CN113066083B - 流体的多普勒参数确定方法和电子设备 - Google Patents

流体的多普勒参数确定方法和电子设备 Download PDF

Info

Publication number
CN113066083B
CN113066083B CN202110446573.7A CN202110446573A CN113066083B CN 113066083 B CN113066083 B CN 113066083B CN 202110446573 A CN202110446573 A CN 202110446573A CN 113066083 B CN113066083 B CN 113066083B
Authority
CN
China
Prior art keywords
envelope curve
data
peak
point
envelope
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
Application number
CN202110446573.7A
Other languages
English (en)
Other versions
CN113066083A (zh
Inventor
朱超超
刘芳蕾
付传卿
陈永丽
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 CN202110446573.7A priority Critical patent/CN113066083B/zh
Publication of CN113066083A publication Critical patent/CN113066083A/zh
Application granted granted Critical
Publication of CN113066083B publication Critical patent/CN113066083B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本申请公开了一种流体的多普勒参数确定方法和电子设备。在本申请实施例中，首先通过杂波去除操作去除杂波、然后采用流体的包络曲线的特征信息，得到适用于该包络曲线的查找阈值，使得查找阈值的确定能够符合包络曲线自身的特征，不需要先验信息即可通过查找阈值，从包络曲线中准确的提取出流体突变区域。然后可以在该流体突变区域内提取出收缩期峰值流速位置，并进一步结合舒张期末峰的预设特征从包络曲线中提取出舒张期末峰流速位置。本申请中，舒张期末峰的预设特征是通过数据分析和专家经验获得的，能够适用于流体自身的特性，故此，基于该特征能够准确的提取出舒张期末峰流速位置。

Description

流体的多普勒参数确定方法和电子设备
技术领域
本申请涉及超声图像处理技术领域，特别涉及一种流体的多普勒参数确定方法和电子设备。
背景技术
在超声系统中，利用多普勒效应去评估血流的动力学信息。超声多普勒可分为脉冲多普勒和连续多普勒。脉冲多普勒的成像原理为：以脉冲波的形式，向血流区域内发射超声波，超声系统接收超声回波数据。超声系统按照指定的时间间隔不断发射和接收，以此得到随着时间变化的超声回波信号，对这些超声回波信号进行频谱分析，即可得到随着时间变化的频谱图像。该频谱图像中横向表示时间，纵向表示血流速度分布。
连续多普勒的成像原理为：以连续波的形式，向血流区域内连续发射超声波，超声系统也一直接收包含血流信息的超声回波信号；对这些超声回波信号进行频谱分析，即可得到随着时间变化的频谱图像。从频谱图像的包络曲线中可以提取出用于评估血流动力学的参数。该参数例如包括收缩期峰值流速、舒张期末峰流速、平均峰值流速、平均均值流速、阻力指数、脉动指数和心率等参数。而准确计算这些血流动力学参数的基础是从频谱的包络曲线中精确地提取出血流特征点，包括收缩期峰值流速和舒张期末峰流速。
在传统的血流动力学参数测量中，操作者依据经验判断所得到的频谱图像满足要求后，则进行测量，手动描出收缩期峰值流速和舒张期末峰流速等血流特征点，然后基于这些特征点可以计算出其它相关参数。虽然相关技术中也提出了自动标注血流特征点的方法，但效果都差强人意。
故此，需要一种能够有效的自动提取血流特征点的方法。
发明内容
本申请的目的是提供一种智能终端、服务器和图像处理方法。用于解决现有技术中需要一种能够有效的自动提取血流特征点的方法的问题。
第一方面，本申请提供一种流体的多普勒参数确定方法，所述方法包括：
从流体的超声图像中提取出第一包络曲线；
对所述第一包络曲线进行杂波去除操作，得到第二包络曲线；
基于所述第二包络曲线的特征信息，确定出查找阈值；
将所述第二包络曲线中小于所述查找阈值的数据点的流速更新为所述查找阈值，得到第三包络曲线；
从所述第三包络曲线中提取出流速突变区域，并从所述第二包络曲线的所述流速突变区域内识别出收缩期峰值流速；所述流速突变区域为流速突变起点和流速突变终点之间的数据区域；
基于舒张期末峰的预设特征，从所述第二包络曲线的相邻的收缩期峰值流速位置之间识别出舒张期末峰流速。
可选的，提取所述第二包络曲线的特征信息，包括：
按照流速大小从所述第二包络曲线中筛选出多个数据点作为所述特征信息。
可选的，所述基于所述第二包络曲线的特征信息，确定出查找阈值，包括：
确定所述第二包络曲线中各数据点的第一流速均值，并确定所述特征信息的第二流速均值；
采用加权求和的方式对所述第一流速均值和所述第二流速均值进行处理，得到所述查找阈值。
可选的，所述对所述第一包络曲线进行杂波去除操作，得到第二包络曲线，包括：
对所述第一包络曲线进行平滑滤波操作，得到第一子包络曲线；
从所述第一子包络曲线中提取出相邻峰值位置之间的峰值间距；
以所述峰值间距为窗口，对所述第一子包络曲线中每个窗口内的数据进行最大值滤波操作和最小值滤波操作，得到所述第二包络数据。
可选的，所述对所述第一子包络曲线中每个窗口内的数据进行最大值滤波操作和最小值滤波操作，包括：
对每个窗口，获取所述窗口内的峰值位置；
以所述峰值位置为基准对第一预设长度内的数据进行最大值滤波操作；所述第一预设长度小于所述窗口尺寸；
对所述窗口内除所述第一预设长度内的数据进行最小值滤波操作。
可选的，所述对所述第一包络曲线进行平滑滤波操作，得到第一子包络曲线，包括：
基于滤波核尺寸从所述第一包络曲线中获取第一待滤波数据；
若所述第一待滤波数据的方差小于所述第一包络曲线的数据方差，则增大所述滤波核后重新获取第二待滤波数据，并对所述第二待滤波数据进行平滑滤波操作；
若所述第一待滤波数据的方差大于所述第二包络曲线的数据方差，则减小所述滤波核后重新获取第三待滤波数据，并对所述第三待滤波数据进行平滑滤波操作；
若所述第一待滤波数据的方差等于所述第一包络曲线的数据方差，则对所述第一待滤波数据进行平滑滤波操作。
可选的，所述从所述第二包络曲线的所述流速突变区域内识别出收缩期峰值流速，包括：
在所述流速突变区域内搜索峰值最大值作为所述收缩期峰值流速。
可选的，所述相邻的收缩期峰值流速位置中包括第一位置和第二位置，第二位置在所述第一位置之后，所述基于舒张期末峰的预设特征，从所述第二包络曲线的相邻的收缩期峰值流速位置之间识别出舒张期末峰流速，包括：
确定所述第一位置和所述第二位置的平均位置点；
构造经由所述平均位置点的包络点和所述第二位置的包络点的直线作为参考直线；
从所述平均位置点和所述第二位置之间的包络曲线区域内，寻找满足预设条件的包络点位置作为所述舒张期末峰流速的位置；
其中，所述预设条件包括：
所述包络点位于目标直线上，所述目标直线平行于所述参考直线，且与所述参考直线间的距离最大。
可选的，所述从所述第三包络曲线中提取出流速突变区域，包括：
在所述第三包络曲线中搜索所述流速突变起点，所述流速突变起点满足所述流速突变起点位置的流速大于所述查找阈值且前一位置点的流速等于所述查找阈值；
在所述第三包络曲线中所述流速突变起点之后、搜索与所述流速突变起点相邻的所述流速突变终点，所述流速突变终点满足所述流速突变终点位置的流速等于所述查找阈值且前一位置点的流速大于所述查找阈值。
第二方面，本申请还提供一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面的任一方法。
第三方面，本申请还提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行第一方面的任一方法。
第四方面，本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行第一方面的任一方法。
本申请中，首先通过杂波去除操作去除杂波、然后采用流体的包络曲线的特征信息，得到适用于该包络曲线的查找阈值，使得查找阈值的确定能够符合包络曲线自身的特征，不需要先验信息即可通过查找阈值，从包络曲线中准确的提取出流体突变区域。然后可以在该流体突变区域内提取出收缩期峰值流速位置，并进一步结合舒张期末峰的预设特征从包络曲线中提取出舒张期末峰流速位置。本申请中，舒张期末峰的预设特征是通过数据分析和专家经验获得的，能够适用于流体自身的特性，故此，基于该特征能够准确的提取出舒张期末峰流速位置。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一些实施例提供的一种流体的多普勒参数确定方法的应用场景图；
图2为本申请一些实施例提供的一种流体的多普勒参数确定方法的流程示意图；
图3为本申请一些实施例提供的一种流体的多普勒参数确定方法的另一流程示意图；
图4为本申请一些实施例提供的一种第三包络曲线的示意图；
图5为本申请一些实施例提供的一种流体的多普勒参数确定方法的另一流程示意图；
图6为本申请一些实施例提供的一种对第一包络曲线采用可变滤波核进行均值滤波的示意图；
图7为本申请一些实施例提供的一种第一包络曲线的示意图；
图8为本申请一些实施例提供的一种第二包络曲线的示意图；
图9为本申请一些实施例提供的基于收缩期峰值查找舒张期末峰位置的示意图；
图10为本申请一些实施例提供的一种电子设备的结构示意图。
具体实施方式
为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。方法在实际的处理过程中或者控制设备执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。
显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。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它实施例，都属于本申请保护的范围。本申请实施例中″第一″、″第二″仅用于描述目的，而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有″第一″、″第二″的特征可以明示或者隐含地包括一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，术语″多个″是指两个或两个以上，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。
在传统的血流动力学参数测量中，操作者依据经验判断所得到的频谱图像满足要求后，则进行测量，手动描出收缩期峰值流速和舒张期末峰流速等血流特征点，然后基于这些特征点可以计算出其它相关参数。虽然相关技术中也提出了自动标注血流特征点的方法，但效果都差强人意。
有鉴于此，本申请实施例提供了一种流体的多普勒参数确定方法和电子设备。该方法不仅适用于血流多普勒参数，也适用于其他基于超声成像方法处理的流体的多普勒参数。
本申请实施例提供的方法中，首先通过杂波去除操作去除杂波、然后采用流体的包络曲线的特征信息，得到适用于该包络曲线的查找阈值，使得查找阈值的确定能够符合包络曲线自身的特征，不需要先验信息即可通过查找阈值，从包络曲线中准确的提取出流体突变区域。然后可以在该流体突变区域内提取出收缩期峰值流速位置，并进一步结合舒张期末峰的预设特征从包络曲线中提取出舒张期末峰流速位置。本申请中，舒张期末峰的预设特征是通过数据分析和专家经验获得的，能够适用于流体自身的特性，故此，基于该特征能够准确的提取出舒张期末峰流速位置。
综上，本申请实施例提供的流图的多普勒参数确定方法，无需用户标注、无线先验信息，能够降低杂波对提取结果的影响，准确的提取出流体的特征点。
下面结合附图对本申请实施例中的图像处理方法进行详细说明。
参见图1，为本申请一些实施例提供的一种流图的多普勒参数确定方法的应用场景图。如图1所示，包括超声成像设备100、显示设备200和电子设备300。这三个设之间可以有线或无线方式进行通信。其中：
以血流成像为例，采用超声成像设备100采集血流的超声图像，将其可发送给显示设备200显示。也可以将其发送给电子设备300提取血流特征点，并通过展示设备200显示提取结果。电子设备300还可以基于提取的血流特征点计算其他血流动力学的参数，如平均峰值流速、平均均值流速、阻力指数、脉动指数和心率等参数。并可以将这些参数发送给显示设备200显示。
本申请实施例提供的电子设备300可以为具有足够处理能够的终端设备，也可以为服务器。可以是一台服务器、若干台服务器组成的服务器集群或云计算中心。可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
下面结合附图对本申请实施例提供的流体的多普勒参数确定方法进行说明。
如图2所示，为该方法的流程示意图，包括以下步骤：
基于超声成像设备获得流图的超声图像，可以在步骤201中，从超声图像中提取出第一包络曲线。
而后为了能够消除杂波干扰，提高流体特征点的提取精度，可以在步骤202中，对第一包络曲线进行杂波去除操作，得到第二包络曲线。
为了能够有效的消除杂波并能够消除假峰值，如图3所示，杂波去除操作可包括：
在步骤301中，对第一包络曲线进行平滑滤波操作，得到第一子包络曲线；
平滑滤波操作例如可包括均值滤波、高斯滤波等平滑滤波算法，可有效消除一些杂波。
为了减少杂波且能够保留包络数据特征，本申请实施例中采用可变尺寸的滤波核进行滤波操作。如，可实施为基于滤波核尺寸从第一包络曲线中获取第一待滤波数据；然后比较第一待滤波数据的方差与第一包络曲线的数据方差。基于比较结果执行的操作可分为：
1)、若第一待滤波数据的方差小于第一包络曲线的数据方差，则说明第一待滤波数据比较平稳，不是数据突变区域，则增大滤波核后重新获取第二待滤波数据，并对第二待滤波数据进行平滑滤波操作；
2)、若第一待滤波数据的方差大于第二包络曲线的数据方差，则说明基于该滤波核得到的第一待滤波数据在数据突变区域内，可减小滤波核后重新获取第三待滤波数据，并对第三待滤波数据进行平滑滤波操作；
3)、若第一待滤波数据的方差等于第一包络曲线的数据方差，则说明当前滤波核大小合适，则可以采用当前滤波核大小对第一待滤波数据进行平滑滤波操作。
虽然对第一包络曲线进行了平滑滤波，滤除了干扰杂波的影响，使得包络数据噪声少，但对假波峰滤除效果有限。因此，需要在平滑滤波的基础上再进行滤波操作。可实施为，在平滑滤波得到第一子包络曲线之后，可以在步骤302中，从第一子包络曲线中提取出相邻峰值位置之间的峰值间距。然后，在步骤303中，以峰值间距为窗口，对第一子包络曲线中每个窗口内的数据进行最大值滤波操作和最小值滤波操作，得到第二包络数据。由此，得到有效消除杂波和假峰值的第二包络数据。
其中，消除假峰值可实施为对每个窗口，获取窗口内的峰值位置，该峰值位置可以为该窗口内流速最大值位置；然后，在峰值位置附近，例如以峰值位置为基准确定包含峰值位置的第一预设长度内，对该对第一预设长度内的数据进行最大值滤波操作。该第一预设长度小于窗口尺寸；故此，可以对窗口内除第一预设长度内的数据进行最小值滤波操作，由此，得到了能够有效消除假峰值的第二包络区域。
在步骤203中，基于第二包络曲线的特征信息，确定出查找阈值。
在一些实施例中，第二包络曲线的特征信息指能够与其他超声图像区分的特征信息，以便于根据当前超声可按照流速大小从第二包络曲线中筛选出多个数据点作为特征信息。例如，对第二包络曲线中的数据点，按照流程从大到小的顺序进行排序，然后筛选出前M＊N个数据点作为特征信息。
此外，还可以通过训练神经网络模型来提取第二包络曲线中的特征信息。可以更好的适用不同的情况。
得到特征信息后，可以确定第二包络曲线中各数据点的流速均值作为第一流速均值，然后确定特征信息对应的流速均值作为第二流速均值，然后采用加权求和的方式对第一流速均值和第二流速均值进行处理，得到查找阈值。这样，得到的查找阈值中通过第一流程均值能够涵盖包络数据的整体特征，基于第二流速均值能够涵盖包络曲线自身的特性，使得得到的查找阈值无需先验经验进行设置，且能够很好的描述包络曲线的情况。
实施时，两个均值的权重可相同也可以不同。可依据检测部位不同设置不同权重组合。例如对肾脏、颈部都可以根据经验设置权重组合，得到不同部位对应的权重组合表。然后通过查表的方式，可以得到第一流速均值和第二流速均值各自的权重。
在步骤204中，将第二包络曲线中小于查找阈值的数据点的流速更新为查找阈值，得到第三包络曲线。
由此，小于查找阈值的包络点被归一化为查找阈值，大于或等于查找阈值的包络点保留原有的特性，故此，得到的第三包络曲线能够很好的描述峰值的变化。
如图4所示，为第三包络曲线的示意图。图4中每个波峰都对应一个流速突变区域。以图4中一个流速突变区域为例，流速突变起点A和流速突变终点B之间的数据区域为第一个流速突变区域。流速突变起点满足流速突变起点位置的流速大于查找阈值且前一位置点的流速等于查找阈值(如A点所示)；流速突变终点满足流速突变终点位置的流速等于查找阈值且前一位置点的流速大于查找阈值(如B点所示)。故此，基于流速突变起点和流速突变终点，可在步骤205中，从第三包络曲线中提取出流速突变区域，从图4可以看出相邻的一对流速突变起点和流速突变终点之间为一个流速突变区域。然后，可从流速突变区域内搜索峰值最大值作为收缩期峰值流速，得到收缩期峰值流速位置。
本申请实施例中，通过分析挖掘，得到了舒张期末峰的预设特征，由于舒张期末峰通常在相邻两收缩期峰值位置之间，故此在步骤206中，基于舒张期末峰的预设特征，从第二包络曲线的相邻的收缩期峰值流速位置之间识别出舒张期末峰流速。
例如，如图5所示，定义相邻的收缩期峰值流速位置中包括第一位置和第二位置，第二位置在第一位置之后，则可以在步骤501中，确定第一位置和第二位置的平均位置点；在步骤502中，构造经由平均位置点的包络点和第二位置的包络点的直线作为参考直线；在步骤503中，从平均位置点和第二位置之间的包络曲线区域内，寻找满足预设条件的包络点位置作为舒张期末峰流速的位置；其中，预设条件包括：所述包络点位于目标直线上，所述目标直线平行于所述参考直线，且与所述参考直线间的距离最大。该实施例中采用衡量平行直线间距的方式，能够简单方便的定位舒张期末峰流速的位置。
下面以血流特征点为例，对本申请提供的流体的多普勒参数确定方法做进一步说明。基于上述的描述可主要包括滤波处理、自适应收缩期峰值查找、自适应舒张期末峰查找以及其他参数计算几部分内容。
一、滤波处理(也可称为预处理)：
了解决包络数据受干扰杂波以及多个峰值的影响，同时提高血流特征点查找的准确性，采用均值滤波的方式对包络数据进行自适应预处理。所述均值滤波计算公式如式(1)所示：
EnvelopY＝Mean(EnvelopX，Kernel) (1)
其中，Kernel表示滤波核大小，滤波核大小有至少一个档位可选，可为1，3，5...等，EnvelopX表示第一包络曲线，EnvelopY表示均值滤波后的第一子包络曲线，Mean表示滤波函数。对第一包络曲线EnvelopX进行统计学分析，求出方差EnvelopX_Std。从第一包络曲线中取出滤波核大小的数据SubEnvelop，通过对SubEnvelop数据进行统计分析，求出该滤波核大小数据的方差SubEnvelop_Std，若滤波核大小数据方差SubEnvelop_Std小于第一包络曲线的数据方差EnvelopX_Std，则说明滤波核大小的数据较平稳，不是在数据突变的区域，因此可适当增大滤波核大小，然后重新获取滤波核大小的数据进行均值滤波；若滤波核大小数据方差SubEnvelop_Std大于原始数据方差EnvelopX_Std，则说明是在数据突变的区域，因此可适当减小滤波核，保持包络数据特征。
例如，滤波核初始尺寸为L，如图6所示，从第一包络曲线取出L长度的数据A，若该数据A的方差SubEnvelop_Std小于第一包络曲线的数据方差EnvelopX_Std，则如图6所示，增大滤波核为L1，并从第一包络曲线的开始重新取出L1长度的数据A，进行均值滤波。然后继续取出下一个L1长度的数据B，若该数据B的方差SubEnvelop_Std大于第一包络曲线的数据方差EnvelopX_Std，则减小滤波核的尺寸为L，然后重新在L1长度的数据之后，重新取出L长度的数据C进行均值滤波，以此类推，最终完成对第一包络曲线所以数据的均值滤波为止。
实施时，滤波核每次尺寸的变更可变更为一个档位，例如从1增加到3、从3增加到5。当然实施时，还可以根据两方差的差距，确定变更的档位，例如差距大于第一差距阈值，则变更一个档位，差距大干第二差距阈值，则变更两个档位，以此类推。
需要说明的是，相邻两个滤波核内的数据可部分重叠，即图6中数据A和数据B可部分重叠，以保证滤波得到的包络数据平滑。
虽然对原始包络数据进行了均值滤波，滤除了干扰杂波的影响，使得包络数据噪声少，但对假波峰的滤除效果有限。因此，需要在均值滤波的基础上再进行滤波操作。实施时，首先对均值滤波后的第子包络曲线的数据EnvelopY进行求平均，得到MeanValue1，然后再对均值滤波后的数据EnvelopY中所有大于MeanValue1的包络数据再求平均，依次类推，直到均值滤波后的数据EnvelopY中大于前一次均值的个数为两个，记录下这两个包络数据的位置，其间隔则作为波峰之间的间隔GapNum。
然后对均值滤波后的数据EnvelopY进行滤波处理，从第一个点到GapNum内找到第一个最大值的位置，记为MaxPosl，在MaxPos1位置周围使用最大值滤波，保留真实的峰值，而在其它位置，则使用最小值滤波，消除假峰所带来的干扰。以此类推，即可以自适应地依据均值滤波后的包络数据的特性，对波峰进行保留，同时对假峰进行抑制，从而得到滤波后的第二包络曲线的数据EnvelopZ。
如图7所示，为第一包络曲线示意图，图8所示为对第一包络曲线经过预处理之后得到的第二包络曲线示意图。通过对比可知，经过预处理消除了大部分的杂波，并保留了包络特征。
二、自适应收缩期峰值查找
经过预处理得到第二包络曲线，依据人体血流动力学心动周期规律，即一秒内出现几个心动周期，设为N，N为整数。设包络曲线包含M秒的数据，然后对包络曲线进行从大到小排序，找到前M*N个值。公式如下式(2)所示：EnvelopZ表示经过预处理后得到滤波后的第二包络曲线，EnvelopSort表示对EnvelopZ进行从大到小排序后的包络数据，EnvelopMaxArray表示对从大到小排序后的包络数据EnvelopSort取前M*N个包络数据点，对该M*N个值求平均，得到平均值，记为Thres1。
EnvelopSort＝sort(EnvelopZ)
EnvelopMaxArray＝EnvelopSort(1：M*N) (2)
对经过预处理步骤得到的滤波后的第二包络曲线的数据EnvelopZ求平均，记为Thres2。将Thres1和Thres2进行加权组合，得到收缩期峰值查找阈值Thres。依据所得到的阈值Thres，将EnvelopZ中低于查找阈值的包络数据替换为查找阈值，大于查找阈值的包络数据不改变，从而得到图4所示的第三包络曲线。这样的话，就可以解决需要先验信息的情况，使得算法可以自适应满足所有特殊情况下的血流特征点的评估。
在得到阈值处理后的第三包络曲线后，对该曲线进行分析。找到每个波峰的突变起点位置和突变终点位置。突变起点位置和与其相邻的下一个突变终点位置之前的范围为流速突变区域。从该区域内查找流速最大值的位置，这个位置即是峰值位置。通过对阈值处理后的包络数据进行分析总结，得出：如下式(3)所示，从第一个点开始进行搜索，找到突变起点位置StartPos，该突变起点位置定义为当前点大于阈值，同时前一个点等于阈值，其中i是包络数据的索引；
if(EnvelopZ(i)＞Thres&&EnvelopZ(i-1)＝＝Thres)
StartPos＝i
end (3)
从突变起点位置StartPos开始搜索，如下式(4)所示，找到突变终点位置EndPos，该突变终点位置定义为当前点等于阈值，同时其前一个点大于阈值的位置。
if(EnvelopZ(i)＝＝Thres&&EnvelopZ(i-1)＞Thres)
EndPos＝i
end (4)
在第二包络曲线中、突变起点位置和突变终点位置之间寻找最大值的位置，该位置即是波峰点的位置，记为PS1。同理，通过遍历包络曲线，从而可以找到k个波峰点，记为PSk，由此得到各个收缩期峰值流速。
三、自适应舒张期末峰查找
在准确得到多个波峰点PSk后，接下来则需要进行舒张期末峰的查找。通过对多个诊断项，包括颈动脉、心脏、肝脏等诊断项的包络曲线进行分析和总结，得出下式公式(5)：
P1x＝(PS1x+PX2x)/2 (5)
其中PS1x表示点PS1点的横坐标位置，PS2x表示点PS2的横坐标位置。两者相平均，即可得到中间点P1的横坐标位置P1x。将中间点P1和波峰点PS2连成一条直线Line1，其方程为公式(6)：
Figure BDA0003037156500000101
其中X表示点P1与点PS2之间的包络点的横坐标，Y表示相对于X的纵坐标。经过点P1与点PS2之间的包络点，做平行于Line1的直线Line2，其直线方程如公式(7)所示：
Figure BDA0003037156500000111
其中，X表示点P1与点PS2之间的包络点的横坐标，Z表示相对于X的纵坐标，点P表示点P1与点PS2之间的包络点。定义两条直线间的距离如公式(8)所示：
Distance＝abs(B-C) (8)
通过遍历点P1与点PS2之间的包络点，找到使得距离Distance为最大的包络点的位置即为舒张期末峰的位置。
如图9所示，为查找舒张期末峰的位置的示意图。图9中，直线P1为直线Line1，直线P包含的包络点即为舒张期末峰的位置的点。
也就是说，取当前波峰和前一个波峰的中间位置作为舒张期末峰查找的起始位置，同时将当前波峰的位置作为舒张期末峰查找的终止位置，将起始位置和终止位置连成一条直线。遍历起始位置和终止位置之间的包络点，斜率等于以起始位置和终止位置构成的直线的斜率，得到第二条直线，找到两条直线之间距离最大的包络点，该点即为舒张期末峰的位置。以此类推，从而可以得到多个舒张期末峰。在该方法中，充分利用人体血流动力学所得到的频谱的特性，从而可以自适应地满足特殊情况下的血流特性的评估。
当然，除了从P1点开始查找之外，还可以从PS1与P1之间的任意包络点开始查找，只是从P1点开始查找可提高查询速度。
四、其他参数计算
根据所得到的收缩期峰值和舒张期末峰，即可对血流动力学的参数进行快速、准确且全面评估。
综上所述，本申请提出的血流频谱多普勒参数计算方法，在信噪比低及多峰等复杂情况下也能准确地从包络曲线中得到准确的收缩期峰值和舒张期末峰，从而更加精确地估算血流动力学的各项参数指标。对于心血管疾病诊断信心的提高具有重要的临床意义。
在介绍了本申请示例性实施方式的流体的多普勒参数确定之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为″电路″、″模块″或″系统″。
在一些可能的实施方式中，根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的流体的多普勒参数确定方法中的步骤。例如，处理器可以执行如流体的多普勒参数确定方法中的步骤。
下面参照图10来描述根据本申请的这种实施方式的电子设备130。图10显示的电子设备130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本申请提供的流体的多普勒参数确定方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种流体的多普勒参数确定方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于确定流体的多普勒参数的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言一诸如Java、C++等，还包括常规的过程式程序设计语言一诸如″C″语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)一连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
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实施例的方法、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图像缩放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图像缩放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图像缩放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图像缩放设备上，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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
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)

1.一种流体的多普勒参数确定方法，其特征在于，所述方法包括：
从流体的超声图像中提取出第一包络曲线；
对所述第一包络曲线进行杂波去除操作，得到第二包络曲线；
基于所述第二包络曲线的特征信息，确定出查找阈值；
将所述第二包络曲线中小于所述查找阈值的数据点的流速更新为所述查找阈值，得到第三包络曲线；
从所述第三包络曲线中提取出流速突变区域，并从所述第二包络曲线的所述流速突变区域内识别出收缩期峰值流速；所述流速突变区域为流速突变起点和流速突变终点之间的数据区域；
基于舒张期末峰的预设特征，从所述第二包络曲线的相邻的收缩期峰值流速位置之间识别出舒张期末峰流速。
2.根据权利要求1所述的方法，其特征在于，提取所述第二包络曲线的特征信息，包括：
按照流速大小从所述第二包络曲线中筛选出多个数据点作为所述特征信息。
3.根据权利要求1所述的方法，其特征在于，所述基于所述第二包络曲线的特征信息，确定出查找阈值，包括：
确定所述第二包络曲线中各数据点的第一流速均值，并确定所述特征信息的第二流速均值；
采用加权求和的方式对所述第一流速均值和所述第二流速均值进行处理，得到所述查找阈值。
4.根据权利要求1所述的方法，其特征在于，所述对所述第一包络曲线进行杂波去除操作，得到第二包络曲线，包括：
对所述第一包络曲线进行平滑滤波操作，得到第一子包络曲线；
从所述第一子包络曲线中提取出相邻峰值位置之间的峰值间距；
以所述峰值间距为窗口，对所述第一子包络曲线中每个窗口内的数据进行最大值滤波操作和最小值滤波操作，得到所述第二包络数据。
5.根据权利要求4所述的方法，其特征在于，所述对所述第一子包络曲线中每个窗口内的数据进行最大值滤波操作和最小值滤波操作，包括：
对每个窗口，获取所述窗口内的峰值位置；
以所述峰值位置为基准对第一预设长度内的数据进行最大值滤波操作；所述第一预设长度小于所述窗口尺寸；
对所述窗口内除所述第一预设长度内的数据进行最小值滤波操作。
6.根据权利要求4所述的方法，其特征在于，所述对所述第一包络曲线进行平滑滤波操作，得到第一子包络曲线，包括：
基于滤波核尺寸从所述第一包络曲线中获取第一待滤波数据；
若所述第一待滤波数据的方差小于所述第一包络曲线的数据方差，则增大所述滤波核后重新获取第二待滤波数据，并对所述第二待滤波数据进行平滑滤波操作；
若所述第一待滤波数据的方差大于所述第二包络曲线的数据方差，则减小所述滤波核后重新获取第三待滤波数据，并对所述第三待滤波数据进行平滑滤波操作；
若所述第一待滤波数据的方差等于所述第一包络曲线的数据方差，则对所述第一待滤波数据进行平滑滤波操作。
7.根据权利要求1所述的方法，其特征在于，所述从所述第二包络曲线的所述流速突变区域内识别出收缩期峰值流速，包括：
在所述流速突变区域内搜索峰值最大值作为所述收缩期峰值流速。
8.根据权利要求1所述的方法，其特征在于，所述相邻的收缩期峰值流速位置中包括第一位置和第二位置，第二位置在所述第一位置之后，所述基于舒张期末峰的预设特征，从所述第二包络曲线的相邻的收缩期峰值流速位置之间识别出舒张期末峰流速，包括：
确定所述第一位置和所述第二位置的平均位置点；
构造经由所述平均位置点的包络点和所述第二位置的包络点的直线作为参考直线；
从所述平均位置点和所述第二位置之间的包络曲线区域内，寻找满足预设条件的包络点位置作为所述舒张期末峰流速的位置；
其中，所述预设条件包括：
所述包络点位于目标直线上，所述目标直线平行于所述参考直线，且与所述参考直线间的距离最大。
9.根据权利要求1-8中任一所述的方法，其特征在于，所述从所述第三包络曲线中提取出流速突变区域，包括：
在所述第三包络曲线中搜索所述流速突变起点，所述流速突变起点满足所述流速突变起点位置的流速大于所述查找阈值且前一位置点的流速等于所述查找阈值；
在所述第三包络曲线中所述流速突变起点之后、搜索与所述流速突变起点相邻的所述流速突变终点，所述流速突变终点满足所述流速突变终点位置的流速等于所述查找阈值且前一位置点的流速大于所述查找阈值。
10.一种电子设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
CN202110446573.7A 2021-04-25 2021-04-25 流体的多普勒参数确定方法和电子设备 Active CN113066083B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110446573.7A CN113066083B (zh) 2021-04-25 2021-04-25 流体的多普勒参数确定方法和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110446573.7A CN113066083B (zh) 2021-04-25 2021-04-25 流体的多普勒参数确定方法和电子设备

Publications (2)

Publication Number Publication Date
CN113066083A CN113066083A (zh) 2021-07-02
CN113066083B true CN113066083B (zh) 2022-08-02

Family

ID=76567793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110446573.7A Active CN113066083B (zh) 2021-04-25 2021-04-25 流体的多普勒参数确定方法和电子设备

Country Status (1)

Country Link
CN (1) CN113066083B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113679419B (zh) * 2021-08-24 2023-11-21 苏州晟智医疗科技有限公司 一种可调节的多普勒频谱包络线参数计算方法
CN113749620B (zh) * 2021-09-27 2024-03-12 广州医科大学附属第一医院（广州呼吸中心） 一种睡眠呼吸暂停检测方法、系统、设备及存储介质
CN114088010B (zh) * 2021-11-18 2022-08-19 中国科学院长春光学精密机械与物理研究所 一种干涉三维形貌解算方法
CN114376603B (zh) * 2022-01-07 2023-11-28 乐普（北京）医疗器械股份有限公司 一种二维频谱多普勒超声心动图像的处理方法和装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7604599B2 (en) * 2000-09-29 2009-10-20 New Health Sciences, Inc. Systems and methods for using dynamic vascular assessment to improve vascular stent placement, application, design and marketing
WO2002026111A2 (en) * 2000-09-29 2002-04-04 New Health Sciences, Inc. Decision support systems and methods for assessing vascular health
US7794716B2 (en) * 2002-07-25 2010-09-14 Glenveigh Pharmaceuticals, Llc Antibody composition and passive immunization against pregnancy-induced hypertension
CN100525713C (zh) * 2005-06-10 2009-08-12 深圳迈瑞生物医疗电子股份有限公司 声谱图包络曲线提取方法
CN100496409C (zh) * 2005-08-02 2009-06-10 深圳迈瑞生物医疗电子股份有限公司 频谱多普勒血流速度的自动检测方法
JP4960162B2 (ja) * 2007-07-17 2012-06-27 株式会社東芝 超音波診断装置
JP5743329B2 (ja) * 2012-01-19 2015-07-01 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 超音波診断装置及びその制御プログラム
CN103505246A (zh) * 2012-06-18 2014-01-15 深圳市蓝韵实业有限公司 多普勒参数实时自动标记的方法
CN104095656B (zh) * 2014-07-25 2015-12-02 声泰特（成都）科技有限公司 一种基于超声多普勒频谱的彩色血流成像及其显示方法
CN106073822B (zh) * 2016-05-31 2018-11-09 青岛惠尔医疗科技有限公司 一种超声频谱自适应噪声估计包络提取方法
CN106175835B (zh) * 2016-08-05 2019-01-11 青岛惠尔医疗科技有限公司 一种超声频谱完整心动周期标记的方法
WO2018218441A1 (zh) * 2017-05-27 2018-12-06 北京悦琦创通科技有限公司 谱图分析方法、装置和设备及计算机可读存储介质
CN112515704B (zh) * 2020-12-01 2022-07-19 声泰特（成都）科技有限公司 一种基于超声的血管硬度测量方法

Also Published As

Publication number Publication date
CN113066083A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN113066083B (zh) 流体的多普勒参数确定方法和电子设备
US11382569B2 (en) Systems and methods for estimating blood flow characteristics from vessel geometry and physiology
US20230306596A1 (en) Systems and methods for processing electronic images to predict lesions
US20180317788A1 (en) Determining health markers using portable devices
US20080130964A1 (en) Methods and Apparatus for Analysing Ultrasound Images
WO2022237222A1 (zh) 基于信噪比提高技术的脉搏波获取方法、系统及存储介质
CN112150454B (zh) 一种主动脉夹层评估方法、装置、设备及存储介质
CN114782358A (zh) 一种血管形变自动计算的方法、装置及存储介质
Sirjani et al. Automatic cardiac evaluations using a deep video object segmentation network
CN112597982A (zh) 基于人工智能的图像分类方法、装置、设备和介质
CN113288058B (zh) 信号处理方法及装置
CN114708301A (zh) 一种运动伪影识别方法、装置、存储介质及电子设备
CN112446911A (zh) 中心线提取、界面交互与模型训练方法、系统及设备
CN111281387B (zh) 基于人工神经网络的左心房与心房瘢痕的分割方法及装置
WO2017168424A1 (en) System and methods for diagnostic image analysis and image quality assessment
WO2023108331A1 (zh) 自适应实时心电信号质量评估方法
CN114469040A (zh) 心率检测方法及装置、存储介质及电子设备
US20220338841A1 (en) Using machine learning techniques to obtain coherence functions
CN118662720B (zh) 血液透析患者自体动静脉内瘘监测系统及方法
US20220181008A1 (en) Emboli detection methods to identify mechanisms of brain injury in susceptible adults and children
CN117649933B (zh) 在线问诊辅助方法、装置、电子设备和存储介质
CN117198510B (zh) 基于影像学的血管模拟干预评估系统
Abutalip et al. A Machine Learning Approach for Detection of Heart Diseases Using Wearable Devices
CN117770872A (zh) 血流状态参数的获取方法、设备及介质
CN117952905A (zh) 一种电阻抗层析成像质量评估方法、装置及电子设备

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