CN117853570A - 一种麻醉穿刺辅助定位方法 - Google Patents
一种麻醉穿刺辅助定位方法 Download PDFInfo
- Publication number
- CN117853570A CN117853570A CN202410263796.3A CN202410263796A CN117853570A CN 117853570 A CN117853570 A CN 117853570A CN 202410263796 A CN202410263796 A CN 202410263796A CN 117853570 A CN117853570 A CN 117853570A
- Authority
- CN
- China
- Prior art keywords
- pixel
- index
- points
- texture
- pixel point
- 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 57
- 206010002091 Anaesthesia Diseases 0.000 title claims abstract description 30
- 230000037005 anaesthesia Effects 0.000 title claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 138
- 230000000875 corresponding effect Effects 0.000 claims description 54
- 230000002596 correlated effect Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 238000002604 ultrasonography Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 6
- 210000003041 ligament Anatomy 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000005534 acoustic noise Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000004749 ligamentum flavum Anatomy 0.000 description 1
- 210000004446 longitudinal ligament Anatomy 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明涉及超声图像增强技术领域,具体涉及一种麻醉穿刺辅助定位方法。该方法首先通过和每个像素点具有相同灰度的其他像素点的局部灰度混乱情况,得到每个像素点的区域显著指标,进一步结合每个像素点的局部灰度均匀情况和灰度值,得到像素点的滤波必要性;根据像素点预设图像块范围内像素的连续分布得到纹理点,并通过纹理点的分布的滤波必要性调整像素点的预设图像块范围,进而结合非局部均值滤波得到滤波超声图像进行穿刺针定位。本发明通过像素点受噪声影响情况以及局部纹理分布情况,调整滤波时的图像块范围,增强非局部均值滤波的鲁棒性,得到质量更高的滤波超声图像使辅助定位的结果更准确。
Description
技术领域
本发明涉及超声图像增强技术领域,具体涉及一种麻醉穿刺辅助定位方法。
背景技术
超声定位是临床麻醉中常用的可视化技术,通过超声定位可以提高麻醉穿刺的准确性,减少了椎管内盲探性穿刺的椎管内麻醉所导致的并发症的发生,而且超声定位在释放时无需使用放射性辐射,相较于传统的使用X射线进行引导,在麻醉穿刺过程中有助于减少辐射暴露。在椎管内麻醉前,利用超声定位确定穿刺间隙与深度,使得在超声定位引导下腰部麻醉根据实时影像进行穿刺针操控的可行性较高,提高了一次穿刺成功率。因此超声影像的影像质量是影响穿刺定位的关键因素。
在进行椎管内麻醉时,需要通过超声影像对待麻醉穿刺区域进行确定,但是超声影像在获取时会受到多种因素的干扰,例如声学噪声、信号传输过程中的干扰等,而这些干扰因素都会导致图像中存在高斯噪声,需要对超声影像进行去噪处理以提高影像质量,以实现通过影像对麻醉穿刺区域进行准确定位。非局部均值滤波对于高斯噪声有很好的去除效果,但是在超声图像中像素点的区域性和信息性较为显著,常用的非局部均值滤波算法对于像素点的处理并没有考虑不同像素点本身参与滤波的必要性不同,这将导致超声影像中具有信息部分的像素点被过渡平滑,得到质量较差的滤波超声图像,使得通过滤波超声影像进行辅助定位的结果不准确。
发明内容
为了解决现有技术中超声影像中具有信息部分的像素点被过渡平滑,得到质量较差的滤波超声图像,使得通过超声影像进行辅助定位的结果不准确的技术问题,本发明的目的在于提供一种麻醉穿刺辅助定位方法,所采用的技术方案具体如下:
本发明提供了一种麻醉穿刺辅助定位方法,所述方法包括:
获取椎管内待麻醉区域的超声图像;
根据与每个像素点具有相同灰度值的其他像素点的局部灰度分布混乱程度,获得每个像素点的区域显著指标;根据超声图像中每个像素点与邻域像素点之间的灰度分布均匀情况,以及对应像素点的区域显著指标和灰度值,获得每个像素点的滤波必要性;
根据每个像素点对应的预设图像块范围内像素点的连续分布情况,确定每个像素点对应的纹理点;根据每个像素点在预设图像块范围内对应所有纹理点的分布位置情况和滤波必要性,以及预设图像块范围的边长大小,获得每个像素点的优选图像块范围;
基于超声图像中每个像素点对应的优选图像块范围进行非局部均值滤波,得到滤波超声图像;通过滤波超声图像进行穿刺针定位。
进一步地,所述区域显著指标的获取方法包括:
对于任意一个像素点,将与该像素点的灰度值相同的其他像素点作为该像素点的分布点;依次将每个分布点作为目标点,计算目标点与预设邻域范围内的每个其他像素点灰度值的差异,获得目标点的目标差异;计算目标点对应所有目标差异的标准差,获得目标点的局部分布度;
将该像素点所有分布点的局部分布度的累加值,作为该像素点的区域显著指标。
进一步地,所述滤波必要性的获取方法包括:
对于任意一个像素点,将该像素点对应预设邻域范围内的其他像素点作为该像素点的邻域像素点;计算该像素点与每个邻域像素点之间灰度值的差异,获得该像素点的邻域差异;将该像素点的所有邻域差异的平均值作为该像素点的邻域差异指标;
计算每个邻域像素点与顺时针相邻的领域像素点之间灰度值的差异,获得该像素点的邻域相邻差异;将该像素点的所有邻域相邻差异的平均值作为该像素点的邻域分布指标;将该像素点的邻域差异指标与邻域分布指标的和值作为该像素点的区域分布指标;
根据该像素点的区域显著指标和区域分布指标,获得该像素点的噪声影响指标;区域显著指标与噪声影响指标呈负相关,区域分布指标与噪声影响指标呈正相关,噪声影响指标为归一化处理后的值;将该像素点的灰度值与噪声影响指标的乘积作为该像素点的滤波必要性。
进一步地,所述纹理点的获取方法包括:
依次将每个像素点作为参考点,获取参考点在预设图像块范围内每个像素点的梯度方向;将与每个预设梯度方向满足相同方向条件的像素点作为参考点的一个方向类;
所述相同方向条件为:像素点的梯度方向与预设梯度方向之间的角度差异小于或等于预设角度阈值;
对于参考点的任意一个方向类,在该方向类对应预设梯度方向的垂直方向上,当存在大于或等于预设连续数量个连续分布的像素点时,将连续分布的像素点作为该方向类的一条方向纹理边;将该方向类中所有方向纹理边上像素点,作为参考点对应该方向类的纹理点。
进一步地,所述优选图像块范围的获取方法包括:
在参考点预设图像块范围内,根据每个方向类对应的方向纹理边之间的距离和纹理点的数量,获得参考点的纹理分布指标;根据参考点的滤波必要性和预设图像块范围内所有纹理点的滤波必要性,获得参考点的纹理滤波指标;
根据参考点的纹理分布指标和纹理滤波指标,获得参考点的调整值;纹理分布指标与调整值呈正相关,纹理滤波指标与调整值呈负相关;
计算参考点的调整值和预设图像块范围的大小的乘积,获得参考点的优选大小;将以参考点为中心,取整后的优选大小为边长的矩形区域作为参考点的优选图像块范围。
进一步地,所述纹理分布指标的获取方法包括:
对于参考点的任意一个方向类,当该方向类中的方向纹理边存在两条及以上时,计算方向纹理边之间的平均距离并进行归一化处理,获得该方向类的距离指标;否则,将该方向类的距离指标设置为预设距离指标;预设距离指标大于或等于1;计算所有方向类的距离指标的和值,获得参考点的距离分布指标;
将参考点预设图像块范围内所有纹理点的总数量,作为参考点的数量分布指标;将参考点的数据分布指标与距离分布指标的比值进行负相关映射并归一化处理,获得参考点的纹理分布指标。
进一步地,所述距离指标的获取方法包括:
计算该方向类中每相邻两条方向纹理边之间的距离,作为相邻距离;将该方向类中所有相邻距离的平均值作为该方向类的距离指标。
进一步地,所述纹理滤波指标的获取方法包括:
计算参考点对应每个方向类中纹理点的滤波必要性的平均值,获得每个方向类的滤波均值;计算参考点中所有方向类的滤波均值的累加值,获得参考点的范围滤波指标;
将参考点的滤波必要性与范围滤波指标的和值,作为参考点的纹理滤波指标。
进一步地,所述滤波超声图像的获取方法包括:
在对每个像素点进行非局部均值滤波过程中,将每个像素点对应的优选图像块范围作为每个像素点计算图像块相似度时的范围,获得每个像素点的滤波值;根据所有像素点的滤波值获得滤波超声图像。
进一步地,所述预设图像块范围的边长大小设置为9。
本发明具有如下有益效果:
本发明考虑到椎管内待麻醉区域的超声图像中具有信息的像素点与噪声点的叠加相似性,首先基于每个像素点受噪声影响的可能性分析每个像素点需要参与滤波的程度,由于超声图像反映椎管的横截面信息,具有信息的像素点是区域性分布的,因此首先通过和每个像素点具有相同灰度的其他像素点的局部灰度分布情况,得到反映每个像素点的在区域中的区域显著指标,进一步结合每个像素点的局部灰度分布情况,以及区域显著指标和灰度值,综合分析每个像素点本身噪声情况以及受到局部噪声影响情况,得到每个像素点的滤波必要性,可以根据每个像素点参与滤波的必要性调整滤波程度,保证信息正常像素点的保留和噪声点的合理去噪。由于在非局部均值滤波的算法中,像素点在计算滤波权重时是基于图像块计算的,因此进一步分析像素点在预设图像块中的不同局部特征,结合像素点的连续分布情况得到纹理点,并根据纹理点的分布以及滤波必要性,综合调整得到每个像素点的图像块大小,使得在后续滤波中能够得到每个像素点最优的滤波结果,进而得到质量更高的滤波超声图像进行穿刺针定位。本发明通过像素点受噪声影响情况以及局部纹理分布情况,调整滤波时的图像块范围,增强非局部均值滤波的鲁棒性,得到质量更高的滤波超声图像,使得通过滤波超声影像进行辅助定位的结果更准确。
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麻醉穿刺辅助定位方法流程图;
图2为本发明一个实施例所提供的一种超声图像;
图3为本发明一个实施例所提供的一种滤波超声图像;
图4为本发明一个实施例所提供的一种纹理点分布示意图。
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麻醉穿刺辅助定位方法流程图,该方法包括以下步骤:
S1:获取椎管内待麻醉区域的超声图像。
在本发明实施例中,进行椎管内麻醉时,患者需采用俯卧位,通过体表定位确定髂后上棘在患者腰部的体表定位。位置确定后,将位于患者身体两侧的髂后上棘定位点进行连线,该连线所在的水平面就是超声探头进行超声定位的起始位置,由于通过触摸髂嵴确定的穿刺点要普遍更靠近头端,所以超声探头进行扫描时的移动方向为向患者头部方向移动,扫描时采用正中横向扫描方法。通过扫描,可以获取椎管内待麻醉区域的超声图像,将超声探头在确定的移动方向上使用正中横向扫描方法进行扫描,探头发射的超声波通过探头的声阵面传播到患者的身体组织中,当超声波遇到身体组织的边界或不同密度的结构时,部分能量被反射回来,接收到的回波被超声探头内的晶体转换成电信号,接收到的电信号经过信号处理,用于在显示器上生成待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,具体超声图像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。
正中横向的扫描方式可以获得椎管内正中横向切面的超声图像,也就是椎体结构的横截面信息,黄韧带参与构成椎管后壁,连接相邻的上下位椎弓板,分节存在,而后纵韧带位于椎管内椎体的后方,长而窄,是沿着脊柱轴线的线状结构,所以通过横截面信息,存在两种韧带同时处在一个横截面,而韧带作为一种坚韧的***通常具有较高的密度和回声反射能力,因此在超声影像中韧带的显示往往表现为高回声区域,也就是说偏白色,这是韧带组织本身的特点。请参阅图2,其出示了本发明一个实施例所提供的一种超声图像,图2中的白色部分即为高回声部分。
由于超声图像上的噪声通常为白色的高斯噪声,这将影响对于超声图像中真实组织区域位置的判断,因此进一步需要对获取的超声图像进行分析去噪。
S2:根据与每个像素点具有相同灰度值的其他像素点的局部灰度分布混乱程度,获得每个像素点的区域显著指标;根据超声图像中每个像素点与邻域像素点之间的灰度分布均匀情况,以及对应像素点的区域显著指标和灰度值,获得每个像素点的滤波必要性。
在超声图像进行滤波的过程中由于具有信息的像素点与噪声点在灰度上是较为相近的,且当正常像素点在噪声点的局部范围内时,正常像素点也会受到局部滤波的影响,因此需要对每个像素点进行局部区域的分布,通过每个像素点受到噪声影响的程度,得到每个像素点参与滤波的必要程度。
在超声图像中,每个像素点存在多个相同灰度值的其他像素点,同时超声图像表征的为椎体结构的横截面的信息,因此具有信息的正常像素点的区域聚集性更为明显,也即相同灰度值的像素点通常在分布上是接近的。因此结合具有同样灰度值的其他像素点的局部灰度分布情况,判断当前像素点受到噪声影响是否是明显的,也即根据与每个像素点具有相同灰度值的其他像素点的局部灰度分布混乱程度,获得每个像素点的区域显著指标。
优选地,对于任意一个像素点,将与该像素点的灰度值相同的其他像素点作为该像素点的分布点,依次将每个分布点作为目标点,分析每个目标点的局部分布混乱情况,计算目标点与预设邻域范围内的每个其他像素点灰度值的差异,获得目标点的目标差异,在本发明实施例中,通过与预设邻域范围中的点进行灰度差异计算,反映目标点与局部的灰度偏差程度,预设邻域范围设置为每个像素点的八邻域范围,实施者可根据具体实施情况进行调整。计算目标点对应所有目标差异的标准差,获得目标点的局部分布度,根据局部多个灰度偏差程度的波动情况,得到局部分布度反映每个目标点的局部灰度分布混乱情况,当局部分布度越大,说明目标点表现的噪声情况较为显著。
进一步地,将该像素点所有分布点的局部分布度的累加值,作为该像素点的区域显著指标。通过区域显著指标反映像素点对应所有分布点反映出的噪声情况,当区域显著指标越大,说明与该像素点相同像素点的局部灰度分布均较为混乱,该像素点在区域中受到噪声影响的显著度不高,不需要提高其滤波参与程度。
同时结合每个像素点本身的灰度分布情况,噪声点是具有孤立性的,根据每个像素点本身的局部灰度分布情况,能够反映像素点受到噪声影响的可能性,再结合受到噪声影响的显著性和噪声点灰度值高的特征,综合反映每个像素点本身需要参与滤波的程度,也即根据超声图像中每个像素点与邻域像素点之间的灰度分布均匀情况,以及对应像素点的区域显著指标和灰度值,获得每个像素点的滤波必要性。
优选地,对于任意一个像素点,对于每个像素点均进行相同的分析,将该像素点对应预设邻域范围内的其他像素点作为该像素点的邻域像素点,计算该像素点与每个邻域像素点之间灰度值的差异,获得该像素点的邻域差异,将该像素点的所有邻域差异的平均值作为该像素点的邻域差异指标。通过像素点与邻域像素点的灰度差异大小,反映该像素点的噪声可能性,由于正常像素点的分布是具有局部区域性的,局部灰度差异不大,因此当该像素点的噪声可能性越大,邻域差异指标是越大的。
进一步考虑到当正常像素点局部存在噪声点时,其本身受到滤波影响也越大,因此计算每个邻域像素点与顺时针相邻的领域像素点之间灰度值的差异,获得该像素点的邻域相邻差异,该像素点的所有邻域相邻差异的平均值作为该像素点的邻域分布指标。通过每个邻域像素点的连续分布反映该像素点受到周围噪声的可能性,当该像素点的周围存在噪声时,邻域分布指标将会越大。需要说明的是,计算顺时针相邻的邻域像素点之间的差异,主要为了分析邻域像素点的灰度连续分布均匀情况,实施者也可采用逆时针相邻或其他计算灰度连续差异的情况,在此不做限制。
最终将该像素点的邻域差异指标与邻域分布指标的和值作为该像素点的区域分布指标,当区域分布指标越大,说明该像素点越可能为噪声点或受到噪声影响越大,该像素点本身需要参与滤波的程度是越大的。
因此进一步地,根据该像素点的区域显著指标和区域分布指标,获得该像素点的噪声影响指标,当该像素点越显著,本身受噪声影响越大,噪声影响指标越大,因此区域显著指标与噪声影响指标呈负相关,区域分布指标与噪声影响指标呈正相关,噪声影响指标为归一化处理后的值。将该像素点的灰度值与噪声影响指标的乘积作为该像素点的滤波必要性,由于噪声的灰度值通常都是较高的,因此通过灰度值和噪声影响指标共同调整得到每个像素点需要参与滤波的程度。在本发明实施例中,滤波必要性的表达式为:
式中,表示为第/>个像素点的滤波必要性,/>表示为第/>个像素点的灰度值,/>表示为第/>个像素点对应的分布点的总数量,/>表示为第/>个像素点对应的第/>个分布点的局部分布度,/>表示为第/>个像素点对应的邻域像素点的总数量,/>表示为第/>个像素点对应的第/>个邻域像素点的灰度值,/>表示为第/>个像素点对应的与第/>个邻域像素点顺时针相邻的第/>个邻域像素点的灰度值,/>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,/>表示为预设调节参数,在本发明实施例中设置为0.001,其目的是防止分母为零使公式无意义的情况。
其中,表示为第/>个像素点的区域显著指标,/>表示为第/>个像素点的邻域差异,/>表示为第/>个像素点的邻域差异指标,/>表示为第/>个像素点对应的第/>个邻域像素点的邻域相邻差异,/>表示为第/>个像素点的邻域分布指标,/>表示为第/>个像素点的区域分布指标,/>表示为第/>个像素点的噪声影响指标,通过比值和指数函数的形式,反映区域显著指标与噪声影响指标呈负相关,区域分布指标与噪声影响指标呈正相关,在本发明其他实施例中,也可运用其他基础数学运算反映区域显著指标与噪声影响指标呈负相关,区域分布指标与噪声影响指标呈正相关,在此不做限制。
当像素点本身局部灰度分布越混乱,说明该像素点受到噪声影响越大,则区域分布指标越大,当与像素点本身相同灰度值的像素点的局部灰度分布越小,说明该像素点受到噪声影响的区域性越不一致,该像素点的噪声特征较为明显,则区域显著指标越小。区域显著指标越小,区域分布指标越大,进一步说明该像素点需要参与滤波的程度越大,则噪声影响指标越大,当该像素点本身的灰度值越大,也说明该像素点越可能为噪声点,需要被滤波的可能性越大,故噪声影响指标越大,灰度值越大,最终的滤波必要性是越大的。
至此,根据区域性的特征完成对每个像素点受到噪声影响的分析,得到每个像素点参与滤波的必要程度。
S3:根据每个像素点对应的预设图像块范围内像素点的连续分布情况,确定每个像素点对应的纹理点;根据每个像素点在预设图像块范围内对应所有纹理点的分布位置情况和滤波必要性,以及预设图像块范围的边长大小,获得每个像素点的优选图像块范围。
在每个像素点参与滤波过程中,常用的非局部均值滤波在算法的运算过程中,会对每个像素点设定一个以像素点自身为中心点的区域作为一个图像块,基于图像块之间的相似性进行滤波权重的调整。图像块的大小决定了非局部均值滤波算法对图像的局部特征的敏感程度,如果图像块的大小设置的较小,那么滤波将会更加关注局部的像素信息,能更好地处理局部的噪声和细节。相反,如果图像块的大小设置的较大,滤波将会更关注全局的像素信息,可以更好地处理全局的平滑和降噪。因此,为了更好的对超声图像进行平滑,结合每个像素点参与滤波的必要性,进行图像块大小的设定调整。
由于超声图像是根据韧带组织获取的,而韧带组织在超声分布中也具有一定的规律性排序,也即区域性分布的部分在成像上也具有明暗差异,而这种差异表现在超声图像中为连续分布的纹理情况,对于纹理分布是较为密集的区域需要缩小图像块重点分析局部特征,合理滤波,且对于纹理上受到噪声影响较大的情况,也需要缩小图像块提高去噪效果。
因此为了便于对每个像素点在预设的图像块范围内分析图像块调整情况,首先确定每个像素点在范围内的纹理点,也即根据每个像素点对应的预设图像块范围内像素点的连续分布情况,确定每个像素点对应的纹理点。
优选的,依次将每个像素点作为参考点,获取参考点在预设图像块范围内每个像素点的梯度方向,将与每个预设梯度方向满足相同方向条件的像素点作为参考点的一个方向类。筛选出梯度方向相近的像素点作为一类像素点,在本发明实施例中,预设图像块范围为以像素点为中心,边长为9的正方形范围,也即预设图像块范围的边长大小为9,实施者可根据具体实施情况进行调整,预设梯度方向为:0度,90度,45度和135度四个方向,在本发明其他实施例中,也可预设八个方向作为预设梯度方向,在此不做限制。
考虑到纹理方差的偏离性,本发明实施例中,相同方向条件为:像素点的梯度方向与预设梯度方向之间的角度差异小于或等于预设角度阈值,预设角度阈值为3度,具体数值实施者可根据具体实施情况进行调整,例如对于90度方向,则将梯度方向在87度至93度之间的像素点作为一个方向类中的像素点。
对于参考点的任意一个方向类,在该方向类对应预设梯度方向的垂直方向上,当存在大于或等于预设连续数量个连续分布的像素点时,说明像素点可以构成分析的纹理,将连续分布的像素点作为该方向类的一条方向纹理边,将该方向类中所有方向纹理边上像素点,作为参考点对应该方向类的纹理点,方向纹理边上的点则为可分析的具有纹理信息的点。在本发明实施例中,预设连续数量设置为4,具体数值实施者可根据具体实施情况进行调整。请参阅图4,其出示了本发明一个实施例所提供的一种纹理点分布示意图,其中A表示为参考点,B1和B2均为一个方向类对应的纹理点,B1和B2上的箭头表示其所在方向类对应的预设梯度方向,B1即为在预设梯度方向的垂直方向上连续分布数量为5的像素点,5个B1组成一条方向纹理边,B2为在预设梯度方向的垂直方向上连续分布数量为4的像素点,4个B2组成一条方向纹理边。
在得到像素点对应的纹理点后,根据纹理点的分布情况,即可得到每个像素点局部纹理分布情况,再结合纹理点的滤波必要性分析受噪声影响程度,调整预设图像块范围大小,也即根据每个像素点在预设图像块范围内对应所有纹理点的分布位置情况和滤波必要性,以及预设图像块范围的边长大小,获得每个像素点的优选图像块范围。
优选地,在参考点预设图像块范围内,根据每个方向类对应的方向纹理边之间的距离和纹理点的数量,获得参考点的纹理分布指标,通过分析纹理分布的密度,得到纹理分布对范围调整的影响情况。
在本发明一个实施例中,对于参考点的任意一个方向类,当该方向类中的方向纹理边存在两条及以上时,说明纹理分布较近,计算方向纹理边之间的平均距离并进行归一化处理,获得该方向类的距离指标,距离指标可以反映纹理的分布紧密情况,当距离指标越小,说明分布越紧密。在本发明实施例中,由于方向纹理边在获取时是基于同一方向获取的,因此每个方向类下的方向纹理边均是平行的,如图4中的B1对应的方向纹理边与B2对应的方向纹理边,计算该方向类中每相邻两条方向纹理边之间的距离,作为相邻距离,反映纹理之间的间隔,将该方向类中所有相邻距离的平均值作为该方向类的距离指标。需要说明的是,由于方向纹理边之间是平行的,因此可以通过做两条边之间的垂线段进行距离的计算,边之间距离的计算为本领域技术人员熟知的技术手段,在此不做赘述。
否则,说明该方向类中仅存在一条方向纹理边或不存在方向纹理边,将该方向类的距离指标设置为预设距离指标,在本发明实施例中,预设距离指标大于或等于1,其反映出纹理在密度上极为松散的,因此预设值需要比计算得到的距离指标的值要大,本发明实施例设置为1,具体数值实施者可根据具体实施情况进行调整。进一步地,计算所有方向类的距离指标的和值,获得参考点的距离分布指标,通过所有方向上距离情况,得到反映整体纹理分布紧密情况的距离分布指标。
同时,将参考点预设图像块范围内所有纹理点的总数量,作为参考点的数量分布指标,通过纹理点的数量多少反映范围内整体纹理的分布多少程度。最终,将参考点的数据分布指标与距离分布指标的比值进行负相关映射并归一化处理,获得参考点的纹理分布指标,反映在纹理分布上需要的范围调整情况。当数据分布指标越大,距离分布指标越小,说明纹理分布密度大,则纹理分布指标越小,也即在纹理分布方面上图像块需要调整越小的程度。
进一步,结合纹理受到噪声影响情况,当纹理上噪声影响越大,也即需要滤波像素点程度越大,也越需要调小范围,进行更细致的局部分析,因此根据参考点的滤波必要性和预设图像块范围内所有纹理点的滤波必要性,获得参考点的纹理滤波指标。在本发明一个实施例中,计算参考点对应每个方向类中纹理点的滤波必要性的平均值,获得每个方向类的滤波均值,反映出每个方向类的纹理上,受到噪声影响的需要参与滤波的程度。再计算参考点中所有方向类的滤波均值的累加值,获得参考点的范围滤波指标,通过范围滤波指标反映范围内整体纹理受噪声影响需要滤波的程度。将参考点的滤波必要性与范围滤波指标的和值,作为参考点的纹理滤波指标,当参考点本身的滤波必要性越大,局部分布纹理的需要滤波程度也越大,说明局部噪声特征较为重要,图像块范围需要调整越小,从滤波程度方面上反映图像块需要调整越小的程度。
在本发明其他实施例中,也可直接将参考点以及参考点对应的所有纹理点的滤波必要性的和值,作为参考点的纹理滤波指标,反映整体的滤波程度,在此不做限制。
进一步地,根据参考点的纹理分布指标和纹理滤波指标,获得参考点的调整值,从纹理分布和滤波程度两个方面得到图像块需要调小的程度,其中,纹理分布指标与调整值呈正相关,纹理滤波指标与调整值呈负相关。最终,计算参考点的调整值和预设图像块范围的大小的乘积,获得参考点的优选大小,在本发明实施例中,优选大小的表达式为:
式中,表示为第/>个像素点的优选大小,/>表示为预设图像块范围的边长大小,/>表示为第/>个像素点的滤波必要性,/>表示为第/>个像素点的方向类的总数量,/>表示为第/>个方向类中纹理点的总数量,/>表示为第/>个像素点的第/>个方向类中第/>个纹理点的滤波必要性,/>表示为第/>个像素点的第/>个方向类的距离指标,/>表示为以自然常数为底的指数函数。
其中,表示为第/>个方向类的滤波均值,/>表示为第/>个像素点的范围滤波指标,/>表示为第/>个像素点的纹理滤波指标,/>表示为第/>个像素点的数量分布指标,/>表示为第/>个像素点的距离分布指标,/>表示为第/>个像素点的纹理分布指标,表示为第/>个像素点的调整值。通过比值的形式反映纹理分布指标与调整值呈正相关,纹理滤波指标与调整值呈负相关,在本发明其他实施例中,也可运用其他基础数学运算反映纹理分布指标与调整值呈正相关,如加法或幂运算等,纹理滤波指标与调整值呈负相关,如减法等,在此不做限制。
当纹理分布指标越小,纹理滤波指标越大,说明纹理分布越紧密,纹理被噪声影响较大需要参与滤波程度越大,因此调整值越小,则进一步对预设图像块范围的大小调小程度越大,最后得到的优选大小越小。
最终,将以参考点为中心,取整后的优选大小为边长的矩形区域作为参考点的优选图像块范围,通过优选图像块范围可以对高斯白噪声进行更优的滤波效果。在本发明实施例中,可选用四舍五入的取整方法对优选大小进行取整,在本发明其他实施例中,也可采用其他取整方法,如向下取整等,在此不做限制。需要说明的是,取整方法为本领域技术人员熟知的技术手段,在此不做赘述。
至此,根据每个像素点被噪声影响情况,问区域的纹理复杂分布情况,自适应调整每个像素点对应的图像块大小,得到每个像素点对应的优选图像块范围。
S4:基于超声图像中每个像素点对应的优选图像块范围进行非局部均值滤波,得到滤波超声图像;通过滤波超声图像进行穿刺针定位。
在非局部均值滤波算进行图像去噪的过程中,是以图像块为单位来计算像素点的相似度的,因此通过每个像素点调整后的优选图像块范围可以提高去噪效果,更好的保持图像细节,在本发明实施例中,在对每个像素点进行非局部均值滤波过程中,将每个像素点对应的优选图像块范围作为每个像素点计算图像块相似度的范围,通过相似度的计算得到其他像素点对该像素点的权重,进而通过整个图像中其他像素点对该像素的权重进行加权求平均,获得每个像素点的滤波值,进而可根据滤波后的滤波值构成滤波超声图像,即根据所有像素点的滤波值获得滤波超声图像。请参阅图3,其出示了本发明一个实施例所提供的一种滤波超声图像。
最终,通过滤波超声图像可进行穿刺针定位,在本发明实施例中,可以将滤波超声图像输入到穿刺针定位***中获得引导图像,进行穿刺针的实时定位和引导,在穿刺过程中,通过穿刺针定位***结合显示器实时展示滤波超声图像,使医生能够更直观的观察待麻醉穿刺的区域,以确保穿刺针或导管沿着预定的路径准确进入待麻醉穿刺区域。
综上,本发明考虑到椎管内待麻醉区域的超声图像中具有信息的像素点与噪声点的叠加相似性,首先基于每个像素点受噪声影响的可能性分析每个像素点需要参与滤波的程度,由于超声图像反映椎管的横截面信息,具有信息的像素点是区域性分布的,因此首先通过和每个像素点具有相同灰度的其他像素点的局部灰度分布情况,反映每个像素点的在区域中的区域显著指标,进一步结合每个像素点的局部灰度分布情况,以及区域显著指标和灰度值,综合分析每个像素点本身噪声情况以及受到局部噪声影响情况,得到每个像素点的滤波必要性,可以根据每个像素点参与滤波的必要性调整滤波程度,保证信息正常像素点的保留和噪声点的合理去噪。由于在非局部均值滤波的算法中,像素点在计算滤波权重时是基于图像块计算的,因此进一步分析像素点在预设图像块中的不同局部特征,结合像素点的连续分布情况得到纹理点,并根据纹理点的分布以及滤波必要性,综合调整得到每个像素点的图像块大小,使得在后续滤波中能够得到每个像素点最优的滤波结果,进而得到质量更高的滤波超声图像进行穿刺针定位。本发明通过像素点受噪声影响情况以及局部纹理分布情况,调整滤波时的图像块范围,增强非局部均值滤波的鲁棒性,得到质量更高的滤波超声图像,使得通过滤波超声影像进行辅助定位的结果更准确。
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)
1.一种麻醉穿刺辅助定位方法,其特征在于,所述方法包括:
获取椎管内待麻醉区域的超声图像;
根据与每个像素点具有相同灰度值的其他像素点的局部灰度分布混乱程度,获得每个像素点的区域显著指标;根据超声图像中每个像素点与邻域像素点之间的灰度分布均匀情况,以及对应像素点的区域显著指标和灰度值,获得每个像素点的滤波必要性;
根据每个像素点对应的预设图像块范围内像素点的连续分布情况,确定每个像素点对应的纹理点;根据每个像素点在预设图像块范围内对应所有纹理点的分布位置情况和滤波必要性,以及预设图像块范围的边长大小,获得每个像素点的优选图像块范围;
基于超声图像中每个像素点对应的优选图像块范围进行非局部均值滤波,得到滤波超声图像;通过滤波超声图像进行穿刺针定位。
2.根据权利要求1所述一种麻醉穿刺辅助定位方法,其特征在于,所述区域显著指标的获取方法包括:
对于任意一个像素点,将与该像素点的灰度值相同的其他像素点作为该像素点的分布点;依次将每个分布点作为目标点,计算目标点与预设邻域范围内的每个其他像素点灰度值的差异,获得目标点的目标差异;计算目标点对应所有目标差异的标准差,获得目标点的局部分布度;
将该像素点所有分布点的局部分布度的累加值,作为该像素点的区域显著指标。
3.根据权利要求2所述一种麻醉穿刺辅助定位方法,其特征在于,所述滤波必要性的获取方法包括:
对于任意一个像素点,将该像素点对应预设邻域范围内的其他像素点作为该像素点的邻域像素点;计算该像素点与每个邻域像素点之间灰度值的差异,获得该像素点的邻域差异;将该像素点的所有邻域差异的平均值作为该像素点的邻域差异指标;
计算每个邻域像素点与顺时针相邻的领域像素点之间灰度值的差异,获得该像素点的邻域相邻差异;将该像素点的所有邻域相邻差异的平均值作为该像素点的邻域分布指标;将该像素点的邻域差异指标与邻域分布指标的和值作为该像素点的区域分布指标;
根据该像素点的区域显著指标和区域分布指标,获得该像素点的噪声影响指标;区域显著指标与噪声影响指标呈负相关,区域分布指标与噪声影响指标呈正相关,噪声影响指标为归一化处理后的值;将该像素点的灰度值与噪声影响指标的乘积作为该像素点的滤波必要性。
4.根据权利要求1所述一种麻醉穿刺辅助定位方法,其特征在于,所述纹理点的获取方法包括:
依次将每个像素点作为参考点,获取参考点在预设图像块范围内每个像素点的梯度方向;将与每个预设梯度方向满足相同方向条件的像素点作为参考点的一个方向类;
所述相同方向条件为:像素点的梯度方向与预设梯度方向之间的角度差异小于或等于预设角度阈值;
对于参考点的任意一个方向类,在该方向类对应预设梯度方向的垂直方向上,当存在大于或等于预设连续数量个连续分布的像素点时,将连续分布的像素点作为该方向类的一条方向纹理边;将该方向类中所有方向纹理边上像素点,作为参考点对应该方向类的纹理点。
5.根据权利要求4所述一种麻醉穿刺辅助定位方法,其特征在于,所述优选图像块范围的获取方法包括:
在参考点预设图像块范围内,根据每个方向类对应的方向纹理边之间的距离和纹理点的数量,获得参考点的纹理分布指标;根据参考点的滤波必要性和预设图像块范围内所有纹理点的滤波必要性,获得参考点的纹理滤波指标;
根据参考点的纹理分布指标和纹理滤波指标,获得参考点的调整值;纹理分布指标与调整值呈正相关,纹理滤波指标与调整值呈负相关;
计算参考点的调整值和预设图像块范围的大小的乘积,获得参考点的优选大小;将以参考点为中心,取整后的优选大小为边长的矩形区域作为参考点的优选图像块范围。
6.根据权利要求5所述一种麻醉穿刺辅助定位方法,其特征在于,所述纹理分布指标的获取方法包括:
对于参考点的任意一个方向类,当该方向类中的方向纹理边存在两条及以上时,计算方向纹理边之间的平均距离并进行归一化处理,获得该方向类的距离指标;否则,将该方向类的距离指标设置为预设距离指标;预设距离指标大于或等于1;计算所有方向类的距离指标的和值,获得参考点的距离分布指标;
将参考点预设图像块范围内所有纹理点的总数量,作为参考点的数量分布指标;将参考点的数据分布指标与距离分布指标的比值进行负相关映射并归一化处理,获得参考点的纹理分布指标。
7.根据权利要求6所述一种麻醉穿刺辅助定位方法,其特征在于,所述距离指标的获取方法包括:
计算该方向类中每相邻两条方向纹理边之间的距离,作为相邻距离;将该方向类中所有相邻距离的平均值作为该方向类的距离指标。
8.根据权利要求5所述一种麻醉穿刺辅助定位方法,其特征在于,所述纹理滤波指标的获取方法包括:
计算参考点对应每个方向类中纹理点的滤波必要性的平均值,获得每个方向类的滤波均值;计算参考点中所有方向类的滤波均值的累加值,获得参考点的范围滤波指标;
将参考点的滤波必要性与范围滤波指标的和值,作为参考点的纹理滤波指标。
9.根据权利要求1所述一种麻醉穿刺辅助定位方法,其特征在于,所述滤波超声图像的获取方法包括:
在对每个像素点进行非局部均值滤波过程中,将每个像素点对应的优选图像块范围作为每个像素点计算图像块相似度时的范围,获得每个像素点的滤波值;根据所有像素点的滤波值获得滤波超声图像。
10.根据权利要求1所述一种麻醉穿刺辅助定位方法,其特征在于,所述预设图像块范围的边长大小设置为9。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410263796.3A CN117853570B (zh) | 2024-03-08 | 2024-03-08 | 一种麻醉穿刺辅助定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410263796.3A CN117853570B (zh) | 2024-03-08 | 2024-03-08 | 一种麻醉穿刺辅助定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117853570A true CN117853570A (zh) | 2024-04-09 |
CN117853570B CN117853570B (zh) | 2024-05-10 |
Family
ID=90536555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410263796.3A Active CN117853570B (zh) | 2024-03-08 | 2024-03-08 | 一种麻醉穿刺辅助定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117853570B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118053531A (zh) * | 2024-04-16 | 2024-05-17 | 大连杰伍科技有限公司 | 一种医学检验临床数据智能管理方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200178937A1 (en) * | 2017-07-28 | 2020-06-11 | Zhejiang University | Spinal image generation system based on ultrasonic rubbing technique and navigation positioning system for spinal surgery |
WO2022027251A1 (zh) * | 2020-08-04 | 2022-02-10 | 深圳迈瑞生物医疗电子股份有限公司 | 三维显示方法和超声成像*** |
CN116205823A (zh) * | 2023-05-05 | 2023-06-02 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种基于空域滤波的超声影像去噪方法 |
CN116869652A (zh) * | 2023-08-25 | 2023-10-13 | 山东卓业医疗科技有限公司 | 基于超声图像和电子皮肤的手术机器人及其定位方法 |
CN117557486A (zh) * | 2024-01-11 | 2024-02-13 | 深圳爱递医药科技有限公司 | 基于超声影像的神经麻醉穿刺辅助定位方法 |
CN117618109A (zh) * | 2023-12-26 | 2024-03-01 | 西安市中心医院 | 基于mri的乳腺外科手术术前病灶定位及穿刺引导*** |
-
2024
- 2024-03-08 CN CN202410263796.3A patent/CN117853570B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200178937A1 (en) * | 2017-07-28 | 2020-06-11 | Zhejiang University | Spinal image generation system based on ultrasonic rubbing technique and navigation positioning system for spinal surgery |
WO2022027251A1 (zh) * | 2020-08-04 | 2022-02-10 | 深圳迈瑞生物医疗电子股份有限公司 | 三维显示方法和超声成像*** |
CN116205823A (zh) * | 2023-05-05 | 2023-06-02 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种基于空域滤波的超声影像去噪方法 |
CN116869652A (zh) * | 2023-08-25 | 2023-10-13 | 山东卓业医疗科技有限公司 | 基于超声图像和电子皮肤的手术机器人及其定位方法 |
CN117618109A (zh) * | 2023-12-26 | 2024-03-01 | 西安市中心医院 | 基于mri的乳腺外科手术术前病灶定位及穿刺引导*** |
CN117557486A (zh) * | 2024-01-11 | 2024-02-13 | 深圳爱递医药科技有限公司 | 基于超声影像的神经麻醉穿刺辅助定位方法 |
Non-Patent Citations (2)
Title |
---|
李安华;李程;: "乳腺三维超声成像:值得关注的新技术", 中华医学超声杂志(电子版), no. 12, 1 December 2013 (2013-12-01), pages 6 - 12 * |
黄建波;倪东;汪天富;: "基于先验概率和统计形状的***超声图像自动分割方法", 生物医学工程研究, no. 01, 15 March 2015 (2015-03-15), pages 21 - 24 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118053531A (zh) * | 2024-04-16 | 2024-05-17 | 大连杰伍科技有限公司 | 一种医学检验临床数据智能管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117853570B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117853570B (zh) | 一种麻醉穿刺辅助定位方法 | |
US20240277313A1 (en) | Three-dimensional ultrasonic imaging method and system | |
WO2019020048A1 (zh) | 一种基于超声拓片技术的脊椎图像生成***以及脊柱手术导航定位*** | |
US8036436B2 (en) | System and method for segmenting a region in a medical image | |
EP1772103B1 (en) | Ultrasound imaging system for extracting volume of an object from an ultrasound image and method for the same | |
CN100562291C (zh) | 一种针对ct图像的处理装置、方法及*** | |
US7041059B2 (en) | 3D ultrasound-based instrument for non-invasive measurement of amniotic fluid volume | |
CN111281430B (zh) | 超声成像方法、设备及可读存储介质 | |
US7450780B2 (en) | Similarity measures | |
US20130072797A1 (en) | 3d ultrasound apparatus and method for operating the same | |
AU2011213889B2 (en) | Method and apparatus for volume determination | |
CN101082983A (zh) | 基于感兴趣区域的自适应医学序列图像插值方法 | |
CN108888284A (zh) | 图像调整方法、装置及设备、存储介质 | |
JP2004509722A (ja) | 椎骨の椎弓根の位置を含む脊椎の正面幾何学データを抽出する方法及びシステム | |
US20060251306A1 (en) | Apparatus and method of estimating motion of a target object from a plurality of images | |
CN117338339A (zh) | 一种超声成像方法及设备 | |
CN1977770A (zh) | 计算脑溢血3d体积的方法和装置 | |
EP3933759A1 (en) | Image processing method, apparatus and system, and electronic device and storage medium | |
CN110840484A (zh) | 自适应匹配最优声速的超声成像方法、装置及超声设备 | |
CN112168211A (zh) | 一种腹部超声图像的脂肪厚度和肌肉厚度测量方法及*** | |
JP4679095B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN113040821B (zh) | 颅内脑血流三维成像去噪方法、装置、终端设备及存储介质 | |
CN100486518C (zh) | 提高光学相干层析术成像质量的方法 | |
US20210022631A1 (en) | Automated optic nerve sheath diameter measurement | |
CN111242853A (zh) | 基于光流处理的医学ct图像去噪方法 |
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 |