CN114451914A - 用于物理量的超声导出替代物 - Google Patents

Abstract

对于利用超声扫描仪（10）的基于超声的替代物估计，一个或多个超声测量被转换（34）为不同模态的生物标记，诸如提供来自组织学或实验室测试化验的标准生物标记的测量。该转换（34）使用用户选择的模型，从而允许选择（30）将超声测量与生物标记进行关联的各种模型之一。超声扫描序列可以针对一个或多个生物标记和用户选择的模型进行优化（32）。相对于标准生物标记，超声测量的使用方面的这种改进可能更有可能导致在诊断中接受成本更低且更容易获得的超声量度。

Description

用于物理量的超声导出替代物

背景技术

本实施例涉及超声成像。超声成像可以用于测量组织特性，但这些特性可能不同于医学界中常用的标准。针对一个模态的测量可以成为标准，诸如基于组织学的评分是标准。各种模态提供不同的测量。来自不同模态的生物标记通常利用不同的单位和/或标度来测量不同的物理属性。在单位和/或标度不同于标准的情况下，来自不同模态的测量可能令人困惑。临床医生可以将基于超声的生物标记的定量范围视为从组织学分析或另一标准导出的对应量范围的替代物（proxy），但这种转换可能不精确或不可靠。这可能导致新开发的超声生物标记采用缓慢且难以解释。

发明内容

作为介绍，下面描述的优选实施例包括用于利用超声扫描仪进行基于超声的替代物估计的方法、指令和系统。一个或多个超声测量被转换为不同模态的生物标记，诸如提供来自组织学或实验室测试化验的标准生物标记的测量。该转换使用用户选择的模型，从而允许选择将超声测量与生物标记进行关联的各种模型之一。超声扫描序列可以针对一个或多个生物标记和用户选择的模型进行优化。相对于标准生物标记，超声测量的使用方面的这种改进可以更有可能导致在诊断中接受成本更低且更容易获得的超声量度。

在第一方面，提供了一种用于利用超声扫描仪进行基于超声的替代物估计的方法。接收对第一转换模型的用户选择，第一转换模型用于从一个或多个超声测量转换为除超声之外的另一模态的生物标记。超声扫描仪用超声发射序列扫描患者。超声扫描仪从由扫描得到的超声数据中估计一个或多个超声测量的一个或多个定量超声值。一个或多个定量超声值由第一转换模型转换为除超声之外的所述另一模态的生物标记的值。显示患者的生物标记的值。

在第二方面，提供了一种用于利用超声扫描仪进行基于超声的替代物估计的方法。接收对第一转换模型的用户选择，第一转换模型用于从第一和第二超声测量转换为除超声之外的另一模态的生物标记。超声扫描仪用超声发射序列扫描患者。所述序列是基于第一转换模型定义的。超声扫描仪从由扫描得到的超声数据中估计第一和第二超声测量的第一和第二定量超声值。第一和第二定量超声值由第一转换模型转换为除超声之外的所述另一模态的生物标记的值。生物标记的值具有与第一和第二定量超声值不同的标度和/或单位。显示患者的生物标记的值。

在第三方面，提供了一种用于基于超声的替代物估计的系统。用户输入被配置为接收将超声参数与非超声参数进行关联的第一模型的用户录入。第一模型在非超声参数的多个模型列表中。波束形成器被配置为利用换能器在患者体内发射和接收脉冲序列。脉冲序列用于超声参数，并基于模型进行优化。图像处理器被配置为从超声参数的值生成非超声参数的值。使用脉冲的发射和接收序列来估计超声参数的值。显示器被配置为显示疾病活动指数的评分。

本发明由以下权利要求限定，并且本部分中的任何内容都不应当被视为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另外方面和优点，并且这些方面和优点可以在稍后单独或组合地要求保护。

附图说明

组件和各图不一定是按比例的，而是将重点放在说明本发明的原理上。此外，在各图中，同样的附图标记贯穿不同的视图指定对应的部件。

图1是用于利用超声扫描仪进行基于超声的替代物估计的方法的一个实施例的流程图；

图2图示了不同标准生物标记的示例模型选择；

图3是具有非超声生物标记值的示例超声图像；和

图4是用于基于超声的替代物估计的系统的一个实施例的框图。

具体实施方式

超声导出参数的测量值被映射到新值，新值充当来自另一模态的已建立生物标记的替代物。例如，使用超声测量组织（诸如肝脏）中与疾病相关的活动。非酒精性脂肪性肝病（NAFLD）的特征在于肝脂肪堆积过量以及肝纤维化。脂肪分数（fat fraction）可以作为NAFLD的指标被测量。肝脏或其他组织（诸如乳腺组织）中的脂肪分数和/或其他组织属性（例如纤维化程度）提供了诊断上有用的信息。磁共振成像（MRI）可以测量质子密度脂肪分数（PDFF）作为肝脏脂肪含量的生物标记。MRI可以用于进一步估计NAFLD活动评分（NAS）。然而，MRI并非广泛地可用并且昂贵。超声可以用于通过测量组织的其他特性来确定脂肪分数。

超过25%的患有NAFLD的患者发展为非酒精性脂肪性肝炎（NASH）。NASH可能进展为肝硬化和肝细胞癌。NAS用于诊断和监视NASH的改变或水平。NAS由肝脏活检的组织学评测提供，并且计算为观察到的脂肪变性、小叶炎症和气球样变评分的未加权总和。示出脂肪分数的超声量度不直接映射到NAS。指数的评分是使用超声来估计的，从而允许对疾病活动进行快速、廉价和非侵入性的估计。估计超声导出的NAS，从而避免活检或MRI。

定量超声（QUS）用于筛查、诊断、监视和/或预测健康状况。可以使用多个QUS参数来测量人类组织的复杂性，以用于准确表征该组织。例如，使用多参数方法估计肝脏脂肪分数，该方法结合了从不同波现象的接收信号中提取的定量参数，诸如来自声学辐射力脉冲（ARFI）的纵波的散射和衰减、剪切波的传播和衰减、和/或轴上波的传播和衰减。作为另一个示例，使用定量超声预测NAS。NAS是基于组织机械和声学属性的超声估计来预测的。肝脏的至少三个属性（包括声学反向散射系数、剪切波速度和剪切波阻尼比）的模型被用于预测NAS。组织学NAS是脂肪变性、小叶炎症和气球样变组织学评分的总和，但需要活检。超声导出模型将适当的机械和声学属性与NAS特征配对。超声导出的脂肪分数（诸如基于反向散射、衰减和/或声速）被用作脂肪变性等级的量度。剪切波阻尼比被用作炎症的量度，并且剪切波速被用作气球样变的量度。可以使用其他超声测量。可以使用将超声定量量度与脂肪分数、NAS或其他生物标记进行关联的其他模型。

任何模型的超声导出测量是由其他模态测量的物理量的替代物。为了促进解释和采用新开发的超声生物标记，重要的是将测量表示为来自其他模态（成像、实验室测试化验、基于组织学的评分、磁共振（MR）、计算机断层扫描（CT）等）的当前建立的生物标记的预测因子（例如，相似的单位和标度）。使用基于模型的转换，新开发的超声导出生物标记以直观的和/或类似于出自于来自其他模态的已建立生物标记的单位和标度来表示。这促进解释各值，并加速新超声技术的采用。

尽管活检被认为是用于确定许多疾病特性的黄金标准，但在普通群体的研究中作为参考标准是不可行的。非侵入性成像和实验室化验生物标记已经被开发作为组织学特征的替代品。在许多情况下，可以使用来自不同模式的许多已建立的生物标记之一来表征疾病过程。作为示例，纤维化可以使用超声、MR或血清测试来评估。由于超声成像可以更容易、快速和廉价地执行，因此超声导出的参数被映射到充当来自其他模态的已建立和临床接受的生物标记的替代物的值。

随着时间的推移，不同的模型或研究可以以不同的方式将相同或不同的测量与标准进行关联。在一个实施例中，非超声生物标记的预测因子或替代物基于采用定量超声（QUS）测量的用户选择模型。QUS测量包括从反向散射、剪切波和散斑统计数据导出的声学和机械属性。为了允许替代物型QUS测量的多功能性，基于参考出版物的定制和/或用户选择的模型对于用户可用。基于所选模型和/或不同替代物的模型组合（例如，一个用于脂肪分数，并且另一个用于NAS），使用优化的序列来测量对于不同模型所需的QUS参数。

图1示出了用于利用超声扫描仪进行基于超声的替代物估计的方法的一个实施例。通过使用一个或多个不同的序列和模型，超声预测如今用于诊断的常用量度。通过超声发射序列的多次QUS测量可以改进预测。更高阶的模型或不同的模型可以改进预测。用户选择要使用的一个或多个模型。模型和/或序列的组合可以允许超声估计其他模式（例如，组织学或MR）的多个生物标记。利用单次按钮按压，专门的序列收集和处理超声数据，以产生一个或多个非超声生物标记的一个或多个替代物，诸如当前被建立为用于评估这些病理的参考标准的生物标记。例如，肝脏可能遭受多个并发的病理——脂肪变性、炎症、纤维化、铁超载等……，每个处于疾病进展的不同阶段。替代物估计用作用于评估一种或多种状况的超声肝脏实验室测试，类似于血清实验室测试。

该方法由图4的系统或不同的系统实现。用户选择要用于期望的标准生物测定（例如，非超声生物测定）的模型。医学诊断超声扫描仪通过在声学上生成波并测量响应来执行所选模型的QUS测量。扫描仪、计算机、服务器或其他设备的图像处理器使用模型从测量中估计生物标记的值。显示设备、网络或存储器用于输出生物标记的值，从而基于用户选择的模型为非超声标准提供超声替代物。

可以提供附加的、不同的或更少的动作。例如，不提供动作30和/或38。作为另一个示例，动作36和37是可替代的或者可以一起使用，诸如对来自两者的结果进行平均。在另一个示例中，提供了用于配置超声扫描仪的动作。这些动作以所描述或示出的顺序（例如，从上到下或按数字）执行，但是可以以其他顺序执行。

在动作30中，用户选择一个或多个转换模型。超声扫描仪或控制器接收对一个或多个模型的用户选择，所述模型用于从一个或多个超声测量转换为除超声之外的另一模态的生物标记。用户从列表中选择，或者通过数据传送、存储器位置指示和/或从用户输入设备接收标识符的录入。

选择来自列表。例如，图2示出了三种不同的出版物或参考文献，以及三种非超声生物标记的定制字段。在本示例中，用户选择使用MR-PDFF、活检纤维化和NAS（基于活检的NAFLD活动评分）生物标记进行肝脏研究。可以基于成像应用（例如，配置用于肝脏成像的超声扫描仪）来选择生物标记。对于每个非超声生物标记，用户选择可用选项之一（例如，图2中的四个选项之一）。随着新模型、诸如对于特定人群更准确的模型被创建，模型被添加到列表以供用户选择。在可替代实施例中，用户导航通过由用户输入的答案得到的问题序列。作为响应，为给定患者选择最适当的模型。

模型可以是专有的，诸如基于超声制造商的工作或为医院执行的研究。模型可能是公开的，诸如来自发表的研究或文章。模型列表可能包括对应研究的参考信息。模型可以是定制的，诸如用户更改现有模型或提供他们自己的模型。模型可以为给定的医学设施或机构（例如，医院系统）定制。不是仅基于研究或发表的参考文献，而是为受限群体（例如，给定的医生或实践）创建更改的或原始的模型。如果存在新的或改进的模型，则提供模型以供选择。如果不同患者群体的模型变得可用，则提供模型以供选择。

定制模型可能是先前已经创建的。用户输入先前定制的模型的标识。定制模型可以按需要创建或使用。用户接口可以列出不同QUS测量的选项，并允许定义函数以提供来自QUS测量的生物标记。用户可能想要指定使用多个声学参数作为输入的定制公式。系统将自动触发最佳序列来估计那些参数，并在定制方程中使用它们。因为临床医生收集更多的数据，并且具有即时比较模型的方式，该选项可以促进改进该领域中的模型。对于定制模型，选择基于不是由超声系统制造商提供的模型。例如，制造商提供基于出版物或研究的模型，但也允许用户标识其他定制模型以供选择。

选择可以是嵌套的，诸如用户选择实验室测试或感兴趣的生物标记。用户选择实验室测试（例如，含脂量、炎症等）。对于每个生物标记，提供一个或多个模型作为选项。用户为那些测试选择模型（例如，基于参考出版物）。例如，不同的研究可以将不同的超声信息与生物标记进行关联。用户可以选择哪个研究和对应的模型用于从一个或多个（例如两个）超声测量转换到标准的生物标记，诸如组织学或基于MR的标准生物标记（测量）。该系统基于用户选择设置序列。数据被相应地处理并呈现给用户，从而在非超声生物标记的基于超声的替代物中提供高效的定量可用性。可替代地，超声扫描仪被配置用于给定的生物标记，并且用户仅选择用于该一个生物标记的模型。

对于每个模型，定义一个或多个超声测量。每个模型提供要执行的不同超声QUS测量的列表，以便转换或估计非超声生物标记的值。该模型还定义超声QUS测量与非超声生物标记值的转换或关系。

在动作32中，超声扫描仪扫描患者。扫描是用于生成患者体内组织的一个或多个QUS量度的值。QUS测量可以用于散射。QUS量度可以用于剪切波传播。QUS量度可以用于轴向位移的ARFI测量。QUS测量可以用于声学属性，包括衰减系数（AC）、反向散射系数（BSC）、非线性系数（NLC）、超声导出脂肪分数（UDFF）、声速（SOS）、平均散射体半径（MSR）、平均散射体间距（MSS）、平均散射体浓度（MSC）、剪切波速（SWS）、剪切波衰减（SWA）、剪切阻尼比（SDR）和/或零差K分布参数

。

一个或多个散射量度测量对从超声扫描仪发射的纵波的组织响应。测量撞击在组织上的纵波的散射或回波。可以使用任何散射量度。通过分析返回的超声信号的频率和深度相关性，从类似B模式的帧中估计声学属性，如AC、 BSC、MSR、MSS和MSC。示例散射参数包括声速、声频散、角散射系数（例如，反向散射系数）、频率相关衰减系数、衰减系数斜率、归一化对数谱的谱斜率、归一化对数谱的谱截距、归一化对数谱的谱中带、有效散射体直径、声学浓度、散射体数密度、平均散射体间距、非线性参数（B/A）和/或相干与非相干散射比。

信道数据分析通常用于获得SOS的估计。估计NLC需要在不同发射功率下的发射序列，并且分析改变相对于发射功率是AC还是BSC。K分布参数是通过分析重建的US图像的散斑统计量获得的。

可以确定任何一个或多个剪切波参数。通过分析来自由超声推动脉冲生成的跟踪剪切波的位移剖面，估计如SWS、SWA、SDR、杨氏模量（SWE）和剪切波粘度（SWV）的属性。例如，测量组织中的剪切波速或速度。其他剪切波参数包括角度相关和/或频率相关的剪切波速、角度和频率相关的剪切波衰减、角度相关和/或频率相关的存储模量、角度相关和/或频率相关的损耗模量、粘度相关和/或角度相关和/或频率相关的声学吸收系数。

可以使用任何ARFI量度。例如，ARFI脉冲的纵波衰减可以从在与ARFI焦点间隔开的位置处跟踪的位移来估计。量度可以在焦点或沿着轴向扫描线的其他位置处。

可以使用QUS量度的任何组合。可以执行多于一个的量度。例如，超声系统确定患者组织的两个或更多个散射参数的值。在一个实施例中，测量声学衰减系数、反向散射系数和/或频率相关反向散射系数的对数的谱斜率。

要使用的QUS量度基于一个或多个所选模型。基于一个或多个转换模型来定义用于扫描患者的超声发射和接收序列。转换模型定义输入信息，并且超声扫描仪扫描患者以生成输入测量的估计。超声扫描仪自动设置一个或多个序列，以估计任何一个或多个所选模型所需的参数。该选择用于配置扫描。用户可能想要指定使用多个声学参数作为输入的定制公式。超声系统自动触发最佳序列来估计那些参数以供在定制方程中使用。

为了执行QUS测量，超声扫描仪扫描患者。不同的测量使用不同的发射脉冲和接收或超声序列。一个测量的发射和/或接收可以用于其他测量。执行发射和接收事件的序列来获取信号，以估计定量超声散射、剪切和/或ARFI参数。在一个实施例中，通过B模式序列扫描一维、二维或三维区域（例如，发射宽带（例如，1-2个周期）发射波束并形成一个或多个响应接收波束）。具有或不具有不同发射和/或接收设置的重复可以用于测量一次散射或不同地测量散射。在另一个实施例中，推动脉冲或ARFI被发射到组织中的焦点位置。在推动脉冲之前或在组织返回到静止状态之后，执行静止状态组织定位的参考扫描。随着时间的推移，测量与焦点位置间隔开的一个或多个位置处的组织的定位改变或位移。重复执行跟踪扫描。使用相关性或其他相似性量度，确定组织与当前跟踪时间相比从参考时间的轴向、2D或3D移位。最大位移的时间指示剪切波的时间。剪切波参数的测量可以是频率和/或角度的函数。在又一实施例中，ARFI沿着扫描线发射。跟踪扫描是在ARFI发射之后执行的。接收来自沿扫描线的跟踪发射的声学回波。接收到的数据与ARFI引起的位移之前或之后的参考进行关联。确定作为时间、位置、发射角度和/或发射频率的函数的位移量。最大位移量、作为深度的函数的位移和/或作为时间的函数的位移用于计算ARFI量度。

由于一个或多个模型定义了一次或多次QUS测量，因此响应于单次激活，启动并执行扫描中的发射和接收序列。为用户提供了选择或指定模型的工具，以在单次按钮按压中获得一个或多个替代物测量。该工作流不给出每个序列的具体细节，而是允许模型选择，模型定义扫描以提供序列。超声扫描仪查找或使用规则来组合QUS测量的发射和接收。这种基于用户选择的最佳序列提供了所有替代物测量，其中用户进行单次按钮按压来激活扫描。单次激活的超声数据通过根据序列进行扫描来收集，从而确保测量对应于相同的询问区域。单次按钮按压引起超声扫描仪运行专门的序列来收集和处理所有必要的超声数据，从而产生非超声生物标记的替代物。专门的序列由许多采集组成。来自每次采集的数据用于估计一个或多个声学属性。

当一个或多个模型需要两次或更多次QUS测量时，测量可以以任何顺序执行。该序列通过发射和接收的依次组合来创建，以执行QUS测量。序列可以被优化。例如，扫描是交织的。针对不同的QUS测量而交织扫描可以加速采集，从而减少用于序列的扫描时间。其他优化是可能的，诸如基于反馈和/或要执行的QUS测量来调整发射功率、频率、F#、或其他发射或接收特性。非线性可能引起衰减和反向散射估计中的显著偏差，因此发射功率优化可以用于测量衰减，同时维持信噪比。优化可以基于热考虑来执行。例如，对于不使用ARFI的测量，在发射之后执行ARFI。ARFI序列可能引起局部化发热，这可能影响对声速和衰减的估计，因此稍后在优化序列中执行ARFI。该序列在如下意义上是被优化的，即该序列允许用户在最短时间或少量时间内在一次扫描中从发射和接收的组合中获得测量。扫描在序列中以这样的方式被排序使得一次扫描不影响对另一次扫描的估计。

序列可以是预先确定的。由一个或多个转换模型的可能组合所反映的QUS测量的可能组合被用于确定不同的序列。基于对一个或多个模型的用户选择，加载对应的优化序列。可替代地，提供规则。规则的层次结构用于创建序列。例如，最高优先级规则是在其他扫描之后执行ARFI。另一个规则是交织。交织在它不违反最高优先级规则的情况下执行。规则的使用可以允许用户定义定制模型。定制模型具有用户选择的QUS测量，因此用户选择的QUS测量的优化序列由定义定制模型测量的超声发射序列的规则形成。

序列的扫描可以是自适应的。QUS测量值和/或从QUS测量转换之后的非超声生物标记值被用于调整扫描。适应是序列优化的另一种形式。在一个示例中，执行初始扫描以取得超声参数的第一估计。然后使用估计来选择优化的发射/接收条件，以改进估计的准确度和精度。例如，发射频率、带宽、发射功率、接收增益等在扫描的重复中被调整。调整基于第一估计，诸如AC、BSC和/或SOS的估计。作为另一个示例，该序列在迭代或自适应校准中基于生物标记的值进行适应。使用参考体模法（RPM），良好表征的体模被用来归一化系统效果。患者原始超声数据通过多个参考体模迭代地处理和归一化。生物标记的值（例如，UDFF值）用于使用具有最接近患者声学属性（AC、BSC）的声学属性的参考体模进行适应。该UDFF可以指示用于在估计AC和/或BCS中使用的SOS将被改变。使用经适应的SOS重复扫描。在另一个示例中，可能存在值的失配，诸如脂肪分数示出正常，而SOS示出多脂。由于这种失配，用于确定脂肪分数的BSC可能是错误的，因此利用依赖于新的SOS的BSC重复扫描。

可以使用扫描顺序的其他适应。例如，对于剪切波衰减系数的估计，推动脉冲适应。推动脉冲的中心频率、持续时间、f数或其他特性针对稍后的发射改变。焦点是更紧密或更弱。创建剪切波的位移更大或更小。作为另一个示例，对于利用ARFI推动脉冲的吸收系数的估计，另一个推动脉冲以更紧密焦点或更长的持续时间发射。该改变可以改进信噪比（SNR）和/或降低测量的可变性。

在动作33中，超声扫描仪估计一次或多次QUS测量的一个或多个值。由扫描得到的超声数据用于估计所述一个或多个值。QUS值是针对与所选转换模型相关联的QUS测量估计的。例如，针对预测NAS和/或FF的模型估计AC、BSC、SOS和SWS的值。所述值中的一个或多个可以使用响应于ARFI的测量。

可以估计各种QUS测量中任何一个的一个或多个值。来自扫描的数据被用于估计一个或多个声学属性，诸如AC、BSC、ESD、SD、SWS、SWV、NC、SOS、零差K分布参数或其他。通过分析返回的超声信号的频率和深度相关性，从类似B模式的帧中估计声学属性，如AC、BSC、ESD和SD。通过分析来自由超声推动脉冲生成的跟踪剪切波的位移剖面，估计如SWS和SWV的属性。估计NC需要不同发射功率下的发射序列，并分析AC或BSC相对于发射功率的改变。通常需要对信道数据进行分析，以获得SOS的估计。K分布参数是通过分析重建的US图像的散斑统计量获得的。这些参数的值被馈送到用于预测生物标记的转换模型中。

在动作34中，处理器将一个或多个QUS值转换为除超声之外的所述另一模态的生物标记的值。一个或多个转换模型将QUS值转换为非超声生物标记，诸如将AC、BSC和SWS转换为PDFF。从一个或多个所选模型为QUS测量提供估计。模型用于将估计转换为一个或多个生物标记，诸如来自MR、CT、实验室测试化验和/或组织学的标准测量。

例如，AC和BSC转换为PDFF。作为另一个示例，SWE转换为MRE。在又一个示例中，密度转换为HU。作为又一个示例，SWE转换为纤维测试。作为另一个示例，AC和BSC转换为具有脂肪沉积的细胞的比例。可以使用其他转换。

生物标记具有与QUS测量不同的单位和/或标度。转换模型转换为已建立的生物标记的单位和/或标度。例如，AC以dB/cmMHz给出，并且BSC 以dB/cm-str给出，这些单位转换为脂肪分数的%。作为另一个示例，SWE以kPa给出，它被转换为以0-1标度的纤维度评分。转换可以是从线性或连续标度到不同的线性或连续标度。转换可以是从线性或连续标度到非线性或非连续标度，诸如转换到评分或排名。

其他信息可以用于估计非超声生物标记的值。例如，使用患者的临床信息。临床信息可以是病史、年龄、体重指数、性别、是否禁食、血压、是否患有糖尿病和/或血液生物标记量度。示例血液生物标记包括丙氨酸转氨酶（ALT）水平、天冬氨酸转氨酶（AST）水平和/或碱性磷酸酶（ALP）水平。关于患者的任何信息可以与QUS估计一起输入，以确定生物标记的值。

动作36和37表示用于在动作34中进行估计的两个不同实施例。不同实施例是替代方案。可以使用其他实施例。可以使用两个或更多个实施例，诸如以两种方式确定组织属性的值，并且然后对结果进行平均，或者选择最有可能准确的结果。

在动作36的实施例中，机器学习分类器估计生物标记。机器训练的分类器提供非线性转换模型。可以使用任何机器学习和所得机器学习分类器。例如，使用支持向量机、概率提升树、贝叶斯网络、神经网络、回归或其他机器学习。

机器学习从训练数据中学习。训练数据包括各种示例，诸如几十个、几百个或几千个样本，以及基准真值。示例包括要使用的输入数据，诸如散射和剪切波传播参数的值。基准真值是每个示例的生物标记的值。在一个示例中，机器学习是基于散射和剪切波传播参数来学习对脂肪分数进行分类。脂肪分数的基准真值是利用提供质子密度脂肪分数（PDFF）的磁共振（MR）扫描提供的或来自组织学。MR-PDFF或组织学提供了位置或区域的脂肪百分比。脂肪百分比被用作基准真值，使得机器学习从超声参数的输入值中学习对脂肪百分比进行分类。对于给定的组织属性，可以使用其他基准真值来源，诸如来自建模或其他测量。

在一个实施例中，机器学习训练神经网络。神经网络包括一个或多个卷积层，其学习滤波器内核以在生物标记值之间进行区分。机器训练学习输入值的什么加权组合（例如，使用学习的内核的卷积）指示输出。所得机器学习分类器使用输入值来提取区分信息，并且然后基于提取的信息对生物标记进行分类。

在动作37的实施例中，代替于机器学习模型或除了机器学习模型之外，还使用线性模型。预定或编程的函数将输入值与输出值进行关联。函数和/或函数中使用的权重可以以实验方式确定。例如，通过最小二乘最小化获得权重。

可以使用任何线性函数。例如，从一个或多个散射参数和一个或多个剪切波传播参数来估计生物标记的值。可以使用加法、减法、乘法或除法的任何组合。在一个实施例中，提供了两个或更多个函数（例如，量度的加权组合）。基于参数之一的值选择函数之一。查找表可以用于实现该函数或作为该函数。

使用临床数据、体模数据和/或模拟来训练或创建用于预测生物标记的转换模型。转换模型可以是回归模型或机器学习分类器。作为示例，MR-PDFF（脂肪变性）的替代物使用AC、BSC、SOS和NC的多项式拟合。在另一个示例中，组织学纤维化等级的替代物是使用SWS的逻辑回归模型。作为另一个示例，组织学炎症的替代物是使用AC、BSC、SOS、SWS、SWV和NC的逻辑回归模型。

转换模型表示映射，其由以实验方式和/或以理论方式确定。在示例中，创建转换模型来从超声估计MRI-PDFF。在示例方法中，通过对参与者（例如，人类或动物参与者）执行超声扫描和肝脏活检来创建转换模型。导出转换模型来基于超声参数预测甘油三酯浓度。在另一个示例中，对参与者执行超声和MRI质子密度脂肪分数（MRI-PDFF）。导出模型以基于超声参数预测MRI-PDFF。用于基于MRI-PDFF预测甘油三酯浓度的现有模型可以用于转换为该浓度。这将是有用的，因为活检越来越不常见。在又一个示例方法中，转换模型是基于超声与背景组织中甘油三酯相互作用的模拟而创建的。超声反向散射系数是甘油三酯浓度、液滴大小和对背景材料的相对阻抗的函数。这些参数被馈送到经训练的模型或查找表中以用于预测生物标记。

在动作38中，超声扫描仪、处理器或显示设备显示患者的估计的一个或多个生物标记。例如，生成脂肪分数的图像。图3示出了示例超声B模式图像，其具有对应于用户选择的三个转换模型（即，UDFF=MRI-UDFF、UDFF =活检纤维化评分和UDAS=NAS）的三个生物标记的注释。表示估计的生物标记的值被显示在屏幕上。可替代地或附加地，显示表示估计的生物标记的图形（例如，曲线或图标）。可以显示对标度的参考或其他参考。在其他实施例中，作为位置的函数的生物标记的值通过颜色、亮度、色调、发光性或显示值在一维、二维或三维表示中的其他调制来显示。生物标记值可以线性或非线性地映射到像素颜色。

生物标记的值单独或与其他信息一起指示。例如，执行剪切波成像。显示从对剪切波的组织反应中确定的剪切波速度、模量或其他信息。显示的图像表示感兴趣区域或整个成像区域的剪切波信息。例如，在为感兴趣区域或视场中的所有网格点确定剪切速度值的情况下，显示器的像素表示该区域的剪切波速度。显示网格可以不同于扫描网格和/或针对其计算位移的网格。

剪切波信息用于显示值的颜色叠加或其他调制。颜色、亮度、发光性、色调或其他显示特性作为剪切波特性（诸如剪切波速度）的函数被调制。图像表示二维或三维的位置区域。剪切数据是显示格式，或者可以扫描转换为显示格式。剪切数据是颜色或灰度数据，但可以是用灰度或色标映射之前的数据。信息可以线性或非线性地映射到显示值。

图像可以包括其他数据。例如，剪切波信息显示在B模式信息之上或与B模式信息一起显示。可以包括表示相同区域中的组织、流体或造影剂的B模式或其他数据，诸如显示具有低于阈值的剪切波速度或质量差的任何位置的B模式数据。其他数据辅助用户确定剪切信息的位置。在其他实施例中，剪切波特性被显示为没有其他数据的图像。在又其他实施例中，提供B模式或其他图像信息而没有剪切波信息。

生物标记的附加估计值或生物标记的值与剪切波、B模式、颜色或流动模式、M模式、造影剂模式和/或其他成像基本上同时显示。基本上计及了观看者的视觉感受。以足够的频率依次显示两个图像可以允许观看者感觉到图像同时被显示。用于估计生物标记的分量QUS量度也可以被显示，诸如在表格中。

可以使用基本上同时显示的任何格式。在一个示例中，剪切波或解剖图像是二维图像。生物标记的值是文本（见图3）、图表、二维图像或估计值的其他指标。光标或其他位置选择可以相对于剪切或解剖图像定位。光标指示位置的选择。例如，用户选择与病变、囊肿、内含物或其他结构的内部区域相关联的像素。所选位置的生物标记然后被显示为值、沿着标度的指针或其他指示。在另一个示例中，生物标记在感兴趣区域（视场的子部分）中或整个视场之上被指示。

图4示出了用于基于超声的替代物估计的系统10的一个实施例。系统10实现图1的方法或其他方法。系统10包括发射波束形成器12、换能器14、接收波束形成器16、图像处理器18、显示器20、存储器22和用户输入24。可以提供附加的、不同的或更少的组件。

系统10是医学诊断超声成像系统。在可替代的实施例中，系统10是个人计算机、工作站、PACS站或者在相同位置处或分布在网络之上用于实时或采集后成像的其他布置。

用户输入24是鼠标、键盘、轨迹球、触摸板、触摸屏、按钮、滑块、旋钮和/或它们的组合。可以使用其他用户输入设备。用户输入24通过硬件、软件和/或固件被配置为接收将超声参数与非超声参数进行关联的模型的用户录入。系统10的用户接口使用用户输入24以用于接收对一个或多个转换模型的选择的录入，诸如从列表中的选择或通过创建定制模型的选择。例如，用于患者所感兴趣的一个或多个生物标记的转换模型是从该一个或多个生物标记的可用转换模型列表中选择的。用户输入24用于打开列表并从列表中选择。

发射和接收波束形成器12、16形成用于使用换能器14发射和接收的波束形成器。基于波束形成器的操作或配置，发射脉冲序列并接收响应。波束形成器扫描以用于测量散射、剪切波和/或ARFI参数。基于使用用户输入24选择的生物标记（即，转换模型）来优化序列。波束形成器12、16被配置为利用换能器14在患者体内发射和接收用于转换模型的QUS参数的脉冲序列。

发射波束形成器12是超声发射器、存储器、脉冲发生器、模拟电路、数字电路或其组合。发射波束形成器12可操作来针对具有不同或相对幅度、延迟和/或定相的多个通道生成波形。在响应于所生成的电波形从换能器14发射声波时，形成一个或多个波束。生成发射波束序列来扫描二维或三维区域。可以使用扇形、Vector®（矢量）、线性或其他扫描格式。可以使用不同的扫描线角度、F数和/或波形中心频率多次扫描相同区域。对于流动或多普勒成像以及对于剪切成像，使用沿着相同的一条或多条线的扫描序列。在多普勒成像中，在扫描相邻扫描线之前，该序列可以包括沿着相同扫描线的多个波束。对于剪切成像，可以使用扫描或帧交织（即，在再次扫描之前扫描整个区域）。可以使用线或线组交织。在可替代实施例中，发射波束形成器12生成平面波或发散波，用于更快速的扫描。

相同发射波束形成器12生成脉冲激励或电波形，以用于生成声能以引起位移。生成用于声学辐射力脉冲的电波形。在可替代实施例中，提供不同的发射波束形成器用于生成脉冲激励。发射波束形成器12引起换能器14生成推动脉冲或声学辐射力脉冲。

换能器14是用于从电波形生成声能的阵列。对于阵列，相对延迟聚焦声能。给定的发射事件对应于给定延迟的情况下由不同元件在基本相同的时间处对声能的发射。发射事件可以提供用于使组织位移的超声能量脉冲。该脉冲可以是脉冲激励、跟踪脉冲、B模式脉冲或用于其他量度的脉冲。脉冲激励包括具有许多周期（例如，500个周期）的波形，但是其发生在相对短的时间内，以在较长的时间内引起组织位移。跟踪脉冲可以是B模式发射，诸如使用1-5个周期。跟踪脉冲用于扫描患者区域。

换能器14是1、1.25、1.5、1.75或2维的压电或电容膜元件阵列。换能器14包括用于在声能与电能之间换能的多个元件。响应于超声能量（回波）撞击在换能器14的元件上而生成接收信号。元件与发射和接收波束形成器12、16的通道连接。可替代地，使用具有机械焦点的单个元件。

接收波束形成器16包括具有放大器、延迟和/或相位旋转器以及一个或多个求和器的多个通道。每个通道与一个或多个换能器元件连接。接收波束形成器16由硬件或软件配置为响应于每个成像或跟踪发射应用相对延迟、相位和/或变迹来形成一个或多个接收波束。对于来自用于使组织位移的脉冲激励的回波，接收操作可能不会发生。接收波束形成器16使用接收信号输出表示空间位置的数据。来自不同元件的信号的相对延迟和/或定相和求和提供波束形成。在可替代实施例中，接收波束形成器16是用于使用傅立叶或其他变换生成样本的处理器。

接收波束形成器16可以包括滤波器，诸如用于隔离相对于发射频带的二次谐波或其他频带下的信息的滤波器。这样的信息可能更有可能包括期望的组织、造影剂和/或流动信息。在另一个实施例中，接收波束形成器16包括存储器或缓冲器以及滤波器或加法器。两个或更多个接收波束被组合以隔离期望频带（诸如二次谐波、三次基波或另一频带）处的信息。

与发射波束形成器12协作，接收波束形成器16生成表示该区域的数据。为了跟踪剪切波或轴向纵波，生成表示不同时间处的区域的数据。在声学脉冲激励之后，接收波束形成器16生成表示在不同时间处沿着一条或多条线的位置的波束。通过用超声扫描感兴趣区域，生成数据（例如，波束形成的样本）。通过重复扫描，获取在脉冲激励之后不同时间处表示该区域的超声数据。

接收波束形成器16输出表示空间位置的波束求和数据。输出单个位置、沿线位置、区的位置或体积的位置的数据。可以提供动态聚焦。数据可以用于不同的目的。例如，扫描的不同部分是针对B模式或组织数据而不是针对位移来执行的。可替代地，B模式数据也用于确定位移。作为另一个示例，不同类型量度的数据是利用基于所选转换模型优化的序列中的一系列共享扫描来获取的，并且B模式或多普勒扫描是单独执行的或者使用一些相同的数据来执行的。

图像处理器18是B模式检测器、多普勒检测器、脉冲波多普勒检测器、相关处理器、傅立叶变换处理器、专用集成电路、人工智能处理器、通用处理器、控制处理器、图像处理器、现场可编程门阵列、数字信号处理器、模拟电路、数字电路、它们的组合或者用于检测和处理来自波束形成超声样本的信息以供显示的其他现在已知或稍后开发的设备。在一个实施例中，图像处理器18包括一个或多个检测器和单独的图像处理器。单独的图像处理器是控制处理器、通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列、人工智能处理器、网络、服务器、处理器组、它们的组合或者用于从波束形成和/或检测的超声数据计算不同类型参数的值和/或用于从不同类型超声量度的值估计生物标记的值的其他现在已知或以后开发的设备。例如，单独的图像处理器由硬件、固件和/或软件配置来执行图1中所示的动作33-38。

图像处理器18被配置为从不同类型的超声参数的组合中估计非超声参数的值。例如，使用测量的散射参数和一个、两个或更多个测量的剪切波参数。基于发射和接收序列以及根据结果的计算来测量不同类型的超声参数。确定超声参数的一个或多个量度，以用于估计非超声参数（诸如组织学、化验、MR或CT参数）的值。

在一个实施例中，图像处理器18基于对不同类型波前的组织反应的不同参数或量度来估计非超声参数。该估计应用机器学习分类器。学习矩阵使用具有或不具有其他信息的量度的输入值来输出生物标记的值。在其他实施例中，图像处理器18使用超声参数值的加权组合或查找表。例如，提供两个或更多个函数。使用一个或多个参数（例如剪切波速）的值来选择函数之一。所选函数使用相同和/或不同参数的值来确定非超声参数的值。线性或非线性映射将一个或多个超声参数的值与非超声参数的值进行关联。例如，使用两个或更多个散射参数来确定具有剪切波传播选择函数的组织属性的值。

处理器18被配置为生成一个或多个图像。例如，生成剪切波速度、B模式、造影剂、M模式、流动或颜色模式、ARFI和/或另一种类型的图像。剪切波速度、流动或ARFI图像可以单独呈现，或者作为B模式图像内的叠加或感兴趣区域呈现。剪切波速度、流动或ARFI数据调制感兴趣区域中的位置处的颜色。在剪切波速度、流动或ARFI数据低于阈值的情况下，可以显示B模式信息，而不受剪切波速度的调制。

其他信息被包括在图像中或者被依次或基本上同时地显示。例如，非超声估计与其他图像同时显示。生物标记的一个或多个值映射到显示信息。在非超声参数是在不同位置测量的情况下，值可以作为B模式图像中感兴趣区域中的颜色叠加来生成。剪切波速度和生物标记可以在一个B模式图像上组合成单个叠加。可替代地，非超声参数的一个或多个值显示为与B模式或剪切波成像图像相邻或叠加在B模式或剪切波成像图像上的文本或（一个或多个）数值（见图3）。

图像处理器18可以被配置为生成其他显示。例如，剪切波速度图像显示在诸如脂肪分数、纤维化程度和/或疾病活动的非超声参数的图表、文本或图形指标旁边。

图像处理器18依据存储在存储器22或另一个存储器中的指令进行操作，用于为用户提供转换模型的选择、基于模型的扫描序列的优化、根据组织反应量度的估计和/或非超声参数的估计。存储器22是非暂时性计算机可读存储介质。用于实现本文讨论的过程、方法和/或技术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、可移动介质、硬盘驱动器或其他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易失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其上的一个或多个指令集，执行在各图中图示或本文描述的功能、动作或任务。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，指令存储在可移动介质设备上，以供本地或远程系统读取。在其他实施例中，指令存储在远程位置中，以供通过计算机网络或通过电话线传送。在又其他实施例中，指令存储在给定的计算机、CPU、GPU或系统内。

显示器20是一种设备，诸如 CRT、LCD、投影仪、等离子体或用于显示一维或二维图像或三维表示的其他显示器。二维图像表示区中的空间分布。三维表示由表示体积中空间分布的数据来渲染。显示器20显示表示感兴趣区域中的单个位置（例如，从包括相邻位置的估计中平均）的非超声参数的图像、或整个图像。例如，显示器20显示脂肪分数的值和/或疾病活动指数的评分。组织属性和/或疾病活动的显示提供了用于诊断的标准的、可接受的或已知的生物标记的信息。

虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。因此，旨在使前述详细描述被认为是说明性的而不是限制性的，并且应当理解的是，旨在使以下权利要求、包括所有等同物来限定本发明的精神和范围。

Claims (10)

1.一种利用超声扫描仪进行基于超声的替代物估计的方法，所述方法包括：

接收（30）对第一转换模型的用户选择，所述第一转换模型用于从一个或多个超声测量转换（34）为除超声之外的另一模态的生物标记；

由超声扫描仪利用超声发射序列扫描（32）患者；

由超声扫描器根据由扫描（32）得到的超声数据来估计（33）所述一个或多个超声测量的一个或多个定量超声值；

通过第一转换模型将所述一个或多个定量超声值转换（34）为除超声之外的所述另一模态的生物标记的值；以及

显示（38）患者的生物标记的值。

2.根据权利要求1所述的方法，其中接收（30）用户选择包括接收（30）第一转换模型作为定制模型的用户选择，其中扫描（32）包括用所述序列进行扫描（32），所述序列是基于所述定制模型和规则定义的，所述定制模型定义所述一个或多个测量，并且所述规则定义所述定制模型的所述一个或多个测量的超声发射序列。

3.根据权利要求1所述的方法，其中扫描（32）包括利用所述序列进行扫描（32），所述序列基于第一转换模型来定义，利用用于所述一个或多个超声测量中的多个的超声发射的扫描（32）是交织的，并且其中估计（33）包括为所述一个或多个超声测量中的多个估计（33）所述一个或多个定量超声值中的多个。

4.根据权利要求1所述的方法，其中扫描（32）包括利用所述序列进行扫描（32），所述序列基于第一转换模型来定义，其中估计（33）包括为所述一个或多个超声测量中的第一和第二测量估计（33）所述一个或多个定量超声值中的第一和第二值，所述第一测量响应于声学辐射力脉冲，并且其中利用所述序列进行扫描（32）包括利用包括声学辐射力脉冲的超声发射进行扫描（32），声学辐射力脉冲在用于第二测量的超声发射之后被执行。

5.根据权利要求1所述的方法，其中扫描（32）包括利用所述序列进行扫描（32），所述序列基于第一转换模型来定义，其中所述序列是基于（1）所述一个或多个超声测量的所述一个或多个定量超声值或（2）所述生物标记的值自适应的。

6.根据权利要求1所述的方法，其中估计（33）包括估计（33）包括衰减系数、反向散射系数、声速、剪切波速度或剪切波粘度的一个或多个超声测量，并且其中转换（34）包括转换（34）为包括基于磁共振、基于计算机断层摄影、基于化验或基于组织学的生物标记的所述另一模态的生物标记，所述另一模态的生物标记具有与所述一个或多个超声测量不同的单位和/或标度。

7.一种用于利用超声扫描仪进行基于超声的替代物估计的方法，所述方法包括：

接收（30）对第一转换模型的用户选择，所述第一转换模型用于从第一和第二超声测量转换（34）为除超声之外的另一模态的生物标记；

由超声扫描仪利用超声发射序列扫描（32）患者，所述序列是基于第一转换模型来定义的；

由超声扫描器根据由扫描（32）得到的超声数据来估计（33）第一和第二超声测量的第一和第二定量超声值；

通过第一转换模型将第一和第二定量超声值转换（34）为除超声之外的所述另一模态的生物标记的值，所述生物标记的值具有与第一和第二定量超声值不同的标度和/或单位；以及

显示（38）患者的生物标记的值。

8.根据权利要求7所述的方法，其中估计（33）包括响应于声学辐射力脉冲估计（33）第一测量的第一值，并且其中利用所述序列进行扫描（32）包括利用包括声学辐射力脉冲的超声发射进行扫描（32），所述声学辐射力脉冲在第二测量的超声发射之后被执行。

9.根据权利要求7所述的方法，其中扫描（32）包括利用基于（1）第一和第二超声测量的第一和第二定量超声值或（2）生物标记的值自适应的序列进行扫描（32）。

10.一种用于基于超声的替代物估计的系统，所述系统包括：

用户输入（24），被配置为接收将超声参数与非超声参数进行关联的第一模型的用户录入，第一模型在非超声参数的多个模型的列表中；

换能器（14）；

波束形成器（12，16），被配置为利用换能器（14）在患者体内发射和接收脉冲序列，所述脉冲序列是针对超声参数的并且基于模型被优化；

图像处理器（18），被配置为从超声参数的值生成非超声参数的值，超声参数的值使用脉冲的发射和接收序列来估计；以及

显示器（20），被配置为显示疾病活动指数的评分。

Images