一种基于闭环最短路径的B超图像胎儿头围检测方法与流程

本发明涉及图像处理技术领域，尤其涉及一种基于闭环最短路径的b超图像胎儿头围检测方法。

背景技术：

随着产前检查的普及和技术的进步，大部分的胎儿出生缺陷已经能够在产前被发现，从而能够进行适当的干预。产检超声作为一种非侵入式产前诊断方法，对诊断出生缺陷可以说是至关重要。b超也称为二维超声，原理就是向体内发射超声波，具有穿透能力，遇到屏障会产生回声，不同的屏障回声的方式也不同，利用电脑收集这些回声，转化为相应的图像在屏幕上显示出来。

目前，利用b超对胎儿生物测量是人工进行的，测量的准确性取决于两个因素：临床医生应获得适当的平面和卡尺必须正确定位。但是，这些因素与人为操作相关，并且涉及多个击键和探测动作，非常耗时，诊断效率低下。因此，为了改善工作流程和减少数据采集中的不准确性，对胎儿生物特征参数的自动估计的需求越来越大。在孕妇怀孕期间，超声成像用于测量胎儿的生物特征。这些测量参数之一是胎儿的头围(hc)在胎头的特定横截面(称为标准平面)中测量，可用于估计胎龄并监测胎儿的生长。

技术实现要素：

本发明的目的在于提供一种基于闭环最短路径的b超图像胎儿头围检测方法。

本发明采用的技术方案是：

一种基于闭环最短路径的b超图像胎儿头围检测方法，其具体步骤如下：

步骤1，获取b超图像并按设定比例缩小得到缩略图；

步骤2，将缩略图的坐标由笛卡尔坐标转换为极坐标；

步骤3，基于极坐标平面进行有向图建模并求取头围的最优的最短路径，

步骤4，将获取的最短路径进行坐标变换并放大还原叠加显示于b超图像上得到最终识别结果。

进一步地，步骤2中笛卡尔坐标转换为极坐标的转换公式如下：

其中，点(x,y)表示缩略图的任一像素，点(xc,yc)表示缩略图的中心点，(r,θ)表示点(x,y)转换后的极坐标。

进一步地，步骤3的具体步骤如下：

步骤3-1，对极坐标平面的所有像素值v(θ,r)进行反色处理，

步骤3-2，进行有向图建模：将极坐标平面的缩略图的每个像素作为节点，建立像素节点之间的联系形成有向图的边，进而得到路径集合，并基于路径集合确定路径长度计算式；

步骤3-3，组合dijkstra算法和三分检索算法对反色的极坐标缩略图求解最优最短路径；

进一步地，步骤3-2的有向图建模的具体表达如下：

步骤3-2-1，设极坐标平面的像素节点为集合n，位置(θ,r)的节点表示为n(θ,r)，n∈n；则边的集合表示为e，其公式如下：

e＝{(na,nb)|(na,nb)∈n,θa＝θb-1,|ra-rb|≤1}

其中，边na,nb∈n；

步骤3-2-2，路径的集合表示为p，则其计算公式如下：

p＝{ni|ni∈n,i∈zu,(ni,ni+1)∈n,ru＝r1}

步骤3-2-3，确定路径长度l(p)的公式，计算公式如下

其中，c为边的权重函数。

进一步地，步骤3-3的最短路径的具体计算步骤如下：

步骤3-3-1，使用dijkstra算法计算从起始点s的最短路径，其中s＝{nj|nj∈n,j∈zv,θj＝1}；

步骤3-3-2，利用三分检索算法找出近似最优的最短路径，最短路径长度l(p(rs))|s∈s表示为关于rs的函数，其中rs∈zv。

进一步地，步骤4具体包括如下步骤：

步骤4-1，对近似最优最短路径的坐标进行笛卡尔还原，公式如下：

x＝r·cosθ+xc

y＝r·sinθ+yc

其中，坐标(x,y)表示为笛卡尔坐标的第x行、第y列的像素坐标；(xc,yc)为b超图像的像素中心点；(r,θ)表示极坐标空间；

步骤4-2，按照之前设定的缩放比例将路径坐标还原到原始图像大小，并将还原后的路径与原始图像叠加，得到最终的头围识别结果。

本发明采用以上技术方案，获取b超图像并按设定比例缩小得到缩略图并将缩略图的坐标由笛卡尔坐标转换为极坐标，转化为极坐标的优势在于能将计算得到路径在后续的步骤中还原回封闭的路径，保证了检测头围作为一个封闭椭圆形的基本要求。由于实际的胎儿头围b超影像中，通常会出现前额和后脑勺部分头骨影像不明显或者模糊的情况，本发明进而使用最短路径算法进行路径寻优，使得在路径寻优的过程中能保证了路径的连续性和对丢失部分的准确识别，有较高的识别率，有效地避免了边缘检测在这种情况下容易出现边缘断层和缺失的情况。本发明的方法可迅速准确地对b超标准平面图像中胎儿的头围(hc)进行自动测量，并给出头围的测量曲线，作为计算机辅助产前b超分析诊断的第一步，降低医生工作量，减少测量误差，可快速评估胎龄和胎儿生长发育的情况。

附图说明

以下结合附图和具体实施方式对本发明做进一步详细说明；

图1为本发明获取的原始的b超图像示意图；

图2为本发明比例缩小后的缩略图示意图；

图3为笛卡尔坐标系到极坐标系转换的示意图；

图4为b超缩略图进行极坐标变换后的图像；

图5为有向图建模示意图；

图6为本发明的三分检索算法过程示意图；

图7为组合dijkstra算法和三分检索算法对反色的极坐标缩略图求解近似最优最短路径结果示意图

图8为现有技术中非闭环头围影像的边缘检测效果的前后对比示意图；

图9为本发明笛卡尔坐标系还原后的效果示意图；

图10为本发明得到的最终头围识别路径示意图；

图11为本发明一种基于闭环最短路径的b超图像胎儿头围检测方法的流程示意图。

具体实施方式

如图1至图11之一所示，本发明公开了一种基于闭环最短路径的b超图像胎儿头围检测方法，首先，考虑到对b超图像中像素级搜索的效率问题，对b超图像进行缩小；其次，考虑到胎儿头围是封闭的类椭圆形形状，将缩略图从笛卡尔坐标体系转换到极坐标体系；然后，对转换后的头围b超图像进行灰度反色处理，并对图像建立图论模型，再运用dijkstra算法和三分检索算法求出近似最优的最短路径；最终，将该最短路径上的像素坐标还原到笛卡尔坐标系，再等比例放大到原图大小，并在原图上标注出头围，算出hc的长度，其具体步骤如下：

步骤1，获取b超图像并按设定比例缩小得到缩略图；

具体地，如图1和图2所示，以当前的b超图像，对全图直接进行操作对计算机负担较大，因此，首先提取与原始图像比例为1:10的缩略图，在缩略图上进行进一步操作。

步骤2，正常b超图像是以笛卡尔坐标系(即直角坐标系)呈现的，坐标(x,y)表示为第x行、第y列的像素坐标。将缩略图的坐标由笛卡尔坐标转换为极坐标，对笛卡尔坐标系的b超图像的每个像素(x,y)基于中心点(xc,yc)进行极坐标变换，转换为(r,θ)表示的极坐标空间，笛卡尔坐标转换为极坐标的转换公式如下：

其中，点(x,y)表示缩略图的任一像素，点(xc,yc)表示缩略图的中心点，(r,θ)表示点(x,y)转换后的极坐标。

如图3所示，对于笛卡尔坐标系的像素(x,y)在极坐标变换后的(r,θ)坐标在平面呈现示意图。如图4所示，b超的缩略图经过极坐标变换后的极坐标平面图。由此可见，极坐标转化方法的优势在于能将计算得到路径在后续的步骤中还原回封闭的路径，保证了检测头围作为一个封闭椭圆形的基本要求。

步骤3，基于极坐标平面进行有向图建模并求取头围的最优的最短路径，具体步骤如下：

步骤3-1，对极坐标平面的所有像素值v(θ,r)进行反色处理，虑到b超图像为灰度图，且头围骨部分高亮(灰度值高)，对极坐标平面的所有像素值v(θ,r)进行反色处理，即v′(θ,r)＝255-v(θ,r)，便于最短路径求解。

步骤3-2，进行有向图建模：将极坐标平面的缩略图的每个像素作为节点node，建立像素节点之间的联系形成有向图的边edge。对于一个u×v的极坐标平面的缩略图，设zu＝[1,2,…,u]，zv＝[1,2,…,v]，则其有向建模的示意图如图5所示.

基于上述有向图建模，则有表达如下：

步骤3-2-1，设极坐标平面的像素节点为集合n，位置(θ,r)的节点表示为n(θ,r)，n∈n；则边的集合表示为e，其公式如下：

e＝{(na,nb)|(na,nb)∈n,θa＝θb-1,|ra-rb|≤1}

其中，边na,nb∈n；

步骤3-2-2，路径的集合表示为p，则其计算公式如下：

p＝{ni|ni∈n,i∈zu,(ni,ni+1)∈n,ru＝r1}

步骤3-2-3，确定路径长度l(p)的公式，计算公式如下

其中，c为边的权重函数。

步骤3-3，组合dijkstra算法和三分检索算法对反色的极坐标缩略图求解最优最短路径，具体计算步骤如下：

2、步骤3-3-1，使用dijkstra算法计算从起始点s的最短路径，其中s＝{nj|nj∈n,j∈zv,θj＝1}；算法伪代码如下：

步骤3-3-2，利用三分检索算法找出近似最优的最短路径，最短路径长度l(p(rs))|s∈s表示为关于rs的函数，其中rs∈zv。如图6所示为三分检索算法过程示意图，其中left＝min(rs)，right＝max(rs)，且三分检索算法伪代码如下：

如图7所示，组合dijkstra算法和三分检索算法对反色的极坐标缩略图求解近似最优最短路径结果。

可见，在实际的胎儿头围b超影像中，通常会出现前额和后脑勺部分头骨影像不明显或者模糊的情况，使用最短路径算法的优势在于在路径寻优的过程中能保证了路径的连续性和对丢失部分的准确识别，有较高的识别率；进而有效的避免边缘检测在这种情况下容易出现的如图8所示的边缘断层和缺失情况。

步骤4，将获取的最短路径进行坐标变换并放大还原叠加显示于b超图像上得到最终识别结果。

具体步骤为：步骤4-1，对近似最优最短路径的坐标进行笛卡尔还原，公式如下：

x＝r·cosθ+xc

y＝r·sinθ+yc

如图9所示，缩略图进行笛卡尔坐标系还原的效果示意图。

步骤4-2，按照之前设定的缩放比例将路径坐标还原到原始图像大小，并将还原后的路径与原始图像叠加，得到如图10所示的最终的头围识别结果。

本发明采用以上技术方案，获取b超图像并按设定比例缩小得到缩略图并将缩略图的坐标由笛卡尔坐标转换为极坐标，转化为极坐标的优势在于能将计算得到路径在后续的步骤中还原回封闭的路径，保证了检测头围作为一个封闭椭圆形的基本要求。由于实际的胎儿头围b超影像中，通常会出现前额和后脑勺部分头骨影像不明显或者模糊的情况，本发明进而使用最短路径算法进行路径寻优，使得在路径寻优的过程中能保证了路径的连续性和对丢失部分的准确识别，有较高的识别率，有效地避免了边缘检测在这种情况下容易出现边缘断层和缺失的情况。本发明的方法可迅速准确地对b超标准平面图像中胎儿的头围(hc)进行自动测量，并给出头围的测量曲线，作为计算机辅助产前b超分析诊断的第一步，降低医生工作量，减少测量误差，可快速评估胎龄和胎儿生长发育的情况。