-
Hintergrund
-
Die
vorliegende Erfindung betrifft die medizinische diagnostische Ultraschallbildgebung,
und insbesondere Systeme, die angepasst sind eine oder mehrere Stufen
einer Backend-Abbildung (Backend-Mapping) zu setzen (einzustellen),
die Gewinn-Dynamikbereich- und Nachverarbeitungsabbildungsstufen
enthalten können, um eine derartige Bildgebung zu verbessern.
-
Bei
der herkömmlichen Ultraschallbildgebung wird ein B-Modus
Signal eingestellt für einen Gewinn und einen dynamischen
Bereich, bevor das B-Modus Signal auf einen Bereich von Grauwerten oder
Farben zur Anzeige abgebildet wird. Der dynamische Bereich des anzuzeigenden
Signals kann üblicherweise durch den Benutzer eingestellt
werden mittels einer dynamischen Bereichsanzeigensteuerung. Diese
Steuerung ist üblicherweise unabhängig von dem
Bereich und der azimutalen Position in dem Bild. Der Gewinn kann üblicherweise
durch den Benutzer geändert werden, indem eine Tiefengewinnkompensations-(DGC
= Depth Gain Compensation) oder eine Zeitgewinnkompensations-(TGC
= Time Gain Compensation)Steuerung zusammen mit einer Mastergewinn
oder ein B-Gewinnsteuerung verwendet wird. Die DGC und TGC Steuerung
sind üblicherweise nur in einem Bereich (Axialrichtung)
variabel, und der Mastergewinn ist unabhängig von beiden, dem
Bereich und der lateralen Position (azimutalen Position). Ein paar
Systeme bieten auch eine Lateralgewinn-Kompensation zusätzlich
zu der Tiefengewinnkompensation, aber die zwei eindimensionalen Gewinnsteuerungen
enthalten nur eine Näherung der wahren zweidimensionalen
Gewinnsteuerung.
-
Nachdem
der Gewinn und der dynamische Anzeigenbereich angewendet worden
sind, werden log-komprimierte (log-compressed) B-Modus Signale neu
quantisiert, typischerweise auf 8-Bit oder 256 Quantisierungswerte.
Der Quantisierungsschritt (in dB) ist gegeben durch das Verhältnis
des dynamischen Bereichs, der durch den Benutzer ausgewählt wird,
zu der Anzahl an Quantisierungswerten.
-
Nach
der Quantisierung wird eine Nachverarbeitungsabbildung verwendet,
um die Quantisierungswerte auf einen Bereich von Grauwerten oder Farben
abzubilden. Diese Abbildung kann eine ausgewählte sein
von vorentworfenen Sätzen von Abbildungen oder alternativ
eine benut zerentworfene Abbildung. Diese Abbildungen sind üblicherweise
auch bereichs- und azimutunabhängig.
-
Bei
handelsüblich verfügbaren Ultraschallbildgebungssystemen
werden Gewinnsteuerungen oft von den Benutzern verwendet, um den
Helligkeitswert einzustellen. In vielen Fällen stellen
die Benutzer den Gewinn hauptsächlich ein, um den regionalen
Durchschnitt des Weichgewebegrauwerts innerhalb eines schmalen Bereichs
von Grauwerten in dem Bild aufrecht zu halten. Dieser bevorzugte
Bereich ist von Benutzer zu Benutzer einheitlich, und in vielen
Fällen tendieren die Benutzer dazu den Gewinn einzustellen,
um den Grauwert für Weichgewebe grob auf den 64-ten. Grauwert
auf einer linearen Abbildung, die 0 auf Schwarz abbildet und 255
auf Weiß abbildet, zu setzen.
-
Die
Gewinneinstellungen können gut arbeiten für eine
zweidimensionale Bildgebung, die gegeben wird durch die Benutzerschnittstelle.
Der Gesamtgewinn wird gesteuert durch einen Knopf oder eine einzelne
Einstellung, die auf alle Daten angewendet wird. TGC oder DGC werden
durch Schieber gesteuert, die unterschiedliche Tiefen darstellen.
Die räumliche Variation in drei Dimensionen ist jedoch schwierig
auf einer Benutzerschnittstelle zu implementieren.
-
Die
US 6,579,238 offenbart verschiedene Ausführungsbeispiele
zum automatischen Einstellen des Gewinns, des dynamischen Bereichs
und des Abbildens. Diese Parameter können optimiert werden
durch Einpassen einer Oberfläche für die Bildgebung.
-
Zusammenfassung
-
Die
bevorzugten Ausführungsbeispiele, die im Folgenden beschrieben
werden, enthalten Verfahren, Systeme, Anweisungen und computerlesbare Medien
zum Ausgleichen von Gewebeinformation, adaptiven Steuern des Gewinns
und/oder Abbilden von Eingangsdaten, um Daten in einer dreidimensionalen
medizinischen diagnostischen Bildgebung abzubilden. Eine Hyperoberfläche
wird in drei Raumdimensionen auf Eingangsdaten angepasst. Die Hyperoberfläche
wird verwendet, um den Gewinn einzustellen, so dass Eingangswerte
auf Ausgangswerte mit gleichmäßigeren Weichgewebewerten
abgebildet werden.
-
Gemäß einem
ersten Aspekt implementiert ein medizinisches Ultraschallbildgebungssystem
ein Verfahren zur adaptiven Steuerung des Gewinns. Voxel von eingegebenen
Volumendaten, die Weichgewebe entsprechen, werden identifiziert.
Eine dreidimensionale Hyperoberfläche wird an die Voxel,
die dem Weichgewebe entsprechen, angepasst. Ein Gewinn des Systems
wird adaptiv variiert als Funktion, zumindest teilweise, der angepassten
Hyperoberfläche.
-
Gemäß einem
zweiten Aspekt wird ein System geschaffen zum Ausgleichen von Gewebeinformation
in der medizinisch diagnostischen Ultraschallbildgebung. Ein Prozessor
ist betreibbar, um eine Hyperoberfläche als Funktion von
Daten zu bestimmen, die ein Volumen darstellen, und ist betreibbar
zum Abbilden der Daten auf Ausgangswerte als Funktion der Hyperoberfläche.
Eine Anzeige ist betreibbar zum Anzeigen eines Bilds in Antwort
auf die Ausgabewerte.
-
Gemäß einem
dritten Aspekt hat ein computerlesbares Speichermedium Daten gespeichert,
die Anweisungen darstellen, die von einem programmierten Prozessor
ausführbar sind zum Abbilden von Eingangsdaten auf Ausgangsdaten
in der medizinischen diagnostischen Bildgebung. Das Speichermedium
enthält Anweisungen zum Extrahieren von räumlichen Änderungen
der Intensität mit einer dreidimensionalen Hyperoberfläche,
die in einen vierdimensionalen Raum eingepasst ist, wobei der vierdimensionale
Raum drei Raumrichtungen und eine vierte Intensitätsdimension
aufweist, das Abbilden der Eingangsdaten auf die Ausgangsdaten als
Funktion der Hyperoberfläche erfolgt, und ein Bild als Funktion
der Ausgangsdaten angezeigt wird.
-
Die
vorliegende Erfindung wird durch die folgenden Ansprüche
definiert, und nichts in diesem Abschnitt soll eine Einschränkung
dieser Ansprüche darstellen. Weitere Aspekte und Vorteile
der Erfindung werden im Folgenden diskutiert in Verbindung mit den
bevorzugten Ausführungsbeispielen und können später
unabhängig oder in Kombination beansprucht werden.
-
Kurze Beschreibung der Zeichnungen
-
1 zeigt
ein Blockdiagramm eines medizinisch diagnostischen Ultraschallbildgebungssystems,
das ein Ausführungsbeispiel der Erfindung einbezieht;
-
2 zeigt
ein Blockdiagramm eines Ausführungsbeispiels einer adaptiven
mehrdimensionalen Backend Mapping-Stufe, im Folgenden auch als Abbildungsstufe
bezeichnet gemäß 1;
-
3 zeigt
ein detaillierteres Blockdiagramm eines Ausführungsbeispiels
der Abbildungsstufe gemäß 2; und
-
4 zeigt
ein Flussdiagramm eines Verfahrens, das durch das Ausführungsbeispiel
gemäß 3 implementiert wird.
-
Detaillierte Beschreibung
der gegenwärtig bevorzugtesten Ausführungsbeispiele
-
Die
Intensitäten, die zu Voxeln gehören, die ein Volumen
darstellen, werden adaptiv eingestellt, so dass Gewebe mit ähnlicher
Echogenizität gleichmäßigere Intensitätswerte
in dem Volumen aufweist. Änderungen der Intensität
aufgrund von Differenzen von Absorptionseigenschaften von dazwischen
liegendem Gewebe werden kompensiert.
-
Anstatt
dem Erfordernis einer manuellen Einstellung von zweidimensionalen
Verbundrahmen von Daten, die das Volumen bilden, erfolgt die adaptive Einstellung
automatisch. Anstelle des Erfordernisses einer automatischen Einstellung
der zweidimensionalen Verbundrahmendaten ohne Bezug auf das Gesamtvolumen
ist die adaptive Einstellung eine Funktion der Volumendaten.
-
Daten
des Volumens, die zu Weichgewebe gehören, werden identifiziert.
Beispielsweise werden erste, zweite oder höhere Momente
der Wahrscheinlichkeitsverteilung des Signals geschätzt
unter Verwendung eines Volumenkernels (Kerns) (beispielsweise 3×3×3)
um jedes Voxel oder Datum herum. Eine Hyperoberfläche wird
auf die Intensitäten oder Daten für das Weichgewebe
eingepasst. Die Hyperoberfläche wird in einen vierdimensionalen
Raum mit drei Raumdimensionen und einer vierten Dimension für
die Intensität eingepasst. Die Hyperoberfläche wird
beschrieben durch ein Polynom oder eine andere Funktion, um eine
langsam sich ändernde Intensitätseinstellung überall
im Volumen zu schaffen. Eine Differenz der Hyperoberfläche
von einer Zielintensität für jeden Ort in dem
Volumen wird berechnet als ein Gewinn für jedes Voxel des
Volumens. Die Daten des Volumens oder andere Volumina werden auf
Ausgabedaten abgebildet, indem die Gewinne verwendet werden.
-
Gemäß einem
Ausführungsbeispiel implementieren die Systeme oder Verfahren
gemäß der
US
6,579,238 , auf deren Offenbarung Bezug genommen wird, die
Hyperoberflächen-Gewinneinstellung und/oder Abbildung.
Andere Merkmale der Systeme und Verfahren, wie etwa die dynamische
Bereichseinstellung und/oder Rauschkompensation können oder
können nicht verwendet werden. In anderen Ausführungsbeispielen
wird die Hyperoberflächen-Gewinneinstellung und/oder Abbildung
in Systemen und Verfahren verwendet, die andere sind als diejenigen,
die in der
US 6,579,238 beschrieben
sind.
-
Man
beachte, dass die Begriffe „Eingangsdaten" oder „Volumendaten"
allgemein verwendet werden, um Bezug zu nehmen auf eine Amplitude,
Intensität oder log-komprimierte Amplitude eines Strahlformerausgangssignals
(also eines B-Modus Signals), sowie auf irgendeinen Parameter, der
von Interesse ist, der von dem Strahlformerausgangssignal abgeleitet
oder extrahiert wird, enthaltend die durchschnittliche Geschwindigkeit
und Leistungsschätzungen der Dopplerfrequenzverschiebung
(also Farbdopplermodussignale) und die Energiespektrumsschätzung
der Dopplerfrequenzverschiebung (also Spektraldopplermodussignale).
-
Bezugnehmend
auf die Zeichnungen zeigt 1 ein Blockdiagramm
eines medizinischen diagnostischen Ultraschallbildgebungssystems 10 zum Ausgleichen
von Gewebeinformation. Wie in 1 gezeigt
legt ein Sendestrahlformer 11 Sendewellenformen über
einen Senden/Empfangen-Schalter 12 an eine Transduceranordnung 13 an.
Die Transduceranordnung 13 erzeugt Ultraschallimpulse in
Antwort auf die Sendewellenformen, welche Impulse auf einen abzubildenden
Körper B gerichtet werden. Die zurückkehrenden
Echos von dem Körper B prallen auf die Transduceranordnung 13,
die diese Echos in Empfangssignale umwandelt, die über
den Senden/Empfangen Schalter 12 an einen Empfangsstrahlformer 14 gesendet
werden. Der Empfangsstrahlformer 14 wendet entsprechende
Verzögerungen und/oder Phasenverschiebungen an, damit Empfangssignale
von ausgewählten Orten innerhalb des Körpers B
zu veranlassen kohärent addiert zu werden. Diese strahlgeformten
Signale werden an einen Amplitudendetektor 15 und einen
Backend-Prozessor angelegt, der eine log-Kompressionsvorrichtung 12 (Vorrichtung
für eine logarithmische Kompression) enthält,
bevor sie auf einen Wiedergabeprozessor (Rendering-Prozessor) 17 angewendet werden.
-
Der
Wiedergabeprozessor 17 ist eine grafische Verarbeitungseinheit,
eine Grafikkarte, ein Grafikchip, ein allgemeiner Prozessor, eine
anwendungsspezifische integrierte Schaltung (ASIC = Application
Specific Integrated Circuit), ein digitaler Signalprozessor, ein
FPGA (Field Programmable Gate Array), eine analoge Schaltung, eine
digitale Schaltung oder ein anderer jetzt bekannter oder späterer Prozessor
für ein Wiedergeben (Rendering). Der Wiedergabeprozessor 17 empfängt
die Volumendaten nach dem Abbilden. Die empfangenen Daten sind ein
kompletter Volumendatensatz. Alternativ werden die Daten empfangen
wenn die Daten abgebildet werden, so wie Abbilden der Daten, wenn
es notwendig ist während eines Wiedergebens. Der Wiedergabeprozessor 17 erzeugt
Anzeigewerte auf einem Gitter, die geeignet sind für eine
Anzeige 19. Die Anzeigewerte reagieren auf Ausgabewerte
von dem Backend-Prozessor. Der Wiedergabeprozessor 17 implementiert
Ray-Casting, Oberflächenrendering oder anderes bekanntes
oder später entwickeltes Volumenwiedergeben (Volumenrendering).
-
Ein
Speicher 20 empfängt Daten von dem Detektor 15 und
gibt Daten an den Back-End Prozessor aus. Der Speicher 20 kann
an anderen Orten positioniert sein, beispielsweise zwischen der Log-Kompression 16 und
der Abbildungsstufe 18. Der Speicher 20 ist eine
einzelne Vorrichtung, kann aber eine Sammlung von zwei oder mehreren
Vorrichtungen sein, die jeweils für einen gleichen Zweck oder
unterschiedliche Zwecke verwendet werden.
-
Daten,
die ein Volumen darstellen, werden in dem Speicher 20 gespeichert.
Jedes Eingabedatum (beispielsweise Intensität) ist ein
Voxel. Die Daten werden interpoliert und auf einem gleichmäßig
beabstandeten dreidimensionalen Gitter gebildet. Alternativ sind
die Daten des Volumens anisotrop, beispielsweise hat jedes Voxel
eine größere Größe entlang mindestens
einer Dimension. In anderen Ausführungsbeispielen sind
die Voxel entlang eines Polarkoordinatengitters, so dass sie zu
empfangenen parallelen oder nicht parallelen zweidimensionalen Rahmen
von Daten innerhalb des Voxels gehören.
-
Der
Speicher 20 kann auch ein computerlesbares Speichermedium
sein, das darin Daten gespeichert hat, die Anweisungen darstellen,
die von einem programmierten Prozessor ausführbar sind.
Der Speicher 14 und/oder ein anderer Speicher speichern
Anweisungen zum Betreiben des Back-End Prozessors, wie die Abbildungsstufe 18 beispielsweise.
Die Anweisungen dienen zum Abbilden von Eingangsdaten auf Ausgangsdaten
in der medizinischen diagnostischen Bildgebung. Die Anweisungen
zum Implementieren der Prozesse, Verfahren und/oder Techni ken, wie
sie diskutiert werden, werden bereitgestellt auf computerlesbaren
Speichermedien oder Speichern, beispielsweise einem Cachespeicher, Puffer,
RAM, entfernbarer Speichermedium, Festplatte oder anderen computerlesbaren
Speichermedien. Die computerlesbaren Speichermedien enthalten verschiedene
Typen von flüchtigen und nicht flüchtigen Speichermedien.
Die Funktionen, Schritte und Aufgaben, die in den Figuren verdeutlicht
und hier beschrieben werden, sind ausführbar in Antwort auf
eine oder in Antwort auf mehrere Sätze von Anweisungen,
die in oder auf computerlesbaren Speichermedien gespeichert sind.
Die Funktionen, Schritte und Aufgaben sind unabhängig von
dem bestimmten Typ von Anweisungssatz, Speichermedium, Prozessor
oder Verarbeitungsstrategie und können durchgeführt
werden mittels Hardware, Software, integrierte Schaltungen, Firmware,
Microcode und dergleichen, alleine arbeiten oder in Kombination. Ähnlich
können Verarbeitungsstrategien ein Mehrfachverarbeiten,
Multitasking, ein paralleles Verarbeiten und dergleichen enthalten.
Gemäß einem Ausführungsbeispiel werden
die Anweisungen auf einer entfernbaren Mediumvorrichtung gespeichert
für ein Lesen durch lokale oder entfernte Systeme. Gemäß anderen
Ausführungsbeispielen werden die Anweisungen an einem entfernten
Ort gespeichert für einen Transfer über ein Computernetzwerk
oder über Telefonleitungen. Gemäß noch
anderen Ausführungsbeispielen sind die Anweisungen innerhalb
eines gegebenen Computers, einer CPU, einer GPU oder eines Systems
gespeichert.
-
Alle
Elemente 11–17 und 19–20 können
irgendeine geeignete Form aufweisen, und sind nicht auf irgendeine
spezielle Implementierung eingeschränkt. Beispielsweise
können der Sende- und Empfangsstrahlformer aufgebaut sein
als analoge oder digitale Vorrichtungen, und irgendeine geeignete
Transduceranordnung kann verwendet werden, einschließlich
eine Einzel-Element-Transduceranordnung und Phased-Arrays unterschiedlicher
Dimensionen. Zusätzlich kann das System 10 weitere Elemente
in dem Signalpfad zwischen der Transduceranorndung 13 und
der Anzeige 19 enthalten, und ausgewählte Elemente
der verdeutlichten Elemente können weggelassen oder die
Reihenfolge einiger Elemente kann gewechselt werden. Beispielsweise kann
die Reihenfolge des Backend-Prozessors und des Wiedergabeprozessors 17 gewechselt
werden, so dass eine Abtastumwandlung vor dem Speicher 20 erfolgt,
so dass abtastumgewandelte Rahmen von Daten verwendet werden, um
das Volumen darzustellen. Als ein anderes Beispiel ist der Wiedergabeprozessor 17 ein
separater Computer.
-
Der
Backend-Prozessor enthält auch die adaptive mehrdimensionale
Backend-Abbildungsstufe
18. Diese Abbildungsstufe
18 kann
irgendwelche Formen annehmen, beispielsweise irgendeine der Ausführungsbeispiele,
wie sie offenbart sind in der
US
6,579,238 . Irgendeine Kombination von Funktionen und entsprechenden
Ausführungsbeispielen der
US
6,579,238 können verwendet werden. Rauschen, Signal-Zu-Rausch
Verhältnis, dynamische Bereichsverarbeitung, Gewebeidentifikation,
Gewinn, Abbilden, Einpassen oder andere Aspekte können
verwendet werden wie sie offenbart sind in der
US 6,579,238 , jedoch basierend auf
Volumendaten. Andere Ausführungsbeispiele werden im Folgenden
beschrieben.
-
Die
Abbildungsstufe 18 ist ein Prozessor zum Abbilden von Eingangsvolumendaten
auf Ausgangsvolumendaten. Der Prozessor ist ein allgemeiner Prozessor,
ein digitaler Signalprozessor, eine anwendungsspezifische integrierte
Schaltung (ASIC), ein FPGA (Field Programmable Gate Array), ein Speicher,
eine digitale Schaltung, eine analoge Schaltung, Kombinationen davon,
oder eine andere jetzt bekannte oder später entwickelte
Komponente oder Komponenten zum Abbilden von Eingangsdaten auf Ausgangsdaten.
-
Die 2 und 3 zeigen
ein Ausführungsbeispiel zum Steuern des lokalen Gewinns überall
in dem Volumen derart, dass Weichgewebe angezeigt wird bei einem
im Wesentlichen konstanten Zielwert. 2 zeigt
ein Blockdiagramm dieser Ausführungsbeispiele einer Abbildungsstufe 18' von 1.
Wie in 2 gezeigt enthält die Abbildungsstufe 18' einen
Rauschdatenprozessor 30, einen Weichgewebeprozessor 32 und
einen Gewinnprozessor 34. Der Rauschdatenprozessor 30 erzeugt eine
Schätzung von elektronischem Rauschen als die Rauschänderung überall
in dem Volumen. Der Weichgewebeprozessor 32 erzeugt eine
geglättete Hyperoberfläche, die gekennzeichnet
ist für die Intensität des Weichgewebes innerhalb
eines Volumens an verschiedenen Orten in dem Volumen. Der Gewinnprozessor 34 verwendet
Ausgangssignale von den Prozessoren 30 und 32,
um entweder den Gewinn oder beides, den Gewinn und den dynamischen
Bereich, die auf das Volumen angewendet werden, adaptiv einzustellen.
In alternativen Ausführungsbeispielen ist der Rauschdatenprozessor 30 nicht
vorgesehen.
-
3 zeigt
ein detaillierteres Blockdiagramm des einen Ausführungsbeispiels
der Elemente gemäß 2. 4 zeigt
ein Flussdiagramm eines Verfahrens, das durch das Ausführungsbeispiel von 3 implementiert
wird.
-
Wie
in 3 gezeigt enthält der Rauschdatenprozessor 30 in
diesem Ausführungsbeispiel ein Tiefpassfilter 40 und
einen Dezimator 42, und der Prozessor 30 erzeugt
ein Maß von elektronischem Rauschen an verschiedenen Orten,
die überall in dem Volumen verteilt sind. Der Rauschprozessor 30 akzeptiert
als Eingabe ein Rauschvolumen, also Daten, die ein Volumen darstellen,
das erfasst wird mit ausgeschalteten Sendern. In Abwesenheit einer Schalldruckwelle
bildet das resultierende Eingangssignal einen Rauschdatensatz, das
ein Maß den gegenwärtig herrschenden Systemrauschens
ist, als Funktion der Position innerhalb des Volumens. Das Tiefpassfilter 40 glättet
das Rauschvolumen, und der Dezimator 42 dezimiert das gefilterte
Rauschen auf ein gröberes Gitter, misst z. B. 50 Pixel
auf jeder Dimension (Richtung). Andere Dezimationsfaktoren können
verwendet werden, beispielsweise ein Dezimationsfaktor von 10×10×10
Pixeln auf dem akustischen Gitter oder Volumengitter oder keine
Dezimation. Das Rauschvolumen liefert das lokale Rauschen des Systems
als Funktion der Position innerhalb des Volumens.
-
Der
Weichgewebeprozessor 32 antwortet auf ein Bildvolumen von
Daten, die erfasst werden mit Bildgebungsparametern, und die Daten
von Weichgewebe in dem Bild enthalten. Der Weichgewebeprozessor 32 identifiziert
Daten in dem Volumendatensatz, die Weichgewebe entsprechen. Der Weichgewebeprozessor 32 enthält
beispielsweise ein Tiefpassfilter 44 und einen Dezimator 46,
die die gleichen oder andere Elemente aufweisen wie die entsprechenden
Elemente des Rauschprozessors 30. Das gefilterte dezimierte
Rauschvolumen von dem Rauschprozessor 30 wird mit einer
negativen Polarität mit dem gefilterten, dezimerten Bildvolumen in
einem Summierer 54 summiert. Da das Rauschvolumen und das
Bildvolumen in diesem Beispiel Postdetektions-, Post-log-Kompressionssignale
sind, erzeugt die Summierung, die durch den Summierer 54 durchgeführt
wird, ein Ausgangssignal, das gleich dem Signal-Zu-Rausch-Verhältnis
(SNR) für die zugehörigen Regionen der zwei Volumen
ist. Diese SNR Daten werden angewendet auf einen Komperator 56,
der als ein Ausgangssignal ein SNR Binärvolumen erzeugt.
Dieses Binärvolumen wird auf Eins gesetzt in Regionen des
Volumens, die dadurch gekennzeichnet sind, dass ein SNR größer
als ein vorbestimmter Wert ist, beispielsweise 3 dB oder 6 dB und
auf Null in Regionen, wo SNR kleiner oder gleich dem vorbestimmten
Wert ist. Folglich gibt das SNR Binärvolumen Regionen des
Bildvolumens an, die ausreichendes hohes SNR haben als Kandidaten
für Weichgewebebilddaten. Die Bereiche des SNR Binärvolumens,
die gekennzeichnet sind durch den logischen Wert Null, entsprechen Regionen
des Bilds mit hohem Rauschen und geringem SNR und diese Regionen
werden nicht als Kandidaten für Weichgewebe betrachtet.
-
Der
Weichgewebeprozessor 32 erzeugt auch ein Varianz-Binärvolumen
mit einem lokalen Varianzberechner 48, einem Dezimator 50 und
einem Komperator 52. Diese Elemente verwenden die lokale
Raumvarianz des Volumendatensatzes, um Regionen des Volumendatensatzes
zu identifizieren, die eine Varianzcharakteristik von Weichgewebe
aufweisen.
-
In
Weichgewebe gibt es eine große Anzahl von Streuern, die
in jeder Auflösungszelle vorhanden sind. Ein vollständig
entwickeltes Speckle tritt auf aufgrund einer Zufallsinterferenz
zwischen den reflektierten Signalen, und die Amplitude des Signals
folgt der Rayleigh-Verteilung in Regionen des Volumendatensatzes,
die Weichgewebe beschreiben. In diesem Ausführungsbeispiel
wird der Grad, zu dem die lokale Varianz, die in einer Nachbarschaft
der Auflösungszellen um jedes Voxel herum berechnet wird,
zu dem eines vollständig entwickelten Speckles, als ein
Maß der Wahrscheinlichkeit dafür verwendet, dass
ein bestimmtes Voxel Weichgewebe darstellt. Das Varianzbinärvolumen
ist auf Eins gesetzt in Regionen, wo die Varianz konsistent ist
mit einer Weichgewebebildgebung und auf Null im Übrigen.
-
Der
lokale Varianzrechner 48 arbeitet durch Teilen des Volumendatensatzes
in ein Gitter von Sub-Volumenregionen. Die Größe
dieser Regionen kann in der Größenordnung von
10 Mal länger entlang jeder Achse sein, als die Auflösungsgröße
des Volumendatensatzes. Kleinere oder größere
Größen können verwendet werden.
-
Der
Dezimator 50 arbeitet mit der gleichen Skalierung oder
einer anderen Skalierung wie die Dezimatoren 42 und 46.
Das dezimierte Varianzvolumen wird dann verglichen Voxel für
Voxel mit minimalen und maximalen Varianzwerten in dem Komperator 52.
Dieser Vergleich ist speziell geradlinig für log-komprimierte
Daten, wobei die Varianz der voll entwickelten Speckle-Charakteristik
von Weichgewebe gleich 2·(5,57 dB) ist. Folglich sind Regionen
von Weichgewebe in dem Volumen gekennzeichnet durch vollständig
entwickeltes Speckle mit einer Varianz nahe 2·(5,57 dB).
Irgendein Schwellenwert kann verwendet werden. Die tatsächliche
lokale Varianz des Speckle kann nicht gleich dem theoretischen Wert
sein, aufgrund von Filtern in dem Signalverarbeitungspfad des Ultraschallsystems.
In der Praxis wird die Varianz bestimmt durch Messungen von Phantomen,
die ähnlich einem Weichgewebe sind.
-
Das
elektronische Rauschen hat eine Varianz nahe dem von Weichgewebe,
und die UND-Operation, die mit 60 kennzeichnend ist, verwendet
das SNR Binärvolumen und das Varianzbinärvolumen, um
eine Fehlklassifikation des elektronischen Rauschens als Weichgewebe
zu verhindern. Diese UND-Operation wird auf einer Voxel-für-Voxel
Basis für das dezimierte SNR Binärvolumen und
das dezimierte Varianzbinärvolumen durchgeführt.
Das resultierende dezimierte Gewebebinärvolumen hat einen Wert
gleich Null, wenn entweder das SNR Binärvolumen angibt,
dass die zugehörige Region gekennzeichnet ist durch ein
kleines SNR Verhältnis oder das Varianzbinärvolumen
angibt, dass die zugehörige Region kein Weichgewebe ist.
Das SNR Binärvolumen ist nicht in allen Ausführungsbeispielen
erforderlich, und andere Techniken können verwendet werden,
um eine Fehlklassifizierung von Regionen des Bilds, die von Rauschen
dominiert sind, als Weichgewebe zu vermeiden. Beispielsweise können Rauschreduktiontechniken
angewendet werden vor der Lokalvarianzschätzung.
-
Der
gefilterte dezimierte Bildvolumendatensatz von dem Dezimator 46 und
der Binärgewebevolumendatensatz von dem AND Element 60 werden als
Eingänge an einen Prozessor 62 zum Berechnen der
Weichgewebeintensität angelegt. Speziell ist die Ausgabe
des Prozessors 62 ein dezimierter Datensatz mit Intensitätswerten,
die von den entsprechenden Werten des Gewebebinärvolumens
in der gleichen Region abhängen. Dort, wo die entsprechende Region
des Weichgewebevolumens gleich dem logischen Wert Null ist (gibt
an, dass die Region keinem Weichgewebe entspricht), enthält
die Ausgabe des Prozessors 62 keinen Intensitätswert
für die entsprechende Region. Alternativ, für
Regionen, wo das Gewebebinärvolumen gleich dem logischen
Wert 1 ist, enthält die Ausgabe des Prozessors 62 den
Intensitätswert für die entsprechende Region,
gefiltert durch den Filter 44 und dezimiert durch den Dezimator 46.
-
Gemäß einem
anderen Ausführungsbeispiel identifiziert der Prozessor 32 Daten,
die Weichgewebe entsprechen, als eine Funktion von Momenten, die
aus dem Volumendatensatz berechnet werden. Beispielweise filtert
der Prozessor 32 Voxel von B-Modus Intensitäten.
Irgendein Größen-Kernel kann verwendet werden,
beispielsweise 3×3×3. Symmetrische oder asymmetrische
Kernel können verwendet werden. Für jedes Voxel
ohne Dezimierung oder jedes verbleibende Voxel nach einer Dezimierung
trägt die umgebende Nachbarschaft der Voxel innerhalb des
Volumens zu der gefilterten Ausgabe bei. Das Filtern verwendet den
ersten, zweiten oder höheren Moment. Für einen
ersten Moment werden die Voxel in dem Kernel gemittelt. Für
einen zweiten Moment werden die Voxel in dem Kernel quadriert, summiert und
dann normalisiert. Beide, der erste und der zweite Moment können
verwendet werden. Ein Schwellenwert gibt an, ob der resultierende
Moment Weichgewebe angibt, beispielsweise ein zweites Moment über
einem Schwellenwert, der Weichgewebe angibt. Zur Verwendung mehrerer
Momente oder Weichgewebemessungen kann eine Kombination von Schwellenwerten
oder eine Kombination von Messungen mit einem einzelnen Schwellenwert
verwendet werden, um Weichgewebe zu identifizieren. Beispielsweise
entsprechen Regionen mit einem ersten und zweiten Moment, die einen
ersten und zweiten Schwellenwert überschreiten, Weichgewebe
und andere Regionen nicht.
-
In
einem Ausführungsbeispiel identifiziert der Prozessor unterschiedliche
Typen von Weichgewebe. Unterschiedliche Weichgewebetypen können
unterschiedliche Antwortcharakteristiken haben. Beispielweise können
Bereiche des ersten, zweiten und/oder höheren Moments den
Typ des Gewebes angeben. Entsprechende Funktionen oder Schwellenwerte
identifizieren Intensitäten oder Voxel, die zu unterschiedlichen
Gewebetypen gehören. Andere Ausführungsbeispiele
zum Identifizieren von einem oder von mehreren Gewebetypen können
verwendet werden.
-
In
dem Prozessor 64 wird eine Hyperoberfläche an
den Volumendatensatz eingepasst, der von dem Prozessor 62 geliefert
wird. Ein dezimierter oder nicht dezimierter Datensatz wird für
das Einpassen verwendet. Die Daten innerhalb des Volumens zum Einpassen
sind Weichgewebedaten. Nicht Weichgewebedaten werden nicht verwendet.
Irgendeine Funktion, die die Hyperoberfläche verwendet,
kann verwendet werden, beispielsweise eine Polynomfunktion. Gemäß einem
Ausführungsbeispiel definiert eine lineare oder quadratische
Funktion die Hyperoberfläche. Die Hyperoberfläche
wird eingepasst in drei Raumdimensionen (also das Volumen) mit einer vierten
Dimension, die Eingabedaten für Weichgewebe ist, beispielsweise
Intensitäten, die zu Weichgewebe gehören.
-
Die
Hyperoberfläche liefert ein Maß der lokalen durchschnittlichen
Weichgewebeintensität, wenn die Hyperoberfläche überall
in dem Volumen variiert. Der Durchschnitt ist auf lokale Daten eingepasst.
Die Abweichung ist räumlich gering, um Bildgebungsdetails
zu bewahren, beispielsweise durch Begrenzen der Hyperoberfläche
durch das Polynom niedrigerer Ordnung oder durch eine andere Funktion.
Gemäß einem Ausführungsbeispiel werden
die Weichgewe bedaten ohne Rauschberücksichtigung eingepasst. In
einem anderen Ausführungsbeispiel wird das SNR Binärvolumen
verwendet, um eine Verfälschung der Hyperoberfläche
durch Bereiche des Volumens, die durch Rauschen dominiert sind,
zu vermeiden. Dort, wo die Hyperoberfläche eingepasst ist
auf ein dezimiertes Volumen der Weichgewebedaten, variiert die durch
den Prozessor 64 eingepasste Hyperoberfläche nicht
so schnell, um mit der Darstellung von Übergängen
oder Schnittstellen zwischen Weichgeweben unterschiedlicher Kontraste
zu interferieren. In einem Ausführungsbeispiel teilt der
Prozessor 64 das Volumen in 6×6×6 oder
in ein anderes Gitter, berechnet den durchschnittlichen Weichgewebeintensitätswert
für jede Region des Gitters, und passt dann die Hyperoberfläche
auf die durchschnittlichen Werte an.
-
Der
Prozessor 64 kann separate Hyperoberflächen für
unterschiedliche Typen von Daten bestimmen. Beispielsweise ist ein
Datensatz von Weichgewebedaten von einem Typ, und ein anderer Datensatz
ist von Weichgewebedaten eines anderen Typs. Die zwei Datensätze
enthalten Daten, die von dem Eingabedatensatz, der das Volumen darstellt,
identifiziert werden. Unterschiedliche Hyperoberflächen werden
eingepasst, eine für jeden Typ von Weichgewebedaten. Gemäß einem
anderen Beispiel wird eine zusätzliche Hyperoberfläche
für Rauschen bestimmt. Die Hyperoberfläche wird
an einen Rauschvolumendatensatz angepasst.
-
Der
Gewinnprozessor 34 ist betreibbar zum Abbilden der Daten
des Eingabevolumens auf Ausgabewerte als Funktion der Hyperoberfläche.
Die abzubildenden Daten enthalten die Weichgewebedaten und können
andere Daten enthalten. Beispielsweise wird der Eingabevolumendatensatz
abgebildet anstelle des Datensatzes, der davon hergeleitet wird, um
Weichgewebe anzugeben.
-
Der
Gewinnprozessor 34 gemäß diesem Ausführungsbeispiel
verwendet einen Summierer 82, um die Differenz zwischen
der angepassten Hyperoberfläche von dem Prozessor 64 und
dem Weichgewebezielintensitätswert TT auf
einer Region-für-Region oder Voxel-für-Voxel Basis
zu gewinnen. Die Ausgabe des Summierers 82 ist ein Gewebegewinn
GT, der mit dem Bereich, der Elevation und
dem Azimut variiert, und ist der Gewinn, der erforderlich ist, um die
Hyperoberfläche, die an den lokalen Gewebemittelwert angepasst
ist, zu veranlassen bei dem Weichgewebezielwert TT angezeigt
zu werden.
-
Gemäß einem
Ausführungsbeispiel wird nur der Gewinn zum Abbilden des
Zielgewebepegelwerts verwendet. In einem anderen Ausführungsbeispiel wird
dieser Gewebegewinn GT auf einen Logikblock 84 angewendet,
der ebenfalls eine zweite Eingabe GN empfängt.
Das Signal GN wird durch einen Summierer 80 erzeugt,
der die Differenz auf einer Voxel-für-Voxel oder Region-für-Region
Basis zwischen einem Rauschzielwert TN und
entsprechenden Werten des gefilterten, dezimierten Rauschvolumendatensatzes
oder der Rauschhyperoberfläche nimmt. Folglich variiert
der Rauschgewinn GN auch mit dem Bereich,
der Elevation und dem Azimut, und stellt den Gewinn dar, um sicherzustellen,
dass der lokale mittlere Rauchpegel an dem Rauschzielpegel TN präsentiert wird. Der Logikblock 84 setzt
den abschließenden dreidimensionalen Gewinn gleich GF auf den kleineren von GN und
GT. Der abschließende dreidimensionale
Gewinn GF wird angewendet auf den Bildvolumendatensatz
im Block 86. Der Gewinnprozessor 34 setzt den
Gewinn GF in einer derartigen Art und Weise,
dass die Weichgeweberegionen des Volumens bei ungefähr
dem Gewebezielpegel TT für alle
Bereiche des Volumens angezeigt werden, wo das Rauschsignal kleiner
als der Rauschzielpegel ist. In Regionen des Volumens, wo die Rauschintensität IN größer als ein Rauschzielpegel
TN ist, wird ein geringerer Gewinn verwendet,
um sicherzustellen, dass das Rauschen nicht ungeeignet verstärkt
wird.
-
In
einigen Ausführungsbeispielen wird der finale Gewinn GF zerlegt in einen Tiefengewinn, Azimutlateralgewinn-,
Elevationslateralgewinn-, Azimutlateralgewinnmaß-, und
Elevationslateralgewinnmaßkomponente, beispielsweise über
eine kleinste Quadratanpassung (Least-Square-Fit). Es kann vorteilhaft
sein Tiefengewinnkomponenten auszuwählen, um die Azimut
und/oder Elevationslateralgewinnmaßwerte zu minimieren,
und den Mastergewinnwert, um Änderungen in dem Tiefengewinn,
Azimutlateralgewinn und Elevationslateralgewinn zu minimieren.
-
Gemäß einem
Ausführungsbeispiel ist der Zielgewebeintensitätspegel
konstant überall in dem Volumen, kann jedoch gemäß anderen
Ausführungsbeispielen variieren. Die Hyperoberfläche
liefert eine Differenz von dem Zielpegel in dem gesamten Volumen,
selbst für Orte, die nicht zu Weichgewebe gehören.
Aufgrund der Einpassung der Hyperoberfläche und der Restriktion
auf eine langsame Variation, kann der resultierende Gewinn nicht
sehr viel abweichen für Gewebe und nicht Geweberegionen.
Wenn Daten, die nicht Geweberegionen darstellen, Gewinn eingestellt
werden, bleiben die Intensitätspegel anders als für
Weichgeweberegionen.
-
In
anderen Ausführungsbeispielen werden mehrere Hyperoberflächen
für ein Abbilden verwendet. Eine Kombination des Einstellens
des Gewinns und des dynamischen Bereichs kann verwendet werden.
Beispielsweise kann das Einstellen des Gewinns und des dynamischen
Bereichs ein Abbilden unterschiedlicher Typen von Geweben auf oder
in die Nähe von unterschiedlichen Zielgewebepegeln erlauben.
Alternativ werden die unterschiedlichen Hyperoberflächen
angewendet auf unterschiedliche Nebensätze des Volumendatensatzes,
werden kombiniert, um eine Hyperoberfläche zu bilden unter
Verwendung irgendeiner Priorität oder Funktion, oder werden
verwendet für ein separates Wiedergeben. Beispielsweise
liefert eine Rauschhyperoberfläche eine negative Gewinneinstellung.
Die Differenz zwischen dem Zielgewebewert und der Weichgewebehyperoberfläche
wird vergrößert, um den Rauschbeitrag zu berücksichtigen.
-
4 zeigt
ein Flussdiagramm eines Verfahrens, das implementiert wird durch
das System gemäß 3, aber
ein anderes System kann verwendet werden. Ein medizinisches Ultraschallbildgebungssystem
implementiert das Verfahren zum adaptiven Steuern des Gewinns. Weitere,
andere oder weniger Schritte können vorgesehen werden.
Beispielsweise werden die rauschbasierten Schritte 104, 108 und 114 nicht
durchgeführt. Als ein anderes Beispiel kann eine andere
Identifikation der Weichgeweberegionen verwendet werden, als durch
die Schritte 110, 112 und 114 dargestellt.
Die Schritte werden in der gezeigten oder in einer anderen Reihenfolge durchgeführt.
-
In
Schritt 100 werden die beschriebenen adaptiven Gewinnmerkmale
initiiert. Dies kann in verschiedener Art und Weise erfolgen. Beispielsweise kann
ein adaptiver Gewinn initiiert werden in Antwort auf eine Benutzeranfrage
oder automatisch in Zeitintervallen. Beispielsweise kann der adaptive
Gewinn automatisch initiiert werden nach einer eingestellten Anzahl
von Volumenscans oder Sekunden. Gemäß einem anderen
Beispiel kann eine detektierte Änderung eine Berechnung
des Gewinns triggern (auslösen).
-
Sobald
der adaptive Gewinn in Block 100 initiiert worden ist,
werden die dreidimensionalen Bildgebungserfassungsparameter des
Systems auf vorausgewählte Werte in Schritt 102 gesetzt.
Diese vorausgewählten Werte optimieren den Betrieb des
adaptiven Gewinnprozessors. Anhand eines Beispiels sind die folgenden
allgemeinen Richtlinien gefunden worden, die gemäß einem
Ausführungsbeispiel geeignet sind: Der Gewinn und der dynamische
Bereich werden derart bestimmt, dass für die breitestmögliche Änderung
von Bildgebungssituationen das größtmögliche
Signal-zu-Rausch-Verhältnis über das gesamte Volumen
beibehalten wird, ohne für irgend einen Bereich des Volumens
eine Sättigung zu verursachen. Dies stellt sicher, dass
Regionen, in denen das Signal schwach ist, durch den adaptiven Gewinnprozessor
berücksichtigt werden. Andere Parameter und/oder Ziele
können verwendet werden. Die vorausgewählten Werte
können durch den Benutzer geändert oder gewechselt
werden. Die vorausgewählten Werte können adaptiv
für die empfangenen Daten sein. Die vorausgewählten
Werte können für unterschiedliche Bildgebungsanwendungen
verschieden sein.
-
Sobald
die Bilderfassungsparameter ausgewählt worden sind, werden
sie verwendet für das Erfassen von einem oder von mehreren
Rauschdatensätzen in Schritt 104 und eines Bildvolumendatensatzes
in Schritt 106. Beispielsweise ist der Rauschvolumendatensatz
ein herkömmlicher Bilddatensatz, mit der Ausnahme, dass
die Sender ausgeschaltet sind. Die Empfänger und der Prozessor
empfangen Signale durch Scannen durch das Volumen. Da die Sender ausgeschaltet
sind, gibt es kein bona fides Echosignal, und jedes Signal, das
in dem Datensatz auftritt, ist repräsentativ für
Systemrauschen oder ein elektronisches Rauschen. Der Rauschvolumendatensatz wird
im Block 108 verwendet, um Regionen zu identifizieren,
die charakteristisch sind für ein kleines SNR. Der Bildvolumendatensatz
kann in irgendeiner gewünschten Modalität sein,
und kann beispielsweise eine Fundamentale- oder Harmonische-Bildgebung
von Gewebe mit oder ohne hinzugefügtem Kontrastmittel aufweisen.
-
Die
Schritte 110, 112 und 114 dienen zum Identifizieren
von Voxeln von Eingabevolumendaten, die Weichgewebe entsprechen.
Beispielsweise wird ein Datensatz von B-Modus Intensitäten,
der ein Volumen darstellt, in Schritt 106 erfasst und verarbeitet, um
Voxel oder Regionen, die zu Weichgewebe gehören, zu bestimmen.
-
In
Schritt 110 wird ein statistisches Schwankungsmaß für
die Eingabevolumendaten bestimmt, beispielsweise für jedes
Voxel oder ausgewählte Regionen. In Schritt 110 kann
das räumliche oder zeitliche Mittel der amplitudendetektierten
log-komprimierten Signale als ein erstes Moment verwendet werden.
Alternativ kann die Raumvarianz der Rauschenergie, die mit dem lokalen
Mittel der Rauschenergie normalisiert ist, als zweites Moment verwendet
werden. Beispielsweise kann eine normalisierte Raumvarianz für
ein vorkomprimiertes Signal bestimmt werden, wobei die normalisierte
Raumvarianz normalisiert ist durch das lokale Mittel des vor komprimierten
Signals. Der erste, zweite oder höhere Moment einer Wahrscheinlichkeitsverteilung
mit einem dreidimensionalen Kernel. Der vierdimensionale Raum entspricht
drei Raumdimensionen und einer Daten (beispielsweise Intensität)
Dimension.
-
Jedes
statistische Maß ist eine Funktion einer dreidimensionalen
Region um jedes Voxel herum, oder einer Region der Eingabevolumendaten. Die
Region kann irgendeine Größe aufweisen, beispielsweise
eine N×M×P Region, wobei N, M und P größer
als zwei sind. Größere Regionen können
verwendet werden. Die Region ist symmetrisch oder asymmetrisch.
Die Region entspricht einem Voxelabstand ohne Dezimierung oder nach
einer Dezimierung.
-
Das
statistische Schwankungsmaß kann berechnet werden entlang
einer der Lateral-, Axial- und Elevationsachsen, entlang irgendwelchen
zweien dieser Achsen oder entlang allen dreien Achsen. Das oben
beschriebene Beispiel berechnet die Varianz über drei Raudimensionen,
wie beispielsweise Elevations-, Azimut- und Axialachse. Die drei
Raumdimensionen können in einer Volumen-Domain (Bereich)
(beispielsweise x, y, z) oder der Scan-Domain (Bereich, Elevation,
Azimut) sein.
-
In
den Schritten
112 und
114 werden Regionen des
Bildvolumendatensatzes, die Weichgewebe entsprechen, bestimmt. Voxel
der Eingabevolumendaten, die dem Weichgewebe entsprechen, werden bestimmt
basierend zumindest teilweise auf einem oder auf mehreren der statistischen
Maße (Messungen). Schwellenwerte oder andere Funktionen
können verwendet werden, um Weichgewebeinformation von
anderer Information anzugeben (zu unterscheiden). Irgendeine Technik
kann verwendet werden, beispielsweise die Weichgewebedetektion oder die
Techniken zur Unterstützung der Weichgewebedetektion, die
offenbart sind in der
US 6,579,238 .
Gemäß einem Ausführungsbeispiel werden
beide, das erste und zweite Moment verwendet. Mehr als ein Typ von
Weichgewebe kann identifiziert werden, beispielsweise durch Anwenden
unterschiedlicher Schwellenwerte.
-
In
Schritt
114 werden die Regionen des Volumens, die charakterisiert
sind durch kleines SNR, wie in Block
108 bestimmt, verwendet,
um sicherzustellen, dass die Regionen, die als Weichgewebe identifiziert
worden sind, außerhalb der rauschdominierten Regionen des
Bilds sind. Der lokale Kohärenzfaktor kann verwendet werden,
um sicherzustellen, dass Regionen mit großem akustischen
Rauschen oder Clutter von Abbildungsentscheidungen ausgeschlossen werden.
Der lokale Kohärenzfaktor ist definiert als Verhältnis
der kohärenten (phasensensitiven) zur inkohärenten
(phaseninsensitiven) Summierung über die Empfangskanäle
der verzögerten und apodisierten Signale. Siehe die Diskussion
von Rigby
US 5,910,115 .
Ein kleiner Kohärenzfaktor gibt starke Phasen-Aberration
an, also hohe Pegel von akustischem Rauschen oder Clutter. Unter
Verwendung des Kohärenzfaktors können die Regionen
des Volumens, die durch Clutter dominiert werden, ignoriert werden.
-
Wie
oben erklärt kann diese Weichgewebeidentifikation basierend
auf statistischen Schwankungsmaßen erfolgen. Alternativ
können andere Verfahren verwendet werden zum Identifizieren
von Weichgewebe, beispielsweise Verfahren basierend auf dem Betrag
oder der Größe des Bildsignals. Siehe hierzu die
Diskussion von Klesenski,
US 5,579,768 .
-
Unter
Verwendung der Weichgewebeinformation innerhalb des Volumens werden
Raumabweichungen bezüglich der Intensität oder
andere Daten extrahiert. Die Extraktion wird bereitgestellt durch eine
dreidimensionale Hyperoberfläche, die in den vierdimensionalen
Raum eingebettet ist. Die vier Dimensionen des Raums sind die drei
Raumdimensionen und eine vierte Intensitäts- oder Datendimension.
-
In
Schritt
116 wird eine dreidimensionale Hyperoberfläche
an Weichgewebevoxel angepasst (beispielsweise B-Modus Intensitätswerte) über
ein gesamtes Volumen mit oder ohne Dezimation. Die Hyperoberfläche
wird entlang dreier Raumdimensionen eingepasst. Jeder jetzt bekannte
oder später entwickelte Algorithmus oder Prozess zum Einpassen einer
Hyperoberfläche kann verwendet werden. Gemäß einem
Ausführungsbeispiel basiert die Hyperoberfläche
auf einer Polynomfunktion. Eine beste Einpassung einer dreidimensionalen
Oberfläche, die die Abgrenzung des Polynoms für
die Weichgewebedaten erfüllt, wird bestimmt. Eine lineare
Polynomfunktion, eine Polynomfunktion zweiter Ordnung oder eine
andere Polynomfunktion können verwendet werden. Eine Hyperoberfläche
wird im Allgemeinen beschrieben durch eine Gleichung der Form F(x,
y, z, w...) = 0. Dabei entsprechen die Variablen x, y, z, w... den
Dimensionen des n-dimensionalen Raums, wo die Hyperoberfläche
eingebettet wird. In dem speziellen Fall, bei dem F ein Polynom
zweiten Grades ist, wird die Hyperoberfläche als Hyperoberfläche
zweiter Ordnung bezeichnet. Unterschiedliche Hyperoberflächen
können verwendet werden für unterschiedliche Anwendungen,
beispielsweise Bereitstellen einer sich langsamer verändernden
Hyperoberfläche für die Bildgebung von gleichmäßiger
antwortenden Organen. Irgendeine Technik kann verwendet werden,
beispielsweise die Einpasstechniken, die in der
US 6,579,238 offenbart sind.
-
Mehr
als eine Hyperoberfläche kann eingepasst werden. Beispielsweise
werden die Hyperoberflächen an unterschiedliche Datensätze
angepasst. Die Datensätze entsprechen einer Antwort von
unterschiedlichen Geweben oder einem Gewebe und Rauschen. Der gleiche
Typ von Hyperoberfläche wird unabhängig eingepasst
an unterschiedliche Datensätze. Alternativ werden unterschiedlichen
Hyperoberflächen an unterschiedliche Datensätze
angepasst, wie beispielsweise durch ein Bereitstellen unterschiedlicher
Konstanten oder Polgnome zum Anpassen der unterschiedlichen Hyperoberflächen.
-
In
Schritt 118 wird der lokale Gewinn adaptiv geändert,
um die Signale, die die Amplitude der Hyperoberfläche an
den entsprechenden Orten aufweisen, dazu zu bringen bei oder in
die Nähe von einem Weichgewebezielwert angezeigt zu werden
oder das gesamte Bild. Der Gewinn wird verwendet, um den Eingabevolumendatensatz
und/oder unterschiedliche Volumendatensätze (beispielsweise
nachfolgend erfasste Datensätze, die das Volumen darstellen)
abzubilden. Die Hyperoberfläche stellt eine Datenadaptionsvariation
des Gewinns als Funktion des Orts innerhalb des Volumens bereit.
Die Voxel werden auf einen Weichgewebebereich der Ausgabewerte abgebildet.
Eine durchschnittliche Amplitude der Regionen des Weichgewebes in
dem wiederzugebenden Bild ist im Wesentlichen bei dem Zielanzeigewert.
Im Wesentlichen aufgrund einem Abbilden auf einen Bereich von Werten,
beispielsweise innerhalb von 10 Intensitätspegeln.
-
Der
Weichgewebezielwert oder der Zielanzeigewert können in
vielen Art und Weisen eingestellt werden. Der Zielanzeigewert kann
einfach ein gespeicherter Wert sein, oder kann eine benutzerausgewählter
Wert sein, oder kann ein Wert sein, der adaptiv in Antwort auf Umgebungslicht
bestimmt wird. Alternativ ist der Weichgewebezielpegel eine Funktion
der gegenwärtig aufgerufenen post-verarbeiteten Kurve.
Speziell kann ein benutzergesteuerter oder vordefinierter Wert verwendet
werden als Weichgewebegrauzielpegel (Grauwert) TG.
TT wird dann definiert, jedes Mal wenn eine
post-verarbeitete Kurve ausgewählt wird, als Signalintensitätspegel,
der auf den Anzeigegrauwert von TG abgebildet
wird. Andere Faktoren können beim Einstellen des Gewinns
berücksichtigt werden, wie Rauschen, SNR oder dynamischer
Bereich.
-
Um
mehr als eine Hyperoberfläche abzubilden, können
ein Gewinn sowie andere Einstellungen verwendet werden. Beispielsweise
variiert der dynamische Bereich als Funktion von zwei oder mehreren dreidimensionalen
Hyperoberflächen. Der Gewinn kann auch eine Funktion von
zwei oder mehreren Hyperoberflächen sein. Alternativ ist
der Gewinn eine Funktion von einer Hyperoberfläche, und
die andere Einstellung ist eine Funktion einer anderen Hyperoberfläche.
-
Mehrere
Hyperoberflächen können verwendet werden, beispielsweise
zwei oder mehrere unterschiedliche Typen von Gewebe oder Gewebe
und Rauschen. Beispielsweise werden Rauschsignale, die in drei Dimensionen
bereitgestellt werden, die kennzeichnend sind für ein gegenwärtig
herrschendes Rauschen, beispielsweise Clutter, elektronisches Rauschen,
Aberration oder anderes Rauschen. Eine Rauschhyperoberfläche
wird an die Rauschsignale angepasst. Der Gewinn oder eine andere
Einstellung variieren adaptiv als Funktion der Rauschhyperoberfläche.
Der Gewinn kann auch eine Funktion der Hyperoberfläche
für Gewebe sein. Beispielsweise werden die Hyperoberflächen
oder die resultierenden Gewinnwerte kombiniert durch entweder Auswählen eines
minimalen Gewinns an einem bestimmten Voxelort oder durch eine Mittelwertbildung
von diesen.
-
In
Schritt 120 wird ein Bild angezeigt als Funktion der Datenausgabe
von der Abbildung. Die Daten können gefiltert werden und
interpoliert werden auf ein dreidimensionales Gitter, oder anderweitig
verarbeitet werden, bevor sie wiedergegeben werden. Die Ausgabedaten
enthalten Voxel, die ein Volumen darstellen, oder sind verteilt
für mehrere Voxel entlang jeder Dimension. Ray-Casting,
Intensitätsprojektion (Minimum, Maximum, Durchschnitt),
Oberflächenrendering oder ein anderes Volumenrendering
wird durchgeführt unter Verwendung der Ausgabedaten. Ein
Alpha-Blending, Opazitäts, -Schattierungs- oder andere
Wiedergabeprozesse können verwendet werden. Eine Transformationsfunktion kann
angewendet werden. Das Wiedergeben (Rendering) erzeugt eine dreidimensionale
Darstellung von einer Betrachtungsrichtung auf dem zweidimensionalen
Schirm.
-
Viele
Alternativen sind möglich. In der Tat kann der weiteste
Bereich von analogen und digitalen Signalverarbeitungstechniken
verwendet werden, um die oben beschriebenen Basisfunktionen zu implementieren.
Ein programmierter Computer ist eine Implementierung für
den adaptiven Gewinnprozessor, wie oben beschrieben. Beispielsweise
können der adaptive Gewinn und optional der adaptiv bestimmte
dynamische Bereich auf die Bildsignale an irgendeinem gewünschten
Punkt entlang des Signalpfads zwischen dem Transducerarray 13 und
der Anzeige 19 angewendet werden. Beide können
vor oder nach einer Abtastumwandlung (Scan-Conversion), log-Kompression
und Detektion angewendet werden. Der adaptive Gewinnprozessor kann
mit RF, IF oder Basisband Signalen arbeiten, vor oder nach einer Detektion,
Log-Kompression und Scanumwandlung.
-
In
den obigen Beispielen wird das Eingabesignal adaptiv abgebildet
auf Weichgewebe oder einen Rauschbereich von Ausgabesignalwerten
durch entsprechendes Steuern verschiedener Backend-Gewinnstufen.
Die Frontend-Gewinnstufen können jedoch bezüglich
des Gewinns variiert werden, um die gewünschten Ausgabesignalwerte
zu erhalten, entweder alleine oder in Kombination mit Gewinnvariationen
in einer oder in mehreren Backend-Gewinnstufen.
-
Die
vorangegangene detaillierte Beschreibung soll beispielhaft sein
und nicht einschränkend. Nur die folgenden Ansprüche,
einschließlich aller Äquivalente sollen den Bereich
dieser Erfindung definieren.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - US 6579238 [0007, 0020, 0020, 0028, 0028, 0028, 0059, 0063]
- - US 5910115 [0060]
- - US 5579768 [0061]