CN116740219B - 一种三维光声断层成像方法、装置、设备及可读存储介质 - Google Patents
一种三维光声断层成像方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN116740219B CN116740219B CN202311019945.3A CN202311019945A CN116740219B CN 116740219 B CN116740219 B CN 116740219B CN 202311019945 A CN202311019945 A CN 202311019945A CN 116740219 B CN116740219 B CN 116740219B
- Authority
- CN
- China
- Prior art keywords
- data
- photoacoustic
- original
- frame
- photo
- 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
- 238000003325 tomography Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 230000000241 respiratory effect Effects 0.000 claims abstract description 183
- 230000000875 corresponding effect Effects 0.000 claims description 255
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 146
- 230000006870 function Effects 0.000 claims description 62
- 238000001228 spectrum Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000033001 locomotion Effects 0.000 abstract description 29
- 230000008569 process Effects 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 7
- 239000000523 sample Substances 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 5
- 230000008518 non respiratory effect Effects 0.000 description 5
- 230000036961 partial effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000002604 ultrasonography Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000031700 light absorption Effects 0.000 description 3
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012984 biological imaging Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010895 photoacoustic effect Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
- A61B5/0095—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy by applying light and detecting acoustic waves, i.e. photoacoustic measurements
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本说明书公开了一种三维光声断层成像方法、装置、设备及可读存储介质,基于各原始光声数据的呼吸图谱确定参考呼吸帧数,从而针对根据各原始光声数据三维重建得到的每个三维体数据块,提取所述参考呼吸帧数的该三维体数据块对应的各目标三维体数据作为目标三维体数据块,进而将各目标三维体数据块进行拼接得到三维光声图像。可见,从各三维体数据块中选择参考呼吸帧数的各目标三维体数据构建目标三维体数据块,基于各目标三维体数据块得到三维光声图像的方案,有效地处理了不同呼吸状态下图像的差异,克服了因三维体数据块直接拼接导致的运动模糊和伪影的问题,提高了三维光声图像的质量。
Description
技术领域
本说明书涉及图像处理技术领域,尤其涉及一种三维光声断层成像方法、装置、设备及可读存储介质。
背景技术
随着生命科学研究的不断发展,越来越多的研究方法被应用于生物体内部结构和生理功能的研究中。其中,光声断层成像(PhotoacousticComputed Tomography,PACT)是一种新兴的生物成像技术,因其具有非侵入性、高分辨率、高对比度和多个功能等优点,已经成为生命科学研究中的重要工具之一。
在光声断层成像中,激光脉冲照射样品后,被吸收的光能会导致样品发生瞬时的热膨胀,从而产生声波信号。超声接收器捕获声波信号并将其转换为电信号,然后通过信号处理和图像重建算法生成样品的图像。
但是,在采用光声断层成像技术对生物体进行图像采集时,可能会由于生物体的呼吸运动导致采集到的光声成像图像出现运动模糊和伪影,从而影响图像的质量。因此,如何提高光声断层成像图像的质量,成为亟待解决的问题。
基于此,本说明书提供一种三维光声断层成像方法。
发明内容
本说明书提供一种三维光声断层成像方法、装置、设备及可读存储介质,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种三维光声断层成像方法,包括:
通过光声断层成像设备采集多个原始光声数据,并根据各原始光声数据进行三维光声断层重建,得到各三维体数据块;
针对每个原始光声数据,根据该原始光声数据包含的多帧光声数据之间的相关系数,构建该原始光声数据对应的呼吸图谱;
根据所述各原始光声数据对应的呼吸图谱确定参考呼吸帧数;
针对每个三维体数据块,从该三维体数据块包含的各帧三维体数据中选择所述参考呼吸帧数的该三维体数据块对应的各目标三维体数据,并根据选择的各目标三维体数据,确定该三维体数据块对应的目标三维体数据块;
将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像。
可选地,所述通过光声断层成像设备采集多个原始光声数据,具体包括:
获取目标对象的信息;
根据所述目标对象的信息确定光声断层成像设备的各扫描视场的属性;
针对每个扫描视场,根据所述光声断层成像设备在该扫描视场的属性,通过所述光声断层成像设备采集该扫描视场对应的所述目标对象的原始光声数据,其中,所述原始光声数据包含多帧光声数据。
可选地,根据所述各原始光声数据对应的呼吸图谱确定参考呼吸帧数,具体包括:
针对每个原始光声数据,根据该原始光声数据对应的呼吸图谱,确定该原始光声数据对应的呼吸波形;
根据该原始光声数据对应的呼吸波形包含的各相关系数,从该原始光声数据包含的各帧光声数据中选择与其他帧光声数据弱相关的各呼吸帧光声数据;
根据该原始光声数据对应的各呼吸帧光声数据,确定该原始光声数据对应的呼吸周期;
将所述各原始光声数据分别对应的呼吸周期中最小的呼吸周期作为参考呼吸周期;
根据所述各原始光声数据分别对应的各呼吸帧光声数据,以及所述参考呼吸周期,分别确定所述各原始光声数据分别对应的候选呼吸帧数;
将所述各原始光声数据分别对应的候选呼吸帧数中最小的候选呼吸帧数作为参考呼吸帧数。
可选地,所述呼吸图谱是用于表征所述原始光声数据包含的各帧光声数据之间的相关性的相关系数矩阵;
根据该原始光声数据对应的呼吸图谱,确定该原始光声数据对应的呼吸波形,具体包括:
根据该原始光声数据对应的呼吸图谱中该原始光声数据包含的各帧光声数据之间的相关系数,分别确定该原始光声数据对应的呼吸图谱中各行的相关指标;
根据所述各行的相关指标,从该原始光声数据对应的呼吸图谱中选择第一目标行和第二目标行;
从该原始光声数据对应的呼吸图谱中的第一目标行和第二目标行之间的若干行中选择一行作为该原始光声数据对应的呼吸波形;
或者
根据该原始光声数据对应的呼吸图谱中该原始光声数据包含的各帧光声数据之间的相关系数,分别确定该原始光声数据对应的呼吸图谱中各列的相关指标;
根据所述各列的相关指标,从该原始光声数据对应的呼吸图谱中选择第一目标列和第二目标列;
从该原始光声数据对应的呼吸图谱中的第一目标列和第二目标列之间的若干列中选择一列作为该原始光声数据对应的呼吸波形。
可选地,根据所述各原始光声数据分别对应的各呼吸帧光声数据,以及所述参考呼吸周期,分别确定所述各原始光声数据分别对应的候选呼吸帧数,具体包括:
针对每个原始光声数据,根据该原始光声数据包含的各帧光声数据的采集时刻,确定该原始光声数据对应的各呼吸帧光声数据分别在该原始光声数据包含的各帧光声数据中的排序,作为该原始光声数据对应的各呼吸帧光声数据的呼吸帧序号;
根据所述参考呼吸周期确定第一参考指标,以及根据该原始光声数据包含的光声数据的帧数和所述参考呼吸周期确定第二参考指标;
当该原始光声数据对应的各呼吸帧光声数据中位于首位的呼吸帧光声数据的呼吸帧序号小于所述第一参考指标,或者该原始光声数据对应的各呼吸帧光声数据中位于末位的呼吸帧光声数据的呼吸帧序号小于所述第二参考指标,则根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第一参考量,确定该原始光声数据对应的候选呼吸帧数;
当该原始光声数据对应的各呼吸帧光声数据中位于首位的呼吸帧光声数据的呼吸帧序号小于所述第一参考指标,并且该原始光声数据对应的各呼吸帧光声数据中位于末位的呼吸帧光声数据的呼吸帧序号小于所述第二参考指标,则根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第二参考量,确定该原始光声数据对应的候选呼吸帧数。
可选地,将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像,具体包括:
根据所述各原始光声数据的采集时段,将所述各目标三维体数据块进行排列,得到目标序列;
确定所述目标序列中排列在首位的目标三维体数据块对应的第一边缘幅度单边增强函数,以及确定所述目标序列中排列在末尾的目标三维体数据块对应的第二边缘幅度单边增强函数;
确定所述目标序列中各目标三维体数据块对应的边缘幅度平滑函数;
根据所述第一边缘幅度单边增强函数、所述第二边缘幅度单边增强函数,以及所述边缘幅度平滑函数,将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像。
可选地,所述方法还包括:
根据拼接后的三维光声图像选择目标滤波函数;
通过所述目标滤波函数对所述三维光声图像进行滤波,得到滤波后的三维光声图像。
本说明书提供了一种三维光声断层成像装置,包括:
采集模块,用于通过光声断层成像设备采集多个原始光声数据,并根据各原始光声数据进行三维光声断层重建,得到各三维体数据块;
呼吸图谱构建模块,用于针对每个原始光声数据,根据该原始光声数据包含的多帧光声数据之间的相关系数,构建该原始光声数据对应的呼吸图谱;
参考呼吸帧数确定模块,用于根据所述各原始光声数据对应的呼吸图谱确定参考呼吸帧数;
目标三维体数据块确定模块,用于针对每个三维体数据块,从该三维体数据块包含的各帧三维体数据中选择所述参考呼吸帧数的该三维体数据块对应的各目标三维体数据,并根据选择的各目标三维体数据,确定该三维体数据块对应的目标三维体数据块;
拼接模块,用于将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像。
本说明书提供了一种计算机可读存储介质,所述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实现上述三维光声断层成像方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述三维光声断层成像方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
本说明书提供的三维光声断层成像方法中,针对采集到的每个原始光声数据,根据该原始光声数据包含的多帧光声数据之间的相关系数,构建该原始光声数据对应的呼吸图谱,基于各原始光声数据的呼吸图谱确定参考呼吸帧数,从而针对根据各原始光声数据三维重建得到的每个三维体数据块,提取所述参考呼吸帧数的该三维体数据块对应的各目标三维体数据作为目标三维体数据块,进而将各目标三维体数据块进行拼接得到三维光声图像。可见,从各三维体数据块中选择参考呼吸帧数的各目标三维体数据构建目标三维体数据块,基于各目标三维体数据块得到三维光声图像的方案,有效地处理了不同呼吸状态下图像的差异,克服了因三维体数据块直接拼接导致的运动模糊和伪影的问题,提高了三维光声图像的质量。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种三维光声断层成像方法的流程示意图;
图2为本说明书中一种三维光声断层成像方法的流程示意图;
图3为本说明书中一种三维光声断层成像方法的流程示意图;
图4为本说明书中一种三维光声断层成像方法的流程示意图;
图5为本说明书提供的一种三维光声断层成像装置的示意图;
图6为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
另外,需要说明的是,本说明书中所有获取信号、信息或数据的动作都是在遵照所在地相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
PACT是一种组织结构成像技术,基于光声效应实现对生物组织内部结构的成像。PACT是一种混合成像技术,结合了激光光学和超声学的优点。其原理是利用激光的热能将组织中吸收光能产生的热膨胀作用转换为超声波信号,通过测量超声波信号的时间和强度来重建组织内部结构。具体而言,光源向组织中注入短脉冲激光,当光能被组织吸收后会引起局部温度上升,进而引发局部热膨胀,形成一个瞬时热膨胀源。由于热膨胀的速度很快,所以这个热膨胀源会产生紧跟在光脉冲之后的超声波信号,这个信号可以被超声探头捕获并记录下来。重复这个过程,不断移动光源和超声探头,最终可以得到整个区域内的超声信号,通过逆问题求解算法即可获得组织的反演图像。
通过不同的光学波长和超声探头位置的组合,可以获得对某一深度区域的高分辨率成像。此外,由于各种不同的生物组织在吸收光能和产生超声波上存在差异,因此PACT既可以用于成像生物组织的结构,也可用于分析组织中某些特定分子的分布情况,具有广泛的应用前景。
目前,PACT广泛应用于医学图像领域,通过PACT技术采集的生物体的二维图像,进而重建成三维图像。但是由于生物体在图像采集的过程中会进行呼吸运动,呼吸运动导致了胸腔内的组织和器官的运动和变形,这些运动和变形会导致组织的光吸收系数、声学特性、密度等产生瞬时的变化,从而干扰到光声信号的传播和接收过程。这种变化可能不均匀地分布在整个生物体内部,会使得生物体的成像区域内的信号受到影响,从而导致采集到的生物体的二维图像出现显著的模糊和伪影,造成图像质量的下降。
目前,为了减少呼吸运动对光声断层成像图像质量的影响,可以采用额外的稳定支架等固定生物体的装置,将生物体固定在一个位置,防止其在成像过程中发生运动。但是,这种方案不仅需要额外的机械装置,还无法实现监控生物体的呼吸运动,更无法完全消除呼吸运动对图像质量的影响。
基于此,本说明书提供一种三维光声断层成像方法,以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书提供的一种三维光声断层成像方法的流程示意图。
S100:通过光声断层成像设备采集多个原始光声数据,并根据各原始光声数据进行三维光声断层重建,得到各三维体数据块。
在本说明书中,采用PACT技术对目标对象进行扫描,采集得到目标对象的多个原始光声数据。其中,用于扫描的光声断层成像设备中可包括脉冲激光发射装置以及超声探测装置。由脉冲激光发射装置向目标对象照射脉冲激光,目标对象的被照射区域因光能量的沉积产生热膨胀,从而产生原始光声数据,超声探测装置即可采集该原始光声数据。该超声探测装置可以是布置在目标对象周围的超声探测器阵列,也可以是按照指定轨道运动的单个超声探测器,本说明书对此不做限定。为了方便阐述,本说明书以超声探测装置为碗装阵列为例,对具体的技术方案进行阐述。可选地,碗状阵列内表面均匀分布着1024个阵元,碗状阵列半径为100mm,采样率40MHz。
通过光声断层成像设备采集原始光声数据,该原始光声数据可以是被采集的目标对象的部分指定区域,也可以是完整的目标对象。如果目标对象的体型较小,或者需要采集图像的目标对象的部分指定区域较小,则可以直接采用单一的碗状阵列进行原始光声数据的采集。但如果目标对象的体型较大,或者需要采集图像的目标对象的部分指定区域较大,仅通过单一的碗状阵列无法完整覆盖整个待采集区域,则可以将需要采集的目标对象的指定区域分割为多个扫描视场,针对每个扫描视场,分别采集该扫描视场中目标对象的部分区域的原始光声数据。
具体的,将所述目标对象布置在位移装置上,控制所述位移装置沿预设的移动路径在各扫描视场内移动,使得所述目标对象在所述各扫描视场内移动,通过固定的碗状阵列在移动过程中对处于各扫描视场内的所述目标对象的部分区域分别进行光声数据的采集,得到所述各扫描视场分别对应的各原始光声数据。例如,目标对象是小鼠,位移装置的移动方向是碗状阵列从小鼠的头部向尾部均匀的采集原始光声数据的方向,该位移装置每次移动2.5mm,共移动20次,从而得到20个原始光声数据。
进一步地,在本说明书中,需要基于PACT技术获得目标对象(或者目标对象的某一指定区域)的三维图像,进而基于三维图像对目标对象的内部生理结构和生理功能进行分析和研究。因此,基于采集到的多个原始光声数据,需要针对每个原始光声数据,通过三维光声断层重建算法,对该原始光声数据进行三维光声断层重新,得到该原始光声数据对应的是三维体数据块。其中,三维光声断层重建算法可以是现有的任一三维重建算法,如时域重建法、频域重建法、傅里叶变换算法、滤波反投影(Filtered Back Projection,FBP)重建算法等,本说明书对此不做限定。
例如,通过光声断层成像设备采集的多个原始光声数据为D1、D2、···、Di、···、DN。其中N为原始光声数据的个数,如N为20。每个原始光声数据均为M×T×F的三维矩阵,其中,M为碗状阵列中阵元的个数,如1024。T为采样点个数,如4096。F为帧数,如130。通过三维光声断层重建算法得到的三维体数据块可以依次为P1、P2、···、Pi、···、PN。每个三维体数据块均为Y×X×Z×F的四维矩阵,其中,Y为y轴方向上的图像数据点个数,如600。X为x轴方向上的图像数据点个数,如600。Z为z轴方向上的图像数据点个数,如600。F为帧数,如130。
可以理解的是,三维体数据块是基于原始光声数据通过三维光声断层重建算法得到的,因此,三维体数据块和原始光声数据是一一对应的,如原始光声数据D1和三维体数据块P1对应,原始光声数据D2和三维体数据块P2对应。
S102:针对每个原始光声数据,根据该原始光声数据包含的多帧光声数据之间的相关系数,构建该原始光声数据对应的呼吸图谱。
具体的,在实际应用中,目标对象可以是生物体,生物体一般都会进行呼吸运动。在目标对象进行呼吸运动的过程中,目标对象的至少部分区域(如胸腔)会发生周期性的变化,如肺部、心脏和血管等器官的移动和变形。目标对象的呼吸运动带来的变化会导致目标对象体内组织的光吸收系数、声学特性、密度等产生瞬时的变化,从而干扰到光声信号的传播和接收过程,进而引起光声信号的瞬时变化,导致成像区域内的信号受到影响,在三维光声断层重建得到的三维光声图像中出现模糊和伪影。因此,在本说明书中,通过对原始光声数据进行分析得到目标对象在的多个呼吸状态,基于这多个呼吸状态得到各三维图数据块的帧数对齐的依据,从而解决因重新图像帧失配导致的细节模糊、目标错位以及严重伪影等问题,能够显著提高图像的重建质量,实现目标对象高帧率和高分辨率的三维光声图像重建。
因此,在此步骤中,首先通过建立原始光声数据对应的呼吸图谱,以此分析得到目标对象的呼吸状态特征。
具体的,本说明书采用相关系数来分析每个原始光声数据包含的各帧光声数据之间的相关程度。其中,相关系数可以通过皮尔逊相关系数(Pearson CorrelationCoefficient)、斯皮尔曼等级相关系数(Spearman Rank Correlation Coefficient)或者判定系数(Coefficient of Determination)等任一现有的相关系数的计算方法确定,本说明书对此不做限定。
首先,针对每个光声原始数据,通过相关系数计算方法,确定该原始光声数据包含的多帧光声数据中任意两帧光声数据之间的相关系数,遍历该原始光声数据包含的多帧光声数据,得到所述多帧光声数据之间的相关系数,将所述多帧光声数据之间的相关系数填入初始矩阵,得到该原始光声数据对应的呼吸图谱。其中,所述初始矩阵中各元素均为初始值0,所述初始矩阵以该原始光声数据包含的各帧光声数据为列,并以该原始光声数据包含的各帧光声数据为行构建。
将该原始光声数据包含的多帧光声数据之间的相关系数依次填入初始矩阵得到的该原始光声数据对应的呼吸图谱可以表征在该原始光声数据的采集过程中,目标对象的呼吸状态。
可选地,该原始光声数据对应呼吸图谱可以如下所示:
其中,Ri表示第i个原始光声数据的呼吸图谱,ρ(Di a,Di b)表示第i个原始光声数据的第a帧和第b帧之间的相关系数。
可选地,相关系数的计算公式可如下:
其中,n表示第i个原始光声数据的第a帧或第b帧的数据点个数,和/>分别表示第i个原始光声数据的第a帧和第b帧的第j个数据点对应的数据值,/>和/>分别表示第i个原始光声数据的第a帧和第b帧的所有数据点的均值。
将目标对象在呼吸运动时采集的一帧光声数据作为呼吸帧光声数据,将目标对象在静息时采集的一帧光声数据作为非呼吸帧光声数据。在实际应用中,由于一帧的呼吸帧光声数据不仅与其他非呼吸帧光声数据之间存在较大差异,还与其他帧的呼吸帧光声数据之间存在较大差异,因此,在呼吸图谱中,呼吸帧光声数据与同一原始光声数据中其他帧光声数据之间均是弱相关的关系,而非呼吸帧光声数据之间并不存在较大差异,因此,属于同一原始光声数据的各非呼吸帧光声数据之间是强相关的关系,因此,通过分析呼吸图谱中的各相关系数,就能够确定哪一帧是呼吸帧光声数据,因为呼吸帧光声数据与其他帧光声数据都是弱相关,会出现某一行(列)的相关系数都较小,因此,只要观察到相关系数均较小的行(或列),就能够确定该行(或列)所对应的某一帧光声数据是呼吸帧光声数据。
可选地,在本说明书中,呼吸图谱包含的各帧光声数据中之间的相关系数的取值范围可以是[0,1]。相关系数越靠近0,相关关系越弱,反之,相关系数越靠近1,相关系数越强。
另外,为了便于后续步骤中,基于呼吸图谱分析目标对象的呼吸状态,可以以相关系数确定灰度值,将呼吸图谱映射为灰度图像,从而可以基于观察的方式直接确定该原始光声数据中哪一帧光声数据是在目标对象呼吸时采集的(哪一帧是呼吸帧光声数据),以及哪一帧光声数据是在目标对象静息时采集的(哪一帧是非呼吸帧光声数据)。
S104:根据所述各原始光声数据对应的呼吸图谱确定参考呼吸帧数。
进一步的,在本说明书中,通过确定呼吸图谱得到目标对象在原始光声数据采集的过程中的呼吸状态。在此步骤中,基于各原始光声数据对应的呼吸图谱,确定在各三维体数据块拼接过程中用于进行对齐配准的帧数据,其中,在各三维体数据块拼接过程中用于进行对齐配准的帧数据可以是参考呼吸帧数。
该参考呼吸帧数是指示各三维体数据块拼接时需要进行对齐的帧数,即,目标对象在原始光声数据采集过程中出现运动模糊和伪影的帧数。只要将各三维体数据块中因目标对象呼吸运动造成运动模糊和伪影的帧进行配准和对齐,即可消除直接拼接带来的图像模糊和伪影,从而提高三维光声图像的质量。
具体的,从各原始光声数据对应的呼吸图谱中分别提取用于表征目标对象呼吸运动的多行相关系数(或多列相关系数),并根据提取出来的多行相关系数(或多列相关系数)确定呼吸波形,其中,提取出的行(或列)对应的各相关系数均是基于呼吸帧光声数据计算得到的。
之后,再从提取出的呼吸波形中,进一步确定该呼吸波形包含的各相关系数中的最小的多个相关系数作为多个该呼吸波形对应的多个谷值,将谷值的数量作为该原始光声数据对应的呼吸帧数。进而,基于各原始光声数据对应的呼吸帧数确定参考呼吸帧数,如将各原始光声数据对应的各呼吸帧数中最小的呼吸帧数作为参考呼吸帧数。
可选地,从各原始光声数据对应的呼吸图谱中分别提取用于表征目标对象呼吸运动的多行相关系数或多列相关系数;根据提取出来的多行相关系数或多列相关系数确定该原始光声数据对应的呼吸波形;从该原始光声数据对应的呼吸波形中,确定该原始光声数据对应的呼吸波形包含的各相关系数中的最小的多个相关系数作为多个谷值,将谷值的数量作为该原始光声数据对应的呼吸帧数;基于各原始光声数据对应的呼吸帧数确定参考呼吸帧数。
S106:针对每个三维体数据块,从该三维体数据块包含的各帧三维体数据中选择所述参考呼吸帧数的该三维体数据块对应的各目标三维体数据,并根据选择的各目标三维体数据,确定该三维体数据块对应的目标三维体数据块。
在上述步骤S104确定的参考呼吸帧数是各三维图数据块的帧数对齐的依据,因此,在此步骤中,从各三维体数据块中分别提取所述参考呼吸帧数的三维体数据作为目标三维体数据,将各三维体数据块分别对应的目标三维体数据进行拼接从而得到消除了运动模糊和伪影的三维光声图像。
因此,在此步骤中,针对每个三维体数据块,从该三维体数据块包含的各帧三维体数据中,提取所述参考呼吸帧数的各三维体数据,作为该三维体数据块对应的各目标三维体数据。
一般的,从三维体数据块中提取参考呼吸帧数的各三维体数据的提取方式是连续提取,即提取出的各目标三维体数据是连续的。例如,三维体数据块中包含F帧三维体数据,参考呼吸帧数为m帧,则从三维体数据块中提取的各目标三维体数据是F帧三维体数据中连续的m帧三维体数据。如从三维体数据块P1、P2、···、Pi、···、PN中分别提取目标三维体数据,得到的各目标三维体数据块分别是P’1、P’2、···、P’i、···、P’N。
S108:将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像。
将上述抽取好的各目标三维体数据块根据视场扫描时的移动距离换算成的图像点数进行平移叠加,即可得到物运动模糊和伪影的三维光声图像。基于本说明书提供的三维光声成像方法得到的三维光声图像具有较高的分辨率和清晰度,能够更好的呈现目标对象体内的组织图像,帮助用户直观地观察目标对象的生物组织,从而提高后续三维光声图像应用于图像处理、科研工作、医疗检测等技术领域的可用性和准确性。
可选地,在将各目标三维体数据块进行拼接后,还可以针对拼接得到三维光声图像进行整体滤波,以便进一步提高三维图像的清晰度,根据拼接得到的三维光声图像选择目标滤波函数,通过所述目标滤波函数对所述三维光声图像进行滤波,得到滤波后的三维光声图像。具体的,各扫描视场内的三维体数据块经配准优化拼接后,根据实验场景选用合适的滤波函数对拼接后的三维光声图像进行整体滤波,从而得到观察区域内完整清晰的三维图像。在本说明书中,拼接得到的三维光声图像可用于观察目标对象的血管影像,因此,可选用用于血管增强的三维Frangi滤波函数,对拼接后的三维光声图像进行整体滤波,以便实现血管增强的目的,从而能够帮助用户更好的观察目标对象的血管状态。
本说明提供的三维光声断层成像方法中,针对采集到的每个原始光声数据,根据该原始光声数据包含的多帧光声数据之间的相关系数,构建该原始光声数据对应的呼吸图谱,基于各原始光声数据的呼吸图谱确定参考呼吸帧数,从而针对根据各原始光声数据三维重建得到的每个三维体数据块,提取所述参考呼吸帧数的该三维体数据块对应的各目标三维体数据作为目标三维体数据块,进而将各目标三维体数据块进行拼接得到三维光声图像。可见,从各三维体数据块中选择参考呼吸帧数的各目标三维体数据构建目标三维体数据块,基于各目标三维体数据块得到三维光声图像的方案,有效地处理了不同呼吸状态下图像的差异,克服了因三维体数据块直接拼接导致的运动模糊和伪影的问题,提高了三维光声图像的质量。
在本说明书一个或多个实施例中,在如图1步骤S100中,如果光声断层成像设备采集光声数据的目标对象较大,仅通过光声断层成像设备的单次扫描无法获得目标对象的完整图像时,则可以采用可移动的光声断层成像设备,对较大的目标对象进行多次扫描,每一次扫描都在不同的扫描视场内,从而获得多个不同扫描视场内的光声数据。具体通过下述方案实现:
首先,获取目标对象的信息。
在实际应用中,当目标对象的体型较大,或者需要采集图像的目标对象的部分指定区域较大,仅通过单一的碗状阵列无法完整覆盖整个待采集区域,则可以将需要采集的目标对象的指定区域分割为多个扫描视场,针对每个扫描视场,分别采集该扫描视场中目标对象的部分区域的原始光声数据。
在本说明书实施例中,采用位移装置携带目标对象移动的方法,使得目标对象沿着预设的移动路径进行移动,在移动的过程中,依次在各扫描视场中采集各扫描视场的对应的目标对象的部分区域的原始光声数据。因此,在此步骤中,需要确定目标对象的信息,目标对象的信息包括目标对象的身长、目标对象的体积、目标对象的姿态等信息。
其次,根据所述目标对象的信息确定光声断层成像设备的各扫描视场的属性。
一般的,为了便于原始光声数据的采集,可以控制目标对象以俯卧位姿态位于采集环境中,其中,扫描视场的属性包括:各扫描视场的扫描顺序、各扫描视场对应的目标对象的移动子距离、每个扫描视场所覆盖的目标对象的立方体体积等。
其中,扫描视场对应的根据目标对象的头部和尾部(脚部)的方向,确定携带目标对象的位移装置的移动起始点、终止点以及移动路径,将携带有目标对象的位置装置的移动方向作为扫描视场的采集顺序。根据目标对象的身长确定移动距离,将移动距离均匀分割为多个子距离,每个子距离对应于每个扫描视场。根据目标对象的体积,确定每个扫描视场所覆盖的立方体体积。
例如,扫描视场的扫描顺序是沿着小鼠头部向尾部的方向,位移装置携带小鼠沿着预设的移动路径在各扫描视场内移动,每次移动的子距离为2.5mm,扫描视场的数量为20个。单次扫描的视场为20mm*20mm*20mm的立方体。
然后,针对每个扫描视场,根据所述光声断层成像设备在该扫描视场的属性,通过所述光声断层成像设备采集该扫描视场对应的所述目标对象的原始光声数据,其中,所述原始光声数据包含多帧光声数据。
具体的,所述光声断层成像设备在该扫描视场的属性至少包括该扫描视场的采集顺序、该扫描视场覆盖的目标对象的立方体体积。根据该扫描视场的采集顺序,通过所述光声断层成像设备,采集该扫描视场覆盖的目标对象的立方体体积,得到该扫描视场对应的所述目标对象的原始光声数据。
在本说明书一个或多个实施例中,如图1步骤S104可按照下述方案实施,如图2所示:
S200:针对每个原始光声数据,根据该原始光声数据对应的呼吸图谱,确定该原始光声数据对应的呼吸波形。
具体的,为了确定参考呼吸帧数,需要从该原始光声数据对应的呼吸图谱中提取该原始光声数据对应的呼吸波形,从而,以呼吸波形表征目标对象在该原始光声数据的采集过程中的呼吸运动,通过分析各原始光声数据对应的呼吸波形,得到三维体数据块拼接过程中用于进行对齐配准的帧数据。
由于呼吸波形用于表征目标对象呼吸运动,因此,可以将呼吸图谱中相关系数均较小的一行或一列直接作为呼吸波形,也可以将呼吸图谱包含的相关系数均较小行作为谷值行,将呼吸图谱中两个谷值行之间的一行抽取出来作为呼吸波形。相对应的,可以将呼吸图谱包含的相关系数均较小列作为谷值列,将呼吸图谱中两个谷值列之间的一行抽取出来作为呼吸波形。
可选地,所述呼吸图谱是用于表征所述原始光声数据包含的各帧光声数据之间的相关性的相关系数矩阵。基于此,步骤S200可以通过下述两种方案实现:
第一种方案:根据该原始光声数据对应的呼吸图谱中该原始光声数据包含的各帧光声数据之间的相关系数,分别确定该原始光声数据对应的呼吸图谱中各行的相关指标;根据所述各行的相关指标,从该原始光声数据对应的呼吸图谱中选择第一目标行和第二目标行;从该原始光声数据对应的呼吸图谱中的第一目标行和第二目标行之间的若干行中选择一行作为该原始光声数据对应的呼吸波形。
第二种方案:根据该原始光声数据对应的呼吸图谱中该原始光声数据包含的各帧光声数据之间的相关系数,分别确定该原始光声数据对应的呼吸图谱中各列的相关指标。根据所述各列的相关指标,从该原始光声数据对应的呼吸图谱中选择第一目标列和第二目标列。从该原始光声数据对应的呼吸图谱中的第一目标列和第二目标列之间的若干列中选择一列作为该原始光声数据对应的呼吸波形。
在上述两种方案中,相关指标可以是用于表征一行(或一列)中各帧光声数据之间的相关系数的集中趋势的统计值,如算数平均数、几何平均数、指数平均数等。相关指标越大,说明该行(列)中各帧光声数据之间的相关系数趋向于强相关,反之,相关指标越小,说明该行(列)中各帧光声数据之间的相关系数趋向于弱相关。因此,在第一种方案中,基于各行的相关指标,选择的第一目标行和第二目标行可以是各行中相关系数最趋向于弱相关的两行,相对应的,第二种方案中,基于各列的相关指标,选择的第一目标列和第二目标列可以是各列中相关系数最趋向于弱相关的两列。
S202:根据该原始光声数据对应的呼吸波形包含的各相关系数,从该原始光声数据包含的各帧光声数据中选择与其他帧光声数据弱相关的各呼吸帧光声数据。
具体的,将呼吸波形中相关系数较小的多帧光声数据作为与其他帧光声数据弱相关的各呼吸帧光声数据,并确定各呼吸帧光声数据在该原始光声数据包含的各帧光声数据中的排序作为所述各呼吸帧光声数据的帧序号。
S204:根据该原始光声数据对应的各呼吸帧光声数据,确定该原始光声数据对应的呼吸周期。
具体的,以前一个呼吸帧光声数据为一个呼吸周期的起始,以后一个呼吸帧光声数据为一个呼吸周期的终止,遍历各呼吸帧光声数据即可得到呼吸周期。在实际应用中,呼吸周期的数量为呼吸帧光声数据的帧数减去1。
例如,当呼吸波形指示该原始光声数据中存在m个呼吸帧光声数据,则该原始光声数据中可包含有(m-1)个呼吸周期。
S206:将所述各原始光声数据分别对应的呼吸周期中最小的呼吸周期作为参考呼吸周期。
在本说明书中,通过分别确定各原始光声数据对应的呼吸波形的呼吸周期,选取所有原始光声数据对应的呼吸波形的呼吸周期中最小的周期作为参考呼吸周期,设该参考呼吸周期为BT。
S208:根据所述各原始光声数据分别对应的各呼吸帧光声数据,以及所述参考呼吸周期,分别确定所述各原始光声数据分别对应的候选呼吸帧数。
在本说明书中,上述步骤S106从三维体数据块包含的各帧三维体数据中选择各目标三维体数据时,提取的方式除了要提取出参考呼吸帧数的目标三维体数据,还需要令提取的目标三维体数据在参考呼吸周期内,从而在基于各目标三维体数据块进行图像拼接时能够实现图像的对齐和配准。因此,在此步骤中,可基于上述S206确定的参考呼吸周期,对各原始光声数据分别对应的呼吸帧光声数据的帧数进行微调,以确保基于参考呼吸帧数提取出来的目标三维体数据块是对齐的。
具体的,可基于参考呼吸周期确定呼吸帧选择范围,如,其中,/>标识向上取整,BT为参考呼吸周期,F为原始光声数据包含的光声数据的帧数。针对每个原始光声数据,确定该原始光声数据对应的各呼吸帧光声数据中,位于首位的呼吸帧光声数据的帧序号与呼吸帧选择范围的左端点的关系,以及位于末尾的呼吸帧光声数据的帧序号与呼吸帧选择范围的右端点的关系。基于这两种关系,对各原始光声数据对应的呼吸帧光声数据的呼吸帧数进行调整得到各原始光声数据对应的候选呼吸帧数。
S210:将所述各原始光声数据分别对应的候选呼吸帧数中最小的候选呼吸帧数作为参考呼吸帧数。
在本说明书一个可选的实施例中,如图2步骤S208可采用下述方案实现,如图3所示:
S300:针对每个原始光声数据,根据该原始光声数据包含的各帧光声数据的采集时刻,确定该原始光声数据对应的各呼吸帧光声数据分别在该原始光声数据包含的各帧光声数据中的排序,作为该原始光声数据对应的各呼吸帧光声数据的呼吸帧序号。
在实际应用中,目标对象的多次呼吸运动并不是完全连续的,也即,两次呼吸运动之间会间隔静息。因此,在该原始光声数据中,各呼吸帧光声数据在各帧光声数据中并非是连续的多帧,而是间隔了非呼吸帧光声数据。因此,各呼吸帧光声数据的呼吸帧序号并不连续。例如,假设原始光声数据包含了五帧光声数据,其中包含有三帧是呼吸帧光声数据,呼吸帧光声数据对应的呼吸帧序号可以是1、3、5,则帧序号为2和6的光声数据为目标对象静息时采集到的非呼吸帧光声数据。
S302:根据所述参考呼吸周期确定第一参考指标,以及根据该原始光声数据包含的光声数据的帧数和所述参考呼吸周期确定第二参考指标。
其中,第一参考指标可以为参考呼吸周期的一半,即。第二参考指标可以是原始光声数据包含的光声数据的帧数和参考呼吸周期的一半之间的差异,即/>。也即,基于参考呼吸周期确定了呼吸帧选择范围,/>。
S304:判断该原始光声数据对应的各呼吸帧光声数据是否满足下述两个条件中的至少一个,若是,执行步骤S308,否则执行步骤S306。
该原始光声数据对应的各呼吸帧光声数据中位于首位的呼吸帧光声数据的呼吸帧序号小于所述第一参考指标;
该原始光声数据对应的各呼吸帧光声数据中位于末位的呼吸帧光声数据的呼吸帧序号小于所述第二参考指标;
S306:将该原始光声数据对应的各呼吸帧光声数据的数量作为该原始光声数据对应的候选呼吸帧数。
S308:判断该原始光声数据对应的各呼吸帧光声数据是否同时满足上述两个条件,若是,执行步骤S310,否则执行步骤S312。
S310:根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第二参考量,确定该原始光声数据对应的候选呼吸帧数。
S312:根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第一参考量,确定该原始光声数据对应的候选呼吸帧数。
第一参考量和第二参考量可以预先根据先验经验设置,本说明书对此不做限定。根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第二参考量,确定该原始光声数据对应的候选呼吸帧数,以及根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第一参考量,确定该原始光声数据对应的候选呼吸帧数的确定方式可以加法、减法等任意现有的统计方法,本说明书对此不做限定。
可选地,第二参考量可以为2,第一参考量可以为1,即,当该原始光声数据对应的各呼吸帧光声数据中位于首位的呼吸帧光声数据的呼吸帧序号小于所述第一参考指标,或者该原始光声数据对应的各呼吸帧光声数据中位于末位的呼吸帧光声数据的呼吸帧序号小于所述第二参考指标,则将该原始光声数据对应的各呼吸帧光声数据的数量减去1,得到该原始光声数据对应的候选呼吸帧数;当该原始光声数据对应的各呼吸帧光声数据中位于首位的呼吸帧光声数据的呼吸帧序号小于所述第一参考指标,并且该原始光声数据对应的各呼吸帧光声数据中位于末位的呼吸帧光声数据的呼吸帧序号小于所述第二参考指标,则将该原始光声数据对应的各呼吸帧光声数据的数量减去2,得到该原始光声数据对应的候选呼吸帧数。
在本说明书一个可选的实施例中,为了避免三维图像体数据块叠加时因为交叠处图像强度突变而出现条纹现象,需对进行叠加操作的三维体数据块进行边缘幅度调制,因此,如图1步骤S108具体通过下述方案实现,如图4所示:
S400:根据所述各原始光声数据的采集时段,将所述各目标三维体数据块进行排列,得到目标序列。
为了避免三维体数据块叠加时因为交叠处图像强度突变而出现条纹现象,需对进行叠加操作的三维体数据块进行边缘幅度调制,即构造与单帧三维体数据块维度相同的边缘幅度调制函数,该边缘幅度调制函数的中心部位幅度为1,边缘平滑衰减至0。
此外,对于目标序列中处于两端(首位和末尾)的三维体数据块P’1和P’N,除了需要在这两个三维体数据块靠近图像拼接处一侧的基于边缘幅度调制函数对边缘平滑衰减,还需要在远离图像拼接处一侧的构建边缘幅度单边增强函数,以便在远离图像拼接处一侧实现平滑增强。
基于此,需要首先确定各三维体数据块的次序,并基于次序将各三维体数据块进行排列构建目标序列。由于三维体数据块是由原始光声数据通过三维重建算法得到的,因此,原始关胜数据与三维体数据块一一对应,因此,确定各三维体数据块的次序的方式可以是基于各原始光声数据的采集时段,将采集时段靠前的原始光声数据对应的三维体数据块排列靠前,将采集时段靠后的原始光声数据对应的三维体数据块排列靠后,得到目标序列。
S402:确定所述目标序列中排列在首位的目标三维体数据块对应的第一边缘幅度单边增强函数,以及确定所述目标序列中排列在末尾的目标三维体数据块对应的第二边缘幅度单边增强函数。
对于在目标序列中排列在首位的三维体数据块P’1,可构造的第一边缘幅度单边增强函数为Aes,对于在目标序列中排列在末尾的三维体数据块P’N,可构造的第二边缘幅度单边增强函数为Aee,由于第一边缘幅度单边增强函数为Aes和第二边缘幅度单边增强函数为Aee所实现的功能均为远离图像拼接的一侧平滑增强,因此,第一边缘幅度单边增强函数为Aes和第二边缘幅度单边增强函数为Aee实际上是对称的。
可选地,构造第一边缘幅度单边增强函数为Aes的方案可如下:
以第一边缘幅度单边增强函数为Aes为600×600×600的三维矩阵为例,Aes的每一页的每个列向量均为fesT,其中:
f’es的表达式如下:
其中,ye的表达式如下:
fes的表达式如下:
再对fes的部分元素进行替换:
对于第二边缘幅度单边增强函数为Aee,Aee矩阵的每一页的每一个列向量均为feeT,由于Aee和Aes是对称的,因此,只需将fes对称翻转即可得到fee:
S404:确定所述目标序列中各目标三维体数据块对应的边缘幅度平滑函数。
对于三维体数据块P’2至P’N-1构造的边缘幅度平滑函数为As,该As可以为一个600×600×600的三维矩阵,该矩阵的每一页的每一个列向量均为fsT。可选地,fs可如下所示:
f’s满足如下表达式:
y满足如下表达式:
其中,μ为0,σ为40。
S406:根据所述第一边缘幅度单边增强函数、所述第二边缘幅度单边增强函数,以及所述边缘幅度平滑函数,将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像。
具体的,采用第一边缘幅度单边增强函数对目标序列中处于首位的三维体数据块在远离图像拼接的一侧进行边缘平滑增强;
对于目标序列中位于首位的三维体数据块在靠近图像拼接的一侧、从目标序列中处于首位之后的第二位的三维体数据块,到目标序列中位于末尾之前的第N-1为的三维体数据块之间的所有三维体数据块的两侧,以及目标序列中处于末尾的三维体数据块在靠近图像拼接的一侧,分别采用边缘幅度平滑函数进行边缘幅度调制;
采用第二边缘幅度单边增强函数对目标序列中处于末尾的三维体数据块在远离图像拼接的一侧进行边缘平滑增强。
图5为本说明书提供的一种三维光声断层成像装置示意图,具体包括:
采集模块500,用于通过光声断层成像设备采集多个原始光声数据,并根据各原始光声数据进行三维光声断层重建,得到各三维体数据块;
呼吸图谱构建模块502,用于针对每个原始光声数据,根据该原始光声数据包含的多帧光声数据之间的相关系数,构建该原始光声数据对应的呼吸图谱;
参考呼吸帧数确定模块504,用于根据所述各原始光声数据对应的呼吸图谱确定参考呼吸帧数;
目标三维体数据块确定模块506,用于针对每个三维体数据块,从该三维体数据块包含的各帧三维体数据中选择所述参考呼吸帧数的该三维体数据块对应的各目标三维体数据,并根据选择的各目标三维体数据,确定该三维体数据块对应的目标三维体数据块;
拼接模块508,用于将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像。
可选地,所述采集模块500,具体用于获取目标对象的信息;根据所述目标对象的信息确定光声断层成像设备的各扫描视场的属性;针对每个扫描视场,根据所述光声断层成像设备在该扫描视场的属性,通过所述光声断层成像设备采集该扫描视场对应的所述目标对象的原始光声数据,其中,所述原始光声数据包含多帧光声数据。
可选地,所述参考呼吸帧数确定模块504,具体用于针对每个原始光声数据,根据该原始光声数据对应的呼吸图谱,确定该原始光声数据对应的呼吸波形;根据该原始光声数据对应的呼吸波形包含的各相关系数,从该原始光声数据包含的各帧光声数据中选择与其他帧光声数据弱相关的各呼吸帧光声数据;根据该原始光声数据对应的各呼吸帧光声数据,确定该原始光声数据对应的呼吸周期;将所述各原始光声数据分别对应的呼吸周期中最小的呼吸周期作为参考呼吸周期;根据所述各原始光声数据分别对应的各呼吸帧光声数据,以及所述参考呼吸周期,分别确定所述各原始光声数据分别对应的候选呼吸帧数;将所述各原始光声数据分别对应的候选呼吸帧数中最小的候选呼吸帧数作为参考呼吸帧数。
可选地,所述呼吸图谱是用于表征所述原始光声数据包含的各帧光声数据之间的相关性的相关系数矩阵;
可选地,所述参考呼吸帧数确定模块504,具体用于根据该原始光声数据对应的呼吸图谱中该原始光声数据包含的各帧光声数据之间的相关系数,分别确定该原始光声数据对应的呼吸图谱中各行的相关指标;根据所述各行的相关指标,从该原始光声数据对应的呼吸图谱中选择第一目标行和第二目标行;从该原始光声数据对应的呼吸图谱中的第一目标行和第二目标行之间的若干行中选择一行作为该原始光声数据对应的呼吸波形;或者根据该原始光声数据对应的呼吸图谱中该原始光声数据包含的各帧光声数据之间的相关系数,分别确定该原始光声数据对应的呼吸图谱中各列的相关指标;根据所述各列的相关指标,从该原始光声数据对应的呼吸图谱中选择第一目标列和第二目标列;从该原始光声数据对应的呼吸图谱中的第一目标列和第二目标列之间的若干列中选择一列作为该原始光声数据对应的呼吸波形。
可选地,所述参考呼吸帧数确定模块504,具体用于针对每个原始光声数据,根据该原始光声数据包含的各帧光声数据的采集时刻,确定该原始光声数据对应的各呼吸帧光声数据分别在该原始光声数据包含的各帧光声数据中的排序,作为该原始光声数据对应的各呼吸帧光声数据的呼吸帧序号;根据所述参考呼吸周期确定第一参考指标,以及根据该原始光声数据包含的光声数据的帧数和所述参考呼吸周期确定第二参考指标;当该原始光声数据对应的各呼吸帧光声数据中位于首位的呼吸帧光声数据的呼吸帧序号小于所述第一参考指标,或者该原始光声数据对应的各呼吸帧光声数据中位于末位的呼吸帧光声数据的呼吸帧序号小于所述第二参考指标,则根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第一参考量,确定该原始光声数据对应的候选呼吸帧数;当该原始光声数据对应的各呼吸帧光声数据中位于首位的呼吸帧光声数据的呼吸帧序号小于所述第一参考指标,并且该原始光声数据对应的各呼吸帧光声数据中位于末位的呼吸帧光声数据的呼吸帧序号小于所述第二参考指标,则根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第二参考量,确定该原始光声数据对应的候选呼吸帧数。
可选地,所述拼接模块508,具体用于根据所述各原始光声数据的采集时段,将所述各目标三维体数据块进行排列,得到目标序列;确定所述目标序列中排列在首位的目标三维体数据块对应的第一边缘幅度单边增强函数,以及确定所述目标序列中排列在末尾的目标三维体数据块对应的第二边缘幅度单边增强函数;确定所述目标序列中各目标三维体数据块对应的边缘幅度平滑函数;根据所述第一边缘幅度单边增强函数、所述第二边缘幅度单边增强函数,以及所述边缘幅度平滑函数,将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像。
可选地,所述装置还包括:
滤波模块510,具体用于根据拼接后的三维光声图像选择目标滤波函数;通过所述目标滤波函数对所述三维光声图像进行滤波,得到滤波后的三维光声图像。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1所示的三维光声断层成像方法。
本说明书还提供了图6所示的电子设备的示意结构图。如图6所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所示的三维光声断层成像方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device, PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、***、或计算机程序产品。因此,本说明书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,本说明书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。
本说明书是参照根据本说明书实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书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,本说明书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。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (9)
1.一种三维光声断层成像方法,其特征在于,包括:
通过光声断层成像设备采集多个原始光声数据,并根据各原始光声数据进行三维光声断层重建,得到各三维体数据块;
针对每个原始光声数据,根据该原始光声数据包含的多帧光声数据之间的相关系数,构建该原始光声数据对应的呼吸图谱;
根据所述各原始光声数据对应的呼吸图谱确定参考呼吸帧数;
针对每个三维体数据块,从该三维体数据块包含的各帧三维体数据中选择所述参考呼吸帧数的该三维体数据块对应的各目标三维体数据,并根据选择的各目标三维体数据,确定该三维体数据块对应的目标三维体数据块;
将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像;
所述针对每个原始光声数据,根据该原始光声数据包含的多帧光声数据之间的相关系数,构建该原始光声数据对应的呼吸图谱,具体包括:
针对每个原始光声数据,通过相关系数计算方法,确定该原始光声数据包含的多帧光声数据中任意两帧光声数据之间的相关系数,遍历该原始光声数据包含的多帧光声数据,得到所述多帧光声数据之间的相关系数,将所述多帧光声数据之间的相关系数填入初始矩阵,得到该原始光声数据对应的呼吸图谱;其中,所述初始矩阵以该原始光声数据包含的各帧光声数据为列,并以该原始光声数据包含的各帧光声数据为行构建;
所述根据所述各原始光声数据对应的呼吸图谱确定参考呼吸帧数,具体包括:
针对每个原始光声数据,根据该原始光声数据对应的呼吸图谱,确定该原始光声数据对应的呼吸波形;
根据该原始光声数据对应的呼吸波形包含的各相关系数,从该原始光声数据包含的各帧光声数据中选择与其他帧光声数据弱相关的各呼吸帧光声数据;
根据该原始光声数据对应的各呼吸帧光声数据,确定该原始光声数据对应的呼吸周期;
将所述各原始光声数据分别对应的呼吸周期中最小的呼吸周期作为参考呼吸周期;
根据所述各原始光声数据分别对应的各呼吸帧光声数据,以及所述参考呼吸周期,分别确定所述各原始光声数据分别对应的候选呼吸帧数;
将所述各原始光声数据分别对应的候选呼吸帧数中最小的候选呼吸帧数作为参考呼吸帧数。
2.如权利要求1所述的方法,其特征在于,所述通过光声断层成像设备采集多个原始光声数据,具体包括:
获取目标对象的信息;
根据所述目标对象的信息确定光声断层成像设备的各扫描视场的属性;
针对每个扫描视场,根据所述光声断层成像设备在该扫描视场的属性,通过所述光声断层成像设备采集该扫描视场对应的所述目标对象的原始光声数据,其中,所述原始光声数据包含多帧光声数据。
3.如权利要求1所述的方法,其特征在于,所述呼吸图谱是用于表征所述原始光声数据包含的各帧光声数据之间的相关性的相关系数矩阵;
根据该原始光声数据对应的呼吸图谱,确定该原始光声数据对应的呼吸波形,具体包括:
根据该原始光声数据对应的呼吸图谱中该原始光声数据包含的各帧光声数据之间的相关系数,分别确定该原始光声数据对应的呼吸图谱中各行的相关指标;
根据所述各行的相关指标,从该原始光声数据对应的呼吸图谱中选择第一目标行和第二目标行;
从该原始光声数据对应的呼吸图谱中的第一目标行和第二目标行之间的若干行中选择一行作为该原始光声数据对应的呼吸波形;
或者
根据该原始光声数据对应的呼吸图谱中该原始光声数据包含的各帧光声数据之间的相关系数,分别确定该原始光声数据对应的呼吸图谱中各列的相关指标;
根据所述各列的相关指标,从该原始光声数据对应的呼吸图谱中选择第一目标列和第二目标列;
从该原始光声数据对应的呼吸图谱中的第一目标列和第二目标列之间的若干列中选择一列作为该原始光声数据对应的呼吸波形。
4.如权利要求1所述的方法,其特征在于,根据所述各原始光声数据分别对应的各呼吸帧光声数据,以及所述参考呼吸周期,分别确定所述各原始光声数据分别对应的候选呼吸帧数,具体包括:
针对每个原始光声数据,根据该原始光声数据包含的各帧光声数据的采集时刻,确定该原始光声数据对应的各呼吸帧光声数据分别在该原始光声数据包含的各帧光声数据中的排序,作为该原始光声数据对应的各呼吸帧光声数据的呼吸帧序号;
根据所述参考呼吸周期确定第一参考指标,以及根据该原始光声数据包含的光声数据的帧数和所述参考呼吸周期确定第二参考指标;
当该原始光声数据对应的各呼吸帧光声数据中位于首位的呼吸帧光声数据的呼吸帧序号小于所述第一参考指标,或者该原始光声数据对应的各呼吸帧光声数据中位于末位的呼吸帧光声数据的呼吸帧序号小于所述第二参考指标,则根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第一参考量,确定该原始光声数据对应的候选呼吸帧数;
当该原始光声数据对应的各呼吸帧光声数据中位于首位的呼吸帧光声数据的呼吸帧序号小于所述第一参考指标,并且该原始光声数据对应的各呼吸帧光声数据中位于末位的呼吸帧光声数据的呼吸帧序号小于所述第二参考指标,则根据该原始光声数据对应的各呼吸帧光声数据的数量以及预设的第二参考量,确定该原始光声数据对应的候选呼吸帧数。
5.如权利要求1所述的方法,其特征在于,将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像,具体包括:
根据所述各原始光声数据的采集时段,将所述各目标三维体数据块进行排列,得到目标序列;
确定所述目标序列中排列在首位的目标三维体数据块对应的第一边缘幅度单边增强函数,以及确定所述目标序列中排列在末尾的目标三维体数据块对应的第二边缘幅度单边增强函数;
确定所述目标序列中各目标三维体数据块对应的边缘幅度平滑函数;
根据所述第一边缘幅度单边增强函数、所述第二边缘幅度单边增强函数,以及所述边缘幅度平滑函数,将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据拼接后的三维光声图像选择目标滤波函数;
通过所述目标滤波函数对所述三维光声图像进行滤波,得到滤波后的三维光声图像。
7.一种三维光声断层成像装置,其特征在于,包括:
采集模块,用于通过光声断层成像设备采集多个原始光声数据,并根据各原始光声数据进行三维光声断层重建,得到各三维体数据块;
呼吸图谱构建模块,用于针对每个原始光声数据,根据该原始光声数据包含的多帧光声数据之间的相关系数,构建该原始光声数据对应的呼吸图谱;
参考呼吸帧数确定模块,用于根据所述各原始光声数据对应的呼吸图谱确定参考呼吸帧数;
目标三维体数据块确定模块,用于针对每个三维体数据块,从该三维体数据块包含的各帧三维体数据中选择所述参考呼吸帧数的该三维体数据块对应的各目标三维体数据,并根据选择的各目标三维体数据,确定该三维体数据块对应的目标三维体数据块;
拼接模块,用于将所述各三维体数据块分别对应的目标三维体数据块进行拼接,得到三维光声图像;
所述呼吸图谱构建模块具体用于,针对每个原始光声数据,通过相关系数计算方法,确定该原始光声数据包含的多帧光声数据中任意两帧光声数据之间的相关系数,遍历该原始光声数据包含的多帧光声数据,得到所述多帧光声数据之间的相关系数,将所述多帧光声数据之间的相关系数填入初始矩阵,得到该原始光声数据对应的呼吸图谱;其中,所述初始矩阵以该原始光声数据包含的各帧光声数据为列,并以该原始光声数据包含的各帧光声数据为行构建;
所述参考呼吸帧数确定模块具体用于,针对每个原始光声数据,根据该原始光声数据对应的呼吸图谱,确定该原始光声数据对应的呼吸波形;根据该原始光声数据对应的呼吸波形包含的各相关系数,从该原始光声数据包含的各帧光声数据中选择与其他帧光声数据弱相关的各呼吸帧光声数据;根据该原始光声数据对应的各呼吸帧光声数据,确定该原始光声数据对应的呼吸周期;将所述各原始光声数据分别对应的呼吸周期中最小的呼吸周期作为参考呼吸周期;根据所述各原始光声数据分别对应的各呼吸帧光声数据,以及所述参考呼吸周期,分别确定所述各原始光声数据分别对应的候选呼吸帧数;将所述各原始光声数据分别对应的候选呼吸帧数中最小的候选呼吸帧数作为参考呼吸帧数。
8.一种计算机可读存储介质,其特征在于,所述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实现上述权利要求1~6任一项所述的方法。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311019945.3A CN116740219B (zh) | 2023-08-14 | 2023-08-14 | 一种三维光声断层成像方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311019945.3A CN116740219B (zh) | 2023-08-14 | 2023-08-14 | 一种三维光声断层成像方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116740219A CN116740219A (zh) | 2023-09-12 |
CN116740219B true CN116740219B (zh) | 2024-01-09 |
Family
ID=87901574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311019945.3A Active CN116740219B (zh) | 2023-08-14 | 2023-08-14 | 一种三维光声断层成像方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116740219B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109716104A (zh) * | 2016-07-25 | 2019-05-03 | 光声技术股份有限公司 | 用于获取组织的共配准正交荧光光声体积投影的仪器及其使用的方法 |
CN110279429A (zh) * | 2019-06-13 | 2019-09-27 | 北京理工大学 | 四维超声重建方法及装置 |
CN113316414A (zh) * | 2018-10-31 | 2021-08-27 | 西北大学 | 无创测量哺乳动物受试者生理参数的设备、方法及其应用 |
CN113643206A (zh) * | 2021-08-17 | 2021-11-12 | 河南科技大学 | 一种奶牛呼吸情况检测方法 |
CN114727760A (zh) * | 2020-12-29 | 2022-07-08 | 深圳迈瑞生物医疗电子股份有限公司 | 一种光声成像方法及光声成像*** |
CN115177217A (zh) * | 2022-09-09 | 2022-10-14 | 之江实验室 | 基于球形粒子光脉冲激发效应的光声信号仿真方法、装置 |
CN115619889A (zh) * | 2022-11-09 | 2023-01-17 | 哈尔滨工业大学(威海) | 一种适用于环形阵列的多特征融合光声图像重建方法 |
CN115753627A (zh) * | 2022-11-28 | 2023-03-07 | 北京大学 | 一种光声双模成像***及其成像方法 |
CN115937345A (zh) * | 2022-12-20 | 2023-04-07 | 中国科学技术大学 | 一种基于深度学习的光声图像重建方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210030280A1 (en) * | 2012-01-23 | 2021-02-04 | Tomowave Laboratories, Inc. | Quantitative Optoacoustic Tomography for Dynamic Angiography of Peripheral Vasculature |
CN104574329B (zh) * | 2013-10-09 | 2018-03-09 | 深圳迈瑞生物医疗电子股份有限公司 | 超声融合成像方法、超声融合成像导航*** |
WO2015095883A1 (en) * | 2013-12-20 | 2015-06-25 | Washington University | Respiratory motion compensation in photoacoustic computed tomography |
US11471057B2 (en) * | 2016-11-29 | 2022-10-18 | Washington University | Single-impulse panoramic photoacoustic computed tomography (SIP-PACT) |
-
2023
- 2023-08-14 CN CN202311019945.3A patent/CN116740219B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109716104A (zh) * | 2016-07-25 | 2019-05-03 | 光声技术股份有限公司 | 用于获取组织的共配准正交荧光光声体积投影的仪器及其使用的方法 |
CN113316414A (zh) * | 2018-10-31 | 2021-08-27 | 西北大学 | 无创测量哺乳动物受试者生理参数的设备、方法及其应用 |
CN110279429A (zh) * | 2019-06-13 | 2019-09-27 | 北京理工大学 | 四维超声重建方法及装置 |
CN114727760A (zh) * | 2020-12-29 | 2022-07-08 | 深圳迈瑞生物医疗电子股份有限公司 | 一种光声成像方法及光声成像*** |
CN113643206A (zh) * | 2021-08-17 | 2021-11-12 | 河南科技大学 | 一种奶牛呼吸情况检测方法 |
CN115177217A (zh) * | 2022-09-09 | 2022-10-14 | 之江实验室 | 基于球形粒子光脉冲激发效应的光声信号仿真方法、装置 |
CN115619889A (zh) * | 2022-11-09 | 2023-01-17 | 哈尔滨工业大学(威海) | 一种适用于环形阵列的多特征融合光声图像重建方法 |
CN115753627A (zh) * | 2022-11-28 | 2023-03-07 | 北京大学 | 一种光声双模成像***及其成像方法 |
CN115937345A (zh) * | 2022-12-20 | 2023-04-07 | 中国科学技术大学 | 一种基于深度学习的光声图像重建方法及装置 |
Non-Patent Citations (2)
Title |
---|
Single-breath-hold photoacoustic computed tomography of the breast;Li Lin 等;《Nature Communications》;第09卷;全文 * |
多光谱光声层析成像及其在生物医学中的应用;刘迎亚 等;《化学进展》(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116740219A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109215094B (zh) | 相位衬度图像生成方法及*** | |
JPS641141B2 (zh) | ||
CN112396560A (zh) | 用于使用深度神经网络对医疗图像进行去模糊的***和方法 | |
JPH04161145A (ja) | 生体計測装置 | |
JP2005521501A (ja) | 画像シーケンスから画像を決定する方法 | |
CN111417342A (zh) | 脑网络的活动估计***、脑网络的活动估计方法、脑网络的活动估计程序以及已学习脑活动估计模型 | |
JP5935498B2 (ja) | 情報処理装置、情報処理方法、プログラム及び情報処理システム | |
JP6025888B2 (ja) | 光音響装置、装置および方法 | |
JP5305818B2 (ja) | 生体情報取得装置 | |
KR20170074762A (ko) | 모션 분해 mri를 위한 시스템 및 방법 | |
Shahadi et al. | Eulerian video magnification: a review | |
JP6489801B2 (ja) | 画像処理装置、画像診断システム、画像処理方法およびプログラム | |
CN116740219B (zh) | 一种三维光声断层成像方法、装置、设备及可读存储介质 | |
JP4071475B2 (ja) | 生体光計測装置 | |
JP6732476B2 (ja) | 被検体情報取得装置 | |
KR20200086919A (ko) | 단층 영상 촬영 장치 및 단층 영상 생성 방법 | |
CN107913078B (zh) | 用于确定灌注数据组的方法 | |
CN113017593B (zh) | 血流信号强度分层滤波的血管尾部伪影去除方法与*** | |
CN117333529A (zh) | 一种基于模板匹配的血管超声内膜自动化测量方法及*** | |
CN107847141A (zh) | 用于获取与多个图像数据集的位置位移有关的信息的设备、方法和程序 | |
Imms et al. | A high performance biometric signal and image processing method to reveal blood perfusion towards 3D oxygen saturation mapping | |
CN118019497A (zh) | 图像生成方法、图像生成程序以及图像生成装置 | |
US20190099083A1 (en) | Information processing apparatus and information processing method | |
CN117038064B (zh) | 一种辅助分析算法的评估方法、装置、存储介质及设备 | |
JP6012776B2 (ja) | 被検体情報取得装置および被検体情報取得装置の制御方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |