CN116033874A - 用于测量心脏硬度的系统和方法 - Google Patents
用于测量心脏硬度的系统和方法 Download PDFInfo
- Publication number
- CN116033874A CN116033874A CN202180055144.5A CN202180055144A CN116033874A CN 116033874 A CN116033874 A CN 116033874A CN 202180055144 A CN202180055144 A CN 202180055144A CN 116033874 A CN116033874 A CN 116033874A
- Authority
- CN
- China
- Prior art keywords
- image
- ultrasound
- cardiac
- processor
- propagation velocity
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/486—Diagnostic techniques involving arbitrary m-mode
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—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
- A61B8/5284—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving retrospective matching to a physiological signal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cardiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
超声成像系统可以在分析与图像相关联的m模式图像前分析心动周期的图像的质量。在一些示例中,用户确定由超声成像系统采集的心动周期的数量。在一些示例中,超声成像系统可以在超声图像中检测隔膜并自动选择针对其生成m模式图像的穿过隔膜的线。超声成像系统可以分析m模式图像以确定心肌传播速度测量结果。在一些示例中,可以向用户提供报告。在一些示例中,可以从报告中删除异常值速度测量结果。
Description
技术领域
本公开内容涉及用于心脏测量的成像系统和方法。特别地,本公开内容涉及用于测量心脏硬度的半自动成像系统和方法。
背景技术
心力衰竭(心脏不能在维持正常充盈压的同时提供足够的心输出量)正在影响全世界至少2600万人,并且估计到2030年将增加46%。存在两种类型的心力衰竭:射血分数降低的心力衰竭(HFrEF)和射血分数保持的心力衰竭(HFpEF)。后者(即,HFpEF)占心力衰竭病例的50%,并且其特征在于舒张期左心室(LV)松弛受损以及由LV机械性质改变(最显著的是更高的硬度)引起的充盈压增加。虽然目前有对HFpEF的诊断指南(病史和体格检查、超声心动描记术,并且必要时进行心导管插入术),但是这些指南很复杂而很少得到遵循,并且即使有了这些指南,识别HFpEF的根本原因也是具有挑战性的。诸如高血压、肥厚性心肌病和心脏淀粉样蛋白之类的病症能够产生HFpEF。典型的超声成像(例如,B模式)是针对HFpEF的主要成像模态。但是它不能直接用于鉴别诊断。
弹性成像已经被证明是无创测量软组织硬度的有前途的工具。已经提出了不同的弹性成像技术,以便使用超声来无创地评估心肌硬度。所有方法都捕捉组织对局部位移的瞬时响应,以便估计心肌的硬度。然而,它们在激发源上有根本的不同,所述激发源要么是外部的(机械或超声推动脉冲),要么是心脏的内在运动。在心室舒张末期心房强力收缩(atrial kick)(AK)后的LV充盈产生LV心肌伸展,所述LV心肌伸展以与心肌硬度有关的速度传播。也就是说,心肌伸展波速度可能与心肌组织硬度相关。AK是针对当血液从左心房流向LV时在心室收缩之前的心室舒张末期的收缩期间由心房产生的增大的力的术语。心肌硬度的变化已被证明与心脏病(特别是HFpEF)有关。因此,心脏硬度测量工具可以补充对HFpEF的鉴别诊断。因为心脏的内在运动是(例如在AK期间或之后)自然发生的,所以它们的产生既不需要额外的机械振动器也不需要特殊的换能器/激励,因此经常被称为“自然”波。与在剪切波弹性成像中最常用的声学辐射力激励相比,自然波的特征在于更高的位移,从而潜在地允许它们在更大的距离上行进和被跟踪。测量AK后心肌伸展传播速度能够帮助对HFpEF的鉴别诊断,并且可以比基于声学辐射力的技术更可行。
发明内容
本公开内容描述了用于对以下操作提供用户指导的系统和方法:通过示出图像质量评分来获取包含感兴趣心脏组织的最优图像,提供对在一个或多个心动周期的一个或多个心脏时相内的帧评分的自动评价,并且当在该时相内的所有帧评分都等于或高于阈值时使该时相获得通过。本文公开的系统和方法可以提供对接受的心脏时相的自动后处理并计算针对每个时相的心肌伸展波速度(例如,传播速度)并排除异常值。本文公开的系统和方法可以提供示出所有有效测量结果和/或跨所有时相的速度须线图的报告。在一些应用中,本文公开的系统和方法可以提高HFpEF鉴别诊断的准确度和/或精确度。在一些应用中,本文公开的系统和方法可以得到更准确和/或标准化的心肌硬度测量结果。
根据本公开内容的示例的超声成像系统可以包括:超声换能器阵列,其被配置为采集心脏的超声图像;显示器,其被配置为显示所述超声图像;以及处理器,其被配置为:针对所述超声图像中的每幅超声图像,至少部分地基于在每幅图像中检测到的心脏组织的部分来计算评分;记录在所述心脏的心动周期的至少一个时相期间的所述心脏组织的感兴趣区域(ROI)针对所述心脏的超声图像具有等于或高于预定阈值的评分的图像数据;针对每个记录的时相,根据所记录的图像数据来计算所述心脏组织的传播速度,其中,所述传播速度是根据其中仅包括具有等于或高于所述预定阈值的评分的图像的所记录的时相的图像数据来计算的;并且在所述显示器上提供所述传播速度。
根据本公开内容的示例的方法可以包括:采集心脏的超声图像;在所述超声图像中检测心脏组织;当在所述超声图像中检测到所述心脏组织时,分析针对一个或多个心动周期的多个时相的所述超声图像,以至少部分地基于所述心脏组织在所述超声图像中的百分比来确定质量评分;当针对所述多个时相中的个体时相的所述超声图像的所述质量评分等于或大于阈值时,计算针对所述个体时相的所述心脏组织的传播速度;生成包括针对所述个体时相的所述传播速度的报告;并且在显示器上显示所述报告。
根据本公开内容的示例,一种非瞬态计算机可读介质可以包含指令,所述指令当被运行时使超声成像系统执行以下操作:采集心脏的超声图像;在所述超声图像中检测心脏组织;当在所述超声图像中检测到所述心脏组织时,分析针对一个或多个心动周期的多个时相的所述超声图像,以至少部分地基于所述心脏组织在所述超声图像中的百分比来确定质量评分;当针对所述多个时相中的个体时相的所述超声图像的所述质量评分等于或大于阈值时,计算针对所述个体时相的所述心脏组织的传播速度;生成包括针对所述个体时相的所述传播速度的报告;并且在显示器上显示所述报告。
附图说明
图1示出了针对差的图像采集和好的图像采集的心肌伸展速度测量结果的两个示例。
图2是根据本公开内容的原理的超声系统的框图。
图3是图示根据本公开内容的原理的示例处理器的框图。
图4是根据本公开内容的原理的用于训练和部署神经网络的过程的框图。
图5A是根据本公开内容的示例的示例显示。
图5B是根据图5A的示例的示例显示。
图5C是根据图5A和图5B的示例的示例显示。
图6图示了根据本公开内容的示例的弯曲的解剖m模式图像的生成。
图7是根据本公开内容的示例的心房强力收缩的示例m模式图像。
图8是根据本公开内容的示例的示例报告。
图9是根据本公开内容的示例的方法的流程图。
具体实施方式
下面对某些实施例的描述本质上仅仅是示例性的,而决不是为了限制本发明或其应用或用途。在下面对本系统和方法的实施例的详细描述中,参考了附图,这些附图构成了本描述的部分,并且以图示的方式示出了可以实践所描述的系统和方法的具体实施例。足够详细地描述了这些实施例,以使得本领域技术人员能够实践当前公开的系统和方法,并且应当理解,在不脱离本系统的精神和范围的情况下,可以利用其他实施例,并且可以进行结构和逻辑上的改变。此外,为了清楚起见,当某些特征对本领域技术人员来说是显而易见的时,将不会讨论这些特征的详细描述,以免模糊对本系统的描述。因此,下面的详细描述不是限制性的,并且本系统的范围仅由权利要求来限定。
可以将传播速度(例如,心肌传播速度)用作心脏组织硬度的量度,并且继而用作对射血分数保持的心力衰竭(HFpEF)进行鉴别诊断的工具。一种测量传播速度的方法是根据跨一个或多个心脏时相和/或心动周期采集的m模式图像来计算心房强力收缩(AK)的斜率。m模式图像可以跟踪随着时间的沿着穿过心脏组织的线(例如,穿过心脏的隔膜或侧壁的线)的点的运动(例如,随着时间的扫描深度)。该线可以是扫描线和/或多条扫描线的插值或其他组合(例如,多条扫描线对通过组织的线进行成像)。在一些应用中,m模式图像可以使用灰度或其他颜色编码来指示在m模式图像中沿着线的点在每个时间的速度(例如,深度)。在m模式图像中的AK的斜率可以与AK的运动沿着该线传播通过组织的速度相关,也就是说,斜率可以与传播速度相关。
为了准确地测量心肌伸展传播速度,在心脏时相/心动周期的心脏运动期间将感兴趣组织(例如,隔膜、侧壁)包括在视场中(例如包括在由换能器阵列扫描的区或体积中)以跟踪其位移是重要的。还优选的是,尽可能地将被跟踪组织的主轴(例如,长轴)与超声波束对准(例如,平行于波束的隔膜的长度),以便使位移信噪比最大化。在一些应用中,这可能是非常依赖于操作者的过程。组织的视图和组织覆盖范围可以根据执行扫描的用户或患者的运动(例如,呼吸、咳嗽)而变化。操作者间变化和操作者内变化能够在对心肌伸展传播速度的评价中引入测量误差和可变性,从而导致潜在的误诊。发明人已经发现,心脏视图质量(例如,足够的组织覆盖范围)是测量失败的主要原因之一,其次是声学窗口质量(例如,存在杂波噪声)。
图1示出了针对差的图像采集和好的图像采集的心肌伸展速度测量结果的两个示例。图像100和图像110都是包括隔膜的至少部分的心脏超声B模式图像。隔膜的部分在感兴趣区域(ROI)102内,并且由图像100中的线104指示,并且隔膜在图像110中的ROI 112和线114内。在每幅图像100、110下面是对应的m模式图像106、116。m模式图像是在三个心动周期上沿着线104、114采集的。与图像110不同,在图像100中,隔膜不完全在图像帧内。结果,与m模式图像116的AK 118相比,由圆圈120和122指示的AK 108(特别是第二AK和第三AK)是有噪声的。因此,在m模式图像106的AK 108处的心肌传播速度的测量结果可能不如在m模式图像116的AK 118处的测量结果可靠。
为了减少例如由于差的图像采集(例如,只有部分感兴趣组织位于图像中、差的信噪比、差的组织壁与波束之间的角度)引起的心肌传播速度测量结果的变化,可以期望标准化的、半自动的和/或自动的心肌伸展传播速度测量。这样的系统和/或方法可以成为更准确的辅助HFpEF诊断工具。
本文公开了一种用于心肌传播速度测量的半自动技术,其不仅可以提高效率,而且可以提高心脏硬度测量工作流程的成功率和重现性。作为这种半自动技术的部分,在心脏超声成像期间,评价与被成像组织的心动周期的任何给定的一个或多个时相相关联的帧的质量。心动周期可以是一次心跳,其包括一个或多个时相,例如,舒张末期。在一些示例中,可以至少部分地通过心电描记信号来测量心动周期,例如,从P波的峰值到下一P波,从QRS波群的最大峰值到下一QRS波群的最大峰值。图像质量可以基于一个或多个度量。例如,度量可以基于B模式图像中的心脏组织覆盖范围。心脏组织可以包括心脏壁(例如,隔膜壁、心室壁)、瓣膜(例如,二尖瓣)、心脏的另一部分(例如,整个左心室)或其组合。所谓的覆盖范围意指在B模式图像中能够看到心脏壁的分数或百分比。用于评估质量的其他度量可以包括壁与波束的对准、信噪比(SNR)和/或帧率。在一些示例中,可以使用人工智能(例如,深度学习、机器学习)来确定这些度量中的一个或多个度量,例如,壁覆盖范围、壁在图像内的位置和/或壁与波束的对准。只有其中所有图像都具有可接受的质量的时相(例如,其质量评分等于或超过预定阈值的时相)可以被后处理以从中计算心肌传播速度测量结果。在心肌传播速度计算过程中丢弃具有不满足质量准则的图像的时相。在一些示例中,这些时相可以包括整个心动周期。可以使用任何合适的技术来获得针对所选择的图像集合的心肌传播速度测量结果。例如,可以计算针对心脏时相和/或心动周期的对应的m模式图像中的AK的上升斜率。在一些示例中,后处理还可以包括从心肌传播速度测量结果中丢弃异常值。可以将为了提高质量和重复性而仅针对所选择的时相和/或心动周期的集合获得的心肌传播速度测量结果包括在报告中并且/或者使用它来生成跨时相和/或心动周期的传播的须线图,可以(例如在显示器上)将所述须线图提供给用户。
图2示出了根据本公开内容的原理构建的超声成像系统200的框图。根据本公开内容的超声成像系统200可以包括换能器阵列214,换能器阵列214可以被包括在超声探头212(例如,外部探头或内部探头(例如,血管内超声(IVUS)导管探头))中。在其他实施例中,换能器阵列214可以是柔性阵列的形式,该柔性阵列被配置为保形地应用于要被成像的对象(例如,患者)的表面。换能器阵列214被配置为发射超声信号(例如,波束、波)并接收响应于超声信号的回波。可以使用各种换能器阵列,例如,线性阵列、弯曲阵列或相控阵列。例如,换能器阵列214能够包括换能器元件的二维阵列(如图所示),该二维阵列能够在仰角和方位角这两个维度上扫描,以用于2D成像和/或3D成像。众所周知,轴向方向是垂直于阵列面的方向(在弯曲阵列的情况下,轴向方向呈扇形散开),方位角方向通常由阵列的纵向维度来定义,而仰角方向横切于方位角方向。
在一些实施例中,换能器阵列214可以被耦合到微波束形成器216,微波束形成器216可以位于超声探头212中,并且可以通过阵列214中的换能器元件来控制对信号的发射和接收。在一些实施例中,微波束形成器216可以通过阵列214中的激活元件(例如,在任何给定时间时定义激活孔径的阵列元件的激活子集)来控制对信号的发射和接收。
在一些实施例中,微波束形成器216可以例如通过探头线缆或者无线地耦合到发射/接收(T/R)开关218,该T/R开关218在发射与接收之间切换并且保护主波束形成器222免受高能发射信号的影响。在一些实施例中,例如在便携式超声系统中,T/R开关218和系统中的其他元件能够被包括在超声探头212中,而不是被包括在可以容纳图像处理电子器件的超声系统基座中。超声系统基座通常包括软件部件和硬件部件,包括用于信号处理和图像数据生成的电路以及用于提供用户接口的可执行指令。
在微波束形成器216的控制下,从换能器阵列214发射超声信号的发射操作由发射控制器220来指导,该发射控制器220可以被耦合到T/R开关218和主波束形成器222。发射控制器220可以控制波束被转向的方向。波束可以从换能器阵列214(垂直于换能器阵列214)直线前进,或者以不同的角度转向以获得更宽的视场。发射控制器220还可以被耦合到用户接口224并且接收来自用户对用户控键的操作的输入。用户接口224可以包括一个或多个输入设备,例如,控制面板252,这一个或多个输入设备可以包括一个或多个机械控件(例如,按钮、编码器等)、触敏控件(例如,轨迹板、触摸屏等)和/或其他已知的输入设备。
在一些实施例中,由微波束形成器216产生的部分波束形成的信号可以被耦合到主波束形成器222,在主波束形成器222中,来自换能器元件的个体拼片的部分波束形成的信号可以被组合成完全波束形成的信号。在一些实施例中,省去了微波束形成器216,并且换能器阵列214处于主波束形成器222的控制之下,并且主波束形成器222执行所有信号波束形成。在具有和不具有微波束形成器216的实施例中,主波束形成器222的波束形成的信号都被耦合到处理电路250,处理电路250可以包括一个或多个处理器(例如,信号处理器226、B模式处理器228、多普勒处理器260以及一个或多个图像生成和处理部件268),这一个或多个处理器被配置为根据波束形成的信号(即,波束形成的RF数据)来产生超声图像。
信号处理器226可以被配置为以各种方式(例如,带通滤波、抽取、I和Q分量分离以及谐波信号分离)处理接收到的波束形成的RF数据。信号处理器226还可以执行额外的信号增强,例如,散斑抑制、信号复合和噪声消除。经处理的信号(也被称为I和Q分量或IQ信号)可以被耦合到额外的下游信号处理电路以用于图像生成。IQ信号可以被耦合到系统内的多条信号路径,其中的每条信号路径可以与适合用于生成不同类型的图像数据(例如,B模式图像数据、多普勒图像数据、m模式图像数据)的信号处理部件的特定布置相关联。
例如,该系统可以包括B模式信号路径258,B模式信号路径258将来自信号处理器226的信号耦合到B模式处理器228,以用于产生B模式图像数据。B模式处理器能够采用幅度检测来对体内结构进行成像。在一些示例中,可以处理B模式图像数据以导出m模式数据。
由B模式处理器228产生的信号可以被耦合到扫描转换器230和/或多平面重新格式化器232。扫描转换器230可以被配置为将回波信号根据它们被接收时的空间关系布置成期望的图像格式。例如,扫描转换器230可以将回波信号布置成二维(2D)扇形格式,或者金字塔形或其他形状的三维(3D)格式。多平面重新格式化器232能够将从身体的体积区域中的公共平面中的点接收到的回波转换成该平面的超声图像(例如,B模式图像),例如,如在美国专利US 6443896(Detmer)中所描述的那样。在一些实施例中,扫描转换器230和多平面重新格式化器232可以被实施为一个或多个处理器。
体积绘制器234可以生成如从给定参考点观看到的3D数据集的图像(也被称为投影、绘制或绘制结果),例如,如在美国专利US 6530885(Entrekin等人)中所描述的那样。在一些实施例中,体积绘制器234可以被实施为一个或多个处理器。体积绘制器234可以通过任何已知的或未来已知的技术(例如,表面绘制和最大强度绘制)来生成绘制(例如,正绘制或负绘制)。
在一些实施例中,该系统可以包括将来自信号处理器226的输出耦合到运动处理器260的运动信号路径262。运动处理器260可以被配置为估计多普勒频移并生成基于运动(例如,血流)的多普勒图像数据。多普勒图像数据可以包括彩色数据,然后用B模式(例如,灰度)图像数据叠加该彩色数据以进行显示。运动处理器260可以例如使用壁滤波器来滤除不想要的信号(例如,与非移动组织相关联的噪声或杂波)。运动处理器260还可以被配置为根据已知的技术来估计速度和功率。例如,运动处理器260可以包括诸如自相关器之类的多普勒估计器,其中,速度(多普勒频率)估计基于lag-1自相关函数的自变量,而多普勒功率估计基于lag-0自相关函数的量值。还能够通过已知的相位域(例如,诸如MUSIC、ESPRIT等参数频率估计器)或时域(例如,互相关)信号处理技术来估计运动。代替速度估计器或除了速度估计器以外,能够使用与速度的时间或空间分布有关的其他估计器,例如,加速度或时间和/或空间速度导数的估计器。在一些实施例中,速度和功率估计可以经历进一步的阈值检测以进一步降低噪声,并且还经历分割和后处理(例如,填充和平滑)。然后,可以根据颜色图将速度和功率估计结果映射到期望的显示颜色范围。彩色数据(也被称为多普勒图像数据)然后可以被耦合到扫描转换器230,在扫描转换器230中,多普勒图像数据可以被转换成期望的图像格式,并且被叠加在组织结构的B模式图像上,以形成彩色多普勒或功率多普勒图像。
在一些示例中,运动处理器260可以生成基于可能依赖也可能不依赖多普勒频移的运动的额外图像数据,例如,m模式数据。因此,并不需要总是根据B模式数据来生成m模式数据。可以将m模式数据从运动处理器260提供到扫描转换器230。
根据本公开内容的原理,可以将来自扫描转换器230的输出(例如,B模式图像、多普勒图像和/或m模式图像)提供给视图质量处理器270。视图质量处理器270可以分析B模式超声图像,以基于一个或多个度量来确定图像质量。例如,质量处理器270可以分析超声图像以确定心脏组织或其部分是否在图像内,心脏组织是否与换能器阵列214的波束对准,心脏组织处的SNR是否与图像中的周围组织的SNR相同或比它更好,以及/或者帧率是否足够。也可以使用其他合适的度量来评价图像质量(例如,伪影检测、波束畸变检测)。
在一些实施例中,视图质量处理器270可以利用神经网络(例如,深度神经网络(DNN)、卷积神经网络(CNN)、递归神经网络(RNN)、自动编码器神经网络等)来识别心脏组织(例如,隔膜)。其他示例网络包括你只看一次(YOLO)网络、区域CNN(R-CNN)和Faster R-CNN。神经网络可以被实施在硬件部件(例如,神经元由物理部件表示)和/或软件部件(例如,神经元和路径被实施在软件应用中)中。根据本公开内容实施的神经网络可以使用多种拓扑和学习算法来训练神经网络以产生期望的输出。例如,可以使用被配置为运行指令的处理器(例如,单核或多核CPU、单个GPU或GPU集群或被布置用于并行处理的多个处理器)来实施基于软件的神经网络,所述指令可以被存储在计算机可读介质中,并且当被运行时使处理器执行经训练的算法以用于确定心脏壁是否在B模式图像内和/或心脏组织的什么部分在B模式图像内。在一些示例中,该算法可以被训练为确定心脏组织相对于来自换能器阵列214的超声波束的取向。
在各种实施例中,可以使用各种当前已知或以后开发的学习技术中的任一种学习技术来训练(一个或多个)神经网络,以获得被配置为分析呈超声图像、测量结果和/或统计数据形式的输入数据并且确定心脏壁是否在B模式图像内和/或心脏组织的什么部分在B模式图像内的神经网络(例如,经训练的算法或基于硬件的节点系统)。在一些实施例中,可以静态训练神经网络。也就是说,可以用数据集来训练神经网络并将其部署在视图质量处理器270上。在一些实施例中,可以动态训练神经网络。在这些实施例中,可以用初始数据集来训练神经网络并将其部署在视图质量处理器270上。然而,在将神经网络部署在视图质量处理器270上之后,可以基于由系统200采集的超声图像来继续训练并修改神经网络。
在其他实施例中,视图质量处理器270可以不包括神经网络。在其他实施例中,可以使用任何其他合适的机器学习和/或图像处理技术(例如,图像分割、直方图分析、边缘检测或其他形状或目标识别技术)来实施视图识别处理器270。在一些实施例中,视图质量处理器270可以结合其他机器学习和/或图像处理方法来实施神经网络,以确定心脏组织是否位于B模式图像内。
在一些示例中,一旦确定心脏组织的至少部分在B模式图像中,当心脏组织的至少百分之七十、百分之八十、百分之九十或百分之九十五在B模式图像内时,就可以认为心脏组织的覆盖范围是足够的。例如,当至少百分之九十的隔膜在B模式图像内时,就可以认为覆盖范围是足够的。
在一些实施例中,视图质量处理器270可以使用图像分割、直方图分析、斑点分析和/或其他成像技术来确定信噪比和/或心脏组织与超声波束的对准情况。在一些示例中,如果心脏组织的信噪比等于或大于B模式图像中的其他周围组织的信噪比,就可以认为信噪比是足够的。在一些示例中,当心脏壁相对于波束的角度小于90度(例如,正交)时,心脏组织的对准情况就可以是足够的。在一些示例中,当心脏组织相对于波束的角度小于10度、20度、30度、40度、50度或60度时,心脏组织的对准情况就可以是足够的。
在一些实施例中,可以基于来自系统200的其他部件(例如,控制面板252、发射控制器220、扫描转换器230)的信息、从扫描转换器230接收图像的速率和/或包括在超声图像中的信息(例如,时间戳)来确定帧率。在一些实施例中,当帧率等于或大于每秒100、200或300帧时,就可以认为帧率是足够的。
在一些示例中,视图质量处理器270可以基于一个或多个度量来生成评分(也被称为质量评分),作为图像质量的量度。在一些示例中,评分可以具有等于或介于零至一百之间的值。在一些示例中,评分可以具有等于或介于零至一之间的值。在一些实施例中,评分可以是多个度量的加权和。在一些实施例中,度量可以不被同等地加权。例如,在图像内的心脏组织的部分是否足够可以被加权得高于图像的SNR。在一些实施例中,视图质量处理器270可以将评分与阈值进行比较。如果图像的评分等于或大于阈值(例如,等于或大于90,等于或大于0.90),那么视图质量处理器270就可以确定在心肌传播速度测量计算中包括有足够质量的图像。在一些示例中,视图质量处理器270可以计算针对给定时相和/或心动周期的每一幅图像的评分,以确定是否应当从该时相和/或心动周期获得心肌传播速度测量结果。在一些实施例中,仅从时相和/或心动周期的所有图像都满足质量准则(例如,具有等于或高于阈值的评分)的时相和/或心动周期中获得心肌传播速度测量结果。这可以提高心肌传播速度测量的可靠性和/或重现性,因为不使用具有差的图像的时相和/或心动周期(例如,在AK期间隔膜脱离或部分脱离视场)来生成测量结果。在一些实施例中,视图质量处理器270可以基于对图像的分析来确定哪些图像属于特定的时相和/或心动周期。在一些实施例中,视图质量处理器270可以基于由被耦合到系统200的心电描记传感器274提供的心电描记(EKG)信号来确定哪些图像属于特定的时相和/或心动周期。
在一些实施例中,视图质量处理器270可以向图像处理器236提供评分,图像处理器236可以在显示器238上提供评分。在一些实施例中,视图质量处理器270可以最初确定评分,而不考虑时相或心动周期。一旦评分等于或超过阈值,用户接口224就可以允许用户开始采集跨一个或多个时相和/或心动周期的图像。这可以提醒用户何时已经获得了令人满意的用于心肌传播速度计算的探头212的位置和取向。在一些示例中,用户可以通过经由用户接口224提供的用户输入来选择多个时相和/或心动周期。视图质量处理器270可以开始确定每个时相和/或心动周期内的图像的质量。在一些实施例中,当时相和/或心动周期的所有图像的质量都足够时,视图质量处理器270就可以向传播处理器272提供B模式图像、多普勒图像和/或m模式图像。在一些实施例中,由视图质量处理器270提供的m模式图像可以至少部分地基于对心脏组织的分析。例如,针对其生成m模式图像的线可以沿着心脏组织。在另一示例中,视图质量处理器270可以分割图像以自动确定包括心脏组织的感兴趣区域(ROI),并且可以沿着ROI的中心获取用于m模式图像的线。在一些实施例中,视图质量处理器270可以继续确定图像的质量,直到采集到期望数量的具有足够图像质量的时相和/或心动周期为止。因此,如果连续数量的时相和/或心动周期不具有足够的图像质量,那么用户就不需要触发额外的时相和/或心动周期采集。
如将参考图6-8更详细地描述的,传播处理器272可以分析超声图像以计算传播速度,即,心脏组织的组织运动。例如,传播处理器272可以在m模式图像中找到AK的斜率。在一些实施例中,传播处理器272可以从视图质量处理器270和/或EKG传感器274接收数据以确定AK在m模式图像中的位置。传播处理器272可以针对每个时相和/或心动周期计算传播速度。在一些实施例中,用户可以确定由传播处理器272分析的时相和/或心动周期的数量。在一些实施例中,传播处理器272可以生成报告。该报告可以包括一些或所有计算的传播速度。在一些实施例中,可以从报告中排除传播速度的异常值。例如,可以移除跨所有时相和/或心动周期的比平均速度大或小20%的传播速度的值。在一些实施例中,除了传播速度的数值之外,报告还可以包括须线图以提供对计算速度的可变性的视觉指示。在一些实施例中,可以将报告提供给图像处理器236。
除了分别由视图质量处理器270和传播处理器272提供的评分和报告之外,还可以将来自扫描转换器230、多平面重新格式化器232和/或体积绘制器234的输出(例如,B模式图像、多普勒图像)耦合到图像处理器236,用于在图像显示器238上显示之前进行进一步的增强、缓冲和临时存储。虽然将来自扫描转换器230的输出示为经由视图质量处理器270提供给图像处理器236,但是在一些实施例中,也可以将扫描转换器230的输出直接提供给图像处理器236。图形处理器240可以生成与图像一起显示的图形叠加物。这些图形叠加物能够包含例如标准识别信息(例如,患者姓名)、图像的日期和时间、成像参数等。出于这些目的,图形处理器可以被配置为从用户接口224接收输入,例如,键入的患者姓名或其他注释。在一些实施例中,除了图像处理器236之外或者代替图像处理器236,还可以将视图质量处理器270和/或传播处理器272耦合到图形处理器240。还能够将用户接口224耦合到多平面重新格式化器232,以用于选择和控制对多幅经多平面重新格式化(MPR)的图像的显示。
系统200可以包括本地存储器242。本地存储器242可以被实施为任何合适的非瞬态计算机可读介质(例如,闪存驱动器、磁盘驱动器)。本地存储器242可以存储由系统200生成的数据,包括超声图像、可执行指令、心肌传播速度、训练数据集或系统200操作所需的任何其他信息。
如前面所提到的,系统200包括用户接口224。用户接口224可以包括显示器238和控制面板252。显示器238可以包括使用各种已知的显示技术(例如,LCD、LED、OLED或等离子显示技术)实施的显示设备。在一些实施例中,显示器238可以包括多个显示器。控制面板252可以被配置为接收用户输入(例如,检查类型、阈值置信评分、时相或心动周期的数量)。控制面板252可以包括一个或多个硬控件(例如,按钮、旋钮、拨号盘、编码器、鼠标、轨迹球等)。在一些实施例中,控制面板252可以额外地或替代地包括在触敏显示器上提供的软控件(例如,GUI控制元件或被简称为GUI控件)。在一些实施例中,显示器238可以是触敏显示器,该触敏显示器包括控制面板252的一个或多个软控件。
在一些实施例中,图2所示的各个部件可以组合。例如,图像处理器236和图形处理器240可以被实施为单个处理器。在另一示例中,视图质量处理器270和传播处理器272可以被实施为单个处理器。在一些实施例中,图2所示的各个部件可以被实施为单独的部件。例如,信号处理器226可以被实施为用于每种成像模式(例如,B模式、多普勒)的单独的信号处理器。在一些实施例中,图2所示的各个处理器中的一个或多个处理器可以由通用处理器和/或被配置为执行特定任务的微处理器来实施。在一些实施例中,各个处理器中的一个或多个处理器可以被实施为专用电路。在一些实施例中,各个处理器中的一个或多个处理器(例如,图像处理器236)可以用一个或多个图形处理单元(GPU)来实施。
图3是图示根据本公开内容的原理的示例处理器300的框图。处理器300可以用于实施本文所述的一个或多个处理器和/或控制器,例如,图2所示的图像处理器236和/或图2所示的任何其他处理器或控制器。处理器300可以是任何合适的处理器类型,包括但不限于微处理器、微控制器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)(其中,FPGA已被编程为形成处理器)、图形处理单元(GPU)、专用集成电路(ASIC)(其中,ASIC已被设计为形成处理器)或其组合。
处理器300可以包括一个或多个内核302。内核302可以包括一个或多个算术逻辑单元(ALU)304。在一些实施例中,除了ALU 304以外或者代替ALU 304,内核302可以包括浮点逻辑单元(FPLU)306和/或数字信号处理单元(DSPU)308。
处理器300可以包括被通信性耦合到内核302的一个或多个寄存器312。寄存器312可以使用专用逻辑门电路(例如,触发器(flip-flop))和/或任何存储器技术来实施。在一些实施例中,寄存器312可以使用静态存储器来实施。寄存器可以向内核302提供数据、指令和地址。
在一些实施例中,处理器300可以包括被通信性耦合到内核302的一个或多个级别的高速缓冲存储器310。高速缓冲存储器310可以向内核302提供计算机可读指令以供运行。高速缓冲存储器310可以提供由内核302处理的数据。在一些实施例中,计算机可读指令可能已经由本地存储器(例如,附接到外部总线316的本地存储器)提供给了高速缓冲存储器310。高速缓冲存储器310可以用任何合适的高速缓冲存储器类型来实施,例如,金属氧化物半导体(MOS)存储器(例如,静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM))和/或任何其他合适的存储器技术。
处理器300可以包括控制器314,控制器314可以控制从系统中包括的其他处理器和/或部件(例如,图2所示的控制面板252和扫描转换器230)到处理器300的输入和/或从处理器300到系统中包括的其他处理器和/或部件(例如,图2所示的显示器238和体积绘制器234)的输出。控制器314可以控制ALU 304、FPLU 306和/或DSPU 308中的数据路径。控制器314可以被实施为一个或多个状态机、数据路径和/或专用控制逻辑单元。控制器314的门可以被实施为独立的门、FPGA、ASIC或任何其他合适的技术。
寄存器312和高速缓冲存储器310可以经由内部连接320A、320B、320C和320D与控制器314和内核302通信。内部连接可以被实施为总线、多路复用器、交叉开关和/或任何其他合适的连接技术。
可以经由总线316来提供针对处理器300的输入和输出,总线316可以包括一条或多条导线。总线316可以被通信性耦合到处理器300的一个或多个部件,例如,控制器314、高速缓冲存储器310和/或寄存器312。总线316可以被耦合到系统的一个或多个部件,例如,先前提到的显示器238和控制面板252。
总线316可以被耦合到一个或多个外部存储器。外部存储器可以包括只读存储器(ROM)332。ROM 332可以是掩蔽ROM、电子可编程只读存储器(EPROM)或任何其他合适的技术。外部存储器可以包括随机存取存储器(RAM)333。RAM 333可以是静态RAM、电池备份静态RAM、动态RAM(DRAM)或任何其他合适的技术。外部存储器可以包括电可擦除可编程只读存储器(EEPROM)335。外部存储器可以包括闪速存储器334。外部存储器可以包括磁性存储设备,例如,磁盘336。在一些实施例中,外部存储器(例如,本地存储器242)可以被包括在系统(例如,图2所示的超声成像系统200)中。
在一些实施例中,系统200能够被配置为实施在视图质量处理器270中包括的神经网络或其他人工智能技术。例如,视图质量处理器270可以包括CNN,以确定在图像中是否存在心脏组织,在图像中包括的心脏组织的部分(例如,百分比)、心脏组织相对于超声波束的角度和/或心脏组织的中心(例如用于选择用于m模式图像的线)。神经网络可以被训练为利用成像数据来执行这些功能,所述成像数据例如是图像帧,其中,标记存在心脏组织,标记了心脏组织的部分,标记了心脏组织相对于超声波束的角度,并且/或者标记了心脏组织的中心。
在一些实施例中,能够存在具有数千甚至数百万训练数据集的与神经网络相关联的神经网络训练算法,以便训练神经网络。在各种实施例中,用于训练(一个或多个)神经网络的超声图像的数量可以在大约50000至200000或更多的范围内。如果要识别更多数量的不同感兴趣项目,或者为了适应更多种类的患者变化(例如,具有和不具有植入物的心脏、人工瓣膜等),可以增加用于训练(一个或多个)网络的图像的数量。对于不同的感兴趣项目或其特征,训练图像的数量可以不同,并且训练图像的数量可以取决于某些特征的外观的可变性。例如,儿科患者通常比成人具有更大的跨年龄范围的可变性范围。训练(一个或多个)网络以评估与群体范围可变性高的特征相关联的感兴趣项目的存在可能需要更大量的训练图像。
图4示出了根据本公开内容的原理的用于训练和部署神经网络的过程的框图。图4所示的过程可以用于训练在视图质量处理器270中包括的神经网络。图4的左手边(阶段1)图示了神经网络的训练。为了训练神经网络,包括输入阵列和输出分类的多个实例的训练集可以被呈现给(一个或多个)神经网络的(一种或多种)训练算法(例如,AlexNet训练算法,如Krizhevsky,A.、Sutskever,I.和Hinton,G.E.的“ImageNet Classification withDeep Convolutional Neural Networks”(NIPS 2012或其后代)所描述的那样)。训练可以涉及选择起始网络架构412和准备训练数据414。起始网络架构412可以是空白架构(例如,具有定义的层和节点布置但没有任何先前训练的权重的架构)或经部分训练的网络(例如,开端网络),所述经部分训练的网络然后可以被进一步量身调整以用于超声图像的分类。起始架构412(例如,空白权重)和训练数据414被提供给训练引擎410以用于训练模型。在足够次数的迭代后(例如,当模型在可接受的误差范围内一致地执行时),模型420被认为已被训练好并准备好了部署,在图4的中间(阶段2)图示出这种情况。在图4的右手边(或阶段3),(经由推理引擎430)应用经训练的模型420来分析新的数据432,新的数据432是在初始训练期间(在阶段1中)没有呈现给模型的数据。例如,新的数据432可以包括未知图像,例如,在扫描患者期间采集的实况超声图像(例如,在超声心动描记检查期间的心脏图像)。经由引擎430实施的经训练的模型420用于根据模型420的训练对未知图像进行分类以提供输出434(例如,存在心脏组织、存在的心脏组织的百分比、心脏组织相对于超声波束的角度)。然后,该系统可以使用输出434来进行后续过程440(例如,计算图像的评分,选择用于生成m模式图像的线)。
在动态训练神经网络的实施例中,引擎430可以接收现场训练438。引擎430可以基于在部署了引擎430之后采集的数据来继续训练和被修改。在一些实施例中,现场训练438可以至少部分地基于新的数据432。
在使用经训练的模型420来实施视图质量处理器270的神经网络的实施例中,起始架构可以是卷积神经网络或深度卷积神经网络的起始架构,该起始架构可以被训练为执行目标识别、图像分割、图像比较或其任何组合。随着所存储的医学图像数据的体积的增加,可用的高质量临床图像也一直在增加,可以利用这些高质量临床图像来训练神经网络以了解给定的图像帧包含心脏组织的概率(例如,置信评分)。训练数据414可以包括多幅(数百幅,常常为数千幅或甚至更多幅)经注释/标记的图像(也被称为训练图像)。应当理解,训练图像不需要包括由成像系统产生的完整图像(例如表示探头的完整视场),而是可以包括经标记的感兴趣项目的图像的片块或部分。
在各种实施例中,经训练的神经网络可以被至少部分地实施在包括由处理器(例如,视图质量处理器270)运行的可执行指令的计算机可读介质中。在其中超声成像系统实施经训练的神经网络(其被部署在超声系统上以在所采集的图像中检测心脏组织)的一些实施例中,超声系统用于从心肌传播速度测量结果中选择和排除图像、心脏时相和/或心动周期的质量评分可以至少部分地对应于或基于作为图像识别过程的部分的由神经网络生成的概率输出(例如,置信评分)。
现在将描述用于自动和/或半自动测量传播速度的超声成像系统的操作的示例。在一些实施例中,本文描述的操作可以由超声成像系统200执行。
在一些实施例中,用户可以在用户接口(例如,用户接口224)上选择心脏硬度测量(CSM)硬控件或软控件,响应于此,超声系统运行用于执行图像质量分析和计算心肌传播速度值的CSM应用。CSM应用的用户接口可以包括接口元件,所述接口元件被配置为使得用户能够指定为了计算传播速度测量结果而要采集的心动周期的数量。用户接口元件可以是用户接口的软控件(例如,触摸屏上的GUI)或一个或多个硬控件(例如,(一个或多个)按钮、触摸板、键盘),它们专用于或被重新配置为接收与CSM应用的操作相关联的用户输入。虽然本文描述的示例使用了心动周期,但是在其他实施例中,也可以指定一个或多个心脏时相来代替或补充心动周期。
当用户移动超声换能器(例如,超声换能器214)时,例如视图质量处理器270可以针对每一幅新的图像计算质量评分(在一些实施例中,其可以被称为“视图质量评分”),在一些实施例中,在换能器采集每幅新的图像时,例如视图质量处理器270可以针对每一幅新的图像实时计算质量评分。可以在显示器(例如,显示器238)上将评分以与B模式成像相同的帧率显示在B模式图像旁边。在一些实施例中,可以用数值显示评分(例如显示在相关联的图像上或旁边),也可以相对于范围或标度显示评分(例如在颜色条的情况下,其中,将评分可视地显示为条或其他标记,其能够沿着颜色条动态移动以指示当前图像的评分落在质量范围中的什么地方)。在一些实施例中,评分的显示可以是定量(例如,数值评分)与相对表示(例如,与评分的范围有关)的组合,并且可以提供相对表示(例如,与评分的范围相关),例如,还通过在条旁边(例如,邻近、上方或下方)显示数值评分并且当条沿着范围(例如,颜色条)移动时动态更新数值评分来提供评分的显示。
图5A是根据本公开内容的示例的示例显示。显示500提供B模式图像502和评分的视觉表示。在所示的示例中,颜色条504表示用于随着观看质量的提高而可视化评分。颜色条504上的水平条506可以上下移动,以向用户给出关于图像质量的实时或接近实时的反馈。
图5B是根据图5A所示的示例的示例显示。一旦B模式图像502中的视图具有满足或超过阈值(例如,在所示的示例中为0.9)的评分,“开始”按钮508就会出现。在半自动模式下,用户可以点击开始按钮508来开始采集用于计算心肌传播速度测量结果的图像。在CSM应用的其他模式中,当探头被定位为捕捉适当的视图(例如,基本上完全包含感兴趣组织的视图,例如,基本上完全包括心脏的隔膜或特定壁)时,超声系统可以采集和处理心脏图像以用于自动计算心肌传播速度测量结果。
仍然参考图5B,超声成像系统可以自动选择B模式图像502内的感兴趣区域(ROI)510。在一些实施例中,可以与视图评分计算同时(或几乎同时)地激活对ROI的选择。在一些实施例中,对ROI的选择也可以由视图质量处理器270来执行。一旦B模式图像502具有满足或超过阈值的评分,就可以执行分割和/或心壁512识别以选择ROI 510。在所示的示例中,心脏组织是心脏壁512,心脏壁512是心室间隔。然而,在其他示例中,心脏组织可以包括心脏的额外部分或其他部分。
在用户启动“开始”按钮508之后,如果在至少一个完整的心动周期期间保持了具有可接受评分的视图,那么超声成像系统可以针对个体心动周期单独保存图像数据(例如,B模式、多普勒、m模式)。任选地,超声成像系统可以在以符号方式(例如,如图5C所示的复选标记514)和/或以文本516方式捕捉到心动周期之后提供通知声音(例如,叮叮声或嘟嘟声)和/或可视地示出成功采集的心动周期的数量。用户可以选择禁用通知声音或显示。超声成像系统重复该过程,直到成功捕捉了期望数量的心动周期的图像数据(例如,每个心动周期的所有图像都具有等于或高于阈值的评分)为止。当禁用通知时,CSM应用可以在采集到期望数量(例如,一个或多个)的满足质量准则的心动周期时自动转换到心肌传播速度确定步骤。
一旦已经捕捉了期望数量的心动周期,就可以处理图像数据来计算心肌传播速度。采集后处理可以由视图质量处理器270和/或传播处理器272来执行。例如,如图6所示,视图质量处理器270或用户可以选择穿过ROI 510的中心和/或穿过心脏壁的线602(例如,室间隔中线)。在用于传播速度测量的图像数据中包括的仅用于个体心动周期的运动场可以被投影和展开,以提供组织速度的弯曲的解剖m模式(CAMM)图像数据600。处理器(例如,传播处理器272)识别心动周期的心房强力收缩(AK)604(在该示例中在虚线606之间指示),根据该心房强力收缩(AK)604可以计算心肌传播速度。
在一些实施例中,动脉强力收缩(AK)的上升斜率可以用于计算心肌传播速度。图7是根据本公开内容的示例的AK的示例m模式图像。传播处理器272确定AK 702的上升斜率704,其可以指示心肌传播速度。在一些实施例中,传播处理器272可以使用随机采样一致性(RANSAC)算法来计算斜率704。RANSAC是一种迭代线性拟合方法,其可以适用于解读包含大量异常值的数据。在其他示例中,可以使用用于确定斜率704的不同技术。可以类似地处理满足质量准则的每个心动周期的所记录的图像数据600中的每个图像数据,以确定期望数量的心动周期的心肌传播速度,并且可以将来自每个周期的个体测量结果提供给用户。在一些实施例中,可以提供基于来自经处理的心动周期的个体测量结果的单个(例如,平均值、均值或中值)测量结果。任选地,还可以评价测量结果并计算心动周期,可以从提供给用户的输出(例如,报告)中排除异常值(例如,比平均速度高或低20%的值)。
图8是根据本公开内容的示例的示例报告。传播处理器272可以例如经由显示器将心肌传播速度作为报告800提供给用户。在一些示例(例如,所示的示例)中,报告800可以包括针对个体心动周期计算的心肌传播速度802。在一些示例中,除了独立显示的心肌传播速度802之外或者代替独立显示的心肌传播速度802,报告800可以包括须线图804。如上面所提到的,可以从报告800中删除异常值。
图9是根据本公开内容的示例的方法的流程图。在一些实施例中,方法900可以由超声成像系统200来执行。在框902处,可以执行“采集超声图像”。超声图像可以由超声探头(例如,超声探头212)来采集。聚焦平面和/或发散波束可以用于采集超声图像。在框904处,可以执行“在超声图像中检测心脏组织”。在一些实施例中,检测可以由处理器(例如,视图质量处理器270)来执行。在一些实施例中,处理器可以实施AI技术(例如,神经网络)以用于确定心脏组织何时被包括在超声图像中。
当在超声图像中包括心脏组织时,在框906处,处理器可以执行“分析针对一个或多个心动周期的多个时相的超声图像以确定质量评分”。在一些实施例中,质量评分可以基于以下各项中的至少一项:在超声图像中心脏组织的存在、心脏组织在超声图像中的百分比、心脏组织相对于超声波束的角度、心脏组织处的信噪比或超声图像的帧率。
当针对多个时相和/或心动周期中的个体时相和/或心动周期的超声图像的质量评分等于或大于阈值时,在框908处,可以执行“针对个体时相计算心脏组织的传播速度”。在一些实施例中,所述计算可以由处理器或另一处理器(例如,传播处理器272)来执行。在一些实施例中,计算传播速度可以包括计算在m模式图像中的心房强力收缩的斜率,其中,m模式图像是沿着穿过心脏组织的线采集的。在一些实施例中,可以从超声图像中分割心脏组织并且放置穿过心脏组织的线。在一些实施例中,所述分割可以由处理器来执行。在一些实施例中,可以在包括心脏组织的超声图像中生成感兴趣区域,并且穿过感兴趣区域的中心放置线。在一些实施例中,感兴趣区域的生成可以由处理器来执行。在一些实施例中,可以(例如经由用户接口224)接收指示时相和/或心动周期的期望数量的用户输入,其中,针对其计算心肌传播速度的个体时相和/或心动周期的数量等于时相和/或心动周期的期望数量。
在框910处,可以执行“生成包括针对个体时相的传播速度的报告”。在一些实施例中,生成报告可以由处理器来执行。在一些实施例中,处理器可以确定传播速度的平均值,并且从报告中删除异常值传播速度,其中,异常值传播速度的值比平均值大或小百分之二十。
在框912处,可以例如在显示器238上执行“在显示器上显示报告”。在一些实施例中,用于显示报告的显示数据可以由处理器和/或额外处理器(例如,图像处理器236和/或图形处理器240)来生成。
本文描述的系统和技术可以与使用聚焦波束和/或发散波束采集的成像数据一起使用。现在将描述利用聚焦波束和发散波束实施本文公开的系统和方法的示例。本文提供的示例仅用于示例性目的,并且本公开内容不限于所描述的示例。
可以在超声成像系统上(例如在飞利浦S5-1探头和EPIQ扫描器上)实施基于相干复合的发散波束模式和聚焦波束模式。对于利用发散波束进行的数据采集,使用帧率为327帧/秒的发散波束的相干复合,而对于聚焦波束,使用帧率为196帧/秒的发散波束的相干复合。将视场缩小至仅包含室间隔以进行采集。针对发散波束选择负发射焦点(在探头后面),以实现谐波成像,这可以有助于减少心脏应用中的杂波。因为发射是发散的但相对较窄,所以很少的发射被相干组合,这可以使在相干复合期间的运动伪影最小化。
对于聚焦波束和发散波束这两者,将1D互相关算法应用于RF数据。在M.A.Lubinski、S.Y.Emelianov和M.O'Donneil的“Speckle tracking methods forultrasonic elasticity imaging using short-timecorrelation”(IEEE Trans.Ultrason.Ferroelectr.Freq.Control,1999年,doi:10.1109/58.741427)中描述的合适的互相关算法的示例。对于所有技术,在序列的第一帧上手动追踪ROI中的心肌中线,随后刚性平移和旋转以跟踪心肌的运动。ROI跟踪是通过使用非常大的平滑内核大小的Demons算法来实现的。在J.P.Thirion的“Image matching as a diffusion process:An analogy withMaxwell’sdemons”(Med.Image Anal.,1998年,doi:10.1016/S1361-8415(98)80022-4)中描述了合适的Demons算法的示例。在该线下计算的径向速度被展开以提供CAMM显示,其中,水平轴表示时间,而垂直轴表示沿着心肌的距离。在慢时间中应用高通杂波抑制滤波器来移除来自胸壁中的混响的稳定杂波回波。针对杂波滤波器使用1厘米/秒的截止组织速度。对组织运动(沿着波束的标准RF 1D互相关)跟踪两次:一次用杂波滤波器进行预处理,另一次用杂波滤波器进行预处理,并且通过为每个像素保持具有局部产生最高互相关系数的预处理的速度来合并两幅得到的速度图。
使用手动追踪和半自动随机采样一致性(RANSAC)算法来根据CAMM估计波速。在手动追踪中,等速波前的斜率是在从二尖瓣环开始的3-5例如的段上测量的。另外,RANSAC(它是一种迭代线性拟合方法)用于比较波速计算的鲁棒性。
以心尖四腔观对17名无心力衰竭症状史的健康志愿者进行扫描。对所有志愿者执行发散波束数据采集和聚焦波束数据采集。在三个心动周期内收集所有测量结果,并且在一个扫描时期期间对每个志愿者重复三次测量。成功率被定义为在所有9次测量的心跳中测量的速度具有<20%的变异系数的对象的百分比(针对每个对象的测量结果的变异系数被定义为对象的测量结果的标准偏差除以对象的测量结果的平均值)。跟踪方法的质量是通过观察CAMM显示来定性评估的。
比较了用于测量心肌传播速度的超声聚焦波束和超声发散波束的性能,并且评价了这两种技术在一组健康志愿者中的可行性和重现性。在所有志愿者和心跳中,在聚焦方法中使用手动和RANSAC算法测得平均波速为1.52±0.27米/秒和1.48±0.27米/秒;而在发散波束中测得平均波速分别为1.48±0.30米/秒和1.42±0.24米/秒,没有显著差异。这样的值与在其他研究报告的健康对照中测量的速度非常一致。
发散波束方法和聚焦波束方法都显示出良好的可行性(分别为87.5%(15/17)和81.25%(14/17)),没有显著差异。使用发散波束和聚焦波束时,对象内变异系数的对象间平均值分别为16.87%和17.93%。当仅聚焦于室间隔时,发散波束与聚焦波束之间的差异很小:即使发散波束提供更高的帧率,聚焦波束通常也能够提供允许对除了瓣膜关闭之外的所有心脏事件进行充分运动采样的帧率。失败的案例通常可以归因于声学窗口不良的孤立实例,而不是两个序列之间的根本差异。
在一些应用中,能够通过在若干心跳上重复测量来提高测量的精确度,正如在当前测量中所做的那样。另外,适当的心房功能和长的心跳(E波和A波没有合并)对于准确的心肌传播速度测量是优选的。
本文公开的系统和方法可以通过示出图像质量评分来为用户提供采集包含感兴趣心脏组织(例如,隔膜)的最优图像的指导。在一些实施例中,这通过基于深度学习的模型来执行,该基于深度学习的模型可以了解到通过使整个心脏组织充分处于B模式图像中(例如在视场的中间)和/或与超声波束充分对准来定义可行视图。本文公开的系统和方法可以通过检测心脏组织(例如,室间隔)来提供自动ROI选择。本文公开的系统和方法可以提供对每个时相和/或心动周期内的帧评分的自动评价,并且当周期内的所有帧评分都等于或高于阈值(例如,0.9)时使该时相和/或心动周期通过。本文公开的系统和方法可以提供对所接受的心脏时相和/或心动周期的自动后处理,并且针对每个周期计算心肌伸展波速度(例如,心肌传播速度)并排除异常值(例如,比所有有效测量结果的平均速度高或低20%的值)。本文公开的系统和方法可以提供智能报告,该智能报告示出所有有效测量结果和所有通过的时相和/或心动周期的速度的须线图。在一些应用中,本文公开的系统和方法可以应用于具有发散波束特征的超声换能器阵列(例如,飞利浦Hyper2D)。在一些应用中,本文公开的系统和方法可以应用于具有聚焦波束特征的超声换能器阵列。
在一些应用中,本文公开的系统和方法可以提高HFpEF鉴别诊断的准确度和/或精确度。在一些应用中,本文公开的系统和方法可以得到更准确和/或标准化的心肌硬度测量。
在使用可编程设备(例如,基于计算机的系统或可编程逻辑单元)实施部件、系统和/或方法的各种实施例中,应当理解,能够使用各种已知的或后来开发的编程语言(例如,“C”、“C++”、“C#”、“Java”、“Python”等)来实施上述系统和方法。因此,能够准备各种存储介质(例如,计算机磁盘、光盘、电子存储器等,其能够包含能够指导诸如计算机的设备的信息)来实现上述系统和/或方法。一旦适当的设备访问了被包含在存储介质上的信息和程序,存储介质就能够向设备提供信息和程序,从而使得设备能够执行本文所述的系统和/或方法的功能。例如,如果向计算机提供包含适当材料(例如,源文件、目标文件、可执行文件等)的计算机磁盘,则计算机可以接收该信息,适当配置其自身并执行在上面的图表和流程图中概述的各种系统和方法的功能,从而实施各种功能。也就是说,计算机可以从盘中接收与上述系统和/或方法的不同元件有关的各种信息的部分,实施各个系统和/或方法并协调上述各个系统和/或方法的功能。
鉴于本公开内容,应当注意,本文描述的各种方法和设备能够以硬件、软件和固件来实施。另外,各种方法和参数仅作为示例被包括在内,而不具有任何限制意义。鉴于本公开内容,本领域普通技术人员能够在确定他们自己的技术和所需仪器时实施本教导来影响这些技术,同时保持在本发明的范围内。本文描述的处理器中的一个或多个处理器的功能可以并入更少数量或单个处理单元(例如,CPU)中,并且可以使用专用集成电路(ASIC)或被编程为响应于可执行指令而执行本文所述的功能的通用处理电路来实施。
虽然已经具体参考超声成像系统描述了本系统,但是还可以设想到,本系统能够被扩展到其他医学成像系统,在其他医学成像系统中,以系统方式获得一幅或多幅图像。此外,本文公开的原理不限于心脏成像。因此,本系统可以用于获得和/或记录以下图像信息,这些图像信息涉及但不限于肾脏、睾丸、乳腺、卵巢、子宫、甲状腺、肝脏、肺、肌肉骨骼、脾脏、心脏、动脉和脉管系统,以及与超声引导的介入相关的其他成像应用。另外,本系统还可以包括可以与常规的成像系统一起使用的一个或多个程序,使得所述一个或多个程序可以提供本系统的特征和优点。在研究本公开内容后,本领域技术人员能够容易想到本公开内容的某些额外优点和特征,或者本领域技术人员在采用本公开内容的新颖系统和方法后能够经历本公开内容的某些额外优点和特征。本系统和方法的另一个优点可以是能够容易地升级常规的医学图像系统以结合使用本系统、设备和方法的特征和优点。
当然,应当理解,本文描述的示例、实施例或过程中的任一个可以与一个或多个其他示例、实施例和/或过程进行组合,或者可以被分开在根据本系统、设备和方法的设备或设备部分中,并且/或者在根据本系统、设备和方法的设备或设备部分中得到执行。
最后,上述讨论仅旨在说明本系统,而不应被解释为将权利要求限制到任何特定的实施例或实施例组。因此,虽然已经参考示例性实施例具体且详细地描述了本系统,但是还应当理解,本领域普通技术人员可以在不脱离如权利要求所阐述的本发明的更广泛和预期的精神和范围的情况下设计出许多修改和替代实施例。因此,说明书和附图应被视为是说明性的,而不是要限制权利要求的范围。
Claims (20)
1.一种超声成像系统,包括:
超声换能器阵列,其被配置为采集心脏的超声图像;
显示器,其被配置为显示所述超声图像;以及
处理器,其被配置为:
针对所述超声图像中的每幅超声图像,至少部分地基于在每幅图像中检测到的心脏组织的部分来计算评分;
记录在所述心脏的心动周期的至少一个时相期间的所述心脏组织的感兴趣区域(ROI)针对所述心脏的超声图像具有等于或高于预定阈值的评分的图像数据;
针对每个记录的时相,根据所记录的图像数据来计算所述心脏组织的传播速度,其中,所述传播速度是根据其中仅包括具有等于或高于所述预定阈值的评分的图像的所记录的时相的图像数据来计算的;并且
在所述显示器上提供所述传播速度。
2.根据权利要求1所述的超声成像系统,其中,所述处理器实施被训练为在所述超声图像中检测所述心脏组织的神经网络,并且其中,所述评分至少部分地基于由所述神经网络输出的目标识别置信度度量。
3.根据权利要求1所述的超声成像系统,其中,所述处理器还被配置为确定所述心脏组织相对于由所述超声换能器阵列发射的超声波束的角度,并且其中,所述评分还基于所述角度。
4.根据权利要求1所述的超声成像系统,其中,处理器将所述感兴趣区域的所述图像数据记录为m模式图像,其中,所述处理器被配置为在所述m模式图像中识别动脉强力收缩,并且其中,所述传播速度至少部分地基于所述m模式图像中的心房强力收缩的斜率。
5.根据权利要求1所述的超声成像系统,其中,所述评分还基于在心脏壁处的所述超声图像的信噪比、所述超声图像的帧率或其组合。
6.根据权利要求1所述的超声成像系统,其中,所述至少一个时相包括舒张末期时相或完整心动周期中的至少一项。
7.根据权利要求1所述的超声成像系统,所述处理器被配置为:
接收对应当针对其计算传播速度测量结果的时相或心动周期的期望数量的指示;
从所计算的传播速度测量结果中识别一个或多个异常值测量结果;并且
生成所计算的传播速度测量结果的报告,所述报告排除了所述一个或多个异常值测量结果。
8.根据权利要求1所述的超声成像系统,还包括心电描记传感器,其中,所述处理器还被配置为针对个体时相的超声图像计算所述传播速度,其中,所述时相是至少部分地基于由所述心电描记传感器提供的信号来确定的。
9.根据权利要求1所述的超声成像系统,还包括被配置为接收用户输入的用户接口,其中,所述用户输入包括时相或心动周期的期望数量,其中,所述处理器还被配置为针对个体时相或心动周期的超声图像计算所述传播速度,直到已经针对所述期望数量的时相或心动周期计算了所述传播速度为止。
10.一种方法,包括:
采集心脏的超声图像;
在所述超声图像中检测心脏组织;
当在所述超声图像中检测到所述心脏组织时,分析针对一个或多个心动周期的多个时相的所述超声图像,以至少部分地基于所述心脏组织在所述超声图像中的百分比来确定质量评分;
当针对所述多个时相中的个体时相的所述超声图像的所述质量评分等于或大于阈值时,计算针对所述个体时相的所述心脏组织的传播速度;
生成包括针对所述个体时相的所述传播速度的报告;并且
在显示器上显示所述报告。
11.根据权利要求10所述的方法,还包括接收指示时相或心动周期的期望数量的用户输入,其中,针对其计算所述传播速度的所述个体时相或心动周期的数量等于时相或心动周期的所述期望数量。
12.根据权利要求10所述的方法,其中,计算所述传播速度包括计算在m模式图像中的心房强力收缩的斜率,其中,所述m模式图像是沿着穿过心脏组织的线采集的。
13.根据权利要求12所述的方法,还包括:从所述超声图像中分割所述心脏组织,并且穿过所述心脏组织放置所述线。
14.根据权利要求12所述的方法,还包括:在包括所述心脏组织的所述超声图像中生成感兴趣区域,并且穿过所述感兴趣区域的中心放置所述线。
15.根据权利要求10所述的方法,其中,所述质量评分还基于以下各项中的至少一项:所述心脏组织相对于超声波束的角度、所述心脏组织处的信噪比,或所述超声图像的帧率。
16.根据权利要求10所述的方法,还包括:确定所述传播速度的平均值,以及从所述报告中删除异常值传播速度,其中,所述异常值传播速度的值比所述平均值大或小百分之二十。
17.一种包含指令的非瞬态计算机可读介质,所述指令当被运行时使超声成像系统执行以下操作:
采集心脏的超声图像;
在所述超声图像中检测心脏组织;
当在所述超声图像中检测到所述心脏组织时,分析针对一个或多个心动周期的多个时相的所述超声图像,以至少部分地基于所述心脏组织在所述超声图像中的百分比来确定质量评分;
当针对所述多个时相中的个体时相的所述超声图像的所述质量评分等于或大于阈值时,计算针对所述个体时相的所述心脏组织的传播速度;
生成包括针对所述个体时相的所述传播速度的报告;并且
在显示器上显示所述报告。
18.根据权利要求17所述的包含指令的非瞬态计算机可读介质,所述指令当被运行时还使所述超声成像系统在所述显示器上显示所述质量评分。
19.根据权利要求17所述的包含指令的非瞬态计算机可读介质,所述指令当被运行时还使所述超声成像系统发射发散波束以采集所述超声图像。
20.根据权利要求17所述的包含指令的非瞬态计算机可读介质,所述指令当被运行时还使所述超声成像系统实施神经网络,所述神经网络被训练为检测心脏壁何时在所述超声图像中。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063075293P | 2020-09-07 | 2020-09-07 | |
US63/075,293 | 2020-09-07 | ||
PCT/EP2021/074530 WO2022049299A1 (en) | 2020-09-07 | 2021-09-07 | Systems and methods for measuring cardiac stiffness |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116033874A true CN116033874A (zh) | 2023-04-28 |
Family
ID=77910739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180055144.5A Pending CN116033874A (zh) | 2020-09-07 | 2021-09-07 | 用于测量心脏硬度的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230240645A1 (zh) |
EP (1) | EP4210588A1 (zh) |
CN (1) | CN116033874A (zh) |
WO (1) | WO2022049299A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6530885B1 (en) | 2000-03-17 | 2003-03-11 | Atl Ultrasound, Inc. | Spatially compounded three dimensional ultrasonic images |
US6443896B1 (en) | 2000-08-17 | 2002-09-03 | Koninklijke Philips Electronics N.V. | Method for creating multiplanar ultrasonic images of a three dimensional object |
US20090187106A1 (en) * | 2008-01-23 | 2009-07-23 | Siemens Medical Solutions Usa, Inc. | Synchronized combining for contrast agent enhanced medical diagnostic ultrasound imaging |
-
2021
- 2021-09-07 EP EP21777206.0A patent/EP4210588A1/en active Pending
- 2021-09-07 WO PCT/EP2021/074530 patent/WO2022049299A1/en unknown
- 2021-09-07 CN CN202180055144.5A patent/CN116033874A/zh active Pending
- 2021-09-07 US US18/024,432 patent/US20230240645A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022049299A1 (en) | 2022-03-10 |
US20230240645A1 (en) | 2023-08-03 |
EP4210588A1 (en) | 2023-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190336108A1 (en) | Ultrasound imaging system with a neural network for deriving imaging data and tissue information | |
JP7375140B2 (ja) | 超音波診断装置、医用画像診断装置、医用画像処理装置及び医用画像処理プログラム | |
US20200074664A1 (en) | Anatomical measurements from ultrasound data | |
JPH1142227A (ja) | 組織の動き追尾方法及び超音波画像処理装置 | |
JP2006068526A (ja) | 心室心房平面の3次元検出 | |
JP2009538172A (ja) | 心室壁濃厚部の定量化及び表示 | |
KR20110128197A (ko) | 심장 m-모드 뷰들의 자동 분석 | |
US10952705B2 (en) | Method and system for creating and utilizing a patient-specific organ model from ultrasound image data | |
US20180192987A1 (en) | Ultrasound systems and methods for automatic determination of heart chamber characteristics | |
US9033883B2 (en) | Flow quantification in ultrasound using conditional random fields with global consistency | |
JP4870449B2 (ja) | 超音波診断装置及び超音波画像処理方法 | |
WO2021069445A1 (en) | Systems and methods for image optimization | |
CN115151193A (zh) | 用于胎儿心脏评估的方法和系统 | |
US20230134503A1 (en) | Systems and methods for non-invasive pressure measurements | |
US20230346339A1 (en) | Systems and methods for imaging and measuring epicardial adipose tissue | |
JP2021529035A (ja) | 経弁圧の定量化を行うための方法及びシステム | |
JP2019526357A (ja) | 超音波診断装置 | |
CN113316420A (zh) | 用于监测心脏的功能的方法和系统 | |
US11642098B2 (en) | Ultrasonic imaging apparatus and method of controlling the same | |
US20230240645A1 (en) | Systems and methods for measuring cardiac stiffness | |
CN113015490A (zh) | 用于同时呈现多门多普勒信号的对应于不同解剖结构的多普勒信号的方法和系统 | |
US20240173007A1 (en) | Method and apparatus with user guidance and automated image setting selection for mitral regurgitation evaluation | |
EP4140415A1 (en) | Method for use in analysing ultrasound image data of a subject | |
WO2024013114A1 (en) | Systems and methods for imaging screening | |
EP4391920A1 (en) | Method for use in analysing ultrasound image data of a subject |
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 |