CN112447276A - 用于提示数据捐赠以用于人工智能工具开发的方法和系统 - Google Patents

用于提示数据捐赠以用于人工智能工具开发的方法和系统 Download PDF

Info

Publication number
CN112447276A
CN112447276A CN202010711817.5A CN202010711817A CN112447276A CN 112447276 A CN112447276 A CN 112447276A CN 202010711817 A CN202010711817 A CN 202010711817A CN 112447276 A CN112447276 A CN 112447276A
Authority
CN
China
Prior art keywords
user
data
automated analysis
processor
share
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
CN202010711817.5A
Other languages
English (en)
Inventor
克里斯汀·萨拉·麦克劳德
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.)
GE Precision Healthcare LLC
Original Assignee
GE Precision Healthcare LLC
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 GE Precision Healthcare LLC filed Critical GE Precision Healthcare LLC
Publication of CN112447276A publication Critical patent/CN112447276A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/542—Event management; Broadcasting; Multicasting; Notifications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/60—Healthcare; Welfare
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20101—Interactive definition of point of interest, landmark or seed
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Epidemiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Multimedia (AREA)
  • General Business, Economics & Management (AREA)
  • Bioethics (AREA)
  • Economics (AREA)
  • Geometry (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Accounting & Taxation (AREA)
  • Business, Economics & Management (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明题为“用于提示数据捐赠以用于人工智能工具开发的方法和系统”。本发明提供了用于提示数据捐赠以用于人工智能工具开发的系统和方法。该方法包括在显示系统处呈现超声图像和至少一个自动化分析特征。该至少一个自动化分析特征包括一个或多个未启用的自动化分析特征。该方法包括接收对该一个或多个未启用的自动化分析特征中的至少一个自动化分析特征的用户选择。该方法包括在该显示系统处呈现提示，该提示提供共享用户分析数据的用户选项。该方法包括接收选择共享该用户分析数据的用户选择。该方法包括当满足条件时提供对该一个或多个未启用的自动化分析特征中的该至少一个自动化分析特征的访问。

Description

用于提示数据捐赠以用于人工智能工具开发的方法和系统
技术领域
某些实施方案涉及超声成像。更具体地，某些实施方案涉及通过促进用户数据捐赠来提供人工智能工具开发的方法和系统。
背景技术
超声成像是用于对人体中的器官和软组织进行成像的医学成像技术。超声成像使用实时的、非侵入性高频声波来产生一系列二维(2D)图像和/或三维(3D)图像。
超声图像和/或视频的人工智能处理通常应用于处理图像和/或视频，以帮助超声操作者或查看处理后的图像数据的其他医务人员提供诊断。例如，人工智能工具可应用于超声图像，以自动提供可与超声图像一起呈现的注释、测量和/或诊断。然而，人工智能算法通常使用成千上万的图像进行开发，这些图像已经过手动分析并且提供了注释、测量和/或诊断。人工智能的准确度部分地取决于用来开发该算法的样本的量、样本的质量、伴随样本的分析的质量、样本的人口统计多样性等。
通过将此类系统与本申请的其余部分中参考附图阐述的本公开的一些方面进行比较，常规和传统方法的更多限制和缺点对本领域的技术人员将变得显而易见。
发明内容
提供了一种用于提示数据捐赠以用于人工智能工具开发的系统和/或方法，该系统和/或方法基本上如结合至少一个附图所示和/或所述，如在权利要求书中更完整地阐述。
从以下描述和附图将更全面地理解本公开的这些和其他优点、方面和新颖特征、以及其例示的实施方案的细节。
附图说明
图1是根据各种实施方案的可操作为提示数据捐赠以用于人工智能工具开发的示例性超声系统的框图。
图2是根据各种实施方案的可操作为提示数据捐赠以用于人工智能工具开发的示例性医疗工作站的框图。
图3是可在其中实践代表性实施方案的示例性系统的框图。
图4是根据各种实施方案的示例性超声图像和用于分析超声图像的工具的显示。
图5是根据各种实施方案的示例性超声图像、用于分析超声图像的工具以及对于捐赠数据的提示的显示。
图6是根据各种实施方案的示出可用于提示数据捐赠以用于人工智能工具开发的示例性步骤的流程图。
具体实施方式
某些实施方案可见于一种用于提示数据捐赠以用于人工智能工具开发的方法和系统中。各种实施方案具有提供对未启用的自动化分析特征的访问来换取共享用户分析数据的技术效果。本公开的各方面具有促进用户分析数据的捐赠以用于开发人工智能工具的技术效果。
当结合附图阅读时，将更好地理解前述发明内容以及以下对某些实施方案的详述。就附图示出各种实施方案的功能块的图的范围而言，这些功能块不一定表示硬件电路之间的划分。因此，例如，一个或多个功能块(例如，处理器或存储器)可以在单件硬件(例如，通用信号处理器或随机存取存储器块、硬盘等)或多件硬件中来实现。类似地，程序可以是独立程序，可以作为子例程包含在操作系统中，可以是安装的软件包中的功能等。应当理解，各种实施方案不限于附图中所示的布置和工具。还应当理解，可以组合实施方案，或者可以利用其他实施方案，并且可以在不脱离各种实施方案的范围的情况下做出结构的、逻辑的和电气的改变。因此，以下详述不应视为限制性意义，并且本公开的范围由所附权利要求书及其等同物限定。
如本文所用，以单数形式列举并且以单词“一”或“一个”开头的元件或步骤应当被理解为不排除多个所述元件或步骤，除非明确说明此类排除。此外，对“示例性实施方案”、“各种实施方案”、“某些实施方案”、“代表性的实施方案”等的引用不旨在被解释为排除存在也结合了叙述的特征的附加实施方案。此外，除非明确地相反说明，否则“包含”、“包括”或“具有”具有特定性质的一个元件或多个元件的实施方案可以包括不具有该性质的附加元件。
另外，如本文所用，术语“图像”广义地是指可视图像和表示可视图像的数据两者。然而，许多实施方案生成(或被配置为生成)至少一个可视图像。此外，如本文所用，短语“图像”用于指超声模式，诸如B模式(2D模式)、M模式、三维(3D)模式、CF模式、PW多普勒、CW多普勒、MGD，和/或B模式和/或CF的子模式，诸如剪切波弹性成像(SWEI)、TVI、Angio、B-flow、BMI、BMI_Angio，并且在某些情况下还包括MM、CM、TVD，其中“图像”和/或“平面”包括单个波束或多个波束。
此外，如本文所用，术语处理器或处理单元是指可执行各种实施方案需要的所需计算的任何类型的处理单元，诸如单核或多核：CPU、加速处理单元(APU)、图形板、DSP、FPGA、ASIC或它们的组合。
应当指出的是，本文所述的生成或形成图像的各种实施方案可包括用于形成图像的处理，该处理在一些实施方案中包括波束形成，而在其他实施方案中不包括波束形成。例如，可在不进行波束形成的情况下形成图像，诸如通过将解调数据的矩阵乘以系数矩阵，使得乘积是图像，并且其中该过程不形成任何“波束”。另外，可使用可能源自多于一个发射事件的信道组合(例如，合成孔径技术)来执行图像的形成。
在各种实施方案中，例如，在软件、固件、硬件或它们的组合中执行超声处理以形成图像，包括超声波束形成，诸如接收波束形成。图1示出了具有根据各种实施方案形成的软件波束形成器架构的超声系统的一个具体实施。
图1是根据各种实施方案的可操作为提示数据捐赠以用于人工智能工具开发的示例性超声系统100的框图。参考图1，示出了超声系统100。超声系统100包括发射器102、超声探头104、发射波束形成器110、接收器118、接收波束形成器120、A/D转换器122、RF处理器124、RF/IQ缓冲器126、用户输入设备130、信号处理器132、图像缓冲器136、显示系统134、档案138、训练引擎170和通信接口180。
发射器102可包括可操作为合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码驱动超声探头104。超声探头104可包括二维(2D)压电元件阵列。超声探头104可包括通常构成相同元件的一组发射换能器元件106和一组接收换能器元件108。在某些实施方案中，超声探头104可操作为采集覆盖解剖结构(诸如心脏、血管或任何合适的解剖结构)的至少大部分的超声图像数据。
发射波束形成器110可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为控制发射器102，该发射器通过发射子孔径波束形成器114驱动该组发射换能器元件106以将超声发射信号发射到感兴趣的区域(例如，人、动物、地下空腔、物理结构等)中。发射的超声信号可从感兴趣对象中的结构(如血细胞或组织)反向散射，以产生回波。回波由接收换能器元件108接收。
超声探头104中的一组接收换能器元件108可操作为将所接收的回波转换为模拟信号，通过接收子孔径波束形成器116进行子孔径波束形成，然后传送到接收器118。接收器118可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为接收来自接收子孔径波束形成器116的信号。可以将模拟信号传送到多个A/D转换器122中的一个或多个。
多个A/D转换器122可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为将来自接收器118的模拟信号转换为对应的数字信号。多个A/D转换器122设置在接收器118与RF处理器124之间。尽管如此，本公开在这方面并不受限制。因此，在一些实施方案中，多个A/D转换器122可被集成在接收器118内。
RF处理器124可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为解调由多个A/D转换器122输出的数字信号。根据一个实施方案，RF处理器124可包括复解调器(未示出)，该复合解调器可操作以解调数字信号以形成代表对应回波信号的I/Q数据对。然后可将RF或I/Q信号数据传送到RF/IQ缓冲器126。RF/IQ缓冲器126可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为提供由RF处理器124生成的RF或I/Q信号数据的临时存储。
接收波束形成器120可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为执行数字波束形成处理以例如对经由RF/IQ缓冲器126从RF处理器124所接收的延迟信道信号求和并且输出波束求和信号。所得到的处理的信息可以是从接收波束形成器120输出并且传送到信号处理器132的波束求和信号。根据一些实施方案，接收器118、多个A/D转换器122、RF处理器124和波束形成器120可被集成到单个波束形成器中，该单个波束形成器可以是数字的。在各种实施方案中，超声系统100包括多个接收波束形成器120。
用户输入设备130可用于输入患者数据、扫描参数、设置、选择协议和/或模板、注释所显示的图像、对所显示的图像执行测量、选择自动化分析特征和/或工具等。在示例性实施方案中，用户输入设备130可操作为配置、管理和/或控制超声系统100中的一个或多个部件和/或模块的操作。就这一点而言，用户输入设备130可操作为配置、管理和/或控制发射器102、超声探头104、发射波束形成器110、接收器118、接收波束形成器120、RF处理器124、RF/IQ缓冲器126、用户输入设备130、信号处理器132、图像缓冲器136、显示系统134、档案138、训练引擎170和/或通信接口180的操作。用户输入设备130可包括一个或多个按钮、一个或多个旋转编码器、触摸屏、运动跟踪、语音识别、鼠标设备、键盘、相机和/或能够接收用户指令的任何其它设备。在某些实施方案中，例如，用户输入设备130中的一个或多个用户输入模块可以集成到其他部件(诸如显示系统134)中。例如，用户输入设备130可包括触摸屏显示器。
在各种实施方案中，可响应于经由用户输入模块130所接收的指令来标记和/或测量图像数据中所描绘的解剖结构。在某些实施方案中，可响应于经由用户输入模块130所接收的特征选择指令来选择自动化分析特征和/或工具。在代表性实施方案中，可响应于经由用户输入模块130所接收的数据捐赠指令来共享用户分析数据。
信号处理器132可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为处理超声扫描数据(即，求和的IQ信号)以生成用于在显示系统134上呈现的超声图像。信号处理器132可操作为根据所采集的超声扫描数据上的多个可选择超声模态来执行一个或多个处理操作。在示例性实施方案中，信号处理器132可操作以执行显示处理和/或控制处理等。随着接收到回波信号，可以在扫描会话期间实时处理采集的超声扫描数据。除此之外或另选地，超声扫描数据可在扫描会话期间暂时存储在RF/IQ缓冲器126中并且在在线操作或离线操作中以不太实时的方式处理。在各种实施方案中，处理的图像数据可呈现在显示系统134处和/或可存储在档案138处。档案138可以是本地档案、图片归档和通信系统(PACS)，或用于存储图像和相关信息的任何合适的设备。
信号处理器132可以是一个或多个中央处理单元、微处理器、微控制器等。例如，信号处理器132可为集成部件，或者可分布在各种位置上。在示例性实施方案中，信号处理器132可包括标记处理器140、自动化分析处理器150和数据共享处理器160。信号处理器132可能够从用户输入设备130和/或档案138接收输入信息、生成可由显示系统134显示的输出并且响应于来自用户输入设备130的输入信息来操纵输出等。信号处理器132(其包括标记处理器140、自动化分析处理器150和数据共享处理器160)可能够执行在本文例如根据各种实施方案所讨论的一种或多种方法和/或一个或多个指令集的任一者。
超声系统100可操作为以适于所考虑的成像情况的帧速率连续采集超声扫描数据。典型的帧速率在20-120的范围内，但可以更低或更高。所采集的超声扫描数据可以与帧速率相同、或更慢或更快的显示速率显示在显示系统134上。图像缓冲器136被包括以用于存储未被安排立即显示的所采集的超声扫描数据的处理的帧。优选地，图像缓冲器136具有足够的容量来存储至少几分钟的超声扫描数据的帧。超声扫描数据的帧以根据其采集顺序或时间易于从其取回的方式存储。图像缓冲器136可体现为任何已知的数据存储介质。
信号处理器132可包括标记处理器140，该标记处理器包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为响应于经由用户输入设备130所提供的用户指令而利用注释、测量、诊断等标记例如在显示系统134处所呈现的超声图像中的生物结构和/或人工结构。这些结构可包括人工结构，诸如针、导管等。这些结构可包括解剖结构，诸如心脏、肺、胚胎的结构或任何合适的体内结构。例如，关于心脏，用户可经由用户输入设备130向标记处理器140提供指令，以用于标记二尖瓣、主动脉瓣、心室腔、心房腔、隔膜、乳头肌、下壁和/或任何合适的心脏结构。又如，用户可经由用户输入设备130向标记处理器140提供指令，以用于执行心脏测量诸如收缩末期左心室内径(LVIDs)测量、收缩末期心室间隔(IVSs)测量、收缩末期左心室后壁(LVPWs)测量或主动脉瓣直径(AV Diam)测量等等。用户可经由用户输入设备130向标记处理器140提供指令，以用于将诊断与超声图像相关联。例如，用户可从下拉菜单中选择诊断、输入叠加在超声图像上的文本和/或指示标记处理器140从报告中检索诊断。标记处理器140可将经由用户输入设备130所提供的注释、测量、诊断等叠加在显示系统134处所呈现的超声图像上或以其他方式将注释、测量、诊断等与超声图像相关联。例如，与超声图像相关联的注释、测量和/或诊断中的每一者可与相关联的超声图像一起或与之相关地存储为元数据。在各种实施方案中，元数据可包括与超声图像中的注释、测量和/或诊断的位置相对应的一组坐标。具有该组坐标的注释、测量和/或诊断可存储在档案138和/或任何合适的存储介质处。
信号处理器132可包括自动化分析处理器150，该自动化分析处理器包括可操作为应用自动化分析特征和/或工具的合适的逻辑、电路、接口和/或代码，这些自动化分析特征和/或工具自动分析超声图像以对于超声图像中所描绘的结构进行标识、分割、注释、执行测量、提供诊断等。生物结构可包括例如神经、血管、器官、组织或任何合适的生物结构。人工结构可包括例如针、可植入设备或任何合适的人工结构。自动化分析处理器150可包括人工智能图像分析算法、一个或多个深度神经网络(例如，卷积神经网络)和/或可利用被配置为提供一个或多个自动化分析特征和/或一个或多个工具的任何合适形式的人工智能图像分析技术或机器学习处理功能。
自动化分析处理器150可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为对于超声图像中所描绘的结构进行注释、执行测量和/或提供诊断。在各种实施方案中，自动化分析处理器150可被提供为深度神经网络，该深度神经网络可由例如输入层、输出层以及输入层与输出层之间的一个或多个隐藏层构成。每个层可由可称为神经元的多个处理节点构成。例如，自动化分析处理器150可包括输入层，该输入层针对来自解剖结构的扫描平面的每个像素或一组像素具有神经元。输出层可具有对应于多个预定义的生物结构和/或人工结构的神经元。例如，如果执行基于超声的区域麻醉手术，则输出层可包括用于臂丛神经束、腋动脉、麻醉针上的斜面区等的神经元。其他超声手术可利用输出层，这些输出层包括用于神经、血管、骨、器官、针、可植入设备或任何合适的生物和/或人工结构的神经元。每个层的每个神经元可执行处理功能，并且将处理的超声图像信息传递到下游层的多个神经元中的一个神经元以用于进一步处理。例如，第一层的神经元可学习识别超声图像数据中的结构边缘。第二层的神经元可学习基于来自第一层的检测边缘识别形状。第三层的神经元可学习所识别的形状相对于超声图像数据中的标志的位置。由人工智能分割处理器140深度神经网络(例如，卷积神经网络)执行的处理可以高概率度标识超声图像数据中的生物结构和/或人工结构。
例如，自动化分析处理器150可包括输入层，该输入层具有来自生物结构和/或人工结构(诸如器官、神经、血管、组织、针、可植入设备等)的扫描计划的每个像素或一组像素的神经元。输出层可具有对应于生物结构和/或人工结构的每个结构的神经元。例如，如果对心脏成像，则输出层可包括用于二尖瓣、主动脉瓣、三尖瓣、肺动脉瓣、左心房、右心房、左心室、右心室、隔膜、乳头肌、下壁、未知物和/或其他的神经元。其他超声手术可利用输出层，这些输出层包括用于神经、血管、骨、器官、针、可植入设备或任何合适的生物和/或人工结构的神经元。每个层的每个神经元可执行处理功能，并且将处理的超声图像信息传递到下游层的多个神经元中的一个神经元以用于进一步处理。例如，第一层的神经元可学习识别超声图像数据中的结构边缘。第二层的神经元可学习基于来自第一层的检测边缘识别形状。第三层的神经元可学习所识别的形状相对于体绘制中的界标的位置。由自动化分析处理器150深度神经网络执行的处理可以高概率度标识生物结构和/或人工结构以及这些结构在超声图像中的位置。
自动化分析处理器150可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为自动注释、测量和/或诊断超声图像中所描绘的生物结构和/或人工结构。例如，自动化分析处理器150可注释、测量和/或诊断由深度神经网络的输出层所标识的经标识和分割的结构。例如，自动化分析处理器150可用于执行检测到的解剖结构的测量。例如，自动化分析处理器150可被配置为执行心脏测量，诸如收缩末期左心室内径(LVIDs)测量、收缩末期心室间隔(IVSs)测量、收缩末期左心室后壁(LVPWs)测量或主动脉瓣直径(AV Diam)测量。注释、测量和/或诊断可叠加在超声图像上并且呈现在显示系统134处和/或以其他方式与超声图像相关联。例如，与超声图像相关联的注释、测量和/或诊断中的每一者可与相关联的超声图像一起或与之相关地存储为元数据。在各种实施方案中，元数据可包括与超声图像中的注释、测量和/或诊断的位置相对应的一组坐标。具有该组坐标的注释、测量和/或诊断可存储在档案138和/或任何合适的存储介质处。
信号处理器132可包括数据共享处理器160，该数据共享处理器包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为共享由标记处理器140标记的超声图像。数据共享处理器160可被配置为提示用户和/或患者授权共享经标记的图像。例如，数据共享处理器160可在显示系统134处呈现提示，以用于接收用户和/或患者对共享匿名数据的同意。可经由通信接口180将经标记的图像上载到自动化分析特征提供者，使得经标记的图像可用于训练人工智能图像分析算法、一个或多个深度神经网络(例如，卷积神经网络)和/或任何合适形式的人工智能图像分析技术或机器学习处理功能以提供一个或多个自动化分析特征和/或一个或多个工具。在各种实施方案中，数据共享处理器160可被配置为捕获和共享关于现场授权用户的信息，使得自动化分析特征提供者可分析不同授权用户和/或不同现场位置处的扫描位置、扫描技术、图像质量、标记质量等的差异。
数据共享处理器160可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为在经由通信接口180共享数据之前匿名化数据。例如，可在共享之前从经标记的图像元数据中清除诸如名称、地址等的患者标识信息。
数据共享处理器160可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为启用未启用的自动化分析特征和/或工具。例如，数据共享处理器160可响应于共享指定量的数据而启用特定工具或工具系列。在各种实施方案中，可向自动化分析特征和/或工具提供分层访问级别，例如，当共享指定级别的数据时，用户获得对特征系列的访问。在示例性实施方案中，数据共享处理器160可被配置为提供用于购买或以其他方式获取未启用的自动化分析特征和/或工具的积分。例如，用户可响应于捐赠的数据来接收积分，其中可在可经由通信接口180访问的应用商店中兑换积分。例如，在显示系统134处提供的用户界面可包括用于访问应用商店的链接、选项卡等。应用商店可提供可购买和/或可许可的自动化分析特征和/或工具。在各种实施方案中，应用商店可提供排行榜，该排行榜以共享的数据量的顺序列出用户以鼓励数据捐赠。除此之外和/或另选地，可在显示系统134处提供的用户界面内呈现数据捐赠排行榜。
仍然参考图1，训练引擎170可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为训练自动化分析处理器150的一个或多个深度神经网络的神经元。例如，训练引擎170可使用由标记模块140标记的超声图像的一个或多个数据库来训练自动化分析处理器150的深度神经网络。在各种实施方案中，可由训练引擎170利用具有相关联的结构坐标的超声图像的多个不同视角来训练自动化分析处理器150深度神经网络，以相对于特定结构的特性来训练自动化分析处理器150，诸如结构边缘的外观、基于边缘的结构形状的外观、形状在超声图像数据中的位置等。在某些实施方案中，器官可为心脏并且结构信息可包括关于二尖瓣、主动脉瓣、心包膜、后壁、间隔壁、心室间隔、右心室、左心室、右心房、左心房等的边缘、形状、位置和定时信息(例如，舒张末期、收缩末期等)的信息。在某些实施方案中，训练引擎170和/或训练图像数据库可以是经由通信接口180通信地耦接到超声系统100的一个或多个外部系统。例如，训练引擎170和/或训练数据库可由自动化分析特征提供者提供。又如，自动化分析特征提供者可向自动化分析处理器150提供经训练的人工智能图像分析算法、一个或多个深度神经网络(例如，卷积神经网络)和/或任何合适形式的人工智能图像分析技术或机器学习处理功能以提供一个或多个自动化分析特征和/或一个或多个工具。
显示系统134可以是能够将视觉信息传送给用户的任何设备。例如，显示系统134可包括液晶显示器、发光二极管显示器、和/或任何合适的一种或多种显示器。显示系统134可操作为显示来自信号处理器132和/或档案138的信息，诸如医学图像、标记工具、自动化分析工具或任何合适的信息。
档案138可以是与超声系统100集成和/或可通信地耦接(例如，通过网络)到超声系统100的一个或多个计算机可读存储器，诸如图像归档和通信系统(PACS)、服务器、硬盘、软盘、CD、CD-ROM、DVD、紧凑存储器、闪存存储器、随机存取存储器、只读存储器、可电擦除和可编程只读存储器，和/或任何合适的存储器。档案138可包括例如由信号处理器132访问和/或结合到信号处理器132的数据库、库、信息集或其他存储器。例如，档案138能够暂时或永久地存储数据。档案138可能能够存储医学图像数据、由信号处理器132生成的数据和/或信号处理器132可读取的指令等。在各种实施方案中，档案138存储超声图像、经标记的超声图像、由自动化分析处理器150处理的超声图像、参数和设置、和/或用于执行标记、自动化分析、数据共享和/或训练机器学习算法的指令等。
例如，通信接口180可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为允许超声系统100与其他外部系统之间的通信。例如，通信接口180可提供有线和/或无线连接。无线连接可包括例如短程、远程、Wi-Fi、蜂窝、个人通信系统(PCS)、蓝牙、近场通信(NFC)、射频识别(RFID)或任何合适的无线连接的任何组合。超声系统100可例如经由有线或无线数据通信链路的任何合适的组合单独地或与现场的其他超声系统和/或医疗工作站成组地连接到诸如互联网的网络。在各种实施方案中，由用户经由标记处理器140标记的所选择的超声图像可由数据共享处理器160经由通信接口180与自动化特征分析提供者共享。
超声系统100的部件可在软件、硬件、固件等中实现。超声系统100的各种部件可以通信地连接。超声系统100的部件可单独实现和/或以各种形式集成。例如，显示系统134和用户输入设备130可集成为触摸屏显示器。
图2是根据各种实施方案的可操作为提示数据捐赠以用于人工智能工具开发的示例性医疗工作站200的框图。在各种实施方案中，医疗工作站200的部件可与超声系统100(如图1所示和如上所述)的部件共享各种特性。参考图2，医疗工作站200包括显示系统134、信号处理器132、档案138、用户输入模块130、训练引擎170和通信接口180。医疗工作站200的部件可在软件、硬件、固件等中实现。医疗工作站200的各种部件可以通信地链接。医疗工作站200的部件可单独实现和/或以各种形式集成。例如，显示系统134和用户输入模块130可集成为触摸屏显示器。
显示系统134可以是能够将视觉信息传送给用户的任何设备。如上文结合图1所讨论，显示系统134可操作为显示来自信号处理器132和/或档案138的信息，诸如医学图像、标记工具、自动化分析工具或任何合适的信息。
信号处理器132可以是一个或多个中央处理单元、微处理器、微控制器等。例如，信号处理器132可为集成部件，或者可分布在各种位置上。信号处理器132包括标记处理器140、自动化分析处理器150和数据共享处理器160，如上文参考图1所述，并且可能够从用户输入模块130和/或档案138接收输入信息、生成可由显示系统134显示的输出并且响应于来自用户输入模块130的输入信息来操纵输出等。例如，信号处理器132、标记处理器140、自动化分析处理器150和/或数据捐赠处理器160可能够执行在本文根据各种实施方案所讨论的一种或多种方法和/或一个或多个指令集的任一者。
档案138可以是与医疗工作站200集成和/或可通信地耦接(例如，通过网络)到医疗工作站200的一个或多个计算机可读存储器，诸如图像归档和通信系统(PACS)、服务器、硬盘、软盘、CD、CD-ROM、DVD、紧凑存储器、闪存存储器、随机存取存储器、只读存储器、可电擦除和可编程只读存储器，和/或任何合适的存储器。如上文相对于图1所述，档案138可被配置为存储超声图像、经标记的超声图像、由自动化分析处理器150处理的超声图像、参数和设置和/或用于执行标记、自动化分析、数据共享和/或训练机器学习算法的指令等。
例如，用户输入模块130可包括能够从用户和/或在用户的指示下将信息传送给医疗工作站200的信号处理器132的任一个或多个设备。如上文相对于图1所讨论的，用户输入模块130可包括触摸面板、一个或多个按钮、鼠标设备、键盘、旋转编码器、轨迹球、相机、语音识别和/或能够接收用户指令的任何其他设备。
训练引擎170可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为训练自动化分析处理器150的一个或多个深度神经网络的神经元。除此之外和/或另选地，自动化分析特征提供者可向自动化分析处理器150提供经训练的人工智能图像分析算法、一个或多个深度神经网络(例如，卷积神经网络)和/或任何合适形式的人工智能图像分析技术或机器学习处理功能，以提供一个或多个自动化分析特征和/或一个或多个工具。
通信接口180可包括合适的逻辑部件、电路、接口和/或代码，该逻辑部件、电路、接口和/或代码可操作为允许超声系统100与其他外部系统之间的通信。如上文相对于图1所述，通信接口180可提供例如有线连接和/或无线连接。在某些实施方案中，由用户经由标记处理器140标记的授权超声图像可由数据共享处理器160经由通信接口180与自动化特征分析提供者共享。
图3是可在其中实践代表性实施方案的示例性系统300的框图。如图3所示，系统300包括一个或多个服务器310。一个或多个服务器310可包括例如一个或多个web服务器、一个或多个数据库服务器、一个或多个应用服务器等。一个或多个服务器310可以是互连的，并且可例如经由有线或无线数据通信链路的任何合适的组合单独地或成组地连接到诸如互联网的网络320。图3还包括外部系统330。外部系统330可以是互连的，并且可经由有线或无线数据通信链路的任何合适的组合单独地或成组地连接到诸如互联网的网络320。一个或多个服务器310和/或外部系统330可包括信号处理器132和/或档案138，如上所述。图3包括如上文参考图1和图2所述的一个或多个超声系统100和/或医疗工作站200。超声系统100和/或医疗工作站200可通过有线或无线数据通信链路的任何合适的组合连接到网络320。
在各种实施方案中，一个或多个服务器310可操作为自动注释、测量和/或诊断超声图像中所描绘的生物结构和/或人工结构和/或匿名化并且共享授权数据。例如，自动化分析处理器150和/或数据共享处理器160中的一者或多者的功能可由一个或多个服务器310在后台或在用户的指示下经由超声系统100和/或医疗工作站200中的一者或两者来执行。由一个或多个服务器310处理和存储的超声图像数据可由超声系统100和/或医疗工作站200经由一个或多个网络320访问。
在某些实施方案中，外部系统330可以是自动化分析特征提供者，其可操作为向自动化分析处理器150提供经训练的人工智能图像分析算法、一个或多个深度神经网络(例如，卷积神经网络)和/或任何合适形式的人工智能图像分析技术或机器学习处理功能，以提供一个或多个自动化分析特征和/或一个或多个工具。例如，上文相对于图1和图2所述的训练引擎170的功能可由外部系统330执行并且可被提供给超声系统100和/或医疗工作站200中的一者或两者。由外部系统330生成和存储的一个或多个自动化分析特征和/或一个或多个工具可由超声系统100和/或医疗工作站200经由一个或多个网络320访问。
图4是根据各种实施方案的示例性超声图像402和用于分析超声图像的工具412、414的显示400。参考图4，显示400包括超声图像402、具有自动化分析特征412、414的自动化分析特征类别410以及用户界面选项卡420。超声图像402可叠加有注释、测量404、诊断等和/或以其他方式与注释、测量404、诊断相关联。例如，图4所示的超声图像402包括舒张末期心室间隔(IVSd)的测量404。可使用标记工具手动地提供和/或使用自动化分析特征412、414自动地提供注释、测量、诊断等。在各种实施方案中，自动化分析特征412、414可被分组和/或以其他方式组织在类别410和/或子类别中。例如，可针对不同的测量类型以及针对不同的应用提供自动化分析特征412、414。例如，心脏应用可包括通用测量、维度测量410、面积测量、体积测量、质量测量等的类别。这些类别中的每个可包括针对该类别的特定测量。例如，维度测量类别410可包括舒张末期左心室内径(LVIDd)测量、舒张末期心室间隔(IVSd)测量412和舒张末期左心室后壁(LVPWd)测量等。在代表性实施方案中，自动化分析特征412中的一者或多者可以是未启用的416和/或自动化分析特征414中的一者或多者可以是启用的418。自动化分析特征412、414的显示400可包括例如标记、阴影416、高亮418和/或用于指定特征412、414是未启用的416还是启用的418的任何合适的标识符。用户界面选项卡420可允许用户将用户界面导航至期望的功能。在各种实施方案中，用户界面选项卡420可包括用于访问图像分析功能的选项卡、用于访问应用商店以购买对自动化分析特征412、414的访问的选项卡和/或任何合适的选项卡功能。
图5是根据各种实施方案的示例性超声图像402、用于分析超声图像412、414的工具以及对于捐赠数据430的提示的显示400。图5的显示400中所提供的特征可与图4的显示400中所提供的特征共享各种特性，如上所述。参考图5，显示400包括超声图像402、具有自动化分析特征412、414的自动化分析特征类别410、用户界面选项卡420和数据捐赠提示430。在各种实施方案中，可在用户选择未启用416的自动化分析特征412时呈现数据捐赠提示430。例如，参考图5，如果用户选择舒张末期心室间隔(IVSd)测量412(其如变灰的“自动”框416所示是未启用的)，则可呈现提示430以允许用户共享可用于开发人工智能工具(诸如自动化分析特征412、414)的匿名标记数据。在各种实施方案中，如果满足一个或多个条件，则可启用未启用的自动化分析特征412。例如，用于启用一个或多个自动化分析特征412、414的条件可包括同意捐赠数据、捐赠预定量的数据等。在各种实施方案中，可基于捐赠的数据量来授予用户积分，以用于诸如经由应用商店来启用一个或多个自动化分析特征412、414。
图6是根据各种实施方案的示出可用于提示数据捐赠以用于人工智能工具开发的示例性步骤502-518的流程图500。参考图6，示出了包括示例性步骤502至518的流程图500。某些实施方案可省略一个或多个步骤，和/或以与所列顺序不同的顺序执行步骤，和/或组合下文讨论的某些步骤。例如，在某些实施方案中可能不执行一些步骤。又如，某些步骤可能以与下面所列时间顺序不同的时间顺序执行，包括同时执行。
在步骤502处，超声系统100或医疗工作站200呈现超声图像402。例如，超声系统100可利用定位在感兴趣的区域上的扫描位置处的超声探头104来采集超声图像402并且可在显示系统134处呈现超声图像402。又如，超声系统100或医疗工作站200可从档案138或任何合适的数据存储介质检索超声图像402并且在显示系统134处呈现图像402。
在步骤504处，超声系统100或医疗工作站200呈现一个或多个自动化分析特征412、414。例如，信号处理器132的自动化分析处理器150可被配置为向自动化分析特征412、414呈现在步骤502处所呈现的超声图像402。在各种实施方案中，自动化分析特征412、414可包括用于对超声图像402进行自动注释、测量和/或提供诊断的工具。在某些实施方案中，自动化分析特征412、414可包括启用的工具414和/或未启用的工具412。例如，可向自动化分析特征412、414呈现标识符416、418，该标识符指定工具是启用的还是未启用的。
在步骤506处，超声系统100或医疗工作站200的信号处理器132可接收对未启用的自动化分析特征412的选择。例如，信号处理器132的自动化分析处理器150和/或数据共享处理器160可经由用户输入设备130接收对未启用的自动化分析特征412的用户选择。
在步骤508处，超声系统100或医疗工作站200的信号处理器132可呈现共享用户分析数据的选项430。例如，信号处理器132的数据共享处理器160可被配置为在显示系统134的显示400处呈现提示430。提示430可提供用于授权数据共享的选项或到该选项的链接。提示430可请求用户和/或患者同意共享分析数据。分析数据可包括关于现场用户的手动标记的图像和信息。例如，分析数据可包括具有注释、测量和/或诊断的匿名图像。又如，分析数据可包括关于执行分析的医务人员的信息。
在步骤510处，超声系统100或医疗工作站200的信号处理器132接收共享分析数据的用户指令或不共享分析数据的用户指令。例如，信号处理器132的数据共享处理器160可接收不共享分析数据的指令，并且过程500随后在步骤512处结束。又如，信号处理器132的数据共享处理器160可接收授权捐赠分析数据的指令，并且该方法前进至步骤514。
在步骤514处，超声系统100或医疗工作站200的信号处理器132将用户分析数据上载到自动化分析特征提供者。例如，信号处理器132的数据共享处理器160选择用户和/或患者已授权共享的分析数据、匿名化分析数据以移除个人患者标识信息并且经由通信接口180将匿名化分析数据传输到自动化分析特征提供者。用户分析数据可包括具有由医务人员用户提供的注释、测量和/或诊断的超声图像。在各种实施方案中，用户分析数据可包括关于执行所捐赠的分析的医务人员的信息。自动化分析特征提供者可使用共享的分析数据来开发人工智能工具412、414。
在步骤516处，当满足条件时，超声系统100或医疗工作站200的信号处理器132提供对未启用的自动化分析特征412的访问。例如，当满足条件时，信号处理器132的数据共享处理器160可启用所选择的未启用的自动化分析特征412。该条件可包括共享用户分析数据的授权、共享的指定量的用户分析数据和/或任何合适的条件中的一者或多者。在各种实施方案中，数据共享处理器160可提供分层访问级别，其中当共享指定级别的数据时，用户可获得对特征系列的访问。在某些实施方案中，数据共享处理器160可提供与共享的用户分析数据的量相对应的积分。积分可用于购买对一个或多个未启用的自动化分析特征412的访问。例如，可在用户界面显示400处和/或经由应用商店应用积分。应用商店可被提供作为用户界面显示400的一部分和/或可通过用户界面显示400来链接等。当数据共享处理器160启用所选择的自动化分析特征时，过程500在步骤518结束。
本公开的各方面提供了用于提示数据捐赠以用于人工智能工具开发的方法500和系统100、200、300。根据各种实施方案，方法500可包括由系统100、200、300在系统100、200、300的显示系统134处呈现502、504超声图像402和至少一个自动化分析特征412、414。至少一个自动化分析特征412、414包括一个或多个未启用的自动化分析特征412。方法500可包括由系统100、200、300的至少一个处理器134、150、160接收506对一个或多个未启用的自动化分析特征412中的至少一个自动化分析特征的用户选择。方法500可包括由至少一个处理器132、150、160在显示系统134处呈现508提示430，该提示提供共享用户分析数据的用户选项。方法500可包括由至少一个处理器132、150、160接收510选择共享用户分析数据的用户选择。方法500可包括当满足至少一个条件时，由至少一个处理器132、150、160提供对一个或多个未启用的自动化分析特征412中的至少一个自动化分析特征的访问516。
在代表性实施方案中，系统100、200、300可以是医疗工作站200或超声系统100。在示例性实施方案中，至少一个条件可包括选择共享用户分析数据的用户选择以及共享指定量的用户分析数据中的一者或两者。在各种实施方案中，用户分析数据可包括用至少一个注释、至少一个测量404和/或至少一个诊断来标记的超声图像402。在某些实施方案中，用户分析数据还可包括关于系统用户的信息。在一个代表性实施方案中，方法500可包括响应于接收到选择共享用户分析数据的用户选择510，由至少一个处理器132、140、160匿名化用户分析数据并且由至少一个处理器132、140、160共享514用户分析数据。在示例性实施方案中，方法500可包括由至少一个处理器132、150、160呈现508患者提示430，该患者提示请求患者同意共享用户分析数据。在某些实施方案中，一个或多个未启用的自动化分析特征412中的至少一个自动化分析特征可以是未启用的自动化分析特征系列，并且当共享指定级别的数据时，由至少一个处理器132、150、160提供对未启用的自动化分析特征412系列的访问。
各种实施方案提供了用于提示数据捐赠以用于人工智能工具开发的系统100、200、300。系统100、200、300可包括显示系统134和至少一个处理器132、140、150、160。显示系统134可被配置为呈现超声图像402和至少一个自动化分析特征412、414。至少一个自动化分析特征412、414可包括一个或多个未启用的自动化分析特征412。至少一个处理器132、150、160可被配置为接收对一个或多个未启用的自动化分析特征412中的至少一个自动化分析特征的用户选择。至少一个处理器132、150、160可被配置为在显示系统134处呈现提示430，该提示提供共享用户分析数据的用户选项。至少一个处理器132、150、160可被配置为接收选择共享用户分析数据的用户选择。至少一个处理器132、150、160可被配置为当满足至少一个条件时提供对一个或多个未启用的自动化分析特征412中的至少一个自动化分析特征的访问。
在示例性实施方案中，系统100、200、300可以是医疗工作站200或超声系统100。在各种实施方案中，至少一个条件可包括选择共享用户分析数据的用户选择以及共享指定量的用户分析数据中的一者或两者。在某些实施方案中，用户分析数据可包括用至少一个注释、至少一个测量404和/或关于系统100、200、300的用户的至少一个诊断和信息来标记的超声图像402。在代表性实施方案中，响应于接收到选择共享用户分析数据的用户选择，至少一个处理器132、140、160可被配置为匿名化用户分析数据并且共享用户分析数据。在示例性实施方案中，至少一个处理器132、150、160可被配置为呈现患者提示430，该患者提示请求患者同意共享用户分析数据。在各种实施方案中，一个或多个未启用的自动化分析特征412中的至少一个自动化分析特征是未启用的自动化分析特征系列，并且至少一个处理器132、150、160被配置为在共享指定级别的数据时提供对未启用的自动化分析特征412系列的访问。
某些实施方案提供一种非暂态计算机可读介质，该非暂态计算机可读介质上存储有计算机程序，该计算机程序具有至少一个代码段。该至少一个代码段可由机器执行以使该机器执行步骤500。步骤500可包括在显示系统134处呈现502、504超声图像402和至少一个自动化分析特征412、414。至少一个自动化分析特征412、414可包括一个或多个未启用的自动化分析特征412。步骤500可包括接收506对一个或多个未启用的自动化分析特征412中的至少一个自动化分析特征的用户选择。步骤500可包括在显示系统134处呈现508提示430，该提示提供用户选项以共享用户分析数据。步骤500可包括接收510选择共享用户分析数据的用户选择。步骤500可包括当满足至少一个条件时提供516对一个或多个未启用的自动化分析特征412中的至少一个自动化分析特征的访问。
在各种实施方案中，至少一个条件可包括选择共享用户分析数据的用户选择以及共享指定量的用户分析数据中的一者或两者。在某些实施方案中，用户分析数据可包括用至少一个注释、至少一个测量404和/或关于系统100、200、300的用户的至少一个诊断和信息来标记的超声图像402。在代表性实施方案中，步骤500可包括响应于接收到选择共享用户分析数据的用户选择510，匿名化514用户分析数据并且共享514用户分析数据。在示例性实施方案中，一个或多个未启用的自动化分析特征412中的至少一个自动化分析特征可以是未启用的自动化分析特征系列，并且当共享指定级别的数据时，提供对未启用的自动化分析特征412系列的访问。
如本文所用，术语“电路”是指物理电子部件(即，硬件)以及可配置硬件、可由硬件执行和/或可以其他方式与硬件相关联的任何软件和/或固件(“代码”)。例如，如本文所用，当执行一条或多条第一代码时，特定处理器和存储器可包括第一“电路”，并且在执行一条或多条第二代码时，特定处理器和存储器可包括第二“电路”。如本文所用，“和/或”表示列表中的由“和/或”连结的项中的任一个或多个项。作为一个示例，“x和/或y”表示三元素集{(x),(y),(x,y)}中的任何元素。作为另一个示例，“x、y和/或z”表示七元素集{(x),(y),(z),(x,y),(x,z),(y,z),(x,y,z)}中的任何元素。如本文所用，术语“示例性”表示用作非限制性示例、实例或例证。如本文所用，术语“例如(e.g.)”和“例如(for example)”引出一个或多个非限制性示例、实例或例证的列表。如本文所用，电路“可操作为”和/或“被配置为”每当该电路包括执行功能的必需硬件和代码(如果需要的话)时就执行该功能，不管是否通过某些用户可配置的设置禁用或不启用该功能的执行。
其他实施方案可提供计算机可读设备和/或非暂态计算机可读介质，和/或机器可读设备和/或非暂态机器可读介质，该计算机可读设备和/或非暂态计算机可读介质和/或该机器可读设备和/或非暂态机器可读介质上存储有机器代码和/或具有可由机器和/或计算机执行的至少一个代码段的计算机程序，从而使机器和/或计算机执行如本文所述的用于提示数据捐赠以用于智能工具开发的步骤。
因此，本公开可在硬件、软件或硬件和软件的组合中实现。本公开可能以集中方式在至少一个计算机系统中实现，或以分布式方式实现，其中不同的元件分布在若干互连的计算机系统上。适于执行本文所述的方法的任何种类的计算机系统或其他设备都是合适的。
各种实施方案也可嵌入计算机程序产品中，该计算机程序产品包括能够实现本文所述的方法的所有特征，并且当加载到计算机系统中时能够执行这些方法。本文中的计算机程序是指以任何语言、代码或符号表示的一组指令的任何表达，这些指令旨在使具有信息处理能力的系统直接执行特定功能或在以下两项或其中一项之后执行特定功能：a)转换为另一种语言、代码或符号；b)以不同的物质形式进行复制。
虽然已经参考某些实施方案来描述了本公开，但是本领域的技术人员应当理解，在不脱离本公开的范围的情况下，可以进行各种改变并可以替换等同物。另外，在不脱离本公开的范围的情况下，可以进行许多修改以使特定情况或材料适应于本公开的教导。因此，本公开不旨在限于所公开的特定实施方案，而是本公开将包括落入所附权利要求书的范围内的所有实施方案。

Claims (20)

1.一种方法，包括：
由系统在所述系统的显示系统处呈现超声图像和至少一个自动化分析特征，其中所述至少一个自动化分析特征包括一个或多个未启用的自动化分析特征；
由所述系统的至少一个处理器接收对所述一个或多个未启用的自动化分析特征中的至少一个自动化分析特征的用户选择；
由所述至少一个处理器在所述显示系统处呈现提示，所述提示提供共享用户分析数据的用户选项；
由所述至少一个处理器接收选择共享所述用户分析数据的用户选择；以及
当满足至少一个条件时，由所述至少一个处理器提供对所述一个或多个未启用的自动化分析特征中的所述至少一个自动化分析特征的访问。
2.根据权利要求1所述的方法，其中所述系统为医疗工作站或超声系统。
3.根据权利要求1所述的方法，其中所述至少一个条件包括以下一者或两者：
选择共享所述用户分析数据的所述用户选择，以及
共享指定量的所述用户分析数据。
4.根据权利要求1所述的方法，其中所述用户分析数据包括用至少一个注释、至少一个测量和/或至少一个诊断来标记的超声图像。
5.根据权利要求4所述的方法，其中所述用户分析数据还包括关于所述系统的用户的信息。
6.根据权利要求1所述的方法，包括：
响应于接收到选择共享所述用户分析数据的所述用户选择：
由所述至少一个处理器匿名化所述用户分析数据；以及
由所述至少一个处理器共享所述用户分析数据。
7.根据权利要求1所述的方法，包括由所述至少一个处理器呈现患者提示，所述患者提示请求患者同意共享所述用户分析数据。
8.根据权利要求1所述的方法，其中：
所述一个或多个未启用的自动化分析特征中的所述至少一个自动化分析特征是未启用的自动化分析特征系列；以及
当共享指定级别的数据时，由所述至少一个处理器提供对所述未启用的自动化分析特征系列的访问。
9.一种系统，包括：
显示系统，所述显示系统被配置为呈现超声图像和至少一个自动化分析特征，其中所述至少一个自动化分析特征包括一个或多个未启用的自动化分析特征；
至少一个处理器，所述至少一个处理器被配置为：
接收对所述一个或多个未启用的自动化分析特征中的至少一个自动化分析特征的用户选择；
在所述显示系统处呈现提示，所述提示提供共享用户分析数据的用户选项；
接收选择共享所述用户分析数据的用户选择；以及
当满足至少一个条件时，提供对所述一个或多个未启用的自动化分析特征中的所述至少一个自动化分析特征的访问。
10.根据权利要求9所述的系统，其中所述系统为医疗工作站或超声系统。
11.根据权利要求9所述的系统，其中所述至少一个条件包括以下一者或两者：
选择共享所述用户分析数据的所述用户选择，以及
共享指定量的所述用户分析数据。
12.根据权利要求9所述的方法，其中所述用户分析数据包括：
用至少一个注释、至少一个测量和/或至少一个诊断来标记的超声图像；以及
关于所述系统的用户的信息。
13.根据权利要求9所述的系统，其中响应于接收到选择共享所述用户分析数据的所述用户选择，所述至少一个处理器被配置为：
匿名化所述用户分析数据；以及
共享所述用户分析数据。
14.根据权利要求9所述的系统，其中所述至少一个处理器被配置为呈现患者提示，所述患者提示请求患者同意共享所述用户分析数据。
15.根据权利要求9所述的系统，其中：
所述一个或多个未启用的自动化分析特征中的所述至少一个自动化分析特征是未启用的自动化分析特征系列；以及
所述至少一个处理器被配置为在共享指定级别的数据时提供对所述未启用的自动化分析特征系列的访问。
16.一种非暂态计算机可读介质，所述非暂态计算机可读介质上存储有计算机程序，所述计算机程序具有至少一个代码段，所述至少一个代码段能够由机器执行以使得所述机器执行包括下列的步骤：
在显示系统处呈现超声图像和至少一个自动化分析特征，其中所述至少一个自动化分析特征包括一个或多个未启用的自动化分析特征；
接收对所述一个或多个未启用的自动化分析特征中的至少一个自动化分析特征的用户选择；
在所述显示系统处呈现提示，所述提示提供共享用户分析数据的用户选项；
接收选择共享所述用户分析数据的用户选择；以及
当满足至少一个条件时，提供对所述一个或多个未启用的自动化分析特征中的所述至少一个自动化分析特征的访问。
17.根据权利要求16所述的非暂态计算机可读介质，其中所述至少一个条件包括以下一者或两者：
选择共享所述用户分析数据的所述用户选择，以及
共享指定量的所述用户分析数据。
18.根据权利要求16所述的非暂态计算机可读介质，其中所述用户分析数据包括：
用至少一个注释、至少一个测量和/或至少一个诊断来标记的超声图像；以及
关于系统的用户的信息。
19.根据权利要求16所述的非暂态计算机可读介质，所述非暂态计算机可读介质包括：
响应于接收到选择共享所述用户分析数据的所述用户选择：
匿名化所述用户分析数据；以及
共享所述用户分析数据。
20.根据权利要求16所述的非暂态计算机可读介质，其中：
所述一个或多个未启用的自动化分析特征中的所述至少一个自动化分析特征是未启用的自动化分析特征系列；以及
当共享指定级别的数据时，提供对所述未启用的自动化分析特征系列的访问。
CN202010711817.5A 2019-09-03 2020-07-22 用于提示数据捐赠以用于人工智能工具开发的方法和系统 Pending CN112447276A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/559,269 US20210065882A1 (en) 2019-09-03 2019-09-03 Method and system for prompting data donation for artificial intelligence tool development
US16/559,269 2019-09-03

Publications (1)

Publication Number Publication Date
CN112447276A true CN112447276A (zh) 2021-03-05

Family

ID=74681903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010711817.5A Pending CN112447276A (zh) 2019-09-03 2020-07-22 用于提示数据捐赠以用于人工智能工具开发的方法和系统

Country Status (2)

Country Link
US (1) US20210065882A1 (zh)
CN (1) CN112447276A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11727140B2 (en) * 2020-05-14 2023-08-15 Microsoft Technology Licensing, Llc Secured use of private user data by third party data consumers
US11455420B2 (en) 2020-05-14 2022-09-27 Microsoft Technology Licensing, Llc Providing transparency and user control over use of browsing data

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150005630A1 (en) * 2013-07-01 2015-01-01 Samsung Electronics Co., Ltd. Method of sharing information in ultrasound imaging
US20150334511A1 (en) * 2014-05-19 2015-11-19 Lenovo (Singapore) Pte. Ltd. Providing access to and enabling functionality of first device based on communication with second device
US9402601B1 (en) * 1999-06-22 2016-08-02 Teratech Corporation Methods for controlling an ultrasound imaging procedure and providing ultrasound images to an external non-ultrasound application via a network
US9836730B1 (en) * 2013-03-14 2017-12-05 Corel Corporation Software product piracy monetization process

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9402601B1 (en) * 1999-06-22 2016-08-02 Teratech Corporation Methods for controlling an ultrasound imaging procedure and providing ultrasound images to an external non-ultrasound application via a network
US9836730B1 (en) * 2013-03-14 2017-12-05 Corel Corporation Software product piracy monetization process
US20150005630A1 (en) * 2013-07-01 2015-01-01 Samsung Electronics Co., Ltd. Method of sharing information in ultrasound imaging
US20150334511A1 (en) * 2014-05-19 2015-11-19 Lenovo (Singapore) Pte. Ltd. Providing access to and enabling functionality of first device based on communication with second device

Also Published As

Publication number Publication date
US20210065882A1 (en) 2021-03-04

Similar Documents

Publication Publication Date Title
US20190392944A1 (en) Method and workstations for a diagnostic support system
JP6640922B2 (ja) 超音波診断装置及び画像処理装置
CN106605257B (zh) 医学成像中具有空间和时间约束的界标检测
CN109758178A (zh) 超声成像中的机器辅助工作流
US11564663B2 (en) Ultrasound imaging apparatus and control method thereof
CN110956076B (zh) 基于容积渲染在三维超声数据中进行结构识别的方法和系统
US11931201B2 (en) Device and method for obtaining anatomical measurements from an ultrasound image
JP5611546B2 (ja) 自動診断支援装置、超音波診断装置及び自動診断支援プログラム
CN111971688A (zh) 具有用于检索复发患者的成像参数设置的人工神经网络的超声系统
US10952705B2 (en) Method and system for creating and utilizing a patient-specific organ model from ultrasound image data
CN114795276A (zh) 用于从超声图像自动估计肝肾指数的方法和系统
US11250564B2 (en) Methods and systems for automatic measurement of strains and strain-ratio calculation for sonoelastography
CN112447276A (zh) 用于提示数据捐赠以用于人工智能工具开发的方法和系统
CN113116387A (zh) 用于通过一系列超声图像采集提供指导工作流的方法和系统
US20210052255A1 (en) Ultrasound guidance dynamic mode switching
CN115334975A (zh) 用于对心外膜脂肪组织进行成像和测量的系统和方法
CN113194837A (zh) 用于帧索引和图像复查的系统和方法
CN115969414A (zh) 用于在超声成像期间使用分析辅助的方法和系统
US11903898B2 (en) Ultrasound imaging with real-time visual feedback for cardiopulmonary resuscitation (CPR) compressions
CN113012057A (zh) 对超声扫描仪中ai网络的连续训练
US11382595B2 (en) Methods and systems for automated heart rate measurement for ultrasound motion modes
US20230329674A1 (en) Ultrasound imaging
US20220211340A1 (en) Ultrasonic imaging apparatus and display method therefor
US20210204908A1 (en) Method and system for assisted ultrasound scan plane identification based on m-mode analysis
CN115024748A (zh) 用于自动检测超声图像视图和焦点以提供测量适用性反馈的方法和系统

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