CN113180724A - 用于造影剂增强的超声成像的系统和方法 - Google Patents
用于造影剂增强的超声成像的系统和方法 Download PDFInfo
- Publication number
- CN113180724A CN113180724A CN202110014281.6A CN202110014281A CN113180724A CN 113180724 A CN113180724 A CN 113180724A CN 202110014281 A CN202110014281 A CN 202110014281A CN 113180724 A CN113180724 A CN 113180724A
- Authority
- CN
- China
- Prior art keywords
- contrast agent
- density map
- contrast
- image
- roi
- 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
- 239000002872 contrast media Substances 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012285 ultrasound imaging Methods 0.000 title abstract description 44
- 238000002604 ultrasonography Methods 0.000 claims abstract description 82
- 239000000523 sample Substances 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 31
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000002607 contrast-enhanced ultrasound Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 31
- 238000003384 imaging method Methods 0.000 description 14
- 238000010801 machine learning Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 230000003902 lesion Effects 0.000 description 9
- 238000012512 characterization method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 206010061818 Disease progression Diseases 0.000 description 5
- 210000001715 carotid artery Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000005750 disease progression Effects 0.000 description 5
- 238000002592 echocardiography Methods 0.000 description 5
- 210000004185 liver Anatomy 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 201000001320 Atherosclerosis Diseases 0.000 description 4
- 210000001367 artery Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 241000282326 Felis catus Species 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 239000002961 echo contrast media Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002091 elastography Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- QYSGYZVSCZSLHT-UHFFFAOYSA-N octafluoropropane Chemical compound FC(F)(F)C(F)(F)C(F)(F)F QYSGYZVSCZSLHT-UHFFFAOYSA-N 0.000 description 2
- 229960004065 perflutren Drugs 0.000 description 2
- 150000003904 phospholipids Chemical class 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 206010029113 Neovascularisation Diseases 0.000 description 1
- 208000034038 Pathologic Neovascularization Diseases 0.000 description 1
- 229910018503 SF6 Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003143 atherosclerotic effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000002336 repolarization Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 1
- 229960000909 sulfur hexafluoride Drugs 0.000 description 1
- 238000012800 visualization 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
- A61B8/52—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
- A61B8/48—Diagnostic techniques
- A61B8/481—Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
-
- 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
- A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
-
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4483—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device characterised by features of the ultrasound transducer
- A61B8/4488—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device characterised by features of the ultrasound transducer the transducer being a phased array
-
- 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
- A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
-
- 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
- A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
-
- 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
- A61B8/48—Diagnostic techniques
- A61B8/486—Diagnostic techniques involving arbitrary m-mode
-
- 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
- A61B8/5215—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
-
- 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
- A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Hematology (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Vascular Medicine (AREA)
- Physiology (AREA)
- Gynecology & Obstetrics (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明题为用于造影剂增强的超声成像的系统和方法。本发明提供了用于自动表征造影剂增强的超声图像中的造影剂微泡的方法和系统。在一个示例中,方法包括经由造影剂气泡模型生成造影剂增强的超声图像的感兴趣区域(ROI)中的造影剂微泡的密度图,并且在显示设备上显示该密度图。
Description
技术领域
本文所公开的主题的实施方案涉及超声成像,并且更具体地涉及造影剂增强的超声成像。
背景技术
医学超声是采用超声波来探测患者身体的内部结构并产生对应图像的成像模态。例如,包括多个换能器元件的超声探头发射超声脉冲,这些超声脉冲会被身体中的结构反射或回传、折射或者吸收。然后超声探头接收所反射的回波,这些所反射的回波被处理成图像。内部结构的超声图像可被保存以供临床医生稍后分析从而有助于诊断和/或可以实时地或近实时地显示在显示设备上。
发明内容
在一个实施方案中,方法包括经由造影剂气泡模型生成造影剂增强的超声图像的感兴趣区域(ROI)中的造影剂微泡的密度图,并且在显示设备上显示该密度图。
在单独或与附图联系时,本说明书的以上优势以及其他优势和特征将从以下具体实施方式中显而易见。应当理解,提供以上发明内容是为了以简化的形式介绍在具体实施方式中进一步描述的概念的选择。这并不意味着识别所要求保护的主题的关键或必要特征,该主题的范围由具体实施方式后的权利要求书唯一地限定。此外,所要求保护的主题不限于解决上文或本公开的任何部分中提到的任何缺点的实施方式。
附图说明
通过阅读以下详细描述并且参考附图,可以更好地理解本公开的各个方面,其中:
图1示出了根据一个实施方案的超声系统的框图;
图2是展示根据一个实施方案的用于自动造影剂气泡表征的系统的示意图;
图3是展示根据一个实施方案的用于自动表征造影剂增强的超声图像中的造影剂微泡的方法的流程图;并且
图4和图5示出了包括根据图3的方法生成的造影剂微泡密度图的示例性图形用户界面。
图6示出了包括感兴趣区域中的造影剂微泡计数随时间推移的曲线图的示例性图形用户界面。
具体实施方式
在医疗超声检查期间获取的超声图像可用于诊断患者状况,这可包括一名或多名临床医生分析超声图像中的异常、测量在超声图像中成像的某些解剖特征等等。一些超声成像过程(称为造影剂增强的超声成像)包括向患者施用造影剂,以及随后对某些解剖特征(诸如颈动脉)进行成像。在造影剂增强的超声中使用的造影剂可以包括填充有低溶解度气体(诸如全氟化气体)并且用磷脂或蛋白质外壳稳定的微泡(大约1μm至8μm)。当经受来自超声探头的超声信号时,造影剂微泡生成非线性响应,导致来自微泡的多个谐波。这些谐波信号可以被超声探头接收,并且可以与线性组织信号分开。由于其尺寸,微泡造影剂是不能离开血管内隔室的血管内示踪剂。因此,在超声成像期间,可以发射抑制组织成像同时使微泡可视化的受控超声脉冲。然后,造影剂增强的超声成像可以提供对某些解剖特征的直接可视化,诸如肝病变和斑块内新血管形成,因为斑块中存在微泡指示斑块内新血管。可以评估感兴趣解剖区域(诸如肝脏、动脉壁等)中的微泡分布,以诊断或排除疾病、监测疾病进展等。例如,可以随时间推移对表现出动脉粥样硬化斑块的患者进行评估,以监测动脉粥样硬化疾病的进展。该评估可以包括量化斑块中存在的微泡的数量、密度和/或分布,作为疾病进展的标志。
因此,当评估患者中病症的进展时,临床医生可以对存在于一个或多个解剖区域中的造影剂微泡的数量进行计数。然而,该过程是耗时的,并且可能导致不同临床医生和不同患者之间、甚至同一患者的不同成像阶段之间的微泡计数不一致。具体地讲,如果针对患者确定微泡计数随时间推移的变化来跟踪动脉粥样硬化的进展,则不一致的微泡计数可能导致对疾病进展的不准确确定,这可能对患者护理产生负面影响。
因此,根据本文所公开的实施方案,可以使用基于人工智能的模型自动地确定目标解剖特征(诸如斑块、病变等)内的微泡密度、分布和/或数量,该基于人工智能的模型被训练为对造影剂增强的图像中的目标解剖特征进行分割并且生成分割的目标解剖特征中的微泡的密度图。自动确定的微泡密度图可以显示在显示设备上并且/或者作为患者检查的一部分进行保存(例如,保存在患者病历中)。密度图可以类似于热图,其中该密度图的子区域在目标解剖特征内具有以不同的颜色或阴影表示在该密度图上的不同微泡密度。这样做,在不同患者之间以及在不同成像阶段之间的造影剂微泡表征可以更加一致,这可以改善患者护理并且减少临床医生的工作流程需求。
可以使用超声成像系统(诸如图1的超声成像系统)来获得造影剂增强的图像,可以键入这些图像作为存储在图像处理系统(诸如图2的图像处理系统)上的造影剂气泡模型的输入。根据图3所示的方法,造影剂气泡模型可以被训练为对造影剂增强的图像中的目标感兴趣区域(ROI)进行分割并且确定目标ROI中的造影剂微泡的数量和/或密度。可以输出微泡的数量和/或密度的视觉表示以用于在显示设备(诸如图4和图5中所示的图形用户界面的一部分)上显示。在一些示例中,可以基于由造影剂气泡模型输出的密度图生成微气泡计数随时间推移的变化的曲线图,如图6所示。
参见图1,示出了根据本公开的实施方案的超声成像系统100的示意图。超声成像系统100包括发射波束形成器101和发射器102,该发射器驱动换能器阵列(本文中称为探头106)内的元件(例如,换能器元件)104,以将脉冲超声信号(本文中称为发射脉冲)发射到身体(未示出)中。根据一个实施方案,探头106可以是一维换能器阵列探头。然而,在一些实施方案中,探头106可以是二维矩阵换能器阵列探头。如以下进一步解释的,换能器元件104可以由压电材料构成。当向压电晶体施加电压时,晶体物理地膨胀和收缩,从而发射超声球波。这样,换能器元件104可将电子发射信号转换为声学发射波束。
在探头106的元件104将脉冲超声信号发射到(患者的)身体中之后,脉冲超声信号从身体内部的结构(如血细胞或肌肉组织)向后散射,以产生返回到元件104的回波。回波被元件104转换成电信号或超声数据,并且电信号被接收器108接收。表示所接收的回波的电信号穿过输出射频(RF)数据的接收波束形成器110。另外,换能器元件104可根据所接收的回波产生一个或多个超声脉冲以形成一个或多个发射波束。
根据一些实施方案,探头106可包含电子电路来执行发射波束形成和/或接收波束形成的全部或部分。例如,发射波束形成器101、发射器102、接收器108和接收波束形成器110的全部或一部分可位于探头106内。在本公开中,术语“扫描”或“扫描中”可也用于指通过传输和接收超声信号的过程来采集数据。本公开中,术语“数据”可以用于指称用超声成像系统来采集的一个或多个数据集。在一个实施方案中,可使用经由超声系统100获取的数据来训练机器学习模型。用户界面115可用于控制超声成像系统100的操作,包括用于控制患者数据(例如,患者病史)的输入、用于改变扫描或显示参数、用于启动探头复极化序列等。用户界面115可包括以下项中的一者或多者:旋转元件、鼠标、键盘、轨迹球、链接到特定动作的硬键、可被配置为控制不同功能的软键,以及显示在显示设备118上的图形用户界面。
超声成像系统100还包括处理器116,该处理器用以控制发射波束形成器101、发射器102、接收器108和接收波束形成器110。处理器116与探头106进行电子通信(例如,通信地连接)。出于本公开的目的,术语“电子通信”可被定义为包括有线通信和无线通信两者。处理器116可以根据存储在处理器的存储器、和/或存储器120上的指令来控制探头106以采集数据。处理器116控制元件104中的哪些是活动的以及从探头106发射的波束的形状。处理器116还与显示设备118进行电子通信,并且处理器116可将数据(例如,超声数据)处理成图像以用于在显示设备118上显示。处理器116可以包括根据一个实施方案的中央处理器(CPU)。根据其他实施方案,处理器116可以包括能够执行处理功能的其他电子部件,诸如数字信号处理器、现场可编程门阵列(FPGA)或图形板。根据其他实施方案,处理器116可包括能够执行处理功能的多个电子部件。例如,处理器116可包括从电子部件的列表中选择的两个或更多个电子部件,这些电子部件包括:中央处理器、数字信号处理器、现场可编程门阵列和图形板。根据另一个实施方案,处理器116还可包括解调RF数据并且生成表示回波信号的IQ数据对的复合解调器(未示出)。在另一个实施方案中,解调可以在处理链中较早地执行。处理器116适于根据数据上的多个可选超声模态来执行一个或多个处理操作。在一个示例中,可在扫描会话期间实时处理数据,因为回波信号被接收器108接收并且被传输至处理器116。出于本公开的目的,术语“实时”被定义为包括在没有任何有意延迟的情况下执行的过程。例如,实施方案可以7至20帧/秒的实时速率获取图像。超声成像系统100能够以显著更快的速率获取一个或多个平面的2D数据。然而,应当理解,实时帧速率可取决于采集用于显示的每帧数据所花费的时间长度。因此,当采集相对大量的数据时,实时帧速率可能较慢。因此,一些实施方案可具有显著快于20帧/秒的实时帧速率,而其他实施方案可具有低于7帧/秒的实时帧速率。数据可在扫描会话期间临时存储在缓冲器(未示出)中,并且在实时或离线操作中以不太实时的方式处理。本发明的一些实施方案可包括多个处理器(未示出),以处理根据上文所述的示例性实施方案的由处理器116处理的处理任务。例如,在显示图像之前,可利用第一处理器来解调和抽取RF信号,同时可使用第二处理器例如通过扩充数据来进一步处理数据。应当理解,其他实施方案可使用不同的处理器布置方式。
超声成像系统100可以例如10Hz至30Hz的帧速率(例如,每秒10帧至30帧)连续采集数据。根据数据生成的图像可以在显示设备118上以相似的帧速率刷新。其他实施方案能够以不同速率获取并且显示数据。例如,根据帧的大小和预期的应用,一些实施方案可以小于10Hz或大于30Hz的帧速率采集数据。包括存储器120,用于存储经处理的采集数据的帧。在示例性实施方案中,存储器120具有足够的容量来存储至少几秒钟的超声数据帧。数据帧的存储方式便于根据其采集顺序或时间进行检索。存储器120可包括任何已知的数据存储介质。
在本发明的各种实施方案中,处理器116可通过不同的模式相关模块(例如,B模式、彩色多普勒、M模式、彩色M模式、频谱多普勒、弹性成像、TVI、应变、应变速率等)来处理数据,以形成2D或3D数据。例如,一个或多个模块可生成B模式、彩色多普勒、M模式、彩色M模式、频谱多普勒、弹性成像、TVI、应变、应变速率以及它们的组合,等等。作为一个示例,一个或多个模块可处理彩色多普勒数据,其可包括传统彩色血流多普勒、功率多普勒、HD流,等等。图像线和/或帧存储在存储器中,并且可包括指示图像线和/或帧存储在存储器中的时间的定时信息。这些模块可包括例如扫描转换模块,用于执行扫描转换操作,以将所采集的图像从波束空间坐标转换为显示空间坐标。可以提供视频处理器模块,该视频处理器模块从存储器读取所采集的图像并且在对患者执行规程(例如,超声成像)时实时显示图像。视频处理器模块可包括单独的图像存储器,并且超声图像可被写入图像存储器以便由显示设备118读取和显示。
在本公开的各种实施方案中,超声成像系统100的一个或多个部件可以包括在便携手持式超声成像设备中。例如,显示设备118和用户界面115可以集成到手持式超声成像设备的外部表面中,该手持式超声成像设备可还包括处理器116和存储器120。探头106可以包括与手持式超声成像设备进行电子通信以收集原始超声数据的手持式探头。发射波束形成器101、发射器102、接收器108和接收波束形成器110可以包括在超声成像系统100的相同或不同部分中。例如,发射波束形成器101、发射器102、接收器108和接收波束形成器110可以包括在手持式超声成像设备、探头以及它们的组合中。
在执行二维超声扫描之后,生成包含扫描线及其样本的数据块。在应用后端滤波器之后,执行称为扫描转换的过程,以将二维数据块变换为具有附加扫描信息(诸如深度、每条扫描线的角度等)的可显示的位图图像。在扫描转换期间,应用内插技术来填充所得图像中的丢失的孔(即,像素)。出现这些丢失的像素是因为二维块的每个元素通常应该覆盖所得图像中的许多像素。例如,在当前超声成像系统中,应用了双三次插值,其利用了二维块的相邻元素。因此,如果与位图图像的尺寸相比,二维块相对较小,则扫描转换后的图像将包括分辨率差或分辨率低的区域,特别是对于深度较大的区域。
可进一步处理由超声成像系统100获取的超声图像。在一些实施方案中,可将超声成像系统100所产生的超声图像传输到图像处理系统,其中在一些实施方案中,可通过使用超声图像和对应的地面实况输出而训练的机器学习模型来对超声图像进行分割。如本文所用,地面实况输出是指基于到机器学习模型中的给定输入的预期或“正确”输出。例如,如果正训练机器学习模型来对猫的图像进行分类,则当馈送猫的图像时,模型的地面实况输出为标签“猫”。此外,图像处理系统可以利用被配置为基于分割的超声图像来对造影剂微泡的数量进行计数的一个或多个不同的机器学习模型来进一步处理这些超声图像。
尽管在本文被描述为单独的系统,但应当理解,在一些实施方案中,超声成像系统100包括图像处理系统。在其他实施方案中,超声成像系统100和图像处理系统可包括单独的设备。在一些实施方案中,超声成像系统100所产生的图像可用作用于训练一个或多个机器学习模型的训练数据集,其中如下所述,可使用机器学习模型来执行超声图像处理的一个或多个步骤。
参见图2,其示出了根据实施方案的图像处理系统202。在一些实施方案中,图像处理系统202结合到超声成像系统100中。例如,图像处理系统202可作为处理器116和存储器120设置在超声成像系统100中。在一些实施方案中,图像处理系统202的至少一部分设置在经由有线连接和/或无线连接通信地联接到超声成像系统的设备(例如,边缘设备、服务器等)处。在一些实施方案中,图像处理系统202的至少一部分设置在单独的设备(例如,工作站)处,该单独的设备可从超声成像系统或从存储由超声成像系统所生成的图像/数据的存储设备接收图像。图像处理系统202可以可操作地/通信地联接到用户输入设备232和显示设备234。至少在一些示例中,用户输入设备232可包括超声成像系统100的用户界面115,而显示设备234可包括超声成像系统100的显示设备118。
图像处理系统202包括处理器204,该处理器被配置为执行存储在非暂态存储器206中的机器可读指令。处理器204可以是单核或多核的,并且在其上执行的程序可以被配置用于进行并行或分布式处理。在一些实施方案中,处理器204可以可选地包括分布在两个或更多个设备中的单独组件,其可以被远程定位和/或配置用于协调处理。在一些实施方案中,处理器204的一个或多个方面可被虚拟化并由以云计算配置进行配置的可远程访问的联网计算设备执行。
非暂态存储器206可以存储造影剂气泡模型208、训练模块210和超声图像数据212。造影剂气泡模型208可以包括一个或多个机器学习模型(诸如深度学习网络),所述一个或多个机器学习模型包括多个权重和偏差、激活函数、损失函数、梯度下降算法,以及用于实现一个或多个深度神经网络以处理输入超声图像的指令。例如,造影剂气泡模型208可以存储用于实现分割模型的指令,该分割模型被训练为对造影剂增强的图像中的目标解剖特征(诸如器官、血管、动脉、病变等)进行识别和分割。造影剂气泡模型208可以存储用于确定目标解剖特征中的造影剂微泡的数量和/或密度的另外的指令。造影剂气泡模型208可以包括一个或多个神经网络。造影剂气泡模型208可以包括受过训练的神经网络和/或未受过训练的神经网络,并且还可以包括与存储在其中的一个或多个神经网络模型相关联的训练例程或参数(例如,权重和偏差)。
因此,本文所述的造影剂气泡模型208可以被部署为自动确定解剖特征(诸如动脉壁、器官(例如,肝脏)、病变等)内的造影剂微泡的数量和/或密度。在一些示例中,造影剂气泡模型208可以包括U网或其他卷积神经网络架构以对造影剂增强的图像和/或对应的B模式图像(例如,在与造影剂增强的图像相同的扫描平面中拍摄的非造影剂增强的图像)中的目标解剖特征进行分割,并且可以使用造影剂增强的图像和/或非造影剂增强的图像和/或电影回放来训练,其中目标解剖特征已经由专家注释/识别。造影剂气泡模型208还可以包括被训练为生成分割的解剖特征中的造影剂微泡的密度图的另一个卷积神经网络(例如,自动编码器模型)。该网络可以使用解剖特征的造影剂增强的图像(并且在一些示例中,还有对应的非造影剂图像)来训练,其中地面实况包括对应的密度图,该密度图包括目标解剖特征的限定子区域以及每个子区域中的造影剂微泡的密度,如经由位掩码和应用的高斯滤波器所确定的。对于训练,用户可以注释图像,为每个图像中的一个或多个微泡识别每个微泡的x位置和y位置。因此,生成了具有对应于标记的微泡位置的非零值的位掩码图像(例如,所有其他位置具有零值)。使用归一化高斯滤波器利用位掩码来执行卷积运算,以创建密度图。自动编码器模型可以用造影剂增强的图像(作为训练输入)和密度图(作为地面实况输出)来训练,以将造影剂图像映射到密度图图像中。为了产生微泡计数,可以对密度图进行积分。此外,在一些示例中,不是使用两个单独的网络来分割目标解剖特征并表征解剖特征中的微泡(例如,确定其密度和/或数量),而是造影剂气泡模型208可以包括一个网络,该网络被训练为既分割目标解剖特征又表征目标解剖特征中的微泡。
非暂态存储器206还可以包括训练模块210,该训练模块包括用于训练存储在造影剂气泡模型208中的一个或多个机器学习模型的指令。在一些实施方案中,训练模块210未设置在图像处理系统202处,因此造影剂气泡模型208包括经过训练和验证的网络。
非暂态存储器206还可存储超声图像数据212,诸如图1的超声成像系统100所捕获的超声图像。超声图像数据212可以包括造影剂增强的图像,并且至少在一些示例中,可以包括对应的非造影剂增强的图像(例如,对于每个造影剂增强的图像,同一患者的非造影剂图像和在相同的扫描平面处的非造影剂图像)。另外,当训练模块210存储在非暂态存储器206中时,超声图像数据212可以存储超声图像、地面实况输出、机器学习模型输出的迭代,以及可以用于训练造影剂气泡模型208的其他类型的超声图像数据。在一些实施方案中,超声图像数据212可以有序的格式存储超声图像和地面实况输出,使得每个超声图像都与一个或多个对应的地面实况输出相关联。例如,超声图像数据212可以存储训练数据的集合,其中每个集合包括造影剂增强的图像,以及包括由专家注释的目标解剖特征(例如,由临床医生注释的病变)的地面实况和/或包括如上所述的解剖特征中的造影剂微泡的密度图的地面实况。此外,在训练模块210不设置在图像处理系统202处的示例中,能够用于训练造影剂气泡模型208的图像/地面实况输出可以存储在其他地方。
在一些实施方案中,非暂态存储器206可以包括设置在两个或更多个设备上的组件,这些组件可以被远程定位和/或配置用于协调处理。在一些实施方案中,非暂态存储器206的一个或多个方面可以包括以云计算配置进行配置的可远程访问的联网存储设备。
用户输入设备232可包括触摸屏、键盘、鼠标、触控板、运动感测相机或被配置为使用户能够与图像处理系统202内的数据交互并操纵该数据的其他设备中的一者或多者。在一个示例中,用户输入设备232可以使用户能够选择超声图像以用于训练机器学习模型,以在超声图像数据212中指示或标记目标解剖特征的位置,或者用于使用受过训练的机器学习模型进行进一步处理。
显示设备234可以包括利用几乎任何类型技术的一个或多个显示设备。在一些实施方案中,显示设备234可以包括计算机监视器,并且可以显示超声图像。显示设备234可以与处理器204、非暂态存储器206和/或用户输入设备232组合在共享的壳体中,或者可以是外围显示设备,并且可以包括监视器、触摸屏、投影仪或本领域中已知的其他显示设备,该其他显示设备可使得用户能够查看由超声成像系统产生的超声图像并且/或者与存储在非暂态存储器206中的各种数据进行交互。
应当理解,图2所示的图像处理系统202是用于说明而非限制。另一种合适的图像处理系统可以包括更多、更少或不同的部件。
图3示出了根据一个实施方案的流程图,该流程图展示了用于自动表征感兴趣区域(ROI)(诸如动脉、病变、器官等)的造影剂增强的超声图像中的造影剂微泡的示例性方法300。参照图1至图2的系统和部件描述了方法300,但是应当理解,方法300可以在不脱离本公开的范围的情况下用其他系统和部件来实现。方法300可以根据存储在计算设备(诸如图2的图像处理系统202)的非暂态存储器中的指令来执行。
在302处,方法300包括获得ROI的造影剂增强的图像。获得造影剂增强的图像可以包括以造影剂增强模式操作超声探头(例如,图1的探头106)以对已施用了超声造影剂推注的患者进行成像。超声造影剂可以包括容纳在壳中的气体的微泡,诸如具有白蛋白壳的八氟丙烷(全氟丙烷)或具有磷脂壳的六氟化硫。在造影剂增强成像以获得造影剂增强的图像期间,可以控制超声探头以发射具有低机械指数的超声能量脉冲,这可以抑制组织成像、诱发微泡中的共振行为,并且防止或减少微泡的破坏。然而,在不脱离本公开的范围的情况下,超声探头可以以不同的方式控制,诸如以更高的机械指数控制,以导致微泡的破坏。在一些示例中,造影剂增强的图像可以是超分辨率的造影剂增强的图像。超分辨率的造影剂增强的图像可以通过使用超快平面波成像技术、使用深度学习卷积神经网络将低分辨率的造影剂增强的超声帧映射到高分辨率的造影剂增强的帧,或者使用高频换能器来生成。超分辨率的造影剂图像具有较高的空间分辨率,这允许更可靠地分离和识别微泡。本文所述的造影剂气泡模型可以使用超分辨率的造影剂图像产生比使用正常分辨率的图像时准确度更高的结果,但是本文所述的微泡密度图的生成和气泡计数可以在正常分辨率的图像上执行。
在304处,方法300包括确定是否已接收到表征造影剂微泡的请求。表征微泡的请求可以经由用户输入来接收。例如,超声成像系统的操作者可以经由用户输入设备(例如,用户界面115和/或用户输入设备232)来键入请求表征造影剂微泡的输入。在一些示例中,请求表征造影剂微泡的用户输入可以在操作者正在积极地对患者进行成像时接收,并且因此该请求可以包括使用特定的图像或一系列图像(例如,最新获取或存储的造影剂增强的图像)来表征微泡的请求。在一些示例中,表征微泡的请求可以作为自动或半自动工作流程的一部分从超声成像系统接收。
如果尚未接收到表征微泡的请求,则方法300返回。当没有接收到表征微泡的请求时,超声系统可以在被请求时(例如,当超声探头通电并且与成像对象接触时)继续获取超声图像(无论是造影剂增强的模式、非造影剂增强的模式,还是另一种成像模式),并且可以继续评估是否接收到表征造影剂微泡的请求。
如果接收到表征微泡的请求,则方法300前进至306以键入造影剂增强的图像作为造影剂气泡模型的输入。在一些示例中,在302处获得的造影剂增强的图像可以由超声系统响应于表征造影剂微泡的请求而获取。在其他示例中,造影剂增强的图像可以从存储器获得。在一些示例中,键入到模型中的造影剂增强的图像可以由用户选择,例如,超声成像系统的操作者可以从存储在该超声成像系统的存储器中的多个造影剂增强的图像中选择一个造影剂增强的图像,或者操作者可以经由用户输入指示当前显示的造影剂增强的图像可以用于微泡表征。
在一些示例中,表征微泡的请求可以包括造影剂微泡将被表征的解剖特征/ROI的指示(例如,表征动脉、病变、器官等中的微泡的请求)。键入到模型中的造影剂增强的图像(例如,在302处获得)可以包括所指示的解剖特征/ROI。
造影剂气泡模型(例如,造影剂气泡模型208)可以包括一个或多个深度学习模型/机器学习模型,这些学习模型被训练为识别造影剂增强的图像中的ROI/感兴趣解剖特征并且表征ROI/解剖特征中的微泡。造影剂气泡模型可以对造影剂增强的图像和/或对应的非造影剂图像(例如,B模式图像)执行图像分割以识别ROI的边界(例如,造影剂增强图像中的病变的边界),然后表征所识别的边界内的微泡。因此,如308处所指示,造影剂气泡模型可以对造影剂增强的图像进行分割,以识别和限定ROI的边界。在一些示例中,可以分割对应的非造影剂图像以识别ROI的边界,并且可以将ROI的边界映射/转换为造影剂增强的图像(例如,假设这两个图像具有相同的扫描平面和区域,并且在采集非造影剂增强的图像和造影剂增强的图像之间没有发生或只发生了最小的患者或探头运动)。
表征微泡可以包括生成ROI内的微泡密度的密度图、基于该密度图确定ROI内(或ROI的一个或多个子区域内)的微泡的数量、确定微泡密度和/或数量随时间推移的变化,或另一种表征。如310处所指示,在将造影剂增强的图像键入造影剂气泡模型时,造影剂气泡模型可以生成ROI中的微泡的密度图。造影剂气泡模型可以被训练为生成微泡的密度图,这可以包括确定ROI的不同子区域中的微泡的密度。例如,造影剂增强的图像可以是超分辨率的造影剂增强的超声图像,这些超声图像允许用户以高分辨率可视化造影剂气泡。如上文关于图2所解释的,可以在位掩码图像(例如,用户已指示至少一个气泡位置的图像;在每个气泡位置处,都将存在非零值)上使用具有高斯核(归一化)的卷积运算来训练气泡计数模型。然后将训练该气泡计数模型以将造影剂增强的图像映射到密度图,并且可以对该密度图进行积分以获得气泡计数。因此,一旦部署了造影剂气泡模型,受过训练的模型就利用造影剂图像作为输入并输出用于显示的密度图,然后产生微泡计数。子区域可以是预先限定的(例如,相等大小的正方形网格),或者子区域可以由造影剂气泡模型基于ROI中微泡的分布来限定(例如,可以将具有相同或相似亮度的成组像素限定为子区域)。密度图可以是热图的样式,其中每个子区域由每个子区域中的微泡的数量和/或密度的视觉边界和/或指示来限定。每个子区域中的微泡的数量和/或密度的指示可以包括指示微泡的数量和/或密度的数字、指示该数量和/或密度的子区域的着色或图案结构,或者每个子区域的数量和/或密度的另一种合适的视觉表示。
在312处,如果要求,可以生成指示整个ROI和/或每个子区域中的造影剂微泡的数量的造影剂气泡计数。另外,如果要求,可以生成造影剂气泡计数随时间推移的变化的曲线图。如上所述,为了确定造影剂气泡计数,可以对密度图进行积分。可以通过确定患者随时间推移拍摄的多个图像的造影剂气泡计数来生成造影剂气泡计数随时间推移的曲线图。该曲线图可以示出造影剂气泡的数量在造影剂摄入和洗出的过程中如何变化。可以针对整个ROI(例如,针对分割的ROI,或针对ROI的用户指定的子区域)生成曲线图。
在314处,密度图、气泡计数和/或气泡计数曲线图可以存储在超声成像系统的存储器中并且/或者输出以用于在显示设备(例如,显示设备118或显示设备234)上显示。在一些示例中,密度图可以被显示为造影剂增强的图像上或相同的目标解剖特征/区域的B模式图像上的叠加图。另外,密度图、气泡计数和/或气泡计数曲线图可以被发送到远程设备,诸如存储电子病历数据库和/或图片存档和通信系统(例如,作为包括患者超声图像的患者检查的一部分)的设备。然后,方法300返回。
因此,方法300提供了经由造影剂气泡模型自动确定造影剂增强的超声图像的感兴趣区域中的造影剂微泡的微泡计数。造影剂增强的图像内的感兴趣区域可以由造影剂气泡模型自动确定。例如,造影剂气泡模型可以被训练为识别造影剂增强的图像中的感兴趣区域。感兴趣区域可以是解剖特征,诸如特定器官、病变、动脉壁或其他解剖特征。然而,在其他示例中,感兴趣区域可以由用户限定,诸如用户键入限定感兴趣区域的边界的用户输入。
造影剂气泡模型可以被训练为确定整个感兴趣区域中的造影剂微泡的数量。在一些示例中,造影剂气泡模型可以被训练为将感兴趣区域分成两个或更多个子区域,并且确定每个子区域中的造影剂微泡的数量。在一些示例中,造影剂气泡模型可以被训练为确定每个子区域中的造影剂微泡的密度。造影剂气泡模型可以被训练为输出造影剂微泡的数量的视觉指示。在一些示例中,该视觉指示可以采取密度图的形式。
图4示出了可显示在显示设备401(诸如显示设备118和/或显示设备234)上的示例性图形用户界面(GUI)400。GUI 400可以包括由本文所述的造影剂气泡模型使用两个造影剂增强的图像作为输入而输出的两个微泡密度图。在每个密度图中,相应的造影剂增强的图像的子区域以指示该子区域内的微泡密度的颜色示出。
第一密度图402由造影剂气泡模型响应于第一造影剂增强的图像被输入到造影剂气泡模型而输出。第一造影剂增强的图像可以是在施用超声造影剂时(其中超声探头以造影剂模式(例如,低机械指数)控制)获取的患者颈动脉的图像。第一密度图402表示如由造影剂气泡模型在两个子区域中确定的造影剂微泡的密度。第一子区域406表示颈动脉腔内造影剂微泡的密度,并且第二子区域408表示颈动脉壁内造影剂微泡的密度。第一子区域406可以相对明亮,指示相对较高的微泡密度。第二子区域408可以不那么明亮,指示较低的微泡密度。第一密度图402的任何剩余区域是黑色的,指示在那些区域中未检测到微泡,或者那些区域没有被造影剂气泡模型评估是否存在微泡。
第二密度图404由造影剂气泡模型响应于第二造影剂增强的图像被输入到造影剂气泡模型而输出。第二造影剂增强的图像可以是在获取第一造影剂增强的图像后大约10秒获取的患者颈动脉的图像。第二密度图404表示如由造影剂气泡模型在第一子区域406和第二子区域408以及附加子区域中确定的造影剂微泡的密度。由于在获取第二造影剂增强的图像时在施用造影剂后的附加时间,微泡行进到动脉粥样硬化斑块,导致第二子区域408的尺寸增大并且包括具有相对较高的微泡密度的附加子区域,诸如第三子区域410和第四子区域412。由造影剂气泡模型生成的密度图(诸如第二密度图404)可以允许诊断动脉粥样硬化或其他病症(例如,病变新血管形成)。另外,通过监测同一患者随时间推移的密度图,临床医生可以跟踪疾病进展。例如,如果上述患者在初步诊断或疑似患上动脉粥样硬化之后间歇性地(例如,每3至6个月、每年)成像,则可以至少部分地基于由造影剂气泡模型生成的密度图中的变化(例如,子区域的数量增加、子区域的密度增加、子区域的大小增加等)来监测动脉粥样硬化的进展。
图5示出了可以显示在显示设备501(诸如显示设备118和/或显示设备234)上的示例性图形用户界面(GUI)500。GUI 500包括如由本文所述的造影剂气泡模型输出的微泡密度图502,该微泡密度图覆盖在被用作生成密度图的输入的造影剂增强的图像506上。还显示了B模式图像504,其包括由造影剂气泡模型分割的两个ROI的边界。B模式图像504可以是在施用造影剂之前获取的患者肝脏的图像,并且造影剂增强的图像506可以是在施用造影剂之后获取的肝脏的图像。密度图502包括两个ROI,第一ROI 508和第二ROI 510,其中每个ROI内的微泡的密度由该ROI内的颜色和颜色分布指示(例如,较暗指示较低密度,并且较亮指示较高密度)。参见第二ROI 510作为示例,第二ROI 510的密度是不一致的,并且第二ROI包括不同密度的区域,这些区域可以被称为子区域。造影剂气泡模型可以自动确定每个子区域中的密度和子区域的位置/分布。在一些示例中,ROI中的密度可以是一致的。虽然灰度着色在图5中示出,但是在一些示例中,密度图可以用其他颜色指示不同的密度(例如,绿色为较低密度,而红色为较高密度)或用图案指示不同的密度。
图6示出了可以显示在显示设备601(诸如显示设备118和/或显示设备234)上的示例性图形用户界面(GUI)600。GUI 600包括微泡曲线图602,该微泡曲线图描绘了ROI的微泡计数随时间推移的变化。在一个示例中,曲线图602可以描绘图5的第二ROI 510的微泡计数随时间推移的变化。多个造影剂增强的图像,类似于图5的造影剂增强的图像506,可以以合适的帧速率(诸如10Hz)获取。每个图像都可以被键入到造影剂气泡模型中。可以针对每个图像由造影剂气泡模型生成密度图。每个密度图(在第二ROI 510处)都可以被积分以生成每个图像的第二ROI的气泡计数。这些气泡计数可以被绘制为获取每个图像的相对时间的函数。
自动确定造影剂增强的超声图像中的感兴趣区域中的造影剂微泡数量的技术效果是减少操作者的工作流程并且增加跨患者和成像阶段的造影剂微泡计数的一致性。自动确定微泡密度并且输出微泡密度的密度图的另一个技术效果是临床医生可以使用微泡密度和分布的图案来诊断或排除疾病或者跟踪疾病进展。
方法的一个实施方案包括经由造影剂气泡模型生成造影剂增强的超声图像的感兴趣区域(ROI)中的造影剂微泡的密度图;以及在显示设备上显示该密度图。在该方法的第一实施例中,该方法还包括经由造影剂气泡模型识别造影剂增强的超声图像的ROI。在该方法的第二实施例中,该第二实施例任选地包括第一实施例,密度图包括ROI的两个或更多个子区域中的造影剂微泡的密度的指示。在该方法的第三实施例中,该第三实施例任选地包括第一实施例和第二实施例中的一者或两者,对于每个子区域,密度图包括该子区域的造影剂微泡的密度的视觉指示。在该方法的第四实施例中,该第四实施例任选地包括第一实施例至第三实施例中的一项或多项或每一项,每个视觉指示包括颜色或图案。在该方法的第五实施例中,该第五实施例任选地包括第一实施例至第四实施例中的一项或多项或每一项,在显示设备上显示密度图包括将密度图显示为造影剂增强的图像上的叠加图。在该方法的第六实施例中,该第六实施例任选地包括第一实施例至第五实施例中的一项或多项或每一项,造影剂气泡模型是神经网络,并且其中生成密度图包括将造影剂增强的图像输入该神经网络。在该方法的第七实施例中,该第七实施例任选地包括第一实施例至第六实施例中的一项或多项或每一项,该方法还包括将密度图存储在存储器中作为患者检查的一部分。在该方法的第八实施例中,该第八实施例任选地包括第一实施例至第七实施例中的一项或多项或每一项,该方法还包括基于密度图确定微泡计数。在该方法的第九实施例中,该第九实施例任选地包括第一实施例至第八实施例中的一项或多项或每一项,基于密度图确定微泡计数包括对密度图进行积分。
系统的一个实施方案包括:显示设备;超声探头;存储器,该存储器存储指令;和处理器,该处理器通信地联接到存储器并且在执行指令时被配置为:经由超声探头获取患者的感兴趣区域(ROI)的造影剂增强的图像;键入造影剂增强的图像作为造影剂气泡模型的输入,该造影剂气泡模型被训练为基于造影剂增强的图像输出ROI的密度图,该密度图包括造影剂增强的图像的ROI的一个或多个子区域中的造影剂微泡的密度;以及输出密度图以用于在显示设备上显示。在该系统的第一实施例中,造影剂气泡模型被训练为识别ROI。在该系统的第二实施例中,该第二实施例任选地包括第一实施例,造影剂气泡模型是存储在存储器中的神经网络。在该系统的第三实施例中,该第三实施例任选地包括第一实施例和第二实施例中的一者或两者,造影剂气泡模型用多个训练数据集进行训练,每个训练数据集包括相应的训练造影剂增强的图像和该训练造影剂增强的图像内的造影剂微泡密度的对应的训练密度图。在该系统的第四实施例中,该第四实施例任选地包括第一实施例至第三实施例中的一项或多项或每一项,对应的训练密度图通过由训练造影剂增强的图像生成位掩码并将高斯滤波器应用于该位掩码来生成,其中训练造影剂增强的图像包括指示该训练造影剂增强的图像的ROI中的一个或多个造影剂微泡中的每个造影剂微泡的位置的注释。在该系统的第五实施例中,该第五实施例任选地包括第一实施例至第四实施例中的一项或多项或每一项,密度图被显示为造影剂增强的图像上的叠加图。
用于超声系统的方法的一个实施方案包括接收确定造影剂增强的超声图像的感兴趣区域(ROI)的微泡计数的请求;在接收到该请求时,键入造影剂增强的图像作为模型的输入,该模型被训练为基于造影剂增强的超声图像输出微泡计数;以及输出微泡计数以用于在显示设备上显示。在该方法的第一实施例中,模型被训练为基于造影剂增强的超声图像输出密度图,该密度图包括造影剂增强的超声图像的ROI的一个或多个子区域中的造影剂微泡的密度,并且其中基于密度图确定微泡计数。在该方法的第二实施例中,该第二实施例任选地包括第一实施例,该方法还包括生成微泡计数随时间推移的变化的曲线图,并且输出该曲线图以用于在显示设备上显示。在该方法的第三实施例中,该第三实施例任选地包括第一实施例和第二实施例中的一者或两者,生成微泡计数的曲线图包括将各自包括随时间推移而获取的ROI的多个造影剂增强的超声图像键入模型,以便获得多个微泡计数,以及将多个微泡计数绘制为时间的函数。
当介绍本公开的各种实施方案的元件时,词语“一个”、“一种”和“该”旨在意指存在这些元件中的一个或多个元件。术语“第一”、“第二”等不表示任何顺序、量或重要性,而是用于将一个元件与另一个元件区分开。术语“包含”、“包括”和“具有”旨在是包含性的,并且意指除了列出的元件之外还可存在附加元件。如本文使用术语“连接到”、“联接到”等,一个对象(例如,材料、元件、结构、构件等)可以连接到或联接到另一个对象,而无论该一个对象是否直接连接或联接到另一个对象,或者在该一个对象和另一个对象之间是否存在一个或多个介入对象。此外,应当理解,对本公开的“一个实施方案”或“实施方案”的引用不旨在被解释为排除也包含所引用特征的附加实施方案的存在。
除了任何先前指示的修改之外,本领域技术人员可以在不脱离本描述的实质和范围的情况下设计出许多其他变型和替换布置,并且所附权利要求书旨在覆盖此类修改和布置。因此,尽管上面已经结合当前被认为是最实际和最优选的方面对信息进行了具体和详细的描述,但对于本领域的普通技术人员将显而易见的是,在不脱离本文阐述的原理和概念的情况下,可以进行许多修改,包括但不限于形式、功能、操作方式和使用。同样,如本文所使用的,在所有方面,示例和实施方案仅意图是说明性的,并且不应以任何方式解释为限制性的。
Claims (20)
1.一种方法,所述方法包括:
经由造影剂气泡模型生成造影剂增强的超声图像的感兴趣区域(ROI)中的造影剂微泡的密度图;以及
在显示设备上显示所述密度图。
2.根据权利要求1所述的方法,所述方法还包括经由所述造影剂气泡模型识别所述造影剂增强的超声图像的所述ROI。
3.根据权利要求1所述的方法,其中所述密度图包括所述ROI的两个或更多个子区域中的所述造影剂微泡的密度的指示。
4.根据权利要求3所述的方法,其中对于每个子区域,所述密度图包括所述子区域的所述造影剂微泡的所述密度的视觉指示。
5.根据权利要求4所述的方法,其中每个视觉指示包括颜色或图案。
6.根据权利要求1所述的方法,其中在所述显示设备上显示所述密度图包括将所述密度图显示为所述造影剂增强的图像上的叠加图。
7.根据权利要求1所述的方法,其中所述造影剂气泡模型是神经网络,并且其中生成所述密度图包括将所述造影剂增强的图像输入所述神经网络。
8.根据权利要求1所述的方法,所述方法还包括将所述密度图存储在存储器中作为患者检查的一部分。
9.根据权利要求1所述的方法,所述方法还包括基于所述密度图确定微泡计数。
10.根据权利要求9所述的方法,其中基于所述密度图确定所述微泡计数包括对所述密度图进行积分。
11.一种系统,所述系统包括:
显示设备;
超声探头;
存储器,所述存储器存储指令;和
处理器,所述处理器通信地联接到所述存储器并且在执行所述指令时被配置为:
经由所述超声探头获取患者的感兴趣区域(ROI)的造影剂增强的图像;
键入所述造影剂增强的图像作为造影剂气泡模型的输入,所述造影剂气泡模型被训练为基于所述造影剂增强的图像输出所述ROI的密度图,所述密度图包括所述造影剂增强的图像的所述ROI的一个或多个子区域中的造影剂微泡的密度;以及
输出所述密度图以用于在所述显示设备上显示。
12.根据权利要求11所述的系统,其中所述造影剂气泡模型被训练为识别所述ROI。
13.根据权利要求11所述的系统,其中所述造影剂气泡模型是存储在所述存储器中的神经网络。
14.根据权利要求13所述的系统,其中所述造影剂气泡模型用多个训练数据集进行训练,每个训练数据集包括相应的训练造影剂增强的图像和所述训练造影剂增强的图像内的造影剂微泡密度的对应的训练密度图。
15.根据权利要求14所述的系统,其中所述对应的训练密度图通过由所述训练造影剂增强的图像生成位掩码并将高斯滤波器应用于所述位掩码来生成,其中所述训练造影剂增强的图像包括指示所述训练造影剂增强的图像的ROI中的一个或多个造影剂微泡中的每个造影剂微泡的位置的注释。
16.根据权利要求11所述的系统,其中所述密度图被显示为所述造影剂增强的图像上的叠加图。
17.一种用于超声系统的方法,所述方法包括:
接收确定造影剂增强的超声图像的感兴趣区域(ROI)的微泡计数的请求;
在接收到所述请求时,键入所述造影剂增强的图像作为模型的输入,所述模型被训练为基于所述造影剂增强的超声图像输出微泡计数;以及
输出所述微泡计数以用于在显示设备上显示。
18.根据权利要求17所述的方法,其中所述模型被训练为基于所述造影剂增强的超声图像输出密度图,所述密度图包括所述造影剂增强的超声图像的所述ROI的一个或多个子区域中的造影剂微泡的密度,并且其中基于所述密度图确定所述微泡计数。
19.根据权利要求17所述的方法,所述方法还包括生成微泡计数随时间推移的曲线图,并且输出所述曲线图以用于在所述显示设备上显示。
20.根据权利要求19所述的方法,其中生成所述微泡计数的曲线图包括将各自包括随时间推移而获取的所述ROI的多个造影剂增强的超声图像键入所述模型,以便获得多个微泡计数,以及将所述多个微泡计数绘制为时间的函数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/776,147 | 2020-01-29 | ||
US16/776,147 US20210228187A1 (en) | 2020-01-29 | 2020-01-29 | System and methods for contrast-enhanced ultrasound imaging |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113180724A true CN113180724A (zh) | 2021-07-30 |
Family
ID=76969554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110014281.6A Pending CN113180724A (zh) | 2020-01-29 | 2021-01-06 | 用于造影剂增强的超声成像的系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210228187A1 (zh) |
CN (1) | CN113180724A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107920801A (zh) * | 2015-08-21 | 2018-04-17 | 皇家飞利浦有限公司 | 通过自适应时间处理的微血管超声造影成像 |
US20190154822A1 (en) * | 2017-11-21 | 2019-05-23 | The Charles Stark Draper Laboratory, Inc. | System and method for imaging and localization of contrast-enhanced features in the presence of accumulating contrast agent in a body |
CN110381845A (zh) * | 2017-01-05 | 2019-10-25 | 皇家飞利浦有限公司 | 具有用于导出成像数据和组织信息的神经网络的超声成像系统 |
US20190336107A1 (en) * | 2017-01-05 | 2019-11-07 | Koninklijke Philips N.V. | Ultrasound imaging system with a neural network for image formation and tissue characterization |
-
2020
- 2020-01-29 US US16/776,147 patent/US20210228187A1/en not_active Abandoned
-
2021
- 2021-01-06 CN CN202110014281.6A patent/CN113180724A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107920801A (zh) * | 2015-08-21 | 2018-04-17 | 皇家飞利浦有限公司 | 通过自适应时间处理的微血管超声造影成像 |
CN110381845A (zh) * | 2017-01-05 | 2019-10-25 | 皇家飞利浦有限公司 | 具有用于导出成像数据和组织信息的神经网络的超声成像系统 |
US20190336107A1 (en) * | 2017-01-05 | 2019-11-07 | Koninklijke Philips N.V. | Ultrasound imaging system with a neural network for image formation and tissue characterization |
US20190154822A1 (en) * | 2017-11-21 | 2019-05-23 | The Charles Stark Draper Laboratory, Inc. | System and method for imaging and localization of contrast-enhanced features in the presence of accumulating contrast agent in a body |
Also Published As
Publication number | Publication date |
---|---|
US20210228187A1 (en) | 2021-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102269467B1 (ko) | 의료 진단 이미징에서의 측정 포인트 결정 | |
US11488298B2 (en) | System and methods for ultrasound image quality determination | |
US11715202B2 (en) | Analyzing apparatus and analyzing method | |
US10499879B2 (en) | Systems and methods for displaying intersections on ultrasound images | |
KR102539901B1 (ko) | 2차원 초음파 이미지를 음영화하는 방법 및 시스템 | |
CN112890854B (zh) | 用于顺序扫描参数选择的系统和方法 | |
CN113509203A (zh) | 用于在多普勒超声成像中检测异常流量的方法和系统 | |
US11593933B2 (en) | Systems and methods for ultrasound image quality determination | |
US11712224B2 (en) | Method and systems for context awareness enabled ultrasound scanning | |
CN112890853A (zh) | 用于联合扫描参数选择的系统和方法 | |
US11903760B2 (en) | Systems and methods for scan plane prediction in ultrasound images | |
CN115137389A (zh) | 用于超声成像的解剖学对准的多平面重建视图的系统和方法 | |
US11890142B2 (en) | System and methods for automatic lesion characterization | |
CN116258736A (zh) | 用于分割图像的系统和方法 | |
CN114098796B (zh) | 用于检测医学图像中的胸膜不规则性的方法和系统 | |
US20210228187A1 (en) | System and methods for contrast-enhanced ultrasound imaging | |
US20230137369A1 (en) | Aiding a user to perform a medical ultrasound examination | |
US9842427B2 (en) | Methods and systems for visualization of flow jets | |
US12089997B2 (en) | System and methods for image fusion | |
US20240285256A1 (en) | Ultrasound imaging system and method for segmenting an object from a volumetric ultrasound dataset | |
US20230267618A1 (en) | Systems and methods for automated ultrasound examination | |
CN114098795B (zh) | 用于生成超声探头引导指令的系统和方法 | |
US20220301240A1 (en) | Automatic Model-Based Navigation System And Method For Ultrasound Images | |
CN116889425A (zh) | 在心脏应变计算中排除心包膜的方法和系统 | |
CN116602704A (zh) | 用于医学图像的自动测量的系统和方法 |
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 |