CN111829956B - 基于超声结构分层引导的光声内窥定量层析成像方法及其系统 - Google Patents
基于超声结构分层引导的光声内窥定量层析成像方法及其系统 Download PDFInfo
- Publication number
- CN111829956B CN111829956B CN202010616808.8A CN202010616808A CN111829956B CN 111829956 B CN111829956 B CN 111829956B CN 202010616808 A CN202010616808 A CN 202010616808A CN 111829956 B CN111829956 B CN 111829956B
- Authority
- CN
- China
- Prior art keywords
- image
- photoacoustic
- layer
- ultrasonic
- layered
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0609—Display arrangements, e.g. colour displays
- G01N29/0618—Display arrangements, e.g. colour displays synchronised with scanning, e.g. in real-time
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/0672—Imaging by acoustic tomography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/09—Analysing solids by measuring mechanical or acoustic impedance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4427—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with stored values, e.g. threshold values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
- G01N2021/1706—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids in solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/01—Indexing codes associated with the measuring variable
- G01N2291/018—Impedance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0231—Composite or layered materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/02854—Length, thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种基于超声结构分层引导的光声内窥定量层析成像方法及其系统,方法包括下述步骤:图像采集;超声图像中不同声阻抗层的分割及边缘识别,分割超声图像得到相应生理结构分层图像并识别边缘得到位置矩阵;光声图像分层提取,基于所得位置矩阵,对与超声成像同步的光声成像图像中提取对应的各层光声信号;光声图像的参数量化,对定量层析的三维图像中的血管结构特征识别和参数量化。本发明实现对腔体壁内的血管结构定量的分层、提取和量化,有助于腔体壁内血管结构的精确光声数据分析,有望应用于医学影像信息分析等领域。
Description
技术领域
本发明涉及光声内窥成像的研究领域,特别涉及一种基于超声结构分层引导的光声内窥定量层析成像方法及其系统。
背景技术
在生物医学成像的最新进展中,光声内窥成像技术作为一种新型非侵入性的成像技术,它提供了结构、功能和分子成像。光声内窥成像技术以其高灵敏度的功能信息和大的成像深度,在微型化探头中实现了对内部组织的高分辨率成像。在光声内窥成像中,通过使用超声换能器检测脉冲激光诱导的超声波,利用重建算法将采集的光声数据反演为反应组织内部光吸收差异分布的图像。
超声内窥成像是一种相对成熟的技术,超声可以穿透深部组织,观察到各层次的组织学特征,有较高的穿透深度,但是其穿透深度和分辨率成反比,组织对比度差限制了超声内镜识别浅层结构的能力。
光声-超声双模态成像同时结合了光学吸收成像的高对比度和声学成像的结构特性,能够提供腔体组织不同参量的表征。专利《一种光声超声双模态内窥镜成像系统》专利号:CN 103976703B,2014.05.27提到了同时进行光声、超声成像的系统,但只简单的进行了同一部位的光声成像和超声成像,并未实现将两种成像方式的深度融合。专利《超声图像边缘提取方法和装置》专利号:CN103065299B,2016.06.15中,只是介绍了一种超声图像分割得到对应的图像边缘信息的方法且计算复杂,并未实现指导光吸收机构分层。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种基于超声结构分层引导的光声内窥定量层析成像方法及系统,基于超声图像中组织分层结果(声阻抗差异结构边界)引导光声图像处理,实现对腔体壁内的血管结构定量的按解剖结构分层、提取和量化,有助于腔体壁内血管结构的精确光声数据分析。
为了达到上述目的,本发明采用以下技术方案:
基于超声结构分层引导的光声内窥定量层析成像方法,包括下述步骤:
超声图像中不同声阻抗层分割及边缘识别,根据腔体不同的声阻抗结构产生的超声回波信号幅值的差异,分割超声图像得到相应生理结构分层图像,并识别各层边缘得到位置矩阵;
光声图像分层提取,基于得到超声图像各声阻抗层边缘的位置矩阵,在与超声成像同步的光声成像图像中提取对应的各层光声信号;
光声图像的参数量化,对提取出的各层光声信号的血管结构特征识别和参数量化,量化各层血管结构的面积、长度、节段数以及节点数。
进一步的,所述超声图像中不同声阻抗层分割及边缘识别步骤具体为:
图像预处理,基于中值滤波消除随机信号干扰,并将图像转为灰度图,提取图像灰度直方图;
图像分割,设置多个不同阈值提取出腔体壁因声阻抗差异造成的不同声阻抗分层图像;
边缘识别,将分层图像做二值处理,对层信号进行膨胀腐蚀,利用Sobel算子对图像分割步骤得到的腔体壁各组织层的边缘准确识别,得到边缘位置矩阵。
进一步的,所述图像分割具体为:
首先基于Ostu阈值法分割出腔体壁区域,然后基于灰度直方图局部像素统计设置多阈值,将感兴趣区域逐层分割;所述感兴趣区域是指所需要识别提取的不同的层。
进一步的,所述边缘识别是确定图像上腔体指定层所在的感兴区域,以圆形模板进行横向膨胀操作,利用Sobel算子初步边缘识别,如果:
识别结果为无闭合曲线,则腐蚀操作后,再次执行Sobel算子边缘识别,输出边缘矩阵;
识别结果为存在闭合曲线,则进行空洞填充,腐蚀操作,再次执行Sobel算子边缘识别,输出边缘矩阵。
进一步的,所述边缘识别是将输出的边缘矩阵做断点扫描,将间断部位做基于邻近坐标相关性的断点连接。
进一步的,所述光声图像分层提取具体为:
信号增强处理,基于直方图均衡化法对血管结构进行增强处理;
信息提取,将层边缘的位置矩阵作半距离处理,生成提取矩阵与光声图像点乘运算,提取出各层血管结构图像;
三维图像生成,将各层血管结构图像进行最大值投影,沿z轴方向N个最大值投影累积生成三维血管结构分层图像。
进一步的,所述光声图像的参数量化具体为:
血管结构面积、体积量化,将各层三维血管结构图像二值化处理,基于离散体素统计得到血管结构面积,同时计算深度距离,得到血管结构体积;
血管结构中心线提取,将三维血管结构体积转化为三维方向加权图,从加权图中建立最小成本生成树,通过回溯最小成本生成树提取中心线;
血管结构长度量化,基于采用欧几里得距离计算提取出的血管结构中心线,得到血管结构长度。
进一步的,在超声图像中不同声阻抗层分割及边缘识别步骤之前,还包括下述步骤:
采集同一位置的光声图像和超声图像;
所述超声图像中不同声阻抗层分割、边缘识别及光声图像分层提取是对超声、光声横断面图像的处理步骤;所述光声图像的参数量化是对N张横断面图像做最大值投影的光声图像的处理步骤。
本发明还提供基于超声结构分层引导的光声内窥定量层析成像系统,具体包括:图像采集模块、不同声阻抗层分割及边缘识别模块、光声图像信息提取模块以及光声图像的参数量化模块;
所述图像采集模块,用于采集得到横断面光声图像和超声图像;
所述不同声阻抗层分割及边缘识别模块,用于在超声图像中根据腔体不同的声阻抗结构产生的超声回波信号幅值的差异,分割得到相应生理结构分层图像,并识别各层边缘得到位置矩阵;
所述光声图像信息提取模块,用于基于同步的超声边缘位置矩阵,在光声图像中提取对应各层的光声信号;
所述光声图像的参数量化模块,用于对层析的三维光声图像的血管结构特征识别和参数量化,量化各层血管结构的面积、长度、节段数和节点数。
进一步的,所述不同声阻抗层分割及边缘识别模块包括:图像预处理模块、图像分割模块以及边缘识别模块;
所述图像预处理模块,基于中值滤波消除随机信号干扰,将图像转为灰度图,提取图像灰度直方图;
所述图像分割模块,利用多阈值法,设置多个不同阈值提取出腔体壁因声阻抗差异造成的不同声阻抗分层图像;
所述边缘识别模块,将分层图像做二值处理,对层信号进行膨胀腐蚀,并利用Sobel算子对分割步骤得到的腔体壁各组织层的边缘准确识别,得到边缘位置矩阵。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明充分结合利用光声成像的超声成像两种技术各自的特点,实现腔体壁的血管结构的精确数据分析。
2、本发明首次实现了复杂多层的腔体壁的血管结构实现按解剖结构层析和各层血管结构量化。
3、本发明同时进行光声和超声内窥成像,准确分割超声图像的不同组织的声阻抗层,识别出连续准确的边缘。
附图说明
图1是本发明方法的流程图。
图2是本发明方法超声边缘识别的具体过程。
图3是本发明光声/超声内窥成像图及基于超声结构分层引导的光声内窥层析图像。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合离体肠光声超声双模内窥成像实施例,对本申请的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参见图1,基于超声结构分层引导的光声内窥定量层析成像方法,基于超声图像中组织声阻抗差异分层结果(声阻抗差异结构边界)引导光声图像处理,实现对腔体壁内的血管结构定量的按解剖结构分层、提取和量化,有助于腔体壁内血管结构的精确光声数据分析。本发明的方法具体包括下述步骤:
(一)数据采集:
步骤101、使用光声/超声双模内窥镜对离体肠进行光声、超声实时同步内窥成像,采集得到横断面光声超声图像。
(二)超声图像中不同声阻抗层分割及边缘识别:
步骤102、对采集的超声数据进行图像预处理,转变为笛卡尔坐标下的4000*1300的超声横断面图像,对图像进行中值滤波处理,消除随机信号和噪声干扰;将RGB图像转为灰度图,并提取图像灰度直方图。
步骤103、采用基于Ostu阈值法分割出肠壁信号区域,然后基于灰度直方图局部像素统计得出四个阈值,对应提将肠壁因声阻抗差异造成四层,分别对应粘膜层,粘膜下层,肌层和浆膜层。
步骤104、超声图像分割提取;
步骤105、边缘识别,将分层图像做二值处理,对层信号进行膨胀腐蚀,利用Sobel算子对图像分割步骤得到的腔体壁各组织层的边缘准确识别,得到边缘位置矩阵。
更进一步的,请参见图2,边缘识别的具体步骤为:
步骤201、将分割得到的感兴趣区域各层图像做二值处理;
步骤202、对层信号以圆形模板进行横向膨胀操作,消除由于肠壁组织层内部不均匀造成的超声图像的黏膜层及肌层存在的像素不均匀空缺问题;
步骤203、利用Sobel算子初步边缘识别;
步骤204、判断边缘是否封闭;
步骤205、如果识别结果为存在闭合曲线,则进行空洞填充;
步骤206、进行腐蚀操作;
步骤207、利用Sobel算子对分割步骤得到的肠壁各层边缘准确识别,得到大小为4000*2边缘位置矩阵,输出边缘矩阵。
步骤208、将输出的边缘矩阵做断点扫描,判断是否存在断点;
步骤209、如果是,将间断部位做基于邻近坐标相关性的断点连接;
步骤210、输出边缘矩阵。
(三)光声图像分层提取
步骤106、基于直方图均衡化法对4000*1300的光声肠壁血管横断面图像做血管进行增强处理,提高图像的信噪比后进行信息提取;
步骤107、因为光声信号的获取只有接收过程,而超声信号则需要发射后接收,时域位置分布为光声信号的两倍,所以将超声图像识别得到肠壁各层的位置矩阵作半距离处理,生成提取矩阵与光声图像点乘运算进行分层;
步骤108、提取出各层血管结构图像;
步骤109、对提取出的各层光声横断面图像按列提取最大值,每张光声图像生成一个一维数组,沿探头前进的z方向400张光声横断面图像提取400个一维数组后,生成4000*400的三维光声血管最大值投影图,每一层重复此步骤,得到各层血管的最大值投影图,请参见图3,提取得到各层血管网络图。
(四)光声图像的参数量化;
步骤110、基于三维光声血管最大值投影图,实现对各层血管参数的量化,血管面积,血管体积量化步骤,将各层三维血管结构图像二值化处理,基于离散体素统计得到血管面积,在此基础上计算深度信息,得到血管体积。将三维血管体积转化为三维方向加权图,从加权图中建立最小成本生成树(Minimum-cost spanning tree),通过回溯最小成本生成树提取血管中心线。基于采用欧几里得距离(Euclidean distance)计算提取出的血管中心线,得到血管长度。
本申请的实施例还提供了一种基于超声结构分层引导的光声内窥定量层析成像系统,具体包括:图像采集模块、不同声阻抗层分割及边缘识别模块、光声图像信息提取模块、以及光声图像的参数量化模块;
所述图像采集模块,用于采集得到横断面光声图像和超声图像;
所述不同声阻抗层分割及边缘识别模块,用于在超声图像中根据腔体不同的声阻抗结构产生的超声回波信号幅值的差异,分割得到相应生理结构分层图像,并识别各层边缘得到位置矩阵;
所述不同声阻抗层分割及边缘识别模块包括:图像预处理模块、图像分割模块以及边缘识别模块;
所述图像预处理模块,基于中值滤波消除随机信号干扰,将图像转为灰度图,提取图像灰度直方图;
所述图像分割模块,利用多阈值法,设置多个不同阈值提取出腔体壁因声阻抗差异造成的不同声阻抗分层图像;
所述边缘识别模块,将分层图像做二值处理,对层信号进行膨胀腐蚀,并利用Sobel算子对分割步骤得到的腔体壁各组织层的边缘准确识别,得到边缘位置矩阵。
所述光声图像信息提取模块,用于基于同步的超声边缘位置矩阵,在光声图像中提取对应各层的光声信号;
所述光声图像的参数量化模块,用于对层析的三维光声图像的血管结构特征识别和参数量化,量化各层血管结构的面积、长度、节段数和节点数。
还需要说明的是,在本说明书中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.基于超声结构分层引导的光声内窥定量层析成像方法,其特征在于,包括下述步骤:
采集同一位置的光声图像和超声图像;
超声图像中不同声阻抗层分割及边缘识别,根据腔体不同的声阻抗结构产生的超声回波信号幅值的差异,分割超声图像得到相应生理结构分层图像,并识别各层边缘得到位置矩阵;
所述超声图像中不同声阻抗层分割及边缘识别步骤具体为:
图像预处理,基于中值滤波消除随机信号干扰,并将图像转为灰度图,提取图像灰度直方图;
图像分割,设置多个不同阈值提取出腔体壁因声阻抗差异造成的不同声阻抗分层图像;所述图像分割具体为:
首先基于Ostu阈值法分割出腔体壁区域,然后基于灰度直方图局部像素统计设置多阈值,将感兴趣区域逐层分割;
边缘识别,将分层图像做二值处理,对层信号进行膨胀腐蚀,利用Sobel算子对图像分割步骤得到的腔体壁各组织层的边缘准确识别,得到边缘位置矩阵;
光声图像分层提取,基于得到超声图像各声阻抗层边缘的位置矩阵,在与超声成像同步的光声成像图像中提取对应的各层光声信号;
所述光声图像分层提取具体为:
信号增强处理,基于直方图均衡化法对血管结构进行增强处理;
信息提取,将层边缘的位置矩阵作半距离处理,生成提取矩阵与光声图像点乘运算,提取出各层血管结构图像;
三维图像生成,将各层血管结构图像进行最大值投影,沿z轴方向N个最大值投影累积生成三维血管结构分层图像;
光声图像的参数量化,对提取出的各层光声信号的血管结构特征进行识别和参数量化,量化各层血管结构的面积、体积、长度。
2.根据权利要求1所述的基于超声结构分层引导的光声内窥定量层析成像方法,其特征在于,所述边缘识别以圆形模板进行横向膨胀操作,利用Sobel算子进行初步边缘识别;若识别结果为无闭合曲线,则腐蚀操作后,再次执行Sobel算子边缘识别,输出边缘矩阵;若识别结果为存在闭合曲线,则进行空洞填充和腐蚀操作,再次执行Sobel算子边缘识别,输出边缘矩阵。
3.根据权利要求2所述的基于超声结构分层引导的光声内窥定量层析成像方法,其特征在于,所述边缘识别是将输出的边缘矩阵做断点扫描,将间断部位做基于邻近坐标相关性的断点连接。
4.根据权利要求1所述的基于超声结构分层引导的光声内窥定量层析成像方法,其特征在于,所述光声图像的参数量化具体为:
血管结构面积、体积量化,将各层三维血管结构图像二值化处理,基于离散体素统计得到血管结构面积,同时计算深度距离,得到血管结构体积;
血管结构中心线提取,将三维血管结构体积转化为三维方向加权图,从加权图中建立最小成本生成树,通过回溯最小成本生成树提取中心线;
血管结构长度量化,基于欧几里得距离计算提取出的血管结构中心线,得到血管结构长度。
5.基于超声结构分层引导的光声内窥定量层析成像系统,其特征在于,具体包括:图像采集模块、不同声阻抗层分割及边缘识别模块、光声图像信息提取模块以及光声图像的参数量化模块;
所述图像采集模块,用于采集得到横断面光声图像和超声图像;
所述不同声阻抗层分割及边缘识别模块,用于在超声图像中根据腔体不同的声阻抗结构产生的超声回波信号幅值的差异,分割得到相应生理结构分层图像,并识别各层边缘得到位置矩阵;
所述不同声阻抗层分割及边缘识别模块包括:图像预处理模块、图像分割模块以及边缘识别模块;
所述图像预处理模块,基于中值滤波消除随机信号干扰,将图像转为灰度图,提取图像灰度直方图;
所述图像分割模块,利用多阈值法,设置多个不同阈值提取出腔体壁因声阻抗差异造成的不同声阻抗分层图像;具体为:首先基于Ostu阈值法分割出腔体壁区域,然后基于灰度直方图局部像素统计设置多阈值,将感兴趣区域逐层分割;
所述边缘识别模块,将分层图像做二值处理,对层信号进行膨胀腐蚀,并利用Sobel算子对分割得到的腔体壁各组织层的边缘准确识别,得到边缘位置矩阵;
所述光声图像信息提取模块,用于基于同步的超声边缘位置矩阵,在光声图像中提取对应各层的光声信号;具体操作包括:
信号增强处理,基于直方图均衡化法对血管结构进行增强处理;
信息提取,将层边缘的位置矩阵作半距离处理,生成提取矩阵与光声图像点乘运算,提取出各层血管结构图像;
三维图像生成,将各层血管结构图像进行最大值投影,沿z轴方向N个最大值投影累积生成三维血管结构分层图像;
所述光声图像的参数量化模块,用于对层析的三维光声图像的血管结构特征进行识别和参数量化,量化各层血管结构的面积、体积、长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010616808.8A CN111829956B (zh) | 2020-07-01 | 2020-07-01 | 基于超声结构分层引导的光声内窥定量层析成像方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010616808.8A CN111829956B (zh) | 2020-07-01 | 2020-07-01 | 基于超声结构分层引导的光声内窥定量层析成像方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111829956A CN111829956A (zh) | 2020-10-27 |
CN111829956B true CN111829956B (zh) | 2021-10-01 |
Family
ID=72899896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010616808.8A Active CN111829956B (zh) | 2020-07-01 | 2020-07-01 | 基于超声结构分层引导的光声内窥定量层析成像方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111829956B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034462B (zh) * | 2021-03-22 | 2022-09-23 | 福州大学 | 基于图卷积的胃癌病理切片图像的处理方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107049252A (zh) * | 2017-03-29 | 2017-08-18 | 华北电力大学(保定) | 一种生物磁光声联合内窥成像方法 |
CN108185974A (zh) * | 2018-02-08 | 2018-06-22 | 北京数字精准医疗科技有限公司 | 一种内窥式荧光超声融合造影导航系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10433732B2 (en) * | 2011-11-02 | 2019-10-08 | Seno Medical Instruments, Inc. | Optoacoustic imaging system having handheld probe utilizing optically reflective material |
-
2020
- 2020-07-01 CN CN202010616808.8A patent/CN111829956B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107049252A (zh) * | 2017-03-29 | 2017-08-18 | 华北电力大学(保定) | 一种生物磁光声联合内窥成像方法 |
CN108185974A (zh) * | 2018-02-08 | 2018-06-22 | 北京数字精准医疗科技有限公司 | 一种内窥式荧光超声融合造影导航系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111829956A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103889337B (zh) | 超声波诊断装置以及超声波诊断装置控制方法 | |
EP1690230B1 (en) | Automatic multi-dimensional intravascular ultrasound image segmentation method | |
Delsanto et al. | Characterization of a completely user-independent algorithm for carotid artery segmentation in 2-D ultrasound images | |
EP1884197B1 (en) | Image diagnosing device | |
CN107361791B (zh) | 一种快速超分辨血流成像方法 | |
US8094893B2 (en) | Segmentation tool for identifying flow regions in an image system | |
CN109330626B (zh) | 一种自适应调节超声探头位置的装置及方法 | |
CN111297399B (zh) | 一种基于超声视频的胎心定位和胎心率提取方法 | |
US11710290B2 (en) | Photoacoustic image evaluation apparatus, method, and program, and photoacoustic image generation apparatus | |
JP2005193017A (ja) | 乳房患部分類の方法及びシステム | |
CN115670520B (zh) | 血管内超声成像方法、装置、计算机设备、存储介质 | |
CN109389568A (zh) | 自动测量皮肤光学相干层析图像中表皮厚度的方法 | |
CN109003280B (zh) | 一种双通道血管内超声影像的血管中内膜分割方法 | |
CN108670303B (zh) | 超音波影像均匀度检测方法及其系统 | |
CN111829956B (zh) | 基于超声结构分层引导的光声内窥定量层析成像方法及其系统 | |
CN109965905B (zh) | 一种基于深度学习的造影区域检测成像方法 | |
CN109674493B (zh) | 医用超声自动追踪颈动脉血管的方法、系统及设备 | |
Molinari et al. | Accurate and automatic carotid plaque characterization in contrast enhanced 2-D ultrasound images | |
CN114548179A (zh) | 基于超声回波时频谱特征的生物组织辨识方法和装置 | |
US11246564B2 (en) | Ultrasound diagnosis apparatus | |
CN111462077B (zh) | 一种利用非线性信息熵定征生物组织的方法 | |
CN107169978B (zh) | 超声图像边缘检测方法及系统 | |
US20220142606A1 (en) | Ultrasound analysis method and device | |
US6358206B1 (en) | Ultrasound process for the determination of the location of a parietal surface in a tissue and of the absolute radius of an artery, and ultrasound apparatus for carrying out such process | |
WO2020118296A1 (en) | Systems and methods for quantifying vessel features in ultrasound doppler images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |