CN116883293A - 一种用于神经麻醉穿刺的图像增强处理方法 - Google Patents
一种用于神经麻醉穿刺的图像增强处理方法 Download PDFInfo
- Publication number
- CN116883293A CN116883293A CN202311152366.6A CN202311152366A CN116883293A CN 116883293 A CN116883293 A CN 116883293A CN 202311152366 A CN202311152366 A CN 202311152366A CN 116883293 A CN116883293 A CN 116883293A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- image
- ultrasonic image
- pixel
- enhancement
- 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.)
- Granted
Links
- 206010002091 Anaesthesia Diseases 0.000 title claims abstract description 26
- 230000037005 anaesthesia Effects 0.000 title claims abstract description 26
- 210000005036 nerve Anatomy 0.000 title claims abstract description 20
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 230000000694 effects Effects 0.000 claims abstract description 35
- 230000014759 maintenance of location Effects 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 59
- 238000002604 ultrasonography Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 abstract 1
- 230000003014 reinforcing effect Effects 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000003444 anaesthetic effect Effects 0.000 description 2
- 230000036592 analgesia Effects 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 208000000094 Chronic Pain Diseases 0.000 description 1
- 208000028389 Nerve injury Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008764 nerve damage Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及图像数据处理技术领域,提出了一种用于神经麻醉穿刺的图像增强处理方法,包括:获取超声图像;对超声图像使用不同的增强系数进行增强,根据像素点与周围像素点的灰度差异、欧氏距离、梯度值差异以及梯度方向得到像素点为噪声像素点的可能性;根据增强前后超声图像每个像素点为噪声像素点的可能性得到超声图像的去噪效果;获取超声图像增强前后的边缘图像,获取标记像素点及其重要程度,根据标记像素点的重要程度得到超声图像的边缘信息保留程度;根据超声图像的去噪效果和边缘信息保留程度得到增强系数,并获取最优超声图像;根据最优超声图像分割完成引导。本发明灵活调用不同增强系数,使得该算法可以更好的对图像进行增强。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种用于神经麻醉穿刺的图像增强处理方法。
背景技术
骶管麻醉历史悠久,尤其在小儿麻醉、肛肠外科手术中应用广泛,也有报道用于成人术后镇痛。骶管阻滞是小儿外科麻醉和成人慢性疼痛管理的常用技术。它是通过将针插入骶裂孔以进入骶硬膜外腔来实现的。它是一种简单、有效的中枢神经阻滞类型,通常用于满足儿科手术中对术后镇痛的需求。
在骶管麻醉时需要通过超声图像来定位引导针,基于图像引导下可显著降低骶管穿刺失败率、血管神经损伤等情况,极大提高了骶管阻滞的有效性和安全性。因此需要定位引导针的位置在显示设备上辅助医生完成麻醉。
而在获取骶管的超声图像时会存在大量噪声干扰,进而使得获取的图像并不能精准的识别出超声图像中人体对应组织,故需要使用增强去噪算法对获取的图像进行增强,而在使用增强算法时,由于对应不同场景下,增强系数影响着图像增强效果,故需要根据不同场景获取优选增强系数对图像进行增强。
发明内容
本发明提供一种一种用于神经麻醉穿刺的图像增强处理方法,以解决获取的图像并不能精准的识别出超声图像中人体对应组织的问题,所采用的技术方案具体如下:
本发明一个实施例提供了一种用于神经麻醉穿刺的图像增强处理方法,该方法包括以下步骤:
获取超声图像;
对超声图像使用不同的增强系数进行增强,根据增强前超声图像的像素点与周围像素点的灰度差异以及欧氏距离得到第一噪声可能性,梯度值差异以及梯度方向差异得到第二噪声可能性,根据第一噪声可能性和第二噪声可能性得到像素点为噪声像素点的可能性;获取增强后超声图像中像素点为噪声像素点的可能性,根据增强前后超声图像每个像素点为噪声像素点的可能性得到超声图像的去噪效果;
获取超声图像增强前后的边缘图像,根据增强前后的边缘图像得到三值矩阵;根据三值矩阵中的标记获取标记像素点,并获取标记像素点的重要程度,根据标记像素点的重要程度得到超声图像的边缘信息保留程度;
根据超声图像的去噪效果和边缘信息保留程度得到增强系数,并获取最优超声图像;
根据最优超声图像获得引导针位置。
优选的,所述根据增强前超声图像的像素点与周围像素点的灰度差异以及欧氏距离得到第一噪声可能性,梯度值差异以及梯度方向差异得到第二噪声可能性的方法为:
对每个像素点聚类得到中心聚类簇,像素点为中心点,获取中心点与其中心聚类簇内每个像素点灰度差值和欧氏距离,根据中心点和中心聚类簇内像素点的灰度差值和欧氏距离得到第一噪声可能性;对超声图像进行sobel边缘检测得到每个像素点的梯度值和梯度方向,计算中心点与其中心聚类簇内每个像素点的梯度值差值和梯度方向差值,根据中心点与其中心聚类簇内每个像素点的梯度值差值和梯度方向差值得到第二噪声可能性。
优选的,所述对每个像素点聚类得到中心聚类簇的方法为:
对每个像素点得到一个预设窗口,对预设窗口邻域内的像素点进行聚类,其中聚类的方法为DBSCAN算法,初始点为窗口内的中心点,将灰度值的差值作为聚类距离;由此将窗口内像素点分为若干聚类簇,其中每个聚类簇的像素点要大于3,将中心点所在的聚类簇作为该像素点的中心聚类簇。
优选的,所述根据中心点和中心聚类簇内像素点的灰度差值和欧氏距离得到第一噪声可能性的方法为:
将中心点和每个中心聚类簇内像素点的灰度差值比上中心点和每个中心聚类簇内像素点的欧氏距离记为第一比值,并将中心点的所有第一比值累加后比上中心聚类簇内像素点数量的平方得到中心点的第一噪声可能性。
优选的,所述根据增强前后超声图像每个像素点为噪声像素点的可能性得到超声图像的去噪效果的方法为:
对超声图像增强前后的两幅图像进行标记,给定预设阈值,将像素点为噪声像素点的可能性大于预设阈值时,像素点标记为1,除此之外的像素点标记为0,将两幅图像都进行标记后,令两幅图像进行与运算,得到一幅图像,图像上的标记为最终标记;根据最终标记获得像素点的噪声值以及超声图像的去噪效果。
优选的,所述根据最终标记获得像素点的噪声值以及超声图像的去噪效果的方法为:
式中,表示第a个像素点对应的中心聚类簇内的第i个像素点与超声图像第a个像素点的梯度值差异,/>表示第a个像素点对应的中心聚类簇内的第i个像素点与超声图像第a个像素点梯度方向的差异,其中梯度方向差异为梯度方向对应的角度作差,/>表示超声图像第a个像素点对应的中心聚类簇内像素点的数量,/>表示超声图像第a个像素点的第二噪声可能性。
优选的,所述根据增强前后的边缘图像得到三值矩阵的方法为:
令增强前的边缘图像和增强后的边缘图像作差得到一个于图像相同大小的三值矩阵,三值矩阵中只存在-1,0,1三个值;其中-1表示像素点在图像增强后出现的边缘像素点,0表示图像增强前后对应的像素点同时为边缘像素点或同时为其它像素点,1表示图像增强前后,增强前为边缘像素点,而增强后消失了的像素点。
优选的,所述根据三值矩阵中的标记获取标记像素点,并获取标记像素点的重要程度的方法为:
对于增强前的超声图像,三值矩阵标记为1的像素点为标记像素点,对于增强后的超声图像,三值矩阵标记为-1的像素点为标记像素点,以标记像素点为中心得到一个标记窗口,根据标记像素点和标记窗口内边缘像素点的距离、数量得到标记像素点的重要程度。
优选的,所述根据标记像素点和标记窗口内边缘像素点的距离、数量得到标记像素点的重要程度的方法为:
计算标记像素点到所在边缘线上端点的欧氏距离,其中最近的欧氏距离记为标记距离,获取每个标记窗口内的中心点所在的边缘线上的边缘像素点的数量记为标记密度;
式中,表示第o个标记像素点的标记距离,/>表示第o个标记像素点所在边缘线的长度,/>表示第o个标记像素点的标记密度,/>表示以自然常数为底的指数函数,/>表示第o个标记像素点的重要程度。
优选的,所述根据标记像素点的重要程度得到超声图像的边缘信息保留程度的方法为:
将标记为-1的边缘像素点的重要程度与标记为1的边缘像素点的重要程度的差异记为第一差异,将第一差异取绝对值后进行归一化,将归一化后的值记为超声图像的边缘信息保留程度。
本发明的有益效果是:本发明通过改进现有增强算法的增强系数,根据图像增强前后图像中像素点去噪效果,以及结合图像增强前后图像中边缘信息保留程度对图像增强效果进行评价,不仅考虑图像去噪效果与考虑图像边缘信息保留程度,大大增加了图像增强的效果,而根据不同图像分析,灵活调用不同增强系数,获取优选增强图像,使得该算法可以更好的对图像进行增强,而增强后的图像大大增加网络识别的准确性,提高了针头识别的准确性,更好的帮助引导医生进行手术,大大增加手术的成功率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明一个实施例所提供的一种用于神经麻醉穿刺的图像增强处理方法的流程示意图。
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,所描述的实施例仅仅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做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。
请参阅图1,其示出了本发明一个实施例提供的一种用于神经麻醉穿刺的图像增强处理方法流程图,该方法包括以下步骤:
步骤S001,使用超声探测仪获取超声图像。
在对患者进行骶管麻醉时,对骶管神经进行麻醉的过程中,使用超声波探测仪获取骶管部分的超声图像,针对超声图像进行分析得到麻醉针的位置,根据麻醉针所处位置以及骶管的具体麻醉位置引导医生进行阻滞麻醉手术。
至此,得到了超声图像。
步骤S002,对超声图像使用不同增强系数增强,根据像素点与周围像素点的差异得到每个像素点为噪声像素点的可能性,根据增强前后超声图像像素点为噪声像素点的可能性得到超声图像的去噪效果。
由于超声图像会在获取过程中由于环境影响出现较多噪声,因此需要对超声图像进行去噪,而超声图像灰度值整体较低,各个像素点的灰度值差异不大,因此在去噪前要先对超声图像进行增强,在增强时会导致超声图像的属性发生变化,因此需要确定一个较好的增强系数,在本实施例中使用pal-king算法对超声图像进行增强,在对像素点模糊隶属度进行增强时,不同的增强系数会对图像造成不同的影响,故本实施例使用不同的增强系数对图像进行增强,进而获取优选的图像增强效果,其中增强系数的取值范围为[0.30,0.75],增强系数从最小值开始作为第一个增强系数,每次增强系数增加0.1,对于每个增强系数得到超声图像的增强效果,根据超声图像的增强效果判断增强系数的值。
由于不同的增强系数会导致不同的增强效果,在去噪效果较好时,可能会导致图像丢失一些边缘信息,故需要保证图像去噪效果的同时,保障图像边缘信息的完整性,故据此获取图像去噪增强效果。
具体的,首先获取超声图像增强前的噪点分布,在超声图像中,灰度值相近的像素点大都聚集在一起,同时,对于超声图像,图像中灰白交替区域,其对应灰度差异也较小,故可以根据像素点与其相邻像素点灰度信息获取图像中噪声状况。
对于任意一个像素点,以其为中心得到一个大小的窗口,在本实施例中,/>的取值为7,对当前窗口邻域内的像素点进行聚类,其中聚类的方法为DBSCAN算法,初始点为窗口内的中心点,将灰度值的差值作为聚类距离;由此将窗口内像素点分为若干聚类簇,其中每个聚类簇的像素点要大于3,将中心点所在的聚类簇作为该像素点的中心聚类簇。根据中心聚类簇内像素点的数量以及像素点和中心点的距离、灰度差异得到中心点的第一噪声可能性,公式如下:
式中,表示超声图像第a个像素点对应的中心聚类簇内像素点的数量,/>表示第a个像素点对应的中心聚类簇内的第i个像素点与超声图像第a个像素点的灰度差异,表示第a个像素点对应的中心聚类簇内的第i个像素点与超声图像第a个像素点的欧氏距离,/>表示超声图像第a个像素点的第一噪声可能性。
求像素点与其对应的聚类簇内像素点灰度值差异越大,且对应像素点距离越近,则说明当前像素点越可能为噪声像素点,若当前像素点对应的聚类簇内像素点的数量越少,则说明当前像素点越可能为噪声像素点。
超声图像整体上是存在灰度渐变的过程的,在本实施例中,在检测到的俩个骶骨角处,可以观察到明显的灰度渐变,使用sobel算法得到超声图像的梯度图,由此得到超声图像中每个像素点的梯度值和梯度方向,根据像素点以及其对应的中心聚类簇内的像素点的梯度差异和梯度方向差异得到像素点的第二噪声可能性,公式如下:
式中,表示第a个像素点对应的中心聚类簇内的第i个像素点与超声图像第a个像素点的梯度值差异,/>表示第a个像素点对应的中心聚类簇内的第i个像素点与超声图像第a个像素点梯度方向的差异,其中梯度方向差异为梯度方向对应的角度作差,/>表示超声图像第a个像素点对应的中心聚类簇内像素点的数量,/>表示超声图像第a个像素点的第二噪声可能性。
对于超声图像中梯度方向分析可知,由于图像中存在渐变区域,故所求像素点周围像素点梯度值应较为接近,故可以获取每个像素点与当前像素点形成的梯度方向,计算获取对应梯度方向与其梯度方向的差异,即当所求像素点与当前像素点形成的梯度方向与对应第i个像素点的梯度方向差异越小,则说明当前像素点为噪声像素点的可能性越小。当所求像素点在与其相邻灰度差异较小的像素点对应梯度方向差异较小,同时相连像素点对应梯度方向差异也越小,则说明当前像素点为噪声像素点可能性越小。
根据所得到的超声图像每个像素点的第一噪声可能性和第二噪声可能性得到像素点为噪声像素点的可能性,公式如下:
式中,表示超声图像第a个像素点的第一噪声可能性,/>表示超声图像第a个像素点的第二噪声可能性,/>表示超声图像第a个像素点为噪声像素点的可能性。当所求像素点对应邻域内灰度差异越小,且对应梯度值与梯度方向差异与同类像素点差异越小,则说明当前像素点为噪声像素点可能性越小。
使用同样的方法获取超声图像图像增强后像素点为噪声像素点的可能性,在此给出预设阈值,在本实施例中/>,超声图像增强前后的两幅图像都得到像素点为噪声像素点的可能性后,将大于阈值的像素点标记为1,小于等于阈值的记为0,将两幅图像中像素点标记值进行与运算得到超声图像每个像素点的最终标记,获取增强后超声图像中像素点为噪声像素点的可能性并获得超声图像增强后的去噪效果,公式如下:
式中,表示超声图像增强前第a个像素点为噪声像素点的可能性,/>表示超声图像增强后第a个像素点为噪声像素点的可能性,/>表示超声图像第a个像素点的最终标记,/>为最大值函数,/>为最小值函数,/>表示超声图像第a个像素点的噪声值,/>表示超声图像中像素点的数量,/>表示超声图像增强后的图像去噪效果。当超声图像增强后在超声图像中可检测出的像素点噪点的噪声值越小,则说明咋当前增强系数下超声图像增强算法在去噪方面的效果越好。
至此,获取了超声图像的去噪效果。
步骤S003,获取超声图像的边缘图像,根据增强后的边缘图像获取标记像素点,根据标记像素点的重要程度得到超声图像的边缘信息保留程度,根据超声图像的边缘信息保留程度和去噪效果得到最优超声图像。
在超声图像去噪增强过程中,可能会破坏损失原有边缘信息,故可以根据边缘信息增强前后变化差异获取超声图像中边缘信息的保留程度。
对于超声图像使用canny算子获得超声图像的边缘信息,通过比较图像增强前后边缘像素点数量,进而获取图像中边缘信息变化差异。令增强前的边缘图像和增强后的边缘图像作差得到一个于图像相同大小的三值矩阵,三值矩阵中只存在-1,0,1三个值;其中-1表示像素点在图像增强后出现的边缘像素点,0表示图像增强前后对应的像素点同时为边缘像素点或同时为其它像素点,1表示图像增强前后,增强前为边缘像素点,而增强后消失了的像素点。
在超声图像增强前,获得超声图像的边缘像素点中所有标记为1的边缘像素点记为标记像素点,获取每个标记像素点所在边缘线的端点,计算标记像素点到所在边缘线上端点的欧氏距离,其中最近的欧氏距离记为标记距离,以每个标记像素点为中心得到一个大小的标记窗口,在本实施例中/>,获取每个标记窗口内的中心点所在的边缘线上的边缘像素点的数量记为标记密度,基于此得到标记像素点的重要程度,公式如下:
式中,表示第o个标记像素点的标记距离,/>表示第o个标记像素点所在边缘线的长度,/>表示第o个标记像素点的标记密度,/>表示以自然常数为底的指数函数,/>表示第o个标记像素点的重要程度。当所求当前像素点距离边缘线端点距离越近,所求f越小,对应边缘像素点周围密度越小,则说明当前像素点越重要。
将超声图像增强前的超声图像上所有标记像素点的重要程度进行累加得到超声图像的增强前重要程度。
同理,在超声图像增强后,图像中可能会将原本属于边缘线上的噪声像素点增强为正常的边缘像素点,进而使得图像增强前后边缘像素点发生变化,但这些像素点的变化为正向的。使用同样的方法得到超声图像的增强后重要程度。
根据超声图像的增强后重要程度以及超声图像的增强前重要程度得到超声图像的边缘信息保留程度,公式如下:
式中,表示超声图像的增强前重要程度,/>表示超声图像的增强后重要程度,/>表示超声图像的边缘信息保留程度。当所求标记为-1的边缘像素点的重要程度/>与标记为1的边缘像素点的重要程度/>的差异越大,则说明图像边缘信息保留程度越大。
根据超声图像去噪效果以及超声图像的边缘信息保留程度获取图像增强效果,公式如下:
式中,表示超声图像增强后的图像去噪效果,/>表示超声图像的边缘信息保留程度,/>表示图像增强效果。
当所求图像去噪效果越好,且对应边缘保留程度越好,则说明当前图像增强效果越好,设置增强阈值,在本实施例中,令增强阈值/>,由于增强系数在不断迭代,当所求的图像增强效果大于增强阈值时,便可以认为此时对应的增强系数作为最优增强系数。使用最优增强系数对超声图像进行增项得到最优超声图像。
步骤S004,根据最优超声图像记性语义分割得到引导针位置。
获得最优超声图像后,使用U-net神经网络对获取的增强后的超声图像进行语义分割,该神经网络的输入为最优超声图像,输出为包含针头区域的图像,将针头区域的像素点标记为1,背景区域的像素点标记为0;网络损失函数为交叉熵损失函数。通过语义分割获取超声图像中引导针的位置,将引导针的位置实时显示在显示器上,方便医生可以根据引导针的位置以及骶管区域的位置辅助医生进行阻滞麻醉手术。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,该方法包括以下步骤:
获取超声图像;
对超声图像使用不同的增强系数进行增强,根据增强前超声图像的像素点与周围像素点的灰度差异以及欧氏距离得到第一噪声可能性,梯度值差异以及梯度方向差异得到第二噪声可能性,根据第一噪声可能性和第二噪声可能性得到像素点为噪声像素点的可能性;获取增强后超声图像中像素点为噪声像素点的可能性,根据增强前后超声图像每个像素点为噪声像素点的可能性得到超声图像的去噪效果;
获取超声图像增强前后的边缘图像,根据增强前后的边缘图像得到三值矩阵;根据三值矩阵中的标记获取标记像素点,并获取标记像素点的重要程度,根据标记像素点的重要程度得到超声图像的边缘信息保留程度;
根据超声图像的去噪效果和边缘信息保留程度得到增强系数,并获取最优超声图像;
根据最优超声图像获得引导针位置。
2.根据权利要求1所述的一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,所述根据增强前超声图像的像素点与周围像素点的灰度差异以及欧氏距离得到第一噪声可能性,梯度值差异以及梯度方向差异得到第二噪声可能性的方法为:
对每个像素点聚类得到中心聚类簇,像素点为中心点,获取中心点与其中心聚类簇内每个像素点灰度差值和欧氏距离,根据中心点和中心聚类簇内像素点的灰度差值和欧氏距离得到第一噪声可能性;对超声图像进行sobel边缘检测得到每个像素点的梯度值和梯度方向,计算中心点与其中心聚类簇内每个像素点的梯度值差值和梯度方向差值,根据中心点与其中心聚类簇内每个像素点的梯度值差值和梯度方向差值得到第二噪声可能性。
3.根据权利要求2所述的一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,所述对每个像素点聚类得到中心聚类簇的方法为:
对每个像素点得到一个预设窗口,对预设窗口邻域内的像素点进行聚类,其中聚类的方法为DBSCAN算法,初始点为窗口内的中心点,将灰度值的差值作为聚类距离;由此将窗口内像素点分为若干聚类簇,其中每个聚类簇的像素点要大于3,将中心点所在的聚类簇作为该像素点的中心聚类簇。
4.根据权利要求2所述的一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,所述根据中心点和中心聚类簇内像素点的灰度差值和欧氏距离得到第一噪声可能性的方法为:
将中心点和每个中心聚类簇内像素点的灰度差值比上中心点和每个中心聚类簇内像素点的欧氏距离记为第一比值,并将中心点的所有第一比值累加后比上中心聚类簇内像素点数量的平方得到中心点的第一噪声可能性。
5.根据权利要求1所述的一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,所述根据增强前后超声图像每个像素点为噪声像素点的可能性得到超声图像的去噪效果的方法为:
对超声图像增强前后的两幅图像进行标记,给定预设阈值,将像素点为噪声像素点的可能性大于预设阈值时,像素点标记为1,除此之外的像素点标记为0,将两幅图像都进行标记后,令两幅图像进行与运算,得到一幅图像,图像上的标记为最终标记;根据最终标记获得像素点的噪声值以及超声图像的去噪效果。
6.根据权利要求5所述的一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,所述根据最终标记获得像素点的噪声值以及超声图像的去噪效果的方法为:
式中,表示第a个像素点对应的中心聚类簇内的第i个像素点与超声图像第a个像素点的梯度值差异,/>表示第a个像素点对应的中心聚类簇内的第i个像素点与超声图像第a个像素点梯度方向的差异,其中梯度方向差异为梯度方向对应的角度作差,/>表示超声图像第a个像素点对应的中心聚类簇内像素点的数量,/>表示超声图像第a个像素点的第二噪声可能性。
7.根据权利要求1所述的一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,所述根据增强前后的边缘图像得到三值矩阵的方法为:
令增强前的边缘图像和增强后的边缘图像作差得到一个于图像相同大小的三值矩阵,三值矩阵中只存在-1,0,1三个值;其中-1表示像素点在图像增强后出现的边缘像素点,0表示图像增强前后对应的像素点同时为边缘像素点或同时为其它像素点,1表示图像增强前后,增强前为边缘像素点,而增强后消失了的像素点。
8.根据权利要求1所述的一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,所述根据三值矩阵中的标记获取标记像素点,并获取标记像素点的重要程度的方法为:
对于增强前的超声图像,三值矩阵标记为1的像素点为标记像素点,对于增强后的超声图像,三值矩阵标记为-1的像素点为标记像素点,以标记像素点为中心得到一个标记窗口,根据标记像素点和标记窗口内边缘像素点的距离、数量得到标记像素点的重要程度。
9.根据权利要求8所述的一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,所述根据标记像素点和标记窗口内边缘像素点的距离、数量得到标记像素点的重要程度的方法为:
计算标记像素点到所在边缘线上端点的欧氏距离,其中最近的欧氏距离记为标记距离,获取每个标记窗口内的中心点所在的边缘线上的边缘像素点的数量记为标记密度;
式中,表示第o个标记像素点的标记距离,/>表示第o个标记像素点所在边缘线的长度,/>表示第o个标记像素点的标记密度,/>表示以自然常数为底的指数函数,/>表示第o个标记像素点的重要程度。
10.根据权利要求7所述的一种用于神经麻醉穿刺的图像增强处理方法,其特征在于,所述根据标记像素点的重要程度得到超声图像的边缘信息保留程度的方法为:
将标记为-1的边缘像素点的重要程度与标记为1的边缘像素点的重要程度的差异记为第一差异,将第一差异取绝对值后进行归一化,将归一化后的值记为超声图像的边缘信息保留程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311152366.6A CN116883293B (zh) | 2023-09-08 | 2023-09-08 | 一种用于神经麻醉穿刺的图像增强处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311152366.6A CN116883293B (zh) | 2023-09-08 | 2023-09-08 | 一种用于神经麻醉穿刺的图像增强处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883293A true CN116883293A (zh) | 2023-10-13 |
CN116883293B CN116883293B (zh) | 2023-11-17 |
Family
ID=88257195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311152366.6A Active CN116883293B (zh) | 2023-09-08 | 2023-09-08 | 一种用于神经麻醉穿刺的图像增强处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883293B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117130373A (zh) * | 2023-10-26 | 2023-11-28 | 超技工业(广东)股份有限公司 | 一种半成品仓中载具输送机器人的控制方法 |
CN117455779A (zh) * | 2023-12-22 | 2024-01-26 | 天津市胸科医院 | 一种医疗超声影像仪辅助增强系统 |
CN117455916A (zh) * | 2023-12-25 | 2024-01-26 | 山东太阳耐磨件有限公司 | 一种钢板表面缺陷视觉检测方法 |
CN117557486A (zh) * | 2024-01-11 | 2024-02-13 | 深圳爱递医药科技有限公司 | 基于超声影像的神经麻醉穿刺辅助定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070065009A1 (en) * | 2005-08-26 | 2007-03-22 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Ultrasound image enhancement and speckle mitigation method |
US20220142484A1 (en) * | 2014-10-29 | 2022-05-12 | Spectral Md, Inc. | Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification |
CN115661135A (zh) * | 2022-12-09 | 2023-01-31 | 山东第一医科大学附属省立医院(山东省立医院) | 一种心脑血管造影的病灶区域分割方法 |
CN116269467A (zh) * | 2023-05-19 | 2023-06-23 | 中国人民解放军总医院第八医学中心 | 一种创伤患者清创术前信息采集系统 |
CN116503392A (zh) * | 2023-06-26 | 2023-07-28 | 细胞生态海河实验室 | 一种用于卵巢组织分析的卵泡区域分割方法 |
CN116523802A (zh) * | 2023-07-04 | 2023-08-01 | 天津大学 | 一种用于肝脏超声图像的增强优化方法 |
CN116579954A (zh) * | 2023-07-12 | 2023-08-11 | 南京晨新医疗科技有限公司 | 一种超高清内窥镜图像智能增强方法 |
-
2023
- 2023-09-08 CN CN202311152366.6A patent/CN116883293B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070065009A1 (en) * | 2005-08-26 | 2007-03-22 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Ultrasound image enhancement and speckle mitigation method |
US20220142484A1 (en) * | 2014-10-29 | 2022-05-12 | Spectral Md, Inc. | Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification |
CN115661135A (zh) * | 2022-12-09 | 2023-01-31 | 山东第一医科大学附属省立医院(山东省立医院) | 一种心脑血管造影的病灶区域分割方法 |
CN116269467A (zh) * | 2023-05-19 | 2023-06-23 | 中国人民解放军总医院第八医学中心 | 一种创伤患者清创术前信息采集系统 |
CN116503392A (zh) * | 2023-06-26 | 2023-07-28 | 细胞生态海河实验室 | 一种用于卵巢组织分析的卵泡区域分割方法 |
CN116523802A (zh) * | 2023-07-04 | 2023-08-01 | 天津大学 | 一种用于肝脏超声图像的增强优化方法 |
CN116579954A (zh) * | 2023-07-12 | 2023-08-11 | 南京晨新医疗科技有限公司 | 一种超高清内窥镜图像智能增强方法 |
Non-Patent Citations (3)
Title |
---|
刘琬臻;付忠良;: "基于局部方差改进的超声图像各向异性扩散去噪算法", 计算机应用, no. 09 * |
哈章;李传富;王金萍;周康源;杨振森;: "基于各向异性扩散的B超图像去噪", 北京生物医学工程, no. 01 * |
张婷婷;刘东权;: "基于方向滤波的超声图像边缘增强", 计算机应用与软件, no. 03 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117130373A (zh) * | 2023-10-26 | 2023-11-28 | 超技工业(广东)股份有限公司 | 一种半成品仓中载具输送机器人的控制方法 |
CN117130373B (zh) * | 2023-10-26 | 2024-03-08 | 超技工业(广东)股份有限公司 | 一种半成品仓中载具输送机器人的控制方法 |
CN117455779A (zh) * | 2023-12-22 | 2024-01-26 | 天津市胸科医院 | 一种医疗超声影像仪辅助增强系统 |
CN117455779B (zh) * | 2023-12-22 | 2024-03-26 | 天津市胸科医院 | 一种医疗超声影像仪辅助增强系统 |
CN117455916A (zh) * | 2023-12-25 | 2024-01-26 | 山东太阳耐磨件有限公司 | 一种钢板表面缺陷视觉检测方法 |
CN117455916B (zh) * | 2023-12-25 | 2024-03-15 | 山东太阳耐磨件有限公司 | 一种钢板表面缺陷视觉检测方法 |
CN117557486A (zh) * | 2024-01-11 | 2024-02-13 | 深圳爱递医药科技有限公司 | 基于超声影像的神经麻醉穿刺辅助定位方法 |
CN117557486B (zh) * | 2024-01-11 | 2024-04-19 | 深圳爱递医药科技有限公司 | 基于超声影像的神经麻醉穿刺辅助定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116883293B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116883293B (zh) | 一种用于神经麻醉穿刺的图像增强处理方法 | |
CN115330800B (zh) | 基于图像处理的放疗靶区自动分割方法 | |
EP0757544B1 (en) | Computerized detection of masses and parenchymal distortions | |
CN108108739B (zh) | 图像目标区域的检测方法、装置、x射线系统及存储介质 | |
US8311304B2 (en) | Computer-aided tubing detection | |
EP3144892A2 (en) | Method for automatic segmentation and quantification of body tissues | |
CN110910404B (zh) | 一种抗噪声数据的乳腺超声结节分割方法 | |
Harshavardhan et al. | An improved brain tumor segmentation method from MRI brain images | |
US20190046127A1 (en) | Image processing apparatus, image processing method, and program | |
CN114627067A (zh) | 一种基于图像处理的伤口面积测量及辅助诊疗方法 | |
CN111105427B (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
CN116485814A (zh) | 一种基于ct影像的颅内血肿区域分割方法 | |
CN117422628B (zh) | 一种心脏血管超声检查数据优化增强方法 | |
CN113379741B (zh) | 基于血管特征的视网膜血管分割方法、设备和存储介质 | |
CN112137721B (zh) | 一种基于超声图像的穿刺针针尖与血管壁深度定位方法 | |
CN111027474B (zh) | 人脸区域获取方法、装置、终端设备和存储介质 | |
CN113034440A (zh) | 一种基于ctp脑灌注影像数据的梗死分类方法及系统 | |
US7400758B2 (en) | Abnormal pattern detecting apparatus | |
EP4202831A1 (en) | Image-based motion detection method | |
CN104200196B (zh) | 一种x射线透视图像中导针位置自动识别方法 | |
CN117830308B (zh) | 一种介入手术前后血管造影智能对比分析方法 | |
CN114782448B (zh) | 一种基于图像处理的脑胶质瘤辅助分级系统 | |
CN117237389B (zh) | 一种中耳胆脂瘤ct影像分割方法 | |
Soares et al. | Scale-space curvature detection of retinal exudates with a dynamic threshold | |
CN116167949B (zh) | 一种基于医疗影像大数据的临床辅助决策系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |