CN111311701A - 用于生成医学图像的成像***和方法 - Google Patents
用于生成医学图像的成像***和方法 Download PDFInfo
- Publication number
- CN111311701A CN111311701A CN201911219038.7A CN201911219038A CN111311701A CN 111311701 A CN111311701 A CN 111311701A CN 201911219038 A CN201911219038 A CN 201911219038A CN 111311701 A CN111311701 A CN 111311701A
- Authority
- CN
- China
- Prior art keywords
- image
- measurement
- quality
- indicator
- color
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003384 imaging method Methods 0.000 title abstract description 53
- 238000005259 measurement Methods 0.000 claims abstract description 210
- 239000003550 marker Substances 0.000 claims description 4
- 238000002604 ultrasonography Methods 0.000 description 16
- 210000003484 anatomy Anatomy 0.000 description 15
- 238000002595 magnetic resonance imaging Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 239000012530 fluid Substances 0.000 description 10
- 210000000988 bone and bone Anatomy 0.000 description 5
- 210000003754 fetus Anatomy 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000002091 elastography Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- 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
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10116—X-ray 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
- G06T2207/10—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明题为“用于生成医学图像的成像***和方法。”本发明提供了一种方法(200),该方法包括采集图像数据(202),以及确定医学图像中呈现的测量结果的质量水平(206)。质量水平基于所采集的图像数据。该方法(200)还包括基于质量水平生成包括测量结果指示符(308,408,508,608)的医学图像(210),以及在显示设备(120)上显示医学图像(211)。
Description
背景技术
本公开整体涉及用于对自动成像***的图像进行颜色编码和标记以指示成像结果中的部件的质量/置信水平的自动成像***和方法。
临床成像过程通常用于从扫描区域采集定量或定性信息。计算机断层扫描(CT扫描)、磁共振成像扫描(MRI扫描)、超声波扫描、X射线扫描等向人体解剖结构的用户呈现视觉表示。在这些***的改进,包括通过人工智能和增强学习技术,已经导致算法的形成以分析成像数据并提供用于这些***的自主测量和诊断。作为一个示例,自动超声***可以利用感兴趣区(ROI)的不同图像以形成组合图像,该组合图像识别正被扫描和成像的人体解剖结构。在进行所述识别时,自动超声***可以进行测量、跟踪图像对象、提供与图像对象相关的标签等,并且然后向临床医生显示与所述识别相关的视觉部件。作为示例,可以显示测量数字、可以围绕扫描中的识别对象跟踪边界,标签可以与所述识别的对象相关联等以向临床医生提供所述扫描解剖结构的视觉表示。
测量结果、跟踪、标签、对象等的可靠性和可重复性是非常重要的,并且因此自动化方法提供了在不具有客观性的情况下执行任务的可能性。然而,这种方法通常给予用户结果,并且无附加信息。
尤其是,当临床医生无法理解为什么医疗设备给出他们不同意的输出时,信任自动***可能是临床医生的挑战。具体地,在自动医疗设备应用中,测量结果、跟踪、标签等的任一个在图像上示出,而不计算所述测量结果、跟踪、标签等的确定性或质量。另选地,当未提供确定性阈值时,自动化图像将不提供测量结果、跟踪、对象、标签等。在不理解所述测量结果、跟踪、标签等的确定性或质量的情况下,临床医生必须对每个的质量做出假设,并且对不需要的所述测量结果、跟踪、标签等的任一个进行繁琐且耗时的检查,因为测量结果、跟踪、标签等具有极高水平的确定性或质量。另选地,临床医生假设所述测量结果、跟踪、标签等具有高质量或确定性,并且不花费足够量的时间检查自动化图像和信息,从而导致基于具有不合格质量的图像的不正确读数和结果。
发明内容
本文解决了上述缺陷、缺点和问题,其将通过阅读和理解以下说明书来理解。
在一个或多个实施方案中,一种方法包括采集图像数据以及确定医学图像中呈现的测量结果的质量水平,该质量水平基于所采集的图像数据。该方法包括基于质量水平生成包括测量结果指示符的医学图像,以及在显示设备上显示医学图像。
在一个或多个实施方案中,一种方法包括采集图像数据,以及从所采集的图像数据中确定图像参数。该方法还包括确定用于医学图像中呈现的第一测量结果的第一质量水平,该第一质量水平基于所确定的图像参数,以及确定用于医学图像中呈现的第二测量结果的第二质量水平,该第二质量水平基于所确定的图像参数。该方法还包括基于所述第一质量水平生成第一测量结果指示符,以及基于所述第二质量水平生成第二测量结果指示符。该方法还包括生成医学图像,该医学图像包括第一测量结果指示符和第二测量结果指示符,以及在显示设备上显示医学图像。
在一个或多个实施方案中,提供了非暂态计算机可读介质。该非暂态计算机可读介质在其上存储了具有至少一个代码段的计算机程序,所述至少一个代码段能够由机器执行以使得所述机器执行一个或多个步骤。所述步骤包括采集图像数据,以及确定医学图像中呈现的测量结果的质量水平,该质量水平基于所采集的图像数据。所述步骤还包括基于质量水平生成包括测量结果指示符的医学图像,以及在显示设备上显示医学图像。
附图说明
图1示出了根据一个实施方案的成像***的示意图。
图2是根据一个实施方案的流程图。
图3是根据一个实施方案的图像的示意图。
图4是根据一个实施方案的图像的示意图。
图5是根据一个实施方案的图像的示意图。
图6是根据一个实施方案的图像的示意图。
具体实施方式
当结合附图阅读时,将更好地理解前述发明内容以及以下对各种实施方案的具体实施方式。就附图示出各种实施方案的功能块的图的范围而言,这些功能块不一定表示硬件电路之间的划分。因此,例如,功能块(例如,处理器或存储器)的一个或多个可以在单件硬件(例如,通用信号处理器或随机存取存储器块、硬盘等)中或多件硬件中实现。类似地,程序可以是独立程序,可以作为子例程包含在操作***中,可以是安装的软件包中的功能等。应当理解,各种实施方案不限于附图中所示的布置和工具。
在以下具体实施方式中,参考形成其一部分的附图,并且其中通过图示的方式示出了可实践的具体实施方案。足够详细地描述了这些实施方案以使得本领域技术人员能够实践实施方案,并且应当理解,可以利用其他实施方案,并且可以在不脱离实施方案的范围的情况下进行逻辑、机械、电气和其他改变。因此,以下具体实施方式不应视为限制本发明的范围。
图1是根据一个实施方案的成像***100的示意图,成像***接收与患者解剖结构相关的图像数据,并且从图像数据显示与正在检查的解剖结构相关的视觉表示。代表性的成像***包括CT***、MRI***、超声***、X射线***等。成像***100可以是基于控制台的***、膝上型电脑、手持或手提式***,或任何其他配置。
对于每个成像***100,测量设备102获取图像数据以便创建患者108的解剖结构106的图像104。在示例性实施方案中,测量设备102包括发射X射线的CT扫描仪,创建磁场并发射射频脉冲的MRI扫描仪,发射脉冲超声信号的探针设备,利用电子信号的电子设备等。
对于每个模态,测量设备102用来自发射器模块111的信号110轰击患者108的解剖结构106的区域,包括x射线,其他电磁波,声波等。测量设备102包括接收器模块112,该接收器模块接收来自信号110的反馈信号113以形成图像数据。术语“扫描”或“扫描中”也可以在本公开中用于指代通过发射和接收信号的过程来采集数据。术语“数据”和“图像数据”以及“成像数据”可以在本公开中用于指代用成像***100的测量设备102采集的一个或多个数据集。
在示例性实施方案中,图像数据包括感兴趣区的分段图像,其中每个分段图像取自正在检查的解剖结构106的不同位置或视图。接收器模块112然后将图像数据传输到处理器114,以通过处理器114的重建模块118从图像数据重建图像104。在示例性实施方案中,重建图像104可以是一维(1D)、二维(2D)、三维(3D)或四维(4D)。处理器114在测量设备102的显示设备120上显示图像104以供临床医生使用。
处理器114可以是一个或多个处理器,并且可以在测量设备102内或远程耦合到测量设备102以与测量设备102进行电子通信。出于本公开的目的,术语“电子通信”可被定义为包括有线连接和无线连接。因此,处理器114包括具有其上存储的计算机可读介质、具有至少一个代码段的计算机程序,所述至少一个代码段能够由机器执行以使所述机器执行本文所述的步骤。这至少包括相对于图2所述的方法。
具体地,处理器114控制信号110的传输并且经由接收器模块112从扫描的解剖结构106接收反馈信号113。在示例性实施方案中,处理器114可以包括波束形成器,该波束形成器包括软件部件,该软件部件包括图形处理单元(GPU)、微处理器、中央处理单元(CPU)、数字信号处理器(DSP),或能够执行逻辑运算的任何其他类型的处理器。
在一个示例中,处理器114可以控制硬件以采集超声数据。在一个示例中,处理器114与显示设备120电子通信,并且处理器114将成像数据处理成一个或多个图像104以在显示设备120上显示。
根据一个实施方案,处理器114还可以包括中央处理单元(CPU)。根据其他实施方案,处理器114可以包括能够进行处理功能的其他电子部件,诸如数字信号处理器、现场可编程门阵列(FPGA)、图形处理单元(GPU)或任何其他类型的处理器。根据其他实施方案,处理器114可以包括能够进行处理功能的多个电子部件。例如,处理器114可以包括从电子部件的列表中选择的两个或更多个电子部件,这些电子部件包括:CPU、数字信号处理器(DSP)、FPGA和GPU。
根据另一个实施方案,处理器114还可以包括解调射频(RF)数据并且生成原始数据的复合解调器(未示出)。在另一个实施方案中,解调可以在处理链中较早地执行。处理器114可以适于根据成像数据上的多个可选模态执行一个或多个处理操作。随着接收到回波信号,可以在扫描会话期间实时处理成像数据。出于本公开的目的,术语“实时”被定义为包括在没有任何有意延迟的情况下执行的过程。实时帧或体积速率可基于从其采集数据的区域或体积的尺寸和采集期间使用的具体参数而变化。成像数据可以在扫描会话期间临时存储在缓冲器(未示出)中,并且在实况或脱机操作中以少于实时进行处理。
本发明的一些实施方案可包括用于处理处理任务的多个处理器(未示出)。例如,可以利用第一处理器以解调和抽取RF信号,而可以使用第二处理器以在显示作为图像之前进一步处理成像数据。应当理解,其他实施方案可使用不同的处理器布置方式。或者,可以在任何数量的单独处理部件之间以不同的方式分配归因于处理器114的处理功能。
在示例性实施方案中,重建模块118包括算法,该算法包括增强学习算法、人工智能算法等以分析图像数据以在重建图像104中显示测量参数122。测量参数122包括数值测量信息诸如直径,面积,体积,流量,温度等;跟踪信息,该跟踪信息包括对患者108的解剖结构106的所识别对象的边界的概述;标签,该标签包括文本框,该文本框识别包括图像中的对象表示的信息,或者提供有关图像中的对象或质量的测量数据和信息;等等。
在本发明的各种实施方案中,重建模块可以由处理器114通过其他或不同的模式相关模块来处理成像数据(例如,B模式、彩色多普勒、M模式、彩色M模式、光谱多普勒、弹性成像、TVI、应变,应变速率等)以形成变化的图像或数据。例如,一个或多个模块可生成B模式、彩色多普勒、M模式、彩色M模式、频谱多普勒、弹性成像、TVI、应变、应变速率以及它们的组合等。这些模块可包括例如扫描转换模块,该扫描转换模块用于执行扫描转换操作,以将图像帧从光束空间坐标转换为显示空间坐标。可提供视频处理器模块,该视频处理器模块从存储器读取图像帧,并且在对患者进行手术时实时显示图像帧。视频处理器模块可将图像帧存储在图像存储器中,从该图像存储器读取和显示图像。
显示器120可以用于控制患者数据的输入,或者用于选择各种模式、操作和参数等。显示器120可以包括一个或多个用户输入设备,诸如键盘、硬键、触摸板、触摸屏、轨迹球、旋转控件、滑块、软键或任何其他用户输入设备。
图2是根据一个示例性实施方案的方法200的流程图。流程图的各个块表示可以根据方法200执行的步骤。附加实施方案可以执行以不同序列示出的步骤,并且/或者附加实施方案可以包括图2中未示出的附加步骤。方法200的技术效果是显示从包括测量结果、跟踪、标签等的成像数据生成的图像以及测量结果、跟踪、标签等中的至少一个相关联的指示符。相关联的指示符可以包括颜色编码、数字、字母等以表示测量结果、跟踪、标签等的质量、保真度或相关联的置信水平。
将根据一个示例性实施方案描述图2,其中方法200由图1所示的***100执行。在202处,处理器114传输信号110以从患者108的解剖结构106的感兴趣区采集成像数据。成像数据可以包括一维(1D)数据、二维(2D)数据、三维(3D)数据、四维(4D)数据或分段图像数据。作为“实况”成像过程的一部分,可以实时采集并显示成像数据。或者,根据其他实施方案,成像数据可以在第一离散时段期间采集、处理,然后在处理之后显示。
在204步骤处,处理器114在采集成像数据的过程期间采集测量参数。每个测量参数可以是与包括图像参数在内的图像中的采集和部件的质量或置信相关的任何参数。图像的部件包括诸如体积、直径等的数值特征,对象的边界,对象的标签等。获取测量参数可以包括根据一些实施方案计算来自成像数据的测量参数,而在其他实施方案中,采集测量参数可以包括基于不是来自图像数据的成像数据采集测量参数。例如,可以使用传感器采集测量参数。例如,测量参数可以包括采集的噪声水平、探头运动的量、随时间变化的帧一致性度量、信号强度、视图正确性度量、流谱波形的正确性、或与测量质量相关联的任何其他参数。一般来讲,较低的噪声水平与较高的测量质量相关,较低的探头运动量与较高的测量质量相关,并且较高的随时间变化的帧一致性与较高的测量质量相关。可通过使用图像相关技术将采集的图像帧与标准视图进行比较来计算视图正确性度量。一些实施方案可以采用深度学习和/或神经网络来确定采集的图像帧与标准视图的匹配程度。
在步骤206处,处理器114基于在步骤204处采集的测量参数来确定图像的所有部件的图像质量水平。根据一些实施方案,处理器114可以基于两个(2)或更多不同质量测量参数来确定图像质量水平。或者,根据其他实施方案,处理器114可以仅基于单个测量参数来确定质量水平。在示例性实施方案中,利用包括增强学***和信号强度是所利用的测量参数时,如果与测量相关联的噪声水平指示不良的质量水平,但与测量相关联的信号强度指示高质量水平,则提供中等质量水平。如果在此迭代期间,临床医生认为测量是准确的,则在下一次迭代期间,向信号强度提供比噪声水平更多的权重以确定质量水平,使得提供中等质量水平的噪声水平和提供高质量水平的信号强度导致测量的高质量水平。
接着,在步骤208处,处理器114修改重建图像中的每个部件以示出图像的每个部件的质量水平。在一个示例性实施方案中,每个部件使用指示不同质量水平的每种不同颜色或阴影进行颜色编码。具体地,处理器114可从至少第一颜色和第二颜色中进行选择,其中第二颜色不同于第一颜色。根据一个实施方案,第一颜色可以表示第一质量水平,并且第二颜色可以表示第二质量水平。根据一个实施方案,第一颜色可以表示第一质量水平的范围,并且第二颜色可以表示第二质量水平的范围,其中第二范围不与第一范围重叠。例如,第一颜色可以是绿色,并且第一质量水平的范围可以表示被认为是可接受的质量水平。例如,第二颜色可以是红色,并且第二质量水平的范围可以表示不可接受的质量水平。
根据其他实施方案,处理器114可从表示质量水平的多于两个离散范围的多于两种颜色中进行选择。例如,第一颜色诸如绿色,可以表示第一质量水平;第二颜色诸如黄色,可以表示第二质量水平;以及第三颜色诸如红色,可以表示第三质量水平。或者,第一颜色可以表示第一质量水平的范围,第二颜色可以表示第二质量水平的范围,并且第三颜色可以表示第三质量水平的范围。根据一个实施方案,第一质量水平的范围、第二质量水平的范围和第三质量水平的范围可以各自为离散非重叠范围。根据其他实施方案,可以使用多于三种不同颜色表示各种质量水平或各种质量水平的范围。
根据使用三种颜色的实施方案,绿色可以是第一颜色并且它可以用于表示高质量水平,红色可以是第二颜色并且可以用于表示低质量水平,并且黄色可以是第三颜色并且可以用于表示中等质量水平(即,在高质量水平和低质量水平之间)。质量水平(即,根据一个实施方案的高、中等和低)可以预设在工厂的处理器114上,或者它们可以是用户可定义的。例如,用户可以将一系列测量参数值分配给每个质量水平。同样地,用户可以将各种质量水平分配给质量值,或者用户可以限定与每个颜色相关联的一系列质量水平。
在一个另选的实施方案中,部件的质量水平以数字标度表达,诸如例如1至10。因此,数字1至3表示低质量水平,其临床医生认定为不良质量水平,并且将确保在检查期间对部件进行更仔细,或更详细地查看。类似地,数字8至10可以表示高质量水平。因此,当临床医生观察到具有8至10质量水平的部件时,临床医生可以更快速并且更有效地通过该部件进行扫描,这是因为相信由自动测量设备102生成的图像测量结果、跟踪、标签、诊断等具有高准确的概率。
接着,在步骤210处,处理器114基于成像数据生成图像。图像可以是1D图像、2D图像、3D图像或4D图像。图像可以从成像数据的任何模式生成。例如,图像可以是B模式图像、彩色多普勒图像、M模式图像、彩色M模式图像、光谱多普勒图像、弹性成像图像、TVI图像或从成像数据生成的任何其他类型的图像。可以采集成像数据,并且可作为“实况”成像过程的一部分实时显示图像。根据实施方案,图像可以是从成像数据生成的静止帧。根据其他实施方案,在步骤210处,处理器114可以基于成像数据从两种或更多种不同成像模式生成图像。在IVC模式下,处理器114可以基于超声数据生成B模式图像和M模式图像二种。在步骤211处,处理器114在显示设备120上显示图像。
在步骤212处,处理器114显示与图像104中的每个部件相关联的质量水平。如以上所描述,质量水平可以是每种颜色或颜色的阴影代表质量的不同水平的颜色编码方案。另选地,可以使用数字、字母等以向临床医生传达图像中目标对象的质量,以供临床医生检查图像以及诊断。下文将参考图3至图6描述可显示的信息类型的示例。
在步骤214处,处理器114确定是否期望继续采集成像数据。如果期望继续采集成像数据,则方法200可以重复步骤202、204、206、208、210、211和212。根据图像104是实况图像的实施方案,步骤202、204、206、208、210、211、212和214可以在实况图像的采集和显示期间被迭代多次。例如,步骤204、206、208、210、211、212和214可以在步骤202处采集成像数据的过程期间全部执行多次。
图3示出了根据一个示例型实施方案的患者的解剖结构的医学图像300的示意图。医学图像可以由超声设备、CT设备、X射线设备、MRI设备等生成。在一个示例中,图像300在显示器302上显示,在一个实施方案中是图1的成像***100的显示器120。图像300包括部件303,该部件包括文本框304、测量结果306和测量结果指示符308。
在一个实施方案中,文本框304的边界不在显示器302上。在其他实施方案中,仅测量结果306和测量结果指示符308在显示器302上显示,并且它们不在文本框304内。
测量结果306包括与患者相关联的数值,诸如流体水平、流体浓度、体积测量,每分钟搏动等。这些包括随时间变化或波动或为静态的数值。另外,测量结果306还包括对象识别,诸如在医学图像300内识别的对象312的形状和/或尺寸。
在图3的示例性实施方案中,测量结果指示符308包括测量标记314和识别线316。另选地,可以利用图标、边界、形状等表示不同的测量结果306。在一个示例中,对象边界是将图像中的对象包围以提供围绕对象的周边。在不同实施方案中,对象312包括器官、胎儿、骨骼、组织等。对象边界包括由临床医生识别并在具有图示设备的图像上手动示出的对象边界,以及由成像***生成并由图像上的一个或多个处理器形成的对象边界。在提供手动对象边界的情况下,临床医生可以基于临床医生的经验通过输入设备或界面输入对象边界的确定性。在这种情况下,可以利用诸如虚线,条纹颜色图案等的附加的指示符以指示对象边界已经被手动放置。另选地,当成像***提供对象边界时,成像***可以利用分段图像来到达如本文所描述的对象边界。
测量结果指示符308还可以包括测量标记314。测量标记314包括与出现在图像上的测量相关联的任何文本值。在一个示例中,测量标记314包括与患者相关的数值,诸如流体水平、流体浓度、体积测量、每分钟搏动等。这些包括随时间变化或波动或为静态的数值。具体地,测量标记314提供在与由成像***进行的测量相关联的图像上显示的数值。该数值可以从传感器接收,利用算法等进行计算。
测量结果指示符308还可以包括识别线316。尤其是,识别线316跨越在该示例性实施方案中由图像300上的黑点表示的对象312。在不同实施方案中,对象312包括器官、胎儿、骨骼、组织等。
在一个示例中,当以相对于图2所描述的方式重建医学图像300时,利用与每个测量相关联的图像参数以生成每个测量结果指示符308。图像参数是测量参数,该测量参数可以包括与信号强度、干涉测量、信号方向等有关的信息。虽然本文提供的示例讨论第一测量结果和第二测量结果,或第一质量水平和第二质量水平,或第一测量结果指示符和第二测量结果指示符,但这些是示例,并且还考虑附加的测量结果、测量结果指示符,质量水平等。
在一个示例性实施方案中,计算图像参数的标准偏差并将其与一个或多个阈值标准偏差进行比较以确定质量水平。因此,如果图像参数的标准偏差超过第一阈值,则呈现第一质量水平并且生成用于向临床医生或用户指示第一质量水平的测量结果指示符308。在一个示例中,利用诸如红色的第一颜色表示医学图像300中的测量结果306的第一质量水平。然后,在一个实施方案中,当第一测量结果指示符是识别线316时,识别线316在屏幕上以红色出现。
在示例中,如果标准偏差低于第一阈值但高于第二阈值,则呈现第二质量水平,并且生成第一测量结果指示符308以表示第二质量水平。在一个示例性实施方案中,利用诸如黄色的第二颜色来表示医学图像300中的第二质量水平。然后,在一个实施方案中,当第一测量结果指示符308是识别线316时,识别线316在屏幕上以黄色出现。类似地,如果标准偏差低于第一阈值和第二阈值,则呈现第三质量水平,并且生成测量结果指示符308以表示第三质量水平。在一个示例性实施方案中,利用第三颜色诸如绿色来表示医学图像300中的第三质量水平。然后,在一个实施方案中,当第一测量结果指示符是识别线316时,识别线316以绿色出现。因此,不同的质量水平各自表示临床医生或用户在利用医学图像300时可以识别的一系列质量水平。因此,如果临床医生理解对应于每个颜色或测量结果指示符的质量水平,则临床医生能够相应地处理对应的测量结果306。
在另一个示例性实施方案中,以类似的方式,将图像参数与历史图像参数进行比较,以基于历史图像参数和所确定的图像参数之间的差异来确定质量水平。在另一个示例中,质量水平基于所采集的图像数据的量。因此,在自动测量设备已经在图像300上指示的情况下,提供测量结果306,但是测量结果指示符308是对应于诸如红色的不良的质量的预定颜色,临床医生知道该确定的质量,确定性或保真度降低。可以进行更仔细的检查,从而使临床医生确定测量设备不正确,从而防止不正确的评估。类似地,临床医生在看到不正确的评估时可认识到读数或图像本身具有不良的质量水平,并且在其他情况下,当机器成像具有更好的质量水平时,临床医生的沮丧可以降低,并且测量设备是准确的而且是可供使用的有效工具。
在另一个示例性实施方案中,质量水平是基于由算法确定的测量参数或图像参数,包括增强学***和信号强度是所利用的测量参数时,如果与测量相关联的噪声水平指示不良的质量水平,但与测量相关联的信号强度指示高质量水平,则提供中等质量水平。如果在此迭代期间,临床医生认为测量是准确的,则在下一次迭代期间,向信号强度提供比噪声水平更多的权重以确定质量水平,使得提供中等质量水平的噪声水平和提供高质量水平的信号强度导致测量的高质量水平。
在另一个示例性实施方案中,质量因数指示符318也被显示在显示器302上的图像300中。虽然在位于图像的右上角示出,但是质量因数指示符318可以被定位在图像300上的其他位置中。质量因数指示符318包括弓形部分320A至320C。虽然示出为弓形部分320A至320C,但类似地可以利用其他形状或项目,诸如数字、字母等。
在一个示例性实施方案中,每个弓形部分320A至320C均设置有不同的颜色和文本指示符322A至322C,文本指示符向用户传达颜色在图像300中表示的质量水平。在一个示例中,红色具有“低”的文本指示符322A,指示图像300上呈现以识别图像部件测量结果、跟踪边界、对象等的红色具有低质量水平或不良水平,因此临床医生应花费附加的时间检查测量或对象312以确保测量设备确定的准确性。具体地,基于由测量参数确定的质量水平,如本文所描述的低质量水平和/或不良的质量水平高于或低于预定的第一阈值水平。
类似地,第二文本指示符322B可以为“中等”的,并且第二弓形部分320B的颜色可以是黄色,而第三文本指示符322C是“高”的,而第三弓形部分320C的颜色是绿色。具体地,基于从测量参数确定的质量水平,如本文所描述的中等和/或平均质量水平高于预定的第一阈值水平,但低于预定的第二阈值水平,反之亦然。基于从测量参数确定的质量水平,本文所述的高和高于平均质量水平是高于或低于预定的第二阈值水平。
因此,每种颜色与不同的质量水平相关联,从而允许临床医生即刻理解测量的潜在准确性。因此,在第一识别线316是第一颜色并且第二识别线316是第二颜色的示例中,临床医生仅需要检查质量因数指示符318并且在对应的弓形部分320A至320C上将弓形部分320A至320C的颜色和匹配的文本指示符322A至322C进行匹配以确定每个识别线316的颜色的含义。
图4示出了根据一个实施方案的患者的解剖结构的医学图像400的示意图。医学图像可以由超声设备、CT设备、X射线设备、MRI设备等生成。在一个示例中,图像400显示在显示器402上,在一个实施方案中,该图像是图1的成像***100的显示器120。医学图像可以由超声设备、CT设备、X射线设备、MRI设备等生成。在一个示例中,图像400显示在显示器402上,在一个实施方案中,该图像是图1的成像***100的显示器120。图像400包括部件403,该部件包括文本框404、测量结果406和测量结果指示符408。
在一个实施方案中,文本框404的边界不在显示器402上。在其他实施方案中,仅测量结果406并且测量结果指示符408显示在显示器402上,并且它们不在文本框404内。
测量结果406和对应的测量结果指示符408可以包括测量标记,该测量标记诸如与患者相关联的数值,测量数值诸如流体水平、流体浓度、体积测量,每分钟搏动等。这些包括随时间变化或波动或为静态的数值。另外,测量结果406和测量结果指示符还包括对象识别,诸如包括在医学图像400内识别的对象412的形状和/或尺寸的对象边界。另选地,测量结果406和对应的测量结果指示符408可以包括横跨对象412延伸的识别线。
在图4的示例性实施方案中,测量结果指示符408包括测量标记414和识别线416。另选地,可以利用图标、边界、形状等表示不同的测量结果406。尤其是,识别线416跨越在该示例性实施方案中由图像400上的黑点表示的对象412。在不同实施方案中,对象412包括器官、胎儿、骨骼、组织等。在另一个示例性实施方案中,测量结果指示符408是围绕由测量设备识别的每个物体412放置的边界。在示例性实施方案中,测量结果指示符408利用如相对于图3所描述的图像数据和图像参数来生成。
质量因数指示符418也被显示在显示器402上的图像400中。虽然被示出位于邻近图像的左上角,但是质量因数指示符418可以位于图像400上的其他位置。质量因数指示符418包括弓形部分420A至420C。虽然被示出为弓形部分420A至420C,但类似地可以利用其他形状或项目,诸如数字、字母等。
在该示例性实施方案中,每个弓形部分420A至420C均设置有不同的颜色和文本指示符422A至422C,文本指示符将颜色在图像400中表达的质量传达给用户。在该示例中,颜色红色具有“低”的文本指示符422A,其指示在图像400上呈现的用于识别图像部件测量结果、跟踪边界、对象等的红色具有低质量水平或不良水平。具体地,在一个示例性实施方案中,测量结果指示符408被颜色编码以识别测量结果406的质量。在示例中,数字1为红色,指示该测量具有低或不良的质量水平并且呈现增强的不确定性。因此,当自动测量设备已经提供测量时,临床医生知道该测量结果的质量、确定性或保真度降低。可以进行更仔细的检查,或者决定获得附加图像和测量可使得确保测量不是错误的,从而有助于防止错误的评估。类似地,临床医生在看到不正确的评估时可认识到测量本身质量不良,并且在其他情况下,当机器成像质量更好时,测量设备是准确的并且是可供使用的有效工具,因此临床医生的沮丧可以降低。
在该示例中,第二文本指示符422B可以指示“中等”,并且第二弓形部分420B的颜色可以为黄色。以这种方式,当在图像400上呈现黄色以识别测量结果、跟踪边界、对象等时,有色部件的质量水平仅为平均。在该示例性实施方案中,数字“2”和“3”两者均可为黄色,指示测量质量降低,但质量水平仍不那么差。因此,依赖于检查,临床医生可以决定是否采取附加的图像和/或测量。同时,第三文本指示符422C可为以“高”,而第三弓形部分420C的颜色为绿色。因此,再次告知临床医生,包括以该颜色示出的测量结果和对象的图像部件的质量水平是有高质量、高确定性和保真度的。因此,当对图像结果进行检查并认为准确时,临床医生在自动测量设备中收获了信心。此外,临床医生知道,由于图像部件的质量水平,需要花费较少的时间检查图像,这再次在该过程中提供了效率。
图5示出了根据一个示例性实施方案的患者的解剖结构的医学图像500的示意图。医学图像500可以由超声设备、CT设备、X射线设备、MRI设备等生成生。在一个示例中,图像500显示在显示器502上,在一个实施方案中,该图像是图1的成像***100的显示器120。图像500包括包括部件503,该部件包括文本框504、测量结果506和测量结果指示符508。
在一个实施方案中,文本框504的边界不在显示器502上。在其他实施方案中,仅测量结果506以及测量结果指示符508显示在显示器502上,并且它们不在文本框504内。
测量结果506包括与患者相关联的数值,诸如流体水平、流体浓度、体积测量,每分钟搏动等。这些包括随时间变化或波动或为静态的数值。另外,测量结果506还包括对象识别,诸如在医学图像500内识别的对象512的形状和/或尺寸。
在图5的示例性实施方案中,测量结果指示符508包括测量标记514和识别线516。另选地,可以利用图标、边界、形状等表示不同的测量结果506。尤其是,识别线516跨越在该示例性实施方案中由图像500上的黑点表示的对象512。在不同实施方案中,对象512包括器官、胎儿、骨骼、组织等。在另一个示例性实施方案中,测量结果指示符508是围绕由测量设备识别的每个对象512放置的边界。在示例性实施方案中,测量结果指示符508利用如相对于图3所描述的图像数据和图像参数来生成。
质量因数指示符518也被显示在显示器502上的图像500中。虽然被示出位于图像的右上角,但质量因数指示符518可以被定位在图像500上的其他位置上。质量因数指示符518包括弓形部分520A至520C。虽然被示出为弓形部分520A至520C,但类似地可以利用其他形状或项目,诸如数字、字母等。
在该示例性实施方案中,每个弓形部分520A至520C设置有不同的颜色和文本指示符522A至522C,文本指示符向用户传达颜色在图像500中表示的质量。在该示例中,颜色红色具有“低”的文本指示符522A,指示图像500上呈现的用于识别图像部件测量结果、跟踪边界、对象等的红色具有低质量水平或不良水平。类似地,第二文本指示符522B可以为“中等”,并且第二弓形部分520B的颜色可以是黄色,而第三文本指示符522C是“高”,而第三弓形部分520C的颜色是绿色。因此,每种颜色与不同的质量水平相关联,从而允许临床医生理解对象识别和测量的潜在准确性。
在示例性实施方案中,箭头524指向第一弓形部分520A以指示指定对象512的对象识别线516的质量水平。文本标记526通知临床医生,质量因数指示符518正在示出对象识别线516对对象512的识别的置信度确定。在该示例中,黑点实际上为对象512的置信水平被认为是低的,从而向临床医生指示应当进行对潜在对象512的更仔细的检查,并且在识别中存在错误的机会。因此在其他类似的测量中,箭头524可以指向不同的弓形部分520B至520C。在另一个示例性实施方案中,箭头指示测量结果506的质量水平。在另一个示例中,箭头524的定位与读数或测量结果的质量水平成正比,使得箭头沿着弓形部分520A至520C移动,以指示类似于与车辆的增加和下降速度相关的速度计移动的质量水平的增加和下降。
图6示出了根据一个示例性实施方案的患者的解剖结构的医学图像600的示意图。医学图像可以由超声设备、CT设备、X射线设备、MRI设备等生成。在一个示例中,图像600显示在显示器602上,在一个实施方案中,该图像是图1的成像***100的显示器120。医学图像可以由超声设备、CT设备、X射线设备、MRI设备等生成。在一个示例中,图像600显示在显示器602上,在一个实施方案中,该图像是图1的成像***100的显示器120。图像600包括部件603,该部件包括文本框604、测量结果606和测量结果指示符608。
在一个实施方案中,文本框604的边界不在显示器602上。在其他实施方案中,仅测量结果606以及测量结果指示符608显示在显示器602上,并且它们不在文本框604内。
测量结果606包括与患者相关联的数值,诸如流体水平、流体浓度、体积测量、每分钟搏动等。这些包括随时间变化或波动或为静态的数值。另外,测量结果606还包括对象识别,诸如在医学图像600内识别的对象612的形状和/或尺寸。
在图6的示例性实施方案中,测量结果指示符608包括测量标记614和识别线616。另选地,可以利用图标、边界、形状等表示不同的测量结果606。尤其是,识别线616跨越在该示例性实施方案中由图像600上的黑点表示的对象612。在不同实施方案中,对象612包括器官、胎儿、骨骼、组织等。在另一个示例性实施方案中,测量结果指示符608是围绕由测量设备识别的每个对象612放置的边界。在示例性实施方案中,测量结果指示符608利用如相对于图3所描述的图像数据和图像参数来生成。
质量因数指示符618也被显示在显示器602上的图像600中。尽管被示出定位在邻近图像的底部时,质量因数指示符618可以被定位在图像600上的其他位置上。在该示例性实施方案中,质量因数指示符618包括标记,或者为文本指示符说明“!警告检测到倾斜的PLAX视图-LV测量可能不准确”。因此,临床医生能够观察对象识别线616的颜色并检查质量因数指示符618以理解已经发生了不良的读数或测量。
因此,本发明提供了多种***,这些***用于向临床医生可视地表示医学图像内的部件的质量水平。利用这类***节省时间,提高效率,减少误差,并提高临床医生的置信水平。因此,呈现了改进的***。
本发明提供了一种方法,该方法包括图像数据,以及确定医学图像中呈现的测量结果的质量水平,该质量水平基于所采集的图像数据。还包括基于质量水平生成包括测量结果指示符的医学图像,以及在显示设备上显示医学图像。
任选地,测量结果指示符是对象边界、测量标记或识别线中的一者。任选地,方法包括基于质量水平确定测量结果指示符的颜色。另选地,确定医学图像中呈现的测量结果的质量水平包括从采集的图像数据确定图像参数,以及分析图像参数以确定质量水平。
任选地,分析图像参数包括计算图像参数的标准偏差以及将所计算出的标准偏差与阈值标准偏差进行比较。另外,任选地,分析图像参数包括将图像参数与历史图像参数进行比较。另选地,质量水平基于采集的图像数据的阈值量。
任选地,方法包括基于质量水平自动选择质量因数指示符,并且生成包括质量因数指示符的医学图像,该质量因数指示符基于所采集的图像数据和质量水平。另选地,质量因数指示符包括第一颜色和第二颜色,其中第一颜色对应于测量结果指示符的颜色。另选地,质量因数指示符包括指向第一颜色的箭头。
任选地,医学图像为超声图像、计算机断层摄影图像、磁共振成像图像、超声图像、X射线图像或胸骨旁长轴视厚度图像中的一者。
本发明还提供了一种方法,该方法包括采集图像数据,以及从采集的图像数据确定图像参数。该方法还包括确定用于医学图像中呈现的第一测量结果的第一质量水平,该第一质量水平基于所确定的图像参数,以及确定用于医学图像中呈现的第二测量结果的第二质量水平,该第二质量水平基于所确定的图像参数。该方法还包括基于所述第一质量水平生成第一测量结果指示符,以及基于所述第二质量水平生成第二测量结果指示符。方法包括生成包括第一测量结果指示符和第二测量结果指示符的医学图像,以及在显示设备上显示医学图像。
任选地,第一测量结果指示符是横跨第一对象上延伸的第一识别线,并且第二测量结果指示符是横跨第二对象上延伸的第二识别线。另外,任选地,第一识别线为第一颜色,并且第二识别线为第二颜色。第一颜色可以与第二颜色不同。
任选地,第一测量结果指示符是测量标记、识别线或对象边界中的一者,并且第二测量结果指示符是测量标记、识别线或对象边界中的一者。任选地,方法包括基于图像参数自动选择质量因数指示符,生成包括质量因数指示符的医学图像,以及在显示设备上显示医学图像。
另选地,医学图像为超声图像、计算机断层摄影图像、磁共振成像图像、超声图像、X射线图像或胸骨旁长轴视厚度图像中的一者。
本发明还提供了一种非暂态计算机可读介质,该非暂态计算机可读介质在其上存储有计算机程序,该计算机程序具有至少一个代码段,所述至少一个代码段能够由机器执行以使得所述机器执行一个或多个步骤,其中步骤包括采集图像数据,以及确定医学图像中呈现的测量结果的质量水平,该质量水平基于所采集的图像数据。步骤还包括生成包括基于质量水平的测量结果指示符的医学图像,以及在显示设备上显示医学图像。任选地,测量结果指示符包括颜色。
如本文所用,以单数形式叙述且以词语“一”或“一个”开头的元件或步骤应被理解为不排除多个所述元件或步骤,除非明确地说明此类排除。此外,对本发明的“一个实施方案”的引用不旨在被解释为排除也包含所引用特征的附加实施方案的存在。此外,除非明确地相反说明,否则“包括”或“具有”具有特定属性的元件或多个元件的实施方案可包括不具有该属性的附加元件。
应当理解,以上描述旨在是例示性的而非限制性的。例如,上述实施方案(和/或其方面)可以彼此组合使用。另外,在不脱离本发明的范围的情况下,可以进行许多修改以使特定情况或材料适应于本发明的主题的教导内容。本文所述的各种部件的尺寸、材料类型、取向,以及各种部件的数量和位置旨在限定某些实施方案的参数,并且绝不是限制性的并且仅仅是示例性实施方案。在查看以上描述时,在权利要求书的实质和范围内的许多其他实施方案和修改对于本领域的普通技术人员将是显而易见的。因此,本发明的范围应该参考所附权利要求书以及此类权利要求书所赋予的等同物的全部范围来确定。在所附权利要求书中,术语“包括”和“其中”用作相应术语“包含”和“其中”的普通英语等同物。此外,在以下权利要求书中,术语“第一”、“第二”和“第三”等仅用作标签,而不旨在对其对象施加数字要求。此外,以下权利要求书的限制不是用装置加功能格式书写的,也不旨在基于35U.S.C.§112(f)来解释,除非并且直到这些权利要求书限制明确地使用短语“用于……的装置”,然后是没有其他结构的功能陈述。
该书面描述使用示例来公开本发明的各种实施方案,包括最佳模式,并且还使本领域技术人员能够实践本发明的各种实施方案,包括制造和使用任何设备或***以及执行任何包含的方法。本发明的各种实施方案的专利范围由权利要求书限定,并且可包括本领域技术人员想到的其他示例。如果此类其他示例具有与权利要求书的字面语言没有区别的结构元素,或者示例包括与权利要求书的字面语言具有微小差别的等效结构元素,则此类其他示例旨在落入权利要求书的范围内。
Claims (10)
1.一种方法(200),包括:
采集图像数据(202);
确定医学图像(300,400,500,600)中呈现的测量结果的质量水平(206),所述测量结果质量水平基于所述数据;
基于所述质量水平(210)生成所述医学图像(300,400,500,600),所述医学图像包括测量结果指示符(308,408,508,608);以及
在显示设备(120)(210)上显示所述医学图像(300,400,500,600)。
2.根据权利要求1所述的方法(200),其中所述测量结果指示符(308,408,508,608)为对象边界、测量标记或识别线(316)中的一者。
3.根据权利要求1所述的方法(200),还包括基于所述质量水平来确定所述测量结果指示符(308,408,508,608)的颜色。
4.根据权利要求1所述的方法(200),其中确定医学图像(300,400,500,600)中呈现的所述测量的所述质量水平包括:
从所采集的图像数据确定测量参数;
分析所述测量参数以确定所述质量水平。
5.根据权利要求4所述的方法(200),其中分析所述测量参数包括计算所述测量参数的标准偏差以及将所计算的标准偏差与阈值标准偏差进行比较。
6.根据权利要求4所述的方法(200),其中分析所述测量参数包括将所述测量参数与历史参数进行比较。
7.根据权利要求1所述的方法(200),其中所述质量水平基于采集的图像数据的阈值量。
8.根据权利要求1所述的方法(200),还包括:
基于所述质量水平自动选择质量因数指示符(318,418,518,618));以及
生成包括所述质量因数指示符(318,418,518,618)的所述医学图像(300,400,500,600),所述质量因数指示符(318,418,518,618)基于所采集的图像数据和质量水平。
9.根据权利要求1所述的方法(200),其中所述质量因数指示符(318,418,518,618)包括第一颜色和第二颜色,其中所述第一颜色对应于所述测量结果指示符(308,408,508,608)的颜色。
10.根据权利要求9所述的方法(200),其中所述质量因数指示符(318,418,518,618)包括指向所述第一颜色的箭头(524)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/215,067 | 2018-12-10 | ||
US16/215,067 US10937155B2 (en) | 2018-12-10 | 2018-12-10 | Imaging system and method for generating a medical image |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311701A true CN111311701A (zh) | 2020-06-19 |
CN111311701B CN111311701B (zh) | 2024-03-26 |
Family
ID=70970484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911219038.7A Active CN111311701B (zh) | 2018-12-10 | 2019-12-03 | 用于生成医学图像的成像***和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10937155B2 (zh) |
CN (1) | CN111311701B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112562042A (zh) * | 2020-12-24 | 2021-03-26 | 凌云光技术股份有限公司 | 一种实时编辑与解析图像检测文本的显示方法及装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2585078B (en) * | 2019-06-28 | 2023-08-09 | Sony Interactive Entertainment Inc | Content generation system and method |
EP3806031A1 (en) * | 2019-10-08 | 2021-04-14 | Koninklijke Philips N.V. | Computer implemented method for automated analysis of the bias in measurements performed on medical images of an anatomical structure |
US11972593B2 (en) | 2021-11-02 | 2024-04-30 | GE Precision Healthcare LLC | System and methods for quantifying uncertainty of segmentation masks produced by machine learning models |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1698540A (zh) * | 2004-05-17 | 2005-11-23 | Ge医疗***环球技术有限公司 | 图像处理方法、图像处理***以及x-射线ct*** |
CN101297769A (zh) * | 2007-04-30 | 2008-11-05 | 通用电气公司 | 用于自动调节诊断成像显示器的方法和*** |
US20090262892A1 (en) * | 2008-03-18 | 2009-10-22 | Gabriel Haras | Method and device for planning a medical imaging procedure |
US20100256456A1 (en) * | 2009-04-02 | 2010-10-07 | Vijay Natarajan | In-Place Display on Sensory Data |
CN103222879A (zh) * | 2012-01-25 | 2013-07-31 | 通用电气公司 | 用于识别超声成像的最佳图像帧的***和方法 |
CN103845081A (zh) * | 2012-11-28 | 2014-06-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像***和方法、实时动态帧间处理方法 |
CN103999087A (zh) * | 2011-12-15 | 2014-08-20 | 皇家飞利浦有限公司 | 针对接收方优化的医学成像重建 |
US20150116361A1 (en) * | 2013-10-29 | 2015-04-30 | Siemens Aktiengesellschaft | Method for displaying medical image data |
CN105144241A (zh) * | 2013-04-10 | 2015-12-09 | 皇家飞利浦有限公司 | 图像质量指数和/或基于其的成像参数推荐 |
GB201710488D0 (en) * | 2016-05-31 | 2017-08-16 | Shanghai United Imaging Healthcare Co Ltd | No title |
WO2017222945A1 (en) * | 2016-06-19 | 2017-12-28 | Nocimed, Inc. | Magnetic resonance spectroscopy system and method for diagnosing pain or infection associated with propionic acid |
US20180005412A1 (en) * | 2016-06-29 | 2018-01-04 | Siemens Medical Solutions Usa, Inc. | Reconstruction quality assessment with local non-uniformity in nuclear imaging |
CN107913076A (zh) * | 2016-10-07 | 2018-04-17 | 西门子保健有限责任公司 | 用于提供置信信息的方法 |
CN108784735A (zh) * | 2017-04-28 | 2018-11-13 | 通用电气公司 | 用于显示采集质量水平的超声成像***和方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4495378B2 (ja) * | 1999-06-10 | 2010-07-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | とりわけ酸素飽和度測定からの医学的測定信号のような測定信号のための品質インディケータ |
CN1248777C (zh) * | 2003-05-08 | 2006-04-05 | 中国石油化工股份有限公司 | 一种采用外循环加热的用于反应或分离的容器装置 |
US8150192B2 (en) * | 2006-11-27 | 2012-04-03 | Merge Cad Inc. | System and method for feature score mapping and visualization of medical images |
KR102288308B1 (ko) * | 2014-08-05 | 2021-08-10 | 삼성메디슨 주식회사 | 초음파 진단 장치 |
CN106559246B (zh) * | 2015-09-30 | 2020-01-10 | 新华三技术有限公司 | 集群的实现方法和服务器 |
HUE050634T2 (hu) * | 2016-07-19 | 2020-12-28 | Volpara Health Tech Limited | Rendszer és készülék klinikai döntéshozatal optimalizálásához |
US10842589B2 (en) * | 2017-03-21 | 2020-11-24 | Canon U.S.A., Inc. | Method for displaying an anatomical image of a coronary artery on a graphical user interface |
US20190122073A1 (en) * | 2017-10-23 | 2019-04-25 | The Charles Stark Draper Laboratory, Inc. | System and method for quantifying uncertainty in reasoning about 2d and 3d spatial features with a computer machine learning architecture |
TW201923776A (zh) * | 2017-10-27 | 2019-06-16 | 美商蝴蝶網路公司 | 超音波影像上的自動化測量及用於自動化測量的收集的品質指示器 |
US20190192229A1 (en) * | 2017-11-21 | 2019-06-27 | The Charles Stark Draper Laboratory, Inc. | System and method for guiding invasive medical treatment procedures based upon enhanced contrast-mode ultrasound imaging |
-
2018
- 2018-12-10 US US16/215,067 patent/US10937155B2/en active Active
-
2019
- 2019-12-03 CN CN201911219038.7A patent/CN111311701B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1698540A (zh) * | 2004-05-17 | 2005-11-23 | Ge医疗***环球技术有限公司 | 图像处理方法、图像处理***以及x-射线ct*** |
CN101297769A (zh) * | 2007-04-30 | 2008-11-05 | 通用电气公司 | 用于自动调节诊断成像显示器的方法和*** |
US20090262892A1 (en) * | 2008-03-18 | 2009-10-22 | Gabriel Haras | Method and device for planning a medical imaging procedure |
US20100256456A1 (en) * | 2009-04-02 | 2010-10-07 | Vijay Natarajan | In-Place Display on Sensory Data |
CN103999087A (zh) * | 2011-12-15 | 2014-08-20 | 皇家飞利浦有限公司 | 针对接收方优化的医学成像重建 |
CN103222879A (zh) * | 2012-01-25 | 2013-07-31 | 通用电气公司 | 用于识别超声成像的最佳图像帧的***和方法 |
CN103845081A (zh) * | 2012-11-28 | 2014-06-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像***和方法、实时动态帧间处理方法 |
CN105144241A (zh) * | 2013-04-10 | 2015-12-09 | 皇家飞利浦有限公司 | 图像质量指数和/或基于其的成像参数推荐 |
US20150116361A1 (en) * | 2013-10-29 | 2015-04-30 | Siemens Aktiengesellschaft | Method for displaying medical image data |
GB201710488D0 (en) * | 2016-05-31 | 2017-08-16 | Shanghai United Imaging Healthcare Co Ltd | No title |
WO2017222945A1 (en) * | 2016-06-19 | 2017-12-28 | Nocimed, Inc. | Magnetic resonance spectroscopy system and method for diagnosing pain or infection associated with propionic acid |
US20180005412A1 (en) * | 2016-06-29 | 2018-01-04 | Siemens Medical Solutions Usa, Inc. | Reconstruction quality assessment with local non-uniformity in nuclear imaging |
CN107913076A (zh) * | 2016-10-07 | 2018-04-17 | 西门子保健有限责任公司 | 用于提供置信信息的方法 |
CN108784735A (zh) * | 2017-04-28 | 2018-11-13 | 通用电气公司 | 用于显示采集质量水平的超声成像***和方法 |
Non-Patent Citations (1)
Title |
---|
包尚联等: "医学影像物理和技术", 中国医学影像技术, no. 1, pages 118 - 121 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112562042A (zh) * | 2020-12-24 | 2021-03-26 | 凌云光技术股份有限公司 | 一种实时编辑与解析图像检测文本的显示方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20200184634A1 (en) | 2020-06-11 |
US10937155B2 (en) | 2021-03-02 |
CN111311701B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311701B (zh) | 用于生成医学图像的成像***和方法 | |
RU2667617C2 (ru) | Система и способ эластографических измерений | |
US11373301B2 (en) | Image diagnostic device, image processing method, and program for obtaining diagnostic prediction models using deep learning | |
US8187187B2 (en) | Shear wave imaging | |
US8867808B2 (en) | Information processing apparatus, information processing method, program, and storage medium | |
EP2444002B1 (en) | 3D ultrasound system for intuitive displaying an abnormality of a fetus and method for operating 3D ultrasound system | |
CN106659473B (zh) | 超声成像装置 | |
US10470744B2 (en) | Ultrasound diagnosis apparatus, ultrasound diagnosis method performed by the ultrasound diagnosis apparatus, and computer-readable storage medium having the ultrasound diagnosis method recorded thereon | |
US20210192720A1 (en) | System and methods for ultrasound image quality determination | |
CN113509203A (zh) | 用于在多普勒超声成像中检测异常流量的方法和*** | |
CN113397589A (zh) | 用于超声图像质量确定的***和方法 | |
CN111281425B (zh) | 用于显示目标对象质量水平的超声成像***和方法 | |
CN114983468A (zh) | 利用实时检查完成性监视器的成像***和方法 | |
JP5235103B2 (ja) | 超音波診断装置 | |
CN115153634A (zh) | 一种智能超声检查诊断方法及*** | |
US8724878B2 (en) | Ultrasound image segmentation | |
US11246564B2 (en) | Ultrasound diagnosis apparatus | |
CN114680929A (zh) | 一种测量膈肌的超声成像方法和*** | |
US12004900B2 (en) | System and methods for a measurement tool for medical imaging | |
CN100431494C (zh) | 用于分析生物组织图像的方法和装置 | |
US20230186504A1 (en) | Making measurements of the hip | |
US20230414202A1 (en) | Medical indicator measuring method and ultrasound diagnostic device therefor | |
CN116650006A (zh) | 用于自动超声检查的***和方法 | |
CN115337039A (zh) | 超声波诊断装置以及诊断辅助方法 | |
CN113842162A (zh) | 超声波诊断装置以及诊断辅助方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |