CN111513762A - 超声数据处理方法、超声数据处理系统及计算机存储介质 - Google Patents
超声数据处理方法、超声数据处理系统及计算机存储介质 Download PDFInfo
- Publication number
- CN111513762A CN111513762A CN201911046056.XA CN201911046056A CN111513762A CN 111513762 A CN111513762 A CN 111513762A CN 201911046056 A CN201911046056 A CN 201911046056A CN 111513762 A CN111513762 A CN 111513762A
- Authority
- CN
- China
- Prior art keywords
- region
- liver
- kidney
- ultrasound
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 92
- 238000003672 processing method Methods 0.000 title abstract description 24
- 238000002604 ultrasonography Methods 0.000 claims abstract description 250
- 210000004185 liver Anatomy 0.000 claims abstract description 177
- 210000003734 kidney Anatomy 0.000 claims abstract description 175
- 238000000034 method Methods 0.000 claims abstract description 67
- 210000005084 renal tissue Anatomy 0.000 claims abstract description 46
- 230000002440 hepatic effect Effects 0.000 claims abstract description 26
- 238000002592 echocardiography Methods 0.000 claims abstract description 16
- 239000000523 sample Substances 0.000 claims description 78
- 238000012549 training Methods 0.000 claims description 63
- 238000013528 artificial neural network Methods 0.000 claims description 54
- 210000001519 tissue Anatomy 0.000 claims description 35
- 235000019557 luminance Nutrition 0.000 claims description 31
- 210000005228 liver tissue Anatomy 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 19
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 238000002372 labelling Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 208000010706 fatty liver disease Diseases 0.000 description 8
- 208000004930 Fatty Liver Diseases 0.000 description 7
- 206010019708 Hepatic steatosis Diseases 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 231100000240 steatosis hepatitis Toxicity 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 206010019668 Hepatic fibrosis Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 231100000283 hepatitis Toxicity 0.000 description 1
- 208000006454 hepatitis Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 201000007270 liver cancer Diseases 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
提供了一种超声数据处理方法、超声数据处理系统及计算机存储介质。该方法包括：向目标对象的肝肾部位发射超声波，并接收基于超声波的超声回波，得到超声回波信号；根据超声回波信号得到肝肾部位的超声图像；对超声图像进行图像处理以确定与肝部位对应的第一区域以及与肾部位对应的第二区域；确定第一区域和第二区域之间的肝肾组织差异。可见，本申请实施例中能够避免由用户根据经验确定肝部位的第一区域以及肾部位的第二区域，简化了用户的操作，提升了处理效率，其提高了区域确定的精确性，防止因用户经验差异而导致的区域确定的差异。
Description
技术领域
本申请涉及医用领域，更具体地涉及一种超声数据处理方法、超声数据处理系统及计算机存储介质。
背景技术
脂肪肝普遍被认为是良性疾病，但若不及时医治，有发展成为脂肪型肝炎、肝纤维化、肝硬化或肝癌等恶性病变的可能性。近年来脂肪肝发病率日益增高，并且肥胖化、低龄化的趋势明显。因此，脂肪肝的早期评估显得尤为重要。特别地，肝脏脂肪含量的定量分析，是脂肪肝疾病评估、研究中的一个关键环节。
另一方面，超声影像检查因具有无创、操作简单、价格低廉、可重复操作等特点，已成为临床评估的首选方案。其中，通过超声图像中肝脏、肾脏区域的亮度比值来定量分析脂肪肝程度，是一种敏感、无创的定量分析方法，具有重复性好、分析结果与操作者无关等特点。
其中，肝脏、肾脏区域选择的准确性，直接影响着基于肝肾亮度比定量分析肝脏脂肪程度的结果。目前基于超声图像选择肝、肾区域，主要是按照人的经验手动选择的。这样的形式存在着效率低、位置准确性差等问题。
发明内容
本申请提供了一种超声数据处理方法、超声数据处理系统及计算机存储介质，能够简化用户操作，提高处理效率，且提升准确性。
根据本申请的第一方面，提供了一种超声数据处理方法，所述方法包括：
向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号；
根据所述超声回波信号得到所述肝肾部位的超声图像；
对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；
确定所述第一区域和所述第二区域之间的肝肾组织差异。
根据本申请的第二方面，提供了一种超声数据处理方法，所述方法包括：
向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号；
对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；
确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
根据本申请的第三方面，提供了一种超声数据处理方法，所述方法包括：
获取肝肾部位的超声图像；
对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；
确定所述第一区域和所述第二区域之间的肝肾组织差异。
根据本申请的第四方面，提供了一种超声数据处理方法，所述方法包括：
获取向目标对象的肝肾部位发射超声波而返回的超声回波，得到超声回波信号；
对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；
确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
根据本申请的第五方面，提供了一种超声数据处理系统，所述超声数据处理系统包括：
超声探头；
发射/接收选择开关，用于激励所述超声探头经由发射电路向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号；
存储器，用于存储所述处理器执行的程序；
处理器，用于执行前述第一方面至第四方面中任一方面所述的超声数据处理方法的步骤。
根据本申请的第六方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机或处理器执行时实现前述第一方面至第四方面中任一方面所述的超声数据处理方法的步骤。
由此可见，本申请实施例中通过对超声图像进行图像处理，来确定与肝部位对应的第一区域以及与肾部位对应的第二区域，避免由用户根据经验自己进行确定，一方面简化了用户的操作，提升了处理效率，另一方面提高了区域确定的精确性，防止因用户经验差异而导致的区域确定的差异。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是本申请实施例的超声数据处理系统的一个示意性框图；
图2是本申请实施例的超声数据处理方法的一个示意性流程图；
图3是本申请实施例的超声数据处理方法的另一个示意性流程图；
图4是本申请实施例的显示的超声图像以及肝肾组织差异的示意图；
图5是本申请实施例的超声数据处理方法的另一个示意性流程图；
图6是本申请实施例的超声数据处理方法的另一个示意性流程图；
图7是本申请实施例的超声数据处理系统的一个示意框图；
图8是本申请实施例的超声数据处理系统的另一个示意框图。
具体实施方式
为了使得本申请的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请中描述的本申请实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本申请的保护范围之内。
本申请实施例提供了一种超声数据处理系统，以便能够快速准确地确定两个不同的身体组织(如肝肾)的组织差异(如亮度比)。如图1所示为一种超声数据处理系统100的一个示意性结构框图。
超声数据处理系统100包括超声探头110、发射电路112、接收电路114、波束合成模块116、处理器118、显示器120、发射/接收选择开关122以及存储器124。其中，发射电路112和接收电路114可以通过发射/接收选择开关122与超声探头110连接。
超声探头110通常包括多个阵元的阵列。在每次发射超声波时，超声探头110的所有阵元或者部分阵元参与超声波的发射。此时，这些参与超声波发射的阵元中的每个阵元或者每部分阵元分别受到发射脉冲的激励并分别发射超声波，这些阵元分别发射的超声波在传播过程中发生叠加，形成被发射到目标对象的合成超声波束，在本申请实施例中，该合成超声波束即为向目标对象的肝肾部位发射的超声波。
发射/接收选择开关122也可以被称为发送/接收控制器，其可以包括发送控制器和接收控制器，发送控制器用于激励超声探头110经由发射电路112向目标对象(例如人体)发射超声波；接收控制器用于通过超声探头110经由接收电路114接收从目标对象返回的超声回波。
处理器118可以基于超声回波得到超声回波信号，对超声回波信号进行处理，得到目标对象的超声图像。例如，超声回波信号经过波束合成电路进行波束合成处理。处理器118得到的超声图像可以存储于存储器中。并且，超声图像可以在显示器上显示。
具体地，发射/接收选择开关122可以激励超声探头110经由发射电路112向目标对象的肝肾部位发射超声波，并接收从目标对象的肝肾部位返回的超声回波。处理器118可以基于超声回波得到超声回波信号，并根据超声回波信号得到肝肾部位的超声图像。更详细的描述可以参见本说明书的后续实施例。
显示器120与处理器118连接，显示器120可以为触摸显示屏、液晶显示屏等；或者显示器120可以为独立于超声数据处理系统100之外的液晶显示器、电视机等独立显示设备；或者显示器120可以是智能手机、平板电脑等电子设备的显示屏，等等。其中，显示器120的数量可以为一个或多个。显示器120可以显示处理器118得到的超声图像。此外，显示器120在显示超声图像的同时还可以提供给用户进行人机交互的图形界面，在图形界面上设置一个或多个被控对象，提供给用户利用人机交互装置输入操作指令来控制这些被控对象，从而执行相应的控制操作。例如，图形界面上显示图标，利用人机交互装置可以对该图标进行操作，用来执行特定的功能，比如对超声图像进行标注的功能。
可选地，超声数据处理系统100还可以包括显示器120之外的其他人机交互装置，其与处理器118连接，比如，处理器118可以通过外部输入/输出端口与人机交互装置连接，外部输入/输出端口可以是无线通信模块，也可以是有线通信模块，或者两者的组合。外部输入/输出端口也可基于USB、如CAN等总线协议、和/或有线网络协议等来实现。
其中，人机交互装置可以包括输入设备，用于检测用户的输入信息，该输入信息比如可以是对超声波发射/接收时序的控制指令，可以是对超声图像进行编辑和标注等的操作输入指令，或者还可以包括其他指令类型。输入设备可以包括键盘、鼠标、滚轮、轨迹球、移动式输入设备(比如带触摸显示屏的移动设备、手机等等)、多功能旋钮等等其中之一或者多个的结合。人机交互装置还可以包括诸如打印机之类的输出设备。
存储器124可以用于存储处理器执行的指令，用于存储接收到的超声回波，用于存储超声图像，等等。存储器124可以为闪存卡、固态存储器、硬盘等。其可以为易失性存储器和/或非易失性存储器，为可移除存储器和/或不可移除存储器等。
可选地，超声数据处理系统100中的处理器118可以通过软件、硬件、固件或其任意组合来实现，可以使用电路、单个或多个专用集成电路(Application SpecificIntegrated Circuit，ASIC)、单个或多个通用集成电路、单个或多个微处理器、单个或多个可编程逻辑器件、或者前述电路和/或器件的任意组合、或者其他适合的电路或器件，从而使得处理器118可以执行本说明书中的各个实施例中的方法的相应步骤。
应理解，图1所示的超声数据处理系统100所包括的部件只是示意性的，其可以包括更多或更少的部件。本申请对此不限定。
本申请实施例提供了一种超声数据处理方法，该方法的一个流程图如图2所示，该方法包括：
S10，获取肝肾部位的超声图像；
S130，对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；
S140，确定所述第一区域和所述第二区域之间的肝肾组织差异。
作为一种实现方式，S10可以包括：获取预先存储的超声图像。也就是说，确定肝肾组织差异的过程可以是在获取超声图像之后的任何时刻进行的。
作为另一种实现方式，S10可以包括：S110和S120，如图3所示。也就是说，可以在获取超声图像后实时地确定肝肾组织差异。图3中所示出的超声数据处理方法包括：
S110，向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号；
S120，根据所述超声回波信号得到所述肝肾部位的超声图像；
S130，对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；
S140，确定所述第一区域和所述第二区域之间的肝肾组织差异。
示例性地，目标对象可以是指待检测的人体或者可以是待检测的身体位置(如小腹位置)。
示例性地，S110至S120可以认为是通过实时采集获得的目标对象的肝肾部位的超声图像的过程。具体地，结合图1，S110中可以由发射/接收选择开关122激励超声探头110经由发射电路112向目标对象(例如人体)的肝肾部位发射超声波，并通过超声探头110经由接收电路114接收从目标对象的肝肾部位返回的超声回波，并转换为超声回波信号。S120中可以由波束合成模块116进行信号处理，然后将该波束合成的超声回波数据送入处理器118进行相关的处理，从而得到超声图像。可选地，超声图像可以为B-Mode超声(Brightness-modeUltrasound)图像，简称为B超图像或B图像。可理解，超声图像也可以为其他彩色(color)图像、PW图像等等，本申请对此不限定。另外，本申请实施例中的超声图像可以是对超声回波信号进行一系列信号处理后得到的，包括：模数转换、波束合成、IQ(同相正交，in-phasequadrature)解调、对数压缩、灰度转换等等。该超声图像至少是经过灰度转换处理的，即超声图像只带有幅度信息。而超声回波信号可以是从人体返回的最原始的超声回波信号，也可以是灰度转换之前的任意一路信号，即超声回波信号既带有相位信息又带有幅度信息。
作为一种实现方式，S130可以包括：通过边缘检测方法对所述超声图像进行图像识别以确定所述超声图像中的所述第一区域和所述第二区域。
具体地，肝脏/肾脏的边界与其周围的背景部分一般是不连续的，也就是说在边界的两侧的像素点之间差别较大，因此可以据此先检测边界，然后再根据检测出的边界来确定第一区域和第二区域。其中，边缘检测算子可以包括：Roberts Cross算子，Prewitt算子，Sobel算子，Canny算子，Krisch算子，罗盘算子，Marr-Hildreth算子，等等。
作为另一种实现方式，S130可以包括：提取所述超声图像的图像特征；将所述图像特征输入至训练好的第一分类器，得到所述超声图像中的所述第一区域和所述第二区域。
具体地，第一分类器的输入是图像特征，输出是图像类别。可以对超声图像进行特征提取，并将提取得到的图像的特征向量输入至第一分类器，该第一分类器的输出为对应的图像类别。其中，可以利用带有标注信息的训练数据对第一分类器进行训练，标注信息包括训练数据的特征向量对应的图像类别的标签，例如标签为1表示第一区域，标签为2表示第二区域，标签为0表示既不是第一区域也不是第二区域。
具体地，第一分类器可以包括第一子分类器和第二子分类器。并且在S130中通过将图像特征输入至第一子分类器得到第一区域，将图像特征输入至第二子分类器得到第二区域。其中，第一子分类器可以具有标注信息，如标签，并且例如标签为1表示第一区域，标签为0表示不是第一区域。其中，第二子分类器可以具有标注信息，如标签，并且例如标签为1表示第二区域，标签为0表示不是第二区域。
应当理解的是，第一分类器、第一子分类器、第二子分类器具有标签，标签可以是数字0、1、2等的形式，也可以是其他的形式，本发明对此不限定。
作为再一种实现方式，S130可以包括：利用第一神经网络对超声图像进行图像识别以确定超声图像中的第一区域和第二区域。
作为另一种表示，第一区域也可以被称为肝脏感兴趣区域(Region of Interest，ROI)，第二区域也可以被称为肾脏ROI，本申请对此不限定。并且，示例性地，可以将第一区域和第二区域作为超声图像的标注数据，将其添加至第一神经网络(或称为目标检测神经网络)的第一训练数据集，从而对第一神经网络进行更新。
具体地，在S130之前，可以通过训练得到该目标检测神经网络，例如可以利用第一训练数据集通过训练得到该目标检测神经网络。其中，第一训练数据集包括正样本数据和负样本数据，正样本数据被正确标注有肝脏区域和肾脏区域，负样本数据未被正确标注肝脏区域和肾脏区域或者未被标注肝脏区域和肾脏区域。在该训练过程中，通过计算目标检测神经网络的预测值与标注值之间的误差，不断迭代，逐渐逼近，进而得到S130中所使用的目标检测神经网络。
以正样本数据为例，其可以是一张超声图像，且被标注有肝脏区域和肾脏区域，例如可以以(x11,y11,x12,y12)表示标注出的肝脏区域，以(x21,y21,x22,y22)表示标注出的肾脏区域。其中，(x11,y11,x12,y12)可以表示肝脏区域的矩形框的左上角和右下角的点的坐标，(x21,y21,x22,y22)可以表示肾脏区域的矩形框的左上角和右下角的点的坐标。应当注意的是，可以以其他的形式表示标注，本申请对此不限定。
另外，第一训练数据集所包括的正样本数据的标注可以满足：标注出的肝脏区域的中心和标注出的肾脏区域的中心位于同一深度或者两者的深度之差小于预先设定的深度阈值。例如，某正样本数据的标注包括(x11,y11,x12,y12)和(x21,y21,x22,y22)，那么(x11,y11,x12,y12)所表示的肝脏区域的矩形框的中心所在的第一深度，与(x21,y21,x22,y22)所表示的肾脏区域的矩形框的中心所在的第二深度，两者是相等的。即第一深度等于第二深度。或者，第一深度与第二深度两者之差的绝对值小于预先设定的深度阈值。其中，预先设定的深度阈值是一个较小的值，其可以根据精度要求等进行设定，例如，其等于0.1mm或者1mm等等。或者，可选地，针对第一训练数据集中的正样本数据，可以先标注出肝脏区域和肾脏区域，然而再根据深度条件等进行进一步限定。其中，深度条件可以包括肝脏区域的中心和标注出的肾脏区域的中心位于同一深度或者两者的深度之差小于预先设定的深度阈值。
示例性地，第一神经网络可以包括第一子神经网络和第二子神经网络。相应地，S130中可以利用第一子神经网络得到超声图像中的第一区域，利用第二子神经网络得到超声图像中的第二区域。
其中，对第一子神经网络进行训练所使用的训练数据中，正数据被正确标注有肝脏。其中，对第二子神经网络进行训练所使用的训练数据中，正数据被正确标注有肾脏。
作为另一种实现方式，S130可以包括：使用第二神经网络对对超声图像进行图像识别以确定超声图像中的肝肾区域；确定肝肾区域中与肝部位对应的第一区域以及与肾部位对应的第二区域。
具体地，可以使用第二神经网络(或称为肝肾检测神经网络)对超声图像进行图像识别以确定超声图像中的肝肾区域。肝肾检测神经网络是利用第二训练数据集训练得到。其中，第二训练数据集包括正样本数据和负样本数据，正样本数据被正确标注有肝肾区域，负样本数据未被正确标注肝肾区域或者未被标注肝肾区域。在该训练过程中，通过计算肝肾检测神经网络的预测值与标注值之间的误差，不断迭代，逐渐逼近，进而得到S130中所使用的肝肾检测神经网络。
其中，该第二训练数据集中的训练数据包括被标注有肝肾区域的数据。该第二训练数据集中的训练数据可以是一张超声图像，且被标注有肝肾区域，例如可以以(x31,y31,x32,y32)表示标注出的肝肾区域。其中(x31,y31,x32,y32)可以表示肝肾区域的矩形框的左上角和右下角的点的坐标。应当注意的是，可以以其他的形式表示标注，本申请对此不限定。
具体地，可以依据预设识别准则从肝肾区域中可以确定第一区域和第二区域，所依据的预设识别准则可以包括以下至少一项：第一区域和第二区域位于同一深度、第一区域和第二区域中无干扰组织特征、第一区域和第二区域内的图像灰度值均匀。
其中，第一区域和第二区域位于同一深度，可以是指：第一区域的中心和第二区域的中心位于同一深度。应当注意的是，此处的同一深度并不是绝对的，还应该把误差考虑在内，也就是说允许有一定的误差，例如第一区域的中心的深度与第二区域的中心的深度之差的绝对值在误差允许的范围之内。
其中，第一区域和第二区域中无干扰组织特征，可以是指：第一区域和第二区域中均不存在诸如血管之类的组织特征。
其中，第一区域和第二区域内的图像灰度值均匀，可以是指：第一区域和第二区域内的图像都是清晰且均匀的。作为一例，均匀可以包括：第一区域内的图像的像素点的灰度值的方差以及第二区域内的图像的像素点的灰度值的方差均小于预设阈值。其中，预设阈值可以根据精度要求等提前设定。作为另一例，均匀可以包括：第一区域内的图像的像素点的灰度值的直方图以及第二区域内的图像的像素点的灰度值的直方图集中在预设范围的区域内，在一种可能的实现方式中，该直方图除了集中在预设范围的区域内，且该直方图曲线不存在明显跳变的数值。其中，预设范围可以根据探头的精度等所生成的图像质量等提前设定。可见，若直方图集中在一段区域内，且该直方图曲线平滑，则说明图像灰度值均匀。
作为再一种实现方式，S130可以包括：对超声图像进行分析以确定超声图像为肝肾超声切面图像；对肝肾超声切面图像进行图像识别以确定超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域。当然，还有一种可能的实现方式，该超声图像可以是三维或者四维等多维超声图像，并从该多维超声图像中确定肝肾超声切面图像，进一步，在该肝肾超声切面图像中确定第一区域和第二区域。
具体地，对肝肾超声切面图像进行图像识别确定第一区域以及第二区域的过程与上述一种实现方式以及另一种实现方式中对超声图像进行图像识别确定第一区域以及第二区域的过程是类似的，为避免重复，这里不再赘述。
具体地，对超声图像进行分析确定超声图像为肝肾超声切面图像，可以包括：使用切面识别神经网络对超声图像进行分析以确定超声图像为肝肾超声切面图像。
在此之前，可以通过训练得到切面识别神经网络，例如可以利用切面训练数据集通过训练得到。其中切面训练数据集可以包括切面正样本数据和切面负样本数据，切面正样本数据是肝肾切面图像，切面负样本数据不是肝肾切面图像。作为一例，可以为切面正样本数据添加标注值1，为切面负样本数据添加标注值0以进行区分。在该训练过程中，通过计算切面识别神经网络的预测值与标注值之间的误差，不断迭代，逐渐逼近，进而得到上述中所使用的切面识别神经网络。
作为一种实现方式，S140可以包括：获取用户对第一区域和/或第二区域的调节指令，根据用户的调节指令，确定调节之后的第一区域和/或第二区域。根据调节之后的第一区域和第二区域，确定两者的肝肾组织差异。
其中，调节指令可以包括用户将区域大小调大或调小，和/或，可以包括用户将区域移动位置等等。
作为一种实现方式，S140可以包括：获取第一区域的组织属性，获取第二区域的组织属性，计算得到肝肾组织差异。
其中，组织属性可以包括组织回波、组织图像等等。以下以亮度(也称为灰度)为例进行阐述。
若肝肾组织差异包括肝肾亮度比，那么S140可以包括：确定第一区域在超声图像中的第一亮度，并确定第二区域在超声图像中的第二亮度；根据第一亮度以及第二亮度计算肝肾亮度比。
其中，第一亮度可以为第一区域的亮度的均值，第二亮度可以为第二区域的亮度的均值。或者，第一亮度可以为第一区域的亮度的中值，第二亮度可以为第二区域的亮度的中值。
示例性地，也可以采用其他的算法或规则基于第一区域中各个像素点的亮度(或灰度)得到第一亮度，可以采用其他的算法或规则基于第二区域中各个像素点的亮度(或灰度)得到第二亮度，本申请对此不限定。
可选地，在得到肝肾亮度比之后，还可以根据肝肾亮度比得出评估结论。示例性地，若该肝肾亮度比大于预设的亮度比阈值，则评估结论为有脂肪肝；否则没有脂肪肝。其中，亮度比阈值是大于0的正数，例如可以为1.2或1.5或2或其他数值等。
由此可见，本申请实施例可以基于肝肾亮度比直接得出评估结论，一方面简化了用户操作，能够给用户提供一个直观的参考；另一方面可以在做超声图像采集的同时得出评估结论，便于目标对象更加早地及时地获知自己的评估结果。
示例性地，在S140之后，还可以包括：显示超声图像和/或肝肾组织差异。参照图1，可以由显示器120来进行显示。
示例性地，可以同时显示所述超声图像和所述肝肾组织差异。
作为一例，可以显示超声图像，并在超声图像上标记出第一区域和第二区域，并在预设位置处标记出肝肾组织差异。
其中，可以以相同的方式标记出第一区域和第二区域，相同的方式包括线形、形状、颜色、大小等都相同。
其中，也可以以不同的方式分别标记出第一区域和第二区域，不同的方式是指线形、形状、颜色、大小等中的至少一项不同。举例来说，线形不同：第一区域用实线标记，第二区域用虚线标记；或者第一区域用粗线标记，第二区域用细线标记。形状不同：第一区域用圆形标记，第二区域用矩形标记。颜色不同：第一区域用红色标记，第二区域用蓝色标记。大小不同：第一区域用较大的框标记，第二区域用较小的框标记。
参照图4，其中均使用灰色的圆形实线标记第一区域和第二区域，但是标记第一区域的圆形大于标记第二区域的圆形，即大小不同。
其中，可以在显示区域的某个特定位置标记出肝肾组织差异，以肝肾亮度比为例，可以在标记出的第一区域和第二区域附近显示出肝肾亮度比，或者，可以在显示区域的某个角落显示出肝肾亮度比。例如，可以在显示区域的右下角或右上角等位置显示出肝肾亮度比。也就是说，预设位置可以是右下角或右上角等位置。
进一步地，还可以包括：获取第一区域的第一属性信息和第二区域的第二属性信息，并显示第一属性信息和第二属性信息。
作为一例，可以与肝肾组织差异一起都在显示区域的预设位置进行显示，也就是说，在显示区域的预设位置显示肝肾组织差异、第一属性信息以及第二属性信息。
其中，属性信息可以包括以下至少一项：图像大小、图像深度、图像灰度值。例如，第一属性信息包括第一区域的图像大小、第一区域的图像深度值、第一区域的图像灰度值。第二属性信息包括第二区域的图像大小、第二区域的图像深度值、第二区域的图像灰度值。第一区域的图像大小可以是第一区域的直径(圆形)或边长(方形)，也可以是第一区域的面积；第一区域的图像深度值可以是第一区域的中心点的深度值；第一区域的图像灰度值可以是第一区域的所有像素点的灰度值的平均值或中值。类似地，第二区域的图像大小可以是第二区域的直径(圆形)或边长(方形)，也可以是第二区域的面积；第二区域的图像深度值可以是第二区域的中心点的深度值；第二区域的图像灰度值可以是第二区域的所有像素点的灰度值的平均值或中值。
再次参照图4，其中在显示区域的右下角(即预设位置为右下角)显示出了肝肾亮度比(Hepatorenal index，HRI)，即HRI为1.22，另外还显示出了第一属性信息和第二属性信息。其中，第一属性信息包括肝脏平均亮度(72.00)，肝脏ROI深度(5.05cm)，肝脏ROI直径(0.60cm)，肝脏ROI面积(0.28cm2)。其中，第二属性信息包括右肾平均亮度(59.00)，右肾ROI深度(5.48cm)，右肾ROI直径(0.40cm)，右肾ROI面积(0.11cm2)。
应当理解的是，图4只是一个示例，也可以采用其他的方式进行显示，本申请不再一一罗列。
由此可见，本申请实施例中通过对超声图像进行图像处理，来确定与肝部位对应的第一区域以及与肾部位对应的第二区域，避免由用户根据经验自己进行确定，一方面简化了用户的操作，提升了处理效率，另一方面提高了区域确定的精确性，防止因用户经验差异而导致的区域确定的差异。另外，本申请实施例还可以确定肝肾组织差异，便于用户根据该肝肾组织差异进行病情评估，为用户的评估提供了有力且准确的数据基础。
图5是本申请实施例的超声数据处理方法的另一个示意性流程图。图5所示的方法可以包括：
S210，获取向目标对象的肝肾部位发射超声波而返回的超声回波，得到超声回波信号；
S220，对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；
S230，确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
示例性地，如图6所示，S210可以包括：S211向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号。该过程S211可以参见图3的实施例中S110的相关描述，为避免重复，这里不再赘述。
作为一种实现方式，S220可以包括：通过边缘检测方法对所述超声回波信号进行识别以确定所述第一超声回波信号和所述第二超声回波信号。
具体地，肝脏/肾脏的边界与其周围的背景部分一般是不连续的，也就是说在边界的两侧的超声回波信号之间差别较大，因此可以据此先检测边界，然后再根据检测出的边界来确定第一超声回波信号和第二超声回波信号。其中，边缘检测算子可以包括：RobertsCross算子，Prewitt算子，Sobel算子，Canny算子，Krisch算子，罗盘算子，Marr-Hildreth算子，等等。
作为另一种实现方式，S220可以包括：提取所述超声回波信号的信号特征；将所述信号特征输入至训练好的第二分类器，得到所述超声回波信号中的所述第一超声回波信号和所述第二超声回波信号。
具体地，第二分类器的输入是信号特征，输出是信号类别。其中，可以利用带有标注信息的训练数据对第二分类器进行训练，标注信息包括训练数据的信号特征对应的信号类别的标签，例如标签为1表示第一超声回波信号，标签为2表示第二超声回波信号，标签为0表示既不是第一超声回波信号也不是第二超声回波信号。
具体地，第二分类器可以包括第三子分类器和第四子分类器。并且在S220中通过将信号特征输入至第三子分类器得到第一超声回波信号，将信号特征输入至第四子分类器得到第二超声回波信号区域。其中，第三子分类器可以具有标注信息，如标签，并且例如标签为1表示第一超声回波信号，标签为0表示不是第一超声回波信号。其中，第四子分类器可以具有标注信息，如标签，并且例如标签为1表示第二超声回波信号，标签为0表示不是第二超声回波信号。
应当理解的是，第二分类器、第三子分类器、第四子分类器具有标签，标签可以是数字0、1、2等的形式，也可以是其他的形式，本发明对此不限定。
作为再一种实现方式，S220可以包括：利用第三神经网络对所述超声回波信号进行信号识别以确定所述超声回波信号中的所述第一超声回波信号和所述第二超声回波信号。也就是说，可以将所述超声回波信号输入至训练好的第三神经网络，确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号。
其中，第三神经网络是利用第三训练数据集通过训练得到的，其中第三训练数据集包括正样本数据和负样本数据，正样本数据被正确标注有肝脏超声回波信号和肾脏超声回波信号，负样本数据未被正确标注肝脏超声回波信号和肾脏超声回波信号或者未被标注肝脏超声回波信号和肾脏超声回波信号。
具体地，在对第三训练数据集中的正样本数据进行标注时，可以先基于正样本数据得到超声图像，对超声图像进行标注，再通过映射得到肝脏超声回波信号和肾脏超声回波信号，进而可以作为正样本数据的标注信息。
示例性地，第三神经网络可以包括第三子神经网络和第四子神经网络。相应地，S220中可以利用第三子神经网络确定超声回波信号中的第一超声回波信号，利用第四子神经网络确定超声回波信号中的第二超声回波信号。
其中，对第三子神经网络进行训练所使用的训练数据中，正数据被正确标注有肝脏超声回波信号。其中，对第四子神经网络进行训练所使用的训练数据中，正数据被正确标注有肾脏超声回波信号。
作为另一种实现方式，S220可以包括：利用第四神经网络对所述超声回波信号进行信号识别以确定所述超声回波信号中的肝肾区域超声回波信号；确定所述肝肾区域超声回波信号中与肝部位对应的第一超声回波信号以及与肾部位对应的第二超声回波信号。
也就是说，可以将超声回波信号输入至第四神经网络，得到肝肾区域超声回波信号。其中，所述第四神经网络是利用第四训练数据集通过训练得到的，其中所述第四训练数据集包括正样本数据和负样本数据，所述正样本数据被正确标注有肝肾区域超声回波信号，所述负样本数据未被正确标注肝肾区域或者未被标注肝肾区域超声回波信号。
具体地，可以依据预设识别准则从肝肾区域超声回波信号中确定与肝部位对应的第一超声回波信号以及与肾部位对应的第二超声回波信号。预设识别准则可以包括以下至少一项：第一区域和第二区域位于同一深度、第一区域和第二区域中无干扰组织特征、第一区域和第二区域内的图像灰度值均匀。
其中，第一区域和第二区域位于同一深度，可以是指：第一区域的中心和第二区域的中心位于同一深度。应当注意的是，此处的同一深度并不是绝对的，还应该把误差考虑在内，也就是说允许有一定的误差，例如第一区域的中心的深度与第二区域的中心的深度之差的绝对值在误差允许的范围之内。
其中，第一区域和第二区域中无干扰组织特征，可以是指：第一区域和第二区域中均不存在诸如血管之类的组织特征。
其中，第一区域和第二区域内的图像灰度值均匀，可以是指：第一区域和第二区域内的图像都是清晰且均匀的。作为一例，均匀可以包括：第一区域内的图像的像素点的灰度值的方差以及第二区域内的图像的像素点的灰度值的方差均小于预设阈值。其中，预设阈值可以根据精度要求等提前设定。作为另一例，均匀可以包括：第一区域内的图像的像素点的灰度值的直方图以及第二区域内的图像的像素点的灰度值的直方图集中在预设范围的区域内。其中，预设范围可以根据探头的精度等所生成的图像质量等提前设定。可见，若直方图集中在一段区域内，且该直方图曲线平滑，则说明图像灰度值均匀。
示例性地，肝肾组织差异可以包括组织回波的差异、组织图像的差异、肝肾亮度比等。
作为一种实现方式，S230可以包括：获取第一区域的组织属性，获取第二区域的组织属性，计算得到肝肾组织差异。
以亮度为为例，也就是说，若肝肾组织差异包括肝肾亮度比，那么S230可以包括：确定所述第一超声回波信号的第一亮度以及所述第二超声回波信号的第二亮度；根据所述第一亮度和所述第二亮度确定所述肝肾亮度比。
其中，第一亮度可以为第一区域的亮度的均值，第二亮度可以为第二区域的亮度的均值。或者，第一亮度可以为第一区域的亮度的中值，第二亮度可以为第二区域的亮度的中值。
可选地，在得到肝肾亮度比之后，还可以根据肝肾亮度比得出评估结论。示例性地，若该肝肾亮度比大于预设的亮度比阈值，则评估结论为有脂肪肝；否则没有脂肪肝。其中，亮度比阈值是大于0的正数，例如可以为1.2或1.5或2或其他数值等。
示例性地，还可以基于S210中的超声回波信号得到超声图像，具体地，可以对超声回波信号进行处理得到肝肾部位的超声图像。
示例性地，还可以显示该超声图像和/或肝肾组织差异。关于该显示可以参见前述结合图2或图3所描述的部分，这里不再重复。
由此可见，本申请实施例中，也可以基于接收到的回波信号来得到肝肾组织差异，可以避免用户通过选中两个区域再计算肝肾组织差异的繁琐操作，并且防止因用户经验差异而导致的结果的差异。另外，所确定的肝肾组织差异便于用户根据其进行病情评估，为用户的评估提供了有力且准确的数据基础。
现在返回图1，图1所示的超声数据处理系统中：
发射/接收选择开关122，用于激励所述超声探头经由发射电路向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号。
存储器124，用于存储所述处理器执行的程序。
处理器118，用于：根据所述超声回波信号得到所述肝肾部位的超声图像；对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；确定所述第一区域和所述第二区域之间的肝肾组织差异。
其中，处理器118所执行的具体过程可以参见前述图3的实施例中S120至S140的相关描述。
继续参照图1，图1所示的超声数据处理系统中：
发射/接收选择开关122，用于激励所述超声探头经由发射电路向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号；
存储器124，用于存储所述处理器执行的程序；
处理器118，用于：对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
其中，处理器118所执行的具体过程可以参见前述图6的实施例中S220至S230的相关描述。
另外，本申请实施例还提供了一种超声数据处理系统，如图7所述为其中一例的一个示意框图。图7所示的超声数据处理系统200包括：获取模块210、处理模块220和确定模块230。
在一种实现方式中，获取模块210可以用于获取肝肾部位的超声图像；处理模块220可以用于对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；以及确定模块230可以用于确定所述第一区域和所述第二区域之间的肝肾组织差异。
在该种实现方式中，处理模块220可以是图像处理模块。
作为一例，处理模块220可以通过边缘检测方法对所述超声图像进行图像识别以确定所述超声图像中的所述第一区域和所述第二区域。
作为另一例，处理模块220可以提取所述超声图像的图像特征；将所述图像特征输入至训练好的第一分类器，得到所述超声图像中的所述第一区域和所述第二区域。
作为再一例，处理模块220可以利用第一神经网络对所述超声图像进行图像识别以确定所述超声图像中的所述第一区域和所述第二区域。
其中，所述第一神经网络是利用第一训练数据集通过训练得到的，其中所述第一训练数据集包括正样本数据和负样本数据，所述正样本数据被正确标注有肝脏区域和肾脏区域，所述负样本数据未被正确标注肝脏区域和肾脏区域或者未被标注肝脏区域和肾脏区域。
作为又一例，处理模块220可以利用第二神经网络对所述超声图像进行图像识别以确定所述超声图像中的肝肾区域；确定所述肝肾区域中与肝部位对应的第一区域以及与肾部位对应的第二区域。
其中，所述第二神经网络是利用第二训练数据集通过训练得到的，其中所述第二训练数据集包括正样本数据和负样本数据，所述正样本数据被正确标注有肝肾区域，所述负样本数据未被正确标注肝肾区域或者未被标注肝肾区域。
示例性地，所述第一区域和所述第二区域满足以下至少一个条件：所述第一区域和所述第二区域位于同一深度、所述第一区域和所述第二区域中无干扰组织特征、所述第一区域和所述第二区域内的图像灰度值均匀。所述第一区域和所述第二区域内的图像灰度值均匀可以包括：所述第一区域内的图像的像素点的灰度值的方差以及所述第二区域内的图像的像素点的灰度值的方差均小于预设阈值；或者，所述第一区域内的图像的像素点的灰度值的直方图以及所述第二区域内的图像的像素点的灰度值的直方图集中在预设范围的区域内。
在该种实现方式中，确定模块230所确定的肝肾组织差异可以包括肝肾亮度比。确定模块230可以具体用于：确定所述第一区域在所述超声图像中的第一亮度，并确定所述第二区域在所述超声图像中的第二亮度；根据所述第一亮度以及所述第二亮度计算所述肝肾亮度比。
其中，所述第一亮度为所述第一区域的亮度的均值或中值，所述第二亮度为所述第二区域的亮度的均值或中值。
该实现方式所示的图7的超声数据处理系统200能够实现前述图2或图3所示的超声数据处理方法，为避免重复，这里不再赘述。
在另一种实现方式中，获取模块210可以用于获取向目标对象的肝肾部位发射超声波而返回的超声回波，得到超声回波信号；处理模块220可以用于对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；以及确定模块230可以用于确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
在该种实现方式中，处理模块220可以是信号处理模块。
作为一例，处理模块220可以通过边缘检测方法对所述超声回波信号进行识别以确定所述第一超声回波信号和所述第二超声回波信号。
作为另一例，处理模块220可以提取所述超声回波信号的信号特征；将所述信号特征输入至训练好的第二分类器，得到所述超声回波信号中的所述第一超声回波信号和所述第二超声回波信号。
作为再一例，处理模块220可以利用第三神经网络对所述超声回波信号进行信号识别以确定所述超声回波信号中的所述第一超声回波信号和所述第二超声回波信号。
其中，所述第三神经网络是利用第三训练数据集通过训练得到的，其中所述第三训练数据集包括正样本数据和负样本数据，所述正样本数据被正确标注有肝脏超声回波信号和肾脏超声回波信号，所述负样本数据未被正确标注肝脏超声回波信号和肾脏超声回波信号或者未被标注肝脏超声回波信号和肾脏超声回波信号。
作为又一例，处理模块220可以利用第四神经网络对所述超声回波信号进行信号识别以确定所述超声回波信号中的肝肾区域超声回波信号；确定所述肝肾区域超声回波信号中与肝部位对应的第一超声回波信号以及与肾部位对应的第二超声回波信号。
其中，所述第四神经网络是利用第四训练数据集通过训练得到的，其中所述第四训练数据集包括正样本数据和负样本数据，所述正样本数据被正确标注有肝肾区域超声回波信号，所述负样本数据未被正确标注肝肾区域超声回波信号或者未被标注肝肾区域超声回波信号。
在该种实现方式中，所述第一区域和所述第二区域满足以下至少一个条件：所述第一区域和所述第二区域位于同一深度、所述第一区域和所述第二区域中无干扰组织特征、所述第一区域和所述第二区域内的回波信号均匀。所述第一区域和所述第二区域内的图像灰度值均匀可以包括：所述第一区域内的图像的像素点的灰度值的方差以及所述第二区域内的图像的像素点的灰度值的方差均小于预设阈值；或者，所述第一区域内的图像的像素点的灰度值的直方图以及所述第二区域内的图像的像素点的灰度值的直方图集中在预设范围的区域内。
该实现方式所示的图7的超声数据处理系统200能够实现前述图5或图6所示的超声数据处理方法，为避免重复，这里不再赘述。
另外，图7中的超声数据处理系统200还可以进一步包括显示模块，用于显示基于超声回波信号得到的超声图像和/或显示肝肾组织差异。
示例性地，可以在所述超声图像中标记出所述第一区域和所述第二区域，并且在预设位置标记出所述肝肾组织差异。
示例性地，可以获取所述第一区域的第一属性信息和所述第二区域的第二属性信息，其中，第一属性信息和第二属性信息分别包括以下至少一项：图像大小、图像深度、图像灰度值；显示所述第一属性信息和所述第二属性信息。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
另外，本申请实施例还提供了另一种超声数据处理系统，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，处理器执行所述程序时实现前述图2或图3或图5或图6所示的超声数据处理方法的步骤。
如图8所示，超声数据处理系统300可以包括存储器310和处理器320。存储器310存储用于实现根据本申请实施例的超声数据处理方法中的相应步骤的计算机程序代码。处理器320用于运行存储器310中存储的计算机程序代码，以执行根据本申请实施例的图2或图3或图5或图6的超声数据处理方法的相应步骤。
示例性地，在所述计算机程序代码被处理器320运行时执行以下步骤：根据超声回波信号得到所述肝肾部位的超声图像；对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；确定所述第一区域和所述第二区域之间的肝肾组织差异。
或者，示例性地，在所述计算机程序代码被处理器320运行时执行以下步骤：获取肝肾部位的超声图像；对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；确定所述第一区域和所述第二区域之间的肝肾组织差异。
或者，示例性地，在所述计算机程序代码被处理器320运行时执行以下步骤：对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
或者，示例性地，在所述计算机程序代码被处理器320运行时执行以下步骤：获取向目标对象的肝肾部位发射超声波而返回的超声回波，得到超声回波信号；对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
另外，本申请实施例还提供了一种计算机存储介质，其上存储有计算机程序。当所述计算机程序被计算机或者处理器执行时，可以实现前述图2或图3或图5或图6所示的超声数据处理方法的步骤。例如，该计算机存储介质为计算机可读存储介质。
在一个实施例中，所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤：根据超声回波信号得到所述肝肾部位的超声图像；对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；确定所述第一区域和所述第二区域之间的肝肾组织差异。
在一个实施例中，所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤：获取肝肾部位的超声图像；对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；确定所述第一区域和所述第二区域之间的肝肾组织差异。
在一个实施例中，所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤：对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
在一个实施例中，所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤：获取向目标对象的肝肾部位发射超声波而返回的超声回波，得到超声回波信号；对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
计算机存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合，例如一个计算机可读存储介质包含用于超声数据处理的计算机可读的程序代码，另一个计算机可读存储介质包含用于超声图像和/或肝肾组织差异显示的计算机可读的程序代码。
另外，本申请实施例还提供了一种计算机程序代码，该代码可以被处理器执行，且该代码被处理器执行时，能够实现：向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号；根据所述超声回波信号得到所述肝肾部位的超声图像；对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；确定所述第一区域和所述第二区域之间的肝肾组织差异。或者，该代码被处理器执行时，能够实现：获取向目标对象的肝肾部位发射超声波而返回的超声回波，得到超声回波信号；对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
由此可见，本申请实施例中通过对超声图像进行图像处理，来确定与肝部位对应的第一区域以及与肾部位对应的第二区域，避免由用户根据经验自己进行确定，一方面简化了用户的操作，提升了处理效率，另一方面提高了区域确定的精确性，防止因用户经验差异而导致的区域确定的差异。另外，本申请实施例还可以确定肝肾组织差异，便于用户根据该肝肾组织差异进行病情评估，为用户的评估提供了有力且准确的数据基础。此外，本申请实施例还可以基于肝肾亮度比直接得出评估结论，一方面简化了用户操作，能够给用户提供一个直观的参考；另一方面可以在做超声图像采集的同时得出评估结论，便于目标对象更加早地及时地获知自己的评估结果。
尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本申请的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本申请的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本申请的范围之内。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅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设备，或一些特征可以忽略，或不执行。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本申请的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(Digital Signal Processing，DSP)来实现根据本申请实施例的物品分析设备中的一些模块的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本申请的具体实施方式或对具体实施方式的说明，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以权利要求的保护范围为准。
Claims (23)
1.一种超声数据处理方法，其特征在于，所述方法包括：
向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号；
根据所述超声回波信号得到所述肝肾部位的超声图像；
对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；
确定所述第一区域和所述第二区域之间的肝肾组织差异。
2.一种超声数据处理方法，其特征在于，所述方法包括：
向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号；
对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；
确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
3.根据权利要求2所述的方法，其特征在于，还包括：
对所述超声回波信号做处理得到所述肝肾部位的超声图像。
4.根据权利要求1或3所述的方法，其特征在于，还包括：
显示所述超声图像和/或所述肝肾组织差异。
5.根据权利要求4所述的方法，其特征在于，所述显示所述超声图像和所述肝肾组织差异，包括：
在所述超声图像中标记出所述第一区域和所述第二区域，并且在预设位置标记出所述肝肾组织差异。
6.根据权利要求1或3所述的方法，其特征在于，所述方法还包括：
获取所述第一区域的第一属性信息和所述第二区域的第二属性信息，其中，第一属性信息和所述第二属性信息分别包括以下至少一项：图像大小、图像深度、图像灰度值；
显示所述第一属性信息和所述第二属性信息。
7.根据权利要求1所述的方法，其特征在于，所述对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域，包括：
通过边缘检测方法对所述超声图像进行图像识别以确定所述超声图像中的所述第一区域和所述第二区域。
8.根据权利要求2所述的方法，其特征在于，所述对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号，包括：
通过边缘检测方法对所述超声回波信号进行识别以确定所述第一超声回波信号和所述第二超声回波信号。
9.根据权利要求1所述的方法，其特征在于，所述对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域，包括：
提取所述超声图像的图像特征；
将所述图像特征输入至训练好的第一分类器，得到所述超声图像中的所述第一区域和所述第二区域。
10.根据权利要求2所述的方法，其特征在于，所述对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号，包括：
提取所述超声回波信号的信号特征；
将所述信号特征输入至训练好的第二分类器，得到所述超声回波信号中的所述第一超声回波信号和所述第二超声回波信号。
11.根据权利要求1所述的方法，其特征在于，所述对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域，包括：
利用第一神经网络对所述超声图像进行图像识别以确定所述超声图像中的所述第一区域和所述第二区域，其中，所述第一神经网络是利用第一训练数据集通过训练得到的，其中所述第一训练数据集包括正样本数据和负样本数据，所述正样本数据被正确标注有肝脏区域和肾脏区域，所述负样本数据未被正确标注肝脏区域和肾脏区域或者未被标注肝脏区域和肾脏区域。
12.根据权利要求1的方法，其特征在于，所述对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域，包括：
利用第二神经网络对所述超声图像进行图像识别以确定所述超声图像中的肝肾区域，其中，所述第二神经网络是利用第二训练数据集通过训练得到的，其中所述第二训练数据集包括正样本数据和负样本数据，所述正样本数据被正确标注有肝肾区域，所述负样本数据未被正确标注肝肾区域或者未被标注肝肾区域；
确定所述肝肾区域中与肝部位对应的第一区域以及与肾部位对应的第二区域。
13.根据权利要求2所述的方法，其特征在于，所述对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号，包括：
利用第三神经网络对所述超声回波信号进行信号识别以确定所述超声回波信号中的所述第一超声回波信号和所述第二超声回波信号，其中，所述第三神经网络是利用第三训练数据集通过训练得到的，其中所述第三训练数据集包括正样本数据和负样本数据，所述正样本数据被正确标注有肝脏区域超声回波信号和肾脏区域超声回波信号，所述负样本数据未被正确标注肝脏区域超声回波信号和肾脏区域超声回波信号或者未被标注肝脏区域超声回波信号和肾脏区域超声回波信号。
14.根据权利要求2所述的方法，其特征在于，所述对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号，包括：
利用第四神经网络对所述超声回波信号进行信号识别以确定所述超声回波信号中的肝肾区域超声回波信号，其中，所述第四神经网络是利用第四训练数据集通过训练得到的，其中所述第四训练数据集包括正样本数据和负样本数据，所述正样本数据被正确标注有肝肾区域超声回波信号，所述负样本数据未被正确标注肝肾区域超声回波信号或者未被标注肝肾区域超声回波信号；
确定所述肝肾区域超声回波信号中与肝部位对应的第一超声回波信号以及与肾部位对应的第二超声回波信号。
15.根据权利要求1至14中任一项所述的方法，其特征在于，所述第一区域和所述第二区域满足以下至少一个条件：所述第一区域和所述第二区域位于同一深度，所述第一区域和所述第二区域中无干扰组织特征，所述第一区域和所述第二区域内的图像灰度值均匀。
16.根据权利要求15所述的方法，其特征在于，所述第一区域和所述第二区域内的图像灰度值均匀包括：
所述第一区域内的图像的像素点的灰度值的方差以及所述第二区域内的图像的像素点的灰度值的方差均小于预设阈值；
或者，
所述第一区域内的图像的像素点的灰度值的直方图以及所述第二区域内的图像的像素点的灰度值的直方图集中在预设范围的区域内。
17.根据权利要求1所述的方法，其特征在于，所述肝肾组织差异包括肝肾亮度比；
所述确定所述第一区域和所述第二区域之间的肝肾组织差异，包括：
确定所述第一区域在所述超声图像中的第一亮度以及所述第二区域在所述超声图像中的第二亮度；
根据所述第一亮度以及所述第二亮度计算所述肝肾亮度比。
18.根据权利要求2所述的方法，其特征在于，肝肾组织差异包括肝肾亮度比；
确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异，包括：
确定所述第一超声回波信号的第一亮度以及所述第二超声回波信号的第二亮度；
根据所述第一亮度和所述第二亮度确定所述肝肾亮度比。
19.根据权利要求17或18所述的方法，其特征在于，所述第一亮度为所述第一区域的亮度的均值或中值，所述第二亮度为所述第二区域的亮度的均值或中值。
20.一种超声数据处理方法，其特征在于，所述方法包括：
获取肝肾部位的超声图像；
对所述超声图像进行图像处理以确定所述超声图像中与肝部位对应的第一区域以及与肾部位对应的第二区域；
确定所述第一区域和所述第二区域之间的肝肾组织差异。
21.一种超声数据处理方法，其特征在于，所述方法包括：
获取向目标对象的肝肾部位发射超声波而返回的超声回波，得到超声回波信号；
对所述超声回波信号进行处理以确定与肝部位对应的第一区域的第一超声回波信号以及与肾部位对应的第二区域的第二超声回波信号；
确定所述第一超声回波信号和所述第二超声回波信号之间的肝肾组织差异。
22.一种超声数据处理系统，其特征在于，包括：
超声探头；
发射/接收选择开关，用于激励所述超声探头经由发射电路向目标对象的肝肾部位发射超声波，并接收基于所述超声波的超声回波，得到超声回波信号；
存储器，用于存储所述处理器执行的程序；
处理器，用于执行权利要求1至21中任一项所述的方法。
23.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机或处理器执行时实现权利要求1至21中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911046056.XA CN111513762A (zh) | 2019-10-30 | 2019-10-30 | 超声数据处理方法、超声数据处理系统及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911046056.XA CN111513762A (zh) | 2019-10-30 | 2019-10-30 | 超声数据处理方法、超声数据处理系统及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111513762A true CN111513762A (zh) | 2020-08-11 |
Family
ID=71900322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911046056.XA Pending CN111513762A (zh) | 2019-10-30 | 2019-10-30 | 超声数据处理方法、超声数据处理系统及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111513762A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120259225A1 (en) * | 2011-04-08 | 2012-10-11 | Fujifilm Corporation | Ultrasound diagnostic apparatus and ultrasound image producing method |
| CN102895003A (zh) * | 2011-07-27 | 2013-01-30 | 高鑫 | 一种超声波图像量化诊断系统及其信号处理方法 |
| CN103637821A (zh) * | 2013-11-27 | 2014-03-19 | 华南理工大学 | 基于超声RF时间序列的肝纤维化程度Fisher识别方法 |
| CN104873221A (zh) * | 2015-06-05 | 2015-09-02 | 无锡海斯凯尔医学技术有限公司 | 基于超声波的肝脏脂肪定量方法及系统 |
| CN107212903A (zh) * | 2016-03-22 | 2017-09-29 | 美国西门子医疗解决公司 | 医学诊断超声中的相对背向散射系数 |
| CN109965909A (zh) * | 2017-12-28 | 2019-07-05 | 三星麦迪森株式会社 | 超声成像设备及其控制方法 |
| CN110313939A (zh) * | 2019-08-01 | 2019-10-11 | 无锡海斯凯尔医学技术有限公司 | 组织感兴趣区域定位方法、装置、设备及存储介质 |
| CN112469340A (zh) * | 2018-07-26 | 2021-03-09 | 皇家飞利浦有限公司 | 具有用于引导式肝成像的人工神经网络的超声系统 |
-
2019
- 2019-10-30 CN CN201911046056.XA patent/CN111513762A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120259225A1 (en) * | 2011-04-08 | 2012-10-11 | Fujifilm Corporation | Ultrasound diagnostic apparatus and ultrasound image producing method |
| CN102895003A (zh) * | 2011-07-27 | 2013-01-30 | 高鑫 | 一种超声波图像量化诊断系统及其信号处理方法 |
| CN103637821A (zh) * | 2013-11-27 | 2014-03-19 | 华南理工大学 | 基于超声RF时间序列的肝纤维化程度Fisher识别方法 |
| CN104873221A (zh) * | 2015-06-05 | 2015-09-02 | 无锡海斯凯尔医学技术有限公司 | 基于超声波的肝脏脂肪定量方法及系统 |
| CN107212903A (zh) * | 2016-03-22 | 2017-09-29 | 美国西门子医疗解决公司 | 医学诊断超声中的相对背向散射系数 |
| CN109965909A (zh) * | 2017-12-28 | 2019-07-05 | 三星麦迪森株式会社 | 超声成像设备及其控制方法 |
| CN112469340A (zh) * | 2018-07-26 | 2021-03-09 | 皇家飞利浦有限公司 | 具有用于引导式肝成像的人工神经网络的超声系统 |
| CN110313939A (zh) * | 2019-08-01 | 2019-10-11 | 无锡海斯凯尔医学技术有限公司 | 组织感兴趣区域定位方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210177373A1 (en) | Ultrasound system with an artificial neural network for guided liver imaging | |
| US9277902B2 (en) | Method and system for lesion detection in ultrasound images | |
| CN108805946B (zh) | 用于为二维超声图像绘阴影的方法和系统 | |
| US10238368B2 (en) | Method and system for lesion detection in ultrasound images | |
| JP2021506470A (ja) | 超音波システムのためのエコー窓のアーチファクト分類及び視覚的インジケータ | |
| US20150254866A1 (en) | Systems and methods for determining parameters for image analysis | |
| US11278259B2 (en) | Thrombus detection during scanning | |
| US8948483B2 (en) | Automated contrast enhancement for contouring | |
| JP5113548B2 (ja) | 超音波画像処理装置 | |
| CN112568933B (zh) | 超声成像方法、设备和存储介质 | |
| CN112842394A (zh) | 一种超声成像系统及超声成像方法、存储介质 | |
| WO2021087687A1 (zh) | 超声图像分析方法、超声成像系统和计算机存储介质 | |
| CN111513762A (zh) | 超声数据处理方法、超声数据处理系统及计算机存储介质 | |
| US20200178934A1 (en) | Ultrasound imaging system and method for displaying a target object quality level | |
| KR101534088B1 (ko) | 도플러 데이터를 이용한 초음파 영상 표시 방법 및 초음파 의료 장치 | |
| CN113229850A (zh) | 超声盆底成像方法和超声成像系统 | |
| WO2022141083A1 (zh) | 周期性参数的分析方法和超声成像系统 | |
| CN114159099A (zh) | 乳腺超声成像方法及设备 | |
| CN112754522A (zh) | 多普勒结石成像方法以及超声成像装置 | |
| CN113545806A (zh) | 前列腺弹性成像方法和超声弹性成像系统 | |
| CN113017683A (zh) | 超声测量方法、装置和存储介质 | |
| WO2022040878A1 (zh) | 超声成像系统和超声图像分析方法 | |
| CN114612436A (zh) | 血管病变识别装置、系统及存储介质 | |
| CN115886876A (zh) | 胎儿姿态的评估方法、超声成像方法及超声成像系统 | |
| CN112120735A (zh) | 一种超声成像方法及设备、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 |