TW202022713A - 心臟狀態評估方法與系統、電子裝置及超音波掃描裝置 - Google Patents

心臟狀態評估方法與系統、電子裝置及超音波掃描裝置 Download PDF

Info

Publication number
TW202022713A
TW202022713A TW107143784A TW107143784A TW202022713A TW 202022713 A TW202022713 A TW 202022713A TW 107143784 A TW107143784 A TW 107143784A TW 107143784 A TW107143784 A TW 107143784A TW 202022713 A TW202022713 A TW 202022713A
Authority
TW
Taiwan
Prior art keywords
heart
image
volume
user
state
Prior art date
Application number
TW107143784A
Other languages
English (en)
Inventor
黃俊凱
李愛先
蕭妟如
林昀廷
Original Assignee
宏碁股份有限公司
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 宏碁股份有限公司 filed Critical 宏碁股份有限公司
Priority to TW107143784A priority Critical patent/TW202022713A/zh
Priority to EP19175203.9A priority patent/EP3664098A1/en
Priority to US16/419,020 priority patent/US20200178930A1/en
Publication of TW202022713A publication Critical patent/TW202022713A/zh

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
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
    • 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
    • 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
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G16H50/70—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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Theoretical Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Cardiology (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

Abstract

一種心臟狀態評估方法與系統、電子裝置及超音波掃描裝置。所述方法包括：獲得至少一第一影像，其中所述第一影像中的每一者為二維影像且包含第一心臟圖案；利用所述第一影像訓練深度學習模型；以及使用經訓練的所述深度學習模型分析至少一第二影像以自動評估使用者的心臟狀態，其中所述第二影像中的每一者為所述二維影像且包含第二心臟圖案。

Description

心臟狀態評估方法與系統、電子裝置及超音波掃描裝置
本發明是有關於一種生理狀態評估技術，且特別是有關於一種心臟狀態評估方法與系統、電子裝置及超音波掃描裝置。
心臟超音波影像可以反映獲得心臟的結構與功能，例如瞭解心臟的大小、收縮情形及/或心臟瓣膜的活動狀況。心臟超音波影像可以是二維影像或三維影像。二維影像超音波影像所提供的資訊明顯比三維超音波影像所提供的資訊來得少。例如，二維影像超音波影像無法提供影像的深度資訊，而三維超音波影像則具備完整的深度資訊，以更準確地評估心臟的狀態。但是，用於拍攝三維超音波影像的儀器卻也相當昂貴，使用上並不普及。因此，如何基於二維超音波影像而更加便利地提供心臟狀態的評估資訊，實為所屬技術領域技術人員所致力研究的課題之一。
本發明提供一種心臟狀態評估方法與系統、電子裝置及超音波掃描裝置，可基於二維超音波影像自動評估使用者的心臟狀態，從而有效改善二維超音波掃描裝置的使用效率。
本發明的實施例提供一種心臟狀態評估方法，其包括：獲得至少一第一影像，其中所述第一影像中的每一者為二維影像且包含第一心臟圖案；利用所述第一影像訓練深度學習模型；以及使用經訓練的所述深度學習模型分析至少一第二影像以自動評估使用者的心臟狀態，其中所述第二影像中的每一者為所述二維影像且包含第二心臟圖案。
本發明的實施例另提供一種電子裝置，其包括儲存裝置與處理器。所述儲存裝置用以儲存至少一第一影像與至少一第二影像。所述第一影像中的每一者為二維影像且包含第一心臟圖案，所述第二影像中的每一者為所述二維影像且包含第二心臟圖案。所述處理器耦接至所述儲存裝置。所述處理器利用所述第一影像訓練深度學習模型。所述處理器使用經訓練的所述深度學習模型分析所述第二影像以自動評估使用者的心臟狀態。
本發明的實施例另提供一種心臟狀態評估系統，其包括超音波掃描裝置與電子裝置。所述超音波掃描裝置用以對使用者執行超音波掃描以獲得至少一影像。所述影像中的每一者為二維影像且包含心臟圖案。所述電子裝置耦接至所述超音波掃描裝置。所述電子裝置使用深度學習模型分析所述影像以自動評估所述使用者的心臟狀態。
本發明的實施例另提供一種超音波掃描裝置，其包括超音波掃描器與處理器。所述超音波掃描器用以對使用者執行超音波掃描以獲得至少一影像。所述影像中的每一者為二維影像且包含心臟圖案。所述處理器耦接至所述超音波掃描器。所述處理器使用深度學習模型分析所述影像以自動評估所述使用者的心臟狀態。
基於上述，包含使用者的心臟圖案的二維超音波影像可被深度學習模型分析，從而自動評估使用者的心臟狀態。此外，此深度學習模型可藉由同樣包含心臟圖案的二維超音波影像進行訓練，以提高評估精確度。藉此，可有效改善二維超音波掃描裝置的使用效率，減少超音波掃描裝置的設置成本。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
圖1是根據本發明的一實施例所繪示的心臟狀態評估系統的示意圖。請參照圖1，系統(亦稱為心臟狀態評估系統)10包括超音波掃描裝置11與電子裝置12。超音波掃描裝置11可經由有線或無線方式連接電子裝置12。
超音波掃描裝置11可用以對人體進行超音波掃描，以獲得反映使用者的至少一身體器官的結構及/或功能的至少一超音波影像。例如，在使用超音波掃描裝置11掃描使用者的心臟後，可獲得包含心臟圖案的超音波影像。此心臟圖案可反映使用者的心臟的結構及/或功能。在一實施例中，超音波掃描裝置11也可以用於掃描人體的其他部位並獲得相應的超音波影像，本發明不加以限制。
須注意的是，在以下實施例中，是以二維的超音波掃描裝置作為超音波掃描裝置11的範例。例如，超音波掃描裝置11可用以對使用者的身體進行二維的超音波掃描，以獲得二維的超音波影像。然而，在另一實施例中，超音波掃描裝置11也可以是三維的超音波掃描裝置，本發明不加以限制。
超音波掃描裝置11可包括超音波掃描器111與處理器112。超音波掃描器111用以對使用者的身體進行超音波掃描。處理器112耦接至超音波掃描器111。處理器112可以是中央處理單元、圖形處理器或是其他可程式化之一般用途或特殊用途的微處理器、數位訊號處理器、可程式化控制器、特殊應用積體電路、可程式化邏輯裝置或其他類似裝置或這些裝置的組合。
處理器112可控制超音波掃描裝置11的整體或部分操作。在一實施例中，處理器112可控制超音波掃描器111執行超音波掃描。在一實施例中，處理器112可根據超音波掃描器111的掃描結果產生超音波影像。
電子裝置12可以是筆記型電腦、桌上型電腦、平板電腦、工業電腦、伺服器或智慧型手機等具有資料傳輸、資料儲存及資料運算功能的電子裝置。本發明不限制電子裝置12的類型與數目。在一實施例中，電子裝置12亦可以與超音波掃描裝置11結合為單一裝置。
電子裝置12包括處理器121、儲存裝置122、輸入/輸出介面123及深度學習模型124。處理器121可以是中央處理單元、圖形處理器或是其他可程式化之一般用途或特殊用途的微處理器、數位訊號處理器、可程式化控制器、特殊應用積體電路、可程式化邏輯裝置或其他類似裝置或這些裝置的組合。處理器121可控制電子裝置12的整體或部分操作。
儲存裝置122耦接至處理器121。儲存裝置122用以儲存資料。例如，儲存裝置122可包括揮發性儲存媒體與非揮發性儲存媒體。其中，揮發性儲存媒體可以是隨機存取記憶體，而非揮發性儲存媒體可以是唯讀記憶體、固態硬碟或傳統硬碟。
輸入/輸出介面123耦接至處理器121。輸入/輸出介面123用以接收訊號及/或輸出訊號。例如，輸入/輸出介面123可包括螢幕、觸控螢幕、觸控板、滑鼠、鍵盤、實體按鈕、揚聲器、麥克風、有線通訊介面及/或無線通訊介面，且輸入/輸出介面123的類型不限於此。
深度學習模型124可以實作為軟體或硬體。在一實施例中，深度學習模型124實作為硬體電路。例如，深度學習模型124可為中央處理單元、圖形處理器或是其他可程式化之一般用途或特殊用途的微處理器、數位訊號處理器、可程式化控制器、特殊應用積體電路、可程式化邏輯裝置或其他類似裝置或這些裝置的組合。在一實施例中，深度學習模型124實作為軟體模組。例如，深度學習模型124可包括程式碼且儲存於儲存裝置122。深度學習模型124可被處理器121執行。此外，深度學習模型124可為卷積神經網路架構(Convolutional Neural Networks, CNN)或其他類型的神經網路架構。
圖2是根據本發明的一實施例所繪示的訓練深度學習模型的示意圖。請參照圖1與圖2，處理器121可獲得超音波影像(亦稱為第一影像)201(1)~201(N)。N可為任意正整數。超音波影像201(1)~201(N)中的每一者皆為二維影像且包含心臟圖案(亦稱為第一心臟圖案)。例如，超音波影像201(1)~201(N)的至少其中之一可經由超音波掃描一或多個人體的心臟部位而獲得。超音波影像201(1)~201(N)可具有單一解析度或至少兩個不同的解析度。超音波影像201(1)~201(N)中的第一心臟圖案可以具有一或多個尺寸。此外，超音波影像201(1)~201(N)可以是以不同角度對人體的心臟部位進行掃描而獲得。
處理器121可使用超音波影像201(1)~201(N)來訓練深度學習模型124。例如，針對超音波影像201(1)，深度學習模型124可自動偵測心臟圖案中特定部位的邊緣及/或位置。例如，此特定部位可以包括左心室、右心室、左心房、右心房及/或二尖瓣，且所述特定部位還可以包含心臟的其他部位。深度學習模型124可將偵測結果比對正確答案，以逐步提升影像辨識能力。換言之，經訓練的深度學習模型124可逐漸增加對於超音波影像中的心臟圖案的辨識能力。
圖3是根據本發明的一實施例所繪示的分析超音波影像的示意圖。請參照圖1與圖3，處理器121可獲得超音波影像(亦稱為第二影像)301(1)~301(M)。M可為任意正整數。超音波影像301(1)~301(M)中的每一者皆為二維影像且包含心臟圖案(亦稱為第二心臟圖案)。例如，超音波影像301(1)~301(M)可經由超音波掃描裝置11對單一使用者(亦稱為目標使用者)的心臟部位進行超音波掃描而獲得。超音波影像301(1)~301(M)可具有單一解析度或至少兩個不同的解析度。超音波影像301(1)~301(M)中的第二心臟圖案可以具有一或多個尺寸。此外，超音波影像301(1)~301(M)可以是以不同角度對目標使用者的心臟部位進行掃描而獲得。
經訓練的深度學習模型124可用於分析超音波影像301(1)~301(M)。例如，處理器121可使用深度學習模型124分析超音波影像301(1)~301(M)以自動評估目標使用者的心臟狀態。例如，對於超音波影像301(1)，深度學習模型124可自動偵測心臟圖案中特定部位的邊緣及/或位置。例如，此特定部位可以包括左心室、右心室、左心房、右心房及/或二尖瓣，且所述特定部位還可以包含心臟的其他部位。處理器121可根據偵測結果自動評估目標使用者的心臟狀態。
處理器121可使用深度學習模型124分析超音波影像301(1)~301(M)並產生評估結果。此評估結果可反映目標使用者的心臟狀態。在一實施例中，此評估結果可反映目標使用者的心臟(亦稱為目標心臟)的舒張末期容積、收縮末期容積、左心室邊界、最大左心室邊界、最小左心室邊界、平均左心室邊界及心射出分率的至少其中之一。在一實施例中，此評估結果可反映目標使用者未來可能發生的生理狀態，例如心室肥大、高血壓及/或心臟衰竭等。在一實施例中，此評估結果可反映目標心臟的健康程度及/或可能的缺陷。
在一實施例中，處理器121可使用深度學習模型124分析超音波影像301(1)~301(M)，以獲得目標心臟的舒張末期容積與目標心臟的收縮末期容積。不同的舒張末期容積與收縮末期容積的組合可對應不同的心臟狀態。處理器121可根據目標心臟的舒張末期容積與目標心臟的收縮末期容積評估目標使用者的心臟狀態。例如，處理器121可根據所獲得的舒張末期容積與收縮末期容積查詢資料庫以評估目標使用者的心臟狀態。或者，處理器121可將所獲得的舒張末期容積與收縮末期容積帶入特定方程式以評估目標使用者的心臟狀態。
在一實施例中，處理器121可使用深度學習模型124分析超音波影像301(1)~301(M)，以自動偵測對應於第二心臟圖案的最大左心室邊界與對應於第二心臟圖案的最小左心室邊界。然後，處理器121可根據最大左心室邊界與最小左心室邊界分別獲得目標心臟的舒張末期容積與目標心臟的收縮末期容積。
圖4與圖5是根據本發明的一實施例所繪示的超音波影像的示意圖。須注意的是，圖4與圖5中的斜線區域為圖1的深度學習模型124自動辨識出的左心室區域。斜線區域的邊緣為左心室的邊界。
請參照圖1、圖3、圖4及圖5，超音波影像401為超音波影像301(1)~301(M)的其中之一，且超音波影像501為超音波影像301(1)~301(M)的其中之另一。根據深度學習模型124的分析結果，處理器121可獲得超音波影像401中的左心室邊界410與超音波影像501中的左心室邊界510。左心室邊界410為對應於超音波影像301(1)~301(M)的最大左心室邊界(即目標心臟的最大左心室邊界)。左心室邊界510為對應於超音波影像301(1)~301(M)的最小左心室邊界(即目標心臟的最小左心室邊界)。
須注意的是，在一實施例中，深度學習模型124可自動辨識某一超音波影像中心臟圖案的方向，例如為正面的心臟圖案或側面的心臟圖案。深度學習模型124可分析超音波影像301(1)~301(M)，以獲得在至少兩個方向上目標心臟的最大左心室邊界與目標心臟的最小左心室邊界。以圖4與圖5為例，超音波影像401中的左心室邊界410可為在某一方向(亦稱為第一方向)上所偵測的目標心臟的多個左心室邊界中的最大邊界，而超音波影像501中的左心室邊界510可為在此第一方向上所偵測的目標心臟的多個左心室邊界中的最小邊界。此最大邊界可用以界定目標心臟的左心室的最大面積。此最小邊界可用以界定目標心臟的左心室的最小面積。換言之，在一實施例中，左心室邊界410可為目標心臟的左心室的面積最大時的左心室邊界，而左心室邊界510可為目標心臟的左心室的面積最小時的左心室邊界。
在一實施例中，在獲得在至少兩個方向上目標心臟的最大左心室邊界與目標心臟的最小左心室邊界後，處理器121可以基於辛普森算法(Simpson’s Method)分別獲得目標心臟的舒張末期容積與目標心臟的收縮末期容積。例如，處理器121可根據以下方程式(1.2)獲得目標心臟的舒張末期容積或目標心臟的收縮末期容積。
Figure 02_image001
(1.1)
在方程式(1.1)中，參數V為目標心臟的容積，參數ai 為目標心臟的在第一方向(例如正面)上的超音波影像中左心室的寬度(例如短軸長度)，參數bi 為目標心臟的在第二方向(例如側面)上的超音波影像中左心室的寬度(例如冠狀面短軸長度)，參數P可為20或其他數值，且參數L為目標心臟的高度(也可為長軸長度)。處理器121可藉由深度學習模型124自動從超音波影像301(1)~301(M)中獲得所需的參數ai 、參數bi 及參數L，以計算目標心臟的舒張末期容積與目標心臟的收縮末期容積。
換言之，藉由對超音波影像301(1)~301(M)進行不同角度的自動化分析，即便超音波影像301(1)~301(M)皆不具有深度資訊，目標心臟的舒張末期容積與目標心臟的收縮末期容積也可以被準確地估計。然後，處理器121可根據此舒張末期容積與此收縮末期容積評估目標使用者的心臟狀態。
在一實施例中，處理器121可根據目標心臟的舒張末期容積與收縮末期容積獲得目標心臟的心射出分率。例如，處理器121可根據以下方程式(1.2)獲得目標心臟的心射出分率。
Figure 02_image003
(1.2)
在方程式(1.2)中，參數EF表示目標心臟的心射出分率，參數EDV表示目標心臟的舒張末期容積，且參數ESV表示目標心臟的收縮末期容積。
在一實施例中，處理器121可根據目標心臟的心射出分率評估目標使用者的心臟狀態。例如，不同數值範圍內的心射出分率可對應不同類型的心臟狀態。處理器121可根據目標心臟的心射出分率所屬的數值範圍評估目標使用者的心臟狀態。例如，處理器121可根據目標心臟的心射出分率查詢資料庫以評估目標使用者的心臟狀態。或者，處理器121可將所獲得的心射出分率帶入特定方程式以評估目標使用者的心臟狀態。
須注意的是，在前述實施例中，自動評估目標心臟的心臟狀態的操作是由電子裝置12的處理器121執行。然而，在另一實施例中，自動評估目標心臟的心臟狀態的操作亦可以是由超音波掃描裝置11的處理器112執行。例如，深度學習模型124亦可以是實作於超音波掃描裝置11內並可被處理器112執行。藉此，超音波掃描裝置11可以自行執行超音波掃描、超音波影像的分析及目標使用者的心臟狀態的評估。相關的操作細節皆已詳述於上，在此便不贅述。此外，深度學習模型124可以被處理器112或121訓練，或者被其他的電子裝置或伺服器訓練，本發明不加以限制。
圖6是根據本發明的一實施例所繪示的心臟狀態評估方法的流程圖。請參照圖6，在步驟S601中，獲得至少一第一影像。所述第一影像中的每一者為二維影像且包含第一心臟圖案。在步驟S602中，利用所述第一影像訓練深度學習模型。在步驟S603中，使用經訓練的深度學習模型分析至少一第二影像以自動評估使用者的心臟狀態。所述第二影像中的每一者為二維影像且包含第二心臟圖案。
然而，圖6中各步驟已詳細說明如上，在此便不再贅述。值得注意的是，圖6中各步驟可以實作為多個程式碼或是電路，本發明不加以限制。此外，圖6的方法可以搭配以上實施例使用，也可以單獨使用，本發明不加以限制。
綜上所述，包含使用者的心臟圖案的二維超音波影像可被深度學習模型分析，從而自動評估使用者的心臟狀態。此外，此深度學習模型可藉由同樣包含心臟圖案的二維超音波影像進行訓練，以提高評估精確度。藉此，可有效改善二維超音波掃描裝置的使用效率，減少超音波掃描裝置的設置成本。此外，本發明實施例所自動評估的心臟狀態可以供醫療專業人士或非專業人士參考。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
10:心臟狀態評估系統11:超音波掃描裝置111:超音波掃描器112、121:處理器12:電子裝置122:儲存裝置123:輸入/輸出介面124:深度學習模型201(1)~201(N)、301(1)~301(M)、401、501:影像410、510:左心室邊界S601、S602、S603:步驟
圖1是根據本發明的一實施例所繪示的心臟狀態評估系統的示意圖。 圖2是根據本發明的一實施例所繪示的訓練深度學習模型的示意圖。 圖3是根據本發明的一實施例所繪示的分析超音波影像的示意圖。 圖4與圖5是根據本發明的一實施例所繪示的超音波影像的示意圖。 圖6是根據本發明的一實施例所繪示的心臟狀態評估方法的流程圖。
S601、S602、S603:步驟

Claims (20)

  1. 一種心臟狀態評估方法，包括： 獲得至少一第一影像，其中該至少一第一影像中的每一者為二維影像且包含一第一心臟圖案； 利用該至少一第一影像訓練一深度學習模型；以及 使用經訓練的該深度學習模型分析至少一第二影像以自動評估一使用者的一心臟狀態，其中該至少一第二影像中的每一者為該二維影像且包含一第二心臟圖案。
  2. 如申請專利範圍第1項所述的心臟狀態評估方法，其中該至少一第一影像是經由一超音波掃描而獲得。
  3. 如申請專利範圍第1項所述的心臟狀態評估方法，更包括： 對該使用者執行一超音波掃描，以獲得該至少一第二影像。
  4. 如申請專利範圍第1項所述的心臟狀態評估方法，其中使用經訓練的該深度學習模型分析該至少一第二影像以自動評估該使用者的該心臟狀態的步驟包括： 分析該至少一第二影像以獲得一心臟的一舒張末期容積與該心臟的一收縮末期容積；以及 根據該舒張末期容積與該收縮末期容積評估該使用者的該心臟狀態。
  5. 如申請專利範圍第4項所述的心臟狀態評估方法，其中分析該至少一第二影像以獲得該心臟的該舒張末期容積與該心臟的該收縮末期容積的步驟包括： 自動偵測對應於該第二心臟圖案的一最大左心室邊界； 根據該最大左心室邊界獲得該心臟的該舒張末期容積； 自動偵測對應於該第二心臟圖案的一最小左心室邊界；以及 根據該最小左心室邊界獲得該心臟的該收縮末期容積。
  6. 如申請專利範圍第4項所述的心臟狀態評估方法，其中根據該舒張末期容積與該收縮末期容積評估該使用者的該心臟狀態的步驟包括： 根據該舒張末期容積與該收縮末期容積獲得該心臟的一心射出分率；以及 根據該心射出分率評估該使用者的該心臟狀態。
  7. 一種電子裝置，包括： 一儲存裝置，用以儲存至少一第一影像與至少一第二影像，其中該至少一第一影像中的每一者為二維影像且包含一第一心臟圖案，該至少一第二影像中的每一者為該二維影像且包含一第二心臟圖案；以及 一處理器，耦接至該儲存裝置， 其中該處理器利用該至少一第一影像訓練一深度學習模型，並且 該處理器使用經訓練的該深度學習模型分析該至少一第二影像以自動評估一使用者的一心臟狀態。
  8. 如申請專利範圍第7項所述的電子裝置，其中該至少一第一影像是經由實際的超音波掃描而獲得。
  9. 如申請專利範圍第7項所述的電子裝置，其中該處理器是從一超音波掃描裝置接收該至少一第二影像。
  10. 如申請專利範圍第7項所述的電子裝置，其中該處理器使用經訓練的該深度學習模型分析該至少一第二影像以自動評估該使用者的該心臟狀態的操作包括： 分析該至少一第二影像以獲得一心臟的一舒張末期容積與該心臟的一收縮末期容積；以及 根據該舒張末期容積與該收縮末期容積評估該使用者的該心臟狀態。
  11. 如申請專利範圍第10項所述的電子裝置，其中該處理器分析該至少一第二影像以獲得該心臟的該舒張末期容積與該心臟的該收縮末期容積的操作包括： 自動偵測對應於該第二心臟圖案的一最大左心室邊界； 根據該最大左心室邊界獲得該心臟的該舒張末期容積； 自動偵測對應於該第二心臟圖案的一最小左心室邊界；以及 根據該最小左心室邊界獲得該心臟的該收縮末期容積。
  12. 如申請專利範圍第10項所述的電子裝置，其中該處理器根據該舒張末期容積與該收縮末期容積評估該使用者的該心臟狀態的操作包括： 根據該舒張末期容積與該收縮末期容積獲得該心臟的一心射出分率；以及 根據該心射出分率評估該使用者的該心臟狀態。
  13. 一種心臟狀態評估系統，包括： 一超音波掃描裝置，用以對一使用者執行一超音波掃描，以獲得至少一影像，其中該至少一影像中的每一者為二維影像且包含一心臟圖案；以及 一電子裝置，耦接至該超音波掃描裝置， 其中該電子裝置使用一深度學習模型分析該至少一影像以自動評估該使用者的一心臟狀態。
  14. 如申請專利範圍第13項所述的心臟狀態評估系統，其中該電子裝置使用該深度學習模型分析該至少一影像以自動評估該使用者的該心臟狀態的操作包括： 分析該至少一影像以獲得一心臟的一舒張末期容積與該心臟的一收縮末期容積；以及 根據該舒張末期容積與該收縮末期容積評估該使用者的該心臟狀態。
  15. 如申請專利範圍第14項所述的心臟狀態評估系統，其中該電子裝置分析該至少一影像以獲得該心臟的該舒張末期容積與該心臟的該收縮末期容積的操作包括： 自動偵測對應於該心臟圖案的一最大左心室邊界； 根據該最大左心室邊界獲得該心臟的該舒張末期容積； 自動偵測對應於該心臟圖案的一最小左心室邊界；以及 根據該最小左心室邊界獲得該心臟的該收縮末期容積。
  16. 如申請專利範圍第14項所述的心臟狀態評估系統，其中該電子裝置根據該舒張末期容積與該收縮末期容積評估該使用者的該心臟狀態的操作包括： 根據該舒張末期容積與該收縮末期容積獲得該心臟的一心射出分率；以及 根據該心射出分率評估該使用者的該心臟狀態。
  17. 一種超音波掃描裝置，包括： 一超音波掃描器，用以對一使用者執行一超音波掃描，以獲得至少一影像，其中該至少一影像中的每一者為二維影像且包含一心臟圖案；以及 一處理器，耦接至該超音波掃描器， 其中該處理器使用一深度學習模型分析該至少一影像以自動評估該使用者的一心臟狀態。
  18. 如申請專利範圍第17項所述的超音波掃描裝置，其中該處理器使用該深度學習模型分析該至少一影像以自動評估該使用者的該心臟狀態的操作包括： 分析該至少一影像以獲得一心臟的一舒張末期容積與該心臟的一收縮末期容積；以及 根據該舒張末期容積與該收縮末期容積評估該使用者的該心臟狀態。
  19. 如申請專利範圍第18項所述的超音波掃描裝置，其中該處理器分析該至少一影像以獲得該心臟的該舒張末期容積與該心臟的該收縮末期容積的操作包括： 自動偵測對應於該心臟圖案的一最大左心室邊界； 根據該最大左心室邊界獲得該心臟的該舒張末期容積； 自動偵測對應於該心臟圖案的一最小左心室邊界；以及 根據該最小左心室邊界獲得該心臟的該收縮末期容積。
  20. 如申請專利範圍第18項所述的超音波掃描裝置，其中該處理器根據該舒張末期容積與該收縮末期容積評估該使用者的該心臟狀態的操作包括： 根據該舒張末期容積與該收縮末期容積獲得該心臟的一心射出分率；以及 根據該心射出分率評估該使用者的該心臟狀態。
TW107143784A 2018-12-05 2018-12-05 心臟狀態評估方法與系統、電子裝置及超音波掃描裝置 TW202022713A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW107143784A TW202022713A (zh) 2018-12-05 2018-12-05 心臟狀態評估方法與系統、電子裝置及超音波掃描裝置
EP19175203.9A EP3664098A1 (en) 2018-12-05 2019-05-17 Method and system for evaluating cardiac status, electronic device and ultrasonic scanning device
US16/419,020 US20200178930A1 (en) 2018-12-05 2019-05-22 Method and system for evaluating cardiac status, electronic device and ultrasonic scanning device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107143784A TW202022713A (zh) 2018-12-05 2018-12-05 心臟狀態評估方法與系統、電子裝置及超音波掃描裝置

Publications (1)

Publication Number Publication Date
TW202022713A true TW202022713A (zh) 2020-06-16

Family

ID=66589478

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107143784A TW202022713A (zh) 2018-12-05 2018-12-05 心臟狀態評估方法與系統、電子裝置及超音波掃描裝置

Country Status (3)

Country Link
US (1) US20200178930A1 (zh)
EP (1) EP3664098A1 (zh)
TW (1) TW202022713A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114190972A (zh) * 2020-09-18 2022-03-18 苏州佳世达电通有限公司 超声波影像物件的体积计算方法及应用其的超声波系统
TWI775351B (zh) * 2021-03-17 2022-08-21 宏碁股份有限公司 估計心室容積的方法
US11610312B2 (en) 2021-03-10 2023-03-21 Acer Incorporated Image processing apparatus for evaluating cardiac images and ventricular status identification method
TWI811129B (zh) * 2022-10-07 2023-08-01 淡江大學學校財團法人淡江大學 兒童先天性心臟超音波影像目標檢測系統及其方法
US11744542B2 (en) 2021-03-17 2023-09-05 Acer Incorporated Method for evaluating movement state of heart
CN116705307A (zh) * 2023-08-07 2023-09-05 天津云检医学检验所有限公司 基于ai模型的儿童心脏功能评估方法、系统和存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111724363B (zh) * 2020-06-12 2023-03-31 中南民族大学 四维心脏图像质量评估方法、装置、设备及存储介质
CN112656445B (zh) * 2020-12-18 2023-04-07 青岛海信医疗设备股份有限公司 一种超声设备、超声图像处理方法及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10521902B2 (en) * 2015-10-14 2019-12-31 The Regents Of The University Of California Automated segmentation of organ chambers using deep learning methods from medical imaging
WO2017205836A1 (en) * 2016-05-26 2017-11-30 Icahn School Of Medicine At Mount Sinai Systems and methods for categorization
WO2017206023A1 (zh) * 2016-05-30 2017-12-07 深圳迈瑞生物医疗电子股份有限公司 一种心脏容积识别分析系统和方法
EP3471623B1 (en) * 2016-06-20 2023-01-25 Butterfly Network, Inc. Automated image acquisition for assisting a user to operate an ultrasound device
WO2018140596A2 (en) * 2017-01-27 2018-08-02 Arterys Inc. Automated segmentation utilizing fully convolutional networks

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114190972A (zh) * 2020-09-18 2022-03-18 苏州佳世达电通有限公司 超声波影像物件的体积计算方法及应用其的超声波系统
CN114190972B (zh) * 2020-09-18 2024-03-22 苏州佳世达电通有限公司 超声波影像物件的体积计算方法及应用其的超声波系统
US11610312B2 (en) 2021-03-10 2023-03-21 Acer Incorporated Image processing apparatus for evaluating cardiac images and ventricular status identification method
TWI775351B (zh) * 2021-03-17 2022-08-21 宏碁股份有限公司 估計心室容積的方法
US11744542B2 (en) 2021-03-17 2023-09-05 Acer Incorporated Method for evaluating movement state of heart
US11844655B2 (en) 2021-03-17 2023-12-19 Acer Incorporated Method for estimating ventricular volume
TWI811129B (zh) * 2022-10-07 2023-08-01 淡江大學學校財團法人淡江大學 兒童先天性心臟超音波影像目標檢測系統及其方法
CN116705307A (zh) * 2023-08-07 2023-09-05 天津云检医学检验所有限公司 基于ai模型的儿童心脏功能评估方法、系统和存储介质

Also Published As

Publication number Publication date
EP3664098A1 (en) 2020-06-10
US20200178930A1 (en) 2020-06-11

Similar Documents

Publication Publication Date Title
TW202022713A (zh) 心臟狀態評估方法與系統、電子裝置及超音波掃描裝置
RU2770752C1 (ru) Способ и устройство для обучения модели распознавания лица и устройство для определения ключевой точки лица
CN112037912B (zh) 基于医疗知识图谱的分诊模型训练方法、装置及设备
US20210209775A1 (en) Image Processing Method and Apparatus, and Computer Readable Storage Medium
CN109815770B (zh) 二维码检测方法、装置及系统
WO2022213465A1 (zh) 基于神经网络的图像识别方法、装置、电子设备及介质
CN106934376B (zh) 一种图像识别方法、装置及移动终端
US11669729B2 (en) Model training method and apparatus
JP2020523711A (ja) 医療報告書の生成方法および装置
JP2021516090A (ja) 超音波検査にアノテーションを付けるための方法および装置
WO2020123749A1 (en) Object detection in medical image
WO2021189848A1 (zh) 模型训练方法、杯盘比确定方法、装置、设备及存储介质
CN111401219B (zh) 一种手掌关键点检测方法和装置
US11514315B2 (en) Deep neural network training method and apparatus, and computer device
CN111091075A (zh) 人脸识别方法、装置、电子设备及存储介质
TWI723312B (zh) 電腦輔助直腸癌治療反應預測系統、方法及電腦程式產品
WO2020199498A1 (zh) 指静脉比对方法、装置、计算机设备及存储介质
WO2020258507A1 (zh) X光片的分类方法、装置、终端及存储介质
Zhao et al. The end-to-end fetal head circumference detection and estimation in ultrasound images
CN111915676B (zh) 图像生成方法、装置、计算机设备和存储介质
WO2021000495A1 (zh) 一种图像处理方法以及装置
CN112070853A (zh) 图像生成方法及装置
TWM586599U (zh) 人工智慧雲端膚質與皮膚病灶辨識系統
CN111374710A (zh) 心脏状态评估方法与系统、电子装置及超声波扫描装置
TWI825643B (zh) 醫療輔助資訊產生方法與醫療輔助資訊產生系統