CN111110332B - 一种穿刺针显影增强图像优化方法 - Google Patents
一种穿刺针显影增强图像优化方法 Download PDFInfo
- Publication number
- CN111110332B CN111110332B CN202010060536.8A CN202010060536A CN111110332B CN 111110332 B CN111110332 B CN 111110332B CN 202010060536 A CN202010060536 A CN 202010060536A CN 111110332 B CN111110332 B CN 111110332B
- Authority
- CN
- China
- Prior art keywords
- puncture needle
- matrix
- acquiring
- image
- development
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/34—Trocars; Puncturing needles
- A61B17/3403—Needle locating or guiding means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/34—Trocars; Puncturing needles
- A61B17/3403—Needle locating or guiding means
- A61B2017/3413—Needle locating or guiding means guided by ultrasound
Abstract
本发明公开了一种穿刺针显影增强图像优化方法包括如下步骤:获取正常帧图像;获取偏转帧图像;获取输入数据;输入数据处理;获取穿刺针的位置与角度信息;获取阈值矩阵;获取增强图像;穿刺针显影。本发明的一种穿刺针显影增强图像优化方法通过图像归一化处理,使采集的数据的表示结构统一,从而大幅度减少干扰,增强图像处理过程中的算法鲁棒性,利用高斯特征模型对输入数据进行处理,获取到概率值最大的伽柏矩阵,从而获取帧位置及角度信息,再进行取阈值处理,将矩阵值的幅度变大从而使阈值矩阵成为明显的图像,进而保证在与原始矩阵处理后获取到的增强矩阵能够更好的用于穿刺针显影,从而保证最终穿刺针显影的图像精准有效。
Description
技术领域
本发明属于超声图像增强技术领域,具体地说,涉及一种穿刺针显影增强图像优化方法。
背景技术
穿刺针增强技术广泛应用于医学超声中,由于穿刺针插入角度问题,超声探头发出的阵元声束在穿刺针上发生反射,回波信号偏移了原来的方向,回波信号弱,难以形成清晰图像。为了提高针的可视度,通常的做法调整阵元声束角度,增强穿刺针回波信号,获取穿刺针较清晰的偏转帧图像,与垂直发射未偏转获取的正常帧图像进行融合。
但上述方法虽然通过偏转帧图像与正常帧图像融合,使穿刺针显示得到增强,但是很容易出现伪像的情况,导致图像整体质量不佳。
发明内容
本发明的所要解决的技术问题在于提供一种图像质量强,不易出现伪像的穿刺针显影增强图像优化方法。
本发明解决上述技术问题的技术方案为:
一种穿刺针显影增强图像优化方法,包括如下步骤:
获取正常帧图像,通过超声仪器获取待测部位的在超声下的正常帧像,并转换成原始矩阵;
获取偏转帧图像,通过超声仪器获取穿刺针刺入待测部位的一帧偏转帧图像;
获取输入数据,对偏转帧图像使用进行图像强度归一化处理,获取一组结构统一的偏转矩阵组成的输入数据;
输入数据处理,对输入数据依据水平转动180°的范围每隔k度进行一次伽柏变换,10≥k≥1,获取180/k组伽柏矩阵,每一组伽柏矩阵标识出穿刺针的可能区域,通过180/k组伽柏矩阵构建高斯特征模型,计算出对应的180/k组特征概率值,取概率值最大的伽柏矩阵,获取穿刺针的位置与角度信息;
获取阈值矩阵,对伽柏矩阵先进行数值归一化处理,再进行取阈值处理,获取阈值矩阵;
获取增强图像,将阈值矩阵与原始矩阵进行乘法运算获取增强矩阵,将增强矩阵进行转化获取增强图像;
穿刺针显影,结合阈值矩阵、增强矩阵及穿刺针的位置与角度信息,构建张量扩散滤波模型,获取穿刺针显影矩阵,在增强图像上补充穿刺针显影矩阵,使穿刺针显影。
具体的,还包括有如下步骤:
穿刺针追踪,获取连续的至少两帧偏转帧图像通过处理分别获取第n-1帧与第n帧穿刺针显影矩阵,计算两帧之间的相关性,依据该相关性与第n帧穿刺针显影矩阵获取第n+1帧穿刺针理论上的位置矩阵,追踪穿刺针。
优选的,所述图像强度归一化处理所采用的方法为限制对比度直方图均衡方法。
优选的,所述获取增强图像步骤中所采用的乘法运算方法为矩阵点乘。
具体的,所述输入数据处理步骤中的所述特征概率值为伽柏矩阵中指定区域的包括但不限于灰阶、角度、长度、面积分别构建高斯模型计算属于针区域的概率值之和。
具体的,阈值t由实验结果确定,1≥t≥0,当矩阵值<t时,取值为0。
优选的,所述穿刺针显影步骤中穿刺针显影的方式为中间亮,边缘呈过渡状。
优选的,所述穿刺针追踪步骤中,追踪到的穿刺针呈高亮标识。
具体的,所述穿刺针追踪步骤中计算两帧之间的相关性的方法为计算皮尔逊相关系数。
本发明具有以下有益效果:通过图像归一化处理,使采集的数据的表示结构统一,从而大幅度减少干扰,增强图像处理过程中的算法鲁棒性,利用高斯特征模型对输入数据进行处理,获取到概率值最大的伽柏矩阵,从而最大可能的将伪像一致,再进行取阈值处理,将矩阵值的幅度变大从而使阈值矩阵成为明显的图像,进而保证在与原始矩阵处理后获取到的增强矩阵能够更好的用于穿刺针显影,从而保证最终穿刺针显影的图像精准有效。
附图说明
图1为本发明实施例的优化流程示意图。
具体实施方式
下面结合附图对本发明做详细说明。
实施例:
本发明实施例的一种穿刺针显影增强图像优化方法,包括如下步骤:
获取正常帧图像,通过超声仪器获取待测部位的在超声下的正常帧像,并转换成原始矩阵;此时,所采集到的图像为未插入穿刺针时,待测部位的实际超声图像,由于没有穿刺针的影响,因此,一般该图像较为准确与真实,当然也可以采用超声领域其他方式对该图像进行增强,但与本申请的内容无关,在此不加以赘述。
获取偏转帧图像,通过超声仪器获取穿刺针刺入待测部位的一帧偏转帧图像;当穿刺针插入待测部位后,由于穿刺针是呈一定角度插入的,因此,会使超声声束在碰撞到穿刺针时发生偏移,导致被接收到的回波信号偏移进而使回波信号偏弱,导致形成的影响不够清晰,为了使图像更为清晰,以及保证图像的清晰度以及将伪像进行抑制,需要对偏转帧图像进行优化。
获取输入数据,对偏转帧图像使用进行图像强度归一化处理,获取一组结构统一的偏转矩阵组成的输入数据;具体的,所述图像强度归一化处理所采用的方法为限制对比度直方图均衡方法。使用图像强度归一化的处理,保证采集到的图像数据最终的表示结构的统一,能够有效的减少干扰,保证后续处理过程中所采用的算法的鲁棒性。
输入数据处理,对输入数据依据水平转动180°的范围每隔k度进行一次伽柏变换,10≥k≥1,获取180/k组伽柏矩阵,每一组伽柏矩阵标识出穿刺针的可能区域,通过180/k组伽柏矩阵构建高斯特征模型,计算出对应的180/k组特征概率值,取概率值最大的伽柏矩阵,获取穿刺针的位置与角度信息;具体的,该步骤中的所述特征概率值为为伽柏矩阵中指定区域的包括但不限于灰阶、角度、长度、面积分别构建高斯模型计算属于针区域的概率值之和。构建的高斯特征模型能够精准的量化所输入的数据对应的特征概率值,再经过叠加后,能够得到综合概率值最大的伽柏矩阵,也可以说是帧位置图,以此来将伪像大幅度抑制,并且提高后续成像的效果。从概率值最大的伽柏矩阵获取穿刺针的位置与角度信息;通过该方法处理后所获取的数据基本贴近实际穿刺针的穿刺角度以及所处的位置,因此,效果极佳。
获取阈值矩阵,获取阈值矩阵,对伽柏矩阵先进行数值归一化处理,再进行取阈值处理,获取阈值矩阵;具体的,阈值t由实验结果确定,1≥t≥0,当矩阵值<t时,取值为0。阈值的使用主要为了使图像能够更明显的有较大差异性的显示出来,进而给予操作人员更直观的观看度。
获取增强图像,将阈值矩阵与原始矩阵进行乘法运算获取增强矩阵,将增强矩阵进行转化获取增强图像;具体的,该步骤中所采用的乘法运算方法为矩阵点乘,所获取的增强图像直接显示在显示器中,操作者可以根据该增强图像看到待测部位的具体情况。
穿刺针显影,结合阈值矩阵、增强矩阵及穿刺针的位置与角度信息,构建张量扩散滤波模型,获取穿刺针显影矩阵,在增强图像上补充穿刺针显影矩阵,使穿刺针显影。优选的,穿刺针显影的方式为中间亮,边缘呈过渡状。将穿刺针标亮能够使操作人员更好的掌握穿刺针的位置,并且对其边缘有较好的掌握,进而保证操作过程的稳定性。
穿刺针追踪,获取连续的至少两帧偏转帧图像通过处理分别获取第n-1帧与第n帧穿刺针显影矩阵,计算两帧之间的相关性,依据该相关性与第n帧穿刺针显影矩阵获取第n+1帧穿刺针理论上的位置矩阵,追踪穿刺针。优选的,追踪到的穿刺针呈高亮标识。具体的,所述穿刺针追踪步骤中计算两帧之间的相关性的方法为计算皮尔逊相关系数。穿刺针的追踪能够用于指导穿刺针接下来的穿刺方式,保证穿刺针进行穿刺作业时,能够得到一定的基础引导,而非完全凭靠经验进行。
以上内容是结合具体的优选实施方式对本发明所做的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种穿刺针显影增强图像优化方法,其特征在于,包括如下步骤:
获取正常帧图像,通过超声仪器获取待测部位的在超声下的正常帧像,并转换成原始矩阵;
获取偏转帧图像,通过超声仪器获取穿刺针刺入待测部位的一帧偏转帧图像;
获取输入数据,对偏转帧图像使用进行图像强度归一化处理,获取一组结构统一的偏转矩阵组成的输入数据;
输入数据处理,对输入数据依据水平转动180°的范围每隔k度进行一次伽柏变换,10≥k≥1,获取180/k组伽柏矩阵,每一组伽柏矩阵标识出穿刺针的可能区域,通过180/k组伽柏矩阵构建高斯特征模型,计算出对应的180/k组特征概率值,取概率值最大的伽柏矩阵,获取穿刺针的位置与角度信息;
获取阈值矩阵,对伽柏矩阵先进行数值归一化处理,再进行取阈值处理,获取阈值矩阵;
获取增强图像,将阈值矩阵与原始矩阵进行乘法运算获取增强矩阵,将增强矩阵进行转化获取增强图像;
穿刺针显影,结合阈值矩阵、增强矩阵及穿刺针的位置与角度信息,构建张量扩散滤波模型,获取穿刺针显影矩阵,在增强图像上补充穿刺针显影矩阵,使穿刺针显影。
2.根据权利要求1所述的穿刺针显影增强图像优化方法,其特征在于:还包括有如下步骤:
穿刺针追踪,获取连续的至少两帧偏转帧图像通过处理分别获取第n-1帧与第n帧穿刺针显影矩阵,计算两帧之间的相关性,依据该相关性与第n帧穿刺针显影矩阵获取第n+1帧穿刺针理论上的位置矩阵,追踪穿刺针。
3.根据权利要求2所述的穿刺针显影增强图像优化方法,其特征在于:所述图像强度归一化处理所采用的方法为限制对比度直方图均衡方法。
4.根据权利要求2所述的穿刺针显影增强图像优化方法,其特征在于:所述获取增强图像步骤中所采用的乘法运算方法为矩阵点乘。
5.根据权利要求2所述的穿刺针显影增强图像优化方法,其特征在于:所述输入数据处理步骤中的所述特征概率值为伽柏矩阵中指定区域的包括但不限于灰阶、角度、长度、面积分别构建高斯模型计算属于针区域的概率值之和。
6.根据权利要求2所述的穿刺针显影增强图像优化方法,其特征在于:所述获取阈值矩阵步骤中的阈值t由实验结果确定,1≥t≥0,当矩阵值<t时,取值为0。
7.根据权利要求2所述的穿刺针显影增强图像优化方法,其特征在于:所述穿刺针显影步骤中穿刺针显影的方式为中间亮,边缘呈过渡状。
8.根据权利要求7所述的穿刺针显影增强图像优化方法,其特征在于:所述穿刺针追踪步骤中,追踪到的穿刺针呈高亮标识。
9.根据权利要求2所述的穿刺针显影增强图像优化方法,其特征在于:所述穿刺针追踪步骤中计算两帧之间的相关性的方法为计算皮尔逊相关系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060536.8A CN111110332B (zh) | 2020-01-19 | 2020-01-19 | 一种穿刺针显影增强图像优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060536.8A CN111110332B (zh) | 2020-01-19 | 2020-01-19 | 一种穿刺针显影增强图像优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111110332A CN111110332A (zh) | 2020-05-08 |
CN111110332B true CN111110332B (zh) | 2021-08-06 |
Family
ID=70491487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010060536.8A Active CN111110332B (zh) | 2020-01-19 | 2020-01-19 | 一种穿刺针显影增强图像优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111110332B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112568932A (zh) * | 2021-02-26 | 2021-03-30 | 深圳中科乐普医疗技术有限公司 | 一种穿刺针显影增强的方法、系统和超声成像设备 |
CN113197630B (zh) * | 2021-07-05 | 2021-09-07 | 深圳华声医疗技术股份有限公司 | 穿刺针显影增强方法、装置、超声设备及存储介质 |
CN116439802B (zh) * | 2023-05-12 | 2024-04-12 | 上海长征医院 | 一种掌式超声装置和成像方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104919491A (zh) * | 2013-02-19 | 2015-09-16 | 奥普托斯股份有限公司 | 图像处理的改进或与图像处理相关的改进 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10162927A1 (de) * | 2001-12-20 | 2003-07-17 | Siemens Ag | Auswerten von mittels funktionaler Magnet-Resonanz-Tomographie gewonnenen Bildern des Gehirns |
US8175350B2 (en) * | 2007-01-15 | 2012-05-08 | Eigen, Inc. | Method for tissue culture extraction |
JP2011159228A (ja) * | 2010-02-03 | 2011-08-18 | Sony Corp | 画像処理装置、画像処理方法、およびプログラム |
EP2363071A1 (en) * | 2010-03-03 | 2011-09-07 | Technische Universiteit Eindhoven | Needle detection in medical image data |
KR20130012297A (ko) * | 2011-07-25 | 2013-02-04 | 삼성전자주식회사 | 병변 검출 장치, 병변 검출 방법 및 병변 진단 장치 |
CN106780508A (zh) * | 2016-09-23 | 2017-05-31 | 北京联合大学 | 一种基于Gabor变换的GrabCut纹理图像分割方法 |
CN108073932A (zh) * | 2016-11-16 | 2018-05-25 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于Gabor滤波的工件图像特征提取与识别方法 |
CN109276296A (zh) * | 2018-12-02 | 2019-01-29 | 沈阳聚声医疗系统有限公司 | 一种基于二维超声影像的穿刺针可视化方法 |
CN109949254B (zh) * | 2019-03-19 | 2021-03-19 | 青岛海信医疗设备股份有限公司 | 穿刺针超声图像增强方法及装置 |
-
2020
- 2020-01-19 CN CN202010060536.8A patent/CN111110332B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104919491A (zh) * | 2013-02-19 | 2015-09-16 | 奥普托斯股份有限公司 | 图像处理的改进或与图像处理相关的改进 |
Also Published As
Publication number | Publication date |
---|---|
CN111110332A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111110332B (zh) | 一种穿刺针显影增强图像优化方法 | |
CN110074813B (zh) | 一种超声图像重建方法及系统 | |
DE102009033286B4 (de) | Scherwellenbildgebung | |
US8447383B2 (en) | System and method for providing 2-dimensional computerized-tomography image corresponding to 2-dimensional ultrasound image | |
CN101901342B (zh) | 影像目标区域的提取方法和装置 | |
CN109475343B (zh) | 剪切波弹性成像测量显示方法及系统 | |
Karjalainen et al. | Training and validation of automatic target recognition systems using generative adversarial networks | |
CN113066064A (zh) | 基于人工智能的锥束ct图像生物结构识别及三维重建系统 | |
JP2009022343A (ja) | 超音波診断装置及び画像処理プログラム | |
CN114926374B (zh) | 一种基于ai的图像处理方法、装置、设备及可读存储介质 | |
CN109919953B (zh) | 颈动脉内中膜厚度测量的方法、系统和设备 | |
CN113689337B (zh) | 一种基于生成对抗网络的超声图像超分辨率重建方法及系统 | |
CN107169978B (zh) | 超声图像边缘检测方法及系统 | |
Peng et al. | Stochastic resonance: An approach for enhanced medical image processing | |
CN112168211A (zh) | 一种腹部超声图像的脂肪厚度和肌肉厚度测量方法及系统 | |
CN109886903A (zh) | 一种基于灰度中列数参照的多聚焦图像融合方法和系统 | |
CN116184376A (zh) | 一种水下三维地形及多波束图像声呐数据仿真系统和方法 | |
CN111513823B (zh) | 基于多任务神经网络与偏转扫描的穿刺针定位系统 | |
CN115205227A (zh) | 一种基于变化检测的sar图像阴影区域检测方法 | |
CN112137693B (zh) | 四维超声引导穿刺的成像方法及装置 | |
CN111275709B (zh) | 超声图像处理方法、装置、超声诊断设备及介质 | |
CN111358492A (zh) | 一种四维造影图像生成方法、装置、设备及存储介质 | |
CN114503166A (zh) | 三维体数据的测量方法、测量系统、医疗器械及存储介质 | |
CN111383323A (zh) | 一种超声成像方法和系统以及超声图像处理方法和系统 | |
KR102420571B1 (ko) | 딥러닝 기반의 공동 예측 시스템 및 방법 |
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 |
Address after: 515000 No. 77 Jinsha Road, Shantou City, Guangdong Province Applicant after: Shantou Ultrasonic Instrument Research Institute Co., Ltd Address before: 515000 No. 77 Jinsha Road, Shantou City, Guangdong Province Applicant before: SHANTOU INSTITUTE OF ULTRASONIC INSTRUMENTS Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |