CN117455779B - 一种医疗超声影像仪辅助增强系统 - Google Patents
一种医疗超声影像仪辅助增强系统 Download PDFInfo
- Publication number
- CN117455779B CN117455779B CN202311773976.8A CN202311773976A CN117455779B CN 117455779 B CN117455779 B CN 117455779B CN 202311773976 A CN202311773976 A CN 202311773976A CN 117455779 B CN117455779 B CN 117455779B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- image
- enhanced
- edge
- pixel points
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 25
- 238000012217 deletion Methods 0.000 claims description 40
- 230000037430 deletion Effects 0.000 claims description 40
- 230000005484 gravity Effects 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 12
- 238000002604 ultrasonography Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 230000007547 defect Effects 0.000 claims description 2
- 210000001765 aortic valve Anatomy 0.000 abstract description 51
- 238000012545 processing Methods 0.000 abstract description 2
- 210000001519 tissue Anatomy 0.000 description 9
- 230000007704 transition Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 230000002708 enhancing effect Effects 0.000 description 5
- 210000005003 heart tissue Anatomy 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 239000002671 adjuvant Substances 0.000 description 1
- 238000009098 adjuvant therapy Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005242 cardiac chamber Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及图像处理技术领域，具体涉及一种医疗超声影像仪辅助增强系统，包括：采集心脏超声影像获得待增强影像；根据待增强影像获得正常像素点和背景像素点；根据正常像素点组成区域获得所有边缘像素点；构建边缘像素点滑窗获得所有凸起像素点；根据每个凸起像素点的邻域获得每个凸起像素点的延伸直线；根据所有凸起像素点的延伸直线获得每个背景像素点的增强系数；根据增强系数获得每个背景像素点增强后的灰度值组成增强后影像。本发明旨在解决主动脉瓣的窄边缘反射超声波信号弱，造成全局线性增强后仍然模糊的问题，达到提高超声波影像仪显示准确性的目的。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种医疗超声影像仪辅助增强系统。
背景技术
临床医学中医疗超声影像仪通过释放无放射性损伤的超声波并监测超声波回声，实现对患者的病灶部位成像，并且因为其具有无放射性损伤、检查便携易于操作、设备轻便、费用低廉等优势，广泛应用于临床医学的各种检查中，能有效辅助医生诊治患者病情。
在通过医疗超声影像仪对心脏腔室的主动脉瓣边缘的检查过程中，由于心脏组织的散射和超声波在穿透皮肤脂肪组织的过程中会衰减，影响医疗超声影像仪的成像效果，因此目前主要通过对成像全局增强，提高成像的整体对比度以达到增强显示的效果；但主动脉瓣的窄边缘在成像过程中反射的超声波信号弱，造成主动脉瓣窄边缘区域的信号含量较少，经过全局增强后主动脉瓣窄边缘区域仍然模糊。
发明内容
本发明提供一种医疗超声影像仪辅助增强系统，以解决现有的主动脉瓣的窄边缘在成像过程中反射的超声波信号弱，造成主动脉瓣窄边缘区域的信号含量较少，经过全局增强后主动脉瓣窄边缘区域仍然模糊的问题。
本发明的一种医疗超声影像仪辅助增强系统采用如下技术方案：
本发明一个实施例提供了一种医疗超声影像仪辅助增强系统，该系统包括以下模块：
超声影像采集模块：用于采集心脏超声影像，根据心脏超声影像获得待增强影像；
影像增强模块：用于根据待增强影像中像素点的灰度值获得待增强影像中所有正常像素点和背景像素点；根据正常像素点组成的区域的边缘获得待增强影像中所有边缘像素点；构建每个边缘像素点的滑窗，根据边缘像素点的滑窗内其他边缘像素点的分布获得每个边缘像素点的邻域缺失概率；根据每个边缘像素点的邻域缺失概率获取待增强影像中宽边缘的所有凸起像素点；将每个凸起像素点的滑窗的范围记为每个凸起像素点的邻域范围，根据每个凸起像素点的邻域范围内正常像素点的灰度值获得每个凸起像素点的灰度重心；根据每个凸起像素点和所述凸起像素点的灰度重心获得每个凸起像素点的延伸射线；根据所有凸起像素点的延伸射线获得待增强影像中每个背景像素点的增强系数；根据每个背景像素点的增强系数获得每个背景像素点增强后的灰度值，所有增强后的背景像素点和所有正常像素点构成了增强后的影像；
影像显示模块：用于融合增强后的影像获得增强后的心脏超声影像，显示增强后的心脏超声影像到医疗超声影像仪。
进一步的，所述构建每个边缘像素点的滑窗获得每个边缘像素点的邻域缺失概率包括：
将任意一个边缘像素点记为第个边缘像素点，预设滑窗边长/>，构建以第/>个边缘像素点为中心、边长为/>的滑窗，将滑窗滑过待增强影像中所有边缘像素点，获得每个边缘像素点的邻域缺失系数，使用线性归一化函数将所有边缘像素点的邻域缺失系数归一化，归一化结果为每个边缘像素点的邻域缺失概率。
进一步的，所述邻域缺失系数的获取方式包括：
将待增强影像中第个边缘像素点的滑窗内正常像素点的个数记为/>，待增强影像中第/>个边缘像素点的邻域缺失系数/>的计算方式为：
其中，表示第/>个边缘像素点的第/>层滑窗斜率差值，/>表示第/>个边缘像素点的第/>层滑窗斜率差值，/>表示以自然常数为底的指数函数。
进一步的，所述斜率差值的获取方式包括：
在第个边缘像素点的窗口中，获取第一层邻域中的两个边缘像素点的位置，计算两个边缘像素点分别与第/>个边缘像素点构成的连线的斜率差值，记为第/>个边缘像素点的第一层邻域斜率差值/>；获取第二层邻域中的两个边缘像素点的位置，计算两个边缘像素点分别与第/>个边缘像素点构成的连线的斜率差值，记为第/>个边缘像素点的第二层邻域斜率差值/>；以此类推，直至获取到了第/>个边缘像素点的第/>层邻域斜率差值/>时结束。
进一步的，所述获取待增强影像中所有凸起像素点包括：
将待增强影像中第个边缘像素点的邻域缺失概率记为/>，预设缺失阈值/>，当待增强影像中第/>个边缘像素点的邻域缺失概率/>满足/>时，将第/>个边缘像素点记为一个凸起像素点；使用缺失阈值/>对所有边缘像素点判断，获得待增强影像中满足邻域缺失概率大于缺失阈值的所有凸起像素点。
进一步的，所述获得每个凸起像素点的灰度重心包括：
将任意一个凸起像素点记为第个凸起像素点，将第/>个凸起像素点的邻域范围内所有正常像素点的数量记为/>，第/>个凸起像素点的灰度重心横坐标/>和纵坐标/>的计算方式为：
其中，为第/>个凸起像素点的邻域范围内第/>个正常像素点的横坐标，/>为第/>个凸起像素点的邻域范围内第/>个正常像素点的纵坐标，/>为第/>个凸起像素点的邻域范围内第/>个正常像素点的灰度值；
将待增强影像中的位置记为第/>个凸起像素点的灰度重心的位置。
进一步的，所述获得每个凸起像素点的延伸射线包括：
将第个凸起像素点的灰度重心作为原点，向第/>个凸起像素点的方向连接获得一条射线，将连接的射线记为第/>个凸起像素点的延伸射线。
进一步的，所述获得待增强影像中每个背景像素点的增强系数包括：
统计待增强影像中经过每个背景像素点的所有延伸射线的数量，根据延伸射线的数量获得每个背景像素点的增强参数，使用线性归一化函数将所有背景像素点的增强参数归一化，归一化结果记为待增强影像中每个背景像素点的增强系数。
进一步的，所述获得每个背景像素点的增强参数包括：
将任意一个背景像素点记为第个背景像素点，将待增强影像中经过第/>个背景像素点的所有延伸射线的总数记为/>，第/>个背景像素点的增强参数/>的计算方式为：
其中，表示经过第/>个背景像素点的所有延伸射线斜率的标准差，/>表示经过第/>个背景像素点的所有延伸射线中，第/>个延伸射线的凸起像素点的邻域缺失概率；
表示经过第/>个背景像素点的所有延伸射线中，第/>个延伸射线的凸起像素点的灰度重心与第/>个延伸射线的凸起像素点的欧氏距离；
表示以自然常数为底的指数函数。
进一步的，所述获得每个背景像素点增强后的灰度值包括：
将表示第个背景像素点的增强系数记为/>，第/>个背景像素点增强后的灰度值的计算方式为：
其中，表示第/>个背景像素点的灰度值。
本发明的技术方案的有益效果是：本发明通过采集心脏超声影像中的主动脉瓣区域作为待增强影像，根据待增强影像中的正常像素点和背景像素点获得边缘像素点，根据边缘像素点的邻域内正常像素点的分布以及边缘像素点的斜率获得所有凸起像素点，达到提取出主动脉瓣的宽边缘向窄边缘过度的过渡区域，准确获取了主动脉瓣的凸起区域；根据凸起像素点邻域内正常像素点的灰度值分布获得灰度重心，根据灰度重心和凸起像素点获得每个凸起像素点的延伸射线，延伸射线的方向就是每个边缘像素点所在区域的凸起方向，根据延伸射线经过每个背景像素点的次数获得每个背景像素点的增强系数，根据增强系数获得每个背景像素点增强后的灰度值，进而获得增强后的心脏超声影像，达到针对在延伸射线下的主动脉瓣窄边缘的像素点进行精确增强，提高超声波影像仪显示准确性的目的。
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为本发明一种医疗超声影像仪辅助增强系统的结构框图；
图2为主动脉瓣区域的待增强影像示意图；
图3为主动脉瓣区域的增强后的影像示意图。
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医疗超声影像仪辅助增强系统，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医疗超声影像仪辅助增强系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种医疗超声影像仪辅助增强系统的结构框图，该系统包括以下模块：
超声影像采集模块101：采集心脏超声影像，预处理心脏超声影像获得待增强影像。
本实施例的目的是对心脏的超声影像中的主动脉瓣区域进行增强，从而辅助医生观察主动脉瓣膜是否存在主动脉狭窄等病灶，达到提高观察的准确性的目的；因此首先需要获取主动脉瓣区域的超声影像；本实施例使用医疗超声影像仪采集心脏超声影像，在心脏区域的皮肤涂抹适量超声凝胶，将超声探头放置在心脏区域的皮肤表面，通过适当移动探头调整扫描视野和视角，从而捕获包含主动脉瓣区域的心脏超声影像，心脏超声影像为分布在的灰度图。
进一步的，为了提高主动脉瓣区域增强的效果，避免其他心脏组织对瓣膜区域增强的干扰，因此本实施例使用语义分割从心脏超声影像提取瓣膜影像，所述语义分割使用的DNN网络为Encoder-Decoder的结构，具体训练内容如下：
（1）构建Encoder-Decoder的结构的DNN网络；
（2）随机初始化DNN网络的参数；
（3）将医院数据库中经过人为标记出主动脉瓣的超声影像的影像集作为DNN网络的训练数据集，人为标记的方法为：将每个包含主动脉瓣区域的心脏超声影像中的主动脉瓣区域构建矩形ROI区域（感兴趣区域）并标记为1，其他区域标记为0；
（4）将采集到的包含主动脉瓣区域的心脏超声影像输入到DNN网络中，得到DNN网络的输出结果，输出结果为包含标记为1和0的心脏超声影像；
（5）由于DNN网络属于分类网络，因此损失函数采用交叉熵损失函数。
进一步的，获取到了包含标记为1和0的心脏超声影像后，提取心脏超声影像中标记为1的区域，记为主动脉瓣区域的待增强影像，主动脉瓣区域的待增强影像如图2所示。
至此，获取到了心脏超声影像的主动脉瓣区域的待增强影像。
影像增强模块102：
需要说明的是，在辅助治疗时主要通过分析主动脉瓣的闭合程度作为病灶评估标准，但主动脉瓣相较于心脏的其他组织较薄，经过超声影像仪获取的待增强影像中瓣膜反射较少的超声波信号形成区域空洞，而瓣膜边缘会反射较多的超声波型号并成像，因此通常根据瓣膜边缘的贴近程度判断是否存在主动脉瓣狭窄，但受限于主动脉瓣的边缘较薄使得反射的超声波信号强度低，造成主动脉瓣边缘在待增强影像中呈现不完整或灰度值较低的特征，在使用全局线性增强主动脉瓣影像时造成主动脉瓣边缘残缺，影响辅助观察的效果，因此本实施例通过对待增强影像分割获得正常像素点和背景像素点，根据正常像素点的边缘获得所有边缘像素点，根据边缘像素点在主动脉中呈现凸起的特征获取每个残缺主动脉瓣的凸起像素点，进而结合凸起像素点的邻域特征获得每个凸起像素点的延伸射线，根据经过每个背景像素点的射线获取每个背景像素点的增强系数，根据每个背景像素点的增强系数获得主动脉瓣的增强后影像。
（1）通过对待增强影像分割获得待增强影像中的正常像素点和背景像素点。
需要说明的是，待增强影像中部分像素点的灰度值相较于其他像素点的灰度值较高，这些高灰度值的像素点无需增强即可用于观察，但低灰度值的像素点可能是背景噪声或弱反射的组织或组织边缘产生的超声波，如果对低灰度值的像素点统一增强，会导致背景噪声干扰辅助观察病灶，因此本实施例首先需要提取高灰度值的像素点作为正常像素点，用于对低灰度值的像素点自适应增强。
具体的，本实施例使用大津阈值分割算法对待增强影像分割获得分割阈值，将待增强影像中灰度值大于分割阈值的像素点记为正常刑诉点，将灰度值小于分割阈值的像素点的像素点记为背景像素点。
至此，获取到了待增强影像的正常像素点和背景像素点。
（2）获取待增强影像中正常像素点的所有边缘，根据每个边缘像素点邻域内的正常像素点分布，获得每个边缘像素点的邻域缺失概率，根据邻域缺失概率获得凸起像素点。
需要说明的是，由于主动脉瓣的瓣膜较薄，在医疗超声影像仪下反射的超声波信号强度较弱，因此通常根据瓣膜边缘所构成的超声波影像作为病灶评估标准，但受限于瓣膜边缘的宽度，其中宽边缘反射的超声波信号强，在待增强影像中呈现正常像素点，而窄边缘反射的超声波信号弱，在待增强影像中呈现背景像素点，因此需要对属于窄边缘的背景像素点增强。由于人体组织结构是相连的，那么主动脉瓣和主动脉之间存在过渡区域，过渡区域较宽能反射更多的超声波信号，并随着主动脉向主动脉瓣的过渡，其所能反射的超声波信号强度主键降低，在待增强影像中呈现为正常像素点相较于其他组织的凸起，并且灰度值随着凸起主键降低，那么在凸起方向下的背景像素点就是主动脉瓣的窄边缘。因此本实施例根据正常像素点中边缘像素点在邻域范围内其他正常像素点的分布形状，获取正常像素点中每个边缘像素点的邻域缺失概率，进而根据每个边缘像素点的邻域缺失概率获取属于组织凸起的凸起像素点。
具体的，使用Canny边缘检测算法获取待增强影像中的正常像素点的所有边缘，预设滑窗边长，本实施例选择边长/>进行叙述，构建以第/>个边缘像素点为中心、边长为/>的滑窗，将以第/>个边缘像素点为中心的8邻域记为第/>个边缘像素点的第一层邻域；将以第/>个边缘像素点为中心的24邻域中除8邻域以外的像素点构成的区域记为第/>个边缘像素点的第二层邻域；将以第/>个边缘像素点为中心的48邻域中除24邻域以外的像素点构成的区域记为第/>个边缘像素点的第三层邻域；以此类推，获得以第/>个边缘像素点为中心的邻域范围，则第/>个边缘像素点的滑窗内共有/>层邻域。在第/>个边缘像素点的窗口中，获取第一层邻域中的两个边缘像素点的位置，计算两个边缘像素点分别与第/>个边缘像素点构成的连线的斜率差值，记为第/>个边缘像素点的第一层邻域斜率差值/>；获取第二层邻域中的两个边缘像素点的位置，计算两个边缘像素点分别与第/>个边缘像素点构成的连线的斜率差值，记为第/>个边缘像素点的第二层邻域斜率差值/>；以此类推，直至获取到了第/>个边缘像素点的第/>层邻域斜率差值/>时结束。则待增强影像中第/>个边缘像素点的邻域缺失概率的计算方式为：
其中，为待增强影像中第/>个边缘像素点的邻域缺失系数，/>为待增强影像中第个边缘像素点的滑窗内正常像素点的个数，/>表示滑窗边长，/>表示第/>个边缘像素点的第/>层滑窗斜率差值，/>表示第/>个边缘像素点的第/>层滑窗斜率差值，/>表示以自然常数为底的指数函数。滑窗内正常像素点的个数/>越小，说明第/>个边缘像素点的滑窗内正常像素点所占的区域越小，由于滑窗中心为边缘像素点，则说明第/>个边缘像素点是属于凸起边缘的，则邻域缺失系数/>的取值越大；/>的取值越大，说明第个边缘像素点所在位置为边缘的弯折点，越可能是主动脉瓣的凸起，则邻域缺失系数/>的取值越大。
将滑窗滑过待增强影像中所有边缘像素点，获得每个边缘像素点的邻域缺失系数，使用线性归一化函数将所有边缘像素点的邻域缺失系数归一化，归一化结果为每个边缘像素点的邻域缺失概率。
进一步的，将待增强影像中第个边缘像素点的邻域缺失概率记为/>，预设缺失阈值/>，本实施例选择/>进行叙述，当待增强影像中第/>个边缘像素点的邻域缺失概率/>满足/>时，说明第/>个边缘像素点为所在边缘的弯折区域，并且弯折较大，将第/>个边缘像素点记为一个凸起像素点；当待增强影像中第/>个边缘像素点的邻域缺失概率/>满足/>时，说明第/>个边缘像素点为所在边缘的平滑区域，将第/>个边缘像素点记为一个平滑像素点。使用缺失阈值/>对所有边缘像素点判断，获得满足邻域缺失概率大于缺失阈值的所有凸起像素点。
至此，获取到了待增强影像中所有凸起像素点。
（3）根据凸起像素点的重心获取凸起像素点的延伸射线，根据凸起像素点的延伸射线获取待增强影像中每个背景像素点的增强系数。
需要说明的是，每个凸起像素点都处于主动脉瓣的边缘，那么随着主动脉瓣从过渡区域向窄边缘延伸，其反射的超声波成像中所有像素点的灰度值逐渐降低，因此本实施例将凸起像素点的滑窗范围作为凸起像素点的邻域范围，在邻域范围内的正常像素点呈现灰度值越趋近于边缘越小，通过计算正常像素点的灰度重心，将灰度中心到凸起像素点连线的方向作为凸起像素点的延伸射线的方向。进而统计待增强影像中经过每个背景像素点的所有延伸射线，根据延伸射线的方向差异结合邻域缺失程度获取每个背景像素点的增强系数。
具体的，将第个凸起像素点的滑窗范围记为第/>个凸起像素点的邻域范围，获取第/>个凸起像素点的邻域范围内所有正常像素点，第/>个凸起像素点的灰度重心横纵坐标的计算方式为：
其中，为第/>个凸起像素点的灰度重心横坐标，/>为第/>个凸起像素点的灰度重心纵坐标，/>为第/>个凸起像素点的邻域范围内第/>个正常像素点的横坐标，/>为第/>个凸起像素点的邻域范围内第/>个正常像素点的纵坐标，/>为第/>个凸起像素点的邻域范围内第/>个正常像素点的灰度值；/>表示第/>个凸起像素点的邻域范围内所有正常像素点的数量。在重心公式的基础上添加正常像素点的灰度值作为计算权重，使得重心的横纵坐标向灰度值较大的方向偏移，由于凸起像素点的邻域范围内是越趋近于凸起像素点的灰度值越小，那么灰度重心越偏向于正常像素点区域，即距离凸起像素点越远；则将待增强影像中/>的位置记为第/>个凸起像素点的灰度重心。同理，获取每个凸起像素点的邻域范围，根据邻域范围内正常像素点的灰度值获得每个凸起像素点的灰度重心。
进一步的，将第个凸起像素点的灰度重心作为原点，向第/>个凸起像素点的方向连接获得一条射线，将连接的射线记为第/>个凸起像素点的延伸射线，进而获取第/>个凸起像素点的延伸射线的斜率。
进一步需要说明的是，凸起像素点为组织边缘的像素点，那么灰度重心距离凸起像素点的距离越近，说明组织边缘凸起变化越小，则越可能属于正常组织的过渡区域；凸起像素点的邻域缺失概率越大，说明该凸起像素点越趋近于凸起的顶点，则在该凸起像素点的延伸射线下的所有背景像素点的增强系数越大；若一个背景像素点被多个延伸射线经过，并且这些延伸射线的方向差异越小，则说明这个背景像素点属于主动脉瓣的瓣膜区域，则需要被增强现实出来。基于上述逻辑，本实施例根据凸起像素点的延伸射线，获取待增强影像中每个背景像素点的增强系数。
具体的，统计待增强影像中经过第个背景像素点的所有延伸射线的总数，第/>个背景像素点的增强系数的计算方式为：
其中，为第/>个背景像素点的增强参数，/>表示经过第/>个背景像素点的所有延伸射线斜率的标准差，/>表示待增强影像中经过第/>个背景像素点的延伸射线的总数，/>表示经过第/>个背景像素点的所有延伸射线中，第/>个延伸射线的凸起像素点的邻域缺失概率；/>表示经过第/>个背景像素点的所有延伸射线中，第/>个延伸射线的凸起像素点的灰度重心与第/>个延伸射线的凸起像素点的欧氏距离；/>表示以自然常数为底的指数函数。
经过第个背景像素点的所有延伸射线的斜率标准差取值越小，说明第/>个背景像素点被多个延伸射线的方向近似的凸起像素点经过，那么第/>个背景像素点属于主动脉瓣边缘的可能性越强，则增强参数的取值越大；经过第/>个背景像素点的延伸射线的总数越大，说明第/>个背景像素点在多个凸起像素点的延伸射线上，则越可能属于主动脉瓣边缘，则增强参数的取值越大；经过第/>个背景像素点的所有延伸射线中，每个延伸射线的凸起像素点的邻域缺失概率越大、凸起像素点与凸起像素点的灰度重心距离越小，说明第/>个背景像素点在凸起顶点的延伸射线经过的路径上，并且凸起区域为过渡区域，则第/>个背景像素点为主动脉瓣边缘的可能性越强，则增强参数的取值越大。同理，统计待增强影像中经过每个背景像素点的所有延伸射线的数量，获得每个背景像素点的增强参数，使用线性归一化函数将所有背景像素点的增强参数归一化，归一化结果为待增强影像中每个背景像素点的增强系数。
至此，获取到了待增强影像中每个背景像素点的增强系数。
（4）根据每个背景像素点的增强系数对背景像素点增强，获得增强后影像。
需要说明的是，获取到了每个背景像素点的增强系数后，使用增强系数对每个背景像素点的灰度值增强，获得每个背景像素点增强后的灰度值，所有背景像素点增强后的灰度值与所有正常像素点构成了增强后影像。
具体的，第个背景像素点增强后的灰度值/>的计算方式为：
其中，表示第/>个背景像素点增强后的灰度值，/>表示第/>个背景像素点的灰度值，/>表示第/>个背景像素点的增强系数。第/>个背景像素点的增强系数越大，说明第/>个背景像素点越可能是主动脉瓣的窄边缘，则获取到的增强后的灰度值取值越大。
进一步的，使用待增强影像中每个背景像素点的增强系数获取每个背景像素点的增强后的灰度值，所有增强后的背景像素点和所有正常像素点构成了增强后的影像，主动脉瓣区域的增强后的影像如图3所示。
至此，获取到了主动脉瓣的增强后影像。
影像显示模块103：将主动脉瓣的增强后影像与其他心脏组织区域融合获得心脏超声影像，显示心脏超声影像到医疗超声影像仪。
获取到了主动脉瓣的增强后影像后，增强后影像相较于待增强影像仅灰度值不同，将主动脉瓣的增强后影像与其他心脏组织区域的影像根据像素点位置融合获得增强后的心脏超声影像，将心脏超声影像显示到医疗超声波影像仪屏幕。
需要说明的是，本实施例中所用的模型仅表示负相关关系和约束模型输出的结果处于/>区间内，其中/>为本模型的输入，具体实施时可替换成具有同样目的的其他模型，本实施例只是以/>模型为例进行叙述，不对做具体限定。
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 (4)
1.一种医疗超声影像仪辅助增强系统，其特征在于，该系统包括以下模块：
超声影像采集模块：用于采集心脏超声影像，根据心脏超声影像获得待增强影像；
影像增强模块：用于根据待增强影像中像素点的灰度值获得待增强影像中所有正常像素点和背景像素点；根据正常像素点组成的区域的边缘获得待增强影像中所有边缘像素点；构建每个边缘像素点的滑窗，根据边缘像素点的滑窗内其他边缘像素点的分布获得每个边缘像素点的邻域缺失概率；根据每个边缘像素点的邻域缺失概率获取待增强影像中所有凸起像素点；将每个凸起像素点的滑窗的范围记为每个凸起像素点的邻域范围，根据每个凸起像素点的邻域范围内正常像素点的灰度值获得每个凸起像素点的灰度重心；根据每个凸起像素点和所述凸起像素点的灰度重心获得每个凸起像素点的延伸射线；根据所有凸起像素点的延伸射线获得待增强影像中每个背景像素点的增强系数；根据每个背景像素点的增强系数获得每个背景像素点增强后的灰度值，所有增强后的背景像素点和所有正常像素点构成了增强后的影像；
影像显示模块：用于融合增强后的影像获得增强后的心脏超声影像，显示增强后的心脏超声影像到医疗超声影像仪；
所述获得每个边缘像素点的邻域缺失概率包括：
将任意一个边缘像素点记为第个边缘像素点，预设滑窗边长/>，构建以第/>个边缘像素点为中心、边长为/>的滑窗，将滑窗滑过待增强影像中所有边缘像素点，获得每个边缘像素点的邻域缺失系数，使用线性归一化函数将所有边缘像素点的邻域缺失系数归一化，归一化结果为每个边缘像素点的邻域缺失概率；
所述邻域缺失系数的获取方式包括：
将待增强影像中第个边缘像素点的滑窗内正常像素点的个数记为/>，待增强影像中第/>个边缘像素点的邻域缺失系数/>的计算方式为：
其中，表示第/>个边缘像素点的第/>层滑窗斜率差值，/>表示第/>个边缘像素点的第/>层滑窗斜率差值，/>表示以自然常数为底的指数函数；
所述斜率差值的获取方式包括：
在第个边缘像素点的窗口中，获取第一层邻域中的两个边缘像素点的位置，计算两个边缘像素点分别与第/>个边缘像素点构成的连线的斜率差值，记为第/>个边缘像素点的第一层邻域斜率差值/>；获取第二层邻域中的两个边缘像素点的位置，计算两个边缘像素点分别与第/>个边缘像素点构成的连线的斜率差值，记为第/>个边缘像素点的第二层邻域斜率差值/>；以此类推，直至获取到了第/>个边缘像素点的第/>层邻域斜率差值/>时结束；
所述获取待增强影像中所有凸起像素点包括：
将待增强影像中第个边缘像素点的邻域缺失概率记为/>，预设缺失阈值/>，当待增强影像中第/>个边缘像素点的邻域缺失概率/>满足/>时，将第/>个边缘像素点记为一个凸起像素点；使用缺失阈值/>对所有边缘像素点判断，获得待增强影像中满足邻域缺失概率大于缺失阈值的所有凸起像素点；
所述获得每个凸起像素点的延伸射线包括：
将第个凸起像素点的灰度重心作为原点，向第/>个凸起像素点的方向连接获得一条射线，将连接的射线记为第/>个凸起像素点的延伸射线；
所述获得待增强影像中每个背景像素点的增强系数包括：
统计待增强影像中经过每个背景像素点的所有延伸射线的数量，根据延伸射线的数量获得每个背景像素点的增强参数，使用线性归一化函数将所有背景像素点的增强参数归一化，归一化结果记为待增强影像中每个背景像素点的增强系数。
2.根据权利要求1所述一种医疗超声影像仪辅助增强系统，其特征在于，所述获得每个凸起像素点的灰度重心包括：
将任意一个凸起像素点记为第个凸起像素点，将第/>个凸起像素点的邻域范围内所有正常像素点的数量记为/>，第/>个凸起像素点的灰度重心横坐标/>和纵坐标/>的计算方式为：
其中，为第/>个凸起像素点的邻域范围内第/>个正常像素点的横坐标，/>为第/>个凸起像素点的邻域范围内第/>个正常像素点的纵坐标，/>为第/>个凸起像素点的邻域范围内第/>个正常像素点的灰度值；
将待增强影像中的位置记为第/>个凸起像素点的灰度重心的位置。
3.根据权利要求1所述一种医疗超声影像仪辅助增强系统，其特征在于，所述获得每个背景像素点的增强参数包括：
将任意一个背景像素点记为第个背景像素点，将待增强影像中经过第/>个背景像素点的所有延伸射线的总数记为/>，第/>个背景像素点的增强参数/>的计算方式为：
其中，表示经过第/>个背景像素点的所有延伸射线斜率的标准差，/>表示经过第/>个背景像素点的所有延伸射线中，第/>个延伸射线的凸起像素点的邻域缺失概率；
表示经过第/>个背景像素点的所有延伸射线中，第/>个延伸射线的凸起像素点的灰度重心与第/>个延伸射线的凸起像素点的欧氏距离；
表示以自然常数为底的指数函数。
4.根据权利要求1所述一种医疗超声影像仪辅助增强系统，其特征在于，所述获得每个背景像素点增强后的灰度值包括：
将表示第个背景像素点的增强系数记为/>，第/>个背景像素点增强后的灰度值/>的计算方式为：
其中，表示第/>个背景像素点的灰度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311773976.8A CN117455779B (zh) | 2023-12-22 | 2023-12-22 | 一种医疗超声影像仪辅助增强系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311773976.8A CN117455779B (zh) | 2023-12-22 | 2023-12-22 | 一种医疗超声影像仪辅助增强系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117455779A CN117455779A (zh) | 2024-01-26 |
| CN117455779B true CN117455779B (zh) | 2024-03-26 |
Family
ID=89591269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311773976.8A Active CN117455779B (zh) | 2023-12-22 | 2023-12-22 | 一种医疗超声影像仪辅助增强系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117455779B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102306377A (zh) * | 2011-09-21 | 2012-01-04 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像去噪的方法和装置 |
| CN103632342A (zh) * | 2013-11-12 | 2014-03-12 | 华南理工大学 | 一种用于集成电路封装中的x射线图像模糊增强方法 |
| CN106204465A (zh) * | 2015-05-27 | 2016-12-07 | 美国西门子医疗解决公司 | 基于知识的超声图像增强 |
| CN112972770A (zh) * | 2021-02-22 | 2021-06-18 | 南通纺织丝绸产业技术研究院 | 一种复合增强结构人工心脏瓣膜及制备方法 |
| CN114066886A (zh) * | 2022-01-11 | 2022-02-18 | 北京威高智慧科技有限公司 | 骨骼分割边界确定方法、装置、电子设备及存储介质 |
| CN115546136A (zh) * | 2022-09-29 | 2022-12-30 | 青岛海信医疗设备股份有限公司 | 一种医学图像的图像处理方法、设备及装置 |
| CN115861135A (zh) * | 2023-03-01 | 2023-03-28 | 铜牛能源科技(山东)有限公司 | 一种应用于箱体全景探测的图像增强及识别方法 |
| CN116503392A (zh) * | 2023-06-26 | 2023-07-28 | 细胞生态海河实验室 | 一种用于卵巢组织分析的卵泡区域分割方法 |
| 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 |
| CN116823676A (zh) * | 2023-08-28 | 2023-09-29 | 浙江欣灵智能电气有限公司 | 基于红外热图的电动汽车防火安全检测方法 |
| CN116883537A (zh) * | 2023-09-06 | 2023-10-13 | 微山县人民医院 | 基于图像增强的普通外科手术影像采集方法 |
| CN116883293A (zh) * | 2023-09-08 | 2023-10-13 | 青岛云智霄凡科技有限公司 | 一种用于神经麻醉穿刺的图像增强处理方法 |
| CN116993628A (zh) * | 2023-09-27 | 2023-11-03 | 四川大学华西医院 | 一种用于肿瘤射频消融引导的ct图像增强系统 |
| CN117252872A (zh) * | 2023-11-16 | 2023-12-19 | 深圳市华海电子科技有限公司 | 一种手机屏幕缺陷视觉检测方法及系统 |
-
2023
- 2023-12-22 CN CN202311773976.8A patent/CN117455779B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102306377A (zh) * | 2011-09-21 | 2012-01-04 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像去噪的方法和装置 |
| CN103632342A (zh) * | 2013-11-12 | 2014-03-12 | 华南理工大学 | 一种用于集成电路封装中的x射线图像模糊增强方法 |
| CN106204465A (zh) * | 2015-05-27 | 2016-12-07 | 美国西门子医疗解决公司 | 基于知识的超声图像增强 |
| CN112972770A (zh) * | 2021-02-22 | 2021-06-18 | 南通纺织丝绸产业技术研究院 | 一种复合增强结构人工心脏瓣膜及制备方法 |
| CN114066886A (zh) * | 2022-01-11 | 2022-02-18 | 北京威高智慧科技有限公司 | 骨骼分割边界确定方法、装置、电子设备及存储介质 |
| CN115546136A (zh) * | 2022-09-29 | 2022-12-30 | 青岛海信医疗设备股份有限公司 | 一种医学图像的图像处理方法、设备及装置 |
| CN115861135A (zh) * | 2023-03-01 | 2023-03-28 | 铜牛能源科技(山东)有限公司 | 一种应用于箱体全景探测的图像增强及识别方法 |
| CN116503392A (zh) * | 2023-06-26 | 2023-07-28 | 细胞生态海河实验室 | 一种用于卵巢组织分析的卵泡区域分割方法 |
| 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 |
| CN116823676A (zh) * | 2023-08-28 | 2023-09-29 | 浙江欣灵智能电气有限公司 | 基于红外热图的电动汽车防火安全检测方法 |
| CN116883537A (zh) * | 2023-09-06 | 2023-10-13 | 微山县人民医院 | 基于图像增强的普通外科手术影像采集方法 |
| CN116883293A (zh) * | 2023-09-08 | 2023-10-13 | 青岛云智霄凡科技有限公司 | 一种用于神经麻醉穿刺的图像增强处理方法 |
| CN116993628A (zh) * | 2023-09-27 | 2023-11-03 | 四川大学华西医院 | 一种用于肿瘤射频消融引导的ct图像增强系统 |
| CN117252872A (zh) * | 2023-11-16 | 2023-12-19 | 深圳市华海电子科技有限公司 | 一种手机屏幕缺陷视觉检测方法及系统 |
Non-Patent Citations (6)
| Title |
|---|
| Edge Enhancement and Filtering of Medical Ultrasonic Images Using a Hybrid Method;Yapeng Wu et al.;IEEE Xplore;20070716;全文 * |
| 一种基于目标边缘灰度的图像模糊增强算法;张韬等;弹箭与制导学报;20080831;第28卷(第4期);全文 * |
| 儿童肺血管疾病的影像学诊断;段晓岷;于彤;;中国实用儿科杂志;20200906(第09期);全文 * |
| 基于CLAHE的X射线行李图像增强;王建;庞彦伟;;天津大学学报;20100315(第03期);全文 * |
| 基于卷积神经网络的CT图像肺肿瘤自动分割;陈康;中国优秀硕士学位论文全文数据库医药卫生科技辑;20230615(第6期);全文 * |
| 老年退行性心脏瓣膜病的超声诊断分析;阿庆玲;;内蒙古医学杂志;20170731(第07期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117455779A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11633169B2 (en) | Apparatus for AI-based automatic ultrasound diagnosis of liver steatosis and remote medical diagnosis method using the same | |
| Ikedo et al. | Development of a fully automatic scheme for detection of masses in whole breast ultrasound images | |
| EP0757544B1 (en) | Computerized detection of masses and parenchymal distortions | |
| CN111539930A (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 | |
| Gil et al. | Statistical strategy for anisotropic adventitia modelling in IVUS | |
| US11455720B2 (en) | Apparatus for ultrasound diagnosis of liver steatosis using feature points of ultrasound image and remote medical-diagnosis method using the same | |
| Bhadoria et al. | Comparison of segmentation tools for multiple modalities in medical imaging | |
| US20110196236A1 (en) | System and method of automated gestational age assessment of fetus | |
| Loizou et al. | An integrated system for the segmentation of atherosclerotic carotid plaque ultrasound video | |
| DE102012108121A1 (de) | Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien | |
| Athanasiou et al. | A novel semiautomated atherosclerotic plaque characterization method using grayscale intravascular ultrasound images: comparison with virtual histology | |
| CN110772286A (zh) | 一种基于超声造影识别肝脏局灶性病变的系统 | |
| JPH0824227A (ja) | 医用画像診断装置 | |
| CN110211143A (zh) | 一种基于计算机视觉的医学图像分析方法 | |
| CN114627067A (zh) | 一种基于图像处理的伤口面积测量及辅助诊疗方法 | |
| Huang et al. | Stability analysis of fractal dimension in retinal vasculature | |
| CN113689424B (zh) | 可自动识别图像特征的超声检查系统及识别方法 | |
| Loizou et al. | Segmentation of atherosclerotic carotid plaque in ultrasound video | |
| Edwin et al. | Liver and tumour segmentation from abdominal CT images using adaptive threshold method | |
| CN111513743B (zh) | 一种骨折检测方法及装置 | |
| CN117455779B (zh) | 一种医疗超声影像仪辅助增强系统 | |
| Choy et al. | Morphological image analysis of left-ventricular endocardial borders in 2D echocardiograms | |
| CN107169978A (zh) | 超声图像边缘检测方法及系统 | |
| CN116168029A (zh) | 一种用于评估肋骨骨折的方法、设备和介质 | |
| CN114708283A (zh) | 图像目标的分割方法、装置、电子设备及存储介质 |
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 |