CN105139440B - 基于动态赋值的超声体数据重建方法和系统 - Google Patents
基于动态赋值的超声体数据重建方法和系统 Download PDFInfo
- Publication number
- CN105139440B CN105139440B CN201510391290.1A CN201510391290A CN105139440B CN 105139440 B CN105139440 B CN 105139440B CN 201510391290 A CN201510391290 A CN 201510391290A CN 105139440 B CN105139440 B CN 105139440B
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- volume data
- absolute deviation
- slice
- pixel
- 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
Links
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开基于动态赋值的超声体数据重建方法和系统,该方法包括:根据感兴趣区域的空间位置,定义超声体数据参数;定义中位数绝对偏差项和四分位间距绝对偏差项,计算超声切片中像素灰度的贡献;定义中位数绝对偏差项和四分位间距绝对偏差项对于超声切片中像素灰度的贡献的权重,计算超声切片中像素的贡献范围和大小;根据用于超声体数据重建的所有超声切片的像素贡献范围和大小,计算超声体数据中体素的灰度值;通过插值方法计算超声体数据中的空缺体素的灰度值。本发明能够快速精准的重建超声体数据,为临床病灶诊疗提供理论指导。
Description
技术领域
本发明涉及医学技术领域,具体涉及一种基于动态赋值的超声体数据重建方法和系统。
背景技术
超声成像是利用超声波照射人体,通过接收和处理载有人体组织特征信息的回波,获得人体组织性质与结构的可见图像的方法和技术,与CT、MRI并称为现代医学的3大影像学。与CT、MRI相比,超声成像具有采集时间短、无须静脉注射造影剂、无电离辐射、经济方便、可实时成像等优点,成为临床必不可少的诊断和治疗设备。然而,当医生想更准确地了解脏器结构时,传统的2维成像就显得不能满足要求了。与传统的2维超声图像相比,3维超声具有图像显示直观、精确测量结构参数、准确定位病变组织等明显优势,成为2维超声技术的重要辅助手段。从临床应用角度来看,Freehand扫描更符合医生习惯和手术室环境,Freehand 3维超声有着广泛的应用前景。3维重建算法是实现Freehand 3维超声的关键,因此Freehand超声图像的3维重建算法具有重要的研究价值。但是,目前的超声图像三维重建方法存在算法复杂、重建效果差的缺陷。
发明内容
本发明实施例所要解决的技术问题在于,提供一种基于动态赋值的超声体数据重建方法和系统,能够根据所获取的超声切片序列重建得到高精确度的超声体数据。
为解决上述技术问题,本发明实施例提供了一种基于动态赋值的超声体数据重建方法,包括:
根据感兴趣区域的空间位置,定义超声体数据参数;
定义中位数绝对偏差项和四分位间距绝对偏差项,计算超声切片中像素灰度的贡献;
定义中位数绝对偏差项和四分位间距绝对偏差项对于超声切片中像素灰度的贡献的权重,计算超声切片中像素的贡献范围和大小;
根据用于超声体数据重建的所有超声切片的像素贡献范围和大小,计算超声体数据中体素的灰度值;
通过插值方法计算超声体数据中的空缺体素的灰度值。
在本发明的其他方案中,通过人为判断感兴趣区域在人体中的空间位置,预设超声体数据的大小、方向、间距。
在本发明的其他方案中,中位数绝对偏差项记录的是当前超声切片中的一个像素与其周围一范围的所有像素平均灰度的偏差。
在本发明的其他方案中,四分位间距绝对偏差项记录的是当前超声切片中的一个像素与其周围一范围内的部分像素间的灰度差的平均值。
在本发明的其他方案中,中位数绝对偏差项和四分位间距绝对偏差项对于超声切片中像素灰度的贡献的权重各占一半。
在本发明的其他方案中,依据用于超声体数据重建的所有超声切片的像素贡献范围和大小,计算超声体数据中所有体素的灰度值,在体素存在多个灰度值时,通过计算平均值得到体素的灰度值。
在本发明的其他方案中,插值方法是双线性插值算法。
本发明实施例还提供了一种基于动态赋值的超声体数据重建系统,包括:
超声体数据参数定义模块,其根据感兴趣区域的空间位置,定义超声体数据参数;
中位数绝对偏差项和四分位间距绝对偏差项计算模块,其定义中位数绝对偏差项和四分位间距绝对偏差项,计算超声切片中像素灰度的贡献;
超声切片像素贡献计算模块,其定义中位数绝对偏差项和四分位间距绝对偏差项对于超声切片中像素灰度的贡献的权重,计算超声切片中像素的贡献范围和大小;
超声体数据体素灰度值计算模块,其根据用于超声体数据重建的所有超声切片的像素贡献范围和大小,计算超声体数据中体素的灰度值;
超声体数据空缺体素灰度值计算模块,其通过插值方法计算超声体数据中的空缺体素的灰度值。
本发明能够快速精准的重建超声体数据,为临床病灶诊疗提供理论指导。
附图说明
图1是本发明实施例的基于动态赋值的超声体数据重建方法的流程示意图;
图2是本发明所提出的超声序列图像采集方法示意图;
图3是本发明实施例的基于动态赋值的超声体数据重建系统的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。
图1为本发明实施例的基于动态赋值的超声体数据重建方法的流程示意图,具体步骤包括:
步骤S1,
根据感兴趣区域的空间位置,定义超声体数据参数。定义超声体数据的大小为n1×n2×n3,图像间距为[a1,a2,a3],方向为[x,y,z]。
其中,可以通过人为判断感兴趣区域在人体中的空间位置,预设超声体数据的大小、方向、间距。
步骤S2,
定义中位数绝对偏差项和四分位间距绝对偏差项,计算超声切片中像素灰度的贡献。
超声切片的采集方法主要分为三种,如图2所示。定义(j∈N)为超声切片中一个像素ui周围一范围内的N个像素,I(ui)表示像素ui的灰度值,为(N+1)个像素按灰度值排序后的中位数,则像素ui的中位数绝对偏差MAD(ui)定义为:
设Imax(ui)和Imin(ui)表示超声切片中一个像素ui周围一范围内灰度值最大和最小的像素,灰度值位于最大灰度的25%到75%范围内的像素可以表示为:
像素ui的四分位间距绝对偏差项IQRAD(ui)表示为:
步骤S3,
定义中位数绝对偏差项和四分位间距绝对偏差项对于超声切片中像素灰度的贡献的权重,计算超声切片中像素的贡献范围和大小。
定义H(ui)为超声切片中一个像素ui的贡献,由中位数绝对偏差项和四分位间距绝对偏差项表示为:
H(ui)=α×MAD(ui)+β×IQRAD(ui)
步骤S4,
根据用于超声体数据重建的所有超声切片的像素贡献范围和大小,计算超声体数据中体素的灰度值。
定义I(ui),i=1,2,...n表示对超声体数据中一个体素xj有贡献的像素ui灰度值,D(ui,xj)表示像素ui与体素xj间的欧氏距离,则体素xj的灰度值V(xj)计算公式为:
步骤S5,
通过插值方法计算超声体数据中的空缺体素的灰度值。
定义(x,y,z)为超声体数据中的一个没有赋值的体素,根据该体素周围一个范围内已经赋值的体素,通过插值方法计算得到该体素的灰度值,定义N表示已经赋值的体素的数目,d(xi,yi,zi)表示(xi,yi,zi)到(x,y,z)的欧式距离,体素(x,y,z)的灰度值V(x,y,z)为:
插值方法优选是双线性插值算法,当然也可以为其他合适的算法。
利用本发明,能够快速精准的重建超声体数据,为临床病灶诊疗提供理论指导。
以下描述本发明实施例的基于动态赋值的超声体数据重建系统。
图3是本发明实施例的基于动态赋值的超声体数据重建系统的结构示意图。如图3所示,基于动态赋值的超声体数据重建系统包括超声体数据参数定义模块、中位数绝对偏差项和四分位间距绝对偏差项计算模块、超声切片像素贡献计算模块、超声体数据体素灰度值计算模块、超声体数据空缺体素灰度值计算模块。
以下描述各个模块的功能。
1、超声体数据参数定义模块
根据感兴趣区域的空间位置,定义超声体数据参数。定义超声体数据的大小为n1×n2×n3,图像间距为[a1,a2,a3],方向为[x,y,z]。
其中,可以通过人为判断感兴趣区域在人体中的空间位置,预设超声体数据的大小、方向、间距。
2、中位数绝对偏差项和四分位间距绝对偏差项计算模块
定义中位数绝对偏差项和四分位间距绝对偏差项,计算超声切片中像素灰度的贡献。
设Imax(ui)和Imin(ui)表示超声切片中一个像素ui周围一定范围内灰度值最大和最小的像素,灰度值位于最大灰度的25%到75%范围内的像素可以表示为:
像素ui的四分位间距绝对偏差项IQRAD(ui)表示为:
3、超声切片像素贡献计算模块
定义中位数绝对偏差项和四分位间距绝对偏差项对于超声切片中像素灰度的贡献的权重,计算超声切片中像素的贡献范围和大小。
定义H(ui)为超声切片中一个像素ui的贡献,由中位数绝对偏差项和四分位间距绝对偏差项表示为:
H(ui)=α×MAD(ui)+β×IQRAD(ui)
4、超声体数据体素灰度值计算模块
根据用于超声体数据重建的所有超声切片的像素贡献范围和大小,计算超声体数据中体素的灰度值。
定义I(ui),i=1,2,...n表示对超声体数据中一个体素xj有贡献的像素ui灰度值,D(ui,xj)表示像素ui与体素xj间的欧氏距离,则体素xj的灰度值V(xj)计算公式为:
5、超声体数据空缺体素灰度值计算模块
通过插值方法计算超声体数据中的空缺体素的灰度值。
定义(x,y,z)为超声体数据中的一个没有赋值的体素,根据该体素周围一个范围内已经赋值的体素,通过插值方法计算得到该体素的灰度值,定义N表示已经赋值的体素的数目,d(xi,yi,zi)表示(xi,yi,zi)到(x,y,z)的欧式距离,体素(x,y,z)的灰度值V(x,y,z)为:
插值方法优选是双线性插值算法,当然也可以为其他合适的算法。
利用本发明,能够快速精准的重建超声体数据,为临床病灶诊疗提供理论指导。
当然,以上所述是本发明的优选实施方式。为方便说明起见,使用了步骤S1、S2等序号,但是应该认识到的是,这些步骤本身还可以包括其他过程,这些步骤之间还可以有其他步骤,这也在本发明的保护范围之内。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种基于动态赋值的超声体数据重建方法,其特征在于,包括:
根据感兴趣区域的空间位置,定义超声体数据参数;
定义中位数绝对偏差项和四分位间距绝对偏差项,计算超声切片中像素灰度的贡献;
定义中位数绝对偏差项和四分位间距绝对偏差项对于超声切片中像素灰度的贡献的权重,计算超声切片中像素的贡献范围和大小,所述四分位间距绝对偏差项记录的是当前超声切片中的一个像素与其周围一范围内的部分像素间的灰度差的平均值;
根据用于超声体数据重建的所有超声切片的像素贡献范围和大小,计算超声体数据中体素的灰度值;
通过插值方法计算超声体数据中的空缺体素的灰度值。
2.根据权利要求1所述的基于动态赋值的超声体数据重建方法,其特征在于,通过人为判断感兴趣区域在人体中的空间位置,预设超声体数据的大小、方向、间距。
3.根据权利要求1所述的基于动态赋值的超声体数据重建方法,其特征在于,中位数绝对偏差项记录的是当前超声切片中的一个像素与其周围一范围的所有像素平均灰度的偏差。
4.根据权利要求1所述的基于动态赋值的超声体数据重建方法,其特征在于,中位数绝对偏差项和四分位间距绝对偏差项对于超声切片中像素灰度的贡献的权重各占一半。
5.根据权利要求1所述的基于动态赋值的超声体数据重建方法,其特征在于,依据用于超声体数据重建的所有超声切片的像素贡献范围和大小,计算超声体数据中所有体素的灰度值,在体素存在多个灰度值时,通过计算平均值得到体素的灰度值。
6.根据权利要求1所述的基于动态赋值的超声体数据重建方法,其特征在于,插值方法采用双线性插值算法。
7.一种基于动态赋值的超声体数据重建系统,其特征在于,包括:
超声体数据参数定义模块,其根据感兴趣区域的空间位置,定义超声体数据参数;
中位数绝对偏差项和四分位间距绝对偏差项计算模块,其定义中位数绝对偏差项和四分位间距绝对偏差项,计算超声切片中像素灰度的贡献;
超声切片像素贡献计算模块,其定义中位数绝对偏差项和四分位间距绝对偏差项对于超声切片中像素灰度的贡献的权重,计算超声切片中像素的贡献范围和大小,所述四分位间距绝对偏差项记录的是当前超声切片中的一个像素与其周围一范围内的部分像素间的灰度差的平均值;
超声体数据体素灰度值计算模块,其根据用于超声体数据重建的所有超声切片的像素贡献范围和大小,计算超声体数据中体素的灰度值;
超声体数据空缺体素灰度值计算模块,其通过插值方法计算超声体数据中的空缺体素的灰度值。
8.根据权利要求7所述的基于动态赋值的超声体数据重建系统,其特征在于,中位数绝对偏差项记录的是当前超声切片中的一个像素与其周围一范围的所有像素平均灰度的偏差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510391290.1A CN105139440B (zh) | 2015-07-06 | 2015-07-06 | 基于动态赋值的超声体数据重建方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510391290.1A CN105139440B (zh) | 2015-07-06 | 2015-07-06 | 基于动态赋值的超声体数据重建方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105139440A CN105139440A (zh) | 2015-12-09 |
CN105139440B true CN105139440B (zh) | 2021-08-17 |
Family
ID=54724772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510391290.1A Active CN105139440B (zh) | 2015-07-06 | 2015-07-06 | 基于动态赋值的超声体数据重建方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105139440B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104321091A (zh) * | 2012-09-28 | 2015-01-28 | 甘布罗伦迪亚股份公司 | 体外血液处理装置及其控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7006927B2 (en) * | 2000-06-06 | 2006-02-28 | Agilent Technologies, Inc. | Method and system for extracting data from surface array deposited features |
-
2015
- 2015-07-06 CN CN201510391290.1A patent/CN105139440B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104321091A (zh) * | 2012-09-28 | 2015-01-28 | 甘布罗伦迪亚股份公司 | 体外血液处理装置及其控制方法 |
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 (2)
Title |
---|
Quantitative Analysis of Deformable Model-Based 3-D Reconstruction of Coronary Artery From Multiple Angiograms;Weijian Cong 等;《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》;20140831;第473-475页 * |
急性胰腺炎合并肝脏损伤的CT、超声影像诊断价值;郝风华 等;《胃肠病学和肝病学杂志》;20150430;第2079-2090页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105139440A (zh) | 2015-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11957515B2 (en) | Ultrasound system with a neural network for producing images from undersampled ultrasound data | |
Solberg et al. | Freehand 3D ultrasound reconstruction algorithms—a review | |
EP1538986B1 (en) | 3d ultrasound-based instrument for non-invasive measurement of fluid-filled and non fluid-filled structures | |
EP1653858B1 (en) | Mapping the coronary arteries on a sphere | |
US20110125016A1 (en) | Fetal rendering in medical diagnostic ultrasound | |
WO2008052312A1 (en) | System and method for segmenting a region in a medical image | |
CN103955961B (zh) | 基于统计学的超声序列图像三维重建方法和系统 | |
CN107146262B (zh) | 一种oct图像的三维可视化方法和系统 | |
CN111616708A (zh) | 一种精准识别脑卒中颅内病变区域的图像重建方法 | |
Scheipers et al. | 3-D ultrasound volume reconstruction using the direct frame interpolation method | |
Chen et al. | Real-time freehand 3D ultrasound imaging | |
CN114241077B (zh) | 一种ct图像分辨率优化方法及装置 | |
CN110807770A (zh) | 医学影像的处理、识别、显示方法及存储介质 | |
CN108961278B (zh) | 基于影像数据的腹壁肌肉分割的方法及其系统 | |
CN105678750B (zh) | 医学图像的灰度映射曲线生成方法及装置 | |
CN105139440B (zh) | 基于动态赋值的超声体数据重建方法和系统 | |
US9552663B2 (en) | Method and system for volume rendering of medical images | |
Coupé et al. | Probe trajectory interpolation for 3d reconstruction of freehand ultrasound | |
CN116363332A (zh) | 基于医学图像分割和特征匹配的前列腺超声矫正方法 | |
Woo et al. | Super-resolution reconstruction for tongue MR images | |
Babin et al. | Segmentation of brain blood vessels using projections in 3-D CT angiography images | |
CN111563877B (zh) | 一种医学影像的生成方法及装置、显示方法及存储介质 | |
Duan et al. | Fast interpolation algorithms for real-time three-dimensional cardiac ultrasound | |
Qiu et al. | Freehand 3D ultrasound reconstruction for image-guided surgery | |
US20240119705A1 (en) | Systems, methods, and apparatuses for identifying inhomogeneous liver fat |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |