【技术实现步骤摘要】
超声成像方法、设备及可读存储介质
本申请涉及医疗设备
，特别是涉及一种超声成像方法、设备及可读存储介质。
技术介绍
目前，由于三维超声图像可直观、立体的显示出人体器官的三维结构及动态，因此，三维超声成像已经成为临床应用中最为广泛的辅助诊断的手段之一。传统技术中生成三维超声图像的过程为：医生手执超声探头，将探头放置在检查区域处(例如胸部)，探头采集检查区域中对应的2D超声图像。其中，2D图像中包含采集对象(例如心脏)的2D图像；医生点击3D采集准备按钮，装置的显示屏上弹出一大小固定的扇形区域；医生手动调整该扇形区域的大小以及位置，直到该扇形区域中包括采集对象的2D图像；之后，医生点击3D采集按钮，超声探头在调整后的扇形区域中采集3D超声图像。但是，由于在传统生成三维超声图像的过程中，需要医生多次调整上述扇形区域对应的大小和位置，因此，采用传统技术生成三维超声图像的效率低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够改善三维超声图像的生成效率低的超声成像方法、设备、设备及
【技术保护点】
1.一种超声成像方法，其特征在于，包括：/n超声成像装置向检测区域发射超声波并接收超声回波，获得第一超声回波信号；并根据所述第一超声回波信号获得所述检测区域的超声图像；/n所述装置基于感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构；/n并基于识别出的感兴趣解剖结构，确定目标感兴趣区域，所述目标感兴趣区域至少部分包围所述感兴趣解剖结构；/n所述装置向所述目标感兴趣区域内的检测区域发射超声波并接收超声回波，获得第二超声回波信号；/n并根据所述第二超声回波信号获得所述感兴趣区域内的检测区域的三维超声图像；/n或者，/n所述装置...
【技术特征摘要】
1.一种超声成像方法，其特征在于，包括：
超声成像装置向检测区域发射超声波并接收超声回波，获得第一超声回波信号；并根据所述第一超声回波信号获得所述检测区域的超声图像；
所述装置基于感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构；
并基于识别出的感兴趣解剖结构，确定目标感兴趣区域，所述目标感兴趣区域至少部分包围所述感兴趣解剖结构；
所述装置向所述目标感兴趣区域内的检测区域发射超声波并接收超声回波，获得第二超声回波信号；
并根据所述第二超声回波信号获得所述感兴趣区域内的检测区域的三维超声图像；
或者，
所述装置根据所述第一超声回波信号获得所述目标感兴趣区域内的检测区域的三维超声图像。
2.根据权利要求1所述超声成像方法，其特征在于：其中，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：获得感兴趣解剖结构在所述检测区域的超声图像上的位置、大小、边界、以及与感兴趣解剖结构相关的低回声区域中的至少一种。
3.根据权利要求1-2任一项所述超声成像方法，其特征在于：所述装置基于所述感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
所述装置基于所述感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，从预先设置的第一超声图像库中确定与所述检测区域的超声图像匹配度最高的图像为目标超声图像，其中所述第一超声图像库中包含不同类别解剖结构的超声图像，并且每个超声图像均包含各自相应的感兴趣解剖结构及其类别；
基于所述目标超声图像上的感兴趣解剖结构，识别所述检测区域的超声图像中的感兴趣解剖结构。
4.根据权利要求3所述超声成像方法，其特征在于：所述基于所述感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，从预先设置的第一超声图像库中确定与所述检测区域的超声图像匹配度最高的图像为目标超声图像，包括：
从所述第一超声图像库中确定与所述感兴趣解剖结构的类别匹配的目标对应关系；其中，所述目标对应关系包括所述感兴趣解剖结构的类别对应的多个超声图像；
基于所述检测区域的超声图像的图像特征，从所述目标对应关系中的多个超声图像中确定与所述检测区域的超声图像匹配度最高的图像为所述目标超声图像。
5.根据权利要求1-2任一项所述超声成像方法，其特征在于：基于所述感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
基于所述感兴趣解剖结构的类别，对所述检测区域的超声图像的图像特征进行相应的图像处理，识别所述检测区域的超声图像中的感兴趣解剖结构；其中，所述图像处理包括：边缘轮廓提取、图像分割和灰度值筛选中的至少一个。
6.根据权利要求1-2任一项所述超声成像方法，其特征在于：所述装置基于所述感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
从第一超声图像库中确定与所述感兴趣解剖结构的类别匹配的目标对应关系；其中，所述第一超声图像库中包含不同类别解剖结构的超声图像，并且每个超声图像均包含各自相应的感兴趣解剖结构及其类别，所述目标对应关系包括所述感兴趣解剖结构的类别对应的多个超声图像；
采用通过深度学习方法和所述目标对应关系，构建第一神经网络，并利用所述第一神经网络对所述检测区域的超声图像进行回归，得到所述检测区域的超声图像中的感兴趣解剖结构。
7.根据权利要求1-2任一项所述超声成像方法，其特征在于：所述装置基于所述感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
从第二超声图像库中确定与所述感兴趣解剖结构的类别匹配的目标对应关系；其中，所述第二超声图像库中包括多个超声图像，每个超声图像上包含各自对应的感兴趣区域内的图像块以及所述图像块对应的解剖结构以及类别；所述目标对应关系包括所述感兴趣解剖结构的类别对应的多个超声图像；
获取所述检测区域的超声图像上的各个候选ROI，每个候选ROI均具有待查图像块；
将每个ROI的待查图像块与所述目标对应关系中的各个图像块进行匹配，确定每个待查图像块的匹配概率；
基于所述目标对应关系中与匹配概率最高的待查图像块对应的图像块，识别所述检测区域的超声图像中的感兴趣解剖结构。
8.根据权利要求1-2任一项所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
从第二超声图像库中确定与所述感兴趣解剖结构的类别匹配的目标对应关系；其中，所述第二超声图像库中包括多个超声图像，每个超声图像上包含各自对应的感兴趣区域内的图像块以及所述图像块对应的解剖结构及其类别；所述目标对应关系包括所述感兴趣解剖结构的类别对应的多个超声图像；
采用通过深度学习方法和所述目标对应关系，构建第二神经网络，并利用所述第二神经网络对所述检测区域的超声图像进行特征提取，并回归得到所述检测区域的超声图像中的感兴趣解剖结构。
9.一种超声成像方法，其特征在于，包括：
超声成像装置向检测区域发射超声波并接收超声回波，获得第一超声回波信号；并根据所述第一超声回波信号获得所述检测区域的超声图像；
所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构；
并基于识别出的感兴趣解剖结构，确定目标感兴趣区域，所述目标感兴趣区域至少部分包围所述感兴趣解剖结构；
所述装置向所述目标感兴趣区域内的检测区域发射超声波并接收超声回波，获得第二超声回波信号；
并根据所述第二超声回波信号获得所述感兴趣区域内的检测区域的三维超声图像；
或者，
所述装置根据所述第一超声回波信号获得所述目标感兴趣区域内的检测区域的三维超声图像。
10.根据权利要求9所述超声成像方法，其特征在于：其中，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：获得感兴趣解剖结构在所述检测区域的超声图像上的位置、大小、边界、以及与感兴趣解剖结构相关的低回声区域中的至少一种。
11.根据权利要求10所述超声成像方法，其特征在于：所述基于识别出的感兴趣解剖结构，确定目标感兴趣区域，包括：
基于识别出的感兴趣解剖结构在所述检测区域的超声图像上的位置、所述感兴趣解剖结构的预设大小以及感兴趣区域的预设形状，生成包含所述感兴趣解剖结构的目标感兴趣区域。
12.根据权利要求10所述超声成像方法，其特征在于：所述基于识别出的感兴趣解剖结构，确定目标感兴趣区域，包括：
基于识别出的所述感兴趣解剖结构在所述检测区域的超声图像上的位置和大小以及预设的ROI形状，生成包含所述感兴趣解剖结构的目标感兴趣区域。
13.根据权利要求10所述超声成像方法，其特征在于：所述感兴趣解剖结构在所述检测区域的超声图像上的位置，包括感兴趣解剖结构的临床关键点在所述检测区域的超声图像上的位置；所述基于识别出的感兴趣解剖结构，确定目标感兴趣区域，包括：
基于感兴趣解剖结构的类别和识别出的所述感兴趣解剖结构的临床关键点在所述检测区域的超声图像上的位置，确定所述感兴趣解剖结构的中心点和边界点中的至少一个；
根据所述感兴趣解剖结构的中心点和边界点中的至少一个，生成包含所述感兴趣解剖结构的目标感兴趣区域。
14.根据权利要求10所述超声成像方法，其特征在于：所述基于识别出的感兴趣解剖结构，确定目标感兴趣区域，包括：
将识别出的所述感兴趣解剖结构在所述检测区域的超声图像上的边界内的区域确定为目标感兴趣区域；
或者，将与识别出的所述感兴趣解剖结构在所述检测区域的超声图像上的边界相距预设距离的边界内的区域，确定为目标感兴趣区域。
15.根据权利要求10所述超声成像方法，其特征在于：所述基于识别出的感兴趣解剖结构，确定目标感兴趣区域，包括：
基于识别出的所述与感兴趣解剖结构相关的低回声区域，确定所述低回声区域的中心点位置，并基于所述中心点位置确定所述目标感兴趣区域。
16.根据权利要求9-15任一项所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
基于所述检测区域的超声图像的图像特征，从预先设置的第三超声图像库中确定与所述检测区域的超声图像匹配度最高的图像为目标超声图像，其中所述第三超声图像库中包含多个超声图像并且每个超声图像包含有各自相应的感兴趣解剖结构；
基于所述目标超声图像上的感兴趣解剖结构，确定所述超声图像中的感兴趣解剖结构。
17.根据权利要求9-15任一项所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
基于所述检测区域的超声图像的图像特征进行边缘轮廓提取，得到所述检测区域的超声图像中感兴趣解剖结构的边缘轮廓；
基于所述超声图像中感兴趣解剖结构的边缘轮廓，计算所述边缘轮廓区域的中心点位置，并根据所述边缘轮廓的中心点位置，确定所述感兴趣解剖结构在所述检测区域的超声图像上的位置；以及根据所述边缘轮廓的分布范围，确定所述感兴趣解剖结构在所述检测区域的超声图像上的大小。
18.根据权利要求9-15任一项所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
基于所述检测区域的超声图像的图像特征进行图像分割，得到所述检测区域的超声图像中与感兴趣解剖结构相关的区域的边界。
19.根据权利要求18所述超声成像方法，其特征在于：所述检测区域的超声图像中与感兴趣解剖结构相关的区域的边界为所述检测区域的超声图像中与感兴趣解剖结构相关的低回声区域的边界。
20.根据权利要求19所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，还包括：
基于所述检测区域的超声图像中与感兴趣解剖结构相关的低回声区域的边界，确定感兴趣解剖结构在所述检测区域的超声图像上的位置和/或感兴趣解剖结构的实际大小。
21.根据权利要求19所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，还包括：
将所述检测区域的超声图像中与感兴趣解剖结构相关的低回声区域的边界，确定为感兴趣解剖结构在所述检测区域的超声图像上的边界。
22.根据权利要求9-15任一项所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
采用通过深度学习方法和第三超声图像库，构建第三神经网络；其中所述第三超声图像库中包含多个超声图像并且每个超声图像包含有各自相应的感兴趣解剖结构；
采用所述第三神经网络对所述检测区域的超声图像进行特征提取，并回归得到所述检测区域的超声图像中的感兴趣解剖结构。
23.根据权利要求9-15任一项所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
获取所述检测区域的超声图像上的各个候选ROI，每个候选ROI均具有待查图像块；
将每个ROI的待查图像块与第四超声图像库中的各个图像块进行匹配，确定每个待查图像块的匹配概率；所述第四超声图像库包括多个超声图像，每个超声图像上包含感兴趣区域以及感兴趣区域内的图像块；
基于所述第四超声图像库中与匹配概率最高的待查图像块对应的图像块，识别所述检测区域的超声图像中的感兴趣解剖结构。
24.根据权利要求9-15任一项所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
采用通过深度学习方法和第四超声图像库，构建第四神经网络；其中所述第四超声图像库包括多个超声图像，每个超声图像上包含感兴趣区域以及感兴趣区域内的图像块；
采用所述第四神经网络对所述检测区域的超声图像进行特征提取，并回归得到所述检测区域的超声图像中的感兴趣解剖结构。
25.根据权利要求9-15任一项所述超声成像方法，其特征在于：所述装置基于所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
基于感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构。
26.根据权利要求25所述超声成像方法，其特征在于：基于所述感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，识别所述检测区域的超声图像中的感兴趣解剖结构，包括：
基于所述感兴趣解剖结构的类别和所述检测区域的超声图像的图像特征，从预先设置的第一超声图像库中确定与所述检测区域的超声图...
【专利技术属性】
技术研发人员：梁天柱，邹耀贤，林穆清，朱磊，陆婷，
申请(专利权)人：深圳迈瑞生物医疗电子股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。