超声图像的图像处理方法、超声设备以及存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种超声图像的图像处理方法、超声设备以及存储介质。

背景技术

随着人们生活水平的提高，健康显得尤为重要，医疗检测也越来越发达。在医学检测中，穿刺是医学常用手术用语，是将穿刺针刺入体腔抽取分泌物做化验，向体腔注入气体或造影剂做造影检查，或向体腔内注入药物的一种诊疗技术。穿刺的目的是抽血化验，输血、输液及置入导管做血管造影等。

超声引导穿刺目前使用广泛。超声引导检查可以实时帮助医生了解病情的同时，辅助医生进行穿刺。然而，在目前超声引导下穿刺中，医生为了提高检出率，常用的穿刺方式是使用多次进针的方式，取不同区域的组织进行活检。该方式不仅操作繁琐，增加医生的工作量，同时也给患者带来一定的伤害和痛苦。这种盲目穿刺也不能准确的识别病灶区，反而增加误穿率。加之医生的经验不同，手法不同，习惯不同引入的误穿率就会大大增加。

发明内容

为解决上述问题，本申请提供了一种超声图像的图像处理方法、超声设备以及存储介质，一方面可以提高病灶区域的识别效率，另一方面有利于提高待检测目标的定位精度。

本申请采用的一个技术方案是：提供一种超声图像的图像处理方法，该方法包括：获取待检测目标的目标超声图像；其中，目标超声图像至少包括一个感兴趣区域；对目标超声图像中的感兴趣区域进行图像识别，以确定正常区域和病灶区域；对病灶区域进行图像标记处理，以便对病灶区域进行跟踪。

其中，获取待检测目标的目标超声图像，包括：获取采集的待检测目标的当前超声图像；识别当前超声图像中是否包含设定的感兴趣区域；若是，将当前超声图像作为目标超声图像。

其中，获取待检测目标的目标超声图像，包括：获取采集的待检测目标的当前超声图像；接收用户的操作指令在当前超声图像中确定感兴趣区域；将确定感兴趣区域后的当前超声图像作为目标超声图像。

其中，对目标超声图像中的感兴趣区域进行图像识别，以确定正常区域和病灶区域，包括：将目标超声图像输入至已训练的深度学习网络中，以对目标图像的感兴趣区域进行分割确定正常区域和病灶区域；其中，已训练的深度学习网络通过预先输入的病灶图像的灰阶变化和结构变化训练得到的。

其中，该方法还包括：对病灶区域进行图像处理，以提高病灶区域的图像质量；其中，对病灶区域进行图像处理的方法包括动态压缩、帧相关、空间滤波、灰阶映射中的至少一种。

其中，对病灶区域进行图像标记处理，包括：增加病灶区域与相邻区域的灰度差；或对病灶区域的轮廓线进行突出显示；或对多个病灶区域采用不同的颜色进行显示。

其中，该方法还包括：对病灶区域进行检测以获得病灶区域的位置信息和尺寸信息；将位置信息和尺寸信息进行显示。

其中，对病灶区域进行图像标记处理，以便对病灶区域进行跟踪，包括：接收用户的操作指令在多个病灶区域中选择目标病灶区域；对目标病灶区域进行图像标记处理，以便对目标病灶区域进行跟踪。

本申请采用的一个技术方案是：提供一种超声设备，该超声设备包括处理器以及与处理器连接的通信接口和存储器；其中，通信接口用于连接外部超声检测设备，存储器用于存储程序数据，处理器用于执行程序数据以实现如上述的方法。

本申请采用的一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质中存储有程序数据，程序数据在被处理器执行时，用以实现如上述的方法。

本申请提供的超声图像的图像处理方法包括：获取待检测目标的目标超声图像；其中，目标超声图像至少包括一个感兴趣区域；对目标超声图像中的感兴趣区域进行图像识别，以确定正常区域和病灶区域；对病灶区域进行图像标记处理，以便对病灶区域进行跟踪。通过上述方式，一方面，能够通过设置感兴趣区域，减小了病灶区域的识别范围，以提高病灶区域的识别效率；另一方面通过对病灶区域的实时跟踪，减少医生在穿刺过程中操作步骤，精确定位穿刺区域，降低患者的痛苦。同时降低盲目穿刺的误差，保证穿刺结果的一致性，提高诊断效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：

图1是本申请提供的超声图像的图像处理方法第一实施例的流程示意图；

图2是本申请提供的病灶区域的标记示意图；

图3是本申请提供的超声图像的图像处理方法第二实施例的流程示意图；

图4是本申请提供的超声图像的图像处理方法第三实施例的流程示意图；

图5是本申请提供的超声设备一实施例的结构示意图；

图6是本申请提供的计算机可读存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

参阅图1，图1是本申请提供的超声图像的图像处理方法第一实施例的流程示意图，该方法包括：

步骤11：获取待检测目标的目标超声图像；其中，目标超声图像至少包括一个感兴趣区域。

在一可选的实施例中，该待检测目标可以是待穿刺的活体。穿刺按照系统划分可以分为骨髓穿刺、淋巴结穿刺、关节腔穿刺和血管穿刺，其中，又可以具体包括脑或脊髓穿刺、胸部体腔穿刺、腹部体腔和脏器穿刺，其中的部体腔和脏器穿刺包括腹腔穿刺、肝脏穿刺、肾脏穿刺、膀胱穿刺、宫穿刺和前列腺穿刺等。

在本实施例中，采用超声引导穿刺的方式，即利用超声设备实时采集超声图像，医生在进行穿刺时，可以参考超声图像，有利于准确的找到位置以便进行穿刺。

其中，目标超声图像是包括了至少一个感兴趣区域的超声图像。

在一实施例中，可以获取采集的待检测目标的当前超声图像；识别当前超声图像中是否包含设定的感兴趣区域；若是，将当前超声图像作为目标超声图像。

其中，在判断当前超声图像中是否包含设定的感兴趣区域时，可以采用特定的算法来进行识别。例如，这里的感兴趣区域是指可能会出现病灶的区域，因此，可以预先将大量的病灶区域的图像输入至深度学习网络中进行训练，对病灶区域的图像进行特征提取，其中的特征可以包括灰度、形状、尺寸等，得到一个深度学习网络模型，然后再对当前超声图像进行识别时，将当前超声图像输入至该深度学习网络模型，以判断该超声图像中是否包含有感兴趣区域。

在另一实施例中，也可以采用人为的方式来标记感兴趣区域，例如，获取采集的待检测目标的当前超声图像；接收用户的操作指令在当前超声图像中确定感兴趣区域；将确定感兴趣区域后的当前超声图像作为目标超声图像。

具体地，在采集到当前超声图像后，在显示屏上显示该超声图像，用户或医生可以通过鼠标、按键、触摸操作等方式，在当前超声图像上标记出感兴趣区域，例如，可以直接在图中将可能是病灶区域的地方“圈”起来形成感兴趣区域。

可以理解地，在上述的实施例中，感兴趣区域的数量可以是一个或者多个，这里不作限制。

另外，在其他实施例中，为了让用户或医生有更多的选择，可以设置一个开启“识别感兴趣区域”的功能按键，可以是实体按键或虚拟按键，在开启“识别感兴趣区域”的功能后，设备会自动识别超声图像中的感兴趣区域，若未开启，则用户或医生可以采用手动标记的方式。

步骤12：对目标超声图像中的感兴趣区域进行图像识别，以确定正常区域和病灶区域。

可选地，对超声图像的感兴趣区域进行图像识别可以包括灰度、尺寸、形状多维度的识别，例如，可以设置多个阈值范围，例如灰度值范围、尺寸范围和形状类型，当检测到某个区域满足上述条件了，就确定该区域为病灶区域，而不满足条件的区域为正常区域。

在一具体的实施例中，将目标超声图像输入至已训练的深度学习网络中，以对目标图像的感兴趣区域进行分割确定正常区域和病灶区域；其中，已训练的深度学习网络通过预先输入的病灶图像的灰阶变化和结构变化训练得到的。

首先，建立深度学习网络。该深度学习网络可以是有监督的深度学习网络，也可以是无监督的深度学习网络。以有监督的深度学习网络为例，将大量的病灶区域的超声图像输入至学习网络中进行训练，每个超声图像包括其灰阶变化情况、结构变化情况等，得到已训练的深度学习网络。

然后，将目标超声图像输入至该深度学习网络中，就可以自动将其中的感兴趣区域分割成正常区域和病灶区域。

步骤13：对病灶区域进行图像标记处理，以便对病灶区域进行跟踪。

其中，图像标记处理可以包括增加病灶区域与相邻区域的灰度差、对病灶区域的轮廓线进行突出显示、对多个病灶区域采用不同的颜色进行显示等。

如图2所示，图2是本申请提供的病灶区域的标记示意图，其中，图2以前列腺穿刺为例，可以用一个特殊颜色(图2中未示出颜色)的圈对病灶区域进行标记，另外，也可以调高病灶区域的图像灰度值，以便与周围的其他区域进行区分。当有多个病灶区域时，可以对不同的病灶区域进行不同颜色的标记，以进行区分。

由于在本实施例中对病灶区域进行实时的跟踪，当超声设备的检测探头移动时，虽然病灶区域在显示屏中的位置同样会发生移动，但是由于对病灶区域进行标记跟踪，用户或医生可以实时的关注病灶区域。

另外，在有多个病灶区域时，可以接收用户的操作指令在多个病灶区域中选择目标病灶区域；对目标病灶区域进行图像标记处理，以便对目标病灶区域进行跟踪。这样，可以仅对一个病灶区域进行实时的跟踪，在跟踪过程中，用户也可以随时切换跟踪目标，对其他的病灶区域进行实时跟踪。

区别于现有技术，本实施例提供的超声图像的图像处理方法包括：获取待检测目标的目标超声图像；其中，目标超声图像至少包括一个感兴趣区域；对目标超声图像中的感兴趣区域进行图像识别，以确定正常区域和病灶区域；对病灶区域进行图像标记处理，以便对病灶区域进行跟踪。通过上述方式，一方面，能够通过设置感兴趣区域，减小了病灶区域的识别范围，以提高病灶区域的识别效率；另一方面通过对病灶区域的实时跟踪，减少医生在穿刺过程中操作步骤，精确定位穿刺区域，降低患者的痛苦。同时降低盲目穿刺的误差，保证穿刺结果的一致性，提高诊断效率。

另外，在其他实施例中还支持用户在多个感兴趣区域选择，通过一系列简单操作及颜色变化，方便用户主动控制各个目标对象，最大程度上满足不同用户的操作习惯及需求。最后，根据模式识别和机器学习算法对目标对象进行实时跟踪，可方便用户实时穿刺的需要，精确定位待检测目标。

参阅图3，图3是本申请提供的超声图像的图像处理方法第二实施例的流程示意图，该方法包括：

步骤31：获取待检测目标的目标超声图像；其中，目标超声图像至少包括一个感兴趣区域。

步骤32：对目标超声图像中的感兴趣区域进行图像识别，以确定正常区域和病灶区域。

步骤31-步骤32与上述实施例类似，这里不再赘述。

步骤33：对病灶区域进行图像处理，以提高病灶区域的图像质量。

可选地，对病灶区域进行图像处理的方法包括动态压缩、帧相关、空间滤波、灰阶映射中的至少一种。

以动态压缩为例，由于感兴趣区域包括了病灶区域和正常区域，这里可以先确定每个区域的亮度、灰度、对比度等图像信息，然后根据这些信息来确定每个区域的压缩度量，然后进一步确定压缩比，最后根据每个区域的不同的压缩比分别对各自的区域进行压缩。

帧相关主要是通过帧相关系数对病灶区域进行降噪处理，以提高图像的质量。

空间滤波主要是通经过对病灶区域进行杂波过滤，以使信号更加的平滑。

灰阶映射也叫灰度变换，是指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。

步骤34：对病灶区域进行图像标记处理，以便对病灶区域进行跟踪。

参阅图4，图4是本申请提供的超声图像的图像处理方法第三实施例的流程示意图，该方法包括：

步骤41：获取待检测目标的目标超声图像；其中，目标超声图像至少包括一个感兴趣区域。

步骤42：对目标超声图像中的感兴趣区域进行图像识别，以确定正常区域和病灶区域。

步骤43：对病灶区域进行图像标记处理，以便对病灶区域进行跟踪。

其中，步骤41-步骤43与上述实施例类似，这里不再赘述。

步骤44：对病灶区域进行检测以获得病灶区域的位置信息和尺寸信息。

步骤45：将位置信息和尺寸信息进行显示。

其中，位置信息可以是以显示屏建立的坐标系中的位置坐标，也可以是基于人体结构的一个位置。尺寸信息可以包括病灶区域的相对于横坐标的宽度，或者相对于纵坐标的高度，另外，还可以通过图像处理的方式计算出病灶区域的面积，并对病灶区域的形状进行识别，例如圆形、矩形、多边形等。

在另一实施例中，在确定病灶区域后，进一步可以对病灶区域的良恶性进行判断，以确定该病灶为良性还是恶性。例如，采用Softmax算法或者支持向量机算法(例如LinearSVM)等，这类算法的目的主要是对向量进行归一化处理，凸显出其中权重较大的值并抑制远低于权重值高的其他分量，进而可对数据进行分类处理，针对本实施例来说，采用预先确定的对良性和恶性的病灶区域图像进行权重分析。得到良性和恶性两种分类的界限，这样就可以通过上述的算法得到感兴趣区域的权重值与其对比，大于等于该值，则自动识别为恶性病灶区域，否则自动识别为良性病灶区域。

参阅图5，图5是本申请提供的超声设备一实施例的结构示意图，该超声设备50包括处理器51以及与处理器51连接的通信接口52和存储器53。

其中，该通信接口52用于连接超声设备，用于获取超声设备采集的超声图像，其中，该超声设备可以是现有的超声设备，其连接方式可以通过总线、USB数据线等方式进行连接。

其中，该存储器53用于存储程序数据，处理器51用于执行该程序数据以实现如下的方法：

获取待检测目标的目标超声图像；其中，目标超声图像至少包括一个感兴趣区域；对目标超声图像中的感兴趣区域进行图像识别，以确定正常区域和病灶区域；对病灶区域进行图像标记处理，以便对病灶区域进行跟踪。

可选地，该超声设备50还可以包括显示屏，用于显示超声图像或有关病灶区域的参数信息。

参阅图6，图6是本申请提供的计算机可读存储介质一实施例的结构示意图，该计算机可读存储介质60中存储有程序数据61，该程序数据61在被处理器执行时，用以实现如下的方法：

获取待检测目标的目标超声图像；其中，目标超声图像至少包括一个感兴趣区域；对目标超声图像中的感兴趣区域进行图像识别，以确定正常区域和病灶区域；对病灶区域进行图像标记处理，以便对病灶区域进行跟踪。

可选地，在上述图5和图6的实施例中，处理器在执行相应的步骤时，还用于：

获取采集的待检测目标的当前超声图像；识别当前超声图像中是否包含设定的感兴趣区域；若是，将当前超声图像作为目标超声图像。

获取采集的待检测目标的当前超声图像；接收用户的操作指令在当前超声图像中确定感兴趣区域；将确定感兴趣区域后的当前超声图像作为目标超声图像。

将目标超声图像输入至已训练的深度学习网络中，以对目标图像的感兴趣区域进行分割确定正常区域和病灶区域；其中，已训练的深度学习网络通过预先输入的病灶图像的灰阶变化和结构变化训练得到的。

对病灶区域进行图像处理，以提高病灶区域的图像质量；其中，对病灶区域进行图像处理的方法包括动态压缩、帧相关、空间滤波、灰阶映射中的至少一种。

增加病灶区域与相邻区域的灰度差；或对病灶区域的轮廓线进行突出显示；或对多个病灶区域采用不同的颜色进行显示。

对病灶区域进行检测以获得病灶区域的位置信息和尺寸信息；将位置信息和尺寸信息进行显示。

接收用户的操作指令在多个病灶区域中选择目标病灶区域；对目标病灶区域进行图像标记处理，以便对目标病灶区域进行跟踪。

其中，处理器执行的方法步骤与上述其他实施例类似，这里不再赘述。

在本申请所提供的几个实施方式中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是根据本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。