CN116211349A - 一种胎儿颜面部的超声成像方法、超声成像装置和介质 - Google Patents
一种胎儿颜面部的超声成像方法、超声成像装置和介质 Download PDFInfo
- Publication number
- CN116211349A CN116211349A CN202111464965.2A CN202111464965A CN116211349A CN 116211349 A CN116211349 A CN 116211349A CN 202111464965 A CN202111464965 A CN 202111464965A CN 116211349 A CN116211349 A CN 116211349A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- fetus
- distance
- face
- eyeball
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- 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
- G06T2207/30041—Eye; Retina; Ophthalmic
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Gynecology & Obstetrics (AREA)
- Pregnancy & Childbirth (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本公开涉及一种胎儿颜面部的超声成像方法、超声成像装置和介质。该方法包括:获取胎儿颜面部的三维体数据;基于所获取的三维体数据确定胎儿的三维眼球区域和三维颜面部区域;基于三维眼球区域和三维颜面部区域生成颜面部连同眼球的VR图;基于三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数;以及与颜面部连同眼球的VR图相关联地呈现所确定的双眼间距相关参数。如此,能直接由考虑到体素在空间内的关联性自动且准确地确定胎儿的三维眼球区域(和三维颜面部区域),并据此得出准确的双眼间距相关参数,以与三维眼球(例如其VR图)相关联地呈现。还可对比呈现颜面部的三维VR图,便利医生得到全面的颜面部畸形信息以进行高效筛查。
Description
技术领域
本公开涉及一种医学成像方法、医学成像装置和介质,更具体地,涉及一种超声成像方法、超声成像装置和介质。
背景技术
超声检查由于其安全、方便、无辐射、廉价等优势,在临床检查上具有广泛的应用,成为医生进行疾病诊断的主要辅助手段之一。产前超声检查作为产前检查中的主要的影像学检查,为胎儿的生长发育测量及结构异常筛查提供了重要的影像学证据。产前超声检查已经是早孕、中孕及晚孕期必须要进行的检查之一。
胎儿眼间距及形态异常是很多染色体异常等胎儿先天性缺陷的超声表现。通过三维超声成像可帮助医务人员快速直观地对胎儿眼部畸形进行筛查。
眼部畸形是胎儿的常见缺陷。胎儿眼间距是判断胎儿染色体异常以及全前脑畸形等先天性疾病的超声学指标之一,眼间距过近常跟全前脑畸形有关, 86%的该病例可由产前超声检出。并且其他一些染色体畸形症状也可能表现出该特点。眼间距过宽是染色体异常、中部面裂综合症、额部脑或脑膜膨出等异常的主要特征。
现有的对胎儿眼部畸形的筛查方法大多是让医生观看超声图像的同时进行手动测量,筛查的结果受医生的经验与手法影响比较大,而且医生的工作负担也较重。
发明内容
因此,需要一种胎儿颜面部的超声成像方法、装置和介质,其能够直接由胎儿颜面部的三维体数据考虑到体素在空间内的关联性自动且准确地确定胎儿的三维眼球区域(和胎儿的三维颜面部区域),并据此得出准确的双眼间距相关参数,以与三维眼球(例如其VR图)相关联地呈现。还可以按照用户需求在呈现三维眼球的同时对比呈现胎儿颜面部的三维VR图,便利医生得到包括双眼间距相关参数和颜面部的三维解剖细节在内的全面的颜面部畸形信息,从而方便对更大范围内的各种胎儿颜面部畸形进行高效筛查。
根据本公开的第一方面,提供了一种胎儿颜面部的超声成像方法。该方法可以包括获取胎儿颜面部的三维体数据;由处理器,基于所获取的胎儿颜面部的三维体数据确定胎儿的三维眼球区域和胎儿的三维颜面部区域;由所述处理器,基于所述胎儿的三维眼球区域和所述胎儿的三维颜面部区域生成颜面部连同眼球的VR图;由所述处理器,基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数;以及由所述处理器,与所述颜面部连同眼球的VR图相关联地呈现所确定的双眼间距相关参数。
根据本公开的第二方面,提供了一种胎儿颜面部的超声成像方法。该方法可以包括:获取胎儿颜面部的三维体数据;由处理器,基于所获取的胎儿颜面部的三维体数据,确定胎儿的三维眼球区域;由所述处理器,基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数;以及由所述处理器,与所述胎儿的三维眼球区域相关联地呈现所确定的双眼间距相关参数。
根据本公开的第三方面,提供了一种胎儿颜面部的超声成像方法,其特征在于,包括:获取胎儿颜面部的三维体数据;由处理器,基于所获取的胎儿颜面部的三维体数据,确定胎儿的三维眼球区域;由所述处理器,基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数;由所述处理器,基于所述胎儿的三维眼球区域提取经过双眼球的中心的剖面;以及由所述处理器,与所提取的经过各个眼球的中心点的剖面相关联地呈现所确定的双眼间距相关参数。
根据本公开的第四方面,提供了一种胎儿颜面部的超声成像装置。该超声成像装置包括处理器,所述处理器被配置为执行根据本公开各个实施例的胎儿颜面部的超声成像方法。
根据本公开的第五方面,提供了一种计算机可读存储介质,其上存储有计算机可执行指令,其由处理器执行时,实现根据本公开各个实施例的胎儿颜面部的超声成像方法。
利用根据本公开各个实施例的胎儿颜面部的超声成像方法、装置和介质,能够直接由胎儿颜面部的三维体数据考虑到体素在空间内的关联性自动且准确地确定胎儿的三维眼球区域(和胎儿的三维颜面部区域),并据此得出准确的双眼间距相关参数,以与三维眼球(例如其VR图)相关联地呈现。还可以按照用户需求在呈现三维眼球的同时对比呈现胎儿颜面部的三维VR图,便利医生得到包括双眼间距相关参数和颜面部的三维解剖细节在内的全面的颜面部畸形信息,从而方便对更大范围内的各种胎儿颜面部畸形进行高效筛查。
附图说明
下面将参考附图描述本发明的示例性实施例的特征、优点以及技术和工业意义,其中相同的标号表示相同的元件,并且其中:
图1(a)示出根据本公开实施例的胎儿颜面部的超声成像系统的构造图;
图1(b)示出根据本公开实施例的胎儿颜面部的超声成像装置的示例的构造图;
图2示出根据本公开实施例的胎儿颜面部的超声成像方法的第一示例的流程图;
图3示出利用第一示例的超声成像方法在显示器上呈现的界面的图示;
图4示出根据本公开实施例的胎儿颜面部的超声成像方法的第二示例的流程图;
图5示出利用第二示例的超声成像方法在显示器上呈现的界面的图示;
图6示出根据本公开实施例的胎儿颜面部的超声成像方法的第三示例的流程图;以及
图7示出利用第三示例的超声成像方法在显示器上呈现的界面的图示。
具体实施方式
在下文中将对本发明的实施例进行说明;然而,本发明并非意在局限于该实施例。该实施例的所有部件并不总是必不可少的。
图1(a)示出根据本公开实施例的胎儿颜面部的三维超声成像系统的构造图。如图1(a)所示,超声成像系统100可以包括探头101、用于激励所述探头101向受检的孕妇发射超声波的发射电路102、用于控制所述探头101 接收从所述受检的孕妇返回的超声回波信号的接收电路103以及处理器104。
可以采用各种类型的探头101,例如但不限于超声容积探头、面阵探头和普通超声阵列探头(诸如线阵探头、凸阵探头等)中的至少一种。医生可以移动探头101选择合适的位置和角度,发射电路102可以将一组经过延迟聚焦的脉冲发送到探头101,探头101沿2D扫描平面向受检的孕妇(也就是向着胎儿的颜面部)发射超声波形。接收电路103接收到反射回来的超声波形后,将其转化为电信号,以由处理器104进行处理。
在一些实施例中,处理器104可以是包括一个以上通用处理设备的处理设备,诸如微处理器、中央处理单元(CPU)、图形处理单元(GPU)等。更具体地,该处理器可以是复杂指令集计算(CISC)微处理器、精简指令集计算 (RISC)微处理器、超长指令字(VLIW)微处理器、运行其他指令集的处理器或运行指令集的组合的处理器。该处理器还可以是一个以上专用处理设备或电路,诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、片上系统(SoC)等。
在超声成像系统100中,处理器104可以配置为执行波束合成、三维重建、后处理等处理以得到胎儿的颜面部的三维数据。可以利用专用的电路模块或软件模块来实现各种处理。具体说来,探头101沿2D扫描平面向受检的孕妇(也就是向着胎儿的颜面部)发射超声波形。在接收电路103接收到反射回来的超声波形后,将其转化为电信号,可以由处理器104对多次发射/ 接收得到的信号进行相应的延时与加权求和的处理,以实现波束合成。进一步地,探头101可以在一系列扫描平面内发射/接收超声波形,将其转换为电信号,根据三维空间关系对信号的信息进行整合,以实现胎儿的颜面部在三维空间的扫描以及3D图像的重建。接着,对重建得到的胎儿的颜面部的3D 图像信息进行后处理,诸如去噪、平滑和增强中的一种或多种后,所得到的三维数据就是胎儿的颜面部的三维数据。经过处理器104处理后的胎儿的颜面部的三维数据可以在显示器106上呈现。所述显示器106可以是LCD、CRT 或LED显示器。
除了以上处理之外,处理器104还可以执行对于胎儿的颜面部区域和眼部区域的自动检测和分析,例如但不限于可以执行根据本公开各个实施例的胎儿颜面部的超声成像方法。如此,胎儿颜面部的三维超声成像系统本身也可以用作对于胎儿的颜面部区域和眼部区域进行自动检测和分析的超声成像装置,但这仅仅作为示例。
在一些实施例中,对于胎儿的颜面部区域和眼部区域进行自动检测和分析的超声成像装置也可以实现为与胎儿颜面部的三维超声成像系统分立但可以与之通信的装置100’,请注意,本公开中的技术术语“超声成像装置”不限于包含超声探头且发射/接收超声形成图像的装置,而也可以包括对于源自超声所形成的图像进行检测和分析的装置,例如,图像站、远程图像分析平台等。例如,该装置100’可以是为图像数据采集和图像数据处理任务定制的计算机,或者置于云端的服务器。
如图1(b)所示,根据本公开实施例的胎儿颜面部的装置100’可以包括处理器104’,所述处理器104’可以配置为执行根据本公开各个实施例的胎儿的颜面部的超声成像方法。所述装置100’可以包括通信接口102’,以获取胎儿颜面部的三维体数据,例如从图1(a)所示的三维超声成像系统获取,从图像数据库获取,从PACS系统获取等,在此不赘述。
在一些实施例中,通信接口102’可以包括网络适配器、电缆连接器、串行连接器、USB连接器、并行连接器、诸如光纤的高速数据传输适配器、 USB 9.0、闪电、无线网络适配器如WiFi适配器、电信(4G、LTE、5G等) 适配器。装置100’可以通过通信接口102’连接到网络。网络可以提供局域网(LAN)、无线网络、云计算环境(例如,作为服务的软件、作为服务的平台、作为服务的基础设施等)、客户端-服务器、广域网(WAN)等的功能。
处理器104’的硬件配置可以参考图1(a)中的处理器104的硬件配置,在此不赘述。
在一些实施例中,装置100’并且可以额外包括输入/输出105’和显示器106’中的至少一个。其中,输入/输出105’可以被配置为允许装置100’接收和/或发送数据。输入/输出105’可以包括允许装置100’与用户或其他机器和设备通信的一个或多个数字和/或模拟通信设备。例如,输入/输出 105’可以包括允许用户提供输入的键盘和鼠标。
如图1(a)所示,装置100’可以包括只读存储器(ROM)、闪存、随机存取存储器(RAM)、诸如同步DRAM(SDRAM)或Rambus DRAM的动态随机存取存储器(DRAM)、静态存储器(例如,闪存、静态随机存取存储器)等,其上以任何格式存储计算机可执行指令。在一些实施例中,存储器100’可以存储一个或多个图像处理程序(诸如胎儿颜面部和眼部的检测分析程序)的计算机可执行指令,其由处理器104’执行时,实现根据本公开各个实施例的胎儿颜面部的超声成像方法。具体说来,计算机程序指令可以被处理器 104’访问,从ROM或者任何其他合适的存储位置读取,并加载到RAM中供处理器104’执行。
图2示出根据本公开实施例的胎儿颜面部的超声成像方法的第一示例的流程图。该超声成像方法可以始于步骤201,获取胎儿颜面部的三维体数据。在步骤202,可以由处理器,基于所获取的胎儿颜面部的三维体数据,确定胎儿的三维眼球区域和胎儿的三维颜面部区域;也就是自动检测出胎儿的三维的眼球区域和胎儿的三维颜面部区域。相较基于胎儿颜面部的二维剖面检测眼球区域和三维颜面部区域,基于胎儿颜面部的三维体数据,可以全面考虑到体素在三维空间中的关联关系,尤其是那些在二维剖面内缺失的体素的关联关系,更准确地确定胎儿的三维眼球区域和三维颜面部区域。所自动检测出的胎儿的三维的眼球区域能够更全面地反映眼球区域的空间尺寸,三维的眼球区域能够考虑到眼球区域的立体形状相较标准球形发生的各种变形,从而有利于得出更准确的眼部参数,例如下文中会提到的各种双眼间距相关参数。
在步骤203,可以由所述处理器,基于所述胎儿的三维眼球区域和所述胎儿的三维颜面部区域生成颜面部连同眼球的VR图。颜面部连同眼球的VR 图有利于用户沉浸式在各种立体角度查看胎儿的颜面部和眼球,从而获知更丰富的信息以供诊断,将VR图的呈现限于颜面部连同眼球,在满足了用户的观测需求的同时,相较没有选择性的胎儿全身VR图而言,能够显著降低运算量,使得用户在切换观测角度时更顺畅。
在步骤204,可以由所述处理器,基于所述胎儿的三维眼球区域,确定包括双眼内间距和双眼外间距的双眼间距相关参数。直接基于胎儿的三维眼球区域来自动分析得出双眼间距相关参数,能够更全面地考虑眼球区域的空间尺寸,也无需用户手动或半手动进行眼球的剖面选择而减少用户的工作负担,更避免了因为选择不当的剖面所导致的双眼间距相关参数的显著偏差。
接着,在步骤205,可以由所述处理器,与所述颜面部连同眼球的VR图相关联地呈现所确定的双眼间距相关参数。如此,有助于用户对颜面部连同眼球的VR图(沉浸式图像信息)和所确定的双眼间距相关参数(解剖数值) 进行对照分析,提升了用户对胎儿进行异常筛查的稳定性。例如,较宽颜面部、低鼻结合宽眼距、小眼裂,可以明确地指向唐氏儿的诊断结果。又例如,眼距过窄会指向前脑无裂畸形等的诊断结果。又例如,有些畸形不能显著体现到双眼间距相关参数,参考颜面部可以准确判定,如小颌畸形等。
利用上述胎儿颜面部的超声成像方法,能够自动确定胎儿的三维眼球区域和胎儿的三维颜面部区域,据此呈现胎儿的颜面部连同眼球的VR图,并据此更准确地确定双眼间距相关参数,并让用户在沉浸式流畅观察VR图的同时,对比分析双眼间距相关参数,显著优化胎儿的面部异常筛查的工作流从而提升工作效率,且提升了所获取的双眼间距相关参数的稳定性,进而提升用户对各种胎儿异常(体现在双眼间距相关参数、体现于颜面部、或者体现于双眼间距相关参数与颜面部的结合)的筛查结果的稳定性,促进了眼间距及形态异常筛查的推广与应用。
图3示出利用第一示例的超声成像方法在显示器上呈现的界面的图示。如图3所示,可以与颜面部连同眼球的VR图301相关联地呈现双眼内间距 302b和双眼外间距302a,从而为用户筛选面部异常提供有益参考。在一些实施例中,还可以呈现双眼内间距302b和双眼外间距302a的比率,即内外间距比值302e,与双眼内间距302b和双眼外间距302a一起,作为供用户参考来筛选面部异常的双眼间距相关参数。如此,使得用户能够对照内外眼间距的绝对值和内外间距的相对比率,更准确高效地判定胎儿的颜面部是否异常。
基于所述胎儿的三维眼球区域,可以采用各种方式来确定双眼内间距 302b和双眼外间距302a。在一些实施例中,可以基于所述胎儿的三维眼球区域确定双眼球的成对的内侧边界点和成对的外侧边界点。可以确定双眼球的成对的内侧边界点之间的距离,作为双眼内间距。可以确定双眼球的成对的外侧边界点之间的距离,作为双眼外间距。
也就是说,确定了成对的内侧边界点就可以算出双眼内间距,确定了成对的外侧边界点就可以算出双眼外间距。
可以采用各种方式来获得内侧边界点和外侧边界点。
例如,可以对双眼的三维眼球区域遍历获取各自边界上的边界点之间的距离,距离最近的两个边界点即可视为内侧边界点,而距离最远的两个边界点即可视为外侧边界点。这种方式没有对三维眼球区域做任何理想化处理(例如想象其为球形),得到的双眼内间距和双眼外间距的计算结果更准确,但这种大量采样、组合并比对的方式,计算负载较高。
又例如,可以基于所述胎儿的三维眼球区域确定各个眼球的中心,确定所述三维眼球区域的边界上与各个眼球的中心的连线相交的边界点,作为成对的内侧边界点和成对的外侧边界点。这种方式利用了三维眼球区域接近球形的几何属性,能够显著降低计算负载,并得到准确度可接受的双眼内间距和双眼外间距的计算结果。
可以采用各种方式,与颜面部连同眼球的VR图相关联地,可视化所确定的双眼间距相关参数。具体说来,如图3中所示,可以在所述颜面部连同眼球的VR图上,呈现双眼的成对的内侧边界点的第一连线302c和双眼的成对的外侧边界点的第二连线302d。可以与所述第一连线302c相关联地呈现双眼内间距302b,且与所述第二连线302d相关联地呈现双眼外间距302a。通过第一连线302c和第二连线302d,将双眼内外间距与VR图像中的对应部位直观关联起来,便利医生在查看双眼内外间距的同时查看VR图中的对应呈现,以更高效准确地评估形态异常。具体说来,各个间距与对应连线之间的关联呈现可以通过各种方式来实现,例如,可以如图3中所示,经由指引线的连接来呈现这种关联性。又例如,也可以经由相同的颜色来呈现这种关联性。图3中,各种双眼间距相关参数是在界面的空白处显示的,如此,可以避免参数的呈现对颜面部和眼球的VR图中的解剖细节产生遮挡。这仅仅作为示例,各种双眼间距相关参数也可以以浮窗方式呈现,例如初始可以紧邻对应的解剖结构呈现,使得医生可以直观的关联解剖结构和双眼间距相关参数,在直观的关联后,可以自由移动双眼间距相关参数的浮窗至别处(例如空白处),以没有遮挡地查看解剖细节,从而更准确高效地判定胎儿的颜面部是否异常。在一些实施例中,各种双眼间距相关参数以邻近方式呈现,以便医生可以在不转移视线的情况下,同时对比查看各种双眼间距相关参数,降低注意力的疲劳,进而避免因为疲劳导致的认知错误。
图4示出根据本公开实施例的胎儿颜面部的超声成像方法的第二示例的流程图。该超声成像方法可以始于步骤401,获取胎儿颜面部的三维体数据。在步骤402,可以基于所获取的胎儿颜面部的三维体数据,确定胎儿的三维眼球区域。类似于步骤202,胎儿的三维眼球区域直接基于胎儿颜面部的三维体数据而非经由胎儿颜面部的二维剖面(不管是不是由胎儿颜面部的三维体数据得出)来提取和确定,从而可以全面考虑到体素在空间内的关联关系,更准确地确定胎儿的三维眼球区域。通过将目标区域从胎儿的三维眼球区域和颜面部区域缩限到胎儿的三维眼球区域,能够显著降低三维体数据的分析和运算负荷,相应地后续的渲染呈现对于计算资源的要求也更低,使得在计算性能较低的超声成像装置中也可以流畅地执行胎儿的三维眼球区域的提取和渲染呈现。
在步骤403,可以基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数。根据本公开各个实施例的双眼间距相关参数的定义和计算方法可以结合于此,在此不赘述。
在步骤404,可以与所述胎儿的三维眼球区域相关联地呈现所确定的双眼间距相关参数。在一些实施例中,类似于步骤203,可以利用VR处理单元基于所述胎儿的三维眼球区域生成眼球的VR图以供呈现;但三维眼球区域还可以采用其他的3D渲染呈现方式。例如,可以仅仅与所述胎儿的三维眼球区域相关联地呈现所确定的双眼间距相关参数,使得渲染呈现所需的计算负荷显著降低,而且一定程度上也能够满足医生对胎儿颜面部异常筛查的可视化要求。进一步说来,医生在对胎儿颜面部异常筛查时,尤其筛查眼部异常时,有时期望能够不受其他解剖结构干扰地集中观察三维眼球区域,这一需求通过与所述胎儿的三维眼球区域相关联地呈现所确定的双眼间距相关参数得以满足。请注意,与所述胎儿的三维眼球区域相关联地呈现所确定的双眼间距相关参数可以仅仅呈现所述胎儿的三维眼球区域且与之相关联地呈现所确定的双眼间距相关参数,但不限于此。也可以呈现所述胎儿的三维眼球区域辅以呈现胎儿的3D颜面部,且与所呈现的三维眼球区域相关联地呈现所确定的双眼间距相关参数。
根据本公开各个实施例的双眼间距相关参数与颜面部连同眼球的VR图的相关联呈现的方法可以结合如此,在此不赘述。
图5示出利用第二示例的超声成像方法在显示器上呈现的界面的图示。如图5中所示,可以不显示颜面部,而仅仅呈现胎儿的三维眼球区域502,即一对眼球。对胎儿的三维眼球区域的呈现可以使得医生可以自由地改变三维眼球区域的位置、角度以及放大-缩小操作,以便医生可以集中观测三维眼球区域在三维空间中的解剖细节。
如图5所示,可以与三维眼球区域502相关联地呈现双眼内间距502b 和双眼外间距502a,从而为用户筛选面部异常提供有益参考。在一些实施例中,还可以呈现双眼内间距502b和双眼外间距502a的比率,即内外间距比值502e,与双眼内间距502b和双眼外间距502a一起,作为供用户参考来筛选面部异常的双眼间距相关参数。如此,使得用户能够对照内外眼间距的绝对值和内外间距的相对比率,更准确高效地判定胎儿的颜面部是否异常。
类似于图3,可以采用各种方式,与三维眼球区域502相关联地,可视化所确定的双眼间距相关参数。具体说来,如图5中所示,可以在所述三维眼球区域502上,呈现双眼的成对的内侧边界点的第一连线502c和双眼的成对的外侧边界点的第二连线502d。可以与所述第一连线502c相关联地呈现双眼内间距502b,且与所述第二连线502d相关联地呈现双眼外间距302a。通过第一连线502c和第二连线502d,将双眼内外间距与三维眼球区域501 的对应部位直观关联起来,便利医生在查看双眼内外间距的同时查看三维眼球区域502(例如但不限于VR图)中的对应呈现,以更高效准确地评估形态异常。具体说来,各个间距与对应连线之间的关联呈现可以通过各种方式来实现,例如,可以如图5中所示,经由指引线的连接来呈现这种关联性。又例如,也可以经由相同的颜色来呈现这种关联性。图5中,各种双眼间距相关参数是在界面的空白处显示的,如此,可以避免参数的呈现对三维眼球区域502中的解剖细节产生遮挡。这仅仅作为示例,各种双眼间距相关参数也可以以浮窗方式呈现,例如初始可以紧邻对应的解剖结构呈现,使得医生可以直观的关联解剖结构和双眼间距相关参数,在直观的关联后,可以自由移动双眼间距相关参数的浮窗至别处(例如空白处),以没有遮挡地查看解剖细节,从而更准确高效地判定胎儿的颜面部是否异常。在一些实施例中,各种双眼间距相关参数以邻近方式呈现,以便医生可以在不转移视线的情况下,同时对比查看各种双眼间距相关参数,降低注意力的疲劳,进而避免因为疲劳导致的认知错误。
图6示出根据本公开实施例的胎儿颜面部的超声成像方法的第三示例的流程图。在步骤601,可以获取胎儿颜面部的三维体数据。在步骤602,可以基于所获取的胎儿颜面部的三维体数据,确定胎儿的三维眼球区域。在步骤 603,可以基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数。步骤601、步骤602、步骤603分别类似于图4中的步骤 401、步骤402和步骤403,本公开的各种相关实施例及记载内容(例如但不限于结合图4描述的那些内容)均可结合于此,在此不赘述。根据本公开各个实施例的双眼间距相关参数的定义和计算方法可以结合于此,在此不赘述。
在步骤604,可以基于所述胎儿的三维眼球区域,提取经过双眼球的中心的剖面。
在步骤605,可以与所提取的经过各个眼球的中心点的剖面相关联地呈现所确定的双眼间距相关参数。如图7所示,可以显示各个眼球的中心点的剖面,并在该剖面上标识出(例如用锚框框出)眼球区域,并与眼球区域相关联地呈现外眼距(即双眼外间距)和内眼距(即双眼内间距)。在一些实施例中,还可以与外眼距和内眼距一起呈现内眼距与外眼距的比值。通过提取经过双眼球的中心的剖面,并与其相关联地呈现所确定的双眼间距相关参数,可以让医生方便地观察剖面上的解剖细节,而且相较三维眼球区域的3D渲染呈现或者其连同颜面部的3D渲染呈现,进一步降低工作负荷,尤其在计算性能较低的超声成像装置中也可以呈现清晰的解剖细节,而不会因为3D计算导致的呈现卡顿导致细节的损失;且经过双眼球的中心的剖面相较其他偏移的剖面,更吻合真实的内眼距和外眼距,也提供更丰富的解剖细节。注意,所确定的双眼间距相关参数与所提取的经过各个眼球的中心点的剖面的相关联呈现,可以结合根据本公开各个实施例的双眼间距相关参数与颜面部连同眼球的VR图的相关联呈现的方法,在此不赘述。具体说来,与所提取的经过各个眼球的中心点的剖面相关联地呈现所确定的双眼间距相关参数可以包括:在经过各个眼球的中心点的剖面上呈现双眼的成对的内侧边界点的第一连线和双眼的成对的外侧边界点的第二连线;与所述第一连线相关联地呈现双眼内间距,且与所述第二连线相关联地呈现双眼外间距。
下面对如何基于所获取的胎儿颜面部的三维体数据确定胎儿的三维眼球区域和胎儿的颜面部区域进行详细说明。基于所获取的胎儿颜面部的三维体数据确定胎儿的三维眼球区域和胎儿的三维颜面部区域通过如下的任何一种或其组合来实现。例如,可以基于所述胎儿颜面部的三维体数据提取图像特征,以及基于所提取的图像特征,利用训练好的回归模型来确定胎儿的三维眼球区域和/或胎儿的三维颜面部区域。由例如,可以基于所述胎儿颜面部的三维体数据,利用训练好的分割模型来确定胎儿的三维眼球区域和/或胎儿的三维颜面部区域。再例如,可以通过将所述胎儿颜面部的三维体数据的代表数据与该代表数据的基准模板进行匹配,来确定胎儿的三维眼球区域和/或胎儿的三维颜面部区域。
下面以基于所获取的胎儿颜面部的三维体数据确定胎儿的三维眼球区域为例对以上几种方法进行说明。但须知,本领域技术人员在得知确定胎儿的三维眼球区域的方法后,也可以将其适用于确定胎儿的颜面部区域,在此不赘述。
回归方法
可以基于所述胎儿颜面部的三维体数据提取图像特征,以及基于所提取的图像特征,利用训练好的回归模型来确定胎儿的三维眼球区域。
在一些实施例中,可以先采用传统图像处理或深度学习方法,提取胎儿颜面部三维数据中的图像特征;再根据所提取的图像特征,使用传统机器学习方法或深度学习方法,回归出眼球区域的位置与方向。其中回归是指,学习一个从胎儿颜面部的三维体数据的图像特征到三维眼球区域的最优映射函数,使得在胎儿颜面部的三维体数据经由该映射函数,得到的三维眼球区域的位置和实际三维眼球区域的位置之间的误差最小。
可以采用各种方法从胎儿颜面部的三维体数据中提取图像特征,例如但不限于传统图像处理方法及深度学习方法等。其中,传统图像处理方法包括图像特征的提取,如Sift特征、梯度特征、LBP等纹理特征、PCA、LDA、Haar 特征、HOG与LOG特征等,也包括图像边缘的提取,如canny算子实现边缘提取等。例如,深度学习方法则包括采用一个神经网络模型,完成一个或多个特定任务的训练,如回归眼球区域的位置、识别胎儿颜面部的关键解剖结构和/或关键点等,然后再从训练好的神经网络中取出中间一个或多个网络节点的输出,作为所提取的图像特征。
在一些实施例中,三维眼球区域的位置的回归方法可以包括传统机器学习方法及深度学习方法。使用胎儿颜面部的三维体数据的图像特征来回归胎儿的三维眼球区域的位置前,可以建立胎儿颜面部超声数据库,其中每条数据可以包括胎儿颜面部的三维体数据和/或其图像特征,以及三维眼球区域的位置。进行回归模型的训练时,寻找一个从胎儿颜面部的三维体数据的图像特征到胎儿的三维眼球区域的位置的最优映射函数,使得在胎儿颜面部的图像特征经过映射函数所得到的三维眼球区域的位置和实际的三维眼球区域的位置之间的误差最小。使用该映射函数,即可根据胎儿颜面部的图像特征预测胎儿的三维眼球区域的位置。在各种回归方法中,传统机器学习方法可以包括SVM支持向量机、最小二乘法、逻辑回归法等;其映射函数可以包括线性函数、多项式函数、逻辑函数等。在深度学习方法中,则可以使用深度神经网络作为映射函数,包括CNN卷积神经网络、MLP多层感知机、RNN循环神经网络等。
分割方法
可以基于所述胎儿颜面部的三维体数据,利用训练好的分割模型来确定胎儿的三维眼球区域。
在一些实施例中,分割方法可以包括基于深度学习的方法和结合传统图像处理方法的机器学习方法等等。首先,可以需要先构建超声图像的数据库,其中每幅图像精确标记了三维眼球区域在三维体数据中的解剖结构的边界范围。
其中,基于深度学习的图像分割方法包括,通过堆叠卷积层和反卷积层来对构建的数据库进行特征的学习和三维眼球区域的解剖结构的边界的学习。例如,对于一幅输入图像,可以通过深度学习网络直接生成一幅尺寸大小相同的图像蒙版,其中的像素值可以表示是否三维眼球区域,从而表示三维眼球区域的解剖结构的具体边界范围。在一些实施例中,用于分割的深度学习网络可以包括FCN(全卷积神经网络)、Unet、SegNet、DeepLab、蒙版 RCNN等等。
基于其他机器学习的图像分割方法包括,先通过阈值分割、Snake、水平集、GraphCut、ASM、AAM等传统图像处理方法对图像进行预分割,在超声图像中获取一组候选的眼球解剖结构边界范围;再对每一个候选眼球的边界范围进行特征提取,特征提取方法可以是提取PCA、LDA、HOG、Harr、LBP等传统特征,也可以是神经网络提取的特征;然后将提取到的特征和数据库中标记的眼球解剖结构边界范围所提取的特征进行匹配,用KNN、SVM、随机森林或神经网络等判别器进行分类,确定当前候选的眼球边界范围是否包含关键解剖结构。
匹配方法
可以通过将所述胎儿颜面部的三维体数据的代表数据与该代表数据的基准模板进行匹配,来确定胎儿的三维眼球区域。
在一些实施例中,所述胎儿颜面部的三维体数据的代表数据可以包括所述胎儿颜面部的三维体数据自身、所述胎儿颜面部的二维剖面的数据以及所述胎儿颜面部的关键部的数据中的至少一种。
在一些实施例中,所述胎儿颜面部的二维剖面为经过各个眼球的中心的二维剖面。对于模板匹配使用过中心二维剖面,更适宜测量眼间距。
附加地或替代地,所述胎儿颜面部的关键部可以包括胎儿颜面部的关键解剖结构和/或关键点。关键解剖结构和/或关键点的模板匹配,相较面和体的模板匹配能够显著降低计算负荷,同时得到依然相对准确的三维眼球区域。
在该实施方案中,代表数据的基准模板可以包括胎儿颜面部的三维体数据的模板、胎儿颜面部的二维剖面的模板、胎儿颜面部的关键解剖结构的基准数据以及胎儿颜面部的关键点的基准数据等。其中,胎儿颜面部的二维剖面的模板可以选择最适宜测量眼间距的剖面,例如但不限于经过各个眼球的中心的二维剖面。获取的胎儿颜面部的三维体数据的代表数据与该代表数据的基准模板的匹配,可包括与以上各类不同的模板/基准数据相匹配。
以获取的胎儿颜面部的三维体数据与胎儿颜面部的三维体数据的基准模板相匹配为例进行说明。可以寻找一个最优的三维空间变换,使获取的胎儿颜面部的三维体数据与胎儿颜面部的三维体数据的基准模板相似度最高或相差最小。也可以先对获取的胎儿颜面部的三维体数据与胎儿颜面部的三维体数据的基准模板分别进行图像特征的提取(如梯度特征、LBP等纹理特征、 Haar特征、HOG/LOG特征等),再寻找一个最优的三维空间变换,使获取的胎儿颜面部的三维体数据与胎儿颜面部的三维体数据的基准模板所分别提取的图像特征相似度最高或相差最小。完成匹配后,可根据胎儿颜面部的三维体数据的基准模板中胎儿的眼球区域的位置,例如通过上述三维空间变换的逆变换,来获得胎儿颜面部的三维体数据中胎儿的眼球区域对应的位置。
在一些实施例中,还可以将获取的胎儿颜面部的三维体数据与胎儿颜面部的二维剖面的基准模板相匹配。可以在获取的胎儿颜面部的三维体数据中寻找一个最优的二维剖面,使该二维剖面与胎儿颜面部的二维剖面的基准模板相似度最高或相差最小,或是使该二维剖面与胎儿颜面部的二维剖面的基准模板所分别提取的图像特征(如梯度特征、LBP等纹理特征、Haar特征、 HOG/LOG特征等)的相似度最高或相差最小。完成匹配后,可根据胎儿颜面部的二维剖面的基准模板中胎儿的眼球区域的位置,来获得胎儿颜面部的三维体数据中的胎儿的眼球区域的对应的位置。
在一些实施例中,还可以将获取的胎儿颜面部的三维体数据与胎儿颜面部的关键解剖结构(例如但不限于鼻、鼻梁、下颚、眼球等)的基准数据相匹配。可以在获取的胎儿颜面部的三维体数据中寻找一个最优的图像块,使该图像块与胎儿颜面部的关键解剖结构的基准数据的相似度最高或相差最小,或从其各自提取的图像特征的相似度最高或相差最小。具体说来,将获取的胎儿颜面部的三维体数据与胎儿的颜面部的关键解剖结构的基准数据相匹配,也包括使用Faster RCNN、Mask RCNN、SSD、YOLO、Retinanet、 Efficientnet、Cornernet、Centernet、FCOS等目标检测方法,在获取的胎儿颜面部的三维体数据中检测胎儿颜面部的关键解剖结构的候选区域,再将候选区域与胎儿颜面部的关键解剖结构的基准数据相匹配。其中,匹配的方法可以包括寻找一个胎儿颜面部的最优的候选关键解剖结构,使其与胎儿颜面部的关键解剖结构的基准数据的相似度最高或相差最小;也可以分别提取胎儿颜面部的候选关键解剖结构与胎儿颜面部的关键解剖结构的基准数据的图像特征,再寻找一个胎儿颜面部的最优的候选关键解剖结构,使其图像特征与胎儿颜面部的关键解剖结构的基准数据的图像特征的相似度最高或相差最小。在一些实施例中,也可以寻找最优的候选关键解剖结构和最优的空间变换,使最优的候选关键解剖结构在最优的空间变换下,与胎儿颜面部的关键解剖结构的基准数据的空间位置相差最小。完成匹配后,可根据胎儿颜面部的眼球区域相对于关键解剖结构的相对位置,确定一个相对于这些关键解剖结构的区域位置,作为胎儿颜面部的眼球区域的检测结果。也可以根据获得的最优空间变换,根据胎儿颜面部的三维体数据的基准模板中眼球区域的位置,获得眼球区域的对应位置。
在一些实施例中,还可以将获取的胎儿颜面部的三维体数据与胎儿颜面部的眼球区域的关键点的基准数据相匹配。可以在获取的胎儿颜面部的三维体数据中寻找一个最优点,使该点附近的图像特征与胎儿颜面部的眼球区域的关键点的基准数据的图像特征的相似度最高或相差最小。将获取的胎儿颜面部的三维体数据与胎儿颜面部的眼球区域的关键点的基准数据相匹配,也可以使用特征点提取方法(如SIFT方法)、角点检测方法(如Harris方法) 或神经网络方法预测点坐标或点所在区域,在获取的胎儿颜面部的三维体数据中检测眼球区域的候选关键点,再与胎儿颜面部的眼球区域的关键点的基准数据相匹配。其中,匹配的方法可以包括寻找一个最优的候选关键点,使其附近的图像特征与眼球区域的关键点的基准数据的图像特征的相似度最高或相差最小。匹配的方法也可以包括寻找胎儿颜面部的最优候选关键点和一个最优的空间变换,使最优候选关键点在该最优的空间变换的作用下,与胎儿颜面部的眼球区域的关键点的基准数据的空间位置相差最小。完成匹配后,可根据胎儿颜面部的眼球区域的关键点的位置,确定一个相对于这些关键点的区域位置,作为颜面部的眼球区域的检测结果;也可根据颜面部的三维体数据的基准模板中的眼球区域的位置,利用获得的最优空间变换(例如逆变换),获得颜面部的三维体数据中眼球区域对应的位置。
此外,尽管在此描述了说明性实施例,但是范围包括具有基于本公开的等效元素、修改、省略、组合(例如,跨各种实施例的方案的组合)、调整或变更的任何和所有实施例。权利要求中的要素将基于权利要求中使用的语言进行宽泛地解释,而不限于本说明书中或在本申请的存续期间描述的示例,这些示例将被解释为非排他性的。此外,所公开的方法的步骤可以以任何方式进行修改,包括通过重新排序步骤或插入或删除步骤。因此,意图仅仅将描述视为例子,真正的范围由以下权利要求及其全部等同范围表示。
以上描述旨在是说明性的而不是限制性的。例如,上述示例(或其一个或多个方案)可以彼此组合使用。本领域普通技术人员在查看以上描述时可以使用其他实施例。而且,在上面的详细描述中,各种特征可以被组合在一起以简化本公开。这不应被解释成意图让不要求保护的公开特征对于任何权利要求而言都是必不可少的。而是,发明主题可以在于比一个公开的实施例的所有特征少的特征组合。因此,以下权利要求由此作为示例或实施例并入到具体实施方式中,其中每个权利要求独立作为单独的实施例,并且可以构想的是,这些实施例可以以各种组合或置换来相互组合。本发明的范围应该参考所附权利要求以及赋予这些权利要求的等同物的全部范围来确定。
Claims (26)
1.一种胎儿颜面部的超声成像方法,其特征在于,包括:
获取胎儿颜面部的三维体数据;
由处理器,基于所获取的胎儿颜面部的三维体数据确定胎儿的三维眼球区域和胎儿的三维颜面部区域;
由所述处理器,基于所述胎儿的三维眼球区域和所述胎儿的三维颜面部区域生成颜面部连同眼球的VR图;
由所述处理器,基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数;以及
由所述处理器,与所述颜面部连同眼球的VR图相关联地呈现所确定的双眼间距相关参数。
2.根据权利要求1所述的超声成像方法,其特征在于,基于所述胎儿的眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数具体包括:
基于所述胎儿的三维眼球区域确定双眼球的成对的内侧边界点和成对的外侧边界点;
确定双眼球的成对的内侧边界点之间的距离,作为双眼内间距;以及
确定双眼球的成对的外侧边界点之间的距离,作为双眼外间距。
3.根据权利要求2所述的超声成像方法,其特征在于,基于所述胎儿的三维眼球区域确定双眼球的成对的内侧边界点和成对的外侧边界点具体包括:
基于所述胎儿的三维眼球区域确定各个眼球的中心;以及
确定所述三维眼球区域的边界上与各个眼球的中心的连线相交的边界点,作为成对的内侧边界点和成对的外侧边界点;或者
确定所述三维眼球区域的边界上距离最近的两个边界点作为成对的内侧边界点,以及确定所述三维眼球区域的边界上距离最远的两个边界点作为成对的外侧边界点。
4.根据权利要求1所述的超声成像方法,其特征在于,双眼间距相关参数还包括双眼内间距与双眼外间距的比值。
5.根据权利要求1所述的超声成像方法,其特征在于,与所述颜面部连同眼球的VR图相关联地呈现所确定的双眼间距相关参数具体包括:
在所述颜面部连同眼球的VR图上呈现双眼的成对的内侧边界点的第一连线和双眼的成对的外侧边界点的第二连线;
与所述第一连线相关联地呈现双眼内间距,且与所述第二连线相关联地呈现双眼外间距。
6.根据权利要求1所述的超声成像方法,其特征在于,基于所获取的胎儿颜面部的三维体数据确定胎儿的三维眼球区域和胎儿的三维颜面部区域通过如下的任何一种或其组合来实现:
基于所述胎儿颜面部的三维体数据提取图像特征,以及基于所提取的图像特征,利用训练好的回归模型来确定胎儿的三维眼球区域和/或胎儿的三维颜面部区域;和/或
基于所述胎儿颜面部的三维体数据,利用训练好的分割模型来确定胎儿的三维眼球区域和/或胎儿的三维颜面部区域;和/或
通过将所述胎儿颜面部的三维体数据的代表数据与该代表数据的基准模板进行匹配,来确定胎儿的三维眼球区域和/或胎儿的三维颜面部区域。
7.根据权利要求6所述的超声成像方法,其特征在于,所述胎儿颜面部的三维体数据的代表数据包括所述胎儿颜面部的三维体数据自身、所述胎儿颜面部的二维剖面的数据以及所述胎儿颜面部的关键部的数据中的至少一种。
8.根据权利要求7所述的超声成像方法,其特征在于,所述胎儿颜面部的二维剖面为经过各个眼球的中心的二维剖面;和/或所述胎儿颜面部的关键部包括胎儿颜面部的关键解剖结构和/或关键点。
9.一种胎儿颜面部的超声成像方法,其特征在于,包括:
获取胎儿颜面部的三维体数据;
由处理器,基于所获取的胎儿颜面部的三维体数据,确定胎儿的三维眼球区域;
由所述处理器,基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数;以及
由所述处理器,与所述胎儿的三维眼球区域相关联地呈现所确定的双眼间距相关参数。
10.根据权利要求1所述的超声成像方法,其特征在于,基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数具体包括:
基于所述胎儿的三维眼球区域确定双眼球的成对的内侧边界点和成对的外侧边界点;
确定双眼球的成对的内侧边界点之间的距离,作为双眼内间距;以及
确定双眼球的成对的外侧边界点之间的距离,作为双眼外间距。
11.根据权利要求10所述的超声成像方法,其特征在于,基于所述胎儿的三维眼球区域确定双眼球的成对的内侧边界点和成对的外侧边界点具体包括:
基于所述胎儿的三维眼球区域确定各个眼球的中心;以及
确定所述三维眼球区域的边界上与各个眼球的中心的连线相交的边界点,作为成对的内侧边界点和成对的外侧边界点;或者
确定所述三维眼球区域的边界上距离最近的两个边界点作为成对的内侧边界点,以及确定所述三维眼球区域的边界上距离最远的两个边界点作为成对的外侧边界点。
12.根据权利要求9所述的超声成像方法,其特征在于,双眼间距相关参数还包括双眼内间距与双眼外间距的比值。
13.根据权利要求9所述的超声成像方法,其特征在于,与所述胎儿的三维眼球区域相关联地呈现所确定的双眼间距相关参数具体包括:
呈现双眼的成对的内侧边界点的第一连线和双眼的成对的外侧边界点的第二连线;
与所述第一连线相关联地呈现双眼内间距,且与所述第二连线相关联地呈现双眼外间距。
14.根据权利要求9所述的超声成像方法,其特征在于,基于所获取的胎儿颜面部的三维体数据确定胎儿的三维眼球区域通过如下的任何一种或其组合来实现:
基于所述胎儿颜面部的三维体数据提取图像特征,以及基于所提取的图像特征,利用训练好的回归模型来确定胎儿的三维眼球区域;和/或
基于所述胎儿颜面部的三维体数据,利用训练好的分割模型来确定胎儿的三维眼球区域;和/或
通过将所述胎儿颜面部的三维体数据的代表数据与该代表数据的基准模板进行匹配,来确定胎儿的三维眼球区域。
15.根据权利要求14所述的超声成像方法,其特征在于,所述胎儿颜面部的三维体数据的代表数据包括所述胎儿颜面部的三维体数据自身、所述胎儿颜面部的二维剖面的数据以及所述胎儿颜面部的关键部的数据中的至少一种。
16.根据权利要求15所述的超声成像方法,其特征在于,所述胎儿颜面部的二维剖面为经过各个眼球的中心的二维剖面;和/或所述胎儿颜面部的关键部包括胎儿颜面部的关键解剖结构和/或关键点。
17.一种胎儿颜面部的超声成像方法,其特征在于,包括:
获取胎儿颜面部的三维体数据;
由处理器,基于所获取的胎儿颜面部的三维体数据,确定胎儿的三维眼球区域;
由所述处理器,基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数;
由所述处理器,基于所述胎儿的三维眼球区域提取经过双眼球的中心的剖面;以及
由所述处理器,与所提取的经过各个眼球的中心点的剖面相关联地呈现所确定的双眼间距相关参数。
18.根据权利要求17所述的超声成像方法,其特征在于,基于所述胎儿的三维眼球区域确定包括双眼内间距和双眼外间距的双眼间距相关参数具体包括:
基于所述胎儿的三维眼球区域确定双眼球的成对的内侧边界点和成对的外侧边界点;
确定双眼球的成对的内侧边界点之间的距离,作为双眼内间距;以及
确定双眼球的成对的外侧边界点之间的距离,作为双眼外间距。
19.根据权利要求18所述的超声成像方法,其特征在于,基于所述胎儿的三维眼球区域确定双眼球的成对的内侧边界点和成对的外侧边界点具体包括:
基于所述胎儿的三维眼球区域确定各个眼球的中心;以及
确定所述三维眼球区域的边界上与各个眼球的中心的连线相交的边界点,作为成对的内侧边界点和成对的外侧边界点;或者
确定所述三维眼球区域的边界上距离最近的两个边界点作为成对的内侧边界点,以及确定所述三维眼球区域的边界上距离最远的两个边界点作为成对的外侧边界点。
20.根据权利要求17所述的超声成像方法,其特征在于,双眼间距相关参数还包括双眼内间距与双眼外间距的比值。
21.根据权利要求17所述的超声成像方法,其特征在于,与所提取的经过各个眼球的中心点的剖面相关联地呈现所确定的双眼间距相关参数具体包括:
在经过各个眼球的中心点的剖面上呈现双眼的成对的内侧边界点的第一连线和双眼的成对的外侧边界点的第二连线;
与所述第一连线相关联地呈现双眼内间距,且与所述第二连线相关联地呈现双眼外间距。
22.根据权利要求17所述的超声成像方法,其特征在于,基于所获取的胎儿颜面部的三维体数据确定胎儿的三维眼球区域通过如下的任何一种或其组合来实现:
基于所述胎儿颜面部的三维体数据提取图像特征,以及基于所提取的图像特征,利用训练好的回归模型来确定胎儿的三维眼球区域;和/或
基于所述胎儿颜面部的三维体数据,利用训练好的分割模型来确定胎儿的三维眼球区域;和/或
通过将所述胎儿颜面部的三维体数据的代表数据与该代表数据的基准模板进行匹配,来确定胎儿的三维眼球区域。
23.根据权利要求22所述的超声成像方法,其特征在于,所述胎儿颜面部的三维体数据的代表数据包括所述胎儿颜面部的三维体数据自身、所述胎儿颜面部的二维剖面的数据以及所述胎儿颜面部的关键部的数据中的至少一种。
24.根据权利要求23所述的超声成像方法,其特征在于,所述胎儿颜面部的二维剖面为经过各个眼球的中心的二维剖面;和/或所述胎儿颜面部的关键部包括胎儿颜面部的关键解剖结构和/或关键点。
25.一种胎儿颜面部的超声成像装置,其包括处理器,所述处理器被配置为执行根据权利要求1-24中任何一项所述的胎儿颜面部的超声成像方法。
26.一种计算机可读存储介质,其上存储有计算机可执行指令,其由处理器执行时,实现根据1-24中任何一项所述的胎儿颜面部的超声成像方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111464965.2A CN116211349A (zh) | 2021-12-03 | 2021-12-03 | 一种胎儿颜面部的超声成像方法、超声成像装置和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111464965.2A CN116211349A (zh) | 2021-12-03 | 2021-12-03 | 一种胎儿颜面部的超声成像方法、超声成像装置和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116211349A true CN116211349A (zh) | 2023-06-06 |
Family
ID=86587770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111464965.2A Pending CN116211349A (zh) | 2021-12-03 | 2021-12-03 | 一种胎儿颜面部的超声成像方法、超声成像装置和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116211349A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116687442A (zh) * | 2023-08-08 | 2023-09-05 | 汕头市超声仪器研究所股份有限公司 | 一种基于三维容积数据的胎儿脸部成像方法 |
-
2021
- 2021-12-03 CN CN202111464965.2A patent/CN116211349A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116687442A (zh) * | 2023-08-08 | 2023-09-05 | 汕头市超声仪器研究所股份有限公司 | 一种基于三维容积数据的胎儿脸部成像方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6467041B2 (ja) | 超音波診断装置、及び画像処理方法 | |
Namburete et al. | Learning-based prediction of gestational age from ultrasound images of the fetal brain | |
JP4909378B2 (ja) | 画像処理装置及びその制御方法、コンピュータプログラム | |
US8699766B2 (en) | Method and apparatus for extracting and measuring object of interest from an image | |
CN110279433A (zh) | 一种基于卷积神经网络的胎儿头围自动精确测量方法 | |
CN111374712B (zh) | 一种超声成像方法及超声成像设备 | |
Ribeiro et al. | Handling inter-annotator agreement for automated skin lesion segmentation | |
CN112164043A (zh) | 一种用于多眼底图像拼接的方法及系统 | |
Yang et al. | Hybrid attention for automatic segmentation of whole fetal head in prenatal ultrasound volumes | |
JP2012061337A (ja) | 画像処理装置及びその制御方法、コンピュータプログラム | |
CN116211349A (zh) | 一种胎儿颜面部的超声成像方法、超声成像装置和介质 | |
Liu et al. | Automated classification and measurement of fetal ultrasound images with attention feature pyramid network | |
CN116171131A (zh) | 早孕期胎儿的超声成像方法和超声成像系统 | |
Aji et al. | Automatic measurement of fetal head circumference from 2-dimensional ultrasound | |
US20230115927A1 (en) | Systems and methods for plaque identification, plaque composition analysis, and plaque stability detection | |
Droste et al. | Discovering salient anatomical landmarks by predicting human gaze | |
Feng et al. | Automatic fetal weight estimation using 3d ultrasonography | |
KR20220061076A (ko) | 서로 다른 의료 영상에 기반한 상관 정보를 이용한 타겟 데이터 예측 방법 | |
CN115813433A (zh) | 基于二维超声成像的卵泡测量方法和超声成像系统 | |
CN113792740A (zh) | 眼底彩照的动静脉分割方法、系统、设备及介质 | |
CN117495763A (zh) | 一种胎儿颜面部图像的处理方法、处理装置、超声成像系统和介质 | |
Nabila et al. | Automated Cerebral Lateral Ventricle Ratio Measurement From 2-Dimensional Fetal Ultrasound Image to Predict Ventriculomegaly | |
CN117982169A (zh) | 一种子宫内膜厚度的确定方法及超声设备 | |
CN113658152B (zh) | 脑卒中风险的预测设备、方法、计算机设备及存储介质 | |
CN113974688B (zh) | 超声成像方法和超声成像系统 |
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 |