Original title:
Bayesovský odhad pohybu v arteriálních a srdečních ultrazvukových sekvencích
Translated title:
Bayesian Motion Estimation in Arterial and Cardiac Ultrasound Sequences
Authors:
Dorazil, Jan ; Róka, Rastislav (referee) ; Fleury, Bernard H. (referee) ; Říha, Kamil (advisor) Document type: Doctoral theses
Year:
2025
Language:
eng Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[eng][cze]
Ultrazvukové vyšetření je běžně používaná neinvazivní technika pro hodnocení zdraví kardiovaskulárního systému. Analýza pohybu kardiovaskulárních struktur může poskytnout cenné informace pro diagnostiku kardiovaskulárních onemocnění. V této práci se zaměřujeme na vývoj nových bayesovských metod pro odhad pohybu v ultrazvukových sekvencích krkavice a srdce. V první části práce se zaměřujeme na ultrazvukové sekvence zobrazující příčný řez krkavicí. Zde navrhujeme novou metodu pro lokalizaci tepenné stěny krkavice a dvě nové metody pro odhad jejího pohybu. Tyto dvě metody jsou inicializovány právě výsledkem lokalizace. Navrhovaná metoda lokalizace, na rozdíl od těch stávajících, nespoléhá na výpočet gradientu v obraze, který je v ultrazvukových snímcích kontaminovaných šumem a ultrazvukovými artefakty nepřesný. Experiment provedený na 145 reálných ultrazvukových snímcích s ručně vymezenou stěnou krkavice ukazuje, že navrhovaná metoda překonává nejlepší stávající metodu v přesnosti lokalizace. První metoda pro odhad pohybu je založena na sledování sady referenčních bodů (RB), které jsou ve snímku umístěny v blízkosti tepenné stěny. Pro tento účel používáme upravenou verzi známého algoritmu pro sledování více objektů, tzv. joint integrated probabilistic data association algorithm. Ačkoli tato metoda překonává nejlepší stávající metodu na syntetických ultrazvukových sekvencích, má určitá omezení. Metoda nemusí vždy uspět při identifikaci dostatečného počtu RB v blízkosti tepenné stěny, a navíc předpokládá konstantní srdeční frekvenci. Tato omezení jsou řešena ve druhé navrhované metodě. Zde mohou být RB umístěny kdekoli podél tepenné stěny a srdeční frekvence může být časově proměnná. Polohy RB, parametry tepenné stěny a srdeční frekvence jsou zde trasovány pomocí varianty Kalmanova filtru, tzv. unscented Kalman filter. Rozsáhlé experimenty na několika syntetických ultrazvukových sekvencích ukazují, že tato metoda překonává nejlepší stávající i předchozí navrženou metodu v přesnosti odhadu. Experiment na skutečné ultrazvukové sekvenci navíc dokládá její praktickou použitelnost. Ve druhé části práce se zaměřujeme na ultrazvukové sekvence zachycující srdce. Zde navrhujeme nový bayesovský framework a metody pro odhad optického toku, které umožňují efektivní využití statistického modelu snímků v dané modalitě a vyčíslení nejistoty výsledného odhadu. Numerické experimenty na syntetických srdečních ultrazvukových sekvencích potvrzují, že využití znalosti o statistickém modelu ultrazvukových snímků má pozitivní vliv na přesnost odhadu. Zároveň pak ukazují, že navrhované metody překonávají nejlepší stávající metody v přesnosti odhadu.
Ultrasound examination is a widely used non-invasive technique for assessing cardiovascular health. Analysis of the motion of cardiovascular structures can provide valuable information for the diagnosis of cardiovascular diseases. In this thesis we focus on developing novel Bayesian methods for motion estimation in ultrasound sequences of the common carotid artery (CCA) and the heart. In the first part of the thesis, we focus on the problem of CCA wall motion estimation in ultrasound sequences viewing the transverse section of the CCA. Here, we propose a new method for localization of the CCA wall and two new methods for estimation of its motion. In contrast to the existing methods, the proposed localization method does not rely on computation of the image gradient which is unreliable in ultrasound images contaminated by speckle noise and artifacts. Numerical experiment on 145 manually labeled ultrasound images shows that the proposed localization method outperforms a state-of-the-art method in accuracy. The first motion estimation method is based on tracking a set of feature points (FPs) that are located around the CCA wall. For this purpose we use a modified version of a well established multi-object tracking algorithm—the joint integrated probabilistic data association algorithm. While the method outperforms a state-of-the-art method on synthetic ultrasound sequences, it also has some limitations. Concretely, the method may fail to identify a sufficient number of FPs near the CCA wall, and it assumes a constant heart-rate. Both of these limitations are addressed in the second proposed method. In the second motion estimation method the FPs can be placed anywhere along the CCA wall and a time-varying heart-rate is assumed. The FP positions, CCA wall parameters, and heart-rate, are jointly tracked by an unscented Kalman filter. Extensive experiments on several synthetic ultrasound sequences show that the method outperforms a state-of-the-art method as well as the first proposed method. Furthermore, an experiment on real ultrasound sequence supports the method’s practical viability. In the second part of the thesis, we focus on the problem of cardiac motion estimation. Here, we introduce a novel Bayesian framework and methods for optical flow estimation that allows effective incorporation of domain-specific knowledge and provide quantitative measures of the uncertainty of the produced estimates. Numerical experiments on synthetic cardiac ultrasound sequences confirm the effectiveness of incorporating domain-specific knowledge about the ultrasound image statistics, and show that the proposed methods outperform state-of-the-art methods in accuracy.
Keywords:
B-mode ultrazvuk; krkavice; lokalizace; srdeční pohyb; víceobjektové trasování; B-mode ultrasound; cardiac motion; common carotid artery; localization; multi-object tracking
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/251903
guest ::
