CN114376603B - 一种二维频谱多普勒超声心动图像的处理方法和装置 - Google Patents
一种二维频谱多普勒超声心动图像的处理方法和装置 Download PDFInfo
- Publication number
- CN114376603B CN114376603B CN202210018428.3A CN202210018428A CN114376603B CN 114376603 B CN114376603 B CN 114376603B CN 202210018428 A CN202210018428 A CN 202210018428A CN 114376603 B CN114376603 B CN 114376603B
- Authority
- CN
- China
- Prior art keywords
- image
- point
- value
- sampling
- current
- 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
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 54
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 32
- 238000002604 ultrasonography Methods 0.000 title claims abstract description 20
- 238000003672 processing method Methods 0.000 title abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 105
- 230000017531 blood circulation Effects 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 74
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims description 186
- 230000001133 acceleration Effects 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 26
- 230000003595 spectral effect Effects 0.000 claims description 15
- 230000010354 integration Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000002592 echocardiography Methods 0.000 description 6
- 230000000630 rising effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 210000005242 cardiac chamber Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- 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
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
Abstract
本发明实施例涉及一种二维频谱多普勒超声心动图像的处理方法和装置,所述方法包括:获取二维频谱多普勒超声心动图像;进行感兴趣区域图像提取处理生成第二图像;进行高斯模糊图像处理生成第三图像;进行二值化处理生成第四图像;进行频谱包络线识别标记出第一包络线;对第一包络线进行峰值点识别标记出多个第一峰值点;对各个第一峰值点进行左右基线点识别标记出对应的第一左基线点和第一右基线点;进行血流参数测算生成对应的血流参数组序列;计算血流参数组序列中各个同类参数的平均值。通过本发明可以解决因人工因素导致的测量准确度降低或测量质量不稳定等问题。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种二维频谱多普勒超声心动图像的处理方法和装置。
背景技术
频谱多普勒超声心动图(Spectral Doppler Echocardiography)可用于测量与血流流速有关的参数诸如峰值流速、加速时间、减速时间、射血时间等,频谱多普勒超声心动图带有纵向的血流流速标尺和横向的时间刻度标尺,操作者在频谱多普勒超声心动图上进行关键点标记即可算得大致的峰值流速、加速时间、减速时间、射血时间参数取值。通过这种方式进行血流参数计算,一方面过分依赖人工关键点标记的经验水平,其准确度无法保证;另一方面,这种手动标记测量方式无法测量连续时间的血流量积分,也无法测量与血流方向压力变化有关的压力阶差以及压力阶差减半时间。
发明内容
本发明的目的,就是针对现有技术的缺陷,提供一种二维频谱多普勒超声心动图像的处理方法、装置、电子设备及计算机可读存储介质,对原始的二维频谱多普勒超声心动图像进行感兴趣区域剪裁、高斯模糊处理和二值化处理,对二值图进行频谱包络线提取,使用高斯核权重滑窗对包络线进行滑窗权值运算来完成对包络线上的峰值点识别,基于与峰值点的幅差和时间间隔控制条件算出对应的左右基线点,基于各个峰值点及其对应的左右基线点得到与各个峰值点相关的峰值流速、加速时间、减速时间、射血时间、速度时间积分、压力阶差及压力阶差减半时间,同时还能进一步转换得到各项测量参数的平均值。通过本发明,在基于频谱多普勒超声心动图进行血流参数测量时,不但可以解决因人工因素导致的测量准确度降低或测量质量不稳定等问题,还可以测量传统人工方式无法测量的其他数据,扩大了参数测量范围。
为实现上述目的,本发明实施例第一方面提供了一种二维频谱多普勒超声心动图像的处理方法,所述方法包括:
获取二维频谱多普勒超声心动图像生成第一图像;
对所述第一图像进行感兴趣区域图像提取处理生成对应的第二图像;
对所述第二图像进行高斯模糊图像处理生成对应的第三图像;
对所述第三图像进行二值化处理生成对应的第四图像;
对所述第四图像进行频谱包络线识别处理标记出对应的第一包络线;
对所述第一包络线进行峰值点识别处理标记出多个第一峰值点;
对各个所述第一峰值点进行左右基线点识别处理标记出对应的第一左基线点和第一右基线点;
根据完成峰值点和左右基线点标记的所述第一包络线,进行血流参数测算生成对应的血流参数组序列;所述血流参数组序列包括多个血流参数组;所述血流参数组包括峰值流速参数、压力阶差参数、加速时间参数、减速时间参数、射血时间参数、压差减半时间参数和速度时间积分参数;所述血流参数组与所述第一峰值点一一对应;
计算所述血流参数组序列中各个同类参数的平均值,得到峰值流速平均值、压力阶差平均值、加速时间平均值、减速时间平均值、射血时间平均值、压差减半时间平均值和速度时间积分平均值,并由所有平均值组成测量数据集合作为所述二维频谱多普勒超声心动图像的测量数据结果进行返回。
优选的,所述对所述第一图像进行感兴趣区域图像提取处理生成对应的第二图像,具体包括:
对所述第一图像进行血流速度零线识别处理标记出对应的第一零线;
若所述第一图像中的频谱图像大峰值朝上,则提取所述第一图像中从图像顶部到所述第一零线的子图像作为第一子图像;若所述第一图像中的频谱图像大峰值朝下,则提取所述第一图像中从所述第一零线到图像底部的子图像,并对提取出的子图像进行图像翻转处理生成所述第一子图像;所述第一子图像的图像底部均为所述第一零线;
对所述第一子图像的每行像素点的像素值总和进行统计,生成对应的第一行像素总和;并将数值最小的所述第一行像素总和对应的图像行记为最小像素行;并将所述第一子图像中从所述最小像素行到图像底部的子图像作为感兴趣区域图像进行提取,生成所述第二图像。
优选的,所述对所述第四图像进行频谱包络线识别处理标记出对应的第一包络线,具体包括:
将所述第四图像向左旋转90°生成对应的第一转置二值图;
对所述第一转置二值图进行逐行检查,将当前行中像素值均为预设的前景点像素值的连续像素点进行聚类,生成对应的连续像素点序列;
对同一行的多个所述连续像素点序列进行最优序列筛选,将像素点数量最多作为与当前行对应的最优连续像素点序列;并将各个所述最优连续像素点序列中的左边界像素点标记为行边界点;
按所述第一转置二值图与所述第四图像的像素点坐标转置对应关系,将所述第四图像中与各个所述行边界点对应的像素点记为列边界点;
对所述列边界点进行依次连接得到第一连接线;并对所述第一连接线进行光滑处理得到所述第一包络线;并在所述第四图像上完成对所述第一包络线的标记处理。
优选的,所述对所述第一包络线进行峰值点识别处理标记出多个第一峰值点,具体包括:
以所述第一包络线的各个采样点到第四图像底部零线的垂直距离为采样点的采样值,对所述第一包络线的各个采样点的采样值进行统计,生成第一采样值序列为{x1,x2…xi…xn},i为采样点索引,1≤i≤n,xi为各个采样点的采样值,n为所述第一包络线的采样点总数;
构建高斯核权重滑窗;设定所述高斯核权重滑窗的滑窗宽度w;设定所述高斯核权重滑窗内的采样值序列为{s1…sj…sw},j为滑窗内采样点索引,1≤j≤w,sj为滑窗内各个采样点的采样值;根据标准高斯函数以滑窗内的最大采样值smax对应的最大采样点索引jmax为均值μ,以四分之一滑窗宽度w/4为方差σ,构建所述高斯核权重滑窗内各个采样点的高斯核系数运算函数为/>kj为所述高斯核权重滑窗内各个采样点的高斯核系数;根据所述高斯核系数运算函数,构建所述高斯核权重滑窗的滑窗权值运算函数为/>A为滑窗权值,k’ j为与滑窗内各个所述高斯核系数kj对应的归一化高斯核系数;
在所述第一采样值序列{x1,x2…xi…xn}中,从第一个采样值x1开始,以步长为1、以所述滑窗宽度w为滑窗采样点数量,将所述第一采样值序列{x1,x2…xi…xn}切分成第二数量的子滑窗序列Ch;所述子滑窗序列Ch为{xi=h,xi=h+1…xi=h+w-1},h为子滑窗索引,1≤h≤第二数量,第二数量=n-w+1;
使用所述高斯核权重滑窗对各个所述子滑窗序列Ch进行滑窗权值运算;运算过程中,将所述当前子滑窗序列Ch的各个采样值转换为对应的滑窗内采样值sj,并将其中的最大值作为最大采样值smax,并将最大采样值smax在滑窗内的采样点索引作为对应的最大采样点索引jmax;并将各个滑窗内采样值sj的采样点索引及最大采样点索引jmax,代入所述高斯核系数运算函数进行运算得到多个高斯核系数kj;并对当前的所有高斯核系数kj进行归一化处理得到多个归一化高斯核系数kj ’;并将当前的所有归一化高斯核系数k’ j及其对应的滑窗内采样值sj代入所述滑窗权值运算函数进行运算得到对应的滑窗权值Ah;
将所述第一采样值序列{x1,x2…xi…xn}记为当前序列;并将所述当前序列上所述滑窗权值Ah为最大值的所述子滑窗序列Ch,标记为当前子滑窗序列;并将所述当前子滑窗序列上最大采样值对应的采样点索引,标记为峰值点索引P;并以所述峰值点索引P,将所述当前采样值序列分为左右部分记为左采样值序列和右采样值序列;并分别以所述左、右采样值序列为新的当前采样值序列,继续在所述新的当前采样值序列中对最大滑窗权值对应的子滑窗序列的最大采样值的采样点索引进行峰值点索引标记处理,直到所述新的当前采样值序列的序列长度低于预设的最小序列长度为止;
将所述第一包络线上,与所有所述峰值点索引P对应的采样点作为所述第一峰值点。
优选的,所述对各个所述第一峰值点进行左右基线点识别处理标记出对应的第一左基线点和第一右基线点,具体包括:
在所述第一包络线上,以各个所述第一峰值点为当前峰值点;
按预设的时间长度阈值,从所述当前峰值点向左和向右分别划分出一个对应的左包络线区间和右包络线区间;
将所述左包络线区间和右包络线区间上的最小包络线幅值记为对应的左区间最小值和右区间最小值;
在所述左包络线区间上,从所述当前峰值点出发向左进行左侧谷值点遍历;遍历时,计算所述当前峰值点的幅值与所述左区间最小值的差值生成第一幅差,计算当前左侧谷值点的幅值与所述左区间最小值的差值生成第二幅差,计算所述第二幅差与所述第一幅差的比值生成第一比值,若所述第一比值小于预设误差范围则将所述当前左侧谷值点作为与所述当前峰值点对应的所述第一左基线点并停止继续遍历,若所述第一比值大于或等于预设误差范围则转至下一个左侧谷值点继续遍历;
在所述右包络线区间上,从所述当前峰值点出发向右进行右侧谷值点遍历;遍历时,计算所述当前峰值点的幅值与所述右区间最小值的差值生成第三幅差,计算当前右侧谷值点的幅值与所述右区间最小值的差值生成第四幅差,计算所述第四幅差与所述第三幅差的比值生成第二比值,若所述第二比值小于预设误差范围则将所述当前右侧谷值点作为与所述当前峰值点对应的所述第一右基线点并停止继续遍历,若所述第二比值大于或等于预设误差范围则转至下一个右侧谷值点继续遍历。
优选的,所述根据完成峰值点和左右基线点标记的所述第一包络线,进行血流参数测算生成对应的血流参数组序列,具体包括:
在所述第一包络线上,以各个所述第一峰值点为当前峰值点,以所述当前峰值点对应的所述第一左基线点为当前左基线点,以所述当前峰值点对应的所述第一右基线点为当前右基线点;
以所述当前峰值点到第四图像底部零线的垂直距离作为对应峰值距离h,根据预设的单位峰值距离血流速度Vs和所述峰值距离h计算得到对应的所述峰值流速参数Vmax,Vmax=Vs*h;
根据所述峰值流速参数Vmax,计算生成对应的所述压力阶差参数△P,其中,
将所述当前左基线点到所述当前峰值点的时间间隔作为对应的所述加速时间参数Ta;
将所述当前峰值点到所述当前右基线点的时间间隔作为对应的所述减速时间参数Td;
将所述加速时间参数Ta和所述减速时间参数Td的总和作为对应的所述射血时间参数Te;
将所述第一包络线上从所述当前峰值点到所述当前右基线点的包络线片段记为当前片段;并在所述当前片段上,从所述当前峰值点起向右进行采样点遍历;遍历时,将当前采样点到第四图像底部零线的垂直距离作为对应的采样点距离hsam,并根据所述采样点距离hsam和所述单位峰值距离血流速度Vs计算生成对应的采样点流速Vsam=Vs*hsam,并根据所述采样点流速Vsam计算生成对应的采样点压力阶差并计算所述采样点压力阶差△Psam与所述压力阶差参数△P的比值生成第一比值,若所述第一比值进入预设的半值比例确认范围则停止遍历并将所述当前采样点作为压差半值采样点,若所述第一比值尚未进入所述半值比例确认范围则停转至下一个采样点继续遍历;并将所述当前峰值点到所述压差半值采样点的时间间隔作为对应的所述压差减半时间参数T△P/2;
对从所述当前左基线点到所述当前右基线点的第一包络线片段进行速度积分运算生成对应的所述速度时间积分参数;
将所述峰值流速参数Vmax、所述压力阶差参数△P、所述加速时间参数Ta、所述减速时间参数Td、所述射血时间参数Te、所述压差减半时间参数T△P/2和所述速度时间积分参数,组成与所述当前峰值点对应的所述血流参数组;并将所述血流参数组向所述血流参数组序列添加。
本发明实施例第二方面提供了一种实现上述第一方面所述的方法的装置,包括:获取模块、图像预处理模块、包络线处理模块和血流参数计算模块;
所述获取模块用于获取二维频谱多普勒超声心动图像生成第一图像;
所述图像预处理模块用于对所述第一图像进行感兴趣区域图像提取处理生成对应的第二图像;并对所述第二图像进行高斯模糊图像处理生成对应的第三图像;并对所述第三图像进行二值化处理生成对应的第四图像;
所述包络线处理模块用于对所述第四图像进行频谱包络线识别处理标记出对应的第一包络线;并对所述第一包络线进行峰值点识别处理标记出多个第一峰值点;并对各个所述第一峰值点进行左右基线点识别处理标记出对应的第一左基线点和第一右基线点;
所述血流参数计算模块用于根据完成峰值点和左右基线点标记的所述第一包络线,进行血流参数测算生成对应的血流参数组序列;所述血流参数组序列包括多个血流参数组;所述血流参数组包括峰值流速参数、压力阶差参数、加速时间参数、减速时间参数、射血时间参数、压差减半时间参数和速度时间积分参数;所述血流参数组与所述第一峰值点一一对应;
所述血流参数计算模块还用于计算所述血流参数组序列中各个同类参数的平均值,得到峰值流速平均值、压力阶差平均值、加速时间平均值、减速时间平均值、射血时间平均值、压差减半时间平均值和速度时间积分平均值,并由所有平均值组成测量数据集合作为所述二维频谱多普勒超声心动图像的测量数据结果进行返回。
本发明实施例第三方面提供了一种电子设备,包括:存储器、处理器和收发器;
所述处理器用于与所述存储器耦合,读取并执行所述存储器中的指令,以实现上述第一方面所述的方法步骤;
所述收发器与所述处理器耦合,由所述处理器控制所述收发器进行消息收发。
本发明实施例第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令被计算机执行时,使得所述计算机执行上述第一方面所述的方法的指令。
本发明实施例提供了一种二维频谱多普勒超声心动图像的处理方法、装置、电子设备及计算机可读存储介质,首先通过对原始的二维频谱多普勒超声心动图像进行感兴趣区域剪裁、高斯模糊处理和二值化处理来减少图像噪点、提高图像识别精度,然后通过对二值图进行频谱包络线提取来提高数据识别精度并同时增加了对连续数据的识别能力,然后通过使用高斯核权重滑窗对包络线进行滑窗权值运算来提高对包络线上正常信号峰值点的识别准确度,在得到峰值点之后通过与峰值点的幅差和时间间隔关系算出对应的左右基线点,最后基于各个峰值点及其对应的左右基线点不但可以得到与各个峰值点相关的峰值流速、加速时间、减速时间、射血时间还可以得到常规方法无法测量的血流量积分也就是速度时间积分和压力阶差及压力阶差减半时间,同时还能进一步转换得到各项测量参数的平均值。通过本发明,在基于频谱多普勒超声心动图进行血流参数测量时,不但可以解决因人工因素导致的测量准确度降低或测量质量不稳定等问题,还可以测量传统人工方式无法测量的其他数据,扩大了参数测量范围。
附图说明
图1为本发明实施例一提供的一种二维频谱多普勒超声心动图像的处理方法示意图;
图2a为本发明实施例一提供的一组第一图像和对应的第一子图像示意图;
图2b为本发明实施例一提供的另一组第一图像和对应的第一子图像示意图;
图2c为本发明实施例一提供的一组第三图像和第四图像示意图;
图2d为本发明实施例一提供的一组第四图像和第一转置二值图示意图;
图3为本发明实施例二提供的一种二维频谱多普勒超声心动图像的处理装置的模块结构图;
图4为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,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它实施例,都属于本发明保护的范围。
本发明实施例一提供的一种二维频谱多普勒超声心动图像的处理方法,如图1为本发明实施例一提供的一种二维频谱多普勒超声心动图像的处理方法示意图所示,本方法主要包括如下步骤:
步骤1,获取二维频谱多普勒超声心动图像生成第一图像。
这里,二维频谱多普勒超声心动图像可具体为二维的连续多普勒(continuouswaveDoppler,CW)超声心动图像。
步骤2,对第一图像进行感兴趣区域图像提取处理生成对应的第二图像;
具体包括:步骤21,对第一图像进行血流速度零线识别处理标记出对应的第一零线;
这里,在原始的二维频谱多普勒超声心动图像也就是第一图像上,血流速度零线要么是由标准刻度进行标识、要么由特殊颜色的线条进行标识,本发明实施例可通过多种方式来对其进行识别和定位;
其中一种实现方式中,对第一图像进行血流速度零线识别处理标记出对应的第一零线具体包括:对第一图像每行像素点的平均像素值进行计算得到对应的第一行像素均值,计算第一行像素均值与预设的零线像素值的差值生成对应的第一像素差值,若第一像素差值满足预设的零线像素误差范围,则将第一像素差值对应的行作为零线行,并根据零线行在第一图像上标记出第一零线;
步骤22,若第一图像中的频谱图像大峰值朝上,则提取第一图像中从图像顶部到第一零线的子图像作为第一子图像;若第一图像中的频谱图像大峰值朝下,则提取第一图像中从第一零线到图像底部的子图像,并对提取出的子图像进行图像翻转处理生成第一子图像;第一子图像的图像底部均为第一零线;
这里,频谱图像大峰值朝上、朝下对应血流的两个相反方向;为便于对图像进行处理,当前步骤将所有频谱图像都处理为大峰值朝上形状,因此在频谱图像大峰值朝下时要对原始图像进行上下翻转;另外对于原始的二维频谱多普勒超声心动图像,若大峰值朝上一般在血流速度零线之下还是会存在一些峰值较小的干扰信号,若大峰值朝下一般在血流速度零线之上也会存在一些峰值较小的干扰信号,所以在当前步骤进行图像裁剪时还会一并将这些干扰信号图像剪除;
以图2a为本发明实施例一提供的一组第一图像和对应的第一子图像示意图为例,其中第一图像的大峰值朝上,从该第一图像顶部到第一零线进行图像剪裁后得到第一子图像;
以图2b为本发明实施例一提供的另一组第一图像和对应的第一子图像示意图为例,其中第一图像的大峰值朝下,先从第一零线到该第一图像底部进行图像剪裁,再将剪裁图像进行翻转得到第一子图像;
步骤23,对第一子图像的每行像素点的像素值总和进行统计,生成对应的第一行像素总和;并将数值最小的第一行像素总和对应的图像行记为最小像素行;并将第一子图像中从最小像素行到图像底部的子图像作为感兴趣区域图像进行提取,生成第二图像。
这里,在图像处理过程中,第一子图像的顶部还会存在一些无用背景,为提高图像辨识度,当前步骤就是对第一子图像进行进一步的裁剪,将顶部一些无用的背景行删除。
步骤3,对第二图像进行高斯模糊图像处理生成对应的第三图像。
这里,对图像进行高斯模糊处理是为了进一步消除图像噪声。
步骤4,对第三图像进行二值化处理生成对应的第四图像。
这里,如图2c为本发明实施例一提供的一组第三图像和第四图像示意图所示。
步骤5,对第四图像进行频谱包络线识别处理标记出对应的第一包络线;
具体包括:步骤51,将第四图像向左旋转90°生成对应的第一转置二值图;
这里,之所以对第四图像进行转置,是为了在后续步骤中可以采用计算更便捷的行遍历方式;转置前后的第四图像和第一转置二值图,如图2d为本发明实施例一提供的一组第四图像和第一转置二值图示意图所示;
步骤52,对第一转置二值图进行逐行检查,将当前行中像素值均为预设的前景点像素值的连续像素点进行聚类,生成对应的连续像素点序列;
步骤53,对同一行的多个连续像素点序列进行最优序列筛选,将像素点数量最多作为与当前行对应的最优连续像素点序列;并将各个最优连续像素点序列中的左边界像素点标记为行边界点;
这里,选择最优连续像素点序列就是为了消除图2d中左边的干扰噪点,或者消除图像中一些孤立噪点;
步骤54,按第一转置二值图与第四图像的像素点坐标转置对应关系,将第四图像中与各个行边界点对应的像素点记为列边界点;
这里,第一转置二值图的行边界点对应的第四图像的列边界点实际就是包络点;
步骤55,对列边界点进行依次连接得到第一连接线;并对第一连接线进行光滑处理得到第一包络线;并在第四图像上完成对第一包络线的标记处理。
这里,为了对包络点中的噪点进行进一步消除,所以对包络点连接线也就是第一连接线进行平滑处理,在平滑处理过程中会消除时间间隔过短、幅值变化过大的噪声包络点,最后得到相对较为平滑的第一包络线。
步骤6,对第一包络线进行峰值点识别处理标记出多个第一峰值点;
具体包括:步骤61,以第一包络线的各个采样点到第四图像底部零线的垂直距离为采样点的采样值,对第一包络线的各个采样点的采样值进行统计,生成第一采样值序列为{x1,x2…xi…xn};
其中,i为采样点索引,1≤i≤n,xi为各个采样点的采样值,n为第一包络线的采样点总数;
步骤62,构建高斯核权重滑窗;
具体包括:步骤621,设定高斯核权重滑窗的滑窗宽度w;
这里,可预先对高斯核权重滑窗内的滑窗采样点总数进行设定得到一个预设采样点总数,并以此预设采样点总数作为高斯核权重滑窗的滑窗宽度w;
步骤622,设定高斯核权重滑窗内的采样值序列为{s1…sj…sw};
其中,j为滑窗内采样点索引,1≤j≤w,sj为滑窗内各个采样点的采样值;
这里,因为滑窗宽度w即是滑窗内的采样点总数,所以1≤j≤w;
步骤622,根据标准高斯函数以滑窗内的最大采样值smax对应的最大采样点索引jmax为均值μ,以四分之一滑窗宽度w/4为方差σ,构建高斯核权重滑窗内各个采样点的高斯核系数运算函数为/>
其中,kj为高斯核权重滑窗内各个采样点的高斯核系数;
步骤623,根据高斯核系数运算函数,构建高斯核权重滑窗的滑窗权值运算函数为
其中,A为滑窗权值,k’ j为与滑窗内各个高斯核系数kj对应的归一化高斯核系数;
步骤63,在第一采样值序列{x1,x2…xi…xn}中,从第一个采样值x1开始,以步长为1、以滑窗宽度w为滑窗采样点数量,将第一采样值序列{x1,x2…xi…xn}切分成第二数量的子滑窗序列Ch;
其中,子滑窗序列Ch为{xi=h,xi=h+1…xi=h+w-1},h为子滑窗索引,1≤h≤第二数量,第二数量=n-w+1;
例如,第一采样值序列为{x1=d1,x2=d2,x3=d3,x4=d4,x5=d5,x6=d6},则n=6,滑窗宽度w=4,第二数量=6-4+1=3,子滑窗序列有3个分别为:
Ch=1{x1=d1,x2=d2,x3=d3,x4=d4},
Ch=2{x2=d2,x3=d3,x4=d4,x5=d5}
Ch=3{x3=d3,x4=d4,x5=d5,x6=d6};
步骤64,使用高斯核权重滑窗对各个子滑窗序列Ch进行滑窗权值运算得到对应的滑窗权值Ah;
具体包括:将当前子滑窗序列Ch的各个采样值转换为对应的滑窗内采样值sj,并将其中的最大值作为最大采样值smax,并将最大采样值smax在滑窗内的采样点索引作为对应的最大采样点索引jmax;并将各个滑窗内采样值sj的采样点索引及最大采样点索引jmax,代入高斯核系数运算函数进行运算得到多个高斯核系数kj;并对当前的所有高斯核系数kj进行归一化处理得到多个归一化高斯核系数kj ’;并将当前的所有归一化高斯核系数k’ j及其对应的滑窗内采样值sj代入滑窗权值运算函数进行运算得到对应的滑窗权值Ah;
例如,第一采样值序列为{x1=d1,x2=d2,x3=d3,x4=d4,x5=d5,x6=d6},n=6,w=4,子滑窗序列包括:Ch=1{x1=d1,x2=d2,x3=d3,x4=d4},Ch=2{x2=d2,x3=d3,x4=d4,x5=d5}和Ch=3{x3=d3,x4=d4,x5=d5,x6=d6};
在对Ch=1{x1=d1,x2=d2,x3=d3,x4=d4}进行滑窗权值运算时,1≤j≤4;将当前子滑窗序列Ch=1的各个采样值转换为对应的滑窗内采样值sj,得到:s1=x1=d1、s2=x2=d2、s3=x3=d3、s4=x4=d4;若其中最大采样值为d2,则smax=s2,对应的jmax=2;将各个滑窗内采样值sj的采样点索引(j=1、2、3、4)及最大采样点索引jmax=2,代入高斯核系数运算函数进行运算得到多个高斯核系数kj:
高斯核系数
高斯核系数
高斯核系数
高斯核系数对k1、k2、k3和k4,做归一化处理得到对应的归一化高斯核系数k’1、k’2、k’3和k’4;再将k’1、k’2、k’3和k’4和对应的s1、s2、s3和s4带入滑窗权值运算函数/>就可得到滑窗权值Ah=1=k′1×d1+k′2×d2+k′3×d3+k′4×d4;
在对Ch=2{x2=d2,x3=d3,x4=d4,x5=d5}进行滑窗权值运算时,1≤j≤4;将当前子滑窗序列Ch=2的各个采样值转换为对应的滑窗内采样值sj,得到:s1=x2=d2、s2=x3=d3、s3=x4=d4、s4=x5=d5;若其中最大采样值仍为d2,则smax=s1,对应的jmax=1;将各个滑窗内采样值sj的采样点索引(j=1、2、3、4)及最大采样点索引jmax=1,代入高斯核系数运算函数进行运算得到多个高斯核系数kj:
高斯核系数
高斯核系数
高斯核系数
高斯核系数
对k1、k2、k3和k4,做归一化处理得到对应的归一化高斯核系数k’1、k’2、k’3和k’4;再将k’1、k’2、k’3和k’4和对应的s1、s2、s3和s4带入滑窗权值运算函数就可得到滑窗权值Ah=1=k′1×d2+k′2×d3+k′3×d4+k′4×d5;
在对Ch=3{x3=d3,x4=d4,x5=d5,x6=d6}进行滑窗权值运算时,1≤j≤4;将当前子滑窗序列Ch=3的各个采样值转换为对应的滑窗内采样值sj,得到:s1=x3=d3、s2=x4=d4、s3=x5=d5、s4=x6=d6;若其中最大采样值为d6,则smax=s4,对应的jmax=4;将各个滑窗内采样值sj的采样点索引(j=1、2、3、4)及最大采样点索引jmax=4,代入高斯核系数运算函数进行运算得到多个高斯核系数kj:
高斯核系数
高斯核系数
高斯核系数
高斯核系数
对k1、k2、k3和k4,做归一化处理得到对应的归一化高斯核系数k’1、k’2、k’3和k’4;再将k’1、k’2、k’3和k’4和对应的s1、s2、s3和s4带入滑窗权值运算函数就可得到滑窗权值Ah=1=k′1×d3+k′2×d4+k′3×d5+k′4×d6;
步骤65,将第一采样值序列{x1,x2…xi…xn}记为当前序列;并将当前序列上滑窗权值Ah为最大值的子滑窗序列Ch,标记为当前子滑窗序列;并将当前子滑窗序列上最大采样值对应的采样点索引,标记为峰值点索引P;并以峰值点索引P,将当前采样值序列分为左右部分记为左采样值序列和右采样值序列;并分别以左、右采样值序列为新的当前采样值序列,继续在新的当前采样值序列中对最大滑窗权值对应的子滑窗序列的最大采样值的采样点索引进行峰值点索引标记处理,直到新的当前采样值序列的序列长度低于预设的最小序列长度为止;
例如,第一采样值序列有5个子滑窗序列C1、C2、C3、C4和C5,5个子滑窗序列C1、C2、C3、C4和C5对应的滑窗权值的大小关系为:A1<A2<A3,A3>A4>A5;那么,第一采样值序列中滑窗权值最大的是C3,若C3中采样值最大的是第2个采样点,那么C3中的第2个采样点的索引会记为峰值点索引;以C3的第2个采样点把第一采样值序列分成两部分记为左、右采样值序列;对于左、右采样值序列则继续按照上述方式进行峰值点索引标记,直到被分出来的左、右采样值序列的序列长度已经低于最小序列长度为止;
步骤66,将第一包络线上,与所有峰值点索引P对应的采样点作为第一峰值点。
步骤7,对各个第一峰值点进行左右基线点识别处理标记出对应的第一左基线点和第一右基线点;
具体包括:步骤71,在第一包络线上,以各个第一峰值点为当前峰值点;
步骤72,按预设的时间长度阈值,从当前峰值点向左和向右分别划分出一个对应的左包络线区间和右包络线区间;
这里,时间长度阈值常规情况下设为半个心搏周期时长也就是时间长度阈值=心搏周期时长/2;对于心搏周期时长的计算方法有多种,可以对当前峰值点与前后峰值点的峰-峰间距取平均值作为该心搏周期时长,也可对第一包络线上所有相邻峰值点的峰-峰间距取平均值作为该心搏周期时长;
步骤73,将左包络线区间和右包络线区间上的最小包络线幅值记为对应的左区间最小值和右区间最小值;
这里,在理想情况下包络线基线没有发生任何漂移、包络线波形也没有因毛刺或干扰导致的局部极大、极小值时,左、右包络线区间上最小包络线幅值对应的点应是一个谷值点;但在实际情况中,包络线基线经常发生局部漂移且包络线波形也可能因毛刺或干扰导致在波形上升或下降沿上存在局部极大、极小值,这种情况下,左、右包络线区间上最小包络线幅值对应的点可能是一个谷值点也可能是左、右包络线区间边界的上升沿或下降沿上的一个最小值点;这里之所以要提取左区间最小值和右区间最小值,是为了将二者作为左、右包络线区间的参考基线零点来弱化因基线漂移、包络线波形毛刺导致的基线点提取误差;
步骤74,在左包络线区间上,从当前峰值点出发向左进行左侧谷值点遍历;遍历时,计算当前峰值点的幅值与左区间最小值的差值生成第一幅差,计算当前左侧谷值点的幅值与左区间最小值的差值生成第二幅差,计算第二幅差与第一幅差的比值生成第一比值,若第一比值小于预设误差范围则将当前左侧谷值点作为与当前峰值点对应的第一左基线点并停止继续遍历,若第一比值大于或等于预设误差范围则转至下一个左侧谷值点继续遍历;
需要说明的是,如果左包络线区间上没有第一比值小于预设误差范围的左侧谷值点,说明所有遍历的谷值点可能都是毛刺或干扰导致的波形上升或下降沿上的局部极大、极小值,此时将第一左基线点设定为左区间最小值对应的采样点;这里,预设误差范围可由多次试验之后得到的一个最佳值来进行设定;
步骤75,在右包络线区间上,从当前峰值点出发向右进行右侧谷值点遍历;遍历时,计算当前峰值点的幅值与右区间最小值的差值生成第三幅差,计算当前右侧谷值点的幅值与右区间最小值的差值生成第四幅差,计算第四幅差与第三幅差的比值生成第二比值,若第二比值小于预设误差范围则将当前右侧谷值点作为与当前峰值点对应的第一右基线点并停止继续遍历,若第二比值大于或等于预设误差范围则转至下一个右侧谷值点继续遍历。
需要说明的是,如果右包络线区间上没有第二比值小于预设误差范围的左侧谷值点,说明所有遍历的谷值点可能都是毛刺或干扰导致的波形上升或下降沿上的局部极大、极小值,此时将第一右基线点设定为右区间最小值对应的采样点;这里,预设误差范围可由多次试验之后得到的一个最佳值来进行设定。
步骤8,根据完成峰值点和左右基线点标记的第一包络线,进行血流参数测算生成对应的血流参数组序列;
其中,血流参数组序列包括多个血流参数组;血流参数组包括峰值流速参数、压力阶差参数、加速时间参数、减速时间参数、射血时间参数、压差减半时间参数和速度时间积分参数;血流参数组与第一峰值点一一对应;
具体包括:步骤81,在第一包络线上,以各个第一峰值点为当前峰值点,以当前峰值点对应的第一左基线点为当前左基线点,以当前峰值点对应的第一右基线点为当前右基线点;
步骤82,以当前峰值点到第四图像底部零线的垂直距离作为对应峰值距离h,根据预设的单位峰值距离血流速度Vs和峰值距离h计算得到对应的峰值流速参数Vmax,Vmax=Vs*h;
这里,常规情况下原始的二维频谱多普勒超声心动图像上都会有纵向单位距离与流速的标尺信息,第四图像从二维频谱多普勒超声心动图像剪裁而来但并未发生缩小、放大操作,所以可以沿用原始二维频谱多普勒超声心动图像上的纵向单位距离与流速的标尺信息也就是单位峰值距离血流速度Vs来与各个采样点距离基线的距离相乘得到对应的采样点流速;那么若采样点为峰值点,则对应的采样点流速就是峰值流速;
步骤83,根据峰值流速参数Vmax,计算生成对应的压力阶差参数△P,其中,
这里,公知的由流体动力学简化伯努利方程推导出压力阶差(pressuregradient)与峰值流速的换算关系就是流速平方的四倍关系,所以直接将峰值流速参数Vmax带入换算关系即可获得压力阶差;
步骤84,将当前左基线点到当前峰值点的时间间隔作为对应的加速时间参数Ta;
这里,当前左基线点对应的时间点可视为当次心搏周期中的最小血流速度时间点,当前峰值点对应的时间点可视为当次心搏周期中的最大血流速度时间点,那么当次心搏周期中因心脏房室运动导致的当次血流速度的加速时间参数Ta,自然以最大血流速度时间点减去加速前最小血流速度时间点的时间差来决定;
步骤85,将当前峰值点到当前右基线点的时间间隔作为对应的减速时间参数Td;
这里,当前峰值点对应的时间点可视为当次心搏周期中的最大血流速度时间点,当前右基线点对应的时间点可视为当次心搏周期中的另一个最小血流速度时间点,那么当次心搏周期中因心脏房室运动导致的当次血流速度的减速时间参数Ta,自然以减速后最小血流速度时间点减去最大血流速度时间点的时间差来决定;
步骤86,将加速时间参数Ta和减速时间参数Td的总和作为对应的射血时间参数Te;
这里,射血时间可视为单次心搏周期中因心脏房室运动导致的当次血流速度从最小值到最大值的加速时间参数Ta和再从最大值到最小值的减速时间参数Td的总和;
步骤87,将第一包络线上从当前峰值点到当前右基线点的包络线片段记为当前片段;并在当前片段上,从当前峰值点起向右进行采样点遍历;遍历时,将当前采样点到第四图像底部零线的垂直距离作为对应的采样点距离hsam,并根据采样点距离hsam和单位峰值距离血流速度Vs计算生成对应的采样点流速Vsam=Vs*hsam,并根据采样点流速Vsam计算生成对应的采样点压力阶差并计算采样点压力阶差△Psam与压力阶差参数△P的比值生成第一比值,若第一比值进入预设的半值比例确认范围则停止遍历并将当前采样点作为压差半值采样点,若第一比值尚未进入半值比例确认范围则停转至下一个采样点继续遍历;并将当前峰值点到压差半值采样点的时间间隔作为对应的压差减半时间参数TP/2;
这里,压差半值采样点实际就是压力阶差相对峰值点减半的采样点,第一比值的理想值为0.5,在实际应用中很难达到,所以本发明实施例为理想值0.5定义了一个半值比例确认范围,也就是在0.5上下的一个浮动误差范围,只要第一比值进入该范围其对应的采样点即可被认为是压差半值采样点;
步骤88,对从当前左基线点到当前右基线点的第一包络线片段进行速度积分运算生成对应的速度时间积分参数;
这里,速度时间积分参数常用于评估被测者的心脏功能强度等;
步骤89,将峰值流速参数Vmax、压力阶差参数△P、加速时间参数Ta、减速时间参数Td、射血时间参数Te、压差减半时间参数T△P/2和速度时间积分参数,组成与当前峰值点对应的血流参数组;并将血流参数组向血流参数组序列添加。
步骤9,计算血流参数组序列中各个同类参数的平均值,得到峰值流速平均值、压力阶差平均值、加速时间平均值、减速时间平均值、射血时间平均值、压差减半时间平均值和速度时间积分平均值,并由所有平均值组成测量数据集合作为二维频谱多普勒超声心动图像的测量数据结果进行返回。
图3为本发明实施例二提供的一种二维频谱多普勒超声心动图像的处理装置的模块结构图,该装置可以为实现本发明实施例方法的终端设备或者服务器,也可以为与上述终端设备或者服务器连接的实现本发明实施例方法的装置,例如该装置可以是上述终端设备或者服务器的装置或芯片系统。如图3所示,该装置包括:获取模块201、图像预处理模块202、包络线处理模块203和血流参数计算模块204。
获取模块201用于获取二维频谱多普勒超声心动图像生成第一图像。
图像预处理模块202用于对第一图像进行感兴趣区域图像提取处理生成对应的第二图像;并对第二图像进行高斯模糊图像处理生成对应的第三图像;并对第三图像进行二值化处理生成对应的第四图像。
包络线处理模块203用于对第四图像进行频谱包络线识别处理标记出对应的第一包络线;并对第一包络线进行峰值点识别处理标记出多个第一峰值点;并对各个第一峰值点进行左右基线点识别处理标记出对应的第一左基线点和第一右基线点。
血流参数计算模块204用于根据完成峰值点和左右基线点标记的第一包络线,进行血流参数测算生成对应的血流参数组序列;血流参数组序列包括多个血流参数组;血流参数组包括峰值流速参数、压力阶差参数、加速时间参数、减速时间参数、射血时间参数、压差减半时间参数和速度时间积分参数;血流参数组与第一峰值点一一对应。
血流参数计算模块204还用于计算血流参数组序列中各个同类参数的平均值,得到峰值流速平均值、压力阶差平均值、加速时间平均值、减速时间平均值、射血时间平均值、压差减半时间平均值和速度时间积分平均值,并由所有平均值组成测量数据集合作为二维频谱多普勒超声心动图像的测量数据结果进行返回。
本发明实施例提供的一种二维频谱多普勒超声心动图像的处理装置,可以执行上述方法实施例中的方法步骤,其实现原理和技术效果类似,在此不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,获取模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,ASIC),或,一个或多个数字信号处理器(Digital Signal Processor,DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(System-on-a-chip,SOC)的形式实现。
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。该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该计算机程序指令时,全部或部分地产生按照本发明实施例所描述的流程或功能。上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。上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个计算机可读存储介质传输,例如,上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、数字用户线路(Digital Subscriber Line,DSL))或无线(例如红外、无线、蓝牙、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。上述计算机可读存储介质可以是计算机能够存取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。上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。
图4为本发明实施例三提供的一种电子设备的结构示意图。该电子设备可以为前述的终端设备或者服务器,也可以为与前述终端设备或者服务器连接的实现本发明实施例方法的终端设备或服务器。如图4所示,该电子设备可以包括:处理器301(例如CPU)、存储器302、收发器303;收发器303耦合至处理器301,处理器301控制收发器303的收发动作。存储器302中可以存储各种指令,以用于完成各种处理功能以及实现本发明上述实施例中提供的方法和处理过程。优选的,本发明实施例涉及的电子设备还包括:电源304、系统总线305以及通信端口306。系统总线305用于实现元件之间的通信连接。上述通信端口306用于电子设备与其他外设之间进行连接通信。
在图4中提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,RAM),也可能还包括非易失性存储器(Non-Volatile Memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器CPU、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是,本发明实施例还提供一种计算机可读存储介质,该存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中提供的方法和处理过程。
本发明实施例还提供一种运行指令的芯片,该芯片用于执行上述实施例中提供的方法和处理过程。
本发明实施例提供了一种二维频谱多普勒超声心动图像的处理方法、装置、电子设备及计算机可读存储介质,首先通过对原始的二维频谱多普勒超声心动图像进行感兴趣区域剪裁、高斯模糊处理和二值化处理来减少图像噪点、提高图像识别精度,然后通过对二值图进行频谱包络线提取来提高数据识别精度并同时增加了对连续数据的识别能力,然后通过使用高斯核权重滑窗对包络线进行滑窗权值运算来提高对包络线上正常信号峰值点的识别准确度,在得到峰值点之后通过与峰值点的幅差和时间间隔关系算出对应的左右基线点,最后基于各个峰值点及其对应的左右基线点不但可以得到与各个峰值点相关的峰值流速、加速时间、减速时间、射血时间还可以得到常规方法无法测量的血流量积分也就是速度时间积分和压力阶差及压力阶差减半时间,同时还能进一步转换得到各项测量参数的平均值。通过本发明,在基于频谱多普勒超声心动图进行血流参数测量时,不但可以解决因人工因素导致的测量准确度降低或测量质量不稳定等问题,还可以测量传统人工方式无法测量的其他数据,扩大了参数测量范围。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种二维频谱多普勒超声心动图像的处理方法,其特征在于,所述方法包括:
获取二维频谱多普勒超声心动图像生成第一图像;
对所述第一图像进行感兴趣区域图像提取处理生成对应的第二图像;
对所述第二图像进行高斯模糊图像处理生成对应的第三图像;
对所述第三图像进行二值化处理生成对应的第四图像;
对所述第四图像进行频谱包络线识别处理标记出对应的第一包络线;
对所述第一包络线进行峰值点识别处理标记出多个第一峰值点;
对各个所述第一峰值点进行左右基线点识别处理标记出对应的第一左基线点和第一右基线点;
根据完成峰值点和左右基线点标记的所述第一包络线,进行血流参数测算生成对应的血流参数组序列;所述血流参数组序列包括多个血流参数组;所述血流参数组包括峰值流速参数、压力阶差参数、加速时间参数、减速时间参数、射血时间参数、压差减半时间参数和速度时间积分参数;所述血流参数组与所述第一峰值点一一对应;
计算所述血流参数组序列中各个同类参数的平均值,得到峰值流速平均值、压力阶差平均值、加速时间平均值、减速时间平均值、射血时间平均值、压差减半时间平均值和速度时间积分平均值,并由所有平均值组成测量数据集合作为所述二维频谱多普勒超声心动图像的测量数据结果进行返回;
其中,所述根据完成峰值点和左右基线点标记的所述第一包络线,进行血流参数测算生成对应的血流参数组序列,具体包括:
在所述第一包络线上,以各个所述第一峰值点为当前峰值点,以所述当前峰值点对应的所述第一左基线点为当前左基线点,以所述当前峰值点对应的所述第一右基线点为当前右基线点;
以所述当前峰值点到第四图像底部零线的垂直距离作为对应峰值距离h,根据预设的单位峰值距离血流速度Vs和所述峰值距离h计算得到对应的所述峰值流速参数Vmax,Vmax=Vs*h;
根据所述峰值流速参数Vmax,计算生成对应的所述压力阶差参数△P,其中,
将所述当前左基线点到所述当前峰值点的时间间隔作为对应的所述加速时间参数Ta;
将所述当前峰值点到所述当前右基线点的时间间隔作为对应的所述减速时间参数Td;
将所述加速时间参数Ta和所述减速时间参数Td的总和作为对应的所述射血时间参数Te;
将所述第一包络线上从所述当前峰值点到所述当前右基线点的包络线片段记为当前片段;并在所述当前片段上,从所述当前峰值点起向右进行采样点遍历;遍历时,将当前采样点到第四图像底部零线的垂直距离作为对应的采样点距离hsam,并根据所述采样点距离hsam和所述单位峰值距离血流速度Vs计算生成对应的采样点流速Vsam=Vs*hsam,并根据所述采样点流速Vsam计算生成对应的采样点压力阶差并计算所述采样点压力阶差△Psam与所述压力阶差参数△P的比值生成第一比值,若所述第一比值进入预设的半值比例确认范围则停止遍历并将所述当前采样点作为压差半值采样点,若所述第一比值尚未进入所述半值比例确认范围则停转至下一个采样点继续遍历;并将所述当前峰值点到所述压差半值采样点的时间间隔作为对应的所述压差减半时间参数T△P/2;
对从所述当前左基线点到所述当前右基线点的第一包络线片段进行速度积分运算生成对应的所述速度时间积分参数;
将所述峰值流速参数Vmax、所述压力阶差参数△P、所述加速时间参数Ta、所述减速时间参数Td、所述射血时间参数Te、所述压差减半时间参数T△P/2和所述速度时间积分参数,组成与所述当前峰值点对应的所述血流参数组;并将所述血流参数组向所述血流参数组序列添加。
2.根据权利要求1所述的二维频谱多普勒超声心动图像的处理方法,其特征在于,所述对所述第一图像进行感兴趣区域图像提取处理生成对应的第二图像,具体包括:
对所述第一图像进行血流速度零线识别处理标记出对应的第一零线;
若所述第一图像中的频谱图像大峰值朝上,则提取所述第一图像中从图像顶部到所述第一零线的子图像作为第一子图像;若所述第一图像中的频谱图像大峰值朝下,则提取所述第一图像中从所述第一零线到图像底部的子图像,并对提取出的子图像进行图像翻转处理生成所述第一子图像;所述第一子图像的图像底部均为所述第一零线;
对所述第一子图像的每行像素点的像素值总和进行统计,生成对应的第一行像素总和;并将数值最小的所述第一行像素总和对应的图像行记为最小像素行;并将所述第一子图像中从所述最小像素行到图像底部的子图像作为感兴趣区域图像进行提取,生成所述第二图像。
3.根据权利要求1所述的二维频谱多普勒超声心动图像的处理方法,其特征在于,所述对所述第四图像进行频谱包络线识别处理标记出对应的第一包络线,具体包括:
将所述第四图像向左旋转90°生成对应的第一转置二值图;
对所述第一转置二值图进行逐行检查,将当前行中像素值均为预设的前景点像素值的连续像素点进行聚类,生成对应的连续像素点序列;
对同一行的多个所述连续像素点序列进行最优序列筛选,将像素点数量最多作为与当前行对应的最优连续像素点序列;并将各个所述最优连续像素点序列中的左边界像素点标记为行边界点;
按所述第一转置二值图与所述第四图像的像素点坐标转置对应关系,将所述第四图像中与各个所述行边界点对应的像素点记为列边界点;
对所述列边界点进行依次连接得到第一连接线;并对所述第一连接线进行光滑处理得到所述第一包络线;并在所述第四图像上完成对所述第一包络线的标记处理。
4.根据权利要求1所述的二维频谱多普勒超声心动图像的处理方法,其特征在于,所述对所述第一包络线进行峰值点识别处理标记出多个第一峰值点,具体包括:
以所述第一包络线的各个采样点到第四图像底部零线的垂直距离为采样点的采样值,对所述第一包络线的各个采样点的采样值进行统计,生成第一采样值序列为{x1,x2…xi…xn},i为采样点索引,1≤i≤n,xi为各个采样点的采样值,n为所述第一包络线的采样点总数;
构建高斯核权重滑窗;设定所述高斯核权重滑窗的滑窗宽度w;设定所述高斯核权重滑窗内的采样值序列为{s1…sj…sw},j为滑窗内采样点索引,1≤j≤w,sj为滑窗内各个采样点的采样值;根据标准高斯函数以滑窗内的最大采样值smax对应的最大采样点索引jmax为均值μ,以四分之一滑窗宽度w/4为方差σ,构建所述高斯核权重滑窗内各个采样点的高斯核系数运算函数为/>kj为所述高斯核权重滑窗内各个采样点的高斯核系数;根据所述高斯核系数运算函数,构建所述高斯核权重滑窗的滑窗权值运算函数为/>A为滑窗权值,k’j为与滑窗内各个所述高斯核系数kj对应的归一化高斯核系数;
在所述第一采样值序列{x1,x2…xi…xn}中,从第一个采样值x1开始,以步长为1、以所述滑窗宽度w为滑窗采样点数量,将所述第一采样值序列{x1,x2…xi…xn}切分成第二数量的子滑窗序列Ch;所述子滑窗序列Ch为{xi=h,xi=h+1…xi=h+w-1},h为子滑窗索引,1≤h≤第二数量,第二数量=n-w+1;
使用所述高斯核权重滑窗对各个所述子滑窗序列Ch进行滑窗权值运算;运算过程中,将当前子滑窗序列Ch的各个采样值转换为对应的滑窗内采样值sj,并将其中的最大值作为最大采样值smax,并将最大采样值smax在滑窗内的采样点索引作为对应的最大采样点索引jmax;并将各个滑窗内采样值sj的采样点索引及最大采样点索引jmax,代入所述高斯核系数运算函数进行运算得到多个高斯核系数kj;并对当前的所有高斯核系数kj进行归一化处理得到多个归一化高斯核系数k’j;并将当前的所有归一化高斯核系数k’j及其对应的滑窗内采样值sj代入所述滑窗权值运算函数进行运算得到对应的滑窗权值Ah;
将所述第一采样值序列{x1,x2…xi…xn}记为当前序列;并将所述当前序列上所述滑窗权值Ah为最大值的所述子滑窗序列Ch,标记为当前子滑窗序列;并将所述当前子滑窗序列上最大采样值对应的采样点索引,标记为峰值点索引P;并以所述峰值点索引P,将所述当前采样值序列分为左右部分记为左采样值序列和右采样值序列;并分别以所述左、右采样值序列为新的当前采样值序列,继续在所述新的当前采样值序列中对最大滑窗权值对应的子滑窗序列的最大采样值的采样点索引进行峰值点索引标记处理,直到所述新的当前采样值序列的序列长度低于预设的最小序列长度为止;
将所述第一包络线上,与所有所述峰值点索引P对应的采样点作为所述第一峰值点。
5.根据权利要求1所述的二维频谱多普勒超声心动图像的处理方法,其特征在于,所述对各个所述第一峰值点进行左右基线点识别处理标记出对应的第一左基线点和第一右基线点,具体包括:
在所述第一包络线上,以各个所述第一峰值点为当前峰值点;
按预设的时间长度阈值,从所述当前峰值点向左和向右分别划分出一个对应的左包络线区间和右包络线区间;
将所述左包络线区间和右包络线区间上的最小包络线幅值记为对应的左区间最小值和右区间最小值;
在所述左包络线区间上,从所述当前峰值点出发向左进行左侧谷值点遍历;遍历时,计算所述当前峰值点的幅值与所述左区间最小值的差值生成第一幅差,计算当前左侧谷值点的幅值与所述左区间最小值的差值生成第二幅差,计算所述第二幅差与所述第一幅差的比值生成第一比值,若所述第一比值小于预设误差范围则将所述当前左侧谷值点作为与所述当前峰值点对应的所述第一左基线点并停止继续遍历,若所述第一比值大于或等于预设误差范围则转至下一个左侧谷值点继续遍历;
在所述右包络线区间上,从所述当前峰值点出发向右进行右侧谷值点遍历;遍历时,计算所述当前峰值点的幅值与所述右区间最小值的差值生成第三幅差,计算当前右侧谷值点的幅值与所述右区间最小值的差值生成第四幅差,计算所述第四幅差与所述第三幅差的比值生成第二比值,若所述第二比值小于预设误差范围则将所述当前右侧谷值点作为与所述当前峰值点对应的所述第一右基线点并停止继续遍历,若所述第二比值大于或等于预设误差范围则转至下一个右侧谷值点继续遍历。
6.一种用于实现权利要求1-5任一项所述的二维频谱多普勒超声心动图像的处理方法步骤的装置,其特征在于,所述装置包括:获取模块、图像预处理模块、包络线处理模块和血流参数计算模块;
所述获取模块用于获取二维频谱多普勒超声心动图像生成第一图像;
所述图像预处理模块用于对所述第一图像进行感兴趣区域图像提取处理生成对应的第二图像;并对所述第二图像进行高斯模糊图像处理生成对应的第三图像;并对所述第三图像进行二值化处理生成对应的第四图像;
所述包络线处理模块用于对所述第四图像进行频谱包络线识别处理标记出对应的第一包络线;并对所述第一包络线进行峰值点识别处理标记出多个第一峰值点;并对各个所述第一峰值点进行左右基线点识别处理标记出对应的第一左基线点和第一右基线点;
所述血流参数计算模块用于根据完成峰值点和左右基线点标记的所述第一包络线,进行血流参数测算生成对应的血流参数组序列;所述血流参数组序列包括多个血流参数组;所述血流参数组包括峰值流速参数、压力阶差参数、加速时间参数、减速时间参数、射血时间参数、压差减半时间参数和速度时间积分参数;所述血流参数组与所述第一峰值点一一对应;
所述血流参数计算模块还用于计算所述血流参数组序列中各个同类参数的平均值,得到峰值流速平均值、压力阶差平均值、加速时间平均值、减速时间平均值、射血时间平均值、压差减半时间平均值和速度时间积分平均值,并由所有平均值组成测量数据集合作为所述二维频谱多普勒超声心动图像的测量数据结果进行返回。
7.一种电子设备,其特征在于,包括:存储器、处理器和收发器;
所述处理器用于与所述存储器耦合,读取并执行所述存储器中的指令,以实现权利要求1-5任一项所述的方法步骤;
所述收发器与所述处理器耦合,由所述处理器控制所述收发器进行消息收发。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,当所述计算机指令被计算机执行时,使得所述计算机执行权利要求1-5任一项所述的方法的指令。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210018428.3A CN114376603B (zh) | 2022-01-07 | 2022-01-07 | 一种二维频谱多普勒超声心动图像的处理方法和装置 |
PCT/CN2022/097243 WO2023130661A1 (zh) | 2022-01-07 | 2022-06-07 | 一种二维频谱多普勒超声心动图像的处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210018428.3A CN114376603B (zh) | 2022-01-07 | 2022-01-07 | 一种二维频谱多普勒超声心动图像的处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114376603A CN114376603A (zh) | 2022-04-22 |
CN114376603B true CN114376603B (zh) | 2023-11-28 |
Family
ID=81200111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210018428.3A Active CN114376603B (zh) | 2022-01-07 | 2022-01-07 | 一种二维频谱多普勒超声心动图像的处理方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114376603B (zh) |
WO (1) | WO2023130661A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107095692A (zh) * | 2016-02-19 | 2017-08-29 | 乐普(北京)医疗器械股份有限公司 | 超声波成像系统、超声波成像方法及一维位移扫描方法 |
CN107660137A (zh) * | 2015-04-02 | 2018-02-02 | 卡尔迪亚韦弗公司 | 用于治疗瓣膜病的方法和装置 |
EP3510936A1 (en) * | 2018-01-11 | 2019-07-17 | Samsung Medison Co., Ltd. | Ultrasound imaging apparatus and method of controlling the same |
CN112597982A (zh) * | 2021-03-04 | 2021-04-02 | 中国人民解放军总医院 | 基于人工智能的图像分类方法、装置、设备和介质 |
CN113066083A (zh) * | 2021-04-25 | 2021-07-02 | 青岛海信医疗设备股份有限公司 | 流体的多普勒参数确定方法和电子设备 |
CN113679419A (zh) * | 2021-08-24 | 2021-11-23 | 苏州圣泽医疗科技有限公司 | 一种可调节的多普勒频谱包络线参数计算方法 |
WO2021250234A2 (en) * | 2020-06-11 | 2021-12-16 | Koninklijke Philips N.V. | Method for estimating hemodynamic parameters |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006051285A (ja) * | 2004-08-16 | 2006-02-23 | Aloka Co Ltd | 超音波診断装置 |
US9204858B2 (en) * | 2010-02-05 | 2015-12-08 | Ultrasonix Medical Corporation | Ultrasound pulse-wave doppler measurement of blood flow velocity and/or turbulence |
JP6782634B2 (ja) * | 2013-10-25 | 2020-11-11 | ボルケーノ コーポレイション | 患者の血管を評価する際の支援のために前記血管の情報を提供するためのシステム |
CN105105741A (zh) * | 2015-07-15 | 2015-12-02 | 无锡海鹰电子医疗系统有限公司 | 一种脉搏波图像包络线提取和特征点跟踪的方法 |
EP3749207B1 (en) * | 2018-02-07 | 2023-07-12 | Cimon Medical AS | Ultrasound blood-flow monitoring |
CN112022137B (zh) * | 2018-11-30 | 2021-07-13 | 博动医学影像科技(上海)有限公司 | 建立血管截面函数和血管应力的方法及装置 |
CN113288214B (zh) * | 2021-06-29 | 2023-01-06 | 逸超医疗科技(北京)有限公司 | 超声多普勒频谱数据的处理方法、设备及可读存储介质 |
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 |
-
2022
- 2022-01-07 CN CN202210018428.3A patent/CN114376603B/zh active Active
- 2022-06-07 WO PCT/CN2022/097243 patent/WO2023130661A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107660137A (zh) * | 2015-04-02 | 2018-02-02 | 卡尔迪亚韦弗公司 | 用于治疗瓣膜病的方法和装置 |
CN107095692A (zh) * | 2016-02-19 | 2017-08-29 | 乐普(北京)医疗器械股份有限公司 | 超声波成像系统、超声波成像方法及一维位移扫描方法 |
EP3510936A1 (en) * | 2018-01-11 | 2019-07-17 | Samsung Medison Co., Ltd. | Ultrasound imaging apparatus and method of controlling the same |
WO2021250234A2 (en) * | 2020-06-11 | 2021-12-16 | Koninklijke Philips N.V. | Method for estimating hemodynamic parameters |
CN112597982A (zh) * | 2021-03-04 | 2021-04-02 | 中国人民解放军总医院 | 基于人工智能的图像分类方法、装置、设备和介质 |
CN113066083A (zh) * | 2021-04-25 | 2021-07-02 | 青岛海信医疗设备股份有限公司 | 流体的多普勒参数确定方法和电子设备 |
CN113679419A (zh) * | 2021-08-24 | 2021-11-23 | 苏州圣泽医疗科技有限公司 | 一种可调节的多普勒频谱包络线参数计算方法 |
Non-Patent Citations (1)
Title |
---|
连续波多普勒与心电图对儿童肺动脉瓣狭窄程度的评估;姚巍,等;中国医学影像学杂志;第25卷(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2023130661A1 (zh) | 2023-07-13 |
CN114376603A (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7231074B2 (en) | Method for determining the efficacy of an anti-cancer treatment using image analysis | |
CN106778668B (zh) | 一种联合ransac和cnn的鲁棒的车道线检测方法 | |
CN108186051B (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
US9202273B2 (en) | Methods and systems for color flow dynamic frame persistence | |
CN114376603B (zh) | 一种二维频谱多普勒超声心动图像的处理方法和装置 | |
CN109376740A (zh) | 一种基于视频的水尺读数检测方法 | |
CN108830856B (zh) | 一种基于时间序列sd-oct视网膜图像的ga自动分割方法 | |
CN114419500A (zh) | 基于心脏超声视频筛选舒张期和收缩期图像的方法和装置 | |
CN111507919B (zh) | 一种三维点云数据的去噪处理方法 | |
CN116503462A (zh) | 一种圆形斑点圆心快速提取方法及系统 | |
CN114966560B (zh) | 一种探地雷达后向投影成像方法及系统 | |
CN106204570A (zh) | 一种基于非因果分数阶梯度算子的角点检测方法 | |
CN108171696B (zh) | 一种胎盘检测方法及装置 | |
CN113450269A (zh) | 一种基于3d视觉的点云关键点提取方法 | |
CN110580697B (zh) | 一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及系统 | |
CN114066828B (zh) | 一种基于多功能底层算法的图像处理方法及系统 | |
CN109241975B (zh) | 一种基于字符中心点定位的车牌字符分割方法 | |
CN112801141B (zh) | 基于模板匹配和孪生神经网络优化的异源图像匹配方法 | |
CN113012127A (zh) | 基于胸部医学影像的心胸比测量方法 | |
CN114419499B (zh) | 一种基于心脏超声视频的射血分数数据处理方法和装置 | |
KR20110048829A (ko) | 레인지 영상의 노이즈 제거장치 및 방법 | |
Avalokita et al. | Automatic fetal head circumference measurement in 2D ultrasound images based on optimized fast ellipse fitting | |
CN116778266A (zh) | 多尺度邻域扩散的遥感点云投影图像处理方法 | |
CN114841218A (zh) | 一种语音啸叫检测算法 | |
CN114842041A (zh) | 一种基于嵌入式的钢轨廓形检测光条提取方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |