一种超声成像方法及设备、存储介质与流程

本发明涉及超声成像技术领域，尤其涉及一种超声成像方法及设备、存储介质。

背景技术：

超声检查，即将超声波发射至人体，通过对反射信号的接收和处理，获得体内器官的图像。由于超声检查具备安全、方便、无辐射，以及廉价等优势，成为临床诊断的主要辅助手段。

目前，临床上针对胎儿的超声检查项目中，脊柱检查是重要的一项。采用超声成像设备扫描胎儿脊柱即可获得对应的三维体数据，基于该体数据，不仅可以显示该体数据的任何切面，还可以经过渲染得到虚拟现实(virtualreality，vr)图像，作为脊柱检查的依据。

超声成像效果通常会受到多个成像参数的影响，例如，当采集角度偏离脊柱正中位置时，脊柱区域的信噪比会显著下降，脊柱结构显示不清晰；当孕妇脂肪较厚或胎儿体位较深时，胎儿脊柱和背景区域对比不够明显、脊柱边界不清，灰度信息不够丰富等；孕周较小的胎儿的脊柱结构较小，成像过程中容易结构丢失或混叠失真。通常情况下，医生可以根据实际经验对成像参数进行调整，然而，不仅成像效率较低，且依赖于主观经验，无法保证较优的成像效果。

技术实现要素：

为解决现有存在的技术问题，本申请实施例期望提供一种超声成像方法及设备、存储介质，通过在脊柱三维体数据中识别脊柱关键解剖结构，以辅助进行脊柱成像，不仅成像效率较高，而且提高了成像效果。

为达到上述目的，本申请实施例的技术方案是这样实现的：

本申请实施例提供了一种超声成像方法，所述方法包括：

获取脊柱三维体数据；

从所述脊柱三维体数据中，识别出脊柱关键解剖结构；

基于所述脊柱关键解剖结构对所述脊柱三维体数据进行优化处理，获得脊柱增强图像，其中所述脊柱增强图像包括立体增强图像和/或剖面增强图像；

将所述脊柱增强图像进行显示。

一个实施例中，所述从所述脊柱三维体数据中，识别出脊柱关键解剖结构，包括：

获取标记指令和/或预设结构检测方法；

根据所述标记指令和/或所述预设结构检测方法，从所述脊柱三维体数据中识别出所述脊柱关键解剖结构。

一个实施例中，所述根据所述标记指令，从所述脊柱三维体数据中识别出所述脊柱关键解剖结构，包括：

根据所述标记指令的指示，对所述脊柱三维体数据中的部分体数据进行标记；

将所述部分体数据包围的结构确定为所述脊柱关键解剖结构。

一个实施例中，所述预设结构检测方法包括特征检测方法，所述根据所述预设结构检测方法，从所述脊柱三维体数据中识别出所述脊柱关键解剖结构，包括：

按照所述特征检测方法，对所述脊柱三维体数据进行二值化分割和形态学处理，获得多个候选结构；

基于脊柱结构特征，确定所述多个候选结构中的每一个结构为脊柱结构的概率，获得多个概率，并从所述多个概率中确定最大概率；

将所述多个候选结构中，所述最大概率对应的结构确定为所述脊柱关键解剖结构。

一个实施例中，所述预设结构检测方法包括机器学习或深度学习检测方法，所述根据所述预设结构检测方法，从所述脊柱三维体数据中识别出所述脊柱关键解剖结构，包括：

按照所述机器学习或深度学习检测方法，构建脊柱关键解剖结构数据库；

基于所述脊柱关键解剖结构数据库进行模型训练，获得脊柱关键解剖结构识别模型；

利用所述脊柱关键解剖结构识别模型，从所述脊柱三维体数据中识别出所述脊柱关键解剖结构。

一个实施例中，所述基于所述脊柱关键解剖结构对所述脊柱三维体数据进行优化处理，获得脊柱增强图像，包括：

基于所述脊柱关键解剖结构，对所述脊柱三维体数据进行灰度调整，获得目标三维体数据；

根据所述目标三维体数据，获得所述脊柱增强图像。

一个实施例中，所述基于所述脊柱关键解剖结构，对所述脊柱三维体数据进行灰度调整，获得目标三维体数据，包括：

从所述脊柱三维体数据中，获取所述脊柱关键解剖结构包括的第一体数据；

增加所述第一体数据的灰度值，获得所述目标三维体数据；

和/或，

从所述脊柱三维体数据中，获取与所述脊柱关键解剖结构包括的第一体数据不同的第二体数据；

减小所述第二体数据的灰度值，获得所述目标三维体数据。

一个实施例中，所述基于所述脊柱关键解剖结构对所述脊柱三维体数据进行优化处理，获得脊柱增强图像，包括：

基于所述脊柱关键解剖结构确定成像参数；

根据确定的成像参数优化所述脊柱三维体数据，获得所述脊柱增强图像。

一个实施例中，所述成像参数包括目标增益，所述基于所述脊柱关键解剖结构确定成像参数，包括：

从所述脊柱三维体数据中，获取所述脊柱关键解剖结构包括的第一体数据；

统计所述第一体数据的灰度值，获得所述第一体数据的灰度统计结果；

根据所述灰度统计结果确定所述目标增益。

一个实施例中，所述成像参数包括梯度阈值参数，所述基于所述脊柱关键解剖结构确定成像参数，包括：

从所述脊柱三维体数据中，获取所述脊柱关键解剖结构包括的第一体数据；

基于所述第一体数据的灰度值，确定所述脊柱关键解剖结构对应的梯度值；

根据所述梯度值，按照预设梯度阈值计算方法确定所述第一体数据对应的第一梯度阈值；

获取所述脊柱三维体数据中，所述脊柱关键解剖结构外的第二体数据对应的第二梯度阈值；

将所述第一梯度阈值和所述第二梯度阈值确定为所述梯度阈值参数。

一个实施例中，所述成像参数包括剖面厚度参数，所述基于所述脊柱关键解剖结构确定成像参数，包括：

从所述脊柱三维体数据中，获取所述脊柱关键解剖结构的位置信息；

基于所述位置信息确定脊柱厚度信息；

根据所述脊柱厚度信息确定所述剖面厚度参数。

一个实施例中，所述从所述脊柱三维体数据中，获取所述脊柱关键解剖结构的位置信息，包括：

从所述脊柱三维体数据中，获取所述脊柱关键解剖结构的边界对应的边界体数据；

将所述边界体数据确定为所述位置信息。

本申请实施例提供了一种超声成像方法，所述方法包括：

获取脊柱二维切面数据；

从所述脊柱二维切面数据中，识别出脊柱关键解剖区域；

基于所述脊柱关键解剖区域对所述脊柱二维切面数据进行优化处理，获得脊柱增强图像；

将所述脊柱增强图像进行显示。

一个实施例中，所述获取脊柱二维切面数据，包括：

获取脊柱三维体数据；

根据预设切面选取方式或接收到的选取指令，从所述脊柱三维体数据中确定所述脊柱二维切面数据。

一个实施例中，所述基于所述脊柱关键解剖区域对所述脊柱二维切面数据进行优化处理，获得脊柱增强图像，包括：

基于所述脊柱关键解剖区域，对所述脊柱二维切面数据进行灰度调整，获得所述脊柱增强图像。

一个实施例中，所述基于所述脊柱关键解剖区域，对所述脊柱二维切面数据进行灰度调整，获得所述脊柱增强图像，包括：

从所述脊柱二维切面数据中，获取所述脊柱关键解剖区域包括的第一切面数据；

增加所述第一切面数据的灰度值，获得所述脊柱增强图像；

和/或，

从所述脊柱二维切面数据中，获取与所述脊柱关键解剖结构包括的第一切面数据不同的第二切面数据；

减小所述第二切面数据的灰度值，获得所述脊柱增强图像。

一个实施例中，所述基于所述脊柱关键解剖区域对所述脊柱二维切面数据进行优化处理，获得脊柱增强图像，包括：

基于所述脊柱关键解剖区域确定成像参数；

根据确定的成像参数优化所述脊柱二维切面数据，获得所述脊柱增强图像。

本申请实施例提供了一种超声成像设备，所述超声成像设备包括：

探头；

发射/接收选择开关；

发射电路，用于激励所述探头向受测脊柱发射超声波；

接收电路，用于通过所述探头接收从所述受测脊柱返回的超声回波，以获得超声回波信号；

波束合成器，用于对所述超声回波信号进行波束合成处理，获得波束合成后的超声回波信号；

信号处理器，用于对所述波束合成后的超声回波信号进行信号处理，获得已处理的超声回波信号；

成像处理器，用于：根据所述已处理的超声回波信号获取脊柱三维体数据；从所述脊柱三维体数据中，识别出脊柱关键解剖结构；基于所述脊柱关键解剖结构对所述脊柱三维体数据进行优化处理，获得脊柱增强图像，其中所述脊柱增强图像包括立体增强图像和/或剖面增强图像；

显示器，用于将所述脊柱增强图像进行显示。

一个实施例中，所述成像处理器用于获取标记指令和/或预设结构检测方法，并根据所述标记指令和/或所述预设结构检测方法，从所述脊柱三维体数据中识别出所述脊柱关键解剖结构。

一个实施例中，所述成像处理器用于：根据所述标记指令的指示，对所述脊柱三维体数据中的部分体数据进行标记；将所述部分体数据包围的结构确定为所述脊柱关键解剖结构。

一个实施例中，所述预设结构检测方法包括特征检测方法，所述成像处理器用于：按照所述特征检测方法，对所述脊柱三维体数据进行二值化分割和形态学处理，获得多个候选结构；基于脊柱结构特征，确定所述多个候选结构中的每一个结构为脊柱结构的概率，获得多个概率，并从所述多个概率中确定最大概率；将所述多个候选结构中，所述最大概率对应的结构确定为所述脊柱关键解剖结构。

一个实施例中，所述预设结构检测方法包括机器学习或深度学习检测方法，所述成像处理器用于：按照所述机器学习或深度学习检测方法，构建脊柱关键解剖结构数据库；基于所述脊柱关键解剖结构数据库进行模型训练，获得脊柱关键解剖结构识别模型；利用所述脊柱关键解剖结构识别模型，从所述脊柱三维体数据中识别出所述脊柱关键解剖结构。

一个实施例中，所述成像处理器用于：基于所述脊柱关键解剖结构，对所述脊柱三维体数据进行灰度调整，获得目标三维体数据；根据所述目标三维体数据获得所述脊柱增强图像。

一个实施例中，所述成像处理器用于：从所述脊柱三维体数据中，获取所述脊柱关键解剖结构包括的第一体数据；增加所述第一体数据的灰度值，获得所述目标三维体数据；和/或，从所述脊柱三维体数据中，获取与所述脊柱关键解剖结构包括的第一体数据不同的第二体数据；减小所述第二体数据的灰度值，获得所述目标三维体数据。

一个实施例中，所述成像处理器用于：基于所述脊柱关键解剖结构确定成像参数；根据确定的成像参数优化所述脊柱三维体数据，获得所述脊柱增强图像。

一个实施例中，所述成像参数包括目标增益，所述成像处理器用于：从所述脊柱三维体数据中，获取所述脊柱关键解剖结构包括的第一体数据；统计所述第一体数据的灰度值，获得所述第一体数据的灰度统计结果；根据所述灰度统计结果确定所述目标增益。

一个实施例中，所述成像参数包括梯度阈值参数，所述成像处理器用于：从所述脊柱三维体数据中，获取所述脊柱关键解剖结构包括的第一体数据；基于所述第一体数据的灰度值，确定所述脊柱关键解剖结构的边界对应的梯度值；根据所述梯度值，按照预设梯度阈值计算方法确定所述第一体数据对应的第一梯度阈值；获取所述脊柱三维体数据中，所述脊柱关键解剖结构外的第二体数据对应的第二梯度阈值；将所述第一梯度阈值和所述第二梯度阈值确定为所述梯度阈值参数。

一个实施例中，所述成像参数包括剖面厚度参数，所述成像处理器用于：从所述脊柱三维体数据中，获取所述脊柱关键解剖结构的位置信息；基于所述位置信息确定脊柱厚度信息；根据所述脊柱厚度信息确定所述剖面厚度参数。

一个实施例中，所述成像处理器用于：从所述脊柱三维体数据中，获取所述脊柱关键解剖结构的边界对应的边界体数据；将所述边界体数据确定为所述位置信息。

本申请实施例提供了一种超声成像设备，所述超声成像设备包括：

探头；

发射/接收选择开关；

发射电路，用于激励所述探头向受测脊柱发射超声波；

接收电路，用于通过所述探头接收从所述受测脊柱返回的超声回波，以获得超声回波信号；

波束合成器，用于对所述超声回波信号进行波束合成处理，获得波束合成后的超声回波信号；

信号处理器，用于对所述波束合成后的超声回波信号进行信号处理，获得已处理的超声回波信号；

成像处理器，用于：基于所述已处理的超声回波信号获取脊柱二维切面数据；从所述脊柱二维切面数据中，识别出脊柱关键解剖区域；基于所述脊柱关键解剖区域对所述脊柱二维切面数据进行优化处理，获得脊柱增强图像；

显示器，用于将所述脊柱增强图像进行显示。

一个实施例中，所述成像处理器用于：根据所述已处理的超声回波信号获取脊柱三维体数据；根据预设切面选取方式或接收到的选取指令，从所述脊柱三维体数据中确定所述脊柱二维切面数据。

一个实施例中，所述成像处理器用于：基于所述脊柱关键解剖区域，对所述脊柱二维切面数据进行灰度调整，获得所述脊柱增强图像。

一个实施例中，所述成像处理器，具体用于从所述脊柱二维切面数据中，获取所述脊柱关键解剖区域包括的第一切面数据，以及所述脊柱关键解剖区域外的第二切面数据；增加所述第一切面数据的灰度值，获得所述脊柱增强图像；和/或，从所述脊柱二维切面数据中，获取与所述脊柱关键解剖结构包括的第一切面数据不同的第二切面数据；减小所述第二切面数据的灰度值，获得所述脊柱增强图像。

一个实施例中，所述成像处理器，具体用于基于所述脊柱关键解剖区域确定成像参数；根据确定的成像参数优化所述脊柱二维切面数据，获得所述脊柱增强图像。

本申请实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有超声成像程序，所述超声成像程序可以被处理器执行，以实现上述超声成像方法。

本发明实施例提供了一种超声成像方法和设备，该方法包括：获取脊柱三维体数据；从脊柱三维体数据中，识别出脊柱关键解剖结构；基于脊柱关键解剖结构对脊柱三维体数据进行优化处理，获得脊柱增强图像，其中脊柱增强图像包括立体增强图像和/或剖面增强图像；将脊柱增强图像进行显示。本发明实施例提供的技术方案，通过在脊柱三维体数据中识别脊柱关键解剖结构，以辅助进行脊柱成像，不仅成像效率较高，而且提高了成像效果。

附图说明

图1为本发明实施例中的超声成像设备的结构框图示意图；

图2为本发明实施例提供的一种超声成像方法的流程示意图一；

图3为本发明实施例提供的一种示例性的常规脊柱图像；

图4为本发明实施例提供的一种示例性的脊柱增强图像；

图5为本发明实施例提供的一种超声成像方法的流程示意图二。

具体实施方式

为了能够更加详尽地了解本发明实施例的特点及技术内容，下面结合附图对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明实施例。

图1为本发明实施例中的超声成像设备的结构框图示意图。该超声成像设备10可以包括探头100、发射/接收选择开关101、发射电路102、接收电路103、波束合成电路104、信号处理器105、成像处理器106和显示器107。发射电路102可以激励探头100向受测脊柱发射超声波；接收电路103可以通过探头100接收从受测脊柱返回的超声回波，以获得超声回波信号；该超声回波信号经过波束合成电路104进行波束合成处理后，送入信号处理器105。信号处理器105对该超声回波信号进行信号处理，以获得已处理的超声回波信号。成像处理器106基于已处理的超声回波信号生成脊柱增强图像和/或脊柱切面图像。这些超声脊柱增强图像可以在显示器107上显示。

在本发明的实施例中，超声成像设备10的显示器107可为触摸显示屏、液晶显示屏等，也可以是独立于超声成像设备10之外的液晶显示器、电视机等独立显示设备，也可为手机、平板电脑等电子设备上的显示屏，等等。

本发明的实施例中，信号处理器105和成像处理器106可以是集成为一个处理器，也可以由两个或多个处理器实现。这里所说的处理器(处理器、信号处理器105和/或成像处理器106，等等)可以为特定用途集成电路(applicationspecificintegratedcircuit，asic)、数字信号处理器(digital100signalprocessor，dsp)、数字信号处理装置(digitalsignalprocessingdevice，dspd)、可编程逻辑装置(programmablelogicdevice，pld)、现场可编程门阵列(fieldprogrammablegatearray，fpga)、中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器中的至少一种，从而使得该处理器可以执行本发明的各个实施例中的超声成像方法的相应步骤。

在本发明的实施例中，超声成像设备10还可以包括存储器，获得的脊柱增强图像可以存储于存储器中。存储器可以是易失性存储器(volatilememory)，例如随机存取存储器(randomaccessmemory，ram)；或者非易失性存储器(non-volatilememory)，例如只读存储器(readonlymemory，rom)，快闪存储器(flashmemory)，硬盘(harddiskdrive，hdd)或固态硬盘(solid-statedrive，ssd)；或者以上种类的存储器的组合，并向处理器提供指令和数据。

以下基于上述超声成像设备10，对本发明的技术方案进行详细说明。

本发明实施例提供了一种超声成像方法。图2为本发明实施例提供的一种超声成像方法的流程示意图一。如图2所示，主要包括以下步骤：

s201、获取脊柱三维体数据。

在本发明的实施例中，超声成像设备10的成像处理器106可以接收到信号处理器105信号处理后得到的已处理超声回波信号，从而根据该超声回波信号确定出脊柱三维体数据，即获取到脊柱三维体数据。

具体的，在本发明的实施例中，超声成像设备10中，发射电路102激励述探头100向受测脊柱发射超声波，从而接收电路103通过探头100接收从受测脊柱返回的超声回波，以获得超声回波信号，之后，波束合成器104对超声回波信号进行波束合成处理，获得波束合成后的超声回波信号，信号处理器105对波束合成后的超声回波信号进行信号处理，获得已处理的超声回波信号，最后，成像处理器106根据已处理的超声回波信号获取脊柱三维体数据。脊柱三维体数据为受测脊柱对应的体数据，具体的受测脊柱本发明实施例不作限定。

s202、从脊柱三维体数据中，识别出脊柱关键解剖结构。

在本发明的实施例中，超声成像设备10的成像处理器106在获取到脊柱三维体数据之后，从脊柱三维体数据中，识别出脊柱关键解剖结构。

需要说明的是，在本发明的实施例中，脊柱关键解剖结构可以包括椎弓、椎体、脊髓圆椎，以及脊柱三维体数据中，某个特定切面中椎弓、椎体等包括的区域。例如，在脊柱三维体数据中的胎儿脊柱矢状面中，脊柱关键解剖结构可以为该面上椎弓和椎体包围的组织结构。具体的脊柱关键解剖结构可以根据实际成像需求进行确定，本发明实施例不作限定。

需要说明的是，在本发明的实施例中，成像处理器106可以以手动、自动，或者半自动的方式实现从脊柱三维体数据中识别脊柱关键解剖结构。

在本发明的实施例中，成像处理器106从脊柱三维体数据中，识别出脊柱关键解剖结构，包括：获取标记指令和/或预设结构检测方法；根据标记指令和/或预设结构检测方法，从脊柱三维体数据中识别出脊柱关键解剖结构。

具体的，在本发明的实施例中，成像处理器106根据标记指令，从脊柱三维体数据中识别出脊柱关键解剖结构，包括：根据标记指令的指示，对脊柱三维体数据中的部分体数据进行标记；将部分体数据包围的结构确定为脊柱关键解剖结构。

需要说明的是，在本发明的实施例中，用户可以通过键盘、鼠标等工具，以一定的工作流针对脊柱三维体数据进行脊柱关键解剖结构的标记，即发送标记指令给成像处理器106，从而成像处理器106根据标记指令标记从脊柱三维体数据中勾画出用户指示的部分体数据，从而确定出脊柱关键解剖结构。以标记指令识别脊柱关键解剖结构的方式实际上为手动方式，具体的标记指令的提供形式本发明实施例不作限定。

需要说明的是，在本发明的实施例中，部分体数据可以为脊柱关键解剖结构的边界上的一些体数据，也可以为脊柱关键结构对应的全部体数据。具体的部分体数据本发明实施例不作限定。

示例性的，在本发明的实施例中，用户可以通过键盘、鼠标等工具，用方框、圆、椭圆、不规则多边形针对脊柱三维体数据选择出脊柱关键解剖结构对应的体数据，也可以在脊柱三维体数据中选取几个体数据，用这些部分体数据表征脊柱关键解剖结构的位置。

需要说明的是，在本发明的实施例中，可以在超声成像设备10中设置预设结构检测方法，成像处理器106按照该检测方法即可从脊柱三维体数据中识别出脊柱关键解剖结构，预设结构检测方法的检测原理实际上都是从脊柱三维体数据中提取关键解剖结构的相关特征，以利用相关特征确定关键结构结构。预设结构检测方法可以为基于传统灰度和/或形态学等特征检测方法，也可以为基于机器学习或深度学习的检测方法，当然，还可以为其它类型的检测方法，具体的预设结构检测方法本发明实施例不作限定。

具体的，在本发明的实施例中，预设结构检测方法包括特征检测方法，成像处理器106根据预设结构检测方法，从脊柱三维体数据中识别出脊柱关键解剖结构，包括：按照特征检测方法，对脊柱三维体数据进行二值化分割和形态学处理，获得多个候选结构；基于脊柱结构特征，确定多个候选结构中的每一个结构为脊柱结构的概率，获得多个概率，并从多个概率中确定最大概率；将多个候选结构中，最大概率对应的结构确定为脊柱关键解剖结构。

可以理解的是，在本发明的实施例中，由于在发送超声波至受测脊柱之后，脊柱中的椎弓和椎体的回声较强，周围组织的回声较弱，两者存在明显的差异，可以体现在不同体数据对应的灰度值上，因此，预设结构检测方法可以选择基于传统灰度和/或形态学等特征检测方法，以实现对脊柱关键解剖结构的检测。具体的，成像处理器106基于传统灰度和/或形态学等特征检测方法，可以先对脊柱三维体数据进行二值化分割，进行一些常规必要的形态学操作之后获得多个候选结构，然后，依次对每个候选结构根据形状等特征判断为脊柱关键解剖结构的概率，最后，将概率最高的候选结构确定为脊柱关键解剖结构。当然，预设结构检测方法还可以为其它传统灰度检测和分割方法，例如，大津阈值、水平集、图割，以及蛇形算法等。

具体的，在本发明的实施例中，预设结构检测方法包括机器学习或深度学习检测方法，成像处理器106根据预设结构检测方法，从脊柱三维体数据中识别出脊柱关键解剖结构，包括：按照机器学习或深度学习检测方法，构建脊柱关键解剖结构数据库；基于脊柱关键解剖结构数据库进行模型训练，获得脊柱关键解剖结构识别模型；利用脊柱关键解剖结构识别模型，从脊柱三维体数据中识别出脊柱关键解剖结构。

可以理解的是，在本发明的实施例中，预设结构检测方法可以为基于机器学习或深度学习检测方法，该方法需要先从学习数据库中脊柱关键解剖结构和非脊柱关键解剖结构的特征或规律，在根据学习到的特征或规律对获取到的脊柱三维体数据进行自动识别。

需要说明的是，在本发明的实施例中，可以在超声成像设备10中先构建出一个数据库，该数据库中包括多个脊柱三维体数据，以及每一个脊柱三维体数据对应的脊柱关键解剖结构的标定结果，其中，标定结果可以根据实际需求进行设置，也可以是用户在脊柱三维体数据中标记的脊柱关键解剖结构的框，还可以是脊柱关键解剖结构进行精确分割的掩膜等。在构建出数据库之后，即可设计机器学习算法或深度学习算法学习数据库中脊柱关键解剖结构和非脊柱关键解剖结构的特征或规律，以实现从脊柱三维体数据识别关键脊柱解剖结构，具体实现方式包括但不限于以下几种方式。

示例性的，在本发明的实施例中，成像处理器106可以采用传统的基于滑窗的方法实现识别，针对脊柱三维体数据，可以插入滑窗依次进行遍历识别，对于当前滑窗内的结构进行特征提取，特征提取的方法可以是主成分分析(principalcomponentsanalysis，pca)、线性判别分析(lineardiscriminateanalysis，lda)、哈尔(haar)特征，以及纹理特征等，也可以是深度神经网络，之后，将提取到的特征和数据库进行匹配，用最邻近算法、支持向量机、随机森林，以及神经网络等判别器进行分类，确定当前滑窗内的结构是否为脊柱关键解剖结构，当然，还可以同时获得该结构属于脊柱关键解剖结构的哪一种类型，如脊柱等。

示例性的，在本发明的实施例中，成像处理器106可以采用基于深度学习的边框方法实现识别，通过堆叠基层卷基层和全连接层形成特定网络，对构建的数据块进行特征的学习和参数的回归，对于脊柱三维体数据可以通过特定网络直接回归出一个结构边框，该边框内的结构即为脊柱关键解剖结构，该特定网络可以为各种卷积神经网络，例如，r-cnn、fastr-cnn、faster-rcnn、ssd，以及yolo等。

示例性的，在本发明的实施例中，成像处理器106还可以基于深度学习的端到端的语义分割网络方法，与上述基于深度学习的边框方法的特定网络的结构类似，将其中的全连接层去除，加入上采样层或者反卷积层以使输入和输出尺寸相同，从而直接得到脊柱三维体数据中的脊柱关键解剖结构。

示例性的，在本发明的实施例中，成像处理器106还可以按照上述三种方法进行脊柱关键解剖结构的定位，以额外的分类器进行分类判断，确定具体的脊柱关键解剖结构是椎弓或椎体等。

需要说明的是，在本发明的实施例中，可以采用上述一种或者多种方法结合以自动识别脊柱三维体数据中的脊柱关键解剖结构，本发明实施例不作限定。

需要说明的是，在本发明的实施例中，成像处理器106还可以以半自动的方式识别脊柱三维体数据中的脊柱关键解剖结构，例如，针对脊柱三维体数据根据标记指令的指示，标记出一个较大的候选结构，之后，采用预设结构检测方法进行针对标记出的较大的候选结构，进一步精确的识别，获得脊柱关键解剖结构，本发明实施例不作限定。

s203、基于脊柱关键解剖结构对脊柱三维体数据进行优化处理，获得脊柱增强图像；脊柱增强图像包括立体增强图像和/或剖面增强图像。

在本发明的实施例中，超声成像设备10的成像处理器106在获得脊柱关键解剖结构和脊柱三维体数据之后，即可基于该脊柱关键解剖结构对脊柱三维体数据进行优化处理，从而获得脊柱增强图像。

需要说明的是，在本发明的实施例中，脊柱增强图像包括立体增强图像和/或剖面增强图像，即可以针对脊柱三维体数据的全部或者一部分进行立体化的增强成像，也可以针对脊柱三维体数据中某个剖面数据进行剖面增强成像，具体的脊柱增强图像本发明实施例不作限定。

在本发明的实施例中，成像处理器106基于脊柱关键解剖结构对脊柱三维体数据进行优化处理，获得脊柱增强图像，包括：基于脊柱关键解剖结构，对脊柱三维体数据进行灰度调整，获得目标三维体数据；根据目标三维体数据获得脊柱增强图像。

具体的，在本发明的实施例中，成像处理器106基于脊柱关键解剖结构和脊柱三维体数据，进行脊柱成像处理，获得脊柱增强图像，包括：从脊柱三维体数据中，获取该脊柱关键解剖结构包括的第一体数据和/或非第一体数据的第二体数据，并增加该第一体数据的灰度值和/或减小第二体数据的灰度值，从而获得该目标三维体数据。

例如，一个实施例中，成像处理器106可以从脊柱三维体数据中，获取脊柱关键解剖结构包括的第一体数据，以及非第一体数据的第二体数据；按照预设灰度调整方式，增加第一体数据的灰度值，获得灰度调整后的第一体数据；基于灰度调整后的第一体数据和所述第二体数据获得脊柱增强图像。

可以理解的是，在本发明的实施例中，成像处理器106从脊柱三维体数据中识别出脊柱关键解剖结构之后，实际上就是获知了脊柱关键解剖结构在脊柱三维体数据中的位置，而脊柱关键解剖结构是用户感兴趣的部分，相应的，非脊柱关键解剖结构并非需要着重查看的，因此，成像处理器106可以从脊柱三维体数据中，获取脊柱关键解剖结构包括的第一体数据，以对其灰度值进行增强，从而基于灰度调整后的第一体数据和第二体数据进行脊柱成像的优化处理，获得的脊柱增强图像中脊柱关键解剖结构的部分更加明显突出，对比度更佳。

需要说明的是，在本发明的实施例中，成像处理器106基于灰度调整后的第一体数据和第二体数据进行成像，可以包括成像处理器106直接根据灰度调整后的第一体数据和第二体数据进行脊柱成像。此外，成像处理器106中还可以设置有预设灰度减小方式，成像处理器106可以按照预设灰度减小方式减小第二体数据的灰度值，从而得到灰度调整后的第二体数据，即成像处理器106还可以基于灰度调整后的第二体数据和第一体数据进行成像，同样也可以达到脊柱增强图像中脊柱关键解剖结构的部分更加明显突出，对比度更佳的效果。当然，还可以既增加第一体数据的灰度值，又减小第二体数据的灰度值，以进行成像。具体的灰度调整方式本发明实施例不作限定。

需要说明的是，在本发明的实施例中，针对第一体数据进行灰度调整，可以为采用对应的预设调整值进行灰度值的调整，当然，也可以为机器学习或深度学习的方法进行灰度值的调整，例如，成像处理器106可以先采集多个脊柱三维体数据，并从每个脊柱三维体数据中识别出脊柱关键解剖结构，从而获取每个脊柱关键解剖结构包括的体数据以作为训练集，之后，用户可以手动调整这些体数据的灰度值到合适的范围内，将调整后的体数据作为验证集，然后用户可以自主设计一个神经网络，利用训练集和验证集进行训练，获得训练后的神经网络，利用训练后的神经网络即可自动调整脊柱三维体数据中脊柱关键解剖结构包括的第一体数据的灰度值。

在本发明的实施例中，成像处理器106基于脊柱关键解剖结构和脊柱三维体数据，进行脊柱成像的优化处理，获得脊柱增强图像，还可以包括：基于脊柱关键解剖结构确定成像参数；基于脊柱三维体数据，按照成像参数进行脊柱成像的优化处理，获得脊柱增强图像。

需要说明的是，在现有技术中，成像参数通常为用户根据经验设置的固定值，即通常情况下针对不同的脊柱三维体数据使用的成像参数基本是相同的，即使用户针对不同的脊柱三维体数据进行手动调参，也是依据经验自主调整，并不能保证获得较好的图像效果，而且，效率较低。在本发明的实施例中，成像处理器106可以基于脊柱关键解剖结构自适应的确定成像参数，不仅效率较高，而且基于用户感兴趣的脊柱关键解剖结构确定成像参数，可以较好的符合成像需求，得到的脊柱增强图像的效果也更好。

需要说明的是，在本发明的实施例中，成像处理器106基于脊柱关键解剖结构确定成像参数，其中，成像参数可以是亮度、对比度、整体增益、时间增益补偿，也可以是对脊柱三维体数据进行滤波或平滑等处理采用的参数，此外，也可以是剖面图像增强中的图像厚度等参数，具体的成像参数可以根据实际成像需求进行确定，本发明实施例不作限定。

需要说明的是，不同受测对象、不同受测组织，以及不同成像模式下所需的最优增益可能存在差异。在现有技术中，需要用户自主调整增益至合适的范围，调整过程依赖于人的主观经验，且效率较低，而在本发明的实施例中，可以基于脊柱关键解剖结构，自适应的调整增益到合适的范围。

具体的，在本发明的实施例中，成像参数包括目标增益，目标增益的类型实际上就可以包括上述的整体增益和/或时间增益补偿，成像处理器106基于脊柱关键解剖结构确定成像参数，包括：从脊柱三维体数据中，获取脊柱关键解剖结构包括的第一体数据；统计第一体数据的灰度值，获得第一体数据的灰度统计结果；根据灰度统计结果调整增益，获得目标增益。

可以理解的是，在本发明的实施例中，由于已经从脊柱三维体数据中识别出脊柱关键解剖结构，因此，成像处理器106可以直接获取到脊柱关键解剖结构包括的第一体数据，其中，不同的第一体数据均对应有各自的灰度值，成像处理器106可以统计出灰度值分布情况，即获得灰度统计结果，从而根据灰度统计结果调整增益，获得目标增益。例如，灰度统计结果为90％的灰度值大于灰度值a，增益调整方式为超过60％的灰度值大于a时将按照特定的值减小预设增益，因此，成像处理器106即减小增益，从而获得目标增益。

需要说明的是，在本发明的实施例中，进行脊柱成像的过程中，可以采用各向异性滤波去脊柱三维体数据的斑点噪声，同时保留脊柱关键解剖结构的边缘，获得质量较好的脊柱增强图像，各向异性滤波中需要设置梯度阈值参数，在进行各向异性滤波时，可以将体数据中梯度大于梯度参数阈值的体数据灰度值保留，小于的即可按照一定方式进行平滑处理。但是，不同受测对象、不同受测组织，以及不同脊柱结构所需的各向异性滤波的梯度阈值参数是不同的，因此，可以基于脊柱关键解剖结构确定梯度阈值参数。

具体的，在本发明的实施例中，成像参数包括梯度阈值参数，成像处理器106基于脊柱关键解剖结构确定成像参数，包括：从脊柱三维体数据中，获取脊柱关键解剖结构包括的第一体数据；基于第一体数据的灰度值，确定脊柱关键解剖结构的边界对应的梯度值；根据梯度值，按照预设梯度阈值计算方法确定第一体数据对应的第一梯度阈值；获取脊柱三维体数据中，脊柱关键解剖结构外的第二体数据对应的第二梯度阈值；将第一梯度阈值和第二梯度阈值确定为梯度阈值参数。

需要说明的是，在本发明的实施例中，脊柱关键解剖结构为一个闭合的结构，边界对应的梯度值实际上为多个梯度值。预设梯度阈值计算方法可以根据实际需求预先设置，例如，计算均值等方法，具体的预设梯度阈值计算方法本发明实施例不作限定。

需要说明的是，在本发明的实施例中，用户可以根据实际需求针对第二体数据设置一个较大的梯度阈值，即第二梯度阈值，用于去除斑点噪声，增强脊柱关键解剖结构的成像效果。成像处理器106可以直接获取到该第二梯度阈值，具体的第二梯度阈值本发明实施例不作限定。

需要说明的是，在本发明的实施例中，成像处理器106还可以采用脊柱三维体数据中某些体数据进行某一剖面的成像，并增加该剖面的厚度，获得剖面增强图像。

具体的，在本发明的实施例中，成像参数包括剖面厚度参数，成像处理器106基于脊柱关键解剖结构确定成像参数，包括：从脊柱三维体数据中，获取脊柱关键解剖结构的位置信息；基于位置信息确定脊柱厚度信息；根据脊柱厚度信息确定剖面厚度参数。

需要说明的是，在本发明的实施例中，成像处理器106从脊柱三维体数据中，获取脊柱关键解剖结构的位置信息，包括：从脊柱三维体数据中，获取脊柱关键解剖结构的边界对应的边界体数据；将边界体数据确定为位置信息。

需要说明的是，在本发明的实施例中，脊柱三维体数据中，每一个体数据对应有空间的x、y，以及z轴坐标，因此，成像处理器106获取脊柱关键解剖结构的边界对应的边界体数据，即可根据相关坐标信息计算出脊柱厚度信息，根据该脊柱厚度信息确定剖面厚度参数，即需要对剖面叠加的厚度，以获得剖面增强图像，成像处理器106根据脊柱厚度信息确定剖面厚度参数可以按照一定规则，也可以预设一定的算法或者预设计算方式，本发明实施例不作限定。

可以理解的是，在本发明的实施例中，成像处理器106基于脊柱关键解剖结构和脊柱三维体数据生成立体增强图像的过程中，实际上还可以包括利用光线跟踪等三维渲染算法渲染进行立体渲染等其它常规处理，在此不再赘述。

s204、将脊柱增强图像进行显示。

在本发明的实施例中，超声成像设备10的成像处理器106获得脊柱增强图像之后，显示器107即可将脊柱增强图像进行显示。

图3为本发明实施例提供的一种示例性的常规脊柱图像。如图3所示，采用现有技术进行脊柱图像的生成，脊柱关键解剖结构较为模糊，成像效果较差。

图4为本发明实施例提供的一种示例性的脊柱增强图像。如图4所示，采用本发明的超声成像方法进行成像，脊柱与非脊柱对比明显，结构更加明显，成像效果更佳。

本发明实施例提供的一种超声成像方法，获取脊柱三维体数据；从脊柱三维体数据中，识别出脊柱关键解剖结构；基于脊柱关键解剖结构和脊柱三维体数据，进行脊柱成像处理，获得脊柱增强图像；脊柱增强图像包括立体增强图像和/或剖面增强图像；将脊柱增强图像进行显示。本发明实施例提供的技术方案，通过在脊柱三维体数据中识别脊柱关键解剖结构，以辅助进行脊柱成像，不仅成像效率较高，而且提高了成像效果。

本发明实施例还提供了一种针对二维数据的超声成像方法。图5为本发明实施例提供的一种超声成像方法的流程示意图二。如图5所示，主要包括以下步骤：

s501、获取脊柱二维切面数据。

在本发明的实施例中，成像处理器106可以先获取脊柱二维切面数据，以进行后续超声成像处理。

具体的，在本发明的实施例中，成像处理器106获取脊柱二维切面数据，包括：获取脊柱三维体数据；根据预设切面选取方式或接收到的选取指令，从脊柱三维体数据中选取脊柱二维切面数据。

需要说明的是，在本发明的实施例中，成像处理器106获取脊柱三维体数据的过程与上述步骤s201完全相同，即均是先通过超声成像设备10中发射电路102、超声探头100、接收电路103、波束合成器104，以及信号处理器105获得已处理的超声回波信号，成像处理器106根据已处理的超声回波信号即可获取脊柱三维体数据。具体获取脊柱三维体数据的方式参见步骤s201，在此不再赘述。

可以理解的是，在本发明的实施例中，用户可以通过键盘、鼠标等工具，直接发送选取指令至成像处理器106，成像处理器106根据选取指令，即可直接从脊柱三维体数据中选取出脊柱二维切面数据。脊柱二维切面数据即为脊柱三维体数据中，表征某一脊柱切面上的全部数据，具体的脊柱二维切面数据可以根据实际成像需求确定，本发明实施例不作限定。

可以理解的是，在本发明的实施例中，成像处理器106还可以根据预设切面选取方式进行脊柱二维切面数据的自动选取。例如，成像处理器106可以根据一定的数据检测方法，将包含特定类型数据最多的面的数据作为脊柱二维切面数据，此外，还可以将数据z坐标为某一特定值的全部数据选取出来，作为脊柱二维切面数据。具体的预设切面选取方式可以根据实际需求自定义，本发明实施例不作限定。

s502、从脊柱二维切面数据中，识别出脊柱关键解剖区域。

在本发明的实施例中，成像处理器106在获取到脊柱二维切面数据之后，即可从脊柱二维切面数据中，进一步识别出脊柱关键解剖区域。

需要说明的是，在本发明的实施例中，成像处理器106从脊柱二维切面数据中，识别出脊柱关键解剖区域的方式与上述步骤s202相同。成像处理器106可以以标记指令和/或预设结构检测方法进行脊柱关键解剖区域识别，其中，预设结构检测方法也可以为特征检测方法，以及机器学习或深度学习检测方法等，与上述步骤s202的区别仅在于识别对象的不同，本步骤识别针对的是脊柱二维切面数据，但是，识别过程和原理完全一致，在此不再赘述。

s503、基于脊柱关键解剖区域对脊柱二维切面数据进行优化处理，获得脊柱增强图像。

在本发明的实施例中，成像处理器106在从脊柱二维切面数据中识别出脊柱关键解剖区域之后，即可基于脊柱关键解剖区域对脊柱二维切面数据进行优化处理，获得脊柱增强图像。

在本发明的实施例中，成像处理器106基于脊柱关键解剖区域对脊柱二维切面数据进行优化处理，获得脊柱增强图像，包括：基于脊柱关键解剖区域，对脊柱二维切面数据进行灰度调整，获得目标二维切面数据；根据目标二维切面数据进行脊柱成像的优化处理，获得脊柱增强图像。

具体的，在本发明的实施例中，成像处理器106基于脊柱关键解剖区域，对脊柱二维切面数据进行灰度调整，获得目标二维切面数据，包括：从脊柱二维切面数据中，获取脊柱关键解剖区域包括的第一切面数据和/或脊柱关键解剖区域外的第二切面数据；增加第一切面数据的灰度值和/或第二切面数据，获得灰度调整后的第一切面数据和/或灰度调整后的第二切面数据；将灰度调整后的第一切面数据和/或第二切面数据进确定为目标二维切面数据。

需要说明的是，在本发明的实施例中，与上述步骤s203中基于脊柱关键解剖结构，对脊柱三维体数据进行灰度调整的方式类似，成像处理器106还可以仅减小第二切面数据的灰度值，将第一切面数据和灰度调整后的第二切面数据确定为目标二维切面数据，或者，既增加第一切面数据的灰度值，又减小第二切面数据的灰度值，将灰度调整后的第一切面数据和灰度调整后的第二切面数据确定为目标二维切面数据。具体的灰度调整方式本发明实施例不作限定。

在本发明的实施例中，成像处理器106基于脊柱关键解剖区域和脊柱二维切面数据，进行脊柱成像的优化处理，获得脊柱增强图像，还可以包括：基于脊柱关键解剖区域确定成像参数；基于脊柱二维切面数据，按照成像参数进行脊柱成像的优化处理，获得脊柱增强图像。

需要说明的是，在本发明的实施例中，成像处理器106基于脊柱关键解剖区域确定成像参数的方式与上述步骤s203中，基于脊柱关键解剖结构确定成像参数类似，区别仅在于本步骤针对的是二维成像的相关参数，相比于步骤s203，也可以确定增益、梯度阈值参数等参数，但是，针对于二维成像，实际上不能确定剖面厚度参数，因为当前脊柱二维体切面数据仅为一个脊柱面上的数据，是平面数据，无法衡量厚度。具体确定成像参数的方式详见步骤s203，在此不再赘述。

s504、将脊柱增强图像进行显示。

在本发明的实施例中，成像处理器106基于脊柱关键解剖区域和脊柱二维切面数据，进行脊柱成像的优化处理，获得脊柱增强图像之后，107显示器即可将脊柱增强图像进行显示。

需要说明的是，在本发明的实施例中，成像处理器106是基于脊柱关键解剖区域和脊柱二维切面数据，进行脊柱成像的优化处理，因此，获得的脊柱增强图像实际上是二维切面图像。

本发明实施例提供了一种超声成像方法，获取脊柱二维切面数据；从脊柱二维切面数据中，识别出脊柱关键解剖区域；基于脊柱关键解剖区域和脊柱二维切面数据，进行脊柱成像的优化处理，获得脊柱增强图像；将脊柱增强图像进行显示。本发明实施例提供的技术方案，通过在脊柱二维切面数据中识别脊柱关键解剖区域，以辅助进行脊柱成像，不仅成像效率较高，而且提高了成像效果。

如图1所示，本发明实施例提供了一种超声成像设备，所述超声成像设备包括：

探头100；

发射/接收选择开关101；

发射电路102，用于激励所述探头100向受测脊柱发射超声波；

接收电路103，用于通过所述探头100接收从所述受测脊柱返回的超声回波，以获得超声回波信号；

波束合成器104，用于对所述超声回波信号进行波束合成处理，获得波束合成后的超声回波信号；

信号处理器105，用于对所述波束合成后的超声回波信号进行信号处理，获得已处理的超声回波信号；

成像处理器106，用于根据所述已处理的超声回波信号获取脊柱三维体数据；从所述脊柱三维体数据中，识别出脊柱关键解剖结构；基于所述脊柱关键解剖结构对所述脊柱三维体数据进行优化处理，获得脊柱增强图像，其中所述脊柱增强图像包括立体增强图像和/或剖面增强图像；

显示器107，用于将所述脊柱增强图像进行显示。

可选的，所述成像处理器106，具体用于获取标记指令和/或预设结构检测方法；根据所述标记指令和/或所述预设结构检测方法，从所述脊柱三维体数据中识别出所述脊柱关键解剖结构。

可选的，所述成像处理器106，具体用于根据所述标记指令的指示，对所述脊柱三维体数据中的部分体数据进行标记；将所述部分体数据包围的结构确定为所述脊柱关键解剖结构。

可选的，所述预设结构检测方法包括特征检测方法，所述成像处理器106，具体用于按照所述特征检测方法，对所述脊柱三维体数据进行二值化分割和形态学处理，获得多个候选结构；基于脊柱结构特征，确定所述多个候选结构中的每一个结构为脊柱结构的概率，获得多个概率，并从所述多个概率中确定最大概率；将所述多个候选结构中，所述最大概率对应的结构确定为所述脊柱关键解剖结构。

可选的，所述预设结构检测方法包括机器学习或深度学习检测方法，所述成像处理器106，具体用于按照所述机器学习或深度学习检测方法，构建脊柱关键解剖结构数据库；基于所述脊柱关键解剖结构数据库进行模型训练，获得脊柱关键解剖结构识别模型；利用所述脊柱关键解剖结构识别模型，从所述脊柱三维体数据中识别出所述脊柱关键解剖结构。

可选的，所述成像处理器106，具体用于基于所述脊柱关键解剖结构，对所述脊柱三维体数据进行灰度调整，获得目标三维体数据；根据所述目标三维体数据获得所述脊柱增强图像。

可选的，所述成像处理器106，具体用于从所述脊柱三维体数据中，获取所述脊柱关键解剖结构包括的第一体数据；增加所述第一体数据的灰度值，获得所述目标三维体数据；和/或，从所述脊柱三维体数据中，获取与所述脊柱关键解剖结构包括的第一体数据不同的第二体数据；减小所述第二体数据的灰度值，获得所述目标三维体数据。

可选的，所述成像处理器106，具体用于基于所述脊柱关键解剖结构确定成像参数；根据确定的成像参数优化所述脊柱三维体数据，获得所述脊柱增强图像。

可选的，所述成像参数包括目标增益，

所述成像处理器106，具体用于从所述脊柱三维体数据中，获取所述脊柱关键解剖结构包括的第一体数据；统计所述第一体数据的灰度值，获得所述第一体数据的灰度统计结果；根据所述灰度统计结果调整增益，获得所述目标增益。

在上述超声成像设备中，所述成像参数包括梯度阈值参数，

所述成像处理器106，具体用于从所述脊柱三维体数据中，获取所述脊柱关键解剖结构包括的第一体数据；基于所述第一体数据的灰度值，确定所述脊柱关键解剖结构的边界对应的梯度值；根据所述梯度值，按照预设梯度阈值计算方法确定所述第一体数据对应的第一梯度阈值；获取所述脊柱三维体数据中，所述脊柱关键解剖结构外的第二体数据对应的第二梯度阈值；将所述第一梯度阈值和所述第二梯度阈值确定为所述梯度阈值参数。

在上述超声成像设备中，所述成像参数包括剖面厚度参数，

所述成像处理器106，具体用于从所述脊柱三维体数据中，获取所述脊柱关键解剖结构的位置信息；基于所述位置信息确定脊柱厚度信息；根据所述脊柱厚度信息确定所述剖面厚度参数。

在上述超声成像设备中，所述成像处理器106，具体用于从所述脊柱三维体数据中，获取所述脊柱关键解剖结构的边界对应的边界体数据；将所述边界体数据确定为所述位置信息。

如图1所示，本申请实施例提供了一种超声成像设备，所述超声成像设备包括：

探头100；

发射/接收选择开关101；

发射电路102，用于激励所述探头100向受测脊柱发射超声波；

接收电路103，用于通过所述探头100接收从所述受测脊柱返回的超声回波，以获得超声回波信号；

波束合成器104，用于对所述超声回波信号进行波束合成处理，获得波束合成后的超声回波信号；

信号处理器105，用于对所述波束合成后的超声回波信号进行信号处理，获得已处理的超声回波信号；

成像处理器106，用于基于所述已处理的超声回波信号获取脊柱二维切面数据；从所述脊柱二维切面数据中，识别出脊柱关键解剖区域；基于所述脊柱关键解剖区域对所述脊柱二维切面数据进行优化处理，获得脊柱增强图像；

显示器107，用于将所述脊柱增强图像进行显示。

可选的，所述成像处理器106，具体用于根据所述已处理的超声回波信号获取脊柱三维体数据；根据预设切面选取方式或接收到的选取指令，从所述脊柱三维体数据中选取所述脊柱二维切面数据。

可选的，所述成像处理器106，具体用于基于所述脊柱关键解剖区域，对所述脊柱二维切面数据进行灰度调整，获得所述脊柱增强图像。

可选的，所述成像处理器106，具体用于从所述脊柱二维切面数据中，获取所述脊柱关键解剖区域包括的第一切面数据，以及所述脊柱关键解剖区域外的第二切面数据；增加所述第一切面数据的灰度值，获得所述脊柱增强图像；和/或，从所述脊柱二维切面数据中，获取与所述脊柱关键解剖结构包括的第一切面数据不同的第二切面数据；减小所述第二切面数据的灰度值，获得所述脊柱增强图像。

可选的，所述成像处理器106，具体用于基于所述脊柱关键解剖区域确定成像参数；根据确定的成像参数优化所述脊柱二维切面数据，获得所述脊柱增强图像。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有超声成像程序，该超声成像程序可以被处理器执行，以实现上述超声成像方法。计算机可读存储介质可以是是易失性存储器(volatilememory)，例如随机存取存储器(random-accessmemory，ram)；或者非易失性存储器(non-volatilememory)，例如只读存储器(read-onlymemory，rom)，快闪存储器(flashmemory)，硬盘(harddiskdrive，hdd)或固态硬盘(solid-statedrive，ssd)；也可以是包括上述存储器之一或任意组合的各自设备，如移动电话、计算机、平板设备、个人数字助理等。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程信号处理设备的处理器以产生一个机器，使得通过计算机或其他可编程信号处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程信号处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程信号处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。