CN116958037A - 用于对超声图像进行自动分割和阶段预测的方法和系统 - Google Patents

用于对超声图像进行自动分割和阶段预测的方法和系统 Download PDF

Info

Publication number
CN116958037A
CN116958037A CN202310378334.1A CN202310378334A CN116958037A CN 116958037 A CN116958037 A CN 116958037A CN 202310378334 A CN202310378334 A CN 202310378334A CN 116958037 A CN116958037 A CN 116958037A
Authority
CN
China
Prior art keywords
menstrual cycle
ultrasound
anatomical structure
patient
processor
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
CN202310378334.1A
Other languages
English (en)
Inventor
阿拉蒂·斯雷库马里
帕万·安南吉
B·帕蒂尔
斯蒂芬·安岑格鲁贝
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.)
GE Precision Healthcare LLC
Original Assignee
GE Precision Healthcare LLC
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 GE Precision Healthcare LLC filed Critical GE Precision Healthcare LLC
Publication of CN116958037A publication Critical patent/CN116958037A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • 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
    • A61B8/46—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
    • A61B8/466—Displaying means of special interest adapted to display 3D data
    • 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
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color 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
    • G06T2207/10—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
    • G06T2207/20081—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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/032—Recognition of patterns in medical or anatomical images of protuberances, polyps nodules, etc.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Vascular Medicine (AREA)
  • Geometry (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

提供用于对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的系统和方法。该方法包括由超声系统的超声探头采集具有在患者月经周期内发生改变的解剖结构的感兴趣区域的超声图像。该方法包括由超声系统的至少一个处理器自动分割超声图像中描绘的解剖结构。该方法包括由至少一个处理器基于解剖结构的分割自动预测月经周期阶段。该方法包括由至少一个处理器使得显示系统呈现分割后的解剖结构的至少一个绘制图和所预测的月经周期阶段。

Description

用于对超声图像进行自动分割和阶段预测的方法和系统
技术领域
某些实施方案涉及超声成像。更具体地，某些实施方案涉及用于对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的方法和系统。
背景技术
超声成像是用于对人体中的器官和软组织进行成像的医学成像技术。超声成像使用实时的、非侵入性高频声波来产生一系列二维(2D)图像和/或三维(3D)图像。
超声成像可涉及分割超声图像中的解剖结构，以用于分析和诊断。然而，某些解剖结构的形状、外观、尺寸和/或回声强度可能在诸如患者月经周期等时间段内发生变化。例如，在患者月经周期的增殖阶段期间，超声图像中的子宫内膜的形状和外观可能具有子宫内膜衬的三线外观。在患者月经周期的分泌阶段期间，子宫内膜可能看起来厚并且回声增强。在患者月经周期的月经阶段期间，子宫内膜可能看起来薄并且回声增强。对于不同的病理，包括子宫内膜异位、子宫内膜癌、子宫内膜息肉、纤维瘤、子宫内膜形态等，子宫内膜外观也可能发生改变。因此，由于解剖结构的形状、外观、尺寸和/或回声强度高度波动，因此，可能难以对来自妇科子宫超声扫描的子宫内膜腔或其它在特定时间段内发生改变的解剖结构进行自动分割。
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
提供了一种用于对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的系统和/或方法，该系统和/或方法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、以及其例示的实施方案的细节。
附图说明
图1是根据各种实施方案的可操作为对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的示例性超声系统的框图。
图2是根据各种实施方案的示出可用于对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的示例性步骤的流程图。
具体实施方式
某些实施方案可存在于用于对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的方法和系统中。本公开的各个方面具有对形状、外观、尺寸和/或回声强度在特定时间段内高度波动的解剖结构进行自动分割的技术效应。各种实施方案具有预测在患者月经周期内发生改变的解剖结构的超声图像中的月经周期阶段的技术效应。某些实施方案具有提供被配置为分割解剖结构以及预测时间段的阶段的单个网络架构的技术效应。本公开的各个方面具有生成分割后的解剖结构的绘制图以与所预测的时间段的阶段一起显示的技术效应。
当结合附图阅读时，将更好地理解前述发明内容以及以下对某些实施方案的详细描述。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，一个或多个功能块(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个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字词“一”或“一个”开头的元件或步骤应当被理解为不排除多个所述元件或步骤，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”具有特定属性的一个元素或多个元素的实施方案可以包括不具有该属性的附加元素。
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、对比增强超声(CEUS)，和/或B模式和/或CF的子模式，诸如谐波成像、剪切波弹性成像(SWEI)、应变弹性成像、TVI、PDI、B-flow、MVI、UGAP，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，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)、图形处理单元(GPU)、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种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，而在其他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”。另外，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，例如，在软件、固件、硬件或它们的组合中执行超声处理以形成图像，包括超声波束形成，诸如接收波束形成。具有根据各个实施方案形成的软件波束形成器架构的超声系统的一个具体实施在图1中示出。
图1是根据各种实施方案的可操作为对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的示例性超声系统100的框图。参考图1，示出了超声系统100和训练系统200。超声系统100包括发射器102、超声探头104、发射波束形成器110、接收器118、接收波束形成器120、A/D转换器122、RF处理器124、RF/IQ缓冲器126、用户输入设备130、信号处理器132、图像缓冲器136、显示系统134和档案138。
发射器102可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为驱动超声探头104。超声探头104可包括压电元件的二维(2D)阵列。超声探头104可包括通常构成相同元件的一组发射换能器元件106和一组接收换能器元件108。在某些实施方案中，超声探头104可操作为采集覆盖了至少大部分解剖结构(诸如子宫、胎儿、心脏、血管或任何合适的解剖结构)的超声图像数据。
发射波束形成器110可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为控制发射器102，该发射器通过发射子孔径波束形成器114驱动该组发射换能器元件106以将超声发射信号发到感兴趣区域(例如，人类、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108接收。
超声探头104中的该组接收换能器元件108可操作为将所接收的回波转换为模拟信号，通过接收子孔径波束形成器116进行子孔径波束形成，并且然后传送到接收器118。接收器118可包括合适的逻辑部件、电路、接口和/或代码，该逻辑部件、电路、接口和/或代码可操作为接收来自接收子孔径波束形成器116的信号。可以将模拟信号传送到一个或多个A/D转换器122。
多个A/D转换器122可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为将来自接收器118的模拟信号转换为对应的数字信号。多个A/D转换器122设置在接收器118与RF处理器124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122集成在接收器118内。
RF处理器124可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为解调由多个A/D转换器122输出的数字信号。根据一个实施方案，RF处理器124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126。RF/IQ缓冲器126可包括合适的逻辑部件、电路、接口和/或代码，该逻辑部件、电路、接口和/或代码可操作为提供由RF处理器124生成的RF或I/Q信号数据的临时存储。
接收波束形成器120可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/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126从RF处理器124接收的延迟信道信号求和并输出波束求和信号。所得到的经处理的信息可以是从接收波束形成器120输出并且传送到信号处理器132的波束求和信号。根据一些实施方案，可将接收器118、多个A/D转换器122、RF处理器124和波束形成器120集成到单个波束形成器中，该单个波束形成器可以是数字的。在各个实施方案中，超声系统100包括多个接收波束形成器120。
用户输入设备130可用于输入患者数据、图像采集和扫描参数、设置、配置参数，选择协议和/或模板，改变扫描模式等。在示例性实施方案中，用户输入设备130可操作为配置、管理和/或控制超声系统100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130可操作为配置、管理和/或控制发射器102、超声探头104、发射波束形成器110、接收器118、接收波束形成器120、RF处理器124、RF/IQ缓冲器126、用户输入设备130、信号处理器132、图像缓冲器136、显示系统134和/或档案138的操作。用户输入设备130可包括一个或多个按钮、一个或多个旋转编码器、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130中的一个或多个用户输入设备集成到其他部件(诸如显示系统134或超声探头104)中。例如，用户输入设备130可包括触摸屏显示器。
信号处理器132可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/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134上呈现的超声图像。信号处理器132可操作以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132可用于执行显示处理和/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126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134处和/或可存储在档案138中。档案138可以是本地档案、图片归档和通信系统(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132可以是一个或多个中央处理单元、图形处理单元、微处理器、微控制器等。例如，信号处理器132可以是集成部件，或者可分布在各个位置。在示例性实施方案中，信号处理器132可包括分割和阶段预测处理器140、绘制处理器150和测量处理器160，并且能够从用户输入设备130和/或档案138接收输入信息，生成可由显示系统134显示的输出，并且响应于来自用户输入设备130的输入信息来操纵输出等。例如，信号处理器132、分割和阶段预测处理器140、绘制处理器150和测量处理器160可能够执行在本文根据各种实施方案所论述的方法和/或指令集中的任一者。
超声系统100可操作为以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120的范围内，但可更低或更高。获取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134上。图像缓冲器136被包括以用于存储未被安排立即显示的获取的超声扫描数据的处理的帧。优选地，图像缓冲器136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获取顺序或时间易于从其取回的方式存储。图像缓冲器136可体现为任何已知的数据存储介质。
信号处理器132可包括分割和阶段预测处理器140，该分割和阶段预测处理器包括合适的逻辑部件、电路、接口和/或代码，该逻辑部件、电路、接口和/或代码可操作为接收二维(2D)超声图像和/或三维(3D)超声立体图像。分割和阶段预测处理器140可被配置为从超声图像(例如，2D和/或3D)自动分割出解剖结构以及预测月经周期阶段。例如，解剖结构的形状、外观、尺寸和/或回声强度可能在特定时间段内高度波动。例如，解剖结构可以是子宫内膜、卵巢、子宫内膜息肉、子宫中的纤维瘤和/或在特定时间段内发生改变的任何合适的解剖结构。时间段可以是患者月经周期。月经周期阶段可以是月经周期的天数、天数的范围(例如，增殖阶段、分泌阶段、月经阶段)的标识或任何合适的月经周期阶段标识。在各种实施方案中，月经周期阶段预测可包括病理状况预测，诸如子宫内膜异位、子宫内膜癌、子宫内膜息肉、纤维瘤、子宫内膜形态等等。超声图像可以是妇科子宫超声扫描等等。
分割和阶段预测处理器140可包括图像分析算法、人工智能算法、一个或多个深度神经网络(例如，卷积神经网络)和/或可利用被配置为从超声图像(例如，2D和/或3D)自动分割出解剖结构以及预测月经周期阶段的任何合适形式的图像分析技术或机器学习处理功能。分割和阶段预测处理器140可将分割后的解剖结构和所预测的月经周期阶段提供给绘制处理器150以用于呈现在显示系统134，将分割后的解剖结构和所预测的月经周期阶段提供给测量处理器160以用于执行测量和/或将分割后的解剖结构和所预测的月经周期阶段存储在档案138和/或任何合适的数据存储介质中。
在各种实施方案中，分割和阶段预测处理器140可被提供作为深度神经网络，该深度神经网络可由例如输入层、输出层以及在输入层与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，分割和阶段预测处理器140可包括输入层，该输入层具有用于诸如妇科子宫超声扫描等超声图像的每个像素或一组像素的神经元。输出层可具有对应于分割后的解剖结构和所预测的月经周期阶段的神经元。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。由分割和阶段预测处理器140深度神经网络(例如，卷积神经网络)执行的处理可分割解剖结构以及以高概率度预测在超声图像中描绘的月经周期阶段。
信号处理器132可包括绘制处理器150，该绘制处理器包括合适的逻辑部件、电路、接口和/或代码，该逻辑部件、电路、接口和/或代码可操作为从分割和阶段预测处理器140接收或从档案138和/或任何合适的数据存储介质检索分割后的解剖结构和所预测的月经周期阶段。绘制处理器150可被配置为基于分割后的解剖结构生成解剖结构的一个或多个绘制图。例如，绘制处理器150可包括合适的逻辑部件、电路、接口和/或代码，该逻辑部件、电路、接口和/或代码可操作为生成立体绘制图、横截面图像、A平面(即，平行于采集平面的平面)、B平面(即，垂直于A平面但仍然平行于超声束的平面)、C平面(即，通常被称为冠状平面，或距换能器面不同深度处并且平行于换能器面，并且垂直于超声束的二维切片)、弯曲切片(例如，沿着诸如子宫的子宫内膜等弯曲的解剖结构从3D立体提取到的2D图像切片)和/或任何合适的超声图像。绘制处理器150可被配置为使得显示系统134呈现生成的带有所预测的月经周期阶段的图像和/或将生成的带有所预测的月经周期阶段的图像存储在档案138和/或任何合适的数据存储介质中。
信号处理器132可包括测量处理器160，该测量处理器包括合适的逻辑部件、电路、接口和/或代码，该逻辑部件、电路、接口和/或代码可操作为对分割后的解剖结构执行测量。例如，测量处理器160可被配置为对分割后的解剖结构执行立体测量、长度测量、宽度测量和/或任何合适的测量。测量处理器160可被配置为使得显示系统134呈现测量结果。测量处理器160可被配置为将测量结果存储在档案138和/或任何合适的数据存储介质中。
仍然参考图1，显示系统134可以是能够将视觉信息传送给用户的任何设备。例如，显示系统134可包括液晶显示器、发光二极管显示器、和/或任何合适的一种或多种显示器。显示系统134可操作为呈现分割后的解剖结构的绘制图、所预测的月经周期阶段、测量结果和/或任何合适的信息。
档案138可以是与超声系统100集成和/或(例如，通过网络)通信地耦接到超声系统100的一个或多个计算机可读存储器，诸如图片归档和通信系统(PACS)、服务器、硬盘、软盘、CD、CD-ROM、DVD、紧凑存储装置、闪存存储器、随机存取存储器、只读存储器、电可擦除和可编程只读存储器和/或任何合适的存储器。档案138可包括例如由信号处理器132访问和/或与信号处理器132结合的数据库、库、信息集或其他存储器。例如，档案138能够暂时或永久地存储数据。档案138可能能够存储医学图像数据、由信号处理器132生成的数据和/或信号处理器132可读取的指令等。在各种实施方案中，档案138存储超声图像、分割后的解剖结构、月经周期阶段预测、分割后的解剖结构的绘制图；例如，分割后的解剖结构的测量结果、用于分割解剖结构以及预测月经周期阶段的指令、用于生成分割后的解剖结构的绘制图的指令、用于对分割后的解剖结构执行测量的指令和/或任何合适的图像、信息和/或指令。
超声系统100的部件可在软件、硬件、固件等中实现。超声系统100的各个部件可以通信地连接。超声系统100的部件可单独实现和/或以各种形式集成。例如，显示系统134和用户输入设备130可集成为触摸屏显示器。
仍然参考图1，训练系统200可包括训练引擎210和训练数据库220。训练引擎210可包括合适的逻辑部件、电路、接口和/或代码，该逻辑部件、电路、接口和/或代码可操作为训练由分割和阶段预测处理器140推断(例如，部署)的深度神经网络(例如，人工智能分类适配的分割网络)的神经元。例如，由分割和阶段预测处理器140推断的分类适配的分割网络可被训练成自动分割超声图像中描绘的解剖结构以及预测月经周期阶段。例如，训练引擎210可训练由分割和阶段预测处理器140部署的分类适配的分割网络，以使用所分类的解剖结构和对应的阶段标记的数据库220来自动分割超声图像中描绘的解剖结构以及预测月经周期阶段。所分类的解剖结构可包括输入图像和手动分割后的解剖结构的地面真值二进制图像(例如，掩模)。训练引擎210可被配置为通过调整分类适配的分割网络的权重来优化分类适配的分割网络，以使输入地面真值掩模和输出所预测的掩模之间的分割损失函数最小化。阶段标记可以是月经周期的天数、天数的范围(例如，增殖阶段、分泌阶段、月经阶段)或任何合适的月经周期阶段标识。训练引擎210可被配置为通过调整分类适配的分割网络的权重来优化分类适配的分割网络，以使输入阶段标记和输出所预测的阶段之间的分类损失函数最小化。
在各种实施方案中，训练图像的数据库220可以是图片归档和通信系统(PACS)或任何合适的数据存储介质。在特定实施方案中，训练引擎210和/或训练图像数据库220可以是经由有线或无线连接通信地耦接到超声系统100的远程系统，如图1所示。附加地和/或另选地，训练系统200的部件或全部可以以各种形式与超声系统100集成。
图2是根据各种实施方案的示出可用于对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的示例性步骤302至312的流程图300。参考图2，示出了包括示例性步骤302至312的流程图300。某些实施方案可省略一个或多个步骤，和/或以与所列顺序不同的顺序执行步骤，和/或组合下文讨论的某些步骤。例如，在特定实施方案中可能不执行一些步骤。又如，某些步骤可能以与下面所列时间顺序不同的时间顺序执行，包括同时执行。
在步骤302，分类适配的分割网络被训练成自动分割在特定时间段内发生改变的解剖结构，以及被训练成预测该时间段的阶段。例如，训练系统200的训练引擎210使用所分类的解剖结构和对应的阶段标记的数据库220来训练分类适配的分割网络。所分类的解剖结构可包括输入图像和手动分割后的解剖结构的地面真值二进制图像(例如，掩模)。训练引擎210可被配置为通过调整分类适配的分割网络的权重来优化分类适配的分割网络，以使输入地面真值掩模和输出所预测的掩模之间的分割损失函数最小化。阶段标记可以是月经周期的天数、天数的范围(例如，增殖阶段、分泌阶段、月经阶段)或任何合适的月经周期阶段标识。在各种实施方案中，阶段标记可包括病理状况标记，诸如子宫内膜异位、子宫内膜癌、子宫内膜息肉、纤维瘤、子宫内膜形态等等。训练引擎210可被配置为通过调整分类适配的分割网络的权重来优化分类适配的分割网络，以使输入阶段标记和输出所预测的阶段之间的分类损失函数最小化。分类适配的分割网络可以是可操作为不但从2D或3D超声图像自动分割出解剖结构，而且预测月经周期阶段的单个网络。例如，解剖结构的形状、外观、尺寸和/或回声强度可能在特定时间段内高度波动。例如，解剖结构可以是子宫内膜、卵巢、子宫内膜息肉、子宫中的纤维瘤和/或在特定时间段内发生改变的任何合适的解剖结构。时间段可以是患者月经周期。输入图像可以是妇科子宫超声扫描等等。
在步骤304，超声系统100的超声探头104采集具有在患者月经周期内发生改变的解剖结构的感兴趣区域的超声图像。例如，超声探头104可被导航为执行妇科子宫超声扫描等等。所采集的超声图像可呈现在超声系统100的显示系统134，提供给超声系统100的信号处理器132的分割和阶段预测处理器140和/或存储在超声系统100的档案138和/或任何合适的数据存储介质中。
在步骤306，超声系统100的信号处理器132可自动分割超声图像中的解剖结构。例如，信号处理器132的分割和阶段预测处理器140可被配置为部署在步骤302训练的分类适配的分割网络，以自动分割从超声探头104接收或从档案138和/或任何合适的数据存储介质检索到的超声图像中的解剖结构。
在步骤308，超声系统100的信号处理器132可基于解剖结构的分割自动预测月经周期阶段。例如，信号处理器132的分割和阶段预测处理器140可被配置为在分割解剖结构的同时推断在步骤306部署的分类适配的分割网络以预测月经周期阶段。月经周期阶段预测可基于分割后的解剖结构的外观。月经周期阶段可以是月经周期的天数、天数的范围(例如，增殖阶段、分泌阶段、月经阶段)或任何合适的月经周期阶段标识。分割和阶段预测处理器140可将来自步骤306的分割后的解剖结构和所预测的月经周期阶段提供给绘制处理器150以用于呈现在显示系统134，将分割后的解剖结构和所预测的月经周期阶段提供给测量处理器160以用于执行测量和/或将分割后的解剖结构和所预测的月经周期阶段存储在档案138和/或任何合适的数据存储介质中。
在步骤310，超声系统100的信号处理器132可生成分割后的解剖结构的至少一个绘制图。例如，信号处理器132的绘制处理器150可被配置为从分割和阶段预测处理器140接收来自步骤306的分割后的解剖结构以及来自步骤308的所预测的月经周期阶段，和/或可从档案138和/或任何合适的数据存储介质检索分割后的解剖结构和所预测的月经周期阶段。绘制处理器150可被配置为基于分割后的解剖结构生成解剖结构的一个或多个绘制图。例如，绘制处理器150可包括合适的逻辑部件、电路、接口和/或代码，该逻辑部件、电路、接口和/或代码可操作为生成立体绘制图、横截面图像、A平面、B平面、C平面、弯曲切片和/或任何合适的超声图像。在各种实施方案中，测量处理器160可被配置为从分割和阶段预测处理器140接收来自步骤306的分割后的解剖结构以及来自步骤308的所预测的月经周期阶段，和/或可从档案138和/或任何合适的数据存储介质检索分割后的解剖结构和所预测的月经周期阶段。测量处理器160可被配置为对分割后的解剖结构执行立体测量、长度测量、宽度测量和/或任何合适的测量。测量处理器160可被配置为将测量结果提供给绘制处理器150，将测量结果显示在显示系统134和/或将测量结果存储在档案138和/或任何合适的数据存储介质中。
在步骤312，信号处理器132可使得超声系统100的显示系统呈现分割后的解剖结构的至少一个绘制图和月经周期阶段。例如，绘制处理器150可被配置为使得显示系统134呈现在步骤310生成的带有所预测的月经周期阶段的图像。附加地或另选地，绘制处理器150可被配置为将生成的带有所预测的月经周期阶段的图像存储在档案138和/或任何合适的数据存储介质中。在各种实施方案中，绘制处理器150和/或测量处理器160可被配置为使得显示系统134进一步呈现由测量处理器160在步骤310执行的任何测量结果。
本公开的各个方面提供用于对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的方法300和系统100。根据各种实施方案，方法300可包括由超声系统100的超声探头104采集304具有在患者月经周期内发生改变的解剖结构的感兴趣区域的超声图像。方法300可包括由超声系统100的至少一个处理器132、140自动分割306超声图像中描绘的解剖结构。方法300可包括由至少一个处理器132、140基于解剖结构的分割自动预测308月经周期阶段。方法300可包括由至少一个处理器132、150使得312显示系统134呈现分割后的解剖结构的至少一个绘制图和所预测的月经周期阶段。
在代表性实施方案中，方法300可包括由至少一个处理器132、150生成310分割后的解剖结构的至少一个绘制图。该至少一个绘制图可包括立体绘制图、横截面图像、A平面、B平面、C平面和/或弯曲切片。在示例性实施方案中，通过推断单个分类适配的分割网络执行自动分割解剖结构以及自动预测月经周期阶段。月经周期阶段可以是患者月经周期的天数或患者月经周期的天数范围之一。在某些实施方案中，方法300可包括训练302单个分类适配的分割网络。训练302可包括由训练系统200的训练引擎210接收输入图像、地面真值掩模和阶段标记。训练302可包括由训练引擎210调整单个分类适配的分割网络的权重以减小地面真值掩模和输出所预测的掩模之间的分割损失函数。训练302可包括由训练引擎210调整单个分类适配的分割网络的权重以减小阶段标记和输出所预测的阶段之间的分类损失函数。阶段标记可以是患者月经周期的天数或患者月经周期的天数范围之一。在各种实施方案中，超声图像是妇科子宫超声图像，并且是二维(2D)超声图像或三维(3D)超声图像之一。在代表性实施方案中，阶段标记包括病理状况标记，该病理状况标记包括子宫内膜异位、子宫内膜癌、子宫内膜息肉、纤维瘤或子宫内膜形态中的至少一种。在示例性实施方案中，方法300可包括由至少一个处理器132、160对分割后的解剖结构执行310立体测量。方法300可包括由至少一个处理器132、150、160使得312显示系统134呈现立体测量结果。在某些实施方案中，解剖结构是子宫内膜、卵巢、子宫内膜息肉或子宫中的纤维瘤之一。
各种实施方案提供用于对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的系统100。系统100可以包括超声探头104，至少一个处理器132、140、150、160和显示系统134。超声探头104可操作为采集具有在患者月经周期内发生改变的解剖结构的感兴趣区域的超声图像。至少一个处理器132、140可被配置为自动分割超声图像中描绘的解剖结构。至少一个处理器132、140可被配置为基于解剖结构的分割自动预测月经周期阶段。显示系统134可被配置为呈现分割后的解剖结构的至少一个绘制图和所预测的月经周期阶段。
在示例性实施方案中，至少一个处理器132、150被配置为绘制分割后的解剖结构以生成至少一个绘制图。该至少一个绘制图可包括立体绘制图、横截面图像、A平面、B平面、C平面和/或弯曲切片。在某些实施方案中，至少一个处理器132、140被配置为推断单个分类适配的分割网络以自动分割解剖结构以及自动预测月经周期阶段。月经周期阶段可以是患者月经周期的天数或患者月经周期的天数范围之一。在各种实施方案中，超声系统100通信地耦接到或包括训练系统200，该训练系统被配置为训练单个分类适配的分割网络。训练系统200可包括被配置为接收输入图像、地面真值掩模和阶段标记的训练引擎210。训练引擎210可被配置为调整单个分类适配的分割网络的权重以减小地面真值掩模和输出所预测的掩模之间的分割损失函数。训练引擎210可被配置为调整单个分类适配的分割网络的权重以减小阶段标记和输出所预测的阶段之间的分类损失函数。阶段标记可以是患者月经周期的天数或患者月经周期的天数范围之一。在代表性实施方案中，阶段标记包括病理状况标记，该病理状况标记包括子宫内膜异位、子宫内膜癌、子宫内膜息肉、纤维瘤或子宫内膜形态中的至少一种。在示例性实施方案中，至少一个处理器132、160被配置为对分割后的解剖结构执行立体测量。至少一个处理器132、150、160可被配置为使得显示系统134呈现立体测量结果。在各种实施方案中，解剖结构是子宫内膜、卵巢、子宫内膜息肉或子宫中的纤维瘤之一。
某些实施方案提供一种非暂态计算机可读介质，该非暂态计算机可读介质上存储有计算机程序，该计算机程序具有至少一个代码段。该至少一个代码段可由机器执行以使超声系统100执行步骤300。步骤300可包括从超声系统100的超声探头104接收304具有在患者月经周期内发生改变的解剖结构的感兴趣区域的超声图像。步骤300可包括自动分割306超声图像中描绘的解剖结构。步骤300可包括基于解剖结构的分割自动预测308月经周期阶段。步骤300可包括使得312显示系统134呈现分割后的解剖结构的至少一个绘制图和所预测的月经周期阶段。
在各种实施方案中，解剖结构是子宫内膜、卵巢、子宫内膜息肉或子宫中的纤维瘤之一。在代表性实施方案中，通过推断单个分类适配的分割网络执行自动分割解剖结构以及自动预测月经周期阶段。月经周期阶段可以是患者月经周期的天数或患者月经周期的天数范围之一。在示例性实施方案中，步骤300可包括训练302单个分类适配的分割网络。训练302可包括接收输入图像、地面真值掩模和阶段标记。训练302可包括调整单个分类适配的分割网络的权重以减小地面真值掩模和输出所预测的掩模之间的分割损失函数。训练302可包括调整单个分类适配的分割网络的权重以减小阶段标记和输出所预测的阶段之间的分类损失函数。阶段标记可以是患者月经周期的天数或患者月经周期的天数范围之一。在某些实施方案中，阶段标记包括病理状况标记，该病理状况标记包括子宫内膜异位、子宫内膜癌、子宫内膜息肉、纤维瘤或子宫内膜形态中的至少一种。
如本文所用，术语“电路”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。又如，“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。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”和“如”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”和/或“被配置为”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，不管是否通过某些用户可配置的设置禁用或不启用该功能的执行。
其他实施方案可提供计算机可读设备和/或非暂态计算机可读介质和/或机器可读设备和/或非暂态机器可读介质，以上设备和/或介质上存储有可由机器和/或计算机执行的机器代码和/或具有至少一个代码段的计算机程序，由此致使机器和/或计算机执行如本文所述的用于对在患者月经周期内发生改变的解剖结构的超声图像进行自动分割和检测月经周期阶段的步骤。
因此，本公开可在硬件、软件或硬件和软件的组合中实现。本公开可能以集中方式在至少一个计算机系统中实现，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机系统上。适于执行本文所述的方法的任何种类的计算机系统或其他装置都是合适的。
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公开，但是本领域的技术人员应当理解，在不脱离本公开的范围的情况下，可以进行各种改变并且可以替换等同物。另外，在不脱离本公开的范围的情况下，可以进行许多修改以使特定情况或材料适应于本公开的教导。因此，本公开不旨在限于所公开的特定实施方案，而是本公开将包括落入所附权利要求书的范围内的所有实施方案。

Claims (10)

1.一种方法，所述方法包括：
从超声系统的超声探头接收具有在患者月经周期内发生改变的解剖结构的感兴趣区域的超声图像；
自动分割所述超声图像中描绘的所述解剖结构；
基于所述解剖结构的所述分割自动预测月经周期阶段；以及
使得显示系统呈现所述分割后的解剖结构的至少一个绘制图和所预测的月经周期阶段。
2.根据权利要求1所述的方法，所述方法包括生成所述分割后的解剖结构的所述至少一个绘制图，其中，所述至少一个绘制图包括：
立体绘制图、
横截面图像、
A平面、
B平面、
C平面和/或
弯曲切片。
3.根据权利要求1所述的方法，其中：
通过推断单个分类适配的分割网络执行所述自动分割所述解剖结构以及所述自动预测所述月经周期阶段；并且
所述月经周期阶段是以下之一：
所述患者月经周期的天数，或
所述患者月经周期的天数范围。
4.根据权利要求3所述的方法，所述方法包括训练所述单个分类适配的分割网络，所述训练包括：
由训练系统的训练引擎接收输入图像、地面真值掩模和阶段标记；
由所述训练引擎调整所述单个分类适配的分割网络的权重以减小所述地面真值掩模和输出所预测的掩模之间的分割损失函数；以及
由所述训练引擎调整所述单个分类适配的分割网络的所述权重以减小所述阶段标记和输出所预测的阶段之间的分类损失函数，
其中，所述阶段标记是以下之一：
所述患者月经周期的天数，或
所述患者月经周期的天数范围。
5.根据权利要求1所述的方法，其中，所述超声图像是：
妇科子宫超声图像；和
二维(2D)超声图像或三维(3D)超声图像之一。
6.根据权利要求1所述的方法，其中，所述阶段标记包括病理状况标记，所述病理状况标记包括至少以下之一：
子宫内膜异位、
子宫内膜癌、
子宫内膜息肉、
纤维瘤或
子宫内膜形态。
7.根据权利要求1所述的方法，所述方法包括：
对所述分割后的解剖结构执行立体测量；以及
使得所述显示系统呈现所述立体测量结果。
8.根据权利要求1所述的方法，其中，所述解剖结构是以下之一：
子宫内膜、
卵巢、
子宫内膜息肉或
子宫中的纤维瘤。
9.一种超声系统，所述超声系统包括：
超声探头，所述超声探头能够操作为采集具有在患者月经周期内发生改变的解剖结构的感兴趣区域的超声图像；
至少一个处理器，所述至少一个处理器被配置为执行根据权利要求1至8中任一项方法的步骤；和
显示系统，所述显示系统被配置为呈现所述分割后的解剖结构的至少一个绘制图和所预测的月经周期阶段。
10.一种非暂态计算机可读介质，所述非暂态计算机可读介质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机器执行以使得超声系统执行根据权利要求1至8中任一项方法的步骤。
CN202310378334.1A 2022-04-25 2023-04-11 用于对超声图像进行自动分割和阶段预测的方法和系统 Pending CN116958037A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/728,003 2022-04-25
US17/728,003 US20230342917A1 (en) 2022-04-25 2022-04-25 Method and system for automatic segmentation and phase prediction in ultrasound images depicting anatomical structures that change over a patient menstrual cycle

Publications (1)

Publication Number Publication Date
CN116958037A true CN116958037A (zh) 2023-10-27

Family

ID=88415573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310378334.1A Pending CN116958037A (zh) 2022-04-25 2023-04-11 用于对超声图像进行自动分割和阶段预测的方法和系统

Country Status (2)

Country Link
US (1) US20230342917A1 (zh)
CN (1) CN116958037A (zh)

Also Published As

Publication number Publication date
US20230342917A1 (en) 2023-10-26

Similar Documents

Publication Publication Date Title
US11364013B2 (en) Ultrasound imaging system with a neural network for image formation and tissue characterization
US20220071595A1 (en) Method and system for adapting user interface elements based on real-time anatomical structure recognition in acquired ultrasound image views
US11903768B2 (en) Method and system for providing ultrasound image enhancement by automatically adjusting beamformer parameters based on ultrasound image analysis
US20220237798A1 (en) Method and system for automatically estimating a hepatorenal index from ultrasound images
US11980495B2 (en) Method and system for providing enhanced color flow doppler and pulsed wave doppler ultrasound images by applying clinically specific flow profiles
CN114098797B (zh) 用于提供解剖取向指示符的方法和系统
US11941806B2 (en) Methods and systems for automatic assessment of fractional limb volume and fat lean mass from fetal ultrasound scans
CN116958037A (zh) 用于对超声图像进行自动分割和阶段预测的方法和系统
US11980501B2 (en) Method and system for providing enhanced ultrasound images simulating acquisition at high acoustic power by processing ultrasound images acquired at low acoustic power
JP7187694B2 (ja) マルチゲートドプラ信号のパルス波ドプラ信号に基づいて解剖学的構造を経時的に追跡するための方法及びシステム
US20230196554A1 (en) Method and system for automatically analyzing placenta insufficiency in a curved topographical ultrasound image slice
US20220160334A1 (en) Method and system for enhanced visualization of a pleural line by automatically detecting and marking the pleural line in images of a lung ultrasound scan
US20210390685A1 (en) Method and system for providing clutter suppression in vessels depicted in b-mode ultrasound images
US11382595B2 (en) Methods and systems for automated heart rate measurement for ultrasound motion modes
US20230404533A1 (en) System and method for automatically tracking a minimal hiatal dimension plane of an ultrasound volume in real-time during a pelvic floor examination
US20240041430A1 (en) Method and system for defining a boundary of a region of interest by applying threshold values to outputs of a probabilistic automatic segmentation model based on user-selected segmentation sensitivity levels
US20230084230A1 (en) Method and system for reconstructing high resolution versions of low resolution images of a cine loop sequence
US20230255587A1 (en) System and method for automatically measuring and labeling follicles depicted in image slices of an ultrasound volume
US20230148998A1 (en) Method and system for dynamically adjusting imaging parameters during an ultrasound scan
CN116612061A (zh) 用于经食道超声图像中的自动二维标准视图检测的方法和系统
CN116369971A (zh) 用于自动设定机械摆动式超声探头的俯仰倾斜角度的方法和系统
CN115024748A (zh) 用于自动检测超声图像视图和焦点以提供测量适用性反馈的方法和系统

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