CN112704517B - 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质 - Google Patents
子宫内膜蠕动超声图像处理方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN112704517B CN112704517B CN202110139153.4A CN202110139153A CN112704517B CN 112704517 B CN112704517 B CN 112704517B CN 202110139153 A CN202110139153 A CN 202110139153A CN 112704517 B CN112704517 B CN 112704517B
- Authority
- CN
- China
- Prior art keywords
- motion
- significant
- ultrasonic image
- points
- processing
- 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
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了子宫内膜蠕动超声图像处理方法、系统、设备及存储介质,子宫内膜蠕动超声图像处理方法包括:对子宫内膜的超声图像进行前处理和后处理之后,通过预设运动捕捉算法获取超声图像中的每一个特征点的特征点坐标;根据所有特征点坐标以及预设运动凸显模型,将所有特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数;根据渲染权重参数对超声图像进行渲染,并在预设显示界面显示渲染后的超声图像。本发明可以准确快速检测到子宫内膜的蠕动,使凸显运动之后的显著运动点的运动具有更为直观的可观察性,且本发明可以实现超声图像的实时渲染和展示。
Description
技术领域
本发明涉及超声检测技术领域,尤其涉及一种子宫内膜蠕动超声图像处理方法、系统、设备及存储介质。
背景技术
子宫内膜的蠕动是反映女性生理周期的一个重要特征,它是由子宫内膜下肌层收缩引起的类似于肠道蠕动的波形运动,因此又往往被称为蠕动波。通常,蠕动波存在两种运动方向:从宫颈往宫底蠕动,或从宫底往宫颈蠕动。因此其运动模式可以通过以下方式来定义:
在指定的一段连续时间序列内,若子宫内膜中只存在单一方向(仅存在上述两种运动方向之一的蠕动波)的运动,那么称该时间序列内的运动模式为单向运动;而若子宫内膜的运动方向不唯一(上述两种运动方向的蠕动波均存在),且蠕动波从上述的一种运动方向切换为另一种,两种运动方向的蠕动波交替出现,那么称为往复运动;若子宫内膜的运动方向不唯一,且上述两种运动方向的蠕动波同时出现,即宫底与宫颈同时以相反方向运动,那么称之为相向运动。其中,往复运动和相向运动又统称为双向运动。
在人工辅助生殖技术中,子宫内膜的蠕动情况是一个重要的参考因素。例如,当植入受精卵时,若存在宫底至宫颈方向的蠕动波,受精卵很可能受该蠕动波的影响无法着床,手术成功率大大降低。因此,对医生来说,如何准确地判断患者子宫内膜蠕动情况变得十分重要,但目前尚未有一种行之有效的技术手段可以协助医生做出诊断。
现有技术中,通常通过人工对采集的子宫超声视频样本进行肉眼观测以确定子宫内膜的蠕动情况,由于子宫内膜的蠕动较为缓慢且不明显,肉眼很难分辨,医生往往需要花费几分钟至十几分钟来进行观察,因此耗时较长;同时,由于超声图像的特性,视频样本往往含有较多的噪声,而且观察目标与背景通常没有明确的区分度,因此,对子宫内膜的微弱蠕动进行肉眼观察将会十分吃力,检测得到的蠕动情况的结论往往凭借主观判断,其准确度低。
现有技术中,还存在通过对选定角度下的子宫内膜的M模式图像进行时序分析,通过观察子宫内膜的边缘在超声M模式下是否存在波动来检测蠕动波的方案,但该方案存在以下不足之处:首先,该方案需要待观察的子宫内膜样本在图像中没有出现整体移动,如果存在整体的移动,M模式下的图像会产生很大的变化,进而对子宫内部的蠕动观测产生极大干扰进而导致检测结果不准确。而子宫所处的位置紧邻肠道,肠道蠕动幅度大于子宫本身的蠕动,因此,肠道蠕动经常会导致子宫的整体移动,很难保证子宫整体静止,因此该方案的适用条件比较苛刻,其检测结果准确度低。并且,该方案只能对子宫特定的某一角度进行分析,但由于子宫存在局部蠕动的情况,并非每个部位都时刻会蠕动,因此很难检测得到整个子宫运动情况;例如,可能存在只有宫颈或宫底区域有蠕动而其他部位基本静止的情况;也可能存在宫颈与宫底同时相向运动,发生收缩和拉伸的情况;且本方案需要先手动找出子宫边界(也即三线征),再人工挑选出蠕动较剧烈部位的角度,然后在M模式下进行分析,其选定角度的步骤较为繁琐,也比较依赖人工选取结果,效果也不够直观,医生无法直接观察到蠕动的部位;此外,对于三线征不明显或没有三线征的子宫样本,在M模式下无法甚至无法观察到蠕动波的特征,因此无法进行后续的分析。
发明内容
基于此,有必要针对上述技术问题,提供一种子宫内膜蠕动超声图像处理方法、系统、设备及存储介质,以解决无法准确全面检测得到子宫内膜蠕动情况等问题。
一种子宫内膜蠕动超声图像处理方法,包括:
获取子宫内膜的超声图像,顺次对所述超声图像进行前处理和后处理;
根据预设的特征点生成规则,在后处理之后的所述超声图像中生成多个特征点;
通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标;
根据所有所述特征点坐标以及预设运动凸显模型,将所有所述特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数;
根据所述渲染权重参数对所述超声图像进行渲染,并在预设显示界面显示渲染后的所述超声图像。
一种子宫内膜蠕动超声图像处理系统,包括:
前后处理模块,用于获取子宫内膜的超声图像,顺次对所述超声图像进行前处理和后处理;
预处理模块,用于根据预设的特征点生成规则,在后处理之后的所述超声图像中生成多个特征点;
运动捕捉模块,用于通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标;
运动凸显模块,用于根据所有所述特征点坐标以及预设运动凸显模型,将所有所述特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数;
渲染模块,用于根据所述渲染权重参数对所述超声图像进行渲染,并在预设显示界面显示渲染后的所述超声图像。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现上述子宫内膜蠕动超声图像处理方法。
一个或多个存储有计算机可读指令的可读存储介质,所述计算机可读指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如上述子宫内膜蠕动超声图像处理方法。
上述子宫内膜蠕动超声图像处理方法、系统、设备及介质,所述子宫内膜蠕动超声图像处理方法中,对子宫内膜的超声图像进行前处理和后处理之后,通过预设运动捕捉算法获取超声图像中的每一个特征点的特征点坐标;根据所有特征点坐标以及预设运动凸显模型,将所有特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数;根据渲染权重参数对超声图像进行渲染,并在预设显示界面显示渲染后的超声图像。
本发明不仅可以准确快速检测到子宫内膜的蠕动,并且可以在区分显著运动点和非显著运动之后,根据渲染权重参数对超声图像进行渲染,且其渲染效果使得显著运动点的运动被凸显且具有更为直观的可观察性;同时,本发明对于子宫内膜的蠕动超声图像的检测不会受到子宫的整体运动的影响;并且,本发明的超声图像处理过程无需人工参与,且计算耗时较少,可以实现超声图像的实时渲染和展示,无需等待超声图像视频采样结束后,再进行处理,提升了检测效率,减少了检测时间和检测工作量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中子宫内膜蠕动超声图像处理方法的流程示意图。
图2是本发明一实施例中子宫内膜蠕动超声图像处理方法的步骤S40的流程示意图。
图3是本发明一实施例中计算机设备的示意图。
图4为本发明一实施例中在超声图像中生成的特征点处于并未运动的初始状态下的示意图。
图5为本发明一实施例中在超声图像中生成的多个特征点运动之后的示意图。
图6是本发明一实施例中子宫内膜蠕动超声图像处理方法中与特征点对应的特征值的示意图。
图7是本发明一实施例中子宫内膜蠕动超声图像处理方法中sigmoid函数的映射状态示意图。
图8是子宫内膜蠕动前的超声图像。
图9是子宫内膜蠕动后的超声图像。
图10是通过本发明的子宫内膜蠕动超声图像处理方法处理之后被渲染的超声图像。
图11是与单向的蠕动波对应的时间-数目运动曲线。
图12是与往复运动的蠕动波对应的时间-数目运动曲线。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本实施例提供的子宫内膜蠕动超声图像处理方法,可应用在与超声检测设备通信连接的服务端。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。超声检测设备可以通过超声探头获取超声图像。
在一实施例中,如图1所示,提供一种子宫内膜蠕动超声图像处理方法,包括如下步骤:
S10,获取子宫内膜的超声图像,顺次对所述超声图像进行前处理和后处理;具体地,所述步骤S10中,所述获取子宫内膜的超声图像,对所述超声图像进行前处理,包括:
实时获取超声探头在B模式下探测子宫内膜得到的超声图像;在本发明中,超声检测设备通过超声探头在B模式下探测得到超声图像,且上述超声图像均为实时获取的,也即,本发明只需要对B模式图像视频中的超声图像执行上述子宫内膜蠕动超声图像处理方法,即可最终实现准确快速确定子宫内膜的蠕动情况,且该方法是实时进行处理的,最终在也可以实现超声图像的实时渲染和展示,无需等待超声图像视频全部采样结束后再进行处理,提升了检测效率,减少了检测时间和检测工作量。可理解地,超声探头可以由若干大小相同的长条形压电换能器(每单个压电换能器称为阵元)等间隔排列组成,也可以由二维阵列、阵元排列成二维矩阵形状亦可。本发明中的超声探头可以为线阵探头等。在超声探头发出超声波(超声探头内的压电换能器将施加在它上面的电压脉冲激励转换成机械振动,从而对外发射出超声波)后,被探测的人体组织会把超声波散射或者反射回超声探头,超声探头上的各阵元把回波转换成电信号,经过放大再转换为数字信号进行处理与解析之后,得到每个超声图像对应的每条发射线的回波数据,进而根据上述回波数据生成超声图像。
对所述超声图像进行空间复合和斑点降噪处理之后,将所述超声图像缓存。也即,所述对超声图像进行前处理,主要包括对器进行空间复合图像处理以提升图像清晰度,还包括对超声图像进行半点降噪处理,以减弱图像斑点噪声。在对超声图像进行前处理之后,服务端将前处理之后的超声图像缓存在预设的数据缓存区域中,以后续方便检查或进行参数调节。
进一步地,所述步骤S10中,所述对所述超声图像进行后处理,包括:对前处理之后的所述超声图像依次进行黑洞填补处理、增益与动态范围变换处理、图像增强处理以及数字扫描变换处理。也即,对超声图像进行后处理,分别包括:通过黑洞填补处理填补所述超声图像中的黑洞;对填补黑洞之后的所述超声图像进行增益与动态范围变换处理,以调整图像灰度范围与对比度;之后,对超声图像进行图像增强处理,以使得图像更加清晰;最后,对图像进行数字扫描变换处理,以将超声图像的对应的极坐标数据转换为直角坐标数据。
S20,根据预设的特征点生成规则,在后处理之后的所述超声图像中生成多个特征点;也即,经后处理之后的所述超声图像首先需要根据预设的特征点规则生成特征点,可理解地,在本发明中,可以直接在该超声图像中生成多个特征点(此时特征点可以布满整个超声图像),亦可以先在超声图像中首先识别出子宫区域并定位出包含子宫区域的特征区域,进而,根据该特征区域的尺寸生成多个特征点;作为优选,如图4所示,多个特征点在特征区域中均匀等间距生成。可理解地,子宫内膜发生蠕动之后,如图5所示,各特征点开始朝向不同方向运动,此时,各特征点不再呈现均匀等间距排布的状态。
进一步地,所述步骤S20,也即所述根据预设的特征点生成规则,在后处理之后的所述超声图像中生成多个特征点,包括:
通过预设神经网络模型对所述超声图像中进行识别,以确定子宫区域;可理解地,预设神经网络模型是指已经通过深度学习算法训练完成所得到的神经网络模型;具体训练过程如下:将大量的(比如1万个等)子宫内膜的超声图像样本(每一个超声图像样本关联一个样本特征,样本特征可以表征超声图像样本中的子宫区域)输入初始神经网络模型中进行训练,从而得到与各超声图像样本对应的子宫图像的识别特征(特征可以表征初始网络模型识别得到的超声图像样本中的子宫区域),进而根据识别特征与样本特征之间的相似度对初始神经网络模型进行迭代,直至所述识别特征与样本特征之间的相似度小于预设相似度阈值之后,将迭代之后的初始神经网络模型记录为训练完成的神经网络模型。通过预设神经网络模型对所述超声图像中进行识别,可以确定超声图像中的子宫区域。
将所述超声图像中包含所述子宫区域的最小矩形区域记录为特征区域;也即,在该实施例中,将包含子宫区域的最小矩形区域作为用于生成特征点的特征区域(此时后续算法的计算量将会最小),因此,特征区域的框尺寸由子宫区域的大小决定。本发明无人工手动选定特征区域即可实现自动对该特征区域进行定位。可理解地,在一实施例中,特征区域可以不是包含所述子宫区域的最小矩形区域,而是指整个超声图像或者是包含子宫区域的非最小矩形区域亦可。
在所述特征区域内按照预设排列规则生成等间距排布的多个特征点。在该实施例中,预设的排列规则包括特征点之间的间距、每行和每列特征点的数量等。可理解地,在特征区域中生成的各特征点的坐标将作为各特征点的起始位置坐标存储在服务端。
S30,通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标;进一步地,所述步骤S30,也即所述通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标,包括:
通过预设运动捕捉算法确定每一个所述特征点在所述超声图像中相对于前一帧超声图像的位移变化量;所述前一帧超声图像是指获取时间在所述超声图像之前且与该超声图像相邻的一帧超声图像;每一个所述特征点在所述前一帧超声图像中均关联一个前一帧坐标;其中,预设运动捕捉算法是基于每一帧超声图像的灰度变化的情况来识别各特征点的运动状态的算法,预设运动捕捉算法包括但不限于为光流法、区域相似度匹配法等。
将各所述位移变化量分别叠加至与其对应的各所述特征点的前一帧坐标中,获取所述超声图像中的每一个所述特征点的特征点坐标。
可理解地,各特征点的起始位置坐标已经在最初的超声图像中生成特征点的时候已经确定,因此,此后的任意超声图像均可以通过该实施例中方法,根据该起始位置坐标进行顺次确定。待检测的超声图像可以视为一个稠密运动场,通过预设运动捕捉算法对运动场中的特征点进行追踪,进而,在指定的时间范围内,可以得到每一个特征点在前一帧超声图像的基础上产生的位移变化量,进而,将位移变化量的叠加至前一帧坐标即可以得到待检测的超声图像的特征点坐标。可理解地,上述每一帧超声图像的特征点坐标均会被存储在服务端,以便于随时调取使用。
进一步地,所述步骤S30之后,也即所述通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标之后,还包括:
对所有所述特征点坐标进行滤波处理。可理解地,由于超声图像的背景噪音会导致图像灰度产生变化,从而影响通过算法(比如预设运动捕捉算法)对特征点进行追踪,因此需要对得到的特征点坐标进行滤波处理;具体地,选择合适的滤波器对所有特征点坐标进行空域和时域滤波处理,如此,保证了运动的时空一致性,以使得后续步骤S50中的渲染效果更加平滑。
S40,根据所有所述特征点坐标以及预设运动凸显模型,将所有所述特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数;可理解地,每一帧滤波处理之后的超声图像中的所有特征点,均会对应一个第一特征值,各特征点在前一帧超声图像中还会分别对应一个第二特征值;与同一特征点对应的所述第一特征值与所述第二特征值之间的差值即为该特征点的特征变化值;将该特征变化值输入预设运动凸显模型中,即可筛选出运动变化较大的显著运动点以及运动变化微小的非显著运动点。进而通过预设运动凸显模型获取获取与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数;也即,预设运动凸显模型会通过加权处理得到渲染权重参数,其中,与显著运动点对应的渲染权重参数是在加权处理过程中被预设运动凸显模型进行提升权重(放大)处理之后得到;非显著运动点对应的渲染权重参数是在加权处理过程中被预设运动凸显模型进行降低权重(缩小)处理之后得到。
S50,根据所述渲染权重参数对所述超声图像进行渲染,并在预设显示界面显示渲染后的所述超声图像。也即,可以根据该渲染权重参数生成渲染效果,也即,使用插值算法将每一个特征点以及周围进行染色(染色的颜色类型可以根据需求进行设定,且每一个特征点周围的染色的范围和强度根据渲染权重参数的大小进行确定,也即蠕动越明显,渲染权重参数在上述步骤S40中越被放大,此时颜色渲染效果越显著;而没有蠕动的区域对应的特征点位置,会依旧保持此前在B模式下超声图像的灰度色彩);在渲染效果生成完毕后,将渲染效果与超声图像进行叠加,完成了对所述超声图像进行渲染,此后,可以在预设显示界面显示渲染后具有渲染效果的所述超声图像。可理解地,预设显示界面为服务端中预设显示屏上显示的显示界面。
在本发明中,上述子宫内膜蠕动超声图像处理方法,只需要针对B模式下的超声图像中执行,因此,超声检测设备只需要在B模式下工作,即可顺利准确快速地观测到子宫内膜的蠕动情况;并且,本发明还可以在区分显著运动点和非显著运动之后,通过预设运动凸显模型的加权处理所得到的渲染权重参数,凸显显著运动点的运动,抑制非显著点的运动点,并在根据渲染权重参数对超声图像进行渲染之后,使得识别到的子宫内膜中对应于显著运动点的蠕动会以渲染效果(区别于超声图像中原有的灰度色彩)放大并突出展示出来,且其渲染效果使得凸显运动之后的显著运动点的运动具有更为直观的可观察性;同时,根据本发明使用的算法,特征点会跟随子宫的运动,因此本发明对于子宫内膜的蠕动超声图像的检测效果不会受到子宫的整体运动的影响;并且,本发明的超声图像处理过程无需人工参与,且计算耗时较少,可以实现超声图像的实时渲染和展示,无需等待超声图像视频采样结束后,再进行处理,提升了检测效率,减少了检测时间和检测工作量。
在一实施例中,所述预设运动凸显模型包括区分模型以及凸显抑制模型;区分模型用于将所有所述特征点区分为显著运动点以及非显著运动点;及凸显抑制模型用于对所述显著运动点进行运动凸显以及对所述非显著运动点进行运动抑制。
如图2所示,所述步骤S40,也即所述根据所有所述特征点坐标以及预设运动凸显模型,将所有所述特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数,包括:
S401,根据所有所述特征点坐标确定各所述特征点的特征变化值,并对所述特征变化值的绝对值进行归一化处理之后,获取运动特征参数,所述运动特征参数的取值范围为[0,1];可理解地,每一帧滤波处理之后的超声图像中的所有特征点,均会对应一个第一特征值,各特征点在前一帧超声图像中还会分别对应一个第二特征值;与同一特征点对应的所述第一特征值与所述第二特征值之间的差值即为该特征点的特征变化值;在本实施例中,归一化处理是指通过归一化函数将特征变化值的绝对值映射至[0,1]范围,映射之后得到的的[0,1]范围的数值即为运动特征参数。
S402,将所述运动特征参数输入所述区分模型中并获取显著参数,并根据所述显著参数将所有所述特征点区分为显著运动点以及非显著运动点;也即,将该特征变化值输入区分模型中,即可得到区分模型输出的显著参数,进而根据该显著参数筛选出运动变化较大的显著运动点以及运动变化微弱的非显著运动点。
S403,将各所述显著参数输入所述凸显抑制模型中,并获取所述凸显抑制模型对所述显著参数进行加权处理之后输出的渲染权重参数;所述渲染权重参数是指通过所述凸显抑制模型对与所述显著运动点的显著参数进行提升权重处理或对与所述非显著运动点的显著参数进行降低权重处理之后的数值。也即,将显著参数输入凸显抑制模型中,即可得到凸显抑制模型中输出的渲染权重参数,该渲染权重参数即为对各显著运动点对应的显著参数进行提升权重(放大)处理之后的参数,或对所述非显著运动点对应的显著参数进行降低权重(缩小)处理之后的参数;也即,渲染权重参数其实体现了对非显著运动点的运动抑制效果,以及对显著运动点的运动放大效果。
在一实施例中,所述步骤S401中,所述根据所有所述特征点坐标确定各所述特征点的特征变化值,包括:
根据所有所述特征点坐标获取各所述特征点在所述超声图像中各自对应的第一特征值;
获取所述特征点在前一帧超声图像中各自对应的第二特征值;所述前一帧超声图像是指获取时间在所述超声图像之前且与该超声图像相邻的一帧超声图像;
将与同一特征点对应的所述第一特征值与所述第二特征值之间的差值记录为该特征点的特征变化值。
在本实施例中,特征值(包括第一特征值和第二特征值)是指特征点坐标计算得到的该特征点对应的曲率;如图6所示,特征点C对应的特征值是特征点C与(在水平或垂直方向上,根据需求设定)相邻两点A和B之间的拟合曲线的曲率。可理解地,因为特征点坐标受很多因素影响,比如噪声,子宫的整体运动等因素影响,根据特征点坐标无法直接确定子宫内膜的蠕动时的运动状态,而在本实施例中,特征值可以表征子宫内膜真实蠕动的运动状态,通过第一特征值与前一帧超声图像的第二特征值相对的特征变化值的大小,可以确定子宫内膜的蠕动的强度(运动强度)。
在一实施例中,所述步骤S402中,所述将所述运动特征参数输入所述区分模型中并获取显著参数,并根据所述显著参数将所有所述特征点区分为显著运动点以及非显著运动点,包括:
其中:
在所述显著参数大于零时,确认与大于零的所述显著参数对应的特征点为显著运动点;
在所述显著参数小于或等于零时,确认与小于或等于零的所述显著参数对应的特征点为非显著运动点。
在该实施例中,将对所述特征变化值的绝对值进行归一化处理之后获取运动特征参数作为上述具体的区分模型的输入值,获取区分模型输出的显著参数(其中,显著参数与运动特征参数以及控制阈值参数相关),进而凸显运动,也即,区分显著运动点和非显著运动点。
在一实施例中,所述步骤S403中,所述将各所述显著参数输入所述凸显抑制模型中并获取所述凸显抑制模型对所述显著参数进行加权处理之后输出的渲染权重参数,包括:
将各所述显著参数输入所述凸显抑制模型中并获取所述凸显抑制模型对所述显著参数进行加权处理之后输出的渲染权重参数,所述凸显抑制模型为:
其中:
在该实施例中,凸显抑制模型可以为sigmoid激活函数,也即:
凸显抑制模型的作用是将不属于显著运动的部分(与非显著运动点对应的部位)屏蔽,使输出的数据中尽量只存在显著运动部分(与显著运动点对应的部位)。其中,缩放控制参数决定了屏蔽效果的范围。如图7所示,凸显抑制模型(sigmoid激活函数)可以将大于0的显著参数映射到上区间[0.5, 1](也即,最终得到的渲染权重参数的取值范围属于上区间[0.5, 1]),将小于0的显著参数映射到下区间[0, 0.5](也即,最终得到的渲染权重参数的取值范围属于下区间[0, 0.5]);也即,输入的显著参数越大,则输出的渲染权重参数越接近函数阈值1。输入的显著参数越小,则输出的渲染权重参数越接近函数阈值0。
缩放控制参数可以控制凸显抑制模型(sigmoid激活函数)的斜率(图7中的倾斜虚线),越大,sigmoid激活函数的斜率越大(越靠近Y轴),那么输入值(显著参数)越容易被映射到与其对应的阈值上,进而导致输出值(渲染权重参数)的区分度越大;相对地,越小,则sigmoid激活函数越平缓,那么输入值(显著参数)越难被映射到与其对应的阈值上,进而导致输出值(渲染权重参数)的区分度就越小。因此,在区分模型输出显著参数之后,由于显著运动点对应的显著参数大于0,此时,该显著参数将被映射到上区间[0.5, 1];相反,非显著运动点对应的显著参数小于0,则该显著参数将被映射到下区间[0, 0.5]。
在一实施例中,所述步骤S402之后,也即所述将所述运动特征参数输入所述区分模型中并获取显著参数,并根据所述显著参数将所有所述特征点区分为显著运动点以及非显著运动点之后,还包括:
根据与各所述显著运动点对应的特征变化值确定该显著运动点的运动方向参数;所述运动方向参数包括正向和负向;可理解地,运动方向参数其实即为特征变化值的符号(+/-),特征变化值的符号“+”代表正向;特征变化值的符号“-”代表负向。在本发明中,根据上述运动方向参数即可自动判断当前子宫内膜的蠕动方向。每一个特征点在每一帧超声图像中都只可能对应一种运动方向参数,也即,仅具有一种运动状态(正向/负向)。
统计正向的所述运动方向参数对应的显著运动点的第一数目,同时统计负向的所述运动方向参数对应的显著运动点的第二数目;
将与正向对应的所述第一数目、与负向对应的第二数目以及所述超声图像的获取时间关联记录为所述超声图像的运动曲线参数;每一帧超声图像均关联有一组运动曲线参数。
根据与在预设观测时长内探测得到的所有超声图像分别关联的运动曲线参数,生成与所述预设观测时长对应的时间-数目运动曲线。预设观测时长是指在通过超声探头进行探测的过程中的某一段时间。
在本发明中,在凸显子宫内膜运动的基础上,还能够自动识别出子宫内膜蠕动波的方向,并生成与所述预设观测时长对应的时间-数目运动曲线,让观测该时间-数目运动曲线医生更容易判断蠕动波的类型,也即,蠕动波的类型包括:宫颈到宫底或宫底至宫颈单向的波、宫颈及宫底相向的波等。具体地,在特征值经过区分模型进行区分为显著运动点以及非显著运动点之后,需要分别统计当前帧的超声图像中的所有显著运动点中,与正向或负向两种运动方向参数各自对应的显著运动点的数目(第一数目和第二数目)。本实施例中的上述生成时间-数目运动曲线的过程之所以在区分显著运动点以及非显著运动点之后进行,是为了只统计处于显著运动状态下的显著运动点,避免非显著运动点对子宫内膜的蠕动情况的展示造成干扰影响。在本发明中,如图11和图12中所示的坐标系图像中,横坐标为帧数,纵坐标为特征点数(显著运动点的第一数目或第二数目),进一步地,在本发明中,正向和负向可以分别用不同颜色表示(在该图11和图12中仅能用灰度色彩体现)。如此,每一帧超声图像对应的运动曲线参数可以共同在坐标系图像中生成两条运动曲线(分别对应第一数目和第二数目;将每一帧的超声图像对应的运动曲线参数按照时间序列在坐标系图像中进行标记,即可绘制出整段预设观测时长内的时间-数目运动曲线),通过运动曲线的相对关系可以明确地判断出整个子宫内膜的蠕动,使得医生可以更加直观地观察到蠕动部位
可理解地,对于单向的蠕动波(如图11中所示的正向蠕动波),在整个坐标系图像的预设观测时长内的时间序列上,该方向的运动曲线始终高于另一条相反方向的运动曲线,并且相反方向的运动曲线始终趋近于0(趋近于X轴);比如,在图11中,正向的运动曲线(图11中用实线表示的运动曲线)始终高于负向的运动曲线(图11中用虚线表示的运动曲线),并且负向的运动曲线始终趋近于0(帧数对应的X轴)。
对于往复运动的蠕动波(如图12中所示),在整个坐标系图像的预设观测时长内的时间序列上,会出现两条运动曲线(图12中分别用实线和虚线表示的运动曲线)交替出现峰值的特征。
对于子宫内膜的两端同时相向运动的蠕动波,在整个坐标系图像的预设观测时长内的时间序列上,两条运动曲线的走势接近,并且几乎同时出现峰值。
可理解地,本发明可以在生成与所述预设观测时长对应的时间-数目运动曲线之后,将时间-数目运动曲线展示在预设显示界面中,如此,相对于超声图像本身来说,时间-数目运动曲线可以更加直观明显可靠(运动曲线参数均来自对实时确定的显著运动点的数据进行计算得到)地显示子宫内膜的蠕动情况(运动变化情况);进而,医生无需再只能依靠肉眼对超声图像进行直接观察与主观判断,而是可以结合时间-数目运动曲线进行分析,提高了判断准确率。
在一实施例中,所述步骤S50,也即所述根据所述渲染权重参数对所述超声图像进行渲染,包括:
根据与各特征点对应的所述渲染权重参数以及预设渲染模型确定各所述特征点的渲染强度值;
在所述超声图像中根据所述渲染强度值对与其对应的各所述特征点进行渲染。
在上述渲染模型中,颜色参数255为颜色强度的最大值(数字图像的颜色是由三原色通道:红绿蓝组成,每个颜色的取值范围都在[0,255]的区间内,不同的颜色由三原色不同的取值组合而得到)。可理解地,在该渲染模型中,只考虑红色渲染,因此,此处的255代表红色通道的颜色强度的最大值,而绿蓝两个通道的颜色默认为0。此时,综上所述,显著参数越大,渲染权重参数越接近1,渲染强度值越接近255,所以在图像上表现出的对应的颜色(比如上述实施例中的红色)越明亮。显著参数越小,渲染权重参数越接近0,渲染强度值也越接近0,此时,则在超声图像上观察不到颜色变化;因此,可以在渲染效果中达到凸显显著特征点对应的运动,同时屏蔽非显著运动点的运动的效果。可理解地,在本发明中,亦可以设定为红色通道、绿色通道或蓝色通道中的任意一种或者多种,且每一个通道对应的颜色强度值均为将最大颜色强度255乘以渲染权重参数。如图8-10所示的实际渲染效果,图8中的子宫内膜并未蠕动(蠕动前),而在图9中,子宫的宫底部位存在蠕动之后,在该图9中直接观察该蠕动对应的超声图像也并不够明显。但是,通过本发明的子宫内膜蠕动超声图像处理方法进行处理之后,对与显著运动点对应的显著运动部位加上了(被圈出的部位被渲染为红色,在该图中仅能以灰度色彩体现)渲染,而非显著运动点对应的蠕动不显著的部位仍然保持原来的灰度效果,此时子宫蠕动的观测非常直观。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种子宫内膜蠕动超声图像处理系统,该子宫内膜蠕动超声图像处理系统与上述实施例中子宫内膜蠕动超声图像处理方法一一对应。该子宫内膜蠕动超声图像处理系统包括:
前后处理模块,用于获取子宫内膜的超声图像,顺次对所述超声图像进行前处理和后处理;
预处理模块,用于根据预设的特征点生成规则,在后处理之后的所述超声图像中生成多个特征点;
运动捕捉模块,用于通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标;
运动凸显模块,用于根据所有所述特征点坐标以及预设运动凸显模型,将所有所述特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数;
渲染模块,用于根据所述渲染权重参数对所述超声图像进行渲染,并在预设显示界面显示渲染后的所述超声图像。
关于子宫内膜蠕动超声图像处理系统的具体限定可以参见上文中对于子宫内膜蠕动超声图像处理方法的限定,在此不再赘述。上述子宫内膜蠕动超声图像处理系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、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。该内存储器为可读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。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机可读指令被处理器执行时以实现一种子宫内膜蠕动超声图像处理方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令,处理器执行计算机可读指令时实现上述子宫内膜蠕动超声图像处理方法中的实施例。
在一个实施例中,提供了一个或多个存储有计算机可读指令的计算机可读存储介质,本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。可读存储介质上存储有计算机可读指令,计算机可读指令被一个或多个处理器执行时实现上述子宫内膜蠕动超声图像处理方法中的实施例。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (13)
1.一种子宫内膜蠕动超声图像处理方法,其特征在于,包括:
获取子宫内膜的超声图像,顺次对所述超声图像进行前处理和后处理;
根据预设的特征点生成规则,在后处理之后的所述超声图像中生成多个特征点;
通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标;
根据所有所述特征点坐标以及预设运动凸显模型,将所有所述特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数;
根据所述渲染权重参数对所述超声图像进行渲染,并在预设显示界面显示渲染后的所述超声图像,其中,所述预设运动凸显模型包括区分模型以及凸显抑制模型;所述区分模型为:
y1=φ(|Δx|)-α
其中:
y1为显著参数;
Δx为特征变化值;
φ(|Δx|)为运动特征参数;0≤φ(|Δx|)≤1;
α为控制阈值参数;
所述凸显抑制模型为:
其中:
y1为显著参数;
β为缩放控制参数;
y2为渲染权重参数;
e为自然常数;所述根据所有所述特征点坐标以及预设运动凸显模型,将所有所述特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数,包括:
根据所有所述特征点坐标确定各所述特征点的特征变化值,并对所述特征变化值的绝对值进行归一化处理之后,获取运动特征参数,所述运动特征参数的取值范围为[0,1];
将所述运动特征参数输入所述区分模型中并获取显著参数,并根据所述显著参数将所有所述特征点区分为显著运动点以及非显著运动点;
将各所述显著参数输入所述凸显抑制模型中,并获取所述凸显抑制模型对所述显著参数进行加权处理之后输出的渲染权重参数;所述渲染权重参数是指通过所述凸显抑制模型对与所述显著运动点的显著参数进行提升权重处理或对与所述非显著运动点的显著参数进行降低权重处理之后的数值。
2.如权利要求1所述的子宫内膜蠕动超声图像处理方法,其特征在于,所述获取子宫内膜的超声图像,对所述超声图像进行前处理,包括:
实时获取超声探头在B模式下探测子宫内膜得到的超声图像;
对所述超声图像进行空间复合和斑点降噪处理之后,将所述超声图像缓存。
3.如权利要求1所述的子宫内膜蠕动超声图像处理方法,其特征在于,所述对所述超声图像进行后处理,包括:
对前处理之后的所述超声图像依次进行黑洞填补处理、增益与动态范围变换处理、图像增强处理以及数字扫描变换处理。
4.如权利要求1所述的子宫内膜蠕动超声图像处理方法,其特征在于,所述根据预设的特征点生成规则,在后处理之后的所述超声图像中生成多个特征点,包括:
通过预设神经网络模型对所述超声图像中进行识别,以确定子宫区域;
将所述超声图像中包含所述子宫区域的最小矩形区域记录为特征区域;
在所述特征区域内按照预设排列规则生成等间距排布的多个特征点。
5.如权利要求1所述的子宫内膜蠕动超声图像处理方法,其特征在于,所述通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标,包括:
通过预设运动捕捉算法确定每一个所述特征点在所述超声图像中相对于前一帧超声图像的位移变化量;所述前一帧超声图像是指获取时间在所述超声图像之前且与该超声图像相邻的一帧超声图像;每一个所述特征点在所述前一帧超声图像中均关联一个前一帧坐标;
将各所述位移变化量分别叠加至与其对应的各所述特征点的前一帧坐标中,获取所述超声图像中的每一个所述特征点的特征点坐标。
6.如权利要求1所述的子宫内膜蠕动超声图像处理方法,其特征在于,所述根据所有所述特征点坐标确定各所述特征点的特征变化值,包括:
根据所有所述特征点坐标获取各所述特征点在所述超声图像中各自对应的第一特征值;
获取所述特征点在前一帧超声图像中各自对应的第二特征值;所述前一帧超声图像是指获取时间在所述超声图像之前且与该超声图像相邻的一帧超声图像;
将与同一特征点对应的所述第一特征值与所述第二特征值之间的差值记录为该特征点的特征变化值。
7.如权利要求1所述的子宫内膜蠕动超声图像处理方法,其特征在于,所述将所述运动特征参数输入所述区分模型中并获取显著参数,并根据所述显著参数将所有所述特征点区分为显著运动点以及非显著运动点,包括:
将所述运动特征参数输入所述区分模型中并获取显著参数,
在所述显著参数大于零时,确认与大于零的所述显著参数对应的特征点为显著运动点;
在所述显著参数小于或等于零时,确认与小于或等于零的所述显著参数对应的特征点为非显著运动点。
8.如权利要求1所述的子宫内膜蠕动超声图像处理方法,其特征在于,所述将所述运动特征参数输入所述区分模型中并获取显著参数,并根据所述显著参数将所有所述特征点区分为显著运动点以及非显著运动点之后,还包括:
根据与各所述显著运动点对应的特征变化值确定该显著运动点的运动方向参数;所述运动方向参数包括正向和负向;
统计正向的所述运动方向参数对应的显著运动点的第一数目,同时统计负向的所述运动方向参数对应的显著运动点的第二数目;
将与正向对应的所述第一数目、与负向对应的第二数目以及所述超声图像的获取时间关联记录为所述超声图像的运动曲线参数;
根据与在预设观测时长内探测得到的所有超声图像分别关联的运动曲线参数,生成与所述预设观测时长对应的时间-数目运动曲线。
9.如权利要求1所述的子宫内膜蠕动超声图像处理方法,其特征在于,所述根据所述渲染权重参数对所述超声图像进行渲染,包括:
根据与各特征点对应的所述渲染权重参数以及预设渲染模型确定各所述特征点的渲染强度值;
在所述超声图像中根据所述渲染强度值对与其对应的各所述特征点进行渲染。
10.如权利要求1所述的子宫内膜蠕动超声图像处理方法,其特征在于,所述通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标之后,还包括:
对所有所述特征点坐标进行滤波处理。
11.一种用于实施如权利要求1至10中任一项所述子宫内膜蠕动超声图像处理方法的子宫内膜蠕动超声图像处理系统,其特征在于,包括:
前后处理模块,用于获取子宫内膜的超声图像,顺次对所述超声图像进行前处理和后处理;
预处理模块,用于根据预设的特征点生成规则,在后处理之后的所述超声图像中生成多个特征点;
运动捕捉模块,用于通过预设运动捕捉算法获取所述超声图像中的每一个所述特征点的特征点坐标;
运动凸显模块,用于根据所有所述特征点坐标以及预设运动凸显模型,将所有所述特征点区分为显著运动点以及非显著运动点,并获取所述预设运动凸显模型输出的与各所述显著运动点以及各所述非显著运动点分别对应的渲染权重参数;
渲染模块,用于根据所述渲染权重参数对所述超声图像进行渲染,并在预设显示界面显示渲染后的所述超声图像。
12.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如权利要求1至10中任一项所述子宫内膜蠕动超声图像处理方法。
13.一个或多个存储有计算机可读指令的可读存储介质,所述计算机可读指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1至10中任一项所述子宫内膜蠕动超声图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110139153.4A CN112704517B (zh) | 2021-02-02 | 2021-02-02 | 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110139153.4A CN112704517B (zh) | 2021-02-02 | 2021-02-02 | 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112704517A CN112704517A (zh) | 2021-04-27 |
CN112704517B true CN112704517B (zh) | 2021-08-03 |
Family
ID=75549923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110139153.4A Active CN112704517B (zh) | 2021-02-02 | 2021-02-02 | 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112704517B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116269311A (zh) * | 2023-02-10 | 2023-06-23 | 常州市儿童医院(常州市第六人民医院) | 针对儿童的磁共振成像系统与成像方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104812314A (zh) * | 2012-11-26 | 2015-07-29 | 辉凌公司 | 使用图像分析诊断子宫收缩水平的方法和系统 |
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 |
WO2016149574A1 (en) * | 2015-03-19 | 2016-09-22 | Ater Stewart Bruce | Digital electronic fetal heart rate and uterine contraction monitoring system |
CN106469461A (zh) * | 2015-08-20 | 2017-03-01 | 美国西门子医疗解决公司 | 视图方向自适应体积超声成像 |
CN108537785A (zh) * | 2018-04-04 | 2018-09-14 | 北京大学人民医院 | 一种子宫超声微蠕动视频处理方法 |
RU2707059C1 (ru) * | 2019-01-30 | 2019-11-21 | Государственное бюджетное учреждение здравоохранения Московской области "Московский областной научно-исследовательский институт акушерства и гинекологии" (ГБУЗ МО МОНИИАГ) | Способ проведения ЭКО при наличии миомы матки, деформирующей ее полость |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10537305B2 (en) * | 2015-09-30 | 2020-01-21 | General Electric Company | Detecting amniotic fluid position based on shear wave propagation |
EP3682416A1 (en) * | 2017-09-15 | 2020-07-22 | Technische Universiteit Eindhoven | Two-dimensional and three-dimensional strain mapping for uterine contractions |
-
2021
- 2021-02-02 CN CN202110139153.4A patent/CN112704517B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104812314A (zh) * | 2012-11-26 | 2015-07-29 | 辉凌公司 | 使用图像分析诊断子宫收缩水平的方法和系统 |
WO2016149574A1 (en) * | 2015-03-19 | 2016-09-22 | Ater Stewart Bruce | Digital electronic fetal heart rate and uterine contraction monitoring system |
CN106469461A (zh) * | 2015-08-20 | 2017-03-01 | 美国西门子医疗解决公司 | 视图方向自适应体积超声成像 |
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 |
CN108537785A (zh) * | 2018-04-04 | 2018-09-14 | 北京大学人民医院 | 一种子宫超声微蠕动视频处理方法 |
RU2707059C1 (ru) * | 2019-01-30 | 2019-11-21 | Государственное бюджетное учреждение здравоохранения Московской области "Московский областной научно-исследовательский институт акушерства и гинекологии" (ГБУЗ МО МОНИИАГ) | Способ проведения ЭКО при наличии миомы матки, деформирующей ее полость |
Non-Patent Citations (2)
Title |
---|
《Automated Diagnosis of the Frequency of Uterine Peristalsis for Female Infertility 》;Ryosuke Nishihara1 等;《2020 IEEE 50th International Symposium on Multiple-Valued Logic (ISMVL)》;20201231;1-5 * |
《Quantitative ultrasound imaging and characterization of uterine peristaltic waves》;Y.Huang 等;《2018 IEEE International Ultrasonics Symposium (IUS) 》;20181031;1-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN112704517A (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480677B (zh) | 一种识别三维ct图像中感兴趣区域的方法及装置 | |
CN101596110B (zh) | 心脏mri中视场的自动确定 | |
US20200107818A1 (en) | Ultrasound cardiac doppler study automation | |
CN111862044A (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
CN110378982B (zh) | 重建图像处理方法、装置、设备及存储介质 | |
CN113052844B (zh) | 肠道内窥镜观察视频中图像的处理方法、装置及存储介质 | |
JP6734475B2 (ja) | 画像処理装置及びプログラム | |
KR20130006011A (ko) | 초음파 근육 영상 처리 장치 | |
CN112704517B (zh) | 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质 | |
US20230119063A1 (en) | Methods and Systems for Evaluating Echo Data Contemporaneous with an Electrodiagnostic Study | |
EP3933759A1 (en) | Image processing method, apparatus and system, and electronic device and storage medium | |
KR20200108686A (ko) | 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션 | |
CN112508941A (zh) | 三维超声扫描完整性检测方法及装置 | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
Lazar et al. | Retinal microaneurysm detection based on intensity profile analysis | |
CN107169978B (zh) | 超声图像边缘检测方法及系统 | |
CN117017347A (zh) | 超声设备的图像处理方法、系统及超声设备 | |
CN112674791A (zh) | 肌肉超声弹性成像的优化方法及系统 | |
CN110244249B (zh) | 磁共振扫描方法、装置、医学扫描设备和存储介质 | |
EP3639752A1 (en) | Analyzing apparatus and analyzing program | |
CN115082320B (zh) | 超声图像超分辨率处理方法、超声设备及存储介质 | |
Georgieva et al. | Ultrasound image processing for improving diagnose of renal diseases | |
CN110930394B (zh) | 测量肌肉肌纤维束线斜率和羽状角的方法及终端设备 | |
CN111383323B (zh) | 一种超声成像方法和系统以及超声图像处理方法和系统 | |
WO2020133236A1 (zh) | 一种脊柱的成像方法以及超声成像系统 |
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 |