[发明专利]一种子宫超声微蠕动视频处理方法有效
| 申请号: | 201810295212.5 | 申请日: | 2018-04-04 |
| 公开(公告)号: | CN108537785B | 公开(公告)日: | 2021-04-30 |
| 发明(设计)人: | 鹿群;龙云飞;梁蓉;张嘉宾;王建六;张珏;方竞 | 申请(专利权)人: | 北京大学人民医院;北京大学 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/00;G06T7/11;G06T9/00;G06N3/04 |
| 代理公司: | 北京万象新悦知识产权代理有限公司 11360 | 代理人: | 苏爱华 |
| 地址: | 100044 北*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 子宫 超声 蠕动 视频 处理 方法 | ||
本发明公开了一种子宫超声微蠕动视频处理方法。首先,对超声视频进行预处理;然后,将超声视频中的子宫区域通过空间多尺度分解和相位放大进行微蠕动凸显,得到子宫微蠕动凸显视频;进而,基于预设的81种时空动态变化的标准频域特征字典,统计子宫微蠕动凸显视频中符合预设标准频域特征的频数分布,并将频数分布作为子宫的微蠕动模式;最终将子宫微蠕动凸显视频和微蠕动模式由显示模块输出展现。该方法能够将肉眼不可见的子宫微蠕动变为肉眼可见,并且能够提取子宫微蠕动的模式,实现了对子宫微蠕动模式的特征定量参考。
技术领域
本发明涉及视频处理领域,特别涉及一种基于超声视频的对子宫微蠕动进行视频处理的方法。
背景技术
子宫内膜随子宫内膜下肌层及子宫平滑肌层的非同步性收缩引起的不均匀性子宫腔内压力,而出现似肠道蠕动波一样的机械运动,称为子宫内膜波状运动,即子宫内膜蠕动波。子宫内膜蠕动和微蠕动能够反映子宫内膜容受性。子宫内膜蠕动波的方向是多种多样的,有宫颈到宫底的、有宫底到宫颈的、还有随机蠕动的等。子宫内膜蠕动波与精子运输、经血排出、胚胎植入及维持妊娠有关,蠕动波的方向和频率还会随着时间的变化而变化。除此之外,子宫内膜下肌层及子宫平滑肌层的非同步性收缩与血管的微小搏动都可能导致出现子宫微蠕动。
目前了解子宫蠕动波和微蠕动的方法是通过超声视频进行肉眼观察。由于蠕动的变化微弱,随机性强,传统超声设备采集的子宫视频中往往需要等待5~20分钟,才能通过仔细对比觉察到蠕动波,而对于子宫的微蠕动,往往更加不容易在超声视频中通过肉眼观察到的。
发明内容
为了让子宫微蠕动变得可视化并能对子宫微蠕动的模式进行特征定量参考,本发明将超声视频中的子宫区域通过空间多尺度分解和相位放大进行微蠕动凸显,得到子宫微蠕动凸显视频;进而,基于预设的81种时空动态变化的标准频域特征字典,统计子宫微蠕动凸显视频中符合预设标准频域特征的频数分布,并将频数分布作为子宫的微蠕动模式;最终将子宫微蠕动凸显视频和微蠕动模式由显示模块输出展现。本发明的技术方案如下:
一种子宫超声微蠕动视频处理方法,如图1与图2所示,由以下模块组成:
1)超声采集模块,采集原始超声视频数据V1;
2)预处理模块,对原始超声视频数据进行视频去噪滤波和视觉标准化预处理,并将预处理后的超声视频数据V2发送给子宫区域检测模块;
3)子宫区域检测模块,对V2中的每一帧图像进行滑窗区域识别,将判断为子宫的区域按顺序整合为子宫视频数据V3,并将V3发送给子宫微蠕动凸显模块;
4)子宫微蠕动凸显模块,针对V3进行子宫微蠕动凸显得到V4;
5)微蠕动模式自动提取模块,负责提取V4中的微蠕动模式Y;
6)显示模块,负责将V4和微蠕动模式Y展现给用户。
优选地,为了能够采集超声视频数据,所述的超声采集模块的采集模式为B型超声或谐波成像超声,采集部位为子宫,采集得到包含子宫的原始超声视频数据V1。
优选地,为了满足对子宫微蠕动频率进行分析的奈奎斯特采样定律的要求,所述的超声采集模块的视频数据的采样频率不小于5Hz。
优选地,为了去除噪声对视频质量的影响,所述的预处理模块将原始超声视频数据V1进行视频滤波去噪,视频滤波去噪的方法可以为高斯滤波,通过离散化窗口滑窗卷积来实现高斯滤波。
优选地,为了保证不同视频的图像一致性,所述的预处理模块将原始超声视频数据V1进行视觉标准化处理,视觉标准化处理可以为直方图均衡化。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学人民医院;北京大学,未经北京大学人民医院;北京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810295212.5/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于深度学习的CT图肺结节检测方法
- 下一篇:用于处理图像方法和装置





