KR102661893B1 - 물리적 양에 대한 초음파-도출된 프록시 - Google Patents
물리적 양에 대한 초음파-도출된 프록시 Download PDFInfo
- Publication number
- KR102661893B1 KR102661893B1 KR1020210151163A KR20210151163A KR102661893B1 KR 102661893 B1 KR102661893 B1 KR 102661893B1 KR 1020210151163 A KR1020210151163 A KR 1020210151163A KR 20210151163 A KR20210151163 A KR 20210151163A KR 102661893 B1 KR102661893 B1 KR 102661893B1
- Authority
- KR
- South Korea
- Prior art keywords
- ultrasound
- measurements
- values
- value
- sequence
- Prior art date
Links
- 238000002604 ultrasonography Methods 0.000 title claims abstract description 233
- 238000005259 measurement Methods 0.000 claims abstract description 121
- 239000000090 biomarker Substances 0.000 claims abstract description 113
- 230000009466 transformation Effects 0.000 claims abstract description 32
- 238000003556 assay Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 16
- 230000005855 radiation Effects 0.000 claims description 9
- 230000009266 disease activity Effects 0.000 claims description 6
- 238000002591 computed tomography Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000009533 lab test Methods 0.000 abstract description 8
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 21
- 238000006073 displacement reaction Methods 0.000 description 17
- 238000003384 imaging method Methods 0.000 description 14
- 210000004185 liver Anatomy 0.000 description 10
- 208000008338 non-alcoholic fatty liver disease Diseases 0.000 description 10
- 230000015654 memory Effects 0.000 description 9
- 206010016654 Fibrosis Diseases 0.000 description 8
- 238000001574 biopsy Methods 0.000 description 8
- 230000001419 dependent effect Effects 0.000 description 7
- 230000005284 excitation Effects 0.000 description 7
- 230000004761 fibrosis Effects 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 206010061218 Inflammation Diseases 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000001934 delay Effects 0.000 description 6
- 230000004054 inflammatory process Effects 0.000 description 6
- 238000002595 magnetic resonance imaging Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000012285 ultrasound imaging Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 206010053219 non-alcoholic steatohepatitis Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000007863 steatosis Effects 0.000 description 4
- 231100000240 steatosis hepatitis Toxicity 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 3
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 2
- 108010082126 Alanine transaminase Proteins 0.000 description 2
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 2
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 2
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 2
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 208000019425 cirrhosis of liver Diseases 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002962 histologic effect Effects 0.000 description 2
- 238000012317 liver biopsy Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010011732 Cyst Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 206010065973 Iron Overload Diseases 0.000 description 1
- 238000012773 Laboratory assay Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 208000031513 cyst Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 206010073071 hepatocellular carcinoma Diseases 0.000 description 1
- 231100000844 hepatocellular carcinoma Toxicity 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- 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
- A61B8/465—Displaying means of special interest adapted to display user selection data, e.g. icons or menus
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/58—Testing, adjusting or calibrating the diagnostic device
- A61B8/587—Calibration phantoms
-
- 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
- A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
-
- 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
- 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
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
-
- 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
- A61B8/5292—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30056—Liver; Hepatic
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physiology (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
초음파 스캐너(10)를 이용한 초음파-기반 프록시 추정을 위해, 하나 이상의 초음파 측정들은 상이한 모달리티의 바이오마커로 변환되며(34), 이를테면, 조직학 또는 실험실 테스트 검정으로부터 표준 바이오마커의 측정을 제공한다. 변환(34)은 사용자-선택 모델을 사용하여, 초음파 측정들을 바이오마커에 관련시키는 다양한 모델들 중 하나의 모델의 선택(30)을 허용한다. 초음파 스캔 시퀀스는 하나 이상의 바이오마커들 및 사용자-선택 모델에 최적화될 수 있다(32). 표준 바이오마커들에 비해 초음파 측정들의 사용에서의 이러한 개선은 진단에서 덜 비싸고 더 쉽게 획득되는 초음파 측정들의 수용을 초래할 가능성이 더 높을 수 있다.
Description
[0001] 본 실시예들은 초음파 이미징(imaging)에 관한 것이다. 초음파 이미징이 조직 특성들을 측정하기 위해 사용될 수 있지만, 이들 특성들은 의료 커뮤니티(community)에서 일반적으로 사용되는 표준들과 상이할 수 있다. 하나의 모달리티(modality)에 대한 측정이 표준이 될 수 있는데, 이를테면, 조직학-기반 스코어(score)가 표준이 된다. 다양한 모달리티들이 상이한 측정들을 제공한다. 상이한 모달리티들로부터의 바이오마커(Biomarker)들은 종종, 상이한 단위들 및/또는 스케일(scale)들로 상이한 물리적 속성들을 측정한다. 상이한 모달리티들로부터의 측정들은, 단위들 및/또는 스케일들이 표준에 대한 것과 상이한 경우 혼동될 수 있다. 임상의들은, 조직학적 분석 또는 다른 표준으로부터 도출된 대응하는 범위들의 양들에 대한 프록시(proxy)들로서 초음파-기반 바이오마커들의 정량적 범위들을 고려할 수 있지만, 이러한 변환은 부정확하거나 신뢰할 수 없다. 이는 새롭게 개발된 초음파 바이오마커의 느린 채택 및 어려운 해석을 초래할 수 있다.
[0002] 서론으로, 아래에서 설명되는 바람직한 실시예들은 초음파 스캐너(scanner)를 이용한 초음파-기반 프록시 추정을 위한 방법들, 명령들, 및 시스템(system)들을 포함한다. 하나 이상의 초음파 측정들은 상이한 모달리티의 바이오마커로 변환되며, 이를테면, 조직학 또는 실험실 테스트 검정(lab test assay)으로부터 표준 바이오마커의 측정을 제공한다. 변환은 사용자-선택 모델(model)을 사용하여, 초음파 측정들을 바이오마커에 관련시키는 다양한 모델들 중 하나의 모델의 선택을 허용한다. 초음파 스캔 시퀀스(ultrasound scan sequence)는 하나 이상의 바이오마커들 및 사용자-선택 모델에 최적화될 수 있다. 표준 바이오마커들에 비해 초음파 측정들의 사용에서의 이러한 개선은 진단에서 덜 비싸고 더 쉽게 획득되는 초음파 측정들의 수용을 초래할 가능성이 더 높을 수 있다.
[0003] 제1 양상에서, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법이 제공된다. 하나 이상의 초음파 측정들로부터 초음파 이외의 다른 모달리티의 바이오마커로 변환하기 위한 제1 변환 모델의 사용자 선택이 수신된다. 초음파 스캐너는 초음파 송신들의 시퀀스를 이용하여 환자를 스캐닝한다. 초음파 스캐너는 스캐닝(scanning)으로부터 기인하는 초음파 데이터(data)로부터 하나 이상의 초음파 측정들에 대한 하나 이상의 정량적 초음파 값들을 추정한다. 하나 이상의 정량적 초음파 값들은 제1 변환 모델에 의해 초음파 이외의 다른 모달리티의 바이오마커에 대한 값으로 변환된다. 환자에 대한 바이오마커에 대한 값이 디스플레이(display)된다.
[0004] 제2 양상에서, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법이 제공된다. 제1 초음파 측정 및 제2 초음파 측정로부터 초음파 이외의 다른 모달리티의 바이오마커로 변환하기 위한 제1 변환 모델의 사용자 선택이 수신된다. 초음파 스캐너는 초음파 송신들의 시퀀스를 이용하여 환자를 스캐닝한다. 시퀀스는 제1 변환 모델에 기반하여 정의된다. 초음파 스캐너는 스캐닝으로부터 기인하는 초음파 데이터로부터 제1 초음파 측정 및 제2 초음파 측정에 대한 제1 정량적 초음파 값 및 제2 정량적 초음파 값을 추정한다. 제1 정량적 초음파 값 및 제2 정량적 초음파 값은 제1 변환 모델에 의해 초음파 이외의 다른 모달리티의 바이오마커에 대한 값으로 변환된다. 바이오마커에 대한 값은 제1 정량적 초음파 값 및 제2 정량적 초음파 값과 상이한 스케일 및/또는 단위를 갖는다. 환자에 대한 바이오마커에 대한 값이 디스플레이된다.
[0005] 제3 양상에서, 초음파-기반 프록시 추정을 위한 시스템이 제공된다. 사용자 입력부는 초음파 파라미터(parameter)들을 비-초음파 파라미터에 관련시키는 제1 모델의 사용자 엔트리(entry)를 수신하도록 구성된다. 제1 모델은 비-초음파 파라미터에 대한 다수의 모델들의 리스트(list)에 존재한다. 빔형성기(beamformer)는 트랜스듀서(transducer)를 이용하여 환자의 펄스(pulse)들의 시퀀스들을 송신 및 수신하도록 구성된다. 펄스들의 시퀀스는 초음파 파라미터들에 대한 것이고 모델에 기반하여 최적화된다. 이미지 프로세서(image processor)는 초음파 파라미터들의 값들로부터 비-초음파 파라미터에 대한 값을 생성하도록 구성된다. 초음파 파라미터들의 값들은 펄스들의 송신 및 수신 시퀀스들을 사용하여 추정된다. 디스플레이는 질병 활동의 인덱스(index)에 대한 스코어를 디스플레이하도록 구성된다.
[0006] 본 발명은 다음의 청구항들에 의해 정의되며, 이러한 섹션의 어떠한 것도 그러한 청구항들에 대한 제한으로서 취해지지 않아야 한다. 본 발명의 추가적인 양상들 및 장점들은 바람직한 실시예들과 함께 아래에서 논의되며, 독립적으로 또는 조합하여 나중에 청구될 수 있다.
[0007] 컴포넌트(component)들 및 도면들은 반드시 실척일 필요는 없으며, 대신 본 발명의 원리들을 예시할 때 강조가 이루어진다. 게다가, 도면들에서, 유사한 참조 번호들은 상이한 도면들 전반에 걸쳐 대응하는 부분들을 지정한다.
[0008] 도 1은 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법의 일 실시예의 흐름도 다이어그램(diagram)이다.
[0009] 도 2는 상이한 표준 바이오마커들에 대한 예시적인 모델 선택을 예시한다.
[0010] 도 3은 비-초음파 바이오마커들에 대한 값들을 갖는 예시적인 초음파 이미지이다.
[0011] 도 4는 초음파-기반 프록시 추정을 위한 시스템의 일 실시예의 블록도이다.
[0008] 도 1은 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법의 일 실시예의 흐름도 다이어그램(diagram)이다.
[0009] 도 2는 상이한 표준 바이오마커들에 대한 예시적인 모델 선택을 예시한다.
[0010] 도 3은 비-초음파 바이오마커들에 대한 값들을 갖는 예시적인 초음파 이미지이다.
[0011] 도 4는 초음파-기반 프록시 추정을 위한 시스템의 일 실시예의 블록도이다.
[0012] 초음파-도출된 파라미터들의 측정 값들은 다른 모달리티로부터의 확립된 바이오마커들에 대한 프록시들로서 기능하는 새로운 값들에 맵핑(map)된다. 예컨대, 조직, 이를테면 간에서의 질병-관련 활동이 초음파를 사용하여 측정된다. 비알콜성 지방간 질병(NAFLD; nonalcoholic fatty liver disease)은 과도한 간 지방 축적 뿐만 아니라 간 섬유증을 특징으로 한다. 지방 분율(fat fraction)이 NAFLD의 표시자로서 측정될 수 있다. 간 또는 다른 조직들, 이를테면, 유방 조직 내의 지방 분율, 및/또는 다른 조직 속성들(예컨대, 섬유증의 정도)은 진단적으로 유용한 정보를 제공한다. 자기 공명 이미징(MRI)은 간 지방 함량의 바이오마커로서 양성자 밀도 지방 분율(PDFF)을 측정할 수 있다. MRI는 NAFLD 활동 스코어(NAS)를 추가로 추정하기 위해 사용될 수 있다. 그러나, MRI는 널리 이용가능하지 않으며, 비용이 많이 든다. 조직의 다른 특성들을 측정함으로써 지방 분율을 결정하기 위해 초음파가 사용될 수 있다.
[0013] NAFLD를 갖는 환자들의 25% 초과가 비-알콜성 지방간염(NASH)으로 발전한다. NASH는 간경변 및 간세포 암종으로 진행될 수 있다. NAS는 NASH의 변화들 또는 수준을 진단하고 모니터링(monitor)하는 데 사용된다. NAS는 간 생검들의 조직학적 평가로부터 제공되며, 관측된 지방증, 소엽성 염증, 및 벌루닝 스코어(ballooning score)들의 가중되지 않은 합산으로서 계산된다. 지방 분율을 나타내는 초음파 측정들은 NAS에 직접 맵핑되지 않는다. 인덱스 스코어가 초음파를 사용하여 추정되어, 질병 활동의 신속하고, 저렴하며, 비-침습적 추정을 허용한다. 초음파-도출된 NAS가 추정되어, 생검 또는 MRI를 회피한다.
[0014] 건강 상태들을 스크리닝(screening), 진단, 모니터링, 및/또는 예측하기 위해 정량적 초음파(QUS)가 사용된다. 인간 조직의 복잡성은 그 조직의 정확한 특성화를 위해 다수의 QUS 파라미터들을 사용하여 측정될 수 있다. 종파들의 산란 및 감쇠, 전단파들의 전파 및 감쇠, 및/또는 음향 방사력 임펄스(ARFI; acoustic radiation force impulse)로부터의 축상 파들의 전파 및 감쇠와 같은 상이한 파 현상들의 수신된 신호들로부터 추출된 정량적 파라미터들을 결합하는 다중-파라메트릭 접근법(multi-parametric approach)을 사용하여 간 지방 분율이 추정된다. 다른 예로서, NAS는 정량적 초음파를 사용하여 예측된다. NAS는 조직 기계적 및 음향 특성들의 초음파 추정들에 기반하여 예측된다. 음향 후방산란 계수, 전단파 속도, 및 전단파 감쇠비(damping ratio)를 포함하는 간의 적어도 3개의 속성들의 모델이 NAS를 예측하는 데 사용된다. 조직학적 NAS는 지방증, 소엽성 염증 및 벌루닝의 조직학적 스코어들의 합이지만, 생검을 요구한다. 초음파-도출된 모델은 적절한 기계적 및 음향 속성들을 NAS 특징들과 짝지운다(pair). 이를테면, 후방산란, 감쇠 및/또는 음속에 기반한 초음파-도출된 지방 분율은 지방증 등급의 척도로서 사용된다. 전단파 감쇠비가 염증의 척도로서 사용되고, 전단파 속력이 벌루닝의 척도로서 사용된다. 다른 초음파 측정들이 사용될 수 있다. 초음파 정량적 척도들을 지방 분율, NAS, 또는 다른 바이오마커들에 관련시키는 다른 모델들이 사용될 수 있다.
[0015] 모델들 중 임의의 모델에 대한 초음파-도출된 측정들은 다른 모달리티들에 의해 측정된 물리량들에 대한 프록시들이다. 새롭게 개발된 초음파 바이오마커들의 해석 및 채택을 용이하게 하기 위해, 다른 모달리티들(이미징, 실험실 테스트 검정들, 조직학-기반 스코어들, 자기 공명(MR), 컴퓨터(computer) 단층촬영(CT) 등)로부터의 현재 확립된 바이오마커들의 예측자들(예컨대, 유사한 단위들 및 스케일들)로서 측정들을 표현하는 것이 중요하다. 모델-기반 변환을 사용하여, 새롭게 개발된 초음파-도출된 바이오마커들은, 다른 모달리티들로부터의 확립된 바이오마커들로부터의 단위들 및 스케일들과 유사하고 그리고/또는 직관적인 단위들 및 스케일들로 표현된다. 이는 값들의 해석을 용이하게 하고 새로운 초음파 기술의 채택을 가속화한다.
[0016] 생검이 많은 질병들의 특징들을 결정하기 위한 최적의 표준(gold standard)으로 고려되지만, 생검은 일반 집단의 연구들에서 참조 표준으로서 실현가능하지 않다. 비침습적 이미징 및 실험실 검정 바이오마커들은 조직학적 특징들에 대한 대리물들로서 개발되었다. 많은 경우들에서, 질병 프로세스(process)는 상이한 모달리티들로부터의 다수의 확립된 바이오마커들 중 하나를 사용하여 특성화될 수 있다. 일 예로서, 섬유증은 초음파, MR, 또는 혈청 테스트를 사용하여 평가될 수 있다. 초음파 이미징이 더 쉽고 신속하며 값싸게 수행될 수 있으므로, 초음파-도출된 파라미터들은 다른 모달리티들로부터 확립되고 임상적으로 허용되는 바이오마커들에 대한 프록시들로서 기능하는 값들에 맵핑된다.
[0017] 시간에 걸쳐, 상이한 모델들 또는 연구들은 상이한 방식들로 동일하거나 상이한 측정들을 표준에 관련시킬 수 있다. 일 실시예에서, 비-초음파 바이오마커들에 대한 예측자들 또는 프록시들은 정량적 초음파(QUS) 측정들을 이용하는 사용자-선택 모델들에 기반한다. QUS 측정들은 후방산란, 전단파, 및 스펙클(speckle) 통계 데이터로부터 도출된 음향 및 기계적 속성들을 포함한다. 프록시-타입(type) QUS 측정들에서 다목적성을 허용하기 위해, 참조 간행물들에 기반한 맞춤형 및/또는 사용자-선택 모델들이 사용자에게 이용가능하다. 상이한 프록시들에 대한 선택된 모델 및/또는 모델들의 조합(예컨대, 하나는 지방 분율에 대한 것이고, 다른 하나는 NAS에 대한 것임)에 기반하여, 최적화된 시퀀스는 상이한 모델들에 대해 필요에 따라 QUS 파라미터들을 측정하는 데 사용된다.
[0018] 도 1은 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법의 일 실시예를 도시한다. 초음파는, 하나의 또는 상이한 시퀀스들 및 모델들의 사용을 통해, 진단을 위해 오늘날 사용되는 공통 척도들을 예측한다. 초음파 송신들의 시퀀스를 통한 다수의 QUS 측정들은 예측을 개선시킬 수 있다. 고차 모델 또는 상이한 모델들이 예측을 개선시킬 수 있다. 사용자는 사용될 모델 또는 모델들을 선택한다. 모델들 및/또는 시퀀스들의 조합은 초음파가 다른 모드(mode)들(예컨대, 조직학 또는 MR)에 대한 다수의 바이오마커들을 추정하게 허용할 수 있다. 단일 버튼(button) 누름으로, 특수화된 시퀀스가 초음파 데이터를 수집 및 프로세싱(process)하여, 비-초음파 바이오마커 또는 바이오마커들, 이를테면 이러한 병리들을 평가하기 위한 참조 표준들로서 현재 확립된 바이오마커에 대한 프록시 또는 프록시들을 생성한다. 예컨대, 간은 질병 진행의 상이한 스테이지(stage)에서 각각 다수의 동시적인 병리-지방증, 염증, 섬유증, 철분 과다 등을 겪을 수 있다. 프록시 추정은 하나 이상의 조건들을 평가하기 위한 초음파 간 실험실 테스트(혈청 실험실 테스트와 유사함)로서 작용한다.
[0019] 방법은 도 4의 시스템 또는 상이한 시스템에 의해 구현된다. 사용자는 원하는 표준 생체인식(예컨대, 비-초음파 생체인식)에 대해 사용될 모델을 선택한다. 의료 진단 초음파 스캐너는 파들을 음향적으로 생성하고 응답들을 측정함으로써, 선택된 모델에 대한 QUS 측정들을 수행한다. 스캐너, 컴퓨터, 서버(server), 또는 다른 디바이스(device)의 이미지 프로세서는 모델을 사용하여 측정들로부터 바이오마커에 대한 값을 추정한다. 디스플레이 디바이스, 네트워크(network), 또는 메모리(memory)가 바이오마커에 대한 값을 출력하기 위해 사용되어, 사용자 선택 모델에 기반하여 비-초음파 표준에 대한 초음파 프록시를 제공한다.
[0020] 부가적인, 상이한, 또는 더 적은 동작들이 제공될 수 있다. 예컨대, 동작들(30 및/또는 38)은 제공되지 않는다. 다른 예로서, 동작들(36 및 37)은 대안들이거나, 또는 둘 모두로부터의 결과들을 평균하는 것과 같이 함께 사용될 수 있다. 다른 예에서, 초음파 스캐너를 구성하기 위한 동작들이 제공된다. 동작들은 설명되거나 도시된 순서로(예컨대, 상단에서 하단으로 또는 수치적으로) 수행되지만, 다른 순서들로 수행될 수 있다.
[0021] 동작(30)에서, 사용자는 변환 모델 또는 모델들을 선택한다. 초음파 스캐너 또는 제어기는 하나 이상의 초음파 측정들로부터 초음파 이외의 다른 모달리티의 바이오마커로 변환하기 위한 모델 또는 모델들의 사용자 선택을 수신한다. 사용자는 리스트로부터 선택하거나, 또는 식별자의 엔트리는 데이터 전달, 메모리 위치 표시에 의해 그리고/또는 사용자 입력 디바이스로부터 수신된다.
[0022] 선택이 리스트로부터 이루어진다. 예컨대, 도 2는 3개의 비-초음파 바이오마커들 각각에 대한 맞춤형 필드(field) 및 3개의 상이한 간행물들 또는 참조들을 도시한다. 이러한 예에서, 사용자는 간 연구를 위해 MR-PDFF, 생검 섬유증, 및 NAS(생검-기반 NAFLD 활동 스코어) 바이오마커들을 사용하도록 선택한다. 바이오마커들은 이미징 애플리케이션(application)(예컨대, 간 이미징을 위해 초음파 스캐너를 구성함)에 기반하여 선택될 수 있다. 각각의 비-초음파 바이오마커에 대해, 사용자는 이용가능한 옵션(option)들 중 하나(예컨대, 도 2의 4개의 옵션들 중 하나)를 선택한다. 특정한 집단들에 대해 더 정확한 모델들과 같은 새로운 모델들이 생성됨에 따라, 모델들은 사용자에 의한 선택을 위해 리스트들에 추가된다. 대안적인 실시예들에서, 사용자는 사용자에 의해 입력된 대답들로부터 기인하는 일련의 질문들을 내비게이팅(navigate)한다. 응답으로, 주어진 환자에 대해 가장 적절한 모델이 선택된다.
[0023] 모델들은, 이를테면, 초음파 제조자에 의한 작업 또는 병원에 대해 수행된 연구에 기반하여 독점적일 수 있다. 모델들은, 이를테면 공개된 연구들 또는 논문들로부터 공개적일 수 있다. 모델들의 리스트는 대응하는 연구에 대한 참조 정보를 포함할 수 있다. 모델들은 사용자가 기존 모델을 변경하거나 또는 그들 자신의 모델을 제공하는 것과 같이 맞춤형일 수 있다. 모델은 주어진 의료 시설 또는 기관에 대해(예컨대, 병원 시스템에 대해) 맞춤화될 수 있다. 연구 또는 공개된 참조에만 기반하기보다는, 제한된 그룹(group)(예컨대, 주어진 의사 또는 진료(practice))에 대한 변경된 또는 오리지널(original) 모델이 생성된다. 새로운 또는 개선된 모델들이 존재하면, 모델들이 선택을 위해 제공된다. 상이한 환자 집단들에 대한 모델들이 이용가능하게 되면, 모델들이 선택을 위해 제공된다.
[0024] 맞춤형 모델은 이전에 생성되었을 수 있다. 사용자는 이전에 맞춤화된 모델의 식별을 입력한다. 맞춤형 모델은 필요에 따라 생성되거나 사용될 수 있다. 사용자 인터페이스(interface)는 상이한 QUS 측정들의 옵션들을 나열하며, QUS 측정들로부터 바이오마커를 제공하기 위한 함수의 정의를 허용할 수 있다. 사용자는 입력들로서 다수의 음향 파라미터들을 사용하는 맞춤형 공식을 특정하기를 원할 수 있다. 시스템은 이러한 파라미터들을 추정하고 이들을 맞춤형 수학식에서 사용하기 위해 최적의 시퀀스를 자동으로 발화(fire)시킬 것이다. 이러한 옵션은, 임상의들이 더 많은 데이터를 수집하고, 즉석에서 모델들을 비교하기 위한 방식을 가지므로 현장에서 모델들을 개선시키는 것을 용이하게 할 수 있다. 맞춤형 모델의 경우, 선택은 초음파 시스템의 제조자에 의해 제공되지 않은 모델에 기반한다. 예컨대, 제조자는 간행물들 또는 연구들에 기반한 모델들을 제공하지만, 또한 사용자가 선택을 위해 다른 맞춤형 모델들을 식별하게 허용한다.
[0025] 선택은, 사용자가 관심있는 실험실 테스트들 또는 바이오마커들을 선택하는 것과 같이 네스팅(nest)될 수 있다. 사용자는 실험실 테스트들(예컨대, 지방 함량, 염증 등)을 선택한다. 각각의 바이오마커에 대해, 하나 이상의 모델들이 옵션들로서 제공된다. 사용자는 그러한 테스트들을 위한 모델들을 (예컨대, 참조 간행물에 기반하여) 선택한다. 예컨대, 상이한 연구들은 상이한 초음파 정보를 바이오마커에 관련시킬 수 있다. 사용자는 하나 이상(예컨대, 2개)의 초음파 측정들로부터 표준의 바이오마커, 이를테면 조직학 또는 MR-기반 표준 바이오마커(측정)로 변환하기 위해 어느 연구 및 대응하는 모델을 사용할지를 선택할 수 있다. 시스템은 사용자 선택에 기반하여 시퀀스를 셋업(set up)한다. 그에 따라, 데이터가 프로세싱되고 사용자에게 제시되어, 비-초음파 바이오마커들의 초음파-기반 프록시에서의 효율적인 정량적 유용성을 제공한다. 대안적으로, 초음파 스캐너는 주어진 바이오마커에 대해 구성되고, 사용자는 그 하나의 바이오마커에 대한 모델만을 선택한다.
[0026] 각각의 모델에 대해, 하나 이상의 초음파 측정들이 정의된다. 각각의 모델은 비-초음파 바이오마커에 대한 값을 변환 또는 추정하기 위해 수행될 상이한 초음파 QUS 측정들의 리스트를 제공한다. 모델은 또한 비-초음파 바이오마커의 값으로의 초음파 QUS 측정들의 값들의 변환 또는 비-초음파 바이오마커의 값에 대한 초음파 QUS 측정들의 값들의 관계를 정의한다.
[0027] 동작(32)에서, 초음파 스캐너는 환자를 스캐닝한다. 스캐닝은 환자에서 조직의 하나 이상의 QUS 측정들의 값들을 생성하기 위한 것이다. QUS 측정들은 산란기에 대한 것일 수 있다. QUS 측정들은 전단파 전파에 대한 것일 수 있다. QUS 측정들은 축방향 변위의 ARFI 측정을 위한 것일 수 있다. QUS 측정들은, 감쇠 계수(AC), 후방산란 계수(BSC), 비선형성 계수(NLC), 초음파 도출된 지방 분율(UDFF), 음속(SOS), 평균 산란기 반경(MSR), 평균 산란기 간격(MSS), 평균 산란기 농도(MSC), 전단파 속력(SWS), 전단파 감쇠(SWA), 전단 감쇠비(SDR), 및/또는 호모다이닝된(homodyned) K 분포 파라미터들 [K-ε,α,σ]을 포함하는 음향 속성들에 대한 것일 수 있다.
[0028] 산란기의 측정 또는 측정들은 초음파 스캐너로부터 송신된 종파에 대한 조직 반응을 측정한다. 조직에 충돌하는 종파의 산란 또는 에코(echo)가 측정된다. 임의의 산란기 측정이 사용될 수 있다. AC, BSC, MSR, MSS, 및 MSC와 같은 음향 속성들은 리턴(return)된 초음파 신호들의 주파수 및 깊이 의존성을 분석함으로써 B-모드-형 프레임(frame)들로부터 추정된다. 예시적인 산란기 파라미터들은, 음속, 사운드(sound) 분산, 각도 산란 계수(예컨대, 후방산란 계수), 주파수-의존 감쇠 계수, 감쇠 계수 기울기, 정규화된 로그-스펙트럼(log-spectrum)의 스펙트럼 기울기, 정규화된 로그-스펙트럼의 스펙트럼 인터셉트(intercept), 정규화된 로그-스펙트럼의 스펙트럼 중간대역, 유효 산란기 직경, 음향 농도, 산란기 수 밀도, 평균 산란기 간격, 비선형성 파라미터(B/A), 및/또는 코히런트(coherent) 대 인코히런트(incoherent)의 비를 포함한다.
[0029] 채널(channel) 데이터의 분석은 통상적으로 SOS의 추정들을 획득하는 데 사용된다. NLC를 추정하는 것은 상이한 송신 전력들에서의 송신들의 시퀀스를 요구하며, 변화를 분석하는 것은 송신 전력에 대해 AC 또는 BSC이다. 재구성된 US 이미지들의 스펙클 통계들을 분석함으로써 K-분포 파라미터들이 획득된다.
[0030] 임의의 전단파 파라미터 또는 파라미터들이 결정될 수 있다. 초음파 푸시 펄스(ultrasound push pulse)들에 의해 생성된 추적 전단파들로부터 변위 프로파일(profile)들을 분석함으로써, SWS, SWA, SDR, 영률(SWE; Young's modulus) 및 전단파 점도(SWV)와 같은 속성들이 추정된다. 예컨대, 조직에서의 전단파 속력 또는 속도가 측정된다. 다른 전단파 파라미터들은, 각도 및/또는 주파수-의존 전단파 속력, 각도 및 주파수-의존 전단파 감쇠, 각도 및/또는 주파수-의존 저장 계수, 각도 및/또는 주파수-의존 손실 계수, 점도, 및/또는 각도 및/또는 주파수-의존 음향 흡수 계수를 포함한다.
[0031] 임의의 ARFI 측정이 사용될 수 있다. 예컨대, ARFI 펄스의 종파의 감쇠는 ARFI의 초점으로부터 이격된 위치들에서 추적되는 변위들로부터 추정될 수 있다. 측정들은 축방향 스캔 라인(line)을 따라 초점 또는 다른 위치들에 있을 수 있다.
[0032] QUS 측정치들의 임의의 조합이 사용될 수 있다. 하나 초과의 측정이 수행될 수 있다. 예컨대, 초음파 시스템은 환자 조직의 2개 이상의 산란 파라미터들에 대한 값들을 결정한다. 일 실시예에서, 음향 감쇠 계수, 후방산란 계수, 및/또는 주파수-의존 후방산란 계수의 로그의 스펙트럼 기울기가 측정된다.
[0033] 사용될 QUS 측정들은 선택된 모델 또는 모델들에 기반한다. 환자를 스캐닝하기 위한 초음파 송신들 및 수신들의 시퀀스는 변환 모델 또는 모델들에 기반하여 정의된다. 변환 모델들은 입력 정보를 정의하고, 초음파 스캐너는 입력 측정들에 대한 추정들을 생성하기 위해 환자를 스캐닝한다. 초음파 스캐너는 임의의 선택된 모델 또는 모델들에 대해 필요한 파라미터들을 추정하기 위해 시퀀스 또는 시퀀스들을 자동으로 셋업한다. 선택은 스캐닝을 구성하는 데 사용된다. 사용자는 입력들로서 다수의 음향 파라미터들을 사용하는 맞춤형 공식을 특정하기를 원할 수 있다. 초음파 시스템은 맞춤형 수학식에서 사용하기 위해 이러한 파라미터들을 추정하도록 최적의 시퀀스를 자동으로 발화시킨다.
[0034] QUS 측정들을 수행하기 위해, 초음파 스캐너는 환자를 스캐닝한다. 상이한 측정들은 상이한 송신 펄스들 및 수신 또는 초음파 시퀀스들을 사용한다. 하나의 측정을 위한 송신 및/또는 수신이 다른 측정들을 위해 사용될 수 있다. 정량적 초음파 산란기, 전단, 및/또는 ARFI 파라미터들을 추정하기 위해 신호들을 획득하도록 송신 및 수신 이벤트(event)들의 시퀀스가 수행된다. 일 실시예에서, 1, 2, 또는 3-차원 구역은 B-모드 시퀀스에 의해 스캐닝된다(예컨대, 브로드밴드(broadband)(예컨대, 1 내지 2 사이클(cycle)) 송신 빔(beam)을 송신하고 하나 이상의 응답 수신 빔들을 형성함). 상이한 송신 및/또는 수신 설정들을 갖거나 갖지 않는 반복은 산란기를 한번 측정하거나 또는 산란기를 상이하게 측정하는 데 사용될 수 있다. 다른 실시예에서, 푸싱 펄스(pushing pulse) 또는 ARFI가 조직 내의 초점 위치로 송신된다. 휴지 상태(resting state) 조직 포지션(position)에 대한 참조 스캔은 푸싱 펄스 전에 또는 조직이 휴지 상태로 복귀한 이후 수행된다. 초점 위치로부터 이격된 하나 이상의 위치들에서의 조직의 포지션 또는 변위의 변화가 시간에 걸쳐 측정된다. 추적 스캔들이 반복적으로 수행된다. 상관 또는 다른 유사성 척도를 사용하여, 현재 추적 시간과 비교하여 참조 시간으로부터의 조직의 축방향, 2D, 또는 3D 시프트(shift)가 결정된다. 최대 변위의 시간은 전단파의 시간을 표시한다. 전단파 파라미터들의 측정은 주파수 및/또는 각도의 함수일 수 있다. 또 다른 실시예에서, ARFI는 스캔 라인을 따라 송신된다. 추적 스캔들은 ARFI의 송신 이후 수행된다. 스캔 라인을 따른 추적 송신들로부터의 음향 에코들이 수신된다. 수신된 데이터는 ARFI-유발 변위들 이전 또는 이후로부터의 참조와 상관된다. 시간, 위치, 송신 각도, 및/또는 송신 주파수의 함수로서 변위의 양이 결정된다. 최대 변위의 양, 깊이의 함수로서의 변위, 및/또는 시간의 함수로서의 변위가 ARFI 측정을 계산하는 데 사용된다.
[0035] 모델 또는 모델들이 하나 이상의 QUS 측정들을 정의하므로, 단일 활성화에 대한 응답으로 스캔에서의 송신들 및 수신들의 시퀀스가 개시되고 수행된다. 사용자에게는 단일 버튼 누름으로 하나의 또는 다수의 프록시 측정들을 획득하기 위해 모델들을 선택하거나 특정하기 위한 툴(tool)들이 제공된다. 각각의 시퀀스의 특정 세부사항들을 제공하기보다는, 작업흐름은 모델 선택을 허용하며, 모델들은 시퀀스를 제공하기 위해 스캔들을 정의한다. 초음파 스캐너는 QUS 측정들을 위한 송신들 및 수신들을 결합하기 위해 규칙들을 룩업(look-up)하거나 사용한다. 사용자 선택에 기반한 이러한 최적의 시퀀스는 사용자에 의한 스캐닝을 활성화시키기 위해 단일 버튼 누름으로 모든 프록시 측정들을 제공한다. 단일 활성화를 위한 초음파 데이터는 시퀀스에 따라 스캐닝됨으로써 수집되어, 측정들이 동일한 조사 구역에 대응하는 것을 보장한다. 단일 버튼 누름은 초음파 스캐너로 하여금, 비-초음파 바이오마커들에 대한 프록시들을 생성하기 위해 모든 필요한 초음파 데이터를 수집 및 프로세싱하도록, 특수화된 시퀀스를 실행하게 한다. 특수화된 시퀀스는 다수의 획득들로 이루어진다. 각각의 획득으로부터의 데이터는 하나 이상의 음향 속성들을 추정하는 데 사용된다.
[0036] 모델 또는 모델들이 2개 이상의 QUS 측정들을 요구하는 경우, 측정들은 임의의 순서로 수행될 수 있다. 시퀀스는 QUS 측정들을 수행하기 위해 송신 및 수신들의 순차적인 결합에 의해 생성된다. 시퀀스는 최적화될 수 있다. 예컨대, 스캔들은 인터리빙(interleave)된다. 상이한 QUS 측정들을 위해 스캔들을 인터리빙하는 것은 획득을 가속화하여, 시퀀스에 대한 스캐닝 시간을 감소시킬 수 있다. 수행될 피드백(feedback) 및/또는 QUS 측정들에 기반하여 송신 전력, 주파수, F#, 또는 다른 송신 또는 수신 특성을 조정하는 것과 같은 다른 최적화들이 가능하다. 비선형성은 감쇠 및 후방산란 추정들에서 상당한 편향을 야기할 수 있으며, 따라서 신호-대-잡음비를 유지하면서 감쇠를 측정하기 위해 송신 전력 최적화가 사용될 수 있다. 최적화는 열적 고려사항들에 기반하여 수행될 수 있다. 예컨대, ARFI를 사용하지 않는 측정들에 대한 송신들 이후 ARFI가 수행된다. ARFI 시퀀스들은 음속 및 감쇠의 추정들에 영향을 줄 수 있는 국부화된 가열을 많이 야기할 수 있어서, 나중에 ARFI가 최적화된 시퀀스로 수행되게 한다. 시퀀스는 사용자가 가장 짧은 또는 짧은 시간량에 걸친 송신들 및 수신들의 결합으로부터 하나의 스캔으로 측정들을 획득하게 허용한다는 의미에서, 시퀀스가 최적화된다. 스캔들은, 하나의 스캔이 다른 스캔의 추정들에 영향을 주지 않는 방식으로 시퀀스로 순서화된다.
[0037] 시퀀스는 미리 결정될 수 있다. 하나 이상의 변환 모델들의 가능한 조합들에 의해 반영된 QUS 측정들의 가능한 조합들이 상이한 시퀀스들을 결정하는 데 사용된다. 모델 또는 모델들의 사용자 선택에 기반하여, 대응하는 최적화된 시퀀스가 로딩(load)된다. 대안적으로, 규칙들이 제공된다. 시퀀스를 생성하기 위해 규칙들의 계층구조가 사용된다. 예컨대, 가장 높은 우선순위 규칙은 다른 스캔들 이후 ARFI를 수행하는 것이다. 다른 규칙은 인터리빙하는 것이다. 인터리빙은, 인터리빙이 가장 높은 우선순위 규칙을 위반하지 않는 경우 수행된다. 규칙들의 사용은 사용자가 맞춤형 모델을 정의하게 허용할 수 있다. 맞춤형 모델은 사용자-선택 QUS 측정들을 가지므로, 사용자-선택 QUS 측정들을 위한 최적화된 시퀀스가 맞춤형 모델의 측정들을 위한 초음파 송신들의 시퀀스를 정의하는 규칙들로부터 형성되게 한다.
[0038] 시퀀스의 스캐닝은 적응적(adaptive)일 수 있다. QUS 측정들로부터의 변환 이후의 비-초음파 바이오마커의 값 및/또는 QUS 측정들의 값들은 스캐닝을 적응시키는 데 사용된다. 적응은 시퀀스의 다른 형태의 최적화이다. 일 예에서, 초음파 파라미터들의 제1 추정들을 얻기 위해 초기 스캔들이 수행된다. 이어서, 추정들의 정확도 및 정밀도를 개선시키기 위해, 최적화된 송신/수신 조건을 선택하도록 추정들이 사용된다. 예컨대, 송신 주파수, 대역폭, 송신 전력, 수신 이득 등이 스캐닝의 반복들에서 조정된다. 조정은 AC, BSC, 및/또는 SOS의 추정들과 같은 제1 추정들에 기반한다. 다른 예로서, 시퀀스는 반복적 또는 적응적 교정에서 바이오마커에 대한 값에 기반하여 적응된다. 참조 팬텀 방법(RPM; reference phantom method)을 사용하여, 매우 양호하게 특성화된 팬텀이 시스템 효과들을 정규화하는 데 사용된다. 환자 원시(raw) 초음파 데이터는 다수의 참조 팬텀들을 통해 반복적으로 프로세싱 및 정규화된다. 바이오마커에 대한 값(예컨대, UDFF 값)은 환자의 음향 속성들에 가장 가까운 음향 속성들(AC, BSC)을 갖는 참조 팬텀을 사용하여 적응되는 데 사용된다. UDFF는 AC 및/또는 BCS를 추정할 시에 사용되는 SOS가 변화될 것이라는 것을 표시할 수 있다. 적응된 SOS를 사용하여 스캔이 반복된다. 다른 예에서, SOS가 지방을 나타내는 동안 정상(normal)을 나타내는 지방 분율과 같은 값들의 미스매치(mismatch)가 존재할 수 있다. 지방 분율을 결정하는 데 사용되는 BCS는 이러한 미스매치로 인해 잘못될 수 있어서, 새로운 SOS에 의존하는 BCS로 스캔이 반복되게 한다.
[0039] 스캐닝의 시퀀스의 다른 적응들이 사용될 수 있다. 예컨대, 전단파의 감쇠 계수의 추정을 위해, 푸시 펄스가 적응된다. 푸시 펄스의 중심 주파수, 지속기간, f-수, 또는 다른 특성이 나중의 송신을 위해 변화된다. 초점이 더 촘촘하거나 더 약하다(weaker). 전단파를 생성하기 위한 변위는 더 크거나 더 적다. 다른 예로서, ARFI 푸시 펄스를 이용한 흡수 계수의 추정을 위해, 더 촘촘한 초점 또는 더 긴 지속기간으로 다른 푸시 펄스가 송신된다. 변화는 신호-대-잡음비(SNR)를 개선시키고 그리고/또는 측정들의 변동성을 감소시킬 수 있다.
[0040] 동작(33)에서, 초음파 스캐너는 QUS 측정 또는 측정들을 위한 값 또는 값들을 추정한다. 스캐닝으로부터 기인하는 초음파 데이터는 값 또는 값들을 추정하는 데 사용된다. QUS 값들은 선택된 변환 모델 또는 모델들과 연관된 QUS 측정들을 위해 추정된다. 예컨대, AC, BSC, SOS, 및 SWS에 대한 값들은 NAS 및/또는 FF를 예측하기 위해 모델에 대해 추정된다. 값들 중 하나 이상은 ARFI에 대한 응답으로 측정들을 사용할 수 있다.
[0041] 다양한 QUS 측정들 중 임의의 QUS 측정에 대한 값 또는 값들이 추정될 수 있다. 스캐닝으로부터의 데이터는 AC, BSC, ESD, SD, SWS, SWV, NC, SOS, 호모다이닝된 K-분포 파라미터들 등과 같은 하나 이상의 음향 속성들을 추정하는 데 사용된다. AC, BSC, ESD, 및 SD와 같은 음향 속성들은 리턴된 초음파 신호들의 주파수 및 깊이 의존성을 분석함으로써 B-모드-형 프레임들로부터 추정된다. 초음파 푸시 펄스들에 의해 생성된 추적 전단파들로부터 변위 프로파일들을 분석함으로써, SWS 및 SWV와 같은 속성들이 추정된다. NC를 추정하는 것은 상이한 송신 전력들에서의 송신들의 시퀀스 및 송신 전력에 대한 AC 또는 BSC의 변화를 분석하는 것을 요구한다. 채널 데이터의 분석은 통상적으로 SOS의 추정들을 획득하는 데 요구된다. 재구성된 US 이미지들의 스펙클 통계들을 분석함으로써 K-분포 파라미터들이 획득된다. 이들 파라미터들에 대한 값들은 바이오마커들을 예측하기 위해 변환 모델들에 공급된다.
[0042] 동작(34)에서, 프로세서는 하나 이상의 QUS 값들을 초음파 이외의 다른 모달리티의 바이오마커에 대한 값으로 변환한다. 변환 모델 또는 모델들은 QUS 값들을 비-초음파 바이오마커로 변환하는데, 이를테면 AC, BSC, 및 SWS를 PDFF로 변환한다. 선택된 모델 또는 모델들로부터의 QUS 측정들에 대한 추정들이 제공된다. 모델들은 추정들을 바이오마커 또는 바이오마커들, 이를테면, MR, CT, 실험실 테스트 검정, 및/또는 조직학으로부터의 표준 측정들로 변환하는 데 사용된다.
[0043] 예컨대, AC 및 BSC는 PDFF로 변환된다. 다른 예로서, SWE는 MRE로 변환된다. 또 다른 예에서, 밀도는 HU로 변환된다. 또 다른 예로서, SWE는 FibroTest로 변환된다. 다른 예로서, AC 및 BSC는 지방 퇴적을 갖는 세포들의 비율로 변환된다. 다른 변환들이 사용될 수 있다.
[0044] 바이오마커는 QUS 측정들과 상이한 단일성 및/또는 스케일을 갖는다. 변환 모델은 확립된 바이오마커의 단위들 및/또는 스케일로 변환된다. 예컨대, AC는 dB/cmMHz로 주어지고, BSC는 dB/cm-str로 주어지며, 이러한 단위들은 지방 분율의 %로 변환된다. 다른 예로서, SWE는 kPa로 주어지며, 이는 0 내지 1 스케일의 섬유성 스코어로 변환된다. 변환은 선형 또는 연속 스케일로부터 상이한 선형 또는 연속 스케일로 이루어질 수 있다. 변환은 선형 또는 연속 스케일로부터 비-선형 또는 비-연속 스케일로 이루어질 수 있고, 이를테면 스코어 또는 랭킹(ranking)으로의 변환일 수 있다.
[0045] 비-초음파 바이오마커의 값을 추정하기 위해 다른 정보가 사용될 수 있다. 예컨대, 환자에 대한 임상 정보가 사용된다. 임상 정보는 병력, 나이, 체질량 지수, 성별, 금식 여부(fasting or not), 혈압, 당뇨 여부, 및/또는 혈액 바이오마커 측정치일 수 있다. 예시적인 혈액 바이오마커들은 알라닌 아미노트랜스퍼라제(ALT; alanine aminotransferase) 수준, 아스파테이트 아미노트랜스퍼라제(AST; aspartate aminotransferase) 수준, 및/또는 알칼리성 포스파타제(ALP; alkaline phosphatase) 수준을 포함한다. 바이오마커의 값을 결정하기 위해 환자에 관한 임의의 정보가 QUS 추정들과 함께 입력될 수 있다.
[0046] 동작들(36 및 37)은 동작(34)에서 추정하기 위한 2개의 상이한 실시예들을 표현한다. 상이한 실시예들은 대안들이다. 다른 실시예들이 사용될 수 있다. 둘 모두 또는 다수의 실시예들, 이를테면 2개의 방식들로 조직 속성에 대한 값을 결정하고, 이어서, 결과들을 평균하거나 가장 정확할 가능성이 있는 결과를 선택하는 것이 사용될 수 있다.
[0047] 동작(36)의 실시예에서, 기계-학습된 분류기가 바이오마커를 추정한다. 기계-훈련된 분류기가 비선형 변환 모델을 제공한다. 임의의 기계 학습 및 결과적인 기계-학습된 분류기가 사용될 수 있다. 예컨대, 지원 벡터 기계(support vector machine), 확률론적 부스팅 트리(probabilistic boosting tree), 베이지안 네트워크(Bayesian network), 뉴럴 네트워크(neural network), 회귀, 또는 다른 기계 학습이 사용된다.
[0048] 기계 학습은 훈련 데이터로부터 학습한다. 훈련 데이터는 수십, 수백, 또는 수천 개의 샘플(sample)들, 및 실측 자료(ground truth)와 같은 다양한 예들을 포함한다. 예들은 사용될 입력 데이터, 이를테면 산란 및 전단파 전파 파라미터들에 대한 값들을 포함한다. 실측 자료는 각각의 예의 바이오마커에 대한 값이다. 일 예에서, 기계 학습은 산란 및 전단파 전파 파라미터들에 기반하여 지방 분율을 분류하는 것을 학습하는 것이다. 지방 분율에 대한 실측 자료에는 조직학으로부터 양성자 밀도 지방 분율(PDFF)을 제공하는 자기 공명(MR) 스캔이 제공된다. MR-PDFF 또는 조직학은 위치 또는 구역에 대한 지방의 백분율을 제공한다. 지방의 백분율은 실측 자료로서 사용되어, 기계 학습이 초음파 파라미터들에 대한 입력 값들로부터 지방의 백분율을 분류하는 것을 학습하게 한다. 이를테면, 모델링(modeling) 또는 다른 측정들로부터, 주어진 조직 속성에 대해 실측 자료의 다른 소스(source)들이 사용될 수 있다.
[0049] 일 실시예에서, 기계 학습은 뉴럴 네트워크를 훈련시킨다. 뉴럴 네트워크는 바이오마커의 값들 사이를 구별하기 위해 필터 커널(filter kernel)을 학습하는 하나 이상의 콘볼루션 계층(convolution layer)들을 포함한다. 기계 훈련은, 입력 값들의 어떤 가중된 조합(예컨대, 학습된 커널을 사용하는 콘볼루션)이 출력을 표시하는지를 학습한다. 결과적인 기계-학습된 분류기는 입력 값들을 사용하여 구별 정보를 추출하고, 이어서, 추출된 정보에 기반하여 바이오마커를 분류한다.
[0050] 동작(37)의 실시예에서, 기계-학습된 모델 대신에 또는 그에 부가하여, 선형 모델이 사용된다. 미리 결정된 또는 프로그래밍된(programmed) 함수는 입력 값들을 출력 값들에 관련시킨다. 함수 및/또는 함수에서 사용된 가중치들은 실험적으로 결정될 수 있다. 예컨대, 가중치들은 최소 제곱 최소화에 의해 획득된다.
[0051] 임의의 선형 함수가 사용될 수 있다. 예컨대, 바이오마커의 값은 하나 이상의 산란기 파라미터들 및 하나 이상의 전단파 전파 파라미터들로부터 추정된다. 덧셈, 뺄셈, 곱셈, 또는 나눗셈의 임의의 조합이 사용될 수 있다. 일 실시예에서, 2개 이상의 함수들(예컨대, 측정치들의 가중된 조합들)이 제공된다. 함수들 중 하나는 파라미터들 중 하나의 파라미터의 값에 기반하여 선택된다. 룩업 테이블(look-up table)이 함수를 구현하기 위해 또는 함수로서 사용될 수 있다.
[0052] 바이오마커들을 예측하기 위한 변환 모델들은 임상 데이터, 팬텀 데이터, 및/또는 시뮬레이션(simulation)들을 사용하여 훈련되거나 생성된다. 변환 모델들은 회귀 모델들 또는 기계 학습 분류기들일 수 있다. 일 예로서, MR-PDFF(지방증)에 대한 프록시는 AC, BSC, SOS, 및 NC의 다항식 피트(polynomial fit)를 사용한다. 다른 예에서, 조직학적 섬유증 등급에 대한 프록시는 SWS를 사용하는 로지스틱 회귀 모델(logistic regression model)이다. 다른 예로서, 조직학적인 염증에 대한 프록시는 AC, BSC, SOS, SWS, SWV 및 NC를 사용하는 로지스틱 회귀 모델이다.
[0053] 변환 모델은 실험적으로 그리고/또는 이론적으로 결정되는 맵핑(mapping)을 표현한다. 일 예에서, 초음파로부터 MRI-PDFF를 추정하기 위해 변환 모델이 생성된다. 예시적인 접근법에서, 변환 모델은 참여자들(예컨대, 인간 또는 동물 참여자들)에 대해 초음파 스캐닝 및 간 생검들을 수행함으로써 생성된다. 변환 모델은 초음파 파라미터들에 기반하여 트리글리세라이드(triglyceride) 농도를 예측하기 위해 도출된다. 다른 예에서, 초음파 및 MRI 양성자 밀도 지방 분율(MRI-PDFF)이 참여자들에 대해 수행된다. 모델은 초음파 파라미터들에 기반하여 MRI-PDFF를 예측하도록 도출된다. MRI-PDFF에 기반하여 트리글리세라이드 농도를 예측하기 위한 기존 모델들이 농도로 변환하는 데 사용될 수 있다. 이는, 생검들이 점차 덜 일반적이기 때문에 유용할 것이다. 또 다른 예시적인 접근법에서, 변환 모델은 배경 조직에서 트리글리세라이드들과의 초음파 상호작용의 시뮬레이션들에 기반하여 생성된다. 초음파 후방산란 계수는 트리글리세라이드 농도, 액적 크기, 및 배경 재료에 대한 상대적인 임피던스(impedance)의 함수이다. 이들 파라미터들은 바이오마커들을 예측하기 위해, 훈련된 모델들 또는 룩업 테이블들에 공급된다.
[0054] 동작(38)에서, 초음파 스캐너, 프로세서, 또는 디스플레이 디바이스는 환자에 대한 추정된 바이오마커 또는 바이오마커들을 디스플레이한다. 예컨대, 지방 분율의 이미지가 생성된다. 도 3은 사용자에 의해 선택된 3개의 변환 모델들(즉, UDFF = MRI - UDFF, UDFG = 생검 섬유증 스코어, 및 UDAS = NAS)에 대응하는 3개의 바이오마커들에 대한 주석들을 갖는 예시적인 초음파 B-모드 이미지를 도시한다. 추정된 바이오마커를 표현하는 값이 스크린(screen) 상에 디스플레이된다. 대안적으로 또는 부가적으로, 추정된 바이오마커를 표현하는 그래픽(graphic)(예컨대, 곡선 또는 아이콘(icon))이 디스플레이된다. 스케일에 대한 참조 또는 다른 참조가 디스플레이될 수 있다. 다른 실시예들에서, 위치의 함수로서 바이오마커의 값은 색상, 밝기, 색조, 휘도, 또는 1차원, 2차원, 또는 3-차원 표현의 디스플레이 값들의 다른 변조에 의해 디스플레이된다. 바이오마커 값들은 픽셀(pixel) 색상에 선형적으로 또는 비-선형적으로 맵핑될 수 있다.
[0055] 바이오마커의 값은 단독으로 또는 다른 정보와 함께 표시된다. 예컨대, 전단파 이미징이 수행된다. 전단파에 대한 조직 반응으로부터 결정된 전단파 속도, 계수 또는 다른 정보가 디스플레이된다. 디스플레이된 이미지는 관심 구역 또는 전체 이미징 구역에 대한 전단파 정보를 표현한다. 예컨대, 전단 속도 값들이 관심 구역 또는 시야 내의 모든 그리드 포인트(grid point)들에 대해 결정되는 경우, 디스플레이의 픽셀들은 그 구역에 대한 전단파 속도들을 표현한다. 디스플레이 그리드는, 변위들이 계산되는 그리드 및/또는 스캔 그리드와 상이할 수 있다.
[0056] 전단파 정보는 디스플레이 값들의 색상 오버레이(overlay) 또는 다른 변조에 대해 사용된다. 색상, 밝기, 휘도, 색조, 또는 다른 디스플레이 특성은 전단파 속도와 같은 전단파 특성의 함수로서 변조된다. 이미지는 위치들의 2-차원 또는 3-차원 구역을 표현한다. 전단 데이터는 디스플레이 포맷(format)으로 이루어지거나 또는 디스플레이 포맷으로 스캔 변환될 수 있다. 전단 데이터는 색상 또는 그레이 스케일(gray scale) 데이터이지만, 그레이 스케일 또는 색상 스케일과의 맵핑 이전의 데이터일 수 있다. 정보는 디스플레이 값들에 선형적으로 또는 비-선형적으로 맵핑될 수 있다.
[0057] 이미지는 다른 데이터를 포함할 수 있다. 예컨대, 전단파 정보는 B-모드 정보 위에 또는 B-모드 정보와 함께 디스플레이된다. 동일한 구역 내의 조직, 유체, 또는 조영제들을 표현하는 B-모드 또는 다른 데이터, 이를테면, 임계치 미만의 전단파 속도를 갖거나 불량한 품질을 갖는 임의의 위치들에 대한 디스플레이한 B-모드 데이터가 포함될 수 있다. 다른 데이터는 사용자가 전단 정보의 위치를 결정하는 것을 보조한다. 다른 실시예들에서, 전단파 특성은 다른 데이터 없이 이미지로서 디스플레이된다. 또 다른 실시예들에서, B-모드 또는 다른 이미지 정보가 전단파 정보 없이 제공된다.
[0058] 바이오마커의 부가적인 추정된 값 또는 바이오마커들의 값들은 전단파, B-모드, 색상 또는 유동 모드, M-모드, 조영제 모드, 및/또는 다른 이미징과 실질적으로 동시에 디스플레이된다. 뷰어(viewer)의 시각적 지각을 실질적으로 설명한다. 충분한 빈도로 2개의 이미지들을 순차적으로 디스플레이하는 것은 뷰어가 이미지들을 동시에 디스플레이되는 것으로 지각하게 허용할 수 있다. 바이오마커를 추정하기 위해 사용되는 컴포넌트 QUS 측정들이 또한, 이를테면 테이블에 디스플레이될 수 있다.
[0059] 실질적으로 동시적인 디스플레이를 위한 임의의 포맷이 사용될 수 있다. 일 예에서, 전단파 또는 해부학적 구조 이미지는 2-차원 이미지이다. 바이오마커의 값은 텍스트(text)(도 3 참조), 그래프(graph), 2-차원 이미지, 또는 추정의 값들의 다른 표시자이다. 커서(cursor) 또는 다른 위치 선택이 전단 또는 해부학적 구조 이미지에 대해 포지셔닝(position)될 수 있다. 커서는 위치의 선택을 표시한다. 예컨대, 사용자는 병변, 낭종, 내포물, 또는 다른 구조의 내부 구역과 연관된 픽셀을 선택한다. 이어서, 선택된 위치에 대한 바이오마커는 값, 스케일을 따르는 포인터(pointer), 또는 다른 표시로서 디스플레이된다. 다른 예에서, 바이오마커는 관심 구역(시야의 서브-부분(sub-part))에 또는 전체 시야에 걸쳐 표시된다.
[0060] 도 4는 초음파-기반 프록시 추정을 위한 시스템(10)의 일 실시예를 도시한다. 시스템(10)은 도 1의 방법 또는 다른 방법들을 구현한다. 시스템(10)은 송신 빔형성기(12), 트랜스듀서(14), 수신 빔형성기(16), 이미지 프로세서(18), 디스플레이(20), 메모리(22), 및 사용자 입력부(24)를 포함한다. 부가적인, 상이한, 또는 더 적은 컴포넌트들이 제공될 수 있다.
[0061] 시스템(10)은 의료 진단 초음파 이미징 시스템이다. 대안적인 실시예들에서, 시스템(10)은 개인용 컴퓨터, 워크스테이션(workstation), PACS 스테이션(스테이션), 또는 동일한 위치에 있거나 또는 실시간 또는 포착후 이미징을 위해 네트워크에 걸쳐 분산된 다른 어레인지먼트(arrangement)이다.
[0062] 사용자 입력부(24)는 마우스(mouse), 키보드(keyboard), 트랙볼(trackball), 터치 패드(touch pad), 터치 스크린(touch screen), 버튼들, 슬라이더(slider)들, 노브(knob)들, 및/또는 이들의 조합들이다. 다른 사용자 입력 디바이스들이 사용될 수 있다. 사용자 입력부(24)는 초음파 파라미터들을 비-초음파 파라미터에 관련시키는 모델의 사용자 엔트리를 수신하도록 하드웨어(hardware), 소프트웨어(software), 및/또는 펌웨어(firmware)를 통해 구성된다. 시스템(10)의 사용자 인터페이스는 하나 이상의 변환 모델들의 선택, 이를테면, 리스트로부터의 선택 또는 맞춤형 모델을 생성하는 것에 의한 선택의 엔트리를 수신하기 위해 사용자 입력부(24)를 사용한다. 예컨대, 환자에 대한 관심 바이오마커 또는 바이오마커들에 대한 변환 모델은 그 바이오마커 또는 바이오마커들에 대한 이용가능한 변환 모델들의 리스트로부터 선택된다. 사용자 입력부(24)는 리스트를 열고 리스트로부터 선택하는 데 사용된다.
[0063] 송신 및 수신 빔형성기들(12, 16)은 트랜스듀서(14)를 사용하여 송신 및 수신하는 데 사용되는 빔형성기를 형성한다. 펄스들의 시퀀스가 송신되고, 빔형성기의 동작 또는 구성에 기반하여 응답들이 수신된다. 빔형성기는 산란, 전단파 및/또는 ARFI 파라미터들을 측정하기 위해 스캐닝한다. 시퀀스는 사용자 입력(24)을 사용하여 선택된 바이오마커들(즉, 변환 모델들)에 기반하여 최적화된다. 빔형성기들(12, 16)은 변환 모델의 QUS 파라미터들에 대해 트랜스듀서(14)를 이용하여 환자에서 펄스들의 시퀀스들을 송신 및 수신하도록 구성된다.
[0064] 송신 빔형성기(12)는 초음파 송신기, 메모리, 펄서(pulser), 아날로그(analog) 회로, 디지털(digital) 회로, 또는 이들의 조합들이다. 송신 빔형성기(12)는 상이한 또는 상대적인 진폭들, 지연들, 및/또는 페이징(phasing)을 갖는 복수의 채널들에 대한 파형들을 생성하도록 동작가능하다. 생성된 전기 파형들에 대한 응답으로 트랜스듀서(14)로부터의 음향 파들의 송신 시에, 하나 이상의 빔들이 형성된다. 2-차원 또는 3-차원 구역을 스캐닝하기 위해 송신 빔들의 시퀀스가 생성된다. 섹터(sector), Vector®, 선형, 또는 다른 스캔 포맷들이 사용될 수 있다. 동일한 구역은 상이한 스캔 라인 각도들, F 수들, 및/또는 파형 중심 주파수들을 사용하여 다수 회 스캐닝될 수 있다. 유동 또는 도플러 이미징(Doppler imaging)을 위해 그리고 전단 이미징을 위해, 동일한 라인 또는 라인들을 따르는 스캔들의 시퀀스가 사용된다. 도플러 이미징에서, 시퀀스는 인접한 스캔 라인을 스캐닝하기 전에 동일한 스캔 라인을 따른 다수의 빔들을 포함할 수 있다. 전단 이미징을 위해, 스캔 또는 프레임 인터리빙이 사용될 수 있다(즉, 다시 스캐닝하기 전에 전체 구역을 스캐닝함). 라인 또는 라인 인터리빙의 그룹이 사용될 수 있다. 대안적인 실시예들에서, 송신 빔형성기(12)는 더 신속한 스캐닝을 위해 평면파 또는 발산 파를 생성한다.
[0065] 동일한 송신 빔형성기(12)는 변위를 야기하기 위한 음향 에너지(energy)를 생성하기 위해 임펄스 여기들 또는 전기 파형들을 생성한다. 음향 방사력 임펄스들에 대한 전기 파형들이 생성된다. 대안적인 실시예들에서, 임펄스 여기를 생성하기 위해 상이한 송신 빔형성기가 제공된다. 송신 빔형성기(12)는 트랜스듀서(14)로 하여금 푸싱 펄스들 또는 음향 방사력 펄스들을 생성하게 한다.
[0066] 트랜스듀서(14)는 전기 파형들로부터 음향 에너지를 생성하기 위한 어레이(array)이다. 어레이의 경우, 상대적인 지연들은 음향 에너지에 초점을 맞춘다. 주어진 송신 이벤트는, 지연들이 주어지면 실질적으로 동시적인 상이한 엘리먼트(element)들에 의한 음향 에너지의 송신에 대응한다. 송신 이벤트는 조직을 변위시키기 위한 초음파 에너지의 펄스를 제공할 수 있다. 펄스는 임펄스 여기, 추적 펄스, B-모드 펄스, 또는 다른 측정들을 위한 펄스일 수 있다. 임펄스 여기는 많은 사이클들(예컨대, 500개의 사이클들)을 갖는 파형들을 포함하지만, 이는 비교적 짧은 시간에 발생하여 더 긴 시간에 걸쳐 조직 변위를 야기한다. 추적 펄스는, 이를테면 1개 내지 5개의 사이클들을 사용하는 B-모드 송신일 수 있다. 추적 펄스들은 환자의 구역을 스캐닝하는 데 사용된다.
[0067] 트랜스듀서(14)는 압전 또는 용량성 멤브레인(membrane) 엘리먼트들의 1-, 1.25-, 1.5-, 1.75- 또는 2차원 어레이이다. 트랜스듀서(14)는 음향 에너지와 전기 에너지 사이에서 변환하기 위한 복수의 엘리먼트들을 포함한다. 트랜스듀서(14)의 엘리먼트들에 충돌하는 초음파 에너지(에코들)에 대한 응답으로 수신 신호들이 생성된다. 엘리먼트들은 송신 및 수신 빔형성기들(12, 16)의 채널들과 연결된다. 대안적으로, 기계적 초점을 갖는 단일 엘리먼트가 사용된다.
[0068] 수신 빔형성기(16)는 증폭기들, 지연들, 및/또는 위상 회전자들을 갖는 복수의 채널들, 및 하나 이상의 합산기들을 포함한다. 각각의 채널은 하나 이상의 트랜스듀서 엘리먼트들과 연결된다. 수신 빔형성기(16)는 각각의 이미징 또는 추적 송신에 대한 응답으로 하나 이상의 수신 빔들을 형성하기 위해 상대적인 지연들, 위상들, 및/또는 아포다이제이션(apodization)을 적용하도록 하드웨어 또는 소프트웨어에 의해 구성된다. 조직을 변위시키는 데 사용되는 임펄스 여기로부터의 에코들에 대해 수신 동작이 발생하지 않을 수 있다. 수신 빔형성기(16)는 수신 신호들을 사용하여 공간 위치들을 표현하는 데이터를 출력한다. 상이한 엘리먼트들로부터의 신호들의 상대적인 지연들 및/또는 페이징 및 합산은 빔형성(beamformation)을 제공한다. 대안적인 실시예들에서, 수신 빔형성기(16)는 푸리에(Fourier) 또는 다른 변환들을 사용하여 샘플들을 생성하기 위한 프로세서이다.
[0069] 수신 빔형성기(16)는 송신 주파수 대역에 대해 제2 고조파 또는 다른 주파수 대역에서의 정보를 격리시키기 위한 필터와 같은 필터를 포함할 수 있다. 그러한 정보는 원하는 조직, 조영제, 및/또는 유동 정보를 포함할 가능성이 더 높을 수 있다. 다른 실시예에서, 수신 빔형성기(16)는 메모리 또는 버퍼(buffer) 및 필터 또는 가산기를 포함한다. 원하는 주파수 대역, 이를테면 제2 고조파, 3차(cubic) 기본 대역 또는 다른 대역에서의 정보를 격리시키기 위해 2개 이상의 수신 빔들이 결합된다.
[0070] 송신 빔형성기(12)와 협력하여, 수신 빔형성기(16)는 구역을 표현하는 데이터를 생성한다. 전단파 또는 축방향 종파를 추적하기 위해, 상이한 시간들의 구역을 표현하는 데이터가 생성된다. 음향 임펄스 여기 이후, 수신 빔형성기(16)는 상이한 시간들에 하나 또는 복수의 라인들을 따른 위치들을 표현하는 빔들을 생성한다. 초음파를 이용하여 관심 구역을 스캐닝함으로써, 데이터(예컨대, 빔형성된(beamformed) 샘플들)가 생성된다. 스캐닝을 반복함으로써, 임펄스 여기 이후 상이한 시간들의 구역을 표현하는 초음파 데이터가 획득된다.
[0071] 수신 빔형성기(16)는 공간 위치들을 표현하는 빔 합산 데이터를 출력한다. 단일 위치에 대한 데이터, 라인을 따른 위치들, 영역에 대한 위치들, 또는 볼륨(volume)에 대한 위치들이 출력된다. 동적 초점조정이 제공될 수 있다. 데이터는 상이한 목적들을 위한 것일 수 있다. 예컨대, 변위보다 B-모드 또는 조직 데이터에 대해 스캔의 상이한 부분들이 수행된다. 대안적으로, B-모드 데이터는 또한 변위를 결정하는 데 사용된다. 다른 예로서, 상이한 타입들의 측정들에 대한 데이터는 선택된 변환 모델들에 기반하여 최적화된 시퀀스의 일련의 공유된 스캔들을 이용하여 획득되고, B-모드 또는 도플러 스캐닝은 별개로 또는 동일한 데이터 중 일부를 사용하여 수행된다.
[0072] 이미지 프로세서(18)는, B-모드 검출기, 도플러 검출기, 펄스형(pulsed) 파 도플러 검출기, 상관 프로세서, 푸리에 변환 프로세서, 주문형 집적 회로, 인공 지능 프로세서, 일반 프로세서, 제어 프로세서, 이미지 프로세서, 필드 프로그래밍가능 게이트 어레이(field programmable gate array), 디지털 신호 프로세서, 아날로그 회로, 디지털 회로, 이들의 조합들, 또는 빔형성된 초음파 샘플들로부터의 디스플레이를 위해 정보를 검출 및 프로세싱하기 위한 다른 현재 알려진 또는 추후에 개발되는 디바이스이다. 일 실시예에서, 이미지 프로세서(18)는 하나 이상의 검출기들 및 별개의 이미지 프로세서를 포함한다. 별개의 이미지 프로세서는, 제어 프로세서, 일반 프로세서, 디지털 신호 프로세서, 주문형 집적 회로, 필드 프로그래밍가능 게이트 어레이, 인공 지능 프로세서, 네트워크, 서버, 프로세서들의 그룹, 이들의 조합들, 또는 빔형성된 및/또는 검출된 초음파 데이터로부터 상이한 타입들의 파라미터들의 값들을 계산하기 위한 그리고/또는 상이한 타입들의 초음파 측정들로부터의 값들로부터 바이오마커에 대한 값을 추정하기 위한 다른 현재 알려진 또는 추후에 개발되는 디바이스이다. 예컨대, 별개의 이미지 프로세서는 도 1에 도시된 동작들(33 내지 38)을 수행하도록 하드웨어, 펌웨어, 및/또는 소프트웨어에 의해 구성된다.
[0073] 이미지 프로세서(18)는 상이한 타입들의 초음파 파라미터들의 조합으로부터 비-초음파 파라미터에 대한 값을 추정하도록 구성된다. 예컨대, 측정된 산란기 파라미터 및 하나, 2개, 또는 그 이상의 측정된 전단파 파라미터들이 사용된다. 상이한 타입들의 초음파 파라미터들은 송신 및 수신 시퀀스 및 결과들로부터의 계산에 기반하여 측정된다. 초음파 파라미터들의 하나 이상의 측정들의 값들은 비-초음파 파라미터, 이를테면, 조직학, 검정, MR, 또는 CT 파라미터의 값을 추정하기 위해 결정된다.
[0074] 일 실시예에서, 이미지 프로세서(18)는 상이한 타입들의 파면들에 대한 조직 반응의 상이한 파라미터들 또는 측정치들에 기반하여 비-초음파 파라미터를 추정한다. 추정은 기계-학습된 분류기를 적용한다. 다른 정보가 있거나 없는 측정들의 입력 값들은 바이오마커의 값을 출력하기 위해, 학습된 매트릭스(matrix)에 의해 사용된다. 다른 실시예들에서, 이미지 프로세서(18)는 초음파 파라미터들 또는 룩업 테이블의 값들의 가중된 조합을 사용한다. 예컨대, 2개 이상의 함수들이 제공된다. 하나 이상의 파라미터들의 값(예컨대, 전단파 속력)을 사용하여, 함수들 중 하나가 선택된다. 선택된 함수는 동일한 및/또는 상이한 파라미터들의 값들을 사용하여 비-초음파 파라미터의 값을 결정한다. 선형 또는 비선형 맵핑은 하나 이상의 초음파 파라미터들의 값들을 비-초음파 파라미터의 값에 관련시킨다. 예컨대, 전단파 전파 선택 함수를 이용하여 조직 속성의 값을 결정하기 위해 2개 이상의 산란기 파라미터들이 사용된다.
[0075] 프로세서(18)는 하나 이상의 이미지들을 생성하도록 구성된다. 예컨대, 전단파 속도, B-모드, 조영제, M-모드, 유동 또는 색상 모드, ARFI, 및/또는 다른 타입의 이미지가 생성된다. 전단파 속도, 유동, 또는 ARFI 이미지는 단독으로 또는 B-모드 이미지 내의 관심 구역 또는 오버레이로서 제시될 수 있다. 전단파 속도, 유동, 또는 ARFI 데이터는 관심 구역 내의 위치들에서 색상을 변조한다. 전단파 속도, 유동, 또는 ARFI 데이터가 임계치 미만인 경우, B-모드 정보는 전단파 속도에 의한 변조 없이 디스플레이될 수 있다.
[0076] 다른 정보가 이미지에 포함되거나 또는 순차적으로 또는 실질적으로 동시에 디스플레이된다. 예컨대, 비-초음파 추정치가 다른 이미지와 동시에 디스플레이된다. 바이오마커의 값 또는 값들은 디스플레이 정보에 맵핑된다. 비-초음파 파라미터가 상이한 위치들에서 측정되는 경우, 값들은 B-모드 이미지들에서 관심 구역 내의 색상 오버레이로서 생성될 수 있다. 전단파 속도 및 바이오마커는 하나의 B-모드 이미지 상의 단일 오버레이로서 결합될 수 있다. 대안적으로, 비-초음파 파라미터의 값 또는 값들은 B-모드 또는 전단파 이미징 이미지 상에 오버레이되거나(overlaid) 그에 인접한 텍스트 또는 수치 값(들)으로서 디스플레이된다(도 3 참조).
[0077] 이미지 프로세서(18)는 다른 디스플레이들을 생성하도록 구성될 수 있다. 예컨대, 전단파 속도 이미지는 비-초음파 파라미터, 이를테면 지방 분율, 섬유증의 정도, 및/또는 질병 활동의 그래프, 텍스트, 또는 그래픽 표시자들 옆에 디스플레이된다.
[0078] 이미지 프로세서(18)는 변환 모델의 사용자 선택의 경우, 모델, 조직 반응의 측정들로부터의 추정, 및/또는 비-초음파 파라미터의 추정에 기반하여 스캐닝을 위한 시퀀스의 최적화를 제공하기 위해 메모리(22) 또는 다른 메모리에 저장된 명령들에 따라 동작한다. 메모리(22)는 비-일시적인 컴퓨터 판독가능 저장 매체들이다. 본 명세서에서 논의된 프로세스들, 방법들 및/또는 기법들을 구현하기 위한 명령들은 컴퓨터-판독가능 저장 매체들 또는 메모리들, 이를테면 캐시(cache), 버퍼, RAM, 착탈형 매체들, 하드 드라이브(hard drive) 또는 다른 컴퓨터 판독가능 저장 매체들 상에서 제공된다. 컴퓨터 판독가능 저장 매체들은 다양한 타입들의 휘발성 및 비휘발성 저장 매체들을 포함한다. 도면들에 예시되거나 또는 본 명세서에 설명된 기능들, 동작들 또는 작업들은 컴퓨터 판독가능 저장 매체들에 또는 그 상에 저장된 명령들의 하나 이상의 세트(set)들에 대한 응답으로 실행된다. 기능들, 동작들 또는 작업들은 특정 타입의 명령 세트, 저장 매체들, 프로세서 또는 프로세싱 전략과 독립적이며, 단독으로 또는 조합하여 동작하는 소프트웨어, 하드웨어, 집적 회로들, 펌웨어, 마이크로 코드(micro code) 등에 의해 수행될 수 있다. 마찬가지로, 프로세싱 전략들은 멀티프로세싱(multiprocessing), 멀티태스킹(multitasking), 병렬 프로세싱 등을 포함할 수 있다. 일 실시예에서, 명령들은 로컬(local) 또는 원격 시스템들에 의한 판독을 위해 착탈형 매체 디바이스 상에 저장된다. 다른 실시예들에서, 명령들은 컴퓨터 네트워크를 통한 또는 전화선들을 통한 전달을 위해 원격 위치에 저장된다. 또 다른 실시예들에서, 명령들은 주어진 컴퓨터, CPU, GPU 또는 시스템 내에 저장된다.
[0079] 디스플레이(20)는 CRT, LCD, 프로젝터(projector), 플라즈마(plasma), 또는 1-차원 또는 2-차원 이미지들 또는 3-차원 표현들을 디스플레이하기 위한 다른 디스플레이와 같은 디바이스이다. 2-차원 이미지들은 영역에서의 공간 분포를 표현한다. 3-차원 표현들은 볼륨 내의 공간 분포를 표현하는 데이터로부터 렌더링(render)된다. 디스플레이(20)는 관심 구역 내의 단일 위치(예컨대, 인접한 위치들을 포함하는 추정들로부터 평균됨)에 대한 비-초음파 파라미터를 표현하는 이미지 또는 전체 이미지를 디스플레이한다. 예컨대, 디스플레이(20)는 지방 분율에 대한 값 및/또는 질병 활동의 인덱스에 대한 스코어를 디스플레이한다. 조직 속성 및/또는 질병 활동의 디스플레이는 진단을 위한 표준의 수용된 또는 알려진 바이오마커에 대한 정보를 제공한다.
[0080] 본 발명이 다양한 실시예들을 참조하여 위에서 설명되었지만, 본 발명의 범위를 벗어나지 않으면서, 많은 변화들 및 수정들이 이루어질 수 있다는 것이 이해되어야 한다. 따라서, 전술한 상세한 설명은 제한적이기보다는 예시적인 것으로 간주되며, 본 발명의 사상 및 범위를 정의하도록 의도된 것은 모든 등가물들을 포함하는 다음의 청구항들이라는 것으로 이해된다는 것이 의도된다.
Claims (10)
- 초음파 스캐너(ultrasound scanner)를 이용한 초음파-기반 프록시(proxy) 추정을 위한 방법으로서,
하나 이상의 초음파 측정들로부터 초음파 이외의 다른 모달리티(modality)의 바이오마커(biomarker)로 변환(34)하기 위한 복수의 이용가능한 변환 모델들 중에서 제1 변환 모델의 사용자 선택을 수신하는 단계(30);
상기 초음파 스캐너에 의해 초음파 송신들의 시퀀스(sequence)를 이용하여 환자를 스캐닝(scanning)하는 단계(32) ― 상기 시퀀스는 선택된 상기 제1 변환 모델에 기초하여 정의됨 ―;
상기 초음파 스캐너에 의해, 상기 스캐닝(32)으로부터 기인하는 초음파 데이터(data)로부터 상기 하나 이상의 초음파 측정들에 대한 하나 이상의 정량적 초음파 값들을 추정하는 단계(33);
상기 제1 변환 모델에 의해, 상기 하나 이상의 정량적 초음파 값들을 상기 초음파 이외의 다른 모달리티의 바이오마커에 대한 값으로 변환하는 단계(34); 및
상기 환자에 대한 바이오마커에 대한 값을 디스플레이(display)하는 단계(38)를 포함하는, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법. - 제1항에 있어서,
상기 사용자 선택을 수신하는 단계(30)는 상기 제1 변환 모델의 사용자 선택을 맞춤형 모델로서 수신하는 단계(30)를 포함하며,
상기 스캐닝하는 단계(32)는 상기 맞춤형 모델 및 규칙에 기반하여 정의된 시퀀스를 이용하여 스캐닝하는 단계(32)를 포함하고,
상기 맞춤형 모델은 상기 하나 이상의 측정들을 정의하고, 상기 규칙은 상기 맞춤형 모델의 하나 이상의 측정들에 대한 초음파 송신들의 시퀀스를 정의하는, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법. - 제1항에 있어서,
상기 스캐닝하는 단계(32)는, 복수의 상기 하나 이상의 초음파 측정들에 대한 상기 초음파 송신들을 이용한 스캐닝(32)이 인터리빙(interleave)되는 것을 포함하고,
상기 추정하는 단계(33)는 복수의 상기 하나 이상의 초음파 측정들에 대한 복수의 상기 하나 이상의 정량적 초음파 값들을 추정하는 단계(33)를 포함하는, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법. - 제1항에 있어서,
상기 추정하는 단계(33)는 상기 하나 이상의 초음파 측정들 중 제1 측정 및 제2 측정에 대한 상기 하나 이상의 정량적 초음파 값들 중 제1 값 및 제2 값을 추정하는 단계(33)를 포함하고, 상기 제1 측정은 음향 방사력 임펄스(impulse)에 대한 응답으로 이루어지며,
상기 시퀀스를 이용하여 스캐닝하는 단계(32)는 상기 음향 방사력 임펄스를 포함하는 상기 초음파 송신들을 이용하여 스캐닝하는 단계(32)를 포함하고, 상기 음향 방사력 임펄스는 상기 제2 측정을 위한 초음파 송신들 이후 수행되는, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법. - 제1항에 있어서,
상기 시퀀스는 (1) 상기 하나 이상의 초음파 측정들의 하나 이상의 정량적 초음파 값들 또는 (2) 상기 바이오마커에 대한 값에 기반하여 적응적인, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법. - 제1항에 있어서,
상기 추정하는 단계(33)는, 감쇠 계수, 후방산란 계수, 음속, 전단파 속도, 또는 전단파 점도를 포함하는 상기 하나 이상의 초음파 측정들을 추정하는 단계(33)를 포함하며,
상기 변환하는 단계(34)는 자기 공명-기반, 컴퓨팅된(computed) 단층촬영-기반, 검정(assay)-기반, 또는 조직학-기반 바이오마커를 포함하는 상기 다른 모달리티의 바이오마커로 변환하는 단계(34)를 포함하고,
상기 다른 모달리티의 바이오마커는 상기 하나 이상의 초음파 측정들과 상이한 단위 또는 스케일(scale), 또는 상이한 단위 및 스케일을 갖는, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법. - 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법으로서,
제1 초음파 측정 및 제2 초음파 측정으로부터 초음파 이외의 다른 모달리티의 바이오마커로 변환(34)하기 위한 복수의 변환 모델들 중에서 제1 변환 모델의 사용자 선택을 수신하는 단계(30);
상기 초음파 스캐너에 의해 초음파 송신들의 시퀀스를 이용하여 환자를 스캐닝하는 단계(32) ― 상기 시퀀스는 선택된 상기 제1 변환 모델에 기반하여 정의됨 ―;
상기 초음파 스캐너에 의해, 상기 스캐닝(32)으로부터 기인하는 초음파 데이터로부터 상기 제1 초음파 측정 및 상기 제2 초음파 측정에 대한 제1 정량적 초음파 값 및 제2 정량적 초음파 값을 추정하는 단계(33);
제1 변환 모델에 의해, 상기 제1 정량적 초음파 값 및 상기 제2 정량적 초음파 값을 상기 초음파 이외의 다른 모달리티의 바이오마커에 대한 값으로 변환하는 단계(34) ― 상기 바이오마커에 대한 값은 상기 제1 정량적 초음파 값 및 상기 제2 정량적 초음파 값과 상이한 스케일 또는 단위, 또는 상이한 스케일 및 단위를 가짐 ―; 및
상기 환자에 대한 바이오마커에 대한 값을 디스플레이하는 단계(38)를 포함하는, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법. - 제7항에 있어서,
상기 추정하는 단계(33)는 음향 방사력 임펄스에 대한 응답으로 상기 제1 초음파 측정에 대한 제1 값들을 추정하는 단계(33)를 포함하며,
상기 시퀀스를 이용하여 스캐닝하는 단계(32)는 상기 음향 방사력 임펄스를 포함하는 상기 초음파 송신들을 이용하여 스캐닝하는 단계(32)를 포함하고,
상기 음향 방사력 임펄스는 상기 제2 초음파 측정을 위한 초음파 송신들 이후 수행되는, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법. - 제7항에 있어서,
상기 스캐닝하는 단계(32)는 상기 시퀀스를 이용하여 스캐닝하는 단계(32)를 포함하며,
상기 시퀀스는 (1) 상기 제1 초음파 측정 및 상기 제2 초음파 측정의 제1 정량적 초음파 값 및 제2 정량적 초음파 값 또는 (2) 상기 바이오마커에 대한 값에 기반하여 적응적인, 초음파 스캐너를 이용한 초음파-기반 프록시 추정을 위한 방법. - 초음파-기반 프록시 추정을 위한 시스템(system)으로서,
초음파 파라미터(parameter)들을 비-초음파 파라미터에 관련시키는 다수의 모델들의 리스트 중에서 제1 모델의 사용자 선택을 수신하도록 구성된 사용자 입력부(24);
트랜스듀서(transducer)(14);
상기 트랜스듀서(14)를 이용하여 환자에서 펄스(pulse)들의 시퀀스들을 송신 및 수신하도록 구성된 빔형성기(beamformer)(12, 16) ― 상기 펄스들의 시퀀스는 상기 초음파 파라미터들에 대한 것이고, 선택된 상기 제1 모델에 기반하여 최적화됨 ―;
상기 초음파 파라미터들의 값들로부터 상기 비-초음파 파라미터에 대한 값을 생성하도록 구성된 이미지 프로세서(image processor)(18) ― 상기 초음파 파라미터들의 값들은 상기 펄스들의 송신 및 수신 시퀀스들을 사용하여 추정됨 ―; 및
질병 활동의 인덱스(index)에 대한 스코어(score)를 디스플레이하도록 구성된 디스플레이(20)를 포함하는, 초음파-기반 프록시 추정을 위한 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/949,643 US20220142614A1 (en) | 2020-11-09 | 2020-11-09 | Ultrasound-derived proxy for physical quantity |
| US16/949,643 | 2020-11-09 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220063096A KR20220063096A (ko) | 2022-05-17 |
| KR102661893B1 true KR102661893B1 (ko) | 2024-04-26 |
Family
ID=81256039
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210151163A KR102661893B1 (ko) | 2020-11-09 | 2021-11-05 | 물리적 양에 대한 초음파-도출된 프록시 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20220142614A1 (ko) |
| KR (1) | KR102661893B1 (ko) |
| CN (1) | CN114451914A (ko) |
| DE (1) | DE102021128860A1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100438903B1 (ko) | 2002-01-31 | 2004-07-02 | 한국전자통신연구원 | 초음파 영상으로부터 대상 장기의 지방량을 정량적으로 측정하는 장비 |
| JP5710341B2 (ja) | 2011-03-31 | 2015-04-30 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 超音波画像表示装置及びその制御プログラム |
| JP2020503142A (ja) * | 2017-01-05 | 2020-01-30 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | イメージングデータ及び組織情報を導出するためのニューラルネットワークを用いた超音波イメージングシステム |
| KR102258776B1 (ko) | 2019-05-20 | 2021-05-31 | 주식회사 힐세리온 | 인공지능형 초음파 지방간 자동 진단 장치 및 이를 이용한 원격 의료 진단 방법 |
Family Cites Families (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5453343A (en) * | 1977-10-05 | 1979-04-26 | Hoshizaki Electric Co Ltd | Ice dispenser |
| US9104791B2 (en) * | 2009-05-28 | 2015-08-11 | Immersion Corporation | Systems and methods for editing a model of a physical system for a simulation |
| JP5613014B2 (ja) * | 2010-10-29 | 2014-10-22 | 日立アロカメディカル株式会社 | 超音波画像処理装置およびプログラム |
| EP2618309A1 (en) * | 2012-01-19 | 2013-07-24 | Siemens Aktiengesellschaft | Methods and devices for pixel-prediction for compression of visual data |
| US9392992B2 (en) * | 2012-02-28 | 2016-07-19 | Siemens Medical Solutions Usa, Inc. | High intensity focused ultrasound registration with imaging |
| AU2013201967B2 (en) * | 2012-03-30 | 2017-11-16 | Dassault Systèmes Canada Inc. | System and method for modeling a physical formation |
| US20130296743A1 (en) * | 2012-05-02 | 2013-11-07 | Siemens Medical Solutions Usa, Inc. | Ultrasound for Therapy Control or Monitoring |
| US9084576B2 (en) * | 2012-07-13 | 2015-07-21 | Siemens Medical Solutions Usa, Inc. | Automatic doppler gate positioning in spectral doppler ultrasound imaging |
| WO2015031576A1 (en) * | 2013-08-28 | 2015-03-05 | Siemens Aktiengesellschaft | Systems and methods for estimating physiological heart measurements from medical images and clinical data |
| US9563979B2 (en) * | 2014-11-28 | 2017-02-07 | Toshiba Medical Systems Corporation | Apparatus and method for registering virtual anatomy data |
| US10675006B2 (en) * | 2015-05-15 | 2020-06-09 | Siemens Medical Solutions Usa, Inc. | Registration for multi-modality medical imaging fusion with narrow field of view |
| FR3036943A1 (fr) * | 2015-06-02 | 2016-12-09 | Echosens | Dispositif non invasif de detection de lesion hepatique |
| US20170296148A1 (en) * | 2016-04-15 | 2017-10-19 | Signostics Limited | Medical imaging system and method |
| DE102016219887A1 (de) * | 2016-10-12 | 2018-04-12 | Siemens Healthcare Gmbh | Verfahren und System zur Nutzung von Messdaten |
| US11553901B2 (en) * | 2017-04-06 | 2023-01-17 | Siemens Medical Solutions Usa, Inc. | Liver disease activity estimation with ultrasound medical imaging |
| US11523774B2 (en) * | 2017-04-06 | 2022-12-13 | Siemens Medical Solutions Usa, Inc. | Tissue property estimation with ultrasound medical imaging |
| KR102591371B1 (ko) * | 2017-12-28 | 2023-10-19 | 삼성메디슨 주식회사 | 초음파 영상 장치 및 그 제어 방법 |
| EP3734604A4 (en) * | 2017-12-29 | 2021-08-11 | Obshchestvo S Ogranichennoj Otvetstvennostyu "Intellodzhik" | MEDICAL DECISION-MAKING PROCESS AND SYSTEM |
| CN108537794B (zh) * | 2018-04-19 | 2021-09-21 | 上海联影医疗科技股份有限公司 | 医学图像数据处理方法、装置和计算机可读存储介质 |
| WO2020044477A1 (ja) * | 2018-08-29 | 2020-03-05 | 株式会社 東芝 | 異常診断システム、方法及びプログラム |
| CN109567861B (zh) * | 2018-10-25 | 2022-06-07 | 中国医学科学院北京协和医院 | 超声成像方法及相关设备 |
| US20200178934A1 (en) * | 2018-12-10 | 2020-06-11 | General Electric Company | Ultrasound imaging system and method for displaying a target object quality level |
| EP3689247A1 (en) * | 2019-01-30 | 2020-08-05 | MedCom GmbH | Ultrasound imaging method and ultrasound imaging system for carrying out the said method |
| US11647988B2 (en) * | 2019-11-19 | 2023-05-16 | Siemens Medical Solutions Usa, Inc. | Additional diagnostic data in parametric ultrasound medical imaging |
| KR102617857B1 (ko) * | 2020-03-12 | 2023-12-22 | 지멘스 메디컬 솔루션즈 유에스에이, 인크. | 초음파 의료 이미징을 사용한 간 질환 활성도 추정 |
-
2020
- 2020-11-09 US US16/949,643 patent/US20220142614A1/en active Pending
-
2021
- 2021-11-05 KR KR1020210151163A patent/KR102661893B1/ko active IP Right Grant
- 2021-11-05 DE DE102021128860.6A patent/DE102021128860A1/de active Pending
- 2021-11-08 CN CN202111311297.XA patent/CN114451914A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100438903B1 (ko) | 2002-01-31 | 2004-07-02 | 한국전자통신연구원 | 초음파 영상으로부터 대상 장기의 지방량을 정량적으로 측정하는 장비 |
| JP5710341B2 (ja) | 2011-03-31 | 2015-04-30 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 超音波画像表示装置及びその制御プログラム |
| JP2020503142A (ja) * | 2017-01-05 | 2020-01-30 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | イメージングデータ及び組織情報を導出するためのニューラルネットワークを用いた超音波イメージングシステム |
| KR102258776B1 (ko) | 2019-05-20 | 2021-05-31 | 주식회사 힐세리온 | 인공지능형 초음파 지방간 자동 진단 장치 및 이를 이용한 원격 의료 진단 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220063096A (ko) | 2022-05-17 |
| US20220142614A1 (en) | 2022-05-12 |
| CN114451914A (zh) | 2022-05-10 |
| DE102021128860A1 (de) | 2022-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108685596B (zh) | 利用超声医疗成像的组织性质估计 | |
| CN110192893B (zh) | 量化超声成像的感兴趣区域放置 | |
| CN105491959A (zh) | 弹性成像测量系统和方法 | |
| JP2017064183A (ja) | 医用画像診断装置、医用画像処理装置および医用情報の表示制御方法 | |
| US20230104771A1 (en) | Liver disease activity estimation with ultrasound medical imaging | |
| US20230233187A1 (en) | Additional diagnostic data in parametric ultrasound medical imaging | |
| US20210287361A1 (en) | Systems and methods for ultrasound image quality determination | |
| US20230404537A1 (en) | Ultrasound medical imaging with optimized speed of sound based on fat fraction | |
| Wiacek et al. | Coherence-based beamforming increases the diagnostic certainty of distinguishing fluid from solid masses in breast ultrasound exams | |
| KR102617857B1 (ko) | 초음파 의료 이미징을 사용한 간 질환 활성도 추정 | |
| US20210161510A1 (en) | Ultrasonic diagnostic apparatus, medical imaging apparatus, training device, ultrasonic image display method, and storage medium | |
| US11678862B2 (en) | Muscle contraction state triggering of quantitative medical diagnostic ultrasound | |
| CN112137643A (zh) | 用于在定量超声中纵向监测的感兴趣区域定位 | |
| KR102661893B1 (ko) | 물리적 양에 대한 초음파-도출된 프록시 | |
| JP2022513225A (ja) | フレームのインデックス付け及び画像レビューのためのシステム及び方法 | |
| KR102539922B1 (ko) | 탄성초음파영상에 대한 변형률 계산 및 변형량의 자동 측정을 위한 방법 및 시스템 | |
| CN115279275A (zh) | 超声诊断设备及其操作方法 | |
| US20240156441A1 (en) | Tissue property estimation with ultrasound medical imaging | |
| US20230186504A1 (en) | Making measurements of the hip | |
| Flint | Spatial Coherence-Based Adaptive Acoustic Output Selection for Diagnostic Ultrasound | |
| CN117204885A (zh) | 超声成像装置、超声成像方法和存储介质 | |
| CN115956945A (zh) | 一种超声弹性测量的显示方法及超声成像设备 | |
| CN117322908A (zh) | 处理超声扫描数据 | |
| CN112469338A (zh) | 一种基于超声检测肝的装置及超声设备及超声成像方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |