CN107767386B - 超声图像处理方法及装置 - Google Patents
超声图像处理方法及装置 Download PDFInfo
- Publication number
- CN107767386B CN107767386B CN201710948582.XA CN201710948582A CN107767386B CN 107767386 B CN107767386 B CN 107767386B CN 201710948582 A CN201710948582 A CN 201710948582A CN 107767386 B CN107767386 B CN 107767386B
- Authority
- CN
- China
- Prior art keywords
- image
- ultrasonic
- boundary
- information
- sectional
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种超声图像处理方法及装置,该方法包括:获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界;依据所述组织边界对所述超声图像进行图像分割处理,得到分割后的超声图像;对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,其中,每个超声切面图为带有边界颜色的图像;依据所述超声切面图的边界颜色对所述超声切面图进行分类,得到具有相同的边界颜色的超声切面图组。通过本发明实现了超声图像切面的自动匹配的目的,并且匹配结果可以给临床医生评估提供参考信息。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种超声图像处理方法及装置。
背景技术
超声诊断是将超声检测技术应用于人体,通过测量了解生理或组织结构的数据和形态,发现疾病,做出提示的一种诊断方法。由于超声诊断是一种无创、无痛、方便、直观的有效检查手段,是目前医院的主要诊断手段之一。超声图像中目标病灶区域的形态特征、面积(体积)为临床诊断提供重要的参考信息。
现有技术中,当医生扫查到结构明显的超声图像时,由于超声图像的组织结构仅仅是灰阶图像,只能通过图像的亮度来区分组织结构,这会造成区分效果不明显的缺点;同时医生在获得了超声图像后往往需要通过人工对相同病灶进行测量对比,然后对病灶的变化趋势进行判断,由于所有的比对和判断过程都是医生人工完成的,因此这样会给医生增加工作量,并且结合主观判断的诊断会有一定的误差。
发明内容
针对于上述问题,本发明提供一种对超声图像处理方法及装置,实现了超声图像切面的自动匹配及给临床医生评估提供参考信息的目的。
为了实现上述目的,根据本发明的第一方面,提供了一种超声图像处理方法,该方法包括:
获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界;
依据所述组织边界对所述超声图像进行图像分割处理,得到分割后的超声图像;
对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,其中,每个超声切面图为带有边界颜色的图像;
依据所述超声切面图的边界颜色对所述超声切面图进行分类,得到具有相同的边界颜色的超声切面图组。
优选地,所述获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界,包括:
对所述超声图像进行信息提取,得到所述超声图像的灰阶信息;
对所述超声图像进行梯度计算,得到所述超声图像的梯度信息;
根据所述灰阶信息和所述梯度信息对所述超声图像进行二值化处理,得到处理后的图像;
根据所述梯度信息确定所述处理后的图像的边缘点,根据所述边缘点生成所述超声图像的组织边界。
优选地,在依据所述组织边界对所述超声图像进行图像分割处理,得到分割后的超声图像之前,该方法还包括:
对所述超声图像的组织边界进行调整处理。
优选地,所述对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,包括:
获取所述分割后的超声图像的灰阶信号强度信息,根据所述灰阶信号强度信息映射得到对应的分割区域的颜色深度信息;
根据所述分割区域的颜色深度信息,对所述分割后的超声图的边界进行颜色渲染,得到超声切面图。
优选地,该方法还包括:
对所述具有相同的边界颜色的超声切面图组的每个超声切面图进行图像分析,生成所述超声切面图组的图像变化趋势信息。
根据本发明的第二方面,提供了一种超声图像处理装置,该装置包括:
提取模块,用于获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界;
分割模块,用于依据所述组织边界对所述超声图像进行图像分割处理,得到分割后的超声图像;
渲染模块,用于对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,其中,每个超声切面图为带有边界颜色的图像;
分类模块,用于依据所述超声切面图的边界颜色对所述超声切面图进行分类,得到具有相同的边界颜色的超声切面图组。
优选地,所述提取模块包括:
提取单元,用于对所述超声图像进行信息提取,得到所述超声图像的灰阶信息;
计算单元,用于对所述超声图像进行梯度计算,得到所述超声图像的梯度信息;
处理单元,用于根据所灰阶信息和所述梯度信息进行二值化处理,得到处理后的图像;
生成单元,用于根据所述梯度信息确定所述处理后的图像的边缘点,根据所述边缘点生成所述超声图像的组织边界。
优选地,该装置还包括:
调整模块,用于对所述超声图像的组织边界进行调整处理。
优选地,所述渲染模块包括:
映射单元,用于获取所述分割后的超声图像的灰阶信号强度信息,根据所述灰阶信号强度信息映射得到对应的分割区域的颜色深度信息;
渲染单元,用于根据所述分割区域的颜色深度信息,对所述分割后的超声图的边界进行颜色渲染,得到超声切面图。
优选地,该装置还包括:
信息生成模块,用于对所述具有相同的边界颜色的超声切面图组的每个超声切面图进行图像分析,生成所述超声切面图组的图像变化趋势信息。
相较于现有技术,本发明首先对获取的目标对象的超声图像进行组织边界提取,并依据所述组织边界对超声图像进行了了分割处理,然后对分割后的超声图像按照灰阶信号的强度进行颜色填充渲染,这样能够不再依靠图像的亮度来区分组织结构,而是通过颜色进行区分,使得组织结构的区分效果明显;并且超声切面图进行了分类处理,也就是能够将相同边界颜色的组织划分为一组,这样节省了医生的工作量,提高了超声扫查效率。同时可以根据具有相同的边界颜色的超声切面图组得到超声切面图的变化趋势信息,即根据相同病灶的超声切面图判断得到病灶区的变化趋势,为临床医生评估提供了参考信息。。
附图说明
为了更清楚地说明本发明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发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例一提供的一种超声图像处理方法的流程示意图;
图2为本发明实施例二对应的图1中所示S11步骤中的图像边界提取的流程示意图;
图3为本发明实施例二对应的图1中所示S12步骤中的颜色渲染的流程示意图;
图4为本发明实施例三提供的一种超声图像处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
实施例一
参见图1为本发明实施例一提供的一种超声图像处理方法的流程示意图,该方法包括以下步骤:
S11获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界。
需要说明的是,目标对象为进行超声检查的患者的检查部位对应的组织器官。例如,某个患者需要进行心脏超声检查得到超声心动图,则此时的目标对象为该患者的心脏。由于超声检查已成为一种重要且无创性显示人体脏器结构和运动功能的检测方法,而对这些脏器结构和功能的进一步定量分析首先需要确定这些脏器的边界信息。如对心功能的定量分析需要测量心腔切面面积等形状参数及其在心动周期内的变化,这就要求明确心内膜边界。所以对超声图像进行分析时,将图像中的结构组织或者器官组织的边界信息,统称为组织边界。
S12、依据所述组织边界对所述超声图像进行图像分割处理,得到分割后的超声图像。
可以理解的是,超声成像是利用超声声束扫描人体,通过对反射信号的接收、处理,以获得体内器官的图像。超声成像方法常用来判断脏器的位置、大小、形态,确定病灶的范围和物理性质。因此由于超声图像的成像特点不同的人体器官会产生不同的反射信号,进而会生成不同的超声图像。在本发明中是依据组织边界对超声图像进行分割处理的,即分割后的超声图像对应了不同的组织结构,为医生进行诊断时提供了不同组织的图像信息作为参考。
S13、对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,其中,每个超声切面图为带有边界颜色的图像。
具体的,当医生扫查到结构明显的超声图像时,因超声图像的组织结构仅仅是灰阶图像,只能通过图像的亮度来区分组织结构,这样会使得区分效果不明显,影响医生的正常判断。本发明通过对超声图像进行颜色填充渲染,能够使不同的超声切面图的边界更明显,利于展示,更加方便医生的诊断。
S14、依据所述超声切面图的边界颜色对所述超声切面图进行分类,得到具有相同的边界颜色的超声切面图组。
具体的,由于手动匹配相似切面是以操作者的主观判断为主,而本实施例中是将边界颜色作为了组织边界的区分点,也就是通过颜色渲染使得边界更加明显,展示更加清晰,相同的组织切面图的边界使用了相同的颜色,可以通过设置图像识别算法或者颜色识别算法将具有相同边界颜色的超声切面图进行分类,进而得到具有颜色标识的超声切面图组,这样不依靠人工匹配而实现了自动匹配即分类处理,得到超声切面图的分类处理结果将更加准确。
通过本发明实施例一公开的技术方案,首先对获取的目标对象的超声图像进行组织边界提取,并依据得到的组织边界对超声图像进行了分割处理,然后对分割后的超声图像的组织边界进行颜色填充渲染,这样通过颜色使得组织结构的区分效果更加明显。最后对超声切面图进行分类处理,也就是能够将相同的组织划分为一组,这样节省了医生的工作量,提高了超声扫查效率,实现了超声图像切面的自动匹配及给临床医生评估提供参考信息的目的。
实施例二
参照本发明实施例一和图1中所描述的S11到S14步骤的具体过程,参见图2,在图1中所述步骤S11获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界,具体包括:
S111、对所述超声图像进行信息提取,得到所述超声图像的灰阶信息;
需要说明的是,超声主机接收到超声探头的回波数据后,经波束合成、扫面转换、动态范围取舍和灰阶映射等一系列的处理后形成超声图像,由于在本实施例中的超声图像为目标对象的超声图像,其中,目标对象可以理解为需要进行超声扫查的器官或者组织结构。
超声图像的灰阶信息就是超声回波强弱反应到灰阶信息的数值上。超声图像的灰阶信息是超声成像过程中,将超声回波信号的幅度映射到[0-255]的灰阶信息,在图像上显示的就是灰阶图像,所以图像灰阶信息在超声成像过程中得到。
S112、对所述超声图像进行梯度计算,得到所述超声图像的梯度信息;
举例说明,图像梯度分析的是图像的像素值的变化,在图像边缘检测和图像配准等方面都有应用。
把图像看成二维离散函数,则在数字图像中就可以把图像标识成一个M*N的二维数字阵列,例如:
图像梯度起始就是这个二维离散函数的求导,图像梯度为:
G(x,y)=dxi+dyj
其中,
dx(i,j)=f(i+1,j)-f(i,j)
dy(i,j)=f(i+1,j)-f(i,j)
其中,f为图像的像素的值,(i,j)为像素的坐标,图像在某像素点处的梯度反映了其在该点处的像素值变化情况,相应的梯度只反应了变化的速度。
在本发明实施例中图像梯度计算的方法采用经典的算法,比如Sobel、Roberts、Laplace等,梯度信息能较好的反应变化明显的边界,因为图像的边界包含了大量的梯度信息,基于梯度进行边界检测是通用的简单有效的方法。即对图像进行梯度运算后,利用梯度的方向信息对梯度图像进行细化处理,将非边界点的梯度值逐步减小并趋于零,保留梯度值较大的点,并进一步确定边界点。
S113、根据所述灰阶信息和所述梯度信息对所述超声图像进行二值化处理,得到处理后的图像;
需要说明的是,图像二值化就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果。对应到本发明中,就是根据所述灰阶信息中的灰度值,将超声图像中的灰度值设置为0或255,即将整个超声图像呈现出明显的黑白效果,便于图像边界的区分。梯度信息能较好的反应变化明显的边界,即梯度信息的数值大小反应边界变化的差异的大小,而通过二值化处理可以滤除掉梯度信息中干扰组织边界提取的信息。
S114、根据所述图像梯度信息确定所述处理后的图像的边缘点,根据所述边缘点生成所述超声图像的组织边界。
具体的,超声灰阶信息是回波强弱反映到灰阶数值上,梯度信息的数值大小反应边界变化的差异大小,边界都是在回波信号幅度有差异的地方,差异大,边界明显,差异小,边界不明显,结合图像的灰阶信息和梯度信息,通过边界连续性的判断来检测组织边界。
除此外,在本发明的实施例中还可以对所述超声图像的组织边界进行调整处理,即在组织边界的边界线上设置若干个关键点,根据实际情况移动关键点来拟合更真实的边界线。
在获得了超声图像的组织边界后,需要对所述超声图像进行图像分割,即图1中的所述步骤S12对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,参见图3,具体包括:
S121、获取所述分割后的超声图像的灰阶信号强度信息,根据灰阶信号强度信息映射得到对应的分割区域的颜色深度信息;
S122、根据所述分割区域的颜色深度信息,对所述分割后的超声图的边界进行颜色渲染,得到超声切面图。
需要说明的是,获取超声图像中灰阶信号强度分布,映射到对应颜色的深度,根据分割区域的大小,可以将分割区域的颜色依次设置为:红、黄、蓝、绿、橙、粉等,颜色可以自行设置,但是在确定后,顺序不能随意改变。
自动通过超声回波信号的亮度来确定叠加色彩信号的亮度,灰阶亮度值越高,颜色越深,灰阶亮度值越低,颜色越浅。至少使用两种颜色来区分组织结构,当然如果需要对分割边界进行调整,同时调整对应映射的颜色区域,对应颜色区域的颜色深浅同时更新。
在本发明的实施例中还可以对所述具有相同的边界颜色的超声切面图组的每个超声切面图进行图像分析,生成所述超声切面图组的图像变化趋势信息。
需要说明的是,相同病灶的组织边界使用相同颜色时,可以根据超声切面图组中的每个超声切面图更好地判断和计算同一病灶的变化趋势。这个由于根据组织边界对超声图像进行分割时,得到的每个超声切面图的分割区域都不相同,可以得到分割区域组织的变化趋势。
根据本发明实施例二公开的技术方案,首先对获取的目标对象的超声图像进行组织边界提取,并依据所述组织边界对超声图像进行了了分割处理,然后对分割后的超声图像按照灰阶信号的强度进行颜色填充渲染,这样能够不再依靠图像的亮度来区分组织结构,而是通过颜色进行区分,使得组织结构的区分效果明显;并且超声切面图进行了分类处理,也就是能够将相同边界颜色的组织划分为一组,即对应了相同的病灶结构,这样节省了医生的工作量,提高了超声扫查效率。同时可以根据具有相同的边界颜色的超声切面图组得到超声切面图的变化趋势信息,即根据相同病灶的超声切面图判断得到病灶区的变化趋势,为临床医生评估提供了参考信息。
实施例三
与本发明实施例一和实施例二所公开的超声图像处理方法相对应,本发明的实施例三还提供了一种超声图像处理装置,参见图3,该系统包括:
提取模块1,用于获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界;
分割模块2,用于依据所述组织边界对所述超声图像进行图像分割处理,得到分割后的超声图像;
渲染模块3,用于对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,其中,每个超声切面图为带有边界颜色的图像;
匹配模块4,用于依据所述超声切面图的边界颜色对所述超声切面图进行分类,得到具有相同的边界颜色的超声切面图组。
对应的,所述提取模块1包括:
提取单元11,用于对所述超声图像进行信息提取,得到所述超声图像的灰阶信息;
计算单元12,用于对所述超声图像进行梯度计算,得到所述超声图像的梯度信息;
处理单元13,用于根据所述灰阶信息和所述梯度信息对所述超声图像进行二值化处理,得到处理后的图像;
生成单元14,用于根据所述梯度信息确定所述处理后的图像的边缘点,根据所述边缘点生成所述超声图像的组织边界。
相应的,该装置还包括:
调整模块5,用于对所述超声图像的组织边界进行调整处理。
具体的,所述渲染模块3包括:
映射单元31,用于获取所述分割后的超声图像的灰阶信号强度信息,映射得到对应的分割区域的颜色深度信息;
渲染单元32,用于根据所述分割区域的颜色深度信息,对所述分割后的超声图的边界进行颜色渲染,得到超声切面图。
对应,该装置还包括:
信息生成模块6,用于对所述具有相同的边界颜色的超声切面图组的每个超声切面图进行图像分析,生成所述超声切面图组的图像变化趋势信息。
可以理解的是,基于边界颜色可以更好的进行超声图像的展示,进而进行组织病灶边界的确定,相同病灶使用相同颜色时,能更好地判断和计算同一病灶的变化趋势,相比于手动匹配相似切面的以操作者的主观判断为主,本发明能够自动判断结构相似区域的变化趋势,结合变化趋势进行自动诊断。
根据所述相同病灶的超声切面图判断得到病灶区的变化趋势,根据所述变化趋势分析得到所述病灶区的诊断结果。即根据病人信息包括身份识别信息、性别、姓名、年龄和手机号码等信息判断为同一病人,对比扫查采集相同切面后,自动或手动与之前的数据进行比对,并输出对比结果,对比结果可以包括相同病灶区域的变化趋势,对系统同一病人数据的相同组织结构变化趋势结合临床做出诊断结果。
在本发明的实施例三中,通过提取模块获得了超声图像的组织边界,通过分割模块依据所述组织边界对超声图像进行了分割处理,然后通过渲染模块对分割够的超声图像按照灰阶信号的强度进行颜色填充渲染,这样能够不再依靠图像的亮度来区分组织结构,而是通过颜色进行区分,使得组织结构的区分效果明显;并且通过匹配模块得到具有相同的边界颜色的超声切面图组进而实现了超声图像切面的自动匹配,节省了医生的工作量,提高了超声扫查效率。因此可以通过本装置对患者的超声切面图进行自动匹配或者分类处理,实现了给临床医生评估提供参考信息的目的。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种超声图像处理方法,其特征在于,该方法包括:
获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界;
依据所述组织边界对所述超声图像进行图像分割处理,得到分割后的超声图像;
对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,其中,每个超声切面图为带有边界颜色的图像;
依据所述超声切面图的边界颜色对所述超声切面图进行分类,得到具有相同的边界颜色的超声切面图组,其中,所述依据所述超声切面图的边界颜色对所述超声切面图进行分类,包括:通过设置图像识别算法或者颜色识别算法将具有相同边界颜色的超声切面图进行分类。
2.根据权利要求1所述的方法,其特征在于,所述获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界,包括:
对所述超声图像进行信息提取,得到所述超声图像的灰阶信息;
对所述超声图像进行梯度计算,得到所述超声图像的梯度信息;
根据所述灰阶信息和所述梯度信息对所述超声图像进行二值化处理,得到处理后的图像;
根据所述梯度信息确定所述处理后的图像的边缘点,根据所述边缘点生成所述超声图像的组织边界。
3.根据权利要求1所述的方法,其特征在于,在依据所述组织边界对所述超声图像进行图像分割处理,得到分割后的超声图像之前,该方法还包括:
对所述超声图像的组织边界进行调整处理。
4.根据权利要求1所述的方法,其特征在于,所述对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,包括:
获取所述分割后的超声图像的灰阶信号强度信息,根据所述灰阶信号强度信息映射得到对应的分割区域的颜色深度信息;
根据所述分割区域的颜色深度信息,对所述分割后的超声图的边界进行颜色渲染,得到超声切面图。
5.根据权利要求1所述的方法,其特征在于,该方法还包括:
对所述具有相同的边界颜色的超声切面图组的每个超声切面图进行图像分析,生成所述超声切面图组的图像变化趋势信息。
6.一种超声图像处理装置,其特征在于,该装置包括:
提取模块,用于获取目标对象的超声图像,并对所述超声图像进行组织边界提取,得到所述超声图像的组织边界;
分割模块,用于依据所述组织边界对所述超声图像进行图像分割处理,得到分割后的超声图像;
渲染模块,用于对所述分割后的超声图像的边界进行颜色填充渲染,得到超声切面图,其中,每个超声切面图为带有边界颜色的图像;
分类模块,用于依据所述超声切面图的边界颜色对所述超声切面图进行分类,得到具有相同的边界颜色的超声切面图组,其中,所述依据所述超声切面图的边界颜色对所述超声切面图进行分类,包括:通过设置图像识别算法或者颜色识别算法将具有相同边界颜色的超声切面图进行分类。
7.根据权利要求6所述的装置,其特征在于,所述提取模块包括:
提取单元,用于对所述超声图像进行信息提取,得到所述超声图像的灰阶信息;
计算单元,用于对所述超声图像进行梯度计算,得到所述超声图像的梯度信息;
处理单元,用于根据所灰阶信息和所述梯度信息进行二值化处理,得到处理后的图像;
生成单元,用于根据所述梯度信息确定所述处理后的图像的边缘点,根据所述边缘点生成所述超声图像的组织边界。
8.根据权利要求6所述的装置,其特征在于,该装置还包括:
调整模块,用于对所述超声图像的组织边界进行调整处理。
9.根据权利要求6所述的装置,其特征在于,所述渲染模块包括:
映射单元,用于获取所述分割后的超声图像的灰阶信号强度信息,根据所述灰阶信号强度信息映射得到对应的分割区域的颜色深度信息;
渲染单元,用于根据所述分割区域的颜色深度信息,对所述分割后的超声图的边界进行颜色渲染,得到超声切面图。
10.根据权利要求6所述的装置,其特征在于,该装置还包括:
信息生成模块,用于对所述具有相同的边界颜色的超声切面图组的每个超声切面图进行图像分析,生成所述超声切面图组的图像变化趋势信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948582.XA CN107767386B (zh) | 2017-10-12 | 2017-10-12 | 超声图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948582.XA CN107767386B (zh) | 2017-10-12 | 2017-10-12 | 超声图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107767386A CN107767386A (zh) | 2018-03-06 |
CN107767386B true CN107767386B (zh) | 2021-02-12 |
Family
ID=61267210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710948582.XA Active CN107767386B (zh) | 2017-10-12 | 2017-10-12 | 超声图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107767386B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108804547A (zh) * | 2018-05-18 | 2018-11-13 | 深圳华声医疗技术股份有限公司 | 超声图像教学方法、装置及计算机可读存储介质 |
CN112614123A (zh) * | 2020-12-29 | 2021-04-06 | 深圳开立生物医疗科技股份有限公司 | 一种超声图像识别方法及相关装置 |
CN114418984A (zh) * | 2022-01-14 | 2022-04-29 | 汕头市超声仪器研究所股份有限公司 | 一种基于超声的人体组织对称性检测分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842126A (zh) * | 2011-05-09 | 2012-12-26 | 佳能株式会社 | 图像处理设备和图像处理方法 |
CN103177421A (zh) * | 2011-12-26 | 2013-06-26 | 深圳市蓝韵实业有限公司 | 超声医学图像的降噪处理方法 |
CN105631867A (zh) * | 2015-12-25 | 2016-06-01 | 中国科学院深圳先进技术研究院 | 一种全自动超声造影图像分割方法 |
CN106157282A (zh) * | 2015-03-31 | 2016-11-23 | 深圳迈瑞生物医疗电子股份有限公司 | 图像处理系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9014452B2 (en) * | 2013-08-21 | 2015-04-21 | Seiko Epson Corporation | Orientation-aware average intensity histogram to indicate object boundary depth in ultrasound images |
-
2017
- 2017-10-12 CN CN201710948582.XA patent/CN107767386B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842126A (zh) * | 2011-05-09 | 2012-12-26 | 佳能株式会社 | 图像处理设备和图像处理方法 |
CN103177421A (zh) * | 2011-12-26 | 2013-06-26 | 深圳市蓝韵实业有限公司 | 超声医学图像的降噪处理方法 |
CN106157282A (zh) * | 2015-03-31 | 2016-11-23 | 深圳迈瑞生物医疗电子股份有限公司 | 图像处理系统及方法 |
CN105631867A (zh) * | 2015-12-25 | 2016-06-01 | 中国科学院深圳先进技术研究院 | 一种全自动超声造影图像分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107767386A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9060737B2 (en) | Ultrasonic diagnostic apparatus and ultrasonic image display method | |
EP2793703B1 (en) | Method for visualizing blood and blood-likelihood in vascular images | |
CN109788939B (zh) | 用于通过自动检测b线和对超声扫描的图像进行评分来增强代表性超声图像的可视化和选择的方法和系统 | |
JP2021531885A (ja) | 誘導肝イメージングのための人工ニューラルネットワークを有する超音波システム | |
TWI473598B (zh) | Breast ultrasound image scanning and diagnostic assistance system | |
US20100014738A1 (en) | Method and system for breast cancer screening | |
CA2783867A1 (en) | Method and system of automated detection of lesions in medical images | |
CN107767386B (zh) | 超声图像处理方法及装置 | |
CN111227864A (zh) | 使用超声图像利用计算机视觉进行病灶检测的方法与装置 | |
US20050129297A1 (en) | Classification of breast lesion method and system | |
CN103251379A (zh) | 图像处理设备、图像处理方法和图像处理系统 | |
JP2016195764A (ja) | 医用画像処理装置およびプログラム | |
JP5113548B2 (ja) | 超音波画像処理装置 | |
KR20160118037A (ko) | 의료 영상으로부터 병변의 위치를 자동으로 감지하는 장치 및 그 방법 | |
KR20200108686A (ko) | 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션 | |
EP3138472A1 (en) | Image-processing device, image-processing method and image-processing program | |
KR20120102447A (ko) | 진단장치 및 방법 | |
CN114159099A (zh) | 乳腺超声成像方法及设备 | |
CN112998755A (zh) | 解剖结构的自动测量方法和超声成像系统 | |
US20190183455A1 (en) | Ultrasound diagnosis apparatus | |
JP2000300557A (ja) | 超音波診断装置 | |
US11723584B2 (en) | Complex analysis system of spectrophotometry and ultrasound images and data for automatic early-stage diagnosing of malignant skin tumors | |
KR101024857B1 (ko) | 3차원 초음파 영상에 컬러 모델링 처리를 수행하는 초음파 시스템 및 방법 | |
CN112932535B (zh) | 一种医学图像分割及检测方法 | |
CN114391878B (zh) | 一种超声成像设备 |
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 |