CN105266845A - 用于基于探头速度支持计算机辅助诊断的设备和方法 - Google Patents

用于基于探头速度支持计算机辅助诊断的设备和方法 Download PDF

Info

Publication number
CN105266845A
CN105266845A CN201510408352.5A CN201510408352A CN105266845A CN 105266845 A CN105266845 A CN 105266845A CN 201510408352 A CN201510408352 A CN 201510408352A CN 105266845 A CN105266845 A CN 105266845A
Authority
CN
China
Prior art keywords
roi
speed
state
image
present image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510408352.5A
Other languages
English (en)
Other versions
CN105266845B (zh
Inventor
柳昇佑
成英庆
禹景久
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN105266845A publication Critical patent/CN105266845A/zh
Application granted granted Critical
Publication of CN105266845B publication Critical patent/CN105266845B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/42—Details of probe positioning or probe attachment to the patient
    • A61B8/4245—Details of probe positioning or probe attachment to the patient involving determining the position of the probe, e.g. with respect to an external reference frame or to the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Vascular Medicine (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

提供了一种用于基于探头的速度支持计算机辅助诊断(CAD)的设备和方法。所述设备包括：感兴趣区域(ROI)检测器，被配置为从获取自探头的当前图像检测ROI；ROI分类器，被配置为使用探头的速度的状态来确定是否对ROI进行分类，并根据确定的结果对ROI进行分类。

Description

用于基于探头速度支持计算机辅助诊断的设备和方法
本申请要求于2014年7月16日在韩国知识产权局提交的第10-2014-0090017号韩国专利申请的优先权，该申请的全部公开通过引用合并于此。
技术领域
下面的描述涉及一种用于基于探头速度支持计算机辅助诊断(CAD)以进行病变检测和确定的设备和方法。
背景技术
在医疗领域中，通过分析超声图像来检查患者是很普遍的。这样的超声图像允许内部身体结构(诸如，器官、血管和肌肉)的可视化。超声指具有太高频率从以至于人类听不到的声波。通常，医生通过将探头(被称为换能器)放置为与患者的身体接触来实时地获取超声图像。换能器将超声脉冲发射到患者的身体内的组织，并且超声脉冲从患者的身体的内部反射。由于不同类型的组织以不同的方式反射超声，因此通过追踪和分析在超声被反射时出现的回波，能够产生与患者的身体的内部相应的图像。通过检查这样的图像，放射科医生或另一医疗专业人员能够通过监视输出在屏幕上的超声图像来检查和确定病变或可疑区域。当疑似为病变的区域被找到时，医生缓慢地移动或停止移动探头来观察该区域。通过这样做，探头提供感兴趣区域的图像。超声波扫描术在以下方面优于其他成像形式：它可以实时地进行，相对便宜并且不会涉及潜在的辐射危险。然而，超声也可能具有对诸如骨头的结构的成像问题，并且成功的超声成像需要能够合适地放置换能器的熟练的操作人员。
计算机辅助诊断(CAD)系统分析通过探头获取的超声图像，通过对超声图像进行处理来检测病变，并随后追踪病变或者实现对每个超声图像上的病变进行检测和分类。通过以这种方式考虑病变，这样的CAD系统能够针对病变的恶性/良性做出确定。例如，如果在用户的器官上存在癌生长物，则CAD系统可能够从考虑超声图像的特点来确定该生长物是否危险。基于这样的确定，能够生成诊断建议，诸如，是否适于执行外科来摘除特定癌生长物或者是否有必要化疗或放疗。然而，CAD系统的计算性能在分析图像的过程中非常关键。目前，CAD系统需要时间来处理和分析超声图像以获得基于图像的诊断。在这样的系统中涉及的计算需求限制了对通过探头获取的超声图像的快速分析。因此，诊断并不是完全方便的，这是因为诊断无法在扫描时进行而是必须被生成用于后续使用。
发明内容
提供发明内容以按照简要的方式介绍构思的选择，其中，所述构思还在以下的具体实施方式中被描述。该发明内容不是意在识别权利要求的主题的关键特征或必要特征，也不是意在用作帮助确定权利要求的主题新的范围。
在一个总体方面，一种用于支持计算机辅助诊断(CAD)的设备包括：图像获取器，被配置为从探头获取图像；速度确定器，被配置为检测探头的速度并确定检测到的速度的状态；感兴趣区域(ROI)检测器，被配置为从获取自探头的当前图像检测ROI；ROI分类器，被配置为使用探头的速度的状态来确定是否对ROI进行分类，并根据确定的结果对ROI进行分类。
速度确定器还可被配置为使用从探头获取的图像之间的变化来检测速度。
图像之间的变化可包括当前图像与先前图像之间的针对每个像素的图像强度的总和之差、当前图像与先前图像之间的直方图差异、当前图像与先前图像之间的直方图相似度或当前获取的图像与先前获取的图像之间的主要信息变化程度。
速度确定器还可被配置为将检测到的速度与预设阈值进行比较，并将检测到的速度的状态确定为停止状态、低速状态和高速状态中的一个。
在确定的速度的状态是高速状态的情况下，ROI检测器可从当前图像提取特征信息，并使用特征信息来检测ROI。
在确定的速度的状态是停止状态或低速状态的情况下，ROI检测器可通过以下操作来检测ROI：使用关于在先前图像中搜索的区域的信息或者使用关于从先前图像提取出的ROI的信息确定将在当前图像中搜索的区域，并从将在当前区域中搜索的区域提取特征信息。
ROI分类器还可被配置为：在检测到的速度的状态是停止状态或低速状态的情况下，确定对ROI进行分类，从当前图像提取特征信息，并使用提取出的特征信息来对ROI进行分类。
所述设备还可包括：显示器，被配置为在屏幕上输出当前图像，并响应于从当前图像检测到ROI而使用ROI的位置信息在当前图像的相应位置输出指示ROI的区分标记。
所述显示器还被配置为：在确定的速度的状态是停止状态或低速状态的情况下，使用从在当前图像之前的图像检测到的ROI的位置信息来在屏幕上的当前图像中的相应位置输出区分标记，
所述显示器还被配置为：响应于对ROI执行分类，在屏幕上的特定位置上输出分类结果或者将分类结果输出为与屏幕上的当前图像重叠。
所述显示器还被配置为输出指示检测到的速度、确定的速度状态或当前的诊断处理的信息项。
在另一总体方面，一种用于支持计算机辅助诊断(CAD)的方法包括：从探头获取图像；检测探头的速度；确定速度的状态；从当前图像检测感兴趣区域(ROI)；使用速度的状态来确定是否对ROI进行分类；根据确定的结果对ROI进行分类。
检测探头的速度的步骤可包括：使用从探头获取的图像之间的变化来检测探头的速度。
图像之间的变化可包括当前图像与先前图像之间的每个像素的图像强度的总和之差、当前图像与先前图像之间的直方图差异、当前图像与先前图像之间的直方图相似度或当前获取的图像与先前获取的图像之间的主要信息变化程度。
确定速度的状态的步骤可包括：将检测到的速度与预设阈值进行比较，并将检测到的速度的状态确定为停止状态、低速状态和高速状态中的一个。
检测ROI的步骤可包括：在确定的速度的状态是高速状态的情况下，从当前图像提取特征信息，并使用提取出的特征信息来检测ROI。
检测ROI的步骤可包括：在确定的速度的状态是停止状态或低速状态的情况下，使用关于在先前图像中搜索的区域的信息或者使用关于从先前图像提取出的ROI的信息来确定将在当前图像中搜索的区域，从确定的将在当前图像中搜索的区域提取特征信息，并使用提取出的特征信息来检测ROI。
确定是否对ROI进行分类的步骤可包括：响应于速度的状态被确定为停止状态或低速状态，确定对ROI进行分类，其中，对ROI进行分类的步骤包括：响应于确定对ROI进行分类，提取特征信息，并且使用提取出的特征信息对ROI进行分类。
所述方法还可包括：屏幕上输出当前图像；响应于从当前图像检测到ROI，使用ROI的位置信息在当前图像的相应位置输出指示ROI的区分标记。
输出区分标记的步骤可包括：在速度的状态是停止状态或低速状态的情况下，使用从先前图像检测到的ROI的位置信息在屏幕上的当前图像中的相应位置输出指示ROI的区分标记。
对ROI进行分类的步骤可包括：响应于对ROI执行了分类，在屏幕上的特定位置输出分类结果，或者将ROI的分类结果输出为与屏幕上的当前图像重叠，
所述方法还可包括输出指示当前对当前图像执行的诊断处理的信息。
在另一总体方面，一种用于支持计算机辅助诊断(CAD)的设备包括：速度确定器，被配置为检测探头的速度并确定速度的状态；处理选择器，使用确定的速度的状态来选择检测感兴趣区域(ROI)的处理、对ROI进行分类的处理或检测ROI并对ROI进行分类的处理；ROI处理器，被配置为对通过探头获取的当前图像执行选择的处理。
速度确定器可将速度与预设阈值进行比较，并将速度的状态确定为停止状态、低速状态和高速状态中的一个。
处理选择器还可被配置为：在速度的状态被确定为高速状态的情况下选择检测ROI的处理作为将对当前图像执行的处理，并且在速度的状态被确定为停止状态或低速状态的情况下，根据预设策略，选择对ROI进行分类的处理或检测ROI并对ROI进行分类的处理。
ROI处理器还可被配置为：在速度的状态被确定为停止状态或低速状态并且检测ROI并对ROI进行分类的处理被选择的情况下，使用关于在先前图像中搜索的区域的信息或关于从先前图像检测到的ROI的信息来从当前图像检测ROI。
所述设备还可包括：显示器，被配置为在屏幕上输出从探头获取的当前图像，在屏幕上输出探头的速度和确定的速度的状态中的至少一个，以及使用关于选择的处理的信息在屏幕上输出关于当前对当前图像执行的处理的信息。
在另一总体方面，一种用于支持计算机辅助诊断(CAD)的方法包括：检测探头的速度；确定速度的状态；使用确定的速度的状态来选择检测感兴趣区域(ROI)的处理、对ROI进行分类的处理或检测ROI并对ROI进行分类的处理；对通过探头获取的当前图像执行选择的处理。
确定速度的状态的步骤可包括：将检测到的探头的速度与预设阈值进行比较，并将检测到的探头的速度的状态确定为停止状态、低速状态和高速状态中的一个。
选择停止状态、低速状态和高速状态中的一个的步骤可包括：在速度的状态被确定为高速状态的情况下选择检测ROI的处理作为将对当前图像执行的处理，并且在速度的状态被确定为停止状态或低速状态的情况下，根据预设策略，选择对ROI进行分类的处理或检测ROI并对ROI进行分类的处理。
执行选择的处理的步骤可包括：在速度的状态被确定为停止状态或低速状态并且检测ROI并对ROI进行分类的处理被选择的情况下，使用关于在先前图像中搜索的区域的信息或关于从先前图像检测到的ROI的信息从当前图像检测ROI。
所述方法还可包括：在屏幕上输出从探头获取的当前图像，在屏幕上输出探头的速度和确定的速度的状态中的至少一个，以及使用关于选择的处理的信息来在屏幕上输出关于当前对当前图像执行的处理的信息。
在另一总体方面，一种用于支持计算机辅助诊断(CAD)的设备包括：感兴趣区域(ROI)检测器，被配置为从获取自探头的当前图像检测ROI；ROI分类器，被配置为使用确定的速度的状态来确定是否对ROI进行分类，并根据确定的结果对ROI进行分类。
所述设备还可包括：图像获取器，被配置为从探头获取图像；
所述设备还可包括：速度确定器，被配置为检测探头的速度并确定检测到的速度的状态。
速度确定器还可被配置为使用从探头获取的图像之间的变化来检测速度。
速度确定器还被配置为将检测到的速度与预设阈值进行比较，并将检测到的速度的状态确定为停止状态、低速状态和高速状态中的一个。
在确定的速度的状态是高速状态的情况下，ROI检测器从当前图像提取特征信息并使用特征信息来检测ROI。
所述设备还可包括：显示器，被配置为在屏幕上输出当前图像，并响应于从当前图像检测到ROI，使用ROI的位置信息在当前图像的相应位置输出指示ROI的区分标记。
从下面的详细描述、附图和权利要求，其他特征和方面将是明显的。
附图说明
图1是示出根据示例的用于支持计算机辅助诊断(CAD)的设备的框图。
图2是示出如图1中所示的速度确定器的示图。
图3A是示出如何检测感兴趣区域(ROI)的示例的示图。
图3B和图3C是示出如何在屏幕上显示ROI的示例的示图。
图4A、图4B和图4C是示出根据探头的速度来检测ROI并输出确定结果的示例的示图。
图5是示出根据示例的用于支持CAD的方法的流程图。
图6是示出图5中示出的方法中的ROI检测操作的流程图。
图7是示出根据另一示例的用于支持CAD的设备的框图。
图8是示出根据另一示例的用于支持CAD的方法的流程图。
图9是示出图8中示出的方法中的ROI检测操作的流程图。
在整个附图和详细描述中，相同的标号表示相同的元件。附图可不必按照比例，并且为了清楚、说明和方便，附图中的元件的相对大小、比例和描述可被放大。
具体实施方式
提供下面的描述以帮助读者获得对这里描述的方法、设备和/或系统的全面的理解。然而，这里描述的方法、设备和/或系统的各种改变、修改和等同物对于本领域中的普通技术人员将是明显的。这里描述的操作的顺序仅是示例，并且不限于这里阐述的操作，而且对于本领域中的技术人员来说将很明显的是，除了有必要按照特定顺序发生的操作之外，操作的顺序可被改变为。另外，为了更加清楚和简洁，对本领域中的普通技术人员公知的功能和结构的描述将被省略。
这里描述的特征可以以不同的形式被实现，并且不被解释为限于这里描述的示例。相反，已提供这里描述的示例，使得本公开将是全面且完整的，并将向本领域中的普通技术人员传达本公开的整个范围。
在下文中，参照附图进一步描述用于基于探头速度支持计算机辅助诊断(CAD)的设备和方法。然而，申请人仅仅提供了某些示例，并且应该认识到其他示例也是可能的。
图1是示出根据示例的用于支持CAD的设备的框图。图2是示出如图1所示的速度确定器的示图。
根据图1的示例的用于支持CAD的设备100是这样的装置，其中，所述装置对从探头实时接收到的图像(例如，超声图像)进行分析，并从图像检测感兴趣区域(ROI)，以提供对ROI的诊断结果。如上所述，通过使用(被称为换能器)来生成这样的图像，其中，探头将超声投射到患者并接收这样投射的超声的回波。通过对原始的反射数据进行处理的算法和技术，设备100产生图像。所述图像随后按照建立患者的内部的结构的方式被处理，其中，超声被投射到患者的体内。
参照图1，设备100包括图像获取器110、速度确定器120、ROI检测器130、ROI分离器140和显示器150。然而，设备的这些组件仅是示例，并且将注意到的是：在其他示例中，其他合适的组件取代这些组件而被可选地使用或者除了这些组件之外的其它合适组件可被可选地使用。
当设备100正在被使用时，用户使用与患者的身体接触的探头来执行诊断。在这种场景中，用户是超声设备100的操作者，通常是医疗专业人员，其中，医疗专业人员已经被训练过，能合适地放置换能器以基于将探头放置得接近患者的身体或者放置在患者的身体上的结果来收集有用信息，以便对从探头发射的超声进行引导，从而使得设备能够收集有用信息。例如，一旦用户已经放置了探头，图像获取器110从探头接收患者的身体的超声图像。在示例中，图像获取器110实时地从探头接收图像。在这样的示例中，探头的实时操作的基础是迅速地收集与超声回波相应的信息并随后足够快地分析该信息而不是必须像在磁共振成像(MRI)中一样等待长时间来累积图像数据。此外，在示例中，图像获取器以帧为单位顺序地从探头接收图像。通过以这种方式实时地快速累积信息，不仅能够迅速地生成患者的身体的内部的图像，而且还能够通过及时生成表示与连续的瞬间相应的图像的序列图像来随着时间追踪患者的身体内的变化。
如上所述，当用户用与患者的身体接触的探头执行诊断处理时，速度确定器120检测探头的速度，并确定速度状态。通过按照这种方式追踪探头的移动速度，速度确定器120能够按照给出探头如何移动的附加情境和含义的方式来表征探头的移动，这样，通过在分析超声图像的序列时考虑关于探头的运动的信息，运动信息提供关于超声图像的情境并给出关于它们描述的是患者的身体的哪些部分的附加图像。同样是实时地获得的这种情境信息协助进行试图识别并诊断病变的处理。参照图2，速度确定器120包括速度检测器121和状态检测器122。然而，这仅是速度确定器120的一个示例，并且在其他示例中速度确定器120还包括除了这些组件之外的其他组件或者取代这些组件的其他组件。
当用户移动与患者的身体接触的探头以对患者进行诊断时，速度确定器121检测探头的移动速度。这里，移动速度仅仅是速度检测器被移动的距离除以将速度检测器移动该距离花费的时间的测量。这里，速度检测器121被配置为测量速度，并且无需考虑探头移动的方向。例如，为了确定探头的运动速度，在一个示例中，速度检测器121基于在通过探头接收到的图像中的变化(即，先前图像与当前图像之间的变化)来检测探头的速度。例如，如果两个图像共享共有的特征，则考虑特征在多个图像中被描绘的方式的变化以使得速度检测器121能够推断探头的移动速度。因此，以帧为单位确定图像中的变化。也就是说，通过确定先前接收到的帧与当前接收到的帧之间的变化，速度检测器121检测探头的移动速度。
例如，当指示图像之间的变化时，速度检测器121通过使用当前图像与先前图像之间关于每个像素的图像强度的总和之差来检测探头的速度。也就是说，如果图像被探头获取到，则速度检测器121对获取到的图像执行预处理以测量每个像素的图像强度。速度检测器121随后计算获取的图像的每个像素的图像强度的总和。在这样的示例中，速度检测器121使用图像强度的总和来计算预定时间段的位移，并基于计算出的位移来检测探头的速度。
在另一示例中，速度检测器121通过比较先前图像的直方图与当前图像的直方图来检测探头的速度。例如，基于先前图像与当前图像之间的直方图之间的差异或相似性，速度检测器121检测探头的速度。为此，速度检测器121使用从整个图像或图像的特定部分提取出的每个像素值的频率值来产生每个图像的直方图。随后，如果产生的直方图的频率上的差异或相似性大于预定级别，则速度确定器121基于产生的差异或相似性来检测探头速度。
在另一示例中，速度检测器121基于先前图像和当前图像之间的主要信息的变化的程度来检测探头速度。例如，图像的主要信息包括关于显著区域的信息。
同时，作为确定探头速度的可选工具或其他工具，探头可选地包括帮助检测探头的运动的三轴加速计或另一传感器。例如，激光运动传感器是在另一示例中可能使用的追踪探头的运动的可选方式。作为追踪探头的运动的其他或可选方式，速度检测器121使用三轴加速计或可选的传感器来检测探头的移动速度。
响应于对探头的移动速度的检测，状态确定器122确定速度状态。例如，如表1中所示，状态确定器122将检测到的移动速度与针对速度的预定阈值进行比较，并将检测到的速度确定为停止、低速或高速。这里，考虑装置的性能等通过各种标准来确定阈值。
表一
阈值(单位:cm/秒) 速度状态
小于0.5 停止
大于0.5，小于3 低
大于3 高
再次，参照图1的示例，ROI检测器130通过执行从图像检测ROI的处理来从通过探头获取的图像检测ROI。此外，当检测到ROI时，ROI检测器130追踪ROI。这里，在示例中，ROI包括病变或被怀疑是病变的区域。
在该示例中，ROI检测器130从由探头当前接收到的图像提取特征信息，并基于提取出的特征信息来检测ROI。此时，ROI检测器130通过搜索被怀疑是病变的区域或通过对病变执行分割来检测ROI。
这里，ROI的特征信息是通过对图像执行图像数据处理而提取出的特征(诸如，病变的特征)的值，并且病变的特征指示能够对图像中的ROI是否是病变进行确定的特征。在各种示例中，特征信息包括形态学特征，诸如，方向直方图(HoG)信息、尺度不变特征变换(SIFT)信息、加速稳健特征(SURF)信息、Blob或类似信息。形态学特征的示例还包括诸如形状、边缘的信息、边界信息以及诸如纹理的计算机可识别的值。
根据示例性实施例，ROI检测器130从当前由探头接收到的图像的全部区域提取特征信息，并基于提取出的特征信息来检测被怀疑为是病变的区域。也就是说，在用户通过使用探头检查患者的身体而实时地接收到图像的情况下，ROI检测器130自动从实时接收到的图像提取特征信息，并基于特征信息来检测病变或被怀疑为是病变的区域。
图3A是检测ROI的处理的示例。参照图3A，如以上进一步讨论的，ROI检测器130基于由速度确定器120确定的速度状态来检测ROI。
例如，在速度状态为高速状态的情况下，ROI检测器130通过从当前图像15b(例如，当前帧t)提取特征信息来检测ROI。在速度状态为停止状态或低速状态的情况下，ROI检测器基于如图3A的上部所示的先前图像15a的位置信息，从当前图像15b检测ROI16b。在这一时间点，ROI检测器130基于先前图像15a的位置信息来确定将要在当前图像15b中搜索的区域17b。然而，ROI检测器130还提取将在当前图像15b搜索的区域17b的特征信息。因此，此时，先前图像15a的位置信息包括在先前图像15a中搜索到的区域17a的位置信息、从先前图像15a检测到的ROI16a的位置信息等。通过按照这种方式对图像进行处理，ROI检测器130能够通过最小化不必要的和冗余的处理来提高性能。
根据该示例，在速度状态为停止状态或低速状态的情况下，先前图像15a和当前图像15b极有可能彼此有较少的不同，这是因为探头未被移动或者仅被略微地移动。因此，ROI检测器130仅提取关于当前图像15b中的预期有变化的区域17b的特征信息，并基于从先前图像检测到的ROI16a的信息来从当前图像15b检测ROI16b。通过这样做，将被进行特征提取的区域17b的大小相比区域17a显著地减小。因此，用于检测病变的时间可能被显著地减少，这是因为存在较少由ROI检测器130处理的信息。
再次参照图1的示例，ROI分类器140基于由速度确定器120确定的速度状态对ROI进行分类。例如，ROI分类器140在速度状态是停止状态或低速状态的情况下确定对ROI进行分类，使得ROI分类器140对由ROI检测器130检测到的ROI进行分类。此外，在该示例中，ROI分类器140在速度状态被确定为是高速状态的情况下确定不对ROI进行分类，使得ROI分类器140不针对被高速地获取的当前图像的ROI进行分类。如上所讨论的，当图像被高速地获取时，可能存在更多的区域差异要被考虑，因此重复使用先前的结果是不合适的。
例如，在速度状态是停止状态或低速状态的情况下，ROI分类器140对ROI进行分类以确定病变是良性的还是恶性的。此外，在针对乳腺成像的情况的示例中，ROI分类器140计算关于病变的乳腺成像报告和数据系统(RI-RADS)词汇分类的信息、附加特征信息、形态学信息和其他相关信息。然而，这是仅是诊断信息的示例，并且在其他示例中ROI分类器产生其他信息。此时，ROI分类器140还提取对当前图像(例如，当前帧(t))中的ROI进行分类所必需的特征信息。
按照这样，根据示例性实施例，在探头的速度快的情况下执行检测并追踪图像中的ROI的处理，而在速度慢的情况下执行检测、追踪并对ROI进行分类的处理。
根据另一示例，在探头的速度快的情况下执行检测并追踪图像中的ROI的处理。然而，在速度慢或者如果不存在运动的情况下，通过利用从先前图像检测到的ROI的位置信息并通过提取从当前图像检测到的ROI的特征信息来执行对ROI进行分类的处理。
同时，如上所述，在当速度慢时检测ROI的处理中，ROI检测器130通过利用从先前图像检测到的ROI的特征信息和位置信息来从当前图像检测ROI。此外，ROI分类器140通过从当前图像提取其他特征信息来对ROI进行分类，其中，所述其他信息对于对ROI进行分类所必需的。使用这种方法避免了诊断性能的性能衰减，同时尽可能减少了处理需求。
再次参照图1的示例，显示器150执行能够为用户在屏幕上输出相关信息并接收由用户输入的信息的接口功能。如上面所讨论的，当用户通过移动探头来拍摄患者的身体时，显示器150输出从探头接收到的图像。如所讨论的，这样的图像是基于投射到患者的身体的超声的回波而收集到的图像信息的图形表示。
图3B和图3C是显示通过探头获取的图像中的ROI的处理的示例。图4A、图4B和图4C是检测ROI并基于探头速度对ROI进行分类的处理的示例。
参照图1、图3B和图3C的示例，显示器150按照各种预定方式输出由ROI检测器130检测到的ROI，由此可允许用户可视化地识别检测到的ROI。例如，如图3B和图3C的示例中所示，显示器150通过在与从输出于屏幕10上的图像20检测到的ROI相应的位置输出特定的区分标记31和32来显示ROI的位置。图3B是十字形式的区别标记31被输出在ROI的位置处的示例，图3C是正方形形式的区别标记32被输出在ROI的位置处的示例。然而，示例不限于此，并且在各种其他示例中区别标记可以是各种颜色和尺寸的圆、正方形以及任何其他形式。
参照图4A、图4B和图4C的示例，显示器150根据探头速度(即，由速度确定器120确定的速度状态)输出检测到的ROI和检测到的ROI的分类结果之一或两者。此时，根据速度状态，显示器150在屏幕上的特定位置输出检测ROI或对ROI进行分类的当前处理。
例如，如图4A的上部所示，在探头41的速度从停止状态或低速状态逐渐增加到大于阈值TR的高速状态的情况下，ROI检测器130检测ROI，但是ROI分类器140不对ROI进行分类。此时，如图4A的下部所示，显示器150在屏幕10上的图像20中输出区别标记51，其中，区分标记51指示由ROI检测器120检测到的ROI。此外，在示例中，显示器150在屏幕的上部输出指示检测ROI的处理正在进行的信息54。
在另一示例中，如图4B和图4C的上部所示，在探头41的速度逐渐降低到小于阈值TR的低速状态或停止状态的情况下，ROI检测器130检测ROI并且ROI分类器140对ROI进行分类。此时，如在图4B和图4C的下部所示，显示器150在屏幕10上输出的图像20中显示指示检测到的ROI的位置的区别标记51。此外，在该示例中，显示器150在屏幕的上部输出指示对ROI进行分类的处理正在进行的信息54。此外，在这样的示例中，显示器150通过在屏幕上的特定位置(例如，与屏幕上输出图像20的区域不同的区域)输出特征信息52和分类结果53或者如图4C所示通过将上述信息与图像20重叠，在ROI的周围输出特征信息52和分类结果53。
尽管附图中未示出，但显示器150在由速度确定器确定了速度的情况下可选地在屏幕上显示速度，并且如果速度的状态被确定，则在屏幕上输出速度状态。
图5是示出根据示例的用于支持CAD的方法的流程图。图6是示出在图5中示出的方法中检测ROI的处理的流程图。
图5和图6是由图1中示出的设备100实现的方法的示例。
参照图5，在操作310，所述方法检测探头的速度。例如，当用户通过移动探头捕获患者的身体的图像时，设备100在310检测探头的速度。此时，在各种示例中，设备100使用包括在探头中的加速计等来检测探头的速度。可选地，设备100基于通过探头获取的图像的变化来检测探头的速度。
这样的图像的变化可能包括关于先前图像和当前图像(例如，先前帧(t-1)和当前帧(t))之间的每个像素的图像强度的总和之差。此外，在各种示例中，图像的变化包括关于先前图像与当前图像之间的直方图的差异或相似性的信息。在示例中，基于从帧图像的整个区域或特定区域提取的每个像素的频率产生直方图，并且基于频率的差异或直方图的相似性来检测探头的速度。此外，在示例中，图像的变化包括先前图像与当前图像之间的主要信息(诸如，显著区域上的信息)的变化的信息。
随后，在操作S320，所述方法确定检测到的速度的状态。例如，当探头的速度被检测到时，设备100确定检测到的速度的状态。此时，如上所述，速度的状态根据预定阈值被确定为停止状态、低速状态和高速状态中的一个。
随后，在操作330，所述方法从由探头获取的图像检测ROI。例如，设备100从由探头接收到的图像检测ROI。
在下文中，参照图6的示例提供关于操作330的详细描述。参照图6的示例，在操作331，所述方法检查探头的速度状态。例如，设备100检查探头的速度状态。随后，设备100在高速状态的情况下仅检测ROI，从而在操作332所述方法从当前图像提取特征信息并且所述方法使用特征图像来检测ROI。例如，设备100从在当前时间(t)捕获的图像提取特征信息。设备还基于提取出的当前时间(t)的特征信息来检测ROI。
可选地，在操作334，所述方法使用从当前图像提取的特征信息来检测ROI。例如，设备100在低速状态或停止状态下检测ROI并且还对ROI进行分类，这样，设备100通过利用从在先前时间(t-1、t-2…)获取的图像检测到的ROI的位置信息或者通过在334利用从先前图像提取的特征信息来检测ROI。此时，通过基于先前图像的位置信息而不是搜索当前图像的整个区域来从当前图像的一些部分提取特征信息，使用特征信息从当前图像检测ROI。因此，处理当前图像的处理要求降低。
再次参照图5的示例，在操作340，所述方法基于确定的速度状态来确定是否对ROI进行分类。例如，设备100基于确定的速度状态来确定是否对ROI进行分类。因此，在320速度状态被确定为停止状态或低速状态的情况下，设备100确定对ROI进行分类，因此，在操作330对ROI进行分类。此时在所述方法中，分类结果可选地包括附加特征信息，诸如，关于良性/恶性、BIRADS等的信息。
在320速度状态被确定为高速的情况下，在操作360，所述方法在屏幕上输出检测到的ROI，而不对ROI进行分类。例如，设备100仅仅在屏幕上显示检测到的ROI，而不对ROI进行分类。此外，在由于速度状态被确定为停止状态或低速状态而对ROI执行在330的检测处理和在350的分类处理的情况下，在操作360，所述方法在屏幕上输出检测到的ROI以及检测到的ROI的分类结果。例如，设备100在屏幕上输出检测到的ROI以及检测到的ROI的分类结果。此时，设备100可选地还根据速度状态在屏幕上输出指示当前的诊断处理(例如，检测处理或分类处理)的信息。
图7是示出根据另一示例的用于支持CAD的设备的框图。
参照图7，根据另一示例的用于支持CAD的设备500包括速度确定器510、处理选择器520、ROI处理器530和显示器540。然而，这仅是示例，并且其他示例包括除了这些组件之外的其他合适的组件，或者包括取代这些组件的其他合适的组件。
当用户移动探头以检查患者的身体时，速度确定器510检测探头的速度，并确定速度的状态。如以上参照表1所描述的，在示例中，速度状态被确定为停止状态、低速状态和高速状态中的一个。此时，各种阶段的速度状态通过设置各种阈值间隔被预定，以帮助合适地对速度的状态进行分类。
根据确定的速度状态，处理选择器520选择以下处理中的一个：仅检测ROI的处理、仅对ROI进行分类的处理以及既检测ROI又对ROI进行分类的处理。此时，检测ROI包括追踪首先检测到的ROI。
例如，在速度状态被确定为高速状态的情况下，设备100选择仅从获取自探头的图像检测ROI的处理。在另一示例中，在速度状态被确定为停止状态或低速状态的情况下，设备100根据预设策略选择仅对ROI进行分类的处理或者既检测ROI又对ROI进行分类的处理。
此时，在示例中，基于各种标准(例如，对从探头接收到的图像进行分析的CAD系统的计算性能)来设置预设策略。也就是说，基于系统的能力或性能，可能将设备100设置为既检测ROI又对ROI进行分类，而在其他情况下，可能将设备100设置为仅对ROI进行分类。例如，具有许多资源的高性能系统能够既检测ROI又对ROI进行分类，而具有较低性能或较少资源的系统仅能够对ROI进行分类。可选地，通过设置在各种阶段的速度状态，可能将设备100设置为选择以下处理中的一个：检测ROI的处理、检测ROI并对ROI进行分类的处理或者对ROI进行分类的处理。
ROI处理器530执行由处理选择器520选择的处理。也就是说，在由处理选择器520选择了检测ROI的处理的情况下，ROI处理器530从接收到的图像提取特征信息，并检测ROI。此外，在由处理选择器520选择了检测ROI并对ROI进行分类的处理或者检测ROI的处理的情况下，ROI处理器530执行选择的处理，以产生检测ROI或对ROI进行分类的结果。
当ROI处理器530执行由处理选择器520选择的处理，并产生相应的结果(即，检测到的ROI或者ROI的分类结果)时，显示器540在屏幕上输出产生的结果。此时，如果仅检测ROI的处理被执行，则显示器540在屏幕上输出指示ROI的区分标记，并且如果既检测ROI又对ROI进行分类的处理被执行，则显示器540在屏幕上显示ROI和ROI的分类结果两者。此外，显示器540在屏幕上输出指示当前处理的信息，并且如果必要，则输出检测到的速度或确定的速度状态信息。
图8是示出根据另一示例的用于支持CAD的方法的流程图。图9是示出图8中示出的方法中的检测ROI的处理的流程图。
图8和图9是由图7中示出的设备500实现的方法的示例。
参照图8，在操作710，所述方法检测探头的速度。例如，设备500检测探头的速度。在操作720，所述方法确定检测到的速度的状态。例如，设备确定检测到的速度的状态。如上所述，例如通过使用从探头接收到的图像的变化或者通过使用探头中配备的加速计或另一合适的传感器，检测探头的速度。此外，通过将检测到的速度与预定阈值进行比较，将速度状态确定为停止、低或高中的一个。
随后，在操作730，所述方法根据确定的速度状态选择将对接收到的图像执行的处理。例如，设备500选择将对接收到的图像执行的处理。在示例中，将被执行的处理包括仅检测ROI的处理、既检测ROI又对ROI进行分类的处理以及仅对ROI进行分类的处理。
此外，参照图9提供关于操作730的其他详细描述。参照图9，在操作731，所述方法检查速度状态。例如，设备500检查速度状态。如果速度状态指示高速，则在操作732，所述方法选择仅检测ROI的处理。例如，设备500选择仅检测ROI的处理。
可选地，在操作733，如果速度状态指示停止或低速，则所述方法检查是否存在预设策略。例如，设备500检查是否存在预设策略。在操作734，如果预设策略是检测并分类，则所述方法选择既检测ROI又对ROI进行分类的处理。例如，如果预设策略是检测并分类，则设备500选择既检测ROI又对ROI进行分类的处理。在操作735，如果预设策略是分类，则所述方法选择仅对ROI进行分类的处理。例如，设备500选择仅对ROI进行分类的处理。
再次参照图8的示例，当在操作730选择了任何一个处理时，在操作740，所述方法执行选择的处理。例如，设备500通过执行选择的处理来产生相应的结果。也就是说，在检测ROI的处理或检测ROI并对ROI进行分类的处理中，设备500提取各种特征信息并使用特征信息来检测ROI。此外，在对ROI进行分类的处理或检测ROI并对ROI进行分类的处理中，设备500通过对检测到的ROI进行分类，针对病变是良性还是恶性产生分类结果。
在操作730在速度状态被确定为停止或高时选择了检测ROI并对ROI进行分类的处理的情况下，所述方法通过利用为了对ROI进行检测而从先前图像提取的特征信息以及通过从当前图像提取对ROI进行分类所必需的其他特征信息，对ROI进行分类。例如，设备500通过利用为了对ROI进行检测而从先前图像提取的特征信息以及通过从当前图像提取对ROI进行分类所必需的其他特征信息，对ROI进行分类。
随后，在操作750，所述方法在屏幕上输出产生的结果。例如，设备500在屏幕上输出产生的结果。因此，在仅检测ROI的处理在操作740被执行的情况下，设备500可在屏幕上输出指示图像上的ROI的区分标记。在检测ROI并对ROI进行分类的处理或者对ROI进行分类的处理被执行的情况下，设备500显示任何先前或当前检测到的ROI，同时在屏幕上的特定位置输出检测到的ROI的分类结果。
可使用液晶显示器(LCD)、有机发光二级管(LED)显示器、等离子显示面板(PDP)、屏幕、终端或本领域普通技术人员公知的任何其他类型的显示器来实现这里描述的图像显示设备。屏幕可以是包括提供对用户界面进行渲染并接收用户输入的能力的一个或更多个硬件组件的物理结构。所述屏幕可包括显示区域、手势捕获区域、触摸式显示器和可配置区域的任何组合。所述屏幕可以是设备的一部分，或者可以是连接到设备或与设备分离的外部外围装置。显示器可以是单屏幕显示器或多屏幕显示器。单个物理屏幕可包括按照单独的逻辑显示器进行管理的多个显示器，其中，虽然单独的逻辑显示器是同一物理屏幕的部分，但它们允许不同内容被显示在单独的显示器上。
用户接口可提供输入和输出关于用户和图像的信息的能力。用户接口可包括网络模块和通用串行总线(USB)主机模块，其中，网络模块用于连接到网络，USB主机模块用于与可移动存储介质形成数据传输通道。此外，用户接口可包括一个或更多个输入/输出装置，诸如，鼠标、键盘、触摸屏、监视器、扬声器、屏幕或用于控制输入/输出装置的软件模块。
通过硬件组件来实现图1至图9中示出的执行在本文中针对图1至图9描述的操作的设备、单元、模块、装置和其他组件。硬件组件的示例包括控制器、传感器、产生器、驱动器以及本领域普通技术人员公知的任何其他组件。在一个示例中，通过一个或更多个处理器或计算机来实现硬件组件。通过一个或更多个处理元件(诸如，逻辑门阵列、控制器和算术逻辑单元、数字信号处理器、微型计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或本领域中的普通技术人员公知的能够按照定义的方式对指令进行响应并执行指令以实现期望的结果的任何其他装置或装置的组合)来实现处理器或计算机。在一个示例中，处理器或计算机包括或者被连接到存储由处理器或计算机执行的指令或软件的一个或更多个存储器。由处理器或计算机实现的硬件组件运行指令或软件(诸如，操作系统(OS)和运行在OS上的一个或更多个软件应用)以执行在本文中针对图1至图9描述的操作。硬件组件还响应于指令或软件的运行，访问、操作、处理、创建和存储数据。为了简洁，单数术语“处理器”或“计算机”可在本文描述的示例中被使用，但是在其他示例中，多个处理器或计算机被使用，或者处理器或计算机包括多个处理元件或多种类型的处理元件，或者以上两者。在一个示例中，硬件组件包括多个处理器，而在另一示例中，硬件组件包括处理器和控制器。硬件组件具有不同处理配置的任何一种或多种，其中，不同处理配置的示例包括单个处理器、单独的处理器、并行的处理器、单指令单数据(SISD)多处理、单指令多数据(SIMD)多处理、多指令单数据(MISD)多处理以及多指令多数据(MIMD)多处理。
图1至图9中示出的执行在本文中针对图1至图9描述的操作的方法由运行用于执行这里描述的方法的指令或软件的上述处理器或计算机执行。
用于控制处理器或计算机实现硬件组件并执行上述方法的指令或软件被编写为计算机程序、代码段、指令或上述各项的任何组合，以单独地或共同地指导或配置处理器或计算机作为机器或专用计算机进行操作以执行由硬件组件执行的操作和上述方法。在一个示例中，指令或软件包括直接由处理器或计算机运行的机器代码，诸如，由编译器生成的机器代码。在另一示例中，指令或软件包括由处理器或计算机使用解释器运行的高级代码。本领域中的普通技术编程人员可基于附图中示出的框图和流程图以及说明书中的相应描述，容易地编写指令或软件，其中，附图中示出的框图和流程图以及说明书中的相应描述公开了用于执行由硬件组件执行的操作和上述方法的算法。
用于处理器或计算机实现硬件组件并执行上述方法的指令或软件以及任何相关联的数据、数据文件和数据结构被记录、存储或安装在一个或更多个非暂时性计算机可读存储介质中。非暂时性计算机可读存储介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、闪存、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-RLTH、BD-RE、磁带、软光盘、磁光数据存储装置、光学输出存储装置、硬盘、固态盘以及本领域中的普通技术人员公知的能够以非暂时性方式存储指令或软件以及任何相关联的数据、数据文件和数据结构并将指令或软件以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机的任何装置，从而使得处理器或计算机可运行指令。在一个示例中，指令或软件以及任何相关数据、数据文件和数据结构被分布在联网的计算机系统上，使得处理器或计算机以分布方式存储、访问和运行指令和软件以及任何相关数据、数据文件和数据结构。
仅作为非详尽的示例，这里描述的终端/装置/单元可以是移动装置(诸如，蜂窝电话、智能电话、可穿戴智能装置(诸如，戒指、手表、眼镜、手镯、脚环、腰带、项链、耳环、头巾、头盔或嵌入在衣服中的装置)、便携式个人计算机(PC)(诸如，膝上型计算机、笔记本、小型笔记本、网络本或超级移动PC(UMPC)、平板PC(平板))、平板手机、个人数字助理(PDA)、数字相机、便携式游戏机、MP3播放器、便携式/个人多媒体播放器(PMP)、手持式电子书、全球定位系统(GPS)导航装置或传感器)或固定的装置(诸如，台式PC、高清晰度电视(HDTV)、DVD播放器、蓝光盘、机顶盒或家用电器)、或者能够进行无线或网络通信的任何其他移动或固定装置。在一个示例中，可穿戴装置是被设计为可直接安装在用户的身体上的装置，诸如，眼镜或手镯。在另一示例中，可穿戴装置是使用贴附装置安装在用户的身体上的任何装置，诸如，使用臂带贴附在用户的手臂或者使用挂带挂在用户的颈部的智能电话或平板。
计算系统或计算机可包括电子地连接到总线的微处理器、用户接口和存储控制器，并还可包括闪存装置。闪存装置可经由存储控制器存储N比特数据。N比特数据可以是已由微处理器处理过的数据和/或将由微处理器处理的数据，并且N可以是等于或大于1的整数。如果计算系统或计算机是移动装置，则可提供电池来为操作计算系统或计算机供电。对于本领域中的普通技术人员将是明显的是：计算系统或计算机还可包括应用芯片组、相机图像处理器、移动动态随机存取存储器(DRAM)或本领域中的普通技术人员公知的适于包括在计算系统或计算机中的任何其他装置。存储控制器和闪存装置可构成使用非易失性存储器存储数据的固态驱动器或盘(SSD)。
尽管本公开包括特定示例，但对于本领域中的技术人员将是明显的是：在不脱离权利要求和它们的等同物的精神和范围的情况下可对这些示例进行形式和细节上的各种改变。这里描述的示例将仅被视为描述性的意义，而不是为了限制的目的。每个示例中的特征或方面的描述将被视为可应用于其他示例中的相似特征或方面。如果描述的技术按照不同的顺序被执行以及/或者如果在描述的系统、架构、装置或电路中的组件按照不同的方式被组合和/或由其他组件或它们的等同物代替或补充，则也可获得适当的结果。因此，本公开的范围不由详细的描述所限定，而是由权利要求和它们的等同物限定，并且在权利要求和它们的等同物的范围内的所有改变将被解释为包括在本公开中。

Claims (15)

1.一种用于支持计算机辅助诊断(CAD)的设备，包括：
感兴趣区域ROI检测器，被配置为从当前图像检测ROI，其中，当前图像是从探头获取的；
ROI分类器，被配置为使用探头的速度的状态来确定是否对ROI进行分类，并根据确定的结果对ROI进行分类。
2.如权利要求1所述的设备，还包括：
图像获取器，被配置为从探头获取图像；
速度确定器，被配置为检测探头的速度并确定检测到的速度的状态。
3.如权利要求2所述的设备，其中，速度确定器还被配置为使用从探头获取的图像之间的变化来检测速度。
4.如权利要求3所述的设备，其中，图像之间的变化包括：当前图像与先前图像之间的针对每个像素的图像强度的总和之差、当前图像与先前图像之间的直方图差异、当前图像与先前图像之间的直方图相似度或当前获取的图像与先前获取的图像之间的主要信息变化程度。
5.如权利要求2或3所述的设备，其中，速度确定器还被配置为将检测到的速度与预设阈值进行比较，并将检测到的速度的状态确定为停止状态、低速状态和高速状态中的一个。
6.如权利要求5所述的设备，其中，ROI检测器在确定的速度的状态是高速状态的情况下从当前图像提取特征信息，
在确定的速度的状态是停止状态或低速状态的情况下从将在当前图像中搜索的区域提取特征信息，其中，将在当前图像中搜索的区域是基于关于在先前图像中已搜索的区域的信息和关于从先前图像提取出的ROI的信息中的至少一个被确定的，
使用特征信息来检测ROI。
7.如权利要求5所述的设备，其中，ROI分类器还被配置为：在检测到的速度的状态是停止状态或低速状态的情况下，确定对ROI进行分类，从当前图像提取特征信息，并使用提取出的特征信息来对ROI进行分类。
8.如权利要求2所述的设备，还包括：
显示器，被配置为在屏幕上输出当前图像，并响应于从当前图像检测到ROI，使用ROI的位置信息在屏幕上的当前图像中的相应位置输出指示ROI的区分标记，
在确定的速度的状态是停止状态或低速状态的情况下，使用从在当前图像之前的图像检测到的ROI的位置信息来在屏幕上的当前图像中的相应位置输出区分标记，
响应于对ROI执行分类，在屏幕上的特定位置输出分类结果，或者将分类结果输出为与屏幕上的当前图像重叠。
9.一种用于支持计算机辅助诊断(CAD)的方法，包括：
确定探头的速度的状态；
从当前图像检测感兴趣区域ROI；
使用速度的状态来确定是否对ROI进行分类；
根据确定的结果对ROI进行分类。
10.如权利要求9所述的方法，还包括：
从探头获取图像；
检测探头的速度。
11.如权利要求10所述的方法，其中，检测探头的速度的步骤包括：使用从探头获取的图像之间的变化来检测探头的速度。
12.如权利要求10所述的方法，其中，确定速度的状态的步骤包括：将检测到的探头的速度与预设阈值进行比较，并将检测到的探头的速度的状态确定为停止状态、低速状态和高速状态中的一个。
13.如权利要求12所述的方法，其中，检测ROI的步骤包括：
在速度的状态被确定为高速状态的情况下，从当前图像提取特征信息；
在速度的状态被确定为停止状态或低速状态的情况下，从将在当前图像中搜索的区域提取特征信息，其中，将在当前图像中搜索的区域是基于关于在先前图像中已搜索的区域的信息和关于从先前图像检测到的关于ROI的信息中的至少一个被确定的；
使用提取出的特征信息来检测ROI。
14.如权利要求12所述的方法，其中，确定是否对ROI进行分类的步骤包括：响应于速度的状态被确定为停止状态或低速状态，确定对ROI进行分类，
其中，对ROI进行分类的步骤包括：
响应于确定对ROI进行分类，提取特征信息，并且
使用提取出的特征信息对ROI进行分类。
15.如权利要求10所述的方法，还包括：
在屏幕上输出当前图像；
响应于从当前图像检测到ROI，使用ROI的位置信息在屏幕上的当前图像中的相应位置输出指示ROI的区分标记，
响应于对ROI执行了分类，在屏幕上的特定位置输出ROI的分类结果，或者将ROI的分类结果输出为与屏幕上的当前图像重叠，
其中，输出区分标记的步骤包括：在速度的状态是停止状态或低速状态的情况下，使用从先前图像检测到的ROI的位置信息在屏幕上的当前图像中的相应位置输出指示ROI的区分标记。
CN201510408352.5A 2014-07-16 2015-07-13 用于基于探头速度支持计算机辅助诊断的设备和方法 Active CN105266845B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020140090017A KR102294193B1 (ko) 2014-07-16 2014-07-16 프로브 속도에 기초한 컴퓨터 보조 진단 지원 장치 및 방법
KR10-2014-0090017 2014-07-16

Publications (2)

Publication Number Publication Date
CN105266845A true CN105266845A (zh) 2016-01-27
CN105266845B CN105266845B (zh) 2020-07-17

Family

ID=53496513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510408352.5A Active CN105266845B (zh) 2014-07-16 2015-07-13 用于基于探头速度支持计算机辅助诊断的设备和方法

Country Status (4)

Country Link
US (1) US10198668B2 (zh)
EP (1) EP2974665B1 (zh)
KR (1) KR102294193B1 (zh)
CN (1) CN105266845B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108938003A (zh) * 2018-06-22 2018-12-07 深圳华声医疗技术股份有限公司 超声诊断设备及其控制方法和计算机可读存储介质
CN109307973A (zh) * 2017-07-27 2019-02-05 精工爱普生株式会社 投影仪以及投影仪的控制方法

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9826958B2 (en) 2009-11-27 2017-11-28 QView, INC Automated detection of suspected abnormalities in ultrasound breast images
US9439621B2 (en) 2009-11-27 2016-09-13 Qview, Medical Inc Reduced image reading time and improved patient flow in automated breast ultrasound using enchanced, whole breast navigator overview images
US10251621B2 (en) 2010-07-19 2019-04-09 Qview Medical, Inc. Automated breast ultrasound equipment and methods using enhanced navigator aids
US10603007B2 (en) 2009-11-27 2020-03-31 Qview Medical, Inc. Automated breast ultrasound equipment and methods using enhanced navigator aids
WO2015124388A1 (en) * 2014-02-19 2015-08-27 Koninklijke Philips N.V. Motion adaptive visualization in medical 4d imaging
KR20150120774A (ko) * 2014-04-18 2015-10-28 삼성전자주식회사 관심영역 검출 시스템 및 방법
US20160066891A1 (en) * 2014-09-10 2016-03-10 International Business Machines Corporation Image representation set
EP3225170B1 (en) * 2014-12-01 2019-09-18 National Institute of Advanced Industrial Science and Technology Ultrasound examination system and ultrasound examination method
KR20160066927A (ko) * 2014-12-03 2016-06-13 삼성전자주식회사 컴퓨터 보조 진단 지원 장치 및 방법
KR20160107528A (ko) * 2015-03-04 2016-09-19 삼성전자주식회사 컴퓨터 보조 진단을 위한 신뢰도 제공 장치 및 방법
JP6625760B2 (ja) * 2016-09-21 2019-12-25 富士フイルム株式会社 超音波診断装置及び超音波診断装置の制御方法
EP3485816A1 (en) * 2017-11-21 2019-05-22 Koninklijke Philips N.V. Method and apparatus for guiding an ultrasound probe
CN111770730B (zh) * 2018-02-23 2023-04-28 富士胶片株式会社 超声波诊断装置及超声波诊断装置的控制方法
CN108670297B (zh) * 2018-04-19 2021-10-12 上海大学 基于多模态经颅超声的帕金森病辅助分析系统及方法
JP7483327B2 (ja) * 2019-04-26 2024-05-15 キヤノンメディカルシステムズ株式会社 超音波診断装置及び解析装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120116219A1 (en) * 2010-11-10 2012-05-10 Miller Nathan D System and method of ultrasound image processing
CN103156636A (zh) * 2011-12-15 2013-06-19 深圳迈瑞生物医疗电子股份有限公司 一种超声成像装置和方法
CN103239258A (zh) * 2012-02-10 2013-08-14 美国西门子医疗解决公司 采用超声波的同轴切变波表征
US20130245428A1 (en) * 2012-03-16 2013-09-19 Toshiba Medical Systems Corporation Patient-probe-operator tracking method and apparatus for ultrasound imaging systems
WO2013183051A1 (en) * 2012-06-04 2013-12-12 Tel Hashomer Medical Research Infrastructure And Services Ltd. Ultrasonographic images processing

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4988981B1 (en) 1987-03-17 1999-05-18 Vpl Newco Inc Computer data entry and manipulation apparatus and method
JP3024968B1 (ja) 1998-12-25 2000-03-27 川崎重工業株式会社 模擬加工方法および装置
JP4300488B2 (ja) * 2003-05-08 2009-07-22 株式会社日立メディコ 超音波診断におけるリファレンス像表示方法及び超音波診断装置
US7683883B2 (en) 2004-11-02 2010-03-23 Pierre Touma 3D mouse and game controller based on spherical coordinates system and system for use
US7788607B2 (en) 2005-12-01 2010-08-31 Navisense Method and system for mapping virtual coordinates
JP4413203B2 (ja) 2006-05-08 2010-02-10 富士通株式会社 画像呈示装置
JP2009061112A (ja) * 2007-09-06 2009-03-26 Ge Medical Systems Global Technology Co Llc 超音波探触子および超音波撮像装置
US20090327974A1 (en) 2008-06-26 2009-12-31 Microsoft Corporation User interface for gestural control
WO2010038172A1 (en) 2008-10-01 2010-04-08 Koninklijke Philips Electronics N.V. Selection of snapshots of a medical image sequence
KR101815020B1 (ko) 2010-08-26 2018-01-31 삼성전자주식회사 인터페이스 제어 장치 및 방법
KR20120102447A (ko) * 2011-03-08 2012-09-18 삼성전자주식회사 진단장치 및 방법
US20120249461A1 (en) 2011-04-01 2012-10-04 Analog Devices, Inc. Dedicated user interface controller for feedback responses
KR20130063790A (ko) * 2011-12-07 2013-06-17 한국과학기술원 초음파 프로브의 위치 및 방향 추정 시스템 및 방법
KR20140091177A (ko) * 2013-01-10 2014-07-21 삼성전자주식회사 병변 진단 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120116219A1 (en) * 2010-11-10 2012-05-10 Miller Nathan D System and method of ultrasound image processing
CN103156636A (zh) * 2011-12-15 2013-06-19 深圳迈瑞生物医疗电子股份有限公司 一种超声成像装置和方法
CN103239258A (zh) * 2012-02-10 2013-08-14 美国西门子医疗解决公司 采用超声波的同轴切变波表征
US20130245428A1 (en) * 2012-03-16 2013-09-19 Toshiba Medical Systems Corporation Patient-probe-operator tracking method and apparatus for ultrasound imaging systems
WO2013183051A1 (en) * 2012-06-04 2013-12-12 Tel Hashomer Medical Research Infrastructure And Services Ltd. Ultrasonographic images processing

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109307973A (zh) * 2017-07-27 2019-02-05 精工爱普生株式会社 投影仪以及投影仪的控制方法
CN108938003A (zh) * 2018-06-22 2018-12-07 深圳华声医疗技术股份有限公司 超声诊断设备及其控制方法和计算机可读存储介质
CN108938003B (zh) * 2018-06-22 2022-05-31 深圳华声医疗技术股份有限公司 超声诊断设备及其控制方法和计算机可读存储介质

Also Published As

Publication number Publication date
CN105266845B (zh) 2020-07-17
EP2974665B1 (en) 2022-09-14
EP2974665A1 (en) 2016-01-20
KR102294193B1 (ko) 2021-08-26
US20160019441A1 (en) 2016-01-21
KR20160009435A (ko) 2016-01-26
US10198668B2 (en) 2019-02-05

Similar Documents

Publication Publication Date Title
CN105266845A (zh) 用于基于探头速度支持计算机辅助诊断的设备和方法
US11282273B2 (en) Predictive information for free space gesture control and communication
US10185808B2 (en) Apparatus and method for diagnosis
US9662040B2 (en) Computer-aided diagnosis apparatus and method
US9532762B2 (en) Apparatus and method for lesion detection
US9674447B2 (en) Apparatus and method for adaptive computer-aided diagnosis
Echegaray et al. Core samples for radiomics features that are insensitive to tumor segmentation: method and pilot study using CT images of hepatocellular carcinoma
US10169641B2 (en) Apparatus and method for visualization of region of interest
CN105701331A (zh) 计算机辅助诊断设备和计算机辅助诊断方法
JP2019530490A (ja) 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出
CN104394771A (zh) 超声图像处理
US20140340524A1 (en) Systems and methods for providing normalized parameters of motions of objects in three-dimensional space
US10698981B2 (en) Automatic detection of medical image acquisition protocol
CN105938513A (zh) 为计算机辅助诊断提供可靠性的装置和方法
Raman et al. Review on mammogram mass detection by machinelearning techniques
Moroianu et al. Detecting invasive breast carcinoma on dynamic contrast-enhanced MRI
JP2012011109A (ja) 医用画像処理装置及びプログラム
Karlsson et al. Machine learning algorithm for classification of breast ultrasound images
Paletta et al. A computer vision system for attention mapping in SLAM based 3D models
Liu et al. Computer-aided diagnosis system for breast cancer using B-mode and color Doppler flow images
JP2022516139A (ja) 残存がん細胞検出のための閾値化のためのシステムおよび方法
Thomas Application of Artificial Intelligence in Thyroidology
JP2008099929A (ja) 異常陰影候補表示装置
Avanaki et al. On anthropomorphic decision making in a model observer
EP4379657A1 (en) Method for detecting lesion and lesion detection program

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant