CN109493383B - 超声图像中内中膜厚度的测量方法、服务器及存储介质 - Google Patents
超声图像中内中膜厚度的测量方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN109493383B CN109493383B CN201811402839.2A CN201811402839A CN109493383B CN 109493383 B CN109493383 B CN 109493383B CN 201811402839 A CN201811402839 A CN 201811402839A CN 109493383 B CN109493383 B CN 109493383B
- Authority
- CN
- China
- Prior art keywords
- boundary
- intima
- media
- roi
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000012528 membrane Substances 0.000 claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 210000002808 connective tissue Anatomy 0.000 claims abstract description 31
- 238000003708 edge detection Methods 0.000 claims abstract description 25
- 230000000877 morphologic effect Effects 0.000 claims abstract description 16
- 210000003716 mesoderm Anatomy 0.000 claims abstract description 12
- 238000002604 ultrasonography Methods 0.000 claims description 47
- 238000012545 processing Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 230000001629 suppression Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 210000004231 tunica media Anatomy 0.000 description 8
- 210000001715 carotid artery Anatomy 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 241000270295 Serpentes Species 0.000 description 4
- 201000001320 Atherosclerosis Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000004026 tunica intima Anatomy 0.000 description 2
- 229920000535 Tan II Polymers 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000003981 ectoderm Anatomy 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了超声图像中内中膜厚度的测量方法、服务器及存储介质中，所述超声图像中内中膜厚度的测量方法在超声图像中选出ROI区域，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘；平移该管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置；根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正并描绘；对描绘的管腔内膜边界和中膜外膜边界进行距离测量计算，根据计算结果判断边界描绘的正确性。这样获得的内中膜厚度的测量描迹较好，精度较高。
Description
技术领域
本发明涉及测量技术领域，具体涉及超声图像中内中膜厚度的测量方法、服务器及存储介质。
背景技术
颈动脉的内中膜厚度是能够反映动脉粥样硬化的重要指标，在临床上得到广泛应用。颈部主动脉血管是动脉粥状硬化病变的常见部位，血液中的脂质在血管内壁沉积，使血管内壁的内中膜结构增生变厚，从而使动脉变窄，医学上称为动脉粥状硬化。
内中膜厚度最开始是由医生手动描出边界来进行测量，这种方法不仅工作量大，而且测量结果也存在较大的偏差。之后逐渐提出自动化测量内中膜厚度的方法，包括Hough变换方法和Snake方法等。但是，Hough变换方法仅能检测出笔直的直线，而内中膜通常都有弧度，检测存在误差。Snake方法是基于区域分割，虽然能计算出内中膜厚度，但对初始位置敏感，需要依赖其他机制将Snake模型放置在感兴趣的图像特征附近；易陷入局部极值甚至发散，无法收敛到轮廓深度凹陷部分。
因此，现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足之处，本发明的目的在于提供一种超声图像中内中膜厚度的测量方法、服务器及存储介质，通过Canny边缘检测和形态学运算找出管腔内膜边界，平移管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置；根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正并描绘；这样获得的内中膜厚度的测量描迹较好，且精度较高。为了达到上述目的，本发明采取了以下技术方案：
一种超声图像中内中膜厚度的测量方法，其包括：
步骤A、在超声图像中选出ROI区域，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘；
步骤B、平移该管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置；
步骤C、根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正并描绘；
步骤D、对描绘的管腔内膜边界和中膜外膜边界进行距离测量计算，根据计算结果判断边界描绘的正确性。
所述的超声图像中内中膜厚度的测量方法中，在所述步骤A中，所述在超声图像中选出ROI区域之后，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘之前，还包括：
判断ROI区域为内中膜的前壁还是后壁：若是前壁，将ROI区域的图像上下翻转后输出ROI区域；若是后壁，直接输出ROI区域。
所述的超声图像中内中膜厚度的测量方法中，在所述步骤A中，所述Canny边缘检测具体包括：
步骤A11、对ROI区域的图像进行高斯平滑处理去除噪声；
步骤A12、对高斯平滑后的ROI区域的图像寻找强度梯度；
步骤A13、对所述图像的强度梯度进行非极大值抑制来消除边误检；
步骤A14、对抑制后的图像进行双阈值判断来确定初始的边界；
步骤A15、使用滞后技术来跟踪边界。
所述的超声图像中内中膜厚度的测量方法中，在所述步骤B中，使用Sobel算子计算整个ROI图像的梯度，再计算管腔内膜边界上每个像素点在x方向和y方向的梯度加权和作为这一像素点的实际梯度grad(x,y)；x为像素点的横坐标，y为纵坐标，grad()表示对应像素点在x，y两方向加权后的梯度值。
所述的超声图像中内中膜厚度的测量方法中，在所述步骤C中，动态规划计算的函数为：
其中，y1,y2,...,yn，为管腔内膜边界的曲线上n个像素点的位置，grad(yk)为yk处的梯度值，α[i-k+1]即α0，α1，α2，为三个加权系数；j为[k-1，k+1]内的整数；n、k均为正整数，n为曲线横向的像素点个数；sd使用5个连续的像素点，其中首尾两点估出水平的直线位置，中间三点用于计算其偏离的方差表示当前k点与周围点的直线拟合程度，用于对三点的值进行加权；β>0，用于平衡sd过小带来的过大的加权；H的极大值对应的n个像素点即为中膜外膜边界。
所述的超声图像中内中膜厚度的测量方法中，在所述步骤D中，对描绘出的管腔内膜边界和中膜外膜边界的最大值、最小值、平均值和标准差进行测量计算；将管腔内膜边界和中膜外膜边界的曲线分为m段，每段长度相等，分别求出每段间的距离的平均值是否超出IMT范围；若平均值没有超出IMT范围，则测量结果符合要求，输出对管腔内膜边界和中膜外膜边界进行描迹的超声图像。
所述的超声图像中内中膜厚度的测量方法中，在所述步骤D中，若平均值超出IMT范围，返回步骤A重新选ROI区域的位置。
一种超声图像中内中膜厚度的测量的服务器，其包括：处理器、存储器、通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器和存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现所述的超声图像中内中膜厚度的测量方法中的步骤。
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存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现所述的超声图像中内中膜厚度的测量方法中的步骤。
本发明提供的超声图像中内中膜厚度的测量方法、服务器及存储介质中，所述超声图像中内中膜厚度的测量方法在超声图像中选出ROI区域，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘；平移该管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置；根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正并描绘；对描绘的管腔内膜边界和中膜外膜边界进行距离测量计算，根据计算结果判断边界描绘的正确性。这样获得的内中膜厚度的测量描迹较好，精度较高。
附图说明
图1为本发明实施例提供的超声图像中内中膜厚度的测量方法的流程图；
图2为本发明实施例提供的颈动脉后壁的超声图像中，内中膜厚度的示意图；
图3为本发明实施例提供的超声图像中ROI区域的选择示意图；
图4为本发明实施例提供的内中膜计算前的ROI区域示意图；
图5为本发明实施例提供的计算出的内中膜位置示意图；
图6为本发明提供的超声图像中内中膜厚度的测量的服务器的较佳实施例的运行环境示意图；
图7为本发明安装超声图像中内中膜厚度的测量的服务器的较佳实施例的功能模块图。
具体实施方式
鉴于现有技术中内中膜厚度的测量方法精度不高的缺点，本发明的目的在于提供一种超声图像中内中膜厚度的测量方法、服务器及存储介质，通过Canny边缘检测和形态学运算找出管腔内膜边界，平移管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置；根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正并描绘；这样获得的内中膜厚度的测量描迹较好，且精度较高。为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
请参阅图1，其为本发明实施例一提供的超声图像中内中膜厚度的测量方法的流程图。如图1所示，所述超声图像中内中膜厚度的测量方法包括以下步骤：
S10、在超声图像中选出ROI区域，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘；
S20、平移该管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置；
S30、根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正并描绘；
S40、对描绘的管腔内膜边界和中膜外膜边界进行距离测量计算，根据计算结果判断边界描绘的正确性。
如图2所示，在颈动脉后壁的部分超声图像中，两条虚线之间即为内中膜厚度。两条平行边界即管腔内膜边界(LII)和中膜外膜边界(MAI)。在所述步骤S10中，先选出ROI(感兴趣)区域待测量，具体为：显示超声图像和ROI框，根据操作将ROI框放置在超声图像中的对应位置，ROI框所框住的区域即为ROI区域。例如，若测量颈动脉后壁的内中膜厚度，先打出超声颈动脉图像，且内中膜要尽量清晰；然后将ROI框(白色框)至于图3所示位置即可，即ROI框的上部分需位于颈动脉内部，下部分包含内中膜待测量位置即可。
本实施例以内中膜的后壁测量为例，前壁的测量可将ROI区域图像上下翻转再进行下述相同过程。则在所述步骤S10中，在超声图像中选出ROI区域之后，还包括：判断ROI区域为内中膜的前壁还是后壁：若是前壁，将ROI区域的图像上下翻转后输出ROI区域；若是后壁，直接输出ROI区域。
请一并参阅图4和图5；接着采用Canny边缘检测对输出的ROI区域进行边缘检测，从上到下检测出作为边缘的像素点，以找出管腔内膜边界(LII)的初步轮廓。其中，Canny边缘检测步骤包括：
S11、对ROI区域的图像进行高斯平滑处理去除噪声；
高斯卷积核以5×5为例：
S12、对高斯平滑后的ROI区域的图像寻找强度梯度；
θ＝a tan2(Gy,Gx)；其中，Gx、Gy为ROI区域中各像素点在x，y方向(横向和纵向)的梯度值，G为ROI区域中各像素点的强度梯度；θ为梯度方向，可以反应出各像素点的灰度变化，边界清楚的地方灰度值更大，此步骤是为边缘检测做准备。在求取各像素点的梯度时，需按横向和纵向两个方向分别求取，再取平方和开根号得到梯度值；θ表示这个梯度值的方向(可以理解为，每个像素点的梯度为一个向量，G为向量的模，θ为向量的方向)。
S13、对所述图像的强度梯度进行非极大值抑制来消除边误检；
本步骤将每个像素点与其周边相邻的8个像素点进行比较，若该像素点的梯度强度最大，则保留，否则抑制。
S14、对抑制后的图像进行双阈值判断来确定初始的边界；
对步骤S13的结果进行双阈值判定，若像素点大于预设的阈值上界则认为必然是边界(强边界)，若小于预设的阈值下界则认为必然不是边界，两者之间的认为是弱边界；从而判断出可能的边界。此为初始判断，还需后续步骤对边界进行细化确认。
S15、使用滞后技术来跟踪边界。
对于步骤14中判断出的强边界和弱边界，滞后技术即是将与强边界连接的弱边界判断为边界，其他没有与强边界连接的弱边界则判断为不是边界。
通过使用Canny边缘检测可以剔除超声图像中的噪声影响，还能针对内中膜图像的特性调整双阈值的设置来更准确的检测内中膜的LII，实用性很高。
通过上述Canny边缘检测之后，基于ROI图像的特点和内中膜的超声图像成像特点，颈动脉内部的图像基本为黑色且检测不到边界，Canny检测很容易监测到不连续的内中膜上边界，即LII可能存在中间有部分边界缺失(即边界不是完全连续的曲线)，导致Canny边缘检测后有部分边缘断裂。因此，还需对步骤S15处理后的结果进行形态学闭运算来解决不连续性，即可填补断裂的空隙，使上边界轮廓清晰完整；从而准确地检测出LII。
对步骤S15处理得到的图像，从左到右在竖直方向、从上到下选取第一个像素点为边界的点，即得到一条不连续的包含适度噪声的内中膜内膜边界；以内中膜内膜边界为分界线，对分界线下部置1，再对此结果进行形态学闭运算，即得到分界线连续的图像，此分界线即为LII。
在所述步骤S20中，本实施例平移该管腔内膜边界(LII)至其下方的IMT范围(0.4mm～1.4mm)内；在具体实施时根据超声图像实际比例，换算为像素距离，在此像素距离内平移。然后使用Sobel算子计算整个ROI图像的梯度(x方向和y方向)，再计算管腔内膜边界上每个像素点(LII的边界线为从左到右连续的一条曲线，比如宽度为200像素的ROI区域，则曲线从左到右就是200个点)在x方向和y方向的梯度加权和作为这一像素点的实际梯度grad(x,y)，其中，x为像素点的横坐标，y为纵坐标，grad()表示对应像素点在x，y两方向加权后的梯度值，使用Sobel算子计算梯度值。在加权计算时，由于内中膜的方向以水平(x)方向为主，故对竖直(y)方向梯度的权重更大一些，可有利于后续的过程。
由于内中膜两边缘近似平行，所以可以根据管腔内膜边界的形状在特定范围内寻找中膜外膜边界。根据内中膜固有的距离特性，即IMT(intima-medialthickness，内中膜厚度)大于0.4mm且小于1.4mm，可在此范围内寻找。
在IMT范围(0.4mm～1.4mm)内，通过在竖直方向上平移该曲线，且在每个位置计算了曲线上各像素点的梯度和，比较各个位置的梯度和，即可找到最大值。沿此曲线方向的gi最大值，即最大的位置，记为中膜外膜边界的预估位置。
由于两边界只是近似平行，再结合超声图像固有的斑点噪声以及人体组织的特性，上述步骤仅能初步确定中膜外膜边界的大概位置，还需要计算中膜外膜边界更准确的位置。本实施例通过步骤S30使用动态规划的方法，调整上一步得到的下边界，使其梯度值大且平滑，动态规划计算的函数如下：
其中，y1,y2,...,yn，为管腔内膜边界的曲线上n个像素点的位置，grad(yk)为yk处的梯度值，α[i-k+1]即α0，α1，α2，为三个加权系数。根据Σ求和符号的含义，j即表示为[k-1，k+1]内的整数，n表示n个点，故必然为正整数；k为正整数，n为曲线横向的像素点个数；sd使用5个连续的像素点，其中首尾两点估出水平的直线位置，中间三点用于计算其偏离的方差表示当前k点与周围点的直线拟合程度，用于对三点的值进行加权，调整权值达到更理想的效果；β>0，用于平衡sd过小带来的过大的加权；sd越小，越趋向于平滑，即是期望的形态：梯度大与更平滑的折中处理。grad/sd即用像素点的梯度与拟合程度加权。使用动态规划的方法，使yk在一定范围内，找到H的极大值对应的n个点，即为准确度较高的中膜外膜边界。
获得最终的管腔内膜边界和中膜外膜边界后，本实施例通过步骤S40对边界描绘结果做初步判断，即判断边界是否连续，若不连续则需重新选取位置测量。
初步判断时，对描绘出的管腔内膜边界和中膜外膜边界的最大值、最小值、平均值和标准差进行测量计算。将曲线(即上述步骤得到的内中膜边界曲线，上下两条(LII和MAI)共为一对，计算距离时横向将曲线分为m段)分为m段，每段长度相等，分别求出每段间的距离的平均值是否超出IMT范围(0.4mm-1.4mm)。由于内中膜边界曲线为上下两条，分成m段后，每段都是上下两条。计算每段间上下两条之间的距离。m段曲线中设置每段距离为d(i)，则对此m个距离取最大值和最小值，即可计算出平均值和标准差。
IMT范围即0.4mm-1.4mm，计算距离的平均值能较好的反应是否在此IMT范围内，最小值和最大值也可作为辅助判断，计算得到的标准差即为测量的误差范围。
若每段间的距离的平均值超出IMT范围，则重新选出ROI区域的位置。若测量结果符合要求，即可输出对管腔内膜边界和中膜外膜边界进行描迹的超声图像给医师作诊断参考，如图5所示的两条平行的线条。医师可以根据管腔内膜边界和中膜外膜边界的描迹判断是否测量正确。
请参阅图6，图6为一个实施例中计算机设备的内部结构示意图。该计算机设备可以是终端，也可以是服务器，其中，终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。参照图6，该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、内存储器和socket接口。其中，该计算机设备的非易失性存储介质可存储操作系统和计算机可读程序，该计算机可读程序被执行时，可使得处理器执行一种超声图像中内中膜厚度的测量方法。该计算机设备的处理器用于提供配置和计算能力，支撑整个计算机设备的运行。该内存储器中可储存有计算机可读程序，该计算机可读程序被处理器执行时，可使得处理器执行一种超声图像中内中膜厚度的测量方法。计算机设备的socket络接口用于进行数据传输，如将生成好的测量程序写入控制系统等。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明还提供一种超声图像中内中膜厚度的测量的服务器，其包括处理器10、存储器20及显示器30。图6仅示出了超声图像中内中膜厚度的测量的服务器的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述超声图像中内中膜厚度的测量的服务器的各组件的内部存储单元，例如服务器的硬盘或内存。所述存储器20在另一些实施例中也可以是所述超声图像中内中膜厚度的测量的服务器的各组件的外部存储设备，例如超声图像中内中膜厚度的测量的服务器的各组件上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述超声图像中内中膜厚度的测量的服务器的内部存储单元也包括外部存储设备。所述存储器20(包括图形库和数据库)用于存储安装于所述超声图像中内中膜厚度的测量的服务器的应用软件及各类数据，例如所述安装超声图像中内中膜厚度的测量的服务器的程序代码，数据包括管腔内膜边界和中膜外膜边界的描绘数值、ROI区域的梯度、Canny边缘检测和形态学运算的公式等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有超声图像中内中膜厚度的测量程序40，该超声图像中内中膜厚度的测量程序40被处理器10所执行，从而实现本申请各实施例的超声图像中内中膜厚度的测量方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述超声图像中内中膜厚度的测量方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示超声图像中的ROI区域、管腔内膜边界和中膜外膜边界的描绘线等。所述超声图像中内中膜厚度的测量的服务器的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中超声图像中内中膜厚度的测量程序40时实现以下步骤：
步骤A、在超声图像中选出ROI区域，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘；
步骤B、平移该管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置；
步骤C、根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正并描绘；
步骤D、对描绘的管腔内膜边界和中膜外膜边界进行距离测量计算，根据计算结果判断边界描绘的正确性。
进一步的，在所述步骤A中，所述在超声图像中选出ROI区域之后，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘之前，还包括：
判断ROI区域为内中膜的前壁还是后壁：若是前壁，将ROI区域的图像上下翻转后输出ROI区域；若是后壁，直接输出ROI区域。
在所述步骤A中，所述Canny边缘检测具体包括：
步骤A11、对ROI区域的图像进行高斯平滑处理去除噪声；
步骤A12、对高斯平滑后的ROI区域的图像寻找强度梯度；
步骤A13、对所述图像的强度梯度进行非极大值抑制来消除边误检；
步骤A14、对抑制后的图像进行双阈值判断来确定初始的边界；
步骤A15、使用滞后技术来跟踪边界。
在所述步骤B中，使用Sobel算子计算整个ROI图像的梯度，再计算管腔内膜边界上每个像素点在x方向和y方向的梯度加权和作为这一像素点的实际梯度grad(x,y)；x为像素点的横坐标，y为纵坐标，grad()表示对应像素点在x，y两方向加权后的梯度值。
在所述步骤C中，动态规划计算的函数为：
其中，y1,y2,...,yn，为管腔内膜边界的曲线上n个像素点的位置，grad(yk)为yk处的梯度值，α[i-k+1]即α0，α1，α2，为三个加权系数；j为[k-1，k+1]内的整数；n、k均为正整数，n为曲线横向的像素点个数；sd使用5个连续的像素点，其中首尾两点估出水平的直线位置，中间三点用于计算其偏离的方差表示当前k点与周围点的直线拟合程度，用于对三点的值进行加权；β>0，用于平衡sd过小带来的过大的加权；H的极大值对应的n个像素点即为中膜外膜边界。
在所述步骤D中，对描绘出的管腔内膜边界和中膜外膜边界的最大值、最小值、平均值和标准差进行测量计算；将管腔内膜边界和中膜外膜边界的曲线分为m段，每段长度相等，分别求出每段间的距离的平均值是否超出IMT范围；若平均值没有超出IMT范围，则测量结果符合要求，输出对管腔内膜边界和中膜外膜边界进行描迹的超声图像。
在所述步骤D中，若平均值超出IMT范围，返回步骤A重新选ROI区域的位置。
请参阅图7，其为本发明安装超声图像中内中膜厚度的测量程序的服务器的较佳实施例的功能模块图。在本实施例中，安装超声图像中内中膜厚度的测量程序的服务器可以被分割成一个或多个模块，所述一个或者多个模块被存储于所述存储器中，并由一个或多个处理器(本实施例为所述处理器)所执行，以完成本发明。例如，在图7中，安装超声图像中内中膜厚度的测量程序的服务器可以被分割成图形显示模块31、参数编辑模块32和程序生成模块33。本发明所称的模块是指能够完成特定功能的一系列计算机程序段，比程序更适合于描述所述超声图像中内中膜厚度的测量程序在所述超声图像中内中膜厚度的测量的服务器中的执行过程。以下描述将具体介绍所述模块31-33的功能。
管腔内膜边界处理模块31，用于在超声图像中选出ROI区域，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘。
中膜外膜边界处理模块32，用于平移该管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置；根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正并描绘。
判断模块33，用于对描绘的管腔内膜边界和中膜外膜边界进行距离测量计算，根据计算结果判断边界描绘的正确性。
综上所述，本发明提供的超声图像中内中膜厚度的测量方法、服务器及存储介质中，先选出ROI区域，根据Canny边缘检测和形态学运算找出管腔内膜边界，再平移该管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置，根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正；最后对描绘的管腔内膜边界和中膜外膜边界进行距离测量计算，根据计算结果判断边界描绘的正确性；这样对内中膜厚度的测量描迹较好，精度较高，容错率较好(对某些由于超声图像成像不清晰引起的内膜不连续等，也能进行测量)，在实际的超声仪器中也得到了应用并取得较好的效果。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种超声图像中内中膜厚度的测量方法，其特征在于，包括：
步骤A、在超声图像中选出ROI区域，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘；
步骤B、平移该管腔内膜边界并计算ROI区域的梯度和最大的位置来确定中膜外膜边界的预估位置；
步骤C、根据动态规划对中膜外膜边界的预估位置进行位置和形态矫正并描绘；
步骤D、对描绘的管腔内膜边界和中膜外膜边界进行距离测量计算，根据计算结果判断边界描绘的正确性；
在所述步骤C中，动态规划计算的函数为：
其中，y1,y2,...,yn，为管腔内膜边界的曲线上n个像素点的位置，grad(yk)为yk处的梯度值，α[i-k+1]即α0，α1，α2，为三个加权系数；j为[k-1，k+1]内的整数；n、k均为正整数，n为曲线横向的像素点个数；sd使用5个连续的像素点，其中首尾两点估出水平的直线位置，中间三点用于计算其偏离的方差表示当前k点与周围点的直线拟合程度，用于对三点的值进行加权；β>0，用于平衡sd过小带来的过大的加权；H的极大值对应的n个像素点即为中膜外膜边界。
2.根据权利要求1所述的超声图像中内中膜厚度的测量方法，其特征在于，在所述步骤A中，所述在超声图像中选出ROI区域之后，根据Canny边缘检测和形态学运算找出管腔内膜边界并描绘之前，还包括：
判断ROI区域为内中膜的前壁还是后壁：若是前壁，将ROI区域的图像上下翻转后输出ROI区域；若是后壁，直接输出ROI区域。
3.根据权利要求1所述的超声图像中内中膜厚度的测量方法，其特征在于，在所述步骤A中，所述Canny边缘检测具体包括：
步骤A11、对ROI区域的图像进行高斯平滑处理去除噪声；
步骤A12、对高斯平滑后的ROI区域的图像寻找强度梯度；
步骤A13、对所述图像的强度梯度进行非极大值抑制来消除边误检；
步骤A14、对抑制后的图像进行双阈值判断来确定初始的边界；
步骤A15、使用滞后技术来跟踪边界。
4.根据权利要求1所述的超声图像中内中膜厚度的测量方法，其特征在于，在所述步骤B中，使用Sobel算子计算整个ROI图像的梯度，再计算管腔内膜边界上每个像素点在x方向和y方向的梯度加权和作为这一像素点的实际梯度grad(x,y)；x为像素点的横坐标，y为纵坐标，grad()表示对应像素点在x，y两方向加权后的梯度值。
5.根据权利要求1所述的超声图像中内中膜厚度的测量方法，其特征在于，在所述步骤D中，对描绘出的管腔内膜边界和中膜外膜边界的最大值、最小值、平均值和标准差进行测量计算；将管腔内膜边界和中膜外膜边界的曲线分为m段，每段长度相等，分别求出每段间的距离的平均值是否超出IMT范围；若平均值没有超出IMT范围，则测量结果符合要求，输出对管腔内膜边界和中膜外膜边界进行描迹的超声图像。
6.根据权利要求5所述的超声图像中内中膜厚度的测量方法，其特征在于，在所述步骤D中，若平均值超出IMT范围，返回步骤A重新选ROI区域的位置。
7.一种超声图像中内中膜厚度的测量的服务器，其特征在于，包括：处理器、存储器、通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器和存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如权利要求1-6任意一项所述的超声图像中内中膜厚度的测量方法中的步骤。
8.一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存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-6任意一项所述的超声图像中内中膜厚度的测量方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811402839.2A CN109493383B (zh) | 2018-11-23 | 2018-11-23 | 超声图像中内中膜厚度的测量方法、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811402839.2A CN109493383B (zh) | 2018-11-23 | 2018-11-23 | 超声图像中内中膜厚度的测量方法、服务器及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109493383A CN109493383A (zh) | 2019-03-19 |
| CN109493383B true CN109493383B (zh) | 2022-02-11 |
Family
ID=65696572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811402839.2A Active CN109493383B (zh) | 2018-11-23 | 2018-11-23 | 超声图像中内中膜厚度的测量方法、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109493383B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110047086B (zh) * | 2019-04-24 | 2021-02-09 | 飞依诺科技(苏州)有限公司 | 颈动脉内膜厚度自动测量方法及系统 |
| CN111986139B (zh) * | 2019-05-23 | 2024-07-05 | 深圳市理邦精密仪器股份有限公司 | 颈动脉内中膜厚度的测量方法、设备及存储介质 |
| CN110807404A (zh) * | 2019-10-29 | 2020-02-18 | 上海眼控科技股份有限公司 | 基于深度学习的表格线检测方法、装置、终端、存储介质 |
| CN117808804B (zh) * | 2024-02-29 | 2024-06-07 | 中国医学科学院北京协和医院 | 超声图像中桡动脉前壁深度的自动测量方法和存储介质 |
| CN118129620B (zh) * | 2024-05-06 | 2024-07-23 | 中南大学 | 复合钢材脱碳层或渗碳层厚度测量方法、系统及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104665872A (zh) * | 2014-12-29 | 2015-06-03 | 深圳开立生物医疗科技股份有限公司 | 一种基于超声图像的颈动脉内中膜厚度测量方法和装置 |
| CN106570856A (zh) * | 2016-08-31 | 2017-04-19 | 天津大学 | 水平集动态规划颈总动脉内中膜厚度测量装置和方法 |
| CN107031508A (zh) * | 2016-02-03 | 2017-08-11 | 通用汽车环球科技运作有限责任公司 | 用于车辆的后视系统及其使用方法 |
| CN108280839A (zh) * | 2018-02-27 | 2018-07-13 | 北京尚睿通教育科技股份有限公司 | 一种作业图像定位与分割方法及其装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103679638A (zh) * | 2013-12-25 | 2014-03-26 | 广州广电运通金融电子股份有限公司 | 残缺或变形的四边形图像的校正方法 |
-
2018
- 2018-11-23 CN CN201811402839.2A patent/CN109493383B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104665872A (zh) * | 2014-12-29 | 2015-06-03 | 深圳开立生物医疗科技股份有限公司 | 一种基于超声图像的颈动脉内中膜厚度测量方法和装置 |
| CN107031508A (zh) * | 2016-02-03 | 2017-08-11 | 通用汽车环球科技运作有限责任公司 | 用于车辆的后视系统及其使用方法 |
| CN106570856A (zh) * | 2016-08-31 | 2017-04-19 | 天津大学 | 水平集动态规划颈总动脉内中膜厚度测量装置和方法 |
| CN108280839A (zh) * | 2018-02-27 | 2018-07-13 | 北京尚睿通教育科技股份有限公司 | 一种作业图像定位与分割方法及其装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109493383A (zh) | 2019-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109493383B (zh) | 超声图像中内中膜厚度的测量方法、服务器及存储介质 | |
| CN110458830B (zh) | 图像处理方法、装置、服务器及存储介质 | |
| US10410384B2 (en) | Anatomy segmentation through low-resolution multi-atlas label fusion and corrective learning | |
| US8509506B2 (en) | Automatic 3-D segmentation of the short-axis late-enhancement cardiac MRI | |
| US20200294242A1 (en) | Image segmentation based on a shape-guided deformable model driven by a fully convolutional network prior | |
| US20080119734A1 (en) | Method, system, and computer product for automatically extracting and tracking cardiac calcifications and determining a tracking centerline | |
| CN111145173A (zh) | 一种冠脉造影图像的斑块识别方法、装置、设备及介质 | |
| Alba et al. | Automatic cardiac LV segmentation in MRI using modified graph cuts with smoothness and interslice constraints | |
| JP2013051988A (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| CN113160189B (zh) | 血管中心线提取方法、装置、设备及存储介质 | |
| CN111145160B (zh) | 钙化区域所处冠脉分支的确定方法、装置、服务器及介质 | |
| US20110317888A1 (en) | Liver lesion segmentation | |
| CN109919953B (zh) | 颈动脉内中膜厚度测量的方法、系统和设备 | |
| Kronman et al. | A geometric method for the detection and correction of segmentation leaks of anatomical structures in volumetric medical images | |
| CN111414124A (zh) | 一种图像测量方法、装置、设备及存储介质 | |
| CN117373070B (zh) | 血管分段标注的方法及装置、电子设备和存储介质 | |
| US20080075345A1 (en) | Method and System For Lymph Node Segmentation In Computed Tomography Images | |
| CN111539926B (zh) | 一种图像检测方法及装置 | |
| CN117274216B (zh) | 基于水平集分割的超声下颈动脉斑块检测方法及系统 | |
| CN113888566A (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
| ES2963345T3 (es) | Sistema y métodos para el análisis de imágenes de diagnóstico y evaluación de la calidad de las imágenes | |
| CN110063753B (zh) | 超声图像中测量胎儿头围的方法与装置 | |
| CN117115437A (zh) | 一种基于区域的多指标多器官医学图像分割模型评估系统 | |
| CN114937149A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN112785580A (zh) | 确定血管流速的方法及装置 |
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 |