CN115063426A - 一种基于二维b超图像的标测导管扫查断面切点识别方法 - Google Patents

一种基于二维b超图像的标测导管扫查断面切点识别方法 Download PDF

Info

Publication number
CN115063426A
CN115063426A CN202210989910.1A CN202210989910A CN115063426A CN 115063426 A CN115063426 A CN 115063426A CN 202210989910 A CN202210989910 A CN 202210989910A CN 115063426 A CN115063426 A CN 115063426A
Authority
CN
China
Prior art keywords
image
catheter
dimensional
processing
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.)
Pending
Application number
CN202210989910.1A
Other languages
English (en)
Inventor
范鲁燕
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.)
Jiangsu Tingsn Technology Co ltd
Original Assignee
Jiangsu Tingsn Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Tingsn Technology Co ltd filed Critical Jiangsu Tingsn Technology Co ltd
Priority to CN202210989910.1A priority Critical patent/CN115063426A/zh
Publication of CN115063426A publication Critical patent/CN115063426A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/30204—Marker

Landscapes

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

Abstract

本发明公开了一种基于二维B超图像的标测导管扫查断面切点识别方法，涉及B超图像处理技术领域，该方法包括以下步骤：通过超声探头对导管旋转来回扫描得到二维B超图像；将二维B超图像进行灰度化处理，得到灰度化图像；去掉灰度化图像周围的噪音，并进行二值化处理得到二值化图像；对二值化图像进行形态学操作，区分导管及周围的暗影，得到操作图像；对操作图像进行寻找导管轮廓，并且寻找连通域，即对导管切点进行提取；对导管轮廓进行筛选，进行拟合圆处理得到导管的圆心坐标，效果是能够减小辐射，并且能够提供更清晰更实时的心脏图像。

Description

一种基于二维B超图像的标测导管扫查断面切点识别方法
技术领域
本发明涉及B超图像处理技术领域，更具体地说，它涉及一种基于二维B超图像的标测导管扫查断面切点识别方法。
背景技术
随着医疗水平的不断进步，在常规超声图像中，导管定位往往决定了手术的成功或失败，在常规的导管标测过程中，因为缺少导管在工作时的三维空间信息，所以难以确定导管的位置，但如果一旦定位出现问题，手术成功率则难以保证。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于二维B超图像的标测导管扫查断面切点识别方法。
为实现上述目的，本发明提供了如下技术方案：
一种基于二维B超图像的标测导管扫查断面切点识别方法，该方法包括以下步骤：
通过超声探头对导管旋转来回扫描得到二维B超图像；
将二维B超图像进行灰度化处理，得到灰度化图像；
去掉灰度化图像周围的噪音，噪音指图像中的暗影以及其它不是导管的元素，去噪的步骤就是灰度化二值化裁剪形态学操作，这些步骤都是一些简单的对二维图像通过opencv处理的步骤，并进行二值化处理得到二值化图像；
去掉灰度化图像周围的噪音，并进行二值化处理得到二值化图像；
对二值化图像进行形态学操作，区分导管及周围的暗影，得到操作图像；
对操作图像进行寻找导管轮廓，并且寻找连通域，即对导管切点进行提取；
对导管轮廓进行筛选，进行拟合圆处理得到导管的圆心坐标。
优选地，对二值化图像进行形态学操作，具体为：
对二值化图像依次进行开运算和闭运算。
开运算步骤：先腐蚀后膨胀，其作用是：分离导管和其他区域，消除一些像素值很低的区域。特点：消除噪点，去除小的干扰块，而不影响原来的图像。闭运算步骤：闭运算与开运算相反，是先膨胀后腐蚀，作用是消除/“闭合”物体里面的孔洞，特点：可以填充闭合区域。
优选地，连通域具体是指操作图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，将操作图像中的各个连通区域找出并标记；
连通域将前景目标提取出来进行标签处理。
优选地，连通域将前景目标提取出来进行标签处理，具体为：
将操作图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，将图像中的各个连通区域找出并标记，各个连通区域即前景，其余即背景；
标签处理具体指在操作图像中寻找连通区域，对于找到的每个连通区域，赋予其标识。
优选地，进行拟合圆处理得到导管的圆心坐标，具体为：
筛选出导管轮廓后，计算得到像素点集的最小外包矩形，求出宽高比；
计算外包矩形以及宽高比技术是现有技术，因为导管在2维图像中接近椭圆，所以我们在寻找轮廓的时候肯定是倾向于寻找椭圆或者接近圆的轮廓，而圆或椭圆在2维图像中它的宽高比是接近于1的，所以我们就继而找到最接近1的区域即定义为导管，切点就是此区域的中心，通过简单数学方法就可算出来。
将宽高比为1：0，得到点集区域，进而得到圆心坐标。
根据上一帧3D跟踪目标给的位置反馈进而获取导管的切点坐标，当我们得到导管的切点坐标，也会对后期三维定位进行辅助，起到一个闭环的效果。
与现有技术相比，本发明具备以下有益效果：
本发明中，本申请通过图像处理的方式对心脏二维图像处理获取导管位置信息，相比传统技术的优势，能够减小辐射，并且能够提供更清晰更实时的心脏图像。
附图说明
图1为本发明提出一种基于二维B超图像的标测导管扫查断面切点识别方法的流程示意图。
具体实施方式
参照图1，实施例一对本发明提出的一种基于二维B超图像的标测导管扫查断面切点识别方法做进一步说明。
一种基于二维B超图像的标测导管扫查断面切点识别方法，该方法包括以下步骤：
通过超声探头对导管旋转来回扫描得到二维B超图像，根据超声探头不同的旋转度数进行导管与表皮的切面截取；
将二维B超图像进行灰度化处理，得到灰度化图像；
去掉灰度化图像周围的噪音，噪音指图像中的暗影以及其它不是导管的元素，去噪的步骤就是灰度化二值化裁剪形态学操作，这些步骤都是一些简单的对二维图像通过opencv处理的步骤，并进行二值化处理得到二值化图像；
对二值化图像进行形态学操作，区分导管及周围的暗影，得到操作图像；
对二值化图像进行形态学操作，具体为：
对二值化图像依次进行开运算和闭运算。
开运算步骤：先腐蚀后膨胀，其作用是：分离导管和其他区域，消除一些像素值很低的区域。特点：消除噪点，去除小的干扰块，而不影响原来的图像。闭运算步骤：闭运算与开运算相反，是先膨胀后腐蚀，作用是消除/“闭合”物体里面的孔洞，特点：可以填充闭合区域。
对操作图像进行寻找导管轮廓，并且寻找连通域，即对导管切点进行提取；
连通域将前景目标提取出来进行标签处理，具体为：
将操作图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，将图像中的各个连通区域找出并标记，各个连通区域即前景，其余即背景；
标签处理具体指在操作图像中寻找连通区域，对于找到的每个连通区域，赋予其标识。
对导管轮廓进行筛选，进行拟合圆处理得到导管的圆心坐标。
连通域具体是指操作图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，将操作图像中的各个连通区域找出并标记；
连通域将前景目标提取出来进行标签处理。
进行拟合圆处理得到导管的圆心坐标，具体为：
筛选出导管轮廓后，计算得到像素点集的最小外包矩形，求出宽高比；
计算外包矩形以及宽高比技术是现有技术，因为导管在2维图像中接近椭圆，所以我们在寻找轮廓的时候肯定是倾向于寻找椭圆或者接近圆的轮廓，而圆或椭圆在2维图像中它的宽高比是接近于1的，所以我们就继而找到最接近1的区域即定义为导管，切点就是此区域的中心，通过简单数学方法就可算出来。
将宽高比为1：0，得到点集区域，进而得到圆心坐标。
根据上一帧3D跟踪目标给的位置反馈进而获取导管的切点坐标，当我们得到导管的切点坐标，也会对后期三维定位进行辅助，起到一个闭环的效果。
本申请通过图像处理的方式对心脏二维图像处理获取导管位置信息，相比传统技术的优势，能够减小辐射，并且能够提供更清晰更实时的心脏图像。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于二维B超图像的标测导管扫查断面切点识别方法，其特征在于，该方法包括以下步骤：
通过超声探头对导管旋转来回扫描得到二维B超图像；
将二维B超图像进行灰度化处理，得到灰度化图像；
去掉灰度化图像周围的噪音，并进行二值化处理得到二值化图像；
对二值化图像进行形态学操作，区分导管及周围的暗影，得到操作图像；
对操作图像进行寻找导管轮廓，并且寻找连通域，即对导管切点进行提取；
对导管轮廓进行筛选，进行拟合圆处理得到导管的圆心坐标。
2.根据权利要求1所述的一种基于二维B超图像的标测导管扫查断面切点识别方法，其特征在于，对二值化图像进行形态学操作，具体为：
对二值化图像依次进行开运算和闭运算。
3.根据权利要求2所述的一种基于二维B超图像的标测导管扫查断面切点识别方法，其特征在于，连通域具体是指操作图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，将操作图像中的各个连通区域找出并标记；
连通域将前景目标提取出来进行标签处理。
4.根据权利要求3所述的一种基于二维B超图像的标测导管扫查断面切点识别方法，其特征在于，连通域将前景目标提取出来进行标签处理，具体为：
将操作图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，将图像中的各个连通区域找出并标记，各个连通区域即前景，其余即背景；
标签处理具体指在操作图像中寻找连通区域，对于找到的每个连通区域，赋予其标识。
5.根据权利要求4所述的一种基于二维B超图像的标测导管扫查断面切点识别方法，其特征在于，进行拟合圆处理得到导管的圆心坐标，具体为：
筛选出导管轮廓后，计算得到像素点集的最小外包矩形，求出宽高比；
将宽高比为1：0，得到点集区域，进而得到圆心坐标。
CN202210989910.1A 2022-08-18 2022-08-18 一种基于二维b超图像的标测导管扫查断面切点识别方法 Pending CN115063426A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210989910.1A CN115063426A (zh) 2022-08-18 2022-08-18 一种基于二维b超图像的标测导管扫查断面切点识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210989910.1A CN115063426A (zh) 2022-08-18 2022-08-18 一种基于二维b超图像的标测导管扫查断面切点识别方法

Publications (1)

Publication Number Publication Date
CN115063426A true CN115063426A (zh) 2022-09-16

Family

ID=83208371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210989910.1A Pending CN115063426A (zh) 2022-08-18 2022-08-18 一种基于二维b超图像的标测导管扫查断面切点识别方法

Country Status (1)

Country Link
CN (1) CN115063426A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115546232A (zh) * 2022-10-12 2022-12-30 什维新智医疗科技(上海)有限公司 一种肝脏超声图像工作区域提取方法、系统及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130145848A1 (en) * 2011-12-12 2013-06-13 Uvic Industry Partnerships Inc. Probing system for measurement of micro-scale objects
CN112308874A (zh) * 2020-11-19 2021-02-02 天津大学 基于管壁连通域唯一性的iv-oct血管轮廓识别方法
CN113256580A (zh) * 2021-05-20 2021-08-13 北京朴清科技有限公司 一种目标菌落特征自动识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130145848A1 (en) * 2011-12-12 2013-06-13 Uvic Industry Partnerships Inc. Probing system for measurement of micro-scale objects
CN112308874A (zh) * 2020-11-19 2021-02-02 天津大学 基于管壁连通域唯一性的iv-oct血管轮廓识别方法
CN113256580A (zh) * 2021-05-20 2021-08-13 北京朴清科技有限公司 一种目标菌落特征自动识别方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115546232A (zh) * 2022-10-12 2022-12-30 什维新智医疗科技(上海)有限公司 一种肝脏超声图像工作区域提取方法、系统及电子设备

Similar Documents

Publication Publication Date Title
CN110717888B (zh) 一种血管内光学相干层析成像血管壁内轮廓自动识别方法
CN112614062B (zh) 菌落计数方法、装置及计算机存储介质
US20060098870A1 (en) Region competition via local watershed operators
CN110097048A (zh) 一种sot芯片图像快速校正与字符识别方法
CN108399644A (zh) 一种墙体图像识别方法及其装置
CN111105427B (zh) 一种基于连通区域分析的肺部图像分割方法及系统
CN115063426A (zh) 一种基于二维b超图像的标测导管扫查断面切点识别方法
CN105913425B (zh) 一种基于自适应椭圆分块和小波变换的多猪轮廓提取方法
CN114783010B (zh) 一种掌纹图像感兴趣区域提取方法
CN111340780B (zh) 一种基于三维超声图像的病灶检测方法
CN113362280B (zh) 一种基于医学造影的动态目标跟踪方法
CN112330667B (zh) 一种基于形态学的激光条纹中心线提取方法
CN116824168B (zh) 基于图像处理的耳部ct特征提取方法
CN110060239A (zh) 一种用于瓶子瓶口的缺陷检测方法
CN112258536B (zh) 一种胼胝体及小脑蚓部的一体化定位及分割方法
CN106910166B (zh) 一种图像处理方法和装置
CN111815591B (zh) 基于ct图像的肺结节检测方法
Zaim Automatic segmentation of the prostate from ultrasound data using feature-based self organizing map
CN109934818B (zh) 一种果实外部轮廓畸形检测方法
CN113940704A (zh) 一种基于甲状腺的肌肉和筋膜检测装置
CN113505811A (zh) 一种轮毂生产用机器视觉成像方法
CN111489434A (zh) 一种基于三维图割的医学影像三维重建方法
Zaim An edge-based approach for segmentation of prostate ultrasouind images using phase symmetry
CN116030041B (zh) 一种颈总动脉超声波横切图像血管壁分割方法
CN109034256A (zh) 一种ltp与hog特征融合的乳腺肿瘤检测系统与方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220916

RJ01 Rejection of invention patent application after publication