TWI652048B - 超音波影像均勻度檢測方法及其系統 - Google Patents

超音波影像均勻度檢測方法及其系統 Download PDF

Info

Publication number
TWI652048B
TWI652048B TW107106287A TW107106287A TWI652048B TW I652048 B TWI652048 B TW I652048B TW 107106287 A TW107106287 A TW 107106287A TW 107106287 A TW107106287 A TW 107106287A TW I652048 B TWI652048 B TW I652048B
Authority
TW
Taiwan
Prior art keywords
image
ultrasonic
weighted entropy
uniformity
weighted
Prior art date
Application number
TW107106287A
Other languages
English (en)
Other versions
TW201936120A (zh
Inventor
崔博翔
蔡羽威
李尚瑾
馬祥洋
洪傑銘
Original Assignee
長庚大學
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 長庚大學 filed Critical 長庚大學
Priority to TW107106287A priority Critical patent/TWI652048B/zh
Priority to CN201810379457.6A priority patent/CN108670303B/zh
Application granted granted Critical
Publication of TWI652048B publication Critical patent/TWI652048B/zh
Publication of TW201936120A publication Critical patent/TW201936120A/zh

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

Abstract

本發明提供了一種超音波影像均勻度檢測方法及其系統，將超音波影像區分為複數個小區塊並將各該小區塊數值化後，依序計算各該小區塊的加權熵後形成第一加權熵影像。之後將超音波影像去除極端值再運算一次產生第二加權熵影像，將第一加權熵影像與第二加權熵影像整合為加權熵參數影像。最後再根據第一加權熵影像與第二加權熵影像所佔比例計算均勻度指標，直接量化超音波肝臟影像的均勻度，輔助醫護人員臨床診斷的判別。

Description

超音波影像均勻度檢測方法及其系統
本發明涉及超音波影像領域，特別是指利用機率密度函數及加權熵實現加權熵參數成像，直接量化超音波肝臟影像的均勻度。
肝臟疾病，如肝纖維化與脂肪肝，是目前主要常見的肝實質病變。臨床上，超音波影像系統廣泛用於肝臟掃描，藉由臨床醫師操作超音波，對病人進行掃描以獲得灰階影像，透過灰階影像紋理與特徵的觀察，來進行肝實質病變的等級判定。
肝臟實質由許多肝細胞與小血管組成，就聲學角度可被視為由許多小於波長的散射子集合而成的模型。當肝臟實質發生纖維化或者脂肪肝，等同於在肝臟中原本所存在之大量分布散射子外，尚會新增額外的散射子或者散射結構，造成超音波入射至肝臟裡，產生不同程度的聲波建設性或者破壞性干涉改變，進而改變超音波散射訊號的波形，以及最後影像的均勻度。因此在諸多超音波影像特徵中，影像的均勻度(homogeneity)是用來判斷肝實質病變的重要特徵之一。
超音波入射波與肝臟散射子交互作用下，因為肝臟散射子小於波長，因此主要是產生隨機性的散射訊號。許多文獻證實散射訊號振幅的統計分布會與散射子的分布與結構狀態有關，因此利用統計模型來描述超音波散射訊號振幅的機率分布模式，可了解超音波散射訊號波形的變化情況，藉此來間接了解與評估影像均勻度的表現與變化，如此方式可輔助醫師判讀影像特徵。
例如中國專利第CN103648398號，揭示一種超音波診斷裝置及圖像處理裝置，內含利用統計濾波處理來求得信號的振幅分布的雷利分佈偏離度，並進行圖像化，該模式被稱為ASQ(acoustic structure quantification)，可提供使用者超音波散射訊號的統計分佈資訊，醫師可因此來評估推測肝臟影像均勻度。
又例如中華民國專利公開第201519872號，揭露一種非侵入式肝纖維化程度評估裝置與方法，該裝置包括Nakagami參數產生模組，以Nakagami參數產生模組利用Nakagami分佈函數對超音波影像資料加以處理，以獲得一Nakagami參數，藉以了解超音波散射訊號的統計分布，以評估肝纖維化程度。
然而，確認肝臟超音波散射訊號是否遵循所使用的數學統計模式，是現有超音波訊號分析的使用前提。需要留意的是，不同廠牌的超音波系統，因其訊號擷取與影像合成處理模式不盡相同，因此訊號的統計性質亦會不同。換言之，使用統計分佈模型為基礎之習知方法，無法適用在不同的超音波機器，即便假設訊號統計是遵循所使用之統計分布，也恐有假設錯誤而造成計算偏差之可能性。
對此，過去有文獻提出使用訊息理論熵來取代統計分布模型，透過詮釋超音波散射訊號的複雜度與不確定性，亦可用來間接評估影像均勻度。因為訊息理論熵並非數學模型，訊號本身不需遵循某特定分佈，實際應用上更具彈性與廣泛性。為了改善訊息理論熵的分析表現，中華民國專利第I550268號提出一種超音波定量組織特性靈敏度的提昇方法，來提升訊息理論熵偵測訊號不確定性之靈敏度，因此加權熵相較於傳統熵來說，擁有較佳的靈敏度表現，在臨床超音波肝臟影像輔助判讀，有更大的應用潛力。然而，因為其計算公式中須先利用傅立葉級數重建出超音波散射訊號的機率密度函數，重建過程計算量大且耗時，對於實現加權熵參數成像與圖像化效率上，有一定的困難度。
本發明的目的在於改善習知超音波訊號分析無法適用在不同的超音波機器，而利用加權熵進行超音波訊號分析則有運算量過大，造成耗時及系統負擔等問題，而提出一種超音波影像均勻度檢測方法。
為了達到上述目的，本發明係採取以下之技術手段予以達成，其中，本發明提供一種超音波影像均勻度檢測方法，包括下列步驟：a提供一超音波模組、一處理模組以及一均勻度指標產生單元，該超音波模組用以發射與接收超音波訊號，該處理模組用於處理、運算、過濾以及合成超音波訊號，該均勻度指標產生單元基於超音波訊號產生加權影像以及均勻度的指標。b 該超音波模組發射一超音波。c該超音波模組持續接收該超音波反射的複數回波訊號。d將該複數回波訊號進行合成、解調以形成一包絡線訊號。e將該包絡線訊號進行壓縮、掃描轉換與灰階配色處理，以產生一超音波灰階影像。f利用一滑動視窗技術處理該包絡線訊號，以產生一加權熵參數影像以及一均勻度指標，所述滑動視窗技術係指將該包絡線訊號區分為複數個小區塊，並將各該小區塊數值化後，依序計算各該小區塊的加權熵後組合為該加權熵參數影像。g整合該超音波灰階影像以及該加權熵參數影像為一輸出影像。
在本發明一實施例中，其中該步驟f更包括以下步驟： f1擷取一滑動視窗內之一包絡線訊號數據，並將該包絡線訊號數據轉成一維包絡數據序列；f2將該一維包絡數據序列進行數值正規化處理，使該一維包絡數據序列大小分佈介於0至1之間；f3利用正規化後的該一維包絡數據序列產生相對應發生次數的一直方圖；f4將該直方圖轉換為一機率密度直方圖；f5將該機率密度直方圖的數值帶入一演算法產生一加權熵；f6判斷是否已取得該包絡線訊號數據的一第一加權熵影像，該第一加權熵影像為該包絡線訊號數據中各個位置的加權熵排列組合而組成，若判斷結果為否，則移動該滑動視窗，並重複執行步驟f1， 若判斷結果為是，則移除該一維包絡數據序列中的極端值；f7重複執行步驟f1至步驟f6以形成一第二加權熵影像；f8合成該第一加權熵影像以及該第二加權熵影像為一加權熵參數影像；f9根據該加權熵參數影像計算該均勻度指標。
在本發明一實施例中，其中該演算法為： ；其中， 為該加權熵； y為加權因子主體(包絡數據之振幅值) ; m為加權因子的冪次。
在本發明一實施例中，其中該加權因子的冪次為2。
在本發明一實施例中，其中該均勻度指標係根據該加權熵參數影像內第一加權熵影像的像素值與第二加權熵影像的像素值所佔比例進行計算，其數值範圍介於0% 至100%之間。
在本發明一實施例中，其中該極端值係指與該一維包絡數據序列的數據平均值差異過大的值。
本發明還提供一種超音波影像均勻度檢測系統，適用於上述超音波影像均勻度檢測方法，包括：一超音波模組、一訊號合成單元、一解調單元、一影像處理單元、一均勻度指標產生單元、一影像合成單元以及一顯示裝置。該超音波模組用以發射與接收一超音波訊號。該訊號合成單元與該超音波模組電訊連接，用以驅動該超音波模組，並可接收處理該超音波訊號的複數回波訊號，形成一影像原始數據。該解調單元與該訊號合成單元電訊連接，用以解調該影像原始數據，形成與該影像原始數據相對應的一包絡線訊號。該影像處理單元與該解調單元電訊連接，用以針對該包絡線訊號進行壓縮、掃描轉換與灰階配色等處理，以產生一超音波灰階影像。該均勻度指標產生單元與該解調單元電訊連接，利用一滑動視窗技術處理該包絡線訊號，以產生一加權熵參數影像以及一均勻度指標。該影像合成單元用以整合該超音波灰階影像以及該加權熵參數影像為一輸出影像。
在本發明一實施例中，該影像原始數據由多個該超音波的回波訊號合成所組成。
在本發明一實施例中，該滑動視窗技術包括將該包絡線訊號區分為複數個小區塊，並將各該小區塊數值化後，依序計算各該小區塊的加權熵後組合為該加權熵參數影像。
在本發明一實施例中，該超音波影像均勻度檢測系統更包括一顯示裝置，用以顯示該輸出影像以及該均勻度指標。
透過上述方式，本發明提出一種超音波影像均勻度檢測方法，提出一替代式機率密度函數產生做法，用來計算加權熵並實現加權熵參數成像，同時設計一套演算法流程，基於加權熵影像來產生一影像均勻度指標，可直接量化超音波肝臟影像的均勻度。
為達成上述目的及功效，本發明所採用之技術手段及構造，茲繪圖就本發明較佳實施例詳加說明其特徵與功能如下，俾利完全了解，但須注意的是，該等內容不構成本發明的限定。
請同時參閱圖1至圖5所示，其為本發明超音波影像均勻度檢測方法及其系統較佳實施例之方法流程圖、系統架構圖、影像原始數據示意圖、包絡線訊號示意圖以及超音波灰階影像示意圖。本發明提供一種超音波影像均勻度檢測方法，包括下列步驟：
步驟100：提供一超音波模組 1、一處理模組 2以及一均勻度指標產生單元 3。該超音波模組 1用以發射與接收一超音波訊號，其可包含一超音波探頭 11以及一顯示裝置 12。該超音波探頭 11可以為一單陣元超音波探頭或陣列式超音波探頭，可分別適用於單陣元超音波系統以及陣列式超音波系統，用以發射及接收超音波。該顯示裝置 12用以顯示經過處理後的超音波灰階影像。該處理模組 2用於處理、運算、過濾以及合成超音波訊號，其至少包括一訊號合成單元 21、一解調單元 22、一影像處理單元 23、一影像合成單元 24，但不限於此。該訊號合成單元 21用以驅動該超音波模組 1，並可接收處理該超音波的回波訊號，形成一影像原始數據 91。該解調單元 22用以解調該影像原始數據 91，形成與該影像原始數據 91相對應的一包絡線訊號 92。該影像處理單元 23用以針對該包絡線訊號 92進行壓縮、掃描轉換與灰階配色等處理，以產生一超音波灰階影像 93。該影像合成單元 24用以整合該超音波影像。該均勻度指標產生單元 3利用一滑動視窗 41技術處理該包絡線訊號 92，以產生一加權熵參數影像 96以及一均勻度指標。
步驟110：該超音波模組 1發射一超音波。該超音波模組 1利用該超音波探頭 11發射一超音波進入一待測體，該超音波訊號為一射頻訊號。於本實施例中，該待測體為人體之肝臟。
步驟120：該超音波模組 1持續接收該超音波反射的複數回波訊號。該超音波進入該待測體後，會產生反射的一回波訊號，該超音波探頭 11持續接收回波訊號並傳送至該訊號合成單元 21。
步驟130：將該複數回波訊號進行合成、解調以形成一包絡線訊號 92。該訊號合成單元 21將所接收的複數回波訊號進行合成形成一影像原始數據 91，如圖3所示。而該解調單針對該影像原始數據 91進行解調，形成與該影像原始數據 91相對應的一包絡線訊號 92，如圖4所示。
步驟140：將該包絡線訊號 92進行壓縮、掃描轉換與灰階配色處理，以產生一超音波灰階影像 93。該影像處理單元 23針對該包絡線訊號 92進行壓縮、掃描轉換與灰階配色等處理，以產生一超音波灰階影像 93，如圖5所示。
步驟150：該均勻度指標產生單元 3利用一滑動視窗技術處理該包絡線訊號 92，以產生一加權熵參數影像 96以及一均勻度指標。所述滑動視窗技術係指將該包絡線訊號 92區分為複數個小區塊，並將各該小區塊數值化後，依序計算各該小區塊的加權熵後組合為該加權熵參數影像 96。請更加參閱圖6至圖8b所示，其分別為本發明超音波影像均勻度檢測方法之產生加權熵參數影像與均勻度指標方法流程圖、架構示意圖、直方圖以及機率密度直方圖。該均勻度指標產生單元 3處理該包絡線訊號 92的演算流程如步驟151至159所示：
步驟151：擷取一滑動視窗 41內之包絡線訊號數據，並將該包絡線訊號數據轉成一維包絡數據序列。於該包絡線訊號 92上產生虛擬的一滑動視窗 41，該滑動視窗 41為正方型視窗、視窗邊長為一倍超音波入射波脈衝長度，以使參數影像有最佳解析度，於本實施例中，設定該包絡線訊號 92最左上方為該滑動視窗 41起始位置，但不限於此。擷取該滑動視窗 41所在位置對應之一包絡線訊號數據，並將包絡線訊號數據轉成一維包絡數據序列，其中，該包絡線訊號數據為二維的包絡數據，該一維包絡數據序列為一維的包絡數據。值得一提的是，本發明使用加權熵演算方法，並非是以統計模型為基礎之習知方法，因此滑動視窗 41邊長不需受限在過去習知方法所建議的兩倍以上脈衝長度。
步驟152：將該一維包絡數據序列進行數值正規化處理。所述正規化處理為利用該一維包絡數據除上數據中的最大值，使該一維包絡數據序列大小分佈介於0至1之間，以利該均勻度指標產生單元 3後續計算。
步驟153：利用正規化後的該一維包絡數據序列產生相對應包絡數據(即振幅數值)發生次數的一直方圖。該直方圖橫坐標表示數據大小，縱座標為各組的發生次數。在本發明較佳實施例來說，若將直方圖切割成n份，則橫坐標為yi，其中i=1, 2, 3, …n；各組的組距設定可選擇0.01、0.02、0.05、或0.1，以對應到10、20、50、或100之切割份數(即組數)。利用上述方式可確保該直方圖清楚顯示數據大小及分布趨勢，如圖8a所示。
值得一提的是，若有任意組之發生次數為零，則選用小於0.01倍的視窗內數據標準差的任意正數取代，此為去零值處理，可避免後續演算法之計算無意義。
步驟154：將該直方圖轉換為一機率密度直方圖。將該直方圖每組的數值（發生次數）除上直方圖總發生次數的數值總和，以將該直方圖的縱座標轉換為發生機率，以作為後續演算法中替代式機率密度函數w(y)，如圖8b所示。
步驟155：將該機率密度直方圖的數值帶入一演算法產生一加權熵。過去習知方法利用傅立葉級數重建機率密度函數，重建過程計算量大且耗時，加上不同廠商生產之超音波儀器其系統、演算方式亦不盡相同，在整合各廠牌之超音波儀器其上存在一定之難度。有鑑於此，本發明先將超音波的包絡線訊號數值化及機率密度化處理，再將替代式機率密度函數w(y)帶入加權熵演算法，取得加權參數，可以有效解決上述問題，該演算法可以被表示如公式(1)所示： ； (1) 其中， 為加權熵； y為加權因子主體(包絡數據之振幅值) ; m為加權因子的冪次，使用冪次m=2表示利用功率作為加權考量，以產生加權熵。
步驟156：判斷是否已取得該包絡線訊號數據的一第一加權熵影像 94。該均勻度指標產生單元判斷是否已取得該第一加權熵影像 94，所述第一加權熵影像 94為該包絡線訊號數據影像中各個位置的加權熵排列組合而組成。
若判斷結果為否，則執行步驟1561：移動該滑動視窗 41，並重複執行步驟151。令該滑動視窗 41陸續移動，視窗移動重疊率設定為50%，如此可在影像品質與運算速度之間取得折衷。該滑動視窗 41移動所到的每個局部位置，皆依照步驟151至步驟155計算出相對應的加權熵，當視窗完成整張的包絡線訊號數據移動處理，可獲得一第一加權熵影像 94。
若判斷結果為是，則執行步驟1562：移除該一維包絡數據序列中的極端值。所述極端值係指與該一維包絡數據序列的數據平均值差異過大的值。於本實施例中設定該一維包絡數據序列的數據平均值與四倍標準差的和為區隔邊界，數值大於該區隔邊界的值即為極端值，其代表組織中有不均勻的組成物，如纖維結構或血管。
步驟157：重複執行步驟151至步驟1561以形成一第二加權熵影像 95。值得一提的是，移除極端值的程序亦可以在移動該滑動視窗 41時同時進行，自動偵測及移除位於滑動視窗 41內之極端值，可增快系統處理效率。
步驟158：合成該第一加權熵影像 94以及該第二加權熵影像 95為一加權熵參數影像 96。根據加權熵參數性質，當排除掉數據中的極端值後，加權熵參數會升高，因此對該第一加權熵影像 94與該第二加權熵影像 95依序進行點對點比較，以一第一影像點、第二影像點為例，若該第一加權熵影像 94的第一影像點像素值(Hc1)除以該第二加權熵影像 95的第一影像點像素值(Hc2)的結果大於等於一參數變化因子 K（ ），則代表該第一影像點位置屬於較為均勻處，此時取第一加權熵影像 94的像素值(Hc1)填入同樣像素位置的重建影像空間中(如圖7中空白方格像素)。若第一加權熵影像 94的第二影像點像素值(Hc1)除以第二加權熵影像 95的第二影像點像素值(Hc2)的結果小於參數變化因子K（ ），則表示該第二影像點位置屬於較為不均勻處，此時取第二加權熵影像 95的像素值(Hc2)填入同樣像素位置的重建影像空間中(如圖7中斜線方格像素)，最終可形成加權熵參數影像 96。於本實施例中，參數變化因子K選用範圍在0至0.99之間，以納入第一加權熵影像 94與第二加權熵影像 95像素值比例變化的所有可能性。
步驟159：根據該加權熵參數影像 96計算均勻度指標。統計該加權熵參數影像 96內第一加權熵影像 94的像素值(Hc1)與第二加權熵影像 95的像素值(Hc2)的各自數量及所佔比例後，依據公式計算出均勻度指標(數值範圍0% - 100%)，其計算方式如公式(2)所示。 (2)
步驟160：整合該超音波灰階影像 93以及該加權熵參數影像 96為一輸出影像。計算出加權熵參數影像 96後，可將該超音波灰階影像 93以及該加權熵參數影像 96整合為一輸出影像，將該超音波灰階影像 93設置於底層，而該加權熵參數影像 96為彩色影像，將其疊加於該超音波灰階影像 93之上，可增強影像效果。
較佳者，該步驟160之後還可包括下列步驟：利用顯示裝置 12顯示該輸出影像以及該均勻度指標。同時顯示帶有色彩的超音波影像及均勻度指標，可有利於輔助醫護人員臨床上的診斷。
本發明還提供一種超音波影像均勻度檢測系統，適用於上述超音波影像均勻度檢測方法。該音波影像均勻度檢測系統包括：一超音波探頭 11、一訊號合成單元 21、一解調單元 22、一影像處理單元 23、一均勻度指標產生單元 3以及一影像合成單元 24。
該超音波探頭 11用以發射與接收一超音波訊號，該超音波探頭 11可以為一單陣元超音波探頭或陣列式超音波探頭，可分別適用於單陣元超音波系統以及陣列式超音波系統，用以發射及接收超音波。
該訊號合成單元 21與該超音波探頭 11電訊連接，用以驅動該超音波探頭 11，並可接收處理該超音波訊號的回波訊號，形成一影像原始數據 91。
該解調單元 22與該訊號合成單元 21電訊連接，用以解調該影像原始數據 91，形成與該影像原始數據 91相對應的一包絡線訊號 92。
該影像處理單元 23與該解調單元 22電訊連接，用以針對該包絡線訊號 92進行壓縮、掃描轉換與灰階配色等處理，以產生一超音波灰階影像 93
該均勻度指標產生單元 3與該解調單元 22電訊連接，利用一滑動視窗技術處理該包絡線訊號 92，以產生一加權熵參數影像 96以及一均勻度指標。該滑動視窗技術包括將該包絡線訊號 92區分為複數個小區塊，並將各該小區塊數值化後，依序計算各該小區塊的加權熵後組合為該加權熵參數影像 96，其詳細步驟如上述方法所述，故不再一一贅述。
該影像合成單元 24用以整合該超音波灰階影像 93以及該加權熵參數影像 96為一輸出影像。
在本發明一實施例中，該影像原始數據 91由多個該超音波的回波訊號合成所組成。
在本發明一實施例中，該超音波影像均勻度檢測系統更包括一顯示裝置 12，用以顯示該輸出影像以及該均勻度指標。
透過上述方式，本發明提出了一種替代式機率密度函數產生做法，用來計算加權熵並實現加權熵參數成像，同時設計一套演算法流程，基於加權熵參數影像 96來產生影像的均勻度指標，可直接參數化超音波內臟影像的均勻度，醫護人員在判斷患者的超音波影像時，可利用參數化的均勻度指標輔助臨床上的診斷，當均勻度指標越高，則越有可能是肝臟脂肪化、脂肪病變等疾病。
經過上述的詳細說明，已充分顯示本發明具有實施的進步性，且為前所未見的新發明，完全符合發明專利要件，爰依法提出申請。惟以上所述僅為本發明的較佳實施例而已，當不能用以限定本發明實施的範圍，亦即依本發明專利範圍所作的均等變化與修飾，皆應屬於本發明專利涵蓋的範圍內。
1‧‧‧超音波模組
11‧‧‧超音波探頭
12‧‧‧顯示裝置
2‧‧‧處理模組
21‧‧‧訊號合成單元
22‧‧‧解調單元
23‧‧‧影像處理單元
24‧‧‧影像合成單元
3‧‧‧均勻度指標產生單元
41‧‧‧滑動視窗
91‧‧‧影像原始數據
92‧‧‧包絡線訊號
93‧‧‧超音波灰階影像
94‧‧‧第一加權熵影像
95‧‧‧第二加權熵影像
96‧‧‧加權熵參數影像
Hc1, Hc2‧‧‧像素值
100～160‧‧‧步驟
151～159‧‧‧步驟
圖1為本發明超音波影像均勻度檢測方法及其系統之方法流程圖； 圖2為本發明超音波影像均勻度檢測方法及其系統之系統架構圖； 圖3為本發明超音波影像均勻度檢測方法及其系統之影像原始數據示意圖； 圖4為本發明超音波影像均勻度檢測方法及其系統之包絡線訊號示意圖； 圖5為本發明超音波影像均勻度檢測方法及其系統之超音波灰階影像示意圖； 圖6為本發明超音波影像均勻度檢測方法及其系統之產生加權熵參數影像與均勻度指標方法流程圖； 圖7為本發明超音波影像均勻度檢測方法及其系統之架構示意圖； 圖8a為本發明超音波影像均勻度檢測方法及其系統之直方圖； 圖8b為本發明超音波影像均勻度檢測方法及其系統之機率密度直方圖。

Claims (9)

  1. 一種超音波影像均勻度檢測方法，包括下列步驟：a提供一超音波模組、一處理模組以及一均勻度指標產生單元，該超音波模組用以發射與接收超音波訊號，該處理模組用於處理、運算、過濾以及合成超音波訊號，該均勻度指標產生單元基於超音波訊號產生加權影像以及均勻度的指標；b該超音波模組發射一超音波；c該超音波模組持續接收該超音波反射的複數回波訊號；d將該複數回波訊號進行合成、解調以形成一包絡線訊號；e將該包絡線訊號進行壓縮、掃描轉換與灰階配色處理，以產生一超音波灰階影像；以及f利用一滑動視窗技術處理該包絡線訊號，以產生一加權熵參數影像以及一均勻度指標，所述滑動視窗技術係指將該包絡線訊號區分為複數個小區塊，並將各該小區塊數值化後，依序計算各該小區塊的加權熵後組合為該加權熵參數影像；其中該步驟f更包括以下步驟：f1擷取一滑動視窗內之一包絡線訊號數據，並將該包絡線訊號數據轉成一一維包絡數據序列；f2將該一維包絡數據序列進行數值正規化處理，使該一維包絡數據序列大小分佈介於0至1之間；f3利用正規化後的該一維包絡數據序列產生相對應發生次數的一直方圖；f4將該直方圖轉換為一機率密度直方圖；f5將該機率密度直方圖的數值帶入一演算法產生一加權熵；f6判斷是否已取得該包絡線訊號數據的一第一加權熵影像，該第一加權熵影像為該包絡線訊號數據各個位置的加權熵排列組合而組成，若判斷結果為否，則移動該滑動視窗，並重複執行步驟f1，若判斷結果為是，則移除該一維包絡數據序列中的極端值；f7重複執行步驟f1至步驟f6以形成一第二加權熵影像；f8合成該第一加權熵影像以及該第二加權熵影像為一加權熵參數影像；f9根據該加權熵參數影像計算該均勻度指標；以及g整合該超音波灰階影像以及該加權熵參數影像為一輸出影像。
  2. 如申請專利範圍第1項所述的超音波影像均勻度檢測方法，其中該演算法為：其中，Hc為該加權熵；y為加權因子主體(包絡數據之振幅值)；m為加權因子的冪次。
  3. 如申請專利範圍第2項所述的超音波影像均勻度檢測方法，其中加權因子的冪次為2。
  4. 如申請專利範圍第1項所述的超音波影像均勻度檢測方法，其中該均勻度指標係根據該加權熵參數影像內第一加權熵影像的像素值與第二加權熵影像的像素值所佔比例進行計算，其數值範圍介於0%至100%之間。
  5. 如申請專利範圍第1項所述的超音波影像均勻度檢測方法，其中該極端值係指與該一維包絡數據序列的數據平均值差異過大的值。
  6. 一種超音波影像均勻度檢測系統，適用於申請專利範圍第1至5項所述之超音波影像均勻度檢測方法，包括：一超音波探頭，用以發射與接收一超音波訊號；一訊號合成單元，與該超音波探頭電訊連接，用以驅動該超音波探頭，並可接收處理該超音波訊號的回波訊號，形成一影像原始數據；一解調單元，與該訊號合成單元電訊連接，用以解調該影像原始數據，形成與該影像原始數據相對應的一包絡線訊號；一影像處理單元，與該解調單元電訊連接，用以針對該包絡線訊號進行壓縮、掃描轉換與灰階配色等處理，以產生一超音波灰階影像；一均勻度指標產生單元，與該解調單元電訊連接，利用一滑動視窗技術處理該包絡線訊號，以產生一加權熵參數影像以及一均勻度指標；以及一影像合成單元，用以整合該超音波灰階影像以及該加權熵參數影像為一輸出影像。
  7. 如申請專利範圍第6項所述的超音波影像均勻度檢測系統，其中該影像原始數據由多個該超音波的回波訊號合成所組成。
  8. 如申請專利範圍第6項所述的超音波影像均勻度檢測系統，其中該滑動視窗技術包括將該包絡線訊號區分為複數個小區塊，並將各該小區塊數值化後，依序計算各該小區塊的加權熵後組合為該加權熵參數影像。
  9. 如申請專利範圍第6項所述的超音波影像均勻度檢測系統，其中該超音波影像均勻度檢測系統更包括一顯示裝置，用以顯示該輸出影像以及該均勻度指標。
TW107106287A 2018-02-26 2018-02-26 超音波影像均勻度檢測方法及其系統 TWI652048B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW107106287A TWI652048B (zh) 2018-02-26 2018-02-26 超音波影像均勻度檢測方法及其系統
CN201810379457.6A CN108670303B (zh) 2018-02-26 2018-04-25 超音波影像均匀度检测方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107106287A TWI652048B (zh) 2018-02-26 2018-02-26 超音波影像均勻度檢測方法及其系統

Publications (2)

Publication Number Publication Date
TWI652048B true TWI652048B (zh) 2019-03-01
TW201936120A TW201936120A (zh) 2019-09-16

Family

ID=63802523

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107106287A TWI652048B (zh) 2018-02-26 2018-02-26 超音波影像均勻度檢測方法及其系統

Country Status (2)

Country Link
CN (1) CN108670303B (zh)
TW (1) TWI652048B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840564B (zh) * 2019-01-30 2020-03-17 成都思多科医疗科技有限公司 一种基于超声造影图像均匀程度的分类系统
CN110075430B (zh) * 2019-04-28 2020-10-02 南京大学 一种基于信息熵的超声空化实时监测方法及系统
TWI769435B (zh) * 2020-02-14 2022-07-01 佳世達科技股份有限公司 可改善超音波影像品質之方法和相關超音波探測系統
CN114631848B (zh) * 2022-02-14 2024-04-05 逸超医疗科技(北京)有限公司 组织均匀性的探测方法、装置、设备及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102508182A (zh) * 2011-11-30 2012-06-20 苏州安科医疗系统有限公司 一种用于磁共振成像的多阶谐波动态匀场方法
CN103186895A (zh) * 2013-04-15 2013-07-03 武汉大学 一种基于神经网络模型的ct灌注医疗图像智能融合方法
TWI550268B (zh) * 2015-05-22 2016-09-21 Method of Improving Sensitivity of Quantitative Tissue Characteristic of Ultrasonic
CN105578094B (zh) * 2015-12-18 2018-08-28 深圳市帅映科技股份有限公司 一种图像边缘融合处理系统
KR102589496B1 (ko) * 2016-07-04 2023-10-16 삼성전자 주식회사 화면 표시 방법 및 이를 지원하는 전자 장치
CN106618639B (zh) * 2016-11-04 2019-01-04 声泰特（成都）科技有限公司 一种定量剪切波弹性成像方法
CN107247971B (zh) * 2017-06-28 2020-10-09 中国人民解放军总医院 一种超声甲状腺结节风险指标的智能分析方法及系统
CN107492071B (zh) * 2017-08-17 2021-04-27 京东方科技集团股份有限公司 医学图像处理方法及设备
CN107518920B (zh) * 2017-09-30 2020-02-18 深圳开立生物医疗科技股份有限公司 超声波图像处理方法及装置、超声诊断装置及存储介质

Also Published As

Publication number Publication date
CN108670303B (zh) 2021-06-25
CN108670303A (zh) 2018-10-19
TW201936120A (zh) 2019-09-16

Similar Documents

Publication Publication Date Title
Feigin et al. A deep learning framework for single-sided sound speed inversion in medical ultrasound
TWI652048B (zh) 超音波影像均勻度檢測方法及其系統
CN103889337B (zh) 超声波诊断装置以及超声波诊断装置控制方法
JP5627890B2 (ja) 最適なスペックル追跡のための二重経路処理
JP2009240464A (ja) 超音波診断装置
CN111936057B (zh) 超声成像系统和方法
CN106983524A (zh) 一种反映生物组织异常的参数及其测量方法
WO2009104525A1 (ja) 超音波診断装置、超音波弾性情報処理方法及び超音波弾性情報処理プログラム
CN116419716A (zh) 周期性参数的分析方法和超声成像系统
JP2004321582A (ja) 超音波診断装置及び超音波診断支援プログラム
TWI550268B (zh) Method of Improving Sensitivity of Quantitative Tissue Characteristic of Ultrasonic
CN112617898B (zh) 用于超声成像中的闪烁抑制的系统和方法
Opieliński et al. Full angle ultrasound spatial compound imaging
Muhtadi et al. Analyzing the texture of Nakagami parametric images for classification of breast cancer
JP2013146625A (ja) 超音波診断装置
US20240320801A1 (en) Systems and methods for clutter artifact removal
JP7535189B2 (ja) 腹直筋の超音波画像データの分析
Lanzolla et al. Improving b-mode ultrasound medical images
Kadah et al. Edge Detail Preservation Technique for Enhancing Speckle Reduction Filtering Performance in Medical Ultrasound Imaging.
Shaharuddin et al. An overview in development of computer aided diagnosis (CAD) for ultrasound kidney images
EP4108179A1 (en) Ultrasound systems and methods for monitoring a valsalva manoeuvre
WO2022128705A1 (en) Apparatus for use in analysing an ultrasound image of a subject
Thomas et al. 17 Machine Learning Algorithms in the Handling of Ultrasonography Big Data for Disease
Cherkas Thyroid Gland Ultrasonography Automation Through Intelligent Analysis
Xie et al. Spectral analysis enhanced net (SAE-Net) to classify breast lesions with BI-RADS category 4 or higher