CN108542422A - B超图像优化方法、装置及计算机可读存储介质 - Google Patents
B超图像优化方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108542422A CN108542422A CN201810189000.9A CN201810189000A CN108542422A CN 108542422 A CN108542422 A CN 108542422A CN 201810189000 A CN201810189000 A CN 201810189000A CN 108542422 A CN108542422 A CN 108542422A
- Authority
- CN
- China
- Prior art keywords
- signal
- echo
- ultrasound image
- carried out
- optimized
- 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
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
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (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
本发明公开了一种B超图像优化方法、装置及计算机可读存储介质,所述方法包括:通过获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;对所述回波信号进行优化处理;对优化后的回波信号进行线性转换,获得优化后的B超图像。由于对待优化B超图像的回波信号进行优化,在一定程度上规避了非线性压缩的影响,使得优化处理能够直接对待优化B超图像的源信号进行处理,优化针对性更强,改善了B超图像的效果,提高了图像的对比度和组织结构的清晰度。
Description
技术领域
本发明涉及超声成像技术领域,尤其涉及一种B超图像优化方法、装置及计算机可读存储介质。
背景技术
超声波成像因其无辐射,价格便宜而在医学临床应用中得到广泛的应用。因为B型超声波图像的分辨率与成像深度都与超声波频率相关,在实际应用中,针对浅表小器官和血管成像,一般采用中心频率7.5MHz及以上的线阵高频超声波探头。颈动脉是人体浅表重要的血管,是动脉粥样硬化程度进行观测的一个很好的窗口,这是因为动脉粥样硬化是一种全身弥漫性疾病,而颈动脉的观测结果具有典型性。对一台B超成像仪而言,针对颈动脉的成像效果已经成为衡量其质量的重要指标。实际应用中,观测指标有颈动脉内中膜厚度,硬化斑块的大小、形态以及特性,医生根据这些指标判断病人的病情,并选择相应的治疗方案。
当前国产的中低端B超成像仪也基本上标配了线阵高频探头,以满足临床针对浅表高频成像的应用需求。但是,对颈动脉粥样硬化的临床诊断上,医生需要测量颈动脉内中膜的厚度,其正常值只有0.8mm-1.2mm,对B超成像仪及线性高频探头在内的整个***性能要求较高;另外,颈动脉粥样硬化的发展,会形成斑块,其组成成分复杂,而且不同阶段不同类型的斑块在成分和形态上都各有特点,B超成像仪所获得的超声图像必须对这些不同情况都有良好显现。国产中低端B超成像仪在这些方面的表现都差强人意,从而在进行颈动脉粥样硬化诊断上,所提供的图像信息参考性降低,进而影响此类设备的应用。
针对B超颈动脉图像的优化处理可以从两方面着手,一方面从***上改进B超成像仪,提高其性能,另一方面,是对***获取的图像做后处理,在尽可能保留图像内容信息的前提下,提高信息展现的效果。前者涉及***方案、硬件设计、电子器件选型、模拟和数字信号处理以及生产制造等方面,投入大、周期长、只有***生产厂家才可能做到。而对***获取的图像做后处理,投入少,见效快。当前基于图像的后处理优化方法一般都是采用数字图像的处理方法,针对数字图像本身做处理。
发明内容
本发明的主要目的在于提供一种B超图像优化方法、装置及计算机可读存储介质,旨在解决现有技术中无法基于信号处理对B超图像进行优化的技术问题。
为实现上述目的,本发明提供一种B超图像优化方法,所述方法包括以下步骤:
获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;
对所述回波信号进行优化处理;
对优化后的回波信号进行线性转换,获得优化后的B超图像。
优选地,所述对所述回波信号进行优化处理,具体包括:
根据预设映射关系将所述回波信号的动态范围划分为若干组织区间,所述预设映射关系中包括人体组织与动态范围的对应关系;
对各组织区间的回波信号进行均值滤波;
对进行均值滤波后的回波信号进行高斯滤波;
对进行高斯滤波后的回波信号进行斑点去噪;
对进行斑点去噪后的回波信号进行增强处理。
优选地,所述对各组织区间的回波信号进行均值滤波,具体包括:
采用预设滤波模型对各组织区间的回波信号进行均值滤波。
优选地,所述对进行均值滤波后的回波信号进行高斯滤波,具体包括:
获取进行均值滤波后的回波信号的行信号,计算所述行信号中各信号点的滤波系数;
对所述滤波系数进行归一化处理,并根据处理后的滤波系数生成高斯数字滤波器;
根据所述高斯数字滤波器对进行滤波处理后的回波信号的行信号进行高斯滤波。
优选地,所述对进行高斯滤波后的回波信号进行斑点去噪,具体包括:
在进行高斯滤波后的回波信号中选取中心信号点,确定所述中心信号点的区域子块及搜索范围;
根据所述中心信号点与所述区域子块确定所述搜索范围内各信号点的加权系数;
对所述搜索范围内各信号点的加权系数进行归一化处理,并根据处理后的加权系数生成非局部均值滤波器;
根据所述非局部均值滤波器对进行高斯滤波后的回波信号进行斑点去噪。
优选地,所述根据所述中心信号点与所述区域子块确定所述搜索范围内各信号点的加权系数,具体包括:
获取所述搜索范围内各信号点的区域子块,计算所述中心信号点的区域子块与所述搜索范围内各信号点的区域子块的灰度相似性;
计算所述中心信号点与所述搜索范围内各信号点的高斯距离;
将所述灰度相似值与所述高斯距离的乘积作为所述搜索范围内各信号点的加权系数。
优选地,所述对进行斑点去噪后的回波信号进行增强处理,具体包括:
计算进行斑点去噪后的回波信号的拉普拉斯算子,并根据所述拉普拉斯算子对进行斑点去噪后的回波信号进行锐化处理。
优选地,所述对优化后的回波信号进行线性转换,获得优化后的B超图像,具体包括:
对优化后的回波信号的动态范围进行线性转换;
对进行线性变换后的回波信号进行灰度线性变换,获得优化后的B超图像。
此外,为实现上述目的,本发明还提供一种B超图像优化装置,所述B超图像优化装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的B超图像优化程序,所述B超图像优化程序被所述处理器执行时实现所述B超图像优化方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有B超图像优化程序,所述B超图像优化程序被处理器执行时实现所述B超图像优化方法的步骤。
在本发明中,通过获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;对所述回波信号进行优化处理;对优化后的回波信号进行线性转换,获得优化后的B超图像。由于对待优化B超图像的回波信号进行优化,在一定程度上规避了非线性压缩的影响,使得优化处理能够直接对待优化B超图像的源信号进行处理,优化针对性更强,改善了B超图像的效果,提高了图像的对比度和组织结构的清晰度。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明B超图像优化方法第一实施例的流程示意图;
图3为本发明待优化B超图像示意图;
图4为本发明优化后的后的B超图像示意图;
图5为本发明B超图像优化方法第二实施例的流程示意图;
图6为本发明B超图像优化方法第三实施例的流程示意图;
图7为本发明B超图像优化方法第四实施例的流程示意图;
图8为本发明灰度线性变换的映射关系图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本发明实施例的解决方案主要是:通过获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;对所述回波信号进行优化处理;对优化后的回波信号进行线性转换,获得优化后的B超图像。由于对待优化B超图像的回波信号进行优化,在一定程度上规避了非线性压缩的影响,使得优化处理能够直接对待优化B超图像的源信号进行处理,优化针对性更强,改善了B超图像的效果,提高了图像的对比度和组织结构的清晰度。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的装置结构示意图。
如图1所示,所述B超图像优化装置可以包括:处理器1001,例如CPU,通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储服务器。
所述B超图像优化装置可为与网络连接的物理设备。
本领域技术人员可以理解,图1中示出的结构并不构成对所述B超图像优化装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机可读存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及B超图像优化程序。
在图1所示的结构中,网络接口1004主要用于连接服务器,与所述服务器进行数据通信;用户接口1003主要用于连接B超成像仪,与B超成像仪进行数据通信;所述B超图像优化装置通过处理器1001调用存储器1005中存储的B超图像优化程序,并执行以下操作:
获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;
对所述回波信号进行优化处理;
对优化后的回波信号进行线性转换,获得优化后的B超图像。
进一步地,处理器1001可以调用存储器1005中存储的B超图像优化程序,还执行以下操作:
根据预设映射关系将所述回波信号的动态范围划分为若干组织区间,所述预设映射关系中包括人体组织与动态范围的对应关系;
对各组织区间的回波信号进行均值滤波;
对进行均值滤波后的回波信号进行高斯滤波;
对进行高斯滤波后的回波信号进行斑点去噪;
对进行斑点去噪后的回波信号进行增强处理。
进一步地,处理器1001可以调用存储器1005中存储的B超图像优化程序,还执行以下操作:
采用预设滤波模型对各组织区间的回波信号进行均值滤波。
进一步地,处理器1001可以调用存储器1005中存储的B超图像优化程序,还执行以下操作:
获取进行均值滤波后的回波信号的行信号,计算所述行信号中各信号点的滤波系数;
对所述滤波系数进行归一化处理,并根据处理后的滤波系数生成高斯数字滤波器;
根据所述高斯数字滤波器对进行滤波处理后的回波信号的行信号进行高斯滤波。
进一步地,处理器1001可以调用存储器1005中存储的B超图像优化程序,还执行以下操作:
在进行高斯滤波后的回波信号中选取中心信号点,确定所述中心信号点的区域子块及搜索范围;
根据所述中心信号点与所述区域子块确定所述搜索范围内各信号点的加权系数;
对所述搜索范围内各信号点的加权系数进行归一化处理,并根据处理后的加权系数生成非局部均值滤波器;
根据所述非局部均值滤波器对进行高斯滤波后的回波信号进行斑点去噪。
进一步地,处理器1001可以调用存储器1005中存储的B超图像优化程序,还执行以下操作:
获取所述搜索范围内各信号点的区域子块,计算所述中心信号点的区域子块与所述搜索范围内各信号点的区域子块的灰度相似性;
计算所述中心信号点与所述搜索范围内各信号点的高斯距离;
将所述灰度相似值与所述高斯距离的乘积作为所述搜索范围内各信号点的加权系数。
进一步地,处理器1001可以调用存储器1005中存储的B超图像优化程序,还执行以下操作:
计算进行斑点去噪后的回波信号的拉普拉斯算子,并根据所述拉普拉斯算子对进行斑点去噪后的回波信号进行锐化处理。
进一步地,处理器1001可以调用存储器1005中存储的B超图像优化程序,还执行以下操作:
对优化后的回波信号的动态范围进行线性转换;
对进行线性变换后的回波信号进行灰度线性变换,获得优化后的B超图像。
在本实施例中,通过获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;对所述回波信号进行优化处理;对优化后的回波信号进行线性转换,获得优化后的B超图像。由于对待优化B超图像的回波信号进行优化,在一定程度上规避了非线性压缩的影响,使得优化处理能够直接对待优化B超图像的源信号进行处理,优化针对性更强,改善了B超图像的效果,提高了图像的对比度和组织结构的清晰度。
基于上述硬件结构,提出本发明B超图像优化方法的实施例。
参照图2,图2为本发明B超图像优化方法第一实施例的流程示意图。
在第一实施例中,所述B超图像优化方法包括以下步骤:
步骤S10:获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号。
可以理解的是,在B超成像仪中,超声波传感器(一般也称为探头)发出超声波进入人体,声波在人体组织内的传播过程中,在每一个位置都有部分声波信号回到探头,探头接收到的超声波信号,称为回波信号。回波信号的幅度变化反映了人体内的组织结构变化,随着进入人体内深度的增加,声波信号会逐渐衰减,所以在转换为图像显示之前,***根据深度会做信号放大增益补偿。本发明中所称回波信号,是这种经过增益补偿后的信号。
需要说明的是,为了实现基于信号处理对B超图像进行优化,首先将待优化B超图像转化为回波信号。所述待优化B超图像指的是使用当前国产中低端B超成像仪生成的B超图像,其所提供的图像信息参考性较低,有待优化,如图3所示,图3为本发明待优化B超图像示意图。
由于在超声***中,B超成像仪实际采集得到的回波信号的动态范围远大于通用显示器所能显示图像的动态范围,存在动态范围的不匹配。为正常显示B超图像,在实际超声***中一般采用对数压缩,将实际信号的动态范围压缩至通用显示器所能显示的范围,同时达到提高弱信号对比度的目的,该对数压缩模型为:B=D*Ln(s)+T,其中,参数D与***增益相关,参数T反映的是所处理的信号区间在非线性变换曲线上的位置,这两个参数作为***输入参数,根据不同情况进行调整,B为图像像素的灰度值。因此,通过对所述待优化B超图像进行对数逆变换,可将所述待优化B超图像转化为对应的回波信号,具体的,该对数逆变换所使用的模型为s=exp(B-T)/D。
步骤S20:对所述回波信号进行优化处理。
需要说明的是,所述回波信号为与所述待优化B超图像相对应的信号,通过对所述回波信号进行优化处理,可达到对所述待优化B超图像进行优化的效果。
步骤S30:对优化后的回波信号进行线性转换,获得优化后的B超图像。
可以理解的是,在对回波信号进行优化处理之后,将对优化后的回波信号进行线性转换,将优化后的回波信号的动态范围重新压缩至显示器所能显示的范围,获得优化后的B超图像,如图4所示,图4为本发明优化后的B超图像示意图。
在具体实现中,显示器所能显示的信号的动态范围为0-255,将通过线性转换模型:F(i)=255*(S(i)-Smin)/(Smax-Smin)对所述回波信号进行线性转换,其中,F(i)为变换后的信号,S(i)为原回波信号,Smin为原回波信号的最小值,Smax为原回波信号的最大值,i为信号的序列值,根据转换后的回波信号生成优化后的B超图像。
在本实施例中,通过获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;对所述回波信号进行优化处理;对优化后的回波信号进行线性转换,获得优化后的B超图像。由于对待优化B超图像的回波信号进行优化,在一定程度上规避了非线性压缩的影响,使得优化处理能够直接对待优化B超图像的源信号进行处理,优化针对性更强,改善了B超图像的效果,提高了图像的对比度和组织结构的清晰度。
参照图5,图5为本发明B超图像优化方法第二实施例的流程示意图,基于上述图2所示的实施例,提出本发明B超图像优化方法的第二实施例。
在第二实施例中,所述步骤S20,具体包括:
步骤S201:根据预设映射关系将所述回波信号的动态范围划分为若干组织区间,所述预设映射关系中包括人体组织与动态范围的对应关系。
需要说明的是,为了对待监测的人体组织部位进行精细的临床检测,将根据人体组织与超声波相互作用的物理特性,运用临床研究获得的结果,对人体组织进行分类。具体分类过程包括:将人体组织分为血液组织、脂肪组织、肌肉组织、纤维组织、钙化组织以及其它组织六类,其中,血液组织、脂肪组织、肌肉组织、纤维组织、钙化组织属于典型组织,按照各人体组织的动态范围进行分类。
在具体实现中,根据临床研究,若信号的动态范围是0-255,则动态范围为0-4的人体组织属于血液,动态范围为8-26的人体组织属于脂肪组织,动态范围为41-76的人体组织属于肌肉组织,动态范围为112-196的人体组织属于纤维组织,动态范围为221-255的人体组织属于钙化组织,动态范围位于以上五类组织的动态范围之外的人体组织均属于其它组织。在实际应用中,根据B超成像仪型号的不同,这些区间的边界值需要微调,本实施例对此不加以限制。根据以上分类方法,信号强度的分布范围被分为9个区间,其中其它组织具有分离的4个区间,将血液组织、脂肪组织、肌肉组织、纤维组织、钙化组织五类典型组织隔离开。
步骤S202:对各组织区间的回波信号进行均值滤波。
可以理解的是,通过对各组织区间的回波信号进行均值滤波,可减小同类组织的类内距离,提高同类组织在图像中信号强度的一致性,使得同类组织的信号强度更接近典型值。
步骤S203:对进行均值滤波后的回波信号进行高斯滤波。
需要理解的是,在B超颈动脉成像应用中,深度方向上组织分层结构的信息非常重要,这些分层界面表现为回波信号的行信号水平分布,在组织结构分类及其处理过程中引入的噪声会破坏这些界面的平滑性,采用高斯滤波器可以达到较好的效果。在具体实现中,采用高斯数字滤波器对进行均值滤波后的回波信号放入行信号进行高斯滤波。
步骤S204:对进行高斯滤波后的回波信号进行斑点去噪。
可以理解的是,斑点噪声是一种乘性噪声,模型复杂,本实施例通过非局部均值滤波器抑制超声波图像伴随的斑点噪声。
步骤S205:对进行斑点去噪后的回波信号进行增强处理。
需要说明的是,B超成像仪获取的是人体一个剖面的回波信号,同类组织具有强度一致性,不同组织强度不同,所称增强是指增强不同组织回波信号的边界。在进行斑点去噪后,将对当前的回波信号进行增强处理,以实现组织间的边缘强化。
在本实施例中,根据预设映射关系将所述回波信号的动态范围划分为若干组织区间,对各组织区间的回波信号进行均值滤波,对进行均值滤波后的回波信号进行高斯滤波,对进行高斯滤波后的回波信号进行斑点去噪,对进行斑点去噪后的回波信号进行增强处理。通过一系列对回波信号的优化处理,去除了回波信号中的多种噪声,达到了对回波信号的优化效果,使得优化后的回波信号能够较好地拟合出优化后的B超图像。
参照图6,图6为本发明B超图像优化方法第三实施例的流程示意图,基于上述图5所示的实施例,提出本发明B超图像优化方法的第三实施例。
在本实施例中,所述步骤S202,具体包括:
采用预设滤波模型对各组织区间的回波信号进行均值滤波。
可以理解的是,所述预设滤波模型为F=M+λ*(S-M),其中,F为滤波后的信号值,S为原信号值,M为指定的该区间典型值,λ为系数,根据获取λ系数的计算方法不同,本实施例对此不加以限制,各区间M和λ作为优化参数输入,以适应不同的需要。
进一步地,所述步骤S203,具体包括:
步骤S01:获取进行均值滤波后的回波信号的行信号,计算所述行信号中各信号点的滤波系数。
步骤S02:对所述滤波系数进行归一化处理,并根据处理后的滤波系数生成高斯数字滤波器。
步骤S03:根据所述高斯数字滤波器对进行滤波处理后的回波信号的行信号进行高斯滤波。
需要说明的是,为了对组织界面进行平滑处理,将通过高斯数字滤波器对当前的回波信号进行滤波。计算每一行的行信号中各信号点的滤波系数;根据sum=∑x(i),i=1,2,3,…,n,g(i)=x(i)/sum对所述滤波系数进行归一化处理,其中,i为各信号点的序列值,x(i)为各信号点的滤波系数,sum为滤波系数的和,g(i)为高斯滤波后的滤波系数,根据高斯滤波后的滤波系数生成高斯数字滤波器;根据f(j)=∑g(i)*S(j-k+i),i=1,2,3,…,n对每一行的行信号进行滤波处理,其中j为每行采样值的位置索引。
进一步地,所述步骤S204,具体包括:
步骤S04:在进行高斯滤波后的回波信号中选取中心信号点,确定所述中心信号点的区域子块及搜索范围。
步骤S05:根据所述中心信号点与所述区域子块确定所述搜索范围内各信号点的加权系数。
步骤S06:对所述搜索范围内各信号点的加权系数进行归一化处理,并根据处理后的加权系数生成非局部均值滤波器。
步骤S07:根据所述非局部均值滤波器对进行高斯滤波后的回波信号进行斑点去噪。
在具体实现中,对进行高斯滤波后的回波信号进行斑点去噪,选取中心信号点,确定以该中心信号点为中心的区域子块及搜索区域,例如所述区域子块为以所述中心信号点为中心,大小为3*3的子块,所述搜索区域为以所述中心信号点为中心,大小为5*5的区域,本实施例对区域子块和搜索范围的取值不加以限制,满足搜索范围大于区域子块即可。在确定中心信号点的区域子块及搜索范围之后,根据所述中心信号点与所述区域子块计算所述搜索范围内各信号点的加权系数,对所述搜索范围内各信号点的加权系数进行归一化处理,并根据处理后的加权系数生成非局部均值滤波器,根据所述非局部均值滤波器对进行高斯滤波后的回波信号进行斑点去噪。
进一步地,所述步骤S05,具体包括:
获取所述搜索范围内各信号点的区域子块,计算所述中心信号点的区域子块与所述搜索范围内各信号点的区域子块的灰度相似性。
计算所述中心信号点与所述搜索范围内各信号点的高斯距离。
将所述灰度相似值与所述高斯距离的乘积作为所述搜索范围内各信号点的加权系数。
可以理解的是,对于该搜索范围内的其它信号点,获取与中心信号点的区域子块相同大小的区域子块,计算其它信号点与中心信号点的区域子块的灰度相似性,所述灰度相似性以欧式距离度量。同时计算其它信号点与所述中心信号点的高斯距离,将同一个信号点对应的灰度相似性与高斯距离相乘,取乘积作为该信号点的加权系数。
步骤S205,具体包括:
计算进行斑点去噪后的回波信号的拉普拉斯算子,并根据所述拉普拉斯算子对进行斑点去噪后的回波信号进行锐化处理。
需要说明的是,采用进行斑点去噪后的回波信号的拉普拉斯算子对进行斑点去噪后的回波信号进行锐化处理,可突出不同阻值结构的边界,对组织间的边缘进行强化。具体计算公式为:g(x,y)=f(x,y)+c[▽2f(x,y)],其中,g(x,y)为锐化后的信号,f(x,y)为进行斑点去噪后的回波信号,c为锐化系数,▽2f(x,y)为拉普拉斯算子。在数字信号领域,拉普拉斯算子可用模板表示,本实施例的一个可用模板为:
0 | -1 | 0 |
-1 | 4 | -1 |
0 | -1 | 0 |
在本实施例中,根据预设映射关系将所述回波信号的动态范围划分为若干组织区间,对各组织区间的回波信号进行均值滤波,对进行均值滤波后的回波信号进行高斯滤波,对进行高斯滤波后的回波信号进行斑点去噪,对进行斑点去噪后的回波信号进行增强处理。通过一系列对回波信号的优化处理,去除了回波信号中的多种噪声,达到了对回波信号的优化效果,使得优化后的回波信号能够较好地拟合出优化后的B超图像。
参照图7,图7为本发明B超图像优化方法第四实施例的流程示意图,基于上述图5所示的实施例,提出本发明B超图像优化方法的第四实施例。
在本实施例中,所述步骤S30,具体包括:
步骤S301:对优化后的回波信号的动态范围进行线性转换。
可以理解的是,待优化B超图像转化为回波信号时,其动态范围进行了增大,当对回波信号进行优化处理后,对优化后的回波信号将进行线性转换,使得优化后的回波信号的动态范围变小至显示器所能显示的范围。
在具体实现中,显示器所能显示的信号的动态范围为0-255,将通过线性转换模型:F(i)=255*(S(i)-Smin)/(Smax-Smin)对所述回波信号进行线性转换,其中,F(i)为变换后的信号,S(i)为原回波信号,Smin为原回波信号的最小值,Smax为原回波信号的最大值,i为信号的序列值,根据转换后的回波信号生成优化后的B超图像。
步骤S302:对进行线性变换后的回波信号进行灰度线性变换,获得优化后的B超图像。
需要说明的是,通过预设公式对进行线性变换后的回波信号进行灰度线性变换,使得进行线性变换后的回波信号的对比度增强,其转化的图像效果更佳。假设信号矩阵的宽度为w,高度为h,该预设公式为:
其中,i=1,…,w,j=1,…,h,f(i,j)为变换前的信号,g(i,j)为变换后的信号,a、b、c、fa、fb、ga和gb为常量,变换前后的信号对比如图8所示,图8为本发明灰度线性变换的映射关系图。
在本实施例中,通过对优化后的回波信号的动态范围进行线性转换,对进行线性变换后的回波信号进行灰度线性变换,获得优化后的B超图像。由于对优化后的回波信号的动态范围进行线性转换,使得回波信号的动态范围位于能够通过显示器进行图像显示的范围内,通过进行灰度线性变换,提高了优化后的B超图像的对比度,使得优化效果更佳。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有B超图像优化程序,所述B超图像优化程序被处理器执行时实现如下操作:
获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;
对所述回波信号进行优化处理;
对优化后的回波信号进行线性转换,获得优化后的B超图像。
进一步地,所述B超图像优化程序被处理器执行时还实现如下操作:
根据预设映射关系将所述回波信号的动态范围划分为若干组织区间,所述预设映射关系中包括人体组织与动态范围的对应关系;
对各组织区间的回波信号进行均值滤波;
对进行均值滤波后的回波信号进行高斯滤波;
对进行高斯滤波后的回波信号进行斑点去噪;
对进行斑点去噪后的回波信号进行增强处理。
进一步地,所述B超图像优化程序被处理器执行时还实现如下操作:
采用预设滤波模型对各组织区间的回波信号进行均值滤波。
进一步地,所述B超图像优化程序被处理器执行时还实现如下操作:
获取进行均值滤波后的回波信号的行信号,计算所述行信号中各信号点的滤波系数;
对所述滤波系数进行归一化处理,并根据处理后的滤波系数生成高斯数字滤波器;
根据所述高斯数字滤波器对进行滤波处理后的回波信号的行信号进行高斯滤波。
进一步地,所述B超图像优化程序被处理器执行时还实现如下操作:
在进行高斯滤波后的回波信号中选取中心信号点,确定所述中心信号点的区域子块及搜索范围;
根据所述中心信号点与所述区域子块确定所述搜索范围内各信号点的加权系数;
对所述搜索范围内各信号点的加权系数进行归一化处理,并根据处理后的加权系数生成非局部均值滤波器;
根据所述非局部均值滤波器对进行高斯滤波后的回波信号进行斑点去噪。
进一步地,所述B超图像优化程序被处理器执行时还实现如下操作:
获取所述搜索范围内各信号点的区域子块,计算所述中心信号点的区域子块与所述搜索范围内各信号点的区域子块的灰度相似性;
计算所述中心信号点与所述搜索范围内各信号点的高斯距离;
将所述灰度相似值与所述高斯距离的乘积作为所述搜索范围内各信号点的加权系数。
进一步地,所述B超图像优化程序被处理器执行时还实现如下操作:
计算进行斑点去噪后的回波信号的拉普拉斯算子,并根据所述拉普拉斯算子对进行斑点去噪后的回波信号进行锐化处理。
进一步地,所述B超图像优化程序被处理器执行时还实现如下操作:
对优化后的回波信号的动态范围进行线性转换;
对进行线性变换后的回波信号进行灰度线性变换,获得优化后的B超图像。
在本实施例中,通过获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;对所述回波信号进行优化处理;对优化后的回波信号进行线性转换,获得优化后的B超图像。由于对待优化B超图像的回波信号进行优化,在一定程度上规避了非线性压缩的影响,使得优化处理能够直接对待优化B超图像的源信号进行处理,优化针对性更强,改善了B超图像的效果,提高了图像的对比度和组织结构的清晰度。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种B超图像优化方法,其特征在于,所述方法包括以下步骤:
获取待优化B超图像,对所述待优化B超图像进行对数逆变换,获得回波信号;
对所述回波信号进行优化处理;
对优化后的回波信号进行线性转换,获得优化后的B超图像。
2.如权利要求1所述的B超图像优化方法,其特征在于,所述对所述回波信号进行优化处理,具体包括:
根据预设映射关系将所述回波信号的动态范围划分为若干组织区间,所述预设映射关系中包括人体组织与动态范围的对应关系;
对各组织区间的回波信号进行均值滤波;
对进行均值滤波后的回波信号进行高斯滤波;
对进行高斯滤波后的回波信号进行斑点去噪;
对进行斑点去噪后的回波信号进行增强处理。
3.如权利要求2所述的B超图像优化方法,其特征在于,所述对各组织区间的回波信号进行均值滤波,具体包括:
采用预设滤波模型对各组织区间的回波信号进行均值滤波。
4.如权利要求3所述的B超图像优化方法,其特征在于,所述对进行均值滤波后的回波信号进行高斯滤波,具体包括:
获取进行均值滤波后的回波信号的行信号,计算所述行信号中各信号点的滤波系数;
对所述滤波系数进行归一化处理,并根据处理后的滤波系数生成高斯数字滤波器;
根据所述高斯数字滤波器对进行滤波处理后的回波信号的行信号进行高斯滤波。
5.如权利要求4所述的B超图像优化方法,其特征在于,所述对进行高斯滤波后的回波信号进行斑点去噪,具体包括:
在进行高斯滤波后的回波信号中选取中心信号点,确定所述中心信号点的区域子块及搜索范围;
根据所述中心信号点与所述区域子块确定所述搜索范围内各信号点的加权系数;
对所述搜索范围内各信号点的加权系数进行归一化处理,并根据处理后的加权系数生成非局部均值滤波器;
根据所述非局部均值滤波器对进行高斯滤波后的回波信号进行斑点去噪。
6.如权利要求5所述的B超图像优化方法,其特征在于,所述根据所述中心信号点与所述区域子块确定所述搜索范围内各信号点的加权系数,具体包括:
获取所述搜索范围内各信号点的区域子块,计算所述中心信号点的区域子块与所述搜索范围内各信号点的区域子块的灰度相似性;
计算所述中心信号点与所述搜索范围内各信号点的高斯距离;
将所述灰度相似值与所述高斯距离的乘积作为所述搜索范围内各信号点的加权系数。
7.如权利要求6所述的B超图像优化方法,其特征在于,所述对进行斑点去噪后的回波信号进行增强处理,具体包括:
计算进行斑点去噪后的回波信号的拉普拉斯算子,并根据所述拉普拉斯算子对进行斑点去噪后的回波信号进行锐化处理。
8.如权利要求1-7中任一项所述的B超图像优化方法,其特征在于,所述对优化后的回波信号进行线性转换,获得优化后的B超图像,具体包括:
对优化后的回波信号的动态范围进行线性转换;
对进行线性变换后的回波信号进行灰度线性变换,获得优化后的B超图像。
9.一种B超图像优化装置,其特征在于,所述B超图像优化装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的B超图像优化程序,所述B超图像优化程序被所述处理器执行时实现如权利要求1至8中任一项所述的B超图像优化方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有B超图像优化程序,所述B超图像优化程序被处理器执行时实现如权利要求1至8中任一项所述的B超图像优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810189000.9A CN108542422A (zh) | 2018-03-06 | 2018-03-06 | B超图像优化方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810189000.9A CN108542422A (zh) | 2018-03-06 | 2018-03-06 | B超图像优化方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108542422A true CN108542422A (zh) | 2018-09-18 |
Family
ID=63515925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810189000.9A Pending CN108542422A (zh) | 2018-03-06 | 2018-03-06 | B超图像优化方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108542422A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109350119A (zh) * | 2018-12-06 | 2019-02-19 | 宁波可凡电器有限公司 | 数据可靠性分析*** |
CN111008943A (zh) * | 2019-12-24 | 2020-04-14 | 广州柏视医疗科技有限公司 | 低剂量dr图像降噪方法及*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003033351A (ja) * | 2001-07-25 | 2003-02-04 | Aloka Co Ltd | 超音波診断装置 |
CN1493258A (zh) * | 2002-10-28 | 2004-05-05 | ��ʽ���綫֥ | 图像处理设备与超声波诊断设备 |
CN101027693A (zh) * | 2004-08-09 | 2007-08-29 | 伯拉考开发股份有限公司 | 基于多个掩码的用于医学成像的像对准方法及设备 |
EP1609423B1 (en) * | 2004-06-24 | 2010-03-31 | Terumo Kabushiki Kaisha | Ultrasonic diagnostic apparatus |
CN102495140A (zh) * | 2011-11-02 | 2012-06-13 | 清华大学 | 一种面向超声波信号的小波去噪方法及*** |
CN102800089A (zh) * | 2012-06-28 | 2012-11-28 | 华中科技大学 | 基于颈部超声图像的主颈动脉血管提取和厚度测量方法 |
CN103385736A (zh) * | 2013-07-31 | 2013-11-13 | 深圳先进技术研究院 | 内窥式鼻咽癌超声成像装置及方法 |
CN104885121A (zh) * | 2012-12-21 | 2015-09-02 | 博莱科瑞士股份有限公司 | 诊断成像应用中的基于随着时间的统计分析的分割 |
CN105708492A (zh) * | 2015-12-31 | 2016-06-29 | 深圳市一体医疗科技有限公司 | 一种融合b超成像和微波成像的方法及*** |
CN105844598A (zh) * | 2016-04-01 | 2016-08-10 | 飞依诺科技(苏州)有限公司 | 基于rf数据的超声成像处理方法及处理*** |
CN106456109A (zh) * | 2015-05-07 | 2017-02-22 | 深圳迈瑞生物医疗电子股份有限公司 | 一种区域显示效果的优化方法、装置和超声诊断*** |
CN106600550A (zh) * | 2016-11-29 | 2017-04-26 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法及*** |
CN107149486A (zh) * | 2017-06-30 | 2017-09-12 | 无锡海鹰电子医疗***有限公司 | 一种超声图像实时传输的方法和接口装置 |
-
2018
- 2018-03-06 CN CN201810189000.9A patent/CN108542422A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003033351A (ja) * | 2001-07-25 | 2003-02-04 | Aloka Co Ltd | 超音波診断装置 |
CN1493258A (zh) * | 2002-10-28 | 2004-05-05 | ��ʽ���綫֥ | 图像处理设备与超声波诊断设备 |
EP1609423B1 (en) * | 2004-06-24 | 2010-03-31 | Terumo Kabushiki Kaisha | Ultrasonic diagnostic apparatus |
CN101027693A (zh) * | 2004-08-09 | 2007-08-29 | 伯拉考开发股份有限公司 | 基于多个掩码的用于医学成像的像对准方法及设备 |
CN102495140A (zh) * | 2011-11-02 | 2012-06-13 | 清华大学 | 一种面向超声波信号的小波去噪方法及*** |
CN102800089A (zh) * | 2012-06-28 | 2012-11-28 | 华中科技大学 | 基于颈部超声图像的主颈动脉血管提取和厚度测量方法 |
CN104885121A (zh) * | 2012-12-21 | 2015-09-02 | 博莱科瑞士股份有限公司 | 诊断成像应用中的基于随着时间的统计分析的分割 |
CN103385736A (zh) * | 2013-07-31 | 2013-11-13 | 深圳先进技术研究院 | 内窥式鼻咽癌超声成像装置及方法 |
CN106456109A (zh) * | 2015-05-07 | 2017-02-22 | 深圳迈瑞生物医疗电子股份有限公司 | 一种区域显示效果的优化方法、装置和超声诊断*** |
CN105708492A (zh) * | 2015-12-31 | 2016-06-29 | 深圳市一体医疗科技有限公司 | 一种融合b超成像和微波成像的方法及*** |
CN105844598A (zh) * | 2016-04-01 | 2016-08-10 | 飞依诺科技(苏州)有限公司 | 基于rf数据的超声成像处理方法及处理*** |
CN106600550A (zh) * | 2016-11-29 | 2017-04-26 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法及*** |
CN107149486A (zh) * | 2017-06-30 | 2017-09-12 | 无锡海鹰电子医疗***有限公司 | 一种超声图像实时传输的方法和接口装置 |
Non-Patent Citations (2)
Title |
---|
王正发 等: "用于脂肪肝分级诊断的超声图像增强算法", 《生物医学工程研究》 * |
蒋葵: "医学超声图像的计算机辅助分析***", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109350119A (zh) * | 2018-12-06 | 2019-02-19 | 宁波可凡电器有限公司 | 数据可靠性分析*** |
CN111008943A (zh) * | 2019-12-24 | 2020-04-14 | 广州柏视医疗科技有限公司 | 低剂量dr图像降噪方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Santos et al. | Ultrasound image despeckling using stochastic distance-based BM3D | |
Aysal et al. | Rayleigh-maximum-likelihood filtering for speckle reduction of ultrasound images | |
CN104394773B (zh) | 使用二维阵列数据的移动超声诊断***以及用于该***的移动超声诊断探测装置和超声诊断设备 | |
EP1904971A1 (en) | Method and computer program for spatial compounding of images | |
CN107346541B (zh) | 一种基于超声射频时间序列小波分析的组织定征方法 | |
Saha et al. | Soft, hard and block thresholding techniques for denoising of mammogram images | |
CN110211143A (zh) | 一种基于计算机视觉的医学图像分析方法 | |
CN108542422A (zh) | B超图像优化方法、装置及计算机可读存储介质 | |
CN109598680A (zh) | 基于快速非局部均值和tv-l1模型的剪切波变换医学ct图像去噪方法 | |
Hopp et al. | 3D ultrasound computer tomography: update from a clinical study | |
Biradar et al. | Speckle noise reduction in B-mode echocardiographic images: A comparison | |
Alqudah | An enhanced method for real-time modelling of cardiac related biosignals using Gaussian mixtures | |
Madasamy et al. | Deep learning methods hold promise for light fluence compensation in three-dimensional optoacoustic imaging | |
CN106228520A (zh) | 图像增强方法及装置 | |
CN117017347A (zh) | 超声设备的图像处理方法、***及超声设备 | |
Santos et al. | Geodesic distances in probabilistic spaces for patch-based ultrasound image processing | |
WO2020253138A1 (zh) | 一种分类方法、装置、设备和存储介质 | |
Prastika et al. | Three-dimensional acoustic impedance mapping of human skin by improved time–frequency domain analysis | |
Degirmenci et al. | High dynamic range ultrasound imaging | |
CN106815840A (zh) | 一种肝部扫查图像的处理方法及装置 | |
Khare et al. | Efficient and robust similarity measure for denoising ultrasound images in non-local framework | |
Seabra et al. | A Rayleigh mixture model for IVUS imaging | |
WO2021018107A1 (zh) | 超声信号处理方法、装置、设备及存储介质 | |
Chen et al. | Breast cancer diagnosis using three-dimensional ultrasound and pixel relation analysis | |
Ramamoorthy et al. | Enhancing intricate details of ultrasound PCOD scan images using tailored anisotropic diffusion filter (TADF) |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180918 |