CN111407308A - 超声成像系统及优化超声图像的计算机实现的方法和介质 - Google Patents
超声成像系统及优化超声图像的计算机实现的方法和介质 Download PDFInfo
- Publication number
- CN111407308A CN111407308A CN201911392017.5A CN201911392017A CN111407308A CN 111407308 A CN111407308 A CN 111407308A CN 201911392017 A CN201911392017 A CN 201911392017A CN 111407308 A CN111407308 A CN 111407308A
- Authority
- CN
- China
- Prior art keywords
- image
- transducer
- parameters
- updated
- body structure
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000002604 ultrasonography Methods 0.000 title claims abstract description 41
- 238000012285 ultrasound imaging Methods 0.000 title claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 8
- 230000004913 activation Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 abstract description 26
- 210000000056 organ Anatomy 0.000 abstract description 18
- 238000012545 processing Methods 0.000 description 40
- 238000005516 engineering process Methods 0.000 description 18
- 238000003384 imaging method Methods 0.000 description 18
- 210000003484 anatomy Anatomy 0.000 description 16
- 230000015654 memory Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000001427 coherent effect Effects 0.000 description 4
- 238000013329 compounding Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000003187 abdominal effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002607 contrast-enhanced ultrasound Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000002458 fetal heart Anatomy 0.000 description 2
- 230000005865 ionizing radiation Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 210000001685 thyroid gland Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 238000002091 elastography Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4483—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device characterised by features of the ultrasound transducer
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/54—Control of the diagnostic device
-
- 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
- A61B8/5292—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/56—Details of data transmission or power supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Abstract
本发明提供了超声成像系统及优化超声图像的计算机实现的方法和介质,用于检测超声扫描的对象并且自动地加载生成高质量输出图像所需的系统设置和图像偏好。在一些方面中,超声成像系统可以被配置为执行包括以下步骤的过程:接收对第一换能器的选择;基于响应于该第一换能器的激活而接收到的信号来识别身体结构或器官;检索与该身体结构相对应的第一组图像参数;并基于该第一组图像参数配置该第一换能器。
Description
技术领域
本发明涉及超声成像,尤其涉及用于自动识别被扫描的器官或身体部位并基于识别的器官或整体部分选择最佳图像参数的方法。
背景技术
超声成像被广泛用于在各种不同应用中检查各种材料和物体。超声成像提供了一种有效的工具,可以以无创方式分析材料和物体。因此,超声成像在医学实践中作为疾病诊断、治疗和预防工具特别普遍。具体地,由于其相对非侵入性的性质、低成本和快速响应时间,超声成像在整个医疗行业中广泛用于诊断和预防疾病。而且,由于超声成像基于非电离辐射,因此它不会带来与其他诊断成像工具(例如X射线成像或其他使用电离辐射的成像系统)相同的风险。
超声成像通过将超声波产生并引导到感兴趣的材料中来实现的,首先是发射阶段,然后是接收阶段。在发射阶段,通过施加连续的或脉冲的电子信号将超声波信号发射到感兴趣的材料中。在接收阶段,不同材料之间的边界所产生的反射回波会被接收装置(比如换能器)接收。然后将该反射的回波转换为电信号,然后可以对其进行处理以确定回声源的位置。所得的数据可用于产生感兴趣的物体或器官的内部图像,例如可以使用显示装置(比如监视器)显示图像。
超声成像可以提供大量的临床信息。具体而言,超声成像可用于腹部超声(以可视化腹部组织和器官)、骨超声(以评估骨脆性)、乳房超声(以可视化乳房组织)、多普勒胎儿心率监测器(以听取胎儿心跳)、多普勒超声(以可视化通过血管、器官或其他结构的血流)、超声心动图(以查看心脏)、胎儿超声(以查看怀孕的胎儿)、超声引导下的活检(以采集样本组织)、眼科超声(以可视化眼部结构)和超声引导下的穿刺针放置(在血管或其他感兴趣的组织中)。超声成像还已经用于通过单次测量硬度或剪切波速度来描述各种疾病状态,例如肝脏、乳房、前列腺、甲状腺或其他器官的疾病。
典型地,超声系统包括主处理控制台和超声换能器。超声换能器可以包括一个或多个换能器(例如,换能器阵列),其通常远离主控制台并在采集超声图像数据时由用户/操作者控制。
在常规操作中,用户/操作者负责调整换能器参数,并优化图像输出设置以产生最佳图像。由于各种不同疾病状态下的不同患者所伴随的众多变量(例如体重、脂肪含量、组织密度等),制造商很难预先设定最佳换能器参数和图像设置。因此,需要提供一种在最小化设置时间的同时自动优化超声(后端)和图像(前端参数)以产生最佳超声图像的方法。
发明内容
本发明所公开的技术的各方面提供了一种超声成像系统,其包括一个或多个处理器、耦合到该一个或多个处理器的多个换能器和耦合到该处理器的非暂时性计算机可读介质。该计算机可读介质包括使处理器执行以下操作的指令:接收对第一换能器的选择;基于响应于第一换能器的激活而接收到的信号来识别身体结构;以及检索与该身体结构相对应的第一组图像参数。在一些方面,该指令还可以使处理器基于第一组图像参数执行配置该第一换能器的操作、使用该第一组图像参数通过第一换能器从身体结构采集第一图像、并分析该第一图像的一个或多个性质以确定是否需要更新任何其他图像参数。
在另一方面,所公开的技术提供了一种用于优化超声图像的方法,该方法包括以下步骤:接收对第一换能器的选择,其中,第一换能器被定位在身体结构上;识别身体结构;检索与该身体结构相对应的第一组图像参数。在一些方面,该方法可以进一步包括以下步骤:基于该第一组图像参数来配置第一换能器;使用该第一组图像参数经由第一换能器从身体结构采集第一图像;以及分析该第一图像的一个或多个性质以确定是否需要更新任何其他图像参数。
在另一方面,所公开的技术提供了一种非暂时性计算机可读存储介质(例如,程序产品),其被配置为使成像系统执行下述操作:接收对第一换能器的选择,基于响应于第一换能器的激活而接收到的信号识别身体结构,并检索与该身体结构相对应的第一组图像参数。在一些方面,该操作还包括:基于该第一组图像参数来配置该第一换能器,使用该第一组图像参数经由该第一换能器从该身体结构采集第一图像,以及分析该第一图像的一个或多个性质以确定是否需要更新任何其他图像参数。
附图说明
图1示出了可以用于实现所公开的图像优化技术的超声系统的实例。
图2示出了用于确定超声操作者成像偏好的示例过程的步骤。
图3是用于自动识别要扫描的对象/器官并加载/更新一个或多个相应的成像参数和设置的示例过程的框图。
图4概念性地示出了可以用于自动检测正在被扫描的对象/器官的机器学习(ML)模型的各个层。
图5示出了可以用以实现所公开的技术的超声系统的图像处理路径的示例。
图6是根据本发明的一些方面的可用于实现自动组织/器官检测过程的示例计算装置的框图,该检测过程包括图像参数和设置的加载和更新。
具体实施方式
下文中阐述的详细说明旨在作为本发明的技术的各种配置的说明,而并非旨在表示可以实践本发明的技术的唯一配置。附图被并入本文中并且构成详细说明的一部分。该详细说明包括特定细节,以提供对本发明的技术的更透彻理解。然而,将显而易见的是,本发明的技术不限于本文中阐述的特定细节,并且可以在没有这些细节的情况下实践。在一些实例中,以框图形式示出了各种结构和组件,以避免使本技术的概念不清楚。
所公开技术的各方面通过提供自动识别正在扫描的解剖区域并自适应地修改图像系统设置以获得与用户/操作者的审美偏好相符的图像的方式,解决了常规超声成像系统的上述局限性。自动图像优化技术具有多种优势,包括提高了检查质量、一致性和效率,因为该系统消除了操作者执行耗时的预置搜索和调整的需要。消除操作者选择图像预置的需要不仅对系统用户/操作者有利,而且对系统开发人员提供了显著的改进。例如,常规的高端超声系统通常支持大约15至25个换能器,每个换能器可具有多达50个预置,并支持大约5种不同的操作模式。结果,声学/临床团队通常需要优化大约5,000种图像模式,这需要设置/调整数百个参数。此类校准通常每种模式最多需要一天的时间。因此,建立一个新系统可能需要大约20个人年(假设年工作日为250天)。将超声系统的校准降低为自动过程的能力不仅使用户受益,也使开发公司受益,使他们能够在系统开发上花费更多的时间,同时降低了开发成本。
所公开的技术的各方面提供了用于自动识别/分类正被扫描的解剖区域以及用于自动优化图像预置参数的方法。可以使用机器学习(ML)分类器(例如多级感知器神经网络)对要扫描的解剖结构部分进行分类。正确识别解剖结构后,将在生成输出图像时自动选择和使用预置的系统参数,例如特定于解剖结构的换能器预置参数。输出图像的生成可以另外由用户/操作者图像偏好传达,用户可以在系统初始化或启动时对用户/操作者图像偏好进行校准。
在一些方面,可以例如基于指示用户的审美偏好的用户选择和反馈,在逐个用户的基础上学习该图像偏好。在一些实施例中,可以通过以下过程来确定用户图像偏好:向用户显示一系列比较图像,并提示用户选择最适合其喜好的图像。可以提供覆盖全部模态和器官范围的比较图像,因为图像偏好可以取决于用户正在观看的内容以及所使用的成像模态。例如,基本图像可以是B模式的,但是它们在B模式类的谐波成像、空间复合、频率复合等等类型上可能有所不同。用于识别解剖学目标以及用于优化输出图像的过程的更详细说明将在下文中参考图2和图3讨论。
参照图1,其示出了可以在其中实施所公开的技术的各个方面的超声系统100。超声系统100被作为示例系统提供,并且在各种实施例中,超声系统100可以具有比图1所示的组件更多(或更少)的组件。超声系统100可以是其中接收阵列聚焦单元被称为波束合成器102并且可以在逐条扫描线的基础上形成图像的超声系统。
系统控制可以集中在主控制器104上,该主控制器通过操作者界面接受操作者输入,进而控制各个子系统。对于每条扫描线,发射器106产生射频(RF)激励电压脉冲波形,并将其以适当的时序施加在发射孔径(由激活阵元的子阵列定义)上,以沿扫描线产生聚焦声束。换能器110的孔径108接收到的RF回波被接收器108放大和滤波,然后馈入波束合成器102。波束合成器102的功能是执行动态接收聚焦,即重新对齐沿各条扫描线在相同位置产生的RF信号。
图像处理器112可以执行特定于活动成像模式的处理,包括2D扫描变换,该扫描变换将图像数据从声线网格转换为用于显示的X-Y像素图像。对于频谱多普勒模式,图像处理器112可以执行壁滤波,随后使用滑动FFT窗对多普勒频移的信号样本进行频谱分析。图像处理器112还可产生对应于前向和反向血流信号的立体声音频信号输出。与主控制器104合作,图像处理器112还可以格式化来自两个或更多个活动成像模式的图像,包括显示注释、图形叠加以及电影文件和记录的时间轴数据的回放。
电影缓冲器114提供用于单个图像或多个图像循环查看的常驻数字图像存储,并且用作用于将图像传送到数字档案装置的缓冲器。数据处理路径末端的视频图像可以存储到电影存储器114。在最新技术的系统中,幅度检测且波束合成后的数据也可以存储在电影存储器114中。对于频谱多普勒,用户选择的采样门处的壁滤波后的基带多普勒I/Q数据可以存储在电影存储器114中。随后,显示器116可以显示图像处理器112创建的超声图像和/或使用电影存储器114中存储的数据的图像。
波束合成器102、主控制器104、图像处理器112、电影存储器114和显示器116可以为超声系统100的主处理控制台118的一部分。在各种实施例中,主处理控制台118可以括更多或更少的组件或子系统。换能器110可以被结合在与主处理控制台118分离的装置中,在有线或无线地连接到主处理控制台118的单独的装置中。当在病人的不同解剖结构上执行特定的超声程序时,这允许更容易地操纵超声换能器110。换能器的几何形状可以根据应用而变化。举例来说,弯曲换能器倾向于用于腹部和OB/GYN应用,以及在需要额外穿透力时(例如在非常大的腿中)覆盖身体区域。线性换能器倾向于用于更浅的结构,例如甲状腺、血管和/或动脉结构等。如本领域技术人员所理解的,其他几种类型的换能器也可以使用,例如术中换能器、胃镜、经食道换能器、手术换能器、导管等等。但是,标准换能器的几何形状倾向于落入以下类别:弯曲换能器、线性换能器和/或面换能器。
图2示出了用于确定操作者图像偏好的示例过程200的步骤。当执行指令以将操作者/用户置于成像偏好设置模式(202)时,过程200开始。设置模式使用户可以基于一系列审美选择或通过手动配置系统设置(例如换能器参数)来手动设置或配置各个图像偏好。如本文所使用的,用户图像偏好可以受到后端参数(例如,换能器或系统数据采集设置)或受前端参数(例如,在图像采集之后施加的图像变换)的影响。举例来说,输出图像的美感会受到增益、动态范围、斑点纹理、色彩、颜色映射、CD处理、CD比例、PW壁滤波器、颜色等等的影响。
下一步,向用户呈现反映不同的后端和前端参数配置的各种图像(204)。在一些方法中,向用户显示并排图像,并提示用户选择具有最大美学吸引力的图像。这样,可以使用针对特定解剖区域的A/B图像比较过程来传达用户的审美偏好。为了确保充分捕捉用户的偏好,会向用户显示各种不同的图像类型,以便可以从用户的选择中推断出各种图像模式下的用户偏好。举例来说,可以提示用户在各种图像类型之间进行选择,包括但不限于:B模式、CD模式、PW模式、M模式、弹性成像、3D/4D和CEUS图像,等等。还可以针对各种解剖区域显示不同的图像类型,并且可以表现各种各样的图像设置,例如动态范围、色调、斑点纹理、余辉和映射设置等等,以确保正确捕捉用户的偏好。在一些方面,可以将额外的控制图像提供给用户以用于进一步的偏好学习(206)。一旦系统理解了用户的偏好(概貌),就可以提取基本参数并将其存储到数据库中(步骤208),该数据库可以用于使图像采集和显示策略与用户的偏好相一致,如下文中参考图3所进一步详细讨论的那样。
图3示出了示例过程300的框图,该示例过程300用于自动识别要成像的对象/器官并加载/更新一个或多个相应的图像参数和设置。过程300由用户选择位于身体结构的表面(将成为成像/扫描的对象的解剖结构的离散部分)上的第一换能器来完成(302)。换能器的选择可以通过多种方式传达,包括用户对特定类型的换能器棒或探头装置的选择/接触。如上所述,换能器/探头的几何形状可以根据要扫描的解剖结构的类型而变化。在其他方面,可以通过用户与成像系统上的控制菜单的接触来提供换能器选择。
下一步,成像系统基于从第一换能器接收的信号自动识别所扫描的身体结构(步骤304)。如下面进一步详细讨论的,可以使用诸如多层感知器神经网络的机器学习分类器来执行目标身体结构/解剖结构的识别/分类。在替代实施例中,还可以通过将扫描解剖结构与已知解剖特征或结构的数据库进行比较来执行解剖结构识别。
一旦已经识别出身体结构,就可以从数据库中检索一个或多个后端参数,比如第一换能器的参数,该数据库例如与用于以解剖类型进行图像采集的系统配置相关联(306)。由于不同的解剖区域具有不同的成像预置,所以可以使用待扫描的解剖结构的自动识别来自动进行系统图像采集和显示设置的预加载和配置,而无需用户输入(308)。在已经基于在步骤306中检索到的设置/参数配置了第一换能器之后,可以从目标解剖结构采集一个或多个初始图像(例如,第一图像),并使用该图像来确定是否需要更新任何其他参数(310)。
可以使用自动过程来确定初始采集的图像是否达到用户期望的图像输出质量,例如通过将图像特征与已知用户偏好的数据库或先前接受的图像进行比较。或者,可以使用用户提供的手动输入来确定是否需要其他的配置更改。如果在步骤310中确定不需要另外的配置更改,则过程300前进到步骤314,并且允许进行成像过程。
或者,如果在步骤310中确定需要更新其他图像参数,则过程300前进到步骤312,在步骤312中更新第一组设置参数以生成第二组图像参数。在该方面中,过程312前进(返回)至步骤304,重复进行身体结构识别和图像检索的过程(例如,步骤304-310),直到图像输出具有足够的质量和/或被操作者/用户指示为可接受。
如上所述,可以使用机器学习分类器来执行解剖结构识别,该述机器学习分类器例如可以下文中将结合图4进一步详细讨论的多层感知器神经网络。
具体地,图4概念性地示出了可以用以自动检测被扫描的对象/器官的机器学习(ML)分类器400的各个层,如结合图3所描述的。分类器400包括总共四个层:输入层402,第一隐藏层404,第二隐藏层406和输出层408。本领域技术人员将理解,在不脱离本技术范围的情况下,可以实现更多(或更少)的层。举例来说,可以实现包含大量层的深度学习方法。
在图示的示例中,输入层402被配置为接收超声图像(输入),并将输入分解为各种局部对比度的图案,然后将其作为输入提供给第一隐藏层404。第一隐藏层 404从输入层402接收输入,并向第二隐藏层406提供与特定器官特征的分类相对应的输出。第二隐藏层406又为整个器官类型提供分类,将输出提供给输出层 408,最终产生对提供给输入层402的原始输入图像的解剖学分类。如上所述,该分类可以告知系统的各种预置的检索,包括后端设置和系统参数以及前端图像转换。
应当理解,多级感知器神经网络架构仅仅是可以实现的机器学习方法的一个示例。在其他方面,可以使用不同的机器学习方法。例如,这样的分类器可以包括但不限于:多项式朴素贝叶斯分类器、伯努利朴素贝叶斯分类器、感知器分类器、随机梯度下降(SGD)分类器和/或被动进取分类器等等。另外,ML模型可以配置为例如使用一种或多种不同的回归算法执行各种类型的回归,包括但不限于:随机梯度下降回归和/或被动进取回归等。
图5示出了可用于实现本发明所公开的技术的超声成像系统的图像处理路径500的示例。应该理解的是,成像路径500表示可以使用的一个示例处理流水线,但是,取决于期望的实现方式,可以部署更多或更少数量的功能单元。
处理路径500包括发射器波形和延迟生成器502,其被配置为将声波发送到正在成像的身体/器官中。在一些方面,延迟生成器502被配置为确定孔径、延迟廓线、开窗函数以及发射廓线的功率。所有这些参数都是用于更改成像系统例如以优化图像输出性能(例如,如上所述的后端参数)的潜在候选者。
延迟生成器502的输出连接到发射器504,发射器504接收输入信号并将其放大到驱动换能器所需的水平。发射器504的输出被提供给发送/接收开关508,其被配置为允许发射器504的输出连接到换能器506,同时防止其潜在地破坏低噪声放大器510。随后,波形被从换能器506发射,并在与正被成像的器官/组织相互作用之后由相同的换能器(506)接收。这些接收信号通过发射/接收开关508,并且被低噪声放大器510放大。在一些实现方式中,低噪声放大器510可以具有可以基于期望的成像模式来配置的多个不同的增益设置,如上所述(例如,作为后端参数)。然后将低噪声放大器510的输出提供给可变增益放大器512。在一些方面,可变增益放大器512被配置为以补偿随时间的信号衰减所需的比率来放大接收的输入信号。在一些实施方式中,可变增益放大器512的放大比率可以例如由系统的用户或操作者来配置/编程。然后,可变增益放大器512的输出由模数转换器514接收,例如,以将信号从模拟波形转换为数字波形。
模数转换器514可以配置为自动调整采样率。模数转换器514的输出然后被存储在缓冲器516中。一旦数据已经被存储并且可以被处理,则将其提供给通道域预处理模块518。处理模块518可以被配置为在单个换能器阵元数据上工作,并在逐个样本的基础上对其进行处理,以进行增益、频率、带宽和/或解码等等。在一些实施方案中,处理模块518还可以被配置以处理多个发射/接收循环的数据,例如,用于数据平均、解码、非线性处理等。
处理后,将数据传送到缓冲器520,并路由到图像形成模块522。图像形成模块522被配置为处理接收到的数据以形成图像。在一些实施方式中,图像形成模块522可以被配置为施加各种处理变换,包括但不限于延迟、求和、滤波、增益以及上述的各种形式的自适应处理等等。图像形成模块522输出的数据然后在被传送到相干处理模块526之前被缓冲(例如在缓冲器524中)。
在一些实施方式中,相干处理模块526被配置为执行附加处理,例如,其可以包括非线性信号提取、用于合成孔径处理技术的滤波等等。进入和离开相干处理模块526的数据既具有相位信息又具有幅度信息。然后,来自相干处理模块526的数据将被传递到后端处理模块528。后端处理模块528执行各种形式的采样、滤波和变换,包括但不限于:升采样、降采样、对数压缩、检测、空间滤波、自适应滤波、扫描变换等等,从而可以将数据显示在最终输出到显示设备530的显示器上。
应当理解,在不脱离所公开的技术的情况下,可以将类似的处理技术应用于不同的图像模式类型。例如,类似的步骤可以应用于谐波模式、对比度增强的超声模式、空间复合、频率复合等等。还应理解,所公开技术的各方面适用于处理步骤或其他图像模式,例如CD模式、PW多普勒、M模式、彩色M模式等等。
图6是根据本发明的一些方面的可用于实施自动对象/器官检测过程(包括图像参数和设置的加载和更新)的示例计算装置的框图。装置610包括中央处理单元(CPU)662、网络接口668和总线615(例如,PCI总线)。当在适当的软件或固件的控制下起作用时,CPU 662负责执行方法:接收对第一换能器的选择(其中,第一换能器位于身体结构的表面上)、基于响应于第一换能器的激活而接收的信号识别身体结构、并检索与该身体结构相对应的第一组图像参数。在一些方面中,CPU 662还被配置为基于第一组图像参数来执行用于配置第一换能器的操作、使用第一组图像参数通过第一换能器从身体结构采集第一图像、并分析第一图像的一个或多个性质以确定是否需要更新任何其他图像参数。
在一些方面中,CPU 662还被配置为:如果确定需要更新其他图像设置,则执行用于更新第一组设置参数以生成第二组图像参数的操作,基于第二组图像参数配置第一换能器,使用第二组图像参数通过第一换能器从人体结构采集第二图像,并分析第二图像的一个或多个性质以确定是否需要更新任何其他图像参数。
CPU 662可以在包括操作系统和任何适当的应用软件的软件的控制下完成所有这些功能。CPU 662可以包括一个或多个处理器663,比如来自INTEL X86系列微处理器的处理器。在某些情况下,处理器663可以是用于控制图像处理装置610的操作的特殊设计的硬件。在某些情况下,计算机可读存储器,例如存储器661(非易失性随机存取存储器(RAM)或只读存储器(ROM)等),也构成CPU 562的一部分。但是,有许多不同的方法可以将存储器耦合到系统。
接口668可以被提供为模块化接口卡(有时称为“线卡”)。它们可以控制网络上数据包的发送和接收,有时还支持与图像处理装置610一起使用的其他外围设备。可以提供的接口包括以太网接口、帧中继接口、电缆接口、数字用户线(DSL)接口、令牌环接口等等。另外,可以提供各种非常高速的接口,例如快速令牌环接口、无线接口、以太网接口、千兆以太网接口、ATM接口、高速串行接口(HSSI)、POS接口、FDDI接口、WIFI接口、3G/4G/5G蜂窝接口、CAN总线、LoRA等等。通常,这些接口可以包括适合与适当的媒体进行通信的端口。在一些情况下,它们还可以包括独立的处理器,在某些情况下还包括易失性RAM。
虽然图6所示的系统是所公开的实施例的一个特定的图像处理装置,但是它决不是可以在其上实现所公开的技术的各个方面的唯一装置体系结构。例如,经常使用具有处理通信以及路由计算等等的单个处理器的架构。此外,其他类型的接口和媒体也可以与图像处理装置610一起使用。
无论图像处理装置的配置如何,它都可以采用一个或多个存储器或存储模块(包括存储器661),该存储器或存储模块被配置为存储用于本文中所描述的通用网络操作和漫游机制、路由优化和路由功能的程序指令。该程序指令可以控制例如操作系统和/或一个或多个应用程序的操作。
图像处理装置610还可以包括专用集成电路(ASIC),该专用集成电路可以被配置为执行上述任何操作。ASIC可以通过总线615与图像处理装置610中的其他组件进行通信,以交换数据和信号并配合图像处理装置610进行的各种类型的操作。
为了说明的清楚起见,在一些情况下,本技术可以被呈现为包括各个功能块,该各个功能块包括以软件或以硬件和软件的组合来实现的方法中的装置、装置组件、步骤或例程的功能块。
在一些实施例中,计算机可读存储装置、介质和存储器可以包括包含比特流等等的有线或无线信号。然而,当提及时,非暂时性计算机可读存储介质明确地排除诸如能量、载波信号、电磁波和信号本身之类的介质。
可以使用计算机可执行指令来实现根据上述示例的方法,该计算机可执行指令被存储在非暂时形式的计算机可读介质中或者能以其他方式从非暂时形式的计算机可读介质获得。该指令可以包括例如导致或以其他方式配置通用计算机、专用计算机或专用处理装置以执行特定功能或功能组的指令和数据。
所使用的计算机资源的一部分可以通过网络访问。计算机可执行指令例如可以是二进制、中间格式指令,比如汇编语言、固件或源代码。可用于存储指令、所使用的信息和/或在根据所述示例的方法期间所创建的信息的计算机可读介质的示例包括磁盘、光盘、闪存、配备有非易失性存储器的USB设备、联网存储装置等等。
实现本文公开的方法的装置可以包括硬件、固件和/或软件,并且可以采用多种形式中的任何一种。这样的形式的典型示例包括膝上型计算机、智能电话、小型个人计算机、个人数字助理、机架安装设备、独立设备等等。本文所描述的功能也可以实现在外围设备或附加卡中。作为进一步的示例,这种功能还可以在单个装置中执行的不同芯片或不同过程中的电路板上实现。指令、用于传送该指令的介质、用于执行它们的计算资源以及用于支持这样的计算资源的其他结构是用于提供本发明中所描述的功能的装置。
尽管使用了各种示例和其他信息来解释所附权利要求的范围内的各个方面,但是并没有基于这样的示例中的特定特征或布置来暗示对权利要求的限制,因为本领域技术人员将能够使用这些示例来推导出各种不同的实现方式。此外,尽管可能已经以特定于结构特征和/或方法步骤的示例的语言描述了一些主题,但是应当理解,所附权利要求中定义的主题不必然限于这些所描述的特征或动作。例如,这种功能可以不同地分布或在除本文所描述的组件之外的组件中执行。而且,所描述的特征和步骤是作为在所附权利要求的范围内的系统和方法的组件的示例的。
前面的说明已经针对特定实施例。然而,将显而易见的是,可以对所描述的实施例做出其他变型和修改,从而获得它们的一些或全部优点。例如,明确考虑到的是可以将本文所述的组件、元件和/或操作可以被实现为存储在有形(非暂时性)计算机可读介质上的软件、装置和具有在计算机、硬件、固件或其组合上执行的程序指令的存储器(例如,磁盘/CD/RAM/EEPROM等等)。此外,可以使用存储在计算机可读介质中或可以其他方式从计算机可读介质中获得的计算机可执行指令来实现描述本文所描述的各种功能和技术的方法。该指令可以包括例如导致或以其他方式配置通用计算机、专用计算机或专用处理设备以执行特定功能或功能组的指令和数据。所使用的计算机资源的部分可以通过网络访问。
计算机可执行指令例如可以是二进制、中间格式指令,比如汇编语言、固件或源代码。可用于存储指令、所使用的信息和/或在根据所描述的示例的方法的期间所创建的信息的计算机可读介质的示例包括磁盘或光盘、闪存、配备有非易失性存储器的USB设备、网络存储设备,等等。另外,实现本发明的方法的装置可以包括硬件、固件和/或软件,并且可以采用多种形式中的任何一种。这样的形式的典型示例包括膝上型计算机、智能电话、小型个人计算机、个人数字助理等等。本文所描述的功能也可以体现在外围设备或附加卡中。作为进一步的示例,这种功能还可以在单个装置中执行的不同芯片或不同过程中的电路板上实现。指令、用于传送这样的指令的介质、用于执行它们的计算资源以及用于支持这样的计算资源的其他结构是用于提供本文中所描述的功能的装置。因此,本文中的描述仅是示例性的,并不以其他方式限制本文的实施例的范围。因此,所附权利要求的目的是覆盖落入本文实施例的真实精神和范围内的所有此类变型和修改。
虽然已经在各种实施例中示出了本发明的原理,但是可以使用特别适合于特定环境和操作要求的结构、设置、比例、元件、材料和组件的许多修改,而不背离本发明的原理和范围。这些以及其他改变或修改旨在被包括在本发明的范围内。
另外,应理解,所公开的过程中的步骤的任何特定顺序或层次都是示例性方法的说明。基于设计偏好,应当理解,可以重新排列该过程中的步骤的特定顺序或层次,或者仅执行所示步骤的一部分。某些步骤可以同时执行。例如,在一些情况下,多任务和并行处理可能是有益的。此外,上述实施例中的各种系统组件的分离不应理解为在所有实施例中都需要这种分离,并且应当理解,所描述的程序组件和系统通常可以集成在单个软件产品中或打包成多个软件产品。
前面的描述本提供来使本领域的任何技术人员能够实践本文描述的各个方面。对这些方面的各种修改对于本领域技术人员将是显而易见的,并且本文定义的一般原理可以应用于其他方面。因此,权利要求书不意图限于本文中所展示的方面,而是应被赋予与语言权利要求一致的完整范围,其中除非特别说明,以单数形式提及元素并不意图表示“一个且仅一个”,而是表示“一个或多个”。
诸如“方面”之类的短语并不暗示该方面对于本技术是必不可少的,或者该方面适用于本技术的所有配置。与一个方面有关的公开内容可以应用于所有配置,或者一个或多个配置。诸如方面之类的短语可以指一个或多个方面,反之亦然。诸如“配置”之类的短语并不意味着该配置对于本技术是必不可少的,也不意味着该配置适用于本技术的所有配置。与配置有关的公开内容可以适用于所有配置,或一个或多个配置。诸如配置之类的短语可以指一个或多个配置,反之亦然。
词语“示例性”在本文中用来表示“用作示例或说明”。本文中被描述为“示例性”的任何方面或设计都不必然被解释为比其他的方面或设计更优选或更具优势。本领域技术人员将理解,可以在不脱离本发明的基本原理的情况下对上述实施例的细节做许多改变。因此,本发明的范围应由所附权利要求书确定。
Claims (20)
1.一种超声成像系统,其特征在于,包括:
一个或多个处理器;
多个换能器,所述多个换能器耦合到所述一个或多个处理器,其中每个所述换能器被配置为促进超声图像的生成;和
计算机可读介质,所述计算机可读介质被耦合到所述处理器,其中,所述计算机可读介质包括存储在其中的指令,所述指令在由所述处理器执行时使所述处理器执行包括以下步骤的操作:
接收对第一换能器的选择,其中所述第一换能器被定位于身体结构的表面上;
基于响应于所述第一换能器的激活而接收到的信号识别所述身体结构;
检索与所述身体结构相对应的第一组图像参数;
基于所述第一组图像参数配置所述第一换能器,并且使用所述第一组图像参数通过所述第一换能器从所述身体结构采集第一图像;和
分析所述第一图像的一个或多个性质以确定是否需要更新任何其他图像参数。
2.根据权利要求1所述的超声成像系统,其特征在于,所述处理器还被配置为执行包括以下步骤的操作:
如果确定需要更新其他图像设置,则更新所述第一组设置参数以生成第二组图像参数;
基于所述第二组图像参数配置所述第一换能器;
使用所述第二组图像参数经由所述第一换能器从所述身体结构采集第二图像;和
分析所述第二图像的一个或多个性质以确定是否需要更新任何其他图像参数。
3.根据权利要求1所述的超声成像系统,其特征在于,所述第一组图像参数包括与所述第一换能器和所述身体结构相对应的一个或多个默认设置参数。
4.根据权利要求1所述的超声成像系统,其特征在于,所述第一组图像参数包括与所述身体结构相对应的一个或多个图像偏好参数。
5.根据权利要求1所述的超声成像系统,其特征在于,分析所述第一图像的性质以确定是否需要更新任何其他图像参数包括:
识别需要被更新以改善使用所述第一换能器采集的超声图像的与所述第一换能器相关的一个或多个前端参数。
6.根据权利要求1所述的超声成像系统,其特征在于,分析所述第一图像的性质以确定是否需要更新任何其他图像参数包括:
识别需要被更新以改善超声图像输出质量的一个或多个后端参数。
7.根据权利要求1所述的超声成像系统,其特征在于,分析所述第一图像的性质以确定是否需要更新任何其他图像参数包括:
识别已经由超声成像系统的用户批准的参考图像;和
比较所述第一图像和所述参考图像以确定是否需要更新任何其他图像参数。
8.一种优化超声图像的计算机实现的方法,其特征在于,该方法包括:
接收对第一换能器的选择,其中所述第一换能器被定位于身体结构的表面上;
基于响应于所述第一换能器的激活而接收到的信号识别所述身体结构;
检索与所述身体结构相对应的第一组图像参数;
基于所述第一组图像参数配置所述第一换能器;
使用所述第一组图像参数通过所述第一换能器从所述身体结构采集第一图像;和
分析所述第一图像的一个或多个性质以确定是否需要更新任何其他图像参数。
9.根据权利要求8所述的方法,其特征在于,还包括:
如果确定需要更新其他图像设置,则更新所述第一组设置参数以生成第二组图像参数;
基于所述第二组图像参数配置所述第一换能器;
使用所述第二组图像参数经由所述第一换能器从所述身体结构采集第二图像;和
分析所述第二图像的一个或多个性质以确定是否需要更新任何其他图像参数。
10.根据权利要求8所述的方法,其特征在于,所述第一组图像参数包括与所述第一换能器和所述身体结构相对应的一个或多个默认设置参数。
11.根据权利要求8所述的方法,其特征在于,所述第一组图像参数包括与所述身体结构相对应的一个或多个图像偏好参数。
12.根据权利要求8所述的方法,其特征在于,分析所述第一图像的性质以确定是否需要更新任何其他图像参数包括:
识别需要被更新以改善使用所述第一换能器采集的超声图像的与所述第一换能器相关的一个或多个前端参数。
13.根据权利要求8所述的方法,其特征在于,分析所述第一图像的性质以确定是否需要更新任何其他图像参数包括:
识别需要被更新以改善超声图像输出质量的一个或多个后端参数。
14.根据权利要求8所述的方法,其特征在于,分析所述第一图像的性质以确定是否需要更新任何其他图像参数包括:
识别已经由超声成像系统的用户批准的参考图像;和
比较所述第一图像和所述参考图像以确定是否需要更新任何其他图像参数。
15.一种非暂时性计算机可读存储介质,包括存储在其中的指令,其特征在于,当由一个或多个处理器执行时,所述指令使所述处理器执行包括以下步骤的操作:
接收对第一换能器的选择,其中所述第一换能器被定位于身体结构的表面上;
基于响应于所述第一换能器的激活而接收到的信号识别所述身体结构;
检索与所述身体结构相对应的第一组图像参数;
基于所述第一组图像参数配置所述第一换能器;
使用所述第一组图像参数通过所述第一换能器从所述身体结构采集第一图像;和
分析所述第一图像的一个或多个性质以确定是否需要更新任何其他图像参数。
16.根据权利要求15所述的非暂时性计算机可读存储介质,其特征在于,还包括:
如果确定需要更新其他图像设置,则更新所述第一组设置参数以生成第二组图像参数;
基于所述第二组图像参数配置所述第一换能器;
使用所述第二组图像参数经由所述第一换能器从所述身体结构采集第二图像;和
分析所述第二图像的一个或多个性质以确定是否需要更新任何其他图像参数。
17.根据权利要求15所述的非暂时性计算机可读存储介质,其特征在于,所述第一组图像参数包括与所述第一换能器和所述身体结构相对应的一个或多个默认设置参数。
18.根据权利要求15所述的非暂时性计算机可读存储介质,其特征在于,所述第一组图像参数包括与所述身体结构相对应的一个或多个图像偏好参数。
19.根据权利要求15所述的非暂时性计算机可读存储介质,其特征在于,分析所述第一图像的性质以确定是否需要更新任何其他图像参数包括:
识别需要被更新以改善使用所述第一换能器采集的超声图像的与所述第一换能器相关的一个或多个前端参数。
20.根据权利要求15所述的非暂时性计算机可读存储介质,其特征在于,分析所述第一图像的性质以确定是否需要更新任何其他图像参数,包括:
识别需要被更新以改善超声图像输出质量的一个或多个后端参数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/240,346 US11064977B2 (en) | 2019-01-04 | 2019-01-04 | Preset free imaging for ultrasound device |
US16/240,346 | 2019-01-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111407308A true CN111407308A (zh) | 2020-07-14 |
Family
ID=71404036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911392017.5A Pending CN111407308A (zh) | 2019-01-04 | 2019-12-30 | 超声成像系统及优化超声图像的计算机实现的方法和介质 |
Country Status (2)
Country | Link |
---|---|
US (3) | US11064977B2 (zh) |
CN (1) | CN111407308A (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3536245A1 (en) * | 2018-03-08 | 2019-09-11 | Koninklijke Philips N.V. | A system and method of identifying characteristics of ultrasound images |
US11602332B2 (en) * | 2019-10-29 | 2023-03-14 | GE Precision Healthcare LLC | Methods and systems for multi-mode ultrasound imaging |
WO2023025612A1 (en) * | 2021-08-25 | 2023-03-02 | Koninklijke Philips N.V. | Methods and systems for communication between sonograph users and radiograph interpreters |
WO2023061693A1 (en) * | 2021-10-11 | 2023-04-20 | Koninklijke Philips N.V. | Methods and systems for a subject-specific ultrasound workflow recommendation tool |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060241455A1 (en) * | 2005-04-08 | 2006-10-26 | Siemens Medical Solutions Usa, Inc. | Automatically adjusted presets for an ultrasound machine |
CN103262083A (zh) * | 2010-12-15 | 2013-08-21 | 皇家飞利浦电子股份有限公司 | 具有患者特异设置的超声成像系统 |
WO2014181902A1 (ko) * | 2013-05-09 | 2014-11-13 | 알피니언메디칼시스템 주식회사 | 초음파 최적화 방법과 그를 위한 초음파 의료 장치 |
CN105144241A (zh) * | 2013-04-10 | 2015-12-09 | 皇家飞利浦有限公司 | 图像质量指数和/或基于其的成像参数推荐 |
CN108230261A (zh) * | 2016-12-09 | 2018-06-29 | 通用电气公司 | 基于自动器官识别的全自动图像优化 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6200267B1 (en) * | 1998-05-13 | 2001-03-13 | Thomas Burke | High-speed ultrasound image improvement using an optical correlator |
US8036856B2 (en) * | 2005-12-01 | 2011-10-11 | General Electric Company | Method and apparatus for automatically adjusting spectral doppler gain |
KR101422574B1 (ko) * | 2010-11-25 | 2014-07-24 | 서강대학교산학협력단 | 초음파 진단장치 및 그 제어방법 |
JP6071599B2 (ja) * | 2012-02-01 | 2017-02-01 | 東芝メディカルシステムズ株式会社 | 超音波診断装置、画像処理装置及びプログラム |
US11167154B2 (en) * | 2012-08-22 | 2021-11-09 | Medtronic, Inc. | Ultrasound diagnostic and therapy management system and associated method |
CN109640830B (zh) * | 2016-07-14 | 2021-10-19 | 医视特有限公司 | 基于先例的超声聚焦 |
US11048334B2 (en) * | 2017-12-22 | 2021-06-29 | Butterfly Network, Inc. | Methods and apparatuses for identifying gestures based on ultrasound data |
WO2019201726A1 (en) * | 2018-04-20 | 2019-10-24 | Koninklijke Philips N.V. | Adaptive ultrasound scanning |
US20190374165A1 (en) * | 2018-06-07 | 2019-12-12 | Canon Medical Systems Corporation | Image processing apparatus and method |
US10803612B2 (en) * | 2018-09-25 | 2020-10-13 | General Electric Company | Method and system for structure recognition in three-dimensional ultrasound data based on volume renderings |
US20200113544A1 (en) * | 2018-10-15 | 2020-04-16 | General Electric Company | Method and system for enhanced visualization of ultrasound probe positioning feedback |
-
2019
- 2019-01-04 US US16/240,346 patent/US11064977B2/en active Active
- 2019-12-30 CN CN201911392017.5A patent/CN111407308A/zh active Pending
-
2021
- 2021-06-30 US US17/364,670 patent/US11583255B2/en active Active
-
2023
- 2023-01-09 US US18/094,900 patent/US11766247B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060241455A1 (en) * | 2005-04-08 | 2006-10-26 | Siemens Medical Solutions Usa, Inc. | Automatically adjusted presets for an ultrasound machine |
CN103262083A (zh) * | 2010-12-15 | 2013-08-21 | 皇家飞利浦电子股份有限公司 | 具有患者特异设置的超声成像系统 |
CN105144241A (zh) * | 2013-04-10 | 2015-12-09 | 皇家飞利浦有限公司 | 图像质量指数和/或基于其的成像参数推荐 |
WO2014181902A1 (ko) * | 2013-05-09 | 2014-11-13 | 알피니언메디칼시스템 주식회사 | 초음파 최적화 방법과 그를 위한 초음파 의료 장치 |
CN108230261A (zh) * | 2016-12-09 | 2018-06-29 | 通用电气公司 | 基于自动器官识别的全自动图像优化 |
Also Published As
Publication number | Publication date |
---|---|
US20200214676A1 (en) | 2020-07-09 |
US11064977B2 (en) | 2021-07-20 |
US11583255B2 (en) | 2023-02-21 |
US20210321989A1 (en) | 2021-10-21 |
US11766247B2 (en) | 2023-09-26 |
US20230157674A1 (en) | 2023-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11766247B2 (en) | Preset free imaging for ultrasound device | |
US8094893B2 (en) | Segmentation tool for identifying flow regions in an image system | |
CN110192893B (zh) | 量化超声成像的感兴趣区域放置 | |
JP5782428B2 (ja) | 適合体積撮像のためのシステム | |
EP2219528A1 (en) | Robotic ultrasound system with microadjustment and positioning control using feedback responsive to acquired image data | |
US6402693B1 (en) | Ultrasonic transducer aligning system to replicate a previously obtained image | |
EP2995259A1 (en) | Ultrasound optimization method and ultrasonic medical device therefor | |
JP2020531074A (ja) | 画像アーチファクト特定及び除去のための深層学習ネットワークを有する超音波システム | |
US20190216423A1 (en) | Ultrasound imaging apparatus and method of controlling the same | |
US20190142392A1 (en) | Medical ultrasound image processing device | |
JP2020536676A (ja) | 超音波撮像システム及び方法 | |
CN112168210B (zh) | 医学图像处理终端、超声诊断设备和胎儿图像的处理方法 | |
CN112773403A (zh) | 一种超声成像方法和系统 | |
CN111481234A (zh) | 超声诊断设备及操作该超声诊断设备的方法 | |
US20200405264A1 (en) | Region of interest positioning for longitudinal montioring in quantitative ultrasound | |
EP3050514A1 (en) | Ultrasonic diagnostic apparatus and method for controlling the same | |
KR20150047416A (ko) | 초음파 진단 장치 및 그에 따른 tgc 설정 방법 | |
US11109841B2 (en) | Method and system for simultaneously presenting doppler signals of a multi-gated doppler signal corresponding with different anatomical structures | |
CN112137650A (zh) | 具有基于脂肪分数优化的声速的超声医学成像 | |
CN111035410A (zh) | 超声系统和生成图像数据的方法及存储介质 | |
KR102389866B1 (ko) | 초음파 영상을 생성하는 방법 및 영상 처리 장치 | |
US11382595B2 (en) | Methods and systems for automated heart rate measurement for ultrasound motion modes | |
US20200222030A1 (en) | Ultrasound image apparatus and method of controlling the same | |
Dickie et al. | A flexible research interface for collecting clinical ultrasound images | |
Leon | Development of a real-time high-resolution 3D ultrasound imaging system |
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 |