CN112215769B - 一种超声图像处理方法、装置及超声设备和存储介质 - Google Patents

一种超声图像处理方法、装置及超声设备和存储介质 Download PDF

Info

Publication number
CN112215769B
CN112215769B CN202011074817.5A CN202011074817A CN112215769B CN 112215769 B CN112215769 B CN 112215769B CN 202011074817 A CN202011074817 A CN 202011074817A CN 112215769 B CN112215769 B CN 112215769B
Authority
CN
China
Prior art keywords
image
target point
neck
transparent layer
roi
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
Application number
CN202011074817.5A
Other languages
English (en)
Other versions
CN112215769A (zh
Inventor
杨敏
刘德清
蒙泉宗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sonoscape Medical Corp
Original Assignee
Sonoscape Medical Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sonoscape Medical Corp filed Critical Sonoscape Medical Corp
Priority to CN202011074817.5A priority Critical patent/CN112215769B/zh
Publication of CN112215769A publication Critical patent/CN112215769A/zh
Application granted granted Critical
Publication of CN112215769B publication Critical patent/CN112215769B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本申请公开了一种超声图像处理方法、装置及超声设备和介质，该方法包括：获取包含胎儿颈项透明层的待处理超声图像；接收针对颈项透明层选择的目标点，根据目标点在待处理超声图像中自动截取ROI区域；对截取的ROI区域进行增强处理，得到增强处理后的ROI区域图像；基于目标点的位置在ROI区域图像中确定颈项透明层的上下边界，提取颈项透明层图像。本申请在获取到待处理超声图像之后，可根据选择的目标点在待处理超声图像中截取ROI区域，进而在增强处理后的ROI区域图像中确定颈项透明层的上下边界，以提取颈项透明层图像，避免了手动拖动ROI框的复杂操作，通过对ROI区域进行增强处理，能够使颈项透明层图像的提取更加准确。

Description

一种超声图像处理方法、装置及超声设备和存储介质
技术领域
本申请涉及医学图像处理技术领域，更具体地说，涉及一种超声图像处理方法、装置及一种超声设备和一种计算机可读存储介质。
背景技术
颈项透明层(Nuchal Translucency，NT)是指胎儿颈后皮下组织内积液处，颈项透明层厚度的测定对临床具有重要意义，胎儿NT增厚，是染色体异常、多种胎儿畸形及遗传综合症的常见表现。胎儿NT值的增厚对胎儿异常有较高的敏感性，因此NT超声检查技术是在早孕期产前筛查胎儿异常的首选方法，特别是在胎儿染色体异常的筛查中占有相当重要的地位。早孕期NT测量在检出胎儿异常方面有很重要的临床诊断价值，有利于指导胎儿预后，提高优生优育。
现有提取颈项透明层的技术方案主要有如下几种：医生手动在颈项透明层积液区的上下边缘描点，这种方式下，即使医生手动选取了颈项透明层积液区所在的位置，由于医生选取的胎儿面部超声图像切面所包含的颈项透明层边缘不是很清晰，提取时仍然不稳定，容易出现提取错误或者提取不出来的情况；或者医生手动拖动鼠标，以选取包含颈项透明层积液区域的ROI矩形框，然后采用分割算法提取颈项透明层，这种方式下，需要拖动ROI框的左上角和右下角两个点得到感兴趣区域，操作不方便，耗时较长。
因此，如何解决上述问题是本领域技术人员需要重点关注的。
发明内容
本申请的目的在于提供一种超声图像处理方法、装置及一种超声设备和一种计算机可读存储介质，能够使颈项透明层图像的提取更加准确。
为实现上述目的，本申请提供了一种超声图像处理方法，包括：
获取包含胎儿颈项透明层的待处理超声图像；
接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；
对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；
基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，提取得到颈项透明层图像。
可选的，在所述接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域之后，还包括：
对截取到的ROI区域进行二值化处理，得到处理后图像；
根据所述处理后图像中非零像素点的集合确定重心点坐标；
根据所述重心点的坐标对所述目标点进行修正，以便根据修正后的目标点确定初始水平集轮廓线。
可选的，所述基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，包括：
基于所述修正后的目标点的位置，利用水平集分割算法对所述初始水平集轮廓线进行迭代演化，得到所述颈项透明层的最终轮廓；
对所述最终轮廓进行拆分，确定所述颈项透明层的上下边界。
可选的，所述对所述最终轮廓进行拆分，确定所述颈项透明层的上下边界，包括：
确定所述最终轮廓的最小外接矩形；
根据所述最小外接矩形的中轴线将所述最终轮廓拆分为所述颈项透明层的上下边界，并对上下边界分别进行重新拟合插值，以对上下边界进行平滑处理。
可选的，所述基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界之后，还包括：
基于得到的所述上下边界沿所述中轴线的垂直方向得到所述颈项透明层的厚度。
可选的，所述基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界之后，还包括：
利用预设视觉元素对所述上下边界进行可视化标识，并在所述颈项透明层图像中进行显示。
可选的，所述对截取到的ROI区域进行增强处理，包括：
基于局部排序比较赋值算法对截取到的ROI区域进行增强处理。
可选的，所述基于局部排序比较赋值算法对截取到的ROI区域进行增强处理，包括：
利用核模板在所述ROI区域上滑动，计算当前中心像素值的周围像素值的均值，所述中心像素值为所述核模板滑动中心所在位置的像素值；
根据所述当前中心像素值与所述均值的大小关系对所述中心像素值进行赋值操作。
可选的，在所述对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像之后，还包括：
对增强处理后的ROI区域图像和初始截取到的ROI区域图像进行加权叠加，得到叠加后ROI区域图像；
相应的，所述基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，包括：
基于所述目标点的位置在所述叠加后ROI区域图像中确定所述颈项透明层的上下边界。
为实现上述目的，本申请提供了一种超声图像处理装置，包括：
图像获取模块，用于获取包含胎儿颈项透明层的待处理超声图像；
ROI截取模块，用于接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；
增强处理模块，用于对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；
边界确定模块，用于基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，提取得到颈项透明层图像。
为实现上述目的，本申请提供了一种超声设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现前述公开的任一种超声图像处理方法的步骤。
为实现上述目的，本申请提供了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计算机程序，所述计算机程序被处理器执行时实现前述公开的任一种超声图像处理方法的步骤。
通过以上方案可知，本申请提供的一种超声图像处理方法，包括：获取包含胎儿颈项透明层的待处理超声图像；接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，提取得到颈项透明层图像。由上可知，本申请在获取到待处理超声图像之后，可以接收针对颈项透明层手动选择的目标点，并根据选择的目标点在待处理超声图像中自动截取ROI区域，对其进行增强处理，进而在增强处理后的ROI区域图像中确定颈项透明层的上下边界，以提取颈项透明层图像，避免了手动拖动ROI框的复杂操作，同时，通过对ROI区域进行增强处理，提高确定颈项透明层边界的准确率，能够使颈项透明层图像的提取更加准确。
本申请还公开了一种超声图像处理装置及一种超声设备和一种计算机可读存储介质，同样能实现上述技术效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种超声图像处理方法的流程图；
图2为本申请实施例公开的另一种超声图像处理方法的流程图；
图3、图4为本申请实施例公开的一种具体的确定颈项透明层上下边界的示意图；
图5为本申请实施例公开的又一种超声图像处理方法的流程图；
图6为本申请实施例公开的一种超声图像处理装置的结构图；
图7为本申请实施例公开的一种超声设备的结构图；
图8为本申请实施例公开的另一种超声设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中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，本领域普通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。
在传统技术中，提取颈项透明层的技术方案主要有如下几种：医生手动在颈项透明层积液区的上下边缘描点，这种方式下，即使医生手动选取了颈项透明层积液区所在的位置，由于医生选取的胎儿面部超声图像切面所包含的颈项透明层边缘不是很清晰，提取时仍然不稳定，容易出现提取错误或者提取不出来的情况；或者医生手动拖动鼠标，以选取包含颈项透明层积液区域的ROI矩形框，然后采用分割算法提取颈项透明层，这种方式下，需要拖动ROI框的左上角和右下角两个点得到感兴趣区域，操作不方便，耗时较长。
因此，本申请实施例公开了一种超声图像处理方法，能够使颈项透明层图像的提取更加准确。
参见图1所示，本申请实施例公开的一种超声图像处理方法包括：
S101：获取包含胎儿颈项透明层的待处理超声图像；
本申请实施例中，可以利用超声彩超机器采集包含胎儿颈项透明层的待处理超声图像。
S102：接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；
本步骤中，医生可以手动在超声设备采集的正切面图像上移动鼠标，以选择颈项透明层，进而根据鼠标所在位置的目标点在待处理超声图像中自动截取ROI区域。具体地，可以将以目标点为中心的周围区域图像作为ROI区域。例如，可以将以目标点为中心的上下6mm区域作为ROI区域，根据目标点所在位置即可自动截取ROI区域。上述6mm为可以灵活设定的长度参数，本实施例考虑到胎儿颈项透明层在初步判断时正常厚度均小于2.5mm，因此将长度参数设置为6mm，但此数值仅作为一种优选的示例，不应作为对长度参数大小的具体限定。对于不同的设备，均可按照实际屏幕中每个像素表示的真实大小，基于设定的长度参数换算成当前实际屏幕中对应的实际大小，以截取适应于当前实际屏幕的ROI区域。
在具体实施中，本申请实施例可以预先设置ROI区域边界线的显示模式和隐藏模式，医生可以根据实际的需求选择开启显示模式或隐藏模式，即在手动选点过程中，可以显示或隐藏以当前点为中心的ROI区域边界线，同时医生还可以对ROI区域以鼠标所在的目标点为中心开启放大镜效果，放大镜放大的图可随鼠标移动亦可设置固定在屏幕任意一位置，用作观察局部图像。
需要说明的是，在实际操作中医生通常会放大图像再进行观察，在放大的图像上测量颈项透明层，而传统的图像放大算法会使图像的边缘变得模糊。本申请实施例中，获取未经图像插值放大的待处理超声图像，这样可以避免经过图像插值算法导致图像纹理发生变化，产生了噪声纹理，图像分割时不稳定。由此既可以保持边缘提取的稳定性，还可确保选点的准确性。
S103：对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；
作为一种优选的实施方式，本申请实施例可以在截取到ROI区域之后，对其进行增强处理，以改善图像的视觉效果，便于后续的图像分割过程。
本申请实施例中，可采用局部排序比较赋值算法对截取到的ROI区域进行增强处理，使区域图像中颈项透明层变得更暗且边缘变得更强，增加对比度。在一种可行的实施方式中，可以采用核模板对各个像素点进行处理，本申请实施例中对核模板滑动区域所包围的像素的处理方式不同于常见的线性处理，而是采用了逻辑判断的方式进行处理。即利用核模板在ROI区域上滑动，计算当前中心像素值的周围像素值的均值，中心像素值为核模板滑动中心所在位置的像素值，进而可根据当前中心像素值与均值的大小关系对中心像素值进行赋值操作。具体地，预处理局部区域的核模板的宽高为奇数大小Size(kwidth,kheight)，截取的图像区域大小为Size(width,height)。首先对图像边界按照核模板的大小进行边界扩展，扩展后的图像由原始的Size(width,height)变为Size(width+kwidth-1,height+kheight-1)。先对中心像素进行排序得到最大值Max，并对中心像素的周围像素值求均值得Mean，然后将中心位置的像素值和Mean比较，若小于Mean，则直接为其赋值一个较小的像素值或者直接置0，若大于Mean但接近Max，则直接赋值Max，否则保持不变。
S104：基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，提取得到颈项透明层图像。
本步骤中，可以利用目标点为起始位置初始化水平集起始轮廓线，构造基于边缘信息的水平集模型，以驱动轮廓曲线的演化，使其最终停止在颈项透明层区域的边缘上。通过将连续的水平集函数离散化，采用差分方案求解，经过迭代演化，得到颈项透明层的最终演化轮廓。进而对闭合的最终演化轮廓进行拆分，得到颈部透明层上、下两条边界，以根据上下边界提取颈项透明层图像。
作为一种优选的实施方式，本申请实施例中还可在确定颈项透明层的上下边界之后，利用预设视觉元素对上下边界进行可视化标识，在颈项透明层图像中进行相应的显示。例如，可以利用第一类预设颜色对上下边界进行显示，以便用户更清楚的看到颈项透明层图像中透明层的上下边界。
在提取得到颈项透明层图像之后，可以计算上、下边界上所有像素点的垂直距离，得到颈项透明层厚度值。在具体实施中，可以预先设定厚度值的阈值，当计算得到颈项透明层厚度值大于该阈值时，可利用相应的视觉元素对其进行标记以实现提醒，具体地，可以利用第二类预设颜色对该类型颈项透明层的上下边界进行显示，能够更加直观的显示出异常厚度的颈项透明层，例如可采用红色或其他显著色进行标记。
通过以上方案可知，本申请提供的一种超声图像处理方法，包括：获取包含胎儿颈项透明层的待处理超声图像；接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，提取得到颈项透明层图像。由上可知，本申请在获取到待处理超声图像之后，可以接收针对颈项透明层手动选择的目标点，并根据选择的目标点在待处理超声图像中自动截取ROI区域，对其进行增强处理，进而在增强处理后的ROI区域图像中确定颈项透明层的上下边界，以提取颈项透明层图像，避免了手动拖动ROI框的复杂操作，同时，通过对ROI区域进行增强处理，提高确定颈项透明层边界的准确率，能够使颈项透明层图像的提取更加准确。
本申请实施例公开了另一种超声图像处理方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。参见图2所示，具体的：
S201：获取包含胎儿颈项透明层的待处理超声图像；
S202：接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；
S203：对截取到的ROI区域进行二值化处理，得到处理后图像；
本申请实施例中，由于医生手动点击选取的目标点位置可能出现偏差，因此可对选取的目标点进行修正。首先，对截取到的ROI区域依次进行中值滤波、形态学操作和二值化处理，得到处理后图像，进而可通过图像灰度值或者阈值化后的二值图像计算图像灰度的重心，以对选取的点进行修正。
需要说明的是，胎儿颈项透明层区域在超声图像中表现的特点偏暗，而透明层周围的皮肤组织偏亮，经过二值化处理后，颈项透明层和非颈项透明层区域即可大致的区分出来。具体地，二值化处理可以将高于预设像素阈值的像素点置0，将ROI区域内低于预设像素阈值的像素点置255，即可将非颈项透明层区域置0，颈项透明层区域置为255，得到二值化处理后的图像。
S204：根据所述处理后图像中非零像素点的集合确定重心点坐标；
本步骤中，由于ROI区域经过了二值化处理，其中非零像素点即表征颈项透明层区域，由此可以通过统计ROI区域中所有非零像素点的总数目n，并将非零像素点的集合表示为{(x1,y1),(x2,y2)...(xn,yn)}，进而通过上述非零像素点的集合确定重心点坐标。具体地，可基于以下公式确定重心点坐标：
其中，(Xc,Yc)为重心点坐标。
S205：根据所述重心点的坐标对所述目标点进行修正，以便根据修正后的目标点确定初始水平集轮廓线；
在具体实施中，可结合上述重心点的坐标对手动选取的目标点进行修正。例如，可将重心点和目标点的中间点作为新的目标点，以便将修正后的目标点作为初始水平集轮廓线的起始点。通过对手动选取点进行修正，能够有效提高分割的可靠性和稳定性。
S206：对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；
S207：基于所述修正后的目标点的位置，利用水平集分割算法对所述初始水平集轮廓线进行迭代演化，得到所述颈项透明层的最终轮廓；
S208：对所述最终轮廓进行拆分，确定所述颈项透明层的上下边界，提取得到颈项透明层图像。
本步骤中，可确定最终轮廓的最小外接矩形，将最小外接矩形的中轴线作为辅助分离上下边界。具体地，参见图3所示，该外接矩形的四个顶点按照左下、左上、右上、右下的顺序排序，基于0和3编号的点计算得到的斜率，结合外接矩形的中心点得到y＝kx+b的直线作为分界线，以分离上下边界。
在获取到所有的轮廓点之后依据方向对其进行排序，对这些点重新拟合插值可剔除上下边界中具有相同x轴坐标重复的点，实现曲线平滑连续处理。在确定颈项透明层的上下边界之后，还可以基于得到的上下边界，沿最小外接矩形的中轴线的垂直方向得到颈项透明层的厚度。如图4所示，可首先将1和0附近的轮廓线截取掉，从而剔除边缘两侧的点，得到两条上下边界线，进而可沿着垂直于中轴线y＝kx+b的方向计算颈项透明层厚度。
本申请实施例公开了又一种超声图像处理方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。参见图5所示，具体的：
S301：获取包含胎儿颈项透明层的待处理超声图像；
S302：接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；
S303：对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；
S304：对增强处理后的ROI区域图像和初始截取到的ROI区域图像进行加权叠加，得到叠加后ROI区域图像；
本申请实施例中，为避免经过局部排序比较赋值进行图像增强处理后边缘切割的过于厉害，可将增强处理后的ROI区域图像和初始截取到的ROI区域图像进行加权叠加。
具体地，加权叠加的公式如下，dst＝α·kernerl*src+(1-α)src，其中，*表示卷积运算。首先通过对初始截取到的ROI区域图像src和核模板kernerl做逻辑卷积，即实现局部排序比较赋值的增强处理，然后同初始截取到的ROI区域图像加权叠加，即可得到叠加后ROI区域图像dst。α为加权系数，其取值范围为0～1.0。由此，可以防止经过核模板处理对图像内容的边缘处处理太过，通过叠加原图部分加权做限制，当α为0时即结果为原图，α为1.0时即显著增强的结果。经过处理后黑色部分变得更黑了，较亮的部分变得更亮了，由此可使黑白交界地方边缘更明显。
S305：基于所述目标点的位置在所述叠加后ROI区域图像中确定所述颈项透明层的上下边界，提取得到颈项透明层图像。
下面对本申请实施例提供的一种超声图像处理装置进行介绍，下文描述的一种超声图像处理装置与上文描述的一种超声图像处理方法可以相互参照。
参见图6所示，本申请实施例提供的一种超声图像处理装置包括：
图像获取模块401，用于获取包含胎儿颈项透明层的待处理超声图像；
ROI截取模块402，用于接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；
增强处理模块403，用于对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；
边界确定模块404，用于基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，提取得到颈项透明层图像。
关于上述模块401至404的具体实施过程可参考前述实施例公开的相应内容，在此不再进行赘述。
本申请还提供了一种超声设备，参见图7所示，本申请实施例提供的一种超声设备包括：
存储器100，用于存储计算机程序；
处理器200，用于执行所述计算机程序时可以实现上述实施例所提供的步骤。
具体的，存储器100包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机可读指令，该内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。处理器200在一些实施例中可以是一中央处理器(CentralProcessing Unit，CPU)、控制器、微控制器、微处理器或其他数据处理芯片，为超声设备提供计算和控制能力，执行所述存储器100中保存的计算机程序时，可以实现前述任一实施例公开的超声图像处理方法。
在上述实施例的基础上，作为优选实施方式，参见图8所示，所述超声设备还包括：
输入接口300，与处理器200相连，用于获取外部导入的计算机程序、参数和指令，经处理器200控制保存至存储器100中。该输入接口300可以与输入装置相连，接收用户手动输入的参数或指令。该输入装置可以是显示屏上覆盖的触摸层，也可以是终端外壳上设置的按键、轨迹球或触控板，也可以是键盘、触控板或鼠标等。
显示单元400，与处理器200相连，用于显示处理器200处理的数据以及用于显示可视化的用户界面。该显示单元400可以为LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。
网络端口500，与处理器200相连，用于与外部各终端设备进行通信连接。该通信连接所采用的通信技术可以为有线通信技术或无线通信技术，如移动高清链接技术(MHL)、通用串行总线(USB)、高清多媒体c接口(HDMI)、无线保真技术(WiFi)、蓝牙通信技术、低功耗蓝牙通信技术、基于IEEE802.11s的通信技术等。
图8仅示出了具有组件100-500的超声设备，本领域技术人员可以理解的是，图8示出的结构并不构成对超声设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
本申请还提供了一种计算机可读存储介质，该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现前述任一实施例公开的超声图像处理方法。
本申请在获取到待处理超声图像之后，可以接收针对颈项透明层手动选择的目标点，并根据选择的目标点在待处理超声图像中自动截取ROI区域，对其进行增强处理，进而在增强处理后的ROI区域图像中确定颈项透明层的上下边界，以提取颈项透明层图像，避免了手动拖动ROI框的复杂操作，同时，通过对ROI区域进行增强处理，提高确定颈项透明层边界的准确率，能够使颈项透明层图像的提取更加准确。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。

Claims (10)

1.一种超声图像处理方法，其特征在于，包括：
获取包含胎儿颈项透明层的待处理超声图像；
接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；
对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；
基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，提取得到颈项透明层图像；
其中，在所述接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域之后，还包括：
对截取到的ROI区域进行二值化处理，得到处理后图像；
根据所述处理后图像中非零像素点的集合确定重心点坐标；
根据所述重心点的坐标对所述目标点进行修正，以便根据修正后的目标点确定初始水平集轮廓线；
所述基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，包括：
基于所述修正后的目标点的位置，利用水平集分割算法对所述初始水平集轮廓线进行迭代演化，得到所述颈项透明层的最终轮廓；
对所述最终轮廓进行拆分，确定所述颈项透明层的上下边界。
2.根据权利要求1所述的超声图像处理方法，其特征在于，所述对所述最终轮廓进行拆分，确定所述颈项透明层的上下边界，包括：
确定所述最终轮廓的最小外接矩形；
根据所述最小外接矩形的中轴线将所述最终轮廓拆分为所述颈项透明层的上下边界，并对上下边界分别进行重新拟合插值，以对上下边界进行平滑处理。
3.根据权利要求2所述的超声图像处理方法，其特征在于，所述基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界之后，还包括：
基于得到的所述上下边界沿所述中轴线的垂直方向得到所述颈项透明层的厚度。
4.根据权利要求1所述的超声图像处理方法，其特征在于，所述基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界之后，还包括：
利用预设视觉元素对所述上下边界进行可视化标识，并在所述颈项透明层图像中进行显示。
5.根据权利要求1至4任一项所述的超声图像处理方法，其特征在于，所述对截取到的ROI区域进行增强处理，包括：
基于局部排序比较赋值算法对截取到的ROI区域进行增强处理。
6.根据权利要求5所述的超声图像处理方法，其特征在于，所述基于局部排序比较赋值算法对截取到的ROI区域进行增强处理，包括：
利用核模板在所述ROI区域上滑动，计算当前中心像素值的周围像素值的均值，所述中心像素值为所述核模板滑动中心所在位置的像素值；
根据所述当前中心像素值与所述均值的大小关系对所述中心像素值进行赋值操作。
7.根据权利要求6所述的超声图像处理方法，其特征在于，在所述对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像之后，还包括：
对增强处理后的ROI区域图像和初始截取到的ROI区域图像进行加权叠加，得到叠加后ROI区域图像；
相应的，所述基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，包括：
基于所述目标点的位置在所述叠加后ROI区域图像中确定所述颈项透明层的上下边界。
8.一种超声图像处理装置，其特征在于，包括：
图像获取模块，用于获取包含胎儿颈项透明层的待处理超声图像；
ROI截取模块，用于接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域；
增强处理模块，用于对截取到的ROI区域进行增强处理，得到增强处理后的ROI区域图像；
边界确定模块，用于基于所述目标点的位置在所述ROI区域图像中确定所述颈项透明层的上下边界，提取得到颈项透明层图像；
所述边界确定模块具体还用于：在所述接收针对颈项透明层选择的目标点，并根据所述目标点在所述待处理超声图像中自动截取ROI区域之后，还实现以下功能：
对截取到的ROI区域进行二值化处理，得到处理后图像；
根据所述处理后图像中非零像素点的集合确定重心点坐标；
根据所述重心点的坐标对所述目标点进行修正，以便根据修正后的目标点确定初始水平集轮廓线；
基于所述修正后的目标点的位置，利用水平集分割算法对所述初始水平集轮廓线进行迭代演化，得到所述颈项透明层的最终轮廓；
对所述最终轮廓进行拆分，确定所述颈项透明层的上下边界。
9.一种超声设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述超声图像处理方法的步骤。
10.一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计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述超声图像处理方法的步骤。
CN202011074817.5A 2020-10-09 2020-10-09 一种超声图像处理方法、装置及超声设备和存储介质 Active CN112215769B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011074817.5A CN112215769B (zh) 2020-10-09 2020-10-09 一种超声图像处理方法、装置及超声设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011074817.5A CN112215769B (zh) 2020-10-09 2020-10-09 一种超声图像处理方法、装置及超声设备和存储介质

Publications (2)

Publication Number Publication Date
CN112215769A CN112215769A (zh) 2021-01-12
CN112215769B true CN112215769B (zh) 2024-06-28

Family

ID=74052882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011074817.5A Active CN112215769B (zh) 2020-10-09 2020-10-09 一种超声图像处理方法、装置及超声设备和存储介质

Country Status (1)

Country Link
CN (1) CN112215769B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113409275B (zh) * 2021-06-22 2022-07-01 青岛海信医疗设备股份有限公司 基于超声图像确定胎儿颈后透明层厚度的方法及相关装置
CN113729778A (zh) * 2021-09-02 2021-12-03 广州爱孕记信息科技有限公司 颈项透明层厚度的确定方法及装置
CN113855188A (zh) * 2021-10-20 2021-12-31 无锡祥生医疗科技股份有限公司 超声扫查设备、成像设备、穿刺针监控方法及系统
CN114081537B (zh) * 2021-11-12 2023-08-25 江西中医药大学 一种基于超声波探测的皮肤组织液定位方法及系统
CN116012283B (zh) * 2022-09-28 2023-10-13 逸超医疗科技(北京)有限公司 一种全自动超声图像量测方法、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102596047A (zh) * 2010-10-20 2012-07-18 株式会社东芝 超声波诊断装置、控制方法及图像处理装置
CN104156967A (zh) * 2014-08-18 2014-11-19 深圳市开立科技有限公司 一种胎儿颈部透明层图像分割方法、装置及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8600165B2 (en) * 2010-02-12 2013-12-03 Xerox Corporation Optical mark classification system and method
US9443316B1 (en) * 2015-07-21 2016-09-13 Sony Corporation Semi-automatic image segmentation
CN108090924B (zh) * 2016-11-07 2020-03-10 深圳光启合众科技有限公司 图像处理方法和装置、机器人
CN111640100B (zh) * 2020-05-29 2023-12-12 京东方科技集团股份有限公司 肿瘤图像的处理方法和装置、电子设备、存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102596047A (zh) * 2010-10-20 2012-07-18 株式会社东芝 超声波诊断装置、控制方法及图像处理装置
CN104156967A (zh) * 2014-08-18 2014-11-19 深圳市开立科技有限公司 一种胎儿颈部透明层图像分割方法、装置及系统

Also Published As

Publication number Publication date
CN112215769A (zh) 2021-01-12

Similar Documents

Publication Publication Date Title
CN112215769B (zh) 一种超声图像处理方法、装置及超声设备和存储介质
EP2357612B1 (en) Method for quantifying and imaging features of a tumor
CN110298802B (zh) 路面裂缝检测方法及装置
TWI526982B (zh) 區域分割方法、電腦程式產品及檢查裝置
CN110175502A (zh) 一种脊柱Cobb角测量方法、装置、可读存储介质及终端设备
CN110570350A (zh) 一种二维卵泡检测方法、装置和超声设备及可读存储介质
CN109003269B (zh) 一种能提高医生效率的医学影像病灶的标注提取方法
US8948483B2 (en) Automated contrast enhancement for contouring
CN111414124A (zh) 一种图像测量方法、装置、设备及存储介质
EP2415019A1 (en) Interactive iterative closest point algorithm for organ segmentation
US20160239702A1 (en) Image processing device, image display device, image processing method, and medium
CN110503114B (zh) 图像特征提取方法、装置、肿瘤识别系统及存储介质
CN115631194B (zh) 颅内动脉瘤识别检测的方法、装置、设备及介质
CN107392170B (zh) 一种符合自然生长规律的掌纹主线提取方法
CN113409275B (zh) 基于超声图像确定胎儿颈后透明层厚度的方法及相关装置
JP2010167067A (ja) 医用画像処理装置及びプログラム
TWI615130B (zh) 影像處理方法及非暫態電腦可讀取媒體
CN114334128A (zh) 基于ct影像的肿瘤演进过程分析方法、系统及存储介质
CN114463307A (zh) 一种牙齿曲面断层图像处理方法、装置、设备及存储介质
CN113112475A (zh) 一种基于机器学习的中医耳部五脏区域分割方法和装置
CN114092399A (zh) 病灶标记方法、装置、电子设备及可读存储介质
CN110751158A (zh) 一种治疗床显示器中的数字识别方法、装置及存储介质
CN111815538A (zh) 基于数字图像处理技术的肝硬化超声图像肝包膜提取方法
US20220044408A1 (en) Medical image processing apparatus, system, and method
JP2010075330A (ja) 医用画像処理装置及びプログラム

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