[go: up one dir, main page]

CN114947951B - 超声成像控制方法、装置、超声设备及存储介质 - Google Patents

超声成像控制方法、装置、超声设备及存储介质 Download PDF

Info

Publication number
CN114947951B
CN114947951B CN202210914875.7A CN202210914875A CN114947951B CN 114947951 B CN114947951 B CN 114947951B CN 202210914875 A CN202210914875 A CN 202210914875A CN 114947951 B CN114947951 B CN 114947951B
Authority
CN
China
Prior art keywords
gain
ultrasonic image
tissue
image
gray
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
Application number
CN202210914875.7A
Other languages
English (en)
Other versions
CN114947951A (zh
Inventor
黄灿
李瑞军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Wisonic Medical Technology Co ltd
Original Assignee
Shenzhen Wisonic Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Wisonic Medical Technology Co ltd filed Critical Shenzhen Wisonic Medical Technology Co ltd
Priority to CN202210914875.7A priority Critical patent/CN114947951B/zh
Publication of CN114947951A publication Critical patent/CN114947951A/zh
Application granted granted Critical
Publication of CN114947951B publication Critical patent/CN114947951B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/54—Control of the diagnostic device

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明公开超声成像控制方法、装置、超声设备及存储介质。该方法包括：获取待处理超声图像；对待处理超声图像进行连通域分割，获取组织连通图；对组织连通图和待处理超声图像进行均匀化增益计算，获取均匀化增益参数；采用均匀化增益参数对待处理超声图像进行增益调整，获取均匀增益超声图像；对所述组织连通图和均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数；采用最优动态范围参数对所述均匀增益超声图像进行动态变换，获取目标超声图像。该方法利用具有关联性的均匀化增益参数和最优动态范围参数，同时优化增益调节和动态变换调节，使得增益调节和动态变换调节过程关联，两者综合，可保障目标超声图像具有较好的图像效果。

Description

超声成像控制方法、装置、超声设备及存储介质
技术领域
本发明涉及超声成像技术领域，尤其涉及一种超声成像控制方法、装置、超声设备及存储介质。
背景技术
超声图像由于其图像效果依赖于系统硬件、参数设置和病人体征，其图像效果的表现复杂多变。为了保证超声图像的图像效果，一般需在超声图像上设置增益调节控件和动态范围调节控件，以供医生在使用超声设备进行检查时，可根据实际需要，通过增益调节控件和动态范围调节控件对超声图像进行优化调节，以优化超声图像的图像效果。这种需要医生手动控制增益调节控件和动态范围调节控件进行优化调节过程，主要依赖于医生的经验，调节过程会增加病人的不适感和医生的劳累度，其优化调节过程较粗糙，无法保障超声图像优化调节的图像效果。
发明内容
本发明实施例提供一种超声成像控制方法、装置、超声设备及存储介质，以解决现有超声成像控制过程中，无法保障超声图像的图像效果的问题。
一种超声成像控制方法，包括：
获取待处理超声图像；
对所述待处理超声图像进行连通域分割，获取组织连通图；
对所述组织连通图和所述待处理超声图像进行均匀化增益计算，获取均匀化增益参数；
采用所述均匀化增益参数对所述待处理超声图像进行增益调整，获取均匀增益超声图像；
对所述组织连通图和所述均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数；
采用所述最优动态范围参数对所述均匀增益超声图像进行动态变换，获取目标超声图像。
一种超声成像控制装置，包括：
待处理超声图像获取模块，用于获取待处理超声图像；
组织连通图获取模块，用于对所述待处理超声图像进行连通域分割，获取组织连通图；
均匀化增益参数获取模块，用于对所述组织连通图和所述待处理超声图像进行均匀化增益计算，获取均匀化增益参数；
均匀增益超声图像获取模块，用于采用所述均匀化增益参数对所述待处理超声图像进行增益调整，获取均匀增益超声图像；
最优动态范围参数获取模块，用于对所述组织连通图和所述均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数；
目标超声图像获取模块，用于采用所述最优动态范围参数对所述均匀增益超声图像进行动态变换，获取目标超声图像。
一种超声设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述超声成像控制方法。
一种计算机可读存储介质，所述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实现上述超声成像控制方法。
上述超声成像控制方法、装置、超声设备及存储介质，先对待处理超声图像进行增益均匀化和动态范围映射计算，确定均匀化增益参数和最优动态范围参数，使得两个参数均与待处理超声图像的图像特征相关，使得增益调节和动态变换调节两者具有关联性；再利用均匀化增益参数对待处理超声图像进行增益调节，使得增益调节后的超声图像亮度均匀，不会同一组织结构出现一个区域亮另一个区域暗的状态，并使其整体亮度在人眼舒适范围内；然后，利用最优动态范围参数，对均匀增益超声图像进行动态变换调节，使得动态变换调节后的目标超声图像的图像效果较好。可理解地，利用具有关联性的均匀化增益参数和最优动态范围参数，同时优化增益调节和动态变换调节，使得增益调节和动态变换调节过程关联，两者综合，可保障最终获取的目标超声图像具有较好的图像效果。
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的描述中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中超声设备的一示意图；
图2是本发明一实施例中超声成像控制方法的一流程图；
图3是图2中的步骤S202的一流程图；
图4是图3中的步骤S301的一流程图；
图5是图3中的步骤S302的一流程图；
图6是图2中的步骤S203的一流程图；
图7是图6中的步骤S603的一流程图；
图8是图2中的步骤S205的一流程图；
图9是图8中的步骤S801中一流程图；
图10是本发明一实施例中超声成像控制装置的一示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的超声成像控制方法，该超声成像控制方法可应用如图1所示的超声设备中，超声设备包括主控制器和与主控制器相连的超声探头、波束合成处理器、图像处理器和显示屏。
主控制器为超声设备的控制器，主控制器与超声设备中的其他功能模块相连，包括但不限于超声探头、波束合成处理器、图像处理器和显示屏等功能模块相连，用于控制各个功能模块工作。
超声探头是超声波的发射和接收装置。本示例中，为了保证不同角度的超声图像都能够有较大的横向扫描覆盖范围，即保证不同角度的超声图像有较大的交叠范围，现有超声探头一般由若干大小相同的长条形压电换能器（每单个压电换能器称为阵元）等间隔排列组成；或者将多个压电换能器是呈二维阵列，即阵元排列成二维矩阵形状。超声探头内的压电换能器将施加在其上的电压脉冲激励转换成机械振动，从而对外发出超声波；超声波在人体组织等媒介中传播，会产生反射波和散射波等回波模拟信号，各个压电换能器可将回波模拟信号转换成回波电信号，对回波电信号进行放大和模数转换，转换成回波数字信号，再将回波数字信号发送给波束合成处理器。
波束合成处理器与超声探头相连，用于接收超声探头发送的回波数字信号，对一个或多个通道的回波数字信号进行波束合成，获取一路或多路回波合成信号，将回波合成信号发送给图像处理器。
图像处理器与波束合成处理器相连，用于接收波束合成处理器发送的回波合成信号，对回波合成信号进行图像合成，获取原始超声图像，再对原始超声图像进行空间复合等图像处理过程，形成复合超声图像；再对复合超声图像进行增益调节和动态变换，以获取目标超声图像。
一般来说，超声探头采用线扫描模式进行扫描，即每次发射只启用部分阵元激励超声波，形成一个角度超声波发射。相邻两次发射超声波之间，其发射中心会有所偏移，即启用的阵元中心位置会有所偏移，经过多次发射之后，使得超声波能够完整覆盖到全部成像区域。
作为一示例，图像处理器可以为显卡处理器（即Graphics Processing Unit，以下简称GPU），是专为执行复杂图形渲染所必需的数学和几何计算而设计的处理器，有助于提高目标超声图像的生成效率。本示例中，采用图像处理器专用于图像处理，使得主控制器从图像处理的任务中解放出来，可执行更多系统任务，有助于提高超声设备的整体性能。
本实施例中，图像处理器对回波合成信号进行处理，形成目标超声图像的过程具体包括：
（1）对回波合成信号进行求模处理，即采用求模公式amp = sqrt(real(RF)^2+imag(RF)^2)进行处理，获取回波合成信号对应的合成幅度值，其中，amp为合成幅度值，sqrt为平方根，RF为回波合成信号，real（RF）为回波合成信号的实部，imag（RF）为回波合成信号的虚部。
（2）对回波合成信号对应的合成幅度值进行对数压缩，具体是指依据一定的对数曲线对回波合成信号对应的合成幅度值进行对数压缩，调整回波合成信号的合成幅度值的动态范围，获取回波合成信号对应的压缩幅度值。可理解地，由于求模处理获取的合成幅度值的范围较大，超出人眼可察觉的数值差异，通过对数压缩，即采用output=log(input)的方式将求模获取的合成幅度值进行对数变换，以将较大数量级的合成幅度值压缩于较小的数量级范围内，以便人眼可察觉其中的差异。
（3）根据回波合成信号对应的压缩幅度值进行图像合成，获取原始超声图像。其中，原始超声图像是指根据回波合成信号进行图像合成所形成的图像。
（4）对角度不同的多帧原始超声图像进行空间复合、频率复合和帧相关操作，获取复合超声图像。复合超声图像是指对多帧原始超声图像进行空间复合、频率复合和帧相关处理后获取的超声图像。其中，空间复合是指将多个角度发射的同一区域的多帧原始超声图像进行复合，通过减弱相干效应的方式，极大减弱斑点噪声的程度，并提高超声图像整体的对比分辨率。频率复合是指利用不同频率在分辨力和穿透力上的各自差异进行互补，从而实现对多帧原始超声图像进行复合过程。帧相关是指为了保持连续多帧原始超声图像之间的平滑性所进行处理过程。
（5）对复合超声图像进行图像后处理，即进行增益与动态变换、图像增强和边缘增强滤波等常规图像处理操作，获取目标超声图像，以将目标超声图像在超声设备的显示屏上显示。
在一实施例中，如图2所示，提供一种超声成像控制方法，以该方法应用在图1中的图像处理器为例进行说明，该超声成像控制方法包括：
S201：获取待处理超声图像；
S202：对待处理超声图像进行连通域分割，获取组织连通图；
S203：对组织连通图和待处理超声图像进行均匀化增益计算，获取均匀化增益参数；
S204：采用均匀化增益参数对待处理超声图像进行增益调整，获取均匀增益超声图像；
S205：对组织连通图和均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数；
S206：采用最优动态范围参数对均匀增益超声图像进行动态变换，获取目标超声图像。
其中，待处理超声图像是指需要进行优化处理的超声图像，该待处理超声图像可以为空间复合后的超声图像。
作为一示例，步骤S201中，图像处理器可获取待处理超声图像，并监控用户是否触发自动优化功能，若用户触发自动优化功能，则可执行步骤S202及其以后的步骤，对超声图像的增益调节和动态变换过程进行自动优化；若用户没有触发自动优化功能，则跳过步骤S201，依次对待处理超声图像进行增益调节和动态变换，获取目标超声图像。此处的增益调节是利用超声设备上的增益调节控件和预先设置的增益参数进行增益调节。此处的动态变换是利用超声设备上的动态范围调节控件对预先设置的动态范围参数进行动态变换。一般来说，在没有触发自动优化功能时，增益调节控件和动态范围调节控件都是基于预先设置的参数进行调节，使得最终获取到的目标超声图像的图像效果较粗糙。
作为一示例，步骤S202中，图像处理器在在用户触发自动优化功能时，需对待处理超声图像中的组织结构进行识别，以确定每一组织结构对应的连通域；再基于连通域对待处理超声图像进行连通域分割，获取表征任一组织结构的组织连通图，使得每一组织连通图可反映一组织结构的位置信息。
一般来说，超声设备所接收到的待处理超声图像中每个像素点对应的灰阶（即亮度）不同，会导致同一组织结构出现一个区域亮另一个区域暗的状态，且待处理超声图像的整体亮度不在人眼舒适范围内，会影响用户对待处理超声图像的整体感观。
作为一示例，步骤S203中，图像处理器在用户触发自动优化功能时，可对待处理超声图像进行增益均匀化计算，获取均匀化增益参数。该均匀化增益参数是可使增益调节更均匀的增益参数，是用于输入增益调节控件进行增益调节的参数。本示例中，图像处理器可根据待处理超声图像中学习到的的图像特征，确定均匀化增益参数，以便利用该均匀化增益参数进行增益调节，使得增益调节后的超声图像亮度均匀，不会同一组织结构出现一个区域亮另一个区域暗的状态，并使其整体亮度在人眼舒适范围内。
本示例中，图像处理器在获取每一组织结构对应的组织连通图后，依据组织连通图的位置信息，获取待处理超声图像中每一像素点对应的实测灰度值。该实测灰度值可理解为待处理超声图像中的每一像素点的灰度值，该像素点为连通组织图的位置信息中的像素点。接着，利用实测灰度值进行均值计算，可确定组织灰度均值。然后，利用组织灰度均值对每一实测灰度值对应的实测灰度值确定其增益调节量。最后，利用增益调节量进行均匀化计算，确定均匀化增益参数，使得后续利用该均匀化增益参数进行增益调节，使得增益调节后的超声图像亮度均匀，不会同一组织结构出现一个区域亮另一个区域暗的状态，并使其整体亮度在人眼舒适范围内。
作为一示例，步骤S204中，图像处理器在获取到均匀化增益参数后，需采用均匀化 增益参数对待处理超声图像进行增益调节，获取均匀增益超声图像。本示例中，图像处理器 采用如下增益调节公式
Figure 117352DEST_PATH_IMAGE001
，对待处理超声图像进行增益调节，获取 均匀增益超声图像，其中，
Figure 644279DEST_PATH_IMAGE002
为输出的均匀增益超声图像，即待处理超声图像进行增益调 节后的超声图像；
Figure 892858DEST_PATH_IMAGE003
为输入的待处理超声图像；
Figure 881542DEST_PATH_IMAGE004
为根据一组增益参数计算的 增益幅度，在用户未触发自动优化功能时，这组增益参数为预先设置的增益参数，在用户触 发自动优化功能时，这组增益参数为均匀化增益参数。可理解地，采用从待处理超声图像的 图像特征中学习到的均匀化增益参数，对待处理超声图像进行增益调节，可使均匀增益超 声图像亮度均匀，不会同一组织结构出现一个区域亮另一个区域暗的状态，并使其整体亮 度在人眼舒适范围内。
其中，该最优动态范围参数是可使动态变换效果更佳的动态范围参数，是用于输入动态范围调节控件进行动态变换调节的参数。
作为一示例，步骤S205中，图像处理器在获取均匀增益超声图像后，还可基于组织连通图和均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数。本示例中，图像处理器可依据组织连通图的位置信息，获取均匀增益超声图像中每一像素点对应的增益灰度值。该增益灰度值可理解为均匀增益超声图像中每一像素点的灰度值，是基于均匀化增益参数对待处理超声图像对应的实测像素值进行均匀化增益处理后的像素值，此处的像素点为组织连通图中的像素点中。接着，可分析组织连通图的位置信息对应的所有像素点的增益灰度值的细节和差异，再基于这些细节和差异进行动态规划，确定最优动态范围参数，以便利用该最优动态范围参数进行动态变换调节，以使动态变换调节后的目标超声图像的图像效果。
作为一示例，步骤S206中，图像处理器在获取均匀增益超声图像后，需采用步骤 S202中确定的最优动态范围参数对均匀增益超声图像进行动态变换，获取目标超声图像。 本示例中，图像处理器采用如下动态变换调节公式
Figure 899177DEST_PATH_IMAGE005
，对均匀增益超 声图像进行动态变换调节，获取目标超声图像，其中，
Figure 829962DEST_PATH_IMAGE006
为输出的目标超声图像；
Figure 300257DEST_PATH_IMAGE007
为动 态变换曲线的函数，其函数形式可以为常规的伽马变换或者其他变换；
Figure 92633DEST_PATH_IMAGE008
为输入的均匀增 益超声图像；
Figure 230353DEST_PATH_IMAGE009
为动态范围参数，在用户未触发自动优化功能时，
Figure 567925DEST_PATH_IMAGE009
为预 先设置的动态范围参数，在用户触发自动优化功能时，
Figure 791096DEST_PATH_IMAGE009
为最优动态变换参数。
本实施例所提供的超声成像控制方法中，先对待处理超声图像进行连通域分割，获取组织连通图，使得每一组织连通图可反映某一组织结构的位置信息，保障后续处理的可行性；再对组织连通图和待处理超声图像进行均匀化增益计算，并利用计算出的均匀化增益参数对待处理超声图像进行增益调节，使得增益调节后的超声图像亮度均匀，不会同一组织结构出现一个区域亮另一个区域暗的状态，并使其整体亮度在人眼舒适范围内；然后，对组织连通图和均匀增益超声图像进行动态范围映射计算，并利用计算出的最优动态范围参数，对均匀增益超声图像进行动态变换调节，使得动态变换调节后的目标超声图像的图像效果较好。可理解地，利用具有关联性的均匀化增益参数和最优动态范围参数，同时优化增益调节和动态变换调节，使得增益调节和动态变换调节过程关联，两者综合，可保障最终获取的目标超声图像具有较好的图像效果。
在一实施例中，如图3所示，步骤S202，即对待处理超声图像进行连通域分割，获取组织连通图，包括：
S301：对待处理超声图像进行关键特征定位，获取关键性特征；
S302：基于关键性特征，对待处理超声图像进行连通域分割，获取组织连通图。
作为一示例，步骤S301中，针对超声图像而言，超声图像的灰阶（即亮度）会分布不均，也就是说，同一人体组织，在超声图像中，可能有的位置过亮，有的位置过暗，或者可能存在整体都太亮而导致刺眼情况发生, 或者可能存在整体都偏暗,使得人眼看不太清的情况发生，这上述情况下，若想从超声图像中分割组织的话，极容易发生误判。因此，图像处理器需先对待处理超声图像进行关键特征定位，以获取关键性特征。该关键性特征是指从待处理超声图像中提取到的对连通域分割较关键的特征。本示例中，该关键性特征是指不受图像的灰阶和对比度影响的特征。可理解地，关键性特征不受图像的灰阶和对比度影响，使其不会受到超声图像的灰阶分布不均的干扰。
作为一示例，步骤S302中，图像处理器从待处理超声图像中确定的关键性特征，可根据关键性特征，确定待处理超声图像中表征任一组织结构的连通域；再基于连通域对待处理超声图像进行连通域分割，获取表征任一组织结构的组织连通图，使得每一组织连通图可反映一组织结构的位置信息。
本实施例中，先从待处理超声图像中提取不受灰阶影响的关键性特征，再基于关键性特征对待处理超声图像进行连通域分割，获取组织连通图，使得每一组织连通图可反映某一组织结构的位置信息，该组织结构的位置信息对应的待处理超声图像的灰阶应当均匀分布，以便后续复用组织连通图进行均匀化增益计算和动态范围映射计算具有可行性。
在一实施例中，如图4所示，步骤S301，即对待处理超声图像进行关键特征定位，获取关键性特征，包括：
S401：采用局域相位算法对待处理超声图像进行变换，获取目标变换函数；
S402：基于目标变换函数进行相位计算，获取目标相位；
S403：对目标相位进行边界对称性特征提取，获取关键性特征。
作为一示例，步骤S401中，图像处理器可采用局域相位算法对待处理超声图像进 行变换，获取目标变换函数。本示例中，图像处理器可采用但不限于Felsberg局域相位算法 对待处理超声图像进行Riesz变换，以将待处理超声图像转换为目标变换函数
Figure 121583DEST_PATH_IMAGE010
，其变换 公式如下：
Figure DEST_PATH_IMAGE011
其中，
Figure 956552DEST_PATH_IMAGE010
为目标变换函数，
Figure 855238DEST_PATH_IMAGE012
为待处理超声图像中所有像素点的横坐标，
Figure 690339DEST_PATH_IMAGE013
为待 处理超声图像中所有像素点的纵坐标，
Figure 434304DEST_PATH_IMAGE014
为空间滤波器的构造,
Figure 421983DEST_PATH_IMAGE015
为输入的 待处理超声图像, *代表卷积。
Figure 22729DEST_PATH_IMAGE014
可以认为是一个复数形式的空间滤波器，
Figure 548388DEST_PATH_IMAGE016
是其实部，
Figure 892781DEST_PATH_IMAGE017
是其虚部，
Figure 442624DEST_PATH_IMAGE018
代表着分别用实部以及虚部对
Figure 479850DEST_PATH_IMAGE015
进行滤波，使得获取的
Figure 227226DEST_PATH_IMAGE010
也是复数，
Figure 375310DEST_PATH_IMAGE010
也有着自己的实部和虚部，对应着的是h1和h2的滤波结果。
作为一示例，步骤S402中，由于相位不会受到图像的灰阶和对比度的干扰，因此，图像处理器还需基于目标变换函数进行相位计算，获取目标相位，其目标相位计算公式如下：
Figure 275264DEST_PATH_IMAGE019
其中，
Figure 483392DEST_PATH_IMAGE020
为目标相位，
Figure 390168DEST_PATH_IMAGE010
为目标变换函数，
Figure 138681DEST_PATH_IMAGE015
为输入的待处理超声图像。
作为一示例，步骤S403中，由于计算出的目标相位无法完全突显边界，因此，图像处理器还需对目标相位进行边界对称性特征提取，获取关键性特征，其关键性特征提取公式如下：
Figure 80092DEST_PATH_IMAGE021
其中，
Figure 36285DEST_PATH_IMAGE020
为目标相位，
Figure 227095DEST_PATH_IMAGE022
为待处理超声图像的结构张量的主特征值, 可根据常规 的图像结构张量算法确定，具体可构造基于梯度的局域二阶矩阵, 求解特征方程, 较大的 特征值即为主特征值
Figure 654665DEST_PATH_IMAGE022
；normConv为归一化卷积计算；
Figure 309637DEST_PATH_IMAGE023
为边界的标准理想相位,代表的 是反对称效果, 相位有多偏离
Figure 62830DEST_PATH_IMAGE023
,就有多大概率不是边界。本示例中，在目标相位加上主特 征值的调制后, 通过归一化卷积得到一个比较完好平整的边界响应值
Figure 740936DEST_PATH_IMAGE024
，可将该边界响应 值
Figure 113142DEST_PATH_IMAGE024
确定为关键性特征。本示例中，某一像素点的边界响应值
Figure 497987DEST_PATH_IMAGE024
的大小表示这个像素点所 在位置多像一个组织结构的边界，也就是说，有多大概率为一个组织结构的边界，以便后续 基于边界响应值
Figure 281135DEST_PATH_IMAGE024
这个关键性特征进行连通域分割时，可直接根据边界响应值
Figure 446538DEST_PATH_IMAGE024
对超声图 像进行二值化处理，从而确定结构边界。
本实施例中，采用局域相位算法对待处理超声图像进行变换，获取目标变换函数，再根据目标变换函数，从待处理超声图像中获取不受图像的灰阶和对比度干扰的目标相位；再对目标相位进行边界对称性特征提取，以提取边界响应值这一关键性特征，使其可突显超声图像中的组织结构的边界。
在一实施例中，关键性特征为边界响应值；
如图5所示，步骤S302，即基于关键性特征，对待处理超声图像进行连通域分割，获取组织连通图，包括：
S501：根据边界响应值和预设响应值，获取边界二值化图像；
S502：从边界二值化图像中确定至少一个连通域，基于至少一个连通域进行连通域分割，获取组织连通图。
其中，边界响应值为表示某一像素点所在位置为一组织结构的边界的概率。预设响应值是预先设置的用于评估是否达到认定为边界的阈值。
作为一示例，步骤S501中，由于从待处理超声图像中确定的边界响应值这一关键性特征的鲁棒性较好，不会受到超声图像的灰阶和对比度影响，因此，可图像处理器可将实际提取到的边界响应值和预先设置的预设响应值进行比较，若边界响应值大于预设响应值，则认定其为边界，可将其像素值设置为255或者其他第一默认值；若边界响应值不大于预设响应值，则认定其不为边界，可将其像素值设置为0或者其他第二默认值，以便根据边界响应值，将待处理超声图像转换为边界二值化图像。其中，第一默认值和第二默认值是指二值化处理过程中预先设置的两个固定值。
作为一示例，步骤S502中，图像处理器所确定的边界二值化图像中的边界彼此交错，可将一个完整的图像分割形成多个独立连通的连通域。此处的连通域是指图像中独立连通的区域，每个连通域可理解为一块灰阶均匀的组织结构所形成的区域。图像处理器在根据边界二值化图像确定至少一个连通域后，可基于至少一个连通域进行连通域分割，获取组织连通图。本示例中，图像处理器可采用但不限于深度优先的二步搜索法对至少一个连通域进行连通域分割，以获取组织连通图。
本实施例中，基于边界响应值和预设响应值，获取边界二值化图像，以使边界二值化图像可清晰展示组织边界；再从边界二值化图像中确定至少一个连通域，基于至少一个连通域进行连通域分割，即可获取组织连通图，使得每一组织连通图对应一个组织结构，以便后续进行增益均匀化计算和动态范围映射计算。
在一实施例中，如图6所示，步骤S203，即对组织连通图和待处理超声图像进行均匀化增益计算，获取均匀化增益参数，包括：
S601：基于组织连通图的位置信息，对待处理超声图像中每一像素点对应的实测灰度值进行均值计算，获取组织灰度均值；
S602：根据组织灰度均值和标准灰阶范围进行均值曲线计算，获取灰度均值曲线；
S603：采用灰度均值曲线进行增益参数拟合，获取均匀化增益参数。
其中，实测灰度值可理解为待处理超声图像中的每一像素点的灰度值。组织灰度均值是对组织连通图中的所有像素点的实测灰度值进行均值计算的结果。
作为一示例，步骤S601中，图像处理器在获取到组织连通图后，由于组织连通图是基于连通域形成的分割图，而连通域一般对应一个组织结构，其应当是一个整体，其对应的待处理超声图像中的灰阶（即亮度）应当一致，因此，需基于组织连通图的位置信息，确定待处理超声图像中与该位置信息相对应的每一像素点对应的实测灰度值；再对该位置信息对应的所有像素点的实测灰度值进行均值计算，确定组织结构对应的组织灰度均值。
其中，标准灰阶范围是预先设置的灰阶范围，该标准灰阶范围主要考虑人眼的舒适感确定，对超声图像而言，其灰阶在70~100之间，使人眼的舒适感最好，可确定其标准灰阶范围为70-100。
作为一示例，步骤S602中，图像处理器采用预先设置的均值曲线函数，对组织连通图的组织灰度均值和预先设置的标准灰阶范围进行均值曲线计算，以获取灰度均值曲线。本示例中，预先设置的均值曲线如下：
Figure 481490DEST_PATH_IMAGE025
其中，
Figure 360322DEST_PATH_IMAGE026
为预先设置的标准灰阶范围，即人眼感知舒服的标准灰阶 范围,这是个经验参数。m为组织连通图中计算的组织灰度均值，是组织连通图对应的连通 域中的实测灰度值计算出的均值。
Figure 189737DEST_PATH_IMAGE027
是一次映射曲线,同时依赖于组织灰度均值和标准灰 阶范围,目的是作一次微调,以获得更好的效果。映射曲线
Figure 842436DEST_PATH_IMAGE027
的曲线形式可以直接采用三 角函数进行S形映射,也可以根据实验测得,没有具体的固定形式,不作详述。v为最终获取 到的灰度均值曲线，为最终微调后的组织灰度均值。
作为一示例，步骤S603中，由于灰度均值曲线是采用人眼感知舒服的标准灰阶范围对组织灰度均值进行调整后的曲线，曲线中的每一像素点对应的微调后的组织灰度均值，与同一像素点对应的实测灰度值存在差异，为了减少不同像素点之间差异，需采用灰度均值曲线进行增益参数拟合，获取均匀化增益参数，以便利用该均匀化增益参数进行增益调节，使得增益调节后的超声图像亮度均匀，不会同一组织结构出现一个区域亮另一个区域暗的状态，并使其整体亮度在人眼舒适范围内。
本实施例中，先对组织连通图中的实测灰度值进行均值计算，以确定该组织连通图对应的组织结构的组织灰度均值，以便利用组织灰度均值保持组织结构的亮度均匀，避免同一组织结构出现一个区域亮另一个区域暗的状态；再利用人眼感知舒服的标准灰阶范围对其实际测量到的组织灰度均值进行微调，以确定灰度均值曲线，使得该灰度均值曲线中的灰度值都是人眼感知舒适的灰度值；最后，采用灰度均值曲线进行增益参数拟合，获取均匀化增益参数，以便利用该均匀化增益参数进行增益调节，使得增益调节后的超声图像亮度均匀，不会同一组织结构出现一个区域亮另一个区域暗的状态，并使其整体亮度在人眼舒适范围内。
在一实施例中，如图7所示，步骤S603，即采用灰度均值曲线进行增益参数拟合，获取均匀化增益参数，包括：
S701：基于灰度均值曲线，确定每一像素点对应的标准灰度值；
S702：根据同一像素点对应的实测灰度值和标准灰度值，确定每一像素点对应的增益调节量；
S703：对所有像素点对应的增益调节量进行增益参数拟合，获取均匀化增益参数。
作为一示例，步骤S701中，图像处理器在根据组织灰度均值和标准灰阶范围进行均值曲线计算，确定灰度均值曲线后，可查询灰度均值曲线，确定灰度均值曲线中每一像素点对应的标准灰度值。该标准灰度值可理解为采用人眼感知舒服的标准灰阶范围对其实际测量到的组织灰度均值进行微调后的灰度值，也可理解为组织连通图进行微调后，最终确定的用于进行增益参数拟合的灰度均值。
作为一示例，步骤S702中，由于标准灰度值是微调后的组织灰度均值，为了使每一像素点对应的实测灰度值与其对应的标准灰度值保持一致，需对同一像素点对应的实测灰度值和标准灰度值进行差值计算，以将两者的差值，确定为同一像素点对应的增益调节量。
作为一示例，步骤S703中，同一组织连通图中，每一像素点对应的增益调节量不一致，不符合一般的增益计算时的参数需求，因此，需对所有像素点对应的增益调节量进行增益参数拟合，获取均匀化增益参数。其中，一般的增益计算包括但不限于全局统一的增益计算和分区域的增益计算，全局统一的增益计算主要调整图像整体的灰阶（即亮度）大小；分区域的增益计算包括时间增益补偿TGC和侧向增益补偿LGC，时间增益补偿TGC是控制图像在不同深度下的亮度均匀性，侧向增益补偿LGC是控制图像的左右两侧与中央区域的亮度一致性。本示例中，图像处理器可采用但不限于最小二乘法等曲线拟合算法，对组织连通图中所有像素点的增益调节量进行拟合，以获取最终的均匀化增益参数，具体做法由于不同系统实际需求不同, 在此不作详述。
本实施例中，由于该标准灰度值可理解为采用人眼感知舒服的标准灰阶范围对其实际测量到的组织灰度均值进行微调后的灰度值，根据每一像素点的实测灰度值和标准灰度值，确定每一像素点对应的增益调节量，再对所有增益调节量进行增益参数拟合，获取均匀化增益参数，以便利用该均匀化增益参数进行增益调节，使得增益调节后的超声图像亮度均匀，不会同一组织结构出现一个区域亮另一个区域暗的状态，并使其整体亮度在人眼舒适范围内。
在一实施例中，如图8所示，步骤S205，即对组织连通图和均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数，包括：
S801：基于组织连通图的位置信息，对均匀增益超声图像中每个像素点对应的增益灰度值进行动态规划，获取均匀增益超声图像对应的目标灰阶映射曲线；
S802：对均匀增益超声图像对应的目标灰阶映射曲线进行动态范围参数拟合，获取最优动态范围参数。
其中，该增益灰度值可理解为均匀增益超声图像中每一像素点的灰度值，是基于均匀化增益参数对待处理超声图像对应的实测像素值进行均匀化增益处理后的像素值，此处的像素点为组织连通图中的像素点中。
作为一示例，步骤S801中，图像处理器在获取组织连通图和均匀增益超声图像后，可先根据组织连通图的位置信息和增益均匀超声图像的中每个像素点对应的增益灰度值，计算反映增益均匀超声图像中某一组织结构灰阶的细节和差异的目标评价函数；再利用计算出的目标评价函数，对增益均匀超声图像进行动态规划，具体是对增益均匀超声图像的原始灰阶映射函数y=x进行动态规划，不断调整原始灰阶映射曲线的形状，获取均匀增益超声图像对应的满足预设条件的目标灰阶映射曲线。目标灰阶映射曲线为对原始灰阶映射曲线进行动态规划后的灰阶映射曲线。本示例中，目标灰阶映射曲线可以为S型映射曲线，也可称为S映射参数表。
作为一示例，步骤S802中，图像处理器在获取均匀增益超声图像对应的目标灰阶映射曲线中，需对均匀增益超声图像对应的目标灰阶映射曲线进行动态范围参数拟合，以将目标灰阶映射曲线转换成可适用于动态范围调节控件内置的动态变换算法所需的动态范围参数，将其确定为最优动态范围参数。本示例中，不同动态范围调节控件所采用的动态变换算法不同，其计算方式会有差异，但均可采用但不限于最小二乘法对目标灰阶映射曲线，例如，S映射参数表进行拟合，以获取最优动态范围参数，以便利用该最优动态范围参数进行动态变换调节，以使动态变换调节后的目标超声图像的图像效果。
在一实施例中，如图9所示，步骤S801，即基于组织连通图和均匀增益超声图像进行动态规划，获取均匀增益超声图像对应的目标灰阶映射曲线，包括：
S901：基于组织连通图的位置信息，对均匀增益超声图像中所有像素点对应的增益灰度值进行差异计算，获取组织结构对比度；
S902：基于组织连通图的位置信息，对均匀增益超声图像中每一像素点对应的增益灰度值进行细节计算，获取细节突显度；
S903：根据组织结构对比度和细节突显度，获取目标评价函数；
S904：基于目标评价函数，对均匀增益超声图像进行动态规划，获取均匀增益超声图像对应的目标灰阶映射曲线。
作为一示例，步骤S901中，图像处理器可基于组织连通图的位置信息，获取均匀增益超声图像中与该位置信息相对应的所有像素点的增益灰度值；再采用预先设置的组织结构对比度公式，对该位置信息对应的所有像素点的增益灰度值进行差异计算，以获取均匀增益超声图像整体的组织结构对比度。本示例中，组织结构对比度公式如下：
Figure 805712DEST_PATH_IMAGE028
其中， 求和号是指根据组织连通图的位置信息，对所有相邻两个组织结构的增益 灰度值进行统计。
Figure 899570DEST_PATH_IMAGE029
为组织连通图的第i个组织结构和第j个组织结构中，较大组织结构 的归一化面积。
Figure 40833DEST_PATH_IMAGE030
为组织连通图中第i个组织结构和第j个组织结构，在均匀增益超声 图像中对应区域直方图统计的峰值距离，此处的直方图统计是对其增益灰度值进行直方图 统计。本示例中，采用上述组织结构对比度公式，将两块组织结构的差异通过归一化面积进 行相对加权，即可获取均匀增益超声图像对应的一个综合对比度评价。此处的归一化面积 是指将每一组织结构的实际组织面积归一化同一标准范围后的面积，以便利用所有组织结 构的归一化面积进行综合评估。
作为一示例，步骤S902中，图像处理器可基于组织连通图的位置信息，获取均匀增益超声图像中与该位置信息相对应的每一像素点的增益灰度值；再采用预先设置的细节突显度公式，对该位置信息对应的每一像素点的增益灰度值对组织结构进行细节计算，以获取组织连通图中每一组织结构对应的细节突显度。本示例中，可采用但不限于CANNY边缘算法，对每一组织连通图中不同连通区域对应的均匀增益超声图像的组织结构进行细节计算，具体对每一组织区域的边缘像素点数目进行计算，以获取组织连通图中每一组织结构对应的细节突显度，细节突显度算法如下：
Figure 118510DEST_PATH_IMAGE031
其中，
Figure 885478DEST_PATH_IMAGE032
为组织连通图中第i个组织结构对应的均匀增益超声图像中的边缘 像素数目，此处的均匀增益超声图像中的边缘像素数目可采用CANNY边缘算法得到。
Figure 161739DEST_PATH_IMAGE033
为
Figure 598536DEST_PATH_IMAGE034
组织连通图中第i个组织结构的归一化面积，即第i个结构的像素数量。
作为一示例，步骤S903中，图像处理器在获取组织结构对比度和细节突显度后，可采用预先设置的目标评价函数公式，对组织结构对比度和细节突显度进行计算，获取目标评价函数。本示例中，预先设置的目标评价函数公式如下：
Figure 271832DEST_PATH_IMAGE035
其中，
Figure 452277DEST_PATH_IMAGE036
和
Figure 583044DEST_PATH_IMAGE037
为算法经验参数,通过实验得到； Z为目标评价函数，是用于评估图 像质量的数值化指标； Contrast为组织结构对比度；Detail为细节突显度。
作为一示例，步骤S904中，图像处理器可基于计算出的目标评价函数，对均匀增益超声图像进行动态规划，具体是对增益均匀超声图像的原始灰阶映射函数y=x进行动态规划，以调整原始灰阶映射曲线的形态，获取增益均匀超声图像对应的满足需求的目标灰阶映射曲线。此处的目标灰阶映射曲线是指利用目标评价函数对原始灰阶映射曲线进行动态调整后的曲线。此处的动态规划是指不断调整改变原始灰阶映射曲线的形状，计算其目标评价函数，以不断迭代中寻找最佳评价函数，以将最佳评价函数对应的灰阶映射曲线，确定为调整后的目标灰阶映射曲线。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种超声成像控制装置，该超声成像控制装置与上述实施例中超声成像控制方法一一对应。如图10所示，该超声成像控制装置包括待处理超声图像获取模块1001、组织连通图获取模块1002、均匀化增益参数获取模块1003、均匀增益超声图像获取模块1004、最优动态范围参数获取模块1005和目标超声图像获取模块1006。各功能模块详细说明如下：
待处理超声图像获取模块1001，用于获取待处理超声图像；
组织连通图获取模块1002，用于对待处理超声图像进行连通域分割，获取组织连通图；
均匀化增益参数获取模块1003，用于对组织连通图和待处理超声图像进行均匀化增益计算，获取均匀化增益参数；
均匀增益超声图像获取模块1004，用于采用均匀化增益参数对待处理超声图像进行增益调整，获取均匀增益超声图像；
最优动态范围参数获取模块1005，用于对组织连通图和均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数；
目标超声图像获取模块1006，用于采用最优动态范围参数对均匀增益超声图像进行动态变换，获取目标超声图像。
在一实施例中，组织连通图获取模块1002，包括：
关键性特征获取单元，用于对待处理超声图像进行关键特征定位，获取关键性特征；
组织连通图获取单元，用于基于关键性特征，对待处理超声图像进行连通域分割，获取组织连通图。
在一实施例中，关键性特征获取单元，包括：
目标变换函数获取子单元，用于采用局域相位算法对待处理超声图像进行变换，获取目标变换函数；
目标相位获取子单元，用于基于目标变换函数进行相位计算，获取目标相位；
关键性特征获取子单元，用于对目标相位进行边界对称性特征提取，获取关键性特征。
在一实施例中，关键性特征为边界响应值；
组织连通图获取单元，包括：
二值化图像获取子单元，用于根据边界响应值和预设响应值，获取边界二值化图像；
组织连通图获取子单元，用于从边界二值化图像中确定至少一个连通域，基于至少一个连通域进行连通域分割，获取组织连通图。
在一实施例中，均匀化增益参数获取模块1003，包括：
组织灰度均值获取单元，用于基于组织连通图的位置信息，对待处理超声图像中每一像素点对应的实测灰度值进行均值计算，获取组织灰度均值；
灰度均值曲线获取单元，用于根据组织灰度均值和标准灰阶范围进行均值曲线计算，获取灰度均值曲线；
均匀化增益参数获取单元，用于采用灰度均值曲线进行增益参数拟合，获取均匀化增益参数。
在一实施例中，均匀化增益参数获取单元，包括：
标准灰度值获取子单元，用于基于灰度均值曲线，确定每一像素点对应的标准灰度值；
增益调节量获取子单元，用于根据同一像素点对应的实测灰度值和标准灰度值，确定每一像素点对应的增益调节量；
增益参数获取子单元，用于对所有像素点对应的增益调节量进行增益参数拟合，获取均匀化增益参数。
在一实施例中，最优动态范围参数获取模块1005，包括：
映射曲线获取单元，用于基于组织连通图的位置信息，对均匀增益超声图像中每个像素点对应的增益灰度值进行动态规划，获取均匀增益超声图像对应的目标灰阶映射曲线；
动态范围参数获取单元，用于对均匀增益超声图像对应的目标灰阶映射曲线进行动态范围参数拟合，获取最优动态范围参数。
在一实施例中，映射曲线获取单元，包括：
组织结构对比度获取子单元，用于基于组织连通图的位置信息，对均匀增益超声图像中所有像素点对应的增益灰度值进行差异计算，获取组织结构对比度；
细节突显度获取子单元，用于对基于组织连通图的位置信息，对均匀增益超声图像中每一像素点对应的增益灰度值进行细节计算，获取细节突显度；
目标评价函数获取子单元，用于根据组织结构对比度和细节突显度，获取目标评价函数；
映射曲线获取子单元，用于基于目标评价函数，对均匀增益超声图像进行动态规划，获取均匀增益超声图像对应的目标灰阶映射曲线。
关于超声成像控制装置的具体限定可以参见上文中对于超声成像控制方法的限定，在此不再赘述。上述超声成像控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于超声设备中的处理器中，也可以以软件形式存储于超声设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一实施例中，提供一种超声设备，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，处理器执行计算机程序时实现上述实施例中超声成像控制方法，例如图2所示S201-S206，或者图3至图9中所示，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现超声成像控制装置这一实施例中的各模块/单元的功能，例如图10所示的待处理超声图像获取模块1001、组织连通图获取模块1002、均匀化增益参数获取模块1003、均匀增益超声图像获取模块1004、最优动态范围参数获取模块1005和目标超声图像获取模块1006的功能，为避免重复，这里不再赘述。
在一实施例中，提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中超声成像控制方法，例如图2所示S201-S206或者图3至图9中所示，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述超声成像控制装置这一实施例中的各模块/单元的功能，例如图10所示的待处理超声图像获取模块1001、组织连通图获取模块1002、均匀化增益参数获取模块1003、均匀增益超声图像获取模块1004、最优动态范围参数获取模块1005和目标超声图像获取模块1006的功能，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (12)

1.一种超声成像控制方法，其特征在于，包括：
获取待处理超声图像；
采用局域相位算法对所述待处理超声图像进行变换，获取目标变换函数；所述局域相位算法的变换公式为fR＝(h*f)(x1,x2)；
Figure FDA0003859671480000011
其中，fR为目标变换函数，x1为待处理超声图像中所有像素点的横坐标，x2为待处理超声图像中所有像素点的纵坐标，h＝(h1,h2)为空间滤波器的构造,f为输入的待处理超声图像,*代表卷积；h＝(h1,h2)是一个复数形式的空间滤波器，h1是其实部，h2是其虚部，h*f代表着分别用实部以及虚部对f进行滤波；
基于所述目标变换函数进行相位计算，获取目标相位；所述目标相位计算公式为
Figure FDA0003859671480000012
Figure FDA0003859671480000013
其中，φ为目标相位，fR为目标变换函数，f为输入的待处理超声图像；
对所述目标相位进行边界对称性特征提取，获取关键性特征；所述关键性特征提取公式为
Figure FDA0003859671480000014
其中，φ为目标相位，λ为待处理超声图像的结构张量的主特征值；normConv为归一化卷积计算；
Figure FDA0003859671480000015
为边界的标准理想相位；μ为边界响应值，表示像素点所在位置多像一个组织结构的边界，可将边界响应值μ确定为关键性特征；
基于所述关键性特征，对所述待处理超声图像进行连通域分割，获取组织连通图；
对所述组织连通图和所述待处理超声图像进行均匀化增益计算，获取均匀化增益参数；
基于所述组织连通图的位置信息，对所述待处理超声图像中每一像素点对应的实测灰度值进行均值计算，获取组织灰度均值；根据所述组织灰度均值和标准灰阶范围进行均值曲线计算，获取灰度均值曲线；采用所述灰度均值曲线进行增益参数拟合，获取均匀化增益参数，其中，标准灰阶范围是预先设置的灰阶范围，该标准灰阶范围主要考虑人眼的舒适感确定；
对所述组织连通图和所述均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数；
采用所述最优动态范围参数对所述均匀增益超声图像进行动态变换，获取目标超声图像。
2.如权利要求1所述的超声成像控制方法，其特征在于，所述关键性特征为边界响应值；
所述基于所述关键性特征，对所述待处理超声图像进行连通域分割，获取组织连通图，包括：
根据所述边界响应值和预设响应值，获取边界二值化图像；
从所述边界二值化图像中确定至少一个连通域，基于至少一个所述连通域进行连通域分割，获取组织连通图。
3.如权利要求1所述的超声成像控制方法，其特征在于，所述采用所述灰度均值曲线进行增益参数拟合，获取均匀化增益参数，包括：
基于所述灰度均值曲线，确定每一像素点对应的标准灰度值；
根据同一像素点对应的实测灰度值和标准灰度值，确定每一像素点对应的增益调节量；
对所有所述像素点对应的增益调节量进行增益参数拟合，获取均匀化增益参数。
4.如权利要求1所述的超声成像控制方法，其特征在于，所述对所述组织连通图和所述均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数，包括：
基于所述组织连通图的位置信息，对所述均匀增益超声图像中每个像素点对应的增益灰度值进行动态规划，获取所述均匀增益超声图像对应的目标灰阶映射曲线；
对所述均匀增益超声图像对应的目标灰阶映射曲线进行动态范围参数拟合，获取最优动态范围参数。
5.如权利要求4所述的超声成像控制方法，其特征在于，所述基于所述组织连通图的位置信息，对所述均匀增益超声图像中每个像素点对应的增益灰度值进行动态规划，获取所述均匀增益超声图像对应的目标灰阶映射曲线，包括：
基于所述组织连通图的位置信息，对所述均匀增益超声图像中所有像素点对应的增益灰度值进行差异计算，获取组织结构对比度；
基于所述组织连通图的位置信息，对所述均匀增益超声图像中每一像素点对应的增益灰度值进行细节计算，获取细节突显度；细节突显度算法如下：Detail＝∑iΩi·Edge(i)，其中，Edge(i)为组织连通图中第i个组织结构对应的均匀增益超声图像中的边缘像素数目，Ωi为Ω组织连通图中第i个组织结构的归一化面积。
根据所述组织结构对比度和所述细节突显度，获取目标评价函数；
基于所述目标评价函数，对所述均匀增益超声图像进行动态规划，获取所述均匀增益超声图像对应的目标灰阶映射曲线。
6.一种超声成像控制装置，其特征在于，包括：
待处理超声图像获取模块，用于获取待处理超声图像；
组织连通图获取模块，包括关键性特征获取单元和关键性特征获取单元，所述关键性特征获取单元包括目标变换函数获取子单元、目标相位获取子单元和关键性特征获取子单元；
目标变换函数获取子单元，用于采用局域相位算法对所述待处理超声图像进行变换，获取目标变换函数；所述变换公式为fR＝(h*f)(x1,x2)；
Figure FDA0003859671480000031
Figure FDA0003859671480000032
其中，fR为目标变换函数，x1为待处理超声图像中所有像素点的横坐标，x2为待处理超声图像中所有像素点的纵坐标，h＝(h1,h2)为空间滤波器的构造,f为输入的待处理超声图像,*代表卷积；h＝(h1,h2)是一个复数形式的空间滤波器，h1是其实部，h2是其虚部，h*f代表着分别用实部以及虚部对f进行滤波；
目标相位获取子单元，用于基于所述目标变换函数进行相位计算，获取目标相位；所述目标相位计算公式为
Figure FDA0003859671480000033
其中，φ为目标相位，fR为目标变换函数，f为输入的待处理超声图像；
关键性特征获取子单元，用于对所述目标相位进行边界对称性特征提取，获取关键性特征；所述关键性特征提取公式为
Figure FDA0003859671480000034
其中，φ为目标相位，λ为待处理超声图像的结构张量的主特征值；normConv为归一化卷积计算；
Figure FDA0003859671480000035
为边界的标准理想相位；μ为边界响应值，表示像素点所在位置多像一个组织结构的边界，可将边界响应值μ确定为关键性特征；
组织连通图获取单元，用于基于所述关键性特征，对所述待处理超声图像进行连通域分割，获取组织连通图；
均匀化增益参数获取模块，包括组织灰度均值获取单元、灰度均值曲线获取单元和均匀化增益参数获取单元；织灰度均值获取单元，用于基于所述组织连通图的像素位置，对所述待处理超声图像中每一像素点对应的实测灰度值进行均值计算，获取组织灰度均值；灰度均值曲线获取单元，用于根据所述组织灰度均值和标准灰阶范围进行均值曲线计算，获取灰度均值曲线；均匀化增益参数获取单元，用于采用所述灰度均值曲线进行增益参数拟合，获取均匀化增益参数，其中，标准灰阶范围是预先设置的灰阶范围，该标准灰阶范围主要考虑人眼的舒适感确定；
均匀增益超声图像获取模块，用于采用所述均匀化增益参数对所述待处理超声图像进行增益调整，获取均匀增益超声图像；
最优动态范围参数获取模块，用于对所述组织连通图和所述均匀增益超声图像进行动态范围映射计算，获取最优动态范围参数；
目标超声图像获取模块，用于采用所述最优动态范围参数对所述均匀增益超声图像进行动态变换，获取目标超声图像。
7.如权利要求6所述的超声成像控制装置，其特征在于，所述关键性特征为边界响应值；
所述组织连通图获取单元，包括：
二值化图像获取子单元，用于根据所述边界响应值和预设响应值，获取边界二值化图像；
组织连通图获取子单元，用于从所述边界二值化图像中确定至少一个连通域，基于至少一个所述连通域进行连通域分割，获取组织连通图。
8.如权利要求6所述的超声成像控制装置，其特征在于，所述均匀化增益参数获取单元，包括：
实测灰度值获取子单元，用于获取所述组织连通图中每一像素点对应的实测灰度值；
标准灰度值获取子单元，用于基于所述灰度均值曲线，确定每一像素点对应的标准灰度值；
增益调节量获取子单元，用于根据同一像素点对应的实测灰度值和标准灰度值，确定每一像素点对应的增益调节量；
增益参数获取子单元，用于对所有所述像素点对应的增益调节量进行增益参数拟合，获取均匀化增益参数。
9.如权利要求6所述的超声成像控制装置，其特征在于，所述最优动态范围参数获取模块，包括：
映射曲线获取单元，用于基于所述组织连通图的位置信息，对所述均匀增益超声图像中每个像素点对应的增益灰度值进行动态规划，获取所述均匀增益超声图像对应的目标灰阶映射曲线；
动态范围参数获取单元，用于对所述均匀增益超声图像对应的目标灰阶映射曲线进行动态范围参数拟合，获取最优动态范围参数。
10.如权利要求9所述的超声成像控制装置，其特征在于，所述映射曲线获取单元，包括：
组织结构对比度获取子单元，用于基于所述组织连通图的位置信息，对所述均匀增益超声图像中所有像素点对应的增益灰度值进行差异计算，获取组织结构对比度；
细节突显度获取子单元，用于基于所述组织连通图的位置信息，对所述均匀增益超声图像中每一像素点对应的增益灰度值进行细节计算，获取细节突显度；
目标评价函数获取子单元，用于根据所述组织结构对比度和所述细节突显度，获取目标评价函数；细节突显度算法如下：Detail＝∑iΩi·Edge(i)，其中，Edge(i)为组织连通图中第i个组织结构对应的均匀增益超声图像中的边缘像素数目，Ωi为Ω组织连通图中第i个组织结构的归一化面积；
映射曲线获取子单元，用于基于所述目标评价函数，对所述均匀增益超声图像进行动态规划，获取所述均匀增益超声图像对应的目标灰阶映射曲线。
11.一种超声设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至5任一项所述超声成像控制方法。
12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述超声成像控制方法。
CN202210914875.7A 2022-08-01 2022-08-01 超声成像控制方法、装置、超声设备及存储介质 Active CN114947951B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210914875.7A CN114947951B (zh) 2022-08-01 2022-08-01 超声成像控制方法、装置、超声设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210914875.7A CN114947951B (zh) 2022-08-01 2022-08-01 超声成像控制方法、装置、超声设备及存储介质

Publications (2)

Publication Number Publication Date
CN114947951A CN114947951A (zh) 2022-08-30
CN114947951B true CN114947951B (zh) 2022-10-25

Family

ID=82969973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210914875.7A Active CN114947951B (zh) 2022-08-01 2022-08-01 超声成像控制方法、装置、超声设备及存储介质

Country Status (1)

Country Link
CN (1) CN114947951B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115249245B (zh) * 2022-09-22 2022-12-23 深圳华声医疗技术股份有限公司 超声成像参数优化方法、装置、计算机设备及存储介质
CN116523802B (zh) * 2023-07-04 2023-08-29 天津大学 一种用于肝脏超声图像的增强优化方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000040998A1 (en) * 1998-12-30 2000-07-13 General Electric Company Doppler ultrasound automatic spectrum optimization
JP2000224405A (ja) * 1999-01-29 2000-08-11 Dainippon Screen Mfg Co Ltd 画像処理方法
US6398733B1 (en) * 2000-04-24 2002-06-04 Acuson Corporation Medical ultrasonic imaging system with adaptive multi-dimensional back-end mapping
KR20070054820A (ko) * 2005-11-24 2007-05-30 주식회사 메디슨 영상의 화질을 개선시키는 영상 처리 시스템 및 방법
CN103927725A (zh) * 2014-05-07 2014-07-16 哈尔滨工业大学 基于分数阶微分的电影核磁共振图像序列运动场估计方法
CN110393549A (zh) * 2019-05-27 2019-11-01 聚融医疗科技(杭州)有限公司 一种自动调节超声图像增益的方法及装置
CN113240587A (zh) * 2021-07-12 2021-08-10 深圳华声医疗技术股份有限公司 超分辨率扫描变换方法、装置、超声设备及存储介质
CN113509209A (zh) * 2021-08-11 2021-10-19 首都医科大学附属北京同仁医院 一种眼科超声成像方法及装置
CN113892967A (zh) * 2021-09-07 2022-01-07 青岛海信医疗设备股份有限公司 一种超声图像的处理方法和超声仪器

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110054317A1 (en) * 2009-08-31 2011-03-03 Feng Lin Tracking and optimizing gain and contrast in real-time for ultrasound imaging
CN103845077B (zh) * 2012-12-05 2016-01-20 深圳迈瑞生物医疗电子股份有限公司 超声图像增益优化方法及超声成像增益自动优化装置
CN107220931B (zh) * 2017-08-02 2020-08-18 安康学院 一种基于灰度级映射的高动态范围图像重建方法
CN112370073B (zh) * 2020-10-12 2024-08-23 深圳华声医疗技术股份有限公司 超声声速校正方法、超声信号处理设备及存储介质
CN112462346B (zh) * 2020-11-26 2023-04-28 西安交通大学 一种基于卷积神经网络的探地雷达路基病害目标检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000040998A1 (en) * 1998-12-30 2000-07-13 General Electric Company Doppler ultrasound automatic spectrum optimization
JP2000224405A (ja) * 1999-01-29 2000-08-11 Dainippon Screen Mfg Co Ltd 画像処理方法
US6398733B1 (en) * 2000-04-24 2002-06-04 Acuson Corporation Medical ultrasonic imaging system with adaptive multi-dimensional back-end mapping
KR20070054820A (ko) * 2005-11-24 2007-05-30 주식회사 메디슨 영상의 화질을 개선시키는 영상 처리 시스템 및 방법
CN103927725A (zh) * 2014-05-07 2014-07-16 哈尔滨工业大学 基于分数阶微分的电影核磁共振图像序列运动场估计方法
CN110393549A (zh) * 2019-05-27 2019-11-01 聚融医疗科技(杭州)有限公司 一种自动调节超声图像增益的方法及装置
CN113240587A (zh) * 2021-07-12 2021-08-10 深圳华声医疗技术股份有限公司 超分辨率扫描变换方法、装置、超声设备及存储介质
CN113509209A (zh) * 2021-08-11 2021-10-19 首都医科大学附属北京同仁医院 一种眼科超声成像方法及装置
CN113892967A (zh) * 2021-09-07 2022-01-07 青岛海信医疗设备股份有限公司 一种超声图像的处理方法和超声仪器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Basic principles of diagnostic ultrasound;Taylor, K.J.W.;《Medical Imaging Techniques. A Comparison》;19791231;全文 *
基于亮度不变的医学超声图像对比度增强方法;刘清团, 汪天富, 林江莉,等;《中国医学影像技术》;20061231;全文 *

Also Published As

Publication number Publication date
CN114947951A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN114947951B (zh) 超声成像控制方法、装置、超声设备及存储介质
JP4575738B2 (ja) 超音波画像境界抽出方法及び超音波画像境界抽出装置、並びに、超音波撮像装置
US9918700B2 (en) Tuning ultrasound acquisition parameters
CN114782283B (zh) 超声图像增强方法、装置、超声设备及存储介质
EP2453406B1 (en) Ultrasonic image processing apparatus
EP1793343B1 (en) Image processing system and method of enhancing the quality of an ultrasound image
CN113240587B (zh) 超分辨率扫描变换方法、装置、超声设备及存储介质
CN113197630B (zh) 穿刺针显影增强方法、装置、超声设备及存储介质
EP2453405B1 (en) Ultrasonic image processing apparatus
EP2423872A1 (en) Ultrasonic image processing apparatus
CN106725612B (zh) 四维超声图像优化方法及系统
JP2010068987A (ja) 超音波診断装置
CN112826533B (zh) 超声成像空间复合方法、装置、超声诊断仪及存储介质
US8879816B2 (en) Ultrasonic diagnostic apparatus and ultrasonic image display method
TWI769435B (zh) 可改善超音波影像品質之方法和相關超音波探測系統
CN119818094A (zh) 超声成像方法和系统
US20210251601A1 (en) Method for ultrasound imaging and related equipment
CN115082320B (zh) 超声图像超分辨率处理方法、超声设备及存储介质
CN114078112A (zh) 肝脏变性程度的检测方法、装置、计算机设备和存储介质
CN113208710B (zh) 穿刺针显影增强方法、装置、超声设备及存储介质
JP4594836B2 (ja) 超音波撮像装置
CN116258913A (zh) 超声图像分类方法、装置、超声设备及存储介质
CN112704517B (zh) 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质
US20230360225A1 (en) Systems and methods for medical imaging
CN115049661B (zh) 目标结构围度测量方法、装置、超声设备及存储介质

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