一种智能组织识别的方法及装置制造方法及图纸

本发明专利技术实施例公开了一种智能组织识别的方法及装置。该方法包括：利用超声前端设备扫描组织，并接收携带外部激励的RF回波信号；获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并对不同组织进行分类。从而采取被测组织的横向波动信息来识别组织特征，组织横向波动比较不容易受到超声探头设备运动以及人为测试偏差的干扰，其反映的组织特征更加准确，进而提高了智能识别方法的准确性。

【技术实现步骤摘要】

本专利技术实施例涉及图像处理的
，尤其涉及一种智能组织识别的方法及装置。
技术介绍
超声波是一种频率超过20KHz的声波，医学超声波成像所使用的超声波频率为1MHz至10MHz频段。标准的超声回波成像是利用超声声速扫描生物组织，通过反射信号的接收、处理，以获得生物组织的图像。超声成像技术近年来以其无创伤，便于操作，可重复检查性强，逐渐成为最流行的医学成像技术之一。传统的超声成像技术通过显示被观测组织的形态，以及血流等信息来反映组织的特性，但对于组织的硬度和弹性等信息反映的较少。而大量的临床诊断表明，许多病变的发生往往伴随着组织的硬度或弹性的变化。过去医生常常采用触诊的方法进行判断，但是触诊的方法对于医生经验的要求较高，同时诊断结果误差较大，因此以检测生物组织的弹性为目的的弹性成像技术应运而生，而且弹性成像所携带的组织信号可用于其他一些诊断的参考判断。超声弹性成像的原理是通过对被探测组织施加一个外部的激励，在弹性力学，生物力学等物理规律作用下，内部组织将产生一个响应，用超声扫描组织，通过接收，处理获得携带外部激励的组织信号。而现阶段的一维超声弹性成像获得的组织信号难以像通过直接观察图像的辨识出不同的组织，因此，如何能够识别不同的组织是有待解决的问题。
技术实现思路
本专利技术实施例的目的在于提出一种智能组织识别的方法及装置，旨在解决如何针对超声弹性成像组织判断困难的问题给出组织性质的判断结果的问题。为达此目的，本专利技术实施例采用以下技术方案：第一方面，一种智能组织识别的方法，所述方法包括：利用超声前端设备扫描组织，并接收携带外部激励的RF回波信号；获取所述RF回波信号中最能描述时域信号的特征标识；对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识；将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识；获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类。优选地，所述获取所述RF回波信号中最能描述时域信号的特征标识，包括：将所述RF回波信号进行带通滤波，根据带通滤波后的时域信号获取时域能量谱；根据所述时域能量谱计算差异值，所述差异值用于作为最能描述时域信号的特征标识。优选地，所述对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识，包括：将所述RF回波信号的时域信号进行加窗并做频域变换；根据所述时域获得频域的谱线，并在所述频域变换中采取并行算法，所述并行算法为所述频域的谱线减去一个直流分量后估计频域上超声衰减率，所述超声衰减率用于作为最能描述频域信号的特征标识。优选地，所述将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识，包括：读取所述超声前端采集的所述RF回波信号，排列成所述数据矩阵，对所述RF回波信号进行平滑滤波和匹配滤波；获取滤波后的RF回波信号的包络线，并根据所述包络线绘制成图像；选取感兴趣区域ROI计算灰度的变化范围和图像梯度的变化，将计算的结果进行统计学分析，并选择最优的统计值作为描述组织图像的特征标识。优选地，所述获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类，包括：分别选取肝脏组织、血管组织、肌肉组织，腹水组织、肠系组织和肺部组织的RF回波信号数据，以及所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识和所述最能描述组织图像的特征标识，分别获取各组织对应的分类标识结果；根据所述各组织对应的分类标识结果训练所述智能组织分类器；根据训练后的所述智能组织分类器，对所述各组织进行分类，比较分类结果，并从中选取特异性最高的分类标识组合。第二方面，一种智能组织识别的装置，所述装置包括：接收模块，用于利用超声前端设备扫描组织，并接收携带外部激励的RF回波信号；第一获取模块，用于获取所述RF回波信号中最能描述时域信号的特征标识；第二获取模块，用于对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识；第三获取模块，用于将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识；分类模块，用于获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类。优选地，所述第一获取模块，具体用于：将所述RF回波信号进行带通滤波，根据带通滤波后的时域信号获取时域能量谱；根据所述时域能量谱计算差异值，所述差异值用于作为最能描述时域信号的特征标识。优选地，所述第二获取模块，具体用于：将所述RF回波信号的时域信号进行加窗并做频域变换；根据所述时域获得频域的谱线，并在所述频域变换中采取并行算法，所述并行算法为所述频域的谱线减去一个直流分量后估计频域上超声衰减率，所述超声衰减率用于作为最能描述频域信号的特征标识。优选地，所述第三获取模块，具体用于：读取所述超声前端采集的所述RF回波信号，排列成所述数据矩阵，对所述RF回波信号进行平滑滤波和匹配滤波；获取滤波后的RF回波信号的包络线，并根据所述包络线绘制成图像；选取感兴趣区域ROI计算灰度的变化范围和图像梯度的变化，将计算的结果进行统计学分析，并选择最优的统计值作为描述组织图像的特征标识。优选地，所述分类模块，具体用于：分别选取肝脏组织、血管组织、肌肉组织，腹水组织、肠系组织和肺部组织的RF回波信号数据，以及所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识和所述最能描述组织图像的特征标识，分别获取各组织对应的分类标识结果；根据所述各组织对应的分类标识结果训练所述智能组织分类器；根据训练后的所述智能组织分类器，对所述各组织进行分类，比较分类结果，并从中选取特异性最高的分类标识组合。本专利技术实施例提供的一种智能组织识别的方法及装置，利用超声前端设备扫描组织，并接收携带外部激励的RF回波信号；获取所述RF回波信号中最能描述时域信号的特征标识；对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识；将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识；获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类。从而采取被测组织本文档来自技高网...

【技术保护点】
一种智能组织识别的方法，其特征在于，所述方法包括：利用超声前端设备扫描组织，并接收携带外部激励的RF回波信号；获取所述射频RF回波信号中最能描述时域信号的特征标识；对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识；将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识；获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类。

【技术特征摘要】
1.一种智能组织识别的方法，其特征在于，所述方法包括：利用超声前端设备扫描组织，并接收携带外部激励的RF回波信号；获取所述射频RF回波信号中最能描述时域信号的特征标识；对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识；将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识；获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类。2.根据权利要求1所述的方法，其特征在于，所述获取所述RF回波信号中最能描述时域信号的特征标识，包括：将所述RF回波信号进行带通滤波，根据带通滤波后的时域信号获取时域能量谱；根据所述时域能量谱计算差异值，所述差异值用于作为最能描述时域信号的特征标识。3.根据权利要求1所述的方法，其特征在于，所述对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识，包括：将所述RF回波信号的时域信号进行加窗并做频域变换；根据所述时域获得频域的谱线，并在所述频域变换中采取并行算法，所述并行算法为所述频域的谱线减去一个直流分量后估计频域上超声衰减率，所述超声衰减率用于作为最能描述频域信号的特征标识。4.根据权利要求1所述的方法，其特征在于，所述将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识，包括：读取所述超声前端采集的所述RF回波信号，排列成所述数据矩阵，对所述RF回波信号进行平滑滤波和匹配滤波；获取滤波后的RF回波信号的包络线，并根据所述包络线绘制成图像；选取感兴趣区域ROI计算灰度的变化范围和图像梯度的变化，将计算的结果进行统计学分析，并选择最优的统计值作为描述组织图像的特征标识。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类，包括：分别选取肝脏组织、血管组织、肌肉组织，腹水组织、肠系组织和肺部组织的RF回波信号数据，以及所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识和所述最能描述组织图像的特征标识，分别获取各组织对...

【专利技术属性】
技术研发人员：王楚潇，王挺，王海生，王卫，王晓猛，李宇宏，秦世民，冯骁，李新泰，左廷涛，
申请(专利权)人：乐普北京医疗器械股份有限公司，
类型：发明
国别省市：北京;11