CN110338842A - 一种新生儿肺脏超声成像***的图像优化方法 - Google Patents

一种新生儿肺脏超声成像***的图像优化方法 Download PDF

Info

Publication number
CN110338842A
CN110338842A CN201910624981.XA CN201910624981A CN110338842A CN 110338842 A CN110338842 A CN 110338842A CN 201910624981 A CN201910624981 A CN 201910624981A CN 110338842 A CN110338842 A CN 110338842A
Authority
CN
China
Prior art keywords
image
lungs
newborn
ultrasound
ultrasound image
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
Application number
CN201910624981.XA
Other languages
English (en)
Inventor
刘敬
曹海英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Chaoyang District Maternal And Child Health Hospital
Original Assignee
Beijing Chaoyang District Maternal And Child Health Hospital
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 Beijing Chaoyang District Maternal And Child Health Hospital filed Critical Beijing Chaoyang District Maternal And Child Health Hospital
Priority to CN201910624981.XA priority Critical patent/CN110338842A/zh
Publication of CN110338842A publication Critical patent/CN110338842A/zh
Pending legal-status Critical Current

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
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/04—Babies, e.g. for SIDS detection
    • A61B2503/045—Newborns, e.g. premature baby monitoring

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

本发明属于超声成像技术领域，公开了一种新生儿肺脏超声成像设备的调节及图像优化方法，发射超声波；利用聚焦调节器调节超声聚焦点数目；筛选出测得的新生儿肺脏超声图像中评估得分在预设分值范围内的超声图像；通过图像存储模块利用存储器存储生成的新生儿肺脏超声图像数据，并通过显示模块在屏幕上显示新生儿超声图像。本发明能够准确呈现被超声的组织结构；同时，将测得的新生儿肺脏超声图像输入训练后的Faster R‑CNN模型，获取与测得的新生儿肺脏超声图像相应的评估得分；筛选出测得的新生儿肺脏超声图像中评估得分在预设分值范围内的超声图像，为理想超声图像；可以提高获取符合质量标准的超声图像的准确率以及效率。

Description

一种新生儿肺脏超声成像***的图像优化方法
技术领域
本发明属于超声成像技术领域，尤其涉及一种新生儿肺脏超声成像***的图像优化方法。
背景技术
超声成像是利用超声声束扫描人体，通过对反射信号的接收、处理，以获得体内器官的图象。常用的超声仪器有多种：A型(幅度调制型)是以波幅的高低表示反射信号的强弱，显示的是一种“回声图”。M型(光点扫描型)是以垂直方向代表从浅至深的空间位置，水平方向代表时间，显示为光点在不同时间的运动曲线图。以上两型均为一维显示，应用范围有限。B型(辉度调制型)即超声切面成象仪，简称“B超”。是以亮度不同的光点表示接收信号的强弱，在探头沿水平位置移动时，显示屏上的光点也沿水平方向同步移动，将光点轨迹连成超声声束所扫描的切面图，为二维成象。至于D型是根据超声多普勒原理制成.C型则用近似电视的扫描方式，显示出垂直于声束的横切面声象图。近年来，超声成象技术不断发展，如灰阶显示和彩色显示、实时成象、超声全息摄影、穿透式超声成像、超声计并机断层圾影、三维成象、体腔内超声成像等。然而，现有新生儿肺脏超声图像的相干性会形成散斑噪声，散斑噪声会覆盖在新生儿肺脏超声图像上并成为新生儿肺脏超声图像的主要图像特征，因此散斑噪声会大大降低新生儿肺脏超声图像的质量；同时，对于新手超声医生的超声图像的质量，一直是由经验丰富的超声医生来检查评估，评估结果存在误差，且效率较低。
综上所述，现有技术存在的问题是：现有新生儿肺脏超声图像的相干性会形成散斑噪声，散斑噪声会覆盖在新生儿肺脏超声图像上并成为新生儿肺脏超声图像的主要图像特征，因此散斑噪声会大大降低新生儿肺脏超声图像的质量；同时，对于新手超声医生的超声图像的质量，一直是由经验丰富的超声医生来检查评估，评估的结果存在误差，且效率比较低。
发明内容
针对现有技术存在的问题，本发明提供了一种新生儿肺脏超声成像***的图像优化方法。
本发明是这样实现的，一种新生儿肺脏超声成像***的图像优化方法，所述新生儿肺脏超声成像***的图像优化方法包括：
第一步，超声发射模块发射超声波；利用超声波采集器采集超声声束扫描新生儿肺脏反射的信号；通过中央控制模块中的深度调节模块，利用超声调节按钮调节超声波扫描深度，使扫描深度为4-5cm；
第二步，聚焦调节模块利用聚焦调节器调节超声聚焦点数目为1-2个，调整其位置使第一个聚焦点接近胸膜线处；超声图像生成模块利用超声信号处理程序对采集的超声信号进行处理生成新生儿肺脏超声图像；利用去噪模块准确呈现被超声的组织结构；同时，图像评估模块将测得的新生儿肺脏超声图像输入训练后的所述Faster R-CNN模型，获取与测得的新生儿肺脏超声图像相应的评估得分；
第三步，筛选出所述测得的新生儿肺脏超声图像中评估得分在预设分值范围内的超声图像，为理想超声图像，可以提高获取符合质量标准的超声图像的准确率以及效率；
第四步，通过图像存储模块利用存储器存储生成的新生儿肺脏超声图像数据，并通过显示模块在屏幕上显示新生儿超声图像。
进一步，所述新生儿肺脏超声成像***的图像优化方法的去噪方法如下：
(1)构建新生儿肺脏超声图像的全变差图像去噪模型，确定所述真实图像的初始灰度值和所述散斑图像的初始灰度值；
(2)基于所述新生儿肺脏超声图像的最小化模型，分别对所述真实图像的初始灰度值和所述散斑图像的初始灰度值进行迭代估计，当所述真实图像的灰度估计值和所述散斑图像的灰度估计值符合预设收敛条件时，得到所述真实图像的灰度估计值和所述散斑图像的灰度估计值；
(3)根据所述真实图像的灰度估计值生成去噪后的新生儿肺脏超声图像。
进一步，所述新生儿肺脏超声图像的最小化模型，对所述真实图像的初始灰度值和所述散斑图像的初始灰度值进行迭代估计，包括：
基于所述新生儿肺脏超声图像的最小化模型并且将所述真实图像的初始灰度值作为所述最小化模型的常量，对所述散斑图像的灰度值进行估计，得到所述散斑图像的第一次灰度估计值；
基于所述最小化模型并且将所述散斑图像的初始灰度值作为所述最小化模型的常量，对所述真实图像的灰度值进行估计，得到所述真实图像的第一次灰度估计值；
将所述散斑图像的第一次灰度估计值和所述真实图像的第一次灰度估计值交替作为所述最小化模型的初始常量，分别对所述真实图像的灰度值和所述散斑图像的灰度值进行交替估计。
进一步，所述新生儿肺脏超声成像***的图像优化方法的预设收敛条件包括：
确定本次迭代得到的所述真实图像的灰度估计值与上一次迭代得到的所述真实图像的灰度估计值之间的第一差值绝对值；
确定本次迭代得到的所述散斑图像的灰度估计值与上一次迭代得到的所述散斑图像的灰度估计值之间的第二差值绝对值；
确定所述第一差值绝对值和本次迭代得到的所述真实图像的灰度估计值之间的第一比值；
确定所述第二差值绝对值和本次迭代得到的所述散斑图像的灰度估计值之间的第二比值；
当所述第一比值和所述第二比值均小于预设阈值时，确定真实图像的灰度估计值符合预设收敛条件，否则，继续迭代至满足收敛条件。
进一步，所述新生儿肺脏超声成像***的图像优化方法的图像评估方法如下：
1)通过超声图像生成模块获取新生儿肺脏超声图像，对所述新生儿肺脏超声图像进行增强处理，生成超声图像训练样本；
2)根据评估协议制定超声图像训练样本的评估得分，其中，所述评估协议为所述超声图像训练样本中多个肺脏结构中有一个肺脏结构清晰则增加一分；
3)利用所述超声图像训练样本及样本对应的评估得分对预先建立的FasterR-CNN模型进行训练；
4)将测得的新生儿肺脏超声图像输入训练后的所述FasterR-CNN模型，获取与所述测得的新生儿肺脏超声图像相应的评估得分；
5)筛选出所述测得的新生儿肺脏超声图像中评估得分在预设分值范围内的超声图像，为理想超声图像。
本发明的另一目的在于提供一种应用所述新生儿肺脏超声成像***的图像优化方法的超声成像***。
本发明的优点及积极效果为：本发明通过去噪模块将扫描得到的新生儿肺脏超声图像作为原始输入，对真实图像的初始灰度值和散斑图像的初始灰度值进行迭代估计后，当真实图像的灰度估计值和散斑图像的灰度估计值符合收敛条件时，生成去噪后的新生儿肺脏超声图像，可以使去噪后的新生儿肺脏超声图像保留了原始新生儿肺脏超声图像中的细节和边缘部分，具有良好的匀质性，并且，去噪后的新生儿肺脏超声图像能够准确呈现被超声的组织结构；同时，通过图像评估模块将测得的新生儿肺脏超声图像输入训练后的所述FasterR-CNN模型，获取与所述测得的新生儿肺脏超声图像相应的评估得分；筛选出所述测得的新生儿肺脏超声图像中评估得分在预设分值范围内的超声图像，为理想超声图像；可以提高获取符合质量标准的超声图像的准确率以及效率。
附图说明
图1是本发明实施例提供的新生儿肺脏超声成像***的图像优化方法流程图。
图2是本发明实施例提供的新生儿肺脏超声成像***结构示意图；
图中：1、超声发射模块；2、超声信号采集模块；3、中央控制模块；4、深度调节模块；5、聚焦调节模块；6、超声图像生成模块；7、去噪模块；8、图像优化模块；9、图像评估模块；10、图像存储模块；11、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
针对现有技术存在的问题，本发明提供了一种新生儿肺脏超声成像***的图像优化方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的新生儿肺脏超声成像***的图像优化方法包括以下步骤：
S101，通过超声发射模块利用超声波发生器发射超声波；通过超声信号采集模块利用超声波接收器采集超声声束扫描新生儿肺脏反射的信号；
S102，中央控制模块通过深度调节模块利用超声调节按键调节超声波扫察深，使扫察深度为4-5cm；
S103，通过聚焦调节模块利用聚焦调节器调节超声聚焦点数目使之为1-2个，调整其位置使第一个聚焦点接近胸膜线处；
S104，通过超声图像生成模块利用超声信号处理程序对采集的超声信号进行处理生成新生儿肺脏超声图像；
S105，通过去噪模块利用去噪模型对新生儿肺脏超声图像去除斑点噪声；通过图像优化模块利用优化程序对新生儿肺脏超声图像进行优化操作；
S106，通过图像评估模块利用评估程序对新生儿肺脏超声图像进行评估；
S107，通过图像存储模块利用存储器存储生成的新生儿肺脏超声图像数据；并通过显示模块利用显示超声图像。
如图2所示，本发明实施例提供的新生儿肺脏超声成像***包括：超声发射模块1、超声信号采集模块2、中央控制模块3、深度调节模块4、聚焦调节模块5、超声图像生成模块6、去噪模块7、图像优化模块8、图像评估模块9、图像存储模块10、显示模块11。
超声发射模块1，与超声信号采集模块2连接，用于通过超声波发生器发射超声波；
超声信号采集模块2，与超声发射模块1、中央控制模块3连接，用于通过超声波接收器采集超声声束扫描新生儿肺脏反射的信号；
中央控制模块3，与超声发射模块1、超声信号采集模块2、深度调节模块4、聚焦调节模块5、超声图像生成模块6、去噪模块7、图像优化模块8、图像评估模块9、图像存储模块10、显示模块11连接，用于通过主机控制各个模块正常工作；
深度调节模块4，与中央控制模块3连接，用于通过超声调节按键调节超声波扫察深，使扫察深度为4-5cm；
聚焦调节模块5，与中央控制模块3连接，用于通过聚焦调节器调节超声聚焦点数目使之为1-2个，调整其位置使第一个聚焦点接近胸膜线处；
超声图像生成模块6，与中央控制模块3连接，用于通过超声信号处理程序对采集的超声信号进行处理生成新生儿肺脏超声图像；
去噪模块7，与中央控制模块3连接，用于通过去噪模型对新生儿肺脏超声图像去除斑点噪声；
图像优化模块8，与中央控制模块3连接，用于通过优化程序对新生儿肺脏超声图像进行优化操作；
图像评估模块9，与中央控制模块3连接，用于通过评估程序对新生儿肺脏超声图像进行评估；
图像存储模块10，与中央控制模块3连接，用于通过存储器存储生成的新生儿肺脏超声图像数据；
显示模块11，与中央控制模块3连接，用于通过显示器显示生成的新生儿肺脏超声图像。
本发明提供的去噪模块7去噪方法如下：
(1)构建新生儿肺脏超声图像的全变差图像去噪模型，确定所述真实图像的初始灰度值和所述散斑图像的初始灰度值；
(2)基于所述新生儿肺脏超声图像的最小化模型，分别对所述真实图像的初始灰度值和所述散斑图像的初始灰度值进行迭代估计，当所述真实图像的灰度估计值和所述散斑图像的灰度估计值符合预设收敛条件时，得到所述真实图像的灰度估计值和所述散斑图像的灰度估计值；
(3)根据所述真实图像的灰度估计值生成去噪后的新生儿肺脏超声图像。
本发明提供的新生儿肺脏超声图像的最小化模型，对所述真实图像的初始灰度值和所述散斑图像的初始灰度值进行迭代估计，包括：
基于所述新生儿肺脏超声图像的最小化模型并且将所述真实图像的初始灰度值作为所述最小化模型的常量，对所述散斑图像的灰度值进行估计，得到所述散斑图像的第一次灰度估计值；
基于所述最小化模型并且将所述散斑图像的初始灰度值作为所述最小化模型的常量，对所述真实图像的灰度值进行估计，得到所述真实图像的第一次灰度估计值；
将所述散斑图像的第一次灰度估计值和所述真实图像的第一次灰度估计值交替作为所述最小化模型的初始常量，分别对所述真实图像的灰度值和所述散斑图像的灰度值进行交替估计。
本发明提供的预设收敛条件包括：
确定本次迭代得到的所述真实图像的灰度估计值与上一次迭代得到的所述真实图像的灰度估计值之间的第一差值绝对值；
确定本次迭代得到的所述散斑图像的灰度估计值与上一次迭代得到的所述散斑图像的灰度估计值之间的第二差值绝对值；
确定所述第一差值绝对值和本次迭代得到的所述真实图像的灰度估计值之间的第一比值；
确定所述第二差值绝对值和本次迭代得到的所述散斑图像的灰度估计值之间的第二比值；
当所述第一比值和所述第二比值均小于预设阈值时，确定真实图像的灰度估计值符合预设收敛条件，否则，继续迭代至满足收敛条件。
本发明提供的图像评估模块9评估方法如下：
1)通过超声图像生成模块获取新生儿肺脏超声图像，对所述新生儿肺脏超声图像进行增强处理，生成超声图像训练样本；
2)根据评估协议制定超声图像训练样本的评估得分，其中，所述评估协议为所述超声图像训练样本中多个肺脏结构中有一个肺脏结构清晰则增加一分；
3)利用所述超声图像训练样本及样本对应的评估得分对预先建立的FasterR-CNN模型进行训练；
4)将测得的新生儿肺脏超声图像输入训练后的所述FasterR-CNN模型，获取与所述测得的新生儿肺脏超声图像相应的评估得分；
5)筛选出所述测得的新生儿肺脏超声图像中评估得分在预设分值范围内的超声图像，为理想超声图像。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (6)

1.一种新生儿肺脏超声成像***的图像优化方法，其特征在于，所述新生儿肺脏超声成像***的图像优化方法包括：
第一步，超声发射模块发射超声波；利用超声波采集器采集超声声束扫描新生儿肺脏反射的信号；通过中央控制模块中的深度调节模块，利用超声调节按钮调节超声波扫描深度，使扫描深度为4-5cm；
第二步，聚焦调节模块利用聚焦调节器调节超声聚焦点数目为1-2个，调整其位置使第一个聚焦点接近胸膜线处；超声图像生成模块利用超声信号处理程序对采集的超声信号进行处理生成新生儿肺脏超声图像；利用去噪模块准确呈现被超声的组织结构；同时，图像评估模块将测得的新生儿肺脏超声图像输入训练后的所述Faster R-CNN模型，获取与测得的新生儿肺脏超声图像相应的评估得分；
第三步，筛选出所述测得的新生儿肺脏超声图像中评估得分在预设分值范围内的超声图像，为理想超声图像，可以提高获取符合质量标准的超声图像的准确率以及效率；
第四步，通过图像存储模块利用存储器存储生成的新生儿肺脏超声图像数据，并通过显示模块在屏幕上显示新生儿超声图像。
2.如权利要求1所述的新生儿肺脏超声成像***的图像优化方法，其特征在于，所述新生儿肺脏超声成像***的图像优化方法的去噪方法如下：
(1)构建新生儿肺脏超声图像的全变差图像去噪模型，确定所述真实图像的初始灰度值和所述散斑图像的初始灰度值；
(2)基于所述新生儿肺脏超声图像的最小化模型，分别对所述真实图像的初始灰度值和所述散斑图像的初始灰度值进行迭代估计，当所述真实图像的灰度估计值和所述散斑图像的灰度估计值符合预设收敛条件时，得到所述真实图像的灰度估计值和所述散斑图像的灰度估计值；
(3)根据所述真实图像的灰度估计值生成去噪后的新生儿肺脏超声图像。
3.如权利要求2所述的新生儿肺脏超声成像***的图像优化方法，其特征在于，所述新生儿肺脏超声图像的最小化模型，对所述真实图像的初始灰度值和所述散斑图像的初始灰度值进行迭代估计，包括：
基于所述新生儿肺脏超声图像的最小化模型并且将所述真实图像的初始灰度值作为所述最小化模型的常量，对所述散斑图像的灰度值进行估计，得到所述散斑图像的第一次灰度估计值；
基于所述最小化模型并且将所述散斑图像的初始灰度值作为所述最小化模型的常量，对所述真实图像的灰度值进行估计，得到所述真实图像的第一次灰度估计值；
将所述散斑图像的第一次灰度估计值和所述真实图像的第一次灰度估计值交替作为所述最小化模型的初始常量，分别对所述真实图像的灰度值和所述散斑图像的灰度值进行交替估计。
4.如权利要求3所述的新生儿肺脏超声成像***的图像优化方法，其特征在于，所述新生儿肺脏超声成像***的图像优化方法的预设收敛条件包括：
确定本次迭代得到的所述真实图像的灰度估计值与上一次迭代得到的所述真实图像的灰度估计值之间的第一差值绝对值；
确定本次迭代得到的所述散斑图像的灰度估计值与上一次迭代得到的所述散斑图像的灰度估计值之间的第二差值绝对值；
确定所述第一差值绝对值和本次迭代得到的所述真实图像的灰度估计值之间的第一比值；
确定所述第二差值绝对值和本次迭代得到的所述散斑图像的灰度估计值之间的第二比值；
当所述第一比值和所述第二比值均小于预设阈值时，确定真实图像的灰度估计值符合预设收敛条件，否则，继续迭代至满足收敛条件。
5.如权利要求1所述的新生儿肺脏超声成像***的图像优化方法，其特征在于，所述新生儿肺脏超声成像***的图像优化方法的图像评估方法如下：
1)通过超声图像生成模块获取新生儿肺脏超声图像，对所述新生儿肺脏超声图像进行增强处理，生成超声图像训练样本；
2)根据评估协议制定超声图像训练样本的评估得分，其中，所述评估协议为所述超声图像训练样本中多个肺脏结构中有一个肺脏结构清晰则增加一分；
3)利用所述超声图像训练样本及样本对应的评估得分对预先建立的FasterR-CNN模型进行训练；
4)将测得的新生儿肺脏超声图像输入训练后的所述FasterR-CNN模型，获取与所述测得的新生儿肺脏超声图像相应的评估得分；
5)筛选出所述测得的新生儿肺脏超声图像中评估得分在预设分值范围内的超声图像，为理想超声图像。
6.一种应用权利要求1～5任意一项所述新生儿肺脏超声成像***的图像优化方法的超声成像***。
CN201910624981.XA 2019-07-11 2019-07-11 一种新生儿肺脏超声成像***的图像优化方法 Pending CN110338842A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910624981.XA CN110338842A (zh) 2019-07-11 2019-07-11 一种新生儿肺脏超声成像***的图像优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910624981.XA CN110338842A (zh) 2019-07-11 2019-07-11 一种新生儿肺脏超声成像***的图像优化方法

Publications (1)

Publication Number Publication Date
CN110338842A true CN110338842A (zh) 2019-10-18

Family

ID=68174979

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910624981.XA Pending CN110338842A (zh) 2019-07-11 2019-07-11 一种新生儿肺脏超声成像***的图像优化方法

Country Status (1)

Country Link
CN (1) CN110338842A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113040823A (zh) * 2019-12-27 2021-06-29 深圳迈瑞生物医疗电子股份有限公司 一种超声成像设备及超声图像的分析方法
CN113763353A (zh) * 2021-09-06 2021-12-07 杭州类脑科技有限公司 一种肺部超声图像检测***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101664321A (zh) * 2009-09-07 2010-03-10 无锡祥生科技有限公司 组织声速实时可调的超声诊断设备及其波束合成方法
CN107451615A (zh) * 2017-08-01 2017-12-08 广东工业大学 基于Faster RCNN的甲状腺***状癌超声图像识别方法及***
CN107997784A (zh) * 2017-11-29 2018-05-08 声泰特（成都）科技有限公司 一种基于声速自适应修正的超声波束合成方法和***
CN108122205A (zh) * 2016-11-29 2018-06-05 北京东软医疗设备有限公司 超声图像的去噪方法及装置
CN109191442A (zh) * 2018-08-28 2019-01-11 深圳大学 超声图像评估及筛选方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101664321A (zh) * 2009-09-07 2010-03-10 无锡祥生科技有限公司 组织声速实时可调的超声诊断设备及其波束合成方法
CN108122205A (zh) * 2016-11-29 2018-06-05 北京东软医疗设备有限公司 超声图像的去噪方法及装置
CN107451615A (zh) * 2017-08-01 2017-12-08 广东工业大学 基于Faster RCNN的甲状腺***状癌超声图像识别方法及***
CN107997784A (zh) * 2017-11-29 2018-05-08 声泰特（成都）科技有限公司 一种基于声速自适应修正的超声波束合成方法和***
CN109191442A (zh) * 2018-08-28 2019-01-11 深圳大学 超声图像评估及筛选方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113040823A (zh) * 2019-12-27 2021-06-29 深圳迈瑞生物医疗电子股份有限公司 一种超声成像设备及超声图像的分析方法
CN113763353A (zh) * 2021-09-06 2021-12-07 杭州类脑科技有限公司 一种肺部超声图像检测***

Similar Documents

Publication Publication Date Title
US10813595B2 (en) Fully automated image optimization based on automated organ recognition
CN104274203B (zh) 超声波诊断装置及超声波成像方法
CN104080407B (zh) 任意路径的m模式超声成像
CN105816205B (zh) 声辐射力脉冲成像中的稀疏跟踪
CN110785126B (zh) 用于超声***独立衰减系数估计的方法
CN109828028B (zh) 一种超声检测缺陷定性***和定性方法
US7428334B2 (en) Methods and systems for 3D segmentation of ultrasound images
CN105263420A (zh) 3d超声成像***
US9786040B2 (en) Ultrasound diagnostic apparatus and ultrasound two-dimensional cross-section image generation method
JP2005525842A (ja) 硬性組織の三次元超音波画像形成システム及び方法
KR20140143807A (ko) 가중 인자들을 적용함으로써 초음파 이미지 품질을 향상시키는 시스템들 및 방법들
JP2003204963A (ja) 複数の２ｄスライスから画像を作成するための超音波診断方法及び装置
CN110338842A (zh) 一种新生儿肺脏超声成像***的图像优化方法
US9247922B2 (en) Ultrasonic diagnostic apparatus and ultrasonic image display method
US9402600B2 (en) 3-dimensional elastic image generation method and ultrasonic diagnostic apparatus
US10492761B2 (en) Utilizing depth from ultrasound volume rendering for 3D printing
CN105388478A (zh) 用于检测声学和光学信息的方法和装置、以及对应的计算机程序和对应的计算机可读存储介质
KR20190080121A (ko) 초음파 영상 장치 및 그 제어 방법
CN106137125A (zh) 被检体信息获取设备
US10524763B2 (en) Ultrasound inspection device, ultrasound image data generation method, and recording medium
CN101672826B (zh) 超声扫描显微镜c扫描相位反转图像的构建方法
KR101097607B1 (ko) 스캔 각도, 스캔 깊이 및 스캔 속도를 설정하는 초음파 시스템 및 방법
CN102038519B (zh) 超声诊断的空间复合成像方法
CN102539532A (zh) 一种基于二维邻域合成孔径聚焦的超声c扫描成像方法
KR20150064937A (ko) 영상 처리 장치 및 영상 처리 방법

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

Application publication date: 20191018

RJ01 Rejection of invention patent application after publication