稳定的结果。反之，如果在某些其他处理步骤之 前进行稳定，然后把所产生的图象以未稳定之前的原始形态或方位投向显示 器，在这种情况下使用者可能看不到稳定的效果。

图象之间的横向移动可能不是规则的，而是具有局部特性，也就是说图象 的不同部分的移动方向和大小都不相同。在这种情况下，上面描述的稳定方法 或其他类型方法可以在局部基础上进行，以便补偿这样的移动。

本发明用于仅通过从IVUS图象得出的信息检测心动周期，而不需外部信 号，例如ECG。这一方法包括逼近操作，逼近操作也部分用于稳定过程。当 导管静止时或进行控制IVUS抽出时，检测周期(也就是心脏门控)的一个重 要作用是允许选择属于连续心动周期的相同相位的图象。当图象是选自连续心 跳的相同相位时，根据心脏门控选择图象可以稳定各种类型的周期移动(包括 横向、沿Z-轴和角度移动)。例如，可以显示这些IVUS图象，而且在这些图 象之间的时间间隔内可以通过加入和显示插入图象进行补偿。通过这一操作选 择的IVUS图象可以继续传输以便进一步处理。

用于周期检测的逼近操作也可以用于监视图象质量和表明与成象装置和 处理装置的故障相关的赝象。

用于移位判断的操作可以自动表明血管扩张。当血管扩张导致连续图象由 于血管口径的变化而不同的时候，该操作可作为稳定方法。当图象稳定了血管 扩张而带来的变化以后，那么这一变化也就补偿了。或者可以显示关于口径变 化的信息，因为它可能包含重要的生理信息。通过对极坐标也就是A(r，θ) 表示的连续图象进行逼近操作来实现血管扩张的监视。这些操作可以在整个图 象之间或相应的各极矢量(连续图象的)之间进行，根据所需要的信息类型而 定。因为全局血管扩张表现为体腔口径的一致变化，所以可以通过关于整个极 坐标图象的逼近操作进行评价。通常，任何适用于极坐标表示的全局稳定的操 作都可以用于评价全局血管扩张。

在IVUS成象过程中，在某些条件下可能出现不一致的血管扩张，也就是 只有与体腔的特定位置相应的IVUS图象的某一扇区移动。例如，这可能出现 在动脉产生斑块的某一位置，从而使得动脉只在没有产生斑块的区域舒张或收 缩。当检测到这一移动时，系统能够把表示体腔横截面的超声波信号划分为许 多段部分，然后，使用某一算法分别对相应于邻近图象的相应段部分的每一段 信号进行处理。然后显示产生的IVUS图象。这种形式的稳定可以单独使用， 或者与前面讨论的稳定技术结合使用。另外，也可以显示关于血管口径的局部 变化的信息，因为它可能包含重要生理信息。

象素的瞬时行为和它们的结构特征可以用于显示增强和自动分割(体腔分 割)。如果在稳定图象的条件下监视图象，那么增强显示和分割处理的性能可 以改善。

根据本发明，可以自动监视IVUS图象的瞬时行为。通过这样的监视抽取 的信息可以用于提高分析IVUS图象的准确度。通过滤波和抑制快速变化的特 征，例如作为流经体腔的血液和脉管外的组织的瞬时行为的结果，可以增强人 们对静态图象和动态图象上，例如以电影形式显示的图象的脉管的理解。

自动分割，也就是区分脉管和物质，例如流经脉管的血液，可以根据它包 含的象素形成的结构特征的瞬时表现，通过自动区分物质例如血液的算法来实 现。从图象抽取的瞬时表现可以用于几个目的。例如，进行瞬时滤波以便增强 图象，以及检测象素特征的变化可以用于自动区分体腔和它的周缘。

在所有IVUS图象中，最好在进行稳定之前或者为了监视从图象中消除导 管本身(以及成象装置)。不消除导管可能削弱稳定技术和监视。消除导管可 以自动完成，因为它的尺寸是已知的。

本发明也用于自动确认(即匹配或定位)脉管同一段部分例如在治疗前和 治疗后的两个不同IVUS抽出过程系列图象的相应帧。为了比较体腔同一段部 分的第一IVUS抽出过程系列图象和第二IVUS抽出过程系列图象，也就是第 一IVUS成象序列与第二IVUS成象序列，例如在电视上、胶片上或以数字形 式看到的成象序列，成象序列必须同步。可以达到这种同步的匹配，包括对属 于两个IVUS成象序列的两组连续图象进行逼近操作。

在一个成象序列中选择一组连续图象，称为参考组。这组图象应该从两个 成象序列均显示的脉管的一部分中选择，而且它应该是不进行治疗的部分，因 为脉管的组织特征可能由于治疗而改变。这一匹配处理的另一个条件是两个成 象序列是在已知的、恒定和最好是在同一抽出速率下获得的。

逼近操作在参考组的图象和第二组的图象之间进行，第二组图象具有从第 二个成象序列抽取的相同数目的连续图象。然后，相对参考组把该第二组图象 移动一帧，反复进行逼近操作。这样的操作可以重复预定次数，并且比较每一 次帧移动的接近结果以便确定最大的相近程度。最大相近程度将决定两个成象 序列的图象之间的帧位移。可以反向移动第一或第二系列图象，以便可以自动 对准和／或同时监视相应的图象。

因此，可以看到相应的图象，以便确定例如所进行的治疗的效果，或者组 织结构在一段时间的变化。此外，上面讨论的不同类型的稳定可以在两个序列 的图象内或两序列之间进行，可以在这一匹配操作之前、之中或之后进行。因 此，两个系列图象不仅可以同步显示，也可以一个相对另一个以同样的方位和 形势显示。

图1(a)和(b)分别示出极坐标系和笛卡儿坐标系中置换为数字化矢 量图象的二维阵列或方阵；

图2描述在笛卡儿坐标系中的两幅连续图象之间的偏移判断的结果；

图3示出了描述极坐标系和笛卡儿坐标系中出现漂移现象的图象；

图4描述了对图象进行稳定操作(旋转和笛卡儿偏移)的效果；

图5描述了以图象的极坐标和图象的笛卡儿坐标表示的体腔局部收缩和舒 张；

图6示出了分为四部分的一帧图象，以便根据本发明进行处理；

图7示出了已检测出局部血管扩张的在极坐标系和笛卡儿坐标系中的血 管；

图8以曲线的形式描述了在实际的冠状脉管中监视到的局部血管扩张的结 果；

图9以曲线图的方式同步描绘ECG和互相关系数；

图10示出了一组属于连续图象(上面一行，序号1至10)的互相关系数 (中间一行)的数值表和内部互相关的结果(下面的一行)；

图11示出了表示IVUS图象中的赝象的互相关系数的曲线图；

图12示出分为三个基本部分的一帧IVUS图象：液体流经的体腔；实际的 脉管以及周围组织；

图13示出了瞬时滤波的结果；

图14示出了自动抽取体腔的算法所产生的图象；

图15描述了第一系列图象的时间序列(左边一列)、第二系列图象的参 考段部分(中间一列)和第一系列图象中与参考段部分的图象相对应(匹配) 的图象(右边一列)。

在血管内超声波成象系统(IVUS)中，超声波装置，例如发射器或发射 器阵列发射和接受超声波信号，信号经过处理，最后置换为包含数字数据的矢 量。每个矢量表示体腔不同角度扇区的超声波响应。每个矢量中数据元素的数 目(轴向取样率)和扫描整个体腔横截面所需的矢量数目(横向取样率)依赖 于所使用的具体的IVUS系统。

数字化矢量最初放入图1(a)所示出的二维阵列或方阵中。通常，该方 阵具有所称的极坐标，即坐标A(Υ，θ)。图1(a)中示出的方阵的X轴 与r坐标对应，而方阵的Y轴与θ坐标对应。方阵中的每个值通常是一个灰度 值，例如如果是8位的，则灰度值范围为0-255，表示在体腔的相应位置处的 超声波信号的强度。然后可以把该极坐标方阵变换为与脉管横截面的笛卡儿坐 标相对应的具有X轴和Y轴的笛卡儿方阵，如图1(b)所示。然后，可以 进一步处理该图象并传输到显示器上。初始阵列和显示分别既可以使用极坐标 也可以使用笛卡儿坐标。方阵中的值可以是灰度以外的值，例如，它们可以是 色度值或其他值，而且可以少于或多于8位。

在IVUS成象抽出过程中，体腔(以后称为脉管)和／或成象导管可能经历 几种形式的相对运动。这些类型的运动包括：(1)图象平面的旋转，也就是 极坐标图象的θ坐标的变化；(2)笛卡儿移动，也就是笛卡儿坐标图象的X 坐标和Y坐标的变化；(3)全局血管扩张，特征是整个血管的径向收缩和舒 张，也就是极坐标图象的r坐标的一致变化；(4)局部血管扩张，特征是血 管的不同部分径向收缩和舒张的大小和方向不同，也就是极坐标图象的r坐标 的局部变化；(5)局部移动，特征是不同组织的运动，该运动依赖它在图象 中的确切位置而变化；(6)贯穿平面的运动，也就是垂直于或近似垂直于(成 一角度)图象平面的运动。

可以对上述的前5种运动进行连续的原始图象的稳定，因为运动限制在横 向平面内。这些类型的运动可以通过变换每一帧当前图象来补偿，并且获得稳 定，以便它与它先前的图象的相似程度最大。前3种类型的运动可以使用逼近 操作进行稳定，该操作比较整幅图象或图象的大部分。这是因为运动是全局的 或本质上是有规则的。第4和第5种类型的运动通过进行局部基础上的逼近操 作稳定，因为图象的不同部分表现为不同的运动。第6种类型的运动只能通过 进行局部基础上的逼近操作获得部分稳定，这是因为运动不局限在横向平面 内。这种类型的运动可以利用心血管周期检测进行稳定。

下一部分将描述全局稳定的方法，然后描述局部稳定的方法。利用心血管 周期检测进行稳定将在讨论心血管的周期的部分描述。

为达到全局稳定，使用几种逼近操作完成偏移判断。逼近操作可测定两图 象之间的相似程度。通过变换第一图象并且测量它与先前的第二图象的逼近程 度，也就是相似程度完成偏移判断。例如，可以通过把整幅第一图象沿一个轴 或两个轴(笛卡儿坐标系中的X和／或Y轴或者极坐标系中的r和／或θ方向) 移动一个象素(或者多个)来实现偏移判断。一旦完成变换也就是移位，使用 预先定义的函数比较变换后的第一图象与先前的第二图象。反复进行该变换， 每次把所述第一图象沿同一个和／或其他轴移动一个附加的象素(或者多个)， 并且使用预先定义的函数比较变换后的第一图象和先前的第二图象。求出所有 移位的值之后，使用预先定义的函数比较得出的全局最大值的位置表示第一图 象与它先前的第二图象之间运动的方向和大小。

例如，图2描述了在笛卡儿坐标系中两幅连续图象之间的移位判断的结 果。图象A是表示一模型例如脉管的截面的先前的图象，模型的中心位于方阵 的右下方的象限内。图象B是表示同一模型的当前的图象，但是该模型沿向上 和向左方向移动了，并且位于方阵的上方的左象限内。脉管中心移动的大小和 方向由箭头表示。下面的方阵是C(移位X，移位Y)方阵，是使用某种逼近 操作完成移位判断之后得出的方阵。

有许多不同的可以用于完成逼近操作的算法或数学函数。其中之一是互相 关，可以使用付立叶(Fourier)变换。这种方法是，当前和先前的图象每一 幅都包含例如256×256个象素，每一幅图象都使用FFT算法进行付立叶 (Fourier)变换。将当前图象的FFT的共轭乘以先前图象的FFT，所得结果 使用IFFT算法进行付立叶(Fourier)逆变换。使用付立叶(Fourier)变换的 互相关的公式可以表示如下：   C=real(ifft2((fft2(A))*conj(fft2(B)))) 其中：

A=先前图象的方阵(例如，256×256)；

B=当前图象的方阵(例如，256×256)；

fft2=二维FFT；

ifft2=二维逆FFT；

conj=共轭；

real=复合表达式的实部；

*=元素乘以元素；以及

C=互相关方阵。

使用通过付立叶(Fourier)变换完成的互相关进行逼近判断实际上是一种 近似。这是因为付立叶(Fourier)变换的数学公式与无限的或周期性函数或 方阵相联系，然而在现实中方阵(或图象)是有限大小的，而且不必是周期性 的。当使用付立叶(Fourier)变换进行互相关计算时，该方法假设在两个轴 上是周期性的。

因此，该公式是一个很好的近似，而且它反映了图象的极坐标的θ轴的实 际位置，然而，它不反映图象的极坐标的r轴的实际位置，也不反映图象的笛 卡儿坐标的X和Y轴的实际位置。

利用FFT计算互相关有许多优点。首先，互相关方阵C(移位X，移位 Y)的所有的值是通过这一基本计算得出的。而且具有专用的硬件，也就是付 立叶(Fourier)变换芯片或者DSP板用于有效完成FFT操作。

另一种可以用于完成逼近操作的算法是直接互相关，或者经归一化或者不 归一化。这是通过下述操作实现的，即把当前移位图象的每一个象素乘以先前 图象中与之相应的象素，并且把所有结果相加，在归一化互相关的情况下进行 归一化。每一次移位产生一个和，实际的移位由判断移位中最大的和表示。相 关公式可以表示如下： C(移位X，移位Y) $=\underset{x,y}{\Sigma }$b(x-移位X，y-移位Y)*A(x，y)

归一化互相关的公式为： C(移位X，移位Y)= $\underset{x,y}{\Sigma }$B(x-移位X，y-移位Y)*A(x，y)／ $\sqrt{\Sigma }$(B(x-移位X，y-移位Y)*B(x-移位X，y-移位Y)) $\sqrt{\underset{x,y}{\Sigma }}$ (A(x，y)*A(x，y)) 其中：

A=先前图象的方阵；

B=当前图象的方阵；

*=象素乘以相应的象素；

∑=方阵中的所有象素求和；

C=含有所进行的所有移位的结果的方阵。

使用这种直接的互相关方法对所有可能的移位X和移位Y值都可以计算出 C(移位X，移位Y)。例如，如果初始方阵A和B每个都具有256×256 个象素，那么，必须计算每个移位X和移位Y的值，该值都在-127至+128范 围内，总共需进行256×256=65，536次移位计算，以便计算出C(移位X， 移位Y)的所有可能移位X和移位Y的值。在完成这些计算以后就确定了方 阵的全局最大值。

通过减少所需的算术操作的次数可以更有效的完成直接互相关。为了检测 图象之间的实际移位，不必计算每个可能的移位X和移位Y。找到所有可能 移位X和移位Y的最大C(移位X，移位Y)的位置就足够了。

可以用于完成逼近操作的第三种算法是求绝对差值的和(SAD)。这是 通过下述操作实现的，即把一个图象中的每一个象素减去在另一图象中它的相 应象素，求它们的绝对值，并且把所有结果相加。每一次移位产生一个和，实 际的移位由最小的和表示。求绝对差值的和(SAD)的公式可以表示如下：

SAD=绝对值(A-B)

该公式也可以表示如下：

C(移位X，移位Y) $=\underset{x,y}{\Sigma }$abs(B(x-移位X，y-移位Y)-A(x，y))

其中：

A=先前图象的方阵；

B=当前图象的方阵；

abs=求绝对值；

-=元素之间相减；

∑=所有的差求和。

虽然所有这些算法／公式中的每一个的精度可能根据所遇到的具体的运动形 式和系统的放置而稍有不同，但是应该理解，没有一个公式在事先能够被判断 出能提供最好的或最精确的结果。另外，上述公式有许多种变形，而且还有其 他算法／公式可以用于完成移位判断和替代前述的方法／公式。这些算法／公式也 包括现有技术中公知的用于匹配操作的那些方法。

再参考图2，如果逼近操作是采用互相关完成的，那么C(移位X，移 位Y)称为互相关方阵，而且它的全局最大值(由上方左侧象限的黑点表示) 将位于距离方阵的中心一定距离和在该方向上(方阵C中的箭头)，与图象B 中的脉管的中心相对于图象A中的脉管的中心的位置一样(图象B中的箭 头)。

如果逼近操作是采用SAD完成的，那么黑点表示全局最小值，位于距离 方阵的中心一定距离和在该方向上(方阵C中的箭头)，与图象B中的脉管 的中心相对于图象A中的脉管的中心的位置一样(图象B中的箭头)。

旋转运动表现为沿当前极坐标图象θ坐标相对先前图象的移动。当前图象的 旋转运动可通过求当前极坐标图象和它的先前图象之间逼近的最大值检测 出。当当前图象正好反向移动实际运动的数值时将获得最大逼近值。例如在256 ×256个象素的图象中，128与互相关图象(SAD图象的最小值)中的最大 值的θ坐标的差值(以象素表示)将表示旋转的方向(正或负)和大小。

全局血管扩张的特征是脉管的整个横截面舒张和收缩。在极坐标系图象中 这种类型的运动体现为沿脉管r轴方向的向外或向内运动。血管扩张可以采用 上述公式或其他公式，通过当前极坐标图象相对它的先前极坐标图象的反向舒 张进行补偿。与角度稳定相比，血管扩张稳定不改变图象的取向，实际上只是 通过扩大或压缩图象来变换图象。

笛卡儿位移表示为笛卡儿图象相对它的先前图象在X轴和／或Y轴的移 动。这种类型的运动是通过沿与实际运动方向相反的方向移动笛卡儿图象来消 除的。因此，以笛卡儿坐标表示的笛卡儿位移，可以采用基本上与旋转和血管 扩张稳定相同的以极坐标表示的算术操作来实现稳定。

使用不同的计算方法可以减少确定C(移位X，移位Y)的全局极值(最 大值或最小值，根据逼近函数确定)所需的移位判断的次数。例如，一种方法 利用了连续IVUS图象之间的运动相对极坐标和／或笛卡儿方阵的整体大小通常 相当小这一事实。这意味仅在围绕方阵中心，也就是移位X=0、移位Y=0 的相当小的部分内即可计算出C(移位X，移位Y)。该部分的极值肯定是 包括更大移位X、移位Y值的C(移位X，移位Y)的全局极值。可以肯定 在最小区域大小范围以内检测出的极值就是根据系统的定位而变化的全局极 值。依靠方阵C的的平滑度和单调特性(尤其是在全局极值附近)可以进一 步减少所需的移位判断的次数。因此，如果在C(移位X，移位Y)中某一 位置处的值是局部极值(例如在5×5象素附近)，那么它可能是整个方阵C (移位X，移位Y)的全局极值。

减少所需的移位判断的次数可以这样实现：首先从方阵C的中心(移位X =0，移位Y=0)开始收寻，并且小范围检查，例如在中心周围5×5的 象素范围内。如果在该小范围内发现了局部极值，那么它可能是整个方阵C(移 位X，移位Y)的全局极值，收寻可以终止。然而，如果在该范围的边界上 发现了局部极值，例如移位X=-2，移位X=+2，移位Y=-2，或移位Y =+2，那么围绕该象素反复收寻，直到找到大于(小于)所有附近值的C(移 位X，移位Y)值。因为在大量的图象中没有图象内运动，在这些情况下， 确定全局极值所需的移位判断的次数大约是5×5=25次，而不是原来的65，536 次。

通过对图象取样也可以减少所需的移位判断的次数。例如，如果对256× 256大小的图象每隔一个象素取样，那么它们减小为128×128方阵。在这种 情况下，在这样的方阵之间进行直接互相关或者SAD包括128×128次操作， 而不是原来的256×256次，其中每次操作相对一个图象移动另一个图象。取 样作为移位评价的简化方法可以与上述的简化方法交叉使用。

再参考图2，逼近操作的结果是，得出的移位X具有正值，移位Y具有 负值。为了稳定图象B，也就是为了补偿沿X和Y方向的移动，移位逻辑将 移位反向，也就是改变它们的符号而不改变它们的大小，并且对与图象B相对 应的方阵进行这些移位操作。这样将人为地反向移动图象B，使得图象B相 对图象A没有移位。

在逼近计算中使用的实际数值不必是成象系统提供的方阵的初始值。例 如，当把初始值自乘为2、3或4次幂或采用其他方法处理时，可以得到更好 的结果。

成象导管和封闭层在所有IVUS图象中以稳定赝象形式出现。这一特征使 图象之间的逼近操作效果不佳，因为它不是脉管组织的组成部分。因此，在进 行逼近操作之前需要从每一幅图象中消除导管和有关物，也就是给它的象素赋 0值。从图象中消除这些物可以自动实现，因为导管的尺寸是已知的。

移位判断和执行可以是模式的。因此，移位判断和执行可以分别限于极坐 标系或者笛卡儿坐标系，或者移位判断和执行可以顺次对极坐标系和笛卡儿坐 标系进行。目前，因为用IVUS系统成象通常是首先利用极坐标，然后变换为 笛卡儿坐标，所以以相同的次序进行移位判断和执行移位是最方便的。然而， 可以改变次序而不会产生任何负效应和结果。

移位判断处理可以沿一个轴或者两个轴进行。通常，即使检测到沿一个轴 的运动时，最好也进行二维移位判断。移位执行可以限于两个轴、一个轴或者 不沿任何轴。

图象中用于移位判断的区域和进行移位操作的区域不必相同。例如，移位 判断可以使用图象中的相当小的区域完成，而移位将根据该区域标出的移位移 动整个图象完成。

无效移位逻辑是这样执行移位操作的，即对每幅图象进行的移位(从而形 成稳定的图象)对计算位移来说大小相等，方向相反。然而，这样的逻辑在处 理过程中可以产生定义为漂移结果。漂移是这样的过程，即完成的移位累计而 且产生增长的移位，它的大小相对整个图象或者显示器来说很大。漂移可以是 心血管周期内相同部分不精确移位判断或者非横向的图象内运动的结果。当完 成笛卡儿稳定以后，drift?可以导致例如图象的相当大的部分移出显示器。当 完成旋转稳定以后，漂移可以导致图象在某一方向上增加旋转。

图3是描述在极坐标和笛卡儿坐标中出现漂移的图象。左边显示的是原始 图象，而右边是进行了极坐标和笛卡儿稳定的同一图象。注意右边的图象是怎 样反时针方向大角度旋转并相对左边的图象向下移动的。在这种情况下，旋转 和笛卡儿移位的执行不能补偿图象的实际移位，甚至还增加了移计算的不精确 性。

移位逻辑必须能够解决这样的漂移，以便使移位计算的误差为最小。一种 防止或者至少限制漂移的方法是设置允许移位值的极限。这将减小漂移，但是 以不能补偿某些实际的移位为代价。可以使用附加的方法防止漂移或者使漂移 最小。这些可以与后面将讨论的心血管周期检测方法交叉使用。

图4所示的图象描述了对图象进行稳定操作(旋转和笛卡儿移位)的效果。 左边的图象是当在常规显示器的大部分区域上观察到的冠状动脉的IVUS图象 (已去掉导管)，而右边的图象所示为进行完稳定操作以后左边的图象是怎样 显示的。

仔细监视图4中左边和右边的图象可以看到一些差别。首先，右边的图象 相对左边的图象有少量顺时针方向的转动(即几度)。这是旋转稳定的结果。 其次，右边的图象相对左边的图象总的向左方移动。这一点可观察在每幅图象 中体腔(空腔)离开图样边缘的距离检测出。这是笛卡儿移位稳定的结果。

只监视图4中所示出的图象不能看出显示图象稳定的优点。然而，监视这 样图象的系列体现可以容易地看到这些优点。在不包括稳定的显示器中，导管 的位置将总是位于显示器的中心，而且组织特征将在显示器上到处移动和转 动。相反，在稳定的显示器上，导管的位置将到处移动，而组织特征将在显示 器上保持基本静止。使用者可以看到，实际上稳定将增加后续处理步骤，但是 实际显示器将以图象原来的姿态和方位(未稳定)显示所得出的处理图象。

图5描述了由极坐标图象沿r坐标的移动特征表示，也就是沿极矢量的移 动的脉管的全局收缩或扩张。图5也示出了以笛卡儿图象表示的相同全局收 缩或舒张。图5(a)示出了以极坐标和笛卡儿坐标表示的脉管横截面的基本 形状。图5(b)示出了相对基本形状的收缩。图5(c)示出了相对基本形 状的一致舒张。

因为全局血管扩张体现为血管口径的一致变化，任何适合于极坐标稳定的 操作都可以用于确定全局血管扩张，例如全局血管扩张可通过利用整个极坐标 图象的逼近操作进行评价。

二维移位判断完成以后，如上所述，方阵C(X移位，移位Y)在θ轴 上的最大值位置用于旋转稳定。这样使得极值的位置在r轴上，这一点可以用 来表示全局血管扩张。因此，全局血管扩张的监视是极坐标图象的二维移位判 断的副产物。

每对连续图象产生一个表示血管扩张的值。图象之间移位的大小和方向表 征脉管的变化，也就是血管扩张。负的移位表示舒张，正的移位表示收缩。值 的大小表示血管扩张量的大小。

在某些情况下，运动或者血管扩张可能不是一致／规则的，虽然该运动限于 图象平面内，也就是横向平面。为了确定运动或血管扩张的类型，可以把图象 划分为几部分，并对这些部分的每一个进行局部稳定判断。通过检查所示出的 这些部分相对先前图象中的相应部分的移位可以确定移动的类型。例如，如图 6所示，图6(a)中的图象可以划分为四部分，如图6(b)所示。可以对 四部分中的每一个分别进行移位判断。对四部分中的每一个比较移位判断的结 果可以识别实际运动的类型。因此，可以根据检测到的运动类型而变化所施加 的稳定的类型。

通过进行局部基础上的逼近操作来实现局部运动的稳定。先前图象A的小 部分(“样板”区域)和当前图象B的小部分(“查找”区域)参与局部稳定 处理。有时，最好在全局稳定完成以后再进行局部稳定。

在局部稳定过程中，在先前图象(A)中的样板区域在查找区域范围以内 移动并利用逼近操作，与当前图象(B)中样板大小的区域进行比较。新形 成的稳定图象(B’)中的每一个象素将根据查找和逼近操作的结果赋予一个 新的值。

通过下述例子来描述局部稳定，其中样板区域是1×1个象素区域，即只 有一个象素；查找区域为3×3个象素区域，逼近操作是SAD。在下面的图 表中，A中的值为3的象素和B中值为9的象素是相应的象素。另外也描述 了值为9的象素周围区域的3×3个象素值。

A中的象素    B中的象素(3×3查找区域)     B’

(样板区域)

1            10                          10

3            7                           9         50         1

11           7                           60

在这一例子中，根据上面的描述的条件，值为3的“样板”象素使用SAD 与查找到的值为9的象素周围的3×3查找区域内的所有象素比较。在查找区 域的所有可能情况中，查找区域的左上角值为1的象素将达到最小SAD值(｜1 -3｜=2)。因此，在新形成的稳定图象(B’)中，与值为3和9的象素的 位置对应的象素将被赋值1。

通常，样板和查找区域的大小可以与所使用的逼近操作一起变化。赋给新 形成的稳定图象(B’)的象素的实际值不必是当前图象B的实际象素的值(如 例子中所描述的)，而是象素值的某一函数。注意到这点很重要，即作为局部 稳定的结果，与全局／规则稳定方法相反，图象的组成也就是象素之间的内部关 系以及它们在稳定图象中的分布相对原始图象发生了变化。局部稳定可以对极 坐标和笛卡儿坐标表示的图象进行。

图7示出了血管在极坐标和笛卡儿坐标中的情况，其中检测到了局部血管 扩张。当检测到局部血管扩张时，它表示血管横截面的一些部分与其他部分的 表现不同。

图7(a)示出了血管在局部扩张前的基线图。图7(b)示出了局部血 管扩张的一个例子。如在极坐标和笛卡儿坐标中所示出的，血管的四个不同部 分的表现不同：血管的两个段部分的口径没有变化，或者没有相对它们在先前 图象中的相应段部分运动；一个段部分收缩，或者向上运动；以及一个段部分 扩张，或者向下运动。

如所监视到的，全局血管扩张判断方法不适合用于评价局部血管扩张，因 为血管的表现方式不一致。如果例如对于图7中所示出的例子采用全局血管扩 张判断，则可能检测到整体为零的血管扩张，也就是收缩和舒张彼此抵销。

因此，必须使用局部血管扩张判断。这可以通过对每个极矢量也就是对每 个θ(或Y)矢量分别判断血管扩张来实现。采用对相应极矢量的一维移位进 行逼近操作。例如，如果移位操作是利用互相关的，那么下述操作描述了这一 点是怎样利用一维移位实现的。 C(移位X，Y) $=\underset{x}{\Sigma }$B(x-移位X，y)*A(x，y) 其中： A=先前图象的方阵； B=当前图象的方阵； *=象素乘以相应的象素； ∑=极坐标方阵中的所有象素求和； C=相关系数的二维方阵。

可以看到，对每一个极矢量(θ或Y)沿一个轴(X或r)进行移位。赋 给每个矢量用于移位判断的值可能不是图象的实际值，但是，例如可以把极 矢量中的每个象素赋值为它附近横向象素的平均值，举例来说，也就是A (X，Y)将被赋值为A(X，Y-1)A(X，Y)和A(X，Y+ 1)的平均值。对B(移位X，Y)进行类似的操作。这样可使得互相关方 法更不易受噪声干扰。

这样形成了二维方阵(C(移位X，Y))。方阵中的每一列存放当前 图象和先前图象的相应极矢量之间逼近／近似操作结果。这一操作也可以利用 FFT完成。

形成方阵以后，检测每一列中的极值(互相关操作中的极大值)位置。该 极值位置表示当前极矢量和它先前的极矢量之间匹配。因此，每个极矢量中的 血管扩张可以表征为血管每个特定角度扇区的径向移动。

这一信息可以用于显示局部血管扩张，可以对一些或者全部极矢量求和并 求平均值，以便确定血管扩张的平均值，或者用于其他目的。因此，通过评价 局部血管扩张，可以评价局部和全局血管扩张。

为了有效使用和／或定量表示生理参数，血管扩张的大小必须以某种方式与 血管的实际口径相连系。因此，血管扩张监视措施通常应该与自动或人工的血 管口径测量相结合。

除了实际的血管扩张，笛卡儿位移也可以检测为血管扩张。这是因为当用 极坐标表示时笛卡儿位移产生沿r轴和θ轴的移位。为了把实际的血管扩张和 笛卡儿移位区别开，笛卡儿图象中的移位判断必须表示出没有或很小的运动。 如果检测到笛卡儿移位，那么必须首先稳定。然后，可以把笛卡儿坐标变换回 极坐标以便血管扩张评价。这能使确定实际的血管扩张更有效，而且提供更精 确的结果。

图8中的曲线描述了在人体冠状脉管内监视局部血管扩张的结果。在脉管 的大致同一段部分进行两次局部血管扩张监视，而且得到包括如图8(a)和 8(b)所示(X-轴)的190幅连续的图象。两曲线的差别在于8(a)中示 出的血管扩张评价是在动脉治疗以前进行的，也就是治疗前，而8(b)中示 出的血管扩张判断是在动脉治疗之后进行的，也就是治疗后。

在每一幅图象中，判断每个极矢量中局部血管扩张，然后把所有检测到的 单个移位相加并求平均值，以便对每幅图象产生单一全局血管扩张表征(Y- 轴)，也就是血管扩张活动的表征。

沿Y-轴的单位不具有直接的生理意义，因为没有计算脉管的实际口径，但 是图8(a)和8(b)中的数值的关系有意义，因为它们是从同一脉管得出 的。这样，可以从这些数据得出重要信息。注意治疗之后血管扩张是怎样增加 的(最大舒张从大约40至大约150)。因此，即使不完全定量地表示血管扩 张，也证实了生理的变化(可能与治疗有关)。

可以只根据存储在IVUS图象中的信息监视心血管周期，从而取消对EGC 或任何其他外部信号的需要。这意味着可以在每幅图象和它们各自在心血管周 期中的瞬时位相之间建立联系，而不需要外部信号。一旦建立了这种联系，那 么监视可以在许多需要心脏门控的应用中替代EGC信号。这一监视可以利用 连续图象之间的逼近操作完成。而且，同样的逼近操作可以产生关于IVUS图 象的质量和它们的表现的信息。

心动周期以IVUS图象中得出的某些参数的周期性表现来表示。如果监视 了这些参数的表现，那么就可以确定心动周期。知道了帧采集速率也可以作为 瞬时参数来确定心动周期。

连续IVUS图象之间的逼近性是一个清楚表现周期模型的参数。这是因为 大多数类型的图象内运动存在周期性。逼近函数可以这样形成，即其中的每个 值从一对连续图象之间的逼近操作得出。例如，一组十幅图象将产生九个连续 逼近操作的值。

逼近函数可以从互相关类型的操作、SAD操作或者其他类型的产生逼近 类型函数的操作中得出。归一化互相关用于监视周期性时可产生非常好的结 果。

下述公式表示出用于计算逼近函数的互相关系数的公式(作为第N幅图象 的函数)： 相关函数 $\left(N\right)=\underset{x,y}{\Sigma }B(x,y)*A(x,y)/\sqrt{(\underset{x,y}{\Sigma }A{(x,y)}^2*\underset{x,y}{\Sigma }B{(x,y)}^2)}$ 其中： 相关函数(N)=对每一对图象产生一个值的一维函数； A=先前图象的方阵(第N幅图象)； B=当前图象的方阵(第N+1幅图象)； *=象素乘以相应的象素； ∑=极坐标方阵中的所有象素求和；

相关系数是稳定处理的副产物，因为总是要计算归一化互相关方阵(C (移位X，移位Y))的中心值(移位X=0，移位Y=0)。对用于稳定 的所有类型的逼近函数来说都是这样。逼近方阵的中心值(C移位X=0， 移位Y=0))，或者互相关或者另一类用于稳定的操作，总可以用于产生逼 近函数。

也可以从一帧相对于另帧移位的图象中计算出相关函数，即计算出那些移 位X和移位Y不等于零处的构成函数的点C(移位X，移位Y)的值。 相关函数不必由整个图象构成，而是可以仅由图象的一部分计算得出，该部分 图象或者与其他部分图象相对应或者相对于图象的其他部分有移位。

图9以同步方式用曲线描绘出EGC和互相关系数。两个曲线都与同一组 图象有关。图9(a)示出了EGC信号的曲线，图9(b)示出了由连续IVUS 图象得出的互相关系数的曲线。水平轴显示图象数(总共190幅连续图象)。 可以监视到，图9(b)中的互相关系数函数表现出周期性模型，而且它的周 期与图9(a)中的EGC信号所表现的周期相同(都示出大约6次心脏跳动)。

监视逼近函数的周期可能很复杂，因为逼近函数不具有典型的形状，它可 能随时间变化，它依赖于所使用的逼近函数的类型，而且它可能随血管不同段 部分而变化或者随受试者而变化。

可以使用不同的方法连续而自动地监视逼近函数的周期性。例如，一种方 法是阈值型方法。该方法监视逼近函数的超过所谓阈值的值。一旦检测到该 值，该方法监视何时再超过该阈值。周期确定为超过阈值的时间差值。图10 以图表的形式示出了该方法的一个例子。该图表示出了属于连续图象(上面一 行示出的序号1至10)的一组互相关系数值(中间一行)。例如，如果阈值 设置为0．885，那么从图象#2过渡到图象#3的过程中第一次超过该阈值。 从图象#6过渡到图象#7的过程中第二次超过该阈值。因此，周期的时间段 为获得7-3=4幅图象的时间。

另一种可以用于从逼近曲线中提取心动周期的方法是内部互相关。该方法 利用逼近函数的一段，也就是一组连续值。例如，在图10所示的图表中，所 述段可能包括前四幅连续图象，也就是图象#1至#4。一旦选定一段以后，它 与自身相关，产生相关值1。然后，该段与从逼近函数中取出的相同大小的段 互相关，但是向前移动了一幅图象。对向前移动两幅图象的段重复这一操作， 等等。在图10所示出的例子中，段{0．8，0．83，0．89，0．85}将与向前移动 一幅图象的段{0．83，0．89，0．85，082}互相关，然后，段{0．8，0．83，0．89， 0．85}将与向前移动两幅图象的部分{0．89，0．85，082，0．87}互相关，等等。 图10中图表的最下面一行示出了这些内部互相关的结果。第一个值1是该部 分自身互相关的结果。检查这些互相关值以便确定局部最大值的位置。在本例 中，它们位于#1图象和#5图象处(它们的值以黑体字示出)。所得的周期是 局部最大值的位置与收寻开始位置(例如#1图象)的差值。在本例中，周期是 从采集#1图象至#5图象即5-1=4幅图象所经历的时间。一旦检测到周 期，利用围绕局部最大值，例如#5图象的一段重新开始收寻。例如在本例中， 所述新的段可以是属于图象#4至#7的一组逼近值。

由于所涉及的计算本身的特性，在某一时间点上的内部互相关操作需要将 来某一时间采集到的图象的逼近值。因此，与阈值方法不同，逼近方法需要存 储图象(在存储器中)，而且周期检测是追溯进行的。也可以通过把逼近曲线 经付立叶(Fourier)变换变换为瞬时频域来监视心动周期。在频域中，周期 应表示为与周期相对应的峰值。频谱分析可以检测峰值。

逼近函数可以提供关于IVUS图象的其他信息，这些信息不能从外部信 号，例如从EGC中得到，也不是从实际图象中得到的。该函数的特性可以表 示用于形成逼近函数的IVUS图象或部分图象的某些状态。表示IVUS图象这 一状态的逼近函数的重要特征是逼近函数存在周期性和“不平滑”性。标准 IVUS图象应表现为相当平滑而且是周期性的逼近函数，例如图9(b)所示 出的。

然而，如果不存在“不平滑”和／或周期性，那么这可能表示在形成IVUS 图象中有些问题，也就是在形成的图象中有赝象，例如，或者由机械故障或者 由电故障导致。下面的附图有助于分析这一点。图11示出了从连续IVUS图象 得出的互相关系数的曲线图。该图的形状与图9(b)中的互相关曲线相同， 但是在本例中它是由通过用于不同的受试者中的不同的导管形成的。

在本例中很明显，逼近函数既没有表现出明显的周期性，也不具有平滑的 形状，而是相当粗糙或者有尖峰出现。在这种情况下，逼近曲线的特性是由 IVUS发射器转动的不均匀导致的，所述IVUS发射器负责发射／采集显示在图 象中的超声波信号。这类赝象有时出现在其中有运动机械的部件IVUS导管- 发射器装置中。

当认为逼近函数反映标准成象条件时可以用于其他目的。这与逼近函数的 每个周期中的最大值位置相连系。确定这些最大值对于图象处理的算法很重 要，该算法一起处理几幅连续图象。在最大值图象附近发现的图象彼此之间倾 向于具有最大逼近性和小的图象内运动。而且，如果要选择属于连续心动周期 的同一相位的图象，通常最好利用每一周期中的最大值(逼近函数的)选择它 们。

在一种显示方法中，例如，这些图象被投射到显示器上，而且用内插图象 填充图象间隙。通过这种类型的显示方法，可以稳定所有类型的周期性运动。

在稳定处理的移位逻辑阶段也可以使用心血管周期监视。如果要避免漂 移，在每个周期时间段后的累积漂移应很小或等于零，即在一个周期段内的所 有漂移的和应该等于零或近似等于零。这意味着利用移位逻辑与周期监视相结 合可以消除漂移现象。

现在参考附图12，多数IVUS图象可以划分为三个基本部分。在图12 中标注为“体腔”的中心区域(导管周围)是液体例如血液流经的实际的体腔 或内部通道(空腔)。在体腔周围是实际的脉管，在图12中标注为“脉管”， 该脉管由几层组织和斑块(如果有病)组成。脉管周围是其他组织，在图12 中标注为“外部组织”，也就是肌肉或器官组织，例如冠状脉管图象中的心脏。

当动态监视IVUS图象时(也就是以电影形式)，有血液流动的内部组织 和脉管周围的外部组织的显示通常表现出与脉管本身不同的瞬时特征。

自动监视动态IVUS图象中象素的瞬时表现使得能够利用该方法得出的信 息来帮助IVUS图象的内插。这一信息可以用于通过滤波和抑制快速变化的特 征的出现来增强IVUS显示，其中快速变化的特征包括如血液的液体和周围组 织的瞬时特征。这一信息也可以用于自动分割，通过根据它们的组成象素形成 的组织结构特征的瞬时表现来区分液体例如血液及周围组织。从而自动确定体 腔的大小，

为了实现自动监视瞬时表现，必须判断属于连续图象的相应象素形成的特 征之间的关系。提取瞬时表现与局部化基础上的逼近操作所使用的方法相似， 如前所述。

大的瞬时变化表征为当从一幅图象过渡到另一幅图象时，相应象素的相当 大的相对灰度值变化。这些快速的瞬时变化可以在显示器上得到抑制，即通过 用一个屏蔽结构乘以原始图象来表征这些变化。屏蔽反映象素值的瞬时变化。 这种判断产生的一个问题是如何确定在相应的象素值中灰度值变化是否是由 于物质的流动或者变化，或者脉管／导管的运动引起的。通过对稳定图象进行这 一判断克服或者至少减小了这一问题。

引入下列定义：

B=当前(稳定或未稳定)图象；

A=先前(稳定或未稳定)图象；

C=后续(稳定或未稳定)图象；

abs=求绝对值；

使用的方阵可以是笛卡儿坐标或极坐标形式。

下面产生方阵D1的操作应定义如下：D1是一个方阵，其中每一个坐标 为X、Y的象素值是它的分别是从图象A和B中抽取的小范围周围区域，例 如9个元素(X-2：X+2，Y-2：Y+2-a 3×3平方)的绝对值差 的和。

例如，下面的描述示出了方阵A和B中的相应元素(黑体字)和它们的 附近区域。

   A               B            D1

1  4   51     3    6    8

6  7   15     3    4    70     190

3  5   83     2    1    6

方阵D1中位置与值为4(在B中)和7(在A中)的象素相对应的象素 将被赋予下面的值：

abs(1-3)+abs(4-6)+abs(51-8)+abs(6-3)+ abs(7-4)+abs(15-70)+abs(3-2)+abs(5-1)+ abs(83-6)=190

D2以类似方式定义，但是针对于方阵B和C。

实际上，方阵D1和D2是差值方阵，即对3×3区域求平均值，以便消 除局部振动或者噪音。图象A和B之间或者图象B和C之间大的灰度值变化 将分别表示为方阵D1和D2中相当大的值。

下一步形成一个新的方阵Dmax，其中每个象素是方阵D1和D2中的相 应象素的极大值：

Dmax=max(D1，D2) 其中： max(D1，D2)=Dmax中的每个象素是方阵D1和D2中的两个相应象素 的极大值。

因此，单一方阵Dmax特别增强了方阵A、B和C之间大的象素变化。 然后，通过归一化也就是Dmax的每个象素除以Dmax的最大值，从Dmax形 成屏蔽方阵(MD)。因此，屏蔽方阵MD的象素值的范围是从0至1。

屏蔽的任务是以下述方式乘以当前图象B，形成一个新的方阵或者图象， 定义为BOUT：

BOUT=(1-MDn)*B 其中： B=原始当前图象； BOUT=新的图象； n=方阵MD中的每一个象素自乘到n次幂，n通常是一个数值，例如值为2 -10。 1-MDn=一个方阵，其中每一个象素的值为1减去方阵MD中相应象素的 值。

通过进行(1-MDn)计算，MD中反映缓慢变化特征的的小值 在1-MDn中变为大值。而且，只有缓慢变化特征将具有大值的机会增加了， 因为大的MD值在前面已经增强了(以方阵D1和D2之间的极大值形成方阵 MD)。

屏蔽(1-MDn)乘以当前图象B，形成新的图象BOUT，其中缓慢变化 的象素出现的几率增加了，而快速变化的象素值降低了。数值n确定对将在显 示器上看到的快速变化特征抑制的强度。

图13示出了瞬时滤波的结果。左边的图象是冠状脉管的原始IVUS图 象(也就是方阵B)，如同将在当前显示器上看到的一样。右边的图象已经经过 上述的处理步骤处理，也就是瞬时滤波(方阵BOUT)。注意在右边图象中， 血液和周围组织被滤掉了(被抑制)，从而体腔和脉管的边界更易于识别。

自动分割把液体例如血液和外部组织与脉管壁区别开来，这是基于组织特 征的瞬时表现之间的差别。在瞬时滤波的情况下，该方法通过几个连续图象的 相应象素之间的关系得出。如果由于图象内移动导致象素值变化，那么算法的 功能将下降。在自动分割之前进行稳定将克服或至少减小这一问题。

在瞬时滤波的情况下，引入下列定义：

B=当前(稳定或未稳定)图象；

A=先前(稳定或未稳定)图象；

C=后续(稳定或未稳定)图象；

方阵可以是笛卡儿坐标或极坐标形式。

组织特征可以限定如下：假设值为“a”的象素的四个最邻近的象素是 “b”、“c”、“d”和“e”，那么“a”的分类将根据它与“b”、“c”、 “d”和“e”的关系。这可以用下面的描述表示：

  b

c a d

  e 那么可能形成下述类别： 在垂直方向上： 如果a＞b而且a＞e那么“a”划分为属于类别Ⅰ； 如果a＞b而且a＜e那么“a”划分为属于类别Ⅱ； 如果a＜b而且a＜e那么“a”划分为属于类别Ⅲ； 如果a＜b而且a＞e那么“a”划分为属于类别Ⅳ； 如果a=b或者a=e那么“a”划分为属于类别Ⅴ； 在水平方向上： 如果a＞c而且a＞d那么“a”划分为属于类别Ⅰ； 如果a＞c而且a＜d那么“a”划分为属于类别Ⅱ； 如果a＜c而且a＜d那么“a”划分为属于类别Ⅲ； 如果a＜c而且a＞d那么“a”划分为属于类别Ⅳ； 如果a=c或者a=d那么“a”划分为属于类别Ⅴ。

然后垂直类别和水平类别相结合形成一个新的类别。因此，象素“a”现 在可能属于5×5=25个可能类别。这意味着“a”的组织特征由它所属的 那些(25)个类别之一表征。

例如，在下面的附近区域中：

      7

10    10    14

      3

象素“a”=10划分为包括垂直方向的类别Ⅰ(因为10＞7而且10＞3)和 水平方向的类别Ⅴ(因为10=10)的类别中。然而，如果象素“a”是位于下 面的周围区域：

     7

11   10   14

     3 它将被划分属于不同的类别，因为它的水平类别现在是类别Ⅲ(10＜11而且 10＜14)。

通过确定每个象素与它的附近周围象素的关系，得出了组织结构的特性， 该特性把每个象素划分为25种可能类别。类别的数目可以变化(增加或减 少)，例如，通过改变划分类别条件，类似使用的周围象素的数目，例如可以 使用8个而不是4个。

利用组织结构的变化区分液体例如血液与脉管的基本原理是监视连续图 象的相应象素所属类别的变化。为了做到这一点，要分别确定方阵A、B和C 中的每个象素所属的类别。然后，分别检查相应象素的类别是否改变了。如果 改变了，则认为该象素是液体，例如血液或者周围组织象素。如果没有改变， 那么就认为该象素是脉管象素。

下面的例子表示连续方阵A、B和C三个相应象素(值为8、12和14) 及它们周围区域的象素。

A           B           C

5           9           1   9 8 11     19 12 13    21 14 17

23          100         20

在本例中，值为12的象素(在B中)的类别与在A和C中的相同，所 以将它划分为可能性很大的脉管壁象素的象素。然而，如果象素位置如下所示 (C中的20变为13)：

  A          B           C

  5          9           1

9 8 11    19 12 13    21 14 17

  23         100         20 那么A中的象素8和B中的象素12的类别相同，但是C中的14的类别与前 面的例子不同。因此，B中的象素12划分为可能性很大的液体(体腔内)， 例如血液或外部组织象素的象素。

目前所描述的分类方法观察与每个象素周围的小区域相关的组织结构或 图形的变化。一旦如上所述，确定了这一变化，则可以给每个象素赋一个二进 制值。例如，如果确定它为脉管象素，则赋给数值0，如果确定它为血液象素 或者属于脉管外部组织的象素，则赋给数值1。二进制图象作为区分体腔的处 理的输入值，而原始象素值在分割处理中不再发挥作用。

使用二进制图象区别体腔是基于两个假设，这两个假设在以上述方式处理 的IVUS图象中是有效的。第一个假设是图象中包含血液的区域或者是在脉管 的区域的特征为二进制值为1的象素的密度较高(或者值为0的象素的密度 低)。需要有一个分界密度，因为总是有象素被错误分类。第二个假设是，从 组织特征的角度看，可以看到值为1的象素高密度相连区域(体腔)围绕在导 管周围，而且被值为1的象素低密度相连区域(脉管)所围绕，然后，再被相 连的值为1的象素密度高的区域(脉管的外部)所围绕。这一假设的理由是典 型的组织结构是由血管导出的。

这两个假设构成了下面处理算法的基础，该算法从二进制图象中抽取出与 体腔相关的实际区域。该算法可以使用公知的图象处理技术，例如对局部化区 域内的密度特征设定阈值(区别血液／外部组织与脉管)和形态动作，例如扩张 或者与内部组织相连，形成代表在脉管壁范围内发现的实际体腔的相关区域。

图14示出了自动抽取体腔算法所得的图象。该图象是原始IVUS图象(例 如，如上所描述的图象B)，并且体腔的边界与亮线重叠(通过所述算法)。 抽取体腔边界的算法基于使用三幅连续图象监视上述组织结构特征的变化。

上面描述的瞬时滤波的例子和自动分割包括除了当前图象(例如上面描述 的图象B)之外还采采集两幅附加图象(例如上面描述的图象A和C)，然 而，这两种方法都可以改进为利用较少(也就是只有一幅附加图象)或更多的 附加图象。

如果与心血管周期监视相结合，上面描述的两种方法的性能将大大增强。 这尤其适用于连续图象，其中所述连续图象中的心血管周期监视产生高的图象 内逼近值。这些图象通常没有图象内运动。因此，当具有最大图象内逼近的连 续图象反馈输入给瞬时滤波或自动分割时将产生最可靠的结果。

在使用导管插入术治疗脉管的过程中，通常的操作是在脉管的同一段部分 反复进行IVUS抽出检查。例如，典型的情况是首先监视有问题的段部分，判 断病情(如果有病的话)，移去IVUS导管，考虑治疗措施，进行治疗，然后 再使用IVUS立即检查治疗的段部分(在同一时间内)，以便评价治疗的结果。

为了正确评价这种治疗的结果，应该比较沿脉管长度方向的同一位置处的 治疗前和治疗后相对应的段部分。下面的方法用于匹配，也就是自动识别(对 准)相应段部分。

为了完成相应段部分的匹配，在属于第一抽出系列图象的第一组连续图象 也就是参考部分的图象之间和属于第二抽出系列图象的第二组连续图象的图 象之间进行逼近／相似操作。当某一标准函数达到最大值时，第一系列图象的参 考部分与的第二系列图象上它的相应段部分达到匹配。

参考段部分从所述两个系列图象之一中选出。参考段部分可以是一组例如 代表几秒种的IVUS图象的系列图象的连续图象。重要的是在脉管的某一位置 处选择参考段部分，该位置在两个系列图象中都存在，而且没有因为任何处理 而发生变化，也就是确定参考段部分位于治疗段部分的近端或顶端。

作为例子，图15中的表将帮助理解相应段部分的匹配方法。

左边一列表示第一系列图象的时间序列，在这种情况下该系列图象包括20 幅连续图象。中间一列表示从第二系列图象上选择的参考段部分，包括10幅 连续图象。右边一列列出了第一系列图象的10幅连续图象(#5-#14)，它实 际上与第二系列图象的参考段部分的图象(#1-#10)相对应(匹配)。匹配处 理的目的就是实际找到这一对应关系。

一旦选择了参考段部分，则沿另一系列图象移动它，每次移动一幅(或多 幅)图象，在每一段部分的相应图象之间进行一系列稳定和逼近操作。移动方 向根据参考段部分在两个系列图象的时间序列中的相对位置确定。然而，通常 如果不知道这一点，则可以沿两个方向移动。 例如，其中： r=参考段部分；以及 f=第一系列图象， 第一系列操作将在包含下面的图象对的图象之间进行：r#1-f#1，r#2-f#2，r#3- f#3…，r#10-f#10。

第二系列操作将在包含下面的图象对的图象之间进行：r#1-f#2，r#2-f#3， r#3-f#4，…，r#10-f#11。

第三系列操作将在包含下面的图象对的图象之间进行：r#1-f#3，r#2-f#4， f#3-f#5，…，r#10-f#12，等等。如在本例中所看到的，每次仅有一幅图象只沿一 个方向进行了移位。

例如，可以在每对图象之间进行下面的操作。首先，参考部分的一幅图象 相对第一系列图象中它的对应图象针对旋转和笛卡儿运动进行稳定。然后，在 每对图象之间进行逼近操作。例如，这一操作可以是归一化的互相关(上面结 合周期检测讨论过)。每次这样的操作产生一个逼近值，例如使用归一化互相 关时产生归一化系数。一系列这样的操作将产生许多这样的值。在图15的表 所示的例子中，每次移位参考段部分，将产生10个新的互相关系数。

然后，可以把一系列操作产生的逼近值代入某类型的逼近函数例如平均值 函数中。使用上面的例子，互相关系数求和然后除以图象对数，也就是10。 因而每一组操作产生一个单一值，也就是平均逼近值，该值能够代表参考段部 分和第一系列图象上它的临时对应图象之间的相近程度。因此，第一系列的操 作的结果是单一值，第二系列操作的结果将是另一个值，等等。

我们可以期望将出现最大平均值逼近，它是在非常相象，也就是相应或者 匹配段部分之间进行操作的结果。

在上面的例子中，这些段部分在第五系列操作过程中应该匹配，所述第五 系列操作在将在包含下面的图象对的图象之间进行：r#1-f#5，r#2-f#6，r#3- f#7…，r#10-f#14。

因此，最大平均值逼近应该体现相应的段部分，因为事实上每对图象是相 对应的图象，也就是它们表示同一组织。然而，标准函数可以不按这一算法。 例如，它可以考虑逼近函数的形式，从许多移位段部分的位置导出，而不是仅 用它的一个最大的值。

一旦识别出相应段部分，则使整个第一和第二系列图象彼此同步。这是通 过一个系列图象相对另一系列图象的匹配处理得出的适当的帧移位的结果。 因而，当并列监视两个系列图象时，治疗前的段部分将和治疗后的段部分同时 出现。

除了使相应段部分同步以外，上述操作也使相应段部分彼此相对稳定。这 进一步增强了理解组织变化的能力。因而，即使当导管再一次插入脉管中时它 的位置和方位很可能变化了，但是，治疗前和治疗后系列图象中的图象将彼此 相对稳定。

用于参考段部分中的图象数可以变化。在匹配处理中所用的图象数越多， 它越稳定越不易受局部误差的影响。然而，这样做的代价是每一匹配过程的计 算需要更多的计算时间，因为图象对数增加了。

在获得抽出过程系列图象时抽出速率保持稳定的重要性是已知的。最好抽 出速率对两次采集图象来说是一样的。

本发明可以进行许多变形。上面描述的不同特征可以独立和彼此联系地组 合。这些特征也可以采用不同的组合。