一种超声检查中智能测量血管管径的方法及系统

技术领域

本申请涉及医学图像分析领域，尤其是涉及一种超声检查中智能测量血管管径的方法及系统。

背景技术

近年来，随着图像处理和计算机技术的引入，对于血管管径测量，从原来的投影法、摄片法、检眼镜测像法和显微镜测像法等技术，发展到了结合屏幕显示和计算机图像处理的技术，来实现基于超声图像，识别到血管以对血管管径进行测量。

但，该技术方法需要人为进行干预，来实现对血管的识别、管径测量点的确定，再对测量点的距离进行测量，进而得到血管的管径，且由于人体各部位的血管分部复杂，血管管径不统一，在图像处理时，在判断出超声图像中所属部位后对于血管管径测量点的确定，掺杂有人为的主观意识判断，不能得到最佳的管径测量点，导致管径测量存在较大误差。

发明内容

为了实现对血管管径最佳测量点的自动确定，得到更准确的血管管径值，进而可降低由人工干预所造成的测量误差，本申请提供一种超声检查中智能测量血管管径的方法及系统。

第一方面，本申请提供一种超声检查中智能测量血管管径的方法，采用如下的技术方案：

一种超声检查中智能测量血管管径的方法，包括：从预处理超声图像中识别得到至少一个目标血管部位的图像，其中，所述预处理超声图像中至少包括第一血管的图像，所述至少一个目标血管部位的图像中包括第一血管的第一部位图像；

基于所述第一部位图像，得到第一部位的血管管腔的边界轮廓，其中，所述边界轮廓为所述血管管腔的掩膜轮廓；

基于所述边界轮廓和所述第一部位对应的预设测量条件，确定所述第一部位的血管管径的目标测量点，得到所述目标测量点之间的图像距离，其中，所述血管管径为所述血管管腔的内径；

根据所述目标测量点之间的图像距离，结合第一尺寸比例，确定所述第一部位的血管管径的物理距离，其中，所述第一尺寸比例用于表示所述预处理超声图像中图像距离与物理距离的比例。

通过采用上述技术方案，通过从预处理超声图像中识别得到至少一个目标血管部位的图像，基于至少一个目标血管部位的图像包括的第一部位图像，可以得到第一部位的血管管腔的边界轮廓，并将其基于第一部位对应的预设测量条件进行判断，来确定第一部位的血管管径的目标测量点，再根据目标测量点之间的图像距离，来结合第一尺寸比例，确定第一部位的血管管径的物理距离，可实现对血管管径最佳测量点的自动确定，以得到更准确的血管管径值，进而可以降低由人工干预所造成的测量误差。

可选的，所述基于所述边界轮廓和所述第一部位对应的预设测量条件，确定所述第一部位的血管管径的目标测量点，得到所述目标测量点之间的图像距离，具体包括：

对所述边界轮廓进行曲线拟合，得到拟合的曲线图像；

基于所述第一部位对应的所述预设测量条件对所述曲线图像中的测量点进行确定，得到对应于所述第一部位的血管管径的所述目标测量点。

通过采用上述技术方案，通过对边界轮廓进行曲线拟合，得到拟合的曲线图像，可以实现以曲线的形式来清楚、平滑的凸显出血管管腔的边界轮廓，进而可以实现基于曲线更加准确的确定目标测量点。

可选的，所述对所述边界轮廓进行曲线拟合，得到拟合的曲线图像，具体包括：

基于所述边缘轮廓的两侧像素点得到像素平均值；

将所述边缘轮廓的两侧中大于所述像素平均值的一侧像素点形成的边缘轮廓作为血管上管壁，将小于所述像素平均值的一侧像素点形成的边缘轮廓作为血管下管壁；

基于所述血管上管壁和所述血管下管壁，模拟出所述拟合曲线。

通过采用上述技术方案，通过基于边缘轮廓的两侧像素点得到像素平均值，可快速区分出血管的上管壁和下管壁，以加快曲线拟合的效率，来进一步地提高目标测量点的确定效率。

可选的，在所述得到所述目标测量点之间的图像距离之前，具体包括：

识别标尺在所述预处理超声图像中的位置；

对所述标尺位置对应的所述预处理超声图像的区域进行截取，得到目标截取区域；

将所述目标截取区域与所述标尺的每个刻度线进行匹配，得到所述标尺中刻度之间存在的像素个数；

基于所述标尺中刻度之间存在的像素个数和距离，得到像素距离；

获取所述目标测量点存在的像素个数，结合所述像素距离，得到所述目标测量点之间的图像距离。

通过采用上述技术方案，通过识别标尺的位置，并将标尺的刻度线与预处理超声图像进行区域匹配，可以得到标尺中刻度之间存在的像素个数，然后基于标尺中刻度之间的精度值，可得到刻度之间的像素距离，再基于目标测量点存在的像素个数，可以准确的得到目标测量点之间的图像距离。

可选的，所述根据所述目标测量点之间的图像距离，结合第一尺寸比例，确定所述第一部位的血管管径的物理距离，具体包括：

将所述预处理超声图像基于所述标尺缩小或扩大的尺寸比例，作为第一尺寸比例；

将所述目标测量点之间的图像距离与所述第一尺寸比例进行乘法运算，得到所述第一部位的血管管径的物理距离。

通过采用上述技术方案，通过将目标测量点之间的图像距离与第一尺寸比例进行乘法运算可以准确的得到第一部位的血管管径的真实物理距离。

可选的，所述从预处理超声图像中识别得到至少一个目标血管部位的图像，具体包括：

获取预处理超声图像；

基于特征部位识别算法对所述预处理超声图像中的血管所在区域进行识别，得到至少一个血管部位；

将所述至少一个血管部位对应的区域从所述预处理超声图像中截取出来，得到所述至少一个目标血管部位的图像。

通过采用上述技术方案，通过特征部位识别算法可以实现对预处理超声图像中血管部位的特征信息识别，通过将至少一个血管部位对应的区域从所述预处理超声图像中截取出来，可以实现对识别到的至少一个部位进行分别处理。

可选的，在所述得到所述至少一个目标血管部位的图像之前，具体包括：

对所述至少一个血管部位的图像进行血管部位名称标记，以及得到所述血管部位名称标记的匹配置信度；

将所述匹配置信度与预设名称匹配置信度进行比较，选取出满足所述预设名称置信度的所述至少一个血管部位的图像，作为所述至少一个目标血管部位的图像。

通过采用上述技术方案，通过对血管部位进行名称标记，并对血管部位名称标记的匹配置信度进行判断，可预先筛选出不满足预设名称匹配置信度的血管部位，以避免因血管部位识别不准确，导致最终血管管径检测的误差。

可选的，所述基于所述第一部位图像，得到第一部位的血管管腔的边界轮廓，具体包括：

将所述第一部位图像基于血管管腔分割算法识别出所述第一部位的血管管腔；

基于所述第一部位的血管管腔的结构，生成对应的管腔掩膜；

基于轮廓提取算法对所述管腔掩膜进行边界轮廓的提取，得到所述第一部位的血管管腔的所述边界轮廓。

通过采用上述技术方案，通过将第一部位图像血管管腔分割算法可识别出第一部位的血管管腔，并基于血管管腔的结构生成对应的管腔掩膜，再基于轮廓提取算法对管腔掩膜进行边界轮廓的提取，可得到第一部位的血管管腔的边界轮廓，以便于后续对边界轮廓进行处理来确定血管管径的目标测量点。

第二方面，本申请还提供一种超声检查中智能测量血管管径的系统，采用如下的技术方案：

一种超声检查中智能测量血管管径的系统，包括：部位图像获取模块，用于从预处理超声图像中识别得到至少一个目标血管部位的图像，其中，所述预处理超声图像中至少包括第一血管的图像，所述至少一个目标血管部位的图像中包括第一血管的第一部位图像；边界轮廓获取模块，用于基于所述第一部位图像，得到第一部位的血管管腔的边界轮廓，其中所述边界轮廓为所述血管管腔的掩膜轮廓；目标测量点确定模块，用于基于所述边界轮廓和所述第一部位对应的预设测量条件，确定所述第一部位的血管管径的目标测量点，得到所述目标测量点之间的图像距离，其中，所述血管管径为所述血管管腔的内径；血管管径的获取模块，用于根据所述目标测量点之间的图像距离，结合第一尺寸比例，确定所述第一部位的血管管径的物理距离，其中，所述第一尺寸比例用于表示所述预处理超声图像中图像距离与物理距离的比例。

通过采用上述技术方案，通过部位图像获取模块可以从预处理超声图像中识别得到至少一个目标血管部位的图像，来实现对目标血管部位的识别，通过边界轮廓获取模块，可以基于第一部位图像得到第一部位的血管管腔的边界轮廓，通过目标测量点确定模块可以基于边界轮廓和第一部位对应的预设测量条件，确定第一部位的血管管径的目标测量点，进而得到目标测量点之间的图像距离，通过血管管径的获取模块，可以用于根据目标测量点之间的图像距离，再结合第一尺寸比例，来确定第一部位的血管管径的物理距离。

可选的，所述目标测量点确定模块，包括：

曲线拟合单元，用于将对所述边界轮廓进行曲线拟合，得到拟合的曲线图像；

目标测量点确定单元，用于基于所述第一部位对应的所述预设测量条件对所述曲线图像中的测量点进行确定，得到对应于所述第一部位的血管管径的所述目标测量点。

通过采用上述技术方案，通过曲线拟合单元可以实现对边界轮廓的曲线拟合，以得到拟合的曲线图像，来实现以曲线的形式来清楚、平滑的凸显出血管管腔的边界轮廓，通过目标测量点确定单元，可以基于曲线更加准确的确定目标测量点。

综上所述，本申请包括以下至少一种有益技术效果：

1.通过从预处理超声图像中识别得到至少一个目标血管部位的图像，基于至少一个目标血管部位的图像包括的第一部位图像，可以得到第一部位的血管管腔的边界轮廓，并将其基于第一部位对应的预设测量条件进行判断，来确定第一部位的血管管径的目标测量点，再根据目标测量点之间的图像距离，来结合第一尺寸比例，确定第一部位的血管管径的物理距离，可实现对血管管径最佳测量点的自动确定，以得到更准确的血管管径值，进而可以降低由人工干预所造成的测量误差。

2.通过对边界轮廓进行曲线拟合，得到拟合的曲线图像，可以实现以曲线的形式来清楚、平滑的凸显出血管管腔的边界轮廓，进而可实现基于曲线更加准确的确定目标测量点。

3.通过基于边缘轮廓的两侧像素点得到像素平均值，可快速区分出血管的上管壁和下管壁，以加快曲线拟合的效率，来进一步地提高目标测量点确定的效率。

附图说明

图1是本申请实施例公开的一种超声检查中智能测量血管管径的方法的流程示意图；

图2是本申请实施例公开的一种超声检查中智能测量血管管径方法得到目标测量点的一个举例示意图；

图3为图1中所示的S10步骤的一种实现流程示意图；

图4为图1中所示的S20步骤的一种实现流程示意图；

图5为图1中所示的S30步骤的一种实现流程示意图；

图6为图5中所示的S31步骤的一种实现流程示意图；

图7为本申请另一实施例公开的一种超声检查中智能测量血管管径的方法实现确定目标测量点的流程示意图；

图8为图1中所示的S30步骤中在得到目标测量点之间的图像距离之前的一种举例流程示意图；

图9是本申请实施例公开的一种超声检查中智能测量血管管径的系统的模块示意图。

附图标记说明：

10、部位图像获取模块；20、边界轮廓获取模块；30、目标测量点确定模块；40、血管管径的获取模块；A、颈动脉血管上段的目标测量点；B、颈动脉血管中段的目标测量点；C、颈动脉血管下段的目标测量点。

具体实施方式

以下结合附图对本申请作进一步详细说明。

为了实现对血管管径最佳测量点的自动确定，降低由人工干预所造成的测量误差，本申请一实施例提供了一种超声检查中智能测量血管管径的方法。参见图1，该方法包括以下步骤：

S10：从预处理超声图像中识别得到至少一个目标血管部位的图像；

其中，预处理超声图像中至少包括第一血管的图像，至少一个目标血管部位的图像中包括第一血管的第一部位图像。

在本实施例中，预处理超声图像为颈动脉超声图像，识别到的至少一个目标血管部位可以为颈总动脉血管起始段、颈总动脉血管中段和颈总动脉血管远心段，颈总动脉血管起始段可理解为分支的颅内段，位于近心端；颈总动脉血管中段可理解为位于颈总动脉血管起始段和颈总动脉血管远心段的中间段，该中间段外观呈球状；颈总动脉血管远心段位于远心端。

S20：基于所述第一部位图像，得到第一部位的血管管腔的边界轮廓；

其中，边界轮廓为血管管腔的掩膜轮廓，掩膜轮廓可理解为血管管腔的上下两侧轮廓。

S30：基于所述边界轮廓和所述第一部位对应的预设测量条件，确定所述第一部位的血管管径的目标测量点，得到所述目标测量点之间的图像距离；

其中，血管管径可理解为血管管腔的内径，预设测量条件用于针对识别出来的颈动脉血管的不同部位进行的条件判断，在本实施中，不同部位所对应的测量条件可以为：当血管部位为颈总动脉血管起始段时，取血管起始段中最短距离的内径对应的测量点作为目标测量点；当血管部位为颈总动脉血管中段时，取血管中段中最长距离的内径对应的测量点作为目标测量点；当血管部位为颈总动脉血管远段时，将血管远段的近心端和远心端两端的内径距离进行对比，取较短的内径对应的测量点作为目标测量点，当然，在本实施例，并不限定预设测量条件，可依据实际情况进行人工设定。

S40：根据所述目标测量点之间的图像距离，结合第一尺寸比例，确定所述第一部位的血管管径的物理距离；

其中，第一尺寸比例用于表示预处理超声图像中图像距离与物理距离的比例。

具体地，在本实施例中，步骤S40具体包括：

将所述预处理超声图像基于所述标尺缩小或扩大的尺寸比例，作为第一尺寸比例；

将所述目标测量点之间的图像距离与所述第一尺寸比例进行乘法运算，得到所述第一部位的血管管径的物理距离。

举例而言，参见图2，图中为颈动脉的超声图像，A表示为颈总动脉血管远心段的目标测量点，距离为0.339cm，也即颈总动脉血管远段管径为0.339cm，B表示为颈总动脉血管球部段的目标测量点，距离为0.565cm，也即颈总动脉血管球部段管径为0.565cm，C表示为颈总动脉血管远心段的目标测量点，距离为0.517cm，也即颈总动脉血管远心端管径为0.517cm。

参见图3，在另一实施例中，步骤S10，具体包括：

S11：获取预处理超声图像；其中，该超声图像为患者的颈动脉图像。

S12：基于特征部位识别算法对所述预处理超声图像中的血管所在区域进行识别，得到至少一个血管部位；

其中，特征部位的识别可以通过卷积网络的目标检测算法来实现，目标检测算法例如可以采用YOLOv5、R-CNN（Regions -CNN）、Fast R-CNN等检测算法，当然在本实施例中，并不限定，能够实现相同技术效果即可。

S13：将所述至少一个血管部位对应的区域从所述预处理超声图像中截取出来，得到所述至少一个目标血管部位的图像。

其中，将至少一个血管部位对应的区域从预处理超声图像中截取出来，可采用语义分割的方式进行实现，语义分割方法可采用PSPNet（Pyramid Scene Parsing Network，金字塔结构网络）、Unet网络模型和DeeplabV3+图像语义分割等方法，当然在此也并限定分割的方法，能够实现相同技术效果即可。在另一实施例中，特征部位的识别和截取的操作还可通过实施分割方法来一次性实现。

另外，在另一实施例中，步骤S13中在得到所述至少一个目标血管部位的图像之前，还可具体包括：

对所述至少一个血管部位的图像进行血管部位名称标记，以及得到所述血管部位名称标记的匹配置信度；

将所述匹配置信度与预设名称匹配置信度进行比较，选取出满足所述预设名称置信度的所述至少一个血管部位的图像，作为所述至少一个目标血管部位的图像。

其中，通过对血管部位进行名称标记，并对血管部位名称标记的匹配置信度进行判断，可预先筛选出置信度例如大于90%的血管部位，以增加目标血管部位识别的准确度。

参见图4，在另一实施例中，步骤S20，具体包括：

S21：将所述第一部位图像基于血管管腔分割算法识别出所述第一部位的血管管腔；

其中，血管管腔分割算法例如采用unet++算法，PSPNet（Pyramid Scene ParsingNetwork，金字塔结构网络）、Unet网络模型和DeeplabV3+图像语义分割等，以实现将第一部位的血管管腔识别出来，当然在此，并不限制，能够实现相同技术效果即可。

S22：基于所述第一部位的血管管腔的结构，生成对应的管腔掩膜；

其中，管腔掩膜可理解为覆盖血管管腔的掩膜。

S23：基于轮廓提取算法对所述管腔掩膜进行边界轮廓的提取，得到所述第一部位的血管管腔的所述边界轮廓；

其中，轮廓提取算法例如采用Canny算子（多级边缘检测算法）、Sobel算子（Sobeloperator，索贝尔算子）、Laplacian算子（Laplacian Operator）、Roberts算子（Robertsoperator，罗伯茨算子）等边缘检测方法，实现对管腔掩膜边界轮廓的提取，当然在此，并不限制，能够实现相同技术效果即可。

参见图5，在另一实施例中，步骤S30具体包括如下步骤：

S31：对所述边界轮廓进行曲线拟合，得到拟合的曲线图像。

S32：基于所述第一部位对应的所述预设测量条件对所述曲线图像中的测量点进行确定，得到对应于所述第一部位的血管管径的所述目标测量点。

其中，通过上述步骤S31对边界轮廓进行曲线拟合，得到对应于血管管腔的边界轮廓的曲线图像，可以实现以曲线的形式来清楚、平滑的凸显出血管管腔的边界轮廓，进而使得步骤S32中基于曲线更加准确的确定出目标测量点。

具体地，参见图6，步骤S31，还可具体包括：

S311：基于所述边缘轮廓的两侧像素点得到像素平均值；

其中，像素平均值的获取，在本实施例中可以为以预处理超声图像的近心端和远心端两端为依据，建立像素坐标轴，边缘轮廓的两侧像素点基于坐标位置来计算得到两侧像素点的平均值。

S312：将所述边缘轮廓的两侧中大于所述像素平均值的一侧像素点形成的边缘轮廓作为血管前管壁，将小于所述像素平均值的一侧像素点形成的边缘轮廓作为血管后管壁；其中，血管前管壁和血管后管壁的确定，依据超声探头的发射面，将靠近超声探头发射面的血管壁作为前管壁，距离超声探头发射面较远的另一侧壁作为后管壁。

S313：基于所述血管上管壁和所述血管下管壁，模拟出所述拟合曲线。

其中，上述步骤S311~S313中通过基于像素平均值可快速区分出血管的前管壁和后管壁，以加快曲线拟合的效率，进而提高确定目标测量点的效率。

举例而言，参见图7，图中左侧第一列（1）上下依次为颈总动脉血管中段、颈总动脉血管起始段和颈总动脉血管近心段部位图像，通过轮廓提取算法提取，得到第二列（2）所示的管腔的边界轮廓，然后对边界轮廓进行前、后管壁的提取，得到第三列（3）所示管壁图，再通过对管腔的前、后管壁进行曲线拟合，得到第四列（4）所示曲线拟合图，其中在曲线拟合图中上下壁之间的曲线之间为平均值曲线图，以区分出管腔的前、后壁，最终通过曲线拟合图结合对应部位的预设测量条件，得到左侧第五列（5）所示对应于第一列（1）图像的各部位目标测量点图。

参见图8，在另一实施例中，步骤S30中在得到目标测量点之间的图像距离之前，还具体包括：

S301：识别标尺在所述预处理超声图像中的位置；

S302：对所述标尺位置对应的所述预处理超声图像的区域进行截取，得到目标截取区域。

S303：将所述目标截取区域与所述标尺的每个刻度线进行匹配，得到所述标尺中刻度之间存在的像素个数。

S304：基于所述标尺中刻度之间存在的像素个数和距离，得到像素距离。

S305：获取所述目标测量点存在的像素个数，结合所述像素距离，得到所述目标测量点之间的图像距离。

其中，标尺相对于预处理超声图像中的位置，可以为上方、下方、左侧、右侧等，具体可通过先验知识机制的训练模型进行标尺位置的识别，在本实施例中，标尺为具有刻度线的用于尺寸参考的标尺，刻度线包括长刻度线和短刻度线，长刻度线之间的距离例如为1cm，短刻度线之间的距离例如为0.5cm。

举例而言，两个短刻度线之间距离为d1、像素个数为d2，目标测量点之间的像素个数为d3，目标测量点的图像距离为d4，则有。

综上所述，本申请公开的一种超声检查中智能测量血管管径的方法，通过从预处理超声图像中识别得到至少一个目标血管部位的图像，基于至少一个目标血管部位的图像包括的第一部位图像，可以得到第一部位的血管管腔的边界轮廓，并将其基于第一部位对应的预设测量条件进行判断，来确定第一部位的血管管径的目标测量点，再根据目标测量点之间的图像距离，来结合第一尺寸比例，确定第一部位的血管管径的物理距离，可实现对血管管径最佳测量点的自动确定，以得到更准确的血管管径值，进而可以降低由人工干预所造成的测量误差；通过对边界轮廓进行曲线拟合，得到拟合的曲线图像，可以实现以曲线的形式来清楚、平滑的凸显出血管管腔的边界轮廓，进而可实现基于曲线更加准确的确定目标测量点；通过基于边缘轮廓的两侧像素点得到像素平均值，可快速区分出血管的上管壁和下管壁，以加快曲线拟合的效率，来进一步地提高目标测量点确定的效率。

另外，本实施例中各步骤的标号仅为方便说明，不代表对各步骤执行顺序的限定，在实际应用时，可以根据需要各步骤执行顺序进行调整，或同时进行，这些调整或者替换均属于本发明的保护范围。

本申请另一实施例还提供了一种超声检查中智能测量血管管径的系统。参照图9，该系统包括：部位图像获取模块10、边界轮廓获取模块20、目标测量点确定模块30和血管管径的获取模块40。

其中，部位图像获取模块10用于从预处理超声图像中识别得到至少一个目标血管部位的图像，其中，所述预处理超声图像中至少包括第一血管的图像，所述至少一个目标血管部位的图像中包括第一血管的第一部位图像；边界轮廓获取模块20，用于基于所述第一部位图像，得到第一部位的血管管腔的边界轮廓，其中所述边界轮廓为所述血管管腔的二维平面图；目标测量点确定模块30，用于基于所述边界轮廓和所述第一部位对应的预设测量条件，确定所述第一部位的血管管径的目标测量点，得到所述目标测量点之间的图像距离，其中，所述血管管径为所述血管管腔的内径；血管管径的获取模块40，用于根据所述目标测量点之间的图像距离，结合第一尺寸比例，确定所述第一部位的血管管径的物理距离，其中，所述第一尺寸比例用于表示所述预处理超声图像中图像距离与物理距离的比例。

进一步地，目标测量点确定模块30，包括：曲线拟合单元和目标测量点确定单元，曲线拟合单元，用于将对所述边界轮廓进行曲线拟合，得到拟合的曲线图像；目标测量点确定单元，用于基于所述第一部位对应的所述预设测量条件对所述曲线图像中的测量点进行确定，得到对应于所述第一部位的血管管径的所述目标测量。

需要说明的是，本实施例公开的一种超声检查中智能测量血管管径的系统，所实现的一种超声检查中智能测量血管管径的方法如前述实施例所述，故在此不再进行详细讲述。可选地，本实施例中的各个模块、单元和上述其他操作或功能分别为了实现前述实施例中的方法。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。