CN102580260B - 超声图像中自动识别和分割不同组织类型的系统和方法 - Google Patents

Abstract

本发明涉及超声图像中自动识别和分割不同组织类型的系统和方法。提供了用于对感兴趣区域提供基于非侵入式超声的治疗的系统。该系统包括：用于使感兴趣区域内的一个或多个组织类型成像的成像单元；图像处理单元，其配置成识别感兴趣区域内的一个或多个组织类型；超声换能器，其配置成聚焦超声束以消融已识别组织的至少一部分；以及控制器单元，其控制超声束到感兴趣区域的输送。

Description

超声图像中自动识别和分割不同组织类型的系统和方法

技术领域

本发明涉及组织的治疗，并且更特别地，涉及用于使用超声治疗组织的方法和系统。

背景技术

例如皮下脂肪、内脏脂肪、脂肪瘤和肿瘤等不良组织可使用超声进行非侵入式治疗。典型地，伴随热疗或空化治疗的聚焦超声用于治疗这样的组织。在热疗中，超声功率在一段短的持续时间内集中，并且组织通过强烈的振动而加热。在空化治疗中，超声能量用于以相对低强度的方式使组织振动以便破坏细胞。破坏的细胞可经由坏死或凋亡的细胞死亡而相继死亡。在消融期间，对组织的破坏可经由热效应和空化效应的组合、通过仔细选择超声换能器频率而调整超声参数来实现。例如，具有频率范围从约1MHz到约2MHz的换能器可调整成对于主要是空化效应的情况采用低占空比脉冲模式运行。然而，如果占空比增大至连续波(CW)，该效应可主要是热效应。

不同组织的空化阈值是不同的。因此，对于空化治疗，确定要治疗的组织的类型并据此调整治疗，这是可取的。例如，在美容消融脂肪组织的情况下，对脂肪层的位点有着精确确定是可取的。需要精确确定组织位点用于定位脂肪层以便进行消融以及对剩余层的消融后检查。

因此，提供用于在超声图像中自动识别和分割不同组织类型以用于执行例如消融等程序的方法，这将是可取的。

发明内容

在一个实施例中，提供了用于对感兴趣区域提供基于非侵入式超声的治疗的系统。该系统包括：成像单元，用于对该感兴趣区域中的一个或多个组织类型成像；图像处理单元，其配置成识别该感兴趣区域中的该一个或多个组织类型；超声换能器，其配置成聚焦超声束来消融已识别的组织的至少一部分；以及控制器单元，其控制超声束至感兴趣区域的输送。

在另一个实施例中，提供了用于使用超声来治疗感兴趣区域的方法。该方法包括采集该感兴趣区域的超声图像，在这些超声图像中识别一个或多个组织类型，在超声图像中分割组织类型，识别要消融的组织，聚焦超声束来消融已识别的组织的至少一部分，以及消融已识别组织的该部分。

附图说明

当参照附图(其中在所有图中相似的符号代表相似的部件)阅读下列详细描述时，本发明的这些及其它特征、方面和优势将变得更好理解，其中：

图1是用于自动识别和分割感兴趣区域中的组织类型的超声系统的示例的示意图；

图2是指示包括脂肪和结缔组织的不同组织类型的示例超声图像；

图3是用于自动识别和分割感兴趣区域中的组织类型的示例方法的流程图；

图4是用于自动识别和分割感兴趣区域中的组织类型的示例输入超声图像；

图5-6是在将本发明的方法应用于图4的输入超声图像用于自动识别和分割感兴趣区域中的组织类型的期间在不同阶段的处理的超声图像；

图7-10是在应用算法用于自动识别和分割感兴趣区域中的组织类型期间，在不同迭代后的处理的超声图像；

图11是用于在患者上移动单个元件换能器的示例设置的示意图；

图12是包括相控阵、成像换能器和空化探测器的示例一体化换能器的示意图；以及

图13是输入超声图像与将本发明的方法应用于输入超声图像用于自动识别和分割相应的感兴趣区域内的组织类型后的处理的图像作比较的示例。

具体实施方式

本发明的实施例涉及用于使用超声自动治疗组织的系统和方法。在治疗感兴趣区域的步骤之前或期间，使该感兴趣区域的至少一部分成像并且在采集的超声图像中自动识别和分割不同的组织类型。基于识别和分割的不同组织类型，计划最佳治疗。例如，计划可包括调整超声参数(例如超声束的形状、大小、位点或方向)以在治疗期间使治疗效果最大化且对健康组织的破坏最小化。该治疗可使用高强度聚焦超声(HIFU)来提供。

在某些实施例中，最佳治疗基于对感兴趣区域中的脂肪组织、血管和结缔组织的识别和分割来计划。在一个实施例中，结缔组织层可在脂肪组织或肌肉之前被识别。不同组织类型的识别可采用多种方式来进行。例如，识别可以基于反向散射的反射的强度和/或区域的纹理特性来进行。另外，在识别之前，可使用例如但不限于血管增强滤波器、相干增强滤波器等图像增强滤波器的任何组合来增强图像特征。在一个示例中，在感兴趣区域包括脂肪和肌肉的情况下，可在任何两个相邻结缔组织层之间分割该区域，并且这些组织层可归类为两个类别(即脂肪和肌肉)中的一个。在一个实施例中，HIFU聚焦斑可引导于脂肪组织并且结缔组织可免于被破坏。

为了更清楚和简要地描述要求权利的本发明的主旨，对专用术语提供下列定义，这些术语在下列描述和附上的权利要求书中使用。在整个说明书中，专用术语的范例应当认为是非限制性示例。

如本文使用的，“空化”指主要利用空化机制来治疗组织(例如脂肪组织)。然而，空化或形成空化还具有对组织的热效应。组织可通过空化或热效应而破坏。可调整HIFU参数使得对组织破坏的大部分本质上是空化作用，但可存在对组织的热效应或破坏。

如本文使用的，“热疗”指主要利用本质上是热的机制来治疗组织。然而，热疗可能具有空化效应。

如本文使用的，“脂肪组织”指的是主要由脂肪细胞构成的皮下组织、内脏组织或其它组织。脂肪组织还可包括结缔组织、血管和其它结构。脂肪组织可以是白色脂肪组织或棕色脂肪组织。

如本文使用的，“结缔组织”或“结缔组织层”在脂肪组织或在环绕脂肪组织的皮肤中发现。

如本文使用的，“患者”或“对象”指的是接收使用超声换能器组件疗法的人或生物体。术语“患者”和“对象”可在整个申请中能互换地使用。

如本文使用的，“感兴趣区域”指的是与导向为接收疗法的患者相关联的一个或多个部位。感兴趣区域可连同疗法治疗一起成像或可不连同疗法治疗而成像。感兴趣区域可包括，但不限于，例如内脏脂肪等内部(更深)治疗区、感兴趣皮下区和/或在患者内的内部治疗区和/或皮下区之间的任何其它感兴趣区域。

如本文使用的，“疗法换能器”指为治疗目的产生要输送至感兴趣区域的超声能量的超声换能器。

如本文使用的，“用户”指的是操作该系统的至少一部分来向患者提供疗法的一个或多个人(例如，技术人员或医师)。

在某些实施例中，超声系统包括用于采集超声图像的成像单元和用于自动分析这些超声图像的图像处理单元。在一个示例中，低能量超声可用于采集图像。对超声图像进行分析以识别并随后分割图像中的不同组织类型。基于该分析，可计划最佳治疗。计划该治疗可包括确定超声参数，以及确定需要治疗的组织的位点和无需治疗的邻近组织的位点。超声系统包括控制器单元，其与图像处理单元联合作用以基于组织类型的识别和分割来输送计划的治疗至感兴趣区域。在一个示例中，控制器单元可基于组织识别便于调整超声换能器的治疗区域(聚焦斑)的位点。控制器单元可配置成调整三维中的超声聚焦斑位点。超声聚焦斑的位点可通过机械运动或电子调整来调整。可选地，超声系统包括反馈控制单元，其可进一步调整聚焦斑。在一个示例中，在感兴趣区域的低能量成像后，可利用反馈控制单元进一步调整聚焦斑。可选地，空化探测器可用于探测空化的数量。在一个示例中，成像单元可配置成作为空化探测器操作。例如，如果成像单元包括成像超声换能器，该成像换能器可配置成起到成像换能器和空化探测器的双重作用。在一个实施例中，一旦探测到空化，反馈控制单元可用于调整超声参数。这些超声参数可调整成使用最小功率地保持治疗区中的空化以大致上减小对皮肤烧灼(其否则可由于热作用加热而被引起)的可能性。

图1是用于在超声图像中识别和分割不同组织类型的超声系统10的示例的框图。可基于组织类型的识别和分割来计划治疗。超声系统10可配置成非侵入式地输送疗法和/或经由探头外壳使感兴趣区域12成像。该感兴趣区域12可以是三维区域。具有病变组织或不良组织的该感兴趣区域12位于患者体内。在一个示例中，疗法输送可包括通过加热或者通过诱发空化来破坏感兴趣区域12内的病变组织或不良组织。

探头外壳包括一体化换能器14，其包括疗法换能器和成像换能器。包括成像换能器和疗法换能器的一体化换能器14可设置在探头外壳中。虽然关于一体化换能器14描述了系统10，应当注意，单独的疗法和成像换能器可在系统10中使用。在单独的疗法和成像换能器的情况下，一个换能器或两个换能器可设置在探头外壳内。一体化换能器14可耦合于传送/接收开关电路16、传送器18和(可选择地)接收器20。一体化换能器14的成像换能器需要该接收器20。当成像换能器结合疗法换能器一起使用时，接收器20可用于采集来自感兴趣区域的反向散射的声能用于成像目的。

成像信号从例如脂肪组织、肌肉组织、血细胞、静脉或体内对象(例如，导管或针)等体内的生理结构反向散射来产生返回至成像换能器的回声。成像换能器可在不同时间接收反向散射波，这依赖于反向散射波返回的在组织内的距离以及它们返回时的关于成像换能器的表面的角度。换能器元件将来自反射散射波的超声能量转换为电信号。然后这些电信号通过T/R开关电路16路由至接收器20。接收器20对接收到的信号放大并数字化，并提供例如增益补偿等其它功能。在该示例中，对应于反向散射波的数字化的接收信号由每个换能器元件在各个时间接收，并保存反向散射波的幅度和相位信息。

反向散射信号或回声由接收器20接收用于成像目的。接收的回声提供给处理信号的图像处理单元26。处理的数据可传送至控制器单元24、存储器28或数据储存库30用于暂时或永久存储。数据储存库30可配置成接收数据并与成像工作站32交互。处理器30可耦合于远程连接子系统34，其包括web服务器36和远程连接接口38。图像处理单元26用于在超声图像中自动识别和分割不同的组织类型。

疗法或成像换能器可包括一个或多个换能器元件、一个或多个匹配层，以及聚焦部件，例如透镜。换能器元件可采用间隔关系设置，例如，但不限于，一维或二维换能器阵列、相控阵或环形阵列。在相控阵或环形阵列(在z方向上)的情况下，换能器14可允许HIFU元件或电子操纵装置的机械平移。换能器14可采用单个通道或多个通道用于传输。

在相控阵疗法换能器的情况下，换能器元件可连接至控制器单元24并由其控制。控制器单元24可能够独立地激活并控制每个元件。通过适当地对个体元件操纵和定相，可形成会聚波阵面。备选地，机械透镜可设置在单个元件换能器前面以引起相位延迟。相控阵列换能器可用于获得不同的相图或不同的焦点。相控阵可同时用于操纵和聚焦。环形阵列换能器可用于更大的聚焦深度。

在某些实施例中，利用控制器单元24控制一体化换能器14的操作。具体而言，换能器14操作地耦合于控制器单元24来控制超声束的参数。超声参数的非限制性示例可包括超声束的形状、大小、位点或方向。在一个实施例中，换能器或换能器元件可沿着或围绕x、y或z方向中的一个或多个运动来调整超声束的参数。例如，换能器可围绕z方向旋转，或者换能器可沿x或y方向横向地移位。

疗法换能器可在根据可取的疗法的频率范围中操作。例如，治疗换能器可在从约250KHz到约3MHz的频率范围中，或者在从约500kHz到约1MHz频率范围中操作用于空化目标组织(例如病变组织或脂肪组织)。在一个示例中，成像换能器可包括换能器元件的二维或三维阵列。成像换能器可在从约1MHz到约15MHz的范围中操作，最佳地在从约1MHz到约10MHz或从2MHz到约7MHz的范围中。

成像换能器可在施加疗法之前或者施加疗法之后或者在施加疗法时使感兴趣区域成像。在一个示例中，疗法换能器生成一个或多个超声频率用于空化和/或热处理感兴趣区域，并且成像换能器可接收一个或多个频率以使感兴趣区域成像。疗法换能器和/或成像换能器可配置成在多个感兴趣区域中操作，同时使探头外壳在对象上保持相同物理位点。

疗法换能器可选择性地采用低功率模式或高功率模式操作。相应地，成像换能器可采用成像模式(传送和接收)或接收模式(以使HIFU束可视化)这两个模式中的一个操作。疗法换能器的高功率模式可用于组织消融。在疗法换能器以低功率传送脉冲并且成像换能器充当接收器的情况下，疗法换能器的低功率模式可用于使HIFU聚焦可视化。聚焦的超声的图像可叠加在组织的超声图像上。

控制器单元24用于基于一个或多个换能器参数或疗法命令控制向治疗位点输送疗法。换能器参数的示例包括，但不限于，聚焦区深度、聚焦区大小、接收疗法的感兴趣区域内的每个点的消融时间、疗法信号的能量水平和疗法会话期间ROI内聚焦区的移动速率。换能器参数还可包括疗法超声信号的频率或强度、功率、峰值稀疏分压、脉冲重复频率和长度、占空比、景深、所用的波形、束移动速度、束密度、疗法脉冲序列和成像脉冲序列参数。而且，疗法命令可包括解剖学参数，例如脂肪组织和非脂肪组织的位点、形状、厚度和取向。解剖学参数还可包括脂肪组织和非脂肪组织的密度。此外，疗法参数包括在疗法会话期间所用的探头的类型。患者的年龄、性别、体重、种族、遗传或病史也可以是疗法命令。在已对感兴趣区域施加疗法后，系统10或操作者/用户可在对相同感兴趣区域12再次施加疗法或者对新的感兴趣区域施加疗法之前调整疗法参数。疗法命令可包括可由系统10确定的任何因子或值，或者可包括可由用户键入、影响施加到感兴趣区域的疗法的任何输入。在一些实施例中，系统10可自动提供不同组织类型的虚拟分割。在分割不同的组织类型之后，可确定用于治疗的感兴趣的组织位点。在一个示例中，感兴趣组织可包括脂肪。在另一个实施例中，感兴趣组织可以是肿瘤、血管或需要被破坏(例如，消融)的任何其它组织。在皮下脂肪消融的情况下，可识别可改变HIFU的结缔组织，并且可修改消融以在结缔组织的HIFU范围上进行处理。备选地，可降低HIFU的强度来避免对结缔组织的任何破坏。在治疗内脏脂肪的实施例中，可选择路径使得该路径允许治疗区和任何器官或主要血管之间的最大距离。

控制器单元24可基于组织类型的识别和分割来控制HIFU束的移动。在一个示例中，换能器14可使感兴趣区域成像来确定关于脂肪组织和非脂肪组织的疗法参数。这些疗法参数可由控制器单元24生成并传送至传送器18或射束形成器22。控制器单元24配置成控制消融、HIFU束成像、组织成像和探头运动的时间序列。控制器单元24还识别目标组织的位点和HIFU当前聚焦，并计算参数以机械地或电子地操纵HIFU聚焦。控制器单元24还可在任何消融程序期间控制聚焦超声的消融参数。

可利用控制器单元24控制的超声束的其它参数可包括功率水平、占空比、用于HIFU成像、组织成像、消融和探头移动的功率时间序列、超声束的聚焦深度。功率水平可通过改变超声系统的电压设置而改变。占空比可通过调整超声脉冲的间隔和长度中的一个或两个而调整。超声束的聚焦深度可通过机械地调整换能器相对于感兴趣区域的位置而调整。

可选地，系统可采用空化探测器(未示出)来估计空化数量。空化探测器可以是单个元件或者多元件换能器或隔水听诊器。空化探测器可配置成在约1MHz到约15MHz的范围中操作。在一个示例中，成像换能器的元件可用作宽带空化探测器。空化探测可通过在时域或频域中采集时域(A扫描)信号和探测信号中的宽带噪声和次谐波来进行。典型地，较高的噪声表示空化的数量。在消融程序期间，空化可通过空化探测器来验证。控制器单元24可根据查阅表和来自操作者的预治疗输入计划，调整换能器的功率以在最小功率或时间上保持空化。

控制器单元24可连接至例如鼠标、键盘等用户界面40，并控制探头外壳的操作。例如，控制器单元24可耦合于用户界面40以允许用户基于在例如监视器等显示器42上显示的数据与超声系统10接合。具有HIFU束定位的分割的超声图像可使用显示器42来显示，用于验证和治疗计划制定。用户界面可用于接受或拒绝所显示的计划。例如，如果超声束在显示的图像中处于期望的位点，用户可接受治疗计划。备选地，如果超声束太靠近邻近的结缔组织使得邻近组织可在超声束传送时被不期望地消融，治疗计划可以由用户使用用户界面40修改或者拒绝。用户界面40可包括对于用户(例如操作者)的触摸屏，以为治疗计划提供输入。用户界面40可以是触摸屏，其允许操作者或用户通过触摸显示的图形、图标等来选择选项。

尽管对于肌肉空化的阈值显著高于脂肪组织，作为防止对肌肉组织的破坏和随后的疼痛的附加安全措施，希望避免肌肉组织。使用显示器42观察指示不同组织类型的分割的超声图像使用户能够识别出非期望的组织可能非常接近皮肤、肌肉和其它器官组织，例如脂肪界面的肌肉和/或皮肤。备选地，反馈控制单元可配置成向用户或控制器单元24报警来修改治疗以避免任何不期望的影响。

超声系统10传送超声能量至患者内的感兴趣区域12以使感兴趣区域成像，和/或治疗感兴趣区域，并接收和处理从患者反向散射的超声信号来形成并显示图像。使用图像处理单元26处理超声图像来识别和分割组织类型。图像处理单元26然后传送命令数据至控制器单元24。控制器单元24在从图像处理单元26接收命令数据时促进生成传送参数来形成具有例如形状、大小、深度、功率和位点等期望的参数的射束。传送参数从控制器单元24输送至传送器18。传送器18利用传送参数来对信号适当地编码以便通过T/R开关电路16发送至换能器14。这些信号关于彼此以某些水平和相位设置，并传送至换能器14的换能器元件。传送的信号激发换能器元件发射具有相同相位和水平关系的超声波。因此，当换能器14通过使用例如超声凝胶或水而声耦合于患者的疗法部位时，传送的超声能量束沿扫描线路引导于患者的该疗法部位。

图像处理单元26适于根据关于采集的超声信息的多个可选择的超声模态来执行一个或多个处理操作。采集的超声信息可在接收回声信号时在扫描或疗法会话期间实时处理。另外或备选地，超声信息可在扫描会话期间暂时性地存储在存储器28中，并在现场或离线操作中近于实时地处理。在一个示例中，图像存储器44可用于存储没有立即显示的采集的超声信息的处理帧。图像存储器44可包括任何公知的数据存储介质，例如，暂时或永久性存储介质或可移除存储介质。

可选地，系统10可包括位置跟踪模块46，其跟踪探头的位置或HIFU束的聚焦斑。位置感测装置可操作地耦合于换能器或探头外壳以准确确定换能器14的位置。跟踪的位置可传送至系统的其它部件，例如控制器单元24。可相对于患者身上或附近的参照点/界标、标记等来跟踪探头的位置。在一个示例中，探头位置可用于向用户指示已经治疗过、正在治疗中或尚待治疗的患者区域。

在对感兴趣区域28内的面积提供疗法之后或之时，用户或系统10可确定对于感兴趣区域28的疗法是否完成，以及超声束的聚焦斑是否应移动至患者内的另一个点。对于治疗空间是否已经充分治疗或完成的自动确定可通过例如但不限于弹性图像方法(elasto-graphic method)等方法来确定。备选地，用户或反馈模块48可确定疗法是否完成。反馈模块48还可链接至位置跟踪模块46以确定聚焦斑是否处于期望的位置。反馈模块48可耦合于控制器单元24或图像处理单元26。另外，虽然没有图示，反馈模块48还可耦合于显示器42、存储器28、图像存储器44和用户界面40中的一个或多个。反馈模块48可将系统的实际输出和期望输出作比较。实际输出指输送至感兴趣区域的疗法结果。实际输出可提供作为显示的图像或者存储在存储器28或44中的图像，或者与显示或存储的图像相关的数据。期望输出可由用户规定。例如，期望输出可由用户根据待治疗的组织的数量来规定。

反馈模块48可将实际输出与期望输出作比较，且如果需要的话通知/警告系统10。在减脂的情况下，反馈模块48可使用由用户提供给系统10的治疗命令来确定脂肪组织减少及热疗的可接受水平，并因此当超过或接近这样的限制时通知该系统。在一个示例中，例如，如果待空化的脂肪组织的确定的限制超过或者将要达到更靠近由分割指示的边界，反馈模块48可通过蜂鸣声或在监视器上闪烁信号来警告系统以便提醒用户。在一个实施例中，反馈模块48可以具有内置智能，其可改变治疗参数以改善正提供的疗法。

反馈模块48可从处理单元26、所显示的图像(在显示器42上)或存储器28或44的图像获得数据作为输入，并做出数据或图像是否可接受的决定。例如，反馈模块48可利用显示的图像来确定感兴趣区域12中空化的脂肪组织的数量是否足以停止感兴趣区域12中的疗法。反馈模块48可在疗法完成后或者在疗法期间提供反馈。在一个示例中，通过比较空化的脂肪组织的实际数量和使用治疗参数计算的脂肪组织值，反馈模块48可验证从给定部分减少的脂肪组织的数量是否可接受。如果，例如，消融的脂肪组织的深度超过或者将要超过确定值，反馈模块48可配置成发出例如连续蜂鸣声等警告，直到用户确认接收了蜂鸣声(例如通过用户界面40的方式)。然后用户可回顾来自反馈模块48的信息。以这种方式，反馈模块48可避免否则可能发生的无心的用户错误。

系统10的控制器单元24、图像处理单元26和其它模块以及单元可利用具有单个处理器或多个处理器的现货PC来实现，其中功能性操作分布在这些处理器之间。部件可以是专用的硬件元件，例如具有数字信号处理器的电路板，或者可以是在例如商业的、现货个人电脑(PC)等通用计算机或处理器上运行的软件。各种部件可根据本发明的各种实施例来结合或分离。超声系统10是示例，并且本发明的系统和方法不受到该具体系统配置的限制。

在一个示例中，脂肪层可由本发明的超声系统自动识别和分割。在一个示例中，可自动识别和分割对于腹部区的组织的超声图像中的脂肪层。图2图示了来自腹部区的组织的超声图像，其中已经识别出各种细胞层。脂肪层72楔入纤维结缔组织的两个层74和76之间。在一个实施例中，可基于组织的纹理和/或平均强度值来识别组织类型。在大多数实例中，脂肪层具有由稀疏分布的对角线条纹定义的特性纹理。在某些实施例中，该生理表现可在开发用于描绘超声图像中的脂肪层的自动图像处理算法中使用。

图3是用于在超声图像中自动识别和分割组织类型的示例方法的流程图。在步骤80，该方法通过将超声探头置于患者上而开始。可选地，在步骤80之前，在步骤78，医师或技术人员可测量并输入感兴趣区域中的脂肪的近似厚度。而且，可选地，作为前置程序步骤，在步骤82，可在治疗之前向系统提供感兴趣区域的磁共振(MR)、X射线、计算机断层扫描(CT)或双能量X射线(DXA)图像。这些MR、X射线、CT或DXA图像可用作比较由超声系统在该程序期间的随后阶段获取的图像的参考。用户可向系统提供与感兴趣区域相关的信息连同前置程序图像。例如，由用户提供的信息可包括关于患者的基本信息，和患者内的感兴趣区域的位点，以及存在于感兴趣区域中的组织类型。在一个示例中，用户可输入正在成像的区域是腹部并且人的腹部依次具有皮肤层、脂肪和肌肉的信息。

在步骤84，系统采集感兴趣区域的超声图像。脂肪和肌肉界线的图像可通过一体化探头来采集，该一体化探头还称为两用探头，其可包括HIFU探头和成像探头。备选地，单独的超声成像探头可用于采集图像。

在步骤86，在确定用于提供治疗的位点之后但在提供治疗之前，图像由信号处理软件处理。在一个示例中，图像处理单元可包括信号处理软件。信号处理软件可使用用于实行图像数据分析的一个或多个算法来寻找组织(脂肪、肌肉、结缔组织等)边界。采集的超声图像中的例如脂肪、结缔组织和肌肉等不同的组织类型可使用算法来自动识别和分割。在一个示例中，可基于界标和公知的组织结构来识别不同的组织类型。可选地，已识别和分割的组织部分可被标示以指示在处理图像的不同段中存在的组织类型(步骤87)。界标可以基于组织类型的先验知识。在一个示例中，该先验知识可通过学习框架而合并，该学习框架包括训练图像集，其中不同的组织类型由用户(例如经过训练的临床医生)通过人工标记而指示。然后使用可用的学习方法中的任何一个，例如但不限于概率增加树(probabilisticboosting tree)，从这些训练图像学习与每个组织类型有关的特征。

对于减脂程序，脂肪的位点可在分割的超声图像中确定。在其它治疗的情况下，例如肿瘤、血管等待治疗的相应组织的位点可在分割的超声图像中确定。

在步骤88，处理的超声图像可发送至具有界标识别的治疗验证软件并显示。可显示具有界标识别的结构的区域中组织结构的综合地图。显示的图像可图示被识别和分割的不同组织类型。由系统生成的显示图像可包括示出各种组织层连同它们相应的厚度测量的标示图像。可选地，具有组织识别的显示图像还可包括HIFU聚焦斑位点的识别。可向用户示出具有操作者调整的附加选项的该显示图像。

在步骤90，测试脉冲由HIFU形成并由成像换能器接收。HIFU束的该图像可以与处理的图像一起显示。在步骤92，待治疗的组织的位点和体积可由用户验证。可基于待治疗的组织的体积、组织质量和位点以及所期望的程序时间来计算初始治疗计划。在皮下脂肪消融的情况下，可识别可改变HIFU的结缔组织，并且消融治疗可相应地修改成在结缔组织之上(或之下)治疗以避免治疗被输送至结缔组织。在治疗内脏脂肪时，可选择治疗路径使得允许在治疗区域和任何器官或主要血管之间的最大可能距离。

基于分割，可计划消融并且HIFU的聚焦可相应地调整来治疗感兴趣区域。HIFU的聚焦可使用电子地操纵HIFU或换能器的机械运动的相控阵、通过对患者和换能器之间的隔距进行扩大或压缩来调整。在一个示例中，HIFU可在低能量下短暂脉动，并且HIFU可利用成像换能器成像。在该示例中，成像换能器和治疗换能器可处于相同的频率或谐波。在提供治疗之后，可使感兴趣区域成像来确定输送的治疗的数量，并由系统或用户做出继续或停止治疗的决定。在该程序期间，提供治疗的探头的位置可通过光学追踪、EM追踪、陀螺追踪或经由机器人或导轨的机械手段来追踪。

可采用用于在超声图像中识别组织类型、例如识别脂肪层94和结缔组织层96等的算法来提供分割。算法中的第一步可包括探测结缔组织层。在探测结缔组织层之前，可执行图像增强程序。输入的超声图像可使用配置成分割结缔组织的结缔组织增强滤波器来增强。结缔组织增强滤波器用于增强超声图像中的脊状图像特征，其加亮突出超声图像中的结缔组织层。该增强的图像可呈现给用户(例如，临床医生)用于增强各种组织层的可视化。结缔组织增强滤波器可采用用于增强图像中的管状结构(结缔组织层)的基于Hessian的测量。对于图像I，Hessian H利用二阶偏导数定义为：

$H=\left[\begin{array}{c}\frac{{\∂}^{2}I}{{\∂x}^2}\frac{{\∂}^{2}I}{\∂x\∂y}\\ \frac{{\∂}^{2}I}{\∂x\∂y}\frac{{\∂}^{2}I}{{\∂y}^2}\end{array}\right]=\left[\begin{array}{cc}{I}_{\mathrm{xx}}& I_{\mathrm{xy}}\\ I_{\mathrm{xy}}& I_{\mathrm{yy}}\end{array}\right]$ 公式1

通过提取Hessian的本征值，分解局部二阶结构的主方向。如果该Hessian矩阵的本征值表示为λ₁ &λ₂。那么，对于2D图像上的理想管状结构，需要满足公式2。

|λ₁|≈0&|λ₁|＜＜|λ₂| 公式2

2D血管测量如公式3中表示的那样可在尺度s定义。

$V\left(s\right)=\{0,\left(e^{-{\left(\right|{\mathrm{\λ}}_1|/|{\mathrm{\λ}}_2\left|\right)}^2/{2\mathrm{\β}}^2}\right)(1-e^{-({{\mathrm{\λ}}_1}^2+{{\mathrm{\λ}}_2}^2)/{2c}^2})\},$ 如果λ₂＞0 公式3

其中，β是说明偏离团状结构的因子。因子c因为这些噪声像素典型地具有相等的本征值而允许排除噪声像素。结缔组织增强图像以多个尺度生成并且结果累加以生成最终图像。对于图4的输入图像对应的结缔组织增强图像的示例在图5中描绘。如图示的，通过增强滤波器提供了结缔组织层的粗分割。

接着，可使用包括后跟纳入主动轮廓框架中的曲线演化的阈值处理的方案从增强的图像中分割结缔组织层。利用主动轮廓方法来分割结缔组织层。主动轮廓方法由于该技术能够克服小边界不连续并且还适于变化的拓扑而适合于结缔组织层分割。然而，主动轮廓模型对于轮廓初始化是敏感的，并且良好的初始化对于最终的会聚是必要的。在一些实施例中，分割作为两步过程来实现，其中第一步包括确定主动轮廓初始化，并且第二步包括传播该轮廓来捕捉结缔组织边界。这两个步骤中的每个的详细描述将在下文描述。

对于轮廓初始化，可通过利用k均值强度阈值程序来分割血管增强图像而获取结缔组织层的近似位点。由于通常结缔组织层比它的周围具有高得多的强度，它在分割图像中容易可视化。然而，由于结缔组织层中的不均质和/或由于其它成像伪影的存在，探测的区域可能具有若干不连续，因此该分割仅仅是近似的。如图6中图示的，在分割之后，分割的结缔组织层的边界用于初始化主动轮廓。轮廓对(大括号97中)在探测的结缔组织层之上或之下被初始化。

对于基于主动轮廓框架的轮廓传播，结缔组织层的边界可通过使由如下文表示的公式4定义的能量函数最小化而获取：

$E(f,g,{\mathrm{\μ}}_1,{\mathrm{\μ}}_2,{\mathrm{\μ}}_3)=\underset{a}{\overset{b}{\∫}}\underset{f}{\overset{g}{\∫}}{(I-{\mathrm{\μ}}_1)}^2+\underset{a}{\overset{b}{\∫}}\underset{0}{\overset{f}{\∫}}{(I-{\mathrm{\μ}}_2)}^2+\underset{a}{\overset{b}{\∫}}\underset{g}{\overset{\∞}{\∫}}{(I-{\mathrm{\μ}}_3)}^2$

公式4

$+{\mathrm{\λ}}_{\mathrm{smooth}}\underset{a}{\overset{b}{\∫}}\sqrt{1+{\left(f^{\′}\right)}^2}+{\mathrm{\λ}}_{\mathrm{smooth}}\underset{a}{\overset{b}{\∫}}\sqrt{1+{\left(g^{\′}\right)}^2}+{\mathrm{\λ}}_{\mathrm{width}}\underset{a}{\overset{b}{\∫}}{(w-(f-g))}^2$

其中，f和g是传播轮廓，μ₁、μ₂和μ₃分别是区域1、2和3的平均强度，λ_smooth是控制演化轮廓的平滑度的参数，w是结缔组织层宽度的估计，并且λ_width是防止轮廓脱离或互相折叠到对方上的惩罚因子。公式5-6表示Mumford-Shah函数，并且可通过如下迭代梯度下降方法而最小化：

$f^{(n+1)}=f^{\left(n\right)}-{\mathrm{\λ}}_{\mathrm{speed}}*\mathrm{dT}[{(I-{\mathrm{\μ}}_2)}^2-{(I-{\mathrm{\μ}}_1)}^2-{\mathrm{\λ}}_{\mathrm{smooth}}{\left(\frac{f^{\′}}{\sqrt{1+{\left(f^{\′}\right)}^2}}\right)}^{\′}-{\mathrm{\λ}}_{\mathrm{width}}(w-(f-g))]$ 公式5

$g^{(n+1)}=g^{\left(n\right)}-{\mathrm{\λ}}_{\mathrm{speed}}*\mathrm{dT}[{(I-{\mathrm{\μ}}_1)}^2-{(I-{\mathrm{\μ}}_3)}^2-{\mathrm{\λ}}_{\mathrm{smooth}}{\left(\frac{g^{\′}}{\sqrt{1+{\left(g^{\′}\right)}^2}}\right)}^{\′}-{\mathrm{\λ}}_{\mathrm{width}}(w-(f-g))].$ 公式6

其中，上标(n)表示迭代，并且λ_speed是控制传播速度的项。将λ_speed设置成与标准化图像强度成反比以便加速不存在结缔组织层的区域中的轮廓演化并且当轮廓接近结缔组织层时使之减速，这是可取的。公式5中的迭代方案持续直到达到迭代的最大数(～2000)或者轮廓从一个迭代到下一个不发生显著变化。图7、8和9图示了具有进展迭代的轮廓演化。图7图示了感兴趣区域的初始超声图像中的脂肪组织层98和结缔组织层100，图8和9呈现了描绘经过若干个迭代的轮廓演化的示例。图8和9分别图示了经过300和600个迭代后的轮廓演化102和104。图8和9是图像处理的中间步骤并且可向操作者显示或者不向操作者显示。该程序或迭代被重复直到图像中所有的结缔组织层已被识别。图10图示了在经过总数个迭代后获得的最终轮廓106。由标号106表示的线描绘了会聚到结缔组织层边界上的主动轮廓。

在最后步骤中，实现新的基于小波的纹理识别方案以将结缔组织之间的每个区域归类为若干种类(例如：脂肪、肌肉、腹部流体，等)中的一个。由自动算法生成的最终结果可包括标示的图像，其示出了各种组织层连同它们相应的厚度测量。可选地，具有组织识别的最终图像还可包括HIFU聚焦斑位点的识别。具有操作者调整的附加选项的该最终图像可以向操作者示出。

在下一个步骤中，识别位于所有结缔组织层之间的区域，并且距离皮肤最远的区域归类为肌肉。具有显著高于肌肉的平均强度的所有其它区域归类为脂肪。

图11图示了对单个元件HIFU换能器110的设置，用于通过机械调整换能器110相对于皮肤的距离/位点提供对HIFU束的深度和位点的调整。换能器110配置成相对于框架112移动。框架可使用空间上间隔开且沿框架112的y轴延伸的一对导轨114来限定。换能器110能滑动地安装于导轨114上，例如在轨道中(未示出)。框架112可大致上是平的或者具有与患者身体的相应区域(也未示出)相似的轮廓。换能器110可沿导轨运动同时大致上持续地保持与患者身体的接触。框架112可允许换能器相对于患者身体的人工移动或电动移动。

图12图示了具有多个换能器元件的多元件HIFU阵列120。该换能器阵列120是环形阵列。可利用调整控制个体换能器元件的个体射频放大器进行聚焦斑位点的调整。成像换能器122和空化探测器124在操作上与换能器阵列120相关联地设置。阵列120可配置成用于调整HIFU聚焦斑的深度。阵列120并且进而焦斑的横向运动可伴随着射频放大器(其耦合于个体换能器元件的射频放大器)控制的调整。

示例

利用线性阵列探头对四名志愿者进行腹部区的超声扫描，并且可调整深度使得整个脂肪层都在视场中捕捉。然后使用提出的自动算法分析图像并且定性检查结果以确定分割准确度。该算法能够正确地识别所有图像中的结缔组织层。然而，将区域归类为脂肪和肌肉由于在若干情况下在两个层之间所观察到的相当小的强度差别而并不总是准确的。使用用于在腹部组织的超声图像中探测脂肪层的自动算法。该算法利用主动轮廓框架用于结缔组织层的分割，然后强度划分(intensity binning)以将缔结层之间的区域归类为脂肪或者肌肉。在来自十六个志愿者的超声图像上测试该算法，并且结果显示结缔组织层的良好的分割准确度。然而，脂肪和肌肉区的强度差别并不总是明显的，这导致一些误分类。用于区分脂肪和肌肉的更加鲁棒的分类方案可通过研究两个层的组织性质而获取。脂肪层主要具有对角线条纹，而肌肉层表现为稀疏分布的水平条纹。今后的工作牵涉在组织分类框架中利用该信息来更好地区分两个类别。

该算法已经在来自不同志愿者的十六个图像集上进行了测试，并且结果的定性检查显示了良好的分割准确度。图13图示了输入图像和使用自动算法生成的相应的分割，其中结缔组织层和脂肪/肌肉区已经使用自动算法被识别出来。

尽管本文仅图示和描述本发明的某些特征，本领域内技术人员将想到许多修改和改变。因此，要理解附上的权利要求意在涵盖所有这样的修改和改变，它们落入本发明的真正精神内。

元件列表

10超声系统

12感兴趣区域

14一体化换能器

16传送/接收开关电路

18传送器

20接收器

22射束形成器

24控制器

26图像处理单元

28存储器

30数据储存库

32成像工作站

34连接子系统

36web服务器

38远程连接接口

40用户界面

42显示器

44图像存储器

46位置跟踪模块

48反馈模块

78-92用于在超声图像中自动识别和分割组织类型的方法中的步骤

94脂肪层

96结缔组织层

97大括号

98脂肪组织层

100结缔组织层

102轮廓

104轮廓

106最终轮廓

110HIFU换能器

112框架

114导轨对

120多元件HIFU阵列

122成像换能器

124空化探测器

Claims (9)

1.一种用于对感兴趣区域提供基于非侵入式超声的治疗的系统，所述系统包括：

成像单元，用于使所述感兴趣区域中的一个或多个组织类型成像为超声图像；

图像处理单元，其配置成识别所述感兴趣区域中的所述一个或多个组织类型；

疗法换能器，其配置成聚焦超声束以消融已识别组织的至少一部分，所述疗法换能器配置成通过机械调整换能器相对皮肤的距离或位点中的至少一个来提供对于超声束在感兴趣区域中的深度或位点中的至少一个的调整；以及

控制器单元，其控制所述超声束到所述感兴趣区域的输送；

其中，所述的控制器单元配置为：

分割所述超声图像中的所述组织类型，所述分割包括：确定主动轮廓初始化，传播所述轮廓来捕捉结缔组织边界；

基于所述分割识别待消融的组织。

2.如权利要求1所述的系统，其中所述成像单元包括成像换能器，其与所述疗法换能器成一体。

3.如权利要求1所述的系统，其进一步包括空化探测器。

4.如权利要求1所述的系统，其中所述空化探测器配置成在1MHz到15MHz的范围中操作。

5.如权利要求1所述的系统，其进一步包括在操作上与控制器单元相关联的反馈控制单元。

6.如权利要求1所述的系统，其中所述图像处理器单元包括结缔组织增强滤波器，其配置成分割所述结缔组织。

7.如权利要求1所述的系统，包括超声换能器，所述超声换能器是高强度聚焦超声(HIFU)换能器。

8.一种超声图像处理方法，其包括：

采集感兴趣区域的超声图像；

识别所述超声图像中的一个或多个组织类型；

分割所述超声图像中的所述组织类型，所述分割包括：确定主动轮廓初始化，传播所述轮廓来捕捉结缔组织边界；

基于所述分割识别待消融的组织。

9.如权利要求8所述的方法，其中识别所述感兴趣区域中的一个或多个不同的组织类型包括识别所述一个或多个不同组织类型的纹理。