CN114782283B - 超声图像增强方法、装置、超声设备及存储介质 - Google Patents
超声图像增强方法、装置、超声设备及存储介质 Download PDFInfo
- Publication number
- CN114782283B CN114782283B CN202210677390.0A CN202210677390A CN114782283B CN 114782283 B CN114782283 B CN 114782283B CN 202210677390 A CN202210677390 A CN 202210677390A CN 114782283 B CN114782283 B CN 114782283B
- Authority
- CN
- China
- Prior art keywords
- corrected
- pixel position
- image
- frames
- ultrasonic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000002131 composite material Substances 0.000 claims abstract description 118
- 239000011159 matrix material Substances 0.000 claims abstract description 87
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000013329 compounding Methods 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 25
- 150000001875 compounds Chemical class 0.000 claims abstract description 17
- 238000002604 ultrasonography Methods 0.000 claims description 297
- 238000013507 mapping Methods 0.000 claims description 49
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 13
- 230000002708 enhancing effect Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 24
- 238000006073 displacement reaction Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 9
- 239000000523 sample Substances 0.000 description 9
- 238000003786 synthesis reaction Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003313 weakening effect Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开一种超声图像增强方法、装置、超声设备及存储介质。该方法包括:获取N帧待处理超声图像;对N帧待处理超声图像进行配准校正,获取N帧校正超声图像;对每一校正超声图像进行结构张量分析,获取每一校正超声图像对应的目标结构张量矩阵;对N帧校正超声图像进行可靠性分析,获取每一校正超声图像对应的可靠性权重;根据目标结构张量矩阵对可靠性权重进行超分辨率增强处理,获取校正超声图像的目标复合权重;根据N帧校正超声图像对应的目标复合权重,对N帧校正超声图像对应的像素灰度值进行复合,获取目标超声图像。该方法可有效保障目标超声图像的图像分辨率和图像对比度,使其充分反映细节结构信息。
Description
技术领域
本发明涉及超声成像技术领域,尤其涉及一种超声图像增强方法、装置、超声设备及存储介质。
背景技术
图像增强是超声设备进行图像处理的常规步骤,主要是将超声图像进行噪声抑制、结构突现和增强对比度,并边缘在取向方向变得平滑,减少毛刺感,通过图像增强,可极大提升图像的人眼视觉观感,使得医生更舒服和自信地进行诊断。
现有超声设备都会提供超声图像增强处理功能,其总体思路主要集中在如下两点,其一是噪声抑制,其二是强化边缘。在图像增强处理过程中,一般都是在结构区分的基础上进行自适应处理,包括但不限于自适应滤波和各向异性扩散。结构区分是前提,只有很好地进行结构、组织和噪声的分类,才能更有效地进行针对性的自适应处理,包括但不限于结构强化,组织细腻和噪声抑制。
实际上,由于超声图像的复杂性,使其较难将超声图像中的每个像素进行精确的结构、组织和噪声的分类,并且,在进行结构分类后,对噪声部分进行抑制处理,会导致超声图像的图像信息损失,进而影响最终获取的超声图像的成像质量。一般来说,超声图像中的噪声是指斑点噪声(即speckle noise),不是源自系统的无规则干扰,而是源自被成像区的组织内相干散射,使得斑点噪声实际上包含大量的组织小尺寸信息,之所以被称为噪声,是因为从人眼的直感感受来说,像是无规则的散班。现有技术中,对斑点噪声都是直接进行抑制,这种方式过于粗糙,虽然会使图像变得清爽干净,但会减少超声图像潜在的细节结构信息,影响超声图像的成像质量。
发明内容
本发明实施例提供一种超声图像增强方法、装置、超声设备及存储介质,以解决现有超声成像技术所形成的目标超声图像反映较少细节结构信息的问题。
一种超声图像增强方法,包括:
获取N帧待处理超声图像,从所述N帧待处理超声图像中,确定基准超声图像;
基于所述基准超声图像,对N帧所述待处理超声图像进行配准校正,获取N帧校正超声图像;
对每一所述校正超声图像进行结构张量分析,获取每一所述校正超声图像对应的目标结构张量矩阵;
基于所述基准超声图像,对N帧所述校正超声图像进行可靠性分析,获取每一所述校正超声图像对应的可靠性权重;
根据所述目标结构张量矩阵,对所述可靠性权重进行超分辨率增强处理,获取所述校正超声图像的目标复合权重;
根据N帧所述校正超声图像对应的目标复合权重,对N帧所述校正超声图像对应的像素灰度值进行复合,获取目标超声图像。
一种超声图像增强装置,包括:
基准超声图像确定模块,用于获取N帧待处理超声图像,从所述N帧待处理超声图像中,确定基准超声图像;
校正超声图像获取模块,用于基于所述基准超声图像,对N帧所述待处理超声图像进行配准校正,获取N帧校正超声图像;
目标结构张量矩阵获取模块,用于对每一所述校正超声图像进行结构张量分析,获取每一所述校正超声图像对应的目标结构张量矩阵;
可靠性权重获取模块,用于基于所述基准超声图像,对N帧所述校正超声图像进行可靠性分析,获取每一所述校正超声图像对应的可靠性权重;
目标复合权重获取模块,用于根据所述目标结构张量矩阵,对所述可靠性权重进行超分辨率增强处理,获取所述校正超声图像的目标复合权重;
目标超声图像获取模块,用于根据N帧所述校正超声图像对应的目标复合权重,对N帧所述校正超声图像对应的像素灰度值进行复合,获取目标超声图像。
一种超声设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述超声图像增强方法。
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程序,所述计算机程序被处理器执行时实现上述超声图像增强方法。
上述超声图像增强方法、装置、超声设备及存储介质,根据N帧待处理超声图像中确定的1帧基准超声图像,对N帧待处理超声图像进行配准校正,有助于保障N帧校正超声图像的对齐,有助于保障目标超声图像的图像分辨率。通过对每一校正超声图像进行结构张量分析,确定其目标结构张量矩阵,该目标结构张量矩阵可准确反映校正超声图像在物理空间维度的空间信息。再利用基准超声图像,对每一帧校正超声图像进行可靠性分析,以确定校正超声图像与基准超声图像的相似程度,从而准确反映校正超声图像在校正过程中的可靠性。最后,利用N帧校正超声图像对应的目标结构张量矩阵对其可靠性权重进行超分辨率增强,以获取目标复合权重,利用该目标复合权重对N帧校正超声图像在同一像素位置对应的像素灰度值进行复合,以实现利用N帧校正超声图像对应的差异信息进行复合,保障获取到的目标超声图像的图像分辨率和图像对比度,使其充分反映细节结构信息。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中超声设备的一示意图;
图2是本发明一实施例中超声图像增强方法的一流程图;
图3是本发明一实施例中超声图像增强方法的另一流程图;
图4是本发明一实施例中超声图像增强方法的另一流程图;
图5是本发明一实施例中超声图像增强方法的另一流程图;
图6是本发明一实施例中超声图像增强方法的另一流程图;
图7是本发明一实施例中超声图像增强方法的另一流程图;
图8是本发明一实施例中超声图像增强装置的一示意图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的超声图像增强方法,该超声图像增强方法可应用如图1所示的超声设备中,超声设备包括主控制器和与主控制器相连的超声探头、波束合成处理器、图像处理器和显示屏。
主控制器为超声设备的控制器,主控制器与超声设备中的其他功能模块相连,包括但不限于超声探头、波束合成处理器、图像处理器和显示屏等功能模块相连,用于控制各个功能模块工作。
超声探头是超声波的发射和接收装置。本示例中,为了保证不同角度的超声图像都能够有较大的横向扫描覆盖范围,即保证不同角度的超声图像有较大的交叠范围,现有超声探头一般由若干大小相同的长条形压电换能器(每单个压电换能器称为阵元)等间隔排列组成;或者将多个压电换能器是呈二维阵列,即阵元排列成二维矩阵形状。超声探头内的压电换能器将施加在其上的电压脉冲激励转换成机械振动,从而对外发出超声波;超声波在人体组织等媒介中传播,会产生反射波和散射波等回波模拟信号,各个压电换能器可将回波模拟信号转换成回波电信号,对回波电信号进行放大和模数转换,转换成回波数字信号,再将回波数字信号发送给波束合成处理器。
波束合成处理器与超声探头相连,用于接收超声探头发送的回波数字信号,对一个或多个通道的回波数字信号进行波束合成,获取一路或多路回波合成信号,将回波合成信号发送给图像处理器。
图像处理器与波束合成处理器相连,用于接收波束合成处理器发送的回波合成信号,对回波合成信号进行图像合成,获取原始超声图像,再对原始超声图像进行空间复合等图像处理过程,形成复合超声图像,以将复合超声图像发送给显示屏,以使显示屏显示复合超声图像。
一般来说,超声探头采用线扫描模式进行扫描,即每次发射只启用部分阵元激励超声波,形成一个角度超声波发射。相邻两次发射超声波之间,其发射中心会有所偏移,即启用的阵元中心位置会有所偏移,经过多次发射之后,使得超声波能够完整覆盖到全部成像区域。需要说明的是,由于超声探头从不同角度发射超声波,使得后续图像处理器可根据不同角度形成的原始超声图像进行迭代复合操作,以获取复合超声图像。
作为一示例,图像处理器可以为显卡处理器(即Graphics Processing Unit,以下简称GPU),是专为执行复杂图形渲染所必需的数学和几何计算而设计的处理器,有助于提高复合超声图像的生成效率。本示例中,采用图像处理器专用于图像处理,使得主控制器从图像处理的任务中解放出来,可执行更多系统任务,有助于提高超声设备的整体性能。
本实施例中,图像处理器对回波合成信号进行处理,形成复合超声图像的过程具体包括:
(1)对回波合成信号进行求模处理,即采用求模公式amp = sqrt(real(RF)^2+imag(RF)^2)进行处理,获取回波合成信号对应的合成幅度值,其中,amp为合成幅度值,sqrt为平方根,RF为回波合成信号,real(RF)为回波合成信号的实部,imag(RF)为回波合成信号的虚部。
(2)对回波合成信号对应的合成幅度值进行对数压缩,具体是指依据一定的对数曲线对回波合成信号对应的合成幅度值进行对数压缩,调整回波合成信号的合成幅度值的动态范围,获取回波合成信号对应的压缩幅度值。可理解地,由于求模处理获取的合成幅度值的范围较大,超出人眼可察觉的数值差异,通过对数压缩,即采用output=log(input)的方式将求模获取的合成幅度值进行对数变换,以将较大数量级的合成幅度值压缩于较小的数量级范围内,以便人眼可察觉其中的差异。
(3)根据回波合成信号对应的压缩幅度值进行图像合成,获取原始超声图像。其中,原始超声图像是指根据回波合成信号进行图像合成所形成的图像。
(4)对角度不同的多帧原始超声图像进行空间复合、频率复合和帧相关操作,获取复合超声图像。复合超声图像是指对多帧原始超声图像进行空间复合、频率复合和帧相关处理后获取的超声图像。其中,空间复合是指将多个角度发射的同一区域的多帧原始超声图像进行复合,通过减弱相干效应的方式,极大减弱斑点噪声的程度,并提高超声图像整体的对比分辨率。频率复合是指利用不同频率在分辨力和穿透力上的各自差异进行互补,从而实现对多帧原始超声图像进行复合过程。帧相关是指为了保持连续多帧原始超声图像之间的平滑性所进行处理过程。
(5)对获取到的复合超声图像进行图像后处理,即进行增益与动态变换、图像增强和边缘增强滤波等常规图像处理操作,获取目标超声图像。
(6)再对目标超声图像进行数字扫描处理,以使超声设备的显示屏上显示目标超声图像。
在一实施例中,如图2所示,提供一种超声图像增强方法,以该方法应用在图1中的图像处理器为例进行说明,可实现对待处理超声图像进行图像增强处理,采用超分辨率算法挖掘超声图像中隐藏的细节结构信息,并将这些细节结构信息在超声图像中展示出来,以使超声图像的显示屏上可显示分辨率较高的目标超声图像。该超声图像增强方法包括如下步骤:
S201:获取N帧待处理超声图像,从N帧待处理超声图像中,确定基准超声图像;
S202:基于基准超声图像,对N帧待处理超声图像进行配准校正,获取N帧校正超声图像;
S203:对每一校正超声图像进行结构张量分析,获取每一校正超声图像对应的目标结构张量矩阵;
S204:基于基准超声图像,对N帧校正超声图像进行可靠性分析,获取每一校正超声图像对应的可靠性权重;
S205:根据目标结构张量矩阵,对可靠性权重进行超分辨率增强处理,获取校正超声图像的目标复合权重;
S206:根据N帧校正超声图像对应的目标复合权重,对N帧校正超声图像对应的像素灰度值进行复合,获取目标超声图像。
其中,待处理超声图像是指需要进行增强处理的超声图像,每一待处理超声图像携带有时间戳。当前超声图像是系统当前时间获取到的待处理超声图像。缓存超声图像是指系统当前时间之前获取并缓存的待处理超声图像。可理解地,可通过待处理超声图像所携带的时间戳,确定待处理超声图像为当前超声图像还是缓存超声图像。
作为一示例,步骤S201中,图像处理器可获取N帧待处理超声图像,可根据每一帧待处理超声图像所携带的时间戳,将系统当前时间获取到的待处理超声图像确定为当前超声图像,将在系统当前时间之前接收并缓存的N-1个不同角度的待处理超声图像确定为缓存超声图像。本示例中,可从N帧待处理超声图像中确定基准超声图像,具体可将当前超声图像确定为基准超声图像,以使该当前超声图像作为N-1帧缓存超声图像进行校正的参考对照,或者,可采用其他评估逻辑,将除当前超声图像以外的其他待处理超声图像确定为基准超声图像。
其中,校正超声图像是指对待处理超声图像进行配准校正后获取的超声图像。
作为一示例,步骤S202中,图像处理器从N帧待处理超声图像中确定基准超声图像后,可利用基准超声图像,对N帧待处理超声图像进行配准校正,获取N帧待处理超声图像对应的校正超声图像。本示例中,由于当前超声图像为基准超声图像,可直接将当前超声图像确定为校正超声图像,无需对该当前超声图像进行校正处理。可理解地,将当前超声图像确定为基准超声图像,再利用该基准超声图像,分别对N帧待处理超声图像进行配准校正,有助于保障校正超声图像的图像分辨率。
作为一示例,步骤S203中,图像处理器可采用结构张量分析算法,对每一校正超声图像进行结构张量分析,获取每一校正超声图像对应的目标结构张量矩阵。该目标结构张量矩阵可以为采用结构张量分析算法直接分析所获得的矩阵,也可以为对结构张量分析算法直接分析所获得的矩阵进行优化处理的矩阵。可理解地,图像处理器通过对校正超声图像进行结构张量分析,可获取反映校正超声图像在物理空间维度的目标结构张量矩阵,以便后续利用该目标结构张量矩阵进行处理,提高最终获取到的目标超声图像的图像分辨率。
其中,可靠性权重是根据基准超声图像和校正超声图像计算出的可靠性权重,用
于反映同一像素位置中,每一帧校正超声图像与基准超声图像的相似程度。根据校
正超声图像与基准超声图像的相似程度确定的可靠性权重,对该像素位置对应的
像素灰度值进行加权复合,有助于保障复合后的目标超声图像的图像分辨率。
作为一示例,步骤S204中,图像处理器可基于基准超声图像,对每一校正超声图像
进行可靠性分析,以分析确定每一校正超声图像与基准超声图像的相似程度,从而确定每
一校正超声图像对应的可靠性权重。本示例中,图像处理器可分别对N帧校正超声图像中每
一像素位置的邻近区域上的所有像素灰度值进行帧内局域统计,确定同一像素位
置对应的帧内局域信息之后;可将每一校正超声图像在该像素位置对应的
帧内局域信息,分别与基准超声图像在该像素位置对应的帧内局域信息进行可靠
性评估,确定校正超声图像中每一像素位置对应的可靠性权重。采用这种方式计算
出的每一校正超声图像的可靠性权重,充分考虑每一像素位置的局域梯度和取向特征,可
以更突出该像素位置的结构特征,通过多帧特征融合可有效将原本隐藏的模糊不清的细节
结构信息展示出来,更有效反映校正超声图像和基准超声图像之间的相似程度。
作为一示例,步骤S205中,图像处理器在计算出每一校正超声图像的可靠性权重后,若直接基于可靠性权重进行复合,使得其复合后的目标超声图像或多或少会有平滑效果,使得目标超声图像偏模糊,对比度不高,尤其是边缘区域的对比度不高,影响超声图像的整体成像效果。因此,图像处理器在计算出每一校正超声图像对应的可靠性权重后,可采用每一校正超声图像对应的目标结构张量矩阵,对每一校正超声图像对应的可靠性权重进行超分辨率增强,以获取每一校正超声图像对应的目标复合权重。采用校正超声图像对应的目标结构张量矩阵对其可靠性权重进行超分辨率增强,使得超分辨率增强后获取的目标复合权重,可以充分反映细节结构信息,并可显著增强结构的对比度。
作为一示例,步骤S206中,图像处理器利用每一校正超声图像中每一像素位置对应的目标复合权重,对N帧校正超声图像中每一像素位置对应的像素灰
度值进行加权复合,获取目标超声图像。可理解地,每一校正超声图像中每一像素位置对应的目标复合权重,可充分反映校正超声图像相对于基准超声图像的差异信息,
因此,基于校正超声图像对应的目标复合权重对所有校正超声图像进行复合过程中,依据
校正超声图像相对于基准超声图像的差异信息进行复合,利用这些差异信息,可保障N帧校
正超声图像复合获取到的目标超声图像的图像分辨率,使得目标超声图像可反映细节结构
信息并保障图像对比度。
本示例中,图像处理器可将第i帧校正超声图像中,同一像素位置的目标
复合权重,采用,对同一像素位置对应
的像素灰度值进行复合,获取同一像素位置对应的目标灰度值;其中,
为第个像素位置的目标灰度值;为像素位置的邻近区域,为所
有校正超声图像,为每一校正超声图像中,像素位置的邻近区域中所有采
样点对应的目标复合权重;为每一校正超声图像中,像素位置的邻近区域
中所有采样点对应的像素灰度值。接着,图像处理器再基于所有像素位置对应的目
标灰度值,获取图像分辨率较高的目标超声图像。可理解地,采用目标结构张量矩阵对可靠
性权重进行超分辨率增强处理形成的目标复合权重进行超声图像复合,能够使形成的目标
超声图像增强,锐化边缘,抑制噪声,使得目标超声图像保持较高清晰度的基础功能上,可
展示更多的细节结构信息,使医护人员能够看到更多被掩盖在单帧噪声下的细节结构信
息,增强目标超声图像的图像分辨率和图像对比度。
本实施例所提供的超声图像增强方法中, 根据N帧待处理超声图像中确定的1帧基准超声图像,对N帧待处理超声图像进行配准校正,有助于保障N帧校正超声图像的对齐,有助于保障目标超声图像的图像分辨率。通过对每一校正超声图像进行结构张量分析,确定其目标结构张量矩阵,该目标结构张量矩阵可准确反映校正超声图像在物理空间维度的空间信息。再利用基准超声图像,对每一帧校正超声图像进行可靠性分析,以确定校正超声图像与基准超声图像的相似程度,从而准确反映校正超声图像在校正过程中的可靠性。最后,利用N帧校正超声图像对应的目标结构张量矩阵对其可靠性权重进行超分辨率增强,以获取目标复合权重,利用该目标复合权重对N帧校正超声图像在同一像素位置对应的像素灰度值进行复合,以实现利用N帧校正超声图像对应的差异信息进行复合,保障获取到的目标超声图像的图像分辨率和图像对比度,使其充分反映细节结构信息。
在一具体实施方式中,步骤S202,即基于基准超声图像,对N帧待处理超声图像进行配准校正,获取N帧校正超声图像,包括:
S2021:根据待处理超声图像相对于基准超声图像的位移变化,获取每一像素位置对应的目标位移矢量;
S2022:基于每一像素位置对应的目标位移矢量,对N帧待处理超声图像中同一像素位置进行校正,获取N帧校正超声图像。
其中,基准超声图像是用于作为配准校正的参考对象的超声图像。作为一示例,图像处理器可将当前超声图像确定为基准超声图像。目标位移矢量是用于反映待处理超声图像相对于基准超声图像的位移矢量,具体为每一像素位置对应的位移矢量。
作为一示例,步骤S2021中,图像处理器在确定基准超声图像后,可计算所有待处理超声图像相对于基准超声图像的位移变化,具体包括所有像素位置的位移变化,从而获取每一像素位置对应的目标位移矢量。
本示例中,图像处理器先可从基准超声图像中,获取每一像素位置对应的
基准图像块,并从待处理超声图像中,获取每一像素位置对应的待处理图像块。其
中,基准图像块可以是以每一像素位置为中心,基于特定矩形框形成的图像块。待
处理图像块可以是以每一像素位置为中心,基于特定矩形框形成的图像块。接着,
图像处理器可采用但不限于LK光流法,将待处理超声图像中每一像素位置对应的
待处理图像块,与基准超声图像中形成的所有基准图像块逐一进行配准处理,确定与该待
处理图像块最接近的基准图像块,以便基于该待处理图像块及与其最接近的基准图像块的
坐标位置,计算目标位移矢量。
可理解地,图像处理器可根据待处理超声图像和基准超声图像中,每一像素位置对应的待处理图像块和基准图像块进行配准处理,确定与待处理图像块最接近的基准图像块,再根据待处理图像块及其最接近的基准图像块,可快速准确地确定该待处理图像块对应的像素位置发生的位移变化量,将该位移变化量确定为目标位移矢量。本示例中,图像处理器可采用但不限于LK光流法进行配准处理,可保障计算出的每一像素位置对应的目标位移矢量的计算精度。
例如,若当前超声图像为基准超声图像这一前提下,若待处理超声图像为当前超声图像,其所有像素位置的目标位移矢量为0;若待处理超声图像为缓存超声图像,其目标位移矢量为缓存超声图像相对于当前超声图像的位移矢量。
作为一示例,步骤S2022中,图像处理器可基于每一像素位置对应的目标
位移矢量,对N帧待处理超声图像中同一像素位置进行校正,获取N帧校正超声图
像。例如,图像处理器可采用图像扭曲技术(image warping)对每一像素位置对应
的目标位移矢量进行处理,例如进行双线性插值处理,将待处理超声图像中的各组织结构
校正到与基准超声图像的各组织结构完全对齐的状态,以获取到每一待处理超声图像对应
的校正超声图像,以使N帧校正超声图像达到与基准超声图像组织结构完全对齐的效果,以
保障后续处理获取到的目标超声图像的图像分辨率。
例如,若基准超声图像为当前超声图像时,当前超声图像相对于基准超声图像的
目标位移矢量为0,可直接将当前超声图像确定为校正超声图像;缓存超声图像相对于基准
超声图像的目标位移矢量,为缓存超声图像相对于当前超声图像的位移矢量,需采用图像
扭曲技术(image warping)对每一像素位置对应的目标位移矢量进行处理,以获取
缓存超声图像对应的校正超声图像。
在一实施例中,如图3所示,步骤S203,即对每一校正超声图像进行结构张量分析,获取每一校正超声图像对应的目标结构张量矩阵,包括:
S301:对校正超声图像进行结构张量分析,获取校正超声图像中每一像素位置对应的原始结构张量矩阵;
S302:对校正超声图像中每一像素位置对应的原始结构张量矩阵进行本征分解,获取每一像素位置对应的原始局域特征向量、原始梯度特征值和原始取向特征值;
S303:对校正超声图像中每一像素位置对应的原始梯度特征值和原始取向特征值进行优化处理,获取每一像素位置对应的目标梯度特征值和目标取向特征值;
S304:基于校正超声图像中每一像素位置对应的原始局域特征向量、目标梯度特征值和目标取向特征值进行结构张量重构,获取目标结构张量矩阵。
作为一示例,步骤S301中,图像处理器可以采用结构张量分析算法,对校正超声图
像中任一像素位置的邻近区域进行结构张量分析,确定该像素位置的原始
结构张量矩阵,使得该原始结构张量矩阵可以有效反映像素位置的邻近区域的空
间结构信息,既空域信息。此处的邻近区域是以某一像素位置为中心,若干个采样
点所形成的区域。本示例中,结构张量分析算法如下:
作为一示例,步骤S302中,图像处理器可对校正超声图像中,每一像素位置的原始结构张量矩阵进行本征分解,以获取原始局域特征向量和两个特征
值;将两个特征值中的较大值确定为原始梯度特征值,将两个特征值中的较小值确定
为原始取向特征值。本示例中,对原始结构张量矩阵进行本征分解是将矩阵分解为由
其特征值和特征向量表示的矩阵之积处理的处理过程,又可称为特征分解
(Eigendecomposition)或谱分解(Spectral decomposition).此处的原始局域特征向量是指对原始结构张量矩阵进行本征分解所获取到的特征向量。原始梯度特征值是
指梯度方向的特征值,是原始结构张量矩阵进行本征分解所获取到的两个特征值中的较大
值,即两个特征值中的主特征值,反映梯度方向的强度,与人眼对超声图像结构感知一致。
一般来说,原始梯度特征值越大,越能说明该像素位置的邻近区域更接近线状结构
(由于任何曲线中某一点的局域范围内,均形成近似线状结构)。原始取向特征值是指
取向方向的特征值,是原始结构张量矩阵进行本征分解所获取到的两个特征值中的较小
值。
作为一示例,步骤S303中,图像处理器对校正超声图像中,每一像素位置
对应的原始梯度特征值和原始取向特征值进行优化处理,具体包括:强化原始
梯度特征值并弱化原始取向特征值,以获取校正超声图像中,每一像素位置的目标梯度特征值和目标取向特征值,以便后续利用目标梯度特征值和目标取向特征值进行图像处理,以提高最终处理获取到的目标超声图像的
图像分辨率。可理解地,通过强化原始梯度特征值并弱化原始取向特征值,有助
于保持超声图像的清晰性,降低图像模糊性。
本示例中,图像处理器可先根据原始梯度特征值和原始取向特征值计
算两者的差值,确定为特征差值,即。然后,图像处理器可采用强化原始梯度特征值,获取目标梯度特征值;采用弱化原始取向特征值,获取目标取向特征值;其中,和为
算法参数,可根据实际测试经验确定。
作为一示例,步骤S304中,图像处理器可基于校正超声图像中每一像素位置对应的原始局域特征向量、目标梯度特征值和目标取向特征值进
行结构张量重构,具体可采用进行结构张量重构,获取目标结构
张量矩阵,其中,为第i帧校正超声图像中,像素位置的邻近区域的目标结构
张量矩阵,为原始局域特征向量的转置矩阵。
本实施例所提供的超声图像增强方法中,在对原始结构张量矩阵进行本征分
解,获取原始局域特征向量、原始梯度特征值和原始取向特征值之后,通过
强化原始梯度特征值并弱化原始取向特征值,获取对应的目标梯度特征值和目标取向特征值;然后,利用原始局域特征向量、目标梯度特征值
和目标取向特征值进行结构张量重构,使得获取到的目标结构张量矩阵强化其梯
度方向的特征,有助于提高图像分辨率。
在一实施例中,如图4所示,步骤S204,即基于基准超声图像,对N帧校正超声图像进行可靠性分析,获取每一校正超声图像对应的可靠性权重,包括:
S401:对基准超声图像进行局域统计,获取基准超声图像中每一像素位置对应的基准局域均值和基准局域标准差;
S402:对每一校正超声图像进行局域统计,获取校正超声图像中每一像素位置对应的校正局域均值和校正局域标准差;
S403:基于同一像素位置对应的基准局域均值、基准局域标准差、校正局域均值和校正局域标准差,获取每一校正超声图像在同一像素位置对应的局域均值差值绝对值和局域标准差差值绝对值;
S404:基于同一像素位置对应的基准局域均值、基准局域标准差、局域均值差值绝对值和局域标准差差值绝对值,获取每一校正超声图像在同一像素位置对应的可靠性权重。
作为一示例,步骤S401中,图像处理器对基准超声图像进行局域统计,具体为对每
一像素位置的邻近区域中所有采样点对应的像素灰度值进行统计,获取每一像素
位置的基准局域均值和基准局域标准差,包括:确定基准超声图像中每一像素位置的邻近区域;对每一像素位置的邻近区域中所有像素灰度值进行均值计
算,确定基准局域均值;对每一像素位置的邻近区域中所有像素灰度值和基
准局域均值进行标准差计算,确定基准局域标准差。
作为一示例,步骤S402中,图像处理器对第i帧校正超声图像进行局域统计,具体
为对每一像素位置的邻近区域中所有采样点对应的像素灰度值进行统计,获取每
一像素位置的校正局域均值和校正局域标准差,包括:确定校正超声图像中每一像
素位置的邻近区域;对每一像素位置的邻近区域中所有像素灰度值进行均
值计算,确定校正局域均值;对每一像素位置的邻近区域中所有像素灰度值和
校正局域均值进行标准差计算,确定校正局域标准差。
作为一示例,步骤S403中,图像处理器基于同一像素位置对应的基准局域
均值、基准局域标准差、校正局域均值和校正局域标准差进行同一维度的差值和绝对值计
算,获取每一校正超声图像在同一像素位置对应的局域均值差值绝对值和局域标
准差差值绝对值。
本示例中,图像处理器可将第i个校正超声图像在某一像素位置校正局域
均值,与基准超声图像在该像素位置的基准局域均值进行差值计算,确定
其局域均值差值;再对局域均值差值进行绝对值处理,确定第i个校正超声图像在每一像素
位置的局域均值差值绝对值,即,为绝对值公式。
本示例中,图像处理器可将第i个校正超声图像在某一像素位置的校正局
域标准差,与基准超声图像在该像素位置的基准局域标准差进行差值计
算,确定其局域标准差差值;再对局域标准差差值进行绝对值处理,确定第i个校正超声图
像在每一像素位置的局域标准差差值绝对值,即,为
绝对值公式。
可理解地,为了评估校正超声图像的可靠性,可通过对校正超声图像中每一像素
位置进行局域统计,确定其校正局域均值和校正局域标准差;利用校正局
域均值和校正局域标准差,分别与基准超声图像进行局域统计出的基准局域均值和基准局域标准差进行差值绝对值计算,获取局域均值差值绝对值和局
域标准差差值绝对值,可充分反映采用基准超声图像对所有待处理超声图像进行校
正的差异,若差异较小,说明利用基准超声图像对所有待处理超声图像进行配准校正较准
确,可充分反映获取到的校正超声图像的可靠性,反之,若差异较大,说明配准校正不准确,
反映获取到的校正超声图像不可靠。
作为一示例,步骤S404中,图像处理器基于同一像素位置的基准局域均值、基准局域标准差、局域均值差值绝对值和局域标准差差值绝对值
,采用可靠性权重计算公式,计算每一校正超声图像在同一像素位置的可靠性权
重。本示例中,可靠性权重计算公式为,其中,为算法参数,为第i帧校正超声图像在同一像素位置的可靠性权重,为指数函数。
可理解地,由于超声波的散射物理特性,对于一个确定的像素位置对应的
邻近区域而言,其局域均值和局域标准差的差异可以作为该像素位置对应的邻近
区域的局域特征值,该局域特征值与超声波的散射物理特性相关。在N帧校正超声图像中,
由于图像增益、组织干扰或者其他原因,会导致多帧校正超声图像在同一像素位置
的像素灰度值不太一致,但其局域均值的差异与局域标准差的差异所形成的商值,仍与基
准超声图像相同像素位置对应的局域均值的差异与局域标准差的差异所形成的商值相关。
由此可知,若两个商值的偏差过大,其计算出的可靠性权重较低,说明校正超声图像与基准
超声图像不太可能对应同一像素位置的邻近区域;反之,若两个商值的偏差较小,
其计算出的可靠性权重较高,说明校正超声图像与基准超声图像配准校正较准确,为了实
现这一目的,设置负指数函数,以便利用两个商值,计算校正超声图像中每一像素位置的可靠性权重。
在一实施例中,如图5所示,步骤S205,即根据目标结构张量矩阵,对可靠性权重进行超分辨率增强,获取校正超声图像的目标复合权重,包括:
S501:根据N帧校正超声图像中同一像素位置对应的目标结构张量矩阵和可靠性权重进行超分辨加权复合,获取N帧校正超声图像中同一像素位置对应的原始复合权重;
S502:对N帧校正超声图像中同一像素位置对应的原始复合权重进行自适应增强处理,获取N帧校正超声图像中同一像素位置对应的目标复合权重。
作为一示例,步骤S501中,图像处理器获取到的第i帧校正超声图像对应的目标结
构张量矩阵和可靠性权重之后,先对目标结构张量矩阵进插值处理,例如,采用但
不限于双线性插值算法或三线性插值算法,对目标结构张量矩阵进行插值处理,获取像
素位置 的插值结构张量矩阵,以使插值结构张量矩阵可更
充分反映细节结构信息。接着,图像处理器可复合权重计算公式,对N帧校正超声图像中像素位置对应
的插值结构张量矩阵和可靠性权重进行进行超分辨加权复合,确定第i帧校正超
声图像中,每一像素位置对应的原始复合权重;其中,为像素位置的
邻近区域的邻域距离矩阵;为的转置;为第i帧校正超声图像中,像素位置的邻近区域的插值结构张量矩阵;为第i帧校正超声图像中,像素位置
的可靠性权重;为算法经验参数。本示例中,算法经验参数用于调试核函数的分布效
果。插值结构张量矩阵可以理解为一个径向反比的核函数,能够在考虑结构张量取
向的同时,容纳一个平滑过渡带,以便利用后续获取到的原始复合权重进行图像复合所获
取的目标超声图像的图像分辨率。像素位置的邻近区域对应的邻域距离矩阵,
可通过邻近区域第个采样点的像素位置确定,反映两者的距离,则邻域距离矩阵。可理解地,该原始复合权重融合了插值结构张量矩阵中的空域信息和
可靠性权重,以使原始复合权重可充分反映不同时刻不同角度采集并处理获取到的校正超
声图像的图像信息,可使复合后的目标超声图像中每一像素位置均包括较多图像
信息,以提高图像分辨率,使得目标超声图像在进行放大处理过程中仍能够保持图像的清
晰度。采用这种方式计算出的每一校正超声图像的原始复合权重,充分考虑每一像素位置
的局域梯度和取向特征,可以更突出该像素位置的结构特征,通过多帧特征融合可有效将
原本隐藏的模糊不清的细节结构信息展示出来。
作为一示例,步骤S502中,图像处理器在计算出每一校正超声图像原始复合权重后,若直接基于原始复合权重进行复合,使得其复合后的超声图像或多或少会有平滑效果,使得超声图像偏模糊,对比度不高,尤其是边缘区域的对比度不高,影响超声图像的整体成像效果。因此,图像处理器在计算出每一校正超声图像对应的原始复合权重后,需采用预先配置的自适应增强滤波核,对每一校正超声图像对应的原始复合权重进行自适应增强处理,用于增强超声图像中的细节结构信息的对比度,以获取每一校正超声图像对应的目标复合权重。其中,自适应增强滤波核是指可以自动适应调整原始复合权重的滤波核。本示例中,自适应增强滤波核是用于挖掘超声图像中隐藏的细节结构信息的滤波核,以使获取到的目标复合权重可显著增强细节结构信息的对比度。
本实施例所提供的超声图像增强方法中,先根据N帧校正超声图像中同一像素位置对应的目标结构张量矩阵和可靠性权重,获取N帧校正超声图像中同一像素位置对应的原始复合权重,使得每一像素位置对应的原始复合权重与其局域梯度和取向特征相关,可以更突出该像素位置的结构特征,通过多帧特征融合可有效将原本隐藏的模糊不清的细节结构信息展示出来。再对N帧校正超声图像中同一像素位置对应的原始复合权重进行自适应增强处理,获取N帧校正超声图像中同一像素位置对应的目标复合权重,使得获取到的目标复合权重可显示增强细节结构信息的对比度,使得基于目标复合权重进行复合的目标超声图像可展示更多细节结构信息并保障图像对比度。
在一实施例中,如图6所示,步骤S502,即对N帧校正超声图像中同一像素位置对应的原始复合权重进行自适应增强处理,获取N帧校正超声图像中同一像素位置对应的目标复合权重,包括:
S601:对N帧校正超声图像中同一像素位置对应的原始复合权重进行排序,获取N帧校正超声图像中同一像素位置对应的权重排序结果;
S602:对N帧校正超声图像中同一像素位置对应的原始复合权重进行分布映射,确定N帧校正超声图像中同一像素位置对应的结构映射整数;
S603:根据N帧校正超声图像中同一像素位置对应的权重排序结果和结构映射整数,对同一像素位置对应的原始复合权重进行调整,获取N帧校正超声图像中同一像素位置对应的目标复合权重。
作为一示例,步骤S601中,图像处理器在获取N帧校正超声图像中同一像素位置对应的原始复合权重后,可对N帧校正超声图像中同一像素位置对应的原始复合权重进行排序,具体可依据由小到大的顺序进行排序,以获取N帧校正超声图像中同一像素位置对应的权重排序结果。本示例中,为了保障权重排序结果的准确性,图像处理器还可对每一帧校正超声图像中同一像素位置的邻近区域的所有原始复合权重进行加权后,确定该帧校正超声图像的加权后的原始复合权重;再对N帧校正超声图像加权后的原始复合权重进行排序,以获取N帧校正超声图像中同一像素位置对应的权重排序结果。
作为一示例,步骤S602中,图像处理器在获取N帧校正超声图像中同一像素位置对应的原始复合权重后,还可采用预先设置的分布映射逻辑,先统计分析N帧校正超声图像中同一像素位置对应的原始复合权重的分布情况,再基于分布情况进行查表或者结合映射函数,将其输出结果确定为结构映射整数。本示例中,图像处理器可对每一帧校正超声图像中同一像素位置的邻近区域的所有原始复合权重进行局域统计,确定其原始复合权重的分布情况,再根据原始复合权重的分布情况进行查表或者结合映射函数,将其输出结果确定为结构映射整数。
作为一示例,步骤S603中,图像处理器可根据N帧校正超声图像中同一像素位置对应的权重排序结果和结构映射整数,对同一像素位置对应的原始复合权重进行调整,以获取N帧校正超声图像中同一像素位置对应的目标复合权重。本示例中,若结构映射整数为K,在对同一像素位置对应的原始复合权重进行调整时,可将从小到大排序的权重排序结果中,原始复合权重较小的K个原始复合权重带上负号,其余原始复合权重带上正号,以实现对同一像素位置对应的原始复合权重进行调整,以获取N帧校正超声图像中同一像素位置对应的目标复合权重。
本示例中,图像处理器可根据N帧校正超声图像中同一像素位置对应的权重排序结果和结构映射整数,对同一像素位置对应的原始复合权重进行调整,以获取N帧校正超声图像中同一像素位置对应的目标复合权重,其调整过程可采用如下公式表示:
式中,为同一像素位置对应的原始重合权重在从小到大排序的权重
排序结果中的排序位置,为结构映射整数K,具体为根据权重方差
进行符号曲线映射后得到的结构映射整数,sign是数学中的符号函数,若排序位置大于结
构映射整数K,则sign函数输出的符号为正号,若排序位置不大于结构映射整数K,则sign函
数输出的符号为负号,为同一像素位置对应的原始复合权重。
例如,校正超声图像的帧数N=10,而结构映射整数K为4,则将10帧校正超声图像中,同一像素位置对应的原始复合权重从小到大进行排序形成的权重排序结果中,前4个原始复合权重加上负号,第5个及以后的原始复合权重加上正号,以获取同一像素位置对应的目标复合权重,使得所形成的目标复合权重可正可负,而目标复合权重为负值时,必然其绝对值较小,而为负的目标复合权重的数量由结构映射整数K确定。
本实施例所提供的超声图像增强方法中,根据N帧校正超声图像中同一像素位置对应的原始复合权重,分别确定其对应的权重排序结果和结构映射整数,再根据权重排序结果和结构映射整数,对同一像素位置对应的原始复合权重进行调整,获取N帧校正超声图像中同一像素位置对应的目标复合权重,使得获取到的目标复合权重可正可负,且为负值的目标复合权重的绝对值较小,根据结构张量的特点,会显著增强细节结构信息的对比度,体现出图像增强效果,从而实现将超分辨率的加权复合和图像增强结构在一起,以保障基于目标复合权重进行符合时,可实现超分辨率增强的图像效果。
在一实施例中,如图8所示,步骤S602,即对N帧校正超声图像中同一像素位置对应的原始复合权重进行分布映射,确定结构映射整数,包括:
S701:对每一校正超声图像中同一像素位置的邻近区域对应的原始复合权重进行局域统计,确定每一校正超声图像中同一像素位置对应的权重方差;
S702:根据每一校正超声图像中同一像素位置对应的权重方差和预先设置的符号曲线,确定每一校正超声图像中同一像素位置对应的结构映射整数。
作为一示例,步骤S701中,图像处理器可获取每一校正超声图像中同一像素位置的邻近区域对应的原始复合权重,然后,采用方差计算公式对每一校正超声图像中同一像素位置的邻近区域对应的原始复合权重进行局域统计,确定每一校正超声图像中同一像素位置对应的权重方差。
其中,预先设置的符号曲线是指系统当前时间以前,根据多次实验构造形成的符号曲线,用于反映不同权重方差和对应的映射整数之间关联关系的曲线。本示例中,可通过大量实验进行测试,构造符号曲线,也可以采用类似于Sigmoid函数的解析函数将其表示出来,并进行实验,优化解析函数的参数,以构造符号曲线。
作为一示例,步骤S702中,图像处理器在获取到每一校正超声图像中同一像素位置对应的权重方差后,可基于该像素位置对应的权重方差查询预先设置的符号曲线,将符号曲线中与权重方差相对应的映射整数,确定为确定每一校正超声图像中同一像素位置对应的结构映射整数。本示例中,预先设置的符号曲线,可将该像素位置对应的权重方差映射到一个范围为[0, ζ]的结构映射整数K,其中ζ表示每一校正超声图像中同一像素位置的邻近区域的像素数量的一半进行取整后的数值,即可以为像素数量一半进行向上取整或者向下取整的数值。
本实施例所提供的超声图像增强方法,根据同一像素位置的邻近区域对应的原始复合权重进行局域统计所确定的权重方差和预先设置的符号曲线,可获取该像素位置对应的结构映射整数K,使得所获取的结构映射整数K更具有客观性,有助于保障后续基于结构映射整数K确定的目标复合权重的客观性,使其可更准确反映超声图像的细节结构信息。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种超声图像增强装置,该超声图像增强装置与上述实施例中超声图像增强方法一一对应。如图8所示,该超声图像增强装置包括基准超声图像确定模块801、校正超声图像获取模块802、目标结构张量矩阵获取模块803、可靠性权重获取模块804、目标复合权重获取模块805和目标超声图像获取模块806。各功能模块详细说明如下:
基准超声图像确定模块801,用于获取N帧待处理超声图像,从N帧待处理超声图像中,确定基准超声图像;
校正超声图像获取模块802,用于基于基准超声图像,对N帧待处理超声图像进行配准校正,获取N帧校正超声图像;
目标结构张量矩阵获取模块803,用于对每一校正超声图像进行结构张量分析,获取每一校正超声图像对应的目标结构张量矩阵;
可靠性权重获取模块804,用于基于基准超声图像,对N帧校正超声图像进行可靠性分析,获取每一校正超声图像对应的可靠性权重;
目标复合权重获取模块805,用于根据目标结构张量矩阵,对可靠性权重进行超分辨率增强处理,获取校正超声图像的目标复合权重;
目标超声图像获取模块806,用于根据N帧校正超声图像对应的目标复合权重,对N帧校正超声图像对应的像素灰度值进行复合,获取目标超声图像。
在一实施例中,目标结构张量矩阵获取模块803,包括:
结构张量分析子模块,用于对校正超声图像进行结构张量分析,获取校正超声图像中每一像素位置对应的原始结构张量矩阵;
矩阵本征分解子模块,用于对校正超声图像中每一像素位置对应的原始结构张量矩阵进行本征分解,获取每一像素位置对应的原始局域特征向量、原始梯度特征值和原始取向特征值;
特征值优化处理子模块,用于对校正超声图像中每一像素位置对应的原始梯度特征值和原始取向特征值进行优化处理,获取每一像素位置对应的目标梯度特征值和目标取向特征值;
结构张量重构子模块,用于基于校正超声图像中每一像素位置对应的原始局域特征向量、目标梯度特征值和目标取向特征值进行结构张量重构,获取目标结构张量矩阵。
在一实施例中,可靠性权重获取模块804,包括:
基准图像局域统计子模块,用于对基准超声图像进行局域统计,获取基准超声图像中每一像素位置对应的基准局域均值和基准局域标准差;
待处理图像局域统计子模块,用于对每一校正超声图像进行局域统计,获取校正超声图像中每一像素位置对应的校正局域均值和校正局域标准差;
差值绝对值计算子模块,用于基于同一像素位置对应的基准局域均值、基准局域标准差、校正局域均值和校正局域标准差,获取每一校正超声图像在同一像素位置对应的局域均值差值绝对值和局域标准差差值绝对值;
可靠性权重获取子模块,用于基于同一像素位置对应的基准局域均值、基准局域标准差、局域均值差值绝对值和局域标准差差值绝对值,获取每一校正超声图像在同一像素位置对应的可靠性权重。
在一实施例中,目标复合权重获取模块805,包括:
原始复合权重获取子模块,用于根据N帧校正超声图像中同一像素位置对应的目标结构张量矩阵和可靠性权重进行超分辨加权复合,获取N帧校正超声图像中同一像素位置对应的原始复合权重;
目标复合权重获取子模块,用于对N帧校正超声图像中同一像素位置对应的原始复合权重进行自适应增强处理,获取N帧校正超声图像中同一像素位置对应的目标复合权重。
在一实施例中,目标复合权重获取子模块,包括:
权重排序结果获取单元,用于对N帧校正超声图像中同一像素位置对应的原始复合权重进行排序,获取N帧校正超声图像中同一像素位置对应的权重排序结果;
结构映射整数获取单元,用于对N帧校正超声图像中同一像素位置对应的原始复合权重进行分布映射,确定N帧校正超声图像中同一像素位置对应的结构映射整数;
目标复合权重获取单元,用于根据N帧校正超声图像中同一像素位置对应的权重排序结果和结构映射整数,对同一像素位置对应的原始复合权重进行调整,获取N帧校正超声图像中同一像素位置对应的目标复合权重。
在一实施例中,结构映射整数获取单元,包括:
权重方差确定子单元,用于对每一校正超声图像中同一像素位置的邻近区域对应的原始复合权重进行局域统计,确定每一校正超声图像中同一像素位置对应的权重方差;
结构映射整数确定子单元,用于根据每一校正超声图像中同一像素位置对应的权重方差和预先设置的符号曲线,确定每一校正超声图像中同一像素位置对应的结构映射整数。
关于超声图像增强装置的具体限定可以参见上文中对于超声图像增强方法的限定,在此不再赘述。上述超声图像增强装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于超声设备中的处理器中,也可以以软件形式存储于超声设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一实施例中,提供一种超声设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中超声图像增强方法,例如图2所示S201-S206,或者图3至图7中所示,为避免重复,这里不再赘述。或者,处理器执行计算机程序时实现超声图像增强装置这一实施例中的各模块/单元的功能,例如图8所示的基准超声图像确定模块801、校正超声图像获取模块802、目标结构张量矩阵获取模块803、可靠性权重获取模块804、目标复合权重获取模块805和目标超声图像获取模块806的功能,为避免重复,这里不再赘述。
在一实施例中,提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中超声图像增强方法,例如图2所示S201-S206,或者图3至图7中所示,为避免重复,这里不再赘述。或者,该计算机程序被处理器执行时实现上述超声图像增强装置这一实施例中的各模块/单元的功能,例如图8所示的基准超声图像确定模块801、校正超声图像获取模块802、目标结构张量矩阵获取模块803、可靠性权重获取模块804、目标复合权重获取模块805和目标超声图像获取模块806的功能,为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (12)
1.一种超声图像增强方法,其特征在于,包括:
获取N帧待处理超声图像,从所述N帧待处理超声图像中,确定基准超声图像;
基于所述基准超声图像,对N帧所述待处理超声图像进行配准校正,获取N帧校正超声图像;
对每一所述校正超声图像进行结构张量分析,获取每一所述校正超声图像对应的目标结构张量矩阵;
基于所述基准超声图像,对N帧所述校正超声图像进行可靠性分析,获取每一所述校正超声图像对应的可靠性权重;
根据N帧所述校正超声图像中同一像素位置对应的所述目标结构张量矩阵和所述可靠性权重进行超分辨加权复合,获取N帧所述校正超声图像中同一像素位置对应的原始复合权重;
对N帧所述校正超声图像中同一像素位置对应的原始复合权重进行自适应增强处理,获取N帧所述校正超声图像中同一像素位置对应的目标复合权重;
根据N帧所述校正超声图像对应的目标复合权重,对N帧所述校正超声图像对应的像素灰度值进行复合,获取目标超声图像。
2.如权利要求1所述的超声图像增强方法,其特征在于,所述对每一所述校正超声图像进行结构张量分析,获取每一所述校正超声图像对应的目标结构张量矩阵,包括:
对所述校正超声图像进行结构张量分析,获取所述校正超声图像中每一像素位置对应的原始结构张量矩阵;
对所述校正超声图像中每一像素位置对应的原始结构张量矩阵进行本征分解,获取每一像素位置对应的原始局域特征向量、原始梯度特征值和原始取向特征值;
对所述校正超声图像中每一像素位置对应的所述原始梯度特征值和所述原始取向特征值进行优化处理,获取每一像素位置对应的目标梯度特征值和目标取向特征值;
基于所述校正超声图像中每一像素位置对应的原始局域特征向量、目标梯度特征值和目标取向特征值进行结构张量重构,获取目标结构张量矩阵。
3.如权利要求1所述的超声图像增强方法,其特征在于,所述基于所述基准超声图像,对N帧所述校正超声图像进行可靠性分析,获取每一所述校正超声图像对应的可靠性权重,包括:
对基准超声图像进行局域统计,获取所述基准超声图像中每一像素位置对应的基准局域均值和基准局域标准差;
对每一所述校正超声图像进行局域统计,获取所述校正超声图像中每一像素位置对应的校正局域均值和校正局域标准差;
基于同一所述像素位置对应的基准局域均值、基准局域标准差、校正局域均值和校正局域标准差,获取每一所述校正超声图像在同一所述像素位置对应的局域均值差值绝对值和局域标准差差值绝对值;
基于同一所述像素位置对应的基准局域均值、基准局域标准差、局域均值差值绝对值和局域标准差差值绝对值,获取每一所述校正超声图像在同一所述像素位置对应的可靠性权重。
4.如权利要求1所述的超声图像增强方法,其特征在于,所述对N帧所述校正超声图像中同一像素位置对应的原始复合权重进行自适应增强处理,获取N帧所述校正超声图像中同一像素位置对应的目标复合权重,包括:
对N帧所述校正超声图像中同一像素位置对应的原始复合权重进行排序,获取N帧所述校正超声图像中同一像素位置对应的权重排序结果;
对N帧所述校正超声图像中同一像素位置对应的原始复合权重进行分布映射,确定N帧所述校正超声图像中同一像素位置对应的结构映射整数;
根据N帧所述校正超声图像中同一像素位置对应的所述权重排序结果和所述结构映射整数,对同一像素位置对应的原始复合权重进行调整,获取N帧所述校正超声图像中同一像素位置对应的目标复合权重。
5.如权利要求4所述的超声图像增强方法,其特征在于,所述对N帧所述校正超声图像中同一像素位置对应的原始复合权重进行分布映射,确定N帧所述校正超声图像中同一像素位置对应的结构映射整数,包括:
对每一所述校正超声图像中同一像素位置的邻近区域对应的原始复合权重进行局域统计,确定每一所述校正超声图像中同一像素位置对应的权重方差;
根据每一所述校正超声图像中同一像素位置对应的权重方差和预先设置的符号曲线,确定每一所述校正超声图像中同一像素位置对应的结构映射整数,其中,预先设置的符号曲线是指系统当前时间以前,根据多次实验构造形成的符号曲线。
6.一种超声图像增强装置,其特征在于,包括:
基准超声图像确定模块,用于获取N帧待处理超声图像,从所述N帧待处理超声图像中,确定基准超声图像;
校正超声图像获取模块,用于基于所述基准超声图像,对N帧所述待处理超声图像进行配准校正,获取N帧校正超声图像;
目标结构张量矩阵获取模块,用于对每一所述校正超声图像进行结构张量分析,获取每一所述校正超声图像对应的目标结构张量矩阵;
可靠性权重获取模块,用于基于所述基准超声图像,对N帧所述校正超声图像进行可靠性分析,获取每一所述校正超声图像对应的可靠性权重;
原始复合权重获取子模块,用于根据N帧所述校正超声图像中同一像素位置对应的所述目标结构张量矩阵和所述可靠性权重进行超分辨加权复合,获取N帧所述校正超声图像中同一像素位置对应的原始复合权重;
目标复合权重获取子模块,用于对N帧所述校正超声图像中同一像素位置对应的原始复合权重进行自适应增强处理,获取N帧所述校正超声图像中同一像素位置对应的目标复合权重;
目标超声图像获取模块,用于根据N帧所述校正超声图像对应的目标复合权重,对N帧所述校正超声图像对应的像素灰度值进行复合,获取目标超声图像。
7.如权利要求6所述的超声图像增强装置,其特征在于,所述目标结构张量矩阵获取模块,包括:
结构张量分析子模块,用于对所述校正超声图像进行结构张量分析,获取所述校正超声图像中每一像素位置对应的原始结构张量矩阵;
矩阵本征分解子模块,用于对所述校正超声图像中每一像素位置对应的原始结构张量矩阵进行本征分解,获取每一像素位置对应的原始局域特征向量、原始梯度特征值和原始取向特征值;
特征值优化处理子模块,用于对所述校正超声图像中每一像素位置对应的所述原始梯度特征值和所述原始取向特征值进行优化处理,获取每一像素位置对应的目标梯度特征值和目标取向特征值;
结构张量重构子模块,用于基于所述校正超声图像中每一像素位置对应的原始局域特征向量、目标梯度特征值和目标取向特征值进行结构张量重构,获取目标结构张量矩阵。
8.如权利要求6所述的超声图像增强装置,其特征在于,所述可靠性权重获取模块,包括:
基准图像局域统计子模块,用于对基准超声图像进行局域统计,获取所述基准超声图像中每一像素位置对应的基准局域均值和基准局域标准差;
待处理图像局域统计子模块,用于对每一所述校正超声图像进行局域统计,获取所述校正超声图像中每一像素位置对应的校正局域均值和校正局域标准差;
差值绝对值计算子模块,用于基于同一所述像素位置对应的基准局域均值、基准局域标准差、校正局域均值和校正局域标准差,获取每一所述校正超声图像在同一所述像素位置对应的局域均值差值绝对值和局域标准差差值绝对值;
可靠性权重获取子模块,用于基于同一所述像素位置对应的基准局域均值、基准局域标准差、局域均值差值绝对值和局域标准差差值绝对值,获取每一所述校正超声图像在同一所述像素位置对应的可靠性权重。
9.如权利要求6所述的超声图像增强装置,其特征在于,所述目标复合权重获取子模块,包括:
权重排序结果获取单元,用于对N帧所述校正超声图像中同一像素位置对应的原始复合权重进行排序,获取N帧所述校正超声图像中同一像素位置对应的权重排序结果;
结构映射整数获取单元,用于对N帧所述校正超声图像中同一像素位置对应的原始复合权重进行分布映射,确定N帧所述校正超声图像中同一像素位置对应的结构映射整数;
目标复合权重获取单元,用于根据N帧所述校正超声图像中同一像素位置对应的所述权重排序结果和所述结构映射整数,对同一像素位置对应的原始复合权重进行调整,获取N帧所述校正超声图像中同一像素位置对应的目标复合权重。
10.如权利要求9所述的超声图像增强装置,其特征在于,所述结构映射整数获取单元,包括:
权重方差确定子单元,用于对每一所述校正超声图像中同一像素位置的邻近区域对应的原始复合权重进行局域统计,确定每一所述校正超声图像中同一像素位置对应的权重方差;
结构映射整数确定子单元,用于根据每一所述校正超声图像中同一像素位置对应的权重方差和预先设置的符号曲线,确定每一所述校正超声图像中同一像素位置对应的结构映射整数,其中,预先设置的符号曲线是指系统当前时间以前,根据多次实验构造形成的符号曲线。
11.一种超声设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述超声图像增强方法。
12.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述超声图像增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210677390.0A CN114782283B (zh) | 2022-06-16 | 2022-06-16 | 超声图像增强方法、装置、超声设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210677390.0A CN114782283B (zh) | 2022-06-16 | 2022-06-16 | 超声图像增强方法、装置、超声设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114782283A CN114782283A (zh) | 2022-07-22 |
CN114782283B true CN114782283B (zh) | 2022-09-02 |
Family
ID=82421168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210677390.0A Active CN114782283B (zh) | 2022-06-16 | 2022-06-16 | 超声图像增强方法、装置、超声设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114782283B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100040354A (ko) * | 2008-10-10 | 2010-04-20 | 주식회사 메디슨 | 2차원 초음파 영상의 화질 개선 방법 |
CN102722874A (zh) * | 2012-05-29 | 2012-10-10 | 飞依诺科技(苏州)有限公司 | 超声图像斑点噪声抑制方法 |
CN103873743A (zh) * | 2014-03-24 | 2014-06-18 | 中国人民解放军国防科学技术大学 | 一种基于结构张量和卡尔曼滤波的视频去噪方法 |
CN105574820A (zh) * | 2015-12-04 | 2016-05-11 | 南京云石医疗科技有限公司 | 一种基于深度学习的自适应超声图像增强方法 |
CN109949254A (zh) * | 2019-03-19 | 2019-06-28 | 青岛海信医疗设备股份有限公司 | 穿刺针超声图像增强方法及装置 |
CN112826533A (zh) * | 2021-01-11 | 2021-05-25 | 深圳华声医疗技术股份有限公司 | 超声成像空间复合方法、装置、超声诊断仪及存储介质 |
CN113197630A (zh) * | 2021-07-05 | 2021-08-03 | 深圳华声医疗技术股份有限公司 | 穿刺针显影增强方法、装置、超声设备及存储介质 |
CN113240587A (zh) * | 2021-07-12 | 2021-08-10 | 深圳华声医疗技术股份有限公司 | 超分辨率扫描变换方法、装置、超声设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6081139B2 (ja) * | 2011-12-26 | 2017-02-15 | 東芝メディカルシステムズ株式会社 | 超音波診断装置、医用画像処理装置、及び医用画像処理方法 |
CN104490418A (zh) * | 2014-09-25 | 2015-04-08 | 深圳市恩普电子技术有限公司 | 一种基于信号统计分析的超声图像自动优化方法 |
CN104680495B (zh) * | 2015-03-17 | 2017-12-22 | 武汉倍尔生生物科技有限公司 | 超声图像的自适应去噪方法 |
US10405836B2 (en) * | 2015-11-23 | 2019-09-10 | Clarius Mobile Health Corp. | Speckle reduction and compression improvement of ultrasound images |
CN113177930B (zh) * | 2021-05-18 | 2023-11-17 | 深圳华声医疗技术股份有限公司 | 超声图像频率复合方法、装置、超声设备及存储介质 |
-
2022
- 2022-06-16 CN CN202210677390.0A patent/CN114782283B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100040354A (ko) * | 2008-10-10 | 2010-04-20 | 주식회사 메디슨 | 2차원 초음파 영상의 화질 개선 방법 |
CN102722874A (zh) * | 2012-05-29 | 2012-10-10 | 飞依诺科技(苏州)有限公司 | 超声图像斑点噪声抑制方法 |
CN103873743A (zh) * | 2014-03-24 | 2014-06-18 | 中国人民解放军国防科学技术大学 | 一种基于结构张量和卡尔曼滤波的视频去噪方法 |
CN105574820A (zh) * | 2015-12-04 | 2016-05-11 | 南京云石医疗科技有限公司 | 一种基于深度学习的自适应超声图像增强方法 |
CN109949254A (zh) * | 2019-03-19 | 2019-06-28 | 青岛海信医疗设备股份有限公司 | 穿刺针超声图像增强方法及装置 |
CN112826533A (zh) * | 2021-01-11 | 2021-05-25 | 深圳华声医疗技术股份有限公司 | 超声成像空间复合方法、装置、超声诊断仪及存储介质 |
CN113197630A (zh) * | 2021-07-05 | 2021-08-03 | 深圳华声医疗技术股份有限公司 | 穿刺针显影增强方法、装置、超声设备及存储介质 |
CN113240587A (zh) * | 2021-07-12 | 2021-08-10 | 深圳华声医疗技术股份有限公司 | 超分辨率扫描变换方法、装置、超声设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
Coherence adaptive speckle filter for ultrasound image;JeongSik Kim等;《2007 9th International Symposium on Signal Processing and Its Applications》;20080627;1-4 * |
Speckle Noise Reduction in Medical Ultrasound Images;Faouzi Benzarti等;《Computer Vision and Pattern Recognition》;20130506;1-8 * |
异源传感器图像融合关键技术研究;徐莉娟;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20191215(第(2019)12期);I138-610 * |
抑制斑点噪声的超声图像滤波算法比较研究;李坚;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20151215(第(2015)12期);I138-672 * |
自适应SUSAN扩散的超声图像去噪算法;徐宇贵等;《电子测量与仪器学报》;20120430;第26卷(第04期);331-337 * |
Also Published As
Publication number | Publication date |
---|---|
CN114782283A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113240587B (zh) | 超分辨率扫描变换方法、装置、超声设备及存储介质 | |
EP2453406B1 (en) | Ultrasonic image processing apparatus | |
US9123139B2 (en) | Ultrasonic image processing with directional interpolation in order to increase the resolution of an image | |
EP2453405B1 (en) | Ultrasonic image processing apparatus | |
CN114947951B (zh) | 超声成像控制方法、装置、超声设备及存储介质 | |
CN112826533B (zh) | 超声成像空间复合方法、装置、超声诊断仪及存储介质 | |
US20170238908A1 (en) | Ultrasound diagnostic device | |
CN112998750B (zh) | 超声图像合成方法、装置、超声设备及存储介质 | |
CN113197630B (zh) | 穿刺针显影增强方法、装置、超声设备及存储介质 | |
JP2016539707A (ja) | 画像情報に基づく画像合成 | |
JP2010068987A (ja) | 超音波診断装置 | |
CN110731795B (zh) | 空间复合成像的处理方法和装置 | |
CN114782283B (zh) | 超声图像增强方法、装置、超声设备及存储介质 | |
CN111434311B (zh) | 超声波摄像装置以及图像处理方法 | |
CN115082320B (zh) | 超声图像超分辨率处理方法、超声设备及存储介质 | |
CN113177930B (zh) | 超声图像频率复合方法、装置、超声设备及存储介质 | |
CN113208710B (zh) | 穿刺针显影增强方法、装置、超声设备及存储介质 | |
JP7034686B2 (ja) | 超音波診断装置、医用画像処理装置及びそのプログラム | |
JP2020137876A (ja) | 超音波撮像装置、画像処理装置、および、画像処理プログラム | |
CN115049661B (zh) | 目标结构围度测量方法、装置、超声设备及存储介质 | |
JP6045866B2 (ja) | 超音波画像処理装置 | |
Xu | Hybrid Receive Beamforming Applied to Ultrasound Imaging | |
JP5950291B1 (ja) | 超音波診断装置及びプログラム | |
JP2021074207A (ja) | 超音波診断装置、超音波診断装置の制御方法、及び、超音波診断装置の制御プログラム | |
CN113476075A (zh) | 一种超声弹性成像方法、图像数据的筛选方法及装置 |
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 |