CN111354006A - 超声图像中目标组织的描迹方法及装置 - Google Patents
超声图像中目标组织的描迹方法及装置 Download PDFInfo
- Publication number
- CN111354006A CN111354006A CN201811573966.9A CN201811573966A CN111354006A CN 111354006 A CN111354006 A CN 111354006A CN 201811573966 A CN201811573966 A CN 201811573966A CN 111354006 A CN111354006 A CN 111354006A
- Authority
- CN
- China
- Prior art keywords
- tracing
- contour
- target tissue
- track
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 149
- 238000002604 ultrasonography Methods 0.000 claims abstract description 100
- 238000002592 echocardiography Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 34
- 238000005259 measurement Methods 0.000 claims description 34
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 30
- 239000000523 sample Substances 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 17
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 abstract description 11
- 238000003709 image segmentation Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000003086 colorant Substances 0.000 description 15
- 230000008859 change Effects 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 241000270295 Serpentes Species 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 206010006272 Breast mass Diseases 0.000 description 1
- 208000009453 Thyroid Nodule Diseases 0.000 description 1
- 208000024770 Thyroid neoplasm Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 210000002458 fetal heart Anatomy 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/30096—Tumor; Lesion
Abstract
本发明公开了一种超声图像中目标组织的描迹方法及装置。其中,该方法包括:向目标组织发射超声波,并接收超声回波,获得超声回波信号;根据超声回波信号获得包括目标组织的二维超声图像;接收在二维超声图像上描绘的第一轨迹,并根据第一轨迹,确定目标组织的描迹轮廓;对描迹轮廓进行调整,得到目标组织的最终描迹轮廓。本发明解决了相关技术中采用全手工的图像分割导致的分割结果不精确和不可重复的技术问题。
Description
技术领域
本发明涉及超声图像处理领域,具体而言,涉及一种超声图像中目标组织的描迹方法及装置。
背景技术
医学超声图像由于具有无创、低成本、图像实时显示的特点,在临床上得到了越来越广泛的应用。二维图像是医学超声图像的基本单元,其利用超声回波信号来检测组织的结构信息,并通过二维图像的方式将组织的结构信息实时显示。医生通过对二维图像中结构信息的观察和辨别来给临床诊断提供帮助和依据。
医学超声二维图像已被广泛应用于腹部、心脏、小器官、血管和妇产等领域的检查中,为脏器的结构性病变提供重要的诊断依据。在临床检查中,许多疾病的筛查是通过测量二维图像中的正常组织或病变组织(如胎儿颅脑,胎心,甲状腺结节,乳腺结节等)来实现的。因此,二维超声图像中目标组织的准确分割,直接影响诊断的结果。
由于二维超声图像的类型多种多样,并且经常会出现强回声、声影和各种噪声干扰,现有的自动分割方法准确度有限,并且一旦分割完成之后,分割结果无法修改。因此,往往需要一定的人工干预(如手工描迹)。然而,全手工的图像分割是一项极为耗时和枯燥的工作,并且分割结果是不够精确和不可重复的。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种超声图像中目标组织的描迹方法及装置,以至少解决相关技术中采用全手工的图像分割导致的分割结果不精确和不可重复的技术问题。
根据本发明实施例的一个方面,提供了一种超声图像中目标组织的描迹方法,包括:向目标组织发射超声波,并接收超声回波,获得超声回波信号;根据所述超声回波信号获得包括目标组织的二维超声图像;接收在所述二维超声图像上描绘的第一轨迹,并根据所述第一轨迹,确定所述目标组织的描迹轮廓;对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
一个实施例中,根据所述超声回波信号获得包括目标组织的二维超声图像包括:或者,对通过超声设备中二维成像模块获取所述目标组织的二维超声图像;对通过超声设备获取的三维超声数据进行处理后得到所述目标组织的二维超声图像。
一个实施例中,根据第一轨迹,确定所述目标组织的描迹轮廓包括:根据所述第一轨迹确定轮廓搜索区域,其中所述轮廓搜索区域邻近或者包含所述第一轨迹的至少一部分;在所述轮廓搜索区域内确定所述目标组织的边缘的描迹轮廓。
一个实施例中,根据所述第一轨迹确定轮廓搜索区域包括:接收用于确定轮廓搜索区域的输入信息,并根据所述输入信息确定所述轮廓搜索区域;或者获取所述第一轨迹处的图像特征,并根据所述第一轨迹处的图像特征确定所述轮廓搜索区域;或者获取所述第一轨迹的特征,并根据所述第一轨迹的特征确定所述轮廓搜索区域。
一个实施例中,所述第一轨迹处的图像特征包括所述第一轨迹处的图像区域的梯度和/或纹理特征;所述第一轨迹的特征包括所述第一轨迹的曲率和/或描绘速度。
一个实施例中,还包括:显示所述轮廓搜索区域。
一个实施例中,通过以下方式至少之一,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓:根据所述第一轨迹的当前端点位置处的图像特征,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓;根据所述第一轨迹的当前端点的移动速度,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓;根据所述第一轨迹的形态学特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓;根据所述描迹轮廓处的图像特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓;利用外接轮廓识别算法识别所述描迹轮廓的最小外接轮廓,确定所述最小外接轮廓为所述最终描迹轮廓。
一个实施例中,根据所述第一轨迹的当前端点位置处的图像特征,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓包括:根据所述第一轨迹的当前端点位置处的图像特征,分别确定所述第一轨迹和所述描迹轮廓的权重,并根据所述第一轨迹的权重和所述描迹轮廓的权重将所述第一轨迹和所述描迹轮廓加权,得到所述目标组织的最终描迹轮廓。
一个实施例中,根据所述第一轨迹的当前端点的移动速度,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓包括以下至少之一:根据所述第一轨迹的当前端点的移动速度,分别确定所述第一轨迹和所述描迹轮廓的权重,并根据所述第一轨迹的权重和所述描迹轮廓的权重将所述第一轨迹和所述描迹轮廓进行加权,得到所述目标组织的最终描迹轮廓;根据所述第一轨迹的当前端点的移动速度调整所述描迹轮廓的平滑度,得到所述目标组织的最终描迹轮廓。
一个实施例中,根据所述第一轨迹处的图像特征以及所述描迹轮廓的形态学特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓包括以下至少之一:根据所述第一轨迹的形态学特征确定所述第一轨迹的第一曲率,以及根据所述描迹轮廓的形态学特征确定所述描迹轮廓的第二曲率,在所述第二曲率超过第一曲率预定值的情况下,依据所述第一曲率的第一轨迹对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
一个实施例中,根据所述描迹轮廓处的图像特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓包括:对所述描迹轮廓进行分段,得到多个分段,提取每个分段的图像特征,采用评价函数对每个分段的图像特征进行评分,得到与每个分段对应的特征分值,将特征分值超过预定分值的分段保留,将特征分值低于所述预定分值的分段采用曲线拟合的方式进行拟合,对每个分段进行处理后,得到所述目标组织的最终描迹轮廓。
一个实施例中,在对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓之后,还包括:依据所述最终描迹轮廓对所述目标组织进行测量,得到测量结果。
一个实施例中,还包括:对描迹过程中的描迹过程结果,最终描迹轮廓,以及对所述目标组织进行测量得到的测量结果中的至少之一进行显示。
根据本发明实施例的另一方面,还提供了一种超声图像中目标组织的描迹方法,包括:获取包括目标组织的二维超声图像;接收对所述二维超声图像中的目标组织进行描迹的手动轨迹;根据所述手动轨迹,确定所述目标组织的描迹轮廓;对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
一个实施例中,根据所述手动轨迹,确定所述目标组织的描迹轮廓包括:根据所述手动轨迹确定轮廓搜索区域,其中,所述轮廓搜索区域邻近或者包含所述手动轨迹的至少一部分;在所述轮廓搜索区域内确定所述目标组织的边缘的描迹轮廓。
一个实施例中,根据所述手动轨迹确定轮廓搜索区域包括:接收用于确定轮廓搜索区域的输入信息,并根据所述输入信息确定所述轮廓搜索区域;或者获取所述手动轨迹处的图像特征,并根据所述手动轨迹处的图像特征确定所述轮廓搜索区域;或者获取所述手动轨迹的特征,并根据所述手动轨迹的特征确定所述轮廓搜索区域。
一个实施例中,所述手动轨迹处的图像特征包括所述手动轨迹处的图像区域的梯度和/或纹理特征;所述手动轨迹的特征包括所述手动轨迹的曲率和/或描绘速度。
一个实施例中,还包括:显示所述轮廓搜索区域。
一个实施例中,在所述轮廓搜索区域内确定所述目标组织的边缘的描迹轮廓包括以下至少之一:在所述轮廓搜索区域内确定所述手动轨迹上的起始点和目标点,确定从所述起始点到所述目标点所有路径中平均梯度最大的路径为最优路径,将所述最优路径确定为所述目标组织的边缘的描迹轮廓;为所述手动轨迹确定能量函数,依据所述能量函数作用所述手动轨迹,得到能量最小的轨迹,并确定所述能量最小的轨迹为所述目标组织的边缘的描迹轮廓,其中,所述能量函数采用所述手动轨迹处的图像的梯度表示,梯度越大,能量越小。
一个实施例中,通过以下方式至少之一,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓:根据所述手动轨迹的当前端点位置处的图像特征,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓;根据所述手动轨迹的当前端点的移动速度,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓;根据所述手动轨迹的形态学特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓;根据所述描迹轮廓处的图像特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓;利用外接轮廓识别算法识别所述描迹轮廓的最小外接轮廓,确定所述最小外接轮廓为所述最终描迹轮廓。
根据本发明实施例的另一方面,还提供了一种超声图像中目标组织的描迹装置,包括:探头;发射电路,所述发射电路激励所述探头向目标组织发射超声波;接收电路,所述接收电路通过所述探头接收从所述目标组织返回的超声回波以获得超声回波信号;处理器,所述处理器处理所述超声回波信号以获得包括目标组织的二维超声图像;显示器,所述显示器显示所述二维超声图像;其中,所述处理器还执行如下步骤:接收在所述二维超声图像上描绘的第一轨迹,并根据所述第一轨迹,确定所述目标组织的描迹轮廓;并对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
根据本发明实施例的另一方面,还提供了一种超声图像中目标组织的描迹装置,包括:探头;发射电路,所述发射电路激励所述探头向目标组织发射超声波;接收电路,所述接收电路通过所述探头接收从所述目标组织返回的超声回波以获得超声回波信号,以及接收对二维超声图像中的目标组织进行描迹的手动轨迹;处理器,所述处理器处理所述超声回波信号以获得包括目标组织的二维超声图像;显示器,所述显示器显示所述二维超声图像以及所述手动轨迹;其中,所述处理器还执行如下步骤:根据所述手动轨迹,确定所述目标组织的描迹轮廓;并对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述中任意一项所述的超声图像中目标组织的描迹方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的超声图像中目标组织的描迹方法。
根据本发明实施例的另一方面,还提供了一种计算机设备,包括:存储器和处理器,所述存储器存储有计算机程序;所述处理器,用于执行所述存储器中存储的计算机程序,所述计算机程序运行时执行上述中任意一项所述的超声图像中目标组织的描迹方法。
在本发明实施例中,采用向目标组织发射超声波,并接收超声回波,获得超声回波信号;根据超声回波信号获得包括目标组织的二维超声图像;接收在所述二维超声图像上描绘的第一轨迹,并根据所述第一轨迹,确定所述目标组织的描迹轮廓;对描迹轮廓进行调整,得到目标组织的最终描迹轮廓的方式,通过获取贴近目标组织边缘的描迹轮廓,并对描迹轮廓进行自适应调整,达到了快速描迹超声图像中目标组织轮廓的目的,从而实现了从二维超声图像中快速准确的分割出目标,提升工作效率的技术效果,进而解决了相关技术中采用全手工的图像分割导致的分割结果不精确和不可重复的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的超声图像中目标组织的描迹方法的流程图;
图2是根据本发明实施例的另一种超声图像中目标组织的描迹方法的流程图;
图3是根据本发明优选的实施例的超声图像中目标组织的描迹方法的流程图;
图4是根据本发明优选的实施例的超声设备中二维成像模块获取的二维超声图像的流程图;
图5是根据本发明实施例所提供的描迹轮廓和测量结果显示的示意图;
图6是根据本发明实施例所提供的描迹轮廓和轮廓搜索区域显示的示意图;
图7是根据本发明实施例所提供的超声图像中目标组织的描迹装置的结构框图;
图8是根据本发明实施例所提供的另一种超声图像中目标组织的描迹装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种超声图像中目标组织的描迹方法的实施例,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的超声图像中目标组织的描迹方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,向目标组织发射超声波,并接收超声回波,获得超声回波信号;
步骤S104,根据超声回波信号获得包括目标组织的二维超声图像;
步骤S106,接收在二维超声图像上描绘的第一轨迹,并根据该第一轨迹,确定目标组织的描迹轮廓;
步骤S108,对描迹轮廓进行调整,得到目标组织的最终描迹轮廓。
通过上述步骤,可以实现通过获取贴近目标组织边缘的描迹轮廓,并对描迹轮廓进行自适应调整,达到了快速描迹超声图像中目标组织轮廓的目的,从而实现了从二维超声图像中快速准确的分割出目标,提升工作效率的技术效果,进而解决了相关技术中采用全手工的图像分割导致的分割结果不精确和不可重复的技术问题。
上述目标组织可以是身体结构,也可以是身体器官,例如,身体结构包括头部,腹部、腿部等,而身体器官包括心脏,血管,关节等。上述目标组织包括至少包括以下之一:正常组织,病变组织。利用超声波发射设备向目标组织发射超声波,再通过超声波接收设备对接收目标组织反射回来的超声波,并将超声回波按照波形转化为相对应的超声回波信号。上述超声波发射设备和超声波接收设备即可以是两个相互独立的设备,也可以是一个集成设备,其中,将超声波发射设备和超声波接收设备作为一个集成设备时,该集成设备具有发射超声波和接收超声波的功能。
在根据超声回波信号获得包括目标组织的二维超声图像时,为了保证得到的二维超声图像能够全面、完整的反映目标组织,在使用超声设备对目标组织进行检测时,其检测范围要完全覆盖或者超过目标组织,使最终获得的二维超声图像能够包括所检测的目标组织。对于超声设备的检测范围可以根据具体应用场景进行预先设置,可以采用检测目标组织系统默认的配置方式,也可以采用根据医生等相关人员的经验进行人工配置方式。上述预先设置至少包括以下之一:探头及检查模式的选择、成像方法及参数的设定、图像后处理的方法及参数的设定、图像显示的方法及参数的设定。除此以外,还可以通过调整的位置和角度等。通过上述方式,可以获得完整的包括目标组织的二维超声图像,可以有效提高诊断的准确性。
上述第一轨迹是在对超声图像描迹中的轨迹,该轨迹可以是用户操纵输入装置在超声图像上绘制出来的,也就是手动轨迹;也可以是超声成像装置自动获取的或者从其他设备获取的(此时,这种轨迹本文中仍然统一称之为“手动轨迹”)。可以根据上述第一轨迹计算贴近目标组织的描迹轮廓,可以采用手动设置或自动设置轮廓搜索区域,并在该范围内确定目标组织的边缘的描迹。在获取目标组织的描迹轮廓之后,可以对描迹轮廓进行调整,上述调整包括多个方法,其中,可以采用一个或者多个方法对上述描迹轮廓进行调整,进而得到最终描迹轮廓。该调整可以是描绘第一轨迹的过程中实时进行,即在某个时间点描绘出第一轨迹过程中在当前位置的点(此时,称当前描绘出的点为第一轨迹的当前端点)时,即相应地获得对应当前端点的描迹轮廓点,并对该描迹轮廓点进行相应的调整获得最终的描迹轮廓点;也可以是在获得部分或者全部描迹轮廓之后再进行相应的自适应调整。上述调整方法包括:根据第一轨迹的当前端点位置附近的图像特征,自适应调整已绘制描迹轮廓;根据第一轨迹的当前端点的移动速度,自适应调整初始描迹轮廓;根据轨迹周围的图像特征以及已绘制轨迹的形态学特征,对整体轮廓进行自适应调整和修正;利用外接轮廓识别算法自动识别最小外接轮廓,得到最终描迹轮廓;等等。
可选地,根据超声回波信号获得包括目标组织的二维超声图像包括:通过超声设备中二维成像模块获取目标组织的二维超声图像;或者,对通过超声设备获取的三维超声数据进行处理后得到目标组织的二维超声图像。
在本发明实施例中,可以采用多种方式获取目标组织的二维超声图像,既可以利用超声设备的成像过程获得二维超声图像,也可以从三维超声数据中“切”出某个切面获得该切面对应的二维图像,除此以外,还可以采用将其他设备采集的数据转化二维超声图像,以及利用四维等多维超声数据进行处理得到二维超声图像等。可选地,通过超声设备中二维成像模块获取目标组织的二维超声图像,该超声设备中二维成像模块包括若干单元,用于完成一系列的处理操作,最终得到目标组织的二维超声图像。
通过超声设备中二维成像模块获取目标组织的二维超声图像可以采用以下步骤:接收输入或读取超声设备的预先设置,完成参数配置;发射超声波以及接收反射回来的超声波形并转化为电信号;对发射与接收的超声波信号进行相应的延时和加权求和处理,实现波束合成;对上述信号进行处理实现2D图像重建;显示最终得到的二维超声图像。其中,对上述信号进行处理实现2D图像重建包括:图像去噪,图像平滑、图像增强等。
在对上述二维超声图像进行去噪时,可以采用基于图像空间域的去噪方法,例如,均值滤波、维纳滤波等,也可以采用基于图像变换域的去噪方法,例如,傅里叶变换、小波变换等,还可以采用一些其他的图像去噪方法,例如,基于模糊数学的去噪方法、基于神经网络的去噪方法,以及基于遗传算法的去噪方法等。因此,在具体实施过程中,可以采用上述其中一种或者采用多种去噪方法结合的起来,有效保证了将二维超声图像的噪声或其影响降低到最低程度。上述图像平滑,用于降低二维超声图像的锐度,同时还能够过滤部分噪声,也即模糊处理和减小噪声,例如,采用低通滤波法等进行平滑处理。上述图像增强可以根据具体的应用场景以及图像情况,调整图像中需要突出的信息,例如,采用特定的图像增强方法来突出有关信息,降低或消除无关信息,提高了获取的二维超声图像的视觉效果。
可选地,根据第一轨迹,确定目标组织的描迹轮廓包括:根据第一轨迹确定轮廓搜索区域;采用预定方式,在轮廓搜索区域内确定目标组织的边缘的描迹轮廓。
上述的轮廓搜索区域可以是手动轨迹附近区域,例如可以是邻近或包含第一轨迹或者手动轨迹的至少一部分的区域。该轮廓搜索区域可以通过手动设置,也可以自动设置。例如,可以接收用于确定轮廓搜索区域的输入信息(该信息可以是系统自动输入,例如系统预先设置的值,也可以是用户输入,或者通过其他远程设备输入,等等),并根据该输入信息确定该轮廓搜索区域;或者,可以获取该第一轨迹或手动轨迹处的图像特征,并根据该图像特征确定该轮廓搜索区域;或者,可以获取该第一轨迹或者手动轨迹的特征,并根据该第一轨迹或手动轨迹的特征确定轮廓搜索区域。这里,所说的第一轨迹或手动轨迹“处”的图像特征,可以是邻近或者包含该第一轨迹或者手动轨迹的至少一部分的图像区域中的图像特征。
该轮廓搜索区域可以采用以下方式之一进行表示:长度,面积,以及像素点。在实施过程中,以手动轨迹的为搜索点,在其附近区域划分搜索范围,例如,以0.5厘米为半径作为轮廓搜索区域,也可以0.18平方厘米的面积最为为轮廓搜索区域,还可以以15个像素点作为轮廓搜索区域。
上述手动设置轮廓搜索区域既可以采用系统预先设置的固定值作为轮廓搜索区域,例如,将手动轨迹附近20个像素距离区域作为轮廓搜索区域;也可以系统预先设置多个轮廓搜索区域,用户根据不同的需要选择某个轮廓搜索区域,例如,预先设置的多个轮廓搜索区域包括:5个像素点距离的区域,10个像素点距离的区域,以及15个像素点距离的区域等,用户根据实际应用需要采用其中一个或者多个轮廓搜索区域,满足用户对不同轮廓搜索区域的需求。此外,对于一些特殊的手动轨迹,用户还可以通过设备输入相应的数值,完成对轮廓搜索区域的设置。
上述自动设置可以根据手动轨迹附近图像的梯度或纹理特征计算得到轮廓搜索区域,也可以根据手动轨迹的变化,例如,手动轨迹曲率变化或用户描迹速度变化等自动计算得到轮廓搜索区域。在本发明实施例中,由于目标组织边缘的梯度通常较大,可以通过计算手动轨迹附近图像区域的平均梯度,然后根据平均梯度的值计算轮廓搜索区域的值,当平均梯度较大时相应的设置较大的轮廓搜索区域,平均梯度较小时相应的设置较小的轮廓搜索区域。此外,由于通常用户在描迹复杂结构时手动轨迹曲率较大,可以通过计算手动轨迹的曲率,然后根据手动轨迹的曲率设置轮廓搜索区域,曲率较大时设置较小的轮廓搜索区域,曲率较小时设置较大的轮廓搜索区域;也可以根据用户描迹速度计算轮廓搜索区域,用户描迹速度快时设置较大的搜索范围,描迹速度慢时设置较小的搜索范围。
上述无论是手动设置轮廓搜索区域,还是自动设置轮廓搜索区域,都是可以选择的,在本发明实施例中并不局限于其中一种方法,还可以采用两者结合的方式,得到最优的轮廓搜索区域,最终实现在轮廓搜索区域内确定目标组织的边缘的描迹轮廓。
轮廓搜索区域确定之后,还可以将该轮廓搜索区域显示在该二维超声图像上,以方便用户查看。轮廓搜索区域可以使用多种不同的方式显示,例如,可通过不同颜色的几何形状(如各种颜色的不透明圆形、各种颜色的半透明圆形、各种颜色的圆环,等等)表示轮廓搜索范围。当轮廓搜索范围发生变化时,该几何结构覆盖的图像区域也相应发生变化。
可选地,通过以下方式至少之一,对描迹轮廓进行调整,得到目标组织的最终描迹轮廓:根据第一轨迹的当前端点位置处的图像特征,自适应调整描迹轮廓,得到目标组织的最终描迹轮廓;根据第一轨迹的当前端点的移动速度,自适应调整描迹轮廓,得到目标组织的最终描迹轮廓;根据第一轨迹处的形态学特征,对描迹轮廓进行调整,得到目标组织的最终描迹轮廓;根据描迹轮廓处的图像特征,对描迹轮廓进行调整,得到目标组织的最终描迹轮廓;利用外接轮廓识别算法识别描迹轮廓的最小外接轮廓,确定最小外接轮廓为最终描迹轮廓。
在本发明实施例中,通过描迹轮廓进行调整,进而得到目标组织的最终描迹轮廓,可以采用多种方法来实现。其中,可以根据第一轨迹的当前端点位置附近的图像特征,自适应调整已绘制描迹轮廓,也可以根据第一轨迹的当前端点的移动速度,自适应调整初始描迹轮廓,还可以根据轨迹周围的图像特征以及已绘制轨迹的形态学特征,对整体轮廓进行自适应调整和修正,除此以外,还能够利用外接轮廓识别算法自动识别最小外接轮廓,得到最终描迹轮廓。上述方法在具体实施时,既可以单独使用,还可以多个结合使用,通过上述方法提高了获取目标组织的最终描迹轮廓灵活性与准确性。
可选地,根据第一轨迹的当前端点位置处的图像特征,自适应调整描迹轮廓,得到目标组织的最终描迹轮廓包括:根据第一轨迹的当前端点位置处的图像特征,分别确定第一轨迹和描迹轮廓的权重,并根据第一轨迹的权重和描迹轮廓的权重将第一轨迹和描迹轮廓加权,得到目标组织的最终描迹轮廓。
上述将第一轨迹(也即手动轨迹)和已绘制描迹轮廓加权拟合得到最终描迹轮廓,其中,权重参数可根据第一轨迹的当前端点附近图像特征计算得到。例如,已绘制描迹轨迹用函数C(x,y)表示,描迹轨迹坐标点的数量为L,手动轨迹利用函数H(x,y)表示,权重参数为α,调整后的描迹轮廓为N(x,y)。首先利用插值的方法从H(x,y)中均匀采样L个坐标点,然后将它们与C(x,y)中的坐标点对应加权计算得到N(x,y)。具体计算公式如下:
N(x,y)=α*C(x,y)+(1-α)*H(x,y)
其中,权重参数α是通过计算第一轨迹的当前端点附近图像特征自适应得到。其中,上述权重参数α的获得可以通过多种方式,例如,利用机器学习的方法提取一种或多种特征,然后预定义一个函数或者通过机器学习算法得到到一个函数,并利用该函数对提取的特征进行计算得到权重参数α;还可以利用深度学习算法,设计人工神经网络,利用多层网络结构从第一轨迹的当前端点附近的图像或机器学习提取的特征中自动学习得到权重参数α。
可选地,根据第一轨迹的当前端点的移动速度,自适应调整描迹轮廓,得到目标组织的最终描迹轮廓包括以下至少之一:根据第一轨迹的当前端点的移动速度,分别确定第一轨迹和描迹轮廓的权重,并根据第一轨迹的权重和描迹轮廓的权重对第一轨迹和描迹轮廓进行加权,得到目标组织的最终描迹轮廓;根据第一轨迹的当前端点的移动速度调整描迹轮廓的平滑度,得到目标组织的最终描迹轮廓。
在本发明实施例中,由于二维超声图像的类型多种多样,需要描迹的组织结构有时候差异很大,所以要通过增加用户的参与程度提高描迹的准确度,其中,根据用户控制第一轨迹的当前端点的移动速度自适应调整初始描迹轮廓是最常用的方法。例如,将根据第一轨迹的当前端点位置附近的图像特征,自适应调整已绘制描迹轮廓中的已绘制描迹轮廓替换为初始描迹轮廓,通过第一轨迹的当前端点的移动速度其中的权重参数α,进而实现自适应调整初始描迹轮廓。设置移动速度为s,计算权重α的函数可设为α=w*s+b,其中,w和b为常数项。也可通过第一轨迹的当前端点的移动速度控制描迹轮廓的平滑效果,设阈值T,当第一轨迹的当前端点移动速度s小于T时,减弱描迹轮廓的平滑效果;当第一轨迹的当前端点移动速度大于或等于T时,增强描迹轮廓的平滑效果。
可选地,根据第一轨迹的形态学特征,对描迹轮廓进行调整,得到目标组织的最终描迹轮廓包括:确定第一轨迹的第一曲率,以及确定描迹轮廓的第二曲率,在第二曲率超过第一曲率预定值的情况下,依据第一曲率的第一轨迹对描迹轮廓进行调整,得到目标组织的最终描迹轮廓。
上述对描迹轮廓进行调整既可以在描迹过程中调整,也可以在描迹完成之后调整,在本发明实施例中至少采用其中一种方式。其中,调整方法主要在得到第一轨迹的曲率和描迹轮廓的曲率后,进一步判断描迹轮廓的曲率是否超过第一轨迹的曲率预定值,在超过的情况下,通过第一轨迹对对描迹轮廓进行调整,从而得到得到目标组织的最终描迹轮廓。而且,除了依据第一曲率的第一轨迹对描迹轮廓进行调整以外,还可以通过对第一轨迹进行加权计算来是实现对描迹轮廓进行调整,例如,通过对第一轨迹的曲率进行加权后,确定第一轨迹,并通过该第一轨迹对描迹轮廓进行调整。
可选地,根据描迹轮廓处的图像特征,对描迹轮廓进行调整,得到目标组织的最终描迹轮廓包括:对描迹轮廓进行分段,得到多个分段,提取每个分段的图像特征,采用评价函数对每个分段的图像特征进行评分,得到与每个分段对应的特征分值,将特征分值超过预定分值的分段保留,将特征分值低于预定分值的分段采用曲线拟合的方式进行拟合,对每个分段进行处理后,得到目标组织的最终描迹轮廓。
在本发明实施例中,可以分别计算出已绘制描迹轮廓和轮廓对应手动轨迹的曲率,然后比较两组曲率,将曲率相差较大的轮廓撤销,并利用该段轮廓对应的手动轨迹作为新的描迹轮廓,最后将新的描迹轮廓加入到描迹轮廓中。也可以统计已绘制描迹轮廓或轮廓附近一种或多种图像特征,再通过对图像特征进行综合计算得到评估结果。例如,将已绘制描迹轮廓分成许多段,然后利用机器学习的方法提取每段描迹轮廓或轮廓附近图像的一种或多种特征,如梯度特征、HOG特征、LBP特征、Haar特征、灰度共生矩阵等等。进一步可以构建一个评价函数,也可以利用SVM等机器学习算法学到一个评价函数,利用该函数对每段轮廓提取到的特征进行计算,得到多个分值。接下来系统对分值进行排序,将分值较小的描迹轮廓撤销,分值较大的描迹轮廓保留。对于撤销的描迹轮廓,系统可根据保留的轮廓坐标点利用曲线拟合的方法计算出新的描迹轮廓,并将这些轮廓重新加入到描迹轮廓中。其中,上述曲线拟合的方法包括最小二乘法、样条拟合算法、Beizer曲线拟合算法等。
可选地,在对描迹轮廓进行调整,得到目标组织的最终描迹轮廓之后,还包括:依据最终描迹轮廓对目标组织进行测量,得到测量结果。
上述对目标组织的测量可以通过不同的测量指标来实现,其中,上述测量指标可以是长轴测量,短轴测量,以及面积测量等,在实际应用中,可以采用其中一种测量指标,也可以采用多种测量指标相结合的形式。在临床应用方面,例如,进行超声检查时,可以通过对目标组织测量来诊断一些疑难杂症等,进一步地,在得到最终描迹轮廓后,可以对目标组织的最终描迹轮廓进行测量以辅助医生进行诊断,提高医生的诊断效率以及诊断的正确性,其中,上述测量包括手工测量和自动测量。在本发明的实施例中,通过计算最终描迹轮廓的一种或多种测量指标来实现对目标组织的测量,例如,可利用椭圆拟合的方法对描迹轮廓进行拟合,得到椭圆的长轴(短轴),然后计算长轴(短轴)的实际长度,并将该长度作为目标组织长轴(短轴)的测量结果;也可以先计算椭圆长轴(短轴)所在的直线V与描迹轨迹的交点,然后在V的垂直方向上平行移动V,这样可以得到多组交点,最后选择距离最大的一组交点的长度作为目标组织长轴(短轴)的测量结果。依据最终描迹轮廓对目标组织进行测量,得到测量结果,在实际应用中并不是一个必然要选择的步骤,对于该过程可以灵活的调整,用户可以根据需求做出相应的选择。
上述测量结果可以是一个具体值,还可以是一个估计值,在本发明实施例中,测量结果包括整数,小数等。
可选地,还包括:对描迹过程中的描迹过程结果,最终描迹轮廓,以及对目标组织进行测量得到的测量结果中的至少之一进行显示。
通过显示设备进行直观的显示,方便观察整个描迹的过程与结果,其中,可以显示以下至少之一:对描迹过程中的描迹过程结果,最终描迹轮廓,以及对目标组织进行测量得到的测量结果。上述显示方式也是不唯一,可以采用不同的形状、颜色等显示上述内容。在本发明实施例中,可以显示最终描迹轮廓,也可以显示轮廓搜索范围,通过不同的颜色以及不同的形状表示,例如,上述轮廓搜索范围,可以通过不同颜色的圆环或者圆形,以及其他形状表示,其中,上述形状在显示时可以是半透明、不透明等。上述形状会随着轮廓搜索区域变化而变化。
可选地,还包括:第一轨迹为手动轨迹。
上述手动轨迹可以采用多种方式获得,例如,控制鼠标滑动,手指触摸或者是触控笔描绘等。
图2是根据本发明实施例的另一种超声图像中目标组织的描迹方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,获取包括目标组织的二维超声图像;
步骤S204,接收对二维超声图像中的目标组织进行描迹的手动轨迹;
步骤S206,根据手动轨迹,确定目标组织的描迹轮廓;
步骤S208,对描迹轮廓进行调整,得到目标组织的最终描迹轮廓。
通过上述步骤,可以实现通过获取贴近目标组织边缘的描迹轮廓,并对描迹轮廓进行自适应调整,达到了快速描迹超声图像中目标组织轮廓的目的,从而实现了从二维超声图像中快速准确的分割出目标,提升工作效率的技术效果,进而解决了相关技术中采用全手工的图像分割导致的分割结果不精确和不可重复的技术问题。
上述目标组织可以是身体结构,也可以是身体器官,例如,身体结构包括头部,腹部、腿部等,而身体器官包括心脏,血管,关节等。上述目标组织包括至少包括以下之一:正常组织,病变组织。利用超声波发射设备向目标组织发射超声波,再通过超声波接收设备对接收目标组织反射回来的超声波,并将超声回波按照波形转化为相对应的超声回波信号。上述超声波发射设备和超声波接收设备即可以是两个相互独立的设备,也可以是一个集成设备,其中,将超声波发射设备和超声波接收设备作为一个集成设备时,该集成设备具有发射超声波和接收超声波的功能。
在根据超声回波信号获得包括目标组织的二维超声图像时,为了保证得到的二维超声图像能够全面、完整的反映目标组织,在使用超声设备对目标组织进行检测时,其检测范围要完全覆盖或者超过目标组织,使最终获得的二维超声图像能够包括所检测的目标组织。对于超声设备的检测范围可以根据具体应用场景进行预先设置,可以采用检测目标组织系统默认的配置方式,也可以采用根据医生等相关人员的经验进行人工配置方式。上述预先设置至少包括以下之一:探头及检查模式的选择、成像方法及参数的设定、图像后处理的方法及参数的设定、图像显示的方法及参数的设定。除此以外,还可以通过调整的位置和角度等。通过上述方式,可以获得完整的包括目标组织的二维超声图像,可以有效提高诊断的准确性。
上述第一轨迹是在对超声图像描迹中的轨迹,也就是手动轨迹,可以根据上述第一轨迹计算贴近目标组织的描迹轮廓,可以采用手动设置或自动设置轮廓搜索区域,并在该范围内确定目标组织的边缘的描迹。在获取目标组织的描迹轮廓之后,需要对描迹轮廓进行调整,上述调整包括多个方法,其中,可以采用一个或者多个方法对上述描迹轮廓进行调整,进而得到最终描迹轮廓。该调整可以是描绘手动轨迹的过程中实时进行,即在某个时间点描绘出手动轨迹过程中在当前位置的点(此时,称当前描绘出的点为手动轨迹的当前端点)时,即相应地获得对应当前端点的描迹轮廓点,并对该描迹轮廓点进行相应的调整获得最终的描迹轮廓点;也可以是在获得部分或者全部描迹轮廓之后再进行相应的自适应调整。上述调整方法包括:根据手动轨迹的当前端点位置附近的图像特征,自适应调整已绘制描迹轮廓。根据手动轨迹的当前端点的移动速度,自适应调整初始描迹轮廓。根据轨迹周围的图像特征以及已绘制轨迹的形态学特征,对整体轮廓进行自适应调整和修正。利用外接轮廓识别算法自动识别最小外接轮廓,得到最终描迹轮廓等。
可选地,根据手动轨迹,确定目标组织的描迹轮廓包括:确定手动轨迹的预定范围内的轮廓搜索区域,其中,预定范围内依据手动轨迹的固定值范围,或者依据手动轨迹处的图像的梯度或纹理特征确定的范围;采用预定方式,在轮廓搜索区域内确定目标组织的边缘的描迹轮廓。
上述第一轨迹的预定范围内的轮廓搜索区域是手动轨迹附近区域,其中,轮廓搜索区域可以通过手动设置,也可以自动设置。需要说明的是该轮廓搜索区域可以采用以下方式之一进行表示:长度,面积,以及像素点。在实施过程中,以手动轨迹的为搜索点,在其附近区域划分搜索范围,例如,以0.5厘米为半径作为轮廓搜索区域,也可以0.18平方厘米的面积最为为轮廓搜索区域,还可以以15个像素点作为轮廓搜索区域。
上述手动设置轮廓搜索区域既可以采用系统预先设置的固定值作为轮廓搜索区域,例如,将手动轨迹附近20个像素距离区域作为轮廓搜索区域;也可以系统预先设置多个轮廓搜索区域,用户根据不同的需要选择某个轮廓搜索区域,例如,预先设置的多个轮廓搜索区域包括:5个像素点距离的区域,10个像素点距离的区域,以及15个像素点距离的区域等,用户根据实际应用需要采用其中一个或者多个轮廓搜索区域,满足用户对不同轮廓搜索区域的需求。此外,对于一些特殊的手动轨迹,用户还可以通过设备输入相应的数值,完成对轮廓搜索区域的设置。
上述自动设置可以根据手动轨迹附近图像的梯度或纹理特征计算得到轮廓搜索区域,也可以根据手动轨迹的变化,例如,手动轨迹曲率变化或用户描迹速度变化等自动计算得到轮廓搜索区域。在本发明实施例中,由于目标组织边缘的梯度通常较大,可以通过计算手动轨迹附近图像区域的平均梯度,然后根据平均梯度的值计算轮廓搜索区域的值,当平均梯度较大时相应的设置较大的轮廓搜索区域,平均梯度较小时相应的设置较小的轮廓搜索区域。此外,由于通常用户在描迹复杂结构时手动轨迹曲率较大,可以通过计算手动轨迹的曲率,然后根据手动轨迹的曲率设置轮廓搜索区域,曲率较大时设置较小的轮廓搜索区域,曲率较小时设置较大的轮廓搜索区域;也可以根据用户描迹速度计算轮廓搜索区域,用户描迹速度快时设置较大的搜索范围,描迹速度慢时设置较小的搜索范围。
除了上述方法外,还可以依据手动轨迹处的图像的梯度或纹理特征确定的范围,通过梯度大小以及纹理特征设置轮廓搜索区域,其中,纹理特征包括手动轨迹的弯曲、长短等。
可选地,采用预定方式,在轮廓搜索区域内确定目标组织的边缘的描迹轮廓包括以下至少之一:在轮廓搜索区域内确定手动轨迹上的起始点和目标点,确定从起始点到目标点所有路径中平均梯度最大的路径为最优路径,将最优路径确定为目标组织的边缘的描迹轮廓;为手动轨迹确定能量函数,依据能量函数作用手动轨迹,得到能量最小的轨迹,并确定能量最小的轨迹为目标组织的边缘的描迹轮廓,其中,能量函数采用手动轨迹处的图像的梯度表示,梯度越大,能量越小。
在本发明实施例中,可以将轮廓搜索区域内图像的轮廓搜索问题转换为起始点到目标点之间最优路径问题。其中,上述起始点和目标点可以预先设定,可以是手动轨迹上T时刻的坐标点S和T+n时刻的坐标点E,也可以是距离S和E较近的强梯度坐标点;最优路径是指从起始点到目标点所有路径中平均梯度最大的路径,由于目标组织边缘通常由强梯度的坐标点组成,所以最优路径通常贴近目标边缘。进一步地,依据轮廓搜索区域内的图像信息进行曲线演化,使其最终找到贴近目标组织的边缘的轮廓。将手动轨迹作为曲线演化的初始曲线,并对该曲线定义能量函数。上述能量函数可利用图像的梯度表示,梯度越大,能量越小。在能量的作用下,初始曲线会发生形变,逐渐逼近能量较小(梯度较大)的目标轮廓,最终将能量最小时得到的曲线作为描迹轮廓。
上述目标组织的边缘的描迹轮廓可以采用多种方法得到,例如,基于动态规划图搜索算法、Snake算法、水平集(LevelSet)算法、GraphCuts算法等。
可选地,通过以下方式至少之一,对描迹轮廓进行调整,得到目标组织的最终描迹轮廓:根据手动轨迹的当前端点位置处的图像特征,自适应调整描迹轮廓,得到目标组织的最终描迹轮廓;根据手动轨迹的当前端点的移动速度,自适应调整描迹轮廓,得到目标组织的最终描迹轮廓;根据手动轨迹处的图像特征以及描迹轮廓的形态学特征,对描迹轮廓进行调整,得到目标组织的最终描迹轮廓;利用外接轮廓识别算法识别描迹轮廓的最小外接轮廓,确定最小外接轮廓为最终描迹轮廓。
在本发明实施例中,通过描迹轮廓进行调整,进而得到目标组织的最终描迹轮廓,可以采用多种方法来实现。其中,可以根据手动轨迹的当前端点位置附近的图像特征,自适应调整已绘制描迹轮廓,也可以根据手动轨迹的当前端点的移动速度,自适应调整初始描迹轮廓,还可以根据轨迹周围的图像特征以及已绘制轨迹的形态学特征,对整体轮廓进行自适应调整和修正,除此以外,还能够利用外接轮廓识别算法自动识别最小外接轮廓,得到最终描迹轮廓。上述方法在具体实施时,既可以单独使用,还可以多个结合使用,通过上述方法提高了获取目标组织的最终描迹轮廓灵活性与准确性。
下面对本发明的优选实施方式进行说明。
医学超声检查是一种基于超声波的医学影像诊断技术,由于人体不同组织吸收超声的能力略有不同,所以超声图像具有不确定性和模糊性。在临床上,许多二维超声图像需要描绘的图像边界都是间断的、不完整的,并且带有一定的噪声。这些对现有的自动分割方法影响很大,很难准确分割出目标组织。
本发明实施例提出了一种超声图像中目标组织的描迹方法,能够帮助医生从二维超声图像中快速准确的分割出目标,提升工作效率。
图3是根据本发明优选的实施例的超声图像中目标组织的描迹方法的流程图,如图3所示,首先获取二维超声数据(也即获取二维超声图像数据),然后计算轮廓搜索区域,并在该范围内自动计算描迹轮廓,接着对正在进行的描迹轮廓或已绘制轮廓进行自适应调整得到最终轮廓,描迹完成后系统可对轮廓进行测量,最后显示描迹结果。
实施步骤的过程如下:
(1)二维超声数据获取步骤,用于获取二维超声图像数据。
(2)自动描迹轮廓获取步骤,用于在用户手动描迹的过程中同步计算目标轮廓的搜索范围,并在该范围内自动计算贴合目标边缘的轮廓。其中,搜索范围可根据手动轨迹速度变化而改变。
(3)自适应调整描迹轮廓步骤,用于已绘制轮廓或正在进行的自动描迹过程。
其中,自适应调整描迹轮廓的可行方案可以是以下至少之一:
a、根据手动轨迹的当前端点位置附近的图像特征,自适应调整已绘制描迹轮廓。当手动轨迹的当前端点附近存在目标组织边缘时描迹轮廓贴近目标边缘,当目标组织边缘缺失或模糊描迹轮廓贴近手动轨迹删除使得贴近边缘贴近手动轨迹。
b、根据手动轨迹的当前端点的移动速度,自适应调整初始描迹轮廓。当手动轨迹的当前端点移动速度较快时,描迹轮廓贴近目标边缘;当手动轨迹的当前端点移动速度较慢时,描迹轮廓贴近手动轨迹。
c、根据轨迹周围的图像特征以及已绘制轨迹的形态学特征,对整体轮廓进行自适应调整和修正。
d、利用外接轮廓识别算法自动识别最小外接轮廓,得到最终描迹轮廓。
上述a至d是自动调整描迹轮廓方案的可选项,可以选择其中一个或多个。
(4)自动测量步骤,用于获取最终描迹轮廓的测量参数。
(5)显示步骤,用于显示描迹轮廓,也可显示轮廓的搜索范围或描迹轮廓的测量结果。其中轮廓搜索区域显示可通过不同颜色的几何形状(如各种颜色的不透明圆形、各种颜色的半透明圆形、各种颜色的圆环等等)表示,当搜索范围发生变化时,该几何结构覆盖的图像区域也相应发生变化。
其中,步骤(4)是可选项,可以存在,也可以不存在。
在本发明实施例中,该方法的核心步骤是自动描迹轮廓的获取和自适应调整描迹轮廓步骤。以下对实施例进中的各个实施步骤进行详细的说明。
(1)二维超声数据获取步骤
二维超声图像的获取大体分为两种方式,一种是通过医用超声设备中二维成像模块获取;另一种是通过三维超声数据获取,如三维超声数据的某个切面图或VR成像图或CMPR图等等。
图4是根据本发明优选的实施例的超声设备中二维成像模块获取的二维超声图像的流程图,如图4所示,该超声设备中的二维成像模块包括输入单元1、发射/接收单元2、波束合成单元3、信号处理单元4、二维成像单元5。输入单元1负责接收医生的输入或读取医用超声波设备的预先设置,完成成像系统的配置,包括探头及检查模式的选择、成像方法及参数的设定、图像后处理的方法及参数的设定、图像显示的方法及参数的设定等等。发射/接收单元2负责超声波的发射与接收。医生移动探头选择合适的位置和角度,发射/接收单元2中的发射电路沿相应的2D扫描平面发射相应的超声波形,经过一定延时后,接收电路接收反射回来的超声波形并转化为电信号。波束合成单元3对多次发射/接收得到的信号进行相应的延时与加权求和的处理,实现波束合成,再经过信号处理单元4进行信号处理。二维成像单元5根据每次发射/接收信号的空间位置关系将经过信号处理单元4处理的信号进行相应的2D图像重建,经过去噪、平滑、增强等相应的部分或全部图像后处理步骤后,获取目标检查内容的2D数据。
(2)自动描迹轮廓获取步骤
用户在描迹的过程中,系统可获取手动轨迹的当前端点移动轨迹,即手动轨迹,同时系统可在手动轨迹一定范围内计算贴近目标边缘的描迹轮廓。因此,描迹轮廓的获取可分为计算轮廓搜索区域和计算描迹轮廓两部分。
1)计算轮廓搜索区域
获取手动轨迹后,系统需要在手动轨迹附近一定区域内寻找描迹轮廓,这部分区域为轮廓搜索区域。轮廓搜索区域可以手动设置,也可以自动设置。
上述手动设置可以由系统预先设置固定值作为轮廓搜索区域,例如手动轨迹附近20个像素距离区域作为搜索范围;也可以系统预先设置多个搜索范围,用户根据不同的需要选择某个搜索范围。
上述自动设置是指系统根据手动轨迹附近图像的梯度或纹理特征计算得到轮廓搜索区域,也可以根据手动轨迹的变化(如手动轨迹曲率变化或用户描迹速度变化)自动计算得到轮廓搜索区域。例如,由于目标组织边缘的梯度通常较大,系统可计算手动轨迹附近图像区域的平均梯度,然后根据平均梯度的值计算搜索范围的值,当平均梯度较大时设置较大的搜索范围,平均梯度较小时设置较小的搜索范围;由于通常用户在描迹复杂结构时手动轨迹曲率较大,系统可计算手动轨迹的曲率,曲率较大时设置较小的搜索范围,曲率较小时设置较大的搜索范围;也可以根据用户描迹速度计算轮廓搜索区域,用户描迹速度快时设置较大的搜索范围,描迹速度慢时设置较小的搜索范围。
2)计算描迹轮廓
获取轮廓搜索区域之后,系统可在该范围内计算得到贴近目标边缘的描迹轮廓。计算描迹轮廓的方法有很多,例如基于动态规划图搜索算法、Snake算法、水平集(LevelSet)算法、GraphCuts算法等等。下面介绍几种常用方案。
Livewire算法是一种基于动态规划图搜索算法,它可将轮廓搜索区域内图像的轮廓搜索问题转换为起始点到目标点之间最优路径问题。其中,起始点和目标点可以是手动轨迹上T时刻的坐标点S和T+n时刻的坐标点E,也可以是距离S和E较近的强梯度坐标点;最优路径是指从起始点到目标点所有路径中平均梯度最大的路径,由于目标组织边缘通常由强梯度的坐标点组成,所以最优路径通常贴近目标边缘。
Snake算法又称为主动轮廓模型(Active contour model),其基本思想是依据轮廓搜索区域内的图像信息进行曲线演化,使其最终找到贴近目标组织的边缘的轮廓。系统可将手动轨迹作为曲线演化的初始曲线,并对该曲线定义能量函数。该能量函数可利用图像的梯度表示,梯度越大,能量越小。在能量的作用下,初始曲线会发生形变,逐渐逼近能量较小(梯度较大)的目标轮廓。系统可将能量最小时得到的曲线作为描迹轮廓。
(3)自适应调整描迹轮廓步骤
在超声图像中,由于声影或噪声的影响经常会出现目标组织边缘缺失或模糊的情况,因此系统需要对(3)中得到的初始描迹轮廓或已绘制轮廓进行自适应调整,使得调整之后的最终描迹轮廓达到如下效果:当手动轨迹的当前端点附近存在目标组织边缘时描迹轮廓贴近目标边缘,当目标组织边缘缺失或模糊描迹轮廓贴近手动轨迹。
自适应调整描迹轮廓的方法有很多,下面介绍几种可行方案:
1)根据手动轨迹的当前端点位置附近的图像特征,自适应调整已绘制描迹轮廓。系统可将手动轨迹和已绘制描迹轮廓加权拟合得到最终描迹轮廓,而权重参数可根据手动轨迹的当前端点附近图像特征计算得到。例如,已绘制描迹轨迹用函数C(x,y)表示,描迹轨迹坐标点的数量为L,手动轨迹利用函数H(x,y)表示,权重参数为α,调整后的描迹轮廓为N(x,y)。首先利用插值的方法从H(x,y)中均匀采样L个坐标点,然后将它们与C(x,y)中的坐标点对应加权计算得到N(x,y)。公式如下:
N(x,y)=α*C(x,y)+(1-α)*H(x,y)
其中,权重参数α是通过计算手动轨迹的当前端点附近图像特征自适应得到。系统可以先利用机器学习的方法提取一种或多种特征,如梯度特征、HOG特征、LBP特征、Haar特征、灰度共生矩阵等等。然后系统可预定义一个函数,也可以利用SVM等机器学习算法学到一个函数,并利用该函数对提取的特征进行计算得到权重参数α;也可以利用深度学习算法,设计人工神经网络,利用多层网络结构从手动轨迹的当前端点附近的图像或机器学习提取的特征中自动学习出权重参数α。
2)根据手动轨迹的当前端点的移动速度,自适应调整初始描迹轮廓。由于二维超声图像的类型多种多样,需要描迹的组织结构有时候差异很大,所以要通过增加用户的参与程度提高描迹的准确度,其中根据用户控制手动轨迹的当前端点的移动速度自适应调整初始描迹轮廓是最常用的方法。例如,将方案1)中的已绘制描迹轮廓替换为初始描迹轮廓,系统可通过手动轨迹的当前端点的移动速度控制方案1)中权重参数α,进而实现自适应调整初始描迹轮廓。设系统移动速度为s,计算权重α的函数可设为α=w*s+b,其中w和b为常数项。系统也可通过手动轨迹的当前端点的移动速度控制描迹轮廓的平滑效果,设阈值T,当手动轨迹的当前端点移动速度s小于T时,减弱描迹轮廓的平滑效果;当手动轨迹的当前端点移动速度大于或等于T时,增强描迹轮廓的平滑效果。
3)根据轨迹周围的图像特征以及已绘制轨迹的形态学特征,对整体轮廓进行自适应调整和修正。这里的轨迹是指描迹轮廓。在描迹过程中或描迹完成后,系统可对已经绘制的描迹轮廓进行评估,根据评估结果调整描迹轮廓。评估的方法有很多,系统可以根据手动轨迹评估已绘制描迹轮廓,例如,可分别计算出已绘制描迹轮廓和轮廓对应手动轨迹的曲率,然后比较两组曲率,将曲率相差较大的轮廓撤销,并利用该段轮廓对应的手动轨迹作为新的描迹轮廓,最后将新的描迹轮廓加入到描迹轮廓中;或者根据曲率将相应段的描迹轮廓和手动轨迹进行加权或者其他调整,产生新的描迹轮廓段,并将新的描迹轮廓段加入描迹轮廓中。系统也可以统计已绘制描迹轮廓或轮廓附近一种或多种图像特征,再通过对图像特征进行综合计算得到评估结果。例如,系统可将已绘制描迹轮廓分成许多段,然后利用机器学习的方法提取每段描迹轮廓或轮廓附近图像的一种或多种特征,如梯度特征、HOG特征、LBP特征、Haar特征、灰度共生矩阵等等。接着系统可构建一个评价函数,也可以利用SVM等机器学习算法学到一个评价函数,利用该函数对每段轮廓提取到的特征进行计算,得到多个分值。接下来系统对分值进行排序,将分值较小的描迹轮廓撤销,分值较大的描迹轮廓保留。对于撤销的描迹轮廓,系统可根据保留的轮廓坐标点利用曲线拟合的方法(如最小二乘法、样条拟合算法、Beizer曲线拟合算法等等)计算出新的描迹轮廓,并将这些轮廓重新加入到描迹轮廓中。
4)利用外接轮廓识别算法自动识别最小外接轮廓,得到最终描迹轮廓。描迹完成后,轮廓闭合,由于目标组织的轮廓中通常只包含最小外接轮廓,系统可只保留最小外接轮廓作为最终的描迹轮廓。获取外接轮廓的方法有紧邻排序法、扇形区域排序法、凸包算法以及区域生长等等。例如可以利用扇形区域排序法计算外接轮廓,首先选择描迹轮廓最左侧和最右侧两个坐标点PL和PR,然后取这两点之间的连线的中点C为圆心,接着以C为圆心将图像平均划分为N个扇形区域,取每个区域距离C最远的点作为外接轮廓点,其余点舍弃,剩余的坐标点即为外接描迹轮廓的坐标点。
其中,方案1)至方案4)是可选项,即一个实施例,可以单独存在,也可以多个同时存在。
(4)自动测量步骤
在超声检查中,许多疾病的诊断都是通过对目标组织测量实现的。描迹完成后,轮廓闭合,系统可通过对目标组织的最终描迹轮廓的自动测量辅助医生进行诊断。目标组织的测量指标通常包括面积测量、长轴测量、短轴测量等等。系统可通过计算最终描迹轮廓的这些指标实现对目标组织的测量。例如,可利用椭圆拟合的方法对描迹轮廓进行拟合,得到椭圆的长轴(短轴),然后计算长轴(短轴)的实际长度,并将该长度作为目标组织长轴(短轴)的测量结果;也可以先计算椭圆长轴(短轴)所在的直线V与描迹轨迹的交点,然后在V的垂直方向上平行移动V,这样可以得到多组交点,最后选择距离最大的一组交点的长度作为目标组织长轴(短轴)的测量结果。
自动测量步骤是一个可选项,可以存在,也可以不存在。
(5)轮廓显示步骤
轮廓显示步骤主要是用来显示最终描迹轮廓,图5是根据本发明实施例所提供的描迹轮廓和测量结果显示的示意图,图6是根据本发明实施例所提供的描迹轮廓和轮廓搜索区域显示的示意图,如图5和图6中白色轮廓所示;也可显示轮廓搜索区域,显示的方式有很多,例如,可通过不同颜色的几何形状(如各种颜色的不透明圆形、各种颜色的半透明圆形、各种颜色的圆环)表示轮廓搜索区域,当轮廓搜索区域发生变化时,该几何结构覆盖的图像区域也相应发生变化;也可显示最终描迹轮廓的长轴和短轴或它们的测量结果,如图5中白色线所示。
本发明上述优选的实施例可以获取贴近目标组织边缘的描迹轮廓,并对描迹轮廓进行自适应调整,进而可以快速描迹超声图像中目标组织轮廓,大大提高了工作效率。
在本发明实施例中,提供了一种超声图像中目标组织的描迹装置,图7是根据本发明实施例所提供的超声图像中目标组织的描迹装置的结构框图,如图7所示,该装置包括:探头72,发射电路74,接收电路76,处理器78和显示器710,下面对该装置进行说明。
探头72;发射电路74,连接至上述探头72,发射电路74激励探头72向目标组织发射超声波;接收电路76,连接至上述探头72,接收电路76通过探头72接收从目标组织返回的超声回波以获得超声回波信号;处理器78,连接至上述发射电路74和上述接收电路76,处理器78处理超声回波信号以获得包括目标组织的二维超声图像;显示器710,连接至上述处理器78,显示器710显示二维超声图像;其中,处理器78还执行如下步骤:根据第一轨迹,确定目标组织的描迹轮廓;并对描迹轮廓进行调整,得到目标组织的最终描迹轮廓。
在本发明实施例中,还提供了另一种超声图像中目标组织的描迹装置,图8是根据本发明实施例所提供的另一种超声图像中目标组织的描迹装置的结构框图,如图8所示,该装置包括:探头82,发射电路84,接收电路86,处理器88和显示器810,下面对该装置进行说明。
探头82;发射电路84,连接至上述探头82,发射电路84激励探头82向目标组织发射超声波;接收电路86,连接至上述探头82,接收电路86通过探头82接收从目标组织返回的超声回波以获得超声回波信号,以及接收对二维超声图像中的目标组织进行描迹的手动轨迹;处理器88,连接至发射电路84和上述接收电路86,处理器88处理超声回波信号以获得包括目标组织的二维超声图像;显示器810,显示器810显示二维超声图像以及手动轨迹;其中,处理器88还执行如下步骤:根据手动轨迹,确定目标组织的描迹轮廓;并对描迹轮廓进行调整,得到目标组织的最终描迹轮廓。
根据本发明实施例的另一方面,还提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述中任意一项的超声图像中目标组织的描迹方法。
根据本发明实施例的另一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述中任意一项的超声图像中目标组织的描迹方法。
根据本发明实施例的另一方面,还提供了一种计算机设备,包括:存储器和处理器,存储器存储有计算机程序;处理器,用于执行存储器中存储的计算机程序,计算机程序运行时执行上述中任意一项的超声图像中目标组织的描迹方法。
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。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (25)
1.一种超声图像中目标组织的描迹方法,其特征在于,包括:
向目标组织发射超声波,并接收超声回波,获得超声回波信号;
根据所述超声回波信号获得包括目标组织的二维超声图像;
接收在所述二维超声图像上描绘的第一轨迹,并根据所述第一轨迹,确定所述目标组织的描迹轮廓;
对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
2.根据权利要求1所述的方法,其特征在于,根据所述超声回波信号获得包括目标组织的二维超声图像包括:
通过超声设备中二维成像模块获取所述目标组织的二维超声图像;或者,
对通过超声设备获取的三维超声数据进行处理后得到所述目标组织的二维超声图像。
3.根据权利要求1所述的方法,其特征在于,根据所述第一轨迹确定所述目标组织的描迹轮廓包括:
根据所述第一轨迹确定轮廓搜索区域,其中所述轮廓搜索区域邻近或者包含所述第一轨迹的至少一部分;
在所述轮廓搜索区域内确定所述目标组织的边缘的描迹轮廓。
4.根据权利要求3所述的方法,其特征在于,根据所述第一轨迹确定轮廓搜索区域包括:
接收用于确定轮廓搜索区域的输入信息,并根据所述输入信息确定所述轮廓搜索区域;或者
获取所述第一轨迹处的图像特征,并根据所述第一轨迹处的图像特征确定所述轮廓搜索区域;或者
获取所述第一轨迹的特征,并根据所述第一轨迹的特征确定所述轮廓搜索区域。
5.根据权利要求4所述的方法,其特征在于:所述第一轨迹处的图像特征包括所述第一轨迹处的图像区域的梯度和/或纹理特征;所述第一轨迹的特征包括所述第一轨迹的曲率和/或描绘速度。
6.根据权利要求3至5中任意一项所述的方法,其特征在于,还包括:显示所述轮廓搜索区域。
7.根据权利要求1所述的方法,其特征在于,通过以下方式至少之一,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓:
根据所述第一轨迹的当前端点位置处的图像特征,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓;
根据所述第一轨迹的当前端点的移动速度,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓;
根据所述第一轨迹形态学特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓;
根据所述描迹轮廓处的图像特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓;
利用外接轮廓识别算法识别所述描迹轮廓的最小外接轮廓,确定所述最小外接轮廓为所述最终描迹轮廓。
8.根据权利要求7所述的方法,其特征在于,根据所述第一轨迹的当前端点位置处的图像特征,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓包括:
根据所述第一轨迹的当前端点位置处的图像特征,分别确定所述第一轨迹和所述描迹轮廓的权重;
根据所述第一轨迹的权重和所述描迹轮廓的权重加权所述第一轨迹和所述描迹轮廓,得到所述目标组织的最终描迹轮廓。
9.根据权利要求7所述的方法,其特征在于,根据所述第一轨迹的当前端点的移动速度,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓包括以下至少之一:
根据所述第一轨迹的当前端点的移动速度,分别确定所述第一轨迹和所述描迹轮廓的权重,并根据所述第一轨迹的权重和所述描迹轮廓的权重加权所述第一轨迹和所述描迹轮廓,得到所述目标组织的最终描迹轮廓;
根据所述第一轨迹的当前端点的移动速度调整所述描迹轮廓的平滑度,得到所述目标组织的最终描迹轮廓。
10.根据权利要求7所述的方法,其特征在于,根据所述第一轨迹的形态学特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓包括:
确定所述第一轨迹的第一曲率,以及确定所述描迹轮廓的第二曲率,在所述第二曲率超过第一曲率预定值的情况下,依据所述第一曲率的第一轨迹对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
11.根据权利要求7所述的方法,其特征在于,根据所述描迹轮廓处的图像特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓包括:
对所述描迹轮廓进行分段,得到多个分段,提取每个分段处的图像特征,采用评价函数对每个分段的图像特征进行评分,得到与每个分段对应的特征分值,将特征分值超过预定分值的分段保留,将特征分值低于所述预定分值的分段采用曲线拟合的方式进行拟合,对每个分段进行处理后,得到所述目标组织的最终描迹轮廓。
12.根据权利要求1至11中任一项所述的方法,其特征在于,在对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓之后,还包括:
依据所述最终描迹轮廓对所述目标组织进行测量,得到测量结果。
13.根据权利要求12所述的方法,其特征在于,还包括:
对描迹过程中的描迹过程结果,最终描迹轮廓,以及对所述目标组织进行测量得到的测量结果中的至少之一进行显示。
14.一种超声图像中目标组织的描迹方法,其特征在于,包括:
获取包括目标组织的二维超声图像;
接收对所述二维超声图像中的目标组织进行描迹的手动轨迹;
根据所述手动轨迹,确定所述目标组织的描迹轮廓;
对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
15.根据权利要求14所述的方法,其特征在于,根据所述手动轨迹,确定所述目标组织的描迹轮廓包括:
根据所述手动轨迹确定轮廓搜索区域,其中,所述轮廓搜索区域邻近或者包含所述手动轨迹的至少一部分;
在所述轮廓搜索区域内确定所述目标组织的边缘的描迹轮廓。
16.根据权利要求15所述的方法,其特征在于,根据所述手动轨迹确定轮廓搜索区域包括:
接收用于确定轮廓搜索区域的输入信息,并根据所述输入信息确定所述轮廓搜索区域;或者
获取所述手动轨迹处的图像特征,并根据所述手动轨迹处的图像特征确定所述轮廓搜索区域;或者
获取所述手动轨迹的特征,并根据所述手动轨迹的特征确定所述轮廓搜索区域。
17.根据权利要求16所述的方法,其特征在于:所述手动轨迹处的图像特征包括所述手动轨迹处的图像区域的梯度和/或纹理特征;所述手动轨迹的特征包括所述手动轨迹的曲率和/或描绘速度。
18.根据权利要求15至17中任意一项所述的方法,其特征在于,还包括:显示所述轮廓搜索区域。
19.根据权利要求15所述的方法,其特征在于,在所述轮廓搜索区域内确定所述目标组织的边缘的描迹轮廓包括以下至少之一:
在所述轮廓搜索区域内确定所述手动轨迹上的起始点和目标点,确定从所述起始点到所述目标点所有路径中平均梯度最大的路径为最优路径,将所述最优路径确定为所述目标组织的边缘的描迹轮廓;
为所述手动轨迹确定能量函数,依据所述能量函数作用所述手动轨迹,得到能量最小的轨迹,并确定所述能量最小的轨迹为所述目标组织的边缘的描迹轮廓,其中,所述能量函数采用所述手动轨迹处的图像的梯度表示,梯度越大,能量越小。
20.根据权利要求14所述的方法,其特征在于,通过以下方式至少之一,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓:
根据所述手动轨迹的当前端点位置处的图像特征,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓;
根据所述手动轨迹的当前端点的移动速度,自适应调整所述描迹轮廓,得到所述目标组织的最终描迹轮廓;
根据所述手动轨迹的形态学特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓;
根据所述描迹轮廓处的图像特征,对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓;
利用外接轮廓识别算法识别所述描迹轮廓的最小外接轮廓,确定所述最小外接轮廓为所述最终描迹轮廓。
21.一种超声图像中目标组织的描迹装置,其特征在于,包括:
探头;
发射电路,所述发射电路激励所述探头向目标组织发射超声波;
接收电路,所述接收电路通过所述探头接收从所述目标组织返回的超声回波以获得超声回波信号;
处理器,所述处理器处理所述超声回波信号以获得包括目标组织的二维超声图像;
显示器,所述显示器显示所述二维超声图像;
其中,所述处理器还执行如下步骤:接收在所述二维超声图像上描绘的第一轨迹,并根据所述第一轨迹,确定所述目标组织的描迹轮廓;并对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
22.一种超声图像中目标组织的描迹装置,其特征在于,包括:
探头;
发射电路,所述发射电路激励所述探头向目标组织发射超声波;
接收电路,所述接收电路通过所述探头接收从所述目标组织返回的超声回波以获得超声回波信号,以及接收对二维超声图像中的目标组织进行描迹的手动轨迹;
处理器,所述处理器处理所述超声回波信号以获得包括目标组织的二维超声图像;
显示器,所述显示器显示所述二维超声图像以及所述手动轨迹;
其中,所述处理器还执行如下步骤:根据所述手动轨迹,确定所述目标组织的描迹轮廓;并对所述描迹轮廓进行调整,得到所述目标组织的最终描迹轮廓。
23.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至14中任意一项所述的超声图像中目标组织的描迹方法。
24.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至20中任意一项所述的超声图像中目标组织的描迹方法。
25.一种计算机设备,其特征在于,包括:存储器和处理器,
所述存储器存储有计算机程序;
所述处理器,用于执行所述存储器中存储的计算机程序,所述计算机程序运行时执行权利要求1至20中任意一项所述的超声图像中目标组织的描迹方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573966.9A CN111354006A (zh) | 2018-12-21 | 2018-12-21 | 超声图像中目标组织的描迹方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811573966.9A CN111354006A (zh) | 2018-12-21 | 2018-12-21 | 超声图像中目标组织的描迹方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111354006A true CN111354006A (zh) | 2020-06-30 |
Family
ID=71197901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811573966.9A Pending CN111354006A (zh) | 2018-12-21 | 2018-12-21 | 超声图像中目标组织的描迹方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111354006A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899850A (zh) * | 2020-08-12 | 2020-11-06 | 上海依智医疗技术有限公司 | 医学影像的信息处理方法、显示方法及可读存储介质 |
CN112862804A (zh) * | 2021-03-01 | 2021-05-28 | 河南科技大学第一附属医院 | 一种眼底视网膜血管图像处理系统及方法 |
CN113570594A (zh) * | 2021-08-11 | 2021-10-29 | 无锡祥生医疗科技股份有限公司 | 超声图像中目标组织的监测方法、装置及存储介质 |
CN113570567A (zh) * | 2021-07-23 | 2021-10-29 | 无锡祥生医疗科技股份有限公司 | 超声图像中目标组织的监测方法、装置及存储介质 |
CN115063607A (zh) * | 2022-08-17 | 2022-09-16 | 腾讯科技(深圳)有限公司 | 切割轮廓的确定方法、装置、设备、存储介质及程序产品 |
CN116844697A (zh) * | 2023-02-24 | 2023-10-03 | 萱闱(北京)生物科技有限公司 | 图像多维可视化方法、装置、介质和计算设备 |
WO2023197563A1 (zh) * | 2022-04-13 | 2023-10-19 | 深圳北芯生命科技股份有限公司 | 用于调整描绘的轮廓的绘制方法、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11164834A (ja) * | 1997-12-08 | 1999-06-22 | Olympus Optical Co Ltd | 超音波画像診断装置 |
US6381350B1 (en) * | 1999-07-02 | 2002-04-30 | The Cleveland Clinic Foundation | Intravascular ultrasonic analysis using active contour method and system |
US20020102023A1 (en) * | 2001-01-31 | 2002-08-01 | Masaki Yamauchi | Ultrasonic diagnostic device and image processing device |
CN103593848A (zh) * | 2013-11-25 | 2014-02-19 | 深圳市恩普电子技术有限公司 | 超声心脏内膜描迹方法 |
US20140369564A1 (en) * | 2012-02-02 | 2014-12-18 | Hitachi Aloka Medical, Ltd. | Medical image diagnostic device and method for setting region of interest therefor |
US20160093110A1 (en) * | 2014-09-26 | 2016-03-31 | Varian Medical Systems, Inc. | Contouring tool having automatic interpolation and extrapolation |
CN106102589A (zh) * | 2015-06-05 | 2016-11-09 | 深圳迈瑞生物医疗电子股份有限公司 | 超声流体成像方法及超声流体成像系统 |
-
2018
- 2018-12-21 CN CN201811573966.9A patent/CN111354006A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11164834A (ja) * | 1997-12-08 | 1999-06-22 | Olympus Optical Co Ltd | 超音波画像診断装置 |
US6381350B1 (en) * | 1999-07-02 | 2002-04-30 | The Cleveland Clinic Foundation | Intravascular ultrasonic analysis using active contour method and system |
US20020102023A1 (en) * | 2001-01-31 | 2002-08-01 | Masaki Yamauchi | Ultrasonic diagnostic device and image processing device |
US20140369564A1 (en) * | 2012-02-02 | 2014-12-18 | Hitachi Aloka Medical, Ltd. | Medical image diagnostic device and method for setting region of interest therefor |
CN103593848A (zh) * | 2013-11-25 | 2014-02-19 | 深圳市恩普电子技术有限公司 | 超声心脏内膜描迹方法 |
US20160093110A1 (en) * | 2014-09-26 | 2016-03-31 | Varian Medical Systems, Inc. | Contouring tool having automatic interpolation and extrapolation |
CN106102589A (zh) * | 2015-06-05 | 2016-11-09 | 深圳迈瑞生物医疗电子股份有限公司 | 超声流体成像方法及超声流体成像系统 |
Non-Patent Citations (1)
Title |
---|
董慧颖: "《典型目标识别与图像除雾技术》", 国防工业出版社, pages: 50 - 53 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899850A (zh) * | 2020-08-12 | 2020-11-06 | 上海依智医疗技术有限公司 | 医学影像的信息处理方法、显示方法及可读存储介质 |
CN112862804A (zh) * | 2021-03-01 | 2021-05-28 | 河南科技大学第一附属医院 | 一种眼底视网膜血管图像处理系统及方法 |
CN112862804B (zh) * | 2021-03-01 | 2023-04-07 | 河南科技大学第一附属医院 | 一种眼底视网膜血管图像处理系统及方法 |
CN113570567A (zh) * | 2021-07-23 | 2021-10-29 | 无锡祥生医疗科技股份有限公司 | 超声图像中目标组织的监测方法、装置及存储介质 |
CN113570594A (zh) * | 2021-08-11 | 2021-10-29 | 无锡祥生医疗科技股份有限公司 | 超声图像中目标组织的监测方法、装置及存储介质 |
WO2023197563A1 (zh) * | 2022-04-13 | 2023-10-19 | 深圳北芯生命科技股份有限公司 | 用于调整描绘的轮廓的绘制方法、设备及介质 |
CN115063607A (zh) * | 2022-08-17 | 2022-09-16 | 腾讯科技(深圳)有限公司 | 切割轮廓的确定方法、装置、设备、存储介质及程序产品 |
CN116844697A (zh) * | 2023-02-24 | 2023-10-03 | 萱闱(北京)生物科技有限公司 | 图像多维可视化方法、装置、介质和计算设备 |
CN116844697B (zh) * | 2023-02-24 | 2024-01-09 | 萱闱(北京)生物科技有限公司 | 图像多维可视化方法、装置、介质和计算设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111354006A (zh) | 超声图像中目标组织的描迹方法及装置 | |
CN111340682B (zh) | 利用深度神经网络将医学图像转换为不同样式图像的方法和系统 | |
US11229419B2 (en) | Method for processing 3D image data and 3D ultrasonic imaging method and system | |
US8233718B2 (en) | System and method for identifying a vascular border | |
CN102763135B (zh) | 用于自动分割和时间跟踪的方法 | |
US8483488B2 (en) | Method and system for stabilizing a series of intravascular ultrasound images and extracting vessel lumen from the images | |
Loizou | A review of ultrasound common carotid artery image and video segmentation techniques | |
CN105913432B (zh) | 基于ct序列图像的主动脉提取方法及装置 | |
EP2016905B1 (en) | Ultrasound diagnostic apparatus | |
Adam et al. | Semiautomated Border Tracking of Cine Echocardiographic Ventnrcular Images | |
RU2708792C2 (ru) | Ультразвуковая диагностика работы сердца с использованием сегментации модели сердечной камеры под контролем пользователя | |
US20110125016A1 (en) | Fetal rendering in medical diagnostic ultrasound | |
EP1904971A1 (en) | Method and computer program for spatial compounding of images | |
EP1198200A1 (en) | Intravascular ultrasonic analysis using active contour method and system | |
JP2000126182A (ja) | 腫瘍診断方法 | |
EP1534137B1 (en) | System and method for identifying a vascular border | |
US7376254B2 (en) | Method for surface-contouring of a three-dimensional image | |
CN111820948B (zh) | 胎儿生长参数测量方法、系统及超声设备 | |
US20220249060A1 (en) | Method for processing 3d image data and 3d ultrasonic imaging method and system | |
CN107169978B (zh) | 超声图像边缘检测方法及系统 | |
CN113592802B (zh) | 一种基于超声图像的二尖瓣环位移自动检测系统 | |
RU2708317C2 (ru) | Ультразвуковая диагностика работы сердца посредством сегментации камеры с одной степенью свободы | |
Rizki et al. | Active Contour-Based Analysis of Stent Characterization in Cardiac Coronary Arteries from 2D Intravascular Ultrasound Images |
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 |