CN113628156A - 胸膜线识别方法、装置及存储介质 - Google Patents
胸膜线识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113628156A CN113628156A CN202010372976.7A CN202010372976A CN113628156A CN 113628156 A CN113628156 A CN 113628156A CN 202010372976 A CN202010372976 A CN 202010372976A CN 113628156 A CN113628156 A CN 113628156A
- Authority
- CN
- China
- Prior art keywords
- pleural
- pleural line
- line
- image
- lung
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 210000004072 lung Anatomy 0.000 claims abstract description 87
- 206010033675 panniculitis Diseases 0.000 claims abstract description 57
- 210000004304 subcutaneous tissue Anatomy 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims description 60
- 238000002604 ultrasonography Methods 0.000 claims description 49
- 238000000926 separation method Methods 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 238000005192 partition Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000002685 pulmonary effect Effects 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000012285 ultrasound imaging Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 208000002151 Pleural effusion Diseases 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000004224 pleura Anatomy 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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 by the use of local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/30061—Lung
Abstract
本发明涉及超声设备技术领域,具体公开了一种胸膜线识别方法,其中,包括:获取检查者的肺部超声图像;对所述肺部超声图像进行皮下组织识别,并将识别到的所述皮下组织从所述肺部超声图像中去除;对去除所述皮下组织的肺部超声图像进行胸膜线识别,得到胸膜线。本发明还公开了一种胸膜线识别装置及存储介质。本发明提供的胸膜线识别方法通过将肺部超声图像中的皮下组织去除掉,然后对去除掉皮下组织的肺部超声图像进行图像处理等,以筛选识别出胸膜线,从而可以辅助医护人员实现对检查者的肺部检查。本发明实施例提供的这种胸膜线识别方法能够有效识别出肺部超声图像中的胸膜线,且具有识别精度高的优势。
Description
技术领域
本发明涉及超声设备技术领域,尤其涉及一种胸膜线识别方法、胸膜线识别装置及存储介质。
背景技术
肺部超声检查中,检测胸膜线对于检测病患非常有用。然而,在实际应用中,由于胸膜线的位置不是严格固定的,可以随呼吸或者心跳稍微移动或者改变位置,因此,现有技术中识别胸膜线是有难度的。
发明内容
本发明提供了一种胸膜线识别方法、胸膜线识别装置及存储介质,解决相关技术中存在的胸膜线识别难度大的问题。
作为本发明的第一个方面,提供一种胸膜线识别方法,其中,包括:
获取检查者的肺部超声图像;
对所述肺部超声图像进行皮下组织识别,并将识别到的所述皮下组织从所述肺部超声图像中去除;
对去除所述皮下组织的肺部超声图像进行胸膜线识别,得到胸膜线。
在一些实施例中,还包括:
基于预设的区域划分宽度,将所述肺部超声图像按列划分为多个第一区域;
获取每个所述第一区域与相邻所述第一区域中像素值相同的分隔点;
将多个所述分隔点进行直线拟合得到分隔线,将所述分隔线以上的图像区域从所述肺部超声图像中去除。
在一些实施例中,还包括:
针对每个所述第一区域,基于第i像素行,将所述第一区域划分为上下两个区域,所述上下两个区域分别为第二区域和第三区域,其中,1<=i<=N,N为所述肺部超声图像的长度;
分别计算所述第二区域和第三区域的像素和,基于所述第二区域的像素和和所述第三区域的像素和,得到所述第二区域的像素和与所述第三区域的像素和的差值,判断所述第二区域的像素和与所述第三区域的像素和的差值是否小于预设阈值,
若否,则,将i+1,并再次执行所述基于第i像素行,将所述第一区域划分为上下两个区域,所述上下两个区域分别为第二区域和第三区域的步骤;
若是,则将当前像素行上的中点确定为分隔点。
在一些实施例中,还包括:
基于预设的二值化方法,对去除所述皮下组织的肺部超声图像进行图像处理,得到胸膜线初筛图像;
根据所述胸膜线初筛图像中胸膜线轮廓的状态选择对应的筛选方式,通过所述对应的筛选方式,得到胸膜线。
在一些实施例中,还包括:
对去除所述皮下组织的肺部超声图像进行滤波处理,得到滤波图像;
将去除所述皮下组织的肺部超声图像与所述滤波图像进行做差处理,得到二值化图像;
对所述二值化图像进行图像轮廓分割,得到所述胸膜线初筛图像。
在一些实施例中,还包括:
判断所述胸膜线初筛图像中的胸膜线轮廓是否完整;
若所述胸膜线初筛图像中的胸膜线轮廓完整,则提取所述胸膜线轮廓中的胸膜线;
若所述胸膜线初筛图像中的胸膜线轮廓不完整,则判断所述胸膜线轮廓是否只包括胸膜区域;
若所述胸膜线轮廓只包括胸膜区域,则利用第一筛选方法进行处理后获得所述胸膜线;
若所述胸膜线轮廓包括胸膜区域和非胸膜区域,则利用第二筛选方法进行处理后获得所述胸膜线。
在一些实施例中,还包括:
提取所述胸膜区域的中心线;
将所述胸膜区域的中心线按照预设条件进行筛选,得到多段断开的胸膜线段;
将多段断开的胸膜线段连接,并对连接的胸膜线段进行过滤处理,得到处理后的胸膜线段;
将所述处理后的胸膜线段进行共线修补,并提取得到所述胸膜线。
在一些实施例中,还包括:
以所述胸膜线初筛图像为掩膜板在去除所述皮下组织的肺部超声图像中,重新提取所述胸膜线轮廓,其中重新提取的所述胸膜线轮廓只包括胸膜区域;
对重新提取的所述胸膜线轮廓重复所述对去除所述皮下组织的肺部超声图像进行图像处理,得到胸膜线初筛图像的步骤;
提取所述胸膜区域的中心线;
将所述胸膜区域的中心线按照预设条件进行筛选,得到多段断开的胸膜线段;
将多段断开的胸膜线段连接,并对连接的胸膜线段进行过滤处理,得到处理后的胸膜线段;
将所述处理后的胸膜线段进行共线修补,并提取得到所述胸膜线。
作为本发明的另一个方面,提供一种胸膜线识别装置,其中,包括处理器和存储器,所述存储器中存储有至少一条程序指令,所述处理器通过加载并执行所述至少一条程序指令以实现如前文所述的胸膜线识别方法。
作为本发明的另一个方面,提供一种存储介质,其中,所述存储介质中存储有至少一条程序指令,所述至少一条程序指令被处理器加载并执行以实现如前文所述的胸膜线识别方法。
本发明提供的胸膜线识别方法,通过将肺部超声图像中的皮下组织去除掉,然后对去除掉皮下组织的肺部超声图像进行图像处理等,以筛选识别出胸膜线,从而可以辅助医护人员实现对检查者的肺部检查。本发明实施例提供的这种胸膜线识别方法能够有效识别出肺部超声图像中的胸膜线,且具有识别精度高的优势。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。
图1为本发明实施例所示的识别系统的结构框图。
图2为本发明实施例所示的胸膜线识别方法的流程图。
图3为本发明实施例所示的肺部超声图像中分隔点的确定示意图。
图4为本发明实施例所示的肺部超声图像中分隔点的确定流程图。
图5为本发明实施例所示的包括胸膜区域和非胸膜区域的肺部超声图像。
图6为本发明实施例所示的另一包括胸膜区域和非胸膜区域的肺部超声图像。
图7为本发明实施例所示的未做共线处理的胸膜线示意图。
图8为本发明实施例所示的共线处理后的胸膜线示意图。
图9为本发明实施例所示的超声设备的结构示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包括,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明的一个实施例中,提供了一种识别胸膜线的识别系统,该识别系统100包括获取模块110、处理器120和显示器130。获取模块110获取包括胸膜线的肺部超声图像,处理器120对采集到的肺部超声图像进行处理,识别得到胸膜线,显示器130可以显示通过处理器120识别得到的胸膜线。
如图1所示,本实施例的获取模块110为超声成像设备,即通过超声成像设备获取超声图像或视频。如图1所示,超声成像设备至少包括换能器101、超声主机102、输入单元103、控制单元104和存储器105。超声成像设备可以包括显示屏(图中未标出),超声成像设备的显示屏可以为识别系统的显示器130。换能器101用于发射和接收超声波,换能器101受发射脉冲的激励,向目标组织(例如,人体或者动物体内的器官、组织、血管等等)发射超声波,经一定延时后接收从目标区域反射回来的带有目标组织的信息的超声回波,并将此超声回波重新转换为电信号,以获得超声图像或者视频。换能器101可以通过有线或无线的方式连接到超声主机102。
输入单元103用于输入操作人员的控制指令。输入单元103可以为键盘、跟踪球、鼠标、触摸面板、手柄、拨盘、操纵杆以及脚踏开关中的至少一个。输入单元也可以输入非接触型信号,例如声音、手势、视线或脑波信号。
控制单元104至少可以控制焦点信息、驱动频率信息、驱动电压信息以及成像模式等扫描信息。控制单元104根据用户所需成像模式的不同,对信号进行不同的处理,获得不同模式的超声图像数据,然后经对数压缩、动态范围调整、数字扫描变换等处理形成不同模式的超声图像,如B图像,C图像,D图像,多普勒血流图像,包含组织弹性特性的弹性图像等等,或者其他类型的二维超声图像或三维超声图像。
显示器130用于显示超声图像数据、参数、超声图像或视频中周围神经的类型以及动态信息等信息。显示器130可以是触摸屏显示器。当然,超声诊断设备还可以通过输入单元103的端口连接另一个显示器,实现双屏显示系统。此外,本实施例中的显示器不限制数量。显示的超声图像数据(超声图像)可以是显示在一个显示器上,也可以同时显示在多个显示器上,当然也可以是将超声图像的部分分别同步显示在多个显示器上,在此本实施例也不作限制。此外,显示器130在显示超声图像的同时还提供给用户进行人机交互的图形界面,在图形界面上设置一个或多个被控对象,提供给用户利用人机交互设备输入操作指令来控制这些被控对象,从而执行相应的控制操作。例如投影、VR眼镜,当然显示器中也可以包含输入装置,例如触摸输入的显示屏、感应动作的投影机VR眼镜。利用人机交互设备可以对显示器130显示的图标进行操作,用来执行特定的功能。
在一实施例中,获取模块110为掌声超声,掌声超声的换能器、显示器等集成在可供操作人员手握持的壳体内。在本实施例中提供了一种胸膜线识别方法,所述识别系统100可以应用所述胸膜线识别方法来对肺超图像进行胸膜线识别,从而识别出胸膜线,图2是根据本发明实施例提供的胸膜线识别方法的流程图,如图2所示,包括:
S210、获取检查者的肺部超声图像;
在需要对检查者进行肺部检查时,本发明实施例提供的是针对肺部做超声检查,在肺部超声图像中胸膜线的检测是肺部超声检查的关键,因此,若要检测出胸膜线,首先要通过超声设备获取到检查者的肺部超声图像。
S220、对所述肺部超声图像进行皮下组织识别,并将识别到的所述皮下组织从所述肺部超声图像中去除。
应当理解的是,在肺部超声图像中,不仅包括所需要的胸膜线,还有皮下组织,因此,若要能够在肺部超声图像中识别出胸膜线,需要首先将皮下组织从肺部超声图像中去除掉,而若要去掉皮下组织,则首先需要识别出皮下组织。
S230、对去除所述皮下组织的肺部超声图像进行胸膜线识别,得到胸膜线。
通过对去除掉皮下组织的肺部超声图像进行一些图像处理过程,可以有效识别出胸膜线。
本发明实施例提供的胸膜线识别方法,通过将肺部超声图像中的皮下组织去除掉,然后对去除掉皮下组织的肺部超声图像进行图像处理等,以筛选识别出胸膜线,从而可以辅助医护人员实现对检查者的肺部检查。本发明实施例提供的这种胸膜线识别方法能够有效识别出肺部超声图像中的胸膜线,且具有识别精度高的优势。
具体地,所述对所述肺部超声图像进行皮下组织识别,并将识别到的所述皮下组织从所述肺部超声图像中去除,包括:
基于预设的宽度,将所述肺部超声图像按列划分为多个第一区域;
获取每个所述第一区域与相邻所述第一区域中像素值相同的分隔点;
将多个所述分隔点进行直线拟合得到分隔线,将所述分隔线以上的图像区域从所述肺部超声图像中去除。
应当理解的是,所述分隔线能够将所述肺部超声图像上下划分成两个区域,皮下组织区域所在的区域位于分隔线的上方,因而可以通过判断两个区域位置来确定皮下组织区域。在本发明实施例中,将分隔线以上的区域确定为皮下组织区域。
进一步具体地,所述获取每个所述第一区域与相邻所述第一区域中像素值相同的分隔点,包括:
针对每个所述第一区域,基于第i像素行,将所述第一区域划分为上下两个区域,所述上下两个区域分别为第二区域和第三区域,其中,N为所述肺部超声图像的长度,1<=i<=N;
分别计算所述第二区域和第三区域的像素和,判断所述第二区域的像素和与所述第三区域的像素和的差值是否小于预设阈值,
若否,则,将i+1,并再次执行所述基于第i像素行,将所述第一区域划分为上下两个区域,所述上下两个区域分别为第二区域和第三区域的步骤;
若是,则将当前像素行上的中点确定为分隔点 。
应当理解的是,所述肺部超声图像包括以行和列形成的像素,因此,所述肺部超声图像包括多行像素,在此处每行像素都能够将所述第一区域划分为第二区域和第三区域,因此,可以通过所述肺部超声图像中的像素行将第一区域划分为第二区域和第三区域。
如图3所示,以图3所示的肺部超声图像A为例,将所述肺部超声图像沿宽度(即X轴)划分为多个第一区域a1,由于图3所示的肺部超声图像A是矩形,因此其划分成的所述第一区域是多个小矩形,对每个小矩形进行像素值统计,找到每个小矩形中的分界线,每个小矩形中的分界线能够将该小矩形划分沿Y轴划分为上下两个区域(即第二区域和第三区域),这上下两个区域分别计算其像素值,两个区域的像素值的差值若小于预设阈值,则该分界线上的中点即为分隔点b,同理找出其他小矩形中的分隔点b,由于是按照相同的预设阈值进行寻找判断的,因此,所有小矩形中的分隔点的像素值应该是相同的,这样将所有分隔点b可以进行拟合得到一条线,该线即为第一分隔线B’。
将进一步的,可以将拟合后的第一分隔线B’在Y方向的最大值点以上的区域确定为皮下组织区域,即可以将第一分隔线B’在Y方向的最大值点作为基准点,将所述基准点沿X轴方向的直线作为分隔线B,即图3中分隔线B以上的区域为皮下组织区域。
在一些实施例中,可以将所述预设阈值L设置为10像素。即若所述第二区域的像素和与第三区域的像素和的差值小于10像素,则确定所述第二区域与第三区域的分界线的中点为所述分隔点。
如图4所示,为本发明实施例提供的分隔点的确定的具体实施过程流程图。结合图3和图4所示,图3所示的肺部超声图像A其宽度设定为W,而划分的第一区域a1的宽度设定为h,因此,所述肺部超声图像A被划分成为W/h个小矩形。在这些小矩形中,以图3所示的最左边矩形为例,从肺部超声图像A的第0行(即图3中的箭头位置)开始,每间隔一行计算一次由该行划分成的上下两区域的像素和,即分别计算划分的第二区域的像素和与第三区域的像素和。
当这两部分的像素和的差值小于预设阈值时,可以记录该行位置,而若这两部分的像素和的差值不小于预设阈值,则继续行数加1,即以最左边矩形为例,从图像第1行开始,计算由该行划分成的上下两区域的像素和,继续判断这两区域的像素和的差值,如此重复,直到确定分隔点为止。
同理,对于其他小矩形以同样的方式确定该矩形内的分隔点。
具体地,所述对去除所述皮下组织的肺部超声图像进行胸膜线识别,得到胸膜线,包括:
基于预设的二值化方法,对去除所述皮下组织的肺部超声图像进行图像处理,得到胸膜线初筛图像;
根据所述胸膜线初筛图像中胸膜线轮廓的状态选择对应的筛选方式,通过所述对应的筛选方式,得到胸膜线。
应当理解的是,为了能够精确提取到所述胸膜线,可以采用动态阈值法进行胸膜线的筛选。
进一步具体地,所述基于预设的二值化方法,对去除所述皮下组织的肺部超声图像进行图像处理,得到胸膜线初筛图像,包括:
对去除所述皮下组织的肺部超声图像进行滤波处理,得到滤波图像。
优选地,可以对去除所述皮下组织的肺部超声图像进行均值滤波,例如可以利用m*m的矩阵进行平均值滤波处理,得到滤波图像。
将去除所述皮下组织的肺部超声图像与所述滤波图像进行做差处理,得到二值化图像。
具体地,将去除所述皮下组织的肺部超声图像与滤波图像做差,对于差值大于像素阈值的像素予以保留,并将像素值设定为255,不满足差值条件的像素值设置0,获得二值化图像。
对所述二值化图像进行图像轮廓分割,得到所述胸膜线初筛图像。
具体地,对二值化图像的轮廓进行分割,并依据轮廓长度、面积、轮廓方向及轮廓在整个超声图像中的位置,进行胸膜线初步筛选,得到胸膜线初筛图像。
在得到胸膜线初筛图像后,需要根据胸膜线初筛图像的状况分情况进行处理。
具体地,所述根据所述胸膜线初筛图像中胸膜线轮廓的状态选择对应的筛选方式得到胸膜线,包括:
判断所述胸膜线初筛图像中的胸膜线轮廓是否完整;
若所述胸膜线初筛图像中的胸膜线轮廓完整,则提取所述胸膜线轮廓中的胸膜线;
若所述胸膜线初筛图像中的胸膜线轮廓不完整,则判断所述胸膜线轮廓是否只包括胸膜区域;
若所述胸膜线轮廓只包括胸膜区域,则利用第一筛选方法进行处理后获得所述胸膜线;
若所述胸膜线轮廓包括胸膜区域和非胸膜区域,则利用第二筛选方法进行处理后获得所述胸膜线。
应当理解的是,当得到的胸膜线初筛图像在非常理想的情况下,可以直接进行胸膜线提取,获得所述胸膜线。
而若获取的当下的胸膜线有所欠缺,例如,提取出来的只有胸膜区域但是胸膜区域是断开的,则需要进行修补处理。
具体地,若所述胸膜线轮廓只包括胸膜区域,则利用第一筛选方法进行处理后获得所述胸膜线,包括:
提取所述胸膜区域的中心线;
将所述胸膜区域的中心线按照预设条件进行筛选,得到多段断开的胸膜线段;
将多段断开的胸膜线段连接,并对连接的胸膜线段进行过滤处理,得到处理后的胸膜线段;
将所述处理后的胸膜线段进行共线修补,并提取得到所述胸膜线。
在一些实施例中,可以通过用户的输入来确认所述胸膜线轮廓是否只包括胸膜区域,例如,用户可以对获取到的胸膜线轮廓进行判断,确定所述胸膜线轮廓是否只包括胸膜区域,当所述胸膜线轮廓只包括胸膜区域时,则可以利用所述第一筛选方法进行后续的处理。例如,如图5所示,所述胸膜区域就是提取框中高亮的部分,划定的胸模线轮廓可能是大于这个区域的,那在此种情况下,所述胸膜线轮廓就包括有胸膜区域和非胸膜区域。如图5所示,当用提取框来对胸膜线轮廓进行划定时,所述框内就既包括胸膜区域,又包括非胸膜区域。需要说明的是,所示提取框只是用来说明胸膜线轮廓的相关内容,并不表示仅可以用此种方式来获取胸膜线轮廓。
在本实施例中,可以对胸膜线区域中的横向的中心线进行提取,由于该胸膜区域中的胸膜线轮廓是不完整的,因此,通过对胸膜区域进行中心线提取会得到多条的中心线,对于提取得到的中心线,例如,可以按照两两之间在水平方向不重合,且端点距离不大于Ls=50且线段斜率角度绝对值不大于K=60度的预设方法进行筛选,端点距离指的是相邻两条中心线的距离最近的相邻两个端点之间的距离。需要说明的是,可以根据实际应用需要设置相应的预设条件来进行中心线的筛选。通过该筛选之后,可以将断开为好几节的胸膜线连接起来,同时对于平行胸膜线的其他噪声线段进行过滤,因为同一条胸膜线断开后不可能断开成水平方向重叠的两段同时,设置距离是防止隔开过大的线段连接在一起,这样就会连接到其他线段上,通过斜率主要是区分一些斜着的线段这些线段可能是皮下组织。对于过滤处理后的线段,进行共线修补,将其连接成一条线,并将连接成的线中的最长的线穿过原来的轮廓选取出来,并将对应轮廓断开用两边端点的宽度渐变进行连接起来,即为检测出来的胸膜线。
而若除了胸膜线区域外还有其他不相关区域,例如,还包括肋骨等无关区域,则需要先重新进行胸膜线区域的确定。如图6所示,可以利用提取框对胸膜线轮廓进行划定,所述框内不仅包括胸膜线区域,还包括非胸膜区域,比如,如图6所示,区域1和区域2即为肋骨区域。需要说明的是,所示提取框只是用来说明胸膜线轮廓的相关内容,并不表示仅可以用此种方式来获取胸膜线轮廓。
具体地,若所述胸膜线轮廓包括胸膜区域和非胸膜区域,则利用第二筛选方法进行处理后获得所述胸膜线,包括:
以所述胸膜线初筛图像为掩膜板在去除所述皮下组织的肺部超声图像中重新提取所述胸膜线轮廓,其中重新提取的所述胸膜线轮廓只包括胸膜区域;
对重新提取的所述胸膜线轮廓重复所述对去除所述皮下组织的肺部超声图像进行图像处理,得到胸膜线初筛图像的步骤;
提取所述胸膜区域的中心线;
将所述胸膜区域的中心线按照预设条件进行筛选,得到多段断开的胸膜线段;
将多段断开的胸膜线段连接,并对连接的胸膜线段进行过滤处理,得到处理后的胸膜线段;
将所述处理后的胸膜线段进行共线修补,并提取得到所述胸膜线。
在该实施例中,对于所述胸膜线轮廓进行凸包处理,并使用凸包处理后的轮廓,作为掩膜(mask),在去除所述皮下组织的肺部超声图像中重新截取胸膜线区域;对重新截取的胸膜线区域,重新调整平均滤波内核(kernel)大小、差值阈值、轮廓长度、面积等参数,并重复所述对去除所述皮下组织的肺部超声图像进行图像处理,得到胸膜线初筛图像的步骤。
在一些实施例中,对于提取得到的中心线,可以根据实际应用情况设置预设条件来筛选中心线,例如,可以按照两两之间在水平方向不重合,且端点距离不大于Ls=50且线段斜率角度绝对值不大于K=60度的方法进行筛选。通过该筛选之后,可以将断开为好几节的胸膜线连接起来,同时对于平行胸膜线的其他噪声线段进行过滤,因为同一条胸膜线断开后不可能断开成水平方向重叠的两段同时,设置距离是防止隔开过大的线段连接在一起,这样就会连接到其他线段上,通过斜率主要是区分一些斜着的线段这些线段可能是皮下组织。对于过滤处理后的线段,进行共线修补,将其连接成一条线,并将连接成的线中的最长的线穿过原来的轮廓选取出来,并将对应轮廓断开用两边端点的宽度渐变进行连接起来,即为检测出来的胸膜线。
如图7为未做共线处理的胸膜线示意图,图8为共线处理后的胸膜线示意图。
作为本发明的另一实施例,提供一种胸膜线识别装置,其中,包括处理器和存储器,所述存储器中存储有至少一条程序指令,所述处理器通过加载并执行所述至少一条程序指令以实现如前文所述的胸膜线识别方法。
作为本发明的另一实施例,提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时用以实现如前文所述的胸膜线识别方法的步骤。
如图9所示,图9是本发明实施例提供的一种超声设备的结构示意图,如该超声设备900可以包括:至少一个处理器910,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口930,存储器940,至少一个通信总线920。其中,通信总线920用于实现这些组件之间的连接通信。其中,通信接口920可以包括显示屏(Display)、键盘(Keyboard),可选通信接口930还可以包括标准的有线接口、无线接口。存储940可以是高速RAM存储器(Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
其中,通信总线920可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线920可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类别的总线。
其中,存储器940可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器840还可以包括上述种类的存储器的组合。
其中,处理器910可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器910还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic, 缩写:GAL)或其任意组合。
可选地,存储器940还用于存储程序指令。处理器910可以调用程序指令,实现以上所述的胸膜线识别方法。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种胸膜线识别方法,其特征在于,包括:
获取检查者的肺部超声图像;
对所述肺部超声图像进行皮下组织识别,并将识别到的所述皮下组织从所述肺部超声图像中去除;
对去除所述皮下组织的肺部超声图像进行胸膜线识别,得到胸膜线。
2.根据权利要求1所述的胸膜线识别方法,其特征在于,所述对所述肺部超声图像进行皮下组织识别,并将识别到的所述皮下组织从所述肺部超声图像中去除,包括:
基于预设的区域划分宽度,将所述肺部超声图像按列划分为多个第一区域;
获取每个所述第一区域与相邻所述第一区域中像素值相同的分隔点;
将多个所述分隔点进行直线拟合得到分隔线,将所述分隔线以上的图像区域从所述肺部超声图像中去除。
3.根据权利要求2所述的胸膜线识别方法,其特征在于,所述获取每个所述第一区域与相邻所述第一区域中像素值相同的分隔点,包括:
针对每个所述第一区域,基于第i像素行,将所述第一区域划分为上下两个区域,所述上下两个区域分别为第二区域和第三区域,其中,1<=i<=N,N为所述肺部超声图像的长度;
分别计算所述第二区域的像素和以及所述第三区域的像素和,基于所述第二区域的像素和和所述第三区域的像素和,得到所述第二区域的像素和与所述第三区域的像素和的差值,判断所述第二区域的像素和与所述第三区域的像素和的差值是否小于预设阈值,
若否,则,将i+1,并再次执行所述基于第i像素行,将所述第一区域划分为上下两个区域,所述上下两个区域分别为第二区域和第三区域的步骤;
若是,则将当前像素行上的中点确定为分隔点。
4.根据权利要求1至3中任意一项所述的胸膜线识别方法,其特征在于,所述对去除所述皮下组织的肺部超声图像进行胸膜线识别,得到胸膜线,包括:
基于预设的二值化方法,对去除所述皮下组织的肺部超声图像进行图像处理,得到胸膜线初筛图像;
根据所述胸膜线初筛图像中胸膜线轮廓的状态选择对应的筛选方式,通过所述对应的筛选方式,得到胸膜线。
5.根据权利要求4所述的胸膜线识别方法,其特征在于,所述基于预设的二值化方法,对去除所述皮下组织的肺部超声图像进行图像处理,得到胸膜线初筛图像,包括:
对去除所述皮下组织的肺部超声图像进行滤波处理,得到滤波图像;
将去除所述皮下组织的肺部超声图像与所述滤波图像进行做差处理,得到二值化图像;
对所述二值化图像进行图像轮廓分割,得到所述胸膜线初筛图像。
6.根据权利要求4所述的胸膜线识别方法,其特征在于,所述根据所述胸膜线初筛图像中胸膜线轮廓的状态选择对应的筛选方式,通过所述对应的筛选方式,得到胸膜线,包括:
判断所述胸膜线初筛图像中的胸膜线轮廓是否完整;
若所述胸膜线初筛图像中的胸膜线轮廓完整,则提取所述胸膜线轮廓中的胸膜线;
若所述胸膜线初筛图像中的胸膜线轮廓不完整,则判断所述胸膜线轮廓是否只包括胸膜区域;
若所述胸膜线轮廓只包括胸膜区域,则利用第一筛选方法进行处理后获得所述胸膜线;
若所述胸膜线轮廓包括胸膜区域和非胸膜区域,则利用第二筛选方法进行处理后获得所述胸膜线。
7.根据权利要求6所述的胸膜线识别方法,其特征在于,所述若所述胸膜线轮廓只包括胸膜区域,则利用第一筛选方法进行处理后获得所述胸膜线,包括:
提取所述胸膜区域的中心线;
将所述胸膜区域的中心线按照预设条件进行筛选,得到多段断开的胸膜线段;
将多段断开的胸膜线段连接,并对连接的胸膜线段进行过滤处理,得到处理后的胸膜线段;
将所述处理后的胸膜线段进行共线修补,并提取得到所述胸膜线。
8.根据权利要求6所述的胸膜线识别方法,其特征在于,所述若所述胸膜线轮廓包括胸膜区域和非胸膜区域,则利用第二筛选方法进行处理后获得所述胸膜线,包括:
以所述胸膜线初筛图像为掩膜板在去除所述皮下组织的肺部超声图像中,重新提取所述胸膜线轮廓,其中重新提取的所述胸膜线轮廓只包括胸膜区域;
对重新提取的所述胸膜线轮廓重复所述对去除所述皮下组织的肺部超声图像进行图像处理,得到胸膜线初筛图像的步骤;
提取所述胸膜区域的中心线;
将所述胸膜区域的中心线按照预设条件进行筛选,得到多段断开的胸膜线段;
将多段断开的胸膜线段连接,并对连接的胸膜线段进行过滤处理,得到处理后的胸膜线段;
将所述处理后的胸膜线段进行共线修补,并提取得到所述胸膜线。
9.一种胸膜线识别装置,其特征在于,包括处理器和存储器,所述存储器中存储有至少一条程序指令,所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求1至8中任意一项所述的胸膜线识别方法。
10.一种存储介质,其特征在于,所述存储介质中存储有至少一条程序指令,所述至少一条程序指令被处理器加载并执行以实现如权利要求1至8中任意一项所述的胸膜线识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010372976.7A CN113628156A (zh) | 2020-05-06 | 2020-05-06 | 胸膜线识别方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010372976.7A CN113628156A (zh) | 2020-05-06 | 2020-05-06 | 胸膜线识别方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113628156A true CN113628156A (zh) | 2021-11-09 |
Family
ID=78376565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010372976.7A Pending CN113628156A (zh) | 2020-05-06 | 2020-05-06 | 胸膜线识别方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113628156A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130184584A1 (en) * | 2012-01-17 | 2013-07-18 | Richard E. Berkey | Systems and methods for computerized ultrasound image interpretation and labeling |
CN104751437A (zh) * | 2013-12-30 | 2015-07-01 | 蓝网科技有限公司 | 基于胸部ct图像的肺部自动提取方法 |
RU2710497C1 (ru) * | 2019-02-04 | 2019-12-26 | федеральное государственное бюджетное образовательное учреждение высшего образования "Приволжский исследовательский медицинский университет" Министерства здравоохранения Российской Федерации (ФГБОУ ВО "ПИМУ" Минздрава России) | Способ выбора тактики ведения пациента с заболеваниями висцеральной плевры и подлежащей ткани легкого при патологическом скоплении жидкости и/или воздуха в полости плевры |
CN110868936A (zh) * | 2017-06-28 | 2020-03-06 | 脱其泰有限责任公司 | 通过检测肺部超声检查中的b线诊断肺部状况的设备、系统和方法 |
CN111031927A (zh) * | 2017-08-21 | 2020-04-17 | 皇家飞利浦有限公司 | 肺部超声中b线的检测、呈现和报告 |
-
2020
- 2020-05-06 CN CN202010372976.7A patent/CN113628156A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130184584A1 (en) * | 2012-01-17 | 2013-07-18 | Richard E. Berkey | Systems and methods for computerized ultrasound image interpretation and labeling |
CN104751437A (zh) * | 2013-12-30 | 2015-07-01 | 蓝网科技有限公司 | 基于胸部ct图像的肺部自动提取方法 |
CN110868936A (zh) * | 2017-06-28 | 2020-03-06 | 脱其泰有限责任公司 | 通过检测肺部超声检查中的b线诊断肺部状况的设备、系统和方法 |
CN111031927A (zh) * | 2017-08-21 | 2020-04-17 | 皇家飞利浦有限公司 | 肺部超声中b线的检测、呈现和报告 |
RU2710497C1 (ru) * | 2019-02-04 | 2019-12-26 | федеральное государственное бюджетное образовательное учреждение высшего образования "Приволжский исследовательский медицинский университет" Министерства здравоохранения Российской Федерации (ФГБОУ ВО "ПИМУ" Минздрава России) | Способ выбора тактики ведения пациента с заболеваниями висцеральной плевры и подлежащей ткани легкого при патологическом скоплении жидкости и/или воздуха в полости плевры |
Non-Patent Citations (1)
Title |
---|
韩光辉;刘峡壁;郑光远;: "肺部CT图像病变区域检测方法", 自动化学报, no. 12, 15 December 2017 (2017-12-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109846513B (zh) | 超声成像方法、系统和图像测量方法、处理系统及介质 | |
US20210177373A1 (en) | Ultrasound system with an artificial neural network for guided liver imaging | |
US9672610B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
JP5121389B2 (ja) | 対象体の大きさを測定するための超音波診断装置及び方法 | |
EP3174467B1 (en) | Ultrasound imaging apparatus | |
CN110584714A (zh) | 超声融合成像方法、超声装置及存储介质 | |
JP4717585B2 (ja) | 医用画像判定装置、医用画像判定方法およびそのプログラム | |
US10433815B2 (en) | Ultrasound diagnostic image generating device and method | |
JP2016195764A (ja) | 医用画像処理装置およびプログラム | |
CN110235172B (zh) | 基于超声影像设备的图像分析方法及超声影像设备 | |
CN113781477A (zh) | 基于人工智能的结石图像识别方法、装置及设备 | |
CN110163907B (zh) | 胎儿颈部透明层厚度测量方法、设备及存储介质 | |
CN112750099A (zh) | 卵泡测量方法、超声设备以及计算机可读存储介质 | |
KR20130080310A (ko) | 진단 영상 장치 및 그 동작 방법 | |
CN108030514B (zh) | 超声三维胎儿成像方法及系统 | |
JP2006068373A (ja) | 乳頭検出装置およびそのプログラム | |
CN107106110B (zh) | 图像处理装置以及图像处理方法 | |
CN112085730A (zh) | 感兴趣区域成分分析方法、装置、电子设备和介质 | |
CN113628156A (zh) | 胸膜线识别方法、装置及存储介质 | |
KR101991452B1 (ko) | 유두위치 검출 방법, 유방 이미지 표시방법 및 유두위치 검출 장치 | |
EP3381010A1 (en) | Process for processing medical images of a face for recognition of facial dysmorphisms | |
KR101627319B1 (ko) | 의료진단을 위한 의료영상 처리장치 및 그 방법 | |
CN105447870A (zh) | 医学图像中身体组织的提取方法及装置 | |
CN111260606B (zh) | 诊断装置和诊断方法 | |
CN110097502B (zh) | 眼底无灌注区的测量方法及装置及图像处理方法 |
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 |