CN116830159A - 利用柱状图视图来改进三维(3d)医学图像的可视化的方法和系统 - Google Patents
利用柱状图视图来改进三维(3d)医学图像的可视化的方法和系统 Download PDFInfo
- Publication number
- CN116830159A CN116830159A CN202280014368.6A CN202280014368A CN116830159A CN 116830159 A CN116830159 A CN 116830159A CN 202280014368 A CN202280014368 A CN 202280014368A CN 116830159 A CN116830159 A CN 116830159A
- Authority
- CN
- China
- Prior art keywords
- histogram
- medical image
- data
- medical
- imaging
- 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 54
- 238000012800 visualization Methods 0.000 title abstract description 20
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000003384 imaging method Methods 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 5
- 238000002604 ultrasonography Methods 0.000 description 77
- 210000004072 lung Anatomy 0.000 description 26
- 230000006870 function Effects 0.000 description 19
- 239000000523 sample Substances 0.000 description 15
- 210000002569 neuron Anatomy 0.000 description 10
- 238000012285 ultrasound imaging Methods 0.000 description 10
- 210000000056 organ Anatomy 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 8
- 230000009977 dual effect Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000002592 echocardiography Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009877 rendering Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000711573 Coronaviridae Species 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 2
- 206010035742 Pneumonitis Diseases 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 208000023504 respiratory system disease Diseases 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000002099 shear wave elastography Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20068—Projection on vertical or horizontal image axis
-
- 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
- G06T2207/30061—Lung
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
提供了利用柱状图视图来改进三维(3D)医学图像的可视化的系统和方法。可处理在患者的医学成像检查期间获得的成像数据,其中该成像数据对应于特定的医学成像技术。可基于对成像数据的处理生成至少一个医学图像。可基于至少一个医学图像生成柱状图数据。可将至少一个柱状图连同至少一个医学图像或至少一个医学图像的投影一起显示,其中至少一个柱状图包括柱状图数据或基于柱状图数据,并且其中将至少一个柱状图显示为紧邻至少一个医学图像或至少一个医学图像的投影并且与之对准。
Description
技术领域
本公开的各方面涉及医学成像。更具体地,特定实施方案涉及利用柱状图视图来改进三维(3D)医学图像的可视化的方法和系统。
背景技术
各种医学成像技术可用于成像,例如对人体内的器官和软组织进行成像。医学成像技术的示例包括超声成像、计算机断层摄影(CT)扫描、磁共振成像(MRI)等。在医学成像期间生成图像所用的方式取决于特定技术。
例如,超声成像使用实时的、无创的高频声波来产生超声图像,通常为人体内的器官、组织、对象(例如,胎儿)的超声图像。在医学成像期间产生或生成的图像可以是二维(2D)、三维(3D)和/或四维(4D)图像(本质上为实时/连续的3D图像)。在医学成像期间,采集成像数据集(包括例如3D/4D成像期间的体积成像数据集)并且利用成像数据集实时地生成和渲染对应的图像(例如,经由显示器)。
然而,结合某些类型的检查使用医学成像系统提出了某些挑战,特别是相对于评估检查的结果。例如,在一些检查中,通过依赖于检测和/或识别在检查过程中生成和显示的图像中的特定特征来确定某些病症或疾病的存在可能是困难的,该特定特征可能与这些病症或疾病相关联并指示这些病症或疾病。
通过将此类系统与本申请的其余部分中参考附图阐述的本公开的一些方面进行比较,常规和传统方法的更多限制和缺点对本领域的技术人员将变得显而易见。
发明内容
提供了利用柱状图视图来改进三维(3D)医学图像的可视化的系统和方法,其基本上如结合附图中的至少一个附图所示和/或所述,如在权利要求书中更完整地阐述。
从以下描述和附图将更全面地理解本公开的这些和其他优点、方面和新颖特征、以及本公开的一个或多个所例示的示例性实施方案的细节。
附图说明
图1是示出示例性医学成像排布结构的框图,该示例性医学成像排布结构可被配置用于支持利用柱状图视图来改进三维(3D)医学图像的可视化。
图2是示出示例性超声系统的框图,该示例性超声系统可被配置用于支持利用柱状图视图来改进三维(3D)医学图像的可视化。
图3示出被配置用于支持柱状图的示例性医学成像系统的示例性使用场景,其中生成柱状图并且将其连同医学图像的投影一起显示。
图4示出被配置用于支持柱状图的示例性医学成像系统的示例性使用场景,其中生成结合有多个量度的柱状图并且将其连同医学图像的投影一起显示。
图5示出用于使用柱状图视图来改进医学图像的可视化的示例性过程的流程图。
具体实施方式
根据本公开的特定具体实施可涉及利用柱状图视图来改进三维(3D)医学图像的可视化。当结合附图阅读时,将更好地理解前述发明内容以及某些实施方案的以下具体实施方式。就附图示出各个实施方案的功能块的图的范围而言,这些功能块不一定表示硬件电路之间的划分。因此,例如,一个或多个功能框(例如,处理器或存储器)可以在单件硬件(例如,通用信号处理器或随机存取存储器块、硬盘等)或多件硬件中来实现。类似地,程序可以是独立程序,可以作为子例程包含在操作系统中,可以是安装的软件包中的功能等。应当理解,各个实施方案不限于附图中所示的布置和工具。还应当理解,可以组合实施方案,或者可以利用其他实施方案,并且可以在不脱离各种实施方案的范围的情况下做出结构的、逻辑的和电气的改变。因此,以下详述不应视为限制性意义,并且本公开的范围由所附权利要求书及其等同物限定。
如本文所用,以单数形式列举并且以单词“一”或“一个”开头的元件或步骤应当被理解为不排除多个该元件或步骤,除非明确说明此类排除。此外,对“示例性实施方案”、“各个实施方案”、“某些实施方案”、“代表性的实施方案”等的引用不旨在被解释为排除存在也包含了叙述的特征的附加实施方案。此外,除非明确地相反说明,否则“包含”、“包括”或“具有”具有特定性质的一个元件或多个元件的实施方案可以包括不具有该性质的附加元件。
另外,如本文所用,术语“图像”广义地是指可视图像和表示可视图像的数据两者。然而,许多实施方案生成(或被配置为生成)至少一个可视图像。此外,如本文所用,短语“图像”用于指超声模式,诸如B模式(2D模式)、M模式、三维(3D)模式、CF模式、PW多普勒、CW多普勒、MGD,和/或B模式和/或CF的子模式,诸如剪切波弹性成像(SWEI)、TVI、Angio、B-flow、BMI、BMI_Angio,并且在某些情况下还包括MM、CM、TVD,其中“图像”和/或“平面”包括单个波束或多个波束。
此外,如本文所用,短语“像素”也包括其中数据由“体素”表示的实施方案。因此,术语“像素”和“体素”两者可在本文档通篇中可互换地使用。
此外,如本文所用,术语处理器或处理单元是指可执行各种实施方案需要的所需计算的任何类型的处理单元,诸如单核或多核:CPU、加速处理单元(APU)、图形板、DSP、FPGA、ASIC或它们的组合。
应当指出的是,本文所述的生成或形成图像的各个实施方案可包括用于形成图像的处理,该处理在一些实施方案中包括波束形成,而在其它实施方案中不包括波束形成。例如,可在不进行波束形成的情况下形成图像,例如通过将解调数据的矩阵乘以系数矩阵,使得乘积是图像,并且其中该过程不形成任何“波束”。此外,可使用可能源自多于一个发射事件的信道组合(例如,合成孔径技术)来执行图像的形成。
在各种实施方案中,在软件、固件、硬件或它们的组合中执行形成图像的处理,包括波束形成。具有根据各种实施方案形成的软件波束形成器架构的超声系统的一个示例性具体实施如图2中所示。
图1是示出示例性医学成像排布结构的框图,该示例性医学成像排布结构可被配置用于支持利用柱状图视图来改进三维(3D)医学图像的可视化。图1中示出了包括一个或多个医学成像系统110和一个或多个计算系统120的示例性设置100。
医学成像系统110包括用于支持医学成像(即,使得能够获得用于在医学成像检查期间生成和/或渲染图像的数据)的合适的硬件、软件或它们的组合。医学成像的示例包括超声成像、计算机断层摄影(CT)扫描、磁共振成像(MRI)等。这可能需要以特定方式捕获特定类型的数据,该数据继而可用于生成图像的数据。例如,医学成像系统110可以是被配置用于生成和/或渲染超声图像的超声成像系统。参考图2更详细地描述了可对应于医学成像系统110的超声系统的示例性具体实施。
如图1所示,医学成像系统110可包括扫描仪设备112和显示/控制单元114,该扫描仪设备可以是便携式的且可移动的。扫描仪设备112可被配置用于例如通过在患者身体(或其部分)上方移动来生成和/或捕获特定类型的成像信号(和/或与其对应的数据),并且可包括用于执行和/或支持此类功能的合适电路。扫描仪设备112可为超声探头、MRI扫描仪、CT扫描仪、或任何合适的成像设备。例如,在医学成像系统110是超声系统的情况下,扫描仪设备112可发射超声信号并捕获回波超声图像。
显示/控制单元114可被配置用于显示图像(例如,经由屏幕116)。在一些情况下,显示/控制单元114还可被配置用于至少部分地生成所显示图像。此外,显示/控制单元114还可支持用户输入/输出。例如,除了图像之外,显示/控制单元114还可提供(例如,经由屏幕116)用户反馈(例如,与系统、其功能、其设置等相关的信息)。显示/控制单元114还可支持用户输入(例如,经由用户控件118),以便例如允许控制医学成像。用户输入可涉及控制图像的显示、选择设置、指定用户偏好、请求反馈等。
在一些具体实施中,医学成像系统110还可并入另外的和专用的计算资源,诸如一个或多个计算系统120。在这方面,每个计算系统120可包括用于处理、存储和/或通信数据的合适的电路、接口、逻辑和/或代码。计算系统120可以是被配置用于特别地结合医学成像使用的专用设备,或者它可以是被设置和/或配置为执行下文相对于计算系统120所述的操作的通用计算系统(例如,个人计算机、服务器等)。计算系统120可被配置为支持医学成像系统110的操作,如下所述。在这方面,可从成像系统卸载各种功能和/或操作。这样做可简化和/或集中处理的某些方面,以降低成本,例如通过消除增加成像系统中的处理资源的需要来降低成本。
计算系统120可被设置和/或布置用于以不同方式使用。例如,在一些具体实施中,可使用单个计算系统120;在其他具体实施中,多个计算系统120被配置为一起工作(例如,基于分布式处理配置),或者单独工作,其中每个计算系统120被配置为处理特定方面和/或功能,和/或仅为特定医学成像系统110处理数据。此外,在一些具体实施中,计算系统120可以是本地的(例如,与一个或多个医学成像系统110协同定位,例如在相同设施和/或相同本地网络内);在其他具体实施中,计算系统120可以是远程的,因此只能经由远程连接(例如,经由互联网或其他可用远程访问技术)访问。在特定具体实施中,计算系统120可以基于云的方式配置,并且可以与访问和使用其他基于云的系统基本上类似的方式访问和/或使用。
一旦在计算系统120中生成和/或配置数据,就可将数据复制和/或加载到医学成像系统110中。这可以不同的方式进行。例如,可经由医学成像系统110和计算系统120之间的定向连接或链接来加载数据。在这方面,可使用可用的有线和/或无线连接和/或根据任何合适的通信(和/或联网)标准或协议来进行设置100中的不同元件之间的通信。另选地或附加地,可间接地将数据加载到医学成像系统110中。例如,可将数据存储到合适的机器可读介质(例如,闪存卡等)中,然后使用该机器可读介质将数据加载到医学成像系统110中(现场,例如由系统的用户(例如,成像临床医生)或授权人员);或者可将数据下载到本地能够通信的电子设备(例如,膝上型计算机等)中,然后现场使用(例如,由系统的用户或授权人员)该电子设备经由直接连接(例如,USB连接件等)将数据上传到医学成像系统110中。
在操作中,医学成像系统110可用于在医学检查期间生成和呈现(例如,渲染或显示)图像,和/或用于与其结合支持用户输入/输出。图像可以是2D、3D和/或4D图像。在医学成像系统110中执行以便于生成和/或呈现图像的特定操作或功能取决于系统的类型(即,获得和/或生成对应于图像的数据所用的方式)。例如,在超声成像中,数据基于发射超声信号和回波超声信号,如相对于图2更详细描述的。
在各种具体实施中,医学成像系统(例如,医学成像系统110)可被配置为支持利用柱状图视图来改进三维(3D)医学图像的可视化。就这一点而言,在一些情况下,可能期望通过提供增强式可视化特征来改进医学成像,该增强式可视化特征可以查看医学图像,尤其是3D图像,对于执行基于医学成像的检查的那些人而言更容易且更方便。具体地,在医学成像检查期间查看和分析3D医学图像可能是乏味的任务。
例如,在许多情况下,查看和分析3D医学图像可能涉及查看多个二维(2D)图像,例如,体积的原生图像切片、重新格式化的2D图像、3D投影图像(例如,MIP)或体积渲染。工作流可以是交互式工作流,因为3D体积的信息无法通过单个图像或有限数量的图像来显示。投影图像(例如,最大强度投影、体积渲染等)的使用通常可用于提供器官(例如,肺、心脏、肝脏、血管等)的概要视图,该概要视图使放射医生能够快速识别可疑区域或特征,并且查看大量图像来确定这些区域。然而,这些投影图像呈现部分3D体积,这在一些情况下可能阻碍正确判读例如图像中的特定特征。
因此,增强式可视化特征可用于改进医学成像,尤其是3D图像。当检查特定器官和/或当完成成像以检查特定状况时,使用此类可视化特征可能尤其有用且有利。这可以例如通过结合使用柱状图来完成,使用柱状图可提供使得能够更容易且更便捷地识别需要特别关注和额外关注的区域或特征(或对其进行增强)的信息(例如,视觉上)。下文将更详细地描述这一点。
例如,可以在医学成像期间生成和显示柱状图。具体地,这可通过生成和显示柱状图连同对应的医学图像(例如,CT图像、MR图像等)或其投影来完成,尤其以将会增强医学检查(例如,与医学图像对准)的方式完成,以使得能够增强比较,这可使得能够改进对图像内的感兴趣的区域或特征进行的检测,改进检测可能需要进行附加检查和仔细检查。在一些情况下,柱状图可定位在例如图像旁边和/或可与其共享共同的轴。因此,在各种具体实施中,生成和显示一维(1D)柱状图,使其与3D图像的2D投影视图对准(共享相同的轴)。每个柱状图的柱可以预先确定的方式(例如,基于共同的轴)定向,该预先确定的方式可确定为优化对相关特征进行的检测。
在一些示例性具体实施中,可使用双柱状图视图,尤其是在使用此类双视图可能有利或有益的情况下,诸如实现增强式并排比较。就这一点而言,可以生成和显示与图像或其投影(例如,CT图像、MR图像等)对准的双柱状图视图,以便于进行并排(例如,左右)比较。柱状图可定位在例如来自3D图像的投影的任一侧上并且与其共享共同的轴(例如,z轴),其中每个柱状图的柱相对于共同的轴对称地定向。使用此类双柱状图可有助于(例如,使用CT肺成像)改进对诸如肺之类的特定器官进行的基于医学成像的检查,以增强左右比较,其中一个柱状图可用于左肺,另一个柱状图用于右肺。这样,使用双柱状图视图可改进对肺进行的医学检查,尤其与特定呼吸系统疾病相结合,诸如新型冠状病毒肺炎疾病(COVID-19),已知病变的双侧分布是重要的生物标志物。
根据本公开的柱状图的用户可使得能够用常规解决方案解决一些问题,尤其通过确保和/或增强正确判读图像中的相关特征。就这一点而言,使用1D柱状图连同3D投影向用户提供能够更清楚地指示可疑区域的附加信息,同时提供可量化的体积信息。例如,在肺疾病的情况下,柱状图视图可用于示出高衰减区域的分布,诸如沿着与平均强度投影对准的轴。就这一点而言,3D投影指示肺内的高衰减区域在x、z平面中的定位,而柱状图视图提供关于区域的范围(还考虑了沿着y轴的范围)的附加信息。下文参照图3和图4更详细地示出和描述结合对肺进行的医学成像检查使用柱状图视图的示例。
在各种具体实施中,可基于医学图像或对应于医学图像的数据来生成柱状图或在柱状图中使用和提供的信息。例如,在医学成像期间,可在医学成像系统中采集成像数据集(包括例如用于3D/4D成像的体积成像数据集),并且然后(在医学成像系统内或在其它本地系统或远程系统中)将其用于生成和渲染对应的图像(例如,通过显示器)。因此,可基于对成像数据集和/或从其获得的数据进行处理来获得或生成在柱状图中使用的信息(例如,用于生成和显示对应的图像)。
此外,在一些具体实施中,可在本地(直接在医学成像系统或本地系统内)或远程(在云、远程数据中心等中)完成显示柱状图和/或生成在柱状图中使用的信息。这可使得能够以分布式方式使用柱状图,例如,在一个位置中完成用于生成柱状图的数据,在另一位置中完成生成柱状图或在柱状图中使用的数据的处理,并且在又另一位置中完成柱状图(以及对应的图像)的显示。
图2是示出示例性超声系统的框图,该示例性超声系统可被配置用于支持利用柱状图视图来改进三维(3D)医学图像的可视化。图2中示出了超声系统200。
超声系统200可被配置用于提供超声成像,并且因此可包括用于执行和/或支持超声成像相关功能的合适的电路、接口、逻辑和/或代码。超声系统200可对应于图1的医学成像系统110。超声系统200包括例如发射器202、超声探头204、发射波束形成器210、接收器218、接收波束形成器220、RF处理器224、RF/IQ缓冲器226、用户输入模块230、信号处理器240、图像缓冲器250、显示系统260、档案270和训练引擎280。
发射器202可包括可操作为驱动超声探头204的合适的电路、接口、逻辑和/或代码。超声探头204可包括压电元件的二维(2D)阵列。超声探头204可包括通常构成相同元件的一组发射换能器元件206和一组接收换能器元件208。在特定实施方案中,超声探头204可操作为采集覆盖解剖结构(诸如心脏、血管或任何合适的解剖结构)的至少大部分的超声图像数据。
发射波束形成器210可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为控制发射器202,该发射器通过发射子孔径波束形成器214驱动这组发射换能器元件206以将超声发射信号发射到感兴趣的区域(例如,人、动物、地下空腔、物理结构等)中。发射的超声信号可从感兴趣对象中的结构(如血细胞或组织)反向散射,以产生回波。回波由接收换能器元件208接收。
超声探头204中的这组接收换能器元件208可操作为将接收到的回波转换为模拟信号,通过接收子孔径波束形成器216进行子孔径波束形成,然后传送到接收器218。接收器218可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为接收来自接收子孔径波束形成器216的信号。可将模拟信号传送到多个A/D转换器222中的一个或多个A/D转换器。
多个A/D转换器222可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为将来自接收器218的模拟信号转换为对应的数字信号。多个A/D转换器222设置在接收器218与RF处理器224之间。尽管如此,本公开在这方面并不受限制。因此,在一些实施方案中,可将多个A/D转换器222集成在接收器218内。
RF处理器224可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为解调由多个A/D转换器222输出的数字信号。根据一个实施方案,RF处理器224可包括复解调器(未示出),该复解调器可操作为解调数字信号,以形成代表对应回波信号的I/Q数据对。然后可将RF或I/Q信号数据传送到RF/IQ缓冲器226。RF/IQ缓冲器226可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为提供由RF处理器224生成的RF或I/Q信号数据的临时存储。
接收波束形成器220可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为执行数字波束形成处理,以例如对经由RF/IQ缓冲器226从RF处理器224接收的延迟信道信号求和并输出波束求和信号。所得的经处理的信息可以是从接收波束形成器220输出并且传送到信号处理器240的波束求和信号。根据一些实施方案,可将接收器218、多个A/D转换器222、RF处理器224和波束形成器220集成到单个波束形成器中,该单个波束形成器可以是数字波束形成器。在各个实施方案中,超声系统200包括多个接收波束形成器220。
用户输入设备230可用于输入患者数据、扫描参数、设置、选择协议和/或模板,与人工智能分段处理器交互以选择跟踪目标等。在示例性实施方案中,用户输入设备230可操作为配置、管理和/或控制超声系统200中的一个或多个部件和/或模块的操作。就这一点而言,用户输入设备230可操作为配置、管理和/或控制发射器202、超声探头204、发射波束形成器210、接收器218、接收波束形成器220、RF处理器224、RF/IQ缓冲器226、用户输入设备230、信号处理器240、图像缓冲器250、显示系统260和/或档案270的运行。
例如,用户输入设备230可包括按钮、旋转编码器、触摸屏、运动跟踪、语音识别、鼠标设备、键盘、相机和/或能够接收用户指令的任何其他设备。在特定实施方案中,例如,可将用户输入设备230中的一个或多个用户输入设备集成到诸如显示系统260或超声探头204之类的其它部件中。
例如,用户输入设备230可包括触摸屏显示器。作为另一个示例,用户输入设备230可包括附接到探头204和/或与探头集成的加速度计、陀螺仪和/或磁力仪,以提供探头204的姿势运动识别,诸如识别抵靠患者身体的一次或多次探头压缩、预定义探头移动或倾斜操作等。在一些情况下,用户输入设备230可附加地或另选地包括图像分析处理以通过分析所采集的图像数据来识别探头姿势。根据本公开,可将用户输入以及与其相关的功能配置成支持使用柱状图视图。例如,用户可能够通过用户输入设备230请求柱状图视图,指示显示柱状图视图的位置或方式和/或设置或调节与柱状图视图及其显示肺的参数。
信号处理器240可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为处理超声扫描数据(即,求和的IQ信号),以生成用于在显示系统260上呈现的超声图像。信号处理器240可操作为根据所采集的超声扫描数据上的多个可选超声模态来执行一个或多个处理操作。在示例性实施方案中,信号处理器240可操作为执行显示处理和/或控制处理等。随着接收到回波信号,可在扫描会话期间实时处理所采集的超声扫描数据。附加地或另选地,超声扫描数据可在扫描会话期间暂时存储在RF/IQ缓冲器226中并且在在线操作或离线操作中以不太实时的方式处理。在各个实施方案中,经处理的图像数据可呈现在显示系统260处和/或可存储在档案270中。档案270可以是本地档案、图片存档与通信系统(Picture Archiving and Communication System,PACS)或用于存储图像和相关信息的任何合适的设备。
信号处理器240可以是一个或多个中央处理单元、微处理器、微控制器等。例如,信号处理器240可以是集成部件,或者可分布在各个位置。信号处理器240可被配置用于从用户输入设备230和/或档案270接收输入信息,生成可由显示系统260显示的输出,并且响应于来自用户输入设备230的输入信息来操纵输出等。信号处理器240可执行例如根据本文各种实施方案中所讨论的方法和/或指令集中的任一者。
超声系统200可操作为按适于所考虑的成像情况的帧速率连续采集超声扫描数据。通常,帧速率在20至220的范围内,但可以更低或更高。所采集的超声扫描数据可与帧速率相同、或以更慢或更快的显示速率显示在显示系统260上。图像缓冲器250被包括以用于存储未被安排立即显示的所采集的超声扫描数据的处理的帧。优选地,图像缓冲器250具有足够的容量来存储至少几分钟的超声扫描数据的帧。超声扫描数据的帧以根据其采集顺序或时间易于从其取回的方式存储。图像缓冲器250可体现为任何已知的数据存储介质。
在示例性实施方案中,信号处理器240可包括柱状图查看模块242,该柱状图查看模块包括可被配置为执行和/或支持与利用柱状图视图改进三维(3D)医学图像的可视化相关或支持利用柱状图视图改进三维(3D)医学图像的可视化的各种功能或操作的合适的电路、接口、逻辑部件和/或代码,如本公开所描述。
在一些具体实施中,信号处理器240(和/或其部件,诸如柱状图查看模块242)可被配置为实现和/或使用人工智能和/或机器学习技术来增强和/或优化成像相关的功能或操作。例如,信号处理器240(和/或其部件,诸如柱状图查看模块242)可被配置为实现和/或使用深度学习技术和/或算法,诸如通过使用深度神经网络(例如,卷积神经网络(CNN)),并且/或者可以利用任何合适形式的人工智能图像分析技术或机器学习处理功能,该人工智能图像分析技术或机器学习处理功能可被配置为分析所采集的超声图像,诸如识别、分割、标记和跟踪满足特定标准和/或具有特定特征的结构(或其组织)。
在示例性具体实施中,可将信号处理器240(和/或其部件,诸如,柱状图查看模块242)提供为深度神经网络,该深度神经网络可以由例如输入层、输出层以及输入层和输出层之间的一个或多个隐藏层构成。每个层可由可称为神经元的多个处理节点构成。例如,深度神经网络可包括输入层,该输入层具有用于来自解剖结构的扫描平面的每个像素或一组像素的神经元,并且输出层可具有对应于多个预定义结构或结构类型(或其中的组织)的神经元。每个层的每个神经元可执行处理功能,并且将处理的超声图像信息传递到下游层的多个神经元中的一个神经元以用于进一步处理。
例如,第一层的神经元可学习以识别超声图像数据中的结构边缘。第二层的神经元可学习以基于来自第一层的检测边缘识别形状。第三层的神经元可学习所识别的形状相对于超声图像数据中的界标的位置。第四层的神经元可学习特定结构中存在的特定组织类型的特征等。因此,由深度神经网络(例如,卷积神经网络(CNN))执行的处理可允许以高概率识别超声图像数据中的生物结构和/或人工结构。
在一些具体实施中,信号处理器240(和/或其部件,诸如,柱状图查看模块242)可被配置为基于经由用户输入设备230的用户指令来执行或以其它方式控制由此执行的功能中的至少部分功能。例如,用户可提供语音命令、探头姿态、按钮按压等来发出特定指令,诸如从而发起和/或控制使用柱状图视图增强医学成像的可视化的各个方面,包括对图像或与之对应的数据进行的基于人工智能(AI)的分析(用于柱状图视图以及生成和/或显示柱状图视图)和/或从而提供或以其它方式指定与之肺的各种参数或设置,如本公开中所述。
训练引擎280可包括合适的电路、接口、逻辑部件和/或代码,该电路、接口、逻辑部件和/或代码可操作为训练信号处理器240(和/或其部件,诸如柱状图查看模块242)的深度神经网络的神经元。例如,可训练信号处理器240以识别超声扫描平面中提供的特定结构和/或组织(或其类型),其中训练引擎280训练其深度神经网络以执行所需功能中的一些功能,诸如使用各种结构的分类超声图像的数据库。
作为一个示例,训练引擎280可被配置为利用特定结构的超声图像相对于特定结构的特征(诸如结构边缘的外观、基于边缘的结构形状的外观、形状相对于超声图像数据中的界标的位置等)和/或相对于特定组织的特征(例如,其柔软性)来训练信号处理器240(和/或其部件,诸如柱状图查看模块242)。在各种实施方案中,训练图像的数据库可存储在档案270或任何合适的数据存储介质中。在某些实施方案中,训练引擎280和/或训练图像数据库可以是经由有线或无线连接通信地耦接到超声系统200的外部系统。
在操作中,超声系统200可用于生成超声图像,包括二维(2D)、三维(3D)和/或四维(4D)图像。在这方面,超声系统200可操作为特定的帧速率连续采集超声扫描数据,这可适用于所讨论的成像情况。例如,帧速率可在20至70的范围内,但可以更低或更高。所采集的超声扫描数据可与帧速率相同、或以更慢或更快的显示速率显示在显示系统260上。图像缓冲器250被包括以用于存储未被安排立即显示的所采集的超声扫描数据的处理的帧。优选地,图像缓冲器250具有足够的容量来储存至少几秒钟的超声扫描数据的帧。超声扫描数据的帧以根据其采集顺序或时间易于从其取回的方式存储。图像缓冲器250可体现为任何已知的数据存储介质。
在一些情况下,超声系统200可被配置为支持灰阶和基于颜色的操作。例如,信号处理器240可操作为执行灰阶B模式处理和/或颜色处理。灰阶B模式处理可包括处理B模式RF信号数据或IQ数据对。例如,灰阶B模式处理可使得通过计算量(I2+Q2)1/2能够形成波束求和接收信号的包络。该包络可经受附加的B模式处理,诸如对数压缩以形成显示数据。
显示数据可被转换为X-Y格式以用于视频显示。扫描转换的帧可映射至灰阶以用于显示。B模式帧被提供给图像缓冲器250和/或显示系统260。颜色处理可包括处理基于颜色的RF信号数据或IQ数据对以形成帧,以覆盖被提供给图像缓冲器250和/或显示系统260的B模式帧。灰阶和/或颜色处理可基于用户输入(例如,来自用户输入设备230的选择)自适应地调节,例如用于增强特定区域的灰阶和/或颜色。
在一些情况下,超声成像可包括体积超声图像的生成和/或显示(即,对象(例如,器官、组织等)以三维显示3D的位置)。在这方面,用3D(并且类似地用4D)成像,可采集包括对应于成像对象的体素的体积超声数据集。这可例如通过以不同角度发射声波而不是仅沿一个方向(例如,直向下)发射它们来完成,并且然后将它们的反射捕获回去。然后捕获并且处理(例如,经由信号处理器240)(以不同角度的发射的)返回回波以生成对应体积数据集,其继而可用于创建和/或显示体积(例如,3D)图像,诸如经由显示器250。这可能需要使用特定的处理技术来提供所需的3D感知。
例如,体积渲染技术可用于显示体积(例如,3D)数据集的投影(例如,2D投影)。在这方面,渲染3D数据集的2D投影可包括相对于正在显示的对象设置或限定空间上的感知角度,然后为数据集中的每个体素限定或计算必要的信息(例如,不透明度和颜色)。这可例如使用合适的传输函数来为每个体素限定RGBA(红色、绿色、蓝色和α)值来完成。
在各种具体实施中,超声系统200可被配置为支持利用柱状图视图来改进三维(3D)医学图像的可视化,如本公开所述。就这一点而言,如上所述,通过合并柱状图视图的显示,柱状图视图可用于改进基于医学成像的检查,柱状图视图包括将会使用户能够更快速且更容易地识别和检测图像中的可能对应于特定状况或疾病的区域或特征的信息。
例如,在超声系统200中进行超声成像操作期间,可通过显示系统260将柱状图连同对应的图像一起显示,尤其以将会增强医学检查的方式,例如,使柱状图与医学图像对准,以使得能够增强对图像内的感兴趣的区域或特征进行的检测。在一些情况下,诸如当对双器官(例如,肺)进行成像时,可使用双柱状图,以增强左右比较,如上所述。
可基于所采集的超声扫描数据或基于对其进行处理而获得的数据(例如,用于通过显示系统260进行图像显示)来生成在柱状图中使用的数据。就这一点而言,在一些情况下,可在超声系统200内(例如,在信号处理器240和/或其部件中,诸如柱状图查看模块242)直接获得或生成柱状图数据。另选地,可在单独的系统(例如,本地系统或远程系统)中获得或生成柱状图数据,该单独的系统可接收来自超声系统的数据(例如,所采集的超声扫描数据或基于对其进行处理而获得的数据)以及基于对接收到的数据进行的处理而发回柱状图数据。可能期望使用单独的系统来提供柱状图数据,例如,以避免使用医学成像系统中的资源,以使得能够更有效地对与柱状图查看肺的功能进行更新或修订(因为这将会减少需要进行更新的系统的数量)等。
一旦获得或生成柱状图数据,就可以显示柱状图。就这一点而言,可以以优化检测的方式显示柱状图视图,例如,在图像旁边并且与图像对准。例如,可将一维(1D)柱状图显示为与3D图像的2D投影视图对准(共享相同的轴)。下文参照图3和图4更详细地示出和描述柱状图的示例。
图3示出被配置用于支持柱状图的示例性医学成像系统的示例性使用场景,其中生成柱状图并且将其连同医学图像的投影一起显示。图3中示出的是医学图像300连同对应的一维(1D)柱状图310和320的屏幕截图。
可在医学成像检查期间在示例性医学成像系统(例如,图1的医学成像系统100)中生成和显示医学图像300。具体地,如图3中所示,医学图像300可以是基于三维(3D)体积的二维(2D)投影视图(例如,平均强度投影)。在图3中示出的示例性使用场景中,医学图像300是肺的图像。
根据本公开的示例性具体实施,可生成和显示一维(1D)柱状图310和320,与医学图像300的任一侧对准。就这一点而言,如上所述,使用柱状图可能有利,尤其是结合特定医学成像检查,诸如当检查肺时。在特定情况下可能期望以这种方式显示1D柱状图310和320,从而增强左右比较。例如,在检查肺期间可能期望此类增强式左右比较。
柱状图310和柱状图320各自包括对应于被检查的器官(例如,分别是左肺和右肺)内的切片的多个直条,其中每个直条的宽度对应于特定范围。就这一点而言,在柱状图310和柱状图320中的每一者中,沿着y轴的值对应于肺内的竖直位置,而在x轴上的值对应于每个直条的量度值。因此,如图3中所示,柱状图310和柱状图320包括每个直条的沿着x-y轴取平均值的量度(例如,高密度衰减),其中每个直条对应于在y轴上指示的竖直位置处穿过肺的切片。如图3中所示,使用柱状图310和柱状图320有助于快速地识别和量化肺中的特定特征,诸如对应于医学图像300中的区域302的超高密度病变。
在一些具体实施中,可由用户配置或调节与柱状图相关的参数中的一些参数(例如,直条的宽度)。然而,当对图像(例如,对应于不同患者的图像、同一患者的但在不同时间的图像等)进行比较时,柱状图的参数和配置应当保持恒定。
图4示出被配置用于支持柱状图的示例性医学成像系统的示例性使用场景,其中生成结合有多个量度的柱状图并且将其连同医学图像的投影一起显示。图4中示出的是医学图像400连同对应的一维(1D)柱状图410和420的屏幕截图。
可在医学成像检查期间在示例性医学成像系统(例如,图1的医学成像系统100)中生成和显示医学图像400。具体地,如图4中所示,医学图像400可以是基于三维(3D)体积的二维(2D)投影视图(例如,平均强度投影)。在图4中示出的示例性使用场景中,医学图像400是肺的图像。
可生成和显示一维(1D)柱状图410和420,使其与医学图像400的任一侧对准,以增强左右比较,在例如对肺进行检查期间可能期望增强左右比较。柱状图410和柱状图420可类似于柱状图310和柱状图320,并且因此类似地可包括柱状图410和柱状图420中的每一者中的每个切片的沿着x-y轴取平均值的量度。然而,柱状图410和柱状图420可包括多个量度。
就这一点而言,柱状图410和柱状图420可包括多个直条,其中每个直条的宽度对应于特定范围(例如,基于z轴的范围[z1,z2])。可基于在这个切片范围内计算得出的特定量度来确定每个直条内的每个柱的高度。量度的示例可包括分段的面积/体积(mm2或mm3)、2个分段掩模之间的面积比、体素值统计数据(均值、标准差、纹理等)等。
如图4中所示的示例性使用场景中所示,在一些具体实施中,可基于此类示出的多个量度(例如,高密度衰减和低密度衰减)来生成柱状图(例如,图4中的柱状图410和柱状图420),该多个量度可叠加在至少一些直条/切片内。然而,本公开不限于此,可使用其它类型的柱状图,诸如堆叠柱状图,其中不同的量度可堆叠于彼此之上。
对于双侧器官(例如,肺、肾、脑(其左/右结构)、骨、淋巴结等),可能尤其期望结合使用双柱状图视图(即,在双柱状图内,每个柱状图对称地显示在图像的每个部分或侧面上)来使用多个量度。就这一点而言,结合使用多个叠加量度来使用双柱状图视图可进一步增强和改进识别和量化特定特征,诸如肺中的(例如,对应于医学图像400中的区域402的)超高密度病变,因为它可能进一步强调肺中的病变的双侧范围。当使用医学成像来检查特定呼吸系统疾病的典型状况时,诸如新型冠状病毒肺炎疾病(COVID-19),这可能尤其有用。
图5示出用于使用柱状图视图来改进医学图像的可视化的示例性过程的流程图。图5中示出流程图500,该流程图包括多个示例性步骤(表示为框502至框510),这些步骤可在合适的医学成像系统(例如,图1的医学成像系统110或图2的超声系统200)中执行,以使用柱状图视图来改进医学图像的可视化。
在开始步骤502中,可设置该系统,并可启动操作。
在步骤504中,可在基于医学成像的检查(例如,针对肺)期间获得成像信号。例如,在超声成像系统(例如,图2的超声系统200)中,这可包括发射超声信号以及接收信号的对应回波。
在步骤506中,可对成像信号(例如,接收到的超声信号的回波)进行处理(例如,通过医学成像系统110的显示/控制单元114或超声系统200的信号处理器240),以生成对应的数据集以用于生成对应的医学图像(例如,超声图像)。就这一点而言,医学图像可以是三维(3D)图像。
在步骤508中,可生成柱状图数据。就这一点而言,如上所述,可基于例如图像信号、医学图像或基于成像信号或医学图像中的一者或两者的数据(例如,通过对其进行的处理,诸如通过医学成像系统110的显示/控制单元114或超声系统200的信号处理器240和柱状图查看模块242)生成本文中使用的柱状图或信息。此外,如上所述,可在医学成像系统内或在另一系统(本地或远程)中完成柱状图数据的生成。
在步骤510中,可将医学图像连同对应的柱状图一起显示。例如,如图3和图4中所示,可显示一维(1D)柱状图视图(例如,通过超声系统200的显示系统260),诸如沿着3D图像的二维(2D)投影(例如,在其旁边并且与其对准)。在一些情况下,可将信息传输到诸如远程设备(例如,用于在其中显示)。另外,在一些情况下,代替信息的显示或结合信息的显示,可生成和提供警报或一些其它合适的指示。
根据本公开的示例性方法包括处理在患者的医学成像检查期间获得的成像数据,其中成像数据对应于特定的医学成像技术;基于对所述成像数据的处理生成至少一个医学图像;基于至少一个医学图像生成柱状图数据;将至少一个柱状图连同至少一个医学图像或至少一个医学图像的投影一起显示,其中:至少一个柱状图包括柱状图数据或基于柱状图数据;以及将至少一个柱状图显示为紧邻至少一个医学图像或至少一个医学图像的投影并且与之对准。
在示例性具体实施中,该方法还包括将两个柱状图连同至少一个医学图像或至少一个医学图像的投影一起显示,其中:将该两个柱状图显示在至少一个医学图像或至少一个医学图像的投影的两个相对侧中的任一侧上。
在示例性具体实施中,生成柱状图数据包括确定用于至少一个医学图像内的多个切片的至少一个量度的值。
在示例性具体实施中,该方法还包括确定用于至少一个医学图像内的多个切片的两个或更多个量度的值,并且其中:显示至少一个柱状图包括显示至少一个柱状图内的两个或更多个量度的值。
在示例性具体实施中,该方法还包括将至少一个柱状图内的两个或更多个量度的值显示为叠加值或堆叠值。
在示例性具体实施中,该方法还包括卸载生成柱状图数据的至少一部分,或卸载用于生成柱状图数据的至少一部分的处理的至少一部分。
在示例性具体实施中,该方法还包括基于用户输入设置或调节至少一个柱状图的显示。
根据本公开的示例性非暂态计算机可读介质可在其上存储有具有至少一个代码段的计算机程序,该至少一个代码段可由包括至少一个处理器的机器执行,以使机器执行一个或多个步骤,该一个或多个步骤包括处理在患者的医学成像检查期间获得的成像数据,其中该成像数据对应于特定的医学成像技术;基于对所述成像数据的处理生成至少一个医学图像;基于至少一个医学图像生成柱状图数据;将至少一个柱状图连同至少一个医学图像或至少一个医学图像的投影一起显示,其中:至少一个柱状图包括柱状图数据或基于柱状图数据;以及将至少一个柱状图紧邻至少一个医学图像或至少一个医学图像的投影显示并且与之对准。
在示例性实施方案中,该一个或多个步骤还包括将两个柱状图连同至少一个医学图像或至少一个医学图像的投影一起显示,其中:将该两个柱状图显示在至少一个医学图像或至少一个医学图像的投影的两个相对侧中的任一侧上。
在示例性实施方案中,生成柱状图数据包括确定用于至少一个医学图像内的多个切片的至少一个量度的值。
在示例性实施方案中,该一个或多个步骤还包括确定用于至少一个医学图像内的多个切片的两个或更多个量度的值,并且其中:显示至少一个柱状图包括显示至少一个柱状图内的两个或更多个量度的值。
在示例性实施方案中,该一个或多个步骤还包括将至少一个柱状图内的两个或更多个量度的值显示为叠加值或堆叠值。
在示例性实施方案中,该一个或多个步骤还包括卸载生成柱状图数据的至少一部分,或卸载用于生成柱状图数据的至少一部分的处理的至少一部分。
在示例性实施方案中,该一个或多个步骤还包括基于用户输入设置或调节至少一个柱状图的显示。
根据本公开的示例性系统包括被配置为在患者的医学成像检查期间获得成像数据的设备,其中该成像数据对应于特定的医学成像技术;显示设备,所述显示设备被配置为显示医学图像;和至少一个处理器,该至少一个处理器被配置为:处理在医学成像检查期间获得的成像数据;基于对所述成像数据的处理生成至少一个医学图像;基于所述至少一个医学图像生成柱状图数据;通过显示设备将至少一个柱状图连同至少一个医学图像或至少一个医学图像的投影一起显示,其中:该至少一个柱状图包括柱状图数据或基于柱状图数据;以及将至少一个柱状图显示为紧邻至少一个医学图像或至少一个医学图像的投影并且与之对准。
在示例性实施方案中,该至少一个处理器被配置为通过显示设备将两个柱状图连同至少一个医学图像或至少一个医学图像的投影一起显示,其中:将该两个柱状图显示在至少一个医学图像或至少一个医学图像的投影的两个相对侧中的任一侧上。
在示例性实施方案中,该至少一个处理器被配置为:当生成柱状图数据时,确定用于至少一个医学图像内的多个切片的至少一个量度的值。
在示例性实施方案中,该至少一个处理器被配置为确定用于至少一个医学图像内的多个切片的两个或更多个量度的值,并且其中:显示至少一个柱状图包括显示至少一个柱状图内的两个或更多个量度的值。
在示例性实施方案中,该至少一个处理器被配置为将至少一个柱状图内的两个或更多个量度的值显示为叠加值或堆叠值。
在示例性实施方案中,该至少一个处理器被配置为卸载生成柱状图数据的至少一部分,或卸载用于生成柱状图数据的至少一部分的处理的至少一部分。
在示例性实施方案中,该至少一个处理器被配置为基于用户输入设置或调节至少一个柱状图的显示。
如本文所用,术语“电路(circuit/circuitry)”是指物理电子部件(例如,硬件)以及可配置硬件、由硬件执行和/或以其他方式与硬件相关联的任何软件和/或固件(“代码”)。例如,如本文所用,当执行一条或多条第一代码时,特定处理器和存储器可包括第一“电路”,并且在执行一条或多条第二代码时,特定处理器和存储器可包括第二“电路”。如本文所用,“和/或”表示列表中的由“和/或”连结的项中的任一个或多个项。例如,“x和/或y”表示三元素集{(x),(y),(x,y)}中的任何元素。换句话讲,“x和/或y”意指“x和y中的一者或两者”。作为另一个示例,“x、y和/或z”表示七元素集{(x),(y),(z),(x,y),(x,z),(y,z),(x,y,z)}中的任何元素。换句话讲,“x、y和/或z”意指“x、y和z中的一者或多者”。如本文所用,术语“框”和“模块”是指可由一个或多个电路执行的功能。如本文所用,术语“示例性”表示用作非限制性示例、实例或例证。如本文所用,术语“例如(for example/e.g.)”引出一个或多个非限制性示例、实例或例证的列表。如本文所用,电路“可操作为”每当该电路包括执行功能的必需硬件(和代码,如果需要的话)时就执行该功能,不管是否(例如,通过某些用户可配置的设置、工厂微调等)禁用或不启用该功能的执行。
本发明的其他实施方案可提供其上存储有机器代码和/或计算机程序的非暂态计算机可读介质和/或存储介质和/或非暂态机器可读介质和/或存储介质,该机器代码和/或计算机程序具有至少一个代码段,该至少一个代码段能够由机器和/或计算机执行,从而使机器和/或计算机执行如本文所述的过程。
因此,本公开可在硬件、软件或硬件和软件的组合中实现。本发明可以集中方式在至少一个计算系统中实现,或以分布式方式实现,其中不同的元件分布在若干互连的计算系统上。适于执行本文所述的方法的任何种类的计算系统或其他装置都是合适的。硬件和软件的典型组合可以是具有程序或其他代码的通用计算系统,该程序或其他代码在加载和执行时控制计算系统,使得其执行本文所述的方法。另一个典型的具体实施可包括专用集成电路或芯片。
根据本公开的各种实施方案也可嵌入计算机程序产品中,该计算机程序产品包括能够实现本文所述的方法的所有特征,并且当加载到计算机系统中时能够执行这些方法。本文中的计算机程序是指以任何语言、代码或符号表示的一组指令的任何表达,这些指令旨在使具有信息处理能力的系统直接执行特定功能或在以下两项或其中一项之后执行特定功能:a)转换为另一种语言、代码或符号;b)以不同的物质形式进行复制。
虽然已经参考某些实施方案来描述了本发明,但是本领域的技术人员应当理解,在不脱离本发明的范围的情况下,可以进行各种改变并可以替换等同物。另外,在不脱离本发明的范围的情况下,可以进行许多修改以使特定情况或材料适应于本发明的教导。因此,本发明不旨在限于所公开的特定实施方案,而是本发明将包括落入所附权利要求书的范围内的所有实施方案。
Claims (20)
1.一种方法,所述方法包括:
处理在患者的医学成像检查期间获得的成像数据,其中所述成像数据对应于特定的医学成像技术;
基于对所述成像数据的处理生成至少一个医学图像;
基于所述至少一个医学图像生成柱状图数据;以及
将至少一个柱状图连同所述至少一个医学图像或所述至少一个医学图像的投影一起显示,其中:
所述至少一个柱状图包括所述柱状图数据或基于所述柱状图数据;并且
将所述至少一个柱状图显示为紧邻所述至少一个医学图像或所述至少一个医学图像的所述投影并且与之对准。
2.根据权利要求1所述的方法,还包括将两个柱状图连同所述至少一个医学图像或所述至少一个医学图像的所述投影一起显示,其中:
将所述两个柱状图显示在所述至少一个医学图像或所述至少一个医学图像的所述投影的两个相对侧中的任一侧上。
3.根据权利要求1所述的方法,其中生成所述柱状图数据包括确定用于所述至少一个医学图像内的多个切片的至少一个量度的值。
4.根据权利要求3所述的方法,还包括确定用于所述至少一个医学图像内的所述多个切片的两个或更多个量度的值,并且其中:
显示所述至少一个柱状图包括显示所述至少一个柱状图内的两个或更多个量度的值。
5.根据权利要求4所述的方法,还包括将所述至少一个柱状图内的所述两个或更多个量度的所述值显示为叠加值或堆叠值。
6.根据权利要求1所述的方法,还包括卸载生成所述柱状图数据的至少一部分,或卸载用于所述生成所述柱状图数据的所述至少一部分的处理的至少一部分。
7.根据权利要求1所述的方法,还包括基于用户输入设置或调节所述至少一个柱状图的所述显示。
8.一种非暂态计算机可读介质,所述非暂态计算机可读介质在其上存储有计算机程序,所述计算机程序具有至少一个代码段,所述至少一个代码段能够由包括至少一个处理器的机器执行以使所述机器执行一个或多个步骤,所述一个或多个步骤包括:
处理在患者的医学成像检查期间获得的成像数据,其中所述成像数据对应于特定的医学成像技术;
基于对所述成像数据的处理生成至少一个医学图像;
基于所述至少一个医学图像生成柱状图数据;以及
将至少一个柱状图连同所述至少一个医学图像或所述至少一个医学图像的投影一起显示,其中:
所述至少一个柱状图包括所述柱状图数据或基于所述柱状图数据;并且
所述至少一个柱状图紧邻所述至少一个医学图像或所述至少一个医学图像的所述投影显示并且与之对准。
9.根据权利要求8所述的非暂态计算机可读介质,其中所述一个或多个步骤还包括将两个柱状图连同所述至少一个医学图像或所述至少一个医学图像的所述投影一起显示,其中:
将所述两个柱状图显示在所述至少一个医学图像或所述至少一个医学图像的所述投影的两个相对侧中的任一侧上。
10.根据权利要求8所述的非暂态计算机可读介质,其中生成所述柱状图数据包括确定用于所述至少一个医学图像内的多个切片的至少一个量度的值。
11.根据权利要求10所述的非暂态计算机可读介质,其中所述一个或多个步骤还包括确定用于所述至少一个医学图像内的所述多个切片的两个或更多个量度的值,并且其中:
显示所述至少一个柱状图包括显示所述至少一个柱状图内的所述两个或更多个量度的所述值。
12.根据权利要求11所述的非暂态计算机可读介质,其中所述一个或多个步骤还包括将所述至少一个柱状图内的所述两个或更多个量度的所述值显示为叠加值或堆叠值。
13.根据权利要求8所述的非暂态计算机可读介质,其中所述一个或多个步骤还包括卸载生成所述柱状图数据的至少一部分,或卸载用于所述生成所述柱状图数据的所述至少一部分的处理的至少一部分。
14.根据权利要求8所述的非暂态计算机可读介质,其中所述一个或多个步骤还包括基于用户输入设置或调节所述至少一个柱状图的所述显示。
15.一种系统,所述系统包括:
被配置为在患者的医学成像检查期间获得成像数据的设备,其中所述成像数据对应于特定医学成像技术;
显示设备,所述显示设备被配置为显示医学图像;和
至少一个处理器,所述至少一个处理器被配置为:
处理在所述医学成像检查期间获得的所述成像数据;
基于对所述成像数据的处理生成至少一个医学图像;
基于所述至少一个医学图像生成柱状图数据;以及
通过所述显示设备将至少一个柱状图连同所述至少一个医学图像或所述至少一个医学图像的投影一起显示,其中:
所述至少一个柱状图包括所述柱状图数据或基于所述柱状图数据;以及
所述至少一个柱状图紧邻所述至少一个医学图像或所述至少一个医学图像的所述投影显示并且与之对准。
16.根据权利要求15所述的系统,其中所述至少一个处理器被配置为通过所述显示设备将两个柱状图连同所述至少一个医学图像或所述至少一个医学图像的所述投影一起显示,其中:
将所述两个柱状图显示在所述至少一个医学图像或所述至少一个医学图像的所述投影的两个相对侧中的任一侧上。
17.根据权利要求15所述的系统,其中所述至少一个处理器被配置为:当生成所述柱状图数据时,确定用于所述至少一个医学图像内的多个切片的至少一个量度的值。
18.根据权利要求17所述的系统,其中所述至少一个处理器被配置为确定用于所述至少一个医学图像内的所述多个切片的两个或更多个量度的值,并且其中:
显示所述至少一个柱状图包括显示所述至少一个柱状图内的所述两个或更多个量度的所述值。
19.根据权利要求15所述的系统,其中所述至少一个处理器被配置为卸载生成所述柱状图数据的至少一部分,或卸载用于所述生成所述柱状图数据的所述至少一部分的处理的至少一部分。
20.根据权利要求15所述的系统,其中所述至少一个处理器被配置为基于用户输入设置或调节所述至少一个柱状图的所述显示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/187,254 | 2021-02-26 | ||
US17/187,254 US11881301B2 (en) | 2021-02-26 | 2021-02-26 | Methods and systems for utilizing histogram views for improved visualization of three-dimensional (3D) medical images |
PCT/US2022/016533 WO2022182551A1 (en) | 2021-02-26 | 2022-02-16 | Methods and systems for utilizing histogram views for improved visualization of three-dimensional (3d) medical images |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116830159A true CN116830159A (zh) | 2023-09-29 |
Family
ID=83006580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280014368.6A Pending CN116830159A (zh) | 2021-02-26 | 2022-02-16 | 利用柱状图视图来改进三维(3d)医学图像的可视化的方法和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11881301B2 (zh) |
EP (1) | EP4298611A1 (zh) |
CN (1) | CN116830159A (zh) |
WO (1) | WO2022182551A1 (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6018590A (en) * | 1997-10-07 | 2000-01-25 | Eastman Kodak Company | Technique for finding the histogram region of interest based on landmark detection for improved tonescale reproduction of digital radiographic images |
US7907759B2 (en) * | 2006-02-02 | 2011-03-15 | Wake Forest University Health Sciences | Cardiac visualization systems for displaying 3-D images of cardiac voxel intensity distributions with optional physician interactive boundary tracing tools |
US10008184B2 (en) * | 2005-11-10 | 2018-06-26 | Hologic, Inc. | System and method for generating a 2D image using mammography and/or tomosynthesis image data |
US8548215B2 (en) * | 2007-11-23 | 2013-10-01 | Pme Ip Australia Pty Ltd | Automatic image segmentation of a volume by comparing and correlating slice histograms with an anatomic atlas of average histograms |
US8395376B2 (en) | 2010-11-22 | 2013-03-12 | 4D Imaging, Inc. | Method and apparatus for magnetic response imaging |
EP3662839B1 (en) * | 2014-09-16 | 2023-07-19 | Sirona Dental, Inc. | Methods, systems, apparatuses, and computer programs for processing tomographic images |
JP7002901B2 (ja) * | 2017-09-28 | 2022-02-10 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置及び医用画像処理装置 |
US11030742B2 (en) | 2019-03-29 | 2021-06-08 | GE Precision Healthcare LLC | Systems and methods to facilitate review of liver tumor cases |
-
2021
- 2021-02-26 US US17/187,254 patent/US11881301B2/en active Active
-
2022
- 2022-02-16 WO PCT/US2022/016533 patent/WO2022182551A1/en active Application Filing
- 2022-02-16 CN CN202280014368.6A patent/CN116830159A/zh active Pending
- 2022-02-16 EP EP22760220.8A patent/EP4298611A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4298611A1 (en) | 2024-01-03 |
US11881301B2 (en) | 2024-01-23 |
US20220277834A1 (en) | 2022-09-01 |
WO2022182551A1 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10515452B2 (en) | System for monitoring lesion size trends and methods of operation thereof | |
US11715202B2 (en) | Analyzing apparatus and analyzing method | |
US20150057544A1 (en) | Ultrasound diagnostic apparatus, ultrasound image processing method, and non-transitory computer readable recording medium | |
US20120065499A1 (en) | Medical image diagnosis device and region-of-interest setting method therefore | |
CN114902288A (zh) | 利用基于解剖结构的三维(3d)模型切割进行三维(3d)打印的方法和系统 | |
CN115813434A (zh) | 用于由胎儿超声扫描自动评估分数肢体体积和脂肪瘦体块的方法和系统 | |
US11250564B2 (en) | Methods and systems for automatic measurement of strains and strain-ratio calculation for sonoelastography | |
CN112515944B (zh) | 具有用于心肺复苏(cpr)按压的实时反馈的超声成像 | |
US11627941B2 (en) | Methods and systems for detecting pleural irregularities in medical images | |
US11452494B2 (en) | Methods and systems for projection profile enabled computer aided detection (CAD) | |
US11890142B2 (en) | System and methods for automatic lesion characterization | |
US11881301B2 (en) | Methods and systems for utilizing histogram views for improved visualization of three-dimensional (3D) medical images | |
US20210275047A1 (en) | Methods and systems for medical imaging based analysis of ejection fraction and fetal heart functions | |
CN114098687B (zh) | 用于超声运动模式的自动心率测量的方法和系统 | |
US20230123169A1 (en) | Methods and systems for use of analysis assistant during ultrasound imaging | |
US20240070817A1 (en) | Improving color doppler image quality using deep learning techniques | |
CN117795497A (zh) | 用于实现和使用医学数字成像和通信(dicom)结构化报告(sr)对象合并的方法和系统 | |
US20220378403A1 (en) | Ultrasound diagnostic apparatus and diagnosis assistance method | |
CN116650006A (zh) | 用于自动超声检查的系统和方法 | |
CN117197024A (zh) | 医学成像方法、装置以及系统 |
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 |