心脏是人体最为重要的器官,高水平的心脏B超图像中蕴含有准确而丰富的心脏运动的动态信息,因此检测心脏的动态信息对于医学诊断有着极为重要的意义。我们实验室发明的LEJ-2型全方向M型心动图系统提供了一个定量检测心动图动态信息的平台。临床研究表明,该系统所提取出的动态信息对于心脏疾病的早期诊断有辅助作用。在国家自然科学基金(61471124)和欧盟第七框架计划(FP7)等项目的支持下,本课题针对LEJ-2型全方向M型心动图系统(专利号:ZL200820101966.4)中运动曲线检测及动态信息精确提取在临床应用中所反映出的自动化程度低,算法鲁棒性不高等问题进行了研究,提出了新的算法,具体内容有:一、在分析现有LEJ-2全方向M型心动图系统各个步骤采用的算法基础之上,总结了该系统传统思路的固有缺陷,如心动图信息量提取不完全与噪声叠加问题,提出了基于状态估计提取心动图运动状态的整体思路并分析了论文算法的流程与其优势。二、设计一种基于蚁群算法的全方向M型心动图边缘区域提取算法,用该算法作为后续用状态估计进行状态提取的粗定位。在全方向M型心动图中,由于存在强度较大的干扰边缘,存在难以分辨运动边界与干扰边界的问题,但也有粗定位不需要高精度边界等特点,论文通过在心动图上建立基于蚁群算法的模型,通过蚁群算法寻找心动图运动边界,并在应用蚁群算法时结合退火算法思路,提高算法初期搜索能力,通过多信息素的方法,自动化的识别运动区域的数量,获得不错的结果,为接下来通过状态估计进行运动状态提取做准备。三、设计一种基于状态估计的全方向M型心动图边缘提取算法。结合心动图特点,分析了多种状态估计算法,特别是卡尔曼滤波算法的思路和侧重点,从中选择渐消卡尔曼滤波作为心动图运动状态提取算法。根据心脏运动的特点,建立模型提取出了心动图的运动,速度与加速度曲线。实验结果表明该算法所得的速度曲线和加速度曲线平滑度与精确性更高,更加符合人体心脏的实际运动情况。本课题在传统的全方向M型心动图运动曲线检测以及动态信息优化相关技术的基础上,提出了基于状态估计的改进方案。多个实验表明,论文算法所获取的速度与加速度曲线效果优于传统算法,这些为后续心动图动态信息检测的进一步研究提供了非常良好的参考信息。