CN117426789A - 自动匹配体位图的方法及超声成像系统 - Google Patents
自动匹配体位图的方法及超声成像系统 Download PDFInfo
- Publication number
- CN117426789A CN117426789A CN202210854375.9A CN202210854375A CN117426789A CN 117426789 A CN117426789 A CN 117426789A CN 202210854375 A CN202210854375 A CN 202210854375A CN 117426789 A CN117426789 A CN 117426789A
- Authority
- CN
- China
- Prior art keywords
- body position
- map
- candidate
- preset
- position map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 115
- 238000003384 imaging method Methods 0.000 title claims abstract description 18
- 238000002604 ultrasonography Methods 0.000 claims description 105
- 238000007689 inspection Methods 0.000 claims description 48
- 210000003484 anatomy Anatomy 0.000 claims description 39
- 238000012285 ultrasound imaging Methods 0.000 claims description 33
- 230000011218 segmentation Effects 0.000 claims description 23
- 239000000523 sample Substances 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 13
- 238000001514 detection method Methods 0.000 description 16
- 210000001519 tissue Anatomy 0.000 description 14
- 238000013135 deep learning Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 210000000056 organ Anatomy 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 210000003754 fetus Anatomy 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000004579 scanning voltage microscopy Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000003187 abdominal effect Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000002458 fetal heart Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000001672 ovary Anatomy 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 210000001103 thalamus Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000270295 Serpentes Species 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000002611 ovarian Effects 0.000 description 1
- 238000009597 pregnancy test Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 210000003606 umbilical vein Anatomy 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
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/461—Displaying means of special interest
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请提供一种自动匹配体位图的方法及超声成像系统,应用于超声成像系统,所述超声成像系统包括处理器,所述方法包括:所述处理器获取受检对象的受检部位的超声图像;所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,所述体位图关联信息包括各个预设体位图的使用频次信息和/或当前检查模式;显示所述超声图像和所述目标体位图。本申请的方法和系统,能够方便快捷准确的获取到医生想要的体位图,大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
Description
技术领域
本申请涉及超声成像技术领域,更具体地涉及一种自动匹配体位图的方法及超声成像系统。
背景技术
超声成像系统是指通过探头获取人体组织部位超声图像的设备,由于其具有无创、安全、方便以及价格低廉等优点,已经成为医生诊断的主要辅助手段之一。在医生观察人体内部结构时,需要将探头接触按压到对应部位的皮肤表面,随后超声波经过一系列处理后形成图像显示在屏幕上。
体位图是指在超声成像系统使用过程中屏幕上所显示的对应人体器官、组织或部位的轮廓示意图,体位图能给医生或患者带来醒目的指示作用,并在临床上具有实用价值。然而由于受检器官、组织和部位众多,加上在不同检查模式(如产科、妇科、乳腺等)下医生重点察看的部位也不同,从而导致体位图的数量也极为繁多。然而目前体位图的选择操作让医生在临床使用体位图上并不便捷,甚至有可能在条目繁多的选择列表里反复勾选而无法发现想要的体位图,影响诊断流程。
鉴于上述问题中的至少一个,本申请提出一种新的自动匹配体位图的方法及超声成像系统。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
本申请实施例一方面提供了一种自动匹配体位图的方法,应用于超声成像系统,所述超声成像系统包括处理器,所述方法包括:
所述处理器获取受检对象的受检部位的超声图像;
所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,所述体位图关联信息包括各个预设体位图的使用频次信息和/或当前检查模式;
显示所述超声图像和所述目标体位图。
本申请实施例再一方面提供了一种自动匹配体位图的方法,应用于超声成像系统,所述超声成像系统包括处理器,所述方法包括:
所述处理器获取受检对象的受检部位的超声图像;
所述处理器基于所述超声图像,获取所述受检部位的类别名称;
所述处理器基于所述受检部位的类别名称,从多个预设体位图中获取与所述类别名称对应的目标体位图;
显示所述超声图像和所述目标体位图。
本申请实施例另一方面提供了一种自动匹配体位图的方法,应用于超声成像系统,所述超声成像系统包括处理器,所述方法包括:
所述处理器获取受检对象的受检部位的超声图像;
所述处理器从所述超声图像中分割获取关键解剖结构的分割轮廓;
所述处理器将所述分割轮廓与多个预设体位图中的至少部分预设体位图进行匹配,以获得至少部分预设体位图对应的相似度;
显示所述预设体位图中相似度大于预设相似度的一个或多个候选体位图,或者,显示所述预设体位图中相似度大于预设相似度的一个或多个候选体位图以及每个所述候选体位图对应的相似度,或者,显示相似度最高的预设体位图和所述超声图像。
本申请实施例又一方面提供了一种超声成像系统,所述超声成像系统包括:
超声探头;
发射电路,用于激励所述超声探头向受检对象的受检部位发射超声波;
接收电路,用于接收从所述受检部位返回的基于所述超声波的超声回波,得到超声回波信号;
处理器,用于:根据所述超声回波信号得到所述受检对象的受检部位的超声图像;
所述处理器还用于执行前述的自动匹配体位图的方法;
显示器,用于显示各种可视化信息。
根据本申请的自动匹配体位图的方法和超声成像系统,能够方便快捷准确的获取到医生想要的体位图,大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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。
在附图中:
图1示出根据本申请一实施例的超声成像系统的示意性框图;
图2示出根据本申请一实施例的体位图的示意图;
图3示出根据本申请一实施例的自动匹配体位图的方法的示意性流程图;
图4示出根据本申请一实施例的一张关于“脊柱中段”的超声图像的示意图;
图5示出了按系统原固定顺序排列体位图的示意图;
图6示出根据本申请一实施例的自动匹配体位图的方法确定显示的体位图的示意图;
图7示出根据本申请一实施例的显示的超声图像及目标体位图的示意图,其中,体位图位于左下角;
图8示出根据本申请另一实施例的自动匹配体位图的方法的示意性流程图;
图9示出根据本申请再一实施例的自动匹配体位图的方法的示意性流程图。
具体实施方式
为了使得本申请的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请中描述的本申请实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本申请的保护范围之内。
在下文的描述中,给出了大量具体的细节以便提供对本申请更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本申请可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本申请发生混淆,对于本领域公知的一些技术特征未进行描述。
应当理解的是,本申请能够以不同形式实施,而不应当解释为局限于这里提出的实施例。相反地,提供这些实施例将使公开彻底和完全,并且将本申请的范围完全地传递给本领域技术人员。
在此使用的术语的目的仅在于描述具体实施例并且不作为本申请的限制。在此使用时,单数形式的“一”、“一个”和“所述/该”也意图包括复数形式,除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”,当在该说明书中使用时,确定所述特征、整数、步骤、操作、元件和/或部件的存在,但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时,术语“和/或”包括相关所列项目的任何及所有组合。
为了彻底理解本申请,将在下列的描述中提出详细的结构,以便阐释本申请提出的技术方案。本申请的可选实施例详细描述如下,然而除了这些详细描述外,本申请还可以具有其他实施方式。
下面,首先参考图1描述根据本申请一个实施例的超声成像系统,图1示出了根据本申请实施例的超声成像系统100的示意性结构框图。
如图1所示,超声成像系统100包括超声探头110、发射电路112、接收电路114、处理器116和显示器118。进一步地,超声成像系统100还可以包括发射/接收选择开关120和波束合成模块122,发射电路112和接收电路114可以通过发射/接收选择开关120与超声探头110连接。
超声探头110包括多个换能器阵元,多个换能器阵元可以排列成一排构成线阵,或排布成二维矩阵构成面阵,多个换能器阵元也可以构成凸阵列。换能器阵元用于根据激励电信号发射超声波,或将接收的超声波转换为电信号,因此每个换能器阵元可用于实现电脉冲信号和超声波的相互转换,从而实现向被测胎儿的心脏部位发射超声波、也可用于接收经被测胎儿的心脏部位反射回的超声波回波。在进行超声检测时,可通过发射序列和接收序列控制哪些换能器阵元用于发射超声波,哪些换能器阵元用于接收超声波,或者控制换能器阵元分时隙用于发射超声波或接收超声波的回波。参与超声波发射的换能器阵元可以同时被电信号激励,从而同时发射超声波;或者,参与超声波束发射的换能器阵元也可以被具有一定时间间隔的若干电信号激励,从而持续发射具有一定时间间隔的超声波。
在超声成像过程中,发射电路112用于激励所述超声探头向受检对象的受检部位发射超声波,发射电路112将经过延迟聚焦的发射脉冲通过发射/接收选择开关120发送到超声探头110。超声探头110受发射脉冲的激励而沿相应的二维(2D)扫描平面向受测机体组织发射相应的超声波形,经一定延时后,接收电路114接收从受测机体组织反射回来的带有组织信息的超声回波,并将此超声回波重新转换为电信号。接收电路114接收超声探头110转换生成的电信号,获得超声回波信号,并将这些超声回波信号送入波束合成模块122,波束合成模块122对超声回波数据进行聚焦延时、加权和通道求和等处理,然后送入处理器116。处理器116的信号处理模块对信号进行处理,处理器116根据所述超声回波信号得到所述受检对象的受检部位的超声图像,具体地,处理器116根据每次发射/接收信号的空间位置关系将经过信号处理模块处理的信号进行相应的二维超声图像重建,经过去噪、平滑、增强等相应的部分或全部图像后处理步骤后,获取受测机体组织的二维超声数据例如超声图像。
可选地,处理器116可以实现为软件、硬件、固件或其任意组合,并且可以使用单个或多个专用集成电路(Application Specific Integrated Circuit,ASIC)、单个或多个通用集成电路、单个或多个微处理器、单个或多个可编程逻辑器件、或者前述电路和/或器件的任意组合、或者其他适合的电路或器件。并且,处理器116可以控制超声成像系统100中的其它组件以执行本说明书中的各个实施例中的自动匹配体位图的方法的相应步骤,有关自动匹配体位图的方法的各个细节将在下文中描述。
显示器118与处理器116连接,显示器118可以为触摸显示屏、液晶显示屏等;或者,显示器118可以为独立于超声成像系统100之外的液晶显示器、电视机等独立显示器;或者,显示器118可以是智能手机、平板电脑等电子设备的显示屏,等等。其中,显示器118的数量可以为一个或多个。
显示器118用于显示各种可视化信息,其可以显示处理器116得到的超声图像。此外,显示器118在显示超声图像的同时还可以提供给用户进行人机交互的图形界面,在图形界面上设置一个或多个被控对象,提供给用户利用人机交互装置输入操作指令来控制这些被控对象,从而执行相应的控制操作。例如,在图形界面上显示图标,利用人机交互装置可以对该图标进行操作,用来执行特定的功能,例如在超声图像上绘制出感兴趣区域框等。
可选地,超声成像系统100还可以包括显示器118之外的其他人机交互装置,其与处理器116连接,例如,处理器116可以通过外部输入/输出端口与人机交互装置连接,外部输入/输出端口可以是无线通信模块,也可以是有线通信模块,或者两者的组合。外部输入/输出端口也可基于USB、如CAN等总线协议、和/或有线网络协议等来实现。
其中,人机交互装置可以包括输入设备,用于检测用户的输入信息,该输入信息例如可以是对超声波发射/接收时序的控制指令,可以是在超声图像上绘制出点、线或框等的操作输入指令,或者还可以包括其他指令类型。输入设备可以包括键盘、鼠标、滚轮、轨迹球、移动式输入设备(例如带触摸显示屏的移动设备、手机等等)、多功能旋钮等等其中之一或者多个的结合。人机交互装置还可以包括诸如打印机之类的输出设备。
超声成像系统100还可以包括存储器124,用于存储处理器116执行的指令、存储接收到的超声回波等等。存储器可以为闪存卡、固态存储器、硬盘等。其可以为易失性存储器和/或非易失性存储器,为可移除存储器和/或不可移除存储器等。
应理解,图1所示的超声成像系统100所包括的部件只是示意性的,其可以包括更多或更少的部件。本申请对此不限定。
体位图是指在超声仪器使用过程中屏幕上所显示的对应人体器官、组织或部位的轮廓示意图,如图2为它的一种表现形式,该图对应的受检部位为卵巢。体位图能给医生或患者带来醒目的指示作用,并在临床上具有实用价值,例如,1)便于留底。医生可在临床检查中使用它来标记当前受检部位,待一段时间过后重新翻阅检查可根据该体位图回忆起检查细节;2)便于会诊。甲医生在临床检查中标记体位图,图像数据传输到异地异院后,乙医生可通过体位图知晓甲医生采集超声图像时的受检部位或组织;3)便于教学。在培训实习医生时,体位图能大大提高实习医生的理解过程,提高教学效率。
由于受检器官、组织和部位众多,加上在不同检查模式(如产科、妇科、乳腺等)下医生重点察看的部位也不同,从而导致体位图的数量也极为繁多。一般地,在现有的超声仪器上,有如下两种选择体位图的方法。1)体位图按照固定(出厂设置或用户自定义)的排列顺序供医生挑选。这种方式对使用者的体验并不友好,比如,如果当前检查模式下设定好的脊柱体位图排列在选择列表的第二页,那么每次医生标记脊柱的时候都需要翻页。若将脊柱体位图往第一页提,则意味着原本处于第一页的某个部位体位图(如胎心)就要往后一页放置,每次医生标记胎心时也需要翻页才可实现。2)用户先行输入有关体位图的文本信息,再根据文本信息得到若干个候选的体位图,医生再从中选择合适的一个。这种方法是方法1)的改进,但还是增加了医生的操作步骤,包括敲击键盘输入文本信息,此时则相当于在图像中加上注释一样。综上,目前机械化的操作让医生在临床使用体位图上并不便捷,甚至有可能在条目繁多的选择列表里反复勾选而无法发现想要的体位图,影响诊断流程。
鉴于上述问题的存在,本申请提供一些自动匹配体位图的方法,下文中将逐一进行解释和说明。
下面参照图3描述本申请实施例提出的自动匹配体位图的方法,图3是本申请实施例的自动匹配体位图的方法300的一个示意性流程图。本申请实施例的自动匹配体位图的方法用于超声成像系统,超声成像系统包括超声探头、处理器和显示器,该超声成像系统可以实现为如上的超声成像系统100。具体地,本申请实施例的自动匹配体位图的方法300包括如下步骤:
在步骤S310中,处理器获取受检对象的受检部位的超声图像;
在步骤S320中,处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,所述体位图关联信息包括各个预设体位图的使用频次信息和/或当前检查模式;
在步骤S330中,显示所述超声图像和所述目标体位图。
根据本申请的自动匹配体位图的方法,能够方便快捷准确的获取到医生想要的体位图,大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
具体地,在步骤S310中,可以通过前述的超声成像系统100获取超声图像,该超声图像可以是二维超声图像,或者三维超声图像等,在超声成像过程中,发射电路用于激励所述超声探头向受检对象的受检部位发射超声波,发射电路将经过延迟聚焦的发射脉冲通过发射/接收选择开关发送到超声探头。超声探头受发射脉冲的激励而沿相应的二维(2D)扫描平面向受测机体组织发射相应的超声波形,经一定延时后,接收电路接收从受测机体组织反射回来的带有组织信息的超声回波,并将此超声回波重新转换为电信号。接收电路接收超声探头转换生成的电信号,获得超声回波信号,并将这些超声回波信号送入波束合成模块,波束合成模块对超声回波数据进行聚焦延时、加权和通道求和等处理,然后送入处理器。处理器的信号处理模块对信号进行处理,处理器还根据每次发射/接收信号的空间位置关系将经过信号处理模块处理的信号进行相应的二维超声图像重建,经过去噪、平滑、增强等相应的部分或全部图像后处理步骤后,获取受测机体组织(也称受检部位)的二维超声数据例如二维超声图像。
可选地,本申请的超声图像可以是超声静态图像或超声动态图像(如视频/4D图像)。或者,还可以在获取的超声数据中将动态图像中的某一帧挑选出来作为静态图像输入等。
为了便于医生获取到受检部位对应的体位图,可以通过以下多个实现方式来实现步骤S320。
例如,可以通过自动和手动的相结合的方式获取目标体位图,在一个实施例中,步骤S320可以包括:对所述预设体位图按照各自对应的使用频次从高到低的顺序进行排序;按照所述排序显示预置位数之前的多个所述预设体位图,由于使用频次越高其是当前医生想要的体位图的概率更大,通过根据使用频次从高到低的顺序进行排序可以提高命中医生想要的体位图的概率,并且通过显示预置位数之前的多个所述预设体位图,大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅;基于用户指令,在多个所述预设体位图中选择所述目标体位图,其中所述超声图像用于指引所述用户从多个所述预设体位图中选择所述目标体位图,通过超声图像作为指引,医生可以在呈现的少量体位图中选择想要的目标体位图。
值得一提的是,在本申请中,用户指令可以是检测到针对某一候选体位图的选择操作而生成的,该操作包括但不限于滑动轨迹球(超声成像系统上类似鼠标滚轮的方向指示器)选择、用户在触摸屏上手触选择、按压键盘的上下左右方向键选择等。
在本申请中,从高到低的顺序进行排序,可以使使用频次越高的排位数高,或者使用频次越高的排位数越低,则预置位数可以根据实际需要合理设定,在一些示例中,使用频次越高的排位数越低,则预置位数可以是1至10中的任意位数或者其他适合的位数,例如预置位数是10,则预置位数之前的预设体位图则是指的排位数1至10的预设体位图,在另一些实施例中,使用频次越高的排位数高,例如总共有20个预设体位图参与排序,预置位数则可以是指的10至20之间的任意一个位数,则预置位数之前则可以是指的预置位数越来越大,例如预置位数为10,则预置位数之前的预设体位图则可以是指的10至20位数的预设体位图。
还可以通过使用频次和超声图像结合来获取目标体位图,例如,处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:对所述预设体位图按照各自对应的使用频次从高到低的顺序进行排序,以获取候选体位图,其中,所述候选体位图包括预置位数之前的所述预设体位图;提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图,通过先根据使用频次进行筛选的过程,可以减少用于匹配的体位图的数量,有利于提升匹配效率,从而快速获得目标体位图。
进一步,本申请还可以结合当前检查模式来获取目标体位图,其中,当前检查模式是指的在进行获取该超声图像之前医生所选择的检查模式,其通常和受检部位相关联,例如,受检部位为腹部器官,则其对应的当前检查模式则可以是腹部检查模式,再例如受检部位为乳腺,则其对应的当前检查模式则是乳腺检查模式,再例如受检部位为卵巢,则其对应的当前检查模式则可以妇科检查模式等,再例如,当前检查模式是产科检查模式,则受检部位是胎儿。
在一些实施例中,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:基于所述当前检查模式,获取所述当前检查模式下对应的多个所述预设体位图;显示所述当前检查模式下对应的多个所述预设体位图;基于用户指令,在所述当前检查模式下对应的多个所述预设体位图中选择所述目标体位图,其中所述超声图像用于指引所述用户从多个所述预设体位图中选择所述目标体位图,例如,当前检查模式为盆腔检查模式,则显示和盆腔模式对应的多个预设体位图(例如卵巢体位图等)。由于超声成像系统通常具有多种检查模式,而每种检查模式又对应多种预设体位图,通过当前检查模式作为筛选,可以显著减少不相关的体位图的数量,大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
在另一些实施例中,还可以将当前检查模式和超声图像结合来自动或者半自动的匹配出目标体位图,例如所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:基于所述当前检查模式,在所述预设体位图中获取所述当前检查模式下对应的所述预设体位图作为候选体位图;提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图。
在一些实施例中,还可以将超声图像、使用频次和当前检查模式三者结合来获取目标体位图,例如所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:基于所述当前检查模式,获取所述当前检查模式下对应的多个所述预设体位图;对所述当前检查模式下对应的多个所述预设体位图按照使用频次从高到低的顺序进行排序,以获取候选体位图,所述候选体位图包括预置位数之前的所述预设体位图;提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图,或者,显示所述候选体位图,并基于用户指令,在所述候选体位图中选择所述目标体位图,其中所述超声图像用于指引所述用户从所述候选体位图中选择所述目标体位图。通过当前检查模式作为筛选,在结合使用频次进行排序,可以显著减少不相关的体位图的数量,大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
在一些实施例中,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:对所述预设体位图按照使用频次从高到低的顺序进行排序,以获取候选体位图,所述候选体位图包括预置位数之前的所述预设体位图;基于所述当前检查模式,从所述候选体位图中获取所述当前检查模式下对应的所述候选体位图;基于用户指令,在所述当前检查模式下对应的所述候选体位图中选择所述目标体位图,其中所述超声图像用于指引所述用户从多个所述预设体位图中选择所述目标体位图;或者提取所述超声图像的图像特征,并基于所述图像特征和所述当前检查模式下对应的所述候选体位图进行匹配,以获得所述目标体位图,通过先依据使用频次进行排序,之后在通过当前检查模式进行筛选,从而进一步减少候选体位图的数量,从而加快自动匹配时的匹配效率,或者,减少手动选择时呈现的候选体位图的数量,便于用户快速获取到想要的目标体位图。
在一些实施例中,还可以通过检查模式结合超声图像来综合获得体位图和超声图像的匹配分数,从而确定目标体位图,具体地,例如所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括以下步骤:基于各个所述预设体位图对应的检查模式,确定各个所述预设体位图对应的第一分数,其中,所述当前检查模式对应的所述预设体位图的第一分数高于其他检查模式对应的所述预设体位图的第一分数,例如,可以给予当前检查模式赋予一个大于0的分数,而给予其他检查模式赋予0分;提取所述超声图像的图像特征,并基于所述图像特征和所述预设体位图进行匹配,以获得每个所述预设体位图对应的第三分数,其中所述第三分数越高则表示相似度越高,该相似度的获取的方式将在下文中描述;基于所述第一分数和所述第三分数,获取每个所述预设体位图对应的匹配分数,例如可以将每个预设体位图对应的第一分数和第三分数相加,而获得对应的匹配分数,或者,还可以给予第一分数和第二分数分别赋予权重后,再相加获得匹配分数,具体地,可以根据实际需要合理设定;之后,将所述匹配分数最高的所述预设体位图作为所述目标体位图,以自动获得医生想要的目标体位图,或者,显示所述匹配分数大于预设分数的所述预设体位图或者显示所述匹配分数大于预设分数的所述预设体位图和其对应的匹配分数,并基于用户指令在显示的所述预设体位图中选取所述目标体位图,通过该方式可以大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
在一些实施例中,还可以通过使用频次结合超声图像来综合获得体位图和超声图像的匹配分数,例如所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括以下步骤:对各个所述预设体位图按照各自对应的使用频次赋予对应的第二分数,其中使用频次越高所述第二分数越高,例如使用频次为20次的预设体位图对应的第二分数大于使用频次为10次的预设体位图对应的第二分数;提取所述超声图像的图像特征,并基于所述图像特征和所述预设体位图进行匹配,以获得每个所述预设体位图对应的第三分数,其中所述第三分数越高则表示相似度越高,该相似度的获取的方式将在下文中描述;基于所述第二分数和所述第三分数,获取每个所述预设体位图对应的匹配分数,例如可以将每个预设体位图对应的第二分数和第三分数相加,而获得对应的匹配分数,或者,还可以给予第二分数和第三分数分别赋予权重后,再相加获得匹配分数,具体地,可以根据实际需要合理设定;之后,将所述匹配分数最高的所述预设体位图作为所述目标体位图,以自动获得医生想要的目标体位图,或者,显示所述匹配分数大于预设分数的所述预设体位图或者显示所述匹配分数大于预设分数的所述预设体位图和其对应的匹配分数,并基于用户指令在显示的所述预设体位图中选取所述目标体位图,通过该方式可以大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
在一些实施例中,还可以通过检查模式、使用频次并结合超声图像来综合获得体位图和超声图像的匹配分数,例如,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:基于各个所述预设体位图对应的检查模式,确定各个所述预设体位图对应的第一分数,其中,所述当前检查模式对应的所述预设体位图的第一分数高于其他检查模式对应的所述预设体位图的第一分数,和,对各个所述预设体位图按照各自对应的使用频次赋予对应的第二分数,其中使用频次越高所述第二分数越高;提取所述超声图像的图像特征,并基于所述图像特征和所述预设体位图进行匹配,以获得每个所述预设体位图对应的第三分数,其中所述第三分数越高则表示相似度越高;基于所述第一分数、所述第二分数和所述第三分数,获取每个所述预设体位图对应的匹配分数例如可以将每个预设体位图对应的第一分数、第二分数和第三分数相加,而获得对应的匹配分数,或者,还可以给予第一分数、第二分数和第三分数分别赋予权重后,再相加获得匹配分数,具体地,可以根据实际需要合理设定;将所述匹配分数最高的所述预设体位图作为所述目标体位图,或者,显示所述匹配分数大于预设分数的所述预设体位图或者显示所述匹配分数大于预设分数的所述预设体位图和其对应的匹配分数,并基于用户指令在显示的所述预设体位图中选取所述目标体位图。
在一些实施例中,还可以通过当前检查模式作为筛选,而结合使用频次的分数和超声图像匹配的第三分数,来获得最终的体位图和超声图像的匹配分数,例如,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:基于所述当前检查模式,获取所述当前检查模式下对应的多个所述预设体位图作为候选体位图;对所述候选体位图按照各自对应的使用频次赋予对应的第二分数,其中使用频次越高所述第二分数越高;提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得每个所述候选体位图对应的第三分数,其中所述第三分数越高则表示相似度越高;基于所述第二分数和所述第三分数,获取每个所述候选体位图对应的匹配分数;将所述匹配分数最高的所述候选体位图作为所述目标体位图,或者,显示所述匹配分数大于预设分数的所述候选体位图或者显示所述匹配分数大于预设分数的所述候选体位图和其对应的所述匹配分数,并基于用户指令在显示的所述候选体位图中选取所述目标体位图。
在一些实施例中,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:对所述预设体位图按照各自对应的使用频次赋予对应的第二分数,其中所述使用频次越高所述第二分数越高;基于所述当前检查模式,获取所述当前检查模式下对应的多个所述预设体位图作为候选体位图;提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得每个所述候选体位图对应的第三分数,其中所述第三分数越高则表示相似度越高;基于所述第二分数和所述第三分数,获取每个所述候选体位图对应的匹配分数;将所述匹配分数最高的所述候选体位图作为所述目标体位图,或者,显示匹配分数大于预设分数的所述候选体位图或者显示所述匹配分数大于预设分数的所述候选体位图和其对应的所述匹配分数,并基于用户指令在显示的所述候选体位图中选取所述目标体位图。其中,在需要时,还可以显示第一分数、第二分数和第三分数中的至少一个。
值得一提的是,在本申请中的各个步骤在不冲突的前提下可以调换顺序或者可以减少步骤。
对于前述的几种实施方式中所涉及的提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图(或者预设体位图)进行匹配以获得所述目标体位图,可以采用任意适合的方式来实现,在一些实施例中,提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图,包括:基于所述超声图像的图像特征,获取所述受检部位的类别名称;基于所述受检部位的类别名称,从所述候选体位图中获取与所述类别名称对应的所述候选体位图作为所述目标体位图,从而自动匹配出适合的目标体位图。
在另一些实施例中,提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图,包括:基于所述超声图像的图像特征,获取所述受检部位的类别名称,所述类别名称包括多个候选类别名称;显示所述候选类别名称对应的所述候选体位图,基于用户指令,在所述候选类别名称对应的所述候选体位图中选取所述目标体位图,从而更进一步的减少大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
本申请中,基于所述超声图像的图像特征获取所述受检部位的类别名称,可以采用任意适合的方式,例如基于所述超声图像的图像特征,获取所述受检部位属于多个不同部位的概率;将概率最高的部位的名称作为所述受检部位的类别名称,或者,将概率大于预设概率的部位的名称作为所述受检部位的候选类别名称。
具体地,可以使用深度学习或其他机器学习的方法,对超声图像数据受检部位名称进行类别判断,从而根据受检部位的类别名称匹配到对应的体位图。例如,若当前超声图像数据经过深度学习或其他机器学习的方法后,检测得到当前受检部位的候选类别名称中,“脊柱上段”具有最高的推理输出概率值,则在体位图列表(该列表可以是候选体位图列表,或也可以是预设体位图列表)里自动搜索“脊柱上段”对应的体位图作为目标体位图。
在深度学习或其他机器学习的方法中,都需要先构建一个超声图像的数据库,其中每幅图像标记了受检部位的名称。
在深度学习方法中,会构建一个神经网络模型,如AlexNet、VGG、Inception、ResNet、DenseNet等CNN模型,或是由全连接层构成的多层感知器等等,并使用数据库中的超声图像对这个神经网络进行训练,使其能够根据不同超声图像的输入分别预测它属于某一部位名称的概率。训练结束后,可对上一模块获取的超声图像数据进行预测,得到最高输出概率的类别名称将作为检测结果,或者得到一个或多个概率大于预设概率的部位的名称作为检测结果。
在其他机器学习方法中,需要先对超声图像进行特征提取,再构建一个分类器判断它是否属于某一部位名称的类别。其中特征提取方法可以是提取PCA、LDA、HOG、Harr、LBP等传统特征,也可以是神经网络提取的特征;分类器的方法可以是KNN、SVM、随机森林、adaboost等传统分类器,也可以是一个神经网络模型。与深度学习的实施方案类似(参考前文有关深度学习的描述),该机器学习的方法可对上一模块获取的超声图像数据进行预测,得到最高输出概率的名称将作为检测结果,或者得到一个或多个概率大于预设概率的部位的名称作为检测结果。
在另一些实施例中,还可以通过获取超声图像中的关键解剖结构区域或超声图像的切面类型的方式来确定受检部位的类别名称,例如,基于所述超声图像的图像特征,获取所述受检部位的类别名称,包括:基于所述超声图像的图像特征,识别所述超声图像中的关键解剖结构区域和/或所述超声图像的切面类型;基于所述超声图像中的所述关键解剖结构区域的类别和/或所述超声图像的切面类型,确定所述受检部位的类别名称。
以关键解剖结构区域的识别为例,可以通过本领域技术人员熟知的任意适合的方法来识别获取关键解剖结构区域。
具体地,各类目标图像中的关键解剖结构的检测方法可以具有下文中描述的多种实现方式,这个“目标”其范围囊括了所有体位图所对应的目标。所述的各类目标图像(也即超声图像)中的关键解剖结构区域的检测方法包括,采用基于深度学习或其他机器学习的目标检测方法或图像分割方法,识别各类目标图像中的关键解剖结构区域。在目标检测的方法中,需要先构建一个超声图像的数据库,其中每幅图像标记了各类标准切面中的各个关键解剖结构的感兴趣区域,包括:解剖结构是否存在,若存在的话,是什么解剖结构,其包围框(即感兴趣区域)是在什么位置。在图像分割的方法中,则需要先构建一个超声图像的数据库,其中每幅图像标记了各类标准切面中的各个关键解剖结构的边界范围,包括:解剖结构是否存在,若存在的话,是什么解剖结构,以及具体的边界范围。
基于深度学习的目标检测方法包括,通过堆叠卷积层和全连接层来对构建的数据库进行特征的学习和参数的回归,对于一幅输入图像,可以通过网络直接回归出对应的感兴趣区域(感兴趣区域是指关键解剖结构的包围框),同时获取其感兴趣区域内解剖结构的类别。常见的网络包括:RCNN、Fast RCNN、Faster-RCNN、YOLO、SSD、RetinaNet等等。
基于深度学习的图像分割方法包括,通过堆叠卷积层和反卷积层来对构建的数据库进行特征的学习和解剖结构边界的学习,对于一幅输入图像,可以通过网络直接生成一幅尺寸大小相同的图像输出,表示关键解剖结构的具体边界范围。常见的网络包括:FCN、Unet、SegNet、DeepLab、Mask RCNN等等。
基于其他机器学习的目标检测方法包括,先通过滑动窗或selective search等方法,在超声图像中获取一组候选的感兴趣区域;再对每一个候选感兴趣区域进行特征提取,特征提取方法可以是提取PCA、LDA、HOG、Harr、LBP等传统特征,也可以是神经网络提取的特征;然后将提取到的特征和数据库中标记的感兴趣区域所提取的特征进行匹配,用KNN、SVM、随机森林或神经网络等判别器进行分类,确定当前候选的感兴趣区域是否包含关键解剖结构,同时获取其该关键解剖结构的相应类别(或者包括该关键解剖结构的受检部位的类别名称)。
基于其他机器学习的图像分割方法包括,先通过阈值分割、Snake、水平集、GraphCut、ASM、AAM等方法对图像进行预分割,在超声图像中获取一组候选的解剖结构边界范围;再对每一个候选的边界范围进行特征提取,特征提取方法可以是提取PCA、LDA、HOG、Harr、LBP等传统特征,也可以是神经网络提取的特征;然后将提取到的特征和数据库中标记的边界范围所提取的特征进行匹配,用KNN、SVM、随机森林或神经网络等判别器进行分类,确定当前候选的边界范围是否包含关键解剖结构,同时获取其相应类别。
各类目标图像中的关键解剖结构的检测方法还包括,采用传统图像处理的方法,识别各类目标图像中的关键解剖结构。比如说,在丘脑水平横切面的检测中,可先采用最小二乘拟合、霍夫变换、RANSAC等方法,在超声图像中检测直线,作为脑中线;再比如说,在丘脑水平横切面或上腹部横切面的检测中,对透明隔腔、胃泡、脐静脉等低回声结构进行阈值分割与形态学操作,获得这些低回声结构的分割结果;还比如说,在长骨长轴切面的检测中,先进行阈值分割,提取高灰度值的区域;然后进行连通性分析,寻找高灰度值的连通区域中长短轴之比最大的一个区域,作为长骨骨性结构检测的结果。
除了深度学习或机器学习之外,一些传统图像常用的边缘检测器(如Canny算子)等亦可用于提取当前超声图像的关键解剖结构的目标轮廓。
在一些实施例中,还可以利用关键解剖结构的分割轮廓来和体位图进行相似度计算,从而输出多个轮廓相似度大于预设相似度的体位图,具体地,提取所述超声图像的图像特征,并将所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图,包括:基于所述图像特征,从所述超声图像中分割获取关键解剖结构的分割轮廓,具体地细节可以参考前文的相关描述,在此不再重复,将所述分割轮廓与所述候选体位图进行匹配,以获得相似度;显示所述相似度大于预设相似度的所述候选体位图,并基于用户指令确定在显示的所述候选体位图中选取所述目标体位图,通过这样的方式,可以显著减少向用户呈现的体位图的数量,便于用户快速找到想要的目标体位图,或者以最高相似度对应的候选体位图作为所述目标体位图,从而自动匹配出体位图,无需用户再进行选择,更加方便快捷。例如,图4是一张关于“脊柱中段”的超声图像的示意图,此时还未匹配体位图,如果不进行匹配,如图5所示,在探头孕检查模式下就有多达35个的候选体位图可供选择,而经过超声图像的图像特征匹配之后,则精简到若干个(数目可自定义,例如4个)体位图供选择(如图6所示,每个体位图的右上角都带有该体位图的相似度(也可以称为概率值或推理概率值),即置信度),指引简洁明了且操作方便快捷。
值得一提的是,预设概率或预设相似度的数值可以是任意适合的数值,例如可以是0.5、0.7或0.9等等。而当进行前文的受检部位名称类别判断时,其至少有一个概率值或者至少有一个相似度大于该预设概率,若所有概率值低于预设概率或者所有相似度低于预设相似度,那么则认为当前超声图像中不存在有意义的目标。
进一步在本申请实施例中,为了方便用户观察筛选出来的候选体位图或者预设提问题,本申请的还包括:显示每个所述候选体位图及其对应的所述相似度,如图6所示,经过前述的各种匹配和筛选过程,显示的候选体位图的数量显著减少,更便于用户选择想要的体位图,并且还可以通过显示相似度来提示用户哪个可能是最匹配的体位图,便于用户做出准确的选择。
对于前述的各种自动匹配出一个目标体位图的实施方式,为了避免出现该目标体位图实际并不是用户想要的体位图的情况出现,本申请的方法还包括:获取用于调取多个候选体位图的调取指令;基于调取指令,显示多个候选体位图,基于用户指令,选择所述一个或多个候选体位图中的一个更换当前显示的目标体位图;显示所述超声图像和所述更换后的目标体位图。
在步骤S330中,显示超声图像和目标体位图,如图7所示,其中目标体位图的显示位置可调,也即体位图与超声图像数据的显示相对位置可调。其中一种方式为,体位图默认显示在显示区域的某个固定位置(如显示区域的左下角方位),若发生遮挡或其他情况,用户可自定义调节该体位图至显示区域的任意位置。
在一些实施例中,本申请的方法还包括:显示所述目标体位图的标记,所述标记用于表征所述目标体位图的类型,该标记可以是文字或者字母简写等,从而更明确的提示用户体位图的类型,以根据体位图的类型获知检查部位的类型。可选地,还可以通过在同一超声图像上进行注释、标记字符等操作来加深体位图的使用理解等。
下面,参照图8描述本申请另一实施例提出的自动匹配体位图的方法,图8是本申请实施例的自动匹配体位图的方法800的一个示意性流程图。本申请实施例的自动匹配体位图的方法用于超声成像系统,超声成像系统包括超声探头、处理器和显示器,该超声成像系统可以实现为如上的超声成像系统100。具体地,本申请实施例的自动匹配体位图的方法包括如下步骤:
步骤S810,所述处理器获取受检对象的受检部位的超声图像;
步骤S820,所述处理器基于所述超声图像,获取所述受检部位的类别名称;
步骤S830,所述处理器基于所述受检部位的类别名称,从多个预设体位图中获取与所述类别名称对应的目标体位图;
步骤S840,显示所述超声图像和所述目标体位图。
根据本申请实施例的超声成像方法800,处理器基于所述超声图像,获取所述受检部位的类别名称,所述处理器基于所述受检部位的类别名称,从多个预设体位图中获取与所述类别名称对应的第一目标体位图,从而能够方便快捷准确的获取到医生想要的体位图,大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
本实施例的一些步骤的细节可以参考前述实施例中的相关描述,再此不再重复。
在一些实施例中,步骤S820中,所述处理器基于所述超声图像,获取所述受检部位的类别名称,包括:利用智能识别算法对所述超声图像进行识别处理,获取所述超声图像中的所述受检部位区域属于多个不同部位名称的概率;输出概率最高的部位名称作为所述受检部位的类别名称,或者,输出概率大于预设概率的部位名称作为所述受检部位的类别的候选类别名称。
在另一些实施例中,步骤S820中,所述处理器基于所述超声图像,获取所述受检部位的类别名称,包括:基于智能识别算法,识别所述超声图像中的关键解剖结构区域和/或所述超声图像的切面类型;基于所述关键解剖结构区域的类别和/或所述超声图像的切面类型,确定所述受检部位的类别名称。
具体地,基于所述超声图像,获取所述受检部位的类别名称的各个实施方式的细节可以参考前文的相关描述。
当输出的概率最高的部位名称作为所述受检部位的类别名称时,可继续进行后续的步骤S830,处理器基于所述受检部位的类别名称,从多个预设体位图中获取与所述类别名称对应的目标体位图。
而当输出概率大于预设概率的部位名称作为所述受检部位的类别的候选类别名称时,该候选类别名称可能是多个,则可以在多个预设体位图中检索每个候选类别名称对应的候选体位图,并显示所述候选类别名称对应的所述候选体位图或显示所述候选类别名称和其对应的所述候选体位图,基于用户指令,在所述候选类别名称对应的所述候选体位图中选取所述目标体位图,从而更进一步的减少大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
本申请的方法还包括显示所述受检部位的类别名称,例如通过文字或者其他适合的方式显示该类别名称,从而使用户能够根据名称直接获知受检部位的类型,从而指示用户快速找到对应的目标体位图,或者作为核对确定的目标体位图是否为想要的体位图的依据。
下面,参照图9描述本申请再一实施例提出的自动匹配体位图的方法,图9是本申请实施例的自动匹配体位图的方法900的一个示意性流程图。本申请实施例的自动匹配体位图的方法用于超声成像系统,超声成像系统包括超声探头、处理器和显示器,该超声成像系统可以实现为如上的超声成像系统100。具体地,本申请实施例的自动匹配体位图的方法900包括如下步骤:
步骤S910,所述处理器获取受检对象的受检部位的超声图像;
步骤S920,所述处理器从所述超声图像中分割获取关键解剖结构的分割轮廓;
步骤S930,所述处理器将所述分割轮廓与多个预设体位图中的至少部分预设体位图进行匹配,以获得至少部分预设体位图对应的相似度;
步骤S940,显示所述预设体位图中相似度大于预设相似度的一个或多个候选体位图,或者,显示所述预设体位图中相似度大于预设相似度的一个或多个候选体位图以及每个所述候选体位图对应的相似度,或者,显示相似度最高的预设体位图和所述超声图像。
根据本申请实施例的超声成像方法900,所述处理器从所述超声图像中分割获取关键解剖结构的分割轮廓,所述处理器将所述分割轮廓与多个预设体位图中的至少部分预设体位图进行匹配,以获得至少部分预设体位图对应的相似度,进而根据相似度自动或半自动的获取目标体位图,从而能够方便快捷准确的获取到医生想要的体位图,大大缩短体位图选择列表的长度,减少用户手动选择体位图的场景,避免了大量重复性的机械化劳动,优化了医生标记体位图的工作流,有效地提升工作效率,使得医生的诊断流程更加快捷和顺畅。
当显示所述预设体位图中相似度大于预设相似度的一个或多个候选体位图,或者,显示所述预设体位图中相似度大于预设相似度的一个或多个候选体位图以及每个所述候选体位图对应的相似度是,本申请的方法900还包括以下步骤:所述处理器基于用户指令,在一个或多个所述候选体位图中选择一个作为目标体位图;显示所述超声图像和所述目标体位图。
在步骤S930中,所述处理器将所述分割轮廓与多个预设体位图中的至少部分预设体位图进行匹配,以获得至少部分预设体位图对应的相似度,还包括:在所述预设的体位图中获取多个所述候选体位图,所述多个候选体位图是根据获取所述超声图像时超声成像系统的当前检查模式确定的;将所述分割轮廓与多个所述候选体位图进行匹配,以获得每个所述候选体位图对应的相似度,例如,所述将所述分割轮廓与多个所述候选体位图进行匹配,以获得每个所述候选体位图对应的相似度,还包括:按照每个所述候选体位图的使用频次从高到低的顺序,对所述候选体位图进行排序;将所述分割轮廓与所述排序中预设位数之前的候选体位图依次进行匹配,以获得相似度,从而减少匹配的候选体位图数量,以更快的给出匹配结果。
本实施例的一些步骤的细节可以参考前述实施例中的相关描述,再此不再重复。
在本申请的一些实施例中,还可以将方法800和方法900相结合,例如,在通过方法800获得了目标体位图时,还可以根据用户指令,对该目标体位图进行编辑,从而输出显示方法900获得的多个候选体位图,在本文中,多个候选体位图或预设体位图可以是以列表的形式显示,例如平铺的列表等,以供用户选择另一目标体位图来更换当前显示的目标体位图。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本申请的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本申请的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本申请的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个发明方面中的一个或多个,在对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本申请的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的一些模块的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本申请的具体实施方式或对具体实施方式的说明,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。本申请的保护范围应以权利要求的保护范围为准。
Claims (28)
1.一种自动匹配体位图的方法,其特征在于,应用于超声成像系统,所述超声成像系统包括处理器,所述方法包括:
所述处理器获取受检对象的受检部位的超声图像;
所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,所述体位图关联信息包括各个预设体位图的使用频次信息和/或当前检查模式;
显示所述超声图像和所述目标体位图。
2.如权利要求1所述的方法,其特征在于,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:
对所述预设体位图按照各自对应的使用频次从高到低的顺序进行排序;
按照所述排序显示预置位数之前的多个所述预设体位图;
基于用户指令,在多个所述预设体位图中选择所述目标体位图,其中所述超声图像用于指引所述用户从多个所述预设体位图中选择所述目标体位图。
3.如权利要求1所述的方法,其特征在于,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:
对所述预设体位图按照各自对应的使用频次从高到低的顺序进行排序,以获取候选体位图,其中,所述候选体位图包括预置位数之前的所述预设体位图;
提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图。
4.如权利要求1所述的方法,其特征在于,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:
基于所述当前检查模式,获取所述当前检查模式下对应的多个所述预设体位图;
显示所述当前检查模式下对应的多个所述预设体位图;
基于用户指令,在所述当前检查模式下对应的多个所述预设体位图中选择所述目标体位图,其中所述超声图像用于指引所述用户从多个所述预设体位图中选择所述目标体位图。
5.如权利要求1所述的方法,其特征在于,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:
基于所述当前检查模式,在所述预设体位图中获取所述当前检查模式下对应的所述预设体位图作为候选体位图;
提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图。
6.如权利要求1所述的方法,其特征在于,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:
基于所述当前检查模式,获取所述当前检查模式下对应的多个所述预设体位图;
对所述当前检查模式下对应的多个所述预设体位图按照使用频次从高到低的顺序进行排序,以获取候选体位图,所述候选体位图包括预置位数之前的所述预设体位图;
提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图,或者,
显示所述候选体位图,并基于用户指令,在所述候选体位图中选择所述目标体位图,其中所述超声图像用于指引所述用户从所述候选体位图中选择所述目标体位图。
7.如权利要求1所述的方法,其特征在于,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:
对所述预设体位图按照使用频次从高到低的顺序进行排序,以获取候选体位图,所述候选体位图包括预置位数之前的所述预设体位图;
基于所述当前检查模式,从所述候选体位图中获取所述当前检查模式下对应的所述候选体位图;
基于用户指令,在所述当前检查模式下对应的所述候选体位图中选择所述目标体位图,其中所述超声图像用于指引所述用户从多个所述预设体位图中选择所述目标体位图;或者
提取所述超声图像的图像特征,并基于所述图像特征和所述当前检查模式下对应的所述候选体位图进行匹配,以获得所述目标体位图。
8.如权利要求1所述的方法,其特征在于,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:
基于各个所述预设体位图对应的检查模式,确定各个所述预设体位图对应的第一分数,其中,所述当前检查模式对应的所述预设体位图的第一分数高于其他检查模式对应的所述预设体位图的第一分数,和/或,对各个所述预设体位图按照各自对应的使用频次赋予对应的第二分数,其中使用频次越高所述第二分数越高;
提取所述超声图像的图像特征,并基于所述图像特征和所述预设体位图进行匹配,以获得每个所述预设体位图对应的第三分数,其中所述第三分数越高则表示相似度越高;
基于所述第一分数、所述第二分数和所述第三分数,或者,基于所述第一分数和所述第三分数,或者,基于所述第二分数和所述第三分数,获取每个所述预设体位图对应的匹配分数;
将所述匹配分数最高的所述预设体位图作为所述目标体位图,或者,显示所述匹配分数大于预设分数的所述预设体位图或者显示所述匹配分数大于预设分数的所述预设体位图和其对应的匹配分数,并基于用户指令在显示的所述预设体位图中选取所述目标体位图。
9.如权利要求1所述的方法,其特征在于,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:
基于所述当前检查模式,获取所述当前检查模式下对应的多个所述预设体位图作为候选体位图;
对所述候选体位图按照各自对应的使用频次赋予对应的第二分数,其中使用频次越高所述第二分数越高;
提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得每个所述候选体位图对应的第三分数,其中所述第三分数越高则表示相似度越高;
基于所述第二分数和所述第三分数,获取每个所述候选体位图对应的匹配分数;
将所述匹配分数最高的所述候选体位图作为所述目标体位图,或者,显示所述匹配分数大于预设分数的所述候选体位图或者显示所述匹配分数大于预设分数的所述候选体位图和其对应的所述匹配分数,并基于用户指令在显示的所述候选体位图中选取所述目标体位图。
10.如权利要求1所述的方法,其特征在于,所述处理器基于所述超声图像以及体位图关联信息,获取用于表征所述受检部位的目标体位图,包括:
对所述预设体位图按照各自对应的使用频次赋予对应的第二分数,其中所述使用频次越高所述第二分数越高;
基于所述当前检查模式,获取所述当前检查模式下对应的多个所述预设体位图作为候选体位图;
提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得每个所述候选体位图对应的第三分数,其中所述第三分数越高则表示相似度越高;
基于所述第二分数和所述第三分数,获取每个所述候选体位图对应的匹配分数;
将所述匹配分数最高的所述候选体位图作为所述目标体位图,或者,显示匹配分数大于预设分数的所述候选体位图或者显示所述匹配分数大于预设分数的所述候选体位图和其对应的所述匹配分数,并基于用户指令在显示的所述候选体位图中选取所述目标体位图。
11.如权利要求3或5或6所述的方法,其特征在于,提取所述超声图像的图像特征,并基于所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图,包括:
基于所述超声图像的图像特征,获取所述受检部位的类别名称;
基于所述受检部位的类别名称,从所述候选体位图中获取与所述类别名称对应的所述候选体位图作为所述目标体位图;或者,
基于所述超声图像的图像特征,获取所述受检部位的类别名称,所述类别名称包括多个候选类别名称;
显示所述候选类别名称对应的所述候选体位图;
基于用户指令,在所述候选类别名称对应的所述候选体位图中选取所述目标体位图。
12.如权利要求11所述的方法,其特征在于,基于所述超声图像的图像特征,获取所述受检部位的类别名称,包括:
基于所述超声图像的图像特征,获取所述受检部位属于多个不同部位的概率;
将概率最高的部位的名称作为所述受检部位的类别名称,或者,
将概率大于预设概率的部位的名称作为所述受检部位的候选类别名称。
13.如权利要求11所述的方法,其特征在于,基于所述超声图像的图像特征,获取所述受检部位的类别名称,包括:
基于所述超声图像的图像特征,识别所述超声图像中的关键解剖结构区域和/或所述超声图像的切面类型;
基于所述超声图像中的所述关键解剖结构区域的类别和/或所述超声图像的切面类型,确定所述受检部位的类别名称。
14.如权利要求3或5或6或7所述的方法,其特征在于,提取所述超声图像的图像特征,并将所述图像特征和所述候选体位图进行匹配,以获得所述目标体位图,包括:
基于所述图像特征,从所述超声图像中分割获取关键解剖结构的分割轮廓;
将所述分割轮廓与所述候选体位图进行匹配,以获得相似度;
显示所述相似度大于预设相似度的所述候选体位图,并基于用户指令确定在显示的所述候选体位图中选取所述目标体位图;或者以最高相似度对应的候选体位图作为所述目标体位图。
15.如权利要求3或5或6或7所述的方法,其特征在于,所述方法还包括:
将所述图像特征和所述候选体位图进行匹配,以获得相似度;
显示每个所述候选体位图及其对应的所述相似度。
16.如权利要求3、5至10中任一项所述的方法,其特征在于,所述方法还包括:
基于用户指令,选择多个所述候选体位图中的一个更换当前显示的目标体位图;
显示所述超声图像和所述更换后的目标体位图。
17.如权利要求1至16中任一项所述的方法,其特征在于,所述方法还包括:
显示所述目标体位图的标记,所述标记用于表征所述目标体位图的类型。
18.如权利要求1至17中任一项所述的方法,其特征在于,所述目标体位图的显示位置可调。
19.一种自动匹配体位图的方法,其特征在于,应用于超声成像系统,所述超声成像系统包括处理器,所述方法包括:
所述处理器获取受检对象的受检部位的超声图像;
所述处理器基于所述超声图像,获取所述受检部位的类别名称;
所述处理器基于所述受检部位的类别名称,从多个预设体位图中获取与所述类别名称对应的目标体位图;
显示所述超声图像和所述目标体位图。
20.如权利要求19所述的方法,其特征在于,所述处理器基于所述受检部位的类别名称,从多个预设体位图中获取与所述类别名称对应的目标体位图,包括:
基于所述超声图像的图像特征,获取所述受检部位的类别名称,所述类别名称包括多个候选类别名称;
显示所述候选类别名称对应的候选体位图;
基于用户指令,在所述候选类别名称对应的候选体位图中选取所述目标体位图。
21.如权利要求19所述的方法,其特征在于,所述处理器基于所述超声图像,获取所述受检部位的类别名称,包括:
利用智能识别算法对所述超声图像进行识别处理,获取所述超声图像中的所述受检部位区域属于多个不同部位名称的概率;
输出概率最高的部位名称作为所述受检部位的类别名称,或者,
输出概率大于预设概率的部位名称作为所述受检部位的类别的候选类别名称。
22.如权利要求19所述的方法,其特征在于,所述处理器基于所述超声图像,获取所述受检部位的类别名称,包括:
基于智能识别算法,识别所述超声图像中的关键解剖结构区域和/或所述超声图像的切面类型;
基于所述关键解剖结构区域的类别和/或所述超声图像的切面类型,确定所述受检部位的类别名称。
23.如权利要求19至22中任一项所述的方法,其特征在于,所述方法还包括:
显示所述受检部位的类别名称。
24.一种自动匹配体位图的方法,其特征在于,应用于超声成像系统,所述超声成像系统包括处理器,所述方法包括:
所述处理器获取受检对象的受检部位的超声图像;
所述处理器从所述超声图像中分割获取关键解剖结构的分割轮廓;
所述处理器将所述分割轮廓与多个预设体位图中的至少部分预设体位图进行匹配,以获得至少部分预设体位图对应的相似度;
显示所述预设体位图中相似度大于预设相似度的一个或多个候选体位图,或者,显示所述预设体位图中相似度大于预设相似度的一个或多个候选体位图以及每个所述候选体位图对应的相似度,或者,显示相似度最高的预设体位图和所述超声图像。
25.如权利要求24所述的方法,其特征在于,所述方法还包括:
所述处理器基于用户指令,在一个或多个所述候选体位图中选择一个作为目标体位图;
显示所述超声图像和所述目标体位图。
26.如权利要求24所述的方法,其特征在于,所述处理器将所述分割轮廓与多个预设体位图中的至少部分预设体位图进行匹配,以获得至少部分预设体位图对应的相似度,还包括:
在所述预设的体位图中获取多个所述候选体位图,所述多个候选体位图是根据获取所述超声图像时超声成像系统的当前检查模式确定的;
将所述分割轮廓与多个所述候选体位图进行匹配,以获得每个所述候选体位图对应的相似度。
27.如权利要求26所述的方法,其特征在于,所述将所述分割轮廓与多个所述候选体位图进行匹配,以获得每个所述候选体位图对应的相似度,还包括:
按照每个所述候选体位图的使用频次从高到低的顺序,对所述候选体位图进行排序;
将所述分割轮廓与所述排序中预设位数之前的候选体位图依次进行匹配,以获得相似度。
28.一种超声成像系统,其特征在于,所述超声成像系统包括:
超声探头;
发射电路,用于激励所述超声探头向受检对象的受检部位发射超声波;
接收电路,用于接收从所述受检部位返回的基于所述超声波的超声回波,得到超声回波信号;
处理器,用于:根据所述超声回波信号得到所述受检对象的受检部位的超声图像;
所述处理器还用于执行前述权利要求1至27中任一项所述的自动匹配体位图的方法;
显示器,用于显示各种可视化信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210854375.9A CN117426789A (zh) | 2022-07-14 | 2022-07-14 | 自动匹配体位图的方法及超声成像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210854375.9A CN117426789A (zh) | 2022-07-14 | 2022-07-14 | 自动匹配体位图的方法及超声成像系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117426789A true CN117426789A (zh) | 2024-01-23 |
Family
ID=89548612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210854375.9A Pending CN117426789A (zh) | 2022-07-14 | 2022-07-14 | 自动匹配体位图的方法及超声成像系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117426789A (zh) |
-
2022
- 2022-07-14 CN CN202210854375.9A patent/CN117426789A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102491757B1 (ko) | 초음파 시스템을 위한 에코 윈도우 아티팩트 분류 및 시각적 표시기 | |
CN111227864A (zh) | 使用超声图像利用计算机视觉进行病灶检测的方法与装置 | |
CN101084511A (zh) | 自动开发在医学诊断成像中产生医学有意义的描述符的高性能分类器的方法和装置 | |
CN111820948B (zh) | 胎儿生长参数测量方法、系统及超声设备 | |
EP3513731A1 (en) | Device and method for obtaining anatomical measurements from an ultrasound image | |
CN116058864A (zh) | 超声数据的分类显示方法和超声成像系统 | |
CN111374708A (zh) | 一种胎儿心率检测方法及超声成像装置、存储介质 | |
CN112568933B (zh) | 超声成像方法、设备和存储介质 | |
CN114617581A (zh) | 一种早孕期胎儿的超声成像方法和系统 | |
WO2022099705A1 (zh) | 早孕期胎儿的超声成像方法和超声成像系统 | |
CN112998755A (zh) | 解剖结构的自动测量方法和超声成像系统 | |
CN113693627A (zh) | 基于超声图像的病灶处理方法、超声成像设备、存储介质 | |
CN117426789A (zh) | 自动匹配体位图的方法及超声成像系统 | |
CN113693625B (zh) | 超声成像方法和超声成像设备 | |
CN113229850A (zh) | 超声盆底成像方法和超声成像系统 | |
CN115153643A (zh) | 显示超声图像的方法、电子设备和超声成像系统 | |
WO2022099704A1 (zh) | 中晚孕期胎儿的超声成像方法和超声成像系统 | |
CN115813433A (zh) | 基于二维超声成像的卵泡测量方法和超声成像系统 | |
CN116058875A (zh) | 超声成像方法和超声成像系统 | |
EP3821813B1 (en) | Ultrasound imaging device, ultrasound imaging system, ultrasound imaging method and ultrasound imaging program | |
CN116157821A (zh) | 胎儿颜面部容积图像修复方法和超声成像系统 | |
CN113974688B (zh) | 超声成像方法和超声成像系统 | |
CN115778435A (zh) | 胎儿颜面部的超声成像方法和超声成像系统 | |
WO2022134049A1 (zh) | 胎儿颅骨的超声成像方法和超声成像系统 | |
CN114391878B (zh) | 一种超声成像设备 |
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 |