CN102824193A - 一种弹性成像中的位移检测方法、装置及系统 - Google Patents
一种弹性成像中的位移检测方法、装置及系统 Download PDFInfo
- Publication number
- CN102824193A CN102824193A CN2011101591109A CN201110159110A CN102824193A CN 102824193 A CN102824193 A CN 102824193A CN 2011101591109 A CN2011101591109 A CN 2011101591109A CN 201110159110 A CN201110159110 A CN 201110159110A CN 102824193 A CN102824193 A CN 102824193A
- Authority
- CN
- China
- Prior art keywords
- displacement
- value
- maximum
- dependency
- sad
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提出了一种弹性成像中的位移检测方法,包括:确定目标位置;通过过程函数计算相关性搜索与目标位置相关性最大的位置;使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。通过本发明实施例提出的方法,通过计算搜索质量得分,可以了解到当前搜索的质量信息,有助于用户的进一步使用。
Description
技术领域
本发明涉及一种超声成像领域,尤其是一种弹性成像中的位移检测方法、装置及系统。
背景技术
超声弹性成像作为癌症检测,尤其是乳腺癌良性恶性判别中,是对B模式声像图检测的重要辅助手段,快速应用于临床。超声弹性成像主要是通过超声成像手段,获取目标组织的超声回波信息,再通过特定的算法检测出组织弹性信息,并以图像形式直观显示出来,以辅助医生诊断或治疗。
传统的超声弹性成像方法需要探头轻微压缩组织或者借助人体自身的呼吸、血管搏动等过程,获取先后两帧超声回波信号,然后通过特定的位移检测方法,获得两帧信号之间的位移(displacement),即为目标组织在两个不同时刻空间位置变化信息,通过对位移求轴向(axial)梯度,即可得到组织的轴向应变(strain)信息。该应变信息即可反映组织的弹性,在相同外力压缩下,strain越大,表示组织越硬,strain越小,则表示组织越软。将目标组织区域的strain信息以图像形式表现出来,可直观反映不同组织间的软硬差别或弹性差别,即为应变图像(strain image)。这种方式又叫做应变成像(strain imaging)。
弹性成像系统中,位移检测的计算量的大小、检测的准确性、各位移点的连续性等,都影响着最终应变图像(strain image)的质量以及实时显像的帧率。
位移检测通常采用块匹配(block-matching)的思路,对于两帧信号,在第一帧中选定某一目标数据区域,称作核(kernel),在另一帧中设置一定检索区域(search area),然后找出搜索区域中与核数据相关性最大的位置,则该位置相对于原核数据位置的偏移量即为上述核数据的位移量。但为了保证能找到最相关的位置,该搜索区域需要足够大,这就意味着计算量增大,给系统的实时实现带来困难。
此外,位移检测以相关性的判断为基础,但有些情况下,形变会导致数据间较大的去相关(decorrelation),此时同一信号源的两帧数据之间相关性很差,以此为基础得到的位移结果本身是不准确的,甚至是错误的,对于错误的结果,系统不能自行纠正或者通知用户,影响使用效果。
发明内容
本发明要解决的技术问题是,提供一种弹性成像中的位移检测方法,可以对位移检测结果进行处理,便于用户使用;还提供一种弹性成像中的位移检测方法,可以减少搜索过程中需要的计算量。
为解决上述技术问题,本发明采用以下技术方案:
一种弹性成像中的位移检测方法,包括:
确定目标位置;
通过过程函数计算相关性搜索与目标位置相关性最大的位置;
使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。
一种弹性成像中的位移检测方法,包括:
确定目标位置;
获取目标位置的较前计算点的位移估计值;
使用所述较前计算点的位移估计值计算目标位置的位移初始值;
在距离所述目标位置的位移初始值附近进行相关性检测,查找相关性最大的位置,该位置相对于目标位置的偏移量即为位移值。
一种弹性成像中的位移检测方法,包括:
获取采样数据;
划分网格,获得用于位移检测的位移检测估计点;
确定目标位置,所述目标位置来自位移检测估计点;
获取目标位置的较前计算点的位移估计值;
使用所述较前计算点的位移估计值计算目标位置的位移初始值;
在距离所述目标位置的位移初始值附近进行相关性检测,通过过程函数计算相关性搜索与目标位置相关性最大的位置,该位置相对于目标位置的偏移量即为位移值;
使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的 搜索质量得分。
一种弹性成像中的位移检测装置,包括:
目标确定装置,用于确定目标位置;
搜索装置,用于通过过程函数计算相关性搜索与目标位置相关性最大的位置;
得分获取装置,用于使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。
一种弹性成像中的位移检测装置,包括:
目标确定装置,用于确定目标位置;
较前点数据获取装置,用于获取目标位置的较前计算点的位移估计值;
位移初始值获取装置,用于使用所述较前计算点的位移估计值计算目标位置的位移初始值;
相关性检测装置,用于在距离所述目标位置的位移初始值附近进行相关性检测,查找相关性最大的位置,该位置相对于目标位置的偏移量即为位移值。
一种弹性成像中的位移检测装置,包括:
采样装置,用于获取采样数据;
网格装置,用于划分网格,获得用于位移检测的位移检测估计点;
目标确定装置,用于确定目标位置,所述目标位置来自位移检测估计点;
较前点数据获取装置,用于获取目标位置的较前计算点的位移估计值;
位移初始值获取装置,用于使用所述较前计算点的位移估计值计算目标位置的位移初始值;
相关性检测装置,用于在距离所述目标位置的位移初始值附近进行相关性检测,通过过程函数查找相关性最大的位置,该位置相对于目标位置的偏移量即为位移值;
得分获取装置,用于使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。
本发明的有益效果是:
通过计算搜索质量得分,可以了解到当前搜索的质量信息,有助于用户的进一步使用;
通过先确定位移初始值,再在目标位置的位移初始值附近搜索相关性最大的位置的方法,可以大大减少检索过程中需要的计算量。
附图说明
图1为本发明实施例所应用的超声弹性成像系统结构示意图;
图2为本发明位移检测及校正方法的一实施例的流程图;
图3为本发明实施例中的帧数据网格化示意图;
图4为本发明实施例中的位移搜索策略示意图;
图5为本发明一种弹性成像中的位移检测方法的一实施例的流程图;
图6为本发明一种弹性成像中的位移检测方法的又一实施例的流程图;
图7为本发明一种弹性成像中的位移检测方法的再一实施例的流程图;
图8为本发明一种弹性成像中的位移检测装置的一实施例的流程图;
图9为本发明一种弹性成像中的位移检测装置的又一实施例的流程图;
图10为本发明一种弹性成像中的位移检测装置的再一实施例的流程图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
图1是本发明实施例所应用的超声弹性成像系统结构示意图。在弹性成像模式下,探头以系统预先设定好的扫描规则进行超声波发射并接收回波信息,经过波束合成环节后输出射频(radio frequency,RF)信号,再经过升采样过程,增加RF信号的采样率,升采样率由系统预先设定。接着结果位移检测与校正环节,每次利用一对RF信号计算出一帧位移结果。然后经过应变量计算环节,基于位移数据计算得到目标组织的应变量信号,最后显示输出一幅应变图像。
图2所示为本发明位移检测及校正方法的一实施例的流程图。
201、获取数据
本实施例的位移检测基于射频信号数据进行计算,射频信号数据采样率根据系统需要可能比系统原始采样率要高以增加位移检测精度,此过程称为升采样。升采样率由系统预先设定。升采样可以增加精度,但是在一些情况下,例如对精度的要求不高时,也可以不必进行升采样。
每两帧RF数据,计算出一帧位移值,作为两帧数据间的局部空间位移量。
本实施例以射频信号为例进行说明,实际上也可以采用其他类型的信号,例如正交解调后的I/Q信号。
203、划分网格
由于RF信号的采样率较高,而帧间位移一般较小,相邻采样点之间的位移差别非常微小,因此,位移估计不一定要对RF数据的每个采样点位置进行计算,而是需要先划分好位移检测点的可能的位置,这些点也可以称作位移检测估计 点。
为了描述方便,在对本发明各实施例说明时未区分点、核、目标位置等,本领域技术人员应当理解提到的位移检测估计点、采样点等,有时实际上是该点所在的核、目标位置或区域等,而非只是狭义的单个点。
为了划分位移检测点的位置,本发明实施例将帧数据进行了网格化处理,如图3所示为本发明实施例中的帧数据网格化示意图,黑点即为可能进行位移检测的点的位置,图中黑线表示RF数据,网格划分以两帧信号中第一帧的数据采样点位置为基准。
纵向,从最浅深度的数据开始,每隔一定数量的RF信号采样点(或者每隔一定深度)后取点,对该点进行位移检测,该纵向间隔数量由系统预先设定。
横向,从探头中心扫描数据线开始,每隔一定数量的采样线(或者每隔一定宽度)后取点,对该点进行位移检测,该纵向间隔数量由系统预先设定。
划分网格之后,获取应变图像所需的计算量将会大大减少,特别是当横向和纵向间隔很大的时候,但是间隔太大对成像质量有一定的影响。
205、初始行位移检测及评分
首先确定初始行位置,比如选择以第一行为初始行。
对于初始行的各个位移估计点位置的核数据,均设置足够大的搜索区域,进行相关性检测,其相对核位置的偏移量即为偏移值。核的大小以及搜索区域的大小均由系统预先设定。
相关性检测的判别方法可以使用归一化互相关算法(NCC,normalized cross correlation)、差的绝对值的和算法(SAD,sum absolute difference)或者其他算法进行计算。
当完成了相关性检测,检测到相关性最大的位置后,可以对该相关性最大的位置进行评分,具体评分方法如下:
假设采用SAD法,记录上述检索过程中搜索区域内的最大SAD值max_SAD与最小SAD值min_SAD,按如下方式对检索结果进行评分:
(1)系统预先设置一个SAD分布上下限,记为[SAD_Low SAD_High],SAD_Low<SAD_High;
(2)计算第一项得分score1,得分为[0 1]之间的值,用来评估当前搜索区域处的SAD最大值与上限的距离,距离越近,得分越高。比如令:score1=(max_SAD-min_SAD)/(SAD_High-min_SAD);
(3)计算第二项得分score2,得分为[0 1]之间的值,用来评估当前搜索区域处的SAD最小值与下限的距离,距离越近,得分越高。比如令:score2= (max_SAD-min_SAD)/(max_SAD-SAD_Low);
(4)取score1和score2之间的加权结果作为本次搜索质量得分,比如令:score_SAD=score1*p+score2*(1-p),其中p为系统预先设定的参数,p的取值在0~1之间。
207、初始列位移检测及评分
首先选定初始列位置,比如选择以扫描中心线为初始列。
对于初始列的各个位移估计点,按深度由浅到深的顺序,每次都以上一个深度的位移估计结果作为当前深度的位移估计点的初始位移,再由系统预先设置一个较小的搜索区域,比如5*3或3*3等,在初始位移(位置)附近进行相关检测,找到相关性最大的位置,其相对核位置的偏移量即为位移值。
对于初始列的每个位移估计点,也可以直接设置一个较大的搜索区域进行位移检测,只是搜索区域需要随着深度增加而增大,计算量会相对较大。
记录搜索区域内的SAD或NCC或者其他值,采用上述类似205中的评分方法对各位移估计点的搜索质量进行评分。
209、其他位置位移检测及评分
对于其他位置的位移估计点,如图4所示,假设其相邻的上一行的位移估计结果为(uy_lastrow,ux_lastrow),相邻的上一列的位移估计结果为(uy_lastline,ux_lastline),则使用两个结果的加权值作为当前点的位移初始值,即:
uy_initial=k*uy_lastrow+(1-k)*uy_lastline
ux_initial=k*ux_lastrow+(1-k)*ux_lastline
其中,k为系统预先设定的参数,k的取值在0~1之间。
然后由系统设定一个较小的搜索区域,比如3*3,在初始位移值附近进行相关检测,找到相关性最大的位置,其相对核位置的偏移量即为位移值。
通过这种位移检测方法,可以使搜索的目标区域大大缩小,这样就减少了检索过程中需要的计算量。
记录搜索区域内的SAD或NCC值或者其他值,采用上述评分方法对各位移估计点的搜索质量进行评分。
211、位移校正
首先,需要判断所得到的搜索质量评分是否合格,由系统预先设置一个搜索分数阈值score_thre和一个跳变检测阈值spike_thre,如果某位移估计点的搜索质量评分低于score_thre,且位移值与相邻位置位移的差异超过了spike_thre,则认为搜索质量评分不合格,需要对当前位移点进行校正。
也可以用其他方法进行合格性的判断,例如可以只使用搜索分数阈值score_thre,只要某位移估计点的搜索质量评分低于score_thre,则认为需要校 正。
所述搜索分数阈值score_thre可以是搜索分数区间中的一个值,例如若搜索分数区间是[0~100],那么可以设定搜索分数阈值score_thre为60。
使用相邻一定范围内的搜索质量评分高于score_thre的点的位移值,使用线性拟合的方法对当前点进行校正。该邻域范围大小由系统预先设定。
213、评分结果输出
最终,经过上述过程,可获得一帧位移结果,取纵向(即沿着深度方向)的位移结果,沿纵向求梯度,即可计算出应变结果,即应变量值。对应变量结果进行显示输出,得到应变图像,即可反映组织之间的弹性差异。取整幅图像所有评分值的平均值,作为该帧应变图像的参考搜索评分,可以将该评分反馈给使用者,当然,也可以对图像的一部分取平均值反馈给使用者,例如用户选定的部分,使用者了解了图像的搜索评分后可以更合理的使用这幅或者这部分图像。例如当搜索评分很高,则使用者可以认为这幅或者这部分图像是可信的,可以作为判断的依据,当搜索评分很低时,使用者可以选择放弃该图像或者重新获取一幅搜索评分更高的图像。也可以将评分质量很好或者很差的图像以预先设定的方式显示给用户,例如设定一个较高的评分阈值,超过此评分阈值的图像以高亮方式显示,表示此图像可信度很高,设定一个较低的评分阈值,低于此评分阈值的图像不显示或者显示为黑色,表示此图像质量太差可能无参考价值。
本步骤与211并无必然联系,在有些实施例中,可以只有211,此时用户并不需要知道图像的搜索评分,系统已经修正了评分较低的部分,所以图像质量比较高;在有些实施例中,也可以只有213,此时不进行校正,但是用户会得知图像的搜索评分,用户可以根据评分进行相应的操作。
通过上述具体方案可以看出,通过本发明实施例的方法,一方面,通过划分网格的方式减少了获取应变图像所需要的计算点,大大减少了计算量;另一方面,通过对位移检测结果进行评分,可以输出评分结果供用户参考,在实际中有很大的参考价值,方便了用户的使用;又一方面,基于所述评分结果,进一步还可以根据评分结果修正评分较低的地方以获得更好的图像;再一方面,搜索相关性最大的位置时,通过合理的确定目标区域,大大减少了搜索需要的计算量。
以上在同一个实施方式中说明了本发明实施例的具有较优技术效果的几个方面,实际上,这些方面可以是相互独立的,其在不同的具体实例中都可以获得相应的技术效果,以下分别说明。
为了减少获取应变图像所需的计算量,本发明提出了一种弹性成像中的位移检测的图像预处理方法,如图5所示,为本发明一种弹性成像中的位移检测的图像预处理方法的一实施例的流程图,包括:
501、获取采样数据;
例如,所述采样数据可以是射频信号数据,射频信号数据采样率根据系统需要可能比系统原始采样率要高以增加位移检测精度。
503、划分网格;
由于射频信号的采样率较高,而帧间位移一般较小,相邻采样点之间的位移差别非常微小,因此,位移估计不一定要对RF数据的每个采样点位置进行计算,而是需要先划分好位移检测点的可能的位置,这些点也可以称作位移检测估计点。
划分网格的具体方法可以是:
纵向,从最浅深度的数据开始,每隔一定数量的RF信号采样点(或者每隔一定深度)后取点,对该点进行位移检测,该纵向间隔数量由系统预先设定。
横向,从探头中心扫描数据线开始,每隔一定数量的采样线(或者每隔一定宽度)后取点,对该点进行位移检测,该纵向间隔数量由系统预先设定。
划分网格之后,可以对网格中的各个点寻找相应的相关性最大的位置,计算位移量获得应变图像,这样在获取应变图像的过程中所需的计算量将会大大减少。
为了便于用户使用成像结果,本发明提出了一种弹性成像中的位移检测方法,如图6所示,为本发明一种弹性成像中的位移检测方法又一实施例的流程图,包括:
601、确定目标位置;
所述目标位置通常为第一帧图像中的点;优选地,可以采用本发明图像预处理方法实施例中划分网格之后的位移检测估计点;如前所述,为描述方便,所以用“点”来说明,实际上应当此处的“点”表示核区域或者核位置;
603、搜索相关性最大的位置;
即就是通过计算相关性寻找与目标位置相关性最大的位置;
计算时,可采用常用的算法进行计算,例如归一化互相关算法(NCC,normalized cross correlation)、差的绝对值的和算法(SAD,sum absolute difference)等,所采用的算法可以称作过程函数,寻找区域可以是整帧图像,也可以通过其他优化的方法在一个较小的区域寻找,例如可以采用本发明其他实施例中的方法来确定搜索区域;
605、计算搜索质量得分;
即就是使用计算相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分;
通常,该搜索质量得分与计算相关性最大的位置时的过程函数值的最大值和最小值有关,该最大值与预设的过程函数极大值差值越小则评分越高,该最小值与预设的过程函数极小值差值越小则评分也越高,最终根据两个差值来确定该搜索质量得分;
举例说明如何计算搜索质量得分:
假设在步骤603中采用的算法是SAD,在计算该相关性最大的位置时的SAD的最大值和最小值分别是最大值为max_SAD和最小值为min_SAD,预设的过程函数的极大值和极小值分别是SAD_High与SAD_Low,
将该最大值的评分记作score1,所述score1具体获得方法为:
score1=(max_SAD-min_SAD)/(SAD_High-min_SAD);
将该最小值的评分记作score2,所述score2具体获得方法为:
score2=(max_SAD-min_SAD)/(max_SAD-SAD_Low);
将该相关性最大的位置的搜索质量得分记作score_SAD,所述score_SAD具体获得方法为:score_SAD=score1*p+score2*(1-p),其中p为系统预先设定的参数,p的取值在0~1之间。
此处给出了一个具体的计算方法,实际上的计算方法可以有很多种,例如还可以通过下述方法计算:
score1=max_SAD/SAD_High;
score2=SAD_Low/min_SAD;
score_SAD=score1*p+score2*m
其中p、m为系统预先设定的参数,p、m的取值在0~1之间。
根据本发明实施例还能举出很多类似的例子,不再一一列举。
当获得了单个点的相关性最大的位置的搜索质量得分后,可以记录该得分信息用来后续处理,还可以进一步的判断该搜索质量得分是否合格,不合格时可以进行校正或者重新获取,所以本实施例还可以包括下面的步骤:
607、判断搜索质量得分是否合格;
判断时可以将所述搜索质量得分与预设的搜索分数阈值比较,如果所述搜索质量得分低于所述预设的搜索分数阈值则判断所述搜索质量得分不合格;或者还可以将所述搜索质量得分分别与预设的搜索分数阈值、跳变检测阈值比较,若所述搜索质量得分低于预设的搜索分数阈值且位移值与相邻位置位移的差异 超过跳变检测阈值,则判断所述搜索质量得分不合格。
判断之后,可以记录判断结果以用来后续处理,当判断得到不合格时也可以采用后面的位移校正的步骤进行校正;
609、位移校正;
当判断搜索质量得分不合格时,可以对得到的位移结果进行校正,校正方法可以是使用相邻一定范围内的搜索质量评分高于score_thre的点的位移值,使用线性拟合的方法对当前点进行校正。该邻域范围大小由系统预先设定。
通过本实施例的方法,可以将不合格的位移检测进行校正,从而获得更好的位移检测结果。
优选地,还可以取整幅图像所有评分值的平均值,作为该帧应变图像的参考搜索评分,可以将该评分反馈给使用者,当然,也可以对图像的一部分取平均值反馈给使用者,例如用户选定的部分,使用者了解了图像的搜索评分后可以更合理的使用这幅或者这部分图像。例如当搜索评分很高,则使用者可以认为这幅或者这部分图像是可信的,可以作为判断的依据,当搜索评分很低时,使用者可以选择放弃该图像或者重新获取一幅搜索评分更高的图像。也可以将评分质量很好或者很差的图像以预先设定的方式显示给用户,例如设定一个较高的评分阈值,超过此评分阈值的图像以高亮方式显示,表示此图像可信度很高,设定一个较低的评分阈值,低于此评分阈值的图像不显示或者显示为黑色,表示此图像质量太差可能无参考价值。
优选地,还可以计算整幅图像中合格点占全部点的比例,可以将该合格比例反馈给使用者,当然,也可以对图像的一部分计算合格比例反馈给使用者,例如用户选定的部分,使用者了解了图像的合格比例后可以更合理的使用这幅或者这部分图像。例如当合格比例很高,则使用者可以认为这幅或者这部分图像是可信的,可以作为判断的依据,当合格比例很低时,使用者可以选择放弃该图像或者重新获取一幅图像。也可以将合格比例很高或者很低的图像以预先设定的方式显示给用户,例如设定一个较高的阈值,超过此阈值的图像以高亮方式显示,表示此图像可信度很高,设定一个较低的阈值,低于此阈值的图像不显示或者显示为黑色,表示此图像质量太差可能无参考价值。
为了减少位移检测过程中的计算量,本发明提出了一种弹性成像中的位移检测方法,如图7所示,为本发明一种弹性成像中的位移检测方法的再一实施例的流程图,包括:
701、确定目标位置;
所述目标位置通常为第一帧图像中的点;优选地,可以采用本发明图像预 处理方法实施例中划分网格之后的位移检测估计点;
703、获取目标位置的较前计算点的位移估计值;
通常选择目标位置在行方向和列方向的前一点作为较前计算点;优选地,若采用了本发明图像预处理方法实施例中的网格,则可以方便地选择网格中的前一行和前一列的点作为较前计算点;也可以只选择行方向的前一点或者列方向的前一点作为较前计算点;
在此以分别选择行方向和列方向的前一点作为较前计算点为例进行说明,分别将较前行计算点记为N1、较前列计算点记为N2;N1的位移估计值为(X1、Y1)、N2的位移估计值为(X2、Y2);
705、使用所述较前计算点的位移估计值计算目标点的位移初始值;
所述位移初始值具体为(X、Y),其中:
X=k*X1+(1-k)*X2,
Y=k*Y2+(1-k)*Y2,
其中,k为预先设定的系数。
也可以采用其他的位移初始值计算方法,例如采用下述方法:
X=a*X1+b*X2,
Y=c*Y2+d*Y2,
其中,a、b、c、d为预先设定的系数。
类似的方法还有很多,此处不一一列举。
707、相关性检测
然后由系统设定一个较小的搜索区域,比如3*3,在初始位移值附近进行相关检测,找到相关性最大的位置,其相对核位置的偏移量即为位移值。
上述具体实施例选择较前计算点时,选择了较前的行计算点和列计算点,实际上,也可以只选择行计算点或者只选择列计算点进行估计。另外,上述具体实施例选择较前计算点时,计算了两个方向的位移估计值,实际上,也可以只计算一个方向的位移估计值。通常,估计某个方向的位移估计值的时候,除了上述实施例中估计二维(即2个方向,定搜索区域时也是要2个方向搜索)的方式,常用的还有估计列方向的(即纵向,定所搜索区域时就直接沿列方向搜索,进一步减少计算量)方式,但最终的搜索质量可能要略差于二维搜索。
通过上述实施例的方法,可以使搜索相关性最大的位置时的目标区域大大缩小,这样就减少了检索过程中需要的计算量。
本发明还提出了一种弹性成像中的位移检测装置,如图8所示为本发明一种弹性成像中的位移检测装置的一实施例的模块结构示意图,包括:
801、采样装置,用于获取采样数据;
803、网格装置,用于划分网格,获得用于位移检测的位移检测估计点;
805、目标确定装置,用于确定目标位置,所述目标位置来自位移检测估计点;
807、较前点数据获取装置,用于获取目标位置的较前计算点的位移估计值;
809、位移初始值获取装置,用于使用所述较前计算点的位移估计值计算目标位置的位移初始值;
811、相关性检测装置,用于在距离所述目标位置的位移初始值附近进行相关性检测,通过过程函数查找相关性最大的位置,该位置相对于目标位置的偏移量即为位移值;
813、得分获取装置,用于使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。
通过上述具体方案可以看出,通过本发明实施例的装置,一方面,通过网格装置划分网格的方式减少了获取应变图像所需要的计算点,大大减少了计算量;另一方面,通过得分获取装置对位移检测结果进行评分,可以输出评分结果供用户参考,在实际中有很大的参考价值,方便了用户的使用;又一方面,基于所述评分结果,进一步还可以根据评分结果修正评分较低的地方以获得更好的图像;再一方面,相关性检测装置搜索相关性最大的位置时,通过合理的确定目标区域,大大减少了搜索需要的计算量。
以上在同一个实施方式中说明了本发明实施例的具有较优技术效果的几个方面,实际上,这些方面可以是相互独立的,其在不同的具体实例中都可以获得相应的技术效果,以下分别说明。
为了便于用户使用成像结果,本发明提出了一种弹性成像中的位移检测装置,如图9所示,为本发明一种弹性成像中的位移检测装置的又一实施例的模块结构示意图,包括:
901、目标确定装置,用于确定目标位置;
903、搜索装置,用于通过过程函数计算相关性搜索与目标位置相关性最大的位置;
905、得分获取装置,用于使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。
优选地,
所述得分获取装置具体用于:
获取计算该相关性最大的位置时的过程函数值的最大值和最小值;
通过计算该相关性最大的位置时的过程函数值的最大值与预设的过程函数极大值获取该最大值的评分,该最大值和极大值的差值越小则评分越高;
通过计算该相关性最大的位置时的过程函数值的最小值与预设的过程函数极小值获取该最小值的评分,该最小值和极小值的差值越小则评分越高;
通过该最大值和最小值的评分获得该相关性最大的位置的搜索质量得分,该最大值和最小值的评分越高则相关性最大的位置的搜索质量得分越高。
优选地,
所述过程函数为差的绝对值的和算法(SAD);
所述得分获取装置具体用于:
计算score_SAD=score1*p+score2*(1-p),
其中,score_SAD为所述搜索质量得分,p为系统预先设定的参数,p的取值在0~1之间,score1、score2分别为计算该相关性最大的位置时的过程函数值的最大值和最小值的评分;
其中,
score1=(max_SAD-min_SAD)/(SAD_High-min_SAD);
Score2=(max_SAD-min_SAD)/(max_SAD-SAD_Low);
其中,max_SAD与min_SAD分别为所述计算该相关性最大的位置时的过程函数值的最大值和最小值;SAD_High与SAD_Low分别为所述预设的过程函数极大值和极小值。
优选地,
所述过程函数包括:归一化互相关算法(NCC)或差的绝对值的和算法(SAD)。
优选地,还包括:
合格判断装置,用于判断所述搜索质量得分是否合格;
校正装置,用于当判断所述搜索质量得分不合格时,对该目标位置的位移检测结果进行校正。
优选地,
所述合格判断装置具体用于:
将所述搜索质量得分与预设的搜索分数阈值比较,如果所述搜索质量得分低于所述预设的搜索分数阈值则判断所述搜索质量得分不合格;或,
将所述搜索质量得分分别与预设的搜索分数阈值、跳变检测阈值比较,若所述搜索质量得分低于预设的搜索分数阈值且该目标位置的位移值与相邻位置的位移值的差异超过跳变检测阈值,则判断所述搜索质量得分不合格。
优选地,还包括:
合格判断装置,用于判断所述搜索质量得分是否合格;
合格比例值计算装置,用于对于获得的整幅图像或者部分图像的合格判断结果,计算合格点数量占该整幅或者部分图像的点的数量的合格比例值;
输出装置,用于输出所述合格比例值。
优选地,还包括:
合格判断装置,用于判断所述搜索质量得分是否合格;
合格比例值计算装置,用于对于获得的整幅图像或者部分图像的合格判断结果,计算合格点数量占该整幅或者部分图像的点的数量的合格比例值;
比较装置,用于将所述合格比例值与预设阈值比较;
显示装置,用于根据所述比较结果以预设方式显示该整幅图像或者部分图像。
优选地,还包括:
平均得分获取装置,用于对于获得的整幅图像或者部分图像的搜索质量得分,求平均值得到该整幅图像或者部分图像的平均得分值;
输出装置,用于输出所述平均得分值。
优选地,还包括:
平均得分获取装置,用于对于获得的整幅图像或者部分图像的搜索质量得分,求平均值得到该整幅图像或者部分图像的平均得分值;
比较装置,用于将所述平均得分值与预设阈值比较;
显示装置,用于根据所述比较结果以预设方式显示该整幅图像或者部分图像。
优选地,还包括:
采样装置,用于获取采样数据;
网格装置,用于划分网格,获得用于位移检测的位移检测估计点;
所述目标位置来自于位移检测估计点。
通过本实施例的装置,一方面,通过对位移检测结果进行评分,可以输出评分结果供用户参考,在实际中有很大的参考价值,方便了用户的使用;另一方面,基于所述评分结果,进一步还可以根据评分结果修正评分较低的地方以获得更好的图像。
为了减少位移检测过程中的计算量,本发明提出了一种弹性成像中的位移检测装置,如图10所示,为本发明一种弹性成像中的位移检测装置的再一实施例的模块结构示意图,包括:
1001、目标确定装置,用于确定目标位置;
1003、较前点数据获取装置,用于获取目标位置的较前计算点的位移估计值;
1005、位移初始值获取装置,用于使用所述较前计算点的位移估计值计算目标位置的位移初始值;
1007、相关性检测装置,用于在距离所述目标位置的位移初始值附近进行相关性检测,查找相关性最大的位置,该位置相对于目标位置的偏移量即为位移值。
优选地,
所述较前计算点包括较前行计算点和/或较前列计算点;
所述位移估计值包括行位移估计值和/或列位移估计值。
优选地,
所述较前计算点包括较前行计算点和较前列计算点;
所述较前行计算点的位移估计值为(X1、Y1),其中X1为该较前行计算点的行位移估计值,Y1为该较前行计算点的列位移估计值;
所述较前列计算点的位移估计值为(X2、Y2),其中X2为该较前列计算点的行位移估计值,Y2为该较前列计算点的列位移估计值;
所述位移初始值获取装置具体用于:
所述位移初始值具体为(X、Y),其中:
X=k*X1+(1-k)*X2,
Y=k*Y2+(1-k)*Y2,
其中k为预先设定的系数。
优选地,还包括:
采样装置,用于获取采样数据;
网格装置,用于划分网格,获得用于位移检测的位移检测估计点;
所述目标位置来自于位移检测估计点。
通过上述实施例的装置,可以使搜索相关性最大的位置时的目标区域大大缩小,这样就减少了检索过程中需要的计算量。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (26)
1.一种弹性成像中的位移检测方法,其特征在于,包括:
确定目标位置;
通过过程函数计算相关性搜索与目标位置相关性最大的位置;
使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。
2.如权利要求1所述的弹性成像中的位移检测方法,其特征在于:
所述使用计算该相关性最大的位置时的过程函数值获得该相关性最大的位置的搜索质量得分包括:
获取计算该相关性最大的位置时的过程函数值的最大值和最小值;
通过计算该相关性最大的位置时的过程函数值的最大值与预设的过程函数极大值获取该最大值的评分,该最大值和极大值的差值越小则评分越高;
通过计算该相关性最大的位置时的过程函数值的最小值与预设的过程函数极小值获取该最小值的评分,该最小值和极小值的差值越小则评分越高;
通过该最大值和最小值的评分获得该相关性最大的位置的搜索质量得分,该最大值和最小值的评分越高则相关性最大的位置的搜索质量得分越高。
3.如权利要求2所述的弹性成像中的位移检测方法,其特征在于:
所述过程函数为差的绝对值的和算法;
所述最大值的评分和最小值的评分的计算公式为:
score1=(max_SAD-min_SAD)/(SAD_High-min_SAD);
Score2=(max_SAD-min_SAD)/(max_SAD-SAD_Low);
其中,score1、score2分别为计算该相关性最大的位置时的过程函数值的最大值的评分和最小值的评分,max_SAD与min_SAD分别为所述计算该相关性最大的位置时的过程函数值的最大值和最小值;SAD_High与SAD_Low分别为预设的所述过程函数极大值和极小值;
所述相关性最大的位置的搜索质量得分的计算公式为:
score_SAD=score1*p+score2*(1-p),
其中,score_SAD为所述搜索质量得分,p为系统预先设定的参数,p的取值在0~1之间,score1、score2分别为计算该相关性最大的位置时的过程函数值的最大值和最小值的评分。
4.如权利要求1所述的弹性成像中的位移检测方法,其特征在于:
所述过程函数包括:归一化互相关算法或差的绝对值的和算法。
5.如权利要求1所述的弹性成像中的位移检测方法,其特征在于,还包括:
判断所述搜索质量得分是否合格,当判断所述搜索质量得分不合格时,对该目标位置的位移检测结果进行校正。
6.如权利要求5所述的弹性成像中的位移检测方法,其特征在于:
所述判断所述搜索质量得分是否合格的方法包括:
将所述搜索质量得分与预设的搜索分数阈值比较,如果所述搜索质量得分低于所述预设的搜索分数阈值则判断所述搜索质量得分不合格;
或,
将所述搜索质量得分分别与预设的搜索分数阈值、跳变检测阈值比较,若所述搜索质量得分低于预设的搜索分数阈值且该目标位置的位移值与相邻位置的位移值的差异超过跳变检测阈值,则判断所述搜索质量得分不合格。
7.如权利要求1所述的弹性成像中的位移检测方法,其特征在于,还包括:
判断所述搜索质量得分是否合格,对于获得的整幅图像或者部分图像的合格判断结果,计算合格点数量占该整幅或者部分图像的点的数量的合格比例值,输出所述合格比例值;
或,
判断所述搜索质量得分是否合格,对于获得的整幅图像或者部分图像的合格判断结果,计算合格点数量占该整幅或者部分图像的点的数量的合格比例值,将所述合格比例值与预设阈值比较,根据比较结果以预设方式显示该整幅图像或者部分图像。
8.如权利要求1所述的弹性成像中的位移检测方法,其特征在于,还包括:
对于获得的整幅图像或者部分图像的搜索质量得分,求平均值得到该整幅图像 或者部分图像的平均得分值,输出所述平均得分值;
或,
对于获得的整幅图像或者部分图像的搜索质量得分,求平均值得到该整幅图像或者部分图像的平均得分值,将所述平均得分值与预设阈值比较,根据比较结果以预设方式显示该整幅图像或者部分图像。
9.如权利要求1至8任一项所述的弹性成像中的位移检测方法,其特征在于,确定目标位置之前还包括:
获取采样数据;
划分网格,获得用于位移检测的位移检测估计点;
所述目标位置来自于位移检测估计点。
10.一种弹性成像中的位移检测方法,其特征在于,包括:
确定目标位置;
获取目标位置的较前计算点的位移估计值;
使用所述较前计算点的位移估计值计算目标位置的位移初始值;
在距离所述目标位置的位移初始值附近进行相关性检测,查找相关性最大的位置,该位置相对于目标位置的偏移量即为位移值。
11.如权利要求10所述的弹性成像中的位移检测方法,其特征在于:
所述较前计算点包括较前行计算点和/或较前列计算点;
所述位移估计值包括行位移估计值和/或列位移估计值。
12.如权利要求10所述的弹性成像中的位移检测方法,其特征在于:
所述较前计算点包括较前行计算点和较前列计算点;
所述较前行计算点的位移估计值为(X1、Y1),其中X1为该较前行计算点的行位移估计值,Y1为该较前行计算点的列位移估计值;
所述较前列计算点的位移估计值为(X2、Y2),其中X2为该较前列计算点的行位移估计值,Y2为该较前列计算点的列位移估计值;
所述位移初始值具体为(X、Y),其中:
X=k*X1+(1-k)*X2,
Y=k*Y2+(1-k)*Y2,
其中k为预先设定的系数。
13.如权利要求10至12任一项所述的弹性成像中的位移检测方法,其特征在于:
确定目标位置之前还包括:
获取采样数据;
划分网格,获得用于位移检测的位移检测估计点;
所述目标位置和/或较前计算点来自于位移检测估计点。
14.一种弹性成像中的位移检测方法,其特征在于,包括:
获取采样数据;
划分网格,获得用于位移检测的位移检测估计点;
确定目标位置,所述目标位置来自位移检测估计点;
获取目标位置的较前计算点的位移估计值;
使用所述较前计算点的位移估计值计算目标位置的位移初始值;
在距离所述目标位置的位移初始值附近进行相关性检测,通过过程函数计算相关性搜索与目标位置相关性最大的位置,该位置相对于目标位置的偏移量即为位移值;
使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。
15.一种弹性成像中的位移检测装置,其特征在于,包括:
目标确定装置,用于确定目标位置;
搜索装置,用于通过过程函数计算相关性搜索与目标位置相关性最大的位置;
得分获取装置,用于使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。
16.如权利要求15所述的弹性成像中的位移检测装置,其特征在于:
所述得分获取装置具体用于:
获取计算该相关性最大的位置时的过程函数值的最大值和最小值;
通过计算该相关性最大的位置时的过程函数值的最大值与预设的过程函数极大值获取该最大值的评分,该最大值和极大值的差值越小则评分越高;
通过计算该相关性最大的位置时的过程函数值的最小值与预设的过程函数极小值获取该最小值的评分,该最小值和极小值的差值越小则评分越高;
通过该最大值和最小值的评分获得该相关性最大的位置的搜索质量得分,该最大值和最小值的评分越高则相关性最大的位置的搜索质量得分越高。
17.如权利要求15所述的弹性成像中的位移检测装置,其特征在于:
所述过程函数为差的绝对值的和算法;
所述得分获取装置具体用于:
计算score_SAD=score1*p+score2*(1-p),
其中,score_SAD为所述搜索质量得分,p为系统预先设定的参数,p的取值在0~1之间,score1、score2分别为计算该相关性最大的位置时的过程函数值的最大值和最小值的评分;
其中,
score1=(max_SAD-min_SAD)/(SAD_High-min_SAD);
Score2=(max_SAD-min_SAD)/(max_SAD-SAD_Low);
其中,max_SAD与min_SAD分别为所述计算该相关性最大的位置时的过程函数值的最大值和最小值;SAD_High与SAD_Low分别为所述预设的过程函数极大值和极小值。
18.如权利要求15所述的弹性成像中的位移检测装置,其特征在于,还包括:合格判断装置,用于判断所述搜索质量得分是否合格;
校正装置,用于当判断所述搜索质量得分不合格时,对该目标位置的位移检测结果进行校正。
19.如权利要求18所述的弹性成像中的位移检测装置,其特征在于:
所述合格判断装置具体用于:
将所述搜索质量得分与预设的搜索分数阈值比较,如果所述搜索质量得分低于所述预设的搜索分数阈值则判断所述搜索质量得分不合格;
或,
将所述搜索质量得分分别与预设的搜索分数阈值、跳变检测阈值比较,若所述搜索质量得分低于预设的搜索分数阈值且该目标位置的位移值与相邻位置的位移值的差异超过跳变检测阈值,则判断所述搜索质量得分不合格。
20.如权利要求15至19任一项所述的弹性成像中的位移检测装置,其特征在于,还包括:采样装置,用于获取采样数据;
网格装置,用于划分网格,获得用于位移检测的位移检测估计点;
所述目标位置来自于位移检测估计点。
21.一种弹性成像中的位移检测装置,其特征在于,包括:
目标确定装置,用于确定目标位置;
较前点数据获取装置,用于获取目标位置的较前计算点的位移估计值;
位移初始值获取装置,用于使用所述较前计算点的位移估计值计算目标位置的位移初始值;
相关性检测装置,用于在距离所述目标位置的位移初始值附近进行相关性检测,查找相关性最大的位置,该位置相对于目标位置的偏移量即为位移值。
22.如权利要求21所述的弹性成像中的位移检测装置,其特征在于:
所述较前计算点包括较前行计算点和/或较前列计算点;
所述位移估计值包括行位移估计值和/或列位移估计值。
23.如权利要求21所述的弹性成像中的位移检测装置,其特征在于:
所述较前计算点包括较前行计算点和较前列计算点;
所述较前行计算点的位移估计值为(X1、Y1),其中X1为该较前行计算点的行位移估计值,Y1为该较前行计算点的列位移估计值;
所述较前列计算点的位移估计值为(X2、Y2),其中X2为该较前列计算点的行位移估计值,Y2为该较前列计算点的列位移估计值;
所述位移初始值获取装置具体用于:
所述位移初始值具体为(X、Y),其中:
X=k*X1+(1-k)*X2,
Y=k*Y2+(1-k)*Y2,
其中k为预先设定的系数。
24.如权利要求21至23任一项所述的弹性成像中的位移检测装置,其特征在于,还包括:
采样装置,用于获取采样数据;
网格装置,用于划分网格,获得用于位移检测的位移检测估计点;
所述目标位置来自于位移检测估计点。
25.一种弹性成像中的位移检测装置,其特征在于,包括:
采样装置,用于获取采样数据;
网格装置,用于划分网格,获得用于位移检测的位移检测估计点;
目标确定装置,用于确定目标位置,所述目标位置来自位移检测估计点;
较前点数据获取装置,用于获取目标位置的较前计算点的位移估计值;
位移初始值获取装置,用于使用所述较前计算点的位移估计值计算目标位置的位移初始值;
相关性检测装置,用于在距离所述目标位置的位移初始值附近进行相关性检测,通过过程函数查找相关性最大的位置,该位置相对于目标位置的偏移量即为位移值;
得分获取装置,用于使用计算该相关性最大的位置时的过程函数值计算该相关性最大的位置的搜索质量得分。
26.一种超声成像系统,其特征在于:包括如权利要求15-25任一项所述的弹性成像中的位移检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110159110.9A CN102824193B (zh) | 2011-06-14 | 2011-06-14 | 一种弹性成像中的位移检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110159110.9A CN102824193B (zh) | 2011-06-14 | 2011-06-14 | 一种弹性成像中的位移检测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102824193A true CN102824193A (zh) | 2012-12-19 |
CN102824193B CN102824193B (zh) | 2016-05-18 |
Family
ID=47327647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110159110.9A Active CN102824193B (zh) | 2011-06-14 | 2011-06-14 | 一种弹性成像中的位移检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102824193B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103040488A (zh) * | 2012-12-21 | 2013-04-17 | 深圳大学 | 一种实时超声弹性成像位移估计方法和系统 |
CN103845081A (zh) * | 2012-11-28 | 2014-06-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像系统和方法、实时动态帧间处理方法 |
CN104739442A (zh) * | 2013-12-25 | 2015-07-01 | 深圳迈瑞生物医疗电子股份有限公司 | 压力弹性成像位移检测方法、装置和超声成像设备 |
CN105326529A (zh) * | 2014-07-29 | 2016-02-17 | 深圳迈瑞生物医疗电子股份有限公司 | 弹性成像方法及系统 |
CN106725609A (zh) * | 2016-11-18 | 2017-05-31 | 乐普(北京)医疗器械股份有限公司 | 一种弹性检测方法和装置 |
CN108733857A (zh) * | 2017-04-21 | 2018-11-02 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像装置及弹性成像结果评价方法 |
CN109745073A (zh) * | 2019-01-10 | 2019-05-14 | 武汉中旗生物医疗电子有限公司 | 弹性成像位移的二维匹配方法及设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1586408A (zh) * | 2004-08-20 | 2005-03-02 | 清华大学 | 一种多尺度的生物组织位移估计方法 |
US20060285731A1 (en) * | 2005-06-17 | 2006-12-21 | Jingfeng Jiang | Automated ultrasonic elasticity image formation with quality measure |
US20070093716A1 (en) * | 2005-10-26 | 2007-04-26 | Aloka Co., Ltd. | Method and apparatus for elasticity imaging |
CN101065067A (zh) * | 2004-08-05 | 2007-10-31 | 株式会社日立医药 | 弹性图像显示方法以及超声波诊断装置 |
CN101530333A (zh) * | 2002-07-31 | 2009-09-16 | 株式会社日立医药 | 超声诊断系统和应变分布及弹性模量分布显示方法 |
CN101553174A (zh) * | 2006-12-20 | 2009-10-07 | 株式会社日立医药 | 超声波诊断装置 |
CN101569543A (zh) * | 2008-04-29 | 2009-11-04 | 香港理工大学 | 弹性成像的二维位移估计方法 |
US20100106018A1 (en) * | 2008-10-27 | 2010-04-29 | Jingfeng Jiang | Ultrasonic strain imaging device with selectable cost-function |
CN101999907A (zh) * | 2009-08-26 | 2011-04-06 | Ge医疗系统环球技术有限公司 | 超声诊断设备 |
-
2011
- 2011-06-14 CN CN201110159110.9A patent/CN102824193B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101530333A (zh) * | 2002-07-31 | 2009-09-16 | 株式会社日立医药 | 超声诊断系统和应变分布及弹性模量分布显示方法 |
CN101065067A (zh) * | 2004-08-05 | 2007-10-31 | 株式会社日立医药 | 弹性图像显示方法以及超声波诊断装置 |
CN1586408A (zh) * | 2004-08-20 | 2005-03-02 | 清华大学 | 一种多尺度的生物组织位移估计方法 |
US20060285731A1 (en) * | 2005-06-17 | 2006-12-21 | Jingfeng Jiang | Automated ultrasonic elasticity image formation with quality measure |
US20070093716A1 (en) * | 2005-10-26 | 2007-04-26 | Aloka Co., Ltd. | Method and apparatus for elasticity imaging |
CN101553174A (zh) * | 2006-12-20 | 2009-10-07 | 株式会社日立医药 | 超声波诊断装置 |
CN101569543A (zh) * | 2008-04-29 | 2009-11-04 | 香港理工大学 | 弹性成像的二维位移估计方法 |
US20100106018A1 (en) * | 2008-10-27 | 2010-04-29 | Jingfeng Jiang | Ultrasonic strain imaging device with selectable cost-function |
CN101999907A (zh) * | 2009-08-26 | 2011-04-06 | Ge医疗系统环球技术有限公司 | 超声诊断设备 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103845081A (zh) * | 2012-11-28 | 2014-06-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像系统和方法、实时动态帧间处理方法 |
CN103845081B (zh) * | 2012-11-28 | 2018-04-10 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像系统和方法、实时动态帧间处理方法 |
CN103040488A (zh) * | 2012-12-21 | 2013-04-17 | 深圳大学 | 一种实时超声弹性成像位移估计方法和系统 |
CN104739442B (zh) * | 2013-12-25 | 2017-06-16 | 深圳迈瑞生物医疗电子股份有限公司 | 压力弹性成像位移检测方法、装置和超声成像设备 |
WO2015096353A1 (zh) * | 2013-12-25 | 2015-07-02 | 深圳迈瑞生物医疗电子股份有限公司 | 压力弹性成像位移检测方法、装置和超声成像设备 |
CN104739442A (zh) * | 2013-12-25 | 2015-07-01 | 深圳迈瑞生物医疗电子股份有限公司 | 压力弹性成像位移检测方法、装置和超声成像设备 |
CN105326529A (zh) * | 2014-07-29 | 2016-02-17 | 深圳迈瑞生物医疗电子股份有限公司 | 弹性成像方法及系统 |
CN105326529B (zh) * | 2014-07-29 | 2017-09-26 | 深圳迈瑞生物医疗电子股份有限公司 | 弹性成像方法及系统 |
CN106725609A (zh) * | 2016-11-18 | 2017-05-31 | 乐普(北京)医疗器械股份有限公司 | 一种弹性检测方法和装置 |
CN108733857A (zh) * | 2017-04-21 | 2018-11-02 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像装置及弹性成像结果评价方法 |
CN108733857B (zh) * | 2017-04-21 | 2022-03-29 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像装置及弹性成像结果评价方法 |
CN109745073A (zh) * | 2019-01-10 | 2019-05-14 | 武汉中旗生物医疗电子有限公司 | 弹性成像位移的二维匹配方法及设备 |
CN109745073B (zh) * | 2019-01-10 | 2021-08-06 | 武汉中旗生物医疗电子有限公司 | 弹性成像位移的二维匹配方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102824193B (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102824193A (zh) | 一种弹性成像中的位移检测方法、装置及系统 | |
US11786210B2 (en) | Ultrasound diagnostic system, ultrasound image generation apparatus, and ultrasound image generation method | |
US9607405B2 (en) | Method and device for detecting displacement in elastography | |
CN108733857B (zh) | 超声弹性成像装置及弹性成像结果评价方法 | |
US20190254629A1 (en) | Method and system for displaying ultrasonic elastic measurement | |
US8144961B2 (en) | Ultrasound diagnostic apparatus and method for measuring a size of a target object | |
EP2924656B1 (en) | Diagnostic image generation apparatus and diagnostic image generation method | |
US20080077011A1 (en) | Ultrasonic apparatus | |
US20140296694A1 (en) | Method and system for ultrasound needle guidance | |
JP6515095B2 (ja) | 解剖学的にインテリジェントな心エコー検査法における肋骨妨害物描出 | |
US20150094580A1 (en) | Ultrasonic diagnostic device and locus display method | |
US20190159762A1 (en) | System and method for ultrasound elastography and method for dynamically processing frames in real time | |
US20220378394A1 (en) | Ultrasound diagnostic apparatus, control method of ultrasound diagnostic apparatus, and processor for ultrasound diagnostic apparatus | |
KR101656127B1 (ko) | 계측 장치 및 그 제어 프로그램 | |
CN104739442B (zh) | 压力弹性成像位移检测方法、装置和超声成像设备 | |
JP2006246974A (ja) | リファレンス像表示機能を有する超音波診断装置 | |
JP2007222393A (ja) | 超音波診断装置およびその画像処理方法、その画像処理プログラム | |
JP6382031B2 (ja) | 超音波診断装置及びその制御プログラム | |
JP6876869B2 (ja) | 超音波診断装置および超音波診断装置の制御方法 | |
JP4634872B2 (ja) | 超音波診断装置 | |
CN111714205A (zh) | 使用深度学习在荧光镜检查视频中进行导管尖端检测 | |
CN112336375B (zh) | 超声波诊断装置以及超声波图像处理方法 | |
US20210307720A1 (en) | Ultrasonic diagnostic apparatus and storage medium | |
KR20160046470A (ko) | 생체검사 장치 및 방법 | |
CN114072069A (zh) | 弹性成像方法、系统和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20121219 Assignee: Shenzhen Mindray Animal Medical Technology Co.,Ltd. Assignor: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd. Contract record no.: X2022440020009 Denomination of invention: Displacement detection method, device and system in elastography Granted publication date: 20160518 License type: Common License Record date: 20220804 |
|
EE01 | Entry into force of recordation of patent licensing contract |