CN112826535A - 一种超声成像中自动定位血管的方法和装置及设备 - Google Patents

一种超声成像中自动定位血管的方法和装置及设备 Download PDF

Info

Publication number
CN112826535A
CN112826535A CN202011618848.2A CN202011618848A CN112826535A CN 112826535 A CN112826535 A CN 112826535A CN 202011618848 A CN202011618848 A CN 202011618848A CN 112826535 A CN112826535 A CN 112826535A
Authority
CN
China
Prior art keywords
blood vessel
vessel region
image
blood
region
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
Application number
CN202011618848.2A
Other languages
English (en)
Other versions
CN112826535B (zh
Inventor
黄帅
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.)
Qingdao Hisense Medical Equipment Co Ltd
Original Assignee
Qingdao Hisense Medical Equipment Co Ltd
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 Qingdao Hisense Medical Equipment Co Ltd filed Critical Qingdao Hisense Medical Equipment Co Ltd
Priority to CN202011618848.2A priority Critical patent/CN112826535B/zh
Publication of CN112826535A publication Critical patent/CN112826535A/zh
Application granted granted Critical
Publication of CN112826535B publication Critical patent/CN112826535B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06Measuring blood flow
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48Diagnostic techniques
    • A61B8/488Diagnostic techniques involving Doppler signals
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • A61B8/5253Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode combining overlapping images, e.g. spatial compounding

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Hematology (AREA)
  • Vascular Medicine (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明提供了一种超声成像中自动定位血管的方法和装置及设备,所述方法包括:获取检测部位的彩色超声二维图像,所述彩色超声二维图像包括B模式图像和叠加在所述B模式图像上的血流图像;根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域;通过分析所述血管区域获取血管参数,并根据所述血管参数确定取样框和取样门的位置参数,所述血管参数包括血管走向和血管的中心位置;根据所述位置参数,获取对应位置的彩色超声二维图像或超声频谱图像。利用本发明提供的方法,可以根据超声图像,自动定位血管,并自动调整取样框和取样门的参数,提高操作效率。

Description

一种超声成像中自动定位血管的方法和装置及设备
技术领域
本发明涉及医学超声影像领域,尤其涉及一种超声成像中自动定位血管的方法和装置及设备。
背景技术
随着医学技术和医疗诊断手段的不断发展,超声诊断仪器以其无创性的优点被广泛应用于临床诊断,其中,超声多普勒技术已广泛应用血管、心脏、产科等方面的检测,已成为无损诊断血管疾病的一种重要手段。
彩色多普勒超声应用多普勒效应检测人体运动脏器的信息,利用自相关处理技术获取血流信号,经彩色编码后实时地叠加在二维B超图像上,得到彩色多普勒超声血流成像,以获取血流信息。多普勒效应的另一种应用方式是检测多普勒频移信息并实时获取其频谱,经过处理最终显示为多普勒频谱图也称作D模式,具体根据脉冲发射方式分为连续多普勒成像和脉冲多普勒成像。
彩色多普勒超声血流成像关注一个血管或小区域的血流分布,在得到彩色多普勒超声血流图像后,利用取样框在图像上取样进行分析,取样框的大小和位置会影响血流成像的分辨率以及血流信息的质量。同时,由于彩色多普勒超声血流成像以及连续多普勒成像、脉冲多普勒成像依赖于多普勒效应,因此超声诊断仪器声束的发射角度对频谱图及彩色图像十分重要,声束发射方向与血流方向之间夹角过大或过小都会影响多普勒超声成像质量。
在实际的应用过程中医生会根据检查部位手动调节超声面板上的参数获取所需要的信息,例如,通过手动调整取样框的位置,将取样框调整到血管或感兴趣区域的位置以获取血流信息;手动调节取样框偏转角度、取样门偏转角度以获取更好的灵敏度等。在更换检查模式或病人时上面的参数还需要重新调节,增加医生的工作负担,因此设计一种能够自动血管,以及确定取样框、取样门参数的超声成像方法十分有必要。
发明内容
本发明提供一种超声成像中自动定位血管的方法和装置及设备,解决现有的超声成像方案中需要手动定位血管及手动调整取样框和取样门的参数,操作效率低,调整过程复杂繁琐的问题。
第一方面,本发明提供一种超声成像中自动定位血管的方法,该方法包括:
获取检测部位的彩色超声二维图像,所述彩色超声二维图像包括B模式图像和叠加在所述B模式图像上的血流图像;
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域;
通过分析所述血管区域获取血管参数,并根据所述血管参数确定取样框和取样门的位置参数,所述血管参数包括血管走向和血管的中心位置;
根据所述位置参数,获取对应位置的彩色超声二维图像或超声频谱图像。
可选地,根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域,包括:
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域;
根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,得到第二血管区域;
通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域。
可选地,根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域,包括:
根据所述血流速度数据,确定所述血流图像中血流速度在预设阈值范围的像素点,并在所述B模式图像中标识所确定的像素点;
根据标识的像素点所占的离散区域,确定存在面积大于预设值的离散区域时,确定面积最大的离散区域为初始的第一血管区域;
否则,根据所述B模式图像中的灰度数据,使用最大类间方差算法划分所述B模式图像的血管区域和组织区域,并根据所述检测部位的血管特征,在划分得到的血管区域中确定初始的第一血管区域。
可选地,根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,包括:
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠上时,将所述第一血管区域外扩预设幅度,并控制向上扩展的幅度大于向下扩展的幅度,得到第二血管区域;或
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠下时,将所述第一血管区域外扩预设幅度,并控制向下扩展的幅度大于向上扩展的幅度,得到第二血管区域。
可选地,通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域,包括:
对所述第二血管区域进行降采样处理和降噪处理,得到预处理后的第二血管区域;
通过边缘检测算法确定所述预处理后的第二血管区域的边缘像素点,并对所述边缘像素点进行插值处理,获取封闭的血管边缘曲线;
确定映射所述血管边缘曲线的水平集函数,并对所述水平集函数进行演化,以校正所述血管边缘曲线,获得校正后的第三血管区域。
可选地,分析所述血管区域获取血管参数,包括:
在所述血管区域内像素的坐标中,随机选择预设数量的坐标为当前数据集;
将当前数据集输入用于拟合对应血管形状的数据模型,根据所述当前数据集调整所述数据模型的参数,利用调整后的数据模型拟合对应血管形状的血管;
确定所述血管区域内像素的坐标中,与所述血管中对应坐标在预设误差范围内的坐标数量并记录;
重复上述步骤直至满足预设的结束条件,确定记录的最大坐标数量所对应的数据模型,根据所述确定数据模型拟合的血管确定血管参数;
其中,所述预设的结束条件为所述在预设误差范围内的坐标数量大于预设数量阈值,或达到预设的迭代次数。
可选地,根据所述血管参数确定取样框和取样门的位置参数,包括:
在所述B模式图像上将所述血管区域外扩预设幅度,得到取样框的位置;
在所述取样框的预设偏转角度中,确定取样框的偏转角度为与所述血管走向的补角的差值最小的预设偏转角度;
计算所述中心位置在垂直方向上到所述血管区域边缘的距离之和,确定所述距离之和与预设系数的乘积为取样门的宽度,并确定所述中心位置为取样门的中心位置。
第二方面,本发明提供一种超声成像中自动定位血管的设备,包括存储器和处理器,其中:
所述存储器用于存储计算机程序;
所述处理器用于读取所述存储器中的程序并执行如下步骤:
获取检测部位的彩色超声二维图像,所述彩色超声二维图像包括B模式图像和叠加在所述B模式图像上的血流图像;
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域;
通过分析所述血管区域获取血管参数,并根据所述血管参数确定取样框和取样门的位置参数,所述血管参数包括血管走向和血管的中心位置;
根据所述位置参数,获取对应位置的彩色超声二维图像或超声频谱图像。
可选地,所述处理器根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域,包括:
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域;
根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,得到第二血管区域;
通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域。
可选地,所述处理器根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域,包括:
根据所述血流速度数据,确定所述血流图像中血流速度在预设阈值范围的像素点,并在所述B模式图像中标识所确定的像素点;
根据标识的像素点所占的离散区域,确定存在面积大于预设值的离散区域时,确定面积最大的离散区域为初始的第一血管区域;
否则,根据所述B模式图像中的灰度数据,使用最大类间方差算法划分所述B模式图像的血管区域和组织区域,并根据所述检测部位的血管特征,在划分得到的血管区域中确定初始的第一血管区域。
可选地,所述处理器根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,包括:
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠上时,将所述第一血管区域外扩预设幅度,并控制向上扩展的幅度大于向下扩展的幅度,得到第二血管区域;或
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠下时,将所述第一血管区域外扩预设幅度,并控制向下扩展的幅度大于向上扩展的幅度,得到第二血管区域。
可选地,所述处理器通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域,包括:
对所述第二血管区域进行降采样处理和降噪处理,得到预处理后的第二血管区域;
通过边缘检测算法确定所述预处理后的第二血管区域的边缘像素点,并对所述边缘像素点进行插值处理,获取封闭的血管边缘曲线;
确定映射所述血管边缘曲线的水平集函数,并对所述水平集函数进行演化,以校正所述血管边缘曲线,获得校正后的第三血管区域。
可选地,所述处理器分析所述血管区域获取血管参数,包括:
在所述血管区域内像素的坐标中,随机选择预设数量的坐标为当前数据集;
将当前数据集输入用于拟合对应血管形状的数据模型,根据所述当前数据集调整所述数据模型的参数,利用调整后的数据模型拟合对应血管形状的血管;
确定所述血管区域内像素的坐标中,与所述血管中对应坐标在预设误差范围内的坐标数量并记录;
重复上述步骤直至满足预设的结束条件,确定记录的最大坐标数量所对应的数据模型,根据所述确定数据模型拟合的血管确定血管参数;
其中,所述预设的结束条件为所述在预设误差范围内的坐标数量大于预设数量阈值,或达到预设的迭代次数。
可选地,所述处理器根据所述血管参数确定取样框和取样门的位置参数,包括:
在所述B模式图像上将所述血管区域外扩预设幅度,得到取样框的位置;
在所述取样框的预设偏转角度中,确定取样框的偏转角度为与所述血管走向的补角的差值最小的预设偏转角度;
计算所述中心位置在垂直方向上到所述血管区域边缘的距离之和,确定所述距离之和与预设系数的乘积为取样门的宽度,并确定所述中心位置为取样门的中心位置。
第三方面,本发明提供一种超声成像中自动定位血管的装置,包括:
数据获取单元,用于获取检测部位的彩色超声二维图像,所述彩色超声二维图像包括B模式图像和叠加在所述B模式图像上的血流图像;
血管确定单元,用于根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域;
参数分析单元,用于通过分析所述血管区域获取血管参数,并根据所述血管参数确定取样框和取样门的位置参数,所述血管参数包括血管走向和血管的中心位置;
图像生成单元,用于根据所述位置参数,获取对应位置的彩色超声二维图像或超声频谱图像。
可选地,所述血管确定单元根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域,包括:
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域;
根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,得到第二血管区域;
通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域。
可选地,所述血管确定单元根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域,包括:
根据所述血流速度数据,确定所述血流图像中血流速度在预设阈值范围的像素点,并在所述B模式图像中标识所确定的像素点;
根据标识的像素点所占的离散区域,确定存在面积大于预设值的离散区域时,确定面积最大的离散区域为初始的第一血管区域;
否则,根据所述B模式图像中的灰度数据,使用最大类间方差算法划分所述B模式图像的血管区域和组织区域,并根据所述检测部位的血管特征,在划分得到的血管区域中确定初始的第一血管区域。
可选地,所述血管确定单元根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,包括:
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠上时,将所述第一血管区域外扩预设幅度,并控制向上扩展的幅度大于向下扩展的幅度,得到第二血管区域;或
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠下时,将所述第一血管区域外扩预设幅度,并控制向下扩展的幅度大于向上扩展的幅度,得到第二血管区域。
可选地,所述血管确定单元通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域,包括:
对所述第二血管区域进行降采样处理和降噪处理,得到预处理后的第二血管区域;
通过边缘检测算法确定所述预处理后的第二血管区域的边缘像素点,并对所述边缘像素点进行插值处理,获取封闭的血管边缘曲线;
确定映射所述血管边缘曲线的水平集函数,并对所述水平集函数进行演化,以校正所述血管边缘曲线,获得校正后的第三血管区域。
可选地,所述参数分析单元分析所述血管区域获取血管参数,包括:
在所述血管区域内像素的坐标中,随机选择预设数量的坐标为当前数据集;
将当前数据集输入用于拟合对应血管形状的数据模型,根据所述当前数据集调整所述数据模型的参数,利用调整后的数据模型拟合对应血管形状的血管;
确定所述血管区域内像素的坐标中,与所述血管中对应坐标在预设误差范围内的坐标数量并记录;
重复上述步骤直至满足预设的结束条件,确定记录的最大坐标数量所对应的数据模型,根据所述确定数据模型拟合的血管确定血管参数;
其中,所述预设的结束条件为所述在预设误差范围内的坐标数量大于预设数量阈值,或达到预设的迭代次数。
可选地,所述参数分析单元根据所述血管参数确定取样框和取样门的位置参数,包括:
在所述B模式图像上将所述血管区域外扩预设幅度,得到取样框的位置;
在所述取样框的预设偏转角度中,确定取样框的偏转角度为与所述血管走向的补角的差值最小的预设偏转角度;
计算所述中心位置在垂直方向上到所述血管区域边缘的距离之和,确定所述距离之和与预设系数的乘积为取样门的宽度,并确定所述中心位置为取样门的中心位置。
第四方面,本发明提供一种计算机程序介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面提供的一种超声成像中自动定位血管的方法的步骤。
本发明提供的一种超声成像中自动定位血管的方法和装置及设备,具有以下有益效果:
根据超声图像自动定位血管,并自动调整取样框和取样门的参数,实现取样框、取样线、取样门自动定位及自动偏转,可以减少调节参数花费的时间,提高操作效率以及超声诊断的准确性和可重复性。
附图说明
图1为本发明实施例提供的一种超声成像中自动定位血管的方法的流程示意图;
图2为本发明实施例提供的一种血管自动定位前超声成像凸阵取样框、取样线位置示意图;
图3为本发明实施例提供的一种血管自动定位前超声成像线阵取样框、取样线位置示意图;
图4为本发明实施例提供的一种根据血流图像中的血流速度数据和B模式图像中的灰度数据确定血管区域的流程图;
图5为本发明实施例提供的一种确定第一血管区域的方法的流程示意图;
图6为本发明实施例提供的一种第二血管区域的示意图;
图7为本发明实施例提供的一种预留位置的示意图;
图8为本发明实施例提供的一种校正第二血管区域的流程示意图;
图9为本发明实施例提供的一种水平集函数求解得到的血管边界的示意图;
图10为本发明实施例提供的一种水平集函数求解得到的两条血管边界的示意图;
图11为本发明实施例提供的一种血管自动定位后超声成像凸阵取样框、取样线位置示意图;
图12为本发明实施例提供的一种血管自动定位后超声成像线阵取样框、取样线位置示意图;
图13为本发明实施例提供的一种超声成像中自动定位血管的设备的示意图;
图14为本发明实施例提供的一种超声成像中自动定位血管的装置的示意图。
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,并不是全部的实施例。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。
在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;文本中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,另外,在本申请实施例的描述中,“多个”是指两个或多于两个,其它量词与之类似应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
需要说明的是,以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
以下,对本公开实施例中的部分用语进行解释说明,以便于本领域技术人员理解。
(1)本公开实施例中术语“B模式图像”,为黑白B超处理模块最终输出的图像,在彩色多普勒超声血流成像中可以直接获取B模式图像的数据。
(2)本公开实施例中术语“双工模式”和“三工模式”,在双工模式下,B模式图像和血流图像两种图像对应的成像模式同时处于工作的状态;在三工模式下,B模式图像、血流图像、多普勒频谱图像三种图像对应的成像模式同时处于工作的状态。
(3)本公开实施例中术语“同相正交(In-Phase Quadrature,IQ)数据”,同相就是矢量方向相同,正交就是矢量正交即差90,IQ数据是一路的矢量方向是0°或180°,另一路的矢量方向是90°或270°,上述两路数据分别叫做I路和Q路。
(4)本公开实施例中术语“最大类间方差法算法”,是按图像的灰度特性,将图像分成背景和前景两部分的一种算法。通过方差度量灰度分布均匀性,背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小,因此,使类间方差最大的分割意味着错分概率最小。
(5)本公开实施例中术语“降采样”,是一种降低信号采样率的过程,用于降低数据大小。
(6)本公开实施例中术语“水平集函数”,是一种用于界面追踪和形状建模的数值技术,其优点是可以方便的追踪物体的拓扑结构改变。
为了使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开作进一步地详细描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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它实施例,都属于本公开保护的范围。
彩色多普勒超声血流成像关注一个血管或小区域的血流分布,不仅可以节省硬件和计算资源,也不会影响需要的医学信息。此外,取样框越小,彩色图像就越敏感,分辨率越高,如果把取样框拉宽则会降低灵敏度,把取样框设置过高,则会降低脉冲重复频率,导致血流信息变差、帧频下降;取样线指示发射多普勒超声的声束方向;取样门影响超声检测的灵敏度。
鉴于目前的超声成像的方案,需要通过医生手动操作定位血管、调节取样框、取样门参数,导致的操作效率低,调整过程复杂繁琐的问题,本申请提出一种超声成像中自动定位血管的方法和装置及设备。
下面结合附图对本申请实施例中的一种超声成像中自动定位血管的方法和装置及设备进行详细说明。
实施例1
本发明实施例提供一种超声成像中自动定位血管的方法的流程示意图,如图1所示,包括:
步骤S101,获取检测部位的彩色超声二维图像,所述彩色超声二维图像包括B模式图像和叠加在所述B模式图像上的血流图像;
需要说明的是,上述检测部位为检测目标的任意部位。检测目标可以为任意有血流、血管的生物,包括人类和其他动物。检测目标的部位可以为任意有检测需求的部位,例如颈部、腹部等。
需要说明的是,超声成像中自动定位血管被启动时,获取当前超声取样框中的彩色超声二维图像。
现有的超声成像的方案中,输出当前超声取样框中彩色超声二维图像的过程如下:
彩色多普勒超声成像探头发出的超声波脉冲信号,经检测目标的组织和血液反射,再次被探头接收。接收到的信号经过接收放大,模拟数字转换和波束合成后,进行正交解调形成IQ数据。将上述IQ数据一路送入黑白B超处理模块,一路送入彩色模式处理模块。
送入彩色模式处理模块的信号首先经过壁滤波器去除低速运动的组织信号以及探头移动所造成的运动伪像。在壁滤波结束后,进行自相关处理,获得平均血流速度,能量和方差等参数。在接下来的血流检测中,使用上述血流相关参数以及B模式图像的亮度数据区分是血流还是组织。之后将上述彩色信号和黑白信号一起合成进行扫描转换处理,将直角坐标系的超声血流信号转换为极坐标系的信号,从而得出最终的彩色超声二维图像。
需要说明的是,在具体实施时,不同检测部位和不同扫描模式对应不同的预设取样框。比如,颈部通常使用线阵扫描,扫描区域为矩形,取样框则为矩形或者平行四边形;腹部通常使用凸阵扫描,扫描区域为扇形,取样框为扇形。
如图2所示,本发明实施例提供一种血管自动定位前超声成像凸阵取样框、取样线位置示意图。
图2为凸阵扫描的示意图,扫描区域为扇形,取样框为扇形,在上述扫描区域的左下角,未对准右上区域的血管。
如图3所示,本发明实施例提供一种血管自动定位前超声成像线阵取样框、取样线位置示意图。
图3为线阵扫描的示意图,扫描区域为矩形,取样框为平行四边形,血管在取样框的上半部分,且未被全部定位到。
步骤S102,根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域;
如图2和图3所示的血管自动定位前的取样框的位置示意图,在双工模式或三工模式下,取样框的位置未在血管位置上,或部分在血管位置上,均不是理想的位置,因此,根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域。
上述血流速度数据为血流图像中像素坐标点的取值,上述取值范围为0~255,其中127代表血流速度为0,其余数值代表此处有血流速度。
上述血流速度有正负之分,正负代表血流的方向,认为正数代表血流沿着超声探头方向流动。例如,126代表血流是负向的,速度为1;128代表血流是正向的,速度为1。
如图4所示,本发明实施例提供一种根据血流图像中的血流速度数据和B模式图像中的灰度数据确定血管区域的流程图。
步骤S401:根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域;
如图5所示,本发明实施例提供一种确定第一血管区域的方法的流程示意图。
步骤S501,根据所述血流速度数据,确定所述血流图像中血流速度在预设阈值范围的像素点,并在所述B模式图像中标识所确定的像素点;
作为一种可选的实施方式,上述预设阈值范围为0至126以及128至255。
上述在B模式图像中标识所确定的像素点的方式可以为,设置血管重建图mask。
上述mask的尺寸与B模式图像一致,上述mask中坐标点位置与B模式图像一一对应,将血流速度为127的像素点的取值设为标识非血管区域的第一数值,将血流速度在0至126以及128至255范围内的像素点的取值设为标识血管区域的第二数值。
作为一种可选的实施方式,上述第一数值为0,上述第二数值为1。
步骤S502,根据标识的像素点所占的离散区域,确定是否存在面积大于预设值的离散区域,若是,执行步骤S503,若否,执行步骤S504;
不同的检测部位的血管特征不同,例如,腹部肝脏血管表现为分叉;颈动脉血管在长轴方向上类似矩形,在短轴方向上类似椭圆;甲状腺血管分布不连续等,所以上述标识的像素点可能包换一条甚至多条血管,因此统计上述标识第二数值的像素点所占的离散区域。
上述预设值的大小根据检测部位和检测模式进行具体设置。
当上述离散区域的面积超过上述预设值时,认为上述离散区域是血管区域。
步骤S503,确定面积最大的离散区域为初始的第一血管区域;
当存在血管区域时,选取其中面积最大的区域作为初始的第一血管区域。
步骤S504,根据所述B模式图像中的灰度数据,使用最大类间方差算法划分所述B模式图像的血管区域和组织区域,并根据所述检测部位的血管特征,在划分得到的血管区域中确定初始的第一血管区域。
当不存在血管区域时,利用B模式图像中血管的像素值远低于其他部位的像素值的特点,通过自适应阈值分割方法获取血管的位置,将上述B模式图像划分为组织及血管部位。
通过最大类间方差算法完成对血管区域和组织区域的划分后,可能存在一个或多个血管区域。此时根据上述检测部位的血管特征,在划分得到的血管区域中确定初始的第一血管区域。
上述检测部位的血管特征包括多种,例如,当检测部位为颈动脉时,长轴部位血管面积大且上壁下壁接近平行,可以通过判断面积、上下边缘的平行程度去判断是否为颈动脉血管;当检测部位为腹部时,血管一般为椭圆形状或分叉形状,且位于图像中部区域,可以通过区域边缘椭圆拟合程度、质心位置、分叉处长短轴长度判断血管区域;当检测部位为甲状腺部位时,甲状腺图像近场处边缘比较明显,血管一般位于此边缘下方的组织上,可以通过边缘线位置、组织位置对血管区域进行定位。
需要说明的是,上述对血管特征的举例和对应的根据检测部位的血管特征确定初始的第一血管区域的方法仅是对本发明实施例的一种具体举例,并不对本发明实施例进行限定,在具体实施时,可以对上述实施方式进行修改、变形、结合。
通过上述实施方式,在不存在血管区域的情况下通过B模式图像以及检测部位的血管特征自动定位血管区域。
步骤S402:根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,得到第二血管区域;
在步骤1中获取的第一血管区域有可能只包含血管的一部分或者位置偏离血管,需要校正上述第一血管区域。
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠上时,将所述第一血管区域外扩预设幅度,并控制向上扩展的幅度大于向下扩展的幅度,得到第二血管区域;或
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠下时,将所述第一血管区域外扩预设幅度,并控制向下扩展的幅度大于向上扩展的幅度,得到第二血管区域。
如图6所示,本发明实施例提供一种第二血管区域的示意图。
其中,整体图像为彩色超声二维图像,彩色超声二维图像包含B模式图像和叠加在B模式图像上的血流图像,其中血流图像只有在取样框中才能显示。
在图6中可以得知,第一血管区域与所述初始取样框中的血流图像的相对位置关系为第一血管区域的中心相对于所述血流图像的中心靠上,所以将第一血管区域外扩预设幅度,并控制向上扩展的幅度大于向下扩展的幅度,得到如图6所示的第二血管区域。
作为一种可选的实施方式,利用血流图像的高度减去第一血管区域的右下点高度位置rm,如果差值超过阈值,说明第一血管区域相对于所述血流图像的靠上,上述阈值可以设置为55。
上述第二血管区域相对于第一血管区域上下左右要预留一定的位置t1、t2、t3、t4,确保血管位于第二血管区域内。
在上述图6中,控制向上扩展的幅度大于向下扩展的幅度,即设置t1的阈值比t2大。将t1设置为150个像素点,t2设置为30个像素点,t3、t4可以设置为相同大小,为10个像素点。控制向下扩展的幅度大于向上扩展的幅度时,设置t2的阈值比t1大,t3、t4可以设置为相同大小,也可以设置为不同大小,具体设置大小可以根据检查部位的不同进行灵活设置。
如图7所示,本发明实施例提供一种预留位置的示意图。
上述图7为针对上述图6中第一血管区域和第二血管区域的变化的说明。在上述图7中,上述第二血管区域相对于第一血管区域上下左右预留一定的位置t1、t2、t3、t4,其中,t1大于t2,t3小于t4。
作为一种可选的实施方式,通过下述公式调整所述第一血管区域的范围:
h1=max(lm-t1,1);
h2=min(rm+t2,H);
w1=max(ln-t3,1);
w2=min(rn+t4,W);
ROI=I(h1:h2,w1:w2);
其中,(lm,ln)为第一血管区域左上位置的坐标,(rm,rn)为第一血管区域右下位置的坐标,m代表竖直方向,n代表水平方向,t1、t2、t3、t4,分别为上下左右四个方向的扩展幅度,H为B模式图像的高度,W为B模式图像的宽度,ROI为第二血管区域,当超过边界时以边界条件为准。
通过上述校正方式可以减少其他区域对判断血管区域的影响,如避免将腹部远场区域或边界区域比较暗的区域误判为血管的情况。
步骤S403:通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域。
如图8所示,本发明实施例提供一种校正第二血管区域的流程示意图。
步骤S801,对所述第二血管区域进行降采样处理和降噪处理,得到预处理后的第二血管区域;
在获取上述第二血管区域后为了加快处理,可以对上述第二血管区域进行预处理。
首先对上述第二血管区域进行降采样处理,再具体实施时,根据图像的大小确定降采样处理的倍数,作为一种可选的实施方式,降采样为上述第二血管区域的一半。
同时为了提升血管区域获取的准确性,可以对降采样后的第二血管区域进行降噪处理,任意合适的去除噪声的方法都可以应用到本发明实施例中,包括但不限于高斯滤波、各向异性扩散滤波、双边滤波等方法。
步骤S802,通过边缘检测算法确定所述预处理后的第二血管区域的边缘像素点,并对所述边缘像素点进行插值处理,获取封闭的血管边缘曲线;
通过边缘检测算法获取上述预处理后的第二血管区域内血管初始位置的边缘像素点位置,任意合适的边缘检测算法都可以应用到本发明实施例中,包括但不限于sobel边缘检测、Prewitt边缘检测、Roberts边缘检测等。
将通过边缘检测算法获取的边缘像素点进行插值,获取一条封闭曲线L(x1,y1,x2,y2,x3,y3…)。
步骤S803,确定映射所述血管边缘曲线的水平集函数,并对所述水平集函数进行演化,以校正所述血管边缘曲线,获得校正后的第三血管区域。
将上述封闭曲线L构建为水平集LSF函数Φ,对所述水平集函数进行演化,以校正所述血管边缘曲线,获得校正后的第三血管区域,包括:
根据所述水平集函数Φ构建能量函数
Figure BDA0002877637490000141
根据
Figure BDA0002877637490000151
对所述能量函数进行离散化迭代求解,得到演化后的水平集函数;
利用所述演化后的水平集函数对应的曲线内的像素点,构建校正后的第三血管区域。
其中:
Figure BDA0002877637490000152
代表所述水平集函数Φ的惩罚项;
Figure BDA0002877637490000153
为所述血管边缘曲线上的线积分;
Figure BDA0002877637490000154
为所述血管边缘曲线内部的能量积分;
Figure BDA0002877637490000155
δε(Φ)为赫维赛德Heaviside函数的积分,s为所述水平集函数的梯度幅值,g为边缘指示函数,Gσ代表对第二血管区域I进行方差为σ的高斯滤波。
需要说明的是,上述能量函数由一个距离正则项和一个驱动轮廓向理想轮廓演进的外部能量项这两部分组成。
上述距离正则项
Figure BDA0002877637490000156
是一个对LSF梯度的惩罚函数,迫使每一点的梯度幅度向惩罚项中势函数dp的其中一个最小值(0或1)变化,可以避免演化公式在演化一段时间后水平集失去光滑性和距离函数的特性,避免再次重新初始化水平集函数。
Figure BDA0002877637490000157
Figure BDA0002877637490000158
共同构成了驱动轮廓向理想轮廓演进的外部能量项。
需要说明的是,Φt中t为LSF函数的演化次数,且起始t为1,第一次LSF函数为初始的水平集函数。
初始LSF经过一次演化后,得到一个新的LSF,将该新的LSF作为初始能量演化曲线,继续进行下一次的演化,以此类推,用户可以进行指定次数的演化,将最后一个演化得到的LSF作为血管边界。作为一种可选的实施方式,上述指定次数可以设置为10至15次。
如图9所示,本发明实施例提供一种水平集函数求解得到的血管边界的示意图。
迭代完成后获取最终的LSF曲线位置即为血管位置,在图9中,白色曲线代表求解得到的血管边界。
如图10所示,本发明实施例提供一种水平集函数求解得到的两条血管边界的示意图。
图10中存在两条封闭曲线,代表求解得到的血管有两条。
将上述曲线内像素点的取值设置为标识血管区域的第一标识,曲线外设置为标识非血管区域的第二标识,获取校正后的第三血管区域。
上述校正后的第三血管区域的示意图如图6中的第三血管区域所示。
作为一种可选的实施方式,上述第一标识为1,上述第二标识为0。
步骤S103,通过分析所述血管区域获取血管参数,并根据所述血管参数确定取样框和取样门的位置参数,所述血管参数包括血管走向和血管的中心位置;
其中,分析所述血管区域获取血管参数,包括:
在所述血管区域内像素的坐标中,随机选择预设数量的坐标为当前数据集;
需要说明的是,获取上述血管区域内或下述确定的取样框内的血管坐标位置集合S(x1,y1,x2,y2…)。
随机选择出n个点的作为模型的最小数据集s1,上述n的数量根据具体的实施情况进行具体设置,例如,选取数值为10个点。
将当前数据集输入用于拟合对应血管形状的数据模型,根据所述当前数据集调整所述数据模型的参数,利用调整后的数据模型拟合对应血管形状的血管;
使用上述数据集s1计算数据模型,在具体实施时,根据部位确定血管形状,并根据血管形状确定对应的数据模型,此处选择的模型为直线方程。
确定所述血管区域内像素的坐标中,与所述血管中对应坐标在预设误差范围内的坐标数量并记录;
将血管坐标位置集合S中的所有数据带入上述模型,计算出inliers的数目,inliers指累加在一定误差范围内的适合当前迭代推出模型的数据。或
比较调整后的数据模型拟合出的血管内的坐标和血管坐标位置集合S中的数据,确定inliers的数目。
重复上述步骤直至满足预设的结束条件,确定记录的最大坐标数量所对应的数据模型,根据所述确定数据模型拟合的血管确定血管参数;
其中,所述预设的结束条件为所述在预设误差范围内的坐标数量大于预设数量阈值,或达到预设的迭代次数。
上述确定最大坐标数量的方式可以为:
比较当前模型和之前推导出的最好的模型的inliers的数量,记录最大inliers数的模型参数和inliers数;或
记录全部模型的inliers的数量,在上述inliers的数量中选择最大的inliers数。
作为一种可选的实施方式,上述预设的迭代次数为20次,次数过少计算出的参数不精确,次数过多浪费时间且精度也无法提高。另一个预设的结束条件是模型预设误差范围小于0.01。
在估计出的模型中计算直线的相对偏转角度ang以此角度作为血管的走向以及中心位置(xcenter,ycenter)。
其中,根据所述血管参数确定取样框和取样门的位置参数,包括:
在所述B模式图像上将所述血管区域外扩预设幅度,得到取样框的位置;
根据上述第三血管区域的左上(slm,sln)及右下位置(srm,srn),设置取样框的位置,同时上述取样框上下左右要预留一定的位置thr1,thr2,确保血管位于取样框内,同时将上述第二血管区域校正到B模式图像上。
boxh1=slm-thr1;
boxh2=srm+thr1;
boxw1=sln-thr2;
boxw2=srn+thr2;
其中m代表高度方向,n代表宽度方向。
根据上述方式确定的取样框的位置如上述图6中的校正后取样框所示。
在所述取样框的预设偏转角度中,确定取样框的偏转角度为与所述血管走向的补角的差值最小的预设偏转角度;
如图11所示,本发明实施例提供一种血管自动定位后超声成像凸阵取样框、取样线位置示意图。
在彩色多普勒超声系统中除了线阵取样框需要偏转,相控阵、凸阵由于取样框为扇形,取样框只需要完全覆盖血管位置即可,根据所选取样框矩形位置,调整扇形区域,使其扇形区域尽可能包含取样框中的所有血管位置。
对于线阵探头下取样框角度的选取,需要根据血管的走向进行选取,在此范围内也可能同时存在多条血流,这时我们以其中占据主要部分的血管方向定为血管走向,其余走向血管忽略。
在超声多普勒系统中一般都会预置多个偏转角度ang1档位供用户选择,选取血管偏转角度与预置偏转角度中最相近的角度作为取样框的偏转角度:
Min arg(pi/2-ang-ang1);
计算所述中心位置在垂直方向上到所述血管区域边缘的距离之和,确定所述距离之和与预设系数的乘积为取样门的宽度,并确定所述中心位置为取样门的中心位置。
以数据模型拟合的血管的中心点为基准搜索垂直方向上inliers的边缘位置,计算其长度L。
对于频谱多普勒中的偏转角度设置与上述方式一致,对于取样门中心位置选择在(xcenter,ycenter),此处的位置是优化后的取样框血管中最优位置,取样门大小选择L*ratio,ratio根据经验选择为0.32。
如果L*ratio小于系统预设的最小取样门长度,以最小取样门长度为准,图12所示为线阵探头优化后的取样框、取样门位置。
如图12所示,本发明实施例提供一种血管自动定位后超声成像线阵取样框、取样线位置示意图。
步骤S104,根据所述位置参数,获取对应位置的彩色超声二维图像或超声频谱图像。
根据所选的超声成像模式,将上述确定的参数重新下发给超声系统进行相应的处理,获取彩色超声二维图像或超声频谱图像。
实施例2
本发明实施例提供一种超声成像中自动定位血管的设备1300的示意图,包括存储器1301和处理器1302,如图13所示,其中:
所述存储器用于存储计算机程序;
所述处理器用于读取所述存储器中的程序并执行如下步骤:
获取检测部位的彩色超声二维图像,所述彩色超声二维图像包括B模式图像和叠加在所述B模式图像上的血流图像;
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域;
通过分析所述血管区域获取血管参数,并根据所述血管参数确定取样框和取样门的位置参数,所述血管参数包括血管走向和血管的中心位置;
根据所述位置参数,获取对应位置的彩色超声二维图像或超声频谱图像。
可选地,所述处理器根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域,包括:
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域;
根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,得到第二血管区域;
通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域。
可选地,所述处理器根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域,包括:
根据所述血流速度数据,确定所述血流图像中血流速度在预设阈值范围的像素点,并在所述B模式图像中标识所确定的像素点;
根据标识的像素点所占的离散区域,确定存在面积大于预设值的离散区域时,确定面积最大的离散区域为初始的第一血管区域;
否则,根据所述B模式图像中的灰度数据,使用最大类间方差算法划分所述B模式图像的血管区域和组织区域,并根据所述检测部位的血管特征,在划分得到的血管区域中确定初始的第一血管区域。
可选地,所述处理器根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,包括:
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠上时,将所述第一血管区域外扩预设幅度,并控制向上扩展的幅度大于向下扩展的幅度,得到第二血管区域;或
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠下时,将所述第一血管区域外扩预设幅度,并控制向下扩展的幅度大于向上扩展的幅度,得到第二血管区域。
可选地,所述处理器通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域,包括:
对所述第二血管区域进行降采样处理和降噪处理,得到预处理后的第二血管区域;
通过边缘检测算法确定所述预处理后的第二血管区域的边缘像素点,并对所述边缘像素点进行插值处理,获取封闭的血管边缘曲线;
确定映射所述血管边缘曲线的水平集函数,并对所述水平集函数进行演化,以校正所述血管边缘曲线,获得校正后的第三血管区域。
可选地,所述处理器分析所述血管区域获取血管参数,包括:
在所述血管区域内像素的坐标中,随机选择预设数量的坐标为当前数据集;
将当前数据集输入用于拟合对应血管形状的数据模型,根据所述当前数据集调整所述数据模型的参数,利用调整后的数据模型拟合对应血管形状的血管;
确定所述血管区域内像素的坐标中,与所述血管中对应坐标在预设误差范围内的坐标数量并记录;
重复上述步骤直至满足预设的结束条件,确定记录的最大坐标数量所对应的数据模型,根据所述确定数据模型拟合的血管确定血管参数;
其中,所述预设的结束条件为所述在预设误差范围内的坐标数量大于预设数量阈值,或达到预设的迭代次数。
可选地,所述处理器根据所述血管参数确定取样框和取样门的位置参数,包括:
在所述B模式图像上将所述血管区域外扩预设幅度,得到取样框的位置;
在所述取样框的预设偏转角度中,确定取样框的偏转角度为与所述血管走向的补角的差值最小的预设偏转角度;
计算所述中心位置在垂直方向上到所述血管区域边缘的距离之和,确定所述距离之和与预设系数的乘积为取样门的宽度,并确定所述中心位置为取样门的中心位置。
本发明实施例提供一种超声成像中自动定位血管的装置的示意图,如图14所示,包括:
数据获取单元1401,用于获取检测部位的彩色超声二维图像,所述彩色超声二维图像包括B模式图像和叠加在所述B模式图像上的血流图像;
血管确定单元1402,用于根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域;
参数分析单元1403,用于通过分析所述血管区域获取血管参数,并根据所述血管参数确定取样框和取样门的位置参数,所述血管参数包括血管走向和血管的中心位置;
图像生成单元1404,用于根据所述位置参数,获取对应位置的彩色超声二维图像或超声频谱图像。
可选地,所述血管确定单元根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域,包括:
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域;
根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,得到第二血管区域;
通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域。
可选地,所述血管确定单元根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域,包括:
根据所述血流速度数据,确定所述血流图像中血流速度在预设阈值范围的像素点,并在所述B模式图像中标识所确定的像素点;
根据标识的像素点所占的离散区域,确定存在面积大于预设值的离散区域时,确定面积最大的离散区域为初始的第一血管区域;
否则,根据所述B模式图像中的灰度数据,使用最大类间方差算法划分所述B模式图像的血管区域和组织区域,并根据所述检测部位的血管特征,在划分得到的血管区域中确定初始的第一血管区域。
可选地,所述血管确定单元根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,包括:
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠上时,将所述第一血管区域外扩预设幅度,并控制向上扩展的幅度大于向下扩展的幅度,得到第二血管区域;或
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠下时,将所述第一血管区域外扩预设幅度,并控制向下扩展的幅度大于向上扩展的幅度,得到第二血管区域。
可选地,所述血管确定单元通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域,包括:
对所述第二血管区域进行降采样处理和降噪处理,得到预处理后的第二血管区域;
通过边缘检测算法确定所述预处理后的第二血管区域的边缘像素点,并对所述边缘像素点进行插值处理,获取封闭的血管边缘曲线;
确定映射所述血管边缘曲线的水平集函数,并对所述水平集函数进行演化,以校正所述血管边缘曲线,获得校正后的第三血管区域。
可选地,所述参数分析单元分析所述血管区域获取血管参数,包括:
在所述血管区域内像素的坐标中,随机选择预设数量的坐标为当前数据集;
将当前数据集输入用于拟合对应血管形状的数据模型,根据所述当前数据集调整所述数据模型的参数,利用调整后的数据模型拟合对应血管形状的血管;
确定所述血管区域内像素的坐标中,与所述血管中对应坐标在预设误差范围内的坐标数量并记录;
重复上述步骤直至满足预设的结束条件,确定记录的最大坐标数量所对应的数据模型,根据所述确定数据模型拟合的血管确定血管参数;
其中,所述预设的结束条件为所述在预设误差范围内的坐标数量大于预设数量阈值,或达到预设的迭代次数。
可选地,所述参数分析单元根据所述血管参数确定取样框和取样门的位置参数,包括:
在所述B模式图像上将所述血管区域外扩预设幅度,得到取样框的位置;
在所述取样框的预设偏转角度中,确定取样框的偏转角度为与所述血管走向的补角的差值最小的预设偏转角度;
计算所述中心位置在垂直方向上到所述血管区域边缘的距离之和,确定所述距离之和与预设系数的乘积为取样门的宽度,并确定所述中心位置为取样门的中心位置。
本发明还提供一种计算机程序介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例1中提供的一种超声成像中自动定位血管的方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
以上对本申请所提供的技术方案进行了详细介绍,本申请中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种超声成像中自动定位血管的方法,其特征在于,包括:
获取检测部位的彩色超声二维图像,所述彩色超声二维图像包括B模式图像和叠加在所述B模式图像上的血流图像;
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域;
通过分析所述血管区域获取血管参数,并根据所述血管参数确定取样框和取样门的位置参数,所述血管参数包括血管走向和血管的中心位置;
根据所述位置参数,获取对应位置的彩色超声二维图像或超声频谱图像。
2.根据权利要求1所述的方法,其特征在于,根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域,包括:
根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域;
根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,得到第二血管区域;
通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域。
3.根据权利要求2所述的方法,其特征在于,根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定初始的第一血管区域,包括:
根据所述血流速度数据,确定所述血流图像中血流速度在预设阈值范围的像素点,并在所述B模式图像中标识所确定的像素点;
根据标识的像素点所占的离散区域,确定存在面积大于预设值的离散区域时,确定面积最大的离散区域为初始的第一血管区域;
否则,根据所述B模式图像中的灰度数据,使用最大类间方差算法划分所述B模式图像的血管区域和组织区域,并根据所述检测部位的血管特征,在划分得到的血管区域中确定初始的第一血管区域。
4.根据权利要求2所述的方法,其特征在于,根据所述第一血管区域与所述血流图像的相对位置关系,调整所述第一血管区域的范围,包括:
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠上时,将所述第一血管区域外扩预设幅度,并控制向上扩展的幅度大于向下扩展的幅度,得到第二血管区域;或
根据所述第一血管区域与所述血流图像的相对位置关系,确定所述第一血管区域的中心相对于所述血流图像的中心靠下时,将所述第一血管区域外扩预设幅度,并控制向下扩展的幅度大于向上扩展的幅度,得到第二血管区域。
5.根据权利要求2所述的方法,其特征在于,通过构建并演化所述第二血管区域的边缘对应的水平集函数,利用所述水平集函数校正所述第二血管区域的边缘曲线,获得校正后的第三血管区域,包括:
对所述第二血管区域进行降采样处理和降噪处理,得到预处理后的第二血管区域;
通过边缘检测算法确定所述预处理后的第二血管区域的边缘像素点,并对所述边缘像素点进行插值处理,获取封闭的血管边缘曲线;
确定映射所述血管边缘曲线的水平集函数,并对所述水平集函数进行演化,以校正所述血管边缘曲线,获得校正后的第三血管区域。
6.根据权利要求1所述的方法,其特征在于,分析所述血管区域获取血管参数,包括:
在所述血管区域内像素的坐标中,随机选择预设数量的坐标为当前数据集;
将当前数据集输入用于拟合对应血管形状的数据模型,根据所述当前数据集调整所述数据模型的参数,利用调整后的数据模型拟合对应血管形状的血管;
确定所述血管区域内像素的坐标中,与所述血管中对应坐标在预设误差范围内的坐标数量并记录;
重复上述步骤直至满足预设的结束条件,确定记录的最大坐标数量所对应的数据模型,根据所述确定数据模型拟合的血管确定血管参数;
其中,所述预设的结束条件为所述在预设误差范围内的坐标数量大于预设数量阈值,或达到预设的迭代次数。
7.根据权利要求1所述的方法,其特征在于,根据所述血管参数确定取样框和取样门的位置参数,包括:
在所述B模式图像上将所述血管区域外扩预设幅度,得到取样框的位置;
在所述取样框的预设偏转角度中,确定取样框的偏转角度为与所述血管走向的补角的差值最小的预设偏转角度;
计算所述中心位置在垂直方向上到所述血管区域边缘的距离之和,确定所述距离之和与预设系数的乘积为取样门的宽度,并确定所述中心位置为取样门的中心位置。
8.一种超声成像中自动定位血管的设备,其特征在于,包括存储器和处理器,其中:
所述存储器用于存储计算机程序;
所述处理器用于读取所述存储器中的程序并执行权利要求1~7任一所述的一种超声成像中自动定位血管的方法。
9.一种超声成像中自动定位血管的装置,其特征在于,包括:
数据获取单元,用于获取检测部位的彩色超声二维图像,所述彩色超声二维图像包括B模式图像和叠加在所述B模式图像上的血流图像;
血管确定单元,用于根据所述血流图像中的血流速度数据和所述B模式图像中的灰度数据,确定血管区域;
参数分析单元,用于通过分析所述血管区域获取血管参数,并根据所述血管参数确定取样框和取样门的位置参数,所述血管参数包括血管走向和血管的中心位置;
图像生成单元,用于根据所述位置参数,获取对应位置的彩色超声二维图像或超声频谱图像。
10.一种计算机程序介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1~7任一所述一种超声成像中自动定位血管的方法的步骤。
CN202011618848.2A 2020-12-31 2020-12-31 一种超声成像中自动定位血管的方法和装置及设备 Active CN112826535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011618848.2A CN112826535B (zh) 2020-12-31 2020-12-31 一种超声成像中自动定位血管的方法和装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011618848.2A CN112826535B (zh) 2020-12-31 2020-12-31 一种超声成像中自动定位血管的方法和装置及设备

Publications (2)

Publication Number Publication Date
CN112826535A true CN112826535A (zh) 2021-05-25
CN112826535B CN112826535B (zh) 2022-09-09

Family

ID=75925784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011618848.2A Active CN112826535B (zh) 2020-12-31 2020-12-31 一种超声成像中自动定位血管的方法和装置及设备

Country Status (1)

Country Link
CN (1) CN112826535B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023197564A1 (zh) * 2022-04-13 2023-10-19 深圳北芯生命科技股份有限公司 血管超声图像的标注方法、设备及介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030191392A1 (en) * 2002-04-05 2003-10-09 Haldeman Paul Craig Doppler guiding catheter using sensed blood turbulence levels
CN101833757A (zh) * 2009-03-11 2010-09-15 深圳迈瑞生物医疗电子股份有限公司 血管图像组织结构的边缘检测及血管内膜检测方法和系统
CN103886599A (zh) * 2014-03-26 2014-06-25 北京工业大学 一种基于血管内超声图像的血管roi分割方法
US20150164468A1 (en) * 2013-12-13 2015-06-18 Institute For Basic Science Apparatus and method for processing echocardiogram using navier-stokes equation
CN105139030A (zh) * 2015-08-18 2015-12-09 青岛海信医疗设备股份有限公司 一种肝脏血管的分类方法
US20180005372A1 (en) * 2016-06-30 2018-01-04 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for detecting a centerline of a vessel
US20190076196A1 (en) * 2017-09-14 2019-03-14 Koninklijke Philips N.V. Vessel geometry and additional boundary conditions for hemodynamic ffr/ifr simulations from intravascular imaging
US20190298298A1 (en) * 2018-03-29 2019-10-03 Meng-Lin Li Ultrasound imaging method
CN110604591A (zh) * 2018-12-29 2019-12-24 深圳迈瑞生物医疗电子股份有限公司 调整多普勒参数值的方法以及超声设备
CN110801246A (zh) * 2015-05-07 2020-02-18 深圳迈瑞生物医疗电子股份有限公司 血流成像方法及系统
CN111265246A (zh) * 2020-02-17 2020-06-12 东软医疗系统股份有限公司 超声彩色成像处理方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030191392A1 (en) * 2002-04-05 2003-10-09 Haldeman Paul Craig Doppler guiding catheter using sensed blood turbulence levels
CN101833757A (zh) * 2009-03-11 2010-09-15 深圳迈瑞生物医疗电子股份有限公司 血管图像组织结构的边缘检测及血管内膜检测方法和系统
US20150164468A1 (en) * 2013-12-13 2015-06-18 Institute For Basic Science Apparatus and method for processing echocardiogram using navier-stokes equation
CN103886599A (zh) * 2014-03-26 2014-06-25 北京工业大学 一种基于血管内超声图像的血管roi分割方法
CN110801246A (zh) * 2015-05-07 2020-02-18 深圳迈瑞生物医疗电子股份有限公司 血流成像方法及系统
CN105139030A (zh) * 2015-08-18 2015-12-09 青岛海信医疗设备股份有限公司 一种肝脏血管的分类方法
US20180005372A1 (en) * 2016-06-30 2018-01-04 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for detecting a centerline of a vessel
US20190076196A1 (en) * 2017-09-14 2019-03-14 Koninklijke Philips N.V. Vessel geometry and additional boundary conditions for hemodynamic ffr/ifr simulations from intravascular imaging
US20190298298A1 (en) * 2018-03-29 2019-10-03 Meng-Lin Li Ultrasound imaging method
CN110604591A (zh) * 2018-12-29 2019-12-24 深圳迈瑞生物医疗电子股份有限公司 调整多普勒参数值的方法以及超声设备
CN111265246A (zh) * 2020-02-17 2020-06-12 东软医疗系统股份有限公司 超声彩色成像处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张耀楠 等: "用于乳腺癌诊断的超声弹性图像特征选择与分类实验", 《中国医疗器械杂志》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023197564A1 (zh) * 2022-04-13 2023-10-19 深圳北芯生命科技股份有限公司 血管超声图像的标注方法、设备及介质

Also Published As

Publication number Publication date
CN112826535B (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
US11510651B2 (en) Ultrasonic diagnosis of cardiac performance using heart model chamber segmentation with user control
KR101121396B1 (ko) 2차원 초음파 영상에 대응하는 2차원 ct 영상을 제공하는 시스템 및 방법
US11238562B2 (en) Ultrasound system with deep learning network for image artifact identification and removal
JP5645811B2 (ja) 医用画像診断装置、関心領域設定方法、医用画像処理装置、及び関心領域設定プログラム
US9008387B2 (en) Method and apparatus for processing ultrasound images
US20080118109A1 (en) Method of tracking position and velocity of objects' borders in two or three dimensional digital images, particularly in echographic images
JP2005296658A (ja) 生体組織構造を検出するための方法と装置
KR102063374B1 (ko) 초음파 볼륨의 자동 정렬
US8300909B2 (en) Ultrasonographic device and ultrasonographic method
CN112826535B (zh) 一种超声成像中自动定位血管的方法和装置及设备
JP2021529035A (ja) 経弁圧の定量化を行うための方法及びシステム
EP1772825A1 (en) Method for registering images of a sequence of images, particularly ultrasound diagnostic images
US10456113B2 (en) Wall-to-wall vessel segmentation in US imaging using a combination of VFI data and US imaging data
JP2020507388A (ja) 解剖学的特徴の超音波評価
EP3267896B1 (en) Ultrasonic diagnosis of cardiac performance by single degree of freedom chamber segmentation
JP2008194189A (ja) 超音波診断装置
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
US20230355213A1 (en) Ultrasound image processing
KR20160086126A (ko) 초음파 진단 방법 및 장치
da Rocha Image segmentation and reconstruction of 3D surfaces from carotid ultrasound images

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