CN112494072A - 定量医学诊断超声的肌肉收缩状态触发 - Google Patents
定量医学诊断超声的肌肉收缩状态触发 Download PDFInfo
- Publication number
- CN112494072A CN112494072A CN202010973022.1A CN202010973022A CN112494072A CN 112494072 A CN112494072 A CN 112494072A CN 202010973022 A CN202010973022 A CN 202010973022A CN 112494072 A CN112494072 A CN 112494072A
- Authority
- CN
- China
- Prior art keywords
- ultrasound
- image
- triggering
- imaging
- quantitative
- 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
- 238000002604 ultrasonography Methods 0.000 title claims abstract description 54
- 230000004118 muscle contraction Effects 0.000 title claims description 16
- 210000001519 tissue Anatomy 0.000 claims abstract description 50
- 210000003205 muscle Anatomy 0.000 claims abstract description 47
- 230000008602 contraction Effects 0.000 claims abstract description 46
- 238000012285 ultrasound imaging Methods 0.000 claims abstract description 30
- 238000003384 imaging method Methods 0.000 claims abstract description 27
- 230000001960 triggered effect Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 claims description 8
- 238000002592 echocardiography Methods 0.000 claims description 5
- 230000015654 memory Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000001934 delay Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 208000029578 Muscle disease Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036640 muscle relaxation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 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
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
- A61B8/145—Echo-tomography characterised by scanning multiple planes
-
- 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
-
- 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
- A61B8/48—Diagnostic techniques
- A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
-
- 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
-
- 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
- A61B8/54—Control of the diagnostic device
- A61B8/543—Control of the diagnostic device involving acquisition triggered by a physiological signal
-
- 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
- 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
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
对于利用医学诊断超声扫描仪(20)的定量超声成像，扫描(10)肌肉组织以便确定(12)收缩状态。一旦识别到期望状态，则触发QUS成像(14)以在肌肉处于期望状态的同时量化或测量组织性质。在已知收缩状态下的组织性质的值可能在诊断上更有用或更有信息性。跨时间和/或位置的组织性质的比较(16)可以更准确地反映由于触发(14)引起的诊断信息。
Description
背景技术
本实施例涉及医学诊断超声。特别地，超声用于提供定量超声(QUS)成像。在QUS成像中，超声信息被进一步处理以量化被成像的组织的生物标志或特性。不是仅仅提供组织的B模式图像，而是对该组织的特性进行成像。例如，使用超声成像计算组织中的剪切波速度。其它示例包括应变、衰减或反向散射测量。
QUS成像使得能够实现评估和比较在不同条件下的组织特性。一个示例包括在肌肉收缩和放松的循环期间的剪切波速度或反向散射变化。另一个示例包括对肌肉或不同组织之间测量的弹性、脂肪分数、剪切波粘度、模量或反向散射系数。对于对肌肉进行成像，量化中的不一致性是由于测量和/或比较来自肌肉的未知收缩状态的量而产生的。
发明内容
作为介绍，下面描述的优选实施例包括用于利用医学诊断超声扫描仪进行定量超声成像的方法、系统、计算机可读介质和指令。扫描肌肉组织以便确定收缩的状态。一旦识别了期望的状态，则在肌肉处于期望的状态的同时触发QUS成像以量化或测量组织性质。在已知收缩状态下的组织性质的值可能在诊断上更有用或更有信息性。跨时间和/或位置的组织性质的比较可以更准确地反映由于触发引起的诊断信息。
在第一方面，提供了一种用于利用医学诊断超声扫描仪进行定量超声成像的方法。该医学诊断超声扫描仪用超声扫描患者的肌肉组织。图像处理器利用来自扫描的超声数据检测肌肉组织的收缩状态。图像处理器触发由医学诊断超声扫描仪进行的定量超声成像。响应于检测到收缩状态而触发定量超声成像。显示来自触发的定量超声成像的定量超声图像。
在第二方面，一种非暂时性计算机可读存储介质在其中存储有表示可由编程处理器执行以用于定量超声成像的指令的数据。该存储介质包括指令，用于：响应于检测到肌肉收缩状态而触发所述定量超声成像；将来自触发的定量超声成像的第一量与第二量进行比较；以及生成示出比较的图像。
在第三方面，提供了一种用于触发定量超声成像的系统。发射波束形成器被配置为在患者体内发射超声。接收波束形成器被配置为输出来自超声回波的样本。图像处理器被配置为根据输出样本或来自由发射和接收波束形成器进行的第一扫描的输出样本的检测的数据来确定肌肉的状态，被配置为使发射和接收波束形成器基于肌肉的状态来执行第二扫描，第二扫描用于定量超声成像，并且被配置为根据定量超声成像来确定组织性质的值。显示器被配置成显示组织性质的值。
本发明由所附权利要求来限定，并且本部分中的任何内容都不应被认为是对那些权利要求的限制。下面结合优选实施例讨论本发明的其它方面和优点。
附图说明
组件和附图不一定按比例，而是将重点放在说明本发明的原理上。此外，在附图中，相同的附图标记贯穿不同的附图表示对应部分。
图1是用于利用医学诊断超声扫描仪进行定量超声成像的方法的一个实施例的流程图；以及
图2是用于触发的定量超声成像的系统的一个实施例的框图。
具体实施方式
肌肉收缩状态被自动检测并触发剪切波和/或反向散射采集。收缩状态的检测基于：射频(RF)和/或图像分析以估计组织运动、变形或应变(散斑跟踪、归一化互相关等...)。经训练的人工智能算法(机器学习模型)可从RF、图像和/或视频(例如序列)数据检测收缩状态。触发的QUS使用基于检测到的肌肉收缩状态触发的专门(例如固定)的序列。分析工具提供了在已知肌肉收缩或负荷循环期间基于剪切波和/或反向散射的组织性质的测量信息。
图1示出了用于利用医学诊断超声扫描仪进行QUS成像的方法的流程图的一个实施例。肌肉收缩状态被自动检测。基于对给定收缩状态的检测，触发剪切波、反向散射和/或其他QUS采集。
该方法由图2的超声成像系统20、图像处理器25或不同的系统和/或处理器来执行。例如，超声成像系统20扫描、检测、触发其自身以执行QUS、比较数量、并显示来自比较的关系。
图1的动作以所示的顺序(从上到下)或不同的顺序执行。例如，QUS图像可以在动作16的量的比较之前在动作18中被显示。
可以使用与图1所示的动作相比附加的、不同的或更少的动作。例如，不执行动作16。作为另一个示例，可以增加用于扫描和生成B模式或其它超声图像以识别感兴趣区域的动作。
在动作10中，医学诊断超声扫描仪扫描患者的肌肉组织。换能器相对于患者定位。超声扫描仪扫描患者的平面区域或体积区，包括肌肉组织。例如，换能器通过臂或腿来定位。用户激活扫描。声能被发射到患者体内，并且接收声学回波。回波被波束形成以对扫描区进行采样。
可以使用任何类型的扫描。例如，使用B模式扫描。生成B模式图像以查看患者体内，从而允许用户将肌肉组织的区指示为感兴趣区。替代地，图像处理器从波束形成的样本、检测的数据和/或图像数据检测肌肉组织区。
扫描发生一次，或者执行扫描序列。例如，以进行中或交错的方式重复扫描。可以使用任何帧速率，诸如20 Hz或更高。
在动作12中，图像处理器利用来自扫描的超声数据检测肌肉组织的收缩状态。用于检测的超声数据来自扫描。可以使用检测之前(例如，B模式或强度检测之前)的波束形成的数据。例如，使用用于波束形成的样本的射频或同相和正交数据。可以使用检测的或图像数据，诸如B模式数据。图像数据可以在检测(例如，B模式或强度检测)之后并且来自扫描转换和/或显示映射之前。可以使用扫描转换和/或显示映射之后的图像数据。
检测来自数据帧，诸如其表示在特定时间或时段的患者。在其他实施例中，使用帧序列(例如，视频数据或超声数据随时间的帧)。使用随时间的变化或超声数据帧之间的变化来检测收缩状态。
在一个实施例中，收缩状态的检测是基于组织运动的。要求患者移动。在移动期间进行肌肉的扫描。检测移动期间组织的运动以确定收缩状态。例如，散斑跟踪、归一化互相关、相关或其他相似性度量被用于确定肌肉组织中的位置、应变、扩张或减少随时间的改变。确定一个或多个局部区随时间的相似性。
可以使用一维、二维或三维组织运动跟踪。例如，利用沿着一维检测的扫描线的相关性来跟踪组织运动。
随时间的变化指示肌肉收缩状态。例如，最大膨胀对应于负载或收缩状态，而最小膨胀对应于未负载或松弛状态。
在其它实施例中，使用图像处理。例如，对肌肉进行分段。肌肉的形状或形状的改变可用于确定收缩状态，例如通过模板匹配。
在另一实施例中，使用来自扫描的重复执行的超声数据帧序列来检测收缩状态。该序列被输入到机器学习模型。机器学习模型是从训练数据训练的，以检测收缩状态和/或识别收缩状态在序列中何时具有给定值，诸如放松或负载。机器学习模型是神经网络、支持向量机或其他机器学习模型。使用序列的每一帧的具有基础真值收缩状态的序列的许多样本的训练数据来机器训练该模型。一旦被训练，机器学习模型就基于针对患者的序列的超声数据的输入来指示或检测收缩状态。在替代实施例中，机器学习模型被训练成在给定超声数据的一个帧的输入的情况下输出收缩状态。
收缩状态被检测为收缩的或负载的、松弛的或介于中间的状态。收缩的水平或量，例如在从放松到满负载的范围之间，可被确定为收缩状态。在一个实施例中，在收缩和放松之间进行二元确定。可以确定随时间的收缩状态。
在动作14中，图像处理器响应于肌肉收缩状态的检测而触发QUS成像。QUS将在特定收缩状态下进行，诸如当肌肉处于负载和/或放松状态时量化组织性质。替代地，随着时间执行QUS以测量组织性质的值，其中所述值与随着该时间的各种收缩状态相关。
触发医学诊断超声扫描仪以执行QUS。响应于从射频超声数据或图像超声数据的相关或散斑跟踪检测到收缩状态，响应于机器学习模型的检测，或收缩状态的其他检测，触发扫描仪以执行QUS。
触发是立即的或在短时间段(例如，0.5秒)内的。在肌肉收缩状态改变或改变很多之前，执行QUS。替代地，延迟触发，诸如使用收缩状态变化的先前循环来预测肌肉何时将处于期望的收缩状态。在另一实施例中，触发确认了收缩改变，以便触发继续的QUS(即，不停止)。
一旦被触发，超声扫描仪就发射和接收声能，并计算一个或多个组织性质的一个或多个值。针对位置、沿着线、在区域上或遍及体积测量组织性质。对任何感兴趣区，诸如肌肉的感兴趣区执行QUS。
可以执行任何类型的QUS。例如，执行剪切波成像。发射声辐射力脉冲。作为响应，在组织中产生剪切波。剪切波从原点传播。超声扫描用于根据剪切波来跟踪组织位移。基于所述位移来确定组织中的剪切波速度。可以根据剪切波和/或剪切波速度来确定其他组织性质，诸如杨氏模量、粘弹性性质和/或衰减。作为另一示例，执行弹性、衰减或应变成像。
在一个实施例中，执行反向散射成像作为触发的QUS。对于反向散射系数或衰减量化，执行B模式扫描。不是执行B模式检测(例如，检测返回信号的功率或强度)，而是处理在检测之前的波束形成样本。利用快速傅立叶变换创建作为时间的函数的返回信号的功率谱。深度变化给出衰减，诸如基于指数拟合。然后应用衰减补偿以确定目标处的信号功率作为反向散射系数。作为频率的函数的反向散射系数可以用于确定散射。
QUS成像可以依赖于QUS成像中使用的设置特定的校准或信息。例如，使用ARFI的给定强度或来自幻影成像的校准。为了避免由于改变而产生的误差，可以设置QUS的扫描序列和/或成像处理。用于扫描的触发的序列基于肌肉收缩状态。该序列对于该状态是特定的。不是允许用户改变，而是设置或固定触发的扫描。在替代实施例中，用户可以设置一个或多个扫描或图像处理设置。
在动作16中，图像处理器比较来自触发的QUS的量与另一量。确定量之间的关系。该关系可以是差值、比值或其它函数。计算该关系。
该关系是分析工具，其提供在肌肉收缩或负载循环期间或在另一肌肉状态下的组织性质的测量信息。提供QUS测量(例如QUS图像或值)的在线或离线分析。
针对不同位置、时间和/或不同条件下的量执行比较。在有两个区的情况下，该关系将针对一个区的量与针对另一区的量进行比较，诸如肌肉的不同部分、不同的肌肉、处于不同收缩状态的肌肉、或肌肉与其他类型的组织。三个或更多区之间的关系可以被确定为三个或更多区之间的不同关系组或单个关系。可以确定不同频率的量之间的关系。可以确定不同时间的量之间的关系。例如，确定在收缩期间和放松时相同肌肉组织的反向散射系数之间的关系。对于反向散射，该关系可以是谱之间的。
在动作18中，图像处理器生成图像。该图像是QUS图像，诸如剪切波速度或反向散射系数图像。QUS图像包括一个或多个定量参数的值。例如，作为一维、二维或三维位置的函数的剪切波速度被包括在QUS图像中。图像用于反映超声数据，超声数据可用于形成显示图像或被格式化以显示或已经显示的超声数据。剪切波、反向散射或其他QUS成像可以确定一维、二维或三维中的一个位置或多个位置的组织性质的值。在另一示例中，QUS图像包括整个ROI或一个位置(例如点)的一个定量值。
QUS图像可以包括其它信息。例如，QUS值可用于感兴趣的区，并且从B模式图像形成感兴趣区之外的视场中的位置。
QUS图像可以示出比较的结果。例如，显示也在示出或不示出两个量的情况下的比率或差的值作为图像的一部分。结果可以是注释、图形、突出显示或映射。例如，具有高于或低于阈值的量和/或比较结果的肌肉组织被突出显示或与其他组织区分开，以指示量或比较结果高于或低于阈值。
比较结果、一个或多个量和/或从其导出的信息可以被显示为注释(例如，字母数字文本)、图表和/或颜色到像素的映射。图像还可以示出针对肌肉检测到的收缩状态。例如，提供注释作为指示收缩状态和来自QUS测量的量的标记。
图像在显示器（诸如超声扫描仪的显示器）上。图像可以通过计算机网络传送和/或存储在存储器中，诸如患者电子健康记录或图片存档和通信系统数据库。
图2示出了用于触发QUS成像的医学系统20的一个实施例。医学系统20是超声扫描仪，用于检测肌肉的收缩状态并基于(触发和/或标记的)收缩状态用QUS成像或测量作出响应。医学系统20执行图1的方法或另一种方法。
医学系统20包括发射波束形成器22、换能器23、接收波束形成器24、图像处理器25、存储器26和显示器27。可以提供附加的、不同的或更少的组件。例如，医学系统20包括与图像处理器25分开的B模式或其他检测器。作为另一个示例，提供图像处理器25、存储器26和/或显示器27而没有前端组件，诸如发射和接收波束形成器12、16。在又一个示例中，可以提供包括用户输入(例如，鼠标、跟踪球、键盘、按钮、旋钮、滑块和/或触摸板)的用户接口，用于感兴趣区的用户指示或其它输入。
在一个实施例中，医学系统20是医学诊断超声系统。在替代实施例中，系统20是计算机或工作站。
换能器23是多个元件的阵列。所述元件是压电或电容性膜元件。该阵列被配置为一维阵列、二维阵列、1.5D阵列、1.25D阵列、1.75D阵列、环形阵列、多维阵列、摆动器阵列、其组合、或任何其它现在已知或以后开发的阵列。换能器元件在声能和电能之间进行换能。换能器23通过发射/接收开关与发射波束形成器22和接收波束形成器24连接，但是在其他实施例中可以使用单独的连接。
发射和接收波束形成器22、24是用于利用换能器23进行扫描的波束形成器。发射波束形成器22使用换能器23发射一个或多个波束以对一个区进行扫描。可以使用Vector®、扇形、线性或其它扫描格式。接收线和/或发射波束分布在扫描区中。接收波束形成器24在不同深度对接收波束进行采样。
发射波束形成器22是处理器、延迟器、滤波器、波形发生器、存储器、相位旋转器、数模转换器、放大器、其组合或任何其它现在已知或以后开发的发射波束形成器组件。在一个实施例中，发射波束形成器22数字地生成包络样本。使用滤波、延迟、相位旋转、数模转换和放大，生成期望的发射波形。可以使用其他波形发生器，诸如开关脉冲或波形存储器。
发射波束形成器22被配置为多个通道，以用于为换能器23上的发射孔径的每个元件生成发射波形的电信号。所述波形是单极、双极、阶跃、正弦或具有一个、多个或分数周期数的期望中心频率或频带的其它波形。所述波形具有相对延迟和/或定相和振幅，用于聚焦声能。发射波束形成器22包括用于改变孔径(例如有源元件的数量)、多个通道上的切趾分布(例如质量的类型或中心)、多个通道上的延迟分布、多个通道上的相位分布、中心频率、频带、波形形状、周期数和/或其组合的控制器。可以改变或设置幅度。基于这些波束形成参数生成发射波束原点、取向和焦点。
接收波束形成器24是前置放大器、滤波器、相位旋转器、延迟器、加法器、基带滤波器、处理器、缓冲器、存储器、它们的组合或其它现在已知或以后开发的接收波束形成器组件。接收波束形成器24被配置到多个通道中，用于接收表示撞击在换能器23上的回波或声能的电信号。来自换能器23内的接收孔径的每个元件的通道连接到放大器和/或延迟器。模数转换器将放大的回波信号数字化。将数字射频接收数据解调到基带频率。然后，由放大器和/或延迟来应用任何接收延迟，诸如动态接收延迟和/或相位旋转。数字或模拟加法器组合了来自接收孔径的不同通道的数据，以形成一个或多个接收波束。加法器是单个加法器或级联的加法器。在一个实施例中，波束形成加法器被配置成以复数方式对同相和正交通道数据求和，使得所形成的波束的相位信息被维持。在替代实施例中，接收波束形成器将射频数据求和。可以使用其它接收波束形成器。
接收波束形成器24被配置为响应于发射波束而形成接收波束。例如，接收波束形成器24响应于每个发射波束接收一个、两个或多个接收波束。相位旋转器、延迟器和/或加法器可以被重复以用于并行接收波束形成。并行接收波束形成器中的一个或多个可以共享部分通道，诸如共享初始放大。接收波束与对应的发射波束共线、平行以及偏移或不平行。
接收波束形成器24被配置为输出针对患者中的一个位置或不同位置的样本。接收波束形成器24输出表示扫描区的不同空间位置的空间样本或表示一个位置的样本。一旦通道数据被波束形成或以其他方式组合以表示沿着扫描线21的空间位置，数据就从通道域转换到图像数据域。通过以任何模式(例如，扇形、矢量或线性)利用发射和接收波束形成进行扫描，扫描视场。
发射和接收波束形成器22、24被配置为以各种模式进行扫描。例如，执行B模式扫描以检测收缩状态。作为另一个示例，发射和接收序列被执行用于QUS。波束形成器控制器配置波束形成器22、24以给定模式进行扫描，诸如重复B模式扫描，直到检测到给定状态下的肌肉收缩，然后在肌肉处于一个或多个期望的状态的同时执行单独或与B模式扫描交错的QUS扫描。
图像处理器25是数字信号处理器、通用处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、人工智能处理器、控制处理器、数字电路、模拟电路、图形处理单元、其组合，或用于在QUS中计算量并确定量之间的关系的其它现在已知或以后开发的设备。图像处理器25由硬件、固件和/或软件来配置，诸如根据存储器26或不同存储器中提供的指令来操作。在一个实施例中，图像处理器25是专门用于应用傅立叶变换的数字信号处理器、ASIC或FPGA，并且另一设备(例如，计算器或处理器)根据变换设备的输出计算反向散射系数。在其它实施例中，图像处理器25是执行用于剪切波、应变、弹性和/或其它QUS成像的图像处理的可编程设备。
图像处理器25被配置成从(1)输出样本或(2)来自输出样本检测的数据确定肌肉的状态。图像处理器25从波束形成的样本(例如，射频或同相和正交信息)或从检测之后(例如，在B模式检测之后)的图像数据确定状态。通过散斑跟踪、相关或沿一维、二维或三维的其它相似性度量来确定状态。可以使用其它检测。可以识别形状(例如，分段)，并且基于该形状检测收缩状态。在一个实施例中，机器学习检测器响应于超声数据帧(例如，图像帧)或此类帧的序列的输入来确定收缩状态和/或识别表示给定收缩状态下的肌肉的序列中的数据的一个或多个时间或帧。
图像处理器25被配置为使发射和接收波束形成器22、24基于肌肉的状态执行扫描。图像处理器25控制扫描，以便在处于期望状态时为肌肉提供QUS。基于该检测触发QUS扫描。
图像处理器25被配置成从QUS成像来确定组织性质的值。获取一个或多个位置的波束形成样本。在检测之前，使用样本来计算量。在替代实施例中，该量是从检测之后的图像数据中计算的。
量化任何组织性质的一个或多个值。例如，计算应变、弹性、反向散射系数、散射、衰减、粘弹性、杨氏模量、剪切波速度或另一类型的组织性质。确定一个位置或代表一组位置的值。可以针对不同的时间和/或位置来计算值。
在一个实施例中，图像处理器25被配置成确定组织性质的值和来自不同时间或位置的组织性质的另一值之间的关系。找出量之间随时间和/或位置的比、差或其它关系。对于谱信息，可以确定谱的比。可确定频率相关关系。
超声数据和/或量可被用于生成图像。可以提供B模式检测器、流量估计器(例如多普勒处理器)或其它检测器，用于检测来自接收波束形成的样本的特性。B模式检测器检测声学反向散射的强度或功率。流量估计器检测运动对象(例如，组织或流体)的速度、能量或方差。该检测可以用于生成从中选择感兴趣区的图像。QUS提供感兴趣区的一个或多个值。所述一个或多个值可以与其他成像模态分开显示，或者可以被叠加，诸如在B模式图像上的颜色叠层或注释。
图像处理器25被配置为生成图像。图像包括组织性质的量的值、来自不同位置或时间的多个这样的值、和/或值之间的关系(例如，比)。例如，生成作为时间函数的反向散射系数的曲线图作为图像。作为另一个示例，生成字母数字文本作为图像，诸如从QUS提供肌肉的组织性质值的字母数字文本。可以生成表格。在另一实施例中，作为一个或多个感兴趣区内的位置的函数的组织性质被映射到颜色或灰度，其映射值被用于生成肌肉组织中的值的一维、二维或三维分布。
存储器26是视频随机存取存储器、随机存取存储器、可移除介质(例如磁盘或光盘)、硬盘驱动器、数据库或用于存储样本、光谱、表示组织性质的量的值、量之间的关系和/或图像的其它存储器设备。存储器26被图像处理器25用于肌肉收缩状态触发的QUS或图1所述的其它动作。
用于实现上述过程、方法和/或技术(例如，基于肌肉的收缩状态触发的QUS成像)的指令被提供在计算机可读存储介质或存储器上，诸如高速缓存、缓冲器、RAM、可移除介质、硬盘驱动器或诸如由存储器26表示的其它计算机可读存储介质。计算机可读存储介质包括各种类型的仪式性和非易失性存储介质。响应于存储在计算机可读存储介质中或上的一组或多组指令来执行附图中示出的或本文描述的功能、动作或任务。该功能、动作或任务独立于特定类型的指令集、存储介质、处理器或处理策略，并且可以由单独或组合操作的软件、硬件、集成电路、固件、微代码等来执行。同样，处理策略可以包括多处理、多任务、并行处理等。在一个实施例中，指令被存储在可移除介质设备上以供本地或远程系统读取。在其它实施例中，指令可被存储在远程位置以通过计算机网络或通过电话线来传输。在又其它实施例中，指令被存储在给定计算机、CPU、GPU或系统内。
显示器27是CRT、LCD、等离子体、投影仪、监视器、打印机、触摸屏或其它现在已知或以后开发的显示设备。显示器27接收RGB、其它颜色值或其它值，并输出图像。图像可以是灰度或彩色图像。图像显示了作为QUS的函数的信息，诸如显示给定状态中肌肉的组织性质的一个或多个值。可以显示来自不同时间和/或位置的值的关系的一个或多个值。在显示器27上的图像中显示一个或多个值的字母数字、图形、注释或其他表示。该图像可以或可以不另外表示由波束形成器22、16和换能器23扫描的患者区域。
在一个实施例中，对表示至少一个感兴趣区的图像进行注释或颜色编码，以指示该值相对于基准的等级。例如，组织性质的不同范围表示肌肉疾病的不同阶段。利用表示给定阶段的颜色、阴影或亮度对感兴趣区的图像进行颜色编码。不同的颜色、阴影和/或亮度表示了不同疾病阶段。通过区像素的颜色或其他调制来指示该患者的阶段。可以使用文本指示。
尽管上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明范围的情况下，可以进行许多改变和修改。因此，意图在于前面的详细描述应被认为是说明性的而不是限制性的，并且应当理解，包括所有等同物的以下权利要求意图限定本发明的精神和范围。
Claims (15)
1.一种用于利用医学诊断超声扫描仪(20)进行定量超声成像的方法，所述方法包括：
由所述医学诊断超声扫描仪(20)利用超声来扫描(10)患者的肌肉组织；
由图像处理器(25)利用来自所述扫描(10)的超声数据来检测(12)所述肌肉组织的收缩状态；
由所述图像处理器(25)触发(14)由所述医学诊断超声扫描仪(20)进行的所述定量超声成像，所述定量超声成像响应于对所述收缩状态的所述检测而被触发；以及
显示(18)来自所触发的定量超声成像的定量超声图像。
2.根据权利要求1所述的方法，其中，检测(12)包括利用超声数据基于组织运动来检测(12)所述收缩，其中，所述超声数据包括在检测之前的波束形成的数据。
3.根据权利要求1所述的方法，其中，检测(12)包括利用散斑跟踪或相关来检测。
4.根据权利要求1所述的方法，其中，检测(12)包括以从所述扫描(10)的重复执行到机器学习模型的序列进行检测(12)，所述机器学习模型已经被训练成基于所述超声数据的输入来检测所述收缩状态。
5.根据权利要求1所述的方法，其中，检测(12)包括将所述收缩状态检测(12)为收缩的，并且其中，触发(14)包括触发(14)处于所述收缩状态的所述肌肉的所述定量超声成像。
6.根据权利要求1所述的方法，其中，检测(12)包括将所述收缩状态检测(12)为松弛的，并且其中，触发(14)包括触发(14)处于所述松弛状态的所述肌肉的所述定量超声成像。
7.根据权利要求1所述的方法，其中，触发(14)包括触发(14)剪切波成像或反向散射成像，并且其中，显示(18)包括分别显示(18)剪切波图像或反向散射图像。
8.根据权利要求1所述的方法，还包括计算(16)来自所触发的定量成像的第一量与第二量的关系，并且其中，显示(18)所述定量超声图像包括显示(18)所述关系。
9.一种非暂时性计算机可读存储介质，其中存储有表示可由编程处理器(25)执行以用于定量超声成像的指令的数据，所述存储介质包括用于以下操作的指令：
响应于检测到肌肉收缩状态而触发(14)所述定量超声成像；
将来自触发的定量超声成像的第一量与第二量进行比较(16)；以及
生成(18)示出所述比较的图像。
10.根据权利要求9所述的非暂时性计算机可读存储介质，其中，触发(14)包括在从射频超声数据或图像超声数据的相关或散斑跟踪进行检测时触发(14)。
11.根据权利要求9所述的非暂时性计算机可读存储介质，其中，触发(14)包括在由机器学习模型进行检测时触发(14)。
12.根据权利要求9所述的非暂时性计算机可读存储介质，其中，触发(14)包括触发(14)剪切波或反向散射成像作为所述定量超声成像，并且其中，生成所述图像包括根据所述剪切波或反向散射成像生成组织性质的图像。
13.根据权利要求9所述的非暂时性计算机可读存储介质，其中，比较(16)包括比较(16)第一位置的第一量和第二位置中的第二量，和/或比较(16)第一时间的第一量和第二时间的第二量。
14.一种用于触发(14)定量超声成像的系统，所述系统包括：
发射波束形成器(22)，被配置为在患者体内发射超声；
接收波束形成器(24)，被配置为输出来自所述超声的回波的样本；
图像处理器(25)，被配置为根据所述输出样本或来自由所述发射和接收波束形成器对第一扫描(10)的所述输出样本的检测的数据来确定肌肉的状态，被配置为使所述发射和接收波束形成器基于所述肌肉的所述状态来执行第二扫描(10)，所述第二扫描(10)用于所述定量超声成像，并且被配置为根据所述定量超声成像来确定组织性质的值；以及
显示器(27)，被配置为显示所述组织性质的所述值。
15.根据权利要求14所述的系统，其中，所述图像处理器(25)被配置为根据散斑跟踪、相关或机器学习检测器来确定所述状态，并且其中，所述图像处理器(25)被配置为确定所述组织性质的所述值与来自不同时间或位置的所述组织性质的另一值之间的关系，并且其中，所述显示器被配置为显示所述关系。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/571331 | 2019-09-16 | ||
| US16/571,331 US11678862B2 (en) | 2019-09-16 | 2019-09-16 | Muscle contraction state triggering of quantitative medical diagnostic ultrasound |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112494072A true CN112494072A (zh) | 2021-03-16 |
Family
ID=74686778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010973022.1A Pending CN112494072A (zh) | 2019-09-16 | 2020-09-16 | 定量医学诊断超声的肌肉收缩状态触发 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11678862B2 (zh) |
| CN (1) | CN112494072A (zh) |
| DE (1) | DE102020124010A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11534132B2 (en) | 2020-08-24 | 2022-12-27 | University Of South Carolina | Using ultrasound and artificial intelligence to assess muscle stretch reflexes |
| CN115177291B (zh) * | 2022-08-01 | 2023-11-10 | 首都医科大学附属北京朝阳医院 | 用于识别重症监护病房获得性肌无力的方法和装置 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080097212A1 (en) * | 2006-08-16 | 2008-04-24 | Siemens Medical Solutions Usa, Inc. | Automatic identification of orientation in medical diagnostic ultrasound |
| US20100240994A1 (en) * | 2009-03-23 | 2010-09-23 | The Hong Kong Polytechnic University | Method and apparatus for ultrasound imaging and elasticity measurement |
| US20120116218A1 (en) * | 2010-11-10 | 2012-05-10 | Jennifer Martin | Method and system for displaying ultrasound data |
| WO2014186899A1 (en) * | 2013-05-24 | 2014-11-27 | Sunnybrook Research Institute | System and method for classifying and characterizing tissues using first-order and second-order statistics of quantitative ultrasound parametric maps |
| US20150223703A1 (en) * | 2012-08-22 | 2015-08-13 | The United States of America as reprensented by Secretary, Department of Health and Human Services | Imaging and diagnostic methods, systems, and computer-readable media |
| WO2016205936A1 (en) * | 2015-06-22 | 2016-12-29 | Sunnybrook Research Institute | Systems and methods for prediction of tumor response to chemotherapy using pre-treatment quantitative ultrasound parameters |
| CN106264573A (zh) * | 2016-07-26 | 2017-01-04 | 吉林大学 | 便携式肌肉力学参数及肌肉力在体超声检测装置及方法 |
| CN106618638A (zh) * | 2016-11-04 | 2017-05-10 | 声泰特（成都）科技有限公司 | 一种定量剪切波弹性成像系统 |
| US20170196541A1 (en) * | 2014-06-25 | 2017-07-13 | Mayo Foundation For Medical Education And Research | System and method for quantitative muscle ultrasoound for diagnosis of neuromuscular disease |
| US20170273667A1 (en) * | 2016-03-22 | 2017-09-28 | Siemens Medical Solutions Usa, Inc. | Relative backscatter coefficient in medical diagnostic ultrasound |
| CN107970042A (zh) * | 2018-01-03 | 2018-05-01 | 声泰特（成都）科技有限公司 | 一种超声非线性定量实时成像方法与系统 |
| US20180289323A1 (en) * | 2017-04-06 | 2018-10-11 | Siemens Medical Solutions Usa, Inc. | Tissue Property Estimation with Ultrasound Medical Imaging |
| CN108742705A (zh) * | 2018-04-10 | 2018-11-06 | 深圳大学 | 一种实时检测肌肉形态参数的超声成像设备及方法 |
| CN109091145A (zh) * | 2018-08-14 | 2018-12-28 | 清华大学 | 心肌定量磁共振成像方法、设备及存储介质 |
| CN110192893A (zh) * | 2018-02-27 | 2019-09-03 | 美国西门子医疗解决公司 | 量化超声成像的感兴趣区域放置 |
Family Cites Families (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE69029211T2 (de) * | 1989-02-16 | 1997-03-27 | Fujitsu Ltd | Ultraschalldiagnosegerät zum Charakterisieren von Gewebe durch Analyse von Rückstreustrahlung |
| US5846200A (en) * | 1996-11-08 | 1998-12-08 | Advanced Technology Laboratories, Inc. | Ultrasonic diagnostic imaging system for analysis of left ventricular function |
| US6030344A (en) * | 1996-12-04 | 2000-02-29 | Acuson Corporation | Methods and apparatus for ultrasound image quantification |
| US6038465A (en) * | 1998-10-13 | 2000-03-14 | Agilent Technologies, Inc. | Telemedicine patient platform |
| US6527717B1 (en) * | 2000-03-10 | 2003-03-04 | Acuson Corporation | Tissue motion analysis medical diagnostic ultrasound system and method |
| WO2001074234A2 (en) * | 2000-03-30 | 2001-10-11 | Uab Research Foundation | Gated functional muscle imaging |
| ATE308922T1 (de) * | 2001-03-02 | 2005-11-15 | Palti Yoram Prof | Gerät zur detektierung arterieller stenose |
| US20060025689A1 (en) * | 2002-06-07 | 2006-02-02 | Vikram Chalana | System and method to measure cardiac ejection fraction |
| US7252638B2 (en) | 2003-06-23 | 2007-08-07 | Siemens Medical Solutions Usa, Inc. | Method and system for simultaneously displaying relationships of measurements of features associated with a medical image |
| US7862511B2 (en) * | 2003-10-23 | 2011-01-04 | Koninkliljke Philips Electronics N.V. | Ultrasound imaging method and apparatus |
| EP1800603B1 (en) * | 2004-08-05 | 2013-10-23 | Hitachi Medical Corporation | Method and apparatus for displaying elastic image and ultrasonograph |
| US20060247527A1 (en) | 2005-04-28 | 2006-11-02 | Kabushiki Kaisha Toshiba | Ultrasonic diagnostic apparatus, measuring result display apparatus and method of displaying measuring result |
| KR20080054162A (ko) | 2006-12-12 | 2008-06-17 | 주식회사 메디슨 | 초음파 진단 시스템에서 다중 성장 추이 차트를디스플레이하기 위한 장치 및 방법 |
| US9168021B2 (en) * | 2009-06-04 | 2015-10-27 | Super Sonic Imagine | Method and apparatus for measuring heart contractility |
| US10172527B2 (en) * | 2009-07-31 | 2019-01-08 | Supersonic Imagine | Method and apparatus for measuring a physical parameter in mammal soft tissues by propagating shear waves |
| US8280497B2 (en) * | 2009-10-12 | 2012-10-02 | Patel Jijibhoy J | Impedance hyperaemic stress echocardiography |
| US9044196B2 (en) * | 2010-06-17 | 2015-06-02 | Koninklijke Philips N.V. | Automated heart rate detection for 3D ultrasonic fetal imaging |
| JP5501999B2 (ja) * | 2011-03-08 | 2014-05-28 | 富士フイルム株式会社 | 超音波診断装置および弾性指標信頼性判定方法 |
| US9931230B2 (en) * | 2011-08-01 | 2018-04-03 | George Mason University | Artificial body part control system using ultrasonic imaging |
| US20150099972A1 (en) * | 2013-10-04 | 2015-04-09 | Vibrado Technologies, Inc. | Myography method and system |
| KR101654674B1 (ko) * | 2013-11-28 | 2016-09-06 | 삼성전자주식회사 | 탄성 영상 제공 방법 및 이를 위한 초음파 장치 |
| JP2015160108A (ja) * | 2014-02-28 | 2015-09-07 | セイコーエプソン株式会社 | 超音波測定装置及び超音波測定方法 |
| ES2964619T3 (es) | 2014-07-17 | 2024-04-08 | Inst Nat Sante Rech Med | Procedimiento para obtener un parámetro funcional de un músculo |
| US10271823B2 (en) * | 2017-10-02 | 2019-04-30 | General Electric Company | Extracting a cardiac-cycle signal from echocardiogram data |
| CN111698947A (zh) * | 2018-02-09 | 2020-09-22 | 皇家飞利浦有限公司 | 多参数组织硬度量化 |
| US10969487B2 (en) * | 2018-08-27 | 2021-04-06 | Duke University | Methods, systems and computer program products for triggering ultrasound data acquisition |
| US11779311B2 (en) * | 2018-09-14 | 2023-10-10 | Fujifilm Sonosite, Inc. | Method and apparatus for performing spectral doppler imaging |
| WO2020212551A1 (en) * | 2019-04-18 | 2020-10-22 | Koninklijke Philips N.V. | System and method for acquisition triggering for cardiac elastography |
-
2019
- 2019-09-16 US US16/571,331 patent/US11678862B2/en active Active
-
2020
- 2020-09-15 DE DE102020124010.4A patent/DE102020124010A1/de active Pending
- 2020-09-16 CN CN202010973022.1A patent/CN112494072A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080097212A1 (en) * | 2006-08-16 | 2008-04-24 | Siemens Medical Solutions Usa, Inc. | Automatic identification of orientation in medical diagnostic ultrasound |
| US20100240994A1 (en) * | 2009-03-23 | 2010-09-23 | The Hong Kong Polytechnic University | Method and apparatus for ultrasound imaging and elasticity measurement |
| US20120116218A1 (en) * | 2010-11-10 | 2012-05-10 | Jennifer Martin | Method and system for displaying ultrasound data |
| US20150223703A1 (en) * | 2012-08-22 | 2015-08-13 | The United States of America as reprensented by Secretary, Department of Health and Human Services | Imaging and diagnostic methods, systems, and computer-readable media |
| WO2014186899A1 (en) * | 2013-05-24 | 2014-11-27 | Sunnybrook Research Institute | System and method for classifying and characterizing tissues using first-order and second-order statistics of quantitative ultrasound parametric maps |
| US20170196541A1 (en) * | 2014-06-25 | 2017-07-13 | Mayo Foundation For Medical Education And Research | System and method for quantitative muscle ultrasoound for diagnosis of neuromuscular disease |
| WO2016205936A1 (en) * | 2015-06-22 | 2016-12-29 | Sunnybrook Research Institute | Systems and methods for prediction of tumor response to chemotherapy using pre-treatment quantitative ultrasound parameters |
| US20170273667A1 (en) * | 2016-03-22 | 2017-09-28 | Siemens Medical Solutions Usa, Inc. | Relative backscatter coefficient in medical diagnostic ultrasound |
| CN106264573A (zh) * | 2016-07-26 | 2017-01-04 | 吉林大学 | 便携式肌肉力学参数及肌肉力在体超声检测装置及方法 |
| CN106618638A (zh) * | 2016-11-04 | 2017-05-10 | 声泰特（成都）科技有限公司 | 一种定量剪切波弹性成像系统 |
| US20180289323A1 (en) * | 2017-04-06 | 2018-10-11 | Siemens Medical Solutions Usa, Inc. | Tissue Property Estimation with Ultrasound Medical Imaging |
| CN108685596A (zh) * | 2017-04-06 | 2018-10-23 | 美国西门子医疗解决公司 | 利用超声医疗成像的组织性质估计 |
| CN107970042A (zh) * | 2018-01-03 | 2018-05-01 | 声泰特（成都）科技有限公司 | 一种超声非线性定量实时成像方法与系统 |
| CN110192893A (zh) * | 2018-02-27 | 2019-09-03 | 美国西门子医疗解决公司 | 量化超声成像的感兴趣区域放置 |
| KR20190103048A (ko) * | 2018-02-27 | 2019-09-04 | 지멘스 메디컬 솔루션즈 유에스에이, 인크. | 정량적 초음파 이미징을 위한 관심 구역 배치 |
| CN108742705A (zh) * | 2018-04-10 | 2018-11-06 | 深圳大学 | 一种实时检测肌肉形态参数的超声成像设备及方法 |
| CN109091145A (zh) * | 2018-08-14 | 2018-12-28 | 清华大学 | 心肌定量磁共振成像方法、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘美快, 陈斌: "定量超声评估肌肉功能研究进展", 《中国介入影像与治疗学》, pages 769 - 772 * |
| 文晶: "剪切波超声弹性成像定量评估失神经性肌萎缩的动物实验研究", 《中国优秀硕士学位论文全文数据库》, pages 060 - 83 * |
Also Published As
| Publication number | Publication date |
|---|---|
| DE102020124010A1 (de) | 2021-03-18 |
| US11678862B2 (en) | 2023-06-20 |
| US20210077067A1 (en) | 2021-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107616809B (zh) | 医学诊断超声中的组织表征 | |
| JP6230827B2 (ja) | 超音波の音響吸収量の測定方法、超音波の音響吸収量を測定するシステム、および、超音波の音響減衰量を測定するためのコンピュータで読み出し可能な非変換性記憶媒体 | |
| US9468421B2 (en) | Visualization of associated information in ultrasound shear wave imaging | |
| US9332962B2 (en) | Ultrasound ARFI displacement imaging using an adaptive time instance | |
| CN108685596B (zh) | 利用超声医疗成像的组织性质估计 | |
| KR102223048B1 (ko) | 정량적 초음파 이미징을 위한 관심 구역 배치 | |
| US10278671B2 (en) | Shear wave detection in medical ultrasound imaging | |
| US8801614B2 (en) | On-axis shear wave characterization with ultrasound | |
| US10338203B2 (en) | Classification preprocessing in medical ultrasound shear wave imaging | |
| US11154277B2 (en) | Tissue viscoelastic estimation from shear velocity in ultrasound medical imaging | |
| US11529123B2 (en) | Relative backscatter coefficient in medical diagnostic ultrasound | |
| KR101939644B1 (ko) | 의료 진단 초음파 점탄성 이미징에서의 디프랙션 소스 보상 | |
| US11553901B2 (en) | Liver disease activity estimation with ultrasound medical imaging | |
| KR20220101688A (ko) | 파라메트릭 초음파 의료 이미징에서의 추가 진단 데이터 | |
| CN112494072A (zh) | 定量医学诊断超声的肌肉收缩状态触发 | |
| KR20210116268A (ko) | 초음파 의료 이미징을 사용한 간 질환 활성도 추정 | |
| CN112137650A (zh) | 具有基于脂肪分数优化的声速的超声医学成像 | |
| EP2853918B1 (en) | Shear wave detection in medical ultrasound imaging | |
| US20220142614A1 (en) | Ultrasound-derived proxy for physical quantity | |
| US20240156441A1 (en) | Tissue property estimation with ultrasound medical imaging |
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 |