CN111399051B - 数据处理方法、装置及介质 - Google Patents
数据处理方法、装置及介质 Download PDFInfo
- Publication number
- CN111399051B CN111399051B CN201910002362.7A CN201910002362A CN111399051B CN 111399051 B CN111399051 B CN 111399051B CN 201910002362 A CN201910002362 A CN 201910002362A CN 111399051 B CN111399051 B CN 111399051B
- Authority
- CN
- China
- Prior art keywords
- data
- determining
- variable
- ultrasonic data
- pixel points
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 88
- 238000010586 diagram Methods 0.000 claims abstract description 27
- 238000002604 ultrasonography Methods 0.000 claims description 58
- 238000001914 filtration Methods 0.000 claims description 43
- 230000033001 locomotion Effects 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 9
- 238000006073 displacement reaction Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000002091 elastography Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012285 ultrasound imaging Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/303—Analysis for determining velocity profiles or travel times
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供一种数据处理方法、装置及介质,获取反映测试信号在待测位置中传播情况的超声数据;根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;根据所述变量,生成相应的信号传播图。该方法将测试信号在待测位置中传播引起的变量精确到了小数参量,有效提高了变量的准确性,进而提高信号传播图的最终成像精度。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种数据处理方法、装置及介质。
背景技术
在超声弹性成像、地质勘探、地震波检测等追踪波动传播速度的应用中,均涉及波速检测,即检测波动特征沿着感兴趣的传播方向在某一时间内的传播过程。
目前常用的是采用对信号传播图进行图像处理的方法,提取斜率参数来获得传播速度。由于实际条件下波动传播的过程比较复杂,应变数据成像质量通常较差,这样通过上述现有方法得到的斜率参数往往不准确。而精确的参量估计结果对成像至关重要,该参量数据的优劣对最终成像的精度和效果有着本质性影响。
发明内容
本发明提供一种数据处理方法、装置及介质,用于解决通过现有方法得到的信号传播图成像不准确的技术问题。
本发明的第一个方面是提供一种数据处理方法,包括:获取反映测试信号在待测位置中传播情况的超声数据;根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;根据所述变量,生成相应的信号传播图。
本发明的第二个方面是提供一种数据处理装置,包括:获取模块,用于获取反映测试信号在待测位置中传播情况的超声数据;处理模块,用于根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;生成模块,用于根据所述变量,生成相应的信号传播图。
本发明的第三个方面是提供一种数据处理装置,包括:至少一个处理器和存储器;所述存储器存储计算机执行指令;所述至少一个处理器执行所述存储器存储的计算机执行指令,以执行如前所述的方法。
本发明的第四个方面是提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,所述计算机程序被执行时实现如前所述的方法。
本发明提供的二维数据处理方法及装置,获取反映测试信号在待测位置中传播情况的超声数据;根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;根据所述变量,生成相应的信号传播图,相应的,该信号传播图能够反映测试信号随时间在待测位置的传播情况。该方法将测试信号在待测位置中传播引起的变量精确到了小数参量,有效提高了变量的准确性,进而提高信号传播图的最终成像精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1A和图1B为一示例性实施例示出的数据处理方法的流程示意图;
图2为另一示例性实施例示出的数据处理方法的流程示意图;
图3为一示例性实施例示出的数据处理装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1A为一示例性实施例示出的数据处理方法的流程示意图,如图1A所示,本实施例的数据处理方法,包括:
步骤101、获取反映测试信号在待测位置中传播情况的超声数据;
步骤102、根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;
步骤103、根据所述变量,生成相应的信号传播图。
其中,所述测试信号的形式可以有多种,例如,声波、剪切波等。例如,应用场景为弹性成像时,测试信号可以是剪切波。待测位置可以是组织器官。其中,所述超声数据可以为超声回波数据,也可以为超声透射波数据。其中,所述信号传播图基于所述变量生成,所述变量表征测试信号在待测位置传播的情况,所述变量可以为反映波动特征的任意变量,例如,变量可以是形变数据中的应变值,位移值等。信号传播图的维度基于变量的维度确定,例如,一维、二维或者多维。举例来说,信号传播图可以为包含不同时刻、不同深度形变信息的二维数据图。在该举例中,形变数据在传播信号图中呈条纹状,条纹的斜率即为待测位置的斜率参数,也是测试信号在待测位置中的传播速度。
本实施例以数据处理方法应用于数据处理装置中来举例说明,该数据处理装置的实现形式有多种,例如可以为存储于存储介质中的计算机程序、或者安装在实体设备中的软件、或者实体设备,这里的实体设备包括但不限于超声成像设备、电脑、终端、芯片等。
举例来说,本实施例的数据处理方法可以应用于超声扫描系统对组织进行弹性成像。具体地,在组织内部激发剪切波后,剪切波在组织中传播;向组织发射超声波,并接收包含了剪切波传播信息的超声回波数据,即超声数据。由于剪切波在组织中的传播速度有限,因此利用超声波对剪切波的传播状态进行追踪,可得到包含了剪切波传播状态(传播情况)的超声波回波数据。其中,可以通过按压或者声辐射力的方式在组织内部激发出剪切波,继而采集一系列包含剪切波在组织内传播情况的超声回波数据,接下来根据超声回波数据确定出能够表征剪切波在组织内传播情况的形变数据(如,位移值、应变值),再根据上述形变数据生成剪切波的信号传播图。从而根据该信号传播图,求取剪切波在组织中的传播速度,然后可选的,利用杨氏模量的公式,E=3ρVS2,其中,E为硬度值,ρ为待测组织的密度,VS为剪切波在待测位置的速度值,求得组织的弹性硬度值,进而对组织的病理进行判断。
具体的,如前所述,从超声数据中确定出表征所述测试信号在待测位置传播情况的变量,对于后续信号传播图成像的精准度尤其重要,因此,本方案中采用粗估计和细估计两步法,先根据时间轴上获取到的一系列超声数据估计出测试信号在待测位置中传播引起的变量的整数参量值,该整数参量值可以由整数个位移值表示,其中,一个整数参量值指信号传播图中一个像素间隔的距离大小;再在该整数参量值的基础上,进一步地确定测试信号在待测位置中传播引起的变量的小于一个整数值的小数参量值,该小数参量值可以由小数个位移值表示,其中,小数参量值指小于信号传播图中一个像素间隔的距离,即在两个物理像素之间还有像素,称之为亚像素(Sub-Pixel)。当然,可以理解的,该整数参量值、小数参量值除了以位移值进行表示,还可以以其他表征测试信号沿时间维度在待测位置中传播引起的物理量变量进行表示。本申请对此不作具体限定。
可选的,所述整数参量值和小数参量值可以分别获得。相应的,如图1B所示,在任一实施方式的基础上,步骤102具体可以包括:
步骤1021、根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量的整数参量值;
步骤1022、根据所获得的所述整数参量值,确定表征所述测试信号随着时间在待测位置传播情况的所述变量的小数参量值;
步骤1023、根据所述整数参量值和所述小数参量值,确定所述变量。
以下皆以该参量值为位移值进行示例说明。所述变量的整数参量值反映了测试信号在待测位置中传播的整数位移量,小数参量值反映了在每个整数位移量之间测试信号在待测位置中传播的小数变化量,因此,将两个位移量相结合,估计出沿时间维度测试信号在待测位置中传播引起位置变化的变量。
仍结合组织弹性成像的场景来说,以该变量作为形变的估计数据,保证组织形变估计值的准确性,使得超声弹性成像结果更准确。具体的,步骤103中可以根据得到的一系列的位移数据(即,变量)组成位移-时间的数据图(即信号传播图),确定测试信号在组织内不同位置的传播速度,最终形成组织的超声弹性成像图。
本实施例的数据处理方法,获取反映测试信号在待测位置中传播情况的超声数据;根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;根据所述变量,生成相应的信号传播图,相应的,该信号传播图能够反映测试信号随时间在待测位置的传播情况。该方法将测试信号在待测位置中传播引起的变量精确到了小数参量,有效提高了变量的准确性,进而提高信号传播图的最终成像精度。
图2为另一示例性实施例示出的数据处理方法的流程示意图,如图2所示,在上述实施例的基础上,步骤1021具体可以包括:
步骤201、从所述超声数据中选定至少两个不同时刻的超声数据;
步骤202、根据所述至少两个不同时刻的超声数据,基于刚性运动模型的块匹配方法,得到表征测试信号随着时间在待测位置传播情况的变量的整数参量值。
可选的,步骤201中选取至少两个不同时刻的超声数据,具体可以按照预设的选取策略进行选取,例如,可以按照预设的时间步长选取间隔均匀的至少两个时刻的超声数据,或者也可以随机选取。
可选的,在上述实施例的基础上,步骤1022具体可以包括:
步骤203、根据所述整数参量值,基于非刚性运动模型的块匹配方法确定表征所述测试信号随着时间在待测位置传播情况的所述变量的小数参量值。
再可选的,在上述实施例的基础上,步骤1023具体可以包括:
步骤204、将变量的整数参量值和所述变量的小数参量值相加,确定所述变量。
其中,所述基于刚性运动模型的块匹配方法包括但不限于归一化互相关算法、非归一化的互相关算法、自相关算法等,所述基于非刚性运动模型的块匹配方法包括但不限于光流法。相应的,在一种可实施方式中,步骤201可以通过如下步骤实现:
根据所述超声数据,生成预设维度的超声数据图;
从所述超声数据图中选取至少两个不同时刻的超声数据图;
相应的,步骤202具体可以包括:
基于刚性运动模型的块匹配方法,依次确定相邻的两个不同时刻的超声数据图中指定区域的像素点所对应的变量的整数参量值,以获得至少两个不同时刻的超声数据图中指定区域的像素点所对应的变量的整数参量值。
具体的,获取得到的超声数据,可以以超声数据图的形式呈现,该超声数据图的维度取决于超声数据的维度,举例来说,超声数据图可以由沿时间维度延展的各个时刻的超声数据图(例如二维帧图像)组成,每个二维帧图像中包含有在该帧时刻测试信号在待测位置中传播情况的超声回波数据。可选的,还可以对获取到的一系列超声数据采用传统的延时叠加方法进行波束合成,以提升超声数据的质量,根据波束合成后的超声数据生成超声数据图。
具体的,预设时间步长的大小可以根据需求设置,相应的从超声数据图中选取的至少两个不同时刻的超声数据图的数量由预设时间步长决定。当预设时间步长为1ms时,则每隔1ms就选取一帧超声数据图;当预设时间步长为20ms,则每隔20ms选取一帧超声数据图。
可选的,超声数据图的选取可以按照测试信号传播时间递增的顺序选取,也可以按照测试信号传播时间递减的顺序选取。可以沿着时间维度选定两个(帧)不同时刻(如t1、t2时刻)的超声数据,同时,被选取的两帧图像在整个超声数据图中可以为相邻的两帧,也可以是间隔预设步长的两帧图像;本申请对此不作具体限定,但优选的,可以采用沿时间推移的顺序,依次选定相邻的两帧超声数据图进行位移量的估计。
具体的,每两帧不同时刻的超声数据图中的对应区域(例如,对应列或对应行)为这两帧超声数据图中的同一区域,例如,同一列(如第2列)或同一行(第1行)。例如第一时刻的超声数据图中的第2列和第二时刻的超声数据图中的第2列即为这两时刻的超声数据图中的对应列、第一时刻的超声数据图中的第2行和第二时刻的超声数据图中的第2行即为这两个时刻的超声数据图中的对应行。
本实施例中,指定区域的数量可以为单个区域也可以为多个区域,例如,可以是这两时刻的超声数据图中的某一列或者多列,同样的,对应行可以是这两个时刻的超声数据图中的某一行或者多行。以指定区域为列举例来说,当对应列依次为超声数据图中的每一列时,通过上述步骤,就能得到各个不同时刻的超声数据图中每一列的像素点所对应的变量的整数参量值;相应的,当对应行可以依次为超声数据图中的每一行时,就能得到各个不同时刻的超声数据图中每一行的像素点所对应的变量的整数参量值。
其中,接下来以两个超声数据图中指定区域为例,对如何确定该指定区域的像素点对应的整数参量值进行说明。相应的,所述根据所述至少两个时刻的超声数据图,基于刚性运动模型的块匹配方法,依次确定相邻的两个不同时刻的超声数据图中指定区域的像素点所对应的变量的整数参量值,具体可以包括:
针对所述至少两个时刻中每对相邻的第一时刻和第二时刻,在第一时刻的超声数据图的指定区域中确定M个像素点作为数据参考点;
在第二时刻的超声数据图的所述指定区域中确定多组待确定像素点,其中,每组待确定像素点均包含M个像素点;
在所述多组待确定像素点中确定出与M个数据参考点的匹配系数最佳的一组待确定像素点;
根据所述匹配系数最佳的一组待确定像素点在所述第二时刻的超声数据图中的位置,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的整数参量值。
可选的,数据参考点的确定方式如下,即所述在第一时刻的超声数据图的指定区域中确定M个像素点作为数据参考点,具体可以包括:
根据预设搜索范围,在第一时刻的超声数据图的指定区域中确定第一起始像素点的位置;从所述第一起始像素点开始,采用窗长为M的窗口,在所述第一时刻的超声数据图的所述指定区域中连续获取M个像素点作为数据参考点,其中,M为大于等于1的正整数。
其中,连续获取的像素点的数量与窗口的窗长相关,窗长可以根据需求设置。同样的,预设搜索范围可以根据需求设置,可以同时包括正负数,或者只包括正数或负数,如,1、2、-3、-4、±1、±5等。第一起始像素点的位置可以基于预设搜索范围,根据需求设置。假设指定区域为第一时刻的超声数据图中的第1列,当预设搜索范围为±5时,第一起始像素点可以是第一时刻的超声数据图中的第1列中的第6个像素点,也可以是上述第6个像素点之后的某个像素点,如第10个像素点;当预设搜索范围为±1时,第一起始像素点可以是第一时刻的超声数据图中的第1列中的第2个像素点,也可以是上述第2个像素点之后的某个像素点,如第4个像素点。
以指定列为例进行说明:假设窗口的窗长为5,指定列为第1列,预设搜索范围为±2,第一起始像素点为第一列中的第3个像素点,则从第一帧传播图中第一列的第3个像素点开始,连续获取5个像素点,分别是像素点3-7,将像素点3-7作为数据参考点,即得到5个数据参考点。
进一步可选的,可以根据预设搜索范围和预设的窗口长度,从在第一时刻的超声数据图中的指定区域中确定第一起始像素点的位置连续获取M个像素点,从而得到M个数据参考点。预设窗口长度即为窗口的窗长。
具体的,多组待确定像素点的确定方式如下:相应的,所述在第二时刻的超声数据图的所述指定区域中确定多组待确定像素点,具体可以包括:
根据所述第一起始像素点在所述指定区域中的位置,在第二时刻的超声数据图的所述指定区域中确定第二起始像素点的位置;
从所述第二起始像素点开始,根据所述预设搜索范围,在所述第二时刻的超声数据图的所述指定区域中移动2N次所述窗长为M的窗口,以获取到(2N+1)组像素点作为待确定像素点,其中,N为绝对值大于等于1的整数。
在本实施例中,N为预设搜索范围的绝对值。当预设搜索范围为±2时,N的取值为2;当预设搜索范围为±3时,N的取值为3。第二起始像素点的位置与第一起始像素点的位置可以相同。当预设搜索范围包括正负数时,如果在指定列中移动窗口,则在该指定列中分别向两边(即,向上和向下)移动该窗口;如果是在指定行中移动窗口,则在该指定行中分别向两边(即,向左和向右)移动该窗口。
延续上述实施例,继续以指定列为例进行说明,从第二时刻的超声数据图的第1列中第3个像素点开始,在该列中向上和向下分别移动2次窗长为5的窗口,也即,总计移动4次窗口,包括第二起始像素点为起始点的窗口,总共会得到5组待确定像素点,这5组待确定像素点由上至下依次是像素点1-5、像素点2-6、像素点3-7、像素点4-8和像素点5-9。
再可选的,匹配系数最佳的待确定像素点的确定方式如下:所述在所述多组待确定像素点中确定出与M个数据参考点的匹配系数最佳的一组待确定像素点,具体可以包括:
根据刚性运动模型的块匹配方法,确定所述M个数据参考点分别与每组M个待确定像素点之间的匹配系数,得到(2N+1)个匹配系数;
在所述(2N+1)个匹配系数中确定最佳的匹配系数;
确定所述最佳的匹配系数对应的M个待确定像素点为与M个数据参考点的匹配系数最佳的一组待确定像素点。
其中,所述刚性运动模型的块匹配方法包括但不限于归一化互相关算法、非归一化的互相关算法、自相关算法等,举例来说,最佳的匹配系数对应的待确定像素点可以为最相关的待确定像素点。如果刚性运动模型的块匹配方法采用的是归一化互相关算法、非归一化的互相关算法或者自相关算法时,所得到的几个匹配系数中的最大匹配系数则为最佳的匹配系数。
延续上述实施例,以指定区域、刚性运动模型的块匹配方法为归一化互相关算法为例进行说明,根据归一化互相关算法,计算第一时刻的超声数据图的第1列中当前的5个数据参考点(像素点3-7)分别与第二时刻的超声数据图的第1列中的5组待确定像素点(像素点1-5、像素点2-6、像素点3-7、像素点4-8和像素点5-9)之间的互相关系数,得到5个互相关系数。假设5组待确定像素点中第2组待确定像素点所对应的互相关系数最大,则第2组待确定像素点即为最相关的一组待确定像素点。
进一步可选的,在上述实施方式的基础上,所述根据所述匹配系数最佳的一组待确定像素点在所述第二时刻的超声数据图中的位置,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的整数参量值,具体可以包括:
在所述匹配系数最佳的一组待确定像素点中确定第一个像素点的位置,作为第三起始像素点;
根据所述第一起始像素点在所述第一时刻的超声数据图中的位置,以及所述第三起始像素点在所述第二时刻的超声数据图中的位置,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的整数参量值。
仍以归一化互相关算法为例,可选的,可以在最佳的一组待确定像素点中确定第一个像素点的位置,作为第三起始像素点;根据第一起始像素点在第一时刻的超声数据图中的位置,以及第三起始像素点在第二时刻的超声数据图中的位置,确定M个数据参考点中的第一起始像素点在第二时刻的超声数据图中所对应的变量的整数参量值。
延续上述实施例,继续以指定区域为例进行说明:第2组待确定像素点中的第1个像素点为像素点2,则将上述像素点2作为第三起始像素点。将第三起始像素点的位置跟前述实施例中的第一起始像素点的位置进行比较可知,这两个像素点之间差了1个像素点,则当前的这5个数据参考点在第二时刻的超声数据图中所对应的变量的整数参量值为1或者-1。具体取值为1,还是-1可以根据需求设置。
具体的,上述整数参量值可以认为是M个数据参考点中任一像素点对应变量的整数参量值,优选的,为M个数据参考点中第一起始像素点对应的整数参量值。
该方法以匹配系数最佳的一组待确定像素点中的第一个像素点的位置作为确定整数参量值的依据,可以节省计算资源,提升整数参量值确定的速率。
在实际操作中,指定区域中通常会包含很多个像素点,通过前述过程完成该指定区域中首次的整数参量值的计算后,可选的,根据预设重叠率和窗口的窗长,在该指定区域中还可以采用多个窗口,并根据前述实施例中的步骤多次选定对应的数据参考点。该多个窗口中的每个窗口均为M窗长,采用一定的重叠率相互重叠在一起,例如,窗长为10,预设重叠率为80%,则相邻两个窗口之间相互重叠的像素点为8个像素点。对多个窗口所对应的数据均分别采用上述刚性运动模型的块匹配方法(如,归一化互相关算法),使得指定区域中的每个窗口都可以计算获得最佳匹配系数对应的整数参量值,则该指定区域中多个窗口得到的整数参量值数量提升,使得各个整数参量值之间的间距变小,有效提升分辨率。具体方法包括:
根据所述窗长为M的窗口的预设重叠率,在所述第一时刻的超声数据图中的指定区域中移动所述窗口X次,获得X组数据参考点,其中,每组数据参考点中均包括M个像素点;
每在所述第一时刻的超声数据图的指定区域中移动一次所述窗口,将所述第一起始像素点更新为当前的所述窗口的第一个像素点;对所述X组数据参考点执行X次所述根据所述第一起始像素点在所述指定区域中的位置,在第二时刻的超声数据图的所述指定区域中确定第二起始像素点的位置;从所述第二起始像素点开始,根据所述预设搜索范围,在所述第二时刻的超声数据图的所述指定区域中移动2N次所述窗长为M的窗口,以获取到(2N+1)组像素点作为待确定像素点;其中,N为绝对值大于等于1的整数;根据刚性运动模型的块匹配方法,确定所述M个数据参考点分别与每组M个待确定像素点之间的匹配系数,得到(2N+1)个匹配系数;在所述(2N+1)个匹配系数中确定最佳的匹配系数;确定所述最佳的匹配系数对应的M个待确定像素点为与M个数据参考点的匹配系数最佳的一组待确定像素点的步骤。
通过上述实施方式,使得每次移动后的每个窗口都可以计算获得最佳匹配系数对应的整数参量值,则多个窗口得到的整数参量值数量提升,使得各个整数参量值之间的间距变小,有效提升分辨率。
举例来说,在时间轴上分别选取不同时刻(如t1、t2两时刻)的超声数据图,将两个不同时刻的超声数据图中回波数据的相同区域(也可以采用相同区域对齐的方式),选取适当窗长、重叠率和移动次数,其中,当移动次数N为正整数时可以向一个方向移动,N为负整数时向另一个方向移动。例如,窗长M为100,重叠率为80%,移动次数N的绝对值为上下各10个像素点,然后根据如下式(1)中的归一化互相关算法,计算窗口内数据的互相关系数,查找互相关系数最大的位置,并计算出窗口中像素点的偏移量(如偏移量为2),得到在该时刻该位置的整数位移值。
以组织弹性成像为例,式(1)中x(t)和y(t+τ)分别为组织形变前后(如,相邻两时刻t1、t2时刻)的超声波回波信号,t为采样点,u为数据窗的起始位置(即,上述第一起始像素点的位置),M为数据窗的大小(即,窗口的窗长),τ是计算互相关值的搜索范围,该值可由组织形变的先验知识确定。
根据上式(1)求得最大的互相关系数对应的像素点的位置即为数据参考点进行整数位移后所对应的位置。
重复执行上述步骤,根据预设时间步长,在超声数据图中选定至少两帧不同时刻的超声数据图,并相应执行后续步骤,直到确定得到超声数据图中每帧超声数据图中对应区域的像素点的变量的整数参量值。
进一步可选的,在前述实施例的基础上,小数参量值的确定可以通过如下步骤实现,即所述根据所述整数参量值,基于非刚性运动模型的块匹配方法,确定表征所述测试信号随着时间在待测位置传播情况的所述变量的小数参量值,具体可以包括:
在所述第一时刻的超声数据图中的所述M个数据参考点中选定预设个数的第一目标像素点,获取每个所述第一目标像素点在所述第一时刻的超声数据图中对应的数据,形成第一数据;
根据所述第一目标像素点在所述第一时刻的超声数据图中的位置,以及所述M个数据参考点在所述第二时刻的超声数据图中所对应的整数参量值,在所述第二时刻的超声数据图中确定与所述第一目标像素点对应的第二目标像素点,获取每个所述第二目标像素点在所述第二时刻的超声数据图中对应的数据,形成第二数据;
基于所述非刚性运动模型的块匹配方法,根据所述第一数据和所述第二数据,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的小数参量值。
具体的,当上述整数参量值被认为是M个数据参考点中第一个像素点(也即,第一起始像素点)对应的整数参量值时,相应的,计算出来的小数参量值也认为是该M个数据参考点中第一个始像素点对应的小数参量值。并且对于选取多个窗口的情况,所计算出来的多个整数参量值,则每个整数参量值被认为是当前窗口中M个数据参考点中第一个像素点对应的整数参量值。
举例来说,延续式(1)的例子,式(1)中x(t)和y(t+τ)分别为组织形变前后(相邻两时刻t1、t2)的超声波回波信号,对上述的t1时刻的回波数据不变,选取适当长度的目标像素点,如在时刻为t1的第一时刻的超声数据图中确定预设个数为3个的目标像素点(即,第一目标像素点),这3个目标像素点在第一时刻的超声数据图的指定列或指定行中的位置为(x1y1)、(x2y2)、(x3y3),加上整数参量值后,对应目标像素点在时刻为t2的第二时刻的超声数据图的指定列或指定行的位置为(x1'y1')(x2'y2')(x3'y3'),根据上述目标像素点在两帧中的这些位置坐标,获取目标像素点在两帧中对应的回波数据的数据值大小,形成第一数据(pre-data)和第二数据(post-data)。
基于光流法算法,将第一数据和第二数据代入式(2)的方程进行求解,得到目标像素点位置变化的亚像素参量值,即变量的小数参量值。
式(2)中u为位移量,F为post-data对应的数据,G为pre-data对应的数据。通过求解该超定方程可以得到光流法的位移量u(|u|<1),也即,小数参量值。
u×F'+(G-F)=0.......(2)
后续,根据整数参量值和所述小数参量值,确定相应变量。具体的,将确定得到的M个数据参考点在所述第二时刻的超声数据图中所对应的组织的位置变化的整数参量值和M个数据参考点在所述第二时刻的超声数据图中所对应的组织的位置变化的小数参量值相加,从而确定M个数据参考点所对应的的组织的位置变化的变量,也即该M个数据参考点沿时间维度在待测位置传播的变量。
当在第一时刻的超声数据图的指定列或指定行中选定多个窗口时,根据每个窗口在第二时刻的超声数据图中对应的整数参量值,都通过上述过程分别求得该窗口对应的小数参量值,从而得到该窗口对应的小数参量值,并最终得到每个窗口对应的变量。
具体的,将M个数据参考点中的第一起始像素点在第二时刻的超声数据图中所对应的组织的位置变化的整数参量值和M个数据参考点中的第一起始像素点在第二时刻的超声数据图中所对应的组织的位置变化的小数参量值相加,确定出M个数据参考点中的第一起始像素点沿时间维度在待测位置中传播的变量。
进一步可选的,在步骤102之后,还可以包括:对所述变量进行滤波操作。
其中,所述滤波操作包括:方向滤波;或者,所述滤波操作包括:方向滤波和中值滤波。可选的,对所述变量进行方向滤波具体可以包括:对所述变量进行时频变换,得到所述变量的频域表示;对所述频域表示的变量进行调整,根据预设方向,对调整后的所述频域表示的变量进行方向滤波;将滤波处理后的变量由频域表示变换回时域表示。
其中,所述对所述频域表示的变量进行调整,根据预设方向,对调整后的所述频域表示的变量进行方向滤波,具体可以包括:根据所确定的变量,确定前X个时刻的超声数据图中指定区域的像素点所对应的变量;其中,X小于所述超声数据图的时刻数量,每个时刻的超声数据图中指定区域的像素点所对应的变量中包含I×J个变量;在所述前X个时刻中的每个时刻的超声数据图中指定区域的像素点所对应的变量中选取第i行或第j列的变量,组成一个包含J×X个或包含X×I个变量的调整后的变量;对前X个时刻的超声数据图中指定区域的像素点所对应的变量中的每行或者每列的变量进行如上操作,得到I个J×X个变量的调整后的变量,或者得到J个X×I个变量的调整后的变量;其中,1≤i≤I,1≤j≤J。
此外,该方向滤波的滤波方向可以根据采集到的数据的实际情况确定,如根据旁瓣的特性确定方向滤波的指定方向,具体通过将该指定方向的频域数据置零以实现方向滤波,从而消除指定方向上旁瓣的影响,有效减少旁瓣等造成的干扰。除了进行方向滤波,还可以进行中值滤波,以消除校验噪声的影响,获得更为精确的变量作为位移估计数据。
需要说明的是,上述实施例中阐述了以指定区域为列为例进行的举例说明,当指定区域为行时,计算过程也同上面一样,只不过把列换成了行。
最终,根据获得的变量,形成信号传播图。
该步骤的实现方式同前述实施例中的步骤103,在此不再赘述。本实施例所提出的方法采用了粗估计、细估计两步的方法求取位移估计数据,首先使用基于刚性运动模型的块匹配方法准确地计算出整数个位移值,然后采用基于非刚性运动模型的块匹配方法精确地计算小于一个整数值的位移值,这样可以有效避免在位移相对较大时违反“基于非刚性运动模型的块匹配方法灰度在短时间内保持不变”和“邻域内速度向量场变化是缓慢的”两个假设(本领域的公知假设,在此不做展开),再有方向滤波器的加入可以有效的滤除旁瓣等噪声造成的影响。
图3为一示例性实施例示出的数据处理装置的流程示意图,如图3所示,本实施例的数据处理装置,包括:
获取模块31,用于获取反映测试信号在待测位置中传播情况的超声数据;
处理模块32,用于根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;
生成模块33,用于根据所述变量,生成相应的信号传播图。
该数据处理装置的实现形式有多种,例如可以为存储于存储介质中的计算机程序、或者安装在实体设备中的软件、或者实体设备,这里的实体设备包括但不限于超声成像设备、电脑、终端、芯片等。
可选的,所述整数参量值和小数参量值可以分别获得。相应的,在任一实施方式的基础上,处理模块32具体可以用于:根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量的整数参量值;根据所获得的所述整数参量值,确定表征所述测试信号随着时间在待测位置传播情况的所述变量的小数参量值;根据所述整数参量值和所述小数参量值,确定所述变量。
本实施例的数据处理装置,获取反映测试信号在待测位置中传播情况的超声数据;根据所述超声数据,确定表征所述测试信号在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;根据所述变量,生成相应的信号传播图,相应的,该信号传播图能够反映测试信号随时间在待测位置的传播情况。该方法将测试信号在待测位置中传播引起的变量精确到了小数参量,有效提高了变量的准确性,进而提高信号传播图的最终成像精度。
可选的,在上述实施例的基础上,处理模块32具体可以用于:从所述超声数据中选定至少两个不同时刻的超声数据;根据所述至少两个不同时刻的超声数据,基于刚性运动模型的块匹配方法,得到表征测试信号随着时间在待测位置传播情况的变量的整数参量值。
可选的,在上述实施例的基础上,处理模块32具体可以用于:根据所述整数参量值,基于非刚性运动模型的块匹配方法确定表征所述测试信号随着时间在待测位置传播情况的所述变量的小数参量值。
再可选的,在上述实施例的基础上,处理模块32具体可以用于:将变量的整数参量值和所述变量的小数参量值相加,确定所述变量。
其中,所述基于刚性运动模型的块匹配方法包括但不限于归一化互相关算法,所述基于非刚性运动模型的块匹配方法包括但不限于光流法。相应的,在一种可实施方式中,处理模块32具体可以用于:根据所述超声数据,生成预设维度的超声数据图;从所述超声数据图中选取至少两个不同时刻的超声数据图;基于刚性运动模型的块匹配方法,依次确定相邻的两个不同时刻的超声数据图中指定区域的像素点所对应的变量的整数参量值,获得至少两个不同时刻的超声数据图中指定区域的像素点所对应的变量的整数参量值。
其中,接下来以两帧超声数据图中指定区域为例,对如何确定该指定区域的像素点对应的整数参量值进行说明。相应的,处理模块32根据所述至少两个时刻的超声数据图,基于刚性运动模型的块匹配方法,依次确定相邻的两个不同时刻的超声数据图中指定区域的像素点所对应的变量的整数参量值时,具体可以用于:针对所述至少两个时刻中每对相邻的第一时刻和第二时刻,在第一时刻的超声数据图的指定区域中确定M个像素点作为数据参考点;在第二时刻的超声数据图的所述指定区域中确定多组待确定像素点,其中,每组待确定像素点均包含M个像素点;在所述多组待确定像素点中确定出与M个数据参考点的匹配系数最佳的一组待确定像素点;根据所述匹配系数最佳的一组待确定像素点在所述第二时刻的超声数据图中的位置,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的整数参量值。
可选的,数据参考点的确定方式如下,即处理模块32所述在第一时刻的超声数据图的指定区域中确定M个像素点作为数据参考点时,具体可以用于:根据预设搜索范围,在第一时刻的超声数据图的指定区域中确定第一起始像素点的位置;从所述第一起始像素点开始,采用窗长为M的窗口,在所述第一时刻的超声数据图的所述指定区域中连续获取M个像素点作为数据参考点,其中,M为大于等于1的正整数。
具体的,多组待确定像素点的确定方式如下:相应的,处理模块32在第二时刻的超声数据图的所述指定区域中确定多组待确定像素点时,具体可以用于:根据所述第一起始像素点在所述指定区域中的位置,在第二时刻的超声数据图的所述指定区域中确定第二起始像素点的位置;从所述第二起始像素点开始,根据所述预设搜索范围,在所述第二时刻的超声数据图的所述指定区域中移动2N次所述窗长为M的窗口,以获取到(2N+1)组像素点作为待确定像素点,其中,N为绝对值大于等于1的整数。
再可选的,匹配系数最佳的待确定像素点的确定方式如下:处理模块32在所述多组待确定像素点中确定出与M个数据参考点的匹配系数最佳的一组待确定像素点时,具体可以用于:根据刚性运动模型的块匹配方法,确定所述M个数据参考点分别与每组M个待确定像素点之间的匹配系数,得到(2N+1)个匹配系数;在所述(2N+1)个匹配系数中确定最佳的匹配系数;确定所述最佳的匹配系数对应的M个待确定像素点为与M个数据参考点的匹配系数最佳的一组待确定像素点。
进一步可选的,在上述实施方式的基础上,处理模块32根据所述匹配系数最佳的一组待确定像素点在所述第二时刻的超声数据图中的位置,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的整数参量值时,具体可以用于:在所述匹配系数最佳的一组待确定像素点中确定第一个像素点的位置,作为第三起始像素点;根据所述第一起始像素点在所述第一时刻的超声数据图中的位置,以及所述第三起始像素点在所述第二时刻的超声数据图中的位置,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的整数参量值。
该方法以匹配系数最佳的一组待确定像素点中的第一个像素点的位置作为确定整数参量值的依据,可以节省计算资源,提升整数参量值确定的速率。
在实际操作中,处理模块32还具体用于:根据所述窗长为M的窗口的预设重叠率,在所述第一时刻的超声数据图中的指定区域中移动所述窗口X次,获得X组数据参考点,其中,每组数据参考点中均包括M个像素点;每在所述第一时刻的超声数据图的指定区域中移动一次所述窗口,将所述第一起始像素点更新为当前的所述窗口的第一个像素点;对所述X组数据参考点执行X次所述根据所述第一起始像素点在所述指定区域中的位置,在第二时刻的超声数据图的所述指定区域中确定第二起始像素点的位置;从所述第二起始像素点开始,根据所述预设搜索范围,在所述第二时刻的超声数据图的所述指定区域中移动2N次所述窗长为M的窗口,以获取到(2N+1)组像素点作为待确定像素点;其中,N为绝对值大于等于1的整数;根据刚性运动模型的块匹配方法,确定所述M个数据参考点分别与每组M个待确定像素点之间的匹配系数,得到(2N+1)个互相关系数;在所述(2N+1)个匹配系数中确定最佳的匹配系数;确定所述最佳的匹配系数对应的M个待确定像素点为与M个数据参考点的匹配系数最佳的一组待确定像素点的步骤。
通过上述实施方式,使得每次移动后的每个窗口都可以计算获得最佳匹配系数对应的整数参量值,则多个窗口得到的整数参量值数量提升,使得各个整数参量值之间的间距变小,有效提升分辨率。
进一步可选的,在前述实施例的基础上,小数参量值的确定可以通过如下步骤实现,即处理模块32根据所述整数参量值,基于非刚性运动模型的块匹配方法确定表征所述测试信号随着时间在待测位置传播情况的所述变量的小数参量值时,具体可以用于:在所述第一时刻的超声数据图中的所述M个数据参考点中选定预设个数的第一目标像素点,获取每个所述第一目标像素点在所述第一时刻的超声数据图中对应的数据,形成第一数据;根据所述第一目标像素点在所述第一时刻的超声数据图中的位置,以及所述M个数据参考点在所述第二时刻的超声数据图中所对应的整数参量值,在所述第二时刻的超声数据图中确定与所述第一目标像素点对应的第二目标像素点,获取每个所述第二目标像素点在所述第二时刻的超声数据图中对应的数据,形成第二数据;基于所述非刚性运动模型的块匹配方法,根据所述第一数据和所述第二数据,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的小数参量值。
进一步可选的,所述装置还可以包括:滤波模块,用于对所述变量进行滤波操作。
其中,所述滤波操作包括:方向滤波;或者,所述滤波操作包括:方向滤波和中值滤波。可选的,滤波模块对所述变量进行方向滤波时,具体可以用于:对所述变量进行时频变换,得到所述变量的频域表示;对所述频域表示的变量进行调整,根据预设方向,对调整后的所述频域表示的变量进行方向滤波;将滤波处理后的变量由频域表示变换回时域表示。
具体的,预设方向可以是任意方向,如深度方向等。
其中,所述滤波模块对所述频域表示的变量进行调整,根据预设方向,对调整后的所述频域表示的变量进行方向滤波时,具体可以用于:根据所确定的变量,确定前X个时刻的超声数据图中指定区域的像素点所对应的变量;其中,X小于所述超声数据图的时刻数量,每个时刻的超声数据图中指定区域的像素点所对应的变量中包含I×J个变量;在所述前X个时刻中的每个时刻的超声数据图中指定区域的像素点所对应的变量中选取第i行或第j列的变量,组成一个包含J×X个或包含X×I个变量的调整后的变量;对前X个时刻的超声数据图中指定区域的像素点所对应的变量中的每行或者每列的变量进行如上操作,得到I个J×X个变量的调整后的变量,或者得到J个X×I个变量的调整后的变量;其中,1≤i≤I,1≤j≤J。
此外,该方向滤波的滤波方向可以根据采集到的数据的实际情况确定,如根据旁瓣的特性确定方向滤波的指定方向,具体通过将该指定方向的频域数据置零以实现方向滤波,从而消除指定方向上旁瓣的影响,有效减少旁瓣等造成的干扰。除了进行方向滤波,还可以进行中值滤波,以消除校验噪声的影响,获得更为精确的变量作为位移估计数据。最终,根据获得的变量,形成信号传播图。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供一种数据处理装置,包括:至少一个处理器和存储器;所述存储器存储计算机执行指令;所述至少一个处理器执行所述存储器存储的计算机执行指令,以执行如前述任一实施方式所述的方法。
本申请实施例还提供一种计算机可读存储介质,其特征在于,该计算机可读存储介质中存储有计算机程序,所述计算机程序被执行时实现前述任一实施方式所述的方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (16)
1.一种数据处理方法,其特征在于,包括:
获取反映测试信号在待测位置中传播情况的超声数据;
根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;
根据所述变量,生成相应的信号传播图,
其中,所述根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,包括:
根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量的整数参量值;
根据所获得的所述整数参量值,基于非刚性运动模型的块匹配方法确定表征所述测试信号随着时间在待测位置传播情况的所述变量的小数参量值;
根据所述整数参量值和所述小数参量值,确定所述变量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量的整数参量值,包括:
从所述超声数据中选定至少两个不同时刻的超声数据;
根据所述至少两个不同时刻的超声数据,基于刚性运动模型的块匹配方法,得到表征测试信号随着时间在待测位置传播情况的变量的整数参量值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述整数参量值和所述小数参量值,确定所述变量,包括:
将变量的整数参量值和所述变量的小数参量值相加,确定所述变量。
4.根据权利要求2所述的方法,其特征在于,所述从所述超声数据中选定至少两个不同时刻的超声数据,包括:
根据所述超声数据,生成预设维度的超声数据图;
从所述超声数据图中选取至少两个不同时刻的超声数据图;
所述根据所述至少两个不同时刻的超声数据,基于刚性运动模型的块匹配方法,得到表征测试信号随着时间在待测位置传播情况的变量的整数参量值,包括:
基于刚性运动模型的块匹配方法,依次确定相邻的两个不同时刻的超声数据图中指定区域的像素点所对应的变量的整数参量值。
5.根据权利要求4所述的方法,其特征在于,所述基于刚性运动模型的块匹配方法,依次确定相邻的两个不同时刻的超声数据图中指定区域的像素点所对应的变量的整数参量值,包括:
针对所述至少两个时刻中每对相邻的第一时刻和第二时刻,在第一时刻的超声数据图的指定区域中确定M个像素点作为数据参考点;
在第二时刻的超声数据图的所述指定区域中确定多组待确定像素点,其中,每组待确定像素点均包含M个像素点;
在所述多组待确定像素点中确定出与M个数据参考点的匹配系数最佳的一组待确定像素点;
根据所述匹配系数最佳的一组待确定像素点在所述第二时刻的超声数据图中的位置,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的整数参量值。
6.根据权利要求5所述的方法,其特征在于,所述在第一时刻的超声数据图的指定区域中确定M个像素点作为数据参考点,包括:
根据预设搜索范围,在第一时刻的超声数据图的指定区域中确定第一起始像素点的位置;从所述第一起始像素点开始,采用窗长为M的窗口,在所述第一时刻的超声数据图的所述指定区域中连续获取M个像素点作为数据参考点,其中,M为大于等于1的正整数;
相应的,所述在第二时刻的超声数据图的所述指定区域中确定多组待确定像素点,包括:
根据所述第一起始像素点在所述指定区域中的位置,在第二时刻的超声数据图的所述指定区域中确定第二起始像素点的位置;
从所述第二起始像素点开始,根据所述预设搜索范围,在所述第二时刻的超声数据图的所述指定区域中移动2N次所述窗长为M的窗口,以获取到(2N+1)组像素点作为待确定像素点,其中,N为绝对值大于等于1的整数;
相应的,所述在所述多组待确定像素点中确定出与M个数据参考点的匹配系数最佳的一组待确定像素点,包括:
根据刚性运动模型的块匹配方法,确定所述M个数据参考点分别与每组M个待确定像素点之间的匹配系数,得到(2N+1)个匹配系数;
在所述(2N+1)个匹配系数中确定最佳的匹配系数;
确定所述最佳的匹配系数对应的M个待确定像素点为与M个数据参考点的匹配系数最佳的一组待确定像素点。
7.根据权利要求6所述的方法,其特征在于,所述根据所述匹配系数最佳的一组待确定像素点在所述第二时刻的超声数据图中的位置,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的整数参量值,包括:
在所述匹配系数最佳的一组待确定像素点中确定第一个像素点的位置,作为第三起始像素点;
根据所述第一起始像素点在所述第一时刻的超声数据图中的位置,以及所述第三起始像素点在所述第二时刻的超声数据图中的位置,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的整数参量值。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据所述窗长为M的窗口的预设重叠率,在所述第一时刻的超声数据图中的指定区域中移动所述窗口X次,获得X组数据参考点,其中,每组数据参考点中均包括M个像素点;
每在所述第一时刻的超声数据图的指定区域中移动一次所述窗口,将所述第一起始像素点更新为当前的所述窗口的第一个像素点;对所述X组数据参考点执行X次所述根据所述第一起始像素点在所述指定区域中的位置,在第二时刻的超声数据图的所述指定区域中确定第二起始像素点的位置;从所述第二起始像素点开始,根据所述预设搜索范围,在所述第二时刻的超声数据图的所述指定区域中移动2N次所述窗长为M的窗口,以获取到(2N+1)组像素点作为待确定像素点;其中,N为绝对值大于等于1的整数;根据刚性运动模型的块匹配方法,确定所述M个数据参考点分别与每组M个待确定像素点之间的匹配系数,得到(2N+1)个匹配系数;在所述(2N+1)个匹配系数中确定最佳的匹配系数;确定所述最佳的匹配系数对应的M个待确定像素点为与M个数据参考点的匹配系数最佳的一组待确定像素点的步骤。
9.根据权利要求5所述的方法,其特征在于,根据所述整数参量值,基于非刚性运动模型的块匹配方法确定表征所述测试信号随着时间在待测位置传播情况的所述变量的小数参量值,包括:
在所述第一时刻的超声数据图中的所述M个数据参考点中选定预设个数的第一目标像素点,获取每个所述第一目标像素点在所述第一时刻的超声数据图中对应的数据,形成第一数据;
根据所述第一目标像素点在所述第一时刻的超声数据图中的位置,以及所述M个数据参考点在所述第二时刻的超声数据图中所对应的整数参量值,在所述第二时刻的超声数据图中确定与所述第一目标像素点对应的第二目标像素点,获取每个所述第二目标像素点在所述第二时刻的超声数据图中对应的数据,形成第二数据;
基于所述非刚性运动模型的块匹配方法,根据所述第一数据和所述第二数据,确定所述M个数据参考点在所述第二时刻的超声数据图中所对应的变量的小数参量值。
10.根据权利要求4所述的方法,其特征在于,所述根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量之后,还包括:
对所述变量进行滤波操作。
11.根据权利要求10所述的方法,其特征在于,所述滤波操作包括:方向滤波;或者,所述滤波操作包括:方向滤波和中值滤波。
12.根据权利要求11所述的方法,其特征在于,对所述变量进行方向滤波包括:
对所述变量进行时频变换,得到所述变量的频域表示;
对所述频域表示的变量进行调整,根据预设方向,对调整后的所述频域表示的变量进行方向滤波;
将滤波处理后的变量由频域表示变换回时域表示。
13.根据权利要求12所述的方法,其特征在于,所述对所述频域表示的变量进行调整,根据预设方向,对调整后的所述频域表示的变量进行方向滤波,包括:
根据所确定的变量,确定前X个时刻的超声数据图中指定区域的像素点所对应的变量;其中,X小于所述超声数据图的时刻数量,每个时刻的超声数据图中指定区域的像素点所对应的变量中包含I×J个变量;
14.一种数据处理装置,其特征在于,包括:
获取模块,用于获取反映测试信号在待测位置中传播情况的超声数据;
处理模块,用于根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量,其中,所述变量包括整数参量值和小数参量值;
生成模块,用于根据所述变量,生成相应的信号传播图,
其中,所述处理模块还用于,根据所述超声数据,确定表征所述测试信号随着时间在待测位置传播情况的变量的整数参量值;根据所获得的所述整数参量值,基于非刚性运动模型的块匹配方法确定表征所述测试信号随着时间在待测位置传播情况的所述变量的小数参量值;根据所述整数参量值和所述小数参量值,确定所述变量。
15.一种数据处理装置,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;所述至少一个处理器执行所述存储器存储的计算机执行指令,以执行如权利要求1-13中任一项所述的方法。
16.一种计算机可读存储介质,其特征在于,该计算机可读存储介质中存储有计算机程序,所述计算机程序被执行时实现权利要求1-13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910002362.7A CN111399051B (zh) | 2019-01-02 | 2019-01-02 | 数据处理方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910002362.7A CN111399051B (zh) | 2019-01-02 | 2019-01-02 | 数据处理方法、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111399051A CN111399051A (zh) | 2020-07-10 |
CN111399051B true CN111399051B (zh) | 2021-10-08 |
Family
ID=71433993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910002362.7A Active CN111399051B (zh) | 2019-01-02 | 2019-01-02 | 数据处理方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111399051B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103257349A (zh) * | 2012-08-24 | 2013-08-21 | 北京化工大学 | 基于非线性相关计算延迟时间的合成孔径超声成像系统 |
CN104188689A (zh) * | 2013-10-25 | 2014-12-10 | 中国科学院深圳先进技术研究院 | 基于超声回波射频信号的组织位移估算方法和系统 |
CN105662473A (zh) * | 2016-01-11 | 2016-06-15 | 无锡海斯凯尔医学技术有限公司 | 组织参数检测方法和系统 |
CN106214182B (zh) * | 2016-07-06 | 2017-08-01 | 西安交通大学 | 基于lk光流法的hifu损伤剪切波弹性特性估计方法 |
CN107049360A (zh) * | 2017-01-26 | 2017-08-18 | 清华大学 | 剪切波弹性成像方法和装置 |
-
2019
- 2019-01-02 CN CN201910002362.7A patent/CN111399051B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103257349A (zh) * | 2012-08-24 | 2013-08-21 | 北京化工大学 | 基于非线性相关计算延迟时间的合成孔径超声成像系统 |
CN104188689A (zh) * | 2013-10-25 | 2014-12-10 | 中国科学院深圳先进技术研究院 | 基于超声回波射频信号的组织位移估算方法和系统 |
CN105662473A (zh) * | 2016-01-11 | 2016-06-15 | 无锡海斯凯尔医学技术有限公司 | 组织参数检测方法和系统 |
CN106214182B (zh) * | 2016-07-06 | 2017-08-01 | 西安交通大学 | 基于lk光流法的hifu损伤剪切波弹性特性估计方法 |
CN107049360A (zh) * | 2017-01-26 | 2017-08-18 | 清华大学 | 剪切波弹性成像方法和装置 |
Non-Patent Citations (2)
Title |
---|
基于改进光流法的超声序列图像超分辨率重建;韩月乔;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170615;全文 * |
序列图像运动估计与动脉超声弹性成像;张静;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20071215;第2章、第3章3.1-3.3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN111399051A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5624976B2 (ja) | 様々な範囲にある物体の位置推定 | |
JP6053860B2 (ja) | 医療用超音波イメージングシステムにおいて剪断波情報を求めるためのコンピュータプログラム | |
US20080021945A1 (en) | Method of processing spatial-temporal data processing | |
JP2012081269A5 (zh) | ||
RU2689174C2 (ru) | Наводимая по автокорреляции взаимная корреляция в ультразвуковой эластографии сдвиговой волны | |
CN109308713B (zh) | 一种基于前视声纳的改进核相关滤波水下目标跟踪方法 | |
FR3039981A1 (zh) | ||
Laroche et al. | An inverse approach for ultrasonic imaging from full matrix capture data: Application to resolution enhancement in NDT | |
EP2903530A1 (en) | Shear wave attenuation from k-space analysis system | |
JP5559464B2 (ja) | 超音波弾性映像を形成するためのシステム及び方法 | |
CN111399051B (zh) | 数据处理方法、装置及介质 | |
CN104536005B (zh) | 一种基于盲区校正的多波束侧扫声呐斜距失真消除方法 | |
CN113552571B (zh) | 基于psm算法的水下激光致声saft成像方法 | |
CN113723483A (zh) | 一种基于鲁棒主成分分析的图像融合方法及系统 | |
CN105310727A (zh) | 组织弹性成像方法和图形处理器 | |
CN110554393B (zh) | 基于深度学习的高对比度最小方差成像方法 | |
CN111388012B (zh) | 用于检测组织硬度的方法、设备及系统 | |
CN117094897A (zh) | 一种相衬光学相干弹性成像的超分辨相位梯度估计方法 | |
US11647991B2 (en) | Synthetic transmit focusing ultrasound system with speed of sound mapping | |
CN111401108B (zh) | 斜率参数提取方法、装置及计算机可读存储介质 | |
CN111399039B (zh) | 斜率参数提取方法、装置及存储介质 | |
CN108983160A (zh) | 一种低信噪比情况下压缩感知雷达多目标参数估计方法 | |
EP3603526B1 (en) | Ultrasonic diagnostic device and method for controlling ultrasonic diagnostic device | |
Kwon et al. | Estimation and suppression of side lobes in medical ultrasound imaging systems | |
CN111399038B (zh) | 斜率参数提取方法、装置及计算机可读存储介质 |
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 |