本發(fā)明涉及超聲波成像技術(shù)領(lǐng)域，特別涉及一種超聲波成像方法、系統(tǒng)及超聲成像設(shè)備。

背景技術(shù)：

目前超聲診斷設(shè)備中，大部分采用單個(gè)垂直角度和若干個(gè)偏轉(zhuǎn)角度向穿刺針等介入物發(fā)射超聲波束，以獲取垂直幀和若干偏轉(zhuǎn)幀反射信號。若干個(gè)偏轉(zhuǎn)角度一般采用垂直或接近垂直于介入物插入角度以達(dá)到增強(qiáng)超聲反射的目的。

以若干個(gè)偏轉(zhuǎn)角度向介入物發(fā)射超聲波束，有利于增強(qiáng)超聲反射，但受限于探頭偏轉(zhuǎn)能力難以控制，難以保證偏轉(zhuǎn)反射信號的質(zhì)量，影響了介入物的檢測，使其成像質(zhì)量低。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種超聲波成像方法、系統(tǒng)及超聲成像設(shè)備，能夠提高介入物的定位精度，改善介入物的檢測效果，進(jìn)而提高了超聲成像質(zhì)量。其具體方案如下：

一種超聲波成像方法，包括：

在介入物進(jìn)入對象前，向所述對象發(fā)射超聲信號，獲取第一回波信號，并根據(jù)所述第一回波信號得到第一圖像；

在所述介入物進(jìn)入所述對象后，分別以垂直角度和偏轉(zhuǎn)角度向所述對象發(fā)射超聲信號，獲取相應(yīng)的第二回波信號和第三回波信號，并分別根據(jù)所述第二回波信號和所述第三回波信號，得到相應(yīng)的第二圖像和第三圖像；

獲取所述第一圖像和所述第二圖像之間的差分特征圖像；

獲取所述第二圖像和所述第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像；

利用所述差分特征圖像對所述偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，得到介入物圖像；

根據(jù)所述第二圖像和所述介入物圖像，確定最終的超聲圖像。

可選的，所述獲取所述第一圖像和所述第二圖像之間的差分特征圖像的過程，包括：

從所述第一圖像中確定出第一目標(biāo)幀圖像；

從所述第二圖像中確定出第二目標(biāo)幀圖像；

對所述第一目標(biāo)幀圖像和所述第二目標(biāo)幀圖像做差分處理，得到所述差分特征圖像。

可選的，所述獲取所述第二圖像和所述第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像的過程，包括：

從所述第二圖像中確定出第三目標(biāo)幀圖像；

從所述第三圖像中確定出第四目標(biāo)幀圖像；

將所述第四目標(biāo)幀圖像的存儲(chǔ)位置矯正至所述第三目標(biāo)幀圖像的存儲(chǔ)位置上，得到所述偏轉(zhuǎn)配準(zhǔn)圖像。

可選的，所述根據(jù)所述第二圖像和所述介入物圖像，確定最終的超聲圖像的過程，包括：

對所述第二圖像和所述介入物圖像進(jìn)行加權(quán)融合，獲得所述最終的超聲圖像。

可選的，所述利用所述差分特征圖像對所述偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，得到介入物圖像的過程，包括：

對所述差分特征圖像進(jìn)行預(yù)處理，得到預(yù)處理后的差分特征圖像；

識別所述預(yù)處理后的差分特征圖像中包含所述介入物的目標(biāo)區(qū)域，得到第一目標(biāo)區(qū)域；

對所述偏轉(zhuǎn)配準(zhǔn)圖像上與所述第一目標(biāo)區(qū)域?qū)?yīng)的第二目標(biāo)區(qū)域進(jìn)行特異性分析，獲取分析結(jié)果；

根據(jù)所述分析結(jié)果對所述第二目標(biāo)區(qū)域進(jìn)行預(yù)處理，獲取預(yù)處理后的目標(biāo)區(qū)域；

對所述預(yù)處理后的目標(biāo)區(qū)域進(jìn)行介入物定位，得到所述介入物圖像。

可選的，所述識別所述預(yù)處理后的差分特征圖像中包含所述介入物的目標(biāo)區(qū)域的過程，包括：

利用預(yù)先訓(xùn)練的分類器對所述預(yù)處理后的差分特征圖像進(jìn)行識別，獲取包含所述介入物的目標(biāo)區(qū)域；其中，利用adaboost算法訓(xùn)練所述分類器。

可選的，所述對所述預(yù)處理后的目標(biāo)區(qū)域進(jìn)行介入物定位，得到所述介入物圖像的過程，包括：

對所述預(yù)處理后的目標(biāo)區(qū)域進(jìn)行數(shù)據(jù)處理，得到第一候選點(diǎn)集；

利用介入物先驗(yàn)知識對所述第一候選點(diǎn)集進(jìn)行篩選，獲取第二候選點(diǎn)集；

利用霍夫變換提取所述第二候選點(diǎn)集中的介入物候選點(diǎn)；

對所述介入物候選點(diǎn)進(jìn)行修正與斷續(xù)點(diǎn)擬合，得到所述介入物圖像。

可選的，所述對所述預(yù)處理后的目標(biāo)區(qū)域進(jìn)行數(shù)據(jù)處理，得到第一候選點(diǎn)集的過程，包括：

遍歷所述預(yù)處理后的目標(biāo)區(qū)域，當(dāng)所述預(yù)處理后的目標(biāo)區(qū)域中的任一像素點(diǎn)的當(dāng)前數(shù)值大于預(yù)設(shè)值時(shí)，則保持該像素點(diǎn)的當(dāng)前數(shù)值不變，反之，則將該像素點(diǎn)置0；

從調(diào)整后像素點(diǎn)中篩選出數(shù)值大于0的像素點(diǎn)，得到第一候選點(diǎn)集。

可選的，所述對所述介入物候選點(diǎn)進(jìn)行修正與斷續(xù)點(diǎn)擬合，得到所述介入物圖像的過程，包括：

利用最小二乘法對所述介入物候選點(diǎn)進(jìn)行擬合處理，得到介入物直線；

計(jì)算所述介入物候選點(diǎn)圍成的區(qū)域內(nèi)的各個(gè)像素點(diǎn)與所述介入物直線的距離；

當(dāng)所述距離小于預(yù)設(shè)閾值時(shí)，則選取所述距離對應(yīng)的介入物候選點(diǎn)預(yù)定鄰域進(jìn)行插值計(jì)算其替換點(diǎn)，并更新所述介入物候選點(diǎn)；

對更新后的介入物候選點(diǎn)進(jìn)行擬合，得到介入物圖像。

本發(fā)明還相應(yīng)公開了一種超聲波成像系統(tǒng)，包括：

第一圖像獲取模塊，用于在介入物進(jìn)入對象前，向所述對象發(fā)射超聲信號，獲取第一回波信號，并根據(jù)所述第一回波信號得到第一圖像；

第二圖像獲取模塊，用于在所述介入物進(jìn)入所述對象后，以垂直角度向所述對象發(fā)射超聲信號，獲取第二回波信號，并根據(jù)所述第二回波信號，得到第二圖像；

第三圖像獲取模塊，用于在所述介入物進(jìn)入所述對象后，以偏轉(zhuǎn)角度向所述對象發(fā)射超聲信號，獲取第三回波信號，并根據(jù)所述第三回波信號，得到第三圖像；

差分特征圖像獲取模塊，用于獲取所述第一圖像和所述第二圖像之間的差分特征圖像；

偏轉(zhuǎn)配準(zhǔn)圖像獲取模塊，用于獲取所述第二圖像和所述第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像；

介入物定位模塊，用于利用所述差分特征圖像對所述偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，得到介入物圖像；

超聲圖像確定模塊，用于根據(jù)所述第二圖像和所述介入物圖像，確定最終的超聲圖像。

可選的，所述介入物定位模塊，包括：

圖像預(yù)處理子模塊，用于對所述差分特征圖像進(jìn)行預(yù)處理，得到預(yù)處理后的差分特征圖像；

區(qū)域識別子模塊，用于識別所述預(yù)處理后的差分特征圖像中包含所述介入物的目標(biāo)區(qū)域，得到第一目標(biāo)區(qū)域；

特異性分析子模塊，用于對所述偏轉(zhuǎn)配準(zhǔn)圖像上與所述第一目標(biāo)區(qū)域?qū)?yīng)的第二目標(biāo)區(qū)域進(jìn)行特異性分析，獲取分析結(jié)果；

區(qū)域預(yù)處理子模塊，用于根據(jù)所述分析結(jié)果對所述第二目標(biāo)區(qū)域進(jìn)行預(yù)處理，獲取預(yù)處理后的目標(biāo)區(qū)域；

定位子模塊，用于對所述預(yù)處理后的目標(biāo)區(qū)域進(jìn)行介入物定位，得到所述介入物圖像。

可選的，所述定位子模塊，包括：

區(qū)域數(shù)據(jù)處理單元，用于對所述預(yù)處理后的目標(biāo)區(qū)域進(jìn)行數(shù)據(jù)處理，得到第一候選點(diǎn)集；

候選點(diǎn)篩選單元，用于利用介入物先驗(yàn)知識對所述第一候選點(diǎn)集進(jìn)行篩選，獲取第二候選點(diǎn)集；

候選點(diǎn)提取單元，用于利用霍夫變換提取所述第二候選點(diǎn)集中的介入物候選點(diǎn)；

候選點(diǎn)處理單元，用于對所述介入物候選點(diǎn)進(jìn)行修正與斷續(xù)點(diǎn)擬合，得到所述介入物圖像。

可選的，所述候選點(diǎn)處理單元，具體用于利用最小二乘法對所述介入物候選點(diǎn)進(jìn)行擬合處理，得到介入物直線；計(jì)算所述介入物候選點(diǎn)圍成的區(qū)域內(nèi)的各個(gè)像素點(diǎn)與所述介入物直線的距離；當(dāng)所述距離小于預(yù)設(shè)閾值時(shí)，則選取所述距離對應(yīng)的介入物候選點(diǎn)預(yù)定鄰域進(jìn)行插值計(jì)算其替換點(diǎn)，并更新所述介入物候選點(diǎn)；對更新后的介入物候選點(diǎn)進(jìn)行擬合，得到介入物圖像。

本發(fā)明進(jìn)一步公開了一種超聲成像設(shè)備，包括：

探頭，用于在介入物進(jìn)入對象前，向所述對象發(fā)射超聲信號，獲取第一回波信號；和，在所述介入物進(jìn)入所述對象后，分別以垂直角度和偏轉(zhuǎn)角度向所述對象發(fā)射超聲信號，獲取相應(yīng)的第二回波信號和第三回波信號；

處理器，用于分別根據(jù)所述第一回波信號、所述第二回波信號和所述第三回波信號，相應(yīng)地得到第一圖像、第二圖像和第三圖像；

所述處理器，還用于獲取所述第一圖像和所述第二圖像之間的差分特征圖像；

獲取所述第二圖像和所述第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像；

利用所述差分特征圖像對所述偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，得到介入物圖像；

根據(jù)所述第二圖像和所述介入物圖像，確定最終的超聲圖像。

本發(fā)明中，在介入物進(jìn)入對象前后，分別向?qū)ο蟀l(fā)射超聲信號，以獲取到第一圖像、第二圖像和第三圖像，然后利用第一圖像和第二圖像之間的差分特征圖像進(jìn)行定位，由于在獲取上述第二圖像時(shí)，相應(yīng)的超聲信號的發(fā)射角度為垂直角度，這樣也就意味著，本發(fā)明避免了在計(jì)算差分特征圖像的過程中引入由預(yù)設(shè)偏轉(zhuǎn)角度導(dǎo)致的反射信號質(zhì)量較低的問題，由此保證了差分特征圖像具有較高的圖像質(zhì)量；另外，在獲取到上述差分特征圖像之后，還需獲取第二圖像和第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像，然后利用差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，由于經(jīng)過第二圖像和第三圖像之間的配準(zhǔn)之后，能夠提高包含介入物的圖像的質(zhì)量，從而使得在利用上述差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位時(shí)，能夠更有效地改善介入物的檢測效果，提高介入物定位精度，進(jìn)而提高了超聲成像質(zhì)量。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例公開的一種超聲波成像方法流程圖；

圖2為本發(fā)明實(shí)施例公開的一種具體的超聲波成像方法流程示意圖；

圖3為本發(fā)明實(shí)施例公開的一種具體的超聲波成像方法子流程圖；

圖4為本發(fā)明實(shí)施例公開的另一種具體的超聲波成像方法子流程圖；

圖5為本發(fā)明實(shí)施例公開的又一種具體的超聲波成像方法子流程圖；

圖6為本發(fā)明實(shí)施例公開的一種超聲波成像系統(tǒng)結(jié)構(gòu)示意圖；

圖7為本發(fā)明實(shí)施例公開的一種超聲成像設(shè)備結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實(shí)施例公開了一種超聲波成像方法，參見圖1所示，該方法包括：

步驟s11：在介入物進(jìn)入對象前，向?qū)ο蟀l(fā)射超聲信號，獲取第一回波信號，并根據(jù)第一回波信號得到第一圖像。

在實(shí)際應(yīng)用過程中，發(fā)射超聲信號和獲取相應(yīng)的回波信號的過程均是由探頭來完成的。也即，在本實(shí)施例中，具體是在介入物進(jìn)入對象前，探頭向?qū)ο蟀l(fā)射超聲信號，并獲取經(jīng)過反射后的第一回波信號，后續(xù)便可利用處理器對上述第一回波信號進(jìn)行相應(yīng)的處理，從而得到上述第一圖像。本實(shí)施例中，利用處理器對回波信號進(jìn)行處理的過程，具體包括但不限于解調(diào)處理、和/或?yàn)V波處理、和/或增益控制處理、和/或log壓縮處理、和/或動(dòng)態(tài)范圍處理。

在本實(shí)施例中，對象包括被檢查者的組織，器官等。介入物包括穿刺針等。

另外，本實(shí)施例可以在介入物進(jìn)入對象之前，向?qū)ο蟀l(fā)射一次或多次超聲信號，相應(yīng)地獲取一個(gè)或多個(gè)回波信號，然后處理器根據(jù)上述一個(gè)或多個(gè)回波信號相應(yīng)地得到一幀或多幀圖像，也即，上述第一圖像中可以包括一幀圖像，也可以包括多幀圖像。

步驟s12：在介入物進(jìn)入對象后，分別以垂直角度和偏轉(zhuǎn)角度向?qū)ο蟀l(fā)射超聲信號，獲取相應(yīng)的第二回波信號和第三回波信號，并分別根據(jù)第二回波信號和第三回波信號，得到相應(yīng)的第二圖像和第三圖像。

也即，在介入物進(jìn)入對象后，探頭分別以垂直角度和偏轉(zhuǎn)角度向?qū)ο蟀l(fā)射超聲信號，并相應(yīng)地獲取經(jīng)過反射后的第二回波信號和第三回波信號，利用處理器分別對上述第二回波信號和第三回波信號進(jìn)行相應(yīng)的處理，從而相應(yīng)地得到上述第二圖像和第三圖像。

具體的，本實(shí)施例中，在介入物進(jìn)入對象后，當(dāng)用戶在t時(shí)刻下觸發(fā)相應(yīng)的啟動(dòng)開關(guān)，探頭將分別以垂直角度和偏轉(zhuǎn)角度向?qū)ο蟀l(fā)射超聲信號。

其中，探頭在以垂直角度向?qū)ο蟀l(fā)射超聲信號時(shí)，可以發(fā)射一次或多次超聲信號，相應(yīng)地獲取一個(gè)或多個(gè)回波信號，然后處理器根據(jù)上述一個(gè)或多個(gè)回波信號相應(yīng)地得到一幀或多幀圖像，也即，上述第二圖像中可以包括一幀圖像，也可以包括多幀圖像。

另外，探頭在以偏轉(zhuǎn)角度向?qū)ο蟀l(fā)射超聲信號時(shí)，可以發(fā)射一次或多次超聲信號，相應(yīng)地獲取一個(gè)或多個(gè)回波信號，然后處理器根據(jù)上述一個(gè)或多個(gè)回波信號相應(yīng)地得到一幀或多幀圖像，也即，上述第三圖像中可以包括一幀圖像，也可以包括多幀圖像。

步驟s13：獲取第一圖像和第二圖像之間的差分特征圖像。

在本實(shí)施例中，上述獲取第一圖像和第二圖像之間的差分特征圖像的過程，具體可以包括：

從第一圖像中確定出第一目標(biāo)幀圖像，和，從第二圖像中確定出第二目標(biāo)幀圖像，然后對第一目標(biāo)幀圖像和第二目標(biāo)幀圖像做差分處理，得到差分特征圖像。

其中，上述從第一圖像中確定出第一目標(biāo)幀圖像的過程，具體可以包括但不限于：對第一圖像中的任意多幀圖像進(jìn)行加權(quán)平均處理，得到上述第一目標(biāo)幀圖像。

另外，上述從第二圖像中確定出第二目標(biāo)幀圖像的過程，具體可以包括但不限于：對第二圖像中的任意多幀圖像進(jìn)行加權(quán)平均處理，得到上述第二目標(biāo)幀圖像。

也即，本實(shí)施例可通過對有介入物信號與無介入物信號做差分處理的方式得到差分特征圖像，參見圖2所示，本實(shí)施例可通過對t時(shí)刻之前若干次無穿刺針反射圖像的加權(quán)平均結(jié)果與t時(shí)刻之后若干次垂直反射有穿刺針反射圖像的加權(quán)平均結(jié)果做差分得到差分特征圖像。

步驟s14：獲取第二圖像和第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像。

在本實(shí)施例中，上述獲取第二圖像和第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像的過程，具體可以包括：

從第二圖像中確定出第三目標(biāo)幀圖像，和，從第三圖像中確定出第四目標(biāo)幀圖像，然后將第四目標(biāo)幀圖像的存儲(chǔ)位置矯正至第三目標(biāo)幀圖像的存儲(chǔ)位置上，得到偏轉(zhuǎn)配準(zhǔn)圖像。

其中，上述從第二圖像中確定出第三目標(biāo)幀圖像的過程，具體可以包括但不限于：將第二圖像中的任一幀圖像確定為上述第三目標(biāo)幀圖像；或者，對第二圖像中的任意多幀圖像進(jìn)行加權(quán)平均處理，得到上述第三目標(biāo)幀圖像。

另外，上述從第三圖像中確定出第四目標(biāo)幀圖像的過程，具體可以包括：將第三圖像中的任一幀圖像確定為上述第四目標(biāo)幀圖像；或者，對第三圖像中的任意多幀圖像進(jìn)行加權(quán)平均處理，得到上述第四目標(biāo)幀圖像。

步驟s15：利用差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，得到介入物圖像。

在本實(shí)施例中，具體可以利用通過adaboost算法訓(xùn)練得到的adaboost分類器，實(shí)現(xiàn)對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物的定位，從而得到上述介入物圖像。

步驟s16：根據(jù)第二圖像和介入物圖像，確定最終的超聲圖像。

本實(shí)施例中，上述根據(jù)第二圖像和介入物圖像，確定最終的超聲圖像的過程，具體可以包括：

對第二圖像和介入物圖像進(jìn)行加權(quán)融合，獲得最終的超聲圖像。

本實(shí)施例中，通過將第二圖像needlesignal與介入物圖像needlesignalproc加權(quán)融合的方式，獲得最終的超聲圖像。其中，加權(quán)融合方式包括但不限于線性加權(quán)融合方式。例如，可以通過下式來確定最終的超聲圖像：

fusionout＝needlesignalproc*w1+needlesignal*w2；

其中，fusionout表示最終的超聲圖像，w1，w2分別表示預(yù)先設(shè)定的needlesignalproc和needlesignal的權(quán)重系數(shù)。

當(dāng)然，本實(shí)施例也可以利用非線性融合方式來對第二圖像和介入物圖像進(jìn)行融合，這里不再贅述。

本發(fā)明實(shí)施例中，在介入物進(jìn)入對象前后，分別向?qū)ο蟀l(fā)射超聲信號，以獲取到第一圖像、第二圖像和第三圖像，然后利用第一圖像和第二圖像之間的差分特征圖像進(jìn)行定位，由于在獲取上述第二圖像時(shí)，相應(yīng)的超聲信號的發(fā)射角度為垂直角度，這樣也就意味著，本發(fā)明避免了在計(jì)算差分特征圖像的過程中引入由預(yù)設(shè)偏轉(zhuǎn)角度導(dǎo)致的反射信號質(zhì)量較低的問題，由此保證了差分特征圖像具有較高的圖像質(zhì)量；另外，在獲取到上述差分特征圖像之后，還需獲取第二圖像和第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像，然后利用差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，由于經(jīng)過第二圖像和第三圖像之間的配準(zhǔn)之后，能夠提高包含介入物的圖像的質(zhì)量，從而使得在利用上述差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位時(shí)，能夠更有效地改善介入物的檢測效果，提高介入物定位精度，進(jìn)而提高了超聲成像質(zhì)量。

在前述實(shí)施例公開的技術(shù)方案的基礎(chǔ)上，本發(fā)明實(shí)施例進(jìn)一步對介入物的定位過程進(jìn)行具體說明。

參見圖3所示，利用差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，得到介入物圖像的過程，具體可以包括：

步驟s21：對差分特征圖像進(jìn)行預(yù)處理，得到預(yù)處理后的差分特征圖像。

在本實(shí)施例中，上述對差分特征圖像進(jìn)行預(yù)處理的過程，可以包括但不限于：二維高斯濾波處理、和/或均值濾波處理、和/或中值濾波處理、和/或邊界檢測處理。通過上述預(yù)處理過程，可以有效地減少差分特征圖像中的噪聲。

本實(shí)施例中，在對差分特征圖像進(jìn)行濾波處理時(shí)，相應(yīng)的濾波窗口長度可以設(shè)為奇數(shù)，例如3、5或7等。

另外，在對差分特征圖像進(jìn)行邊界檢測處理時(shí)，相應(yīng)的檢測算子可以為canny算子、sobel算子或拉普拉斯算子。

步驟s22：識別預(yù)處理后的差分特征圖像中包含介入物的目標(biāo)區(qū)域，得到第一目標(biāo)區(qū)域。

在本實(shí)施例中，上述識別預(yù)處理后的差分特征圖像中包含介入物的目標(biāo)區(qū)域的過程，具體可以包括：

利用預(yù)先訓(xùn)練的分類器對預(yù)處理后的差分特征圖像進(jìn)行識別，獲取包含介入物的目標(biāo)區(qū)域；其中，利用adaboost算法訓(xùn)練上述分類器。

其中，在利用adaboost算法訓(xùn)練上述分類器時(shí)，相應(yīng)的訓(xùn)練樣本可以包括正樣本和負(fù)樣本，樣本的特征包括但不限于能量、和/或梯度、和/或局部統(tǒng)計(jì)方差、和/或均值、和/或灰度。具體的，本實(shí)施例中可以采用5～16級、大小為20×20的haar特征(即哈爾特征)或hog特征(hog，即histogramoforientedgradient，方向梯度直方圖)來訓(xùn)練上述分類器。

需要進(jìn)一步說明的是，利用adaboost算法訓(xùn)練分類器時(shí)，先初始化訓(xùn)練樣本集中樣本的權(quán)值，其中，樣本的權(quán)重可以用來定義分類器將一個(gè)數(shù)據(jù)點(diǎn)錯(cuò)分的代價(jià)；然后基于訓(xùn)練樣本集和相應(yīng)的權(quán)值進(jìn)行訓(xùn)練學(xué)習(xí)，得到當(dāng)前的基本分類器；接著計(jì)算當(dāng)前的基本分類器在訓(xùn)練樣本集上的分類誤差率，并基于上述分類誤差率計(jì)算當(dāng)前基本分類器的系數(shù)，以便基于該系數(shù)對訓(xùn)練樣本集中樣本的權(quán)值進(jìn)行更新；進(jìn)而利用更新后的權(quán)值重新訓(xùn)練新的基本分類器，對上述過程進(jìn)行多次迭代后，便可以得到多個(gè)基本分類器和相應(yīng)的多個(gè)系數(shù)。對上述多個(gè)基本分類器和相應(yīng)的多個(gè)系數(shù)進(jìn)行線性組合，基于線性組合的結(jié)果可以得到最終的分類器。

步驟s23：對偏轉(zhuǎn)配準(zhǔn)圖像上與第一目標(biāo)區(qū)域?qū)?yīng)的第二目標(biāo)區(qū)域進(jìn)行特異性分析，獲取分析結(jié)果。

具體的，上述對偏轉(zhuǎn)配準(zhǔn)圖像上與第一目標(biāo)區(qū)域?qū)?yīng)的第二目標(biāo)區(qū)域進(jìn)行特異性分析的過程，可以包括但不限于：對第二目標(biāo)區(qū)域進(jìn)行衰減特異性分析、和/或能量特異性分析、和/或梯度特異性分析、和/或局部統(tǒng)計(jì)方差分析、和/或均值分析、和/或灰度分析、和/或hog特征特異性分析、和/或harr特征特異性分析。

步驟s24：根據(jù)分析結(jié)果對第二目標(biāo)區(qū)域進(jìn)行預(yù)處理，獲取預(yù)處理后的目標(biāo)區(qū)域。

具體的，上述根據(jù)分析結(jié)果對第二目標(biāo)區(qū)域進(jìn)行預(yù)處理的過程，可以包括但不限于：根據(jù)分析結(jié)果對第二目標(biāo)區(qū)域進(jìn)行形態(tài)學(xué)處理、和/或均值處理、和/或連通區(qū)域閾值處理。

進(jìn)一步的，在對第二目標(biāo)區(qū)域進(jìn)行形態(tài)學(xué)處理的過程中，可以采用一次或多次閉操作或膨脹操作。

另外，對第二目標(biāo)區(qū)域進(jìn)行均值處理的過程具體包括比較每條線上數(shù)據(jù)值是否大于該線的均值，如果否，則將相應(yīng)數(shù)據(jù)點(diǎn)賦值為0，如果是，則保持相應(yīng)數(shù)據(jù)點(diǎn)的數(shù)值不變。

其次，對第二目標(biāo)區(qū)域進(jìn)行連通區(qū)域閾值處理的過程，具體可以包括：判斷經(jīng)過均值處理的第二目標(biāo)區(qū)域中任一點(diǎn)的9個(gè)領(lǐng)域是否均大于預(yù)設(shè)目標(biāo)閾值，如果是，則可以保持該點(diǎn)的數(shù)值不變，如果否，則可以對該點(diǎn)重新賦值為0。另外，上述預(yù)設(shè)目標(biāo)閾值具體可以根據(jù)上述特異性分析的分析結(jié)果來進(jìn)行確定。在對第二目標(biāo)區(qū)域進(jìn)行均值處理和/或連通區(qū)域閾值處理之后，為了提高介入物光整性，還可以進(jìn)一步進(jìn)行形態(tài)學(xué)處理。

步驟s25：對預(yù)處理后的目標(biāo)區(qū)域進(jìn)行介入物定位，得到介入物圖像。

本實(shí)施例中，上述預(yù)處理后的目標(biāo)區(qū)域中包括介入物對應(yīng)的像素點(diǎn)，通過從上述預(yù)處理后的目標(biāo)區(qū)域中挑選出與介入物對應(yīng)的像素點(diǎn)，便可進(jìn)一步實(shí)現(xiàn)對介入物的定位，從而得到上述介入物圖像。

在一個(gè)實(shí)施例中，參見圖4所示，上一實(shí)施例步驟s25中，對預(yù)處理后的目標(biāo)區(qū)域進(jìn)行介入物定位，得到介入物圖像的過程，具體可以包括：

步驟s31：對預(yù)處理后的目標(biāo)區(qū)域進(jìn)行數(shù)據(jù)處理，得到第一候選點(diǎn)集。

本實(shí)施例中，上述對預(yù)處理后的目標(biāo)區(qū)域進(jìn)行數(shù)據(jù)處理，得到第一候選點(diǎn)集的步驟，具體可以包括：

遍歷預(yù)處理后的目標(biāo)區(qū)域，當(dāng)預(yù)處理后的目標(biāo)區(qū)域中的任一像素點(diǎn)的當(dāng)前數(shù)值大于預(yù)設(shè)值時(shí)，則保持該像素點(diǎn)的當(dāng)前數(shù)值不變，反之，則將該像素點(diǎn)置0；然后從調(diào)整后像素點(diǎn)中篩選出數(shù)值大于0的像素點(diǎn)，得到第一候選點(diǎn)集。其中，上述預(yù)設(shè)值具體可以根據(jù)上述特異性分析的分析結(jié)果來進(jìn)行確定。

具體的，本實(shí)施例可以通過遍歷預(yù)處理后的目標(biāo)區(qū)域中每一行中的所有列，并判斷各行中每個(gè)像素點(diǎn)的當(dāng)前數(shù)值是否大于與該行對應(yīng)的預(yù)設(shè)值，如果是，則可以保持該像素點(diǎn)的當(dāng)前數(shù)值不變，如果否，則可以將該像素點(diǎn)置0。

步驟s32：利用介入物先驗(yàn)知識對第一候選點(diǎn)集進(jìn)行篩選，獲取第二候選點(diǎn)集。

其中，上述利用介入物先驗(yàn)知識對第一候選點(diǎn)集進(jìn)行篩選的過程，具體可以包括：

利用介入物先驗(yàn)知識，確定出介入物插入角度所對應(yīng)的直線，并計(jì)算第一候選點(diǎn)集中每個(gè)像素點(diǎn)與上述直線的距離，將距離大于預(yù)設(shè)距離閾值的像素點(diǎn)的像素值重置為0，然后將所有像素值大于0的像素點(diǎn)作為第二候選點(diǎn)集。

本實(shí)施例中，上述介入物先驗(yàn)知識包括但不限于介入物插入角度的有效范圍和/或介入物的插入深度范圍和/或用戶預(yù)設(shè)的參數(shù)范圍。

步驟s33：利用霍夫變換提取第二候選點(diǎn)集中的介入物候選點(diǎn)。

其中，霍夫變換是一種特征提取技術(shù)，是提取直線或曲線的十分有效的方法，其通過投票算法檢測具有特定形狀的物體，運(yùn)用兩個(gè)空間之間的變換將在一個(gè)空間中具有相同形狀的曲線或直線映射到另一個(gè)空間中的一個(gè)點(diǎn)以形成峰值，實(shí)現(xiàn)由直角坐標(biāo)系到極坐標(biāo)系的映射，此過程中將問題轉(zhuǎn)化為統(tǒng)計(jì)峰值問題，直角坐標(biāo)系中的直線可以用y＝kx+b表示，霍夫變換角參數(shù)與變量對換，假設(shè)x，y作為已知量，k，b作為變量坐標(biāo)，則直線在參數(shù)空間表示為點(diǎn)(k，b)，將直角坐標(biāo)系映射到極坐標(biāo)系，直角坐標(biāo)系內(nèi)同一直線上的點(diǎn)均具有相同的點(diǎn)(k，b)，映射到極坐標(biāo)系則為相同的(r，ρ)。因此可以檢測極坐標(biāo)系下(r，ρ)的峰值點(diǎn)位置，這些峰值點(diǎn)在直角坐標(biāo)系上表現(xiàn)為對應(yīng)于(r，ρ)的同一直線上的點(diǎn)集，由于介入物相當(dāng)于直線，所以本實(shí)施例可以利用霍夫變換來進(jìn)行介入物提取。

步驟s34：對介入物候選點(diǎn)進(jìn)行修正與斷續(xù)點(diǎn)擬合，得到介入物圖像。

本實(shí)施例中，由于根據(jù)回波信號生成的圖像中可能存在噪聲或者由于在對介入物進(jìn)行候選點(diǎn)提取時(shí)存在提取誤差，所以有必要對上述介入物候選點(diǎn)進(jìn)行修正，然后利用直線擬合算法對修正后的介入物候選點(diǎn)進(jìn)行擬合，從而可以得到上述介入物圖像。

在一個(gè)實(shí)施例中，參見圖5所示，對介入物候選點(diǎn)進(jìn)行修正與斷續(xù)點(diǎn)擬合，得到介入物圖像的過程，包括：

步驟s41：利用最小二乘法對介入物候選點(diǎn)進(jìn)行擬合處理，得到介入物直線。

本實(shí)施例優(yōu)先選擇最小二乘法對上述介入物候選點(diǎn)進(jìn)行修正，剔除與直線距離大于預(yù)定閾值的點(diǎn)，以消除上述介入物候選點(diǎn)中的誤檢部分。為排除起止數(shù)據(jù)抖動(dòng)影響。本實(shí)施例中，具體是選擇霍夫變換檢測后候選點(diǎn)的中間區(qū)域作為最小二乘法的輸入。

具體的，本實(shí)施例在使用最小二乘法進(jìn)行擬合處理時(shí)，相應(yīng)的最小二乘線性擬合方程包括：

其中，yi為樣本xi對應(yīng)的取值，y'i為線性預(yù)測值，mse為最小二乘誤差。m為最小二乘的輸入樣本個(gè)數(shù)。

為了求解上述最小二乘線性擬合方程，本實(shí)施例可以使用梯度下降法、牛頓法、svd奇異值分解(svd，即singularvaluedecomposition)或數(shù)值計(jì)算方法，可得介入物直線的參數(shù)k'和b'，由此介入物直線可表示為：y＝k'x+b'。

步驟s42：計(jì)算介入物候選點(diǎn)圍成的區(qū)域內(nèi)的各個(gè)像素點(diǎn)與介入物直線的距離。

具體的，本實(shí)施例在得到上述介入物直線后，可進(jìn)一步計(jì)算介入物候選點(diǎn)圍成的區(qū)域內(nèi)的各個(gè)像素點(diǎn)與上述介入物直線的垂直距離。

步驟s43：當(dāng)距離小于預(yù)設(shè)閾值時(shí)，則選取距離對應(yīng)的介入物候選點(diǎn)預(yù)定鄰域進(jìn)行插值計(jì)算其替換點(diǎn)，并更新介入物候選點(diǎn)。

具體的，在霍夫變換檢測得到的介入物候選點(diǎn)圍成的區(qū)域范圍內(nèi)，判斷每個(gè)介入物候選點(diǎn)圍成的區(qū)域內(nèi)的各個(gè)像素點(diǎn)與上述介入物直線的距離是否小于5個(gè)像素，如果是，并且該介入物候選點(diǎn)不是霍夫變換檢測得到的候選點(diǎn)，則可以選擇該介入物候選點(diǎn)的一個(gè)領(lǐng)域進(jìn)行插值，并根據(jù)插值結(jié)果對介入物候選點(diǎn)進(jìn)行更新。

步驟s44：對更新后的介入物候選點(diǎn)進(jìn)行擬合，得到介入物圖像。

本實(shí)施例中，在得到上述更新后的介入物候選點(diǎn)之后，可以再次基于最小二乘法等直線擬合算法對更新后的介入物候選點(diǎn)進(jìn)行直線擬合，從而得到更新后的介入物直線，然后保持更新后的介入物直線所包圍的像素點(diǎn)的像素值不變，將其余像素點(diǎn)的像素值置0，從而得到上述介入物圖像。

本發(fā)明實(shí)施例還相應(yīng)公開了一種超聲波成像系統(tǒng)，參見圖6所示，該系統(tǒng)包括：

第一圖像獲取模塊11，用于在介入物進(jìn)入對象前，向?qū)ο蟀l(fā)射超聲信號，獲取第一回波信號，并根據(jù)第一回波信號得到第一圖像；

第二圖像獲取模塊12，用于在介入物進(jìn)入對象后，以垂直角度向?qū)ο蟀l(fā)射超聲信號，獲取第二回波信號，并根據(jù)第二回波信號，得到第二圖像；

第三圖像獲取模塊13，用于在介入物進(jìn)入對象后，以偏轉(zhuǎn)角度向?qū)ο蟀l(fā)射超聲信號，獲取第三回波信號，并根據(jù)第三回波信號，得到第三圖像；

差分特征圖像獲取模塊14，用于獲取第一圖像和第二圖像之間的差分特征圖像；

偏轉(zhuǎn)配準(zhǔn)圖像獲取模塊15，用于獲取第二圖像和第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像；

介入物定位模塊16，用于利用差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，得到介入物圖像；

超聲圖像確定模塊17，用于根據(jù)第二圖像和介入物圖像，確定最終的超聲圖像。

本發(fā)明實(shí)施例中，在介入物進(jìn)入對象前后，分別向?qū)ο蟀l(fā)射超聲信號，以獲取到第一圖像、第二圖像和第三圖像，然后利用第一圖像和第二圖像之間的差分特征圖像進(jìn)行定位，由于在獲取上述第二圖像時(shí)，相應(yīng)的超聲信號的發(fā)射角度為垂直角度，這樣也就意味著，本發(fā)明避免了在計(jì)算差分特征圖像的過程中引入由預(yù)設(shè)偏轉(zhuǎn)角度導(dǎo)致的反射信號質(zhì)量較低的問題，由此保證了差分特征圖像具有較高的圖像質(zhì)量；另外，在獲取到上述差分特征圖像之后，還需獲取第二圖像和第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像，然后利用差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，由于經(jīng)過第二圖像和第三圖像之間的配準(zhǔn)之后，能夠提高包含介入物的圖像的質(zhì)量，從而使得在利用上述差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位時(shí)，能夠更有效地改善介入物的檢測效果，提高介入物定位精度，進(jìn)而提高了超聲成像質(zhì)量。

在本實(shí)施例中，上述差分特征圖像獲取模塊14，具體可以包括第一幀圖像確定單元、第二幀圖像確定單元和差分處理單元；其中，

第一幀圖像確定單元，用于從第一圖像中確定出第一目標(biāo)幀圖像；

第二幀圖像確定單元，用于從第二圖像中確定出第二目標(biāo)幀圖像；

差分處理單元，用于對第一目標(biāo)幀圖像和第二目標(biāo)幀圖像做差分處理，得到差分特征圖像。

在本實(shí)施例中，上述偏轉(zhuǎn)配準(zhǔn)圖像獲取模塊15，具體可以包括第三幀圖像確定單元、第四幀圖像確定單元和配準(zhǔn)單元；其中，

第三幀圖像確定單元，用于從第二圖像中確定出第三目標(biāo)幀圖像；

第四幀圖像確定單元，用于從第三圖像中確定出第四目標(biāo)幀圖像；

配準(zhǔn)單元，用于將第四目標(biāo)幀圖像的存儲(chǔ)位置矯正至第三目標(biāo)幀圖像的存儲(chǔ)位置上，得到偏轉(zhuǎn)配準(zhǔn)圖像。

進(jìn)一步的，本實(shí)施例中的超聲圖像確定模塊17，具體可以用于對第二圖像和介入物圖像進(jìn)行加權(quán)融合，獲得最終的超聲圖像。

在本實(shí)施例中，上述介入物定位模塊16，具體可以包括圖像預(yù)處理子模塊、區(qū)域識別子模塊、特異性分析子模塊、區(qū)域預(yù)處理子模塊和定位子模塊；其中，

圖像預(yù)處理子模塊，用于對差分特征圖像進(jìn)行預(yù)處理，得到預(yù)處理后的差分特征圖像；

區(qū)域識別子模塊，用于識別預(yù)處理后的差分特征圖像中包含介入物的目標(biāo)區(qū)域，得到第一目標(biāo)區(qū)域；

特異性分析子模塊，用于對偏轉(zhuǎn)配準(zhǔn)圖像上與第一目標(biāo)區(qū)域?qū)?yīng)的第二目標(biāo)區(qū)域進(jìn)行特異性分析，獲取分析結(jié)果；

區(qū)域預(yù)處理子模塊，用于根據(jù)分析結(jié)果對第二目標(biāo)區(qū)域進(jìn)行預(yù)處理，獲取預(yù)處理后的目標(biāo)區(qū)域；

定位子模塊，用于對預(yù)處理后的目標(biāo)區(qū)域進(jìn)行介入物定位，得到介入物圖像。

具體的，上述區(qū)域識別子模塊，可以利用預(yù)先訓(xùn)練的分類器對預(yù)處理后的差分特征圖像進(jìn)行識別，獲取包含介入物的目標(biāo)區(qū)域；其中，利用adaboost算法訓(xùn)練分類器。

另外，上述定位子模塊，具體可以包括區(qū)域數(shù)據(jù)處理單元、候選點(diǎn)篩選單元、候選點(diǎn)提取單元和候選點(diǎn)處理單元；其中，

區(qū)域數(shù)據(jù)處理單元，用于對預(yù)處理后的目標(biāo)區(qū)域進(jìn)行數(shù)據(jù)處理，得到第一候選點(diǎn)集；

候選點(diǎn)篩選單元，用于利用介入物先驗(yàn)知識對第一候選點(diǎn)集進(jìn)行篩選，獲取第二候選點(diǎn)集；

候選點(diǎn)提取單元，用于利用霍夫變換提取第二候選點(diǎn)集中的介入物候選點(diǎn)；

候選點(diǎn)處理單元，用于對介入物候選點(diǎn)進(jìn)行修正與斷續(xù)點(diǎn)擬合，得到介入物圖像。

在本實(shí)施例中，上述區(qū)域數(shù)據(jù)處理單元，具體可以用于遍歷預(yù)處理后的目標(biāo)區(qū)域，當(dāng)預(yù)處理后的目標(biāo)區(qū)域中的任一像素點(diǎn)的當(dāng)前數(shù)值大于預(yù)設(shè)值時(shí)，則保持該像素點(diǎn)的當(dāng)前數(shù)值不變，反之，則將該像素點(diǎn)置0；然后從調(diào)整后像素點(diǎn)中篩選出數(shù)值大于0的像素點(diǎn)，得到第一候選點(diǎn)集。

另外，上述候選點(diǎn)處理單元，具體可以用于利用最小二乘法對介入物候選點(diǎn)進(jìn)行擬合處理，得到介入物直線；計(jì)算介入物候選點(diǎn)圍成的區(qū)域內(nèi)的各個(gè)像素點(diǎn)與介入物直線的距離；當(dāng)距離小于預(yù)設(shè)閾值時(shí)，則選取距離對應(yīng)的介入物候選點(diǎn)預(yù)定鄰域進(jìn)行插值計(jì)算其替換點(diǎn)，并更新介入物候選點(diǎn)；對更新后的介入物候選點(diǎn)進(jìn)行擬合，得到介入物圖像。

關(guān)于上述各個(gè)模塊和單元更加詳細(xì)的工作過程可以參考前述實(shí)施例中公開的相應(yīng)內(nèi)容，在此不再進(jìn)行贅述。

進(jìn)一步的，本發(fā)明實(shí)施例還公開了一種超聲成像設(shè)備，參見圖7所述，該設(shè)備包括：

探頭21，用于在介入物進(jìn)入對象前，向?qū)ο蟀l(fā)射超聲信號，獲取第一回波信號；和，在介入物進(jìn)入對象后，分別以垂直角度和偏轉(zhuǎn)角度向?qū)ο蟀l(fā)射超聲信號，獲取相應(yīng)的第二回波信號和第三回波信號；

處理器22，用于分別根據(jù)第一回波信號、第二回波信號和第三回波信號，相應(yīng)地得到第一圖像、第二圖像和第三圖像；

處理器22，還用于獲取第一圖像和第二圖像之間的差分特征圖像；

獲取第二圖像和第三圖像之間的偏轉(zhuǎn)配準(zhǔn)圖像；

利用差分特征圖像對偏轉(zhuǎn)配準(zhǔn)圖像中的介入物進(jìn)行定位，得到介入物圖像；

根據(jù)第二圖像和介入物圖像，確定最終的超聲圖像。

可以理解的是，本實(shí)施例中的超聲成像設(shè)備還可以進(jìn)一步包括用于對數(shù)據(jù)和指令進(jìn)行存儲(chǔ)的存儲(chǔ)器和用于對超聲圖像進(jìn)行顯示的顯示屏。

關(guān)于上述處理器22更加具體的處理過程可以參考前述實(shí)施例中公開的相應(yīng)內(nèi)容，在此不再進(jìn)行贅述。

最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上對本發(fā)明所提供的一種超聲波成像方法、系統(tǒng)及超聲成像設(shè)備進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。