CN111511288A - 超声肺评估 - Google Patents

超声肺评估 Download PDF

Info

Publication number
CN111511288A
CN111511288A CN201880083247.0A CN201880083247A CN111511288A CN 111511288 A CN111511288 A CN 111511288A CN 201880083247 A CN201880083247 A CN 201880083247A CN 111511288 A CN111511288 A CN 111511288A
Authority
CN
China
Prior art keywords
ultrasound
lines
target region
line
pulmonary edema
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
CN201880083247.0A
Other languages
English (en)
Other versions
CN111511288B (zh
Inventor
B·I·拉朱
徐泾平
S·金
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 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 NV filed Critical Koninklijke Philips NV
Publication of CN111511288A publication Critical patent/CN111511288A/zh
Application granted granted Critical
Publication of CN111511288B publication Critical patent/CN111511288B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—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
    • 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
    • A61B8/42—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
    • A61B8/4254—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 using sensors mounted on the probe
    • 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
    • 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
    • A61B8/46—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
    • A61B8/468—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means allowing annotation or message recording
    • 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
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • A61B8/4427—Device being portable or laptop-like
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30061—Lung
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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

Landscapes

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

Abstract

本公开描述了一种被配置为识别和评价可能在对对象的胸部区域的超声扫描期间出现的B线的超声系统。在一些范例中，所述系统可以包括被配置为响应于朝向包括一个或两个肺的靶区域发射的超声脉冲而采集回波信号的超声换能器。所述系统还可以包括一个或多个处理器，其通信地与所述超声换能器耦合并且被配置为识别其扫描期间的靶区域内的一条或条B线。基于所识别的B线，所述处理器可以在所述超声扫描期间基本上实时确定所述B线的严重性值和基于所述严重性值的肺诊断。所述诊断可以实现心源性肺水肿与非心源性肺水肿之间的区别。

Description

超声肺评估
技术领域
本公开涉及用于评价患者的肺部区域中的超声B线的超声系统和方法。特定实施方式涉及被配置为通过确定超声扫描期间的B线的严重性和空间分布将肺水肿的心源性原因与非心源性原因进行区分。
背景技术
肺超声可以通过纵向地垂直于肋骨和倾斜地沿着肋间隙两者定位超声换能器来执行。在经由肺超声评价以诊断状况(诸如气胸(“PTX”)、肺炎、肺水肿和其他)的各种特征中间，是被称为B线的视觉伪影。B线是通常从胸膜线向下延伸(例如，更接近于最大成像深度)的离散/融合垂直高回声混响，所述胸膜线标记胸壁与肺之间的接合。
确定B线的数量和空间分布在确定肺水肿的原因时可以是特别关键的。特别地，B线的存在可以指示心源性肺水肿或者非心源性肺水肿，但是B线的空间分布可以强烈地指示一个类型对另一类型。由于肺水肿的处置主要地取决于其病因，因此识别B线的空间特性可以显著地影响患者结果。需要被配置为准确地表征在患者扫描期间检测的B线的超声系统来减少用户错误并改进肺诊断。
发明内容
在本文中提供的是用于自动B线表征的超声系统和方法。所公开的系统可以被配置为将肺水肿的心源性原因(诸如心衰竭)与非心源性原因(诸如肺炎)进行区分。尽管本文所讨论的范例特定于肺水肿诊断，但是所公开的系统和方法可以应用于至少部分地取决于B线检测和/或表征的各种医学评估。在各种实施例中，当超声换能器沿着成像平面移动时，所述系统可以基本上实时连续地检测超声B线的存在和/或严重性。由换能器覆盖的距离可以例如使用图像相关性技术或者经由惯性运动传感器(诸如被包括在所述系统中的加速度计)计算。由所述换能器跨越的距离上的B线的分布然后可以由所述系统自动确定。基于所述空间分布，所述系统可以查明肺水肿的原因。例如，如果B线图案是扩散、广布和/或双边的(存在于双肺中)，则所述系统可以指示心源性因果关系的高可能性。相反，如果所述B线图案是局部化或零散的，则所述系统可以指示心源性因果关系的低可能性。所述系统的一些配置可以被装备为表征指示肺水肿病因的额外特征，诸如所述胸膜线的规则性。所述系统可以被配置为以用于额外用户评估的各种格式呈现B线信息。
根据本公开的范例，超声系统可以包括超声换能器，其被配置为响应于朝向包括肺的靶区域发射的超声脉冲而获得回波信号。所述系统还可以包括一个或多个处理器，其与所述超声换能器通信并且被配置为：识别在对所述靶区域的扫描期间的所述靶区域内的一条或多条B线，确定所述靶区域内的B线的严重性值，并且至少部分地基于所述B线的严重性值来确定诊断。
在一些范例中，所述处理器可以被配置为通过确定B线的总数来确定所述B线的严重性值。在一些实施例中，所述处理器可以被配置为通过确定所述B线的空间分布来确定所述B线的严重性值。在一些实施方式中，所述处理器可以被配置为确定所述靶区域的一个或多个子区域内的B线的空间分布。在一些范例中，所述一个或多个子区域中的每个可以包括肋间隙，使得严重性值针对所述靶区域内的每个肋间隙来确定。在一些实施例中，所述处理器可以被配置为通过确定在所述靶区域的扫描期间由所述超声换能器覆盖的距离并且将所述距离除以所识别的B线的总数量来确定所述空间分布。
在一些实施方式中，所述系统还可以包括被配置为根据从所述超声回波生成的至少一个图像帧来显示超声图像的图形用户接口。根据这样的范例，所述处理器还可以被配置为使得所述图形用户接口显示所述B线被标记的经注释的超声图像。另外或者备选地，所述处理器还可以被配置为使得所述图形用户接口显示所述靶区域中的B线的严重性值的图形表示。在一些范例中，所述系统还可以包括被配置为确定在所述靶区域的扫描期间由所述超声换能器覆盖的距离的加速度计。在一些实施例中，所述诊断可以具有心源性肺水肿或者非心源性肺水肿，所述处理器可以被配置为通过将阈值应用到所述严重性值在其之间进行区分。
根据本公开的范例，一种方法可以涉及：响应于朝向包括肺的靶区域发射的超声脉冲而采集回波信号；识别在所述靶区域的扫描期间的靶区域内的一条或多条B线；确定所述靶区域中的B线的严重性值；并且至少部分地基于所述B线的严重性值来确定诊断。
在一些实施例中，确定所述B线的严重性值可以涉及确定B线的总数量和/或B线的空间分布。在一些实施方式中，确定所述B线的空间分布可以涉及确定在所述靶区域的扫描期间由所述超声换能器覆盖的距离并且将所述距离除以所识别的B线的总数量。范例还可以涉及根据从所述超声回波生成的至少一个图像帧来显示超声图像。实施例还可以涉及显示所述靶区域中的B线的严重性值的图形表示和/或标记所述B线。在一些实施方式中，所述诊断包括心源性肺水肿或者非心源性肺水肿。范例方法还可以涉及通过将阈值应用到所述严重性值在心源性肺水肿与非心源性肺水肿之间进行区分。
本文中所描述的方法中的任何或其步骤可以实现在包括可执行指令的非瞬态计算机可读介质中，所述可执行指令在执行时可以使得医学成像系统的处理器执行本文中实现的方法或者步骤。
附图说明
图1是根据本公开的原理的利用超声探头获取的肺超声图像；
图2是根据本公开的原理配置的超声系统的框图；
图3是根据本公开的原理的在患者上执行的超声扫描的表示；
图4A是示出根据本公开的原理的可以被显示在用户接口上的带状B线表征的示图；
图4B是根据本公开的原理的被显示在用户接口上的超声图像；并且
图5是根据本公开的原理实施的超声方法的框图。
具体实施方式
某些实施例的以下描述本质上仅仅是示例性的，而绝不旨在限制本发明或其应用或用途。在对本系统和方法的实施例的以下详细描述中，参考形成其一部分的附图，并且在附图中通过图示的方式示出了可以实践所描述的系统和方法的特定实施例。这些实施例被足够详细描述，以使本领域技术人员能够实践当前公开的系统和方法，并且应理解，可以利用其他实施例，并且可以在不脱离本系统的精神和范围的情况下进行结构和逻辑上的改变。此外，出于清楚的目的，当其对于本领域技术人员而言将显而易见时，某些特征的详细描述将不被讨论，以便不模糊本系统的描述。因此，以下详细描述不应被视为具有限制意义，并且本系统的范围仅由所附权利要求定义。
下面还参考根据本实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图图示来描述本技术。应理解，框图和/或流程图图示的框以及框图和/或流程图图示的框的组合可以由计算机可执行指令实施。这些计算机可执行指令可以被提供给通用计算机、专用计算机和/或其他可编程数据处理装置的处理器、控制器或控制单元以产生机器，使得经由计算机和/或其他可编程数据处理装置执行的指令创建用于实施框图和/或流程图的一个或多个框中指定的功能/动作的模块。
根据本公开的超声系统可以利用各种神经网络，例如深度神经网络(DNN)、卷积神经网络(CNN)、递归神经网络(RNN)、自动编码器神经网络等，以基于经由超声成像检测的B线的数量和/或分布在心源性肺水肿与非心源性肺水肿之间进行区分。在各种范例中，神经网络可以使用各种当前已知或以后开发的学习技术中的任何来训练以获得被配置为分析超声图像帧的形式的输入数据的神经网络(例如，经训练的算法或者节点的基于硬件的系统)。
根据本发明的原理的超声系统可以包括或操作地耦合到被配置为朝向介质(例如，人体或其特定部分)发射超声脉冲的超声换能器，并且响应于超声脉冲而生成回波信号。超声系统可以包括：波束形成器，其被配置为执行发射和/或接收波束形成；以及显示器，其被配置为在一些范例中显示由超声成像系统生成的超声图像。超声成像系统可以包括一个或多个处理器并且在一些范例中包括至少一个神经网络，其可以实施在硬件和/或软件部件中。
根据本公开实施的神经网络可以是基于硬件的(例如，神经元由物理部件表示)或基于软件的(例如，在软件应用中实施的神经元和路径)，并且可以使用各种拓扑结构和学习算法来训练神经网络以产生期望的输出。例如，基于软件的神经网络可以使用被配置为执行指令的处理器(例如，单或多核CPU、单个GPU或GPU集群、或被布置用于并行处理的多个处理器)来实施，所述指令可以存储在计算机可读介质中，并且所述指令在被执行时使得处理器执行用于评估存在于超声图像内的B线的经训练的算法。超声系统可以包括显示器或图形处理器，其可操作于将超声图像和/或额外图形信息(其可以包括注释、置信度度量、用户指令、组织信息、患者信息、指示符和其他图形部件)布置在用于在超声系统的用户接口上显示的显示窗口中。在一些实施例中，超声图像和相关联的测量结果可以提供给存储设备和/或存储器设备，诸如用于报告目的或者未来训练的影像归档和通信系统(PACS)(例如，以继续增强神经网络的性能)。
图1包括指示心源性肺水肿的超声图像102a、以及指示非心源性肺水肿的超声图像102b，这两者图像从由P.A.Blanco和T.F.Cianciulli创作的题为“Pulmonary edemaassessed by ultrasound:Impact in cardiology and intensive care practice”(Echocardiography，2016年，第33卷：778-787)的文章获得。如所示，图像102a包括不同的胸膜线104a和多条均匀分布的垂直B线106a。相反，图像102b包括加厚的胸膜线104b和可感知长度的仅一条可容易辨别的B线106b。尽管B线的具体数量可以从患者到患者变化，但是图1所示的一般B线图案可以表示肺水肿的心源性和非心源性情况。特别地，心源性肺水肿相对于非心源性肺水肿的情况可以由更大数量的B线表征，非心源性肺水肿也可以由加厚的胸膜线指示。在一些范例中，非心源性肺水肿可以由B线的零散局部化集群证明，使得相关联的超声图像的一个或多个部分可以包括至少一条B线，而相同图像的其他部分可以包含零B线。
图2示出了根据本公开的被配置为识别和表征B线的范例超声系统200。如所示，系统200可以包括超声数据采集单元210。超声数据采集单元210可以包括超声探头，所述超声探头包括超声传感器阵列212，超声传感器阵列212被配置为将超声脉冲214发射到可以包括一个或两个肺的患者的靶区域216中，并且响应于发射脉冲而接收超声回波218。如进一步示出的，超声数据采集单元210可以包括波束形成器220和信号处理器222，其可以被配置为根据在阵列212处接收的超声回波218生成一连串离散超声图像帧224。为了监测扫描距离，在一些实施例中，数据采集单元210还可以包括传感器226。由信号处理器222生成的图像帧224可以传递到数据处理器228(例如，计算模块或电路)，所述数据处理器被配置为单独和/或经由传感器226确定采集单元210的移动，并且确定存在于一个或多个图像帧224内的B线的存在性和/或严重性。基于B线评估，数据处理器228还可以被配置为确定心源性因子引起患者的肺水肿的可能性。在一些范例中，数据处理器228可以被配置为实施至少一个神经网络，诸如神经网络230，其被训练为评估B线图案并且确定评估的图案是否指示心源性或非心源性病因。
由数据处理器228做出的确定可以传递到与图形用户接口234耦合的显示处理器232。显示处理器232可以被配置为根据图像帧224生成超声图像236，其然后可以当超声扫描正被执行时在用户接口234上实时显示。用户接口234可以被配置为在超声流程之前、期间或者之后任何时间接收用户输入238。除了所显示的超声图像236之外，用户接口234可以被配置为生成一个或多个额外输出240，其可以包括与超声图像236并行显示(例如，被叠加在超声图像236上)的图形的分类。图形可以标记由系统识别的某些解剖特征和测量结果，诸如B线的存在、数量、位置和/或空间分布、基于(一条或多条)B线确定的病因通知、和/或各种器官、骨骼、组织和/或界面的指示，诸如胸膜线。在一些实施例中，(一条或多条)B线可以被突出显示以促进图像236的用户解释。B线的数量和/或严重性也可以被显示，并且在一些范例中，被分组为局部化区。额外输出240还可以包括注释、置信度度量、用户指令、组织信息、患者信息、指示符、用户操作指令、以及其他图形部件。
系统200的配置可以变化。例如，系统可以是便携式或者固定的。各种便携式设备(例如膝上型电脑、平板电脑、智能电话等)可以被用于实施系统200的一个或多个功能。在包含这样的设备的范例中，超声传感器阵列可以经由例如USB接口可连接。在一些实施例中，可以不显示由数据采集单元210生成的图像帧224。根据这样的实施例，由数据处理器228做出的确定可以以图形和/或数值格式经由图形用户接口234或以其他方式传递到用户。在各种范例中，系统200可以在护理点处实施，其可以包括紧急和危急护理设置。
超声传感器阵列212可以包括被配置为发射和接收超声能量的至少一个换能器阵列。超声传感器阵列212的设置可以预设用于执行特定扫描，但是也可以在扫描期间可调节。可以使用各种换能器阵列，例如，线性阵列、凸阵列、或者相控阵列。在不同的范例中，在传感器阵列212中包括的换能器元件的数量和布置可以变化。例如，超声传感器阵列212可以包括分别对应于线性阵列和矩阵阵列探头的换能器元件的1D或2D阵列。2D矩阵阵列可以被配置为在仰角和方位角维度两者上电子地扫描(经由相控阵列波束形成)以进行2D或3D成像。除B模式成像之外，在本文中根据本公开实施的成像模态还可以包括例如剪波和/或多普勒。各种用户可以操纵并且操作超声数据采集单元210以执行本文所描述的方法，包括在超声和/或B线评估中的无经验的训练不够或者初学者用户。肺水肿病因识别的预先存在的方法取决于视觉评估，其要求相当多的专业知识和常常延长的评价时间段。系统200可以消除或至少基本上降低需要用户解释以确定驱动肺水肿的给定情况的(一个或多个)致病因子，从而减小做出致病确定所需要的处理时间并且增加这样的确定的准确度。因此，系统200可以增加特别地针对无经验用户的B线评估的准确度，并且精简用于评价肺超声数据的工作流程。
耦合到超声传感器阵列212的波束形成器220可以包括微波束形成器或者微波束形成器和主波束形成器的组合。波束形成器220可以例如通过将超声脉冲形成为聚焦波束来控制超声能量的传输。波束形成器220还可以被配置为控制超声信号的接收，使得可辨别的图像数据可以在其他系统部件的帮助下产生和处理。波束形成器220的角色可以在不同的超声成像探头种类中变化。在一些实施例中，波束形成器220可以包括两个单独的波束形成器：发射波束形成器，其被配置为接收并且处理用于传输到对象中的超声能量的脉冲序列；以及单独的接收波束形成器，其被配置为放大、延迟和/或加和接收到的超声回波信号。在一些实施例中，波束形成器220可以包括在用于发射和接收波束形成两者的传感器元件组上操作的微波束形成器，其耦合到分别在用于发射和接收波束形成两者的组输入和输出上操作的主波束形成器。
信号处理器222可以与传感器阵列212和/或波束形成器220通信地、操作地和/或物理地耦合。在图2中所示的范例中，信号处理器222被包括为数据采集单元210的集成部件，但是在其他范例中，信号处理器222可以是单独的部件。在一些范例中，信号处理器可以利用传感器阵列212容纳或者其可以是物理分离的但是通信地(例如，经由有线或无线连接)耦合到其。信号处理器222可以被配置为接收实现在传感器阵列122处接收的超声回波218的未滤波并无组织的超声数据。根据该数据，信号处理器222可以当用户扫描靶区域216时连续地生成多个超声图像帧224。在一些实施例中，由数据采集单元210接收和处理的超声数据可以在从其生成超声图像帧之前由系统200的一个或多个部件利用。
数据处理器228可以被配置为根据各种方法表征在一个或多个图像帧224中出现的B线。在一些范例中，数据处理器228可以被配置为通过首先定位胸膜线、然后定义胸膜线之下的感兴趣区域并且基于至少一个成像参数(诸如坐标的强度和/或均匀性)从B线坐标识别B线来识别B线，如例如在Balasunder,R.等人的题为“Detection,Presentation andReporting of B-lines in Lung Ultrasound”的美国专利申请中所描述的，通过引用将其整体并入本文。
数据处理器228可以确定存在于靶区域内的B线的总数量和/或一条或多条B线的位置。例如，数据处理器228可以被配置为确定B线是否在右前腋窝中出现，或者B线是否在由用户定义的一个或多个区域中出现。
数据处理器228还可以被配置为识别当探头沿着成像平面移动时探头210的移动，从而连续地确定当探头移动时所识别的B线的存在和/或严重性。在一些实施例中，数据处理器228还可以识别胸膜线和其任何异常，例如通过确定当探头正移动时胸膜线的厚度和/或连续性，例如如在Balasundar,R.等人的题为“Target Probe Placement For LungUltrasound”的美国专利申请中所描述的，通过引用将其整体并入本文。这样的确定可以由数据处理器228利用以进一步通知对肺水肿是否由心源性或非心源性因子引起的确定。另外或者备选地，数据处理器228可以被配置为确定一个或多个心脏参数(例如，射血分数)，以加强B线评价。
使用确认的B线的数量和检测到B线的横向解剖距离，数据处理器228然后可以确定B线的空间分布，从而还确定分布是否是局部化的或空间扩散的。在范例中，数据处理器228可以通过将在扫描期间穿过的总距离除以检测到的B线的总数量来确定B线的空间分布。如下文还关于图4A描述的，数据处理器228还可以被配置为确定跨患者的胸部的各个区中的B线分布。例如，数据处理器228可以被配置为确定存在于由用户定义的区内、或默认区(诸如一个或多个肋间隙)内的B线的数量。由B线的总数和/或分布证明的B线严重性然后可以由数据处理器228用于估计肺水肿的当前情况由心源性或非心源性因子引起的可能性。例如，数据处理器228可以确定心源性肺水肿可能归因于中到高数量的检测到的B线，尤其是如果B线跨靶区域基本上均匀存在，如与被定位于其一个子区域中相反。
如上文所提到的，数据处理器228的一些范例可以被配置为实施神经网络230，所述神经网络被配置为确定肺水肿的特定情况是否是心源性或非心源性的。根据这样的范例，神经网络230可以是使用包含各种数量和空间分布的B线的多个(例如，几千)超声图像训练的前馈神经网络。图像可以根据病因来注释，使得具有零散B线的图像被标记为“非心源性”，并且具有高数量的均匀分布的扩散B线的图像被标记为“心源性”。神经网络230可以继续通过以下随时间学习：例如利用由系统200执行的每个超声扫描周期性地将额外的图像帧224与所确定的病因的注释一起输入到网络中。通过从大量的注释图像学习，神经网络230可以定性地确定病因估计。这样一来，神经网络230可以被用于证实由数据处理器228做出的一个或多个数值B线确定。例如，神经网络230可以确定B线的特定空间图案指示心源性肺水肿的高可能性。数据处理器228可以独立于神经网络230确定B线的低总数量指示心源性肺水肿的低可能性。作为结果，数据处理器228可以生成将差异中继到用户的通知，其然后可以视觉上检查由系统生成的一幅或多幅超声图像。这样的差异可以降低与特定病因估计相关联的置信度度量。
图3是根据本公开的原理的在患者上执行的超声扫描的表示。在操作中，包含超声传感器阵列的数据采集单元或者探头310可以在患者的胸部区域316的表面之上移动以收集横跨一个或两个肺的多个位置处的图像数据。在一些范例中，用户可以将探头310纵向地放置在胸部上(在从头到脚趾取向上)，如图3中所示。例如，在接收到用户输入时，可以发起自动B线检测。用户可以沿着成像的平面移动探头(在箭头的方向上)，从而仔细避免或者最小化在其期间系统可以确定和更新B线严重性的任何出平面移动。用户可以连续地移动探头或者可以在一个或多个位置处暂停以通过响应于朝向靶区域316发射的超声脉冲而采集回波信号318来收集一系列图像帧。以这种方式，跨越至少一个呼吸周期(优选地两个或更多个周期，如果时间允许)的图像帧可以在跨靶区域的多个位置中的每个处被收集。离散位置的数量可以根据用户的目标、超声探头的频率设置和临床设置来变化。例如，在ER/ICU设置中，可以检查大约4到大约6个位置，而内科医学应用可以涉及大约25到大约35个位置的更彻底的检查。
根据各种技术，由探头310覆盖的距离可以由与此通信地耦合的数据处理器(例如，数据处理器228)确定。例如，数据处理器可以使用基于图像的相关技术计算行进的距离。在特定实施例中，探头可以纵向移动并且一个或多个肋骨的存在被识别，例如，经由阴影。当探头310移动时，穿过的肋骨的数量和其之间的肋间隙可以由数据处理器识别和利用以估计行进的总距离。另外或者备选地，胸膜线之上的解剖区域的图像帧可以用作帧对帧相关性的固定参考点以确定探头移动。如上文关于图2所提到的，一些实施例可以包括传感器，所述传感器可以包括惯性传感器，诸如加速度计，其被配置为检测探头的移动，使得由数据处理器执行的图像相关性可以是不必要的或者可以被执行以证实由传感器采集的数据。传感器还可以被配置为确定探头310的任何出平面移动是否在特定扫描期间发生，从而确保这样的移动不被包括在行进的总距离的估计中。在一些范例中，出平面移动发生(尤其是实质性出平面移动)的确定可以使得通知传递到用户，其可以提示用户执行另一扫描。探头310可以被配置为要么通过空间移动要么经由使用例如2D阵列实施的电子转向获得来自超过一个空间平面的数据。
在确定由探头310行进的距离以采集跨越靶区域316的超声数据之后，数据处理器可以被配置为确定跨靶区域识别的B线的空间分布。在一些范例中，空间分布可以以B线评分实现，其可以特定于一个或多个肋间隙。例如，如果探头310覆盖总共八个肋间隙，那么可以计算八个B线评分。数据处理器可以比较八个B线评分，例如以确定评分是否是基本上类似的。如果评分是类似的，则处理器可以确定心源性肺水肿为高的可能性。如果评分是零散的，例如如果在一个肋间隙而不是在另一肋间隙内存在中到高数量的B线，则处理器可以确定非心源性肺水肿或者局灶性疾病(例如，肺炎)为高的可能性。在各种实施例中，以B线评分或以其他方式实现的B线严重性可以根据特定扫描期间的探头位置来确定，使得严重性可以当探头312跨靶区域移动时更新一次或多次。根据这样的实施例，用户可以在用户接口上输入换能器的初始起始点，例如，锁骨附近的第一肋间隙。假定探头移动是纵向的，系统然后可以计算换能器位置的剩余部分。在一些范例中，用户可以输入初始探头位置以及移动方向，例如，横向(跨胸部从左到右)或者纵向的(从头到脚趾)。另外或者备选地，系统可以被配置为在扫描已经完成之后编译总体B线严重性指示。在一些范例中，可能性可以以可以显示的数值评分的形式传递到用户。
在一些范例中，数据处理器可以被配置为将B线评分、数量和/或空间分布与阈值相比较。高于阈值的评分可以指示心源性肺水肿的中到高可能性，并且低于阈值的评分可以指示非心源性肺水肿的中到高可能性。阈值可以是随时间静态或者动态的，并且可以是患者特异的。例如，用户可以增加当检查B线评分已经高于未确认心源性肺水肿的存在的先前扫描期间的平均的患者时的阈值。
与探头通信地耦合的显示单元可以被配置为示出沿着在患者的胸部上由探头遍历的路径的检测到的B线和/或其严重性的分布。图4A所示的用户接口434提供了可以根据本公开生成的图形表示的一个范例。如所示，用户接口434可以被配置为生成患者的胸部/腹部区域的图形表示440。表示440可以被划分成多个区442，其可以跨越一个或两个肺。图4A所示的区442是均匀和矩形的，但是区的大小、形状和/或位置可以与区的数量一起变化，所述数量可以在从1到10、20或更多的范围内。在一些实施例中，区442可以由用户定制。即，用户可以指定一个或多个区的尺寸和/或位置。在一些范例中，区442可以与特异于每个区域的B线统计结果一起自动显示在用户接口434上。基于存在于特定区内的B线的数量的B线评分可以显示在每个区内。在一些范例中，一个或多个区442可以着色以反映存在于其中的B线的严重性。例如，B线的高数量可以由红色指示，而低数量可以由蓝色或绿色指示。在一些实施例中，颜色可以被示出为贯穿靶区域分布的梯度，其使能B线“热点”的更细化的分析。另外或者备选地，在扫描期间确定的B线信息可以邻近于表示440被显示，例如，在表444中。另外或者备选地，用户接口434可以被配置为显示至少一个通知，诸如通知446a，其指示肺水肿的“心脏”原因，和/或通知446b，其指示肺水肿的“非心脏”原因。在从与用户接口通信地耦合的数据处理器接收肺水肿病因的指示时，可以显示(一个或多个)这样的通知。
图4B示出了在一些范例中可以显示在用户接口434上的超声图像435。如所示，线或条448可以叠加到确认的B线上，并且单独的条或线450可以叠加到确认的胸膜线上。在一些实施例中，线448、450可以在没有对应的图像的情况下显示，使得用户仅被呈现有在给定超声图像内检测到的B线和/或胸膜线的图形表示或者图。线的厚度可以对应于其表示的超声特征的厚度和/或均匀性。例如，从胸膜线延伸长距离的一致强度的强B线可以被分配最高权重。如进一步所示的，病因通知446a可以结合实现病因确定正确的可能性的置信度度量452显示，如由与用户接口434通信的数据处理器所确定的。置信度度量452还可以实现肺水肿的特定情况是心源性或者非心源性的可能性。例如，在所示的范例中，置信度度量可以指示心源性肺水肿的94％可能性，其对应于非心源性肺水肿的6％可能性。通过在有或没有条的情况下显示超声图像435，用户接口434允许用户解释的水平，其还可以证实由系统自动做出的确定，从而改进准确度。在一些范例中，例如，用户可以在图4A和图4B中的用户接口上示出的显示器之间来回切换。显示可以当超声扫描被执行时连续地更新，使得通知和/或条当用于采集图像的换能器被移动时改变。
图5是根据本公开的原理的超声成像方法的框图。图5的范例方法500示出了可以以任何顺序由本文所描述的系统和/或装置利用以识别和表征B线并且在一些实施例中确定患者中的肺水肿的驱动力的步骤。方法500可以由超声成像系统执行，诸如系统500、或其他系统，包括例如移动系统，诸如Koninklijke Philips N.V.(“Philips”)的LUMIFY。额外范例系统可以包括还由Philips产生的SPARQ和/或EPIQ。
在所示的实施例中，方法500通过“响应于朝向包括肺的靶区域发射的超声脉冲而采集回波信号”在框502处开始。
方法通过“识别在对靶区域的扫描期间靶区域内的一条或多条B线”在框504处继续。
方法通过“确定靶区域中的B线的严重性值”在框506处继续。
方法通过“至少部分地基于B线的严重性值来确定诊断”在框508处继续。
在使用诸如基于计算机的系统或可编程逻辑的可编程器件来实施部件、系统和/或方法的各种实施例中，应该意识到，上述系统和方法可以使用诸如“C”、“C++”、“FORTRAN”、“Pascal”，“VHDL”等的各种已知或以后开发的编程语言来实施。相应地，可以准备各种存储介质，诸如磁性计算机盘、光盘、电子存储器等，其可以包含可以引导诸如计算机的设备以实施上述系统和/或方法的信息。一旦适当的设备访问存储介质上包含的信息和程序，存储介质就可以向设备提供信息和程序，从而使设备能够执行本文所述的系统和/或方法的功能。例如，如果向计算机提供包含适当材料(诸如源文件、目标文件、可执行文件等)的计算机磁盘，则计算机可以接收该信息，适当地配置其自身并执行在上面的图和流程图中概述的各种系统和方法的功能以实施各种功能。也就是说，计算机可以从磁盘接收涉及上述系统和/或方法的不同元件的信息的各个部分，实施个体系统和/或方法并且协调以上所描述的个体系统和/或方法的功能。
鉴于本公开，应注意，本文描述的各种方法和设备可以以硬件、软件和固件来实施。此外，各种方法和参数仅通过范例而不是以任何限制意义被包括。鉴于本公开，本领域普通技术人员可以实施本教导以确定它们自己的技术和实现这些技术所需要的装备，同时保持在本发明的范围内。本文描述的处理器中的一个或多个的功能可以被并入到更少数量的或单个处理单元(例如，CPU)中，并且可以使用专用集成电路(ASIC)或响应于执行本文描述的功能的可执行指令而被编程的通用处理电路来实施。
尽管本系统的范例可能已经特别参考超声成像系统进行了描述，但也设想了，本系统可以扩展到其中以系统性方式获得一幅或多幅图像的其他医学成像系统。因此，本系统可用于获得和/或记录与肾脏、睾丸、乳房、卵巢、子宫、甲状腺、肝、肺、肌肉骨骼、脾脏、心脏、动脉和血管系统有关但不限于此的图像信息，以及与超声引导的介入有关的其他成像应用。此外，本系统还可以包括可以与常规成像系统一起使用的一个或多个程序，使得它们可以提供本系统的特征和优点。本公开的某些额外优点和特征对本领域技术人员而言在研究本公开内容后能够显而易见，或者可以由采用本公开的新颖系统和方法的人员体验。本系统和方法的另一优点可以是常规医学图像系统可以容易地升级以并入本系统、设备和方法的特征和优点。
当然，要意识到，本文描述的范例、实施例或过程中的任一个可以与一个或多个其他范例、实施例和/或过程组合，或者在根据本系统、设备和方法的单独设备或设备部分中间分离和/或执行。
最后，上述讨论仅旨在说明本系统，而不应被解释为将权利要求限制为任何特定实施例或实施例组。因此，尽管已经参考示范性实施例具体详细地描述了本系统，但是应该意识到，可以由本领域普通技术人员设计出许多修改和备选实施例，而不偏离如在以下权利要求中阐述的本系统的更广泛和预期的精神和范围。因此，说明书和附图要以说明性的方式来看待，而不是旨在限制权利要求书的范围。

Claims (20)

1.一种超声系统，包括：
超声换能器，其被配置为响应于朝向包括肺的靶区域发射的超声脉冲而采集回波信号；以及
一个或多个处理器，其与所述超声换能器通信，所述处理器被配置为：
识别在对所述靶区域的扫描期间的所述靶区域内的B线；
确定所述靶区域中的所述B线的严重性值；并且
至少部分地基于所述B线的所述严重性值来确定诊断。
2.根据权利要求1所述的超声系统，其中，所述处理器被配置为通过确定B线的总数量来确定所述B线的所述严重性值。
3.根据权利要求1所述的超声系统，其中，所述处理器被配置为通过确定所述B线的空间分布来确定所述B线的所述严重性值。
4.根据权利要求3所述的超声系统，其中，所述处理器被配置为确定所述靶区域的一个或多个子区域内的所述B线的所述空间分布。
5.根据权利要求4所述的超声系统，其中，所述一个或多个子区域中的每个子区域包括肋间隙，使得针对所述靶区域内的每个肋间隙来确定严重性值。
6.根据权利要求3所述的超声系统，其中，所述处理器被配置为通过确定在对所述靶区域的所述扫描期间由所述超声换能器覆盖的距离并且将所述距离除以所识别的B线的总数量来确定所述空间分布。
7.根据权利要求1所述的超声系统，还包括图形用户接口，所述图形用户接口被配置为根据从所述超声回波生成的至少一个图像帧来显示超声图像。
8.根据权利要求7所述的超声系统，其中，所述处理器还被配置为使得所述图形用户接口显示所述B线被标记的经注释的超声图像。
9.根据权利要求7所述的超声系统，其中，所述处理器还被配置为使得所述图形用户接口显示所述靶区域中的所述B线的所述严重性值的图形表示。
10.根据权利要求1所述的超声系统，还包括惯性运动传感器，所述惯性运动传感器被配置为确定在对所述靶区域的所述扫描期间由所述超声换能器覆盖的距离。
11.根据权利要求1所述的超声系统，其中，所述诊断包括心源性肺水肿或者非心源性肺水肿。
12.根据权利要求11所述的超声成像系统，其中，所述处理器被配置为通过将阈值应用到所述严重性值将心源性肺水肿与非心源性肺水肿进行区分。
13.一种方法，包括：
响应于朝向包括肺的靶区域发射的超声脉冲而采集回波信号；
识别在对所述靶区域的扫描期间的所述靶区域内的B线；
确定所述靶区域中的所述B线的严重性值；并且
至少部分地基于所述B线的所述严重性值来确定诊断。
14.根据权利要求13所述的方法，其中，确定所述B线的所述严重性值包括确定B线的总数量和/或所述B线的空间分布。
15.根据权利要求14所述的方法，其中，确定所述B线的所述空间分布包括确定在对所述靶区域的所述扫描期间由所述超声换能器覆盖的距离并且将所述距离除以所识别的B线的总数量。
16.根据权利要求13所述的方法，还包括根据从所述超声回波生成的至少一个图像帧来显示超声图像。
17.根据权利要求16所述的方法，还包括显示所述靶区域中的所述B线的所述严重性值的图形表示和/或标记所述B线。
18.根据权利要求13所述的方法，其中，所述诊断包括心源性肺水肿或者非心源性肺水肿。
19.根据权利要求18所述的方法，还包括通过将阈值应用到所述严重性值来在心源性肺水肿与非心源性肺水肿之间进行区分。
20.一种包括可执行指令的非瞬态计算机可读介质，所述可执行指令在被运行时使一个或多个处理器执行根据权利要求13-19中的任一项所述的方法。
CN201880083247.0A 2017-11-22 2018-11-20 超声肺评估 Active CN111511288B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201762589709P 2017-11-22 2017-11-22
US62/589,709 2017-11-22
CNPCT/CN2018/098631 2018-08-03
CN2018098631 2018-08-03
PCT/EP2018/081859 WO2019101714A1 (en) 2017-11-22 2018-11-20 Ultrasonic pulmonary assessment

Publications (2)

Publication Number Publication Date
CN111511288A true CN111511288A (zh) 2020-08-07
CN111511288B CN111511288B (zh) 2024-05-28

Family

ID=64402217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880083247.0A Active CN111511288B (zh) 2017-11-22 2018-11-20 超声肺评估

Country Status (6)

Country Link
US (1) US20200352547A1 (zh)
EP (1) EP3713497A1 (zh)
JP (1) JP7308196B2 (zh)
CN (1) CN111511288B (zh)
BR (1) BR112020009982A2 (zh)
WO (1) WO2019101714A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111031927B (zh) * 2017-08-21 2023-07-07 皇家飞利浦有限公司 肺部超声中b线的检测、呈现和报告
US11627941B2 (en) * 2020-08-27 2023-04-18 GE Precision Healthcare LLC Methods and systems for detecting pleural irregularities in medical images
CN114628011A (zh) * 2020-12-11 2022-06-14 无锡祥生医疗科技股份有限公司 超声设备的人机交互方法、超声设备和存储介质
ES2915585B2 (es) * 2020-12-22 2023-09-08 Consejo Superior Investigacion Metodo para la evaluacion automatizada de ecografias de pulmon y ecografo que implementa dicho metodo

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0743309A (ja) * 1993-08-02 1995-02-14 Nec Corp パターン検査方法
US20070010747A1 (en) * 2005-05-26 2007-01-11 Sabourin Thomas J Methods and systems for acquiring ultrasound image data
WO2013181300A1 (en) * 2012-05-29 2013-12-05 The Board Of Trustees Of The Leland Stanford Jr. University Apparatus, systems, and methods for monitoring extravascular lung water
WO2014195742A1 (en) * 2013-06-04 2014-12-11 Sveučilište U Rijeci Medicinski Fakultet The procedure for determining and counting b-lines in ultrasound diagnosis of lung diseases
WO2015048767A1 (en) * 2013-09-30 2015-04-02 Grisell Ronald Automatic focused assessment with sonography for trauma exams
US20150310876A1 (en) * 2012-05-15 2015-10-29 Chi Leung KWAN Raw sound data organizer
US20170086790A1 (en) * 2015-09-29 2017-03-30 General Electric Company Method and system for enhanced visualization and selection of a representative ultrasound image by automatically detecting b lines and scoring images of an ultrasound scan
WO2017126753A1 (ko) * 2016-01-21 2017-07-27 서울대학교병원 (분사무소) 폐 상태의 지속적인 모니터링 위한 초음파 시스템 및 모니터링 방법
US20170282055A1 (en) * 2016-03-31 2017-10-05 Kingsisle Entertainment Incorporated Mobile device gaming application for a puzzle mode

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8781566B2 (en) * 2006-03-01 2014-07-15 Angel Medical Systems, Inc. System and methods for sliding-scale cardiac event detection
US8303502B2 (en) * 2007-03-06 2012-11-06 General Electric Company Method and apparatus for tracking points in an ultrasound image
US10064580B2 (en) * 2008-11-07 2018-09-04 Intervet Inc. System and method for determining antibiotic effectiveness in respiratory diseased animals using auscultation analysis
CN102483847B (zh) * 2009-09-01 2015-11-25 博莱科瑞士股份有限公司 基于随着时间的动态行为的参数图像
US9149658B2 (en) * 2010-08-02 2015-10-06 Guided Therapy Systems, Llc Systems and methods for ultrasound treatment
US9217739B2 (en) * 2011-06-02 2015-12-22 Dune Medical Devices Ltd. Tissue sampling for pathological study
JP6305773B2 (ja) 2014-01-21 2018-04-04 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、画像処理装置及びプログラム
US10074038B2 (en) * 2016-11-23 2018-09-11 General Electric Company Deep learning medical systems and methods for image reconstruction and quality evaluation

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0743309A (ja) * 1993-08-02 1995-02-14 Nec Corp パターン検査方法
US20070010747A1 (en) * 2005-05-26 2007-01-11 Sabourin Thomas J Methods and systems for acquiring ultrasound image data
US20150310876A1 (en) * 2012-05-15 2015-10-29 Chi Leung KWAN Raw sound data organizer
WO2013181300A1 (en) * 2012-05-29 2013-12-05 The Board Of Trustees Of The Leland Stanford Jr. University Apparatus, systems, and methods for monitoring extravascular lung water
WO2014195742A1 (en) * 2013-06-04 2014-12-11 Sveučilište U Rijeci Medicinski Fakultet The procedure for determining and counting b-lines in ultrasound diagnosis of lung diseases
WO2015048767A1 (en) * 2013-09-30 2015-04-02 Grisell Ronald Automatic focused assessment with sonography for trauma exams
US20170086790A1 (en) * 2015-09-29 2017-03-30 General Electric Company Method and system for enhanced visualization and selection of a representative ultrasound image by automatically detecting b lines and scoring images of an ultrasound scan
WO2017126753A1 (ko) * 2016-01-21 2017-07-27 서울대학교병원 (분사무소) 폐 상태의 지속적인 모니터링 위한 초음파 시스템 및 모니터링 방법
US20170282055A1 (en) * 2016-03-31 2017-10-05 Kingsisle Entertainment Incorporated Mobile device gaming application for a puzzle mode

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GINO SOLDATI: ""ex vivo lung sonography: morphologic-ultrasound relationship"", 《ULTRASOUND MED BIOL》, pages 1169 - 1179 *

Also Published As

Publication number Publication date
EP3713497A1 (en) 2020-09-30
CN111511288B (zh) 2024-05-28
JP7308196B2 (ja) 2023-07-13
BR112020009982A2 (pt) 2020-11-03
JP2021503999A (ja) 2021-02-15
WO2019101714A1 (en) 2019-05-31
US20200352547A1 (en) 2020-11-12

Similar Documents

Publication Publication Date Title
CN111511288B (zh) 超声肺评估
EP3554380B1 (en) Target probe placement for lung ultrasound
JP6430498B2 (ja) 超音波剪断波エラストグラフィ測定のマッピングのためのシステムおよび方法
JP5753798B2 (ja) 超音波診断装置およびその作動方法
US6863655B2 (en) Ultrasound display of tissue, tracking and tagging
US9119556B2 (en) Ultrasonic diagnostic apparatus
CN112040876A (zh) 自适应超声扫描
JP7285826B2 (ja) 肺超音波検査におけるｂラインの検知、提示及び報告
US20160000401A1 (en) Method and systems for adjusting an imaging protocol
CN111587089A (zh) 用于检测肺实变的超声系统
CN109475344B (zh) 胎儿成像系统和方法
JP2023145684A (ja) 自動壁追跡を伴う超音波システム
WO2020225240A1 (en) Systems and methods for controlling volume rate
EP3482689A1 (en) Detection, presentation and reporting of b-lines in lung ultrasound
JP7030700B2 (ja) 超音波システム及び方法
WO2021003711A1 (zh) 超声成像设备及检测b线的方法、装置、存储介质
WO2018036893A1 (en) Image processing apparatus and method for segmenting a region of interest
IT202100004376A1 (it) Metodo di determinazione di piani di scansione nell’acquisizione di immagini ecografiche e sistema ecografico per l’attuazione del detto metodo
EP4226863A1 (en) Fetal heart rate monitoring
JP7457566B2 (ja) 超音波診断装置、臍帯長測定方法及びプログラム
CN114098687B (zh) 用于超声运动模式的自动心率测量的方法和系统
JP2023180385A (ja) 超音波時系列データ処理装置及び超音波時系列データ処理プログラム
KR20200110541A (ko) 초음파 영상 장치 및 그 제어방법

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
GR01 Patent grant
GR01 Patent grant