CN111557692B - 目标器官组织的自动测量方法、超声测量装置及介质 - Google Patents
目标器官组织的自动测量方法、超声测量装置及介质 Download PDFInfo
- Publication number
- CN111557692B CN111557692B CN202010348045.3A CN202010348045A CN111557692B CN 111557692 B CN111557692 B CN 111557692B CN 202010348045 A CN202010348045 A CN 202010348045A CN 111557692 B CN111557692 B CN 111557692B
- Authority
- CN
- China
- Prior art keywords
- tissue
- target organ
- organ tissue
- parameter
- determining
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- 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
- A61B8/486—Diagnostic techniques involving arbitrary m-mode
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
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)
- Veterinary Medicine (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)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种目标器官组织的自动测量方法,包括以下步骤:在获取到M模式下生物体的M型超声图像后,根据所述M型超声图像中的像素点所在的位置和灰度值,确定所述像素点对应的置信值;获取所述置信值大于预设阈值的像素点作为目标像素点;对所述目标像素点进行连通域处理,得到至少一个第一区域;确定一个所述第一区域作为目标器官组织所在的第二区域;从所述第二区域中确定所述目标器官组织的组织曲线。本发明还公开了一种超声测量装置以及计算机可读存储介质。本发明实现了自动确定M型超声图像中的目标器官组织的组织曲线。
Description
技术领域
本发明涉及超声测量技术领域,尤其涉及一种目标器官组织的自动测量方法、超声测量装置以及计算机可读存储介质。
背景技术
目前,在用超声设备对目标器官组织(如呼吸肌组织)进行检查测量中,用户需要先找到超声B模式图像目标器官组织,并交互式将取样线放置到目标器官组织合适的位置,然后使用超声设备中的M模块功能显示目标器官组织曲线的运动幅度。
目前,在进入超声M模式后,需要用户(如医生)手动查找良好的目标器官组织的组织曲线以作进一步诊断,但是这样的组织曲线查找过程,更多基于用户自身主观经验判断,且工作繁琐,不便于用户快速查找得到组织曲线。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种目标器官组织的自动测量方法、超声测量装置以及计算机可读存储介质,实现了自动确定M型超声图像中的目标器官组织的组织曲线。
为实现上述目的,本发明提供一种目标器官组织的自动测量方法,所述目标器官组织的自动测量方法包括以下步骤:
在获取到M模式下生物体的M型超声图像后,根据所述M型超声图像中的像素点所在的位置和灰度值,确定所述像素点对应的置信值;
获取所述置信值大于预设阈值的像素点作为目标像素点;
对所述目标像素点进行连通域处理,得到至少一个第一区域;
确定一个所述第一区域作为目标器官组织所在的第二区域;
从所述第二区域中确定所述目标器官组织的组织曲线。
可选地,所述确定一个所述第一区域作为目标器官组织所在的第二区域的步骤包括:
确定连通度最高的所述第一区域,作为目标器官组织所在的第二区域,其中,所述连通度根据所述第一区域中相邻的像素点之间灰度值的差值确定得到。
可选地,所述对所述目标像素点进行连通域处理,得到至少一个第一区域的步骤之后,还包括:
检测当前是否处于目标器官曲线自动生成模式;
若是,执行所述确定连通度最高的所述第一区域,作为目标器官组织所在的第二区域的步骤;
若否,获取基于用户操作选中的一个所述第一区域,作为目标器官组织所在的第二区域。
可选地,所述从所述第二区域中确定所述目标器官组织的组织曲线的步骤包括:
识别所述第二区域的边缘线;
对所述边缘线做最小二乘法拟合得到所述目标器官组织的组织曲线。
可选地,所述根据所述M型超声图像中的像素点所在的位置和灰度值,确定所述像素点对应的置信值的步骤包括:
根据所述M型超声图像中的像素点所在的位置确定第一参数,以及根据所述像素点的灰度值确定第二参数、第三参数和第四参数,其中,在所述灰度值大于预设灰度值时,获取第一预设值作为所述第二参数;在所述灰度值小于或等于预设灰度值时,获取第二预设值作为所述第二参数;获取所述灰度值作为所述第三参数;将所述像素点与相邻的像素点之间的灰度值的差值,作为所述第四参数;
根据所述第一参数、第二参数、第三参数和第四参数确定所述像素点对应的置信值。
可选地,所述从所述第二区域中确定所述目标器官组织的组织曲线的步骤之后,还包括:
在所述M型超声图像中标识所述组织曲线。
可选地,所述从所述第二区域中确定所述目标器官组织的组织曲线的步骤之后,还包括:
基于所述组织曲线测量所述目标器官组织的生理数据,其中,所述生理数据包括组织运动速度、组织运动加速度、组织运动位移、器官组织厚度、组织每个运动周期的特性和组织不同运动周期之间的关联系数中的至少一个。
可选地,所述目标器官组织为呼吸肌组织,所述基于所述组织曲线测量所述目标器官组织的生理数据的步骤之后,还包括:
根据所述生理数据确定所述呼吸肌组织的呼吸率;
根据所述呼吸率和预设呼吸率的比对结果,判断所述呼吸肌组织是否正常。
为实现上述目的,本发明还提供一种超声测量装置,所述超声测量装置包括:
所述超声测量装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的目标器官组织的自动测量程序,所述目标器官组织的自动测量程序被所述处理器执行时实现如上述目标器官组织的自动测量方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有目标器官组织的自动测量程序,所述目标器官组织的自动测量程序被处理器执行时实现如上述目标器官组织的自动测量方法的步骤。
本发明提供的目标器官组织的自动测量方法、超声测量装置以及计算机可读存储介质,在获取到M模式下生物体的M型超声图像后,根据所述M型超声图像中的像素点所在的位置和灰度值,确定所述像素点对应的置信值;获取所述置信值大于预设阈值的像素点作为目标像素点;对所述目标像素点进行连通域处理,得到至少一个第一区域;确定一个所述第一区域作为目标器官组织所在的第二区域;从所述第二区域中确定所述目标器官组织的组织曲线。这样,实现了自动确定M型超声图像中的目标器官组织的组织曲线。
附图说明
图1为本发明实施例方案涉及的实施例终端的硬件运行环境示意图;
图2为本发明目标器官组织的自动测量方法第一实施例的流程示意图;
图3为本发明目标器官组织的自动测量方法第二实施例的流程示意图;
图4为本发明目标器官组织的自动测量方法第三实施例的流程示意图;
图5为本发明目标器官组织的自动测量方法第四实施例的流程示意图;
图6为本发明目标器官组织的自动测量方法一实施例的M模式超声图像示例图;
图7为本发明目标器官组织的自动测量方法另一实施例的M模式超声图像示例图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种目标器官组织的自动测量方法,实现了自动确定M型超声图像中的目标器官组织的组织曲线。
如图1所示,图1是本发明实施例方案涉及的实施例终端的硬件运行环境示意图;
本发明实施例终端可以是超声测量装置,也可以是控制超声测量装置的控制系统或服务器,其中,超声测量装置可以是具备超声模块的设备,也可以是PC、智能手机、平板电脑、电子书阅读器,便携计算机等与具备超声模块设备关联的可移动式或不可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU中央处理器(centralprocessing unit),存储器1002,通信总线1003。其中,通信总线1003用于实现该终端中各组成部件之间的连接通信。存储器1002可以是高速RAM随机存储器(random-accessmemory),也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1002可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端的结构并不构成对本发明实施例终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1002中可以包括目标器官组织的自动测量程序。
在图1所示的终端中,处理器1001可以用于调用存储器1002中存储的目标器官组织的自动测量程序,并执行以下操作:
在获取到M模式下生物体的M型超声图像后,根据所述M型超声图像中的像素点所在的位置和灰度值,确定所述像素点对应的置信值;
获取所述置信值大于预设阈值的像素点作为目标像素点;
对所述目标像素点进行连通域处理,得到至少一个第一区域;
确定一个所述第一区域作为目标器官组织所在的第二区域;
从所述第二区域中确定所述目标器官组织的组织曲线。
进一步地,处理器1001可以调用存储器1002中存储的目标器官组织的自动测量程序,还执行以下操作:
确定连通度最高的所述第一区域,作为目标器官组织所在的第二区域,其中,所述连通度根据所述第一区域中相邻的像素点之间灰度值的差值确定得到。
进一步地,处理器1001可以调用存储器1002中存储的目标器官组织的自动测量程序,还执行以下操作:
检测当前是否处于目标器官曲线自动生成模式;
若是,执行所述确定连通度最高的所述第一区域,作为目标器官组织所在的第二区域的步骤;
若否,获取基于用户操作选中的一个所述第一区域,作为目标器官组织所在的第二区域。
进一步地,处理器1001可以调用存储器1002中存储的目标器官组织的自动测量程序,还执行以下操作:
识别所述第二区域的边缘线;
对所述边缘线做最小二乘法拟合得到所述目标器官组织的组织曲线。
进一步地,处理器1001可以调用存储器1002中存储的目标器官组织的自动测量程序,还执行以下操作:
根据所述M型超声图像中的像素点所在的位置确定第一参数,以及根据所述像素点的灰度值确定第二参数、第三参数和第四参数,其中,在所述灰度值大于预设灰度值时,获取第一预设值作为所述第二参数;在所述灰度值小于或等于预设灰度值时,获取第二预设值作为所述第二参数;获取所述灰度值作为所述第三参数;将所述像素点与相邻的像素点之间的灰度值的差值,作为所述第四参数;
根据所述第一参数、第二参数、第三参数和第四参数确定所述像素点对应的置信值。
进一步地,处理器1001可以调用存储器1002中存储的目标器官组织的自动测量程序,还执行以下操作:
在所述M型超声图像中标识所述组织曲线。
进一步地,处理器1001可以调用存储器1002中存储的目标器官组织的自动测量程序,还执行以下操作:
基于所述组织曲线测量所述目标器官组织的生理数据,其中,所述生理数据包括组织运动速度、组织运动加速度、组织运动位移、器官组织厚度、组织每个运动周期的特性和组织不同运动周期之间的关联系数中的至少一个。
进一步地,处理器1001可以调用存储器1002中存储的目标器官组织的自动测量程序,还执行以下操作:
根据所述生理数据确定所述呼吸肌组织的呼吸率;
根据所述呼吸率和预设呼吸率的比对结果,判断所述呼吸肌组织是否正常。
参照图2,在一实施例中,所述目标器官组织的自动测量方法包括:
步骤S10、在获取到M模式下生物体的M型超声图像后,根据所述M型超声图像中的像素点所在的位置和灰度值,确定所述像素点对应的置信值
本实施例中,目标器官组织可以是心脏、心脏周围的血管、呼吸肌、呼吸肌附近的长条形肌肉等。以下以目标器官组织为呼吸肌组织为例进行说明。
呼吸肌指与呼吸运动有关的肌肉,包括肋间肌、膈肌、腹壁肌、胸锁乳突肌、背部肌群、胸部肌群等,呼吸方式有腹式呼吸和缩唇呼吸,以下以呼吸肌为膈肌为例进行说明。
可选地,呼吸肌组织为膈肌组织,或者为与膈肌组织具有类似属性的其他呼吸肌组织。
需要说明的是,膈肌是最主要的呼吸肌,其功能占所有呼吸肌的65%-70%。临床上鉴别呼吸困难的原因及有创机械通气撤机前均需评估患者膈肌的功能与状况;康复科也会判断膈肌在康复治疗前后的差异。测量跨膈压,肌电图、X线、动态CT(ComputedTomography)及MRI(Magnetic Resonance Imaging,磁共振成像)临床常用,但存在局限性。超声M型能显示器官的运动状态,且操作简单,无辐射。膈肌的测量主要检查膈肌的运动幅度、膈肌的速度、加速度、膈肌每个周期的位移量。
应当理解的是,生物体可为人体或其他具有呼吸肌的动物。
需要说明的是,对生物体进行超声测量时,其所选用的超声模式一般可为A模式、B模式、M模式、D模式等。
其中,超声B模式是一种亮度的模式。其图像由不同亮度的点所组成的直线构成。点的亮度代表接收到回声的振幅。通过连续扫描,二维的剖面图像不断地被更新,这就是实时B模式。因此,B模式下的超声图也可以称为“断层图像”。
其中,超声M模式是记录在B模式超声图某一固定的采样线上,所采样的组织器官随时间变化而发生纵向运动的方法。
目前,用户需要寻找M模式下目标器官组织的组织曲线呼吸周期内的呼气末端(以下简称呼末)和吸气末端(以下简称吸末)时,需要通过测量模块进行选择呼末和吸末所在位置,然后标识出其所在位置,通过测量模块进行计算呼末和吸末的距离和速度、加速度等相关参数。而在进行目标器官组织检查时,用户需要每一次都与超声机器交互来进行呼末和吸末位置的确定,这对用户而言是一个机械且需要频繁执行的操作。
可选地,M模式下生物体的M型超声图像可以是基于B模式下生物体的B型超声图得到的。
可选地,终端在超声B模式获取到生物体的B型超声图后,根据用户在B型超声图上放置的M模式取样线,或者根据终端自动放置的M模式取样线,进行M模式采样并进入超声M模式。记录一定时长内基于取样线所采样到的相关信息(即一定时长内取样线所在位置的器官组织超声图切片变化),得到同一位置不同时间点的多个取样线对应的采样信息,取样线达到一定数量,将其以图像方式输出,得到M型超声图像。
可选地,终端在获取到M型超声图像后,根据所述M型超声图像中的像素点所在的位置和像素点对应的灰度值,确定每个像素点对应的置信值。
可选地,终端根据所述M型超声图像中的像素点所在的位置确定第一参数,以及根据所述像素点的灰度值确定第二参数、第三参数和第四参数,其中,在所述灰度值大于预设灰度值时,获取第一预设值作为所述第二参数;在所述灰度值小于或等于预设灰度值时,获取第二预设值作为所述第二参数;获取所述灰度值作为所述第三参数;将所述像素点与相邻的像素点之间的灰度值的差值,作为所述第四参数。
进一步地,终端根据所述第一参数、第二参数、第三参数和第四参数确定所述像素点对应的置信值。
可选地,如图6所示,根据目标器官组织在M型超声图像中的运动方向10(例如,目标器官组织为膈肌组织时,则该运动方向记为膈肌运动方向),确定运动起始线20,根据每个像素点在图像中的所在位置,与运动起始线20之间的距离,确定每个像素点对应的第一参数。如将一个像素点的距离记为1值,某像素点与运动起始线之间若相隔N个像素点,则该像素点的第一参数即为N。
可选地,将每个像素点的第一参数记为x1。
可选地,终端可先对M型超声图像进行二值化处理,得到图像中每个像素点对应的灰度值,并根据灰度值确定每个像素点对应的第二参数、第三参数和第四参数。
可选地,终端可采用二值化的图像分割方法,得到每个像素点对应的第二参数。以下以二值化的图像分割方法为OTSU大律法为例进行说明。
设sum为图像像素总数,背景像素占总像素比例为ω1,前景像素占总像素比例为ω2。背景的平均灰度值为μ1,前景的平均灰度值为μ2,则OTSU最终计算为g=ω1*ω2*(μ1-μ2)2。当取得最大的g值时所对应的t设定为预定阈值。
可选地,终端M型超声图像进行OTSU大律法计算,得到图像关于OTSU的阈值。将像素高于阈值的图像作为前景(以下称为前景图像)。像素低于阈值的图像作为背景(以下称为背景图像)。将前景图像作为Grabcut图像分割的前景种子点,将背景图像作为Grabcut背景种子点,经过Grabcut处理后得到最终前景图像和最终背景图像,对于最终前景图像所在的像素区域位置标记为1,对于最终背景图像的像素区域位置标记为0。
其中,OTSU的阈值即为预设灰度值,在像素点的灰度值大于预设灰度值时,终端获取第一预设值(即为1)作为该像素点的第二参数;在像素点的灰度值小于或等于预设灰度值时,终端获取第二预设值(即为0)作为该像素点的第二参数。
可选地,将每个像素点的第二参数记为x2。
可选地,获取像素点本身的灰度值作为第三参数。
可选地,将每个像素点的第三参数记为x3。
可选地,将当前确定置信值的像素点记为当前像素点,根据目标器官组织的运动方向,确定在运动方向上与当前像素点相邻的相邻像素点,并计算当前像素点与相邻像素点之间的灰度值的差值(记为第一差值),将该差值作为当前像素点的第四参数。依此方法,即可确定得到每个像素点对应的第四参数。
可选地,将每个像素点的第四参数记为x4。
可选地,以每个像素点位单位,分别对每个像素点的第一参数、第二参数、第三参数和第四参数做归一化处理,并相加得到每个像素点对应的置信值。
步骤S20、获取所述置信值大于预设阈值的像素点作为目标像素点。
可选地,统计每个像素点对应的置信值,并将获取置信值大于预设阈值的像素点作为目标像素点。
应当理解的是,所述预设阈值的具体值可以由工程师根据实际情况需要设置,本实施例对此不做限定。置信值高于预设阈值的像素点表征为其属于目标器官组织的图像,或者其属于目标器官组织的图像的概率很高。
步骤S30、对所述目标像素点进行连通域处理,得到至少一个第一区域。
可选地,对所有目标像素点进行连通域处理,连接彼此相邻的目标像素点,得到至少一个连通域作为第一区域。
步骤S40、确定一个所述第一区域作为目标器官组织所在的第二区域。
可选地,终端可以是确定连通度最高的所述第一区域,作为目标器官组织所在的第二区域,其中,所述连通度根据所述第一区域中相邻的目标像素点之间灰度值的差值确定得到。
可选地,终端也可以是在确定M型超声图像中的第一区域后,在M型超声图像标识所有的第一区域,以供用户选择。进一步地,终端可获取基于用户操作选中的一个所述第一区域,作为目标器官组织所在的第二区域。
步骤S50、从所述第二区域中确定所述目标器官组织的组织曲线。
可选地,在确定目标器官组织所在的第二区域后,识别第二区域的边缘轮廓作为边缘线,其中,边缘轮廓的识别方法可应用Grab Cut图像分割法、水漫法、水平集等。并通过平滑去燥等手段将轮廓进行处理,然后通过对图像像素点关于灰度值、梯度(灰度差值)、Grabcut前景图等的加权处理,以进行图像优化。
在确定边缘线后,对边缘线所在的第二区域作最小二乘法拟合得到所述目标器官组织的组织曲线。
其中,一般来说,目标器官组织所在区域会包括上边缘和下边缘,若当前用户需要检测的是目标器官组织的上边缘,则输出上边缘对应的组织曲线;若当前用户需要检测的是目标器官组织的下边缘,则输出下边缘对应的组织曲线。
可选地,以目标器官组织为呼吸肌中的膈肌为例,由于膈肌曲线的运动基本遵循正弦曲线的运动规律,即符合y=Asin(λx+β)+η的规律。故结合正弦函数、最小二乘法等进行膈肌曲线的拟合运算。
对于实际测得的膈肌曲线的测量数据(xi,yi),其中f(x)为y关于x的拟合方程。在任意的函数空间Φ中,对于任意的:
其中,m为1,2,……,n。ωi是xi的权重。I为关于ai的函数,a为多元函数的解。
求解方程(1)(2),将实际测得的膈肌曲线的测量数据(xi,yi)代入方程组。求得最小值I(a0,a1,...,an),即得到最佳拟合曲线参数(与相应的组织曲线对应)。
这样,实现了自动确定M型超声图像中的目标器官组织的组织曲线(或者运动曲线),减少了用户寻找目标器官组织的操作。
可选地,终端在确定目标器官组织的组织曲线(或称运动曲线)后,自动定位目标器官组织曲线周期的每一个呼末、吸末等位置,并自动进行目标器官组织相关信息的测量,其中测量包括但不限于目标器官组织运动速度、加速度、距离、目标器官组织厚度、面积。并将相关测量数据显示在用户可以观看到的图像区域内,以减少用户进行测量的操作,从而提高对目标器官组织的测量效率。
在第二实施例中,如图3所示,在上述图2所示的实施例基础上,所述确定一个所述第一区域作为目标器官组织所在的第二区域的步骤包括:
步骤S41、确定连通度最高的所述第一区域,作为目标器官组织所在的第二区域。
本实施例中,终端先确定每个第一区域的连通度系数,然后再根据连通度系数确定第一区域的连通度,且连通度系数越大,第一区域的连通度越低。
其中,终端确定第一区域中,彼此相邻的目标像素点之间灰度值的差值,作为第二差值。可选地,终端计算第一区域中所有的第二差值的总和,作为连通度系数;或者,终端计算第一区域中所有的第二差值的均值,作为连通度系数。
可选地,确定连通度的原理可以是:两个相邻的目标像素点之间,其灰度值的差值越大,表征这两个目标像素点之间的连通度越低。
可选地,终端检测当前是否处于目标器官曲线自动生成模式。
若是,则终端直接执行所述确定连通度最高的所述第一区域,作为目标器官组织所在的第二区域的步骤(即步骤S41)。
若否,则终端在M型超声图像标识所有的第一区域,以供用户选择第一区域。进一步地,终端检测到用户操作时,获取基于用户操作选中的一个所述第一区域,作为目标器官组织所在的第二区域。
这样,使得用户可以通过交互式地选取期望识别的目标器官组织所在的第二区域,本系统会根据用户确定的第二区域进行目标器官组织的自动识别,实现目标器官组织曲线全自动识别和交互式自动识别,以此减少用户操作。
在第三实施例中,如图4所示,在上述图2至图3的实施例基础上,所述从所述第二区域中确定所述目标器官组织的组织曲线的步骤之后,还包括:
步骤S60、在所述M型超声图像中标识所述组织曲线。
本实施例中,如图7所示,终端在M型超声图上确定得到的目标器官组织的组织曲线30后,可将组织曲线30在M型超声图中进行描迹并标识显示,以供用户确认。
在用户确认组织曲线没问题后,向终端发送确认指令,终端接收到用户确认指令,则基于该组织曲线进行目标器官组织的相关数据的测量。
若用户想要更改组织曲线,那么在图中标识的组织曲线也能为用户起到提示的作用,可以提示用户,目标器官组织的组织曲线所在的大致区域,以方便用户进一步确定组织曲线。
这样,可供用户进行调整和筛选目标器官组织的操作,使得组织曲线的确定不限于终端自动推荐的组织曲线,可以根据用户交互操作筛选出最佳的组织曲线。
在第四实施例中,如图5所示,在上述图2至图4的实施例基础上,所述从所述第二区域中确定所述目标器官组织的组织曲线的步骤之后,还包括:
步骤S70、基于所述组织曲线测量所述目标器官组织的生理数据。
本实施例中,所述生理数据包括组织运动速度、组织运动加速度、组织运动位移、器官组织厚度、组织每个运动周期的特性和组织不同运动周期之间的关联系数中的至少一个。
可选地,终端根据上述组织曲线计算目标器官组织(如膈肌组织)每个波峰波谷所在位置以及每个波峰波谷的位移,结合目标器官运动时间轴计算对应的速度、加速度等信息。
可选地,终端自动识别的目标器官组织运动曲线,做曲线周期等属性的自动测量,包括但不限于目标器官组织的组织运动速度、组织运动加速度、组织运动位移、器官组织厚度,组织每个运动周期的特性和组织不同运动周期之间的关联系数,并将测量数据显示给用户,以减少用户进行测量的操作。
可选地,在目标器官组织为呼吸肌组织(如膈肌组织)时,终端得到目标器官组织的生理数据后,还可以是根据所述生理数据确定所述呼吸肌组织的呼吸率,根据所述呼吸率和预设呼吸率的比对结果,判断所述呼吸肌组织是否正常。
可选地,终端通过临床医学所界定的呼吸正常率作为预设呼吸率。
可选地,终端根据呼吸肌组织对应的生理数据,计算出呼吸肌组织的呼吸率的大小,然后将呼吸肌组织对应的呼吸率与预设呼吸率进行比对,在呼吸率超出预设呼吸率对应的范围时,则判定该呼吸肌组织不正常(不健康);在呼吸率处于预设呼吸率对应的范围是,则判定该呼吸肌组织正常(健康)。
进一步地,终端还可以输出显示呼吸肌组织健康与否的相关信息,以辅助医生对病患做出医疗诊断。
进一步地,终端还可以是根据呼吸肌周期相关信息给出呼吸肌呼吸的病理推荐和概率大小计算。以方便用户判断对应的膈肌病理问题存在。
例如,以膈肌为例,终端根据膈肌组织相关生理数据计算推算出膈肌呼吸正常率的大小,并根据膈肌周期相关信息给出膈肌呼吸的病理推荐和概率大小计算。以方便用户判断对应的膈肌病理问题存在。
可选地,终端通过膈肌运动所提供的组织运动速度、运动幅度、运动位移、运动加速度、组织周期属性、组织厚度等相关信息来作出膈肌的病例性判断,而膈肌的病例性判断的数学依据符合对应的医学经验模型,即可以根据膈肌运动信息综合进行判断其对应的病例特征。如呼吸正常率达到一定阈值则显示呼吸正常并给出呼吸正常的标识,当呼吸出现膈肌痉挛时,则终端向用户提供生物体膈肌痉挛的概率。
此外,本发明还提出一种超声测量装置,所述超声测量装置包括存储器、处理器及存储在存储器上并可在处理器上运行的目标器官组织的自动测量程序,所述处理器执行所述目标器官组织的自动测量程序时实现如以上实施例所述的目标器官组织的自动测量方法的步骤。
此外,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质包括目标器官组织的自动测量程序,所述目标器官组织的自动测量程序被处理器执行时实现如以上实施例所述的目标器官组织的自动测量方法的步骤。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是可选实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是电视机,手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的可选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种目标器官组织的自动测量方法,其特征在于,所述目标器官组织的自动测量方法包括以下步骤:
在获取到M模式下生物体的M型超声图像后,根据所述M型超声图像中的像素点所在的位置和灰度值,确定所述像素点对应的置信值;
获取所述置信值大于预设阈值的像素点作为目标像素点;
对所述目标像素点进行连通域处理,得到至少一个第一区域;
获取所述第一区域中,彼此相邻的目标像素点之间灰度值的差值作为第二差值,根据所述第一区域中所有的第二差值的总和或均值作为所述第一区域的连通度系数,根据所述连通度系数确定所述第一区域的连通度;
确定连通度最高的所述第一区域,作为目标器官组织所在的第二区域,其中,所述连通度根据所述第一区域中相邻的目标像素点之间灰度值的差值确定得到;
从所述第二区域中确定所述目标器官组织的组织曲线。
2.如权利要求1所述目标器官组织的自动测量方法,其特征在于,所述对所述目标像素点进行连通域处理,得到至少一个第一区域的步骤之后,还包括:
检测当前是否处于目标器官曲线自动生成模式;
若是,执行所述确定连通度最高的所述第一区域,作为目标器官组织所在的第二区域的步骤;
若否,获取基于用户操作选中的一个所述第一区域,作为目标器官组织所在的第二区域。
3.如权利要求1所述目标器官组织的自动测量方法,其特征在于,所述从所述第二区域中确定所述目标器官组织的组织曲线的步骤包括:
识别所述第二区域的边缘线;
对所述边缘线做最小二乘法拟合得到所述目标器官组织的组织曲线。
4.如权利要求1所述的目标器官组织的自动测量方法,其特征在于,所述根据所述M型超声图像中的像素点所在的位置和灰度值,确定所述像素点对应的置信值的步骤包括:
根据所述M型超声图像中的像素点所在的位置确定第一参数,以及根据所述像素点的灰度值确定第二参数、第三参数和第四参数,其中,在所述灰度值大于预设灰度值时,获取第一预设值作为所述第二参数;在所述灰度值小于或等于预设灰度值时,获取第二预设值作为所述第二参数;获取所述灰度值作为所述第三参数;将所述像素点与相邻的像素点之间的灰度值的差值,作为所述第四参数;
根据所述第一参数、所述第二参数、所述第三参数和所述第四参数确定所述像素点对应的置信值。
5.如权利要求1所述的目标器官组织的自动测量方法,其特征在于,所述从所述第二区域中确定所述目标器官组织的组织曲线的步骤之后,还包括:
在所述M型超声图像中标识所述组织曲线。
6.如权利要求1所述的目标器官组织的自动测量方法,其特征在于,所述从所述第二区域中确定所述目标器官组织的组织曲线的步骤之后,还包括:
基于所述组织曲线测量所述目标器官组织的生理数据,其中,所述生理数据包括组织运动速度、组织运动加速度、组织运动位移、器官组织厚度、组织每个运动周期的特性和组织不同运动周期之间的关联系数中的至少一个。
7.一种超声测量装置,其特征在于,所述超声测量装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的目标器官组织的自动测量程序,所述目标器官组织的自动测量程序被所述处理器执行时实现如权利要求1至6中任一项所述的目标器官组织的自动测量方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有目标器官组织的自动测量程序,所述目标器官组织的自动测量程序被处理器执行时实现如权利要求1至6中任一项所述的目标器官组织的自动测量方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010348045.3A CN111557692B (zh) | 2020-04-26 | 2020-04-26 | 目标器官组织的自动测量方法、超声测量装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010348045.3A CN111557692B (zh) | 2020-04-26 | 2020-04-26 | 目标器官组织的自动测量方法、超声测量装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111557692A CN111557692A (zh) | 2020-08-21 |
CN111557692B true CN111557692B (zh) | 2022-11-22 |
Family
ID=72074359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010348045.3A Active CN111557692B (zh) | 2020-04-26 | 2020-04-26 | 目标器官组织的自动测量方法、超声测量装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111557692B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643319B (zh) * | 2021-10-18 | 2021-12-10 | 成都汇声科技有限公司 | 在图像上标定脂肪厚度起算线及脂肪厚度测量方法 |
CN117547306B (zh) * | 2024-01-09 | 2024-03-15 | 深圳华声医疗技术股份有限公司 | 基于m型超声的左心室射血分数测量方法、系统及装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127117B (zh) * | 2007-09-11 | 2010-05-26 | 华中科技大学 | 一种利用序列数字减影血管造影图像分割血管数据的方法 |
CN101833757B (zh) * | 2009-03-11 | 2014-10-29 | 深圳迈瑞生物医疗电子股份有限公司 | 血管图像组织结构的边缘检测及血管内膜检测方法和系统 |
CN102810155B (zh) * | 2011-05-31 | 2015-04-15 | 富士通株式会社 | 用于从图像中提取文本笔划图像的方法和装置 |
CN102982313B (zh) * | 2012-10-31 | 2015-08-05 | 深圳辉锐天眼科技有限公司 | 烟雾检测的方法 |
JP6173542B1 (ja) * | 2016-08-10 | 2017-08-02 | 株式会社Pfu | 画像処理装置、画像処理方法、および、プログラム |
CN106611415B (zh) * | 2016-12-29 | 2020-01-10 | 北京奇艺世纪科技有限公司 | 一种皮肤区域的检测方法及装置 |
US9965871B1 (en) * | 2016-12-30 | 2018-05-08 | Konica Minolta Laboratory U.S.A., Inc. | Multi-binarization image processing |
CN107248158A (zh) * | 2017-07-20 | 2017-10-13 | 广东工业大学 | 一种图像处理的方法及系统 |
CN107845094B (zh) * | 2017-11-20 | 2020-06-19 | 北京小米移动软件有限公司 | 图像文字检测方法、装置及计算机可读存储介质 |
WO2019192970A1 (en) * | 2018-04-02 | 2019-10-10 | Koninklijke Philips N.V. | Ultrasonic shear wave imaging with improved accuracy and reliability |
CN109272016B (zh) * | 2018-08-08 | 2021-03-23 | 广州视源电子科技股份有限公司 | 目标检测方法、装置、终端设备和计算机可读存储介质 |
CN109978890B (zh) * | 2019-02-25 | 2023-07-07 | 平安科技(深圳)有限公司 | 基于图像处理的目标提取方法、装置及终端设备 |
CN110378934B (zh) * | 2019-07-22 | 2021-09-07 | Oppo广东移动通信有限公司 | 主体检测方法、装置、电子设备和计算机可读存储介质 |
-
2020
- 2020-04-26 CN CN202010348045.3A patent/CN111557692B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111557692A (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6667999B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
EP3349664B1 (en) | Distinguishing lung sliding from external motion | |
JP2002345807A (ja) | 医療用画像の領域抽出方法 | |
JP2008537691A (ja) | 診断用精密検査におけるイメージング・ソフトウエアの領域を拡張する方法 | |
US10115037B2 (en) | Patient identification using dynamic medical images | |
US20120310074A1 (en) | Medical image processing apparatus, a medical imaging apparatus, and a medical image processing program | |
JP2016116774A (ja) | 画像処理装置、画像処理方法、画像処理システム、及びプログラム | |
CN111557692B (zh) | 目标器官组织的自动测量方法、超声测量装置及介质 | |
JP2016067832A (ja) | 医用画像処理装置、医用画像処理方法 | |
JP2020014562A (ja) | 動態画像解析装置、動態画像解析方法及びプログラム | |
US20130013278A1 (en) | Non-invasive cardiovascular image matching method | |
US10891732B2 (en) | Dynamic image processing system | |
CN113712594A (zh) | 医用图像处理装置以及医用摄像装置 | |
WO2008026022A1 (en) | System and method for measuring left ventricular torsion | |
JP5885234B2 (ja) | 疾患判定装置および超音波画像形成装置における画像解析方法 | |
CN111513765B (zh) | 呼吸肌组织的超声测量方法、超声测量装置及存储介质 | |
TWI828661B (zh) | 診斷支援系統 | |
CN108877922A (zh) | 病变程度判断系统及其方法 | |
EP4265191A1 (en) | Ultrasound imaging | |
KR20230050253A (ko) | 흉막 삼출의 검출 방법 및 이를 위한 장치 | |
US20190130561A1 (en) | Medical image processing apparatus | |
EP3995081A1 (en) | Diagnosis assisting program | |
JP2020171475A (ja) | 動態画像解析装置、動態画像解析方法及びプログラム | |
JP2015217113A (ja) | 血管解析装置、医用画像診断装置、血管解析方法及び血管解析プログラム | |
JP2018192346A (ja) | 血管解析装置、血管解析方法及び血管解析プログラム |
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 |