CN117017347B - 超声设备的图像处理方法、系统及超声设备 - Google Patents
超声设备的图像处理方法、系统及超声设备 Download PDFInfo
- Publication number
- CN117017347B CN117017347B CN202311307117.XA CN202311307117A CN117017347B CN 117017347 B CN117017347 B CN 117017347B CN 202311307117 A CN202311307117 A CN 202311307117A CN 117017347 B CN117017347 B CN 117017347B
- Authority
- CN
- China
- Prior art keywords
- frame
- image
- dynamic
- frames
- key
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000004044 response Effects 0.000 claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000002604 ultrasonography Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000003860 storage Methods 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 21
- 238000003709 image segmentation Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 12
- 239000000523 sample Substances 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000009877 rendering Methods 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 238000000547 structure data Methods 0.000 claims description 4
- 238000004321 preservation Methods 0.000 abstract description 10
- 238000003384 imaging method Methods 0.000 abstract description 2
- 210000002216 heart Anatomy 0.000 description 38
- 238000011156 evaluation Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000007710 freezing Methods 0.000 description 8
- 230000008014 freezing Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 210000000596 ventricular septum Anatomy 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000001015 abdomen Anatomy 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 238000013329 compounding Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003205 diastolic effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 210000005240 left ventricle Anatomy 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 210000005241 right ventricle Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010257 thawing Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 208000003037 Diastolic Heart Failure Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000008253 Systolic Heart Failure Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000000157 blood function Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000005242 cardiac chamber Anatomy 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 206010020871 hypertrophic cardiomyopathy Diseases 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 230000002861 ventricular Effects 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
- A61B8/52—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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Multimedia (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明适用于超声成像技术领域，提供了超声设备的图像处理方法、系统及超声设备，方法包括获取所扫查的目标部位的类型及扫查方式；当获取到保存单帧的操作指令时，根据目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧；根据动态帧进行识别筛选出关键帧，并从关键帧中选取一帧作为封面帧；对识别出关键帧的动态帧进行保存，并在所保存的动态帧中封面显示封面帧；将所保存的动态帧进行动态显示；根据所获取的扫查方式对识别出关键帧的动态帧进行相应计算得到目标部位的运动信息或分辨率增强的一帧图像数据或包含三维空间信息的一帧图像数据。本发明解决了现有单帧保存不能保证保存最佳切面及不能提供动态信息的问题。
Description
技术领域
本发明属于超声成像技术领域，尤其涉及一种超声设备的图像处理方法、系统及超声设备。
背景技术
超声设备是一种利用超声波进行医学诊断和治疗的仪器，它可以通过探头发射和接收超声波，根据回波的强度和时间差，形成图像显示在屏幕上。超声设备的优点是无创、无辐射、实时、便捷等，因此在临床上有广泛的应用，如心脏、血管、腹部、妇科、产科、小儿、骨科等领域。
目前，超声设备的单帧保存是一种较常规的操作，即在超声实时或冻结状态下，诊断医生为保存包含目标信息的图像数据，通过点击按钮触发“保存单帧”操作，此时一般保存的是响应操作时刻的最后一帧进行留存备用。而被保存的单帧图像数据可以被重新加载后进行显示，此时诊断医生不再需要将超声探头压在患者身上就可以对单帧图像进行多种操作，如测量等。
然而，由于“保存单帧”操作时保存的只有一帧图像数据，使得现有的超声设备的单帧保存功能存在一些缺陷和不足。一方面，由于超声波在人体内的传播受到多种因素的影响，如组织结构、血流速度、探头角度等，导致超声图像质量不稳定，有时会出现模糊、失真、伪影等现象。这就要求诊断医生在实时扫描过程中快速准确地找到并保存最佳切面，即包含目标信息最清晰和完整的一帧图像。然而，在实际临床上，由于操作延迟、肉眼判断误差等原因，可能导致保存的单帧并不是最佳切面或者说医生想要的切面，这时医生会选择解冻并重复上述保存步骤，从而花费更多时间和精力。另一方面，由于保存单帧时只保存了一帧图像数据，可能无法提供相邻帧的运动等信息。例如，在心脏超声检查中，心脏是一个动态变化的器官，其形态和功能都与心率、心律、血压等因素有关。因此，单帧图像可能无法反映心脏的完整状态和特征，也无法进行动态分析和评估。
综上所述，现有的超声设备的单帧保存功能存在着不能保证保存最佳切面和不能提供动态信息等问题，这些问题限制了超声设备在临床上的应用效果和价值。
发明内容
本发明实施例的目的在于提供一种超声设备的图像处理方法、系统及超声设备，旨在解决现有单帧保存不能保证保存最佳切面及不能提供动态信息的问题。
本发明实施例是这样实现的，一种超声设备的图像处理方法，所述方法包括：
获取所扫查的目标部位的类型及扫查方式；
当对目标部位进行扫查过程中获取到保存单帧的操作指令时，根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧；
根据动态帧进行识别筛选出至少一帧关键帧，并从所识别的关键帧中选取一帧作为封面帧；
根据所预先设定的保存方式对识别出关键帧的动态帧进行保存，并在所保存的动态帧中封面显示封面帧；
当获取到对所保存的动态帧的浏览指令时，将所保存的动态帧进行动态显示；
根据所获取的扫查方式对识别出关键帧的动态帧进行相应计算得到目标部位的运动信息或分辨率增强的一帧图像数据或包含三维空间信息的一帧图像数据。
更进一步地，所述获取所扫查的目标部位的类型及扫查方式的步骤包括：
获取对目标部位进行扫查过程中的视频数据；
分别对视频数据中的多帧图像进行图像检测得到各帧图像上每个像素点所属的部位类别及其置信度；
根据各帧图像上每个像素点所属的部位类别及其置信度确定出所扫查的目标部位的类型；
根据各帧图像上所分布的多个相应像素点的位置坐标的位移变化确定出所扫查的扫查方式。
更进一步地，所述根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧的步骤包括：
根据所获取的目标部位的类型确定出响应操作时刻的前后方式；
根据所获取的目标部位的类型及扫查方式确定出响应操作时刻的持续时间；
根据响应操作时刻的前后方式及持续时间确定出所对应的多帧图像数据作为动态帧。
更进一步地，所述根据动态帧进行识别筛选出至少一帧关键帧的步骤包括：
根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型；
将动态帧中每帧图像进行特征提取，并将特征提取后的所有数据分别与各个关键帧所对应类型的目标标准切片特征进行匹配得到匹配率最高的各个关键帧。
更进一步地，所述根据动态帧进行识别筛选出至少一帧关键帧的步骤包括：
根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型；
分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积；
根据动态帧中每帧图像中的目标部位面积及各个关键帧所对应类型确定出各个关键帧。
更进一步地，所述分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积的步骤包括：
分别计算动态帧中每帧图像的各个像素点的结构张量；
根据各个像素点的结构张量确定各个像素点所属区域的结构数据；
根据各个像素点的结构数据进行阈值分割得到分割的二值图像，并拟合二值图像中目标部位边缘的闭合曲线；
分别计算动态帧中每帧图像中闭合曲线内的面积得到每帧图像中的目标部位面积。
更进一步地，所述分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积的步骤包括：
分别对动态帧中每帧图像进行图像分割得到每帧图像上每个像素点所属的部位类别及其置信度；
根据每帧图像上每个像素点所属的部位类别及其置信度选择出每个部位的最大连通域，并作为各个不同类别部位的分割结果；
根据动态帧中每帧图像所分割的不同类别部位计算出每帧图像中的目标部位面积。
更进一步地，所述根据动态帧进行识别筛选出至少一帧关键帧的步骤还包括：
分别计算所确定的各个关键帧中分割的二值图像上室间隔所对应结构的中轴线角度；
分别计算所确定的各个关键帧中分割的二值图像上所拟合的闭合曲线的面积以及闭合曲线外接矩形面积的比例值；
分别计算所确定的各个关键帧中分割的二值图像的增益及动态范围的直方图分布；
根据所计算的各个关键帧的中轴线角度、比例值及直方图分布评价各个关键帧的质量。
更进一步地，所述扫查方式包括时序扫查和空序扫查；
所述根据所获取的扫查方式对识别出关键帧的动态帧进行相应计算得到目标部位的运动信息或分辨率增强的一帧图像数据或包含三维空间信息的一帧图像数据的步骤包括：
当获取到扫查方式为时序扫查时，根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息；或
根据所识别出关键帧的动态帧进行计算得到分辨率增强的一帧图像数据；
当获取到扫查方式为空序扫查时，根据所识别出关键帧的动态帧进行计算得到包含三维空间信息的一帧图像数据。
更进一步地，所述根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息的步骤包括：
分别计算各个关键帧中目标部位的面积；
根据各个关键帧中目标部位的面积计算出射血分数。
更进一步地，所述根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息的步骤包括：
分别对动态帧中的多帧图像进行图像检测识别出室间隔所对应的结构区域；
根据动态帧中的多帧图像所识别出的结构区域在不同帧之间的位置变化，得到室间隔在时间上的厚度变化。
更进一步地，所述根据所识别出关键帧的动态帧进行计算得到分辨率增强的一帧图像数据的步骤包括：
分别计算动态帧中每帧图像的各个像素点的结构张量，并求出结构张量的主方向和副方向的梯度大小和方向；
分别选择动态帧中每帧图像的各个像素点上与主方向最接近的方向滤波核，并根据结构张量的梯度大小进行加权卷积运算；
对动态帧中每帧图像的各个像素点的卷积运算结果进行加权平均或最大值选择，得到分辨率增强的一帧图像数据。
更进一步地，所述根据所识别出关键帧的动态帧进行计算得到包含三维空间信息的一帧图像数据的步骤包括：
将动态帧进行插值得到预设数量的帧图像；
将所插值得到的多帧图像通过渲染算法进行融合生成包含三维空间信息的一帧图像。
本发明另一实施例的目的还在于提供一种超声设备的图像处理系统，所述系统包括：
获取模块，用于获取所扫查的目标部位的类型及扫查方式；
动态帧确定模块，用于当对目标部位进行扫查过程中获取到保存单帧的操作指令时，根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧；
关键帧识别模块，用于根据动态帧进行识别筛选出至少一帧关键帧，并从所识别的关键帧中选取一帧作为封面帧；
动态帧保存模块，用于根据所预先设定的保存方式对识别出关键帧的动态帧进行保存，并在所保存的动态帧中封面显示封面帧；
动态帧显示模块，用于当获取到对所保存的动态帧的浏览指令时，将所保存的动态帧进行动态显示；
动态帧应用模块，用于根据所获取的扫查方式对识别出关键帧的动态帧进行相应计算得到目标部位的运动信息或分辨率增强的一帧图像数据或包含三维空间信息的一帧图像数据。
本发明另一实施例的目的还在于提供一种超声设备，所述超声设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行如上述所述的超声设备的图像处理方法。
本发明实施例提供的超声设备的图像处理方法，通过获取所扫查的目标部位的类型及扫查方式确定出在单帧保存时所响应操作时刻前后的多帧图像数据作为动态帧，此时不仅保存所响应的当前帧，还保存响应操作时刻前后的多帧，形成一个短时间内的多帧图像。这样可以提高保存到诊断医生所需目标帧的概率，同时诊断医生还可以在后续的分析中回放和选择最佳切面，也可以观察目标部位的运动变化，使得可以提高保存的信息量和灵活性。而通过根据动态帧进行识别筛选出至少一帧关键帧，使得可更大概率的识别出诊断医生所需保存的目标帧，同时可以减少诊断医生重复和无效的保存操作，提高工作效率；而通过所识别的关键帧进行相应的应用，使得可实现运动结构计算、图像滤波增强及三维图像构建等功能，因此可更好的辅助诊断医生进行诊断，从而提高诊断价值，解决了现有单帧保存不能保证保存最佳切面及不能提供动态信息的问题。
附图说明
图1是本发明实施例提供的一种超声设备的图像处理方法的流程图；
图2是本发明实施例提供的一种超声设备的图像处理系统的结构示意图；
图3是本发明实施例提供的一种超声设备的结构示意图；
以下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图1，是本发明第一实施例提供的一种超声设备的图像处理方法的流程示意图，为了便于说明，仅示出了与本发明实施例相关的部分，该方法包括：
步骤S10，获取所扫查的目标部位的类型及扫查方式；
其中，在本发明的一个实施例中，该方法应用于超声设备中，操作人员（如诊断医生）通过超声探头放置于被测人员（如患者）身上进行扫查，而利用超声探头发射和接收超声波使得可显示所扫查部位的切面图像。其中，上述获取所扫查的目标部位的类型及扫查方式可通过手动或自动等多种方式实现，作为本发明的一个示例，其中一种方式为在开始扫查前，操作人员通过超声设备的界面手动输入或选择所要扫查的目标部位的类型及扫查方式。例如，操作人员可以手动输入或选择“心脏”作为目标部位的类型，“时序扫查”作为扫查方式。然后超声设备根据所获取的目标部位的类型及扫查方式，调整相应的参数和设置，以便于获取最佳的图像效果。需要指出的是，其目标部位的类型还可以为肝脏等其他部位，其根据实际使用需要在超声设备中进行自定义功能模块设置，在此不做具体限定。而在本发明实施例中，扫查方式主要为时序扫查及空序扫查，具体的，时序扫查为尽量保持超声探头不动情况下扫查固定切面位置，而空序扫查为缓慢平移超声探头情况下扫查具有空间联系的相邻切面位置。可以理解的，在本发明其他实施例中，扫查方式还可以为其他，其根据实际需要进行设置，在此不做具体限定。
其中，作为本发明的另一示例，上述获取所扫查的目标部位的类型及扫查方式的步骤包括：
获取对目标部位进行扫查过程中的视频数据；
分别对视频数据中的多帧图像进行图像检测得到各帧图像上每个像素点所属的部位类别及其置信度；
根据各帧图像上每个像素点所属部位类别及其置信度确定出所扫查的目标部位的类型；
根据各帧图像上所分布的多个相应像素点的位置坐标的位移变化确定出所扫查的扫查方式。
具体的在本示例中，操作人员并未在超声设备上输入或选择所要扫查的目标部位的类型或扫查方式，或超声设备不支持输入或选择所要扫查的目标部位的类型或扫查方式，此时操作人员利用超声设备直接对被测人员的目标部位进行扫查，其超声设备获取在进行扫查过程中的视频数据，然后利用图像处理方法如图像分割，目标检测，卷积神经网络等，对视频数据中的多帧图像进行处理，得到每个像素点所属的部位类别及其置信度。具体的，可对视频数据的每一帧图像进行处理或对视频数据的所有帧图像中所均匀抽取出的多帧图像进行处理。其中部位类别可以是预先定义好的一些类别，如头部，胸部，腹部等。置信度可以是一个0到1之间的数值，表示该像素点属于该部位类别的概率。进一步的，使用预设统计或逻辑推理方法，如投票法，平均法等，对各帧图像上每个像素点所属部位类别及其置信度进行汇总，得到一个最终的部位类别及其置信度。若最终的置信度高于某个阈值，则认为该部位类别是所扫查的目标部位的类型。进一步的，使用一些运动分析方法，如光流法，特征匹配法等，对各帧图像上所离散分布的多个相应像素点（即属于同一部位类别且置信度高的像素点）的位置坐标进行跟踪得到它们在视频中的运动轨迹。然后根据运动轨迹的形状和方向判断出所扫查的扫查方式。其中时序扫查过程中存在操作人员的手部抖动或被测人员的呼吸影响，其通常运动轨迹为无规则小幅度运动，此时所跟踪的多个像素点的位移变化量通常不高于设定阈值；而空序扫查通常运动轨迹为单一方向大幅度运动，此时所跟踪的多个像素点的位移变化量通常高于设定阈值。
可选的，上述对视频数据中的多帧图像进行处理过程中，还可根据图像分割算法将多帧图像中不同所属部位类别的每个像素点分别划分为不同的区域，并为每个区域赋予一个部位类别标签和一个置信度值，表示该区域属于该类别的概率。然后根据上述各帧图像上所划分的不同区域的类别，综合判断出所扫查的目标部位是属于哪种类型，如头部，胸部，腹部等。例如，可以设定一个阈值，只保留置信度高于该阈值的区域，并根据区域的位置和形状，判断出它们是否属于同一个部位类型，或者是否有某种关联关系。如果有多个候选的部位类型，可以根据置信度或者其他规则进行选择或者排除。进一步的，使用一些运动分析和轨迹追踪的方法，根据各帧图像上相同部位类别区域的位置坐标变化，计算出它们在水平和垂直方向上的位移量，并根据位移量的大小和方向，判断出所扫查的扫描方式。
其中，需要指出的是，其获取所扫查的目标部位的类型及扫查方式可采用上述两种实现方式中的任意一种或及其结合，例如操作人员在超声设备上手动输入或选择所要扫查的目标部位的类型，但超声设备不支持输入或选择扫查方式时，可通过上述步骤确定出扫查方式。
更进一步的，在本发明的一个实施例中，操作人员在超声设备上手动输入或选择所要扫查的目标部位的类型及扫查方式后，其还可以通过上述步骤进一步的确定出目标部位的类型及扫查方式，以对操作人员所手动输入或选择所要扫查的目标部位的类型及扫查方式进行复核，并在确定出与操作人员所手动输入或选择所要扫查的目标部位的类型及扫查方式不同时，相应的弹出信息提示，以提示操作人员当前操作与所设定操作不符。
进一步的，在本发明的一个实施例中，上述对视频数据中的多帧图像进行图像检测可采用基于神经网络的图像分割方法对各帧图像进行图像分割得到各帧图像上每个像素点所属的部位类别及其置信度，其包括以下几个步骤：
准备数据集：收集大量的带有标签的图像数据，也即是已经分割好的图像和对应的类别标签，标签是指图像所属的类别，比如目标部位的类型（心脏、肝脏等）。其需要将数据集分为训练集、验证集和测试集，以便训练和评估模型。这些数据用于训练神经网络，使其能够学习到图像和类别之间的映射关系。
构建模型：设计一个合适的神经网络模型，其通常包括卷积层、池化层、全连接层等。卷积层用于提取图像中的局部特征，池化层用于降低图像的维度和噪声，全连接层用于将特征映射到输出类别。因此可以提取图像的特征并输出类别预测，除外还需要选择一个合适的激活函数（如 ReLU）、损失函数（如交叉熵）和优化算法（如 Adam）。其中损失函数也即是评估分割结果和真实标签之间差异的指标。其中损失函数越小，表示分割结果越接近真实标签。其中优化算法也即是调整神经网络参数的方法。其中优化算法根据损失函数的梯度来更新神经网络参数，使其能够更好地拟合训练数据。
训练模型：使用训练集中的数据来更新模型的参数，使得模型能够更好地拟合数据。其中可使用如批量归一化、数据增强、正则化、早停等技术来提高训练效果。
评估模型：使用验证集和测试集中的数据来评估模型的性能，比如准确率、召回率、F1 分数等。其中可使用如混淆矩阵、ROC 曲线、AUC 值等技术来提高评估效果。
应用模型：使用训练好的模型来对图像进行识别和分类，如给出图像中各个像素点所属的类别或状态。
步骤S20，当对目标部位进行扫查过程中获取到保存单帧的操作指令时，根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧；
其中，本发明的一个实施例中，操作人员在对目标部位进行扫查过程中，其超声设备的显示器中会同步显示当前所扫查的图像，其中超声设备的显示通常分为实时扫查和冻结扫查，其中实时扫查下会同步显示超声探头当前扫查切面的超声图像但并不会将进行缓存，而冻结扫查下会缓存并显示锁定在响应冻结操作的最后一帧或循环多帧图像，此时通过滑动时间进度条可以显示冻结操作前预设时间内的各时刻图像，此时如果不点击保存按钮，这些图像数据并没有保存为数据文件（其中数据文件支持后续重新加载），此时如果点击解冻，这些图像数据都会被清除掉而不会被保存，因此后续无法再进行加载显示。
而超声设备的保存包括“电影保存”以及“单帧保存”，其中“电影保存”是指将超声扫查过程中的连续单帧图像所组成的视频数据进行保存，其保存的时间跨度比较大，使得保存时间比较久且占用超声设备的较大存储空间，诊断医生可以用于观察目标部位的动态变化，但是每次都需观看全部视频数据或手动拖动时间标尺在目标帧附近，然后再进行左右查找，然而此时存在诊断过程中操作繁琐以及无法对超声扫查的切面进行测量等操作的问题。其中“单帧保存”是指将超声扫查过程中所需的某一时刻的目标帧进行保存，其中无论是实时扫查还是冻结扫查，在操作人员点击“单帧保存”按钮时，其仅仅保存响应时刻的最后一帧图像数据，其在后续的数据加载显示时也仅仅只是加载显示该单帧图像，使得操作人员仅能对该单帧图像进行测量等操作，此时存在操作延迟、肉眼判断误差等原因导致无法保存到所需的目标帧的问题。其中上述两种类型扫查的区别在于，实时扫查为仅实时同步显示超声探头当前扫查切面的超声图像，当点击单帧保存时直接对响应时刻的最后一帧图像数据进行保存。而冻结扫查为操作人员点击冻结后缓存冻结响应时刻前的预设时间的多帧图像数据，然后操作人员通过调节时间标尺观察各帧对应的图像，当找到目标帧图像所在时刻时点击保存单帧时，可相应的将该目标帧图像进行保存。现有通常操作人员使用超声设备进行扫查过程中，当看到需要保存的关键帧时，习惯性先冻结扫查然后再进行保存，然而从冻结扫查到保存再到响应保存数据过程存在操作繁琐以及可能操作延迟，导致真正保存的单帧并不是想要保存的目标帧，此时需要进行解冻重新上述操作进行冻结扫查，当试图找到目标帧后再进行保存，从而花费更多时间和精力。另一方面，由于单帧保存时只保存了一帧图像数据，使得无法提供相邻帧的运动等信息。然而诊断医生对于一些目标部位进行诊断时可能不仅仅只需要单帧图像，而是需要多帧图像进行结合诊断，此时现有技术中的单帧保存无法对目标部位进行动态分析和评估，使得无法实现有效的诊断。
其中，本发明的一个实施例中，无论在实时扫查或冻结扫查过程中，当操作人员根据所扫查获取的图像确定出需要保存时，可以点击“保存单帧”按钮，此时根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧，从而实现保存具有多帧图像的动态帧，而由于操作人员是在观察到所需目标帧时才点击保存单帧，同时其所保存的为响应操作时刻前后的多帧图像，使得即使存在操作延迟、肉眼判断误差或质量存在不稳定的原因，其动态帧内所保存到目标帧的概率也较现有技术中单帧保存的方式的概率高；同时由于动态帧是多帧图像，使得可以通过相邻帧间信息，从而可进行动态分析和评估，实现更好的诊断效果；同时由于动态帧所保存的是目标帧附近的多帧图像，其保存的时间跨度较小，使得保存速度快、保存质量高、以及占用超声设备的存储空间小。
进一步的，在本发明的一个实施例中，上述根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧的步骤包括：
根据所获取的目标部位的类型确定出响应操作时刻的前后方式；
根据所获取的目标部位的类型及扫查方式确定出响应操作时刻的持续时间；
根据响应操作时刻的前后方式及持续时间确定出所对应的多帧图像数据作为动态帧。
具体的，对于超声设备的图像处理流程主要为将超声数字信号的数据，经过多个串行的处理流程（如对数压缩Log，空间复合SC，增益Gain，动态范围变换DR，数字扫描转换DSC等），最终得到显示图像的过程。具体的实现方法可能因不同的超声成像系统而有所差异，但一般可以分为以下几个步骤：对数压缩（Log）：对超声回波信号进行对数变换，以减小信号的动态范围，使其适应人眼的感知特性，同时也可以增强图像中的低信噪比区域。空间复合（SC）：对多个不同方向或角度的超声回波信号进行加权平均，以提高图像的分辨率和对比度，同时也可以抑制斑点噪声。增益（Gain）：对超声回波信号进行幅度调节，以补偿信号在传播过程中的衰减，使图像中不同深度的区域具有相近的亮度。动态范围变换（DR）：对超声回波信号进行非线性变换，以改善图像的视觉效果，使图像中的细节更加清晰。数字扫描转换（DSC）：对超声回波信号进行坐标变换，将极坐标系下的扫描线数据转换为笛卡尔坐标系下的图像数据，以便于显示和存储。
然而，根据具体的临床应用场景不同，保存的动态帧数据也可以是上述处理流程的任何一个阶段数据，具体地，比如对于肝脏纤维化检测算法，需要更加高灰阶范围的数据，此时动态帧可以缓存的是动态范围变换前的数据；对于射血分数检测算法，由于需要计算腔室内的面积以及需要确定空间关系，此时动态帧可以缓存数字扫描转换DSC后的数据。因此不同的目标部位需要响应不同操作时刻前后的数据，此时根据临床应用场景设定各个目标部位所对应响应操作时刻的前后方式。
进一步的，根据具体的临床应用场景不同，不同目标部位所对应的响应操作时刻的持续时间也不相同，例如常规情况下心脏心率为60-90，其心动周期为心率的倒数，因此心动周期接近1s，此时可将心脏所响应操作时刻的持续时间设定为3s，此时可保证持续获取得到多帧图像中至少覆盖两个完整心动周期内的图像数据，而其他部位则根据临床应用可能需要其他的持续时间，同时不同扫查方式所对应的响应操作时刻的持续时间也并不相同，其由于空序扫查需要缓慢移动探头进行不同空间位置的目标部位的扫查，因此其响应操作时刻的持续时间也可较时序扫查时所对应的持续时间长，具体的，其根据具体的临床应用场景预先设定有不同目标部位以及扫查方式所组合时对应的持续时间的数据表，此时根据所获取的目标部位的类型及扫查方式在数据表中查找确定出响应操作时刻的持续时间。
进一步的，根据响应操作时刻的前后方式及持续时间确定出所对应的多帧图像数据作为动态帧，例如获取到目标部位为心脏，扫查方式为时序扫查，此时根据目标部位可确定需要响应操作时刻前，且根据目标部位及扫查方式确定出持续时间，因此在获取到保存单帧的操作指令时，确定该操作时刻前的持续时间内所获取的多帧图像数据作为动态帧。
步骤S30，根据动态帧进行识别筛选出至少一帧关键帧，并从所识别的关键帧中选取一帧作为封面帧；
其中，在本发明的一个实施例中，上述根据动态帧进行识别筛选出至少一帧关键帧的步骤中，由于根据临床测量指标对不同的目标部位可能采用不同的识别方式，因此上述步骤通过多种实现方式进行实现，本发明中具体提出如下两种实现方式。
其中，在本发明的第一种具体实现方式中，根据动态帧进行识别筛选出至少一帧关键帧的步骤包括：
根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型；
将动态帧中每帧图像进行特征提取，并将特征提取后的所有数据分别与各个关键帧所对应类型的目标标准切片特征进行匹配得到匹配率最高的各个关键帧。
具体的，由于不同目标部位具有不同的临床测量指标，例如对心脏进行扫查确定心脏运动的射血分数时，则至少需要心动收缩末期以及心动舒张末期两个时刻的两帧关键帧，而其他目标部位可能仅需要一帧关键帧或者还需要多帧关键帧，其主要根据实际的临床具体测量指标进行确定，在此不做具体限定，此时根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型，例如心脏时需要在动态帧中识别两帧关键帧，且分别为心动收缩末期的收缩关键帧以及心动舒张末期的舒张关键帧，同时不同目标部位都有自身的临床标准切面，此时将动态帧中的每帧图像分别进行特征提取，即从每帧图像中提取出一些能够表示其内容和结构的信息，例如梯度、颜色、纹理、形状等，其中特征提取的目的是降低数据的维度和复杂度，以便于后续的分析和处理。然后将特征提取后的数据与各个关键帧所对应类型的目标标准切片特征进行匹配，即计算每一帧特征提取后的数据与每一种类型的标准切片之间的相似度或距离，以评估它们之间的关系。其中目标标准切片可能是一些预先定义或学习的参考数据，用于表示不同类型或属性的典型特征，如临床标准切面。最后，从特征提取后的数据中选择与各个类型的标准切片数据进行匹配率最高的数据，即找出那些与所对应类型最为接近或相似的数据，此时这些数据就是所需识别的关键帧。例如在心脏扫查时，识别动态帧中最接近心动收缩末期标准切面及心动舒张末期标准切面的图像分别作为关键帧，因此通过根据特征提取及匹配比对使得在动态帧中识别出最接近标准切面的图像作为关键帧。
其中，在本发明的第二种具体实现方式中，上述根据动态帧进行识别筛选出至少一帧关键帧的步骤包括：
根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型；
分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积；
根据动态帧中每帧图像中的目标部位面积及各个关键帧所对应类型确定出各个关键帧。
具体的，第二种具体实现方式中的关键帧的识别主要应用于心脏扫查，具体的，首先根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型，然后分别对动态帧中每帧图像进行图像分割，即将每一帧图像中的像素按照一定的规则或算法划分为不同的区域或对象，以便于识别和提取目标部位，需要指出的是，此时所识别的部位通常为心脏腔室。然后，计算每一帧图像中的目标部位面积，即统计每一帧图像中属于目标部位的像素个数，并乘以每个像素所占的实际面积。最后，根据每一帧图像中的目标部位面积及各个关键帧所对应类型确定出各个关键帧，例如对于心脏扫查而言，其关键帧可以分别对应类型为心动收缩末期及心动舒张末期，其中心动收缩末期中目标部位面积最小，而心动舒张末期中目标部位面积最大。
进一步的，在本发明的一个实施例中，上述分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积可通过多种实现方式进行实现，本发明中具体提出如下两种实现方式。
其中，在本发明的第一种具体实现方式中，上述分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积的步骤包括：
分别计算动态帧中每帧图像的各个像素点的结构张量；
根据各个像素点的结构张量确定各个像素点所属区域的结构数据；
根据各个像素点的结构数据进行阈值分割得到分割的二值图像，并拟合二值图像中目标部位边缘的闭合曲线；
分别计算动态帧中每帧图像中闭合曲线内的面积得到每帧图像中的目标部位面积。
具体的，对于动态帧中每帧图像，分别计算其每帧图像各个像素点的结构张量，其结构张量的公式为：其中，E为结构张量，/>为图像在/>方向上的梯度，/>为图像在/>方向上的梯度。因此可知，结构张量是一个2x2的矩阵，其元素是图像在/>和/>方向上的梯度的乘积。其中结构张量可以反映一个像素点的指定邻域中梯度的主要方向，以及这些方向是连贯的程度。结构张量的行列式K和迹H是两个重要的特征值，它们可以描述结构张量的形状和大小。行列式K是矩阵对角线上元素的乘积减去非对角线上元素的乘积，它反映了矩阵的变换效果。迹H是矩阵对角线上元素的和，它反映了矩阵的规模。因此结构张量常用于区分图像的平坦区域、边缘区域和角点区域等。具体的根据结构张量的行列式K和迹H的值判断每个像素属于哪种区域。一般来说，有以下三种情况：
平坦区域：H = 0，表示梯度很小，图像在该点附近没有明显的变化。
边缘区域：H > 0 && K=0，表示梯度在一个方向上很大，在另一个方向上很小，图像在该点附近有一个明显的边缘。
角点区域：H > 0 && K > 0，表示梯度在两个方向上都很大，图像在该点附近有一个明显的角点。
因此行列式K和迹H的关系可以确定各个像素点所属区域的结构数据，也即是可以确定出属于边缘区域的各个像素点、属于平坦区域的各个像素点、以及属于角点区域的各个像素点，此时根据各个像素点的结构数据进行阈值分割得到分割的二值图像，并拟合二值图像中目标部位边缘的闭合曲线，具体的通过阈值分割算法得到分割的二值图像，然后通过ResNet，SVM等算法拟合二值图像中腔室边缘的闭合曲线。此时每帧图像都会对应得到一个二值图像，以及一条拟合闭合曲线。进一步的，基于上述得到的闭合曲线，依次分别计算各帧图像中闭合曲线内的面积，其中面积最小的图像即为心动收缩末期的收缩关键帧，面积最大的图像即为心动舒张末期的舒张关键帧。
其中，在本发明的第二种具体实现方式中，上述分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积的步骤包括：
分别对动态帧中每帧图像进行图像分割得到每帧图像上每个像素点所属的部位类别及其置信度；
根据每帧图像上每个像素点所属的部位类别及其置信度选择出每个部位的最大连通域，并作为各个不同类别部位的分割结果；
根据动态帧中每帧图像所分割的不同类别部位计算出每帧图像中的目标部位面积。
具体的，参照上述所述，分别对动态帧中每帧图像进行图像分割得到每帧图像上每个像素点所属的部位类别及其置信度；进一步的，对每帧图像进行图像分割得到的分割结果进行后处理，也即是将每个部位类别的像素点组成一个连通域，也即相邻且具有相同类别的像素点的集合。具体的说通过连通域标记算法，对各个不同类别的部位选择出最大连通域，且作为该部位的有效分割结果，其中非最大连通域认为是无效的结果。
进一步的，还可基于分割结果确定每个部位的位置信息。具体来说，先对每个最大连通域计算其最小外接矩形和质心，其中最小外接矩形是指能够刚好包围最大连通域的矩形，且具有最小的面积。而质心是指最大连通域内所有像素点的坐标平均值。具体的可以获取最小外接矩形的四个顶点，然后获取连通域的几何矩，再根据几何矩计算质心的坐标。最后，根据每个最大连通域的最小外接矩形和质心来确定每个部位的位置信息。例如使用最小外接矩形的长、宽、面积、角度等参数来描述部位的形状和方向；使用质心的坐标来描述部位的中心位置；或使用质心之间的距离或者角度来描述部位之间的相对位置。同时对每个部位类别的像素点进行形态学分析，即计算每个部位的面积、周长、圆度等参数，以反映每个部位的形状和大小。其中由于知道各个像素点分别属于哪个部位类型，因此本发明实施例中所计算得到的各个部位面积更加准确可靠。
进一步的，根据动态帧中每帧图像所分割的不同类别部位计算出每帧图像中的目标部位面积，具体的使用形态学操作来进行面积计算，也即利用数学公式或算法来统计每个部位类别内包含的像素点的数量并将其转换为实际单位，例如平方厘米等，使得最终得到每帧灰度图像中具体的各个部位的面积值。
进一步的，上述根据动态帧进行识别筛选出至少一帧关键帧的步骤还包括：
分别计算所确定的各个关键帧中分割的二值图像上室间隔所对应结构的中轴线角度；
分别计算所确定的各个关键帧中分割的二值图像上所拟合的闭合曲线的面积以及闭合曲线外接矩形面积的比例值；
分别计算所确定的各个关键帧中分割的二值图像的增益及动态范围的直方图分布；
根据所计算的各个关键帧的中轴线角度、比例值及直方图分布评价各个关键帧的质量。
具体的，针对所识别出的各帧关键帧，其需要进行关键帧图像进行质量评价，具体的评价标准分为结构正中标准，结构完整性标准和图像质量标准。
其中结构正中标准是一种评价心脏结构是否对称、规则、正常的方法，其中计算二值图像上的结构正中，是指在二值图像中找到心脏结构的中轴线，也就是沿着心脏结构的最长方向的一条直线。这条直线可以反映心脏结构的形状和方向。如果心脏结构是对称的，那么这条直线就会穿过心脏结构的中心点。如果心脏结构是不对称的，那么这条直线就会偏离心脏结构的中心点。而计算室间隔对应结构的中轴线角度是否垂直，是指在二值图像中找到室间隔的位置，也就是分隔左右心室的一条厚实的墙壁。室间隔在二值图像中通常呈现为一条水平或近似水平的线段。然后计算室间隔与心脏结构中轴线之间的夹角，也就是两条线段之间的角度。如果这个角度接近90度，那么说明室间隔与心脏结构中轴线垂直，反映了正常的心脏解剖形态。如果这个角度偏离90度，那么说明室间隔与心脏结构中轴线不垂直，反映了异常的心脏解剖形态。结构正中评价指标是一种衡量结构正中标准是否达到要求的数值。结构正中评价指标越大，说明室间隔与心脏结构中轴线越接近垂直，也就意味着心脏结构越对称、规则、正常。结构正中评价指标越小，说明室间隔与心脏结构中轴线越偏离垂直，也就意味着心脏结构越不对称、不规则、异常。因此通过分别计算所确定的各个关键帧中分割的二值图像上室间隔所对应结构的中轴线角度使得可以评价结构正中标准。
其中，结构完整标准是一种评价图像区域内的结构是否清晰、完整、无缺失的方法。它是基于拟合闭合曲线和外接矩形进行确定，也就是说，图像中的结构可以用一条平滑的曲线来近似，而这条曲线可以用一个最小的矩形来包围。其中计算拟合闭合曲线内面积和其外接矩形面积的比例，是指在得到拟合闭合曲线和外接矩形后，分别计算它们所围成的面积，并求出它们的比值。这个比值可以反映图像区域内的结构占据了多少空间，以及结构的形状是否规则。结构完整标准评价指标是一种衡量结构完整标准是否达到要求的数值。结构完整标准评价指标越大，说明拟合闭合曲线内面积和其外接矩形面积的比例越大，也就意味着图像区域内的结构越清晰、完整、无缺失，并且形状越规则。结构完整标准评价指标越小，说明拟合闭合曲线内面积和其外接矩形面积的比例越小，也就意味着图像区域内的结构越模糊、不完整、有缺失，并且形状越不规则。因此通过分别计算所确定的各个关键帧中分割的二值图像上所拟合的闭合曲线的面积以及闭合曲线外接矩形面积的比例值使得可以评价结构完整标准。
其中，图像质量标准是一种评价图像是否清晰、明亮、对比度高的方法。灰度图像的增益及动态范围的直方图分布是两个常用的图像质量标准。具体来说：灰度图像的增益是指调整图像的亮度，使其更接近人眼的感知。增益越高，图像越亮，细节越清晰。但是如果增益过高，图像可能会过曝或失真。动态范围是指图像中最亮和最暗的区域之间的差异。动态范围越大，图像的对比度越高，色彩越丰富。但是如果动态范围过大，图像可能会出现过暗或过亮的区域。
直方图是一种表示图像中每种灰度级别出现频率的统计图。直方图可以反映图像的亮度分布和对比度情况。目标分布曲线是一种理想的直方图形状，它表示了最佳的图像质量。目标分布曲线通常是一个平滑的双峰曲线，两个峰值分别对应于暗区和亮区，两个峰值之间有一个谷底，对应于中间灰度区域。图像质量标准评价指标是一种衡量实际直方图与目标分布曲线之间相似程度的数值。图像质量标准评价指标越大，说明实际直方图越接近目标分布曲线，也就意味着图像质量越好。因此通过分别计算所确定的各个关键帧中分割的二值图像的增益及动态范围的直方图分布使得可以评价图像质量标准。
进一步的，根据所计算的各个关键帧的中轴线角度、比例值及直方图分布评价进行加权后相加得到综合评价指标，此时该综合评价指标可以用于各个关键帧的质量。
进一步的，从所识别的关键帧中选取一帧作为封面帧，具体的可根据上述各个关键帧的图像质量的综合评价指标确定出综合评价指标得分最高的一帧作为封面帧。其中封面帧是指用于在保存和显示动态帧时作为封面显示的图像数据，其为动态帧中具有代表性的一帧。
步骤S40，根据所预先设定的保存方式对识别出关键帧的动态帧进行保存，并在所保存的动态帧中封面显示封面帧；
其中，在本发明的一个实施例中，其动态帧的保存方式可以为全部保存，也可以为跳帧保存，其中全部保存为将响应操作时刻前后的多帧图像数据的动态帧进行全部保存，此时动态帧在时序上是等间隔的时差。其中跳帧保存为将动态帧中所识别筛选出的各个关键帧依序缓存并保存为新的动态帧，此时新的动态帧在时序上是不等间隔的时差。
其中，根据操作人员在超声设备上所预先设定的保存方式相应的对识别出关键帧的动态帧进行保存，例如操作人员在超声设备上所预先设定进行全部保存时，此时直接将所获取的动态帧进行保存；而操作人员在超声设备上所预先设定进行跳帧保存时，此时先获取动态帧，然后对动态帧进行识别筛选出至少一帧关键帧，然后将所识别的各个关键帧进行保存为新的动态帧。进一步的，其所保存的动态帧中封面显示有封面帧，以便于操作人员对所保存的图像数据进行浏览和管理，具体的在超声设备保存数据的预览框中以图标或缩略图的形式进行显示。同时其封面还可以显示其他相关信息，如目标部位的类型、扫查方式、保存时间等。
步骤S50，当获取到对所保存的动态帧的浏览指令时，将所保存的动态帧进行动态显示；
其中，在本发明的一个实施例中，动态帧的显示包括静态显示以及动态显示，其中对于静态显示，在加载完动态帧数据后，在主图中以大图方式显示封面帧，而预览框中以小图方式显示封面帧的缩略图。而对于动态显示，在加载完动态帧数据后，在主图中以大图方式显示封面帧，当操作人员通过超声设备的界面或按键发出浏览指令，例如操作人员点击图标或缩略图，或者按下按键以请求浏览所保存的动态帧时，主图下方出现时间进度条以及不同时刻数据的缩略图，并在主图上开始动态显示进度条上各个时刻的图像，也即所保存的动态帧序列，而在左右拖动进度条时，其主图则会相应的显示进度条上所对应时刻的图像。
进一步的，在本发明的其他实施例中，除上述步骤外，其根据动态帧进行识别筛选出至少一帧关键帧，并从所识别的关键帧中选取一帧作为封面帧还可以通过手动的方式进行识别筛选，具体的，在加载动态帧数据并进行动态显示时，当所显示的图像为操作人员所需的目标帧时，可通过手动点击按钮“设为关键帧”，即将当前所显示一帧作为关键帧进行缓存，并可进行上述反复操作，从而使得可以缓存多帧关键帧（此时是后台缓存，并没有完成保存），直至操作人员通过点击按钮“保存单帧”时，将所缓存的所有关键帧保存为一个新的动态帧，从而完成关键帧的筛选和保存。而在动态帧的动态显示过程中，可以通过拖动时间进度条或当所显示的图像为操作人员所需的封面帧时，手动点击按钮“设为封面帧”，使得可以手动选择动态帧中的任意一帧作为封面帧。
步骤S60，根据所获取的扫查方式对识别出关键帧的动态帧进行相应计算得到目标部位的运动信息或分辨率增强的一帧图像数据或包含三维空间信息的一帧图像数据；
其中，在本发明的一个实施例中，参照上述所述，扫查方式包括时序扫查和空序扫查，其步骤S60包括：
当获取到扫查方式为时序扫查时，根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息；或
根据所识别出关键帧的动态帧进行计算得到分辨率增强的一帧图像数据；
当获取到扫查方式为空序扫查时，根据所识别出关键帧的动态帧进行计算得到包含三维空间信息的一帧图像数据。
具体的，在本发明的一个实施例中，除上述动态帧的保存及显示外，其还包括对动态帧的功能应用，具体的包括但不限于运动结构计算、图像滤波增强及三维图像构建，其中由于扫查方式的不同，其动态帧所对应的应用场景也不相同，因此具体的，当扫查方式为时序扫查时，其动态帧可应用于运动结构计算或图像滤波增强，也即是根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息；或根据所识别出关键帧的动态帧进行计算得到分辨率增强的一帧图像数据；而当扫查方式为空序扫查时，其动态帧可应用于三维图像构建，也即是根据所识别出关键帧的动态帧进行计算得到包含三维空间信息的一帧图像数据。
其中，在本发明的一个实施例中，上述根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息的步骤包括：
分别计算各个关键帧中目标部位的面积；
根据各个关键帧中目标部位的面积计算出射血分数。
具体的，参照上述所述，根据动态帧识别出心动收缩末期的收缩关键帧及心动舒张末期的舒张关键帧，此时基于该两个关键帧分别计算所对应的目标部位的面积，并根据目标部位的面积计算出射血分数，具体的射血分数的计算公式为：
EF＝(EDV－ESV)/EDV×100%
其中，EF为射血分数，EDV为收缩关键帧所对应的目标部位的面积，ESV为舒张关键帧所对应的目标部位的面积。其中射血分数是指每次心搏时心室排出血液量占心室最大容积的百分比。其百分比可以反映心脏泵血功能是否正常。正常情况下，射血分数在55%至65%之间。如果射血分数低于40%，则可能存在收缩性心力衰竭。如果射血分数高于70%，则可能存在高动力状态或舒张性心力衰竭。
其中，在本发明的一个实施例中，上述根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息的步骤包括：
分别对动态帧中的多帧图像进行图像检测识别出室间隔所对应的结构区域；
根据动态帧中的多帧图像所识别出的结构区域在不同帧之间的位置变化，得到室间隔在时间上的厚度变化。
具体的，参照上述所述，通过图像检测识别出室间隔所对应的结构区域，其中室间隔是指左心室和右心室之间的间隔。进一步的使用光流法或斑点追踪法计算出该结构区域在多帧数据中的运动矢量，进而计算室间隔的厚度变化，其中室间隔的厚度可以反映心脏的功能和病变情况，例如高血压或肥厚型心肌病等。其中光流法是一种利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。而斑点追踪法是一种利用图像中具有明显特征的点（如边缘、角点、纹理等）作为标记，通过匹配相邻帧中相同或相似的标记来确定其位置变化，从而计算出物体的运动信息的一种方法。
其中，在本发明的一个实施例中，根据所识别出关键帧的动态帧进行计算得到分辨率增强的一帧图像数据的步骤包括：
分别计算动态帧中每帧图像的各个像素点的结构张量，并求出结构张量的主方向和副方向的梯度大小和方向；
分别选择动态帧中每帧图像的各个像素点上与主方向最接近的方向滤波核，并根据结构张量的梯度大小进行加权卷积运算；
对动态帧中每帧图像的各个像素点的卷积运算结果进行加权平均或最大值选择，得到分辨率增强的一帧图像数据。
具体的，将动态帧看作一个三维的数据体，其中每一帧数据是一个二维的切片。然后对每个像素点，计算其在不同切片上的梯度信息，包括梯度大小和方向。梯度大小反映了该像素点在不同切片上的灰度变化程度，梯度方向反映了该像素点在不同切片上的灰度变化趋势。根据梯度信息，可以对每个像素点进行加权平均或方向滤波，以增强其灰度值或方向特征。具体来说，其主要基于结构张量和方向滤波卷积。其中结构张量是一种描述图像局部结构特征的矩阵，它可以由图像在不同方向上的偏导数组成。结构张量可以分解为两个特征值和两个特征向量，分别表示主方向和副方向的梯度大小和方向。主方向是图像局部结构最明显变化的方向，副方向是图像局部结构最平滑的方向。因此通过对主方向进行锐化处理，副方向进行平滑处理，可以增强图像中的边缘和纹理。而方向滤波卷积是一种根据图像局部结构方向选择合适的滤波核进行卷积运算的方法。卷积运算是一种将滤波核与图像局部区域进行逐元素相乘并求和的操作，可以实现图像的平滑、锐化、边缘检测等效果。不同形状和大小的滤波核对应不同的卷积效果。通过选择与图像局部结构方向一致或相反的滤波核，可以增强或抑制该方向上的特征。因此通过上述操作最终可以得到具有更高的清晰度和对比度，更能反映图像中的结构和边缘信息的分辨率增强的一帧图像数据。
其中，在本发明的一个实施例中，根据所识别出关键帧的动态帧进行计算得到包含三维空间信息的一帧图像数据的步骤包括：
将动态帧进行插值得到预设数量的帧图像；
将所插值得到的多帧图像通过渲染算法进行融合生成包含三维空间信息的一帧图像。
具体的，先通过插值的方式对动态帧进行插值，使得根据已有的帧数据生成更多的帧数据，以增加采样密度和覆盖范围。其中插值可以采用双线性插值（bilinearinterpolation）、三次插值（cubic interpolation）等方法。然后通过渲染算法将多帧数据融合为一帧数据，并生成包含三维空间信息的一帧图像。其中渲染算法可以采用光线追踪（ray tracing）、光栅化（rasterization）等方法。
本实施例中，通过获取所扫查的目标部位的类型及扫查方式确定出在单帧保存时所响应操作时刻前后的多帧图像数据作为动态帧，此时不仅保存所响应的当前帧，还保存响应操作时刻前后的多帧，形成一个短时间内的多帧图像。这样可以提高保存到诊断医生所需目标帧的概率，同时诊断医生还可以在后续的分析中回放和选择最佳切面，也可以观察目标部位的运动变化，使得可以提高保存的信息量和灵活性。而通过根据动态帧进行识别筛选出至少一帧关键帧，使得可更大概率的识别出诊断医生所需保存的目标帧，同时可以减少诊断医生重复和无效的保存操作，提高工作效率；而通过所识别的关键帧进行相应的应用，使得可实现运动结构计算、图像滤波增强及三维图像构建等功能，因此可更好的辅助诊断医生进行诊断，从而提高诊断价值，解决了现有单帧保存不能保证保存最佳切面及不能提供动态信息的问题。
实施例二
请参阅图2，是本发明第二实施例提供的超声设备的图像处理系统的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，该系统包括：
获取模块11，用于获取所扫查的目标部位的类型及扫查方式；
动态帧确定模块12，用于当对目标部位进行扫查过程中获取到保存单帧的操作指令时，根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧；
关键帧识别模块13，用于根据动态帧进行识别筛选出至少一帧关键帧，并从所识别的关键帧中选取一帧作为封面帧；
动态帧保存模块14，用于根据所预先设定的保存方式对识别出关键帧的动态帧进行保存，并在所保存的动态帧中封面显示封面帧；
动态帧显示模块15，用于当获取到对所保存的动态帧的浏览指令时，将所保存的动态帧进行动态显示；
动态帧应用模块16，用于根据所获取的扫查方式对识别出关键帧的动态帧进行相应计算得到目标部位的运动信息或分辨率增强的一帧图像数据或包含三维空间信息的一帧图像数据。
进一步地，在本发明的一个实施例中，获取模块11包括：
视频获取单元，用于获取对目标部位进行扫查过程中的视频数据；
图像检测单元，用于分别对视频数据中的多帧图像进行图像检测得到各帧图像上每个像素点所属的部位类别及其置信度；
类型确定单元，用于根据各帧图像上每个像素点所属的部位类别及其置信度确定出所扫查的目标部位的类型；
扫查方式确定单元，用于根据各帧图像上所分布的多个相应像素点的位置坐标的位移变化确定出所扫查的扫查方式。
进一步地，在本发明的一个实施例中，动态帧确定模块12包括：
方式确定单元，用于根据所获取的目标部位的类型确定出响应操作时刻的前后方式；
时间确定单元，用于根据所获取的目标部位的类型及扫查方式确定出响应操作时刻的持续时间；
动态帧确定单元，用于根据响应操作时刻的前后方式及持续时间确定出所对应的多帧图像数据作为动态帧。
进一步地，在本发明的一个实施例中，关键帧识别模块13包括：
第一数量类型确定单元，用于根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型；
将动态帧中每帧图像进行特征提取，并将特征提取后的所有数据分别与各个关键帧所对应类型的目标标准切片特征进行匹配得到匹配率最高的各个关键帧。
进一步地，在本发明的一个实施例中，关键帧识别模块13包括：
第二数量类型确定单元，用于根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型；
面积计算单元，用于分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积；
第二关键帧识别单元，用于根据动态帧中每帧图像中的目标部位面积及各个关键帧所对应类型确定出各个关键帧。
进一步地，在本发明的一个实施例中，所述面积计算单元用于：
分别计算动态帧中每帧图像的各个像素点的结构张量；
根据各个像素点的结构张量确定各个像素点所属区域的结构数据；
根据各个像素点的结构数据进行阈值分割得到分割的二值图像，并拟合二值图像中目标部位边缘的闭合曲线；
分别计算动态帧中每帧图像中闭合曲线内的面积得到每帧图像中的目标部位面积。
进一步地，在本发明的一个实施例中，所述面积计算单元还用于：
分别对动态帧中每帧图像进行图像分割得到每帧图像上每个像素点所属的部位类别及其置信度；
根据每帧图像上每个像素点所属的部位类别及其置信度选择出每个部位的最大连通域，并作为各个不同类别部位的分割结果；
根据动态帧中每帧图像所分割的不同类别部位计算出每帧图像中的目标部位面积。
进一步地，在本发明的一个实施例中，关键帧识别模块13包括：
结构正中计算单元，用于分别计算所确定的各个关键帧中分割的二值图像上室间隔所对应结构的中轴线角度；
结构完整计算单元，用于分别计算所确定的各个关键帧中分割的二值图像上所拟合的闭合曲线的面积以及闭合曲线外接矩形面积的比例值；
图像质量计算单元，用于分别计算所确定的各个关键帧中分割的二值图像的增益及动态范围的直方图分布；
质量评估单元，用于根据所计算的各个关键帧的中轴线角度、比例值及直方图分布评价各个关键帧的质量。
进一步地，在本发明的一个实施例中，所述扫查方式包括时序扫查和空序扫查；
所述动态帧应用模块16包括：
运动结构计算单元，用于当获取到扫查方式为时序扫查时，根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息；
图像滤波增强单元，用于当获取到扫查方式为时序扫查时，根据所识别出关键帧的动态帧进行计算得到分辨率增强的一帧图像数据；
三维图像构建单元，用于当获取到扫查方式为空序扫查时，根据所识别出关键帧的动态帧进行计算得到包含三维空间信息的一帧图像数据。
进一步地，在本发明的一个实施例中，运动结构计算单元用于：
分别计算各个关键帧中目标部位的面积；
根据各个关键帧中目标部位的面积计算出射血分数。
进一步地，在本发明的一个实施例中，运动结构计算单元用于：
分别对动态帧中的多帧图像进行图像检测识别出室间隔所对应的结构区域；
根据动态帧中的多帧图像所识别出的结构区域在不同帧之间的位置变化，得到室间隔在时间上的厚度变化。
进一步地，在本发明的一个实施例中，图像滤波增强单元用于：
分别计算动态帧中每帧图像的各个像素点的结构张量，并求出结构张量的主方向和副方向的梯度大小和方向；
分别选择动态帧中每帧图像的各个像素点上与主方向最接近的方向滤波核，并根据结构张量的梯度大小进行加权卷积运算；
对动态帧中每帧图像的各个像素点的卷积运算结果进行加权平均或最大值选择，得到分辨率增强的一帧图像数据。
进一步地，在本发明的一个实施例中，三维图像构建单元用于：
将动态帧进行插值得到预设数量的帧图像；
将所插值得到的多帧图像通过渲染算法进行融合生成包含三维空间信息的一帧图像。
本发明实施例所提供的一种超声设备的图像处理系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，系统实施例部分未提及之处，可参考前述方法实施例中相应内容。
实施例三
本发明另一方面还提出一种超声设备，请参阅图3，所示为本发明第三实施例当中的超声设备，包括存储器20、处理器10以及存储在存储器20上并可在处理器10上运行的计算机程序30，所述处理器10执行所述计算机程序30时实现如上述的超声设备的图像处理方法。
其中，处理器10在一些实施例中可以是中央处理器（Central Processing Unit,CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器20中存储的程序代码或处理数据，例如执行访问限制程序等。
其中，存储器20至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器20在一些实施例中可以是超声设备的内部存储单元，例如该超声设备的硬盘。存储器20在另一些实施例中也可以是超声设备的外部存储装置，例如超声设备上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（FlashCard）等。进一步地，存储器20还可以既包括超声设备的内部存储单元也包括外部存储装置。存储器20不仅可以用于存储安装于超声设备的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
需要指出的是，图3示出的结构并不构成对超声设备的限定，在其它实施例当中，该超声设备可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
本发明实施例还提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如前述方法实施例中所述的超声设备的图像处理方法。
本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种超声设备的图像处理方法，其特征在于，所述方法包括：
获取所扫查的目标部位的类型及扫查方式；
当对目标部位进行扫查过程中获取到保存单帧的操作指令时，根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧；
根据动态帧进行识别筛选出至少一帧关键帧，并从所识别的关键帧中选取一帧作为封面帧；
根据所预先设定的保存方式对识别出关键帧的动态帧进行保存，并在所保存的动态帧中封面显示封面帧；
当获取到对所保存的动态帧的浏览指令时，将所保存的动态帧进行动态显示；
根据所获取的扫查方式对识别出关键帧的动态帧进行相应计算得到目标部位的运动信息或分辨率增强的一帧图像数据或包含三维空间信息的一帧图像数据；
所述扫查方式包括时序扫查和空序扫查，所述空序扫查为缓慢平移超声探头情况下扫查具有空间联系的相邻切面位置；
所述根据所获取的扫查方式对识别出关键帧的动态帧进行相应计算得到目标部位的运动信息或分辨率增强的一帧图像数据或包含三维空间信息的一帧图像数据的步骤包括：
当获取到扫查方式为时序扫查时，根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息；或
根据所识别出关键帧的动态帧进行计算得到分辨率增强的一帧图像数据；
当获取到扫查方式为空序扫查时，根据所识别出关键帧的动态帧进行计算得到包含三维空间信息的一帧图像数据；
所述根据所识别出关键帧的动态帧进行计算得到分辨率增强的一帧图像数据的步骤包括：
分别计算动态帧中每帧图像的各个像素点的结构张量，并求出结构张量的主方向和副方向的梯度大小和方向；
分别选择动态帧中每帧图像的各个像素点上与主方向最接近的方向滤波核，并根据结构张量的梯度大小进行加权卷积运算；
对动态帧中每帧图像的各个像素点的卷积运算结果进行加权平均或最大值选择，得到分辨率增强的一帧图像数据。
2.根据权利要求1所述的超声设备的图像处理方法，其特征在于，所述获取所扫查的目标部位的类型及扫查方式的步骤包括：
获取对目标部位进行扫查过程中的视频数据；
分别对视频数据中的多帧图像进行图像检测得到各帧图像上每个像素点所属的部位类别及其置信度；
根据各帧图像上每个像素点所属的部位类别及其置信度确定出所扫查的目标部位的类型；
根据各帧图像上所分布的多个相应像素点的位置坐标的位移变化确定出所扫查的扫查方式。
3.根据权利要求1所述的超声设备的图像处理方法，其特征在于，所述根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧的步骤包括：
根据所获取的目标部位的类型确定出响应操作时刻的前后扫查方式；
根据所获取的目标部位的类型及扫查方式确定出响应操作时刻的扫查方式的持续时间；
根据响应操作时刻的前后扫查方式及扫查方式的持续时间确定出所对应的多帧图像数据作为动态帧。
4.根据权利要求1所述的超声设备的图像处理方法，其特征在于，所述根据动态帧进行识别筛选出至少一帧关键帧的步骤包括：
根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型；
将动态帧中每帧图像进行特征提取，并将特征提取后的所有数据分别与各个关键帧所对应类型的目标标准切片特征进行匹配得到匹配率最高的各个关键帧。
5.根据权利要求1所述的超声设备的图像处理方法，其特征在于，所述根据动态帧进行识别筛选出至少一帧关键帧的步骤包括：
根据目标部位所设定的测量指标确定出动态帧中所需识别的关键帧的数量及所对应类型；
分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积；
根据动态帧中每帧图像中的目标部位面积及各个关键帧所对应类型确定出各个关键帧。
6.根据权利要求5所述的超声设备的图像处理方法，其特征在于，所述分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积的步骤包括：
分别计算动态帧中每帧图像的各个像素点的结构张量；
根据各个像素点的结构张量确定各个像素点所属区域的结构数据；
根据各个像素点的结构数据进行阈值分割得到分割的二值图像，并拟合二值图像中目标部位边缘的闭合曲线；
分别计算动态帧中每帧图像中闭合曲线内的面积得到每帧图像中的目标部位面积。
7.根据权利要求5所述的超声设备的图像处理方法，其特征在于，所述分别对动态帧中每帧图像进行图像分割及计算得到每帧图像中的目标部位面积的步骤包括：
分别对动态帧中每帧图像进行图像分割得到每帧图像上每个像素点所属的部位类别及其置信度；
根据每帧图像上每个像素点所属的部位类别及其置信度选择出每个部位的最大连通域，并作为各个不同类别部位的分割结果；
根据动态帧中每帧图像所分割的不同类别部位计算出每帧图像中的目标部位面积。
8.根据权利要求6所述的超声设备的图像处理方法，其特征在于，所述根据动态帧进行识别筛选出至少一帧关键帧的步骤还包括：
分别计算所确定的各个关键帧中分割的二值图像上室间隔所对应结构的中轴线角度；
分别计算所确定的各个关键帧中分割的二值图像上所拟合的闭合曲线的面积以及闭合曲线外接矩形面积的比例值；
分别计算所确定的各个关键帧中分割的二值图像的增益及动态范围的直方图分布；
根据所计算的各个关键帧的中轴线角度、比例值及直方图分布评价各个关键帧的质量。
9.根据权利要求1所述的超声设备的图像处理方法，其特征在于，所述根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息的步骤包括：
分别计算各个关键帧中目标部位的面积；
根据各个关键帧中目标部位的面积计算出射血分数。
10.根据权利要求1所述的超声设备的图像处理方法，其特征在于，所述根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息的步骤包括：
分别对动态帧中的多帧图像进行图像检测识别出室间隔所对应的结构区域；
根据动态帧中的多帧图像所识别出的结构区域在不同帧之间的位置变化，得到室间隔在时间上的厚度变化。
11.根据权利要求1所述的超声设备的图像处理方法，其特征在于，所述根据所识别出关键帧的动态帧进行计算得到包含三维空间信息的一帧图像数据的步骤包括：
将动态帧进行插值得到预设数量的帧图像；
将所插值得到的多帧图像通过渲染算法进行融合生成包含三维空间信息的一帧图像。
12.一种超声设备的图像处理系统，其特征在于，所述系统包括：
获取模块，用于获取所扫查的目标部位的类型及扫查方式；
动态帧确定模块，用于当对目标部位进行扫查过程中获取到保存单帧的操作指令时，根据所获取的目标部位的类型及扫查方式确定出响应操作时刻前后的多帧图像数据作为动态帧；
关键帧识别模块，用于根据动态帧进行识别筛选出至少一帧关键帧，并从所识别的关键帧中选取一帧作为封面帧；
动态帧保存模块，用于根据所预先设定的保存方式对识别出关键帧的动态帧进行保存，并在所保存的动态帧中封面显示封面帧；
动态帧显示模块，用于当获取到对所保存的动态帧的浏览指令时，将所保存的动态帧进行动态显示；
动态帧应用模块，用于根据所获取的扫查方式对识别出关键帧的动态帧进行相应计算得到目标部位的运动信息或分辨率增强的一帧图像数据或包含三维空间信息的一帧图像数据；
所述扫查方式包括时序扫查和空序扫查，所述空序扫查为缓慢平移超声探头情况下扫查具有空间联系的相邻切面位置；
所述动态帧应用模块包括：
运动结构计算单元，用于当获取到扫查方式为时序扫查时，根据所识别出关键帧的动态帧进行计算得到目标部位的运动信息；
图像滤波增强单元，用于当获取到扫查方式为时序扫查时，根据所识别出关键帧的动态帧进行计算得到分辨率增强的一帧图像数据；
三维图像构建单元，用于当获取到扫查方式为空序扫查时，根据所识别出关键帧的动态帧进行计算得到包含三维空间信息的一帧图像数据；
所述图像滤波增强单元用于：
分别计算动态帧中每帧图像的各个像素点的结构张量，并求出结构张量的主方向和副方向的梯度大小和方向；
分别选择动态帧中每帧图像的各个像素点上与主方向最接近的方向滤波核，并根据结构张量的梯度大小进行加权卷积运算；
对动态帧中每帧图像的各个像素点的卷积运算结果进行加权平均或最大值选择，得到分辨率增强的一帧图像数据。
13.一种超声设备，其特征在于，所述超声设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行如权利要求1至11任一项所述的超声设备的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307117.XA CN117017347B (zh) | 2023-10-10 | 2023-10-10 | 超声设备的图像处理方法、系统及超声设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307117.XA CN117017347B (zh) | 2023-10-10 | 2023-10-10 | 超声设备的图像处理方法、系统及超声设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117017347A CN117017347A (zh) | 2023-11-10 |
| CN117017347B true CN117017347B (zh) | 2024-01-26 |
Family
ID=88639498
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311307117.XA Active CN117017347B (zh) | 2023-10-10 | 2023-10-10 | 超声设备的图像处理方法、系统及超声设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117017347B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117547306B (zh) * | 2024-01-09 | 2024-03-15 | 深圳华声医疗技术股份有限公司 | 基于m型超声的左心室射血分数测量方法、系统及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018119718A1 (zh) * | 2016-12-28 | 2018-07-05 | 深圳迈瑞生物医疗电子股份有限公司 | 在超声扫描中的图像提取方法、装置及超声成像系统 |
| CN110742653A (zh) * | 2019-10-31 | 2020-02-04 | 无锡祥生医疗科技股份有限公司 | 心动周期的确定方法及超声设备 |
| CN115049552A (zh) * | 2022-06-15 | 2022-09-13 | 西安应用光学研究所 | 基于结构张量加权局部对比度测量的红外小目标检测方法 |
| CN115734017A (zh) * | 2021-09-02 | 2023-03-03 | 腾讯科技（深圳）有限公司 | 视频播放方法、视频生成方法及相关装置 |
| CN115775233A (zh) * | 2022-11-23 | 2023-03-10 | 乐普（北京）医疗器械股份有限公司 | 一种基于心脏超声视频测量特征尺寸的处理方法和装置 |
| CN116763347A (zh) * | 2022-03-07 | 2023-09-19 | 深圳市理邦精密仪器股份有限公司 | 基于超声图像的胎头方向角测量方法以及相关装置 |
| CN116763354A (zh) * | 2022-03-16 | 2023-09-19 | 富士胶片医疗健康株式会社 | 超声波诊断装置以及心电波形处理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116058864A (zh) * | 2021-10-29 | 2023-05-05 | 深圳迈瑞生物医疗电子股份有限公司 | 超声数据的分类显示方法和超声成像系统 |
-
2023
- 2023-10-10 CN CN202311307117.XA patent/CN117017347B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018119718A1 (zh) * | 2016-12-28 | 2018-07-05 | 深圳迈瑞生物医疗电子股份有限公司 | 在超声扫描中的图像提取方法、装置及超声成像系统 |
| CN110742653A (zh) * | 2019-10-31 | 2020-02-04 | 无锡祥生医疗科技股份有限公司 | 心动周期的确定方法及超声设备 |
| CN115734017A (zh) * | 2021-09-02 | 2023-03-03 | 腾讯科技（深圳）有限公司 | 视频播放方法、视频生成方法及相关装置 |
| CN116763347A (zh) * | 2022-03-07 | 2023-09-19 | 深圳市理邦精密仪器股份有限公司 | 基于超声图像的胎头方向角测量方法以及相关装置 |
| CN116763354A (zh) * | 2022-03-16 | 2023-09-19 | 富士胶片医疗健康株式会社 | 超声波诊断装置以及心电波形处理方法 |
| CN115049552A (zh) * | 2022-06-15 | 2022-09-13 | 西安应用光学研究所 | 基于结构张量加权局部对比度测量的红外小目标检测方法 |
| CN115775233A (zh) * | 2022-11-23 | 2023-03-10 | 乐普（北京）医疗器械股份有限公司 | 一种基于心脏超声视频测量特征尺寸的处理方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117017347A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539930B (zh) | 基于深度学习的动态超声乳腺结节实时分割与识别的方法 | |
| US7676091B2 (en) | Method and apparatus for analysing ultrasound images | |
| US11191518B2 (en) | Ultrasound system and method for detecting lung sliding | |
| EP1690230B1 (en) | Automatic multi-dimensional intravascular ultrasound image segmentation method | |
| CN111000590B (zh) | 超声心脏多普勒研究自动化 | |
| KR101121396B1 (ko) | 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법 | |
| CN101626726B (zh) | 医学成像中病灶的识别与分析 | |
| Rajpoot et al. | Multiview fusion 3-D echocardiography: improving the information and quality of real-time 3-D echocardiography | |
| JPH07284090A (ja) | 画像分類装置 | |
| JP2009512527A (ja) | 画像登録方法及び前記画像登録方法を実施するためのアルゴリズム及び前記アルゴリズムを用いて画像を登録するためのプログラム及び対象の移動による画像アーチファクトを低減するための生体医学画像の取り扱い方法 | |
| CN117017347B (zh) | 超声设备的图像处理方法、系统及超声设备 | |
| US20220012875A1 (en) | Systems and Methods for Medical Image Diagnosis Using Machine Learning | |
| WO2019182520A1 (en) | Method and system of segmenting image of abdomen of human into image segments corresponding to fat compartments | |
| Koundal et al. | Advanced neutrosophic set-based ultrasound image analysis | |
| CN114037626A (zh) | 血管成像方法、装置、设备及存储介质 | |
| CN116869571B (zh) | 超声心脏反流自动检测评估方法、系统及装置 | |
| US8848998B1 (en) | Automated method for contrast media arrival detection for dynamic contrast enhanced MRI | |
| CN107169978B (zh) | 超声图像边缘检测方法及系统 | |
| CN113222985B (zh) | 一种图像处理方法、装置、计算机设备和介质 | |
| WO2022141083A1 (zh) | 周期性参数的分析方法和超声成像系统 | |
| CN112826535A (zh) | 一种超声成像中自动定位血管的方法和装置及设备 | |
| US20240078637A1 (en) | Systems and methods for ultrasound image processing | |
| WO2024094088A1 (en) | Systems and methods for image analysis | |
| Meiburger et al. | Automated IMT Carotid Artery Far Wall Segmentation Techniques | |
| Abid et al. | Improving Segmentation of Breast Ultrasound Images: Semi Automatic Two Pointers Histogram Splitting Technique |
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 |