CN113077394B - 图像处理方法、电子设备和存储介质 - Google Patents
图像处理方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113077394B CN113077394B CN202110320791.6A CN202110320791A CN113077394B CN 113077394 B CN113077394 B CN 113077394B CN 202110320791 A CN202110320791 A CN 202110320791A CN 113077394 B CN113077394 B CN 113077394B
- Authority
- CN
- China
- Prior art keywords
- image
- real
- ultrasonic
- images
- sub
- 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.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000002604 ultrasonography Methods 0.000 claims abstract description 46
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000015654 memory Effects 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 36
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 238000002834 transmittance Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 17
- 238000003384 imaging method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 239000000523 sample Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000012285 ultrasound imaging Methods 0.000 description 5
- 238000013329 compounding Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 208000031513 cyst Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请公开了一种图像处理方法、电子设备和存储介质。用于提高超声图像的细节分辨率。本申请实施例中,首先,对超声图像进行多尺度分解,然后对各子图进行处理,得到各子图分别对应的真实图像;对各真实图像分别进行边缘化增强处理,得到各真实图像分别对应的增强后图像;对增强后图像进行图像重建,得到超声图像对应的最终图像。
Description
技术领域
本申请涉及超声波技术领域,尤其涉及一种图像处理方法、电子设备和存储介质。
背景技术
医学超声成像可以实时看到组织内部结构,并且对人体无损害,目前非常普遍地用于各个医院的临床辅助检查中。但是由于超声成像是一种基于声学的成像方式,在其成像过程中必然受到声波干涉、散射、能量衰减、声速不确定、其他电子噪声等干扰,超声图像的细节分辨率明显低于其他医学成像方式。
目前,超声仪器中常用空间复合、频率复合、声速衰减补偿等后处理算法来提高图像的信噪比,并用斑点抑制算法来降低图像噪声,上述方法在一定程度上可以让超声图像变的柔和、光滑,但是都很可能进一步地降低图像的细节分辨率;为了提高图像的对比度,业内常用伽马变换、直方图增强等方法优化超声图像的显示效果,上述方式通过调整和改变像素的范围区间,在一定程度上提高了图像的对比度,但是没有考虑超声图像的成像机理,很可能破坏超声图像的原始效果,使得处理后的图像变得不均匀、不真实。
医学超声成像在当前临床过程中具有非常广泛的应用,但是受限于超声成像的声学机理,相比于其他医学图像,超声图像存在对比度低、细节分辨率低等缺点。当查看一些需要看清明显边界的部位时,超声图像的低细节分辨率很可能影响临床医生的诊断结果。
发明内容
本申请的目的是提供一种图像处理方法、装置、电子设备和存储介质,用于解决超声图像分辨率不够高的问题。
第一方面,本申请实施例提供了一种图像处理方法,所述方法包括:
对超声图像进行多尺度分解,得到多个不同尺度的子图;
基于预先构建的子图图像和对应的真实图像之间的关系模型,对各所述子图进行处理,得到各所述子图分别对应的真实图像;
对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像;
对各所述真实图像分别对应的所述增强后图像进行图像重建,得到所述超声图像对应的最终图像。
在一个实施例中,所述关系模型中输入参数包括所述子图、超声波信号透射率和临界值,输出参数为所述子图对应的真实图像,其中,所述临界值为超声波散射和反射的临界值。
在一个实施例中,所述关系模型的公式为:I′(x)=(I(x)-U)/t(x)+U;
在所述关系模型公式中:I′(x)为所述真实图像,I(x)为所述子图,U为所述临界值,t(x)为所述超声波信号透射率。
在一个实施例中,对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像,包括:
基于各真实图像中的像素点,构建结构张量矩阵;
采用结构张量矩阵获取各所述真实图像的特征向量和特征值;
根据所述特征向量和所述特征值,采用线性插值算法得到所述增强后图像。
在一个实施例中,所述对超声图像进行多尺度分解,得到多个不同尺度的子图,包括:
确定所述超声图像的尺寸;
根据所述超声图像的尺寸确定所述子图的数量。
在一个实施例中,对超声图像进行多尺度分解,得到多个不同尺度的子图,包括:
采用预设算法对所述超声图像进行多尺度分解;
其中,所述预设算法包括以下中的任一种:拉普拉斯金字塔分解、小波金字塔分解、高斯金字塔分解。
第二方面本申请还提供了一种图像处理电子设备,所述电子设备包括:存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器与所述存储器连接,被配置为基于所述计算机程序执行:
对超声图像进行多尺度分解,得到多个不同尺度的子图;
基于预先构建的子图图像和对应的真实图像之间的关系模型,对各所述子图进行处理,得到各所述子图分别对应的真实图像;
对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像;
对各所述真实图像分别对应的所述增强后图像进行图像重建,得到所述超声图像对应的最终图像。
在一个实施例中,所述关系模型中输入参数包括所述子图、超声波信号透射率和临界值,输出参数为所述子图对应的真实图像,其中,所述临界值为超声波散射和反射的临界值。
在一个实施例中,所述关系模型的公式为:I′(x)=(I(x)-U)/t(x)+U;
在所述关系模型公式中:I′(x)为所述真实图像,I(x)为所述子图,U为所述临界值,t(x)为所述超声波信号透射率。
在一个实施例中,所述处理器执行对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像时,被配置为:
基于各真实图像中的像素点,构建结构张量矩阵;
采用结构张量矩阵获取各所述真实图像的特征向量和特征值;
根据所述特征向量和所述特征值,采用线性插值算法得到所述增强后图像。
在一个实施例中,所述处理器执行所述对超声图像进行多尺度分解,得到多个不同尺度的子图时,被配置为:
确定所述超声图像的尺寸;
根据所述超声图像的尺寸确定所述子图的数量。
在一个实施例中,所述处理器执行对超声图像进行多尺度分解,得到多个不同尺度的子图时,被配置为:
采用预设算法对所述超声图像进行多尺度分解;
其中,所述预设算法包括以下中的任一种:拉普拉斯金字塔分解、小波金字塔分解、高斯金字塔分解。
第三方面,本申请另一实施例还提供了一种计算机存储介质,其中,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行本申请第一方面实施例提供的任一方法。
在本申请实施例中,采用对超声图像进行多尺度分解,并对分解后的图像进行求解真实图像和图像增强,最后对增强后的图像进行重建。通过对超声图像分解,采用关系模型分别对子图进行求解真实图像,然后对真实图像进行增强处理,并对增强后的图像进行重建有效的提高了超声图像的对比度和细节分辨率。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的图像处理方法的超声设备的装置图;
图2为本申请实施例提供的图像处理方法的应用原理的示意图;
图3为本申请实施例提供的图像处理方法的应用场景图;
图4为本申请实施例提供的图像处理方法的整体流程图;
图5为本申请实施例提供的图像处理方法的确定子图数量的流程图;
图6为本申请实施例提供的图像处理方法的图像增强处理的流程图;
图7A为本申请实施例提供的图像处理方法的像素点的边缘方向和垂直方向的示意图;
图7B为本申请实施例提供的图像处理方法的像素点的特征向量的示意图;
图8为本申请实施例提供的图像处理方法的电子设备示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本申请的说明书和权利要求书的术语″第一″、″第二″等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
发明人研究发现,医学超声成像可以实时看到组织内部结构,并且对人体无损害,目前非常普遍地用于各个医院的临床辅助检查中。但是由于超声成像是一种基于声学的成像方式,在其成像过程中必然受到声波干涉、散射、能量衰减、声速不确定、其他电子噪声等干扰,超声图像的细节分辨率明显低于其他医学成像方式。目前,超声仪器中常用空间复合、频率复合、声速衰减补偿等后处理算法来提高图像的信噪比,并用斑点抑制算法来降低图像噪声,上述方法在一定程度上可以让超声图像变的柔和、光滑,但是都很可能进一步地降低图像的细节分辨率;为了提高图像的对比度,业内常用伽马变换、直方图增强等方法优化超声图像的显示效果,上述方式通过调整和改变像素的范围区间,在一定程度上提高了图像的对比度,但是没有考虑超声图像的成像机理,很可能破坏超声图像的原始效果,使得处理后的图像变得不均匀、不真实。
医学超声成像在当前临床过程中具有非常广泛的应用,但是受限于超声成像的声学机理,相比于其他医学图像,超声图像存在对比度低、细节分辨率低等缺点。当查看一些需要看清明显边界的部位时,超声图像的低细节分辨率很可能影响临床医生的诊断结果。
针对超声图像对比度低和细节分辨率低的问题,目前主要可以分为在原始信号层面进行优化和在图像层面进行优化。在信号层面进行优化,主要是为了减少接收信号中所包含的不必要的信号分量,即旁瓣分量、栅瓣分量、噪声分量,提高波束合成的准确率;在图像层面进行优化,可以借鉴目前广泛应用的图像处理算法进行后处理,提高图像的细节分辨率和对比度。
发明人研究发现,其中,在信号层面进行优化时,相当于对信号的源头进行处理,提高原始信号的准确度,处理得当则可以对提高图像对比度和细节分辨率具有立竿见影的效果。但是存在的困难是,对源头信号的处理过程很难做到不破坏信号的结构,从而造成有用信号的损失,并且原始信号的数据量相对较大,如果处理过程比较复杂,则会降低运算效率,对实时性是一种考验。在图像层面进行优化时,由于经过了对数压缩、扫描转换等过程,图像的数据量相对要低于原始信号的数据量。图像处理技术经过几十年的发展,超声图像完全可以借鉴现有的图像处理算法,达到提高超声图像对比度和细节分辨率的目的。
发明人研究发现,超声探头发射的超声波信号在经过组织结构的反射、散射等过程后,由探头接收回波信号,并形成超声图像。由于组织结构的复杂性,超声波回波信号很难保证速度一致性,回波信号难免受到噪声的干扰,超声图像中的斑点噪声、电子噪声等都会降低图像的对比度和细节分辨率,使得超声图像中的结构不够明显,边界不够凸显。
有鉴于此,本申请提出了一种图像处理方法、装置、电子设备和存储介质,用于解决上述问题。本申请的发明构思可概括为:首先,对超声图像进行多尺度分解,然后对各子图进行处理,得到各子图分别对应的真实图像;对各真实图像分别进行边缘化增强处理,得到各真实图像分别对应的增强后图像;对增强后图像进行图像重建,得到超声图像对应的最终图像。
图1示出了本申请一个实施例提供的超声设备100的结构示意图。下面以超声设备100为例对实施例进行具体说明。应该理解的是,图1所示超声设备100仅是一个范例,并且超声设备100可以具有比图1中所示的更多的或者更少的部件,可以组合两个或多个的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
图1中示例性示出了根据示例性实施例中超声设备100的硬件配置框图。
如图1所示,超声设备100例如可以包括:处理器110、存储器120、显示单元130和探头140;其中,
探头140,用于发射超声波束,并接收超声波穿刺针的回波信号;
显示单元130,用于显示当前帧超声图像中所述超声穿刺针的位置信息;
存储器120被配置为存储用于超声图像所需的数据,可包括软件程序,应用界面数据等;
处理器110,分别与所述探头140以及所述显示单元130相连接,被配置为:
对超声图像进行多尺度分解,得到多个不同尺度的子图;
基于预先构建的子图图像和对应的真实图像之间的关系模型,对各所述子图进行处理,得到各所述子图分别对应的真实图像;
对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像;
对各所述真实图像分别对应的所述增强后图像进行图像重建,得到所述超声图像对应的最终图像。
在一个实施例中,所述关系模型中输入参数包括所述子图、超声波信号透射率和临界值,输出参数为所述子图对应的真实图像,其中,所述临界值为超声波散射和反射的临界值。
在一个实施例中,所述关系模型的公式为:I′(x)=(I(x)-U)/t(x)+U;
在所述关系模型公式中:I′(x)为所述真实图像,I(x)为所述子图,U为所述临界值,t(x)为所述超声波信号透射率。
在一个实施例中,所述处理器执行对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像时,被配置为:
基于各真实图像中的像素点,构建结构张量矩阵;
采用结构张量矩阵获取各所述真实图像的特征向量和特征值;
根据所述特征向量和所述特征值,采用线性插值算法得到所述增强后图像。
在一个实施例中,所述处理器执行所述对超声图像进行多尺度分解,得到多个不同尺度的子图时,被配置为:
确定所述超声图像的尺寸;
根据所述超声图像的尺寸确定所述子图的数量。
在一个实施例中,所述处理器执行对超声图像进行多尺度分解,得到多个不同尺度的子图时,被配置为:
采用预设算法对所述超声图像进行多尺度分解;
其中,所述预设算法包括以下中的任一种:拉普拉斯金字塔分解、小波金字塔分解、高斯金字塔分解。
图2为根据本申请一个实施例的应用原理的示意图。其中,该部分可由图1所示超声设备的部分模块或功能组件实现,下面将仅针对主要的部件进行说明,而其它部件,如存储器、控制器、控制电路等,此处将不进行赘述。
如图2所示,应用环境中可以包括经由输入输出单元提供的待用户操作的用户界面310、用于显示所述用户界面的显示单元320以及处理器330。
显示单元320可以包括显示面板321、背光组件322。其中,显示面板321被配置为对超声图像进行显示,背光组件322位于显示面板321背面,背光组件322可以包括多个背光分区(图中未示出),各背光分区可以发光,以点亮显示面板321。
处理器330可以被配置为控制背光组件322中各背光分区的背光源亮度,以及控制探头发射宽波束和接收回波信号。
其中,处理器330可以包括聚焦处理单元331、波束合成单元332、频谱生成单元333。其中聚焦处理单元331可以被配置为对当前帧超声图像执行聚焦处理,聚焦处理包括:以当前帧超声图像中的超声穿刺针为宽波束的聚焦位置,根据超声穿刺针的发射系数向目标检测区域发射宽波束;并接收超声穿刺针针体反馈的回波信号。波束合成单元332被配置为当对目标检测区域的超声穿刺针完成聚焦处理之后,对同一超声穿刺针反馈的回波信号进行波束合成,得到扫描信息。频谱生成单元333被配置为基于各超声穿刺针的扫描信息进行多普勒成像。
如图3所示,为本申请实施例中的图像处理方法的应用场景图。图中包括:网络10、服务器20、存储器30、终端设备40;
其中,超声图像存储在存储器30中,对超声图像进行处理时,首先通过网络10从存储器30中获取待处理的超声图像,服务器对超声图像进行多尺度分解,得到多个不同尺度的子图;基于预先构建的子图图像和对应的真实图像之间的关系模型,对各子图进行处理,得到各子图分别对应的真实图像;其中,该关系模型可以在终端设备40中也可以在服务器20中;对各真实图像分别进行边缘化增强处理,得到各真实图像分别对应的增强后图像;对各真实图像分别对应的增强后图像进行图像重建,得到超声图像对应的最终图像。
本申请中的描述中仅就单个服务器或终端设备加以详述,但是本领域技术人员应当理解的是,示出的终端设备40、服务器20和存储器30旨在表示本公开的技术方案涉及的终端设备、服务器以及存储器的操作。对单个服务器和存储器加以详述至少为了说明方便,而非暗示对终端设备和服务器的数量、类型或是位置等具有限制。应当注意,如果向图示环境中添加附加模块或从其中去除个别模块,不会改变本申请的示例实施例的底层概念。另外,虽然为了方便说明而在图3中示出了从存储器30到服务器20的双向箭头,但本领域技术人员可以理解的是,上述图像的处理也是需要通过网络10实现的。
需要说明的是,本申请实施例中的存储器例如可以是缓存***、也可以是硬盘存储、内存存储等等。此外,本申请提出的图像处理方法不仅适用于图3所示的应用场景,还适用于任何有图像处理需求的装置。
为了便于理解,下面结合附图对本申请提出的图像处理方法进行详细说明。
如图4所示,为本申请实施例图像处理方法的流程图,实施步骤如下:
在步骤201中:对超声图像进行多尺度分解,得到多个不同尺度的子图;
在一个实施例中,采用预设算法对超声图像进行多尺度分解;其中预设算法可以是以下中的任一种:拉普拉斯金字塔分解方式、小波金字塔分解方式、高斯金字塔分解方式。
对超声图像进行多尺度分解的主要目的是将原始图像分解为多个尺度,尽可能多地体现图像细节;本申请优先选择高斯金字塔分解方式。多尺度分解的层数原则上可以设置很多层,但是若层数太大会导致最小尺度的图像细节信息变得很少,在此基础上提高细节分辨率的意义不大。所以在本申请实施例中对超声图像进行多尺度分解,得到多个不同尺度的子图可实施为如图5所示的步骤:
在步骤301中:确定超声图像的尺寸;
在步骤302中:根据超声图像的尺寸确定子图的数量。
在本申请实施例中,由本领域的技术人员根据经验可得:金字塔层数设置为三至五层最佳。
在一个实施例中,将图像分解到多个不同尺度上,其中下一层图像的长/宽尺寸分别为上一层图像长/宽的1/2。例如:原始超声图像尺寸为M*N,进行高斯金字塔分解后,可以获得M*N,1/2M*1/2*N,1/4*M*1/4*N等逐层尺寸减小的多个尺度的子图。
在步骤202中:基于预先构建的子图图像和对应的真实图像之间的关系模型,对各子图进行处理,得到各子图分别对应的真实图像;
本申请实施例中,结合超声成像的原理对多尺度分解后的各子图进行真实图像恢复,可以大大的提高图像的对比度和细节分辨率。
为了便于理解,下面结合公式对得到关系模型的过程进行详细的说明:
在计算机视觉领域中,常采用公式1表示原始图像与真实图像之间的关系:
I(x)=I′(x)*t(x)+U*(1-t(x)) 公式1
其中,I(x)为获取到的包含噪声的原始图像,I′(x)为真实图像,t(x)为透射率,U为环境光成分。
首先,对超声成像机理进行分析,超声波在人体组织中经过反射、散射等过程后被探头接收,探头接收到回波信号,并对回波信号进行处理得到图像数据。故此,上式(1)可以用于对超声图像进行建模,相对应的,式中的I(x)多尺度分解后的子图,I′(x)为需要求解的真实图像,t(x)为超声波信号透射率,U为临界值其中,该临界值为超声波散射和反射的临界值。对式(1)进行变换,得到:
其中,t(x)作为超声波信号的透射率,在预设范围内的透射率可以认为是常数,U作为超声波在人体组织中散射和反射的临界值,其值也相对固定,对公式(2)取最小值运算,得到:
在实际的超声图像中,由于声波干涉作用,斑点是实际存在的,如果完全去除图像中的杂波信号,会使得图像显得不够真实,所以本申请实施例中采用降噪系数ω,ω的范围在[0,1]之间,即:
在求得t(x)后,通过公式(1)变换可以得到本申请实施例提供的关系模型公式:
I′(x)=(I(x)-U)/t(x)+U 公式6
此时,便得到真实图像I′(x),相比于原始图像I(x),真实图像的对比度和细节分辨率都会有较大的提高。
在步骤203中:对各真实图像分别进行边缘化增强处理,得到各真实图像分别对应的增强后图像;
在本申请实施例中,通过构建结构张量矩阵,识别并判断出边缘的强度和方向,然后在沿着边缘的方向进行适当平滑用来增强边缘的连续性,在边缘的法线方向上进行锐化用来增强边缘的分辨率。经过边缘增强处理后,图像的细节分辨率将得到进一步的提高。其中,对各真实图像分别进行边缘化增强处理,得到各真实图像分别对应的增强后图像可具体实施如图6所示的步骤:
相关技术中,常用的图像增强方法有方向性滤波和方向性增强,但在判断边缘方向时,如果采用离散微分(sobel)算子等方式获取边缘方向后进行方向性滤波的增强方式,一是很难保证边缘方向求取的准确性,二是并不能很好地将边缘与周围组织进行区分。
有鉴于此,在本申请实施例中,使用结构张量方法进行边缘方向判断和边缘增强,所以,在步骤401中:基于各真实图像中的像素点,构建结构张量矩阵;每个像素点对应一个结构张量矩阵;
其中,J表示结构张量矩阵,Ix表示像素点的水平方向梯度,Iy表示像素点的垂直方向梯度,表示水平方向梯度的平方值,标识垂直方向梯度的平方值,Gσ表示标准差为σ的高斯核,ω1,ω2分别表示特征向量,这两个特征向量体现了邻域灰度差异最大和最小的两个方向,μ1,μ2分别表示特征值,这两个特征值体现了邻域灰度差异最大和最小强度。
如图7A所示,为像素点的边缘方向和垂直方向的示意图;在图7B中,T1和T2分别表示切线方向上的特征向量,N1和N2分别表示法线方向上的特征向量。
在步骤402中:采用结构张量矩阵获取各真实图像的特征向量和特征值;
在步骤403中:根据特征向量和特征值,采用线性插值算法得到增强后图像。
在求得切向特征向量之后,通过简单的线性插值计算即可得到该方向上两端近邻点的像素结果t1和t2,使用t1和t2进行方向性平滑可以增强边缘的连续性;在求得法向特征向量之后,通过简单的线性插值计算即可得到该方向上两端近邻点的像素结果n1和n2,使用n1和n2进行方向性增强提高边缘的清晰度,具体边缘增强方法可以使用如下方法:
I′(x,y)=(1-ωt+ωn)*I(x,y)+0.5*ωt*(t1+t2)-0.5*ωn*(n1+n2)公式8
在步骤204中:对各真实图像分别对应的增强后图像进行图像重建,得到超声图像对应的最终图像。
在一个实施例中,对各真实图像分别对应的增强后图像进行图像重建,例如:L1,L2,L3......Ld层图像尺寸分别为M*N,1/2M*1/2N,1/4M*1/4N......1/2*(d-1)*M*1/2*(d-1)*N。在L1,L2,L3...Ld层的真实图像分别为:O1,O2,O3,......Od,重建过程从下往上,即依次对Od,...O3,O2进行重建,使其尺寸扩展到上一层的尺寸,即:将O3扩展到与然后O2等大,然后进行相加,直至到最顶层。上述重建和重建过程一直到初始层即O1,最终得到最终图像。
如图8所示,基于相同的发明构思,提出一种图像处理电子设备,所述电子设备包括:存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器与所述存储器连接,被配置为基于所述计算机程序执行:
对超声图像进行多尺度分解,得到多个不同尺度的子图;
基于预先构建的子图图像和对应的真实图像之间的关系模型,对各所述子图进行处理,得到各所述子图分别对应的真实图像;
对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像;
对各所述真实图像分别对应的所述增强后图像进行图像重建,得到所述超声图像对应的最终图像。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为***、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为″电路″、″模块″或″***″。
在一些可能的实施方式中,根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的xxxxxxx方法中的步骤。
下面参照图8来描述根据本申请的这种实施方式的电子设备130。图6显示的电子设备130仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于:上述至少一个处理器131、上述至少一个存储器132、连接不同***组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的—种或多种,包括存储器总线或者存储器处理器、***总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备130交互的设备通信,和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且,电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备130使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
在一些可能的实施方式中,本申请提供的一种图像处理方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种图像处理方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于图像处理的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言-诸如Java、C++等,还包括常规的过程式程序设计语言-诸如″C″语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种图像处理方法,其特征在于,所述方法包括:
对超声图像进行多尺度分解,得到多个不同尺度的子图;
基于预先构建的子图图像和对应的真实图像之间的关系模型,对各所述子图进行处理,得到各所述子图分别对应的真实图像;其中,所述关系模型中输入参数包括所述子图、超声波信号透射率和临界值,输出参数为所述子图对应的真实图像,其中,所述临界值为超声波散射和反射的临界值;
对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像;
对各所述真实图像分别对应的所述增强后图像进行图像重建,得到所述超声图像对应的最终图像。
2.根据权利要求1所述的方法,其特征在于,所述关系模型的公式为:I′(x)=(I(x)-U)/t(x)+U;
在所述关系模型公式中:I′(x)为所述真实图像,I(x)为所述子图,U为所述临界值,t(x)为所述超声波信号透射率。
3.根据权利要求1-2中任一所述的方法,其特征在于,对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像,包括:
基于各真实图像中的像素点,构建结构张量矩阵;
采用结构张量矩阵获取各所述真实图像的特征向量和特征值;
根据所述特征向量和所述特征值,采用线性插值算法得到所述增强后图像。
4.根据权利要求1所述的方法,其特征在于,所述对超声图像进行多尺度分解,得到多个不同尺度的子图,包括:
确定所述超声图像的尺寸;
根据所述超声图像的尺寸确定所述子图的数量。
5.根据权利要求1所述的方法,其特征在于,对超声图像进行多尺度分解,得到多个不同尺度的子图,包括:
采用预设算法对所述超声图像进行多尺度分解;
其中,所述预设算法包括以下中的任一种:拉普拉斯金字塔分解、小波金字塔分解、高斯金字塔分解。
6.一种图像处理电子设备,其特征在于,所述电子设备包括:存储器和控制器;
所述存储器,用于存储计算机程序;
所述控制器与所述存储器连接,被配置为基于所述计算机程序执行:
对超声图像进行多尺度分解,得到多个不同尺度的子图;
基于预先构建的子图图像和对应的真实图像之间的关系模型,对各所述子图进行处理,得到各所述子图分别对应的真实图像;其中,所述关系模型中输入参数包括所述子图、超声波信号透射率和临界值,输出参数为所述子图对应的真实图像,其中,所述临界值为超声波散射和反射的临界值;
对各所述真实图像分别进行边缘化增强处理,得到各所述真实图像分别对应的增强后图像;
对各所述真实图像分别对应的所述增强后图像进行图像重建,得到所述超声图像对应的最终图像。
7.根据权利要求6所述的电子设备,其特征在于,所述关系模型的公式为:I′(x)=(I(x)-U)/t(x)+U;
在所述关系模型公式中:I′(x)为所述真实图像,I(x)为所述子图,U为所述临界值,t(x)为所述超声波信号透射率。
8.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序用于使计算机执行权利要求1-5任何一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110320791.6A CN113077394B (zh) | 2021-03-25 | 2021-03-25 | 图像处理方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110320791.6A CN113077394B (zh) | 2021-03-25 | 2021-03-25 | 图像处理方法、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077394A CN113077394A (zh) | 2021-07-06 |
CN113077394B true CN113077394B (zh) | 2022-09-27 |
Family
ID=76611600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110320791.6A Active CN113077394B (zh) | 2021-03-25 | 2021-03-25 | 图像处理方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077394B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113208710B (zh) * | 2021-07-08 | 2021-08-31 | 深圳华声医疗技术股份有限公司 | 穿刺针显影增强方法、装置、超声设备及存储介质 |
CN113469919B (zh) * | 2021-07-27 | 2024-05-28 | 深圳市赛禾医疗技术有限公司 | 超声图像的处理方法、装置及电子设备 |
CN114022444A (zh) * | 2021-11-04 | 2022-02-08 | 青岛海信医疗设备股份有限公司 | 超声图像的处理方法及装置 |
CN116831626A (zh) * | 2022-03-25 | 2023-10-03 | 深圳迈瑞生物医疗电子股份有限公司 | 超声波束合成方法及设备 |
CN115100048A (zh) * | 2022-06-06 | 2022-09-23 | 青岛海信医疗设备股份有限公司 | 一种图像处理方法、设备及装置 |
CN116523810B (zh) * | 2023-07-04 | 2023-11-17 | 深圳开立生物医疗科技股份有限公司 | 一种超声图像处理方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105651861A (zh) * | 2016-03-22 | 2016-06-08 | 华南理工大学 | 一种基于传感器融合的cpu散热器检测*** |
CN107680057A (zh) * | 2017-09-28 | 2018-02-09 | 武汉中旗生物医疗电子有限公司 | 超声图像增强的方法及装置 |
CN108876733A (zh) * | 2018-05-30 | 2018-11-23 | 上海联影医疗科技有限公司 | 一种图像增强方法、装置、设备和存储介质 |
CN110706174A (zh) * | 2019-09-27 | 2020-01-17 | 集美大学 | 一种图像增强方法、终端设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100142790A1 (en) * | 2008-12-04 | 2010-06-10 | New Medical Co., Ltd. | Image processing method capable of enhancing contrast and reducing noise of digital image and image processing device using same |
CN101452574B (zh) * | 2008-12-19 | 2011-03-23 | 深圳市恩普电子技术有限公司 | 一种提升超声图像质量的方法 |
CN101661616A (zh) * | 2009-09-29 | 2010-03-03 | 北京科技大学 | 基于小波重构中多尺度边缘检测的图像增强方法 |
JP5818592B2 (ja) * | 2010-09-09 | 2015-11-18 | 株式会社東芝 | 超音波診断装置、医用画像処理装置及び医用画像処理方法 |
CN108389214B (zh) * | 2018-03-06 | 2022-03-01 | 青岛海信医疗设备股份有限公司 | 超声图像的处理方法及装置、电子设备、存储介质 |
-
2021
- 2021-03-25 CN CN202110320791.6A patent/CN113077394B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105651861A (zh) * | 2016-03-22 | 2016-06-08 | 华南理工大学 | 一种基于传感器融合的cpu散热器检测*** |
CN107680057A (zh) * | 2017-09-28 | 2018-02-09 | 武汉中旗生物医疗电子有限公司 | 超声图像增强的方法及装置 |
CN108876733A (zh) * | 2018-05-30 | 2018-11-23 | 上海联影医疗科技有限公司 | 一种图像增强方法、装置、设备和存储介质 |
CN110706174A (zh) * | 2019-09-27 | 2020-01-17 | 集美大学 | 一种图像增强方法、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113077394A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113077394B (zh) | 图像处理方法、电子设备和存储介质 | |
CN109791692B (zh) | 使用来自感兴趣区域的不同视角的多个图像进行计算机辅助检测以提高检测准确度的***和方法 | |
EP1690230B1 (en) | Automatic multi-dimensional intravascular ultrasound image segmentation method | |
US11350905B2 (en) | Waveform enhanced reflection and margin boundary characterization for ultrasound tomography | |
KR102539901B1 (ko) | 2차원 초음파 이미지를 음영화하는 방법 및 시스템 | |
US20110125016A1 (en) | Fetal rendering in medical diagnostic ultrasound | |
US9569820B2 (en) | Method and apparatus for image correction | |
US9504450B2 (en) | Apparatus and method for combining three dimensional ultrasound images | |
WO2023077942A1 (zh) | 超声图像的处理方法和超声设备 | |
Chen et al. | Real-time freehand 3D ultrasound imaging | |
Wen et al. | An adaptive kernel regression method for 3D ultrasound reconstruction using speckle prior and parallel GPU implementation | |
Wen et al. | GPU-accelerated kernel regression reconstruction for freehand 3D ultrasound imaging | |
CN115100048A (zh) | 一种图像处理方法、设备及装置 | |
CN117717371A (zh) | 超声成像方法、装置、计算机设备、介质和计算机产品 | |
US20120316442A1 (en) | Hypothesis Validation of Far Wall Brightness in Arterial Ultrasound | |
US11452494B2 (en) | Methods and systems for projection profile enabled computer aided detection (CAD) | |
Polinati et al. | Structural and functional medical image fusion using an adaptive Fourier analysis | |
CN115666400A (zh) | 辅助用户执行医学超声检查 | |
Khaledyan et al. | WATUNet: a deep neural network for segmentation of volumetric sweep imaging ultrasound | |
US20130030281A1 (en) | Hashimotos Thyroiditis Detection and Monitoring | |
Vetriselvi et al. | Advanced Image Processing Techniques for Ultrasound Images using Multiscale Self Attention CNN | |
Hadj Fredj et al. | A fast and robust osrad filter for telemedicine applications | |
CN109276276B (zh) | 基于Labview平台的超声内窥成像***及方法 | |
CN115546077A (zh) | 一种超声处理设备、超声图像处理方法及介质 | |
Ludvigsen | Real-time GPU-based 3D ultrasound reconstruction and visualization |
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 |