CN111714157A - 一种多普勒超声血流自动识别方法及装置 - Google Patents
一种多普勒超声血流自动识别方法及装置 Download PDFInfo
- Publication number
- CN111714157A CN111714157A CN202010722452.6A CN202010722452A CN111714157A CN 111714157 A CN111714157 A CN 111714157A CN 202010722452 A CN202010722452 A CN 202010722452A CN 111714157 A CN111714157 A CN 111714157A
- Authority
- CN
- China
- Prior art keywords
- blood flow
- signal
- identification method
- superposed
- automatic identification
- 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
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
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及超声成像技术领域,公开了一种多普勒超声血流自动识别方法,包括以下步骤:获取多帧血流数据信号;对多帧所述血流数据信号进行叠加,得到叠加信号;对所述叠加信号中有血流信号的连通区域进行标记,并查找最大的连通区域;以所述最大的连通区域作为血流区域对叠加信号进行滤波;根据滤波后的叠加信号识别血管的位置信息;根据所述位置信息设置取样框,根据所述取样框进行血管识别。本发明具有自动识别血管,降低超声探测操作难度,快速准确定位血管位置的技术效果。
Description
技术领域
本发明涉及超声成像技术领域,具体涉及一种多普勒超声血流自动识别方法、装置以及计算机存储介质。
背景技术
彩色多普勒血流显像(Color Doppler Flow Imaging,CDFI),是近年问世的心血管疾病诊断技术。CDFI迅速、直观、简便的显示方式为血流动力学的研究开辟了新的途径。在血管疾病、腹腔脏器、小器官、妇产科等科室都有着广泛的应用。
彩色多普勒应用多普勒效应。基本原理是利用声波源或声波的接受体之间运动所导致频率的改变,频移的产生。在医学超声检查中,超声波仪器上探头发出的声波,进入到人体血管,血液中的主要成分红细胞接受声波并且再次反射至探头。可以将红细胞当成二次声源,探头为声波接受体。作为声源的红细胞如果运动,就会使频率发生改变。也就是探头的反射频率和经红细胞反射接收回来的频率有所不同,就有频移产生。如果红细胞朝向探头运动,声频将大于探头频率;如果红细胞背离探头运动,则声频将小于探头频率。
在实际应用中,取样框要根据血管的大小来进行调整,同时还需要调整偏转角度(线阵探头)。取样框要尽量小,比观察区域略大即可。因为取样框越大,帧频越小,同时也会影响灵敏度。取样框的长轴必须大致与血管一致,这就需要调节偏转角度。所以,医生在检查时需要根据血流信息反复调整取样框的大小、位置和偏转角度。这无疑加大了医生的工作强度和工作难度。同时,如果医生经验不足的话,花费的时间更长,也可能得到的效果也不理想。
目前有一些关于这方面的研究,即彩色多普勒血流自动优化,但主要是优化彩色的参数,有的只是针对某些特定部位的优化,还有需要结合B模式、PW模式一起来进行识别,还有的需要手动在触摸屏上血流位置区域按一下。
上述现有技术的主要不足在于:由于用到其他模式的数据,所以导致算法会比较复杂,计算上会比较繁琐,并且不能自动的识别血管并进行追踪。
发明内容
本发明的目的在于克服上述技术不足,提供一种多普勒超声血流自动识别方法、装置以及计算机存储介质,解决现有技术中多普勒超声血流识别优化过程的算法复杂、需要用到其他模式数据,无法自动识别血管调节取样框的技术问题。
为达到上述技术目的,本发明的技术方案提供一种多普勒超声血流自动识别方法,包括以下步骤:
获取多帧血流数据信号;
对多帧所述血流数据信号进行叠加,得到叠加信号;
对所述叠加信号中有血流信号的连通区域进行标记,并查找最大的连通区域;
以所述最大的连通区域作为血流区域对叠加信号进行滤波;
根据滤波后的叠加信号识别血管的位置信息;
根据所述位置信息设置取样框,根据所述取样框进行血管识别。
本发明还提供一种多普勒超声血流自动识别装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现所述多普勒超声血流自动识别方法。
本发明还提供一种计算机存储介质,其上存储有计算机程序,所述计算机该程序被处理器执行时,实现所述多普勒超声血流自动识别方法。
与现有技术相比,本发明的有益效果包括:本发明提出一种能够自动识别血管方法,通过获取多帧血流数据信号,然后进行叠加、血流连通区域识别、滤波的操作,实现对血管的位置信息的识别,可以快速而准确地定位血管位置,从而降低医生操作的难度和强度,提高超声检测效率。该方法仅根据血流数据信号进行血管识别,大大简化了算法的复杂度,减少了计算量。
附图说明
图1是本发明提供的多普勒超声血流自动识别方法一实施方式的流程图;
图2是本发明提供的多普勒超声血流自动识别方法一实施方式的识别结果图;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
如图1所示,本发明的实施例1提供了多普勒超声血流自动识别方法,以下简称本方法,包括以下步骤:
S1、获取多帧血流数据信号;
S2、对多帧所述血流数据信号进行叠加,得到叠加信号;
S3、对所述叠加信号中有血流信号的连通区域进行标记,并查找最大的连通区域;
S4、以所述最大的连通区域作为血流区域对叠加信号进行滤波;
S5、根据滤波后的叠加信号识别血管的位置信息;
S6、根据所述位置信息设置取样框,根据所述取样框进行血管识别。
本方法应用于多普勒血流成像过程中,用于对成像中的血流位置进行快速准确定位。多普勒血流成像的过程一般包括探头探测、发射/接收超声波、波束合成、B数据处理、C数据处理、B+C叠加、显示。探头是超声波的发射和接收装置,可以将电能转换成声能,同时也可以将声能转换成电能。首先探头的发射电路在控制器的协调下向换能器发送电信号,由换能器将其转换为超声波发送出去;接收电路接收探头传过来的回声信号,并将其经过放大、数模转换等处理;波束合成对不同方向上的回波信号进行动态聚焦和孔径处理,将其合成在一起。然后B和C的数据分别进行对应的处理,然后再进行叠加,最后显示在对应的设备上。B数据处理包含求模,对数压缩、DSC等。C数据处理包含壁滤波、自相关、余辉、DSC等处理。这些都是现有技术,不再过多赘述。本实施例提供的血管识别方法可以在血流DSC处理之前进行也可以在DSC处理之后。
具体的,本方法首先进行数据获取,从超声系统、DICOM、U盘或其它存储介质中获取多帧血流数据信号;血流数据信号的帧数可以与心脏周期或者呼吸周期进行关联设置,例如取心脏周期或呼吸周期的一半,这样得到的结果对具有随时间变化的血流的血管更有效。因为有可能在某些特定的数据帧中的血管的血流几乎不可检测,但是在半个周期中至少有一个数据可以被可靠地检测。当然,为了提高响应速度,也可以把该值设置成某个固定值,比如6、8等。或者是与帧率进行关联。对多帧血流数据信号进行叠加、查找最大连通区域、形态学滤波一系列的处理,实现对血管血流位置的凸显,最终识别出血管的位置,也就是取样框ROI的信息,从而实现血流信号的精确快速识别,这是本方法的核心内容。取样框ROI用于限定取样位置,取样框的形状可以设置成多种,例如方形、圆形等,其位置信息的描述方式根据其形状进行设定,可以根据需求选择合适的描述方式,本实施例中选用方形的取样框,采用取样框起始点(方形的一个设定角点)坐标、取样框宽度W、取样框高度H进行描述。采用本方法,可以准确地检测到血流位置,同时把取样框调整到合适的位置大小。
本方法,可以快速而准确地定位血管位置,从而降低医生操作的难度和强度,提高超声检测效率。同时,本方法仅根据血流数据信号进行血管识别,大大简化了算法的复杂度,减少了计算量。
优选的,对多帧所述血流数据信号进行叠加,得到叠加信号,具体为:
对每一帧所述血流数据信号进行二值化处理;
将二值化处理后的血流数据信号进行对应位置的叠加,得到所述叠加信号。
把每一帧血流数据信号进行二值化处理。二值化方法为:如果某个位置对应的血流数据不为0,则置为1,否则置为0,得到二值化数据。数据叠加,把N帧二值化后的数据进行对应位置叠加,得到叠加信号。
优选的,对所述叠加信号中有血流信号的连通区域进行标记,并查找最大的连通区域,具体为:
判断所述叠加信号中各位置的值是否为零,如果为零,则将相应位置置为“0”,如果不为零,则将相应位置置为“1”;
查找所述叠加信号中不为零的最大连通区域。
根据叠加信号进行血流判断,如果叠加信号某个位置对应的值不为0,则置为1;否则置为0,得到有血流标记的叠加信号。获取有血流标记的叠加信号中的连通区域,查找最大连通区域。
优选的,以所述最大的连通区域作为血流区域对叠加信号进行滤波,具体为:
将叠加信号中最大的连通区域对应位置置为“1”,其他位置置为“0”,得到二值化叠加信号;
对所述二值化叠加信号进行形态学滤波。
把叠加信号中最大连通区域对应的位置置为1,其他位置置为0,得到二值化叠加信号。对二值化叠加信号进行形态学滤波,填充一些黑洞区域。得到滤波后的叠加信号。
优选的,根据滤波后的叠加信号识别血管的位置信息,具体为:
对滤波后的叠加信号从上往下进行查找,找到非零值的上边界;
对滤波后的叠加信号从下往上进行查找,找到非零值的下边界;
根据最大的连通区域获取血流区域,根据所述血流区域对所述上边界和下边界进行过滤,得到有血流信号的有效上边界和有效下边界;
对所述有效上边界和有效下边界分别进行拟合得到上边界直线和下边界直线;
结合所述上边界直线、下边界直线、血流区域获取取样框的起点位置坐标、取样宽度以及取样高度,得到所述位置信息。
对滤波后的叠加信号从上往下进行查找,分别找到第一个满足条件的非零值,得到血管上边界UP。然后在血管上边界UP的基础上,继续往下查找,找到满足非零值的下边界DOWN。根据最大连通区域,获得有效的血流区域,并根据该血流区域值,分别从血管上边界UP和血管下边界DOWN中获得对应有效数据,即有效上边界UP’和有效下边界DOWN’。分别用直线拟合方法拟合UP’和DOWN’,得到上边界直线UL和下边界直线DL。直线拟合方法采用的是通用的方法,比如最小二乘法、Hough变换等常用方法,在这里不在赘述。根据上边界直线UL和下边界直线DL,以及有效的血流区域,可以得到取样框ROI的起始位置X坐标、起始位置Y坐标、取样框宽度W,取样框高度H。
为了保证最大化包含充盈的血流数据,同时又不影响帧率,我们在计算时取了比实际血管稍微大一点的数据,得到了最终的取样框ROI。同时在这里还需要对ROI的值进行有效性校正,比如不超过血流区域范围等。
优选的,本方法还包括:
获取血管的方向信息;
根据所述方向信息设置所述取样框的偏转方向,根据偏转后的取样框进行血管识别。
对于线阵探头,还需要计算其偏转角度。对于其他类型探头,偏转角度A=0。
优选的,获取血管的方向信息,具体为:
分别计算上边界直线和下边界直线的斜率;
以上边界直线与下边界直线中较大斜率作为血管的方向信息。
分别计算上边界直线UL的斜率Ku和下边界直线DL的斜率Kd。根据Ku和Kd来判断血管的大致方向,然后把偏转角度设置成和血管方向走形一致。判断Ku和Kd是否同符号,如果同符号取其值大的,否则取绝对值大的。然后再对斜率进行转换,得到最终的偏转角度A,以求得的偏转角度作为血管的方向信息,对取样框进行偏转。
优选的,本方法还包括:
将所述取样框设置为追踪框,根据运动追踪算法实时追踪所述追踪框,实现运动追踪的超声探测。
由于血管识别是触发一次处理一次,触发方式,包含但不限于按键、旋钮、触摸屏手势、语音输入、其他标准的人机接口设备,为了减少由探头移动而引起的血管位置改变需要再次触发血管识别的问题,设置了运动追踪功能。对取样框进行实时追踪,解决由于探头移动引起的血管位置偏离取样框问题。将取样框设置成追踪框,根据追踪框进行实时追踪。根据运动追踪算法,实时追踪设置的追踪框位置ROI’,追踪算法包含但不限于块匹配、Opencv的8种追踪算法、卡尔曼等常用方法。
本优选实施例可以准确地检测到血流位置,同时把取样框调整到合适的大小和角度;同时,如果在识别血流位置(即血管位置)之后,血流位置再次改变的话也可以自动追踪到。
具体的,图2中即示出了采用本实施例进行血流识别的结果,图2中左侧是还未进行血流识别之前的取样框位置,可以看出该取样框仅仅只有右上角包含一小部分的血管,图2中右侧是进行血管识别后设置的取样框,该取样框准确定位了血管位置,实现了血管位置的快速准确定位,从而降低医生操作的难度和强度,提高超声检测效率。
实施例2
本发明的实施例2提供了多普勒超声血流自动识别装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现实施例1提供的多普勒超声血流自动识别方法。
本发明实施例提供的多普勒超声血流自动识别装置,用于实现多普勒超声血流自动识别方法,因此,多普勒超声血流自动识别方法所具备的技术效果,多普勒超声血流自动识别装置同样具备,在此不再赘述。
实施例3
本发明的实施例3提供了计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现实施例1提供的多普勒超声血流自动识别方法。
本发明实施例提供的计算机存储介质,用于实现多普勒超声血流自动识别方法,因此,多普勒超声血流自动识别方法所具备的技术效果,计算机存储介质同样具备,在此不再赘述。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种多普勒超声血流自动识别方法,其特征在于,包括以下步骤:
获取多帧血流数据信号;
对多帧所述血流数据信号进行叠加,得到叠加信号;
对所述叠加信号中有血流信号的连通区域进行标记,并查找最大的连通区域;
以所述最大的连通区域作为血流区域对叠加信号进行滤波;
根据滤波后的叠加信号识别血管的位置信息;
根据所述位置信息设置取样框,根据所述取样框进行血管识别。
2.根据权利要求1所述的多普勒超声血流自动识别方法,其特征在于,对多帧所述血流数据信号进行叠加,得到叠加信号,具体为:
对每一帧所述血流数据信号进行二值化处理;
将二值化处理后的血流数据信号进行对应位置的叠加,得到所述叠加信号。
3.根据权利要求1所述的多普勒超声血流自动识别方法,其特征在于,对所述叠加信号中有血流信号的连通区域进行标记,并查找最大的连通区域,具体为:
判断所述叠加信号中各位置的值是否为零,如果为零,则将相应位置置为“0”,如果不为零,则将相应位置置为“1”;
查找所述叠加信号中不为零的最大连通区域。
4.根据权利要求1所述的多普勒超声血流自动识别方法,其特征在于,以所述最大的连通区域作为血流区域对叠加信号进行滤波,具体为:
将叠加信号中最大的连通区域对应位置置为“1”,其他位置置为“0”,得到二值化叠加信号;
对所述二值化叠加信号进行形态学滤波。
5.根据权利要求1所述的多普勒超声血流自动识别方法,其特征在于,根据滤波后的叠加信号识别血管的位置信息,具体为:
对滤波后的叠加信号从上往下进行查找,找到非零值的上边界;
对滤波后的叠加信号从下往上进行查找,找到非零值的下边界;
根据最大的连通区域获取血流区域,根据所述血流区域对所述上边界和下边界进行过滤,得到有血流信号的有效上边界和有效下边界;
对所述有效上边界和有效下边界分别进行拟合得到上边界直线和下边界直线;
结合所述上边界直线、下边界直线、血流区域获取取样框的起点位置坐标、取样宽度以及取样高度,得到所述位置信息。
6.根据权利要求1所述的多普勒超声血流自动识别方法,其特征在于,还包括:
获取血管的方向信息;
根据所述方向信息设置所述取样框的偏转方向,根据偏转后的取样框进行血管识别。
7.根据权利要求6所述的多普勒超声血流自动识别方法,其特征在于,获取血管的方向信息,具体为:
分别计算上边界直线和下边界直线的斜率;
以上边界直线与下边界直线中较大斜率作为血管的方向信息。
8.根据权利要求1所述的多普勒超声血流自动识别方法,其特征在于,还包括:
将所述取样框设置为追踪框,根据运动追踪算法实时追踪所述追踪框,实现运动追踪的超声探测。
9.一种多普勒超声血流自动识别装置,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-8任一所述的多普勒超声血流自动识别方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机该程序被处理器执行时,实现如权利要求1-8任一所述的多普勒超声血流自动识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010722452.6A CN111714157B (zh) | 2020-07-24 | 2020-07-24 | 一种多普勒超声血流自动识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010722452.6A CN111714157B (zh) | 2020-07-24 | 2020-07-24 | 一种多普勒超声血流自动识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111714157A true CN111714157A (zh) | 2020-09-29 |
CN111714157B CN111714157B (zh) | 2023-06-09 |
Family
ID=72573420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010722452.6A Active CN111714157B (zh) | 2020-07-24 | 2020-07-24 | 一种多普勒超声血流自动识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111714157B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112545566A (zh) * | 2020-12-07 | 2021-03-26 | 武汉中旗生物医疗电子有限公司 | 一种胎儿颈部透明层测量方法及装置 |
CN112568932A (zh) * | 2021-02-26 | 2021-03-30 | 深圳中科乐普医疗技术有限公司 | 一种穿刺针显影增强的方法、系统和超声成像设备 |
CN113229843A (zh) * | 2021-02-24 | 2021-08-10 | 杰杰医疗科技(苏州)有限公司 | 一种能量多普勒自动测量系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105686851A (zh) * | 2016-01-14 | 2016-06-22 | 深圳开立生物医疗科技股份有限公司 | 一种血流3d成像方法、装置及其超声设备 |
CN109360173A (zh) * | 2018-11-23 | 2019-02-19 | 珠海医凯电子科技有限公司 | 基于改进的方差的彩色多普勒血流图像降噪方法 |
CN109674493A (zh) * | 2018-11-28 | 2019-04-26 | 深圳蓝韵医学影像有限公司 | 医用超声自动追踪颈动脉血管的方法、系统及设备 |
-
2020
- 2020-07-24 CN CN202010722452.6A patent/CN111714157B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105686851A (zh) * | 2016-01-14 | 2016-06-22 | 深圳开立生物医疗科技股份有限公司 | 一种血流3d成像方法、装置及其超声设备 |
CN109360173A (zh) * | 2018-11-23 | 2019-02-19 | 珠海医凯电子科技有限公司 | 基于改进的方差的彩色多普勒血流图像降噪方法 |
CN109674493A (zh) * | 2018-11-28 | 2019-04-26 | 深圳蓝韵医学影像有限公司 | 医用超声自动追踪颈动脉血管的方法、系统及设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112545566A (zh) * | 2020-12-07 | 2021-03-26 | 武汉中旗生物医疗电子有限公司 | 一种胎儿颈部透明层测量方法及装置 |
CN113229843A (zh) * | 2021-02-24 | 2021-08-10 | 杰杰医疗科技(苏州)有限公司 | 一种能量多普勒自动测量系统及方法 |
CN112568932A (zh) * | 2021-02-26 | 2021-03-30 | 深圳中科乐普医疗技术有限公司 | 一种穿刺针显影增强的方法、系统和超声成像设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111714157B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6180539B2 (ja) | リアルタイム胎児心臓評価に対する標準面に自動配置 | |
US8094893B2 (en) | Segmentation tool for identifying flow regions in an image system | |
CN111714157A (zh) | 一种多普勒超声血流自动识别方法及装置 | |
US20060173327A1 (en) | Ultrasound diagnostic system and method of forming arbitrary M-mode images | |
EP2219528A1 (en) | Robotic ultrasound system with microadjustment and positioning control using feedback responsive to acquired image data | |
US11403778B2 (en) | Fetal development monitoring | |
US10368841B2 (en) | Ultrasound diagnostic apparatus | |
JP2006081901A (ja) | 超音波検出指標に基づいた超音波収集の最適化 | |
US20210321978A1 (en) | Fat layer identification with ultrasound imaging | |
US20220071595A1 (en) | Method and system for adapting user interface elements based on real-time anatomical structure recognition in acquired ultrasound image views | |
CN115151193A (zh) | 用于胎儿心脏评估的方法和系统 | |
JP2010148828A (ja) | 超音波診断装置及び超音波診断装置の制御プログラム | |
EP3863522B1 (en) | Methods and systems for determining complementary ultrasound views | |
US11534133B2 (en) | Ultrasonic detection method and ultrasonic imaging system for fetal heart | |
EP3787517B1 (en) | Systems and methods for ultrasound screening | |
US11219429B2 (en) | Ultrasound imaging apparatus and controlling method for the same | |
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 | |
EP4076208B1 (en) | Systems and methods for assessing a placenta | |
EP4243695A1 (en) | Methods and systems for tracking a motion of a probe in an ultrasound system | |
EP4108179A1 (en) | Ultrasound systems and methods for monitoring a valsalva manoeuvre | |
EP4331499A1 (en) | Ultrasound imaging systems and methods | |
KR20100119480A (ko) | 고유벡터를 설정하는 초음파 시스템 및 방법 | |
EP3639749A1 (en) | Systems and methods for ultrasound screening | |
WO2022268612A1 (en) | Ultrasound systems and methods for monitoring a valsalva manoeuvre |
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 |