CN110580697B - 一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统 - Google Patents

一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统 Download PDF

Info

Publication number
CN110580697B
CN110580697B CN201810488204.2A CN201810488204A CN110580697B CN 110580697 B CN110580697 B CN 110580697B CN 201810488204 A CN201810488204 A CN 201810488204A CN 110580697 B CN110580697 B CN 110580697B
Authority
CN
China
Prior art keywords
image
region
substep
video
ultrasonic
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
Application number
CN201810488204.2A
Other languages
English (en)
Other versions
CN110580697A (zh
Inventor
郑末晶
丁红
陈良旭
刘建平
张新玲
张永
郑乐
王博源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Appletree Biotechnology Co ltd
Original Assignee
Zhuhai Appletree Biotechnology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhuhai Appletree Biotechnology Co ltd filed Critical Zhuhai Appletree Biotechnology Co ltd
Priority to CN201810488204.2A priority Critical patent/CN110580697B/zh
Publication of CN110580697A publication Critical patent/CN110580697A/zh
Application granted granted Critical
Publication of CN110580697B publication Critical patent/CN110580697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/30044—Fetus; Embryo

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Dentistry (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明公开了一种从超声视频图像中测量胎儿颈背透明物厚度(NT)的视频图像处理方法及系统，该方法实现过程为：输入待测超声视频，获取比例换算参数；视频图像检测，获得NT区域的候选位置，对具有NT区域的视频帧进行标记；对于所有标记的视频帧图像进行正中矢切面检测，获得具备正中矢切面特征的视频帧，结合NT区域具有双平行线结构特点，通过设定检测方法获得NT值。本发明方法可自动从视频图像中获得胎儿正中矢状切面图像及NT值，可有效解决现有NT检测中手动寻找正中矢状切面难度较大及手动操作带来检测误差的技术难题。

Description

一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像 处理方法及系统
技术领域
本发明属于数字图像的目标识别及测量领域，涉及对产科超声图像的自动化分析与图像目标测量技术，尤其涉及一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统。
背景技术
目前，先天畸形种类多、发病率高，是医学难题之一，其既严重影响人口素质，又给社会带来沉重负担，而产前诊断是先天畸形二级干预措施，在降低先天畸形发生方面发挥重要作用。而提高对先天畸形的产前诊断技术，可以直接降低先天畸形的发生率。
产科超声图像分析是评价胎儿宫内生长发育的重要手段，具有无损、价廉、实时的优点，在医学影像技术中处于重要地位。产科超声图像分析中，通过超声成像测量胎儿颈背透明物厚度(nuchal translucency，NT)是衡量胎儿宫内生长发育的重要指标之一。NT是指胎儿颈部的透明液体。NT仅仅在胎儿11 周～13周+6才会存在，14周开始，正常情况下NT逐渐被淋巴系统吸收。在11周～13周+6期间，NT越厚的胎儿，出生后患有染色体问题和心脏等问题的概率就越高。目前产科超声图像胎儿颈背透明物厚度测量的准确性尚不尽人意，一方面是超声成像硬件的物理特性导致超声图像的信噪比较低，增加医生人工诊断难度，诊断过程中费时费力，手动寻找胎儿头部正中矢状切面较为困难；另一方面是，手动测量NT带来随机误差和操作者自身的视觉误差。
随着计算机技术的发展，医学视频图像的处理技术逐渐得到了广泛的应用，将视频图像处理技术应用于超声视频图像处理以提高NT检测准确性是具有可行性的发展方向。视频图像处理技术可以通过检测颈背透明物的目标线特征(NT区域在超声图像上表现局部的高亮平行线段)确定NT区域进而测得颈背透明物厚度。NT区域在超声图像上表现有局部的高亮平行线段，而超声图像的特点会有很多相似的区域，直接使用常用的目标检测方法，导致NT区域以及颈背透明物厚度检测错误较多。
随着医疗诊断对胎儿颈背透明物厚度测量准确性的要求不断提高，以及自动化的目标检测和分析测量方法对医疗领域变革的不断深入，有必要研究一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法或处理系统，从数字图像处理和计算机视觉的角度提供一套自动化的超声视频图像分析的辅助工具。
发明内容
为了克服上述问题，本发明人进行了锐意研究，提出一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统。该方法运用时间中值滤波的方法获得视频图像的背景图像，将当前图像与背景图像做差分来找到图像中变化的区域。采用AdaBoost方法选择出少量但关键的haar-like特征来组合成强分类器，再使用级联的策略组合成最终的分类器。利用预先训练好的分类器对NT候选区域进行检测，检测出NT所在区域。将变化的区域和分类器检测出的NT所在区域进行比较，两者相近的区域为置信度较高的NT区域。同时，由于视频中所含图像帧较多，本发明采用通过对NT区域过去轨迹的分析来预测未来的运动轨迹的方法，把预测的位置和检测出来的位置结合起来对NT区域进行跟踪和检测，这样可实现不需要对视频的每帧图像进行识别，保证了检测的实时性。通过对胎儿头部鼻尖区域的定位及探测，进一步选出包含NT区域且符合要求的正中矢状切面图，利用该正中矢状切面图，结合NT图像双平行线结构检测算法计算出NT值，从而完成本发明。本发明中检测方法新颖独特，且在算法的基础上结合医学图像先验信息，有效提高了NT值准确性，而自动获取NT区域的方法，进一步提高了本发明方法的准确性，降低了人力检测带来的误差及劳动成本。
本发明的目的在于提供以下技术方案：
(1)一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法，该方法包括以下步骤：
步骤1)，输入待测超声视频，获取超声视频图像的比例换算参数；
步骤2)，视频图像检测，获得NT区域的候选位置，对具有 NT区域的视频帧进行标记；
步骤3)，对于所有标记的视频帧图像进行正中矢切面检测，获得具备正中矢切面特征的视频帧，结合NT区域具有双平行线结构特点，通过设定检测方法获得NT值。
(2)一种用于实施上述(1)所述的从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法的系统，该系统包括：
视频输入模块，用于输入超声视频，获取超声视频图像的比例换算参数；
视频图像变化检测模块，用于建立背景图像模型，将当前处理的视频图像与背景图像做差分，找到图像中变化的区域，即NT区域的候选位置；
AdaBoost训练模块，利用AdaBoost方法训练出NT区域分类器；
AdaBoost检测模块，基于与视频图像变化检测模块处理的相同的视频图像，利用分类器进行NT区域检测，获得符合NT 区域特点的NT区域的候选位置；对视频图像变化检测模块检测到的NT区域的候选位置与分类器检测到的NT区域的候选位置进行比对和检验，获得高置信度NT区域位置；
NT区域追踪模块，采用通过对高置信度NT区域过去轨迹的分析来预测未来的运动轨迹方法，把预测的位置和检测出来的位置结合起来对高置信度NT区域进行跟踪和检测，确定最终 NT区域位置，对所有具有NT区域的视频帧进行标记；
正中矢状切面检测模块，对所有标记的视频帧图像进行胎儿头骨鼻尖位置的检测，判定图像是否符合正中矢状切面标准，舍弃不符合标准的视频帧；
数据记录模块，用于记录背景模型、NT区域分类器、NT 候选区域位置、NT区域位置结果等系统运行过程中所产生的中间结果；
NT测定模块，用于结合NT区域具有双平行线结构特点，通过设定检测算法获得NT最大距离长度，即为胎儿颈背透明物厚度。
根据本发明提供的一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统，具有以下有益效果：
(1)本发明结合背景差分法和AdaBoost训练器模型进行 NT区域检测，通过特定标准确定高置信度NT区域位置，结合后续高置信度NT区域位置的运动轨迹的合理性，可高效准确获得最终的NT区域位置；
(2)本发明结合视频中连续帧之间相同目标的位置前后联系的特点，采用通过对NT区域过去轨迹的分析来预测未来的运动轨迹方法，把预测的位置和检测出来的位置结合起来对NT 区域进行跟踪和检测，提高NT区域的检测效率；
(3)本发明中，结合超声图像上NT结构边缘亮度高、中间区域亮度低的特点，以NT结构边缘上像素点为起点，以灰度梯度下降方向为距离追踪方向，获得双平行线结构距离长度，并以最大距离长度为NT值；该测定NT值的方式新颖，结合医学超声图像特点，科学有效的检测到NT值；
(4)本发明结合超声图像中NT结构为近似双平行线的特点，确定验证规则，对获得的距离数据的合理性进行筛查，有效保证了检测准确性。
附图说明
图1示出本发明一种优选实施方式中从超声图像上测量胎儿颈背透明物厚度的图像处理方法的流程图；
图2示出本发明一种优选实施方式中对一张超声波图像进行区域划分示例图；
图3示出原始含有NT的超声波图像、本发明处理方法对一张超声波图像鼻尖区域检测的示例图；
图4示出本发明中利用Canny边缘检测算子检测到的NT区域中双平行线结构的图像边缘；
图5示出沿图像边缘上像素点的梯度下降方向进行距离追踪的示例图；
图6示出本发明一种优选实施方式中从超声图像上测量胎儿颈背透明物厚度的图像处理系统的模块图；
图7示出实施例1中背景差分法确定的NT区域的候选位置；
图8示出实施例1中采用训练得到的分类器确定的NT区域的候选位置；
图9示出实施例1中确定的高置信度NT区域位置。
具体实施方式
下面通过附图对本发明进一步详细说明。通过这些说明，本发明的特点和优点将变得更为清楚明确。
如图1所示，本发明的目的是提供了一种从超声视频图像中测量胎儿颈背透明物厚度(NT)的视频图像处理方法，该方法包括以下步骤：
步骤1)，输入待测超声视频，获取超声视频图像的比例换算参数；
步骤2)，视频图像检测，获得NT区域的候选位置，对具有 NT区域的视频帧进行标记；
步骤3)，对于所有标记的视频帧图像进行正中矢切面检测，获得具备正中矢切面特征的视频帧，结合NT区域具有双平行线结构特点，通过设定检测算法获得NT值。
步骤1)中，输入待测超声视频，获取超声视频图像的比例换算参数。
超声视频来源为医学超声仪器采集，视频格式如avi格式等。超声视频图像满足以下条件：胎儿头部全部显示，并且头部和胸部占整个图形面积的70％～85％。
本发明中，超声视频图像、视频图像、视频帧具有相同含义，表示超声视频中静止的图像，即某一帧对应的图像。超声视频、或者视频，表示图像按时间顺序组成的运动的图像集合。
在本发明中，获取待测超声视频帧图像的比例换算参数，其中，比例换算参数表示每个像素代表的实际距离(例如多少毫米)。一般在超声视频录制前期，录制调试时进行比例尺调节，比例换算参数存在变动。超声视频录制时间为十几秒，在此较短时间内即可获得几百张超声图像，满足NT检测要求，在超声视频录制时间中图像的比例换算参数不变。
在一种实施方式中，若仪器配置能够直接显示比例换算参数，从医学超声仪器面板中人工/机器读取超声图像的比例换算参数。
在另一种优选的实施方式中，若仪器配置不能够直接显示比例换算参数，可以通过以下子步骤实施：
子步骤1.1)，对输入的超声图像进行划分，获得刻度尺区域、图像区域和图像放大率区域，如图2所示；
对于步骤子1.1)中区域的划分，由于不同厂商的超声仪器所显示的界面略有不同，实际使用中划分为几个区域可根据实际情况灵活划分，但前提是可以清楚得到刻度尺区域、图像区域和图像放大率区域，为图像处理以及参数提取提供基础。
子步骤1.2)，获取图像刻度尺和图像放大率，结合刻度尺及放大率求得图像的比例转换参数。其中，刻度尺用于表示图像中像素距离对应的实际物理尺寸。
在一种优选的实施方式中，子步骤1.2)包括以下子步骤：
子步骤1.2.1)，对刻度尺区域进行图像截取，对截取的图像进行二值化操作，获得任意相邻两刻度点之间的像素距离，为了提高计算准确性，可以取多个上述像素距离的平均值δ。
子步骤1.2.2)，截取图像放大率区域，利用光学字符识别技术(OCR)由图像放大率区域获得图像放大率f。
子步骤1.2.3)，结合刻度尺及放大率信息，可求得图像的比例换算参数r，r＝f*C/δ，其中C为刻度尺任意两相邻刻度点之间的像素距离代表的实际物理尺寸。
在一种优选的实施方式中，在获取图像刻度尺和图像放大率前，对刻度尺区域和图像放大率区域进行锐化处理。通过锐化处理补偿文字/图像的轮廓，增强文字/图像的边缘及灰度跳变的部分，使图像变得清晰，利于后续刻度尺投影以及OCR技术提取文字的操作。
步骤2)，视频图像检测，获得NT区域的候选位置，对具有 NT区域的视频帧进行标记。
在本发明中，步骤2)包括以下子步骤：
子步骤2.1)，视频图像变化检测，通过确定变化区域获得 NT区域的候选位置；
子步骤2.2)，利用AdaBoost方法训练NT区域分类器，利用分类器找出符合NT区域特点的NT区域的候选位置；
子步骤2.3)，对子步骤2.1)和子步骤2.2)中的候选位置进行比对和检验，获得高置信度NT区域的位置。
在一种优选的实施方式中，子步骤2.1)中，采用背景差分法获得NT区域的候选位置。
具体地，子步骤2.1)包括以下子步骤：
子步骤2.1.1)，首先从视频中提取n幅图像，运用时间中值滤波的方法获得提取图像的背景图像。
在本发明中，所述n的取值介于10至50之间。
在本发明中，所述时间中值滤波方法是指，以录制时间为轴，按顺序对提取的n幅图像中相同坐标处像素点的灰度值取中值，获得的图像即为背景图像。
子步骤2.1.2)，将当前提取的图像与背景图像做差分来找到图像中变化(或运动)的区域。
首先从视频中抽取n幅图像f(x,y,ti)，i＝1,2,…,n，采用时间中值滤波得到背景图像B(x,y,ti)。将当前图像与背景图像做差分，得到差分图像D(x,y,ti)，即
D(x,y,ti)＝|f(x,y,ti)－D(x,y,ti)|,i＝1,2,…,n.(式1)
值得注意的是，对视频中的图像进行差分处理时，按录制时间由前至后依次进行图像的抽取。
子步骤2.1.3)，对变化的区域进行后续处理，即去除小的变化区域(如孤立的斑点、线条)，找到图像中较大的连通区域并进行标记，即为NT区域的候选位置。该通过变化区域找到的 NT区域位置可能不止一个，因此在此称为NT区域的候选位置。
优选地，所述小的变化区域是指像素面积小于20个像素的变化区域；较大的连通区域是指像素面积大于20个像素，且小于120个像素的变化区域。
在本发明中，基于视频录制过程中图像是变动的(医生需要不断变化超声探测位置以获得合适的测量NT的图像)，通过背景差分法获得的NT区域的候选位置应当符合以下两个条件：
i)位于变化的区域中(即非背景图像中)；
ii)相近(或相连)帧图像中NT区域的位置是相近(或重合)的。
基于超声检测的事实，在超声检查过程中医生对超声探测位置的变化是缓慢和连续的，因此，若图像中出现NT区域，则该NT区域的位置在相近帧(帧数差小于30)或相连帧图像中应当是相近或重合的。其中，NT区域的位置参数为(x,y,w,h)方式，其中，x、y、w和h分别为检测区域的左上角像素点的横坐标和纵坐标、检测区域的宽和高；NT区域的位置相近是指两NT 区域的中心坐标间距不大于5个像素。
在一种优选的实施方式中，子步骤2.2)包括以下子步骤：
子步骤2.2.1)，分类器的训练：构建标准图库，采用AdaBoost方法在已经标注NT区域位置的超声图像中选择出少量但是关键的haar-like特征来组合成强分类器，再使用“级联”的策略组合成最终的分类器。
子步骤2.2.2)，基于与子步骤2.1)中相同的用于NT区域检测的图像，利用分类器进行NT区域检测，获得符合NT区域特点的NT区域的候选位置。该NT区域的候选位置同样可能不止一个，因此在此称为候选位置。本发明中，符合NT区域的特点是指：NT结构为近似双平行线的特点。
基于超声检测的事实，通过分类器获得的NT区域的候选位置应当符合以下条件：相近帧(帧数差小于30)或相连帧图像中NT区域的位置是相近(或重合)的。NT区域的位置相近是指两NT区域的中心坐标间距不大于5个像素。
子步骤2.3)，对子步骤2.1)和子步骤2.2)中的候选位置进行比对和检验，用以获得高置信度NT区域位置的标准为：
i)背景差分法获得的NT区域的候选位置，与分类器检测到的NT区域的候选位置存在相近或重合的位置；两种方式中 NT区域的候选位置存在相近是指某两个NT区域的中心坐标间距不大于5个像素。其中，需要指出的是，采用背景差分法和分类器检测并标注的NT区域的候选位置的像素面积和标注区域的形状相同。
ii)相近或相连帧图像中NT区域的位置是相近(或重合) 的。
我们知道，采用背景差分法获得的NT区域的候选位置极大可能不止一个(约4～5个)，采用分类器检测到的NT区域的候选位置同样不止一个，采用两种方式的任意一种，均无法获得确定高置信度NT区域位置。将两种方式结合，且采用高置信度NT 区域位置标准，将NT区域的选择范围极大缩小，且有效提高了判断准确性。
一般采用上述标准后，背景差分法获得的NT区域的候选位置能够缩小至1个NT区域，分类器检测到的NT区域的候选位置也能够缩小至1个NT区域，由于两种方法不同，两个NT区域的候选位置通常不会重合，因而，视频图像中最后普遍得到两个 NT区域的候选位置，即两个高置信度NT区域位置。在计算NT 区域中NT值时，首先将两个高置信度NT区域位置进行平均化处理，形成一个计算后的NT区域，再识别NT结构，测定NT值。所述平均化是指取两个高置信度NT区域的中心位置和对应位置处(如左顶点)坐标的平均值，形成该计算后的NT区域。
本发明中，为了提高视频处理的实时性，将不会对视频的每帧图像进行步骤2)中的NT区域的检测。在视频中，采用通过对两高置信度NT区域过去轨迹的分析来预测其未来的运动轨迹方法，把预测的位置和检测出来的位置结合起来对高置信度NT区域进行跟踪和检测。若两高置信度NT区域运动轨迹连贯且符合运动变化规律，该两高置信度NT区域平均化后得到的 NT区域即为真实(最终确定的)的NT区域。
在一种实施方式中，利用前两个过去时刻位置来进行预测的方法。设NT区域在各个时刻的坐标为z(t)＝{x(t),y(t)}T，其中， x，y分别为NT区域中像素的横、纵坐标，t为当前时刻，T表示矩阵的转置。假设符合线性性质，则NT区域在视频序列中的轨迹可以用下述二维二次差分方程来表示：
z(t)＝Az(t－1)+Bz(t－2),(式2)
为实施上述NT区域进行跟踪和检测，视频中图像NT区域位置的检测速率为由慢至快，即：依次按录制时间抽取M张(如 10张)图像，结合背景差分法和分类器确定高置信度NT区域位置，此过程较慢，为后续操作的基础；根据前M张图像中高置信度NT区域的轨迹即可预测其未来的运动轨迹和位置，该过程速率快；在判定下一幅图像时，背景差分法和分类器共同确定的NT区域位置应当与预测的位置存在相近或相同。把预测的位置和后续检测出来的位置结合起来的方式，可允许对视频图像进行不连续检测，以及后续图像中NT区域位置准确性的判定。
步骤3)，对于所有标记帧进行正中矢切面检测，获得具备正中矢切面特征的视频帧，结合NT区域具有双平行线结构特点，通过设定检测算法获得NT值。
满足NT检测的超声图像满足以下条件：
(i)胎儿头部全部显示，并且头部和胸部占整个图形面积的70％～85％；
(ii)头面部的正中矢状线切线和前胸切线夹角在 130°～160°；
(iii)头部的鼻尖区域应该是全图较大高亮区域。
对于所有标记帧进行正中矢切面检测，舍去不具备正中矢切面特征的视频帧。
其中，头部的鼻尖区域位置的确定方法包括以下子步骤：
子步骤iii-1)，定位头部鼻尖区域的位置；
子步骤iii-2)，采用迭代式阈值分割方法确定鼻尖高亮区域的中心点位置。考虑到相邻帧或相近帧(帧数差小于30)之间，鼻尖位置的变化非常小。一般地，相邻帧之间鼻尖中心坐标间距不大于5个像素。超过此范围的图像帧可直接舍去。
在本发明中，子步骤iii-1)中，采用迭代式阈值分割方法，通过找到一个设定大小的最亮区域，定位头部鼻尖区域的位置。鼻尖区域是依据医学上NT超声图像的特点即鼻尖部位是全超声图像上较大高亮点确定的。通过该先验知识，可有效准确获得鼻尖区域的位置。
具体地，子步骤iii-1)包括以下子步骤：
子步骤iii-1-1)使用迭代式阈值分割方法，将阈值从大到小依次取值(255-100)，得到分割后的二值图像；
子步骤iii-1-2)对得到的二值图像计算连通域；优选使用连通域搜索算法计算连通域；
子步骤iii-1-3)当图像中仅得到1个连通域并且连通域的面积大于20个像素时，确定该连通域为鼻尖区域，见图3b。
在子步骤iii-1-1)中，由于彩色图像中鼻尖区域识别存在难度，可能将噪声点误判为鼻尖区域，通过迭代式阈值分割(二值化)方法将原始的彩色图像转化为仅有黑白两种灰度的图像，例如图3a所示，降低图像识别难度，依据医学上NT超声图像的特点即可准确方便的确定鼻尖区域位置。该步骤中，二值图像是指每个像素点不是黑就是白，其灰度值没有中间过渡的图像。
在子步骤iii-1-3)中，通过由大到小改变阈值，结合鼻尖区域面积大于20个像素的先验条件，能够有效排除掉偶然的噪声干扰。
在本发明中，子步骤iii-2)中，确定连通域(鼻尖区域) 的中心点坐标(xc,yc)，
Figure BDA0001667319510000131
其中(x,y)为连通域中像素点的坐标。
通过以上步骤，完成了符合NT检测的超声图像的筛选，以及NT区域的确定。本发明人进行了进一步的研究，提供了一种从超声图像(上述获得的具备正中矢切面特征的视频图像)上测量胎儿颈背透明物厚度的图像处理方法，该方法包括以下步骤：
子步骤3.1)，输入待测超声图像，检测NT区域中双平行线结构的图像边缘；
子步骤3.2)，选择一侧图像边缘并确定其上像素点的灰度梯度方向；
子步骤3.3)，以子步骤3.2)中选择的图像边缘上的像素点为起点，沿该像素点灰度梯度下降的方向进行追踪，直至到达对侧边缘中止，记录距离数据；
子步骤3.4)，重复子步骤3.3)，对选择的图像边缘上的所有像素点轮询一遍，选出轮询后获得的最大距离长度，即为胎儿颈背透明物厚度。
子步骤3.1)，输入待测超声图像，检测NT区域中双平行线结构的图像边缘。
在本发明中，利用Canny边缘检测算子检测NT区域中双平行线结构的图像边缘，如图4所示。图像边缘是指图像局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。所述双平行线结构的图像边缘为胎儿颈背透明物边缘。
本发明中选用Canny边缘检测算子是基于其高检测率、精确的定位、以及明确的响应性能；该算法能够尽可能多地标识出图像中的实际边缘，且标识出的边缘与实际图像中的实际边缘尽可能的接近。
在一种优选的实施方式中，利用Canny边缘检测算子检测图像边缘之前，先对NT区域进行高斯平滑以减少图像噪声，利用限制对比度自适应直方图均衡化算法使图像亮度均衡化。先进行去噪再进行亮度均衡化的好处在于可有效防止亮度均衡化过程中对图像中存在的噪声的增强，加大去噪难度，进而对图像质量造成影响。
子步骤3.2)，选择一侧图像边缘并确定其像素点的灰度梯度方向。
子步骤3.1)中虽然确定了胎儿颈背透明物边缘，但自动检测时以一侧图像边缘上像素点为起始，需要确定追踪方向以达到另一条图像边缘；同时，胎儿颈背透明物在医学超声图像上表现为边缘图像高亮度，中间区域低亮度；结合超声图像的特定，本发明人创造性且合理地提出，基于图像边缘上的像素点，计算以该图像边缘像素点为中心的、设定范围特别是5×5个像素范围内所有像素点的灰度梯度方向，以此计算得到平均方向，确定该平均方向的灰度梯度下降方向(平均方向一端为灰度梯度增加方向，另一端为灰度梯度下降方向)，获得到另一侧图形边缘的追踪方向。
本发明中，超声图像中像素点(x,y)的灰度梯度为：
Gx(x,y)＝I(x+1,y)-I(x-1,y) 式(3)
Gy(x,y)＝I(x,y+1)-I(x,y-1) 式(4)
其中，Gx(x,y)、Gy(x,y)和I(x,y)分别表示超声图像中像素点 (x,y)处的水平方向灰度梯度、垂直方向灰度梯度和像素值。则点(x,y)处的梯度幅值G(x,y)和灰度梯度方向a(x,y)为：
Figure BDA0001667319510000151
Figure BDA0001667319510000152
子步骤3.3)，以子步骤3.2)中选择的图像边缘上的像素点为起点，沿该像素点灰度梯度下降的方向进行追踪，直至到达对侧边缘终止，记录距离数据。如图5所示，箭头所指的点为起始点，两边缘之间的线段为追踪路径。
本发明中，子步骤3.3)包括以下子步骤：
子步骤3.3.1)，选择的图像边缘上的像素点为起点，沿该像素点灰度梯度下降的方向进行追踪，直至到达对侧边缘终止；
子步骤3.3.2)，获取终止点处图像灰度梯度方向；具体地，基于终止点，计算以终止点为中心的、设定范围特别是5×5个像素范围内所有像素点的灰度梯度方向，以此计算得到平均方向，确定该平均方向的灰度梯度下降方向，该灰度梯度下降方向即为终止点处图像灰度梯度方向。
子步骤3.3.3)，对追踪路径进行验证，验证成功后记录起始点与终止点之间的距离长度、起始点和终止点灰度梯度方向夹角、以及由起始点和终止点坐标构成的点对。
本发明子步骤3.3.3)中，验证成功标准为：终止点处灰度梯度方向与起始点处灰度梯度方向夹角大于150°且小于180°。
若胎儿颈背透明物的两边缘为准平行线结构，则追踪路径垂直于两胎儿颈背透明物的两边缘，起始点和终止点梯度方向夹角为180°；而实际上胎儿颈背透明物的两边缘为近平行线结构，因而追踪路径近似垂直于两胎儿颈背透明物的两边缘，起始点和终止点梯度方向夹角接近180°，允许一定角度的偏移，本发明通过胎儿颈背透明物厚度测定研究，设定该偏移值为 30°，即起始点和终止点梯度方向夹角α为150°＜α＜180°。
子步骤3.4)中，重复子步骤3.3)，对选择的图像边缘上的所有像素点轮询一遍，选出轮询后获得的最大距离长度，即为胎儿颈背透明物厚度。
子步骤3.4)中，选出轮询后获得的最大距离长度的具体操作过程为：
子步骤3.4.1)，对所有起始点和终止点灰度梯度方向夹角进行统计，去除夹角角度出现次数较少的点对；优选地，所述夹角角度出现次数较少的点对是指次数少于5次的点对；
子步骤3.4.2)，将剩下的所有点对按照点对间距离长度大小进行排序，选出最大距离长度，即对应NT距离；
子步骤3.4.3)，图像检测参数以像素为单位，经过比例换算参数换算，将图像检测的最大距离长度转换为实际NT值。
如图6所示，本发明的另一目在于，提供一种用于实施从超声视频图像上测量胎儿颈背透明物厚度的视频图像处理方法的系统，该系统包括：
视频输入模块，用于输入超声视频，获取超声视频图像的比例换算参数；
视频图像变化检测模块，用于建立背景图像模型，将当前处理的视频图像与背景图像做差分，找到图像中变化的区域，即NT区域的候选位置；
AdaBoost训练模块，利用AdaBoost方法训练出NT区域分类器；
AdaBoost检测模块，基于与视频图像变化检测模块处理的相同的视频图像，利用分类器进行NT区域检测，获得符合NT 区域特点的NT区域的候选位置；对视频图像变化检测模块检测到的NT区域的候选位置与分类器检测到的NT区域的候选位置进行比对和检验，获得高置信度NT区域位置；
NT区域追踪模块，采用通过对高置信度NT区域过去轨迹的分析来预测未来的运动轨迹方法，把预测的位置和检测出来的位置结合起来对高置信度NT区域进行跟踪和检测，确定最终 NT区域位置，对所有具有NT区域的视频帧进行标记；
正中矢状切面检测模块，对所有标记的视频帧图像进行胎儿头骨鼻尖位置的检测，判定图像是否符合正中矢状切面标准，舍弃不符合标准的视频帧；
数据记录模块，用于记录背景模型、NT区域分类器、NT 候选区域位置、NT区域位置结果等系统运行过程中所产生的中间结果；
NT测定模块，用于结合NT区域具有双平行线结构特点，通过设定检测算法获得NT最大距离长度，即为胎儿颈背透明物厚度。
在本发明一种优选的实施方式中，本发明中，视频输入模块包括视频输入子模块、图像划分子模块、刻度尺获取子模块、放大率获取子模块、以及转换关系子模块，其中，
视频输入子模块，用于输入待处理的超声视频，抽取视频帧图像；
图像划分子模块，用于对抽取的视频帧图像进行区域划分，获得刻度尺区域、图像区域和图像放大率区域；
刻度尺获取子模块，用于对刻度尺区域进行图像截取，对截取的图像进行二值化操作，获得任意相邻两刻度点之间的像素距离，或者获取多个上述像素距离的平均值δ；
放大率获取子模块，用于截取图像放大率区域，利用光学字符识别技术(OCR)由图像放大率区域获得图像放大率值f；
转换关系子模块，用于结合刻度尺及放大率信息，求得图像的比例换算参数r，r＝f*C/δ，其中C为刻度尺单位刻度代表的实际物理尺寸。
在本发明一种优选的实施方式中，所述数NT测定模块包括以下子模块：
NT区域边缘检测子模块，用于检测NT区域中双平行线结构的图像边缘，优选采用Canny边缘检测算子进行检测；
梯度方向检测子模块，用于确定任意一条图像边缘上像素点的灰度梯度方向；
追踪及记录子模块，用于以选择的图像边缘上的像素点为起点，沿该像素点灰度梯度下降的方向进行追踪，直至到达对侧边缘中止；重复追踪操作至选择的图像边缘上的所有像素点轮询一遍；
数据判定子模块，用于判定距离数据的合理性，记录距离数据信息；对记录的数据进行筛选，确定轮询后获得的最大距离长度，即为胎儿颈背透明物厚度。
在本发明一种优选的实施方式中，梯度方向检测子模块，基于图像边缘上的像素点，计算以该图像边缘像素点为中心的、设定范围特别是5×5个像素范围内所有像素点的灰度梯度方向，以此计算得到平均方向，确定该平均方向的灰度梯度下降方向(平均方向一端为灰度梯度增加方向，另一端为灰度梯度下降方向)，获得到另一侧图形边缘的追踪方向。
在本发明一种优选的实施方式中，数据判定子模块判定距离数据合理性的标准为：终止点处灰度梯度方向与起始点处灰度梯度方向夹角大于150°、且小于180°。
数据判定子模块包括数据统计亚子模块、数据筛查亚子模块、数据排序亚子模块和数据换算亚子模块，其中，
数据统计亚子模块，用于记录起始点与终止点之间的距离长度、起始点和终止点灰度梯度方向夹角、以及由起始点和终止点坐标构成的点对；
数据筛查亚子模块，对所有起始点和终止点灰度梯度方向夹角进行统计，去除夹角角度出现次数少于5次的点对；
数据排序亚子模块，用于将剩下的所有点对按照点对间距离长度大小进行排序，选出最大距离长度；
数据换算亚子模块，用于通过比例换算参数，将图像检测的最大距离长度转换为实际NT值。
实施例
实施例1
收集中山大学孙逸仙纪念医院妇产科超声工作站存储的孕早期超声视频。输入收集的超声视频，提取视频图像，获取比例换算参数。
提取视频中前50帧图像，运用时间中值滤波的方法获得提取图像的背景图像。依次提取前10帧图像，将当前提取的图像与背景图像做差分，找到图像中变化的区域，去除像素面积小于20个像素的变化区域(如孤立的斑点、线条)，找到图像中像素面积大于20，且小于120个像素的变化区域并进行标记，即为 NT区域的候选位置(如图7)。
采用AdaBoost方法训练分类器，基于背景差分法中相同的用于NT区域检测的图像，利用分类器进行NT区域检测，获得符合NT区域特点的NT区域的候选位置(如图8)。
确定背景差分法获得的NT区域的候选位置与分类器检测到的NT区域的候选位置存在相近或重合的位置，且相近或相连帧图像中NT区域的位置是相近或重合的，则该位置为高置信度 NT区域，如图9所示，高置信度NT区域位置存在2个(背景差分法和分类器法各确定了1个高置信度NT区域位置)。
为了提高视频处理的实时性，除前10帧图像外，后续视频中图像抽取频次为每隔10帧抽取一帧图像。通过对高置信度NT 区域过去轨迹的分析来预测未来的运动轨迹方法，把预测的位置和检测(背景差分法和分类器共同检测)出来的位置结合起来对高置信度NT区域进行跟踪和检测。对所有具有NT区域的视频帧图像进行标记。由于确定的高置信度NT区域(图9中) 运动轨迹连贯且符合运动变化规律，该2个高置信度NT区域平均化得到的NT区域为真实(最终确定的)的NT区域。图9中，居于中间的方框为通过背景差分法和分类器法的高置信度NT 区域平均化后得到的NT区域。
对于所有标记帧进行正中矢切面检测；其中，使用迭代式阈值分割方法，将阈值从大到小依次取值(255-100)，得到分割后的二值图像；当图像中仅得到1个连通域并且连通域的面积大于20个像素时，确定该连通域为鼻尖区域。如处理某一帧视频图像时，当阈值为203时，得到的二值图像中只有1个连通域并且连通域的面积大于20个像素，确定该连通域为鼻尖区域。
通过上述各步骤，即完成了NT检测的超声图像的筛选，以及NT区域的确定。满足要求的视频帧可能不止一帧，对所有帧均进行检测，最后输出NT测量值中的最大值。
医生人工检测NT标定的两点坐标为(440,416)和(442,440)，上述步骤最终检测的NT区域包含了人工检测NT标定的两点坐标，检测结果正确。
截取超声图像NT区域，对目标区域进行高斯平滑和亮度均衡化处理，再利用Canny边缘检测算子检测NT区域中双平行线结构的图像边缘。
以图像边缘上的像素点为起点，延伸至5×5个像素作为考察范围，计算图像边缘上述范围内图像灰度梯度平均方向，通过确定灰度梯度下降方向获得对另一侧图形边缘的追踪方向。
以选择的图像边缘上的像素点为起点，沿该像素点灰度梯度下降的方向进行追踪，直至到达对侧边缘终止；计算终止点处图像灰度梯度方向，当其与起始点处灰度梯度方向夹角大于 150°且小于180°时，则记录下起始点与终止点之间的距离长度、起始点和终止点梯度方向夹角、以及由起始点和终止点坐标构成的点对。
对选择的图像边缘上的所有像素点轮询一遍，对所有梯度方向夹角进行统计，去除出现次数少于5次的点对；将剩下所有点对按照距离长度大小进行排序，选出最大距离长度，经过比例系数换算，将最大距离长度转换为实际NT值。经确定，该NT 值对应的点对为(441,416)和(442,436)，NT值为0.14cm。
医生人工检测NT标定的两点坐标为(440,416)和(442,440)， NT值为0.16cm，本发明中方法的检测结果与人工检测结果十分相近，检测结果正确。
以上结合了优选的实施方式对本发明进行了说明，不过这些实施方式仅是范例性的，仅起到说明性的作用。在此基础上，可以对本发明进行多种替换和改进，这些均落入本发明的保护范围内。

Claims (9)

1.一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法，其特征在于，该方法包括以下步骤：
步骤1），输入待测超声视频，获取超声视频图像的比例换算参数；
步骤2），视频图像检测，获得NT区域的候选位置，对具有NT区域的视频帧进行标记；步骤2）包括以下子步骤：
子步骤2.1），视频图像变化检测，采用背景差分法获得NT区域的候选位置；
子步骤2.2），利用AdaBoost方法训练NT区域分类器，利用分类器找出符合NT区域特点的NT区域的候选位置；
子步骤2.3），对步骤子2.1）和步骤子2.2）中的候选位置进行比对和检验，获得高置信度NT区域的位置；其标准为：
i）背景差分法获得的NT区域的候选位置，与分类器检测到的NT区域的候选位置存在相近或重合的位置；两种方式中NT区域的候选位置存在相近是指某两个NT区域的中心坐标间距不大于5个像素；其中，采用背景差分法和分类器检测并标注的NT区域的候选位置的像素面积和标注区域的形状相同；
ii）相近或相连帧图像中NT区域的位置是相近或重合的；
步骤3），对于所有标记的视频帧图像进行正中矢切面检测，获得具备正中矢切面特征的视频帧，结合NT区域具有双平行线结构特点，通过设定检测方法获得NT值；
子步骤3.1），输入待测超声图像，检测NT区域中双平行线结构的图像边缘；
子步骤3.2），选择一侧图像边缘并确定其上像素点的灰度梯度方向；
子步骤3.3），以子步骤3.2）中选择的图像边缘上的像素点为起点，沿该像素点灰度梯度下降的方向进行追踪，直至到达对侧边缘中止，记录距离数据；
子步骤3.4），重复子步骤3.3），对选择的图像边缘上的所有像素点轮询一遍，选出轮询后获得的最大距离长度，即为胎儿颈背透明物厚度；
所述NT为超声视频图像中，胎儿颈背透明物厚度。
2.根据权利要求1所述的方法，其特征在于，步骤1）中，比例换算参数通过从医学超声仪器面板中直接读取，或者通过以下子步骤实施：
子步骤1.1），对输入的超声图像进行划分，获得刻度尺区域、图像区域和图像放大率区域；
子步骤1.2），获取图像刻度尺和图像放大率，结合刻度尺及放大率求得图像的比例转换参数。
3.根据权利要求2所述的方法，其特征在于，子步骤1.2）包括以下子步骤：
子步骤1.2.1），对刻度尺区域进行图像截取，对截取的图像进行二值化操作，获得任意相邻两刻度点之间的像素距离，或者取多个上述像素距离的平均值δ；
子步骤1.2.2），截取图像放大率区域，利用光学字符识别技术由图像放大率区域获得图像放大率f；
子步骤1.2.3），结合刻度尺及放大率信息，可求得图像的比例换算参数r，r=f*C/δ，其中C为刻度尺任意两相邻刻度点之间的像素距离代表的实际物理尺寸。
4.根据权利要求1所述的方法，其特征在于，子步骤2.1）包括以下子步骤：
子步骤2.1.1），首先从视频中提取n幅图像，运用时间中值滤波的方法获得提取图像的背景图像；其中，n的取值介于10至50之间；
子步骤2.1.2），将当前提取的图像与背景图像做差分来找到图像中变化或运动的区域；
子步骤2.1.3），对变化的区域进行后续处理，即去除区域面积小于20个像素的变化区域，找到图像中区域面积大于20个像素且小于120个像素的连通区域并进行标记，即为NT区域的候选位置。
5.根据权利要求1所述的方法，其特征在于，步骤2）中，将不会对视频的每帧图像进行NT区域的检测；
对抽取的视频图像，采用通过对背景差分法获得的高置信度NT区域、以及分类器法确定的高置信度NT区域过去轨迹的分析来预测其未来的运动轨迹的方法，把预测的位置和检测出来的位置结合起来对高置信度NT区域进行跟踪和检测，若两高置信度NT区域运动轨迹连贯且符合运动变化规律，该两高置信度NT区域平均化后得到的NT区域即为最终确定的NT区域。
6.根据权利要求1所述的方法，其特征在于，步骤3）中，正中矢切面图像中，头部的鼻尖区域应该是全图较大高亮区域。
7.根据权利要求6所述的方法，其特征在于，头部的鼻尖区域位置的确定方法包括以下子步骤：
子步骤iii-1-1）使用迭代式阈值分割方法，将阈值从大到小依次取值255-100，得到分割后的二值图像；
子步骤iii-1-2）对得到的二值图像计算连通域；
子步骤iii-1-3）当图像中仅得到1个连通域并且连通域的面积大于20个像素时，确定该连通域为鼻尖区域。
8.根据权利要求7所述的方法，其特征在于，使用连通域搜索算法计算连通域。
9.根据权利要求1所述的方法，其特征在于，子步骤3.3）包括以下子步骤：
子步骤3.3.1），以选择的图像边缘上的像素点为起点，沿该像素点灰度梯度下降的方向进行追踪，直至到达对侧边缘终止；
子步骤3.3.2），获取终止点处图像灰度梯度方向；
子步骤3.3.3），对追踪路径进行验证，验证成功后记录起始点与终止点之间的距离长度、起始点和终止点灰度梯度方向夹角、以及由起始点和终止点坐标构成的点对；
其中，验证成功标准为：终止点处灰度梯度方向与起始点处灰度梯度方向夹角大于150°、且小于180°。
CN201810488204.2A 2018-05-21 2018-05-21 一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统 Active CN110580697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810488204.2A CN110580697B (zh) 2018-05-21 2018-05-21 一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810488204.2A CN110580697B (zh) 2018-05-21 2018-05-21 一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统

Publications (2)

Publication Number Publication Date
CN110580697A CN110580697A (zh) 2019-12-17
CN110580697B true CN110580697B (zh) 2022-04-19

Family

ID=68808667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810488204.2A Active CN110580697B (zh) 2018-05-21 2018-05-21 一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统

Country Status (1)

Country Link
CN (1) CN110580697B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991289B (zh) * 2021-03-10 2024-03-26 深圳市鹭鸣科技有限公司 图像标准切面的处理方法及装置
CN113409275B (zh) * 2021-06-22 2022-07-01 青岛海信医疗设备股份有限公司 基于超声图像确定胎儿颈后透明层厚度的方法及相关装置
CN113536152B (zh) * 2021-06-30 2024-02-09 北京百度网讯科技有限公司 一种地图兴趣点展示方法、装置及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600625A (zh) * 2016-12-13 2017-04-26 广东沅朋网络科技有限公司 检测小型生物的图像处理方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006117497A2 (en) * 2005-05-03 2006-11-09 St George's Healthcare Nhs Trust Automated measurement in images
KR101194292B1 (ko) * 2010-09-28 2012-10-29 삼성메디슨 주식회사 객체에 대한 슬라이스 표시 초음파 검사기 및 그 방법
CN103263278B (zh) * 2013-01-23 2015-05-13 珠海艾博罗生物技术有限公司 一种从超声图像上自动测量胎儿颈背透明物厚度的图像处理方法
KR102273831B1 (ko) * 2014-01-07 2021-07-07 삼성메디슨 주식회사 의료 영상을 디스플레이 하는 방법 및 그 의료 영상 장치
CN104156967B (zh) * 2014-08-18 2017-09-08 深圳开立生物医疗科技股份有限公司 一种胎儿颈部透明层图像分割方法、装置及超声成像系统
CN105405119B (zh) * 2015-10-21 2018-07-13 复旦大学 基于深度置信网络和三维模型的胎儿正中矢状面自动检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600625A (zh) * 2016-12-13 2017-04-26 广东沅朋网络科技有限公司 检测小型生物的图像处理方法及装置

Also Published As

Publication number Publication date
CN110580697A (zh) 2019-12-17

Similar Documents

Publication Publication Date Title
CN110097034B (zh) 一种智能人脸健康程度的识别与评估方法
US8958625B1 (en) Spiculated malignant mass detection and classification in a radiographic image
CN108564085B (zh) 一种自动读取指针式仪表读数的方法
CN110648322B (zh) 一种子宫颈异常细胞检测方法及系统
CN110772286B (zh) 一种基于超声造影识别肝脏局灶性病变的系统
US8965083B2 (en) Automatic detection of vertebrae boundaries in spine images
US10004448B2 (en) Osteoporosis diagnostic support apparatus
CN108186051B (zh) 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统
CN110210448B (zh) 一种智能人脸皮肤老化程度的识别与评估方法
CN110580697B (zh) 一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统
CN112149667A (zh) 一种基于深度学习的指针式仪表的自动读数的方法
CN105427342B (zh) 一种水下小目标声呐图像目标检测跟踪方法和系统
CN109376740A (zh) 一种基于视频的水尺读数检测方法
CN108537751B (zh) 一种基于径向基神经网络的甲状腺超声图像自动分割方法
CN108378869B (zh) 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统
CN106910204B (zh) 一种对海面船只自动跟踪识别的方法和系统
US20230326038A1 (en) Method for morphology identification, trajectory tracking and velocity measurement of high-concentration microbubbles
US9202273B2 (en) Methods and systems for color flow dynamic frame persistence
CN105510364A (zh) 基于x射线的工业部件缺陷的无损检测系统及其检测方法
WO2023130661A1 (zh) 一种二维频谱多普勒超声心动图像的处理方法和装置
CN108764343B (zh) 一种跟踪算法中的跟踪目标框的定位方法
CN114331989A (zh) 基于点特征直方图测地距离的全参考3d点云质量评估方法
CN110051384B (zh) 结合医学统计信息的胎儿颈背透明物位置检测方法及系统
CN108875825B (zh) 一种基于图像分块的粮仓害虫检测方法
CN116258864A (zh) 一种村庄规划建设大数据管理系统

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