CN108648164A - 超声图像优化方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种超声图像优化方法、装置及计算机可读存储介质，所述超声图像优化方法包括：当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息；从所述知识库中获取所述目标标准特征信息对应的目标系统参数；根据所述目标系统参数对超声成像系统的当前系统参数进行更新；显示当前通过系统参数经过更新的超声成像系统采集到的超声图像。通过本发明，免去医生频繁手动切换检查模式的工作，提高诊疗效率。

Description

超声图像优化方法、装置及计算机可读存储介质

技术领域

本发明涉及超声技术领域，尤其涉及超声图像优化方法、装置及计算机可读存储介质。

背景技术

在医学超声实践中，由于不同部位的病症表现的特异性，对于不同的人体结构或组织，医生对于超声图像的关注点往往是不一样的，有的位置关注骨骼、有的位置关注均匀组织、有的位置关注神经，诸如此类。然而，不同的结构或组织，由于其基本物理性质的差异，在超声成像时并没有一个全局最优的参数组合来实现最佳的表现。

在目前的超声技术中，一般是通过在超声机器中内置多组参数，分别针对不同的检查区域或组织进行针对性的图像优化来实现。这种方法，需要临床医生在检查时不断地在选项控制面板中进行各种检查模式的切换来实现超声机器参数的切换，以获得最佳的图像效果，极大的降低了医生的工作效率。除此之外，有些不同的检查模式之间的字面含义并不是那么区别明显，也会对不熟悉产品的医生造成使用上的困惑。

发明内容

本发明的主要目的在于提供一种超声图像优化方法、装置及计算机可读存储介质，旨在解决现有技术中医生在通过超声仪器进行诊断时，根据诊断部位的不同需要频繁手动切换检查模式的技术问题。

为实现上述目的，本发明提供一种超声图像优化方法，所述超声图像优化方法包括：

当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息；

从所述知识库中获取所述目标标准特征信息对应的目标系统参数；

根据所述目标系统参数对超声成像系统的当前系统参数进行更新；

显示当前通过系统参数经过更新的超声成像系统采集到的超声图像。

可选的，所述当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息之前，还包括：

获取标准切面组，并提取所述标准切面组中每张标准切面的特征信息；

根据每张标准切面的特征信息，计算得到所述标准切面组对应的标准特征信息；

接收所述标准切面组对应的标准系统参数，将所述标准特征信息以及标准系统参数关联存储至知识库。

可选的，所述根据每张标准切面的特征信息，计算得到所述标准切面组对应的标准特征信息的步骤包括：

根据每张标准切面的特征信息，得到所述标准切面组对应的特征信息组；

计算所述特征信息组的平均值，将所述平均值作为所述标准切面组对应的标准特征信息。

可选的，所述当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息的步骤包括：

当获取到超声图像时，获取所述超声图像的特征信息；

计算所述特征信息与知识库中包含的各个标准特征信息的匹配度；

将与所述特征信息匹配度最高的标准特征信息作为所述超声图像对应的目标标准特征信息。

可选的，所述计算所述特征信息与知识库中包含的各个标准特征信息的匹配度包括：

计算所述特征信息与知识库中包含的各个标准特征信息的欧氏距离；

根据所述欧氏距离，得到所述特征信息与知识库中包含的各个标准特征信息的匹配度。

可选的，所述根据所述目标系统参数对超声成像系统的当前系统参数进行更新的步骤包括：

根据所述目标系统参数对超声成像系统的超声波发射参数以及图像处理参数进行更新。

可选的，所述显示当前通过系统参数经过更新的超声成像系统采集到的超声图像的步骤包括：

基于经过更新的超声波发射参数发射超声波，并接收回波信号，对所述回波信号进行处理，得到待显示超声图像；

基于经过更新的图像处理参数对所述待显示超声图像进行图像优化，得到优化超声图像，并显示所述优化超声图像。

此外，为实现上述目的，本发明还提供一种超声图像优化装置，所述超声图像优化装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的超声图像优化程序，所述超声图像优化程序被所述处理器执行时实现如上所述的超声图像优化方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有超声图像优化程序，所述超声图像优化程序被处理器执行时实现如上所述的超声图像优化方法的步骤。

本发明中，当获取到超声图像时，基于知识库，确定超声图像对应的目标系统参数；根据目标系统参数对超声成像系统的当前系统参数进行更新；通过系统参数经过更新的超声成像系统，显示优化超声图像。通过本发明，医生在使用超声成像系统对病人进行诊断时，基于超声成像系统获取的超声图像，对该超声图像进行图像配准，自动确定该超声图像对应的目标系统参数，并通过目标系统参数对超声成像系统的当前系统参数进行更新，从而通过系统参数经过更新的超声成像系统，显示优化超声图像，免去医生频繁手动切换检查模式的工作，提高诊疗效率。

附图说明

图1为本发明实施例方案涉及的硬件运行环境的超声图像优化装置结构示意图；

图2为本发明超声图像优化方法第一实施例的流程示意图；

图3为本发明超声图像优化方法第二实施例的流程示意图；

图4为本发明超声图像优化方法第三实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1为本发明实施例方案涉及的硬件运行环境的超声图像优化装置结构示意图。

本发明实施例超声图像优化装置可以是PC，也可以是便携计算机等终端设备。

如图1所示，该超声图像优化装置可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的超声图像优化装置结构并不构成对超声图像优化装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及超声图像优化程序。

在图1所示的超声图像优化装置中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的超声图像优化程序，并执行以下操作：

当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息；

从所述知识库中获取所述目标标准特征信息对应的目标系统参数；

根据所述目标系统参数对超声成像系统的当前系统参数进行更新；

显示当前通过系统参数经过更新的超声成像系统采集到的超声图像。

进一步地，处理器1001可以调用存储器1005中存储的超声图像优化程序，还执行以下操作：

获取标准切面组，并提取所述标准切面组中每张标准切面的特征信息；

根据每张标准切面的特征信息，计算得到所述标准切面组对应的标准特征信息；

接收所述标准切面组对应的标准系统参数，将所述标准特征信息以及标准系统参数关联存储至知识库。

进一步地，处理器1001可以调用存储器1005中存储的超声图像优化程序，还执行以下操作：

根据每张标准切面的特征信息，得到所述标准切面组对应的特征信息组；

计算所述特征信息组的平均值，将所述平均值作为所述标准切面组对应的标准特征信息。

进一步地，处理器1001可以调用存储器1005中存储的超声图像优化程序，还执行以下操作：

当获取到超声图像时，获取所述超声图像的特征信息；

计算所述特征信息与知识库中包含的各个标准特征信息的匹配度；

将与所述特征信息匹配度最高的标准特征信息作为所述超声图像对应的目标标准特征信息。

进一步地，处理器1001可以调用存储器1005中存储的超声图像优化程序，还执行以下操作：

计算所述特征信息与知识库中包含的各个标准特征信息的欧氏距离；

根据所述欧氏距离，得到所述特征信息与知识库中包含的各个标准特征信息的匹配度。

进一步地，处理器1001可以调用存储器1005中存储的超声图像优化程序，还执行以下操作：

根据所述目标系统参数对超声成像系统的超声波发射参数以及图像处理参数进行更新。

进一步地，处理器1001可以调用存储器1005中存储的超声图像优化程序，还执行以下操作：

基于经过更新的超声波发射参数发射超声波，并接收回波信号，对所述回波信号进行处理，得到待显示超声图像；

基于经过更新的图像处理参数对所述待显示超声图像进行图像优化，得到优化超声图像，并显示所述优化超声图像。

参照图2，图2为本发明超声图像优化方法第一实施例的流程示意图。

在一实施例中，超声图像优化方法包括：

步骤S40，当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息；

步骤S50，从所述知识库中获取所述目标标准特征信息对应的目标系统参数；

本实施例中，当超声成像系统启动时，根据当前的超声波发射参数，探头发射超声波，并接收回波信号，经过波束合成等处理，得到RF信号(射频信号)，然后对RF信号进行求模、对数压缩等处理操作，然后基于当前的图像处理系数，得到超声图像。当获取到超声图像时，基于知识库中包含的标准特征信息，确定超声图像对应的目标标准特征信息；从知识库中获取目标标准特征信息对应的目标系统参数。

本实施例中，知识库中关联存储了多组标准特征信息与对应的系统参数。构建知识库的具体实施例可以是：采集各种不同类型人体(如胖、瘦、幼、老、男、女等)的常规标准切面图像。例如，采集若干个不同类型人体的同一类型(如神经、腹部、胎儿等)的常规标准切面图像。本发明一实施例中，采集50个不同类型人体的神经结构A的常规标准切面图像，记作常规标准切面图像组1，以SIFT算法(SIFT，即尺度不变特征变换(Scale-invariantfeature transform，SIFT)，是用于图像处理领域的一种描述，这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子)进行特征提取，获取常规标准切面图像组1中每个常规标准切面图像的特征信息，即获取到50组特征信息，然后计算这50组特征信息的平均值，将该平均值作为常规标准切面图像组1对应的标准特征信息1，获取常规标准切面图像组1对应的系统参数1，将标准特征信息1与系统参数1关联保存至知识库。本实施例中，常规标准切面图像组1对应的系统参数1根据人工实验得到，系统参数1包括：超声波发射参数(用于设置超声波的滤波系数、焦点位置等)、图像处理参数(用于设置图像增益处理系数、灰度变换系数等)。常规标准切面图像组1是多个不同人体的神经结构A的常规标准切面图像，医生在使用超声波成像系统观察人体神经结构A时，经过多次调节系统参数，若当将系统参数调节为系统参数1时，显示的超声图像效果较佳，则将系统参数1作为观察人体神经结构A时适合使用的系统参数，将系统参数1保存，且设置标志信息为神经结构A。后续，在得到常规标准切面图像组1对应的标准特征信息1时，由于常规标准切面图像组1是多个不同人体的神经结构A的常规标准切面图像，则将系统参数1与标准特征信息1关联保存至知识库中。同样的，采集50个不同类型人体的部位B的常规标准切面图像，记作常规标准切面图像组2，以SIFT算法(SIFT，即尺度不变特征变换(Scale-invariant featuretransform，SIFT)，是用于图像处理领域的一种描述，这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子)进行特征提取，获取常规标准切面图像组2中每个常规标准切面图像的特征信息，即获取到50组特征信息，然后计算这50组特征信息的平均值，将该平均值作为常规标准切面图像组2对应的标准特征信息2，获取常规标准切面图像组2对应的系统参数2，将标准特征信息2与系统参数2关联保存至知识库。本实施例中，常规标准切面图像组2对应的系统参数2根据人工实验得到，系统参数2包括：超声波发射参数(用于设置超声波的滤波系数、焦点位置等)、图像处理参数(用于设置图像增益处理系数、灰度变换系数等)。常规标准切面图像组2是多个不同人体的部位B的常规标准切面图像，医生在使用超声波成像系统观察人体部位B时，经过多次调节系统参数，若当将系统参数调节为系统参数2时，显示的超声图像效果较佳，则将系统参数2作为观察人体部位B时适合使用的系统参数，将系统参数2保存，且设置标志信息为部位B。后续，在得到常规标准切面图像组2对应的标准特征信息2时，由于常规标准切面图像组2是多个不同人体的部位B的常规标准切面图像，则将系统参数2与标准特征信息2关联保存至知识库中。以此类推，将多组标准特征信息与对应的系统参数关联存储至知识库中。如表1所示，表1为本发明超声图像优化方法一实施例中知识库的示意表。

表1

标准特征信息	系统参数
		标准特征信息1	系统参数1
标准特征信息2	系统参数2
		标准特征信息3	系统参数3
……	……

本实施例中，构建知识库时，不仅限于通过如上所述的SIFT算法对常规标准切面图像进行特征提取，还可以采取神经网络来进行特征提取，或者其他特征工程方法，总而言之，只需要能够有效得到不同人体同一类型的标准切面图像的共性特征参数即可。

本实施例中，通过SIFT算法，提取当前获取的超声图像的特征信息，然后将该特征信息与知识库中存储的各个标准特征信息进行比对，通过计算该特征信息与知识库中存储的各个标准特征信息的欧氏距离，得到该特征信息与知识库中存储的各个标准特征信息的相似度，若欧氏距离越小，则相似度越高。当通过计算得到当前获取的超声图像的特征信息与标准特征信息1的欧氏距离为X₁，通过计算得到当前获取的超声图像的特征信息与标准特征信息2的欧氏距离为X₂，通过计算得到当前获取的超声图像的特征信息与标准特征信息3的欧氏距离为X₃，通过计算得到当前获取的超声图像的特征信息与标准特征信息n的欧氏距离为X_n，若X₂最小，则确定该特征信息与标准特征信息2的相似度最大，即表明当前获取的超声图像最有可能是部位B的超声图像，则当前需要使用观察人体部位B时适合使用的系统参数来对超声成像系统的参数进行更新，即获取标准特征信息2对应的系统参数2，系统参数2即为超声图像对应的目标系统参数。本实施例中，将当前获取的超声图像，与知识库中存储的标准特征信息进行配准，配准方法包括但不限于SIFT、CNN等图像处理方式，通过配准算法，得到当前超声图像从属于不同标准切面的概率大小。然后将系统参数切换到最大概率的标准切面对应的系统参数，从而优化下次超声发射与接收及图像处理的效果。使后续显示的超声图像具有最贴合医生关注点的图像优化效果。

步骤S60，根据所述目标系统参数对超声成像系统的当前系统参数进行更新；

本实施例中，目标系统参数包括：超声波发射参数(用于设置超声波的滤波系数、焦点位置等)、图像处理参数(用于设置图像增益处理系数、灰度变换系数等)。获取目标系统参数后，将超声成像系统当前的超声波发射参数设置为目标系统参数包括的超声波发射参数，将超声成像系统当前的图像处理参数设置为目标系统参数包括的图像处理参数。

步骤S70，显示当前通过系统参数经过更新的超声成像系统采集到的超声图像。

本实施例中，将超声成像系统的系统参数更新为目标系统参数，使得超声波发射与图像处理均得到优化，从而使后续显示的超声图像具有最贴合医生关注点的图像优化效果。

参照图3，图3为本发明超声图像优化方法第二实施例的流程示意图。如图3所示，1～8为处理步骤先后顺序编号，与大多数超声成像系统的工作原理相同，通过探头发射超声波，并接收回波信号，经过波束合成等处理，得到原始的RF信号，信号前处理这一步骤主要指的是对于RF信号进行求模、对数压缩等前处理操作。而图像后处理指的是增益、动态变换等图像效果提升的后处理部分，这两部分与一般超声系统并无本质区别。这时，获取到超声图像，将当前获取的超声图像，与系统内置的各种标准切面图像数据进行配准，配准方法包括但不限于SIFT、CNN等图像处理方式，通过配准算法，得到当前超声图像从属于不同标准切面的概率大小。然后将系统参数切换到最大概率的标准切面对应的预置参数，从而优化下次超声发射与接收及图像处理的效果(即优化了超声波发射参数与图像处理参数)。使下一帧开始的图像具有最贴合医生关注点的图像优化效果。

本实施例中，当获取到超声图像时，基于知识库，确定超声图像对应的目标系统参数；根据目标系统参数对超声成像系统的当前系统参数进行更新；通过系统参数经过更新的超声成像系统，显示优化超声图像。通过本实施例，医生在使用超声成像系统对病人进行诊断时，基于超声成像系统获取的超声图像，对该超声图像进行图像配准，自动确定该超声图像对应的目标系统参数，并通过目标系统参数对超声成像系统的当前系统参数进行更新，从而通过系统参数经过更新的超声成像系统，显示优化超声图像，免去医生频繁手动切换检查模式的工作，提高诊疗效率。

参照图4，图4为本发明超声图像优化方法第三实施例的流程示意图。

本发明超声图像优化方法一实施例中，步骤S40之前，包括：

步骤S10，获取标准切面组，并提取所述标准切面组中每张标准切面的特征信息；

步骤S20，根据每张标准切面的特征信息，计算得到所述标准切面组对应的标准特征信息；

步骤S30，接收所述标准切面组对应的标准系统参数，将所述标准特征信息以及标准系统参数关联存储至知识库。

本实施例中，知识库中关联存储了多组标准特征信息与对应的系统参数。构建知识库的具体实施例可以是：采集各种不同类型人体(如胖、瘦、幼、老、男、女等)的常规标准切面图像。例如，采集若干个不同类型人体的同一类型(如神经、腹部、胎儿等)的常规标准切面图像。本发明一实施例中，采集50个不同类型人体的神经结构A的常规标准切面图像，记作常规标准切面图像组1，以SIFT算法(SIFT，即尺度不变特征变换(Scale-invariantfeature transform，SIFT)，是用于图像处理领域的一种描述，这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子)进行特征提取，获取常规标准切面图像组1中每个常规标准切面图像的特征信息，如获取50组特征信息，然后计算这50组特征信息的平均值，将该平均值作为常规标准切面图像组1对应的标准特征信息1，获取常规标准切面图像组1对应的系统参数1，将标准特征信息1与系统参数1关联保存至知识库。本实施例中，常规标准切面图像组1对应的系统参数1根据人工实验得到，系统参数1包括：超声波发射参数(用于设置超声波的滤波系数、焦点位置等)、图像处理参数(用于设置图像增益处理系数、灰度变换系数等)。常规标准切面图像组1是多个不同人体的神经结构A的常规标准切面图像，医生在使用超声波成像系统观察人体神经结构A时，经过多次调节系统参数，若当将系统参数调节为系统参数1时，显示的超声图像效果较佳，则将系统参数1作为观察人体神经结构A时适合使用的系统参数，将系统参数1保存，且设置标志信息为神经结构A。后续，在得到常规标准切面图像组1对应的标准特征信息1时，由于常规标准切面图像组1是多个不同人体的神经结构A的常规标准切面图像，则将系统参数1与标准特征信息1关联保存至知识库中。同样的，采集50个不同类型人体的部位B的常规标准切面图像，记作常规标准切面图像组2，以SIFT算法(SIFT，即尺度不变特征变换(Scale-invariant featuretransform，SIFT)，是用于图像处理领域的一种描述，这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子)进行特征提取，获取常规标准切面图像组2中每个常规标准切面图像的特征信息，如获取50组特征信息，然后计算这50组特征信息的平均值，将该平均值作为常规标准切面图像组2对应的标准特征信息2，获取常规标准切面图像组2对应的系统参数2，将标准特征信息2与系统参数2关联保存至知识库。本实施例中，常规标准切面图像组2对应的系统参数2根据人工实验得到，系统参数2包括：超声波发射参数(用于设置超声波的滤波系数、焦点位置等)、图像处理参数(用于设置图像增益处理系数、灰度变换系数等)。常规标准切面图像组2是多个不同人体的部位B的常规标准切面图像，医生在使用超声波成像系统观察人体部位B时，经过多次调节系统参数，若当将系统参数调节为系统参数2时，显示的超声图像效果较佳，则将系统参数2作为观察人体部位B时适合使用的系统参数，将系统参数2保存，且设置标志信息为部位B。后续，在得到常规标准切面图像组2对应的标准特征信息2时，由于常规标准切面图像组2是多个不同人体的部位B的常规标准切面图像，则将系统参数2与标准特征信息2关联保存至知识库中。以此类推，将多组标准特征信息与对应的系统参数关联存储至知识库中。如表1所示，表1为本发明超声图像优化方法一实施例中知识库的示意表。

本实施例中，构建知识库时，不仅限于通过如上所述的SIFT算法对常规标准切面图像进行特征提取，还可以采取神经网络来进行特征提取，或者其他特征工程方法，总而言之，只需要能够有效得到不同人体同一类型的标准切面图像的共性特征参数即可。

本实施例中，预先构建知识库，后续，将获取的超声图像，与知识库中存储的标准特征信息进行配准，得到当前超声图像从属于不同标准切面的概率大小。然后将系统参数切换到最大概率的标准切面对应的系统参数，从而优化下次超声发射与接收及图像处理的效果。使后续显示的超声图像具有最贴合医生关注点的图像优化效果。

进一步的，本发明超声图像优化方法一实施例中，步骤S20包括：

根据每张标准切面的特征信息，得到所述标准切面组对应的特征信息组；

计算所述特征信息组的平均值，将所述平均值作为所述标准切面组对应的标准特征信息。

本实施例中，知识库中关联存储了多组标准特征信息与对应的系统参数。构建知识库的具体实施例可以是：采集各种不同类型人体(如胖、瘦、幼、老、男、女等)的常规标准切面图像。例如，采集若干个不同类型人体的同一类型(如神经、腹部、胎儿等)的常规标准切面图像。本发明一实施例中，采集50个不同类型人体的神经结构A的常规标准切面图像，记作常规标准切面图像组1，以SIFT算法(SIFT，即尺度不变特征变换(Scale-invariantfeature transform，SIFT)，是用于图像处理领域的一种描述，这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子)进行特征提取，获取常规标准切面图像组1中每个常规标准切面图像的特征信息，如获取50组特征信息，然后计算这50组特征信息的平均值，将该平均值作为常规标准切面图像组1对应的标准特征信息1，获取常规标准切面图像组1对应的系统参数1，将标准特征信息1与系统参数1关联保存至知识库。本实施例中，常规标准切面图像组1对应的系统参数1根据人工实验得到，系统参数1包括：超声波发射参数(用于设置超声波的滤波系数、焦点位置等)、图像处理参数(用于设置图像增益处理系数、灰度变换系数等)。常规标准切面图像组1是多个不同人体的神经结构A的常规标准切面图像，医生在使用超声波成像系统观察人体神经结构A时，经过多次调节系统参数，若当将系统参数调节为系统参数1时，显示的超声图像效果较佳，则将系统参数1作为观察人体神经结构A时适合使用的系统参数，将系统参数1保存，且设置标志信息为神经结构A。后续，在得到常规标准切面图像组1对应的标准特征信息1时，由于常规标准切面图像组1是多个不同人体的神经结构A的常规标准切面图像，则将系统参数1与标准特征信息1关联保存至知识库中。同样的，采集50个不同类型人体的部位B的常规标准切面图像，记作常规标准切面图像组2，以SIFT算法(SIFT，即尺度不变特征变换(Scale-invariant featuretransform，SIFT)，是用于图像处理领域的一种描述，这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子)进行特征提取，获取常规标准切面图像组2中每个常规标准切面图像的特征信息，如获取50组特征信息，然后计算这50组特征信息的平均值，将该平均值作为常规标准切面图像组2对应的标准特征信息2，获取常规标准切面图像组2对应的系统参数2，将标准特征信息2与系统参数2关联保存至知识库。本实施例中，常规标准切面图像组2对应的系统参数2根据人工实验得到，系统参数2包括：超声波发射参数(用于设置超声波的滤波系数、焦点位置等)、图像处理参数(用于设置图像增益处理系数、灰度变换系数等)。常规标准切面图像组2是多个不同人体的部位B的常规标准切面图像，医生在使用超声波成像系统观察人体部位B时，经过多次调节系统参数，若当将系统参数调节为系统参数2时，显示的超声图像效果较佳，则将系统参数2作为观察人体部位B时适合使用的系统参数，将系统参数2保存，且设置标志信息为部位B。后续，在得到常规标准切面图像组2对应的标准特征信息2时，由于常规标准切面图像组2是多个不同人体的部位B的常规标准切面图像，则将系统参数2与标准特征信息2关联保存至知识库中。以此类推，将多组标准特征信息与对应的系统参数关联存储至知识库中。如表1所示，表1为本发明超声图像优化方法一实施例中知识库的示意表。

本实施例中，构建知识库时，不仅限于通过如上所述的SIFT算法对常规标准切面图像进行特征提取，还可以采取神经网络来进行特征提取，或者其他特征工程方法，总而言之，只需要能够有效得到不同人体同一类型的标准切面图像的共性特征参数即可。

本实施例中，预先构建知识库，将当前获取的超声图像，与知识库中存储的标准特征信息进行配准，得到当前超声图像从属于不同标准切面的概率大小。然后将系统参数切换到最大概率的标准切面对应的系统参数，从而优化下次超声发射与接收及图像处理的效果。使后续显示的超声图像具有最贴合医生关注点的图像优化效果。

进一步的，本发明超声图像优化方法一实施例中，步骤S40包括：

当获取到超声图像时，获取所述超声图像的特征信息；

计算所述特征信息与知识库中包含的各个标准特征信息的匹配度；

将与所述特征信息匹配度最高的标准特征信息作为所述超声图像对应的目标标准特征信息。

本实施例中，通过SIFT算法，提取当前获取的超声图像的特征信息，然后将该特征信息与知识库中存储的各个标准特征信息进行比对，通过计算该特征信息与知识库中存储的各个标准特征信息的欧氏距离，得到该特征信息与知识库中存储的各个标准特征信息的相似度，若欧氏距离越小，则相似度越高。当通过计算得到当前获取的超声图像的特征信息与标准特征信息1的欧氏距离为X₁，通过计算得到当前获取的超声图像的特征信息与标准特征信息2的欧氏距离为X₂，通过计算得到当前获取的超声图像的特征信息与标准特征信息3的欧氏距离为X₃，通过计算得到当前获取的超声图像的特征信息与标准特征信息n的欧氏距离为X_n，若X₂最小，则确定该特征信息与标准特征信息2的相似度最大，即表明当前获取的超声图像最有可能是部位B的超声图像，则当前需要使用观察人体部位B时适合使用的系统参数来对超声成像系统的参数进行更新，即获取标准特征信息2对应的系统参数2，系统参数2即为超声图像对应的目标系统参数。本实施例中，将当前获取的超声图像，与知识库中存储的标准特征信息进行配准，配准方法包括但不限于SIFT、CNN等图像处理方式，通过配准算法，得到当前超声图像从属于不同标准切面的概率大小。然后将系统参数切换到最大概率的标准切面对应的系统参数，从而优化下次超声发射与接收及图像处理的效果。使后续显示的超声图像具有最贴合医生关注点的图像优化效果。

进一步的，本发明超声图像优化方法一实施例中，所述计算所述特征信息与知识库中包含的各个标准特征信息的匹配度包括：

计算所述特征信息与知识库中包含的各个标准特征信息的欧氏距离；

根据所述欧氏距离，得到所述特征信息与知识库中包含的各个标准特征信息的匹配度。

本实施例中，通过SIFT算法，提取当前获取的超声图像的特征信息，然后将该特征信息与知识库中存储的各个标准特征信息进行比对，通过计算该特征信息与知识库中存储的各个标准特征信息的欧氏距离，得到该特征信息与知识库中存储的各个标准特征信息的相似度，若欧氏距离越小，则相似度越高。当通过计算得到当前获取的超声图像的特征信息与标准特征信息1的欧氏距离为X₁，通过计算得到当前获取的超声图像的特征信息与标准特征信息2的欧氏距离为X₂，通过计算得到当前获取的超声图像的特征信息与标准特征信息3的欧氏距离为X₃，通过计算得到当前获取的超声图像的特征信息与标准特征信息n的欧氏距离为X_n，若X₂最小，则确定该特征信息与标准特征信息2的相似度最大，即表明当前获取的超声图像最有可能是部位B的超声图像，则当前需要使用观察人体部位B时适合使用的系统参数来对超声成像系统的参数进行更新，即获取标准特征信息2对应的系统参数2，系统参数2即为超声图像对应的目标系统参数。本实施例中，将当前获取的超声图像，与知识库中存储的标准特征信息进行配准，配准方法包括但不限于SIFT、CNN等图像处理方式，通过配准算法，得到当前超声图像从属于不同标准切面的概率大小。然后将系统参数切换到最大概率的标准切面对应的系统参数，从而优化下次超声发射与接收及图像处理的效果。使后续显示的超声图像具有最贴合医生关注点的图像优化效果。

进一步的，本发明超声图像优化方法一实施例中，步骤S60包括：

根据所述目标系统参数对超声成像系统的超声波发射参数以及图像处理参数进行更新。

本实施例中，目标系统参数包括：超声波发射参数(用于设置超声波的滤波系数、焦点位置等)、图像处理参数(用于设置图像增益处理系数、灰度变换系数等)。获取目标系统参数后，将超声成像系统当前的超声波发射参数设置为目标系统参数包括的超声波发射参数，将超声成像系统当前的图像处理参数设置为目标系统参数包括的图像处理参数，从而优化下次超声发射与接收及图像处理的效果，使后续显示的超声图像具有最贴合医生关注点的图像优化效果。

进一步的，本发明超声图像优化方法一实施例中，步骤S70包括：

基于经过更新的超声波发射参数发射超声波，并接收回波信号，对所述回波信号进行处理，得到待显示超声图像；

基于经过更新的图像处理参数对所述待显示超声图像进行图像优化，得到优化超声图像，并显示所述优化超声图像。

本实施例中，将超声成像系统的系统参数更新为目标系统参数，使得超声波发射与图像处理均得到优化，从而使后续显示的超声图像具有最贴合医生关注点的图像优化效果。

参照图3，图3为本发明超声图像优化方法第二实施例的流程示意图。如图3所示，1～8为处理步骤先后顺序编号，与大多数超声成像系统的工作原理相同，通过探头发射超声波，并接收回波信号，经过波束合成等处理，得到原始的RF信号，信号前处理这一步骤主要指的是对于RF信号进行求模、对数压缩等前处理操作。而图像后处理指的是增益、动态变换等图像效果提升的后处理部分，这两部分与一般超声系统并无本质区别。这时，获取到超声图像，将当前获取的超声图像，与系统内置的各种标准切面图像数据进行配准，配准方法包括但不限于SIFT、CNN等图像处理方式，通过配准算法，得到当前超声图像从属于不同标准切面的概率大小。然后将系统参数切换到最大概率的标准切面对应的预置参数，从而优化下次超声发射与接收及图像处理的效果(即优化了超声波发射参数与图像处理参数)，使下一帧开始的图像具有最贴合医生关注点的图像优化效果。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有超声图像优化程序，所述超声图像优化程序被处理器执行时实现如上所述的超声图像优化方法的步骤。

本发明计算机可读存储介质的具体实施例与上述超声图像优化方法的各个实施例基本相同，在此不做赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种超声图像优化方法，其特征在于，所述超声图像优化方法包括：

当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息；

从所述知识库中获取所述目标标准特征信息对应的目标系统参数；

根据所述目标系统参数对超声成像系统的当前系统参数进行更新；

显示当前通过系统参数经过更新的超声成像系统采集到的超声图像。

2.如权利要求1所述的超声图像优化方法，其特征在于，所述当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息之前，还包括：

获取标准切面组，并提取所述标准切面组中每张标准切面的特征信息；

根据每张标准切面的特征信息，计算得到所述标准切面组对应的标准特征信息；

接收所述标准切面组对应的标准系统参数，将所述标准特征信息以及标准系统参数关联存储至知识库。

3.如权利要求2所述的超声图像优化方法，其特征在于，所述根据每张标准切面的特征信息，计算得到所述标准切面组对应的标准特征信息的步骤包括：

根据每张标准切面的特征信息，得到所述标准切面组对应的特征信息组；

计算所述特征信息组的平均值，将所述平均值作为所述标准切面组对应的标准特征信息。

4.如权利要求1所述的超声图像优化方法，其特征在于，所述当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息的步骤包括：

当获取到超声图像时，获取所述超声图像的特征信息；

计算所述特征信息与知识库中包含的各个标准特征信息的匹配度；

将与所述特征信息匹配度最高的标准特征信息作为所述超声图像对应的目标标准特征信息。

5.如权利要求4所述的超声图像优化方法，其特征在于，所述计算所述特征信息与知识库中包含的各个标准特征信息的匹配度包括：

计算所述特征信息与知识库中包含的各个标准特征信息的欧氏距离；

根据所述欧氏距离，得到所述特征信息与知识库中包含的各个标准特征信息的匹配度。

6.如权利要求1所述的超声图像优化方法，其特征在于，所述根据所述目标系统参数对超声成像系统的当前系统参数进行更新的步骤包括：

根据所述目标系统参数对超声成像系统的超声波发射参数以及图像处理参数进行更新。

7.如权利要求1至6中任一项所述的超声图像优化方法，其特征在于，所述通过系统参数经过更新的超声成像系统，显示当前的优化超声图像的步骤包括：

基于经过更新的超声波发射参数发射超声波，并接收回波信号，对所述回波信号进行处理，得到待显示超声图像；

基于经过更新的图像处理参数对所述待显示超声图像进行图像优化，得到优化超声图像，并显示所述优化超声图像。

8.一种超声图像优化装置，其特征在于，所述超声图像优化装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的超声图像优化程序，所述超声图像优化程序被所述处理器执行时实现如下步骤：

当获取到超声图像时，基于知识库中包含的标准特征信息，确定所述超声图像对应的目标标准特征信息；

从所述知识库中获取所述目标标准特征信息对应的目标系统参数；

根据所述目标系统参数对超声成像系统的当前系统参数进行更新；

显示当前通过系统参数经过更新的超声成像系统采集到的超声图像。

9.如权利要求8所述的超声图像优化装置，其特征在于，所述超声图像优化程序被所述处理器执行时还实现如权利要求2至7中任一项所述的超声图像优化方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有超声图像优化程序，所述超声图像优化程序被处理器执行时实现如权利要求1至7中任一项所述的超声图像优化方法的步骤。