CN104545999A - 一种超声图像膀胱容积测量方法及装置 - Google Patents
一种超声图像膀胱容积测量方法及装置 Download PDFInfo
- Publication number
- CN104545999A CN104545999A CN201510003913.3A CN201510003913A CN104545999A CN 104545999 A CN104545999 A CN 104545999A CN 201510003913 A CN201510003913 A CN 201510003913A CN 104545999 A CN104545999 A CN 104545999A
- Authority
- CN
- China
- Prior art keywords
- bladder
- ultrasonoscopy
- deformation model
- region
- volume
- 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
Classifications
-
- 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
- A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of 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
- A61B8/5223—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种基于形变模型的超声图像膀胱容积测量方法,包括:获取n张膀胱超声图像;将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据;使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域;计算所述膀胱区域的容积;本发明进一步提供一种基于形变模型的超声图像膀胱容积测量装置。本发明提供的基于形变模型的超声图像膀胱容积测量方法及装置,充分考虑到膀胱在不同状态下表现的形状差异,使得膀胱容积测量结果更加贴近膀胱的临床表现,提高了膀胱容积测量的精确性,为膀胱疾病的诊断治疗提供更加准确参考数据。
Description
技术领域
本发明涉及一种膀胱容积测试方法及装置,尤其涉及一种超声图像膀胱容积测量方法及装置。
背景技术
膀胱体积是急诊科,麻醉科,泌尿科,ICU等科室临床应用的重要参数,反映的是膀胱内的尿量。对于泌尿系统来说,膀胱残余尿液容积和充盈尿液容积的测量结果,常作为诊断病例的重要依据。膀胱是人体一个非常重要的器官,它具有以下几个临床表现:1)关于形状:空虚状态下呈倒置的“三棱锥”形状,充盈状态下呈“椭球”状;2)膀胱可近似看成左右对称;3)膀胱内除了尿液之外没有其他物质,所以膀胱容积即为膀胱内尿液量;如膀胱内无尿液,则膀胱壁为黏连状态。
目前,临床上测量膀胱容积的方法主要是X光造影,其测量方法首先是静脉注射造影剂,利用造影剂与周围组织的密度差别产生对比,通过X光成像观察其在膀胱内的聚集,从而估计膀胱内的尿液量。但是这是一种对人体产生创伤的方法,不仅X线照射对人体有一定程度的伤害,而且造影剂使得使用者面临过敏不适的风险。
随着技术的不断进步,超声无创检测在临床应用中得到发展,采用超声无创的方式可准确监测和测量膀胱的体积,目前,这种方法需要手动采集多方向膀胱B超图像,用户的操作手法和熟悉程度影响了图像质量,从而导致测量误差;其次,测量各个方向的膀胱B超图像中的膀胱径,不可避免地增加了用户的工作量,测量耗时长。这种膀胱测量方法未结合临床的实际情况,忽略了膀胱在不同状态下表现的形状差异,导致测量结果不精确。
发明内容
本发明实施例提供一种超声图像膀胱容积测量方法及装置,其结合膀胱在临床中不同状态下表现出的形态差异,将膀胱的形状作为先验知识,自动根据膀胱当前的形状计算其容积,提高了膀胱容积测量的准确性。
本发明实施例采用以下技术方案:
第一方面,本技术方案提供一种基于形变模型的超声图像膀胱容积测量方法,包括:获取n张膀胱超声图像;将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据;使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域;计算所述膀胱区域的容积。
其进一步技术方案为,在所述将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据之后,所述使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域之前,还包括:
提取所述膀胱三维体数据中穿过中心的最大纵切面及其对应的膀胱边缘,提取所述膀胱超声图像的图像特征,建立所述膀胱超声图像的图像特征矩阵;
将所述图像特征矩阵输入形变模型分类器,得到膀胱当前形态对应的形变模型。
其进一步技术方案为,所述图像特征矩阵包括所述膀胱超声图像膀胱区域的面积S、所述膀胱区域边界的周长L和圆形度C,其中,所述面积S为膀胱区域所含像素的个数;周长L为依次累加所述膀胱区域边界两两相邻像素的距离得到的长度。
其进一步技术方案为,所述将所述图像特征矩阵输入形变模型分类器,得到膀胱对应的形变模型之前,还包括:提取膀胱不同形状时的图像特征矩阵进行训练,得到基于形状特征的形变模型分类器。
其进一步技术方案为,所述提取膀胱不同形状时的图像特征矩阵进行训练,得到基于形状特征的形变模型分类器,具体为:使用k-means算法对膀胱不同形状时的图像特征矩阵进行训练得到基于形状特征的形状分类器。
其进一步技术方案为,所述计算所述膀胱区域的容积,具体为:计算分割得到的所述膀胱区域中包含的体素点数。
第二方面,本技术方案一种基于形变模型的超声图像膀胱容积测量装置,包括:膀胱超声图像获取单元:用于获取n张膀胱超声图像;膀胱三维体数据构建单元:用于将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据;膀胱区域获得单元:用于使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域;膀胱容积计算单元:用于计算所述膀胱区域的容积。
其进一步技术方案为,还包括:图像特征矩阵建立单元:用于提取所述膀胱三维体数据中穿过中心的最大纵切面及其对应的膀胱边缘,提取所述膀胱超声图像的图像特征,建立所述膀胱超声图像的图像特征矩阵;膀胱形变模型获得单元:用于将所述图像特征矩阵输入形变模型分类器,得到膀胱当前形态对应的形变模型。
其进一步技术方案为,所述图像特征矩阵包括所述膀胱超声图像膀胱区域的面积S、所述膀胱区域边界的周长L和圆形度C,其中,所述面积S为膀胱区域所含像素的个数;周长L为依次累加所述膀胱区域边界两两相邻像素的距离得到的长度。
其进一步技术方案为,还包括:形变模型分类器训练单元:用于提取膀胱不同形状时的图像特征矩阵进行训练,得到基于形状特征的形变模型分类器。
本发明实施例提供的技术方案带来的有益效果:
本技术方案中,探头获取n张膀胱超声图像后,将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据,使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域并计算所述膀胱区域的容积,充分考虑到膀胱在不同状态下表现的形状差异,使得膀胱容积测量结果更加贴近膀胱的临床表现,提高了膀胱容积测量的精确性,为膀胱疾病的诊断治疗提供更加准确参考数据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明实施例提供的基于形变模型的超声图像膀胱容积测量方法第一个实施例的方法流程图。
图2是本发明实施例提供的基于形变模型的超声图像膀胱容积测量方法第二个实施例的方法流程图。
图3是本发明实施例提供的基于形变模型的超声图像膀胱容积测量装置第一个实施例的结构方框图。
图4是本发明实施例提供的基于形变模型的超声图像膀胱容积测量装置第二个实施例的结构方框图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅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,本领域技术人员在没有做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。
请参考图1,其是本发明实施例提供的基于形变模型的超声图像膀胱容积测量方法第一个实施例的方法流程图。该基于形变模型的超声图像膀胱容积测量方法包括:
S101、获取n张膀胱超声图像。
使用超声容积探头均匀有序地获取n张膀胱超声图像,膀胱超声图像获取方法具体为:启动膀胱超声测试容积系统,使用超声容积探头以膀胱中垂直于体表的中心线为轴心,以180°/n为步长,获取第一张超声图像后,绕轴心旋转180°/n后获取第二张图像,以此类推,旋转180°后得到n张超声图像,n为大于或等于2的自然数,本实施例中,n的取值范围为12~180。
S102、将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据。
构建膀胱三维体数据具体为:根据每一张膀胱超声图像在实际膀胱中的位置,角度,方向等空间信息,将n张膀胱超声图像按扫描顺序构造一个与实际膀胱相对应的三维体数据。
S103、使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域。
根据膀胱临床表现,膀胱可近似看成左右对称,空虚状态下是呈倒置的三棱锥形状,充盈状态下是呈椭球形状。当膀胱当前形态为三棱锥形状时,使用三棱锥形的形变模型对膀胱三维体数据进行三维图像分割,得到三棱锥形膀胱区域;当膀胱当前形态为椭球形状时,使用椭球形的形变模型对膀胱三维体数据进行三维图像分割,得到椭球形膀胱区域。现在一些研究学者已经对常见的立体形状建立了三维模型,三棱锥形的形变模型和椭球形的形变模型是可以借鉴现有的一些模型,此处不再赘述。
S104、计算所述膀胱区域的容积。
计算分割得到的所述膀胱区域中包含的体素点数得到膀胱的体积。
在三维图像中最小的单元是体素,相当于二维图像中的像素的概念。三维体数据中有体素间隔的概念,即Spacing,是指物理上两个体素的实际距离,由超声成像系统提供。Spacing分为X,Y,Z轴三个方向的值,分别为Spacing_x,Spacing_y,Spacing_z,那么一个体素的实际体积为:V=Spacing_x*Spacing_y*Spacing_z。
计算分割得到的所述膀胱区域中包含的体素点数具体为:取膀胱区域的外接长方体,依次判断长方体内的体素是否包含在目标区域内,是则数量加1,否则不加。
综上,探头获取n张膀胱超声图像后,将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据,使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域并计算所述膀胱区域的容积,充分考虑到膀胱在不同状态下表现的形状差异,使得膀胱容积测量结果更加贴近膀胱的临床表现,提高了膀胱容积测量的精确性,为膀胱疾病的诊断治疗提供更加准确参考数据。
请参考图2,其是本发明实施例提供的基于形变模型的超声图像膀胱容积测量方法第二个实施例的方法流程图。该基于形变模型的超声图像膀胱容积测量方法包括:
S201、获取n张膀胱超声图像。
使用超声容积探头均匀有序地获取n张膀胱超声图像,膀胱超声图像获取方法具体为:启动膀胱超声测试容积系统,使用超声容积探头以膀胱中垂直于体表的中心线为轴心,以180°/n为步长,获取第一张超声图像后,绕轴心旋转180°/n后获取第二张图像,以此类推,旋转180°后得到n张超声图像,n为大于或等于2的自然数,本实施例中,n的取值范围为12~180。
S202、将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据。
构建膀胱三维体数据具体为:根据每一张膀胱超声图像在实际膀胱中的位置,角度,方向等空间信息,将n张膀胱超声图像按扫描顺序构造一个与实际膀胱相对应的三维体数据。
S203、提取所述膀胱三维体数据中穿过中心的最大纵切面及其对应的膀胱边缘,提取所述膀胱超声图像的图像特征,建立所述膀胱超声图像的图像特征矩阵。
膀胱的结构临床表现为基本对称的结构,采用“中线判别法”找到膀胱三维体数据中穿过中心的最大纵切面,即在膀胱三维体数据中任意取一个膀胱横切面,找到该横切面膀胱区域的纵向中心线,则过该线且与该横切面垂直的面则为穿过膀胱的最大纵切面。
本技术方案中选用Canny边缘检测算法提取膀胱三维体数据中穿过中心的最大纵切面膀胱区域的边缘,数字图像处理领域有多种边缘检测算法,Canny边缘检测算法的优点是:1.低误码率,很少把边缘点误认为非边缘点;2.高定位精度,即精确地把边缘点定位在灰度变化最大的像素上;3.抑制虚假边缘。Canny边缘检测的实现大致有4步:1.高斯滤波对图像去噪。2.由原始灰度图像求出纵横2个梯度图,以及综合梯度图(求梯度的算子很多,可以查阅相关资料,此处不再赘述)。3.结合3个梯度图来进行非极大抑制。4.进行边缘连接。网上关于Canny边缘检测算法的内容很多,这里就不再赘述。当然,在其他的一些实施例中,也可以采用其他的边缘检测算法,本实施例并不作为对本发明技术方案的限制。
提取膀胱三维体数据中穿过中心的最大纵切面的膀胱区域边界的周长L、膀胱区域的面积S及圆形度C作为超声图像的图像特征,建立超声图像的图像特征矩阵。具体的,在数字图像中,点A(xa,ya)与点B(xb,yb)之间的距离可表示为:依次累加膀胱区域边界两两相邻像素点的距离即得到膀胱区域边界的周长L,再乘以每个像素的实际物理距离即得到膀胱区域边界的实际物理周长。膀胱区域的面积S可定义为膀胱区域所包含的像素的个数。假设超声扫描深度是d0(mm),一条扫描线上的像素个数是n,那么每个像素对应的物理距离为d0/n(mm),每个像素对应的物理面积是(d0/n)2(mm2)。圆形度C用来描述膀胱形状的圆形程度,定义为:C=L2/(4πS),其中,L为膀胱区域边界周长,S为膀胱区域的面积。
S204、将所述图像特征矩阵输入形变模型分类器,得到膀胱当前形态对应的形变模型。
结合膀胱在不同状态下呈现的不同形状作为先验知识,利用步骤S203中的方法提取膀胱不同形状时的图像特征矩阵分别进行训练,得到基于形状特征的形变模型分类器,本实施例中应用k-means算法对膀胱不同形状时的图像特征矩阵分别训练得到基于形状特征的三维形变模型分类器。其中,k-means算法为聚类算法中主要算法之一,它是一种基于划分的聚类算法,该算法已经广泛应用于数据挖掘领域,此处不做详述,请查阅k-means算法相关资料。聚类算法有很多,在其他的一些实施例中,也可以选用其他的现有聚类算法得到基于形状特征的三维形变模型分类器。
S205、使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域。
三维图像分割算法采用基于形变模型的膀胱三维分割算法,基于形变模型的膀胱三维分割算法是:首先建立起关于目标平均形状及其形变模式的先验模型,再以此模型为依据,在测试图像中根据图像特征进行迭代搜索匹配并对先验模型的姿态和形状参数进行调整,使模型上的标记点在先验模型的限制下逐步拟合到物体的实际边界上,最终准确分割出目标物体。本技术方案采用的基于形变模型的三维图像分割算法具体包括以下几个步骤:
S2051、对膀胱三维体数据采用步骤S204中得到的形变模型进行匹配,得到形变模型初始轮廓。
S2052、初始模型按照一定的规则离散化生成三角网络模型。
初始模型离散化成三角网络的方法是:在三维坐标X-Y-Z中,对初始模型的每一个X-Y平面上的轮廓均匀采样n个点,即每隔360°/n取一个点,然后将每层的采样点按采样顺序连接起来,再把相邻两层相同角度的采样点连接起来,建立起三角网络模型。
S2053、对得到的形变模型的三角网络模型进行三维形变,得到分割结果。
三维图像分割的形变模式具体为:对初始形变模型在采样点i上施加内力fin,i和外力fex,i,内力fin,i是推动形变模型向着表面曲率最小位置变化的力,它保持活动表面的光滑性和连续性;外力fex,i是推动活动表面向着物体边缘运动的力。两者的共同作用使得形变模型与目标物体准确拟合,达到迭代次数后,完成分割。采样点i受力运动的运动法则如下:
1)点i的内外力合力定义为内外力的加权和:fi=wexfex,i+winfin,i;
其中,win是内力权重,wex是外力权重。
2)利用动力学公式计算点i在内外力共同作用下移动的速度大小和方向。根据牛顿第二定律,加速度气定义为:ai=fi/m,其中m为点i的质量。
3)点i的运动速度vi可以由下式求得:vi=ai*t
4)在内外力共同作用下,点i在三维空间中运动,实现模型三维形变。
点i在t+Δt时刻运动到新的位置pi(t+Δt)。其中,pi(t+Δt)=pi(t)+viΔt。
根据膀胱临床表现,膀胱可近似看成左右对称,空虚状态下是呈倒置的三棱锥形状,充盈状态下是呈椭球形状。当膀胱当前形态为三棱锥形状时,使用三棱锥形的形变模型对膀胱三维体数据进行三维图像分割,得到三棱锥形膀胱区域;当膀胱当前形态为椭球形状时,使用椭球形的形变模型对膀胱三维体数据进行三维图像分割,得到椭球形膀胱区域。
S206、计算所述膀胱区域的容积。
计算分割得到的所述膀胱区域中包含的体素点数得到膀胱的体积。
在三维图像中最小的单元是体素,相当于二维图像中的像素的概念。三维体数据中有体素间隔的概念,即Spacing,是指物理上两个体素的实际距离,由超声成像系统提供。Spacing分为X,Y,Z轴三个方向的值,分别为Spacing_x,Spacing_y,Spacing_z,那么一个体素的实际体积为:V=Spacing_x*Spacing_y*Spacing_z。
计算分割得到的所述膀胱区域中包含的体素点数具体为:取膀胱区域的外接长方体,依次判断长方体内的体素是否包含在目标区域内,是则数量加1,否则不加。
综上,获取膀胱超声图像后,将提取的膀胱超声图像的图像特征矩阵输入利用基于机器学习建立的基于形状特征的形变模型分类器,形变模型分类器根据输入的图像特征矩阵判别出当前膀胱的形状是三棱锥形还是椭球形,选折膀胱当前形态对应的形变模型,利用该形变模型对膀胱三维体数据进行分割得到膀胱区域,统计该膀胱区域的体素个数得到膀胱的容积,充分考虑到膀胱在不同状态下的形状,提高了膀胱容量测量的精确度;使用形变模型分类器自动识别当前膀胱的形状,提高了膀胱容积测容系统的智能化,减少了操作者的工作量,具有良好的可扩展性。
请参考图3,其是本发明实施例提供的基于形变模型的超声图像膀胱容积测量装置第一个实施例的结构方框图。该基于形变模型的超声图像膀胱容积测量装置,包括如下内容:
膀胱超声图像获取单元310:用于获取n张膀胱超声图像。
使用超声容积探头均匀有序地获取n张膀胱超声图像,膀胱超声图像获取方法具体为:启动膀胱超声测试容积系统,使用超声容积探头以膀胱中垂直于体表的中心线为轴心,以180°/n为步长,获取第一张超声图像后,绕轴心旋转180°/n后获取第二张图像,以此类推,旋转180°后得到n张超声图像n为大于或等于2的自然数,本实施例中,n的取值范围为12~180。
膀胱三维体数据构建单元320:用于将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据。
具体根据每一张超声图像在实际膀胱中的位置,角度,方向等空间信息,将n张超声图像按扫描顺序构造一个与实际膀胱相对应的三维体数据。
膀胱区域获得单元330:用于使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域。
根据膀胱临床表现,膀胱可近似看成左右对称,空虚状态下是呈倒置的三棱锥形状,充盈状态下是呈椭球形状。当膀胱当前形态为三棱锥形状时,使用三棱锥形的形变模型对膀胱三维体数据进行三维图像分割,得到三棱锥形膀胱区域;当膀胱当前形态为椭球形状时,使用椭球形的形变模型对膀胱三维体数据进行三维图像分割,得到椭球形膀胱区域。
膀胱容积计算单元340:用于计算所述膀胱区域的容积。根据膀胱临床表现,膀胱可近似看成左右对称,空虚状态下是呈倒置的三棱锥形状,充盈状态下是呈椭球状,计算根据膀胱区域获得单元330得到的膀胱区域的容积即为膀胱容积。
综上,探头获取n张膀胱超声图像后,将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据,使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域并计算所述膀胱区域的容积,充分考虑到膀胱在不同状态下表现的形状差异,使得膀胱容积测量结果更加贴近膀胱的临床表现,提高了膀胱容积测量的精确性,为膀胱疾病的诊断治疗提供更加准确参考数据。
请参考图4,其是本发明实施例提供的基于形变模型的超声图像膀胱容积测量装置第二个实施例的结构方框图。该基于形变模型的超声图像膀胱容积测量装置,包括如下内容:
膀胱超声图像获取单元410:用于获取n张膀胱超声图像。
使用超声容积探头均匀有序地获取n张膀胱超声图像,膀胱超声图像获取方法具体为:启动膀胱超声测试容积系统,使用超声容积探头以膀胱中垂直于体表的中心线为轴心,以180°/n为步长,获取第一张超声图像后,绕轴心旋转180°/n后获取第二张图像,以此类推,旋转180°后得到n张超声图像。
膀胱三维体数据构建单元420:用于将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据。
具体根据每一张超声图像在实际膀胱中的位置,角度,方向等空间信息,将n张超声图像按扫描顺序构造一个与实际膀胱相对应的三维体数据。
图像特征矩阵建立单元430:用于提取所述膀胱三维体数据中穿过中心的最大纵切面及其对应的膀胱边缘,提取所述膀胱超声图像的图像特征,建立所述膀胱超声图像的图像特征矩阵。
具体采用“中线判别法”找到膀胱三维体数据中穿过中心的最大纵切面,即在膀胱三维体数据中任意取一个膀胱横切面,找到该横切面膀胱区域的纵向中心线,则过该线且与该横切面垂直的面则为穿过膀胱的最大纵切面;选用Canny边缘检测算法提取膀胱三维体数据中穿过中心的最大纵切面膀胱区域的边缘,提取膀胱三维体数据中穿过中心的最大纵切面的膀胱区域边界的周长L、膀胱区域的面积S及圆形度C作为超声图像的图像特征,建立超声图像的图像特征矩阵。
具体的,在数字图像中,点A(xa,ya)与点B(xb,yb)之间的距离可表示为:依次累加膀胱区域边界两两相邻像素点的距离即得到膀胱区域边界的周长L,再乘以每个像素的实际物理距离即得到膀胱区域边界的实际物理周长;膀胱区域的面积S可定义为膀胱区域所包含的像素的个数。假设超声扫描深度是d0(mm),一条扫描线上的像素个数是n,那么每个像素对应的物理距离为d0/n(mm),每个像素对应的物理面积是(d0/n)2(mm2)。圆形度C用来描述膀胱形状的圆形程度,定义为:C=L2/(4πS),其中,L为膀胱区域边界周长,S为膀胱区域的面积。
膀胱形变模型获得单元440:用于将所述图像特征矩阵输入形变模型分类器,得到膀胱当前形态对应的形变模型。
形变模型分类器具体是通过提取膀胱不同形状时的图像特征矩阵进行训练,得到基于形状特征的形变模型分类器。本实施例中应用k-means算法对膀胱不同形状时的图像特征矩阵分别训练得到基于形状特征的三维形变模型分类器。其中,k-means算法为聚类算法中主要算法之一,它是一种基于划分的聚类算法,该算法已经广泛应用于数据挖掘领域,此处不做详述,请查阅k-means算法相关资料。
膀胱区域获得单元450:用于使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域。
根据膀胱临床表现,膀胱可近似看成左右对称,空虚状态下是呈倒置的三棱锥形状,充盈状态下是呈椭球形状。当膀胱当前形态为三棱锥形状时,使用三棱锥形的形变模型对膀胱三维体数据进行三维图像分割,得到三棱锥形膀胱区域;当膀胱当前形态为椭球形状时,使用椭球形的形变模型对膀胱三维体数据进行三维图像分割,得到椭球形膀胱区域。
三维图像分割的过程是:首先建立起关于目标平均形状及其形变模式的先验模型,再以此模型为依据,在测试图像中根据图像特征进行迭代搜索匹配并对先验模型的姿态和形状参数进行调整,使模型上的标记点在先验模型的限制下逐步拟合到物体的实际边界上,最终准确分割出目标物体。详细内容可参考基于形变模型的超声图像膀胱容积测量方法第二个实施例中相应的内容。
膀胱容积计算单元460:用于计算所述膀胱区域的容积。根据膀胱临床表现,膀胱可近似看成左右对称,空虚状态下是呈倒置的三棱锥形状,充盈状态下是呈椭球状,计算根据膀胱区域获得单元450得到的膀胱区域的容积即为膀胱容积。
在三维图像中最小的单元是体素,相当于二维图像中的像素的概念。三维体数据中有体素间隔的概念,即Spacing,是指物理上两个体素的实际距离,由超声成像系统提供。Spacing分为X,Y,Z轴三个方向的值,分别为Spacing_x,Spacing_y,Spacing_z,那么一个体素的实际体积为:V=Spacing_x*Spacing_y*Spacing_z。
计算分割得到的所述膀胱区域中包含的体素点数具体为:取膀胱区域的外接长方体,依次判断长方体内的体素是否包含在目标区域内,是则数量加1,否则不加。
综上,基于形变模型的超声图像膀胱容积测量装置获取三维膀胱超声图像后,将提取的膀胱超声图像的图像特征矩阵输入利用基于机器学习建立的基于形状特征的形变模型分类器,形变模型分类器根据输入的图像特征矩阵判别出当前膀胱的形状是三棱锥形还是椭球形,选折膀胱当前形态对应的形变模型,利用该形变模型对膀胱三维体数据进行分割得到膀胱区域,计算该膀胱区域的体素个数得到膀胱的容积,充分考虑到膀胱在不同状态下的形状,提高了膀胱容量测量的精确度;使用形变模型分类器自动识别当前膀胱的形状,提高了膀胱容积测容系统的智能化,减少了操作者的工作量,具有良好的可扩展性。
以上内容仅为本发明的较佳实施例,对于本领域的普通技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于形变模型的超声图像膀胱容积测量方法,其特征在于,包括:
获取n张膀胱超声图像;
将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据;
使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域;
计算所述膀胱区域的容积。
2.根据权利要求1所述的方法,其特征在于,在所述将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据之后,所述使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域之前,还包括:
提取所述膀胱三维体数据中穿过中心的最大纵切面及其对应的膀胱边缘,提取所述膀胱超声图像的图像特征,建立所述膀胱超声图像的图像特征矩阵;
将所述图像特征矩阵输入形变模型分类器,得到膀胱当前形态对应的形变模型。
3.根据权利要求2所述的方法,其特征在于,所述图像特征矩阵包括所述膀胱超声图像膀胱区域的面积S、所述膀胱区域边界的周长L和圆形度C,其中,所述面积S为膀胱区域所含像素的个数;周长L为依次累加所述膀胱区域边界两两相邻像素的距离得到的长度。
4.根据权利要求3所述的方法,其特征在于,所述将所述图像特征矩阵输入形变模型分类器,得到膀胱对应的形变模型之前,还包括:
提取膀胱不同形状时的图像特征矩阵进行训练,得到基于形状特征的形变模型分类器。
5.根据权利要求4所述的方法,其特征在于,所述提取膀胱不同形状时的图像特征矩阵进行训练,得到基于形状特征的形变模型分类器,具体为:使用k-means算法对膀胱不同形状时的图像特征矩阵进行训练得到基于形状特征的形状分类器。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述计算所述膀胱区域的容积,具体为:计算分割得到的所述膀胱区域中包含的体素点数。
7.一种基于形变模型的超声图像膀胱容积测量装置,其特征在于,包括:
膀胱超声图像获取单元:用于获取n张膀胱超声图像;
膀胱三维体数据构建单元:用于将n张所述膀胱超声图像按照获取顺序有序排列,根据膀胱的空间信息构建膀胱三维体数据;
膀胱区域获得单元:用于使用膀胱当前形态对应的形变模型对所述膀胱三维体数据进行三维图像分割,得到膀胱区域;
膀胱容积计算单元:用于计算所述膀胱区域的容积。
8.根据权利要求7所述的基于形变模型的超声图像膀胱容积测量装置,其特征在于,还包括:
图像特征矩阵建立单元:用于提取所述膀胱三维体数据中穿过中心的最大纵切面及其对应的膀胱边缘,提取所述膀胱超声图像的图像特征,建立所述膀胱超声图像的图像特征矩阵;
膀胱形变模型获得单元:用于将所述图像特征矩阵输入形变模型分类器,得到膀胱当前形态对应的形变模型。
9.根据权利要求8所述的基于形变模型的超声图像膀胱容积测量装置,其特征在于,所述图像特征矩阵包括所述膀胱超声图像膀胱区域的面积S、所述膀胱区域边界的周长L和圆形度C,其中,所述面积S为膀胱区域所含像素的个数;周长L为依次累加所述膀胱区域边界两两相邻像素的距离得到的长度。
10.根据权利要求9所述的基于形变模型的超声图像膀胱容积测量装置,其特征在于,还包括:
形变模型分类器训练单元:用于提取膀胱不同形状时的图像特征矩阵进行训练,得到基于形状特征的形变模型分类器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510003913.3A CN104545999B (zh) | 2015-01-05 | 2015-01-05 | 一种超声图像膀胱容积测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510003913.3A CN104545999B (zh) | 2015-01-05 | 2015-01-05 | 一种超声图像膀胱容积测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104545999A true CN104545999A (zh) | 2015-04-29 |
CN104545999B CN104545999B (zh) | 2017-05-03 |
Family
ID=53063831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510003913.3A Active CN104545999B (zh) | 2015-01-05 | 2015-01-05 | 一种超声图像膀胱容积测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104545999B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106890009A (zh) * | 2017-03-17 | 2017-06-27 | 深圳大学 | 一种骨骼肌体积变化的自动测量方法和装置 |
CN107766874A (zh) * | 2017-09-07 | 2018-03-06 | 沈燕红 | 一种超声容积生物学参数的测量方法及测量系统 |
CN111345841A (zh) * | 2018-12-20 | 2020-06-30 | 深圳迈瑞生物医疗电子股份有限公司 | 一种尿流率测量方法、超声装置及计算机存储介质 |
CN112641471A (zh) * | 2020-12-30 | 2021-04-13 | 北京大学第三医院(北京大学第三临床医学院) | 一种放疗专用的膀胱容量测定与三维形态评估方法与系统 |
CN112957073A (zh) * | 2021-01-29 | 2021-06-15 | 北京大学第三医院(北京大学第三临床医学院) | 一种膀胱容量的测量方法及系统 |
CN113456106A (zh) * | 2021-08-03 | 2021-10-01 | 无锡祥生医疗科技股份有限公司 | 颈动脉扫查方法、装置和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030229281A1 (en) * | 2002-06-07 | 2003-12-11 | Bill Barnard | Bladder wall thickness measurement system and methods |
CN101785674A (zh) * | 2009-12-30 | 2010-07-28 | 绵阳美科电子设备有限责任公司 | 新型膀胱扫描仪及其检测方法 |
CN102274051A (zh) * | 2011-05-27 | 2011-12-14 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像膀胱容积自动测量方法及系统 |
US20120053467A1 (en) * | 2010-08-27 | 2012-03-01 | Signostics Limited | Method and apparatus for volume determination |
-
2015
- 2015-01-05 CN CN201510003913.3A patent/CN104545999B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030229281A1 (en) * | 2002-06-07 | 2003-12-11 | Bill Barnard | Bladder wall thickness measurement system and methods |
CN101785674A (zh) * | 2009-12-30 | 2010-07-28 | 绵阳美科电子设备有限责任公司 | 新型膀胱扫描仪及其检测方法 |
US20120053467A1 (en) * | 2010-08-27 | 2012-03-01 | Signostics Limited | Method and apparatus for volume determination |
CN102274051A (zh) * | 2011-05-27 | 2011-12-14 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像膀胱容积自动测量方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106890009A (zh) * | 2017-03-17 | 2017-06-27 | 深圳大学 | 一种骨骼肌体积变化的自动测量方法和装置 |
CN107766874A (zh) * | 2017-09-07 | 2018-03-06 | 沈燕红 | 一种超声容积生物学参数的测量方法及测量系统 |
CN107766874B (zh) * | 2017-09-07 | 2021-06-04 | 深圳度影医疗科技有限公司 | 一种超声容积生物学参数的测量方法及测量系统 |
CN111345841A (zh) * | 2018-12-20 | 2020-06-30 | 深圳迈瑞生物医疗电子股份有限公司 | 一种尿流率测量方法、超声装置及计算机存储介质 |
CN112641471A (zh) * | 2020-12-30 | 2021-04-13 | 北京大学第三医院(北京大学第三临床医学院) | 一种放疗专用的膀胱容量测定与三维形态评估方法与系统 |
CN112957073A (zh) * | 2021-01-29 | 2021-06-15 | 北京大学第三医院(北京大学第三临床医学院) | 一种膀胱容量的测量方法及系统 |
CN112957073B (zh) * | 2021-01-29 | 2023-01-10 | 北京大学第三医院(北京大学第三临床医学院) | 一种膀胱容量的测量方法及系统 |
CN113456106A (zh) * | 2021-08-03 | 2021-10-01 | 无锡祥生医疗科技股份有限公司 | 颈动脉扫查方法、装置和计算机可读存储介质 |
CN113456106B (zh) * | 2021-08-03 | 2023-11-21 | 无锡祥生医疗科技股份有限公司 | 颈动脉扫查方法、装置和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104545999B (zh) | 2017-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104545999A (zh) | 一种超声图像膀胱容积测量方法及装置 | |
US10776922B2 (en) | Systems and methods for analysis of blood flow state | |
CN110475505B (zh) | 利用全卷积网络的自动分割 | |
JP6993334B2 (ja) | 自動化された心臓ボリュームセグメンテーション | |
US7881878B2 (en) | Systems, devices, and methods for diffusion tractography | |
De Craene et al. | 3D strain assessment in ultrasound (straus): A synthetic comparison of five tracking methodologies | |
CN102521873B (zh) | 血管的建模方法 | |
US8135189B2 (en) | System and method for organ segmentation using surface patch classification in 2D and 3D images | |
CN102138161B (zh) | 长轴后期增强心脏mri的分割 | |
CN102136142B (zh) | 基于自适应三角形网格的非刚性医学图像配准方法 | |
CN105654483B (zh) | 三维点云全自动配准方法 | |
CN102871686A (zh) | 基于3d医学影像测定生理参数的装置和方法 | |
CN108109151B (zh) | 基于深度学习和形变模型超声心动图心室分割方法及装置 | |
CN108830852B (zh) | 三维超声肿瘤辅助测量系统及方法 | |
CN103229210A (zh) | 图像配准装置 | |
CN102663819B (zh) | 基于超声图像和三维模型的肝脏体积测量方法 | |
CN102184567A (zh) | 基于球b样条曲线的三维血管模型构造方法 | |
CN104546000B (zh) | 一种基于形状特征的超声图像膀胱容积测量方法及装置 | |
CN103295234A (zh) | 基于形变表面模型的医学图像分割系统及方法 | |
CN103729875A (zh) | 心脏磁共振图像的左心室三维轮廓重建方法和系统 | |
CN103761767A (zh) | 一种基于稀疏数据的三维超声图像快速重建方法 | |
WO2021011775A1 (en) | Systems and methods for generating classifying and quantitative analysis reports of aneurysms from medical image data | |
CN116051553B (zh) | 一种在三维医学模型内部进行标记的方法和装置 | |
US10242444B1 (en) | Segmentation of the colon for accurate virtual navigation | |
CN101558429B (zh) | 检测突起的方法、系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |