CN112386282B - 一种超声自动容积扫描成像方法与系统 - Google Patents
一种超声自动容积扫描成像方法与系统 Download PDFInfo
- Publication number
- CN112386282B CN112386282B CN202011271941.0A CN202011271941A CN112386282B CN 112386282 B CN112386282 B CN 112386282B CN 202011271941 A CN202011271941 A CN 202011271941A CN 112386282 B CN112386282 B CN 112386282B
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- volume
- volume data
- dimensional
- dimensional volume
- 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
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4444—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to the probe
- A61B8/4461—Features of the scanning mechanism, e.g. for moving the transducer within the housing of the probe
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/461—Displaying means of special interest
- A61B8/466—Displaying means of special interest adapted to display 3D data
-
- 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
- A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of 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
Abstract
本发明涉及超声成像技术领域,尤其涉及一种超声自动容积扫描成像方法与系统。方法步骤是:S1,采用容积超声扫描获取若干超声三维体数据,超声三维体数据中相邻的超声三维体数据具有连续的相对位置关系;在获取超声三维体数据的过程中,基于前一卷超声三维体数据,对当前卷超声三维体数据进行合格性检查;S2,将合格的超声三维体数据合成得到大区域体数据,并将大区域体数据进行渲染显示。与现相比,本发明专利不需要长的特制探头、复杂的机械臂系统和限制探头运动范围的硬板,使用标准的三维容积探头徒手移动和扫描,就可构建具有一定曲率更贴合人体表面的容积超声成像大区域的体数据。
Description
技术领域
本发明涉及超声成像技术领域,尤其涉及一种超声自动容积扫描成像方法与系统。
背景技术
传统容积扫描超声成像以三维图像形式向医务人员提供病人组织结构的诊断信息。但是使用传统超声仅仅能得到扫描范围有限的超声图像,当对一个较大组织区域进行整体评估时,这种成像模式对医务人员的诊断不利。许多应用需要提供更大更全面的组织区域的采样信息,如四肢检测、颈部组织成像、腹部组织成像等。为了获取这些区域的组织结构信息,操作人员不得不操作探头沿着身体表面的感兴趣区域缓慢移动进行成像,而无法自动得到大区域的容积超声全景成像。
近年来,超声自动容积扫描成像系统技术得到了显著的发展。典型的应用是自动乳腺容积超声成像系统(ABUS),可以自动实现大区域的容积超声全景成像。ABUS系统一般包含一个复杂的机械臂系统、一个长孔径超声探头和一个隔板。系统工作时先用隔板将乳房尽可能压平,然后通过机械臂系统将一个长孔径超声线阵探头在乳腺区域水平移动扫描获得整个乳腺区域的体数据,然后通过体重建和体绘制等处理进行渲染,实现大区域的容积超声全景成像。
还有一种实现大区域的容积超声全景成像的方法是采用SonoCiné公司AWBUS系统使用自动扫描的线阵探头实现成像,该探头产生2,000至5,000个扫查区域的轴向图像。通过X和Y两个运动方向获得各个位置的轴向图像,进而完成感兴趣区域的扫描。
以上这些系统和方法需要使用二维面阵或超长超声探头且依赖于比较复杂的机械臂系统,造价非常昂贵,扫查一般也比较耗时。另外,人体表面扫查存在一定曲率,采用机械臂的扫查方式,需要身体的变形配合,使得最后的成像存在误差。现有技术只考虑了乳腺容积宽景成像,因此扫描、图像配准和体重建等也只局限于线阵,而没有考虑其它如凸阵容积、腔体容积,也没有考虑对腹部器官、妇产科全景成像等应用。
发明内容
为了克服了现有技术中采用机械臂或超长超声探头实现成像,成像系统昂贵、扫查耗时等问题,提出了一种超声自动容积扫描成像方法与系统。
为了实现上述发明目的,本发明提供了以下技术方案:
一种超声自动容积扫描成像方法,包括以下步骤:
S1,采用容积超声扫描获取若干超声三维体数据,若干超声三维体数据中相邻的超声三维体数据具有连续的相对位置关系;
在获取超声三维体数据的过程中,基于前一卷超声三维体数据,对当前卷超声三维体数据进行合格性检查,如果合格性检查通过,则当前卷超声三维体数据保留,否则,放弃当前卷超声三维体数据,重新获取当前卷超声三维体数据,并重新进行合格性判断;
S2,基于连续的相对位置关系,将保留的若干超声三维体数据合成得到大区域体数据,并将大区域体数据进行渲染显示。
作为本发明的优选方案,相邻的超声三维体数据具有连续的相对位置关系具体是指,前一卷超声三维体数据与当前卷超声三维体数据在空间位置上具有交叠区域。
作为本发明的优选方案,交叠区域为水平方向上的交叠区域或者垂直方向上的交叠区域。
作为本发明的优选方案,交叠区域在超声三维体数据呈像区域的比率P的取值范围是20%≤P≤80%。
作为本发明的优选方案,基于前一卷超声三维体数据,对当前卷超声三维体数据进行合格性检查包括以下步骤:
S11,在前一卷超声三维体数据中抽取一帧图像作为先前帧图像,并且在当前卷超声三维体数据中抽取相应位置的一帧图像作为当前帧图像,其中,每一卷超声三维体数据包含多帧图像,并且多帧图像之间有固定的位置关系;
S12,根据先前帧图像和当前帧图像之间的匹配度进行合格性检查或者根据先前帧图像和当前帧图像之间的运动向量进行合格性检查;
S13,如果匹配度大于或等于匹配度阈值,则当前卷超声三维体数据合格性检查通过,否则,不通过;如果所述运动向量小于期望位移并且所述先前帧图像和所述当前帧图像之间的交叠比例不低于预设值,则当前卷超声三维体数据合格性检查通过,否则,不通过。
作为本发明的优选方案,所述基于前一卷超声三维体数据,对当前卷超声三维体数据进行合格性检查包括以下步骤:
A11,在当前卷超声三维体数据中抽取相应位置的一帧图像作为当前帧图像,对当前卷体数据中的当前帧图像提取关键点,其中,每一卷所述超声三维体数据包含多帧图像,并且所述多帧图像之间有固定的位置关系;
A12,对所述关键点进行定位并确定特征方向;
A13,通过各关键点的特征向量进行相邻体数据中图像帧比较找出相互匹配对应关系;
其中,在步骤A11具体包括以下步骤:
A1100、对当前卷体数据中的当前帧图像基于高斯金字塔构建图像尺度空间;
A1101、通过局部极值检测得到候选特征点;
A1102,计算所述候选特征点相应的Hessian矩阵;
A1103,根据Hessian矩阵,计算Tr(H)和Det(H),其中,Tr(H)=Dxx+Dyy=α+β,α是较大的特征值,β是较小的特征值,Dxx,Dxy和Dyy构成Hessian矩阵,是候选点对应邻域位置的差分;
A1104,当Tr(H)2/Det(H)<T时,则保留相应的候选特征点,保留的候选特征点就是候选关键点,否则去除相应的候选特征点;
A1105、当所述候选关键点的个数大于或等于关键点阈值时,则当前卷超声三维体数据合格,否则,为不合格。
基于相同的构思,还提出了一种超声自动容积扫描成像系统,包括超声容积探头和处理器,超声容积探头用于获取超声三维体数据,处理器用于实时接收超声三维体数据,并采用上述任一的方法进行超声三维体数据合格性检查,合格的超声三维体数据进行合成得到大区域体数据,并将大区域体数据进行成像显示。
作为本发明的优选方案,超声容积探头的种类包括线阵容积探头、凸阵容积探头或腔体容积探头。
作为本发明的优选方案,超声容积探头包括4D驱动板、发射接收板和步进电机,4D驱动板用于控制步进电机带动超声容积探头步进完成一卷超声三维体数据的扫描;发射接收板控制超声容积探头发射信号或接收信号。
作为本发明的优选方案,一种超声自动容积扫描成像系统还包括排除所述超声容积探头和被测对象之间空气的介质。
与现有技术相比,本发明的有益效果:
1、本发明的方法和系统,在容积超声成像上,能够只使用普通商业容积探头产生一个大的扫描区域。与现有自动容积超声成像系统设备相比,本发明专利不需要特制的长探头、线阵探头、复杂的机械臂系统和限制探头运动范围的硬板。只使用标准的三维容积探头徒手移动和扫描获取三维体数据,通过图像配准的方法来构建大的具有一定曲率更贴合人体表面的容积超声成像大区域的体数据,同时利用这种容积扫描和交叠扫描相结合方式大幅度的降低了扫查时间。
2、本发明的方法在考虑了曲率的影响因素,不会强行让身体变形以适应超声采集的需要,而是考虑了曲率的影响,直接获取大区域的体数据,可以直接应用于凸阵容积、腔体容积的况,也可以直接对腹部器官、妇产科全景成像。
附图说明:
图1为本发明实施例1中一种超声自动容积扫描成像方法流程图;
图2为本发明实施例1和实施例3中一种典型的三维体数据获取路径图;
图3为本发明实施例2中高斯金字塔构建的示意图;
图4为本发明实施例2中局部极值检测得到候选特征点的示意图;
图5为本发明实施例3中商业容积探头示意图;
图6为本发明实施例3中系统处理的流程图;
图7为本发明实施例3中容积探头自动扫描图像平面的几何示意图;
图8为本发明实施例3中容积探头自动扫描旋转扫描的相关几何示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
一种超声自动容积扫描成像方法,流程图如图1所示,包括以下步骤:
S1,采用容积超声扫描获取若干超声三维体数据,所述若干超声三维体数据中相邻的超声三维体数据具有连续的相对位置关系;在获取所述超声三维体数据的过程中,基于前一卷超声三维体数据,对当前卷超声三维体数据进行合格性检查,如果合格性检查通过,则当前卷超声三维体数据保留,否则,重新获取当前卷超声三维体数据,并重新进行合格性判断;
S2,将保留的若干超声三维体数据合成得到大区域体数据,并将大区域体数据进行渲染显示。
其中,步骤S1中,获取若干超声三维体数据的方法的具体实施例为采用三维容积探头(线阵容积、凸阵容积以及腔体容积等商业容积探头均可)获取一系列三维超声立体图像。容积探头沿着垂直方向产生一系列的三维体数据。相邻的三维体数据在垂直方向存在一定的交叠,采用这种步进机制可以最终产生足够大的感兴趣观测区域,而不受限于容积探头的孔径尺寸大小。
作为优选方案,交叠区域在当前超声三维体数据呈像区域的比率P的取值范围是20%≤P≤80%。
一种典型的三维体数据获取路径如图2所示,当垂直方向运动到末端,就向水平方向进行一次移动(例如向右步进),又在垂直方向移动产生一系列三维体数据,并且这些三维体数据与水平相邻的三维体数据存在交叠扫描区域(例如向右移动时,当前体数据与左边的体数据存在交叠扫描区域),医生按照上述路径移动控制容积探头在垂直方向又产生一系列体数据。保持如前所述这样垂直与水平方向运动,就可以产生一个足够大的感兴趣观测区域,感兴趣观测区域的长度由垂直方向运动次数与容积探头的孔径尺寸决定;感兴趣观测区域的宽度由水平方向运动次数与容积探头的旋转角度决定。
作为本发明的优选方案,在获取三维体数据的过程中,实时地进行图像合格性检查,如果三维体数据合格,则留存,用于后期图像合成,如果不合格,则重新获取当前三维体数据,重新进行合格性判断。判断本质在于控制交叠区域在当前超声三维体数据呈像区域所占的比例。在容积扫描的过程中,可以通过连续帧图像序列的运动估计算法判断图像是否合格,用以提示操作者控制探头的步进速度和校正步进轨迹。
连续帧图像序列的运动估计算法可以使用多种方法来作为比较标准,例如基于像素、矩形块或是不规则的组织区域。在所有这些可选项中,基于块的比较方法最为常用,而且也得到了很成熟的发展。基于分块运动估计方法的基本思想是,首先将B型超声图像以M×N为大小的子块进行等分。这时我们引入一个概念,把在图像序列中编号靠前的称为先前帧,而其下一个编号的图像称为当前帧(也意味着目前刚刚采集得到的图像)。然后从当前帧中选择一个块B1作为目标块来进行匹配搜索,在先前帧中找到与当前选出的块B1最相似的块B2,则B1和B2匹配,以B1和B2为参考,对先前帧和当前帧进行运动估计。在这里,块匹配的标准采用的是绝对差和(sum of absolute difference,SAD)进行计算。
作为优选方案,基于前一卷超声三维体数据,对当前卷超声三维体数据进行合格性检查包括以下步骤:
S11,在前一卷超声三维体数据中抽取一帧图像作为先前帧图像,并且在当前卷超声三维体数据中抽取相应位置的一帧图像作为当前帧图像,其中,每一卷所述超声三维体数据包含多帧图像,并且所述多帧图像之间有固定的位置关系。
作为具体的实施例,当操作超声容积探头步进到某一位置时,容积探头内马达控制声头从左到右完成一卷体数据扫描,一卷数据由多个图像帧构成。例如探头摆动角度为60度,摆动步进1度,从左到右的图像帧帧号可以为0~59。连续帧图像序列的运动估计就是在一次垂直步进中前后卷中同一帧号的图像帧之间进行的。同理在完成水平步进后,水平方向相邻体数据卷也在水平切面方向进行连续帧图像序列的运动估计,以判断图像是否合格。优选的,由于容积探头扫描一卷的旋转角度固定,可以取每卷数据中的第一帧,即0度偏角对应的图像帧进行图像合格性判断。
S12,根据所述先前帧图像和所述当前帧图像之间的匹配度进行合格性检查或者根据所述先前帧图像和所述当前帧图像之间的运动向量进行合格性检查。
S13,如果所述匹配度大于或等于匹配度阈值,则所述当前卷超声三维体数据进行合格性检查通过,否则,不通过;如果所述运动向量小于期望位移并且所述先前帧图像和所述当前帧图像之间的交叠比例不低于预设值,则所述当前卷超声三维体数据进行合格性检查通过,否则,不通过。
步骤S12中,匹配度的计算公式为:
其中,SADmin为当前帧中目标块与先前帧候选块做像素间的绝对差和的最小值,M和N为当前帧图像分块的横向像素和纵向像素。
匹配度量的标准函数有绝对差和、均方误差、平均绝对差等等,优选的,使用绝对差和,公式如下:
SAD(i,j)表示当前帧H(k)中目标块与先前帧H(k-1)处于(i,j)位置的候选块做像素间的绝对差和,M和N为分块大小,例如M=16,N=16。SAD值越小表示两者越接近。
当匹配度Similarity小于指定匹配阈值(匹配阈值优选为0.9,匹配阈值的范围可设置为0.8~0.98),则认为容积探头扫描运动轨迹发生偏差,给予用户操作提示,当前体数据则不参与后续计算,回退或修正位置再进行容积扫描。
另外,在进行匹配度检查的时候,还可以考虑运动向量的因素。在前一帧中寻一个与当前帧中目标块之间SAD具有最小差异值的候选块,这时通过计算目标块和候选块两个块之间的位置差就可以得到一个运动向量。最准确的搜索方法是全局搜索法去计算搜索区域中每个位置的差异,并选出最接近的一个,因此最优的用于配准的区块能够被找到。优选的,使用梯度下降搜索算法得到局部最优配准区块,并且结合运动向量的长度评估运动的有效性。进一步的,以主轴(块的中心轴)最匹配位置方向进行搜索,可以减少搜索方向,并同时减少搜索空间,提交搜索效率。
运动向量V(vx,vy)的计算如下:
vx=if-is
vy=jf-js
其中,(if,jf)为搜索停止的最终位置,(is,js)为计算搜索开始的位置。如果向量(vx,vy)的长度近似为0,说明超声探头几乎没有移动,当前帧图像没有保存的价值,将丢弃这个位置的运动向量。
运动向量计算出来以后,判断运动向量是否大于期望位移L,如果大于,说明超声探头移动过快,图像交叠的比率没有达到预期的要求,该卷三维体数据不合格,不能用于后期图像合成,回退或调整的运动方向后重新获取。基于上述判断,运动向量不能过小,也不能过大,控制超声探头移动的速度,同时也控制前后卷超声体数据交叠区域在超声三维体数据呈像区域的比率P控制在预设范围内。
作为优选方案,沿探头方向(垂直方向)步进期望位移可以定义为:
SEx=Lh×Ph
其中,SEx是沿探头方向步进的期望位移,Lh是探头宽度,Ph是沿探头方向步进的期望交叠百分比;
沿探头摆动方向(水平方向)步进期望位移可以定义为:
SEy=Lk×Pk
其中,SEy是沿探头摆动方向步进的期望位移,Lk是探头旋转摆动的宽度,Pk是沿探头摆动方向步进的期望交叠百分比。
以线阵容积探头型号1的垂直方向为例:
探头宽度为38.4mm,期望交叠比例不低于20%,得到探头移动速度vx不大于7.68mm/s,因此,探头方向(垂直方向)步进期望位移为
LT是图像宽度,与输入数据大小相关,由系统决定,例如输入384×512的图像,图像宽度为384,图像高度为512,这里图像宽度的单位是像素,对应的物理距离是探头宽度。
探头摆动方向(水平方向)步进期望位移为
LP是剖面宽度,对于旋转摆动探头,剖面宽度等于卷内帧数。
通过上述期望位移的计算方法,就可以计算出期望位移,进而将运动向量与期望位移进行比较,进行合格性判断。
作为优选方案,步骤S2中,合成得到大区域体数据包括以下步骤:
S21,预处理矫正参考平均向量。
当前平均向量是由当前帧的块运动向量集合计算而来,历史平均向量是由前一次已被矫正的向量集合计算而来。将当前平均向量和历史平均向量归一化,并获得这两个向量(当前平均归一化向量和历史平均归一化向量)的夹角,如果夹角过大(例如大于10度),这表示前后两帧的运动偏移过大,那么当前帧的运动向量集合被看做无效,则该帧被排除出配准计算。如果没有夹角过大的情况,则采用加权和方式进行角度矫正来生成新的归一化向量,计算公式如下:
S22,进行局部块区域的运动估计运动向量矫正。
使用上一步骤生成的新的归一化向量作为参考平均向量,以系数加权和方式去矫正当前帧的运动向量集合中每一个向量:
其中:
在矫正处理完成后,运动向量集得到规范化,错误和有较大偏离的向量被相对正确的平均向量取代或是调整,这样使得最终的全局运动矩阵计算更加精确。
S23,全局运动方式的最优化估计。
从向量集合中提取一个描述全局的统一运动方式,应用到图像帧之间的合成。先前帧和当前帧中一一对应块之间的位置关系已经得到。将这两者之间的关系看做两个二维点集之间的坐标变换,计算它们之间的相似变换系数,并且用旋转、平移和缩放来表示两帧的关系。在有了这个变换函数后,将当前帧做映射并与在历史图像拼接缓存中的数据相结合,经过一系列图像帧的合成就可以形成一个切面的大区域全景图像。优选的,使用最小方差估计方法进行连续图像帧的运动关系矩阵求解。
S24,行图像拼接与融合。
运动向量估计完成后,使用空间合成方法来将进行图像拼接与融合。需要考虑图像采集的时间关系和超声的声学特质,优选的,使用加权和的图像数据空间合成,权值是前后两帧待合成图像上一一对应的两个像素之间灰度值绝对差的函数,它决定了这两帧之间图像内容的变化速度,可以档位调节,权值β计算如下:
其中,level为可调档位,level为0时,β取0;level大于等于1时,用上面公式,diff为像素差的绝对值,A、B是两个可调系数,例如A和B为0.5和8,A的范围可以是0~1,B的范围可以是5~25。
以上步骤S21~S22的图像合成,可以对垂直方向上不同容积体数据同一帧号图像进行的一次,然后再对同一水平位置不同容积体数据同一切面进行一次。由于一卷三维体数据包括多帧图像,当体数据中每一帧图像都进行了合成后,就合成得到了大区域体数据,可以将大区域体数据进行渲染显示。
实施例2
对于一些曲率较大或存在一定旋转的应用,可以结合尺度不变特征变换的方式进行相邻图像帧的匹配。尺度不变特征变换主要包含三个步骤:提取关键点、定位关键点并确定特征方向和通过各关键点的特征向量找出匹配关系。
首先,在配准前对各个图像帧进行预处理,抑制斑点噪声以突出图像上的关键特征(例如组织边缘等)。抑制斑点噪声以突出图像上的关键特征可以使用基于空间多尺度图像增强来实现,而基于空间多尺度图像增强通常采用图像金字塔变换的手段实现,例如,例如拉普拉斯金字塔或小波金字塔等,优选采用小波金字塔变换。
一、提取关键点。
对当前卷体数据中的当前帧图像提取关键点主要包括以下几个步骤:1、对当前卷体数据中的当前帧图像基于高斯金字塔构建图像尺度空间;2、通过局部极值检测得到关键点。
其中,基于高斯金字塔构建图像尺度空间的步骤包括两步:第一步是对当前帧图像做高斯平滑,第二步是对前帧图像。原理如图3所示,将当前帧图像不断降阶采样,得到一系列大小不一的图像,由大到小,从下到上构成的塔状模型。当前帧图像为金子塔的第一层,每次降采样所得到的新图像为金字塔的一层(每层一张图像),每个金字塔共n层。为了让尺度体现其连续性,高斯金字塔在简单降采样的基础上加上了高斯滤波。如图3所示,将图像金字塔每层的一张图像使用不同参数做高斯模糊,Octave表示一幅图像可产生的图像组数,Interval表示一组图像包括的图像层数。另外,降采样时,高斯金字塔上一组图像的初始图像(底层图像)是由前一组图像的倒数第三张图像隔点采样得到的。
若高斯图像金字塔共o组、s层,则有:
σ(s)=σo2sS
其中,σ是尺度空间坐标;s是sub-level层坐标;σ0是初始尺度;S是每组层数(一般为3~5)。
通过局部极值检测得到关键点包括以下步骤:
(1)通过局部极值检测得到候选特征点。候选特征点由DOG空间的局部极值点组成的。为了寻找DoG函数的极值点,每一个像素点要和它所有的相邻点比较,看其是否比它的图像域和尺度域的相邻点大或者小。如图4所示,中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较,以确保在尺度空间和二维图像空间都检测到极值点。
(2)根据候选特征点邻域对应位置的差分,构建Hessian矩阵。
在边缘梯度的方向上主曲率值比较大,而沿着边缘方向则主曲率值较小。候选特征点的DoG函数D(x)的主曲率与2×2Hessian矩阵H的特征值成正比。其中Hessian矩阵为x和y方向邻域差分得到的2×2矩阵,定义如下:
其中,Dxx,Dxy和Dyy是候选点对应邻域位置的差分。
(4)当Tr(H)2Det(H)<T时,则保留相应的候选特征点,保留的候选特征点就是关键点,否则去除。优选方案中,用于筛选候选特征点的T取值为1.3。另外,候选关键点超出已配准的区域时,也需要剔除。
在采集超声三维体数据的过程中,采用尺度不变特征变换的方式进行合格性判断的方法是:
当有效候选关键点过少(例如小于10个,可设范围5~50个),则认为容积探头运动轨迹发生偏差,给予用户操作提示,并结合运动向量告知回退或调整的运动方向。当前体数据则不参与后续计算,回退或修正位置再进行容积扫描;
否则,系统继续后续运算,并提示用户继续步进,优选的,系统界面上显示当前需要扫查整个区域示意图和探头行进的位置,如果当前容积扫描满足合格性条件,则显示为绿色,不满足合格性条件为红色。
二、定位关键点并确定特征方向
对于前面通过筛选的局部极值点位置,需要利用图像的局部特征为给每一个关键点分配一个基准方向,使特征描述子对图像旋转具有不变性。对于在高斯金字塔中检测出的关键点,使用其所在高斯金字塔图像邻域窗口内像素的梯度和方向分布特征确定,一般窗口大小为3倍高斯标准差,例如11×11大小的区域。
优选的,使用梯度直方图统计法,统计以关键点为原点,一定区域内的图像像素点确定关键点方向。在完成关键点的梯度计算后,使用直方图统计邻域内像素的梯度和方向。由于运动方向为向前,梯度直方图将0~180度的方向范围分为18个柱,其中每柱10度。直方图的峰值方向代表了关键点的主方向,方向直方图的峰值则代表了该特征点处邻域梯度的方向,以直方图中最大值作为该关键点的主方向。为了增强匹配的鲁棒性,只保留峰值大于主方向峰值70%的方向作为该关键点的辅方向。
三、通过各关键点的特征向量进行相邻体数据中图像帧比较找出相互匹配对应关系。
通过两点集内关键点描述子的比对来完成。例如关键点描述子的相似性度量采用欧式距离。因为经过前面筛选后,有效关键点已经大幅度降低,匹配可采取穷举法完成。找出匹配关系后,可使用实施例1中S21-S24实现大区域三维体数据的合成,此处不再赘述。
实施例3
一种超声自动容积扫描成像系统,包括超声容积探头、处理器和凝胶垫,超声容积探头用于获取超声三维体数据,凝胶垫覆盖于扫描区域,超声容积探头通过所述凝胶垫获取所述超声三维体数据;
处理器用于实时接收超声三维体数据,并采用实施例1或实施例2的方法进行超声三维体数据进行合格性检查,并合成大区域体数据。
作为具体的实施例,一种超声自动容积扫描成像系统包括一个超声容积探头为三维容积探头(线阵容积、凸阵容积以及腔体容积等商业容积探头均可,常见商业容积探头示意图如图5所示)、一个包含4D驱动板的超声系统和一个凝胶垫。
检测时将凝胶垫覆盖于人体,例如乳腺,医生徒手控制容积探头在凝胶垫上运动进行超声扫描。
容积探头沿着垂直方向(与探头旋转的垂直运动)产生一系列的三维体数据。相邻的三维体数据在垂直方向存在一定的交叠,采用这种步进机制可以最终产生足够大的感兴趣观测区域,而不受限于容积探头的孔径尺寸大小。在医生徒手移动过程中,系统实时检测体数据配准情况并给予步进情况的提示,当发现医生在移动方向上偏差过大(交叠区域过小),则提示医生回退或修正移动轨迹,以保证垂直方向为直线运动并保障适当区域交叠。
当垂直方向运动到末端,就向水平方向进行一次移动(例如向右步进),又在垂直方向移动产生一系列体数据,并且这些体数据与水平相邻的体数据存在交叠扫描区域(例如向右移动时,当前体数据与左边的体数据存在交叠扫描区域)这样移动后,医生控制容积探头在垂直方向又产生一系列体数据。保持如前所述这样垂直与水平方向运动,就可以产生一个足够大的感兴趣观测区域。移动的轨迹见图2。感兴趣观测区域的长度由垂直方向运动次数与容积探头的孔径尺寸决定;感兴趣观测区域的宽度由水平方向运动次数与容积探头的旋转角度决定。
水平方向步进时,系统实时检测体数据配准情况,当发现医生在移动位置上偏差过大,则提示医生回退、调整移动速度或修正移动轨迹,以保证水平方向体数据在同一几何平面并保持适当区域交叠。
容积探头在扫描两卷体数据之间留出一定间隔时间(例如0.5秒,可根据用户使用习惯设置长短)供用户垂直或水平步进,系统界面会提示当前处于扫描中或者暂停扫描。这个过程由设备的4D驱动板和发射/接收(Tx/Rx)板控制。4D驱动板控制步进电机从左到右步进(正序)完成一卷扫描,并告知Tx/Rx板控制暂停探头发射接收,此时系统界面扫描提示处于暂停扫描;4D驱动板根据预设间隔时间决定下一次控制步进电机启动从右到左步进(逆序),并告知Tx/Rx板控制启动探头发射接收。如此正序、暂停、逆序、暂停、正序,直到完成整个区域扫描。
系统接收到容积探头返回的信号经过波束合成、回波信号处理、包络检测与动态范围压缩生成图像数据,经过图像预处理(即平滑去噪)后,放入体数据缓存,完成一卷扫描后(或者获得关键帧后,例如0度角图像帧数据),进行体数据配准与插值重建。系统处理的流程图如图6所示。
最终的体数据容积是由感兴趣扫描区域的长度和宽度以及容积探头的扫描深度决定。无论扫查的区域是否存在曲率,采用本实施例的扫查方式,可以获取一系列存在相互交叠的三维体数据,这些三维体数据用于后续的渲染显示。
得到精确体素数据后,可以通过三次线性插值获得任意剖面所在点的像素值进行显示成像。同时对得到的精确全景体数据使用体绘制算法,优选的,采用光线追踪(raycast)算法,生成足够大区域的三维超声全景图像。
容积探头自动扫描控制实施例:
术语定义如下:
图像平面的相关几何定义(示意图见图7)如下:
ROC:曲率半径Radius of Curvature(R):超声探头的曲率半径。
FOV,视场Field of View(θ):图像平面上的视场。
Scan,扫描宽度Width of the scanning(Ls):扫描平面上扫描宽度,对于线阵即为探头孔径大小。
D(I)press,(DP):探头尖端到成像平面中心线远端阵元投影面的长度。这个参数用于测量图像平面上对于一次完全扫描四维容积探头按压被检测者身体的深度。
旋转扫描相关定义(示意图见图8)如下:
LOR,旋转轴长度Length of Rotation Axis(RA):步进电机驱动探头从左到右旋转的半径;
FOS,摆动视域Field of Sweep(Ф):探头从左端到右端的总旋转角度;
TOE,声头高度(elevation)方向的厚度(TE):这个参数用以计算探头成像平面与探头末端的角度;
Span(R),旋转摆动的宽度(Lspan):从左端成像平面到右端成像平面的宽度,这个参数用以计算容积成像的视域;
D(R)press,(DR):探头尖端到成像平面中心线远端阵元投影面的长度。这个参数用于测量图像平面上对于一次完全旋转扫描四维容积探头按压被检测者身体的深度。
以线阵容积探头型号1为例,规格参数见表1:
表1常用商业容积探头参数
使用凝胶垫厚度为20mm;
1)7秒的垂直方向运动,其中5秒完成5卷体数据扫描(20%的图像交叠,旋转角为180度,36帧每秒,帧间间隔5度),2秒是步进运动时间(一卷体数据扫描完成后,等待0.5秒再启动扫描,0.5×4次间隔等于2秒,注:这里的等待时间系统可以任意配置,0.5秒只是示例)。
2)28秒完成4次的水平运动,其中45%的图像交叠。
由1)和2)可知:
垂直方向运动的总距离等于Scan(I)(38.4mm)*(1-交叠率20%)*4+Scan(I)38.4mm)≈17cm;
水平方向运动的总距离等于Span(R)(56mm)*(1-交叠率45%)*4+Span(R)(56mm)≈18cm;
完成进行一次17cm x 18cm区域的扫描,扫查的总时间仅为7×5+2≈37秒,其中2秒为4次水平移动时扫描等待时间。总体时间显著低于目前使用平面扫描的扫查时间。同时克服了使用特制大型超长超声宽景探头受扫描声窗影响的应用限制。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种超声自动容积扫描成像方法,其特征在于,包括以下步骤:
S1,采用容积超声扫描获取若干超声三维体数据,所述若干超声三维体数据中相邻的超声三维体数据具有连续的相对位置关系;
在获取所述超声三维体数据的过程中,基于前一卷超声三维体数据,对当前卷超声三维体数据进行合格性检查,如果合格性检查通过,则当前卷超声三维体数据保留,否则,放弃所述当前卷超声三维体数据,重新获取当前卷超声三维体数据,并重新进行合格性判断;
S2,基于所述连续的相对位置关系,将保留的若干超声三维体数据合成得到大区域体数据,并将所述大区域体数据进行渲染显示;
所述基于前一卷超声三维体数据,对当前卷超声三维体数据进行合格性检查包括以下步骤:
S11,在前一卷超声三维体数据中抽取一帧图像作为先前帧图像,并且在当前卷超声三维体数据中抽取相应位置的一帧图像作为当前帧图像,其中,每一卷所述超声三维体数据包含多帧图像,并且所述多帧图像之间有固定的位置关系;
S12,根据所述先前帧图像和所述当前帧图像之间的匹配度进行合格性检查或者根据所述先前帧图像和所述当前帧图像之间的运动向量进行合格性检查;
S13,如果所述匹配度大于或等于匹配度阈值,则所述当前卷超声三维体数据合格性检查通过,否则,不通过;如果所述运动向量小于期望位移并且所述先前帧图像和所述当前帧图像之间的交叠比例不低于预设值,则所述当前卷超声三维体数据合格性检查通过,否则,不通过;
所述匹配度的计算公式为:
其中,Dmin为当前帧中目标块与先前帧候选块做像素间的匹配度量的标准函数计算的最小值,所述匹配度量的标准函数包括绝对差和、均方误差、平均绝对差,M和N为当前帧图像分块的横向像素和纵向像素。
2.如权利要求1所述的一种超声自动容积扫描成像方法,其特征在于,所述相邻的超声三维体数据具有连续的相对位置关系具体是指,前一卷超声三维体数据与当前卷超声三维体数据在空间位置上具有交叠区域。
3.如权利要求2所述的一种超声自动容积扫描成像方法,其特征在于,所述交叠区域为水平方向上的交叠区域或者垂直方向上的交叠区域。
4.如权利要求3所述的一种超声自动容积扫描成像方法,其特征在于,所述交叠区域在所述超声三维体数据呈像区域的比率P的取值范围是20%≤P≤80%。
5.如权利要求1-4任一所述的一种超声自动容积扫描成像方法,其特征在于,所述基于前一卷超声三维体数据,对当前卷超声三维体数据进行合格性检查包括以下步骤:
A11,在当前卷超声三维体数据中抽取相应位置的一帧图像作为当前帧图像,对当前卷体数据中的当前帧图像提取关键点,其中,每一卷所述超声三维体数据包含多帧图像,并且所述多帧图像之间有固定的位置关系;
A12,对所述关键点进行定位并确定特征方向;
A13,通过各关键点的特征向量进行相邻体数据中图像帧比较找出相互匹配对应关系;
其中,在步骤A11具体包括以下步骤:
A1100、对当前卷体数据中的当前帧图像基于高斯金字塔构建图像尺度空间;
A1101、通过局部极值检测得到候选特征点;
A1102,计算所述候选特征点相应的Hessian矩阵;
A1103,根据Hessian矩阵,计算Tr(H)和Det(H),其中,Tr(H)=Dxx+Dyy=α+β,Det(H)=Dxx+Dyy-D²xy=α·β,α是较大的特征值,β是较小的特征值,Dxx,Dxy和Dyy构成Hessian矩阵,是候选点对应邻域位置的差分;
A1105、当所述候选关键点的个数大于或等于关键点阈值时,则当前卷超声三维体数据合格,否则,为不合格。
6.一种超声自动容积扫描成像系统,其特征在于,包括超声容积探头和处理器,所述超声容积探头用于获取超声三维体数据,所述处理器用于实时接收所述超声三维体数据,并采用如权利要求1-5任一所述的方法进行超声三维体数据合格性检查,合格的超声三维体数据进行合成得到大区域体数据,并将所述大区域体数据进行成像显示。
7.如权利要求6所述的一种超声自动容积扫描成像系统,其特征在于,所述超声容积探头的种类包括线阵容积探头、凸阵容积探头或腔体容积探头。
8.如权利要求7所述的一种超声自动容积扫描成像系统,其特征在于,所述超声容积探头包括4D驱动板、发射接收板和步进电机,所述4D驱动板用于控制所述步进电机带动所述超声容积探头步进完成一卷超声三维体数据的扫描;所述发射接收板控制超声容积探头发射信号或接收信号。
9.如权利要求6-8任一所述的一种超声自动容积扫描成像系统,其特征在于,还包括排除所述超声容积探头和被测对象之间空气的介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011271941.0A CN112386282B (zh) | 2020-11-13 | 2020-11-13 | 一种超声自动容积扫描成像方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011271941.0A CN112386282B (zh) | 2020-11-13 | 2020-11-13 | 一种超声自动容积扫描成像方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112386282A CN112386282A (zh) | 2021-02-23 |
CN112386282B true CN112386282B (zh) | 2022-08-26 |
Family
ID=74601084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011271941.0A Active CN112386282B (zh) | 2020-11-13 | 2020-11-13 | 一种超声自动容积扫描成像方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112386282B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113456106B (zh) * | 2021-08-03 | 2023-11-21 | 无锡祥生医疗科技股份有限公司 | 颈动脉扫查方法、装置和计算机可读存储介质 |
CN116350268B (zh) * | 2023-03-24 | 2024-02-02 | 逸超医疗科技(北京)有限公司 | 基于机械扇扫容积探头的快速三维空间弹性成像扫描方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102106741A (zh) * | 2009-12-25 | 2011-06-29 | 东软飞利浦医疗设备系统有限责任公司 | 一种二维超声图像的三维重建方法 |
CN103679193A (zh) * | 2013-11-12 | 2014-03-26 | 华南理工大学 | 一种基于freak的高速高密度封装元器件快速定位方法 |
CN105652865A (zh) * | 2014-11-20 | 2016-06-08 | 陕西亚泰电器科技有限公司 | 一种机器人寻线控制系统 |
CN106289777A (zh) * | 2016-08-01 | 2017-01-04 | 北京航空航天大学 | 一种基于几何度量的多工况滚动轴承性能评估方法 |
CN107798678A (zh) * | 2017-12-11 | 2018-03-13 | 成都优途科技有限公司 | B型超声图像最佳视觉效果自动优化系统及控制方法 |
CN107789008A (zh) * | 2017-11-29 | 2018-03-13 | 声泰特(成都)科技有限公司 | 一种基于通道数据的自适应超声波束合成方法和系统 |
CN107997783A (zh) * | 2017-11-29 | 2018-05-08 | 声泰特(成都)科技有限公司 | 一种基于超声波方向性的自适应超声波束合成方法和系统 |
CN108771548A (zh) * | 2018-04-10 | 2018-11-09 | 汕头市超声仪器研究所有限公司 | 一种基于分布式超声容积数据的成像方法 |
CN110072466A (zh) * | 2016-12-15 | 2019-07-30 | 皇家飞利浦有限公司 | 产前超声成像 |
CN211076110U (zh) * | 2019-12-20 | 2020-07-24 | 河北大学 | 一种多元信息救援机器人 |
CN111655158A (zh) * | 2017-11-27 | 2020-09-11 | 皇家飞利浦有限公司 | 用于生成血管内超声图像的超声图像生成系统 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568813A (en) * | 1994-11-23 | 1996-10-29 | General Electric Company | Method for combining ultrasound vector data from multiple firings to improve image quality |
CN100455266C (zh) * | 2005-03-29 | 2009-01-28 | 深圳迈瑞生物医疗电子股份有限公司 | 宽景成像处理方法 |
CN101254120B (zh) * | 2008-03-17 | 2010-09-08 | 北京好望角图像技术有限公司 | 实时超声宽视野成像方法 |
JP2011204118A (ja) * | 2010-03-26 | 2011-10-13 | Konica Minolta Opto Inc | 三次元画像作成システムおよび三次元画像作成方法 |
CN102274042B (zh) * | 2010-06-08 | 2013-09-04 | 深圳迈瑞生物医疗电子股份有限公司 | 图像配准方法、宽景成像方法、超声成像方法及其系统 |
JP5935344B2 (ja) * | 2011-05-13 | 2016-06-15 | ソニー株式会社 | 画像処理装置、画像処理方法、プログラム、記録媒体、および、画像処理システム |
US9495591B2 (en) * | 2012-04-13 | 2016-11-15 | Qualcomm Incorporated | Object recognition using multi-modal matching scheme |
US20140071125A1 (en) * | 2012-09-11 | 2014-03-13 | The Johns Hopkins University | Patient-Specific Segmentation, Analysis, and Modeling from 3-Dimensional Ultrasound Image Data |
US9693754B2 (en) * | 2013-05-15 | 2017-07-04 | Acist Medical Systems, Inc. | Imaging processing systems and methods |
US20150065877A1 (en) * | 2013-08-30 | 2015-03-05 | General Electric Company | Method and system for generating a composite ultrasound image |
CN104574329B (zh) * | 2013-10-09 | 2018-03-09 | 深圳迈瑞生物医疗电子股份有限公司 | 超声融合成像方法、超声融合成像导航系统 |
CN110338841B (zh) * | 2015-02-16 | 2022-04-15 | 深圳迈瑞生物医疗电子股份有限公司 | 三维成像数据的显示处理方法和三维超声成像方法及系统 |
CN106373103A (zh) * | 2016-09-08 | 2017-02-01 | 飞依诺科技(苏州)有限公司 | 一种超声数据的复合方法及装置 |
CN108778139A (zh) * | 2016-12-28 | 2018-11-09 | 深圳迈瑞生物医疗电子股份有限公司 | 在超声扫描中的图像提取方法、装置及超声成像系统 |
US10769474B2 (en) * | 2018-08-10 | 2020-09-08 | Apple Inc. | Keypoint detection circuit for processing image pyramid in recursive manner |
US11786218B2 (en) * | 2019-01-07 | 2023-10-17 | California Institute Of Technology | Burst ultrasound reconstruction with signal templates and related methods and systems |
CN111657997A (zh) * | 2020-06-23 | 2020-09-15 | 无锡祥生医疗科技股份有限公司 | 超声辅助引导方法、装置及存储介质 |
-
2020
- 2020-11-13 CN CN202011271941.0A patent/CN112386282B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102106741A (zh) * | 2009-12-25 | 2011-06-29 | 东软飞利浦医疗设备系统有限责任公司 | 一种二维超声图像的三维重建方法 |
CN103679193A (zh) * | 2013-11-12 | 2014-03-26 | 华南理工大学 | 一种基于freak的高速高密度封装元器件快速定位方法 |
CN105652865A (zh) * | 2014-11-20 | 2016-06-08 | 陕西亚泰电器科技有限公司 | 一种机器人寻线控制系统 |
CN106289777A (zh) * | 2016-08-01 | 2017-01-04 | 北京航空航天大学 | 一种基于几何度量的多工况滚动轴承性能评估方法 |
CN110072466A (zh) * | 2016-12-15 | 2019-07-30 | 皇家飞利浦有限公司 | 产前超声成像 |
CN111655158A (zh) * | 2017-11-27 | 2020-09-11 | 皇家飞利浦有限公司 | 用于生成血管内超声图像的超声图像生成系统 |
CN107789008A (zh) * | 2017-11-29 | 2018-03-13 | 声泰特(成都)科技有限公司 | 一种基于通道数据的自适应超声波束合成方法和系统 |
CN107997783A (zh) * | 2017-11-29 | 2018-05-08 | 声泰特(成都)科技有限公司 | 一种基于超声波方向性的自适应超声波束合成方法和系统 |
CN107798678A (zh) * | 2017-12-11 | 2018-03-13 | 成都优途科技有限公司 | B型超声图像最佳视觉效果自动优化系统及控制方法 |
CN108771548A (zh) * | 2018-04-10 | 2018-11-09 | 汕头市超声仪器研究所有限公司 | 一种基于分布式超声容积数据的成像方法 |
CN211076110U (zh) * | 2019-12-20 | 2020-07-24 | 河北大学 | 一种多元信息救援机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN112386282A (zh) | 2021-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111432733B (zh) | 用于确定超声探头的运动的设备和方法 | |
US10631829B2 (en) | Segmentation of large objects from multiple three-dimensional views | |
US9934579B2 (en) | Coupled segmentation in 3D conventional ultrasound and contrast-enhanced ultrasound images | |
JP5484444B2 (ja) | 医用画像診断装置、容積計算方法 | |
US9700284B2 (en) | Three-dimensional ultrasound reconstruction with confidence information | |
US6442289B1 (en) | Extended field of view ultrasonic diagnostic imaging | |
CN100455266C (zh) | 宽景成像处理方法 | |
CN112386282B (zh) | 一种超声自动容积扫描成像方法与系统 | |
JP2004514527A (ja) | 超音波診断画像におけるひずみ速度分析方法 | |
WO2014207668A1 (en) | Elastography measurement system and method | |
EP2973424B1 (en) | Data display and processing algorithms for 3d imaging systems | |
CN107427279A (zh) | 使用具有用户控制的心脏模型腔室的心脏功能的超声诊断 | |
US11684344B2 (en) | Systems and methods for quantitative abdominal aortic aneurysm analysis using 3D ultrasound imaging | |
US11311270B2 (en) | Intervolume lesion detection and image preparation | |
JP6991354B2 (ja) | 画像データ処理方法、デバイス及びシステム | |
Ma et al. | Left ventricle segmentation from contrast enhanced fast rotating ultrasound images using three dimensional active shape models | |
Karlita et al. | Design and Development of a Mechanical Linear Scanning Device for the Three-Dimensional Ultrasound Imaging System. | |
US20240023931A1 (en) | Method for providing a source of secondary medical imaging | |
US20230267618A1 (en) | Systems and methods for automated ultrasound examination | |
US20230186477A1 (en) | System and methods for segmenting images | |
JP2023073109A (ja) | 情報処理装置、医用画像診断装置、プログラム及び記憶媒体 | |
CN117084714A (zh) | 基于双目相机的测温方法、装置、计算机设备及存储介质 | |
Hsu | First Year Progress Report | |
KR20130013506A (ko) | 엑스레이스 촬영각도 변화에 따른 마커의 인식 방법 |
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 |