CN119732703A - 一种超声成像设备、盆底的切面图像生成方法 - Google Patents

Abstract

本发明提供的超声成像设备、盆底的切面图像生成方法，先获取盆底的三维容积数据；从三维容积数据中识别出与目标组织的位置相关联的至少一个关键解剖结构；或者根据与目标组织的位置相关联的关键解剖结构在三维容积数据中的先验位置，生成至少一个二维切面，从二维切面中识别出与目标组织的位置相关联的至少一个关键解剖结构；并得到关键解剖结构在三维容积数据中的空间位置；以关键解剖结构在三维容积数据中的位置为依据，对目标组织的切面进行成像，得到目标组织的切面图像。可见，超声医生只需要完成盆底的三维容积数据采集，即可得到盆底目标组织的切面图像，操作简单方便，提高了超声医生的工作效率。

Description

一种超声成像设备、盆底的切面图像生成方法

技术领域

本发明涉及医疗器械领域，具体涉及一种超声成像设备、盆底的切面图像生成方法。

背景技术

现代医学影像检查中，超声技术因其高可靠性、快速便捷、实时成像以及可重复检查等优点，已经成为应用最广、使用频率最高同时新技术普及应用最快的检查手段。一些新的超声技术尤其是基于人工智能辅助技术的发展，进一步推动了超声技术在临床诊疗中的应用。尤其在我国，近年来由于人口老龄化日趋严峻，加之人口基数较大，医院超声检查面临着日益旺盛的病人需求。而与之相对应的医疗条件却有待进一步提升，例如地区间医疗资源分配不平衡、基层医生的技术能力还有很大提升空间等。超声设备的智能化发展，可以帮助医生提高检查效率，并平衡不同地域医院的差距，为患者提供更精准的诊断和个性化的治疗方案。

压力性尿失禁和盆腔脏器脱垂等盆底功能障碍，是影响女性身心健康的常见慢性疾病之一，严重影响女性的工作和社交活动。盆底超声检查对于盆底疾病的诊断具有重要作用，借助于现阶段的超声技术，超声临床医生可以动态观察Valsalva动作和缩肛动作盆腔器官和肛提肌裂孔的变化。常规二维条件下，可以动态实时显示盆底脏器的解剖结构和脱垂状况，同时通过测量超声临床医生可以对其脱垂情况进行定量评估；在三维\四维条件下，可以显示肛提肌最小裂孔切面冠状面，而且超声盆底肛提肌裂孔多个平行切面成像可以在缩肛状态下逐层观察肛提肌是否有损伤。将探头旋转90°，并向后下倾斜，可以完整显示肛管横断面，观察肛提肌是否有损伤及其周围是否有病变。同时，三维\四维条件下的肛提肌裂孔面积和耻骨直肠肌厚度测量，可以帮助医生定量评估盆底肛提肌的损伤程度。

但是医生在进行盆底超声诊断时，标准切面的获取和多个平行切面的成像需要医生手动完成，该过程对医生的经验和手法要求较高，且费时费力，同时相关测量项的测量过程极度繁杂。同时，病人在检查的过程中很难完成和保持Valsalva和缩肛动作，需要医生更加准确快速地完成多个平行切面成像。手动获取肛提肌最小裂孔切面以及肛提肌裂孔和肛管横断面对应的平行切面后，超声临床医生还要手动测量各项数据，极大的消耗了医生的检查时间和检查效率。

发明内容

本发明主要提供一种超声成像设备、盆底的切面图像生成方法，以提高超声医生的工作效率。

一个实施例中，提供了一种盆底的切面图像生成方法，其特征在于，包括：

获取盆底的三维容积数据；

从所述三维容积数据中识别出耻骨联合和肛直肠角，获得所述耻骨联合和所述肛直肠角在所述三维容积数据中的空间位置；

基于所述耻骨联合和所述肛直肠角在所述三维容积数据中的空间位置，确定所述三维容积数据中肛提肌最小裂孔切面的位置；

基于肛提肌最小裂孔切面的位置，根据所述三维容积数据获得肛提肌最小裂孔切面图像。

一个实施例中，从所述三维容积数据中识别出耻骨联合和肛直肠角，获得所述耻骨联合和所述肛直肠角在所述三维容积数据中的空间位置包括：

从所述三维容积数据中识别出耻骨联合下缘、两个耻骨支和肛直肠角，获得所述耻骨联合下缘、所述两个耻骨支和所述肛直肠角在所述三维容积数据中的空间位置；

基于所述耻骨联合和所述肛直肠角在所述三维容积数据中的空间位置确定所述三维容积数据中肛提肌最小裂孔切面的位置包括：

根据所述耻骨联合下缘、所述两个耻骨支和所述肛直肠角在所述三维容积数据中的空间位置，确定经过所述耻骨联合下缘和所述肛直肠角的至少一部分且与由所述两个耻骨支上相对于所述耻骨联合下缘对称的两个点的连线平行的切面，以该切面的位置为所述肛提肌最小裂孔切面的位置。

一个实施例中，从所述三维容积数据中识别出耻骨联合和肛直肠角，获得所述耻骨联合和所述肛直肠角在所述三维容积数据中的空间位置包括：

从所述三维容积数据中识别出耻骨联合下缘和肛直肠角，获得所述耻骨联合下缘和所述肛直肠角在所述三维容积数据中的空间位置；

基于所述耻骨联合和所述肛直肠角在所述三维容积数据中的空间位置确定所述三维容积数据中肛提肌最小裂孔切面的位置包括：

根据所述耻骨联合下缘和所述肛直肠角在所述三维容积数据中的空间位置，确定经过所述耻骨联合下缘和所述肛直肠角上一预定点的多个切面，并根据所述三维容积数据获得所述多个切面的切面图像；

确定所述多个切面的切面图像中的每个切面图像中位于所述耻骨联合下缘和所述预定点的连线两侧的图像区域的对称性，并将所述对称性满足预定条件的切面图像所在位置确定为所述肛提肌最小裂孔切面的位置。

一个实施例中，该方法还包括：根据获得的所述肛提肌最小裂孔切面图像，测量肛提肌最小裂孔的面积；和/或，在所述肛提肌最小裂孔切面图像中检测肛提肌和尿道口，并根据检测到的肛提肌和尿道口测量所述尿道口到最左侧肛提肌的距离和/或尿道口到最右侧肛提肌的距离；和/或，在所述肛提肌最小裂孔切面图像中提取肛提肌或肛提肌最小裂孔的轮廓，并根据所述轮廓计算肛提肌上下径线的距离和/或肛提肌左右径线的距离。

一个实施例中，从所述三维容积数据中识别耻骨联合包括：计算所述三维容积数据的至少一个特征指标，将所述特征指标输入预先建立的三维容积数据的特征指标与耻骨联合对应关系的模型函数，得到对应的耻骨联合；或者，对所述三维容积数据进行目标检测或图像分割，对检测或分割后得到的各个区域进行形态学特征检测得到多个候选区域，对每个候选区域根据形状特征和/或灰度特征判断该候选区域是耻骨联合，将概率最高的候选区域确定为耻骨联合。

一个实施例中，从所述三维容积数据中识别肛直肠角包括：计算所述三维容积数据的至少一个特征指标，将所述特征指标输入预先建立的三维容积数据的特征指标与肛直肠角对应关系的模型函数，得到对应的肛直肠角；或者，对所述三维容积数据进行目标检测或图像分割，对检测或分割后得到的各个区域进行形态学特征检测得到多个候选区域，对每个候选区域根据形状特征和/或灰度特征判断该候选区域是肛直肠角的概率，将概率最高的候选区域确定为肛直肠角。

一个实施例中，基于肛提肌最小裂孔切面的位置，根据所述三维容积数据获得肛提肌最小裂孔切面图像包括：基于肛提肌最小裂孔切面的位置，从所述三维容积数据获得包含肛提肌最小裂孔切面的图像数据，并对所述包含最小裂孔切面的图像数据进行容积渲染，得到最小裂孔切面的容积渲染图像；和/或，基于肛提肌最小裂孔切面的位置，从所述三维容积数据中获得提肌最小裂孔切面的二维图像；和/或，根据预先设置的成像厚度，对所述肛提肌最小裂孔切面进行厚层成像，得到所述肛提肌最小裂孔切面的厚层图像。

一个实施例中，提供了一种盆底的切面图像生成方法，包括：

获取盆底的三维容积数据；

从所述三维容积数据中识别出与目标组织的位置相关联的至少一个关键解剖结构，并得到所述关键解剖结构在所述三维容积数据中的空间位置；或者，根据与目标组织的位置相关联的关键解剖结构在所述三维容积数据中的先验位置，生成至少一个二维切面，从所述二维切面中识别出与目标组织的位置相关联的至少一个关键解剖结构，并得到所述关键解剖结构在所述三维容积数据中的空间位置；

以所述关键解剖结构在所述三维容积数据中的位置为依据，对所述目标组织的切面进行成像，得到所述目标组织的切面图像。

一个实施例中，所述目标组织为肛提肌，所述方法还包括：

基于所述肛提肌的切面图像对肛提肌进行检测，测量检测出的肛提肌的最小裂孔面积；

或者，基于所述肛提肌的切面图像对肛提肌和尿道口进行检测，测量尿道口到最左侧肛提肌的距离、尿道口到最右侧肛提肌的距离。

一个实施例中，所述目标组织为肛管，所述目标组织的切面图像为肛管横断面；所述方法还包括：

基于所述肛管横断面对耻骨直肠肌进行检测，测量检测出的耻骨直肠肌的厚度。

一个实施例中，从所述三维容积数据中识别出与目标组织的位置相关联的至少一个关键解剖结构包括：

计算所述三维容积数据的至少一个特征指标，将所述特征指标输入预先建立的三维容积数据的特征指标与关键解剖结构对应关系的模型函数，得到对应的关键解剖结构。

一个实施例中，从所述三维容积数据中识别出与目标组织的位置相关联的至少一个关键解剖结构包括：

对所述三维容积数据进行图像分割，对分隔后得到的各个区域进行形态学特征检测得到多个候选区域，对每个候选区域根据形状特征和/或灰度特征判断该候选区域是关键解剖结构的概率，将概率最高的候选区域确定为关键解剖结构。

一个实施例中，根据与目标组织的位置相关联的关键解剖结构在所述三维容积数据中的先验位置，生成至少一个二维切面，从所述二维切面中识别出与目标组织的位置相关联的至少一个关键解剖结构包括：

根据与目标组织的位置相关联的关键解剖结构在所述三维容积数据中的先验位置，在所述先验位置的两侧检测出最相似的一对二维切面，从该对二维切面的中心平面中识别出所述关键解剖结构。

一个实施例中，对所述目标组织的切面进行成像，得到所述目标组织的切面图像包括：

对所述目标组织的切面进行容积渲染成像，得到所述目标组织切面的容积渲染图像；和/或，

对所述目标组织的切面进行灰度成像，得到所述目标组织切面的灰度图像；和/或，

根据用户的输入指令确定参考线，经过所述参考线对所述关键解剖结构进行剖切并成像，得到目标组织的切面图像；和/或，

对所述目标组织的切面进行成像，得到所述目标组织的多个平行切面的图像；和/或，

根据预先设置的成像厚度，对所述目标组织的切面进行厚层成像，得到所述目标组织切面的厚层图像。

一个实施例中，所述关键解剖结构为目标组织或能够定位目标组织的组织。

一个实施例中，提供了一种超声成像设备，包括：

超声探头，用于向待成像对象发射超声波以扫描待成像对象，接收自所述待成像对象返回的超声回波；

发射/接收电路，用于控制超声探头向待成像对象发射超声波并接收所述超声波的回波；

处理器，用于根据所述超声波的回波进行3D重建，获得所述待成像对象的三维容积数据；所述待成像对象包括盆底；

所述处理器还用于从所述三维容积数据中识别出与目标组织的位置相关联的至少一个关键解剖结构，并得到所述关键解剖结构在所述三维容积数据中的空间位置；或者，根据与目标组织的位置相关联的关键解剖结构在所述三维容积数据中的先验位置，生成至少一个二维切面，从所述二维切面中识别出与目标组织的位置相关联的至少一个关键解剖结构，并得到所述关键解剖结构在所述三维容积数据中的空间位置；以所述关键解剖结构在所述三维容积数据中的位置为依据，对所述目标组织的切面进行成像，得到所述目标组织的切面图像；

显示器，用于显示所述目标组织的切面图像。

一个实施例中的超声成像设备中，所述目标组织为肛提肌，所述处理器还用于：

基于所述肛提肌的切面图像对肛提肌进行检测，测量检测出的肛提肌的最小裂孔面积；

或者，基于所述肛提肌的切面图像对肛提肌和尿道口进行检测，测量尿道口到最左侧肛提肌的距离、尿道口到最右侧肛提肌的距离。

一个实施例中的超声成像设备中，所述目标组织为肛管，所述目标组织的切面图像为肛管横断面；所述处理器还用于：

基于所述肛管横断面对耻骨直肠肌进行检测，测量检测出的耻骨直肠肌的厚度。

一个实施例中的超声成像设备中，处理器从所述三维容积数据中识别出与目标组织的位置相关联的至少一个关键解剖结构包括：

计算所述三维容积数据的至少一个特征指标，将所述特征指标输入预先建立的三维容积数据的特征指标与关键解剖结构对应关系的模型函数，得到对应的关键解剖结构。

一个实施例中的超声成像设备中，处理器从所述三维容积数据中识别出与目标组织的位置相关联的至少一个关键解剖结构包括：

对所述三维容积数据进行图像分割，对分隔后得到的各个区域进行形态学特征检测得到多个候选区域，对每个候选区域根据形状特征和/或灰度特征判断该候选区域是关键解剖结构的概率，将概率最高的候选区域确定为关键解剖结构。

一个实施例中的超声成像设备中，所述处理器根据与目标组织的位置相关联的关键解剖结构在所述三维容积数据中的先验位置，生成至少一个二维切面，从所述二维切面中识别出与目标组织的位置相关联的至少一个关键解剖结构包括：

根据与目标组织的位置相关联的关键解剖结构在所述三维容积数据中的先验位置，在所述先验位置的两侧检测出最相似的一对二维切面，从该对二维切面的中心平面中识别出所述关键解剖结构。

一个实施例中的超声成像设备中，所述处理器对所述目标组织的切面进行成像，得到所述目标组织的切面图像包括：

对所述目标组织的切面进行容积渲染成像，得到所述目标组织切面的容积渲染图像；和/或，

对所述目标组织的切面进行灰度成像，得到所述目标组织切面的灰度图像；和/或，

根据用户的输入指令确定参考线，经过所述参考线对所述关键解剖结构进行剖切并成像，得到目标组织的切面图像；和/或，

对所述目标组织的切面进行成像，得到所述目标组织的多个平行切面的图像；和/或，

根据预先设置的成像厚度，对所述目标组织的切面进行厚层成像，得到所述目标组织切面的厚层图像。

一个实施例中的超声成像设备中，所述关键解剖结构为目标组织或能够定位目标组织的组织。

一个实施例中，提供了一种超声成像设备，包括：

存储器，用于存储程序；

处理器，用于执行所述存储器存储的程序，以实现如上所述的方法。

一个实施例中，提供了一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现如上所述的方法。

依据上述实施例的超声成像设备、盆底的切面图像生成方法，先获取盆底的三维容积数据；从三维容积数据中识别出与目标组织的位置相关联的至少一个关键解剖结构，并得到所述关键解剖结构在所述三维容积数据中的空间位置；或者，根据与目标组织的位置相关联的关键解剖结构在所述三维容积数据中的先验位置，生成至少一个二维切面，从所述二维切面中识别出与目标组织的位置相关联的至少一个关键解剖结构，并得到所述关键解剖结构在所述三维容积数据中的空间位置；以关键解剖结构在三维容积数据中的位置为依据，对目标组织的切面进行成像，得到目标组织的切面图像。可见，超声医生只需要完成盆底的三维容积数据采集，即可得到盆底目标组织的切面图像，操作简单方便，提高了超声医生的工作效率。

附图说明

图1为一实施例中超声成像设备的结构框图；

图2为一实施例中盆底的切面图像生成方法的流程图；

图3为盆地矢状切面的超声图像；

图4为肛提肌最小裂孔切面进行容积渲染成像的效果图；

图5为肛提肌最小裂孔切面任意剖面成像的效果图；

图6为肛提肌最小裂孔切面多个平行切面成像的效果图；

图7为一个实施例中的肛提肌最小裂孔切面图像的示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

本发明通过获取盆底的三维容积数据；自动检测和识别盆底三维容积数据中的关键解剖结构；基于关键解剖结构，实现盆底的自动成像，并基于盆底自动成像结果，进行测量；最后通过显示器显示成像结果和自动测量结果；由此实现了盘底切面图像的自动成像和自动测量，提高了超声医生的工作效率。其中，三维容积数据可以是通过超声成像设备采集而生成的三维容积数据，也可以是通过核磁共振设备采集而生成的三维容积数据，当然，还可以是通过电子计算机断层扫描(CT)采集而生成的三维容积数据。下面以超声成像设备为例，对超声成像设备及其盆底的切面图像生成方法进行详细说明。

如图1所示，本发明提供的超声成像设备，包括超声探头30、发射/接收电路40(即发射电路410和接收电路420)、波束合成模块50、IQ解调模块60、处理器20、人机交互装置70和存储器80。

超声探头30包括由阵列式排布的多个阵元组成的换能器(图中未示出)，多个阵元排列成一排构成线阵，或排布成二维矩阵构成面阵，多个阵元也可以构成凸阵列。阵元用于根据激励电信号发射超声波束，或将接收的超声波束变换为电信号。因此每个阵元可用于实现电脉冲信号和超声波束的相互转换，从而实现向待成像对象(例如本实施例中人体的盆底)发射超声波、也可用于接收经组织反射回的超声波的回波。在进行超声检测时，可通过发射电路410和接收电路420控制哪些阵元用于发射超声波束，哪些阵元用于接收超声波束，或者控制阵元分时隙用于发射超声波束或接收超声波束的回波。参与超声波发射的阵元可以同时被电信号激励，从而同时发射超声波；或者参与超声波发射的阵元也可以被具有一定时间间隔的若干电信号激励，从而持续发射具有一定时间间隔的超声波。

阵元例如采用压电晶体，按照发射电路410传输的发射序列将电信号转换成超声信号，根据用途，超声信号可以包括一个或多个扫描脉冲、一个或多个参考脉冲、一个或多个推动脉冲和/或一个或多个多普勒脉冲。根据波的形态，超声信号包括聚焦波和平面波。

用户通过移动超声探头30选择合适的位置和角度向待成像对象10发射超声波并接收由待成像对象10返回的超声波的回波，输出超声回波信号，超声回波信号是按以接收阵元为通道所形成的通道模拟电信号，其携带有幅度信息、频率信息和时间信息。

发射电路410用于根据处理器20的控制产生发射序列，发射序列用于控制多个阵元中的部分或者全部向生物组织发射超声波，发射序列参数包括发射用的阵元位置、阵元数量和超声波束发射参数(例如幅度、频率、发射次数、发射间隔、发射角度、波型、聚焦位置等)。某些情况下，发射电路410还用于对发射的波束进行相位延迟，使不同的发射阵元按照不同的时间发射超声波，以便各发射超声波束能够在预定的感兴趣区域聚焦。不同的工作模式，例如B图像模式、C图像模式和D图像模式(多普勒模式)，发射序列参数可能不同，回波信号经接收电路420接收并经后续的模块和相应算法处理后，可生成反映组织解剖结构的B图像、反映组织解剖结构和血流信息的C图像以及反映多普勒频谱图像的D图像。

接收电路420用于从超声探头30接收超声回波信号，并对超声回波信号进行处理。接收电路420可以包括一个或多个放大器、模数转换器(ADC)等。放大器用于在适当增益补偿之后放大所接收到的回波信号，放大器用于对模拟回波信号按预定的时间间隔进行采样，从而转换成数字化的信号，数字化后的回波信号依然保留有幅度信息、频率信息和相位信息。接收电路420输出的数据可输出给波束合成模块50进行处理，或输出给存储器80进行存储。

波束合成模块50和接收电路420信号相连，用于对回波信号进行相应的延时和加权求和等波束合成处理，由于被测组织中的超声波接收点到接收阵元的距离不同，因此，不同接收阵元输出的同一接收点的通道数据具有延时差异，需要进行延时处理，将相位对齐，并将同一接收点的不同通道数据进行加权求和，得到波束合成后的超声图像数据，波束合成模块50输出的超声图像数据也称为射频数据(RF数据)。波束合成模块50将射频数据输出至IQ解调模块60。在有的实施例中，波束合成模块50也可以将射频数据输出至存储器80进行缓存或保存，或将射频数据直接输出至处理器20进行图像处理。

波束合成模块50可以采用硬件、固件或软件的方式执行上述功能，例如，波束合成模块50可以包括能够根据特定逻辑指令处理输入数据的中央控制器电路(CPU)、一个或多个微处理芯片或其他任何电子部件，当波束合成模块50采用软件方式实现时，其可以执行存储在有形和非暂态计算机可读介质(例如，存储器)上的指令，以使用任何适当波束合成方法进行波束合成计算。

IQ解调模块60通过IQ解调去除信号载波，提取信号中包含的组织结构信息，并进行滤波去除噪声，此时获取的信号称为基带信号(IQ数据对)。IQ解调模块60将IQ数据对输出至处理器20进行图像处理。

在有的实施例中，IQ解调模块60还将IQ数据对输出至存储器80进行缓存或保存，以便处理器20从存储器80中读出数据进行后续的图像处理。

IQ解调模块60也可以采用硬件、固件或软件的方式执行上述功能，在有的实施例中，IQ解调模块60还可以和波束合成模块50集成在一个芯片中。

处理器20用于配置成能够根据特定逻辑指令处理输入数据的中央控制器电路(CPU)、一个或多个微处理器、图形控制器电路(GPU)或其他任何电子部件，其可以根据输入的指令或预定的指令对外围电子部件执行控制，或对存储器80执行数据读取和/或保存，也可以通过执行存储器80中的程序对输入数据进行处理，例如根据一个或多个工作模式对采集的超声数据执行一个或多个处理操作，处理操作包括但不限于调整或限定超声探头30发出的超声波的形式，生成各种图像帧以供后续人机交互装置70的显示器进行显示，或者调整或限定在显示器上显示的内容和形式，或者调整在显示器上显示的一个或多个图像显示设置(例如超声图像、界面组件、定位感兴趣区域)。

接收到回波信号时，所采集的超声数据可由处理器20在扫描或治疗期间实时地处理，也可以临时存储在存储器80上，并且在联机或离线操作中以准实时的方式进行处理。

本实施例中，处理器20控制发射电路410和接收电路420的工作，例如控制发射电路410和接收电路420交替工作或同时工作。处理器20还可根据用户的选择或程序的设定确定合适的工作模式，形成与当前工作模式对应的发射序列，并将发射序列发送给发射电路410，以便发射电路410采用合适的发射序列控制超声探头30发射超声波。

处理器20还用于对超声数据进行处理，以生成扫描范围内的信号强弱变化的灰度图像，该灰度图像反映组织内部的解剖结构，称为B图像。处理器20可以将B图像输出至人机交互装置70的显示器进行显示。

人机交互装置70用于进行人机交互，即接收用户的输入和输出可视化信息；其接收用户的输入可采用键盘、操作按钮、鼠标、轨迹球等，也可以采用与显示器集成在一起的触控屏；其输出可视化信息可以采用显示器。

基于图1所示的超声成像设备，盆底的切面图像生成流程如图2所示，包括以下步骤：

步骤1、处理器20根据存储器80中存储的超声数据进行3D重建、或根据波束合成模块50输出的超声数据进行3D重建、或根据IQ解调模块60输出的超声数据进行3D重建，获得盆底的三维容积数据(三维体数据)，并将三维容积数据输出给人机交互装置70的显示器进行显示。

步骤2、处理器20从三维容积数据中识别关键解剖结构。本实施例中，目标组织为肛提肌，与其关联的关键解剖结构可以是目标组织本身，也可以是能够定位目标组织的组织，本实施例中，与其关联的关键解剖结构可以有两个：耻骨联合下缘(或其周围组织)以及肛直肠角。超声盆底关键解剖结构的识别，对于耻骨联合后下缘点，可以是独立的一个坐标点，也可以包括\或者是后下缘点周围的解剖结构(如耻骨联合后下缘点的耻骨支结构等。同时，关键解剖结构的检测也不仅仅限于耻骨联合后下缘点和肛直肠角。本实施例为了便于阐述，肛提肌的关键解剖结构主要指耻骨联合后下缘点和肛直肠角。步骤2具体有直接识别和间接识别两种方式。

其中，直接识别的方式见步骤2.1，包括：

处理器20从三维容积数据中识别出与目标组织的位置相关联的至少一个关键解剖结构，并得到关键解剖结构在三维容积数据中的空间位置。具体的可基于机器学习或深度学习方法实现对关键解剖结构检测。例如，计算三维容积数据的至少一个特征指标，将特征指标输入预先建立的三维容积数据的特征指标与关键解剖结构对应关系的模型函数，得到对应的关键解剖结构。主要步骤如下：

构建数据库步骤：数据库中通常包含了多份超声盆底的三维容积数据及关键解剖结构的标定结果。其中，标定结果可以根据实际的任务需要进行设定，可以是包含目标的ROI(感兴趣区域)框，也可以是对耻骨联合后下缘(或\和其周围组织)和肛直肠角区域进行精确分割的Mask(掩膜)。

定位和识别步骤：构建好数据库后，再设计机器学习算法学习数据库中可以区别目标区域(关键解剖结构区域)和非目标区域(背景区域)的特征或规律来实现对图像的定位和识别。该实现步骤包含但不仅限于以下几种情况。

第一种情况可以采用传统的基于滑窗的方法，常见形式为：首先对滑窗内的区域进行特征提取，特征提取方法可以是传统的PCA、LDA、Haar特征、纹理特征等，也可以采用深度神经网络来进行特征提取，然后将提取到的特征和数据库进行匹配，用KNN、SVM、随机森林、神经网络等判别器进行分类，确定当前滑窗是否为感兴趣区域同时获取其相应类别。

第二种情况可以采用基于深度学习的Bounding-Box方法检测识别，常见形式为：通过堆叠基层卷积层和全连接层来对构建的数据库进行特征的学习和参数的回归，对于一幅输入图像，可以通过网络直接回归出对应的感兴趣区域的Bounding-Box，同时获取其感兴趣区域内组织结构的类别，常见的网络有R-CNN,Fast R-CNN、Faster-RCNN、SSD、YOLO等。

第三种情况为基于深度学习的端到端的语义分割网络方法，该类方法与第二种基于深度学习的Bounding-Box的结构类似，不同点在于将全连接层去除，加入上采样或者反卷积层来使得输入与输出的尺寸相同，从而直接得到输入图像的感兴趣区域及其相应类别，常见的网络有FCN、U-Net、Mask R-CNN等。

第四种情况为只采用第一种情况的方法、第二种情况的方法或第三种情况的方法来对目标进行定位，再根据定位结果额外设计分类器对目标进行分类判断。常见的分类判断方法为：首先对目标ROI或Mask进行特征提取，特征提取方法可以是传统的PCA、LDA、Haar特征、纹理特征等，也可以采用深度神经网络来进行特征提取，然后将提取到的特征和数据库进行匹配，用KNN、SVM、随机森林、神经网络等判别器进行分类。

通过以上的机器学习或深度学习算法可自动定位到耻骨联合后下缘和肛直肠角等关键解剖结构在三维容积数据中的位置，从而便于后续定位出标准的肛提肌最小裂孔面积切面，作为后续成像的依据。

在超声盆底体数据中，如果两侧耻骨支平行且对称，则耻骨支对应的对称平面则为标准的正中矢状切面，如图3所示。确定正中矢状切面后，耻骨联合和肛直肠角的回声和周围组织呈现明显的差异：耻骨联合呈现高亮的椭圆形，耻骨支外缘筋膜是包绕在筋膜外缘的高亮组织，耻骨联合后下缘位于耻骨支中线和筋膜的交点处；被检查者处于不同的动作状态(静息、缩肛和valsalva)时，肛直肠角呈现一定角度，并且该角度一般不大于180°。所以可以采用传统灰度和/或形态学等特征检测方法，实现对耻骨联合后下缘和肛直肠角的检测。例如，首先对三维容积数据进行图像分割，具体为进行二值分割，对分隔后得到的各个区域进行形态学特征检测得到多个候选区域，然后对每个候选区域根据形状特征和/或灰度特征判断该候选区域是关键解剖结构(耻骨联合下缘和肛直肠角)的概率，将概率最高的候选区域确定为关键解剖结构。当然，也可以采用其他传统灰度检测和分割方法，例如大津阈值(OTSU)、水平集(LevelSet)、图割(Graph Cut)、Snake等。

间接识别的方式见步骤2.2：处理器20根据与目标组织的位置相关联的关键解剖结构在三维容积数据中的先验位置，生成至少一个二维切面，从二维切面中识别出与目标组织的位置相关联的至少一个关键解剖结构，并得到关键解剖结构在三维容积数据中的空间位置。具体的，处理器20根据与目标组织的位置相关联的关键解剖结构在三维容积数据中的先验位置，在先验位置的两侧检测出最相似的一对二维切面，从该对二维切面的中心平面中识别出关键解剖结构。具体到本实施例，处理器20根据盆底的矢状切面，在矢状切面的两侧检测出最相似的一对二维切面，从该对二维切面的中心平面中识别出耻骨联合后下缘和肛直肠角。若直接识别正中矢状切面，由于有识别精度的问题，无法准确的找到理想的正中矢状切面；而本发明通过对称性的查找，无需找出正中矢状切面即可准确的识别出关键解剖结构，

上述的关键解剖结构的识别方法是自动的，当然，也可以手动进行。手动获取解剖结构是用户通过键盘、鼠标等工具，基于一定的工作流在三维容积数据中特定的解剖结构上点点、画线等，来告知设备关键结构结构的类型和位置。

一个实施例中，在识别关键解剖结构时，可以直接从三维容积数据中识别出耻骨联合下缘、两个耻骨支和肛直肠角，从而获得该耻骨联合下缘、两个耻骨支和该肛直肠角在三维容积数据中的空间位置。然后，可以根据耻骨联合下缘、两个耻骨支和肛直肠角在三维容积数据中的空间位置，确定经过耻骨联合下缘和该肛直肠角的至少一部分并且与由该两个耻骨支上相对于该耻骨联合下缘对称的两个点的连线平行的切面，该切面即可认为是肛提肌最小裂孔切面，因此可以以该切面的位置为该肛提肌最小裂孔切面的位置。

一个实施例中，在识别关键解剖结构时，可以直接从该三维容积数据中识别出耻骨联合下缘和肛直肠角，从而获得耻骨联合下缘和肛直肠角在三维容积数据中的空间位置。然后，可以根据耻骨联合下缘和肛直肠角在三维容积数据中的空间位置，确定经过该耻骨联合下缘和该肛直肠角上一预定点的连线的多个切面，并根据三维容积数据获得该多个切面的切面图像。其后，可以根据该多个切面的切面图像的图像数据，确定这些切面图像中的每个切面图像中位于该耻骨联合下缘和该预定点的连线两侧的图像区域(全部或部分图像区域)的对称性，并将对称性满足预定条件的切面图像的切面认为是肛提肌最小裂孔切面，因此可以将该对称性满足预定条件的切面图像所在位置确定为所述肛提肌最小裂孔切面的位置。这里，所说的“预定条件”可以根据实际情况设定。例如，一个实施例中，该预定条件可以设定为“对称性最大”。另一个实施例中，该预定条件可以设定为对称性大于特定值、对称性小于特定值或对称性在特定范围内，等等。确定图像区域对称性的方法可以使用常规的方法，在此不再赘述。

步骤3、处理器20以关键解剖结构在三维容积数据中的位置为依据，对目标组织的切面进行成像，得到目标组织的切面图像，并通过显示器显示目标组织的切面图像。例如，从图3中识别出耻骨联合下缘和肛直肠角后，用一平面剖切三维容积数据，得到的剖面即为所需的肛提肌最小裂孔切面，该平面与图3平面相交的直线过耻骨联合下缘和肛直肠角，如图3直线所示。目标组织的切面图像可以以容积渲染成像的方式呈现、剖面成像的方式呈现、任意剖面(平面或曲面)成像的方式呈现、多平行平面成像及剖面成像的方式呈现、任意剖面(平面或曲面)成像的方式呈现、多个平行平面成像与厚层成像的结合的方式呈现。

容积渲染成像是基于三维容积数据中检测到的关键解剖结构调整感兴趣容积区域(Volume of Interest,VOI)的位置、尺寸及成像曲线的弯曲度，从而显示肛提肌裂孔渲染图像。剖面成像是基于三维容积数据中检测到的关键解剖结构调整剖面在空间中的位置生成肛提肌裂孔剖面图像。任意剖面(平面或曲面)成像是基于三维容积数据中检测到的关键解剖结构生成参考线(直线或曲线)，通过参考线得到肛提肌最小裂孔切面；多平行平面成像是基于检测到的关键解剖部位，以肛提肌最小裂孔面积切面为基准，等间距实现多个平行切面成像。

处理器20对肛提肌最小裂孔面积切面进行容积渲染成像的效果如图4所示。对于三维立体成像，容积渲染成像是将VOI框a内的三维容积数据通过不同的成像模式采用光线跟踪等算法进行显示。良好的容积渲染成像图的获取除了需要调整体数据的方位，还需要设置VOI框a的大小和位置。对于超声盆底三维容积数据，检测到耻骨联合和肛直肠角等解剖结构后，可以根据耻骨联合后下缘和肛直肠角具体位置，自动调整体数据方位，使得耻骨联合后下缘和肛直肠角处于同一水平位置，VOI成像曲线尽可能与耻骨联合下缘和肛直肠角所在直线重合。同时将VOI框a调整至合适大小(一般取2.5mm)，即可渲染出肛提肌最小裂孔切面，如图5所示右下角的图所示。

处理器20对肛提肌最小裂孔面积切面进行灰度成像：剖面图像指三维容积数据中的特定位置及方向下的切面图像，通过调节旋转、平移，可得到不同位置及方向下的剖面图像。基于三维容积数据中检测到的耻骨联合下缘和肛直肠角等解剖结构，可以直接通过平面成像获取肛提肌最小裂孔面积标准切面。通常肛提肌最小裂孔切面是通过耻骨联合下缘和肛直肠角的二维切面，因此通过上一步在三维容积数据中检测到的关键解剖结构位置，即可生成一个平面，使该平面通过(或近似通过)耻骨联合下缘和肛直肠角所在切面。平面方程可以通过解方程或者拟合得到，得到平面方程后，即可以从三维容积数据中取出该平面所对应的灰阶图像，从而得到肛提肌最小裂孔面积切面。在自动成像的基础上，用户还可以基于耻骨联合下缘和肛直肠角在三维容积数据中的位置手动微调肛提肌裂孔的切面位置。

处理器20对肛提肌最小裂孔面积切面进行任意剖面自动成像：肛提肌最小裂孔切面除了通过三维重建出容积渲染成像图进行显示外，还可以使用任意剖面成像进行显示，具体表现形式如图5所示。任意剖面成像是在三维容积数据的某个切面中取一根或多根参考线(直线或曲线，图5中为直线)，参考线将与三维数据形成一个切面(平面或曲面)，将该切面取出并拉直成一个平面进行显示。通常肛提肌最小裂孔切面的形成将参考线放置在耻骨联合下缘和肛直肠角所形成的直线位置。通过前文所述的自动识别方法获得耻骨联合下缘和肛直肠角等关键解剖结构后，即可将成像直线放置在这两个解剖位置形成的直线上，实现自动化的肛提肌最小裂孔任意剖面成像。当然，也可以采用手动的方式得到肛提肌最小裂孔面积切面，例如，根据用户的输入指令确定参考线，经过参考线对关键解剖结构进行剖切并成像，得到肛提肌最小裂孔面积切面。

处理器20对肛提肌最小裂孔面积切面进行多平行切面自动成像：在超声临床检查的过程中，通常超声临床医生需要基于多个平行切面观察肛提肌裂孔面积，以获得更加全面的诊断信息。多平行切面成像是指同时显示多个平行切面的成像方式，相邻切面间的距离相等，用户可调节平行平面之间的距离。检测到耻骨联合和肛直肠角等关键解剖部位后，可以通过上述肛提肌最小裂孔面积切面进行自动成像的方法获取肛提肌最小裂孔切面，然后以该切面为基准，对肛提肌进行等间距多切面平行成像，如图6所示。用户可以根据实际情况更改参考切面的位置或重新选择参考切面。同时帧与帧之间的间距可以是固定等间距的，也可以根据实际情况进行自动或手动调整。

处理器20将上述剖面成像、任意剖面成像、多个平行切面成像分别与厚层成像结合成像：肛提肌裂孔切面的成像方式，除了上述四种方法外，还可以将剖面成像、任意剖面成像、多个平行切面成像这三种成像方式与厚层成像结合起来使用。厚层成像是指对断层灰阶图像增加一定厚度，并用表面模式方式、X光模式或二者融合模式来显示。其中厚度可以是预先设置的成像厚度。该模式可以有效提升图像的对比分辨率，对于关键解剖结构和特征增强显示，但是对于图像细节有所衰减。同时厚层成像的图像厚度可以根据实际的临床需求设置为固定值(如2.5mm)，或者根据实际解剖结构和特征自适应的对厚度参数进行调整，当然用户也可以基于个人需求和操作习惯对该参数进行手动设置。

在超声扫查时，在扫查到肛提肌最小裂孔面积切面后，将超声探头旋转90°，并向后下倾斜，可以完整显示肛管横断面。因此，处理器20得到肛提肌最小裂孔面积切面后，基于肛管横断面与肛提肌最小裂孔面积切面之间的这个位置关系，可以生成肛管横断面的切面图像。当然，也可以将目标组织设置成肛管，采用上述方法得到肛管横断面的切面图像，其过程与上述得到肛提肌最小裂孔面积切面的过程类似，故不做赘述。耻骨直肠肌切面的成像方法和肛提肌最小裂孔面积切面的成像方法一致，即检测到肛门括约肌相关的关键解剖部位后，可以通过多种方式进行耻骨直肠肌成像，分别是耻骨直肠肌切面容积渲染自动成像、剖面成像、任意剖面(平面或曲面)成像、多平行平面成像机剖面成像、任意剖面(平面或曲面)成像、多个平行平面成像分别与厚层成像的结合。

对于图像质量较差，通过算法检测到的关键解剖结构的位置有偏差的情况，也可以让用户通过键盘、鼠标等工具对检测到的切面中的VOI区域或任意剖切面成像曲线进行移动、缩放、删除重新标定等修改操作，实现半自动的VOI成像或任意剖切面成像；对于盆底对应标准切面平面成像和多个平行切面成像，用户也可以通过旋钮对切面进行调整。

步骤4、对目标组织的切面图像进行测量。得到肛提肌最小裂孔切面后，医生通常需要在对应切面上进行相关测量项测量，以便对盆底脏器的脱垂和撕裂状况进行定量评估。但是往往相关测量项的项目繁杂，测量过程费时费力，同时对医生的经验和手法要求很高，难以保证测量结果的鲁棒性和准确性。所以基于前文得到的盆底切面，实现对应测量项的智能化测量，就显得至关重要。

基于肛提肌最小裂孔切面，现阶段超声临床医生常规需要测量的项目有两种，分别是肛提肌最小裂孔面积和尿道口到最左侧、最右侧肛提肌的距离。对于容积渲染成像切面、剖面成像切面和任意剖切面成像切面，只需要在单帧图像上实现上述两项测量项的智能化测量；对于多个平行切面成像，则需要满足一帧或多帧图像进行智能化测量，其中测量帧和帧数的选择满足用户基于需求进行设置，默认设置是图6的中间连续三帧图像。

因此，本实施例中，步骤4包括：处理器20基于肛提肌的切面图像(肛提肌最小裂孔切面)对肛提肌进行检测，对检测出的肛提肌进行面积统计，得到肛提肌的最小裂孔面积；基于肛提肌的切面图像对肛提肌和尿道口进行检测，测量尿道口到最左侧肛提肌的距离、尿道口到最右侧肛提肌的距离。

具体的，处理器20基于传统灰度和\或形态学等目标分割方法来识别待测量目标，例如肛提肌，进而进行测量：在肛提肌裂孔切面，肛提肌呈现高亮的肌纤维声束，超声成像特征与周围解剖结构具有明显差异。所以类似于前文关键解剖结构检测的思路，处理器20采用传统灰度和\或形态学等特征检测和分割方法，实现对肛提肌的检测和分割。例如，首先对肛提肌裂孔切面图像进行二值化分割，通过一些必要的形态学操作后得到多个候选区域，然后对每个候选区域根据形状、灰度亮度等特征判断该区域是肛提肌的概率，选一个概率最高的区域作为目标分割区域。当然，也可以采用其他传统灰度检测和分割方法，例如大津阈值(OTSU)、水平集(LevelSet)、图割(Graph Cut)、Snake等。

处理器20还可以基于机器学习或深度学习等目标分割方法识别待测量目标，例如肛提肌，进而进行测量：除了上述传统的图像分割方法外，类似于上述目标检测方法，还可以基于机器学习和深度学习等目标分割方法实现对肛提肌的分割。该分割方法可以参考前文对应目标检测方法中的第三种和第四种情况。也就是说可以基于深度学习端到端的语义分割网络直接对肛提肌进行分割；也可以先基于端到端的网络分割对目标进行定位，再根据定位结果额外设计分类器对目标进行像素级别的分类和判读，分两步实现肛提肌分割。这两种思路与前文目标检测方法的思路比较类似，在此不进行赘述。

对肛提肌进行分割后，可以基于肛提肌裂孔切面，计算出其他测量项。如尿道口到肛提肌最左侧的距离，尿道口到肛提肌最右侧的距离。需要特别说明的是，该测量项的自动测量需要该算法系统自动检测出尿道口，自动检测的方法同上文关键解剖结构自动检测方法一致，在此不进行赘述。

一个实施例中，还可以在肛提肌最小裂孔切面图像中提取肛提肌或肛提肌最小裂孔的轮廓，并根据该轮廓计算肛提肌上下径线的距离和/或肛提肌左右径线的距离。如图7所示，其中A为提取出的肛提肌或肛提肌最小裂孔的轮廓，B为肛提肌左右径线，C为肛提肌上下径线。这里，所说的上下径线的距离可以是上下径线C的长度，所说的左右径线的距离可以是左右径线B的长度。

在目标组织为肛管的实施例中，目标组织的切面图像为肛管横断面。处理器20基于肛管横断面对耻骨直肠肌进行检测，测量检测出的耻骨直肠肌的厚度。具体的，处理器20基于耻骨直肠肌多个平行切面测量耻骨直肠肌厚度。该厚度的测量是在同一帧图像的对应周边区域连续测量三次，对每次测量结果对应显示，并求平均值。其中测量帧、帧数以及测量次数的选择满足用户基于需求进行设置，默认是对中间帧取三次测量结果。目标组织为肛管的实施例，其自动测量的过程类似肛提肌实施例，仅检测的对象不同，故不做赘述。

上述测量项的测量，可以是全自动的，也可以是半自动的。半自动化测量是满足用户可以在对应界面上设置一个或多个输入点，基于该输入点得到对应的测量结果。同时，对于图像质量较差，通过智能化算法得到的测量结果有偏差的情况，也可以让用户通过键盘、鼠标等工具对结果进行删除、修改、重新输入等修改操作。

步骤5、处理器20通过人机交互装置70的显示器显示目标组织的切面图像及其测量结果。医生可能需要针对不同的目标组织进行测量，故可预设一定的工作流，将医生对目标组织的选择功能集成到工作流中，供医生自由选择，并将选择的功能所对应的图像和测量结果在显示器中进行显示。

综上所述，本发明提供的超声成像设备及其盆底的切面图像生成方法，不仅可以自动生成盆地的目标组织的切面，还能进行相应的测量，极大的提高了超声医生的工作效率。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

本文参照了各种示范实施例进行说明。然而，本领域的技术人员将认识到，在不脱离本文范围的情况下，可以对示范性实施例做出改变和修正。例如，各种操作步骤以及用于执行操作步骤的组件，可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。

另外，如本领域技术人员所理解的，本文的原理可以反映在计算机可读存储介质上的计算机程序产品中，该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用，包括磁存储设备(硬盘、软盘等)、光学存储设备(CD-ROM、DVD、Blu Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器，使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中，该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行，这样存储在计算机可读存储器中的指令就可以形成一件制造品，包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上，从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程，使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。

虽然在各种实施例中已经示出了本文的原理，但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。

前述具体说明已参照各种实施例进行了描述。然而，本领域技术人员将认识到，可以在不脱离本披露的范围的情况下进行各种修正和改变。因此，对于本披露的考虑将是说明性的而非限制性的意义上的，并且所有这些修改都将被包含在其范围内。同样，有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而，益处、优点、问题的解决方案以及任何能产生这些的要素，或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体，皆属于非排他性包含，这样包括要素列表的过程、方法、文章或设备不仅包括这些要素，还包括未明确列出的或不属于该过程、方法、系统、文章或设备的其他要素。此外，本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。

具有本领域技术的人将认识到，在不脱离本发明的基本原理的情况下，可以对上述实施例的细节进行许多改变。因此，本发明的范围应根据以下权利要求确定。

Claims (14)

1.一种盆底的切面图像生成方法，其特征在于，包括：

获取盆底的三维容积数据；

从所述三维容积数据中获取肛提肌切面图像中的参考线，所述参考线经过耻骨联合后下缘和肛直肠角的至少一部分；

所述参考线与所述三维容积数据形成一个切面，以获取所述肛提肌最小裂孔切面图像；

根据获得的所述肛提肌最小裂孔切面图像，测量肛提肌最小裂孔的面积；

和/或

在所述肛提肌最小裂孔切面图像中检测肛提肌和尿道口，并根据检测到的肛提肌和尿道口测量所述尿道口到最左侧肛提肌的距离和/或尿道口到最右侧肛提肌的距离；

和/或

在所述肛提肌最小裂孔切面图像中提取肛提肌或肛提肌最小裂孔的轮廓，并根据所述轮廓计算肛提肌上下径线的距离和/或肛提肌左右径线的距离。

2.如权利要求1所述的方法，其特征在于，从所述三维容积数据中获取肛提肌切面图像中的参考线，包括：

从所述三维容积数据中识别出所述耻骨联合后下缘和所述肛直肠角的至少一部分，获得所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的空间位置；

基于所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的空间位置，获取所述肛提肌切面图像中的参考线。

3.如权利要求2中所述的方法，其特征在于，从所述三维容积数据中识别耻骨联合后下缘包括：

计算所述三维容积数据的至少一个特征指标，将所述特征指标输入预先建立的三维容积数据的特征指标与耻骨联合后下缘对应关系的模型函数，得到对应的耻骨联合后下缘；或者

对所述三维容积数据进行目标检测或图像分割，对检测或分割后得到的各个区域进行形态学特征检测得到多个候选区域，对每个候选区域根据形状特征和/或灰度特征判断该候选区域是耻骨联合后下缘，将概率最高的候选区域确定为耻骨联合后下缘。

4.如权利要求2中所述的方法，其特征在于，从所述三维容积数据中识别肛直肠角的至少一部分包括：

计算所述三维容积数据的至少一个特征指标，将所述特征指标输入预先建立的三维容积数据的特征指标与肛直肠角的至少一部分对应关系的模型函数，得到对应的肛直肠角的至少一部分；或者

对所述三维容积数据进行目标检测或图像分割，对检测或分割后得到的各个区域进行形态学特征检测得到多个候选区域，对每个候选区域根据形状特征和/或灰度特征判断该候选区域是肛直肠角的至少一部分的概率，将概率最高的候选区域确定为肛直肠角的至少一部分。

5.如权利要求2中所述的方法，其特征在在于，从所述三维容积数据中识别出耻骨联合后下缘和肛直肠角的至少一部分，获得所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的空间位置，包括：

从所述三维容积数据中直接识别出所述耻骨联合后下缘和肛直肠角的至少一部分在所述三维容积数据中的空间位置；或者，

根据所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的先验位置，生成至少一个二维切面，从所述二维切面中识别出所述耻骨联合后下缘和所述肛直肠角的至少一部分，并得到所述耻骨联合后下缘和所述肛直肠角的至少一一部分在所述三维容积数据中的空间位置。

6.如权利要求1所述的方法，其特征在于，从所述三维容积数据中获取肛提肌切面图像中的参考线，包括：

从所述三维容积数据中获取肛提肌矢状面切面图像，在所述肛提肌矢状面切面图像中识别所述耻骨联合后下缘和所述肛直肠角的至少一部分；

基于所述识别出的耻骨联合后下缘和肛直肠角的至少一部分，获取所述肛提肌矢状面切面图像中的参考线。

7.如权利要求6所述的方法，其特征在于，所述基于所述识别出的耻骨联合后下缘和肛直肠角的至少一部分，获取所述肛提肌矢状面切面图像中的参考线，包括：

响应于用户在所述识别出的耻骨联合后下缘和肛直肠角的至一部分的操作指令，根据所述用户的操作指令从所述肛提肌矢状面切面图像中获取肛提肌切面图像中的参考线；和/或

基于所述识别出的耻骨联合后下缘和肛直肠角的至少一部分，自动获取肛提肌切面图像中的参考线。

8.一种超声成像设备，其特征在于包括：

超声探头，用于向待成像对象发射超声波以扫描待成像对象，接收自所述待成像对象返回的超声回波；

发射/接收电路，用于控制超声探头向待成像对象发射超声波并接收所述超声波的回波；

处理器，用于根据所述超声波的回波进行3D重建，获得所述待成像对象的三维容积数据；所述待成像对象包括盆底；

所述处理器还用于

从所述三维容积数据中获取肛提肌切面图像中的参考线，所述参考线经过耻骨联合后下缘和肛直肠角的至少一部分；

所述参考线与所述三维容积数据形成一个切面，以获取所述肛提肌最小裂孔切面图像；

根据获得的所述肛提肌最小裂孔切面图像，测量肛提肌最小裂孔的面积；

和/或

在所述肛提肌最小裂孔切面图像中检测肛提肌和尿道口，并根据检测到的肛提肌和尿道口测量所述尿道口到最左侧肛提肌的距离和/或尿道口到最右侧肛提肌的距离；

和/或

在所述肛提肌最小裂孔切面图像中提取肛提肌或肛提肌最小裂孔的轮廓，并根据所述轮廓计算肛提肌上下径线的距离和/或肛提肌左右径线的距离；

显示器，用于显示所述肛提肌最小裂孔切面图像。

9.如权利要求8所述的设备，其特征在于，所述处理器用于从所述三维容积数据中获取肛提肌切面图像中的参考线，包括：

所述处理器从所述三维容积数据中识别出所述耻骨联合后下缘和所述肛直肠角的至少一部分，获得所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的空间位置；

基于所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的空间位置，获取所述肛提肌切面图像中的参考线。

10.如权利要求9中所述的设备，其特征在于，所述处理器用于从所述三维容积数据中识别出耻骨联合后下缘和肛直肠角的至少一部分，获得所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的空间位置，包括：

所述处理器用于从所述三维容积数据中直接识别出所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的空间位置；或者，

所述处理用于根据所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的先验位置，生成至少一个二维切面，从所述二维切面中识别出所述耻骨联合和肛直肠角，并得到所述耻骨联合后下缘和所述肛直肠角的至少一部分在所述三维容积数据中的空间位置。

11.如权利要求10所述的识别，其特征在于，所述处理器用于从所述三维容积数据中获取肛提肌切面图像中的参考线，包括：

所述处理器从所述三维容积数据中获取肛提肌矢状面切面图像，在所述肛提肌矢状面切面图像中识别所述耻骨联合后下缘和所述肛直肠角的至少一部分；

基于所述识别出的耻骨联合后下缘和肛直肠角的至少一部分，获取所述肛提肌矢状面切面图像中的参考线。

12.如权利要求11所述的设备，其特征在于，所述处理器用于基于所述识别出的耻骨联合后下缘和肛直肠角的至少一部分，获取所述肛提肌矢状面切面图像中的参考线，包括：

所述处理器用于响应于用户在所述识别出的耻骨联合后下缘和肛直肠角的至少一部分的操作指令，根据所述用户的操作指令从所述肛提肌矢状面切面图像中获取肛提肌切面图像中的参考线；和/或

所述处理器基于所述识别出的耻骨联合后下缘和肛直肠角的至少一部分，自动获取肛提肌切面图像中的参考线。

13.一种超声成像设备，其特征在于包括：

存储器，用于存储程序；

处理器，用于执行所述存储器存储的程序，以实现如权利要求1-7中任意一项所述的方法。

14.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1-7中任一项所述的方法。