CN107667390A - 基于超声的最优器官分割 - Google Patents

基于超声的最优器官分割 Download PDF

Info

Publication number
CN107667390A
CN107667390A CN201680017996.4A CN201680017996A CN107667390A CN 107667390 A CN107667390 A CN 107667390A CN 201680017996 A CN201680017996 A CN 201680017996A CN 107667390 A CN107667390 A CN 107667390A
Authority
CN
China
Prior art keywords
data
segmentation
image
processing
imaging
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.)
Pending
Application number
CN201680017996.4A
Other languages
English (en)
Inventor
S·巴拉特
A·M·塔赫玛塞比马拉古奥施
J-L·罗贝尔
D·宾内卡普
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN107667390A publication Critical patent/CN107667390A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/13—Tomography
    • A61B8/14—Echo-tomography
    • 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
    • A61B8/461—Displaying means of special interest
    • A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • 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
    • 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
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Vascular Medicine (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

Abstract

一种分割选择系统包括换能器(14)，所述换能器被配置为发送和接收用于对对象进行成像的成像能量。信号处理器(26)被配置为处理接收到的成像数据以生成经处理的图像数据。分割模块(50)被配置为基于成像数据和/或经处理的图像数据的特征或特征的组合来生成对象的多个分割。选择机制(52)被配置为选择多个分割中最好地满足用于执行任务的准则的一个分割。

Description

基于超声的最优器官分割
技术领域
本公开内容涉及医学仪器并且更具体地涉及用于成像应用的图像分量分割的系统、方法和用户接口。
背景技术
超声(US)是一种低成本的、易于使用的成像模态，其被广泛用于流程内实时引导和处置监测。超声图像分割主要由针对作为朝向尺寸测量(例如肿瘤尺寸和范围)的步骤的在B模式图像中提取器官边界的临床需要来驱动。US图像中的器官的几何边界的显现主要依赖于组织层之间的声学阻抗。尽管其低成本和易于使用，但是US的B模式成像并不一定是最适合解剖成像的。与其他成像模态(例如磁共振(MR)和计算机断层摄影成像(CT))相比，B模式US图像遭受差的信噪比和背景斑点噪声。现有的基于超声的分割方法利用来自B模式图像的像素(或3D中的体素)信息作为度量计算器的输入(其中“度量”是指计算的量，即信噪比(SNR)、对比度、纹理等)。
由于B模式图像上的等回声像素值，US B模式图像也受到器官和其紧挨着的周围组织(例如前列腺-膀胱、前列腺-直肠壁)之间的差对比度的问题影响。这限制了许多现有的自动分割方法的鲁棒性。手动分割仍然是唯一可能的备选方案，并且利用该方法可实现的准确性在很大程度上依赖于临床医生的技术水平。手动US分割中的操作者间可变性大约为5mm，其中Dice系数(相似度度量)比MRI分割低20-30％。
发明内容
根据本原理，一种分割选择系统包括换能器，所述换能器被配置为发送和接收用于对对象进行成像的成像能量。信号处理器被配置为处理接收到的成像数据以生成经处理的图像数据。分割模块被配置为基于成像数据和/或经处理的图像数据的特征或特征的组合来生成对象的多个分割。选择机制被配置为选择多个分割中最好地满足用于执行任务的准则的一个分割。
另一分割选择系统包括超声换能器，所述超声换能器被配置为发送和接收用于对对象进行成像的超声能量。B模式处理器被配置为处理接收到的成像数据以生成经处理的图像数据。分割模块被配置为基于输入数据和分割度量的一个或多个组合来生成对象的多个分割。图形用户接口准许用户选择成像数据和/或经处理的图像数据的特征或特征的组合以生成多个分割并且选择最好地满足用于执行任务的准则的分割。
一种用于分割选择的方法包括：接收用于对对象进行成像的成像能量；对接收到的数据进行图像处理以生成经处理的图像数据；基于原始成像数据和/或经处理的成像数据的特征或特征的组合来生成对象的多个分割；并且选择多个分割中最好地满足分割准则的至少一个分割。
本公开的这些和其他目的、特征和优点将从要结合附图进行阅读的其说明性实施例的以下详细描述变得显而易见。
附图说明
本公开内容将参考以下附图详细地呈现优选实施例的以下描述，其中：
图1是示出了根据一个实施例的具有分割选择模块的成像系统的框图/流程图；
图2是示出了根据一个实施例的用于生成多个分割的分割选择模块的数据或信号输入的框图/流程图；
图3是示出了根据一个实施例的用于提供选择准则并选择分割的说明性图形用户接口的示图；以及
图4是示出了根据说明性实施例的分割选择方法的流程图。
具体实施方式
根据本原理，提供了一种系统和方法来估计来自单个成像模态(例如超声(US))的多个分割的最优分割。多个分割可以采用例如沿着B模式(亮度模式)图像形成的原始波束相加的US射频(RF)数据和/或其他数据度量，并结合各种分割度量。手动和自动方法都可以能由用户通过用户接口来选择以选择最优分割。
通过检测原始RF数据的包络来创建超声B模式图像，跟着进行对数压缩和扫描转换。对数数据压缩准许对大范围回声的并行可视化。然而，这也抑制了对实现准确分割至关重要的图像对比度的细微变化。根据本原理，(在生成传统B模式数据之前)在不同的US数据形式中提供分割度量的计算。分割将根据一个或多个度量(纹理、对比度等)导出。基于使用的数据矩阵和分割度量，将向用户呈现多个分割输出，其中可能手动或自动选择最优分割。选择的分割将被叠加在屏幕上可视化的B模式图像上，而不会从用户的角度增加任何复杂性。总体而言，未经处理的RF数据可能富含关于研究中的器官和组织之间的边界的信息。在分割过程中包含补充B模式图像的几种不同的数据流能够导致对斑点噪声较不敏感的更准确的分割。因此，提供了在预先记录的压缩的数据上的多通道分割度量的计算。本原理增加了分割算法的准确性和鲁棒性，从而改进临床工作流程并使临床工作流程流水线化。
应当理解，将根据用于US成像的医学仪器来描述本发明；然而，本发明的教导更广泛并且适用于能够任何成像模态，其中能够为该模态提供多个分割选项。在一些实施例中，本原理被用于跟踪或分析复杂的生物或机械系统。特别地，本原理适用于生物系统的内部跟踪流程，并且可以包括身体的所有区域(例如肺、胃肠道、排泄器官、血管等)中的流程。各图中描绘的元件可以以硬件和软件的各种组合来实现并且提供可以组合在单个元件或多个元件中的功能。
通过使用专用硬件以及能够结合合适的软件执行软件的硬件能够提供各图中所示的各种元件的功能。当由处理器提供时，功能能够由单个专用处理器、由单个共享处理器或由多个单独的处理器提供，其中的一些能够被共享。此外，对术语“处理器”或“控制器”的明确使用不应当被解释为唯一地指代能够执行软件的硬件，并且能够隐含地包括但不限于数字信号处理器(“DSP”)硬件、用于存储软件的只读存储器(“ROM”)、随机存取存储器(“RAM”)、非易失性存储器等。
此外，本文详述本发明的原理、方面和实施例的所有陈述及其具体示例都旨在涵盖其结构和功能等同物。此外，意图这样的等同物包括当前已知的等同物以及将来开发的等同物(即执行相同功能的开发的任何元件，不管结构如何)。因此，例如，本领域技术人员将认识到，本文中呈现的框图表示体现本发明的原理的说明性系统部件和/或电路的概念视图。类似地，应当认识到，任何流程图、流程图表等表示可以基本上表示在计算机可读存储介质中并且由此由计算机或处理器执行的各种过程，不管这种计算机或处理器是否明确示出。
此外，本发明的实施例可以采取可从提供由计算机或任何指令执行系统使用或与计算机或任何指令执行系统结合使用的程序代码的计算机可用或计算机可读存储介质访问的计算机程序产品的形式。为了本说明书的目的，计算机可用或计算机可读存储介质能够是可以包括存储、通信、传播或传输用于由指令执行系统、装置或设备使用或与指令执行系统、设备或设备结合使用的程序的任何装置。介质能够是电子的、磁性的、光学的、电磁的、红外的或半导体的系统(或装置或设备)或传播介质。计算机可读介质的示例包括半导体或固态存储器、磁带、可移除计算机磁盘、随机存取存储器(RAM)、只读存储器(ROM)、刚性磁盘和光盘。光盘的当前示例包括紧凑盘-只读存储器(CD-ROM)、紧凑盘-读/写(CD-R/W)、蓝光TM和DVD。
在本说明书中对本原理的“一个实施例”或“实施例”以及其其他变型的引用意指结合实施例描述的特定特征、结构、特性等被包括在本原理的至少一个实施例中。因此，在整个说明书中出现在各个地方的短语“在一个实施例中”或“在实施例中”的出现以及任何其他变型并不一定全部指代相同的实施例。
应当认识到，例如，在“A/B”、“A和/或B”以及“A和B中的至少一个”的情况下，对以下“/”、“和/或”以及“中的至少一个”中的任何的使用旨在包含仅第一列出选项(A)的选择，或仅第二列出选项(B)的选择或两个选项(A和B)的选择。作为另一示例，在“A、B和/或C”和“A、B和C中的至少一个”的情况下，这种短语旨在包含仅第一列出选项(A)的选择，或仅第二列出选项(B)的选择，或仅第三列出选项(C)的选择，或仅第一列出选项和第二列出选项(A和B)的选择，或仅第一列出选项和第三列出选项(A和C)的选择，或仅第二列出选项和第三列出选项(B和C)的选择，或全部三个选项(A和B和C)的选择。如本领域和相关领域的普通技术人员显而易见的，对于列出的许多条目，这可以被扩展。
现在参考附图，其中相同的附图标记表示相同或相似的元件并且首先参考图1，根据本原理构造的超声成像系统10以方框图的形式示出。超声系统10包括具有用于发送超声波和接收回声信息的换能器阵列14的换能器设备或探头12。换能器阵列可以被配置为例如线性阵列或相控阵列，并且能够包括压电元件或电容性微加工超声换能器(CMUT)元件。例如，换能器阵列14能够包括能够在用于2D和/或3D成像的俯仰和方位维度上进行扫描的换能器元件的二维阵列。
换能器阵列14耦合到探头12中的微波束形成器16，其通过阵列中的换能器元件控制信号的发送和接收。微波束形成器16可以与柔性换能器设备12集成并且耦合到发送/接收(T/R)开关18，其在发送和接收之间切换并且保护主波束形成器22免受高能量发送信号的影响。在一些实施例中，系统中的T/R开关18和其他元件能够被包括在换能器探头中而不是被包括在单独的超声系统基底中。在微波束形成器16的控制下，来自换能器阵列14的超声波束的发送由耦合到T/R开关18的发送控制器20和波束形成器22引导，发送控制器20和波束形成器22可以接收来自用户接口或控制面板24的用户的操作的输入。
由发送控制器20控制的一个功能是波束被操纵的方向。波束可以被操纵为从(正交于)换能器阵列14直线前进，或者以针对更宽的视野的不同的角度被操纵。由微波束形成器16产生的部分波束形成的信号被耦合到主波束形成器22，其中来自换能器元件的单独的补片的部分波束形成的信号被组合成完全波束形成的信号。
波束形成的信号被耦合到信号处理器26。信号处理器26能够以各种方式处理接收到的回声信号，例如带通滤波、抽取、I和Q分量分离以及谐波信号分离。信号处理器26还可以执行额外的信号增强(例如斑点减少、信号复合和噪声消除)。经处理的信号被耦合到B模式处理器28或其他模式处理器(例如M模式处理器29)，其能够采用幅度检测来对体内结构进行成像。由模式处理器28、29产生的信号被耦合到扫描转换器30和多平面重新格式化器32。扫描转换器30以期望的图像格式将回声信号布置在接收它们的空间关系中。例如，扫描转换器30可以将回声信号布置成二维(2D)扇形格式或金字塔形三维(3D)图像。多平面重新格式化器32能够将从身体的体积区域中的公共平面中的点接收到的回声转换成该平面的超声图像。
体积绘制器34将3D数据集的回声信号转换为如从给定参考点观察的投影3D图像。2D或3D图像从扫描转换器30、多平面重新格式化器32以及体积绘制器34被耦合到图像处理器36以用于进一步增强、缓冲和临时存储以在图像显示器38上显示。图形处理器40能够生成用于与超声图像一起显示的图形叠加。这些图形叠加或参数块可以包含例如标准识别信息(例如患者姓名、图像的日期和时间、成像参数、帧索引等)。出于这些目的，图形处理器40从用户接口24接收输入(例如键入的患者姓名)。用户接口24还能够耦合到多平面重新格式化器32以用于选择和控制多个多平面重新格式化的(MPR)图像的显示。
根据本原理，超声数据被采集并存储在存储器42中。存储器42被描绘为集中地放置；然而，存储器42可以存储数据并在信号路径中的任何位置处进行交互。根据阵列14中的元件的位置，校正可以被用作用于校正波束操纵信号(波束操纵)的反馈。
显示器38被包括以用于观察对象(患者)或体积的内部图像。显示器38还可以准许用户与系统10及其部件和功能或系统10内的任何其他元件交互。这通过接口24进一步促进，接口24可以包括键盘、鼠标、操纵杆、触觉设备或任何其他外围设备或控件以准许来自系统10的用户反馈以及与系统10的用户交互。
超声B模式图像从B模式处理器28被输出并且通过检测原始RF数据的包络被创建，跟着由扫描转换器30进行对数压缩和扫描转换。B模式处理器28的对数数据压缩准许对大范围回声的并行可视化。
从M模式处理器29输出超声M模式图像。M模式图像可以被处理(例如压缩)并且被发送以用于由扫描转换器30进行扫描转换。在M模式(运动模式)超声中，当A模式图像或B模式图像被获取以记录连续图像时，脉冲被快速连续发射。由于器官边界相对于探头12产生反射，所以这能够被用于确定特定器官结构的速度。
(在生成传统B模式数据或M模式数据之前)在不同的US数据形式上提供分割度量的计算并且由分割模块50接收。分割模块50导出根据从US数据测量的一个或多个度量(例如纹理、对比度等)生成的多个分割图像。基于采用的数据矩阵和分割度量，将使用图像处理器36(或图形处理器40)生成多个分割输出以用于显示在显示器38上。分割输出在由图像处理器36(或图形处理器40)生成的图形用户接口(GUI)52上被呈现给用户。
分割输出被呈现给用户，其中可能手动或自动选择最优分割。选择的分割可以被叠加在由图像处理器36(或图形处理器40)在显示器38上可视化的B模式图像上。在B模式处理28之前(或甚至在信号处理26之前)提供的未处理的RF数据可能富含关于研究中的器官或区域和组织之间的边界的信息。通过分割模块50将几种不同的数据类型引入到分割处理中能够补充来自B模式处理器28的B模式图像并且能够导致对斑点噪声或其他图像劣化现象较不敏感的更准确的分割。因此，在预先记录的压缩的数据上的多信道分割度量的计算能够增加分割算法的准确性和鲁棒性，从而改进临床工作流程并使临床工作流程流水线化。
图像处理器36被配置为生成用于最优分割的用户选择的图形用户接口(GUI)或其他选择机制52。分割模块50提供由输入数据和分割度量的多个组合得到的不同的分割输出以确定考虑中的应用的最优分割。基于被分割的器官和考虑中的任务，最优性能够改变。输入数据是指在分割算法中对不同形式的US数据的使用并且包括但不限于以下潜在的可能性，例如在包络检测和对数压缩之前的原始波束相加的RF数据、根据原始波束相加的RF数据形成的包络检测的数据、无对数压缩形成的B模式图像、无对数压缩和不应用其他滤波器形成的B模式图像、传统B模式图像、M模式图像等。分割度量是指用于表征组织区域的量，例如信噪比(SNR)、对比度、纹理、模型驱动算法等。在一些情况下，最优性能够是由用户决定的主观测量。
获得的不同的分割将通过例如GUI 52在显示器38上呈现给用户以用于最优分割的手动选择。如将要描述的，也预见到最优分割的自动选择。图像处理器36(或图形处理器40)提供分割的可视化。不同的分割输出被叠加在原始B模式图像上，以准许用户选择最好的分割。在一个实施例中，图像处理器36周期性地自动循环通过不同的分割结果。在另一实施例中，所有输出可以以彩色编码或其他视觉格式同时被可视化。在执行最优分割的自动选择时，选择的最优分割将被叠加在示出在显示器38上的B模式图像上。
参考图2，框图/流程图说明性地示出了到分割模块50的两组输入，其中描绘了输入数据102和分割度量104。到分割模块50的输入示出了US B模式图像形成的管线，其中在管线的各个阶段采用未压缩的数据。特定组合输入数据102和分割度量104将为特定器官部位、US系统能力等提供“最优”分割。输入数据102可以包括原始RF数据106(来自图1中在B模式处理器28之前的信号路径中的任何地方)、包络检测数据108(来自信号包络(载波))以及来自B模式显示114(B模式图像或图像数据)。M模式图像或数据115(或其他图像模式)也可以用作输入数据。B模式图像或M模式图像可以根据具有或不具有对数压缩110的扫描转换112导出。分割度量104可以包括统计模型116或US成像的体积、SNR 118、对比度120、纹理122、边缘检测124或任何其他图像特性。
对于输入数据102，避免了使用的数据的对数压缩以采用为计算分割度量104而捕获的信息的整个范围。可以提供多个分割，能够从多个分割中通过分割模块50选择“最优”或“最好的”分割。能够自动地或手动地进行该选择。
为了自动选择最优分割，可以定义合适的准则。可以使用的可能的准则的示例包括：例如分割的体积是否至少为“x”cm3？；分割的体积是否包含某些预先标注的解剖标志？；分割的体积是否与基于群体的平均分割模型差异大于“x”％？；分割形状是否与基于群体的平均形状模型差异大于“x”％？；等等。未用于生成分割的度量可以被用于对分割的质量进行评级。
为了手动选择最优分割，能够通过将不同的分割叠加在(一个或多个)B模式图像上而将不同的分割呈现给用户，例如所有分割可以被叠加，每个分割具有不同的颜色/线条样式，在任何给定的时间能够叠加单个分割，其中用户具有通过鼠标点击和/或键盘快捷键循环通过所有可用的分割的能力。
参考图3，根据一个示例性实施例示出了说明性GUI 52。GUI 52包括图像面板202，其中图像可以包括叠加的候选分割204、206。每个候选分割204、206可以被示出为被叠加在B模式图像205上。候选分割204、206可以全部同时地或顺序地(或其任何组合)被示出。用户可以在复选框208、210、212、214和216中选择诸如要分割的器官的输入因子。用户还可以通过选择复选框218、220、222来选择要执行分割的数据。用户还可以通过选择复选框224、226、228来选择使用分割度量来执行分割的数据。最终分割可以由按钮230选出。
如果分割以自动方式执行，则由输入因子的每个组合得到的分割被示出给用户以用于选择“最优”分割。如果分割要由用户手动执行，则向用户顺序地示出多个图像(例如波束相加的RF图像、包络检测的图像、具有和没有滤波的B模式图像、等等)。用户在显示的图像上执行手动分割并且具有接受或拒绝它的选择。用户可以选择自动操作模式或手动操作模式。在由用户选择了最优分割之后，通过点击“完成分割”按钮230来最终完成它。
应当理解，图3中描绘的GUI 52用于说明性目的。可以根据需要开发或扩展接口以包括更多的功能。GUI 52上的特征的类型和定位可以根据需要或期望而被改变或重新组织。可以使用额外的按钮或控件或者可以移除一些按钮或控件。
本原理提供分割技术，其适用于各种领域。得到准确的图像配准的准确分割的示例适用于如下领域，例如辐射治疗的自适应处置规划、流程内治疗监测(例如近距离放射治疗、RF消融)、实时活检引导、等等。应当理解，虽然根据US成像进行描述，但是根据本原理的分割选择方面可以被用于代替US的其他成像模态。例如，分割选择可以被用于MRI、CT或其他成像模态。
本实施例可以被用于提供增强的器官分割能力，其补充用于介入设备的跟踪技术(例如EM跟踪、超声跟踪)。此外，分割方法和用户接口能够被集成在现有的商业系统中，而无需提供对原始数据的用户访问。根据本原理的自动分割能力可以以改进的准确度被采用在临床上可用的成像系统中的任何上，并且特别是US成像系统中。
参考图4，根据说明性实施例示出了用于分割选择的方法。在框302中，接收用于对对象进行成像的成像能量。成像能量可以包括超声，但是可以采用其他成像模态和能量类型。在框304中，对接收到的数据进行图像处理以生成经处理的图像数据。经处理的图像数据可以包括对数压缩或其他滤波或压缩。处理可以包括对数据进行扫描转换和/或B模式处理。还预见到其他形式的处理。
在框306中，基于原始成像数据和/或经处理的成像数据的特征或特征的组合来生成针对对象的多个分割。原始成像数据可以包括原始射频数据、包络检测数据、信噪比数据、对比度数据、纹理数据、边缘检测数据等。经处理的成像数据可以包括统计模型比较、压缩的数据、转换的数据、B模式处理的显示数据、等等。
可以基于采用不同组合的原始数据和经处理的数据来生成分割以生成彼此不同的分割。生成多个分割可以包括基于输入数据和分割度量的一个或多个组合来生成多个分割。例如，可以使用特定分割度量和特定类型的输入数据来生成一个分割。输入数据可以包括原始RF数据、包络检测数据、B模式显示数据等。分割度量信息可以包括统计模型比较数据、信噪比数据、对比度数据、纹理数据、边缘检测数据等。其他分割可以将输入数据与分割度量组合或将输入数据的方面与分割度量的方面组合。作为示例，原始RF数据可以与对比度和纹理数据组合以生成分割。预见到其他组合。
在框308中，选择多个分割中最好地满足分割准则的至少一个分割。选择准则可以包括使用期望的方面或自动准则。可以采用原始成像数据和/或经处理的成像数据的特征或特征的组合来生成多个分割。可以手动选择或基于编程的准则(例如对比度或像素阈值、具有统计模型形状的最佳拟合图像、等等)来自动选择最好地满足用户定义的准则的分割。
在框310中，生成图形用户接口并且显示多个分割。分割优选地被显示在B模式图像(背景)上，其中，根据用户偏好同时地或顺序地显示分割图像。
在框312中，采用所选择的分割来执行操作流程或其他任务。
在解读随附权利要求时，应当理解：
a)“包含”一词并不排除除了在给定权利要求中列出的元件或动作之外的其他元件或动作的存在；
b)在元件前面的词语“一”或“一个”并不排除多个这样的元件的存在；
c)权利要求书中的任何附图标记不限制其范围；
d)若干“单元”可以由相同的项或硬件或软件实现的结构或功能表示；以及
e)除非另有具体指示，否则不旨在要求特定的动作的顺序。
已经描述了用于基于超声的最优器官分割的优选实施例(其旨在为说明性的而不是限制性的)，应当注意，根据上述教导，本领域技术人员能够进行修改和变化。因此，应当理解，可以在所公开的公开内容的特定实施例中进行改变，其处于随附权利要求所述的本文公开的实施例的范围内。因此，已经描述了由专利法所要求的细节和特殊性，在随附权利要求中阐述了由专利特许证要求保护和期望保护的内容。

Claims (21)

1.一种分割选择系统，包括：
换能器(14)，其被配置为发送和接收用于对对象进行成像的成像能量；
至少一个信号处理器(26)，其被配置为处理接收到的成像数据以生成经处理的图像数据；
分割模块(50)，其被配置为基于所述成像数据和/或所述经处理的图像数据的特征或特征的组合来生成所述对象的多个分割；以及
选择机制(52)，其被配置为选择所述多个分割中最好地满足用于执行任务的准则的至少一个分割。
2.根据权利要求1所述的系统，其中，所述换能器(14)包括超声换能器并且所述至少一个信号处理器包括B模式处理器(28)。
3.根据权利要求2所述的系统，其中，所述成像数据包括原始射频数据、包络检测数据、信噪比数据、对比度数据、纹理数据和/或边缘检测数据中的至少一个。
4.根据权利要求2所述的系统，其中，所述经处理的成像数据包括统计模型比较和/或B模式显示数据中的至少一个。
5.根据权利要求1所述的系统，其中，所述分割模块(50)基于输入数据和分割度量的一个或多个组合来生成所述对象的所述多个分割。
6.根据权利要求1所述的系统，其中，所述选择机制(52)包括图像处理器(36)，所述图像处理器被配置为基于编程的准则来自动选择分割。
7.根据权利要求1所述的系统，其中，所述选择机制(52)包括图形用户接口(52)，所述图形用户接口准许用户选择所述成像数据和/或所述经处理的图像数据的所述特征或特征的组合以生成所述多个分割并且准许用户手动选择最好地满足所述准则的分割。
8.根据权利要求1所述的系统，还包括用于显示所述多个分割的图像的显示器(38)，其中，所述图像以以下方式之一被显示在B模式图像上：同时地或顺序地。
9.一种分割选择系统，包括：
超声换能器(14)，其被配置为发送和接收用于对对象进行成像的超声能量；
B模式处理器(28)，其被配置为处理接收到的成像数据以生成经处理的图像数据；
分割模块(50)，其被配置为基于输入数据和分割度量的一个或多个组合来生成所述对象的多个分割；以及
图形用户接口(52)，其准许用户选择成像数据和/或经处理的图像数据的特征或特征的组合以生成所述多个分割并且准许用户选择最好地满足用于执行任务的准则的分割。
10.根据权利要求9所述的系统，其中，所述输入数据包括原始射频数据、包络检测数据和/或B模式显示数据中的至少一个。
11.根据权利要求9所述的系统，其中，所述分割度量包括统计模型、信噪比数据、对比度数据、纹理数据和/或边缘检测数据中的至少一个。
12.根据权利要求9所述的系统，还包括图像处理器(36)，所述图像处理器被配置为基于编程的准则来自动选择分割。
13.根据权利要求9所述的系统，还包括用于显示所述多个分割的图像的显示器(38)，其中，所述图像以以下方式之一被显示在B模式图像上：同时地或顺序地。
14.一种用于分割选择的方法，包括：
接收(302)用于对对象进行成像的成像能量；
对接收到的数据进行图像处理(304)以生成经处理的图像数据；
基于原始成像数据和/或经处理的成像数据的特征或特征的组合来生成(306)所述对象的多个分割；并且
选择(308)所述多个分割中最好地满足分割准则的至少一个分割。
15.根据权利要求14所述的方法，其中，接收成像能量包括接收超声，并且所述信号处理由B模式处理器执行。
16.根据权利要求14所述的方法，其中，所述原始成像数据包括原始射频数据、包络检测数据、信噪比数据、对比度数据、纹理数据和/或边缘检测数据中的至少一个。
17.根据权利要求14所述的方法，其中，所述经处理的成像数据包括统计模型比较和/或B模式显示数据中的至少一个。
18.根据权利要求14所述的方法，其中，生成(308)所述多个分割包括基于输入数据和分割度量的一个或多个组合来生成所述多个分割。
19.根据权利要求14所述的方法，其中，选择(308)包括基于编程的准则来自动选择分割。
20.根据权利要求14所述的方法，其中，选择(308)包括选择所述原始成像数据和/或所述经处理的成像数据的所述特征或特征的组合以生成所述多个分割并且手动选择最好地满足用户定义的准则的分割。
21.根据权利要求14所述的方法，还包括在B模式图像上显示所述多个分割，其中，所述图像以以下方式之一被显示：同时地或顺序地。
CN201680017996.4A 2015-03-25 2016-03-15 基于超声的最优器官分割 Pending CN107667390A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562138075P 2015-03-25 2015-03-25
US62/138,075 2015-03-25
US201562169577P 2015-06-02 2015-06-02
US62/169,577 2015-06-02
PCT/IB2016/051454 WO2016151428A1 (en) 2015-03-25 2016-03-15 Optimal ultrasound-based organ segmentation

Publications (1)

Publication Number Publication Date
CN107667390A true CN107667390A (zh) 2018-02-06

Family

ID=55650611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680017996.4A Pending CN107667390A (zh) 2015-03-25 2016-03-15 基于超声的最优器官分割

Country Status (5)

Country Link
US (2) US11166700B2 (zh)
EP (1) EP3274959B1 (zh)
JP (2) JP6914847B2 (zh)
CN (1) CN107667390A (zh)
WO (1) WO2016151428A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023204457A1 (ko) * 2022-04-22 2023-10-26 주식회사 온택트헬스 M-모드 초음파 영상에 대한 정보 제공 방법, 이를 이용한 m-모드 초음파 영상에 대한 정보 제공용 디바이스, m-모드 초음파 영상에 대한 정보 제공 방법 및 이를 이용한 장치

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6592523B2 (en) * 2001-11-21 2003-07-15 Ge Medical Systems Global Technology Company, Llc Computationally efficient noise reduction filter for enhancement of ultrasound images
CN101292266A (zh) * 2005-10-20 2008-10-22 皇家飞利浦电子股份有限公司 超声成像系统和方法
US20100081931A1 (en) * 2007-03-15 2010-04-01 Destrempes Francois Image segmentation
CN102230898A (zh) * 2011-04-08 2011-11-02 河海大学常州校区 一种基于图像处理的超声空化效应测量装置及方法
CN102920476A (zh) * 2011-08-11 2013-02-13 深圳迈瑞生物医疗电子股份有限公司 一种超声成像方法及装置
CN103919571A (zh) * 2013-01-11 2014-07-16 通用电气公司 超声图像分割
WO2014198012A1 (zh) * 2013-06-09 2014-12-18 中国科学院深圳先进技术研究院 一种基于超声弹性图像的弹性应变评估方法和系统
CN104584074A (zh) * 2012-08-30 2015-04-29 皇家飞利浦有限公司 在3d常规以及对比增强的超声图像中的耦合的分割

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6102858A (en) * 1998-04-23 2000-08-15 General Electric Company Method and apparatus for three-dimensional ultrasound imaging using contrast agents and harmonic echoes
US6390984B1 (en) 2000-09-14 2002-05-21 Ge Medical Systems Global Technology Company, Llc Method and apparatus for locking sample volume onto moving vessel in pulsed doppler ultrasound imaging
US7744534B2 (en) * 2002-06-07 2010-06-29 Verathon Inc. 3D ultrasound-based instrument for non-invasive measurement of amniotic fluid volume
US7783094B2 (en) * 2005-06-02 2010-08-24 The Medipattern Corporation System and method of computer-aided detection
DE212011100130U1 (de) 2010-08-05 2013-06-24 Philips Intellectual Property & Standards Gmbh Auf gleicher Ebene und interaktiv stattfindende Oberflächennetz-Anpassung
JP6088498B2 (ja) * 2011-06-22 2017-03-01 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 医用画像を処理するシステム及び方法
US20150110369A1 (en) 2012-01-10 2015-04-23 Koninklijke Philips N.V. Image processing apparatus
EP2645329A1 (en) 2012-03-27 2013-10-02 Westfälische Wilhelms-Universität Münster Method and system for image segmentation
US20140003686A1 (en) * 2012-06-28 2014-01-02 Technologie Avanzate T.A. Srl Multimodality Image Segmentation of Volumetric Data Sets
BR112015014164B1 (pt) * 2012-12-21 2021-12-07 Bracco Suisse Sa Método de segmentação de processamento de dados e sistema para aplicações de formação de imagem de diagnóstico.

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6592523B2 (en) * 2001-11-21 2003-07-15 Ge Medical Systems Global Technology Company, Llc Computationally efficient noise reduction filter for enhancement of ultrasound images
CN101292266A (zh) * 2005-10-20 2008-10-22 皇家飞利浦电子股份有限公司 超声成像系统和方法
US20100081931A1 (en) * 2007-03-15 2010-04-01 Destrempes Francois Image segmentation
CN102230898A (zh) * 2011-04-08 2011-11-02 河海大学常州校区 一种基于图像处理的超声空化效应测量装置及方法
CN102920476A (zh) * 2011-08-11 2013-02-13 深圳迈瑞生物医疗电子股份有限公司 一种超声成像方法及装置
CN104584074A (zh) * 2012-08-30 2015-04-29 皇家飞利浦有限公司 在3d常规以及对比增强的超声图像中的耦合的分割
CN103919571A (zh) * 2013-01-11 2014-07-16 通用电气公司 超声图像分割
WO2014198012A1 (zh) * 2013-06-09 2014-12-18 中国科学院深圳先进技术研究院 一种基于超声弹性图像的弹性应变评估方法和系统

Also Published As

Publication number Publication date
EP3274959A1 (en) 2018-01-31
JP7313392B2 (ja) 2023-07-24
JP6914847B2 (ja) 2021-08-04
US20180070923A1 (en) 2018-03-15
US20220160333A1 (en) 2022-05-26
WO2016151428A1 (en) 2016-09-29
US11166700B2 (en) 2021-11-09
JP2018509229A (ja) 2018-04-05
JP2021102086A (ja) 2021-07-15
EP3274959B1 (en) 2021-06-16

Similar Documents

Publication Publication Date Title
JP7407790B2 (ja) 誘導肝イメージングのための人工ニューラルネットワークを有する超音波システム
US11992369B2 (en) Intelligent ultrasound system for detecting image artefacts
JP6453857B2 (ja) 超音波画像の３ｄ取得のためのシステムおよび方法
JP5782428B2 (ja) 適合体積撮像のためのシステム
CN110087550B (zh) 一种超声图像显示方法、设备及存储介质
EP3463098B1 (en) Medical ultrasound image processing device
US9504450B2 (en) Apparatus and method for combining three dimensional ultrasound images
JP7267928B2 (ja) ボリュームレンダリングされる超音波画像
CN108523931A (zh) 用于诊断医学成像的空间彩色流的方法和系统
JP2021079124A (ja) 簡素化された３ｄイメージング制御を有する超音波イメージングシステム
US20190336110A1 (en) Ultrasound imaging system and method
JP7427002B2 (ja) フレームのインデックス付け及び画像レビューのためのシステム及び方法
JP7313392B2 (ja) 最適な超音波式臓器セグメンテーション
US10319090B2 (en) Acquisition-orientation-dependent features for model-based segmentation of ultrasound images
JP7286025B2 (ja) 胎盤を評価するためのシステム及び方法
US20190388061A1 (en) Ultrasound diagnosis apparatus displaying shear wave data for object and method for operating same
JP2023552330A (ja) 個人が１つ又は複数の病害を有する可能性を予測すること
JP7261870B2 (ja) 超音波画像内のツールを追跡するためのシステム及び方法
JP2021053200A (ja) 超音波診断装置、超音波診断方法および超音波診断プログラム
RU2782874C2 (ru) Интеллектуальная ультразвуковая система для обнаружения артефактов изображений
CN108852409A (zh) 用于通过跨平面超声图像增强移动结构的可视化的方法和系统
US20210204908A1 (en) Method and system for assisted ultrasound scan plane identification based on m-mode analysis
CN112634191A (zh) 医学影像分析方法、超声成像设备及计算机存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination