CN116569212A - 用于造影成像的装置、系统和方法 - Google Patents
用于造影成像的装置、系统和方法 Download PDFInfo
- Publication number
- CN116569212A CN116569212A CN202180082799.1A CN202180082799A CN116569212A CN 116569212 A CN116569212 A CN 116569212A CN 202180082799 A CN202180082799 A CN 202180082799A CN 116569212 A CN116569212 A CN 116569212A
- Authority
- CN
- China
- Prior art keywords
- parameter
- image
- image frames
- frame
- temporally spaced
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003384 imaging method Methods 0.000 title description 24
- 238000009826 distribution Methods 0.000 claims abstract description 30
- 230000001186 cumulative effect Effects 0.000 claims description 34
- 239000002872 contrast media Substances 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 19
- 238000002604 ultrasonography Methods 0.000 claims description 18
- 238000002607 contrast-enhanced ultrasound Methods 0.000 claims description 10
- 230000002123 temporal effect Effects 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 3
- 206010028980 Neoplasm Diseases 0.000 abstract description 31
- 210000001519 tissue Anatomy 0.000 description 37
- 230000015654 memory Effects 0.000 description 27
- 238000012285 ultrasound imaging Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 9
- 210000004185 liver Anatomy 0.000 description 8
- 238000009877 rendering Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 210000005166 vasculature Anatomy 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000005003 heart tissue Anatomy 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 210000004088 microvessel Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- YIXCPMSISWSKKS-FGCOXFRFSA-N ram-333 Chemical compound C1([C@]23CCN(C)[C@@H]([C@@]2(CCCC3)O)CC1=CC=C1OC)=C1OC1=CC=CC=C1 YIXCPMSISWSKKS-FGCOXFRFSA-N 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 210000001550 testis Anatomy 0.000 description 1
- 210000001685 thyroid gland Anatomy 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- 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
- A61B8/461—Displaying means of special interest
- A61B8/465—Displaying means of special interest adapted to display user selection data, e.g. icons or menus
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/481—Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Hematology (AREA)
- Physiology (AREA)
- Human Computer Interaction (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
提供了用于自动选择可从中生成累积造影图像的帧的序列的第一帧和最后一帧的装置、系统和方法。在一些范例中,可以分析图像帧的像素组的统计分布以生成参数图。可以分析参数图,以选择序列的第一个图像帧和最后一个图像帧。在一些范例中,可以选择与具有高于阈值的值的参数图相对应的图像帧作为第一帧。在一些范例中,可以选择与具有所有参数图的最大值的参数图相对应的图像帧作为最后一帧。在一些范例中,参数图可以用于从图像帧分割特征,例如肿瘤。
Description
技术领域
本申请涉及造影增强成像。更具体地,本申请涉及生成造影累积图像。
背景技术
造影增强超声(CEUS)在临床上已经用于对器官和肿瘤血管进行成像以及评估组织灌注。将造影剂提供给待成像的区域或体积,以便提供来自感兴趣区域或体积的更高的信号强度,或者选择性地增强来自具有高造影浓度的区域或体积的信号。例如,可以通过静脉将微气泡提供给对象,并且,可以通过超声成像系统对感兴趣区域(例如肝脏)进行成像。微气泡在感兴趣区域中的到达、积聚和/或冲刷可以在由超声成像系统采集的超声图像中捕获。
造影累积成像是一种CEUS技术,其中以时间序列采集多个造影增强图像(例如,多个图像帧),所述多个造影增强图像通过一些图像处理技术进行预处理,然后通过一些统计算子(通常是所有帧上像素的最大值)进行组合,以形成单个图像(例如累积图像)。所得图像可以用于映射造影剂进展和/或增强血管拓扑结构和显著性。
发明内容
本文公开了用于生成累积图像的自动帧选择的装置、系统和方法。由于组织信号在造影增强图像上经常被不完全地抑制,因此难以将造影回波与灰度造影图像上的组织信号区分开来。因此,每个造影图像上的小的移动窗口内的图像特征可以用于自动帧选择,而不是个体像素的灰度强度。在一些范例中,可以从跨越每个造影图像帧的多个像素窗口内的灰度包络统计分布中提取图像特征。统计分布的范例包括但不限于:作为范例性一阶特征的信噪比(SNR)、作为范例性二阶特征的Nakagami指数(NI)、以及作为范例性三阶特征的SNR和NI的乘积(SNR×NI)。移动窗口,以及其中的灰度包络统计分布可以用于预测造影(例如,第一图像帧)的到达时间,并且造影增强将随着时间的推移增强强度。在一些范例中,具有峰值强度的帧可以用作最后的图像帧。本文公开的装置、系统和方法可以提供用于生成造影累积图像的更快且更一致的帧选择。
在一些应用中,本文公开的用于分析图像中像素的统计分布的装置、系统和方法可以用于分割图像。例如,从图像中分割肿瘤。
根据本文公开的至少一个范例,一种用于处理超声图像的装置可以包括至少一个处理器,其被配置为,针对多个时间上间隔开的图像帧中的个体图像帧,至少部分地基于多个时间上间隔开的图像帧的对应图像帧的多个像素组的对应的一些像素组的统计分布来计算多个参数值,其中,多个像素组至少部分地定义在跨图像帧平移的多像素窗口上,其中,多个时间上间隔开的图像帧包括造影增强的超声图像,并且生成包括多个参数值的多个参数图,其中,多个参数图中的个体参数图对应于多个时间上间隔开的图像帧的个体图像帧。
根据本文公开的至少一个范例,方法可以包括跨多个时间上间隔开的图像帧的个体图像帧平移多像素窗口,其中,多个时间上间隔开的图像帧包括造影增强的超声图像,对于多像素窗口的每次平移:确定包括在多像素窗口中的个体图像帧的像素的统计分布,以生成多个统计分布,至少部分地基于多个统计分布的对应统计分布来计算参数值,以生成多个参数值,并且从多个参数值生成与多个时间上间隔开的图像帧的个体图像帧相对应的多个参数图。
附图说明
图1A是范例微血管成像(MVI)累积图像;
图1B是到达时间(ToA)累积图像的范例;
图2是根据本公开的一些范例布置的超声成像系统的框图;
图3是示出根据本公开的一些范例的范例处理器的框图;
图4示出了根据本公开原理的图像帧的分析。
图5示出了根据本公开原理从图像帧的序列中选择图像帧;
图6A-9B是根据本公开原理的造影增强的超声图像帧和由此生成的参数图的范例;
图10是根据本公开原理的方法的流程图。
具体实施方式
以下对某些范例的描述仅是范例性的,绝非旨在限制本发明或其应用或用途。在对本发明装置、系统和方法的范例的以下详细描述中,参考了构成本发明的一部分的附图,并且其中,通过说明的方式示出了可以实践所描述的装置、系统和方法的具体范例。对这些范例进行了足够详细的描述,以使本领域技术人员能够实践目前公开的装置、系统和方法,并且应当理解,可以利用其他实施例,并且可以在不偏离本公开的精神和范围的情况下对结构和逻辑进行更改。此外,为了清晰起见,当某些特征的详细描述对于本领域技术人员来说是明显的时,为了不模糊对本系统的描述时,将不对它们进行讨论。因此,下面的详细描述并非为了限制,而是本系统的范围仅由所附权利要求来定义。
对于累积成像,用户可以开始利用超声成像系统采集对象中的感兴趣区域(ROI)的图像,然后施用造影剂,如微泡。造影剂可以在一段时间内以药丸或连续输注的方式施用。用户可以在施用药物后的一段时间内继续在ROI处采集图像。成像系统可以将所采集的图像存储为时间序列。在用户已经完成采集图像之后,用户可以从所存储的时间序列中选择图像帧进行组合,以生成一个或多个累积图像。
存在多种用于累积成像的技术,它们可以提供不同的诊断信息。例如,诸如微血管成像(MVI)或最大强度投影(MIP)之类的造影累积成像可以组合多个图像帧,以增强感兴趣区域(ROI)中较小的脉管系统的可视化。在图1A中示出了MVI图像的范例。图像100是包括脉管化的肝脏病变(肿瘤)102的肝脏的一部分。使用MVI组合多个超声图像,以产生图像100,使得肿瘤102中的较大血管104和较小血管以及肿瘤102周围的脉管系统106都被可视化。用于执行MVI的合适技术的范例可以在2019年11月21日提交的美国临时申请62/938,554中找到,该申请以引用方式并入本文用于任何目的。
另一个范例称为到达时间(ToA)累积成像。在ToA中,基于造影剂出现在用于生成累积图像的图像帧的序列中的区域中的时间,使用不同的颜色、灰度值和/或其他编码来指示造影剂何时到达图像的具体区域中。图1B示出了ToA图像的范例。图像110示出了肝脏和肿瘤102的相同部分。然而,图像110中的不同脉管系统被编码为不同的阴影。如图所示,较大的血管104和肿瘤102的中心区域被编码为第一阴影,指示造影剂首先到达那些区域中。肿瘤102的周边和周围较小的脉管系统106被编码为第二阴影,指示造影剂稍后到达那些区域中。用于执行ToA成像的合适的技术的范例可以在2019年11月1日提交的美国临时申请62/929,519中找到,该申请以引用方式并入本文用于任何目的。
在一些应用中,用于定义为了生成累积图像而组合的图像帧的初始帧和/或最终帧的选择对于确保所得累积图像的诊断价值可以是很重要的。例如,用于生成针对ToA成像的累积图像的序列的初始帧是造影剂首次出现的帧。如果选择在造影剂首次呈现之前或之后出现的序列中的图像帧,则可以改变造影剂到组织的不同区域的明显的相对到达。在计算出的ToA中的这种变化可能使得难以比较对象之间和/或同一对象的检查之间的ToA累积图像。
在另一范例中,在ToA和MVI二者中,对最终帧的错误选择可以导致微血管的可视化较差。例如,如果最终帧在序列中太早,则造影剂可能还没有时间累积在较小的血管中,导致微血管的可视化较差。另一方面,如果最终帧在序列中太晚,则造影剂可能已经累积在ROI中,使得图像饱和,再次导致脉管系统的可视化较差。
目前,用户必须手动查看所采集的时间序列的图像帧,并且从时间序列中手动选择帧序列的第一帧和最后一帧,以组合成累积图像。手动查看和选择帧对用户来说是耗时的,特别是当使用高帧速率和/或在一个长的时间段采集图像帧时。此外,手动确定第一个图像帧和最后一个图像帧可能容易出现人为错误,导致不一致的选择。这转而可能降低所得到的累积图像的诊断值。因此,需要一种提供更一致的帧选择的自动技术。
基于所采集的图像帧的灰度强度分布的自动选择方法是不充分的。CEUS图像忍受由不完全的组织抑制引起的伪影。残余组织信号可以来源于介入组织层内的多次反射、来自组织界面(例如,大血管壁、腹腔膜)的强反射和/或用于刺激造影剂的发送脉冲之间的差异。此外,由于组织运动和声学信号不相干,总体上不能利用简单的帧差来去除残余组织信号。
本公开涉及用于从跨越每个造影图像帧的多像素窗口内的灰度包络统计分布中提取图像特征的装置、系统和方法。即,分析成组的像素的统计特征,而不是分析个体像素的灰度值(例如,强度)来进行特征提取。从统计分布中提取特征可以允许对造影图像帧进行分析,以选择用于生成累积图像的序列的第一帧和/或最后一帧。灰度包络统计分布可以用于选择造影剂呈现(例如,到达时间)的序列中的第一帧。当造影增强随着时间而增加时,造影将在图像帧之一中在强度上达到峰值,这也可以通过其中的灰度包络统计分布来检测。在一些范例中,具有峰值强度的帧(例如,达到峰值强度的第一帧)可以用作序列的最后一个图像帧。在一些范例中,具有峰值强度的帧可以用于确定具有峰值强度的帧和第一帧之间的中点(逐个时间)处的帧,并且中点处的帧可以选择为最后一帧。也可以使用用于选择最后一帧的其他技术(例如,在第一帧之后的预定数量的帧,找到具有1/2或1/4峰值强度的帧)。使用哪种技术可以是至少部分地基于正在成像的解剖结构(例如,肝脏、乳房或心脏)和/或累积成像的类型(例如,MVI或ToA)。本文公开的装置、系统和方法可以提供用于生成造影累积图像的更快和/或更一致的帧选择。
图2示出了根据本公开原理构造的超声成像系统200的框图。根据本公开的超声成像系统200可以包括换能器阵列214,其可以包括在超声探头212(例如外部探头或内部探头)中。换能器阵列214被配置为发送超声信号(例如,波束、波)并接收响应于所发送的超声信号的回波(例如,接收到的超声信号)。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),其能够在仰角(elevation)和方位角维度上进行扫描,以进行2D和/或3D成像。众所周知,轴向方向是垂直于阵列表面的方向(在弯曲阵列的情况下,轴向方向呈扇形展开),方位角方向总体上由阵列的纵向尺寸定义,并且仰角方向横向于方位角方向。
在一些范例中,换能器阵列214可以被耦合到微波束形成器216,所述微波束形成器216可以位于超声探头212中,并且可以控制阵列214中的换能器元件对信号的发送和接收。在一些范例中,微波束形成器216可以控制阵列214中的有源元件(例如,在任何给定时间上定义有源孔径的阵列的元件的有源子集)对信号的发送和接收。
在一些范例中,微波束形成器216可以例如通过探头电缆或无线地被耦合到发送/接收(T/R)开关218,所述开关218在发送和接收之间切换,并保护主波束形成器222免受高能发送信号的影响。在一些范例中,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和硬件组件,所述软件和硬件组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,来自换能器阵列214的超声信号的发送由发送控制器220引导,所述发送控制器220可以被耦合到T/R开关218和主波束形成器222。发送控制器220可以控制波束被操纵的方向。波束可以从换能器阵列214直接向前(正交于换能器阵列214)操纵,或者为了更宽的视场以不同的角度操纵。发送控制器220还可以被耦合到用户接口224,并且从用户对用户控制的操作接收输入。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,其可以包括一种或多种机械控制(例如按钮、编码器等)、触敏控制(例如触控板、触摸屏等)和/或其他已知的输入设备。
在一些范例中,由微波束形成器216产生的部分波束形成信号可以被耦合到主波束形成器222,其中,来自换能器元件的各个贴片的部分波束形成信号可以组合成完全波束形成信号。在一些范例中,省略了微波束形成器216,并且换能器阵列214是在波束形成器222的控制下,并且波束形成器222执行所有的信号的波束形成。在具有和不具有微波束形成器216的范例中,波束形成器222的波束形成信号被耦合到处理电路250,其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组件268),所述一个或多个处理器被配置为从波束形成信号(即,波束形成的RF数据)产生超声图像。
信号处理器226可以被配置为以各种方式处理接收到的波束形成的RF数据,例如带通滤波、抽取、I和Q分量分离、以及谐波信号分离。信号处理器226还可以执行额外的信号增强,例如散斑减少、信号复合和电子噪声消除。处理后的信号(也称为I和Q分量或IQ信号)可以被耦合到用于图像生成的额外的下游信号处理电路。IQ信号可以被耦合到系统内的多个信号路径,每个信号路径可以与适合于生成不同类型的图像数据(例如,B-模式图像数据、造影图像数据、多普勒图像数据)的信号处理组件的具体布置相关联。
例如,系统200可以包括B模式信号路径258,其将来自信号处理器226的信号耦合到B-模式处理器228,以产生用于造影和/或常规灰度图像的B-模式图像数据。B-模式处理器228能够采用幅度检测来对身体的器官结构进行成像。在另一个范例中,系统200可以包括造影信号路径272,其将来自信号处理器226的信号耦合到造影处理器270,以产生造影图像数据。造影处理器270可以采用振幅检测、谐波成像技术和/或其他处理技术来检测身体内的造影剂(例如,微气泡)。在一些范例中,B-模式处理器228和造影处理器270可以由单个处理器来实施。
由B-模式处理器228和/或造影处理器270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从它们被接收的空间关系排列成期望的图像格式。例如,扫描转换器230可以将回波信号排列成二维(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的回波转换为该平面的超声图像(例如B-模式图像),例如如在美国专利No.6,443,896(Detmer)中所描述的。在一些范例中,扫描转换器230和多平面重新格式化器232可以实施为一个或多个处理器。
体积绘制器234可以生成从给定参考点查看的3D数据集的图像(也称为投影、绘制或呈现),例如,如在美国专利No.6,530,885(Entrekin等人)中所描述的。在一些范例中,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可以通过诸如表面绘制和最大强度绘制之类的任何已知的或未来已知的技术来生成绘制,诸如正绘制或负绘制。尽管在图2中示出为从多平面重新格式化器232接收数据,但是在一些范例中,体积绘制器234可以接收来自扫描转换器230的数据。
在一些范例中,所述系统可以包括多普勒信号路径262,其将来自信号处理器226的输出耦合到多普勒处理器260。多普勒处理器260可以被配置为估计多普勒频移并生成多普勒图像数据。多普勒图像数据可以包括颜色数据,所述颜色数据随后与B-模式(即灰度)图像数据叠加,以进行显示。多普勒处理器260可以被配置为例如使用壁滤波器来过滤掉不想要的信号(即,与非运动组织相关联的噪声或杂波)。多普勒处理器260还可以被配置为根据已知技术来估计速度和功率。例如,多普勒处理器可以包括诸如自相关器的多普勒估计器,其中,速度(多普勒频率)估计是基于滞后一的(lag-one)自相关函数的自变量,而多普勒功率估计是基于滞后零的自相关函数的大小。运动也能够通过已知的相位域(例如,诸如MUSIC、ESPRIT等的参数频率估计器等)或时域(例如,互相关)信号处理技术来估计。代替速度估计器或除了速度估计器之外,能够使用与速度的时间或空间分布(例如加速度或时间和/或空间速度导数的估计器)相关的其他估计器。在一些范例中,速度和功率估计可以经历用于进一步降低噪声的其他阈值检测,以及分割和诸如填充和平滑的后处理。然后,可以根据颜色图将速度和功率估计被映射为想要的显示颜色范围。颜色数据,也称为多普勒图像数据,可以随后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为想要的图像格式,并叠加在组织结构的B-模式图像上,以形成彩色多普勒或功率多普勒图像。例如,多普勒图像数据可以叠加在组织结构的B-模式图像上。
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、造影图像、多普勒图像)可以被耦合到图像处理器236,以在被显示在图像显示器238上之前进一步增强、缓冲和临时存储。
根据本公开的原理,在一些范例中,图像处理器236可以接收与造影增强图像的序列(例如,多帧循环、电影循环)的图像帧相对应的成像数据。序列中的每个图像帧可以是已在不同的时间采集的(例如,图像帧可以在时间上间隔开)。在一些范例中,图像处理器236可以组合序列中的两个或多个图像帧,以生成累积图像。在一些范例中,图像处理器236可以分析序列中的每个图像帧,以从序列中选择图像帧并从序列中选择后面的图像帧。在范例中,图像帧和后面的图像帧可以分别是来自序列的图像帧的子集(例如,子序列)的第一帧和最后一帧。可以组合第一图像帧、最后一个图像帧、以及在第一图像帧和最后一个图像帧之间采集的图像(例如,子序列的帧),以生成累积图像。在一些范例中,图像处理器236可以分析序列中的每个帧,以从图像中分割一个或多个特征。例如,可以分割感兴趣的肿瘤或其他特征。参考图4-10更详细地描述了对图像帧的分析。累积图像和/或图像帧的分析结果可以提供给显示器238和/或本地存储器242。
图形处理器240可以生成用于与图像一起显示的图形叠加,例如由图像处理器236生成的累积图像。这些图形叠加可以包含例如标准识别信息,如患者姓名、图像的日期和时间、成像参数等。为此,图形处理器可以被配置为从用户接口224接收输入,如键入的患者姓名或其他注释。用户接口224还能够被耦合到多平面重新格式化器232,以选择和控制多个多平面重新格式化(MPR)图像的显示。
系统200可以包括本地存储器242。本地存储器242可以实施为任何合适的非暂时性计算机可读介质(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B-模式图像、参数图、可执行指令、由用户经由用户接口224提供的输入、或者对于系统200的操作所需的任何其他信息。
如前所述,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显示技术实施的显示设备,如LCD、LED、OLED或等离子体显示技术。在一些范例中,显示器238可以包括多个显示器。控制面板252可以配置为接收用户输入(例如,检查类型、造影剂注射时间、图像中ROI的选择)。控制面板252可以包括一个或多个硬控件(例如,按钮、旋钮、拨盘、编码器、鼠标、轨迹球或其他)。在一些范例中,控制面板252可以额外地或备选地包括提供在触敏显示器上的软控件(例如,GUI控制元件或简单地,GUI控件)。在一些范例中,显示器238可以是包括控制面板252的一个或多个软控件的触敏显示器。
在一些范例中,可以组合图2中所示的各种组件。例如,图像处理器236和图形处理器240可以实施为单个处理器。在另一范例中,扫描转换器230和多平面重新格式化器232可以实施为单个处理器。在一些范例中,图2中所示的各种组件可以实施为单独的组件。例如,信号处理器226可以实施为用于每种成像模式(例如,B-模式、造影、多普勒)的单独的信号处理器。在一些范例中,图2中所示的各种处理器中的一个或多个可以由被配置为执行指定任务的通用处理器和/或微处理器来实施。在一些范例中,各种处理器中的一个或多个可以实施为专用电路。在一些范例中,可以用一个或多个图形处理单元(GPU)来实施各种处理器中的一个或多个(例如,图像处理器236)。
图3是示出根据本公开原理的范例处理器300的框图。处理器300可以用于实施本文所描述的一个或多个处理器,例如图1中所示的图像处理器236。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)、在其中FPGA已被编程为形成处理器的现场可编程阵列(FPGA)、图形处理单元(GPU)、在其中ASIC已被设计为形成处理器的专用电路(ASIC)、或它们的组合。
处理器300可以包括一个或多个核心302。核心302可以包括一个或多个算术逻辑单元(ALU)304。在一些范例中,除了ALU 304之外或代替ALU 304,核心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可以包括可通信地被耦合到核心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)和/或任何存储器技术来实施。在一些范例中,寄存器312可以使用静态存储器来实施。寄存器可以向核心302提供数据、指令和地址。
在一些范例中,处理器300可以包括可通信地被耦合到核心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可以向核心302提供计算机可读指令以供执行。高速缓冲存储器310可以提供用于由核心302进行处理的数据。在一些范例中,计算机可读指令可以是已经由本地存储器(例如,被附接到外部总线316的本地存储器)提供给高速缓冲存储器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,如静态随机存取存储器(SRAM)、动态随机存取存储器、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,所述控制器314可以控制从包括在系统中的其他处理器和/或组件(例如,图1中所示的控制面板252和扫描转换器230)到处理器300的输入和/或从处理器300到包括在系统中的其他处理器和/或组件(如,图1中所示的显示器238和体积绘制器234)的输出。控制器314可以控制在ALU 304、FPLU 306和/或DSPU 308中的数据路径。控制器314可以实施为一个或多个状态机、数据路径和/或专用控制逻辑。控制器314的门可以实施为独立门、FPGA、ASIC或任何其他合适的技术。
寄存器312和高速缓存器310可以经由内部连接320A、320B、320C和320D与控制器314和核心302通信。内部连接可以实施为总线、多路复用器、交叉开关和/或任何其他合适的连接技术。
用于处理器300的输入和输出可以经由总线316提供,所述总线316可以包括一条或多条导线。总线316可以可通信地被耦合到处理器300的一个或多个组件,例如控制器314、高速缓存器310和/或寄存器312。总线316可以被耦合到系统的一个或多个组件,如前面提到的显示器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可以是掩模ROM、电可编程只读存储器(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、电池备份的静态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存334。外部存储器可以包括诸如磁盘336之类的磁性存储设备。在一些范例中,外部存储器可以被包括在系统中(如在图2中所示的超声成像系统200),例如本地存储器242。
在一些范例中,处理器300可以被包括在与超声成像系统分离的计算系统中,例如系统200。例如,计算系统可以是用于对在检查期间采集的图像进行后-超声检查处理的工作站。在这些范例中,处理器300可以执行某些或全部被描述为由系统200中的图像处理器236执行的处理。例如,图像帧的分析和选择、生成累积图像、和/或从图像帧中分割特征。
图4示出了根据本公开原理的图像帧的分析。在一些范例中,分析可以由处理器执行,例如图2中所示的图像处理器236。并非分析针对图像帧402的每个个体像素的值(例如,灰度值、强度值),而是分析成组的像素的值的统计分布。如图4所示,移动窗口406跨越图像402进行平移,如箭头408和410所示。移动窗口406可以包括任意数量的像素,例如,移动窗口406可以具有20x20像素(总共400个像素)或16x16像素(总共256个像素)的维度。在一些范例中,窗口406可以不是正方形的(例如,圆形、矩形)。窗口406的尺寸和/或形状可以至少部分地基于图像402的尺寸。例如,可以为600x800像素的图像402选择16x16像素的移动窗口。
每次跨越图像402平移窗口406时,都会分析像素值的统计分布,并生成参数值。然后将参数值分配到窗口406的中心(例如,具有与窗口406中心处的像素相等的位置)。可以针对参数值计算各种参数和/或其组合。例如,可以针对每个窗口406计算信噪比(SNR)。在另一范例中,可以针对每个窗口406计算Nakagami指数(NI)。在又一范例中,可以计算SNR和NI,并且最终参数值可以是SNR和NI的乘积。这些参数只是范例性的,并且在其他范例中可以使用其他分布或其组合(例如,gamma、Hoyt)。参数值可以用于生成参数图412。在一些范例中,被计算的参数值的数量可以等于图像402中的像素的数量。即,图像402的每个像素可以具有相对应的参数值。因此,在一些范例中,参数图412可以具有与图像402相同的维度。在图4所示的范例中,参数图412示出了用于图像402的SNR。可以生成针对帧的序列中的每个帧的参数图,例如参数图412。
可选地,在一些范例中,并非跨越整个图像402平移窗口406,而是可以在图像402中自动地和/或由用户经由用户接口(例如,用户接口224)的用户输入来选择大的ROI(未示出)。在这些范例中,窗口406可以被平移通过ROI而不是整个图像402,并且可以仅针对ROI生成参数图412。这在图像402中存在显著伪影的应用中可以是有利的。可以对ROI进行选择,以排除包括伪影的区域(例如,来自附近的植入设备的失真、皮肤表面反射)。
可选地,在一些范例中,已知在造影剂到达之前(例如,在造影剂注射之前,在预期造影剂到达前至少两秒)采集的图像帧可以用作应用于图像402的掩模,其可以从参数图412中排除包括残余组织信号的图像402中的一些或所有区域。在一些范例中,用户可以经由用户接口提供输入,以指示何时注射造影剂,这可以用于确定使用哪个图像帧作为掩模。
通过生成参数图412,可以增加与每个图像帧402相关联的值的动态范围。在所示范例中,对于针对原始灰度图像402的来自0-1的有限动态范围(如比例尺404所示),针对来自腹腔膜的残余组织信号的灰度值(由箭头420指示)与针对肿瘤内部的强造影回波的灰度值(由虚线圆422指示)相当。对于来自0-10的放大动态范围(如比例尺414所示),数量级更大,对于参数图412,针对来自腹腔膜的残余组织信号的参数值(由箭头424指示)几乎不可见,并且远低于针对肿瘤内部的强造影回波的参数值(由虚线圆426指示)。通过增加动态范围,可以更容易地区分来自造影剂的信号和来自组织的信号。例如,在图像402中比在图像402中的ROI 418内的肿瘤416的像素值之间存在更大的差异。通过增加用于组织和造影剂的值之间的差异,可以更容易地从序列中自动选择第一帧和最后一帧来形成子序列,以生成累积图像。
图5示出了根据本公开原理从图像帧序列中选择图像帧。在一些范例中,可以由诸如图2中所示的图像处理器236之类的处理器来执行选择。参数图502的序列可以对应于图像帧504的序列。可以分析序列502的参数图,以确定参数图中的任何一个是否具有等于或高于阈值的值。阈值可以至少部分地基于针对被成像的组织类型的参数的最大值来选择。例如,在肝脏成像中,当SNR或NI被用作参数时,阈值可以等于4,并且当SNR x NI被用作该参数时,阈值可以等于16。当对不同的组织(例如,乳房组织、心脏组织)进行成像和/或使用不同的参数时,可以选择其他值作为阈值。在一些范例中,用户可以设置阈值。在一些范例中,阈值可以是基于检查类型和/或用户对图像帧中包括什么类型的组织的指示。
具有等于或大于阈值的值的最早采集的参数图,在所示范例中的参数图506,可以用于从图像序列504中选择子序列510的第一个图像帧516。在一些范例中,图像帧516可以是与参数图506相对应的图像帧。即,如参考图4所述,参数图506是从图像帧516生成的。在一些范例中,图像帧516可以是在用于生成参数图506的图像帧之前(或之后)的预定时间处采集的图像帧或预定数量的帧。例如,图像帧516可以是在用于生成参数图506的图像帧之前(或之后)的一秒处采集的图像帧。在另一范例中,图像帧516可以是在用于生成参数图506的图像帧之前(或之后)的100帧处采集的图像帧。在其他范例中,可以使用用于图像帧516的其他选择标准。
还可以分析参数图502的序列,以确定哪些帧包括参数图502序列中所包括的参数值的最大(例如,峰值)参数值。在一些范例中,包括最大参数值的最早采集的参数图,即所示范例中的参数图508,可以用于选择子序列510的最后一帧518。在一些范例中,图像帧518可以是与参数图508相对应的图像帧。在一些范例中,在参数图508中找到的最大参数值可以用于计算等于最大值的某个分数(例如,1/2,1/4)的参数值。然后可以分析序列502的参数图,以找到包括计算出的参数值的最早采集的参数图,并且可以选择对应的图像帧作为图像帧518。
备选地,不同于分析参数图502的序列以找到最大参数值,可以至少部分基于图像帧516来选择图像帧518。例如,可以选择在图像帧516之后的预定时间量之后采集的图像帧作为图像帧518。在另一范例中,可以选择在图像帧516之后的预定数量的帧处采集的图像帧作为图像帧518。
一旦已经选择了图像帧516和图像帧518,则可以将图像帧516、图像帧518以及在图像帧516与518之间采集的图像帧包括在子序列510中。可以组合子序列510的图像帧以生成累积图像512。在一些范例中,例如在图5所示的范例中,累积图像512可以是ToA累积图像,其中造影剂被编码(例如,不同的强度或颜色)为指示相对于其他区域造影剂更早或更晚到达的那些区域。然而,在其他范例中,可以从子序列510生成其他类型的累积图像。
可选地,在一些范例中,用户可以查看自动选择的帧516和518,并凌驾于一个或两个选择。然后,用户可以从针对图像帧516和/或图像帧518的序列504中选择不同的图像帧。在某些情况下,例如当用户提供了不正确的阈值或组织类型时,允许用户凌驾该选择可以是有利的。
尽管图5描述了分析参数图502的单个序列,但在一些范例中,可以分析多个序列。例如,可以基于多个参数(例如,SNR、NI)生成参数图。
本文公开用于自动选择用于生成累积图像的图像帧序列的第一图像帧和最终图像帧的技术可以减少或消除对序列的图像帧的手动审查的需要,以选择用于生成累积图像的图像。本文公开的技术可以提供对用于生成累积图像的序列的第一个图像和最后一个图像的更一致的选择。在一些应用中,这可以提高累积图像的一致性和/或诊断价值。
尽管已经针对在选择用于生成累积图像的第一帧和最后一帧的使用中描述了参考图4和图5公开的参数图,但参数图可以用于造影成像中的其他应用。例如,参数图中的参数值的范围尺度和时间变化率可以用于控制用于ToA成像的时变编码的范围尺度和时间梯度。例如,时间梯度可以与参数图中的图像特征的时间梯度成比例。对于造影图像中的快速变化,图像特征中的较高的时间梯度可以提供具有在短时间帧内的较大编码范围的编码中的较高的时间梯度(例如,颜色范围、灰度强度)。对于缓慢的变化,较低的时间梯度可以导致具有在较长的时间范围中的较小的编码范围的编码中的较低的时间梯度。用于ToA的编码的这种适应性可以分别提供更好的快速和慢速过程(例如,组织中的快速到达和慢速摄取)的可视化。
在一些范例中,参数图可以用于图像分割(例如,从图像中分割特征)。例如,如参考图4所述,与周围组织相比,肿瘤416的参数值具有比与周围组织的像素的强度值相比的肿瘤416的像素的强度值更高的与周围组织相比的强度。即,正常组织与肿瘤之间的值的差异在参数图中可以比在原始图像帧中更大。因此,某些分割技术,例如至少部分基于阈值来区分组织类型的那些分割技术,在应用于参数图而不是直接应用于原始图像帧时可以是更可靠的。
图6A-9B是根据本公开原理的造影增强超声图像帧和由此生成的参数图的范例。图6A-9B中所示的超声图像和参数图包括与图1A和1B中所示相同的肝脏病变(肿瘤)。图6A-9B中所示的超声图像A6A-A6B、A7A-A7B、A8A-A8B和A9A-A9B是来自造影增强的图像的序列的范例性造影增强的图像。在一些范例中,可以已经由诸如系统200之类的超声成像系统采集了超声图像。参数图可以由处理器,例如在一些范例中的图像处理器236生成。
图6A-6B示出了来自序列的第42个图像帧A6A-A6B。图像帧A6A-A6B是在造影剂到达包括在图像帧中的区域之前大约1秒采集的。在图6A中,通过16x16移动像素窗口并分析统计分布以确定参数值,从图像帧A6A生成参数图B6A、C6A和D6A。参数图B6A示出了用于SNR的值,参数图C6A示出了用于NI的值,并且参数图D6A示出了用于SNR x NI的值。如能够通过图像帧A1的右手侧上的比例尺和参数图B6A-D6A所示的,所有三个参数图都具有比图像帧更大的动态范围。
由于造影剂尚未到达,图6A中的参数图B6A-D6A包括基于来自组织和伪影的信号的参数值。参数图B6A和C6A中的最大信号是3.8,并且最大值参数图D6A是14.5。因此,由于不存在造影剂,可以使用来自组织和其他伪影的这些最大值来设置阈值。例如,用于参数图B6A和C6A的阈值可以是4,而用于参数图D6A的阈值可以是16。
图6B示出了与图6A中所示的相同的图像帧和参数图。然而,参数图B6B-D6B已经阈值化,以去除低于上述所示阈值的任何值。因此,图6B中的所有三个参数图对于所有参数值都具有零。
图7A-7B示出了来自序列的第76个图像帧A7A-A7B。图像帧A7A-A7B是在造影剂到达包括在图像帧中的区域之后大约一秒钟采集的。图7A中的参数图B7A-D7A以与参考图6A所描述的类似的方式生成。如在所有三个参数图中能够看出的,最大参数值已经增加。然而,组织部位处的参数值与由虚线圆所指示的肿瘤部位处的参数值相当。图7B示出了参数图B7B-D7B,其已经以与图6B中所示的参数图B6B-D6B类似的方式被阈值化。使用从图6A中的参数图B6A-D6A确定的阈值。在阈值化之后,在所有组织信号被去除的同时,只有来自肿瘤中造影剂的信号是可见的。
图8A-8B示出了来自序列的第127个图像帧A8A-A8B。图像帧A8A-A8B是在造影剂到达包括在图像帧中的区域之后大约4秒采集的。图8A中的参数图B8A-D8A以与参考图6A所描述的类似的方式生成。如在所有三个参数图中能够看出的,最大参数值现在已经显著增加,特别是在虚线圆中的肿瘤部位处。肿瘤部位处的参数值现在显著大于组织部位处的参数值。如图8B所示,当参数图B8A-D8A被阈值化以生成参数图B8B-D8B时,大部分肿瘤部位在参数图中保持可见,并且肿瘤部位周围几乎没有组织噪声。
在一些范例中,阈值参数图B8B-D8B可以用于从图像帧分割肿瘤。例如,对应于阈值以上的参数值的图像帧中的像素A8A-A8B可以分类为属于肿瘤。在一些范例中,只有对应于ROI内的阈值以上的参数值的像素,例如虚线圆,可以被分配为肿瘤。可以基于参数图B8B-D8B中的一个或多个来执行分割。
图9A-9B示出了来自序列的第229个图像帧A9A-A9B。图像帧A9A-A9B是在造影剂到达包括在图像帧中的区域之后大约10秒采集的。图9A中的参数图B9A-D9A以与参考图6A所描述的类似的方式生成。从在所有三个参数图中能够看出的,最大参数值持续增加,但现在在由虚线圆所指示的肿瘤部位周围的组织中。这是由于造影剂在组织中的累积所致。然而,如图9B所示,当参数图被阈值化B9A-D9A以生成参数图B9A-D9B时,肿瘤周围的杂波仍然减少。因此,通过参数图B9A-D9B仍然可以改进从图像帧分割肿瘤。
在图9A-9B中,能够在肿瘤内部(虚线圆内)找到最大参数值(峰值)。总体来说,造影动力学(例如,到达时间和峰值时间)在不同的位置是不同的。对于具有复杂造影动力学分布的整个图像,能够将图像上任何位置的造影信号(灰度强度和参数值)的初始出现视为到达时间,并且将整个图像上的最大造影回波(灰度强度与参数值)视为峰值时间。
因此,除了选择用于生成累积图像的序列的第一个图像帧和最后一个图像帧,参数图还可以用于或备选地用于从图像帧中分割肿瘤或其他感兴趣对象。
图10是根据本公开原理的方法的流程图。流程图1000总结了本文所描述的分析和选择技术,例如参考图4-9B所描述的那些技术。在一些范例中,流程图1000中所示的方法可以由诸如超声成像系统200的超声成像系统的一个或多个组件执行。例如,诸如图像处理器236的图像处理器可以执行流程图1000中所示的一些或全部方法。在一些范例中,流程图1000中所示的方法可以由包括在与超声成像系统200分离的计算系统中的处理器来执行。计算系统可以包括诸如处理器300的处理器,和/或用于在检查期间采集的图像进行后处理的等效于处理器236的处理器。
在一些范例中,如框1002所示,至少一个处理器,如图像处理器236,可以跨越多个时间上间隔开的图像帧的个体图像帧平移多像素窗口。在一些范例中,图像帧可以是超声图像帧。在一些范例中,图像帧可以是CEUS图像。
对于多像素窗口的每次平移,如框1004所示,至少一个处理器可以确定包括在多像素窗口中的各个图像帧的像素的统计分布,以生成多个统计分布。在一些范例中,多像素窗口可以是正方形。在一些范例中,至少一个处理器可以一次将多像素窗口平移一个像素。在一些范例中,至少一个处理器可以多次平移多像素窗口,使得为每个图像帧计算的统计分布的数量等于图像帧中的像素数量。在一些范例中,至少一个处理器可以仅跨越图像帧中的ROI平移多像素窗口。在一些范例中,ROI可以由用户经由诸如用户接口224之类的用户接口来选择。
如框1006所示,至少一个处理器可以至少部分基于对应于多个统计分布中的一个统计分布来计算参数值,以生成多个参数值。在一些范例中,参数值可以包括信噪比、Nakagami指数或其组合。
如框1008所示,至少一个处理器可以从多个参数值生成对应于多个时间上间隔开的图像帧中的个体图像帧的多个参数图。在一些范例中,至少一个处理器可以提供用于例如在显示器238上显示的一个或多个参数图。
在一些范例中,至少一个处理器可以使用参数图来定义子序列以生成累积图像(例如,ToA图像或MVI图像)。例如,至少一个处理器可以至少部分基于包括超过阈值的第一参数值的多个参数图中的第一参数图来选择多个时间上间隔开的图像帧中的第一帧。在一些范例中,阈值至少部分是基于包括在多个时间上间隔开的图像帧中的组织类型。在其他范例中,阈值可以是至少部分基于经由用户接口提供的用户输入。在一些范例中,至少一个处理器可以至少部分基于包括多个参数值中的最大参数值的多个参数图中的第二参数图来选择多个时间上间隔开的图像帧中的第二帧。在一些范例中,第一帧和第二帧至少部分定义多个时间上间隔开的图像帧的子序列,并且方法还包括组合该子序列以生成累积图像。
在一些范例中,至少一个处理器可以使用参数图从图像帧中分割一个或多个特征。例如,至少一个处理器可以确定对应于多个参数图中的第一参数图的多个参数值中的最大参数值,并且阈值化对应于多个参数图中的剩余参数图的多个参数值,以去除多个参数值中低于最大参数值的参数值。至少一个处理器可以分割对应于多个参数图中的剩余参数图中的至少一个参数图的多个时间上间隔开的图像帧中的至少一个图像帧。在一些范例中,分割可以包括将多个时间上间隔开的图像帧中的至少一个图像帧的像素分配给特征,其中,像素对应于等于或大于阈值的参数值。
在使用可编程设备(如基于计算机的系统或可编程逻辑)实施组件、系统和/或方法的各种范例中,应当理解,上述系统和方法能够使用各种已知或后来开发的编程语言中的任何一种来实施,如“C”、“C++”、“FORTRAN”、“Pascal”、“VHDL”等。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,这些存储介质能够包含能够指导设备(例如计算机)实施上述系统和/或方法的信息。一旦适当的设备访问存储介质上包含的信息和程序,存储介质就能够向设备提供信息和程序,从而使设备能够执行本文所述的系统和/或方法的功能。例如,如果将包含适当材料(如源文件、对象文件、可执行文件等)的计算机盘提供给计算机,则计算机能够接收信息,适当地配置自身,并执行上面的图形和流程图中概述的各种系统和方法的功能,以实施各种功能。即,计算机能够从磁盘接收与上述系统和/或方法的不同元件有关的信息的各个部分,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,应当注意,本文所述的各种方法和设备能够实施在硬件、软件和/或固件中。此外,仅以范例方式,而不是以任何限制意义包括各种方法和参数。鉴于本公开,本领域普通技术人员能够在确定他们自己的技术和影响这些技术所需的装置时实施本教导,同时保持在本发明的范围内。本文所述的一个或多个处理器的功能可以合并到较少的数量或单个处理单元(例如CPU)中,并且可以使用响应于可执行指令被编程为执行本文所述功能的专用集成电路(ASIC)或通用处理电路来实施。
尽管已经具体参考超声成像系统描述了本系统,但也可以设想,本系统能够扩展到以系统方式获得一个或多个图像的其他医学成像系统。因此,本系统可以用于获得和/或记录涉及但不限于肾脏、睾丸、乳房、卵巢、子宫、甲状腺、肝脏、肺、肌肉骨骼、脾脏、心脏、动脉和血管系统的图像信息,以及与超声引导的介入相关的其他成像应用。此外,本系统还可以包括一个或多个程序,这些程序可以与常规成像系统一起使用,使得它们可以提供本系统的特征和优点。本公开的某些附加优点和特征对于本领域技术人员在研究本公开后可以是显而易见的,或者对于采用本公开的新颖系统和方法的人来说可以是感受到的。本系统和方法的另一个优点可以是,能够容易地将常规的医学图像系统升级为结合本系统、设备和方法的特征和优点。
当然,应当理解,本文所述的范例、实例或过程中的任何一个可以与根据本发明系统、设备和方法的一个或多个其他范例、实例和/或过程相结合,或者可以在单独的设备或设备部分之间分离和/或执行。
最后,上述讨论旨在仅说明本系统和方法,而不应被解释为将所附权利要求限制为任何具体范例或范例组。因此,虽然已经参考范例性范例对本系统具体详细地进行了描述,但是还应当理解,在不脱离如在随后的权利要求中所阐述的本系统和方法的更广泛和预期的精神和范围的情况下,本领域普通技术人员可以设计许多修改和替代范例。因此,说明书和附图应以说明性的方式来看待,而不是旨在限制所附权利要求的范围。
Claims (20)
1.一种用于处理超声图像的装置,所述装置包括:
至少一个处理器,其被配置为:
对于多个时间上间隔开的图像帧中的个体图像帧,至少部分基于所述多个时间上间隔开的图像帧中的对应图像帧的多个像素组中的对应像素组的统计分布来计算多个参数值,其中,所述多个像素组是至少部分在跨越所述图像帧平移的多像素窗口上定义的,其中,所述多个时间上间隔开的图像帧包括造影增强的超声图像;
生成包括所述多个参数值的多个参数图,其中,所述多个参数图中的个体参数图对应于所述多个时间上间隔开的图像帧中的所述个体图像帧。
2.根据权利要求1所述的装置,其中,所述至少一个处理器还配置为,至少部分基于确定所述多个参数图中包括等于或高于阈值的参数值的参数图,从所述多个时间上间隔开的图像帧中选择第一帧。
3.根据权利要求2所述的装置,其中,所述至少一个处理器还被配置为:
至少部分基于确定所述多个参数图中包括最大参数值的第二个参数图,从所述多个时间上间隔开的图像帧中选择最后一帧;并且
组合所述第一帧、所述最后一帧和在所述第一帧与所述最后一帧之间间隔开的所述多个时间上间隔开的图像帧中的任何图像帧,以生成累积图像。
4.根据权利要求3所述的装置,其中,所述最后一帧对应于所述第二参数图。
5.根据权利要求3所述的装置,其中,所述累积图像包括到达时间图像。
6.根据权利要求5所述的装置,其中,所述到达时间图像的时间梯度或编码范围中的至少一个至少部分地基于所述多个参数图。
7.根据权利要求2所述的装置,其中,所述第一帧对应于所述多个参数图中包括等于或高于所述阈值的所述参数值的所述参数图。
8.根据权利要求1所述的装置,其中,所述多个参数图中的至少一个参数图对应于在造影剂到达之前采集的所述多个时间上间隔开的图像帧中的图像帧,并且所述至少一个处理器还被配置为确定所述多个参数图中的所述至少一个参数图的所述多个参数值中的最大值;并且
阈值化所述多个参数图中的剩余参数图,所述剩余参数图对应于在所述造影剂到达之前采集的所述多个时间上间隔开的图像帧中的图像帧之后采集的所述多个时间上间隔开的图像帧中的图像帧。
9.根据权利要求8所述的装置,其中,所述至少一个处理器还配置为:至少部分地基于所述多个参数图的所述剩余参数图中的对应阈值化的参数图,从在所述造影剂到达之前所采集的所述多个时间上间隔开的图像帧中的图像帧之后所采集的所述多个时间上间隔开的图像帧中的图像帧中的至少一个图像帧来分割特征。
10.一种方法,包括:
跨越多个时间上间隔开的图像帧中的个体图像帧平移多像素窗口,其中,所述多个时间上间隔开的图像帧包括造影增强的超声图像;
对于所述多像素窗口的每次平移:
确定包括在所述多像素窗口中的所述个体图像帧的像素的统计分布,以生成多个统计分布;
至少部分基于所述多个统计分布中的对应统计分布来计算参数值,以生成多个参数值;并且
从所述多个参数值生成对应于所述多个时间上间隔开的图像帧中的所述个体图像帧的多个参数图。
11.根据权利要求10所述的方法,其中,所述参数值包括信噪比、Nakagami指数或其组合中的至少一个。
12.根据权利要求10所述的方法,其中,所述多像素窗口包括正方形。
13.根据权利要求10所述的方法,还包括至少部分基于所述多个参数图中包括高于阈值的第一参数值的第一参数图来选择所述多个时间上间隔开的图像帧中的第一帧。
14.根据权利要求13所述的方法,其中,所述阈值至少部分地基于包括在所述多个时间上间隔开的图像帧中的组织类型。
15.根据权利要求13所述的方法,还包括至少部分基于所述多个参数图中包括所述多个参数值中的最大参数值的第二个参数图来选择所述多个时间上间隔开的图像帧中的第二帧。
16.根据权利要求15所述的方法,其中,所述第一帧和所述第二帧至少部分定义所述多个时间上间隔开的图像帧的子序列,并且,所述方法还包括组合所述子序列以生成累积图像。
17.根据权利要求10所述的方法,还包括:
确定对应于所述多个参数图中的第一参数图的所述多个参数值中的最大参数值;并且
将对应于所述多个参数图中的剩余参数图的所述多个参数值进行阈值化,以去除所述多个参数值中低于所述最大参数值的参数值。
18.根据权利要求17所述的方法,还包括分割与所述多个参数图中的所述剩余参数图中的至少一个参数图对应的所述多个时间上间隔开的图像帧中的至少一个。
19.根据权利要求18所述的方法,其中,分割包括将所述多个时间上间隔开的图像帧中的所述至少一个图像帧的像素分配给特征,其中,所述像素对应于等于或大于阈值的参数值。
20.根据权利要求10所述的方法,其中,所述多像素窗口仅跨越所述多个时间上间隔开的图像帧中的所述个体图像帧中的感兴趣区域平移,其中,所述感兴趣区域小于所述个体图像帧。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063122704P | 2020-12-08 | 2020-12-08 | |
US63/122,704 | 2020-12-08 | ||
PCT/EP2021/083265 WO2022122429A1 (en) | 2020-12-08 | 2021-11-28 | Apparatuses, systems and methods for contrast imaging |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116569212A true CN116569212A (zh) | 2023-08-08 |
Family
ID=78827946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180082799.1A Pending CN116569212A (zh) | 2020-12-08 | 2021-11-28 | 用于造影成像的装置、系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240099699A1 (zh) |
EP (1) | EP4260276A1 (zh) |
JP (1) | JP2023552782A (zh) |
CN (1) | CN116569212A (zh) |
WO (1) | WO2022122429A1 (zh) |
Family Cites Families (2)
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 |
-
2021
- 2021-11-28 JP JP2023534171A patent/JP2023552782A/ja active Pending
- 2021-11-28 WO PCT/EP2021/083265 patent/WO2022122429A1/en active Application Filing
- 2021-11-28 CN CN202180082799.1A patent/CN116569212A/zh active Pending
- 2021-11-28 EP EP21823232.0A patent/EP4260276A1/en active Pending
- 2021-11-28 US US18/265,052 patent/US20240099699A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240099699A1 (en) | 2024-03-28 |
EP4260276A1 (en) | 2023-10-18 |
JP2023552782A (ja) | 2023-12-19 |
WO2022122429A1 (en) | 2022-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11398023B2 (en) | System and method for concurrent visualization and quantification of wall shear stress in blood vessels | |
US9390546B2 (en) | Methods and systems for removing occlusions in 3D ultrasound images | |
EP3905960B1 (en) | Systems and methods for contrast enhanced imaging | |
US20230000467A1 (en) | Systems and methods for vascular imaging | |
CN109963513B (zh) | 用于使用闪烁伪影来检测肾结石的超声系统和方法 | |
US11701081B2 (en) | System and method for concurrent visualization and quantification of blood flow using ultrasound | |
US20180256133A1 (en) | Motion artifact suppression for three-dimensional parametric ultrasound imaging | |
US20220398725A1 (en) | Systems and methods for color mappings of contrast images | |
US20240099699A1 (en) | Apparatuses, systems and methods for contrast imaging | |
US20230143880A1 (en) | Three dimensional color doppler for ultrasonic volume flow measurement | |
WO2023186948A1 (en) | Systems and methods for color mapping for contrast enhanced ultrasound parametric imaging | |
US20240180519A1 (en) | Systems and methods of providing user guidance for acquiring hepato-renal index measurements | |
US20230363742A1 (en) | Systems and methods of providing visualization and quantitative imaging | |
US20230073704A1 (en) | Systems and methods for vascular rendering | |
EP4119060A1 (en) | Apparatuses, systems and methods for spectral pulse wave doppler ultrasound measurements | |
US20220249064A1 (en) | Methods and systems for speckle reduction | |
JP2024522311A (ja) | 不均一な肝脂肪を特定するためのシステム、方法、及び装置 |
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 |