CN116583912A - 医学指标测量方法及针对该方法的超声诊断设备 - Google Patents

医学指标测量方法及针对该方法的超声诊断设备 Download PDF

Info

Publication number
CN116583912A
CN116583912A CN202180082080.8A CN202180082080A CN116583912A CN 116583912 A CN116583912 A CN 116583912A CN 202180082080 A CN202180082080 A CN 202180082080A CN 116583912 A CN116583912 A CN 116583912A
Authority
CN
China
Prior art keywords
image data
medical index
map information
feature points
measurement method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180082080.8A
Other languages
English (en)
Inventor
李殷规
尹哲熙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alpinion Medical Systems Co Ltd
Original Assignee
Alpinion Medical Systems Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alpinion Medical Systems Co Ltd filed Critical Alpinion Medical Systems Co Ltd
Publication of CN116583912A publication Critical patent/CN116583912A/zh
Pending legal-status Critical Current

Links

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
    • A61B8/5215—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
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • 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
    • 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
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30008—Bone
    • 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
    • G06T2207/30044—Fetus; Embryo

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Pregnancy & Childbirth (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Gynecology & Obstetrics (AREA)
  • Vascular Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)

Abstract

公开了医学指标测量方法及针对该方法的超声诊断设备。根据一个实施方式，该医学指标测量方法包括下述步骤：超声诊断设备获取超声图像数据；从所获取的超声图像数据中提取特征点；生成根据所提取的特征点配置的图信息；根据所生成的图信息确定解剖结构；以及基于所确定的解剖结构测量医学指标。

Description

医学指标测量方法及针对该方法的超声诊断设备
技术领域
本发明涉及使用超声的诊断技术，并且更特别地，涉及用于使用超声测量医学指标的技术。
本发明得到国家研究与开发项目的支持，其授权号为：1425140041，项目号为：S2492471，部门名称：中小企业和创业部，研究管理机构：韩国先进技术学院，研究项目名称：WC300 R&D，研究名称：软件波束成形超声诊断装置生产线的开发(Development ofSoftware Beamforming Ultrasound Diagnostic Apparatus Line Up)，以及研究监督机构：爱飞纽医疗系统有限公司。
背景技术
用于对关于人体组织的信息进行成像的各种成像装置用于许多医学领域以进行各种疾病或手术操作的早期诊断。这种医学成像装置的一些示例是超声诊断装置、计算机断层扫描(CT)装置和磁共振成像(MRI)装置。
超声诊断装置向对象发射由超声探头生成的超声信号并且接收从该对象反射的关于回波信号的信息，从而获得该对象内部的部位的图像。特别地，超声诊断装置用于医学目的，包括观察对象的内部区域、检测异物、评估损伤等。与X射线装置相比，这种超声诊断装置提供高稳定性、实时显示图像并且由于没有辐射暴露而是安全的。因此，超声诊断装置与其他类型的成像诊断装置一起被广泛使用。
下述方法被广泛使用：通过超声探头向对象发射超声信号、测量使用从该对象反射的超声回波信号获得的超声图像中的身体部位的大小以及预测医学指标。语义分割技术是测量身体部位的大小的方法之一。该技术是将图像中的对象分割为有意义的单元。
发明内容
[技术问题]
根据实施方式，提出了可以更准确地、容易且自动地测量医学指标的医学指标测量方法及针对该方法的超声诊断设备。
[技术解决方案]
根据实施方式的一种医学指标测量方法包括下述步骤：超声诊断设备获取超声图像数据；从所获取的超声图像数据中提取特征点；生成根据所提取的特征点配置的图信息；根据所生成的图信息确定解剖结构；以及基于所确定的解剖结构测量医学指标。
在提取特征点的步骤中，可以提取比构造图所需的最小数目更多数目的点。
在提取特征点的步骤中，可以提取形成椭圆的圆周上的点，可以提取形成圆的圆周上的点，可以提取形成线段的两个端点，以及可以提取形成多边形的每个顶点。
提取特征点可以包括下述步骤：学习原始图像数据以及从所述原始图像数据中提取的感兴趣的图像数据；从所述原始图像数据中提取感兴趣的对象的第一特征点；通过使用所提取的第一特征点对所述原始图像数据进行变换来生成感兴趣的图像数据；从所生成的感兴趣的图像数据中提取最终特征点；以及对所述最终特征点的坐标进行逆变换以匹配所述原始图像数据。
在学习步骤中，可以使用其中神经网络的卷积层及非线性函数彼此重复堆叠的结构来进行学习。
在学习步骤中，可以通过使用神经网络的填充来防止由于减小输出大小导致的信息丢失。
在学习步骤中，可以通过并行连接多分辨率流的网络结构来进行学习，以在第一分辨率帧与第二分辨率帧之间重复地交换分辨率信息。
在生成图信息的步骤中，可以生成由点组成的零维图、由直线或曲线组成的一维图、或者由椭圆、圆或多边形组成的二维图。
在生成图信息的步骤中，可以生成基本图信息以及能替换所述基本图信息的候选图信息。
在生成图信息的步骤中，可以向所提取的特征点分配分数，并且可以使用分数高于或等于预设参考的特征点来生成图信息。
在生成图信息的步骤中，可以使用要生成的图的几何属性来配置特征点之间的关系，并且可以通过所述特征点之间的关系来进行校正以移除异常值。
在生成图信息的步骤中，可以通过取得来自预存储和累积的胎儿生物测定信息的双胞胎中的另一胎儿的测量结果和完全测量的另一当前参数测量值中的至少一者来校正图信息。
在生成图信息的步骤中，可以通过借助于针对所生成的图信息的操作信号的用户输入来选择特征点以校正图信息。
在确定解剖结构的步骤中，可以根据椭圆确定头部，可以根据圆确定腹部，以及可以根据线段或四边形确定股骨或肱骨，并且在测量医学指标的步骤中，可以使用所述椭圆上的圆周点来测量头部大小，可以使用所述圆上的圆周点来测量腹围，以及可以使用形成所述线段的两个端点或者形成所示四边形的四个角来测量股骨或肱骨的长度。
在测量医学指标的步骤中，可以通过将预存储和累积的胎儿生物测定数据中的与关于患者的妊娠信息有关的胎儿生物测定数据一起考虑来测量医学指标。
医学指标测量方法还可以包括下述步骤中的至少一个：将所生成的图信息能区别地显示为超声图像数据上的可识别视觉信息；以及将所测量的医学指标显示为超声图像数据的图上的数字信息。
根据另一实施方式的一种超声诊断设备可以包括：超声探头，其被配置成向对象发射超声信号并且从该对象接收反射波信号；图像处理单元，其被配置成使用该超声探头的反射波信号生成超声图像数据；点提取单元，其被配置成从所生成的超声图像数据中提取特征点；图生成单元，其被配置成生成根据所提取的特征点配置的图信息；结构确定单元，其被配置成根据所生成的图信息确定解剖结构；指标测量单元，其被配置成基于所确定的解剖结构测量医学指标；以及输出单元，其被配置成输出医学指标测量结果。
[有益效果]
根据基于实施方式的医学指标测量方法及针对该方法的超声诊断设备，与语义分割技术相比，可以更准确地、容易且自动地测量医学指标。
附图说明
图1是示出根据本发明的实施方式的超声诊断设备的配置的图；
图2是示出根据本发明的实施方式的使用超声诊断设备的医学指标测量方法的流程图；
图3是示出根据本发明的实施方式的从超声图像数据中提取特征点的示例的图；
图4示出了示出根据本发明的实施方式的当使用关键点检测技术测量胎儿头部大小时所显示的屏幕的图示；
图5示出了示出根据本发明的实施方式的当使用关键点检测技术测量胎儿腹围时所显示的屏幕的图示；以及
图6示出了示出根据本发明的实施方式的当使用关键点检测技术测量胎儿骨骼的长度时所显示的屏幕的图示。
具体实施方式
参照下面结合附图详细描述的实施方式，本发明的优点和特征以及实现这些优点和特征的方式将变得明显。然而，本发明可以以许多不同的形式实现，并且不应该被解释为限于本文阐述的实施方式，并且提供这些实施方式使得本公开内容将是彻底且完整的，并且这些实施方式将本发明的范围完全传达给本领域技术人员，并且本发明仅由所附权利要求的范围来限定。在整个本公开内容中，相同的附图标记指代相同的部件。
在本发明的实施方式的以下描述中，如果确定相关已知功能或配置的详细描述不必要地使本发明的主旨模糊，则在本文将省略其详细描述。下面所描述的术语在考虑到本发明的实施方式中的功能的情况下被定义，并且这些术语可以根据用户或操作者的意图或习惯而变化。因此，本文所用的术语的定义应当遵循本文所公开的上下文。
可以通过计算机程序指令(执行引擎)执行所附框图的每个框和所附流程图的每个步骤的组合，并且可以将这些计算机程序指令嵌入至通用计算机、专用计算机或其他可编程数据处理设备的处理器中。因此，通过计算机或其他可编程数据处理设备的处理器执行的这些计算机程序指令产生用于执行框图的每个框或流程图的每个步骤中所描述的功能的工具。
这些计算机程序指令还可以存储在计算机可用或可读存储器中，该存储器可以面向计算机或其他可编程数据处理设备，以便以特定方式实现功能。因此，存储在计算机可用或可读存储器中的计算机程序指令可以产生包含用于执行框图的每个框或流程图的每个步骤中所描述的功能的指令工具的制品。
此外，计算机程序指令还可以安装在计算机或其他可编程数据处理设备上。因此，用于通过在计算机或其他可编程数据处理设备上执行一系列操作步骤来操作计算机或其他可编程数据处理设备以产生计算机实现的处理的计算机程序指令还可以提供用于执行框图的每个框和流程图的每个步骤中所描述的功能的步骤。
此外，每个框或每个步骤可以表示包括用于执行指定逻辑功能的一个或更多个可执行指令的模块、段、或部分代码，并且应当注意，在一些替选实施方式中，框或步骤中所描述的功能可以不按顺序发生。例如，连续示出的两个框或步骤实际上可以基本上同时执行，并且这两个框或步骤也可以根据需要以相应功能的相反顺序执行。
在下文中，将参照附图详细描述本发明的实施方式。然而，本发明可以以各种形式实现，并且本发明的范围不限于这些实施方式。提供本发明的实施方式以帮助本领域技术人员解释和理解本发明。
图1是示出根据本发明的实施方式的超声诊断设备的配置的图。
参照图1，超声诊断设备包括超声探头102、主体100、输入单元104、输出单元106和学习单元108。超声探头102、输入单元104和输出单元106通信地连接至主体100。
超声探头102包括多个压电谐振器，并且所述多个压电谐振器基于从主体100的发送/接收单元110提供的驱动信号来生成超声波。此外，超声探头102从对象接收反射波，并且将该反射波转换为电信号。也就是说，超声探头102向对象发射超声波并且从该对象接收反射波。超声探头102可拆卸地连接至主体100。该对象可以是孕妇的胎儿，但是不限于此，使得该对象可以是任何患者。
输入单元104由下述实现：用于对预定位置(例如，组织形状的位置、感兴趣的区域、除了感兴趣的区域之外的区域等)进行设置的轨迹球、鼠标、键盘、用于通过触摸操作表面来进行输入操作的触摸板、作为显示屏与触摸板的集成的屏幕、使用光学传感器的非接触输入电路、音频输入电路等。输入单元104连接至下面要描述的控制单元130，将从用户接收的输入操作信号转换为电信号，并且将该电信号输出至控制单元130。
输出单元106为超声诊断设备的用户显示图形用户界面(GUI)以使用输入单元104输入各种设置请求，或者显示在主体100中生成的超声图像数据等。另外，输出单元106显示各种消息或信息，以向用户通知主体100的处理状态或处理结果。此外，输出单元106可以包括扬声器和输出音频。输出单元106可以在屏幕上显示通过控制单元140生成的医学指标测量结果。医学指标可以是例如胎儿指标。胎儿指标包括胎儿的腹部、头部、股骨、肱骨等。然而，医学指标不限于胎儿指标，并且可以是对象的任何身体器官。例如，医学指标可以是骨盆等。
输出单元106可以将通过控制单元130生成的图信息能区别地显示为超声图像数据上的可识别视觉信息(例如，颜色)。输出单元106可以将测量的医学指标显示为超声图像数据的图上的数字信息。
通过控制单元130测量的医学指标可以显示为超声图像数据上的数字信息。
学习单元108使用神经网络对超声图像数据进行学习。在这种情况下，构成控制单元130的部件中的至少一个即点提取单元131、图生成单元132、结构确定单元133和指标测量单元134，可以使用学习数据。学习单元108可以呈通过网络连接至主体100的服务器的形式，或者可以位于主体100的内部。学习单元108可以学习原始图像数据以及从所述原始图像数据中提取的感兴趣的图像数据。
主体100是基于由超声探头102接收的反射波信号来生成超声图像数据的设备。根据实施方式的主体100包括发送/接收单元110、图像处理单元120、控制单元130、存储单元140和学习数据接收单元150。
发送/接收单元110向超声探头102提供驱动信号，并且重复地生成用于以预定频率形成发送超声波的脉冲。此外，发送/接收单元110通过使用波束成形来会聚从超声探头102生成的超声波。发送/接收单元110可以包括前置放大器、模数(A/D)转换器、接收延迟单元、求和单元等，并且可以通过对由超声探头102接收的回波信号进行各种处理来生成反射波数据。可以选择各种形式作为来自发送/接收单元110的输出信号的形式，例如包括相位信息的信号——被称为射频(RF)信号——或者包括包络检测之后的振幅信息的信号。
图像处理单元102从发送/接收单元110接收反射波数据，并且生成关于胎儿的超声图像数据。在这种情况下，图像处理单元120进行对数放大、包络检测处理等以生成超声图像数据。
存储单元140存储通过图像处理单元120或控制单元130生成的图像数据。
控制器130控制超声诊断设备的每个部件。例如，控制单元130基于通过输入单元130从用户输入的各种设置请求或者从存储单元140读取的各种控制程序和各种数据来控制对发送/接收单元110和图像处理单元120的处理。另外，控制单元130控制存储在存储单元140中的超声图像数据通过输出单元106显示。
根据实施方式的控制单元130包括点提取单元131、图生成单元132、结构确定单元133和指标测量单元134。
点提取单元131从通过图像处理单元120生成的超声图像数据中提取特征点。所述特征点可以包括限定边界的特征点、示出整体形状的特征点、像素亮度值的差异等。例如，可以提取形成椭圆的圆周上的点，可以提取形成圆的圆周上的点，可以提取形成线段的两个端点，以及可以提取形成多边形的每个顶点。多边形可以包括三角形、四边形、五边形等。在椭圆的情况下，还可以提取焦点，以及在圆的情况下，还可以提取中心点以提高精度。
图生成单元132生成利用通过点提取单元131提取的特征点配置的图信息。例如，由点组成的零维图、由直线或曲线组成的一维图、或者由椭圆、圆或多边形组成的二维图。
结构确定单元133根据通过图生成单元132生成的图信息来确定解剖结构。例如，解剖结构可以包括胎儿的腹部、头部、骨骼等。骨骼的示例可以包括股骨、肱骨等。在确定解剖结构时，例如，根据圆确定胎儿腹部，可以根据椭圆确定胎儿头部，以及根据线段或四边形确定胎儿骨骼。
指标测量单元134基于通过结构确定单元133确定的解剖结构来测量医学指标。例如，根据椭圆的圆周测量头围，根据圆的圆周测量腹围，以及根据线段或四边形的长度测量股骨长度。
以下内容被称为关键点检测技术：控制单元130提取形成图的点，使用所提取的特征点生成图，并且然后根据生成的图来测量胎儿的指标。下面将参照图2描述关于关键点检测技术的更详细的实施方式。
学习数据接收单元150从学习单元108接收学习数据，并且将训练数据发送至控制单元130。例如，可以将通过学习单元108学习的原始图像数据和感兴趣的图像数据提供给控制单元130的点提取单元131。
图2是示出根据本发明的实施方式的使用超声诊断设备的医学指标测量方法的流程图。
参照图2，超声诊断设备获取胎儿的超声图像数据(210)。
然后，该超声诊断设备从所获取的超声图像数据中提取特征点(220)。所述特征点可以包括限定边界的特征点、示出整体形状的特征点、像素亮度值的差异等。
提取特征点的步骤(220)可以包括学习、提取第一特征点、进行变换以及提取第二特征点的步骤。例如，超声诊断设备通过训练步骤学习原始图像数据以及从所述原始图像数据中提取的感兴趣的图像数据。原始图像数据是由设备捕获的原始图像，并且感兴趣的图像数据是通过从所述原始图像数据中提取(例如，裁剪)感兴趣的对象被确定为存在于其中的感兴趣的区域而获得的图像。超声诊断设备基于图像数据的标签生成原始图像数据和感兴趣的图像数据，并且对所有生成的图像数据进行学习。
在特征点提取之前，可以从原始图像数据中搜索对象位置，并且可以基于找到的对象位置来裁剪图像。如果通过首先对该对象位置进行搜索并且然后输入基于该对象位置裁剪的原始图像数据来提取特征点，则精度大大提高。图像大小可以被调整大小为网络的输入大小(例如，256×256)。
随后，该超声诊断设备通过提取第一特征点的步骤从原始图像数据中提取感兴趣的对象的第一特征点。
然后，该超声诊断设备通过变换步骤使用所提取的第一特征点对原始图像数据进行变换来生成感兴趣的图像数据。在这种情况下，所述变换可以包括旋转、扭曲、放大等。
此后，该超声诊断设备从所生成的感兴趣的图像数据中提取最终特征点，并且对该最终特征点的坐标进行逆变换以匹配原始图像数据。
根据上面的处理，通过学习有数据扩充的效果。可以通过学习、提取第一特征点和提取第二特征点的步骤来纠正错误检测。可以通过诸如图像扭曲等的变换来实现目标数据标准化的效果。可以通过诸如图像放大的变换来提高像素精度。
在提取特征点的步骤(220)中，可以提取比构造图所需的最小数目更多数目的点。这是为了构造即使超声图像中的对象是不完整的并且因此不能检测到关键点时也要制作的图。因此，提取了比构成所述图的信息更多的点。例如，在椭圆的情况下，虽然需要四个点来形成椭圆，但是可以提取16个点以提高精度。
在椭圆的情况下，椭圆的圆周被限定为对象的轮廓。沿椭圆的圆周提取五个或更多个点(例如，16个点)。在矩形的情况下，从包含对象的矩形的边界中提取与角对应的四个点。然而，当以曲线的形式弯曲该对象时，可以将该对象的两端处的矩形而不是包含整个对象的矩形限定为有效矩形，并且提取与该有效矩形对应的点。此外，可以进一步提取与实际对象的下端部分对应的点以及四个顶点部分。
在提取特征点的步骤(220)中，超声诊断设备可以提取形成椭圆的圆周上的点(附加地，焦点)，提取形成圆的圆周上的点(附加地，中心点)，提取形成线段的两个端点，以及提取形成多边形的每个顶点。多边形可以包括三角形、四边形、五边形等。
然后，该超声诊断设备生成利用所提取的特征点配置的图信息(230)。
在生成图信息的步骤(230)中，超声诊断设备可以生成由点组成的零维图、由直线或曲线组成的一维图、或者由椭圆、圆或多边形组成的二维图。
在生成图信息的步骤(230)中，超声诊断设备可以生成基本图信息以及能替换所述基本图信息的候选图信息。例如，由腿部骨骼的两个上端点组成的图被设置为基本图信息，并且由腿部骨骼的两个下端点组成并且长度相似的图被设置为候选图信息。
在生成图信息的步骤(230)中，超声诊断设备可以向所提取的特征点分配分数，并且使用分数高于或等于预设参考的特征点来生成图信息。
在生成图信息的步骤(230)中，超声诊断设备还可以包括基于在使用所提取的特征点生成图信息时要创建的图的特征来进行校正的步骤。由于所提取的特征点是某个图的组成部分，因此可以使用要创建的图的几何属性来配置所述特征点之间的关系，并且可以通过所述特征点之间的关系预先移除异常值。例如，在圆的情况下，可以使用中心点与每个特征点之间的距离关系来移除异常值。在椭圆的情况下，可以使用焦点、短轴和长轴的距离信息来移除异常值。由于从形成椭圆的每个点到中心点的距离d被限定为a/2≤d≤b/2(此处，a是短轴并且b是长轴)，因此不满足该关系的点可以被确定为是异常值并且被移除。
在生成图信息的步骤(230)中，可以通过取得来自预存储和累积的胎儿生物测定信息的双胞胎中的另一胎儿的测量结果和完全测量的另一当前参数测量值中的至少一者来校正图信息。在另一示例中，可以通过借助于针对所生成的图信息的操作信号的用户输入来选择点以校正图信息。
在生成图信息的步骤(230)中，超声诊断设备可以将所生成的图信息能区别地显示为超声图像数据上的可识别视觉信息。
随后，该超声诊断设备基于所生成的图信息确定解剖结构(240)，并且基于所确定的解剖结构测量医学指标(250)。
在测量医学指标的步骤(250)中，超声诊断设备可以使用形成椭圆的圆周上的点(附加地，焦点)来测量胎儿头部大小，使用形成圆的圆周上的点(附加地，中心点)来测量胎儿腹围，以及使用形成线段的两个端点或形成四边形的四个角来测量胎儿骨骼的长度。
在测量医学指标的步骤(250)中，超声诊断设备可以通过将预存储和累积的胎儿生物测定数据中的与关于患者的妊娠信息有关的胎儿生物测定数据一起考虑来测量医学指标。所述妊娠信息包括该患者的末次月经日期(LMP)或受孕日期(DOC)。
此外，超声诊断设备可以使用神经网络对超声图像数据进行学习。在这种情况下，学习数据可以用于提取特征点(220)的步骤、生成图信息(230)的步骤、确定解剖结构(240)的步骤和测量医学指标(250)的步骤中的至少一者。
在学习步骤中，超声诊断设备可以通过使用其中神经网络的卷积层及非线性激活函数(Relu)彼此重复堆叠的结构来进行学习。
在学习步骤中，超声诊断设备可以使用神经网络的填充来防止由于减小输出大小导致的信息丢失，并且恒定地保持原始层的分辨率。
在学习步骤中，超声诊断设备可以通过并行连接多分辨率流的网络结构来进行学习，以在第一分辨率帧与第二分辨率帧之间重复地交换分辨率信息。第一分辨率帧可以是高分辨率帧，而第二分辨率帧可以是低分辨率帧。在这种情况下，可以在高分辨率帧与低分辨率帧之间重复地交换分辨率信息。
超声诊断设备可以将测量的医学指标显示为超声图像数据的图上的数字信息。
图3是示出根据本发明的实施方式的从超声图像数据中提取特征点的示例的图。
参照图3，超声诊断设备可以提取形成椭圆的圆周上的点以测量胎儿头部大小。在图3中，提取了形成椭圆的16个点。另外，超声诊断设备可以提取形成圆的圆周上的点以测量胎儿腹围。在图3中，提取了形成圆的16个点。在另一示例中，可以提取形成线段的两个端点以测量骨骼的长度。
图4示出了示出根据本发明的实施方式的当使用关键点检测技术测量胎儿头部大小时所显示的屏幕的图示。
参照图4，超声诊断设备从超声图像数据中提取形成椭圆的圆周上的点，根据该椭圆确定头部，以及使用形成该椭圆的圆周上的点(附加地，焦点)来测量胎儿头部大小。
此时，椭圆的圆周以及该椭圆中水平轴的长度和竖直轴的长度可以能区别地显示为可识别视觉信息(例如，颜色)。另外，可以在水平轴和竖直轴上显示胎儿腹围的包括水平轴的长度和竖直轴的长度的测量值。
图5示出了示出根据本发明的实施方式的当使用关键点检测技术测量胎儿腹围时所显示的屏幕的图示。
参照图5，从超声图像数据中提取形成圆的圆周上的点，根据该圆确定胎儿腹部，以及使用形成圆的圆周点和中心点来测量胎儿腹围。
在这种情况下，中心的圆周可以能区别地显示为可识别视觉信息(例如，颜色)。另外，可以在该圆上显示胎儿腹围的测量值。
图6示出了示出根据本发明的实施方式的当使用关键点检测技术测量胎儿骨骼的长度时所显示的屏幕的图示。
参照图6，从超声图像数据中提取形成线段的两个端点，以及使用形成该线段的两个端点来测量胎儿骨骼的长度。
在这种情况下，线段的两个端点以及连接所述两个端点的线段可以能区别地显示为可识别视觉信息(例如，颜色)。另外，可以在骨骼上显示胎儿骨骼的测量值。
至此，已经通过集中于示例性实施方式描述了本发明。本发明所属领域的技术人员可以理解，在不脱离本发明的基本特征的情况下，可以以修改的形式实现本发明。因此，所公开的实施方式应当被认为是说明性的而不是决定性的。本发明的范围由所附权利要求书限定而不是由前述描述限定，并且在其等同方案的范围内的所有差异应当被解释为包括在本发明中。

Claims (17)

1.一种医学指标测量方法，包括下述步骤：
超声诊断设备获取超声图像数据；
从所获取的超声图像数据中提取特征点；
生成根据所提取的特征点配置的图信息；
根据所生成的图信息确定解剖结构；以及
基于所确定的解剖结构测量医学指标。
2.根据权利要求1所述的医学指标测量方法，其中，在提取所述特征点的步骤中，提取比构造图所需的最小数目更多数目的点。
3.根据权利要求1所述的医学指标测量方法，其中，在提取所述特征点的步骤中，提取形成椭圆的圆周上的点，提取形成圆的圆周上的点，提取形成线段的两个端点，以及提取形成多边形的每个顶点。
4.根据权利要求1所述的医学指标测量方法，其中，提取所述特征点包括下述步骤：
学习原始图像数据以及从所述原始图像数据中提取的感兴趣的图像数据；
从所述原始图像数据中提取感兴趣的对象的第一特征点；
通过使用所提取的第一特征点对所述原始图像数据进行变换来生成感兴趣的图像数据；
从所生成的感兴趣的图像数据中提取最终特征点；以及
对所述最终特征点的坐标进行逆变换以匹配所述原始图像数据。
5.根据权利要求4所述的医学指标测量方法，其中，在学习步骤中，使用其中神经网络的卷积层及非线性函数彼此重复堆叠的结构来进行所述学习。
6.根据权利要求4所述的医学指标测量方法，其中，在学习步骤中，通过使用神经网络的填充来防止由于减小输出大小导致的信息丢失。
7.根据权利要求4所述的医学指标测量方法，其中，在学习步骤中，通过并行连接多分辨率流的网络结构来进行所述学习，以在第一分辨率帧与第二分辨率帧之间重复地交换分辨率信息。
8.根据权利要求1所述的医学指标测量方法，其中，在生成所述图信息的步骤中，生成由点组成的零维图、由直线或曲线组成的一维图、或者由椭圆、圆或多边形组成的二维图。
9.根据权利要求1所述的医学指标测量方法，其中，在生成所述图信息的步骤中，生成基本图信息以及能替换所述基本图信息的候选图信息。
10.根据权利要求1所述的医学指标测量方法，其中，在生成所述图信息的步骤中，向所提取的特征点分配分数，并且使用分数高于或等于预设参考的特征点来生成所述图信息。
11.根据权利要求1所述的医学指标测量方法，其中，在生成所述图信息的步骤中，使用要生成的图的几何属性来配置所述特征点之间的关系，并且通过所述特征点之间的关系来进行校正以移除异常值。
12.根据权利要求1所述的医学指标测量方法，其中，在生成所述图信息的步骤中，通过取得来自预存储和累积的胎儿生物测定信息的双胞胎中的另一胎儿的测量结果和完全测量的另一当前参数测量值中的至少一者来校正所述图信息。
13.根据权利要求1所述的医学指标测量方法，其中，在生成所述图信息的步骤中，通过借助于针对所生成的图信息的操作信号的用户输入来选择所述特征点以校正所述图信息。
14.根据权利要求1所述的医学指标测量方法，其中，在确定所述解剖结构的步骤中，根据椭圆确定头部，根据圆确定腹部，以及根据线段或四边形确定股骨或肱骨，并且
在测量所述医学指标的步骤中，使用所述椭圆上的圆周点来测量头部大小，使用所述圆上的圆周点来测量腹围，以及使用形成所述线段的两个端点或者形成所述四边形的四个角来测量股骨或肱骨的长度。
15.根据权利要求1所述的医学指标测量方法，其中，在测量所述医学指标的步骤中，通过将预存储和累积的胎儿生物测定数据中的与关于患者的妊娠信息有关的胎儿生物测定数据一起考虑来测量所述医学指标。
16.根据权利要求1所述的医学指标测量方法，还包括下述步骤中的至少一个：
将所生成的图信息能区别地显示为所述超声图像数据上的可识别视觉信息；以及
将所测量的医学指标显示为所述超声图像数据的图上的数字信息。
17.一种超声诊断设备，包括：
超声探头，其被配置成向对象发射超声信号并且从所述对象接收反射波信号；
图像处理单元，其被配置成使用所述超声探头的所述反射波信号生成超声图像数据；
点提取单元，其被配置成从所生成的超声图像数据中提取特征点；
图生成单元，其被配置成生成根据所提取的特征点配置的图信息；
结构确定单元，其被配置成根据所生成的图信息确定解剖结构；
指标测量单元，其被配置成基于所确定的解剖结构测量医学指标；以及
输出单元，其被配置成输出医学指标测量结果。
CN202180082080.8A 2020-12-11 2021-11-09 医学指标测量方法及针对该方法的超声诊断设备 Pending CN116583912A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020200173175A KR102617378B1 (ko) 2020-12-11 2020-12-11 의료지표 측정방법 및 이를 위한 초음파 진단장치
KR10-2020-0173175 2020-12-11
PCT/KR2021/016173 WO2022124591A1 (ko) 2020-12-11 2021-11-09 의료지표 측정방법 및 이를 위한 초음파 진단장치

Publications (1)

Publication Number Publication Date
CN116583912A true CN116583912A (zh) 2023-08-11

Family

ID=81974626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180082080.8A Pending CN116583912A (zh) 2020-12-11 2021-11-09 医学指标测量方法及针对该方法的超声诊断设备

Country Status (5)

Country Link
US (1) US20230414202A1 (zh)
KR (2) KR102617378B1 (zh)
CN (1) CN116583912A (zh)
DE (1) DE112021006417T5 (zh)
WO (1) WO2022124591A1 (zh)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5243845B2 (zh) * 1972-08-21 1977-11-02
JP2007267979A (ja) * 2006-03-31 2007-10-18 Yoko Arimasa 生物の臓器形態解析方法と生物の臓器形態解析システム
JP5243845B2 (ja) 2008-05-22 2013-07-24 日立アロカメディカル株式会社 ボリュームデータ処理装置
KR101971622B1 (ko) * 2012-01-04 2019-08-13 삼성전자주식회사 대상체의 생체 정보를 측정하는 방법 및 장치
KR20130082318A (ko) * 2012-01-11 2013-07-19 삼성전자주식회사 태아 모델링 방법 및 그에 따른 영상 처리 장치
US9122959B2 (en) * 2013-05-03 2015-09-01 Impac Medical Systems, Inc. Method and apparatus for automated delineation of structure shape for image guided treatment planning
JP2015198907A (ja) * 2014-04-01 2015-11-12 セイコーエプソン株式会社 超音波測定装置
JP5865463B1 (ja) * 2014-10-01 2016-02-17 日立アロカメディカル株式会社 超音波画像処理装置
EP3513731A1 (en) * 2018-01-23 2019-07-24 Koninklijke Philips N.V. Device and method for obtaining anatomical measurements from an ultrasound image
JP7075854B2 (ja) * 2018-09-11 2022-05-26 富士フイルムヘルスケア株式会社 超音波診断装置及び表示方法

Also Published As

Publication number Publication date
KR20220083894A (ko) 2022-06-21
DE112021006417T5 (de) 2023-10-05
KR20230169067A (ko) 2023-12-15
US20230414202A1 (en) 2023-12-28
KR102617378B1 (ko) 2023-12-27
WO2022124591A1 (ko) 2022-06-16

Similar Documents

Publication Publication Date Title
JP6309376B2 (ja) 医用情報処理システム、医用情報処理プログラム及び超音波診断装置
JP6238651B2 (ja) 超音波診断装置及び画像処理方法
JP5027922B2 (ja) 超音波診断装置
US11653897B2 (en) Ultrasonic diagnostic apparatus, scan support method, and medical image processing apparatus
CN109152566B (zh) 校正超声融合成像系统中的探头引起的变形
CN107106128B (zh) 用于分割解剖目标的超声成像装置和方法
US9990725B2 (en) Medical image processing apparatus and medical image registration method using virtual reference point for registering images
CN112040877B (zh) 医用信息处理系统以及计算机可读存储介质
CN111820948B (zh) 胎儿生长参数测量方法、系统及超声设备
JP7432296B2 (ja) 医用情報処理システム
CN116583912A (zh) 医学指标测量方法及针对该方法的超声诊断设备
JP2019115487A (ja) 超音波撮像装置、画像処理装置、及び方法
CN111260606B (zh) 诊断装置和诊断方法
EP3655972B1 (en) Imaging method, controller and imaging system, for monitoring a patient post evar
JP6731369B2 (ja) 超音波診断装置及びプログラム
JP7299100B2 (ja) 超音波診断装置及び超音波画像処理方法
WO2021117349A1 (ja) 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム
CN110934613A (zh) 超声波诊断装置及超声波诊断方法
JP2018157961A (ja) 超音波画像処理装置及び方法
JP2018157981A (ja) 超音波診断装置及びプログラム

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