CN112734743A

CN112734743A - 一种胎儿头围自动测量方法及装置

Info

Publication number: CN112734743A
Application number: CN202110075588.7A
Authority: CN
Inventors: 范兆龙; 刘王峰; 黄雄文; 张鹏鹏; 张常运; 喻美媛
Original assignee: Wuhan Zoncare Bio Medical Electronics Co ltd
Current assignee: Wuhan Zoncare Bio Medical Electronics Co ltd
Priority date: 2021-01-20
Filing date: 2021-01-20
Publication date: 2021-04-30
Anticipated expiration: 2041-01-20
Also published as: CN112734743B

Abstract

本发明涉及一种胎儿头围自动测量方法，包括以下步骤：获取胎儿头部的超声图像；对所述超声图像进行预处理，划分出所述超声图像中的骨骼区域和非骨骼区域，得到二值结果图像；对划分出骨骼区域和非骨骼区域的二值结果图像进行细化处理，得到骨骼细化图像；对所述骨骼细化图像中的曲线进行拟合得到曲线函数，根据所述曲线函数计算所述曲线的曲线特征；根据预设的头部曲线特征条件对各所述曲线进行筛选，得到头部曲线；根据所述头部曲线计算胎儿头围长度。本发明能够实现胎儿头围的自动、精确、高效率测量。

Description

一种胎儿头围自动测量方法及装置

技术领域

本发明涉及超声图像测量技术领域，尤其涉及一种胎儿头围自动测量方法、装置及计算机存储介质。

背景技术

超声成像具有无辐射、实时、低价格的优势，因此被广泛应用日常的临床检查中。在产科检查中，精确的胎儿生物特征在确定胎儿的胎龄、估计胎儿体重以及评估胎儿生长发育状况中起着至关重要的作用。胎儿常用的生物特征测量参数包括头围(AC)、头臀长(CRL)、双顶径(BPD)、枕额径(OFD)、股骨长(FL)、腹围(AC)等。其中胎儿的头围测量是用于评估胎儿生长发育的一个重要参数。

目前，临床通常使用手动测量方式作为胎儿头围测量的主要方法。手动测量通常存在以下缺点：测量的准确性高度依赖医生的水平、测量的可重复性差、测量的耗时长。因此，需要自动测量的方法来消除手动测量存在的缺点，提高医生的检测效率。

发明内容

有鉴于此，有必要提供一种胎儿头围自动测量方法及装置，用以解决人工手动测量时胎儿头围测量精度难以保证、测量可重复性差、测量效率低的问题。

本发明提供一种胎儿头围自动测量方法，包括以下步骤：

获取胎儿头部的超声图像；

对所述超声图像进行预处理，划分出所述超声图像中的骨骼区域和非骨骼区域，得到二值结果图像；

对划分出骨骼区域和非骨骼区域的二值结果图像进行细化处理，得到骨骼细化图像；

对所述骨骼细化图像中的曲线进行拟合得到曲线函数，根据所述曲线函数计算所述曲线的曲线特征；

根据预设的头部曲线特征条件对各所述曲线进行筛选，得到头部曲线；

根据所述头部曲线计算胎儿头围长度。

进一步的，对所述超声图像进行预处理，划分出所述超声图像中的骨骼区域和非骨骼区域，得到二值结果图像，具体为：

对所述超声图像进行高斯平滑处理、顶帽变换处理；

对处理后的超声图像进行聚类分割，划分出骨骼区域和非骨骼区域；

对划分骨骼区域和非骨骼区域后的超声图像进行形态学滤波、小面积去除、近场区域滤波以及连通区域筛选，得到所述二值结果图像。

进一步的，对划分出骨骼区域和非骨骼区域的二值结果图像进行细化处理，得到骨骼细化图像，具体为：

根据所述二值结果图像中骨骼区域和非骨骼区域，对所述二值结果图进行细化处理，得到骨骼部分细化后的骨骼细化图像，以及所述骨骼细化图像中细化部分的坐标信息。

进一步的，对所述骨骼细化图像中的曲线进行拟合得到曲线函数，具体为：

采用最小二乘法对所述骨骼细化图像中细化部分进行二次多项式曲线拟合，得到所述曲线函数。

进一步的，所述曲线特征包括曲线长度、平均曲率、凹凸性。

进一步的，计算所述曲线的平均曲率，具体为：

其中，K为平均曲率，y＝f(x)为曲线函数，y'为曲线函数的一阶导数，y”为曲线函数的二阶导数；

判断所述曲线的凹凸性，具体为：

y＝f(x)为曲线函数，y＝f(x)在区间I上有定义；

判断对任意的x₁，x₂∈I，是否符合：

如果是，则所述曲线为凸弧；

判断对任意的x₁，x₂∈I，是否符合：

如果是，则所述曲线为凹弧。

进一步的，根据预设的头部曲线特征条件对各所述曲线进行筛选，得到头部曲线，具体为：

筛选出曲线长度大于设定长度的设定条数的曲线作为初筛结果；

从所述初步筛选结果中筛选出平均曲率大于设定曲率的曲线，得到复筛结果；

结合曲线的凹凸性从所述复筛结果中选取凹凸性成对的曲线，作为所述头部曲线。

进一步的，根据所述头部曲线计算胎儿头围长度，具体为：

对所述头部曲线进行椭圆拟合，计算拟合得到的椭圆的周长，得到所述胎儿头围长度。

本发明还提供一种胎儿头围自动测量装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述胎儿头围自动测量方法。

本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现所述胎儿头围自动测量方法。

有益效果：本发明首先获取胎儿头部的超声图像并进行预处理，预处理过程对超声图像中骨骼区域与非骨骼区域进行区分，然后根据骨骼区域和非骨骼区域进行二值细化处理，对细化后的结果进行曲线拟合，骨骼区域的细化有利于后续曲线拟合的实现，根据曲线的特征筛选满足设定条件的曲线弧段为头围区域对应的曲线，即头部曲线。最后利用筛选出的头部曲线计算胎儿头围长度。本发明可以实现自动测量胎儿头围的目的，预处理时分割出骨骼区域，利用骨骼拟合曲线的特征可以准确的筛选出头部曲线，最终快速的拟合出完整的头围边界，实现头围的高效率、高精度测量。

附图说明

图1为本发明提供的胎儿头围自动测量方法第一实施例的方法流程图；

图2为图1中步骤S1、S2一实施例的方法流程图；

图3为本发明提供的胎儿头围自动测量方法第一实施例的近场区域滤除示意图；

图4为本发明提供的胎儿头围自动测量方法第一实施例的超声图像示意图；

图5为本发明提供的胎儿头围自动测量方法第一实施例的二值结果图；

图6为图1中步骤S3、S4、S5一实施例的方法流程图；

图7为本发明提供的胎儿头围自动测量方法第一实施例的骨骼细化图像示意图；

图8为本发明提供的胎儿头围自动测量方法第一实施例的曲线凹凸性示意图；

图9为本发明提供的胎儿头围自动测量方法第一实施例的曲线初筛结果图；

图10为本发明提供的胎儿头围自动测量方法第一实施例的头围曲线结果图；

图11为本发明提供的胎儿头围自动测量方法第一实施例的椭圆拟合结果图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

实施例1

如图1所示，本发明的实施例1提供了胎儿头围自动测量方法，包括以下步骤：

S1、获取胎儿头部的超声图像；

S2、对所述超声图像进行预处理，划分出所述超声图像中的骨骼区域和非骨骼区域，得到二值结果图像；

S3、对划分出骨骼区域和非骨骼区域的二值结果图像进行细化处理，得到骨骼细化图像；

S4、对所述骨骼细化图像中的曲线进行拟合得到曲线函数，根据所述曲线函数计算所述曲线的曲线特征；

S5、根据预设的头部曲线特征条件对各所述曲线进行筛选，得到头部曲线；

S6、根据所述头部曲线计算胎儿头围长度。

本实施例提供了一种胎儿头围自动测量的方法。首先获取胎儿头部的超声图像并进行预处理，预处理包括二值化、滤波等常见图像预处理过程，还包括对超声图像中骨骼区域与非骨骼区域进行区分，便于后续对二值结果图像中骨骼区域进行细化，细化后的骨骼区域有利于实现曲线拟合。具体的，本实施例利用聚类算法将超声图像中骨骼区域和非骨骼区域区分开，识别胎儿颅骨。采用通用的聚类算法即可，比如基于划分的聚类方法K-Means算法、基于层次的聚类方法Birch算法、基于密度的聚类算法DBSCAN算法、基于网格的聚类算法STING算法、CLIQUE算法、基于模型的聚类算法高斯混合模型、SOM。本实施例选用计算简单、速度快的K-Means算法进行聚类处理。

然后根据骨骼区域和非骨骼区域进行二值细化处理，对细化后的结果进行曲线拟合，细化的曲线有利于拟合过程的实现；进而根据曲线的特征筛选满足设定条件的曲线弧段为头围区域对应的曲线，即头部曲线。

最后利用头围筛选步骤筛选出的颅骨区域进行椭圆拟合，得到头围区域，基于头围区域计算胎儿头围。

本发明可以实现自动测量胎儿头围的目的，利用聚类算法可以简单快速的从图像中分割出骨骼区域，从而实现快速的骨骼区域细化和拟合，利用骨骼拟合曲线的特征可以准确的筛选出头围骨骼区域，最终快速的拟合出完整的头围边界，实现头围的高效率、高精度测量。

优选的，对所述超声图像进行预处理，划分出所述超声图像中的骨骼区域和非骨骼区域，得到二值结果图像，具体为：

对所述超声图像进行高斯平滑处理、顶帽变换处理；

图像预处理用于分割出超声图像的骨骼和非骨骼区域，并进行一些形态学等图像处理得到二值结果图像，二值结果图像中标识出了初步筛选的骨骼区域。图2给出了本实施例中超声图像预处理的具体实现流程图，包括：S11、获取超声图像；S21、高斯平滑；S22、顶帽变换；S23、K-Means聚类分割；S24、形态学滤波，包括闭操作和开操作；S25、小面积去除；S26、近场区域滤除；S27、连通区域筛选；S28、输出预处理后二值结果图像。

预处理步骤所涉及的图像处理方法(高斯平滑、顶帽变换、形态学滤波、小面积去除、近场区域滤除、连通区域筛选)均采用现有图像处理技术实现即可，在此不再详细描述。其中，本实施例中近场区域滤除根据二值深度方向像素求和后的曲线滤除第二个极大值之前的区域，以排除近场始波区干扰，近场滤除曲线示意图如图3所示。K_Means聚类分割时将图像简单的分为两类，一类为骨骼区域，另一类为非骨骼区域。

具体的，本实施例中获取的超声图像如图4所示，即头围标准切面。对图4中超声图像进行预处理，得到图5中二值结果图像。

得到二值结果图像后，需要对二值结果图像中头围曲线区域进行进一步筛选，得到头部曲线，具体流程如图6所示，包括如下具体实现步骤：S31、获取预处理图像细化结果；S41、对细化的结果进行曲线拟合；S42、计算曲线特征，包括凹凸性、平均曲率、曲线长度；S51、依据计算的曲线特征筛选出需要的曲线，即头部曲线；S52、从细化的结果中筛选出头部曲线的坐标，用于后续头围长度的测量。

优选的，对划分出骨骼区域和非骨骼区域的二值结果图像进行细化处理，得到骨骼细化图像，具体为：

对预处理得到的二值结果图像利用细化算法得到对应的骨骼细化图像，以及对应骨骼细化后的坐标结果，细化结果如图7所示。

优选的，对所述骨骼细化图像中的曲线进行拟合得到曲线函数，具体为：

对细化的结果利用最小二乘法进行二次多项式曲线拟合得到对应的拟合曲线。

优选的，所述曲线特征包括曲线长度、平均曲率、凹凸性。

由于胎儿头围对应的曲线接近椭圆，而且头围大小在不同的孕周时有相应的范围，因此选择了曲线长度、平均曲率和凹凸性这三种曲线特征对头部曲线进行筛选。

优选的，计算所述曲线的平均曲率，具体为：

判断所述曲线的凹凸性，具体为：

y＝f(x)为曲线函数，y＝f(x)在区间I上有定义；

判断对任意的x₁，x₂∈I，是否符合：

如果是，则所述曲线为凸弧；

判断对任意的x₁，x₂∈I，是否符合：

如果是，则所述曲线为凹弧。

具体的，图8给出了二次曲线的凹凸性示意图，本实施例的曲线凹凸性判断基于二次曲线函数的凹凸性进行判断。

优选的，根据预设的头部曲线特征条件对各所述曲线进行筛选，得到头部曲线，具体为：

根据计算的曲线特性筛选出需要的曲线弧段，首先依据拟合曲线长度信息选取最长的6段曲线段作为初筛结果，初筛结果如图9所示。对初步筛选出的曲线弧段计算各个曲线对应的平均曲率，根据人为设定的设定曲率T，设定曲率T为一个经验常数，例如T＝0.005。筛选出大于设定曲率T的曲线弧段，并结合曲线凹凸性选取出凹凸性成对的曲线弧段，即头部曲线，图10为结合曲线平均曲率以及凹凸性判断筛选出的最终结果，即头部曲线示意图。

优选的，根据所述头部曲线计算胎儿头围长度，具体为：

保存筛选出的头部曲线所有像素点的坐标值，将识别出的头部曲线进行单像素边缘提取后，利用最小二乘法拟合出头围椭圆区域，并根据头围颅骨的平均厚度进行椭圆放大，得到最终的拟合椭圆区域。根据椭圆周长计算公式计算最终的拟合椭圆区域的周长作为胎儿头围长度。图11为头围椭圆拟合结果示意图。

具体的，在头围测量时，对筛选出的最终头部曲线的坐标点使用最小二乘法进行头围椭圆拟合，最小二乘法拟合椭圆算法描述如下：

在平面坐标系中椭圆的一般方程可用如下公式表示：

Ax²+Bxy+Cy²+Dx+Ey+F＝0

其中，A、B、C、D、E、F为椭圆方程系数，x表示椭圆上点的横坐标，y表示椭圆上点的纵坐标；

点P_i(x_i,y_i)(i＝1,2,...,n)为椭圆轮廓上的n(n＞5)边缘点，根据最小二乘法原理，结合参数约束条件A+C＝1，求目标函数：

其中，f(A,B,C,D,E,F)为目标函数；

由目标函数的最小值来确定椭圆的各个系数，根据极值原理，欲使f(A,B,C,D,E,F)值为最小则有：

其中，

表示目标函数对A的偏微分，

表示目标函数对B的偏微分，

表示目标函数对C的偏微分，

表示目标函数对D的偏微分，

表示目标函数对E的偏微分，

表示目标函数对F的偏微分。

由此，可以得到一个线性方程组，根据求解线性方程组的解，可以求得椭圆的方程系数A、B、C、D、E、F的值。根据椭圆方程的解可以得到对应椭圆的中心坐标(x₀,y₀)、长轴a，短轴b以及长轴转角θ计算公式如下：

根据最小二乘法拟合出椭圆后，因为拟合的曲线是经过细化之后得到的，拟合出的椭圆为骨骼中心区域。而头围检测时需要测量的是头围外围区域的边缘长度，因此需要对拟合的椭圆进行放大。本实施例的放大方式是，根据头围的平均厚度进行椭圆放大，使得拟合椭圆更接近头围边缘。例如头围平均厚度为D，则放大后计算的头围长度公式为：

L＝π(b+2D)+2(a-b)

其中，L为头围长度。

实施例2

本发明的实施例2提供了胎儿头围自动测量装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现实施例1提供的胎儿头围自动测量方法。

本发明实施例提供的胎儿头围自动测量装置，用于实现胎儿头围自动测量方法，因此，胎儿头围自动测量方法所具备的技术效果，胎儿头围自动测量装置同样具备，在此不再赘述。

实施例3

本发明的实施例3提供了计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例1提供的胎儿头围自动测量方法。

本发明实施例提供的计算机存储介质，用于实现胎儿头围自动测量方法，因此，胎儿头围自动测量方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims

1.一种胎儿头围自动测量方法，其特征在于，包括以下步骤：

获取胎儿头部的超声图像；

根据所述头部曲线计算胎儿头围长度。

2.根据权利要求1所述的胎儿头围自动测量方法，其特征在于，对所述超声图像进行预处理，划分出所述超声图像中的骨骼区域和非骨骼区域，得到二值结果图像，具体为：

对所述超声图像进行高斯平滑处理、顶帽变换处理；

3.根据权利要求1所述的胎儿头围自动测量方法，其特征在于，对划分出骨骼区域和非骨骼区域的二值结果图像进行细化处理，得到骨骼细化图像，具体为：

4.根据权利要求1所述的胎儿头围自动测量方法，其特征在于，对所述骨骼细化图像中的曲线进行拟合得到曲线函数，具体为：

5.根据权利要求1所述的胎儿头围自动测量方法，其特征在于，所述曲线特征包括曲线长度、平均曲率、凹凸性。

6.根据权利要求5所述的胎儿头围自动测量方法，其特征在于，计算所述曲线的平均曲率，具体为：

判断所述曲线的凹凸性，具体为：

y＝f(x)为曲线函数，y＝f(x)在区间I上有定义；

判断对任意的x₁，x₂∈I，是否符合：

如果是，则所述曲线为凸弧；

判断对任意的x₁，x₂∈I，是否符合：

如果是，则所述曲线为凹弧。

7.根据权利要求1所述的胎儿头围自动测量方法，其特征在于，根据预设的头部曲线特征条件对各所述曲线进行筛选，得到头部曲线，具体为：

8.根据权利要求1所述的胎儿头围自动测量方法，其特征在于，根据所述头部曲线计算胎儿头围长度，具体为：

9.一种胎儿头围自动测量装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-8任一项所述的胎儿头围自动测量方法。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-8任一项所述的胎儿头围自动测量方法。