ارايه نقشه حركت بافت قلب در تصاوير اكوكارديوگرافي مبتني‌بر اطلاعات زماني و نمايش تنك

Global Wall Motion Estimation of Echocardiographic Images Based on Temporal Information and Sparse Representations

در اين تحقيق، با تغيير زاويه ديد به مجموعه تصاوير اكوكارديوگرافي و استفاده از اطلاعات زماني و مفاهيم نمايش تنك، الگوريتمي كارا براي تحليل حركت عمومي بافت قلب در طول يك سيكل قلبي در تصاوير اكوكارديوگرافي ارايه مي شود. در گام اول براي استفاده از اطلاعات زماني تصاوير اكوكارديوگرافي، سيگنال‌هاي زماني گرفته‌شده از شدت روشنايي پيكسل ها در طول فريم هاي متوالي (منحني تغييرات شدت روشنايي (IVTC)) استخراج مي شوند. سپس، براي شناخت ويژگي ها، استخراج و تفسير اطلاعات سيگنال‌هاي زماني IVTC، نمايش تنك اين سيگنالها ارايه شد و داده‌ها به فضاي جديدي انتقال مي يابند. براي اين منظور، با تحليل ساختار و ماهيت سيگنال‌هاي زماني IVTC، ديكشنري فوق كاملي شامل توابع مختلفي از پايه هاي سينوسي، كسينوسي و ويولت ها، طراحي شد و ضرايب تنك با استفاده از الگوريتم حسگري فشرده بيزين (BCS) استخراج مي‌شوند. با تجزيه سيگنال هاي زماني به پايه هاي مختلف توابع موجود در ديكشنري و استخراج ويژگي از سيگنال هاي تجزيه شده، به تصاوير كد‌شده رنگي دست خواهيم يافت، كه معرف حركت عمومي نواحي مختلف قلبي است. مجموعه داده مورد بررسي، شامل تصاوير اكوكارديوگرافي از 21 فرد مختلف در نماي محور كوتاه و نماي چهار حفره‌اي قلب است. نتايج نشان‌دهنده عملكرد مناسب روش پيشنهادي در تعيين نواحي سالم و كم‌حركت قلب است.

In this paper, we introduce a novel framework for illustrating the cardiac movements in echocardiogarphic images by utilizing temporal information and sparse representation. For the proposed method, we first derived temporal information by extracting intensity variation time curves (IVTC) assessed for each pixel. Then an over complete dictionary based on prior knowledge of the temporal signals and a set of pre-specified known functions was designed. The IVTCs can then be described as linear combinations of a few prototype atoms in the dictionary. We used the Bayesian Compressive Sensing (BCS) sparse recovery algorithm to find the sparse coefficients of the signals. By decomposing the IVTCs to different families and extracting proper features based on the sparse information, we attain the color coded images which illustrates the general movements of cardiac segments. The database consists of 21 echocardiography sequence of normal and abnormal volunteers in short axes and 4 chamber views. The results show the great achievement in global wall motion estimations.