CN104306021B - 全局匹配优化的超声图像三维重建方法 - Google Patents

全局匹配优化的超声图像三维重建方法 Download PDF

Info

Publication number
CN104306021B
CN104306021B CN201410543394.5A CN201410543394A CN104306021B CN 104306021 B CN104306021 B CN 104306021B CN 201410543394 A CN201410543394 A CN 201410543394A CN 104306021 B CN104306021 B CN 104306021B
Authority
CN
China
Prior art keywords
dimensional
ultrasonic
image
voxel
dimensional data
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
CN201410543394.5A
Other languages
English (en)
Other versions
CN104306021A (zh
Inventor
杨健
丛伟建
刘越
王涌天
艾丹妮
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.)
Ari Mai Di medical technology (Beijing) Co., Ltd.
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201410543394.5A priority Critical patent/CN104306021B/zh
Publication of CN104306021A publication Critical patent/CN104306021A/zh
Application granted granted Critical
Publication of CN104306021B publication Critical patent/CN104306021B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices 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
    • A61B8/5246—Devices 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
    • A61B8/5253—Devices 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

Abstract

本发明公开全局匹配优化的超声图像三维重建方法。该方法包括：读取超声探头实时采集的二维超声图像，获取二维超声图像的大小、间隔两个参数；通过空间定位系统跟踪定位每一幅二维超声图像的空间位置，并获取每一幅二维超声造影图像与超声三维数据的相对位置关系；遍历二维超声图像中每一个像素，根据预设阈值，将像素灰度值赋值给超声三维数据中的体素；遍历超声三维数据，获取体素空缺区域，并检测其边界；计算空缺区域边界上每一个体素的修补权重系数；遍历整幅超声三维数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成超声三维数据的重建。本发明能够快速精准的重建超声三维数据，为临床病灶诊疗提供理论指导。

Description

全局匹配优化的超声图像三维重建方法
技术领域
本发明涉及一种全局匹配优化的超声图像三维重建方法，适合于临床超声二维序列图像的三维重建。
背景技术
在现代医学影像学中，超声成像与CT、X射线、核医学、磁共振成像并驾齐驱，互为补充。而超声成像以其强度低，对人体无损伤，无痛苦，显示方法多样而著称，尤其对人体软组织的探测和心血管脏器的血流动力学观察有其独到之处，对孕妇胎儿的发育及健康情况的检查更是具有不可替代的作用。超声辅助诊断和治疗的发展过程经历了从一维到二维，从抽象到直观的过程。在B模式下，医生已经可以从人体内部器官的图像上清楚地看到器官的病变情况，为诊断治疗提供依据。然而，二维B模式存在着其固有的不足：(1)B模式超声图像是二维的，而实际人体器官组织是三维实体，因此，诊断医生必须在大脑里对多幅二维图像进行整合，形成实际三维图像进行诊断。这样就使得诊断过程效率低，并且诊断结果依靠诊断医生的临床经验，具有很强的主观性，且易造成误诊。(2)一些疾病的诊断常常需要测量器官或病变的体积。例如，在前列腺癌检查时，除了要检测前列腺抗体的含量，还要检测前列腺的大小,根据前列腺大小对应的抗体含量进行综合诊断。二维图像中对体积的测量往往是利用平面图上的长轴与短轴作为参数的估计模型进行估计，测量精度低，变化大，且主观性强。(3)基于二维的超声诊断不具有可重复性。在一次诊断中，无法重现同一位置的图像，即使凑巧换能器正好在同一位置，人也无法断定是否在同一位置，因此在重复检查或追踪疗效时，如果间隔时间短或无大的明显治疗效果，则无法与先前诊断进行比较，也就无法对病情的发展状况或疗效进行有效的估计。(4)由于人体结构的固有限制，用二维超声诊断时，一些部位的切面图片无法看到，对准确诊断也是一个无法克服的障碍。而在三维诊断系统中，利用人体器官或病理组织的二维图像重建成三维图像，诊断医生可以在本机或其它计算机上处理或测量这个三维图像。而且，可以无限制地显示器官组织的任意方向和部位的二维切面图像。对每一个器官病理部位也可以进行标记，就可以很容易地与后继治疗或复查的三维图像相比较，从而很方便地得知病情的发展或治疗的效果。
发明内容
本发明提出了一种全局匹配优化的超声图像三维重建方法，能够在整幅超声三维数据寻找最优匹配模块修补空缺体素，为超声图像疾病诊断提供了一种便利的工具。
该全局匹配优化的超声图像三维重建方法，包括以下步骤：
第一步：读取超声探头实时采集的二维超声图像，获取二维超声图像的大小、间隔两个参数；
第二步：通过空间定位来跟踪定位每一幅二维超声图像的空间位置，并获取每一幅二维超声造影图像与超声三维数据的相对位置关系；
第三步：遍历二维超声图像中每一个像素，将像素灰度值赋值给超声三维数据中的体素；
第四步：遍历超声三维数据，获取体素空缺区域，并检测其边界；
第五步：计算空缺区域边界上每一个体素的修补权重系数；
第六步：遍历整幅超声三维数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成超声三维数据的重建。
附图说明
图1是本发明所提出的工作流程图；
图2是本发明所提出的空缺区域修补方法示意图；
图3是本发明所提出的体素赋值方法示意图；
图4是本发明的用户操作流程图。
具体实施方式
关于本发明的优点与精神可以通过以下的发明详述及附图得到进一步的了解。
附图1为重建流程图，所述超声三维数据重建包括以下几个步骤：
步骤S101，读取超声探头实时采集的二维超声图像，获取二维超声图像的大小、间隔两个参数。
定义获取得到的二维超声图像的大小为n1×n2，图像间距为[a1,a2]。
步骤S102，通过空间定位系统跟踪定位每一幅二维超声图像的空间位置，并获取每一幅二维超声造影图像与超声三维数据的相对位置关系。
在超声三维数据重建系统中存在三个坐标系，分别是超声三维数据所在的三维坐标系O-XYZ，二维超声切片图像所在的二维坐标系O'-UV，以及定位跟踪系统所在的三维坐标系OS-XSYSZS。对于坐标系O'-UV与OS-XSYSZS，可以根据超声图像采集系统提供的超声图像信息完成两个坐标系之间的相互转换，超声图像信息包括超声图像大小、图像间隔。定义第j幅二维超声切片图像上一个像素的坐标为(uji,vji)，该幅超声切片图像的大小为(NjU,NjV)，图像间隔为(SjU,SjV)，而由空间定位系统得到的该幅超声切片图像的空间坐标为如果坐标系O'-UV与OS-XSYSZS定义如图3所示，则像素点(uji,vji)在坐标系OS-XSYSZS中的坐标计算公式为：
X S ji = X S j + ( u ji - N jU 2 ) × S jU Y S ji = Y S j - ( N jV - v ji ) × S jV Z S ji = Z S j
对于坐标系O-XYZ与OS-XSYSZS之间的转换，定义一个旋转矩阵R、平移向量T以及缩放因子r，保证感兴趣区域的超声切片图像在经过转换后能位于超声三维数据中。
步骤S103，遍历二维超声图像中每一个像素，根据预设阈值，将像素灰度值赋值给超声三维数据中的体素。
定义二维超声图像中像素为I(ui)，则体素xj的体素值V(xj)计算公式为：
其中，D(ui,xj)表示像素ui在超声三维数据中的位置与体素xj之间的欧氏距离。
步骤S104，遍历超声三维数据，获取体素空缺区域，并检测其边界。
遍历整幅超声三维数据所有体素，获取得到空缺区域，采用canny算子检测得到空缺区域的边界。
Canny算子检测边缘的具体算法如下：
Stepl：用高斯滤波器对图像滤波，以消除图像中的噪声。
Step2：对滤波后图像中的每个像素，计算其梯度幅值和方向。
Step3：对梯度幅值进行非极大值抑制。图像上(i,j)点处幅值A(i,j)的大小不能确定该点是否为边缘点，需要采用非极大值抑制确定边缘点，即细化幅值图像中的屋脊带，保留幅值局部变化最大的点。
Step4：用双阈值算法检测和连接边缘。对非极大值抑制幅值进行阈值化，
得到边缘阵列图像。
步骤S105，计算空缺区域边界上每一个体素的修补权重系数。
定义空缺区域边界一个体素p的修补权重系数为P(p)，则P(p)的计算公式为：
P(p)＝C(p)D(p)G(p)
其中，C(p)为系数项，D(p)为数据项，G(p)为梯度项。
步骤S106，遍历整幅超声三维数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成超声三维数据的重建。
定义待修补体素p所在的模块为Ψp，则与Ψp最匹配的模块Ψq满足的条件为：
Ψ q ^ = arg min Ψ q ∈ Φ d ( Ψ p , Ψ q )
虽然参考优选实施例对本发明进行描述，但以上所述实例并不构成本发明保护范围的限定，任何在本发明的精神及原则内的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围内。

Claims (4)

1.全局匹配优化的超声图像三维重建方法，包括：第一步：读取超声探头实时采集的二维超声图像，获取二维超声图像的大小、间隔两个参数；
其特征在于，还包括以下步骤：
第二步：通过空间定位来跟踪定位每一幅二维超声图像的空间位置，并获取每一幅二维超声造影图像与超声三维数据的相对位置关系；
第三步：遍历二维超声图像中每一个像素，将像素灰度值赋值给超声三维数据中的体素；
第四步：遍历超声三维数据，获取体素空缺区域，并检测其边界；
第五步：计算空缺区域边界上每一个体素的修补权重系数；
第六步：遍历整幅超声三维数据，寻找与修补权重系数最大的模块最匹配的模块，修补权重系数最大的模块，完成超声三维数据的重建。
2.如权利要求1所述的全局匹配优化的超声图像三维重建方法，其特征在于，第四步中，根据canny算子检测得到超声三维数据中空缺区域的边界。
3.如权利要求1或2所述的全局匹配优化的超声图像三维重建方法，其特征在于，第五步中所述的体素的修补权重系数由该体素所在模块的灰度变化强度决定。
4.如权利要求2所述的全局匹配优化的超声图像三维重建方法，其特征在于，Canny算子检测的具体方法如下：
Stepl：用高斯滤波器对图像滤波，以消除图像中的噪声；
Step2：对滤波后图像中的每个像素，计算其梯度幅值和方向；
Step3：对梯度幅值进行非极大值抑制，图像上(i,j)点处幅值A(i,j)的大小不能确定该点是否为边缘点，需要采用非极大值抑制确定边缘点，即细化幅值图像中的屋脊带，保留幅值局部变化最大的点；
Step4：用双阈值算法检测和连接边缘，对非极大值抑制幅值进行阈值化，得到边缘阵列图像。
CN201410543394.5A 2014-10-15 2014-10-15 全局匹配优化的超声图像三维重建方法 Active CN104306021B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410543394.5A CN104306021B (zh) 2014-10-15 2014-10-15 全局匹配优化的超声图像三维重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410543394.5A CN104306021B (zh) 2014-10-15 2014-10-15 全局匹配优化的超声图像三维重建方法

Publications (2)

Publication Number Publication Date
CN104306021A CN104306021A (zh) 2015-01-28
CN104306021B true CN104306021B (zh) 2016-08-24

Family

ID=52361445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410543394.5A Active CN104306021B (zh) 2014-10-15 2014-10-15 全局匹配优化的超声图像三维重建方法

Country Status (1)

Country Link
CN (1) CN104306021B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005974A (zh) * 2015-07-06 2015-10-28 嘉恒医疗科技（上海）有限公司 基于全局修补的超声体数据空缺体素赋值方法和系统
CN109242947B (zh) * 2017-07-11 2023-07-21 中慧医学成像有限公司 三维超声图像显示方法
CN107730519A (zh) * 2017-09-11 2018-02-23 广东技术师范学院 一种人脸二维图像到人脸三维重建的方法及系统
CN109191397A (zh) * 2018-08-28 2019-01-11 广州智美科技有限公司 基于体素的孔洞填补方法及装置
CN112089438B (zh) * 2020-08-31 2021-07-30 北京理工大学 基于二维超声图像的四维重建方法及装置
CN113425325A (zh) * 2021-06-24 2021-09-24 北京理工大学 术前肝脏三维超声拼接系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103860197A (zh) * 2014-03-14 2014-06-18 深圳先进技术研究院 自由式三维超声成像方法、装置和系统
CN103955961A (zh) * 2014-04-14 2014-07-30 中国人民解放军总医院 基于统计学的超声序列图像三维重建方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130144135A1 (en) * 2011-08-02 2013-06-06 Mohamed R. Mahfouz Method and apparatus for three dimensional reconstruction of a joint using ultrasound

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103860197A (zh) * 2014-03-14 2014-06-18 深圳先进技术研究院 自由式三维超声成像方法、装置和系统
CN103955961A (zh) * 2014-04-14 2014-07-30 中国人民解放军总医院 基于统计学的超声序列图像三维重建方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于未标定单平面造影图像的冠状动脉树三维重建;杨健等;《计算机学报》;20070930;第30卷(第9期);第1594页-第1602页 *

Also Published As

Publication number Publication date
CN104306021A (zh) 2015-01-28

Similar Documents

Publication Publication Date Title
CN104306021B (zh) 全局匹配优化的超声图像三维重建方法
Mozaffari et al. Freehand 3-D ultrasound imaging: a systematic review
Boctor et al. Rapid calibration method for registration and 3D tracking of ultrasound images using spatial localizer
Belaid et al. Phase-based level set segmentation of ultrasound images
Angelini et al. LV volume quantification via spatiotemporal analysis of real-time 3-D echocardiography
Molinari et al. Hypothesis validation of far-wall brightness in carotid-artery ultrasound for feature-based IMT measurement using a combination of level-set segmentation and registration
Chung et al. Freehand three-dimensional ultrasound imaging of carotid artery using motion tracking technology
JP2000126182A (ja) 腫瘍診断方法
Waine et al. 3d shape visualization of curved needles in tissue from 2d ultrasound images using ransac
DE102012108121A1 (de) Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien
CN103402453A (zh) 用于导航系统的自动初始化和配准的系统和方法
US10478151B2 (en) System and method for automated monitoring of fetal head descent during labor
US20210077062A1 (en) Device and method for obtaining anatomical measurements from an ultrasound image
US10278663B2 (en) Sensor coordinate calibration in an ultrasound system
CN103093503A (zh) 基于ct图像的肺实质区域表面模型的建立方法
Cao et al. Automated catheter detection in volumetric ultrasound
US20220151496A1 (en) Device and method for analyzing optoacoustic data, optoacoustic system and computer program
US7376254B2 (en) Method for surface-contouring of a three-dimensional image
Wein et al. Automatic non-linear mapping of pre-procedure CT volumes to 3D ultrasound
JP2019502445A (ja) 被験者の組織を特徴付ける装置及び方法
US11672503B2 (en) Systems and methods for detecting tissue and shear waves within the tissue
Mozaffari et al. 3D Ultrasound image segmentation: A Survey
Galdames et al. Registration of renal SPECT and 2.5 D US images
Carminati et al. Reconstruction of the descending thoracic aorta by multiview compounding of 3-d transesophageal echocardiographic aortic data sets for improved examination and quantification of atheroma burden
Rahmatullah et al. Anatomical object detection in fetal ultrasound: computer-expert agreements

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
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: 20180906

Address after: 100086 Qingyun contemporary building 13, 1306, room 9, mansion court garden, Qingyun Li, Haidian District, Beijing.

Patentee after: Ari Mai Di medical technology (Beijing) Co., Ltd.

Address before: 100081 No. 5, Zhongguancun South Street, Haidian District, Beijing

Patentee before: BEIJING INSTITUTE OF TECHNOLOGY

TR01 Transfer of patent right