(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210752660.X (22)申请日 2022.06.28 (71)申请人 飞依诺科技股份有限公司 地址 215123 江苏省苏州市工业园区新发 路27号A栋 5楼、 C栋4楼 (72)发明人 刘畅　鲁莉　薛丽娜　邢志军　 (74)专利代理 机构 苏州威世朋知识产权代理事 务所(普通 合伙) 32235 专利代理师 郜商羽 (51)Int.Cl. G06T 7/30(2017.01) G06T 7/55(2017.01) G06T 3/40(2006.01) G06N 20/00(2019.01) G06V 10/74(2022.01) (54)发明名称 超声立体图像重 建方法、 设备及计算机存储 介质 (57)摘要 本发明揭示了一种超声立体图像重建方法、 设备及计算机存储介质， 所述方法包括： 接收两 组采样图像集合； 其中， 所述采样图像集合所表 征的部位相互对应； 以所述两组采样图像集合其 中之一作为固定图像集合， 以所述两组采样图像 集合其中另一作为活动图像集合， 对 所述活动图 像集合执行平移 变换配准， 迭代并依次修改平移 配准矩阵中的深度参数和平面参数， 得到对应所 述活动图像集合的最终校准图像集合； 根据所述 最终校准图像集合和所述固定图像集合执行匹 配融合， 得到融合立体图像。 本发明提供的超声 立体图像重建方法， 能够简化操作逻辑， 加快配 准速度和效率。 权利要求书4页 说明书17页 附图9页 CN 115063456 A 2022.09.16 CN 115063456 A 1.一种超声立体图像重建方法， 其特 征在于， 包括： 接收两组采样图像集 合； 其中， 所述采样图像集 合所表征的部位相互对应； 以所述两组采样图像集合其中之一作为固定图像集合， 以所述两组采样图像集合其中 另一作为活动图像集合， 对所述活动图像集合执行平移变换配准， 迭代并依 次修改平移配 准矩阵中的深度参数和平面 参数， 得到对应所述活动图像集 合的最终校准图像集 合； 根据所述 最终校准图像集 合和所述固定图像集 合执行匹配融合， 得到融合 立体图像。 2.根据权利要求1所述的超声立体图像重建方法， 其特 征在于， 所述方法具体包括： 对所述活动图像集合执行平移变换配准， 迭代并修改所述平移配准矩阵中的深度参 数， 迭代至所述活动图像集合满足第一预设条件， 得到对应所述活动图像集合的深度校准 图像集合； 对所述深度校准图像集合中每组深度校准图像执行平移变换配准， 迭代并修改所述平 移配准矩阵中的平面参数， 迭代至所述深度校准图像满足第二预设条件， 得到对应所述深 度校准图像的最终校准图像， 形成所述 最终校准图像集 合。 3.根据权利要求2所述的超声立体图像重建方法， 其特 征在于， 所述方法具体包括： 计算配准后的活动图像集合与所述固定图像集合的第 一相似度参数， 根据所述第 一相 似度参数修改所述深度参数， 迭代至所述第一相似度参数满足预设的第一误差条件， 得到 对应所述活动图像集 合的深度校准图像集 合； 计算配准后的深度校准图像以及与其对应的固定图像集合中的固定图像之间的第二 相似度参数， 根据所述第二相似度参数修改所述平面参数， 迭代至所述第二相似度参数满 足预设的第二 误差条件， 得到对应所述深度校准图像的所述 最终校准图像。 4.根据权利要求3所述的超声立体图像重建方法， 其特 征在于， 所述方法具体包括： 以所述固定 图像集合为基准， 对所述活动图像集合执行深度平移变换， 得到深度变换 矩阵； 根据所述深度变换矩阵配准所述活动图像集合， 生成深度配准图像集合， 并对所述深 度配准图像集 合执行重采样插值， 得到深度插值图像集 合； 根据所述深度插值图像集 合和所述固定图像合， 计算所述第一相似度参数； 根据所述第 一相似度参数对所述深度参数进行迭代优化， 直至所述第 一相似度参数收 敛于第一 误差区间， 得到对应所述平 移配准矩阵的深度配准矩阵； 根据所述深度配准矩阵校准所述活动图像集 合， 得到所述深度校准图像集 合。 5.根据权利要求4所述的超声立体图像重建方法， 其特征在于， 所述第 一相似度参数为 归一化互相关系数， 所述重采样插值包括线性插值。 6.根据权利要求5所述的超声立体图像重建方法， 其特征在于， 所述固定图像集合和所 述深度插值图像集合分别包括相互对应的第一固定像素和 第一深度像素， 以及第二固定像 素和第二深度像素； 所述方法具体包括： 遍历并计算所述固定图像集合的固定平均 灰度值， 以及所述深度插值图像集合的深度 平均灰度值； 计算所述第 一固定像素的灰度值和所述固定平均 灰度值的差值， 与 所述第一深度像素 的灰度值和所述深度 平均灰度值的差值的第一乘积值， 以及所述第二固定像素的灰度值和 所述固定平均灰度值的差值， 与所述第二深度像素的灰度值和所述深度 平均灰度值的差值权　利　要　求　书 1/4 页 2 CN 115063456 A 2的第二乘积值， 并根据所述第一乘积值和所述第二乘积值之和， 计算所述第一相似度参数 的第一相似度参 量； 计算所述第 一固定像素的灰度值和所述固定平均 灰度值的差值的平方， 与 所述第二固 定像素的灰度值和所述固定平均灰度值的差值的平方的第一总和值， 以及所述第一深度像 素的灰度值和所述深度平均灰度值的差值的平方， 与所述第二深度像素的灰度值和所述深 度平均灰度值的差值的平方的第二总和值， 并根据所述第一总和值的算术平 方根和所述第 二总和值的算 术平方根之积， 计算所述第一相似度参数的第二相似度参 量； 根据所述第一相似度参 量与所述第二相似度参 量的商， 计算所述第一相似度参数。 7.根据权利要求 4所述的超声立体图像重建方法， 其特 征在于， 所述方法具体包括： 利用梯度 下降法和牛顿梯度法至少其中之一， 根据 所述第一相似度参数对所述深度参 数进行迭代优化。 8.根据权利要求3所述的超声立体图像重建方法， 其特 征在于， 所述方法具体包括： 以所述固定图像集合中的固定图像为基准， 对所述深度校准图像集合中对应的深度校 准图像执 行平面平 移变换， 得到平面变换矩阵； 根据所述平面变换矩阵配准所述深度校准图像， 生成平面配准图像， 并对所述平面配 准图像执 行重采样插值， 得到平面插值图像； 根据所述平面插值图像和所述固定图像， 计算所述第二相似度参数； 根据所述第 二相似度参数对所述平面参数进行迭代优化， 直至所述第 二相似度参数收 敛于第二 误差区间， 得到对应所述平 移配准矩阵的平面配准矩阵； 根据所述平面配准矩阵校准所述深度校准图像集合中的每组深度校准图像， 得到所述 最终校准图像并形成所述 最终校准图像集 合。 9.根据权利要求8所述的超声立体图像重建方法， 其特征在于， 所述第 二相似度参数为 灰度梯度差值系数， 所述重采样插值包括线性插值。 10.根据权利要求9所述的超声立体图像重建方法， 其特 征在于， 所述方法具体包括： 计算所述平面插值图像和所述固定图像分别在第 一方向和第 二方向上的梯度差异， 得 到梯度差异图像数据； 其中， 所述梯度差异图像数据包括对应于所述第一方向的第一梯度 差灰度值， 以及对应于所述第二方向的第二梯度差灰度值； 根据所述第一梯度差灰度值和所述第二梯度差灰度值， 计算所述第二相似度参数。 11.根据权利要求10所述的超声立体图像重建方法， 其特征在于， 所述固定图像和所述 平面插值图像分别包括第一固定像素和第一插值像素， 所述第一固定像素和所述第一插值 像素相互对应， 且 对应于所述梯度差异图像数据中的第一梯度像素； 所述方法具体包括： 计算并根据所述第 一固定像素的灰度值在所述第 一方向上的偏微分参数， 与 所述第一 插值像素的灰度值在所述第一方向上的偏微分参数， 作差运算得到所述第一梯度差灰度 值； 计算并根据所述第 一固定像素的灰度值在所述第 二方向上的偏微分参数， 与 所述第一 插值像素的灰度值在所述第二方向上的偏微分参数， 作差运算得到所述第二梯度差灰度 值； 遍历梯度差异图像数据中所有第 一梯度差灰度值以及所有第 二梯度差灰度值， 分别求 取方差后对应得到第一梯度方差和第二梯度方差；权　利　要　求　书 2/4 页 3 CN 115063456 A 3