本發(fā)明涉及一種自動優(yōu)化的超聲成像系統(tǒng)及方法，屬于超聲成像技術(shù)領(lǐng)域。

背景技術(shù)：

超聲波在人體中傳播會有衰減，這種衰減隨著不同的成像個體、檢查部位而不同，因此醫(yī)生在診斷過程中需要手動調(diào)整成像參數(shù)如時間增益補償、全局增益、動態(tài)范圍、灰階映射曲線等來獲得最佳的成像效果以完成確信的診斷。這個過程增加了醫(yī)生與診斷無關(guān)的額外工作，降低了工作效率，為此在超聲成像中需要對成像參數(shù)進行自動配置，快速獲得較好的圖像，提高診斷的準確度和效率。

在普通的超聲診斷設(shè)備中對圖像增益的補償，通常為深度方向上補償，稱為DGC(Depth Gain Compensation，深度增益補償)；在超聲成像系統(tǒng)中會根據(jù)成像頻率和檢查部位的不同預(yù)先設(shè)置好DGC補償值，但由于人體個體差異比較大，預(yù)先設(shè)置的補償值難以適合不同個體。在超聲設(shè)備的控制面板上設(shè)置了分段撥鈕來補償不同深度的灰度值，而這種撥鈕的設(shè)置需要醫(yī)生根據(jù)不同個體和不同檢查部位來手動進行調(diào)節(jié)，這種調(diào)節(jié)不僅增加了醫(yī)生的工作量，而且需要適當?shù)募记?。然而對圖像的調(diào)節(jié)顯然不是醫(yī)生的本職工作，只會增加負擔，降低效率。因此要簡化醫(yī)生的工作，讓醫(yī)生很快就能獲得確信的優(yōu)質(zhì)圖像，需要自動增益調(diào)節(jié)功能。

目前，市場上的超聲設(shè)備使用的超聲成像自動優(yōu)化方法一般是先對超聲圖像進行分塊，然后對每個圖像塊進行分類判斷是否為軟組織，對軟組織進行增益補償從而獲得均勻圖像。但是這樣做的缺點比較明顯：圖像分塊的大小會對計算的準確度產(chǎn)生影響，圖像塊尺寸小容易受噪聲的干擾，降低了算法的魯棒性，圖像塊尺寸大又會把一些組織邊界等結(jié)構(gòu)信息囊括進來，同樣影響了計算結(jié)果；其次不同的圖像塊的補償值不同，相鄰圖像塊補償值之間的過渡不自然最終導(dǎo)致補償后的圖像有可能出現(xiàn)馬賽克現(xiàn)象。這些問題都會致使優(yōu)化后的圖像并不理想，甚至增加一些偽像，帶來圖像質(zhì)量的劣化。

另外目前已有的一些超聲成像優(yōu)化方法需要醫(yī)生根據(jù)實際情況按下優(yōu)化的啟動鍵，雖然相比無此功能的機器減輕了醫(yī)生的工作量，但需要醫(yī)生的交互操作，還是屬于半自動的功能。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種自動優(yōu)化的超聲成像系統(tǒng)及方法，能夠在成像過程中實時監(jiān)測成像狀態(tài)的變化，實現(xiàn)圖像的自動優(yōu)化。

按照本發(fā)明提供的技術(shù)方案，所述自動優(yōu)化的超聲成像系統(tǒng)，其特征是：包括：

發(fā)射接收超聲波信號的探頭；將探頭接收的超聲波超聲回波信號A進波束合成形成信號線數(shù)據(jù)A1的波束合成模塊；對信號線數(shù)據(jù)A1進行信號處理得到超聲圖像B的信號處理模塊；對超聲圖像B進行優(yōu)化處理的自動優(yōu)化模塊；掃描變換模塊；圖像處理模塊；以及，顯示器；

所述自動優(yōu)化模塊包括：

圖像監(jiān)控器，實時分析當前幀超聲圖像與前一幀超聲圖像的差異，并輸出觸發(fā)信號至參數(shù)計算模塊；

參數(shù)計算模塊，進行成像參數(shù)的計算得到后續(xù)成像的參數(shù)；

增益補償器，根據(jù)參數(shù)計算模塊的輸出結(jié)果，計算增益補償圖像；以及，

噪聲抑制器，根據(jù)參數(shù)計算模塊的輸出結(jié)果，計算噪聲抑制圖像。

進一步的，所述圖像監(jiān)控器包括：

狀態(tài)存儲器，用于保存前一幀圖像的成像狀態(tài)；

特征計算器，計算超聲圖像特征值；

狀態(tài)比較器，獲得前端環(huán)節(jié)輸入的超聲圖像的特征值并與狀態(tài)存儲器中的當前值進行比較；以及，

優(yōu)化參數(shù)計算觸發(fā)器，用于觸發(fā)參數(shù)計算模塊。

進一步的，所述參數(shù)計算模塊包括：

像素統(tǒng)計器，將當前的超聲圖像進行統(tǒng)計得到像素信息；

像素分類器，將像素信息進行分類；以及，

圖像分析器，利用分類的結(jié)果進行圖像區(qū)域分析，將分析結(jié)果輸出至增益補償器和噪聲抑制器。

進一步的，所述探頭連接波束合成模塊，波束合成模塊的輸出端連接信號處理模塊，信號處理模塊的輸出端連接自動優(yōu)化模塊，自動優(yōu)化模塊的輸出端連接掃描變換模塊，掃描變換模塊的輸出端連接圖像處理模塊，圖像處理模塊的輸出端連接顯示器。

進一步的，所述探頭連接波束合成模塊，波束合成模塊的輸出端連接信號處理模塊，信號處理模塊的輸出端連接掃描變換模塊，掃描變換模塊的輸出端連接自動優(yōu)化模塊，自動優(yōu)化模塊的輸出端連接圖像處理模塊，圖像處理模塊的輸出端連接顯示器。

進一步的，所述增益補償器計算增益補償圖像，以及噪聲抑制器計算噪聲抑制圖像的計算方法如下：

GainCompI(i,j)＝TValue-MeanI(i,j)，其中，GainCompI(i,j)為增益補償圖像，Tvalue為均勻組織補償目標值，MeanI(i,j)為像素組織亮度圖像；NoiseSupI(i,j)為噪聲抑制圖像，RI(i,j)為標記圖像，SupressFactor為設(shè)定的抑制因子，i、j為像素點坐標；

將上述得到的優(yōu)化參數(shù)應(yīng)用到后續(xù)的成像中，參數(shù)應(yīng)用方法如下：

OptI(i,j)＝NoiseSupI(i,j)*[I(i,j)+GainCompI(i,j)]，其中，OptI(i,j)為優(yōu)化后圖像，I(i,j)為優(yōu)化前圖像。

所述自動優(yōu)化的超聲成像方法，其特征是，包括以下步驟：

(1)探頭接收的超聲波超聲回波信號A經(jīng)過波束合成模塊進行波束合成后形成信號線數(shù)據(jù)A1，信號處理模塊對信號線數(shù)據(jù)A1進行信號處理后得到超聲圖像B；

(2)超聲圖像B經(jīng)自動優(yōu)化模塊處理得到優(yōu)化后的超聲圖像B1，具體包括以下步驟：

a、首先超聲成像系統(tǒng)將經(jīng)過信號處理模塊處理后的超聲圖像B輸入到自動優(yōu)化模塊，自動優(yōu)化模塊內(nèi)的圖像監(jiān)控器實時分析當前幀超聲圖像與前一幀超聲圖像的差異，如果差異超過設(shè)定的閥值，自動運行參數(shù)計算模塊進行成像參數(shù)的計算；

b、參數(shù)計算模塊計算出用于后續(xù)成像的參數(shù)；

c、根據(jù)參數(shù)計算模塊的輸出結(jié)果，增益補償器計算增益補償圖像，噪聲抑制器計算噪聲抑制圖像；最終，自動優(yōu)化模塊輸出經(jīng)過自動優(yōu)化的超聲圖像B1；

(3)優(yōu)化后的超聲圖像B1通過掃描變換模塊和圖像處理模塊處理，最后傳輸?shù)斤@示器上進行圖像顯示。

進一步的，所述步驟(2)a中圖像監(jiān)控器的工作過程：狀態(tài)存儲器保存前一幀圖像的成像狀態(tài)，特征計算器計算超聲圖像特征值，狀態(tài)比較器獲得前端環(huán)節(jié)輸入的超聲圖像的特征值并與狀態(tài)存儲器中的當前值進行比較，如果超出設(shè)定的閾值，則過優(yōu)化參數(shù)計算觸發(fā)器觸發(fā)參數(shù)計算模塊。

進一步的，所述步驟(3)b中參數(shù)計算模塊的工作過程：將當前的超聲圖像輸入到像素統(tǒng)計器中進統(tǒng)計，得到像素信息；將像素信息輸入到像素分類器中進行分類；在進行分類后，圖像分析器采用分類的結(jié)果進行圖像區(qū)域分析。

進一步的，所述圖像分析器進行圖像區(qū)域分析的方法為：在當前像素的一個鄰域內(nèi)進行分析，統(tǒng)計鄰域內(nèi)像素的分類情況，相鄰像素的鄰域是部分重疊的。

進一步的，根據(jù)圖像分析器的輸出結(jié)果，在增益補償器中計算增益補償圖像，在噪聲抑制器計算噪聲抑制圖像；計算方法如下：

GainCompI(i,j)＝TValue-MeanI(i,j)，其中，GainCompI(i,j)為增益補償圖像，Tvalue為均勻組織補償目標值，MeanI(i,j)為像素組織亮度圖像；NoiseSupI(i,j)為噪聲抑制圖像，RI(i,j)為標記圖像，SupressFactor為設(shè)定的抑制因子，i、j為像素點坐標；

將上述得到的優(yōu)化參數(shù)應(yīng)用到后續(xù)的成像中，參數(shù)應(yīng)用方法如下：

OptI(i,j)＝NoiseSupI(i,j)*[I(i,j)+GainCompI(i,j)]，其中，OptI(i,j)為優(yōu)化后圖像，I(i,j)為優(yōu)化前圖像。

本發(fā)明所述自動優(yōu)化的超聲成像系統(tǒng)及方法，其能夠在成像過程中實時監(jiān)測成像狀態(tài)的變化，根據(jù)圖像的變化自動計算成像參數(shù)，對圖像像素進行分類，在此基礎(chǔ)上計算增益補償圖像和噪聲抑制圖像，從而實現(xiàn)圖像的自動優(yōu)化。不需要醫(yī)生經(jīng)常按下優(yōu)化功能按鈕。在啟動優(yōu)化后，通過灰度值的統(tǒng)計量來劃分為不同組織類別，細化補償值計算，從而得到一個亮度均勻的超聲圖像。

附圖說明

圖1為本發(fā)明所述自動優(yōu)化的超聲成像系統(tǒng)的示意圖。

圖2為像素分類器采用的統(tǒng)計直方圖。

圖3為所述自動優(yōu)化模塊的示意圖。

圖4為所述圖像監(jiān)控器的示意圖。

圖5為所述參數(shù)計算模塊的示意圖。

圖6為傳統(tǒng)的圖像分區(qū)方法示意圖。

圖7為本發(fā)明圖像分區(qū)方法示意圖。

圖8為本發(fā)明所述自動優(yōu)化的超聲成像系統(tǒng)的另一種實施例示意圖。

具體實施方式

下面結(jié)合具體附圖對本發(fā)明作進一步說明。

如圖1所示，在本發(fā)明實施例中，超聲主機通過控制探頭100進行超聲波信號的發(fā)射接收，探頭100接收的超聲波超聲回波信號A經(jīng)過波束合成模塊200進行波束合成后形成信號線數(shù)據(jù)A1，信號處理模塊300對信號線數(shù)據(jù)A1進行濾波、包絡(luò)檢測、對數(shù)壓縮等信號處理后得到超聲圖像B，超聲圖像B經(jīng)過自動優(yōu)化模塊400處理后得到優(yōu)化后的超聲圖像B1，優(yōu)化后的超聲圖像B1通過掃描變換模塊500和圖像處理模塊600處理，最后傳輸?shù)斤@示器700上進行圖像顯示。

如圖3所示，本發(fā)明在傳統(tǒng)超聲成像系統(tǒng)中增加了自動優(yōu)化模塊，自動優(yōu)化模塊模塊對實時超聲圖像進行監(jiān)測，自動完成參數(shù)的調(diào)整并進行圖像的自動優(yōu)化，從而獲得優(yōu)質(zhì)的診斷圖像。自動優(yōu)化模塊400包括有：圖像監(jiān)控器401、參數(shù)計算模塊402、增益補償器403、噪聲抑制器404等。首先超聲成像系統(tǒng)將經(jīng)過信號處理模塊300處理后的超聲圖像B輸入到自動優(yōu)化模塊400，自動優(yōu)化模塊400內(nèi)的圖像監(jiān)控器401實時分析當前幀超聲圖像B與前一幀超聲圖像B’的差異，如果差異超過設(shè)定的閥值，說明成像對象已經(jīng)發(fā)生了改變，這種改變可能是檢查部位的變化，也有可能是患者改變了，在這種情況下，不需要醫(yī)生手動調(diào)整成像參數(shù)或者啟動自動優(yōu)化功能，超聲成像系統(tǒng)自動運行參數(shù)計算模塊402進行成像參數(shù)的計算。參數(shù)計算模塊402計算出用于后續(xù)成像的參數(shù)，如增益補償圖像參數(shù)和噪聲抑制圖像參數(shù)，參數(shù)計算模塊402將這些參數(shù)應(yīng)用到未處理的超聲圖像B上，最終自動優(yōu)化模塊400輸出經(jīng)過自動優(yōu)化的超聲圖像B1。

當超聲成像系統(tǒng)自動開啟自動優(yōu)化模塊400功能后，圖像監(jiān)控器401對超聲圖像進行分析，從而確定優(yōu)化參數(shù)。圖像監(jiān)控器401由狀態(tài)存儲器4011、特征計算器4012、狀態(tài)比較器4013和優(yōu)化參數(shù)計算觸發(fā)器4014等組成，狀態(tài)存儲器4011保存前一幀圖像的成像狀態(tài)，這種成像狀態(tài)可以是圖像特征值，如平均亮度、信噪比、均勻組織占比等，也可以是超聲圖像數(shù)據(jù)；特征計算器4012計算輸入的超聲圖像特征值，如平均亮度、信噪比、均勻組織占比等；狀態(tài)比較器4013獲得前端環(huán)節(jié)輸入的超聲圖像的特征值并與狀態(tài)存儲器4011中的當前值進行比較，如果超出設(shè)定的閾值，則認為成像狀態(tài)發(fā)生改變，通過優(yōu)化參數(shù)計算觸發(fā)器4014觸發(fā)參數(shù)計算。

TSignal＝Compare(CurStatus，CurImageFV)>Threshold？1:0，其中，TSignal為觸發(fā)信號，CurStatus為當前幀圖像的成像狀態(tài)，CurImageFV為輸入圖像的特征向量。Compare為比較算法函數(shù)，可以是特征相似性計算如特征之間的歐拉距離，也可以是特征差異絕對值之和，這樣的簡易運算。如果狀態(tài)比較器4013比較結(jié)果在設(shè)定閾值之內(nèi)，則不觸發(fā)參數(shù)計算模塊402，否則觸發(fā)參數(shù)計算模塊402。

當參數(shù)計算模塊402被觸發(fā)后，參數(shù)計算模塊402進行新優(yōu)化參數(shù)的計算，將當前的超聲圖像輸入到像素統(tǒng)計器4021中進行統(tǒng)計，統(tǒng)計量可以是時間域的像素的亮度、周邊梯度等信息，也可以是頻率域的頻譜信息；將像素信息輸入到像素分類器4022中進行分類，將像素分為均勻組織像素、結(jié)構(gòu)像素、噪聲像素等三種類型，分類的方法可以用設(shè)定的統(tǒng)計量閾值來分類，也可以按照統(tǒng)計直方圖一定的比例值來進行。本發(fā)明的實施例以統(tǒng)計直方圖的比例來分類，如對于腹部肝臟成像，大部分像素為肝組織像素，則設(shè)定直方圖峰值給定范圍內(nèi)的像素為組織像素，區(qū)域外的像素為噪聲像素或結(jié)構(gòu)像素。如圖2所示，亮度值統(tǒng)計直方圖峰值為Summit，設(shè)定低于LowThr的像素為噪聲，高于UpThr的像素為結(jié)構(gòu)像素，在LowThr和UpThr之間的為均勻組織像素，其中均勻組織占所有像素的比例的大部分，這個比例可以通過對大量圖像數(shù)據(jù)的分析來離線確定。像素分類器4022可以設(shè)置如下：

其中，I(i,j)為當前幀圖像像素，i、j為像素坐標點，NoiseSet,I(i,j)為噪聲，TissueSet,I(i,j)為均勻組織像素，StructureSet,I(i,j)為結(jié)構(gòu)像素。

當然，上述僅僅是一個像素分類器的例子，在實現(xiàn)本發(fā)明時，可以包括多個分類器的綜合分類。

在進行圖像像素級別的分類后，我們用分類的結(jié)果進行圖像區(qū)域分析，圖像的分區(qū)方法也可以有很多種，如傳統(tǒng)的分區(qū)方法在掃描線深度上多行分為一個區(qū)域，或者在掃描方向上多條掃描先劃分為一個區(qū)域，也可以是將圖像劃分為多個區(qū)塊，如圖6所示。

本發(fā)明圖像分析器4023采用一種像素級的區(qū)域分析方法，在當前像素的一個鄰域內(nèi)進行分析，統(tǒng)計鄰域內(nèi)像素的分類情況，如果鄰域內(nèi)像素中超過設(shè)定比例像素屬于結(jié)構(gòu)像素，則當前像素標記為3，否則如果鄰域內(nèi)像素中噪聲像素占有比例超過設(shè)定值，則當前像素標記為1，否則標記為2；對于標記為2的情況該像素組織亮度值為鄰域內(nèi)組織像素的平均值，對于標記為1或3的情況，鄰域組織亮度值為該像素周圍像素組織亮度的均值。如圖7，可見相鄰像素的鄰域是部分重疊的，因此計算的結(jié)果不會像傳統(tǒng)分區(qū)方法帶來突變和不連續(xù)的現(xiàn)象。

根據(jù)圖像分析器4023的輸出結(jié)果，即用1，2，3標示的標記圖像以及鄰域組織均值圖像，來計算增益補償圖像和噪聲抑制圖像。其計算方法如下：

GainCompI(i,j)＝TValue-MeanI(i,j)，其中，GainCompI(i,j)為增益補償圖像，Tvalue為均勻組織補償目標值，MeanI(i,j)為像素組織亮度圖像；NoiseSupI(i,j)為噪聲抑制圖像，RI(i,j)為標記圖像，SupressFactor為設(shè)定的抑制因子，i、j為像素點坐標。

在計算出優(yōu)化參數(shù)后，將其應(yīng)用到后續(xù)的成像中，直到優(yōu)化參數(shù)被重新計算。參數(shù)應(yīng)用方法如下：

OptI(i,j)＝NoiseSupI(i,j)*[I(i,j)+GainCompI(i,j)]，其中，OptI(i,j)為優(yōu)化后圖像，I(i,j)為優(yōu)化前圖像。

上述公式中I(i,j)+GainCompI(i,j)在增益補償器403中實現(xiàn)，NoiseSupI(i,j)*[]部分在噪聲抑制器404中實現(xiàn)。

如圖8所示，本發(fā)明也可以將自動優(yōu)化模塊400放在掃描變換模塊500之后進行處理。