CN114098796A - 用于检测医学图像中的胸膜不规则性的方法和系统 - Google Patents

用于检测医学图像中的胸膜不规则性的方法和系统 Download PDF

Info

Publication number
CN114098796A
CN114098796A CN202110986443.2A CN202110986443A CN114098796A CN 114098796 A CN114098796 A CN 114098796A CN 202110986443 A CN202110986443 A CN 202110986443A CN 114098796 A CN114098796 A CN 114098796A
Authority
CN
China
Prior art keywords
ultrasound
image
lung
pleural
score
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
CN202110986443.2A
Other languages
English (en)
Inventor
梅纳凯姆·哈尔曼
达尼·平科维奇
卡米特·希兰
罗伯特·约翰·安德森
安东尼奥·法比安·费尔莫索
辛西娅·欧文
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 CN114098796A publication Critical patent/CN114098796A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/466—Displaying means of special interest adapted to display 3D data
    • 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7425—Displaying combinations of multiple images regardless of image source, e.g. displaying a reference anatomical image with a live image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
    • A61B5/7485—Automatic selection of region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/463—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
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • 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
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/468—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means allowing annotation or message recording
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • 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
    • A61B8/52—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
    • 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
    • A61B8/5253—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 combining overlapping images, e.g. spatial compounding
    • 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
    • A61B8/5261—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 different diagnostic modalities, e.g. ultrasound and X-ray
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G06T2207/10136—3D 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Computer Graphics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明题为“用于检测医学图像中的胸膜不规则性的方法和系统”。本发明提供了用于医学成像系统的各种方法和系统。在一个实施方案中，一种方法包括：采集肺的一系列医学图像；识别该系列的每个医学图像中的胸膜线；评估该系列的每个医学图像中的该胸膜线的不规则性；以及输出该系列的每个医学图像的注释版本，该注释版本包括健康胸膜和不规则胸膜的视觉标记。这样，该医学成像系统的操作者可在扫描期间被警示胸膜不规则性。

Description

用于检测医学图像中的胸膜不规则性的方法和系统
技术领域
本文所公开的主题的实施方案涉及超声成像。
背景技术
超声成像系统通常包括施用到患者身体的超声探头和可操作地联接到该探头的工作站或设备。扫描期间，探头可由系统的操作者控制，并且被配置为发射和接收由工作站或设备处理成超声图像的超声信号。工作站或设备可通过显示设备显示超声图像以及多个用户可选输入。操作者或其他用户可与工作站或设备交互以分析在多个用户可选输入上显示的图像和/或从多个用户可选输入中选择。
作为一个示例，由于例如超声成像系统在护理点处的易用性和相对于胸部x射线或胸部计算机断层摄影(CT)扫描的低成本，超声成像可用于检查患者的肺。此外，超声成像系统不将患者暴露于辐射。肺超声成像，也称为肺超声检查，包括出于诊断目的而解释超声伪影。超声伪影包括A线和B线，A线是由肺胸膜处的振荡声波引起的基本上平行且水平的重复线，B线是指示各种肺病理、包括流体的存在的高回波的基本上竖直的“彗星尾”伪影。
发明内容
本发明内容介绍了在具体实施方式中更详细描述的概念。其不应当用于确定要求保护的主题的基本特征，也不应当用于限制要求保护的主题的范围。
在一个方面，一种方法可包括：采集肺的一系列医学图像；识别该系列的每个医学图像中的胸膜线；评估该系列的每个医学图像中的胸膜线的不规则性；以及输出该系列的每个医学图像的注释版本，该注释版本包括健康胸膜和不规则胸膜的视觉标记。
应当理解，提供上面的简要描述来以简化的形式介绍在具体实施方式中进一步描述的精选概念。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
通过参考附图阅读以下对非限制性实施方案的描述将更好地理解本公开，其中以下：
图1示出了根据一个实施方案的超声成像系统的方框示意图；
图2是示出根据实施方案的用于检测和分类医学图像中的异常的图像处理系统的示意图；
图3示出了根据一个实施方案的用于在肺超声期间实时检测和量化胸膜不规则性的示例性方法的流程图；
图4示出了根据一个实施方案的可输出到显示器的第一示例性注释全景肺超声图像；
图5示出了根据一个实施方案的可输出到显示器的第二示例性注释全景肺超声图像；
图6A和图6B示出了根据一个实施方案的可在肺超声期间和之后发生的显示输出的第一示例性序列；
图7A和图7B示出了根据一个实施方案的可在肺超声期间和之后发生的显示输出的第二示例性序列；并且
图8示出了根据一个实施方案的具有叠加超声图像的示例性三维肺模型。
具体实施方式
现在将参考图1-图8以举例的方式描述本公开的实施方案，这些实施方案涉及用于基于由成像系统、诸如图1所示的超声成像系统采集的医学成像数据自动检测胸膜不规则性的各种实施方案。由于本文所述的过程可应用于经预处理的成像数据和/或经处理的图像，因此术语“图像”在整个本公开中通常用于表示经预处理和经部分处理的图像数据(例如，经预波束形成的RF或I/Q数据、经预扫描转换的RF数据)以及经完全处理的图像(例如，准备好显示的经扫描转换和经滤波的图像)。图2中示出了可用于检测胸膜不规则性的示例性图像处理系统。图像处理系统可诸如根据图3的方法采用图像处理技术和一个或多个算法来检测胸膜不规则性并且将检测的胸膜不规则性的指示输出给操作者。可使用各种视觉标记或指示符来区分健康胸膜与不规则胸膜，诸如图5和图6所例示。如图6A-图7B中的示例性显示输出所描绘，可对胸膜不规则性进行实时检测和评分，然后系统可选择用于扩展显示的最佳帧表示。此外，系统可将关于潜在诊断或检测到的病理的信息输出到显示器。在一些示例中，还可生成三维肺模型并将其输出到显示器，其中最佳帧表示叠加在解剖和空间相关的位置中，诸如图8所示。这样，可从超声成像数据实时检测和量化胸膜不规则性，从而减少到可作出诊断时的时间并且减少操作者内变化和操作者间变化两者。
在所描述系统和技术的一些实施方案的实践中可实现的优点在于，可减少胸膜不规则性检测中的不一致性，特别是在不同操作者之间的不一致性。这对于提高护理点超声操作者的检测准确性可能是特别有利的，这些护理点超声操作者可具有比超声专家(例如，超声医师或放射科医师)更少的培训。例如，可能没有接受专家级超声训练的急诊室医生可能更可能忽视不规则性或不正确地将正常结构或成像伪影识别为不规则性，这可能增加放射科的后续扫描的负担并增加患者不适。此外，通过减少后续扫描和护理点超声操作者的精神负担，可减少到作出准确诊断时的时间量。此外，所描述系统和技术可包括：通过选择示出胸膜不规则性的最大发生率的图像来输出所存在的任何肺病理的“最佳帧”图像，以及输出建议诊断，从而进一步减少超声操作者和/或参与诊断和治疗被扫描患者的其他临床医生的精神负担。
虽然下文描述的用于评估医学图像的系统和方法参考超声成像系统来讨论，但可注意到，本文所描述的方法可应用于多种成像系统(例如，MRI、PET、x射线、CT或其他相似系统)。
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。然而，可以理解，本文所阐述的实施方案可使用其他类型的医学成像模态(例如，磁共振成像、计算机断层显像、正电子发射断层显像等)来实现。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。换能器元件104可由压电材料构成。当向压电材料施加电压时，压电材料物理地膨胀和收缩，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执行波束形成并输出超声数据的接收波束形成器110，该超声数据可为射频(RF)信号的形式。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的全部或一部分可定位在探头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。在本公开中，术语“数据”可用于指用超声成像系统采集的一个或多个数据集。
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上的图形用户界面中的一者或多者。在一些实施方案中，显示设备118可包括触敏显示器，因此显示设备118可包括在用户界面115中。
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)。如本文所用，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。作为一个示例，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。根据一个实施方案，处理器116可包括中央处理单元(CPU)。根据其他实施方案，处理器116可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数据并且生成原始数据的复合解调器(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(例如，基本上在发生时)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采集一个或多个平面的二维(2D)数据。然而，应当理解，实时帧速率可取决于采集和/或处理用于显示的每帧数据所花费的时间长度(例如，持续时间)。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。
在一些实施方案中，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。本公开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来进一步处理数据(例如，通过如本文进一步描述的那样扩充数据)。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。存储器120可存储采集数据的已处理帧。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。
在本公开的各种实施方案中，数据可由处理器116以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、组织速度成像、应变、应变速率等)进行处理，以形成2D或三维(3D)图像。当获得多个图像时，处理器116还可被配置为稳定或配准图像。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、彩色血流成像、频谱多普勒、弹性成像、组织速度成像(TVI)、应变、应变速率等，以及它们的组合。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、高清(HD)血流多普勒等。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。
此外，超声成像系统100的部件可彼此耦接以形成单个结构，可为分开的但位于公共房间内，或者可相对于彼此远离。例如，本文描述的模块中的一个或多个模块可在数据服务器中操作，该数据服务器相对于超声成像系统100的其他部件诸如探头106和用户界面115具有不同的和远程的位置。任选地，超声成像系统100可为能够从一个房间(例如，便携式地)移动到另一个房间的单一系统。例如，超声成像系统100可包括轮或可在推车上运输，或者可包括手持设备。
例如，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可被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还可在其中包含处理器116和存储器120。探头106可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可包括在手持式超声成像设备、探头以及它们的组合中。
参见图2，示出了示例性医学图像处理系统200。在一些实施方案中，医学图像处理系统200被结合到医学成像系统诸如超声成像系统(例如，图1的超声成像系统100)、MRI系统、CT系统、单光子发射计算机断层显像(SPECT)系统等中。在一些实施方案中，医学图像处理系统200的至少一部分设置在设备(例如，边缘设备或服务器)处，该设备经由有线和/或无线连接可通信地耦接到医学成像系统。在一些实施方案中，医学图像处理系统200设置在单独的设备(例如，工作站)处，该设备可从医学成像系统或者从存储由医学成像系统生成的图像的存储设备接收图像。医学图像处理系统200可包括图像处理器231、用户输入设备232和显示设备233。例如，图像处理器231可以可操作地/通信地耦接到用户输入设备232和显示设备233。
图像处理器231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，并且由处理器204执行的程序可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可以任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能够远程访问的联网计算设备执行。在一些实施方案中，处理器204可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。在一些实施方案中，处理器204可包括能够执行处理功能的多个电子部件。例如，处理器204可包括从多个可能的电子部件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。在另外的实施方案中，处理器204可被配置为图形处理单元(GPU)，包括并行计算架构和并行处理能力。
在图2所示的实施方案中，非暂态存储器206存储检测和量化模块212以及医学图像数据214。检测和量化模块212包括一个或多个算法，以处理来自医学图像数据214的输入医学图像。具体地，检测和量化模块212可识别医学图像数据214内的解剖特征，并且分析解剖特征的不规则性或异常。例如，检测和量化模块212可包括一个或多个图像识别算法、形状或边缘检测算法、梯度算法等，以处理输入医学图像。附加地或另选地，检测和量化模块212可存储用于实现神经网络诸如卷积神经网络的指令，以用于检测和量化在医学图像数据214中捕获的解剖不规则性。例如，检测和量化模块212可包括经训练的和/或未训练的神经网络并且还可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)。在一些实施方案中，检测和量化模块212可在采集医学图像数据214时实时评估该医学图像数据。附加地或另选地，检测和量化模块212可离线而不是实时评估医学图像数据214。
例如，当医学图像数据214包括肺超声数据时，所识别的解剖特征可包括胸膜，该胸膜可由检测和量化模块212通过边缘检测技术和/或梯度变化基于胸膜滑动来识别。如其中将相对于图3详述的，一旦在每个帧中检测到胸膜定位，检测和量化模块就可根据若干参数、包括局部暗淡度和竖直位置对胸膜进行评分，以确定哪些胸膜位置是不规则的。
任选地，图像处理器231可通信地耦接到训练模块210，该训练模块包括用于训练存储在检测和量化模块212中的一个或多个机器学习模型的指令。训练模块210可包括指令，这些指令在被处理器执行时致使处理器基于样本数据构建模型(例如，数学模型)，以作出关于解剖不规则性的检测和分类的预测或决策，而无需对不利用机器学习的传统算法的明确编程。在一个示例中，训练模块210包括用于从医学图像数据214接收训练数据集的指令。训练数据集包括用于训练存储在检测和量化模块212中的机器学习模型中的一个或多个机器学习模型的医学图像集、相关联的地面实况标签/图像和相关联的模型输出。训练模块210可从医学图像数据214以外的来源(诸如其他图像处理系统、云等)接收用于训练一个或多个机器学习模型的医学图像、相关联的地面实况标签/图像和相关联的模型输出。在一些实施方案中，训练模块210的一个或多个方面可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。此外，在一些实施方案中，训练模块210包括在非暂态存储器206中。附加地或另选地，在一些实施方案中，训练模块210可用于离线且远离图像处理系统200生成检测和量化模块212。在此类实施方案中，训练模块210可不包含在图像处理系统200中，但是可生成存储在图像处理系统200中的数据。例如，检测和量化模块212可在制造地用训练模块210预先训练。
非暂态存储器206还存储医学图像数据214。医学图像数据214包括例如由成像模态(诸如超声成像系统、MRI系统、CT系统、PET系统等)捕获的功能图像和/或解剖图像。作为一个示例，医学图像数据214可包括超声图像，诸如肺超声图像。此外，医学图像数据214可包括2D图像、3D图像、静态单帧图像和多帧影像循环(例如，电影)中的一个或多个。
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的可远程访问的联网存储设备。作为一个示例，非暂态存储器206可为影像存档与通信系统(PACS)的一部分，该部分被配置为存储例如患者病史、成像数据、测试结果、诊断信息、管理信息和/或排程信息。
图像处理系统200还可包括用户输入设备232。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器231内存储的数据交互并操纵该数据的其他设备中的一者或多者。
显示设备233可包括利用任何类型的显示技术的一个或多个显示设备。在一些实施方案中，显示设备233可包括计算机监视器，并且可显示未处理的图像、经处理的图像、参数标测图和/或检查报告。显示设备233可与处理器204、非暂态存储器206和/或用户输入设备232在共享壳体中组合，或者可为外围显示设备。显示设备233可包括监视器、触摸屏、投影仪或另一种类型的显示设备，该显示设备可使得用户能够查看医学图像和/或与存储在非暂态存储器206中的各种数据进行交互。在一些实施方案中，显示设备233可包括在智能电话、平板电脑、智能手表等中。
可以理解，图2所示的医学图像处理系统200是图像处理系统的一个非限制性实施方案，并且在不脱离本公开的范围的情况下，其他成像处理系统可包括更多、更少或不同的部件。此外，在一些实施方案中，医学图像处理系统200的至少部分可包括在图1的超声成像系统100中，或反之亦然(例如，超声成像系统100的至少部分可包括在医学图像处理系统200中)。
如本文所用，术语“系统”和“模块”可包括操作以执行一个或多个功能的硬件和/或软件系统。例如，模块或系统可包括计算机处理器、控制器或基于存储在有形和非暂态计算机可读存储介质(诸如计算机存储器)上的指令来执行操作的其他基于逻辑的设备，或可被包括在其中。另选地，模块或系统可包括基于设备的硬连线逻辑来执行操作的硬连线设备。附图中示出的各种模块或系统可表示基于软件或硬连线指令操作的硬件、指示硬件执行操作的软件、或它们的组合。
“系统”或“模块”可包括或表示执行本文描述的一个或多个操作的硬件和相关指令(例如，存储在有形和非暂态计算机可读存储介质上(诸如计算机硬盘驱动器、ROM、RAM等)的软件)。硬件可包括电子电路，其包括和/或连接到一个或多个基于逻辑的设备，诸如微处理器、处理器、控制器等。这些设备可以是被适当编程或指示以根据上文所述的指令来执行本文所述的操作的现成设备。除此之外或另选地，这些设备中的一个或多个可以与逻辑电路硬连线以执行这些操作。
接下来，图3示出了用于识别和量化患者的肺图像中的胸膜不规则性的示例性方法300的流程图。特别地，方法300提供用于加速诊断患者和提高诊断患者的准确性的工作流程。将针对使用超声成像系统诸如图1的超声成像系统100采集的超声图像描述方法300，但也可使用其他超声成像系统。此外，方法300可适用于其他成像模态。方法300可由上述系统中的一者或多者实现，包括图1的超声成像系统100和图2的医学图像处理系统200。因此，方法300可作为可执行指令存储在非暂态存储器诸如图1的存储器120和/或图2的非暂态存储器206中，并且由处理器诸如图1的处理器116和/或图2的处理器204执行。此外，在一些实施方案中，在采集超声图像时实时执行方法300，而在其他实施方案中，在采集超声图像之后离线执行方法300的至少部分。例如，即使在超声系统未被主动操作以采集图像时，处理器也可评估存储在存储器中的超声图像。此外，方法300的至少部分可并行执行。例如，可在生成第一超声图像的同时采集第二图像的超声数据，可在分析第一超声图像的同时采集第三图像的超声数据，等等。
在302处，方法300包括接收肺超声协议选择。肺超声协议可由超声成像系统的操作者(例如，用户)通过用户界面(例如，用户界面115)来选择。作为一个示例，操作者可使用下拉菜单或通过选择虚拟按钮从多个可能的超声协议中选择肺超声协议。另选地，系统可基于从与患者相关联的电子健康记录(EHR)接收的数据自动地选择协议。例如，EHR可包括先前执行的检查、诊断和当前的治疗，其可用于选择肺超声协议。此外，在一些示例中，操作者可手动输入和/或更新用于肺超声协议的参数。肺超声协议可以是系统引导的协议，其中系统逐步引导操作者完成协议，或者可以是用户引导的协议，其中操作者遵循实验室定义或自定义的协议，而系统不强制执行具体协议或不预先知道协议步骤。
此外，肺超声协议可包括顺序执行的多个扫描位点(例如，视图)、探头移动和/或成像模式。例如，肺超声协议可包括使用利用凸形的、曲线的或线性的超声探头(例如，图1的探头106)进行的实时B模式成像。在一些示例中，肺超声协议还可包括使用动态M模式。肺超声协议可包括纵向扫描，其中探头垂直于肋骨定位，和/或倾斜扫描，其中探头沿着肋骨之间的肋间隙定位。此外，在一些示例中，肺超声协议可包括全景扫描，其中用户从头部向下挥动超声探头，并且来自扫描的多个视图可拼接在一起以提供解剖和空间关系。在一些实施方案中，探头可包括三维探头传感器，该三维探头传感器可给出被成像肺的宽度信息，而扫描的长度可指示被成像肺的长度。
在304处，方法300包括用超声探头根据肺超声协议通过发射和接收超声信号来采集超声数据。根据肺超声协议采集超声数据可包括系统在用户界面上显示指令，例如，以引导操作者完成对指定扫描位点的采集。附加地或另选地，肺超声协议可包括让超声系统自动采集一些或所有数据或执行其他功能的指令。例如，肺超声协议可包括让用户移动、旋转和/或倾斜超声探头以及自动启动和/或终止扫描过程和/或调整超声探头的成像参数的指令，这些成像参数诸如超声信号发射参数、超声信号接收参数、超声信号处理参数或超声信号显示参数。此外，所采集的超声数据包括针对要显示的每个像素或一组像素(例如，分配了相同参数值的一组像素)计算的一个或多个图像参数，其中一个或多个计算的图像参数包括例如强度、速度、彩色血流速度、纹理、颗粒度、收缩性、变形和变形速率值中的一者或多者。
在306处，方法300包括从所采集的超声数据生成超声图像。例如，由处理器处理和分析在该方法期间在304处采集的信号数据，以便以指定帧速率产生超声图像。处理器可包括图像处理模块，该图像处理模块接收在304处采集的信号数据(例如，图像数据)并处理所接收的图像数据。例如，图像处理模块可处理超声信号以生成用于显示给操作者的超声信息(例如，超声图像)的切片或帧。在一个示例中，生成图像可包括基于所接收的图像数据(例如，2D或3D超声数据)确定要显示的每个像素的强度值。因此，所生成的超声图像可以是2D或3D，这取决于所使用的超声模式(诸如B模式、M模式等)。超声图像在本文中也将称为“帧”或“图像帧”。
在308处，方法300包括检测每个超声图像中的胸膜位置。在充气的肺中，形成肺贴靠胸壁的外界线的胸膜可提供可通过超声检测到的基本上唯一的解剖肺结构。胸膜在超声图像中呈现为较亮(例如，较白)像素的高回波水平区段，称为胸膜线，其在称为胸膜滑动的现象中与呼吸同步地移动。处理器可利用分析模块，诸如图2的检测和量化模块212，来识别展示最大胸膜滑动量的水平(或在一些取向中，对角)线，以便限定每个图像中的胸膜位置(并因此限定胸膜线)。例如，处理器可评估连续帧，并诸如通过对帧之间的绝对差求和来识别在连续帧之间具有最高局部变化量的水平(或对角)区域，以识别胸膜滑动并因此识别胸膜位置。在没有胸膜滑动(例如，在呼吸之间)的帧中，可基于胸膜来自先前帧的已知位置向上/向下跟踪胸膜的位置。
附加地或另选地，检测胸膜位置可包括诸如通过使用边缘检测技术或梯度变化基于像素之间的亮度变化来识别胸膜的下边界和上边界。例如，处理器可应用边缘检测算法，该边缘检测算法包括一种或多种数学方法，该一种或多种数学方法用于识别图像亮度急剧变化和/或具有中断部分的点(例如，像素)以识别胸膜线的下边界和上边界。作为一个示例，处理器可对具有最高局部变化量的区域应用边缘检测算法。又如，附加地或另选地，梯度算法可识别胸膜位置处的局部最大和/或最小像素亮度，以识别每个图像中的胸膜线的下边界和上边界。
在310处，方法300包括检测和量化每个超声图像中的不规则性。例如，当空气含量由于肺中存在流体而减少时，超声信号可在比胸膜更深的区域处部分地反射，从而导致称为B线的竖直混响伪影。当B线数量增加时，肺的空气含量减少并且肺的密度增加，这是由于瘢痕化和/或肺部胞间隙中的流体的积聚(诸如通过肺实变)。虽然一条或两条B线可能不指示疾病状态，但多于两条B线或汇合B线可指示不规则性，诸如肺实变。
因此，作为一个示例，检测和量化每个超声图像中的不规则性可包括识别每个超声图像中的B线。处理器可将B线识别为从胸膜线延伸到图像底部的与胸膜滑动同步地移动的离散的竖直高回波混响伪影。处理器还可对在每个帧中找到的B线的数量求和。
检测和量化每个超声图像中的不规则性还包括检测和量化胸膜不规则性。例如，处理器可评估所识别的胸膜(例如，在胸膜线的上边界和下边界内)的每个像素以通过预先确定的评分标准将胸膜局部表征为健康的或不规则的。例如，处理器可评估胸膜线的每个像素以确定每个胸膜位置的跳动分数和暗淡度分数，以便识别胸膜不规则性的位置。跳动分数评估胸膜线在每个水平位置处的竖直位置以识别胸膜线中的竖直间隙，其中较大的竖直间隙导致较高的跳动分数。例如，竖直间隙可指在给定像素位置处相对于相邻像素竖直地位于胸膜线的下边界(或上边界)之间的多个像素。胸膜线的上边界或下边界之间在相邻水平位置处的竖直间隙可导致胸膜线具有例如不连续或粗糙的外观。暗淡度分数将特定水平位置处的胸膜像素亮度(或暗淡度)相对于其相邻像素进行排名。随着胸膜的局部像素亮度相对于其相邻像素降低(例如，像素相对于其相邻像素变得更暗)，暗淡度分数增加。
沿每个帧中的胸膜线的每个像素的不规则性分数可被生成为跳动分数和暗淡度分数的乘积并与阈值分数进行比较。阈值分数可以是存储在存储器中的预先确定的值，该预先确定的值区分与疾病状态相关联的不规则胸膜与正常的健康胸膜。在一些示例中，可基于策划数据并使用支持向量机来调整阈值分数。如果不规则性分数大于或等于阈值分数，则在该像素位置中成像的胸膜可被认为是不规则的。相比之下，如果不规则性分数小于阈值分数，则在该像素位置中成像的胸膜可不被认为是不规则的(例如，可被认为是正常的和/或健康的)。尽管可在逐像素的基础上分析胸膜，但可使用滤波器来使结果平滑。因此，可将具有预先确定的尺寸的像素区域分组，并且可响应于该组内的大多数(例如，大于50％)像素被表征为不规则胸膜而将该像素区域识别为不规则位置(例如，不规则胸膜)。相比之下，可响应于该组内的大多数像素被表征为健康胸膜而将像素区域识别为健康的。
在314处，方法300包括将注释超声图像输出到显示器。例如，超声图像可包括在306处计算的像素参数值(例如，亮度值)，并且可将每个超声图像的包括与关于B线、胸膜位置和/或胸膜不规则性的视觉指示(例如，注释)叠加的像素参数值的注释版本实时输出到显示器。在一些示例中，显示器包括在超声成像系统中，诸如显示设备118。例如，B线可用实心竖直线突出显示，并且胸膜线的上边界和/或下边界(例如，界线)可用标记指示或者(例如，用线)勾勒。此外，输出注释超声图像包括区分健康胸膜与不规则胸膜，如316处所指示。作为一个示例，健康胸膜可用第一标记在视觉上指示，而不规则胸膜可用第二标记在视觉上指示。第一标记可以是具有第一特性(例如，第一特性形状和/或颜色)的注释，诸如点、正方形、括号、线或箭头，并且第二标记可以是具有不同于第一特性的第二特性的注释。又如，可使用组织着色来区分健康胸膜与不规则胸膜，诸如通过用第一颜色着色健康胸膜并且用不同的第二颜色着色不规则胸膜。每个注释超声图像可按所采集的序列并且以指定显示帧速率基本上实时地输出。
短暂地转到图4，示出了可输出到显示器的第一示例性注释全景肺超声图像400。第一示例性注释全景肺超声图像400包括全景肺超声图像402、健康标记404、不规则标记406和B线指示符408。全景肺超声图像402示出了七条相异的胸膜线：第一肋间隙的第一胸膜线410、第二肋间隙的第二胸膜线412、第三肋间隙的第三胸膜线414、第四肋间隙的第四胸膜线416、第五肋间隙的第五胸膜线418、第六肋间隙的第六胸膜线420和第七肋间隙的第七胸膜线422，每条胸膜线由图像中肋所在的黑暗部分隔开。在所示示例中，健康标记404和不规则标记406均定位在每条胸膜线的上边界上，其中健康标记404在视觉上指示具有健康胸膜的位置，并且不规则标记406在视觉上指示具有胸膜不规则性(例如，如图3的310处所确定)的位置。
在本示例中，健康标记404是具有黑色轮廓的白色正方形，而不规则标记406是具有白色轮廓的黑色正方形，但其他形状和颜色也是可能的。因此，健康标记404和不规则标记406具有相同的形状和大小但具有不同的着色。此外，B线指示符408被示出为竖直线。
第一胸膜线410不具有任何胸膜不规则性(例如，所有标记均为健康标记404)。胸膜不规则性的数量大致从第四胸膜线416朝向第七胸膜线422增加，其中第七胸膜线422具有最不规则的胸膜(例如，七条胸膜线的不规则标记406与健康标记404的最大比率)。第七胸膜线422还包括所识别的B线，如B线指示符408所指示。因此，注释全景肺超声图像400示出了全景肺超声图像402中从左到右增加的不规则性。
然而，也可使用其他标记来区分健康胸膜与不规则胸膜。现在转到图5，示出了可输出到显示器的第二示例性注释全景肺超声图像500。第二示例性注释全景肺超声图像500包括与图4中相同的全景肺超声图像402，并且因此，与图4中的那些相同的图5的部件编号相同并且将不再重新介绍。例如，注释全景肺超声图像500包括定位在每条胸膜线上方的相同健康标记404。然而，注释全景肺超声图像500包括不规则标记506而不是不规则标记406，不规则标记506被示出为具有不规则胸膜的区域上方的括号。因此，不规则标记506具有与健康标记404不同的形状、颜色和位置。
返回图3，在318处，确定采集是否完成。例如，当针对在肺超声协议中编程的所有视图和/或成像模式采集超声数据并且超声探头不再主动地发射和接收超声信号时，可认为采集完成。附加地或另选地，响应于处理器从操作者接收到“结束协议”输入，采集可完成。
如果采集未完成，诸如当超声探头仍然根据肺超声协议主动采集超声数据和/或在肺超声协议中存在剩余的视图/成像模式时，方法300返回至304并且继续利用超声探头根据肺超声协议采集超声数据。
一旦采集完成，诸如响应于肺超声协议的完成，方法300前进至320并且包括基于图像中的胸膜不规则性的百分比(或量值)对每个超声图像进行评分。例如，处理器可确定被识别为不规则的胸膜位置相对于所识别的胸膜位置的总数的百分比。例如，处理器可对在采集期间生成的每个注释超声图像中的健康标记和不规则标记进行计数，以量化该图像中的胸膜不规则性的百分比并且相应地对图像进行评分。例如，处理器可将百分比输入到存储在存储器中的查找表中，该查找表可输出对应的分数。随着胸膜不规则性的百分比(或数量)的增加，评分增加。在一些示例中，处理器还可考虑到图像中的所识别的B线的数量，其中随着所识别的B线的数量的增加，分数进一步增加。例如，处理器可将胸膜不规则性的百分比和所识别的B线的数量两者输入到查找表中以确定分数。
在322处，方法300包括将具有最高分数的注释超声图像输出到显示器。具有最高分数的注释超声图像可用作所存在的任何肺病理的“最佳帧”表示，并且可例如在采集之后立即输出。因此，具有最高分数的注释超声图像可在采集期间实时显示，并且在采集完成之后再次显示。这样，向操作者显示表示最大量化不规则性的注释超声图像，以便突出显示任何所存在的肺病理。当显示全景视图时，每个肋间隙的最高评分帧被选择并与其他最高评分帧拼接，从而形成在肺超声协议期间的不同时间采集的多个图像的部分的合成图像。
在324处，方法300包括将建议诊断输出到显示器。例如，B线和实变的存在可指示诸如由于细菌或病毒性肺炎(例如，由于COVID-19)所致的流体的积聚。此外，处理器可考虑到肋骨间隙当中的不规则性的散布模式(例如，集中在少量斑点中或散布在肺上)。又如，缺乏胸膜滑动可指示肺坍塌。因此，处理器可将具有最高分数的注释超声图像与对应于健康肺或疾病状态的多个模型进行比较，并且选择具有最佳拟合的模型来输出作为建议诊断。建议诊断可作为基于文本的消息在所显示的最高评分注释图像旁边或与之重叠地输出。又如，当最佳拟合模型是肺炎时，消息可解读为“考虑肺炎”。除了建议诊断之外或作为其替代，处理器可输出关于诸如不规则胸膜、子胸膜实变等的发现的建议。
在326处，方法300任选地包括生成3D肺模型并将其输出到显示器。例如，可当在肺超声协议期间执行肺扫描时生成3D肺模型。3D肺模型可以是特定于患者的或者可以是通用的。例如，可根据如上所述在肺扫描期间并且使用3D探头传感器确定的长度和宽度测量结果来设定患者特定的肺模型的大小。又如，可通过与高分辨率CT数据集、胸部x射线图像或MR图像的图像融合来生成特定于患者的3D肺模型。3D肺模型可包括叠加在模型上的一个或多个所采集的超声图像。作为一个示例，3D肺模型可包括定位在相对于肺的解剖相关位置处的每个视图的最高评分注释肺超声图像。3D模型可能够通过用户输入旋转，使得操作者可评估不同的视图。此外，具有病理的肺的区段可在3D模型之上指示，诸如通过以上在316处所述的注释或通过其他注释(例如，基于文本的消息)。
短暂地转到图8，示出了输出到显示器801的示例性3D肺模型800。显示器801可为例如图1的显示设备118。3D肺模型800包括嗓门(例如，气管)802、左肺804和右肺806。裁切的全景肺超声图像808叠加在左肺804上。在所示示例中，裁切的全景肺超声图像808依左肺804成轮廓，以便示出胸膜间隙的更加解剖学的表示。尽管在图8的示例中示出仅一个全景肺超声图像，但附加的全景肺超声图像可定位在3D肺模型800的不同位置上，诸如在左肺804的后部、左肺804的侧部、右肺806的前部、右肺806的后部或右肺806的侧部上。此外，尽管图8中未明确地示出，但全景肺超声图像808可包括注释，如上所述。
返回图3，在328处，方法300包括将未注释图像和注释图像保存到存储器(例如，图2的非暂态存储器206)。此外，至少在一些示例中，可保存原始的未处理超声数据。存储器可以是超声成像系统本地的，或者可以是远程存储器。例如，未注释图像和注释图像可保存和/或存档(例如，作为PACS系统中的结构化报告)，使得它们可被检索并用于生成正式的医生签名的报告，该报告可包括在患者的病历(例如，EHR)中。然后方法300可结束。
这样，成像系统自动识别并量化通过肺超声协议获得的图像中的胸膜不规则性。因此，可减少操作者的精神负担。另外，减少了操作者之间的胸膜不规则性检测准确性和频率的可变性。总体而言，可提高诊断的准确性，同时可减少作出诊断之前的时间量。
接下来，图6A和图6B示出了在采集肺超声图像时(图6A)和采集完成时(图6B)可能发生的显示输出的第一示例性序列600。首先看图6A，相对于时间轴602示出了一系列肺超声图像。为了例示清楚起见，将每个肺超声图像裁切到胸膜线周围的位置，并且在每个图像中示出相同的胸膜线(例如，在相同的肋间隙内采集每个图像)。每个肺超声图像显示在显示器601(该显示器可以是例如图1的显示设备118)上，并且包括叠加在被成像胸膜线的上界线和下界线两者处的健康标记603和不规则标记605。健康标记603类似于图4中介绍的健康标记404，并且不规则标记605类似于图4的不规则标记406。此外，每个所显示的图像包括对该图像中的胸膜不规则性的百分比的量化。应当理解，尽管序列600中包括五个肺超声图像，但在其他示例中，可包括多于或少于五个超声图像。
第一肺超声图像604在第一时间点t1被采集，被分析以区分健康胸膜与不规则胸膜(例如，根据图3的方法300)，并且基本上实时地(例如，基本上在时间点t1)输出到显示器601。第一肺超声图像604包括85.2％的不规则胸膜。第二肺超声图像606在第二时间点t2被采集、分析并输出到显示器601并且具有80.8％的不规则胸膜，该第二时间点出现在第一时间点t1之后。第三肺超声图像608在第三时间点t3被采集、分析并输出到显示器601并且具有55.6％的不规则胸膜，该第三时间点出现在第二时间点t2之后。在第四时间点t4采集、分析并输出到显示器601的第四肺超声图像610也具有55.6％的不规则胸膜，该第四时间点出现在第三时间点t3之后，但胸膜线的上界线和下界线已相对于第三肺超声图像608略微偏移。最后的第五肺超声图像612在第五时间点t5被采集、分析并输出到显示器601并且具有88.9％的不规则胸膜。在第五时间点t5之后，采集完成。
现在参见图6B，在采集完成之后，第五肺超声图像612被选择作为最高评分图像帧，因为其显示所获得图像的不规则胸膜的最高百分比。因此，第五肺超声图像612再次输出到显示器601，而第一肺超声图像604、第二肺超声图像606、第三肺超声图像608和第四肺超声图像610不再在显示器601上示出，除非用户(例如，操作者)具体选择。
图7A和图7B示出了在采集肺超声图像时(图7A)和采集完成时(图7B)可能发生的显示输出的第二示例性序列700。首先看图7A，相对于时间轴702示出了一系列肺超声图像。为了例示清楚起见，将每个肺超声图像裁切到胸膜线周围的位置，并且在每个图像中示出相同的胸膜线(例如，在相同的肋间隙内采集每个图像)。每个肺超声图像显示在显示器701(该显示器可以是例如图1的显示设备118)上，并且包括叠加在被成像胸膜线的下界线处的健康标记703和不规则标记705。健康标记703类似于图4中介绍的健康标记404，并且不规则标记705类似于图4的不规则标记406。此外，每个所显示的图像包括对该图像中的胸膜不规则性的百分比的指示。应当理解，尽管序列700中包括五个肺超声图像，但在其他示例中，可包括多于或少于五个超声图像。
第一肺超声图像704在第一时间点t1被采集，被分析以区分健康胸膜与不规则胸膜(例如，根据图3的方法300)，并且基本上实时地(例如，基本上在时间点t1)输出到显示器701。第一肺超声图像704包括43.8％的不规则胸膜。第二肺超声图像706在第二时间点t2被采集、分析并输出到显示器701并且也具有43.8％的不规则胸膜，该第二时间点出现在第一时间点t1之后，但下界线以与在第一肺超声图像704中不同的方式定位。第三肺超声图像708在第三时间点t3被采集、分析并输出到显示器701并且具有81.3％的不规则胸膜，该第三时间点出现在第二时间点t2之后。第四肺超声图像710在第四时间点t4被采集、分析并输出到显示器701，具有25.0％的不规则胸膜，该第四时间点出现在第三时间点t3之后。最后的第五肺超声图像712在第五时间点t5被采集、分析并输出到显示器701并且具有34.4％的不规则胸膜。在第五时间点t5之后，采集完成。
现在参见图7B，在采集完成之后，第三肺超声图像708被选择作为最高评分图像帧，因为其显示所获得图像的不规则胸膜的最高百分比。因此，第三肺超声图像708再次输出到显示器701，而第一肺超声图像704、第二肺超声图像706、第四肺超声图像710和第五肺超声图像712不再在显示器701上示出，除非用户(例如，操作者)具体选择。
这样，处理器可通过使用一个或多个识别和评分算法评估来自患者的医学图像来自动识别和量化胸膜不规则性。处理器可通过注释实时显示在显示设备上的医学图像以及输出建议诊断和/或所识别的不规则性来向保健专业人员警示检测到的不规则性。因此，可减少保健专业人员查看医学图像所花费的时间量，使得医疗保健专业人员能够专注于患者护理和舒适度。此外，胸膜不规则性的“最佳帧”表示可通过评分算法来选择，并且在采集之后不太实时地显示。此外，通过包括叠加在肺模型的3D渲染上的最佳帧，可在解剖学相关的环境中显示胸膜不规则性，以便进一步简化诊断过程。
自动检测医学图像中的胸膜不规则性的技术效果在于，可提高检测不规则性的准确性和频率。
在一个实施方案中，一种方法包括：采集肺的一系列医学图像；识别该系列的每个医学图像中的胸膜线；评估该系列的每个医学图像中的胸膜线的不规则性；输出该系列的每个医学图像的注释版本，该注释版本包括健康胸膜和不规则胸膜的视觉标记。在该方法的第一示例中，胸膜线是较亮像素的基本上水平的区段，并且识别该系列的每个医学图像中的胸膜线包括：评估该系列医学图像中的连续图像以确定在连续图像之间具有最高局部变化量的区域；以及基于像素之间的亮度变化识别胸膜线在所确定区域内的上边界和下边界。在该方法的任选地包括第一示例的第二示例中，识别胸膜线的上边界和下边界是通过边缘检测或梯度变化算法进行的。在该方法的任选地包括第一示例和第二示例中的一者或两者的第三示例中，识别该系列的每个医学图像中的胸膜线包括：基于像素之间的亮度变化识别胸膜线的上边界和下边界，并且评估胸膜线的不规则性包括：确定胸膜线的上边界和下边界之间的每个像素的不规则性分数；响应于不规则性分数小于阈值分数而将给定像素表征为健康的；以及响应于不规则性分数大于阈值分数而将给定像素表征为不规则的。在该方法的任选地包括第一示例至第三示例中的一者或多者或每一者的第四示例中，不规则性分数是给定像素的第一分数和第二分数的乘积。在该方法的任选地包括第一示例至第四示例中的一者或多者或每一者的第五示例中，第一分数是基于胸膜线在给定像素的水平位置处的竖直间隙确定的，第一分数随着竖直间隙的增大而增大。在该方法的任选地包括第一示例至第五示例中的一者或多者或每一者的第六示例中，第二分数是基于给定像素相对于相邻像素的亮度确定的，第二分数随着给定像素的亮度相对于相邻像素的降低而增大。在该方法的任选地包括第一示例至第六示例中的一者或多者或每一者的第七示例中，健康胸膜和不规则胸膜的视觉标记包括定位在胸膜线的具有被表征为健康的像素的每个位置处的第一视觉标记和定位在胸膜线的具有被表征为不规则的像素的每个位置处的第二视觉标记。在该方法的任选地包括第一示例至第七示例中的一者或多者或每一者的第八示例中，第一视觉标记包括与第二视觉标记不同的形状、颜色和大小中的一者或多者，并且第一视觉标记和第二视觉标记中的一者或两者沿胸膜线的上边界和/或下边界定位。在该方法的任选地包括第一示例至第八示例中的一者或多者或每一者的第九示例中，输出该系列的每个医学图像的注释版本包括：在采集期间实时地输出该系列的每个医学图像的注释版本；在采集之后立即输出该系列的一个所选择医学图像的注释版本，该系列的该一个所选择医学图像相对于健康胸膜具有最大量的不规则胸膜。在该方法的任选地包括第一示例至第九示例中的一者或多者或每一者的第十示例中，采集肺的该系列医学图像包括：采集超声成像数据、磁共振成像数据、计算机断层摄影数据、x射线数据和正电子发射断层摄影数据中的至少一者。
在另一个实施方案中，一种方法包括：在根据协议采集超声信号时生成多个肺超声图像；在采集期间实时地在显示器上视觉指示多个肺超声图像中的每个肺超声图像中的不规则胸膜；以及在协议完成时，从多个肺超声图像中选择具有最大相对量的不规则胸膜的一个图像，以及仅将该一个图像输出到显示器。在该方法的第一示例中，在采集期间实时地在显示器上视觉指示多个肺超声图像中的每个肺超声图像中的不规则胸膜包括：基于至少像素亮度识别多个肺超声图像中的每个肺超声图像中的胸膜线的边界；确定胸膜线的每个位置的不规则性分数；以及在视觉上区分胸膜线的具有小于阈值的不规则性分数的位置与胸膜线的具有大于或等于阈值的不规则性分数的位置。在该方法的任选地包括第一示例的第二示例中，不规则胸膜包括胸膜线的具有大于或等于阈值的不规则性分数的位置，并且确定胸膜线的每个位置的不规则性分数包括：基于每个位置中的胸膜之间的竖直间隙来确定第一分数；基于每个位置中相对于相邻位置的胸膜的像素暗淡度来确定第二分数；以及作为第一分数和第二分数的乘积确定不规则性分数。在该方法的任选地包括第一示例和第二示例中的一者或两者的第三示例中，多个肺超声图像中的每个肺超声图像包括全景肺超声图像，该全景肺超声图像包括多个肋间隙，并且选择一个图像包括：针对多个肋间隙中的每个肋间隙选择具有最大相对量的不规则胸膜的单独图像；以及使用针对多个肋间隙中的每个肋间隙选择的单独图像的部分来作为合成图像生成该一个图像。该方法的第四示例任选地包括第一示例至第三示例中的一者或多者或每一者，并且还包括将该一个图像叠加在输出到显示器的三维肺模型上。
在另一个实施方案中，一种系统包括：超声探头；显示设备；以及处理器，该处理器在非暂态存储器中配置有指令，这些指令在被执行时致使处理器：根据肺成像协议通过超声探头采集超声数据；从超声数据生成多个图像；评估多个图像中的每个图像以检测胸膜不规则性；以及实时地在显示设备上输出胸膜不规则性的视觉指示。在该系统的第一示例中，处理器在非暂态存储器中进一步配置有指令，这些指令在被执行时致使处理器：量化多个图像中的每个图像中的胸膜不规则性；选择该多个图像中具有胸膜不规则性的最高量化结果的一个图像；以及响应于肺成像协议完成，将该多个图像中的所选择图像输出到显示设备。在该系统的任选地包括第一示例的第二示例中，处理器在非暂态存储器中进一步配置有指令，这些指令在被执行时致使处理器：基于该多个图像中的所选择图像中的胸膜不规则性的最高量化结果和胸膜不规则性的间距来确定建议诊断；以及将建议诊断输出到显示设备。在该系统的任选地包括第一示例和第二示例中的一者或两者的第三示例中，肺成像协议包括肺扫描，并且超声探头包括三维传感器，并且处理器在非暂态存储器中进一步配置有指令，这些指令在被执行时致使处理器：基于肺扫描的长度和由三维传感器测量的宽度来生成三维肺模型；以及将叠加在三维肺模型上的该多个图像中的所选择图像输出到显示设备。
如本文所用，以单数形式列举并且以单词“一个”或“一种”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，对本发明的“一个实施方案”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。此外，除非明确地相反说明，否则“包含”、“包括”或“具有”具有特定特性的元件或多个元件的实施方案可包括不具有该特性的附加此类元件。术语“包括”和“在...中”用作相应的术语“包含”和“其中”的简明语言等同形式。此外，术语“第一”、“第二”和“第三”等仅用作标记，而不旨在对其对象施加数字要求或特定位置次序。
附图中所示和上文所述的本公开的实施方案仅为示例性实施方案，并且并非旨在限制所附权利要求的范围，包括权利要求的范围内所包括的任何等同物。各种修改是可能的并且对于本领域的技术人员而言将是显而易见的。旨在使本文所述的非相互排斥的特征的任何组合在本发明的范围内。即，所述实施方案的特征可与上述任何适当的方面组合，并且任何一个方面的任选特征可与任何其他适当的方面组合。类似地，从属权利要求中列出的特征可与其他从属权利要求的非相互排斥的特征组合，特别是在从属权利要求从属于同一独立权利要求的情况下。在一些要求单一权利要求从属项的司法管辖区内，可能已作为实践使用了这些从属项，但这不应视为意味着从属权利要求中的特征是相互排斥的。

Claims (20)

1.一种方法，包括：
采集肺的一系列医学图像；
识别所述系列的每个医学图像中的胸膜线；
评估所述系列的每个医学图像中的所述胸膜线的不规则性；以及
输出所述系列的每个医学图像的注释版本，所述注释版本包括健康胸膜和不规则胸膜的视觉标记。
2.根据权利要求1所述的方法，其中，所述胸膜线是较亮像素的基本上水平的区段，并且识别所述系列的每个医学图像中的所述胸膜线包括：
评估所述一系列医学图像中的连续图像，以确定在所述连续图像之间具有最高局部变化量的区域；以及
基于像素之间的亮度变化识别所述胸膜线在所确定区域内的上边界和下边界。
3.根据权利要求2所述的方法，其中，识别所述胸膜线的所述上边界和所述下边界是通过边缘检测或梯度变化算法进行的。
4.根据权利要求1所述的方法，其中，识别所述系列的每个医学图像中的所述胸膜线包括：基于像素之间的亮度变化识别所述胸膜线的上边界和下边界，并且其中评估所述胸膜线的所述不规则性包括：
确定所述胸膜线的所述上边界和所述下边界之间的每个像素的不规则性分数；
响应于所述不规则性分数小于阈值分数而将给定像素表征为健康的；以及
响应于所述不规则性分数大于所述阈值分数而将所述给定像素表征为不规则的。
5.根据权利要求4所述的方法，其中，所述不规则性分数是所述给定像素的第一分数和第二分数的乘积。
6.根据权利要求5所述的方法，其中，所述第一分数是基于所述胸膜线在所述给定像素的水平位置处的竖直间隙确定的，所述第一分数随着所述竖直间隙的增大而增大。
7.根据权利要求5所述的方法，其中，所述第二分数是基于所述给定像素相对于相邻像素的亮度确定的，所述第二分数随着所述给定像素的所述亮度相对于所述相邻像素的降低而增大。
8.根据权利要求4所述的方法，其中，所述健康胸膜和所述不规则胸膜的所述视觉标记包括定位在所述胸膜线的具有被表征为健康的像素的每个位置处的第一视觉标记和定位在所述胸膜线的具有被表征为不规则的像素的每个位置处的第二视觉标记。
9.根据权利要求8所述的方法，其中，所述第一视觉标记包括与所述第二视觉标记不同的形状、颜色和大小中的一者或多者，并且其中所述第一视觉标记和所述第二视觉标记中的一者或两者沿所述胸膜线的所述上边界和/或所述下边界定位。
10.根据权利要求1所述的方法，其中，输出所述系列的每个医学图像的所述注释版本包括：
在所述采集期间实时地输出所述系列的每个医学图像的所述注释版本；以及
在所述采集之后立即输出所述系列的一个所选择医学图像的所述注释版本，所述系列的所述一个所选择医学图像相对于所述健康胸膜具有最大量的所述不规则胸膜。
11.根据权利要求1所述的方法，其中，采集所述肺的所述一系列医学图像包括：采集超声成像数据、磁共振成像数据、计算机断层摄影数据、x射线数据和正电子发射断层摄影数据中的至少一者。
12.一种方法，包括：
在根据协议采集超声信号时生成多个肺超声图像；
在所述采集期间实时地在显示器上视觉指示所述多个肺超声图像中的每个肺超声图像中的不规则胸膜；以及
在所述协议完成时，从所述多个肺超声图像中选择具有最大相对量的所述不规则胸膜的一个图像，并且仅将所述一个图像输出到所述显示器。
13.根据权利要求12所述的方法，其中，在所述采集期间实时地在所述显示器上视觉指示所述多个肺超声图像中的每个肺超声图像中的所述不规则胸膜包括：
基于至少像素亮度识别所述多个肺超声图像中的每个肺超声图像中的胸膜线的边界；
确定所述胸膜线的每个位置的不规则性分数；以及
在视觉上区分所述胸膜线的具有小于阈值的不规则性分数的位置与所述胸膜线的具有大于或等于所述阈值的不规则性分数的位置。
14.根据权利要求13所述的方法，其中，所述不规则胸膜包括所述胸膜线的具有大于或等于所述阈值的所述不规则性分数的所述位置，并且确定所述胸膜线的每个位置的所述不规则性分数包括：
基于每个位置中的胸膜之间的竖直间隙来确定第一分数；
基于每个位置中相对于相邻位置的胸膜的像素暗淡度来确定第二分数；以及
作为所述第一分数和所述第二分数的乘积确定所述不规则性分数。
15.根据权利要求12所述的方法，其中，所述多个肺超声图像中的每个肺超声图像包括全景肺超声图像，所述全景肺超声图像包括多个肋间隙，并且选择所述一个图像包括：
针对所述多个肋间隙中的每个肋间隙选择具有所述最大相对量的所述不规则胸膜的单独图像；以及
使用针对所述多个肋间隙中的每个肋间隙选择的所述单独图像的部分来作为合成图像生成所述一个图像。
16.根据权利要求12所述的方法，还包括：将所述一个图像叠加在输出到所述显示器的三维肺模型上。
17.一种系统，包括：
超声探头；
显示设备；和
处理器，所述处理器被配置有在非暂态存储器中的指令，所述指令在被执行时致使所述处理器：
根据肺成像协议通过所述超声探头采集超声数据；
从所述超声数据生成多个图像；
评估所述多个图像中的每个图像以检测胸膜不规则性；以及
实时地在所述显示设备上输出所述胸膜不规则性的视觉指示。
18.根据权利要求17所述的系统，其中，所述处理器在所述非暂态存储器中进一步配置有指令，所述指令在被执行时致使所述处理器：
量化所述多个图像中的每个图像中的所述胸膜不规则性；
选择所述多个图像中具有所述胸膜不规则性的最高量化结果的一个图像；以及
响应于所述肺成像协议完成，将所述多个图像中的所选择图像输出到所述显示设备。
19.根据权利要求18所述的系统，其中，所述处理器在所述非暂态存储器中进一步配置有指令，所述指令在被执行时致使所述处理器：
基于所述多个图像中的所选择图像中的所述胸膜不规则性的所述最高量化结果和所述胸膜不规则性的间距来确定建议诊断；以及
将所述建议诊断输出到所述显示设备。
20.根据权利要求18所述的系统，其中，所述肺成像协议包括肺扫描，并且所述超声探头包括三维传感器，并且所述处理器在所述非暂态存储器中进一步配置有指令，所述指令在被执行时致使所述处理器：
基于所述肺扫描的长度和由所述三维传感器测量的宽度来生成三维肺模型；以及
将叠加在所述三维肺模型上的所述多个图像中的所选择图像输出到所述显示设备。
CN202110986443.2A 2020-08-27 2021-08-26 用于检测医学图像中的胸膜不规则性的方法和系统 Pending CN114098796A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/005,153 2020-08-27
US17/005,153 US11627941B2 (en) 2020-08-27 2020-08-27 Methods and systems for detecting pleural irregularities in medical images

Publications (1)

Publication Number Publication Date
CN114098796A true CN114098796A (zh) 2022-03-01

Family

ID=80355989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110986443.2A Pending CN114098796A (zh) 2020-08-27 2021-08-26 用于检测医学图像中的胸膜不规则性的方法和系统

Country Status (2)

Country Link
US (1) US11627941B2 (zh)
CN (1) CN114098796A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023244413A1 (en) * 2022-06-16 2023-12-21 Bfly Operations, Inc. Method and system for managing ultrasound operations using machine learning and/or non-gui interactions

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190105013A1 (en) * 2016-03-24 2019-04-11 Koninklijke Philips N.V. Ultrasound system and method for detecting lung sliding
EP3482689A1 (en) * 2017-11-13 2019-05-15 Koninklijke Philips N.V. Detection, presentation and reporting of b-lines in lung ultrasound
CN110072465A (zh) * 2016-12-13 2019-07-30 皇家飞利浦有限公司 用于肺部超声的目标探头放置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015048767A1 (en) * 2013-09-30 2015-04-02 Grisell Ronald Automatic focused assessment with sonography for trauma exams
JP6957152B2 (ja) * 2016-12-28 2021-11-02 キヤノン株式会社 情報処理装置、抽出方法およびプログラム
US11419584B2 (en) * 2017-06-28 2022-08-23 Tokitae, LLC Devices, systems, and methods for diagnosis of pulmonary conditions through detection of b-lines in lung sonography
CN111511288B (zh) * 2017-11-22 2024-05-28 皇家飞利浦有限公司 超声肺评估
US11446008B2 (en) * 2018-08-17 2022-09-20 Tokitae Llc Automated ultrasound video interpretation of a body part with one or more convolutional neural networks
EP3682811A1 (en) * 2019-01-15 2020-07-22 Koninklijke Philips N.V. Apparatus and method for detecting bone fracture
RU2729368C1 (ru) 2020-06-10 2020-08-06 Федеральное государственное бюджетное учреждение «Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского» Министерства здравоохранения Российской Федерации (ФГБУ "НМИЦ хирургии им. А.В.Вишневского" Минздрава России) Способ оценки тяжести пневмонии при covid-19 с помощью ультразвукового метода исследования

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190105013A1 (en) * 2016-03-24 2019-04-11 Koninklijke Philips N.V. Ultrasound system and method for detecting lung sliding
CN110072465A (zh) * 2016-12-13 2019-07-30 皇家飞利浦有限公司 用于肺部超声的目标探头放置
EP3482689A1 (en) * 2017-11-13 2019-05-15 Koninklijke Philips N.V. Detection, presentation and reporting of b-lines in lung ultrasound

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LEONARDO CARRER: "Automatic Pleural Line Extraction and COVID-19 Scoring From Lung Ultrasound Data", 《IEEE TRANSACTIONS ON ULTRASONICS, FERROELECTRICS AND FREQUENCY CONTROL》, pages 1 - 12 *
SIEMENS: "Lung ultrasound in patients with coronavirus COVID-19 disease", 《SIEMENS》, pages 1 - 27 *

Also Published As

Publication number Publication date
US20220061813A1 (en) 2022-03-03
US11627941B2 (en) 2023-04-18

Similar Documents

Publication Publication Date Title
US11191518B2 (en) Ultrasound system and method for detecting lung sliding
US10192032B2 (en) System and method for saving medical imaging data
US10470744B2 (en) Ultrasound diagnosis apparatus, ultrasound diagnosis method performed by the ultrasound diagnosis apparatus, and computer-readable storage medium having the ultrasound diagnosis method recorded thereon
KR20200056875A (ko) 태아 심장의 이상 여부를 판단하는 초음파 진단 장치 및 초음파 진단 장치의 동작 방법
KR20070098647A (ko) 진단 의료 영상을 위한 상호참조 측정
US11607200B2 (en) Methods and system for camera-aided ultrasound scan setup and control
KR102297346B1 (ko) 의료 영상 장치 및 그에 따른 의료 영상을 디스플레이 하는 방법
US11712224B2 (en) Method and systems for context awareness enabled ultrasound scanning
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
US8761467B2 (en) Method and apparatus for assessing motion correction
CN113397589A (zh) 用于超声图像质量确定的系统和方法
CN114902288A (zh) 利用基于解剖结构的三维(3d)模型切割进行三维(3d)打印的方法和系统
US11627941B2 (en) Methods and systems for detecting pleural irregularities in medical images
US11941806B2 (en) Methods and systems for automatic assessment of fractional limb volume and fat lean mass from fetal ultrasound scans
US11890142B2 (en) System and methods for automatic lesion characterization
US11250564B2 (en) Methods and systems for automatic measurement of strains and strain-ratio calculation for sonoelastography
US20210280298A1 (en) Methods and systems for detecting abnormalities in medical images
US11881301B2 (en) Methods and systems for utilizing histogram views for improved visualization of three-dimensional (3D) medical images
KR20200094466A (ko) 초음파 영상 장치 및 초음파 영상 생성 방법
US20230316520A1 (en) Methods and systems to exclude pericardium in cardiac strain calculations
CN114098687B (zh) 用于超声运动模式的自动心率测量的方法和系统
US20230255598A1 (en) Methods and systems for visualizing cardiac electrical conduction
US20230127380A1 (en) Methods and systems for colorizing medical images
US20210228187A1 (en) System and methods for contrast-enhanced ultrasound imaging
CN116650006A (zh) 用于自动超声检查的系统和方法

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