KR101874053B1 - 전단파 이미징으로부터 전단 탄성률 및 점도의 자동 추정을 위한 방법 및 시스템 - Google Patents

전단파 이미징으로부터 전단 탄성률 및 점도의 자동 추정을 위한 방법 및 시스템 Download PDF

Info

Publication number
KR101874053B1
KR101874053B1 KR1020160048791A KR20160048791A KR101874053B1 KR 101874053 B1 KR101874053 B1 KR 101874053B1 KR 1020160048791 A KR1020160048791 A KR 1020160048791A KR 20160048791 A KR20160048791 A KR 20160048791A KR 101874053 B1 KR101874053 B1 KR 101874053B1
Authority
KR
South Korea
Prior art keywords
shear wave
shear
tissue
wave propagation
viscosity
Prior art date
Application number
KR1020160048791A
Other languages
English (en)
Other versions
KR20160125910A (ko
Inventor
도린 코마니시우
리시앙 팬
프랑스와 포롯
알리 카멘
톰마소 맨시
사이키란 라파카
Original Assignee
지멘스 메디컬 솔루션즈 유에스에이, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 지멘스 메디컬 솔루션즈 유에스에이, 인크. filed Critical 지멘스 메디컬 솔루션즈 유에스에이, 인크.
Publication of KR20160125910A publication Critical patent/KR20160125910A/ko
Application granted granted Critical
Publication of KR101874053B1 publication Critical patent/KR101874053B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0048—Detecting, measuring or recording by applying mechanical forces or stimuli
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4483—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device characterised by features of the ultrasound transducer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Gynecology & Obstetrics (AREA)

Abstract

전단파 이미징으로부터 생물학적 조직의 전단 탄성률(shear modulus) 및 점도(viscosity)의 비침습적 자동 추정을 위한 방법 및 시스템이 개시된다. 환자 장기(organ of a patient)의 기계적 특징들을 평가하기 위해서 전단파 이미지들이 획득된다. 전단파 이미지들에서 조직의 전단파 전파는, 전단파 전파의 연산 모듈을 사용하여 조직에 대한 전단 탄성률 및 점도 값들에 기초하여 시뮬레이션된다. 시뮬레이션된 전단파 전파는 비용 함수(cost function)를 사용하여 조직의 전단파 이미지들에서 관찰된 전단파 전파와 비교된다. 조직에 대한 환자-특정 전단 탄성률 및 점도 값들은 관찰된 전단파 전파와 시뮬레이션된 전단파 전파를 비교하는 비용 함수를 최적화하기 위해서 추정된다.

Description

전단파 이미징으로부터 전단 탄성률 및 점도의 자동 추정을 위한 방법 및 시스템 {METHOD AND SYSTEM FOR AUTOMATIC ESTIMATION OF SHEAR MODULUS AND VISCOSITY FROM SHEAR WAVE IMAGING}
본 발명은 기계적 조직 특징들(tissue properties)의 의학 이미지 기반 추정(medical image-based estimation), 보다 자세하게는, 전단파 이미징(shear wave imaging)으로부터 조직의 전단 탄성률 및 점도의 자동 추정에 관한 것이다.
전단파 이미징(SWI; shear-wave imaging)은 조직 구조 및 무결성(integrity)에 대한 중요한 정보를 제공할 수 있는 초음파 기반 이미징 모델리티(ultrasound-based imaging modality)이다. SWI에 있어서, 생물학적 조직 내에서 전파하는 전단파들을 발생시키고 추적하기(track) 위해서, 초음파 탐침(ultrasound probe)이 사용된다. 음향 방사력 임펄스(ARFI; acoustic radiation force impulse)로부터의 방사력이 조직에서 전단파들을 발생시킨다. 조직에서의 전단파 전파의 속도가 측정되며, 전단파의 변위를 나타내는 이미지(image)들의 타임 시퀀스(time sequence)가 초음파 탐침에 의해 캡쳐된다(captured).
정성적 메트릭(qualitative metric)들이 SWI를 위해, 예컨대, 관심 구역에서 더 강성이거나 또는 더 연질인 조직들을 하이라이트 표시(highlight)하기 위해서 유도되고 있다. SWI에 대한 임상학적 용례들은, 특히 SWI가 악성 병변(malignant lesion)과 양성 병변(benign lesion)을 구별하기 위해서 사용될 수 있는 종양학(oncology)에서 다양하다. 그러나, SWI로부터 조직 탄성도(elasticity) 및 점도(viscosity)의 정확한 정량적(quantitative) 추정은, 중요한 도전과제로 남아 있다. 전단 탄성률이 균질의 등방성 솔리드(homogenous isotropic solid)들에서의 전단파 속도에 직접 관련될 수 있지만, 그 관계는 점도가 전단파의 속도에 또한 영향을 미치는 생물학적 조직들과 같은 점성 매체에서는 유지되지 않는다. 따라서, 조직 역학들(tissue mechanics) 및 조직의 구성의 정확한 평가를 성취하기 위해서 추정 프로세스(estimation process)에서 양자 모두의 특징들을 고려하는 것이 중요하다.
본 발명은, 전단파 이미징(SWI; shear-wave imaging)으로부터 생물학적 조직에서의 전단 탄성율 및 점도에 대한 환자 특정 값들을 추정하기 위한 방법 및 시스템(system)을 제공한다. 본 발명의 실시예들은, 옵티마이저 알고리즘(optimizer algorithm)과 연질 매체(soft media)에서의 전단파 전파의 다이렉트 모델(direct model)을 커플링하여(couple) 전단파 이미지들로부터 전단 탄성률 및 점도 양자 모두를 자동으로 추정한다. 전단 탄성률 및 점도가 부여된다면, 전단파 변위가 전단파 전파의 포워드 모델(forward model)로부터 계산된다(computed). 이후, 전단파 이미지들에서 계산된 전단파 전파와 관찰된 전단파 전파 사이의 차이를 평가하는 비용 함수(cost function)가, 예컨대, 그래디언트 프리 옵티마이저(gradient free optimizer)를 사용하여 최소화되어, 조직의 점도 및 전단 탄성률에 대해 맞춤화된 값들(personalized values)이 추정된다. 본 발명의 실시예들은, 계층적 접근법(hierarchical approach)을 사용할 수 있는데, 이 접근법은 전단 탄성률 및 점도의 공간 맵(spatial map)들의 추정을 가능케 하며, 이후 이 맵들은 진단(diagnostic) 목적들을 위해서 최종 사용자에게 디스플레이될(displayed) 수 있다. 균질 조직 근사를 사용하여 전단파 이미징으로부터 전단 탄성률의 초기 추정으로부터 얻어진 맵은, 또한 전단 탄성률 및 점도 양자 모두를 추정하는, 제안된 접근법의 초기화로서 사용될 수 있다.
본 발명의 일 실시예에서, 환자의 조직에서의 전단파 전파는, 전단파 전파의 계산 모델(computational model)을 사용하여 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 시뮬레이팅된다(simulated). 시뮬레이팅된 전단파 전파는, 비용 함수를 사용하여 조직의 전단파 이미지들에서 관찰된 전단파 전파와 비교된다. 조직에 대한 환자 특정 전단 탄성률 및 점도 값들은, 시뮬레이팅된 전단파 전파를 관찰된 전단파 전파와 비교하여 비용 함수를 최적화도록 추정된다.
본 발명의 이러한 이점 및 다른 이점은, 하기의 상세한 설명 및 첨부 도면들을 참조하여 당업자에게 명백해질 것이다.
도 1은 본 발명의 실시예에 따른 생물학적 조직의 타겟(target) 구역의 전단 탄성률(shear modulus) 및 점도(viscosity)의 비침습적(non-invasive) 추정을 위한 방법을 예시한다.
도 2는 본 발명의 실시예에 따른 전단파 전파(shear-wave propagation)의 계산 모델(computational model)을 사용하여 전단파 이미지(image)들로부터 환자 특정 전단 탄성률(shear modulus) 및 점도(viscosity) 값들을 추정하기 위한 프레임워크(framework)를 예시한다.
도 3은 본 발명의 실시예에 따른 전단파 전파(shear-wave propagation)의 계산 모델(computational model)을 사용하여 전단파 이미지(image)들로부터 환자 특정 전단 탄성률(shear modulus) 및 점도(viscosity) 값들을 추정하기 위한 방법을 예시한다.
도 4는 전단 탄성률 및 속도 파라미터(velocity parameter) 추정 이후 관찰된 예시적 전단파 전파 및 시뮬레이팅된(simulated) 예시적 전단파 전파를 예시한다.
도 5는 본 발명을 구현할 수 있는 컴퓨터(computer)의 하이 레벨 블록 선도(high-level block diagram)이다.
본 발명은, 전단파 이미징(SWI; shear-wave imaging)으로부터 생물학적 조직의 점도 및 전단 탄성률의 자동 추정에 관한 것이다. 본 발명의 실시예들은, 조직의 구역의 점도 및 전단 탄성률에 대한 환자 특정 값들을 추정하기 위한 방법의 시각적 이해(visual understanding)를 부여하기 위해서 본원에서 설명된다. 디지털 이미지(digital image)는 종종 하나 또는 그 초과의 객체들(또는 형상들)의 디지털 표시들로 구성된다. 객체의 디지털 표시는, 객체들의 식별(identifying) 및 조작(manipulating)의 관점에서 본원에서 종종 설명된다. 이러한 조작들은, 컴퓨터 시스템(computer system)의 메모리(memory) 또는 다른 회로/하드웨어(hardware)에서 성취되는 가상의 조작들이다. 이에 따라, 본 발명의 실시예들은 컴퓨터 시스템 내에 저장된 데이터(data)를 사용하여 컴퓨터 시스템 내에서 수행될 수 있는 것으로 이해된다.
본 발명의 실시예들은, 전단파 전파의 포워드 모델(forward model)을 사용하여 전단파 이미지들로부터 환자 특정 전단 탄성률 및 점도 값들을 추정하기 위해서 역-모델링(inverse-modeling) 접근법을 활용한다. 전단파 전파의 포워드 모델은, 전단 탄성률 및 점도 파라미터(parameter)들 및 초기 조건의 세트(set)가 부여된다면, 관찰된 도메인(observed domain)을 커버하는(cover) 범위를 갖는 다차원 그리드 격자(grid lattice)(2D/3D) 내에서 전단파 변위를 계산하도록 채용된다. 계산된 전단파 전파는 이후 전단파 이미지들에서 관찰된 전단파 전파와 비교된다. 계산된 전단파 전파가 관찰된 전단파 전파와 일치하지 않는다면, 선택된 비용 함수(cost function)에 따라서, 옵티마이저 프로세스(optimizer process)가 최적의 전단 탄성률 및 점도를 자동으로 추정하도록 채용된다. 예컨대, 가능한 구현에서, 정규화된 상호 상관(Normalized Cross-Correlation) 메트릭(metric)은, 계산된 전단파 전파와 관찰된 전단파 전파를 비교하기 위해서 비용 함수로서 사용될 수 있지만, 임의의 유사성 메트릭(similarity metric)이 사용될 수 있다. 최적화 프로세스는, 그래디언트-프리 옵티마이저(gradient-free optimizer)를 사용하여 수행될 수 있지만, 본 발명은 이것으로 제한되지 않는다. 계층적 방법은, 조직의 타겟(target) 구역에 걸쳐 전단 탄성률 및 점도에 대한 가변 값들(varying values)을 공간적으로 추정하기 위해서 사용될 수 있다. 전단 탄성률 추정들의 제 1 맵(map)은, 비점성 매체(non-viscous media)에서 전단 탄성률에 관련된, 전단파 속도를 사용함으로써 얻어질 수 있다. 이 맵은, 추정 절차를 초기화하는 것뿐만 아니라 가변 생체역학(varying biomechanical) 특징들을 갖는 구역들을 식별하는데 사용될 수 있다.
도 1은 본 발명의 실시예에 따른 생물학적 조직의 타겟(target) 구역의 전단 탄성률(shear modulus) 및 점도(viscosity)의 비침습적 추정을 위한 방법을 예시한다. 단계(102)에서, 전단파 이미지들이 수신된다. 전단파 이미지들은, 생물학적 조직에서 전파하는 전단파들을 발생시키고 추적하기 위해서 초음파 탐침(ultrasound probe)을 사용하는, 전단파 이미징(SWI; shear-wave imaging)을 통해 획득된다. 음향 방사력 임펄스(ARFI; acoustic radiation force impulse)로부터의 방사력은, 조직에서 전단파들을 발생시키며 시간에 걸쳐 조직에서 전단파들의 변위를 나타내는 이미지들의 시간 시퀀스는 초음파 탐침에 의해 캡쳐된다(captured). 전단파 이미지들은, 2차원(2D) 이미지들의 시간 의존 시퀀스(time dependent sequence) 또는 3차원(3D) 이미지들의 시간 의존 시퀀스일 수 있다. 전단파 이미지들은 초음파 탐침으로부터 직접 수신될 수 있거나, 또는 컴퓨터 시스템의 메모리 또는 스토리지(storage)로부터 이전에 획득된 전단파 이미지들을 로딩(loading)하거나 또는 데이터 네트워크(data network) 상에서 이전에 획득된 전단파 이미지들을 수신함으로써 수신될 수 있다. 전단파 이미지들은 환자의 조직의 타겟 구역을 포함할 수 있다. 예컨대, 전단파 이미지들은, 종양(tumor) 또는 병변(lesion)이 존재하는 조직의 구역을 포함할 수 있다.
단계(104)에서, 타겟 구역에서 조직에 대한 환자 특정 전단 탄성률 및 점도 값들은, 전단파 전파의 계산 모델을 사용하여 전단파 이미지들을 기반으로 하여 추정된다. 조직의 타겟 구역은, 전단파 이미지들에서의 모든 조직을 지칭할 수 있거나, 또는 전단파 이미지들에서의 특별한 관심 영역(region of interest)을 지칭할 수 있다. 도 2는 본 발명의 실시예에 따른 전단파 전파(shear-wave propagation)의 계산 모델(computational model)을 사용하여 전단파 이미지(image)들로부터 환자 특정 전단 탄성률(shear modulus) 및 점도(viscosity) 값들을 추정하기 위한 프레임워크(framework)를 예시한다. 도 2에 도시된 바와 같이, 모델(202)은 전단파 전파(shear wave propagation)의 포워드 계산 모델(forward computational model)이다. 타겟 구역 및 초기 조건에서, 조직의 전단 탄성률 및 점도에 대한 값들(μ_n, η_n)이 부여되면, 모델(202)은 타겟 구역에서 전단파 전파의 시뮬레이션(simulation)(206)을 생성한다. 전단 탄성률 및 점도 추정 프레임워크(framework)는 초기 전단 탄성률 및 점도 값들(μ_0, η_0)로 초기화된다. 비용 함수(204)는 시뮬레이션(206)을 전단파 이미지들에서 관찰된 그라운드 트루스(ground truth) 전단 탄성률 전파(208)와 비교하며, 비교의 결과를 옵티마이저(210)에 전송한다. 옵티마이저(210)는 비용 함수(204)를 최소화하기 위해서 전단 탄성률 및 점도에 대한 새로운 파라미터 값들을 계산하며, 전단 탄성률 및 점도에 대한 새로운 파라미터 값들을 모델(202)로 전송하며, 이 모델(202)은 새로운 파라미터 값들을 사용하여 다른 시뮬레이션(206)을 생성한다. 비용 함수(204)에 의해 산정된(calculated) 비교의 결과를 기반으로 하여, 옵티마이저(210)는, 전단 탄성률 및 점도에 대한 최적 값들이 비용 함수(204)를 최소화하는 것을 발견하였음을 판정하며, 옵티마이저(210)는 전단 탄성률 및 점도에 대한 최적 값들을 출력한다. 모델(202), 비용 함수(204) 및 옵티마이저(210)는 도 3의 방법에 대한 설명에서 보다 상세히 설명된다.
도 3은 본 발명의 실시예에 따른 전단파 전파(shear-wave propagation)의 계산 모델(computational model)을 사용하여 전단파 이미지(image)들로부터 환자 특정 전단 탄성률(shear modulus) 및 점도(viscosity) 값들을 추정하기 위한 방법을 예시한다. 도 3의 방법은, 도 1의 단계(104)를 구현하기 위해서 사용될 수 있다. 단계(302)에서, 전단파 전파는, 전단파 전파의 계산 모델을 사용하여 타겟 구역에서 시뮬레이팅된다. 전단파 전파의 계산 모델은, 부여된 전단 탄성률 및 점도에 대한 전단파 변위를 계산한다. 이를 위해, 횡파(transverse wave)들에 대한 다음의 편미분 방정식(partial differential equation)이 사용될 수 있다:
Figure 112016049817718-pat00001
여기서, μ는 전단 탄성률이며, η는 점도이고, ρ는 밀도(이는 생물학적 조직들에서 1070 kg/m3과 동일한 것으로 가정될 수 있음)이며, u는 조직 전단 변위이다. 이 파는, SWI 획득(acquisition)의 셋업(setup)에 따라 규정되는, 뉴만(Neumann), 0-디리클레(0-Dirichlet) 또는 흡수 경계 조건들에 따라, 1차원, 2차원 또는 3차원 공간으로 전파한다. 가능한 구현에서, 뉴만 또는 흡수 경계 조건들이 디폴트(default)에 의해 채용될 수 있다. 다른 실시예에서, 관심 장기(organ of interest)가 초음파 B-모드 이미지(ultrasound B-mode image)로부터 분할된다(segmented). 발생하는 경계들은, 적절한 전단파 경계 조건들(예컨대, 뉴만)을 설정하기 위해서 사용되는 한편, 경계가 가시적이지 않은 SWI의 영역들에서는, 흡수 경계 조건들이 사용된다. 2 개의 획득들 사이에서 탐침이 이동하지 않는다면, B-모드 및 SW 이미지들이 설계에 의해 정렬된다. 이는, 하드웨어에 의해 사용자에게 완전 투명하게(transparently) 행해질수도 있을 것이다. 계산 모델은, 다차원 그리드 격자(2D/3D) 상의 전단파 변위(그리드 격자의 범위는 전단파 이미지들에서 조직의 타겟 구역의 도메인을 커버함)를 계산할 수 있다. 전술된 바와 같이, 조직의 타겟 구역은, 전체 전단파 이미지들일 수 있거나 또는 전단파 이미지들에서 규정된 관심 영역일 수 있다.
가능한 구현에서, 공지된 경우들로부터 데이터베이스(database)에 저장된 평균 값들 또는 문헌으로부터의 값들과 같은 포괄적인 값(generic value)들이 조직의 점도 및 전단 탄성률에 대한 초기 값들에 사용될 수 있다. 다른 가능한 구현에서, 전단 탄성률은 전단파 이미지들에서의 전단파의 속도로부터 직접 추정될 수 있다. 이 경우에, 점도는 0의 초기 값 또는 포괄적인 값, 이를테면 공지된 경우들의 데이터베이스에서의 평균 값들 또는 문헌으로부터의 값에 할당될 수 있다.
초기 경계 조건들은, 전단파 전파 계산을 위해 판정된다. 유리한 실시예에서, 획득된 전단파 이미지들의 제 1 N 프레임(frame)들이 초기 조건들(예컨대, N=2)을 수립하기 위해서 사용된다. 특히, 전단파 이미지들의 제 1 N 프레임들에서 관찰된 전단파의 변위는, 초기 경계 조건을 제공하며, 이후 계산 모델이 전단파의 시뮬레이팅된 전파에 채용된다. 이는, 전단파 이미지들에서 관찰된 그라운드 트루스 전단파 및 계산된 전단파가 정확히 동일한 상태에서 시작하는 것을 보장하며, 관찰된 전단파와 계산된 전단파 사이의 일시적 시프트에 대해 보호한다. 다른 가능한 실시예에서, ARFI 펄스(pulse)의 다이렉트 모델(direct model)은 전단파 전파의 초기 조건을 판정하기 위해서 채용된다. 이 실시예에서, 초음파 탐침의 파라미터들이 ARFI 펄스로 인한 힘을 계산하는데 직접 사용된다.
유리한 구현에서, 유한 요소법(FEM; finite element method)이 1 차원, 2 차원 또는 3 차원 공간 상에서 전단파 전파를 계산하기 위해 사용될 수 있다. 임플릭트 타임 스테핑 접근법(implicit time stepping approach)이 증가된 안정성을 위해 사용될 수 있다. 그러나, 본 발명은 전단파 전파를 계산하기 위해서 임플릭트 타임 스테핑 접근법과 FEM으로 제한되는 것이 아니며, 그리고 다른 방법들, 이를테면 익스플릭트(explicit) FEM 또는 유한 차분법들이 또한 전단파 전파를 계산하기 위해서 사용될 수 있음이 이해된다. 게다가, 본 발명은 전단파 전파 모델로서 횡파에 대해 전술된 미분 방정식을 사용하는 것으로 제한되지 않으며, 보다 복잡한 점탄성 재료 모델(visco-elastic material model)들을 기본으로 하는 다른 전단파 전파 모델들이 또한 사용될 수 있다.
단계(304)에서, 시뮬레이팅된 전단파 전파는, 비용 함수를 사용하여 전단파 이미지들에서 관찰된 전단파 전파에 비교된다. 전단 탄성률 및 점도는, 전단파 이미지들에서 측정된(관찰된) 전단파 전파와 계산된(시뮬레이팅된) 전단파 전파 사이 유사성(또는 차이)을 산정하는 비용 함수를 최소화함으로써 추정된다. 제 1 실시예에서, 계산된 전단파 전파는, 전단파 이미지들에서 관찰된 전단파 변위와 직접 비교된다. 유리한 구현에 따르면, 정규화된 상호 상관(NCC; normalized cross correlation)이 계산된 전단파 전파와 관찰된 전단파 전파 사이의 유사성을 측정하는 비용 함수로서 사용될 수 있다. 그러나, 본 발명은, NCC로 제한되지 않으며, 임의의 다른 비용 함수, 이를테면 제곱 거리의 합(sum of squared distance)이 계산된 전단파 전파와 관찰된 전단파 전파 사이의 유사성을 측정하기 위해서 유사하게 채용될 수 있다. NCC 비용 함수는 다음과 같이 표현될 수 있다:
Figure 112016049817718-pat00002
여기서,
Figure 112016049817718-pat00003
는 측정된 전단파 전파(t(x,y))의 표준 편차이고,
Figure 112016049817718-pat00004
는 계산된 전단파 전파(f(x,y))의 표준 편차이며,
Figure 112016049817718-pat00005
는 측정된 데이터 세트(measured data set)의 평균(mean)이며,
Figure 112016049817718-pat00006
는 시뮬레이션 세트(simulation set)의 평균이고, n은 비교되는 엘리먼트(compared element)들의 수이다. 가능한 구현에서, NCC는 사용자-규정되는(또는 자동으로 선택되는) 타임 프레임에서 타겟 구역의 전체 도메인에 걸쳐 산정된다. 이 경우에, n은 상기 방정식에서 (x, y)로서 나타내지는 로케이션(location)들[(픽셀(pixel)들/복셀(voxel)들]의 수를 지칭하며, 상기 방정식에서, 소정의 시간 지점에서 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 비교한다.
대안의 구현에서, NCC는 전체의 시간 도메인(temporal domain)에 걸쳐 공간에서 사용자-규정되는(또는 자동으로 선택되는) 위치에서 산정될 수 있다. 이 경우에, n은 시간 단계들의 수를 지칭하며, 상기 단계들에서, 특별한 공간 로케이션에 대해 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 비교한다. 다른 가능한 구현에서, NCC는 전체의 시공간적 도메인(spatio-temporal domain)에 걸쳐 산정될 수 있다.
제 2 실시예에서, 시뮬레이팅된 전단파 전파와 관찰된 전단파 전파를 직접 비교하는 비용 함수에 대한 대안으로서, 무선주파수(RF; radiofrequency) 공간에서 직접 워킹(working directly)하는 간접 추정이 수행될 수 있다. 직감적으로, 전단파 변위가 무선주파수 신호에서 시프트(shift)에 의해 캡쳐된다. 시간에 걸쳐 이러한 시프트를 트래킹(tracking)함으로써, 전단파 변위가 추정될 수 있고 그리고 이후 사용자에게 디스플레이될(displayed) 수 있다. 이러한 모드에서, 전단 탄성률 및 점도는, 특정 로케이션에서 시뮬레이팅된 전단 변위의 진폭에서의 차이로서 얻어진 계산된 RF 시프트와 측정된 RF 시프트 사이 차이들을 최소화함으로써 추정될 수 있다. RF 공간에서의 직접 워킹(working directly)의 하나의 이점은, 전단파 변위를 추정할 때 비용 함수가 RF 신호 상에서 행해진 임의의 후-프로세싱(post-processing)에 의해서 영향을 받지 않는다는 것이다. RF 공간에서의 직접 워킹의 다른 이점은, 측정된 전단파 변위가 전단 탄성률 및 점도의 추정 이후에(즉, 시뮬레이팅된 전단파 전파가 측정된 전단파 전파로 수렴한다면) 피팅된(fitted) 모델을 통해 자동으로 매끄럽게될 수 있다는 것이다.
단계(306)에서, 시뮬레이팅된 전단파 전파가 관찰된 전단파 전파에 수렴하였는지가 판정된다. 예컨대, 비용 함수에 의해 산정되는 바와 같이 시뮬레이팅된 전단파 전파와 관찰된 전단파 전파 사이의 차이 값이 미리 정해진 임계값(threshold value)과 비교될 수 있다. 시뮬레이팅된 전단파 전파는, 차이 값이 임계 값 보다 작을 때, 관찰된 전단파 전파에 수렴되는 것으로 판정된다. 그렇지 않으면, 시뮬레이팅된 전단파 전파는 관찰된 전단파 전파에 수렴되지 않는 것으로 판정된다. 게다가, 가능한 구현에서, 시뮬레이팅된 전단파 전파는, 미리 정해진 최대 반복 회수에 도달된다면 관찰된 전단파 전파에 수렴된 것으로 고려될 수 있다. 시뮬레이팅된 전단파 전파가 관찰된 전단파 전파에 수렴하지 않은 것으로 판정된다면, 방법은 단계(308)로 진행한다. 시뮬레이팅된 전단파 전파가 관찰된 전단파 전파에 수렴하는 것으로 판정된다면, 방법은 단계(310)로 진행한다.
단계(308)에서, 타겟 구역에서 조직의 전단 탄성률 및 점도 파라미터들은 비용 함수를 최소화시킴으로써 추정된다. 그래디언트-프리 옵티마이저가, 비용 함수를 최소화시키는 전단 탄성률 및 점도에 대해 새로운 값들을 산정하는데 사용될 수 있다. 유리한 실시예에서, 타겟 구역에서의 조직의 전단 탄성률 및 점도 값들이 전단 탄성률 및 점도에 대한 공간 가변 파라미터들을 추정하기 위해서 계층적, 코스-투-파인(coarse-to-fine) 접근법을 사용하여 산정될 수 있다. 이러한 계층적 접근법에 있어서, 제 1 단계로, 타겟 구역에서의 조직은 균일하며, 단일 값이 전체 타겟 구역에 대한 전단 탄성률 및 점도 각각을 위해 산정되는 것이 가정된다. 이후, 타겟 구역의 공간 도메인은, 시뮬레이션 에러(simulation error)(예컨대, 공간 도메인에 있는 각각의 포인트(point)에서 계산된 전단파 전파와 측정된 전단파 전파 사이의 NCC 에러 측정 또는 제곱 거리들의 합)의 공간 분포를 기반으로 하여 하위-구역들로 나누어지고, 전단 탄성률 및 점도 값들은 하위 구역들 각각에 대해서 별개로 추정된다. 특히, 균일한 조직의 가정하에, 전단 탄성률 및 점도의 초기 추정 이후에, 전단파 전파의 다른 시뮬레이션이 업데이트된(updated) 전단 탄성률 및 점도 값들을 사용하여 계산 모델에 의해 수행되고, 계산된 전단파 모델과 관찰된 전단파 모델 사이의 에러(예컨대, 제곱 거리의 합 또는 NCC)가 공간 도메인의 각각의 지점에서 산정된다. 유리한 구현에서, 비용 함수(예컨대, NCC, 제곱 거리의 합 등)를 산정하기 위해서 사용되는 바와 동일한 메트릭이 에러를 산정하기 위해서 사용될 수 있지만, 본 발명은 이것으로 제한되는 것은 아니며, 차이 메트릭들(difference metrics)이 이 단계에서, 비용 함수 평가 및 에러 산정을 위해서 사용될 수 있음이 또한 가능하다. 에러 맵은, 공간 도메인의 각각의 지점에서 산정된 에러 값을 공간 도메인의 이미지에 맵핑(mapping)함으로써 생성될 수 있다. 예컨대, 에러 맵은 각각의 픽셀에서의 컬러(color) 또는 세기(intensity)가 그 픽셀에서 산정된 에러에 의존하는 이미지일 수 있다. 에러 맵은 유사한 에러 값들을 갖는 에러 맵의 구역들을 식별하기 위해서 분할된다. 에러 맵은, 임의의 자동화된 또는 반자동화된 이미지 분할 기술, 이를테면 세기 임계화(intensity thresholding), 구역 성장(region-growing), 그래프 커트(graph cut)들, 랜덤 워커(random walker) 분할 등을 사용하여 분할될 수 있다. 상이한 구역들이 에러 맵에서 식별된다면, 다변량(multivariate) 최적화가 식별된 공간 구역들 각각의 상이한 전단 탄성률 및 점도 파라미터들을 추정하기 위해서 사용될 수 있어 계산된 전단파 전파를 관찰된 전단파 전파에 비교하는 비용 함수를 최상으로(bset) 최소화할 수 있다. 가능한 구현에서, 이러한 최적화는 (예컨대, 임계치보다 더 높은)높은 에러 값들을 갖는 구역들에 대해서만 실행될 수 있다. 에러 맵 생성, 상이한 에러 값들을 갖는 구역들을 식별하기 위한 에러 맵 분할, 및 식별된 구역들에 대한 전단 탄성률 및 점도 파라미터들을 산정하는 단계들이 반복될 수 있으며, 이전 반복(previous iteration)에서 식별된 각각의 반복 구역들은 더 작은 구역들로 나눠질 수 있다. 공간 도메인에서 식별된 상이한 수의 구역들이 수렴할 때까지, 즉, 평균, 또는 최대 전역 에러(global error)가 소정의 임계치보다 더 낮을 때까지, 이들 단계들이 반복될 수 있다.
타겟 구역에서 조직에 대한 공간 가변 전단 탄성률 및 점도 파라미터들이 추정된다면, 방법은 단계(302)로 복귀하며, 그리고 단계(302, 304 및 306)들이 업데이트된 전단 탄성률 및 점도 파라미터들과 함께 반복된다. 특히, 계산 모델은, 전단파 전파를 업데이트된 전단 탄성률 및 점도 값들과 시뮬레이팅하도록 사용되며(단계(302)), 시뮬레이팅된 전단파 전파는 비용 함수를 사용하여 전단파 이미지들에서 관찰된 전단파 전파와 비교되고(단계(304)), 그리고 시뮬레이팅된 전단파 전파가 관찰된 전단파 전파에 수렴하는지의 여부가 판정된다(단계(306)).
단계(310)에서, 시뮬레이팅된 전단파 전파가 전단파 이미지들에서 관찰된 전단파 전파에 수렴하는 것으로 판정된다면, 도 3의 방법은 종료되며, 전단 탄성률 및 점도 파라미터들의 최종 추정 값들이 복귀된다.
도 1로 돌아가면, 단계(106)에서, 타겟 구역에 대해 추정된 전단 탄성률 및 점도 값들이 출력된다. 추정된 전단 탄성률 및 점도 값들은, 컴퓨터 시스템의 디스플레이 디바이스(display device) 상에 디스플레이될 수 있는 1D, 2D, 또는 3D 맵들에서 전단 탄성률 및 점도 값들을 시각화함으로써 출력될 수 있다. 예컨대, 조직의 타겟 구역의 공간 도메인에서 각각의 로케이션에 대해 식별되는 전단 탄성률 값들은, 디스플레이 디바이스 상에 디스플레이되는(displayed) 타겟 구역의 이미지에 맵핑될 수 있다. 전단 탄성률 값들 및 점도 값들은, 각각의 컬러 맵들을 사용하여 시각화될 수 있으며, 이 맵에서, 공간 도메인에 있는 픽셀 또는 복셀 각각의 컬러(또는 세기)는 그 로케이션에서 산정된 전단 탄성률 값 또는 점도 값에 의존한다. 가능한 구현에서, 도 3의 단계(308)에서 생성된 에러 맵들은, 이들이 전단 탄성률 및 점도의 공통 값들이 산정되었던 구역들 내로 이미 나누어짐에 따라, 이들 컬러 맵들을 생성하기 위해서 사용될 수 있다.
전단 탄성률 및 점도의 공간 맵들은, 진단 목적들을 위해 사용자(예컨대, 의사, 기술자 등)에게 디스플레이될 수 있다. 예컨대, 종양학(oncology) 용례들에서, 전단파 이미지들에서 타겟 구역은, 병변 또는 종양을 포함할 수 있으며, 병변 또는 종양에 대해 추정된 환자-특정 전단 탄성률 및 점도 값들은, 사용자가 병변 또는 종양을 악성(malignant) 또는 양성(benign)으로 진단하는 것을 가능케 할 수 있다. 가능한 용례에서, 병변 또는 종양 및/또는 주위 구역에 대한 전단 탄성률 및 점도의 값들은, 피처(feature)들로서 사용될 수 있으며, 트레이닝된 기계 학습 기반 분류기(trained machine learning based classifier), 이를테면 서포트 벡터 머신(SVM; support vector machine)로 공급될 수 있고, 이는 이후 병변 또는 종양을 자동으로 분류할 수 있다. 예컨대, 추정된 전단 탄성률 및 점도 값들을 기반으로 하여, 트레이닝된 기계 학습 기반 분류기가, 병변 또는 종양을 악성 또는 양성으로 분류할 수 있고, 병변/종양을 특별한 유형의 병변/종양으로서 분류할 수 있으며, 또는 병변/종양에 특별한 등급을 할당하도록 병변/종양을 분류할 수 있다. 본원에 설명된 종양학 용례들이 본 발명을 제한하고자 의도된 것은 아니며, 도 1의 방법은 또한 게다가 다른 용례들에 적용될 수 있음이 이해된다.
전단 탄성률 및 점도의 공간 맵들 이외에, 시뮬레이팅된 전단파 전파 및 관찰된 전단파 전파를 도시하는 전단파 이미지들이, 예컨대 컴퓨터 시스템의 디스플레이 디바이스 뿐만 아니라 도 3의 단계(308)에서 생성된 에러 맵들 상에 또한 디스플레이될 수 있다. 도 4는 관찰된 예시적 전단파 전파 및 시뮬레이팅된 예시적 전단파 전파를 예시한다. 도 4에 도시된 바와 같이, 이미지(402)는 전단파 이미지들의 전체 공간 도메인에 대한 전단파 이미지들에서 측정된(관찰된) 전단파 전파를 도시하며, 이미지(404)는 비용 함수 평가를 위해 사용된 관심 영역에 대해 측정된(관찰된) 전단파 전파를 도시한다. 이미지(406)는, 전체 공간 도메인에서 시뮬레이팅된 전단파 전파를 도시하며, 이미지(408)는 비용 함수 평가를 위해 사용된 관심 영역에서 시뮬레이팅된 전단파 전파를 도시한다. 도 4의 예에서, 전단파 이미지들의 2 개의 제 1 프레임들은, 전단파 전파의 시뮬레이션에 대한 초기 조건들로서 사용되며, 그리고 공간(관심 영역)의 일부분만이 비용 함수를 평가하기 위해 사용되어 경계 조건들의 영향력들을 최소화한다. 관심 영역에서 조직의 특징들에 대한 그라운드 트루스(ground truth)는, 4 kPa의 전단 탄성률 및 0 Pa.s의 점도이다. 이러한 예를 위한 도 1 및 도 3의 방법들을 사용하는 추정의 결과들은, 4.01 kPa의 전단 탄성률 및 4.4 e-10 Pa.s의 점도이다. 전체 공간(도 4의 이미지들(402 및 406))은 파들의 전파에 대한 차이를 도시하지만, 이 방법은 그라운드 트루스 값들에 가까운 값들을 추정하기 위해서 여전히 관리되는데, 이는 평가가 경계 조건들로부터 먼 관심 영역(도 4의 이미지들(404 및 408))에서 수행되었기 때문이다.
전단파 이미징(SWI)을 기반으로 하여 생물학적 조직에 대한 환자 특정 전단 탄성률 및 점도 값들의 비침습적 추정을 위해 전술된 방법들은, 주지된 컴퓨터 프로세서(processor)들, 메모리 유닛(memory unit)들, 스토리지 디바이스(storage device)들, 컴퓨터 소프트웨어(computer software) 및 다른 컴포넌트(component)들을 사용하여 컴퓨터 상에서 수행될 수 있다. 이러한 컴퓨터의 하이 레벨 블록 선도가 도 5에 예시된다. 컴퓨터(502)는, 프로세서(504)를 포함하는데, 이 프로세서는, 이러한 동작을 규정하는 컴퓨터 프로그램 명령(computer program instruction)들을 실행함으로써 컴퓨터(502)의 전체 동작을 제어한다. 컴퓨터 프로그램 명령들은, 스토리지 디바이스(512)(예컨대, 자기 디스크(magnetic disk))에 저장될 수 있고 컴퓨터 프로그램 명령들의 실행(execution)이 요망될 때 메모리(510) 내로 로딩될(loaded) 수 있다. 이에 따라, 도 1, 도 2 및 도 3의 방법들의 단계들은, 메모리(510) 및/또는 스토리지(512)에 저장된 컴퓨터 프로그램 명령들에 의해 규정될 수 있고, 컴퓨터 프로그램 명령들을 실행하는 프로세서(504)에 의해 제어될 수 있다. 초음파 획득 디바이스(ultrasound acquisition device)(520), 이를테면 초음파 탐침(ultrasound probe)이 컴퓨터(502)에 연결되어 전단파 이미지들을 획득하고 전단파 이미지들을 컴퓨터(502)에 입력할 수 있다. 초음파 획득 디바이스(520) 및 컴퓨터(502)가 네트워크를 통해 무선 통신하는(communicate wirelessly) 것이 가능하다. 가능한 실시예에서, 컴퓨터(502)는 초음파 획득 디바이스(520)에 대해서 원격으로 위치될(located remotely) 수 있으며, 방법 단계들은 서버(server) 또는 클라우드 기반 서비스(cloud based service)의 일부로서 컴퓨터(502)에 의해 수행될 수 있다. 컴퓨터(502)는, 또한 네트워크를 경유하여 다른 디바이스들과 통신하기 위해 하나 또는 그 초과의 네트워크 인터페이스들(network interfaces)(506)을 포함한다. 컴퓨터(502)는 또한 컴퓨터(502)와 사용자 상호작용을 가능케 하는 다른 입력/출력 디바이스들(508)(예컨대, 디스플레이(display), 키보드(keyboard), 마우스(mouse), 스피커(speaker)들, 버튼(button)들 등)을 포함한다. 이러한 입력/출력 디바이스들(508)은, 이미지 획득 디바이스(520)로부터 수신된 볼륨(volume)들에 주석을 달기(annotate) 위해 주석 툴(annotation tool)로서 컴퓨터 프로그램의 세트와 함께 사용될 수 있다. 당업자는, 실제 컴퓨터의 구현이 다른 컴포넌트들을 또한 포함할 수 있고, 도 5가 예시적 목적들을 위해서 이러한 컴퓨터의 컴포넌트들의 일부의 하이 레벨 표시라는 것을 인식할 것이다.
전술한 상세 설명은, 모든 면에서 예시적이고 전형적인 것이지만 제한적인 것은 아니라는 것이 이해되며, 본원에 개시된 본 발명의 범주는, 상세한 설명으로부터 결정되는 것이 아니라, 오히려 특허법에 의해 승인되는 전체 범위(full breadth)에 따라 해석되는 바와 같이 청구항들로부터 결정된다. 본원에 도시되고 설명된 실시예들은 단지 본 발명의 원리들의 예시이며, 다양한 수정들이 본 발명의 범주 및 사상으로부터 벗어나지 않고 당업자에 의해 구현될 수 있음이 이해된다. 당업자는, 본 발명의 범주 및 사상으로부터 벗어나지 않고 다른 다양한 피처 조합들을 구현할 수 있다.

Claims (43)

  1. 환자의 조직(tissue)의 전단파 이미지(shear-wave image)들을 기반으로 하여 환자의 조직의 전단 탄성률(shear modulus) 및 점도(viscosity)를 추정하기 위한 방법으로서,
    전단파 전파(shear-wave propagation)의 계산 모델(computational model)을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는(simulating) 단계;
    비용 함수(cost function)를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 시뮬레이팅된(simulated) 전단파 전파와 비교하는 단계; 및
    상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파를 비교하는 상기 비용 함수를 최적화하기 위해서 상기 조직에 대한 환자 특정(patient-specific) 전단 탄성률 및 점도 값들을 추정하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  2. 제 1 항에 있어서,
    전단 탄성률 및 점도의 공간 맵(spatial map)들을 생성함으로써 추정된 환자 특정 전단 탄성률 및 점도 값들을 시각화하는(visualizing) 단계를 더 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  3. 제 1 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 단계는,
    상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 복수의 시간 단계들 각각에서 적어도 상기 전단파 이미지들의 구역에 대응하는 공간 도메인(spatial domain)에서 상기 조직의 전단 변위를 계산하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  4. 제 3 항에 있어서,
    상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 복수의 시간 단계들 각각에서 적어도 상기 전단파 이미지들의 구역에 대응하는 공간 도메인에서 상기 조직의 전단 변위를 계산하는 단계는,
    각각의 시간 단계에서
    Figure 112016049817718-pat00007
    를 해결함으로써 상기 공간 도메인에서 상기 조직의 상기 전단 변위를 산정하는 단계를 포함하며, 여기서, μ는 전단 탄성률, η는 점도, ρ는 상기 조직의 밀도이고, u는 상기 조직의 전단 변위인,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  5. 제 1 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 단계는,
    상기 조직에 대해 미리 정해진 초기화된 전단 탄성률 및 점도 값들과 전단파 전파의 계산 모델을 사용하여 상기 조직에서 상기 전단파 전파를 시뮬레이팅하는 단계를 포함하는,
    조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  6. 제 1 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 단계는,
    상기 조직이 비점성(non-viscous)이라는 가정 하에, 상기 전단파 이미지들에서 측정된 전단파 속도(velocity)를 기반으로 하여 상기 조직에 대한 초기 전단 탄성률 값을 산정하는 단계; 및
    산정된 초기 전단 탄성률 값과 미리 정해진 초기 점도 값과 전단파 전파의 상기 계산 모델을 사용하여 상기 조직에서 상기 전단파 전파를 시뮬레이팅하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  7. 제 1 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 단계는,
    상기 전단파 이미지들의 다수의 제 1 프레임(frame)들을 기반으로 하여 상기 조직에서 전단 변위에 대한 초기 경계 조건(initial boundary condition)들을 판정하는 단계; 및
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단 변위에 대한 초기 경계 조건들로부터 시작하여 상기 조직에서 상기 전단파 전파를 시뮬레이팅하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  8. 제 1 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 단계는,
    상기 전단파 이미지들에서 전단파들을 생성하기 위해 사용되는 음향 방사력 임펄스(ARFI; acoustic radiation force impulse)의 다이렉트 모델(direct model)을 사용하여 상기 전단파 전파에 대한 초기 경계 조건들을 판정하는 단계―상기 ARFI의 다이렉트 모델은 상기 전단파 이미지들을 획득하기 위해 사용되는 초음파 탐침의 현재 탐침 파라미터(current probe parameter)들에 적응됨―; 및
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 초기 경계 조건들로부터 시작하여 상기 조직에서 상기 전단파 전파를 시뮬레이팅하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  9. 제 1 항에 있어서,
    상기 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하는 단계는,
    상기 비용 함수를 사용하여 상기 전단파 이미지들의 공간 도메인에서 다수의 로케이션(location)들에 대해 특정 시간 프레임에서 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 직접 비교하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  10. 제 9 항에 있어서,
    상기 비용 함수를 사용하여 상기 전단파 이미지들의 공간 도메인에서 복수의 로케이션(location)들에 대해 특정 시간 프레임에서 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 직접 비교하는 단계는,
    상기 전단파 이미지들의 공간 도메인에서 복수의 로케이션들에 대해 특정 시간 프레임에서 상기 관찰된 전단파 변위와 상기 시뮬레이팅된 전단파 변위를 직접 비교하는 정규화된 상호 상관(normalized cross-correlation) 비용 함수를 산정하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  11. 제 9 항에 있어서,
    상기 비용 함수를 사용하여 상기 전단파 이미지들의 공간 도메인에서 복수의 로케이션(location)들에 대해 특정 시간 프레임에서 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 직접 비교하는 단계는,
    상기 전단파 이미지들의 상기 공간 도메인에서 복수의 로케이션들에 대해 특정 시간 프레임에서 상기 관찰된 전단파 변위와 상기 시뮬레이팅된 전단파 변위를 직접 비교하는 제곱 거리 합 (sum of squared distance) 비용 함수를 산정하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  12. 제 1 항에 있어서,
    상기 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하는 단계는,
    상기 비용 함수를 사용하여 복수의 시간 단계들 각각에서 상기 전단파 이미지들 프레임의 공간 도메인에서 특정 로케이션들에 대해 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 직접 비교하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  13. 제 1 항에 있어서,
    상기 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하는 단계는,
    상기 비용 함수를 사용하여 복수의 시간 단계들 각각에서 상기 전단파 이미지들 프레임의 공간 도메인에서 복수 개의 로케이션들 각각에 대해 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 직접 비교하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  14. 제 1 항에 있어서,
    상기 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하는 단계는,
    상기 시뮬레이팅된 전단파 전파의 계산된 무선 주파수 시프트(radiofrequency shift)와 상기 관찰된 공간 전단파 전파의 측정된 무선 주파수 시프트를 비교하는 무선 주파수 공간에서 비용 함수를 산정하는 단계를 포함하는,
    조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  15. 제 1 항에 있어서,
    상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파를 비교하는 비용 함수를 최적화하기 위해서 상기 조직에 대한 환자 특정 전단 탄성률 및 점도 값들을 추정하는 단계는,
    상기 전단파 이미지(shear-wave image)들의 타겟 구역(target region)에서 상기 조직에 대한 초기 전단 탄성률 값 및 초기 점도 값을 추정하는 단계;
    상기 타겟 구역에서 상기 조직의 상기 전단 탄성률 및 점도에 대한 현재 값들과 상기 전단파 전파의 계산 모델을 사용하여 상기 전단파 전파를 시뮬레이팅하는 단계;
    상기 전단 탄성률 및 점도에 대한 상기 현재 값들을 사용하여 상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파 사이의 에러 값(error value)들의 공간 분포를 나타내는 에러 맵(error map)을 생성하는 단계;
    상기 전단 탄성률 및 점도에 대한 상기 현재 값들을 사용하여 상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파 사이의 상기 에러 값들을 기반으로 하여 상기 타겟 구역 내에서 상기 조직의 하위 구역들을 식별하기 위해 상기 에러 맵을 분할하는 단계; 및
    다변량 최적화(multivariate optimization)를 사용하여 상기 비용 함수를 최적화하도록 상기 조직의 식별된 하위 구역(sub-region)들 각각에 대해 상기 전단 탄성률 및 점도에 대한 값들을 별개로 산정함으로써 상기 타겟 구역에서 상기 조직에 대한 공간 가변(spatially-varying) 전단 탄성률 및 점도 값들을 추정하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  16. 제 15 항에 있어서,
    상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파를 비교하는 상기 비용 함수를 최적화하기 위해서 상기 조직에 대한 환자 특정 전단 탄성률 및 점도 값들을 추정하는 단계는,
    상기 타겟 구역에서 상기 조직의 상기 전단 탄성률 및 점도에 대한 상기 현재 값들과 상기 전단파 전파의 계산 모델을 사용하여 상기 전단파 전파를 시뮬레이팅하는 단계, 에러 맵을 생성하는 단계, 상기 에러 맵을 분할하는 단계, 및 상기 타겟 구역에서 다수의 상기 하위 구역들이 수렴할 때까지 상기 타겟 구역에서 상기 조직에 대한 공간(spatially) 가변 전단 탄성률 및 점도 값들을 추정하는 단계
    를 반복하는 단계를 더 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  17. 제 1 항에 있어서,
    상기 시뮬레이팅된 전단파 전파가 상기 전단파 이미지들에서 상기 관찰된 공간 전단파 전파에 수렴할 때까지, 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 단계, 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하는 단계, 및 상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파를 비교하는 상기 비용 함수를 최적화하기 위해서 상기 조직에 대한 환자 특정 전단 탄성률 및 점도 값들을 추정하는 단계
    를 반복하는 단계를 더 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  18. 제 2 항에 있어서,
    상기 조직에 대해 상기 추정된 환자 특정 전단 탄성률 값들 및 점도 값들은 공간 가변 전단 탄성률 값들 및 점도 값들이며, 전단 탄성률 및 점도의 공간 맵들을 생성함으로써 상기 추정된 환자 특정 전단 탄성률 및 점도 값들을 시각화하는 단계는:
    상기 추정된 공간 가변 환자 특정 전단 탄성률 값들을 상기 전단파 이미지들의 공간 도메인에 맵핑(mapping)함으로써 전단 탄성률 컬러 맵(color map)을 생성하는 단계 및 각각의 픽셀(pixel)에 대해 상기 추정된 환자 특정 전단 탄성률 값을 기반으로 하여 상기 전단 탄성률 컬러 맵에서 각각의 픽셀에 컬러를 할당하는 단계; 및
    상기 추정된 공간 가변 환자 특정 전단 탄성률 값들을 상기 전단파 이미지들의 상기 공간 도메인에 맵핑함으로써 점도 컬러 맵을 생성하는 단계 및 각각의 픽셀에 대해 상기 추정된 환자 특정 점도 값을 기반으로 하여 상기 점도 컬러 맵에서 각각의 픽셀에 컬러를 할당하는 단계를 포함하는,
    환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 방법.
  19. 삭제
  20. 삭제
  21. 삭제
  22. 삭제
  23. 삭제
  24. 삭제
  25. 삭제
  26. 삭제
  27. 환자의 조직의 전단파 이미지들을 기반으로 하여 환자의 조직의 전단 탄성률 및 점도를 추정하기 위한 컴퓨터 프로그램 명령(computer program instruction)들을 저장하는 비일시적 컴퓨터 판독가능 매체(non-transitory computer readable medium)로서,
    상기 컴퓨터 프로그램 명령들은, 프로세서(processor)에 의해서 실행될 때 상기 프로세서로 하여금,
    전단파 전파(shear-wave propagation)의 계산 모델(computational model)을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅(simulating)하고;
    비용 함수(cost function)를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 시뮬레이팅된(simulated) 전단파 전파와 비교하며; 그리고
    상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파를 비교하는 상기 비용 함수를 최적화하기 위해서 상기 조직에 대한 환자 특정(patient-specific) 전단 탄성률 및 점도 값들을 추정하는;
    것을 포함하는 동작들을 수행하게 하는,
    비일시적 컴퓨터 판독가능 매체.
  28. 제 27 항에 있어서,
    상기 동작들은:
    전단 탄성률 및 점도의 공간 맵(spatial map)들을 생성함으로써 추정된 환자 특정 전단 탄성률 및 점도 값들을 시각화하는(visualizing) 것을 더 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  29. 제 27 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 것은,
    상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 복수의 시간 단계들 각각에서 적어도 상기 전단파 이미지들의 구역에 대응하는 공간 도메인(spatial domain)에서 상기 조직의 전단 변위를 계산하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  30. 제 29 항에 있어서,
    상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 복수의 시간 단계들 각각에서 적어도 상기 전단파 이미지들의 구역에 대응하는 공간 도메인에서 상기 조직의 전단 변위를 계산하는 것은:
    각각의 시간 단계에서
    Figure 112016049817718-pat00008
    를 해결함으로써 상기 공간 도메인에서 상기 조직의 전단 변위를 산정하는 것을 포함하며,
    여기서, μ는 전단 탄성률, η는 점도, ρ는 상기 조직의 밀도이고, u는 상기 조직의 전단 변위인,
    비일시적 컴퓨터 판독가능 매체.
  31. 제 27 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 것은,
    상기 조직에 대해 미리 정해진 초기화된 전단 탄성률 및 점도 값들과 전단파 전파의 계산 모델을 사용하여 상기 조직에서 상기 전단파 전파를 시뮬레이팅하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  32. 제 27 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 것은,
    상기 조직이 비점성(non-viscous)이라는 가정 하에, 상기 전단파 이미지들에서 측정된 전단파 점도를 기반으로 하여 상기 조직에 대한 초기 전단 탄성률 값을 산정하고; 그리고
    상기 산정된 초기 전단 탄성률 값과 미리 정해진 초기 점도 값과 전단파 전파의 상기 계산 모델을 사용하여 상기 조직에서 상기 전단파 전파를 시뮬레이팅하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  33. 제 27 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 것은,
    상기 전단파 이미지들의 다수의 제 1 프레임(frame)들을 기반으로 하여 상기 조직에서 전단 변위에 대한 초기 경계 조건(initial boundary condition)들을 판정하고; 그리고
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단 변위에 대한 초기 경계 조건들로부터 시작하여 상기 조직에서 상기 전단파 전파를 시뮬레이팅하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  34. 제 27 항에 있어서,
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하는 것은,
    상기 전단파 이미지들에서 상기 전단파들을 생성하기 위해 사용되는 음향 방사력 임펄스(ARFI; acoustic radiation force impulse)의 다이렉트 모델(direct model)을 사용하여 상기 전단파 전파에 대한 초기 경계 조건들을 판정하는 것―상기 ARFI의 다이렉트 모델은 상기 전단파 이미지들을 획득하기 위해 사용되는 초음파 탐침의 현재 탐침 파라미터들에 적응됨―; 그리고
    상기 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 초기 경계 조건들로부터 시작하여 상기 조직에서 상기 전단파 전파를 시뮬레이팅하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  35. 제 27 항에 있어서,
    상기 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하는 것은,
    상기 비용 함수를 사용하여 상기 전단파 이미지들의 공간 도메인에서 복수의 로케이션들에 대해 특정 시간 프레임에서 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 직접 비교하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  36. 제 35 항에 있어서,
    상기 비용 함수를 사용하여 상기 전단파 이미지들의 공간 도메인에서 복수의 로케이션들에 대해 특정 시간 프레임에서 상기 관찰된 전단파 변위와 상기 시뮬레이팅된 전단파 변위를 직접 비교하는 것은:
    상기 전단파 이미지들의 공간 도메인에서 복수의 로케이션들에 대해 특정 시간 프레임에서 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 직접 비교하는 제곱 거리 합 비용 함수(sum of squared distance cost function) 또는 정규화된 상호 상관 비용 함수(normalized cross-correlation cost function) 중 하나를 산정하는 단계를 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  37. 제 27 항에 있어서,
    상기 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하는 것은,
    상기 비용 함수를 사용하여 복수의 시간 단계들 각각에서 상기 전단파 이미지들 프레임의 공간 도메인에서 특정 로케이션들에 대해 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 직접 비교하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  38. 제 27 항에 있어서,
    상기 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하는 것은,
    상기 비용 함수를 사용하여 복수의 시간 단계들 각각에서 상기 전단파 이미지들 프레임의 공간 도메인에서 복수의 로케이션들 각각에 대해 관찰된 전단파 변위와 시뮬레이팅된 전단파 변위를 직접 비교하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  39. 제 27 항에 있어서,
    상기 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하는 것은,
    상기 시뮬레이팅된 전단파 전파의 계산된 무선 주파수 시프트(radiofrequency shift)와 상기 관찰된 공간 전단파 전파의 측정된 무선 주파수 시프트를 비교하는 무선 주파수 공간에서 비용 함수를 산정하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  40. 제 27 항에 있어서,
    상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파를 비교하는 비용 함수를 최적화하기 위해서 상기 조직에 대한 환자 특정 전단 탄성률 및 점도 값들을 추정하는 것은:
    전단파 이미지(shear-wave image)들의 타겟 구역(target region)에서 상기 조직에 대한 초기 전단 탄성률 값 및 초기 점도 값을 추정하고;
    상기 타겟 구역에서 상기 조직의 상기 전단 탄성률 및 점도에 대한 현재 값들과 상기 전단파 전파의 계산 모델을 사용하여 상기 전단파 전파를 시뮬레이팅하며;
    상기 전단 탄성률 및 점도에 대한 상기 현재 값들을 사용하여 상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파 사이의 에러 값(error value)들의 공간 분포를 나타내는 에러 맵(error map)을 생성하며;
    상기 전단 탄성률 및 점도에 대한 상기 현재 값들을 사용하여 상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파 사이의 상기 에러 값들을 기반으로 하여 상기 타겟 구역 내에서 상기 조직의 하위 구역들을 식별하기 위해 상기 에러 맵을 분할하고; 그리고
    다변량 최적화(multivariate optimization)를 사용하여 상기 비용 함수를 최적화하도록 상기 조직의 식별된 하위 구역(sub-region)들 각각에 대해 전단 탄성률 및 점도에 대한 값들을 별개로 산정함으로써 상기 타겟 구역에서 상기 조직에 대한 공간 가변(spatially-varying) 전단 탄성률 및 점도 값들을 추정하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  41. 제 40 항에 있어서,
    상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파를 비교하는 상기 비용 함수를 최적화하기 위해서 상기 조직에 대한 환자 특정 전단 탄성률 및 점도 값들을 추정하는 것은:
    상기 타겟 구역에서 상기 조직의 상기 전단 탄성률 및 점도에 대한 상기 현재 값들과 상기 전단파 전파의 계산 모델을 사용하여 상기 전단파 전파를 시뮬레이팅하고, 에러 맵을 생성하며, 상기 에러 맵을 분할하고, 그리고 상기 타겟 구역에서 다수의 상기 하위 구역들이 수렴할 때까지 상기 타겟 구역에서 상기 조직에 대한 공간 가변 전단 탄성률 및 점도 값들을 추정하는,
    동작들을 반복하는 것을 더 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  42. 제 27 항에 있어서,
    상기 동작들은,
    상기 시뮬레이팅된 전단파 전파가 상기 전단파 이미지들에서 상기 관찰된 공간 전단파 전파에 수렴할 때까지, 전단파 전파의 계산 모델을 사용하여 상기 조직에 대한 전단 탄성률 및 점도 값들을 기반으로 하여 상기 조직에서 전단파 전파를 시뮬레이팅하고, 비용 함수를 사용하여 상기 조직의 상기 전단파 이미지들에서 관찰된 공간 전단파 전파를 상기 시뮬레이팅된 전단파 전파와 비교하며, 그리고 상기 시뮬레이팅된 전단파 전파와 상기 관찰된 공간 전단파 전파를 비교하는 상기 비용 함수를 최적화하기 위해서 상기 조직에 대한 환자 특정 전단 탄성률 및 점도 값들을 추정하는,
    동작들을 반복하는 단계를 더 포함하는,
    비일시적 컴퓨터 판독가능 매체.
  43. 제 28 항에 있어서,
    상기 조직에 대해 상기 추정된 환자 특정 전단 탄성률 값들 및 점도 값들은 공간 가변 전단 탄성률 값들 및 점도 값들이며, 상기 전단 탄성률 및 점도의 공간 맵들을 생성함으로써 상기 추정된 환자 특정 전단 탄성률 및 점도 값들을 시각화하는 것은,
    상기 추정된 공간 가변 환자 특정 전단 탄성률 값들을 상기 전단파 이미지들의 공간 도메인에 맵핑(mapping)함으로써 전단 탄성률 컬러 맵(color map)을 생성하고 그리고 각각의 픽셀(pixel)에 대해 상기 추정된 환자 특정 전단 탄성률 값을 기반으로 하여 상기 전단 탄성률 컬러 맵에서 각각의 픽셀에 컬러를 할당하며; 그리고
    상기 추정된 공간 가변 환자 특정 전단 탄성률 값들을 상기 전단파 이미지들의 상기 공간 도메인에 맵핑함으로써 점도 컬러 맵을 생성하고 그리고 각각의 픽셀에 대해 상기 추정된 환자 특정 점도 값을 기반으로 하여 상기 점도 컬러 맵에서 각각의 픽셀에 컬러를 할당하는 것을 포함하는,
    비일시적 컴퓨터 판독가능 매체.
KR1020160048791A 2015-04-22 2016-04-21 전단파 이미징으로부터 전단 탄성률 및 점도의 자동 추정을 위한 방법 및 시스템 KR101874053B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/693,080 US9814446B2 (en) 2015-04-22 2015-04-22 Method and system for automatic estimation of shear modulus and viscosity from shear wave imaging
US14/693,080 2015-04-22

Publications (2)

Publication Number Publication Date
KR20160125910A KR20160125910A (ko) 2016-11-01
KR101874053B1 true KR101874053B1 (ko) 2018-07-04

Family

ID=57110619

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160048791A KR101874053B1 (ko) 2015-04-22 2016-04-21 전단파 이미징으로부터 전단 탄성률 및 점도의 자동 추정을 위한 방법 및 시스템

Country Status (5)

Country Link
US (1) US9814446B2 (ko)
KR (1) KR101874053B1 (ko)
CN (1) CN106073824B (ko)
DE (1) DE102016107220B4 (ko)
FR (1) FR3035531A1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107205724B (zh) * 2014-10-28 2020-10-30 超声成像 成像方法以及进行剪切波弹性成像的装置
US10537305B2 (en) * 2015-09-30 2020-01-21 General Electric Company Detecting amniotic fluid position based on shear wave propagation
US10610302B2 (en) 2016-09-20 2020-04-07 Siemens Healthcare Gmbh Liver disease assessment in medical imaging
US10646202B2 (en) * 2017-01-23 2020-05-12 Siemens Medical Solutions Usa, Inc. Sheer speed imaging using coherence
US11154277B2 (en) * 2017-10-31 2021-10-26 Siemens Medical Solutions Usa, Inc. Tissue viscoelastic estimation from shear velocity in ultrasound medical imaging
CN109077754B (zh) * 2018-07-06 2020-04-14 深圳大学 一种测量组织力学特性参数的方法及设备
US11559285B2 (en) * 2021-02-17 2023-01-24 Vortex Imaging Ltd. Reflection ultrasound tomographic imaging using full-waveform inversion
CN113536984B (zh) * 2021-06-28 2022-04-26 北京沧沐科技有限公司 一种基于无人机的图像目标识别与跟踪系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090007674A1 (en) 2007-04-04 2009-01-08 University-Industry Cooperation Group Of Kyunghee University Apparatus and method for imaging shear modulus within a body
US20120123263A1 (en) 2009-07-07 2012-05-17 Hitachi Medical Corporation Ultrasonic diagnostic apparatus and ultrasonic measurement method
US8187187B2 (en) 2008-07-16 2012-05-29 Siemens Medical Solutions Usa, Inc. Shear wave imaging
US8197408B2 (en) 2008-02-27 2012-06-12 Siemens Medical Solutions Usa, Inc. Sparse tissue property measurements in medical ultrasound imaging
US20140276046A1 (en) * 2013-03-13 2014-09-18 Siemens Medical Solutions Usa, Inc. Ultrasound ARFI Displacement Imaging Using an Adaptive Time Instance

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007152074A (ja) * 2005-01-21 2007-06-21 Chikayoshi Sumi 変位又は歪計測方法及び装置、速度計測方法、弾性率・粘弾性率計測装置、及び、超音波診断装置
US8469891B2 (en) * 2011-02-17 2013-06-25 Siemens Medical Solutions Usa, Inc. Viscoelasticity measurement using amplitude-phase modulated ultrasound wave
US10338203B2 (en) 2011-09-09 2019-07-02 Siemens Medical Solutions Usa, Inc. Classification preprocessing in medical ultrasound shear wave imaging
US8801614B2 (en) 2012-02-10 2014-08-12 Siemens Medical Solutions Usa, Inc. On-axis shear wave characterization with ultrasound
US9468421B2 (en) 2012-02-16 2016-10-18 Siemens Medical Solutions Usa, Inc. Visualization of associated information in ultrasound shear wave imaging
US10743814B2 (en) * 2013-03-15 2020-08-18 Siemens Medical Solutions Usa, Inc. Fat fraction estimation using ultrasound with shear wave propagation
CN103431874B (zh) * 2013-09-06 2015-06-03 中国科学院深圳先进技术研究院 声辐射力脉冲成像估算方法和系统
US10376242B2 (en) * 2015-04-16 2019-08-13 Siemens Medical Solutions Usa, Inc. Quantitative viscoelastic ultrasound imaging

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090007674A1 (en) 2007-04-04 2009-01-08 University-Industry Cooperation Group Of Kyunghee University Apparatus and method for imaging shear modulus within a body
US8197408B2 (en) 2008-02-27 2012-06-12 Siemens Medical Solutions Usa, Inc. Sparse tissue property measurements in medical ultrasound imaging
US8187187B2 (en) 2008-07-16 2012-05-29 Siemens Medical Solutions Usa, Inc. Shear wave imaging
US20120123263A1 (en) 2009-07-07 2012-05-17 Hitachi Medical Corporation Ultrasonic diagnostic apparatus and ultrasonic measurement method
US20140276046A1 (en) * 2013-03-13 2014-09-18 Siemens Medical Solutions Usa, Inc. Ultrasound ARFI Displacement Imaging Using an Adaptive Time Instance

Also Published As

Publication number Publication date
KR20160125910A (ko) 2016-11-01
CN106073824B (zh) 2019-04-23
DE102016107220B4 (de) 2018-10-25
DE102016107220A1 (de) 2016-10-27
US9814446B2 (en) 2017-11-14
CN106073824A (zh) 2016-11-09
US20160310107A1 (en) 2016-10-27
FR3035531A1 (ko) 2016-10-28

Similar Documents

Publication Publication Date Title
KR101874053B1 (ko) 전단파 이미징으로부터 전단 탄성률 및 점도의 자동 추정을 위한 방법 및 시스템
KR101805619B1 (ko) 3차원 의료 영상으로부터 최적의 2차원 의료 영상을 자동으로 생성하는 방법 및 장치
KR102204437B1 (ko) 컴퓨터 보조 진단 방법 및 장치
CN102223845B (zh) 图像处理设备和图像处理方法
US10102622B2 (en) Processing apparatus, processing method, and non-transitory computer-readable storage medium
CN102763135B (zh) 用于自动分割和时间跟踪的方法
Prastawa et al. Simulation of brain tumors in MR images for evaluation of segmentation efficacy
US9536316B2 (en) Apparatus and method for lesion segmentation and detection in medical images
US20140037168A1 (en) Image processing apparatus, method of controlling the same and storage medium
EP2846310A2 (en) Method and apparatus for registering medical images
KR102128325B1 (ko) 이미지 처리 시스템
US11350905B2 (en) Waveform enhanced reflection and margin boundary characterization for ultrasound tomography
JP7296171B2 (ja) データ処理方法、装置、機器及び記憶媒体
Deprez et al. 3D estimation of soft biological tissue deformation from radio-frequency ultrasound volume acquisitions
Tenbrinck et al. Histogram-based optical flow for motion estimation in ultrasound imaging
CN109313803B (zh) 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置
CN114972567A (zh) 一种基于波动方程的医学超声ct多参数图像重建方法
Jiao et al. Metrics for uncertainty analysis and visualization of diffusion tensor images
CN104027126A (zh) 医用图像处理装置以及医用图像处理方法
Honarvar Dynamic elastography with finite element-based inversion
Seabra et al. Three-dimensional ultrasound plaque characterization
Moradi et al. Statistical unit root test for edge detection in ultrasound images of vessels and cysts
Hardt et al. Analysis of the influence of multiple scattering on the reconstruction of ultrasound tomography signals using Synthetic Aperture Focussing Technique
Quartararo Semi-automated segmentation of 3d medical ultrasound images
Guo Techniques for Quantitation of Left Ventricular Volume in Ultrasound Using 4DViz

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant