CN116898483A - 一种超声颈动脉内中膜厚度精准测量方法 - Google Patents
一种超声颈动脉内中膜厚度精准测量方法 Download PDFInfo
- Publication number
- CN116898483A CN116898483A CN202310873838.0A CN202310873838A CN116898483A CN 116898483 A CN116898483 A CN 116898483A CN 202310873838 A CN202310873838 A CN 202310873838A CN 116898483 A CN116898483 A CN 116898483A
- Authority
- CN
- China
- Prior art keywords
- intima
- point
- media
- tracing
- thickness
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 15
- 239000012528 membrane Substances 0.000 claims abstract description 66
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000002604 ultrasonography Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 33
- 210000001715 carotid artery Anatomy 0.000 claims description 20
- 230000003902 lesion Effects 0.000 claims description 17
- 239000003086 colorant Substances 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 21
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 230000002526 effect on cardiovascular system Effects 0.000 description 4
- 208000024172 Cardiovascular disease Diseases 0.000 description 3
- 208000026106 cerebrovascular disease Diseases 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008719 thickening Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
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
- A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供一种超声颈动脉内中膜厚度精准测量方法，包括：获取颈动脉超声图像上的感兴趣区域框；在感兴趣区域框中将中膜描记点进行拟合，获得拟合直线；基于拟合直线旋转生成的旋转矩阵，对中膜描记点和内膜描记点进行旋转，获得第一中膜描记点和第一内膜描记点；遍历搜索第一中膜描记点，通过匹配获取与第一内膜描记点的点对集，用于内中膜厚度计算，获得内中膜厚度计算结果。本发明通过直线拟合和角度检测构成的旋转矩阵调整内中膜描记线，并遍历搜索匹配计算点对，可有效解决内中膜倾斜可能导致的测量结果比实际数值偏大的问题和内中膜长度不一致可能导致的测量结果偏大的问题，提高了测量结果的准确性。
Description
技术领域
本发明涉及超声图像测量技术领域，尤其涉及一种超声颈动脉内中膜厚度精准测量方法。
背景技术
心脑血管疾病已经成为导致人类死亡的主要病因之一,预防和早期诊断心脑血管疾病是降低心脑血管死亡率的工作重点；颈动脉血管的内中膜厚度(intima-mediathickness，简称IMT)作为众多心脑血管疾病的标志替代物之一,因为其简单易测,在临床上被广泛应用。
在颈动脉内中膜厚度的测量中,超声图像被认为是首选的医学图像,因为颈动脉的高频超声图像能够清晰显示动脉管腔、内膜层、中膜层和外膜层的前提下,相对于其他影像设备,对人体的危害小、价格便宜且适用于实验研究。
目前临床上对于颈动脉内中膜厚度的测量已经出现众多的半自动测量方法,由受过专门培训的医师在颈动脉超声图像上放置感兴趣区域框，系统自动描记内膜和中膜，并根据描记结果计算内中膜厚度。由于内中膜的厚度较薄，正常值通常在0.8mm以内，很小的计算误差可能导致IMT相对较大的方差；
目前基于描记内中膜的IMT自动计算方法有多种，但每种方法都有其局限性，常用的方法有基于点对计算、基于坐标计算和基于局部梯度方向计算：
基于点对计算方法分别将内膜和中膜量化成数量相等的点，相同索引的点对用于计算局部点对的IMT，这一方法对于正常人的且描记完整的内中膜是有效的，对于内膜增厚甚至存在斑块的情况可能存在计算误差；内膜增厚或者斑块会导致内膜描记线长于中膜描记线，对长度不同的两条线量化相同点对会出现偏差，一种量化方式内膜和中膜采用相同长度间隔，该方法在遇到内膜曲率较大的位置时会与中膜点产生逐步累加的偏差；另一种量化方式内膜和中膜采用不同的长度间隔，该方法虽然会减少累加误差，但是每组点对都存在小的误差。倘若人为修改导致描记线不完全，点对也会出现偏差上述三种情况都会导致最终的测量结果大于实际厚度，提高了假阳性率。
基于坐标计算方法直接找到横坐标相同的分别位于内膜和中膜的两个点，计算两个点的纵坐标的差作为IMT值；这一方法计算简单，对于平行于感兴趣区域框的内中膜是适用的，然而受超声探头灵活性的影响，内中膜可能与感兴趣区域水平框存在一定的夹角，会出现测量结果大于实际厚度，导致假阳性。
基于局部梯度方向计算方法针对中膜每个局部点计算法线方向，获取内膜在法线方向的点，计算两点之间的欧氏距离，这一方法在成像质量好，血管壁无噪声干扰的情况下适用，结果也最为精确。但是一旦由于医生手法不佳或者噪声干扰导致描记线不够平滑，在尖锐的不可导点计算法线也会产生较大误差；即使没有噪声的干扰，由于每个点都要计算法线方向，耗时相对较长，在临床中不太实用。
因此，需要一种超声颈动脉内中膜厚度精准测量方法。
发明内容
本发明提供了一种超声颈动脉内中膜厚度精准测量方法，通过直线拟合和角度检测构成的旋转矩阵调整内中膜描记线，并遍历搜索匹配计算点对，可有效解决内中膜倾斜可能导致的测量结果比实际数值偏大的问题和内中膜长度不一致可能导致的测量结果偏大的问题，提高了测量结果的准确性。
一种超声颈动脉内中膜厚度精准测量方法，包括：
S1：获取颈动脉超声图像上的感兴趣区域框；
S2：在感兴趣区域框中将中膜描记点进行拟合，获得拟合直线；
S3：基于拟合直线旋转生成的旋转矩阵，对中膜描记点和内膜描记点进行旋转，获得第一中膜描记点和第一内膜描记点；
S4：遍历搜索第一中膜描记点，通过匹配获取与第一内膜描记点的点对集，用于内中膜厚度计算，获得内中膜厚度计算结果。
进一步地，S1包括：
S101：获取颈动脉超声图像；
S102：基于超声图像检测设备，描记获取颈动脉超声图像中的内膜描记点和中膜描记点；
S103：基于内膜描记点和中膜描记点的分布区域，提取获得感兴趣区域框。
进一步地，S2包括：
按照预设的拟合方法，将感兴趣区域框中的中膜描记点进行拟合，获得拟合直线；拟合方法包括最小二乘法函数拟合或霍夫变换拟合。
进一步地，S3包括：
S301：获取拟合直线与感兴趣区域框的水平框边的夹角θ；
S302：将拟合直线旋转θ角度，使拟合直线与感兴趣区域框的水平框边平行，获得旋转矩阵；
S303：将内膜描记点和中膜描记点基于旋转矩阵旋转，获得旋转后的第一内膜描记点和第一中膜描记点。
进一步地，S3还包括：
S304：将拟合直线、第一内膜描记点和第一中膜描记点，映射到预设的坐标系中，分别获得第一内膜描记点和第一中膜描记点在坐标系中的坐标位置；
S305：基于坐标位置，获得第一内膜描记点的横坐标值、第一内膜描记点的纵坐标值、第一中膜描记点的横坐标值和第一中膜描记点的纵坐标值。
进一步地，S4包括：
S401：遍历第一中膜描记点，获取用于内中膜厚度计算的若干组点对；
S402：根据若干组点对，生成点对集，将点对集用于内中膜厚度计算，获得内中膜厚度计算结果。
进一步地，S401包括：
S4011：遍历第一中膜描记点，获取第一内膜描记点中与第一中膜描记点的目标中膜描记点距离最小的匹配最小距离内膜描记点；
S4012：若目标中膜描记点的横坐标值与匹配最小距离内膜描记点的横坐标值的第一差值均大于预设的第一差值阈值，则不将目标中膜描记点用于内中膜厚度计算；第一差值阈值不大于像素单位值；
S4013：若目标中膜描记点的横坐标值与匹配最小距离内膜描记点的横坐标值的第一差值均小于预设的第一差值阈值，则将目标中膜描记点与匹配最小距离内膜描记点组成点对，用于内中膜厚度计算；
S4014：遍历第一中膜描记点结束后，获得用于内中膜厚度计算的若干组点对。
进一步地，S402包括：
S4021：基于点对集中的点对，获取点对中目标中膜描记点的纵坐标值与匹配最小距离内膜描记点的纵坐标值的第二差值，将第二差值的绝对值作为局部内中膜厚度；
S4022：基于点对集中的全部点对，计算获得内中膜厚度平均值、内中膜厚度标准差、内中膜厚度最小值和内中膜厚度最大值。
进一步地，还包括S5，基于内中膜厚度，设计显示界面，具体步骤为：
S501：根据局部内中膜厚度的数值范围，设置标记条件；将数值范围满足标记条件与数值范围不满足标记条件的点对，分别标记不同的颜色；
S502：根据颜色设置颜色的注释；注释包括颜色对应的病变概率值；
S503：基于坐标系、坐标位置，以及颜色和注释，设计显示界面，展示用于内中膜厚度计算的目标中膜描记点、不用于内中膜厚度计算的目标中膜描记点、点对和颈动脉的病变概率值。
进一步地，还包括S6，根据内中膜厚度计算结果大数据，预测获取再次对内中膜厚度进行测量的时间；具体步骤为：
S601：根据内中膜厚度计算结果大数据，获取第一内中膜厚度数据集；
S602：根据第一内中膜厚度数据集，利用预设的神经网络预测模型，预测获得内中膜厚度增加到预设内中膜厚度阈值的增加概率值；若增加概率值大于预设的增加概率值阈值，则分析局部内中膜厚度的最大值对应的第一点对，以及病变概率值大于预设病变概率值的若干组第二点对；
S603：基于预设的增加速度预测模型，预测获取第一点对和第二点对的增加到预设内中膜厚度阈值的若干个速度预测值，获取若干个速度预测值中的最大速度预测值，基于最大速度预测值，获得增加到预设内中膜厚度阈值的最小周期；根据最小周期，确定再次对内中膜厚度进行测量的时间。
本发明与现有技术相比，具有如下的优点和有益效果：通过直线拟合和角度检测构成的旋转矩阵调整内中膜描记线，并遍历搜索匹配计算点对，可有效解决内中膜倾斜可能导致的测量结果比实际数值偏大的问题和内中膜长度不一致可能导致的测量结果偏大的问题，提高了测量结果的准确性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明的一种超声颈动脉内中膜厚度精准测量方法步骤示意图；
图2为本发明的一种超声颈动脉内中膜厚度精准测量方法中提取获得感兴趣区域框的方法步骤示意图；
图3为本发明的一种超声颈动脉内中膜厚度精准测量方法中感兴趣区域框示意图；
图4为本发明的一种超声颈动脉内中膜厚度精准测量方法中获得内中膜厚度计算结果的方法步骤示意图；
图5为本发明的一种超声颈动脉内中膜厚度精准测量方法中点位示意图；
图6为本发明的一种超声颈动脉内中膜厚度精准测量方法中显示界面示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供了一种超声颈动脉内中膜厚度精准测量方法，如图1所示，包括：S1：获取颈动脉超声图像上的感兴趣区域框；
S2：在感兴趣区域框中将中膜描记点进行拟合，获得拟合直线；
S3：基于拟合直线旋转生成的旋转矩阵，对中膜描记点和内膜描记点进行旋转，获得第一中膜描记点和第一内膜描记点；
S4：遍历搜索第一中膜描记点，通过匹配获取与第一内膜描记点的点对集，用于内中膜厚度计算，获得内中膜厚度计算结果。
上述技术方案的工作原理为：S1：获取颈动脉超声图像上的感兴趣区域框；
S2：在感兴趣区域框中将中膜描记点进行拟合，获得拟合直线；
S3：基于拟合直线旋转生成的旋转矩阵，对中膜描记点和内膜描记点进行旋转，获得第一中膜描记点和第一内膜描记点；
S4：遍历搜索第一中膜描记点，通过匹配获取与第一内膜描记点的点对集，用于内中膜厚度计算，获得内中膜厚度计算结果。
上述技术方案的有益效果为：采用本实施例提供的方案，通过直线拟合和角度检测构成的旋转矩阵调整内中膜描记线，并遍历搜索匹配计算点对，可有效解决内中膜倾斜可能导致的测量结果比实际数值偏大的问题和内中膜长度不一致可能导致的测量结果偏大的问题，提高了测量结果的准确性。
在一个实施例中，如图2所示，S1包括：
S101：获取颈动脉超声图像；
S102：基于超声图像检测设备，描记获取颈动脉超声图像中的内膜描记点和中膜描记点；
S103：基于内膜描记点和中膜描记点的分布区域，提取获得感兴趣区域框；如图3所示的感兴趣区域框中，三角形表示内膜，圆形表示中膜，内膜中段由于增厚产生向上凸起的形变，内膜和中膜的长度不等，且内膜和中膜与感兴趣区域框的水平框边存在一定的角度θ。
上述技术方案的工作原理为：S1包括：
S101：获取颈动脉超声图像；
S102：基于超声图像检测设备，描记获取颈动脉超声图像中的内膜描记点和中膜描记点；
S103：基于内膜描记点和中膜描记点的分布区域，提取获得感兴趣区域框。
上述技术方案的有益效果为：采用本实施例提供的方案，通过描记的内膜描记点和中膜描记点的分布区域，提取获得感兴趣区域框，可保证获得准确的感兴趣区域。
在一个实施例中，S2包括：
按照预设的拟合方法，将感兴趣区域框中的中膜描记点进行拟合，获得拟合直线；拟合方法包括最小二乘法函数拟合或霍夫变换拟合。
上述技术方案的工作原理为：S2包括：
按照预设的拟合方法，将感兴趣区域框中的中膜描记点进行拟合，获得拟合直线；拟合方法包括最小二乘法函数拟合或霍夫变换拟合。
上述技术方案的有益效果为：采用本实施例提供的方案，通过进行拟合，可保证获得用于分析的拟合直线。
在一个实施例中，S3包括：
S301：获取拟合直线与感兴趣区域框的水平框边的夹角θ；
S302：将拟合直线旋转θ角度，使拟合直线与感兴趣区域框的水平框边平行，获得旋转矩阵；旋转矩阵为：
S303：将内膜描记点和中膜描记点基于旋转矩阵旋转，获得旋转后的第一内膜描记点和第一中膜描记点。
上述技术方案的工作原理为：S3包括：
S301：获取拟合直线与感兴趣区域框的水平框边的夹角θ；
S302：将拟合直线旋转θ角度，使拟合直线与感兴趣区域框的水平框边平行，获得旋转矩阵；
S303：将内膜描记点和中膜描记点基于旋转矩阵旋转，获得旋转后的第一内膜描记点和第一中膜描记点。
上述技术方案的有益效果为：采用本实施例提供的方案，通过基于旋转矩阵旋转，获得旋转后的第一内膜描记点和第一中膜描记点，便于分析处理和生成点对。
在一个实施例中，S3还包括：
S304：将拟合直线、第一内膜描记点和第一中膜描记点，映射到预设的坐标系中，分别获得第一内膜描记点和第一中膜描记点在坐标系中的坐标位置；
S305：基于坐标位置，获得第一内膜描记点的横坐标值、第一内膜描记点的纵坐标值、第一中膜描记点的横坐标值和第一中膜描记点的纵坐标值。
上述技术方案的工作原理为：S3还包括：
S304：将拟合直线、第一内膜描记点和第一中膜描记点，映射到预设的坐标系中，分别获得第一内膜描记点和第一中膜描记点在坐标系中的坐标位置；
S305：基于坐标位置，获得第一内膜描记点的横坐标值、第一内膜描记点的纵坐标值、第一中膜描记点的横坐标值和第一中膜描记点的纵坐标值。
上述技术方案的有益效果为：采用本实施例提供的方案，通过获取第一内膜描记点和第一中膜描记点的横坐标值和纵坐标值，为后续的点对的选取提供依据。
在一个实施例中，如图4所示，S4包括：
S401：遍历第一中膜描记点，获取用于内中膜厚度计算的若干组点对；
S402：根据若干组点对，生成点对集，将点对集用于内中膜厚度计算，获得内中膜厚度计算结果。
上述技术方案的工作原理为：S4包括：
S401：遍历第一中膜描记点，获取用于内中膜厚度计算的若干组点对；
S402：根据若干组点对，生成点对集，将点对集用于内中膜厚度计算，获得内中膜厚度计算结果。
上述技术方案的有益效果为：采用本实施例提供的方案，通过遍历第一中膜描记点，获得内中膜厚度计算结果，可根据点对获得精确的测量结果，提高了测量的精确性。
在一个实施例中，S401包括：
S4011：遍历第一中膜描记点，获取第一内膜描记点中与第一中膜描记点的目标中膜描记点距离最小的匹配最小距离内膜描记点；
S4012：若目标中膜描记点的横坐标值与匹配最小距离内膜描记点的横坐标值的第一差值均大于预设的第一差值阈值，则不将目标中膜描记点用于内中膜厚度计算；第一差值阈值不大于像素单位值；
S4013：若目标中膜描记点的横坐标值与匹配最小距离内膜描记点的横坐标值的第一差值均小于预设的第一差值阈值，则将目标中膜描记点与匹配最小距离内膜描记点组成点对，用于内中膜厚度计算；
S4014：遍历第一中膜描记点结束后，获得用于内中膜厚度计算的若干组点对；如图5所示，经过旋转矩阵旋转后，与第一中膜描记点中最右侧点最接近的第一内膜描记点是最右侧点，且两个点的横坐标的差值为d，若d大于第一差值阈值，则第一中膜描记点的最右侧点不用于内中膜厚度的计算；对于第一中膜描记点中的右数第三个点，第一内膜描记点中与其最接近的点也是最右侧点，且两个点的横坐标的差值为0，则第一中膜描记点的右数第三个点与第一内膜描记点的最右侧点组成一个点对，用于内中膜厚度的计算。
上述技术方案的工作原理为：S401包括：
S4011：遍历第一中膜描记点，获取第一内膜描记点中与第一中膜描记点的目标中膜描记点距离最小的匹配最小距离内膜描记点；
S4012：若目标中膜描记点的横坐标值与匹配最小距离内膜描记点的横坐标值的第一差值均大于预设的第一差值阈值，则不将目标中膜描记点用于内中膜厚度计算；第一差值阈值不大于像素单位值；
S4013：若目标中膜描记点的横坐标值与匹配最小距离内膜描记点的横坐标值的第一差值均小于预设的第一差值阈值，则将目标中膜描记点与匹配最小距离内膜描记点组成点对，用于内中膜厚度计算；
S4014：遍历第一中膜描记点结束后，获得用于内中膜厚度计算的若干组点对。
上述技术方案的有益效果为：采用本实施例提供的方案，通过对第一中膜描记点的遍历，可以获得满足差值条件的、用于内中膜厚度计算的若干组点对，为内中膜厚度计算提供了可用数据。
在一个实施例中，S402包括：
S4021：基于点对集中的点对，获取点对中目标中膜描记点的纵坐标值与匹配最小距离内膜描记点的纵坐标值的第二差值，将第二差值的绝对值作为局部内中膜厚度；
S4022：基于点对集中的全部点对，计算获得内中膜厚度平均值、内中膜厚度标准差、内中膜厚度最小值和内中膜厚度最大值。
上述技术方案的工作原理为：S402包括：
S4021：基于点对集中的点对，获取点对中目标中膜描记点的纵坐标值与匹配最小距离内膜描记点的纵坐标值的第二差值，将第二差值的绝对值作为局部内中膜厚度；
S4022：基于点对集中的全部点对，计算获得内中膜厚度平均值、内中膜厚度标准差、内中膜厚度最小值和内中膜厚度最大值。
上述技术方案的有益效果为：采用本实施例提供的方案，通过计算获得局部内中膜厚度，以及内中膜厚度平均值、内中膜厚度标准差、内中膜厚度最小值和内中膜厚度最大值，保证了计算结果的全面性。
在一个实施例中，还包括S5，基于内中膜厚度，设计显示界面，具体步骤为：
S501：根据局部内中膜厚度的数值范围，设置标记条件；将数值范围满足标记条件与数值范围不满足标记条件的点对，分别标记不同的颜色；
S502：根据颜色设置颜色的注释；注释包括颜色对应的病变概率值；
S503：基于坐标系、坐标位置，以及颜色和注释，设计显示界面，展示用于内中膜厚度计算的目标中膜描记点、不用于内中膜厚度计算的目标中膜描记点、点对和颈动脉的病变概率值；如图6所示，扩展的，对于不同数值范围的局部内中膜厚度值，在显示界面上可以标记不同的颜色，给用户更好的提示效果，深色点对表示局部内中膜厚度值较大，可能存在病变，提醒用户重点关注；浅色点对表示局部内中膜厚度值在正常范围内；虚化的圆圈表示没有用于内中膜厚度计算的第一中膜描记点。
上述技术方案的工作原理为：还包括S5，基于内中膜厚度，设计显示界面，具体步骤为：
S501：根据局部内中膜厚度的数值范围，设置标记条件；将数值范围满足标记条件与数值范围不满足标记条件的点对，分别标记不同的颜色；
S502：根据颜色设置颜色的注释；注释包括颜色对应的病变概率值；
S503：基于坐标系、坐标位置，以及颜色和注释，设计显示界面，展示用于内中膜厚度计算的目标中膜描记点、不用于内中膜厚度计算的目标中膜描记点、点对和颈动脉的病变概率值。
上述技术方案的有益效果为：采用本实施例提供的方案，通过设计显示界面，便于用户清楚直观地掌握内中膜厚度计算的相关数据。
在一个实施例中，还包括S6，根据内中膜厚度计算结果大数据，预测获取再次对内中膜厚度进行测量的时间；具体步骤为：
S601：根据内中膜厚度计算结果大数据，获取第一内中膜厚度数据集；
S602：根据第一内中膜厚度数据集，利用预设的神经网络预测模型，预测获得内中膜厚度增加到预设内中膜厚度阈值的增加概率值；若增加概率值大于预设的增加概率值阈值，则分析局部内中膜厚度的最大值对应的第一点对，以及病变概率值大于预设病变概率值的若干组第二点对；
S603：基于预设的增加速度预测模型，预测获取第一点对和第二点对的增加到预设内中膜厚度阈值的若干个速度预测值，获取若干个速度预测值中的最大速度预测值，基于最大速度预测值，获得增加到预设内中膜厚度阈值的最小周期；根据最小周期，确定再次对内中膜厚度进行测量的时间。
上述技术方案的工作原理为：还包括S6，根据内中膜厚度计算结果大数据，预测获取再次对内中膜厚度进行测量的时间；具体步骤为：
S601：根据内中膜厚度计算结果大数据，获取第一内中膜厚度数据集；
S602：根据第一内中膜厚度数据集，利用预设的神经网络预测模型，预测获得内中膜厚度增加到预设内中膜厚度阈值的增加概率值；若增加概率值大于预设的增加概率值阈值，则分析局部内中膜厚度的最大值对应的第一点对，以及病变概率值大于预设病变概率值的若干组第二点对；
S603：基于预设的增加速度预测模型，预测获取第一点对和第二点对的增加到预设内中膜厚度阈值的若干个速度预测值，获取若干个速度预测值中的最大速度预测值，基于最大速度预测值，获得增加到预设内中膜厚度阈值的最小周期；根据最小周期，确定再次对内中膜厚度进行测量的时间。
上述技术方案的有益效果为：采用本实施例提供的方案，通过根据内中膜厚度计算结果大数据，利用神经网络预测模型和增加速度预测模型，确定再次对内中膜厚度进行测量的时间，可便于预约测量时间，为内中膜厚度的精准测量提供参考依据。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种超声颈动脉内中膜厚度精准测量方法，其特征在于，包括：
S1：获取颈动脉超声图像上的感兴趣区域框；
S2：在感兴趣区域框中将中膜描记点进行拟合，获得拟合直线；
S3：基于拟合直线旋转生成的旋转矩阵，对中膜描记点和内膜描记点进行旋转，获得第一中膜描记点和第一内膜描记点；
S4：遍历搜索第一中膜描记点，通过匹配获取与第一内膜描记点的点对集，用于内中膜厚度计算，获得内中膜厚度计算结果。
2.根据权利要求1所述的一种超声颈动脉内中膜厚度精准测量方法，其特征在于，S1包括：
S101：获取颈动脉超声图像；
S102：基于超声图像检测设备，描记获取颈动脉超声图像中的内膜描记点和中膜描记点；
S103：基于内膜描记点和中膜描记点的分布区域，提取获得感兴趣区域框。
3.根据权利要求1所述的一种超声颈动脉内中膜厚度精准测量方法，其特征在于，S2包括：
按照预设的拟合方法，将感兴趣区域框中的中膜描记点进行拟合，获得拟合直线；拟合方法包括最小二乘法函数拟合或霍夫变换拟合。
4.根据权利要求2所述的一种超声颈动脉内中膜厚度精准测量方法，其特征在于，S3包括：
S301：获取拟合直线与感兴趣区域框的水平框边的夹角θ；
S302：将拟合直线旋转θ角度，使拟合直线与感兴趣区域框的水平框边平行，获得旋转矩阵；
S303：将内膜描记点和中膜描记点基于旋转矩阵旋转，获得旋转后的第一内膜描记点和第一中膜描记点。
5.根据权利要求4所述的一种超声颈动脉内中膜厚度精准测量方法，其特征在于，S3还包括：
S304：将拟合直线、第一内膜描记点和第一中膜描记点，映射到预设的坐标系中，分别获得第一内膜描记点和第一中膜描记点在坐标系中的坐标位置；
S305：基于坐标位置，获得第一内膜描记点的横坐标值、第一内膜描记点的纵坐标值、第一中膜描记点的横坐标值和第一中膜描记点的纵坐标值。
6.根据权利要求5所述的一种超声颈动脉内中膜厚度精准测量方法，其特征在于，S4包括：
S401：遍历第一中膜描记点，获取用于内中膜厚度计算的若干组点对；
S402：根据若干组点对，生成点对集，将点对集用于内中膜厚度计算，获得内中膜厚度计算结果。
7.根据权利要求6所述的一种超声颈动脉内中膜厚度精准测量方法，其特征在于，S401包括：
S4011：遍历第一中膜描记点，获取第一内膜描记点中与第一中膜描记点的目标中膜描记点距离最小的匹配最小距离内膜描记点；
S4012：若目标中膜描记点的横坐标值与匹配最小距离内膜描记点的横坐标值的第一差值均大于预设的第一差值阈值，则不将目标中膜描记点用于内中膜厚度计算；第一差值阈值不大于像素单位值；
S4013：若目标中膜描记点的横坐标值与匹配最小距离内膜描记点的横坐标值的第一差值均小于预设的第一差值阈值，则将目标中膜描记点与匹配最小距离内膜描记点组成点对，用于内中膜厚度计算；
S4014：遍历第一中膜描记点结束后，获得用于内中膜厚度计算的若干组点对。
8.根据权利要求6所述的一种超声颈动脉内中膜厚度精准测量方法，其特征在于，S402包括：
S4021：基于点对集中的点对，获取点对中目标中膜描记点的纵坐标值与匹配最小距离内膜描记点的纵坐标值的第二差值，将第二差值的绝对值作为局部内中膜厚度；
S4022：基于点对集中的全部点对，计算获得内中膜厚度平均值、内中膜厚度标准差、内中膜厚度最小值和内中膜厚度最大值。
9.根据权利要求5所述的一种超声颈动脉内中膜厚度精准测量方法，其特征在于，还包括S5，基于内中膜厚度，设计显示界面，具体步骤为：
S501：根据局部内中膜厚度的数值范围，设置标记条件；将数值范围满足标记条件与数值范围不满足标记条件的点对，分别标记不同的颜色；
S502：根据颜色设置颜色的注释；注释包括颜色对应的病变概率值；
S503：基于坐标系、坐标位置，以及颜色和注释，设计显示界面，展示用于内中膜厚度计算的目标中膜描记点、不用于内中膜厚度计算的目标中膜描记点、点对和颈动脉的病变概率值。
10.根据权利要求9所述的一种超声颈动脉内中膜厚度精准测量方法，其特征在于，还包括S6，根据内中膜厚度计算结果大数据，预测获取再次对内中膜厚度进行测量的时间；具体步骤为：
S601：根据内中膜厚度计算结果大数据，获取第一内中膜厚度数据集；
S602：根据第一内中膜厚度数据集，利用预设的神经网络预测模型，预测获得内中膜厚度增加到预设内中膜厚度阈值的增加概率值；若增加概率值大于预设的增加概率值阈值，则分析局部内中膜厚度的最大值对应的第一点对，以及病变概率值大于预设病变概率值的若干组第二点对；
S603：基于预设的增加速度预测模型，预测获取第一点对和第二点对的增加到预设内中膜厚度阈值的若干个速度预测值，获取若干个速度预测值中的最大速度预测值，基于最大速度预测值，获得增加到预设内中膜厚度阈值的最小周期；根据最小周期，确定再次对内中膜厚度进行测量的时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310873838.0A CN116898483B (zh) | 2023-07-17 | 2023-07-17 | 一种超声颈动脉内中膜厚度精准测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310873838.0A CN116898483B (zh) | 2023-07-17 | 2023-07-17 | 一种超声颈动脉内中膜厚度精准测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116898483A true CN116898483A (zh) | 2023-10-20 |
| CN116898483B CN116898483B (zh) | 2024-10-18 |
Family
ID=88350609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310873838.0A Active CN116898483B (zh) | 2023-07-17 | 2023-07-17 | 一种超声颈动脉内中膜厚度精准测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116898483B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118000785A (zh) * | 2024-03-07 | 2024-05-10 | 哈尔滨库柏特科技有限公司 | 一种颈动脉内中膜增厚位置确定方法及装置 |
| CN118424122A (zh) * | 2024-05-21 | 2024-08-02 | 启东市高洋机电制造有限公司 | 一种基于质量判定标准的在线膜厚检测方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040116808A1 (en) * | 2002-11-06 | 2004-06-17 | Terry Fritz | Ultrasonic blood vessel measurement apparatus and method |
| WO2006126618A1 (ja) * | 2005-05-26 | 2006-11-30 | Signpost Corporation | 疾患危険度判定用遺伝子多型の決定方法、疾患危険度判定方法及び判定用アレイ |
| US20080051658A1 (en) * | 2006-08-28 | 2008-02-28 | Cnr Consiglio Nazionale Delle Ricerche | Apparatus for automatic detection of lumen-intima and media-adventitia interfaces in a blood vessel |
| CN102163326A (zh) * | 2010-12-22 | 2011-08-24 | 武汉沃生科学技术研究中心有限公司 | 血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均匀度分析方法 |
| CN102800089A (zh) * | 2012-06-28 | 2012-11-28 | 华中科技大学 | 基于颈部超声图像的主颈动脉血管提取和厚度测量方法 |
| CN109919953A (zh) * | 2019-01-21 | 2019-06-21 | 深圳蓝韵医学影像有限公司 | 颈动脉内中膜厚度测量的方法、系统和设备 |
| CN111986139A (zh) * | 2019-05-23 | 2020-11-24 | 深圳市理邦精密仪器股份有限公司 | 颈动脉内中膜厚度的测量方法、设备及存储介质 |
| CN114764761A (zh) * | 2020-12-30 | 2022-07-19 | 无锡科美达医疗科技有限公司 | 一种自动颈动脉超声图像内中膜测量方法 |
| CN115049642A (zh) * | 2022-08-11 | 2022-09-13 | 合肥合滨智能机器人有限公司 | 一种颈动脉血管内中膜测量与斑块检测方法 |
| CN115861132A (zh) * | 2023-02-07 | 2023-03-28 | 乐普（北京）医疗器械股份有限公司 | 一种血管图像校正方法、装置、介质及设备 |
-
2023
- 2023-07-17 CN CN202310873838.0A patent/CN116898483B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040116808A1 (en) * | 2002-11-06 | 2004-06-17 | Terry Fritz | Ultrasonic blood vessel measurement apparatus and method |
| WO2006126618A1 (ja) * | 2005-05-26 | 2006-11-30 | Signpost Corporation | 疾患危険度判定用遺伝子多型の決定方法、疾患危険度判定方法及び判定用アレイ |
| US20080051658A1 (en) * | 2006-08-28 | 2008-02-28 | Cnr Consiglio Nazionale Delle Ricerche | Apparatus for automatic detection of lumen-intima and media-adventitia interfaces in a blood vessel |
| CN102163326A (zh) * | 2010-12-22 | 2011-08-24 | 武汉沃生科学技术研究中心有限公司 | 血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均匀度分析方法 |
| CN102800089A (zh) * | 2012-06-28 | 2012-11-28 | 华中科技大学 | 基于颈部超声图像的主颈动脉血管提取和厚度测量方法 |
| CN109919953A (zh) * | 2019-01-21 | 2019-06-21 | 深圳蓝韵医学影像有限公司 | 颈动脉内中膜厚度测量的方法、系统和设备 |
| CN111986139A (zh) * | 2019-05-23 | 2020-11-24 | 深圳市理邦精密仪器股份有限公司 | 颈动脉内中膜厚度的测量方法、设备及存储介质 |
| CN114764761A (zh) * | 2020-12-30 | 2022-07-19 | 无锡科美达医疗科技有限公司 | 一种自动颈动脉超声图像内中膜测量方法 |
| CN115049642A (zh) * | 2022-08-11 | 2022-09-13 | 合肥合滨智能机器人有限公司 | 一种颈动脉血管内中膜测量与斑块检测方法 |
| CN115861132A (zh) * | 2023-02-07 | 2023-03-28 | 乐普（北京）医疗器械股份有限公司 | 一种血管图像校正方法、装置、介质及设备 |
Non-Patent Citations (2)
| Title |
|---|
| ]戚贵玲, 何冰冰, 张榆锋, 等: "基于高斯混合模型聚类的B超图像颈动脉内膜和中膜厚度检测", 生物医学工程学杂志, vol. 37, no. 6, 30 November 2020 (2020-11-30) * |
| 孙萍: "基于深度学习的超声颈总动脉内中膜厚度测量算法的研究", 中国优秀硕士学位论文全文数据库 医药卫生科技辑, no. 6, 15 June 2018 (2018-06-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118000785A (zh) * | 2024-03-07 | 2024-05-10 | 哈尔滨库柏特科技有限公司 | 一种颈动脉内中膜增厚位置确定方法及装置 |
| CN118424122A (zh) * | 2024-05-21 | 2024-08-02 | 启东市高洋机电制造有限公司 | 一种基于质量判定标准的在线膜厚检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116898483B (zh) | 2024-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116898483B (zh) | 一种超声颈动脉内中膜厚度精准测量方法 | |
| US11229419B2 (en) | Method for processing 3D image data and 3D ultrasonic imaging method and system | |
| CN110870792B (zh) | 用于超声导航的系统和方法 | |
| EP1677681B1 (en) | Ultrasonic blood vessel measurement apparatus and method | |
| US7927278B2 (en) | Split-screen display system and standardized methods for ultrasound image acquisition and multi-frame data processing | |
| KR100893286B1 (ko) | 영상 처리 시스템 및 방법 | |
| US8840555B2 (en) | System and method of ultrasound image processing | |
| US20110201935A1 (en) | 3-d ultrasound imaging | |
| WO2018171202A1 (zh) | 一种留置针在穿刺静脉血管中的自动定位方法及装置 | |
| CN110956076B (zh) | 基于容积渲染在三维超声数据中进行结构识别的方法和系统 | |
| CN113194837B (zh) | 用于帧索引和图像复查的系统和方法 | |
| CN115690556B (zh) | 一种基于多模态影像学特征的图像识别方法及系统 | |
| JP3378446B2 (ja) | 超音波画像の処理方法及びその装置 | |
| US20220249060A1 (en) | Method for processing 3d image data and 3d ultrasonic imaging method and system | |
| CN112932542B (zh) | 一种血管内中膜厚度的测量方法、系统和超声成像设备 | |
| JP2022179433A (ja) | 画像処理装置及び画像処理方法 | |
| CN110916724A (zh) | 一种基于闭环最短路径的b超图像胎儿头围检测方法 | |
| US20240260934A1 (en) | Ultrasound imaging system | |
| US20190197920A1 (en) | Apparatus and method for optical ultrasound simulation | |
| CN107730550B (zh) | 一种超声图像中穿刺活检针的检测方法 | |
| US20240119705A1 (en) | Systems, methods, and apparatuses for identifying inhomogeneous liver fat | |
| CN118039088B (zh) | 一种人工智能辅助诊断数据处理系统 | |
| EP4213094A1 (en) | Systems, methods, and apparatuses for pleural line detection | |
| KR101545520B1 (ko) | 초음파 영상 표시 방법 및 그 장치 | |
| JP2022174780A (ja) | 超音波診断装置及び診断支援方法 |
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 | ||
| GR01 | Patent grant |