本發明涉及超聲圖像處理，尤其涉及一種血管超聲增強方法、裝置、電子設備及存儲介質。

背景技術：

1、目前，利用超聲引導注射針等侵入式設備有創介入人體皮下淺表靜脈及動脈血管是臨床前診斷、檢查、治療甚至手術中常用的影像學手段。這是可視化血管組織和侵入式設備的最直接、普遍的方法。其原理是將超聲探頭經耦合劑接觸皮膚表明，利用安裝在探頭表面的壓電換能器產生一定頻率的超聲信號，根據不同血管組織成份和注射針的聲學特性的差異性得到不同的超聲回波信號，從而得出包含血管結構的血管二維橫截面以及注射針截面的實時斷層圖像，實現對血管位置識別和注射針插入血管的引導。但是由于超聲圖像對比度低、受噪聲和各種偽像影響大，要區分血管的組織特征還比較困難。另外，二維超聲(b-mode)的分辨率約100μm到1000μm左右，難以區分直徑小于100μm的血管。

2、深度學習已經成為處理各種信號和圖像處理任務的強大工具，使其在醫學成像領域越來越普遍。基于卷積神經網絡(cnn)的架構被廣泛用于有效地解決復雜的成像挑戰，具有魯棒性和效率。這導致其通過利用數據的力量在超聲圖像中增強血管結構可視化中的應用。但基于深度學習的方法仍然需要具有精確針注釋的大型數據集進行有效訓練，這在實踐中很難實現。盡管仿真模擬已知的血管結構，但通常用作替代品的模擬數據可能無法很好地轉換為真實的臨床情況。來自體外或體內實驗的圖像也可以用作訓練數據集，而真實的血管位置仍然難以捉摸。臨床專家的手動注釋提供了另一種選擇，但可能是需要一個個手動標注的，并可能引入偏見。此外，基于深度學習的方法在數據集上主要還是依賴于人工標注，這比較依賴經驗豐富的臨床超聲專家，比較耗時耗力，且帶有一定偏見。

技術實現思路

1、本發明提出一種血管超聲增強方法、裝置、電子設備及存儲介質，旨在至少在一定程度上解決相關技術中的技術問題之一，本發明實施例能夠高效準確實現血管超聲增強。

2、一方面，本發明實施例提供了一種血管超聲增強方法，包括：

3、獲取皮下血管的成像數據；成像數據包括光聲射頻數據和超聲射頻數據；

4、對成像數據進行重建處理，得到成像圖像；成像圖像包括光聲圖像和超聲圖像配準的數據對；成像圖像基于光聲圖像標記有血管和非血管的二元標簽和超聲圖像；

5、基于成像圖像構建得到訓練數據；

6、基于二元標簽，利用訓練數據對預構建的網絡模型進行迭代訓練，得到目標增強模型；網絡模型包括編碼結構和解碼結構；

7、利用目標增強模型對待增強的血管超聲圖像進行增強處理，得到超聲增強結果。

8、可選地，獲取皮下血管的成像數據，包括以下步驟：

9、利用預設的多模態成像裝置對目標對象多個部位的皮下血管進行成像采集，得到各個部位的皮下血管的斷層面的光聲射頻數據和超聲射頻數據；

10、其中，成像采集是通過采集預設成像范圍的預設圖像張數的皮下光聲射頻信號和皮下超聲射頻信號數據實現；光聲斷層圖像基于皮下光聲射頻數據對應得到，超聲斷層圖像基于皮下超聲射頻數據對應得到。

11、可選地，對成像數據進行重建處理，得到成像圖像，包括以下步驟：

12、對光聲射頻數據中的光聲掃描線進行濾波處理，進而通過希爾伯特變換提取信號包絡得到光聲信號；

13、將光聲信號按照光聲掃描線的排列方式重建為血管斷層圖像；

14、對血管斷層圖像進行血管濾波后處理，提取得到僅帶有血管特征的金標準圖像；將金標準圖像作為光聲圖像；

15、對超聲射頻數據中的超聲掃描線進行時間增益補償，得到時間序列信號；

16、利用固定頻率的參考信號與每個捕獲的時間序列信號相乘，得到二次調制信號，進而應用低通濾波器并提取信號包絡去除高頻變化，得到超聲信號；

17、對應光聲掃描線，對超聲信號進行超聲圖像映射后處理，得到配準光聲圖像的超聲圖像；

18、其中，二元標簽基于光聲圖像的血管特征區分標記。

19、可選地，對血管斷層圖像進行血管濾波后處理，提取得到僅帶有血管特征的金標準圖像，包括以下步驟：

20、基于奇異值分解的雜波濾波方法過濾血管斷層圖像中的非血管信號，進而進行灰度化處理，生成灰度圖像；

21、基于自適應方法確定的閾值對灰度圖像進行二值化處理，得到血管光聲灰度圖像；

22、對血管光聲灰度圖像的連通區域進行標記，以作為對應超聲圖像的標注圖像；

23、對標注圖像進行非線性中值濾波，得到僅帶有血管特征的金標準圖像。

24、可選地，對應光聲掃描線，對超聲信號進行超聲圖像映射后處理，得到配準光聲圖像的超聲圖像，包括以下步驟：

25、基于每個超聲掃描線對應的超聲信號，通過預設的壓縮比對進行對數壓縮，得到縮小亮度動態范圍后的壓縮數據；

26、基于壓縮數據，對應光聲掃描線的預設采樣倍數的采樣距離進行空間重新映射，得到與光聲圖像配準的二維斷層圖像；將二維斷層圖像作為超聲圖像。

27、可選地，基于成像圖像構建得到訓練數據，包括以下步驟：

28、對光聲圖像和對應配準的超聲圖像進行數據離線擴充，得到訓練數據；

29、其中，數據離線擴充包括旋轉、平移、加噪和縮放變換；訓練數據包括按照預設比例劃分的訓練集、驗證集和測試集。

30、可選地，基于二元標簽，利用訓練數據對預構建的網絡模型進行迭代訓練，得到目標增強模型，包括以下步驟：

31、基于多層標尺構建編碼結構的編碼路徑和解碼結構的解碼路徑，除最后預設層數的標尺的卷積核由一系列具有不同膨脹率的卷積核代替外預構建得到網絡模型；

32、其中，編碼路徑中：除最后預設層數的標尺的卷積核由一系列具有不同膨脹率的卷積核代替外每層標尺的卷積核基于不同深度的殘差u-net網絡設置得到，每層標尺前設置有輸入圖像通道數和預提取的特征通道數，每層標尺后設置有最大池化層；解碼路徑中：除最后預設層數的標尺的卷積核由一系列具有不同膨脹率的卷積核代替外每層標尺的卷積核基于殘差u-net網絡設置得到，每層標尺后設置有轉置卷積層進行上采樣；編碼路徑和解碼路徑中各層標尺基于交互交叉注意模塊分別進行特征編碼和上下文信息捕獲，分辨率維護深度監督模塊中，殘差u-net集成到深度網絡中以保持分辨率；

33、將訓練數據中的訓練樣本輸入網絡模型進行分類處理得到輸出結果；

34、基于輸出結果和訓練樣本對應的二元標簽，利用二元交叉熵計算損失函數；

35、根據損失函數的結果對網絡模型的模型權重進行優化調整，返回執行將訓練數據中的訓練樣本輸入網絡模型進行分類處理得到輸出結果的步驟，直至達到預設訓練條件，根據優化調整后的模型權重設置得到目標增強模型。

36、另一方面，本發明實施例提供了一種血管超聲增強裝置，包括：

37、數據采集模塊，用于獲取皮下血管的成像數據；成像數據包括光聲射頻數據和超聲射頻數據；

38、預處理模塊，用于對成像數據進行重建處理，得到成像圖像；成像圖像包括光聲圖像和超聲圖像配準的數據對；成像圖像基于光聲圖像標記有血管和非血管的二元標簽和超聲圖像；

39、數據構建模塊，用于基于成像圖像構建得到訓練數據；

40、模型訓練模塊，用于基于二元標簽，利用訓練數據對預構建的網絡模型進行迭代訓練，得到目標增強模型；網絡模型包括編碼結構和解碼結構；

41、增強模塊，用于利用目標增強模型對待增強的血管超聲圖像進行增強處理，得到超聲增強結果。

42、另一方面，本發明實施例提供了一種電子設備，包括：處理器以及存儲器；存儲器用于存儲程序；處理器執行程序實現上述血管超聲增強方法。

43、另一方面，本發明實施例提供了一種計算機存儲介質，其中存儲有處理器可執行的程序，處理器可執行的程序在由處理器執行時用于實現上述血管超聲增強方法。

44、本發明實施例通過獲取皮下血管的成像數據；成像數據包括光聲射頻數據和超聲射頻數據；對成像數據進行重建處理，得到成像圖像；成像圖像包括光聲圖像和超聲圖像配準的數據對；成像圖像基于光聲圖像標記有血管和非血管的二元標簽和超聲圖像；基于成像圖像構建得到訓練數據；基于二元標簽，利用訓練數據對預構建的網絡模型進行迭代訓練，得到目標增強模型；網絡模型包括編碼結構和解碼結構；利用目標增強模型對待增強的血管超聲圖像進行增強處理，得到超聲增強結果。本發明利用光聲成像彌補臨床超聲診斷儀在血管圖像的識別上對比度、分辨率的不足，并結合深度學習，去除人工標注的流程，以光聲圖像為事實基準訓練一個用于增強血管超聲圖像的算法模型，進而實現高效準確的血管超聲增強。本發明技術方案適用于醫療等領域，有利于皮下血管在超聲引導下的介入性治療場景的推廣。