CN111297396A - 一种基于Radon变换的超声胸膜线自动识别定位方法 - Google Patents

一种基于Radon变换的超声胸膜线自动识别定位方法 Download PDF

Info

Publication number
CN111297396A
CN111297396A CN202010113670.XA CN202010113670A CN111297396A CN 111297396 A CN111297396 A CN 111297396A CN 202010113670 A CN202010113670 A CN 202010113670A CN 111297396 A CN111297396 A CN 111297396A
Authority
CN
China
Prior art keywords
pleural
line
pleural line
image
pleura
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.)
Granted
Application number
CN202010113670.XA
Other languages
English (en)
Other versions
CN111297396B (zh
Inventor
陈建刚
李庆利
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.)
East China Normal University
Original Assignee
East China Normal University
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 East China Normal University filed Critical East China Normal University
Priority to CN202010113670.XA priority Critical patent/CN111297396B/zh
Publication of CN111297396A publication Critical patent/CN111297396A/zh
Application granted granted Critical
Publication of CN111297396B publication Critical patent/CN111297396B/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
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4411—Device being modular
    • 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
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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

Landscapes

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

Abstract

本发明公开了一种基于Radon变换的超声胸膜线自动识别定位方法，其特点是采用Radon变换技术，将剪切的超声图像提取胸膜线的峰点，获取胸膜线横向投影的范围区间，并提取胸膜线，从而实现胸膜线的识别和定位，具体包括：图像的剪切、剪切图像的变换和旋转，以及胸膜线的提取和识别定位步骤。本发明与现有技术相比具有结合胸膜的解剖和动态特性可快速准确识别胸膜线，不仅可以使胸膜线的检测更加客观，而且可以实现胸膜的定量评估，有助于诊断某些胸膜疾病，如胸膜炎症，以及超声引导下的胸膜穿刺，提高缺乏经验的医生对日常临床诊断的信心，提高临床手术效率，具有广泛的应用前景。

Description

一种基于Radon变换的超声胸膜线自动识别定位方法
技术领域
本发明涉及医学超声自动识别测量技术领域，尤其是一种基于Radon变换的超声胸膜线自动识别定位方法。
背景技术
胸膜在超声扫描中常以明亮的线条出现，胸膜线作为一个关键的解剖标志，在肺超声中起着重要的作用，它不仅仅是胸壁与肺之间的界面，还与许多肺疾病有关，例如胸膜增厚和胸腔积液等。胸膜线的评估适用于各种医疗环境，包括急诊医学、呼吸护理、外科、介入放射学、危重护理和麻醉等。此外，胸膜线检测是评估肺的多个超声特征的基础，包括肺滑动，肺脉冲，胸膜增厚，胸膜线异常等。
现有技术的胸膜线检测和评估主要依赖于传统的视觉超声检查，但有一定的局限性，存在的问题是：第一，胸膜线很容易被错误地识别为胸部肌肉和脂肪层的界面；第二，胸膜线在病理状态下可能表现出不规则的形状，从而难以检查和评估；第三，定量评估胸膜是困难的，特别是当胸膜在病理状态下显示不清楚时测量胸膜厚度。
发明内容
本发明的目的是针对现有技术的不足而设计的一种基于Radon变换的超声胸膜线自动识别定位方法，采用Radon变换技术，将剪切的超声图像提取胸膜线的峰点，获取胸膜线横向投影的范围区间，并提取胸膜线，从而实现胸膜线的识别和定位，不仅可以使胸膜线的检测更加客观，而且可以实现胸膜的定量评估，有助于诊断某些胸膜疾病，如胸膜炎症，以及超声引导下的胸膜穿刺。
本发明的目的是这样实现的：一种基于Radon变换的超声胸膜线自动识别定位方法，其特征在于按下述步骤进行超声胸膜线自动识别定位：
（一）超声图像的剪切
将超声图像沿纵向方向从图像底部向上剪切一部分图像，并保留含有胸膜线的部分，剪切部分的大小可依据人体身体质量指数个性化设定；
（二）剪切图像的变换
将步骤（一）获取的剪切后图像进行Radon变换，并从变换后的能量图中提取对应于原图中直线和微曲线的峰点，根据峰点的位置信息推算出所对应原图中直线和微曲线的深度和角度信息，然后根据受试者的身高体重推算出胸膜线深度范围，从而选出对应于胸膜线的峰点；
（三）剪切图像的旋转
将剪切后的图像根据步骤（二）获取的对应于胸膜线峰点的角度旋转使胸膜线接近水平，并将旋转后的图像横向叠加，生成的横向强度投影曲线中对应于胸膜线的波峰相邻的两个波谷给出了胸膜线横向投影的范围区间；
（四）胸膜线的提取
将步骤（三）获取的获取的胸膜线横向投影的范围区间，从旋转后的图像中提取每一列中的最大值，从而提取胸膜线；
（五）胸膜线的识别定位
将步骤（四）提取胸膜线后的图像，根据步骤（三）获取的胸膜线角度，旋转回原来的角度，从而实现胸膜线的识别和定位。
本发明与现有技术相比具有结合胸膜的解剖和动态特性可快速准确识别胸膜线，提高了缺乏经验的医生对日常临床诊断的信心，提高临床手术效率，具有广泛用于临床诊断的智能应用前景。
附图说明
图1为本发明流程图；
图2为显示胸膜线的超声图像；
图3为F2的Radon变换能量图像；
图4为F2旋转后的图像；
图5为横向强度投影曲线图；
图6为旋转后的图像；
图7为旋转前图像。
具体实施方式
参阅附图1，本发明按下述步骤进行超声胸膜线自动识别定位：
（一）超声图像的剪切
将超声图像沿纵向方向从图像底部向上剪切一部分图像，并保留含有胸膜线的部分，剪切部分的大小可依据人体身体质量指数个性化设定；
（二）剪切图像的变换
将步骤（一）获取的剪切后图像进行Radon变换，并从变换后的能量图中提取对应于原图中直线和微曲线的峰点，根据峰点的位置信息推算出所对应原图中直线和微曲线的深度和角度信息，然后根据受试者的身高体重推算出胸膜线深度范围，从而选出对应于胸膜线的峰点；
（三）剪切图像的旋转
将剪切后的图像根据步骤（二）获取的对应于胸膜线峰点的角度旋转使胸膜线接近水平，并将旋转后的图像横向叠加，生成的横向强度投影曲线中对应于胸膜线的波峰相邻的两个波谷给出了胸膜线横向投影的范围区间；
（四）胸膜线的提取
将步骤（三）获取的获取的胸膜线横向投影的范围区间，从旋转后的图像中提取每一列中的最大值，从而提取胸膜线；
（五）胸膜线的识别定位
将步骤（四）提取胸膜线后的图像，根据步骤（三）获取的胸膜线角度，旋转回原来的角度，从而实现胸膜线的识别和定位。
以下通过具体实施例对本发明作进一步的详细说明。
实施例1
参阅附图2，根据身体质量指数=胸壁厚度关系，尽量多的个性化移除图像（记为F1）中无用部分，如图像底部1/3，使剩余部分包括胸膜线及较少的其他信息（剪切后的图像记为F2），左图为肺部超声图像，右图为缩小尺寸的图像，本操作旨在减少输入图像的尺寸，降低计算量，提高系统处理速度。
参阅附图3，将Radon变换应用于F2以获得能量图像，图中的峰点（绿色圆圈标出）对应于F2中的直线或微曲线，作为胸膜线的候选对象。图中峰点的x坐标表示根据其对应的直线或微曲线在F2中相对于x+方向的角度，而y坐标表示对应的直线或微曲线在F2中的截距（坐标原点为F2的中心）。因此，根据一个峰点的x和y坐标可推导出其对应于F2中一条直线或微曲线的深度。
基于以上信息，并结合以下先验知识，可筛选出胸膜线对应的峰点：胸膜线在在超声图像中往往是最连续的线，因此，Radon变换能量图中与胸膜线相对应的峰值通常较高；胸膜线的深度等于胸壁厚度,而胸壁厚度与人体身体质量指数成一定的线性关系。由此，可通过人体的身体质量指数推算胸壁厚度的大概范围,也就是胸膜可能的深度范围，从而确定对应于胸膜线的峰点.，上述过程中胸膜线对应的峰点被选中，如中的P0。
参阅附图4，根据P0对应的角度（θ），将F2旋转（90-θ）得到F3，F3中胸膜线变为水平。
参阅附图5，将F3沿横向的像素灰度值累加，得到横向强度投影曲线（记为LIPC-1，图中的蓝线）。为了比较，图5同时显示了F2横向强度投影曲线（记为LIPC-2，图5中的红色虚线）。与胸膜线相对应的波峰可以基于P0位置信息自动定位。图中，LIPC-1或LIPC-2的最大峰对应于提取的胸膜线。此外，可发现LIPC-1的胸膜波峰远高于LIPC-2，这是因为旋转法可突出胸膜线的位置，便于胸膜线的提取。提取LIPC1胸膜线峰旁的两个谷底，如图5中的两条虚线所示，红色虚线对应于F2，蓝色线对应于F3。
参阅附图6，两个谷底之间的范围（即[2.723.07]）为胸膜线横向投影范围。因此，在F3的相应范围内通过将提取每列的最大灰度值的像素可自动提取胸膜线，图中胸膜线用红线标出。图中的两条水平虚线对应于图5中的两条垂直虚线。
参阅附图7，将F3与提取的胸膜线一起旋转到原始角度，从而完成胸膜线的识别和定位，图中胸膜线用红线标出。
本发明可应用于便携式超声和掌上超声系统，上述程序的步骤均可自动执行。以上只是对本发明作进一步的说明，并非用以限制本专利，在不背离本发明构思的精神和范围下的等效实施，均应包含于本专利的权利要求范围之内。

Claims (1)

1.一种基于Radon变换的超声胸膜线自动识别定位方法，其特征在于按下述步骤进行超声胸膜线自动识别定位：
（一）超声图像的剪切
将超声图像沿纵向方向从图像底部向上剪切一部分图像，并保留含有胸膜线的部分，剪切部分的大小可依据人体身体质量指数个性化设定；
（二）剪切图像的变换
将步骤（一）获取的剪切后图像进行Radon变换，并从变换后的能量图中提取对应于原图中直线和微曲线的峰点，根据峰点的位置信息推算出所对应原图中直线和微曲线的深度和角度信息，然后根据受试者的身高体重推算出胸膜线深度范围，从而选出对应于胸膜线的峰点；
（三）剪切图像的旋转
将剪切后的图像根据步骤（二）获取的对应于胸膜线峰点的角度旋转使胸膜线接近水平，并将旋转后的图像横向叠加，生成的横向强度投影曲线中对应于胸膜线的波峰相邻的两个波谷给出了胸膜线横向投影的范围区间；
（四）胸膜线的提取
将步骤（三）获取的获取的胸膜线横向投影的范围区间，从旋转后的图像中提取每一列中的最大值，从而提取胸膜线；
（五）胸膜线的识别定位
将步骤（四）提取胸膜线后的图像，根据步骤（三）获取的胸膜线角度，旋转回原来的角度，从而实现胸膜线的识别和定位。
CN202010113670.XA 2020-02-24 2020-02-24 一种基于Radon变换的超声胸膜线自动识别定位方法 Active CN111297396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010113670.XA CN111297396B (zh) 2020-02-24 2020-02-24 一种基于Radon变换的超声胸膜线自动识别定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010113670.XA CN111297396B (zh) 2020-02-24 2020-02-24 一种基于Radon变换的超声胸膜线自动识别定位方法

Publications (2)

Publication Number Publication Date
CN111297396A true CN111297396A (zh) 2020-06-19
CN111297396B CN111297396B (zh) 2021-05-07

Family

ID=71151084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010113670.XA Active CN111297396B (zh) 2020-02-24 2020-02-24 一种基于Radon变换的超声胸膜线自动识别定位方法

Country Status (1)

Country Link
CN (1) CN111297396B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130197370A1 (en) * 2012-01-30 2013-08-01 The Johns Hopkins University Automated Pneumothorax Detection
CN108038875A (zh) * 2017-12-07 2018-05-15 浙江大学 一种肺部超声图像识别方法和装置
WO2018108742A1 (en) * 2016-12-13 2018-06-21 Koninklijke Philips N.V. Target probe placement for lung ultrasound
CN108765421A (zh) * 2018-05-30 2018-11-06 上海联影医疗科技有限公司 乳房医学图像处理方法、装置和aec曝光参数获取方法
CN109190621A (zh) * 2018-09-06 2019-01-11 东北大学 雾天车牌自动识别方法
CN109310398A (zh) * 2016-03-24 2019-02-05 皇家飞利浦有限公司 用于检测肺部滑动的超声系统和方法
WO2020037266A1 (en) * 2018-08-17 2020-02-20 Inventive Government Solutions, Llc Automated ultrasound video interpretation of a body part, such as a lung, with one or more convolutional neural networks such as a single-shot-detector convolutional neural network

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130197370A1 (en) * 2012-01-30 2013-08-01 The Johns Hopkins University Automated Pneumothorax Detection
CN109310398A (zh) * 2016-03-24 2019-02-05 皇家飞利浦有限公司 用于检测肺部滑动的超声系统和方法
WO2018108742A1 (en) * 2016-12-13 2018-06-21 Koninklijke Philips N.V. Target probe placement for lung ultrasound
CN108038875A (zh) * 2017-12-07 2018-05-15 浙江大学 一种肺部超声图像识别方法和装置
CN108765421A (zh) * 2018-05-30 2018-11-06 上海联影医疗科技有限公司 乳房医学图像处理方法、装置和aec曝光参数获取方法
WO2020037266A1 (en) * 2018-08-17 2020-02-20 Inventive Government Solutions, Llc Automated ultrasound video interpretation of a body part, such as a lung, with one or more convolutional neural networks such as a single-shot-detector convolutional neural network
CN109190621A (zh) * 2018-09-06 2019-01-11 东北大学 雾天车牌自动识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MOSHAVEGH R, HANSEN KL, SORENSEN HM,ET AL: "Novel Automatic Detection of Pleura and B-lines (Comet-Tail Artifacts) on In-Vivo Lung Ultrasound Scans", 《PROCEEDINGS OF SPIE, 2016》 *

Also Published As

Publication number Publication date
CN111297396B (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN112529894B (zh) 一种基于深度学习网络的甲状腺结节的诊断方法
CN109035283B (zh) 一种基于随机选取分区的肺气肿精准检测与量化分析方法
TWI473598B (zh) Breast ultrasound image scanning and diagnostic assistance system
CN110111329B (zh) 一种基于人工智能超声影像检测方法及系统
US20140018681A1 (en) Ultrasound imaging breast tumor detection and diagnostic system and method
CN111553919B (zh) 一种基于弹性超声成像的甲状腺结节分析系统
CN102429679A (zh) 基于胸部ct图像的肺气肿计算机辅助诊断系统
KR20090088404A (ko) 의료 이미징 시스템
CN111374712B (zh) 一种超声成像方法及超声成像设备
CN116531089A (zh) 基于图像增强的阻滞麻醉超声引导数据处理方法
JP6191328B2 (ja) 超音波診断装置、超音波画像解析方法、およびプログラム
Wee et al. Computerized automatic nasal bone detection based on ultrasound fetal images using cross correlation techniques
CN111047580B (zh) 用于超声分子影像研究的声像图定量分析及综合定量分析方法
CN113450327A (zh) 一种甲状腺结节的血管分布信息识别装置
CN114176602B (zh) 一种基于深度学习多目标检测同时定位心电p波、qrs波、t波位置的方法
CN111297396B (zh) 一种基于Radon变换的超声胸膜线自动识别定位方法
WO2023133935A1 (zh) 超声颅脑异常区域自动检测及显示方法
CN113469942B (zh) 一种ct图像病变检测方法
Gupta Real time wound segmentation/management using image processing on handheld devices
CN111297395A (zh) 一种基于Radon变换的超声胸膜线自动识别定位系统
CN117529282A (zh) 通过超声图像的分析诊断肺炎的设备和方法
Aji et al. Automatic measurement of fetal head circumference from 2-dimensional ultrasound
US20230214970A1 (en) Skin surface analysis device and skin surface analysis method
CN212788533U (zh) 一种基于Radon变换的超声胸膜线自动识别定位系统
CN112561991B (zh) 基于surf特征提取和颜色分割的液位计图像识别方法

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