基于多模态超声数据的自适应分割方法、装置、存储介质与流程

1.本技术涉及图像处理技术领域，特别是涉及一种基于多模态超声数据的自 适应分割方法、装置、存储介质。


背景技术：

2.2020年，世界卫生组织国际癌症研究机构(iarc)数据显示，乳腺癌以226 万新发癌症病例，超越肺癌，成为全球第一大癌。在中国，乳腺癌更是女性健 康的头号杀手，相较于欧美，我国乳腺癌早期检出率非常低，乳腺癌患者在一 期就筛查出来的不到20％，而欧美国家则高达62％。早期筛查的意义远超癌症的 治疗，是影响患者生存预期、治疗效果的关键。
3.目前影像上主要采用钼靶检查作为乳房成像的标准，但钥靶存在x射线辐 射；且检查过程需要压迫乳房，患者体验不佳；此外对致密型乳腺的可疑乳房 钙化评估方面，特异度不高，漏诊率高达76％。相对西方妇女，东方妇女的乳腺 相对致密，且乳腺癌的发病年龄较低。因此，迫切需要一种新型无创、无辐射、 适合亚洲女性乳房的乳腺癌早筛手段。
4.传统的超声成像模式仅能提供乳腺组织某一断面的图像，临床上需要医生 根据实时二维图像在脑海中拼出乳房组织的三维结构，主观性强，缺乏重复性 和可追溯性，对于肿瘤的位置、形状和大小很容易产生不准确的估测结果。
5.核磁共振虽然具有灵敏度优势，但其耗时长、费用高，且对人体存在辐射， 不适合作为早筛手段。
6.改良型超声检查设备如ge的abus，西门子的abvs虽然能重建获得三维图 像，但因为只采集反射波信号，对乳腺组织的呈现较为单一。
7.另外，目前获取乳腺组织图像大多根据经验阈值进行分割，因此得到的分 割结果不准确。基于此现有技术提出采用ostu自适应分割算法在一次分割后再 自适应得到二次分割的阈值，并基于二次分割的阈值再进行自适应分割，有助 于更准确得到乳腺组织图像。然而ostu算法的缺点存在对多峰值分割和噪声不 友好的问题。
8.综上，目前亟需一种基于多模态超声数据的自适应分割方法，实现基于多 模态超声数据对图像进行自适应调整阈值达到准确分割的目的。


技术实现要素：

9.本技术实施例提供了一种基于多模态超声数据的自适应分割方法、装置、 存储介质，针对目前对于乳腺组织图像中的肿瘤的位置、形状和大小分割不准 确的问题，通过采集多个模态的超声数据度融合全方位呈现乳腺的组织学特性 从而提高成像细节，并且基于多模态超声数据得到组织距离辅助ostu算法生成 阈值，提高了ostu算法在多峰值下分割准确率。
10.第一方面，本技术实施例提供了一种基于多模态超声数据的自适应分割方 法，所述方法包括：获取超声换能器采集到的与成像目标所对应的反射波信号 以及透射波信号；
将所述反射波信号以及所述透射波信号三维重建得到反射图、 声速图和衰减图；设置经验阈值获取所述声速图的声速确定区间以及所述衰减 图的衰减确定区间；基于所述声速确定区域与所述衰减确定区间的重叠区域对 所述反射图进行分割，得到肿块候选区域；获取所述肿块候选区域中每一像素 点的反射距离、声速距离以及衰减距离；结合所述反射距离、所述声速距离以 及所述衰减距离计算得到所述像素点的组织距离；将表征所述组织距离的特征 图作为ostu模型的输入，输出目标分割阈值，基于所述目标分割阈值对所述肿 块候选区域进行分割，得到目标图像。
11.在其中一些实施例中，“获取所述肿块候选区域中每一像素点的反射距离、 声速距离以及衰减距离”包括：计算所述肿块候选区域的轮廓中心点；预设图 像范围，分别在所述声速图、所述衰减图、所述反射图中以所述轮廓中心点为 中心，得到所述图像范围内的声速可疑区间、衰减可疑区间以及反射可疑区间； 获取所述肿块候选区域中每一所述像素点的反射值、声速值以及衰减值，分别 根据所述反射值所在区间得到反射距离、根据所述声速值所在区间得到声速距 离、根据所述衰减值所在区间得到衰减距离。
12.在其中一些实施例中，获取所述肿块候选区域中每一像素点的反射距离包 括：
[0013][0014]
其中，r为反射值，d(r)m为反射距离，为反射可疑区间，为反射可疑区间，为肿块候选区域。
[0015]
在其中一些实施例中，获取所述肿块候选区域中每一像素点的声速距离包 括：
[0016][0017]
其中，s为声速值，d(s)m为声速距离，[1.49,1.55]为声速的经验阈值，为声速可疑区间。
[0018]
在其中一些实施例中，获取所述肿块候选区域中每一像素点的衰减距离包 括：
[0019][0020]
其中，a为衰减值，[0.12，0.20]为衰减率的经验阈值，为衰 减可疑区间。
[0021]
在其中一些实施例中，“结合所述反射距离、所述声速距离以及所述衰减距 离计算得到所述像素点的组织距离”包括：根据所述反射距离、所述声速距离 以及所述衰减距离进行欧式距离计算，得到组织距离；所述组织距离表示为：
[0022][0023]
其中，d(r,s,a)m为组织距离，d(r)m为反射距离，d(s)m为声速距离，d(a)m为衰减距离。
[0024]
在其中一些实施例中，“基于所述声速确定区域与所述衰减确定区间的重叠 区域对所述反射图进行分割，得到肿块候选区域”包括：将所述声速确定区域 与所述衰减确定区间的重叠区域作为所述反射图的反射确定区间，剔除所述反 射确定区间中的噪声区域，得到肿块候选区域。
[0025]
在其中一些实施例中，所述超声换能器为半球形超声换能器，所述半球形 超声换能器包括多个信号发送装置以及多个信号接收装置，多个所述信号发送 装置向所述成像目标的不同方位发射发射波信号，并由多个所述信号接收装置 接收由所述成像目标的不同方位传来的所述反射波信号以及所述透射波信号。
[0026]
第二方面，本技术实施例提供了一种基于多模态超声数据的自适应分割装 置，包括：信号获取模块，用于获取超声换能器采集到的与成像目标所对应的 反射波信号以及透射波信号；图像重建模块，用于将所述反射波信号以及所述 透射波信号三维重建得到反射图、声速图和衰减图；初步分割模块，用于设置 经验阈值获取所述声速图的声速确定区间以及所述衰减图的衰减确定区间；基 于所述声速确定区域与所述衰减确定区间的重叠区域对所述反射图进行分割， 得到肿块候选区域；组织距离计算模块，用于获取所述肿块候选区域中每一像 素点的反射距离、声速距离以及衰减距离；结合所述反射距离、所述声速距离 以及所述衰减距离计算得到所述像素点的组织距离；二次分割模块，用于将表 征所述组织距离的特征图作为ostu模型的输入，输出目标分割阈值，基于所述 目标分割阈值对所述肿块候选区域进行分割，得到目标图像。
[0027]
第三方面，本技术实施例提供了一种电子装置，包括存储器和处理器，所 述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执 行第一方面任一项所述的基于多模态超声数据的自适应分割方法。
[0028]
第四方面，本技术实施例提供了一种计算机程序产品，包括软件代码部分， 当所述计算机程序产品在计算机上被运行时，所述软件代码部分用于执行根据 第一方面任一项所述的基于多模态超声数据的自适应分割方法。
[0029]
第五方面，本技术实施例提供了一种可读存储介质，所述可读存储介质中 存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码， 所述过程包括根据第一方面任一项所述的基于多模态超声数据的自适应分割方 法。
[0030]
本技术实施例的主要贡献和创新点如下：
[0031]
本方案可用于显示目标对象的图像，例如采用超声换能器来发射和接收作 用于乳腺组织部位的超声波，通过超声波的辐射力显示乳腺组织部位的图像， 并基于声速图、反射图以及衰减图综合对图像中的肿块进行分割，实现分割准 确度高的目的。
[0032]
在本方案中首先通过超声换能器接受的反射波信号和透射波信号经过三维 重建得到多个模态的超声数据，分别是反射图、声速图以及衰减图，在医学图 像领域，只采用病灶区域的灰度图(反射图)无法完全代表肿块的特征，可能 出现分割不准确的情况，因此本方案结合声速图，但又额外引入反射图和衰减 图辅助初步分割。
[0033]
另外现有的ostu(大津法)对多峰值分割和噪声不友好，因此本方案首先 采用经验阈值进行肿块初筛，并基于经验阈值选取图像子集，得到组织距离， 将表征组织距离的特征图作为ostu算法的输入，有效提升了分割算法的准确性 和有效性。
[0034]
本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术 的其他特征、目的和优点更加简明易懂。
附图说明
[0035]
此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分， 本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限 定。在附图中：
[0036]
图1是根据本技术第一实施例的基于多模态超声数据的自适应分割方法的 主要步骤流程图。
[0037]
图2是第一实施例中声速确定区间以及所述衰减图的衰减确定区间的示意 图。
[0038]
图3是根据本技术第二实施例的基于多模态超声数据的自适应分割装置的 结构框图。
[0039]
图4是根据本技术第三实施例的的电子装置的硬件结构示意图。
具体实施方式
[0040]
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描 述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。 以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例 相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本 说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
[0041]
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序 来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本 说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实 施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在 其他实施例中也可能被合并为单个步骤进行描述。
[0042]
图1是根据本技术第一实施例的基于多模态超声数据的自适应分割方法的 主要步骤流程图。
[0043]
为实现该目的，如图1所示，基于多模态超声数据的自适应分割方法主要 包括如下的步骤s101至步骤s107。
[0044]
步骤s101、获取超声换能器采集到的与成像目标所对应的反射波信号以及 透射波信号。
[0045]
需要说明的是，成像目标可以是乳腺组织部位，也可以是受检者的其他身 体部位，例如在对受检者的其他身体部位进行检测时，检测部位作为成像目标 被固定在超声换能器上，其中，超声换能器与成像目标之间充满介质水，超声 换能器包括信号发送装置以及信号接收装置；由信号发送装置向成像目标的预 设成像区域发出超声波，通过信号接收装置采集反射波信号和透射波信号。
[0046]
在本步骤中获取透射波信号的目的是重建得到声速图以及衰减 图，具体地，现有
技术中只采集反射波信号来计算得到反射图，并根 据反射图确认目标图像的位置。而本方案需要获取多模态超声数据， 因此在数据获取层面需要采集透射波信号，并基于反射波信号和透射 波信号三维重建得到反射图、声速图以及衰减图。
[0047]
在其中一个可行实施例中，所述超声换能器为半球形超声换能器，所述半 球形超声换能器包括多个信号发送装置以及多个信号接收装置，多个所述信号 发送装置向所述成像目标的不同方位发射发射波信号，并由多个所述信号接收 装置接收由所述成像目标的不同方位传来的所述反射波信号以及所述透射波信 号。
[0048]
具体地，半球形超声换能器(usct)中内置大量超声信号发射装置以及超 声信号接收装置，使得usct设备在对成像目标法射超声信号后，可以通过大量 超声信号接收装置获得不同方位的反射波信号和透射波信号，相较于传统超声 需要采用扫图手法而言，采用本实施例只需要单次扫描即可产生患者成像目标 所对应的三维立体超声影像数据。
[0049]
示例性的，使用usct采集乳腺组织部位的基本原理是量超声波 传感器通过作为耦合剂包围患者乳房，采集其在然下垂状态下的反射 波和透射波信号。由于采集数据的过程中乳房呈现自然下垂状态，成 像数据会更为清楚、准确。同时只单次扫描即可生成数据也尽可能降 低了在扫图过程中由于患者移动造成的获取到的影像数据不准确的 问题。
[0050]
针对上述步骤s101，本方案通过usct设备直接获取多个反射波信号以及透 射波信号，通过透射波信号重建得到声速图以及衰减图，声速图以及衰减图可 以反映乳腺组织的内在特征在后续步骤中能够辅助反射图把恶性肿瘤从正常组 织中分割出来。
[0051]
步骤s102、将所述反射波信号以及所述透射波信号三维重建得到反射图、 声速图和衰减图。
[0052]
具体地，可以采用代数重建算法(art)重建获得声速图和衰减图。采用改 进后的合成孔径聚焦技术(saft)重建获得反射图。
[0053]
步骤s103、设置经验阈值获取所述声速图的声速确定区间以及所述衰减图 的衰减确定区间。
[0054]
具体地，在初次分割中可以通过经验阈值对图像进行预分割，经验阈值由 历史分割阈值点统计得到，设置经验阈值在初次分割中将图像中高于经验阈值 的作为组织部分，在经验阈值内的作为恶性肿瘤区域。
[0055]
示例性的，在本方案中给出声速阈值1.52
±
0.03km/s，衰减阈值0.16
±ꢀ
0.04db/cm。从图2中可以看到，根据声速阈值的最低值1.49km/s得到的是小 圆内的区域，而根据声速阈值的最高值1.55km/s得到的是大圆内的区域，同理 衰减阈值也可以最低值和最高值分为小圆内的区域和大圆内的区域。其中声速 图的小圆区域表示声速图的声速确定区域，衰减图的小圆区域表示衰减图的衰 减确定区域。
[0056]
需要说明的是，在本次分割中得到的声速确定区间是指：在初步分割中由 经验阈值最低值所能确定的恶性肿瘤区域，因此在区域内的图像表示的是恶性 肿瘤，区域外的图像可能是恶性肿瘤，也可能只是组织部分。衰减确定区间同 理，是指：在初步分割中由经验阈值最低值所能确定的恶性肿瘤区域，在区域 内的图像表示的是恶性肿瘤，区域外的图像可能是恶性肿瘤，也可能只是组织 部分。
[0057]
值得一提的是，在本方案中选取经验阈值最低值进行初步分割，目的是获 取一定为恶性肿瘤区域的图像。换言之经验阈值是一个范围值，根据测量误差 或者患者的情况不
同，真实的用于精确分割的目标分割阈值是在该范围值中进 行选择的。因此本方案采用经验阈值最低值进行分割，保证以该值分割的图像 一定在以目标分割阈值分割的图像之内，因此分割得到的小圆区域的图像一定 是恶性肿瘤。
[0058]
显然，采用这种步骤只能得到粗略的分割，即一部分可能是恶性肿瘤的区 域被当作正常组织排出在外，那么分割出来的结果对于临床针对而言是会产生 结果不准的问题的。因此在本方案中只讲经验阈值作为预分割依据，在后续步 骤中修正阈值，从而更好的找到恶性肿瘤与正常组织的边界。
[0059]
步骤s104、基于所述声速确定区域与所述衰减确定区间的重叠区域对所述 反射图进行分割，得到肿块候选区域。
[0060]
在本步骤中，因为本质上这三张图像是基于同一次采集的透射波和反射波 信号重建获得，因此无需配准，就天然具有物理空间的一致性，基于反射图和 声速图、衰减图在物理空间的一致性，将声速确定区域与衰减确定区域的重叠 区域作为反射图的反射确定区域，并对该区域进行分割。
[0061]
再次参阅图2，反射确定区域由深色阴影表示，深色阴影为两个小圆相交的 重叠部分，在该实施例中可以直接将反射确定区域作为肿块候选区域，并分割 出该区域。
[0062]
该步骤突出特点包括：不同的声学信号反映着乳腺组织内部不同 的物体特征，传统的图像分割算法仅依赖反射图像的何学特征，缺乏 能代表组织内部特征的声速和衰减信息。综合多模态图像的分割策略 使得本案具有更的分割准确率和临床参考价值。恶性肿瘤往往具有不 规则边缘，给分割带来困难。而基于声速图、衰减率图经验阈值的分 割考虑了乳腺组织的内在特征，相较于分割具有较平滑的分割。
[0063]
在本技术中提出另一实施例，通过剔除所述反射确定区间中的噪声区域， 得到肿块候选区域。
[0064]
具体地，将反射确定区间的图像二值化，并通过轮廓获取算法获取到n个 初步候选区域的轮廓，再将每个初步候选区域的大小与预设阈值相比对，若大 于预设阈值，则说明初步候选区域是肿块候选区域，若小于，则说明初步候选 区域是噪声区域。其中，预设阈值设定为大于一般噪声的面积大小。由于在本 方案中后续需要对每一肿块候选区域进行处理，因此在本实施例中通过剔除噪 声区域能够减少对后续肿块候选区域进行计算的计算成本。
[0065]
针对上述步骤s103至步骤s104，本方案基于声速确定区间以及衰减确定区 间确定反射图的反射确定区间，并通过剔除反射确定区间中的噪声面积得到由 经验阈值分割出来的肿块候选区域。相比于现有技术，本方案技术点在于：反 射确定区间的获取不是直接从反射经验阈值分割得到的，而是结合能代表组织 内部特征的声速和衰减信息来分割，因此分割得到的结果也更能区分正常组织 与恶性肿瘤。
[0066]
步骤s105、获取所述肿块候选区域中每一像素点的反射距离、声速距离以 及衰减距离。
[0067]
步骤s106、结合所述反射距离、所述声速距离以及所述衰减距离计算得到 所述像素点的组织距离。
[0068]
具体地，步骤s105包括：
[0069]
计算所述肿块候选区域的轮廓中心点；
[0070]
预设图像范围，分别在所述声速图、所述衰减图、所述反射图中以所述轮 廓中心点为中心，得到所述图像范围内的声速可疑区间、衰减可疑区间以及反 射可疑区间；
[0071]
获取所述肿块候选区域中每一所述像素点的反射值、声速值以及衰减值， 分别根据所述反射值所在区间得到反射距离、根据所述声速值所在区间得到声 速距离、根据所述衰减值所在区间得到衰减距离。
[0072]
其中，轮廓中心点是指表示肿块候选区域的轮廓坐标点的中心的点。具体 地，计算出每个轮廓坐标点后通过加和平均法得到坐标值，该坐标值表示的是 轮廓中心点的位置。
[0073]
针对每一肿块候选区域，以其对应的轮廓中心点为中心，选取经验范围内 的声速区间、衰减区间以及反射区间作为该肿块候选区域的可疑区间。
[0074]
需要说明的是，经验范围例如8*8cm是根据历史经验得到的一个既可以将 肿块体积包括进去又能有效缩小非肿块区域引入带来无效计算的范围，采用该 范围是为了对每个肿块候选区域的可疑区间进行初步但尽可能缩小范围的分 割。当然经验范围也不局限于矩形，也可以是圆形或者其他图形，在此不再累 赘说明。
[0075]
在本技术中，反射值、声速值以及衰减值是根据反射波信号以及透射波信 号得到的。
[0076]
获取所述肿块候选区域中每一像素点的反射距离包括：
[0077][0078]
其中，r为反射值，d(r)m为反射距离，为反射可疑区间，为反射可疑区间，为肿块候选区域。
[0079]
获取所述肿块候选区域中每一像素点的声速距离包括：
[0080][0081]
其中，s为声速值，d(s)m为声速距离，[1.49,1.55]为声速的经验阈值，为声速距离，[1.49,1.55]为声速的经验阈值，为声速可疑区间。
[0082]
获取所述肿块候选区域中每一像素点的衰减距离包括：
[0083][0084]
其中，a为衰减值，[0.12，0.20]为衰减率的经验阈值，
[0085]
下面对上述公式进行详细说明：
[0086]
对于任一肿块候选区域，其中心位置om(xm，ym)，定义确定区间的单维度 距离为0，定义可疑区间的维度距离(0,1)，组织距离为综合三个模态距离的欧 式距离。则每个候选区域的反射距离、声速距离和衰减距离都可以分段表示。
[0087]
因此通过像素值的反射值、声速值、衰减值确定像素值的反射距离、声速 距离和衰减距离，并综合三个模态的距离得到组织距离。
[0088]
具体地，根据所述反射距离、所述声速距离以及所述衰减距离进行欧式距 离计算，得到组织距离；所述组织距离表示为：
[0089][0090]
其中，d(r,s,a)m为组织距离，d(r)m为反射距离，d(s)m为声速距离，d(a)m为衰减距离。
[0091]
采用本方案得到的组织距离视野范围设定合理，不会导致ostu算法在多峰 值的情况下失效，同时最大程度避免了噪声的干扰。
[0092]
步骤s107、将表征所述组织距离的特征图作为ostu模型的输入，输出目标 分割阈值，基于所述目标分割阈值对所述肿块候选区域进行分割，得到目标图 像。
[0093]
具体的，表征组织距离的特征图指的是以轮廓中心点为中心，且在经验范 围内的特征图像子集。在特征图像子集中以组织距离作为新的灰度值，组织距 离越小，灰度值越小；组织距离越大，灰度值越大。特征图像子集的引入有效 缩小了视野范围，面积又大于一般肿块的大小，避免了对全图进行ostu计算带 来的多峰值和分割不准确问题。
[0094]
具体地，ostu(大津法)是一种被广泛应用的自适应阈值分割算法。它通 过图像的内在特征信息，寻找前景和背景之间方差的最大值，并通过最大值确 定分割阈值。在医学图像领域，病灶区域的灰度图(反射图)无法完全代表肿块 的特征，可能出现分割不准确的情况。
[0095]
声速图与组织密度高度相关，而组织密度又和肿块性质相关。因此本方案 保留了声速图的在肿块分割上的技术优势但同时又结合了反射图、衰减图对图 像分割的作用，使得得到的分割结果准确性更高。
[0096]
综上，本技术实施例提供了一种基于多模态超声数据的自适应分割方法， 目的在于对患者的乳房组织部位的图像进行准确分割，使得分割出来的图像不 仅可以知道肿瘤所在区域，同时对于肿瘤形态以及肿瘤与正常组织的边界划分 的更准确，对术前评估、手术规划有一定指导意义。
[0097]
在本方案中先通过usct采集多个反射波信号以及折射波信号，并利用折射 波信号能够得到衰减图以及声速图，通过经验阈值划分衰减图和声速图的确定 区域，并基于确定区域在反射图中确定多个由单独轮廓划分出的肿块候选区域。
[0098]
然后本方案以每一肿块候选区域的轮廓中心点再度划分可疑区间，结合可 疑区间的范围端点以及经验阈值分段得到反射距离、声速记录以及衰减距离， 并结合反射距离、声速记录以及衰减距离最终得出组织距离，将组织距离输入 ostu能够解决该算法对多峰值分割和噪声不友好的问题，从而提高得到的目标 分割阈值的准确性。
[0099]
图3是根据本技术的第二实施例的基于多模态超声数据的自适应分割装置 的结构框图。
[0100]
如图3所示，本技术的一个实施例提出了一种基于多模态超声数据的自适 应分割装置，包括：
[0101]
信号获取模块301，用于获取超声换能器采集到的与成像目标所对应的反射 波信号以及透射波信号。
[0102]
图像重建模块302，用于将所述反射波信号以及所述透射波信号三维重建得 到反射图、声速图和衰减图。
[0103]
初步分割模块303，用于设置经验阈值获取所述声速图的声速确定区间以及 所述衰减图的衰减确定区间；基于所述声速确定区域与所述衰减确定区间的重 叠区域对所述反射图进行分割，得到肿块候选区域；
[0104]
组织距离计算模块304，用于获取所述肿块候选区域中每一像素点的反射距 离、声速距离以及衰减距离；结合所述反射距离、所述声速距离以及所述衰减 距离计算得到所述像素点的组织距离。
[0105]
二次分割模块305，用于将表征所述组织距离的特征图作为ostu模型的输 入，输出目标分割阈值，基于所述目标分割阈值对所述肿块候选区域进行分割， 得到目标图像。
[0106]
图4是根据本技术第三实施例的电子装置的硬件结构示意图。
[0107]
如图4所示，本技术一个实施例的电子装置，包括存储器404和处理器402， 该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以 执行上述任一项方法实施例中的步骤。
[0108]
具体地，上述处理器402可以包括中央处理器(cpu)，或者特定集成电路 (applicationspecificintegratedcircuit，简称为asic)，或者可以被配置成实施 本技术实施例的一个或多个集成电路。
[0109]
其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来 说而非限制，存储器404可包括硬盘驱动器(harddiskdrive，简称为hdd)、 软盘驱动器、固态驱动器(solidstatedrive，简称为ssd)、闪存、光盘、磁光 盘、磁带或通用串行总线(universalserialbus，简称为usb)驱动器或者两个 或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可 移除(或固定)的介质。在合适的情况下，存储器404可在数据处理装置的内 部或外部。在特定实施例中，存储器404是非易失性(non-volatile)存储器。 在特定实施例中，存储器404包括只读存储器(read-onlymemory，简称为rom) 和随机存取存储器(randomaccessmemory，简称为ram)。在合适的情况下， 该rom可以是掩模编程的rom、可编程rom (programmableread-onlymemory，简称为prom)、可擦除prom (erasableprogrammableread-onlymemory，简称为eprom)、电可擦除prom (electricallyerasableprogrammableread-onlymemory，简称为eeprom)、电 可改写rom(electricallyalterableread-onlymemory，简称为earom)或闪存 (flash)或者两个或更多个以上这些的组合。在合适的情况下，该ram可以 是静态随机存取存储器(staticrandom-accessmemory，简称为sram)或动态 随机存取存储器(dynamicrandomaccessmemory，简称为dram)，其中，dram 可以是快速页模式动态随机存取存储器404 (fastpagemodedynamicrandomaccessmemory，简称为fpmdram)、扩展数 据输出动态随机存取存储器(extendeddateoutdynamicrandomaccessmemory， 简称为edodram)、同步动态随机存取内存 (synchronousdynamicrandom-accessmemory，简称sdram)等。
[0110]
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文 件，以及处理器402所执行的可能的计算机程序指令。
[0111]
处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现 上述实施例中的任意一种基于多模态超声数据的自适应分割方法。
[0112]
可选地，上述电子装置还可以包括传输设备406以及输入输出设备408， 其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处 理器402连接。
[0113]
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体 实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传 输设备包括一个网络适配器(network interface controller，简称为nic)，其可 通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输 设备406可以为射频(radio frequency，简称为rf)模块，其用于通过无线方 式与互联网进行通讯。
[0114]
输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以 是三维图像等，输出的信息可以是分割结果等。
[0115]
可选地，在本实施例中，上述处理器402可以被设置为通过计算机程序执 行以下步骤：
[0116]
s101、获取超声换能器采集到的与成像目标所对应的反射波信号以及透射 波信号。
[0117]
s102、将所述反射波信号以及所述透射波信号三维重建得到反射图、声速 图和衰减图。
[0118]
s103、设置经验阈值获取所述声速图的声速确定区间以及所述衰减图的衰 减确定区间。
[0119]
s104、基于所述声速确定区域与所述衰减确定区间的重叠区域对所述反射 图进行分割，得到肿块候选区域。
[0120]
s105、获取所述肿块候选区域中每一像素点的反射距离、声速距离以及衰 减距离。
[0121]
s106、结合所述反射距离、所述声速距离以及所述衰减距离计算得到所述 像素点的组织距离。
[0122]
s107、将表征所述组织距离的特征图作为ostu模型的输入，输出目标分割 阈值，基于所述目标分割阈值对所述肿块候选区域进行分割，得到目标图像。
[0123]
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方 式中所描述的示例，本实施例在此不再赘述。
[0124]
通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实 现。本发明的一些方面可以以硬件来实现，而其他方面可以以可以由控制器、 微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽 管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表 示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、 技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或 其他计算设备或其某种组合来实现。
[0125]
本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数 据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件 的组合来实现。
包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序 产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任 务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的 一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个 软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任 何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻 辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现 的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如dvd及其数 据变体、cd等光学介质上。物理介质是非瞬态介质。
[0126]
本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组 合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行 描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记 载的范围。
[0127]
以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但 并不能因此而理解为对本技术范围的限制。应当指出的是，对于本领域的普通 技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进， 这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为 准。