CN102048559A - 超声波断层分析图像的处理装置 - Google Patents

超声波断层分析图像的处理装置 Download PDF

Info

Publication number
CN102048559A
CN102048559A CN201010536594XA CN201010536594A CN102048559A CN 102048559 A CN102048559 A CN 102048559A CN 201010536594X A CN201010536594X A CN 201010536594XA CN 201010536594 A CN201010536594 A CN 201010536594A CN 102048559 A CN102048559 A CN 102048559A
Authority
CN
China
Prior art keywords
image
unit
error
movement images
obtains
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.)
Granted
Application number
CN201010536594XA
Other languages
English (en)
Other versions
CN102048559B (zh
Inventor
久米伸治
滨圣司
村下贤
冈田孝
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.)
Hitachi Ltd
KUME Shinji
Original Assignee
Arockar K K
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 Arockar K K filed Critical Arockar K K
Publication of CN102048559A publication Critical patent/CN102048559A/zh
Application granted granted Critical
Publication of CN102048559B publication Critical patent/CN102048559B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/215Motion-based segmentation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/13Tomography
    • A61B8/14Echo-tomography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • A61B8/5253Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode combining overlapping images, e.g. spatial compounding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10132Ultrasound image
    • G06T2207/101363D ultrasound image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20224Image subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30048Heart; Cardiac
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

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

Abstract

本发明公开了一种超声波断层分析图像的处理装置。不稳定血小板中具有在不远的将来分离的高可能性的游动片(水母标)被清楚地显示。连续地获得包括颈动脉的轴线的截面图的超声波断层分析图像(25)。使用将不稳定血小板的表面(48)设定为亮度和暗度之间的边界的阈值,多个超声波断层分析图像(25)被二值化。计算两个二值化的超声波断层分析图像的对应像素之间的差值,使得游动片(52)被提取并且以重叠在所述超声波断层分析图像(25)上的方式被显示。

Description

超声波断层分析图像的处理装置
技术领域
本发明涉及向受治疗者发送超声波并从受治疗者接收超声波且获得超声波断层分析图像的超声波诊断,并且特别涉及一种血管的断层分析图像的图像处理。
背景技术
在动脉硬化等疾病中观察到的依附于血管壁的内表面上的血小板的特性可主要分成四种类型,包括纤维化、钙化、脂肪性以及出血。纤维化和钙化的血小板被称为稳定血小板,因为这些血小板不趋于与血管壁分离并且是稳定的。另一方面,脂肪性和出血性的血小板被称为不稳定血小板或活动血小板,因为这些血小板趋于与血管壁分离且趋于不稳定。不稳定血小板因诸如血流的压力而引起运动,并且,在一定位置时,不稳定血小板与血管壁分离。当血小板与血管壁分离时,引起一系列病态,包括血栓的形成、血管内腔的变窄以及血管的闭塞,导致脑梗塞和心肌梗塞。
在某些情况下,在一部分不稳定血小板中存在随着血流因心跳变化而摆动的部分。例如,该部分以漂浮方式上下运动,或者响应于血流以类似于水母的伸缩运动的方式运动。前者称为漂浮血小板,后者称为水母标(jellyfish sign)。在下面的描述中,不稳定血小板的更不稳定的摆动部分将被称为“游动片(free-moving piece)”。游动片是在不远的将来可与血管壁分离的一部分,其可与血小板主体分开,并且可形成血栓。
通过超声波诊断装置对血小板的诊断具有的优点是:例如血小板的特性能够通过回波的亮度(强度)分类;分辨率高;并且该方法在实时诊断方面是优越的。JP 2009-148395 A公开了使用超声波断层分析图像对血小板的诊断。
当在现有技术的超声波断层分析图像中观察游动片的运动时,难以辨认出该运动,因为该运动不是非常显著并且被心跳混合在血管壁的运动中。
本发明的优点是,提取游动片并且提供游动片的位置的信息。
发明内容
根据本发明的一个方案,提供了一种超声波断层分析图像的处理装置,其中:通过使得血管壁表面的位置相配来将基准图像和至少一个比较图像的位置进行匹配,基准图像是连续获得的多个超声波断层分析图像中的一个图像,而且该多个超声波图像包括依附有不稳定血小板的血管壁,比较图像是除了基准图像以外的图像;并且在这种状态下计算基准图像和比较图像之间的差值,以提取游动片。
在计算基准图像和比较图像之间的差值时,执行二值化处理。在这种情况下,由于需要关于不稳定血小板部分特别是与血流部接触的部分的信息,因此将血小板的亮度和血流部的亮度之间的值用作阈值。在差值图像中,提取基准图像和比较图像的亮度值(二值)彼此不同的部分。由于在位置匹配处理中可存在血管壁和血流之间的边界面(血管的表面)或血小板和血流之间的边界面不完全相配的情况,因此能够采用如下的构造:只提取在贯穿血管壁的方向上具有的厚度大于或等于预定值的部分。
能够提供重叠多值的基准图像或比较图像的获得的差值图像。能够提供与多值的基准图像等能区分形式的差值图像。例如,基准图像能以降低的亮度显示并且差值图像能以高亮度显示。可替代地,差值图像可被着色。
通过比较基准图像和各个比较图像以获得差值图像并且通过连续地显示差值图像,可显示允许察看游动片的运动的视频图像。
根据本发明的各个方案,可清楚地显示游动片,在依附于血管壁上的不稳定血小板中,该游动片具有特别高的分离的可能性。
附图说明
图1为根据本发明的一个优选实施例的超声波诊断系统的示意性结构图。
图2为示出根据本发明的一个优选实施例的图像处理的结构的方框图。
图3为示出多个超声波断层分析图像的图。
图4为示出超声波断层分析图像(多值)的一个实例的图。
图5为图4的超声波断层分析图像被简化的图。
图6为示出亮度值和像素数量之间的关系的图。
图7为示出设定用于基准图像的一个示例性窗口的图。
图8为示出设定用于比较图像的一个示例性窗口的图。
图9为示出不稳定血小板的表面通过二值化显示的超声波断层分析图像的图。
图10A为示出从图9的图像中去除了噪声的超声波断层分析图像的图。
图10B为示出在比较图像中去除了噪声的超声波断层分析图像的图。
图11为示出差值图像的图。
图12为示出从图11的图像中去除了不需要的血小板边界部分且提取出游动片的超声波断层分析图像的图。
具体实施方式
现在将结合附图描述本发明的一个优选实施例。图1为示意性地示出根据本发明的一个优选实施例的超声波诊断系统10的结构的图。超声波诊断系统10包括超声波诊断装置12和计算机14。超声波诊断装置12包括:超声波探头16,其将超声波发送至受治疗者和从受治疗者接收超声波;装置主体18,其具有图像形成单元,该图像形成单元基于所接收的超声波的反射波形成诸如断层分析图像的预定超声波图像;以及显示器20,其显示所形成的图像。计算机14连接到超声波诊断装置12上,并且能够捕获由超声波诊断装置12形成的超声波图像。计算机14能够从诸如DVD的外部存储介质22读取预定的程序。另外,打印机24能连接到计算机14上,并且根据需要可将超声波图像打印且输出在纸张上。
图1中示出的系统10示出了系统结构的一个示例性构造,并且该系统可替代地形成为其他构造。例如,计算机14的功能可被并入超声波诊断装置12中。
图2为示出由超声波诊断系统10执行的图像处理的结构的方框图。图像形成单元100基于超声波的反射波形成超声波断层分析图像。超声波断层分析图像的形成和在现有技术的超声波诊断装置中的图像形成相同,因此这里将不再进行描述。在图像形成单元100中,超声波断层分析图像以预定的帧频连续地形成,并且形成的图像25随后被存储在超声波图像存储单元102中(参考图3)。待存储的图像25可为全部的帧,或者可减少帧的个数。为观测不稳定血小板因血流变化所引起的运动,优选为针对一次心跳获得且存储多个或多个以上图像。
图4示出获得的图像的一个示例。图5为因说明的目的简化图4的灰度图像的图。图4和图5示出的图像示出了包括颈动脉的轴线的截面图。血管中血液流动所在的一部分26为暗的,血管壁28和肌肉组织为明的。形成在血管的内壁面上的不稳定血小板30是比血管壁等更软的组织,并且具有比血管壁暗但比为液体的血流部26亮的亮度。为观测不稳定血小板因血流变化所引起的运动,优选为针对一次心跳获得且存储多个或多个以上图像。
下面,设定关注区域(ROI)32(ROI设定单元104)。关注区域32由用户在查看一个或多个形成的图像时确定。更具体地,例如,超声波图像显示在计算机14的显示器上,表示关注区域32的矩形以重叠方式显示,并且利用诸如鼠标和键盘的计算机14的输入装置使矩形移动且扩大/缩小,从而设定关注区域32。在其中设定有关注区域32的图像在下文中将被称为“基准图像25A”,除了基准图像以外的图像在下文中将被称为“比较图像25B”。而且,为了说明的目的,当需要在多个比较图像之间进行区分时,比较图像将以时序的顺序被分配分支号(-1、-2、…),例如25B-1、25B-2、…。基准图像25A优选为心脏的收缩末期或舒张末期的图像,为此优选为获得心电图信息。不稳定血小板中的游动片可被认为是在收缩末期或舒张末期时期位于运动幅度内的最远位置处。因此,通过比较在收缩末期或舒张末期的位置和其他时期的位置能够清楚地获得差值。
另外,对于在设定的关注区域32中的像素,每个亮度值的出现频率(像素数量)以曲线图示出。图6为亮度值设定在横轴上且像素数量设定在纵轴上的曲线图。该曲线图示出了在关注区域32中的特定亮度值的像素数量。在图6中,示出的特定亮度值的像素数量不是未经处理就显示的,而是应用了特定的处理来使数量平滑化且获得平滑的曲线。通过图6的出现频率的曲线图,能够看出存在三个突出部分。包括具有在最低位置处的亮度的第一顶点34的峰对应于血流部26的像素。在具有次低位置处的亮度的第二顶点36周围的区域对应于不稳定血小板30的像素。在具有最高位置处的亮度的第三顶点38周围的区域对应于血管壁28等的像素。通过将阈值设定在这些突出部分之间的波谷的位置特别是突出部分之间的最低频率的位置处,可以在超声波断层分析图像上区分血流部26、血管壁28和不稳定血小板30。换句话说,通过第一顶点34和第二顶点36之间的第一阈值TH1,能够将不稳定血小板30和血管壁28的像素与血流部26的像素区分开。通过第二顶点36和第三顶点38之间的第二阈值TH2,能够将血流部26和不稳定血小板30的像素与血管壁28的像素区分开。阈值设定单元106基于示出亮度值和具有该亮度值的像素数量之间关系的曲线图来确定第一阈值TH1和第二阈值TH2。可替代地,作为简化的方法可将预定值用作阈值TH1和TH2。
血管壁识别单元108使用第二阈值TH2来将二值化处理应用在基准图像25A和比较图像25B上。如上所述,第二阈值TH2为用于区分血小板30和血管壁28的值。因此,作为此二值化处理的结果而获得的二值化图像的边界对应于血管壁的内壁面40(参考图5)。在二值化处理后,可应用噪声去除处理。噪声去除处理可以是例如使用标记处理(labeling process)来去除孤立像素的处理。窗口42设定在二值化图像中的边界上以用于随后将描述的基准图像25A和比较图像25B的位置匹配。窗口42设定在由矩形表示的关注区域32的左右方向上的预定位置处,优选为中心位置,并且在该位置处亮像素和暗像素的数量大致彼此相等。作为设定方法,例如5×5的窗口42沿着关注区域32的中心线从顶部移动到底部,并且亮像素和暗像素的数量彼此最接近的位置被设定为窗口42的位置。结果,血管的内壁面40横跨窗口42而将窗口42大致一分为二。
通过位置匹配单元110,使用窗口42将比较图像的位置与基准图像的位置进行匹配。将附图标记42-0分配给设定用于基准图像25A的窗口。如图7所示,窗口42-0包括例如5×5像素44。在窗口42-0内部的位置处,小于窗口42-0且包括例如3×3像素的比较区域46-0设定在窗口42-0的中央。在基准图像的二值化处理之前将窗口42-0和比较区域46-0设定用于多值图像,并且获得比较区域46-0中的像素的亮度值。而且对于比较区域的附图标记,附加分支号(-0)来表示比较区域是与基准图像25A相关的比较区域46。在图7中,描述像素的亮度值以用于比较区域46-0中的像素。在基准图像25A之后获得的比较图像(多值)25B-1中;也就是说,在连续获得的图像中紧接基准图像25A获得的比较图像中,将窗口42-1设定在与基准图像25A的位置相同的位置处,并且获得窗口42-1的5×5像素的亮度值信息。对于设定用于比较图像25B-1的窗口42和比较区域46,附加了分支号(-1)。图8示出在比较图像25B-1的窗口42-1中的像素的亮度值。3×3的比较区域46-1a、46-1b、46-1c、…顺序地设定在窗口42-1中,并且,基于与基准图像的比较区域46-0的相关性,计算基准图像中血管的内壁面的位置和比较图像中血管的内壁面的位置之间的位移。
更具体地,首先,比较基准图像的比较区域46-0和比较图像的比较区域46-1a。计算1行1列、1行2列、1行3列、2行1列、…3行3列的比较区域的像素的亮度值的差值的平方和Z。
[等式1]
Z = Σ i Σ j { F ( n ) ij - F ( n + 1 ) ij } 2
这里,F(n)ij代表基准图像的比较区域46-0的i行j列的像素值,并且F(n+1)ij代表比较图像的比较区域46-1a的i行j列的像素值。
比较区域按顺序移动,对每个比较区域计算和Z,并且确定具有最小和Z的比较区域46-1。在图示的示例性构造中,比较区域46-1c具有最小和Z。换句话说,与基准图像的比较区域46-0中的图像模式具有最高相关性的图像模式是比较区域46-1c。基于这个确定结果,能够认为显示在基准图像的比较区域46-0中的部分已在比较图像中移动到比较区域46-1c,比较区域46-1c向右上方移位一个像素。基于此,假定比较图像中血管壁的位置从基准图像的位置向右上方移位一个像素。通过按照此位移移动整个比较图像,可使比较图像的血管壁的位置与基准图像的血管壁的位置相重叠。窗口42和该窗口中比较区域46的尺寸可不同于上述的那些尺寸。而且对于其他的比较图像25B-2、25B-3、…来说,以相似的方式来确定相对于基准图像25A的位移。
由于能够认为不稳定血小板中的游动片存在于血小板的表面上,因此血小板形状识别单元112识别不稳定血小板的表面48的形状(参考图5)。为此目的,使用上述的第一阈值TH1。如图6所示,由于第一阈值TH1是不稳定血小板30和血流部26之间的值或者是血管壁28和血流部26之间的值,因此当使用第一阈值TH1执行二值化处理时,亮度和暗度之间的边界将代表不稳定血小板的表面48或血管壁的表面。
图9示出通过使用第一阈值TH1二值化关注区域32中的像素而获得的图像。在图9中,灰色区域代表暗部。不稳定血小板的表面48的形状被清楚地示出为亮度和暗度之间的边界。图9还具有血流部中的噪声,并且可应用去除噪声的处理。更具体地,可应用标记处理,并且孤立的亮部可作为噪声去除。图10A示出了噪声去除的结果。对基准图像25A和比较图像25B-1,特别对关注区域中的图像执行使用第一阈值TH1的二值化处理和噪声处理。在图10B中示出了比较图像25B-1的二值化和噪声处理的结果。而且在图10A和图10B中,类似于图9,灰色区域代表暗部。用第一阈值TH1二值化的基准图像和比较图像将在下文中被称为基准图像50A和比较图像50B(50B-1)。
差值计算单元114计算在关注区域中二值化基准图像50A和二值化比较图像50B-1之间的差值。在该过程中,二值化比较图像50B-1基于由位置匹配单元110计算出的基准图像25A和比较图像25B-1之间的位移而移动,然后计算差值。换句话说,平移二值化比较图像50B-1以消除位移并且在此状态下计算差值。通过这个处理,图像模式将在二值化基准图像50A和二值化比较图像50B-1之间彼此大致重叠。当二值化像素的亮度值为0(暗)和1(亮)时,差值为-1、0和1中的一个。如果在二值化基准图像50A和二值化比较图像50B-1之间没有移动的部分,则差值对于所有像素将会是0。具有值-1或1的像素代表二值化比较图像50B-1的已经相对于二值化基准图像50A移动的部分。在图11中,实际的亮度和暗度被颠倒,具有差值0的像素代表亮,而具有差值-1或1的像素代表暗。换句话说,已经移动的部分代表暗。
尽管位置匹配单元110对基准图像25A和比较图像25B应用位置匹配,但实际上,可能存在剩余微小位移的情况。这可认为是图11中的暗像素的区域相对宽的主要原因。在位置匹配处理后,剩余的位移量应较小,并且游动片提取单元116认为在暗像素部分中在贯穿血管壁的方向上具有的宽度小于或等于预定宽度的窄部分是位置匹配处理中的误差,并且去除该部分。提取剩余部分,作为如图12所示的游动片52,并且获得差值图像54(54-1)。在本实施例中,贯穿血管壁的方向是沿关注区域32的上下方向,在这个方向上去除具有一个像素的宽度的部分,并且提取具有2个以上像素的宽度的部分,作为游动片52。当位置匹配的结果良好且游动片52能够被提取得足够清楚时,可以省略去除具有窄的宽度的像素部分的处理。
合成单元118对获得的差值图像中所提取的游动片52进行着色,使得游动片52能够以重叠在基准图像或比较图像上的方式显示在显示器120上。另外,对于基准图像25A和多个比较图像25B-2、25B-3、…来说,差值图像54(54-2、54-3、…)可以类似方式计算且存储在合成图像存储单元122中,以允许通过连续地显示存储的图像来显示视频图像。在视频图像中,在显示多值的基准图像25A的同时,可按顺序显示差值图像54-1、54-2、54-3、…以示出游动片的运动。可替代地,多值的比较图像25B-1、25B-2、25B-3、…可按顺序显示并且差值图像54-1、54-2、54-3、…可以与比较图像的显示同步且重叠的方式显示。在这种情况下,比较图像25B-1、25B-2、25B-3、…在被平移以补偿由位置匹配单元110确定出的相对于基准图像25A的位移的同时按期望地显示。
图2中示出的图像处理的每个功能框由计算机功能的计算单元、存储单元等根据预定程序实现。程序能够以计算机可读的方式记录在外部存储介质22上。
除了着色且与基准图像25A相重叠外,差值图像54可以如下方式被重叠:降低基准图像25A的整体亮度且将差值图像54的亮度设定在上限值或接近上限值的值。在这种情况下,游动片52显示得比周围亮。

Claims (10)

1.一种超声波断层分析图像的处理装置,包括:
位置匹配单元,其将基准图像和比较图像的位置进行匹配,使得血管壁表面相配,其中,所述基准图像是连续获得的超声波断层分析图像中的一个,所述超声波断层分析图像包括依附有不稳定血小板的血管壁,并且所述比较图像是除了所述基准图像以外的图像;
二值化单元,其使用阈值将所述基准图像和所述比较图像二值化,通过所述阈值区分所述不稳定血小板和血流部;
差值图像获得单元,在位置匹配的状态下,所述差值图像获得单元计算由所述二值化单元二值化的所述基准图像和所述比较图像之间的差值,以获得差值图像;以及
差值图像提供单元,其提供所述差值图像。
2.根据权利要求1所述的超声波断层分析图像的处理装置,其中
所述差值图像获得单元将具有被二值化的所述基准图像和所述比较图像之间的差值的部分中在贯穿所述血管壁的方向上具有预定厚度以上的部分设定为所述差值图像。
3.根据权利要求2所述的超声波断层分析图像的处理装置,其中
所述差值图像提供单元以与所述基准图像或所述比较图像能区分的形式提供重叠在所述基准图像或所述比较图像上的差值图像。
4.根据权利要求3所述的超声波断层分析图像的处理装置,其中
所述能区分的形式通过对所述差值图像着色实现。
5.根据权利要求1-4中任一项所述的超声波断层分析图像的处理装置,其中
所述差值图像获得单元通过将多个比较图像与所述基准图像进行比较而获得多个差值图像,并且
所述差值图像提供单元为能够显示视频图像的显示单元,并且显示所述多个差值图像的视频图像。
6.一种超声波诊断系统,包括:
图像获得单元,其连续地获得包括依附有不稳定血小板的血管壁的超声波断层分析图像;
位置匹配单元,其将基准图像的位置和比较图像的位置进行匹配,使得血管壁表面相配,所述基准图像是获得的超声波断层分析图像中的一个,所述比较图像是除了所述基准图像以外的超声波断层分析图像;
二值化单元,其使用阈值将所述基准图像和所述比较图像二值化,通过所述阈值区分所述不稳定血小板和血流部;
差值图像获得单元,在位置匹配的状态下,所述差值图像获得单元计算由所述二值化单元二值化的所述基准图像和所述比较图像之间的差值,以获得差值图像;以及
差值图像提供单元,其以与所述基准图像或所述比较图像能区分的形式提供重叠在所述基准图像或所述比较图像上的差值图像。
7.根据权利要求6所述的超声波诊断系统,其中
所述差值图像获得单元将具有被二值化的所述基准图像和所述比较图像之间的差值的部分中在贯穿所述血管壁的方向上具有预定厚度以上的部分设定为所述差值图像。
8.根据权利要求7所述的超声波诊断系统,其中
所述差值图像提供单元以与所述基准图像或所述比较图像能区分的形式提供重叠在所述基准图像或所述比较图像上的差值图像。
9.根据权利要求8所述的超声波诊断系统,其中
所述能区分的形式通过对所述差值图像着色实现。
10.根据权利要求6-9中任一项所述的超声波诊断系统,其中
所述差值图像获得单元通过将多个比较图像与所述基准图像进行比较而获得多个差值图像,并且
所述差值图像提供单元为能够显示视频图像的显示单元,并且显示所述多个差值图像的视频图像。
CN201010536594.XA 2009-11-05 2010-11-04 超声波断层分析图像的处理装置 Expired - Fee Related CN102048559B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009253665A JP5412242B2 (ja) 2009-11-05 2009-11-05 超音波断層画像の処理装置
JP2009-253665 2009-11-05

Publications (2)

Publication Number Publication Date
CN102048559A true CN102048559A (zh) 2011-05-11
CN102048559B CN102048559B (zh) 2014-06-18

Family

ID=43478409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010536594.XA Expired - Fee Related CN102048559B (zh) 2009-11-05 2010-11-04 超声波断层分析图像的处理装置

Country Status (4)

Country Link
US (1) US9563965B2 (zh)
EP (1) EP2335594B1 (zh)
JP (1) JP5412242B2 (zh)
CN (1) CN102048559B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110123249A (zh) * 2019-04-09 2019-08-16 苏州西能捷科技发展有限公司 一种鼻窦炎检测装置及使用方法
CN115869013A (zh) * 2022-12-08 2023-03-31 合肥合滨智能机器人有限公司 一种用于血管超声自主扫查的血管定位和导航方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8939908B2 (en) * 2009-07-16 2015-01-27 Unex Corporation Ultrasonic blood vessel inspecting apparatus
JP5999935B2 (ja) * 2012-03-13 2016-09-28 伸治 久米 超音波診断装置
CN104968276B (zh) * 2013-02-28 2018-02-27 株式会社日立制作所 图像处理装置以及区域抽出方法
CN105940431B (zh) * 2014-01-23 2019-10-01 皇家飞利浦有限公司 使用对比增强的超声成像对颈动脉斑块的评估
KR101797042B1 (ko) 2015-05-15 2017-11-13 삼성전자주식회사 의료 영상 합성 방법 및 장치

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060171585A1 (en) * 2004-09-09 2006-08-03 Daniel Rinck Method for visualization of plaque deposits from 3D image data records of vessel structures
CN101081171A (zh) * 2006-05-30 2007-12-05 株式会社东芝 超声波诊断装置、超声波诊断方法和控制处理程序
JP2008073282A (ja) * 2006-09-22 2008-04-03 Toshiba Corp 超音波画像診断装置
CN101175442A (zh) * 2005-07-27 2008-05-07 株式会社日立医药 图像诊断装置、测量点设定方法以及程序
US20080242977A1 (en) * 2007-03-30 2008-10-02 General Electric Company Systems, methods and apparatus for longitudinal/temporal analysis of plaque lesions
CN101347341A (zh) * 2007-07-17 2009-01-21 阿洛卡株式会社 超声波诊断装置
JP2009022414A (ja) * 2007-07-18 2009-02-05 Toshiba Corp 超音波診断装置及び超音波断層像表示プログラム
CN101361665A (zh) * 2007-08-10 2009-02-11 株式会社东芝 超声波诊断装置、超声波图像处理装置以及方法
US20090069680A1 (en) * 2007-09-07 2009-03-12 Yasuhiko Abe Ultrasonic diagnostic apparatus, ultrasonic image processing apparatus and ultrasonic image processing method
CN101518440A (zh) * 2008-02-25 2009-09-02 奥林巴斯医疗株式会社 生物体观测设备和方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62189054A (ja) 1986-02-17 1987-08-18 株式会社 日立メデイコ 超音波診断装置
GB2319841A (en) * 1996-11-29 1998-06-03 Imperial College Ultrasound scanning of tissue
JP3720797B2 (ja) * 2002-08-26 2005-11-30 芳文 西條 超音波診断装置
JP4263943B2 (ja) * 2003-05-07 2009-05-13 テルモ株式会社 超音波診断装置
EP1713400B1 (en) * 2004-01-16 2012-12-26 Boston Scientific Scimed, Inc. Apparatus for medical imaging
US7397935B2 (en) * 2004-05-10 2008-07-08 Mediguide Ltd. Method for segmentation of IVUS image sequences
JP5016911B2 (ja) * 2006-12-20 2012-09-05 株式会社日立メディコ 超音波診断装置
JP4839446B2 (ja) * 2007-02-27 2011-12-21 国立大学法人山口大学 超音波診断装置及び組織性状判別のプログラム
JP4879872B2 (ja) 2007-12-20 2012-02-22 国立大学法人岐阜大学 画像処理装置、画像処理プログラム、記憶媒体及び超音波診断装置
DE102008008601B4 (de) * 2008-02-12 2010-07-29 Siemens Aktiengesellschaft Verfahren zur Verarbeitung von medizinischen Bilddaten zur schichtweisen Abbildung einer Struktur bei freier Atmung
JP5460000B2 (ja) * 2008-08-20 2014-04-02 キヤノン株式会社 イメージング装置およびイメージング方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060171585A1 (en) * 2004-09-09 2006-08-03 Daniel Rinck Method for visualization of plaque deposits from 3D image data records of vessel structures
CN101175442A (zh) * 2005-07-27 2008-05-07 株式会社日立医药 图像诊断装置、测量点设定方法以及程序
CN101081171A (zh) * 2006-05-30 2007-12-05 株式会社东芝 超声波诊断装置、超声波诊断方法和控制处理程序
JP2008073282A (ja) * 2006-09-22 2008-04-03 Toshiba Corp 超音波画像診断装置
US20080242977A1 (en) * 2007-03-30 2008-10-02 General Electric Company Systems, methods and apparatus for longitudinal/temporal analysis of plaque lesions
CN101347341A (zh) * 2007-07-17 2009-01-21 阿洛卡株式会社 超声波诊断装置
JP2009022414A (ja) * 2007-07-18 2009-02-05 Toshiba Corp 超音波診断装置及び超音波断層像表示プログラム
CN101361665A (zh) * 2007-08-10 2009-02-11 株式会社东芝 超声波诊断装置、超声波图像处理装置以及方法
US20090069680A1 (en) * 2007-09-07 2009-03-12 Yasuhiko Abe Ultrasonic diagnostic apparatus, ultrasonic image processing apparatus and ultrasonic image processing method
CN101518440A (zh) * 2008-02-25 2009-09-02 奥林巴斯医疗株式会社 生物体观测设备和方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110123249A (zh) * 2019-04-09 2019-08-16 苏州西能捷科技发展有限公司 一种鼻窦炎检测装置及使用方法
CN110123249B (zh) * 2019-04-09 2022-02-01 苏州西能捷科技发展有限公司 一种鼻窦炎检测装置及使用方法
CN115869013A (zh) * 2022-12-08 2023-03-31 合肥合滨智能机器人有限公司 一种用于血管超声自主扫查的血管定位和导航方法

Also Published As

Publication number Publication date
EP2335594B1 (en) 2015-04-29
EP2335594A2 (en) 2011-06-22
US9563965B2 (en) 2017-02-07
US20110105902A1 (en) 2011-05-05
JP2011098016A (ja) 2011-05-19
JP5412242B2 (ja) 2014-02-12
CN102048559B (zh) 2014-06-18
EP2335594A3 (en) 2012-10-10

Similar Documents

Publication Publication Date Title
CN102048559B (zh) 超声波断层分析图像的处理装置
EP2658439B1 (en) Automatic left ventricular function evaluation
Gao et al. Motion tracking of the carotid artery wall from ultrasound image sequences: a nonlinear state-space approach
US7981037B2 (en) Ultrasound diagnosis apparatus
KR101625256B1 (ko) 심장 m-모드 뷰들의 자동 분석
US10292676B2 (en) Method for visualizing blood and blood-likelihood in vascualar images
EP1891900A1 (en) Ultrasonographic device and ultrasonic elastic image acquisition method
US8861811B2 (en) System and method for segmenting M-mode ultrasound images showing blood vessel wall motion over time
JP4763588B2 (ja) 超音波診断装置
US20060079781A1 (en) Ultrasonic apparatus for estimating artery parameters
CN106570871A (zh) 模糊c均值颈动脉超声图像内中膜厚度测量方法及系统
JP5280379B2 (ja) 超音波診断装置、超音波弾性情報処理方法及び超音波弾性情報処理プログラム
Manfredi et al. Videokymographic image processing: objective parameters and user-friendly interface
Sutherland et al. Quantitation of left-ventricular asynergy by cardiac ultrasound
El Berbari et al. An automated quantification of the transmural myocardial infarct extent using cardiac DE-MR images
US20100234730A1 (en) Image processing device, ultrasonic imaging apparatus including the same, and image processing method
Zahnd et al. A new user-independent in vivo method for 2D motion estimation of the carotid wall by ultrasound imaging for early detection of pathological behavior
Conrad-Hansen et al. Quantizing calcification in the lumbar aorta on 2-D lateral X-ray images
Kawamura et al. Estimation of carotid diameter with heartbeat on longitudinal B-mode ultrasonic images
Guo et al. Detection of cardiac cycle from intracoronary ultrasound
Khandait et al. Review on automatic classification of intracardiac masses in echo cardiograph based on sparse representation
Brusseau et al. Fully automated endoluminal contour detection in intracoronary ultrasound images: a pre-processing for intravascular elastography
Stoylen Strain echocardiography
Ropinski et al. Interactive reconstruction and visualization of dynamic 3D ultrasound data sets
Matsuda et al. Tracking of left ventricular myocardial motion in B-mode echocardiogram

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Hiroshima, Hiroshima, Japan

Applicant after: Kume, Shinji,

Co-applicant after: Hitachi Aloka Medical Ltd.

Address before: Hiroshima, Hiroshima, Japan

Applicant before: Kume, Shinji,

Co-applicant before: Arockar K. K.

C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20170308

Address after: Hiroshima County

Patentee after: Kume, Shinji,

Patentee after: Hitachi Ltd.

Address before: Hiroshima, Hiroshima, Japan

Patentee before: Kume, Shinji,

Patentee before: Hitachi Aloka Medical Ltd.

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140618

Termination date: 20171104

CF01 Termination of patent right due to non-payment of annual fee