CN114190972A - 超声波影像物件的体积计算方法及应用其的超声波系统 - Google Patents

超声波影像物件的体积计算方法及应用其的超声波系统 Download PDF

Info

Publication number
CN114190972A
CN114190972A CN202010986534.1A CN202010986534A CN114190972A CN 114190972 A CN114190972 A CN 114190972A CN 202010986534 A CN202010986534 A CN 202010986534A CN 114190972 A CN114190972 A CN 114190972A
Authority
CN
China
Prior art keywords
dimensional
image
ultrasonic
image object
ultrasound
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
CN202010986534.1A
Other languages
English (en)
Other versions
CN114190972B (zh
Inventor
萧玮廷
董昱驣
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.)
Qisda Suzhou Co Ltd
Qisda Corp
Original Assignee
Qisda Suzhou Co Ltd
Qisda Corp
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 Qisda Suzhou Co Ltd, Qisda Corp filed Critical Qisda Suzhou Co Ltd
Priority to CN202010986534.1A priority Critical patent/CN114190972B/zh
Priority to US17/243,584 priority patent/US11690599B2/en
Publication of CN114190972A publication Critical patent/CN114190972A/zh
Application granted granted Critical
Publication of CN114190972B publication Critical patent/CN114190972B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/42—Details of probe positioning or probe attachment to the patient
    • A61B8/4245—Details of probe positioning or probe attachment to the patient involving determining the position of the probe, e.g. with respect to an external reference frame or to the patient
    • A61B8/4254—Details of probe positioning or probe attachment to the patient involving determining the position of the probe, e.g. with respect to an external reference frame or to the patient using sensors mounted on the probe
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • 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
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

Landscapes

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

Abstract

本发明提供一种超声波影像物件的体积计算方法及应用其的超声波系统，包含：探头，用来采集多个二维超声波影像；处理器，用来取得多个二维超声波影像及对应于多个二维超声波影像的探头的偏移角度、旋转轴向及频率；根据深度学习架构，自多个二维超声波影像的每一二维超声波影像切割包含超声波影像物件的第一影像；根据对应于二维超声波影像的第一影像，生成超声波影像物件的轮廓；根据对应于二维超声波影像的超声波影像物件的轮廓，重建对应于超声波影像物件的三维模型；以及根据对应于超声波影像物件的三维模型，计算超声波影像物件的体积。本发明能够结合深度学习架构及建立三维模型以准确且快速地计算超声波影像物件的体积，提高侦测的准确度。

Description

超声波影像物件的体积计算方法及应用其的超声波系统
技术领域
本发明涉及超声波技术领域，尤其涉及一种超声波影像物件的体积计算方法及应用其的超声波系统。
背景技术
现有用于医学领域的成像技术，例如磁力共振成像(Magnetic ResonanceImaging，MRI)、电脑断层(Computed tomography，CT)扫描及超声波三维成像等技术，以非侵入的方式即可清楚且快速地取得影像，并精准地计算或估算影像中的物件的体积，因此广泛地用于医学检查。其中，现有的医疗技术系根据获得的超声波影像，根据超声波影像中物件的长、宽、高及一面积公式以估计物件的体积。
然而，前述方法于进行影像撷取、影像切割及体积计算时易产生误差，例如，当受检的人体器官的膀胱受到仪器的挤压而导致形变时，膀胱往两侧延伸时将挤压到相邻的器官而使得膀胱外观呈现非椭圆形，造成体积估算的误差，而无法精准地预测膀胱的尿量体积。
因此，现有技术有改进的必要。
发明内容
本发明的目的在于提供一种超声波影像物件的体积计算方法及应用其的超声波系统，其能够依据深度学习的架构，准确地计算超声波影像物件的体积。
为达到上述目的，本发明提供了一种超声波影像物件的体积计算方法，用于包含探头的超声波系统，该超声波影像物件的体积计算方法包含以下步骤：以该探头采集多个二维超声波影像；取得该多个二维超声波影像及对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率；根据深度学习架构，自该多个二维超声波影像的每一个二维超声波影像切割包含超声波影像物件的第一影像；根据对应于每一个二维超声波影像的第一影像，生成该超声波影像物件的轮廓；根据对应于每一个二维超声波影像的该超声波影像物件的该轮廓，重建对应于该超声波影像物件的三维模型；以及根据对应于该超声波影像物件的该三维模型，计算该超声波影像物件的体积。
较佳的，该深度学习架构为U-Net网路架构，以根据对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率，生成该第一影像的该超声波影像物件的初步轮廓及位置。
较佳的，根据对应于每一个二维超声波影像的第一影像，生成该超声波影像物件的该轮廓的步骤包含：设定该第一影像的边缘阈值；侦测该第一影像的边缘；以及根据该第一影像于该超声波影像物件的该初步轮廓及该位置，于该超声波影像物件的该初步轮廓的内部产生圆以向外扩张，直到达到该第一影像的该边缘阈值。
较佳的，在设定该第一影像的边缘阈值的前，对该第一影像进行直方图均衡化。
较佳的，根据对应于每一个二维超声波影像的第一影像，生成该超声波影像物件的该轮廓的步骤包含：对该第一影像执行直方图均衡化；生成对应于该第一影像的二位元阈值；以及根据该二位元阈值及该第一影像的该超声波影像物件的该初步轮廓及该位置，生成该超声波影像物件的该轮廓。
较佳的，根据对应于每一个二维超声波影像的该超声波影像物件的该轮廓，重建对应于该超声波影像物件的该三维模型的步骤包含：根据该多个二维超声波影像及对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率，以扫描方法将该多个超声波影像物件组合为三维影像；根据该三维影像建立三维切片建模；以及根据该三维切片建模，以三维内插方法建立该超声波影像物件的该三维模型。
较佳的，根据该三维切片建模，以该三维内插方法建立该超声波影像物件的该三维模型的步骤包含：自该三维切片建模中，生成对应于该超声波影像物件的最大三维切片；以及根据该最大三维切片，向该超声波影像物件的外侧扩张以完成该三维模型。
基于上述计算方法，本发明还提供一种超声波系统，用来计算超声波影像物件的体积，该系统包含有：探头，用来采集多个二维超声波影像；以及处理器，用来取得该多个二维超声波影像及对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率；根据深度学习架构，自该多个二维超声波影像的每一个二维超声波影像切割包含超声波影像物件的第一影像；根据对应于每一个二维超声波影像的第一影像，生成该超声波影像物件的轮廓；根据对应于每一个二维超声波影像的该超声波影像物件的该轮廓，重建对应于该超声波影像物件的三维模型；以及根据对应于该超声波影像物件的该三维模型，计算该超声波影像物件的体积。
较佳的，该深度学习架构为U-Net网路架构，该处理器根据对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率，生成该第一影像的该超声波影像物件的初步轮廓及位置。
较佳的，该处理器用以设定该第一影像的边缘阈值，侦测该第一影像的边缘；以及根据该第一影像于该超声波影像物件的该初步轮廓及该位置，于该超声波影像物件的该初步轮廓的内部产生圆以向外扩张，直到达到该第一影像的该边缘阈值。
较佳的，在设定该第一影像的边缘阈值的前，该处理器用以对该第一影像进行直方图均衡化。
较佳的，该处理器用以对该第一影像执行直方图均衡化，生成对应于该第一影像的二位元阈值；以及根据该二位元阈值及该第一影像的该超声波影像物件的该初步轮廓及该位置，生成该超声波影像物件的该轮廓。
较佳的，该处理器根据该多个二维超声波影像及对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率，以扫描方法将该多个超声波影像物件组合为三维影像；根据该三维影像建立三维切片建模；以及根据该三维切片建模，以三维内插方法建立该超声波影像物件的该三维模型。
较佳的，该处理器自该三维切片建模中，生成对应于该超声波影像物件的最大三维切片；以及根据该最大三维切片，向该超声波影像物件的外侧扩张以完成该三维模型与现有技术相比，本发明提供的超声波影像物件的体积计算方法及其相关超声波系统，能够结合深度学习架构及建立三维模型以准确且快速地计算超声波影像物件的体积，以提高侦测的准确度。
附图说明
图1为本发明实施例提供的超声波系统的结构示意图；
图2为本发明实施例提供的超声波影像物件的体积计算方法的流程示意图；
图3为本发明实施例提供的轮廓生成方法的流程示意图；
图4及图5为本发明实施例提供的的另一轮廓生成方法的流程示意图；
图6为本发明实施例提供的三维建模方法的流程示意图；
图7为本发明实施例提供的对超声波影像物件执行三维内插的操作示意图；
图8为本发明实施例提供的对超声波影像物件执行三维外部插值的示意图。
具体实施方式
为使对本发明的目的、构造、特征及其功能有进一步的了解，兹配合实施例详细说明如下。
在说明书及权利要求书当中使用了某些词汇来指称特定的元件。所属领域中具有通常知识者应可理解，制造商可能会用不同的名词来称呼同一个元件。本说明书及权利要求书并不以名称的差异来作为区分元件的方式，而是以元件在功能上的差异来作为区分的准则。在通篇说明书及权利要求当中所提及的「包括」为开放式的用语，故应解释成「包括但不限定于」。
请参考图1，图1为本发明实施例的超声波系统10的示意图。超声波系统10包含探头102及处理器104。超声波系统10用来计算超声波影像物件的体积，其中探头102用来采集多个二维超声波影像。超声波系统10可用于医疗领域中以进行医学检查，并且以超声波反射的方式量测或估测人体器官(例如子宫、前列腺或膀胱等)的体积。在一实施例中，探头102具有定位装置，以于采集二维超声波影像时，同时采集对应的定位资讯。处理器104用来取得来自探头102的二维超声波影像及对应于二维超声波影像的探头的定位资讯，例如探头的偏移角度、旋转轴向及频率，即探头102可以对人体器官以不同的偏移角度扫描以得到二维超声波影像。处理器104根据深度学习架构，自二维超声波影像的每一个二维超声波影像切割包含超声波影像物件的第一影像，并且根据对应于每一个二维超声波影像的第一影像及对应于超声波影像物件的三维模型，计算超声波影像物件的体积。如此一来，本发明的超声波系统10即可根据深度学习架构及三维模型提升测得的超声波影像物件的体积的准确性。
详细而言，请参考图2，图2为本发明实施例的超声波影像物件的体积计算方法20的示意图。如图2所示，超声波影像物件的体积计算方法20包含下列步骤：
步骤202：开始。
步骤204：取得二维超声波影像及对应于二维超声波影像的探头的偏移角度、旋转轴向及频率。
步骤206：根据深度学习架构，自二维超声波影像的每一个二维超声波影像切割包含超声波影像物件的第一影像。
步骤208：根据对应于每一个二维超声波影像的第一影像，生成超声波影像物件的轮廓。
步骤210：根据对应于每一个二维超声波影像的超声波影像物件的轮廓，重建对应于超声波影像物件的三维模型。
步骤212：根据对应于超声波影像物件的三维模型，计算超声波影像物件的体积。
步骤214：结束。
首先，在步骤204中超声波系统10可利用探头102取得二维超声波影像及对应于二维超声波影像的探头102的偏移角度、旋转轴向及频率，以用来增加二维超声波影像中的超声波影像物件的特征。具体而言，探头102的偏移角度、旋转轴向及频率可用于建立超声波影像物件的三维模型。
接着，在步骤206中，超声波系统10根据深度学习架构，将二维超声波影像的每一个二维超声波影像切割包含超声波影像物件的第一影像。在一实施例中，本发明的超声波系统10可以U-Net网路架构的语义分割(Semantic Segmentation)深度学习架构，自每一个二维超声波影像切割包含超声波影像物件的第一影像，其中，语义分割深度学习架构是在给定影像的情形下，对影像中的每一个像素做分类，以得到目标影像。
详细而言，本发明的超声波系统10采用深度学习架构，根据上述二维超声波影像及对应的探头的偏移角度、旋转轴向及频率，再以自我学习的方式侦测二维超声波影像侦测超声波影像物件的初步轮廓及位置，以达到超声波影像物件定位的步骤，进而于二维超声波影像中切割出包含超声波影像物件的第一影像。值得注意的是，本发明的超声波系统10的深度学习架构不限于上述U-Net的网路架构，其他可用于侦测二维超声波影像中的超声波影像物件的架构也适用于本发明。
除此之外，本发明采用U-Net的网路架构切割二维超声波影像中的超声波影像物件时所需的运算量过大，因此，本发明的超声波系统10以等比例方式缩小深度学习架构，并且嵌入至超声波系统10的机台，以完成上述超声波影像物件定位的步骤。
在步骤208中，超声波系统10以在步骤206所得到每一个二维超声波影像的第一影像，生成超声波影像物件的轮廓及定位。在一实施例中，超声波系统10以轮廓生成方法30生成超声波影像物件的初步轮廓及定位。详细来说，请参考图3，图3为本发明实施例的轮廓生成方法30的示意图。轮廓生成方法30包含下列步骤：
步骤302：开始。
步骤304：取得每一发二维超声波影像的第一影像。
步骤306：对每一发二维超声波影像的第一影像执行直方图均衡化(histogramequalization)。
步骤308:对执行直方图均衡化后的每一个二维超声波影像的第一影像，以语义分割(Semantic Segmentation)深度学习生成超声波影像物件的位置及范围。
步骤310：对执行语义分割深度学习后的每一个二维超声波影像的第一影像，以活化函数及/或二位元阈值生成超声波影像物件的轮廓。
步骤312：结束。
为了准确地生成二维超声波影像中的超声波影像物件的轮廓及定位，本发明的超声波系统10可根据轮廓生成方法30以两种不同的方法生成超声波影像物件的轮廓。在步骤304中，取得根据深度学习架构所得到的第一影像，其中，第一影像包含有初步物件轮廓。在步骤306中，对每一个二维超声波影像的第一影像执行直方图均衡化以提高第一影像的对比度。在步骤308中，对执行直方图均衡化后的每一个二维超声波影像的第一影像，以语义分割(Semantic Segmentation)深度学习生成物件的位置及范围。接着，在步骤310中，对执行语义分割深度学习后的每一个二维超声波影像的第一影像，以活化函数及/或二位元阈值，生成超声波影像物件的轮廓，其中活化函数是用来利用在步骤210所得到的超声波影像物件的轮廓向外扩张，以确定超声波影像物件的轮廓及位置；二位元阈值则是用来根据步骤210所得到的超声波影像物件的轮廓，以二进制区分的方式找到超声波影像物件的轮廓及位置。
值得注意的是，上述轮廓生成方法30可同时采用活化函数及二位元阈值以生成超声波影像物件的轮廓及位置，或者，在另一实施例中，本发明的超声波系统10也可单独根据活化函数或二位元阈值，以生成超声波影像物件的轮廓及位置，也适用于本发明。
关于上述以活化函数生成超声波影像物件的轮廓及位置的方法，请进一步参考图4，图4为本发明实施例的轮廓生成方法40的示意图。轮廓生成方法40是根据活化函数生成以生成超声波影像物件的轮廓以及位置的方法，其包含下列步骤：
步骤402：开始。
步骤404：设定第一影像的边缘阈值。
步骤406：对第一影像执行逆高斯梯度(Inverse Gaussian Gradient)。
步骤408：侦测第一影像的边缘。
步骤410：根据第一影像于超声波影像物件的初步轮廓及位置，于超声波影像物件的初步轮廓的内部产生圆以向外扩张，直到达到第一影像的边缘阈值。
步骤412：结束。
在步骤404中，设定第一影像的边缘阈值，以作为初步轮廓向外扩张时的停滞点。在步骤406中，对第一影像执行逆高斯梯度(Inverse Gaussian Gradient)以模糊化第一影像。在步骤408中，对影像进行边缘侦测。在步骤410中，根据第一影像于超声波影像物件的初步轮廓及位置，在超声波影像物件的初步轮廓的内部产生圆以向外扩张，直到达到第一影像的边缘阈值(即停滞点)。如此一来，本发明的超声波系统10即可根据超声波影像物件的初步轮廓及轮廓生成方法40，生成超声波影像物件的轮廓及位置。
另一方面，关于上述以二位元阈值生成超声波影像物件的轮廓及位置的方法，请参考图5，图5为本发明实施例的轮廓生成方法50的示意图。轮廓生成方法50是根据二位元阈值以生成超声波影像物件的轮廓及位置的方法，其包含下列步骤：
步骤502：开始。
步骤504：生成对应于第一影像的二位元阈值。
步骤506：根据二位元阈值及第一影像的超声波影像物件的初步轮廓及位置，生成超声波影像物件的轮廓。
步骤508：结束。
根据轮廓生成方法50，超声波系统10在步骤504中先生成对于第一影像的二位元阈值，例如，8位元的影像的灰阶值255。于步骤506中，以二位元阈值将第一影像区分为两个颜色(例如，黑及白)，再根据直方图均衡化后的第一影像的超声波影像物件的初步轮廓及位置，以生成超声波影像物件的轮廓。在一实施例中，当超声波影像物件为膀胱，并且二位元阈值为8位元的灰阶值128时，可将第一影像中的灰阶值为128以上的区分为膀胱、灰阶值128以下的区分不是膀胱，因此轮廓生成方法50可区分出第一影像中的膀胱(即超声波影像物件)，并且与超声波影像物件的初步轮廓相互比对。如此一来，本发明的超声波系统10即可根据超声波影像物件的初步轮廓及轮廓生成方法50，生成超声波影像物件的轮廓及位置。
值得注意的是，上述轮廓生成方法40、50所使用的值域参数皆为使用穷举法，以找到超声波影像物件的最佳值域参数。
在步骤208中生成对应于每一个二维超声波影像的超声波影像物件的轮廓的后，步骤210根据生成的超声波影像物件的轮廓重建对应于超声波影像物件的三维模型。关于重建对应于超声波影像物件的三维模型的步骤，请参考图6，图6为本发明实施例的三维建模方法60的示意图。三维建模方法60包含下列步骤：
步骤602：开始。
步骤604：根据二维超声波影像及对应于二维超声波影像的探头的偏移角度、旋转轴向及频率，以扫描方法将超声波影像物件组合为三维影像。
步骤606：根据三维影像建立三维切片建模。
步骤608：根据三维切片建模，以三维内插(internal interpolation)方法建立超声波影像物件的三维模型。
步骤610：自三维切片建模中，生成对应于超声波影像物件的最大三维切片。
步骤612：根据最大三维切片，向超声波影像物件的一外侧扩张以完成三维模型。
步骤614：结束。
在步骤604中，超声波系统10根据在步骤206的每一个包含有超声波影像物件的第一影像，及对应的探头102的偏移角度、旋转轴向及频率，以扫描方法将同一序列的多个二维超声波影像组合为三维影像。在一实施例中，扫描方法可以是扇形扫描(sector scan)或纵扫描(sagittal scan)将连续的超声波影像物件组合为三维影像。换句话说，超声波系统10可根据同一序列多张(例如50张)包含有超声波影像物件的二维超声波影像及对应的探头102的偏移角度、旋转轴向及频率，以及公式(1)，将超声波影像物件的Y轴投影于Z轴上以建立三维影像。公式(1)为：
Figure BDA0002689441830000111
其中，i为序列的第i个超声波影像物件，640为解析度的横向像素值，Degreei为探头102于扫描时的偏移角度，ObjectDowni为超声波影像物件的底面的下切面，值得注意的是，超声波系统10的二维影像的横向解析度不限于640。
在步骤606中，根据三维影像建立三维切片建模，即将三维影像切割为多个三维切片。接着，在步骤608中，根据三维切片建模，以三维内插方法建立超声波影像物件的三维模型，把未扫描到的部分补齐，以建立完整的超声波影像物件模型。
在一实施例中，超声波系统10可计算两个三维切片之间的最大距离，进而根据三维内插方法对两个三维切片执行三维内插方法。如图7所示，图7为本发明实施例对超声波影像物件执行三维内插的示意图，在三维空间中，超声波系统10可利用最左边及最右边的三维切片，往内部执行三维内插方法，以建立超声波影像物件模型。
然而，由于上述三维内插方法会受到扫描速度及超声波影像物件的形状(例如，膀胱于受测时大致呈现椭圆形)的改变而影响其精确度，因此，在步骤610中，超声波系统10于三维切片中找到最大三维切片，并且于步骤612中根据最大三维切片，向超声波影像物件的外侧扩张以完成三维模型，如图8所示，图8为本发明实施例对超声波影像物件执行三维外部插值(external interpolation)的示意图，即根据图8的中间的最大三维切片外侧扩张以完成三维模型。
如此一来，根据三维建模方法60即可建立准确的超声波影像物件的三维模型，使得超声波系统10可以于步骤212中根据对应于超声波影像物件的三维模型，计算超声波影像物件的体积。
上述实施例可说明本发明的超声波影像物件的体积计算方法及其相关超声波系统，可通过深度学习架构以侦测超声波影像物件，并且通过建立三维模型以准确且快速地计算超声波影像物件的体积。此外，根据不同需求，本发明的超声波影像物件的体积计算方法也可用于电脑断层扫描系统、核磁共振成像系统的影像体积的计算。
综上所述，本发明实施例提供一种超声波影像物件的体积计算方法及其相关超声波系统，结合深度学习架构及建立三维模型以准确且快速地计算超声波影像物件的体积，以提高侦测的准确度。
本发明已由上述相关实施例加以描述，然而上述实施例仅为实施本发明的范例。必需指出的是，已揭露的实施例并未限制本发明的范围。相反地，在不脱离本发明的精神和范围内所作的更动与润饰，均属本发明的专利保护范围。

Claims (14)

1.一种超声波影像物件的体积计算方法，用于包含探头的超声波系统，其特征在于，该超声波影像物件的体积计算方法包含以下步骤：
以该探头采集多个二维超声波影像；
取得该多个二维超声波影像及对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率；
根据深度学习架构，自该多个二维超声波影像的每一个二维超声波影像切割包含超声波影像物件的第一影像；
根据对应于每一个二维超声波影像的第一影像，生成该超声波影像物件的轮廓；
根据对应于每一个二维超声波影像的该超声波影像物件的该轮廓，重建对应于该超声波影像物件的三维模型；以及
根据对应于该超声波影像物件的该三维模型，计算该超声波影像物件的体积。
2.如权利要求1所述的超声波影像物件的体积计算方法，其特征在于，该深度学习架构为U-Net网路架构，以根据对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率，生成该第一影像的该超声波影像物件的初步轮廓及位置。
3.如权利要求2所述的超声波影像物件的体积计算方法，其特征在于，根据对应于每一个二维超声波影像的第一影像，生成该超声波影像物件的该轮廓的步骤包含：
设定该第一影像的边缘阈值；
侦测该第一影像的边缘；以及
根据该第一影像于该超声波影像物件的该初步轮廓及该位置，于该超声波影像物件的该初步轮廓的内部产生圆以向外扩张，直到达到该第一影像的该边缘阈值。
4.如权利要求3所述的超声波影像物件的体积计算方法，其特征在于，在设定该第一影像的边缘阈值的前，对该第一影像进行直方图均衡化。
5.如权利要求2所述的超声波影像物件的体积计算方法，其特征在于，根据对应于每一个二维超声波影像的第一影像，生成该超声波影像物件的该轮廓的步骤包含：
对该第一影像执行直方图均衡化；
生成对应于该第一影像的二位元阈值；以及
根据该二位元阈值及该第一影像的该超声波影像物件的该初步轮廓及该位置，生成该超声波影像物件的该轮廓。
6.如权利要求1所述的超声波影像物件的体积计算方法，其特征在于，根据对应于每一个二维超声波影像的该超声波影像物件的该轮廓，重建对应于该超声波影像物件的该三维模型的步骤包含：
根据该多个二维超声波影像及对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率，以扫描方法将该多个超声波影像物件组合为三维影像；
根据该三维影像建立三维切片建模；以及
根据该三维切片建模，以三维内插方法建立该超声波影像物件的该三维模型。
7.如权利要求6所述的超声波影像物件的体积计算方法，其特征在于，根据该三维切片建模，以该三维内插方法建立该超声波影像物件的该三维模型的步骤包含：
自该三维切片建模中，生成对应于该超声波影像物件的最大三维切片；以及
根据该最大三维切片，向该超声波影像物件的外侧扩张以完成该三维模型。
8.一种超声波系统，用来计算超声波影像物件的体积，其特征在于，该系统包含有：
探头，用来采集多个二维超声波影像；以及
处理器，用来取得该多个二维超声波影像及对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率；根据深度学习架构，自该多个二维超声波影像的每一个二维超声波影像切割包含超声波影像物件的第一影像；根据对应于每一个二维超声波影像的第一影像，生成该超声波影像物件的轮廓；根据对应于每一个二维超声波影像的该超声波影像物件的该轮廓，重建对应于该超声波影像物件的三维模型；以及根据对应于该超声波影像物件的该三维模型，计算该超声波影像物件的体积。
9.如权利要求8所述的超声波系统，其特征在于，该深度学习架构为U-Net网路架构，该处理器根据对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率，生成该第一影像的该超声波影像物件的初步轮廓及位置。
10.如权利要求9所述的超声波系统，其特征在于，该处理器用以设定该第一影像的边缘阈值，侦测该第一影像的边缘；以及根据该第一影像于该超声波影像物件的该初步轮廓及该位置，于该超声波影像物件的该初步轮廓的内部产生圆以向外扩张，直到达到该第一影像的该边缘阈值。
11.如权利要求10所述的超声波系统，其特征在于，在设定该第一影像的边缘阈值的前，该处理器用以对该第一影像进行直方图均衡化。
12.如权利要求9所述的超声波系统，其特征在于，该处理器用以对该第一影像执行直方图均衡化，生成对应于该第一影像的二位元阈值；以及根据该二位元阈值及该第一影像的该超声波影像物件的该初步轮廓及该位置，生成该超声波影像物件的该轮廓。
13.如权利要求8所述的超声波系统，其特征在于，该处理器根据该多个二维超声波影像及对应于该多个二维超声波影像的该探头的偏移角度、旋转轴向及频率，以扫描方法将该多个超声波影像物件组合为三维影像；根据该三维影像建立三维切片建模；以及根据该三维切片建模，以三维内插方法建立该超声波影像物件的该三维模型。
14.如权利要求13所述的超声波系统，其特征在于，该处理器自该三维切片建模中，生成对应于该超声波影像物件的最大三维切片；以及根据该最大三维切片，向该超声波影像物件的外侧扩张以完成该三维模型。
CN202010986534.1A 2020-09-18 2020-09-18 超声波影像物件的体积计算方法及应用其的超声波系统 Active CN114190972B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010986534.1A CN114190972B (zh) 2020-09-18 2020-09-18 超声波影像物件的体积计算方法及应用其的超声波系统
US17/243,584 US11690599B2 (en) 2020-09-18 2021-04-29 Volume acquisition method for object in ultrasonic image and related ultrasonic system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010986534.1A CN114190972B (zh) 2020-09-18 2020-09-18 超声波影像物件的体积计算方法及应用其的超声波系统

Publications (2)

Publication Number Publication Date
CN114190972A true CN114190972A (zh) 2022-03-18
CN114190972B CN114190972B (zh) 2024-03-22

Family

ID=80645013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010986534.1A Active CN114190972B (zh) 2020-09-18 2020-09-18 超声波影像物件的体积计算方法及应用其的超声波系统

Country Status (2)

Country Link
US (1) US11690599B2 (zh)
CN (1) CN114190972B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100998512A (zh) * 2007-01-10 2007-07-18 华中科技大学 三维超声影像的重建方法
JP2008307085A (ja) * 2007-06-12 2008-12-25 Toshiba Corp 超音波診断装置
US20090177089A1 (en) * 2008-01-04 2009-07-09 Assaf Govari Three-dimensional image reconstruction using doppler ultrasound
CN101657736A (zh) * 2007-04-13 2010-02-24 皇家飞利浦电子股份有限公司 高速超声厚切片成像
TW201516958A (zh) * 2013-10-31 2015-05-01 Univ Nat Taipei Technology 二維至三維的深度影像建立方法及裝置
CN107928708A (zh) * 2017-12-12 2018-04-20 成都优途科技有限公司 自由三维脊柱超声成像系统及控制方法
CN110974305A (zh) * 2019-12-13 2020-04-10 山东大学齐鲁医院 基于深度学习的远程心脏超声三维成像系统及方法
CN111166388A (zh) * 2020-02-28 2020-05-19 合肥凯碧尔高新技术有限公司 基于二维超声影像认知构建三维模型的方法及装置
TW202022713A (zh) * 2018-12-05 2020-06-16 宏碁股份有限公司 心臟狀態評估方法與系統、電子裝置及超音波掃描裝置
CN111340742A (zh) * 2018-12-18 2020-06-26 深圳迈瑞生物医疗电子股份有限公司 一种超声成像方法及设备、存储介质
CN111432733A (zh) * 2017-09-07 2020-07-17 皮乌尔影像股份有限公司 用于确定超声探头的运动的设备和方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8369590B2 (en) * 2007-05-21 2013-02-05 Cornell University Method for segmenting objects in images
JP6537981B2 (ja) * 2013-02-28 2019-07-03 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 複数の三次元ビューからの大きな対象のセグメンテーション
KR101579740B1 (ko) * 2014-09-01 2015-12-23 삼성메디슨 주식회사 초음파 진단장치, 그에 따른 초음파 진단 방법 및 그에 따른 컴퓨터 판독 가능한 저장매체
EP3590436A1 (en) * 2018-07-06 2020-01-08 Koninklijke Philips N.V. Identifying an optimal image from a number of ultrasound images
GB201908052D0 (en) * 2019-06-06 2019-07-24 Nisonic As Alignment of ultrasound image

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100998512A (zh) * 2007-01-10 2007-07-18 华中科技大学 三维超声影像的重建方法
CN101657736A (zh) * 2007-04-13 2010-02-24 皇家飞利浦电子股份有限公司 高速超声厚切片成像
JP2008307085A (ja) * 2007-06-12 2008-12-25 Toshiba Corp 超音波診断装置
US20090177089A1 (en) * 2008-01-04 2009-07-09 Assaf Govari Three-dimensional image reconstruction using doppler ultrasound
TW201516958A (zh) * 2013-10-31 2015-05-01 Univ Nat Taipei Technology 二維至三維的深度影像建立方法及裝置
CN111432733A (zh) * 2017-09-07 2020-07-17 皮乌尔影像股份有限公司 用于确定超声探头的运动的设备和方法
CN107928708A (zh) * 2017-12-12 2018-04-20 成都优途科技有限公司 自由三维脊柱超声成像系统及控制方法
TW202022713A (zh) * 2018-12-05 2020-06-16 宏碁股份有限公司 心臟狀態評估方法與系統、電子裝置及超音波掃描裝置
CN111340742A (zh) * 2018-12-18 2020-06-26 深圳迈瑞生物医疗电子股份有限公司 一种超声成像方法及设备、存储介质
CN110974305A (zh) * 2019-12-13 2020-04-10 山东大学齐鲁医院 基于深度学习的远程心脏超声三维成像系统及方法
CN111166388A (zh) * 2020-02-28 2020-05-19 合肥凯碧尔高新技术有限公司 基于二维超声影像认知构建三维模型的方法及装置

Also Published As

Publication number Publication date
US11690599B2 (en) 2023-07-04
US20220087649A1 (en) 2022-03-24
CN114190972B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
US10561403B2 (en) Sensor coordinate calibration in an ultrasound system
US7856130B2 (en) Object recognition system for medical imaging
US9697639B2 (en) Three-dimensional model data generation device, method and program
CN102763135B (zh) 用于自动分割和时间跟踪的方法
KR101121396B1 (ko) 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법
US7804989B2 (en) Object recognition system for medical imaging
KR20140032810A (ko) 의료 영상들의 정합 방법 및 장치
WO2013131420A1 (zh) 医学影像的目标区域边界确定装置和方法
CN115843373A (zh) 一种融合Gabor小波的多尺度局部水平集超声图像分割方法
US10278663B2 (en) Sensor coordinate calibration in an ultrasound system
US11278259B2 (en) Thrombus detection during scanning
CN107169978B (zh) 超声图像边缘检测方法及系统
CN114190972B (zh) 超声波影像物件的体积计算方法及应用其的超声波系统
US20200305837A1 (en) System and method for guided ultrasound imaging
TWI750854B (zh) 超音波影像物件之體積計算方法及其相關超音波系統
JP2895414B2 (ja) 超音波体積演算装置
Butakoff et al. Simulated 3D ultrasound LV cardiac images for active shape model training
EP4163870A1 (en) Medical diagnostic apparatus and method for evaluation of pathological conditions using 3d data and images of lamina cribrosa
Yu et al. Multiview 3D reconstruction with volumetric registration in a freehand ultrasound imaging system
JP5396054B2 (ja) 超音波診断装置
WO2020037563A1 (zh) 一种超声成像的方法及相关设备
CN114202509A (zh) 一种血管运动状态的确定方法及装置
Guétat et al. A fast algorithm for body extraction in CT volumes
JP2018157981A (ja) 超音波診断装置及びプログラム

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