CN118105109A - 用于生成并显示着色表面渲染图的超声成像系统和方法 - Google Patents
用于生成并显示着色表面渲染图的超声成像系统和方法 Download PDFInfo
- Publication number
- CN118105109A CN118105109A CN202311493562.XA CN202311493562A CN118105109A CN 118105109 A CN118105109 A CN 118105109A CN 202311493562 A CN202311493562 A CN 202311493562A CN 118105109 A CN118105109 A CN 118105109A
- Authority
- CN
- China
- Prior art keywords
- anatomical
- rendered
- ultrasound
- processor
- ultrasound data
- 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 107
- 238000012285 ultrasound imaging Methods 0.000 title claims abstract description 21
- 238000002604 ultrasonography Methods 0.000 claims abstract description 279
- 238000009877 rendering Methods 0.000 claims abstract description 160
- 238000005192 partition Methods 0.000 claims description 98
- 239000000523 sample Substances 0.000 claims description 42
- 239000013598 vector Substances 0.000 claims description 25
- 210000003709 heart valve Anatomy 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 7
- 238000004040 coloring Methods 0.000 claims description 5
- 230000017531 blood circulation Effects 0.000 description 18
- 239000003086 colorant Substances 0.000 description 13
- 210000003484 anatomy Anatomy 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 8
- 238000007796 conventional method Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 230000000747 cardiac effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 206010067171 Regurgitation Diseases 0.000 description 3
- 210000005242 cardiac chamber Anatomy 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010992 reflux Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002091 elastography Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000004115 mitral valve Anatomy 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 208000032750 Device leakage Diseases 0.000 description 1
- 241000394591 Hybanthus Species 0.000 description 1
- 208000001910 Ventricular Heart Septal Defects Diseases 0.000 description 1
- 208000013914 atrial heart septal defect Diseases 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明提供了一种用于渲染体积超声数据的超声成像系统和方法。该方法包括利用处理器获取包括感兴趣体积的解剖超声数据集。该方法包括利用该处理器获取包括该感兴趣体积的功能超声数据集。该方法包括利用该处理器从该解剖超声数据集中识别出解剖表面,其中该解剖表面是三维非平面表面。该方法包括利用该处理器来生成该解剖表面的着色表面渲染图,其中该着色表面渲染图被着色以表示来自该功能超声数据集的信息。该方法包括在显示设备上显示该着色表面渲染图。
Description
技术领域
本公开整体涉及一种用于生成并显示着色表面渲染图以表示解剖超声数据和功能超声数据两者的超声成像系统和方法。
背景技术
超声成像通常用于采集解剖超声数据(诸如B模式数据)和功能超声数据。彩色血流多普勒数据是通常采集的功能超声数据的一个示例。作为许多临床程序的一部分,期望获得对功能超声数据以及功能超声数据如何与解剖超声数据中存在的解剖结构相关的清楚可视化和理解。
使用常规超声技术,临床医生难以获得对关于解剖超声数据集中存在的结构的功能超声数据的清楚理解,特别是当数据集是体积数据集时,诸如三维(3D)超声数据集或四维(4D)超声数据集。
一个涉及了解剖超声数据和功能超声数据的使用和可视化的临床应用是反流射流的可视化和检测。为了识别反流射流,采集解剖超声数据集和功能超声数据集两者。解剖超声数据集通常是包括感兴趣体积的B模式数据集,并且功能超声数据集通常是包括感兴趣体积的彩色血流多普勒数据集。根据大多数常规技术,解剖超声数据集和功能超声数据集通常都是四维超声数据集。
三维或四维超声数据集可以常规地利用体积渲染或通过观看表示了穿过数据集的一个平面的一个或多个切片来可视化。体积渲染涉及显示三维数据集的二维投影。如常规技术已知,生成包括解剖超声数据和功能超声数据两者的单个体积渲染图是具有挑战性的,因为相对于观看者在前景中渲染的结构/血流可以完全或部分地遮住来自相对于观看者在背景中渲染的结构或血流的信息。例如,处于前景中的渲染组织可能部分地或完全地遮挡相对于观看者而位于背景中的血流和/或组织信息。同样,由功能超声数据集所渲染的血流信息可以部分地或完全地遮挡来自相对于观看者而位于背景中的结构和/或血流之中的信息。这使临床医生很难准确理解来自解剖超声数据集和功能超声数据集两者的信息。
生成表示了解剖超声数据和功能超声数据两者的一个或多个切片是另一常规的用于将解剖超声数据和功能超声数据可视化的方法。虽然将数据作为一个或多个二维切片来观看,这解决了使结构/血流更靠近观看者从而遮蔽了远离观看者的信息的问题,但是这引入了一些其他限制。例如,生成一个或多个切片仅示出了来自单个平面中的数据。解剖结构通常并非全部位于单个平面上。这样,临床医生难以在将解剖超声数据和功能超声数据视为二维图像的同时,完全理解完整的解剖结构和关于解剖结构的功能超声数据值两者。
一个涉及了解剖超声数据和功能超数据声两者的应用是反流性瓣膜的可视化。当将反流性瓣膜可视化时,临床医生对感兴趣的解剖结构(通常是心脏瓣膜)、与瓣膜相邻的周围组织、以及反流射流相对于心脏瓣膜的位置和尺寸感兴趣。通常基于B模式数据来生成心脏瓣膜和周围结构的可视化,并且基于彩色血流多普勒数据来生成该射流的可视化。使用常规技术,诸如体积渲染或渲染一个或多个二维切片,包括先前讨论的限制。用于将解剖超声数据和功能超声数据可视化和显示的常规技术使临床医生难以准确确定反流射流相对于周围解剖组织(诸如心脏瓣膜)的尺寸和位置。
出于至少这些原因,需要一种改进的用于由解剖超声数据集和功能超声数据集两者来渲染体积超声数据的方法和超声成像系统。
发明内容
本专利或专利申请文件包含至少一个彩色绘制的附图。带有彩色附图的本专利或专利申请公布的副本将在提出请求并支付必要费用后由专利局提供。
本文解决了上述缺陷、缺点和问题,这将通过阅读和理解以下说明书来理解。
在一个实施方案中,一种用于渲染体积超声数据的方法包括利用处理器来获取包括感兴趣体积的解剖超声数据集。该方法包括利用处理器来获取包括感兴趣体积的功能超声数据集。该方法包括利用处理器从解剖超声数据集中识别出解剖表面,其中该解剖表面是三维非平面表面。该方法包括利用处理器来生成解剖表面的着色表面渲染图,其中该着色表面渲染图被着色以表示来自功能超声数据集的信息。该方法包括在显示设备上显示该着色表面渲染图。
在一个实施方案中,一种超声成像系统包括超声探头;显示设备;和处理器,该处理器与超声探头和显示设备两者进行电子通信。该处理器被配置为获取包括感兴趣体积的解剖超声数据集。该处理器被配置为获取包括感兴趣体积的功能超声数据集。该处理器被配置为从解剖超声数据集中识别出解剖表面,其中该解剖表面是三维非平面表面。该处理器被配置为生成该解剖表面的着色表面渲染图,其中该着色表面渲染图被着色以表示来自功能超声数据集的信息。该处理器被配置为在显示设备上显示该着色表面渲染图。
通过附图及其具体实施方式,本发明的各种其他特征、目的和优点对于本领域的技术人员将是显而易见的。
附图说明
图1是根据一个实施方案的超声成像系统的示意图;
图2是根据一个实施方案的方法的流程图;
图3是根据一个实施方案的截屏的表示;
图4是根据一个实施方案的着色表面渲染图的表示;
图5是根据一个实施方案的线框的表示;
图6是根据一个实施方案的着色表面渲染图的表示;
图7是根据一个实施方案的线框的表示;
图8是根据一个实施方案的多个离散分区的示意性表示;
图9是根据一个实施方案的着色表面渲染图的剖视图;
图10是根据一个实施方案的一个解剖表面和两个偏移表面的剖视图;
图11是根据一个实施方案的一个解剖表面和两个法向矢量的剖视图;并且
图12是根据一个实施方案的示出了着色表面渲染图的截屏的表示;并且
图13是根据一个实施方案的反流束的表示。
具体实施方式
在以下具体实施方式中,参考形成其一部分的附图,并且其中通过图示的方式示出了可实践的具体实施方案。足够详细地描述了这些实施方案以使得本领域技术人员能够实践实施方案,并且应当理解,可利用其他实施方案,并且可在不脱离实施方案的范围的情况下进行逻辑、机械、电气和其他改变。因此,以下具体实施方式不应视为限制本发明的范围。
图1是根据一个实施方案的超声成像系统100的示意图。超声成像系统100包括发射波束形成器101和发射器102,该发射波束形成器和发射器驱动超声探头106内的元件104通过一个或多个发射事件将脉冲超声信号发射到身体(未示出)中。超声探头106可以是任何类型的能够进行3D或4D采集的超声探头。例如,超声探头106可以是2D矩阵阵列探头、机械3D/4D探头、或任何其他类型的被配置为采集体积超声数据的超声探头。仍参见图1,脉冲超声信号从体内结构如血细胞或肌肉组织反向散射,以产生返回到元件104的回波。回波被元件104转换成电信号,并且电信号被接收器108接收。表示所接收的回波的电信号穿过输出超声数据的接收波束形成器110。根据一些实施方案,探头106可含有电子电路来完成发射波束形成和/或接收波束形成的全部或部分。例如,发射波束形成器101、发射器102、接收器108和接收波束形成器110的全部或部分可位于超声探头106内。在本公开中,术语“扫描”也可用于指通过发射和接收超声信号的过程来采集数据。本公开中,术语“数据”和“超声数据”可用于指用超声成像系统采集的一个或多个数据集。用户界面115可用于控制超声成像系统100的操作。用户界面115可用于控制患者数据的输入,或者用于选择各种模式、操作、参数等。用户界面115可包括一个或多个用户输入设备,诸如键盘、硬键、触控板、触摸屏、轨迹球、旋转控件、滑块、软键或任何其他用户输入设备。
超声成像系统100还包括处理器116,该处理器用以控制发射波束形成器101、发射器102、接收器108和接收波束形成器110。用户界面115与处理器116进行电子通信。处理器116可以包括一个或多个中央处理单元(CPU)、一个或多个微处理器、一个或多个微控制器、一个或多个图形处理单元(GPU)、一个或多个数字信号处理器(DSP)等。根据一些实施方案,处理器116可以包括一个或多个GPU,其中一个或多个GPU中的一些或全部GPU包括张量处理单元(TPU)。根据实施方案,处理器116可以包括现场可编程门阵列(FPGA)或能够执行处理功能的任何其他类型的硬件。处理器116可以是集成部件,或者可分布在各个位置上。例如,根据一个实施方案,与处理器116相关联的处理功能可以基于操作类型在两个或更多个处理器之间拆分。例如,实施方案可以包括被配置为执行第一组操作的第一处理器和用于执行第二组操作的第二单独处理器。根据实施方案,第一处理器和第二处理器中的一者可以被配置为实现神经网络。处理器116可被配置为执行从存储器访问的指令。根据一个实施方案,处理器116与超声探头106、接收器108、接收波束形成器110、发射波束形成器101和发射器102进行电子通信。出于本公开的目的,术语“电子通信”可被定义为包括有线连接和无线连接。处理器116可控制超声探头106以采集超声数据。处理器116控制元件104中的哪些元件是活动的以及从超声探头106发射的波束的形状。处理器116还与显示设备118进行电子通信,并且处理器116可将超声数据处理成图像以显示在显示设备118上。根据实施方案,处理器116还可包括解调RF数据并且生成原始数据的复合解调器(未示出)。在另一个实施方案中,解调可在处理链中较早地执行。处理器116可适于根据数据上的多个可选超声模态来执行一个或多个处理操作。随着接收到回波信号,可以在扫描会话期间实时处理数据。处理器116可以被配置为扫描转换用超声探头106采集的超声数据,使该数据可以显示在显示设备118上。实时显示超声数据可能涉及在没有任何有意延迟的情况下显示超声数据。例如,一旦超声数据的每个更新后的图像帧已经被采集并处理以供在超声程序的过程中显示,处理器116就可以显示每个更新后的图像帧。实时帧速率可基于从其采集数据的区域或体积的尺寸和采集期间使用的具体参数而变化。根据其他实施方案,数据可在扫描会话期间临时存储在缓冲器(未示出)中,并且以不太实时的方式处理。根据包括软件波束形成器的实施方案,与发射波束形成器101和/或接收波束形成器110相关联的功能可由处理器116执行。
根据各个实施方案,图1所示的部件可以是分布式超声成像系统的一部分。例如,处理器116、用户界面115、发射器102、发射波束形成器101、接收波束形成器110、接收器108、存储器120和显示设备118中的一项或多项可位于超声探头106远处。根据各个实施方案,前述部件可位于不同房间或不同场所中。例如,探头106可用于从患者采集超声数据,然后经由有线或无线技术,将超声数据发送到处理器116。
根据一个实施方案,超声成像系统100可以按例如10Hz至30Hz的帧速率来连续采集超声数据。能够以类似帧速率刷新从数据生成的图像。其他实施方案可以不同速率采集和显示数据。例如,一些实施方案可根据数据的每个帧的大小和与具体应用相关联的参数,按小于10Hz或大于30Hz的体积速率来采集超声数据。包括存储器120,用于存储经处理的采集数据的帧。在一个示例性实施方案中,存储器120具有足够的容量以存储在长度为至少几秒的时间段内采集的超声数据的帧。数据帧以便于根据其采集顺序或时间进行检索的方式存储。存储器120可包括任何已知的数据存储介质。
在本发明的各个实施方案中,处理器116可通过其他或不同的模式相关模块(例如,B模式、彩色血流多普勒、M模式、彩色M模式、频谱多普勒、弹性成像、TVI、应变、应变速率等)来处理数据,以形成2D或3D数据。例如,一个或多个模块可生成B模式、彩色血流多普勒、M模式、彩色M模式、频谱多普勒、弹性成像、TVI、应变、应变速率以及它们的组合等。存储图像光束和/或帧,并且可记录指示在存储器中采集数据的时间的定时信息。这些模块可包括例如扫描转换模块,用于执行扫描转换操作,以将图像帧从波束空间坐标转换为显示空间坐标。可提供视频处理器模块,该视频处理器模块从存储器诸如存储器120读取图像帧,并且在对患者进行手术时实时显示图像帧。视频处理器模块可将图像帧存储在图像存储器中,从该图像存储器读取和显示图像。
图2是根据一个示例性实施方案的方法200的流程图。流程图的各个框表示可根据方法200执行的步骤。附加实施方案可执行以不同次序示出的步骤,和/或附加实施方案可包括图2中未示出的附加步骤。方法200的技术效果是生成并显示解剖表面的着色表面渲染图,其中该着色表面渲染图被着色以表示来自功能超声数据集的信息。将根据其中利用图1所示的超声成像系统100来执行的一个实施方案来描述方法200。然而,本领域技术人员应当了解,方法200可以利用根据各个实施方案的其他超声成像系统来执行。将在下文中详细描述方法200。
在步骤202,处理器116获取解剖超声数据集。解剖超声数据集是体积数据集并且包括感兴趣体积。根据一个示例性实施方案,解剖超声数据集可以是包括了B模式超声数据的B模式超声数据集。根据其他实施方案,解剖超声数据集可包括不同类型的解剖超声数据。根据一个实施方案,在利用超声探头106来采集解剖超声数据时,处理器116可实时获取解剖超声数据集。例如,通过控制超声探头106采集解剖超声数据,可采集解剖超声数据集。根据其他实施方案,处理器116可以获取先前采集的解剖超声数据集。例如,处理器116可以从以下项获取解剖超声数据集:存储器120;或外部存储设备或服务器,诸如影像存档与传输系统(PACS)、外部存储设备、或任何其他被配置为保存或存储解剖超声数据集的存储设备。
在步骤204,处理器116获取功能超声数据集。功能超声数据集是体积数据集并且也包括感兴趣体积。根据一个示例性实施方案,功能超声数据集可以是彩色血流多普勒数据集。根据其他实施方案,功能超声数据集可包括不同类型的功能超声数据,诸如血液散斑成像(BSI)、应变或任何其他类型的功能超声数据。根据一个实施方案,在功能超声数据被采集时,处理器116可实时获取功能超声数据集。例如,通过控制超声探头106采集功能超声数据,可采集功能超声数据集。根据其他实施方案,处理器116可以获取先前采集的功能超声数据集。例如,处理器116可以从以下项获取功能超声数据集:存储器120;或外部存储设备或服务器,诸如影像存档与传输系统(PACS)、外部存储设备、或任何其他被配置为保存或存储解剖超声数据集的存储设备。
根据各个实施方案,处理器116可被配置为对作为解剖超声数据集的一部分的解剖超声数据的采集和对作为功能超声数据集的一部分的功能超声数据的采集进行交织。例如,处理器116可以控制超声探头106以在采集解剖超声数据和功能超声数据之间交替,如本领域技术人员已知。在步骤202获取解剖超声数据集可包括获取解剖超声数据的一个或多个完整体积或者解剖超声数据的一个或多个部分体积;以及在步骤204获取功能超声数据集可包括获取功能超声数据的一个或多个完整体积或者功能超声数据的一个或多个部分体积。
将根据以下示例性实施方案来描述方法200:解剖超声数据集是B模式超声数据集,并且功能超声数据集是彩色血流多普勒数据集。另外,根据一个示例性实施方案,既包括在解剖超声数据集也包括在功能超声数据集中的感兴趣体积包括心脏瓣膜。应当了解,根据其他实施方案,可以应用以下条件中的一个或多个条件:解剖超声数据集可包括不同模式的超声数据;功能超声数据集可包括不同模式的超声数据;以及/或者感兴趣体积可以是不同的。
图3是根据一个示例性实施方案的截屏300的表示。截屏300包括使用解剖超声数据集和功能超声数据集两者生成的四张图像。截屏300包括第一2D图像302、第二2D图像304、体积渲染图306和着色表面渲染图308。根据一个示例性实施方案,截屏300表示可以在超声波检查期间显示的四张图像。四张图像中的每张图像可以是实时超声图像,其在采集附加的超声解剖超声数据和附加的功能超声数据时进行刷新。第一2D图像302、第二2D图像304和体积渲染图306是本领域技术人员公知的常规超声图像格式。着色表面渲染图308不是常规超声成像格式并且将在下文更详细地进行描述。
在步骤206,处理器116从解剖超声数据集中识别出解剖表面310。解剖表面310是三维非平面表面。解剖表面可以是心脏瓣膜表面。在图3中,解剖表面310是作为心脏瓣膜的一种类型的二尖瓣的表面。处理器116可被配置为自动识别解剖表面310。或者,根据其他实施方案,处理器116可以从用户界面115接收输入,从而识别解剖表面310的至少一部分。根据各个实施方案,处理器116可被配置为使用基于用户经由用户界面115的输入所识别的表面的一部分从解剖超声数据集中自动识别出解剖表面310。例如,用户可以在第一2D图像302、第二2D图像304和/或体积渲染图306中的一项或多项中识别出解剖表面310的一部分。
根据各个实施方案,处理器116可通过阈值设置技术、形状匹配技术、人工智能技术、前述技术的任何组合、或通过任何其他被配置以识别解剖表面的技术来识别解剖表面,诸如解剖表面310。由处理器116实施的人工智能技术可包括机器学习技术、深度学习技术(诸如使用卷积神经网络(CNN))或任何其他人工智能技术。如前所论,处理器116可被配置为从用户界面115接收输入从而识别解剖表面310的一部分,然后处理器116可使用一种或多种其他技术(诸如,阈值设置技术、形状匹配技术和/或人工智能技术)来识别解剖表面310的其余部分。例如,经由用户界面115,通过点击解剖表面310、识别解剖表面310的轮廓、突出显示/识别解剖表面310的一部分、或任何其他指定解剖表面310的一些或全部的方式,用户可选择解剖表面310。然后,处理器116可被配置为自动识别解剖表面310的其余部分。根据其他实施方案,处理器116可被配置为自动识别所有解剖表面310,而无需用户识别解剖表面310的一部分。根据一些实施方案,用户可以向处理器116提供输入,从而识别用户想要处理器116识别的解剖表面310的名称。如先前关于图3所论,在步骤206识别的解剖表面310可对应于患者解剖结构的二尖瓣表面或患者身体中的任何其他表面。根据其他实施方案,解剖表面可对应于不同的解剖结构。例如,解剖表面可以是不同的瓣膜、心腔壁或任何其他解剖结构。根据其中解剖表面是心腔壁的一个实施方案,该方法可用于识别或检测通过心腔壁的血流。例如,该方法可用于检测心房间隔缺损或心室间隔缺损。
根据一些实施方案,处理器116可以从解剖超声数据集中分割出解剖表面310。例如,处理器116可被配置为使用分割算法,诸如4D Auto MVQ分割算法或任何其他分割算法。根据其他实施方案,处理器116可以从解剖超声数据集之内识别出解剖表面310,而无需将解剖表面310从解剖超声数据集中分割出来。
在步骤208,处理器116生成在步骤206中识别的解剖表面310的着色表面渲染图。根据一个示例性实施方案,处理器116可以生成图3所示的着色表面渲染图308。着色表面渲染图308表示从解剖超声数据集中识别的解剖表面310的三维形式。着色表面渲染图308也包括着色过程以表示来自功能超声数据集中的数据。换言之,着色表面渲染图308的三维形式或形状表示了从解剖超声数据集中识别的解剖表面310,并且着色表面渲染图308的着色过程表示了来自功能超声数据集的信息。下文将提供关于着色表面渲染图308的生成的附加细节。
图4是图3所示的着色表面渲染图308的放大图。图4中的着色表面渲染图308是从第一观看方向示出的。图4的显示器所用的第一观看方向与图3所示的着色表面渲染图308的显示器所用的观看方向相同。图5是从与图4所示相同的观看方向来看的解剖表面310的线框330的表示。线框330有助于显示解剖表面310的三维形状。根据一些实施方案,处理器116可以生成解剖表面的线框(诸如线框330)作为步骤206的输出。根据其他实施方案,作为从解剖超声数据集中识别出解剖表面的一部分,处理器116可以生成不同类型的线框或网格作为步骤206的输出。处理器116可以使用根据各种其他实施方案的其他技术来识别解剖表面。线框330有助于示出由着色表面渲染图308表示的解剖表面310的三维形状。
处理器116可被配置为旋转着色表面渲染图308,从而改变在显示设备118上显示的着色表面渲染图308的观看方向。图6是根据一个实施方案的从第二观看方向来看的着色表面渲染图308的表示。图6中表示的第二观看方向不同于图4中表示的第一观看方向,并且被示出以助于示出解剖表面310的三维形状。图4和图6都示出了相同着色表面渲染图308的表示。根据一个示例性实施方案,着色表面渲染图308包括接合线311。接合线311表示在心脏收缩期间前后二尖瓣小叶彼此接触的位置。根据各个实施方案,接合线311的形状和位置可由处理器116计算。其他实施方案可以不显示接合线。如图4和图6所示,旋转着色表面渲染图308的能力为临床医生提供了容易理解由着色表面渲染图308表示的解剖表面310的形状的能力。临床医生可以通过与用户界面115交互来控制着色表面渲染图308的旋转。
图7是从与图6所示相同的观看方向来看的解剖表面310的线框330的表示。图7所示的线框330被提供以示出由着色表面渲染图308表示的解剖表面310的三维形状。
图8是来自图4所示的着色表面渲染图308的区域380中的多个离散分区382的示意性表示。每个离散分区382可分配颜色以表示来自功能超声数据集的信息。多个离散分区382均分配了单一颜色以表示从功能超声数据集中的一个或多个位置所采样的来自功能超声数据集的信息。根据各个实施方案,每个离散分区382可包括一个像素或多个连接的像素。为了使各个离散分区的边界更容易可视化,不以图8中的颜色来表示离散分区。每个离散分区382在图8中被示出为矩形,但是根据各个实施方案,可以是其他形状。图8包括离散分区386,其对应于图4所示的点410。
生成着色表面渲染图308,使得着色表面渲染图308的形状对应于并表示了解剖表面310的形状(如基于解剖超声数据集所确定)。着色表面渲染图308中的离散分区382均可分配颜色以表示来自功能成像数据集的信息。例如,着色表面渲染图308包括第一蓝色分区340、第二蓝色分区342、第一橙色分区344和第二橙色分区346。第一蓝色分区340包括第一多个离散分区,第二蓝色分区342包括第二多个离散分区,第一橙色分区344包括第三多个离散分区,并且第二橙色分区346包括第四多个离散分区。在第一蓝色分区340和第二蓝色分区340内,存在一定范围的蓝色色度。在第一橙色分区344和第二橙色分区346内,也存在一定范围的橙色色度。图4所示的着色表面渲染图308也包括非着色分区348。通过将颜色分配给多个像素来生成着色表面渲染图308,其中选择这些颜色以表示来自功能成像数据集的值。下文将描述关于可如何选择着色表面渲染图308的颜色的附加信息。
第一蓝色分区340和第二蓝色分区342中的所有离散分区被分配为蓝色;以及第一橙色分区344和第二橙色分区346中的所有离散分区被分配为橙色。如图4所示,并非离散彩色分区内的所有离散分区都需要具有完全相同的色度或色调。例如,第一蓝色分区340内的离散分区从浅蓝色到深蓝色都有。同样,第一橙色分区344内的离散分区从浅橙色到深橙色都有。虽然蓝色和橙色被提供作为在着色表面渲染图中使用的颜色的示例性颜色,但是应当了解,根据各个实施方案,可以使用任何颜色。例如,各实施方案可以使用颜色,包括但不限于:红色、橙色、黄色、绿色、蓝色、紫色、银色等。此外,各个实施方案可以使用作为先前所列颜色中的两种或多种颜色的混合的颜色。诸如(例如)红-橙、蓝-绿、绿-紫等。
在图4所示的着色表面渲染图的实施方案中,蓝色被映射到较高血流分区,而橙色被映射到较低血流分区。如前所论,在着色表面渲染图308中,不对没有血流或血流低于阈值的分区进行着色。因此,第一蓝色分区340和第二蓝色分区342表示具有相对高血流值的分区,而第一橙色分区344和第二橙色分区346表示具有相对低血流值的分区。
根据一个实施方案,处理器116可以在与方法200的步骤206期间识别的解剖表面310对应的位置处,对功能超声数据集进行采样。这样,着色表面渲染图308可以表示来自与解剖表面310对应的位置处的功能超声数据集的信息。根据其他实施方案,处理器116可以在相对于解剖表面310偏移的位置处,对功能超声数据集进行采样。这样,着色表面渲染图可以表示来自相对于解剖表面310偏移的位置处的功能超声数据集的信息。例如,功能超声数据集的采样位置可相对于解剖表面而偏移任何固定量诸如0.5mm、1mm、1.5mm、2mm、2.5mm、3mm等,或者偏移自动识别的量。根据一个实施方案,功能超声数据集的采样位置可全部偏移相同的量。根据一个实施方案,功能超声数据集的采样位置可以沿着每个采样位置处的法向矢量而偏移。根据一个实施方案,功能超声数据集可以在相对于解剖表面310的两个或多个不同位置处进行采样,并且来自功能超声数据集的值可进行组合或求平均。为着色表面渲染图308上的每个位置所选的颜色表示了与每个位置相关联的功能超声数据(来自功能超声数据集)。如前所论,由一种颜色表示的功能超声数据的位置可以来自与解剖表面310对应的位置,来自相对于解剖表面310的位置偏移的位置,或者由可以与解剖表面310对应的以及/或者可相对于解剖表面310偏移的多个位置进行组合或求平均。对于将来自着色表面渲染图308上的每个离散分区的多个位置的功能超声数据进行组合或求平均的各实施方案,多个位置中的一个位置可以对应于解剖表面310,并且多个位置中的一个或多个位置可相对于解剖表面310偏移,或者多个位置均可相对于解剖表面310偏移。
根据一个示例性实施方案,处理器116可被配置为自动检测射流的位置。例如,处理器116可被配置为使用图像处理技术来识别射流的位置。例如,根据一个实施方案,处理器116可被配置为:找到具有最高血流的区域;以及/或者将血流高于阈值的区域/分区进行分割,以识别射流的位置。根据其他实施方案,处理器116可被配置为使用人工智能技术来识别射流的位置。人工智能技术可包括机器学习技术、深度学习技术(诸如使用卷积神经网络(CNN))或任何其他人工智能技术。处理器116还可被配置为图形地指示着色表面渲染图308中与处理器116所识别的射流的位置对应的分区。图4包括根据一个示例性实施方案的以紫色示出的射流分区377。根据各个实施方案,射流分区377可使用另一颜色来表示。其他实施方案可以不包括射流分区(诸如射流分区377)的自动识别。
图9表示沿(图4所示的)线A-A'的着色表面渲染图308的剖视图。图9示出了着色表面渲染图308沿着线A-A'的不平坦程度。图9包括点410和点420,这两者也在图4中示出。着色表面渲染图308的剖视图也对应于沿着线A-A'的解剖表面310。
图10示出了解剖表面310、第一偏移表面402和第二偏移表面404的剖视图。图10所示的解剖表面310的剖视图对应于沿着(图4所示的)线A-A'的着色表面渲染图308的剖视图,这是图10所示的解剖表面310的剖视图看起来与图9所示的着色表面渲染图308的剖视图相同的原因。图10示出了相对于解剖表面310的点410和420。第一偏移表面402相对于解剖表面310偏移第一距离403,并且第二偏移表面404相对于解剖表面310偏移第二距离405。根据一个实施方案,处理器116可被配置为在相对于解剖表面310偏移的位置处对功能超声数据进行采样。根据一个实施方案,处理器116可被配置为在相对于解剖表面310偏移固定距离的位置处对功能成像数据集进行采样。例如,处理器116可被配置为针对与点410对应的着色表面渲染图308的离散分区在点412处对功能超声数据集进行采样。处理器116可被配置为针对与点420对应的着色表面渲染图308上的离散分区在点422处对功能超声数据集进行采样。因此,可以选择分配给与点410对应的离散分区处的着色表面渲染图308的颜色,以表示点412处的功能超声数据集的值,并且可以选择分配给与点420对应的离散分区处的着色表面渲染图308的颜色,以表示点422处的功能超声数据集的值。该示例表示以下实施方案:处理器116被配置为在相对于解剖表面308偏移第一距离403的位置处对功能超声数据集进行采样。偏移的距离和/或方向可以由操作员经由通过用户界面115的输入来手动选择,或者偏移的距离和/或方向可以自动确定。例如,偏移的方向和/或距离可以是预定的,或者其可以由处理器116基于所选的解剖表面来计算。例如,根据一个实施方案,通过对在解剖表面310上的多个位置处计算的法向矢量求平均,处理器116可确定针对解剖表面310的平均法向方向。根据一个实施方案,通过对针对其将计算功能超声数据值的解剖表面310上的每个位置所计算的法向矢量求平均,处理器116可计算平均法向方向。应当了解,其他实施方案可使用其他技术来计算或确定平均法向方向。
根据各个实施方案,处理器116可被配置为在相对于解剖表面308偏移固定距离的位置处对功能超声数据集进行采样。处理器116可被配置为针对与点410对应的着色表面渲染图308的离散分区在点414处对功能超声数据集进行采样。处理器116可被配置为针对与点420对应的着色表面渲染图308上的离散分区在点424处对功能超声数据集进行采样。因此,可以选择分配给与点410对应的离散分区处的着色表面渲染图308的颜色,以表示点414处的功能超声数据集的值,并且可以选择分配给与点420对应的离散分区处的着色表面渲染图308的颜色,以表示点424处的功能超声数据集的值。该示例表示以下实施方案:处理器116被配置为在相对于解剖表面308偏移第二距离405的位置处对功能超声数据集进行采样。
根据各个实施方案,对于着色表面渲染图308的每个离散分区382,处理器116可被配置为将从功能超声数据集中的两个或多个位置所采样的值进行组合或求平均。例如,处理器116可被配置为针对与点410对应的着色表面渲染图308的离散分区在点412和414处对功能超声数据集进行采样。处理器116可被配置为针对与点420对应的着色表面渲染图308上的离散分区在点422和424处对功能超声数据集进行采样。分配给与点410对应的离散分区处的着色表面渲染图308的颜色因此可被选择为表示点412处的功能超声数据集的值和点414处的功能超声数据集的值的平均值;并且分配给与点420对应的离散分区处的着色表面渲染图308的颜色因此可被选择为表示点422处的功能超声数据集的值和点424处的功能超声数据集的值的平均值。该示例表示以下实施方案:处理器116被配置为在相对于解剖表面308偏移第一距离403和第二距离405的位置处对从功能超声数据集获得的样本求平均。
图11是根据一个实施方案的解剖表面310和两个法向矢量的剖视图。
图11示出了相对于解剖表面310的点410和420。图11包括第一法向矢量450和第二法向矢量452。第一法向矢量450在点420处垂直于解剖表面310,并且第二法向矢量452在点410处垂直于解剖表面310。如前所论,处理器116可被配置为通过首先计算每个点处的法向矢量来确定解剖表面310上的每个点的偏移。然后,在沿着相应法向矢量的方向上,处理器116可以在相对于解剖表面310偏移的一个或多个点处,对功能超声数据集进行采样。例如,对于与解剖表面310上的点420对应的着色表面渲染图308的离散分区,处理器116可被配置为在沿着第一法向矢量450而偏移的一个或多个点(诸如点462、点464和/或点466)处对功能超声数据集进行采样。对于与解剖表面310上的点410对应的功能超声数据集的离散分区,处理器116可被配置为在沿着第二法向矢量452而偏移的一个或多个点(诸如点472、点474和/或点476)处对功能超声数据集进行采样。与前述实施方案一样,处理器116可被配置为基于从多个不同偏移处所取样的值来计算平均值。例如,对于与点420对应的离散分区,处理器116可被配置为对在与点420、462、464和/或466对应的位置处且从功能超声数据集中所采样的值中的两个或多个值求平均。同样,对于与点410对应的离散分区,处理器116可被配置为对在与点410、472、474和/或476对应的位置处且从功能超声数据集中所采样的值中的两个或多个值求平均。虽然图11仅示出了两个法向矢量,但是应当了解,参照图11所述的技术可用于计算在着色表面渲染图308上着色的每个离散分区382的值。
根据一个实施方案,处理器116可被配置为识别沿着一条射线且来自功能数据集的最大值(即,最大强度投影)或者沿着一条射线且来自功能数据集的最小值(即,最小强度投影),然后对着色表面渲染图的对应离散分区382进行着色以表示该最大值或最小值。根据一个实施方案,所有射线可以是平行的。根据一个实施方案,这些射线可以是会聚的。根据一个实施方案,这些射线可以是发散的。根据其他实施方案,这些射线均可垂直于解剖表面310。根据各个实施方案,用于确定最大值或最小值的射线可对应于法向矢量,诸如法向矢量450和452,或这些射线可全部平行并处于所需的偏移方向上。对于其他体积渲染应用,最大强度投影和最小强度投影是公知的,因此将不对它们进行附加的详细描述。
如前所论,着色表面渲染图308包括多个离散分区382。虽然图8仅示出了来自区域380内的离散分区382,但是应当了解,离散分区382遍布整个着色表面渲染图308。基于在与特定离散分区对应的位置处且从功能超声数据集中采样的值,可以给着色表面渲染图308上的多个离散分区382均分配唯一一种颜色。根据一个示例性实施方案,生成着色表面渲染图308可涉及:利用处理器116来获取查找表;以及根据基于查找表所分配的颜色,给每个离散分区382分配颜色。根据一个示例性实施方案,图4包括色标379。色标379包括与各种颜色相关联的值的视觉表示。示例性色标379比如将颜色映射成介于.33m/s(在色标顶部示出)与-.98(在色标底部示出)之间且包括这两个值的值。
对于其中所识别表面为三角形表面网格(未示出)的非限制性示例,多个顶点位置均可对应于着色表面渲染图308中的一个离散分区382。应当了解,根据各个实施方案,可以使用其他技术将颜色映射到着色表面渲染图308上的各个离散分区382。根据一些实施方案,诸如图4所示的实施方案,来自功能超声数据集且低于阈值的功能超声数据值可以不被着色。着色表面渲染图308中未被着色的离散分区可以以灰度示出。例如,着色表面渲染图308包括以灰度表示的非着色分区348。为非着色分区348所选的灰度值可以是如B模式成像模式期间所确定的灰度值。例如,可以使用偏移、最大强度投影(MIP)、最小强度投影(MinIP)或任何其他采样方法来计算非着色分区348的灰度值。根据一些实施方案,处理器116可被配置为将阴影和/或高亮应用于着色表面渲染图348,以助于在视觉上传达关于着色表面渲染图308所表示的三维表面的形状的信息。
在步骤210,处理器116被配置为在显示设备上显示着色表面渲染图308。在步骤212,作出是否期望获取附加超声数据的确定。如果期望在第212步获取附加超声数据,则方法200返回步骤202。或者,如果不期望在步骤212处理附加超声数据,则方法200前进到步骤214,其中方法200结束。根据一个实施方案,方法200可以在扫描患者时实时执行。如果例如在步骤212有附加超声数据要处理,则方法200可返回步骤202。以这种方式,步骤202、204、206、208、210和212可根据需要或期望而迭代地重复多次。根据一个实施方案,如果期望获取附加的解剖超声数据集和附加的功能超声数据集,则方法200可以从步骤212转到步骤202。根据一个实施方案,方法200可以迭代地执行步骤202、204、206、208、210和212,只要在扫描过程中采集附加的解剖超声数据和功能超声数据即可。
方法200可以在采集解剖超声数据的附加帧/体积和功能超声数据的附加帧/体积时实时执行。例如,在解剖超声数据的每个附加帧/体积和功能超声数据的每个附加帧/体积变得可用时,处理器116可实时执行步骤202、204、206、208和210。以这种方式,在步骤208生成且在步骤210显示的着色表面渲染图表示来自最近处理的解剖超声数据量和最近处理的功能超声数据量的信息。通过实施步骤202、204、206、208和210的一次迭代所生成且所显示的每个着色表面渲染图可以是动态着色表面渲染图的一帧。动态着色表面渲染图按类似于电影回放的顺序来显示多个不同的图像帧。然而,在动态着色表面渲染图中,多个不同图像帧均是由不同/更新后的解剖超声数据集和不同/更新后的功能超声数据集所生成的着色表面渲染图。虽然根据实时采集数据的实施方案描述了动态着色表面渲染图,但是在其他实施方案中,处理器116可被配置为基于先前采集并存储的解剖超声数据集和先前采集并存储的功能超声数据集两者来生成动态着色表面渲染图。每当方法200执行步骤202、204、206、208和210的迭代时,该方法将生成更新后的着色表面渲染图。对于其中在采集解剖超声数据集和功能超声数据集的同时执行方法200的实施方案,动态着色表面渲染图中所显示的着色表面渲染图表示了来自最近采集的解剖超声数据集和最近采集的功能超声数据集的信息。
根据一个实施方案,处理器116可被配置为在超声程序期间实时生成并显示着色表面渲染图308。一个实时生成并显示着色表面渲染图308的示例是:当着色表面渲染图是动态着色表面渲染图的帧时。例如,如上文所论,处理器116可被配置为基于最近采集的解剖超声数据和最近采集的功能超声数据计算并显示更新后的着色表面渲染图308。结果,根据一个示例性实施方案的表示瓣膜表面的着色表面渲染图308得到更新,使得它总是基于最近采集的解剖超声数据集和最近采集的功能超声数据集且相对于解剖表面而进行正确定位。对于其中解剖表面是瓣膜的各实施方案,该瓣膜表面通常在患者的整个心动周期内表现出显著运动。在作为动态着色表面渲染图的一部分而实时生成并显示着色表面渲染图的实施方案中,更新着色表面渲染图308,使得即使当瓣膜的位置随时间移动时,正在显示的着色表面渲染图308中表示的解剖表面也总是包括瓣膜。这使得临床医生能够在心脏的所有阶段(包括心脏收缩)期间看到彩色血流动态。这使用对固定位置处的单个平面进行成像的常规技术是不可能的,因为在贯穿患者的心动周期所采集的各张图像中,该平面将处于相对于瓣膜的不同距离处。此外,具有通过多个帧来跟踪患者的解剖表面的着色表面渲染图对于临床医生而言更容易且更方便。代替从固定平面生成图像,可利用超声数据的每个附加帧来更新着色表面渲染图,使得其总是表示该解剖表面。这使临床医生容易且方便地研究并解读与该特定解剖表面相关联的功能图像数据。临床医生不需要手动调整成像平面的位置,并且着色表面渲染图示出了比常规平面采集可能示出的更多的表面。
另外,处理器116可被配置为响应于来自用户界面115的控制输入而调整着色表面渲染图308的视角。例如,处理器116可被配置为旋转着色表面渲染图308,以使临床医生能够从任何期望的观看方向来观看着色表面渲染图308。图4示出了从第一观看方向来看的着色表面渲染图308的一个示例,而图6示出了从与第一观看方向不同的第二观看方向来看的着色表面渲染图308的一个示例。通过控制观看方向,诸如通过控制着色表面渲染图308的旋转和/或平移,临床医生可以在一个或多个期望方向上观看并检查着色表面渲染图308,以便对患者进行准确临床评估,并且以便得到对功能超声数据集的值相对于在着色表面渲染图308中表示的解剖结构310的位置的更准确理解。
根据一个实施方案,感兴趣体积可包括具有反流射流的心脏瓣膜。图12是截屏的表示,该截屏示出了具有所分割的反流分区500的着色表面渲染图308。例如,处理器116可被配置为识别着色表面渲染图308内的反流分区500。处理器116可被配置为使用任何数目的技术来识别反流分区500,这些技术包括以下一项或多项:连通分量分析、阈值设置技术和/或人工智能技术。例如,处理器116可被配置为使用所训练的神经网络或使用其他图像处理技术(诸如,阈值设置和/或连通分量分析)来识别并分割反流分区500。图12包括显示在所识别的反流分区500周围的边界线502。处理器116可被配置为计算反流分区500的面积并且在显示设备118上显示反流分区500的面积。例如,截屏500包括文本串504,其读作“反流面积=6.2mmsq.”,以传达反流分区500的面积是6.2mm2。处理器116可被配置为自动识别并分割反流分区500,或者处理器116可被配置为响应于经由用户界面115的用户命令而识别并分割反流分区500。同样,处理器116可被配置为自动计算并显示反流面积,或者处理器116可被配置为响应于经由用户界面115的用户命令而计算并显示反流面积。
图13是根据一个示例性实施方案的反流射流600的表示。缩流602显示在反流射流600上。缩流是该射流中射流直径处于最小值的点。根据一个实施方案,处理器116可被配置为选择用于对功能超声数据集进行采样的偏移,使得该偏移对应于缩流。换言之,处理器116可被配置为选择用于对功能超声数据集进行采样的偏移,使得在相对于解剖表面310且与缩流相对于解剖表面310的位置相对应的距离处,对功能超声数据集进行采样。临床上,这样做是因为缩流区域相对独立于负荷条件(即,各个心腔中的血压)、血流速率和孔口形状。结果,将相对于解剖表面310的距离设置成该缩流相对于解剖表面310的距离被认为是一个表征瓣膜反流的严重性的稳健参数。采样偏移以对应于缩流可通过如下方式来完成:利用处理器116选择偏移,以使反流射流600的截面积最小化。
生成并显示着色表面渲染图提供了许多优点,其中着色表面渲染图被着色以表示来自功能超声数据集的信息。如在本发明部分的背景中所论,用于同时将解剖超声数据和功能超声数据两者可视化的常规解决方案具有显著限制。生成并显示着色表面渲染图克服了许多这些限制,其中着色表面渲染图被着色以表示来自功能超声数据集的信息。
例如,生成并显示着色表面渲染图使临床医生容易且清楚地查看以下两者:以由着色表面渲染图表示的解剖表面的形状而存在的解剖超声数据;和以着色表面渲染图的着色结果而存在的功能超声数据。直接对表面渲染图进行着色以生成着色的表面渲染图确保了功能超声数据的显示不会遮蔽解剖表面310的解剖数据。如本发明部分的背景中所论,使用常规技术来生成包括解剖超声数据和功能超声数据两者的单体积渲染图可能使临床医生难以解读,因为对前景中的超声数据(诸如结构或血流)进行体积渲染可能完全或部分地遮蔽背景中的体积渲染超声数据(功能超声数据和/或解剖超声数据)。例如,更靠近观看者的渲染组织可能部分地或完全地遮挡来自彩色血流数据集且更远离观看者的血流信息。或者,相反地,所渲染的彩色血流数据可能遮挡更远离观看者的解剖信息。这使临床医生很难准确理解解剖超声数据集和功能超声数据集两者之中的信息。生成并显示着色表面渲染图解决了传统技术的这种限制,因为在着色表面渲染图中,功能超声数据集的表示不会遮挡或遮蔽解剖超声数据集的表示,并且解剖超声数据集的表示不会遮挡或遮蔽功能超声数据集的表示。具有解剖表面310的着色表面渲染图308(其中解剖表面310被着色以表示来自功能超声数据集的信息)使临床医生能够同时清楚地看到并理解功能超声数据集的值(基于着色结果)和解剖表面310的形状(基于由着色表面渲染图表示的形状)两者。
本发明的各实施方案的优点在于:为临床医生提供了容易旋转和/或平移着色表面渲染图308的能力。这允许临床医生具有容易操纵着色表面渲染图308的观看方向的能力,因此基于着色表面渲染图308上的每个离散采样位置处的着色表面渲染图308的着色结果,临床医生可快速且容易理解解剖表面310的形状和功能超声数据集的值两者。当与心脏应用一起使用时,本发明为临床医生提供了一种改进的技术,用于快速且积极地识别各种心脏问题,包括但不限于识别瓣膜表面上的反流射流,识别接合不良,识别瓣周漏,识别裂缝,识别隔膜漏等。
根据一个实施方案,一种用于渲染体积超声数据的方法包括利用处理器来获取包括感兴趣体积的解剖超声数据集。该方法包括利用处理器来获取包括感兴趣体积的功能超声数据集。该方法包括利用处理器从解剖超声数据集中识别出解剖表面,其中该解剖表面是三维非平面表面。该方法包括利用处理器来生成解剖表面的着色表面渲染图,其中该着色表面渲染图被着色以表示来自功能超声数据集的信息。该方法包括在显示设备上显示该着色表面渲染图。
根据一个实施方案,解剖超声数据集是B模式数据集,并且功能超声数据集是彩色血流多普勒数据集。
根据一个实施方案,着色表面渲染图被着色以表示来自与解剖表面对应的位置处的功能超声数据集的信息。
根据一个实施方案,着色表面渲染图被着色以表示来自在相对于解剖表面偏移的位置处的功能超声数据集的信息。
根据一个实施方案,着色表面渲染图包括多个离散彩色分区,并且该方法还包括:基于来自功能超声数据集的与相对于解剖表面的两个或多个不同位置对应的信息的平均值,给多个离散彩色分区中的每个分区分配颜色。
根据一个实施方案,沿着法向矢量,相对于多个离散彩色分区中的每个分区来定位该两个或多个不同位置。
根据一个实施方案,着色表面渲染图包括多个离散分区,并且该方法还包括:基于沿着法向矢量的最大值或沿着法向矢量的最小值中的一者,给多个离散分区中的每个分区分配颜色。
根据一个实施方案,在超声程序期间,实时执行着色表面渲染图的显示。
根据一个实施方案,着色表面渲染图是动态着色表面渲染图的帧。
根据一个实施方案,感兴趣体积包括具有反流射流的心脏瓣膜,并且该方法还包括:利用处理器,从着色表面渲染图中分割出反流分区;计算反流分区的面积;显示反流分区的面积;以及在显示设备上显示反流分区的面积。
在一个实施方案中,感兴趣体积包括具有反流射流的心脏瓣膜,并且该方法还包括:利用处理器选择该偏移,以使反流射流的截面积最小化。
在一个实施方案中,一种超声成像系统包括超声探头;显示设备;和处理器,该处理器与超声探头和显示设备两者进行电子通信。该处理器被配置为获取包括感兴趣体积的解剖超声数据集。该处理器被配置为获取包括感兴趣体积的功能超声数据集。该处理器被配置为从解剖超声数据集中识别出解剖表面,其中该解剖表面是三维非平面表面。该处理器被配置为生成该解剖表面的着色表面渲染图,其中该着色表面渲染图被着色以表示来自功能超声数据集的信息。该处理器被配置为在显示设备上显示该着色表面渲染图。
在一个实施方案中,解剖超声数据集是B模式数据集,并且功能超声数据集是彩色血流多普勒数据集。
在一个实施方案中,着色表面渲染图被着色以表示来自与解剖表面对应的位置处的功能超声数据集的信息。
在一个实施方案中,着色表面渲染图被着色以表示来自在相对于解剖表面偏移的位置处的功能超声数据集的信息。
在一个实施方案中,着色表面渲染图包括多个离散彩色分区,并且处理器还被配置为基于来自功能超声数据集的与相对于解剖表面的两个或多个不同位置对应的信息的平均值给多个离散彩色分区中的每个分区分配颜色。
在一个实施方案中,相对于多个离散彩色分区中的每个分区,两个或多个不同位置沿着法向矢量来定位。
在一个实施方案中,着色表面渲染图包括多个离散分区,并且其中处理器还被配置为基于沿着法向矢量的最大值或沿着法向矢量的最小值中的一者给多个离散分区中的每个分区分配颜色。
在一个实施方案中,处理器还被配置为在超声程序期间实时显示着色表面渲染图。
在一个实施方案中,着色表面渲染图是动态着色表面渲染图的帧。
在一个实施方案中,感兴趣体积包括具有反流射流的心脏瓣膜,并且处理器还被配置为:从着色表面渲染图中分割出反流分区;计算反流分区的面积;以及在显示设备上显示反流分区的面积。
在一个实施方案中,感兴趣体积包括具有反流射流的心脏瓣膜,处理器还被配置为选择该偏移,以使反流射流的截面积最小化。
该书面描述使用示例来公开本发明,包括最佳模式,并且还使本领域技术人员能够实践本发明,包括制造和使用任何设备或系统以及执行任何包含的方法。本发明的专利范围由权利要求书限定,并且可包括本领域技术人员想到的其他示例。如果此类其他示例具有与权利要求书的字面语言没有区别的结构元素,或者如果它们包括与权利要求书的字面语言具有微小差别的等效结构元素,则此类其他示例旨在落入权利要求书的范围内。
Claims (12)
1.一种用于渲染体积超声数据的方法,所述方法包括:
获取包括感兴趣体积的解剖超声数据集;
获取包括所述感兴趣体积的功能超声数据集;
从所述解剖超声数据集中识别出解剖表面,其中所述解剖表面是三维非平面表面;
生成所述解剖表面的着色表面渲染图,其中所述着色表面渲染图被着色以表示来自所述功能超声数据集的信息;以及
在显示设备上显示所述着色表面渲染图。
2.根据权利要求1所述的方法,其中所述解剖超声数据集是B模式数据集,并且其中所述功能超声数据集是彩色血流多普勒数据集。
3.根据权利要求1所述的方法,其中所述着色表面渲染图被着色以表示来自与所述解剖表面对应的位置处的所述功能超声数据集的信息。
4.根据权利要求1所述的方法,其中所述着色表面渲染图被着色以表示来自在相对于所述解剖表面偏移的位置处的所述功能超声数据集的信息。
5.根据权利要求1所述的方法,其中所述着色表面渲染图包括多个离散分区,并且其中所述方法还包括:基于来自所述功能超声数据集的与相对于所述解剖表面的两个或多个不同位置对应的信息的平均值,给所述多个离散分区中的每个分区分配颜色。
6.根据权利要求5所述的方法,其中沿着法向矢量,相对于所述多个离散分区中的每个分区来定位所述两个或多个不同位置。
7.根据权利要求1所述的方法,其中所述着色表面渲染图包括多个离散分区,并且其中所述方法还包括:基于沿着法向矢量的最大值或沿着所述法向矢量的最小值中的一者,给所述多个离散分区中的每个分区分配颜色。
8.根据权利要求1所述的方法,其中在超声程序期间,实时执行所述显示所述着色表面渲染图。
9.根据权利要求8所述的方法,其中所述着色表面渲染图是动态着色表面渲染图的帧。
10.根据权利要求1所述的方法,其中所述感兴趣体积包括具有反流射流的心脏瓣膜,其中所述方法还包括:
从所述着色表面渲染图中分割出反流分区;
计算所述反流分区的面积;以及
在所述显示设备上显示所述反流分区的面积。
11.根据权利要求4所述的方法,其中所述感兴趣体积包括具有反流射流的心脏瓣膜,其中所述方法还包括:
选择所述偏移,以使所述反流射流的截面积最小化。
12.一种超声成像系统,所述超声成像系统包括:
超声探头;
显示设备;以及
处理器,所述处理器与所述超声探头和所述显示设备两者进行电子通信,其中所述处理器被配置为执行根据权利要求1至11中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US18/071,293 | 2022-11-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118105109A true CN118105109A (zh) | 2024-05-31 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11715202B2 (en) | Analyzing apparatus and analyzing method | |
JP6147489B2 (ja) | 超音波画像形成システム | |
KR102539901B1 (ko) | 2차원 초음파 이미지를 음영화하는 방법 및 시스템 | |
US20200315582A1 (en) | Ultrasonic diagnosis of cardiac performance using heart model chamber segmentation with user control | |
US20110125016A1 (en) | Fetal rendering in medical diagnostic ultrasound | |
US20120306849A1 (en) | Method and system for indicating the depth of a 3d cursor in a volume-rendered image | |
JPH10502194A (ja) | 三次元像の構築及び表示を行う方法及びシステム | |
JPH1128212A (ja) | 三次元イメージング・システムおよび方法 | |
CN101036162A (zh) | 在显示的图像数据中保持一致的解剖视图的方法和系统 | |
CN101448461B (zh) | 超声波诊断装置及边界提取方法 | |
US20140125691A1 (en) | Ultrasound imaging system and method | |
EP3108456B1 (en) | Motion adaptive visualization in medical 4d imaging | |
CN113034375A (zh) | 用于提供模糊滤波以强调超声图像数据中的聚焦区域或深度的方法和系统 | |
CN114093464A (zh) | 用于控制用于体积绘制图像的虚拟光源的方法和系统 | |
Rabben | Technical principles of transthoracic three-dimensional echocardiography | |
US20240177437A1 (en) | Ultrasound imaging system and method for generating and displaying a colorized surface rendering | |
CN118105109A (zh) | 用于生成并显示着色表面渲染图的超声成像系统和方法 | |
KR20230159696A (ko) | 매질의 다중-양식 및/또는 다중-소스 데이터를 처리하는 방법 및 시스템 | |
US20220273261A1 (en) | Ultrasound imaging system and method for multi-planar imaging | |
US9842427B2 (en) | Methods and systems for visualization of flow jets | |
US20230181165A1 (en) | System and methods for image fusion | |
CN113876352B (zh) | 用于生成体积绘制图像的超声成像系统和方法 | |
US20220301240A1 (en) | Automatic Model-Based Navigation System And Method For Ultrasound Images | |
US20240070817A1 (en) | Improving color doppler image quality using deep learning techniques | |
US20230255598A1 (en) | Methods and systems for visualizing cardiac electrical conduction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |