CN112545566A - 一种胎儿颈部透明层测量方法及装置 - Google Patents
一种胎儿颈部透明层测量方法及装置 Download PDFInfo
- Publication number
- CN112545566A CN112545566A CN202011419112.2A CN202011419112A CN112545566A CN 112545566 A CN112545566 A CN 112545566A CN 202011419112 A CN202011419112 A CN 202011419112A CN 112545566 A CN112545566 A CN 112545566A
- Authority
- CN
- China
- Prior art keywords
- neck
- fetal
- image
- diaphragmatic
- boundary
- 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
- 230000001605 fetal effect Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title abstract description 43
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000000691 measurement method Methods 0.000 claims description 17
- 238000002604 ultrasonography Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 210000003754 fetus Anatomy 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 6
- 230000005856 abnormality Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000002372 labelling Methods 0.000 description 5
- 210000000439 stratum lucidum Anatomy 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 208000037280 Trisomy Diseases 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 210000003491 skin Anatomy 0.000 description 4
- 210000001691 amnion Anatomy 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 210000002751 lymph Anatomy 0.000 description 2
- 208000030761 polycystic kidney disease Diseases 0.000 description 2
- 230000035935 pregnancy Effects 0.000 description 2
- 238000009609 prenatal screening Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000008719 thickening Effects 0.000 description 2
- 206010008805 Chromosomal abnormalities Diseases 0.000 description 1
- 208000031404 Chromosome Aberrations Diseases 0.000 description 1
- 206010012713 Diaphragmatic hernia Diseases 0.000 description 1
- 208000036830 Normal foetus Diseases 0.000 description 1
- 201000010829 Spina bifida Diseases 0.000 description 1
- 208000006097 Spinal Dysraphism Diseases 0.000 description 1
- 208000026487 Triploidy Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 208000036878 aneuploidy Diseases 0.000 description 1
- 231100001075 aneuploidy Toxicity 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000013020 embryo development Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 210000004129 prosencephalon Anatomy 0.000 description 1
- 231100001055 skeletal defect Toxicity 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
Images
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
- A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
-
- 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
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种胎儿颈部透明层测量方法,包括以下步骤:获取胎儿超声图像,获取所述胎儿超声图像中用于颈部透明层测量的ROI区域;对所述ROI区域进行二值化处理,得到二值化图像;对所述二值化图像进行小面积对象去除,得到处理后的二值化图像;在处理后的二值化图像中查找颈部透明层的上边界以及下边界;基于所述上边界和所述下边界测量胎儿颈部透明层的厚度。本发明具有胎儿颈部透明层测量方式简单、测量精度高的技术效果。
Description
技术领域
本发明涉及超声图像处理技术领域,尤其涉及一种胎儿颈部透明层测量方法、装置及计算机存储介质。
背景技术
颈部透明层(nuchal translucency,简称NT),指胎儿颈后冠状切面皮肤至皮下软组织之间的最大厚度,是由胎儿生理性新陈代谢所产生的液体积存形成。正常胚胎发育过程中,颈部***与颈静脉窦在11~14周左右相通,在相通之前,少量淋巴液积聚在颈部形成颈部透明层,超声表现为胎儿正中矢状切颈部后的带状无回声。NT作为早孕期无创产前筛查的指标,在妊娠产前筛查时具有独特的优势。颈部透明层增厚与胎儿异常的关系十分密切,颈部透明层增厚提示胎儿异常的可能。颈部透明层增厚越明显,胎儿异常机会就越高,异常程度也越严重。有研究发现颈部透明层增厚在3mm时,90%为正常胎儿,10%为异常胎儿;而颈部透明层增厚达到6mm时,90%为异常胎儿。这些异常中包括染色体非整倍体异常,如2l-三体、18-三体和x单体(45,X0),另外还有13-三体、15-三体、三倍体等;还包括非染色体异常的严重畸形及罕见综合征,例如露脑畸形或无脑儿、脑膨出、全前脑、脊柱裂、严重心脏畸形、某些膈疝、脐膨出、腹裂、多囊泡肾、胎儿型多囊肾、肾缺如、巨膀胱、体蒂异常、致死性骨骼畸形以及部分骨骼肌肉异常等等。
NT测量方法分为自动和手动两种,自动方式通常采用人工智能等训练方法,手动方式为医生手动测量。目前有一些关于这方面的研究,主要采用的是人工智能的方式,但是存在的明显缺点就是训练需要的大量样本不容易得到,训练时间比较久,准确率不是很高。且自动测量需要自动识别ROI区域并进行计算,对图像质量和算法的要求都比较高。手动方法依赖于医生的经验和操作手法,测量结果常会产生较大误差。手动测量跟常规的二维测量一样,分辨胎儿皮肤与羊膜,将游标放置在NT的最清晰并最宽处,游标的横标尺放置在NT边界的内缘,直至两者融合而横标尺不易被察看到,得出NT值并记录。手动测量由于观察者肉眼不易确定NT的边界,存在测量游标放置不一致的可能,从而影响NT测量值的准确性和可重复性。
发明内容
有鉴于此,有必要提供一种胎儿颈部透明层测量方法及装置,用以解决NT 值测量时模型训练过程复杂,手动测量精度低效率低的问题。
本发明提供一种胎儿颈部透明层测量方法,包括以下步骤:
获取胎儿超声图像,获取所述胎儿超声图像中用于颈部透明层测量的ROI 区域;
对所述ROI区域进行二值化处理,得到二值化图像;
对所述二值化图像进行小面积对象去除,得到处理后的二值化图像;
在处理后的二值化图像中查找颈部透明层的上边界以及下边界;
基于所述上边界和所述下边界测量胎儿颈部透明层的厚度。
进一步的,获取所述胎儿超声图像中用于颈部透明层测量的ROI区域,具体为:
获取操作者选取的两个对角位置,基于两个所述对角位置设置矩形框,基于所述矩形框截取所述胎儿超声图像中的ROI区域。
进一步的,对所述二值化图像进行小面积对象去除,具体为:
去除所述二值化图像中面积小于设定阈值的连通区域,实现小面积对象去除。
进一步的,去除所述二值化图像中面积小于设定阈值的连通区域,实现小面积对象去除,具体为:
沿列方向对所述二值化图像进行扩展,在首尾处各扩展一列用“0”填充的区域;
逐行扫描所述二值化图像,将每一行中连续等于“1”的像素用同一标号进行标记,得到多个像素组;
判断相邻的两行中是否有相邻重合的像素组,如果有,则对相邻重合的像素组的标号进行统一;
根据所述标号获取所述二值化图像中所有连通区域;
分别计算每一所述连通区域的面积;
删除所述二值化图像中面积小于所述设定阈值的连通区域,得到去除小面积对象后的二值化图像。
进一步的,对所述二值化图像进行小面积对象去除之后,还包括:
对小面积对象去除后的二值化图像进行形态学滤波。
进一步的,在处理后的二值化图像中查找颈部透明层的上边界以及下边界,具体为:
逐列扫描处理后的二值化图像,筛选出像素值由发生变化的边界位置作为所述上边界以及下边界。
进一步的,在处理后的二值化图像中查找颈部透明层的上边界以及下边界,还包括:
采用高斯平滑窗分别对所述上边界以及下边界进行校正。
进一步的,基于所述上边界和所述下边界测量胎儿颈部透明层的厚度,具体为:
针对所述上边界中每一个点,计算其与下边界上所有点的欧式距离,取最小欧式距离作为所述上边界中相应点的测量值;
取所述上边界所有点的测量值中的最大值作为胎儿颈部透明层的厚度。
本发明还提供一种胎儿颈部透明层测量装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现所述胎儿颈部透明层测量方法。
本发明还提供一种计算机存储介质,其上存储有计算机程序,所述计算机该程序被处理器执行时,实现所述胎儿颈部透明层测量方法。
有益效果:本发明提供在获取胎儿超声图像后,通过分辨胎儿皮肤和羊膜,将取样框放置在NT最清晰且最宽处,得到ROI区域,算法自动分析ROI区域内的NT两侧内缘的灰度,描记出上边界和下边界表示NT两侧的最亮内缘,再计算出NT值。本发明与手动方法相比,减少了医生的重复操作,提高了准确率。与全自动相比,不需收集大量样本进行复杂的训练过程,同时得到的结果更准确,因为测量NT的ROI区域是医生手动选择的。
附图说明
图1为本发明提供的胎儿颈部透明层测量方法第一实施例的方法流程图;
图2为本发明提供的胎儿颈部透明层测量方法第一实施例的胎儿超声图像的示意图;
图3为本发明提供的胎儿颈部透明层测量方法第一实施例的ROI区域截取示意图;
图4为本发明提供的胎儿颈部透明层测量方法第一实施例的二值化图像结果图;
图5为本发明提供的胎儿颈部透明层测量方法第一实施例的小面积对象去除流程图;
图6为本发明提供的胎儿颈部透明层测量方法第一实施例的连通区域判断原理图;
图7为本发明提供的胎儿颈部透明层测量方法第一实施例的小面积对象去除后的结果图;
图8a为本发明提供的胎儿颈部透明层测量方法第一实施例的ROI区域的像素示意图;
图8b为图8a中ROI区域第一行的标记结果图;
图8c为图8a中ROI区域第二行的标记结果图;
图8d为图8a中ROI区域第三行的标记结果图;
图8e为图8a中ROI区域第四行的标记结果图;
图9为本发明提供的胎儿颈部透明层测量方法第一实施例的上边界以及下边界的标注结果图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
如图1所示,本发明的实施例1提供了胎儿颈部透明层测量方法,包括以下步骤:
S1、获取胎儿超声图像,获取所述胎儿超声图像中用于颈部透明层测量的 ROI区域;
S2、对所述ROI区域进行二值化处理,得到二值化图像;
S3、对所述二值化图像进行小面积对象去除,得到处理后的二值化图像;
S4、在处理后的二值化图像中查找颈部透明层的上边界以及下边界;
S5、基于所述上边界和所述下边界测量胎儿颈部透明层的厚度。
本实施例首先获得一帧胎儿超声图像数据,用于后面的测量;胎儿超声图像可以是从超声***、DICOM、U盘等多种介质的某一种中获取的。然后进行ROI区域的选取,选择用于计算的图像数据。识别ROI图像数据中颈部透明层区域的上下两条边界,在识别上/下边界之前,对ROI区域进行二值化处理并进行了小面积对象的去除,摒除了小面积对象对NT值测量的影响。最后计算出 NT值。计算出NT值后可将NT值以及上下两条边界输出至超声终端在超声图像上进行显示,同时在超声图像上标记出计算NT值的位置。上下两条边界线以及NT值位置都会直接标在原胎儿超声图像上,NT值会显示在结果区。
具体的,ROI(region of interest)区域,即感兴趣区域。机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为感兴趣区域,ROI。本实施例中ROI区域指的是胎儿超声图像中用于计算NT值的区域,即胎儿颈部透明层所在的区域。
本发明针对现有技术的不足,给出一种半自动测量方法,可以快速而准确得到NT值、提高测量效率。在获取胎儿超声图像后,通过分辨胎儿皮肤和羊膜,将取样框放置在NT最清晰且最宽处,得到ROI区域,本方法自动分析ROI 区域内的NT两侧内缘的灰度,描记出上边界和下边界表示NT两侧的最亮内缘,再计算出NT值。采用上述技术方案,可以快速并准确的计算出NT值,与手动方法相比,减少了医生的重复操作,提高了准确率。与全自动相比,得到的结果更准确,因为测量NT的ROI区域是医生手动选择的。
优选的,获取所述胎儿超声图像中用于颈部透明层测量的ROI区域,具体为:
获取操作者选取的两个对角位置,基于两个所述对角位置设置矩形框,基于所述矩形框截取所述胎儿超声图像中的ROI区域。
ROI区域的选取通过操作者手动点击颈部透明层区域左上角和右下角位置来获取,,点击方式可以是触摸屏上直接点或者是通过轨迹球和鼠标也可以是其他方式。另外,这两个点的位置也可以调整。
具体的,针对图2中胎儿超声图像进行ROI区域截取,截取得到的ROI 区域如图3所示,图3中黑色矩形框所标记的范围即ROI区域。
ROI区域截取后,需要对其进行二值化处理,以便后续NT值的测量。二值化处理采用现有技术实现即可,例如OTSU、最大熵、全局均值阈值等。图 4示出了图3中ROI区域二值化处理的结果示意图。
优选的,对所述二值化图像进行小面积对象去除,具体为:
去除所述二值化图像中面积小于设定阈值的连通区域,实现小面积对象去除。
小面积对象去除,即去掉面积小于设定阈值的连通区域,即去掉一些零散区域,避免零散点对后续上/下边界的查找造成不必要的影响,本实施例中设定阈值为20。
优选的,去除所述二值化图像中面积小于设定阈值的连通区域,实现小面积对象去除,具体为:
沿列方向对所述二值化图像进行扩展,在首尾处各扩展一列用“0”填充的区域;逐行扫描所述二值化图像,将每一行中连续等于“1”的像素用同一标号进行标记,得到多个像素组;
判断相邻的两行中是否有相邻重合的像素组,如果有,则对相邻重合的像素组的标号进行统一;
根据所述标号获取所述二值化图像中所有连通区域;
分别计算每一所述连通区域的面积;
删除所述二值化图像中面积小于所述设定阈值的连通区域,得到去除小面积对象后的二值化图像。
具体的,如图5所示,小面积对象的去除为:
S301、边界扩展
沿列方向在二值化图像的首尾各扩展一列,用0进行填充,即:
其中,bww*h为二值化图像,bww*(h+2)为边界扩展后的二值化图像,bw为二值化图像的矩阵;
S302、标记所有连通区域
逐行扫描边界扩展后的二值化图像,把每一行中连续的等于“1”的像素用同一标号进行标记,我们称这样一个同一标号的序列为一个像素组;
对于除了第一行外的其它行里的像素组,如果它与前一行中的所有组都没有重叠区域,则给它一个新的标号;如果它仅与上一行中一个组有重合区域,则将具有重合区域的像素组的标号赋给它;如果它与上一行的2个或2个以上的像素组有重叠区域,则将具有重合区域的像素组中最小的标号赋给它;直到所有行都标记完成,得到标记图像,标记图像与二值化图像是一一对应的;
重叠区域的判断可以采用4连通、8连通。本实施例以8连通为例,如图6 所示,从当前像素点(图6中五角星所标注的像素点)出发,上、下、左、右、左上、右上、左下、右下的像素点(图6中圆点所标注的像素点)中只要存在等于1的数据,则认为是重合区域;
S303、计算每个连通区域的大小
计算每个连通区域像素个数。可以采用的方法为:分别查找标记图像中每一标号的个数,该个数即为我们要计算的像素个数;
S304、删除面积小于设定阈值的连通区域
把标记图像中像素个数小于设定阈值的连通区域对应的二值化图像中的值都置为“0”,得到去除小面积对象后的二值化图像。
按照上述步骤对图4中二值化图像进行小面积对象去除,得到小面积对象去除后的结果如图7所示。
为了更清楚的说明小面积对象去除原理,以下给出小面积去除的其中一个实施例:
如图8a所示,二值化图像中每一行有17个像素点,每一行的位置坐标从 1开始表示;
如图8b所示,第一行,我们得到两个像素组,坐标范围分别为:[3,6]和 [12,14],同时给它们分别标记为1、2;
如图8c所示,第二行,我们又得到两个像素组,坐标范围分别为:[6,7] 和[10,12],但是它们都和上一行的像素组有重叠区域,所以用上一行的像素组的标号,即1和2。
如图8d所示,第三行,得到两个像素组,坐标范围分别为:[2,3]和[7, 9],[2,3]这个像素组与上一行的所有像素组均没有重叠区域,所以给它一个新的标号3;而[7,9]这个组与上一行的两个像素组都有重叠,所以给它一个两者中最小的标号,即标号1。
如图8e所示,第四行,得到一个像素组,坐标范围分别为:[11,12],这个像素组与上一行的所有像素组均没有重叠区域,所以给它一个新的标号4。
优选的,对所述二值化图像进行小面积对象去除之后,还包括:
对小面积对象去除后的二值化图像进行形态学滤波。
形态学滤波的目的是对二值化图像的边界进行去噪、增强处理。
优选的,在处理后的二值化图像中查找颈部透明层的上边界以及下边界,具体为:
逐列扫描处理后的二值化图像,筛选出像素值由发生变化的边界位置作为所述上边界以及下边界。
具体的,首先在二值化图像上查找颈部透明层的下边界lowerEdge:
采用从后往前找的方式,即从高度最大值开始往前查找;
判断条件为:当前点以及当前点之后的设定数量的像素点的像素值都为“1”, 同时当前点之前一个点像素值为“0”。
然后在下边界lowerEdge的上方查到上边界topEdge:
在下边界lowerEdge位置开始往上查找满足条件的topEdge值。
判断条件为:当前点像素值为“0”,当前点之后的设定数量的像素点的像素值都为“1”。
优选的,在处理后的二值化图像中查找颈部透明层的上边界以及下边界,还包括:
采用高斯平滑窗分别对所述上边界以及下边界进行校正。
在上述上边界的下边界的查找计算过程中,有可能会出现计算不准的情况,所以需要加校正。本实施例中校正采用高斯平滑创,窗大小为1*9,sigma=1.0。校正后,得到的上边界与下边界如图9所示。
优选的,基于所述上边界和所述下边界测量胎儿颈部透明层的厚度,具体为:
针对所述上边界中每一个点,计算其与下边界上所有点的欧式距离,取最小欧式距离作为所述上边界中相应点的测量值;
取所述上边界所有点的测量值中的最大值作为胎儿颈部透明层的厚度。
上边界和下边界找到后即可测量NT值。NT值测量的是胎儿颈部透明层厚度最大的位置,也就是最大值。本实施例采用的方法是:对于上边界topEdge 中的每一个像素点,分别计算其与下边界lowerEdge上的所有像素点的欧氏距离,然后取其最小值做为当前像素点的测量值。遍历上边界topEdge上的所有像素点可以得到多个测量值,,然后从这多个测量值中取一个最大值作为NT 值,即胎儿颈部透明层的厚度。
实施例2
本发明的实施例2提供了胎儿颈部透明层测量装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现实施例1提供的胎儿颈部透明层测量方法。
本发明实施例提供的胎儿颈部透明层测量装置,用于实现胎儿颈部透明层测量方法,因此,胎儿颈部透明层测量方法所具备的技术效果,胎儿颈部透明层测量装置同样具备,在此不再赘述。
实施例3
本发明的实施例3提供了计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现实施例1提供的胎儿颈部透明层测量方法。
本发明实施例提供的计算机存储介质,用于实现胎儿颈部透明层测量方法,因此,胎儿颈部透明层测量方法所具备的技术效果,计算机存储介质同样具备,在此不再赘述。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种胎儿颈部透明层测量方法,其特征在于,包括以下步骤:
获取胎儿超声图像,获取所述胎儿超声图像中用于颈部透明层测量的ROI区域;
对所述ROI区域进行二值化处理,得到二值化图像;
对所述二值化图像进行小面积对象去除,得到处理后的二值化图像;
在处理后的二值化图像中查找颈部透明层的上边界以及下边界;
基于所述上边界和所述下边界测量胎儿颈部透明层的厚度。
2.根据权利要求1所述的胎儿颈部透明层测量方法,其特征在于,获取所述胎儿超声图像中用于颈部透明层测量的ROI区域,具体为:
获取操作者选取的两个对角位置,基于两个所述对角位置设置矩形框,基于所述矩形框截取所述胎儿超声图像中的ROI区域。
3.根据权利要求1所述的胎儿颈部透明层测量方法,其特征在于,对所述二值化图像进行小面积对象去除,具体为:
去除所述二值化图像中面积小于设定阈值的连通区域,实现小面积对象去除。
4.根据权利要求3所述的胎儿颈部透明层测量方法,其特征在于,去除所述二值化图像中面积小于设定阈值的连通区域,实现小面积对象去除,具体为:
沿列方向对所述二值化图像进行扩展,在首尾处各扩展一列用“0”填充的区域;
逐行扫描所述二值化图像,将每一行中连续等于“1”的像素用同一标号进行标记,得到多个像素组;
判断相邻的两行中是否有相邻重合的像素组,如果有,则对相邻重合的像素组的标号进行统一;
根据所述标号获取所述二值化图像中所有连通区域;
分别计算每一所述连通区域的面积;
删除所述二值化图像中面积小于所述设定阈值的连通区域,得到去除小面积对象后的二值化图像。
5.根据权利要求1所述的胎儿颈部透明层测量方法,其特征在于,对所述二值化图像进行小面积对象去除之后,还包括:
对小面积对象去除后的二值化图像进行形态学滤波。
6.根据权利要求1所述的胎儿颈部透明层测量方法,其特征在于,在处理后的二值化图像中查找颈部透明层的上边界以及下边界,具体为:
逐列扫描处理后的二值化图像,筛选出像素值由发生变化的边界位置作为所述上边界以及下边界。
7.根据权利要求1所述的胎儿颈部透明层测量方法,其特征在于,在处理后的二值化图像中查找颈部透明层的上边界以及下边界,还包括:
采用高斯平滑窗分别对所述上边界以及下边界进行校正。
8.根据权利要求1所述的胎儿颈部透明层测量方法,其特征在于,基于所述上边界和所述下边界测量胎儿颈部透明层的厚度,具体为:
针对所述上边界中每一个点,计算其与下边界上所有点的欧式距离,取最小欧式距离作为所述上边界中相应点的测量值;
取所述上边界所有点的测量值中的最大值作为胎儿颈部透明层的厚度。
9.一种胎儿颈部透明层测量装置,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-8任一项所述的胎儿颈部透明层测量方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机该程序被处理器执行时,实现如权利要求1-8任一项所述的胎儿颈部透明层测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419112.2A CN112545566A (zh) | 2020-12-07 | 2020-12-07 | 一种胎儿颈部透明层测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419112.2A CN112545566A (zh) | 2020-12-07 | 2020-12-07 | 一种胎儿颈部透明层测量方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112545566A true CN112545566A (zh) | 2021-03-26 |
Family
ID=75059568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011419112.2A Pending CN112545566A (zh) | 2020-12-07 | 2020-12-07 | 一种胎儿颈部透明层测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112545566A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409275A (zh) * | 2021-06-22 | 2021-09-17 | 青岛海信医疗设备股份有限公司 | 基于超声图像确定胎儿颈后透明层厚度的方法及相关装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1676104A (zh) * | 2004-04-01 | 2005-10-05 | 株式会社美蒂森 | 用于形成3d超声图像的设备和方法 |
CN102034232A (zh) * | 2009-09-25 | 2011-04-27 | 上海电机学院 | 一种医学影像图形的分割方法 |
CN103729632A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种基于连通区域滤波的圆形Mark点的定位方法 |
CN104156967A (zh) * | 2014-08-18 | 2014-11-19 | 深圳市开立科技有限公司 | 一种胎儿颈部透明层图像分割方法、装置及*** |
CN104665872A (zh) * | 2014-12-29 | 2015-06-03 | 深圳开立生物医疗科技股份有限公司 | 一种基于超声图像的颈动脉内中膜厚度测量方法和装置 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN106251327A (zh) * | 2016-07-12 | 2016-12-21 | 湖南大学 | 一种用于刀具测量的亚像素边界快速检测方法 |
CN106845388A (zh) * | 2017-01-18 | 2017-06-13 | 北京交通大学 | 基于复杂场景的移动终端掌纹感兴趣区域的提取方法 |
CN109117937A (zh) * | 2018-08-16 | 2019-01-01 | 杭州电子科技大学信息工程学院 | 一种基于连通面积相减的白细胞图像处理方法及*** |
CN109452941A (zh) * | 2018-11-23 | 2019-03-12 | 中国科学院自动化研究所 | 基于图片正畸与边界提取的肢体周径测量方法及*** |
CN110051384A (zh) * | 2018-01-17 | 2019-07-26 | 珠海艾博罗生物技术股份有限公司 | 结合医学统计信息的胎儿颈背透明物位置检测方法及*** |
CN111209926A (zh) * | 2018-11-22 | 2020-05-29 | 山东理工大学 | 一种基于相邻点连接的数据聚类方法 |
CN111714157A (zh) * | 2020-07-24 | 2020-09-29 | 武汉中旗生物医疗电子有限公司 | 一种多普勒超声血流自动识别方法及装置 |
-
2020
- 2020-12-07 CN CN202011419112.2A patent/CN112545566A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1676104A (zh) * | 2004-04-01 | 2005-10-05 | 株式会社美蒂森 | 用于形成3d超声图像的设备和方法 |
CN102034232A (zh) * | 2009-09-25 | 2011-04-27 | 上海电机学院 | 一种医学影像图形的分割方法 |
CN103729632A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种基于连通区域滤波的圆形Mark点的定位方法 |
CN104156967A (zh) * | 2014-08-18 | 2014-11-19 | 深圳市开立科技有限公司 | 一种胎儿颈部透明层图像分割方法、装置及*** |
CN104665872A (zh) * | 2014-12-29 | 2015-06-03 | 深圳开立生物医疗科技股份有限公司 | 一种基于超声图像的颈动脉内中膜厚度测量方法和装置 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN106251327A (zh) * | 2016-07-12 | 2016-12-21 | 湖南大学 | 一种用于刀具测量的亚像素边界快速检测方法 |
CN106845388A (zh) * | 2017-01-18 | 2017-06-13 | 北京交通大学 | 基于复杂场景的移动终端掌纹感兴趣区域的提取方法 |
CN110051384A (zh) * | 2018-01-17 | 2019-07-26 | 珠海艾博罗生物技术股份有限公司 | 结合医学统计信息的胎儿颈背透明物位置检测方法及*** |
CN109117937A (zh) * | 2018-08-16 | 2019-01-01 | 杭州电子科技大学信息工程学院 | 一种基于连通面积相减的白细胞图像处理方法及*** |
CN111209926A (zh) * | 2018-11-22 | 2020-05-29 | 山东理工大学 | 一种基于相邻点连接的数据聚类方法 |
CN109452941A (zh) * | 2018-11-23 | 2019-03-12 | 中国科学院自动化研究所 | 基于图片正畸与边界提取的肢体周径测量方法及*** |
CN111714157A (zh) * | 2020-07-24 | 2020-09-29 | 武汉中旗生物医疗电子有限公司 | 一种多普勒超声血流自动识别方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409275A (zh) * | 2021-06-22 | 2021-09-17 | 青岛海信医疗设备股份有限公司 | 基于超声图像确定胎儿颈后透明层厚度的方法及相关装置 |
CN113409275B (zh) * | 2021-06-22 | 2022-07-01 | 青岛海信医疗设备股份有限公司 | 基于超声图像确定胎儿颈后透明层厚度的方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232383B (zh) | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别*** | |
CN108186051B (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理*** | |
CN104156967B (zh) | 一种胎儿颈部透明层图像分割方法、装置及超声成像*** | |
CN108378869B (zh) | 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理*** | |
CN106725593B (zh) | 超声三维胎儿面部轮廓图像处理方法*** | |
CN112132166B (zh) | 一种数字细胞病理图像智能分析方法、***及装置 | |
CN107085726A (zh) | 基于多方法去噪和连通区域分析的甲骨拓片单字定位方法 | |
CN108510493A (zh) | 医学图像内目标对象的边界定位方法、存储介质及终端 | |
CN111462071B (zh) | 一种图像处理方法和*** | |
CN106991697B (zh) | 胸部数字影像的心胸比测量方法 | |
CN110276759B (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
CN104732520A (zh) | 一种胸部数字影像的心胸比测量算法及*** | |
CN108171696B (zh) | 一种胎盘检测方法及装置 | |
CN115429325A (zh) | 一种超声成像方法及超声成像设备 | |
CN106780491B (zh) | Gvf法分割ct骨盆图像中采用的初始轮廓生成方法 | |
CN103793905A (zh) | 确定脑部图像冠状位方向的方法及装置 | |
CN111899253B (zh) | 胎儿颅脑切面图像的异常判断分析方法及装置 | |
CN104036292A (zh) | 一种医学影像数字胶片中文字区域提取方法及提取*** | |
CN114998293A (zh) | 水位检测方法、装置及电子设备 | |
CN112545566A (zh) | 一种胎儿颈部透明层测量方法及装置 | |
CN115272112A (zh) | 一种纸质心电图数字化方法和装置 | |
CN106780492B (zh) | 一种ct骨盆图像的关键帧提取方法 | |
CN112734743A (zh) | 一种胎儿头围自动测量方法及装置 | |
CN116385540A (zh) | 一种血管造影非充盈帧的导管定位方法和导管定位装置 | |
CN110051384B (zh) | 结合医学统计信息的胎儿颈背透明物位置检测方法及*** |
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: 20210326 |