CN117503206A - 心功能指标的计算方法、计算机可读介质及超声设备 - Google Patents
心功能指标的计算方法、计算机可读介质及超声设备 Download PDFInfo
- Publication number
- CN117503206A CN117503206A CN202311375975.8A CN202311375975A CN117503206A CN 117503206 A CN117503206 A CN 117503206A CN 202311375975 A CN202311375975 A CN 202311375975A CN 117503206 A CN117503206 A CN 117503206A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- image
- spectrum image
- processed
- spectral
- 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
- 230000004217 heart function Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001228 spectrum Methods 0.000 claims abstract description 451
- 230000000747 cardiac effect Effects 0.000 claims abstract description 74
- 238000005070 sampling Methods 0.000 claims abstract description 44
- 238000002604 ultrasonography Methods 0.000 claims abstract description 33
- 238000003384 imaging method Methods 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims description 95
- 210000001765 aortic valve Anatomy 0.000 claims description 67
- 230000017531 blood circulation Effects 0.000 claims description 38
- 230000002861 ventricular Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 9
- 230000001965 increasing effect Effects 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 8
- 230000002107 myocardial effect Effects 0.000 claims description 7
- 230000008014 freezing Effects 0.000 claims description 5
- 238000007710 freezing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 18
- 238000010586 diagram Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 210000005240 left ventricle Anatomy 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 7
- 210000000709 aorta Anatomy 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003862 health status Effects 0.000 description 3
- 210000001562 sternum Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012549 training Methods 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
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/523—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for generating planar views from image data in a user selectable plane not corresponding to the acquisition plane
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请公开了心功能指标的计算方法、计算机可读介质及超声设备,所述方法包括:根据心脏超声影像数据识别出第一心脏切面;在多普勒成像模式下对所述第一心脏切面对应的超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像;调节所述待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像;根据所述目标频谱图像所表征的心功能参数计算所述第一心脏切面对应的心功能指标。在本申请实施例提供的技术方案中,通过调节待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像,使得心功能指标计算能够参考高质量的目标频谱图像所表征的心功能参数,进而提高了心功能指标计算的准确性。
Description
技术领域
本申请属于医疗影像技术领域,具体涉及一种心功能指标的计算方法、计算机可读介质及超声设备。
背景技术
心脏是生物体的重要器官,心脏的健康状态是尤为重要的。在医疗领域,在检查心脏的健康状态时,通常使用一些特定的成像方法来获取现在心脏的影像数据,进而通过该影像数据计算心功能指标,通过心功能指标来评估心脏的健康状态。目前,在计算心功能指标时,一般是操作人员手动获取合适的影像数据进行相关参数的测量和计算,然而,当所获取的影像数据存在问题时,会导致计算结果不准确。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请的目的在于提供一种心功能指标的计算方法、计算机可读介质及超声设备,可以提高心功能指标计算的准确性。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供一种心功能指标的计算方法,包括:
根据心脏超声影像数据识别出第一心脏切面;在多普勒成像模式下对所述第一心脏切面对应的超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像;
调节所述待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像;
根据所述目标频谱图像所表征的心功能参数计算所述第一心脏切面对应的心功能指标。
根据本申请实施例的一个方面,提供一种心功能指标的计算装置,包括:
第一切面识别模块,用于根据心脏超声影像数据识别出第一心脏切面;
多普勒采样模块,用于在多普勒成像模式下对所述第一心脏切面对应的超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像;
频谱参数调节模块,用于调节所述待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像;
第一心功能指标计算模块,用于根据所述目标频谱图像所表征的心功能参数计算所述第一心脏切面对应的心功能指标。
根据本申请实施例的一个方面,提供一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如以上技术方案中的心功能指标的计算方法。
根据本申请实施例的一个方面,提供一种超声设备,该超声设备包括:超声探头,用于发送超声信号以获取心脏超声影像数据;处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器执行所述可执行指令使得所述超声设备执行如以上技术方案中的心功能指标的计算法。
在本申请实施例提供的技术方案中,通过根据心脏超声影像数据识别出第一心脏切面;在多普勒成像模式下对第一心脏切面对应的超声影像数据进行采样,得到第一心脏切面对应的待处理频谱图像;调节待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像;根据目标频谱图像所表征的心功能参数计算第一心脏切面对应的心功能指标,使得心功能指标计算能够参考高质量的目标频谱图像所表征的心功能参数,进而提高了心功能指标计算的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性地示出了应用本申请技术方案的示例性系统架构框图。
图2示意性地示出了本申请一个实施例提供的心功能指标的计算方法的流程图。
图3示意性地示出了本申请一个实施例提供的多普勒取样框的位置示意图。
图4A示意性地示出了本申请一个实施例提供的待处理频谱图像的示意图。
图4B示意性地示出了本申请一个实施例提供的待处理频谱图像的示意图。
图4C示意性地示出了本申请一个实施例提供的待处理频谱图像的示意图。
图4D示意性地示出了本申请一个实施例提供的待处理频谱图像的示意图。
图4E示意性地示出了本申请一个实施例提供的目标频谱图像的示意图。
图5示意性地示出了本申请一个实施例提供的心功能指标的计算方法的流程图。
图6示意性地示出了本申请一个实施例提供的冻结影像数据的示意图。
图7示意性地示出了本申请一个实施例提供的显示界面的示意图。
图8示意性地示出了本申请实施例提供的心功能指标的计算装置的结构框图。
图9示意性示出了适于用来实现本申请实施例的电子设备的计算机系统结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示意性地示出了应用本申请技术方案的示例性系统架构框图。
如图1所示,系统架构100可以包括终端设备110、网络120和服务器130。终端设备110可以包括智能手机、平板电脑、笔记本电脑、智能语音交互设备、智能家电、车载终端、超声设备等等。服务器130可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。网络120可以是能够在终端设备110和服务器130之间提供通信链路的各种连接类型的通信介质,例如可以是有线通信链路或者无线通信链路。
本申请实施例提供的技术方案应用于服务器130,也可以在终端设备110和服务器130的交互过程中实现。举例而言,本申请实施例提供的技术方案由终端设备110实施,终端设备110根据心脏超声影像数据识别出第一心脏切面,例如,终端设备110为超声设备,用户操作超声设备对目标对象进行心脏的超声检查,得到心脏超声影像数据,进而对心脏超声影像数据进行切面识别,识别出第一心脏切面。然后,终端设备110在多普勒成像模式下对第一心脏切面对应的超声影像数据进行采样,得到第一心脏切面对应的待处理频谱图像。接下来,终端设备110基于待处理频谱图像对应的频谱图像参数调节频谱图像的频谱质量,以得到频谱质量符合要求的目标频谱图像。最后,终端设备110根据目标频谱图像所表征的心功能参数计算第一心脏切面对应的心功能指标。
本申请技术方案可以直接集成在超声设备上,也可作为离线分析软件应用在区别于超声设备的其他终端设备110中。
下面结合具体实施方式对本申请提供的心功能指标的计算方法做出详细说明。
图2示意性地示出了本申请一个实施例提供的心功能指标的计算方法的流程图,该方法可以由本申请任意实施例提供的心功能指标的计算装置实施,该装置可以配置于终端设备或服务器中,例如图1所示的终端设备110或服务器130,下面将以心功能指标的计算装置作为执行主体来阐述方法的具体实施过程。如图2所示,本申请实施例提供的心功能指标的计算方法包括步骤210至步骤240,具体如下:
步骤210、根据心脏超声影像数据识别出第一心脏切面。
具体地,向目标对象的心脏发送超声信号,然后根据心脏对于超声信号的回波信号形成心脏超声影像数据,例如,心脏超声影像数据可以是超声心动图影像数据。在对心脏进行分析时,通常将心脏划分为不同的心脏切面,例如,心脏切面可以包括:胸骨旁左室长轴切面、心尖五腔心切面、心尖三腔心切面等;然后针对各个心脏切面的超声影像数据进行分析。第一心脏切面的超声影像数据用于评估左室流出道速度时间积分这一心功能指标,故而第一心脏切面可以是心尖五腔心切面或心尖三腔心切面。
在本申请的一个实施例中,心脏切面类型的识别可以通过深度学习网络模型实施。首先构建深度学习网络模型所需的心脏数据集,该心脏数据集包括超声影像数据集及其对应的标注图像数据集,标注图像数据集的标注内容包括切面类型及该切面类型对应的心肌结构,例如,切面类型包括胸骨旁左室长轴切面、心尖五腔心切面和心尖三腔心切面,三种切面所包含的需要评估或识别的心肌结构相同,但是三种切面所包含的具体结构部位以及具体结构部位间的毗邻关系不同,模型可以通过识别具体结构部位以及具体结构部位间的毗邻关系来确定心脏切面类型。然后构建深度学习网络模型,使用超声影像数据集及其对应的标注图像数据集训练深度学习网络模型,得到训练好的切面识别模型。最后,将心脏超声影像数据输入至该训练好的切面识别模型,就可以得到切面识别模型所识别出来的心脏切面类型及其对应的心肌结构。
步骤220、在多普勒成像模式下对第一心脏切面对应的超声影像数据进行采样,得到第一心脏切面对应的待处理频谱图像。
具体地,多普勒成像模式是使用脉冲或连续多普勒成像技术获取心脏切面的频谱图像数据。第一心脏切面对应的超声影像数据是指心脏超声影像数据中位于第一心脏切面的位置处的超声影像数据,在心脏超声影像数据的第一心脏切面的特定位置处进行多普勒采样,得到待处理频谱图像,进而后续根据该待处理频谱图像来计算心功能指标。该特定位置通常是第一心脏切面中血管所在位置。
在本申请的一个实施例中,采样过程具体包括:在多普勒成像模式下,根据第一心脏切面对应的超声影像数据中的主动脉瓣左瓣根位置和主动脉瓣右瓣根位置确定主动脉瓣;根据主动脉瓣确定血液流向;根据血液流向在距离主动脉瓣指定距离的位置对超声影像数据进行采样,得到第一心脏切面对应的待处理频谱图像。
具体地,主动脉瓣左瓣根位置和主动脉瓣右瓣根位置简称为主动脉瓣左右瓣根位置,该参数可以通过深度学习网络模型获取。主动脉瓣是一种瓣状结构,位于左室流出道和主动脉之间,其作用是抑制射入主动脉的血流回流至左心室,相当于对血流起单方向的阻挡作用。主动脉瓣左右瓣根相当于主动脉瓣的两个端点,因此,确定主动脉瓣左右瓣根位置,也就确定了主动脉瓣及其位置,例如,可以将主动脉瓣左右瓣根的连线作为主动脉瓣的简化示意结构。一般的,血液从左心室流到左室流出道再穿过主动脉瓣射入主动脉,那么血液流向与主动脉瓣应是相交的,在一些实施例中,可以将垂直主动脉瓣的方向作为血液流向。在确定血液流向和主动脉瓣位置后,即可进行频谱数据采集,获得待处理频谱图像。
在本申请的一个实施例中,根据血液流向和主动脉瓣位置采样的过程具体包括:根据血液流向确定左室流出道延伸方向;调整多普勒取样框角度,以使多普勒取样框角度与左室流出道延伸方向平行;通过调整角度后的多普勒取样框在距离主动脉瓣指定距离的位置对超声影像数据进行采样,得到第一心脏切面对应的待处理频谱图像。多普勒取样框的放置位置实际上是左室流出道的位置,故而待处理频谱图像就是左室流出道的频谱图像。
具体地,血液流向通常与左室流出道方向相同,进而与左室流出道延伸方向相同。在进行频谱数据采样时,需要用到多普勒取样框,并且需要多普勒取样框的角度与左室流出道延伸方向平行,这样才能够较为准确地测量血流速度。然后将多普勒取样框放置在距离主动脉瓣指定距离的位置处进行采样,得到待处理频谱图像,该指定距离可以根据实际需要进行设定,可以设置为5mm。
示例性的,图3示意性地示出了本申请一个实施例提供的多普勒取样框的位置示意图。如图3所示,假设通过超声影像数据识别的主动脉瓣左瓣根位置为点A,主动脉瓣右瓣根位置为点B,那么将点A、点B连接所形成的线段AB可以视为主动脉瓣的简化结构。作与线段AB垂直的线条L,那么与该线条L平行的方向就表示血液流向。可以理解,血液流向一般是从左心室流入主动脉,在确定血液流向时,还需要识别主动脉位置和左心室位置中的至少一个,然后结合主动脉瓣位置,确定血液流向。例如,在本实施例中,线段AB右上方区域为左室流出道,线段AB左下方为主动脉,故而血液流向是与线条L平行且从线段AB右上方流向左下方的方向。调节多普勒取样框的角度标尺,使其与血液流向平行。最后在线段AB的右上侧,且距离线段AB的中心为5mm的位置处放置多普勒取样框,也就是在主动脉瓣口向左室流出道侧5mm中心处放置多普勒取样框。可以理解,本申请对调节多普勒取样框角度的步骤和将多普勒取样框放置在指定位置的步骤之间的执行顺序不做限定。在一些情况下,可以在过主动脉瓣中心点的垂线上距离主动脉瓣指定距离的位置放置多普勒取样框,以图3为例,在过线段AB中点的垂线上,距离线段AB中点为5mm的位置C处放置多普勒取样框。
步骤230、调节待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像。
具体地,频谱图像参数体现待处理频谱图像的频谱质量。对待处理频谱图像的频谱图像参数进行调节,当频谱图像参数符合要求时,即表明得到了高质量的目标频谱图像,后续基于该高质量的目标频谱图像计算心功能指标,可以得到更加准确地计算结果。
在本申请的一个实施例中,频谱图像参数包括频谱基线的位置,频谱基线是频谱图像中表示血流速度为零的指示线。调节频谱基线位置的过程具体包括:根据目标频谱图像的频谱类型确定待处理频谱图像中频谱基线的目标位置;将待处理频谱图像中频谱基线的当前位置调整至目标位置,得到目标频谱图像。
具体地,频谱图像有多种类型,主要包括正向谱、负向谱和正负向谱。正向谱是正数数据量超过第一阈值的频谱图像,负向谱是指负数数据量超过第二阈值的频谱图像,正负向谱是指正数数据量与负数数据量的比值在预设范围内的频谱图像。以频谱图像展示的频谱波形为例,当频谱波形的位于频谱基线下方时,即表示频谱图像中的负数数据量超过第二阈值,该频谱图像为负向谱。为了方便查看,负向谱中的频谱基线一般设置在频谱图像的上方,这样可以使得频谱基线下方的频谱波形完整显示。当频谱波形位于频谱基线上方时,即表示频谱图像中的正数数据量超过第一阈值,该频谱图像为正向谱。为了方便查看,正向谱中的频谱基线一般设置在频谱图像的下方,这样可以使得频谱基线上方的频谱波形完整显示。当频谱基线两侧均分布有部分的频谱波形时,即表示指正数数据量与负数数据量的比值在预设范围内,该频谱图像为正负向谱。为了方便查看,正负向谱中的频谱基线一般设置在频谱图像的中间,这样可以使得频谱基线两侧的频谱波形完整显示。
根据频谱图像的检查位置,对应的频谱图像的频谱类型是可以预先获知的,比如,对于左心室流出道频谱图像,其应为负向谱。因此,可以根据最终需要的目标频谱图像的频谱类型来确定目标频谱图像中频谱基线的目标位置。例如,如果目标频谱图像是正向谱,则频谱基线的目标位置为频谱图像下方;如果目标频谱图像是负向谱,则频谱基线的目标位置为频谱图像上方;如果目标频谱图像是正负向谱,则频谱基线的目标位置为频谱图像中间。然后将该目标位置与待处理频谱图像中频谱基线的当前位置进行比较,如果频谱基线的当前位置不是该目标位置,则需要将频谱基线的位置调整到目标位置,得到目标频谱图像。示例性的,图4A示意性地示出了本申请一个实施例提供的待处理频谱图像的示意图。本实施例获取的左室流出道频谱图像为负向谱,频谱基线应该在频谱图像上方,而图4A所示的待处理频谱图像中的频谱基线在频谱图像的中间,部分频谱波形无法显示。因此需要对频谱基线位置进行调整,调整后的目标频谱图像如图4E所示,频谱基线位于目标频谱图像的上方,频谱波形得到完整显示。
在本申请的一个实施例中,频谱图像参数包括频谱速度标尺范围,频谱速度标尺范围用于指示待处理频谱图像所表征的血流速度的范围,将频谱基线视为频谱图像中的横坐标,那么频谱速度标尺范围即表示频谱图像纵坐标的取值范围。频谱图像参数的调节过程包括:识别待处理频谱图像中的频谱波形,并确定目标频谱图像的频谱类型;确定待处理频谱图像中频谱基线和频谱波形之间的位置关系;当目标频谱图像为正向谱或负向谱,且频谱基线两侧均存在频谱波形时,增大待处理频谱图像的频谱速度标尺范围,直至频谱波形仅存在于频谱基线的一侧,得到目标频谱图像。
具体地,频谱波形可以通过轮廓识别算法得到。目标频谱图像的频谱类型可以基于目标频谱图像所表征的对象确定。本实施例中,对心尖五腔心切面或心尖三腔心切面处的超声影像数据进行多普勒采样得到的待处理频谱图像为左室流出道的频谱图像,那么目标频谱图像为流出道频谱图像,而左室流出道频谱图像通常为负向谱。当目标频谱图像为负向谱时,一般将频谱图像中频谱波形设置在频谱基线的下方;当目标频谱图像为正向谱时,一般将频谱图像中频谱波形设置在频谱基线的上方。
判断频谱波形和频谱波形之间的位置关系,在目标频谱图像为正向谱或负向谱的情况下,如果频谱基线两侧均存在频谱波形,即说明频谱波形未完全在频谱基线的一侧,此时说明频谱速度标尺取值范围过小,导致频谱波形出现了反折现象,因此,可以增大待处理频谱图像的频谱速度标尺范围,直至频谱波形仅存在于频谱基线的一侧。本实施例中是需要将频谱波形位于频谱基线下方,得到目标频谱图像。示例性的,如图4A所示的待处理频谱图像,频谱基线上方出现了频谱波形,也就是出现的了反折现象,需要增大频谱速度标尺范围,得到如图4E所示的目标频谱图像。
在本申请的一个实施例中,在目标频谱图像为正向谱或负向谱的情况下,如果频谱波形存在于频谱基线的一侧,则可能存在频谱速度标尺范围过大,导致频谱波形的视图不清晰的问题。故而此时计算待处理频谱图像中频谱波形在频谱图像中的占比;当频谱波形在频谱图像中的占比小于预设阈值时,增大待处理频谱图像的频谱速度标尺范围,直至频谱波形在频谱图像中的占比达到预设阈值,得到目标频谱图像。待处理频谱图像中频谱波形在频谱图像中的占比,是指频谱波形所在图像区域在整个频谱图像中的占比,可以通过频谱波形的最大值与频谱速度标尺范围最大值的比值来表示。示例性的,图4B示意性地示出了本申请一个实施例提供的待处理频谱图像的示意图。可以看出,图4B所示的待处理频谱图像中频谱波形在频谱图像中的占比小于预设阈值,例如该预设阈值为3/4,频谱波形不够清晰,故而减小待处理频谱图像的频谱速度标尺范围,得到如图4E所示的目标频谱图像。
在本申请的一个实施例中,在目标频谱图像为正负向谱的情况下,需要判断频谱基线两侧是否均能显示频谱峰值。如果存在一侧不能够显示对应的频谱峰值,则说明该侧频谱速度标尺范围过小,可以增大频谱速度标尺范围。如果频谱基线两侧均能显示频谱峰值,则计算频谱波形在频谱图像中的占比,此时的调节方式与目标频谱图像为正向谱或负向谱时的调节方式类似,在此不再赘述。
在本申请的一个实施例中,频谱图像参数包括频谱图像增益,频谱图像增益指超声回波信号的强度,在图像上体现为待处理频谱图像的亮度。当待处理频谱图像的频谱图像增益大于第一增益阈值时,降低待处理频谱图像的频谱图像增益,直至待处理频谱图像的频谱图像增益小于第一增益阈值,得到目标频谱图像。示例性的,图4C示意性地示出了本申请一个实施例提供的待处理频谱图像的示意图。如图4C所示,待处理频谱图像的频谱图像增益过大,导致频谱图像上除了显示较为明亮的频谱波形外,还存在背景噪声,因此,需要降低待处理频谱图像的频谱图像增益,消除背景噪声,得到如图4E所示的目标频谱图像。
在本申请的一个实施例中,当待处理频谱图像的频谱图像增益小于第二增益阈值时,提高待处理频谱图像的频谱图像增益,直至待处理频谱图像的频谱图像增益大于第二增益阈值,得到目标频谱图像;其中,第一增益阈值大于第二增益阈值。示例性的,图4D示意性地示出了本申请一个实施例提供的待处理频谱图像的示意图。如图4D所示,待处理频谱图像的频谱图像增益过小,也即图像整体亮度偏低,导致频谱图像上的频谱波形断续且不清晰,频谱图像的信息显示不完整,因此,需要提高待处理频谱图像的频谱图像增益,得到如图4E所示的目标频谱图像。
在本申请的一个实施例中,还可以通过以下方法调节频谱图像增益:分析待处理频谱图像的信号强度,如果除检测到左室流出道频谱信号外,还检测到其他信号,说明当前频谱图像增益过高,此时降低待处理频谱图像的频谱图像增益,直至无法检测到其他信号,得到目标频谱图像。当检测到待处理频谱图像中的频谱信号不连续时,说明当前频谱图像增益过低,此时提高待处理频谱图像的频谱图像增益,直至频谱图像上仅有清晰连续的左室流出道频谱信号,得到目标频谱图像。
步骤240、根据目标频谱图像所表征的心功能参数计算第一心脏切面对应的心功能指标。
具体地,目标频谱图像所表征的心功能参数包括频谱波形所表示的血流速度与时间的关系等,心功能指标包括频谱波形的速度时间积分值、心率搏动周期、目标对象心率值等。频谱波形的速度时间积分值LVOT VTI的计算方式如下式(1)所示:
LVOT VTI=∫V(t)dt (1)
其中,V(t)指t时刻的血流速度值。
心率搏动周期为频谱波形中相邻两个峰值之间的时间间隔。
目标对象心率值HR=60/T,T即为心率搏动周期,也就是频谱波形中相邻两个峰值之间的时间间隔。
在本申请实施例提供的技术方案中,通过根据心脏超声影像数据识别出第一心脏切面;在多普勒成像模式下对第一心脏切面对应的超声影像数据进行采样,得到第一心脏切面对应的待处理频谱图像;调节待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像;根据目标频谱图像所表征的心功能参数计算第一心脏切面对应的心功能指标,使得心功能指标计算能够参考高质量的目标频谱图像所表征的心功能参数,进而提高了心功能指标计算的准确性。
图5示意性地示出了本申请一个实施例提供的心功能指标的计算方法的流程图。如图5所示,本实施例包括步骤510至步骤560,具体如下:
步骤510、根据所述心脏超声影像数据识别出第二心脏切面。
步骤520、识别第二心脏切面的超声影像数据中的主动脉瓣瓣叶,并跟踪主动脉瓣瓣叶随时间的运动情况。
步骤530、当检测到两侧主动脉瓣瓣叶呈平行状态时,冻结心肌影像数据,得到冻结影像数据。
步骤540、确定冻结影像数据中的主动脉瓣环位置和左室流出道方向。切面识别模型可以识别主动脉左右瓣根的位置,主动脉左右瓣根的连线即为主动脉瓣环的位置,如图6所示。左室流出道方向与血液流向相同,而血液的流向是从左室流出道经过主动脉瓣流向主动脉,因此切面识别模型识别出左心室流出道及主动脉结构后即可确认血液流向及左室流出道方向。如图6所示,左右瓣根连线的右侧为主动脉,左侧为左室流出道。
步骤550、在朝向左室流出道方向、且距离主动脉瓣环位置预设距离的位置处测量左室流出道内径。
步骤560、根据左室流出道内径计算心功能指标。
在本实施例中,第二心脏切面为胸骨旁左室长轴切面,心脏切面的识别可以通过深度学习网络模型实施,具体可以参考前述实施例步骤210中的相关描述。
主动脉瓣瓣叶也可以通过深度学习网络模型来识别,识别后跟踪其运动情况。当检测到两侧主动脉瓣瓣叶呈平行状态时,冻结心肌影像数据,进行心功能指标计算所需参数的测量。主动脉瓣瓣叶所在的位置即为主动脉瓣环位置,根据冻结影像数据中的主动脉瓣环位置和左室流出道方向,在朝向左室流出道方向、且距离主动脉瓣环位置预设距离的位置处测量左室流出道内径。示例性的,当主动脉瓣叶成水平状态时,在朝向左室流出道方向、且距离主动脉瓣环位置10mm的位置处测量左室流出道内容。
根据左室流出道内径所计算的心功能指标为左室流出道横截面积,左室流出道横截面积LVOT Area的计算方式如下式(2)所示:
LVOT Area=(0.5×LVOT)2×π (2)
其中,LVOT是左室流出道内径。
在本申请的一个实施例中,心功能指标还包括左心每博输出量,左心每博输出量SV(LVOT)根据频谱波形的速度时间积分值LVOT VTI和左室流出道横截面积LVOT Area计算得到,如下式(3)所示:
SV(LVOT)=LVOT VTI*LVOT Area (3)
在本申请的一个实施例中,心功能指标还包括左心输出量CO,左心输出量CO的计算方式如下式(4)所示:
CO(LVOT)=SV(LVOT)*HR (4)
其中,HR表示目标对象心率值。
在本申请的一个实施例中,心功能指标的计算装置可根据用户设定的计算周期数N,自动挑选最近的N个心动周期描迹结果,并将描迹结果、自动心率测量值和左心室流出道横截面积值带入公式(1)-(4)计算相应的心功能指标。结果窗实时显示最终测量结果。如图7所示,界面上区域1显示心尖五腔心切面或心尖三腔心切面灰阶图像。区域2显示获得的所有波形,每个波形上均显示自动描迹线,用户选中参与计算的波形两侧用竖线进行提示(即提示线)。区域3显示结果窗,结果窗中除测量项外还显示用户选中参与计算的周期个数,比如,“Cycle:1”表示参与计算的周期个数为1。
本申请提供的技术方案可以得到以下效果:
第一,心功能指标的计算装置识别出胸骨旁左室长轴切面后,自动识别主动脉瓣组织结构并跟踪主动脉瓣瓣叶随时间的运动情况,并根据主动脉瓣的开合运动情况自动确定测量时相和放置测量标尺。实时扫查的同时完成所有测量,可以有效缩短检查时间。通过图像自动识别方法代替手动测量,可以简化评估流程、提高检查效率。通过图像自动识别方法代替目测测量位置,可以减少测量误差,提高评估的一致性。
第二,心功能指标的计算装置识别出心尖五腔心、心尖三腔心切面后可启动自动化成像流程,并根据识别到的主动脉瓣、左室流出道结构,自动放置多普勒取样框并调整取样框位置。自动定位的方法与人工目测定位的方法相比,可以确保在主动脉瓣口向流出道侧5mm中心处取样,减少了频谱取样的误差。自动化成像流程与手动成像流程相比,减少了医生点击按键的次数,不仅能简化医生操作还能提高检查效率。
第三,心功能指标的计算装置自动判断频谱质量并进行对应参数优化调整,不仅可以减少用户经验的依赖性,提高测量的一致性。还能减少用户点击按键的次数,提高检查效率。
第四,心功能指标的计算装置自动描迹屏幕上所有波形并显示所有波形的速度时间积分结果,方便用户定性及定量对比不同心动周期的射血效率,全面了解目标对象的心脏泵血功能。
第五,心功能指标的计算装置可根据用户需求,自动挑选多个周期描迹结果参与计算评估。不仅适用于正常窦性心率患者,同样适用于心率不齐患者,扩大了适用范围,而且降低了随机误差,提高了测量的准确性。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的心功能指标的计算方法。图8示意性地示出了本申请实施例提供的心功能指标的计算装置的结构框图。如图8所示,本申请实施例提供的心功能指标的计算装置包括:
第一切面识别模块810,用于根据心脏超声影像数据识别出第一心脏切面;
多普勒采样模块820,用于在多普勒成像模式下对所述第一心脏切面对应的超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像;
频谱参数调节模块830,用于调节所述待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像;
第一心功能指标计算模块840,用于根据所述目标频谱图像所表征的心功能参数计算所述第一心脏切面对应的心功能指标。
在本申请的一个实施例中,所述频谱图像参数包括频谱基线的位置,所述频谱基线为所述待处理频谱图像中表征血流速度为零的指示线;频谱参数调节模块830包括:
频谱基线调节单元,用于根据目标频谱图像的频谱类型确定所述待处理频谱图像中频谱基线的目标位置;所述频谱类型包括正向谱、负向谱和正负向谱,所述正向谱是频谱数据位于频谱基线上方的频谱图像,所述负向谱是频谱数据位于频谱基线下方的频谱图像,所述正负向谱是频谱数据位于频谱基线两侧的频谱图像;将所述待处理频谱图像中频谱基线的当前位置调整至所述目标位置,得到目标频谱图像。
在本申请的一个实施例中,所述频谱图像参数包括频谱基线的位置和频谱速度标尺范围,所述频谱速度标尺范围用于指示所述待处理频谱图像所表征的血流速度的范围,所述频谱基线为所述待处理频谱图像中表征血流速度为零的指示线;频谱参数调节模块830包括:
速度标尺调节单元,用于识别所述待处理频谱图像中的频谱波形,并确定目标频谱图像的频谱类型;确定所述待处理频谱图像中频谱基线和所述频谱波形之间的位置关系;当所述目标频谱图像为正向谱或负向谱,且所述频谱基线两侧均存在所述频谱波形时,增大所述待处理频谱图像的频谱速度标尺范围,直至所述频谱波形仅存在于所述频谱基线的一侧,得到目标频谱图像。
在本申请的一个实施例中,所述速度标尺调节单元还用于:
当所述目标频谱图像为正向谱或负向谱,且所述频谱波形存在于所述频谱基线的一侧时,计算所述待处理频谱图像中频谱波形在频谱图像中的占比;
当所述频谱波形在频谱图像中的占比小于预设阈值时,增大所述待处理频谱图像的频谱速度标尺范围,直至所述频谱波形在频谱图像中的占比达到所述预设阈值,得到目标频谱图像。
在本申请的一个实施例中,所述频谱图像参数包括频谱图像增益,所述频谱图像增益体现所述待处理频谱图像的亮度;频谱参数调节模块830包括:
频谱增益调节单元,用于当所述待处理频谱图像的频谱图像增益大于第一增益阈值时,降低所述待处理频谱图像的频谱图像增益,直至所述待处理频谱图像的频谱图像增益小于所述第一增益阈值,得到目标频谱图像;当所述待处理频谱图像的频谱图像增益小于第二增益阈值时,提高所述待处理频谱图像的频谱图像增益,直至所述待处理频谱图像的频谱图像增益大于所述第二增益阈值,得到目标频谱图像;其中,所述第一增益阈值大于所述第二增益阈值。
在本申请的一个实施例中,多普勒采样模块820具体用于:
在多普勒成像模式下,根据所述第一心脏切面对应的超声影像数据中的主动脉瓣左瓣根位置和主动脉瓣右瓣根位置确定主动脉瓣;
根据所述主动脉瓣确定血液流向;
根据所述血液流向在距离所述主动脉瓣指定距离的位置对所述超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像。
在本申请的一个实施例中,多普勒采样模块820进一步用于:
根据所述血液流向确定左室流出道延伸方向;
调整多普勒取样框角度,以使所述多普勒取样框角度与所述左室流出道延伸方向平行;
通过调整角度后的多普勒取样框在距离所述主动脉瓣根指定距离的位置对所述超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像。
在本申请的一个实施例中,所述装置还包括:
第二切面识别模块,用于根据所述心脏超声影像数据识别出第二心脏切面;
运动跟踪模块,用于识别所述第二心脏切面的超声影像数据中的主动脉瓣瓣叶,并跟踪所述主动脉瓣瓣叶随时间的运动情况;
影像冻结模块,用于当检测到两侧主动脉瓣瓣叶呈平行状态时,冻结所述心肌影像数据,得到冻结影像数据;
影像处理模块,用于确定所述冻结影像数据中的主动脉瓣环位置和左室流出道方向;
内径测量模块,用于在朝向所述左室流出道方向、且距离所述主动脉瓣环位置预设距离的位置处测量左室流出道内径;
第二心功能指标计算模块,用于根据所述左室流出道内径计算心功能指标。
本申请各实施例中提供的心功能指标的计算装置的具体细节已经在对应的实施例中进行了详细的描述,此处不再赘述。
图9示意性地示出了用于实现本申请实施例的超声设备的计算机系统结构框图。
需要说明的是,图9示出的超声设备的计算机系统900仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示,计算机系统900包括中央处理器901(Central Processing Unit,CPU),其可以根据存储在只读存储器902(Read-Only Memory,ROM)中的程序或者从存储部分908加载到随机访问存储器903(Random Access Memory,RAM)中的程序而执行各种适当的动作和处理。在随机访问存储器903中,还存储有系统操作所需的各种程序和数据。中央处理器901、在只读存储器902以及随机访问存储器903通过总线904彼此相连。输入/输出接口905(Input/Output接口,即I/O接口)也连接至总线904。
以下部件连接至输入/输出接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如局域网卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至输入/输出接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本申请的实施例,各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理器901执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种心功能指标的计算方法,其特征在于,包括:
根据心脏超声影像数据识别出第一心脏切面;
在多普勒成像模式下对所述第一心脏切面对应的超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像;
调节所述待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像;
根据所述目标频谱图像所表征的心功能参数计算所述第一心脏切面对应的心功能指标。
2.根据权利要求1所述的心功能指标的计算方法,其特征在于,所述频谱图像参数包括频谱基线的位置,所述频谱基线为所述待处理频谱图像中表征血流速度为零的指示线;调节所述待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像,包括:
根据目标频谱图像的频谱类型确定所述待处理频谱图像中频谱基线的目标位置;所述频谱类型包括正向谱、负向谱和正负向谱,所述正向谱是频谱数据位于频谱基线上方的频谱图像,所述负向谱是频谱数据位于频谱基线下方的频谱图像,所述正负向谱是频谱数据位于频谱基线两侧的频谱图像;
将所述待处理频谱图像中频谱基线的当前位置调整至所述目标位置,得到目标频谱图像。
3.根据权利要求2所述的心功能指标的计算方法,其特征在于,所述频谱图像参数包括频谱基线的位置和频谱速度标尺范围,所述频谱速度标尺范围用于指示所述待处理频谱图像所表征的血流速度的范围,所述频谱基线为所述待处理频谱图像中表征血流速度为零的指示线;调节所述待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像,包括:
识别所述待处理频谱图像中的频谱波形,并确定目标频谱图像的频谱类型;
确定所述待处理频谱图像中频谱基线和所述频谱波形之间的位置关系;
当所述目标频谱图像为正向谱或负向谱,且所述频谱基线两侧均存在所述频谱波形时,增大所述待处理频谱图像的频谱速度标尺范围,直至所述频谱波形仅存在于所述频谱基线的一侧,得到目标频谱图像。
4.根据权利要求3所述的心功能指标的计算方法,其特征在于,在确定所述待处理频谱图像中频谱基线和所述频谱波形之间的位置关系之后,所述方法还包括:
当所述目标频谱图像为正向谱或负向谱,且所述频谱波形存在于所述频谱基线的一侧时,计算所述待处理频谱图像中频谱波形在频谱图像中的占比;
当所述频谱波形在频谱图像中的占比小于预设阈值时,增大所述待处理频谱图像的频谱速度标尺范围,直至所述频谱波形在频谱图像中的占比达到所述预设阈值,得到目标频谱图像。
5.根据权利要求1所述的心功能指标的计算方法,其特征在于,所述频谱图像参数包括频谱图像增益,所述频谱图像增益体现所述待处理频谱图像的亮度;调节所述待处理频谱图像对应的频谱图像参数,以得到频谱图像参数符合要求的目标频谱图像,包括:
当所述待处理频谱图像的频谱图像增益大于第一增益阈值时,降低所述待处理频谱图像的频谱图像增益,直至所述待处理频谱图像的频谱图像增益小于所述第一增益阈值,得到目标频谱图像;
当所述待处理频谱图像的频谱图像增益小于第二增益阈值时,提高所述待处理频谱图像的频谱图像增益,直至所述待处理频谱图像的频谱图像增益大于所述第二增益阈值,得到目标频谱图像;其中,所述第一增益阈值大于所述第二增益阈值。
6.根据权利要求1所述的心功能指标的计算方法,其特征在于,在多普勒成像模式下对所述第一心脏切面对应的超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像,包括:
在多普勒成像模式下,根据所述第一心脏切面对应的超声影像数据中的主动脉瓣左瓣根位置和主动脉瓣右瓣根位置确定主动脉瓣;
根据所述主动脉瓣确定血液流向;
根据所述血液流向在距离所述主动脉瓣指定距离的位置对所述超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像。
7.根据权利要求6所述的心功能指标的计算方法,其特征在于,根据所述血液流向在距离所述主动脉瓣指定距离的位置对所述超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像,包括:
根据所述血液流向确定左室流出道延伸方向;
调整多普勒取样框角度,以使所述多普勒取样框角度与所述左室流出道延伸方向平行;
通过调整角度后的多普勒取样框在距离所述主动脉瓣根指定距离的位置对所述超声影像数据进行采样,得到所述第一心脏切面对应的待处理频谱图像。
8.根据权利要求1所述的心功能指标的计算方法,其特征在于,所述方法还包括:
根据所述心脏超声影像数据识别出第二心脏切面;
识别所述第二心脏切面的超声影像数据中的主动脉瓣瓣叶,并跟踪所述主动脉瓣瓣叶随时间的运动情况;
当检测到两侧主动脉瓣瓣叶呈平行状态时,冻结所述心肌影像数据,得到冻结影像数据;
确定所述冻结影像数据中的主动脉瓣环位置和左室流出道方向;
在朝向所述左室流出道方向、且距离所述主动脉瓣环位置预设距离的位置处测量左室流出道内径;
根据所述左室流出道内径计算心功能指标。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任意一项所述的心功能指标的计算方法。
10.一种超声设备,其特征在于,包括:
超声探头,用于发送超声信号以获取心脏超声影像数据;
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器执行所述可执行指令使得所述超声设备执行权利要求1至8中任意一项所述的心功能指标的计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311375975.8A CN117503206A (zh) | 2023-10-20 | 2023-10-20 | 心功能指标的计算方法、计算机可读介质及超声设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311375975.8A CN117503206A (zh) | 2023-10-20 | 2023-10-20 | 心功能指标的计算方法、计算机可读介质及超声设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117503206A true CN117503206A (zh) | 2024-02-06 |
Family
ID=89748513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311375975.8A Pending CN117503206A (zh) | 2023-10-20 | 2023-10-20 | 心功能指标的计算方法、计算机可读介质及超声设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117503206A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117838190A (zh) * | 2024-03-08 | 2024-04-09 | 中国医学科学院北京协和医院 | 一种心肌功能指数测量方法及装置 |
-
2023
- 2023-10-20 CN CN202311375975.8A patent/CN117503206A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117838190A (zh) * | 2024-03-08 | 2024-04-09 | 中国医学科学院北京协和医院 | 一种心肌功能指数测量方法及装置 |
CN117838190B (zh) * | 2024-03-08 | 2024-05-28 | 中国医学科学院北京协和医院 | 一种心肌功能指数测量方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9662088B2 (en) | Ultrasound pulse-wave doppler measurement of blood flow velocity and/or turbulence | |
US8523776B2 (en) | Ultrasonic doppler imaging apparatus and method with blood velocity waveform processing | |
US8622913B2 (en) | Method and system for non-invasive monitoring of patient parameters | |
CN104736046B (zh) | 用于数字评估脉管系统的系统和方法 | |
CN110637322B (zh) | 用于数字化图像中的边缘检测的系统、方法以及计算机可读存储介质 | |
CN104622509A (zh) | 超声波诊断装置以及弹性评价方法 | |
US20060064016A1 (en) | Method and apparatus for automatic examination of cardiovascular functionality indexes by echographic imaging | |
CN111275755B (zh) | 基于人工智能的二尖瓣瓣口面积检测方法、系统和设备 | |
CN117503206A (zh) | 心功能指标的计算方法、计算机可读介质及超声设备 | |
KR20070046889A (ko) | 도플러 속도 스펙트럼 내에서 유속에 대한 조정가능한트레이싱 | |
CN112597982B (zh) | 基于人工智能的图像分类方法、装置、设备和介质 | |
WO2022237161A1 (zh) | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 | |
US9538989B2 (en) | Ultrasound imaging equipment and method | |
EA006047B1 (ru) | Способ и система получения информации о размерах проточного канала | |
Rivolo et al. | Accurate and standardized coronary wave intensity analysis | |
CN109155065B (zh) | 用于诊断图像分析和图像质量评估的系统及方法 | |
EP3593729A1 (en) | Tissue elasticity measurement device and measurement method | |
US20190209136A1 (en) | Ultrasonic imaging device and ultrasonic image display method | |
CN115607189A (zh) | 超声成像装置和基于超声成像的心功能测量方法 | |
US11109841B2 (en) | Method and system for simultaneously presenting doppler signals of a multi-gated doppler signal corresponding with different anatomical structures | |
CN114494100A (zh) | 脉搏波速度的测量方法及超声设备 | |
CN115460989A (zh) | 用于超声体积流量测量的三维彩色多普勒 | |
JP4373762B2 (ja) | 医用画像診断装置及び超音波診断装置 | |
CN114052673B (zh) | 瘘成熟度的评估方法、设备和存储介质 | |
Latham et al. | Stable automatic envelope estimation for noisy Doppler ultrasound |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |