CN108703770A - 心室容积监测设备和方法 - Google Patents
心室容积监测设备和方法 Download PDFInfo
- Publication number
- CN108703770A CN108703770A CN201810307765.8A CN201810307765A CN108703770A CN 108703770 A CN108703770 A CN 108703770A CN 201810307765 A CN201810307765 A CN 201810307765A CN 108703770 A CN108703770 A CN 108703770A
- Authority
- CN
- China
- Prior art keywords
- monitored
- change information
- processor
- area
- gray scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
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
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
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
本申请涉及一种心室容积监测设备和方法,包括图像采集模块和处理器,图像采集模块与处理器连接,图像采集模块获取待监测对象的超声成像视频,处理器识别单个心动周期内超声成像视频的波动区域,获取波动区域的灰度总值,根据波动区域的灰度总值得到待监测对象的腔体面积变化信息,并基于腔体面积变化信息得到待监测对象的心室容积变化信息。这样无需借助于心导管技术,不仅可以实现无创获取心室容积变化数据,还可以实现在不中断监测的情况下获得即时的心室容积变化数据,从而实现通过超声图像分析获得连续、无创的实时心室容积。
Description
技术领域
本申请涉及生物医学工程技术领域,特别是涉及一种心室容积监测设备和方法。
背景技术
心脑血管血管疾病已成为危害人类健康的重要原因,心脏功能的测定不仅可以用于心血管疾病早期诊断、辅助诊断,还可以用于麻醉、患者监护等,对选拔运动员、海军、空军等体质要求较高的人员具有重要指导意义;同时,在评定心血管手术及药物效果和运动锻炼效果等方面也可提供客观指标。此外,心脏功能的测定对于发现一些疾病患者的亚临床性心肌损害和一些药物的负性肌力副作用方面也有重要意义。
传统的心脏功能的测定方法主要是借助于心导管技术,如冠状动脉造影术。但冠状动脉造影术有一定的死亡率和并发症,比如心肌梗死、血管或心脏穿破或恶性心律失常等。因此,传统的心脏功能测定方法其操作过程中会对心脏造成创伤,存在创伤高风险的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低创伤风险的心室容积监测设备和方法。
一种心室容积监测设备,包括图像采集模块和处理器,所述图像采集模块与所述处理器连接;
所述图像采集模块获取待监测对象的超声成像视频;所述处理器识别单个心动周期内所述超声成像视频帧的波动区域,获取所述波动区域的灰度总值,根据所述波动区域的灰度总值得到所述待监测对象的腔体面积变化信息,并基于所述腔体面积变化信息得到所述待监测对象的心室容积变化信息。
在一个实施例中,所述处理器还用于获取所述波动区域的各灰度值以及像素总值,根据所述各灰度值得到所述波动区域的灰度总值;基于所述波动区域的像素总值不变,根据所述像素总值与所述波动区域的灰度总值,得到所述待监测对象的腔体面积变化信息。
在一个实施例中,所述处理器还用于将所述像素总值与所述波动区域的灰度总值之差作为腔体面积变化值,获取单个心动周期内待监测对象的超声成像视频的帧数及对应的腔体面积变化值,构建所述帧数与所述腔体面积变化值之间的关系曲线。
在一个实施例中,所述处理器还用于对所述腔体面积变化信息进行滤波平滑处理,基于滤波平滑处理后的腔体面积变化信息得到所述待监测对象的心室容积变化信息。
在一个实施例中,所述处理器还用于基于预设补偿函数,对所述心室容积变化信息进行校准。
在一个实施例中,所述处理器还用于当所述待监测对象的超声成像视频为彩色图像视频时,对所述彩色图像视频进行灰度处理,识别单个心动周期内灰度处理后的超声成像视频的波动区域。
在一个实施例中,所述设备还包括超声成像采集装置,所述超声成像采集装置与所述处理器连接。
在一个实施例中,所述设备还包括显示器,所述显示器与所述处理器连接。
在一个实施例中,所述设备还包括记录仪,所述记录仪与所述处理器连接。
一种心室容积监测方法,所述方法包括:
获取待监测对象的超声成像视频;
识别单个心动周期内所述超声成像视频的波动区域;
获取所述波动区域的灰度总值,根据所述波动区域的灰度总值得到所述待监测对象的腔体面积变化信息;
基于所述待监测对象的腔体面积变化信息得到所述待监测对象的心室容积变化信息。
上述心室容积监测设备和方法,包括图像采集模块和处理器,图像采集模块与处理器连接;图像采集模块获取待监测对象的超声成像视频,处理器识别单个心动周期内超声成像视频的波动区域,获取波动区域的灰度总值,根据波动区域的灰度总值得到待监测对象的腔体面积变化信息,并基于腔体面积变化信息得到待监测对象的心室容积变化信息。通过对获取到的待监测对象的超声成像视频进行处理,识别单个心动周期内超声成像视频的波动区域,根据待监测对象的超声成像视频帧的波动区域的灰度总值,得到待监测对象的腔体面积变化信息,再基于腔体面积变化信息获得心室容积变化信息,这样无需借助于心导管技术,不仅可以实现无创获取心室容积变化数据,还可以实现在不中断监测的情况下获得即时的心室容积变化数据,从而实现通过超声图像分析获得连续、无创的实时心室容积。
附图说明
图1为一个实施例中心室容积监测设备的结构框图;
图2为一个实施例中波动区域的示意图;
图3为一个实施例超声图像的示意图;
图4为一个实施例中一个心动周期内腔体横截面积变化曲线的示意图;
图5为一个实施例中锐化处理的流程示意图;
图6为一个实施例中心室容积监测方法的流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种心室容积监测设备,包括图像采集模块100和处理器200,图像采集模块100与处理器200连接;图像采集模块100获取待监测对象的超声成像视频;处理器200识别单个心动周期内超声成像视频的波动区域,获取波动区域的灰度总值,根据波动区域的灰度总值得到待监测对象的腔体面积变化信息,并基于腔体面积变化信息得到待监测对象的心室容积变化信息。
图像采集模块100获取待监测对象的超声成像视频,比如可以通过专用的图像采集芯片,完成对超声成像设备的超声成像视频的采集。待监测对象的超声成像视频具体可以是单个心动周期内待监测对象的超声成像视频。心动周期是指从一次心跳的起始到下一次心跳的起始,心血管***所经历的过程。心脏舒张时内压降低,腔静脉血液回流入心;心脏收缩时内压升高,将血液泵到动脉;心脏每收缩和舒张一次构成一个心动周期。一个心动周期中首先是两心房收缩,其中右心房的收缩略先于左心房;心房开始舒张后两心室收缩,而左心室的收缩略先于右心室,在心室舒张的后期心房又开始收缩。如以成年人平均心率每分钟75次计,每一心动周期平均为0.8秒,其中心房收缩期平均为0.11秒,舒张期平均为0.69秒;心室收缩期平均为0.27秒,舒张期平均为0.53秒。
超声成像设备在医疗诊断中起着举足轻重的地位,其以快速、安全和实时等优点在医疗的诊断中发挥着巨大的作用,广泛应用于医疗诊断、术前计划、治疗、术后监测等各个环节中。超声成像设备的工作原理可以是阵列声场延时叠加成像,在这种方式中,通过对阵列的各个单元引入不同的延时,而后合成为一聚焦波束,以实现对声场各点的成像。
处理器200识别单个心动周期内超声成像视频的波动区域,获取波动区域的灰度总值,根据波动区域的灰度总值得到待监测对象的腔体面积变化信息,并基于腔体面积变化信息得到待监测对象的心室容积变化信息。对待监测对象的超声成像视频进行处理,区分波动区域和稳定区域,比如可以根据采集到的超声成像视频的视频序列,分析各超声图像中各像素灰度值相对于时间的变化率。具体地,某像素灰度值在一个心动周期内灰度值的变化范围大于或等于预设值,则视为有效像素;若其变化范围小于预设值,则可视为其它组织区域或信号噪声波动。这样可以区分波动区域和稳定区域,缩小检测范围,排除周边区域的干扰,其中,不同设备在不同环境下图像质量存在区别,预设值一般在30-60之间。以稳定区域像素的平均灰度值变化来评估整个检测区域的灰度指数,按熵的大小将视频区域分为波动区域和稳定区域,以区分波动区域像素和稳定区域像素,以排除肌肉组织血管等对腔体面积识别的干扰。单个心动周期内的超声成像视频包括多个超声图像,像素值表示图像的大小,像素坐标表示地址,灰度值表示地址中的值。波动区域是指灰度值随心动波动的区域,在整个心动周期的视频,如图2所示,左下框内区域始终为白色(灰度值始终为250以上,且并无较大波动),此区域即被视为稳定区域;右上框内区域始终随心动过程反复黑白变化(灰度值从10-250之间反复较大波动),此区域被视为波动区域。依据上述规则,根据每个视频样本,最终识别出的波动区域将是一个不规则形状的固定选区,该区域内所有像素灰度值随心动变化做有规律的波动。根据波动区域的灰度总值得到待监测对象的腔体面积变化信息,由于心脏跳动过程中,各腔室形状并无明显变化,所以心室体积与腔体面积存在比例关系,假定比例系数为k,就可以根据腔体面积变化信息,得到心室容积变化信息。
上述心室容积监测设备,包括图像采集模块和处理器,图像采集模块与处理器连接;图像采集模块获取待监测对象的超声成像视频,处理器识别单个心动周期内超声成像视频的波动区域,获取波动区域的灰度总值,根据波动区域的灰度总值得到待监测对象的腔体面积变化信息,并基于腔体面积变化信息得到待监测对象的心室容积变化信息。通过对获取到的待监测对象的超声成像视频进行处理,识别单个心动周期内超声成像视频的波动区域,根据待监测对象的超声成像视频的波动区域的灰度总值,得到待监测对象的腔体面积变化信息,再基于腔体面积变化信息获得心室容积变化信息,这样无需借助于心导管技术,不仅可以实现无创获取心室容积变化数据,还可以实现在不中断监测的情况下获得即时的心室容积变化数据,从而实现通过超声图像分析获得连续、无创的实时心室容积。
在一个实施例中,处理器获取波动区域的灰度总值,根据波动区域的灰度总值得到待监测对象的腔体面积变化信息,包括:获取波动区域的各灰度值以及像素总值,根据各灰度值得到波动区域的灰度总值;基于波动区域的像素总值不变,根据像素总值与波动区域的灰度总值,得到待监测对象的腔体面积变化信息。通过阴影检测可以分辨波动区域中的阴影区域,把波动区域中阴影区域与周边图像分离出来,即正确分割出阴影区域的轮廓。阴影是由于光源点照射到背景的光线受到了目标物的阻挡而形成的,但是场景中的光照强度并不会改变背景的表面纹理特征结构;由于阴影区域所获得的入射光线强度减弱,所以阴影区域的像素值会比该区域无阴影时的像素值要小。
在一个实施例中,处理器根据像素总值与波动区域的灰度总值,得到待监测对象的腔体面积变化信息,包括:将像素总值与波动区域的灰度总值之差作为腔体面积变化值;获取单个心动周期内待监测对象的超声成像视频的帧数及对应的腔体面积变化值;构建帧数与腔体面积变化值之间的关系曲线。具体地,像素总值为255*n,n为总检测像素数,波动区域的灰度总值∑G等于波动区域各像素灰度值之和,腔体面积变化值为255*n-∑G。在一个实施例中,处理器还用于获取波动区域的各像素灰度值,根据波动区域的灰度总值不变和各像素灰度值,得到待监测对象的腔体面积变化信息。对于如图3所示的超声图像,图中所示扇形区域内均为灰度像素,灰度范围为0-255,0为黑色即腔体区域,255为白色即肌肉组织。对波动区域的所有像素灰度值求和,得到波动区域的灰度总值。波动区域内各像素灰度值分别为g1,g2……gn,则波动区域内灰度总值∑G=g1+g2+……+gn,其中n为波动区域内的像素数,g为像素灰度值,∑G为采集的视频帧的像素灰度总值。因总检测像素数n保持不变,所以腔体横截面积(黑色区域)变化值即为255*n-∑G。根据每帧图像上述变化值绘制拟合曲线,经过滤波平滑处理,剔除较大噪声波动后,可得如图4所示的一个心动周期内的腔体横截面积变化曲线。
在一个实施例中,通过专用图像采集芯片,实时自动完成对超声成像视频的图像采集和视频解码,并以变换编码方式,通过数据无光的方式解除输入信号之间的相关性。通过使用USM(Unsharp Mask,锐化算法)技术,增强图像高频部分内容,减弱低频内容,使图像视觉效果进一步锐化,识别准确度得到极大提升。锐化处理的流程如图5所示,具体的表达式为:y(n,m)=x(n,m)+λz(n,m),其中,x(n,m)为输入图像,y(n,m)为输出图像,而z(n,m)为校正信号,通过对x进行高通滤波获取。λ是用于控制增强效果的缩放因子。在USM算法中,z(n,m)可通过z(n,m)=4x(n,m)-x(n-1,m)-x(n+1,m)-x(n,m-1)-x(n,m+1)获取。
在一个实施例中,处理器基于腔体面积变化信息得到待监测对象的心室容积变化信息,包括:对腔体面积变化信息进行滤波平滑处理,基于滤波平滑处理后的腔体面积变化信息得到待监测对象的心室容积变化信息。经过滤波平滑处理,可以剔除较大的噪声波动。平滑滤波是低频增强的空间域滤波技术,它的目的有两类:一类是模糊;另一类是消除噪音。空间域的平滑滤波可以采用简单平均法进行,就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关,邻域越大平滑的效果越好,但邻域过大,平滑会使边缘信息损失的越大,从而使输出的图像变得模糊,因此需合理选择邻域的大小。
在一个实施例中,处理器还用于基于预设补偿函数,对心室容积变化信息进行校准。心室容积与心室横截面积存在比例关系,假设比例系数为k,心室容积变化值△V的公式为:△V=k*(255*n-∑G)。考虑到不同病例心脏跳动特征不同,如婴幼儿、中老年、脂肪含量、心脏病变等影像因素,为优化校准检测结果,特殊病例可设置比例补偿函数f(e),那么△V=k*f(e)*(255*n-∑G),其中k为正常心室面积体积比例系数,f(e)为特殊补偿比例函数,△V为最终心室体积变化值。
在一个实施例中,处理器识别单个心动周期内超声成像视频的波动区域之前还包括:当待监测对象的超声成像视频为彩色图像视频时,对彩色图像视频进行灰度处理;处理器识别单个心动周期内超声成像视频的波动区域,包括:处理器识别单个心动周期内灰度处理后的超声成像视频的波动区域。当待监测对象的超声成像视频为彩色图像视频时,将饱和度高的像素的亮度的饱和度值降为最低,以灰度模式进行后续分析处理,以排除干扰,而最终以彩色模式显示与用户界面。比如,可以将RGB值差异超过5的像素的RGB值降为R-0,G-0,B-0后实施上述运算,以排除干扰。RGB色彩模式是工业界的一种颜色标准,通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色,RGB即代表红、绿、蓝三个通道的颜色。非必要的,当检测区域与背景连通时,最终目标区域的选择要限制在扇形区域内,不能选到黑色背景。
在一个实施例中,设备还包括超声成像采集装置,超声成像采集装置与处理器连接。超声成像采集装置可以包括超声探头,通过超声探头获取待监测对象的心脏超声图像。
在一个实施例中,设备还包括显示器,显示器与处理器连接。显示器可以是液晶显示屏,可以显示待监测对象的腔体面积变化信息、心室容积变化信息等。
在一个实施例中,设备还包括记录仪,记录仪与处理器连接,记录仪可以记录处理器生成的各种拟合曲线。记录仪是将一个或多个变量随时间或另一变量变化的过程转换为可识别和读取的信号的仪器。记录仪是以CPU(Central Processing Unit,中央处理器)为核心,并辅以大规模集成电路、大容量FLASH(闪存)存储、信号智能调理、总线以及高分辨率图形液晶显示器的新型智能化无纸记录仪表。采用长寿命背光160×128单色液晶显示屏,支持4/8/16通道模拟量通用输入或2/4/8通道模拟输出与12通道报警输出,设定数据与记录数据具掉电保护功能,具有体积小、通道数多、功耗低、精度高、通用性强、运行稳定、可靠性高等特点。它能保存所记录的信号变化以便分析处理,记录仪能自动记录周期性或非周期性多路信号的慢变化过程和瞬态电平变化过程。
在一个实施例中,如图6所示,一种心室容积监测方法,包括:步骤602,获取待监测对象的超声成像视频;步骤604,识别单个心动周期内超声成像视频的波动区域;步骤606,获取波动区域的灰度总值,根据波动区域的灰度总值得到待监测对象的腔体面积变化信息;步骤608,基于待监测对象的腔体面积变化信息得到待监测对象的心室容积变化信息。
在一个实施例中,心室容积监测方法包括:获取待监测对象的超声成像视频;识别单个心动周期内超声成像视频的波动区域;获取波动区域的各灰度值以及像素总值,根据各灰度值得到波动区域的灰度总值;基于波动区域的像素总值不变,根据像素总值与波动区域的灰度总值,得到待监测对象的腔体面积变化信息;基于待监测对象的腔体面积变化信息得到待监测对象的心室容积变化信息。
在一个实施例中,心室容积监测方法包括:获取待监测对象的超声成像视频;识别单个心动周期内超声成像视频的波动区域;获取波动区域的各灰度值,根据各灰度值得到波动区域的灰度总值;基于波动区域的像素总值不变,根据像素总值与波动区域的灰度总值,得到待监测对象的腔体面积变化信息;基于待监测对象的腔体面积变化信息得到待监测对象的心室容积变化信息;其中,根据像素总值与波动区域的灰度总值,得到待监测对象的腔体面积变化信息,包括:将像素总值与波动区域的灰度总值之差作为腔体面积变化值;获取单个心动周期内待监测对象的超声成像视频的帧数及对应的腔体面积变化值;构建帧数与腔体面积变化值之间的关系曲线。
在一个实施例中,心室容积监测方法包括:获取待监测对象的超声成像视频;对单个心动周期内的超声成像视频进行锐化处理,识别锐化处理后的超声成像视频的波动区域;获取波动区域的灰度总值;根据波动区域的灰度总值得到待监测对象的腔体面积变化信息;基于待监测对象的腔体面积变化信息得到待监测对象的心室容积变化信息。
在一个实施例中,心室容积监测方法包括:获取待监测对象的超声成像视频;识别单个心动周期内超声成像视频的波动区域;获取波动区域的灰度总值;根据波动区域的灰度总值得到待监测对象的腔体面积变化信息;对腔体面积变化信息进行滤波平滑处理,基于滤波平滑处理后的腔体面积变化信息得到待监测对象的心室容积变化信息。
在一个实施例中,心室容积监测方法包括:获取待监测对象的超声成像视频;识别单个心动周期内超声成像视频的波动区域;获取波动区域的灰度总值;根据波动区域的灰度总值得到待监测对象的腔体面积变化信息;基于待监测对象的腔体面积变化信息得到待监测对象的心室容积变化信息;基于预设补偿函数,对心室容积变化信息进行校准。
在一个实施例中,心室容积监测方法包括:获取待监测对象的超声成像视频;当待监测对象的超声成像视频帧为彩色图像视频时,对彩色图像视频进行灰度处理;识别单个心动周期内灰度处理后的超声成像视频的波动区域;获取波动区域的灰度总值;根据波动区域的灰度总值得到待监测对象的腔体面积变化信息;基于待监测对象的腔体面积变化信息得到待监测对象的心室容积变化信息。
关于心室容积监测方法的具体限定可以参见上文中对于心室容积监测设备的限定,在此不再赘述。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种心室容积监测设备,包括图像采集模块和处理器,所述图像采集模块与所述处理器连接;
所述图像采集模块获取待监测对象的超声成像视频;所述处理器识别单个心动周期内所述超声成像视频的波动区域,获取所述波动区域的灰度总值,根据所述波动区域的灰度总值得到所述待监测对象的腔体面积变化信息,并基于所述腔体面积变化信息得到所述待监测对象的心室容积变化信息。
2.根据权利要求1所述的设备,其特征在于,所述处理器还用于获取所述波动区域的各灰度值以及像素总值,根据所述各灰度值得到所述波动区域的灰度总值;基于所述波动区域的像素总值不变,根据所述像素总值与所述波动区域的灰度总值,得到所述待监测对象的腔体面积变化信息。
3.根据权利要求2所述的设备,其特征在于,所述处理器还用于将所述像素总值与所述波动区域的灰度总值之差作为腔体面积变化值,获取单个心动周期内待监测对象的超声成像视频的帧数及对应的腔体面积变化值,构建所述帧数与所述腔体面积变化值之间的关系曲线。
4.根据权利要求1所述的设备,其特征在于,所述处理器还用于对所述腔体面积变化信息进行滤波平滑处理,基于滤波平滑处理后的腔体面积变化信息得到所述待监测对象的心室容积变化信息。
5.根据权利要求1所述的设备,其特征在于,所述处理器还用于基于预设补偿函数,对所述心室容积变化信息进行校准。
6.根据权利要求1所述的设备,其特征在于,所述处理器还用于当所述待监测对象的超声成像视频为彩色图像视频时,对所述彩色图像视频进行灰度处理,识别单个心动周期内灰度处理后的超声成像视频的波动区域。
7.根据权利要求1至6任意一项所述的设备,其特征在于,还包括超声成像采集装置,所述超声成像采集装置与所述处理器连接。
8.根据权利要求1至6任意一项所述的设备,其特征在于,还包括显示器,所述显示器与所述处理器连接。
9.根据权利要求1至6任意一项所述的设备,其特征在于,还包括记录仪,所述记录仪与所述处理器连接。
10.一种心室容积监测方法,其特征在于,所述方法包括:
获取待监测对象的超声成像视频;
识别单个心动周期内所述超声成像视频的波动区域;
获取所述波动区域的灰度总值,根据所述波动区域的灰度总值得到所述待监测对象的腔体面积变化信息;
基于所述待监测对象的腔体面积变化信息得到所述待监测对象的心室容积变化信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810307765.8A CN108703770B (zh) | 2018-04-08 | 2018-04-08 | 心室容积监测设备和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810307765.8A CN108703770B (zh) | 2018-04-08 | 2018-04-08 | 心室容积监测设备和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108703770A true CN108703770A (zh) | 2018-10-26 |
CN108703770B CN108703770B (zh) | 2021-10-01 |
Family
ID=63867097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810307765.8A Active CN108703770B (zh) | 2018-04-08 | 2018-04-08 | 心室容积监测设备和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108703770B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112689067A (zh) * | 2020-10-28 | 2021-04-20 | 泰州国安医疗用品有限公司 | 自适应镜口开启幅度调节***及方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030035573A1 (en) * | 1999-12-22 | 2003-02-20 | Nicolae Duta | Method for learning-based object detection in cardiac magnetic resonance images |
CN1720464A (zh) * | 2002-12-02 | 2006-01-11 | 皇家飞利浦电子股份有限公司 | 用于识别成像***中的流动区域的分割工具 |
CN1777898A (zh) * | 2003-04-24 | 2006-05-24 | 皇家飞利浦电子股份有限公司 | 无创式左心室的容积测定 |
CN101151638A (zh) * | 2005-04-01 | 2008-03-26 | 皇家飞利浦电子股份有限公司 | 用于分割数据集中的结构的方法、***和计算机程序 |
CN101304692A (zh) * | 2005-11-08 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 心肌同步的超声诊断 |
US7864997B2 (en) * | 2006-04-28 | 2011-01-04 | Pie Medical Imaging B.V. | Method, apparatus and computer program product for automatic segmenting of cardiac chambers |
US8214011B2 (en) * | 2007-08-13 | 2012-07-03 | General Electric Company | System and method for remodeling prediction using ultrasound |
CN102728007A (zh) * | 2011-03-29 | 2012-10-17 | 重庆微海软件开发有限公司 | 超声治疗***的控制***及控制方法 |
CN102871686A (zh) * | 2012-03-05 | 2013-01-16 | 杭州弘恩医疗科技有限公司 | 基于3d医学影像测定生理参数的装置和方法 |
CN103648402A (zh) * | 2012-03-30 | 2014-03-19 | 株式会社东芝 | 超声波诊断装置、图像处理装置以及图像处理方法 |
US20150078638A1 (en) * | 2012-03-23 | 2015-03-19 | University Putra Malaysia | Method for Determining Right Ventricle Stroke Volume |
CN104463844A (zh) * | 2014-11-03 | 2015-03-25 | 中国人民解放军第三军医大学第三附属医院 | 基于brox光流法的超声造影图像血管灌注区提取方法 |
US20160113502A1 (en) * | 2014-10-18 | 2016-04-28 | International Business Machines Corporation | Automatic Visualization of Regional Functional Parameters of Left Ventricle from Cardiac Imaging |
CN106175720A (zh) * | 2015-05-06 | 2016-12-07 | 深圳迪美泰数字医学技术有限公司 | 一种生理生化参数监护与记录的方法及装置 |
CN106910194A (zh) * | 2015-12-22 | 2017-06-30 | 上海联影医疗科技有限公司 | 心脏心功能磁共振图像中的心内外膜的分割方法 |
US20170265843A1 (en) * | 2016-03-17 | 2017-09-21 | Toshiba Medical Systems Corporation | Ultrasonic diagnostic apparatus, image processing apparatus, and image processing method |
-
2018
- 2018-04-08 CN CN201810307765.8A patent/CN108703770B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030035573A1 (en) * | 1999-12-22 | 2003-02-20 | Nicolae Duta | Method for learning-based object detection in cardiac magnetic resonance images |
CN1720464A (zh) * | 2002-12-02 | 2006-01-11 | 皇家飞利浦电子股份有限公司 | 用于识别成像***中的流动区域的分割工具 |
CN1777898A (zh) * | 2003-04-24 | 2006-05-24 | 皇家飞利浦电子股份有限公司 | 无创式左心室的容积测定 |
CN101151638A (zh) * | 2005-04-01 | 2008-03-26 | 皇家飞利浦电子股份有限公司 | 用于分割数据集中的结构的方法、***和计算机程序 |
CN101304692A (zh) * | 2005-11-08 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 心肌同步的超声诊断 |
US7864997B2 (en) * | 2006-04-28 | 2011-01-04 | Pie Medical Imaging B.V. | Method, apparatus and computer program product for automatic segmenting of cardiac chambers |
US8214011B2 (en) * | 2007-08-13 | 2012-07-03 | General Electric Company | System and method for remodeling prediction using ultrasound |
CN102728007A (zh) * | 2011-03-29 | 2012-10-17 | 重庆微海软件开发有限公司 | 超声治疗***的控制***及控制方法 |
CN102871686A (zh) * | 2012-03-05 | 2013-01-16 | 杭州弘恩医疗科技有限公司 | 基于3d医学影像测定生理参数的装置和方法 |
US20150078638A1 (en) * | 2012-03-23 | 2015-03-19 | University Putra Malaysia | Method for Determining Right Ventricle Stroke Volume |
CN103648402A (zh) * | 2012-03-30 | 2014-03-19 | 株式会社东芝 | 超声波诊断装置、图像处理装置以及图像处理方法 |
US20160113502A1 (en) * | 2014-10-18 | 2016-04-28 | International Business Machines Corporation | Automatic Visualization of Regional Functional Parameters of Left Ventricle from Cardiac Imaging |
CN104463844A (zh) * | 2014-11-03 | 2015-03-25 | 中国人民解放军第三军医大学第三附属医院 | 基于brox光流法的超声造影图像血管灌注区提取方法 |
CN106175720A (zh) * | 2015-05-06 | 2016-12-07 | 深圳迪美泰数字医学技术有限公司 | 一种生理生化参数监护与记录的方法及装置 |
CN106910194A (zh) * | 2015-12-22 | 2017-06-30 | 上海联影医疗科技有限公司 | 心脏心功能磁共振图像中的心内外膜的分割方法 |
US20170265843A1 (en) * | 2016-03-17 | 2017-09-21 | Toshiba Medical Systems Corporation | Ultrasonic diagnostic apparatus, image processing apparatus, and image processing method |
Non-Patent Citations (1)
Title |
---|
盖媛媛,阮琴韵: "超声心动图评价心脏运动同步性的进展", 《生物医学工程与临床》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112689067A (zh) * | 2020-10-28 | 2021-04-20 | 泰州国安医疗用品有限公司 | 自适应镜口开启幅度调节***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108703770B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3449800B1 (en) | Medical image processing apparatus, endoscope apparatus, diagnostic support apparatus, and medical service support apparatus | |
US10004410B2 (en) | System and methods for measuring physiological parameters | |
US8805051B2 (en) | Image processing and machine learning for diagnostic analysis of microcirculation | |
JP4303598B2 (ja) | 画素の符号化法、画像処理法と、1以上の画素により再現されるオブジェクトの定性的な認識を目的とする画像処理法 | |
JP4216496B2 (ja) | 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及びプログラムコード | |
US7248724B2 (en) | Method for monitoring wounds | |
CN110269600A (zh) | 基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法 | |
JP4363833B2 (ja) | 局所血流動態に関するインデックスを演算する方法及び装置 | |
CN110706826B (zh) | 一种基于视频图像的非接触式的实时多人心率和血压测量方法 | |
CN111938622B (zh) | 心率检测方法、装置及***、可读存储介质 | |
CN117012344B (zh) | 一种4cmos相机采集的图像分析方法 | |
CN111281367A (zh) | 一种基于人脸视频的抗干扰非接触式心率检测方法 | |
Kossack et al. | Perfusion assessment via local remote photoplethysmography (rPPG) | |
CN113689424B (zh) | 可自动识别图像特征的超声检查***及识别方法 | |
Nugroho et al. | Determination of skin repigmentation progression | |
Trumpp et al. | Skin detection and tracking for camera-based photoplethysmography using a Bayesian classifier and level set segmentation | |
JP3548473B2 (ja) | 眼底画像の動静脈識別方法、記録媒体及び装置 | |
CN108703770A (zh) | 心室容积监测设备和方法 | |
Kutbay et al. | A computer-aided diagnosis system for measuring carotid artery intima-media thickness (IMT) using quaternion vectors | |
Hu et al. | Study on Real-Time Heart Rate Detection Based on Multi-People. | |
CN110517229B (zh) | 一种脉搏检测方法、***、电子装置及存储介质 | |
JP4268695B2 (ja) | 画像診断装置及び超音波診断装置 | |
US20100274134A1 (en) | Method for evaluation of renal vascular perfusion using power doppler ultrasonography | |
Kollorz et al. | Using power watersheds to segment benign thyroid nodules in ultrasound image data | |
CN108553124A (zh) | 心室容积监测设备和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |