CN112168210A - 医学图像处理终端、超声诊断设备和胎儿图像的处理方法 - Google Patents
医学图像处理终端、超声诊断设备和胎儿图像的处理方法 Download PDFInfo
- Publication number
- CN112168210A CN112168210A CN201910593043.8A CN201910593043A CN112168210A CN 112168210 A CN112168210 A CN 112168210A CN 201910593043 A CN201910593043 A CN 201910593043A CN 112168210 A CN112168210 A CN 112168210A
- Authority
- CN
- China
- Prior art keywords
- image
- fetal heart
- fetal
- ultrasonic
- images
- 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
- 230000001605 fetal effect Effects 0.000 title claims abstract description 75
- 238000012545 processing Methods 0.000 title claims abstract description 59
- 238000003672 processing method Methods 0.000 title abstract description 11
- 210000002458 fetal heart Anatomy 0.000 claims abstract description 289
- 230000000747 cardiac effect Effects 0.000 claims abstract description 83
- 230000033001 locomotion Effects 0.000 claims abstract description 77
- 238000002604 ultrasonography Methods 0.000 claims description 69
- 238000000034 method Methods 0.000 claims description 64
- 210000004165 myocardium Anatomy 0.000 claims description 60
- 210000003754 fetus Anatomy 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 22
- 239000000523 sample Substances 0.000 claims description 20
- 210000001519 tissue Anatomy 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 210000002216 heart Anatomy 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000002592 echocardiography Methods 0.000 claims description 14
- 238000004445 quantitative analysis Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000005259 measurement Methods 0.000 abstract description 7
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 230000004048 modification Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 230000002107 myocardial effect Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 210000005242 cardiac chamber Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004217 heart function Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000011265 2D-echocardiography Methods 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 210000001174 endocardium Anatomy 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013175 transesophageal echocardiography 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
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
-
- 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
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
Abstract
本发明公开了一种医学图像处理终端、超声诊断设备和胎儿图像的处理方法,通过获取连续多帧胎儿图像,根据连续多帧胎儿图像确定胎儿图像中的胎心区域;对胎心区域的图像的分辨率和/或对比度进行优化处理,得到连续多帧胎心图像;进而根据连续多帧胎心图像确定胎心的心动周期,从而实现了胎心运动分析的自动化测量,提高了医护人员进行胎心运动分析的工作效率。
Description
技术领域
本发明涉及医疗器械领域,具体涉及医学图像处理终端、超声诊断设备和胎儿图像的处理方法。
背景技术
随着生活水平的提高,心血管疾病呈现多发趋势。超声成像技术作为无创性显像技术,操作简便,可重复性强,不但可以显示出心脏和大血管的解剖图像,还能实时观察其生理活动情况,为医生提供了有价值的资料,因而备受临床医师的重视,得到不断地推广应用。其中,超声心动图是20世纪50年代开发出来的用于检测各心壁、心室及瓣膜等结构周期性活动的方法。50年来超声心动图技术发展非常迅速,从M型超声心动图开始,发展到二维超声心动图、经食管超声心动图等。
目前,利用超声成像技术进行心肌运动分析已经在成人心脏分析领域应用的比较普遍。近些年,越来越多的医生开始将其应用于妇产领域,进行胎儿心功能的早期评估。然而,由于胎心运动分析比成人更为复杂,基本只能依靠医生手动进行操作、识别和分析,操作起来非常繁琐,工作效率低下。
发明内容
本发明主要提供医学图像处理终端、超声诊断设备和胎儿图像的处理方法,以提高胎心运动分析的效率。
本发明一实施例提供的胎儿图像的处理方法,包括:
向生物组织内的目标区域发射超声波,并接收所述超声波的回波,获得超声回波信号;
根据所述回波信号生成胎儿的超声图像,所述超声图像包含连续的超声图像帧;
根据所述超声图像确定图像中的胎心区域;
对所述胎心区域的图像的分辨率和/或对比度进行优化处理,得到胎心图像;
根据所述胎心图像中的连续多帧图像确定胎心的心动周期;
根据所述心动周期对所述胎心图像进行检测,得到所述胎心的运动参数。
所述的方法中,根据所述超声图像确定图像中的胎心区域包括:
使用深度学习方法根据所述超声图像确定图像中的胎心区域;或者
计算所述超声图像的至少一个特征指标,将所述特征指标输入预先建立的胎儿超声图像的特征指标与胎心区域对应关系的模型函数,得到对应的胎心区域。
所述的方法中,对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
对所述超声图像的胎心区域采用图像插值的方式进行放大,以提高所述胎心区域的分辨率;和/或,
对所述超声图像的胎心区域采用图像去噪算法滤除噪声,以提高心腔、心肌的对比度。
所述的方法中,对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
提高超声扫查时所述胎心区域对应的线密度。
所述的方法中,根据所述胎心图像中的连续多帧图像确定胎心的心动周期包括:
计算每帧超声图像帧与特定帧之间的相关性,得到相关性曲线,相邻的峰值之间的时间间隔为一个心动周期;或者,
检测所述胎心图像中的连续多帧图像中心室内径的变化,检测相对最大内径,相邻的相对最大内径对应的图像帧之间的时间间隔为一个心动周期。
所述的方法中,根据所述心动周期对所述胎心图像进行检测,得到所述胎心的运动参数包括:
在至少一个心动周期内,对所述胎心图像的心肌进行描记;
对描记的心肌进行运动跟踪并进行定量分析,得到心肌的速度、位移、应变、应变率中的至少一种。
所述的方法中,对描记的心肌进行运动跟踪包括:
对描记的心肌进行运动跟踪,根据所述胎心区域的大小调节跟踪参数。
本发明一实施例提供的胎儿图像的处理方法,包括:
获取连续多帧胎儿图像;
根据所述连续多帧胎儿图像确定胎儿图像中的胎心区域;
对所述胎心区域的图像的分辨率和/或对比度进行优化处理,得到连续多帧胎心图像;
根据所述连续多帧胎心图像确定胎心的心动周期。
所述的方法中,还包括:
根据所述心动周期对所述连续多帧胎心图像进行检测,得到所述胎心的运动参数。
所述的方法中,根据所述连续多帧胎儿图像确定胎儿图像中的胎心区域包括:
使用深度学习方法根据所述超声图像确定图像中的胎心区域;或者
计算所述胎儿图像的至少一个特征指标,将所述特征指标输入预先建立的胎儿图像的特征指标与胎心区域对应关系的模型函数,得到对应的胎心区域。
所述的方法中,对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
对所述连续多帧胎儿图像的胎心区域采用图像插值的方式进行放大,以提高所述胎心区域的分辨率;和/或,
对所述连续多帧胎儿图像的胎心区域采用图像去噪算法滤除噪声,以提高心腔、心肌的对比度。
所述的方法中,获取连续多帧胎儿图像包括:
对胎儿进行超声扫查,向胎儿发射超声波并接收超声回波,获得连续的超声图像帧;
对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:提高超声扫查时所述胎心区域对应的线密度。
所述的方法中,根据所述连续多帧胎心图像确定胎心的心动周期包括:
计算每帧胎心图像与特定帧之间的相关性,得到相关性曲线,相邻的峰值之间的时间间隔为一个心动周期;或者,
检测所述连续多帧胎心图像中心室内径的变化,检测相对最大内径,相邻的相对最大内径对应的图像帧之间的时间间隔为一个心动周期。
所述的方法中,根据所述心动周期对所述连续多帧胎心图像进行检测,得到所述胎心的运动参数包括:
在至少一个心动周期内,对所述胎心图像的心肌进行描记;
对描记的心肌进行运动跟踪并进行定量分析,得到心肌的速度、位移、应变、应变率中的至少一种。
所述的方法中,对描记的心肌进行运动跟踪包括:
对描记的心肌进行运动跟踪,根据所述胎心区域的大小调节跟踪参数。
所述的方法中,连续多帧胎儿图像为胎儿连续的超声图像帧。
本发明一实施例提供的超声诊断设备,包括:
超声探头,用于向胎儿发射超声波,并接收所述超声波的回波;
发射/接收控制电路,用于控制超声探头向胎儿发射超声波并接收所述超声波的回波;
处理器,用于根据所述超声波的回波生成胎儿的超声图像或者从存储介质读取胎儿的超声图像,所述超声图像包括连续的超声图像帧;根据所述胎儿的超声图像确定超声图像中的胎心区域;对所述胎心区域的图像的分辨率和/或对比度进行优化处理,得到胎心图像;根据所述胎心图像中的连续多帧图像确定胎心的心动周期;根据所述心动周期对所述胎心图像进行检测,得到所述胎心的运动参数。
所述的超声诊断设备中,处理器根据所述超声图像确定图像中的胎心区域包括:
使用深度学习方法根据所述超声图像确定图像中的胎心区域;或者
计算所述超声图像的至少一个特征指标,将所述特征指标输入预先建立的胎儿超声图像的特征指标与胎心区域对应关系的模型函数,得到对应的胎心区域。
所述的超声诊断设备中,处理器对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
对所述超声图像的胎心区域采用图像插值的方式进行放大,以提高所述胎心区域的分辨率;和/或,
对所述超声图像的胎心区域采用图像去噪算法滤除噪声,以提高心腔、心肌的对比度。
所述的超声诊断设备中,处理器对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
提高超声探头在超声扫查时所述胎心区域对应的线密度。
所述的超声诊断设备中,处理器根据所述胎心图像中的连续多帧图像确定胎心的心动周期包括:
计算每帧超声图像帧与特定帧之间的相关性,得到相关性曲线,相邻的峰值之间的时间间隔为一个心动周期;或者,
检测所述胎心图像中的连续多帧图像中心室内径的变化,检测相对最大内径,相邻的相对最大内径对应的图像帧之间的时间间隔为一个心动周期。
所述的超声诊断设备中,处理器根据所述心动周期对所述胎心图像进行检测,得到所述胎心的运动参数包括:
在至少一个心动周期内,对所述胎心图像的心肌进行描记;
对描记的心肌进行运动跟踪并进行定量分析,得到心肌的速度、位移、应变、应变率中的至少一种。
所述的超声诊断设备中,处理器对描记的心肌进行运动跟踪包括:
对描记的心肌进行运动跟踪,根据所述胎心区域的大小调节跟踪参数。
本发明一实施例提供的医学图像处理终端,包括:
通信接口;
处理器,用于通过所述通信接口得到连续多帧胎儿图像;根据所述连续多帧胎儿图像确定胎儿图像中的胎心区域;对所述胎心区域的图像的分辨率和/或对比度进行优化处理,得到连续多帧胎心图像;根据所述连续多帧胎心图像确定胎心的心动周期。
所述的处理终端中,所述处理器还用于根据所述心动周期对所述连续多帧胎心图像进行检测,得到所述胎心的运动参数。
所述的处理终端中,所述处理器根据所述连续多帧胎儿图像确定胎儿图像中的胎心区域包括:
使用深度学习方法根据所述超声图像确定图像中的胎心区域;或者
计算所述胎儿图像的至少一个特征指标,将所述特征指标输入预先建立的胎儿图像的特征指标与胎心区域对应关系的模型函数,得到对应的胎心区域。
所述的处理终端中,所述处理器对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
对所述连续多帧胎儿图像的胎心区域采用图像插值的方式进行放大,以提高所述胎心区域的分辨率;和/或,
对所述连续多帧胎儿图像的胎心区域采用图像去噪算法滤除噪声,以提高心腔、心肌的对比度。
所述的处理终端中,所述处理器还用于通过通信接口接收超声回波信号,根据所述超声回波信号生成连续多帧胎儿图像;所述超声回波信号由与所述通信接口连接的超声探头向胎儿发射超声波,所述超声波返回后通过接收得到;
所述处理器对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:通过所述超声探头提高超声扫查时所述胎心区域对应的线密度。
所述的处理终端中,所述处理器根据所述连续多帧胎心图像确定胎心的心动周期包括:
计算每帧胎心图像与特定帧之间的相关性,得到相关性曲线,确定相邻的峰值之间的时间间隔为一个心动周期;或者,
检测所述连续多帧胎心图像中心室内径的变化,检测相对最大内径,确定相邻的相对最大内径对应的图像帧之间的时间间隔为一个心动周期。
所述的处理终端中,所述处理器根据所述心动周期对所述连续多帧胎心图像进行检测,得到所述胎心的运动参数包括:
在至少一个心动周期内,对所述胎心图像的心肌进行描记;
对描记的心肌进行运动跟踪并进行定量分析,得到心肌的速度、位移、应变、应变率中的至少一种并输出。
所述的处理终端中,所述处理器对描记的心肌进行运动跟踪包括:对描记的心肌进行运动跟踪,根据所述胎心区域的大小调节跟踪参数。
本发明一实施例提供的计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现上述方法。
依据上述实施例的医学图像处理终端、超声诊断设备和胎儿图像的处理方法,通过获取连续多帧胎儿图像,根据连续多帧胎儿图像确定胎儿图像中的胎心区域;对胎心区域的图像的分辨率和/或对比度进行优化处理,得到连续多帧胎心图像;进而根据连续多帧胎心图像确定胎心的心动周期,从而实现了心动周期的自动化测量,提高了医护人员进行胎心运动分析的工作效率。
附图说明
图1为一实施例提供的医学图像处理终端的结构框图;
图2为一实施例提供的胎儿图像的处理方法的流程图;
图3为一实施例提供的超声诊断设备的结构框图;
图4为一实施例提供的处理器的结构框图;
图5为一实施例提供的胎儿图像的处理方法的流程图;
图6为各帧超声图像帧与特定帧之间相关性曲线的示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
如图1所示,本发明提供的医学图像处理终端,包括通信接口10和处理器20。其中,处理器20用于通过通信接口10获取连续多帧胎儿图像;例如,处理器20通过通信接口10从存储介质中获取连续多帧胎儿图像,或者,处理器20通过通信接口10接收超声探头输出的超声回波信号,根据超声回波信号生成连续多帧胎儿图像。其中,连续多帧胎儿图像的时间跨度至少超过一个心动周期,胎儿图像可以是超声图像,也可以是其他图像等。
处理器20进而对胎儿图像进行处理,其处理方法如图2所示,除了包括上述胎儿图像的获取外,还包括如下步骤:
步骤2、根据连续多帧胎儿图像确定胎儿图像中的胎心区域。
步骤3、对胎心区域的图像的分辨率和/或对比度进行优化处理,得到连续多帧胎心图像。因为胎心区域与成人心脏相比太小了,传统方法无法对胎心区域进行图像处理,而本发明通过对图像的胎心区域进行针对性的优化,使得处理器20能对胎心区域进行后续的图像处理。
步骤4、根据连续多帧胎心图像确定胎心的心动周期。
步骤5、根据心动周期对连续多帧胎心图像进行检测,得到胎心的运动参数。
步骤6、通过医学图像处理终端自带的显示器或者外接的显示器,显示胎心的运动参数,当然,胎心图像和心动周期也可以一并显示。
可见,通过处理器20的处理,不仅实现了心动周期的自动化测量,而且还能自动得出胎心的运动参数,提高了医护人员进行胎心运动分析的工作效率。
本发明中,医学图像处理终端可以是超声诊断设备,也可以是其他医学影像设备,当然也可以是电脑等。以下以超声诊断设备为例进行进一步说明,如图3所示,超声诊断设备包括超声探头30、发射/接收控制电路40、波束合成模块50、IQ解调模块60、处理器20、人机交互装置70和存储器80。
超声探头30包括由阵列式排布的多个阵元组成的换能器(图中未示出),多个阵元排列成一排构成线阵,或排布成二维矩阵构成面阵,多个阵元也可以构成凸阵列。阵元用于根据激励电信号发射超声波束,或将接收的超声波束变换为电信号。因此每个阵元可用于实现电脉冲信号和超声波束的相互转换,从而实现向被检测的目标组织(例如人体或动物体内的器官、组织、血管、胎儿等)发射超声波、也可用于接收经组织反射回的超声波的回波。在进行超声检测时,可通过发射控制电路410和接收控制电路420控制哪些阵元用于发射超声波束,哪些阵元用于接收超声波束,或者控制阵元分时隙用于发射超声波束或接收超声波束的回波。参与超声波发射的阵元可以同时被电信号激励,从而同时发射超声波;或者参与超声波发射的阵元也可以被具有一定时间间隔的若干电信号激励,从而持续发射具有一定时间间隔的超声波。
阵元例如采用压电晶体,按照发射控制电路410传输的发射序列将电信号转换成超声信号,根据用途,超声信号可以包括一个或多个扫描脉冲、一个或多个参考脉冲、一个或多个推动脉冲和/或一个或多个多普勒脉冲。根据波的形态,超声信号包括聚焦波和平面波。
用户通过移动超声探头30选择合适的位置和角度向被测组织X发射超声波并接收由被测组织X返回的超声波的回波,输出超声回波信号,超声回波信号是按以接收阵元为通道所形成的通道模拟电信号,其携带有幅度信息、频率信息和时间信息。
发射控制电路410用于根据处理器20的控制产生发射序列,发射序列用于控制多个阵元中的部分或者全部向目标组织发射超声波,发射序列参数包括发射用的阵元位置、阵元数量和超声波束发射参数(例如幅度、频率、发射次数、发射间隔、发射角度、波型、聚焦位置等)。某些情况下,发射控制电路410还用于对发射的波束进行相位延迟,使不同的发射阵元按照不同的时间发射超声波,以便各发射超声波束能够在预定的感兴趣区域聚焦。不同的工作模式,例如B图像模式、C图像模式和D图像模式(多普勒模式),发射序列参数可能不同,回波信号经接收控制电路420接收并经后续的模块和相应算法处理后,可生成反映组织解剖结构的B图像、反映组织解剖结构和血流信息的C图像以及反映多普勒频谱图像的D图像。
接收控制电路420用于从超声探头接收超声回波信号,并对超声回波信号进行处理。接收控制电路420可以包括一个或多个放大器、模数转换器(ADC)等。放大器用于在适当增益补偿之后放大所接收到的回波信号,放大器用于对模拟回波信号按预定的时间间隔进行采样,从而转换成数字化的信号,数字化后的回波信号依然保留有幅度信息、频率信息和相位信息。接收控制电路420输出的数据可输出给波束合成模块50进行处理,或输出给存储器80进行存储。
波束合成模块50和接收控制电路420信号相连,用于对回波信号进行相应的延时和加权求和等波束合成处理,由于被测组织中的超声波接收点到接收阵元的距离不同,因此,不同接收阵元输出的同一接收点的通道数据具有延时差异,需要进行延时处理,将相位对齐,并将同一接收点的不同通道数据进行加权求和,得到波束合成后的超声图像数据,波束合成模块50输出的超声图像数据也称为射频数据(RF数据)。波束合成模块50将射频数据输出至IQ解调模块60。在有的实施例中,波束合成模块50也可以将射频数据输出至存储器80进行缓存或保存,或将射频数据直接输出至处理器20进行图像处理。
波束合成模块50可以采用硬件、固件或软件的方式执行上述功能,例如,波束合成模块50可以包括能够根据特定逻辑指令处理输入数据的中央控制器电路(CPU)、一个或多个微处理芯片或其他任何电子部件,当波束合成模块50采用软件方式实现时,其可以执行存储在有形和非暂态计算机可读介质(例如,存储器)上的指令,以使用任何适当波束合成方法进行波束合成计算。
IQ解调模块60通过IQ解调去除信号载波,提取信号中包含的组织结构信息,并进行滤波去除噪声,此时获取的信号称为基带信号(IQ数据对)。IQ解调模块60将IQ数据对输出至处理器20进行图像处理。
在有的实施例中,IQ解调模块60还将IQ数据对输出至存储器80进行缓存或保存,以便处理器20从存储器80中读出数据进行后续的图像处理。
IQ解调模块60也可以采用硬件、固件或软件的方式执行上述功能,在有的实施例中,IQ解调模块60还可以和波束合成模块50集成在一个芯片中。
处理器20用于配置成能够根据特定逻辑指令处理输入数据的中央控制器电路(CPU)、一个或多个微处理器、图形控制器电路(GPU)或其他任何电子部件,其可以根据输入的指令或预定的指令对外围电子部件执行控制,或对存储器80执行数据读取和/或保存,也可以通过执行存储器80中的程序对输入数据进行处理,例如根据一个或多个工作模式对采集的超声数据执行一个或多个处理操作,处理操作包括但不限于调整或限定超声探头30发出的超声波的形式,生成各种图像帧以供后续人机交互装置70的显示器进行显示,或者调整或限定在显示器上显示的内容和形式,或者调整在显示器上显示的一个或多个图像显示设置(例如超声图像、界面组件、定位感兴趣区域)。
接收到回波信号时,所采集的超声数据可由处理器20在扫描或治疗期间实时地处理,也可以临时存储在存储器80上,并且在联机或离线操作中以准实时的方式进行处理。
本实施例中,处理器20控制发射控制电路410和接收控制电路420的工作,例如控制发射控制电路410和接收控制电路420交替工作或同时工作。处理器20还可根据用户的选择或程序的设定确定合适的工作模式,形成与当前工作模式对应的发射序列,并将发射序列发送给发射控制电路410,以便发射控制电路410采用合适的发射序列控制超声探头30发射超声波。
处理器20还用于对超声数据进行处理,以生成扫描范围内的信号强弱变化的灰度图像,该灰度图像反映组织内部的解剖结构,称为B图像。处理器20可以将B图像输出至人机交互装置70的显示器进行显示。
人机交互装置70用于进行人机交互,即接收用户的输入和输出可视化信息;其接收用户的输入可采用键盘、操作按钮、鼠标、轨迹球等,也可以采用与显示器集成在一起的触控屏;其输出可视化信息可以采用显示器。
请参阅图4,处理器20包括胎心定位单元210、胎心图像处理单元220、周期检测单元230、心肌描记单元240、运动跟踪单元250和定量分析单元260。基于图3和图4所示的超声诊断设备,胎儿图像的处理流程如图5所示,包括以下步骤:
步骤1.1、发射/接收控制电路40控制超声探头30向生物组织内的目标区域发射超声波并接收所述超声波的回波,获得超声回波信号。本实施例需要采集胎儿的超声图像,故超声探头30向胎儿发射超声波并接收所述超声波的回波,获得超声回波信号。
步骤1.2、处理器20根据该回波信号生成胎儿的超声图像,超声图像包含连续的超声图像帧,即超声图像为胎儿的图像帧序列,该连续的超声图像帧时间跨度至少超过一个心动周期。本实施例中,该超声图像为B图像,在其他实施例中,可以是解剖M图像。当然,在其他实施例中,处理器20可以从存储器80中获取胎儿的超声图像。
步骤2’、胎心定位单元210根据超声图像确定图像中的胎心区域,并确定胎心区域的大小或者胎心区域中胎心的大小。此过程可采用深度学习算法实现。例如,可以基于深度学习方法,通过深度学习训练事先获得胎心识别模型,工作时,将获得的前述超声图像输入该胎心识别模型中,该胎心识别模型即可输出胎心区域。通俗的说,利用大量数据对标记好的胎心位置进行学习,通过目标检测算法定位胎心区域,其中,采用的目标检测算法包括FasterRCNN算法等。或者,此过程也可以通过特征匹配的方法实现。例如,可以计算超声图像的至少一个特征指标,将特征指标输入预先建立的超声图像的特征指标与胎心区域对应关系的模型函数,得到对应的胎心区域。
步骤3’、胎心图像处理单元220对胎心区域的图像的分辨率和/或对比度进行优化处理,得到胎心图像。优化处理可以单独采用前端处理或后端处理,也可以前端处理和后端处理都采用。前端处理为:胎心图像处理单元220通过超声探头30提高超声扫查时胎心区域对应的线密度,从而提高了胎心区域的图像分辨率,便于后续步骤中对提高了分辨率的图像的胎心区域进行处理。后端处理为图像处理,例如,胎心图像处理单元220对超声图像的胎心区域采用图像插值的方式进行放大,以提高胎心区域的分辨率;对超声图像的胎心区域采用图像去噪算法滤除噪声,以提高心腔、心肌的对比度。胎心区域优化后,后续只用针对图像的胎心区域进行处理即可,即,将优化处理后的胎心区域截取出来,得到胎心图像。由于胎心图像是从超声图像中截取出来的,因此胎心图像也包含了连续多帧图像。由于分辨率提高,胎心图像可方便的进行放大,对比度高便于图像识别,因此,胎心图像可像成人心脏那样进行心脏运动分析,不仅方便而且准确性好。因胎心相对于成人心脏而言很小,现有技术无法直接对包含胎心的超声图像进行处理,而本发明通过对胎心区域的图像进行优化处理,解决了这一难题,使得后续步骤中得到的心动周期、运动参数的准确性能满足临床要求。
步骤4’、周期检测单元230根据胎心图像中的连续多帧图像确定胎心的心动周期。例如,计算每帧超声图像帧与特定帧之间的相关性,得到相关性曲线,相邻的峰值之间的时间间隔为一个心动周期。相邻的峰值可由周期检测单元230自动识别,也可根据用户输入的选定指令确定。特定帧为超声图像中的某一帧,用做比较的基准。即,先从超声图像中选取一帧图像作为特定帧,之后计算每帧超声图像帧与该特定帧之间的相关性。本实施例中,特定帧为心腔最大的一帧,选取心腔最大的超声图像帧作为特定帧,图像特征明显,相关性计算更准确。相关性可以采用互相关或相关系数来表征,先从超声图像中选取心腔最大的超声图像帧,之后计算每帧超声图像帧与心腔最大的超声图像帧的相关参数,并将各个相关参数按时间顺序在图表中体现,得到相关参数曲线(如图6所示,横轴为时间,纵轴为相关参数),相邻的峰值Max之间对应的时间间隔为一个心动周期T,即相邻两个相关参数的极大值之间为一个心动周期T。当然,在有的实施例中,还可以选取图6中相邻波谷之间的时间间隔为一个心动周期T。当然心动周期还可以采用其他方式检测得到,例如,胎儿的超声图像采用解剖M图像,通过检测各解剖M图像帧的心室内径,得到心室内径的变化,检测相对最大内径,相邻的相对最大内径对应的解剖M图像帧之间的时间间隔为一个心动周期。内径的变化同样是波形曲线,因此,对应波形曲线的峰值即为相对最大内径。如此实现了心动周期测量的自动化。周期检测单元230在得到心动周期后,在人机交互装置70的显示器上显示,并通过显示界面提示用户是否接受当前检测到的心动周期,若用户接受则进入步骤5’,若用户不接受,则接收用户的修改指令,以修改心动周期。如此设置,便于用户进行手动干预或者手动测量,应用场景广。
步骤5’、处理器20根据心动周期对胎心图像进行检测,得到胎心的运动参数,运动参数包括心肌的速度、位移、应变和应变率等参数。进一步的,步骤5’包括如下步骤:
步骤5.1、心肌描记单元240在至少一个心动周期内,对胎心图像的心肌进行描记。心肌描记可通过图像分割算法自动或半自动获得。全自动的图像分割算法可以采用U-net等深度学习算法实现。也可采用半自动方法,通常根据用户输入的瓣环-心尖三点位置进一步检测边缘得到。边缘检测可根据检测最大梯度位置得到。心肌描记单元240在对胎心图像的心肌进行描记后,通过所述显示器在胎心图像上显示描记区域,并通过显示界面提示用户是否接受当前的描记区域,若用户接受则进入步骤5.2,若用户不接受,则接收用户的修改指令,以修改描记区域。如此设置,便于用户进行手动干预,保障了描记的准确性。当然,在最后一帧胎心图像完成跟踪后,还可以通过显示界面提示用户已完成跟踪,是否接受,若用户接受则进入步骤5.2,若用户不接受,则接收用户的修改指令,以修改描记区域,进而重新跟踪。
步骤5.2、运动跟踪单元250采用斑点跟踪技术对描记的心肌进行运动跟踪,并由定量分析单元260进行定量分析,得到心肌的速度、位移、应变和应变率中的至少一种,并根据得到的这些胎心运动参数进行心功能评估,例如进行心功能分级。其中,运动跟踪单元250采用斑点跟踪技术对描记的心肌进行运动跟踪可以采用如下方式:运动跟踪算法基于斑点跟踪原理,通过块匹配(block matching)和/或光流法等算法实现对心肌的运动跟踪,并且根据胎心区域的大小或胎心大小,调节跟踪参数(如块大小,搜索范围等),以取得最优的跟踪效果。斑点跟踪技术是跟踪同一超声斑点在二维B型超声图像中的位置,从而确定对应的心肌组织的位置变化关系。当组织的运动位移和形变较小时,可以近似认为该组织的散斑模式保持固定,因此可以在B超图像中通过跟踪该特定斑点的运动来实现对该特定组织的运动跟踪和定量测量。定量分析单元260利用斑点追踪技术可以对胎心各部分的运动进行精确定量分析,通过对胎心不同位置(心内膜,心外膜,心肌层)上的超声斑点进行跟踪,可以获得超声斑点对应组织结构的运动情况,如速度、位移、形变等,通过这些信息可以定量分析胎心组织的生理学特性。斑点追踪技术可以通过准确测量胎心的运动情况计算胎心不同部位上的运动参数,为用户提供临床参考。
当前如果有针对超声图像中的心肌进行运动跟踪的方式,那也是针对成人心脏而言的,并不适用于本发明胎心的心肌,而本发明依据胎心大小调整跟踪参数,在之前已提高了图像分辨率、对比度的基础上,很好的解决了胎心无法跟踪的问题,跟踪效果好。定量分析单元260通过运动跟踪单元250的跟踪结果,确定每帧胎心图像之间心肌的位移,然后可以基于此得到心肌的速度、位移、应变和应变率等参数;由此实现了胎心运动参数的自动化测量,其可自动选择并优化胎心区域,减少了医生的手动操作,提高了胎心运动分析的效率和准确度。
步骤6’、处理器20通过人机交互装置70,在显示器上显示超声图像、胎心的运动参数和心动周期。
综上所述,本发明提供的超声诊断设备,医生只需采集胎儿的超声图像,即可在显示器上得到超声图像、胎心的运动参数和心动周期等,操作简单,无需医生手动计算,提高了医生进行胎心运动分析的效率。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
本文参照了各种示范实施例进行说明。然而,本领域的技术人员将认识到,在不脱离本文范围的情况下,可以对示范性实施例做出改变和修正。例如,各种操作步骤以及用于执行操作步骤的组件,可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。
另外,如本领域技术人员所理解的,本文的原理可以反映在计算机可读存储介质上的计算机程序产品中,该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用,包括磁存储设备(硬盘、软盘等)、光学存储设备(CD-ROM、DVD、Blu Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器,使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中,该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行,这样存储在计算机可读存储器中的指令就可以形成一件制造品,包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上,从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程,使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。
虽然在各种实施例中已经示出了本文的原理,但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。
前述具体说明已参照各种实施例进行了描述。然而,本领域技术人员将认识到,可以在不脱离本披露的范围的情况下进行各种修正和改变。因此,对于本披露的考虑将是说明性的而非限制性的意义上的,并且所有这些修改都将被包含在其范围内。同样,有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而,益处、优点、问题的解决方案以及任何能产生这些的要素,或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体,皆属于非排他性包含,这样包括要素列表的过程、方法、文章或设备不仅包括这些要素,还包括未明确列出的或不属于该过程、方法、系统、文章或设备的其他要素。此外,本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。
具有本领域技术的人将认识到,在不脱离本发明的基本原理的情况下,可以对上述实施例的细节进行许多改变。因此,本发明的范围应根据以下权利要求确定。
Claims (32)
1.一种胎儿图像的处理方法,其特征在于,包括:
向生物组织内的目标区域发射超声波,并接收所述超声波的回波,获得超声回波信号;
根据所述回波信号生成胎儿的超声图像,所述超声图像包含连续的超声图像帧;
根据所述超声图像确定图像中的胎心区域;
对所述胎心区域的图像的分辨率和/或对比度进行优化处理,得到胎心图像;
根据所述胎心图像中的连续多帧图像确定胎心的心动周期;
根据所述心动周期对所述胎心图像进行检测,得到所述胎心的运动参数。
2.如权利要求1所述的方法,其特征在于,根据所述超声图像确定图像中的胎心区域包括:
使用深度学习方法根据所述超声图像确定图像中的胎心区域;或者
计算所述超声图像的至少一个特征指标,将所述特征指标输入预先建立的胎儿超声图像的特征指标与胎心区域对应关系的模型函数,得到对应的胎心区域。
3.如权利要求1所述的方法,其特征在于,对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
对所述超声图像的胎心区域采用图像插值的方式进行放大,以提高所述胎心区域的分辨率;和/或,
对所述超声图像的胎心区域采用图像去噪算法滤除噪声,以提高心腔、心肌的对比度。
4.如权利要求1所述的方法,其特征在于,对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
提高超声扫查时所述胎心区域对应的线密度。
5.如权利要求1所述的方法,其特征在于,根据所述胎心图像中的连续多帧图像确定胎心的心动周期包括:
计算每帧超声图像帧与特定帧之间的相关性,得到相关性曲线,相邻的峰值之间的时间间隔为一个心动周期;或者,
检测所述胎心图像中的连续多帧图像中心室内径的变化,检测相对最大内径,相邻的相对最大内径对应的图像帧之间的时间间隔为一个心动周期。
6.如权利要求1所述的方法,其特征在于,根据所述心动周期对所述胎心图像进行检测,得到所述胎心的运动参数包括:
在至少一个心动周期内,对所述胎心图像的心肌进行描记;
对描记的心肌进行运动跟踪并进行定量分析,得到心肌的速度、位移、应变、应变率中的至少一种。
7.如权利要求6所述的方法,其特征在于,对描记的心肌进行运动跟踪包括:
对描记的心肌进行运动跟踪,根据所述胎心区域的大小调节跟踪参数。
8.一种胎儿图像的处理方法,其特征在于,包括:
获取连续多帧胎儿图像;
根据所述连续多帧胎儿图像确定胎儿图像中的胎心区域;
对所述胎心区域的图像的分辨率和/或对比度进行优化处理,得到连续多帧胎心图像;
根据所述连续多帧胎心图像确定胎心的心动周期。
9.如权利要求1所述的方法,其特征在于还包括:
根据所述心动周期对所述连续多帧胎心图像进行检测,得到所述胎心的运动参数。
10.如权利要求1所述的方法,其特征在于,根据所述连续多帧胎儿图像确定胎儿图像中的胎心区域包括:
使用深度学习方法根据所述超声图像确定图像中的胎心区域;或者
计算所述胎儿图像的至少一个特征指标,将所述特征指标输入预先建立的胎儿图像的特征指标与胎心区域对应关系的模型函数,得到对应的胎心区域。
11.如权利要求1所述的方法,其特征在于,对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
对所述连续多帧胎儿图像的胎心区域采用图像插值的方式进行放大,以提高所述胎心区域的分辨率;和/或,
对所述连续多帧胎儿图像的胎心区域采用图像去噪算法滤除噪声,以提高心腔、心肌的对比度。
12.如权利要求1所述的方法,其特征在于,获取连续多帧胎儿图像包括:
对胎儿进行超声扫查,向胎儿发射超声波并接收超声回波,获得连续的超声图像帧;
对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:提高超声扫查时所述胎心区域对应的线密度。
13.如权利要求1所述的方法,其特征在于,根据所述连续多帧胎心图像确定胎心的心动周期包括:
计算每帧胎心图像与特定帧之间的相关性,得到相关性曲线,相邻的峰值之间的时间间隔为一个心动周期;或者,
检测所述连续多帧胎心图像中心室内径的变化,检测相对最大内径,相邻的相对最大内径对应的图像帧之间的时间间隔为一个心动周期。
14.如权利要求9所述的方法,其特征在于,根据所述心动周期对所述连续多帧胎心图像进行检测,得到所述胎心的运动参数包括:
在至少一个心动周期内,对所述胎心图像的心肌进行描记;
对描记的心肌进行运动跟踪并进行定量分析,得到心肌的速度、位移、应变、应变率中的至少一种。
15.如权利要求14所述的方法,其特征在于,对描记的心肌进行运动跟踪包括:
对描记的心肌进行运动跟踪,根据所述胎心区域的大小调节跟踪参数。
16.如权利要求1所述的方法,其特征在于,连续多帧胎儿图像为胎儿连续的超声图像帧。
17.一种超声诊断设备,其特征在于,包括:
超声探头,用于向胎儿发射超声波,并接收所述超声波的回波;
发射/接收控制电路,用于控制超声探头向胎儿发射超声波并接收所述超声波的回波;
处理器,用于根据所述超声波的回波生成胎儿的超声图像或者从存储介质读取胎儿的超声图像,所述超声图像包括连续的超声图像帧;根据所述胎儿的超声图像确定超声图像中的胎心区域;对所述胎心区域的图像的分辨率和/或对比度进行优化处理,得到胎心图像;根据所述胎心图像中的连续多帧图像确定胎心的心动周期;根据所述心动周期对所述胎心图像进行检测,得到所述胎心的运动参数。
18.如权利要求17所述的超声诊断设备,其特征在于,处理器根据所述超声图像确定图像中的胎心区域包括:
使用深度学习方法根据所述超声图像确定图像中的胎心区域;或者
计算所述超声图像的至少一个特征指标,将所述特征指标输入预先建立的胎儿超声图像的特征指标与胎心区域对应关系的模型函数,得到对应的胎心区域。
19.如权利要求17所述的超声诊断设备,其特征在于,处理器对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
对所述超声图像的胎心区域采用图像插值的方式进行放大,以提高所述胎心区域的分辨率;和/或,
对所述超声图像的胎心区域采用图像去噪算法滤除噪声,以提高心腔、心肌的对比度。
20.如权利要求17所述的超声诊断设备,其特征在于,处理器对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
提高超声探头在超声扫查时所述胎心区域对应的线密度。
21.如权利要求17所述的超声诊断设备,其特征在于,处理器根据所述胎心图像中的连续多帧图像确定胎心的心动周期包括:
计算每帧超声图像帧与特定帧之间的相关性,得到相关性曲线,相邻的峰值之间的时间间隔为一个心动周期;或者,
检测所述胎心图像中的连续多帧图像中心室内径的变化,检测相对最大内径,相邻的相对最大内径对应的图像帧之间的时间间隔为一个心动周期。
22.如权利要求17所述的超声诊断设备,其特征在于,处理器根据所述心动周期对所述胎心图像进行检测,得到所述胎心的运动参数包括:
在至少一个心动周期内,对所述胎心图像的心肌进行描记;
对描记的心肌进行运动跟踪并进行定量分析,得到心肌的速度、位移、应变、应变率中的至少一种。
23.如权利要求22所述的超声诊断设备,其特征在于,处理器对描记的心肌进行运动跟踪包括:
对描记的心肌进行运动跟踪,根据所述胎心区域的大小调节跟踪参数。
24.一种医学图像处理终端,其特征在于,包括:
通信接口;
处理器,用于通过所述通信接口得到连续多帧胎儿图像;根据所述连续多帧胎儿图像确定胎儿图像中的胎心区域;对所述胎心区域的图像的分辨率和/或对比度进行优化处理,得到连续多帧胎心图像;根据所述连续多帧胎心图像确定胎心的心动周期。
25.如权利要求24所述的处理终端,其特征在于,所述处理器还用于根据所述心动周期对所述连续多帧胎心图像进行检测,得到所述胎心的运动参数。
26.如权利要求24所述的处理终端,其特征在于,所述处理器根据所述连续多帧胎儿图像确定胎儿图像中的胎心区域包括:
使用深度学习方法根据所述超声图像确定图像中的胎心区域;或者
计算所述胎儿图像的至少一个特征指标,将所述特征指标输入预先建立的胎儿图像的特征指标与胎心区域对应关系的模型函数,得到对应的胎心区域。
27.如权利要求24所述的处理终端,其特征在于,所述处理器对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:
对所述连续多帧胎儿图像的胎心区域采用图像插值的方式进行放大,以提高所述胎心区域的分辨率;和/或,
对所述连续多帧胎儿图像的胎心区域采用图像去噪算法滤除噪声,以提高心腔、心肌的对比度。
28.如权利要求24所述的处理终端,其特征在于,
所述处理器还用于通过通信接口接收超声回波信号,根据所述超声回波信号生成连续多帧胎儿图像;所述超声回波信号由与所述通信接口连接的超声探头向胎儿发射超声波,所述超声波返回后通过接收得到;
所述处理器对所述胎心区域的图像的分辨率和/或对比度进行优化处理包括:通过所述超声探头提高超声扫查时所述胎心区域对应的线密度。
29.如权利要求24所述的处理终端,其特征在于,所述处理器根据所述连续多帧胎心图像确定胎心的心动周期包括:
计算每帧胎心图像与特定帧之间的相关性,得到相关性曲线,确定相邻的峰值之间的时间间隔为一个心动周期;或者,
检测所述连续多帧胎心图像中心室内径的变化,检测相对最大内径,确定相邻的相对最大内径对应的图像帧之间的时间间隔为一个心动周期。
30.如权利要求25所述的处理终端,其特征在于,所述处理器根据所述心动周期对所述连续多帧胎心图像进行检测,得到所述胎心的运动参数:
在至少一个心动周期内,对所述胎心图像的心肌进行描记;
对描记的心肌进行运动跟踪并进行定量分析,得到心肌的速度、位移、应变、应变率中的至少一种并输出。
31.如权利要求30所述的处理终端,其特征在于,所述处理器对描记的心肌进行运动跟踪包括:对描记的心肌进行运动跟踪,根据所述胎心区域的大小调节跟踪参数。
32.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-16中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910593043.8A CN112168210B (zh) | 2019-07-03 | 2019-07-03 | 医学图像处理终端、超声诊断设备和胎儿图像的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910593043.8A CN112168210B (zh) | 2019-07-03 | 2019-07-03 | 医学图像处理终端、超声诊断设备和胎儿图像的处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112168210A true CN112168210A (zh) | 2021-01-05 |
CN112168210B CN112168210B (zh) | 2024-04-16 |
Family
ID=73914868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910593043.8A Active CN112168210B (zh) | 2019-07-03 | 2019-07-03 | 医学图像处理终端、超声诊断设备和胎儿图像的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112168210B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116013520A (zh) * | 2022-12-27 | 2023-04-25 | 上海市第一妇婴保健院 | 预测发育性协调障碍的方法、装置及电子设备 |
EP4226863A1 (en) * | 2022-02-15 | 2023-08-16 | Koninklijke Philips N.V. | Fetal heart rate monitoring |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005000427A (ja) * | 2003-06-12 | 2005-01-06 | Ge Medical Systems Global Technology Co Llc | 超音波撮影装置および超音波撮影方法 |
JP2005087636A (ja) * | 2003-09-19 | 2005-04-07 | Matsushita Electric Ind Co Ltd | 超音波診断装置 |
JP2006234798A (ja) * | 2005-01-31 | 2006-09-07 | Satoru Fujisawa | 卵観察装置及び卵子診断方法。 |
US20080009735A1 (en) * | 2006-07-05 | 2008-01-10 | Aloka Co., Ltd. | Ultrasound diagnosis apparatus |
CN102188263A (zh) * | 2010-03-01 | 2011-09-21 | 国立大学法人山口大学 | 超声波诊断装置 |
US20110262018A1 (en) * | 2010-04-27 | 2011-10-27 | MindTree Limited | Automatic Cardiac Functional Assessment Using Ultrasonic Cardiac Images |
CN102436672A (zh) * | 2010-08-25 | 2012-05-02 | 日立阿洛卡医疗株式会社 | 超声波图像处理装置 |
US20130253319A1 (en) * | 2012-03-23 | 2013-09-26 | Ultrasound Medical Devices, Inc. | Method and system for acquiring and analyzing multiple image data loops |
CN103747742A (zh) * | 2011-04-14 | 2014-04-23 | 明尼苏达大学评议会 | 使用超声成像的脉管表征 |
CN105096303A (zh) * | 2014-05-14 | 2015-11-25 | 深圳先进技术研究院 | 一种基于边界引导的影像插值方法 |
WO2017073158A1 (ja) * | 2015-10-30 | 2017-05-04 | 株式会社日立製作所 | 超音波診断装置 |
JP2017104248A (ja) * | 2015-12-09 | 2017-06-15 | 株式会社日立製作所 | 超音波診断装置 |
WO2017221751A1 (ja) * | 2016-06-20 | 2017-12-28 | 株式会社日立製作所 | 超音波診断装置 |
WO2018195874A1 (zh) * | 2017-04-27 | 2018-11-01 | 深圳迈瑞生物医疗电子股份有限公司 | 一种胎心超声检测方法及超声成像系统 |
-
2019
- 2019-07-03 CN CN201910593043.8A patent/CN112168210B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005000427A (ja) * | 2003-06-12 | 2005-01-06 | Ge Medical Systems Global Technology Co Llc | 超音波撮影装置および超音波撮影方法 |
JP2005087636A (ja) * | 2003-09-19 | 2005-04-07 | Matsushita Electric Ind Co Ltd | 超音波診断装置 |
JP2006234798A (ja) * | 2005-01-31 | 2006-09-07 | Satoru Fujisawa | 卵観察装置及び卵子診断方法。 |
US20080009735A1 (en) * | 2006-07-05 | 2008-01-10 | Aloka Co., Ltd. | Ultrasound diagnosis apparatus |
CN102188263A (zh) * | 2010-03-01 | 2011-09-21 | 国立大学法人山口大学 | 超声波诊断装置 |
US20110262018A1 (en) * | 2010-04-27 | 2011-10-27 | MindTree Limited | Automatic Cardiac Functional Assessment Using Ultrasonic Cardiac Images |
CN102436672A (zh) * | 2010-08-25 | 2012-05-02 | 日立阿洛卡医疗株式会社 | 超声波图像处理装置 |
CN103747742A (zh) * | 2011-04-14 | 2014-04-23 | 明尼苏达大学评议会 | 使用超声成像的脉管表征 |
US20130253319A1 (en) * | 2012-03-23 | 2013-09-26 | Ultrasound Medical Devices, Inc. | Method and system for acquiring and analyzing multiple image data loops |
CN105096303A (zh) * | 2014-05-14 | 2015-11-25 | 深圳先进技术研究院 | 一种基于边界引导的影像插值方法 |
WO2017073158A1 (ja) * | 2015-10-30 | 2017-05-04 | 株式会社日立製作所 | 超音波診断装置 |
JP2017104248A (ja) * | 2015-12-09 | 2017-06-15 | 株式会社日立製作所 | 超音波診断装置 |
WO2017221751A1 (ja) * | 2016-06-20 | 2017-12-28 | 株式会社日立製作所 | 超音波診断装置 |
WO2018195874A1 (zh) * | 2017-04-27 | 2018-11-01 | 深圳迈瑞生物医疗电子股份有限公司 | 一种胎心超声检测方法及超声成像系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4226863A1 (en) * | 2022-02-15 | 2023-08-16 | Koninklijke Philips N.V. | Fetal heart rate monitoring |
WO2023156243A1 (en) * | 2022-02-15 | 2023-08-24 | Koninklijke Philips N.V. | Fetal heart rate monitoring |
CN116013520A (zh) * | 2022-12-27 | 2023-04-25 | 上海市第一妇婴保健院 | 预测发育性协调障碍的方法、装置及电子设备 |
CN116013520B (zh) * | 2022-12-27 | 2023-11-17 | 上海市第一妇婴保健院 | 预测发育性协调障碍的方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112168210B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4831465B2 (ja) | 超音波検出指標に基づいた超音波収集の最適化 | |
US8597191B2 (en) | Ultrasonic imaging apparatus and a method of generating ultrasonic images | |
CN110192893B (zh) | 量化超声成像的感兴趣区域放置 | |
CN113679425B (zh) | 一种超声弹性检测方法及其系统 | |
US20130281855A1 (en) | Ultrasound diagnosis apparatus and controlling method therefor | |
US20110087094A1 (en) | Ultrasonic diagnosis apparatus and ultrasonic image processing apparatus | |
JP2013188478A (ja) | 医学診断用超音波イメージングを用いた圧容積 | |
WO2021042298A1 (zh) | 一种vti测量装置及方法 | |
US20110092819A1 (en) | Ultrasonic diagnosis apparatus and ultrasoinc data acquisition method | |
JP4870449B2 (ja) | 超音波診断装置及び超音波画像処理方法 | |
US10624608B2 (en) | Ultrasonic diagnostic apparatus | |
US20160367223A1 (en) | Ultrasonic diagnostic apparatus and control method | |
CN112168210B (zh) | 医学图像处理终端、超声诊断设备和胎儿图像的处理方法 | |
CN115770062A (zh) | 一种超声波数据的处理方法、成像装置 | |
JP2009039277A (ja) | 超音波診断装置 | |
CN112932537A (zh) | 一种超声成像设备、脉搏波成像方法 | |
CN112932540A (zh) | 一种超声成像设备和脉搏波成像方法 | |
JP5299961B2 (ja) | 超音波診断装置、画像処理装置及び超音波診断装置の制御プログラム | |
US20230086624A1 (en) | Ultrasound imaging device and method for detecting peristalsis of endometrium | |
CN115844452A (zh) | 一种脉搏波检测方法、装置和存储介质 | |
US11642098B2 (en) | Ultrasonic imaging apparatus and method of controlling the same | |
US20210321974A1 (en) | Quantitative analysis method for cardiac motion, and ultrasonic system | |
JP2008104640A (ja) | 超音波診断装置、心拍同期信号生成装置及び心拍同期信号生成方法 | |
CN114376614B (zh) | 颈动脉超声测量的辅助方法及超声设备 | |
CN114271850B (zh) | 超声检测数据的处理方法及超声检测数据的处理装置 |
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 |