JP7296171B2 - データ処理方法、装置、機器及び記憶媒体 - Google Patents

Description

本願は超音波画像処理の技術分野に関し、特にデータ処理方法、装置、機器及び記憶媒体に関する。

科学技術の進歩に伴い、超音波イメージング技術は各分野で広く応用される。従来の技術において、一般的にオリジナル超音波エコー信号を取得した後、画像再構成及び画像処理を行う必要があり、被検出対象のいくつかの関連パラメータ、例えば速度、方向などを得、これらの関連パラメータに基づいて被検出対象の状態を判断する。

しかしながら、従来の技術は、被検出対象の状態を判断する精度が低く、被検出対象に対する超音波検出精度の要求を次第に満たすことができなくなるため、したがって、被検出対象の状態をいかに正確に判断するかは、早急に解決すべき技術的課題となっている。

本願は、従来の技術の判断精度が低いなどの欠陥を解決するために、データ処理方法、装置、機器及び記憶媒体を提供する。

本願の第１の態様により提供されるデータ処理方法は、
オリジナル超音波エコー信号に基づいて、第１の目標結果データを得、前記第１の目標結果データは被検出対象の関連パラメータを含むステップと、
予めトレーニングされた特徴抽出モデルを採用し、前記第１の目標結果データに対して特徴抽出を行い、第２の目標結果データを得るステップと、
前記第２の目標結果データに基づいて、前記被検出対象に対して対応する処理を行うステップと、を含む。

本願の第２の態様により提供されるデータ処理装置は、
オリジナル超音波エコー信号に基づいて、第１の目標結果データを得ることに用いられる第１の処理モジュールであって、前記第１の目標結果データは被検出対象の関連パラメータを含む第１の処理モジュールと、
予めトレーニングされた特徴抽出モデルを採用し、前記第１の目標結果データに対して特徴抽出を行い、第２の目標結果データを得ることに用いられる第２の処理モジュールと、
前記第２の目標結果データに基づいて、前記被検出対象に対して対応する処理を行うことに用いられる第３の処理モジュールと、を含む。

本願の第３の態様により提供されるコンピュータ機器は、少なくとも１つのプロセッサ及びメモリを含み、
前記メモリはコンピュータプログラムを記憶し、前記少なくとも１つのプロセッサは、第１の態様により提供される方法を実現するために、前記メモリに記憶されたコンピュータプログラムを実行する。

本願の第４の態様はコンピュータ可読記憶媒体を提供し、当該コンピュータ可読記憶媒体にコンピュータプログラムが記憶され、前記コンピュータプログラムは、実行される場合、第１の態様により提供される方法を実現する。

本願により提供されるデータ処理方法、装置、機器及び記憶媒体は、予めトレーニングされた特徴抽出モデルを採用して被検出対象の関連パラメータに対して特徴抽出を行うことにより、第２の目標結果データを得て、さらに第２の目標結果データに基づいて被検出対象に対して対応する処理を行うことにより、被検出対象の状態に対する判断精度を効果的に向上させることができる。

本願の実施例又は従来の技術における技術案をより明確に説明するために、以下、実施例又は従来の技術の説明に必要する図面を簡単に紹介し、明らかに、以下に説明する図面は本願のいくつかの実施例であり、当業者にとって、創造的労働をしない前提で、さらにこれらの図面に基づいて他の図面を得ることができる。
本願の実施例が適用されるデータ処理システムの構造概略図である。 本願の一実施例により提供されるデータ処理方法のフローチャートである。 本願の他の実施例により提供されるデータ処理方法のフローチャートである。 本願の一実施例により提供されるデータ処理装置の構造概略図である。 本願の他の実施例により提供されるデータ処理システムの構造概略図である。 本願の一実施例により提供されるコンピュータ機器の構造概略図である。 本願の明確な実施例は、上記図面により示され、後により詳細に説明される。これらの図面及び文字記述はいかなる方式で本開示の構想の範囲を限定するものではなく、特定の実施例を参照することにより当業者に対して本願の概念を説明する。

本願の実施例の目的、技術案及び利点をより明確にするために、以下は本願の実施例における図面を参照して、本願の実施例における技術案を明確で、完全に説明し、明らかに、説明された実施例は本願の一部の実施例に過ぎず、全ての実施例ではない。本願における実施例に基づいて、当業者が創造的労働をしない前提で得られた全ての他の実施例は、いずれも本願の保護範囲に属する。

まず本願に関する名詞について解釈する。
画像再構成とは、物体外部で測定されたデータにより、デジタル処理により立体物の形状情報を得る技術を意味する。画像再構成技術は、放射線医療機器に適用され、人体各部の画像を表示する、いわゆるコンピュータ断層撮影技術（ＣＴ技術と略称される）であってもよい。他の分野にも適用されてもよい。画画像処理とは、コンピュータを用いて画像を分析することにより、所望の結果を達成する技術を意味し、本願の実施例においては、再構成結果画像に対して画像後処理及び信号抽出などを行い、画像の解像度を向上させ、画像特徴を強調し、被検出対象の速度、方向、加速度、歪み、歪み率、弾性率及び他の定量パラメータなどの被検出対象の関連パラメータを得ることを意味する。

本願の実施例により提供されるデータ処理方法は、以下のデータ処理システムに適用され、図１に示すように、本願の実施例が適用されるデータ処理システムの構造概略図である。当該データ処理システムはクラウドコンピューティングプラットフォーム、データ収集システム及び表示システムを含む。データ収集システムは処理対象データを収集することを担当し、当該処理対象データは、収集されたオリジナル超音波エコー信号を含んでもよく、クラウドコンピューティングプラットフォームは、処理対象データに対して対応する処理を行って必要な結果を得ることを担当し、表示システムは、クラウドコンピューティングプラットフォームの処理プロセスにおける関連データ又は得られた結果を表示することを担当する。当該データ処理システムは、クラウドコンピューティングプラットフォームの一部の処理タスクを分担するためのローカルコンピューティングプラットフォームをさらに含む。

また、用語「第１」、「第２」などは単に説明の目的のことに用いられ、相対的な重要性を指示するか又は暗示すること、指示された技術的特徴の数を暗黙的に明示することと理解することができない。以下の各実施例の説明において、特に具体的な限定がない限り、「複数」の意味は２つ以上である。

以下のいくつかの具体的な実施例は相互に結合されることができ、同じ又は類似する概念又はプロセスに対していくつかの実施例では説明を省略する可能性がある。以下は図面を参照して、本願の実施例について説明する。

（実施例１）
本実施例は、超音波エコー信号に処理を行い、必要な結果データを得るためのデータ処理方法を提供する。本実施例の実行主体はデータ処理装置であり、当該装置はクラウドコンピューティングプラットフォームに設けられてもよい。又は当該装置はローカルコンピューティングプラットフォームに部分的に設けられ、他の部分はクラウドコンピューティングプラットフォームに設けられてもよい。

図２に示すように、本実施例により提供されるデータ処理方法のフローチャートであり、当該方法はステップ１０１～１０３を含む。

ステップ１０１において、オリジナル超音波エコー信号に基づいて、第１の目標結果データを得、第１の目標結果データは被検出対象の関連パラメータを含む。

具体的には、オリジナル超音波エコー信号はデータ収集端から得られてもよく、予め収集されて記憶されてもよく、例えばクラウドコンピューティングプラットフォームに記憶され、又はローカルコンピューティングプラットフォームに記憶され、処理する必要がある場合にクラウドコンピューティングプラットフォームに送信され、又はローカルコンピューティングプラットフォームがそれに処理を行うことなどであり、具体的な取得方式は限定されない。オリジナル超音波エコー信号を取得した後、オリジナル超音波エコー信号に基づいて、第１の目標結果データを得ることができ、当該第１の目標結果データは被検出対象の関連パラメータを含み、例えば被検出対象の移動速度（例えば血流速度）、移動方向（例えば血流方向）、弾性（例えば歪み、歪み率など）を表す関連パラメータであり、具体的には変位、速度、加速度、歪み、歪み率、弾性率及び他の定量パラメータなどを含んでもよい。第１の目標結果データは、コントラスト、テクスチャ特性及び他の定量パラメータなど、画像特徴に関連するパラメータをさらに含んでもよく、さらに散乱子分布特徴、散乱子密度、散乱子サイズなどの情報を含んでもよい。具体的に限定されない。第１の目標結果データはデータ形式であってもよく、擬似色イメージのようなイメージ形式であってもよい。

被検出対象は肝臓、腎臓、脾臓などの人体又は動物組織又は他の空中、地質などの方面の対象であってもよい。具体的には実際の需要に応じて決定されてもよく、本願の実施例では限定されない。

好ましくは、オリジナル超音波エコー信号に対して画像再構成、画像処理などの処理を行うことにより、第１の目標結果データを得てもよい。具体的な処理方式は従来の技術であってもよく、本実施例では限定されない。

ステップ１０２において、予めトレーニングされた特徴抽出モデルを採用し、第１の目標結果データに対して特徴抽出を行い、第２の目標結果データを得る。

具体的には、予めトレーニングされた特徴抽出モデルは機械学習モデル又は人工知能モデルであってもよく、特徴抽出モデルのトレーニングは、予め収集された夥しいトレーニングデータ及びトレーニングデータをマーキングするマーキングデータを用いてトレーニングを行ってもよい。具体的なトレーニングプロセスは従来のニューラルネットワークモデルのトレーニングプロセスと一致し、ここで説明を省略する。トレーニングデータに含まれるパラメータの種類は第１の目標結果データと一致し、例えば異なる血流速度、血流方向、弾性情報である。マーキングデータはテクスチャ特徴、均一度などであってもよく、又はマーキングデータはトレーニングデータに対応する被検出対象の状態、例えば肝線維症、肝硬変であるか否か及び具体的なステージ、脂肪肝であるか否か及び具体的なステージ、腫瘍であるか否か及び良悪性などであってもよい。具体的には実際の需要に応じて設けられてもよい。

トレーニングされた特徴抽出モデルは、第１の目標結果データに基づいて特徴抽出及び結果予測を行い、第２の目標結果データを得てもよく、当該第２の目標結果データは被検出対象の画像のテクスチャ特徴、均一度などの特徴であってもよく、これらの特徴に対して特徴分析及び重み付けなどの処理を行った後に得られた被検出対象の状態特徴であってもよく、例えば被検出対象が肝線維症、肝硬変であるか否か及び具体的なステージ、脂肪肝であるか否か及び具体的なステージ、腫瘍であるか否か及び良悪性などである。ここでモデル出力の状態特徴は異なる状態に対応するラベルであってもよく、例えば０は「正常」を表し、１は「脂肪肝」などを表し、具体的には実際の需要に応じて設けられてもよく、本実施例では限定されない。

好ましくは、機械学習モデル及び人工知能モデルなどの少なくとも２種類のモデルを並行し採用して特徴抽出を行い、各モデルの結果を統合して第２の目標結果データを得てもよい。例えば３つの異なるモデルを採用して特徴抽出を行い、取得されたのは被検出対象の状態特徴であり、ここで２つのモデル結果が「１」であり、１つのモデル結果が「０」である場合、「多数決」の原則にしたがって、結果が「１」であるべきであると考えられ、当然ながらここで例示的な説明だけであり、これを限定するものではない。

ステップ１０３において、第２の目標結果データに基づいて、被検出対象に対して対応する処理を行う。

具体的には、第２の目標結果データを得た後、第２の目標結果データに基づいて、被検出対象に対して対応する処理を行ってもよい。例えば被検出対象の状態特徴に基づいて、被検出対象の状態を判断する。また例えば被検出対象の状態を表示し、又は被検出対象の第２の目標結果データを表示するなどである。第２の目標結果データは、関係者が被検出対象の状態を知ることを補助させられる。例えば、医師の診断を補助するなどである。

好ましくは、本実施例により提供される方法はクラウドコンピューティングプラットフォームによって実行されてもよく、ローカルコンピューティングプラットフォームによって実行されてもよく、一部がローカルコンピューティングプラットフォームによって実行され、一部はクラウドコンピューティングプラットフォームによって実行されてもよく、具体的には実際の需要に応じて設けられてもよく、本実施例では限定されない。

本実施例により提供されるデータ処理方法は、予めトレーニングされた特徴抽出モデルを採用して被検出対象の関連パラメータに対して特徴抽出を行うことにより、第２の目標結果データを得て、さらに第２の目標結果データに基づいて被検出対象に対して対応する処理を行い、検出とニューラルネットワークを結合することで、被検出対象の状態に対する判断精度を効果的に向上させることができる。

（実施例２）
本実施例は実施例１により提供される方法についてさらに補足説明する。

図３に示すように、本実施例により提供されるデータ処理方法のフローチャートである。

１つの実施可能な方式として、上記実施例１を基に、好ましくは、ステップ１０１は具体的に以下のステップ１０１１及び１０１２を含む。

ステップ１０１１において、オリジナル超音波エコー信号に対して画像再構成を行い、目標再構成結果図を得る。

具体的には、オリジナル超音波エコー信号を取得した後、それに対して画像再構成を行う必要があり、目標再構成結果図を取得し、例えば超音波画像、Ｂモード画像などである。当該目標再構成結果図は無線周波数、エンベロープ、階調スケールなどの形式であってもよい。

ステップ１０１２において、目標再構成結果図に対して画像処理を行い、第１の目標結果データを得る。

具体的には、目標再構成結果図を得た後、画像の解像度を向上させ、画像特徴を強調するために、それに対して画像処理を行う必要がある。例えば階調補正、階調の拡張と圧縮、γ補正、ヒストグラム均等化、デジタルズーム、補間処理などを行う。最後に被検出対象の関連パラメータ、つまり第１の目標結果データを得る。具体的な画像処理方式は実際の需要に応じて設けられてもよく、ここでは限定されない。

好ましくは、ステップ１０１１は具体的に、
マルチタイププローブが互換性のある画像再構成アルゴリズムである空間点に基づく画像再構成アルゴリズムを採用し、オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得、第１の再構成結果図を目標再構成結果図とするステップ１０１１１を含んでもよい。

好ましくは、空間点に基づく画像再構成アルゴリズムを採用し、オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得る前記ステップは、
予め設定されたプローブパラメータ及び表示パラメータに基づいて、空間点に基づく画像再構成アルゴリズムを採用し、オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得、プローブパラメータはプローブ識別子、プローブのデカルト座標ゼロ点及びプローブの各アレイエレメントの第１の座標を含み、表示パラメータは第１の再構成結果画像の第２の座標を含むステップを含む。

具体的には、空間点に基づく画像再構成アルゴリズムは、予めプローブパラメータを定義することができ、つまりプローブ物理パラメータに基づいてプローブに統一的なフォーマットを定義し、プローブパラメータインデックステーブルを形成し、プローブパラメータインデックステーブルはプローブタイプの識別コード（つまりプローブ識別子）、プローブのデカルト座標ゼロ点、プローブ各アレイエレメントの座標位置（つまり第１の座標）で構成され、識別コードにより現在使用されるプローブタイプを識別することができ、プローブパラメータインデックステーブルにおいてプローブパラメータを検索する。好ましくは、プローブパラメータを管理することに用いられるプローブ定義モジュールを設けてもよい。さらに再構成された後の画像の表示パラメータを定義する必要があり、異なるタイプのプローブに対して、異なる表示パラメータを定義してもよく、表示パラメータに基づいて画像再構成を行い、それにより複数のタイプのプローブに互換性を有し、表示パラメータは目標画像（つまり目標再構成結果図）の座標位置（Ｘｉ，Ｙｉ，Ｚｉ）又は画素サイズ（△Ｘｉ，△Ｙｉ，△Ｚｉ）、座標範囲の定義で構成される。好ましくは、画像定表示パラメータを管理することに用いられる義モジュールを設けてもよい。さらにプローブを識別することに用いられるプローブ識別モジュールを設けてもよい。プローブタイプはリニアアレイ、コンベックアレイ、フェーズドアレイ、二次元アレイなどのタイプを含む。

超音波プローブはその応用シーンによって、異なるタイプのプローブの形状、サイズ及び応答特性も異なり、一般的にプローブは複数のアレイエレメントで構成され、アレイエレメントの配列方式、サイズなどはいずれも画像再構成アルゴリズムに影響を与える。

画像を再構成するときに、空間中のいずれかの一点Ｐ（ｉ）（上記目標画像の座標位置（Ｘｉ，Ｙｉ，Ｚｉ）に対応する点を指す）の超音波の伝播経路Ｌ（ｉ）は、Ｌ（ｉ）＝Ｌ（ｔ）＋Ｐ（Ｘｉ，Ｙｉ，Ｚｉ）－Ｐ（Ｘｔ，Ｙｔ，Ｚｔ），ｔ＝１，２，３…ｎ，ｎ≧１でありｎはプローブアレイエレメントの数である。さらに自己適応的なビームフォーミング（ここでの自己適応は、異なる座標需要に応じて行うことを指す。具体的な方法は従来の技術、例えば整相加算などである）を実現する。ここで、プローブの座標ゼロ点はプローブの中間位置（Ｘ０，Ｙ０，Ｚ０）であり、プローブの各アレイエレメントの座標位置は（Ｘｔ，Ｙｔ，Ｚｔ）であり、プローブのイメージング平面の中心平面はＸＺ平面であり、プローブイメージング平面に垂直し、プローブゼロ点位置の接平面に平行する平面はＸＹ平面である。

コンベックアレイプローブを例とし（コンベックアレイプローブに限定されない）、コンベックアレイプローブのアレイエレメント位置、中心周波数、帯域幅などのパラメータをプローブ定義モジュールに書き込み、コンベックアレイプローブの複数のステッチを利用し、特定のプローブコードを作成し、プローブがデータ処理システムに接続されるときに、プローブ識別モジュールはプローブのコードを識別することができ、さらにプローブ定義モジュールから関連パラメータを検索し、プローブ定義モジュールに画像の表示方式（つまり表示パラメータ）を定義して、この方式に基づいて画像再構成を行う。このような画像再構成方式はいずれかのプローブに適用され、つまりマルチタイププローブが互換性のある超音波画像再構成を実現する。画像再構成の柔軟性及び再構成効率を向上させる。

いくつかの実施形態において、ステップ１０１２は具体的に、
目標再構成結果図に対して画像後処理及び信号抽出を行い、第１の目標結果データを得、第１の目標結果データは変位、速度、加速度、歪み、歪み率、弾性率、コントラスト、テクスチャ特徴、散乱子分布特徴、散乱子密度、散乱子サイズのうちの少なくとも１種類を含むステップ１０１２１を含んでもよい。

具体的に、目標再構成結果図を得た後、目標再構成結果図に対して画像後処理及び信号抽出を行い、第１の目標結果データを得る。例えば、ドップラシフト、弾性計算を行うなどである。画像を再構成するときに上記マルチタイププローブに互換性のある画像再構成アルゴリズムを採用する場合、当該画像処理はマルチタイププローブに互換性のあってもよく、依然として上記プローブ定義モジュール、プローブ識別モジュール及び画像定義モジュールを使用し、プローブ識別モジュールはプローブ識別コードを設計することにより現在使用されるプローブのタイプを識別し、インデックステーブルにおいてプローブパラメータを検索し、画像定義モジュールに表示パラメータを定義して、このパラメータに基づいて画像再構成を行い、かつ画像定義モジュールにおいて画像処理を行い、プローブのタイプに依存しないデータ処理結果（つまり第１の目標結果データ）を得、マルチタイププローブの互換性を実現する。

ここで、画像後処理及び信号抽出は画像処理のプロセスであり、本実施例の画像処理は画像後処理及び信号抽出の完全なプロセスを含み、例えば、コンベックアレイを採用してドップラシフト信号処理（画像処理ステップにおける信号抽出方法である）を行うときに、従来の画像再構成アルゴリズムを採用して得られた信号はコンベックアレイ送信方向（ファンビーム）に沿って、ドップラシフト信号抽出を行うときに、得られた血流方向もコンベックアレイ送信方向に沿う。直交座標系での水平又は垂直方向の血流速度分布を得ようとすると、対応する角度に沿って成分を求めることにより得ることしかできない。本願実施例における画像処理方式を採用し、直交座標系での水平又は垂直方向の血流速度分布を直接に求めることができる（具体的に第１の目標結果データに基づいて、自己相関、短時間フーリエ変換などの従来の技術を採用して得ることができる）。同様に、フェーズドアレイ、エリアアレイなどの他のタイプのプローブアレイエレメントは同様に適用される。

いくつかの実施形態において、好ましくは、オリジナル超音波エコー信号に対して画像再構成を行い、目標再構成結果図を得るステップは、ステップ２０１１及び２０１２を含む。

ステップ２０１１において、各プローブに対して、当該プローブタイプに対応する画像再構成アルゴリズムに応じて、オリジナル超音波エコー信号に対して画像再構成を行い、第２の再構成結果図を得る。

具体的には、それぞれ各プローブに対して、それぞれ配置された画像再構成アルゴリズムに応じて画像再構成を行い、第２の再構成結果図を得る。

ここで、マルチプローブタイプの画像再構成アルゴリズムは互換性がない状況で、解決手段を提供し、それぞれ各プローブに対して、それぞれ配置された画像再構成アルゴリズムに応じて画像再構成を行い、つまり異なるタイプのプローブが異なる画像再構成アルゴリズムを採用する必要がある場合、各タイプのプローブに対応する画像再構成アルゴリズムを配置することができ、異なるタイプのプローブを採用してオリジナル超音波エコー信号を収集した後、プローブタイプに応じて当該プローブに対応する画像再構成アルゴリズムを決定して画像再構成を行う。具体的な再構成方式は従来の技術であり、ここでは説明を省略する。

ステップ２０１２において、第２の再構成結果図に対して空間補間処理を行い、第３の再構成結果図を得て、且つ第３の再構成結果図を目標再構成結果図とする。

具体的には、異なるタイプのプローブに互換性のある目標再構成結果図を得るために、第２の再構成結果図に対して空間補間処理を行って第３の再構成結果図を得ることが必要であり、当該第３の再構成結果図は目標再構成結果図としてもよい。

空間補間処理により得られた第３の再構成結果図は、実質的に上記空間点に基づく画像再構成アルゴリズムに基づいて得られた第１の再構成結果図に相当し、相違点は効果にわずかな差異があり、第１の再構成結果図は直接に再構成して得られ、第３の再構成結果図は従来の再構成結果を補間して得られることである。空間補間処理は、線形補間や非線形補間など多様な方式で実現されてもよい。

好ましくは、目標再構成結果図に対して画像処理を行い、第１の目標結果データを得た後、当該方法は、
第１の目標結果データに対してデジタルスキャン変換を行い、変換された結果データを得るステップ２０２１と、
変換された結果データに対して表示処理を行うステップ２０２２と、を含んでもよい。

具体的には、得られた第１の目標結果データも診断を補助することができ、一定の参考意義を持ち、したがって、第１の目標結果データに対して表示処理を行うことができるが、それに対してデジタルスキャン変換を行った後に表示することができるため、第１の目標結果データに対してデジタルスキャン変換を行い、変換された結果データを得、そして変換された結果データに対して表示処理を行う必要がある。

いくつかの実施形態において、好ましくは、ステップ１０３は具体的に、
第２の目標結果データに基づいて、被検出対象の状態を判断するステップ１０３１を含んでもよい。

例示的には、第２の目標結果データに基づいて被検出対象が肝線維症、肝硬変であるか否か及び具体的なステージを判断し、脂肪肝であるか否か及び具体的なステージ、腫瘍であるか否か及び良悪性などを判断する。

好ましくは、当該方法は、
被検出対象の状態に対して表示処理を行うステップ１０４をさらに含んでもよい。

いくつかの実施形態において、好ましくは、オリジナル超音波エコー信号に基づいて、第１の目標結果データを得た後、方法は、
第１の目標結果データに基づいて、被検出対象の状態を判断するステップ２０３をさらに含んでもよい。

得られた第１の目標結果データは診断を補助することができ、一定の参考意義を持ち、そのため、第１の目標結果データに基づいて、被検出対象の状態を判断してもよい。例えば異なるパラメータの閾値を設け、パラメータのレベルを設けることができ、異なるレベルは検出対象の異なる状態に対応するなど、具体的には説明を省略する。

いくつかの実施形態において、好ましくは、本願の実施例の方法はクラウドコンピューティングプラットフォームによって実行される。

別の実施形態において、好ましくは、ローカルコンピューティングプラットフォームはオリジナル超音波エコー信号に基づいて、第１の目標結果データを得、クラウドコンピューティングプラットフォームに送信し、クラウドコンピューティングプラットフォームは予めトレーニングされた特徴抽出モデルを採用し、第１の目標結果データに対して特徴抽出を行い、第２の目標結果データを得て、第２の目標結果データに基づいて、被検出対象に対して対応する処理を行う。つまりステップ１０１はローカルコンピューティングプラットフォームにより実行され、ステップ１０２～１０３はクラウドコンピューティングプラットフォームにより処理される。

なお、本実施例における各実施可能な方式は単独で実施されてもよく、衝突しない場合に任意の組み合わせ方式で結合して本願を限定しない。

本実施例により提供されるデータ処理方法は、予めトレーニングされた特徴抽出モデルを採用して被検出対象の関連パラメータに対して特徴抽出を行うことにより、第２の目標結果データを得て、さらに第２の目標結果データに基づいて被検出対象に対して対応する処理を行い、被検出対象の状態に対する判断精度を効果的に向上させることができる。かつ空間点に基づく画像再構成アルゴリズムを採用して画像再構成を行うことにより、様々なタイプのプローブに互換性があり、画像再構成の柔軟性及び再構成効率を向上させることができる。さらに複数のタイプのプローブに互換性のある目標再構成結果図に基づいて、画像処理を行い、被検出対象の関連パラメータの精度を向上させる。得られた第１の目標結果データ及び第２の目標結果データはいずれも関係者が被検出対象を診断することを補助することができ、診断効率を向上させる。

（実施例３）
本実施例は、上記実施例１の方法を実行するためのデータ処理装置を提供する。

図４に示すように、本実施例により提供されるデータ処理装置の構造概略図である。当該データ処理装置３０は、第１の処理モジュール３１と、第２の処理モジュール３２と、第３の処理モジュール３３と、を含む。

ここで、第１の処理モジュール３１はオリジナル超音波エコー信号に基づいて、第１の目標結果データを得ることに用いられ、第１の目標結果データは被検出対象の関連パラメータを含み、第２の処理モジュール３２は予めトレーニングされた特徴抽出モデルを採用して、第１の目標結果データに対して特徴抽出を行い、第２の目標結果データを得ることに用いられ、第３の処理モジュール３３は第２の目標結果データに基づいて、被検出対象に対して対応する処理を行うことに用いられる。

本実施例における装置について、そのうちの各モジュールが動作を実行する具体的な方式は当該方法に関連する実施例において詳細に説明されるため、ここで詳細な説明は省略する。

本実施例により提供されるデータ処理装置によれば、予めトレーニングされた特徴抽出モデルを採用して被検出対象の関連パラメータに対して特徴抽出を行い、第２の目標結果データを得て、さらに第２の目標結果データに基づいて被検出対象に対して対応する処理を行うことにより、被検出対象の状態に対する判断精度を効果的に向上させることができる。

（実施例４）
本実施例は上記実施例３により提供される装置についてさらに補足説明する。

１つの実施可能な方式として、上記実施例３を基に、好ましくは、第１の処理モジュールは、具体的に、
オリジナル超音波エコー信号に対して画像再構成を行い、目標再構成結果図を得ること、及び
目標再構成結果図に対して画像処理を行い、第１の目標結果データを得ることに用いられる。

いくつかの実施形態において、好ましくは、第１の処理モジュールは、具体的に、
マルチタイププローブが互換性のある画像再構成アルゴリズムである空間点に基づく画像再構成アルゴリズムを採用し、オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得ること、及び
第１の再構成結果図を目標再構成結果図とすることに用いられる。

いくつかの実施形態において、好ましくは、第１の処理モジュールは、具体的に、
予め設定されたプローブパラメータ及び表示パラメータに基づいて、空間点に基づく画像再構成アルゴリズムを採用し、オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得ることに用いられ、プローブパラメータはプローブ識別子、プローブのデカルト座標ゼロ点及びプローブの各アレイエレメントの第１の座標を含み、表示パラメータは第１の再構成結果画像の第２の座標を含む。

いくつかの実施形態において、好ましくは、第１の処理モジュールは、具体的に、
目標再構成結果図に対して画像後処理及び信号抽出を行い、第１の目標結果データを得ることに用いられ、第１の目標結果データは変位、速度、加速度、歪み、歪み率、弾性率、コントラスト、テクスチャ特徴、散乱子分布特徴、散乱子密度、散乱子サイズのうちの少なくとも１種類を含む。

いくつかの実施形態において、好ましくは、第１の処理モジュールは、具体的に、
マルチプローブタイプに互換性のない画像再構成アルゴリズムに基づいて、オリジナル超音波エコー信号に対して画像再構成を行い、第２の再構成結果図を得ること、
第２の再構成結果図に対して空間補間処理を行い、第３の再構成結果図を得ること、及び
第３の再構成結果図を目標再構成結果図とすることに用いられる。

好ましくは、第１の処理モジュールはさらに、
第１の目標結果データに対してデジタルスキャン変換を行い、変換された結果データを得ること、及び
変換された結果データに対して表示処理を行うことに用いられる。

他の実施可能な方式として、上記実施例３を基に、好ましくは、第３の処理モジュールは、具体的に、
第２の目標結果データに基づいて、被検出対象の状態を判断することに用いられる。

いくつかの実施形態において、好ましくは、第３の処理モジュールはさらに、
被検出対象の状態に対して表示処理を行うことに用いられる。

他の実施可能な方式として、上記実施例３を基に、好ましくは、第１の処理モジュールは、さらに第１の目標結果データに基づいて被検出対象の状態を判断することに用いられる。

本実施例における装置について、そのうちの各モジュールが動作を実行する具体的な方式は当該方法に関連する実施例において詳細に説明され、ここで詳細な説明は省略する。

なお、本実施例における各実施可能な方式は単独で実施されてもよく、衝突しない場合に任意の組み合わせ方式で実施されてもよく、本願ではこれについて限定されない。

本実施例のデータ処理装置によれば、予めトレーニングされた特徴抽出モデルを採用して被検出対象の関連パラメータに対して特徴抽出を行うことにより、第２の目標結果データを得て、さらに第２の目標結果データに基づいて被検出対象に対して対応する処理を行い、被検出対象の状態に対する判断精度を効果的に向上させることができる。かつ空間点に基づく画像再構成アルゴリズムを採用して画像再構成を行うことにより、様々なタイプのプローブに互換性があり、画像再構成の柔軟性及び再構成効率を向上させることができる。さらに複数のタイプのプローブに互換性のある目標再構成結果図に基づいて、画像処理を行い、被検出対象の関連パラメータの精度を向上させる。得られた第１の目標結果データ及び第２の目標結果データはいずれも関係者が被検出対象を診断することを補助することができ、診断効率を向上させる。

いくつかの実施例において、好ましくは、データ処理システムはデータ収集システム、ローカルコンピューティングプラットフォーム、クラウドコンピューティングプラットフォーム及び表示システムを含んでもよい。図５に示すように、本実施例により提供されるデータ処理システムの構造概略図である。データ処理装置における第１の処理モジュールがローカルコンピューティングプラットフォームに設けられ、データ処理装置における第２の処理モジュール及び第３の処理モジュールがクラウドコンピューティングプラットフォームに設けられる。

（実施例５）
本実施例は、上記実施例により提供される方法を実行するためのコンピュータ機器を提供する。当該コンピュータ機器は上記クラウドコンピューティングプラットフォームであってもよく、上記クラウドコンピューティングプラットフォーム及びローカルコンピューティングプラットフォームを含んでもよい。具体的にはデスクトップパソコン、ノート型パソコン、サーバなどのコンピュータ機器であってもよい。

図６に示すように、本実施例により提供されるコンピュータ機器の構造概略図である。当該コンピュータ機器５０は、少なくとも１つのプロセッサ５１及びメモリ５２を含む。

メモリはコンピュータプログラムを記憶する。少なくとも１つのプロセッサはメモリに記憶されたコンピュータプログラムを実行することにより、上記実施例により提供される方法を実現する。

本実施例のコンピュータ機器によれば、予めトレーニングされた特徴抽出モデルを採用して被検出対象の関連パラメータに対して特徴抽出を行い、第２の目標結果データを得て、さらに第２の目標結果データに基づいて被検出対象に対して対応する処理を行うことにより、被検出対象の状態に対する判断精度を効果的に向上させることができる。かつ空間点に基づく画像再構成アルゴリズムを採用して画像再構成を行うことにより、様々なタイプのプローブに互換性があり、画像再構成の柔軟性及び再構成効率を向上させることができる。さらに複数のタイプのプローブに互換性のある目標再構成結果図に基づいて、画像処理を行い、被検出対象の関連パラメータの精度を向上させる。得られた第１の目標結果データ及び第２の目標結果データはいずれも関係者が被検出対象を診断することを補助することができ、診断効率を向上させる。

（実施例６）
本実施例はコンピュータ可読記憶媒体を提供し、当該コンピュータ可読記憶媒体にコンピュータプログラムが記憶され、コンピュータプログラムは、実行される場合、上記いずれかの実施例により提供される方法を実現する。

本実施例のコンピュータ可読記憶媒体によれば、予めトレーニングされた特徴抽出モデルを採用して被検出対象の関連パラメータに対して特徴抽出を行い、第２の目標結果データを得て、さらに第２の目標結果データに基づいて被検出対象に対して対応する処理を行うことにより、被検出対象の状態に対する判断精度を効果的に向上させることができる。かつ空間点に基づく画像再構成アルゴリズムを採用して画像再構成を行うことにより、様々なタイプのプローブに互換性があり、画像再構成の柔軟性及び再構成効率を向上させることができる。さらに複数のタイプのプローブに互換性のある目標再構成結果図に基づいて、画像処理を行い、被検出対象の関連パラメータの精度を向上させる。得られた第１の目標結果データ及び第２の目標結果データはいずれも関係者が被検出対象を診断することを補助することができ、診断効率を向上させる。

本願により提供されるいくつかの実施例において、理解すべきことは、開示された装置及び方法は、他の方式で実現することができる。例えば、以上に説明された装置実施例は模式的なものだけであり、例えば、前記ユニットの分割は、論理機能の分割のみであり、実際に実現されるときに別の分割方式があってもよく、例えば複数のユニット又はアセンブリは、結合されるか又は他のシステムに集積されてもよく、又はいくつかの特徴が無視されるか、又は実行されなくてもよい。また、表示される又は議論される相互間の結合又は直接結合又は通信接続はいくつかのインタフェース、装置又はユニットの間接的な結合又は通信接続であってもよく、電気的、機械的又は他の形式であってもよい。

前記分離部材として説明されたユニットは物理的に分離されてもよく、又は物理的に分離されなくてもよく、ユニットとして表示された部材は物理ユニットであってもよく、物理ユニットでなくてもよく、つまり１つの場所に位置してもよく、又は複数のネットワークユニットに分布してもよい。実際の必要に応じてそのうちの一部又は全部のユニットを選択して本実施例の態様の目的を達成することができる。

また、本願の各実施例における各機能ユニットは１つの処理ユニットに集積されてもよく、各ユニットが単独で物理的に存在してもよく、２つ又は２つ以上のユニットが１つのユニットに集積されてもよい。上記集積されたユニットはハードウェアの形式で実現されてもよく、ハードウェアとソフトウェア機能ユニットの形式で実現されてもよい。

上記ソフトウェア機能ユニットの形式で実現された集積されたユニットは、１つのコンピュータ可読記憶媒体に記憶されてもよい。上記ソフトウェア機能ユニットは、１つの記憶媒体に記憶され、一台のコンピュータ機器（パーソナルコンピュータ、サーバ、又はネットワーク装置などであってもよい）又はプロセッサ（ｐｒｏｃｅｓｓｏｒ）が本願の各実施例に記載の方法の一部のステップを実行することに用いられるように、複数の指令を含む。前述の記憶媒体は、Ｕディスク、リムーバブルハードディスク、読み出し専用メモリ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、ＲＯＭ）、ランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、ＲＡＭ）、磁気ディスク又は光ディスクなどの様々なプログラムコードを記憶することができる媒体を含む。

当業者であれば、説明の便宜及び簡潔にするために、上記各機能モジュールの分割だけを例に挙げて説明し、実際の応用において、必要に応じて上記機能の割り当てを異なる機能モジュールにより完成してもよく、つまり装置の内部構造を異なる機能モジュールに分割することにより、以上に説明された全て又は一部の機能を完成する。上記説明された装置の具体的な動作プロセスは、前述の方法実施例における対応するプロセスを参照することができ、ここで説明を省略する。

最後に説明すべきことは、以上の各実施例は本願の技術案を説明するだけであり、それを限定するものではなく、前述の各実施例を参照して本願を詳細に説明したが、当業者であれば理解すべきことは、それは依然として前述の各実施例に記載の技術案を修正するか、又はそのうちの一部又は全ての技術的特徴に対して同等置換を行うことができ、これらの修正又は置換は、対応する技術案の本質を本願の各実施例の技術案の範囲から逸脱させない。

Claims (15)

1. オリジナル超音波エコー信号に基づいて、第１の目標結果データを得ることであって、前記第１の目標結果データは被検出対象の関連パラメータを含み、前記被検出対象の関連パラメータは、変位、速度、加速度、歪み、歪み率、弾性率、コントラスト、テクスチャ特徴、散乱子分布特徴、散乱子密度、散乱子サイズのうちの少なくとも１種類であるステップと、
   予めトレーニングされた特徴抽出モデルを採用し、前記第１の目標結果データに対して特徴抽出を行い、第２の目標結果データを得ることであって、前記第２の目標結果データは、前記被検出対象の画像のテクスチャ特徴、前記被検出対象の画像の均一度特徴、又は、前記被検出対象の画像のテクスチャ特徴及び/又は均一度特徴に対して分析及び重み付け処理を行った後に得られた前記被検出対象の状態特徴であり、前記状態特徴は、異なる状態に対応するラベルであるステップと、
   前記第２の目標結果データに基づいて、前記被検出対象に対して対応する処理を行うことであって、前記対応する処理は、前記被検出対象の状態を表示すること、又は前記被検出対象の状態特徴を表示することを含むステップと、を含む、
   ことを特徴とするデータ処理方法。
2. 前記オリジナル超音波エコー信号に基づいて、第１の目標結果データを得る前記ステップは、
   前記オリジナル超音波エコー信号に対して画像再構成を行い、目標再構成結果図を得るステップと、
   前記目標再構成結果図に対して画像処理を行い、前記第１の目標結果データを得るステップと、を含む、
   ことを特徴とする請求項１に記載の方法。
3. 前記オリジナル超音波エコー信号に対して画像再構成を行い、目標再構成結果図を得る前記ステップは、
   マルチタイププローブが互換性のある画像再構成アルゴリズムである空間点に基づく画像再構成アルゴリズムを採用し、前記オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得るステップと、
   前記第１の再構成結果図を前記目標再構成結果図とするステップと、を含む、
   ことを特徴とする請求項２に記載の方法。
4. 前記空間点に基づく画像再構成アルゴリズムを採用し、前記オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得る前記ステップは、
   予め設定されたプローブパラメータ及び表示パラメータに基づいて、空間点に基づく画像再構成アルゴリズムを採用し、前記オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得、前記プローブパラメータはプローブ識別子、プローブのデカルト座標ゼロ点及びプローブの各アレイエレメントの第１の座標を含み、前記表示パラメータは前記第１の再構成結果図の第２の座標を含むステップを含む、
   ことを特徴とする請求項３に記載の方法。
5. 前記目標再構成結果図に対して画像処理を行い、第１の目標結果データを得る前記ステップは、
   前記目標再構成結果図に対して画像後処理及び信号抽出を行い、前記第１の目標結果データを得るステップを含む、
   ことを特徴とする請求項２に記載の方法。
6. 前記オリジナル超音波エコー信号に対して画像再構成を行い、目標再構成結果図を得る前記ステップは、
   各プローブに対して、前記各プローブのタイプに対応する画像再構成アルゴリズムに応じて、前記オリジナル超音波エコー信号に対して画像再構成を行い、第２の再構成結果図を得るステップと、
   前記第２の再構成結果図に対して空間補間処理を行い、第３の再構成結果図を得るステップと、
   前記第３の再構成結果図を前記目標再構成結果図とするステップと、を含む、
   ことを特徴とする請求項２に記載の方法。
7. 前記目標再構成結果図に対して画像処理を行い、第１の目標結果データを得た後、前記方法はさらに、
   前記第１の目標結果データに対してデジタルスキャン変換を行い、変換された結果データを得るステップと、
   前記変換された結果データに対して表示処理を行うステップと、を含む、
   ことを特徴とする請求項６に記載の方法。
8. オリジナル超音波エコー信号に基づいて、第１の目標結果データを得ることに用いられる第１の処理モジュールであって、前記第１の目標結果データは被検出対象の関連パラメータを含み、前記被検出対象の関連パラメータは、変位、速度、加速度、歪み、歪み率、弾性率、コントラスト、テクスチャ特徴、散乱子分布特徴、散乱子密度、散乱子サイズのうちの少なくとも１種類である第１の処理モジュールと、
   予めトレーニングされた特徴抽出モデルを採用し、前記第１の目標結果データに対して特徴抽出を行い、第２の目標結果データを得ることに用いられる第２の処理モジュールであって、前記第２の目標結果データは、前記被検出対象の画像のテクスチャ特徴、前記被検出対象の画像の均一度特徴、又は、前記被検出対象の画像のテクスチャ特徴及び/又は均一度特徴に対して特徴分析及び重み付け処理を行った後に得られた前記被検出対象の状態特徴であり、前記状態特徴は、異なる状態に対応するラベルである第２の処理モジュールと、
   前記第２の目標結果データに基づいて、前記被検出対象に対して対応する処理を行うことに用いられる第３の処理モジュールであって、前記対応する処理は、前記被検出対象の状態を表示すること、又は前記被検出対象の状態特徴を表示することを含む第３の処理モジュールと、を含む、
   ことを特徴とするデータ処理装置。
9. 前記第１の処理モジュールは、具体的に、
   前記オリジナル超音波エコー信号に対して画像再構成を行い、目標再構成結果図を得ること、及び
   前記目標再構成結果図に対して画像処理を行い、前記第１の目標結果データを得ることに用いられる、
   ことを特徴とする請求項８に記載の装置。
10. 前記第１の処理モジュールは、具体的に、
    マルチタイププローブが互換性のある画像再構成アルゴリズムである空間点に基づく画像再構成アルゴリズムを採用し、前記オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得ること、及び
    前記第１の再構成結果図を前記目標再構成結果図とすることに用いられる、
    ことを特徴とする請求項９に記載の装置。
11. 前記第１の処理モジュールは、具体的に、
    予め設定されたプローブパラメータ及び表示パラメータに基づいて、空間点に基づく画像再構成アルゴリズムを採用し、前記オリジナル超音波エコー信号に対して画像再構成を行い、第１の再構成結果図を得ることに用いられ、前記プローブパラメータはプローブ識別子、プローブのデカルト座標ゼロ点及びプローブの各アレイエレメントの第１の座標を含み、前記表示パラメータは前記第１の再構成結果図の第２の座標を含む、
    ことを特徴とする請求項１０に記載の装置。
12. 前記第１の処理モジュールは、具体的に、
    前記目標再構成結果図に対して画像後処理及び信号抽出を行い、前記第１の目標結果データを得ることに用いられる、
    ことを特徴とする請求項９に記載の装置。
13. 前記第１の処理モジュールは、具体的に、
    各プローブに対して、前記各プローブのタイプに対応する画像再構成アルゴリズムに応じて、前記オリジナル超音波エコー信号に対して画像再構成を行い、第２の再構成結果図を得ること、
    前記第２の再構成結果図に対して空間補間処理を行い、第３の再構成結果図を得ること、及び
    前記第３の再構成結果図を前記目標再構成結果図とすることに用いられる、
    ことを特徴とする請求項９に記載の装置。
14. 前記第１の処理モジュールは、さらに具体的に、
    前記第１の目標結果データに対してデジタルスキャン変換を行い、変換された結果データを得ること、及び
    前記変換された結果データに対して表示処理を行うことに用いられる、
    ことを特徴とする請求項１３に記載の装置。
15. 少なくとも１つのプロセッサ及びメモリを含み、
    前記メモリはコンピュータプログラムを記憶し、前記少なくとも１つのプロセッサは前記メモリに記憶されたコンピュータプログラムを実行することにより、請求項１～６のいずれか一項に記載の方法を実現する、
    ことを特徴とするコンピュータ機器。

Images