超声学习笔记

超声学习笔记
超声成像模式
B-mode
M-mode
Doppler
TDI
多部位对比的产品设计思路
DICOM 文件格式
文件结构
按内容类型划分
Pixel Data 编码方式
超声 DICOM 的特殊性
静态图像
动态序列
视频流
DICOM 导出与转换
标准导出层级
逸超设备导出格式
视频格式转换
医学影像标注
标注类型与格式
Python vs Java 标注生态对比
常见问题
为什么一个 Study 会有多个 Series
借物表

超声成像模式

内容来源: B站 - 超声视频中级

超声不是只有一种"拍片子", 不同模式解决不同问题. 了解这些基本概念后, 看 DICOM 文件时才能理解它存的是哪类数据.

模式	全称	原理简述	典型用途
B-mode	Brightness mode	二维灰阶, 回波幅度用亮度表示	常规解剖成像, 看结构形态
M-mode	Motion mode	单一声束线上随时间变化的位移曲线	心脏瓣膜运动、室壁运动分析
Doppler	多普勒血流成像	检测红细胞散射的频移, 计算血流速度和方向	血流速度测量、狭窄/反流评估
TDI	Tissue Doppler Imaging	低通滤波滤除高速血流, 保留低速组织(心肌)运动信号	心肌运动速度、应变/应变率分析

B-mode

最基础的二维灰阶成像. 探头向体内发射超声波, 接收组织界面的回波, 按回波强度用不同灰度显示. 亮度高 = 回声强(如骨骼、钙化), 亮度低 = 回声弱(如血液、囊肿).

常说的"B超"就是这个模式. 腹部、产科、浅表器官检查都以 B-mode 为主.

M-mode

在 B-mode 图像上选定一条取样线, 记录该线上各点随时间运动的位移曲线. 横轴是时间, 纵轴是深度, 亮度表示回声强度.

时间分辨率极高, 是分析心脏瓣膜开放/关闭时序、室壁运动幅度的经典工具.

Doppler

利用多普勒效应: 超声遇到运动的红细胞时, 回波频率会发生偏移, 频移大小与血流速度成正比. 通过检测频移可以:

判断血流方向 (朝向/远离探头)
测量血流速度
评估血管狭窄、瓣膜反流

TDI

组织多普勒成像 (Tissue Doppler Imaging) 是 Doppler 技术的变体. 普通彩色多普勒检测的是高速血流(红细胞运动), TDI 通过低通滤波器把高速血流信号滤掉, 只保留低速高振幅的组织运动信号(心肌).

临床应用:

测量二尖瓣环/三尖瓣环组织速度 (e’, a’, s’)
评估左室舒张功能 (E/e’ 比值)
心脏再同步化治疗 (CRT) 的优化

TDI 有角度依赖性, 取样线需尽量与心肌运动方向平行. 新一代斑点追踪超声 (STE) 已部分取代 TDI, 但 TDI 因时间分辨率高、操作简便仍在临床广泛使用.

多部位对比的产品设计思路

看超声诊断时注意到几个实际需求, 记录一下:

一些诊断需要结合病史来看, 基础病会影响诊断结果.

很多诊断需要结合多部位, 有些病也需要其他检查来结合判断 (比如 CT).

很有使用价值的图, 我觉得这才是我们应该做的. 超声设备无法简单的做出这种界面, 我们很容易做出来, 又很有应用价值. 医生在分析和案例分享学习时, 能比 PDF/PPT 更高效.

切入邻床实际, 医生接到一位患者, 拿到病例表现, 去做部位检查. 因为涉及到多部位, 有需要频繁切换来对比观看, 超声机器上不方便. 他可能想要这么个界面: 多个部位对比着看, 左右点击一下就方便多部位参照.

DICOM 文件格式

文件结构

DICOM 文件包含两部分:

File Meta Header（文件头）
包括标识信息 (如 SOP Class、Transfer Syntax UID、创建时间等).

Data Set（数据集）
由一个个 Data Element（标签）组成, 比如:

标签	含义
(0010,0010)	PatientName
(0028,0010)	Rows
(7FE0,0010)	Pixel Data ← 真正的图像像素在这里!

按内容类型划分

类型	含义	Pixel Data 结构	常见 SOP Class
单帧图像	一张静态医学图像（如X光、CT单层）	一帧像素矩阵	e.g. `CT Image Storage`, `MR Image Storage`
多帧图像	同一序列的多帧（可看作图像堆栈或短视频）	多帧像素数组（帧数在 `(0028,0008)` Number of Frames）	`Enhanced MR Image Storage`, `Ultrasound Multi-frame Image Storage`
视频（动态序列）	超声、透视、内窥镜常见	多帧像素序列，通常以时间轴索引	`Ultrasound Image Storage`, `Video Endoscopic Image Storage`
多视频（多序列）	某些设备一次扫描会输出多个 DICOM 序列文件夹，每个序列对应一个视频或体积	每个序列一组帧	多个 SOP Instance UID 不同
3D/体积数据	CT、MRI 扫描生成的多切片组成三维体积	每个切片一帧，按 Z 坐标排列	`Enhanced CT/MR Image Storage`
结构化报告（DICOM SR）	文本或标注信息，如测量值、病灶标注	无像素数据	`Structured Report Storage`
RT系列（放疗）	包括结构集、剂量、计划等	可混合使用图像与向量数据	`RT Structure Set Storage` 等

场景	DICOM 表现	文件数量	Pixel Data 特征
普通胸片	单个 `.dcm`	1	单帧，2D 灰度
MRI 扫描（100层）	100个 `.dcm` 或一个多帧 `.dcm`	多个或1个	每帧代表一个切片
超声动态视频	1个 `.dcm`	1	多帧，含时间轴
超声多序列	多个 `.dcm` 文件，每个一个视频序列	多个	每个有多帧
内窥镜或术中记录	有时封装 MPEG-2 / H.264 视频流	1个 `.dcm`	Pixel Data 中是压缩视频流

Pixel Data 编码方式

压缩方式	含义	示例
未压缩	原始像素矩阵（Raw）	常见于 CT、MR
JPEG / JPEG2000	有损或无损压缩	超声、CR、DR
MPEG-2 / H.264	视频流压缩	内窥镜、超声视频
RLE	无损游程编码	某些老设备

超声 DICOM 的特殊性

超声设备导出的 DICOM 有三种形态, 处理时必须先判断是哪种, 否则读图或转视频时会踩坑.

静态图像

医生按键冻结画面时, 设备保存的"单张截图", 用于测量、诊断、报告等场景.

属性	示例
`(0028,0008) Number of Frames`	不存在或值为 `1`
`(7FE0,0010) Pixel Data`	单帧灰度或彩色图像
常见 SOP Class	`Ultrasound Image Storage (1.2.840.10008.5.1.4.1.1.6.1)`

动态序列

超声扫描过程中记录的动态视频序列, 可用于回放或导出为 AVI/MP4.

实际就是时间轴连续的图片, 如需导出视频的话, 需要做编码转换 (有较大性能占用).

属性	示例
`(0028,0008) Number of Frames`	存在且 > 1（例如 120）
`(0018,1063) Frame Time`	每帧间隔（单位 ms）
`(7FE0,0010) Pixel Data`	多帧像素序列或视频流
常见 SOP Class	`Ultrasound Multi-frame Image Storage (1.2.840.10008.5.1.4.1.1.3.1)`

视频流

一些高端设备（尤其是内窥或心超）还可能使用 MPEG-2 或 H.264 编码的视频流嵌入在 (7FE0,0010) 的 Pixel Data 中.

对应 SOP Class 例如: Video Ultrasound Image Storage (1.2.840.10008.5.1.4.1.1.6.2)

实际就是编码压缩过的多帧图像, 占用体积比多帧小很多, 本身就是视频所以可直接导出 (几乎无性能占用).

import pydicom

ds = pydicom.dcmread("example.dcm")

frames = getattr(ds, "NumberOfFrames", 1)
sop_class = ds.SOPClassUID

if frames == 1:
    print("静态图像 DICOM")
elif "Video" in str(sop_class):
    print("视频流 DICOM (MPEG/H.264)")
else:
    print(f"多帧 DICOM ({frames} 帧)")

DICOM 导出与转换

标准导出层级

导出批次（Export Batch）
└─ 20251015_100893_0001_20251015_100047534
    ├─ 病人1（Patient 1）
    │   └─ Anonymous_0001
    │       ├─ DICOMDIR
    │       └─ DICOM
    │           └─ PAT00001
    │               ├─ STU00001  ← 第一次扫描 (Study)
    │               │   ├─ SER00001  ← B 模序列 (Series)
    │               │   │   ├─ I0000001  ← 单张图像 (Instance)
    │               │   │   ├─ I0000002
    │               │   │   └─ I0000003
    │               │   └─ SER00002  ← 彩色血流序列
    │               │       ├─ I0000001
    │               │       └─ I0000002
    │               └─ STU00002  ← 第二次扫描
    │                   └─ SER00001
    │                       ├─ I0000001
    │                       └─ I0000002
    │
    ├─ 病人2（Patient 2）
    │   └─ Anonymous_0002
    │       ├─ DICOMDIR
    │       └─ DICOM
    │           └─ PAT00002
    │               ├─ STU00001
    │               │   ├─ SER00001
    │               │   │   ├─ I0000001
    │               │   │   └─ I0000002
    │               │   └─ SER00002
    │               │       └─ I0000001
    │               └─ STU00002
    │                   └─ SER00001
    │                       ├─ I0000001
    │                       └─ I0000002
    │
    └─ 病人3（Patient 3）
        └─ Anonymous_0003
            ├─ DICOMDIR
            └─ DICOM
                └─ PAT00003
                    └─ STU00001
                        └─ SER00001
                            ├─ I0000001
                            ├─ I0000002
                            └─ I0000003

层级关系: Patient → Study (一次检查) → Series (一个序列/模式) → Instance (单张图像/帧)

逸超设备导出格式

C:.
├─20251015_100893_0001_20251016_114732235   ← 患者ID_导出时间ID
│  └─Anonymous Anonymous Anonymous_20251015_100893_0001  ← 病人目录（患者级别）
│      │  DICOMDIR                            ← DICOM目录文件（索引）
│      └─DICOM
│          └─PAT00001                         ← 病人ID（内部编号）
│              └─STU00001                     ← Study（一次检查/研究）
│                  ├─SER00001                 ← Series（一次采集序列）
│                  │  │  I0000001, I0000002   ← 图像帧（DICOM文件）
│                  │  └─converted             ← 转换后文件夹（MP4、JPG等）
│                  ├─SER00002
│                  └─SER00003

逸超设备会在每个 Series 下自动创建 converted 文件夹, 预转好 MP4/JPG, 方便非 DICOM 系统直接使用. 这点很贴心, 不用自己写脚本转视频了.

视频格式转换

格式	编码方式	特点	推荐场景
MP4 (H.264)	有损压缩	通用、兼容性极高、文件小、质量较好	✅ 推荐：用于展示、教学、科研报告等
AVI (无压缩或MJPEG)	可无损	文件大，但保真	医学分析、算法训练前数据准备
MOV (H.264 / ProRes)	有损或轻压缩	苹果生态友好，质量高	视频编辑、科研展示
MKV (H.264 / H.265)	有损压缩	可封装多通道音视频、元数据	特殊研究项目
H.265 / HEVC	有损高效压缩	同质量体积更小，但编码慢	长序列或云端传输

从 DICOM 多帧 Pixel Data 导出视频时, 要逐帧解码再编码, CPU 占用很高. 如果 DICOM 本身是视频流编码 (MPEG/H.264), 可以直接提取流封装到 MP4, 几乎零性能消耗.

医学影像标注

标注类型与格式

在医学影像中, 「标注（Annotation）」可能包含以下几种形式:

类型	示例	数据格式
像素级分割（Segmentation）	器官或病灶mask	DICOM SEG、NIfTI、PNG mask
二维标记（点/框/多边形）	ROI、测量线、医生手动圈选	DICOM Presentation State (PR)、私有JSON
结构化描述（诊断结论）	“前列腺体积xxml，疑似病灶区域xx”	DICOM SR（Structured Report）
AI推理结果	模型输出mask、评分、概率	通常自定义JSON + DICOM SEG

格式	用途	优点	工具/库
DICOM SEG	存储分割Mask	标准化、兼容各厂商	`dcmqi`, `pydicom`, `dcm4che`
DICOM SR (Structured Report)	存储测量/文字诊断	可机器解析、符合IHE标准	`highdicom`, `dcm4che`
DICOM PR (Presentation State)	存储显示用标注	支持图形ROI，但非语义化	`dcm4che`, `pydicom`
自定义 JSON 标注	训练数据集常用	简单灵活，非标准	Python自定义

需求	推荐格式	生成方式	解析方式
影像分割结果（AI/手动mask）	DICOM SEG	Python: `highdicom` / `dcmqi`	Java: `dcm4che-seg`
定量测量、文字报告	DICOM SR	Python: `highdicom`	Java: `dcm4che-sr`
仅内部使用训练标注	JSON + mask 文件	Python 自定义	Java/Python 通用解析

目标	推荐做法	原因
构建标准化医学标注系统	DICOM SR + SEG	符合国际标准，方便医院/PACS对接
简单AI数据集标注	JSON + NIfTI/PNG mask	简单易操作
Java 环境	用 `dcm4che-sr` / `dcm4che-seg` 解析与生成	官方支持
Python 预处理或AI	用 `highdicom` / `dcmqi`	社区主流

Python vs Java 标注生态对比

为什么不推荐"让 Java 来做标注生成"? 主要是以下几个现实原因:

标注生成往往依赖图像数据处理
医学标注不仅是元信息写入, 还涉及像素、mask、坐标、图像空间映射. Java 没有成熟的医学影像处理库:
- 没有 SimpleITK、nibabel、numpy
- 坐标系、体素、spacing、affine matrix 等都需要自己实现
- Python 则有成熟生态 (highdicom, SimpleITK, dcmqi), 能直接读写、变换、验证
✅ 在 Python: seg = highdicom.seg.Segmentation(...) 就能生成符合标准的 SEG 文件.
❌ 在 Java: 你得手工拼 DICOM dataset 结构, 几百行 XML 树状属性.
DICOM SR 的语义编码复杂
SR 文件需要使用标准化术语编码 (SNOMED CT、UCUM、LOINC). Python 的 highdicom.sr 封装了各种编码模板 (如 TID 1500、TID 300), 可直接使用. Java 的 dcm4che-sr 层次较低, 需要你手动创建 Attributes 树、填 CodeSequence, 非常繁琐.
✅ Python: MeasurementReport(...) 一行构建完整报告
❌ Java: 你得手工拼 ContentSequence、ValueType、ConceptNameCodeSequence、ConceptCodeSequence
医学标注多与 AI / 图像算法绑定
实际上, 标注文件常来自 AI 推理结果或人工审阅系统. AI 推理 → 通常是 Python 环境 (PyTorch / MONAI). 标注后生成 DICOM SEG/SR → Python 一站式完成更自然. Java 若要参与标注生成, 反而要跨语言调用 Python 算法输出, 增加复杂度.

常见问题

为什么一个 Study 会有多个 Series

场景	说明
不同成像模式	比如 B 模、彩色多普勒（CFM）、脉冲多普勒（PW）、M 模等。每种模式会生成一个独立的 Series。
不同探头	如果在同一次检查中切换了探头（如腹部探头、腔内探头），也会分成不同 Series。
静态图像 vs 动态视频	一些超声仪器会把保存的"视频片段"和"静态截图"分别保存为独立 Series。
参数变化	比如改变了深度、焦点、增益或测量设置后，设备可能重新开始一个 Series。
复合图像或测量图	测量报告图（带测量线的图像）或复合模式（Compound Imaging）也可能单独作为 Series。

借物表

超声视频中级 - B站 — 基础概念来源
Highdicom: a Python library for standardized encoding of image annotations — DICOM SEG/SR 标准化编码
highdicom Documentation — Python DICOM 标注库
DICOM Standard - NEMA — DICOM 标准官方文档
DaoCloud public-image-mirror — 国内镜像源参考 (注: 与本主题无关, 保留原引用)

超声学习笔记

超声学习笔记

超声成像模式

B-mode

M-mode

Doppler

TDI

多部位对比的产品设计思路

DICOM 文件格式

文件结构

按内容类型划分

Pixel Data 编码方式

超声 DICOM 的特殊性

静态图像

动态序列

视频流

DICOM 导出与转换

标准导出层级

逸超设备导出格式

视频格式转换

医学影像标注

标注类型与格式

Python vs Java 标注生态对比

常见问题

为什么一个 Study 会有多个 Series

借物表

-> 欢迎,锟斤拷! <-

低情商：代码一坨屎
高情商：兼容性极强

超声学习笔记

超声成像模式

B-mode

M-mode

Doppler

TDI

多部位对比的产品设计思路

DICOM 文件格式

文件结构

按内容类型划分

Pixel Data 编码方式

超声 DICOM 的特殊性

静态图像

动态序列

视频流

DICOM 导出与转换

标准导出层级

逸超设备导出格式

视频格式转换

医学影像标注

标注类型与格式

Python vs Java 标注生态对比

常见问题

为什么一个 Study 会有多个 Series

借物表

-> 欢迎,锟斤拷! <-

低情商：代码一坨屎高情商：兼容性极强

低情商：代码一坨屎
高情商：兼容性极强