Optik akış ve manifold öğrenme yöntemlerini kullanarak karotis ultrason görüntülerinde karotis duvar hareketlerine göre kompanse edilmiş kare hızı dönüşümü

Motion-compensated frame rate up-conversion in carotid ultrasound images using optical flow and manifold learning

Özet

Amaç: Karotis ultrasonografisi ateroskleroz hastalığını ve komplikasyonlarını değerlendirmek için güvenilir ve invaziv olmayan bir yöntemdir. B-mod sineluplar aterosklerozun ciddiyetini ve zaman içindeki ilerlemesini değerlendirmek için yaygın olarak kullanılmasına rağmen, karotis arterin hızlı duvar hareketlerini izlemek düşük kare hızı nedeniyle yine de zorlayıcı bir konudur. Bu yazıda, manifold öğrenmeye ve optik akışa dayalı hareketi hesaba katan yeni bir karma yüksek kare hızı dönüştürme (FRUC) yöntemi sunuldu.Yöntemler: Son on yılda, karotis ultrasonu görüntülerinin kare hızını artırmak için manifold öğrenme tekniği kullanılmış olmasına rağmen bu yöntemin kaydedilen kardiyak siklus ve karelerin sayısına bağlı olması nedeniyle, manifold öğrenmeye ve optik akışa dayalı yeni bir hibrit (karma) yöntem önerilmiştir.Bulgular: Yerel doğrusal gömme (LLE) algoritması, ilk önce düşük boyutlu bir manifoldda ardışık kardiyak döngülerin kareleri arasındaki ilişkiyi bulmak için uygulandı. Daha sonra, optik akış hareket kestirim algoritması uygulanarak, yeniden duvar hareketlerine göre kompanse edilmiş bir kare oluşturuldu.Sonuç: Sonuç olarak, tipik B-modu ultrason görüntülerine kıyasla karotis duvar hareketinin daha doğru bir şekilde değerlendirilebilmesi için daha fazla sayıda kare içeren bir siklus oluşturulmuştur. Sonuçlar, yeni hibrid yöntemimizin manifold öğrenmeye dayalı artırılmış kare oranı şemasına göre daha iyi bir performans gösterdiğini ortaya koymuştur.

Abstract

Objective: Carotid ultrasonography is a reliable and noninvasive method to evaluate atherosclerosis disease and its complications. B-mode cineloops are widely used to assess the severity of atherosclerosis and its progression; however, tracking rapid wall motions of the carotid artery is still a challenging issue due the low frame rate. The aim of this paper was to present a new hybrid frame rate up-conversion(FRUC) method that accounts for motion based on manifold learning and optical flow.Methods: In the last decade, manifold learning technique has been used to pseudo-increase the frame rate of carotid ultrasound images, but due to the dependence of this method to the number of recorded cardiac cycles and frames, a new hybrid method based on manifold learning and optical flow was proposed in this paper.Results: Locally linear embedding (LLE) algorithm was first applied to find the relation between the frames of consecutive cardiac cycles in a low dimensional manifold. Then by applying the optical flow motion estimation algorithm, a motion compensated frame was reconstructed.Conclusion: Consequently, a cycle with more frames was created to provide a more accurate consideration of carotid wall motion compared to the typical B-mode ultrasound images. The results revealed that our new hybrid method outperforms the pseudo-increasing frame rate scheme based on manifold learning.