CN112336378A - 一种用于动物超声诊断的m型超声心动图处理方法和系统 - Google Patents
一种用于动物超声诊断的m型超声心动图处理方法和系统 Download PDFInfo
- Publication number
- CN112336378A CN112336378A CN201910730710.2A CN201910730710A CN112336378A CN 112336378 A CN112336378 A CN 112336378A CN 201910730710 A CN201910730710 A CN 201910730710A CN 112336378 A CN112336378 A CN 112336378A
- Authority
- CN
- China
- Prior art keywords
- region
- interest
- image
- processing
- echocardiogram
- 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
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
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- 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
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/40—Animals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种用于动物超声诊断的M型超声心动图处理方法和系统,涉及动物超声诊断技术领域。首先在M型超声心动图中选取的感兴趣区域,并对其进行自适应阈值二值化和膨胀处理,然后在感兴趣区域中部设定一条与M型超声心动图的取样线垂直的分割线,以将感兴趣区域的图像分割成上下两个部分,再分别获取分割线上任一点沿取样线方向上到感兴趣区域上部和下部的图像边缘的距离,最后求和取其中的最大值和最小值。由于采用自动对M型超声心动图进行图像处理的方式,使得在M型超声心动图的处理过程中不在受人为干预,进而提高医生诊断速度,降低了医生的误诊概率,同时也简化了医生诊断流程,减轻了医生工作量。
Description
技术领域
本发明涉及动物超声诊断技术领域,具体涉及一种用于动物超声诊断的M型超声心动图处理方法和系统。
背景技术
在小动物疾病中,心脏类疾病是小动物死亡最主要的原因之一。其中对于先天性心脏病只能采用开胸手术治疗和介入治疗,然而先天性心脏病确诊的越早就越有利于小动物的恢复,反之会因未及时做出准确治疗判断和早期诊治而死于幼儿期。因此,对先天性心脏病进行准确地诊断并尽早对手术做出合理规划是有非常重要意义的。
M型超声心动图是采用单声束扫描心脏。将心脏及大血管的运动以光点群随时间改变所形成曲线的形式显现的超声图像,能显示取样线上心脏结构在时间和空间上的运动轨迹,由曲线的变化情况及其斜率就能了解此结构的动态和速度,进而反映其生理和病理情况。在现有技术中,一般采用超声诊断设备获取动物心脏的M型超声心动图后,需进行手工描点,再通过内置软件计算出相关数值。显然该方式操作繁琐,不但不利于提高诊断速度,还增加了测量误差。
发明内容
本发明主要解决的技术问题是在对动物心脏的M型超声心动图处理过程中需要基于手动描绘再进行心脏指标测量的不足,公开了用于动物超声诊断的M型超声心动图处理方法和系统。
根据第一方面,一种实施例中提供一种用于动物超声诊断的M型超声心动图处理方法,包括:
获取动物心脏的M型超声心动图;
在所述M型超声心动图中确定感兴趣区域;所述感兴趣区域包括一个收缩舒张期的图像;
对所述感兴趣区域进行自适应阈值二值化处理;
对自适应阈值二值化处理后的所述感兴趣区域进行膨胀处理;
对膨胀处理后的所述感兴趣区域进行有效性判断;
当判断有效性的结果为有效时,在所述感兴趣区域中部设定一条与所述M型超声心动图的取样线垂直的分割线,以将所述感兴趣区域的图像分割成上下两个部分;
分别对所述感兴趣区域的上部和下部的图像进行边缘化信息标定,以获取所述分割线上任一点沿所述取样线方向上到所述感兴趣区域上部和下部的图像边缘距离的和;
获取所述和中的最大值和最小值。
进一步,所述M型超声心动图包括M型测定心室舒张内径图、M型测定心室收缩内径图、M型测定心室间隔收缩速度图、M型测定心室舒张速度图、M型测定心室后壁收缩速图、M型测定心室后壁舒张速度图、M型测定舒张期二尖瓣E峰距室间隔的距离图和/或M型测定主动脉直径及左房前后径图。
进一步,对所述最大值和所述最小值进行合理性判断;
当判断不合理时,则重新在所述M型超声心动图中确定感兴趣区域;其中当所述最大值和所述最小值不在预设取值范围内时,则判断不合理。
进一步,将所述最大值和所述最小值的差与所述最大值的商求百分比。
进一步,所述自适应阈值二值化处理是采用opencv的adaptiveThreshold算法进行处理。
进一步,所述膨胀处理是在所述感兴趣区域的图像中按一预设结构元素取该结构元素所覆盖下的区域中所有像素值中最大的值替换当前结构元素中所有像素的值。
进一步,所述对膨胀处理后的所述感兴趣区域进行有效性判断,包括:
当膨胀处理后的所述感兴趣区域的图像只包括三个区域,且任一区域中的图像的像素点的像素值与相邻像素的像素值不大于一预设值时,则判断有效性的结果为有效,反之则判断有效性的结果为无效。
进一步,当判断有效性的结果为无效时,重新在所述M型超声心动图中确定感兴趣区域。
根据第二方面,一种实施例中提供一种用于动物超声诊断的M型超声心动图处理系统,包括:
图像获取装置,用于获取动物心脏的M型超声心动图,并在所述M型超声心动图中确定感兴趣区域;所述感兴趣区域包括一个收缩舒张期的图像。
图像处理装置,用于对所述感兴趣区域进行自适应阈值二值化和膨胀处理,还用于对膨胀处理后的所述感兴趣区域进行有效性判断,并当判断有效性的结果为有效时,在所述感兴趣区域中部设定一条与所述M型超声心动图的取样线垂直的分割线,以将所述感兴趣区域的图像分割成上下两个部分;
所述图像处理装置还用于分别对所述感兴趣区域上部和下部的图像进行边缘化信息标定,以获取所述分割线上任一点沿所述取样线方向上到所述感兴趣区域的上部和下部的图像边缘距离的和,并获取所述和中的最大值和最小值;
显示装置,显示所述最大值和所述最小值。
依据上述实施例的一种用于动物超声诊断的M型超声心动图处理方法和系统,首先在M型超声心动图中选取的感兴趣区域,并对其进行自适应阈值二值化和膨胀处理,然后在感兴趣区域中部设定一条与M型超声心动图的取样线垂直的分割线,以将感兴趣区域的图像分割成上下两个部分,再分别获取分割线上任一点沿取样线方向上到感兴趣区域上部和下部的图像边缘的距离,最后求和取其中的最大值和最小值。由于采用自动对M型超声心动图进行图像处理的方式,使得在M型超声心动图的处理过程中不在受人为干预,进而提高医生诊断速度,降低了医生的误诊概率,同时也简化了医生诊断流程,减轻了医生工作量。
附图说明
图1为动物左侧卧心脏结构及获取左心室长轴切面的二维超声心动图的探头位置示意图;
图2为M型超声测定左心室功能诊断时探头和心脏左心室长轴切面结构示意图;
图3为标准的左心室M型超声图像;
图4为M型测定左心室舒张内径图;
图5为一种实施例中M型超声心动图处理方法的流程示意图;
图6为一实施例中确定感兴趣区域的示意图;
图7图像膨胀处理原理示意图;
图8为一种实施例中分割线设定区域示意图;
图9为一种实施例中边缘化信息标定示意图;
图10为一种实施例中用于动物超声诊断的M型超声心动图处理系统的结构示意图。
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)。
请参考图1,为动物左侧卧心脏结构及获取左心室长轴切面的二维超声心动图的探头位置示意图,其中设定了动物的冠状面、矢状面和横断面,并显示动物心脏的心基部、心尖、左心室中央和左心室长轴位置示意图,左心室长轴为过左心室中央连接心基部及心尖前一条直线。图中探头指示的位置为M型超声测定左心室功能诊断时的位置和方向。
请参考图2,为M型超声测定左心室功能诊断时探头和心脏左心室长轴切面结构示意图,在此示意图中,Ao为主动脉,ARV为右心室前壁,IVS为室间膈,LV为左心室,AMV为二尖瓣后叶,PPM为后乳头肌,LA为左心房,PLV为左心室后壁,其中①、②、③和④是取样线。改图是由胸骨旁左侧取的规范的二维超声心动图左心室长轴切面。
请参考图3,为标准的左心室M型超声图像,从图像中获取主动脉根部内径(AO),左心房前后径(LA),左心室舒张期末内径(LVd),左心室收缩期末内径(LVs),室间隔舒张末厚度(IVSd),室间隔收缩末厚度(IVSs),左心室后壁舒张末厚度(PEd),左心室后壁收缩末厚度(PWs)。其中,1、2、3和4之间的虚线为取样线。
请参考图4,为M型测定左心室舒张内径图,在实际测量时,为了测量图中标线位置的长度,需进行手工描点,再通过内置软件计算出相关数值。由于人工标定时,受图像清晰度度及标定点偏差等因素影响,降低了诊断速度,增加了测量误差。
在本发明实施例中,公开了一种用于动物超声诊断的M型超声心动图处理方法和系统,涉及动物超声诊断技术领域。首先在M型超声心动图中选取的感兴趣区域,并对其进行自适应阈值二值化和膨胀处理,然后在感兴趣区域中部设定一条与M型超声心动图的取样线垂直的分割线,以将感兴趣区域的图像分割成上下两个部分,再分别获取分割线上任一点沿取样线方向上到感兴趣区域上部和下部的图像边缘的距离,最后求和取其中的最大值和最小值。由于采用自动对M型超声心动图进行图像处理的方式,使得在M型超声心动图的处理过程中不在受人为干预,进而提高医生诊断速度,降低了医生的误诊概率,同时也简化了医生诊断流程,减轻了医生工作量。
实施例一
请参考图5,为一种实施例中M型超声心动图处理方法的流程示意图,包括:
步骤一,获取动物心脏的M型超声心动图。
一实施例中,M型超声心动图包括M型测定心室舒张内径图、M型测定心室收缩内径图、M型测定心室间隔收缩速度图、M型测定心室舒张速度图、M型测定心室后壁收缩速图、M型测定心室后壁舒张速度图、M型测定舒张期二尖瓣E峰距室间隔的距离图和/或M型测定主动脉直径及左房前后径图。
步骤二,确定感兴趣区域。
在M型超声心动图中确定感兴趣区域,一实施例中,感兴趣区域包括一个收缩舒张期的图像,感兴趣区域可以由用户在M型超声心动图中手动设定,也可以由M型超声心动图处理系统自动获取。如图6所示,为一实施例中确定感兴趣区域的示意图,一实施例中,用户在M型超声心动图中手动设定时,设置按键左上角、右下角两点,以截取该区域图像为感兴趣区域。
步骤三,自适应阈值二值化处理。
对感兴趣区域进行自适应阈值二值化处理。一实施例中,自适应阈值二值化处理是采用opencv的adaptiveThreshold算法进行处理,其原理为:通过计算每个像素周围b*b大小像素块的加权均值并减去常量C进而得到,其中,b,C大小均可自由设定。一实施例中,设定b为5,C为0,其作用是为后续更好的对图像进行上下分层,便于计算。
步骤四,膨胀处理。
对自适应阈值二值化处理后的感兴趣区域进行膨胀处理,膨胀处理是在感兴趣区域的图像中按一预设结构元素取该结构元素所覆盖下的区域中所有像素值中最大的值替换当前结构元素中所有像素的值。其膨胀方法是遍历原图的每一个像素,然后用结构元素的中心点对准当前正在遍历的这个像素,然后取当前结构元素所覆盖下的原图对应区域内的所有像素的最大值,用这个最大值替换当前像素值。由于二值化处理后的图像最大值就是1,所以就是用1替换,即变成了白色前景物体。如图7所示,图像膨胀处理原理示意图,进行膨胀处理的主要作用是填补二值化处理后的图像中间细微空洞,以期减少误差,对于前景物体中一些细小的断裂处,如果结构元素大小相等,这些断裂的地方就会被连接起来。
步骤五,判断感兴趣区域的有效性。
对膨胀处理后的感兴趣区域进行有效性判断,目的是为了判断感兴趣区域进行二值化和膨胀处理后,是否出现图像失真或变为不符合后期测量要求的图像。一实施例中,当膨胀处理后的感兴趣区域的图像只包括三个区域,且其中间的区域与另外两个区域之间有明显的边界时,则判断有效性的结果为有效,反之则判断有效性的结果为无效;和/或,当膨胀处理后的感兴趣区域的图像只包括三个区域,且任一区域中的图像的像素点的像素值与相邻像素的像素值不大于一预设值时,则判断有效性的结果为有效,反之则判断有效性的结果为无效。一实施例中,当判断有效性的结果为无效时,重新对该感兴趣区域进行膨胀处理,并调整相应的膨胀参数。一实施例中,当判断有效性的结果为无效时,多次对感兴趣区域进行膨胀处理。一实施例中,当判断有效性的结果为无效时,重复步骤二至步骤四,即重新在M型超声心动图中确定感兴趣区域。
步骤六,设定分割线。
当判断感兴趣区域的有效性的结果为有效时,在感兴趣区域中部设定一条与M型超声心动图的取样线垂直的分割线,以将感兴趣区域的图像分割成上下两个部分。如图8所示,为一种实施例中分割线设定区域示意图,分割线可设置在图中两条虚线之间,不能和上下部图像的边缘相交,仅需将上下关键部分分离,分离后记录坐标即可计算出最终输出参数,所以此步对于分离位置要求不大,仅需在中间黑色区域进行上下分离即可。其具体分割线分割的条件为在感兴趣区域中部为起点,同时往上下方向遍历,搜寻一条如图8中虚线之间即可(为防止中部有部分黑色干扰影响,虚线白色长度无需等于列长度,仅需最大即可),即可根据记录坐标继续进行求解。
步骤七,边缘化信息标定。
分别对感兴趣区域的上部和下部的图像进行边缘化信息标定。一实施例中,采用二值化处理后图像限制求解边缘和原始图像边缘检测相结合的方式进行求解边缘位置。如图9所示,为一种实施例中边缘化信息标定示意图,其中,二值化处理后的图像限制求解边缘,求解距离最中间虚线最近位置的二值不一致点为其上下边缘结果。原始图像边缘检测是采用Roberts算子利用局部差分寻找边缘的一种算子,Roberts算子利用对角线方向相邻两像素之差近似梯度幅值来检测边缘,检测垂直边缘的小锅要优于其他方向边缘,定位精度高。其方法原理为对原始图像f(x,y),Roberts边缘加测输出图像为g(x,y),图像的Roberts边缘检测可用下式表示:
可进一步化简可得,Roberts算子模板为:
按照上述卷积原理图进行卷积操作,即可得起边缘。
当二值边缘和原始图像边缘离散程度相差不大时(离散程度可用坐标差分表示)对二值求得边缘和原始图像求得边缘坐标进行加权叠加,权值为0.5,以期减小误差。当二值边缘和原始边缘离散程度较大时,选择离散程度较小者为其边缘。
在根据边缘标记信息,求出其上下边界最高和最低点时,即在求出相关参数时,同时判断其坐标是否连续,若在最高点附近不连续,则继续判断其差分数,若不连续差分小于阈值则认为有效。如图9所示,感兴趣区域的上部图像中的一小段白色线段为所检测线段,但是由于其白色线段在x、y轴之间和左右相邻像素之间差分相差太大,则认为其为异常处理,则重复步骤一直七。
步骤八,获取最大值和最小值。
以获取分割线上任一点沿取样线方向上到感兴趣区域上部和下部的图像边缘距离的和,获取所有和中的最大值和最小值。一实施例中,该方法还包括对最大值和最小值进行合理性判断,当判断不合理时,则重新在M型超声心动图中确定感兴趣区域,其中,当最大值和最小值不在预设取值范围内时,则判断不合理。
一实施例中,该方法还包括:
步骤九,求百分比值。
如图6所示,心功能需要在心脏收缩舒张的一个周期内,根据其M图像测量心腔的收缩和舒张距离LVS(最小值)、LVD(最大值),然后计算相关系数,进而量化表示心功能的情况,其公式为:
FS=(LVD-LVS)/LVD*100%
即,将最大值和最小值的差与最大值的商求百分比。
本申请研究解决兽用超声医生及兽医师对心脏手动测量时间长、操作繁琐、测量数据误差大的问题。建立一种完整的动物超声心脏功能测算数据方法,对手动测量动物超声心脏功能的准确率和自动测量动物超声心脏功能的准确率进行对比研究,本申请实施例中,首先在M型超声心动图中选取的感兴趣区域,并对其进行自适应阈值二值化和膨胀处理,然后在感兴趣区域中部设定一条与M型超声心动图的取样线垂直的分割线,以将感兴趣区域的图像分割成上下两个部分,再分别获取分割线上任一点沿取样线方向上到感兴趣区域上部和下部的图像边缘的距离,最后求和取其中的最大值和最小值。由于采用自动对M型超声心动图进行图像处理的方式,使得在M型超声心动图的处理过程中不在受人为干预,进而提高医生诊断速度,降低了医生的误诊概率,同时也简化了医生诊断流程,减轻了医生工作量。
请参考图10,为一种实施例中用于动物超声诊断的M型超声心动图处理系统的结构示意图,本申请还公开了一种用于动物超声诊断的M型超声心动图处理系统,包括图像获取装置100、图像处理装置200和显示装置300。其中,图像获取装置100,用于获取动物心脏的M型超声心动图,并在M型超声心动图中确定感兴趣区域,感兴趣区域包括一个收缩舒张期的图像。图像处理装置200用于对感兴趣区域进行自适应阈值二值化和膨胀处理,还用于对膨胀处理后的感兴趣区域进行有效性判断,并当判断有效性的结果为有效时,在感兴趣区域中部设定一条与M型超声心动图的取样线垂直的分割线,以将感兴趣区域的图像分割成上下两个部分。图像处理装置200还用于分别对感兴趣区域上部和下部的图像进行边缘化信息标定,以获取分割线上任一点沿取样线方向上到感兴趣区域的上部和下部的图像边缘距离的和,并获取所有和中的最大值和最小值。显示装置300显示最大值和最小值。
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。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种用于动物超声诊断的M型超声心动图处理方法,其特征在于,包括:
获取动物心脏的M型超声心动图;
在所述M型超声心动图中确定感兴趣区域;所述感兴趣区域包括一个收缩舒张期的图像;
对所述感兴趣区域进行自适应阈值二值化处理;
对自适应阈值二值化处理后的所述感兴趣区域进行膨胀处理;
对膨胀处理后的所述感兴趣区域进行有效性判断;
当判断有效性的结果为有效时,在所述感兴趣区域中部设定一条与所述M型超声心动图的取样线垂直的分割线,以将所述感兴趣区域的图像分割成上下两个部分;
分别对所述感兴趣区域的上部和下部的图像进行边缘化信息标定,以获取所述分割线上任一点沿所述取样线方向上到所述感兴趣区域上部和下部的图像边缘距离的和;
获取所述和中的最大值和最小值。
2.如权利要求1所述的处理方法,其特征在于,所述M型超声心动图包括M型测定心室舒张内径图、M型测定心室收缩内径图、M型测定心室间隔收缩速度图、M型测定心室舒张速度图、M型测定心室后壁收缩速图、M型测定心室后壁舒张速度图、M型测定舒张期二尖瓣E峰距室间隔的距离图和/或M型测定主动脉直径及左房前后径图。
3.如权利要求1所述的处理方法,其特征在于,还包括:
对所述最大值和所述最小值进行合理性判断;
当判断不合理时,则重新在所述M型超声心动图中确定感兴趣区域;其中当所述最大值和所述最小值不在预设取值范围内时,则判断不合理。
4.如权利要求3所述的处理方法,其特征在于,还包括:
将所述最大值和所述最小值的差与所述最大值的商求百分比。
5.如权利要求1所述的处理方法,其特征在于,所述自适应阈值二值化处理是采用opencv的adaptiveThreshold算法进行处理。
6.如权利要求1所述的处理方法,其特征在于,所述膨胀处理是在所述感兴趣区域的图像中按一预设结构元素取该结构元素所覆盖下的区域中所有像素值中最大的值替换当前结构元素中所有像素的值。
7.如权利要求1所述的处理方法,其特征在于,所述对膨胀处理后的所述感兴趣区域进行有效性判断,包括:
当膨胀处理后的所述感兴趣区域的图像只包括三个区域,且任一区域中的图像的像素点的像素值与相邻像素的像素值不大于一预设值时,则判断有效性的结果为有效,反之则判断有效性的结果为无效。
8.如权利要求7所述的处理方法,其特征在于,还包括:
当判断有效性的结果为无效时,重新在所述M型超声心动图中确定感兴趣区域。
9.一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1-8中任一项所述的处理方法。
10.一种用于动物超声诊断的M型超声心动图处理系统,其特征在于,包括:
图像获取装置,用于获取动物心脏的M型超声心动图,并在所述M型超声心动图中确定感兴趣区域;所述感兴趣区域包括一个收缩舒张期的图像;
图像处理装置,用于对所述感兴趣区域进行自适应阈值二值化和膨胀处理,还用于对膨胀处理后的所述感兴趣区域进行有效性判断,并当判断有效性的结果为有效时,在所述感兴趣区域中部设定一条与所述M型超声心动图的取样线垂直的分割线,以将所述感兴趣区域的图像分割成上下两个部分;
所述图像处理装置还用于分别对所述感兴趣区域上部和下部的图像进行边缘化信息标定,以获取所述分割线上任一点沿所述取样线方向上到所述感兴趣区域的上部和下部的图像边缘距离的和,并获取所述和中的最大值和最小值;
显示装置,显示所述最大值和所述最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730710.2A CN112336378B (zh) | 2019-08-08 | 2019-08-08 | 一种用于动物超声诊断的m型超声心动图处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730710.2A CN112336378B (zh) | 2019-08-08 | 2019-08-08 | 一种用于动物超声诊断的m型超声心动图处理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112336378A true CN112336378A (zh) | 2021-02-09 |
CN112336378B CN112336378B (zh) | 2022-05-03 |
Family
ID=74366832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910730710.2A Active CN112336378B (zh) | 2019-08-08 | 2019-08-08 | 一种用于动物超声诊断的m型超声心动图处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112336378B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5916168A (en) * | 1997-05-29 | 1999-06-29 | Advanced Technology Laboratories, Inc. | Three dimensional M-mode ultrasonic diagnostic imaging system |
US20070196005A1 (en) * | 2006-02-23 | 2007-08-23 | White Christopher A | Feature Tracing Process for M-mode Images |
CN104510494A (zh) * | 2013-09-30 | 2015-04-15 | 中国人民解放军第二军医大学 | 一种颈总动脉m型超声波图像后处理装置及方法 |
CN105433980A (zh) * | 2015-11-20 | 2016-03-30 | 深圳开立生物医疗科技股份有限公司 | 一种超声成像方法、装置及其超声设备 |
WO2017193251A1 (zh) * | 2016-05-09 | 2017-11-16 | 深圳迈瑞生物医疗电子股份有限公司 | 识别超声图像中感兴趣区域轮廓的方法及系统 |
CN109846513A (zh) * | 2018-12-18 | 2019-06-07 | 深圳迈瑞生物医疗电子股份有限公司 | 超声成像方法、系统和图像测量方法、处理系统及介质 |
-
2019
- 2019-08-08 CN CN201910730710.2A patent/CN112336378B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5916168A (en) * | 1997-05-29 | 1999-06-29 | Advanced Technology Laboratories, Inc. | Three dimensional M-mode ultrasonic diagnostic imaging system |
US20070196005A1 (en) * | 2006-02-23 | 2007-08-23 | White Christopher A | Feature Tracing Process for M-mode Images |
CN104510494A (zh) * | 2013-09-30 | 2015-04-15 | 中国人民解放军第二军医大学 | 一种颈总动脉m型超声波图像后处理装置及方法 |
CN105433980A (zh) * | 2015-11-20 | 2016-03-30 | 深圳开立生物医疗科技股份有限公司 | 一种超声成像方法、装置及其超声设备 |
WO2017193251A1 (zh) * | 2016-05-09 | 2017-11-16 | 深圳迈瑞生物医疗电子股份有限公司 | 识别超声图像中感兴趣区域轮廓的方法及系统 |
CN109846513A (zh) * | 2018-12-18 | 2019-06-07 | 深圳迈瑞生物医疗电子股份有限公司 | 超声成像方法、系统和图像测量方法、处理系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112336378B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101908520B1 (ko) | 메디컬 이미징에서 공간 및 시간 제약들을 이용하는 랜드마크 검출 | |
KR101625256B1 (ko) | 심장 m-모드 뷰들의 자동 분석 | |
US11510651B2 (en) | Ultrasonic diagnosis of cardiac performance using heart model chamber segmentation with user control | |
CN102763135B (zh) | 用于自动分割和时间跟踪的方法 | |
US20150023577A1 (en) | Device and method for determining physiological parameters based on 3d medical images | |
US8009887B2 (en) | Method and system for automatic quantification of aortic valve function from 4D computed tomography data using a physiological model | |
KR102251830B1 (ko) | 초음파 및 ct 영상의 정합에 관한 시스템 및 작동 방법 | |
KR20190038448A (ko) | 의료 진단 이미징에서의 측정 포인트 결정 | |
CN114845642A (zh) | 用于超声成像的智能测量辅助以及相关联的设备、系统和方法 | |
CN112336378B (zh) | 一种用于动物超声诊断的m型超声心动图处理方法和系统 | |
EP3267896B1 (en) | Ultrasonic diagnosis of cardiac performance by single degree of freedom chamber segmentation | |
CN112826535B (zh) | 一种超声成像中自动定位血管的方法和装置及设备 | |
Shanmuganathan et al. | Image registration for multi-view three-dimensional echocardiography sequences | |
Almeida et al. | Semi-automatic left-atrial segmentation from volumetric ultrasound using B-spline explicit active surfaces | |
JP2021053411A (ja) | 単一自由度の心腔セグメント化による心臓性能の超音波診断 |
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 |