CN117557486A - 基于超声影像的神经麻醉穿刺辅助定位方法 - Google Patents
基于超声影像的神经麻醉穿刺辅助定位方法 Download PDFInfo
- Publication number
- CN117557486A CN117557486A CN202410038245.7A CN202410038245A CN117557486A CN 117557486 A CN117557486 A CN 117557486A CN 202410038245 A CN202410038245 A CN 202410038245A CN 117557486 A CN117557486 A CN 117557486A
- Authority
- CN
- China
- Prior art keywords
- image
- image block
- gray level
- ultrasonic
- sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 206010002091 Anaesthesia Diseases 0.000 title claims abstract description 31
- 230000037005 anaesthesia Effects 0.000 title claims abstract description 31
- 230000001537 neural effect Effects 0.000 title abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 230000003444 anaesthetic effect Effects 0.000 claims abstract description 7
- 230000000875 corresponding effect Effects 0.000 claims description 84
- 241001270131 Agaricus moelleri Species 0.000 claims description 15
- 238000002604 ultrasonography Methods 0.000 claims description 14
- 210000005036 nerve Anatomy 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 11
- 230000002596 correlated effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 5
- 206010044565 Tremor Diseases 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
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
本发明涉及图像增强技术领域,具体涉及基于超声影像的神经麻醉穿刺辅助定位方法。该方法分别获取未穿刺阶段和穿刺阶段的超声图像,通过未穿刺阶段中超声图像的每个图像块的灰度波动和灰度分布的动态变化,获得每个图像块的灰度动态变化程度;在时序上计算穿刺阶段每次获取超声图像后,在整体超声图像下每个图像块的灰度动态变化程度并排序,获得时序变化序列;根据时序变化序列中灰度动态变化程度的变化趋势得到变化显著度,基于变化显著度之间的差异情况采样非局部均值滤波,获得增强穿刺超声图像进行辅助定位。本发明从时序变化的角度分析麻醉区域组织间相似性,得到高质量的增强图像,进而提高后续穿刺位置精准定位的可靠程度。
Description
技术领域
本发明涉及图像增强技术领域,具体涉及基于超声影像的神经麻醉穿刺辅助定位方法。
背景技术
通过超声影像可以实时、动态显示目标部位的神经及伴行血管等麻醉区域组织解剖结构,有效引导麻醉穿刺进针的方向和深度,可实现精准麻醉,减少麻醉并发症的发生,因此麻醉区域超声影像的成像质量是关乎麻醉穿刺定位准确的重要因素。
非局部均值滤波是实现超声图像滤波增强的常规技术之一,其可以根据获取的超声图像上的图像块间的相似性关系,实现超声图像滤波增强效果。但由于麻醉穿刺时动脉血管及区域性的神经颤动,会导致获取的实时超声影像中穿刺针头的显影会随之发生变化,从而使得穿刺方向与深度位置难以精准定位,由于超声图像中不同区域颤动情况的不同,仅采用均方误差作为非局部均值滤波进行图像块的相似度权重增强,使滤波增强后的图像难以有效区分不同区域性变化特征下的穿刺针头的位置信息,得到的增强图像质量较差,无法实现后续穿刺位置的精准定位。
发明内容
为了解决现有技术中得到的增强图像质量较差,无法实现后续穿刺位置的精准定位的技术问题,本发明的目的在于提供一种基于超声影像的神经麻醉穿刺辅助定位方法,所采用的技术方案具体如下:
本发明提供了一种基于超声影像的神经麻醉穿刺辅助定位方法,所述方法包括:
在麻醉区域获取未穿刺阶段中两个以上的超声图像和穿刺阶段中当前时刻前每个采样时刻对应的超声图像;将每个超声图像划分为两个以上的图像块;将未穿刺阶段中所有超声图像作为一个图像组;
对于图像组中的所有超声图像,根据每个图像块在每个超声图像下的灰度分布的波动情况,以及对应图像块在每个超声图像中与在图像组整体超声图像中灰度分布情况之间的偏差程度,获得图像组对应的每个图像块的灰度动态变化程度;
按照时序顺序依次将穿刺阶段中当前时刻前每个采样时刻对应的超声图像加入图像组中,每加入一个超声图像后,获取一次此时图像组对应的每个图像块的灰度动态变化程度;将每个图像块对应的所有灰度动态变化程度按照时序顺序排序,获得当前时刻下每个图像块对应的时序变化序列;在当前时刻下每个图像块的时序变化序列中,根据灰度动态变化程度的变化趋势情况,获得当前时刻下每个图像块的变化显著度;
根据当前时刻下两个图像块之间变化显著度的差异情况,获得当前时刻下两个图像块之间的相似度权重;基于当前时刻对应的相似度权重采用非局部均值滤波获取当前时刻下的增强穿刺超声图像,进行辅助定位。
进一步地,所述灰度动态变化程度的获取方法包括:
依次将每个图像块作为目标图像块,对于图像组中任意一个超声图像,获取目标图像块在该超声图像下的灰度直方图;根据每个灰度等级在灰度直方图上的分布情况,获得目标图像块在该超声图像下的灰度分布序列和灰度波动指标;
根据目标图像块在图像组中每个超声图像下的灰度分布序列,获得目标图像块的灰度分布均值序列;
计算目标图像块在每个超声图像下的灰度分布序列与灰度分布均值序列之间的DTW值,获得目标图像块在每个超声图像下的变化偏差指标;
计算目标图像块在每个超声图像下的灰度波动指标和变化偏差指标的乘积,获得目标图像块在每个超声图像下的灰度变化指标;将目标图像块在所有超声图像下的灰度变化指标的平均值,作为目标图像块的灰度动态变化程度。
进一步地,所述根据每个灰度等级在灰度直方图上的分布情况,获得目标图像块在该超声图像下的灰度分布序列和灰度波动指标,包括:
获取所有灰度等级在目标图像块对应该超声图像下的灰度直方图中的分布频率;将所有灰度等级在目标图像块中的分布频率按照灰度等级从小到大的顺序排列,获得目标图像块的灰度分布序列;
将目标图像块在该超声图像下的灰度分布序列中分布频率的最大值作为最大波动值;将目标图像块在该超声图像下的灰度分布序列中非零分布频率的最小值作为最小波动值;将最大波动值和最小波动值的差值作为目标图像块在该超声图像下的灰度波动指标。
进一步地,所述获取所有灰度等级在目标图像块对应该超声图像下的灰度直方图中的分布频率,包括:
当灰度等级在目标图像块的灰度直方图中存在出现频率时,将出现频率记为对应灰度等级的分布频率;当灰度等级在目标图像块的灰度直方图中不存在出现频率时,将对应灰度等级的分布频率记为零。
进一步地,所述灰度分布均值序列的获取方法包括:
获取目标图像块在每个超声图像下的灰度分布序列中每个分布频率的序号;当序号对应的分布频率中存在非零分布频率,将对应序号对应的所有非零分布频率的平均值作为对应序号的分布频率均值;当序号对应的分布频率中不存在非零分布频率,将对应序号的分布频率均值记为零;
将所有分布频率均值按照序号从小到大的顺序排序,获得目标图像块的灰度分布均值序列。
进一步地,所述变化显著度的获取方法包括:
对于任意一个图像块,计算当前时刻下该图像块对应时序变化序列中每相邻两个灰度动态变化程度之间的差异,获得该图像块对应的变化差异;将该图像块的所有变化差异的平均值作为该图像块的时序变化均值;将该图像块的变化差异的最大值作为该图像块的显著值;
根据该图像块的显著值和时序变化均值,获得当前时刻下该图像块的变化显著度;显著值与变化显著值呈正相关,时序变化均值与变化显著值呈负相关,变化显著值为进行归一化处理后的值。
进一步地,所述相似度权重的获取方法包括:
将当前时刻下任意两个图像块的变化显著度的差异进行负相关映射并归一化处理,获得对应任意两个图像块之间的相似度权重。
进一步地,所述将每个超声图像划分为两个以上的图像块,包括:
将每个超声图像均匀划分为预设数量个图像块;每个超声图像划分方法均相同且预设数量大于或等于2。
进一步地,所述预设数量设置为50。
进一步地,所述灰度等级的总数量为256个。
本发明具有如下有益效果:
本发明分别获取未穿刺阶段和穿刺阶段中的超声图像,通过未穿刺阶段中超声图像中每个图像块的灰度波动和灰度分布的动态变化情况,得到未穿刺阶段中每个图像块较为稳定的灰度动态变化程度,表征麻醉区域中不同区域影像在此图像块范围内的灰度动态变化特征。进一步,考虑穿刺阶段中穿刺针头的穿刺运动特征对于原有的变化特征的影响,在时序上计算穿刺阶段每次获取超声图像后,在整体超声图像下每个图像块的灰度动态变化程度,进而获得当前时刻下每个图像块由灰度动态变化程度组成的时序变化序列。因为穿刺过程会带来图像块的灰度动态变化程度在时序上会发生一定的变化,因此根据时序变化序列中灰度动态变化程度的变化趋势得到变化显著度,反映受穿刺针出现影响的时序动态变化的显著程度,进而通过图像块之间的变化显著度的差异情况得到相似度权重,相似度权重可以用来优化非局部均值滤波。最终基于相似度权重采用非局部均值滤波实现当前时刻下超声图像的增强辅助穿刺针定位。本发明通过时序上灰度动态变化的范围,从时序变化特征的角度分析麻醉区域组织的相似性特征,提高穿刺针出现后滤波的鲁棒性和增强效果,得到高质量的增强超声图像,进而提高后续穿刺位置的精准定位的可靠程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中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它附图。
图1为本发明一个实施例所提供的一种基于超声影像的神经麻醉穿刺辅助定位方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于超声影像的神经麻醉穿刺辅助定位方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于超声影像的神经麻醉穿刺辅助定位方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于超声影像的神经麻醉穿刺辅助定位方法流程图,该方法包括以下步骤:
S1:在麻醉区域获取未穿刺阶段中两个以上的超声图像和穿刺阶段中当前时刻前每个采样时刻对应的超声图像;将每个超声图像划分为两个以上的图像块;将未穿刺阶段中所有超声图像作为一个图像组。
由于身体组织结构会随着身体的生理性活动产生运动,使得麻醉区域中存在的部分动脉血管及组织产生区域性的神经颤动,这使得单超声图像不同组织区域之间的相似性难以分析,因此需要时序上多超声图像对不同区域的动态变化特征进行分析。在本发明实施例中,利用超声检测设备获取麻醉区域的超声图像,需要说明的是,超声图像在生成之后即为灰度图像,在此麻醉区域的超声图像获取分为两个阶段,一个是未进行穿刺的未穿刺阶段,一个是在穿刺过程的穿刺阶段。
通过未穿刺阶段的超声图像可以得到每个区域较为稳定变化的变化特征,进而在穿刺过程方便分析穿刺针的运动带来的运动变化影响,故获取未穿刺阶段中两个以上的超声图像,方便分析变化特征,并获取穿刺阶段中当前时刻前每个采样时刻对应的超声图像,对实时的穿刺过程中的超声图像进行增强,在本发明实施例中,设置采样时间间隔为0.5秒,具体数值实施者可自行调控,在两个阶段基于采样时间获得多个超声图像进行分析。
由于不同区域的变化情况不一致,因此为了便于对不同组织区域分别分析,对每个超声图像进行划分,将每个超声图像划分为两个以上的图像块。优选地,将每个超声图像均匀划分为预设数量个图像块,每个超声图像划分方法均相同且预设数量大于或等于2,保证多个超声图像在不同区域位置之间的准确分析,在本发明实施例中,预设数量设置为50,具体数值实施者可根据具体实施情况进行调整。需要说明的是,划分方法优先选取均匀划分,根据图像的边缘大小进行均分,当无法均分时,取图像边缘大小的最大均分情况划分,并将剩余部分作为一个图像块,例如当划分图像块数量为10,图像边缘大小为100时,优先均分出边长为33的3×3个图像块,并将剩余区域作为一个图像块,其他划分方法在此不做限制,仅需保证每个超声图像划分过程方法一致。
为了便于对不同图像块的本身稳定变化进行分析,将未穿刺阶段中所有超声图像作为一个图像组,对图像组整体分析,可以得到每个图像块在不存在穿刺针运动干扰情况下,因为身体活动导致的运动变化情况。
S2:对于图像组中的所有超声图像,根据每个图像块在每个超声图像下的灰度分布的波动情况,以及对应图像块在每个超声图像中与在图像组整体超声图像中灰度分布情况之间的偏差程度,获得图像组对应的每个图像块的灰度动态变化程度。
当不同区域存在颤动等运动时,超声图像中像素点的灰度信息分布也呈现区域变化,根据区域变化特征往往在未穿刺阶段的多个超声图像上呈现出稳定的区域灰度动态变化范围,且随着分析超声图像的增加,这种变化范围会趋于稳定,因为在未穿刺阶段对所有超声图像分析,对于图像组中的所有超声图像,根据每个图像块在每个超声图像下的灰度分布的波动情况,以及对应图像块在每个超声图像中与在图像组整体超声图像中灰度分布情况之间的偏差程度,获得图像组对应的每个图像块的灰度动态变化程度。
优选地,依次将每个图像块作为目标图像块,对每个图像块均进行相同的分析,对于图像组中任意一个超声图像,获取目标图像块在该超声图像下的灰度直方图,通过灰度直方图反映目标图像块在该超声图像下的灰度分布特征。在本发明实施例中,灰度直方图的横坐标为灰度等级,纵坐标为灰度等级对应的出现频率,灰度直方图的获取方法为本领域技术人员熟知的技术手段,在此不做赘述。
进一步地,根据每个灰度等级在灰度直方图上的分布情况,获得目标图像块在该超声图像下的灰度分布序列和灰度波动指标,在本发明实施例中,灰度等级为灰度值的大小,灰度等级范围在0到255之间,共256个灰度等级。
优选地,获取所有灰度等级在目标图像块对应该超声图像下的灰度直方图中的分布频率,也即256个灰度等级,每个灰度等级均得到一个分布频率。在本发明一个实施例中,当灰度等级在目标图像块的灰度直方图中存在出现频率时,将出现频率记为对应灰度等级的分布频率,当灰度等级在目标图像块的灰度直方图中不存在出现频率时,将对应灰度等级的分布频率记为零,保证每个灰度等级均进行分布频率的获取。
进一步地,将所有灰度等级在目标图像块中的分布频率按照灰度等级从小到大的顺序排列,获得目标图像块的灰度分布序列,也即所有灰度分布序列中的元素的个数为256个。进而将目标图像块在该超声图像下的灰度分布序列中分布频率的最大值作为最大波动值,将目标图像块在该超声图像下的灰度分布序列中非零分布频率的最小值作为最小波动值,由于分布频率为零表征目标图像块并未出现对应的灰度值,因此通过非零分布频率的最小值作为灰度波动情况最小的大小,将最大波动值和最小波动值的差值作为目标图像块在该超声图像下的灰度波动指标,通过灰度波动指标反映目标图像块在该超声图像中的灰度分布变化幅度范围。
进一步地,根据目标图像块在图像组中每个超声图像下的灰度分布序列,获得目标图像块的灰度分布均值序列,优选地,获取目标图像块在每个超声图像下的灰度分布序列中每个分布频率的序号,每个序号也即对应每个灰度等级,当序号对应的分布频率中存在非零分布频率,说明对应同一灰度等级中存在灰度分布的变化,将对应序号对应的所有非零分布频率的平均值作为对应序号的分布频率均值。当序号对应的分布频率中不存在非零分布频率,说明对应灰度等级一直不存在灰度分布的变化,将对应序号的分布频率均值记为零。将所有分布频率均值按照序号从小到大的顺序排序,获得目标图像块的灰度分布均值序列,通过灰度分布均值序列反映目标图像块在图像组整体超声图像中的灰度分布情况。
举例而言,对于灰度等级为2时,在灰度分布序列中的序号为3,假如序号为3在每个超声图像下对应的分布频率对应的值为5,6,0,7,6,此时将所有非零分布频率进行均值计算,排除0的情况,保证计算灰度信息变化的整体趋势,也即序号为3计算平均值时对非零分布频率5,6,7,6计算,对应得到的分布频率均值为6。对于灰度等级为0时,在灰度分布序列中的序号为1,假如序号为1在所有超声图像下对应的分布频率均为0时,说明灰度等级为0的情况没有灰度信息分布,因此序号为1此时对应的分布频率记为零,使其表征整体灰度信息没有发送变化的情况。
进一步地,计算目标图像块在每个超声图像下的灰度分布序列与灰度分布均值序列之间的DTW值,获得目标图像块在每个超声图像下的变化偏差指标,当变化偏差指标越大,说明对应超声图像下的灰度分布序列与灰度分布均值序列越不相似,偏差越大。需要说明的是,DTW值是利用动态时间规整算法(Dynamic Time Warping,DTW)计算得到的,反映了两个序列之间的相似度,当DTW值越小,表示两个序列之间越相似,由于动态时间规整算法计算DTW值的方法为本领域技术人员熟知的技术手段,在此不做赘述。
进一步地,计算目标图像块在每个超声图像下的灰度波动指标和变化偏差指标的乘积,获得目标图像块在每个超声图像下的灰度变化指标,综合灰度分布的偏差情况以及分布变化范围,反映目标图像块在每个超声图像下的灰度分布的变化程度,当灰度变化指标越大,说明目标图像块在对应超声图像下的灰度分布的变化程度较大。
最后,将目标图像块在所有超声图像下的灰度变化指标的平均值,作为目标图像块的灰度动态变化程度,通过灰度动态变化程度反映目标图像块此时图像组中的动态变化程度。在本发明实施例中,灰度动态变化程度的表达式为:
式中,表示为第/>个图像块的灰度动态变化程度,/>表示为图像组中超声图像的总数量,/>表示为第/>个图像块在第/>个超声图像下的灰度分布序列,/>表示为第/>个图像块的灰度分布均值序列,/>表示为第/>个图像块在第/>个超声图像下的灰度分布序列中的最大波动值,/>表示为第/>个图像块在第/>个超声图像下的灰度分布序列中的最小波动值,/>表示为DTW值计算函数。
其中,表示为第/>个图像块在第/>个超声图像下的灰度波动指标,/>表示为第/>个图像块在第/>个超声图像下的变化偏差指标,表示为第/>个图像块在第/>个超声图像下的灰度变化指标。当图像块在所有超声图像中的灰度变化幅度越大且灰度分布范围跨度越大,则灰度分布动态变化程度就越大,则灰度动态变化程度是越大的。
通过灰度动态变化程度的获取,完成在未穿刺阶段中对不同区域的灰度分布信息变化情况的分析。
S3:按照时序顺序依次将穿刺阶段中当前时刻前每个采样时刻对应的超声图像加入图像组中,每加入一个超声图像后,获取一次此时图像组对应的每个图像块的灰度动态变化程度;将每个图像块对应的所有灰度动态变化程度按照时序顺序排序,获得当前时刻下每个图像块对应的时序变化序列;在当前时刻下每个图像块的时序变化序列中,根据灰度动态变化程度的变化趋势情况,获得当前时刻下每个图像块的变化显著度。
当在穿刺针进行穿刺阶段时,由于穿刺针在图像中的出现,其穿刺针影响的区域将使得灰度动态变化程度发生较大的改变,使得其在时序的灰度动态变化上较为显著,因此分析每个图像块在时序上灰度动态变化程度的变化情况,可以发现每个图像块的变化显著性,变化越显著,说明图像块对应区域中的运动情况越复杂。
因此为了分析穿刺阶段中时序上灰度动态变化程度的变化情况,按照时序顺序依次将穿刺阶段中当前时刻前每个采样时刻对应的超声图像加入图像组中,每加入一个超声图像后,获取一次此时图像组对应的每个图像块的灰度动态变化程度。由于时序上对应每个采样时刻的超声图像是一个一个加入的,因此每次加入一个超声图像后,图像组中超声图像将更新,依据步骤S2中灰度动态变化程度的获取过程,对每次更新后的图像组均计算得到图像块的一个灰度动态变化程度,直到当前时刻为止,每个图像块均对应了多个灰度动态变化程度。举例而言,将未穿刺阶段的图像组作为初始图像组,在当前时刻前存在依据时序顺序排序的穿刺阶段的超声图像分别为:图像1、图像2、图像3、图像4和图像5,则得到的图像组依次为:{初始图像组,图像1}{初始图像组,图像1,图像2}{初始图像组,图像1,图像2,图像3}{初始图像组,图像1,图像2,图像3,图像4}和{初始图像组,图像1,图像2,图像3,图像4,图像5}共五组,每个图像组均能使每个图像块进行一次灰度动态变化程度的获取。
进一步为了分析在时序上灰度分布的变化情况,将每个图像块对应的所有灰度动态变化程度按照时序顺序排序,获得当前时刻下每个图像块对应的时序变化序列,时序变化序列能够完全反映出每个图像块对应灰度动态变化程度随时间的变化情况,因此在当前时刻下每个图像块的时序变化序列中,根据灰度动态变化程度的变化趋势情况,获得当前时刻下每个图像块的变化显著度。
优选地,对于任意一个图像块,每个图像块均进行相同的分析,计算当前时刻下该图像块对应时序变化序列中每相邻两个灰度动态变化程度之间的差异,获得该图像块对应的变化差异,变化差异反映出穿刺针出现后对该图像块部分的灰度动态变化程度的影响程度。将该图像块的所有变化差异的平均值作为该图像块的时序变化均值,通过时序变化均值反映整体灰度动态变化程度的变化情况,将该图像块的变化差异的最大值作为该图像块的显著值,显著值反映灰度动态变化程度的突变程度,显著值越大说明图像块的灰度动态变化程度越可能为穿刺针出现部分。
进一步地,根据该图像块的显著值和时序变化均值,获得当前时刻下该图像块的变化显著度,通过整体变化情况将本身灰度动态变化就较大的图像块的显著性进行抑制,以便于更显著的表征运动变化发出突变的穿刺针出现部分的显著性。显著值与变化显著值呈正相关,时序变化均值与变化显著值呈负相关,变化显著值为进行归一化处理后的值,在本发明实施例中,变化显著度的表达式为:
式中,表示为第/>个图像块的变化显著度,/>表示为第/>个图像块的第/>个变化差异,/>表示为第/>个图像块的变化差异的总数量,/>表示为最大值提取函数,表示为归一化函数,需要说明的是,归一化为本领域技术人员熟知的技术手段,归一化函数的选择可以为线性归一化或标准归一化等,具体的归一化方法在此不做限定。/>表示为预设调节参数,在本发明实施例中,预设调节参数设置为0.001,其目的是防止分母为零导致公式无意义的情况。
其中,表示为第/>个图像块的时序变化均值,/>表示为第/>个图像块的显著值。通过比值的形式反映显著值与变化显著值呈正相关,时序变化均值与变化显著值呈负相关,在本发明其他实施例中,也可通过其他基础数学运算反映显著值与变化显著值呈正相关,如幂运算等,时序变化均值与变化显著值呈负相关,如减法等,在此不做限制。
当图像块本身灰度动态变化程度的变化情况就越复杂,即时序变化均值越大时,则不能更好的说明其复杂性是由穿刺针运动引起的,故体现穿刺针影响的变化显著度也就越低,时序变化均值需要呈负相关。因此当显著值越大,图像块本身灰度动态变化程度的变化情况越小,说明受穿刺针影响越明显,故变化显著度越大。
至此,完成对时序上灰度动态变化程度的变化分析,获得反映受穿刺针出现影响的动态变化显著程度。
S4:根据当前时刻下两个图像块之间变化显著度的差异情况,获得当前时刻下两个图像块之间的相似度权重;基于当前时刻对应的相似度权重采用非局部均值滤波获取当前时刻下的增强穿刺超声图像,进行辅助定位。
由于变化显著度能够反映图像块受到穿刺影响的变化显著情况,也即表征穿刺针可能出现的部分,因此在非局部均值滤波过程中,对于显著程度越相似的区域之间,在滤波时由于其受穿刺针影响均较低,因此考虑其滤波比重越高。而对于显著程度差异越大的区域之间则说明存在穿刺针出现的部分,需要得到更大程度的保留其差异情况,也即对穿刺针出现的部分保留程度更高。因此根据当前时刻下两个图像块之间变化显著度的差异情况,获得当前时刻对应的优化非局部均值滤波。
优选地,将当前时刻下任意两个图像块的变化显著度的差异进行负相关映射并归一化处理,获得对应任意两个图像块之间的相似度权重,在本发明实施例中,相似度权重的具体表达式为:
式中,表示为第/>个图像块与第/>个图像块之间的相似度权重,/>表示为第/>个图像块的变化显著度,/>表示为第/>个图像块的变化显著度,/>表示为绝对值提取函数,表示为以自然常数为底的指数函数。
进一步地,由于非局部均值滤波过程需要计算两个图像块之间的相似度作为滤波过程的权重,因此将两个图像块之间的相似度权重作为非局部均值滤波过程中所需的相似度权重参数进行滤波,获得当前时刻对应的增强穿刺超声图像。也即为在非局部均值滤波过程中,对图像块之间相似情况的计算时,采用相似度权重的方法得到图像块之间的相似关系进行滤波,需要说明的是,非局部均值滤波过程为本领域技术人员熟知的技术手段,相似度权重参数作为非局部均值滤波过程中的必要计算参数,在现有技术中常用均方误差进行计算,因此在此处为通过相似度权重的计算进行替换的方式进行优化滤波,在此对非局部均值滤波不做赘述。
此时的增强穿刺超声图像中能够更清晰的表征出穿刺针的影像,使麻醉区域的组织结构与穿刺针部分的结构更加明显,进而使得进行穿刺针辅助定位的结果更准确,在本发明实施例中,可以将增强穿刺超声图像输入到穿刺针定位***中获得穿刺引导图像,进行穿刺针的实时定位和引导,确定穿刺点以及穿刺角度。通过穿刺针定位***结合显示器来显示实时的穿刺引导图像,使医生能够更直观地观察超声图像和穿刺针位置,确保穿刺的精准性和安全性。
综上,本发明分别获取未穿刺阶段和穿刺阶段中的超声图像,通过未穿刺阶段中超声图像中每个图像块的灰度波动和灰度分布的动态变化情况,得到未穿刺阶段中每个图像块较为稳定的灰度动态变化程度,表征麻醉区域中不同区域影像在此图像块范围内的灰度动态变化特征。进一步,考虑穿刺阶段中穿刺针头的穿刺运动特征对于原有的变化特征的影响,在时序上计算穿刺阶段每次获取超声图像后,在整体超声图像下每个图像块的灰度动态变化程度,进而获得当前时刻下每个图像块由灰度动态变化程度组成的时序变化序列。因为穿刺过程会带来图像块的灰度动态变化程度在时序上会发生一定的变化,因此根据时序变化序列中灰度动态变化程度的变化趋势得到变化显著度,反映受穿刺针出现影响的时序动态变化的显著程度,进而通过图像块之间的变化显著度的差异情况得到相似度权重,相似度权重可以用来优化非局部均值滤波。最终基于相似度权重采用非局部均值滤波实现当前时刻下超声图像的增强辅助穿刺针定位。本发明通过时序上灰度动态变化的范围,从时序变化特征的角度分析麻醉区域组织的相似性特征,提高穿刺针出现后滤波的鲁棒性和增强效果,得到高质量的增强超声图像,进而提高后续穿刺位置的精准定位的可靠程度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
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。
Claims (10)
1.一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述方法包括:
在麻醉区域获取未穿刺阶段中两个以上的超声图像和穿刺阶段中当前时刻前每个采样时刻对应的超声图像;将每个超声图像划分为两个以上的图像块;将未穿刺阶段中所有超声图像作为一个图像组;
对于图像组中的所有超声图像,根据每个图像块在每个超声图像下的灰度分布的波动情况,以及对应图像块在每个超声图像中与在图像组整体超声图像中灰度分布情况之间的偏差程度,获得图像组对应的每个图像块的灰度动态变化程度;
按照时序顺序依次将穿刺阶段中当前时刻前每个采样时刻对应的超声图像加入图像组中,每加入一个超声图像后,获取一次此时图像组对应的每个图像块的灰度动态变化程度;将每个图像块对应的所有灰度动态变化程度按照时序顺序排序,获得当前时刻下每个图像块对应的时序变化序列;在当前时刻下每个图像块的时序变化序列中,根据灰度动态变化程度的变化趋势情况,获得当前时刻下每个图像块的变化显著度;
根据当前时刻下两个图像块之间变化显著度的差异情况,获得当前时刻下两个图像块之间的相似度权重;基于当前时刻对应的相似度权重采用非局部均值滤波获取当前时刻下的增强穿刺超声图像,进行辅助定位。
2.根据权利要求1所述一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述灰度动态变化程度的获取方法包括:
依次将每个图像块作为目标图像块,对于图像组中任意一个超声图像,获取目标图像块在该超声图像下的灰度直方图;根据每个灰度等级在灰度直方图上的分布情况,获得目标图像块在该超声图像下的灰度分布序列和灰度波动指标;
根据目标图像块在图像组中每个超声图像下的灰度分布序列,获得目标图像块的灰度分布均值序列;
计算目标图像块在每个超声图像下的灰度分布序列与灰度分布均值序列之间的DTW值,获得目标图像块在每个超声图像下的变化偏差指标;
计算目标图像块在每个超声图像下的灰度波动指标和变化偏差指标的乘积,获得目标图像块在每个超声图像下的灰度变化指标;将目标图像块在所有超声图像下的灰度变化指标的平均值,作为目标图像块的灰度动态变化程度。
3.根据权利要求2所述一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述根据每个灰度等级在灰度直方图上的分布情况,获得目标图像块在该超声图像下的灰度分布序列和灰度波动指标,包括:
获取所有灰度等级在目标图像块对应该超声图像下的灰度直方图中的分布频率;将所有灰度等级在目标图像块中的分布频率按照灰度等级从小到大的顺序排列,获得目标图像块的灰度分布序列;
将目标图像块在该超声图像下的灰度分布序列中分布频率的最大值作为最大波动值;将目标图像块在该超声图像下的灰度分布序列中非零分布频率的最小值作为最小波动值;将最大波动值和最小波动值的差值作为目标图像块在该超声图像下的灰度波动指标。
4.根据权利要求3所述一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述获取所有灰度等级在目标图像块对应该超声图像下的灰度直方图中的分布频率,包括:
当灰度等级在目标图像块的灰度直方图中存在出现频率时,将出现频率记为对应灰度等级的分布频率;当灰度等级在目标图像块的灰度直方图中不存在出现频率时,将对应灰度等级的分布频率记为零。
5.根据权利要求3所述一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述灰度分布均值序列的获取方法包括:
获取目标图像块在每个超声图像下的灰度分布序列中每个分布频率的序号;当序号对应的分布频率中存在非零分布频率,将对应序号对应的所有非零分布频率的平均值作为对应序号的分布频率均值;当序号对应的分布频率中不存在非零分布频率,将对应序号的分布频率均值记为零;
将所有分布频率均值按照序号从小到大的顺序排序,获得目标图像块的灰度分布均值序列。
6.根据权利要求1所述一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述变化显著度的获取方法包括:
对于任意一个图像块,计算当前时刻下该图像块对应时序变化序列中每相邻两个灰度动态变化程度之间的差异,获得该图像块对应的变化差异;将该图像块的所有变化差异的平均值作为该图像块的时序变化均值;将该图像块的变化差异的最大值作为该图像块的显著值;
根据该图像块的显著值和时序变化均值,获得当前时刻下该图像块的变化显著度;显著值与变化显著值呈正相关,时序变化均值与变化显著值呈负相关,变化显著值为进行归一化处理后的值。
7.根据权利要求1所述一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述相似度权重的获取方法包括:
将当前时刻下任意两个图像块的变化显著度的差异进行负相关映射并归一化处理,获得对应任意两个图像块之间的相似度权重。
8.根据权利要求1所述一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述将每个超声图像划分为两个以上的图像块,包括:
将每个超声图像均匀划分为预设数量个图像块;每个超声图像划分方法均相同且预设数量大于或等于2。
9.根据权利要求8所述一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述预设数量设置为50。
10.根据权利要求2所述一种基于超声影像的神经麻醉穿刺辅助定位方法,其特征在于,所述灰度等级的总数量为256个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410038245.7A CN117557486B (zh) | 2024-01-11 | 2024-01-11 | 基于超声影像的神经麻醉穿刺辅助定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410038245.7A CN117557486B (zh) | 2024-01-11 | 2024-01-11 | 基于超声影像的神经麻醉穿刺辅助定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117557486A true CN117557486A (zh) | 2024-02-13 |
CN117557486B CN117557486B (zh) | 2024-04-19 |
Family
ID=89815043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410038245.7A Active CN117557486B (zh) | 2024-01-11 | 2024-01-11 | 基于超声影像的神经麻醉穿刺辅助定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117557486B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853570A (zh) * | 2024-03-08 | 2024-04-09 | 科普云医疗软件(深圳)有限公司 | 一种麻醉穿刺辅助定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991661A (zh) * | 2017-03-31 | 2017-07-28 | 重庆大学 | 融合kl变换与灰色关联度的非局部均值去噪方法 |
WO2023193175A1 (zh) * | 2022-04-07 | 2023-10-12 | 中国科学院深圳先进技术研究院 | 一种基于超声图像的穿刺针实时检测方法及装置 |
CN116883293A (zh) * | 2023-09-08 | 2023-10-13 | 青岛云智霄凡科技有限公司 | 一种用于神经麻醉穿刺的图像增强处理方法 |
CN117078671A (zh) * | 2023-10-13 | 2023-11-17 | 陕西秒康医疗科技有限公司 | 一种甲状腺超声影像智能分析*** |
-
2024
- 2024-01-11 CN CN202410038245.7A patent/CN117557486B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991661A (zh) * | 2017-03-31 | 2017-07-28 | 重庆大学 | 融合kl变换与灰色关联度的非局部均值去噪方法 |
WO2023193175A1 (zh) * | 2022-04-07 | 2023-10-12 | 中国科学院深圳先进技术研究院 | 一种基于超声图像的穿刺针实时检测方法及装置 |
CN116883293A (zh) * | 2023-09-08 | 2023-10-13 | 青岛云智霄凡科技有限公司 | 一种用于神经麻醉穿刺的图像增强处理方法 |
CN117078671A (zh) * | 2023-10-13 | 2023-11-17 | 陕西秒康医疗科技有限公司 | 一种甲状腺超声影像智能分析*** |
Non-Patent Citations (2)
Title |
---|
JIN CHENG ET AL.: "Improved Weighted Non-Local Mean Filtering Algorithm for Laser Image Speckle Suppression", MICROMACHINES, 30 December 2022 (2022-12-30), pages 1 - 13 * |
张娜 等: "改进权重函数的非局部均值图像去噪算法", 计算机工程, vol. 42, no. 12, 31 December 2016 (2016-12-31), pages 254 - 261 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853570A (zh) * | 2024-03-08 | 2024-04-09 | 科普云医疗软件(深圳)有限公司 | 一种麻醉穿刺辅助定位方法 |
CN117853570B (zh) * | 2024-03-08 | 2024-05-10 | 科普云医疗软件(深圳)有限公司 | 一种麻醉穿刺辅助定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117557486B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7462898B2 (ja) | 診断支援プログラム | |
CN117557486B (zh) | 基于超声影像的神经麻醉穿刺辅助定位方法 | |
EP1614070B1 (en) | Imaging internal structures | |
CN110652317B (zh) | 一种产前胎儿超声容积图像中标准切面的自动定位方法 | |
CN111667467B (zh) | 基于聚类算法的下肢血管钙化指数多参数累积计算方法 | |
CN108618749B (zh) | 基于便携式数字化眼底照相机的视网膜血管三维重建方法 | |
FI113835B (fi) | Menetelmä ja järjestelmä sydänanalyysiä varten | |
CN106343992B (zh) | 心率变异性分析方法、装置及用途 | |
CN111640127B (zh) | 一种用于骨科的精准临床诊断导航方法 | |
CN116580033B (zh) | 一种基于图像块相似性匹配的多模态医学图像配准方法 | |
TWI828661B (zh) | 診斷支援系統 | |
US20220398720A1 (en) | Diagnostic support program | |
CN117918021A (zh) | 从摄像头观察结果中提取信号 | |
LU102573B1 (en) | Clustering Algorithm-based Multi-parameter Cumulative Calculation Method for Lower Limb Vascular Calcification Indexes | |
Dunaeva et al. | Video analysis methods for remote measurement of respiration characteristics and heart rate variability | |
CN114343666B (zh) | 针对长程心电监测的阵发性房颤扫描方法、***、存储介质及电子设备 | |
CN111640126B (zh) | 基于医学影像的人工智能诊断辅助方法 | |
CN116889467B (zh) | 一种脊柱椎体的智能自置钉方法、装置、设备及介质 | |
US20230351554A1 (en) | Real-time cardiac magnetic resonance (mr) by respiratory phase | |
CN116327155A (zh) | 基于自适应roi选择的远程心率测量方法、装置及设备 | |
CN117281490A (zh) | 一种非麻醉动物生命体征遥测方法及*** | |
CN116746936A (zh) | 一种手术辅助方法、***、电子设备及存储介质 | |
CN113658152A (zh) | 脑卒中风险的预测设备、方法、计算机设备及存储介质 | |
CN111968131A (zh) | 基于狼群算法的医学图像分割算法 | |
CN117493812A (zh) | 一种基于心磁信号的室性早搏异常起搏点的粗精定位方法 |
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 |