防止滥用超声图像检查的装置和方法制造方法及图纸

技术编号:5185400 阅读:180 留言:0更新日期:2012-04-11 18:40
公开了一种禁止胎儿性别判断的超声成像方法。根据该方法,分析包括胎儿图像的超声图像数据,并从超声图像数据中检测非胎儿生殖器的至少一个胎儿解剖结构的构成。基于所检测到的构成预测所述图像中至少包含所述胎儿的所述生殖器的所述图像的部分。显示所述超声图像,其中,使所述预测部分中的图像对象不可识别。还公开了一种执行该方法的超声系统。

【技术实现步骤摘要】

下文涉及超声成像领域,具体而言,涉及产前超声成像。
技术介绍
产前超声成像是用于回答与怀孕相关的许多问题的非常有用的手段。这些问题之 一是胎儿的性别。在一些情况下将这种可能性滥用,导致女性婴儿被杀。因此,在一些国家, 产前性别判断是法律禁止的。在这样的国家中,要求具有超声成像设备的机构维护利用该 设备进行的产前筛查的详细记录,由此,能够向相关部门证明该设备未被用于胎儿性别判 断。美国专利申请US 2009/0169074(Α1)披露,当法律要求时,可以设计胎儿实时超 声检查的显示,以通过选择性地模糊胎儿生殖器图像来禁止性别判断任务。禁止信息内容 的方法包括自动分割第一图像中的至少一处感兴趣区域并禁止在该感兴趣区域中的信息 内容。
技术实现思路
根据上述现有技术文献中的方法,对图像进行分割,识别生殖区域并使该区域不 可识别。如果分割并未清晰地识别出胎儿的生殖器,该方法可能失败。如果胎儿未充分发 育,这是可能的。另一方面,在胎儿的矢状视图中,可能不能完全看到生殖器自身,因此分割 可能无法识别它,而该文献对在这种情况下发生什么没有涉及。因此,希望有一种经改进的超声成像方法,其能够解决上述问题和其他问题。本文 公开了这样的超声成像方法。该方法包括分析包括胎儿图像的超声图像数据,从超声图像 数据中检测非胎儿生殖器的至少一个胎儿解剖结构的构成,基于检测到的构成预测图像中 至少包含胎儿生殖器图像的部分,以及显示该超声图像,其中,使被预测部分中的对象不可 识别。在这种方法中,并非分析图像以检测生殖器在其中的图像,而是分析图像来检测 胎儿解剖结构的不同构成。基于检测到的构成,预测在图像中预计生殖器图像所在的部分 并使得在该部分中的对象不可识别。因为生殖器自身的图像在超声图像中可能是不清晰 的,所以分析图像来检测它们可能是困难的。通过检测图像中可能比生殖器自身更清晰的 构成,可以预测胎儿生殖器相对于检测到的构成的位置。这样具有如下优点可以更精确地 预测图像中包含生殖器图像的部分并使得预测区域中的对象不可识别。本文还公开了一种用于超声成像的系统。所公开的超声成像系统包括用于分析 包括胎儿图像的超声图像数据的分析器,用于从超声图像数据中检测非胎儿生殖器的至少 一个胎儿解剖结构的构成的检测器,用于基于检测到的构成预测图像中至少包含胎儿生殖 器图像的部分的预测器,以及用于显示超声图像的显示处理器,其中,使被预测部分中的对 象不可识别。利用这种系统,可以更精确地预测图像中包含胎儿生殖器图像的部分并使该部分中的对象不可识别,由此禁止滥用超声成像进行胎儿性别判断。 附图说明在下文中将参考附图基于以下实施例和实施方式通过举例的方式详细描述这些 和其他方面,在附图中图1示出了根据所公开方法的变体之一的超声成像方法的图示;图2示出了根据所公开方法的变体之一的第二方法;图3示出了根据所公开方法的变体之一的第三方法;图4示出了所公开超声成像系统的示范性实施例的示意图;图5示出了所公开超声成像系统的另一示范性实施例的示意图;以及图6示出了所公开超声成像系统的另一示范性实施例的示意图。在各附图中所使 用的对应参考标号表示在附图中的对应要素。具体实施例方式图1示出了根据本文所公开方法之一的超声成像方法(100)的图示。分析步骤 101是分析超声图像数据的步骤。该分析步骤可以包括已知的信号处理技术,诸如滤波和反 混叠以及其他这种技术。在这一步骤中,对信号进行分割,以使得当其在适当的视频显示单 元(VDU)上显示时,图像中的对象容易被机器或观察人员所识别。在检测步骤103中,识别胎儿解剖结构的构成。所使用的技术可以是例如模式匹 配、曲线拟合等。用于识别的优选构成可以是胎儿脊柱、胎儿股骨、脐带或胎儿与脐带之间 的连接点。可以用于这一目的的胎儿解剖结构的构成不限于所述这些。例如,也可以使用 胎儿心脏。这一阶段中识别什么取决于成像时超声换能器的位置。在胎儿的横截视图中, 其可以是股骨,而在矢状视图中,其例如可以是脊柱或脐带。在预测步骤105中,基于所识别的胎儿构成预测图像中胎儿生殖器图像所在的部 分。基于例如所识别的胎儿构成的尺寸、形状和取向以及正常胎儿解剖结构的先验知识,预 测图像中包含胎儿生殖器图像的部分。为了预测图像中胎儿生殖器所在的部分,在超声图像中检测两个股骨。将股骨的 生理性质和它们在横截视图中的外观用于该目的。使用随后是白高帽变换(white top-hat transformation)的低通滤波来去除高 频噪声并改善图像中的对比度。在超声图像中股骨呈现为长而亮的结构。于是,将亮区域 识别为潜在的骨骼是识别胎儿股骨的第一步。可以将通常称为K-均值聚类算法的算法用 于分割。K-均值算法用于基于图像每个像素的强度将它们分成三类之一。经分割的图像中 的亮区域为前景,而属于另外两类的像素被作为背景处理。通常将股骨归类为亮区域。然 而,有胎儿的若干其他部分以及图像中的非胎儿部分被识别为亮区域。如下首先识别一个股骨。在胎儿超声图像的横截视图中检测到的亮区域或聚类包 括股骨、来自身体某些部分皮肤的反射、来自换能器的反射等。对识别出的亮区域加以标 记。在超声图像中股骨可能看起来是相对较亮的、线状的、长的结构。将这些特征用于去除 所有可能的非股骨区域。对获得的亮区进行聚类化和标记。过滤掉所有尺寸非常小的区域、 非常接近换能器的区域以及其尺度使得其短轴超过长轴三分之二的聚类。已知在横截视图中,聚焦于股骨中的至少一个,并且因此比另一个更亮。为每个检测到的可能股骨区域分配权重。如下计算用于在经标记的图像中的区域 N的权重。针对区域N中每个像素ρ对原始图像中每个像素的强度进行加和。于是权重测 量了面积和强度两者。令E(p)为原始图像中每个像素ρ的强度。可以将区域N的权重Wn 表达为ffN =Σ peNE(p)将权重ffN最大的区域选择为第一股骨。为了检测第二股骨,判断检测到的第一股骨是更接近换能器的一个还是更远离换 能器的一个。已知更接近换能器的股骨看起来是直的,而更远离换能器的股骨看起来具有 曲率。因此更接近换能器的股骨应当拟合一阶多项式,而远离换能器的股骨应当拟合二阶 多项式。将检测到的股骨区域收缩为一个像素宽的线。这条线上的点与一阶多项式和二阶 多项式这两者进行拟合。如果将点拟合到一阶多项式的误差小于将点拟合到二阶多项式的 误差,就说检测到的股骨是更接近换能器的股骨。否则就是更远离换能器的股骨。基于股骨的空间信息检测第二股骨。已知检测到的股骨是否是更接近或远离换 能器的一个。因此如果检测到的股骨是更接近换能器的一个,那么过滤掉这一检测到的股 骨上方所有可能的股骨区域(如果检测到的股骨是远离换能器的一个,过滤掉所有下方区 域)。还过滤掉距检测到的股骨区域非常远的所有可能区域。考虑这些区域的权重,并且还 将权重远大于和远低于检测到的股骨的区域过滤掉。这样产生了要识别第二股骨的所有可 能区域。计算每个可能区域的质心和第一股骨区域的质心之间的欧几里德(Euclidean)距 离。将具有最大距离的区域认为是第二股骨。为了再次确认它是第二股骨,尝试拟合二阶 多项式(如果一开始检测到的股骨是远离换能器的一个,拟合一阶多项式)。如果拟合是可 行的,那么确认检测到的区本文档来自技高网...

【技术保护点】
一种超声成像方法(100),包括:分析(101)包括胎儿图像的超声图像数据;从所述超声图像数据中检测(103)非胎儿生殖器的至少一个胎儿解剖结构的构成;基于所检测到的构成预测(105)所述图像中至少包含所述胎儿的生殖器的图像的部分;以及显示(107)所述超声图像,其中,使被预测部分中的对象不可识别。

【技术特征摘要】
IN 2009-10-26 2582/CHE/20091.一种超声成像方法(100),包括分析(101)包括胎儿图像的超声图像数据;从所述超声图像数据中检测(103)非胎儿生殖器的至少一个胎儿解剖结构的构成;基于所检测到的构成预测(105)所述图像中至少包含所述胎儿的生殖器的图像的部 分;以及显示(107)所述超声图像,其中,使被预测部分中的对象不可识别。2.如权利要求1所述的方法,包括在所述分析步骤(101)之前感测(209)超声图像数据源的类型和用户输入中的至少一 种;并且其中所述分析(101)基于所感测到的超声图像数据源的类型和用户输入中的至少一种。3.如权利要求1所述的方法,包括判断(310)所述超声图像数据是否包括胎儿图像;并且其中所述分析(101)基于(31 所述图像数据中胎儿图像的存在。4.如权利要求1所述的方法,其中,所检测到的胎儿解剖结构的构成是脐带、胎儿股骨 和胎儿脊柱中的至少一个。5.如权利要求1所述的方法,其中,所述图像数据包括超过一个胎儿的图像,所述方法 包括从所述超声图像数据中检测(10 所述胎儿中每个的非胎儿生殖器的胎儿解剖结构 的构成;基于所检测到的构成预测(105)所述图像中均至少包含所述胎儿中每个的生殖器的 图像的部分;以及显示(107)超声图像,其中,所述胎儿中一个或多个的图像被显示为使所述图像的被 预测部分中的...

【专利技术属性】
技术研发人员:P瓦集内帕里P巴塔查里亚RS西索迪亚C菲尔雄
申请(专利权)人:皇家飞利浦电子股份有限公司
类型:发明
国别省市:NL[荷兰]

网友询问留言 已有0条评论
  • 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。

1