本申请涉及医疗,特别涉及一种基于奇异值分解的超声彩色血流滤波方法。
背景技术:
1、在超声系统中,c模式(彩色血流成像)是重要的一部分,但血流信号经常会受到组织信号杂波的影响,因此杂波抑制是超声多普勒成像的重要一环。
2、传统超声系统采用时域滤波器逐点进行滤除杂波,没有利用信号的时空分布信息,往往导致血流检测不准。而目前有一种新的滤波器——svd(奇异值分解,singularvalue decomposition)滤波器,采用超声彩色血流时空滤波算法,充分利用信号的时空信息,可以更准确的滤除杂波,使得血流信号更准确。但该滤波方法的滤波结果有时也不够准确,故此该滤波方法也有一定局限性。
技术实现思路
1、本申请的目的是提供一种基于奇异值分解的超声彩色血流滤波方法,用以解决现有技术中svd滤波方法有一定局限性的问题。
2、第一方面,本申请提供一种基于奇异值分解的超声彩色血流滤波方法,所述方法包括:
3、获取检测目标的第一c模式图像;
4、基于第一阈值,对所述第一c模式图像进行奇异值svd分解和重构,得到第二c模式图像;
5、将所述第二c模式图像进行svd分解,得到第一u图像与组织信号相关的至少一张第一子图;
6、分析所述至少一张第一子图中组织信号的第一占比;
7、若所述第一占比高于阈值门限,则提高所述第一阈值,得到目标阈值;
8、若所述第一占比不高于所述阈值门限,则将所述第一阈值作为所述目标阈值;
9、基于所述目标阈值对所述第一c模式图像进行滤波处理。
10、在一些实施例中,所述基于所述目标阈值对所述第一c模式图像进行滤波处理之前,所述方法还包括:
11、降低所述目标阈值,得到第二阈值;
12、基于所述第二阈值对所述第一c模式图像进行奇异值svd分解和重构,得到第三c模式图像;
13、将所述第二c模式图像进行svd分解,得到第二u图像与组织信号相关的至少一张第二子图;
14、分析所述至少一张第二子图中组织信号的第二占比;
15、若所述第二占比高于阈值门限,则提高所述第二阈值,得到所述目标阈值;
16、若所述第二占比不高于所述阈值门限,则将所述第二阈值作为所述目标阈值。
17、在一些实施例中,所述若所述第二占比高于阈值门限,则提高所述第二阈值,得到所述目标阈值,若所述第二占比不高于所述阈值门限,则将所述第二阈值作为所述目标阈值之后,且所述基于所述目标阈值对所述第一c模式图像进行滤波处理之前,所述方法还包括:
18、将所述目标阈值作为所述第一阈值,返回执行所述基于第一阈值,对所述第一c模式图像进行奇异值svd分解和重构,得到第二c模式图像的步骤,直至满足迭代终止条件。
19、在一些实施例中,所述迭代终止条件包括迭代执行n次,n为大于等于1的正整数;
20、或者,所述迭代终止条件包括相邻两次迭代得到的目标阈值相同。
21、在一些实施例中,所述方法还包括:
22、获取所述检测目标的b模式图像;
23、针对所述第一子图或所述第二子图中的任一目标子图,分析所述目标子图中组织信号的占比,具体包括:
24、计算所述目标子图和所述b模式图像的相似度,得到所述目标子图中组织信号的占比。
25、在一些实施例中,针对所述第一子图或所述第二子图中的任一目标子图,分析所述目标子图中组织信号的占比,具体包括:
26、将所述目标子图的数据输入神经网络模型,通过神经网络模型得到所述目标子图中信号的占比。
27、在一些实施例中,与组织信号相关的至少一张第一子图或所述第二子图包括将所述第二c模式图像进行svd分解后,在空间信息上的第一个信号成分的图像。
28、在一些实施例中,所述提高所述第一阈值和/或提高所述第二阈值,具体包括:
29、将所述第一阈值加1和/或将所述第二阈值加1;
30、降低所述目标阈值,具体包括:
31、将所述目标阈值减1。
32、第二方面,本申请提供一种超声设备,包括处理器和存储器:
33、所述存储器,用于存储可被所述处理器执行的计算机程序;
34、所述处理器与所述存储器连接,被配置为执行所述指令以实现如上述第一方面中任一项所述的基于奇异值分解的超声彩色血流滤波方法。
35、第三方面,本申请提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由超声设备执行时,使得所述超声设备能够执行如上述第一方面中任一项所述的基于奇异值分解的超声彩色血流滤波方法。
36、第四方面,本申请提供一种计算机程序产品,包括计算机程序:
37、所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的基于奇异值分解的超声彩色血流滤波方法。
38、本申请的实施例提供的技术方案至少带来以下有益效果:
39、本申请实施例通过获取检测目标的第一c模式图像;基于第一阈值,对所述第一c模式图像进行svd分解和重构,得到第二c模式图像;将所述第二c模式图像进行svd分解,得到第一u图像与组织信号相关的至少一张第一子图;分析所述至少一张第一子图中组织信号的第一占比:若所述第一占比高于阈值门限,则提高所述第一阈值,得到目标阈值,若所述第一占比不高于所述阈值门限,则将所述第一阈值作为所述目标阈值;基于所述目标阈值对所述第一c模式图像进行滤波处理。由此可以实现根据实时的信号特征自适应确定最合适的目标阈值,更好的利用信号的时空信息更准确的滤除杂波,使得血流信号更准确。
40、本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
1.一种基于奇异值分解的超声彩色血流滤波方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标阈值对所述第一c模式图像进行滤波处理之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述若所述第二占比高于阈值门限,则提高所述第二阈值,得到所述目标阈值,若所述第二占比不高于所述阈值门限,则将所述第二阈值作为所述目标阈值之后,且所述基于所述目标阈值对所述第一c模式图像进行滤波处理之前,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述迭代终止条件包括迭代执行n次,n为大于等于1的正整数;
5.根据权利要求2或3所述的方法,其特征在于,所述方法还包括:
6.根据权利要求2或3所述的方法,其特征在于,针对所述第一子图或所述第二子图中的任一目标子图,分析所述目标子图中组织信号的占比,具体包括:
7.根据权利要求2或3所述的方法,其特征在于,与组织信号相关的至少一张第一子图或所述第二子图包括将所述第二c模式图像进行svd分解后,在空间信息上的第一个信号成分的图像。
8.根据权利要求2所述的方法,其特征在于,所述提高所述第一阈值和/或提高所述第二阈值,具体包括:
9.一种超声设备,其特征在于,包括处理器和存储器:
10.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由超声设备执行时,使得所述超声设备能够执行如权利要求1-8中任一项所述的基于奇异值分解的超声彩色血流滤波方法。