CN115063498A - 导丝伪影抑制方法、装置、ivus系统和存储介质 - Google Patents
导丝伪影抑制方法、装置、ivus系统和存储介质 Download PDFInfo
- Publication number
- CN115063498A CN115063498A CN202111672204.6A CN202111672204A CN115063498A CN 115063498 A CN115063498 A CN 115063498A CN 202111672204 A CN202111672204 A CN 202111672204A CN 115063498 A CN115063498 A CN 115063498A
- Authority
- CN
- China
- Prior art keywords
- line data
- scanning line
- guide wire
- data
- processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000002608 intravascular ultrasound Methods 0.000 title claims abstract description 23
- 230000001629 suppression Effects 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 102
- 238000001914 filtration Methods 0.000 claims abstract description 47
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 16
- 238000002604 ultrasonography Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000000116 mitigating effect Effects 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 2
- 230000002792 vascular Effects 0.000 abstract description 7
- 230000002401 inhibitory effect Effects 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 16
- 210000004204 blood vessel Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000012285 ultrasound imaging Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种导丝伪影抑制方法、装置、IVUS系统和存储介质。其中,导丝伪影抑制方法包括步骤:获取第一扫描线数据;当第一扫描线数据存在导丝伪影信息时,对第一扫描线数据进行滤波处理和组织信息提取处理,得到第二扫描线数据;基于动态系数,对第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据;其中,动态系数为基于第二扫描线数据、导丝伪影信息的位置以及参考扫描线数据得到;参考扫描线数据为根据不存在导丝伪影信息的第一扫描线数据得到。上述方法增强了位于导丝伪影区域的血管组织信号并进一步抑制导丝伪影信息,同时也较大程度地保障了数据的真实有效性。
Description
技术领域
本申请涉及超声成像技术领域,特别是涉及一种导丝伪影抑制方法、装置、IVUS系统和存储介质。
背景技术
血管内超声成像也被称之为Intravascular Ultrasound,即IVUS技术,是一种将微型超声探头安装在导管前端的技术,通过专业技术将导管深入到血管内从而探查血管的组织结构,是现阶段一种相对有效、直接、高质量的超声诊断技术。对于机械旋转类型的IVUS系统,是通过旋转电机带动导体内的单阵元换能器进行旋转,在旋转过程中,单阵元换能器会周期性地进行超声激励信号发射及超声回波信号接收操作。
在实现过程中,发明人发现传统技术中至少存在如下问题:传统机械旋转类型的IVUS系统所呈现的IVUS图像存在导丝伪影。
发明内容
基于此,有必要针对上述技术问题,提供一种能够对IVUS图像的导丝伪影进行抑制的导丝伪影抑制方法、装置、IVUS系统和存储介质。
为了实现上述目的,一方面,本发明实施例提供了一种导丝伪影抑制方法,包括步骤:
获取第一扫描线数据;
当第一扫描线数据存在导丝伪影信息时,对第一扫描线数据进行滤波处理和组织信息提取处理,得到第二扫描线数据;
基于动态系数,对第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据;其中,动态系数为基于第二扫描线数据、导丝伪影信息的位置以及参考扫描线数据得到;参考扫描线数据为根据不存在导丝伪影信息的第一扫描线数据得到。
在其中一个实施例中,还包括步骤:
当第一扫描线数据不存在导丝伪影信息时,对第一扫描线数据进行滤波和组织信息提取处理,得到第四扫描线数据;
基于固定系数,对第四扫描线数据进行对数化处理,得到用于重建超声图像的第五扫描线数据。
在其中一个实施例中,对各第一扫描线数据进行滤波处理步骤,包括:
当第一扫描线数据存在导丝伪影信息时,对第一扫描线数据进行带通滤波处理;
当第一扫描线数据不存在导丝伪影信息时,对第一扫描线数据分别进行带通滤波处理和带阻滤波处理。
在其中一个实施例中,还包括步骤:
对各第一扫描线数据的时域、频域或时频域进行处理,得到各第一扫描线数据的特征值;
采用分类器处理各特征值,得到分类结果;
根据分类结果,确定各第一扫描线数据中是否存在导丝伪影信息。
在其中一个实施例中,第一扫描线数据包括多个子数据;
采用分类器处理各特征值的步骤,包括:
采用分类器处理前N个子数据的特征值;N的值为根据超声系统的设置参数和导管结构得到;
或者采用分类器处理各特征值的步骤,包括:
采用分类器依次处理子数据的特征值,直至发生导丝伪影确定事件;其中,导丝伪影确定事件包括基于任一子数据对应的分类结果,确定第一扫描线数据中存在导丝伪影信息。
在其中一个实施例中,还包括步骤:
将与存在导丝伪影信息的第一扫描线数据的扫描角度相邻的参考扫描线数据,作为规范模板;
根据导丝伪影信息的位置、存在导丝伪影信息的第一扫描线数据中扫描点的实际数据和规范模板,确定扫描点的理论数据;
根据理论数据和实际数据,确定动态系数。
在其中一个实施例中,还包括步骤:
采用神经网络算法模型获取拟合函数;
采用拟合函数,处理导丝伪影信息的位置、存在导丝伪影信息的第一扫描线数据中扫描点的实际数据以及与存在导丝伪影信息的第一扫描线数据的扫描角度相邻的参考扫描线数据,得到动态系数。
在其中一个实施例中,基于动态系数,基于动态系数,对第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据的步骤中,基于以下公式,得到第三扫描线数据:
y=log(k*x+1);
其中,y为第三扫描线数据;k为动态系数;x为第二扫描线数据。
一方面,本发明实施例还提供了一种导丝伪影抑制装置,包括:
数据缓存模块,用于获取第一扫描线数据;
处理模块,用于当所述第一扫描线数据存在导丝伪影信息时,对所述第一扫描线数据进行滤波和组织信息提取处理,得到第二扫描线数据;
对数化模块,用于基于动态系数,对所述第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据;其中,所述动态系数为基于所述第二扫描线数据、所述导丝伪影信息的位置以及参考扫描线数据得到;所述参考扫描线数据为根据不存在所述导丝伪影信息的第一扫描线数据得到。
一方面,本发明实施例还提供了一种IVUS系统,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述任一项方法的步骤。
另一方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一项方法的步骤。
上述技术方案中的一个技术方案具有如下优点和有益效果:
上述导丝伪影抑制方法,通过在第一扫描线数据中存在导丝伪影信息时,对各第一扫描线数据进行相应的滤波处理,实现能量较高的导丝伪影信号的有效抑制。同时,结合血管组织图像的连续性,基于动态系数对第二扫描线数据扫描数据进行对数化处理,增强了位于导丝伪影区域的血管组织信号并进一步抑制导丝伪影信息,同时也较大程度地保障了数据的真实有效性,有助于提高位于导丝伪影区域的病灶的显示效果。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为一个实施例中导丝伪影抑制方法的第一示意性流程示意图;
图2为一个实施例中导丝伪影的示意图;
图3为一个实施例中判断各第一扫描线数据中是否存在导丝伪影信息的步骤的流程示意图;
图4为一个实施例中导丝伪影抑制方法的第二示意性流程示意图;
图5为一个实施例中采用本申请的方法处理含有导丝伪影的超声图像的前后对照图。
图6为一个实施例中确定动态系数的步骤的第一示意性流程示意图;
图7为一个实施例中确定动态系数的步骤的第二示意性流程示意图;
图8为一个实施例中导丝伪影抑制装置的结构框图;
图9为一个实施例中IVUS系统的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种导丝伪影抑制方法,以该方法应用于IVUS系统为例进行说明,包括以下步骤:
S110,获取第一扫描线数据。
其中,第一扫描线数据指的是数字信号,该数字信号为超声探头将其接收到的反射回来的超声回波信号转换为电信号,电信号再通过模数转换而得到。该第一扫描线数据可以为射频信号数据等。超声探头为超声成像系统的组件。可选地,该超声成像系统为机械旋转类型的血管内超声成像系统。导丝伪影是由于超声系统的超声探头为机械旋转的结构,使得在探头旋转扫描时指引导丝会位于导管的一侧,因此指引导丝会被超声探头所扫描,在IVUS图像上呈现该导丝伪影。如图2所示,指引导丝在血管内超声图像上会呈现为亮的回声信号,在管腔内可见到导丝的强回声点状影以及在导丝后方的声影,可以具体参阅图2中左图的12点钟方向以及右图二点钟方向的图例。
具体的,可以通过本领域任意手段获取各扫描角度的第一扫描线数据。在一个示例中,可以直接接收从超声探头传输的该第一扫描线数据。在另一个示例中,超声探头将采集到的各扫描角度的第一扫描线数据存储在数据缓存区中,在需要进行导丝伪影抑制处理时直接从数据缓冲区提取即可。超声探头可以采集到不同扫描角度下的包含血管组织信息的回波信号,该回波信号经数模转换后得到各扫描角度的第一扫描线数据。也就是说,可以实时获取超声探头传输的第一扫描线数据,也可以获取超声探头传输的多条第一扫描线数据或者全部第一扫描线数据。
在本实施例中,以实时获取超声探头传输的第一扫描线数据为例进行描述,此时,获取的第一扫描线数据为当前第一扫描线数据。
S120,当第一扫描线数据存在导丝伪影信息时,对第一扫描线数据进行滤波处理和组织信息提取处理,得到第二扫描线数据。
具体而言,可以采用本领域任意手段对第一扫描线数据进行滤波和组织信息提取处理。在一个具体示例中,当第一扫描线数据不存在导丝伪影信息时,对第一扫描线数据进行带通滤波处理;对于存在导丝伪影信息的第一扫描线数据,则分别依次进行带通滤波和带阻滤波,从而降低导丝伪影产生的信号能量。其中,带通滤波处理可以为FIR带通滤波,带组滤波可以为FIR带组滤波。
需要说明的是,还可以采用其他滤波处理的方式,只要能够降低导丝伪影所产生的信号能量,并提高存在导丝伪影信息的第一扫描线数据的信噪比即可。
具体的,可以通过本领域任意一种技术手段进行血管组织信息提取,可以基于时域、频域或者时频域来进行血管组织信息提取,例如可以为基于时域的超声图像重建中的正交解调算法,也可以采用时频域的小波提取法等。
在本实施例中,对于步骤S110获取的当前第一扫描线数据,当其存在导丝伪影信息时,对该当前扫描线数据进行FIR带通滤波和FIR带组滤波,再通过正交解调算法提取血管组织信息,得到当前第二扫描线数据。
S130,基于动态系数,对第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据。其中,动态系数为基于第二扫描线数据、导丝伪影信息的位置以及参考扫描线数据得到;参考扫描线数据为根据不存在导丝伪影信息的第一扫描线数据得到。
具体的,对于第二扫描线数据而言,由于其大部分超声信号被导丝所阻挡,所以位于导丝后方的血管组织信号相会有极大的衰减,且由于导丝、血管组织以及探头的相对位置不同,血管组织信号的衰减程度会有所不同,所以此时的对数化的动态系数将需要在进行第二扫描线数据处理过程中实时调整。
需要说明的是,对于每一条第二扫描线数据进行对数化处理时,即对当前第二扫描线数据进行对数化处理时,其动态系数为导丝伪影信息的位置、当前第二扫描线数据的实际数据以及参考扫描线数据得到,其中,参考扫描线数据指的是与当前第一扫描线数据相邻的不存在导丝伪影信息的第一扫描线数据进行对数据处理后的扫描线数据。也就是说,若当前第一扫描线数据为第k个,则往前看最近的一个不存在导丝伪影信息的第一扫描线数据进行对数化处理后的扫描线数据即为参考扫描线数据。即,若第k-1个为不存在导丝伪影信息的第一扫描线数据,则其对数化处理后的扫描线数据即为参考扫描线数据;若第k-1个第一扫描线数据存在导丝伪影信息,则来确定第k-2个,以此类推,确定最近的一个不存在导丝伪影信息的第一扫描线数据。由于血管组织在IVUS图像上存在连续性,可以基于该第二扫描线数据的扫描角度相邻的参考扫描线数据,对该第二扫描线数据进行处理得到第三扫描线数据。通过上述对数化处理,可以使得各种不同的血管组织在一个较小灰度变化范围内清晰展示,有利于用户更快发现病灶。
在一个具体示例中,基于动态系数,对第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据的步骤中,基于以下公式,得到第三扫描线数据:
y=log(k*x+1);
其中,y为第三扫描线数据;k为动态系数;x为第二扫描线数据。
可以理解的,上述导丝伪影抑制方法,可以针对于当前第一扫描线数据进行处理,也即当超声探头传输任一组第一扫描线数据(当前第一扫描线数据)时,对该任意一条第一扫描线数据采用上述导丝伪影抑制方法进行处理;且当该超声探头传输下一组第一扫描线数据时,再采用上述导丝伪影抑制方法对该下一组第一扫描线数据进行处理,以此类推直至处理完所有的第一扫描线数据。可选地,也可以采用上述导丝伪影抑制方法同时对多组第一扫描线数据进行处理,也即获取的第一扫描线数据为多组时,可以分配多个处理资源同时对该第一扫描线数据进行处理。
上述导丝伪影抑制方法,通过在第一扫描线数据中存在导丝伪影信息时,对各第一扫描线数据进行相应的滤波处理,实现能量较高的导丝伪影信号的有效抑制。同时,结合血管组织图像的连续性,基于动态系数对第二扫描线数据进行对数化处理,增强了位于导丝伪影区域的血管组织信号并进一步抑制导丝伪影信息,同时也较大程度地保障了数据的真实有效性,有助于提高位于导丝伪影区域的病灶的显示效果。
在其中一个实施例中,如图3所示,判断各第一扫描线数据中是否存在导丝伪影信息的步骤,包括:
S310,对各第一扫描线数据的时域、频域或时频域进行处理,得到各第一扫描线数据的特征值;
其中,频域或时频域的处理方式可以采用本领域惯用的处理方法,如FIR滤波,小波分解等。
S320,采用分类器处理各特征值,得到分类结果;
具体的,第一扫描线数据也即射频信号,对RF信号实时提取特征值,并将该实时提取到的特征值输入至分类器进行识别。在分类器的选择上可以根据不同的开发平台资源使用不同的分类器,在一个具体示例中,可以为贝叶斯分类器,神经网络分类器,深度置信网络分类器等。
S330,根据分类结果,确定各第一扫描线数据中是否存在导丝伪影信息。
具体的,通过分类结果可以直接确定第一扫描线数据中是否存在导丝伪影信息。
在其中一个实施例中,第一扫描线数据包括多个子数据;采用分类器处理特征值的步骤,包括:
采用分类器处理前N个子数据的特征值;N的值为根据超声系统的设置参数和导管结构得到;N为大于1的自然数。
具体的,由于机械旋转式IVUS的导管结构,导丝的位置与超声探头位置会相对贴近,所以对于受到导丝伪影影响的扫描线数据,导丝伪影的特征在前N个子数据就会有所体现。所以在进行特征提取时,不需要提取整条扫描线数据中的所有数据,仅需要对第一扫描线数据的前N个数据进行提取和识别即可,通过上述方法可以极大提高算法的实时性,降低算法延时。对于N的取值,可以根据超声系统的参数设置和导管结构得到。需要说明的是,第一扫描线数据可以为射频信号数据。
在其中一个实施例中,如图4所示,提供了一种导丝伪影抑制方法,包括步骤:
S410,获取第一扫描线数据;
S420,当第一扫描线数据存在导丝伪影信息时,对第一扫描线数据进行滤波处理和组织信息提取处理,得到第二扫描线数据;
S430,基于动态系数,对第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据;其中,动态系数为基于第二扫描线数据、导丝伪影信息的位置以及参考扫描线数据得到;参考扫描线数据为根据不存在导丝伪影信息的第一扫描线数据得到。
还包括步骤:
S440,当第一扫描线数据不存在导丝伪影信息时,对第一扫描线数据进行滤波和组织信息提取处理,得到第四扫描线数据;
具体的,可以采用本领域任意手段对第一扫描线数据进行滤波处理和组织信息提取处理。在一个具体示例中,当第一扫描线数据不存在导丝伪影信息时,对第一扫描线数据分别进行FIR带通滤波处理。通过该滤波处理,对于不存在导丝伪影信息的第一扫描线数据,进行FIR带通滤波,从而进行提高RF数据的信噪比。
S450,基于固定系数,对第四扫描线数据进行对数化处理,得到用于重建超声图像的第五扫描线数据。
具体的,对于第四扫描线数据,采用固定系数对第四扫描数据进行对数化处理。固定系数将根据有系统本身和用户对超声图像的亮度要求在IVUS系统开始扫描前确定。对不存在导丝伪影信息的扫描数据进行对数化处理的步骤可以参考对存在导丝伪影信息的扫描数据对数化处理的过程。进一步的,固定系数为根据超声图像的图像亮度要求确定。
在另一个具体示例中,基于固定系数,对第四扫描线数据进行对数化处理,得到用于重建超声图像的第五扫描线数据的步骤可以基于以下公式。
A=log(a*B+1);
其中,A为第五扫描线数据,B为第四扫描线数据,a为固定系数。
需要说明的是,上述对数化处理的具体步骤为对第二扫描先数据中的每一个子数据进行对数化处理,当遍历完第二扫描线数据中的每一个子数据时,也即得到了第三扫描线数据。对第四扫描线数据的具体处理步骤可以参照上述第二扫描数据的步骤。图5为未经本申请的导丝伪影抑制方法的原始图像以及经处理后得到的处理图像。从图5中可以看出,通过本申请的方法进行导丝伪影处理后,能够明显抑制导丝伪影,并使得该区域的结构清晰化。
在其中一个实施例中,如图6所示,确定动态系数的步骤,包括:
S610,将参考扫描线数据,作为规范模板;
S620,根据导丝伪影信息的位置、存在导丝伪影信息的第一扫描线数据中扫描点的实际数据和规范模板,确定扫描点的理论数据;
S630,根据理论数据和实际数据,确定动态系数。
具体而言,由于血管组织图像的连续性,当前扫描线数据与上一条的不受导丝伪影影响的扫描线数据将具有相似的信号幅值变化趋势,所以此处可以将与存在导丝伪影信息的第一扫描线数据的扫描角度相邻的参考扫描线数据作为规范化模板,再结合导丝伪影信息的位置和当前的第二扫描线数据,计算出k。
在其中一个实施例中,如图7所示,确定动态系数的步骤,包括:
S710,采用神经网络算法模型获取拟合函数。
具体地,采用神经网络算法模型训练,获取拟合函数,该拟合函数的输出参数为动态系数,该拟合函数的输入参数包括参考扫描线数据、处理的扫描线数据中的任一数据点的数据值及位置信息。
S720,采用拟合函数,处理导丝伪影信息的位置、存在导丝伪影信息的第一扫描线数据中扫描点的实际数据以及与存在导丝伪影信息的第一扫描线数据的扫描角度相邻的参考扫描线数据,得到动态系数。
具体的,可以通过本领域任意神经网络算法模型训练得到拟合函数。需要说明的是,该拟合函数为动态系数、存在导丝伪影信息的第一扫描线数据中扫描点的实际数据,以及存在导丝伪影信息的第一扫描线数据的扫描角度相邻的标准扫描数据的拟合函数。
应该理解的是,虽然图1-7流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种导丝伪影抑制装置,包括:
数据缓存模块,用于获取第一扫描线数据;
处理模块,用于当第一扫描线数据存在导丝伪影信息时,对第一扫描线数据进行滤波处理和组织信息提取处理,得到第二扫描线数据;
对数化模块,用于基于动态系数,对第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据;其中,动态系数为基于第二扫描线数据、导丝伪影信息的位置以及参考扫描线数据得到;参考扫描线数据为根据不存在导丝伪影信息的第一扫描线数据得到。
在其中一个实施例中,处理模块还用于当第一扫描线数据不存在导丝伪影信息时,对第一扫描线数据进行滤波和组织信息提取处理,得到第四扫描线数据;
对数化模块,还用于基于固定系数,对第四扫描线数据进行对数化处理,得到用于重建超声图像的第五扫描线数据。
在其中一个实施例中,处理模块还用于当第一扫描线数据不存在导丝伪影信息时,对第一扫描线数据进行带通滤波处理;当第一扫描线数据存在导丝伪影信息时,对第一扫描线数据分别进行带通滤波处理和带阻滤波处理。
在其中一个实施例中,导丝伪影抑制装置还包括:
提取模块,用于对各第一扫描线数据的时域、频域或时频域进行处理,得到各第一扫描线数据的特征值;
分类模块,用于采用分类器处理各特征值,得到分类结果;
确定模块,用于根据分类结果,确定各第一扫描线数据中是否存在导丝伪影信息。
在其中一个实施例中,第一扫描线数据包括多个子数据,分类模块还用于采用分类器处理前N个子数据的特征值;N的值为根据超声系统的设置参数和导管结构得到;
在其中一个实施例中,第一扫描线数据包括多个子数据;分类模块还用于采用分类器依次处理子数据的特征值,直至发生导丝伪影确定事件;其中,导丝伪影确定事件包括基于任一子数据对应的分类结果,确定第一扫描线数据中存在导丝伪影信息。
在其中一个实施例中,对数化模块还用于将参考扫描线数据作为规范模板;根据导丝伪影信息的位置、规范模板和存在导丝伪影信息的第一扫描线数据中扫描点的实际数据,确定扫描点的理论数据;根据理论数据和实际数据,确定动态系数。
在其中一个实施例中,对数化模块还用于采用神经网络算法模型获取拟合函数;采用拟合函数,处理导丝伪影信息的位置、存在导丝伪影信息的第一扫描线数据中扫描点的实际数据以及与存在导丝伪影信息的第一扫描线数据的扫描角度相邻的参考扫描线数据,得到动态系数。
关于导丝伪影抑制装置的具体限定可以参见上文中对于导丝伪影抑制方法的限定,在此不再赘述。上述导丝伪影抑制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计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种IVUS系统,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储第一扫描线数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种导丝伪影抑制方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取第一扫描线数据;
当第一扫描线数据存在导丝伪影信息时,对第一扫描线数据进行滤波处理和组织信息提取处理,得到第二扫描线数据;
基于动态系数,对第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据;其中,动态系数为基于第二扫描线数据、导丝伪影信息的位置以及参考扫描线数据得到;参考扫描线数据为根据不存在导丝伪影信息的第一扫描线数据得到。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
当第一扫描线数据不存在导丝伪影信息时,对第一扫描线数据进行滤波和组织信息提取处理,得到第四扫描线数据;
基于固定系数,对第四扫描线数据进行对数化处理,得到用于重建超声图像的第五扫描线数据。
在一个实施例中,对各第一扫描线数据进行滤波处理步骤被处理器执行时还实现以下步骤:
当第一扫描线数据不存在导丝伪影信息时,对第一扫描线数据进行带通滤波处理;
当第一扫描线数据存在导丝伪影信息时,对第一扫描线数据分别进行带通滤波处理和带阻滤波处理。
在一个实施例中,计算机程序被处理器执行时实现以下步骤:
对各第一扫描线数据的时域、频域或时频域进行处理,得到各第一扫描线数据的特征值;
采用分类器处理各特征值,得到分类结果;
根据分类结果,确定各第一扫描线数据中是否存在导丝伪影信息。
在一个实施例中,采用分类器处理特征值的步骤被处理器执行时还实现以下步骤:
采用分类器处理前N个子数据的特征值;N的值为根据超声系统的设置参数和导管结构得到;
在一个实施例中,采用分类器处理特征值的步骤被处理器执行时还实现以下步骤:
采用分类器依次处理子数据的特征值,直至发生导丝伪影确定事件;其中,导丝伪影确定事件包括基于任一子数据对应的分类结果,确定第一扫描线数据中存在导丝伪影信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将参考扫描线数据作为规范模板;
根据导丝伪影信息的位置、规范模板和存在导丝伪影信息的第一扫描线数据中扫描点的实际数据,确定扫描点的理论数据;
根据理论数据和实际数据,确定动态系数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
采用神经网络算法模型获取拟合函数;
采用拟合函数,处理导丝伪影信息的位置、存在导丝伪影信息的第一扫描线数据中扫描点的实际数据以及与存在导丝伪影信息的第一扫描线数据的扫描角度相邻的参考扫描线数据,得到动态系数。
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)、存储器总线式动态随机存储器(Rambus DRAM,简称RDRAM)、以及接口动态随机存储器(DRDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种导丝伪影抑制方法,其特征在于,包括步骤:
获取第一扫描线数据;
当所述第一扫描线数据存在导丝伪影信息时,对所述第一扫描线数据进行滤波处理和组织信息提取处理,得到第二扫描线数据;
基于动态系数,对所述第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据;其中,所述动态系数为基于所述第二扫描线数据、所述导丝伪影信息的位置以及参考扫描线数据得到;所述参考扫描线数据为根据不存在所述导丝伪影信息的第一扫描线数据得到。
2.根据权利要求1所述的导丝伪影抑制方法,其特征在于,还包括步骤:
当所述第一扫描线数据不存在导丝伪影信息时,对所述第一扫描线数据进行滤波和组织信息提取处理,得到第四扫描线数据;
基于固定系数,对所述第四扫描线数据进行对数化处理,得到用于重建所述超声图像的第五扫描线数据。
3.根据权利要求2所述的导丝伪影抑制方法,其特征在于,对各所述第一扫描线数据进行滤波处理步骤,包括:
当所述第一扫描线数据不存在导丝伪影信息时,对所述第一扫描线数据进行带通滤波处理;
当所述第一扫描线数据存在导丝伪影信息时,对所述第一扫描线数据分别进行带通滤波处理和带阻滤波处理。
4.根据权利要求1所述的导丝伪影抑制方法,其特征在于,还包括步骤:
对各所述第一扫描线数据的时域、频域或时频域进行处理,得到各所述第一扫描线数据的特征值;
采用分类器处理各所述特征值,得到分类结果;
根据所述分类结果,确定各所述第一扫描线数据中是否存在导丝伪影信息。
5.根据权利要求4所述的导丝伪影抑制方法,其特征在于,所述第一扫描线数据包括多个子数据;
所述采用分类器处理各所述特征值的步骤,包括:
采用所述分类器处理前N个子数据的特征值;所述N的值为根据超声系统的设置参数和导管结构得到;
或者,所述采用分类器处理各所述特征值的步骤,包括:
采用所述分类器依次处理所述子数据的特征值,直至发生导丝伪影确定事件;其中,所述导丝伪影确定事件包括基于任一所述子数据对应的分类结果,确定所述第一扫描线数据中存在导丝伪影信息。
6.根据权利要求1所述的导丝伪影抑制方法,其特征在于,还包括步骤:
将所述参考扫描线数据作为规范模板;
根据所述导丝伪影信息的位置、所述规范模板和所述存在导丝伪影信息的第一扫描线数据中扫描点的实际数据,确定所述扫描点的理论数据;
根据所述理论数据和所述实际数据,确定所述动态系数。
7.根据权利要求1所述的导丝伪影抑制方法,其特征在于,还包括步骤:
采用神经网络算法模型,获取拟合函数;
采用所述拟合函数,处理所述导丝伪影信息的位置、所述存在导丝伪影信息的第一扫描线数据中扫描点的实际数据以及与所述存在导丝伪影信息的第一扫描线数据的扫描角度相邻的参考扫描线数据,得到所述动态系数。
8.根据权利要求1所述的导丝伪影抑制方法,其特征在于,所述基于动态系数,对所述第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据的步骤中,基于以下公式,得到所述第三扫描线数据:
y=log(k*x+1);
其中,y为所述第三扫描线数据;k为所述动态系数;x为所述第二扫描线数据。
9.一种导丝伪影抑制装置,其特征在于,包括:
数据缓存模块,用于获取第一扫描线数据;
处理模块,用于当所述第一扫描线数据存在导丝伪影信息时,对所述第一扫描线数据进行滤波和组织信息提取处理,得到第二扫描线数据;
对数化模块,用于基于动态系数,对所述第二扫描线数据进行对数化处理,得到用于重建超声图像的第三扫描线数据;其中,所述动态系数为基于所述第二扫描线数据、所述导丝伪影信息的位置以及参考扫描线数据得到;所述参考扫描线数据为根据不存在所述导丝伪影信息的第一扫描线数据得到。
10.一种IVUS系统,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111672204.6A CN115063498A (zh) | 2021-12-31 | 2021-12-31 | 导丝伪影抑制方法、装置、ivus系统和存储介质 |
PCT/CN2022/130793 WO2023124555A1 (zh) | 2021-12-31 | 2022-11-09 | 导丝伪影抑制方法、装置、ivus系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111672204.6A CN115063498A (zh) | 2021-12-31 | 2021-12-31 | 导丝伪影抑制方法、装置、ivus系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115063498A true CN115063498A (zh) | 2022-09-16 |
Family
ID=83197519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111672204.6A Pending CN115063498A (zh) | 2021-12-31 | 2021-12-31 | 导丝伪影抑制方法、装置、ivus系统和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115063498A (zh) |
WO (1) | WO2023124555A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023124555A1 (zh) * | 2021-12-31 | 2023-07-06 | 深圳微创踪影医疗装备有限公司 | 导丝伪影抑制方法、装置、ivus系统和存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462020B (zh) * | 2020-04-24 | 2023-11-14 | 上海联影医疗科技股份有限公司 | 心脏图像的运动伪影校正方法、系统、存储介质和设备 |
CN111627083B (zh) * | 2020-05-26 | 2023-11-21 | 上海联影医疗科技股份有限公司 | 骨硬化伪影校正方法、装置、计算机设备和可读存储介质 |
CN112150574B (zh) * | 2020-09-28 | 2022-11-08 | 上海联影医疗科技股份有限公司 | 一种图像伪影自动校正方法、系统、装置及存储介质 |
CN115063498A (zh) * | 2021-12-31 | 2022-09-16 | 深圳微创踪影医疗装备有限公司 | 导丝伪影抑制方法、装置、ivus系统和存储介质 |
-
2021
- 2021-12-31 CN CN202111672204.6A patent/CN115063498A/zh active Pending
-
2022
- 2022-11-09 WO PCT/CN2022/130793 patent/WO2023124555A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023124555A1 (zh) * | 2021-12-31 | 2023-07-06 | 深圳微创踪影医疗装备有限公司 | 导丝伪影抑制方法、装置、ivus系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023124555A1 (zh) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zong et al. | Speckle reduction and contrast enhancement of echocardiograms via multiscale nonlinear processing | |
EP2385494A1 (en) | A method and device for estimating noise in a reconstructed image | |
KR100646715B1 (ko) | 후처리를 통한 2차원 초음파 영상의 화질 개선 방법 | |
CA1267719A (en) | Device for examining moving objects by means of ultrasound echography | |
JP4810048B2 (ja) | 2次元超音波イメージングにおけるフラッシュ抑制のための方法及び装置 | |
US11000263B2 (en) | Ultrasound diagnostic apparatus, image processing device, and image processing method | |
JP4789854B2 (ja) | 超音波診断装置および超音波診断装置の画質改善方法 | |
CN104978717A (zh) | Ct重建图像的处理方法、装置及设备 | |
US9173629B2 (en) | Ultrasonic diagnostic apparatus and ultrasonic image processing apparatus | |
EP2955540A1 (en) | Ultrasound system and method of forming ultrasound images | |
DE102006027992A1 (de) | Verfahren und Vorrichtung zur Echtzeit-Bewegungskorrektur für Spatial-Compound-Ultraschallbildgebung | |
CN115670520B (zh) | 血管内超声成像方法、装置、计算机设备、存储介质 | |
CN115063498A (zh) | 导丝伪影抑制方法、装置、ivus系统和存储介质 | |
Mei et al. | Improved non-local self-similarity measures for effective speckle noise reduction in ultrasound images | |
US20240050062A1 (en) | Analyzing apparatus and analyzing method | |
US20220370037A1 (en) | Vascular tissue characterization devices, systems, and methods | |
CN108846813A (zh) | 基于mfdf分解框架与nsst的医学ct图像去噪方法 | |
CN108877902B (zh) | 超声图像亮度调节方法及调节系统 | |
JP7171625B2 (ja) | 超音波画像を処理するための方法及びシステム | |
CN111012379B (zh) | 用于执行超声成像的方法和系统 | |
Khan et al. | Unsupervised deep learning for accelerated high quality echocardiography | |
CN114886463A (zh) | 超声成像方法、系统及超声成像的信号解调方法 | |
Opretzka et al. | A synthetic aperture focusing technique with optimized beamforming for high-frequency ultrasound | |
CN110868938B (zh) | 用于处理超声信号数据的方法和设备 | |
Saoji et al. | Speckle and rician noise removal from medical images and Ultrasound images |
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 |