超声颅脑异常区域自动检测及显示方法技术

本发明专利技术涉及超声检测领域，尤其涉及一种超声颅脑异常区域自动检测及显示方法。采用如下技术方案：先构建头盖骨曲面模型，然后对2D超声图像进行边缘检测得到头盖骨边缘曲线，利用边缘曲线与头盖骨曲面模型进行拟合确定2D超声图像的位置以判断该2D图像是否具备对称特性，最后利用2D图像的对称特性对互相对称的两个区域进行相似度比对计算，以此确定是否存在异常区域及其位置。优点在于：先建立头盖骨曲面模型，并对2D超声图像检测头盖骨边界曲线，利用头盖骨边界曲线与头盖骨曲面模型进行拟合以确定2D图像的具体位置以选取具备对称特性的2D图像，利用2D图像的对称性进行异常区域的检测并分割显示出来，从而有效提高异常区域检测的准确率。检测的准确率。检测的准确率。

【技术实现步骤摘要】
超声颅脑异常区域自动检测及显示方法


[0001]本专利技术涉及超声检测领域，尤其涉及一种超声颅脑异常区域自动检测及显示方法。

技术介绍

[0002]超声颅脑扫查是一箱常规临床实践，尤其在新生儿临床监护中被广泛应用。超声颅脑扫查主要用于脑室内出血、脑周出血梗塞、出血后脑室扩张、出血后液性脑周白质软化/麻痹等症状的诊断。传统诊断中，超声医生依靠知识和经验来识别图像的异常情况；随着计算机技术的不断发展，利用计算机对图像进行自动分析和诊断可以为医生的诊断减轻负担并提高效率。然而，传统处理和流行的机器学习方法不能有效应用于颅脑超声图像分析和诊断的原因在于颅脑超声图像本身的复杂性。这个复杂性表现在颅脑图像的灰阶值在出现异常时有不确定性，即新出血点的灰阶为高灰阶值，其范围接近或高于正常组织的灰阶。成旧的出血点的灰阶为低灰阶值，其范围低于正常组织的灰阶。

技术实现思路

[0003]本专利技术的目的在于提供一种超声颅脑异常区域自动检测及显示方法，具体在于提供一种可提高诊断准确率的超声颅脑异常区域自动检测显示方法。
[0004]为达到上述目的，本专利技术采用如下技术方案：一种超声颅脑异常区域自动检测及显示方法，包括如下步骤：S01、先构建头盖骨曲面模型，根据对颅脑进行超声扫查得到的超声图像构建头盖骨曲面模型。
[0005]S02、将对颅脑进行超声扫查得到的2D超声图像进行头盖骨边缘检测，得到该2D图像的头盖骨边缘曲线。
[0006]S03、将步骤S02得到的2D图像的头盖骨边缘曲线与步骤S01得到的头盖骨曲面模型进行适配以确定该2D图像在头盖骨曲面模型上的位置。
[0007]S04、根据步骤S03得到的2D图像在头盖骨曲面模型上的位置判断该2D图像是否相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性。
[0008]S05、将步骤S04中相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性的2D图像进行标记，并根据分析需求从其中选取2D图像进行分析。
[0009]S06、对2D图像进行分析时，先将该2D图像分成互相对称的两个区域，分别对两个区域的图像做直方图统计或求灰度共生矩阵得到统计数据，接着对两个区域的统计数据做归一化处理提取特征数据，然后对两个区域的特征数据进行相似度比对计算。
[0010]S07、根据计算得到的相似度判断两个区域是否存在差异，若存在差异，则提取差异处对应的灰阶值，并以该灰阶值作为引导，将异常区域进行分割标记并显示出来。
[0011]具体的，步骤S02中对2D图像进行边缘检测时，利用灰阶或灰阶加灰阶梯度值检测头骨与颅脑内组织的边界，并对该边界进行滤波拟合后得到头盖骨边缘曲线。
[0012]具体的，步骤S01中构建头盖骨曲面模型时，对颅脑进行3D超声图像扫查，并利用灰阶或灰阶加灰阶梯度值的方式对得到的3D超声图像进行头盖骨与颅脑内组织的边界检测，并对边界进行滤波拟合得到头盖骨曲面模型。
[0013]在另一种方案中，步骤S01中构建头盖骨曲面模型时，对颅脑进行2D超声图像扫查，对采集得到的2D超声图像利用灰阶或灰阶加灰阶梯度值的方式检测头盖骨与颅脑内部组织的边界，并利用多帧2D超声图像检测得到的头盖骨与颅脑内部组织的边界进行滤波拟合构建完整的头盖骨曲面模型。
[0014]本专利技术的优点在于：通过建立头盖骨曲面模型，并对2D超声图像检测头盖骨边界曲线，利用头盖骨边界曲线与头盖骨曲面模型进行拟合以确定2D超声图像的具体位置以选取具备对称特性的2D超声图像，利用2D超声图像的对称性进行异常区域的检测并分割显示出来，从而有效提高异常区域识别检测的准确率。
附图说明
[0015]附图1为实施例1或2中2D图像的头盖骨边缘曲线与头盖骨曲面模型的拟合示意图。
具体实施方式
[0016]实施例1，一种超声颅脑异常区域自动检测及显示方法，包括如下步骤：S01、先构建头盖骨曲面模型，根据对颅脑进行超声扫查得到的超声图像构建头盖骨曲面模型。
[0017]S02、将对颅脑进行超声扫查得到的2D超声图像进行头盖骨边缘检测，得到该2D图像的头盖骨边缘曲线。
[0018]S03、将步骤S02得到的2D图像的头盖骨边缘曲线与步骤S01得到的头盖骨曲面模型进行适配以确定该2D图像在头盖骨曲面模型上的位置。
[0019]S04、根据步骤S03得到的2D图像在头盖骨曲面模型上的位置判断该2D图像是否相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性。
[0020]S05、将步骤S04中相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性的2D图像进行标记，并根据分析需求从其中选取2D图像进行分析。
[0021]S06、对2D图像进行分析时，先将该2D图像分成互相对称的两个区域，分别对两个区域的图像做直方图统计或求灰度共生矩阵得到统计数据，接着对两个区域的统计数据做归一化处理提取特征数据，然后对两个区域的特征数据进行相似度比对计算。
[0022]S07、根据计算得到的相似度判断两个区域是否存在差异，若存在差异，则提取差异处对应的灰阶值，并以该灰阶值作为引导，将异常区域进行分割标记并显示出来。
[0023]其中，步骤S02中对2D图像进行边缘检测时，利用灰阶或灰阶加灰阶梯度值检测头骨与颅脑内组织的边界，并对该边界进行滤波拟合后得到头盖骨边缘曲线；由于超声颅脑图像的头骨有很强的发射，在图像中呈现高灰阶值，检测后形成的图像其边缘容易检测，利用灰阶或者灰阶加灰阶梯度值一起可以检测到头骨与颅脑内组织的边界。
[0024]其中，步骤S01中构建头盖骨曲面模型时，对颅脑进行3D超声图像扫查，并利用灰阶或灰阶加灰阶梯度值的方式对得到的3D超声图像进行头盖骨与颅脑内组织的边界检测，
并对边界进行滤波拟合得到头盖骨曲面模型。
[0025]实施例2，一种超声颅脑异常区域自动检测及显示方法，包括如下步骤：S01、先构建头盖骨曲面模型，根据对颅脑进行超声扫查得到的超声图像构建头盖骨曲面模型。
[0026]S02、将对颅脑进行超声扫查得到的2D超声图像进行头盖骨边缘检测，得到该2D图像的头盖骨边缘曲线。
[0027]S03、将步骤S02得到的2D图像的头盖骨边缘曲线与步骤S01得到的头盖骨曲面模型进行适配以确定该2D图像在头盖骨曲面模型上的位置。
[0028]S04、根据步骤S03得到的2D图像在头盖骨曲面模型上的位置判断该2D图像是否相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性。
[0029]S05、将步骤S04中相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性的2D图像进行标记，并根据分析需求从其中选取2D图像进行分析。
[0030]S06、对2D图像进行分析时，先将该2D图像分成互相对称的两个区域，分别对两个区域的图像做直方图统计或求灰度共生矩阵得到统计数据，接着对两个区域的统计数据做归一化处理提取特征数据，然后对两个区域的特征数据进行相似度比对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超声颅脑异常区域自动检测及显示方法，其特征在于，包括如下步骤：S01、先构建头盖骨曲面模型，根据对颅脑进行超声扫查得到的超声图像构建头盖骨曲面模型；S02、将对颅脑进行超声扫查得到的2D超声图像进行头盖骨边缘检测，得到该2D图像的头盖骨边缘曲线；S03、将步骤S02得到的2D图像的头盖骨边缘曲线与步骤S01得到的头盖骨曲面模型进行适配以确定该2D图像在头盖骨曲面模型上的位置；S04、根据步骤S03得到的2D图像在头盖骨曲面模型上的位置判断该2D图像是否相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性；S05、将步骤S04中相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性的2D图像进行标记，并根据分析需求从其中选取2D图像进行分析；S06、对2D图像进行分析时，先将该2D图像分成互相对称的两个区域，分别对两个区域的图像做直方图统计或求灰度共生矩阵得到统计数据，接着对两个区域的统计数据做归一化处理提取特征数据，然后对两个区域的特征数据进行相似度比对计算；S07、根据计算得到的相似度判断两个区域是否存在...

【专利技术属性】
技术研发人员：范列湘，李德来，蔡泽杭，李斌，吴钟鸿，王煜，林锦豪，周晓明，陈少辉，陈炜武，郭境峰，陈伊婕，
申请(专利权)人：汕头市超声仪器研究所股份有限公司，
类型：发明
国别省市：