CN117422628A - 一种心脏血管超声检查数据优化增强方法 - Google Patents

一种心脏血管超声检查数据优化增强方法 Download PDF

Info

Publication number
CN117422628A
CN117422628A CN202311733122.7A CN202311733122A CN117422628A CN 117422628 A CN117422628 A CN 117422628A CN 202311733122 A CN202311733122 A CN 202311733122A CN 117422628 A CN117422628 A CN 117422628A
Authority
CN
China
Prior art keywords
blood vessel
pixel points
local area
initial
obtaining
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
Application number
CN202311733122.7A
Other languages
English (en)
Other versions
CN117422628B (zh
Inventor
苏永超
谢小丹
云永子
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.)
Sanya Central Hospital Hainan Third People's Hospital Sanya Central Hospital Medical Group General Hospital
Original Assignee
Sanya Central Hospital Hainan Third People's Hospital Sanya Central Hospital Medical Group General Hospital
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 Sanya Central Hospital Hainan Third People's Hospital Sanya Central Hospital Medical Group General Hospital filed Critical Sanya Central Hospital Hainan Third People's Hospital Sanya Central Hospital Medical Group General Hospital
Priority to CN202311733122.7A priority Critical patent/CN117422628B/zh
Publication of CN117422628A publication Critical patent/CN117422628A/zh
Application granted granted Critical
Publication of CN117422628B publication Critical patent/CN117422628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10132Ultrasound image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明涉及图像处理技术领域,具体涉及一种心脏血管超声检查数据优化增强方法,包括:采集心脏病患的心脏血管灰度图像;根据心脏血管灰度图像进行窗口得到窗口大小下的初始局部区域;根据初始局部区域得到每个窗口大小的区域合理度;根据区域合理度得到若干局部区域;获取局部区域内的若干参考像素点;获取每个参考像素点的方向一致性;根据方向一致性得到若干初始血管边缘像素点;根据初始血管边缘像素点得到每个局部区域内若干血管边缘像素点;根据血管边缘像素点进行边缘检测。本发明保留了原本具有血管特征而被抑制的像素点,提高了边缘检测的精准度,使数据的优化结果更优。

Description

一种心脏血管超声检查数据优化增强方法
技术领域
本发明涉及图像处理技术领域,具体涉及一种心脏血管超声检查数据优化增强方法。
背景技术
心脏血管超声检查是一种常用的非侵入性诊断方法,用于评估心脏和血管的结构和功能;为了改善超声图像的清晰度和对心脏血管的可视化能力,需要对图像数据优化增强;其中Canny边缘检测算法是一种较为常用的优化增强方法,可以较为准确地提取心脏血管的边界,分割出心脏血管的边缘轮廓,进而增强血管超声图像的可视性。
常规的Canny边缘检测算法在对心脏血管超声图像进行边缘检测时,Canny边缘检测算法的非极大值抑制阶段只会保留梯度方向上幅值最大的像素点,以消除边缘的模糊效果;但是在心脏血管超声图像中存在部分具有血管特征的像素点会在非极大值抑制阶段中被抑制,使部分细小血管连接断裂。
发明内容
本发明提供一种心脏血管超声检查数据优化增强方法,以解决现有的问题:在心脏血管超声图像中存在部分具有血管特征的像素点会被Canny边缘检测算法的非极大值抑制阶段所抑制,使部分细小血管连接断裂。
本发明的一种心脏血管超声检查数据优化增强方法采用如下技术方案:
包括以下步骤:
采集若干心脏病患的心脏血管灰度图像;
对心脏血管灰度图像进行窗口划分得到每个窗口大小下的若干初始局部区域;根据初始局部区域得到每个窗口大小的区域合理度,所述区域合理度是指初始局部区域内的灰度分布的稳定程度;根据区域合理度得到若干局部区域;
根据局部区域内的梯度分布得到每个局部区域内的若干参考像素点;获取每个局部区域内每个参考像素点的梯度方向一致性,梯度方向一致性是指参考像素点具有血管特征的可能性;根据梯度方向一致性得到每个局部区域内每个参考像素点的方向一致性;根据方向一致性得到每个局部区域内若干初始血管边缘像素点,所述初始血管边缘像素点是指初步判断可能属于血管区域的像素点;根据初始血管边缘像素点得到每个局部区域内若干血管边缘像素点,所述血管边缘像素点是指最终判断属于血管区域边缘的像素点;
根据血管边缘像素点进行边缘检测。
优选的,所述对心脏血管灰度图像进行窗口划分得到每个窗口大小下的若干初始局部区域,包括的具体方法为:
将预设的两个窗口边长分别记为T1、T2;对于任意一张心脏血管灰度图像,窗口边长为T1,步长为1,依次降低窗口边长,直至窗口边长为T2时停止遍历,获取若干窗口大小;将任意一个窗口大小记为目标窗口大小,将心脏血管灰度图像划分为若干目标窗口大小的窗口区域,并记为初始局部区域。
优选的,所述根据初始局部区域得到每个窗口大小的区域合理度,包括的具体方法为:
对于任意一个窗口大小,式中,表示窗口大小的区域合理度;/>表示窗口大小下初始局部区域的数量;/>表示窗口大小下第/>个初始局部区域内所有像素点的灰度值的方差;/>表示窗口大小下所有初始局部区域内所有像素点灰度值的方差的均值;/>表示取绝对值;/>表示以自然常数为底的指数函数。
优选的,所述根据区域合理度得到若干局部区域,包括的具体方法为:
将区域合理度最大的窗口大小作为最佳窗口大小,将最佳窗口大小下的每个初始局部区域记为局部区域。
优选的,所述根据局部区域内的梯度分布得到每个局部区域内的若干参考像素点,包括的具体方法为:
将预设的梯度幅值阈值记为,利用sobel算子获取每个像素点的梯度幅值;对于任意一个局部区域,将局部区域内梯度幅值大于/>的像素点记为参考像素点。
优选的,所述获取每个局部区域内每个参考像素点的梯度方向一致性,包括的具体方法为:
将预设的梯度方向度数记为;利用sobel算子获取每个像素点的梯度方向度数;对于任意一个局部区域内任意一个参考像素点;
式中,表示参考像素点的梯度方向一致性;/>表示参考像素点的梯度方向度数;/>表示局部区域内所有参考像素点的梯度方向度数的均值;/>表示预设的梯度方向度数;/>表示取绝对值;/>表示以自然常数为底的指数函数。
优选的,所述根据梯度方向一致性得到每个局部区域内每个参考像素点的方向一致性,包括的具体方法为:
对于任意一个局部区域,将所有参考像素点的梯度方向一致性进行线性归一化,将归一化后的每个梯度方向一致性记为方向一致性。
优选的,所述根据方向一致性得到每个局部区域内若干初始血管边缘像素点,包括的具体方法为:
将预设的方向一致性阈值记为T5;将局部区域内梯度方向一致性小于或等于T5的参考像素点记为初始血管像素点,获取局部区域内所有初始血管像素点;
对于局部区域内任意一个初始血管像素点,若初始血管像素点的八邻域内存在其他初始血管像素点,将初始血管像素点记为初始血管边缘像素点。
优选的,所述根据初始血管边缘像素点得到每个局部区域内若干血管边缘像素点,包括的具体方法为:
对于任意一个局部区域,将局部区域内任意两个初始血管边缘像素点记为血管边缘点对,获取所有血管边缘点对;
对于任意一个血管边缘点对,将血管边缘点对中的两个初始血管边缘像素点之间的欧式距离记为血管边缘点对的差异距离;获取局部区域内所有血管边缘点对的差异距离,统计每个差异距离重复出现的次数,将重复出现次数最大的差异距离所对应的每个血管边缘点对记为最终血管边缘点对,将局部区域每个最终血管边缘点对中的初始血管边缘像素点记为血管边缘像素点。
优选的,所述根据血管边缘像素点进行边缘检测,包括的具体方法为:
对于任意一张心脏血管灰度图像上的任意一个局部区域,局部区域内除血管边缘像素点以外的像素点记为待处理像素点,对局部区域内所有待处理像素点进行非极大值抑制得到若干像素点,记为常规处理像素点;
将心脏血管灰度图像上所有局部区域内所有血管边缘像素点以及所有常规处理像素点作为Canny边缘检测的非极大值抑制阶段的输出结果,根据输出结果进行Canny边缘检测后续阶段得到心脏血管灰度图像的边缘检测图像。
本发明的技术方案的有益效果是:根据心脏血管灰度图像进行窗口划分得到窗口大小的区域合理度,根据区域合理度得到局部区域,根据局部区域获取参考像素点的方向一致性,根据方向一致性得到血管边缘像素点,根据血管边缘像素点进行边缘检测;相较于现有技术会将心脏血管超声图像中存在部分具有血管特征的像素点抑制,使部分细小血管连接断裂;本发明的区域合理度反映了初始局部区域内的灰度分布的稳定程度,梯度方向一致性反映了参考像素点具有血管特征的可能性;保留了原本具有血管特征而被抑制的像素点,提高了边缘检测的精准度,增强了血管超声图像的可视性。
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为本发明一种心脏血管超声检查数据优化增强方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种心脏血管超声检查数据优化增强方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种心脏血管超声检查数据优化增强方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种心脏血管超声检查数据优化增强方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集若干心脏病患的心脏血管灰度图像。
需要说明的是,常规的Canny边缘检测算法在对心脏血管超声图像进行边缘检测时,Canny边缘检测算法的非极大值抑制阶段只会保留梯度方向上幅值最大的像素点,以消除边缘的模糊效果;但是在心脏血管超声图像中存在部分具有血管特征的像素点会在非极大值抑制阶段中被抑制,使部分细小血管连接断裂。为此,本实施例提出了一种心脏血管超声检查数据优化增强方法。
具体的,为了实现本实施例提出的一种心脏血管超声检查数据优化增强方法,首先需要采集心脏血管灰度图像,具体过程为:利用超声机器采集若干心脏病患的心脏血管超声图像,将每张心脏血管超声图像灰度化处理得到若干心脏血管灰度图像。
至此,通过上述方法得到若干心脏血管灰度图像。
步骤S002:对心脏血管灰度图像进行窗口划分得到每个窗口大小下的若干初始局部区域;根据初始局部区域得到每个窗口大小的区域合理度;根据区域合理度得到若干局部区域。
需要说明的是,Canny边缘检测算法的非极大值抑制阶段只会保留梯度方向上幅值最大的像素点,以消除边缘的模糊效果;但由于不同部位的血管分布位置不同,遮挡物厚度不同,导致部分具有血管特征的像素点在梯度方向上的幅值较小,使这些像素点并不是梯度方向上幅值最大的像素点,从而使这些具有血管特征的像素点被抑制,导致部分细小血管连接断裂。
进一步需要说明的是,对于任意一个像素点而言,常规的非极大值抑制阶段仅是通过梯度方向上与该像素点相邻的像素点进行极大值判断;但由于心脏血管呈树杈状分布且各分支逐渐变细,会使具有血管特征的像素点周围的灰度分布不同,若仅通过梯度方向上与该像素点相邻的像素点进行极大值判断的话,像素点的参考范围过于狭小,从而使原本连接的边缘因对比的像素点数量过小而产生断裂,使边缘检测结果的准确性降低。因此,本实施例可以通过分析像素点周围的灰度分布,确定合适的参考范围作为局部区域,以便后续分析处理。
具体的,预设两个窗口边长T1、T2,其中本实施例以T1=9、T2=3为例进行叙述,本实施例不进行具体限定,其中T1、T2可根据具体实施情况而定;以任意一张心脏血管灰度图像为例,窗口边长为T1,步长为1,依次降低窗口边长,直至窗口边长为T2时停止遍历,获取若干窗口大小;以任意一个窗口大小为例,将该心脏血管灰度图像划分为若干该窗口大小的窗口区域,并将这些窗口区域均记为初始局部区域。另外需要说明的是,若该心脏血管灰度图像剩余的区域大小不满足该窗口大小,那么将该心脏血管灰度图像剩余的区域记为一个初始局部区域。其中初始局部区域包含多个像素点。
进一步的,根据该窗口大小下所有初始局部区域内的灰度分布得到该窗口大小的区域合理度。其中该窗口大小的区域合理度的计算方法为:
式中,表示该窗口大小的区域合理度;/>表示该窗口大小下初始局部区域的数量;/>表示该窗口大小下第/>个初始局部区域内所有像素点的灰度值的方差;/>表示该窗口大小下所有初始局部区域内所有像素点灰度值的方差的均值;/>表示取绝对值;/>表示以自然常数为底的指数函数;实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数。其中若该窗口大小的区域合理度越大,说明该初始局部区域内存在的细小血管的可能性越大,该初始局部区域内的灰度分布越稳定。
进一步的,获取所有窗口大小的区域合理度,将区域合理度最大的窗口大小作为最佳窗口大小,将最佳窗口大小下的每个初始局部区域记为局部区域。其中局部区域包含多个像素点。
至此,通过上述方法得到若干局部区域。
步骤S003:根据局部区域内的梯度分布得到每个局部区域内的若干参考像素点;获取每个局部区域内每个参考像素点的梯度方向一致性;根据梯度方向一致性得到每个局部区域内每个参考像素点的方向一致性;根据方向一致性得到每个局部区域内若干初始血管边缘像素点;根据初始血管边缘像素点得到每个局部区域内若干血管边缘像素点。
需要说明的是,在确定合适大小的局部区域后,不同局部区域内的像素点特征不同;在部分包含血管区域的局部区域中,虽然心脏血管呈树杈状分布,血管具体的细节分支存在一定的不规律性,但是血管整体会趋向一个方向进行树杈状分布,导致梯度方向也会同向趋势,因此可以根据局部区域内梯度方向的分布确定属于血管边缘的像素点,以便后面分析处理。
具体的,分别预设一个梯度方向度数以及一个梯度幅值阈值/>,其中本实施例以/>=/>、/>=10为例进行叙述,本实施例不进行具体限定,其中/>、/>可根据具体实施情况而定;利用sobel算子获取每个像素点的梯度方向度数以及梯度幅值;以任意一个局部区域为例,将该局部区域内梯度幅值大于/>的像素点记为参考像素点。其中sobel算子是公知技术,本实施例不再赘述;每个像素点的局部区域内包含多个参考像素点。
进一步的,以该局部区域内任意一个参考像素点为例,根据该局部区域内所有参考像素点的梯度方向度数以及该参考像素点得到该参考像素点的梯度方向一致性。另外该参考像素点的梯度方向一致性的计算方法为:
式中,表示该参考像素点的梯度方向一致性;/>表示该参考像素点的梯度方向度数;/>表示该局部区域内所有参考像素点的梯度方向度数的均值;/>表示预设的梯度方向度数;/>表示取绝对值;/>表示以自然常数为底的指数函数;实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数。其中若该参考像素点的梯度方向一致性越大,说明该参考像素点越有可能具有血管特征,反映该参考像素点越有可能属于血管边缘。获取该局部区域内所有参考像素点的梯度方向一致性,将所有参考像素点的梯度方向一致性进行线性归一化,将归一化后的每个梯度方向一致性记为方向一致性。
进一步的,预设一个方向一致性阈值T5,其中本实施例以T5=0.3为例进行叙述,本实施例不进行具体限定,其中T5可根据具体实施情况而定;将该局部区域内梯度方向一致性小于或等于T5的参考像素点记为初始血管像素点,获取该局部区域内所有初始血管像素点;以该局部区域内任意一个初始血管像素点为例,若该初始血管像素点的八邻域内存在其他初始血管像素点,那么将该初始血管像素点记为初始血管边缘像素点,获取该局部区域内所有初始血管边缘像素点。
进一步的,将该局部区域内任意两个初始血管边缘像素点记为血管边缘点对,获取所有血管边缘点对;以任意一个血管边缘点对为例,将该血管边缘点对中的两个初始血管边缘像素点之间的欧式距离记为该血管边缘点对的差异距离;获取该局部区域内所有血管边缘点对的差异距离,统计每个差异距离重复出现的次数,将重复出现次数最大的差异距离所对应的每个血管边缘点对记为最终血管边缘点对,将该局部区域每个最终血管边缘点对中的初始血管边缘像素点记为血管边缘像素点。获取所有局部区域内所有血管边缘像素点。其中欧式距离的获取为公知技术,本实施例不再赘述。
至此,通过上述方法得到所有局部区域内所有血管边缘像素点。
步骤S004:根据血管边缘像素点进行边缘检测。
具体的,以任意一个局部区域为例,该局部区域内除血管边缘像素点以外的像素点记为待处理像素点,对该局部区域内所有待处理像素点进行非极大值抑制得到若干像素点,记为常规处理像素点;将该心脏血管灰度图像上所有局部区域内所有血管边缘像素点以及所有常规处理像素点作为常规Canny边缘检测的非极大值抑制阶段的输出结果,根据输出结果进行Canny边缘检测后续阶段得到该心脏血管灰度图像的边缘检测图像;获取所有心脏血管灰度图像的边缘检测图像,完成心脏血管超声检查数据优化增强。其中非极大值抑制是Canny边缘检测算法的公知内容,本实施例不再赘述。
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)

1.一种心脏血管超声检查数据优化增强方法,其特征在于,该方法包括以下步骤:
采集若干心脏病患的心脏血管灰度图像;
对心脏血管灰度图像进行窗口划分得到每个窗口大小下的若干初始局部区域;根据初始局部区域得到每个窗口大小的区域合理度,所述区域合理度是指初始局部区域内的灰度分布的稳定程度;根据区域合理度得到若干局部区域;
根据局部区域内的梯度分布得到每个局部区域内的若干参考像素点;获取每个局部区域内每个参考像素点的梯度方向一致性,梯度方向一致性是指参考像素点具有血管特征的可能性;根据梯度方向一致性得到每个局部区域内每个参考像素点的方向一致性;根据方向一致性得到每个局部区域内若干初始血管边缘像素点,所述初始血管边缘像素点是指初步判断可能属于血管区域的像素点;根据初始血管边缘像素点得到每个局部区域内若干血管边缘像素点,所述血管边缘像素点是指最终判断属于血管区域边缘的像素点;
根据血管边缘像素点进行边缘检测。
2.根据权利要求1所述一种心脏血管超声检查数据优化增强方法,其特征在于,所述对心脏血管灰度图像进行窗口划分得到每个窗口大小下的若干初始局部区域,包括的具体方法为:
将预设的两个窗口边长分别记为T1、T2;对于任意一张心脏血管灰度图像,窗口边长为T1,步长为1,依次降低窗口边长,直至窗口边长为T2时停止遍历,获取若干窗口大小;将任意一个窗口大小记为目标窗口大小,将心脏血管灰度图像划分为若干目标窗口大小的窗口区域,并记为初始局部区域。
3.根据权利要求1所述一种心脏血管超声检查数据优化增强方法,其特征在于,所述根据初始局部区域得到每个窗口大小的区域合理度,包括的具体方法为:
对于任意一个窗口大小,式中,表示窗口大小的区域合理度;/>表示窗口大小下初始局部区域的数量;/>表示窗口大小下第/>个初始局部区域内所有像素点的灰度值的方差;/>表示窗口大小下所有初始局部区域内所有像素点灰度值的方差的均值;/>表示取绝对值;表示以自然常数为底的指数函数。
4.根据权利要求1所述一种心脏血管超声检查数据优化增强方法,其特征在于,所述根据区域合理度得到若干局部区域,包括的具体方法为:
将区域合理度最大的窗口大小作为最佳窗口大小,将最佳窗口大小下的每个初始局部区域记为局部区域。
5.根据权利要求1所述一种心脏血管超声检查数据优化增强方法,其特征在于,所述根据局部区域内的梯度分布得到每个局部区域内的若干参考像素点,包括的具体方法为:
将预设的梯度幅值阈值记为,利用sobel算子获取每个像素点的梯度幅值;对于任意一个局部区域,将局部区域内梯度幅值大于/>的像素点记为参考像素点。
6.根据权利要求1所述一种心脏血管超声检查数据优化增强方法,其特征在于,所述获取每个局部区域内每个参考像素点的梯度方向一致性,包括的具体方法为:
将预设的梯度方向度数记为;利用sobel算子获取每个像素点的梯度方向度数;对于任意一个局部区域内任意一个参考像素点;
式中,表示参考像素点的梯度方向一致性;/>表示参考像素点的梯度方向度数;/>表示局部区域内所有参考像素点的梯度方向度数的均值;/>表示预设的梯度方向度数;/>表示取绝对值;/>表示以自然常数为底的指数函数。
7.根据权利要求1所述一种心脏血管超声检查数据优化增强方法,其特征在于,所述根据梯度方向一致性得到每个局部区域内每个参考像素点的方向一致性,包括的具体方法为:
对于任意一个局部区域,将所有参考像素点的梯度方向一致性进行线性归一化,将归一化后的每个梯度方向一致性记为方向一致性。
8.根据权利要求1所述一种心脏血管超声检查数据优化增强方法,其特征在于,所述根据方向一致性得到每个局部区域内若干初始血管边缘像素点,包括的具体方法为:
将预设的方向一致性阈值记为T5;将局部区域内梯度方向一致性小于或等于T5的参考像素点记为初始血管像素点,获取局部区域内所有初始血管像素点;
对于局部区域内任意一个初始血管像素点,若初始血管像素点的八邻域内存在其他初始血管像素点,将初始血管像素点记为初始血管边缘像素点。
9.根据权利要求1所述一种心脏血管超声检查数据优化增强方法,其特征在于,所述根据初始血管边缘像素点得到每个局部区域内若干血管边缘像素点,包括的具体方法为:
对于任意一个局部区域,将局部区域内任意两个初始血管边缘像素点记为血管边缘点对,获取所有血管边缘点对;
对于任意一个血管边缘点对,将血管边缘点对中的两个初始血管边缘像素点之间的欧式距离记为血管边缘点对的差异距离;获取局部区域内所有血管边缘点对的差异距离,统计每个差异距离重复出现的次数,将重复出现次数最大的差异距离所对应的每个血管边缘点对记为最终血管边缘点对,将局部区域每个最终血管边缘点对中的初始血管边缘像素点记为血管边缘像素点。
10.根据权利要求1所述一种心脏血管超声检查数据优化增强方法,其特征在于,所述根据血管边缘像素点进行边缘检测,包括的具体方法为:
对于任意一张心脏血管灰度图像上的任意一个局部区域,局部区域内除血管边缘像素点以外的像素点记为待处理像素点,对局部区域内所有待处理像素点进行非极大值抑制得到若干像素点,记为常规处理像素点;
将心脏血管灰度图像上所有局部区域内所有血管边缘像素点以及所有常规处理像素点作为Canny边缘检测的非极大值抑制阶段的输出结果,根据输出结果进行Canny边缘检测后续阶段得到心脏血管灰度图像的边缘检测图像。
CN202311733122.7A 2023-12-18 2023-12-18 一种心脏血管超声检查数据优化增强方法 Active CN117422628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311733122.7A CN117422628B (zh) 2023-12-18 2023-12-18 一种心脏血管超声检查数据优化增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311733122.7A CN117422628B (zh) 2023-12-18 2023-12-18 一种心脏血管超声检查数据优化增强方法

Publications (2)

Publication Number Publication Date
CN117422628A true CN117422628A (zh) 2024-01-19
CN117422628B CN117422628B (zh) 2024-03-05

Family

ID=89531089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311733122.7A Active CN117422628B (zh) 2023-12-18 2023-12-18 一种心脏血管超声检查数据优化增强方法

Country Status (1)

Country Link
CN (1) CN117422628B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117874433A (zh) * 2024-03-08 2024-04-12 深圳市纯水一号水处理科技有限公司 一种水处理用深度脱氮生物过滤装备监测系统
CN117974528A (zh) * 2024-04-02 2024-05-03 北京易优联科技有限公司 一种肾活检切片影像优化增强方法
CN117974652A (zh) * 2024-03-29 2024-05-03 大连智驱科技有限公司 基于机器视觉的超声影像辅助定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116071355A (zh) * 2023-03-06 2023-05-05 山东第一医科大学第二附属医院 一种用于外周血管影像的辅助分割系统及方法
CN116703784A (zh) * 2023-08-02 2023-09-05 济南宝林信息技术有限公司 一种心脏超声图像视觉增强方法
CN117237591A (zh) * 2023-11-16 2023-12-15 西安道法数器信息科技有限公司 一种心脏超声影像伪影智能去除方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116071355A (zh) * 2023-03-06 2023-05-05 山东第一医科大学第二附属医院 一种用于外周血管影像的辅助分割系统及方法
CN116703784A (zh) * 2023-08-02 2023-09-05 济南宝林信息技术有限公司 一种心脏超声图像视觉增强方法
CN117237591A (zh) * 2023-11-16 2023-12-15 西安道法数器信息科技有限公司 一种心脏超声影像伪影智能去除方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117874433A (zh) * 2024-03-08 2024-04-12 深圳市纯水一号水处理科技有限公司 一种水处理用深度脱氮生物过滤装备监测系统
CN117874433B (zh) * 2024-03-08 2024-05-17 深圳市纯水一号水处理科技有限公司 一种水处理用深度脱氮生物过滤装备监测系统
CN117974652A (zh) * 2024-03-29 2024-05-03 大连智驱科技有限公司 基于机器视觉的超声影像辅助定位方法
CN117974528A (zh) * 2024-04-02 2024-05-03 北京易优联科技有限公司 一种肾活检切片影像优化增强方法

Also Published As

Publication number Publication date
CN117422628B (zh) 2024-03-05

Similar Documents

Publication Publication Date Title
CN117422628B (zh) 一种心脏血管超声检查数据优化增强方法
CN110717888B (zh) 一种血管内光学相干层析成像血管壁内轮廓自动识别方法
CN112716446B (zh) 高血压性视网膜病变的病变特征的测量方法及测量系统
CN111667467B (zh) 基于聚类算法的下肢血管钙化指数多参数累积计算方法
CN110448335B (zh) 一种基于超声图像的胎儿头围全自动测量方法和装置
CN117408929B (zh) 基于图像特征的肿瘤ct图像区域动态增强方法
CN117649357B (zh) 一种基于图像增强的超声图像处理方法
CN116993628B (zh) 一种用于肿瘤射频消融引导的ct图像增强系统
CN117557460B (zh) 一种血管造影图像增强方法
CN116071355A (zh) 一种用于外周血管影像的辅助分割系统及方法
CN111105427B (zh) 一种基于连通区域分析的肺部图像分割方法及系统
CN111223090A (zh) 人体肺部ct图像中肿瘤图像的识别系统
JPH1097624A (ja) 異常陰影候補の検出方法および装置
JP2002269539A (ja) 画像処理装置、画像処理装置方法、及び画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体、並びにこれを用いた診断支援システム
CN111145155A (zh) 一种睑板腺腺体的识别方法
CN114693672A (zh) 一种基于图像处理的乳腺钼靶图像皮肤腺及乳头去除方法
Kiraly et al. 3D human airway segmentation for virtual bronchoscopy
CN116993764B (zh) 一种胃部ct智能分割提取方法
CN113012127A (zh) 基于胸部医学影像的心胸比测量方法
CN107169978B (zh) 超声图像边缘检测方法及系统
CN116596810B (zh) 一种脊柱内镜影像自动增强方法
CN115631194B (zh) 颅内动脉瘤识别检测的方法、装置、设备及介质
CN111899272A (zh) 基于耦合神经网络和线连接器的眼底图像血管分割方法
CN115841472A (zh) 大脑中动脉高密度征识别方法、装置、设备及存储介质
CN112258533B (zh) 一种超声图像中小脑蚓部的分割方法

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
GR01 Patent grant