CN111449684A - 心脏超声标准扫查切面快速获取方法及系统 - Google Patents
心脏超声标准扫查切面快速获取方法及系统 Download PDFInfo
- Publication number
- CN111449684A CN111449684A CN202010274787.6A CN202010274787A CN111449684A CN 111449684 A CN111449684 A CN 111449684A CN 202010274787 A CN202010274787 A CN 202010274787A CN 111449684 A CN111449684 A CN 111449684A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic image
- real
- standard scanning
- image
- 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.)
- Granted
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
- A61B8/48—Diagnostic techniques
-
- 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
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/54—Control of the diagnostic device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本公开公开了心脏超声标准扫查切面快速获取方法及系统,包括:获取步骤:获取心脏的实时超声图像;筛选步骤:将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;相对位置计算步骤:计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待转动角度和待移动方向,并将待转动角度和移动方向输出;获取超声图像采集设备移动和转动后的实时超声图像;判断超声图像设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
Description
技术领域
本公开涉及心脏超声标准扫查切面快速获取方法及系统。
背景技术
本部分的陈述仅仅是提到了与本公开相关的背景技术,并不必然构成现有技术。
心脏结构与功能的三维显示对于完整理解心脏生理和疾病状态具有重要意义,超声是获取实时心脏结构与功能信息的常用临床技术,相较于磁共振、CT和核素显像技术具有无创、便携、高性价比的特点。
在实现本公开的过程中,发明人发现现有技术中存在以下技术问题:
心脏超声的探头通常只能提供二维扫查切面,为获取较为完整的心脏空间信息,需要进行多个切面的扫查。心脏超声的操作具有较大的主观性,不同操作者获取的图像存在差异。
为尽量消除这种差异,制定了标准扫查切面,如标准心尖四腔心切面要求。但是即使超声探头放置在了心尖位置,操作者操作探头的翘曲、旋转等动作角度不同,仍会使得所获得的扫查切面偏离标准切面。
现有技术中心脏超声图像采集设备的使用依赖经验丰富的医师,对于经验匮乏的医师,无法迅速准确得到心脏超声标准扫查切面。
发明内容
为了解决现有技术的不足,本公开提供了心脏超声标准扫查切面快速获取方法及系统;
第一方面,本公开提供了心脏超声标准扫查切面快速获取方法;
心脏超声标准扫查切面快速获取方法,包括:
获取步骤:获取心脏的实时超声图像;
相似性判断步骤:将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出;
标准扫查切面判断步骤:获取心脏超声图像采集设备移动和转动后的实时超声图像;判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
优选的,所述心脏超声图像采集设备为超声探头。
第二方面,本公开提供了适合远程心脏超声场景的心脏超声标准扫查切面快速获取方法;
心脏超声标准扫查切面快速获取方法,包括:
获取步骤:通过手持超声波检测仪获取心脏的实时超声图像;将获取的心脏实时超声图像通过本地计算机与云服务器之间的通讯,将获取的心脏实时超声图像上传给云服务器;
相似性判断步骤:云服务器将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:云服务器计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出给本地计算机;
标准扫查切面判断步骤:通过手持超声波检测仪获取心脏超声图像采集设备移动和转动后的实时超声图像;将心脏超声图像采集设备移动和转动后的实时超声图像通过本地计算机与云服务器之间的通讯,将心脏超声图像采集设备移动和转动后的实时超声图像上传给云服务器;
云服务器判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
应理解的,适合远程心脏超声场景的心脏超声标准扫查切面快速获取方法,适用的场景包括以下场景的一种或多种:偏远山区远程心脏超声、家庭医生远程心脏超声或临时搭建医院的远程心脏超声检测。
第三方面,本公开提供了适合疫情期间医护人员使用的心脏超声标准扫查切面快速获取方法;
心脏超声标准扫查切面快速获取方法,包括:
获取步骤:利用机械臂握持的超声波检测仪获取心脏的实时超声图像;将获取的心脏实时超声图像通过本地计算机与云服务器之间的通讯,将获取的心脏实时超声图像上传给云服务器;
相似性判断步骤:云服务器将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:云服务器计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出给本地计算机;本地计算机输出给机械臂,调整机械臂的移动方向和转动角度;
标准扫查切面判断步骤:利用机械臂握持的超声波检测仪获取心脏超声图像采集设备移动和转动后的实时超声图像;将心脏超声图像采集设备移动和转动后的实时超声图像通过本地计算机与云服务器之间的通讯,将心脏超声图像采集设备移动和转动后的实时超声图像上传给云服务器;
云服务器判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
应理解的,适合疫情期间医护人员使用的心脏超声标准扫查切面快速获取方法,由机械臂完成心脏超声标准扫查,适合疫情期间医护人员的使用,避免医护人员长期暴露在疫情严重区域。
第四方面,本公开还提供了心脏超声标准扫查切面快速获取系统;
心脏超声标准扫查切面快速获取系统,包括:
获取模块,其被配置为:获取心脏的实时超声图像;
相似性判断模块,其被配置为:将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算模块,其被配置为:计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出;
标准扫查切面判断模块,其被配置为:获取心脏超声图像采集设备移动和转动后的实时超声图像;判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算模块。
优选的,所述心脏超声图像采集设备为超声探头。
第五方面,本公开还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面任一可能的实现方式中的方法。
第六方面,本公开还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面任一可能的实现方式中方法的步骤。
与现有技术相比,本公开的有益效果是:
在操作者扫查时快速判断所获得的切面与标准扫查切面差异并指引操作者调整超声探头的操作动作,以快速获得标准扫查切面。可提高操作者获取标准扫查切面的速度和准确率,减少观察者间变异,提高工作效率;还可可作为一种培训和教学工具,大幅度缩减操作者培训周期;还可作为远程会诊和远程操作超声检查的工具。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例一的方法流程图;
图2为本公开实施例一的Z轴距离与相关系数的统计学规律;
图3为本公开实施例一的两个相邻超声截面的旋转角度估计;
图4(a)为本公开实施例一的标准扫查切面示意图;
图4(b)为本公开实施例一的标准扫查切面获取过程示意图;
图4(c)为本公开实施例一的非标准扫查切面示意图;
图4(d)为本公开实施例一的自由度估计流程图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一,本实施例提供了心脏超声标准扫查切面快速获取方法;
心脏超声标准扫查切面快速获取方法,包括:
S1:获取步骤:获取心脏的实时超声图像;
S2:相似性判断步骤:将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
S3:相对位置计算步骤:计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出;
S4:标准扫查切面判断步骤:获取心脏超声图像采集设备移动和转动后的实时超声图像;判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
优选的,所述心脏超声图像采集设备为超声探头。
进一步地,所述S1中获取心脏的实时超声图像,是通过手持超声波检测仪获取的,或者,是利用机械臂握持超声波检测仪获取的。
优选地,所述心脏超声标准扫查切面快速获取方法,包括:
获取步骤:通过手持超声波检测仪获取心脏的实时超声图像;将获取的心脏实时超声图像通过本地计算机与云服务器之间的通讯,将获取的心脏实时超声图像上传给云服务器;
相似性判断步骤:云服务器将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:云服务器计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出给本地计算机;
标准扫查切面判断步骤:通过手持超声波检测仪获取心脏超声图像采集设备移动和转动后的实时超声图像;将心脏超声图像采集设备移动和转动后的实时超声图像通过本地计算机与云服务器之间的通讯,将心脏超声图像采集设备移动和转动后的实时超声图像上传给云服务器;
云服务器判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
上述技术方案的有益效果是:可以实现本地医生采集实时超声图像,由外地医生实现远程诊断。
优选地,所述心脏超声标准扫查切面快速获取方法,包括:
获取步骤:利用机械臂握持的超声波检测仪获取心脏的实时超声图像;将获取的心脏实时超声图像通过本地计算机与云服务器之间的通讯,将获取的心脏实时超声图像上传给云服务器;
相似性判断步骤:云服务器将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:云服务器计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出给本地计算机;本地计算机输出给机械臂,调整机械臂的移动方向和转动角度;
标准扫查切面判断步骤:利用机械臂握持的超声波检测仪获取心脏超声图像采集设备移动和转动后的实时超声图像;将心脏超声图像采集设备移动和转动后的实时超声图像通过本地计算机与云服务器之间的通讯,将心脏超声图像采集设备移动和转动后的实时超声图像上传给云服务器;
云服务器判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
上述技术方案的有益效果是:可以实现机械臂采集实时超声图像,由不在检测现场的医生实现远程诊断。可以在疫情期间减少操作者的在疫情环境下的工作量、减少操作者的暴露。
进一步地,所述S1步骤之后,所述S2步骤之前,还包括:对所述实时超声图像进行视野分割。
进一步地,所述对所述实时超声图像进行视野分割,具体步骤包括:
是通过预训练的图像分割网络进行视野分割。
应理解的,所述预训练的图像分割网络的预训练步骤包括:
构建第一神经网络;
构建训练集,所述训练集包括原始超声图像和带有标记的视野分割图像;
将原始超声图像和带有标记的视野分割图像,一起输入到第一神经网络中,对神经网络进行训练,当损失函数达到最小值时,停止训练,得到预训练的图像分割网络。
上述技术方案的有益效果是:可以通过视野分割,获取有价值的图像,去除其他无关的信息。
进一步地,所述S2中,将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;具体步骤包括:
将实时超声图像输入到第二神经网络中,进行特征提取,得到第一图像特征;
同理,将预设的若干个标准扫查切面的超声图像也输入到第二神经网络中,进行特征提取,得到每个标准扫查切面的超声图像的第二图像特征;
计算第一图像特征与第二图像特征之间的汉明距离,如果汉明距离小于设定阈值,则超声图像相似度为1;如果汉明距离大于等于设定阈值,则超声图像相似度为0。
应理解的,所述第二神经网络也是预训练得到的。
第二神经网络在训练的过程中,使用的训练集为若干种标准切面视图数据集和非标准切面数据集,其中,若干种标准切面视图数据集和非标准切面数据集之间的相似度标签是预先标注的。
之所以选择若干种标准切面视图数据集和非标准切面数据集作为训练集,是因为根据非标准切面和标准切面有一定视野重叠的原理,将两种图像进行相似度计算以辅助操作者确定所要获得的标准视图。
应理解的,利用第二神经网络从像素学习图像表示,然后利用哈希函数将学习到的图像表示映射到哈希码。最后利用损失函数测量由成对标签引导的哈希码的质量。
对于含有n个像素点的超声图像,其中xi为点i的特征向量。xi可以设定为图像检索中的原像素点的手工特征。除了特征向量,成对标签的哈希监督方法的训练集包含成对的标签S={sij},其中sij∈{0,1}。如果两幅图像xi和xj极为相似,则sij=1,否则sij=0。因此需要手工标注两幅图像的相似度。
在特征学习阶段,分别将两幅待比较的超声图像输入第二神经网络中进行特征提取,然后得到每一个特征向量xi的二进制码bi∈{-1,1}c,其中c为码的长度。长度,则二进制码代表整个图像的二进制码。对于相似度来讲,如果sij=1,则二进制码bi和bj的汉明距离较短,否则二者的汉明距离较长。
第二网络的损失函数为:
进一步地,所述S3中,计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;具体步骤包括:
采用散斑追踪算法,计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置。
应理解的,通过第二神经网络得到与操作者想要获得的标准扫查切面后,不使用位置定位器,依据图像灰度特性,首先输入抽取到的标准扫查切面图像信息,使用散斑去相关的方法估计标准扫查切面与非标准扫查切面相对位置信息,然后提示如何找到标准扫查切面。这个过程要求两个截面位置接近(只有在一个散射单元内才能利用散斑追踪的算法),这就要求操作者所选取截面距离标准扫查切面足够近才能检测相对位置信息并给出提示。
或者,所述S3中,计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;具体步骤包括:
S301:获取实时超声图像的第一ROI区域;
S302:获取筛选出的相似度最高的标准扫查切面超声图像的第二ROI区域;
S303:采用散斑追踪算法,计算实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间的相对位置。
上述技术方案的有益效果是:在进行散斑去相关计算时可以只选取ROI区域内的像素块进行计算,是可以加快计算速度的。
进一步地,S303中,所述采用散斑追踪算法,计算实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间的相对位置;具体步骤包括:
S3031:计算实时超声图像第一ROI区域像素块与筛选出的相似度最高的标准扫查切面超声图像第二ROI区域像素块之间的相关系数;
S3032:基于相关系数和预先标定好的解相关曲线,估计实时超声图像第一ROI区域像素块与筛选出的相似的标准扫查切面超声图像第二ROI区域像素块之间的Z轴距离;所述Z轴距离,是指:两幅超声图像中心像素点连线在第一幅超声图像垂直方向的投影距离;
所述预先标定好的解相关曲线,是指:以Z轴距离为x轴,相关系数为y轴,基于历史超声图像和与历史超声图像相似度最高的标准扫查切面超声图像的Z轴距离与相关系数之间的关系,绘制的一条曲线;
S3033:实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间包括多个关联的像素块对;每一对像素块之间都将得到对应的第一Z轴距离;
S3034:对所有的第一Z轴距离进行拟合,就得到旋转角的角度;
S3035:对实时超声图像第一ROI区域与筛选出的相似度最高的标准扫查切面超声图像第二ROI区域的像素矩阵进行对比,分别对每一幅图像的每一行像素点进行均值计算;
S3036:基于各自的均值和预先标定好的解相关曲线,估计实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间的第二Z轴距离;
S3037:实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间包括多个关联的像素行;每一行像素之间都将得到对应的第二Z轴距离;
S3038:对所有的第二Z轴距离进行拟合,就得到倾斜角的角度。
应理解的,相邻两张图像有很多相关联的像素块对,计算每一对像素块之间的Z轴距离并作图像拟合便可以估计旋转角度信息(Gao,H.,et al.(2016)."Wireless andsensorless 3D ultrasound imaging."Neurocomputing 195:159-171)。算法原理如图2所示,将两幅相交图像的像素矩阵进行对比,分别对两幅图像每一行的像素点进行均值计算并使用图2规律估计Z轴距离,便可以得到图3中右侧所示散点图,将各个散点进行拟合得到一条直线便可以估计倾斜角Tilt angle信息。
同样的道理,分别对两幅图像每一列的像素点进行均值计算并使用图2规律估计Z轴距离,便可以得到图3下方所示散点图,将各个散点进行拟合得到一条直线便可以估计旋转角Yaw angle信息。
散斑追踪算法工作原理:根据相邻二维截面的图像灰度信息可以计算对应像素块的相关系数,相关系数与两像素间距离具有统计学规律(Housden,R.J.,et al.(2007)."Sensorless reconstruction of unconstrained freehand 3D ultrasound data."Ultrasound in medicine&biology 33(3):408-419.),如图2所示,首先计算相邻两张图像的相关系数,然后根据预先标定好的解相关曲线估计Z轴距离。
进一步地,所述S3中,根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出;具体步骤包括:
S311:基于实时超声图像第一ROI区域像素块与筛选出的相似的标准扫查切面超声图像第二ROI区域像素块之间的Z轴距离,将实时超声图像中心位置移动到筛选出的相似度最高的标准扫查切面超声图像的中心位置;
S312:根据旋转角的角度,调整实时超声图像在竖直方向上的投影与筛选出的相似的标准扫查切面超声图像在竖直方向上投影重合;
S313:根据旋转角的角度,调整实时超声图像在水平方向上的投影与筛选出的相似的标准扫查切面超声图像在水平方向上投影重合。
进一步地,所述S4中,判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;具体步骤包括:
计算实时超声图像与筛选出的相似的标准扫查切面超声图像的Z轴距离与相似度,当两个图像的中心像素之间的Z轴距离为零、旋转角的角度为零、旋转角的角度为零且两个图像的相似度为1时,表示超声图像设备转动后的实时超声图像的扫查切面是标准扫查切面。
进一步地,所述S1步骤之前,还包括:
设置正常人的磁共振三维心脏图像作为三维模型对二维超声截面在三维空间中的显示与定位形成约束,手持超声波检测仪的移动范围在三维模型内部。所述三维心脏图像还包括利用CT和其他影像模态建立的可作为三维模型标准的数据组。
该三维模型动态可调,可以根据病人的超声图像反馈信息实时调整,便于医生观察所获取截面在三维空间中的大致位置以及与标准扫查切面的位置关系。图1为具体的技术路线图,整个的技术框架都在三维模型的约束下进行并在三维模型中显示。
使用心脏超声标准扫查切面数据集对神经网络进行训练,该神经网络可以根据输入的非标准扫查切面图像预测并生成与其最接近的标准扫查切面图像信息。
第一步,预测标准扫查切面的图像灰度信息。首先使用标准扫查切面数据库对神经网络进行训练,然后输入一个实时获取的非标准扫查切面图像信息,最后使用训练好的神经网络预测生成标准扫查切面的图像灰度信息。
第二步,将预测生成的标准扫查切面图像信息与当前实际获取的非标准扫查切面信息进行比较,利用散斑去相关的原理进行计算,估计其相对位置关系。
第三步,根据计算得到的相对位置关系(距离、旋转角度),提示超声操作者移动、旋转探头并获取标准扫查切面图像。所述操作者可为人或者机械臂。
散斑追踪算法输入是两张相邻二维截面图像,输出则为六个自由度的相对位置信息。
医生超声探头的移动包含六个自由度,首先移动超声探头的空间位置点至标准扫查切面处,该移动过程根据两幅图像中心像素点的相对位置信息(X、Y、Z)实现,在三维约束性模型中设计路径规划,提示操作者找到标准扫查切面中心像素点位置。所述操作者可为人或者机械臂。
进一步地,移动超声探头的空间位置点至标准扫查切面处的具体步骤包括:
根据当前截面图像中心点像素值和网络预测生成标准扫查切面的中心点像素值来计算相关系数,根据相关系数和解相关曲线估计Z轴距离,根据这个Z轴距离完成超声探头的第一步移动;第一步移动是完成切面沿Z轴方向的平移。
上述技术方案的有益效果是:空间位置点移动这个过程提示操作者向哪个方向平移超声探头,移动在约束性模型和AR显示中有一个实时的反馈,提示操作者向哪个方向移动探头以找到正确位置。所述操作者可为人或者机械臂。
标准扫查切面,是基于正常人扫查切面数据训练的神经网络预测得到的,患者在出现心脏病变后,心脏形态会发生变化,针对患者而言,他的标准扫查切面会与神经网络预测的标准切面有不同之处,如果这种形态改变非常明显,就造成预测的标准扫查切面偏离,再以这个预测的标准扫查切面为标准来指引操作者移动或/和转动探头,就会造成错误。
进一步地,将预测的标准扫查切面与患者实际获取的扫查切面进行加权融合,将融合后的扫查切面作为患者的理论扫查切面;
并基于患者的理论扫查切面的未病变位置区域用以修正操作者的操作误差,添加实际病变位置区域实现对标准切面的个性化调整。所述操作者可为人或者机械臂。
融合的过程是一个求同存异的过程,旨在减少运算量以实现实时反馈调整,通过设置不同的权重系数使图像融合达到最佳的效果,指引操作者更贴近病人实际的标准切面获取图像。所述操作者可为人或者机械臂。
然后根据估计到的角度信息(Yaw angle,Tilt angle)提示操作者俯仰旋转超声探头角度直至找到标准扫查切面。所述操作者可为人或者机械臂。
系统会根据操作者的操作实时对获取的截面和标准扫查切面进行计算(算法是一个迭代的过程),每次变动探头方向,算法自动计算当前截面与标准扫查切面的相对位置并给出提示,直至操作者找到标准扫查切面为止。Tilt angle对应操作者倾斜探头的角度信息,Yaw angle对应操作者旋转探头的角度信息。如图4(a)-图4(d)所示。所述操作者可为人或者机械臂。
在实际应用中,心脏三维模型、标准扫查切面、操作者实际获得的切面、操作者动作指引的显示可采取多种方法,包括但不限于以下方式:
(1)增强现实方法,优选的,通过头盔式或眼镜式显示器,将上述显示内容加以显示;
(2)屏幕显示方法,优选的,在超声图像显示界面上增加上述显示内容;
(3)投屏显示方法,优选的,通过立体投屏显示上述内容。
在显示中,标准扫查切面和操作者实际获得的切面将采用不同颜色显示,并动态显示操作者修改操作探头动作后新获得的扫查切面。
在显示中,将以文字形式指引操作者探头操作动作,并优选的在心脏模型上以箭头形式指引操作。
实施例二,本实施例提供了适合远程心脏超声场景的心脏超声标准扫查切面快速获取方法;
心脏超声标准扫查切面快速获取方法,包括:
获取步骤:通过手持超声波检测仪获取心脏的实时超声图像;将获取的心脏实时超声图像通过本地计算机与云服务器之间的通讯,将获取的心脏实时超声图像上传给云服务器;
相似性判断步骤:云服务器将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:云服务器计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出给本地计算机;
标准扫查切面判断步骤:通过手持超声波检测仪获取心脏超声图像采集设备移动和转动后的实时超声图像;将心脏超声图像采集设备移动和转动后的实时超声图像通过本地计算机与云服务器之间的通讯,将心脏超声图像采集设备移动和转动后的实时超声图像上传给云服务器;
云服务器判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
应理解的,适合远程心脏超声场景的心脏超声标准扫查切面快速获取方法,适用的场景包括以下场景的一种或多种:偏远山区远程心脏超声、家庭医生远程心脏超声或临时搭建医院的远程心脏超声检测。
实施例三,本实施例提供了适合疫情期间医护人员使用的心脏超声标准扫查切面快速获取方法;
心脏超声标准扫查切面快速获取方法,包括:
获取步骤:利用机械臂握持的超声波检测仪获取心脏的实时超声图像;将获取的心脏实时超声图像通过本地计算机与云服务器之间的通讯,将获取的心脏实时超声图像上传给云服务器;
相似性判断步骤:云服务器将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:云服务器计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出给本地计算机;本地计算机输出给机械臂,调整机械臂的移动方向和转动角度;
标准扫查切面判断步骤:利用机械臂握持的超声波检测仪获取心脏超声图像采集设备移动和转动后的实时超声图像;将心脏超声图像采集设备移动和转动后的实时超声图像通过本地计算机与云服务器之间的通讯,将心脏超声图像采集设备移动和转动后的实时超声图像上传给云服务器;
云服务器判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
应理解的,适合疫情期间医护人员使用的心脏超声标准扫查切面快速获取方法,由机械臂完成心脏超声标准扫查,适合疫情期间医护人员的使用,避免医护人员长期暴露在疫情严重区域。
实施例四,本实施例提供了心脏超声标准扫查切面快速获取系统;
心脏超声标准扫查切面快速获取系统,包括:
获取模块,其被配置为:获取心脏的实时超声图像;
相似性判断模块,其被配置为:将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算模块,其被配置为:计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备探头的待转动角度和待移动方向,并将待转动角度和移动方向输出;
标准扫查切面判断模块,其被配置为:获取超声探头移动和转动后的实时超声图像;判断超声探头转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算模块。
实施例五,本实施例还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例一所述的方法。
实施例六,本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一所述的方法。以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.心脏超声标准扫查切面快速获取方法,其特征是,包括:
获取步骤:获取心脏的实时超声图像;
相似性判断步骤:将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出;
标准扫查切面判断步骤:获取心脏超声图像采集设备移动和转动后的实时超声图像;判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
2.心脏超声标准扫查切面快速获取方法,其特征是,包括:
获取步骤:通过手持超声波检测仪获取心脏的实时超声图像;将获取的心脏实时超声图像通过本地计算机与云服务器之间的通讯,将获取的心脏实时超声图像上传给云服务器;
相似性判断步骤:云服务器将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:云服务器计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出给本地计算机;
标准扫查切面判断步骤:通过手持超声波检测仪获取心脏超声图像采集设备移动和转动后的实时超声图像;将心脏超声图像采集设备移动和转动后的实时超声图像通过本地计算机与云服务器之间的通讯,将心脏超声图像采集设备移动和转动后的实时超声图像上传给云服务器;
云服务器判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
3.心脏超声标准扫查切面快速获取方法,其特征是,包括:
获取步骤:利用机械臂握持的超声波检测仪获取心脏的实时超声图像;将获取的心脏实时超声图像通过本地计算机与云服务器之间的通讯,将获取的心脏实时超声图像上传给云服务器;
相似性判断步骤:云服务器将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算步骤:云服务器计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出给本地计算机;本地计算机输出给机械臂,调整机械臂的移动方向和转动角度;
标准扫查切面判断步骤:利用机械臂握持的超声波检测仪获取心脏超声图像采集设备移动和转动后的实时超声图像;将心脏超声图像采集设备移动和转动后的实时超声图像通过本地计算机与云服务器之间的通讯,将心脏超声图像采集设备移动和转动后的实时超声图像上传给云服务器;
云服务器判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算步骤。
4.如权利要求1-3任一项所述的方法,其特征是,所述获取步骤之后,所述相似性判断步骤之前,还包括:对所述实时超声图像进行视野分割;
所述对所述实时超声图像进行视野分割,具体步骤包括:
是通过预训练的图像分割网络进行视野分割;
所述预训练的图像分割网络的预训练步骤包括:
构建第一神经网络;
构建训练集,所述训练集包括原始超声图像和带有标记的视野分割图像;
将原始超声图像和带有标记的视野分割图像,一起输入到第一神经网络中,对神经网络进行训练,当损失函数达到最小值时,停止训练,得到预训练的图像分割网络。
5.如权利要求1-3任一项所述的方法,其特征是,将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;具体步骤包括:
将实时超声图像输入到第二神经网络中,进行特征提取,得到第一图像特征;
同理,将预设的若干个标准扫查切面的超声图像也输入到第二神经网络中,进行特征提取,得到每个标准扫查切面的超声图像的第二图像特征;
计算第一图像特征与第二图像特征之间的汉明距离,如果汉明距离小于设定阈值,则超声图像相似度为1;如果汉明距离大于等于设定阈值,则超声图像相似度为0;
优选地,所述第二神经网络也是预训练得到的;第二神经网络在训练的过程中,使用的训练集为若干种标准切面视图数据集和非标准切面数据集,其中,若干种标准切面视图数据集和非标准切面数据集之间的相似度标签是预先标注的。
6.如权利要求1-3任一项所述的方法,其特征是,
计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;具体步骤包括:采用散斑追踪算法,计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;
或者,计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;具体步骤包括:
S301:获取实时超声图像的第一ROI区域;
S302:获取筛选出的相似度最高的标准扫查切面超声图像的第二ROI区域;
S303:采用散斑追踪算法,计算实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间的相对位置;
优选地,S303中,所述采用散斑追踪算法,计算实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间的相对位置;具体步骤包括:
S3031:计算实时超声图像第一ROI区域像素块与筛选出的相似度最高的标准扫查切面超声图像第二ROI区域像素块之间的相关系数;
S3032:基于相关系数和预先标定好的解相关曲线,估计实时超声图像第一ROI区域像素块与筛选出的相似的标准扫查切面超声图像第二ROI区域像素块之间的Z轴距离;所述Z轴距离,是指:两幅超声图像中心像素点连线在第一幅超声图像垂直方向的投影距离;
所述预先标定好的解相关曲线,是指:以Z轴距离为x轴,相关系数为y轴,基于历史超声图像和与历史超声图像相似度最高的标准扫查切面超声图像的Z轴距离与相关系数之间的关系,绘制的一条曲线;
S3033:实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间包括多个关联的像素块对;每一对像素块之间都将得到对应的第一Z轴距离;
S3034:对所有的第一Z轴距离进行拟合,就得到旋转角的角度;
S3035:对实时超声图像第一ROI区域与筛选出的相似度最高的标准扫查切面超声图像第二ROI区域的像素矩阵进行对比,分别对每一幅图像的每一行像素点进行均值计算;
S3036:基于各自的均值和预先标定好的解相关曲线,估计实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间的第二Z轴距离;
S3037:实时超声图像第一ROI区域与筛选出的相似的标准扫查切面超声图像第二ROI区域之间包括多个关联的像素行;每一行像素之间都将得到对应的第二Z轴距离;
S3038:对所有的第二Z轴距离进行拟合,就得到倾斜角的角度。
7.如权利要求1-3任一项所述的方法,其特征是,根据相对位置,计算心脏超声图像采集设备的待移动方向和待转动角度,并将待移动方向和待转动角度输出;具体步骤包括:
S311:基于实时超声图像第一ROI区域像素块与筛选出的相似的标准扫查切面超声图像第二ROI区域像素块之间的Z轴距离,将实时超声图像中心位置移动到筛选出的相似度最高的标准扫查切面超声图像的中心位置;
S312:根据旋转角的角度,调整实时超声图像在竖直方向上的投影与筛选出的相似的标准扫查切面超声图像在竖直方向上投影重合;
S313:根据旋转角的角度,调整实时超声图像在水平方向上的投影与筛选出的相似的标准扫查切面超声图像在水平方向上投影重合;
优选地,判断心脏超声图像采集设备移动和转动后的实时超声图像的扫查切面是否是标准扫查切面;具体步骤包括:
计算实时超声图像与筛选出的相似的标准扫查切面超声图像的Z轴距离与相似度,当两个图像的中心像素之间的Z轴距离为零、旋转角的角度为零、旋转角的角度为零且两个图像的相似度为1时,表示超声图像设备转动后的实时超声图像的扫查切面是标准扫查切面。
8.心脏超声标准扫查切面快速获取系统,其特征是,包括:
获取模块,其被配置为:获取心脏的实时超声图像;
相似性判断模块,其被配置为:将实时超声图像与预设的若干个标准扫查切面的超声图像进行相似性判断;从若干个标准扫查切面的超声图像中,筛选出相似度最高的标准扫查切面超声图像;
相对位置计算模块,其被配置为:计算实时超声图像与筛选出的相似度最高的标准扫查切面超声图像之间的相对位置;根据相对位置,计算心脏超声图像采集设备探头的待转动角度和待移动方向,并将待转动角度和移动方向输出;
标准扫查切面判断模块,其被配置为:获取超声探头移动和转动后的实时超声图像;判断超声探头转动后的实时超声图像的扫查切面是否是标准扫查切面;如果是,就结束;如果否,就返回相对位置计算模块。
9.一种电子设备,其特征是,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项方法所述的步骤。
10.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项方法所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274787.6A CN111449684B (zh) | 2020-04-09 | 2020-04-09 | 心脏超声标准扫查切面快速获取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274787.6A CN111449684B (zh) | 2020-04-09 | 2020-04-09 | 心脏超声标准扫查切面快速获取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111449684A true CN111449684A (zh) | 2020-07-28 |
CN111449684B CN111449684B (zh) | 2023-05-05 |
Family
ID=71671647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010274787.6A Active CN111449684B (zh) | 2020-04-09 | 2020-04-09 | 心脏超声标准扫查切面快速获取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111449684B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111904469A (zh) * | 2020-08-07 | 2020-11-10 | 长沙大端信息科技有限公司 | 可并行处理的心脏切面检测方法及系统 |
CN113951932A (zh) * | 2021-11-30 | 2022-01-21 | 上海深至信息科技有限公司 | 一种超声设备的扫查方法及设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1442118A (zh) * | 2002-03-05 | 2003-09-17 | 株式会社东芝 | 图像处理设备和超声诊断设备 |
GB0606125D0 (en) * | 2006-03-28 | 2006-05-03 | Univ Cambridge Tech | Image data processing systems |
JP2007044317A (ja) * | 2005-08-11 | 2007-02-22 | Toshiba Corp | 超音波診断装置、超音波診断装置の制御プログラム、及び超音波診断装置の画像生成方法 |
JP2008253548A (ja) * | 2007-04-05 | 2008-10-23 | Toshiba Corp | 超音波診断装置及び超音波プローブ |
US20090324040A1 (en) * | 2006-05-23 | 2009-12-31 | Joel Edward Lindop | Image Data Processing Systems |
US20110079083A1 (en) * | 2008-06-05 | 2011-04-07 | Koninklijke Philips Electronics N.V. | Extended field of view ultrasonic imaging with guided efov scanning |
CN103814384A (zh) * | 2011-06-09 | 2014-05-21 | 香港科技大学 | 基于图像的跟踪 |
CN104080408A (zh) * | 2012-11-21 | 2014-10-01 | 株式会社东芝 | 超声波诊断装置、图像处理装置以及图像处理方法 |
CN104680481A (zh) * | 2013-11-28 | 2015-06-03 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声辅助扫查方法和系统 |
EP2915542A1 (en) * | 2011-10-24 | 2015-09-09 | Halozyme, Inc. | Companion diagnostic for anti-hyaluronan agent therapy and methods of use thereof |
CN105407811A (zh) * | 2013-05-28 | 2016-03-16 | 伯尔尼大学 | 用于超声图像的3d获取的方法和系统 |
CN105556508A (zh) * | 2013-08-04 | 2016-05-04 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
US20180204330A1 (en) * | 2014-02-21 | 2018-07-19 | Samsung Electronics Co., Ltd. | Tomography apparatus and method for reconstructing tomography image thereof |
CN110232700A (zh) * | 2019-06-19 | 2019-09-13 | 电子科技大学 | 基于暗通道强度比的c型白内障图像反光的移除方法 |
CN110507335A (zh) * | 2019-08-23 | 2019-11-29 | 山东大学 | 基于多模态信息的服刑人员心理健康状态评估方法及系统 |
-
2020
- 2020-04-09 CN CN202010274787.6A patent/CN111449684B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1442118A (zh) * | 2002-03-05 | 2003-09-17 | 株式会社东芝 | 图像处理设备和超声诊断设备 |
JP2007044317A (ja) * | 2005-08-11 | 2007-02-22 | Toshiba Corp | 超音波診断装置、超音波診断装置の制御プログラム、及び超音波診断装置の画像生成方法 |
GB0606125D0 (en) * | 2006-03-28 | 2006-05-03 | Univ Cambridge Tech | Image data processing systems |
US20090324040A1 (en) * | 2006-05-23 | 2009-12-31 | Joel Edward Lindop | Image Data Processing Systems |
JP2008253548A (ja) * | 2007-04-05 | 2008-10-23 | Toshiba Corp | 超音波診断装置及び超音波プローブ |
US20110079083A1 (en) * | 2008-06-05 | 2011-04-07 | Koninklijke Philips Electronics N.V. | Extended field of view ultrasonic imaging with guided efov scanning |
CN103814384A (zh) * | 2011-06-09 | 2014-05-21 | 香港科技大学 | 基于图像的跟踪 |
EP2915542A1 (en) * | 2011-10-24 | 2015-09-09 | Halozyme, Inc. | Companion diagnostic for anti-hyaluronan agent therapy and methods of use thereof |
CN104080408A (zh) * | 2012-11-21 | 2014-10-01 | 株式会社东芝 | 超声波诊断装置、图像处理装置以及图像处理方法 |
CN105407811A (zh) * | 2013-05-28 | 2016-03-16 | 伯尔尼大学 | 用于超声图像的3d获取的方法和系统 |
CN105556508A (zh) * | 2013-08-04 | 2016-05-04 | 艾斯适配有限公司 | 虚拟镜子的装置、系统和方法 |
CN104680481A (zh) * | 2013-11-28 | 2015-06-03 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声辅助扫查方法和系统 |
US20180204330A1 (en) * | 2014-02-21 | 2018-07-19 | Samsung Electronics Co., Ltd. | Tomography apparatus and method for reconstructing tomography image thereof |
CN110232700A (zh) * | 2019-06-19 | 2019-09-13 | 电子科技大学 | 基于暗通道强度比的c型白内障图像反光的移除方法 |
CN110507335A (zh) * | 2019-08-23 | 2019-11-29 | 山东大学 | 基于多模态信息的服刑人员心理健康状态评估方法及系统 |
Non-Patent Citations (5)
Title |
---|
JIANG, DS: "Multimodal image registration based on binary gradient angle descriptor" * |
NAYAK, R: "VISUALIZING ANGLE-INDEPENDENT PRINCIPAL STRAINS IN THE LONGITUDINAL VIEW OF THE CAROTID ARTERY: PHANTOM AND IN VIVO EVALUATION", 《ULTRASOUND IN MEDICINE AND BIOLOGY》 * |
刘冰: "基于超声散斑的HIFU监控B超图像配准研究", 《中国优秀硕士学位论文全文数据库》 * |
李湉雨: "基于主轴质心配准B超扫描的左心室扭转运动估计" * |
高海滔: "无线便携式三维超声成像系统的研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111904469A (zh) * | 2020-08-07 | 2020-11-10 | 长沙大端信息科技有限公司 | 可并行处理的心脏切面检测方法及系统 |
CN113951932A (zh) * | 2021-11-30 | 2022-01-21 | 上海深至信息科技有限公司 | 一种超声设备的扫查方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111449684B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10507002B2 (en) | X-ray system and method for standing subject | |
US11310480B2 (en) | Systems and methods for determining three dimensional measurements in telemedicine application | |
EP3100236B1 (en) | Method and system for constructing personalized avatars using a parameterized deformable mesh | |
KR102290040B1 (ko) | 신체 이미징 | |
US8229208B2 (en) | Transprojection of geometry data | |
US20190057515A1 (en) | Internal Body Marker Prediction From Surface Data In Medical Imaging | |
CN100488451C (zh) | 具有医学图像测量功能的医学图像处理装置 | |
Cañero et al. | Predictive (un) distortion model and 3-D reconstruction by biplane snakes | |
CN111627521B (zh) | 增强现实在放疗中的应用 | |
KR102450931B1 (ko) | 이미지 정합 방법 및 연관된 모델 훈련 방법, 기기, 장치 | |
US10235796B2 (en) | Method and apparatus for selection of perspective orientation of a two dimensional angiographic image | |
US10733792B2 (en) | Method and apparatus for user guidance for the choice of a two-dimensional angiographic projection | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
CN111449684B (zh) | 心脏超声标准扫查切面快速获取方法及系统 | |
CN112258593A (zh) | 单目相机下ct或pet-ct智能定位扫描方法 | |
CN114049344A (zh) | 图像分割方法及其模型的训练方法及相关装置、电子设备 | |
CN112568922B (zh) | 自动安置x射线源的方法、x射线系统、程序产品和介质 | |
CN109934798A (zh) | 体内目标物信息标注方法及装置、电子设备、存储介质 | |
CN112562070A (zh) | 基于模板匹配的颅缝早闭手术切割坐标生成系统 | |
CN116958443A (zh) | 基于smplx重建数字人可量化检测模型、方法及应用 | |
Liang et al. | 3D Spine Model Reconstruction Based on RGBD Images of Unclothed Back Surface | |
JP3637416B2 (ja) | 3次元計測方法、3次元計測システム、画像処理装置、及びコンピュータプログラム | |
GB2602163A (en) | System for determining body measurements from images | |
CN114067994A (zh) | 一种目标部位的方位标记方法及系统 | |
CN113643788B (zh) | 基于多个图像获取设备确定特征点的方法及系统 |
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 |