CN114419016A - 一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及*** - Google Patents
一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及*** Download PDFInfo
- Publication number
- CN114419016A CN114419016A CN202210085401.6A CN202210085401A CN114419016A CN 114419016 A CN114419016 A CN 114419016A CN 202210085401 A CN202210085401 A CN 202210085401A CN 114419016 A CN114419016 A CN 114419016A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- super
- resolution
- benign
- thyroid
- 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
- 208000009453 Thyroid Nodule Diseases 0.000 title claims abstract description 69
- 230000003211 malignant effect Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003748 differential diagnosis Methods 0.000 title claims description 31
- 208000024770 Thyroid neoplasm Diseases 0.000 claims abstract description 26
- 210000004088 microvessel Anatomy 0.000 claims abstract description 25
- 238000003384 imaging method Methods 0.000 claims abstract description 23
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 14
- 238000006073 displacement reaction Methods 0.000 claims abstract description 6
- 210000001685 thyroid gland Anatomy 0.000 claims abstract description 6
- 239000002872 contrast media Substances 0.000 claims abstract description 4
- 238000002604 ultrasonography Methods 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 229920013655 poly(bisphenol-A sulfone) Polymers 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000003902 lesion Effects 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 abstract description 3
- 230000004069 differentiation Effects 0.000 abstract 1
- 230000017531 blood circulation Effects 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000007547 defect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000002607 contrast-enhanced ultrasound Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000004089 microcirculation Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 206010004412 Benign neoplasm of thyroid gland Diseases 0.000 description 1
- 206010054107 Nodule Diseases 0.000 description 1
- 208000034038 Pathologic Neovascularization Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
- 201000002510 thyroid cancer Diseases 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000004614 tumor growth Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提出了一种基于超声超分辨成像技术的甲状腺结节良恶性鉴别诊断新方法。通过对甲状腺病灶区域内微泡造影剂的定位与追踪，从而获取基于甲状腺病灶区域内微米级的超声超分辨图像。本发明突破了传统超声半波长衍射极限的能力，通过定位甲状腺结节内单个注入的微泡并以亚波长分辨率跟踪微泡在甲状腺结节内的位移，在微米空间尺度上生成甲状腺结节血管密度和速度图，提供了直接映射，弥补了与组织病理学的差距，证明了超声超分辨成像显示人体甲状腺结节微血管的可行性，为甲状腺结节鉴别诊断提供了新方式。
Description
技术领域
本发明属于彩色多普勒显像技术领域，尤其涉及一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及***。
背景技术
甲状腺结节是一种常见的内分泌问题，可在大多数人群中检测到。诊断甲状腺结节的主要目的是通过区分良恶性结节来排除甲状腺癌。肿瘤生长受新生血管滋养，病理性血管生成常为曲折和形状不规则以及未成熟血管，若可表征组织中的微血管将对甲状腺结节良恶性鉴别诊断大有裨益。
但是，传统彩色多普勒显像技术对微血管和低速血流不敏感，仅可显示管径>0.2mm的血管和流速相对较高的血流(>1cm/s)；超声造影可以显著增强血流的超声造影回波，动态显示微细血管和组织血流灌注情况，但其分辨率仍然受限于超声波的半波长且提取的参数仅能间接反映微循环改变。
超声超分辨成像突破了超声衍射极限的能力，通过定位单个注入的微泡并以亚波长分辨率跟踪甲状腺区域内的位移，可以在微米的空间尺度上生成血管密度图和速度图，可提供微血管的直接映射，弥补了与组织病理学的差距。因此，亟需设计一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及***。
通过上述分析，现有技术存在的问题及缺陷为：
(1)传统彩色多普勒显像技术对微血管和低速血流不敏感，仅可显示管径>0.2mm的血管和流速相对较高的血流(>1cm/s)。
(2)传统的超声造影分辨率仍然受限于超声波的半波长，且提取的参数仅能间接反映微循环改变。
解决以上问题及缺陷的难度为：
传统超声成像受到物理限制，无法突破其频率所对应的半波长分辨率，其分辨率无法达到微米级别，因此不能对微血管网络进行成像。
解决以上问题及缺陷的意义为：
突破了传统超声成像的极限分辨率，能够对甲状腺病灶的微血管进行清晰的微米级别成像，为临床医生精准鉴别良恶性甲状腺结节提供新的方法。
发明内容
针对现有技术存在的问题，本发明提供了一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及***。
本发明是这样实现的，一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法，通过超声设备将原始超声数据波束合成转换为同相/正交数据，从而获取甲状腺结节二维灰阶图像及相对应的超声造影图像数据集，使用MATLAB离线分析进行甲状腺结节的超声超分辨成像。
进一步，首先利用甲状腺结节二维灰阶图像进行运动评估得到转型矩阵；接着将转型矩阵覆盖在对应的超声造影图像数据集上以校正组织运动；在进行运动校正后的超声造影图像数据集上通过奇异值分解算法提取甲状腺结节中的超声造影信号，同时去除组织背景信号；利用质心算法对甲状腺结节内的微泡信号进行定位，利用跟踪方法计算相邻图像之间搜索窗口内的最佳相关微泡信号，生成甲状腺结节区域内的微血管流速图和血管密度图；通过对甲状腺结节内的微血管密度及流速的量化及评估对甲状腺结节良恶性的鉴别诊断。
进一步，步骤二中，在获取二维灰阶模式和超声造影数据集用于超声超分辨成像前，通过转换矩阵校正组织运动。
进一步，在步骤三中，对于每个数据集，在奇异值分解处理后对所有超声图像进行包络检测包括：在设置图像像素值阈值后，对每幅超声图像进行超定位处理，除去噪声干扰并检测潜在的微泡信号；根据面积A、强度I和形状/偏心率€，将每个点扩散函数PSF与校准PSF进行比较，所述参数用于舍弃潜在的非微泡信号和噪音；所有具有相应三个属性的PSF被汇总到三个矩阵中；每个矩阵中的所有值均被归一化，被矩阵中各自最大的数值相除；分离的信号的位置通过质心方法计算；通过计算强度加权质心计算每个局部信号的质心；来自所有图像的所有定位被组装成最终的超分辨图像。
进一步，在步骤四中，利用跟踪方法计算相邻图像之间搜索窗口内的最佳相关气泡信号，用于计算超分辨微血管流速；在搜索窗口内识别在帧K中检测到的每个微泡信号和在帧K+1中的每个微泡信号；对于帧K中的每个信号，具有高于由经验确定的阈值0.8的归一化互相关，则识别帧K+1中的匹配信号，并生成微血管的流速和血管密度图。
进一步，使用80Hz的额定帧，将800微米设置为最大搜索窗口，用于跟踪15mm/s的流速。
进一步，所述互相关用于衡量两组速度是否匹配，阈值的确定方法为：相邻两帧的速度是否匹配，高于一定阈值的速度则被视为匹配信号，低于一定阈值的相邻速度则被视为不匹配信号，舍弃。
本发明的另一目的在于提供一种用于甲状腺结节良恶性鉴别诊断的超声超分辨***包括：
数据获取模块，用于通过超声设备将数据波束转换为同相/正交数据，用于获取二维灰阶模式和其相对应超声造影数据集用于超声超分辨成像；
运动校正模块，用于校正组织内由心跳或者呼吸等活动带来的运动及位移；
滤波处理模块，使用奇异值分解算法SVD对形成的图像进行造影信号的提取，对于每个数据集，在奇异值分解处理后对所有超声图像进行包络检测；
超声超分辨模块，利用质心算法对甲状腺结节内的微泡信号进行定位，利用跟踪方法计算相邻图像之间搜索窗口内的最佳相关微泡信号，生成微血管流速图和血管密度图，通过对甲状腺结节内的微血管密度及流速的量化及评估对甲状腺结节良恶性的鉴别诊断。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行用于甲状腺结节良恶性鉴别诊断的超声超分辨方法。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行用于甲状腺结节良恶性鉴别诊断的超声超分辨方法。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的用于甲状腺结节良恶性鉴别诊断的超声超分辨***。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的用于甲状腺结节良恶性鉴别诊断的超声超分辨成像突破了超声半波长衍射极限的能力，通过定位单个注入的微泡并以亚波长分辨率跟踪它们的位移，可以在微米的空间尺度上生成血管密度和速度图可提供微血管的直接映射，弥补了与组织病理学差距。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，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是本发明实施例提供的用于甲状腺结节良恶性鉴别诊断的超声超分辨方法流程图。
图2是本发明实施例提供的用于甲状腺结节良恶性鉴别诊断的超声超分辨方法原理图。
图3是本发明实施例提供的用于甲状腺结节良恶性鉴别诊断的超声超分辨***结构框图；
图4是本发明实施例提供的实验案例分析效果图。
图中：1、数据获取模块；2、运动校正模块；3、滤波处理模块；4、超声超分辨模块。
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。
针对现有技术存在的问题，本发明提供了一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及***，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的用于甲状腺结节良恶性鉴别诊断的超声超分辨方法包括以下步骤：
S101，通过超声设备将原始超声数据波束合成转换为同相/正交数据，获取二维灰阶模式和超声造影数据集用于超声超分辨成像；
S102，利用甲状腺结节二维灰阶图像进行运动评估得到转型矩阵；接着将转型矩阵覆盖在对应的超声造影图像数据集上以校正组织运动；
S103，在进行运动校正后的超声造影图像数据集上通过奇异值分解算法提取甲状腺结节中的超声造影信号，同时去除组织背景信号；
S104，利用质心算法对微泡造影信号进行定位；利用跟踪方法计算相邻图像之间搜索窗口内的最佳相关微泡信号，生成微血管流速图和血管密度图，通过对甲状腺结节内的微血管密度及流速的量化及评估对甲状腺结节良恶性的鉴别诊断。
本发明实施例提供的用于甲状腺结节良恶性鉴别诊断的超声超分辨方法原理图见图2。
如图3所示，本发明实施例提供的用于甲状腺结节良恶性鉴别诊断的超声超分辨***，包括：
数据获取模块1，用于通过超声设备将数据波束转换为同相/正交数据，用于获取二维灰阶模式和其相对应超声造影数据集用于超声超分辨成像；
运动校正模块2，用于校正组织内由心跳或者呼吸等活动带来的运动及位移；
滤波处理模块3，使用奇异值分解算法SVD对形成的图像进行造影信号的提取，对于每个数据集，在奇异值分解处理后对所有超声图像进行包络检测；
超声超分辨模块4，利用质心算法对甲状腺结节内的微泡信号进行定位，利用跟踪方法计算相邻图像之间搜索窗口内的最佳相关微泡信号，生成微血管流速图和血管密度图，通过对甲状腺结节内的微血管密度及流速的量化及评估对甲状腺结节良恶性的鉴别诊断。
下面结合具体实施例对本发明的技术方案作进一步描述。
如图2所示，在临床常规超声造影扫描前，造影剂通过外周静脉中的插管以0.1mL丸剂的形式静脉内给药，微泡注射后，要求患者屏住呼吸少于10秒，获取B模式和CEUS数据集用于超声超分辨成像。
超声设备(Resona 9s，深圳迈瑞生物医疗电子有限公司，深圳，中国)和L14-5WU线阵换能器(9.0MHz中心频率，带宽4MHz-14MHz)用于超声图像监测和数据采集。在扫描过程中，患者仰卧，头部尽可能向后倾斜，以充分暴露颈部。对甲状腺结节进行横切面和纵切面扫描。指导患者在扫描过程中避免吞咽。如有必要，建议患者短暂屏住呼吸以避免运动。声诺维微泡通过外周静脉中的19号插管以0.1mL丸剂的形式静脉内给药，微泡注射后，要求患者屏住呼吸少于10秒，获取B模式和CEUS数据集用于超声超分辨成像。对于每个数据集，以80Hz的帧频收集3000多张图像。使用0.08的机械指数(MI)来避免超声造影检查期间的微泡破坏。其他成像参数设置如下：增益10dB，动态范围100。
然后通过超声设备将数据波束转换为同相/正交(IQ)数据。使用MATLAB(MathWorks Inc.，Natick，MA，USA)离线进行超声超分辨率成像处理。由于扫描过程中的运动，应用建立的两阶段运动校正来校正组织运动。
对于每个数据集，在奇异值分解(SVD)处理后对所有超声图像进行包络检测。在设置图像像素值阈值后，对每幅超声图像进行超定位处理，以拒绝噪声并检测潜在的微泡信号。根据其面积(A)、强度(I)和形状/偏心率(E)，将每个观察到的点扩散函数(PSF)与校准PSF进行比较。这些参数用于丢弃潜在的非微泡信号和噪音。所有观察到的具有相应三个属性的PSF被汇总到三个矩阵中。每个矩阵中的所有值都被归一化，即被矩阵中各自最大的数值相除。分离的信号的位置通过“质心”方法计算。通过计算强度加权质心来计算每个局部信号的质心。来自所有图像的所有定位被组装成最终的超分辨率图像。
为了计算超分辨微血管流速，跟踪方法计算相邻图像之间搜索窗口内的最佳相关气泡信号。简而言之，在搜索窗口内识别在帧K中检测到的每个气泡信号和在帧K+1中的每个气泡信号。由于使用了80Hz的额定帧频，因此将800微米设置为最大搜索窗口，以便可以跟踪高达15mm/s的流速。对于帧K中的每个信号，如果它们具有高于由经验确定的阈值0.8的归一化互相关，则识别帧K+1中的匹配信号。最终生成微血管的流速和血管密度图。在此场景中，互相关是一种衡量两组速度是否匹配的一种算法。阈值的确定方法为，相邻两帧的速度是否匹配，高于一定阈值的速度则被视为匹配信号，低于一定阈值的相邻速度则被视为不匹配信号，因此舍弃。
下面结合实验案例对本发明的技术效果作进一步描述。
如图4所示，该实验案例显示出，传统的彩色多普勒超声仅能大致显示出甲状腺结节周围的大致血流速度与方向(见图4A与4D)，无法得到其精确值。而超声超分辨成像则可以通过微泡造影剂在微血管中的移动轨迹，精确测量出微血管的轮廓(见图4B与4E)，以及微血管内精确的微泡流动速度(见图4C与4F)，即微血管内的血液流速。通过统计分析，结果表明在良性甲状腺结节内的微血管密度及微血管内血流流速均显著大于在恶行甲状腺结节内的微血管密度及微血管内血流流速。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘Solid StateDisk(SSD))等。
以上所述，仅为本发明的具体实施方式，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，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，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种用于甲状腺结节良恶性鉴别诊断的超声超分辨方法，其特征在于，通过对甲状腺病灶区域内微泡造影剂的定位与追踪，从而获取基于甲状腺病灶区域内微米级的超声超分辨图像。
2.如权利要求1所述用于甲状腺结节良恶性鉴别诊断的超声超分辨方法，其特征在于，首先利用甲状腺结节二维灰阶图像进行运动评估得到转型矩阵；接着将转型矩阵覆盖在对应的超声造影图像数据集上以校正组织运动；在进行运动校正后的超声造影图像数据集上通过奇异值分解算法提取甲状腺结节中的超声造影信号，同时去除组织背景信号；利用质心算法对甲状腺结节内的微泡信号进行定位，利用跟踪方法计算相邻图像之间搜索窗口内的最佳相关微泡信号，生成甲状腺结节区域内的微血管流速图和血管密度图；通过对甲状腺结节内的微血管密度及流速的量化及评估对甲状腺结节良恶性的鉴别诊断。
3.如权利要求2所述用于甲状腺结节良恶性鉴别诊断的超声超分辨方法，其特征在于，在获取二维灰阶模式和超声造影数据集用于超声超分辨成像前，通过转换矩阵校正组织运动；对于每个数据集，在奇异值分解处理后对所有超声图像进行包络检测包括：在设置图像像素值阈值后，对每幅超声图像进行超定位处理，除去噪声干扰并检测潜在的微泡信号；根据面积A、强度I和形状/偏心率€，将每个点扩散函数PSF与校准PSF进行比较，所述参数用于舍弃潜在的非微泡信号和噪音；所有具有相应三个属性的PSF被汇总到三个矩阵中；每个矩阵中的所有值均被归一化，被矩阵中各自最大的数值相除；分离的信号的位置通过质心方法计算；通过计算强度加权质心计算每个局部信号的质心；来自所有图像的所有定位被组装成最终的超分辨图像。
4.如权利要求2所述用于甲状腺结节良恶性鉴别诊断的超声超分辨方法，其特征在于，利用跟踪方法计算相邻图像之间搜索窗口内的最佳相关气泡信号，用于计算超分辨微血管流速；在搜索窗口内识别在帧K中检测到的每个微泡信号和在帧K+1中的每个微泡信号；对于帧K中的每个信号，具有高于由经验确定的阈值0.8的归一化互相关，则识别帧K+1中的匹配信号，并生成微血管的流速和血管密度图。
5.如权利要求4所述用于甲状腺结节良恶性鉴别诊断的超声超分辨方法，其特征在于，使用80Hz的额定帧频，将800微米设置为最大搜索窗口，用于跟踪15mm/s的流速。
6.如权利要求4所述用于甲状腺结节良恶性鉴别诊断的超声超分辨方法，其特征在于，所述互相关用于衡量两组速度是否匹配，阈值的确定方法为：相邻两帧的速度是否匹配，高于一定阈值的速度则被视为匹配信号，低于一定阈值的相邻速度则被视为不匹配信号并舍弃。
7.一种应用如权利要求1～6任意一项所述超声超分辨方法的用于甲状腺结节良恶性鉴别诊断的超声超分辨***，其特征在于，所述用于甲状腺结节良恶性鉴别诊断的超声超分辨***包括：
数据获取模块，用于通过超声设备将数据波束转换为同相/正交数据，用于获取二维灰阶模式和其相对应超声造影数据集用于超声超分辨成像；
运动校正模块，用于校正组织内由心跳或者呼吸等活动带来的运动及位移；
滤波处理模块，使用奇异值分解算法SVD对形成的图像进行造影信号的提取，对于每个数据集，在奇异值分解处理后对所有超声图像进行包络检测；
超声超分辨模块，利用质心算法对甲状腺结节内的微泡信号进行定位，利用跟踪方法计算相邻图像之间搜索窗口内的最佳相关微泡信号，生成微血管流速图和血管密度图，通过对甲状腺结节内的微血管密度及流速的量化及评估对甲状腺结节良恶性的鉴别诊断。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～6任意一项所述用于甲状腺结节良恶性鉴别诊断的超声超分辨方法。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1～6任意一项所述用于甲状腺结节良恶性鉴别诊断的超声超分辨方法。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求7所述用于甲状腺结节良恶性鉴别诊断的超声超分辨***的功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210085401.6A CN114419016B (zh) | 2022-01-25 | 2022-01-25 | 用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210085401.6A CN114419016B (zh) | 2022-01-25 | 2022-01-25 | 用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114419016A true CN114419016A (zh) | 2022-04-29 |
| CN114419016B CN114419016B (zh) | 2022-11-04 |
Family
ID=81276644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210085401.6A Active CN114419016B (zh) | 2022-01-25 | 2022-01-25 | 用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114419016B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116172598A (zh) * | 2023-02-22 | 2023-05-30 | 北京医准智能科技有限公司 | 一种血流储备分数确定方法、装置、电子设备及存储介质 |
| CN116473592A (zh) * | 2023-04-17 | 2023-07-25 | 华润武钢总医院 | 一种用超声定位显微镜评估乳腺癌新辅助化疗疗效的方法 |
| CN116740265A (zh) * | 2023-04-25 | 2023-09-12 | 华润武钢总医院 | 基于乳腺癌诊断的三维超声超分辨快速成像方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107680678A (zh) * | 2017-10-18 | 2018-02-09 | 北京航空航天大学 | 基于多尺度卷积神经网络甲状腺超声图像结节自动诊断*** |
| CN110740688A (zh) * | 2017-05-31 | 2020-01-31 | 梅约医学教育与研究基金会 | 用于微血管超分辨率超声成像的方法 |
| CN112820399A (zh) * | 2021-01-26 | 2021-05-18 | 北京小白世纪网络科技有限公司 | 自动诊断甲状腺结节良恶性的方法及装置 |
| CN112932539A (zh) * | 2021-01-23 | 2021-06-11 | 西安交通大学 | 一种经颅超声估计血管血流速度场的装置及方法 |
-
2022
- 2022-01-25 CN CN202210085401.6A patent/CN114419016B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110740688A (zh) * | 2017-05-31 | 2020-01-31 | 梅约医学教育与研究基金会 | 用于微血管超分辨率超声成像的方法 |
| CN107680678A (zh) * | 2017-10-18 | 2018-02-09 | 北京航空航天大学 | 基于多尺度卷积神经网络甲状腺超声图像结节自动诊断*** |
| CN112932539A (zh) * | 2021-01-23 | 2021-06-11 | 西安交通大学 | 一种经颅超声估计血管血流速度场的装置及方法 |
| CN112820399A (zh) * | 2021-01-26 | 2021-05-18 | 北京小白世纪网络科技有限公司 | 自动诊断甲状腺结节良恶性的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 钟传钰 等: "超声超分辨率微血流成像研究进展", 《中国医学影像技术》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116172598A (zh) * | 2023-02-22 | 2023-05-30 | 北京医准智能科技有限公司 | 一种血流储备分数确定方法、装置、电子设备及存储介质 |
| CN116473592A (zh) * | 2023-04-17 | 2023-07-25 | 华润武钢总医院 | 一种用超声定位显微镜评估乳腺癌新辅助化疗疗效的方法 |
| CN116740265A (zh) * | 2023-04-25 | 2023-09-12 | 华润武钢总医院 | 基于乳腺癌诊断的三维超声超分辨快速成像方法 |
| CN116740265B (zh) * | 2023-04-25 | 2024-04-26 | 华润武钢总医院 | 基于乳腺癌诊断的三维超声超分辨快速成像方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114419016B (zh) | 2022-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114419016B (zh) | 用于甲状腺结节良恶性鉴别诊断的超声超分辨方法及*** | |
| US8094893B2 (en) | Segmentation tool for identifying flow regions in an image system | |
| US8911372B2 (en) | Ultrasonic medical diagnostic device for imaging changes with time | |
| CN103889337B (zh) | 超声波诊断装置以及超声波诊断装置控制方法 | |
| US7744533B2 (en) | Ultrasonic diagnostic apparatus, image processing apparatus and image processing method | |
| JP5100193B2 (ja) | 超音波システム内で情報を表示するためのユーザ・インターフェース及び方法 | |
| JP5627890B2 (ja) | 最適なスペックル追跡のための二重経路処理 | |
| US9131923B2 (en) | Ultrasonic diagnostic device and ultrasonic image display method | |
| US20080051660A1 (en) | Methods and apparatuses for medical imaging | |
| US20150080726A1 (en) | Ultrasonic diagnostic apparatus, positional information acquiring method, and computer program product | |
| US20050129297A1 (en) | Classification of breast lesion method and system | |
| CN103202714B (zh) | 超声波诊断装置、医用图像处理装置以及医用图像处理方法 | |
| JP2012090820A (ja) | 超音波診断装置 | |
| US11826201B2 (en) | Ultrasound lesion assessment and associated devices, systems, and methods | |
| US20190298304A1 (en) | Medical diagnosis apparatus, medical image processing apparatus, and image processing method | |
| CN110969618B (zh) | 一种基于动态超声造影的肝肿瘤血管生成定量分析方法 | |
| US8500646B2 (en) | Color Doppler mode image processing in an ultrasound system | |
| US20190261942A1 (en) | Thrombus detection during scanning | |
| JP3187008B2 (ja) | 超音波カラードプラ断層装置 | |
| US20240050062A1 (en) | Analyzing apparatus and analyzing method | |
| CN103190932A (zh) | 一种冠状动脉血管壁应力和应变的估算方法 | |
| WO2006015264A2 (en) | T-statistic method for suppressing artifacts in blood vessel ultrasonic imaging | |
| US8663110B2 (en) | Providing an optimal ultrasound image for interventional treatment in a medical system | |
| CN116473592A (zh) | 一种用超声定位显微镜评估乳腺癌新辅助化疗疗效的方法 | |
| US20210338207A1 (en) | Image analyzing apparatus |
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 |