CN111598965B - 超声造影图像的超分辨重建预处理方法和超分辨重建方法 - Google Patents

超声造影图像的超分辨重建预处理方法和超分辨重建方法 Download PDF

Info

Publication number
CN111598965B
CN111598965B CN202010419625.7A CN202010419625A CN111598965B CN 111598965 B CN111598965 B CN 111598965B CN 202010419625 A CN202010419625 A CN 202010419625A CN 111598965 B CN111598965 B CN 111598965B
Authority
CN
China
Prior art keywords
image
pixel
preprocessed
super
pixel point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010419625.7A
Other languages
English (en)
Other versions
CN111598965A (zh
Inventor
尹静宜
张珏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Chaoweijing Biotechnology Co ltd
Original Assignee
Nanjing Chaoweijing Biotechnology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Chaoweijing Biotechnology Co ltd filed Critical Nanjing Chaoweijing Biotechnology Co ltd
Priority to CN202010419625.7A priority Critical patent/CN111598965B/zh
Publication of CN111598965A publication Critical patent/CN111598965A/zh
Priority to PCT/CN2021/093327 priority patent/WO2021233178A1/zh
Priority to EP21808993.6A priority patent/EP4060616B1/en
Priority to US17/837,973 priority patent/US11798150B2/en
Application granted granted Critical
Publication of CN111598965B publication Critical patent/CN111598965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/481—Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/68—Analysis of geometric attributes of symmetry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/404—Angiography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/416—Exact reconstruction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Hematology (AREA)
  • Physiology (AREA)
  • Multimedia (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种超声造影图像的超分辨重建预处理方法，其特征在于，包括：获取待预处理图像集；获取所述待预处理配准造影图像中像素点的灰度涨落信号；基于同位像素点集的灰度涨落信号对所述待预处理图像集进行去噪重构得到重构特征参数图像；以及基于所述同位像素点集以及与所述同位像素点集相关联的关联像素点集的灰度涨落信号对所述重构特征参数图像进行插值计算获得稀疏化图像。通过对多帧待预处理配准造影图像中的同位像素点集的灰度涨落信号进行分析，提高信噪比与信背比；通过同位像素点集以及关联像素点集的灰度涨落信号的相似度对重构特征参数图像进行插值，使重叠的微泡实现空间解耦，有效降低强噪声以及高浓度微泡对重建的影响。

Description

超声造影图像的超分辨重建预处理方法和超分辨重建方法
技术领域
本发明涉及超声成像技术领域，具体涉及一种超声造影图像的超分辨重建预处理方法、超分辨重建方法、超分辨重建预处理装置、超分辨重建装置、电子设备和计算机可读存储介质。
背景技术
超微血流成像技术-超声定位显微镜(超声定位显微镜Ultrasound LocalizationMicroscope,ULM)，克服了声学衍射带来的影响，实现了对微小血管的超分辨成像。目前临床经常采用可以缩短采集时间的高浓度微泡，高浓度的微泡之间存在空间耦合，影响超分辨重建的准确度。在临床采集过程中，强噪声以及组织背景信号的干扰无法避免，超声微泡定位的准确性被影响。受限于现有的临床采集条件，无法实现快速高效且准确地重建微小血管超分辨图像，从而为超分辨的临床应用带来极大的挑战。
发明内容
有鉴于此，本发明实施例提供了一种超声造影图像的超分辨重建预处理方法、超分辨重建方法、超分辨重建预处理装置、超分辨重建装置、电子设备和计算机可读存储介质，以解决现有技术中由于临床采集条件的限制无法实现快速高效且准确地重建微小血管的超分辨图像的问题。
根据本发明的一个方面，本发明一实施例提供的一种超声造影图像的超分辨重建预处理方法，包括：获取待预处理图像集，所述待预处理图像集包含多帧待预处理配准造影图像；获取所述待预处理配准造影图像中像素点的灰度涨落信号；基于同位像素点集的灰度涨落信号对所述待预处理图像集进行去噪重构得到重构特征参数图像，所述同位像素点集包括：在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个同位像素点；以及基于所述同位像素点集以及与所述同位像素点集相关联的关联像素点集的灰度涨落信号对所述重构特征参数图像进行插值计算获得稀疏化图像，所述关联像素点集包括：在同帧所述待预处理配准造影图像中与所述同位像素点相邻，且在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个关联像素点。
根据本发明另一个方面，本发明一实施例提供的一种超声造影图像的超分辨重建方法，包括：从造影数据中选取至少一个待预处理图像集；对所述至少一个待预处理图像集分别进行预处理，获取至少一帧稀疏化图像，所述预处理方法采用上述任一项所述的预处理方法；获取所述稀疏化图像中像素点的像素值和径向对称度估计值；将位于同帧所述稀疏化图像中的像素点的像素值和径向对称度估计值进行加权计算，获得与所述至少一帧稀疏化图像分别对应的至少一帧局部超分辨图像；以及将所述至少一帧局部超分辨图像进行叠加获得重建的超分辨图像。
根据本发明的又一个方面，本发明一实施例提供的本申请一实施例提供了一种超声造影图像的超分辨重建预处理装置，其特征在于，包括：第一预处理获取模块，配置为获取待预处理图像集，所述待预处理图像集包含多帧待预处理配准造影图像；灰度获取模块，配置为获取所述待预处理配准造影图像中像素点的灰度涨落信号；去噪增强重构模块，配置为基于同位像素点集的灰度涨落信号对所述待预处理图像集进行去噪重构得到重构特征参数图像，所述同位像素点集包括：在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个同位像素点；以及稀疏化模块，配置为基于所述同位像素点集以及与所述同位像素点集相关联的关联像素点集的灰度涨落信号对所述重构特征参数图像进行插值计算获得稀疏化图像，所述关联像素点集包括：在同帧所述待预处理配准造影图像中与所述同位像素点相邻，且在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个关联像素点。
根据本发明的又一个方面，本发明一实施例提供的本申请一实施例提供了一种超声造影图像的超分辨重建装置，该重建装置包括：第一选取模块，配置为从造影数据中选取至少一个待预处理图像集；预处理装置，配置为采用如权利要求1至7中任一项所述的超分辨重建预处理方法，对所述至少一个待预处理图像集分别进行预处理获取至少一帧稀疏化图像；轴向轨迹凸显模块，配置为获取所述稀疏化图像中像素点的像素值和径向对称度估计值；并将位于同帧所述稀疏化图像中的像素点的像素值和径向对称度估计值进行加权计算，获得与所述至少一帧稀疏化图像分别对应的至少一帧局部超分辨图像；以及叠加模块，将所述至少一帧局部超分辨图像进行叠加获得重建的超分辨图像。
根据本发明的又一个方面，本发明一实施例提供的本申请一实施例提供了一种电子设备，包括：处理器；存储器；以及存储在存储器中的计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述任一项所述的超分辨重建预处理方法或上述任一项所述的超分辨重建方法。
根据本申请的另一方面，本申请一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上述任一项所述的超分辨重建预处理方法或上述任一项所述的超分辨重建方法。
本发明实施例提供的一种超声造影图像的超分辨重建预处理方法、超分辨重建方法、超分辨重建预处理装置、超分辨重建装置、电子设备和计算机可读存储介质，通过对多帧待预处理配准造影图像中的同位像素点集的灰度涨落信号进行分析，使当前时间窗内的待预处理图像集的微泡信号和噪声或背景信号区分开，提高信噪比与信背比，得到微泡信号增强与背景噪声信号削弱的重构特征参数图像；通过同位像素点集以及与同位像素点集相关联的关联像素点集的灰度涨落信号的相似度对重构特征参数图像进行插值起到分隔不同微泡的作用，使重叠的微泡实现空间解耦，解决衍射极限造成的微泡重叠。通过对预处理图像集进行预处理，有效降低高浓度微泡以及强噪声对超分辨成像的准确性的影响。通过对每帧稀疏化图像中像素点的像素值和径向对称度估计值进行加权计算，实现微泡点扩散函数瘦身，保留微泡的变形信息，使每帧稀疏化图像中微泡运动轴向的轨迹骨架变得更加清晰，使微泡的非定位的运动轴向增强，保留了微泡沿运动方向的轨迹信息，获得局部超分辨图像，最终整合为完整的微小血管的超声超分辨重建图像。有别于传统的单点定位和累加策略，非定位的运动轴向增强方式保留了微泡运动轴向的轨迹骨架，从而大幅度提高了超分辨重建图像的空间分辨率及重建速度，实现快速高效的超分辨图像的重建。
附图说明
图1所示为本发明一实施例提供的一种超声造影图像的超分辨重建预处理方法的流程示意图。
图2所示为本发明一实施例提供的一种超声造影图像的超分辨重建预处理方法中获取重构特征参数图像的流程示意图。
图3所示为本发明一实施例提供的一种超声造影图像的超分辨重建预处理方法中插值计算获得稀疏化图像的流程示意图。
图4所示为本申请一实施例提供的一种超声造影图像的超分辨重建方法。
图5所示为本申请一实施例提供的一种超声造影图像的超分辨重建方法中获取稀疏化图像中像素点的径向对称度估计值的流程示意图。
图6所示为本申请一实施例提供的一种超声造影图像的超分辨重建方法中从造影数据中选取至少一个待预处理图像集的流程示意图。
图7所示为本申请一实施例提供的新西兰大白兔下肢二头肌的超声造影图像的超分辨重建方法的流程图。
图8所示为本申请一实施例提供的一种超声造影图像的超分辨重建预处理建装置的示意图。
图9所示为本申请一实施例提供的一种超声造影图像的超分辨重建预处理建装置的示意图。
图10所示为本申请一实施例提供的一种超声造影图像的超分辨重建装置的示意图。
图11所示为本申请一实施例提供的一种超声造影图像的超分辨重建装置的示意图。
图12所示为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
申请概述
微血管成像对于疾病的诊断大有裨益。上世纪七十年代Gramiak发明的超声微泡造影剂使得超声血管成像成为可能。微泡可以在血管内流动，在超声波下以非线性方式振动，产生特定的谐波特征，使它们能够在较深的组织中以较高的灵敏度将血管与背景组织信号区分开来。目前，造影增强超声(CEUS)已经在许多临床诊断中作为常规血流成像手段，但其仍然受到衍射极限的限制，无法对微小血管(血管直径<100μm)进行高空间分辨率成像。
Errico等人提出一种基于超声造影的超微血流成像技术-超声定位显微镜(ULM)，通过对单个微泡进行定位及时间累加，克服了声学衍射带来的影响，实现了对直径几十微米微小血管的超分辨成像。
但基于微泡定位的超声超分辨血流成像，强噪声极易诱导产生误定位点，较深血流中采集的微泡信号易受组织信号的干扰，不易区分微泡信号与背景或噪声信号，影响超声微泡定位的准确性，而目前临床无法满足弱噪声的采集条件。其次，为了实现微泡的精准定位，超声定位显微镜需要血流中保持较低的微泡浓度，，但目前为了满足临床标准以及进行血管功能的诊断，在临床常见还是高浓度微泡，但微泡浓度高，微泡之间存在空间耦合，无法精准定位微泡，影响超分辨成像的准确性。
目前亟需一种超声造影图像的超分辨重建方法，在临床常见的高浓度微泡分布以及强噪声的条件下，可以快速重建微小血管的超分辨图像，使超声超分辨血流成像在临床上可以广泛应用。
针对上述的技术问题，本申请的基本构思是提出一种超声造影图像的超分辨重建的预处理方法，通过对时间尺度内多帧待预处理配准造影图像中的同位像素点集的灰度涨落信号进行分析，将微泡信号与背景或噪声信号区分开来，有效滤除了背景及噪声信号，显著凸显了微泡信号；通过同位像素点集以及与同位像素点集相关联的关联像素点集的灰度涨落信号的相似度，对重构特征参数图像进行插值，实现了对空间重叠微泡的高效解耦，有效降低高浓度微泡以及强噪声对超分辨成像的准确性的影响。通过选取相同时间窗内待预处理图像集进行预处理，通过像素点的径向对称度使非定位的运动轴向增强，保留了微泡运动轴向的轨迹骨架，从而大幅度提高了超分辨重建图像的空间分辨率及重建速度，实现快速高效的超分辨图像的重建。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性预处理方法
图1所示为本申请一实施例提供的一种超声造影图像的超分辨重建预处理方法。如图1所示，该预处理方法包括：
步骤101：获取待预处理图像集，待预处理图像集包含多帧待预处理配准造影图像；
对待成像目标进行超声造影剂注射，用超声探头检测待成像区域，当出现造影增强信号时开始采集造影数据，获得多帧造影图像；对多帧造影图像进行配准，以抑制探头和组织运动造成的图像变化，获得多帧配准后的图像即配准造影图像；从多帧配准造影图像中选取部分配准造影图像作为待预处理配准造影图像；因此，每帧待预处理配准造影图像均是配准后的造影图像。
应当理解，采集多帧造影图像的频率可以是30Hz也可以是50Hz，采集造影图像的频率只要满足具体临床采集条件即可，在本发明实施例对采集造影图像的频率不做具体限定。从多帧配准造影图像中选取部分配准造影图像的选取方法可以是每隔1帧选取4帧；也可以是每隔2帧选取3帧；还可以是每隔1帧选取5帧，本发明实施例从多帧配准造影图像中选取部分配准造影图像的具体选取方法不做限定。
还应当理解，对多帧造影图像进行配准的配准方法可以是使用Morphon多尺度配准方法对多帧造影图像进行配准，本发明实施例对配准的具体方法不做限定。造影剂注射方法可以是用六氟化硫微泡冻干粉声诺维59mg溶于5mL0.9％的氯化钠溶液中配置一份超声造影剂，一次性注射0.2mL进入装有3L氯化钠溶液的模型中，或以0.2-5.0μL/min的速率持续注射，本发明实施例对造影剂的具体种类以及具体注射方法不做限定。
步骤102：获取待预处理配准造影图像中像素点的灰度涨落信号；
基于采集图像的超声设备，每帧造影图像上具有被划分的像素坐标，像素坐标上具有像素点。由于多帧造影是由同一设备采集以及每帧配准造影图像是利用相同配准参数进行配准，那么每帧配准造影图像上的像素坐标划分是相同的，则每帧待预处理配准造影图像上的像素坐标划分也是相同的。获取待预处理图像集中每帧待预处理配准造影图像中的每个像素点的灰度涨落信号，该灰度涨落信号用于表示位于当前帧当前像素点的灰度涨落的变化情况。
应当理解，只要可以获取每个像素点的灰度涨落信号即可，本发明实施例对灰度涨落信号的具体获取手段不做具体限定。
步骤103：基于同位像素点集的灰度涨落信号对待预处理图像集进行去噪重构得到重构特征参数图像，同位像素点集包括：在不同帧待预处理配准造影图像中位于相同像素坐标处的多个同位像素点；
由于每帧待预处理配准造影图像上的像素坐标划分是相同的，则一个待预处理图像集中每帧待预处理配准造影图像上都具有相同的像素坐标。在不同帧待预处理配准造影图中位于的相同像素坐标处的像素点就是同位像素点。在每帧待预处理配准造影图像的像素点的灰度涨落信号是一个一维信号，即每一个同位像素点的灰度涨落信号是一个一维灰度涨落信号；在不同帧待预处理配准造影图像中位于相同像素坐标处的同位像素点集的灰度涨落信号就是一个1*多维灰度涨落信号，即一个同位像素点集是一个1*多维灰度涨落信号，该1*多维灰度涨落信号用于反映位于当前时间窗的待预处理图像集的灰度涨落的周期性以及灰度涨落的随机性。由于造影剂微泡和背景或噪声对应的灰度涨落信号的周期性以及分布情况均不同，微泡灰度涨落信号具有更强的周期性且更强的随机性，基于多个同位像素点的1*多维灰度涨落信号，可以区分微泡信号和噪声或背景信号，起到增强微泡信号且削弱背景或噪声信号的作用，最终获得一个微泡信号被增强和背景或噪声信号被削弱的重构特征参数图像。
例如：位于5帧时间窗内的一个待预处理图像集包含A、B、C、D和E中五帧待预处理配准造影图像，A帧待预处理配准造影图像的(1、1)像素坐标处上是a像素点，B帧待预处理配准造影图像的(1、1)像素坐标处上是b像素点，C帧待预处理配准造影图像的(1、1)像素坐标处上是c像素点，D帧待预处理配准造影图像的(1、1)像素坐标处上是d像素点，E帧待预处理配准造影图像的(1、1)像素坐标处上是e像素点，那么a、b、c、d和e就是同位像素点集。基于a、b、c、d和e的构成的1*5维灰度涨落信号可以使当前时间窗内的待预处理图像集的微泡信号和噪声或背景信号区分开，提高信噪比与信背比。
应当理解，待预处理图像集中同位像素点集的个数与相同像素坐标的个数相同，待预处理图像集中相同像素坐标的个数由采集造影图像的设备确定。
步骤104：基于同位像素点集以及与同位像素点集相关联的关联像素点集的灰度涨落信号对重构特征参数图像进行插值计算获得稀疏化图像，关联像素点集包括：在同帧待预处理配准造影图像中与同位像素点相邻，且在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个关联像素点。
当微泡尺寸小于波长时会发生衍射现象，这会导致成像的分辨率无法突破半波长，这种现象被称为衍射极限。由于衍射极限的存在，在每帧待预处理配准造影图像上，微泡会出现重叠。由于属于同一个微泡上的像素点具有近乎相同的灰度涨落信号，彼此之间相似度高，而属于不同微泡的像素点具有完全不同的灰度涨落信号，彼此之间相似度低，因此基于同位像素点集以及与同位像素点集相关联的关联像素点集的灰度涨落信号对重构特征参数图像进行插值可以起到分隔不同微泡的作用，可以使重叠的微泡实现空间解耦。
关联像素点集中每一个关联像素点在不同帧待预处理配准造影图像中也是位于相同像素坐标处，也就是说关联像素点集的本身也是一组同位像素点，只是相对于被选中的当前同位像素集，关联像素点集的每一个像素点与当前同位像素集的每一个同位像素点在同帧待预处理配准造影图像中相邻且相对位置相同。同位像素点的灰度涨落信号是一个一维灰度涨落信号，被选中的当前同位像素集是一个1*多维连续灰度涨落信号；每一个关联像素点的灰度涨落信号也是一个一维灰度涨落信号，关联像素点集也是一个1*多维连续灰度涨落信号，关联像素点集是位于当前同位像素集附近的一个1*多维连续灰度涨落信号，利用两个1*多维连续灰度涨落信号的相似性对重构特征参数图像进行插值可以起到分隔不同微泡的作用。
例如：A帧待预处理配准造影图像的(1、1)像素坐标处上是a像素点，A帧(0、1)像素坐标处上是a1像素点，A帧(1、2)像素坐标处上是a2像素点；B帧待预处理配准造影图像的(1、1)像素坐标处上是b像素点，B帧(0、1)像素坐标处上是b1像素点，B帧(1、2)像素坐标处上是b2像素点；C帧待预处理配准造影图像的(1、1)像素坐标处上是c像素点，C帧(0、1)像素坐标处上是c1像素点，C帧(1、2)像素坐标处上是c2像素点；D帧待预处理配准造影图像的(1、1)像素坐标处上是d像素点，D帧(0、1)像素坐标处上是d1像素点，D帧(1、2)像素坐标处上是d2像素点；E帧待预处理配准造影图像的(1、1)像素坐标处上是e像素点，E帧(0、1)像素坐标处上是e1像素点，E帧(1、2)像素坐标处上是e2像素点；那么a、b、c、d和e是被选中的当前同位像素点集；a1、b1、c1、d1和e1就是一个关联像素点集；a2、b2、c2、d2和e2也是一个关联像素点集。
应当理解，每一个同位像素点集对应的关联像素点集的个数可以是4、6、8、10以及12，本发明实施例对每一个同位像素点集对应的关联像素点集的个数不做具体限定。
在本发明实施例中，通过对多帧待预处理配准造影图像中的同位像素点集的灰度涨落信号进行分析，将使当前时间窗内的待预处理图像集的微泡信号和噪声或背景信号区分开，提高信噪比与信背比，得到微泡信号增强与背景噪声信号削弱的重构特征参数图像；通过同位像素点集以及与同位像素点集相关联的关联像素点集的灰度涨落信号的相似度对重构特征参数图像进行插值可以起到分隔不同微泡的作用，可以使重叠的微泡实现空间解耦，解决衍射极限造成的微泡重叠。
在一个实施例中，灰度涨落信号为像素点的像素值按照时间顺序排列形成的信号；同位像素点集的灰度涨落信号为同位像素点集中的多个同位像素点的像素值按照时间顺序排列形成的1*多维信号。由于微泡和背景或噪声的分布情况不同，微泡和背景或噪声的周期性也不同，微泡信号的周期性更强，微泡信号的分布更随机，而灰度涨落信号的特征是灰度涨落分布的随机性与灰度涨落的周期性，那么利用同位像素点的灰度涨落分布特性与灰度涨落周期特性可以区分微泡信号与背景或噪声信号。利用同位像素点集形成的1*多维信号与周围像素点集形成的1*多维信号的相似度进行插值可以使重叠的微泡实现空间解耦。
图2所示为本申请一实施例提供的一种超声造影图像的超分辨重建预处理方法中获取重构特征参数图像的流程示意图。如图2所示，基于同位像素点集的灰度涨落信号对待预处理图像集进行去噪重构得到重构特征参数图像可具体包括：
步骤1031：在多帧待预处理配准造影图像中选取位于第一像素坐标处的多个第一同位像素点，形成第一同位像素点集；
选取每帧待预处理配准造影图像的第一像素坐标处的第一同位同位像素点，形成第一同位像素点集。例如：在A、B、C、D和E中五帧待预处理配准造影图像中的每帧上的(1、1)的像素坐标处的a、b、c、d和e，形成第一同位像素点集。
应当理解，第一像素坐标只是一个代指，第一像素坐标可以是待预处理图像集中任何一个像素坐标点，本发明实施例对第一像素坐标的具体选取不做限定。
步骤1032：对多个第一同位像素点的灰度涨落信号进行特征估计提取得到第一特征参数，第一特征参数的用于表征第一同位像素点的灰度涨落分布的随机性与灰度涨落的周期性；
多个第一同位像素点进行第一特征参数提取，用第一特征参数表征多个同位像素点的灰度涨落分布的随机性，属于微泡的像素点的灰度涨落信号随机性更高，属于噪声或背景的像素点的灰度涨落信号的随机性更低；用第一特征参数表征多个同位像素点的灰度涨落的周期性，属于微泡的像素点的灰度涨落周期的周期性更强，属于系统与背景的像素点的灰度涨落周期性更低，也就是系统与背景的像素点的灰度涨落周期比较弱。遍历待预处理图像中每个像素坐标处的每个同位像素点集，提取出每个同位像素点集的对应的第一特征参数，利用多个第一特征参数反映出整个待预处理图像集的灰度涨落分布特性与灰度涨落周期特性。
步骤1033：预设第一特征参数与重构特征参数图像的映射关系；
由于多个第一特征参数可以反映出整个待预处理图像集的灰度涨落分布特性与灰度涨落周期特性，并且造影剂微泡和背景或噪声对应的灰度涨落信号的周期性以及分布情况均不同，利用灰度涨落分布特性与灰度涨落周期特性又可以区分微泡信号与背景或噪声信号，那么根据第一特征参数就能实现区分微泡信号与背景或噪声信号。预设第一特征参数与重构特征参数图像的映射关系，根据提取的第一特征参数与重构特征参数图像的映射关系，就能重构出微泡信号被加强而背景或噪声被削弱的重构特征参数图像。
例如：提前预设第一特征参数的值大，表明对应的同位像素点集的灰度涨落周期性更强，每个同位像素点属于微泡的概率更大，那么对应的待重构特征参数图像中的像素点的像素灰度值要高，提前预设第一特征参数的值小，表明对应的同位像素点集的灰度涨落周期性弱，每个同位像素点属于背景或者噪声的概率更大，那么对应的重构特征参数图像中的像素点的像素灰度值要低。只要根据第一特征参数与重构特征参数图像的提前预设映射关系，就能重构出微泡信号被加强而背景或噪声被削弱的重构特征参数图像即可，本发明实施例对预设映射关系的具体实现方式不做限定。
步骤1034：将第一特征参数对应到待重构特征参数图像的第一像素坐标处，根据映射关系，得到重构特征参数图像。
重构特征参数图像：是根据待预处理图像集的第一特征参数反映的灰度涨落分布特性与灰度涨落周期特性，重新构建得到的微泡信号被加强而背景或噪声被削弱(信噪比与信背比被改善)的图像。将第一特征参数对应到待重构特征参数图像的第一像素坐标处，根据映射关系，微泡信号需要被加强以及背景信号需要被削弱通过坐标的对准被准确地传达，实现大部分背景及噪声干扰的去除。
本发明实施例中，通过提取反映出整个待预处理图像集的灰度涨落分布特性与灰度涨落周期特性的多个第一特征参数，使得微泡信号与背景或噪声信号被区分；利用第一特征参数与重构特征参数图像的提前预设的映射关系，使得微泡区域信号需要被加强以及背景区域信号需要被削弱通过坐标被准确地传达到待重构特征参数图像的对应的位置处，重新构建得到信噪比与信背比被改善的重构特征参数图像。
在一个实施例中，特征估计提取的方法包括：自相关估计计算或信息熵估计计算。通过自相关估计来度量每个同位像素点的灰度涨落信号的周期性强弱；通过信息熵估计来度量每个同位像素点灰度涨落信号的分布的随机性。利用自相关估计计算或信息熵估计计算得到第一特征参数，利用多个第一特征参数反映出整个待预处理图像集的灰度涨落分布特性与灰度涨落周期特性。将使当前时间窗内的待预处理图像集的微泡信号和噪声或背景信号区分开，提高信噪比与信背比，得到微泡信号增强与背景噪声信号削弱的重构特征参数图像。
图3所示为本申请一实施例提供的一种超声造影图像的超分辨重建预处理方法中插值计算获得稀疏化图像的流程示意图。如图3所示，基于同位像素点集以及与同位像素点集相关联的关联像素点集的灰度涨落信号对重构特征参数图像进行插值计算获得稀疏化图像包括：
步骤1041：在多帧待预处理配准造影图像中选取位于第二像素坐标处的多个第二同位像素点，形成第二同位像素点集；
选取每帧待预处理配准造影图像的第二像素坐标处的第二同位像素点，形成第二同位像素点集。例如：在A、B、C、D和E中五帧待预处理配准造影图像中的每帧上的(1、1)的像素坐标处的a、b、c、d和e，形成第二同位像素点集。
应当理解，第二像素坐标只是一个代指，可以是待预处理图像集中任何一个像素坐标点，第二像素坐标可以与第一像素坐标是同一个坐标，可以与第一像素坐标不是同一个坐标，本发明实施例对第二像素坐标的具体选取不做限定。
步骤1042：在多帧待预处理配准造影图像中选取位于与第二像素坐标相邻的关联像素坐标处的多个关联像素点，形成关联像素点集；
在每帧待预处理配准造影图像中，选取位于第二像素坐标相邻的关联像素坐标处多个关联像素点。第二像素坐标对应的关联像素坐标不止一个，每一个同位像素点集对应的关联像素点集的个数也不止一个，本发明实施例对每一个同位像素点集对应的关联像素点集的个数不做具体限定。下面以第二像素坐标相邻的关联像素坐标有四个，即一个同位像素点集对应的四个关联像素点集为例。例如，A帧待预处理配准造影图像的(1、1)像素坐标处的多个关联像素坐标为(0、1)、(1、2)、(2、1)和(1、0)，第二像素点a的关联像素点分别是位于(0、1)、(1、2)、(2、1)和(1、0)的a1、a2、a3和a4；同理，B帧中第二像素点b的关联像素点是b1、b2、b3和b4；C帧中第二像素点c的关联像素点是c1、c2、c3和c4；D帧中第二像素点d的关联像素点是d1、d2、d3和d4；E帧中第二像素点e的关联像素点是e1、e2、e3和e4。那么a、b、c、d和e是同位像素点集；a1、b1、c1、d1和e1是一个关联像素点集，a2、b2、c2、d2和e2就是一个关联像素点集；a3、b3、c3、d3和e3就是一个关联像素点集；a4、b4、c4、d4和e4就是一个关联像素点集。同位像素点集(a、b、c、d和e)是一个1*5维灰度涨落信号；关联像素点集(a1、b1、c1、d1和e1)是一个1*5维灰度涨落信号；同理，(a2、b2、c2、d2和e2)，(a3、b3、c3、d3和e3)和(a4、b4、c4、d4和e4)均是一个1*5维灰度涨落信号。
步骤1043：对第二同位像素点集的灰度涨落信号与关联像素点集的灰度涨落信号进行相似度量化得到相似度估量值；
利用每帧待预处理配准造影图像中第二同位像素点和与第二同位像素点相关联的关联像素点(第二同位像素点集与关联像素点的)的灰度涨落信号进行相似度计算，即两个1*多维连续灰度涨落信号的相似性得到量化，将两个信号的相似度变为更直观的相似度估量值。
步骤1044：将相似度估量值插入重构特征参数图像中对应的插值像素坐标处，插值像素坐标位于第二像素坐标与关联像素坐标之间；
将第二同位像素点集与关联像素点的相似度估量值插入重构特征参数图像中对应的插值像素坐标处，使得直观的相似度估量值呈现在重构特征参数图像中的各个像素之间。
例如：计算同位像素点集(a、b、c、d和e)与关联像素点集(a1、b1、c1、d1和e1)的相似度得到相似度估量值Z1，将Z1插入重构特征参数图像的像素坐标(1、1)与(0、1)之间。以此类推，将同位像素点集(a、b、c、d和e)与关联像素点集(a2、b2、c2、d2和e2)的相似度得到相似度估量值Z2，将Z2插入重构特征参数图像的像素坐标(1、1)与(1、2)之间；将同位像素点集(a、b、c、d和e)与关联像素点集(a3、b3、c3、d3和e3)的相似度得到相似度估量值Z3，将Z3插入重构特征参数图像的像素坐标(1、1)与(2、1)之间；将同位像素点集(a、b、c、d和e)与关联像素点集(a4、b4、c4、d4和e4)的相似度得到相似度估量值Z4，将Z4插入重构特征参数图像的像素坐标(1、1)与(1、0)之间。
步骤1045：利用插值像素坐标的位置，将重构特征参数图像中重叠的微泡进行空间解耦，得到稀疏化图像。
将相似度估量值插入重构特征参数图像中对应的插值像素坐标处，使得直观的相似度估量值呈现在重构特征参数图像中的各个像素之间，将相似度高的像素点归属于同一微泡，将相似度不高的像素点分隔为不同的微泡，利用插值起到分隔不同微泡的作用，可以使重叠的微泡实现空间解耦。
本发明实施例中，通过同位像素点集与关联像素点集的灰度涨落信号进行相似度计算，将两个信号的相似度变为更直观的相似度估量值，将相似度估量值插入重构特征参数图像中对应的插值像素坐标处，使得直观的相似度估量值呈现在重构特征参数图像中的各个像素之间，将相似度高的像素点归属于同一微泡，将相似度不高的像素点分隔为不同的微泡，利用插值起到分隔不同微泡的作用，使重叠的微泡实现空间解耦，最终得到稀疏化图像。
在一个实施例中，相似度量化的方法包括：交叉熵估计或互相关估计。通过交叉熵估计或互相关估计定量地计算同位像素点集与关联像素点集的两个灰度涨落信号之间的相似度，将两个信号的相似度变为更直观的相似度估量值，将相似度值插入到重构特征参数图像，利用直观的数值将重叠的微泡进行空间解耦，最终得到稀疏化图像。
在一个实施例中，关联像素点集的个数为4个。在多帧待预处理配准造影图像中选取位于与第二像素坐标相邻的分别位于4个关联像素坐标处的4个关联像素点，形成同位像素点集对应的4个关联像素点集；分别计算同位像素点集与4个关联像素点集中每个关联像素点集的相似度，更详尽的获取一个像素点与周围的关联像素点的相似度，使插值后的重叠微泡的边界更加清晰，使重构特征参数图像中重叠的微泡进行空间解耦，得到稀疏化图像。
示例性重建方法
图4所示为本申请一实施例提供的一种超声造影图像的超分辨重建方法。如图4所示，该超分辨重建方法包括：
步骤401：从造影数据中选取至少一个待预处理图像集；
造影数据是被采集的多帧造影图像，在多帧准造影图像选取至少一个待预处理图像集，使得每一个待预处理图像集彼此之间是连续的，且每一个待预处理图像集的微泡具有稳定的空间位置。只要待预处理图像集中满足上述条件即可，本发明实施例对具体选取方法不做限定。
步骤402：按照前述任一超分辨重建预处理方法对至少一个待预处理图像集分别进行预处理，获取至少一帧稀疏化图像；
通过前述任一超分辨重建预处理方法对待预处理图像集进行预处理，有效降低高浓度微泡以及强噪声对超分辨成像的准确性的影响。通过对同位像素点集的灰度涨落信号进行分析，将微泡信号和噪声或背景信号区分开，提高信噪比与信背比；通过同位像素点集与关联像素点集的灰度涨落信号的相似度对重构特征参数图像进行插值，使重叠微泡实现空间解耦，解决衍射极限造成的微泡重叠。
步骤405：获取稀疏化图像中像素点的像素值和径向对称度估计值；径向对称度是指每个像素点在局部区域内的径向对称度。通过像素点的梯度场的对称性，得到每个像素点在局部区域内的径向对称度。只要能获得稀疏化图像的径向对称度估计值即可，本发明实施例对径向对称度估计值的具体算法不做限定。
对至少一个待预处理图像集分别进行预处理，获取至少一帧稀疏化图像，获取每帧稀疏化图像中每一个像素点的像素值，以及获取每一个像素点的径向度估计值。由于微泡沿着运动轨迹方向会有变形，像素的径向对称度估计得到每个像素点在局部区域内的径向对称度，那么径向对称度估计就可以保留微泡的变形信息，因此对每个像素的像素值进行径向对程度估计就等价于保留微泡的运动轨迹。
步骤406：将位于同帧稀疏化图像中的像素点的像素值和径向对称度估计值进行加权计算，获得与至少一帧稀疏化图像分别对应的至少一帧局部超分辨图像；
在实际场景中，由于微泡是运动的，因此微泡会出现“拖尾”现象。通过将像素点的像素值和径向对称度估计值进行加权计算，可得到微泡区域的中心区域被增强，而微泡区域的边缘区域被弱化的局部超分辨图像。通过将像素点的像素值和径向对称度估计值进行加权计算，实现微泡点扩散函数瘦身，保留微泡的变形信息，使每帧稀疏化图像中微泡运动轴向的轨迹骨架变得更加清晰，使微泡的非定位的运动轴向增强，保留了微泡沿运动方向的轨迹信息，获得局部超分辨图像。
步骤407：将至少一帧局部超分辨图像进行叠加获得重建的超分辨图像。
将每一帧局部超分辨图像叠加，形成完整的微小血管的超声超分辨重建图像。
本发明实施例中，通过对至少一个预处理图像集进行预处理，有效降低高浓度微泡以及强噪声对超分辨成像的准确性的影响；通过对预处理之后得到的每帧稀疏化图像中像素点的像素值和径向对称度估计值进行加权计算，实现微泡点扩散函数瘦身，保留微泡的变形信息，使每帧稀疏化图像中微泡运动轴向的轨迹骨架变得更加清晰，使微泡的非定位的运动轴向增强，保留了微泡沿运动方向的轨迹信息，获得局部超分辨图像，最终整合为完整的微小血管的超声超分辨重建图像。有别于传统的单点定位和累加策略，非定位的运动轴向增强方式保留了微泡运动轴向的轨迹骨架，从而大幅度提高了超分辨重建图像的空间分辨率及重建速度，实现快速高效的超声超分辨图像的重建。
图5所示为本申请一实施例提供的一种超声造影图像的超分辨重建方法中获取稀疏化图像中像素点的径向对称度估计值的流程示意图。如图5所示，获取稀疏化图像中像素点的径向对称度估计值包括：
步骤4051：在稀疏化图像中选取位于第三像素坐标的第三像素点；
应当理解，第三像素坐标只是一个代指，可以是稀疏化图像中任何一个像素坐标点，本发明实施例对第三像素坐标的具体选取不做限定。
步骤4052：在同帧稀疏化图像中选取位于第三像素坐标周围的多个围绕像素点；
在同帧稀疏化图像中选取第三像素点周围的多个围绕像素点；例如：选取A1帧稀疏化图像的(1、1)像素坐标处的a像素点以及围绕在a像素点周围的12个围绕像素点。12个围绕像素点位于以a像素点为中心且半径为r的一个圆上，并且12个围绕像素点在此圆内均匀分布。
应当理解，围绕像素点的个数可以6、8、10、12、15以及20等，本发明实施例对围绕像素点的具体个数不做限定。
步骤4053：对多个围绕像素点的像素值进行径向对称度估计，获得第三像素点的径向对称度估计值。
对a像素点以及围绕在a像素点的像素值和a像素点的周围的12个像素点的像素值进行径向对称度估计，获得a像素点的径向对称度估计值。
本发明实施例中，通过对同帧稀疏化图像中位于第三像素坐标的周围的多个围绕像素点的像素值进行径向对称度估计，保留微泡的变形信息，遍历获得每帧稀疏化图像上每一个像素点的径向对称度估计值，使微泡的非定位的运动轴向增强。
在一个实施例中，围绕像素点的个数为12，径向对称度半径为1。
图6所示为本申请一实施例提供的一种超声造影图像的超分辨重建方法中从造影数据中选取至少一个待预处理图像集的流程示意图。如图6所示，从造影数据中选取至少一个待预处理图像集具体包括：；
步骤4011：采集多帧造影图像；
对待成像目标进行超声造影剂注射，用超声探头检测待成像区域，当出现造影增强信号时开始采集造影数据，获得多帧造影图像。
应当理解，采集多帧造影图像的频率可以是30Hz也可以是50Hz，采集造影图像的频率只要满足具体临床采集条件即可，在本发明实施例对采集造影图像的频率不做具体限定。采集多帧造影图像可以是500帧、1000帧、或者1500帧等，本发明实施例对多帧造影图像的具体帧数不做限定。
步骤4012：对多帧造影图像进行配准以抑制组织运动干扰，获得多帧配准造影图像；
对多帧造影图像进行配准，以抑制探头和组织运动造成的图像变化，获得多帧配准后的图像。图像配准的方法可以是柔性配准和刚性配准，包括但不限于中值漂移法、尺度不变特征变换法、跟踪学习检测、光流法、互相关法。优选的，使用跟踪学习检测进行刚性配准，使用光流法进行柔性配准。只要可以对多帧造影图像进行配准，本发明实施例对配准的具体方法不做限定。
步骤4013：在多帧准造影图像中每隔第一预设数量帧选取第二预设数量帧配准造影图像作为待预处理配准造影图像，获得至少一个待预处理图像集。
在多帧准造影图像中每隔第一预设数量帧选取第二预设数量帧配准造影图像，也就是在时间维度上选取相同时间窗(时间窗的时长为第二预设数量帧)，对相同时间窗内的配准造影图像进行去噪重构与插值计算解耦等预处理。例如：在N帧配准造影图像每间隔G帧帧选取W+1帧(G小于W+1，W+1小于N)配准造影图像作为待预处理配准造影图像，形成(N-W-1)/G+1个待预处理图像集。每个待预处理图像集包括W+1帧待预处理配准造影图像。按照上述方法在多帧准造影图像选取的待预处理图像集，使得每一个待预处理图像集是连续的，且进行预处理的待预处理配准造影图像的微泡具有稳定的空间位置。
应当理解，N、G以及W都是正整数。从多帧配准造影图像中选取部分配准造影图像的选取方法可以是每隔1帧选取4帧；也可以是每隔2帧选取3帧；还可以是每隔1帧选取5帧，本发明实施例从多帧配准造影图像中选取部分配准造影图像的具体选取方法不做限定。
本发明实施例中，通过上述方法获取待预处理图像集，使得进行去噪重构以及插值计算是在一个时间窗内进行，使得每一个待预处理图像集中的微泡具有稳定的空间位置，降低微泡快速流动对超分辨重建的影响。
在一个实施例中，第一预设数量与血流速度负相关；和，第二预设数量与血流速度负相关。在一个实施例中，第一预设数量与成像帧率正相关；和，第二预设数量与成像帧率正相关。为了使微泡在一定时间窗内具有空间位置的稳定性，第一预设数量G和第一预设数量W+1取决于微泡流速和成像帧率，血流速度越快，第一预设数量G和第一预设数量W+1的取值越小，成像帧率越大，第一预设数量G和第一预设数量W+1的取值越大。
在一个实施例中，第一预设数量为1；和，第二预设数量帧数为4。
图7所示为本申请一实施例提供的新西兰大白兔下肢二头肌的超声造影图像的超分辨重建方法的流程图。其中，N＝1500，W+1＝4，G＝3。
采集新西兰大白兔下肢二头肌的1500帧超声造影图像(如图7中步骤7011所示)。采集造影数据，获得1500帧造影图像；对1500帧造影图像进行配准，以抑制探头和组织运动造成的图像变化，获得多帧1500帧配准造影图像(如图7中步骤7012所示)。选取时间窗时长为4帧，滑动时间窗，在1500帧准造影图像中每隔1帧选取为4帧配准造影图像作为待预处理配准造影图像，获得1497个待预处理图像集(如图7中步骤7013所示)。获取每个待预处理图像集中4帧待预处理配准造影图像的每个像素点的灰度涨落信号(如图7中步骤702所示)。通过4帧待预处理配准造影图像的每个同位像素点集的灰度涨落信号(如图7中步骤7031所示)；进行自相关估计或信息熵估计，提取出每个同位像素点集的对应的第一特征参数(如图7中步骤7032所示)；根据提取的第一特征参数与重构特征参数图像的映射关系(如图7中步骤7033所示)；就能重构出微泡信号被加强而背景或噪声被削弱的重构特征参数图像(如图7中步骤7034所示)；遍历1497个待预处理图像集中4帧待预处理配准造影图像中每个像素坐标，将1497个待预处理图像集去噪重构获得1497帧信噪比与信背比被改善的重构特征参数图像，实现大部分背景及噪声干扰的去除。
将4帧待预处理配准造影图像的每个同位像素点集的灰度涨落信号和与每个同位像素点集相邻的4个关联像素点集的灰度涨落信号(如图7中步骤7041与步骤7042所示)；通过交叉熵估计或互相关估计定量地计算，将两个信号的相似度变为更直观的相似度估量值(如图7中步骤7043所示)；遍历4帧待预处理配准造影图像中每个像素坐标，获得每个同位像素点集与相邻的4个关联像素点集的相似度估量值，将相似度估量值插入重构特征参数图像中对应的插值像素坐标处(如图7中步骤7044所示)，使得直观的相似度估量值呈现在重构特征参数图像中的各个像素之间；将重构特征参数图像中重叠的微泡进行空间解耦，得到稀疏化图像(如图7中步骤7045所示)。利用1497个每个待预处理图像集中4帧待预处理配准造影图像中同位像素点及与关联像素点集的相似度估量值，对1497帧重构特征参数图像进行插值，将1497帧重构特征参数图像中重叠的微泡实现空间解耦，最终得到1497帧稀疏化图像。
获取1497帧稀疏化图像中每帧稀疏化图像中每个像素点的像素值(如图7中步骤7050所示)；通过径向对称度估量对同帧稀疏化图像中与像素点对应的12个围绕像素点的像素值进行径向对称度估计获得该像素点的径向对称度估计值(如图7中步骤7051、步骤7052和步骤7052所示)；在每帧稀疏化图像中，遍历多稀疏化图像中每个像素点的像素值和径向对称度估计值进行加权计算，使每帧稀疏化图像中微泡运动轴向的轨迹骨架变得更加清晰，使微泡的非定位的运动轴向增强，从而保留了微泡沿运动方向的轨迹信息，获得清晰的局部超分辨图像(如图7中步骤706所示)；共计获得1497帧局部超分辨图像，将1497帧局部超分辨图叠加，形成完整的微小血管的超声超分辨重建图像(如图7中步骤707所示)。
本发明基于微泡在时间窗内的灰度涨落信号的波动特性，不仅有效滤除了背景或噪声信号，显著凸显了微泡信号，而且实现了对空间重叠微泡的高效解耦，从而能够大幅度提高超分辨精度。
示例性超分辨重建预处理装置
图8所示为本申请一实施例提供的一种超声造影图像的超分辨重建预处理装置的示意图。如图8所示，该超分辨重建预处理装置802包括：第一预处理获取模块8021，配置为获取待预处理图像集，待预处理图像集包含多帧待预处理配准造影图像；灰度获取模块8022，配置为获取待预处理配准造影图像中像素点的灰度涨落信号；去噪增强重构模块8023，配置为获取待预处理配准造影图像中像素点的灰度涨落信号；并基于同位像素点集的灰度涨落信号对待预处理图像集进行去噪重构得到重构特征参数图像，同位像素点集包括：在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个同位像素点；以及稀疏化模块8024，配置为基于同位像素点集以及与同位像素点集相关联的关联像素点集的灰度涨落信号对重构特征参数图像进行插值计算获得稀疏化图像，关联像素点集包括：在同帧待预处理配准造影图像中与同位像素点相邻，且在不同帧待预处理配准造影图像中位于相同像素坐标处的多个关联像素点。
在本发明实施例中，通过去噪增强重构模块对同位像素点集的灰度涨落信号进行分析，使待预处理图像集的微泡信号和噪声或背景信号区分开，提高信噪比与信背比，得到微泡信号增强与背景噪声信号削弱的重构特征参数图像；通过稀疏化模块对同位像素点集以及关联像素点集的灰度涨落信号的相似度对重构特征参数图像进行插值，使不同微泡分隔开，使重叠的微泡实现空间解耦，有效降低强噪声以及高浓度微泡对重建的影响。
在一个实施例中，灰度涨落信号为像素点的像素值按照时间顺序排列形成的信号；同位像素点集的灰度涨落信号为同位像素点集中的多个同位像素点的像素值按照时间顺序排列形成的1*多维信号。
图9所示为本申请一实施例提供的一种超声造影图像的超分辨重建预处理装置的示意图。如图9所示，去噪增强重构模块8023进一步包括：第一像素点集获取单元80231，配置为在多帧待预处理配准造影图像中选取位于第一像素坐标处的多个第一同位像素点，形成第一同位像素点集；特征参数提取单元80232，配置为对多个第一同位像素点的灰度涨落信号进行特征估计提取得到第一特征参数，第一特征参数的用于表征第一同位像素点的灰度涨落分布的随机性与灰度涨落的周期性；预设单元80233，配置为预设第一特征参数与重构特征参数图像的映射关系；以及重构单元80234，配置为将第一特征参数对应到待重构特征参数图像的第一像素坐标处，根据映射关系，得到重构特征参数图像。
在一个实施例中，特征估计提取的方法包括：自相关估计计算或信息熵估计计算。
在一个实施例中，如图9所示，稀疏化模块8024包括：第二像素点集获取单元80241，配置为在多帧待预处理配准造影图像中选取位于第二像素坐标处的多个第二同位像素点，形成第二同位像素点集；关联像素点获取单元80242，配置为在多帧待预处理配准造影图像中选取位于与第二像素坐标相邻的关联像素坐标处的多个关联像素点，形成关联像素点集；相似度量化单元80243，配置为对第二同位像素点集的灰度涨落信号与关联像素点集的灰度涨落信号进行相似度量化得到相似度估量值；插值单元80244，配置为将相似度估量值插入所述重构特征参数图像中对应的插值像素坐标处，插值像素坐标位于所述第二像素坐标与所述关联像素坐标之间；以及稀疏解耦单元80245，配置为利用插值像素坐标的位置，将重构特征参数图像中重叠的微泡进行空间解耦，得到稀疏化图像。
在一个实施例中，相似度量化的方法包括：交叉熵估计或互相关估计。
在一个实施例中，关联像素点集的个数为4个。
示例性超分辨重建装置
图10所示为本申请一实施例提供的一种超声造影图像的超分辨重建装置的示意图。如图10所示，该超分辨重建装置800包括：第一选取模块801，配置为从造影数据中选取至少一个待预处理图像集；超分辨重建预处理装置802，配置采用前述任一超分辨重建预处理方法对至少一个待预处理图像集分别进行预处理获取至少一帧稀疏化图像；轴向轨迹凸显模块803；配置为获取稀疏化图像中像素点的像素值和径向对称度估计值；并将位于同帧稀疏化图像中的像素点的像素值和径向对称度估计值进行加权计算，获得与至少一帧稀疏化图像分别对应的至少一帧局部超分辨图像；以及叠加模块804，配置为将至少一帧局部超分辨图像进行叠加获得重建的超分辨图像。
本发明实施例中，通过预处理装置对至少一个预处理图像集进行预处理，有效降低高浓度微泡以及强噪声对超分辨成像的准确性的影响；通过轴向轨迹凸显模块对每帧稀疏化图像中像素点的像素值和径向对称度和径向对称度估计值进行加权计算，实现微泡点扩散函数瘦身，保留微泡的变形信息，保留微泡的运动轨迹，从而使微泡的非定位的运动轴向增强，进而保留了微泡运动轴向的轨迹骨架，获得局部超分辨图像；通过叠加模块，最终获得整合的完整的微小血管的超声超分辨重建图像。有别于传统的单点定位和累加策略的重建设备，本重建设备通过非定位的运动轴向增强方式保留了微泡运动轴向的轨迹骨架，从而大幅度提高了超分辨重建图像的空间分辨率及重建速度，实现快速高效的超声超分辨图像的重建。
图11所示为本申请一实施例提供的一种超声造影图像的超分辨重建装置的示意图。如图11所示，轴向轨迹凸显模块803包括：第三像素点获取单元8031，在稀疏化图像中选取位于第三像素坐标的第三像素点；围绕像素点获取单元8032，配置为在同帧稀疏化图像中选取位于第三像素坐标周围的多个围绕像素点；以及径向对称度估计单元8033，配置为对多个围绕像素点的像素值进行径向对称度估计，获得第三像素点的径向对称度估计值。
在一个实施例中，如图11所示，第一选取模块801进一步包括：采集单元8011，配置为采集多帧造影图像；配准单元8012，配置为对多帧造影图像进行配准以抑制组织运动干扰，获得多帧配准造影图像；以及筛选单元8013，配置为在多帧准造影图像中每隔第一预设数量帧选取第二预设数量帧配准造影图像作为待预处理配准造影图像，获得至少一个待预处理图像集。
在一个实施例中，第一预设数量与血流速度负相关；和，第二预设数量与血流速度负相关。
在一个实施例中，第一预设数量与成像帧率正相关；和，第二预设数量与成像帧率正相关。
在一个实施例中，第一预设数量为1；和，第二预设数量帧数为4。
上述超声造影图像的超分辨重建装置中的预处理装置的具体功能和操作已经在上面参考图1到图3所示的描述的超分辨重建预处理方法进行了详细介绍；重建装置中其他各个模块的具体功能和操作图4到图6描述的超分辨重建方法中进行了详细介绍，因此，这里将省略其重复描述。
需要说明的是，根据本申请实施例的超声造影图像的超分辨重建装置800可以作为一个软件模块和/或硬件模块而集成到电子设备1200中，换言之，该电子设备1200可以包括该超声造影图像的超分辨重建装置800。例如，该超声造影图像的超分辨重建装置800可以是该电子设备1200的操作系统中的一个软件模块，或者可以是针对于其所开发的一个应用程序；当然，该超声造影图像的超分辨重建装置800同样可以是该电子设备1200的众多硬件模块之一。
在本申请另一实施例中，该超声造影图像的超分辨重建装置800与该电子设备1200也可以是分立的设备(例如，服务器)，并且该超声造影图像的超分辨重建装置800可以通过有线和/或无线网络连接到该电子设备1200，并且按照约定的数据格式来传输交互信息。
示例性电子设备
图12所示为本申请一实施例提供的电子设备的结构示意图。如图12所示，该电子设备1200包括：一个或多个处理器1201和存储器1202；以及存储在存储器1202中的计算机程序指令，计算机程序指令在被处理器1201运行时使得处理器1201执行如上述任一实施例的超分辨重建预处理方法或上述任一实施例的超分辨重建方法。
处理器1201可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器1202可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器1701可以运行所述程序指令，以实现上文所述的本申请如上述任一实施例的超分辨重建预处理方法或上述任一实施例的超分辨重建方法的步骤以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如光线强度、补偿光强度、滤光片的位置等信息。
在一个示例中，电子设备1200还可以包括：输入装置1203和输出装置1204，这些组件通过总线系统和/或其他形式的连接机构(图12中未示出)互连。
此外，该输入装置1203还可以包括例如键盘、鼠标、麦克风等等。
该输出装置1204可以向外部输出各种信息，例如可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图12中仅示出了该电子设备1200中与本申请有关的组件中的一些，省略了诸如总线、输入装置/输出接口等组件。除此之外，根据具体应用情况，电子设备1200还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述任一实施例的超分辨重建预处理方法或上述任一实施例的超分辨重建方法的中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性超分辨重建预处理方法”或“示例性超分辨重建方法”部分中描述的根据本申请上述任一实施例的预处理方法或上述任一实施例的重建方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器((RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种超声造影图像的超分辨重建预处理方法，其特征在于，包括：
获取待预处理图像集，所述待预处理图像集包含多帧待预处理配准造影图像；
获取所述待预处理配准造影图像中像素点的灰度涨落信号；
基于同位像素点集的灰度涨落信号对所述待预处理图像集进行去噪重构得到重构特征参数图像，所述同位像素点集包括：在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个同位像素点；以及
基于所述同位像素点集以及与所述同位像素点集相关联的关联像素点集的灰度涨落信号对所述重构特征参数图像进行插值计算获得稀疏化图像，所述关联像素点集包括：在同帧所述待预处理配准造影图像中与所述同位像素点相邻，且在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个关联像素点；
其中，所述基于同位像素点集的灰度涨落信号对所述待预处理图像集进行去噪重构得到重构特征参数图像包括：
在所述多帧待预处理配准造影图像中选取位于第一像素坐标处的多个第一同位像素点，形成第一同位像素点集；
对所述多个第一同位像素点的灰度涨落信号进行特征估计提取得到第一特征参数，所述第一特征参数的用于表征所述第一同位像素点的灰度涨落分布的随机性与灰度涨落的周期性；
预设所述第一特征参数与所述重构特征参数图像的映射关系，以及
将所述第一特征参数对应到待重构特征参数图像的所述第一像素坐标处，根据所述映射关系，得到所述重构特征参数图像；
其中，所述基于所述同位像素点集以及与所述同位像素点集相关联的关联像素点集的灰度涨落信号对所述重构特征参数图像进行插值计算获得稀疏化图像包括：
在所述多帧待预处理配准造影图像中选取位于第二像素坐标处的多个第二同位像素点，形成第二同位像素点集；
在所述多帧待预处理配准造影图像中选取位于与所述第二像素坐标相邻的关联像素坐标处的多个关联像素点，形成所述关联像素点集；
对所述第二同位像素点集的灰度涨落信号与所述关联像素点集的灰度涨落信号进行相似度量化得到相似度估量值；
将所述相似度估量值插入所述重构特征参数图像中对应的插值像素坐标处，所述插值像素坐标位于所述第二像素坐标与所述关联像素坐标之间；以及
利用所述插值像素坐标的位置，将所述重构特征参数图像中重叠的微泡进行空间解耦，得到所述稀疏化图像。
2.根据权利要求1所述的超分辨重建预处理方法，其特征在于，所述灰度涨落信号为所述像素点的像素值按照时间顺序排列形成的信号；所述同位像素点集的灰度涨落信号为所述同位像素点集中的多个同位像素点的像素值按照时间顺序排列形成的1乘多维信号。
3.根据权利要求1所述的超分辨重建预处理方法，其特征在于，所述特征估计提取的方法包括：自相关估计计算或信息熵估计计算。
4.根据权利要求1所述的超分辨重建预处理方法，其特征在于，所述相似度量化的方法包括：交叉熵估计或互相关估计。
5.根据权利要求1所述的超分辨重建预处理方法，其特征在于，所述关联像素点集的个数为4个。
6.一种超声造影图像的超分辨重建方法，其特征在于，包括
从造影数据中选取至少一个待预处理图像集；
对所述至少一个待预处理图像集分别进行预处理，获取至少一帧稀疏化图像，所述预处理的方法采用如权利要求1至5中任一项所述的超分辨重建预处理方法；
获取所述稀疏化图像中像素点的像素值和径向对称度估计值；
将位于同帧所述稀疏化图像中的像素点的像素值和径向对称度估计值进行加权计算，获得与所述至少一帧稀疏化图像分别对应的至少一帧局部超分辨图像；以及
将所述至少一帧局部超分辨图像进行叠加获得重建的超分辨图像。
7.据权利要求6所述的超分辨重建方法，其特征在于，获取所述稀疏化图像中像素点的径向对称度估计值包括：
在所述稀疏化图像中选取位于第三像素坐标的第三像素点；
在同帧稀疏化图像中选取位于所述第三像素坐标周围的多个围绕像素点；以及
对所述多个围绕像素点的像素值进行径向对称度估计，获得所述第三像素点的径向对称度估计值。
8.据权利要求7所述的超分辨重建方法，其特征在于，所述从造影数据中选取至少一个待预处理图像集包括：
采集多帧造影图像；
对所述多帧造影图像进行配准以抑制组织运动干扰，获得多帧配准造影图像；以及
在所述多帧准造影图像中每隔第一预设数量帧选取第二预设数量帧配准造影图像作为待预处理配准造影图像，获得所述至少一个待预处理图像集。
9.根据权利要求8所述的超分辨重建方法，其特征在于，
所述第一预设数量与血流速度负相关；和，所述第二预设数量与血流速度负相关。
10.根据权利要求9所述的超分辨重建方法，其特征在于，
所述第一预设数量为1；和，所述第二预设数量帧数为4。
11.一种超声造影图像的超分辨重建预处理装置，其特征在于，包括：
第一预处理获取模块，配置为获取待预处理图像集，所述待预处理图像集包含多帧待预处理配准造影图像；
灰度获取模块，配置为获取所述待预处理配准造影图像中像素点的灰度涨落信号；
去噪增强重构模块，配置为基于同位像素点集的灰度涨落信号对所述待预处理图像集进行去噪重构得到重构特征参数图像，所述同位像素点集包括：在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个同位像素点；以及
稀疏化模块，配置为基于所述同位像素点集以及与所述同位像素点集相关联的关联像素点集的灰度涨落信号对所述重构特征参数图像进行插值计算获得稀疏化图像，所述关联像素点集包括：在同帧所述待预处理配准造影图像中与所述同位像素点相邻，且在不同帧所述待预处理配准造影图像中位于相同像素坐标处的多个关联像素点；
其中，所述去噪增强重构模块进一步配置为，
在所述多帧待预处理配准造影图像中选取位于第一像素坐标处的多个第一同位像素点，形成第一同位像素点集；
对所述多个第一同位像素点的灰度涨落信号进行特征估计提取得到第一特征参数，所述第一特征参数的用于表征所述第一同位像素点的灰度涨落分布的随机性与灰度涨落的周期性；
预设所述第一特征参数与所述重构特征参数图像的映射关系，以及
将所述第一特征参数对应到待重构特征参数图像的所述第一像素坐标处，根据所述映射关系，得到所述重构特征参数图像；
其中，所述稀疏化模块进一步配置为，
在所述多帧待预处理配准造影图像中选取位于第二像素坐标处的多个第二同位像素点，形成第二同位像素点集；
在所述多帧待预处理配准造影图像中选取位于与所述第二像素坐标相邻的关联像素坐标处的多个关联像素点，形成所述关联像素点集；
对所述第二同位像素点集的灰度涨落信号与所述关联像素点集的灰度涨落信号进行相似度量化得到相似度估量值；
将所述相似度估量值插入所述重构特征参数图像中对应的插值像素坐标处，所述插值像素坐标位于所述第二像素坐标与所述关联像素坐标之间；以及
利用所述插值像素坐标的位置，将所述重构特征参数图像中重叠的微泡进行空间解耦，得到所述稀疏化图像。
12.一种超声造影图像的超分辨重建装置，其特征在于，包括：
第一选取模块，配置为从造影数据中选取至少一个待预处理图像集；
预处理装置，配置为采用如权利要求1至5中任一项所述的超分辨重建预处理方法，对所述至少一个待预处理图像集分别进行预处理获取至少一帧稀疏化图像；
轴向轨迹凸显模块，配置为获取所述稀疏化图像中像素点的像素值和径向对称度估计值；并将位于同帧所述稀疏化图像中的像素点的像素值和径向对称度估计值进行加权计算，获得与所述至少一帧稀疏化图像分别对应的至少一帧局部超分辨图像；以及
叠加模块，配置为将所述至少一帧局部超分辨图像进行叠加获得重建的超分辨图像。
13.一种电子设备，包括：
处理器；以及
存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至5中任一项所述的超分辨重建预处理方法或如权利要求6至10中任一项所述的超分辨重建方法。
14.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至5中任一项所述的超分辨重建预处理方法或如权利要求6至10中任一项所述的超分辨重建方法。
CN202010419625.7A 2020-05-18 2020-05-18 超声造影图像的超分辨重建预处理方法和超分辨重建方法 Active CN111598965B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010419625.7A CN111598965B (zh) 2020-05-18 2020-05-18 超声造影图像的超分辨重建预处理方法和超分辨重建方法
PCT/CN2021/093327 WO2021233178A1 (zh) 2020-05-18 2021-05-12 超声造影图像的超分辨重建预处理方法和超分辨重建方法
EP21808993.6A EP4060616B1 (en) 2020-05-18 2021-05-12 Super-resolution reconstruction preprocessing method and super-resolution reconstruction method for ultrasound contrast image
US17/837,973 US11798150B2 (en) 2020-05-18 2022-06-10 Super-resolution reconstruction preprocessing method and super-resolution reconstruction method for contrast-enhanced ultrasound images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010419625.7A CN111598965B (zh) 2020-05-18 2020-05-18 超声造影图像的超分辨重建预处理方法和超分辨重建方法

Publications (2)

Publication Number Publication Date
CN111598965A CN111598965A (zh) 2020-08-28
CN111598965B true CN111598965B (zh) 2023-07-14

Family

ID=72187282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010419625.7A Active CN111598965B (zh) 2020-05-18 2020-05-18 超声造影图像的超分辨重建预处理方法和超分辨重建方法

Country Status (4)

Country Link
US (1) US11798150B2 (zh)
EP (1) EP4060616B1 (zh)
CN (1) CN111598965B (zh)
WO (1) WO2021233178A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598965B (zh) 2020-05-18 2023-07-14 南京超维景生物科技有限公司 超声造影图像的超分辨重建预处理方法和超分辨重建方法
CN113240587B (zh) * 2021-07-12 2021-09-24 深圳华声医疗技术股份有限公司 超分辨率扫描变换方法、装置、超声设备及存储介质
CN113855235A (zh) * 2021-08-02 2021-12-31 应葵 用于肝脏部位的微波热消融手术中磁共振导航方法及装置
CN114866766A (zh) * 2022-07-04 2022-08-05 广东欧谱曼迪科技有限公司 灵敏度评价方法、测试方法、装置、电子设备及存储介质
CN116805284B (zh) * 2023-08-28 2023-12-19 之江实验室 基于特征迁移的三维磁共振平面间超分辨重建方法和系统

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7744534B2 (en) * 2002-06-07 2010-06-29 Verathon Inc. 3D ultrasound-based instrument for non-invasive measurement of amniotic fluid volume
WO2013036972A1 (en) * 2011-09-09 2013-03-14 Panamorph, Inc. Image processing system and method
CN103167218B (zh) * 2011-12-14 2016-04-06 北京大学 一种基于非局部性的超分辨率重建方法和设备
EP2890300B1 (en) * 2012-08-31 2019-01-02 Kenji Suzuki Supervised machine learning technique for reduction of radiation dose in computed tomography imaging
US9646366B2 (en) * 2012-11-30 2017-05-09 Change Healthcare Llc Method and apparatus for enhancing medical images
CN103876776B (zh) * 2012-12-24 2017-09-01 深圳迈瑞生物医疗电子股份有限公司 一种超声造影成像方法及装置
US11116474B2 (en) * 2013-07-23 2021-09-14 Regents Of The University Of Minnesota Ultrasound image formation and/or reconstruction using multiple frequency waveforms
WO2015134662A2 (en) * 2014-03-04 2015-09-11 The Trustees Of Columbia University In The City Of New York Regularization of images
US10789711B2 (en) * 2015-09-09 2020-09-29 Technische Universiteit Eindhoven Imaging of dispersion and velocity of contrast agents
CN110740688B (zh) * 2017-05-31 2022-09-09 梅约医学教育与研究基金会 用于微血管超分辨率超声成像的方法
CN107361791B (zh) * 2017-07-21 2020-10-09 北京大学 一种快速超分辨血流成像方法
GB201716606D0 (en) * 2017-10-10 2017-11-22 Heriot-Watt Univ Tracking in ultrasound imaging
CN109215093B (zh) * 2018-07-27 2022-12-23 深圳先进技术研究院 低剂量pet图像重建方法、装置、设备及存储介质
WO2020081915A1 (en) * 2018-10-19 2020-04-23 Mayo Foundation For Medical Education And Research Systems and methods for kalman filter-based microvessel inpainting for super-resolution imaging
US20220011270A1 (en) * 2018-11-09 2022-01-13 Georgia Tech Research Corporation Systems and methods for ultrasound imaging and focusing
US20220071596A1 (en) * 2019-01-03 2022-03-10 Koninklijke Philips N.V. Systems and methods for contrast enhanced imaging
CN110772285B (zh) * 2019-10-31 2022-05-17 南京景瑞康分子医药科技有限公司 一种超声超分辨成像方法
US20210321988A1 (en) * 2020-04-20 2021-10-21 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. System and method for contrast enhanced ultrasound quantification imaging
CN111598965B (zh) * 2020-05-18 2023-07-14 南京超维景生物科技有限公司 超声造影图像的超分辨重建预处理方法和超分辨重建方法

Also Published As

Publication number Publication date
US20220301132A1 (en) 2022-09-22
CN111598965A (zh) 2020-08-28
US11798150B2 (en) 2023-10-24
EP4060616B1 (en) 2024-04-03
WO2021233178A1 (zh) 2021-11-25
EP4060616A4 (en) 2023-06-14
EP4060616A1 (en) 2022-09-21

Similar Documents

Publication Publication Date Title
CN111598965B (zh) 超声造影图像的超分辨重建预处理方法和超分辨重建方法
CN107361791B (zh) 一种快速超分辨血流成像方法
Pan et al. Fast tracking of cardiac motion using 3D-HARP
US9179881B2 (en) Physics based image processing and evaluation process of perfusion images from radiology imaging
US10453190B2 (en) Detection of and validation of shadows in intravascular images
US20110033098A1 (en) Method and system for stabilizing a series of intravascular ultrasound images and extracting vessel lumen from the images
CN110458817B (zh) 医学图像的质量预测方法、装置、设备及存储介质
JP2009501587A (ja) 複数の画像を空間合成する方法およびコンピュータプログラム
EP2752783A2 (en) Apparatus and method for supporting acquisition of multi-parametric images
JP2002177254A (ja) 造影剤に覆われた被検体のダイナミック３次元画像を再構成するための方法及びデバイス
CN110853111A (zh) 医学影像处理系统、模型训练方法及训练装置
CN111598782B (zh) 超分辨流场重建方法及其装置
CN111445546A (zh) 图像重建方法、装置、电子设备、存储介质
CN104463830B (zh) 血管内斑块的侦测系统及方法
CN114119546A (zh) 检测mri影像的方法及装置
CN107194922B (zh) 一种血管内超声图像序列关键帧的提取方法
CN103815932A (zh) 基于光流法和应变的超声准静态弹性成像方法
EP2168494A1 (en) Ultrasound volume data processing
Ralli et al. Segmentation of the biliary tree from MRCP images via the monogenic signal
JPWO2019058657A1 (ja) 流体解析装置および流体解析装置の作動方法並びに流体解析プログラム
CN116630386B (zh) Cta扫描图像处理方法及其系统
US20230228873A1 (en) Systems and methods for generating color doppler images from short and undersampled ensembles
CN117576250B (zh) 前瞻性欠采样MRI Dixon数据的快速重建方法及系统
WO2024108438A1 (zh) 一种速度编码磁共振成像的运动伪影校正方法
Santarelli et al. Accurate liver 3D reconstruction from MRE images using shift-compensated volumetric interpolation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant