CN114266788A - 基于超声断层成像反射图像凸目标的抗伪影特征提取方法 - Google Patents
基于超声断层成像反射图像凸目标的抗伪影特征提取方法 Download PDFInfo
- Publication number
- CN114266788A CN114266788A CN202111612174.XA CN202111612174A CN114266788A CN 114266788 A CN114266788 A CN 114266788A CN 202111612174 A CN202111612174 A CN 202111612174A CN 114266788 A CN114266788 A CN 114266788A
- Authority
- CN
- China
- Prior art keywords
- node
- target
- point
- distance
- layer
- 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
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明属于计算机辅助诊断、医学图像处理、超声断层成像、医学图像分析领域,具体公开了一种基于超声断层成像反射图像凸目标的抗伪影特征提取方法,包括步骤:(1)通过选择节点的方式绘制针对凸目标的初始凸壳;(2)计算目标表示像素的几何重心O1;(3)节点更新迭代;(4)节点拟合整形,整形后的新节点相连得到的轮廓线对应包围的区域即为提取得到的凸目标的对应成像。本发明通过对方法的整体流程设计、以及迭代条件等细节进行改进,使得本发明中基于超声断层成像反射图像凸目标的抗伪影特征提取方法,能够针对医学超声断层成像设备的反射图像,特征提取准确有效,同时对于伪影和噪声具有良好的鲁棒性。
Description
技术领域
本发明涉及计算机辅助诊断、医学图像处理、超声断层成像、医学图像分析领域,更具体地,涉及一种基于超声断层成像反射图像凸目标的抗伪影特征提取方法,该方法及对应的***,能够配合医学超声断层成像设备使用。
背景技术
医学超声断层成像设备是一种新型的高端医学影像设备,具有非侵入、无辐射、高分辨率和高灵敏度的优点,可以用步进式扫描获得组织不同断层的信息,重建出组织的三维影像,其在乳腺癌筛查和诊断、新生儿畸形筛查和诊断、骨科诊断等领域具有重要的临床意义和巨大的应用前景,已逐渐成为超声应用领域的热点之一。其图像模态中,反射图显示了目标的结构信息,与B超图像对比,成像范围具有巨大的提升;此外,反射图像具有与B超类似的噪声和图像伪影以及其成像方法本身带来的新的伪影,这会给图像处理和图像分析带来不利影响。
另一方面,计算机辅助医学诊断在实际临床中应用广泛,其中医学图像分析是帮助医生解读医学影像中病理信息的关键技术。而在医学图像分析中,对目标,尤其是三维目标的特征提取(如二维面积、周长,三维体积、表面积等几何特征,还有灰度均值、灰度方差等灰度特征等)是一项对临床很有意义的技术,能够帮助医生了解患者病灶尺寸、评估疾病进展和治疗效果等。
发明内容
针对医学超声断层成像设备的医学图像分析需求,本发明的目的在于提供一种基于超声断层成像反射图像凸目标的抗伪影特征提取方法,其中通过对方法的整体流程设计、以及迭代条件等细节进行改进,使得本发明中基于超声断层成像反射图像凸目标的抗伪影特征提取方法,能够针对医学超声断层成像设备的反射图像,特征提取准确有效,同时对于伪影和噪声具有良好的鲁棒性。并且,本发明还进一步给出了对超声断层成像反射图像序列凸目标的抗伪影特征提取方法,能够在保证提取效果的前提下,更加快速、高效的对三维超声断层成像中的三维凸目标进行提取。
为实现上述目的,按照本发明的一个方面,提供了一种基于超声断层成像反射图像凸目标的抗伪影特征提取方法,其特征在于,包括以下步骤:
(1)对于一层待提取凸目标的超声断层成像反射图像,通过选择节点的方式绘制针对凸目标的初始凸壳;这些节点依次相连得到的轮廓线即为初始凸壳,所述初始凸壳包围所述超声断层成像反射图像内凸目标的对应成像;
(2)根据各节点,计算所有节点的几何重心O0;然后,基于O0点、以O0点与每个节点的连线对所述初始凸壳进行划分,得到以O0点和相邻2个节点为顶点的若干个三角形;接着,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,其中,三角形分块距O0点距离较近,梯形分块距O0点距离较远;然后,对每个梯形分块内的图像进行自适应阈值分割,并基于阈值设定二值像素,同时对梯形分块内的所有像素点进行二值像素填充;待分割完成后,将靠近O0点的区域内分布数量最多的二值像素中的一者记为目标表示像素,另一者记为背景表示像素;接着,对所述三角形分块填充目标表示像素;然后,基于所述初始凸壳内所有目标表示像素的像素点坐标,计算它们的几何重心O1;
(3)根据各节点,记节点与O1的连线上距离O1最远的目标表示像素所在像素点为新节点,从而对所有节点进行更新;
然后,进行迭代处理;在每一次迭代中,按逆时针或顺时针方向,对于每个节点,判断它是否向O1点位移;具体的,对于每一个节点,在该节点与沿时针方向相邻的下一节点的连线上,当连线经过的全部像素点中目标表示像素所占的比例rlocal小于预先设定的局部阈值tlocal时,则令该节点向O1点按预先设定的步长距离进行位移,从而更新节点;当目标表示像素所占的比例rlocal大于等于预先设定的局部阈值tlocal时,则认为节点已抵达目标表面,此时,固定该节点,同时在后续迭代过程中,停止判断它是否向O1点位移;
并且,在每一次迭代完成后,判断是否满足整体停止条件;具体的,若所有相邻节点的连线上,连线经过的全部像素点中目标表示像素的比例rentirety大于预先设定的整体阈值tentirety,则停止迭代,否则继续迭代直到节点抵达O1;
(4)利用线性回归方法,对所述步骤(3)处理得到的节点进行圆锥曲线拟合;然后,以节点与O1点的连线与拟合曲线的交点为采样点,对拟合得到的曲线进行点采样,得到与每个节点相对应的多个采样点;接着,对于每个节点,将它与对应的采样点两两进行加权融合,得到整形后的新节点;整形后的新节点相连得到的轮廓线在所述待提取凸目标的超声断层成像反射图像上所对应包围的区域,即为提取得到的凸目标的对应成像;所述提取得到的凸目标的对应成像,则用于后续目标特征提取。
作为本发明的进一步优选,待提取凸目标的超声断层成像反射图像为多层超声断层成像反射图像序列,所述方法还包括步骤(5),该步骤(5)包括以下子步骤:
(5-1)基于所述步骤(4)得到的轮廓线,在这一层已获得目标轮廓线的超声断层成像反射图像的上临层图像和下临层图像上,分别绘制对应的初始凸壳以及几何重心O0’,其中,点O0’为点O1在上临层图像、下临层图像上的投影点;上临层图像和下临层图像的初始凸壳均与这一层已获得的目标轮廓线形状相似;对于每一个初始凸壳,初始凸壳的节点是通过对这一层已获得的目标轮廓线上的节点进行放大得到,具体的,初始凸壳的节点距离点O0’的距离等于α0×已获得的目标轮廓线上的相应节点距离点O1的距离,α0为预先设定的、取值大于1的常数;
然后,重复步骤(2)至步骤(4),即可分别得到上临层图像和下临层图像的目标轮廓线,从而得到三层已获得目标轮廓线的超声断层成像反射图像;
(5-2)继续在多层超声断层成像反射图像序列中向上或向下获得紧邻的待处理的临层图像,根据与该待处理的临层图像相邻的三层已获得目标轮廓线的超声断层成像反射图像中距离该待处理的临层图像的远近,将这三层超声断层成像反射图像分别记为第0层、第1层和第2层,其中,第0层距离所述待处理的临层图像最近,第1层次之,第2层距离所述待处理的临层图像最远;
然后,分别绘制该待处理的临层图像对应的初始凸壳以及几何重心O0 ’,其中,点O0 ’为第0层的点O1在该待处理的临层图像上的投影点;该待处理的临层图像的初始凸壳与第0层的目标轮廓线形状相似,初始凸壳的节点是通过对第0层的目标轮廓线上的节点进行放大得到,具体的,该待处理的临层图像的初始凸壳的节点距离点O0’的距离等于α×第0层的目标轮廓线上的相应节点距离第0层的点O1的距离;
然后,进行目标存在条件的判断,具体的:
根据初始凸壳的节点,计算所有节点的几何重心O0;然后,基于O0点、以O0点与每个节点的连线对所述初始凸壳进行划分,得到以O0点和相邻2个节点为顶点的若干个三角形;接着,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,其中,三角形分块距O0点距离较近,梯形分块距O0点距离较远;然后,对每个梯形分块内的图像进行自适应阈值分割,并基于阈值设定二值像素,同时对梯形分块内的所有像素点进行二值像素填充;待分割完成后,将靠近O0点的区域内分布数量最多的二值像素中的一者记为目标表示像素,另一者记为背景表示像素;接着,对所述三角形分块填充目标表示像素;然后,基于所述初始凸壳内所有目标表示像素的像素点坐标,计算它们的几何重心O1;
接着,对于所述梯形分块,在梯形分块内部选择靠近O0点的部分区域作为标记区,计算标记区内全部像素点中目标表示像素所占比例robj;
当全部梯形分块的robj均≥预先设定的阈值tobj时,继续执行所述步骤(3)、所述步骤(4)和所述步骤(5-2);
当存在一个梯形分块的robj<预先设定的阈值tobj时,终止对当前方向图像的处理;
如此,即可完成对多层超声断层成像反射图像序列的目标提取。
作为本发明的进一步优选,所述步骤(4)中,所述加权融合满足以下公式:
其中,pbnew为整形后的节点,pb为整形前的节点,pc为对应采样点,pcenter为O1点,Δ是拉普拉斯算子;Distα(pb,pc)为两点间带方向的欧氏距离,当pb在拟合的圆锥曲线内时,Distα(pb,pc)为负,否则为正。
作为本发明的进一步优选,所述步骤(3)中,rentirety是按以下公式计算的:
式中,N表示节点总数量,节点编号由1开始沿时针方向顺次加1,ni表示第i个节点与第i-1个节点连线上所采样的像素点的数量,mi表示第i个节点与第i-1个节点连线上所采样的像素点是目标表示像素点的数量;并且,当第i个节点保持固定时,令mi=ni。
作为本发明的进一步优选,所述自适应阈值分割具体是使用大津算法;
所述步骤(2)中,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,具体是:对于每个三角形,对过O0点的两个三角形边取中点进行连线,从而得到梯形分块和三角形分块;
所述步骤(5-2)中,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,具体是:对于每个三角形,对过O0点的两个三角形边取中点进行连线,得到梯形分块和三角形分块;
所述步骤(5-2)中,所述标记区具体是:针对某个梯形分块,将梯形形状的两腰分别四等分,在两腰上分别取距离三角形分块最近的等分点作为标记点,将两腰上的标记点进行连线,则,所述梯形分块内、且位于标记点连线与所述三角形分块之间的区域即为标记区。
按照本发明的另一方面,本发明提供了一种基于超声断层成像反射图像凸目标的抗伪影特征提取***,其特征在于,包括:
图像预处理功能模块,用于:对于一层待提取凸目标的超声断层成像反射图像,通过选择节点的方式绘制针对凸目标的初始凸壳;这些节点依次相连得到的轮廓线即为初始凸壳,所述初始凸壳包围所述超声断层成像反射图像内凸目标的对应成像;
目标表示像素的几何重心计算功能模块,用于:根据各节点,计算所有节点的几何重心O0;然后,基于O0点、以O0点与每个节点的连线对所述初始凸壳进行划分,得到以O0点和相邻2个节点为顶点的若干个三角形;接着,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,其中,三角形分块距O0点距离较近,梯形分块距O0点距离较远;然后,对每个梯形分块内的图像进行自适应阈值分割,并基于阈值设定二值像素,同时对梯形分块内的所有像素点进行二值像素填充;待分割完成后,将靠近O0点的区域内分布数量最多的二值像素中的一者记为目标表示像素,另一者记为背景表示像素;接着,对所述三角形分块填充目标表示像素;然后,基于所述初始凸壳内所有目标表示像素的像素点坐标,计算它们的几何重心O1;
节点内缩功能模块,用于:根据各节点,记节点与O1的连线上距离O1最远的目标表示像素所在像素点为新节点,从而对所有节点进行更新;
并用于进行迭代处理:在每一次迭代中,按逆时针或顺时针方向,对于每个节点,判断它是否向O1点位移;具体的,对于每一个节点,在该节点与沿时针方向相邻的下一节点的连线上,当连线经过的全部像素点中目标表示像素所占的比例rlocal小于预先设定的局部阈值tlocal时,则令该节点向O1点按预先设定的步长距离进行位移,从而更新节点;当目标表示像素所占的比例rlocal大于等于预先设定的局部阈值tlocal时,则认为节点已抵达目标表面,此时,固定该节点,同时在后续迭代过程中,停止判断它是否向O1点位移;
并且,在每一次迭代完成后,判断是否满足整体停止条件;具体的,若所有相邻节点的连线上,连线经过的全部像素点中目标表示像素的比例rentirety大于预先设定的整体阈值tentirety,则停止迭代,否则继续迭代直到节点抵达O1;
整形功能模块,用于:基于利用线性回归方法,对所述节点内缩功能模块处理得到的节点进行圆锥曲线拟合;然后,以节点与O1点的连线与拟合曲线的交点为采样点,对拟合得到的曲线进行点采样,得到与每个节点相对应的多个采样点;接着,对于每个节点,将它与对应的采样点两两进行加权融合,得到整形后的新节点;整形后的新节点相连得到的轮廓线在所述待提取凸目标的超声断层成像反射图像上所对应包围的区域,即为提取得到的凸目标的对应成像;所述提取得到的凸目标的对应成像,则用于后续目标特征提取。
作为本发明的进一步优选,该***还包括:
上下临层图像预处理功能模块,用于:基于所述整形功能模块得到的轮廓线,在这一层已获得目标轮廓线的超声断层成像反射图像的上临层图像和下临层图像上,分别绘制对应的初始凸壳以及几何重心O0 ’,其中,点O0 ’为点O1在上临层图像、下临层图像上的投影点;上临层图像和下临层图像的初始凸壳均与这一层已获得的目标轮廓线形状相似;对于每一个初始凸壳,初始凸壳的节点是通过对这一层已获得的目标轮廓线上的节点进行放大得到,具体的,初始凸壳的节点距离点O0 ’的距离等于α0×已获得的目标轮廓线上的相应节点距离点O1的距离,α0为预先设定的、取值大于1的常数;
该上下临层图像预处理功能模块还与所述目标表示像素的几何重心计算功能模块、所述节点内缩功能模块、所述整形功能模块相连,进而能够得到上临层图像和下临层图像的目标轮廓线,从而得到三层已获得目标轮廓线的超声断层成像反射图像;
自动提取三维目标轮廓线功能模块,用于:继续在多层超声断层成像反射图像序列中向上或向下获得紧邻的待处理的临层图像,根据与该待处理的临层图像相邻的三层已获得目标轮廓线的超声断层成像反射图像中距离该待处理的临层图像的远近,将这三层超声断层成像反射图像分别记为第0层、第1层和第2层,其中,第0层距离所述待处理的临层图像最近,第1层次之,第2层距离所述待处理的临层图像最远;
然后,分别绘制该待处理的临层图像对应的初始凸壳以及几何重心O0’,其中,点O0’为第0层的点O1在该待处理的临层图像上的投影点;该待处理的临层图像的初始凸壳与第0层的目标轮廓线形状相似,初始凸壳的节点是通过对第0层的目标轮廓线上的节点进行放大得到,具体的,该待处理的临层图像的初始凸壳的节点距离点O0’的距离等于α×第0层的目标轮廓线上的相应节点距离第0层的点O1的距离;
然后,进行目标存在条件的判断,具体的:
根据初始凸壳的节点,计算所有节点的几何重心O0;然后,基于O0点、以O0点与每个节点的连线对所述初始凸壳进行划分,得到以O0点和相邻2个节点为顶点的若干个三角形;接着,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,其中,三角形分块距O0点距离较近,梯形分块距O0点距离较远;然后,对每个梯形分块内的图像进行自适应阈值分割,并基于阈值设定二值像素,同时对梯形分块内的所有像素点进行二值像素填充;待分割完成后,将靠近O0点的区域内分布数量最多的二值像素中的一者记为目标表示像素,另一者记为背景表示像素;接着,对所述三角形分块填充目标表示像素;然后,基于所述初始凸壳内所有目标表示像素的像素点坐标,计算它们的几何重心O1;
接着,对于所述梯形分块,在梯形分块内部选择靠近O0点的部分区域作为标记区,计算标记区内全部像素点中目标表示像素所占比例robj;
该自动提取三维目标轮廓线功能模块与所述节点内缩功能模块、所述整形功能模块相连,
当全部梯形分块的robj均≥预先设定的阈值tobj时,通过相连的所述节点内缩功能模块、所述整形功能模块得到该待处理临层图像的目标轮廓线,同时继续利用该自动提取三维目标轮廓线功能模块进行处理;
当存在一个梯形分块的robj<预先设定的阈值tobj时,终止对当前方向图像的处理;
如此,即可完成对多层超声断层成像反射图像序列的目标提取。
作为本发明的进一步优选,所述整形功能模块中,所述加权融合满足以下公式:
其中,pbnew为整形后的节点,pb为整形前的节点,pc为对应采样点,pcenter为O1点,Δ是拉普拉斯算子;Distα(pb,pc)为两点间带方向的欧氏距离,当pb在拟合的圆锥曲线内时,Distα(pb,pc)为负,否则为正。
作为本发明的进一步优选,所述节点内缩功能模块中,rentirety是按以下公式计算的:
式中,N表示节点总数量,节点编号由1开始沿时针方向顺次加1,ni表示第i个节点与第i-1个节点连线上所采样的像素点的数量,mi表示第i个节点与第i-1个节点连线上所采样的像素点是目标表示像素点的数量;并且,当第i个节点保持固定时,令mi=ni。
作为本发明的进一步优选,所述自适应阈值分割具体是使用大津算法;
所述目标表示像素的几何重心计算功能模块中,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,具体是:对于每个三角形,对过O0点的两个三角形边取中点进行连线,从而得到梯形分块和三角形分块;
所述自动提取三维目标轮廓线功能模块中,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,具体是:对于每个三角形,对过O0点的两个三角形边取中点进行连线,得到梯形分块和三角形分块;
所述自动提取三维目标轮廓线功能模块中,所述标记区具体是:针对某个梯形分块,将梯形形状的两腰分别四等分,在两腰上分别取距离三角形分块最近的等分点作为标记点,将两腰上的标记点进行连线,则,所述梯形分块内、且位于标记点连线与所述三角形分块之间的区域即为标记区。
通过本发明所构思的以上技术方案,与现有技术相比,本发明基于超声断层成像反射图像凸目标的抗伪影特征提取方法及***,首先,考虑到存在伪影,将目标进行梯形分块并对分块进行自适应阈值分割;其次,考虑凸壳节点的统一特性,如凸目标表面平滑变化的特点,使得凸壳节点在自身进行迭代更新的过程中始终与所有节点关联,利用局部-整体双阈值停止条件和线性回归方法抗伪影轮廓整形来最大程度降低伪影和噪声带来的影响,提取准确的轮廓。而对于超声断层成像反射图像序列而言,考虑在图像序列扫描方向上的像素连续性和目标存在条件,本发明还进一步给出了对图像序列中位于已处理图像上、下临近层图像的目标提取处理步骤,从而能够自动实现对整个三维目标的分割,节省操作复杂性和时间成本,获得准确的分割结果。通过以上的方法,最终对二维目标或三维目标进行准确的特征提取。本发明可应用于对具有较为严重伪影和噪声情况下的超声断层反射图(序列)中的凸目标进行几何、灰度特征提取的情境下,结果准确,对伪影和噪声的鲁棒性好,能够帮助研究人员、检测人员等准确地提取目标的轮廓和特征,方便人们将精力集中在后续分析和处理上。
在医学影像学诊断中,对感兴趣目标的特征提取具有很大的意义,能够帮助研究人员、检测人员以及医生进行图像质量评估、基本发展情况评估、疗效评估等。特征提取一般需要对感兴趣目标完成分割或轮廓提取。超声断层成像设备的反射图像能够较好的表现扫描部位的内部结构信息。作为一种新的医学图像模态,反射图像中存在着与B超类似的噪声和图像伪影以及其成像方法本身带来的新的伪影。以往的轮廓提取或分割方法,如snake模型、分水岭算法、区域生长等受到噪声和伪影的影响很大,难以获得准确结果。为克服伪影的影响,本发明通过整体的统一性来纠正局部伪影产生的轮廓异常,实现了基于螺旋迭代的抗伪影凸壳内缩和基于线性回归方法的抗伪影轮廓整形。进一步的,考虑对图像序列的处理,本发明在使用二阶微分预测其变化趋势的基础上(因为图像序列中的目标轮廓变化并不是简单的逐层变大或变小),最终得到了获取三维目标轮廓的方法。
综上,本发明中基于超声断层成像反射图像凸目标的抗伪影特征提取方法,是一种对超声断层成像设备的反射图像中的噪声和伪影具有较强鲁棒性的目标特征提取方法(当然,也适用于超声断层成像反射图像序列进行抗伪影特征提取,即三维目标特征提取),能够抑制其噪声和伪影的影响,提取准确的轮廓并计算准确的特征。
附图说明
图1是超声断层成像反射图三维显示图;图中示出有两个目标物。
图2是超声断层成像反射图;图中除了两个目标外,还有多重反射伪影与放射状伪影。
图3中的(a)和图3中的(b)是操作人员分别针对单个目标手工绘制目标凸壳。
图4中的(a)和图4中的(b)是本发明方法分别就超声断层成像反射图中的两个目标的轮廓提取结果。以图4中的(a)为例,图中示出的2条轮廓线,在外的一条轮廓线为操作人员标手工绘制目标凸壳(与图3中的(a)相一致),在内的一条轮廓线为本发明方法处理后得到的节点内缩后的节点连线。
图5是超声断层成像反射图序列两个三维目标的轮廓提取结果。
图6是本发明基于超声断层成像反射图像序列凸目标的抗伪影特征提取方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
总的来说,本发明基于超声断层成像反射图像序列凸目标的抗伪影特征提取方法,可以由操作人员手工绘制初始目标凸壳,然后利用梯形分块和自适应阈值分割来克服局部伪影和灰度不均匀带来的分割困难,得到准确的目标范围;然后通过局部-整体双阈值停止条件对所有凸壳进行螺旋迭代内缩,根据节点与目标范围的相对位置信息定位目标表面,同时考虑凸壳的整体性来避免由于局部伪影和噪声引起的节点内缩过度和内缩不足。在满足局部-整体双阈值停止条件后,利用最小二乘法(或其它线性回归方法)对节进行圆锥曲线拟合,然后进行融合,从而进一步避免因局部轮廓上的伪影和噪声过重产生的形状畸变,获得更准确的结果。得到二维图像的准确目标表面后,依据序列图像中像素的连续性和目标存在条件,自适应生成临层图像的凸壳并提取其准确目标表面,同时可以由操作人员监督,实现降低操作复杂度的同时准确的分割目标并提取特征。
下面以基于迭代轮廓与最小二乘法的超声断层成像反射图凸轮廓提取方法为例,对本发明方法进行详细说明。可具体包括以下步骤:
步骤一,获取反射图像序列:
首先使用医学超声断层成像设备进行数据采集与图像重建,获得反射图像序列以及图像参数,包括体素宽度(mm)、高度(mm)和厚度(mm)。然后从图像中确定要进行特征提取的三维目标。图像序列三维显示如图1所示,其中特征的提取对象为图中低亮度的椭球体的球体。如图2所示,两者在图像上都具有较强的伪影,其中椭圆上的条状伪影为多重反射,圆形处的放射状伪影为反射图成像算法造成的伪影。
步骤二,绘制目标凸壳:
在单层反射图像(图2)上,可以由操作人员通过选择节点的方法绘制目标物体的初始凸壳,如图3所示。
步骤三,基于分块梯形的自适应阈值分割:
首先根据步骤二中选取的节点和凸壳的几何重心O0对凸壳内部进行梯形分块;然后对每个梯形块进行自适应阈值分割,避免目标表面像素分布不均匀产生不可接受的目标分割偏差的问题,提高准确性和鲁棒性;最后获得分割结果的几何重心O1。
步骤四,基于螺旋迭代的抗伪影凸壳内缩:
根据步骤三的分割结果,更新凸壳节点;然后按照局部-整体双阈值停止条件控制凸壳内缩,软性保持凸壳形状,抑制局部伪影的不良影响。
步骤五,基于最小二乘法的抗伪影轮廓整形:
通过最小二乘法拟合节点的对应圆锥曲线,然后融合步骤四的结果和圆锥曲线对凸壳进行整形,消除步骤四由于局部伪影产生的错误,提高鲁棒性,得到单层反射图像的轮廓,如图4所示。
步骤六,获取三维目标的轮廓:
由于临层图像存在像素连续性,分三步实现对整个三维目标的轮廓提取。第一步,对上下相邻2层的图像自动绘制目标凸壳,通过步骤三、四、五实现轮廓提取。第二步,利用临层图像凸壳变化情况,自动绘制其他层的图像目标凸壳,重复执行步骤三、四、五以及本步骤第二步,并根据目标存在条件作为终止条件。第三步,检查是否完成对三维目标的轮廓提取,获得最终三维目标的轮廓,如图5所示(若计算机自动处理没有完成提取,则由操作人员完成准确的三维目标轮廓提取)。
步骤七,基于准确轮廓的目标特征提取:
根据结果,提取目标的几何特征和灰度特征等特征。
实施例1
包括以下步骤:
步骤一,获取反射图像序列的图像特点如下:
图像序列由基于环形探头的医学超声断层成像***进行扫描获得。获得的反射图像由于设备、成像物体等因素具有一定程度的噪声和伪影,主要的伪影包括多重反射和图像中间的放射状伪影,如图2所示。
步骤二,绘制初始目标凸壳,例如:
操作人员按照顺时针或者逆时针方向,在特征提取目标的表面之外单向选取凸壳的节点。节点应尽量按照目标表面的曲率情况进行选取,在曲率较大的表面外多选节点。
节点选完后,相邻节点连线形成凸壳,该凸壳与目标表面形状应尽量相似。
步骤三,基于分块梯形的自适应阈值分割详细步骤如下:
首先,计算凸壳的几何重心O0,计算方法为计算所有节点坐标的平均值(如此即可确保O0在目标内部)。
然后,依次对每一个节点-O0连线和凸壳包围的三角形区域进行梯形分块和自适应阈值分割。具体来说,在由2个相邻节点与O0构成的任一三角形区域中,以节点-O0这两条边的中点(即,节点-O0连线的中点)与2个节点本身共计4个点一同作为梯形顶点,产生梯形块,并使用大津算法对每个梯形块内的图像进行自适应阈值分割。例如,高于阈值的设为1,低于阈值的设为0。分割后,将靠近O0分布的数量最多的二值像素中的一者即为目标的表示像素,数量较少的另一者即为O0分布的为背景表示像素。
最后,对所有梯形块包围的中心多边形区域填充目标表示像素;
对于中心多边形区域连同四周的梯形块,基于所有目标的表示像素点,计算O1坐标,即所有目标的表示像素点的坐标平均值。
步骤四,基于螺旋迭代的抗伪影凸壳内缩的详细步骤如下:
首先,根据步骤三的分割结果,令节点-O1连线上距离O1最远的目标表示像素作为新的凸壳节点。
然后,按照节点选取方向依次令所有节点向O1点有条件的进行一段位移,所有节点位移一次视为一次迭代,当满足局部-整体双阈值停止条件时,固定所有节点形成新的凸壳。具体而言,在每个节点向O1点位移前,计算该节点与下一节点连线上目标表示像素所占的比例rlocal,当rlocal小于局部阈值tlocal时(局部阈值tlocal的取值可预先设定,本实施例中预设为0.9),令节点向O1点移动d像素距离(d值大小同样可预先设定,本实施例中预设为单位像素),如果rlocal≥tlocal则认为节点抵达目标表面并固定该节点,使其在后续迭代中停止向O1点位移并处理下一个节点。每完成一次迭代后,判断是否满足整体停止条件,即凸壳上所有相邻节点连线上的目标表示像素的比例rentirety是否大于整体阈值tentirety(整体阈值tentirety的取值同样可预先设定,本实施例中预设为0.95),当满足该条件时,停止迭代,否则继续直到节点抵达O1,此时认为无目标或者目标的轮廓提取失败。
在具体操作时,可以通过在相邻轮廓点连线上均匀采样20个点,计算其中目标表示像素的比例作为rlocal;在计算rentirety时,对于在局部停止内缩的点,将其与上一相邻节点连线上所有20个点均视为目标表示像素,具体的:
公式中N表示轮廓点总数量,ni表示第i个轮廓点与第i-1个轮廓点连线上所采样的像素点的数量,mi表示第i个轮廓点与第i-1个轮廓点连线上所采样的像素点是目标表示像素点的数量。当第i个轮廓点的rlocal>tlocal轮时(即,这第i个节点抵达目标表面并固定时),令mi=ni。
步骤五,基于最小二乘法的抗伪影轮廓整形的详细步骤如下:
首先,采用最小二乘法对步骤四的节点进行圆锥曲线拟合。
然后,对拟合的曲线进行点采样,采样点即为节点-O1连线与曲线的交点。
最后,融合采样点与凸壳节点生成新的凸壳节点,完成对步骤四获得的凸壳的整形。具体为计算节点与对应采样点的加权坐标作为新的节点,加权坐标的计算公式为:
pb,pc,pbnew∈R+2
其中,pb为节点,pc为对应采样点,pcenter为O1点,Δ是拉普拉斯算子,Distα(pb,pc)为两点间带方向的欧氏距离,当pb在拟合的圆锥曲线内时,Distα(pb,pc)为负,否则为正,pbnew为整形后的节点。R+2满足常规含义,即二维正实数集合。
至此,即可完成单层超声图像的目标提取。
而对于三维目标所对应的多层超声图像,除了每一层按上述步骤单独处理外,为提高效率、节省处理时间,根据经验,也可按以下步骤来处理。
步骤六,获取三维目标的轮廓的详细步骤如下:
第一步,根据步骤五的结果在上下临层图像上绘制对应的凸壳以及几何重心O0’,点O0’坐标即点O1坐标,凸壳节点坐标通过对步骤五得到的节点进行放大得到,公式如下:
p′b=α*pbnew
其中α为经验值,取值大于1,具体取值可预先设定,本实施例中设定α=1.3。然后执行步骤三到步骤五,获得上下两层图像的目标轮廓。
第二步,首先根据第一步得到的三层目标轮廓变化情况,上下双向绘制临层目标凸壳。具体的,对于向上扩展的待处理图像而言,将已处理的三层图像按它们距待处理图像的距离近远,分别记为第0层、第1层和第2层,其中,第0层距离当前待处理图像最近,第1层次之,第2层距离当前待处理图像最远;分别计算第0层、第1层和第2层的所有目标轮廓节点与几何重心的欧式距离的平均值然后通过如下公式计算放缩系数,更新α取值(公式中,1.3即为第一步中α的预先设定值;若第一步中α的取值发生变化,该公式也要同步变化):
按照第一步的公式绘制目标凸壳之后,进行目标存在条件的判断。具体为,执行步骤三,判断所有梯形两条腰的上1/4分位点连线与上底之间区域内的目标表示像素的比例robj,当全部robj≥阈值时继续循环执行步骤四、步骤五、步骤六的第二步;当存在一个robj<阈值时,终止对当前图像的处理(后续可以由人工单独处理这一层,例如,可以从步骤一开始人工选取节点)。其中,阈值的具体取值可预计设定,本实施例中取0.8(当然,阈值取值也可灵活调整,例如预先设定为大于0且小于1范围内的其它实数)。
对于向下扩展的待处理图像,也可采用相似操作。
如此,即可完成对多层超声图像的目标提取。
第三步,浏览包含目标的所有图像,查看每一层图像是否准确提取目标轮廓。若无偏差,则步骤六所得结果可行。若存在偏差或者无提取轮廓,则略过步骤六所得结果,对该层图像进行单独的特征提取处理操作(即,执行步骤二、步骤三、步骤四、步骤五),直到完成准确的三维目标轮廓提取,获得最终的三维目标轮廓。
步骤七,基于准确轮廓的目标特征提取;例如:
按照步骤一得到的体素参数,计算每一层图像中目标的面积和周长,整个三维目标的体积和表面积等几何特征;对轮廓包围的像素进行计算,提取目标灰度均值和灰度方差等灰度特征。最终得到的是哪些特征,可根据实际需求进行调整。
上述实施例仅为示例,例如,除了最小二乘法外,基于本发明也可以利用其它线性回归方法替换最小二乘法达到相当的特征提取效果。另外,本发明中的凸目标满足常规定义,即,任意边界上的两点连线均在目标内部;凸壳即在凸目标边缘附近又包围凸目标的轮廓。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于超声断层成像反射图像凸目标的抗伪影特征提取方法,其特征在于,包括以下步骤:
(1)对于一层待提取凸目标的超声断层成像反射图像,通过选择节点的方式绘制针对凸目标的初始凸壳;这些节点依次相连得到的轮廓线即为初始凸壳,所述初始凸壳包围所述超声断层成像反射图像内凸目标的对应成像;
(2)根据各节点,计算所有节点的几何重心O0;然后,基于O0点、以O0点与每个节点的连线对所述初始凸壳进行划分,得到以O0点和相邻2个节点为顶点的若干个三角形;接着,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,其中,三角形分块距O0点距离较近,梯形分块距O0点距离较远;然后,对每个梯形分块内的图像进行自适应阈值分割,并基于阈值设定二值像素,同时对梯形分块内的所有像素点进行二值像素填充;待分割完成后,将靠近O0点的区域内分布数量最多的二值像素中的一者记为目标表示像素,另一者记为背景表示像素;接着,对所述三角形分块填充目标表示像素;然后,基于所述初始凸壳内所有目标表示像素的像素点坐标,计算它们的几何重心O1;
(3)根据各节点,记节点与O1的连线上距离O1最远的目标表示像素所在像素点为新节点,从而对所有节点进行更新;
然后,进行迭代处理;在每一次迭代中,按逆时针或顺时针方向,对于每个节点,判断它是否向O1点位移;具体的,对于每一个节点,在该节点与沿时针方向相邻的下一节点的连线上,当连线经过的全部像素点中目标表示像素所占的比例rlocal小于预先设定的局部阈值tlocal时,则令该节点向O1点按预先设定的步长距离进行位移,从而更新节点;当目标表示像素所占的比例rlocal大于等于预先设定的局部阈值tlocal时,则认为节点已抵达目标表面,此时,固定该节点,同时在后续迭代过程中,停止判断它是否向O1点位移;
并且,在每一次迭代完成后,判断是否满足整体停止条件;具体的,若所有相邻节点的连线上,连线经过的全部像素点中目标表示像素的比例rentirety大于预先设定的整体阈值tentirety,则停止迭代,否则继续迭代直到节点抵达O1;
(4)利用线性回归方法,对所述步骤(3)处理得到的节点进行圆锥曲线拟合;然后,以节点与O1点的连线与拟合曲线的交点为采样点,对拟合得到的曲线进行点采样,得到与每个节点相对应的多个采样点;接着,对于每个节点,将它与对应的采样点两两进行加权融合,得到整形后的新节点;整形后的新节点相连得到的轮廓线在所述待提取凸目标的超声断层成像反射图像上所对应包围的区域,即为提取得到的凸目标的对应成像;所述提取得到的凸目标的对应成像,则用于后续目标特征提取。
2.如权利要求1所述方法,其特征在于,待提取凸目标的超声断层成像反射图像为多层超声断层成像反射图像序列,所述方法还包括步骤(5),该步骤(5)包括以下子步骤:
(5-1)基于所述步骤(4)得到的轮廓线,在这一层已获得目标轮廓线的超声断层成像反射图像的上临层图像和下临层图像上,分别绘制对应的初始凸壳以及几何重心O0’,其中,点O0’为点O1在上临层图像、下临层图像上的投影点;上临层图像和下临层图像的初始凸壳均与这一层已获得的目标轮廓线形状相似;对于每一个初始凸壳,初始凸壳的节点是通过对这一层已获得的目标轮廓线上的节点进行放大得到,具体的,初始凸壳的节点距离点O0’的距离等于α0×已获得的目标轮廓线上的相应节点距离点O1的距离,α0为预先设定的、取值大于1的常数;
然后,重复步骤(2)至步骤(4),即可分别得到上临层图像和下临层图像的目标轮廓线,从而得到三层已获得目标轮廓线的超声断层成像反射图像;
(5-2)继续在多层超声断层成像反射图像序列中向上或向下获得紧邻的待处理的临层图像,根据与该待处理的临层图像相邻的三层已获得目标轮廓线的超声断层成像反射图像中距离该待处理的临层图像的远近,将这三层超声断层成像反射图像分别记为第0层、第1层和第2层,其中,第0层距离所述待处理的临层图像最近,第1层次之,第2层距离所述待处理的临层图像最远;
然后,分别绘制该待处理的临层图像对应的初始凸壳以及几何重心O0’,其中,点O0’为第0层的点O1在该待处理的临层图像上的投影点;该待处理的临层图像的初始凸壳与第0层的目标轮廓线形状相似,初始凸壳的节点是通过对第0层的目标轮廓线上的节点进行放大得到,具体的,该待处理的临层图像的初始凸壳的节点距离点O0’的距离等于α×第0层的目标轮廓线上的相应节点距离第0层的点O1的距离;
然后,进行目标存在条件的判断,具体的:
根据初始凸壳的节点,计算所有节点的几何重心O0;然后,基于O0点、以O0点与每个节点的连线对所述初始凸壳进行划分,得到以O0点和相邻2个节点为顶点的若干个三角形;接着,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,其中,三角形分块距O0点距离较近,梯形分块距O0点距离较远;然后,对每个梯形分块内的图像进行自适应阈值分割,并基于阈值设定二值像素,同时对梯形分块内的所有像素点进行二值像素填充;待分割完成后,将靠近O0点的区域内分布数量最多的二值像素中的一者记为目标表示像素,另一者记为背景表示像素;接着,对所述三角形分块填充目标表示像素;然后,基于所述初始凸壳内所有目标表示像素的像素点坐标,计算它们的几何重心O1;
接着,对于所述梯形分块,在梯形分块内部选择靠近O0点的部分区域作为标记区,计算标记区内全部像素点中目标表示像素所占比例robj;
当全部梯形分块的robj均≥预先设定的阈值tobj时,继续执行所述步骤(3)、所述步骤(4)和所述步骤(5-2);
当存在一个梯形分块的robj<预先设定的阈值tobj时,终止对当前方向图像的处理;
如此,即可完成对多层超声断层成像反射图像序列的目标提取。
5.如权利要求2所述方法,其特征在于,所述自适应阈值分割具体是使用大津算法;
所述步骤(2)中,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,具体是:对于每个三角形,对过O0点的两个三角形边取中点进行连线,从而得到梯形分块和三角形分块;
所述步骤(5-2)中,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,具体是:对于每个三角形,对过O0点的两个三角形边取中点进行连线,得到梯形分块和三角形分块;
所述步骤(5-2)中,所述标记区具体是:针对某个梯形分块,将梯形形状的两腰分别四等分,在两腰上分别取距离三角形分块最近的等分点作为标记点,将两腰上的标记点进行连线,则,所述梯形分块内、且位于标记点连线与所述三角形分块之间的区域即为标记区。
6.一种基于超声断层成像反射图像凸目标的抗伪影特征提取***,其特征在于,包括:
图像预处理功能模块,用于:对于一层待提取凸目标的超声断层成像反射图像,通过选择节点的方式绘制针对凸目标的初始凸壳;这些节点依次相连得到的轮廓线即为初始凸壳,所述初始凸壳包围所述超声断层成像反射图像内凸目标的对应成像;
目标表示像素的几何重心计算功能模块,用于:根据各节点,计算所有节点的几何重心O0;然后,基于O0点、以O0点与每个节点的连线对所述初始凸壳进行划分,得到以O0点和相邻2个节点为顶点的若干个三角形;接着,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,其中,三角形分块距O0点距离较近,梯形分块距O0点距离较远;然后,对每个梯形分块内的图像进行自适应阈值分割,并基于阈值设定二值像素,同时对梯形分块内的所有像素点进行二值像素填充;待分割完成后,将靠近O0点的区域内分布数量最多的二值像素中的一者记为目标表示像素,另一者记为背景表示像素;接着,对所述三角形分块填充目标表示像素;然后,基于所述初始凸壳内所有目标表示像素的像素点坐标,计算它们的几何重心O1;
节点内缩功能模块,用于:根据各节点,记节点与O1的连线上距离O1最远的目标表示像素所在像素点为新节点,从而对所有节点进行更新;
并用于进行迭代处理:在每一次迭代中,按逆时针或顺时针方向,对于每个节点,判断它是否向O1点位移;具体的,对于每一个节点,在该节点与沿时针方向相邻的下一节点的连线上,当连线经过的全部像素点中目标表示像素所占的比例rlocal小于预先设定的局部阈值tlocal时,则令该节点向O1点按预先设定的步长距离进行位移,从而更新节点;当目标表示像素所占的比例rlocal大于等于预先设定的局部阈值tlocal时,则认为节点已抵达目标表面,此时,固定该节点,同时在后续迭代过程中,停止判断它是否向O1点位移;
并且,在每一次迭代完成后,判断是否满足整体停止条件;具体的,若所有相邻节点的连线上,连线经过的全部像素点中目标表示像素的比例rentirety大于预先设定的整体阈值tentirety,则停止迭代,否则继续迭代直到节点抵达O1;
整形功能模块,用于:基于利用线性回归方法,对所述节点内缩功能模块处理得到的节点进行圆锥曲线拟合;然后,以节点与O1点的连线与拟合曲线的交点为采样点,对拟合得到的曲线进行点采样,得到与每个节点相对应的多个采样点;接着,对于每个节点,将它与对应的采样点两两进行加权融合,得到整形后的新节点;整形后的新节点相连得到的轮廓线在所述待提取凸目标的超声断层成像反射图像上所对应包围的区域,即为提取得到的凸目标的对应成像;所述提取得到的凸目标的对应成像,则用于后续目标特征提取。
7.如权利要求6所述***,其特征在于,该***还包括:
上下临层图像预处理功能模块,用于:基于所述整形功能模块得到的轮廓线,在这一层已获得目标轮廓线的超声断层成像反射图像的上临层图像和下临层图像上,分别绘制对应的初始凸壳以及几何重心O0’,其中,点O0’为点O1在上临层图像、下临层图像上的投影点;上临层图像和下临层图像的初始凸壳均与这一层已获得的目标轮廓线形状相似;对于每一个初始凸壳,初始凸壳的节点是通过对这一层已获得的目标轮廓线上的节点进行放大得到,具体的,初始凸壳的节点距离点O0’的距离等于α0×已获得的目标轮廓线上的相应节点距离点O1的距离,α0为预先设定的、取值大于1的常数;
该上下临层图像预处理功能模块还与所述目标表示像素的几何重心计算功能模块、所述节点内缩功能模块、所述整形功能模块相连,进而能够得到上临层图像和下临层图像的目标轮廓线,从而得到三层已获得目标轮廓线的超声断层成像反射图像;
自动提取三维目标轮廓线功能模块,用于:继续在多层超声断层成像反射图像序列中向上或向下获得紧邻的待处理的临层图像,根据与该待处理的临层图像相邻的三层已获得目标轮廓线的超声断层成像反射图像中距离该待处理的临层图像的远近,将这三层超声断层成像反射图像分别记为第0层、第1层和第2层,其中,第0层距离所述待处理的临层图像最近,第1层次之,第2层距离所述待处理的临层图像最远;
然后,分别绘制该待处理的临层图像对应的初始凸壳以及几何重心O0’,其中,点O0’为第0层的点O1在该待处理的临层图像上的投影点;该待处理的临层图像的初始凸壳与第0层的目标轮廓线形状相似,初始凸壳的节点是通过对第0层的目标轮廓线上的节点进行放大得到,具体的,该待处理的临层图像的初始凸壳的节点距离点O0’的距离等于α×第0层的目标轮廓线上的相应节点距离第0层的点O1的距离;
然后,进行目标存在条件的判断,具体的:
根据初始凸壳的节点,计算所有节点的几何重心O0;然后,基于O0点、以O0点与每个节点的连线对所述初始凸壳进行划分,得到以O0点和相邻2个节点为顶点的若干个三角形;接着,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,其中,三角形分块距O0点距离较近,梯形分块距O0点距离较远;然后,对每个梯形分块内的图像进行自适应阈值分割,并基于阈值设定二值像素,同时对梯形分块内的所有像素点进行二值像素填充;待分割完成后,将靠近O0点的区域内分布数量最多的二值像素中的一者记为目标表示像素,另一者记为背景表示像素;接着,对所述三角形分块填充目标表示像素;然后,基于所述初始凸壳内所有目标表示像素的像素点坐标,计算它们的几何重心O1;
接着,对于所述梯形分块,在梯形分块内部选择靠近O0点的部分区域作为标记区,计算标记区内全部像素点中目标表示像素所占比例robj;
该自动提取三维目标轮廓线功能模块与所述节点内缩功能模块、所述整形功能模块相连,当全部梯形分块的robj均≥预先设定的阈值tobj时,通过相连的所述节点内缩功能模块、所述整形功能模块得到该待处理临层图像的目标轮廓线,同时继续利用该自动提取三维目标轮廓线功能模块进行处理;
当存在一个梯形分块的robj<预先设定的阈值tobj时,终止对当前方向图像的处理;
如此,即可完成对多层超声断层成像反射图像序列的目标提取。
10.如权利要求6所述***,其特征在于,所述自适应阈值分割具体是使用大津算法;
所述目标表示像素的几何重心计算功能模块中,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,具体是:对于每个三角形,对过O0点的两个三角形边取中点进行连线,从而得到梯形分块和三角形分块;
所述自动提取三维目标轮廓线功能模块中,对于每个三角形,按三角形内部距离O0点的远近划分为梯形分块和三角形分块,具体是:对于每个三角形,对过O0点的两个三角形边取中点进行连线,得到梯形分块和三角形分块;
所述自动提取三维目标轮廓线功能模块中,所述标记区具体是:针对某个梯形分块,将梯形形状的两腰分别四等分,在两腰上分别取距离三角形分块最近的等分点作为标记点,将两腰上的标记点进行连线,则,所述梯形分块内、且位于标记点连线与所述三角形分块之间的区域即为标记区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612174.XA CN114266788A (zh) | 2021-12-27 | 2021-12-27 | 基于超声断层成像反射图像凸目标的抗伪影特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612174.XA CN114266788A (zh) | 2021-12-27 | 2021-12-27 | 基于超声断层成像反射图像凸目标的抗伪影特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114266788A true CN114266788A (zh) | 2022-04-01 |
Family
ID=80830346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111612174.XA Pending CN114266788A (zh) | 2021-12-27 | 2021-12-27 | 基于超声断层成像反射图像凸目标的抗伪影特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114266788A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782464A (zh) * | 2022-04-07 | 2022-07-22 | 中国人民解放军国防科技大学 | 基于目标区域局部增强的反射层析激光雷达图像分割方法 |
CN116012452A (zh) * | 2023-03-28 | 2023-04-25 | 天津舞影猫科技有限公司 | 一种基于超声图像定位靶目标的穿刺导航***及方法 |
-
2021
- 2021-12-27 CN CN202111612174.XA patent/CN114266788A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782464A (zh) * | 2022-04-07 | 2022-07-22 | 中国人民解放军国防科技大学 | 基于目标区域局部增强的反射层析激光雷达图像分割方法 |
CN114782464B (zh) * | 2022-04-07 | 2023-04-07 | 中国人民解放军国防科技大学 | 基于目标区域局部增强的反射层析激光雷达图像分割方法 |
CN116012452A (zh) * | 2023-03-28 | 2023-04-25 | 天津舞影猫科技有限公司 | 一种基于超声图像定位靶目标的穿刺导航***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107622492B (zh) | 肺裂分割方法及*** | |
CN111709953B (zh) | Ct影像的肺叶段分割中的输出方法、装置 | |
CN107392994B (zh) | 冠脉血管的三维重建方法、装置、设备及存储介质 | |
CN105741251B (zh) | 一种肝脏cta序列图像的血管分割方法 | |
JP6514325B2 (ja) | 解剖学的ランドマークベースの特徴に基づいた医用画像をセグメント化するためのシステム及び方法 | |
US8358819B2 (en) | System and methods for image segmentation in N-dimensional space | |
EP2916738B1 (en) | Lung, lobe, and fissure imaging systems and methods | |
EP1851722B1 (en) | Image processing device and method | |
JP6267707B2 (ja) | 3dの通常の超音波画像およびコントラスト向上超音波画像における統合セグメンテーション | |
US20040228529A1 (en) | Systems and methods for providing automatic 3D lesion segmentation and measurements | |
CN109478327B (zh) | 用于在任意视场计算断层摄影血管造影(cta)中自动检测全身动脉的方法 | |
US20150023578A1 (en) | Device and method for determining border of target region of medical images | |
CN114266788A (zh) | 基于超声断层成像反射图像凸目标的抗伪影特征提取方法 | |
CN107103605B (zh) | 一种***组织的分割方法 | |
CN107274399A (zh) | 一种基于Hession矩阵和三维形状指数的肺结节分割方法 | |
CN107633514B (zh) | 一种肺结节周边血管量化评估***及方法 | |
CN110910405A (zh) | 基于多尺度空洞卷积神经网络的脑肿瘤分割方法及*** | |
CN109509193B (zh) | 一种基于高精度配准的肝脏ct图谱分割方法及*** | |
Linguraru et al. | Liver and tumor segmentation and analysis from CT of diseased patients via a generic affine invariant shape parameterization and graph cuts | |
Xu et al. | Automated lung nodule segmentation using dynamic programming and EM-based classification | |
Casiraghi et al. | Automatic abdominal organ segmentation from CT images | |
Park | Connectivity-based local adaptive thresholding for carotid artery segmentation using MRA images | |
Zhu et al. | Automatic measurement of fetal femur length in ultrasound images: a comparison of random forest regression model and SegNet | |
CN115830016B (zh) | 医学图像配准模型训练方法及设备 | |
CN110706218B (zh) | 基于动态增强磁共振成像的乳腺肿瘤定位分析方法 |
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 |