[发明专利]一种自适应调整胎儿三维超声数据的裁剪方法

摘要

本发明涉及一种自适应调整胎儿三维超声数据的裁剪方法，该方法所采用的系统模块包括前端数据采集模块、二维切面显示模块、裁剪区域显示模块、三维渲染图显示模块、图像分割模块、裁剪线计算模块、决策模块，其具体裁剪方法是，当获得用户优化指令后，图像分割模块会从模块中获得当前参考面的二维切面图信息，对该图像进行分析处理，标记出羊水区域，然后以羊水区域的信息为参考，再根据当前裁剪区域的位置，计算出较合适的裁剪线，最后进入决策模块判定是否需要对当前的裁剪线位置进行调整，以及如何调整。本发明方法，减少了调节裁剪区域所花的时间，减轻了医务人员的操作负担，提高了工作效率，并能促进临床超声诊断的标准性和可重复性。

主权项

1.一种自适应调整胎儿三维超声数据的裁剪方法，其特征在于：该方法所采用的系统模块包括前端数据采集模块、二维切面显示模块、裁剪区域显示模块、三维渲染图显示模块、图像分割模块、裁剪线计算模块、决策模块，其具体裁剪方法是，当获得用户优化指令后，图像分割模块会从二维切面显示模块中获得当前参考面的二维切面图信息，对该二维切面图进行分析处理，标记出羊水区域，然后以羊水区域的信息为参考，再根据当前裁剪区域的位置，计算出较合适的裁剪线，最后进入决策模块判定是否需要对当前的裁剪线位置进行调整，以及如何调整；用户在选择裁剪区域时，会以羊水区域为分界线，进而选定胎儿组织区域；在实际应用中，裁剪区域由裁剪框和裁剪线构成；裁剪框是矩形框，或者扇形框，裁剪线是三个顶点构成的双曲线，或者其它曲线形式；所述方法具体实现过程如下：Step1：初始化目标区域和背景区域，即利用相对简单的方法粗略的将目标区域和背景区域分离开来；由于一般羊水的回声信号比较弱，与周围组织的灰度信息形成鲜明对比，能用比较简单的方法对图像进行粗分割，将图像分为目标区域和背景区域，并进行二值化的标记；典型的灰度图像二值化的方法是阈值分割，将图像的每个像素点灰度值与所设定的阈值门限进行比较，标记出目标区域和背景区域；其中阈值选取的方法能是基于灰度直方图分布设定阈值，也能是双峰法设定阈值，也能是最大类间方差法设定阈值；Step2：分割并标记出羊水区域：对于经过Step1粗略分割后的图像，利用基于图割理论的方法对其进行进一步处理，将其划分为前景和背景两部分；认为图像Imag上每个像素Ii,j都和其周围4个像素Ii‑1,j、Ii,j‑1、Ii,j+1、Ii+1,j+1相连通，同时图像上每个点都既和前景目标标记点A相连，也和背景标记点B相连；这样A、B、Imag就能构成一个空间的立体网络；给网络中的每条边赋予一定的权重；其中，Ii,j和A或B之间的连线的权重用于表示Ii,j属于前景A或者背景B的概率，因此，一个可能的权值赋予方法为：其中，N表示邻域像素点，V(I_i,j,I_i,j+1)表示像素点对(I_i,j,I_i,j+1)之间相互作用的惩罚权重，值越大表示I_i,j和I_i,j+1越相似，值越小表示I_i,j和I_i,j+1差异性越大；P表示连接前景A和背景B的所有像素点，表示标记像素点I_i,j为A或B的接近程度，值越小表示标记的越准确；O表示目标前景区域像素点，B表示背景区域像素点；像素点Ii,j和其周围四个点的连线的权重用于表示Ii,j和其邻域像素之间的区别，即图像的边缘信息；例如：对于像素点Ii,j和像素点Ii,j+1的连线取L(Ii,j,Ii,j+1)，当Ii,j和Ii,j+1的像素值差别很大时，连线L的权重应较小，反之则较大，直至接近0；因此，此类连线的典型赋值公式是：其中，表示像素点I_i,j属于前景区域O的概率；K表示遍历所有P像素点，分别计算各像素点的权重和，取最大的权重和值，对于一幅图像，K为常量；给空间立体网络的所有边都赋上了各自的权重，认为从前景标记点A到背景标记点B是在此空间网络系统中的一个流，同时对此流施加两种约束：(1)空间约束：通过每条线路的最大流量不能超过该线路的容量，即设定的权重；(2)平衡约束：除标记点A、B之外，每个结点，即每个像素点的流入总量应该等于流出总量；在此限定条件之下，图像分割问题就被转化成了图论中常见的最小割问题，只要找到此空间网络的最小割，即可将图像分割成前景和背景两部分；根据图论原理，最小割等于最大流，即当从点A到点B的流量增加至上限时，达到饱和的那些线路的合集为该网络的最大流，也就是要寻找的最小割；最小割寻找方法为Ford‑Fullkerson方法，该方法要通过循环迭代三步来实现：a)不断的寻找一条增广路径；b)算出这条增广路径上最小允许通过的流；c)在起始点A上加入这个流量，再返回到步骤a，直至最终饱和再也找不到增广路径；在对二维切面图进行图割理论处理后，能有效的分离出目标区域和背景区域；然后，获取当前裁剪区域的位置和灰度信息，结合已标记出的羊水区域，计算出较合适的一条裁剪线，具体实现步骤为：Step3：计算某一区域内的所有裁剪线当前裁剪线的三个交点为P1、P2、P3，对左交点P1和右交点P2固定，在某一区域内，任意选取一个像素点设定为交点P3，三个交点就能确定一条裁剪曲线；该区域的选定能是包含当前裁剪线在内的某一邻域，也能是当前的整个裁剪区域；其区域的大小能根据经验值设定，如裁剪框内靠近裁剪线的三分之一的范围；确定两个固定点P1和P2后，能遍历所选定区域的每个像素点，依次将其设定为顶点P3，做两个半条、默认开口向上的抛物线；当然也能做其它满足经过三个交点的曲线形式；假设左交点P1坐标为(x1,y1),右交点P2坐标为(x2,y2)，顶点P3坐标为(x3,y3)，则左半抛物线的计算表达式为：y＝a1*(x‑x3)2+y3右半抛物线的计算表达式为：y＝a2*(x‑x3)2+y3然后对计算的坐标值y或坐标值x四舍五入取整，得到选定区域内所有裁剪曲线穿过的像素点的坐标集合，并记录这些坐标点在图像Imag上对应的像素值；Step4：确定较合适的一条裁剪线：对于计算的所有裁剪线，需要进行筛选，确定最佳的裁剪线；由于裁剪线需要满足穿过羊水区域的条件，因此，筛选准则能考虑裁剪线上像素点的灰度信息和羊水区域内像素点的灰度信息；筛选出较合适的一条裁剪线，方法能是逐次遍历统计每条裁剪线上像素点的灰度信息，若该像素点刚好在羊水区域内，能对其像素值乘以一个权重因子，然后对所有裁剪线的统计结果进行分析，找到最佳的裁剪线，以及该裁剪线的顶点坐标P3；其统计算法能是对裁剪线上的像素值进行累加求和处理，也能是计算方差，也能是其它规则算法；其分析统计结果的规则能是找到最小值对应的那条裁剪线，也能是找到某一阈值对应的那条裁剪线；确定了较合适的一条裁剪线后，接下来进入决策模块，即判定是否需要对当前的裁剪区域进行调整，以及裁剪线调整所需的顶点位置；判定规则能是判断该裁剪线的顶点位置是否在已标记的羊水区域内，若不在，则不对裁剪区域进行调整，若在，则根据Step4表达式计算该裁剪线穿过的像素点的坐标集合，并显示在二维切面图上。