Nothing Special   »   [go: up one dir, main page]

CN116616817B - 超声心率检测方法、装置、超声设备及存储介质 - Google Patents

超声心率检测方法、装置、超声设备及存储介质 Download PDF

Info

Publication number
CN116616817B
CN116616817B CN202310900911.9A CN202310900911A CN116616817B CN 116616817 B CN116616817 B CN 116616817B CN 202310900911 A CN202310900911 A CN 202310900911A CN 116616817 B CN116616817 B CN 116616817B
Authority
CN
China
Prior art keywords
ultrasonic image
current
ultrasonic
image
corrected
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310900911.9A
Other languages
English (en)
Other versions
CN116616817A (zh
Inventor
黄灿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Wisonic Medical Technology Co ltd
Original Assignee
Shenzhen Wisonic Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Wisonic Medical Technology Co ltd filed Critical Shenzhen Wisonic Medical Technology Co ltd
Priority to CN202310900911.9A priority Critical patent/CN116616817B/zh
Publication of CN116616817A publication Critical patent/CN116616817A/zh
Application granted granted Critical
Publication of CN116616817B publication Critical patent/CN116616817B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/02—Measuring pulse or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • A61B8/5276—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts due to motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明公开了一种超声心率检测方法、装置、超声设备及存储介质。该方法包括：获取N帧超声图像对应的Mi个第一特征点；基于N帧超声图像对应的Mi个第一特征点，对每一当前超声图像相对于基准超声图像进行全局运动估计，确定每一当前超声图像的全局运动信息；基于每一当前超声图像的全局运动信息进行图像重整化，获取每一当前超声图像对应的校正超声图像；对N‑1帧校正超声图像和基准超声图像进行差分处理，获取N‑1个校正超声图像对应的差分平均值；对N‑1个校正超声图像对应的差分平均值进行心率转换，获取N帧超声图像对应的心率图。该方法可实现运动滤波效果，能够非常有效地排除探头不稳定的运动干扰，使得心率图检测较高，效果较好且方便操作。

Description

超声心率检测方法、装置、超声设备及存储介质
技术领域
本发明涉及超声检测技术领域，尤其涉及一种超声心率检测方法、装置、超声设备及存储介质。
背景技术
临床上，病人的心率值能够有效帮助医生对病情状态进行评估，快速且准确地获取病人的心率值因此一直是一个很有意义的研究方向。目前在超声设备的临床应用上，如果想要获取精确的心率值，一般会需要外接一个ECG心电监护设备来采集多导联的心电数据，与超声的B模式图像同步显示在显示器上，方便医生同时观察组织状态和了解心率值。但是这种方式由于需要外接设备，增加设备和线路的复杂性，不太方便携带和实际使用。因此，各家超声厂家都在研究如何不用外部设备，直接通过超声设备检测心率值，以方便方便临床医生的工作。
目前来说，直接通过超声手段来获取心率有两种方式。第一种是利用超声设备的多普勒模式，从物理上根据多普勒效应计算心率值，这种方式与外部设备有一个相近的缺陷，需要打开超声设备的多普勒模式，选定采样门，计算心率值，因此，需要医生进行一些操作，而且在这种模式下，超声图像帧率会下降得比较厉害，对医生观察高帧率的组织运动会有影响。第二种是直接通过常规的B模式来计算得到心率值，这种方式计算出来的精确度存疑，其技术方案都比较粗糙，实际效果不理想，主要有如下两个限制：其一是帧率要求，既然要评估帧率就要求处理算法够快，不能够影响高帧率的显示，也就是说算法的复杂度不能过高；其二是能够有效的抗干扰，这里的干扰是指图像的不稳定状态，主要原因在于医生扫描组织过程中会不断调整探头位置，寻找最佳扫图位置，在这个过程中超声的Ｂ图像是不稳定，为了实现有效抗干扰，需要采用更精确更复杂的算法进行处理，会导致算法的复杂度较高。
发明内容
本发明实施例提供一种超声心率检测方法、装置、超声设备及存储介质，以解决现有超声检测过程存在操作不便且效果不佳的问题。
一种超声心率检测方法，包括：
获取N帧超声图像对应的Mi个第一特征点，所述超声图像包括1帧基准超声图像和N-1帧当前超声图像，Mi为第i个超声图像中的第一特征点数量；
基于N帧所述超声图像对应的Mi个第一特征点，对每一所述当前超声图像相对于所述基准超声图像进行全局运动估计，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息；
基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像进行图像重整化，获取每一当前超声图像对应的校正超声图像；
对N-1帧所述校正超声图像和所述基准超声图像进行差分处理，获取N-1个所述校正超声图像对应的差分平均值；
对N-1个所述校正超声图像对应的差分平均值进行心率转换，获取N帧所述超声图像对应的心率图。
优选地，所述基于N帧所述超声图像对应的Mi个第一特征点，对每一所述当前超声图像相对于所述基准超声图像进行全局运动估计，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息，包括：
基于N帧所述超声图像对应的Mi个第一特征点，确定N帧所述超声图像均存在的P个第二特征点；
基于P个所述第二特征点，对每一当前超声图像相对于所述基准超声图像进行仿射变换处理，获取每一所述当前超声图像对应的仿射变换矩阵；
基于每一所述当前超声图像对应的仿射变换矩阵，对P个所述第二特征点进行特征筛选，确定每一所述当前超声图像对应的Bi个背景特征点；
基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息。
优选地，所述基于每一所述当前超声图像对应的仿射变换矩阵，对P个所述第二特征点进行特征筛选，确定每一所述当前超声图像对应的Bi个背景特征点，包括：
基于每一所述当前超声图像对应的仿射变换矩阵、P个所述第二特征点在每一当前超声图像中的特征点坐标和在基准超声图像中的特征点坐标，确定每一所述第二特征点对应的特征分布概率；
基于P个所述第二特征点对应的特征分布概率，确定目标分布概率；
若所述特征分布概率大于或等于所述目标分布概率，则将所述特征分布概率对应的第二特征点，确定为每一所述当前超声图像对应的Bi个背景特征点。
优选地，所述基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息，包括：
基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的Bi个特征点位移；
基于每一所述当前超声图像相对于所述基准超声图像的Bi个特征点位移，对所述基准超声图像中所有像素点进行插值处理，确定所有像素点对应的像素点位移；
将所有像素点对应的像素点位移，确定为每一所述当前超声图像相对于所述基准超声图像的全局运动信息。
优选地，所述基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像进行图像重整化，获取每一当前超声图像对应的校正超声图像，包括：
基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像中所有当前像素点进行校正，确定所有当前像素点在基准超声图像中的校正像素点；
基于所有当前像素点在基准超声图像中的校正像素点，对所述基准超声图像的基准灰度值进行插值处理，获取所有所述校正像素点对应的校正灰度值；
根据所有所述校正像素点对应的校正灰度值，获取每一当前超声图像对应的校正超声图像。
优选地，所述对N-1帧所述校正超声图像和所述基准超声图像进行差分处理，获取N-1个所述校正超声图像对应的差分平均值，包括：
将每一所述校正超声图像中所有像素点对应的像素灰度值，与所述基准超声图像中同一像素点对应的像素灰度值进行差分计算，确定每一所述校正超声图像中所有所述像素点对应的灰度差值；
将所述灰度差值的绝对值较大的前d个像素点，确定为每一所述校正超声图像对应的d个目标像素点；
对d个所述目标像素点对应的灰度差值的绝对值进行均值处理，获取每一所述校正超声图像对应的差分平均值。
优选地，所述对N-1个所述校正超声图像对应的差分平均值进行心率转换，获取N帧所述超声图像对应的心率图，包括：
基于N-1个所述校正超声图像对应的差分平均值，构建心脏运动曲线；
采用局域滑窗在心脏运动曲线上依次滑动，对所述心脏运动曲线进行局域极值计算，确定每一所述局域滑窗对应的极值数量；
每一所述局域滑窗对应的极值数量，确定每一所述局域滑窗对应的实测心率值；
基于所有所述局域滑窗对应的实测心率值，获取N帧所述超声图像对应的心率图。
一种超声心率检测装置，包括：
第一特征点获取模块，用于获取N帧超声图像对应的Mi个第一特征点，所述超声图像包括1帧基准超声图像和N-1帧当前超声图像，Mi为第i个超声图像中的第一特征点数量；
全局运动信息获取模块，用于基于N帧所述超声图像对应的Mi个第一特征点，对每一所述当前超声图像相对于所述基准超声图像进行全局运动估计，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息；
校正超声图像获取模块，用于基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像进行图像重整化，获取每一当前超声图像对应的校正超声图像；
差分平均值获取模块，用于对N-1帧所述校正超声图像和所述基准超声图像进行差分处理，获取N-1个所述校正超声图像对应的差分平均值；
心率图获取模块，用于对N-1个所述校正超声图像对应的差分平均值进行心率转换，获取N帧所述超声图像对应的心率图。
优选地，所述全局运动信息获取模块，包括：
第二特征点确定单元，用于基于N帧所述超声图像对应的Mi个第一特征点，确定N帧所述超声图像均存在的P个第二特征点；
仿射变换矩阵获取单元，用于基于P个所述第二特征点，对每一当前超声图像相对于所述基准超声图像进行仿射变换处理，获取每一所述当前超声图像对应的仿射变换矩阵；
背景特征点确定单元，用于基于每一所述当前超声图像对应的仿射变换矩阵，对P个所述第二特征点进行特征筛选，确定每一所述当前超声图像对应的Bi个背景特征点；
全局运动信息确定单元，用于基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息。
优选地，所述背景特征点确定单元，包括：
特征分布概率确定子单元，用于基于每一所述当前超声图像对应的仿射变换矩阵、P个所述第二特征点在每一当前超声图像中的特征点坐标和在基准超声图像中的特征点坐标，确定每一所述第二特征点对应的特征分布概率；
目标分布概率确定子单元，用于基于P个所述第二特征点对应的特征分布概率，确定目标分布概率；
背景特征点确定子单元，用于若所述特征分布概率大于或等于所述目标分布概率，则将所述特征分布概率对应的第二特征点，确定为每一所述当前超声图像对应的Bi个背景特征点。
优选地，所述全局运动信息确定单元，包括：
特征点位移确定子单元，用于基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的Bi个特征点位移；
像素点位移确定子单元，用于基于每一所述当前超声图像相对于所述基准超声图像的Bi个特征点位移，对所述基准超声图像中所有像素点进行插值处理，确定所有像素点对应的像素点位移；
全局运动信息确定子单元，用于将所有像素点对应的像素点位移，确定为每一所述当前超声图像相对于所述基准超声图像的全局运动信息。
优选地，所述校正超声图像获取模块，包括：
校正像素点确定单元，用于基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像中所有当前像素点进行校正，确定所有当前像素点在基准超声图像中的校正像素点；
校正灰度值获取单元，用于基于所有当前像素点在基准超声图像中的校正像素点，对所述基准超声图像的基准灰度值进行插值处理，获取所有所述校正像素点对应的校正灰度值；
校正超声图像获取单元，用于根据所有所述校正像素点对应的校正灰度值，获取每一当前超声图像对应的校正超声图像。
优选地，所述差分平均值获取模块，包括：
灰度差值确定单元，用于将每一所述校正超声图像中所有像素点对应的像素灰度值，与所述基准超声图像中同一像素点对应的像素灰度值进行差分计算，确定每一所述校正超声图像中所有所述像素点对应的灰度差值；
目标像素点确定单元，用于将所述灰度差值的绝对值较大的前d个像素点，确定为每一所述校正超声图像对应的d个目标像素点；
差分平均值获取单元，用于对d个所述目标像素点对应的灰度差值的绝对值进行均值处理，获取每一所述校正超声图像对应的差分平均值。
优选地，所述心率图获取模块，包括：
心脏运动曲线构建单元，用于基于N-1个所述校正超声图像对应的差分平均值，构建心脏运动曲线；
极值数量确定单元，用于采用局域滑窗在心脏运动曲线上依次滑动，对所述心脏运动曲线进行局域极值计算，确定每一所述局域滑窗对应的极值数量；
实测心率值确定单元，用于每一所述局域滑窗对应的极值数量，确定每一所述局域滑窗对应的实测心率值；
心率图获取单元，用于基于所有所述局域滑窗对应的实测心率值，获取N帧所述超声图像对应的心率图。
一种超声设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述超声心率检测方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述超声心率检测方法。
上述超声心率检测方法、装置、超声设备及存储介质，先提取N帧超声图像中的第一特征点，基于所有第一特征点进行全局运动估计，确定每一当前超声图像相对于基准超声图像的全局运动信息，以使该全局运动信息可有效反映图像整体的运动特点，以排除探头不稳定对图像整体运动的干扰；再基于全局运动信息，对每一当前超声图像进行图像重整化，以更新当前超声图像中的像素灰度值，使得校正超声图像的整体形状与基准超声图像较相似，可以有效滤除背景运动，突出超声图像的前景图像特征；最后，将N-1帧校正超声图像与基准超声图像进行差分处理，确定N-1个差分平均值，以便基于N-1个差分平均值进行心率转换，确定其对应的心率图。本方案无需依赖外部设备，可实现纯粹使用超声设备最常规的B模式进行心率计算，提高医生的临床操作效率；基于全局运动信息对当前超声图像进行图像重整化，可实现运动滤波效果，能够非常有效地排除探头不稳定的运动干扰，使得心率图检测过程无需医生特别控制探头，即可得到较准确的检测结果，以方便医生操作，并提高医生的专注力。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中超声设备的示意图；
图2是本发明一实施例中超声心率检测方法的一流程图；
图3是图2中的步骤S202一流程图；
图4是图3中的步骤S303一流程图；
图5是图3中的步骤S304一流程图；
图6是图2中的步骤S203一流程图；
图7是图2中的步骤S204一流程图；
图8是图2中的步骤S205一流程图；
图9是本发明一实施例中超声心率检测装置的一示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的超声心率检测方法，该超声心率检测方法可应用如图1所示的超声设备中，超声设备包括主控制器和与主控制器相连的超声探头、波束合成处理器、图像处理器和显示屏。
主控制器为超声设备的控制器，主控制器与超声设备中的其他功能模块相连，包括但不限于超声探头、波束合成处理器、图像处理器和显示屏等功能模块相连，用于控制各个功能模块工作。
超声探头是超声波的发射和接收装置。本示例中，为了保证不同角度的超声图像都能够有较大的横向扫描覆盖范围，即保证不同角度的超声图像有较大的交叠范围，现有超声探头一般由若干大小相同的长条形压电换能器（每单个压电换能器称为阵元）等间隔排列组成；或者将多个压电换能器是呈二维阵列，即阵元排列成二维矩阵形状。超声探头内的压电换能器将施加在其上的电压脉冲激励转换成机械振动，从而对外发出超声波；超声波在人体组织等媒介中传播，会产生反射波和散射波等回波模拟信号，各个压电换能器可将回波模拟信号转换成回波电信号，对回波电信号进行放大和模数转换，转换成回波数字信号，再将回波数字信号发送给波束合成处理器。
波束合成处理器与超声探头相连，用于接收超声探头发送的回波数字信号，对一个或多个通道的回波数字信号进行波束合成，获取一路或多路回波合成信号，将回波合成信号发送给图像处理器。
图像处理器与波束合成处理器相连，用于接收波束合成处理器发送的回波合成信号，对回波合成信号进行数据解析，求模，对数压缩和空间复合等图像前处理操作。其中数据解析是将回波合成信号经过解析过是排列成采样点数乘以扫描线数的二维矩阵，但每一个位置的信号是复数信号，为了能够更加直观地成像，这一步对复数信号求模，得到信号的能量，以能量来表征该位置的信号。而对数压缩则是在在求模操作后对数据作一次对数函数的变换，压缩动态范围，使图像的组织层次更加清晰。在此之后，一般还会利用空间复合操作将多个角度发射接收的同一区域图像进行复合，减弱相干效应，降低斑点噪声，提升整体图像的分辨力。在图像前处理操作后，需要对超声图像进行增益与动态变换等图像后处理操作，其处理过程与常规超声成像无本质区别，此处不作详述。
作为一示例，图像处理器可以为显卡处理器（即Graphics Processing Unit，以下简称GPU），是专为执行复杂图形渲染所必需的数学和几何计算而设计的处理器，有助于提高超声图像的生成效率。本示例中，采用图像处理器专用于图像处理，使得主控制器从图像处理的任务中解放出来，可执行更多系统任务，有助于提高超声设备的整体性能。
在一实施例中，提供一种超声心率检测方法，以该方法应用在图1所示的图像处理器为例进行说明，该超声心率检测方法包括：
S201：获取N帧超声图像对应的Mi个第一特征点，超声图像包括1帧基准超声图像和N-1帧当前超声图像，Mi为第i个超声图像中的第一特征点数量；
S202：基于N帧超声图像对应的Mi个第一特征点，对每一当前超声图像相对于基准超声图像进行全局运动估计，确定每一当前超声图像相对于基准超声图像的全局运动信息；
S203：基于每一当前超声图像相对于基准超声图像的全局运动信息，对每一当前超声图像进行图像重整化，获取每一当前超声图像对应的校正超声图像；
S204：对N-1帧校正超声图像和基准超声图像进行差分处理，获取N-1个校正超声图像对应的差分平均值；
S205：对N-1个校正超声图像对应的差分平均值进行心率转换，获取N帧超声图像对应的心率图。
其中，第一特征点是指每一超声图像中提取到的特征点，此处的特征点是指特征明显，可方便后续进行全局运动估计的点。基准超声图像是后续作为参考基准的未经处理的超声图像。当前超声图像是指除了基准超声图像以外的未经处理的超声图像。N为需要缓存采集的超声图像的数量，至少为一个心动周期的图像帧数。
作为一示例，步骤S201中，图像处理器可获取N帧超声图像，对N帧超声图像进行特征点提取，确定每一帧超声图像对应的Mi个第一特征点，Mi为第i帧超声图像中提取到的第一特征点的数量，其中，i=1,2,…,N。本示例中，N帧超声图像中，每一帧超声图像所提取到的第一特征点的数量Mi可以相同，也可以不同。
例如，图像处理器可以对每一超声图像进行Harris角点提取，将提取到的Harris角点确定为第一特征点；也可以对每一超声图像进行基于多尺度的Harris角点提取，将提取到的基于多尺度的Harris角点，确定为第一特征点，无论是Harris角点还是基于多尺度的Harris角点均可以做到不错的效果，其图像特征非常明显，以方便后续操作，计算量较少，由于Harris角点提取过程为图像处理的基础算法，此处不再赘述。例如，图像处理器还可以提取SIFT特征点或者其他满足特征明显，可方便后续进行全局运动估计的特征点确定为第一特征点。
本示例中，图像处理器在获取一段时间内采集并缓存的N帧超声图像后，可将第1帧超声图像确定为基准超声图像，将其他N-1帧超声图像确定为当前超声图像，也可以采用其他规则，确定1帧基准超声图像和N-1帧当前超声图像。
例如，图像处理器在获取每一帧超声图像后，可对该超声图像进行特征点提取，确定第i帧超声图像对应的Mi个第一特征点，并统计当前缓存帧数，在当前缓存帧数达到N帧时，才进行后续的全局运动估计。此处的N为至少一个心动周期的图像帧数，是预先设置的需要缓存的超声图像的缓存帧。当前缓存帧数是指从缓存第1帧超声图像时起，截止至当前时刻所缓存的超声图像的帧数。一般来说，缓存帧数N越多，效果越好，但缓存帧数N越多，后续计算量会越来越大，因此，N的确定需要权衡性能与效果，由实验确实在具体硬件设备上的数值选择。
其中，全局运动估计是指对两帧图像之间所有像素点进行运动估计。全局运动信息指对两帧图像进行全局运动估计后获取的信息。
作为一示例，步骤S202中，图像处理器在缓存N帧超声图像及其对应的Mi个第一特征点之后，需利用Mi个第一特征点计算N-1帧当前超声图像相对于基准超声图像的全局运动信息，该全局运动信息可反映图像整体的运动特点，以便排除掉探头不稳定对图像整体运动的干扰。一般来说，探头不稳定带来的结果一定是整体图像的统一变化，这种变化会使整体图像的第一特征点符合一种确定的仿射变换模式，对N帧超声图像的第一特征点进行全局运动估计，其目的是确定这种仿射变换模式，以便后续进行图像重整处理。
其中，图像重整化处理是指更改图像的像素灰度值，以获取新的图像的过程。
作为一示例，步骤S203中，图像处理器在确定每一当前超声图像相对于基准超声图像的全局运动信息后，可先基于全局运动信息，确定每一当前超声图像中的当前像素点在基准超声图像中的像素点位置，利用基准超声图像中所有像素点的像素灰度值，对上述像素点位置的灰度值进行插值处理，采用插值处理后的像素灰度值，更新当前超声图像中的像素灰度值，以实现对当前超声图像中的每一像素点对应的像素灰度值进行图像重整化，获取每一当前超声图像对应的校正超声图像，使得校正超声图像的整体形状与基准超声图像较相似，可以有效滤除背景运动，而保留有效的图像特征。
作为一示例，步骤S204中，图像处理器在获取与基准超声图像的整体形状较相似的N-1帧校正超声图像后，可将N-1帧校正超声图像分别与基准超声图像进行差分处理，具体将每一校正超声图像中每一像素点的像素灰度值与基准超声图像中同一像素点的像素灰度值进行差值计算，确定每一像素点对应的灰度差值，然后，对获取到的灰度差值进行均值处理，以确定每一校正超声图像对应的差分平均值g。
作为一示例，步骤S205中，图像处理器在获取N-1帧校正超声图像对应的差分平均值g，可对N-1个差分平均值g进行心率转换，获取N帧超声图像对应的心率图。例如，以N-1为横轴，以差分平均值g为纵轴，绘制心脏运动曲线，对心脏运动曲线进行分析处理，形成获取N帧超声图像对应的心率图。本示例中，可将计算出的心率图与原本的Ｂ图像同步地显示在终端显示器上。
本示例中，图像处理器在对每一当前超声图像进行图像重整化后，可缓存图像重整化后的校正超声图像，该校正超声图像与基准超声图像的背景基本一致，前景的图像特征相对突出，具有一定的滤波效果；在缓存帧校正超声图像后，可在时间方向上,对帧校正超声图像进行低通滤波处理，以降低噪声干扰，此处的低通滤波不作限制，可采用基本的信号处理滤波器。
本实施例中，先提取N帧超声图像中的第一特征点，基于所有第一特征点进行全局运动估计，确定每一当前超声图像相对于基准超声图像的全局运动信息，以使该全局运动信息可有效反映图像整体的运动特点，以排除探头不稳定对图像整体运动的干扰；再基于全局运动信息，对每一当前超声图像进行图像重整化，以更新当前超声图像中的像素灰度值，使得校正超声图像的整体形状与基准超声图像较相似，可以有效滤除背景运动，突出超声图像的前景图像特征；最后，将N-1帧校正超声图像与基准超声图像进行差分处理，确定N-1个差分平均值，以便基于N-1个差分平均值进行心率转换，确定其对应的心率图。本方案无需依赖外部设备，可实现纯粹使用超声设备最常规的B模式进行心率计算，提高医生的临床操作效率；基于全局运动信息对当前超声图像进行图像重整化，可实现运动滤波效果，能够非常有效地排除探头不稳定的运动干扰，使得心率图检测过程无需医生特别控制探头，即可得到较准确的检测结果，以方便医生操作，并提高医生的专注力。
在一实施例中，如图3所示，步骤S202，即基于N帧超声图像对应的Mi个第一特征点，对每一当前超声图像相对于基准超声图像进行全局运动估计，确定每一当前超声图像相对于基准超声图像的全局运动信息，包括：
S301：基于N帧超声图像对应的Mi个第一特征点，确定N帧超声图像均存在的P个第二特征点；
S302：基于P个第二特征点，对每一当前超声图像相对于基准超声图像进行仿射变换处理，获取每一当前超声图像对应的仿射变换矩阵；
S303：基于每一当前超声图像对应的仿射变换矩阵，对P个第二特征点进行特征筛选，确定每一当前超声图像对应的Bi个背景特征点；
S304：基于每一当前超声图像对应的Bi个背景特征点，确定每一当前超声图像相对于基准超声图像的全局运动信息。
其中，第二特征点是指N帧超声图像均存在的第一特征点。
作为一示例，步骤S301中，图像处理器在获取N帧超声图像的第一特征点之后，需采用特征匹配算法，对N帧超声图像的Mi个第一特征点进行特征匹配，以确定N帧超声图像均存在的第二特征点，该第二特征点的数量可设为P。例如，第1帧超声图像中包含A1、B1、C1和D1这几个第一特征点，第2帧超声图像中包含A2、B2和C2这几个第一特征点，而第3帧超声图像中包含A3、B3、C3、E3和F3这几个第一特征点，在进行特征匹配后，可确定共同存在的P个第二特征点为A、B和C。
本示例中，N个超声图像对应的Mi个第一特征点是基于单个超声图像进行单独计算确定的特征点，在运动过程中，可能会存在有些第一特征点移出图像区域以外甚至离开当前扫查平面，因此，需要对N帧超声图像的第一特征点进行特征匹配进行匹配处理，确定始终在图像区域内的P个第二特征点。由于特征匹配是常规图像处理算法技术，目前已经有了很多基础算法可以实现该步骤功能，本示例可采用但不限于SAD绝对误差和算法、SSD误差平方和算法、NCC归一化互相关算法和光流算法等进行匹配处理，此处不一一详述。
可理解地，在对N帧超声图像对应的第一特征点进行特征匹配，确定N帧超声图像均存在的P个第二特征点，这些第二特征点虽然在所有超声图像均存在，但其可能有相同的位置信息，也可能有不同的位置信息；而且，第二特征点的数量P与超声图像的缓存帧数N有影响，一般来说，缓存帧数N越多，其匹配到始终存在的第二特征点的数量P就会越少，这些第二特征点会更加稳健。
其中，仿射变换矩阵是指基于第二特征点，拟合出两帧图像之间的仿射变换参数所形成的矩阵。
作为一示例，步骤S302中，图像处理器在获取P个第二特征点后，可基于P个第二特征点的位置信息，基于仿射变换的基本假设，对每一当前超声图像相对于基准超声图像进行仿射变换处理，拟合其仿射变换参数，获取每一当前超声图像对应的仿射变换矩阵。本示例中，可采用但不限于最小二乘法拟合出其对应的仿射变换矩阵，以保障其拟合效率，也可以采用RANSAC拟合出其对应的仿射变换矩阵，以使其拟合效果更稳健。例如，N帧超声图像均存在的P个第二特征点分别为A、B和C，将第1帧超声图像确定为基准超声图像，第2帧至第N帧超声图像为当前超声图像，可利用第1帧超声图像对应的第二特征点A1/B1/C1与第2帧超声图像对应的第二特征点A2/B2/C2来拟合出一个当前超声图像对应的仿射变换矩阵，可利用第1帧超声图像对应的第二特征点A1/B1/C1与第3帧超声图像对应的第二特征点A3/B23/C3来拟合出一个当前超声图像对应的仿射变换矩阵，依此类推，可拟合出N-1帧当前超声图像相对于基准超声图像的仿射变换矩阵。
其中，背景特征点是用于反映整体背景运动的特征点。
作为一示例，步骤S303中，图像处理器在基于P个第二特征点，确定每一当前超声图像相对于基准超声图像的仿射变换矩阵后，可基于每一当前超声图像相对于基准超声图像的仿射变换矩阵以及P个第二特征点在两个超声图像中的特征点坐标，对P个第二特征点进行特征筛选，以从P个第二特征点中，筛选出纯粹属于整体背景运动的Bi个背景特征点，Bi为第i个当前超声图像中确定的背景特征点的数量。本示例中，可基于基准超声图像中P个第二特征点的特征点坐标、每一当前超声图像中P个第二特征点的特征点坐标及其对应的仿射变换矩阵，对P个第二特征点进行特征筛选分析，以筛选出能够反映整体背景变化的背景特征点。
作为一示例，步骤S304中，图像处理器在基于Bi个背景特征点，确定每一当前超声图像中的背景特征点对应的特征点坐标，以及基准超声图像中的背景特征点对应的特征点坐标，根据两帧图像的特征点坐标，计算特征点位移，进而利用该特征点位移，确定当前超声图像中所有像素点相对于基准超声图像中相同位置的所有像素点的像素点位移，进而当前超声图像相对于基准超声图像的全局运动信息。
本实施例中，先对N帧超声图像对应的Mi个第一特征点进行匹配处理，确定所有超声图像均存在的P个第二特征点，由于所有超声图像均存在P个第二特征点，为计算两个超声图像之间的仿射变换矩阵提供保障；基于P个第二特征点中两帧超声图像中的特征点坐标和两帧超声图像之间的仿射变换矩阵，对P个第二特征点进行特征筛选，以从P个第二特征点中，筛选出纯粹属于整体背景运动的特征点，将其确定为背景特征点，保障背景特征点的稳定性，去除其他特征点的干扰；最后，根据B个背景特征点，确定N-1帧当前超声图像相对于基准超声图像的所有像素点的像素点位移，将其确定为全局运动信息，以使该全局运动信息可有效反映两帧超声图像中所有像素点的运动情况。
在一实施例中，如图4所示，步骤S303，即基于每一当前超声图像对应的仿射变换矩阵，对P个第二特征点进行特征筛选，确定每一当前超声图像对应的Bi个背景特征点，包括：
S401：基于每一当前超声图像对应的仿射变换矩阵、P个第二特征点在每一当前超声图像中的特征点坐标和在基准超声图像中的特征点坐标，确定每一第二特征点对应的特征分布概率；
S402：基于P个第二特征点对应的特征分布概率，确定目标分布概率；
S403：若特征分布概率大于或等于目标分布概率，则将特征分布概率对应的第二特征点，确定为每一当前超声图像对应的Bi个背景特征点。
作为一示例，步骤S401中，图像处理器在获取P个第二特征点所确定的帧当前超声图像对应的仿射变换矩阵后，可基于P个第二特征点在基准超声图像中的特征点坐标和P个第二特征点在每一当前超声图像中的特征点坐标，结合每一当前超声图像相对于基准超声图像的仿射变换矩阵，确定每一第二特征点对应的特征分布概率。
例如，图像处理器可采用高斯分布算法，对P个第二特征点在基准超声图像和每一帧当前超声图像中的特征点坐标，以及两者之间的仿射变换矩阵进行处理，确定每一第二特征点对应的特征分布概率，其过程采用到的高斯分布算法如下：
；
其中，Ak是指第Ｋ帧当前超声图像相对于基准超声图像的仿射变换矩阵；posref是指基准超声图像中的P个第二特征点的特征点坐标；poscurr是指第k帧当前超声图像中的P个第二特征点的特征点坐标；σ是高斯分布的算法参数，这个参数可通过实验确定；是指数函数，具体为采用指数函数加内部的构型，整体是高斯分布函数的表达式；/>为第i个第二特征点的特征分布概率，一般来说，若某个第二特征点完全满足仿射变换矩阵的关系，则其计算出的特征分布概率/>的取值为1，若某个第二特征点完全不满足仿射变换矩阵的关系，则其计算出的特征分布概率/>的取值为0。
其中，目标分布概率是用于评估是否达到认定为整体背景运动的分布概率。
作为一示例，步骤S402中，图像处理器在确定P个第二特征点的特征分布概率，可对P个特征分布概率/>进行分析处理，确定用于反映整体背景运动的分布概率标准。例如，可对P个特征分布概率/>进行均值处理，将其计算出的均值确定为目标分布概率；也可从P个特征分布概率/>中筛选出最大特征分布概率，将该最大特征分布概率与预先设置的比例系数的乘积，确定为目标分布概率。
作为一示例，步骤S403中，图像处理器可将获取到每个当前超声图像中P个第二特征点的特征分布概率，分别与计算出的目标分布概率进行比较；若该特征分布概率大于或等于目标分布概率，则确定其满足整体背景运动的分布概率标准，可确定该特征分布概率/>对应的第二特征点为背景特征点；反之，若该特征分布概率/>小于目标分布概率，则确定其不满足整体背景运动的分布概率标准，可确定特征分布概率对应的第二特征点不为背景特征点。可理解地，从P个第二特征点中筛选出每一当前超声图像对应的Bi个背景特征点，这些背景特征点在不同当前超声图像中的数量可以相同，也可以不同。
例如，在计算出第i个第二特征点的特征分布概率后，可将满足这一条件时，可将该第二特征点确定为背景特征点，其中，是指对P个第二特征点的特征分布概率/>进行取最大值处理，确定最大特征分布概率；/>为预先设置的比例系数；/>为计算出的目标分布概率；若，则确定特征分布概率对应的第二特征点为背景特征点。
本实施例中，先基于N-1帧当前超声图像对应的仿射变换矩阵，确定每一第二特征点对应的特征分布概率，再基于所有第二特征点对应的特征分布概率，分析确定其对应的目标分布概率，以保障目标分布概率的客观性和准确性，再将特征分布概率大于或等于目标分布概率的第二特征点确定为背景特征点，以筛选出反映整体背景运动的背景特征点。
在一实施例中，如图5所示，步骤S304，即基于每一当前超声图像对应的Bi个背景特征点，确定每一当前超声图像相对于基准超声图像的全局运动信息，包括：
S501：基于每一当前超声图像对应的Bi个背景特征点，确定每一当前超声图像相对于基准超声图像的Bi个特征点位移；
S502：基于每一当前超声图像相对于基准超声图像的Bi个特征点位移，对基准超声图像中所有像素点进行插值处理，确定所有像素点对应的像素点位移；
S503：将所有像素点对应的像素点位移，确定为每一当前超声图像相对于基准超声图像的全局运动信息。
其中，特征点位移是指每个背景特征点在当前超声图像和基准超声图像中的特征点坐标之间的位移。
作为一示例，步骤S501中，图像处理器在确定反映整体背景运动的Bi个背景特征点后，可获取每一背景特征点在当前超声图像中的特征点坐标和基准超声图像中的特征点坐标，对当前超声图像中的特征点坐标和基准超声图像中的特征点坐标进行差值计算，确定每一背景特征点的特征点位移，该特征点位移可理解为背景运动的位移，是较稳定的位移。例如，基准超声图像中确定4个背景特征点的特征点坐标A1/B1/C1/D1，当前超声图像中确定4个背景特征点的特征点坐标A2/B2/C2/D2，可计算背景特征点A的特征点位移V(A)=A2-A1，背景特征点B的特征点位移为V(B)=B2-B1，背景特征点C的特征点位移V(C)=C2-C1,背景特征点D的特征点位移V(D)=D2-D1。
作为一示例，步骤S502中，图像处理器在获取第i个当前超声图像相对于基准超声图像的Bi个背景特征点对应的特征点位移后，可基于Bi个背景特征点，对基准超声图像中所有像素点进行插值处理，具体可采用但不限于双线性插值算法进行插值处理，以确定每一当前超声图像中所有像素点相对于基准超声图像中所有像素点的像素点位移。
作为一示例，步骤S503中，图像处理器将所有像素点对应的像素点位移，确定为当前超声图像相对于基准超声图像的全局运动信息。例如，针对分辨率为640*480的两帧超声图像，在确定上述四个特征点位移V（A）、V（B）、V（C)和V(D)后，可根据这四个特征点位移去插值得到基准超声图像中所有像素点相对于第i个当前超声图像的像素点位移，而不是仅仅是特征点位移，从而确定基准超声图像中的每个像素点在第i个当前超声图像运动到了哪个像素位置，从而获取全局运动信息。
本实施例中，在每一当前超声图像相对于基准超声图像运动的Bi个背景特征点，利用每一背景特征点在当前超声图像和基准超声图像中的特征点坐标，确定每一背景特征点在两帧超声图像之间的反映背景运动的特征点位移；再利用Bi个特征点位移，对基准超声图像中所有像素点进行插值处理，以确定基准超声图像中所有像素点在当前超声图像中运动到达的像素位置，从而获取全局运动信息，使得该全局运动信息可有效反映所有像素点的运动情况。
在一实施例中，如图6所示，步骤S203，即基于每一当前超声图像相对于基准超声图像的全局运动信息，对每一当前超声图像进行图像重整化，获取每一当前超声图像对应的校正超声图像，包括：
S601：基于每一当前超声图像相对于基准超声图像的全局运动信息，对每一当前超声图像中所有当前像素点进行校正，确定所有当前像素点在基准超声图像中的校正像素点；
S602：基于所有当前像素点在基准超声图像中的校正像素点，对基准超声图像的基准灰度值进行插值处理，获取所有校正像素点对应的校正灰度值；
S603：根据所有校正像素点对应的校正灰度值，获取每一当前超声图像对应的校正超声图像。
其中，当前像素点是指当前超声图像中的像素点。校正像素点是指基于当前像素点和全局运动信息，确定当前超声图像校正到基准超声图像中的像素点，由于全局运动信息包括所有像素点的像素点位移，因此，可基于当前像素点和两帧图像之间同一像素点对应的像素点位移，确定当前超声图像校正到基准超声图像中的校正像素点。
作为一示例，步骤S601中，图像处理器在获取每一当前超声图像相对于基准超声图像的全局运动信息后，即获取每一当前超声图像与基准超声图像中所有像素点的像素点位移后，可将当前超声图像中所有当前像素点与像素点位移进行计算，确定该当前像素点在基准超声图像中的校正像素点。例如，在确定基准超声图像中的背景像素点A1，当前超声图像中同一像素位置的当前像素点A2，两者计算出的特征点位移为A1,2，则根据背景像素点A1、当前像素点A2和特征点位移A1,2，计算出当前像素点A2在基准超声图像中的像素位置，将该像素位置对应的特征点确定为校正像素点newA1，此处的newA1=A2-A1,2。
其中，基准灰度值是指基准超声图像中测量到的每一基准像素点的灰度值，此处的基准像素点是指基准超声图像中的像素点。校正灰度值是利用基准灰度值进行插值处理，确定校正像素点所在位置的灰度值。
作为一示例，步骤S602中，图像处理器在获取所有当前像素点在基准超声图像中的校正像素点后，可确定基准超声图像中邻近校正像素点的多个当前像素点及其对应的基准灰度值；然后，结合校正像素点的像素点坐标、多个当前像素点的像素点坐标及其对应的基准灰度值，对所有基准灰度值进行插值处理，以确定该校正像素点对应的校正灰度值。例如，当前超声图像中的某一当前像素点的像素点坐标A1（5，3），特征点位移为A1,2（0.5，0.4），则确定该当前像素点A1（5，3）在基准超声图像中的校正像素点的像素点坐标newA1(4.5,2.6)，由于非整数的像素点坐标无法从基准超声图像中获取相对应的灰度值，因此，需要采用插值算法，包括但不限于双线性插值算法，对邻近newA1(4.5,2.6)的四个基准像素点对应的基准灰度值进行插值处理，确定校正像素点newA1(4.5,2.6)对应的校正灰度值。
作为一示例，步骤S603中，图像处理器在根据基准超声图像中所有基准像素点对应的基准灰度值，对校正像素点所在位置的灰度值进行插值处理，确定所有校正像素点对应的校正像素点后，可基于所有校正像素点对应的校正像素点，构建该当前超声图像对应的校正超声图像。也就是说，该校正超声图像是指对当前超声图像中的像素灰度值进行更新，使其整体形状与基准超声图像较相似，同时又保留基准超声图像的图像特征。
本实施例中，先根据每一当前超声图像的全局运动信息和当前像素点，确定该当前像素点在基准超声图像中的校正像素点，再利用基准超声图像中的基准灰度值对校正像素点所在位置的灰度值进行插值处理，确定校正像素点对应的校正灰度值，以基于所有校正像素点对应的校正灰度值，确定该当前超声图像对应的校正超声图像，使得校正超声图像的整体形状与基准超声图像较相似，同时又保留基准超声图像前景的图像特征。
在一实施例中，如图7所示，步骤S204，即对N-1帧校正超声图像和基准超声图像进行差分处理，获取N-1个校正超声图像对应的差分平均值，包括：
S701：将每一校正超声图像中所有像素点对应的像素灰度值，与基准超声图像中同一像素点对应的像素灰度值进行差分计算，确定每一校正超声图像中所有像素点对应的灰度差值；
S702：将灰度差值的绝对值较大的前d个像素点，确定为每一校正超声图像对应的d个目标像素点；
S703：对d个目标像素点对应的灰度差值的绝对值进行均值处理，获取每一校正超声图像对应的差分平均值。
作为一示例，步骤S701中，图像处理器在获取N-1帧校正超声图像后，可将每一校正超声图像中每一像素点对应的像素灰度值，与基准超声图像中同一像素点对应的像素灰度值进行差分计算，确定该校正超声图像对应的差分图，该差分图包括所有像素点对应的灰度差值。本示例中，图像处理器在获取到每一当前超声图像对应的差分图后，可缓存差分图，直至到缓存第N帧当前超声图像对应的差分图后进行后续步骤。
作为一示例，步骤S702中，图像处理器在获取每一校正超声图像中所有像素点对应的灰度差值，可确定每一像素点对应的灰度差值的绝对值；再对所有像素点对应的灰度差值的绝对值进行排序，确定灰度差值的绝对值较大的前d个像素点，将其确定为每一校正超声图像对应的d个目标像素点,其中，d为目标像素点的数量，为预先设置的算法参数，可根据实验确定。
作为一示例，步骤S703中，图像处理器在获取每一校正超声图像对应的d个目标像素点后，可先确定每一目标像素点对应的灰度差值的绝对值；再对d个目标像素点对应的灰度差值的绝对值进行均值计算，将计算结果，确定为每一校正超声图像对应的差分平均值g，依此类推，可确定N-1帧校正超声图像对应的差分平均值g。
本实施例中，先对每一校正超声图像和基准超声图像中同一像素点对应的像素灰度值进行差分计算，确定所有像素点对应的灰度差值；在将灰度差值的绝对值较大的前d个像素点确定为目标像素点，以确定两帧超声图像中像素灰度值存在较大区别的d个目标像素点，使其可有效反映超声图像中前景图像特征的变化情况；最后，对d个目标像素点对应的灰度差值的绝对值进行均值处理，使其计算出的差分平均值g可有效反映心动变化情况。
在一实施例中，如图8所示，步骤S204，即对N-1个校正超声图像对应的差分平均值进行心率转换，获取N帧超声图像对应的心率图，包括：
S801：基于N-1个校正超声图像对应的差分平均值，构建心脏运动曲线；
S802：采用局域滑窗在心脏运动曲线上依次滑动，对心脏运动曲线进行局域极值计算，确定每一局域滑窗对应的极值数量；
S803：每一局域滑窗对应的极值数量，确定每一局域滑窗对应的实测心率值；
S804：基于所有局域滑窗对应的实测心率值，获取N帧超声图像对应的心率图。
作为一示例，步骤S801中，图像处理器在获取M-1帧校正超声图像对应的差分平均值g后，可以N-1为横轴，以差分平均值g为纵轴，构建心脏运动曲线。由于图像重整化后，可有效滤除超声图像中的背景运动，因此，其所绘制的心脏运动曲线可表征心脏的运动节律，或者说等效于心动变化趋势。
作为一示例，步骤S802中，图像处理器在构建心脏运动曲线后，采用滑窗法进行局域极值统计，具体采用局域滑窗在心脏运动曲线上依次滑动，对心脏运动曲线进行局域极值计算，确定该局域滑窗在心脏运动曲线上滑动时，确定该局域滑窗所选中的心脏运动曲线的滑窗局域；再对该滑窗局域内的心脏运动曲线进行极值计算，确定该滑窗局域对应的所有极大值和所有极小值；统计该滑窗局域对应的所有极大值和所有极小值的数量，将其确定为滑窗局域对应的极值数量，可采用Q表示。
作为一示例，步骤S803中，图像处理器在确定滑窗局域对应的极值数量Q后，可采用心率计算公式对该滑窗局域对应的极值数量Q进行计算，确定该滑窗局域对应的实测心率值，此处的心率计算公式为，Q为极值数量，N为一个心动周期的图像帧数，frmRate指超声设备的图像帧率，/>为计算出的实测心率值，
作为一示例，步骤S804，图像处理器控制局域滑窗沿横轴方向在心脏运动曲线上滑动，每滑动一次，计算该局域滑窗所限定的滑窗局域对应的实测心率值；在局域滑窗从横轴的0点滑动至N-1时，所有滑窗局域对应的实测心率值；然后，基于所有滑窗局域对应的实测心率值，确定N帧超声图像对应的心率图。
本实施例中，先基于N-1个差分平均值g构建心脏运动曲线，再采用局域滑窗在心脏运动曲线上依次滑动，对每次滑动过程中局域滑窗所限定的滑窗区域进行局域极值统计，确定极值数量；然后，基于极值数量实时计算其对应的检测心率值，最后，基于所有实测心率值，确定N帧超声图像对应的心率图。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种超声心率检测装置，该超声心率检测装置与上述实施例中超声心率检测方法一一对应。如图9所示，该超声心率检测装置包括第一特征点获取模块901、全局运动信息获取模块902、校正超声图像获取模块903、差分平均值获取模块904和心率图获取模块905。各功能模块详细说明如下：
第一特征点获取模块901，用于获取N帧超声图像对应的Mi个第一特征点，超声图像包括1帧基准超声图像和N-1帧当前超声图像，Mi为第i个超声图像中的第一特征点数量；
全局运动信息获取模块902，用于基于N帧超声图像对应的Mi个第一特征点，对每一当前超声图像相对于基准超声图像进行全局运动估计，确定每一当前超声图像相对于基准超声图像的全局运动信息；
校正超声图像获取模块903，用于基于每一当前超声图像相对于基准超声图像的全局运动信息，对每一当前超声图像进行图像重整化，获取每一当前超声图像对应的校正超声图像；
差分平均值获取模块904，用于对N-1帧校正超声图像和基准超声图像进行差分处理，获取N-1个校正超声图像对应的差分平均值；
心率图获取模块905，用于对N-1个校正超声图像对应的差分平均值进行心率转换，获取N帧超声图像对应的心率图。
优选地，全局运动信息获取模块902，包括：
第二特征点确定单元，用于基于N帧超声图像对应的Mi个第一特征点，确定N帧超声图像均存在的P个第二特征点；
仿射变换矩阵获取单元，用于基于P个第二特征点，对每一当前超声图像相对于基准超声图像进行仿射变换处理，获取每一当前超声图像对应的仿射变换矩阵；
背景特征点确定单元，用于基于每一当前超声图像对应的仿射变换矩阵，对P个第二特征点进行特征筛选，确定每一当前超声图像对应的Bi个背景特征点；
全局运动信息确定单元，用于基于每一当前超声图像对应的Bi个背景特征点，确定每一当前超声图像相对于基准超声图像的全局运动信息。
优选地，背景特征点确定单元，包括：
特征分布概率确定子单元，用于基于每一当前超声图像对应的仿射变换矩阵、P个第二特征点在每一当前超声图像中的特征点坐标和在基准超声图像中的特征点坐标，确定每一第二特征点对应的特征分布概率；
目标分布概率确定子单元，用于基于P个第二特征点对应的特征分布概率，确定目标分布概率；
背景特征点确定子单元，用于若特征分布概率大于或等于目标分布概率，则将特征分布概率对应的第二特征点，确定为每一当前超声图像对应的Bi个背景特征点。
优选地，全局运动信息确定单元，包括：
特征点位移确定子单元，用于基于每一当前超声图像对应的Bi个背景特征点，确定每一当前超声图像相对于基准超声图像的Bi个特征点位移；
像素点位移确定子单元，用于基于每一当前超声图像相对于基准超声图像的Bi个特征点位移，对基准超声图像中所有像素点进行插值处理，确定所有像素点对应的像素点位移；
全局运动信息确定子单元，用于将所有像素点对应的像素点位移，确定为每一当前超声图像相对于基准超声图像的全局运动信息。
优选地，校正超声图像获取模块903，包括：
校正像素点确定单元，用于基于每一当前超声图像相对于基准超声图像的全局运动信息，对每一当前超声图像中所有当前像素点进行校正，确定所有当前像素点在基准超声图像中的校正像素点；
校正灰度值获取单元，用于基于所有当前像素点在基准超声图像中的校正像素点，对基准超声图像的基准灰度值进行插值处理，获取所有校正像素点对应的校正灰度值；
校正超声图像获取单元，用于根据所有校正像素点对应的校正灰度值，获取每一当前超声图像对应的校正超声图像。
优选地，差分平均值获取模块904，包括：
灰度差值确定单元，用于将每一校正超声图像中所有像素点对应的像素灰度值，与基准超声图像中同一像素点对应的像素灰度值进行差分计算，确定每一校正超声图像中所有像素点对应的灰度差值；
目标像素点确定单元，用于将灰度差值的绝对值较大的前d个像素点，确定为每一校正超声图像对应的d个目标像素点；
差分平均值获取单元，用于对d个目标像素点对应的灰度差值的绝对值进行均值处理，获取每一校正超声图像对应的差分平均值。
优选地，心率图获取模块905，包括：
心脏运动曲线构建单元，用于基于N-1个校正超声图像对应的差分平均值，构建心脏运动曲线；
极值数量确定单元，用于采用局域滑窗在心脏运动曲线上依次滑动，对心脏运动曲线进行局域极值计算，确定每一局域滑窗对应的极值数量；
实测心率值确定单元，用于每一局域滑窗对应的极值数量，确定每一局域滑窗对应的实测心率值；
心率图获取单元，用于基于所有局域滑窗对应的实测心率值，获取N帧超声图像对应的心率图。
关于超声心率检测装置的具体限定可以参见上文中对于超声心率检测方法的限定，在此不再赘述。上述超声心率检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于超声设备中的处理器中，也可以以软件形式存储于超声设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一实施例中，提供一种超声设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中超声心率检测方法，例如图2所示S201-S205，或者图3至图8中所示，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现超声心率检测装置这一实施例中的各模块/单元的功能，例如图9所示的第一特征点获取模块901、全局运动信息获取模块902、校正超声图像获取模块903、差分平均值获取模块904和心率图获取模块905的功能，为避免重复，这里不再赘述。
在一实施例中，提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中超声心率检测方法，例如图2所示S201-S205，或者图3至图8中所示，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述超声心率检测装置这一实施例中的各模块/单元的功能，例如图9所示的第一特征点获取模块901、全局运动信息获取模块902、校正超声图像获取模块903、差分平均值获取模块904和心率图获取模块905的功能，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (6)

1.一种超声心率检测方法，其特征在于，包括：
获取N帧超声图像对应的Mi个第一特征点，所述超声图像包括1帧基准超声图像和N-1帧当前超声图像，Mi为第i个超声图像中的第一特征点数量；
基于N帧所述超声图像对应的Mi个第一特征点，对每一所述当前超声图像相对于所述基准超声图像进行全局运动估计，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息；
基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像进行图像重整化，获取每一当前超声图像对应的校正超声图像；
对N-1帧所述校正超声图像和所述基准超声图像进行差分处理，获取N-1个所述校正超声图像对应的差分平均值；
对N-1个所述校正超声图像对应的差分平均值进行心率转换，获取N帧所述超声图像对应的心率图；
所述基于N帧所述超声图像对应的Mi个第一特征点，对每一所述当前超声图像相对于所述基准超声图像进行全局运动估计，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息，包括：
基于N帧所述超声图像对应的Mi个第一特征点，确定N帧所述超声图像均存在的P个第二特征点；
基于P个所述第二特征点，对每一当前超声图像相对于所述基准超声图像进行仿射变换处理，获取每一所述当前超声图像对应的仿射变换矩阵；
基于每一所述当前超声图像对应的仿射变换矩阵，对P个所述第二特征点进行特征筛选，确定每一所述当前超声图像对应的Bi个背景特征点；
基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息；
所述基于每一所述当前超声图像对应的仿射变换矩阵，对P个所述第二特征点进行特征筛选，确定每一所述当前超声图像对应的Bi个背景特征点，包括：
基于每一所述当前超声图像对应的仿射变换矩阵、P个所述第二特征点在每一当前超声图像中的特征点坐标和在基准超声图像中的特征点坐标，确定每一所述第二特征点对应的特征分布概率；
基于P个所述第二特征点对应的特征分布概率，确定目标分布概率；
若所述特征分布概率大于或等于所述目标分布概率，则将所述特征分布概率对应的第二特征点，确定为每一所述当前超声图像对应的Bi个背景特征点；
所述基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像进行图像重整化，获取每一当前超声图像对应的校正超声图像，包括：
基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像中所有当前像素点进行校正，确定所有当前像素点在基准超声图像中的校正像素点；
基于所有当前像素点在基准超声图像中的校正像素点，对所述基准超声图像的基准灰度值进行插值处理，获取所有所述校正像素点对应的校正灰度值；
根据所有所述校正像素点对应的校正灰度值，获取每一当前超声图像对应的校正超声图像；
所述对N-1帧所述校正超声图像和所述基准超声图像进行差分处理，获取N-1个所述校正超声图像对应的差分平均值，包括：
将每一所述校正超声图像中所有像素点对应的像素灰度值，与所述基准超声图像中同一像素点对应的像素灰度值进行差分计算，确定每一所述校正超声图像中所有所述像素点对应的灰度差值；
将所述灰度差值的绝对值较大的前d个像素点，确定为每一所述校正超声图像对应的d个目标像素点；
对d个所述目标像素点对应的灰度差值的绝对值进行均值处理，获取每一所述校正超声图像对应的差分平均值；
所述对N-1个所述校正超声图像对应的差分平均值进行心率转换，获取N帧所述超声图像对应的心率图，包括：
基于N-1个所述校正超声图像对应的差分平均值，构建心脏运动曲线；
采用局域滑窗在心脏运动曲线上依次滑动，对所述心脏运动曲线进行局域极值计算，确定每一所述局域滑窗对应的极值数量；
每一所述局域滑窗对应的极值数量，确定每一所述局域滑窗对应的实测心率值；
基于所有所述局域滑窗对应的实测心率值，获取N帧所述超声图像对应的心率图。
2.如权利要求1所述的超声心率检测方法，其特征在于，所述基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息，包括：
基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的Bi个特征点位移；
基于每一所述当前超声图像相对于所述基准超声图像的Bi个特征点位移，对所述基准超声图像中所有像素点进行插值处理，确定所有像素点对应的像素点位移；
将所有像素点对应的像素点位移，确定为每一所述当前超声图像相对于所述基准超声图像的全局运动信息。
3.一种超声心率检测装置，其特征在于，包括：
第一特征点获取模块，用于获取N帧超声图像对应的Mi个第一特征点，所述超声图像包括1帧基准超声图像和N-1帧当前超声图像，Mi为第i个超声图像中的第一特征点数量；
全局运动信息获取模块，用于基于N帧所述超声图像对应的Mi个第一特征点，对每一所述当前超声图像相对于所述基准超声图像进行全局运动估计，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息；
校正超声图像获取模块，用于基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像进行图像重整化，获取每一当前超声图像对应的校正超声图像；
差分平均值获取模块，用于对N-1帧所述校正超声图像和所述基准超声图像进行差分处理，获取N-1个所述校正超声图像对应的差分平均值；
心率图获取模块，用于对N-1个所述校正超声图像对应的差分平均值进行心率转换，获取N帧所述超声图像对应的心率图；
所述全局运动信息获取模块，包括：
第二特征点确定单元，用于基于N帧所述超声图像对应的Mi个第一特征点，确定N帧所述超声图像均存在的P个第二特征点；
仿射变换矩阵获取单元，用于基于P个所述第二特征点，对每一当前超声图像相对于所述基准超声图像进行仿射变换处理，获取每一所述当前超声图像对应的仿射变换矩阵；
背景特征点确定单元，用于基于每一所述当前超声图像对应的仿射变换矩阵，对P个所述第二特征点进行特征筛选，确定每一所述当前超声图像对应的Bi个背景特征点；
全局运动信息确定单元，用于基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的全局运动信息；
所述背景特征点确定单元，包括：
特征分布概率确定子单元，用于基于每一所述当前超声图像对应的仿射变换矩阵、P个所述第二特征点在每一当前超声图像中的特征点坐标和在基准超声图像中的特征点坐标，确定每一所述第二特征点对应的特征分布概率；
目标分布概率确定子单元，用于基于P个所述第二特征点对应的特征分布概率，确定目标分布概率；
背景特征点确定子单元，用于若所述特征分布概率大于或等于所述目标分布概率，则将所述特征分布概率对应的第二特征点，确定为每一所述当前超声图像对应的Bi个背景特征点；
所述校正超声图像获取模块，包括：
校正像素点确定单元，用于基于每一所述当前超声图像相对于所述基准超声图像的全局运动信息，对每一所述当前超声图像中所有当前像素点进行校正，确定所有当前像素点在基准超声图像中的校正像素点；
校正灰度值获取单元，用于基于所有当前像素点在基准超声图像中的校正像素点，对所述基准超声图像的基准灰度值进行插值处理，获取所有所述校正像素点对应的校正灰度值；
校正超声图像获取单元，用于根据所有所述校正像素点对应的校正灰度值，获取每一当前超声图像对应的校正超声图像；
所述差分平均值获取模块，包括：
灰度差值确定单元，用于将每一所述校正超声图像中所有像素点对应的像素灰度值，与所述基准超声图像中同一像素点对应的像素灰度值进行差分计算，确定每一所述校正超声图像中所有所述像素点对应的灰度差值；
目标像素点确定单元，用于将所述灰度差值的绝对值较大的前d个像素点，确定为每一所述校正超声图像对应的d个目标像素点；
差分平均值获取单元，用于对d个所述目标像素点对应的灰度差值的绝对值进行均值处理，获取每一所述校正超声图像对应的差分平均值；
所述心率图获取模块，包括：
心脏运动曲线构建单元，用于基于N-1个所述校正超声图像对应的差分平均值，构建心脏运动曲线；
极值数量确定单元，用于采用局域滑窗在心脏运动曲线上依次滑动，对所述心脏运动曲线进行局域极值计算，确定每一所述局域滑窗对应的极值数量；
实测心率值确定单元，用于每一所述局域滑窗对应的极值数量，确定每一所述局域滑窗对应的实测心率值；
心率图获取单元，用于基于所有所述局域滑窗对应的实测心率值，获取N帧所述超声图像对应的心率图。
4.如权利要求3所述的超声心率检测装置，其特征在于，所述全局运动信息确定单元，包括：
特征点位移确定子单元，用于基于每一所述当前超声图像对应的Bi个所述背景特征点，确定每一所述当前超声图像相对于所述基准超声图像的Bi个特征点位移；
像素点位移确定子单元，用于基于每一所述当前超声图像相对于所述基准超声图像的Bi个特征点位移，对所述基准超声图像中所有像素点进行插值处理，确定所有像素点对应的像素点位移；
全局运动信息确定子单元，用于将所有像素点对应的像素点位移，确定为每一所述当前超声图像相对于所述基准超声图像的全局运动信息。
5.一种超声设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2任一项所述超声心率检测方法。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述超声心率检测方法。
CN202310900911.9A 2023-07-21 2023-07-21 超声心率检测方法、装置、超声设备及存储介质 Active CN116616817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310900911.9A CN116616817B (zh) 2023-07-21 2023-07-21 超声心率检测方法、装置、超声设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310900911.9A CN116616817B (zh) 2023-07-21 2023-07-21 超声心率检测方法、装置、超声设备及存储介质

Publications (2)

Publication Number Publication Date
CN116616817A CN116616817A (zh) 2023-08-22
CN116616817B true CN116616817B (zh) 2023-10-03

Family

ID=87602922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310900911.9A Active CN116616817B (zh) 2023-07-21 2023-07-21 超声心率检测方法、装置、超声设备及存储介质

Country Status (1)

Country Link
CN (1) CN116616817B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101238391A (zh) * 2005-08-04 2008-08-06 皇家飞利浦电子股份有限公司 功能成像中的运动补偿
WO2018060502A1 (en) * 2016-09-30 2018-04-05 Koninklijke Philips N.V. Ultrasound thermometry system with motion compensation and method of operation thereof
WO2019013217A1 (ja) * 2017-07-12 2019-01-17 シャープ株式会社 補正装置、撮像装置、補正装置の制御方法、および制御プログラム
EP3492945A1 (en) * 2017-12-01 2019-06-05 Origin Wireless, Inc. Method, apparatus, and system for periodic motion detection and monitoring
CN110555796A (zh) * 2019-07-24 2019-12-10 广州视源电子科技股份有限公司 图像调整方法、装置、存储介质以及设备
CN111374706A (zh) * 2018-12-28 2020-07-07 深圳迈瑞生物医疗电子股份有限公司 一种胎儿心率显示方法及超声成像装置、存储介质
CN113288215A (zh) * 2020-12-31 2021-08-24 深圳北芯生命科技股份有限公司 利用超声图像测量心动周期的系统及其方法
WO2022235162A1 (en) * 2021-05-07 2022-11-10 Medis Associated B.V. Method of determining a motion of a heart wall

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8989349B2 (en) * 2004-09-30 2015-03-24 Accuray, Inc. Dynamic tracking of moving targets
US11304681B2 (en) * 2016-03-03 2022-04-19 Canon Medical Systems Corporation Ultrasonic diagnostic apparatus and image processing method

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101238391A (zh) * 2005-08-04 2008-08-06 皇家飞利浦电子股份有限公司 功能成像中的运动补偿
WO2018060502A1 (en) * 2016-09-30 2018-04-05 Koninklijke Philips N.V. Ultrasound thermometry system with motion compensation and method of operation thereof
WO2019013217A1 (ja) * 2017-07-12 2019-01-17 シャープ株式会社 補正装置、撮像装置、補正装置の制御方法、および制御プログラム
EP3492945A1 (en) * 2017-12-01 2019-06-05 Origin Wireless, Inc. Method, apparatus, and system for periodic motion detection and monitoring
EP3492944A1 (en) * 2017-12-01 2019-06-05 Origin Wireless, Inc. Apparatus, systems and methods for event detection and recognition based on a wireless signal
CN111374706A (zh) * 2018-12-28 2020-07-07 深圳迈瑞生物医疗电子股份有限公司 一种胎儿心率显示方法及超声成像装置、存储介质
CN110555796A (zh) * 2019-07-24 2019-12-10 广州视源电子科技股份有限公司 图像调整方法、装置、存储介质以及设备
CN113288215A (zh) * 2020-12-31 2021-08-24 深圳北芯生命科技股份有限公司 利用超声图像测量心动周期的系统及其方法
WO2022235162A1 (en) * 2021-05-07 2022-11-10 Medis Associated B.V. Method of determining a motion of a heart wall

Also Published As

Publication number Publication date
CN116616817A (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
EP2453406B1 (en) Ultrasonic image processing apparatus
JP5721311B2 (ja) 造影エンハンス超音波診断イメージング方法、コンピュータ読み取り可能な記憶媒体および造影エンハンス超音波診断イメージング装置
JP4831565B2 (ja) 超音波容積測定データセットの運動補正のための方法およびシステム
US20070276245A1 (en) System And Method For Automated Boundary Detection Of Body Structures
US7632231B2 (en) Ultrasonic strain imaging device and method providing parallel displacement processing
EP2529666A1 (en) Ultrasonic diagnosis device and method used therefor to track measurement point
JP4763588B2 (ja) 超音波診断装置
US10398411B2 (en) Automatic alignment of ultrasound volumes
CN113240587B (zh) 超分辨率扫描变换方法、装置、超声设备及存储介质
JPWO2006123729A1 (ja) 超音波診断装置及びその画像処理方法
WO2020010351A1 (en) Systems and methods for generating and estimating unknown and unacquired ultrasound data
US20160063742A1 (en) Method and system for enhanced frame rate upconversion in ultrasound imaging
CN115330681A (zh) 一种超声图像测量方法、系统、智能终端及存储介质
CN116616817B (zh) 超声心率检测方法、装置、超声设备及存储介质
CN111434311B (zh) 超声波摄像装置以及图像处理方法
CN115082320B (zh) 超声图像超分辨率处理方法、超声设备及存储介质
EP3639752A1 (en) Analyzing apparatus and analyzing program
JP4709937B2 (ja) 超音波診断装置及び画像処理装置
US20240242348A1 (en) Systems and Methods for Noise Suppression in Microvessel Ultrasound Imaging
CN114782283B (zh) 超声图像增强方法、装置、超声设备及存储介质
CN112704517B (zh) 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质
US20230404540A1 (en) Methods for motion tracking and correction of ultrasound ensemble
US11141138B2 (en) Kalman filtering for flash artifact suppression in ultrasound imaging
CN116687445B (zh) 超声胎儿心脏自动定位跟踪方法、装置、设备及存储介质
JP5190248B2 (ja) 超音波診断装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant