CN115633985A - 云端设备、超声成像系统和超声图像的分析方法 - Google Patents
云端设备、超声成像系统和超声图像的分析方法 Download PDFInfo
- Publication number
- CN115633985A CN115633985A CN202110821095.3A CN202110821095A CN115633985A CN 115633985 A CN115633985 A CN 115633985A CN 202110821095 A CN202110821095 A CN 202110821095A CN 115633985 A CN115633985 A CN 115633985A
- Authority
- CN
- China
- Prior art keywords
- image
- ultrasonic
- lesion
- attribute
- focus
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 32
- 238000003703 image analysis method Methods 0.000 title description 8
- 230000003902 lesion Effects 0.000 claims abstract description 333
- 238000002604 ultrasonography Methods 0.000 claims abstract description 287
- 238000004458 analytical method Methods 0.000 claims abstract description 192
- 210000001685 thyroid gland Anatomy 0.000 claims abstract description 79
- 210000000481 breast Anatomy 0.000 claims abstract description 73
- 238000012285 ultrasound imaging Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 33
- 239000000523 sample Substances 0.000 claims description 25
- 230000017531 blood circulation Effects 0.000 claims description 23
- 210000005075 mammary gland Anatomy 0.000 claims description 10
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 238000001055 reflectance spectroscopy Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 130
- 208000004434 Calcinosis Diseases 0.000 description 15
- 230000002308 calcification Effects 0.000 description 14
- 210000001165 lymph node Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000010191 image analysis Methods 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 6
- 201000011510 cancer Diseases 0.000 description 6
- 230000036210 malignancy Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 208000009453 Thyroid Nodule Diseases 0.000 description 2
- 208000030270 breast disease Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010011732 Cyst Diseases 0.000 description 1
- 208000024799 Thyroid disease Diseases 0.000 description 1
- 208000024770 Thyroid neoplasm Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 208000031513 cyst Diseases 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003372 endocrine gland Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种云端设备、超声成像系统和超声图像的分析方法,该云端设备包括存储器和处理器,处理器用于执行以下步骤:获取超声成像系统一次上传的至少两帧超声图像,超声图像为乳腺或甲状腺超声扫查得到的超声图像;对至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;确定每帧超声图像的与图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;根据超声图像对应的病灶属性对超声图像进行分析,以得到超声图像在相应病灶属性下的分析结果;对每个病灶属性下所有的分析结果进行汇总分析,以得到汇总分析结果。本方案能够一次性分析多帧超声图像,提高超声图像的分析效率。
Description
技术领域
本发明总地涉及超声成像技术领域,更具体地涉及一种云端设备、超声成像系统和超声图像的分析方法。
背景技术
甲状腺是人体最大的内分泌腺,在人体生长发育和新陈代谢方面扮演着重要的角色。近年来甲状腺结节的发病率呈上升趋势。同样地,近年来乳腺疾病的发病率和死亡率逐年持续上升,目前已成为威胁女性身心健康的常见疾病。超声检查因具有无创、操作简单、价格低廉、可重复操作等特点,已成为乳腺、甲状腺疾病临床诊断的首选方案。
甲状腺和乳腺病灶的征象复杂,诊断工作受限于医生的临床经验,具有一定的主观性。在进行乳腺和甲状腺超声检查时,超声医师会对病灶进行多成像模式、多角度的观察,留存病灶的多帧超声图像。这些超声图像常常作为智能化辅助分析工具的输入,用于智能化辅助分析。然而,目前的智能分析工具通常需要用户依次选择单帧超声图像进行输入,严重影响着用户体验和分析效率。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
针对现有技术的不足,本发明实施例第一方面提供了一种云端设备,包括存储器和处理器,所述处理器用于执行以下步骤:
获取超声成像系统一次上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本发明实施例第二方面提供一种云端设备,包括存储器和处理器,所述处理器用于执行以下步骤:
获取超声成像系统上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本发明实施例第三方面提供一种超声成像系统,所述超声成像系统包括:
超声探头;
发射电路,用于激励所述超声探头向待扫查部位发射超声波,所述待扫查部位包括乳腺或甲状腺;
接收电路,用于控制所述超声探头接收所述超声波的回波,以获得所述超声波的回波信号;
处理器,用于:
基于所述回波信号得到至少两帧超声图像,所述超声图像至少包括乳腺病灶的超声图像或甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本发明实施例第四方面提供一种超声图像的分析方法,所述方法包括:
获取超声成像系统一次上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本发明实施例第五方面提供一种超声图像的分析方法,所述方法包括:
获取超声成像系统上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本发明实施例第六方面提供一种超声图像的分析方法,所述方法包括:
激励超声探头向待扫查部位发射超声波,所述待扫查部位包括乳腺或甲状腺;
控制所述超声探头接收所述超声波的回波,以获得所述超声波的回波信号;
基于所述回波信号得到至少两帧超声图像,所述超声图像至少包括乳腺病灶的超声图像或甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
根据本发明实施例的云端设备、超声成像系统和超声图像的分析方法能够一次性分析多帧超声图像,提高了超声图像的分析效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
在附图中:
图1示出根据本发明一个实施例的云端设备的示意性框图;
图2示出根据本发明一个实施例的由云端设备实现的超声图像的分析方法的示意性流程图;
图3示出根据本发明另一个实施例的由云端设备实现的超声图像的分析方法的示意性流程图;
图4示出根据本发明一个实施例的超声成像系统的示意性框图;
图5示出根据本发明一个实施例的由超声成像系统实现的超声图像的分析方法的示意性流程图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
应当理解的是,本发明能够以不同形式实施,而不应当解释为局限于这里提出的实施例。相反地,提供这些实施例将使公开彻底和完全,并且将本发明的范围完全地传递给本领域技术人员。
在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时,单数形式的“一”、“一个”和“所述/该”也意图包括复数形式,除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”,当在该说明书中使用时,确定所述特征、整数、步骤、操作、元件和/或部件的存在,但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时,术语“和/或”包括相关所列项目的任何及所有组合。
为了彻底理解本发明,将在下列的描述中提出详细的结构,以便阐释本发明提出的技术方案。本发明的可选实施例详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
下面,首先参考图1描述根据本发明一个实施例的云端设备,图1示出了根据本发明实施例的云端设备100的示意性结构框图。云端设备100与超声成像系统通信连接,从而能够与超声成像系统进行信息交互。
如图1所示,云端设备100包括存储器110和处理器120,处理器120用于执行以下步骤:获取超声成像系统一次上传的至少两帧超声图像,超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;对至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;确定每帧超声图像的与图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;根据超声图像对应的病灶属性对超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本发明实施例的云端设备100能够一次性分析与病灶相关的多帧超声图像,提高了超声图像分析的效率和准确性;云端设备100自动确定超声图像对应的病灶属性并进行分析,无需用户手动选择待分析的病灶属性,提高了用户体验。通过云端设备对超声图像进行分析,并将分析结果下发到超声成像系统,还能够减小超声成像系统的运算量,提高超声图像的分析速度。
其中,处理器120可以通过软件、硬件、固件或其任意组合来实现,可以使用电路、单个或多个专用集成电路、单个或多个通用集成电路、单个或多个微处理器、单个或多个可编程逻辑器件、或者前述电路和/或器件的任意组合、或者其他适合的电路或器件,并且处理器120可以控制云端设备100中的其它组件以执行期望的功能。
存储器110可以包括一个或多个计算机程序产品,计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器和/或高速缓冲存储器等。非易失性存储器例如可以包括只读存储器、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器120可以运行程序指令,以实现本发明实施例中的超声图像的分析方法以及其他各种期望的功能。在计算机可读存储介质中还可以存储各种应用程序和各种数据,例如应用程序使用和/或产生的各种数据等。
具体地,处理器120首先获取超声成像系统一次上传的至少两帧超声图像。示例性地,超声成像系统可以在对病灶进行全方位的超声扫查之后,将扫查所得的至少两帧超声图像一同上传到云端设备进行分析,云端设备一次性分析所有的超声图像,无需用户按顺序逐帧输入超声图像。
其中,超声图像可以是乳腺超声扫查得到的至少两帧超声图像,乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,即超声图像中包含乳腺病灶区域。可选地,乳腺超声扫查得到的超声图像还可以包括乳腺病灶关联部位的超声图像,用于对乳腺病灶进行辅助分析,乳腺病灶关联部位的超声图像包括但不限于腋下淋巴结超声图像。
超声图像也可以是甲状腺超声扫查得到的超声图像,甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像,即超声图像中包含甲状腺病灶(也可叫甲状腺结节)区域。可选地,甲状腺超声扫查得到的超声图像还可以包括甲状腺病灶关联部位的超声图像,用于对甲状腺病灶进行辅助分析,甲状腺病灶关联部位的超声图像包括但不限于颈部淋巴结超声图像。
获取超声成像系统一次上传的至少两帧超声图像后,处理器120对所获取的至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型。
在一个实施例中,每帧超声图像对应的图像类型可以包括每帧超声图像对应的成像模式,具体可以是灰阶图像、弹性图像和血流图像中的一种。其中,灰阶图像也可以称为B型超声图像,主要用于提供病灶的组织结构信息。弹性图像包括应变弹性图像、剪切波弹性图像或瞬时弹性图像等,主要用于提供病灶的弹性信息。血流图像也可以称为C型超声图像,主要用于提供病灶的血流信息。示例性地,处理器120可以根据超声图像数据中表征成像模式的标识确定每帧超声图像对应的成像模式;或者,处理器120也可以对超声图像进行图像识别,以确定每帧超声图像对应的成像模式。
示例性地,由于除了病灶的超声图像以外,超声图像中还可以包括病灶关联部位的超声图像,因此,确定每帧超声图像对应的图像类型还可以包括确定每帧超声图像为病灶的超声图像或病灶关联部位的超声图像。当确定超声图像对应的图像类型为病灶关联部位的超声图像时,超声图像的与图像类型对应的病灶属性还包括病灶关联部位的属性。例如,对于腋下淋巴结超声图像或颈部淋巴结图像来说,病灶关联部位的属性包括淋巴结属性。
示例性地,处理器120可以对每帧超声图像进行图像识别,以确定其是否为病灶的超声图像。示例性地,处理器120可以调用预先训练好的病灶识别模型,以识别每帧超声图像中的病灶区域。其中病灶识别模型是通过将多帧标注有病灶区域的样本超声图像输入到深度学习神经网络进行训练所得到的。或者,处理器120可以通过阈值分割、水平集、条件随机场、主动轮廓模型等传统的图像处理方法对超声图像进行分割,并对分割结果进行分类,以确定超声图像中是否包含病灶区域。
示例性地,对于病灶的超声图像来说,每帧超声图像对应的图像类型还可以包括每帧超声图像中包含的病灶的切面类型。在对病灶进行超声扫查时,用户通常会采集病灶不同切面的超声图像,例如病灶的纵切面、横切面、恶性征象切面、血流最丰富的切面等。病灶不同切面的超声图像能够提供不同类型的信息,因此,后续可以针对病灶不同切面的超声图像分析不同的病灶属性。
例如,当确定超声图像对应的图像类型为灰阶图像时,处理器120确定超声图像对应的切面类型,切面类型包括病灶横切面或病灶纵切面;其中,病灶横切面可以用于确定病灶最长径的尺寸,病灶纵切面可以用于确定病灶最短径的尺寸。
如上所述,针对每帧超声图像,可以确定其在多个维度下的图像类型,之后,可以将多个维度下的图像类型进行整合,以得到每帧超声图像对应的综合的图像类型,例如,可以将多帧超声图像分为乳腺病灶灰度图像、乳腺病灶血流图像、乳腺病灶弹性图像、腋下淋巴结图像等不同类型。
确定每帧超声图像对应的图像类型后,处理器120确定每帧超声图像的与图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性。由此,无需用户手动确定针对每帧超声图像分析何种病灶属性,能够实现全自动的超声图像分析。
其中,当超声图像为乳腺病灶的超声图像时,超声图像的与图像类型对应的病灶属性至少包括BI-RADS分级标准中的病灶属性。目前常用的BI-RADS评估标准包括以下七类病灶属性:方向属性、形状属性、边缘属性、内部回声属性、后方回声属性、钙化属性和血流属性,每个病灶属性包括若干病灶特征。具体地,每个病灶属性所包括的病灶特征分别为:
方向属性下的病灶特征包括平行,不平行;形状属性下的病灶特征包括椭圆形,圆形,不规则形;边缘属性下的病灶特征包括清晰,模糊,成角,微分叶,毛刺;内部回声属性下的病灶特征包括无回声,等回声,囊实性混合回声,低回声,不均匀回声,高回声;后方回声属性下的病灶特征包括增强,无改变,衰减,混合性改变;钙化属性下的病灶特征包括无钙化,有钙化;血流属性下的病灶特征包括无血流,边缘血流,内部血流。
类似地,当超声图像为甲状腺病灶的超声图像时,超声图像的与图像类型对应的病灶属性至少包括TI-RADS分级标准中的病灶属性。目前常用的TI-RADS分级标准包括以下五个病灶属性:形状属性、成分属性、回声属性、局灶性强回声属性(也可以称为强回声属性或钙化属性)和边缘属性,每个病灶属性包括若干病灶特征。并且,TI-RADS分级标准下的每个病灶特征对应于一个TI-RADS评分。具体地,在TI-RADS分级标准中,每个病灶属性所包括的病灶特征分别为:
形状属性下的病灶特征包括:病灶宽大于高、病灶高大于宽;成分属性下的病灶特征包括:囊性、海绵样、囊实混合、实性;回声属性下的病灶特征包括:无回声、高或等回声、低回声、极低回声;钙化属性下的病灶特征包括:无钙化或大彗星尾征、粗大钙化、周边钙化、微钙化;边缘属性下的病灶特征包括:平滑、轮廓不清晰、不规则、向甲状腺外侵犯。
需要注意的是,本发明实施例对BI-RADS分级标准和TI-RADS分级标准的版本不做限制,无论是哪个地区或组织制定的BI-RADS分级标准和TI-RADS分级标准,无论是目前已有的或未来更新的BI-RADS分级标准和TI-RADS分级标准,都应包括在本发明实施例的范围之内。
进一步地,当超声图像对应的图像类型为灰阶图像时,该超声图像对应的病灶属性包括BI-RADS分级标准或TI-RADS分级标准中的灰度属性。灰度属性即图像的灰度信息所体现的属性。其中,BI-RADS分级标准中的灰度属性包括方向属性、形状属性、边缘属性、内部回声属性、后方回声属性和钙化属性;TI-RADS分级标准中的灰度属性包括形状属性、成分属性、回声属性、钙化属性和边缘属性。当超声图像对应的图像类型为弹性图像时,该超声图像对应的病灶属性包括病灶的弹性属性。当超声图像对应的图像类型为血流图像时,该超声图像对应的病灶属性包括病灶的血流属性。
在一些实施例中,超声图像的与图像类型对应的病灶属性还包括切面类型对应的径线尺寸。例如,当确定超声图像的图像类型为病灶横切面的超声图像时,该超声图像的与图像类型对应的病灶属性包括病灶最长径的径线尺寸和高度方向的径线尺寸;当确定超声图像的图像类型为病灶纵切面的超声图像时,该超声图像的与图像类型对应的病灶属性包括病灶最短径的径线尺寸。
在一些实施例中,若云端设备100获取的超声图像还包括病灶关联部位的超声图像,则病灶关联部位的超声图像的与图像类型对应的病灶属性包括病灶关联部位的属性。具体地,乳腺病灶关联部位的超声图像的与图像类型对应的病灶属性包括乳腺病灶关联部位的属性。例如,当确定超声图像的图像类型为腋下淋巴结的超声图像时,该超声图像对应的病灶属性包括淋巴结属性。类似地,甲状腺病灶关联部位的超声图像的与图像类型对应的病灶属性包括甲状腺病灶关联部位的属性。例如,当确定超声图像的图像类型为颈部淋巴结的超声图像时,该超声图像对应的病灶属性包括淋巴结属性。
由于每帧超声图像可以对应不止一个图像类型,每个图像类型可以对应不止一个病灶属性,因此,每帧超声图像可以对应不止一个病灶属性。例如,对于病灶横切面的乳腺病灶灰度图像来说,其对应的病灶属性包括BI-RADS分级标准中的形状属性、边缘属性等多个灰度属性,还包括病灶最长径的径线尺寸。当然,每帧超声图像也可能只对应一个病灶属性,例如若超声图像对应的图像类型为乳腺病灶的血流图像,则该超声图像只对应乳腺病灶的血流属性。
确定每帧超声图像的与图像类型对应的病灶属性之后,处理器120根据超声图像对应的病灶属性对超声图像进行分析,以得到超声图像在相应病灶属性下的分析结果。
示例性地,处理器120可以将每帧超声图像分别输入到预先训练好的与病灶属性关联的病灶分析模型中,并输出超声图像在相应病灶属性下的分析结果。其中,可以针对每个病灶属性分别训练一个单任务病灶分析模型,若同一帧超声图像对应多个病灶属性,可以分别将该超声图像输入到与多个病灶属性对应的病灶分析模型中,以得到多个病灶属性下的分析结果。或者,也可以采用多任务病灶分析模型进行多个病灶属性下的病灶特征的预测,其中,相互关联的病灶属性可以共用同一个病灶分析模型,以提高分析效果,例如,钙化属性和回声属性关联性较强,因而可以共用同一个病灶分析模型。
在一些实施例中,可以将对应于同一病灶属性的至少两帧超声图像一同输入到与该同一病灶属性关联的病灶分析模型中,并输出该同一病灶属性对应的分析结果,从而使病灶分析模型综合至少两帧超声图像进行分析,提高分析结果的置信度。其中,对应于同一病灶属性的至少两帧超声图像可以是对应于同一病灶属性的全部超声图像。例如,可以将对应于形状属性的至少两帧超声图像一同输入到与形状属性关联的病灶分析模型中,并输出形状属性对应的分析结果。
获取各个单帧超声图像的分析结果后,处理器对每个病灶属性下所有的分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。可以理解的是,若同一病灶属性只对应一帧超声图像,并且只得到了唯一的分析结果,则将该分析结果作为该病灶属性下的汇总分析结果。
在一个实施例中,对每个病灶属性下的所有分析结果进行汇总分析可以包括:对对应于同一病灶属性的至少两帧超声图像的分析结果进行特征严重程度的评估;在对应于同一病灶属性的至少两帧超声图像的分析结果中,选择特征严重程度最高的分析结果作为相应病灶属性下的汇总分析结果。
在一个实施例中,可以根据分析结果代表的良恶性程度对分析结果进行评估,选择特征严重程度最高的分析结果作为相应病灶属性下的汇总分析结。对于甲状腺病灶来说,在TI-RADS分级标准中,每个病灶属性下的多个病灶特征均具有对应的良恶性程度,因此可以直接将TI-RADS分级标准中规定的良恶性程度对分析结果进行评估。
而对于乳腺病灶来说,由于BI-RADS分级标准没有规定具体的良恶性程度,因而可以预先为每个病灶属性下的各个病灶特征指定其对应的评分。例如,BI-RADS分级标准中钙化属性下的病灶特征包括无钙化和有钙化,只要使有钙化的评分高于无钙化的评分即可。在对钙化属性对应的多帧灰阶图像进行分析时,只要有一帧灰阶图像的分析结果为有钙化,则认为钙化属性对应的汇总分析结果为有钙化。
在另一个实施例中,对分析结果进行评估也可以包括根据分析结果的置信度进行评分,以提高汇总分析结果的可靠性。示例性地,可以基于至少两帧超声图像的分析结果的一致性得到分析结果的置信度,一致性越高则关于置信度的评分越高。之后,可以选择具有较高置信度评分的分析结果作为汇总分析结果。
示例性地,处理器120还用于根据至少一帧超声图像对病灶进行分级,并将病灶的分级结果下发至上传超声图像的超声成像系统。具体地,TI-RADS分级标准根据TI-RADS评分的总和将病灶划分为TR1、TR2、TR3、TR4和TR5五个分级,用TR等级来表示甲状腺病灶的恶性可疑程度,TR等级越高,甲状腺病灶疑似恶性的可能性越高。BI-RADS分级标准将乳腺病灶按照恶性程度划分为1、2、3、4a、4b、4c、5共7个分级,同样地,等级越高则乳腺病灶疑似恶性的可能性越高。
对于TI-RADS分级标准来说,由于每个病灶特征对应一个TI-RADS评分,因而获得每个TI-RADS病灶属性的分析结果之后,即可以得到相应的TI-RADS评分。处理器120对多个TI-RADS评分进行求和,以得到TI-RADS评分的总和,并根据所述TI-RADS评分的总和与TI-RADS分级的对应关系确定病灶的TI-RADS分级。或者,处理器120也可以对不同TI-RADS特征类型的TI-RADS评分进行加权求和,根据加权求和的结果确定病灶的TI-RADS分级。
对于BI-RADS分级标准,其并未按照评分进行分级,因此处理器可以采用预先训练好的病灶分级模型进行分级。在一个实施例中,处理器120将多个汇总分析结果输入到预先训练好的病灶分级模型中,并输出病灶的分级结果。或者,处理器120可以将超声图像和多个汇总分析结果一同输入到预先训练好的病灶分级模型中,并输出病灶的分级结果,以结合超声图像信息和病灶属性信息共同进行分级,提高分级的准确性。可选地,处理器120也可以仅将超声图像输入到预先训练好的病灶分级模型中,并输出病灶的分级结果。
进一步地,处理器120还用于执行以下步骤:将每个病灶属性下的汇总分析结果下发至上传超声图像的超声成像系统;或者,将每个病灶属性下的汇总分析结果整合为病灶分析报告,并将病灶分析报告下发至超声成像系统。其中,病灶分析报告可以包括描述各个病灶属性下的汇总分析结果的文字或图标。示例性地,若处理器120还对病灶进行了分级,则处理器可以将汇总分析结果与病灶的分级结果一同整合为病灶分析报告,并下发至超声成像系统。
根据本发明实施例的云端设备100能够一次性分析多帧超声图像,提高了超声图像的分析效率。
图2示出了根据本发明一个实施例的超声图像的分析方法200的示意性流程图。如图2所示,超声图像的分析方法200包括以下步骤:
在步骤S210,获取超声成像系统一次上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
在步骤S220,对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
在步骤S230,确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
在步骤S240,根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
在步骤S250,对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本发明实施例的超声图像的分析方法200可以由上述的云端设备100实现,各个步骤的相关描述可以参照上文的相关描述,在此不做赘述。
根据本发明实施例的超声图像的分析方法200能够一次性分析多帧超声图像,提高了超声图像分析的效率和准确性。
下面继续参照图1描述根据本发明另一个实施例的云端设备,该云端设备包括存储器110和处理器120,各个部件的相关描述可以参照上文的相关描述,以下仅对超声成像系统的主要功能进行描述,而省略以上已经描述过的细节内容。
具体地,处理器120用于执行以下步骤:获取超声成像系统上传的至少两帧超声图像,超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;对至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;确定每帧超声图像的与图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;根据超声图像对应的病灶属性对超声图像进行分析,以得到超声图像在相应病灶属性下的分析结果;对每个病灶属性下所有的分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本实施例的云端设备与上一实施例的云端设备大体上类似,以下省略了部分相同的细节内容。与上一实施例的云端设备一致的是,本实施例的云端设备同样是一次性分析多帧超声图像,并且分析过程大体上类似。与上一实施例的云端设备不同的是,本实施例不限制云端设备获取超声成像系统上传的至少两帧超声图像,云端设备获取的超声图像也可以是超声成像系统分多次上传的至少两帧超声图像,例如,超声成像系统每获取一个成像模式下的超声图像,则将该超声成像模式下获取的超声图像上传到云端设备。超声成像系统也可以从存储器中提取预先存储的超声图像,并上传到云端设备进行分析。
图3示出了根据本发明另一个实施例的超声图像的分析方法300的示意性流程图。如图3所示,所述超声图像分析方法300包括以下步骤:
在步骤S310,获取超声成像系统上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
在步骤S320,对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
在步骤S330,确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
在步骤S340,根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
在步骤S350,对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本发明实施例的超声图像分析方法300可以由上述的云端设备实现,各个步骤的相关描述可以参照上文的相关描述,在此不做赘述。
根据本发明实施例的超声图像分析方法300和超声成像系统能够一次性分析多帧超声图像,提高了超声图像分析的效率和准确性。
下面,参考图4描述根据本发明一个实施例的超声成像系统,图4示出了根据本发明实施例的超声成像系统400的示意性结构框图。
如图4所示,超声成像系统400包括超声探头410、发射电路412、接收电路414、处理器416和显示器418。其中,发射电路412用于激励超声探头410向待扫查部位发射超声波,所述待扫查部位包括乳腺或甲状腺;接收电路414用于控制超声探头410接收所述超声波的回波,以获得所述超声波的回波信号;处理器416用于:基于所述回波信号得到至少两帧超声图像,所述超声图像至少包括乳腺病灶的超声图像或甲状腺病灶的超声图像;对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。显示器418可以用于显示超声图像和每个病灶属性下的汇总分析结果。进一步地,超声成像系统还可以包括发射/接收选择开关420和波束合成电路422,发射电路412和接收电路414可以通过发射/接收选择开关420与超声探头410连接。
本发明实施例的超声成像系统400能够一次性分析与病灶相关的多帧超声图像,提高了超声图像分析的效率和准确性;超声成像系统400自动确定超声图像对应的病灶属性并进行分析,无需用户手动选择待分析的病灶属性,提高了用户体验。
示例性地,超声探头410包括多个换能器阵元,多个换能器阵元可以排列成一排构成线阵,或排布成二维矩阵构成面阵,多个换能器阵元也可以构成凸阵列。换能器阵元用于根据激励电信号发射超声波,或将接收的超声波转换为电信号,因此每个换能器阵元可用于实现电脉冲信号和超声波的相互转换,从而实现向被测对象的目标区域的组织发射超声波、也可用于接收经组织反射回的超声波回波。在进行超声检测时,可通过发射序列和接收序列控制哪些换能器阵元用于发射超声波,哪些换能器阵元用于接收超声波,或者控制换能器阵元分时隙用于发射超声波或接收超声波的回波。参与超声波发射的换能器阵元可以同时被电信号激励,从而同时发射超声波;或者,参与超声波束发射的换能器阵元也可以被具有一定时间间隔的若干电信号激励,从而持续发射具有一定时间间隔的超声波。
在超声成像过程中,发射电路412用于激励超声探头410向被测对象的待检查部位发射超声波;接收电路414用于控制超声探头410接收从被测对象返回的超声回波,以获得超声回波信号。
具体地,在超声成像过程中,发射电路412将经过延迟聚焦的发射脉冲通过发射/接收选择开关420发送到超声探头410。超声探头410受发射脉冲的激励而向被测对象的待检查部位发射超声波束,经一定延时后接收从待检查部位反射回来的带有组织信息的超声回波,并将此超声回波重新转换为电信号。接收电路414接收超声探头410转换生成的电信号,获得超声回波信号,并将这些超声回波信号送入波束合成电路422,波束合成电路422对超声回波数据进行聚焦延时、加权和通道求和等处理,然后送入处理器416。
可选地,处理器416可以实现为软件、硬件、固件或其任意组合,并且可以使用单个或多个专用集成电路(Application Specific Integrated Circuit,ASIC)、单个或多个通用集成电路、单个或多个微处理器、单个或多个可编程逻辑器件、或者前述电路和/或器件的任意组合、或者其他适合的电路或器件。并且,处理器416可以控制所述超声成像系统400中的其它组件以执行本说明书中的各个实施例中的方法的相应步骤。
处理器416对超声回波信号进行信号检测、信号增强、数据转换、对数压缩等处理以形成超声图像。处理器416得到的超声图像可以在显示器418上显示,也可以存储于存储器424中。除了对超声回波信号进行处理以实时生成待检查部位的超声图像以外,处理器416还可以通过其他方式获取待检查部位的超声图像,例如,处理器416可以从存储器424中提取预先存储的目标区域的超声图像,处理器416也可以控制接收从其他超声系统或网络中传输而来的待检查部位的超声图像。
获取扫查得到的至少两帧超声图像后,处理器416对至少两帧超声图像进行自动分析。处理器416执行的分析方法与云端设备400执行的分析方法大体类似,具体包括:对至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;确定每帧超声图像的与图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;根据超声图像对应的病灶属性对超声图像进行分析,以得到超声图像在相应病灶属性下的分析结果;对每个病灶属性下所有的分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
示例性地,当超声图像为乳腺病灶的超声图像时,超声图像的与图像类型对应的病灶属性至少包括BI-RADS分级标准中的病灶属性;当超声图像为甲状腺病灶的超声图像时,超声图像的与图像类型对应的病灶属性至少包括TI-RADS分级标准中的病灶属性。
其中,超声图像的图像类型包括灰阶图像、弹性图像或血流图像;当超声图像对应的图像类型为灰阶图像时,超声图像对应的病灶属性包括BI-RADS分级标准或TI-RADS分级标准中的灰度属性;当超声图像对应的图像类型为弹性图像时,超声图像对应的病灶属性包括病灶的弹性属性;当超声图像对应的图像类型为血流图像时,超声图像对应的病灶属性包括病灶的血流属性。
在一个实施例中,超声图像对应的图像类型还包括病灶的切面类型;当确定超声图像对应的图像类型为灰阶图像时,处理器416还用于:确定超声图像对应的切面类型,切面类型包括病灶横切面或病灶纵切面;超声图像的与图像类型对应的病灶属性还包括切面类型对应的径线尺寸。
在一个实施例中,超声图像还包括乳腺病灶关联部位的超声图像或甲状腺关联部位的超声图像,乳腺病灶关联部位的超声图像的与图像类型对应的病灶属性包括乳腺病灶关联部位的属性,甲状腺病灶关联部位的超声图像的与图像类型对应的病灶属性包括甲状腺病灶关联部位的属性。
在一个实施例中,根据超声图像对应的病灶属性对超声图像进行分析,以得到超声图像在相应病灶属性下的分析结果,包括:将每帧超声图像分别输入到预先训练好的与病灶属性关联的病灶分析模型中,并输出超声图像在相应病灶属性下的分析结果;或者,将对应于同一病灶属性的至少两帧超声图像一同输入到与同一病灶属性关联的病灶分析模型中,并输出同一病灶属性对应的分析结果。
在一个实施例中,对每个病灶属性下所有的分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果,包括:对对应于同一病灶属性的至少两帧超声图像的分析结果进行特征严重程度的评估;在对应于同一病灶属性的至少两帧超声图像的分析结果中,选择特征严重程度最高的分析结果作为相应病灶属性下的汇总分析结果。
在一个实施例中,处理器416还用于:将多个汇总分析结果输入到预先训练好的病灶分级模型中,并输出病灶的分级结果;或者,将超声图像和多个汇总分析结果一同输入到预先训练好的病灶分级模型中,并输出病灶的分级结果;或者,将超声图像输入到预先训练好的病灶分级模型中,并输出病灶的分级结果;显示器418还用于显示病灶的分级结果。
在一个实施例中,处理器416还用于:控制显示器418显示所述汇总分析结果;或者,将每个病灶属性下的所述汇总分析结果整合为病灶分析报告,并控制显示器418显示所述病灶分析报告。
显示器418与处理器416连接,显示器418可以为触摸显示屏、液晶显示屏等;或者,显示器418可以为独立于超声成像系统400之外的液晶显示器、电视机等独立显示器;或者,显示器418可以是智能手机、平板电脑等电子设备的显示屏,等等。其中,显示器418的数量可以为一个或多个。
可选地,超声成像系统400还可以包括显示器418之外的其他人机交互装置,其与处理器416连接,例如,处理器416可以通过外部输入/输出端口与人机交互装置连接,外部输入/输出端口可以是无线通信模块,也可以是有线通信模块,或者两者的组合。外部输入/输出端口也可基于USB、如CAN等总线协议、和/或有线网络协议等来实现。
其中,人机交互装置可以包括输入设备,用于检测用户的输入信息,该输入信息例如可以是对超声波发射/接收时序的控制指令,可以是在超声图像上绘制出点、线或框等的操作输入指令,或者还可以包括其他指令类型。输入设备可以包括键盘、鼠标、滚轮、轨迹球、移动式输入设备(比如带触摸显示屏的移动设备、手机等等)、多功能旋钮等等其中之一或者多个的结合。人机交互装置还可以包括诸如打印机之类的输出设备。
超声成像系统400还可以包括存储器424,用于存储处理器执行的指令、存储接收到的超声回波、存储超声图像,等等。存储器可以为闪存卡、固态存储器、硬盘等。其可以为易失性存储器和/或非易失性存储器,为可移除存储器和/或不可移除存储器等。
应理解,图4所示的超声成像系统400所包括的部件只是示意性的,其可以包括更多或更少的部件,本发明对此不做限定。
下面,将参考图5描述根据本发明实施例的超声图像的分析方法。图5是本发明实施例的超声图像的分析方法500的一个示意性流程图。如图5所示,本发明实施例的超声图像的分析方法500包括如下步骤:
在步骤S510,激励超声探头向待扫查部位发射超声波,所述待扫查部位包括乳腺或甲状腺;
在步骤S520,控制所述超声探头接收所述超声波的回波,以获得所述超声波的回波信号;
在步骤S530,基于所述回波信号得到至少两帧超声图像,所述超声图像至少包括乳腺病灶的超声图像或甲状腺病灶的超声图像;
在步骤S540,对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
在步骤S550,确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
在步骤S560,根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
在步骤S570,对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
本发明实施例的超声图像的分析方法500可以由上述的超声成像系统400实现。各个步骤的相关描述可以参照上文对超声成像系统400的相关描述,在此不做赘述。
根据本发明实施例的超声成像系统400和超声图像的分析方法500能够一次性分析多帧超声图像,提高了超声图像的分析效率。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (22)
1.一种云端设备,其特征在于,包括存储器和处理器,所述处理器用于执行以下步骤:
获取超声成像系统一次上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
2.一种云端设备,其特征在于,包括存储器和处理器,所述处理器用于执行以下步骤:
获取超声成像系统上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
3.根据权利要求1或2所述的云端设备,其特征在于,当所述超声图像为乳腺病灶的超声图像时,所述超声图像的与所述图像类型对应的病灶属性至少包括BI-RADS分级标准中的病灶属性;当所述超声图像为甲状腺病灶的超声图像时,所述超声图像的与所述图像类型对应的病灶属性至少包括TI-RADS分级标准中的病灶属性。
4.根据权利要求3所述的云端设备,其特征在于,所述图像类型包括灰阶图像、弹性图像或血流图像;
当所述超声图像对应的图像类型为灰阶图像时,所述超声图像对应的病灶属性包括BI-RADS分级标准或TI-RADS分级标准中的灰度属性;
当所述超声图像对应的图像类型为弹性图像时,所述超声图像对应的病灶属性包括病灶的弹性属性;
当所述超声图像对应的图像类型为血流图像时,所述超声图像对应的病灶属性包括病灶的血流属性。
5.根据权利要求4所述的云端设备,其特征在于,所述超声图像对应的图像类型还包括病灶的切面类型;当确定所述超声图像对应的图像类型为灰阶图像时,所述处理器还用于:
确定所述超声图像对应的切面类型,所述切面类型包括病灶横切面或病灶纵切面;
所述超声图像的与所述图像类型对应的病灶属性还包括所述切面类型对应的径线尺寸。
6.根据权利要求4所述的云端设备,其特征在于,所述超声图像还包括乳腺病灶关联部位的超声图像或甲状腺关联部位的超声图像,所述乳腺病灶关联部位的超声图像的与所述图像类型对应的病灶属性包括乳腺病灶关联部位的属性,所述甲状腺病灶关联部位的超声图像的与所述图像类型对应的病灶属性包括甲状腺病灶关联部位的属性。
7.根据权利要求1或2所述的云端设备,其特征在于,所述根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果,包括:
将每帧超声图像分别输入到预先训练好的与所述病灶属性关联的病灶分析模型中,并输出所述超声图像在相应病灶属性下的分析结果;
或者,将对应于同一病灶属性的至少两帧超声图像一同输入到与所述同一病灶属性关联的病灶分析模型中,并输出所述同一病灶属性对应的分析结果。
8.根据权利要求1或2所述的云端设备,其特征在于,所述对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果,包括:
对对应于同一病灶属性的至少两帧超声图像的所述分析结果进行特征严重程度的评估;
在对应于同一病灶属性的至少两帧超声图像的所述分析结果中,选择特征严重程度最高的分析结果作为相应病灶属性下的汇总分析结果。
9.根据权利要求1或2所述的云端设备,其特征在于,所述处理器还用于执行以下步骤:
将多个所述汇总分析结果输入到预先训练好的病灶分级模型中,并输出病灶的分级结果;
或者,将所述超声图像和多个所述汇总分析结果一同输入到预先训练好的病灶分级模型中,并输出病灶的分级结果;
或者,将所述超声图像输入到预先训练好的病灶分级模型中,并输出病灶的分级结果;
将所述病灶的分级结果下发至所述超声成像系统。
10.根据权利要求1或2所述的云端设备,其特征在于,所述处理器还用于执行以下步骤:
将每个病灶属性下的所述汇总分析结果下发至所述超声成像系统;或者,
将每个病灶属性下的所述汇总分析结果整合为病灶分析报告,并将所述病灶分析报告下发至所述超声成像系统。
11.一种超声成像系统,其特征在于,所述超声成像系统包括:
超声探头;
发射电路,用于激励所述超声探头向待扫查部位发射超声波,所述待扫查部位包括乳腺或甲状腺;
接收电路,用于控制所述超声探头接收所述超声波的回波,以获得所述超声波的回波信号;
处理器,用于:
基于所述回波信号得到至少两帧超声图像,所述超声图像至少包括乳腺病灶的超声图像或甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
12.根据权利要求11所述的超声成像系统,其特征在于,当所述超声图像为乳腺病灶的超声图像时,所述超声图像的与所述图像类型对应的病灶属性至少包括BI-RADS分级标准中的病灶属性;当所述超声图像为甲状腺病灶的超声图像时,所述超声图像的与所述图像类型对应的病灶属性至少包括TI-RADS分级标准中的病灶属性。
13.根据权利要求12所述的超声成像系统,其特征在于,所述图像类型包括灰阶图像、弹性图像或血流图像;
当所述超声图像对应的图像类型为灰阶图像时,所述超声图像对应的病灶属性包括BI-RADS分级标准或TI-RADS分级标准中的灰度属性;
当所述超声图像对应的图像类型为弹性图像时,所述超声图像对应的病灶属性包括病灶的弹性属性;
当所述超声图像对应的图像类型为血流图像时,所述超声图像对应的病灶属性包括病灶的血流属性。
14.根据权利要求13所述的超声成像系统,其特征在于,所述超声图像对应的图像类型还包括病灶的切面类型;当确定所述超声图像对应的图像类型为灰阶图像时,所述处理器还用于:
确定所述超声图像对应的切面类型,所述切面类型包括病灶横切面或病灶纵切面;
所述超声图像的与所述图像类型对应的病灶属性还包括所述切面类型对应的径线尺寸。
15.根据权利要求13所述的超声成像系统,其特征在于,所述超声图像还包括乳腺病灶关联部位的超声图像或甲状腺关联部位的超声图像,所述乳腺病灶关联部位的超声图像的与所述图像类型对应的病灶属性包括乳腺病灶关联部位的属性,所述甲状腺病灶关联部位的超声图像的与所述图像类型对应的病灶属性包括甲状腺病灶关联部位的属性。
16.根据权利要求11所述的超声成像系统,其特征在于,所述根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果,包括:
将每帧超声图像分别输入到预先训练好的与所述病灶属性关联的病灶分析模型中,并输出所述超声图像在相应病灶属性下的分析结果;
或者,将对应于同一病灶属性的至少两帧超声图像一同输入到与所述同一病灶属性关联的病灶分析模型中,并输出所述同一病灶属性对应的分析结果。
17.根据权利要求11所述的超声成像系统,其特征在于,所述对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果,包括:
对对应于同一病灶属性的至少两帧超声图像的所述分析结果进行特征严重程度的评估;
在对应于同一病灶属性的至少两帧超声图像的所述分析结果中,选择特征严重程度最高的分析结果作为相应病灶属性下的汇总分析结果。
18.根据权利要求11所述的超声成像系统,其特征在于,所述处理器还用于:
将多个所述汇总分析结果输入到预先训练好的病灶分级模型中,并输出病灶的分级结果;
或者,将所述超声图像和多个所述汇总分析结果一同输入到预先训练好的病灶分级模型中,并输出病灶的分级结果;
或者,将所述超声图像输入到预先训练好的病灶分级模型中,并输出病灶的分级结果;
所述显示器还用于显示所述病灶的分级结果。
19.根据权利要求11所述的超声成像系统,其特征在于,所述处理器还用于:
控制显示器显示所述汇总分析结果;或者,
将每个病灶属性下的所述汇总分析结果整合为病灶分析报告,并控制显示器显示所述病灶分析报告。
20.一种超声图像的分析方法,其特征在于,所述方法包括:
获取超声成像系统一次上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
21.一种超声图像的分析方法,其特征在于,所述方法包括:
获取超声成像系统上传的至少两帧超声图像,所述超声图像为乳腺超声扫查得到的超声图像或甲状腺超声扫查得到的超声图像,所述乳腺超声扫查得到的超声图像至少包括乳腺病灶的超声图像,所述甲状腺超声扫查得到的超声图像至少包括甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
22.一种超声图像的分析方法,其特征在于,所述方法包括:
激励超声探头向待扫查部位发射超声波,所述待扫查部位包括乳腺或甲状腺;
控制所述超声探头接收所述超声波的回波,以获得所述超声波的回波信号;
基于所述回波信号得到至少两帧超声图像,所述超声图像至少包括乳腺病灶的超声图像或甲状腺病灶的超声图像;
对所述至少两帧超声图像进行分析,以确定每帧超声图像对应的图像类型;
确定每帧超声图像的与所述图像类型对应的病灶属性,其中,不同的图像类型对应于不同的病灶属性;
根据所述超声图像对应的病灶属性对所述超声图像进行分析,以得到所述超声图像在相应病灶属性下的分析结果;
对每个病灶属性下所有的所述分析结果进行汇总分析,以得到每个病灶属性下的汇总分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821095.3A CN115633985A (zh) | 2021-07-20 | 2021-07-20 | 云端设备、超声成像系统和超声图像的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821095.3A CN115633985A (zh) | 2021-07-20 | 2021-07-20 | 云端设备、超声成像系统和超声图像的分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115633985A true CN115633985A (zh) | 2023-01-24 |
Family
ID=84940793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110821095.3A Pending CN115633985A (zh) | 2021-07-20 | 2021-07-20 | 云端设备、超声成像系统和超声图像的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115633985A (zh) |
-
2021
- 2021-07-20 CN CN202110821095.3A patent/CN115633985A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111768366A (zh) | 超声成像系统、bi-rads分级方法及模型训练方法 | |
WO2019191059A1 (en) | Method for objective, noninvasive staging of diffuse liver disease from ultrasound shear-wave elastography | |
CN111374708B (zh) | 一种胎儿心率检测方法及超声成像装置、存储介质 | |
CN116058864A (zh) | 超声数据的分类显示方法和超声成像系统 | |
CN112842394A (zh) | 一种超声成像系统及超声成像方法、存储介质 | |
CN114246611B (zh) | 用于超声成像系统的自适应接口的系统和方法 | |
CN103169506A (zh) | 一种自动识别肝癌的超声诊断装置和方法 | |
CN113509209B (zh) | 一种眼科超声成像方法及装置 | |
CN115813439A (zh) | 超声图像的检测方法及超声影像设备 | |
CN113570594A (zh) | 超声图像中目标组织的监测方法、装置及存储介质 | |
CN117731327A (zh) | 三维剪切波弹性成像方法和超声成像系统 | |
CN115633985A (zh) | 云端设备、超声成像系统和超声图像的分析方法 | |
CN114652353A (zh) | 超声成像系统以及颈动脉斑块稳定性评估方法 | |
CN113229850A (zh) | 超声盆底成像方法和超声成像系统 | |
CN115670512A (zh) | 基于超声的血流测量方法和超声成像系统 | |
CN113545806A (zh) | 前列腺弹性成像方法和超声弹性成像系统 | |
CN116153172A (zh) | 一种超声标准切面的扫查效果评估方法及超声成像设备 | |
CN109589140B (zh) | 一种超声测量多项目处理方法和超声诊断系统 | |
CN116322521A (zh) | 中晚孕期胎儿的超声成像方法和超声成像系统 | |
CN113974688B (zh) | 超声成像方法和超声成像系统 | |
Ibrahim et al. | Automatic segmentation and measurements of gestational sac using static B-mode ultrasound images | |
WO2022134028A1 (zh) | 相似病例检索方法、相似病例检索系统和超声成像系统 | |
CN114680942A (zh) | 基于输卵管造影成像的评估方法和超声成像系统 | |
WO2022134049A1 (zh) | 胎儿颅骨的超声成像方法和超声成像系统 | |
US20220202395A1 (en) | Ultrasonic imaging system and ultrasonic imaging method |
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 |