CN118042989A - 用于分割解剖结构的系统和方法 - Google Patents

用于分割解剖结构的系统和方法 Download PDF

Info

Publication number
CN118042989A
CN118042989A CN202280066182.5A CN202280066182A CN118042989A CN 118042989 A CN118042989 A CN 118042989A CN 202280066182 A CN202280066182 A CN 202280066182A CN 118042989 A CN118042989 A CN 118042989A
Authority
CN
China
Prior art keywords
imaging data
ultrasound imaging
region
interest
processing system
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
CN202280066182.5A
Other languages
English (en)
Inventor
F·M·韦伯
F·C·梅拉尔
I·韦希特尔-施特勒
F·G·G·M·维尼翁
T·洛绍
M·M·阮
S·维尔德
J·R·于
A·戈森
A·格罗特
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Priority claimed from PCT/EP2022/076005 external-priority patent/WO2023052178A1/en
Publication of CN118042989A publication Critical patent/CN118042989A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • 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
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
    • 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
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physiology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

一种用于分割超声成像数据中的解剖结构的系统和方法。以高分辨率采集包括所述解剖结构的第一区域的第一超声成像数据。以低分辨率采集包括与所述第一区域相邻的区域的第二区域的第二超声成像数据。第一和第二超声成像数据被处理以分割所述解剖结构。

Description

用于分割解剖结构的系统和方法
技术领域
本发明涉及分割解剖结构的领域，并且特别地涉及超声图像中的解剖结构的自动分割。
背景技术
超声成像数据为多种临床应用提供了有用的信息。诸如分割算法的自动图像处理算法常常被用于处理超声成像数据以识别图像中的解剖结构。
当获得超声成像数据时，高帧速率常常是期望的。在使用三维超声数据(诸如三维心脏超声)的应用中，实现高帧速率是特别困难的，因为扫描3D体积比扫描相同物体的2D平面花费更长得多的时间。为了实现高帧速率，临床医师被训练以采集具有小视场的超声成像数据。临床医师即使在使用允许更高帧速率的更现代的超声探头时继续采集具有小视场的图像。
然而，自动分割算法，诸如由Philips Healthcare开发的AutoView的HeartModel和FastModel，通常要求比这些小视场允许的更宽的图像背景，以便确保鲁棒的初始化(例如用于二尖瓣分割)。
一种可能的解决方案是首先采集较大的图像(例如左心脏的全体积图像)，其可以由分割算法使用以建立解剖背景。当采集小视场图像时可以间歇性地采集较大的图像，以便重新确保解剖背景。然而，这引入了可能干扰小视场图像的采集流的时间延迟。
因此，需要一种用于在维持高帧速率时为超声图像提供解剖背景的改进的方法。
Chen Huai等人的“LRTHR-Net:A low-resolution-to-high-resolutionframework to iteratively refine the segmentation of thyroid nodule inultrasound images”(Computer Vision-ECCV 2020:16th European Conference，Glasgow，UK，2020年8月23日至28日：Proceedings[Lecture Notes in Computer Science；ISSN 0302-9743]，第116–121页)公开了一种用于甲状腺超声的分割方法。输入图像被调整大小到不同的分辨率。
发明内容
本发明由权利要求定义。
根据依据本发明的一方面的示例，提供了一种用于分割超声成像数据中的解剖结构的处理系统。
所述处理系统被配置为：获得表示包括所述解剖结构的感兴趣区域的第一超声成像数据，其中，所述第一超声成像数据是由波束形成单元以第一分辨率采集的；获得表示扩展视场的第二超声成像数据，其中，所述第二超声成像数据是由所述波束形成单元以更低的第二分辨率采集的，并且所述扩展视场包括与所述感兴趣区域邻近的至少一个区域；并且通过处理所述第一超声成像数据和所述第二超声成像数据来分割所述感兴趣区域中的所述解剖结构。
所述感兴趣区域是具有相对小视场的区域。该区域以高分辨率进行成像以用于显示。
所述扩展视场提供额外的解剖背景以改进所述解剖结构的分割的准确度和可靠性。在一些示例中，所述扩展视场可以仅包括与所述感兴趣区域邻近的至少一个区域。在其他示例中，所述扩展视场可以包括所述感兴趣区域的至少部分以及与所述感兴趣区域邻近的至少一个区域。例如，所述扩展视场可以是涵盖所述感兴趣区域的较大区域。在另外其他的示例中，所述扩展视场可以包括与所述感兴趣区域邻近的至少一个区域和所述感兴趣区域的部分。例如，所述扩展视场可以是包括所述感兴趣区域的部分以及与所述感兴趣区域邻近的一个或多个区域的区域。
发明人已经认识到，以高分辨率采集针对所述感兴趣区域的超声成像数据和以低分辨率采集针对所述扩展视场的超声成像数据为分割算法产生了足够的解剖背景，同时还允许高帧速率。
与所述感兴趣区域邻近的至少一个区域仅以更低的第二分辨率成像：该至少一个区域不存在于所述第一超声成像数据中。减少以所述高分辨率成像的总区域或区的大小增加了所述帧速率，同时与单独对所述感兴趣区域成像相比较，额外地以较低分辨率对至少一个邻近区域成像改进了分割结果的准确度。
换句话说，所述第二超声成像数据的视场大于所述第一超声成像数据的视场。因此，所述第二超声成像数据包含不存在于所述第一超声成像数据中的区域的表示。这确保了在执行所述解剖结构的分割时，所述感兴趣区域附近的至少一个区域的背景信息是有用的。
所述处理系统可以使用任何适合的分割算法(例如基于模型的分割算法或基于AI的分割算法)来分割所述解剖结构。
第一和第二超声成像数据可以是三维超声成像数据，针对其，高帧速率是特别期望的。第一和第二超声成像数据可以是心脏超声成像数据，其中，要求高帧以便获得关于心脏功能的有用信息。
在一些示例中，所述处理系统还被配置为：获得对所述感兴趣区域的定义；并且基于接收到的对所述感兴趣区域的定义来定义所述扩展视场。
这允许为给定的感兴趣区域自动定义适合的扩展视场。接收到的对所述感兴趣区域的定义可以基于用户输入。
在一些示例中，所述处理系统还被配置为控制所述波束形成单元执行以下操作：以所述第一分辨率采集表示所述感兴趣区域的第一超声成像数据；并且以所述更低的第二分辨率采集表示所述扩展视场的第二超声成像数据。
在一些示例中，所述处理系统被配置为：控制所述波束形成单元以采集所述第一超声成像数据；基于所述第一超声成像数据来生成所述感兴趣区域的图像；将所生成的所述感兴趣区域的图像输出到用户界面；并且响应于接收到用户输入而控制所述波束形成单元以采集所述第二超声成像数据。
以这种方式，仅当用户确定所述感兴趣区域对应于期望的视场(并且经由所述用户输入示出用于分割感兴趣区域中的解剖结构的意图)时可以对扩展视场进行成像。
在一些示例中，所述处理系统被配置为：控制所述波束形成单元以采集所述第一超声成像数据；处理所述第一超声成像数据以确定一个或多个时间相关性解剖特性；基于所确定的一个或多个时间相关性解剖特性来确定采集所述第二超声成像数据的时间；并且控制所述波束形成单元以在所确定的时间处采集所述第二超声成像数据。
以这种方式，可以自动地对所述扩展视场进行成像。
例如，在心脏超声的情况下，所述第二超声成像数据可以在所述心动周期中的特定点处(例如，在舒张末期或收缩末期)采集。
在一些示例中，所述处理系统被配置为：从一个或多个传感器获得表示所述解剖结构的传感器数据；处理所述传感器数据以确定一个或多个时间相关性解剖特性；基于所确定的一个或多个时间相关性解剖特性来确定采集所述第二超声成像数据的时间；并且控制所述波束形成单元以在所确定的时间处采集所述第二超声成像数据。
在一些超声成像应用中，采集所述第二超声成像数据的时间基于的时间相关性特性可能不能根据所述第一超声成像数据以期望的准确度来确定。使用来自一个或多个其他传感器的数据可以允许所述时间相关性特性，并且因此允许应以更高的准确度采集所述第二超声成像数据的时间(例如，心动周期中的特定点)。
例如，在第一和第二超声成像数据是心脏超声成像数据的情况下，所述一个或多个传感器可以包括ECG传感器。ECG传感器数据可以被用于确定所述心动周期中的特定点何时将发生。
所述处理系统可以控制所述波束形成单元以在所述处理单元获得传感器数据时采集所述第一超声成像数据，或者所述第一超声成像数据可以仅在与所述第二超声成像数据相同的时间(即，所确定的时间)采集。
在一些示例中，所述处理系统被配置为通过以下操作分割所述感兴趣区域中的解剖结构：基于所述第一超声成像数据和所述第二超声成像数据来生成所述感兴趣区域和所述扩展视场的组合图像；并且基于所述组合图像来分割所述解剖结构。
使用单幅(连续)图像作为分割算法的输入是通常的方法。因此，可以简单地使用现有的分割算法来执行所述分割。
在一些示例中，所述处理系统还被配置为处理所述组合图像以改进所述组合图像的扩展视场区域的图像质量。例如，所述处理系统可以使用经典的图像处理算法或机器学习算法来改进所述图像质量。增强所述扩展视场的图像质量进一步改进了所述分割的准确度和可靠性。
在一些示例中，所述处理系统被配置为通过以下操作分割所述感兴趣区域中的解剖结构：基于所述第一超声成像数据来生成第一图像；基于所述第二超声成像数据来生成第二图像；并且基于所述第一图像和所述第二图像来分割所述解剖结构。
提供所述感兴趣区域和扩展视场的单独图像作为分割算法的输入，而不是使用组合图像，减少了影响分割结果的伪影(可能在所述感兴趣区域与所述扩展视场之间的边界附近出现)的可能性。
在一些实施例中，所述处理系统被配置为处理所述第二图像(例如，使用经典图像处理算法或机器学习算法来在分割所述解剖结构之前改进所述第二图像的图像质量)。
在一些实施例中，所述处理系统还被配置为基于所述分割来重新定义所述扩展视场。
可以重新定义所述扩展视场以实现帧速率与所述扩展视场的大小之间的期望折中。
例如，可以基于所述分割确定所述扩展视场大于稳定所述分割所需的视场。然后可以将所述扩展视场减小到被确定为对分割最重要的区，从而在不显著影响分割结果的情况下改进随后采集的超声成像数据的帧速率。
还提出了一种超声系统，包括：上文所描述的处理系统；以及波束形成单元，其被配置为：通过向所述感兴趣区域发射第一多个发射脉冲来采集所述第一超声成像数据；并且通过向所述扩展视场发射第二多个发射脉冲来采集所述第二超声成像数据。
在一些示例中，所述第一多个发射脉冲是多个交叠发射脉冲，并且所述第二多个发射脉冲是多个非交叠发射脉冲。
这允许以比所述感兴趣区域更低的分辨率对从所述感兴趣区域横向延伸的扩展视场区域成像。
在一些示例中，针对所述第二多个发射脉冲中的每个的发散发射波束焦距小于针对所述第一多个发射脉冲中的每个的焦距。
这允许以比所述感兴趣区域更低的分辨率对从所述感兴趣区域横向延伸的扩展视场区域成像。所述焦距可以从所述感兴趣区域的中心到所述扩展视场逐渐减小，以保持发射脉冲的数目恒定。
在一些示例中，所述第二多个发射脉冲的两个连续发射脉冲之间的时间间隔大于所述第一多个发射脉冲的两个连续发射脉冲之间的时间间隔。
增加发射脉冲之间的时间间隔增加了所述视场的深度。以这种方式，可以对轴向延伸超过所述感兴趣区域的扩展视场区域进行成像。
根据本发明的另一方面，提供了一种用于分割超声图像中的解剖结构的计算机实施的方法，所述计算机实施的方法包括：获得表示包括所述解剖结构的感兴趣区域的第一超声成像数据，其中，所述第一超声成像数据是由波束形成单元以第一分辨率采集的；获得表示扩展视场的第二超声成像数据，其中，所述第二超声成像数据是由所述波束形成单元以更低的第二分辨率采集的，并且所述扩展视场包括所述感兴趣区域以及与所述感兴趣区域邻近的至少一个另外的区域；并且通过处理所述第一超声成像数据和所述第二超声成像数据来分割所述感兴趣区域中的所述解剖结构。
还提出了一种包括计算机程序代码单元的计算机程序产品，所述计算机程序代码单元当在具有处理系统的计算机设备上运行时，使所述处理系统执行上文所描述的方法的所有步骤。
本发明的这些和其他方面将根据下文描述的(一个或多个)实施例而显而易见并将参考下文描述的(一个或多个)实施例得到阐述。
附图说明
为了更好地理解本发明并且为了更清楚地示出其可以如何被执行，现在将仅通过示例参考附图，其中：
图1图示了示例性超声系统；
图2图示了根据本发明的实施例的超声系统；
图3图示了可以以不同的分辨率采集感兴趣区域和扩展视场的超声成像数据的示例脉冲序列；
图4图示了感兴趣区域的高分辨率超声图像的示例；
图5图示了包括图4中的感兴趣区域的扩展视场的低分辨率超声图像的示例；
图6图示了感兴趣区域和扩展视场的组合图像的示例；并且
图7图示了根据本发明的实施例的用于分割超声成像数据中的解剖结构的计算机实施的方法。
具体实施方式
将参考附图描述本发明。
应当理解，详细描述和具体示例在指示装置、系统和方法的示例性实施例时仅旨在用于图示的目的，而不旨在限制本发明的范围。本发明的装置、系统和方法的这些和其他特征、方面和优点将根据以下描述、所附权利要求和附图变为更好理解。应当理解，附图仅仅是示意性的而未按比例绘制。还应当理解，贯穿附图使用相同附图标记来指示相同或相似的部件。
根据本发明的构思，提出了一种用于分割超声成像数据中的解剖结构的系统和方法。以高分辨率采集包括解剖结构的第一区域的第一超声成像数据。以低分辨率采集包括与第一区域相邻的区域的第二区域的第二超声成像数据。第一和第二超声成像数据被处理以分割解剖结构。
实施例至少部分地基于以下认识：在超声成像过程中成像的小视场周围的(一个或多个)区域将提供额外的解剖背景，其将有助于在小视场中分割解剖物体，并且以低分辨率对小视场周围的(一个或多个)区域进行成像将提供足够的信息来改进分割，而不对帧速率具有显著的不利影响。
例如，说明性实施例可以用于任何超声应用中，该任何超声应用通常具有视场大小与时间分辨率之间的折中，并且使用将受益于较大视场的分割算法，诸如三维超声应用，包括三维心脏超声。
首先将参考图1并且着重于系统的信号处理功能来描述示例性超声系统的总体操作，因为本发明涉及对由换能器阵列测量的信号的处理。
该系统包括阵列换能器探头4，其具有用于发射超声波和接收回波信息的换能器阵列6。换能器阵列6可以包括CMUT换能器；由诸如PZT或PVDF的材料形成的压电换能器；或任何其他合适的换能器技术。在该示例中，换能器阵列6是能够扫描感兴趣区域的2D平面或三维体积的换能器8的二维阵列。在另一示例中，换能器阵列可以是1D阵列。
换能器阵列6耦合到微波束形成器12，微波束形成器12控制由换能器元件对信号的接收。微波束形成器能够对由换能器的子阵列(通常称为“组”或“片块”)接收的信号进行至少部分波束形成，如美国专利US 5997479(Savord等人)、US 6013032(Savord)和US6623432(Powers等)中所描述的。
应当注意，微波束形成器是完全任选的。另外，该系统包括发射/接收(T/R)开关16，微波束形成器12可以耦合到该开关，并且该开关在发射模式和接收模式之间切换阵列，并且在不使用微波束形成器且换能器阵列由主系统波束形成器直接操作的情况下保护主波束形成器20免受高能量发射信号影响。来自换能器阵列6的超声波束的发射由通过T/R开关16耦合到微波束形成器并且耦合到主发射波束形成器(未示出)的换能器控制器18引导，该主发射波束形成器可以从用户对用户界面或控制面板38的操作接收输入。控制器18可以包括发射电路，该发射电路被布置为在发射模式期间(直接或经由微波束形成器)驱动阵列6的换能器元件。
在典型的逐行成像序列中，探头内的波束形成系统可以如下操作。在发射期间，波束形成器(其根据实施方式而可以是微波束形成器或主系统波束形成器)激活换能器阵列或换能器阵列的子孔。子孔可以是较大阵列内的换能器的一维线或换能器的二维片块。在发射模式中，控制由阵列或阵列的子孔生成的超声波束的聚焦和转向，如下所述。
在接收到来自对象的反向散射的回波信号后，接收到的信号经历接收波束形成(如下所述)，以便将接收到的信号对准，并且在正在使用子孔的情况下，然后例如由一个换能器元件对子孔进行移位。经移位的子孔然后激活，并且该过程重复，直到换能器阵列的所有换能器元件已经激活。
对于每个线(或子孔)，用于形成最终超声图像的相关联线的总接收信号将是在接收时段期间由给定子孔的换能器元件所测量的电压信号的总和。在下面的波束形成过程之后，得到的线信号通常称为射频(RF)数据。由各个子孔生成的每条线信号(RF数据集)然后经历额外的处理以生成最终超声图像的线。线信号的幅度随时间的变化将贡献于超声图像的亮度随深度的变化，其中，高幅度峰将对应于最终图像中的亮像素(或像素的集合)。出现在线信号的开始附近的峰将表示来自浅结构的回波，而逐渐出现在线信号后期的峰将表示来自对象内增加深度处的结构的回波。
由换能器控制器18控制的功能之一是波束转向和聚焦的方向。波束可以转向为从换能器阵列笔直向前(正交于其)，或者在不同角度处以用于更宽视场。可以根据换能器元件致动时间来控制发射波束的转向和聚焦。
在一般的超声数据采集中可以区分两种方法：平面波成像和“波束转向”成像。两种方法通过在发射模式(“波束转向”成像)和/或接收模式(平面波成像和“波束转向”成像)中波束形成的存在来区分。
首先看一下聚焦功能，通过同时激活所有换能器元件，换能器阵列生成平面波，该平面波在其行进通过对象时发散。在这种情况下，超声波的波束保持未聚焦。通过向换能器的激活引入位置相关时间延迟，能够使波束的波前会聚在期望的点处，该点称为聚焦区。聚焦区被定义为横向波束宽度小于发射波束宽度一半的点。以这种方式，改进了最终超声图像的横向分辨率。
例如，如果时间延迟使换能器元件从最外面的元件开始并在换能器阵列的(一个或多个)中心元件处结束在系列中激活，则将在距探头给定距离处形成聚焦区，与(一个或多个)中心元件一致。聚焦区距探头的距离将根据换能器元件激活的每个后续轮之间的时间延迟而变化。在波束经过聚焦区后，其将开始发散，从而形成远场成像区域。应当注意，对于定位靠近于换能器阵列的聚焦区，超声波束将在远场中迅速发散，从而导致最终图像中的波束宽度伪影。通常，由于超声波束中的大交叠，位于换能器阵列和聚焦区之间的近场示出很少细节。因此，改变聚焦区的位置会导致最终图像的质量的显著变化。
应当注意，在发射模式中，除非将超声图像划分为多个聚焦区(其中每个可能具有不同的发射焦点)，否则可以定义仅一个焦点。
此外，在从对象内接收到回波信号后，能够执行上述过程的逆过程以便执行接收聚焦。换句话说，传入信号可以由换能器元件接收并且在被传递到系统中以进行信号处理之前经历电子时间延迟。这一点的最简单示例称为延迟求和波束形成。能够根据时间动态调节换能器阵列的接收聚焦。
现在来看波束转向的功能，通过对换能器元件正确地施加时间延迟，能够在超声波束离开换能器阵列时在超声波束上赋予期望的角度。例如，通过以在阵列的相对侧结束的顺序来激活换能器阵列的第一侧上的换能器，之后剩余的换能器，波束的波前将朝向第二侧成角度。相对于换能器阵列的法线的转向角的大小取决于随后的换能器元件激活之间的时间延迟的大小。
另外，聚焦转向波束是可能的，其中，施加到每个换能器元件的总时间延迟是聚焦和转向时间延迟两者的总和。在这种情况下，换能器阵列称为相控阵列。
特殊情况被称为发散波发射(也称为发散波束)，其中，假设波束的几何焦点在换能器后面。这些类型的发射波束总是在发射介质中发散。这样的波束可以通过首先发射中心元件并且随后相邻元件朝向换能器的边缘来发射，其中，延迟是基于发散聚焦几何结构来计算的。类似于聚焦波束，发散波发射也可以转向。发散波对于以有限的发射次数声穿透更大的感兴趣区域是有用的，因此适合于快速成像序列和高帧速率。
在需要用于对其进行激活的DC偏置电压的CMUT换能器的情况下，换能器控制器18可以耦合以控制用于换能器阵列的DC偏置控制45。DC偏置控制45设置施加到CMUT换能器元件的(一个或多个)DC偏置电压。
针对换能器阵列的每个换能器元件，通常称为信道数据的模拟超声信号通过接收信道进入系统。在接收信道中，部分波束形成信号由微波束形成器12根据信道数据产生，并且然后传递到主接收波束形成器20，其中，来自换能器的个体片块的部分波束形成信号被组合为完全波束形成信号，被称为射频(RF)数据。在每个阶段处执行的波束形成可以如上所述被执行，或者可以包括额外的功能。例如，主波束形成器20可以具有128信道，其中每个从几十个或数百换能器元件的片块接收部分波束形成信号。以这种方式，由换能器阵列的数千个换能器接收到的信号可以有效地贡献于单个波束形成信号。
将波束形成接收信号耦合到信号处理器22。信号处理器22能够以各种方式处理接收到的回波信号，例如：带通滤波；抽选；I和Q分量分离；以及谐波信号分离，其用于分离线性信号与非线性信号，从而使得能够识别从组织和微泡返回的非线性(基频的较高谐波)回波信号。信号处理器还可以执行额外的信号增强，例如，散斑减少、信号复合以及噪声消除。在信号处理器中的带通滤波器可以是跟踪滤波器，当从递增的深度接收回波信号时该带通滤波器的通带从较高的频带滑动到较低的频带，从而拒绝来自更大深度的较高频率处的噪声，其通常缺乏解剖信息。
用于发射和用于接收的波束形成器以不同的硬件实施并且可以具有不同的功能。当然，接收器波束形成器被设计为考虑发射波束形成器的特性。为了简化，在图1中仅示出了接收器波束形成器12、20。在整个系统中，还将存在带有发射微波束形成器和主发射波束形成器的发射链。
微波束形成器12的功能是提供信号的初始组合，以便减少模拟信号路径的数量。这通常在模拟域中执行。
最终波束形成在主波束形成器20中完成，并且通常在数字化之后完成。
发射和接收信道使用具有固定频带的相同换能器阵列6。然而，发射脉冲占用的带宽可以根据所使用的发射波束形成而变化。接收信道可以捕获整个换能器带宽(其是经典方法)，或者通过使用带通处理，其只能提取包含期望信息(例如主谐波的谐波)的带宽。
然后，可以将RF信号耦合到B模式(即，亮度模式或2D成像模式)处理器26和多普勒处理器28。B模式处理器26对接收到的超声信号执行幅度检测以对身体中的结构进行成像，例如器官组织和血管。在逐行成像的情况下，每条线(波束)由关联的RF信号表示，其幅度被用于生成要分配给B模式图像中的像素的亮度值。图像内像素的确切位置由沿RF信号的相关联幅度测量结果的位置和RF信号的线(波束)数确定。这样的结构的B模式图像可以以谐波或基波图像模式或两者的组合形成，如在美国专利US 6283919(Roundhill等人)和美国专利US 6458083(Jago等人)中所描述的。多普勒处理器28处理由组织移动和血流产生的时间上不同的信号，以检测移动物质，例如图像场中的血细胞的流。多普勒处理器28通常包括壁滤波器，该壁滤波器具有设置成通过或拒绝从体内的选定类型的材料返回的回波的参数。
由B模式和多普勒处理器产生的结构和运动信号被耦合到扫描转换器32和多平面重新格式化器44。扫描转换器32以空间关系布置回波信号，该回波信号根据该空间关系以期望的图像格式接收。换句话说，扫描转换器用于将RF数据从圆柱坐标系转换到适于在图像显示器40上显示超声图像的笛卡尔坐标系。在B模式成像的情况下，给定坐标处的像素的亮度与从该位置接收的RF信号的幅度成比例。例如，扫描转换器可以将回波信号布置成二维(2D)扇形格式或锥体三维(3D)图像。扫描转换器可以向B模式结构图像叠加与图像场中的点处的运动相对应的颜色，其中，多普勒估计速度产生给定的颜色。组合的B模式结构图像和彩色多普勒图像描绘了结构图像场内的组织和血流的运动。如美国专利US 6443896(Detmer)中所描述的，多平面重新格式化器将从身体的体积区域中的公共平面中的点接收的回波转换成该平面的超声图像。体积绘制器42将3D数据集的回波信号转换成投影的3D图像，如从给定参考点所查看的，如美国专利US 6530885(Entrekin等人)中所描述的。
2D或3D图像从扫描转换器32、多平面重新格式化器44和体积绘制器42耦合到图像处理器30，以用于进一步增强、缓冲和临时存储以显示在图像显示器40上。成像处理器可以适于从最终超声图像移除某些成像伪影，诸如：例如由强衰减器或折射引起的声学阴影；例如由弱衰减器引起的后增强；混响伪影，例如，其中，高度反射的组织界面紧密邻近定位；等等。此外，图像处理器可以适于处理某些散斑减少功能，以便改进最终超声图像的对比度。
除了用于成像，由多普勒处理器28产生的血流值和由B模式处理器26产生的组织结构信息被耦合到量化处理器34。该量化处理器产生不同流状况的量度，例如除了诸如器官的大小和胎龄的结构测量结果外的血流的体积速率。量化处理器可以从用户控制面板38接收输入，例如图像的解剖结构中要进行测量的点。
来自量化处理器的输出数据耦合到图形处理器36，以用于在显示器40上与图像一起再现测量图形和值，并且用于从显示设备40的音频输出。图形处理器36还可以生成图形叠加，以用于与超声图像一起显示。这些图形叠加可以包含标准识别信息，例如患者姓名、图像的日期和时间、成像参数等。出于这些目的，图形处理器从用户界面38接收输入，诸如患者姓名。用户界面还耦合到发射控制器18，以控制生成来自换能器阵列6的超声信号，并且因此由换能器阵列和超声系统产生的图像。控制器18的发射控制功能仅是所执行的功能之一。控制器18还考虑操作模式(由用户给定)以及接收器模数转换器中的对应的所需的发射器配置和带通配置。控制器18可以是具有固定状态的状态机。
用户界面还耦合到多平面重新格式化器44，以用于选择和控制多幅多平面重新格式化(MPR)图像的平面，其可以用于在MPR图像的图像场中执行量化的量度。
图2图示了根据本发明的实施例的超声系统200。系统包括波束形成单元210和用于分割超声成像数据中的解剖结构的处理系统220。处理系统本身是本发明的实施例。
波束形成单元210连接到超声换能器探头230，并且被配置为使用超声换能器探头采集第一分辨率处的第一超声成像数据211和更低的第二分辨率处的第二超声成像数据212。波束形成单元和换能器探头可以是常规超声波束形成单元和换能器探头，如上文参考图1所描述的，其适于以不同分辨率采集针对不同区域的成像数据。
第一超声成像数据的轴向分辨率和横向分辨率可以分别靠近第二超声成像数据的轴向分辨率和横向分辨率，因为轴向分辨率主要由换能器发射波带宽定义，并且横向分辨率由不改变的换能器孔径大小定义。然而，由于缺乏发射波束聚焦，第二超声成像数据可能具有高得多的旁瓣水平。尽管第一超声成像数据也可以使用发散波并且缺乏几何发射聚焦，但是可以相干地复合多个交叠发射(例如，n＝4，其中，n是波束的数目)以产生回顾性发射聚焦效果。第二超声成像数据可以不使用任何相干复合，或者可以复合少量波束(例如n＝1、2)。相干复合的结果是图像中的杂波水平的降低。根据Papadacci等人(2014年)的“High contrast ultrafast imaging of the human heart”(IEEE Trans UltrasonFerroelectr Freq Control，61(2):288–301)，相干复合4个发散波发射与2个发散波发射相比较，杂波水平的降低是3dB，并且与无复合(即利用单个发散波束对像素成像)相比较，杂波水平的降低是5dB。如果使用聚焦波束，则杂波水平比4个发散波束复合情况低9dB。超声图像的降低的杂波水平使分割算法以更好的性能运行。
第一超声成像数据211是表示包括要分割的解剖结构的感兴趣区域的成像数据。在图2中，解剖结构是对象240的心脏中的解剖结构，但是超声系统200可以被用于改进任何解剖结构的分割，对于其，由于期望的帧速率，超声图像通常具有太小的视场以用于可靠的自动分割(即，在具有视场大小与时间分辨率之间的折中的任何超声应用中，对于该超声应用中，分割算法将受益于较大的视场，诸如3D心脏超声和3D胎儿超声成像)。感兴趣区域是具有包括解剖结构的相对小视场的区域。例如，感兴趣区域可能恰好大到足以包含解剖结构。以高分辨率(即，适合于显示目的的分辨率)采集第一超声成像数据。
第二超声成像数据212是表示扩展视场的成像数据，该扩展视场包括与感兴趣区域邻近的至少一个区域。在一些示例中，扩展视场可以额外地包括感兴趣区域和/或感兴趣区域的部分。换句话说，扩展视场可以是包括感兴趣区域(的至少部分)的较大区域。第二超声成像数据是以低分辨率(即，足够低的分辨率以以期望的帧速率采集扩展视场的成像数据，但足够高以提供背景信息)采集的，因为第二超声成像数据不旨在用于显示，而是提供用于分割解剖结构的额外的解剖背景。
在一些示例中，第一超声成像数据211和第二超声成像数据212可以是三维超声成像数据，其中，视场大小与时间分辨率之间的折中是特定的问题。因此，所提出的方法找到了特定的用途，并且在该用例场景中具有特别的优势。
在一些示例中，处理系统220可以获得感兴趣区域的定义，并且基于接收到的感兴趣区域的定义来定义扩展视场。感兴趣区域的定义可以基于例如在用户界面250处接收的用户输入来获得。
扩展视场可以根据一个或多个预定规则来定义，该预定规则可以取决于要在感兴趣区域中分割的解剖结构。例如，扩展视场可以被定义为使得扩展视场比感兴趣区域大预定义的百分比并且在其中心包含感兴趣区域。预定义的百分比可以取决于要分割的解剖结构；例如，在解剖结构为二尖瓣的情况下，扩展视场可能比感兴趣区域大20-80％，例如大50％。感兴趣区域可以相对于扩展视场居中，但是扩展视场也可以相对于感兴趣区域非对称地布置(即，扩展视场可以在第一方向上比在不同的第二方向上从感兴趣区域延伸更多)。
处理系统220可以被配置为控制波束形成单元210以第一分辨率采集第一超声成像数据211并且以第二分辨率采集第二超声成像数据212。
在一些示例中，处理系统220可以被配置为首先控制波束形成单元210以采集第一超声成像数据211、基于第一超声成像数据生成感兴趣区域的图像并且将感兴趣区域的所生成的图像输出到用户界面250。处理系统可以继续获得第一超声成像数据并输出感兴趣区域的所生成的图像，直到接收到指示当前感兴趣区域对应于期望视场的用户输入(例如经由用户界面)。换句话说，在用户调节探头以找到期望的视场(示出解剖结构的期望视图)时可以仅采集第一超声成像数据。用户然后可以经由用户输入指示显示在用户界面上的当前视图适合于捕获。
响应于接收到用户输入，处理系统220然后可以控制波束形成单元210以采集除了第一超声成像数据212之外的第二超声成像数据212。
在其他示例中，处理系统220可以被配置为自动确定采集第二超声成像数据212的时间。例如，这可以使得第二超声成像数据能够在解剖结构(或解剖结构是其部分的解剖物体)的循环运动中的特定点处采集，诸如在心动周期中的特定点(例如舒张末期或收缩末期)处采集。换句话说，处理系统可以控制波束形成单元以仅针对超声采集系列中的预定帧(诸如在心脏超声的情况下为舒张末期和/或收缩末期帧)采集第二超声成像数据。
例如，处理系统220可以被配置为首先控制波束形成单元210以采集第一超声成像数据211，并基于第一超声成像数据确定采集第二超声成像数据212的时间。处理系统然后可以控制波束形成单元以在所确定的时间处采集第二超声成像数据。
处理系统220可以通过以下操作基于第一超声成像数据211确定采集第二超声成像数据212的时间：处理第一超声成像数据以确定一个或多个时间相关性解剖特性，并基于所确定的一个或多个时间相关性解剖特性确定采集第二超声成像数据的时间。一个或多个时间相关性解剖特性可以是能够根据第一超声成像数据确定的解剖结构或感兴趣区域中的其他解剖物体的任何适合的时间相关性特性，并且可以取决于特定的解剖结构和/或感兴趣区域。
例如，在第一超声成像数据211和第二超声成像数据212是心脏超声成像数据的情况下，根据第一超声成像数据确定的一个或多个时间相关性解剖特性可以包括心室体积和/或二尖瓣小叶的打开状态中的至少一个。
根据超声成像数据确定解剖特性的方法是众所周知的，并且用于确定一个或多个时间相关性特性的适合方法对技术人员来说将是显而易见的。在一些示例中，可以对第一超声成像数据执行初始分割(即，在没有由第二超声成像数据提供的额外的解剖背景的情况下的分割)以便确定一个或多个时间相关性特性。在其他示例中，不提供完整分割但基于超声成像数据估计一个或多个时间相关性特性的专用图像处理算法(例如，基于AI的心脏相位检测器)可以被用于确定一个或多个时间相关性特性。
在一些示例中，系统200还可以包括一个或多个传感器(在图2中未示出)，其能够接收表示解剖结构的传感器数据。处理220可以被配置为从一个或多个传感器获得传感器数据，并基于传感器数据确定采集第二超声成像数据212的时间。处理系统然后可以控制波束形成单元以在所确定的时间处采集第二超声成像数据。在这些示例中，处理系统可以控制波束形成单元以在整个过程中采集第一超声成像数据211(即，波束形成单元在处理系统获得和处理传感器数据时采集第一超声成像数据，并且在采集第二超声成像数据时继续采集第一超声成像数据)，或者也可以仅在所确定的时间处采集第一超声成像数据。
处理系统220可以通过以下操作基于传感器数据确定采集第二超声成像数据212的时间：处理传感器数据以确定一个或多个时间相关性解剖特性，并基于所确定的一个或多个时间相关性解剖特性确定采集第二超声成像数据的时间。类似于根据第一超声成像数据211确定的解剖特性，根据传感器数据确定的一个或多个时间相关性解剖特性可以是能够根据传感器数据确定的解剖结构或感兴趣区域中的其他解剖物体的任何适合的时间相关性特性，并且可以取决于特定的解剖结构和/或感兴趣区域以及用于获得传感器数据的(一个或多个)传感器的类型。
用于获得传感器数据的适合的传感器和用于基于传感器数据确定一个或多个时间相关性特性的方法对技术人员来说将是显而易见的。例如，一个或多个传感器可以包括以下各项中的一项或多项：ECG(心电图)传感器、PCG(心音图)传感器、脉冲传感器和/或相机(用于基于相机的心率监测)。特别地，ECG传感器通常被用于确定与对象的心动周期有关的信息。一个或多个时间相关性特性可以例如包括ECG迹线的幅度和/或PCG迹线的幅度。
波束形成单元210通过向感兴趣区域发射第一多个发射脉冲来采集第一超声成像数据211，并且通过向扩展视场发射第二多个发射脉冲来采集第二超声成像数据。
第一多个发射脉冲可以是常规超声成像采集序列。例如，第一多个发射脉冲可以包括在发射波束之间具有交叠的空间上薄的超声波束。
在扩展视场从感兴趣区域横向延伸(即在垂直于第一多个发射脉冲的方向的方向上延伸)的情况下，第二多个发射脉冲可以例如包括发射到感兴趣区域的至少一侧的非交叠发射波束。非交叠发射波束被发射到的至少一侧将取决于扩展视场的定义。
额外地或者备选地，第二多个发射脉冲可以是更宽的(即，与第一多个发射脉冲相比较)发散波束，其通过将换能器孔后面的焦点移动得更近以产生更大的覆盖范围而形成。换句话说，用于第二多个发射脉冲中的每个的发散发射波束焦距(即，发散波束的焦距)可以小于用于第一多个发射脉冲的每个的焦距。
通过朝向感兴趣区域的边缘逐渐减小第一多个发射脉冲的焦距以及随着距感兴趣区域的距离增加而逐渐减小第二多个发射脉冲的焦距，可以在仅采集第一超声成像数据211与采集第一超声成像数据和第二超声成像数据212两者之间保持发射脉冲的总数恒定。
在扩展视场从感兴趣区域轴向延伸(即，在第一多个发射脉冲的方向上延伸)的情况下，第二多个发射脉冲可以在两个连续发射脉冲之间具有比第一多个发射脉冲更长的时间间隔。增加两个连续发射脉冲之间的时间和更长时间地接收来自发射脉冲的反向散射回波允许增加成像视场的深度。
为了减少增加两个连续发射脉冲之间的时间间隔对帧速率的影响，可以不增加针对每次发射的时间间隔。例如，对于每隔一次发射，两个连续发射脉冲之间的时间间隔可以更大。在发射脉冲包括四个交叠波束的示例中，对于每四次发射，两个连续发射脉冲之间的时间间隔可以更大。备选地，可以使用逐渐或循环的方法来改变时间间隔。如果感兴趣区域终止于z0的深度并且扩展视场终止于z0+2Δz的深度，则可以调节针对四个发射脉冲的连续发射脉冲之间的时间间隔，使得第一发射脉冲终止于z0，第二发射脉冲和第四发射脉冲各自终止于z0+Δz，并且第三发射脉冲终止于z0+2Δz。以这种方式，第一超声成像数据的分辨率将保持足够高，但第二超声成像数据的分辨率将在z0与z0+Δz之间以及z0+Δz与z0+Δ2z之间减小。
换句话说，在扩展视场仅在轴向方向上从感兴趣区域延伸的情况下，第一和第二多个发射脉冲可以被认为是单个发射脉冲序列，其中，一些连续发射脉冲之间的时间间隔比在其他发射脉冲之间更长。
在一些示例中，扩展视场可以从感兴趣区域横向地和轴向地延伸。在这些示例中，非交叠脉冲和/或(一个或多个)较小焦距和(一个或多个)较大时间间隔的组合可以被用于第二多个发射脉冲，以成像在横向方向上从感兴趣区域延伸的扩展视场的区域和在轴向和横向方向两者上延伸(即轴向延伸并且在感兴趣区域的横向范围之外)的区域。第一多个发射脉冲在一些连续的发射脉冲之间可以具有比在其他发射脉冲之间更长的时间间隔，以便对仅在轴向方向上从感兴趣区域延伸的扩展视场的区域进行成像。
图3图示了可以以不同的分辨率采集感兴趣区域和扩展视场的超声成像数据的示例脉冲序列300。
根据图3中的脉冲序列300，通过将第一多个发射脉冲315发射到感兴趣区域310来采集第一超声成像数据211。第一多个发射脉冲包括具有高线密度的窄波束。
通过将第二多个发射脉冲325发射到扩展视场320来采集第二超声成像数据212。第二多个发射脉冲包括比第一多个发射脉冲315具有更低线密度的更宽的发射波束，并且被发射到第一多个发射脉冲的每一侧以横向扩展视场。换句话说，图3中的第二多个发射脉冲使用上文所描述的两种方法来横向扩展视场(即，非交叠发射波束和更宽的发散波束)。
返回到图2，已经获得第一超声成像数据211和第二超声成像数据212的处理系统220处理第一和第二超声波成像数据以分割感兴趣区域中的解剖结构。通过使用第二超声成像数据以及第一超声成像数据，分割可以基于额外的解剖背景，该额外的解剖背景将不可单独从第一超声成像数据中获得，从而改进了分割结果的准确度和可靠性。
处理系统220可以使用任何适合的分割算法来分割解剖结构，包括基于体素的分割算法、基于网格模型的分割算法和基于AI的分割算法(例如，使用一个或多个卷积神经网络或其他机器学习方法)。解剖结构的分割涉及解剖结构的边界的识别。在执行分割时，处理系统还可以分割/识别感兴趣区域和/或扩展视场中的一个或多个其他解剖物体。
在一些示例中，处理系统220可以处理第一超声成像数据211以生成第一图像(即感兴趣区域的高分辨率图像)，并且处理第二超声成像数据212以生成第二图像(即扩展视场的低分辨率图像)。在扩展视场包括感兴趣区域的情况下，第二图像可以是示出整个扩展视场(即包括感兴趣区域)的图像，或者仅示出与感兴趣区域邻近的至少一个区域的图像(即可以从第二图像中省略感兴趣区域)。
分割算法然后可以将第一和第二图像作为用于分割的输入。例如，在基于模型的分割算法的情况下，分割算法可以检测第一和第二图像两者中的目标点。在基于AI的分割算法的情况下，第一和第二图像可以作为不同的输入信道来接收。分割算法可以如何基于包括解剖结构的高分辨率图像和提供进一步的解剖背景的低分辨率图像来分割解剖结构的另外的示例对于技术人员将是显而易见的。
在一些示例中，可以在应用分割算法之前改进第二图像的图像质量。改进第二图像的图像质量可以包括改进分辨率、改进对比度和/或减少散斑、杂波、噪声和/或伪影中的一个或多个。
例如，可以使用一个或多个经典图像处理算法和/或一个或多个机器学习算法来改进第二图像的图像质量。在一些示例中，第一图像可以被用于改进第二图像的图像质量。例如，第一图像可以被输入到用于改进第二图像的图像质量的机器学习算法中。在一些示例中，改进图像质量的多个算法可以应用于第二图像，其中，每个算法不同地改进图像质量(例如，第一算法可以被用于改进分辨率，并且第二算法可以被用于减少散斑)。
用于改进超声图像的图像质量的方法，包括机器学习方法，是众所周知的，并且适合的方法对技术人员来说将是显而易见的。例如，参见Kokil和Sudharson(2020)的“Despeckling of clinical ultrasound images using deep residual learning”(Comput Methods Programs Biomed.194:105477)、Perdios等人(2018)的“Deepconvolutional neural network for ultrasound image enhancement”(2018IEEEInternational Ultrasonics Symposium(IUS)，第1–4页)和Abdel-Nasser和Omer(2017)的“Ultrasound image enhancement using a deep learning architecture”(Proceedingsof the International Conference on Advanced Intelligent Systems andInformatics 2016,AISI 2016,Advances in Intelligent Systems and Computing，第533卷，Springer)。
图4图示了感兴趣区域的高分辨率超声图像400。图像400是对象的心脏的胸骨旁长轴视图，示出了左心室和右心室、隔膜和心脏瓣膜。该图像可以被显示给临床医师(例如经由用户界面250)。
图5图示了使用上文所描述的方法采集的包括图4中的感兴趣区域的扩展视场的低分辨率超声图像500。该图像可以提供用于分割图4中所示的解剖结构中的一个或多个的额外的背景。
图像400和500可以被输入到如上文所描述的分割算法中，以便分割(一个或多个)解剖结构。特别地，这些图像可以被用于分割左心室，以便确定左心室体积。在被输入到分割算法中之前，图像400的图像质量可以被改进，如上文所描述的。
返回到图2，在一些示例中，处理系统220可以处理第一超声成像数据211和第二超声成像数据212以生成感兴趣区域和扩展视场两者的组合图像，其中，对应于感兴趣区域的组合图像的区域具有高分辨率，并且组合图像的剩余部分(即对应于扩展视场的至少一个区域的区域)具有低分辨率。
分割算法然后可以将组合图像作为用于分割的输入。例如，在基于模型的分割算法的情况下，平均网格的顶点可以适于整幅图像，包括对应于扩展视场的至少一个区域的组合图像的区域。在基于AI的分割算法的情况下，分割算法的输出可以包括每个图像体素的分类。分割算法可以如何基于这样的组合图像分割解剖结构的另外的示例对于技术人员来说将是显而易见的。
在一些示例中，在应用分割算法之前，可以改进组合图像的扩展视场区域的图像质量。如上文参考第二图像所描述的，改进扩展视场区域的图像质量可以包括改进分辨率、改进对比度和/或减少散斑、杂波和/或伪影中的一个或多个。
如上文参考第二图像所描述的，例如，可以使用一个或多个经典图像处理算法和/或一个或多个机器学习算法来改进组合图像的扩展视场区域的图像质量。在一些示例中，感兴趣区域可以被用于改进组合图像的扩展视场区域的图像质量。例如，对应于感兴趣区域的组合图像的区域可以被输入到用于改进组合图像的扩展视场区域的图像质量的机器学习算法中。
改进组合图像的扩展视场区域的图像质量可以额外地或备选地包括平滑靠近感兴趣区域与扩展视场的至少一个区域之间的边界的过渡区域，以减少人工图像梯度。例如，具有半径r的高斯模糊滤波器可以应用于感兴趣区域的边界。过渡区域的大小可以取决于感兴趣区域的大小以及第一分辨率(即感兴趣区的分辨率)与第二分辨率(即扩展视场的分辨率)之间的差异，并且可以由处理系统预定或确定(例如基于预定规则)。
图6图示了感兴趣区域和扩展视场的组合图像600，其中，感兴趣区域具有高分辨率，并且感兴趣区域之外的区域具有较低分辨率。图像600可以被认为是图4的图像400和图5的图像500的组合。
图像600可以被输入到如上文所描述的分割算法中，以便分割解剖结构。在被输入到分割算法中之前，图像600的扩展视场区域的图像质量可以被改进，如上文所描述的。
已经分割了感兴趣区域中的解剖结构，处理系统220可以将感兴趣区域的图像和分割结果的表示输出到用户界面250以用于显示给临床医师。显示解剖结构的分割的方法是众所周知的，并且对于技术人员来说将是显而易见的。例如，处理系统可以将感兴趣区域的图像中的解剖结构的边界叠加在图像上。
处理系统220可能已经在分割之前生成了感兴趣区域的图像(基于上文所描述的第一超声成像数据211生成的第一图像)。在这种情况下，处理系统220可以将已经生成的图像输出到用户界面250。在感兴趣区域和扩展视场的组合图像被用于分割解剖结构的情况下，处理系统可以通过处理第一超声成像数据来生成仅示出感兴趣区域的额外的图像。这避免了显示组合图像的低分辨率区域。
在一些示例中，随时间生成一系列超声图像(即感兴趣区域的一系列图像)可能是期望的。例如，在心脏超声成像的情况下，在心动周期上生成一系列超声图像可能是期望的。在这些情况下，可以生成和分割该系列中的感兴趣区域的第一图像，如上文所描述的，并且分割的结果可以使用在该系列中的感兴趣区域的后续图像的采集和/或分割中。
例如，分割的结果可以被用于确定采集第二超声成像数据212以用于分割感兴趣区域的一系列图像中的后续(即第二或稍后的)图像中的解剖结构的时间。在心脏超声成像的情况下，例如，可以基于分割的结果来确定至少一个心脏体积，并且可以基于所确定的心脏体积来确定舒张末期和/或收缩末期的时间。然后可以基于所确定的舒张末期和/或收缩末期的时间来确定采集第二超声成像数据的时间(例如，以便在舒张末期和/或收缩末期获得扩展视场的图像)。
在一些示例中，已经分割了针对感兴趣区域的第一图像的解剖结构，处理系统220可以基于分割结果来重新定义扩展视场。例如，处理系统220可以减少扩展视场的大小，使得在保持分割的期望准确度和可靠性时改进帧速率。处理系统可以使用一个或多个预定规则来重新定义扩展视场。
例如，可以重新定义扩展视场，使得扩展视场包括解剖结构(如在分割中所识别的)和解剖结构周围的裕度。可以根据被分割的特定解剖结构来预定裕度的大小，使得裕度将定义解剖结构周围的区域，该区域足够大以提供针对解剖结构的期望水平的解剖背景。在另一示例中，可以重新定义扩展视场，使得扩展视场包括解剖结构(如在分割中所识别的)和在分割中所识别的一个或多个其他解剖物体。再次，可以根据被分割的特定解剖结构来预定一个或多个其他解剖物体。
图7图示了根据本发明的实施例的用于分割超声成像数据中的解剖结构的计算机实施的方法700。
方法开始于步骤710，在步骤710处，获得表示包括解剖结构的感兴趣区域的第一超声成像数据。以第一分辨率采集第一超声成像数据。
在步骤720处，获得表示扩展视场的第二超声成像数据。扩展视场包括与感兴趣区域邻近的至少一个区域。以更低的第二分辨率采集第二超声成像数据。
在步骤730处，处理第一超声成像数据和第二超声成像数据以分割感兴趣区域中的解剖结构。
将理解，所公开的方法是计算机实施的方法。这样一来，还提出了一种计算机程序的概念，该计算机程序包括当所述程序在处理系统上运行时用于实施任何所描述的方法的代码单元。
技术人员将容易能够开发用于执行本文所描述的任何方法的处理器。因此，流程图的每个步骤可以表示由处理器执行的不同动作，并且可以由处理器的相应模块执行。
如上文所讨论的，该系统利用处理器来执行数据处理。处理器可以利用软件和/或硬件以许多方式实施以执行所需的各种功能。处理器通常采用可以使用软件(例如微代码)编程以执行所需的功能的一个或多个微处理器。处理器可以被实施为执行一些功能的专用硬件和执行其他功能的一个或多个可编程微处理器和相关联的电路的组合。
可以被采用在本公开的各种实施例中的电路的示例包括但不限于常规微处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。
在各种实施方式中，处理器可以与一个或多个存储介质相关联，诸如易失性和非易失性计算机存储器，诸如RAM、PROM、EPROM和EEPROM。存储介质可以利用一个或多个程序编码，该程序当在一个或多个处理器和/或控制器上运行时执行所需的功能。各种存储介质可以被固定在处理器或控制器内或者可以是可运输的，使得被存储在其上的一个或多个程序可以被加载到处理器中。
在本发明的背景下，术语“分辨率”单独是指空间分辨率，与在相关情况下明确识别的“时间分辨率”不同。因此，与具有较低分辨率的成像数据相比，具有较高分辨率的成像数据能够解析或用于识别或区分最小物体或被成像区域。
通过研究附图、说明书和所附权利要求书，本领域的技术人员在实践请求保护的本发明时可以理解和实现所公开的实施例的变型。在权利要求中，词语“包括”不排除其他元件或者步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中记载的若干项的功能。尽管在互不相同的从属权利要求中记载了特定措施，但这并不指示不能有利地使用这些措施的组合。计算机程序可以存储/被分布在适合的介质上，例如与其他硬件一起提供或作为其他硬件的部分提供的光学存储介质或固态介质，但是计算机程序也可以以其他形式来分布，例如经由因特网或其他有线或无线电信系统分布。如果术语“适于”被用在权利要求或说明书中，则应注意，术语“适于”旨在等效于术语“被配置为”。权利要求中的任何附图标记不应当解释为对范围的限制。

Claims (15)

1.一种用于分割超声成像数据中的解剖结构的处理系统(220)，所述处理系统被配置为：
获得表示包括所述解剖结构的感兴趣区域(310)的第一超声成像数据(211)，其中，所述第一超声成像数据是由波束形成单元以第一分辨率采集的；
获得表示扩展视场(320)的第二超声成像数据(212)，其中，所述第二超声成像数据是由所述波束形成单元以更低的第二分辨率采集的，并且所述扩展视场包括与所述感兴趣区域邻近的至少一个区域；并且
通过处理所述第一超声成像数据和所述第二超声成像数据来分割所述感兴趣区域中的所述解剖结构。
2.根据权利要求1所述的处理系统(220)，其中，所述处理系统还被配置为：
获得对所述感兴趣区域(310)的定义；并且
基于接收到的对所述感兴趣区域的定义来定义所述扩展视场(320)。
3.根据权利要求1或2所述的处理系统(220)，其中，所述处理系统还被配置为控制所述波束形成单元(210)执行以下操作：
以所述第一分辨率采集表示所述感兴趣区域(310)的第一超声成像数据(211)；并且
以所述更低的第二分辨率采集表示所述扩展视场(320)的第二超声成像数据(212)。
4.根据权利要求3所述的处理系统(220)，其中，所述处理系统被配置为：
控制所述波束形成单元(210)以采集所述第一超声成像数据(211)；
基于所述第一超声成像数据来生成所述感兴趣区域(310)的图像；
将所生成的所述感兴趣区域的图像输出到用户界面(250)；并且
响应于接收到用户输入而控制所述波束形成单元以采集所述第二超声成像数据(212)。
5.根据权利要求3所述的处理系统(220)，其中，所述处理系统被配置为：
控制所述波束形成单元(210)以采集所述第一超声成像数据(211)；
处理所述第一超声成像数据以确定一个或多个时间相关性解剖特性；
基于所确定的一个或多个时间相关性解剖特性来确定采集所述第二超声成像数据(212)的时间；并且
控制所述波束形成单元以在所确定的时间处采集所述第二超声成像数据。
6.根据权利要求3所述的处理系统(220)，其中，所述处理系统被配置为：
从一个或多个传感器获得表示所述解剖结构的传感器数据；
处理所述传感器数据以确定一个或多个时间相关性解剖特性；
基于所确定的一个或多个时间相关性解剖特性来确定采集所述第二超声成像数据(212)的时间；并且
控制所述波束形成单元(210)以在所确定的时间处采集所述第二超声成像数据。
7.根据权利要求1至6中的任一项所述的处理系统(220)，其中，所述处理系统被配置为通过以下操作来分割所述感兴趣区域(310)中的所述解剖结构：
基于所述第一超声成像数据(211)和所述第二超声成像数据(212)来生成所述感兴趣区域和所述扩展视场(320)的组合图像(600)；并且
基于所述组合图像来分割所述解剖结构。
8.根据权利要求1至6中的任一项所述的处理系统(220)，其中，所述处理系统被配置为通过以下操作来分割所述感兴趣区域(310)中的所述解剖结构：
基于所述第一超声成像数据(211)来生成第一图像(400)；
基于所述第二超声成像数据(212)来生成第二图像(500)；并且
基于所述第一图像和所述第二图像来分割所述解剖结构。
9.根据权利要求1至8中的任一项所述的处理系统(220)，其中，所述处理系统还被配置为基于所述分割来重新定义所述扩展视场(320)。
10.一种超声系统(200)，包括：
根据权利要求1至9中的任一项所述的处理系统(220)；以及
波束形成单元(210)，其被配置为：
通过向所述感兴趣区域(310)发射第一多个发射脉冲(315)来采集所述第一超声成像数据(211)；并且
通过向所述扩展视场(320)发射第二多个发射脉冲(325)来采集所述第二超声成像数据(212)。
11.根据权利要求10所述的超声系统(200)，其中，所述第一多个发射脉冲(315)是多个交叠发射脉冲，并且所述第二多个发射脉冲(325)是多个非交叠发射脉冲。
12.根据权利要求10或11所述的超声系统(200)，其中，针对所述第二多个发射脉冲(325)中的每个发射脉冲的发散发射波束焦距小于针对所述第一多个发射脉冲(315)中的每个发射脉冲的焦距。
13.根据权利要求10至12中的任一项所述的超声系统(200)，其中，所述第二多个发射脉冲(325)的两个连续发射脉冲之间的时间间隔大于所述第一多个发射脉冲(315)的两个连续发射脉冲之间的时间间隔。
14.一种用于分割超声图像中的解剖结构的计算机实施的方法(700)，所述计算机实施的方法包括：
获得表示包括所述解剖结构的感兴趣区域(310)的第一超声成像数据(211)，其中，所述第一超声成像数据是由波束形成单元以第一分辨率采集的；
获得表示扩展视场(320)的第二超声成像数据(212)，其中，所述第二超声成像数据是由所述波束形成单元以更低的第二分辨率采集的，并且所述扩展视场包括与所述感兴趣区域邻近的至少一个区域；并且
通过处理所述第一超声成像数据和所述第二超声成像数据来分割所述感兴趣区域中的所述解剖结构。
15.一种包括计算机程序代码单元的计算机程序产品，所述计算机程序代码单元当在具有处理系统的计算机设备上运行时，使所述处理系统执行根据权利要求14所述的方法(700)的所有步骤。
CN202280066182.5A 2021-09-30 2022-09-20 用于分割解剖结构的系统和方法 Pending CN118042989A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202163250468P 2021-09-30 2021-09-30
US63/250,468 2021-09-30
EP21201595.2 2021-10-08
PCT/EP2022/076005 WO2023052178A1 (en) 2021-09-30 2022-09-20 System and method for segmenting an anatomical structure

Publications (1)

Publication Number Publication Date
CN118042989A true CN118042989A (zh) 2024-05-14

Family

ID=78086290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280066182.5A Pending CN118042989A (zh) 2021-09-30 2022-09-20 用于分割解剖结构的系统和方法

Country Status (2)

Country Link
EP (1) EP4159139A1 (zh)
CN (1) CN118042989A (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6283919B1 (en) 1996-11-26 2001-09-04 Atl Ultrasound Ultrasonic diagnostic imaging with blended tissue harmonic signals
US6458083B1 (en) 1996-11-26 2002-10-01 Koninklijke Philips Electronics N.V. Ultrasonic harmonic imaging with adaptive image formation
US6013032A (en) 1998-03-13 2000-01-11 Hewlett-Packard Company Beamforming methods and apparatus for three-dimensional ultrasound imaging using two-dimensional transducer array
US5997479A (en) 1998-05-28 1999-12-07 Hewlett-Packard Company Phased array acoustic systems with intra-group processors
US6530885B1 (en) 2000-03-17 2003-03-11 Atl Ultrasound, Inc. Spatially compounded three dimensional ultrasonic images
US6443896B1 (en) 2000-08-17 2002-09-03 Koninklijke Philips Electronics N.V. Method for creating multiplanar ultrasonic images of a three dimensional object
US6468216B1 (en) 2000-08-24 2002-10-22 Kininklijke Philips Electronics N.V. Ultrasonic diagnostic imaging of the coronary arteries
CN101179997B (zh) * 2005-05-25 2010-05-19 皇家飞利浦电子股份有限公司 对超声成像设备的触笔辅助的触摸屏控制
EP3422048A1 (en) * 2017-06-26 2019-01-02 Koninklijke Philips N.V. Ultrasound imaging method and system

Also Published As

Publication number Publication date
EP4159139A1 (en) 2023-04-05

Similar Documents

Publication Publication Date Title
EP3923817B1 (en) Methods and systems for valve regurgitation value calculation
CN112867444B (zh) 用于引导对超声图像的采集的系统和方法
JP2021529035A (ja) 経弁圧の定量化を行うための方法及びシステム
CN112334072B (zh) 用于执行彩色多普勒超声成像的方法和系统
JP7346586B2 (ja) 合成３ｄ超音波画像を取得するための方法及びシステム
CN113573645B (zh) 用于调整超声探头的视场的方法和系统
CN118251180A (zh) 具有视场调整的3d超声成像
EP4159139A1 (en) System and method for segmenting an anatomical structure
WO2023052178A1 (en) System and method for segmenting an anatomical structure
EP4014883A1 (en) Boundary detection in ultrasound data
EP4166089A1 (en) Improving cardiac ultrasound imaging
US20240032892A1 (en) Boundary detection in ultrasound data
EP4132364B1 (en) Methods and systems for obtaining a 3d vector flow field
CN113543721B (zh) 用于采集复合3d超声图像的方法和系统
EP3900846A1 (en) Acoustic imaging probe with a transducer element
WO2023057304A1 (en) Improving cardiac ultrasound imaging

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication