CN116687442A - 一种基于三维容积数据的胎儿脸部成像方法 - Google Patents

一种基于三维容积数据的胎儿脸部成像方法 Download PDF

Info

Publication number
CN116687442A
CN116687442A CN202310988266.0A CN202310988266A CN116687442A CN 116687442 A CN116687442 A CN 116687442A CN 202310988266 A CN202310988266 A CN 202310988266A CN 116687442 A CN116687442 A CN 116687442A
Authority
CN
China
Prior art keywords
dimensional
dimensional images
images
fetus
volume data
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
CN202310988266.0A
Other languages
English (en)
Inventor
郭境峰
任江豪
胡江涛
赵琦
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.)
Shantou Ultrasonic Instrument Research Institute Co ltd
Original Assignee
Shantou Ultrasonic Instrument Research Institute 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 Shantou Ultrasonic Instrument Research Institute Co ltd filed Critical Shantou Ultrasonic Instrument Research Institute Co ltd
Priority to CN202310988266.0A priority Critical patent/CN116687442A/zh
Publication of CN116687442A publication Critical patent/CN116687442A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明涉及超声成像技术领域，尤其涉及一种基于三维容积数据的胎儿脸部成像方法。本发明采用如下技术方案：先对选取的胎儿脸部的序列二维图像经过抽帧处理后，再对二维图像计算均值和方差，将其中均值和方差低于设定阈值的问题图像剔除掉，利用训练好的分割网络模型进行分割识别处理，得到基准轮廓并拟合得到基准曲线后，利用基准曲线对序列二维图像进行分割处理。本发明的有益效果在于：通过剔除纯黑色图像或不完整的扇形图像等问题图像，以及抽帧处理的方式，减少进行分割识别处理的二维图像的数量，利用基准轮廓对关于胎儿脸部的序列二维图像进行分割处理，以此实现对胎儿脸部前方遮挡物的有效去除，同时具有计算量少、三维成像速率高的优点。

Description

一种基于三维容积数据的胎儿脸部成像方法
技术领域
本发明涉及超声成像技术领域，尤其涉及一种基于三维容积数据的胎儿脸部成像方法。
背景技术
随着超声技术的快速发展，三维超声由于采集难度低、显示速度快、运算速度快等优点，在临床检查上得到重要的应用。其中，在对腹中胎儿进行检测时，需要对胎儿脸部进行具体的观察，在三维超声成像过程中，积液或胎儿的部分姿势会导致胎儿脸部前方的不同位置会出现遮挡物，医生和家长无法直接观察到胎儿脸部的细节。目前常用的方式是利用事先训练的模型对关于胎儿脸部的二维超声图像帧进行识别处理，将不属于脸部特征的部分剔除掉，达到去除胎儿脸部遮挡物的目的，然而关于胎儿脸部的二维超声图像帧数量过多，均进行模型的识别处理会大大降低三维成像的速率，且由于胎儿在检测过程中经常发生移动，若成像速率低，会导致三维成像的效果较差，对硬件处理设备的要求也更高。
发明内容
本发明的目的在于提供一种基于三维容积数据的胎儿脸部成像方法，具体在于提供一种能准确、快速消除三维容积数据中胎儿脸部前方遮挡物，将胎儿脸部完整分割出来的成像方法。
为达到上述目的，本发明采用如下技术方案：一种基于三维容积数据的胎儿脸部成像方法，包括如下步骤：
S01、获取胎儿的三维容积数据，并从胎儿的三维容积数据中选取组成胎儿脸部的序列二维图像，记该序列二维图像中包含的二维图像的数量为n张；其中，序列二维图像的方向均与胎儿脸部正中矢状面平行。
S02、以一张图像为间隔，对n张二维图像进行抽帧处理，得到k张二维图像。
S03、分别计算k张二维图像的均值和方差，将均值小于设定阈值T1且方差小于设定阈值T2的二维图像剔除，记剔除的二维图像的数量为m，得到剩余的k-m张二维图像。
S04、利用训练好的Unet分割网络模型对步骤S03抽帧处理后的k-m张二维图像进行分割识别，从k-m张二维图像中分割出脸部区域。
S05、将分割出脸部区域的k-m张二维图像二值化，遍历每张二维图像中的每个轮廓，保留每张二维图像中面积最大的轮廓，并在k-m张二维图像的面积最大的轮廓中选取在Y轴方向上距离最大的轮廓作为基准轮廓，提取基准轮廓左半侧的点，拟合得到基准曲线。
S06、利用基准曲线，对步骤S01中获取的n张二维图像进行处理，将n张二维图像中在基准曲线正对左侧、左侧上方和左侧下方的区域的所有像素点均做置黑处理。
S07、将利用基准曲线处理后的n张二维图像替换掉在步骤S01中在胎儿的三维容积数据中所选取的序列二维图像，以此生成去除遮挡物后的胎儿的三维容积数据。
本发明的有益效果在于：通过剔除纯黑色图像或不完整的扇形图像等问题图像，以及抽帧处理的方式，减少进行分割识别处理的二维图像的数量，并以进行分割识别处理的图像中最大的轮廓作为基准轮廓，对关于胎儿脸部的序列二维图像进行分割处理，以此实现对胎儿脸部前方遮挡物的有效去除，同时具有计算量少、三维成像速率高的优点。
附图说明
附图1为实施例中胎儿脸部成像方法的流程图；
附图2为未经本实施例的方法处理的胎儿脸部的三维容积数据可视化后得到的图像；
图3为步骤S05中选取到的具有在Y轴方向距离最大的轮廓（即基准轮廓）的二维图像；
图4为步骤S06利用图2的基准轮廓获得的基准曲线进行置黑处理后的二维图像；
图5为经本实施例的方法去除脸部前方遮挡物后的三维容积数据可视化后得到的图像。
实施方式
实施例1，参照图1，一种基于三维容积数据的胎儿脸部成像方法，包括如下步骤：
S01、获取胎儿的三维容积数据，并从胎儿的三维容积数据中选取组成胎儿脸部的序列二维图像，记该序列二维图像中包含的二维图像的数量为n张；其中，选取的序列二维图像的方向均与胎儿脸部正中矢状面平行。
S02、以一张图像为间隔，对n张二维图像进行抽帧处理，得到k张二维图像。通过抽帧处理，可以进一步减少需要进行分割识别处理的二维图像的数量，提高成像速率。
S03、分别计算k张二维图像的均值和方差，将均值小于设定阈值T1且方差小于设定阈值T2的二维图像剔除，记剔除的二维图像的数量为m，得到剩余的k-m张二维图像。当二维图像的均值小于设定阈值时，则认为该二维图像为纯黑色图像，当二维图像的方差小于设定阈值T2时，则认为该二维图像为不完整的图像，这两类图像均属于问题图像，没有进行后续计算基准轮廓的必要，因此将其剔除。
S04、利用训练好的Unet分割网络模型对步骤S03抽帧处理后的k-m张二维图像进行分割识别，从k-m张二维图像中分割出脸部区域。
S05、将分割出脸部区域的k-m张二维图像二值化，遍历每张二维图像中的每个轮廓，保留每张二维图像中面积最大的轮廓，并在k-m张二维图像的面积最大的轮廓中选取在Y轴方向上距离最大的轮廓作为基准轮廓，提取基准轮廓左半侧的点，拟合得到基准曲线。
S06、利用基准曲线，对步骤S01中获取的n张二维图像进行处理，将n张二维图像中在基准曲线正对左侧、左侧上方和左侧下方的区域的所有像素点均做置黑处理。具体的，在进行置黑处理时，若按照二维图像的坐标来看，记基准轮廓最上方的点为D1、最下方的点为D2，则以D1为起点，垂直于X轴向上画出上边线，以D2为起点，垂直于X轴向下画出下边线，上边线、基准轮廓和下边线连起来形成分割线，在分割线左侧的所有像素点即为上述在基准曲线正对左侧、左侧上方和左侧下方的区域的所有像素点。
S07、将利用基准曲线处理后的n张二维图像替换掉在步骤S01中在胎儿的三维容积数据中所选取的序列二维图像，以此生成去除遮挡物后的胎儿的三维容积数据。
本实施例还利用上述的处理方法对一胎儿三维容积数据进行处理，其中，图2为未经本实施例的方法处理的胎儿脸部的三维容积数据可视化后得到的图像，图3为步骤S05中选取到的具有在Y轴方向距离最大的轮廓（即基准轮廓）的二维图像，图4为步骤S06利用图2的基准轮廓获得的基准曲线进行置黑处理后的二维图像，图5为经本实施例的方法去除脸部前方遮挡物后的三维容积数据可视化后得到的图像。可以明显看出，去除遮挡物后能看到更多胎儿脸部的细节。
当然，以上仅为本发明较佳实施方式，并非以此限定本发明的使用范围，故，凡是在本发明原理上做等效改变均应包含在本发明的保护范围内。

Claims (1)

1.一种基于三维容积数据的胎儿脸部成像方法，其特征在于：包括如下步骤：
S01、获取胎儿的三维容积数据，并从胎儿的三维容积数据中选取组成胎儿脸部的序列二维图像，记该序列二维图像中包含的二维图像的数量为n张；其中，序列二维图像的方向均与胎儿脸部正中矢状面平行；
S02、以一张图像为间隔，对n张二维图像进行抽帧处理，得到k张二维图像；
S03、分别计算k张二维图像的均值和方差，将均值小于设定阈值T1且方差小于设定阈值T2的二维图像剔除，记剔除的二维图像的数量为m，得到剩余的k-m张二维图像；
S04、利用训练好的Unet分割网络模型对步骤S03抽帧处理后的k-m张二维图像进行分割识别，从k-m张二维图像中分割出脸部区域；
S05、将分割出脸部区域的k-m张二维图像二值化，遍历每张二维图像中的每个轮廓，保留每张二维图像中面积最大的轮廓，并在k-m张二维图像的面积最大的轮廓中选取在Y轴方向上距离最大的轮廓作为基准轮廓，提取基准轮廓左半侧的点，拟合得到基准曲线；
S06、利用基准曲线，对步骤S01中获取的n张二维图像进行处理，将n张二维图像中在基准曲线正对左侧、左侧上方和左侧下方的区域的所有像素点均做置黑处理；
S07、将利用基准曲线处理后的n张二维图像替换掉在步骤S01中在胎儿的三维容积数据中所选取的序列二维图像，以此生成去除遮挡物后的胎儿的三维容积数据。
CN202310988266.0A 2023-08-08 2023-08-08 一种基于三维容积数据的胎儿脸部成像方法 Pending CN116687442A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310988266.0A CN116687442A (zh) 2023-08-08 2023-08-08 一种基于三维容积数据的胎儿脸部成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310988266.0A CN116687442A (zh) 2023-08-08 2023-08-08 一种基于三维容积数据的胎儿脸部成像方法

Publications (1)

Publication Number Publication Date
CN116687442A true CN116687442A (zh) 2023-09-05

Family

ID=87837922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310988266.0A Pending CN116687442A (zh) 2023-08-08 2023-08-08 一种基于三维容积数据的胎儿脸部成像方法

Country Status (1)

Country Link
CN (1) CN116687442A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006288471A (ja) * 2005-04-06 2006-10-26 Toshiba Corp ３次元超音波診断装置及びボリュームデータ表示領域設定方法
CN106725593A (zh) * 2016-11-22 2017-05-31 深圳开立生物医疗科技股份有限公司 超声三维胎儿面部轮廓图像处理方法系统
CN107220946A (zh) * 2017-05-18 2017-09-29 长安大学 一种岩石运输带上不良块度图像的实时剔除方法
CN109727240A (zh) * 2018-12-27 2019-05-07 深圳开立生物医疗科技股份有限公司 一种三维超声图像的遮挡组织剥离方法及相关装置
CN110584712A (zh) * 2019-09-17 2019-12-20 青岛海信医疗设备股份有限公司 胎儿面部成像方法、装置及存储介质
CN112786163A (zh) * 2020-12-31 2021-05-11 北京小白世纪网络科技有限公司 一种超声图像处理显示方法、系统及存储介质
CN114617581A (zh) * 2020-12-08 2022-06-14 深圳迈瑞生物医疗电子股份有限公司 一种早孕期胎儿的超声成像方法和系统
CN116211349A (zh) * 2021-12-03 2023-06-06 深圳迈瑞生物医疗电子股份有限公司 一种胎儿颜面部的超声成像方法、超声成像装置和介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006288471A (ja) * 2005-04-06 2006-10-26 Toshiba Corp ３次元超音波診断装置及びボリュームデータ表示領域設定方法
CN106725593A (zh) * 2016-11-22 2017-05-31 深圳开立生物医疗科技股份有限公司 超声三维胎儿面部轮廓图像处理方法系统
CN107220946A (zh) * 2017-05-18 2017-09-29 长安大学 一种岩石运输带上不良块度图像的实时剔除方法
CN109727240A (zh) * 2018-12-27 2019-05-07 深圳开立生物医疗科技股份有限公司 一种三维超声图像的遮挡组织剥离方法及相关装置
CN110584712A (zh) * 2019-09-17 2019-12-20 青岛海信医疗设备股份有限公司 胎儿面部成像方法、装置及存储介质
CN114617581A (zh) * 2020-12-08 2022-06-14 深圳迈瑞生物医疗电子股份有限公司 一种早孕期胎儿的超声成像方法和系统
CN112786163A (zh) * 2020-12-31 2021-05-11 北京小白世纪网络科技有限公司 一种超声图像处理显示方法、系统及存储介质
CN116211349A (zh) * 2021-12-03 2023-06-06 深圳迈瑞生物医疗电子股份有限公司 一种胎儿颜面部的超声成像方法、超声成像装置和介质

Similar Documents

Publication Publication Date Title
KR101967357B1 (ko) 이미징 데이터 내에서 잠재적인 이형을 분리하기 위한 방법 및 장치 그리고 의료 영상에의 응용
CN106725593B (zh) 超声三维胎儿面部轮廓图像处理方法系统
CN109727240B (zh) 一种三维超声图像的遮挡组织剥离方法及相关装置
JP2008505704A (ja) 融合型マンモグラフィにおける乳房スクリーニング方法
KR101514003B1 (ko) 폐엽 추출 방법 및 그 장치
CN111374712B (zh) 一种超声成像方法及超声成像设备
CN110782434B (zh) 一种脑结核mri图像病灶智能标记定位装置
Zheng et al. Fast and automatic heart isolation in 3D CT volumes: Optimal shape initialization
CN111340780B (zh) 一种基于三维超声图像的病灶检测方法
CN110866905A (zh) 一种肋骨识别与标注方法
Sagar et al. Color channel based segmentation of skin lesion from clinical images for the detection of melanoma
WO2017193461A1 (zh) 一种ct图像扫描床去除方法及装置
Mahmood et al. Ultrasound liver image enhancement using watershed segmentation method
CN108030514B (zh) 超声三维胎儿成像方法及系统
Isah et al. A review on computer assisted follicle detection techniques and polycystic ovarian syndrome (PCOS) diagnostic systems
Ojo et al. Pre-processing method for extraction of pectoral muscle and removal of artefacts in mammogram
CN109064473A (zh) 一种2.5d超声宽景图像分割方法
CN116687442A (zh) 一种基于三维容积数据的胎儿脸部成像方法
Nirmala et al. Clinical decision support system for early prediction of Down syndrome fetus using sonogram images
CN109034256B (zh) 一种ltp与hog特征融合的乳腺肿瘤检测系统与方法
Rahayu et al. Fetal head and femur detection from USG image to estimate gestational age
Jacop et al. Fetal cardiac structure detection from ultrasound sequences
Sigit et al. Automatic detection brain segmentation to detect brain tumor using MRI
Hati et al. Weakly Supervised Geodesic Segmentation of Egyptian Mummy CT Scans
Hosseini et al. Quantitative evaluation of skull stripping techniques on magnetic resonance 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