一種彈性成像中的位移檢測方法、裝置及系統的制作方法

專利名稱：一種彈性成像中的位移檢測方法、裝置及系統的制作方法
技術領域：
本發明涉及一種超聲成像領域，尤其是一種彈性成像中的位移檢測方法、裝置及系統。
背景技術：
超聲弾性成像作為癌癥檢測，尤其是乳腺癌良性惡性判別中，是對B模式聲像圖檢測的重要輔助手段，快速應用于臨床。超聲弾性成像主要是通過超聲成像手段，獲取目標組織的超聲回波信息，再通過特定的算法檢測出組織彈性信息，并以圖像形式直觀顯示出來，以輔助醫生診斷或治療。傳統的超聲弾性成像方法需要探頭輕微壓縮組織或者借助人體自身的呼吸、血管 搏動等過程，獲取先后兩幀超聲回波信號，然后通過特定的位移檢測方法，獲得兩幀信號之間的位移(displacement)，即為目標組織在兩個不同時刻空間位置變化信息，通過對位移求軸向(axial)梯度，即可得到組織的軸向應變(strain)信息。該應變信息即可反映組織的彈性，在相同外力壓縮下，strain越大,表示組織越硬,strain越小,則表示組織越軟。將目標組織區域的strain信息以圖像形式表現出來，可直觀反映不同組織間的軟硬差別或彈性差別，即為應變圖像(strain image)。這種方式又叫做應變成像(strain imaging)。弾性成像系統中，位移檢測的計算量的大小、檢測的準確性、各位移點的連續性等，都影響著最終應變圖像(strain image)的質量以及實時顯像的巾貞率。位移檢測通常采用塊匹配(block-matching)的思路,對于兩巾貞信號,在第一巾貞中選定某一目標數據區域，稱作核(kernel),在另ー巾貞中設置一定檢索區域(search area), 然后找出捜索區域中與核數據相關性最大的位置，則該位置相對于原核數據位置的偏移量即為上述核數據的位移量。但為了保證能找到最相關的位置，該搜索區域需要足夠大，這就意味著計算量増大，給系統的實時實現帶來困難。此外，位移檢測以相關性的判斷為基礎，但有些情況下，形變會導致數據間較大的去相關(decorrelation)，此時同一信號源的兩幀數據之間相關性很差，以此為基礎得到的位移結果本身是不準確的，甚至是錯誤的，對于錯誤的結果，系統不能自行糾正或者通知用戶，影響使用效果。

發明內容
本發明要解決的技術問題是，提供一種彈性成像中的位移檢測方法，可以對位移檢測結果進行處理，便于用戶使用；還提供一種彈性成像中的位移檢測方法，可以減少捜索過程中需要的計算量。為解決上述技術問題，本發明采用以下技術方案一種彈性成像中的位移檢測方法，包括確定目標位置；通過過程函數計算相關性搜索與目標位置相關性最大的位置；
使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的捜索質量得分。一種彈性成像中的位移檢測方法，包括確定目標位置；獲取目標位置的較前計算點的位移估計值；使用所述較前計算點的位移估計值計算目標位置的位移初始值；在距離所述目標位置的位移初始值附近進行相關性檢測，查找相關性最大的位置，該位置相對于目標位置的偏移量即為位移值。一種彈性成像中的位移檢測方法，包括
獲取采樣數據；劃分網格，獲得用于位移檢測的位移檢測估計點； 確定目標位置,所述目標位置來自位移檢測估計點；獲取目標位置的較前計算點的位移估計值；使用所述較前計算點的位移估計值計算目標位置的位移初始值；在距離所述目標位置的位移初始值附近進行相關性檢測，通過過程函數計算相關性捜索與目標位置相關性最大的位置，該位置相對于目標位置的偏移量即為位移值；使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的捜索質量得分。一種彈性成像中的位移檢測裝置，包括目標確定裝置，用于確定目標位置；捜索裝置，用于通過過程函數計算相關性搜索與目標位置相關性最大的位置；得分獲取裝置，用于使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分。一種彈性成像中的位移檢測裝置，包括目標確定裝置，用于確定目標位置；較前點數據獲取裝置，用于獲取目標位置的較前計算點的位移估計值；位移初始值獲取裝置，用于使用所述較前計算點的位移估計值計算目標位置的位移初始值；相關性檢測裝置，用于在距離所述目標位置的位移初始值附近進行相關性檢測，查找相關性最大的位置，該位置相對于目標位置的偏移量即為位移值。一種彈性成像中的位移檢測裝置，包括采樣裝置，用于獲取采樣數據；網格裝置，用于劃分網格，獲得用于位移檢測的位移檢測估計點；目標確定裝置,用于確定目標位置，所述目標位置來自位移檢測估計點；較前點數據獲取裝置，用于獲取目標位置的較前計算點的位移估計值；位移初始值獲取裝置，用于使用所述較前計算點的位移估計值計算目標位置的位移初始值；相關性檢測裝置，用于在距離所述目標位置的位移初始值附近進行相關性檢測，通過過程函數查找相關性最大的位置，該位置相對于目標位置的偏移量即為位移值；
得分獲取裝置，用于使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分。本發明的有益效果是通過計算搜索質量得分，可以了解到當前捜索的質量信息，有助于用戶的進ー步使用；通過先確定位移初始值，再在目標位置的位移初始值附近 捜索相關性最大的位置的方法，可以大大減少檢索過程中需要的計算量。


圖I為本發明實施例所應用的超聲彈性成像系統結構示意圖；圖2為本發明位移檢測及校正方法的一實施例的流程圖；圖3為本發明實施例中的幀數據網格化示意圖；圖4為本發明實施例中的位移搜索策略示意圖；圖5為本發明一種彈性成像中的位移檢測方法的一實施例的流程圖；圖6為本發明一種彈性成像中的位移檢測方法的又一實施例的流程圖；圖7為本發明一種彈性成像中的位移檢測方法的再一實施例的流程圖；圖8為本發明一種彈性成像中的位移檢測裝置的一實施例的流程圖；圖9為本發明一種彈性成像中的位移檢測裝置的又一實施例的流程圖；圖10為本發明一種彈性成像中的位移檢測裝置的再一實施例的流程圖。
具體實施例方式下面通過具體實施方式
結合附圖對本發明作進ー步詳細說明。圖I是本發明實施例所應用的超聲弾性成像系統結構示意圖。在弾性成像模式下，探頭以系統預先設定好的掃描規則進行超聲波發射并接收回波信息，經過波束合成環節后輸出射頻(radio frequency, RF)信號，再經過升采樣過程，増加RF信號的采樣率，升采樣率由系統預先設定。接著結果位移檢測與校正環節，毎次利用ー對RF信號計算出ー幀位移結果。然后經過應變量計算環節，基于位移數據計算得到目標組織的應變量信號，最后顯示輸出一幅應變圖像。圖2所示為本發明位移檢測及校正方法的一實施例的流程圖。201、獲取數據本實施例的位移檢測基于射頻信號數據進行計算，射頻信號數據采樣率根據系統需要可能比系統原始采樣率要高以增加位移檢測精度，此過程稱為升采樣。升采樣率由系統預先設定。升采樣可以增加精度，但是在一些情況下，例如對精度的要求不高時，也可以不必進行升采樣。每兩幀RF數據，計算出ー幀位移值，作為兩幀數據間的局部空間位移量。本實施例以射頻信號為例進行說明，實際上也可以采用其他類型的信號，例如正交解調后的I/Q信號。203、劃分網格由于RF信號的采樣率較高，而幀間位移一般較小，相鄰采樣點之間的位移差別非常微小，因此，位移估計不一定要對RF數據的每個采樣點位置進行計算，而是需要先劃分好位移檢測點的可能的位置，這些點也可以稱作位移檢測估計點。為了描述方便，在對本發明各實施例說明時未區分點、核、目標位置等，本領域技術人員應當理解提到的位移檢測估計點、采樣點等，有時實際上是該點所在的核、目標位置或區域等，而非只是狹義的單個點。為了劃分位移檢測點的位置，本發明實施例將幀數據進行了網格化處理，如圖3所示為本發明實施例中的幀數據網格化示意圖，黒點即為可能進行位移檢測的點的位置，圖中黑線表示RF數據，網格劃分以兩幀信號中 第一幀的數據采樣點位置為基準。縱向，從最淺深度的數據開始，每隔一定數量的RF信號采樣點(或者每隔一定深度)后取點，對該點進行位移檢測，該縱向間隔數量由系統預先設定。橫向，從探頭中心掃描數據線開始，每隔一定數量的采樣線(或者每隔一定寬度)后取點，對該點進行位移檢測，該縱向間隔數量由系統預先設定。劃分網格之后，獲取應變圖像所需的計算量將會大大減少，特別是當橫向和縱向間隔很大的時候，但是間隔太大對成像質量有一定的影響。205、初始行位移檢測及評分首先確定初始行位置，比如選擇以第一行為初始行。對于初始行的各個位移估計點位置的核數據，均設置足夠大的捜索區域，進行相關性檢測，其相對核位置的偏移量即為偏移值。核的大小以及搜索區域的大小均由系統預先設定。相關性檢測的判別方法可以使用歸ー化互相關算法(NCC, normalized crosscorrelation)、差的絕對值的和算法(SAD, sum absolute difference)或者其他算法進行計算。當完成了相關性檢測，檢測到相關性最大的位置后，可以對該相關性最大的位置進行評分，具體評分方法如下假設采用SAD法,記錄上述檢索過程中搜索區域內的最大SAD值max_SAD與最小SAD值min_SAD，按如下方式對檢索結果進行評分(I)系統預先設置ー個SAD分布上下限，記為[SAD_Low SAD_High]，SAD_Low< SAD_High ；(2)計算第一項得分scorel，得分為[O I]之間的值，用來評估當前捜索區域處的SAD最大值與上限的距離,距離越近,得分越高。比如令scorel = (max_SAD-min_SAD) /(SAD_High-min_SAD)；(3)計算第二項得分score〗，得分為[O I]之間的值，用來評估當前捜索區域處的SAD最小值與下限的距離,距離越近,得分越高。比如令score2 = (max_SAD-min_SAD) /(max_SAD-SAD_Low)；(4)取scorel和score2之間的加權結果作為本次搜索質量得分，比如令score_SAD = scorel * p+score2 * (l_p),其中p為系統預先設定的參數，P的取值在O I之間。207、初始列位移檢測及評分首先選定初始列位置，比如選擇以掃描中心線為初始列。
對于初始列的各個位移估計點，按深度由淺到深的順序，毎次都以上ー個深度的位移估計結果作為當前深度的位移估計點的初始位移，再由系統預先設置ー個較小的捜索區域，比如5 * 3或3 * 3等，在初始位移(位置)附近進行相關檢測，找到相關性最大的位置，其相對核位置的偏移量即為位移值。對于初始列的每個位移估計點，也可以直接設置ー個較大的捜索區域進行位移檢測，只是搜索區域需要隨著深度增加而増大，計算量會相對較大。記錄搜索區域內的SAD或NCC或者其他值，采用上述類似205中的評分方法對各位移估計點的搜索質量進行評分。209、其他位置位移檢測及評分對于其他位置的位移估計點，如圖4所示，假設其相鄰的上一行的位移估計結果為(uy_lastrow, ux_lastrow),相鄰的上一列的位移估計結果為(uy_lastline, ux_lastline)，則使用兩個結果的加權值作為當前點的位移初始值，即 uT initial = k*uy_lastrow+ (1-k) *uy_lastlineux_initial = k*ux_lastrow+(l_k) *ux_lastline其中，k為系統預先設定的參數，k的取值在O I之間。然后由系統設定一個較小的捜索區域，比如3女3，在初始位移值附近進行相關檢測，找到相關性最大的位置，其相對核位置的偏移量即為位移值。通過這種位移檢測方法，可以使搜索的目標區域大大縮小，這樣就減少了檢索過程中需要的計算量。記錄搜索區域內的SAD或NCC值或者其他值，采用上述評分方法對各位移估計點的搜索質量進行評分。2I I、位移校正首先，需要判斷所得到的搜索質量評分是否合格，由系統預先設置ー個搜索分數閾值score_thre和ー個跳變檢測閾值spike_thre,如果某位移估計點的搜索質量評分低于score_thre,且位移值與相鄰位置位移的差異超過了 spike_thre,則認為搜索質量評分不合格，需要對當前位移點進行校正。也可以用其他方法進行合格性的判斷，例如可以只使用捜索分數閾值SCOre_thre,只要某位移估計點的搜索質量評分低于score_thre,則認為需要校正。所述搜索分數閾值sCore_thre可以是搜索分數區間中的ー個值，例如若搜索分數區間是[O 100]，那么可以設定搜索分數閾值SCOre_thre為60。使用相鄰一定范圍內的搜索質量評分高于score_thre的點的位移值,使用線性擬合的方法對當前點進行校正。該鄰域范圍大小由系統預先設定。213、評分結果輸出最終，經過上述過程，可獲得ー幀位移結果，取縱向(即沿著深度方向)的位移結果，沿縱向求梯度，即可計算出應變結果，即應變量值。對應變量結果進行顯示輸出，得到應變圖像，即可反映組織之間的彈性差異。取整幅圖像所有評分值的平均值，作為該幀應變圖像的參考搜索評分，可以將該評分反饋給使用者，當然，也可以對圖像的一部分取平均值反饋給使用者，例如用戶選定的部分，使用者了解了圖像的搜索評分后可以更合理的使用這幅或者這部分圖像。例如當捜索評分很高，則使用者可以認為這幅或者這部分圖像是可信的，可以作為判斷的依據，當搜索評分很低時，使用者可以選擇放棄該圖像或者重新獲取ー幅捜索評分更高的圖像。也可以將評分質量很好或者很差的圖像以預先設定的方式顯示給用戶，例如設定ー個較高的評分閾值，超過此評分閾值的圖像以高亮方式顯示，表示此圖像可信度很高，設定ー個較低的評分閾值，低于此評分閾值的圖像不顯示或者顯示為黒色，表示此圖像質量太差可能無參考價值。本步驟與211并無必然聯系，在有些實施例中，可以只有211，此時用戶并不需要知道圖像的搜索評分，系統已經修正了評分較低的部分，所以圖像質量比較高；在有些實施例中，也可以只有213，此時不進行校正，但是用戶會得知圖像的搜索評分，用戶可以根據評分進行相應的操作。通過上述具體方案可以看出，通過本發明實施例的方法，一方面，通過劃分網格的方式減少了獲取應變圖像所需要的計算點，大大減少了計算量；另ー方面，通過對位移檢測結果進行評分，可以輸出評分結果供用戶參考，在實際中有很大的參考價值，方便了用戶的使用；又一方面，基于所述評分結果，進ー步還可以根據評分結果修正評分較低的地方以獲得更好的圖像；再一方面，捜索相關性最大的位置時，通過合理的確定目標區域，大大減少 了捜索需要的計算量。以上在同一個實施方式中說明了本發明實施例的具有較優技術效果的幾個方面，實際上，這些方面可以是相互獨立的，其在不同的具體實例中都可以獲得相應的技術效果，以下分別說明。為了減少獲取應變圖像所需的計算量，本發明提出了一種彈性成像中的位移檢測的圖像預處理方法，如圖5所示，為本發明一種彈性成像中的位移檢測的圖像預處理方法的一實施例的流程圖，包括501、獲取采樣數據；例如，所述采樣數據可以是射頻信號數據，射頻信號數據采樣率根據系統需要可能比系統原始采樣率要高以增加位移檢測精度。503、劃分網格；由于射頻信號的米樣率較高，而巾貞間位移一般較小，相鄰米樣點之間的位移差別非常微小，因此，位移估計不一定要對RF數據的每個采樣點位置進行計算，而是需要先劃分好位移檢測點的可能的位置，這些點也可以稱作位移檢測估計點。劃分網格的具體方法可以是縱向，從最淺深度的數據開始，每隔一定數量的RF信號采樣點(或者每隔一定深度)后取點，對該點進行位移檢測，該縱向間隔數量由系統預先設定。橫向，從探頭中心掃描數據線開始，每隔一定數量的采樣線(或者每隔一定寬度)后取點，對該點進行位移檢測，該縱向間隔數量由系統預先設定。劃分網格之后，可以對網格中的各個點尋找相應的相關性最大的位置，計算位移量獲得應變圖像，這樣在獲取應變圖像的過程中所需的計算量將會大大減少。為了便于用戶使用成像結果，本發明提出了一種彈性成像中的位移檢測方法，如圖6所示，為本發明一種彈性成像中的位移檢測方法又一實施例的流程圖，包括601、確定目標位置；所述目標位置通常為第一幀圖像中的點；優選地，可以采用本發明圖像預處理方法實施例中劃分網格之后的位移檢測估計點；如前所述，為描述方便，所以用“點”來說明，實際上應當此處的“點”表示核區域或者核位置；603、搜索相關性最大的位置；即就是通過計算相關性尋找與目標位置相關性最大的位置；計算時,可采用常用的算法進行計算,例如歸ー化互相關算法(NCC, normalizedcross correlation)、差的絕對值的和算法(SAD, sum absolute difference)等，所米用的算法可以稱作過程函數，尋找區域可以是整幀圖像，也可以通過其他優化的方法在ー個較小的區域尋找，例如可以采用本發明其他實施 例中的方法來確定搜索區域；605、計算搜索質量得分；即就是使用計算相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分；通常，該搜索質量得分與計算相關性最大的位置時的過程函數值的最大值和最小值有夫，該最大值與預設的過程函數極大值差值越小則評分越高，該最小值與預設的過程函數極小值差值越小則評分也越高，最終根據兩個差值來確定該搜索質量得分；舉例說明如何計算搜索質量得分假設在步驟603中采用的算法是SAD，在計算該相關性最大的位置時的SAD的最大值和最小值分別是最大值為max_SAD和最小值為min_SAD，預設的過程函數的極大值和極小值分別是SAD_High與SAD_Low，將該最大值的評分記作scorel,所述scorel具體獲得方法為scorel = (max_SAD_min_SAD)/(SAD_High_min_SAD)；將該最小值的評分記作score2,所述score2具體獲得方法為score2 = (max_SAD_min_SAD)/(max_SAD_SAD_Low)；將該相關性最大的位置的搜索質量得分記作score_SAD,所述score_SAD具體獲得方法為score_SAD = scorel * p+score2 * (l_p),其中p為系統預先設定的參數，P的取值在O I之間。此處給出了ー個具體的計算方法，實際上的計算方法可以有很多種，例如還可以通過下述方法計算scorel = max_SAD/SAD_High ；score2 = SAD_Low/min_SAD ；score_SAD = scorel * p+score2 * m其中p、m為系統預先設定的參數，p、m的取值在0 I之間。根據本發明實施例還能舉出很多類似的例子，不再一一列挙。當獲得了單個點的相關性最大的位置的搜索質量得分后，可以記錄該得分信息用來后續處理，還可以進一歩的判斷該搜索質量得分是否合格，不合格時可以進行校正或者重新獲取，所以本實施例還可以包括下面的步驟607、判斷搜索質量得分是否合格；判斷時可以將所述搜索質量得分與預設的捜索分數閾值比較，如果所述搜索質量得分低于所述預設的捜索分數閾值則判斷所述搜索質量得分不合格；或者還可以將所述搜索質量得分分別與預設的搜索分數閾值、跳變檢測閾值比較，若所述搜索質量得分低于預設的搜索分數閾值且位移值與相鄰位置位移的差異超過跳變檢測閾值，則判斷所述搜索質量得分不合格。判斷之后，可以記錄判斷結果以用來后續處理，當判斷得到不合格時也可以采用后面的位移校正的步驟進行校正；609、位移校正；當判斷搜索質量得分不合格時，可以對得到的位移結果進行校正，校正方法可以是使用相鄰一定范圍內的捜索質量評分高于sCOre_thre的點的位移值，使用線性擬合的方法對當前點進行校正。該鄰域范圍大小由系統預先設定。通過本實施例的方法，可以將不合格的位移檢測進行校正，從而獲得更好的位移檢測結果。優選地，還可以取整幅圖像所有評分值的平均值，作為該幀應變圖像的參考搜索 評分，可以將該評分反饋給使用者，當然，也可以對圖像的一部分取平均值反饋給使用者，例如用戶選定的部分，使用者了解了圖像的搜索評分后可以更合理的使用這幅或者這部分圖像。例如當捜索評分很高，則使用者可以認為這幅或者這部分圖像是可信的，可以作為判斷的依據，當搜索評分很低時，使用者可以選擇放棄該圖像或者重新獲取一幅捜索評分更高的圖像。也可以將評分質量很好或者很差的圖像以預先設定的方式顯示給用戶，例如設定ー個較高的評分閾值，超過此評分閾值的圖像以高亮方式顯示，表示此圖像可信度很高，設定ー個較低的評分閾值，低于此評分閾值的圖像不顯示或者顯示為黒色，表示此圖像質量太差可能無參考價值。優選地，還可以計算整幅圖像中合格點占全部點的比例，可以將該合格比例反饋給使用者，當然，也可以對圖像的一部分計算合格比例反饋給使用者，例如用戶選定的部分，使用者了解了圖像的合格比例后可以更合理的使用這幅或者這部分圖像。例如當合格比例很高，則使用者可以認為這幅或者這部分圖像是可信的，可以作為判斷的依據，當合格比例很低時，使用者可以選擇放棄該圖像或者重新獲取一幅圖像。也可以將合格比例很高或者很低的圖像以預先設定的方式顯示給用戶，例如設定ー個較高的閾值，超過此閾值的圖像以高亮方式顯示，表示此圖像可信度很高，設定ー個較低的閾值，低于此閾值的圖像不顯示或者顯示為黒色，表示此圖像質量太差可能無參考價值。為了減少位移檢測過程中的計算量，本發明提出了一種彈性成像中的位移檢測方法，如圖7所示，為本發明一種彈性成像中的位移檢測方法的再一實施例的流程圖，包括701、確定目標位置；所述目標位置通常為第一幀圖像中的點；優選地，可以采用本發明圖像預處理方法實施例中劃分網格之后的位移檢測估計點；703、獲取目標位置的較前計算點的位移估計值；通常選擇目標位置在行方向和列方向的前一點作為較前計算點；優選地，若采用了本發明圖像預處理方法實施例中的網格，則可以方便地選擇網格中的前一行和前一列的點作為較前計算點；也可以只選擇行方向的前一點或者列方向的前一點作為較前計算點；在此以分別選擇行方向和列方向的前一點作為較前計算點為例進行說明，分別將較前行計算點記為NI、較前列計算點記為N2 ；N1的位移估計值為(XI、Yl)、N2的位移估計值為(X2、Y2)；
705、使用所述較前計算點的位移估計值計算目標點的位移初始值；所述位移初始值具體為(X、Y)，其中X = k * Xl+ (1-k) * X2,Y = k * Y2+(l-k) * Y2,其中，k為預先設定的系數。也可以采用其他的位移初始值計算方法，例如采用下述方法 X = a 女 Xl+b 女 X2,Y = c* Y2+d 女 Y2,其中，a、b、C、d為預先設定的系數。類似的方法還有很多，此處不一一列挙。707、相關性檢測然后由系統設定一個較小的捜索區域，比如3 * 3，在初始位移值附近進行相關檢測，找到相關性最大的位置，其相對核位置的偏移量即為位移值。上述具體實施例選擇較前計算點時，選擇了較前的行計算點和列計算點，實際上，也可以只選擇行計算點或者只選擇列計算點進行估計。另外，上述具體實施例選擇較前計算點時，計算了兩個方向的位移估計值，實際上，也可以只計算ー個方向的位移估計值。通常，估計某個方向的位移估計值的時候，除了上述實施例中估計ニ維(即2個方向，定搜索區域時也是要2個方向捜索)的方式，常用的還有估計列方向的(即縱向，定所搜索區域時就直接沿列方向捜索，進ー步減少計算量)方式，但最終的搜索質量可能要略差于ニ維搜索。通過上述實施例的方法，可以使搜索相關性最大的位置時的目標區域大大縮小，這樣就減少了檢索過程中需要的計算量。本發明還提出了一種彈性成像中的位移檢測裝置，如圖8所示為本發明一種彈性成像中的位移檢測裝置的ー實施例的模塊結構示意圖，包括801、采樣裝置，用于獲取采樣數據；803、網格裝置，用于劃分網格，獲得用于位移檢測的位移檢測估計點；805、目標確定裝置,用于確定目標位置,所述目標位置來自位移檢測估計點；807、較前點數據獲取裝置，用于獲取目標位置的較前計算點的位移估計值；809、位移初始值獲取裝置，用于使用所述較前計算點的位移估計值計算目標位置的位移初始值；811、相關性檢測裝置，用于在距離所述目標位置的位移初始值附近進行相關性檢測，通過過程函數查找相關性最大的位置，該位置相對于目標位置的偏移量即為位移值；813、得分獲取裝置，用于使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分。通過上述具體方案可以看出，通過本發明實施例的裝置，一方面，通過網格裝置劃分網格的方式減少了獲取應變圖像所需要的計算點，大大減少了計算量；另ー方面，通過得分獲取裝置對位移檢測結果進行評分，可以輸出評分結果供用戶參考，在實際中有很大的參考價值，方便了用戶的使用；又一方面，基于所述評分結果，進ー步還可以根據評分結果修正評分較低的地方以獲得更好的圖像；再一方面，相關性檢測裝置捜索相關性最大的位置時，通過合理的確定目標區域，大大減少了搜索需要的計算量。以上在同一個實施方式中說明了本發明實施例的具有較優技術效果的幾個方面，實際上，這些方面可以是相互獨立的，其在不同的具體實例中都可以獲得相應的技術效果，以下分別說明。
為了便于用戶使用成像結果，本發明提出了一種彈性成像中的位移檢測裝置，如圖9所示，為本發明一種彈性成像中的位移檢測裝置的又ー實施例的模塊結構示意圖，包括901、目標確定裝置，用于確定目標位置；903、捜索裝置，用于通過過程函數計算相關性搜索與目標位置相關性最大的位置；905、得分獲取裝置，用于使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分。優選地，所述得分獲取裝置具體用于獲取計算該相關性最大的位置時的過程函數值的最大值和最小值；通過計算該相關性最大的位置時的過程函數值的最大值與預設的過程函數極大值獲取該最大值的評分，該最大值和極大值的差值越小則評分越高；通過計算該相關性最大的位置時的過程函數值的最小值與預設的過程函數極小值獲取該最小值的評分，該最小值和極小值的差值越小則評分越高；通過該最大值和最小值的評分獲得該相關性最大的位置的搜索質量得分，該最大值和最小值的評分越高則相關性最大的位置的搜索質量得分越高。優選地，所述過程函數為差的絕對值的和算法(SAD)；所述得分獲取裝置具體用于計算 score_SAD = scorel * p+score2 * (l_p)，其中，score_SAD為所述搜索質量得分，P為系統預先設定的參數，P的取值在O I之間，scorel、SCOre2分別為計算該相關性最大的位置時的過程函數值的最大值和最小值的評分；其中，scorel = (max_SAD_min_SAD)/(SAD_High_min_SAD)；Score2 = (max_SAD_min_SAD)/(max_SAD_SAD_Low)；其中，max_SAD與min_SAD分別為所述計算該相關性最大的位置時的過程函數值的最大值和最小值；SAD_High與SAD_Low分別為所述預設的過程函數極大值和極小值。優選地，所述過程函數包括歸ー化互相關算法(NCC)或差的絕對值的和算法(SAD)。優選地，還包括合格判斷裝置，用于判斷所述搜索質量得分是否合格；校正裝置，用于當判斷所述搜索質量得分不合格時，對該目標位置的位移檢測結果進行校正。
優選地，所述合格判斷裝置具體用于將所述搜索質量得分與預設的捜索分數閾值比較，如果所述搜索質量得分低于所述預設的捜索分數閾值則判斷所述搜索質量得分不合格；或，將所述搜索質量得分分別與預設的搜索分數閾值、跳變檢測閾值比較，若所述搜索質量得分低于預設的捜索分數閾值且該目標位置的位移值與相鄰位置的位移值的差異超過跳變檢測閾值，則判斷所述搜索質量得分不合格。優選地，還包括合格判斷裝置，用于判斷所述搜索質量得分是否合格；
合格比例值計算裝置，用于對于獲得的整幅圖像或者部分圖像的合格判斷結果，計算合格點數量占該整幅或者部分圖像的點的數量的合格比例值；輸出裝置，用于輸出所述合格比例值。優選地，還包括合格判斷裝置，用于判斷所述搜索質量得分是否合格；合格比例值計算裝置，用于對于獲得的整幅圖像或者部分圖像的合格判斷結果，計算合格點數量占該整幅或者部分圖像的點的數量的合格比例值；比較裝置，用于將所述合格比例值與預設閾值比較；顯示裝置，用于根據所述比較結果以預設方式顯示該整幅圖像或者部分圖像。優選地，還包括平均得分獲取裝置，用于對于獲得的整幅圖像或者部分圖像的搜索質量得分，求平均值得到該整幅圖像或者部分圖像的平均得分值；輸出裝置，用于輸出所述平均得分值。優選地，還包括平均得分獲取裝置，用于對于獲得的整幅圖像或者部分圖像的搜索質量得分，求平均值得到該整幅圖像或者部分圖像的平均得分值；比較裝置，用于將所述平均得分值與預設閾值比較；顯示裝置，用于根據所述比較結果以預設方式顯示該整幅圖像或者部分圖像。優選地，還包括采樣裝置，用于獲取采樣數據；網格裝置，用于劃分網格，獲得用于位移檢測的位移檢測估計點；所述目標位置來自于位移檢測估計點。通過本實施例的裝置，一方面，通過對位移檢測結果進行評分，可以輸出評分結果供用戶參考，在實際中有很大的參考價值，方便了用戶的使用；另一方面，基于所述評分結果，進一歩還可以根據評分結果修正評分較低的地方以獲得更好的圖像。為了減少位移檢測過程中的計算量，本發明提出了一種彈性成像中的位移檢測裝置，如圖10所示，為本發明一種彈性成像中的位移檢測裝置的再一實施例的模塊結構示意圖，包括1001、目標確定裝置，用于確定目標位置；1003、較前點數據獲取裝置，用于獲取目標位置的較前計算點的位移估計值；
1005、位移初始值獲取裝置，用于使用所述較前計算點的位移估計值計算目標位置的位移初始值；1007、相關性檢測裝置，用于在距離所述目標位置的位移初始值附近進行相關性檢測，查找相關性最大的位置，該位置相對于目標位置的偏移量即為位移值。優選地，所述較前計算點包括較前行計算點和/或較前列計算點；所述位移估計值包括行位移估計值和/或列位移估計值。優選地，所述較前計算點包括較前行計算點和較前列計算點；
所述較前行計算點的位移估計值為(X1、Y1)，其中Xl為該較前行計算點的行位移估計值，Yi為該較前行計算點的列位移估計值；所述較前列計算點的位移估計值為(Χ2、Υ2),其中Χ2為該較前列計算點的行位移估計值，Υ2為該較前列計算點的列位移估計值；所述位移初始值獲取裝置具體用于所述位移初始值具體為(X、Y)，其中X = k * Xl+(1-k) * X2,Y = k * Y2+(l-k) * Y2,其中k為預先設定的系數。優選地，還包括采樣裝置，用于獲取采樣數據；網格裝置，用于劃分網格，獲得用于位移檢測的位移檢測估計點； 所述目標位置來自于位移檢測估計點。通過上述實施例的裝置，可以使搜索相關性最大的位置時的目標區域大大縮小，這樣就減少了檢索過程中需要的計算量。以上內容是結合具體的實施方式對本發明所作的進ー步詳細說明，不能認定本發明的具體實施只局限于這些說明。對于本發明所屬技術領域的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干簡單推演或替換，都應當視為屬于本發明的保護范圍。
權利要求
1.一種彈性成像中的位移檢測方法，其特征在于，包括 確定目標位置； 通過過程函數計算相關性搜索與目標位置相關性最大的位置； 使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分。
2.如權利要求I所述的彈性成像中的位移檢測方法，其特征在于 所述使用計算該相關性最大的位置時的過程函數值獲得該相關性最大的位置的搜索質量得分包括 獲取計算該相關性最大的位置時的過程函數值的最大值和最小值；· 通過計算該相關性最大的位置時的過程函數值的最大值與預設的過程函數極大值獲取該最大值的評分，該最大值和極大值的差值越小則評分越高； 通過計算該相關性最大的位置時的過程函數值的最小值與預設的過程函數極小值獲取該最小值的評分，該最小值和極小值的差值越小則評分越高； 通過該最大值和最小值的評分獲得該相關性最大的位置的搜索質量得分，該最大值和最小值的評分越高則相關性最大的位置的搜索質量得分越高。
3.如權利要求2所述的彈性成像中的位移檢測方法，其特征在于 所述過程函數為差的絕對值的和算法； 所述最大值的評分和最小值的評分的計算公式為 scorel = (max_SAD_min_SAD)/(SAD_High_min_SAD)；Score2 = (max_SAD_min_SAD)/(max_SAD_SAD_Low)； 其中，scorel、SCOre2分別為計算該相關性最大的位置時的過程函數值的最大值的評分和最小值的評分，max_SAD與min_SAD分別為所述計算該相關性最大的位置時的過程函數值的最大值和最小值；SAD_High與SAD_Low分別為預設的所述過程函數極大值和極小值； 所述相關性最大的位置的搜索質量得分的計算公式為 score_SAD = scorel * p+score2 * (1-p), 其中，SCOre_SAD為所述搜索質量得分，p為系統預先設定的參數，P的取值在O I之間，scorel、SCOre2分別為計算該相關性最大的位置時的過程函數值的最大值和最小值的評分。
4.如權利要求I所述的彈性成像中的位移檢測方法，其特征在于 所述過程函數包括歸一化互相關算法或差的絕對值的和算法。
5.如權利要求I所述的彈性成像中的位移檢測方法，其特征在于，還包括 判斷所述搜索質量得分是否合格，當判斷所述搜索質量得分不合格時，對該目標位置的位移檢測結果進行校正。
6.如權利要求5所述的彈性成像中的位移檢測方法，其特征在于 所述判斷所述搜索質量得分是否合格的方法包括 將所述搜索質量得分與預設的搜索分數閾值比較，如果所述搜索質量得分低于所述預設的搜索分數閾值則判斷所述搜索質量得分不合格； 或，將所述搜索質量得分分別與預設的搜索分數閾值、跳變檢測閾值比較，若所述搜索質量得分低于預設的搜索分數閾值且該目標位置的位移值與相鄰位置的位移值的差異超過跳變檢測閾值，則判斷所述搜索質量得分不合格。
7.如權利要求I所述的彈性成像中的位移檢測方法，其特征在于，還包括 判斷所述搜索質量得分是否合格，對于獲得的整幅圖像或者部分圖像的合格判斷結果，計算合格點數量占該整幅或者部分圖像的點的數量的合格比例值，輸出所述合格比例值； 或， 判斷所述搜索質量得分是否合格，對于獲得的整幅圖像或者部分圖像的合格判斷結果，計算合格點數量占該整幅或者部分圖像的點的數量的合格比例值，將所述合格比例值 與預設閾值比較，根據比較結果以預設方式顯示該整幅圖像或者部分圖像。
8.如權利要求I所述的彈性成像中的位移檢測方法，其特征在于，還包括 對于獲得的整幅圖像或者部分圖像的搜索質量得分，求平均值得到該整幅圖像或者部分圖像的平均得分值，輸出所述平均得分值； 或， 對于獲得的整幅圖像或者部分圖像的搜索質量得分，求平均值得到該整幅圖像或者部分圖像的平均得分值，將所述平均得分值與預設閾值比較，根據比較結果以預設方式顯示該整幅圖像或者部分圖像。
9.如權利要求I至8任一項所述的彈性成像中的位移檢測方法，其特征在于，確定目標位置之前還包括 獲取采樣數據； 劃分網格，獲得用于位移檢測的位移檢測估計點； 所述目標位置來自于位移檢測估計點。
10.一種彈性成像中的位移檢測方法，其特征在于，包括 確定目標位置； 獲取目標位置的較前計算點的位移估計值； 使用所述較前計算點的位移估計值計算目標位置的位移初始值； 在距離所述目標位置的位移初始值附近進行相關性檢測，查找相關性最大的位置，該位置相對于目標位置的偏移量即為位移值。
11.如權利要求10所述的彈性成像中的位移檢測方法，其特征在于 所述較前計算點包括較前行計算點和/或較前列計算點； 所述位移估計值包括行位移估計值和/或列位移估計值。
12.如權利要求10所述的彈性成像中的位移檢測方法，其特征在于 所述較前計算點包括較前行計算點和較前列計算點； 所述較前行計算點的位移估計值為(XUYl)，其中Xl為該較前行計算點的行位移估計值，Yi為該較前行計算點的列位移估計值； 所述較前列計算點的位移估計值為(X2、Y2)，其中Χ2為該較前列計算點的行位移估計值，Υ2為該較前列計算點的列位移估計值； 所述位移初始值具體為(Χ、Υ)，其中X = k * Xl+(l-k) * X2,Y= k * Y2+(l-k) * Y2, 其中k為預先設定的系數。
13.如權利要求10至12任一項所述的彈性成像中的位移檢測方法，其特征在于 確定目標位置之前還包括 獲取采樣數據； 劃分網格，獲得用于位移檢測的位移檢測估計點； 所述目標位置和/或較前計算點來自于位移檢測估計點。
14.一種彈性成像中的位移檢測方法，其特征在于，包括 獲取采樣數據； 劃分網格，獲得用于位移檢測的位移檢測估計點； 確定目標位置，所述目標位置來自位移檢測估計點； 獲取目標位置的較前計算點的位移估計值； 使用所述較前計算點的位移估計值計算目標位置的位移初始值； 在距離所述目標位置的位移初始值附近進行相關性檢測，通過過程函數計算相關性搜索與目標位置相關性最大的位置，該位置相對于目標位置的偏移量即為位移值； 使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分。
15.一種彈性成像中的位移檢測裝置，其特征在于，包括 目標確定裝置，用于確定目標位置； 搜索裝置，用于通過過程函數計算相關性搜索與目標位置相關性最大的位置； 得分獲取裝置，用于使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分。
16.如權利要求15所述的彈性成像中的位移檢測裝置，其特征在于 所述得分獲取裝置具體用于 獲取計算該相關性最大的位置時的過程函數值的最大值和最小值； 通過計算該相關性最大的位置時的過程函數值的最大值與預設的過程函數極大值獲取該最大值的評分，該最大值和極大值的差值越小則評分越高； 通過計算該相關性最大的位置時的過程函數值的最小值與預設的過程函數極小值獲取該最小值的評分，該最小值和極小值的差值越小則評分越高； 通過該最大值和最小值的評分獲得該相關性最大的位置的搜索質量得分，該最大值和最小值的評分越高則相關性最大的位置的搜索質量得分越高。
17.如權利要求15所述的彈性成像中的位移檢測裝置，其特征在于 所述過程函數為差的絕對值的和算法； 所述得分獲取裝置具體用于 計算 score_SAD = scorel * p+score2 * (1-p),其中，SCOre_SAD為所述搜索質量得分，P為系統預先設定的參數，P的取值在O I之間，scorel、SCOre2分別為計算該相關性最大的位置時的過程函數值的最大值和最小值的評分；其中，scorel = (max_SAD_min_SAD)/(SAD_High_min_SAD)；Score2 = (max_SAD_min_SAD)/(max_SAD_SAD_Low)； 其中，max_SAD與min_SAD分別為所述計算該相關性最大的位置時的過程函數值的最大值和最小值；SAD_High與SAD_Low分別為所述預設的過程函數極大值和極小值。
18.如權利要求15所述的彈性成像中的位移檢測裝置，其特征在于，還包括合格判斷裝置，用于判斷所述搜索質量得分是否合格； 校正裝置，用于當判斷所述搜索質量得分不合格時，對該目標位置的位移檢測結果進行校正。
19.如權利要求18所述的彈性成像中的位移檢測裝置，其特征在于 所述合格判斷裝置具體用于 將所述搜索質量得分與預設的搜索分數閾值比較，如果所述搜索質量得分低于所述預設的搜索分數閾值則判斷所述搜索質量得分不合格； 或， 將所述搜索質量得分分別與預設的搜索分數閾值、跳變檢測閾值比較，若所述搜索質量得分低于預設的搜索分數閾值且該目標位置的位移值與相鄰位置的位移值的差異超過跳變檢測閾值，則判斷所述搜索質量得分不合格。
20.如權利要求15至19任一項所述的彈性成像中的位移檢測裝置，其特征在于，還包括采樣裝置，用于獲取采樣數據； 網格裝置，用于劃分網格，獲得用于位移檢測的位移檢測估計點； 所述目標位置來自于位移檢測估計點。
21.一種彈性成像中的位移檢測裝置，其特征在于，包括 目標確定裝置，用于確定目標位置； 較前點數據獲取裝置，用于獲取目標位置的較前計算點的位移估計值； 位移初始值獲取裝置，用于使用所述較前計算點的位移估計值計算目標位置的位移初始值； 相關性檢測裝置，用于在距離所述目標位置的位移初始值附近進行相關性檢測，查找相關性最大的位置，該位置相對于目標位置的偏移量即為位移值。
22.如權利要求21所述的彈性成像中的位移檢測裝置，其特征在于 所述較前計算點包括較前行計算點和/或較前列計算點； 所述位移估計值包括行位移估計值和/或列位移估計值。
23.如權利要求21所述的彈性成像中的位移檢測裝置，其特征在于 所述較前計算點包括較前行計算點和較前列計算點； 所述較前行計算點的位移估計值為(XUYl)，其中Xl為該較前行計算點的行位移估計值，Yi為該較前行計算點的列位移估計值； 所述較前列計算點的位移估計值為(X2、Y2)，其中Χ2為該較前列計算點的行位移估計值，Υ2為該較前列計算點的列位移估計值； 所述位移初始值獲取裝置具體用于 所述位移初始值具體為(Χ、Υ)，其中X = k * Xl+(l-k) * X2,Y= k * Y2+(l-k) * Y2, 其中k為預先設定的系數。
24.如權利要求21至23任一項所述的彈性成像中的位移檢測裝置，其特征在于，還包括 采樣裝置，用于獲取采樣數據； 網格裝置，用于劃分網格，獲得用于位移檢測的位移檢測估計點； 所述目標位置來自于位移檢測估計點。
25.一種彈性成像中的位移檢測裝置，其特征在于，包括 采樣裝置，用于獲取采樣數據； 網格裝置，用于劃分網格，獲得用于位移檢測的位移檢測估計點； 目標確定裝置，用于確定目標位置，所述目標位置來自位移檢測估計點； 較前點數據獲取裝置，用于獲取目標位置的較前計算點的位移估計值； 位移初始值獲取裝置，用于使用所述較前計算點的位移估計值計算目標位置的位移初始值； 相關性檢測裝置，用于在距離所述目標位置的位移初始值附近進行相關性檢測，通過過程函數查找相關性最大的位置，該位置相對于目標位置的偏移量即為位移值； 得分獲取裝置，用于使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分。
26.—種超聲成像系統，其特征在于包括如權利要求15-25任一項所述的彈性成像中的位移檢測裝置。
全文摘要
本發明提出了一種彈性成像中的位移檢測方法，包括確定目標位置；通過過程函數計算相關性搜索與目標位置相關性最大的位置；使用計算該相關性最大的位置時的過程函數值計算該相關性最大的位置的搜索質量得分。通過本發明實施例提出的方法，通過計算搜索質量得分，可以了解到當前搜索的質量信息，有助于用戶的進一步使用。
文檔編號A61B8/08GK102824193SQ201110159110
公開日2012年12月19日 申請日期2011年6月14日 優先權日2011年6月14日
發明者李雙雙, 樊睿 申請人:深圳邁瑞生物醫療電子股份有限公司