CN106683159A - 三维盆底超声图像处理方法及系统 - Google Patents
三维盆底超声图像处理方法及系统 Download PDFInfo
- Publication number
- CN106683159A CN106683159A CN201611197301.3A CN201611197301A CN106683159A CN 106683159 A CN106683159 A CN 106683159A CN 201611197301 A CN201611197301 A CN 201611197301A CN 106683159 A CN106683159 A CN 106683159A
- Authority
- CN
- China
- Prior art keywords
- levator ani
- ceasma
- profile
- dimensional
- acoustic image
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
Abstract
本发明公开了一种三维盆底超声图像处理方法及系统。该方法包括:获取被检查者在Valsalva动作时的多帧三维盆底超声图像;根据盆底的声像学特征识别每帧三维盆底超声图像中的肛提肌以及肛提肌裂孔的组织结构信息;从组织结构信息中提取肛提肌轮廓和肛提肌裂孔轮廓;分别根据每帧所述三维盆底超声图像中肛提肌裂孔的轮廓计算其对应的肛提肌裂孔的面积;将面积最大的三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像,并将最大Valsalva动作时的三维盆底超声图像作为参考图像。该方法及系统能够自动、准确地提取肛提肌裂孔的轮廓,从而提高图像处理的效率和准确度。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种三维盆底超声图像处理方法及系统。
背景技术
目前对三维盆底超声图像的处理基本是由医生或者研究人员手动选取、调整和测量。例如:手动调节感兴趣容积区域(VOI),放置于耻骨联合内下缘及直肠肛管角区域。手动回放Valsalva动作(即进行强力闭呼动作)下进行四维成像,手动选择最大Valsalva动作下的三维肛提肌超声图像。在三维盆底超声图像上手动测量肛提肌裂孔前后径、横经、面积、耻骨内脏肌的厚度、夹角等信息。手动处理三维盆底超声图像的操作繁琐,图像处理效率低。另外,采用手动测量还会带入一定的误差,影响后续研究和诊断的准确性。
发明内容
本发明提供了一种三维盆底超声图像处理方法及系统,该方法及系统能够自动、准确地提取肛提肌裂孔的轮廓,从而提高图像处理的效率和准确度。
为实现上述设计,本发明采用以下技术方案:
第一方面,一种三维盆底超声图像处理方法,包括:
获取被检查者在Valsalva动作时的多帧三维盆底超声图像;
根据盆底的声像学特征识别每帧所述三维盆底超声图像中的肛提肌以及肛提肌裂孔的组织结构信息;
从所述组织结构信息中提取所述肛提肌的轮廓和所述肛提肌裂孔的轮廓;
分别根据每帧所述三维盆底超声图像中所述肛提肌裂孔轮廓计算其对应的所述肛提肌裂孔的面积;
将所述面积最大的三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像,并将所述最大Valsalva动作时的三维盆底超声图像作为参考图像。
在一个实施例中,所述从所述组织结构信息中提取所述肛提肌轮廓和所述肛提肌裂孔轮廓的步骤,包括:
对所述三维盆底超声图像的灰度图像进行滤波,得到滤波后的灰度图像;
计算所述滤波后的灰度图像的梯度;
求取所述梯度的绝对值,选出所述绝对值的最大值和最小值;
从所述最小值递增到所述最大值的过程中,根据所述梯度的绝对值的分布使用递归算法设定局部极小值;
根据所述局部极小值形成所述滤波处理后的灰度图像的分水岭;
根据所述分水岭从所述肛提肌和所述肛提肌裂孔的组织结构信息中提取所述肛提肌的轮廓和所述肛提肌裂孔的轮廓。
在一个实施例中,当所述分水岭分割的区域出现过度分割时,则对分割结果进行小区域合并。
在一个实施例中,所述分别根据每帧所述三维肛提肌超声图像中所述肛提肌裂孔轮廓计算其对应的肛提肌裂孔的面积的步骤包括:
根据所述肛提肌裂孔轮廓的像素点数按照对应单像素面积比,计算所述肛提肌裂孔的面积。
在一个实施例中,所述将所述最大Valsalva动作时的三维肛提肌超声图像作为参考图像的步骤之后,还包括:
对所述参考图像的肛提肌和肛提肌裂孔进行测量,以获取所述肛提肌和所述肛提肌裂孔的测量参数,其中,所述测量参数包括:肛提肌裂孔的前后径、横径、面积、趾骨内脏肌的厚度和夹角。
第二方面,一种三维盆底超声图像处理系统,包括:
获取单元,用于获取被检查者在Valsalva动作时的多帧三维盆底超声图像;
识别单元,用于根据盆底的声像学特征识别每帧所述三维盆底超声图像中的肛提肌以及肛提肌裂孔的组织结构信息;
提取单元,用于从所述组织结构信息中提取所述肛提肌轮廓和所述肛提肌裂孔轮廓;
计算模块,用于分别根据每帧所述三维盆底超声图像中所述肛提肌裂孔轮廓计算其对应的所述肛提肌裂孔的面积;
选取单元,用于将所述面积最大的三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像,并将所述最大Valsalva动作时的三维盆底超声图像作为参考图像。
在一个实施例中,所述提取单元用于:
对所述三维盆底超声图像的灰度图像进行滤波,得到滤波后的灰度图像;
计算所述滤波后的灰度图像的梯度;
求取所述梯度的绝对值,选出所述绝对值的最大值和最小值;
从所述最小值递增到所述最大值的过程中,根据所述梯度的绝对值的分布使用递归算法设定局部极小值;
根据所述局部极小值形成所述滤波处理后的灰度图像的分水岭;
根据所述分水岭从所述肛提肌和所述肛提肌裂孔的组织结构信息中提取所述肛提肌的轮廓和所述肛提肌裂孔的轮廓。
在一个实施例中,所述提取模块还用于:当所述分水岭分割的区域出现过度分割时,则对分割结果进行小区域合并。
在一个实施例中,所述计算模块还用于根据所述肛提肌裂孔轮廓内的像素点数按照对应单像素面积比,计算所述肛提肌裂孔的面积。
在一个实施例中,还包括:
测量模块,用于对所述参考图像的肛提肌和肛提肌裂孔进行测量,以获取所述肛提肌和所述肛提肌裂孔的测量参数,其中,所述测量参数包括:肛提肌裂孔的前后径、横径、面积、趾骨内脏肌的厚度和夹角;
测量模块,还用于根据所述肛提肌轮廓的连续性特征判定肛提肌损伤。
本发明的有益效果为:本发明实施例获取被检查者在Valsalva动作时的多帧三维盆底超声图像;根据盆底的声像学特征识别每帧所述三维盆底超声图像中的肛提肌以及肛提肌裂孔的组织结构信息;从组织结构信息中提取肛提肌轮廓和肛提肌裂孔轮廓;分别根据每帧所述三维盆底超声图像中肛提肌裂孔轮廓计算其对应的肛提肌裂孔的面积;将面积最大的三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像,并将最大Valsalva动作时的三维盆底超声图像作为参考图像。上述的三维盆底超声图像处理方法及系统,能够自动、准确地提取肛提肌裂孔的轮廓,且操作简单便捷,从而提高了盆底图像处理的效率和准确度。
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是本发明具体实施方式中提供的一种三维盆底超声图像处理方法的第一实施例的方法流程图;
图2是本发明具体实施方式中提供的三维盆底超声图像的横切面示意图;
图3是本发明具体实施方式中提供的提取肛提肌轮廓和肛提肌裂孔轮廓的流程图;
图4是本发明具体实施方式中提供的一种三维盆底超声图像的肛提肌测量参数示意图;
图5是本发明具体实施方式中提供的三维盆底超声图像处理系统的结构框图;
图6是本发明具体实施方式中提供的另一实施例的三维盆底超声图像处理系统的结构框图。
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作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,其是本发明具体实施方式中提供的一种三维盆底超声图像处理方法的第一实施例的方法流程图。如图所示,该方法包括:
步骤101,获取被检查者在Valsalva动作时的多帧三维盆底超声图像。
当用户使用超声设备扫查被检查者时,起始扫查切面显示被检查者的盆底正中矢状切面,盆底正中矢状切面能够清晰地显示耻骨联合、尿道、阴道、直肠和肛管。当被检查者在进行Valsalva动作(即进行强力闭呼动作)时,开启扫查。扫查时用户需观察探头扫查的二维图像,移动或旋转探头,直到耻骨联合处(医学固定位置)与水平线大致成45度时,固定住探头后进入4D扫查模式。采集三维盆底组织信息,获取多帧(张)Valsalva动作时的三维盆底超声图像。帧数可以根据实际情况进行设置,例如可以为10、20、30或60等。
步骤102,根据声像学特征识别每帧三维盆底超声图像中肛提肌和肛提肌裂孔的组织结构信息。
在识别每一幅三维盆底超声图像中肛提肌和肛提肌裂孔的组织结构信息之前,调整感兴趣容积框区域,以使每一幅三维盆底超声图像上显示肛提肌轴平面的完整信息。
根据肛提肌轴平面的信息自动调整每一帧三维盆底超声图像的感兴趣容积框区域,以使三维盆底超声图像上显示肛提肌轴平面的完整信息,清晰地显示耻骨联合、两侧的耻骨内脏肌以及其内的尿道、阴道、直肠等组织结构,且排除其他无关信息,避免对后续的图像处理效果造成不良影响。
在正常的盆底超声图像上,在静息状态下双侧肛提肌与耻骨联合在双侧耻骨下方共同形成菱形的肛提肌裂孔,肛提肌裂孔内的结构从前至后依次为无回声的尿道、“U”形或“H”形阴道横断面及圆形直肠横断面。肛提肌的超声回声连续性较好,双侧基本对称,肛提肌在超声图像中表现较亮,肛提肌裂孔的轮廓区域为亮暗交接区域。根据上述肛提肌和肛提肌裂孔特有的声像学特征,在三维超声图像中识别肛提肌和肛提肌裂孔的组织结构,并提取肛提肌和肛提肌裂孔的组织结构信息。如图2所示,肛提肌是指内轮廓与外轮廓之间的U形区域;肛提肌裂孔是指U形的内轮廓线及U形的内轮廓线的上边沿包围起来的区域。当扫查过程中得到了U形区域的位置,用户就要识别肛提肌和肛提肌裂孔。当图像不够清晰,比如U环图像比较暗,这样的标准图像就叫不能很好的让用户识别其组织结构。
步骤103,从组织结构信息中提取肛提肌轮廓和肛提肌裂孔轮廓。
由上述步骤102可知,肛提肌轮廓包括内轮廓和外轮廓。在本实施例中,从组织结构信息中提取肛提肌轮廓后,便可得到肛提肌裂孔轮廓,即U型内轮廓。
由于肛提肌在三维盆底图像中表现较亮,肛提肌轮廓区域为亮暗交接区域,在本实施例中,采用分水岭算法提取肛提肌内轮廓和外轮廓。
步骤104,分别根据每帧三维盆底超声图像中肛提肌裂孔轮廓计算其对应的肛提肌裂孔的面积。
根据上述步骤获取的肛提肌裂孔轮廓,计算每帧三维盆底超声图像中肛提肌裂孔的面积,得到多个面积值,并对得到多个面积值排序。
步骤105,将面积最大的三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像,并将最大Valsalva动作时的三维盆底超声图像作为参考图像。
获取上述步骤104得到的最大面积值对应的三维盆底超声图像,将该三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像。将最大Valsalva动作时的三维盆底超声图像即最大面积值对应的三维盆底超声图像作为参考图像,以参考图像为进行后续的检测和测量的基准。
上述实施例的三维盆底超声图像处理方法,获取被检查者在Valsalva动作时的多帧三维盆底超声图像;根据声像学特征识别每帧三维盆底超声图像中肛提肌和肛提肌裂孔的组织结构信息;从组织结构信息中提取肛提肌轮廓和肛提肌裂孔轮廓;根据肛提肌裂孔轮廓计算肛提肌裂孔的面积;将面积最大的三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像,并将最大Valsalva动作时的三维盆底超声图像作为参考图像。上述的三维盆底超声图像处理方法,能够自动、准确地提取肛提肌和肛提肌裂孔的轮廓,且操作简单便捷,从而提高了盆底图像处理的效率和准确度。
可选地,在一个实施例中,从组织结构信息中提取肛提肌轮廓和肛提肌裂孔轮廓的步骤包括:
步骤302,对三维盆底超声图像进行滤波,得到滤波后的图像。
在本实施例中,对三维肛提肌超声图像f(x,y)进行高斯滤波,得到高斯滤波后的图像。另外,为了进一步减少噪声的影响,还可以对对高斯滤波后的图像进行腐蚀膨胀处理(或开闭处理)。
步骤304,计算滤波后图像的梯度。
求腐蚀膨胀处理后的图像的梯度图像,公式如下:
其中,grad(.)表示求梯度,h表示求梯度的像素间隔(一般设为1),f1(x,y)表示像素点(x,y)的灰度值,f1(x+h,y)表示像素点(x+h,y)的灰度值,f1(x-h,y)表示像素点(x-h,y)的灰度值。
步骤306,求取梯度的绝对值,筛选出绝对值的最大值和最小值。
求取上述步骤获取的多个梯度值的绝对值D,并对多个绝对值D排序,筛选出绝对值的最大值与最小值,分别定义为g_max与g_min。
步骤308,从最小值递增到最大值的过程中,根据梯度的绝对值的分布使用迭代算法计算局部极小值。
定义一个从g_min到g_max的水位g不断递增的递归过程,这个过程中每个不同的局部最小的汇水盆地都不断扩展。定义X(g)为水位在g时候的汇水盆地集合的并;在g+1层,一个连通分量T(g+1)是一个新的局部最小,或者是一个已经存在的X(g)的一个盆地扩展。若T(g+1)为一个已经存在的X(g)的一个盆地扩展,按邻接关系计算高度为g+1的每个点与各汇水盆的距离,如果一个点与两个以上的盆地等距离,则不属于任何盆地,否则属于与它最近的盆地,这样就产生新的X(g+1),计算公式如下:
其中,MIN(g)为高度为g时出现的局部最小,Y(g+1,X(g))为高度为g+1同时属于X(g)点的集合。
步骤310,根据局部极小值形成滤波处理后的灰度图像的分水岭,根据该分水岭从肛提肌的组织结构信息中提取肛提肌的轮廓和肛提肌裂孔的轮廓。
按照上述步骤的迭代算法迭代,达到设置阈值后,停止迭代。计算每一个局部最小值对应的盆地,获取盆地的边界,盆地的边界即为分水岭的边界即为分水岭。分水岭的边界即为所得轮廓。
通过计算预设高度的分水岭可以得到肛提肌的内轮廓和外轮廓以及肛提肌裂孔的上围盖的轮廓。肛提肌的内轮廓和肛提肌裂孔的上围盖的轮廓组成了肛提肌裂孔的整个轮廓。例如:根据当前图像的灰度特征,当预设高度为20时分水岭(边界)为内轮廓;当预设高度为35时分水岭(边界)为外轮廓。
进一步地,在一个实施例中,当分水岭分割的区域出现过度分割时,则对分割结果进行小区域合并。
在分割过程中,如果分水岭分割的区域出现了过度分割情况,则对分割结果进行小区域合并,例如将区域内平均灰度值的差别在预设范围内则属于同一区域。
上述的采用分水岭算法能准确地提取肛提肌裂孔的轮廓,且操作简单便捷,提高了效率。
在一个实施例中,分别根据每帧三维肛提肌超声图像中肛提肌裂孔轮廓计算肛提肌裂孔的面积的步骤包括:
根据肛提肌裂孔轮廓内的像素点数按照对应单像素面积比,计算肛提肌裂孔的面积。
在一个实施例中,将最大Valsalva动作时的三维肛提肌超声图像作为参考图像的步骤之后,还包括:
对参考图像的肛提肌和肛提肌裂孔进行测量,以获取测量参数,其中,测量参数包括:肛提肌裂孔的前后径、横径、面积、趾骨内脏肌的厚度和夹角。
在本实施例中,如图4所示,对肛提肌裂孔前后径(M,耻骨联合内侧缘中点与耻骨内脏肌在直肠后方汇合处内侧缘之间的距离)、横经(N,耻骨内脏肌的两侧支内缘之间的最大距离)、面积(耻骨联合内侧缘与耻骨内脏肌内侧缘之间的面积)、耻骨内脏肌的厚度(T,耻骨内脏肌两侧支中段内径)、夹角(R,耻骨内脏肌两侧支在直肠后方形成的角度,以横经垂直线为中心线,当角度两侧线与轮廓最外侧相切,此时的角度即为夹角R)进行描迹。同时由上一步获取的内外轮廓,搜索得到内外轮廓之间的垂直间距,此为耻骨内脏肌的厚度T。
在使用分水岭算法提取肛提肌轮廓后,进一步获取肛提肌轮廓的连续性特征,以及肛提肌裂孔轮廓特征。
在本实施例中,包括进一步判断提肌轮廓的连续性特征中是否出现双侧肛提肌出现连续性局部中断或完全中断,肛提肌裂孔的轮廓特征是否为典型的“U”形或“V”形。
请参考图5,其是本发明具体实施方式中提供的一种三维盆底超声图像处理系统的第一实施例的结构方框图。如图所示,该系统500包括:
获取单元501,用于获取被检查者在Valsalva动作时的多帧三维盆底超声图像;
识别单元502,用于根据盆底的声像学特征识别每帧三维盆底超声图像中的肛提肌以及肛提肌裂孔的组织结构信息;
提取单元503,用于从组织结构信息中提取肛提肌轮廓和肛提肌裂孔轮廓;
计算模块504,用于分别根据每帧所述三维盆底超声图像中肛提肌裂孔的轮廓计算其对应的肛提肌裂孔的面积;
选取单元505,用于将面积最大的三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像,并将最大Valsalva动作时的三维盆底超声图像作为参考图像。
在一个实施例中,提取单元503用于:
对三维盆底超声图像的灰度图像进行滤波,得到滤波后的灰度图像;
计算滤波后的灰度图像的梯度;
求取梯度的绝对值,选出绝对值的最大值和最小值;
从最小值递增到所述最大值的过程中,根据梯度的绝对值的分布使用递归算法设定局部极小值;
根据局部极小值形成滤波处理后的灰度图像的分水岭;
根据分水岭从肛提肌和肛提肌裂孔的组织结构信息中提取肛提肌轮廓和肛提肌裂孔轮廓。
在一个实施例中,提取模块503还用于:当分水岭分割的区域出现过度分割时,则对分割结果进行小区域合并。
在一个实施例中,计算模块504还用于根据肛提肌裂孔轮廓内的像素点数按照对应单像素面积比,计算肛提肌裂孔的面积。
在一个实施例中,如图6所示,系统500还包括:
测量模块506,用于对参考图像的肛提肌和肛提肌裂孔进行测量,以获取肛提肌和肛提肌裂孔的测量参数,其中,测量参数包括:肛提肌裂孔的前后径、横径、面积、趾骨内脏肌的厚度和夹角。
测量模块506,还用于根据肛提肌轮廓的连续性特征判定肛提肌损伤。
根据提取的肛提肌轮廓的连续性判断肛提肌是否存在损伤,若双侧肛提肌出现连续性局部中断或完全中断,肛提肌裂孔失去典型的“U”形或“V”形,即可考虑肛提肌损伤,同时根据测量结果来评估肛提肌损伤的程度。如:一般情况下,在最大Valsalva运动时,肛提肌裂孔面积小于25cm2为正常,30-34.9cm2为轻度扩张,35-39.9cm2为中度扩张,大于40cm2为重度扩张。不同的国家及地区的诊断分级略有差异。
本实施例的三维盆底超声图像处理系统500用于实现前述的三维盆底超声图像处理方法,因此三维盆底超声图像处理系统500中的具体实施方式可见前文中的三维盆底超声图像处理方法的实施例部分,例如,获取单元501、识别单元502、提取单元503、计算模块504和选取单元505,分别用于实现上述三维盆底超声图像处理方法中步骤101,102,103,104和105,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (10)
1.一种三维盆底超声图像处理方法,其特征在于,包括:
获取被检查者在Valsalva动作时的多帧三维盆底超声图像;
根据盆底的声像学特征识别每帧所述三维盆底超声图像中的肛提肌以及肛提肌裂孔的组织结构信息;
从所述组织结构信息中提取所述肛提肌轮廓和所述肛提肌裂孔轮廓;
分别根据每帧所述三维盆底超声图像中所述肛提肌裂孔轮廓计算其对应的所述肛提肌裂孔的面积;
将所述面积最大的三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像,并将所述最大Valsalva动作时的三维盆底超声图像作为参考图像。
2.根据权利要求1所述的方法,其特征在于,所述从所述组织结构信息中提取所述肛提肌轮廓和所述肛提肌裂孔轮廓的步骤,包括:
对所述三维盆底超声图像的灰度图像进行滤波,得到滤波后的灰度图像;
计算所述滤波后的灰度图像的梯度;
求取所述梯度的绝对值,选出所述绝对值的最大值和最小值;
从所述最小值递增到所述最大值的过程中,根据所述梯度的绝对值的分布使用递归算法设定局部极小值;
根据所述局部极小值形成所述滤波处理后的灰度图像的分水岭;
根据所述分水岭从所述肛提肌和所述肛提肌裂孔的组织结构信息中提取所述肛提肌轮廓和所述肛提肌裂孔轮廓。
3.根据权利要求2所述的方法,其特征在于,当所述分水岭分割的区域出现过度分割时,则对分割结果进行小区域合并。
4.根据权利要求1所述的方法,其特征在于,所述分别根据每帧所述三维肛提肌超声图像中所述肛提肌裂孔轮廓计算其对应的肛提肌裂孔的面积的步骤包括:
根据所述肛提肌裂孔轮廓内的像素点数按照对应单像素面积比,计算所述肛提肌裂孔的面积。
5.根据权利要求1所述的方法,其特征在于,所述将所述最大Valsalva动作时的三维肛提肌超声图像作为参考图像的步骤之后,还包括:
对所述参考图像的肛提肌和肛提肌裂孔进行测量,以获取所述肛提肌和所述肛提肌裂孔的测量参数,其中,所述测量参数包括:肛提肌裂孔的前后径、横径、面积、趾骨内脏肌的厚度和夹角。
6.一种三维盆底超声图像处理系统,其特征在于,包括:
获取单元,用于获取被检查者在Valsalva动作时的多帧三维盆底超声图像;
识别单元,用于根据盆底的声像学特征识别每帧所述三维盆底超声图像中的肛提肌以及肛提肌裂孔的组织结构信息;
提取单元,用于从所述组织结构信息中提取所述肛提肌轮廓和所述肛提肌裂孔轮廓;
计算模块,用于分别根据每帧所述三维盆底超声图像中所述肛提肌裂孔轮廓计算其对应的所述肛提肌裂孔的面积;
选取单元,用于将所述面积最大的三维盆底超声图像作为最大Valsalva动作时的三维盆底超声图像,并将所述最大Valsalva动作时的三维盆底超声图像作为参考图像。
7.根据权利要求6所述的系统,其特征在于,所述提取单元用于:
对所述三维盆底超声图像的灰度图像进行滤波,得到滤波后的灰度图像;
计算所述滤波后的灰度图像的梯度;
求取所述梯度的绝对值,选出所述绝对值的最大值和最小值;
从所述最小值递增到所述最大值的过程中,根据所述梯度的绝对值的分布使用递归算法设定局部极小值;
根据所述局部极小值形成所述滤波处理后的灰度图像的分水岭;
根据所述分水岭从所述肛提肌和所述肛提肌裂孔的组织结构信息中提取所述肛提肌轮廓和所述肛提肌裂孔轮廓。
8.根据权利要求7所述的系统,其特征在于,所述提取模块还用于:当所述分水岭分割的区域出现过度分割时,则对分割结果进行小区域合并。
9.根据权利要求6所述的系统,其特征在于,所述计算模块还用于根据所述肛提肌裂孔轮廓内的像素点数按照对应单像素面积比,计算所述肛提肌裂孔的面积。
10.根据权利要求6所述的系统,其特征在于,还包括:
测量模块,用于对所述参考图像的肛提肌和肛提肌裂孔进行测量,以获取所述肛提肌和所述肛提肌裂孔的测量参数,其中,所述测量参数包括:肛提肌裂孔的前后径、横径、面积、趾骨内脏肌的厚度和夹角;
测量模块,还用于根据所述肛提肌轮廓的连续性特征判定肛提肌损伤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611197301.3A CN106683159B (zh) | 2016-12-22 | 2016-12-22 | 三维盆底超声图像处理方法及系统 |
PCT/CN2017/093456 WO2018113282A1 (zh) | 2016-12-22 | 2017-07-19 | 三维盆底超声图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611197301.3A CN106683159B (zh) | 2016-12-22 | 2016-12-22 | 三维盆底超声图像处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106683159A true CN106683159A (zh) | 2017-05-17 |
CN106683159B CN106683159B (zh) | 2020-02-18 |
Family
ID=58871227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611197301.3A Active CN106683159B (zh) | 2016-12-22 | 2016-12-22 | 三维盆底超声图像处理方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106683159B (zh) |
WO (1) | WO2018113282A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062749A (zh) * | 2017-12-12 | 2018-05-22 | 深圳大学 | 肛提肌裂孔的识别方法、装置和电子设备 |
WO2018113282A1 (zh) * | 2016-12-22 | 2018-06-28 | 深圳开立生物医疗科技股份有限公司 | 三维盆底超声图像处理方法及系统 |
CN114366186A (zh) * | 2022-01-17 | 2022-04-19 | 中国中医科学院广安门医院 | 一种肛瘘手术中的挂线打洞辅助系统和方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111012326B (zh) * | 2018-10-09 | 2022-07-05 | 深圳市理邦精密仪器股份有限公司 | 盆底校准方法、设备及计算机可读存储介质 |
EP4299010A1 (en) * | 2022-06-27 | 2024-01-03 | Koninklijke Philips N.V. | Obtaining ultrasound images of a moving organ |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080086204A1 (en) * | 2006-10-06 | 2008-04-10 | Rankin J Scott | Intra-annular mounting frame for aortic valve repair |
CN103340628A (zh) * | 2013-06-28 | 2013-10-09 | 中国科学院深圳先进技术研究院 | 心脏实时电影成像图像处理方法和系统 |
CN103955912A (zh) * | 2014-02-14 | 2014-07-30 | 西安电子科技大学 | 自适应窗的胃部ct图像淋巴结跟踪检测系统及方法 |
US20160275678A1 (en) * | 2015-03-18 | 2016-09-22 | University Of South Florida | Image-based automated measurement model to predict pelvic organ prolapse |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015302050B2 (en) * | 2014-08-10 | 2020-01-30 | Autonomix Medical, Inc. | Ans assessment systems, kits, and methods |
CN106683159B (zh) * | 2016-12-22 | 2020-02-18 | 深圳开立生物医疗科技股份有限公司 | 三维盆底超声图像处理方法及系统 |
-
2016
- 2016-12-22 CN CN201611197301.3A patent/CN106683159B/zh active Active
-
2017
- 2017-07-19 WO PCT/CN2017/093456 patent/WO2018113282A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080086204A1 (en) * | 2006-10-06 | 2008-04-10 | Rankin J Scott | Intra-annular mounting frame for aortic valve repair |
CN103340628A (zh) * | 2013-06-28 | 2013-10-09 | 中国科学院深圳先进技术研究院 | 心脏实时电影成像图像处理方法和系统 |
CN103955912A (zh) * | 2014-02-14 | 2014-07-30 | 西安电子科技大学 | 自适应窗的胃部ct图像淋巴结跟踪检测系统及方法 |
US20160275678A1 (en) * | 2015-03-18 | 2016-09-22 | University Of South Florida | Image-based automated measurement model to predict pelvic organ prolapse |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018113282A1 (zh) * | 2016-12-22 | 2018-06-28 | 深圳开立生物医疗科技股份有限公司 | 三维盆底超声图像处理方法及系统 |
CN108062749A (zh) * | 2017-12-12 | 2018-05-22 | 深圳大学 | 肛提肌裂孔的识别方法、装置和电子设备 |
CN108062749B (zh) * | 2017-12-12 | 2020-04-21 | 深圳大学 | 肛提肌裂孔的识别方法、装置和电子设备 |
CN114366186A (zh) * | 2022-01-17 | 2022-04-19 | 中国中医科学院广安门医院 | 一种肛瘘手术中的挂线打洞辅助系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018113282A1 (zh) | 2018-06-28 |
CN106683159B (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106683159A (zh) | 三维盆底超声图像处理方法及系统 | |
Loizou | A review of ultrasound common carotid artery image and video segmentation techniques | |
EP2793703B1 (en) | Method for visualizing blood and blood-likelihood in vascular images | |
CN104268872B (zh) | 基于一致性的边缘检测方法 | |
CN105261015B (zh) | 基于Gabor滤波器的眼底图像血管自动分割方法 | |
US20080159604A1 (en) | Method and system for imaging to identify vascularization | |
CN108961280B (zh) | 一种基于slic超像素分割的眼底视盘精细分割方法 | |
CN104143035B (zh) | 一种分割乳腺病灶的方法 | |
WO2011022783A1 (en) | Feature detection and measurement in retinal images | |
KR20110013026A (ko) | 2차원 초음파 영상에 대응하는 2차원 ct 영상을 제공하는 시스템 및 방법 | |
TW201402074A (zh) | 乳房超音波影像之腫瘤偵測系統及其方法 | |
CN106709426A (zh) | 基于红外遥感图像的舰船目标检测方法 | |
KR101111055B1 (ko) | 디지털 유방 x-선 영상에서 유방 밀도 자동 측정 방법 | |
CN103034979A (zh) | 一种超声图像清晰度提升方法 | |
Zhang et al. | Optic disc localization by projection with vessel distribution and appearance characteristics | |
CN108846827B (zh) | 一种基于多圆快速分割眼底视盘的方法 | |
Yasmin et al. | An improved iterative segmentation algorithm using canny edge detector for skin lesion border detection. | |
JP6191328B2 (ja) | 超音波診断装置、超音波画像解析方法、およびプログラム | |
Mehena et al. | Brain tumor segmentation and extraction of MR images based on improved watershed transform | |
CN102663749A (zh) | 基于相位信息的超声图像病灶分割技术 | |
Yang | A robust approach for subject segmentation of medical Images: Illustration with mammograms and breast magnetic resonance images | |
Choy et al. | Morphological image analysis of left-ventricular endocardial borders in 2D echocardiograms | |
CN109447948A (zh) | 一种基于病灶彩色视网膜眼底图像的视盘分割方法 | |
Martins | Automatic microaneurysm detection and characterization through digital color fundus images | |
Ilea et al. | An automatic 2D CAD algorithm for the segmentation of the IMT in ultrasound carotid artery images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200527 Address after: 430000 2 / F, building B13, biological industry (Jiufeng) innovation enterprise base, No. 666, Gaoxin Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province Patentee after: Opening of biomedical technology (Wuhan) Co., Ltd Address before: 518000 Guangdong city of Shenzhen province Nanshan District Yuquanlu Road Yizhe building 4, 5, 8, 9, 10 floor Patentee before: SONOSCAPE MEDICAL Corp. |
|
TR01 | Transfer of patent right |