CN107067448A - 一种图像处理方法、装置及设备 - Google Patents
一种图像处理方法、装置及设备 Download PDFInfo
- Publication number
- CN107067448A CN107067448A CN201710108819.3A CN201710108819A CN107067448A CN 107067448 A CN107067448 A CN 107067448A CN 201710108819 A CN201710108819 A CN 201710108819A CN 107067448 A CN107067448 A CN 107067448A
- Authority
- CN
- China
- Prior art keywords
- line number
- sampling line
- crude
- gray scale
- archicenter
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 489
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000013481 data capture Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 238000002604 ultrasonography Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000523 sample Substances 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 210000003754 fetus Anatomy 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 208000012802 recumbency Diseases 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种图像处理方法、装置及设备，实现提高超声图像中对象的边界清晰度的目的。其中，所述方法包括：获取感兴趣区域的原始采样线数据，所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据；根据原始中心采样线数据和原始中心采样线数据分别与多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据，其中，所述灰度差与对应的权重呈正相关关系；根据新的中心采样线数据生成超声图像。
Description
技术领域
本申请涉及图像处理领域，尤其涉及一种图像处理方法、装置及设备。
背景技术
4D(Dimension)超声图像就是采用3D超声图像加上时间维度参数形成的，即实时的动态的三维图像。在医学上，4D超声图像技术提供了包括腹部、血管、小器官、产科、妇科、泌尿科、新生儿和儿科等多领域的多方面的应用，在疾病的诊断、治疗以及对胎儿的观察方面具有广阔的发展前景。
4D超声成像系统通常包括容积探头，用于发射扇形的超声波，参见图1和图2，图1为容积探头的示意图，图2为超声波的发射切面示意图。容积探头发射的超声波沿着发射切面的轴方向进入到目标对象(例如人体)中，当超声波入射到比自身波长大很多倍的两种介质(例如人体和人体所躺着的医疗床)的交界面上就会发生反射，即形成回波，回波被所述容积探头接收到，形成回波信号。根据回波信号可以得到在各个经过超声波发射中心点的轴线上、表示图像灰度的采样2D线数据(参见图2)，通过对采样线数据进行插值，得到2D超声图像。利用多帧2D图像可以得到3D超声图像，然后再加上时间轴形成4D超声图像。
现有技术采用滤波平滑技术来平滑2D超声图像中的噪声，虽然可以起到降噪的效果，但是会使得形成的3D超声图像中对象的边界变得模糊，尤其是对于较小的对象，例如胎儿的手和脚，边界模糊会导致对象识别不出来，影响医生的诊断结果。
发明内容
为了解决现有技术中存在的技术问题，本申请提供了一种图像处理方法、装置及设备，实现提高超声图像中对象的边界清晰度的目的。
本申请实施例提供了一种图像处理方法，所述方法包括：
获取感兴趣区域的原始采样线数据，所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度，所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据；
根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据，其中，所述灰度差与对应的权重呈正相关关系；
根据所述新的中心采样线数据生成超声图像。
可选的，所述多个周边采样线数据包括：第一原始采样线数据、第二原始采样线数据、第三原始采样线数据以及第四原始采样线数据，其中，所述第一原始采样线数据、所述第二原始采样线数据、所述第三原始采样线数据以及所述第四原始采样线数据分别与所述原始中心采样线数据在东、南、西、北四个方向上相邻。
可选的，所述与各个所述灰度差分别对应的权重包括：
其中，cEx,y为所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差对应的权重；cSx,y为所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差对应的权重cWx,y为所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差对应的权重cNx,y为所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差对应的权重k为常数；
所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差所述Ix,y为所述原始中心采样线数据，所述Ix+1,y为所述第一原始采样线数据，所述Ix,y-1为所述第二原始采样线数据，所述Ix-1,y为所述第三原始采样线数据，所述Ix,y+1为所述第四原始采样线数据。
可选的，所述根据所述新的中心采样线数据生成超声图像包括：
采用锐化算法对与所述感兴趣区域对应的新的中心采样线数据进行锐化处理，得到锐化后新的中心采样线数据；
根据锐化后新的中心采样线数据生成超声图像。
可选的，在步骤获取感兴趣区域的原始采样线数据之后，所述方法还包括：
根据所述感兴趣区域中的所述原始采样线数据得到离散灰度级，并分别统计各个离散灰度级对应的概率；
分别计算各个离散灰度级的累计概率；
根据灰度调整函数以及所述各个离散灰度级的累计概率对所述原始采样线数据进行灰度调整，得到调整后采样线数据，以对所述超声图像进行均衡；所述调整后采样线数据包括中心调整后采样线数据、第一调整后采样线数据、第二调整后采样线数据、第三调整后采样线数据以及第四调整后采样线数据，其中，所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据分别与所述中心调整后采样线数据在东、南、西、北四个方向上相邻；
所述根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据包括：
利用所述中心调整后采样线数据和所述中心调整后采样线数据分别与所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据。
本申请实施例还提供了一种图像处理装置，所述装置包括：原始采样线数据获取单元、新中心采样线数据获取单元和图像生成单元；
其中，所述原始采样线数据获取单元，用于获取感兴趣区域的原始采样线数据，所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度，所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据；
所述新中心采样线数据获取单元，用于根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据，其中，所述灰度差与对应的权重呈正相关关系；
所述图像生成单元，用于根据所述新的中心采样线数据生成超声图像。
可选的，所述多个周边采样线数据包括：第一原始采样线数据、第二原始采样线数据、第三原始采样线数据以及第四原始采样线数据，其中，所述第一原始采样线数据、所述第二原始采样线数据、所述第三原始采样线数据以及所述第四原始采样线数据分别与所述原始中心采样线数据在东、南、西、北四个方向上相邻。
可选的，所述与各个所述灰度差分别对应的权重包括：
其中，cExy为所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差对应的权重；cSx,y为所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差对应的权重cWx,y为所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差对应的权重cNx,y为所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差对应的权重k为常数；
所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差所述Ix,y为所述原始中心采样线数据，所述Ix+1,y为所述第一原始采样线数据，所述Ix,y-1为所述第二原始采样线数据，所述Ix-1,y为所述第三原始采样线数据，所述Ix,y+1为所述第四原始采样线数据。
可选的，所述装置还包括：概率统计单元、概率计算单元以及灰度调整单元；
其中，所述概率统计单元，用于根据所述感兴趣区域中的所述原始采样线数据得到离散灰度级，并分别统计各个离散灰度级对应的概率；
所述概率计算单元，用于分别计算各个离散灰度级的累计概率；
所述灰度调整单元，用于根据灰度调整函数以及所述各个离散灰度级的累计概率对所述原始采样线数据进行灰度调整，得到调整后采样线数据，以对所述超声图像进行均衡；所述调整后采样线数据包括中心调整后采样线数据、第一调整后采样线数据、第二调整后采样线数据、第三调整后采样线数据以及第四调整后采样线数据，其中，所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据分别与所述中心调整后采样线数据在东、南、西、北四个方向上相邻；
所述新中心采样线数据获取单元，具体用于利用所述中心调整后采样线数据、所述中心调整后采样线数据分别与所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据。
本申请实施例还提供了一种图像处理设备，所述设备包括：处理器、用于存储所述处理器可执行指令的存储器、以及显示器；
其中，所述处理器被配置为：
获取感兴趣区域的原始采样线数据，所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度，所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据；
根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据，其中，所述灰度差与对应的权重呈正相关关系；
根据所述新的中心采样线数据生成超声图像；
所述显示器用于显示所述超声图像。
本申请通过获取感兴趣区域的原始采样线数据，并利用所述原始中心采样线数据和所述原始中心采样线数据与其相邻的原始采样线数据之间的灰度差，以及灰度差对应的权重，对所述原始中心采样线数据进行迭代，得到新的中心采样线数据，由于灰度差与对应的权重呈正相关关系，因此由新的中心采样线数据生成的超声图像，比由原始采样数据生成的超声图像具有更加清晰的图像边界。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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，还可以根据这些附图获得其它的附图。
图1为容积探头的示意图；
图2为超声波的发射切面示意图；
图3为本申请实施例一提供的一种图像处理方法的流程图；
图4为本申请实施例一中感兴趣区域的示意图；
图5为本申请实施例一中采样网格的示意图；
图6为本申请实施例二提供的一种图像处理方法的流程图；
图7为本申请实施例三提供的一种图像处理装置的结构框图；
图8为本申请实施例三提供的一种图像处理装置的硬件架构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。
实施例一：
参见图3，该图为本申请实施例一提供的一种图像处理方法的流程图。
本实施例提供的图像处理方法包括如下步骤：
步骤S101：获取感兴趣区域的原始采样线数据。
在本实施例中，所述感兴趣区域是指用户关注的区域(图4中为深灰色区域)，感兴趣区域中包括用户感兴趣的对象，例如胎儿的手。所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度。所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据。所述多个周边采样线数据例如可以包括：第一原始采样线数据、第二原始采样线数据、第三原始采样线数据以及第四原始采样线数据，其中，所述第一原始采样线数据、所述第二原始采样线数据、所述第三原始采样线数据以及所述第四原始采样线数据分别与所述原始中心采样线数据在东、南、西、北四个方向上相邻。需要注意的是，所述东、南、西、北四个方向并不是指地理上的方向，而是分别相对于原始中心采样线数据的右、下、左、上四个方向。
假设所述原始中心采样线数据为Ix,y，x和y表示所述原始中心采样线数据在采样网格中的位置，所述采样网格由超声波发射扇形的轴线以及与发射扇形的弧线平行的弧线形成。参见图5，该图为采样网格的示意图，图中线条1’、2’和3’为轴线，线条1”、2”和3”为平行于扇形弧线的弧线。
与所述原始中心采样线数据Ix,y(即点O对应的图像灰度)在东边方向上相邻的第一原始采样线数据为Ix+1,y，即与所述原始中心采样线数据Ix,y所在的轴线2’相邻的、东边的轴线3’和弧线2”相交的点A对应的图像灰度。
与所述原始中心采样线数据Ix,y在南边方向上相邻的第二原始采样线数据为Ix,y-1，即与所述原始中心采样线数据Ix,y所在的弧线2”相邻的、南边的弧线3”和轴线2’相交的点B对应的图像灰度。
与所述原始中心采样线数据Ix,y在西边方向上相邻的第三原始采样线数据为Ix-1,y，即与所述原始中心采样线数据Ix,y所在的轴线2’相邻的、西边的轴线1’和弧线2”相交的点C对应的图像灰度。
与所述原始中心采样线数据Ix,y在北边方向上相邻的第四原始采样线数据为Ix,y+1，即与所述原始中心采样线数据Ix,y所在的弧线2”相邻的、北边的弧线1”和轴线2’相交的点D对应的图像灰度。
当然，可以理解的是，所述第一原始采样线数据、第二原始采样线数据、第三原始采样线数据以及第四原始采样线数据并不构成对多个周边采样线数据的限定，本领域技术人员可以根据具体应用场景自行设计。
步骤S102：根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据。
若所述多个周边采样线数据包括第一原始采样线数据、第二原始采样线数据、第三原始采样线数据以及第四原始采样线数据，那么本实施例可以通过迭代的方式得到新的中心采样线数据，具体见如下公式：
其中，所述It为经过第t次迭代的原始中心采样线数据，所述It+1为经过第t+1次迭代的原始中心采样线数据，所述λ为常数。所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差所述cEx,y为所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差对应的权重；cSx,y为所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差对应的权重cWx,y为所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差对应的权重cNx,y为所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差对应的权重
所述灰度差与对应的权重呈正相关关系，例如可以是：
其中，k为常数。
通过反复对感兴趣区域中的原始中心采样线数据进行迭代，起到增强感兴趣区域中对象的边界的作用。具体的原理为：将图像中的每个原始中心采样线数据看作是热流，根据原始中心采样线数据和周围原始采样线数据(即第一原始采样线数据、第二原始采样线数据、第三原始采样线数据和第四原始采样线数据)之间的关系，来确定是否向周围扩散，若某个相邻的原始采样线数据与原始中心采样线数据在灰度上差别较大，则代表这个原始采样线数据很可能是个边界，那么原始中心采样线数据的“热流”就不向这个方向扩散了，这个边界得到了保留。而保留边界的手段就在于灰度差的权重，因为灰度差与对应的权重呈正相关关系，即灰度差越大，权重越大，灰度差越小，权重越小。通过不断的迭代，使得根据最终迭代后的原始中心采样线数据，即新的中心采样线数据生成的超声图像中的对象的边界变得越来越清晰和明朗。至于迭代的次数本领域技术人员可以自行设计，此处不再赘述。
当然，本实施例提供的迭代方法并不构成对本申请的限定，本领域技术人员还可以采用其他迭代方法达到相同或相似的效果。
步骤S103：根据所述新的中心采样线数据生成超声图像。
在本实施例中，当得到感兴趣区域对应的新的中心采样线数据后，可以通过插值的方法填充感兴趣区域中其他像素点的灰度值，从而生成与包含所述感兴趣区域的2D、3D甚至是4D超声图像。
本实施例通过获取感兴趣区域的原始采样线数据，并利用所述原始中心采样线数据和所述原始中心采样线数据与其相邻的原始采样线数据之间的灰度差，以及灰度差对应的权重，对所述原始中心采样线数据进行迭代，得到新的中心采样线数据，由于灰度差与对应的权重呈正相关关系，因此由新的中心采样线数据生成的超声图像，比由原始采样数据生成的超声图像具有更加清晰的图像边界。
另外，为了进一步增强超声图像边界的清晰度，在步骤S102得到感兴趣区域的新的中心采样线数据之后，可以采用锐化算法对与所述新的中心采样线数据进行锐化处理，得到锐化后新的中心采样线数据，并根据锐化后新的中心采样线数据生成超声图像。具体的，可以根据锐化后新的中心采样线数据进行插值，得到超声图像的各个线数据，从而生成超声图像。
常用的锐化算法包括交叉微分锐化(Roberts)算法、Sobel算法、Priwitt算法等。以Sobel算法为例，该算法对水平方向的边缘信息和垂直方向的边缘信息均进行加强，具体的实现方法是：利用一个模板矩阵(例如3*3)对新的中心采样线数据(例如3*3的矩阵)进行移动相乘，得到的结果为矩阵中心点的灰度值。
举个例子，所述3*3的模板矩阵其中
实施例二
参见图6，该图为本申请实施例二提供的一种图像处理方法的流程图。
本实施例提供的图像处理方法包括如下步骤：
步骤S201：获取感兴趣区域的原始采样线数据。
所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度。
步骤S202：根据所述感兴趣区域中的所述原始采样线数据得到离散灰度级，并分别统计各个离散灰度级对应的概率。
所述离散灰度级是指根据感兴趣区域中所有原始采样线数据统计得到的一个或多个离散的各不相同的灰度值。一个离散灰度级对应的概率为该离散灰度级对应的像素点的个数与感兴趣区域中所有像素点的个数之比。
步骤S203：分别计算各个离散灰度级的累计概率。
计算各个离散灰度级的累计概率，需要将各个离散灰度级按照从小到达的顺序进行排列，第一个离散灰度级的累计概率为其自己的概率，第二个离散灰度级的累计概率为其自己的概率与第一个离散灰度级的概率之和，第三个离散灰度级的累计概率为其自己的概率与第二个离散灰度级的累计概率之和，以此类推。
步骤S204：根据灰度调整函数以及所述各个离散灰度级的累计概率对所述原始采样线数据进行灰度调整，得到调整后采样线数据，以对所述超声图像进行均衡。
所谓对超声图像进行均衡，是指将超声图像的灰度级概率分布均匀化，即经过灰度均衡后的超声图像，各个离散灰度级对应的像素点的数量相差不大，每一级灰度的灰度值相差也不太大，达到增加超声图像信息量、改进超声图像的目的。为了实现这个目的，通过灰度调整函数以及各个离散灰度级的累计概率对原始采样线数据进行灰度调整，得到调整后采样线数据。在本实施例中，可以将各个灰度级对应的累计概率，乘以255，得到新的灰度级，也就得到了各个原始采样线数据对应的调整后的采样线数据。
举个例子，参见表1，该表为感兴趣区域中原始采样线数据，其中的每个数字均为灰度值。
表1
| 255 | 128 | 200 | 50 |
| 50 | 200 | 255 | 50 |
| 255 | 200 | 128 | 128 |
| 200 | 200 | 255 | 50 |
从表1可以得出：感兴趣区域对应的离散灰度级一共有四个，它们分别为：50、128、200和255。参见表2，该表为根据表1得到的离散灰度级对应的概率、累计概率以及根据本实施例提供的灰度调整函数得到的映射灰度级，即新的灰度级。
表2
以离散灰度级为50为例，对应的像素个数为4个，而根据表1得知，感兴趣区域的所有原始采样线数据一共有16个，因此离散灰度级50对应的概率为0.25(4/16)。由于离散灰度级50在所有离散灰度级中最小，因此其累计概率也为0.25。根据灰度调整函数得到的映射后灰度级为63.75(255×0.25)。为了便于后续计算，可以将映射后灰度级按照四舍五入的原则进行取整，例如可以将映射后灰度级63.75取整为64。
再以离散灰度级128为例，对应的像素个数为3个，因此对应的概率为0.1875。由于离散灰度级128在所有离散灰度级中排第二，因此其累计概率为自己的概率与第一个离散灰度级50的累计概率之和，即为0.4375(0.1875+0.25)。根据灰度调整函数得到的映射后灰度级为111.56(255×0.4375)，取整后为112。
参见表3，该表为与表1中原始采样线数据对应的新的采样线数据。
表3
| 255 | 112 | 191 | 64 |
| 64 | 191 | 255 | 64 |
| 255 | 191 | 112 | 112 |
| 191 | 191 | 255 | 255 |
在本实施例中，所述调整后采样线数据包括中心调整后采样线数据、第一调整后采样线数据、第二调整后采样线数据、第三调整后采样线数据以及第四调整后采样线数据，其中，所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据分别与所述中心调整后采样线数据在东、南、西、北四个方向上相邻。相邻的含义请参见实施例一中关于原始采样线数据的描述，此处不再赘述。
步骤S205：根据所述中心调整后采样线数据和所述中心调整后采样线数据分别与所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据。
为了得到新的中心采样线数据，可以通过迭代的方式，具体参考实施例一的迭代公式，此处不再赘述。
步骤S206：根据所述新的中心采样线数据生成超声图像。
本实施例中的步骤S205和S206分别与实施例一中的步骤S102及步骤S103相似，此处也不再赘述。
本实施例通过根据灰度调整函数以及所述各个离散灰度级的累计概率对所述原始采样线数据进行灰度调整，得到调整后采样线数据，实现对超声图像进行均衡的目的。
基于以上实施例提供的一种图像处理方法，本申请实施例还提供了一种图像处理装置，下面结合附图来详细说明其工作原理。
实施例三
参见图7，该图为本申请实施例三提供的一种图像处理装置的结构框图。
本实施例提供的图像处理装置包括：原始采样线数据获取单元101、新中心采样线数据获取单元102和图像生成单元103；
其中，所述原始采样线数据获取单元101，用于获取感兴趣区域的原始采样线数据，所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度，所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据；
所述新中心采样线数据获取单元102，用于根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据，其中，所述灰度差与对应的权重呈正相关关系；
所述图像生成单元103，用于根据所述新的中心采样线数据生成超声图像。
可选的，所述多个周边采样线数据包括：第一原始采样线数据、第二原始采样线数据、第三原始采样线数据以及第四原始采样线数据，其中，所述第一原始采样线数据、所述第二原始采样线数据、所述第三原始采样线数据以及所述第四原始采样线数据分别与所述原始中心采样线数据在东、南、西、北四个方向上相邻。
可选的，所述与各个所述灰度差分别对应的权重包括：
其中，cEx,y为所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差对应的权重；cSxy为所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差对应的权重cWx,y为所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差对应的权重cNx,y为所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差对应的权重k为常数；
所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差所述Ix,y为所述原始中心采样线数据，所述Ix+1，y为所述第一原始采样线数据，所述Ix,y-1为所述第二原始采样线数据，所述Ix-1,y为所述第三原始采样线数据，所述Ix,y+1为所述第四原始采样线数据。
可选的，所述新中心采样线数据获取单元，具体通过如下公式进行迭代：
其中，所述It为经过第t次迭代的原始中心采样线数据，所述It+1为经过第t+1次迭代的原始中心采样线数据，所述λ为常数。
可选的，所述装置还包括：概率统计单元、概率计算单元以及灰度调整单元；
其中，所述概率统计单元，用于根据所述感兴趣区域中的所述原始采样线数据得到离散灰度级，并分别统计各个离散灰度级对应的概率；
所述概率计算单元，用于分别计算各个离散灰度级的累计概率；
所述灰度调整单元，用于根据灰度调整函数以及所述各个离散灰度级的累计概率对所述原始采样线数据进行灰度调整，得到调整后采样线数据，以对所述超声图像进行均衡；所述调整后采样线数据包括中心调整后采样线数据、第一调整后采样线数据、第二调整后采样线数据、第三调整后采样线数据以及第四调整后采样线数据，其中，所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据分别与所述中心调整后采样线数据在东、南、西、北四个方向上相邻；
所述新中心采样线数据获取单元102，具体用于根据所述中心调整后采样线数据、所述中心调整后采样线数据分别与所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据。
所述实施例三提供的图像处理装置可以应用在投影系统的设备或者任何具有处理器(特别是图像处理器)的电子设备上，所述电子设备可以是现有的、正在研发的或将来研发的任何电子设备，包括但不限于：现有的、正在研发的或将来研发的台式计算机、膝上型计算机、移动终端(包括智能手机、非智能手机、各种平板电脑)等。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在投影系统的设备或带有处理器的电子设备的处理器将存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图8所示，为本申请图像处理装置所在投影系统的设备或带有处理器的电子设备的一种硬件结构图，除了图8所示的处理器、内存、网络接口、以及存储器之外，实施例中装置所在的投影系统的设备或带有处理器的电子设备通常根据该设备的实际功能，还可以包括其他硬件，例如显示器，对此不再赘述。
其中，存储器中可以存储有图像处理方法对应的逻辑指令，该存储器例如可以是非易失性存储器(non-volatile memory)，处理器可以调用执行存储器中的保存的逻辑指令，以执行上述的图像处理方法，显示器可以显示所述超声图像。
图像处理方法对应的逻辑指令的功能，如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
实施例四
本实施例提供的图像处理设备包括：处理器、用于存储所述处理器可执行指令的存储器、以及显示器；
其中，所述处理器被配置为：
获取感兴趣区域的原始采样线数据，所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度，所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据；
根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据，其中，所述灰度差与对应的权重呈正相关关系；
根据所述新的中心采样线数据生成超声图像；
所述显示器用于显示所述超声图像。
当介绍本申请的各种实施例的元件时，冠词“一”、“一个”、“这个”和“所述”都意图表示有一个或多个元件。词语“包括”、“包含”和“具有”都是包括性的并意味着除了列出的元件之外，还可以有其它元件。
需要说明的是，本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccess Memory,RAM)等。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
获取感兴趣区域的原始采样线数据，所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度，所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据；
根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据，其中，所述灰度差与对应的权重呈正相关关系；
根据所述新的中心采样线数据生成超声图像。
2.根据权利要求1所述的方法，其特征在于，所述多个周边采样线数据包括：第一原始采样线数据、第二原始采样线数据、第三原始采样线数据以及第四原始采样线数据，其中，所述第一原始采样线数据、所述第二原始采样线数据、所述第三原始采样线数据以及所述第四原始采样线数据分别与所述原始中心采样线数据在东、南、西、北四个方向上相邻。
3.根据权利要求2所述的方法，其特征在于，所述与各个所述灰度差分别对应的权重包括：
cEx,y＝exp(-||▽E(Ix,y)||2/k2)
cSx,y＝exp(-||▽S(Ix,y)||2/k2)
cWx,y＝exp(-||▽W(Ix,y)||2/k2)
cNx,y＝exp(-||▽N(Ix,y)||2/k2)
其中，cEx,y为所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差▽E(Ix,y)对应的权重；cSx,y为所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差对应的权重▽S(Ix,y)；cWx,y为所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差对应的权重▽W(Ix,y)；cNx,y为所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差对应的权重▽N(Ix,y)，k为常数；
所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差▽E(Ix,y)＝Ix+1,y-Ix,y；所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差▽S(Ix,y)＝Ix,y-1-Ix,y；所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差▽W(Ix,y)＝Ix-1,y-Ix,y；所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差▽N(Ix,y)＝Ix,y+1-Ix,y；所述Ix,y为所述原始中心采样线数据，所述Ix+1,y为所述第一原始采样线数据，所述Ix,y-1为所述第二原始采样线数据，所述Ix-1,y为所述第三原始采样线数据，所述Ix,y+1为所述第四原始采样线数据。
4.根据权利要求1所述的方法，其特征在于，所述根据所述新的中心采样线数据生成超声图像包括：
采用锐化算法对与所述感兴趣区域对应的新的中心采样线数据进行锐化处理，得到锐化后新的中心采样线数据；
根据锐化后新的中心采样线数据生成超声图像。
5.根据权利要求1至4任意一项所述的方法，其特征在于，在步骤获取感兴趣区域的原始采样线数据之后，所述方法还包括：
根据所述感兴趣区域中的所述原始采样线数据得到离散灰度级，并分别统计各个离散灰度级对应的概率；
分别计算各个离散灰度级的累计概率；
根据灰度调整函数以及所述各个离散灰度级的累计概率对所述原始采样线数据进行灰度调整，得到调整后采样线数据，以对所述超声图像进行均衡；所述调整后采样线数据包括中心调整后采样线数据、第一调整后采样线数据、第二调整后采样线数据、第三调整后采样线数据以及第四调整后采样线数据，其中，所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据分别与所述中心调整后采样线数据在东、南、西、北四个方向上相邻；
所述根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据包括：
利用所述中心调整后采样线数据和所述中心调整后采样线数据分别与所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据。
6.一种图像处理装置，其特征在于，所述装置包括：原始采样线数据获取单元、新中心采样线数据获取单元和图像生成单元；
其中，所述原始采样线数据获取单元，用于获取感兴趣区域的原始采样线数据，所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度，所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据；
所述新中心采样线数据获取单元，用于根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据，其中，所述灰度差与对应的权重呈正相关关系；
所述图像生成单元，用于根据所述新的中心采样线数据生成超声图像。
7.根据权利要求6所述的装置，其特征在于，所述多个周边采样线数据包括：第一原始采样线数据、第二原始采样线数据、第三原始采样线数据以及第四原始采样线数据，其中，所述第一原始采样线数据、所述第二原始采样线数据、所述第三原始采样线数据以及所述第四原始采样线数据分别与所述原始中心采样线数据在东、南、西、北四个方向上相邻。
8.根据权利要求7所述的装置，其特征在于，所述与各个所述灰度差分别对应的权重包括：
cEx,y＝exp(-||▽E(Ix,y)||2/k2)
cSx,y＝exp(-||▽S(Ix,y)||2/k2)
cWx,y＝exp(-||▽W(Ix,y)||2/k2)
cNx,y＝exp(-||▽N(Ix,y)||2/k2)
其中，cEx,y为所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差▽E(Ix,y)对应的权重；cSx,y为所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差对应的权重▽S(Ix,y)；cWx,y为所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差对应的权重▽W(Ix,y)；cNx,y为所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差对应的权重▽N(Ix,y)，k为常数；
所述原始中心采样线数据与所述第一原始采样线数据之间的灰度差▽E(Ix,y)＝Ix+1,y-Ix,y；所述原始中心采样线数据与所述第二原始采样线数据之间的灰度差▽S(Ix,y)＝Ix,y-1-Ix,y；所述原始中心采样线数据与所述第三原始采样线数据之间的灰度差▽W(Ix,y)＝Ix-1,y-Ix,y；所述原始中心采样线数据与所述第四原始采样线数据之间的灰度差▽N(Ix,y)＝Ix,y+1-Ix,y；所述Ix,y为所述原始中心采样线数据，所述Ix+1,y为所述第一原始采样线数据，所述Ix,y-1为所述第二原始采样线数据，所述Ix-1,y为所述第三原始采样线数据，所述Ix,y+1为所述第四原始采样线数据。
9.根据权利要求6至8任意一项所述的装置，其特征在于，所述装置还包括：概率统计单元、概率计算单元以及灰度调整单元；
其中，所述概率统计单元，用于根据所述感兴趣区域中的所述原始采样线数据得到离散灰度级，并分别统计各个离散灰度级对应的概率；
所述概率计算单元，用于分别计算各个离散灰度级的累计概率；
所述灰度调整单元，用于根据灰度调整函数以及所述各个离散灰度级的累计概率对所述原始采样线数据进行灰度调整，得到调整后采样线数据，以对所述超声图像进行均衡；所述调整后采样线数据包括中心调整后采样线数据、第一调整后采样线数据、第二调整后采样线数据、第三调整后采样线数据以及第四调整后采样线数据，其中，所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据分别与所述中心调整后采样线数据在东、南、西、北四个方向上相邻；
所述新中心采样线数据获取单元，具体用于利用所述中心调整后采样线数据、所述中心调整后采样线数据分别与所述第一调整后采样线数据、所述第二调整后采样线数据、所述第三调整后采样线数据以及所述第四调整后采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据。
10.一种图像处理设备，其特征在于，所述设备包括：处理器、用于存储所述处理器可执行指令的存储器、以及显示器；
其中，所述处理器被配置为：
获取感兴趣区域的原始采样线数据，所述原始采样线数据是指根据超声回波信号采样得到的、在各个经过超声波发射中心点的轴线上的原始图像灰度，所述原始采样线数据包括原始中心采样线数据及与所述原始中心采样线数据相邻的多个周边采样线数据；
根据所述原始中心采样线数据、所述原始中心采样线数据分别与所述多个周边采样线数据之间的灰度差，以及与各个所述灰度差分别对应的权重，得到新的中心采样线数据，其中，所述灰度差与对应的权重呈正相关关系；
根据所述新的中心采样线数据生成超声图像；
所述显示器用于显示所述超声图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710108819.3A CN107067448B (zh) | 2017-02-27 | 2017-02-27 | 一种图像处理方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710108819.3A CN107067448B (zh) | 2017-02-27 | 2017-02-27 | 一种图像处理方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107067448A true CN107067448A (zh) | 2017-08-18 |
| CN107067448B CN107067448B (zh) | 2021-01-12 |
Family
ID=59621471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710108819.3A Active CN107067448B (zh) | 2017-02-27 | 2017-02-27 | 一种图像处理方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107067448B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020041974A1 (zh) * | 2018-08-28 | 2020-03-05 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声图像处理方法及设备、存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5793883A (en) * | 1995-09-29 | 1998-08-11 | Siemens Medical Systems, Inc. | Method for enhancing ultrasound image |
| CN102035997A (zh) * | 2010-12-14 | 2011-04-27 | 杭州爱威芯科技有限公司 | 一种基于模式预测和方向排序的图像锐化方法 |
| CN102982322A (zh) * | 2012-12-07 | 2013-03-20 | 大连大学 | 基于pca图像重构和lda的人脸识别方法 |
-
2017
- 2017-02-27 CN CN201710108819.3A patent/CN107067448B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5793883A (en) * | 1995-09-29 | 1998-08-11 | Siemens Medical Systems, Inc. | Method for enhancing ultrasound image |
| CN102035997A (zh) * | 2010-12-14 | 2011-04-27 | 杭州爱威芯科技有限公司 | 一种基于模式预测和方向排序的图像锐化方法 |
| CN102982322A (zh) * | 2012-12-07 | 2013-03-20 | 大连大学 | 基于pca图像重构和lda的人脸识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王陈: "基于小波与双边滤波的医学超声图像去噪算法", 《CNKI优秀硕士学位论文全文库》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020041974A1 (zh) * | 2018-08-28 | 2020-03-05 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声图像处理方法及设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107067448B (zh) | 2021-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109754361B (zh) | 3d各向异性的混合网络：将来自2d图像的卷积特征传递到3d各向异性体积 | |
| Jin et al. | CT-realistic lung nodule simulation from 3D conditional generative adversarial networks for robust lung segmentation | |
| Koonjoo et al. | Boosting the signal-to-noise of low-field MRI with deep learning image reconstruction | |
| Hu et al. | Freehand ultrasound image simulation with spatially-conditioned generative adversarial networks | |
| US20200265632A1 (en) | System and method for real-time rendering of complex data | |
| Rodriguez-Ruiz et al. | New reconstruction algorithm for digital breast tomosynthesis: better image quality for humans and computers | |
| Wang et al. | High-resolution image reconstruction for portable ultrasound imaging devices | |
| Becker et al. | Injecting and removing suspicious features in breast imaging with CycleGAN: A pilot study of automated adversarial attacks using neural networks on small images | |
| US20070248259A1 (en) | Apparatus for reconstructing multi-dimensional image data and a method thereof | |
| Chen et al. | Real-time freehand 3D ultrasound imaging | |
| Zhao et al. | Ultrasound transmission tomography image reconstruction with a fully convolutional neural network | |
| CN115965750B (zh) | 血管重建方法、装置、计算机设备和可读存储介质 | |
| CN114365190A (zh) | 基于vrds 4d医学影像的脾脏肿瘤识别方法及相关装置 | |
| CN113487536A (zh) | 图像分割方法、计算机设备和存储介质 | |
| US20220292781A1 (en) | Generative scene networks | |
| Wen et al. | GPU-accelerated kernel regression reconstruction for freehand 3D ultrasound imaging | |
| Muhammad et al. | Frequency component vectorisation for image dehazing | |
| CN104574473B (zh) | 一种基于静态图片生成动态效果的方法和装置 | |
| CN107067448A (zh) | 一种图像处理方法、装置及设备 | |
| Kushwaha et al. | Optimization of the proposed hybrid denoising technique to overcome over-filtering issue | |
| CN111445547A (zh) | 一种基于神经网络的网格化磁共振图像重建方法和装置 | |
| US20230069072A1 (en) | Image processing apparatus and operation method thereof | |
| US20150120332A1 (en) | Systems and methods for determining risk exposure | |
| Pianykh | Digital Image Quality in Medicine | |
| Starkov et al. | Ultrasound simulation with deformable and patient-specific scatterer maps |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant after: DongSoft Medical System Co., Ltd. Address before: Hunnan New Century Road 110179 Shenyang city of Liaoning Province, No. 16 Applicant before: Dongruan Medical Systems Co., Ltd., Shenyang |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |