[发明专利]一种基于超声序列相似度的时间复合方法及装置在审
申请号: | 201910490844.1 | 申请日: | 2019-06-06 |
公开(公告)号: | CN110415179A | 公开(公告)日: | 2019-11-05 |
发明(设计)人: | 吴洁;肖梦楠 | 申请(专利权)人: | 聚融医疗科技(杭州)有限公司 |
主分类号: | G06T5/00 | 分类号: | G06T5/00;G06T7/13;G16H30/40 |
代理公司: | 浙江千克知识产权代理有限公司 33246 | 代理人: | 周希良;王日精 |
地址: | 311305 浙江省杭州市临安*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 二维信号 邻域 相似度 复合系数 计算单元 超声 复合方法及装置 信号预处理单元 边缘增强处理 信号分割单元 相似度计算 边缘组织 低通滤波 分类单元 复合单元 复合装置 均匀组织 前一帧 分割 多帧 噪声 复合 | ||
1.一种基于超声序列相似度的时间复合装置,其特征在于,包括:
信号预处理单元,用于将二维信号进行低通滤波和边缘增强处理;
信号分割单元,用于将处理后的二维信号分割成数个大小相同的矩形邻域;
分类单元,用于将所述分割后的数个二维信号邻域划分为边缘组织类、均匀组织类、噪声类;
第一计算单元,用于计算当前帧的二维信号邻域与前一帧所对应的二维信号邻域之间的相似度;
第二计算单元,用于根据所述得到的相似度计算时间复合系数;
时间复合单元,用于将当前帧的二维信号邻域与前一或多帧对应的二维信号邻域通过得到的时间复合系数进行时间复合。
2.根据权利要求1所述的一种基于超声序列相似度的时间复合装置,其特征在于,所述分类单元中将数个二维信号邻域分为边缘组织类、均匀组织类、噪声类通过预设的组织阈值和梯度阈值分类;若低于所述组织阈值,则为噪声类;若高于所述组织阈值,则为边缘组织类和均匀组织类;若低于所述梯度阈值,则为均匀组织类;若高于所述梯度阈值,则为边缘组织类。
3.根据权利要求2所述的一种基于超声序列相似度的时间复合装置,其特征在于,所述分类单元还包括分别设置边缘组织类、均匀组织类、噪声类对应的时间复合系数。
4.根据权利要求1或2或3所述的一种基于超声序列相似度的时间复合装置,其特征在于,还包括:
存储单元,用于将时间复合后的二维信号邻域存入缓存区域。
5.根据权利要求4所述的一种基于超声序列相似度的时间复合装置,其特征在于,所述当前帧的二维信号邻域是与缓存区域的前一帧或多帧所对应的二维信号邻域进行时间复合;所述复合方式是当前帧的二维信号邻域与缓存区域的前一或多帧对应的二维信号邻域通过加权叠加复合。
6.一种基于超声序列相似度的时间复合方法,其特征在于,包括步骤:
S1.将二维信号进行低通滤波和边缘增强处理;
S2.将处理后的二维信号分割成数个大小相同的矩形邻域;
S3.将所述分割后的数个二维信号邻域划分为边缘组织类、均匀组织类、噪声类;
S4.计算当前帧的二维信号邻域与前一帧所对应的二维信号邻域之间的相似度;
S5.根据所述得到的相似度计算时间复合系数;
S6.将当前帧的二维信号邻域与前一或多帧对应的二维信号邻域通过得到的时间复合系数进行时间复合。
7.根据权利要求6所述的一种基于超声序列相似度的时间复合方法,其特征在于,所述将数个二维信号邻域分为边缘组织类、均匀组织类、噪声类通过预设的组织阈值和梯度阈值分类;若低于所述组织阈值,则为噪声类;若高于所述组织阈值,则为边缘组织类和均匀组织类;若低于所述梯度阈值,则为均匀组织类;若高于所述梯度阈值,则为边缘组织类。
8.根据权利要求7所述的一种基于超声序列相似度的时间复合方法,其特征在于,所述步骤S3还包括:
分别设置边缘组织类、均匀组织类、噪声类对应的时间复合系数。
9.根据权利要求6或7或8所述的一种基于超声序列相似度的时间复合方法,其特征在于,所述步骤S6后还包括步骤:
S7.将时间复合后的二维信号邻域存入缓存区域。
10.根据权利要求9所述的一种基于超声序列相似度的时间复合方法,其特征在于,所述当前帧的二维信号邻域是与缓存区域的前一帧或多帧所对应的二维信号邻域进行时间复合;所述复合方式是当前帧的二维信号邻域与缓存区域的前一或多帧对应的二维信号邻域通过加权叠加复合。
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聚融医疗科技(杭州)有限公司,未经聚融医疗科技(杭州)有限公司许可,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/201910490844.1/1.html,转载请声明来源钻瓜专利网。