本發明涉及一種自動優化的超聲成像系統及方法，屬于超聲成像技術領域。

背景技術：

超聲波在人體中傳播會有衰減，這種衰減隨著不同的成像個體、檢查部位而不同，因此醫生在診斷過程中需要手動調整成像參數如時間增益補償、全局增益、動態范圍、灰階映射曲線等來獲得最佳的成像效果以完成確信的診斷。這個過程增加了醫生與診斷無關的額外工作，降低了工作效率，為此在超聲成像中需要對成像參數進行自動配置，快速獲得較好的圖像，提高診斷的準確度和效率。

在普通的超聲診斷設備中對圖像增益的補償，通常為深度方向上補償，稱為DGC(Depth Gain Compensation，深度增益補償)；在超聲成像系統中會根據成像頻率和檢查部位的不同預先設置好DGC補償值，但由于人體個體差異比較大，預先設置的補償值難以適合不同個體。在超聲設備的控制面板上設置了分段撥鈕來補償不同深度的灰度值，而這種撥鈕的設置需要醫生根據不同個體和不同檢查部位來手動進行調節，這種調節不僅增加了醫生的工作量，而且需要適當的技巧。然而對圖像的調節顯然不是醫生的本職工作，只會增加負擔，降低效率。因此要簡化醫生的工作，讓醫生很快就能獲得確信的優質圖像，需要自動增益調節功能。

目前，市場上的超聲設備使用的超聲成像自動優化方法一般是先對超聲圖像進行分塊，然后對每個圖像塊進行分類判斷是否為軟組織，對軟組織進行增益補償從而獲得均勻圖像。但是這樣做的缺點比較明顯：圖像分塊的大小會對計算的準確度產生影響，圖像塊尺寸小容易受噪聲的干擾，降低了算法的魯棒性，圖像塊尺寸大又會把一些組織邊界等結構信息囊括進來，同樣影響了計算結果；其次不同的圖像塊的補償值不同，相鄰圖像塊補償值之間的過渡不自然最終導致補償后的圖像有可能出現馬賽克現象。這些問題都會致使優化后的圖像并不理想，甚至增加一些偽像，帶來圖像質量的劣化。

另外目前已有的一些超聲成像優化方法需要醫生根據實際情況按下優化的啟動鍵，雖然相比無此功能的機器減輕了醫生的工作量，但需要醫生的交互操作，還是屬于半自動的功能。

技術實現要素：

本發明的目的是克服現有技術中存在的不足，提供一種自動優化的超聲成像系統及方法，能夠在成像過程中實時監測成像狀態的變化，實現圖像的自動優化。

按照本發明提供的技術方案，所述自動優化的超聲成像系統，其特征是：包括：

發射接收超聲波信號的探頭；將探頭接收的超聲波超聲回波信號A進波束合成形成信號線數據A1的波束合成模塊；對信號線數據A1進行信號處理得到超聲圖像B的信號處理模塊；對超聲圖像B進行優化處理的自動優化模塊；掃描變換模塊；圖像處理模塊；以及，顯示器；

所述自動優化模塊包括：

圖像監控器，實時分析當前幀超聲圖像與前一幀超聲圖像的差異，并輸出觸發信號至參數計算模塊；

參數計算模塊，進行成像參數的計算得到后續成像的參數；

增益補償器，根據參數計算模塊的輸出結果，計算增益補償圖像；以及，

噪聲抑制器，根據參數計算模塊的輸出結果，計算噪聲抑制圖像。

進一步的，所述圖像監控器包括：

狀態存儲器，用于保存前一幀圖像的成像狀態；

特征計算器，計算超聲圖像特征值；

狀態比較器，獲得前端環節輸入的超聲圖像的特征值并與狀態存儲器中的當前值進行比較；以及，

優化參數計算觸發器，用于觸發參數計算模塊。

進一步的，所述參數計算模塊包括：

像素統計器，將當前的超聲圖像進行統計得到像素信息；

像素分類器，將像素信息進行分類；以及，

圖像分析器，利用分類的結果進行圖像區域分析，將分析結果輸出至增益補償器和噪聲抑制器。

進一步的，所述探頭連接波束合成模塊，波束合成模塊的輸出端連接信號處理模塊，信號處理模塊的輸出端連接自動優化模塊，自動優化模塊的輸出端連接掃描變換模塊，掃描變換模塊的輸出端連接圖像處理模塊，圖像處理模塊的輸出端連接顯示器。

進一步的，所述探頭連接波束合成模塊，波束合成模塊的輸出端連接信號處理模塊，信號處理模塊的輸出端連接掃描變換模塊，掃描變換模塊的輸出端連接自動優化模塊，自動優化模塊的輸出端連接圖像處理模塊，圖像處理模塊的輸出端連接顯示器。

進一步的，所述增益補償器計算增益補償圖像，以及噪聲抑制器計算噪聲抑制圖像的計算方法如下：

GainCompI(i,j)＝TValue-MeanI(i,j)，其中，GainCompI(i,j)為增益補償圖像，Tvalue為均勻組織補償目標值，MeanI(i,j)為像素組織亮度圖像；NoiseSupI(i,j)為噪聲抑制圖像，RI(i,j)為標記圖像，SupressFactor為設定的抑制因子，i、j為像素點坐標；

將上述得到的優化參數應用到后續的成像中，參數應用方法如下：

OptI(i,j)＝NoiseSupI(i,j)*[I(i,j)+GainCompI(i,j)]，其中，OptI(i,j)為優化后圖像，I(i,j)為優化前圖像。

所述自動優化的超聲成像方法，其特征是，包括以下步驟：

(1)探頭接收的超聲波超聲回波信號A經過波束合成模塊進行波束合成后形成信號線數據A1，信號處理模塊對信號線數據A1進行信號處理后得到超聲圖像B；

(2)超聲圖像B經自動優化模塊處理得到優化后的超聲圖像B1，具體包括以下步驟：

a、首先超聲成像系統將經過信號處理模塊處理后的超聲圖像B輸入到自動優化模塊，自動優化模塊內的圖像監控器實時分析當前幀超聲圖像與前一幀超聲圖像的差異，如果差異超過設定的閥值，自動運行參數計算模塊進行成像參數的計算；

b、參數計算模塊計算出用于后續成像的參數；

c、根據參數計算模塊的輸出結果，增益補償器計算增益補償圖像，噪聲抑制器計算噪聲抑制圖像；最終，自動優化模塊輸出經過自動優化的超聲圖像B1；

(3)優化后的超聲圖像B1通過掃描變換模塊和圖像處理模塊處理，最后傳輸到顯示器上進行圖像顯示。

進一步的，所述步驟(2)a中圖像監控器的工作過程：狀態存儲器保存前一幀圖像的成像狀態，特征計算器計算超聲圖像特征值，狀態比較器獲得前端環節輸入的超聲圖像的特征值并與狀態存儲器中的當前值進行比較，如果超出設定的閾值，則過優化參數計算觸發器觸發參數計算模塊。

進一步的，所述步驟(3)b中參數計算模塊的工作過程：將當前的超聲圖像輸入到像素統計器中進統計，得到像素信息；將像素信息輸入到像素分類器中進行分類；在進行分類后，圖像分析器采用分類的結果進行圖像區域分析。

進一步的，所述圖像分析器進行圖像區域分析的方法為：在當前像素的一個鄰域內進行分析，統計鄰域內像素的分類情況，相鄰像素的鄰域是部分重疊的。

進一步的，根據圖像分析器的輸出結果，在增益補償器中計算增益補償圖像，在噪聲抑制器計算噪聲抑制圖像；計算方法如下：

GainCompI(i,j)＝TValue-MeanI(i,j)，其中，GainCompI(i,j)為增益補償圖像，Tvalue為均勻組織補償目標值，MeanI(i,j)為像素組織亮度圖像；NoiseSupI(i,j)為噪聲抑制圖像，RI(i,j)為標記圖像，SupressFactor為設定的抑制因子，i、j為像素點坐標；

將上述得到的優化參數應用到后續的成像中，參數應用方法如下：

OptI(i,j)＝NoiseSupI(i,j)*[I(i,j)+GainCompI(i,j)]，其中，OptI(i,j)為優化后圖像，I(i,j)為優化前圖像。

本發明所述自動優化的超聲成像系統及方法，其能夠在成像過程中實時監測成像狀態的變化，根據圖像的變化自動計算成像參數，對圖像像素進行分類，在此基礎上計算增益補償圖像和噪聲抑制圖像，從而實現圖像的自動優化。不需要醫生經常按下優化功能按鈕。在啟動優化后，通過灰度值的統計量來劃分為不同組織類別，細化補償值計算，從而得到一個亮度均勻的超聲圖像。

附圖說明

圖1為本發明所述自動優化的超聲成像系統的示意圖。

圖2為像素分類器采用的統計直方圖。

圖3為所述自動優化模塊的示意圖。

圖4為所述圖像監控器的示意圖。

圖5為所述參數計算模塊的示意圖。

圖6為傳統的圖像分區方法示意圖。

圖7為本發明圖像分區方法示意圖。

圖8為本發明所述自動優化的超聲成像系統的另一種實施例示意圖。

具體實施方式

下面結合具體附圖對本發明作進一步說明。

如圖1所示，在本發明實施例中，超聲主機通過控制探頭100進行超聲波信號的發射接收，探頭100接收的超聲波超聲回波信號A經過波束合成模塊200進行波束合成后形成信號線數據A1，信號處理模塊300對信號線數據A1進行濾波、包絡檢測、對數壓縮等信號處理后得到超聲圖像B，超聲圖像B經過自動優化模塊400處理后得到優化后的超聲圖像B1，優化后的超聲圖像B1通過掃描變換模塊500和圖像處理模塊600處理，最后傳輸到顯示器700上進行圖像顯示。

如圖3所示，本發明在傳統超聲成像系統中增加了自動優化模塊，自動優化模塊模塊對實時超聲圖像進行監測，自動完成參數的調整并進行圖像的自動優化，從而獲得優質的診斷圖像。自動優化模塊400包括有：圖像監控器401、參數計算模塊402、增益補償器403、噪聲抑制器404等。首先超聲成像系統將經過信號處理模塊300處理后的超聲圖像B輸入到自動優化模塊400，自動優化模塊400內的圖像監控器401實時分析當前幀超聲圖像B與前一幀超聲圖像B’的差異，如果差異超過設定的閥值，說明成像對象已經發生了改變，這種改變可能是檢查部位的變化，也有可能是患者改變了，在這種情況下，不需要醫生手動調整成像參數或者啟動自動優化功能，超聲成像系統自動運行參數計算模塊402進行成像參數的計算。參數計算模塊402計算出用于后續成像的參數，如增益補償圖像參數和噪聲抑制圖像參數，參數計算模塊402將這些參數應用到未處理的超聲圖像B上，最終自動優化模塊400輸出經過自動優化的超聲圖像B1。

當超聲成像系統自動開啟自動優化模塊400功能后，圖像監控器401對超聲圖像進行分析，從而確定優化參數。圖像監控器401由狀態存儲器4011、特征計算器4012、狀態比較器4013和優化參數計算觸發器4014等組成，狀態存儲器4011保存前一幀圖像的成像狀態，這種成像狀態可以是圖像特征值，如平均亮度、信噪比、均勻組織占比等，也可以是超聲圖像數據；特征計算器4012計算輸入的超聲圖像特征值，如平均亮度、信噪比、均勻組織占比等；狀態比較器4013獲得前端環節輸入的超聲圖像的特征值并與狀態存儲器4011中的當前值進行比較，如果超出設定的閾值，則認為成像狀態發生改變，通過優化參數計算觸發器4014觸發參數計算。

TSignal＝Compare(CurStatus，CurImageFV)>Threshold？1:0，其中，TSignal為觸發信號，CurStatus為當前幀圖像的成像狀態，CurImageFV為輸入圖像的特征向量。Compare為比較算法函數，可以是特征相似性計算如特征之間的歐拉距離，也可以是特征差異絕對值之和，這樣的簡易運算。如果狀態比較器4013比較結果在設定閾值之內，則不觸發參數計算模塊402，否則觸發參數計算模塊402。

當參數計算模塊402被觸發后，參數計算模塊402進行新優化參數的計算，將當前的超聲圖像輸入到像素統計器4021中進行統計，統計量可以是時間域的像素的亮度、周邊梯度等信息，也可以是頻率域的頻譜信息；將像素信息輸入到像素分類器4022中進行分類，將像素分為均勻組織像素、結構像素、噪聲像素等三種類型，分類的方法可以用設定的統計量閾值來分類，也可以按照統計直方圖一定的比例值來進行。本發明的實施例以統計直方圖的比例來分類，如對于腹部肝臟成像，大部分像素為肝組織像素，則設定直方圖峰值給定范圍內的像素為組織像素，區域外的像素為噪聲像素或結構像素。如圖2所示，亮度值統計直方圖峰值為Summit，設定低于LowThr的像素為噪聲，高于UpThr的像素為結構像素，在LowThr和UpThr之間的為均勻組織像素，其中均勻組織占所有像素的比例的大部分，這個比例可以通過對大量圖像數據的分析來離線確定。像素分類器4022可以設置如下：

其中，I(i,j)為當前幀圖像像素，i、j為像素坐標點，NoiseSet,I(i,j)為噪聲，TissueSet,I(i,j)為均勻組織像素，StructureSet,I(i,j)為結構像素。

當然，上述僅僅是一個像素分類器的例子，在實現本發明時，可以包括多個分類器的綜合分類。

在進行圖像像素級別的分類后，我們用分類的結果進行圖像區域分析，圖像的分區方法也可以有很多種，如傳統的分區方法在掃描線深度上多行分為一個區域，或者在掃描方向上多條掃描先劃分為一個區域，也可以是將圖像劃分為多個區塊，如圖6所示。

本發明圖像分析器4023采用一種像素級的區域分析方法，在當前像素的一個鄰域內進行分析，統計鄰域內像素的分類情況，如果鄰域內像素中超過設定比例像素屬于結構像素，則當前像素標記為3，否則如果鄰域內像素中噪聲像素占有比例超過設定值，則當前像素標記為1，否則標記為2；對于標記為2的情況該像素組織亮度值為鄰域內組織像素的平均值，對于標記為1或3的情況，鄰域組織亮度值為該像素周圍像素組織亮度的均值。如圖7，可見相鄰像素的鄰域是部分重疊的，因此計算的結果不會像傳統分區方法帶來突變和不連續的現象。

根據圖像分析器4023的輸出結果，即用1，2，3標示的標記圖像以及鄰域組織均值圖像，來計算增益補償圖像和噪聲抑制圖像。其計算方法如下：

GainCompI(i,j)＝TValue-MeanI(i,j)，其中，GainCompI(i,j)為增益補償圖像，Tvalue為均勻組織補償目標值，MeanI(i,j)為像素組織亮度圖像；NoiseSupI(i,j)為噪聲抑制圖像，RI(i,j)為標記圖像，SupressFactor為設定的抑制因子，i、j為像素點坐標。

在計算出優化參數后，將其應用到后續的成像中，直到優化參數被重新計算。參數應用方法如下：

OptI(i,j)＝NoiseSupI(i,j)*[I(i,j)+GainCompI(i,j)]，其中，OptI(i,j)為優化后圖像，I(i,j)為優化前圖像。

上述公式中I(i,j)+GainCompI(i,j)在增益補償器403中實現，NoiseSupI(i,j)*[]部分在噪聲抑制器404中實現。

如圖8所示，本發明也可以將自動優化模塊400放在掃描變換模塊500之后進行處理。