CN111837196A - 动态空气支气管图的超声确定及相关联的设备、***和方法 - Google Patents

动态空气支气管图的超声确定及相关联的设备、***和方法 Download PDF

Info

Publication number
CN111837196A
CN111837196A CN201880067278.7A CN201880067278A CN111837196A CN 111837196 A CN111837196 A CN 111837196A CN 201880067278 A CN201880067278 A CN 201880067278A CN 111837196 A CN111837196 A CN 111837196A
Authority
CN
China
Prior art keywords
frames
image data
ultrasound imaging
determining
dynamic
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.)
Pending
Application number
CN201880067278.7A
Other languages
English (en)
Inventor
徐泾平
B·I·拉朱
王守罡
A·M·加德斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN111837196A publication Critical patent/CN111837196A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61B8/52—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
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/223—Analysis of motion using block-matching
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/13—Tomography
    • 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
    • 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
    • A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
    • 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
    • A61B8/5246—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 the same or different imaging techniques, e.g. color Doppler and B-mode
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52079—Constructional features
    • G01S7/5208—Constructional features with integration of processing functions inside probe or scanhead
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20212—Image combination
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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
    • G06T2207/30061—Lung

Landscapes

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

Abstract

提供了超声图像设备、***和方法。在一个实施例中，所述超声成像***包括接口，所述接口被耦合到超声成像部件并且被配置为接收表示对象的身体的多个图像数据帧，所述对象的身体包括肺的至少部分；处理部件，其与所述接口通信并被配置为基于阈值比较来确定针对所述多个图像数据帧中的每个图像数据帧的度量；并且基于多个图像数据帧的度量之间的变化来确定所述对象的身体的动态空气支气管图(AB)状况。在一个实施例中，所述处理部件被配置为基于所述多个图像数据帧中的相继图像数据帧之间的差异来确定差分数据帧；并且基于所述差分数据帧来确定所述对象的身体的动态AB状况。

Description

动态空气支气管图的超声确定及相关联的设备、***和方法
相关申请
本申请要求于2018年2月9日提交的美国临时申请No.62/238361和于2017年8月16日提交的国际申请PCT/CN2017/097624的优先权，其全部内容通过引用在此并入。
技术领域
本公开总体涉及超声成像，并且具体而言，涉及提供基于肺超声成像来识别指示肺炎的动态空气支气管图(AB)的存在的自动化***和方法。
背景技术
肺炎(PN)是世界范围内的常见疾病，在美国每年诊断出约200万至300万例。PN的症状可能包括高烧、咳嗽、呼吸急促、胸痛和/或其他与呼吸有关的症状。身体检查(例如，在胸部上方听肺部声音)在早期检测PN时可能不是有效的或不可靠。用于PN诊断的常用技术之一是胸部放射摄影术(CXR)。但是，床边CXR可能会提供有限的图像质量。另外，CXR对于紧急情况下是耗时的程序，并且床旁CXR的解读可能具有挑战性，需要丰富的放射学经验，以避免对多种胸膜和肺部疾病的误解读。此外，放射科医师之间的最终结果可能会有很大的差异。与床边CXR相比，诊断PN的一种改进方法是使用胸部计算机断层摄影(CT)成像。但是，CT成像价格昂贵，并且可能比CXR拥有更高的辐射暴露量。因此，CT成像可能不适合急诊、重症监护病房(CCU)或重症监护病房(ICU)的常规诊断，特别是对于年幼的儿童和孕妇。
超声成像，尤其是床边的即时医学超声(POC-US)，已经获得了ICU的普及和针对各种类型的诊断的紧急情况。最近的研究表明，肺超声成像可以以相对较高的准确度在诊断PN中有用和有效。例如，对于正常的充气肺部，超声图像可能不显示有用或足够的信息，而在超声成像下，肺实变可能表现为亮点或亮结构。另外，在超声图像中亮度(B)线的出现可以在早期指示PN。因此，POC肺部超声成像对于PN诊断可能是有用和有吸引力的。但是，基于超声成像的PN诊断可能需要训练有素或经验丰富的医师或临床医师来分析和解读采集的肺部图像。当前，没有有效的工具来指导缺乏经验的用户进行PN的筛查和诊断。
发明内容
虽然现有的超声肺成像已被证明可用于PN诊断，但临床上仍需要改进的***和技术，以提供低成本且易于解读的PN诊断结果。本公开的实施例提供了用于通过基于肺超声图像以自动化方式识别和指示动态空气支气管图(AB)的存在来诊断PN的机制。在肺部超声成像中，动态AB对应于由于呼吸循环而随时间变化或移动的亮点或像素。在一个实施例中，基于跨若干个图像帧的若干亮点或像素随时间的变化来识别动态AB。在另一个实施例中，基于跨若干个图像帧的亮点或像素的随时间的时间强度变化来识别动态AB。在又一个实施例中，通过随着时间累积跨图像数据帧的差异，在肺超声图像中增强了对应于动态AB的支气管树的外观。
在一个实施例中，提供了一种超声成像***。所述超声成像***包括接口，所述接口被耦合到超声成像部件并且被配置为接收表示对象的身体的多个图像数据帧，所述对象的身体包括肺的至少部分。处理部件，其与所述接口通信并被配置为基于阈值比较来确定针对所述多个图像数据帧中的每个图像数据帧的度量；并且基于多个图像数据帧的度量之间的变化来确定所述对象的身体的动态空气支气管图(AB)状况。
在一些实施例中，每个图像数据帧包括表示对象的身体的图像的像素强度的多个像素值。在一些实施例中，所述多个图像数据帧表示包括至少一个呼吸周期的时间段上的对象的身体的图像。在一些实施例中，所述处理部件被配置为通过确定每个图像数据帧中满足阈值的多个像素值的数量，来确定针对所述多个图像数据帧中的每个图像数据帧的所述度量。在一些实施例中，所述处理部件被配置为通过确定最大量度和最小量度之间的比率来确定所述动态AB状况；并且基于所述比率来确定所述动态AB状况。在一些实施例中，所述处理部件还被配置为从所述多个图像数据帧中识别与肺的至少部分相对应的感兴趣区域(ROI)。并且根据所述ROI来确定所述度量。在一些实施例中，所述超声成像***还包括显示部件，所述显示部件被配置为显示所述动态AB状况的结果。在一些实施例中，所述超声成像***还包括：超声成像探头，其包括超声成像部件；处理部件；以及显示部件，其被配置为显示所述动态AB状况的结果。
在一个实施例中，提供了一种超声成像***。所述超声成像***包括接口，所述接口被耦合到超声成像部件并且被配置为接收表示对象的身体的多个图像数据帧，所述对象的身体包括肺的至少部分；处理部件，其与所述接口通信并被配置为基于所述多个图像数据帧中的相继图像数据帧之间的差异来确定差分数据帧；基于所述差分数据帧的加和来确定累积数据帧；并且基于所述累积数据帧来确定所述对象的身体的动态空气支气管图(AB)状况。
在一些实施例中，所述多个图像数据帧表示包括至少一个呼吸周期的时间段上的对象的身体的图像。在一些实施例中，每个图像数据帧包括表示对象的身体的图像的像素强度的多个像素值。在一些实施例中，每个差分数据帧包括多个差异值，其中，所述处理部件还被配置为通过确定所述多个差异值中的每个差异值来确定每个差分数据帧，所述多个差异值中的每个差异值是通过确定所述多个图像数据帧中的第一数据帧的像素值与所述多个图像数据帧中的第二数据帧的像素值之间的绝对差来确定的。所述第一数据帧与所述第二数据帧相邻，其中，所述第一数据帧的所述像素值与所述第二数据帧的所述像素值表示肺的至少部分的相同子部分。在一些实施例中，每个差分数据帧包括第一多个差异值，其中，所述累积数据帧包括多个加和值，并且其中，所述处理部件还被配置为通过确定所述多个加和值中的每个加和值来确定所述动态AB状况，所述多个加和值中的每个加和值是跨所述差分数据帧累积第二多个像素值来确定的，其中，跨所述差分数据帧的所述第二多个像素值表示所述对象的身体的相同部分；并且基于所述多个加和值来确定所述动态AB状况。在一些实施例中，根据权利要求9所述的超声成像***，还包括：显示部件，其被配置为显示所述累积数据帧。
在一个实施例中，提供了一种超声成像***。所述超声成像***包括：接口，所述接口被耦合到超声成像部件并且被配置为接收表示对象的身体的多个图像数据帧，所述对象的身体包括肺的至少部分；处理部件，其与所述接口通信并且被配置为基于阈值比较来从所述多个图像数据帧中识别数据的子集；并且基于数据子集的时间变化来确定所述对象的身体的动态空气支气管图(AB)状况。
在一些实施例中，所述多个图像数据帧中的每个图像数据帧包括表示所述对象的身体的图像的像素强度的多个像素值。在一些实施例中，所述多个图像数据帧表示包括至少一个呼吸周期的时间段上的对象身体的图像。在一些实施例中，所述处理部件被配置为通过从所述多个图像数据帧的每个图像数据帧中选择与所述肺的所述至少部分的相同子部分相对应并且满足阈值的一个或多个像素值来识别数据的所述子集；基于对应的图像数据帧的一个或多个像素值来确定针对所述多个图像数据帧中的每个图像数据帧的第一值；并且基于所述第一值的最大值与所述第一值的最小值之间的比率来确定所述动态AB状况。在一些实施例中，所述处理部件被配置为在确定所述动态AB状况之前在所述第一值上应用滤波器。在一些实施例中，所述超声成像***还包括显示部件，所述显示部件被配置为显示所述动态AB状况的结果。
在一个实施例中，提供了一种超声成像诊断的方法。所述方法包括：从超声成像探头接收与包括肺部的至少部分的对象的身体相关联的多个图像数据帧；基于阈值比较来确定针对所述多个图像数据帧中的每个图像数据帧的第一值；并且基于多个图像数据帧的所述第一值之间的变化来确定所述对象的身体的动态空气支气管图(AB)状况。
在一些实施例中，每个图像数据帧包括表示对象的身体的图像的像素强度的多个像素值。在一些实施例中，所述多个图像数据帧表示包括至少一个呼吸周期的时间段上的对象身体的图像。在一些实施例中，所述第一值的确定包括确定每个图像数据帧中的多个像素值中满足阈值的数量，其中，确定动态AB状况包括确定第一值的最大值与第一值的最小值之间的比率；并且基于所述比率来确定所述动态AB状况。在一些实施例中，所述方法还包括从所述多个图像数据帧中识别与肺的至少部分相对应的感兴趣区域(ROI)。并基于所述ROI来确定所述第一值。在一些实施例中，所述方法还包括在显示部件处显示所述动态AB状况的结果。
根据以下详细说明，本公开的另外的方面、特征和优势将变得显而易见。
附图说明
将参考附图来描述本公开的说明性实施例，其中：
图1是根据本公开的方面的超声成像***的示意图。
图2图示了根据本公开的方面的从呼气时段到吸气时段的AB的动态。
图3图示了根据本公开的方面的随着时间的推移，在肺实变区域中的AB的动态。
图4是图示根据本公开的方面的动态AB检测方案的示意图。
图5是图示根据本公开的方面的动态AB的图像帧。
图6是图示根据本公开的方面的，在存在动态AB的情况下跨若干图像帧的若干亮像素随时间的变化的图。
图7是图示根据本公开的方面的静态AB的图像帧。
图8是图示根据本公开的方面的，在没有动态AB的情况下跨若干图像帧的若干亮像素随时间的变化的图。
图9是图示根据本公开的方面的动态AB检测方案的示意图。
图10是图示根据本公开的方面的支气管树增强方案的示意图。
图11A是图示根据本公开的方面的在一时刻的支气管树的图像帧。
图11B是图示根据本公开的方面的在另一时刻的支气管树的图像帧。
图11C是图示根据本公开的方面的包括支气管树的一对相继图像帧之间的差异的差分图像帧。
图11D是图示根据本公开的方面的增强的支气管树的累积图像帧。
图12是图示根据本公开的方面的，在存在动态AB的情况下跨若干图像帧的若干亮点随时间的变化的图。
图13是根据本公开的方面的动态AB检测方法的流程图。
图14是根据本公开的方面的动态AB检测方法的流程图。
图15是根据本公开的方面的支气管树增强方法的流程图。
具体实施方式
出于促进对本公开的原理的理解的目的，现在将参考在附图中所图示的实施例，并且使用特定语言来对其进行描述。然而，应该理解，不旨在对本公开的范围进行限制。如对于本公开所涉及的本领域技术人员正常将理解，本公开中完全预期和包括对所描述的设备、***和方法的任何改动和进一步的修改以及对本公开的任何其他应用。特别是，完全预期，关于一个实施例所描述的特征、部件和/或步骤可以与关于本公开的其他实施例描述的特征、部件、和/或步骤相组合。然而，出于简洁的目的将不单独地描述这些组合的大量迭代。
图1是根据本公开的方面的超声成像***100的示意图。***100用于扫描患者的身体的区域或体积。***100包括超声成像探头110，超声成像探头110通过通信接口或链路120与主机130通信。探头110包括换能器阵列112、波束形成器114、处理部件116、显示器117和通信接口118。主机130包括显示器132、通信接口136和通信接口136。
换能器阵列112朝着解剖对象105发射超声信号，并接收从对象105反射回换能器阵列112的回波信号。换能器阵列112可以包括以一维(1D)阵列或二维(2D)阵列布置的声学元件。波束形成器114被耦合到换能器阵列112。波束形成器114控制换能器阵列112，例如，用于超声信号的发送和超声回声信号的接收。波束形成器114基于响应或所接收的超声回波信号将图像信号提供给处理部件116。波束形成器114可以包括多个阶段的波束形成。波束形成可以减少用于耦合到处理部件116的信号线的数量。在一些实施例中，换能器阵列112与波束形成器114的组合可以被称为超声成像部件。
处理部件116被耦合到波束形成器114。处理部件116根据图像信号来生成图像数据。处理部件116可以被实现为软件部件和硬件部件的组合。在一个实施例中，处理部件116可以在现场可编程门阵列(FPGA)上实现，并且可以包括可编程状态机，以控制图像信号到图像数据的处理和转换。例如，处理部件116可以执行滤波和/或正交解调以调节图像信号。处理部件116可以对经滤波的信号执行分析检测。显示器117被耦合到处理部件116。显示器132可以是屏幕或与探头110的壳体成一体的任何合适的显示器。显示器117可以被配置为显示分析检测的结果。
通信接口118被耦合到处理部件116。通信接口118经由通信链路120将图像信号发送到主机130。在主机130处，通信接口136可以接收图像信号。主机130可以是任何合适的计算和显示设备，例如工作站、个人计算机(PC)、膝上型计算机、平板电脑或移动电话。通信链路120可以是任何合适的通信链路。例如，通信链路120可以是有线链路，例如通用串行总线(USB)链路或以太网链路。替代地，通信链路120可以是无线链路，例如超宽带(UWB)链路、电气和电子工程师协会(IEEE)802.11WiFi链路或蓝牙链路。
处理部件134被耦合到通信接口136。处理部件134可以被实现为软件部件和硬件部件的组合。处理部件134可以包括被配置为执行本文中所描述的操作的中央处理单元(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、控制器、FPGA设备、另一硬件设备、固件设备或其任何组合。处理部件134也可以被实施为计算设备的组合，例如，DSP与微处理器的组合，多个微处理器，与DSP结合一个或多个微处理器内核，或者任何其它这样的配置。处理部件134可以被配置为针对各种诊断模态来执行图像处理和图像分析。显示器132被耦合到处理部件134。显示器132可以是监视器或任何合适的显示器。显示器132被配置为显示由处理部件134处理的图像和/或诊断结果。
***100可以被配置用于动态AB检测。例如，对象105可以对应于患者的身体的部分，所述身体的部分包括患者的肺的至少一部分。在一个实施例中，探头110将从换能器阵列112接收的图像信号(例如，回波信号)传输到主机130。处理部件134可以从超声图像中检测动态AB并且在显示器132上指示肯定的动态AB检测以及检测到的动态AB的位置或否定的动态AB检测。处理部件134可以基于跨多个图像帧的多个亮点或像素随时间的变化来识别动态AB。替代地，处理部件134可以基于随着时间跨若干图像帧的亮点或像素的时间强度变化来识别动态AB。处理部件134可以增强超声图像中支气管树的外观或可见性。本文更详细地描述了用于检测动态AB和增强支气管树的机制。在另一个实施例中，探头110上的处理部件116可以被配置为执行动态AB检测，而无需主机。在这样的实施例中，动态AB检测结果可以显示在整体显示器117上。
用于识别PN的超声成像信号之一是检测到肺实变内的肯定动态AB。AB是由于流体或炎性渗出物填充周围的肺泡而在肺部超声成像下可见的气道的管状轮廓。一些研究表明，在临床实践中，肺实变与动态AB的组合占总PN病例的约百分之70(％)。
图2图示了根据本公开的方面的从呼气时段到吸气时段的AB的动态。在图2中，在患者的呼气时段期间采集图像210，并且在患者的吸气时段期间采集图像220。如在图像210中所示，AB 212表现为管状明亮结构。类似地，在图像220中，AB 214表现为管状明亮结构。如可以观察到的，AB的外观(例如，明亮的结构)随时间变化，例如，从呼气时段的AB 212到吸气时段的AB 214。另外，图像210和图像220示出点状AB 216(例如，亮点)到点状AB 218的运动。
图3图示了根据本公开的方面的随着时间的推移，在肺实变区域中的AB的动态。在图3中，x轴以某个恒定单位表示时间，y轴以某个恒定单位表示深度。图像300图示了作为时间的函数的实时超声扫描线。例如，换能器阵列112用于生成一个波束，所述波束沿着扫描线指向肺实变内的区域，并且以一定的时间间隔重复。图像300示出了从换能器阵列112接收的与所发射的波束相对应的回波信号。在图像300中，明亮的循环图案线以周期性的方式示出了诸如AB 212、214、216和218的AB的移动或移位。循环或周期性模式对应于图像300中标记的呼气时段310和吸气时段320。
如在图2和3中可以看到的，可以基于在一个或多个呼吸周期上跨图像帧的像素的强度变化来检测动态AB。但是，由于动态AB的快速移动或运动，动态AB的实时视觉识别可能很困难或不可靠，而超声图像背景中的肺在呼吸过程中仍可能在移动，其中，呼吸周期可能跨越约3秒到约6秒和持续时间。另外，执行肺部超声成像(例如，在POC-US处)的临床医师可能不一定受过训练以解读肺部超声图像以进行动态AB检测。
一些研究基于平均像素强度的度量对动态AB识别进行定量分析。尽管这种定量分析显示出令人鼓舞的结果(例如，约93％的检测灵敏度)，但定量分析需要专业知识来识别和分离与患者的肺相对应的区域。另外，定量分析方法可能仅在大面积的肺实变中表现良好，并且可能会在早期遗漏对较小的肺实变(例如，延伸小于约1厘米(cm))或PN的检测。
图4是图示根据本公开的方面的自动动态AB检测方案400的示意图。方案400可以被***100用于动态AB检测。具体地，方案400可以由主机130上的处理部件134或探头110上的处理部件116实现。在一些实施例中，可以在主机130与探测器110之间划分对方案400的实施。
方案400开始于接收多个图像帧410。可以通过使用探头110来生成图像帧410，其中，超声信号能量从换能器阵列112朝着患者的身体(例如，对象105)发射，并且回声信号被形成图像帧410的换能器阵列112接收到。探头110可以定位在患者的身体上以获得包括患者肺的至少一些部分的前胸部视图(例如，从胸部区域上方)或侧面胸部视图(例如，从胸部区域的侧面)。每个图像帧410可以包括表示患者身体的图像的像素强度的多个像素值(例如，幅值)。可以在包括至少一个呼吸周期的时间段(例如，呼气时段和吸气时段)上拍摄图像帧410。图像帧410被示为表示从时刻(i)到时刻(i+N)的患者的身体的图像的帧(i)至帧(i+N)，其中i和N是正整数。
除了患者的肺部以外，图像帧410还可包括患者身体的其他部分。方案400可以将感兴趣区域(ROI)识别部件420应用于图像帧410，以识别与患者的肺相对应的图像帧的部分，以用于后续处理。识别肺区域的一种方法是基于胸膜线识别。胸膜线在超声图像中可能显示为亮线(如图5所示)，并且胸膜线下方的区域可能对应于肺部。在识别出与患者的肺部相对应的部分之后，ROI识别部件420可以识别具有潜在的肺实变的肺部区域中的ROI，以用于后续处理。例如，ROI识别部件420可以例如基于图像帧410之间的相关性，在逐帧的基础上使用块匹配来执行整体背景运动检测。
在识别出ROI之后，ROI识别部件420可以基于背景运动信息使用初始帧(例如，帧(i))作为锚定帧来将后续图像帧410(例如，帧(i+1)到帧(i+N))对齐或配准到初始图像帧410，以用于以下所述的后续操作。对齐或配准允许针对每个图像帧410在肺的相同部分上执行操作。
在识别出ROI之后，可以将阈值部件430应用于每个图像帧410。阈值部件430确定相应图像帧410的ROI中高于预定阈值的像素的数量。阈值之上的像素数可以由计数值432表示。阈值之上的像素可以对应于亮点，如AB 212、214、216和218中所示。取决于像素值的动态范围以及ROI中的幅度和/或像素分布，可以将预定阈值配置为任何合适的值。在一个实施例中，像素强度值的动态范围可以被配置为在大约0与大约255之间。在这样的实施例中，阈值可以被配置为在大约40到大约80之间的值。
在确定每个图像帧410中的亮像素的数量之后，可以将最大值部件440和最小值部件450应用于计数值432。最大值部件440确定跨图像帧410的计数值的最大值442。最小值部件450确定跨图像帧410上的计数值432的最小值452。在一个实施例中，最大值442和最小值452可以被归一化，使得最大值442具有值1。
在确定最大值442和最小值452之后，可以使用AB指标分量460来确定动态AB诊断结果。如上所述，动态AB被示为随时间变化的亮结构(例如，AB 212和214)或亮点(例如，AB216和218)。AB指标部件460通过计算最大值442与小值452之间的比率来识别AB的动态。该比率可以称为AB指标。例如，AB指标部件460可以将比率与预定阈值进行比较。当最大值442和最小值452之间存在较大变化时，动态AB状况可以为肯定的。相反，当最大值442与最小值452之间存在小的变化时，动态AB状况可以为否定的，并且可以存在静态AB状况。动态AB状况的存在可能指示PN的可能性很高，而静态AB状况的存在可能指示肺不张(例如无感染的肺萎陷)或其他肺部疾病的可能性很高。动态AB诊断结果可以显示在显示器132和/或显示器117上。另外，所述结果可以指示动态AB状况在肺中的位置。
图5是示出根据本公开的方面的动态AB的超声图像500。可以使用***100来采集图像500。图像500可以表示包括肺区域的患者身体(例如，对象105)的图像。图像500示出了在患者的肺区域中AB 512和肺实变506的存在。如图像500中所标记，胸膜界面502或胸膜边界显示为图像500上的亮线。胸膜界面502下方的区域对应于患者的肺。胸膜界面510上方的区域对应于患者的胸壁504。
图6是示出根据本公开的方面的，在存在动态AB的情况下跨多个图像帧的若干亮像素随时间的变化的曲线图600。x轴表示帧号。y轴表示图像帧中的ROI中高于预定强度阈值的归一化像素数。使用方案400来生成绘图600。曲线图610示出了如图像500中所示动态AB 512的区域中的若干图像帧(例如，图像帧410)上阈值之上的像素的数量(例如，归一化形式的计数值432)随时间的变化。可以看出，曲线610在大约0.84至大约1之间变化。在曲线图610中观察到的最小值(例如0.84)和最大值(例如1)之间的较大差异以及循环模式可以指示动态AB状况的存在。周期性或周期性模式可以对应于患者的呼吸周期。
图7是根据本公开的方面的示出了静态AB的超声图像700。可以使用***100来采集图像700。图像700可以表示包括肺区域的患者身体(例如，对象105)的图像。图像700示出了患者的肺区域中的静态AB 712的存在。
图8是示出根据本公开的方面的，在不存在动态AB的情况下跨多个图像帧的若干亮像素随时间的变化的曲线图800。x轴表示帧号。y轴表示图像帧中的ROI中高于预定强度阈值的归一化像素数。使用方案400来生成绘图800。曲线图810示出了如图像700中的静态AB 712的区域中的若干图像帧(例如，图像帧410)上阈值之上的像素的数量(例如，归一化形式的计数值432)随时间的变化。可以看出，曲线810是相对静态的，在约0.987至约1之间变化。在曲线图810中观察到的最小值(例如0.987)与最大值(例如1)之间的较小差异以及相对静态的模式可以指示存在静态AB状况(例如肺不张状况)。
图9是图示了根据本公开的方面的动态AB检测方案900的示意图。方案900可以被***100用于动态AB检测。具体地，方案900可以由主机130上的处理部件134或探头110上的处理部件116实现。在一些实施例中，可以在主机130与探测器110之间划分对方案900的实施。
方案900开始于接收与图像帧410相似的多个图像帧910。例如，每个图像帧910包括表示患者身体的图像的像素强度值，所述患者身体包括患者肺的至少一部分。方案900可以将ROI识别部件920应用于图像帧910。ROI识别部件920可以基本上类似于ROI识别部件420。ROI标识部件920可以识别来自图像帧910的数据或像素的子集以用于动态AB状况确定。识别可以包括从每个图像帧910中选择与肺实变周围的患者肺的相同部分相对应的一个或多个像素值。ROI识别部件920可以输出包括ROI内的像素的图像数据子集930。子集930被示为分别表示帧(i)内的子集k至帧(i+1)内的子集k的帧(i，k)至帧(i+N，k)。当每个子集930包括一个像素值时，所述像素值由强度值932表示。当每个子集930包括多于一个像素值时，可以将空间滤波器应用于每个子集930以产生平均强度值932。
在识别出子集930之后，可以将最大值部件940和最小值部件950应用于强度值932。最大值部件940确定强度值932的最大值942。最小值部件950确定强度值932的最小值952。在一个实施例中，可以将最大值942和最小值952归一化，使得最大值942具有值1。在一些实施例中，可以在确定最大值942和最小值952之前，将时间滤波器(例如，平滑滤波器)应用于子集930，以例如获得若干帧的平均值。
在确定最大值942和最小值952之后，可以应用时间强度变化确定部件960来确定动态AB诊断结果。时间强度变化确定部件960确定子集930上随时间的时间强度变化。时间强度变化确定部件960可以确定最大值942与最小值952之间的比率。时间强度变化确定部件960可以将比率与预定阈值进行比较，并基于阈值比较来确定是否存在动态AB状况。类似于方案400，最大值942与最小值952之间的大的变化指示肯定的动态AB状况，并且最大值942与最小值952之间的小变化指示否定的动态AB状况。
图10是示出根据本公开的方面的支气管树增强方案1000的示意图。方案1000可以被***100采用以增强肺超声图像中的肺实变中的支气管树，以用于动态AB诊断。具体地，方案1000可以由主机130上的处理部件134实现。
方案1000开始于接收与图像帧410和910相似的多个图像帧1010。例如，每个图像帧1010包括表示患者身体的图像的像素强度值，所述患者身体包括患者肺的至少一部分。方案1000将差异部件1020应用于每对相邻或相继图像帧1010(例如，帧(i)和帧(i+1))。差异部件1020计算相邻图像帧1010之间的差异，以产生差分图像帧1022。例如，差异部件1020在逐像素的基础上将帧(i)中的像素值减去帧(i+1)中的像素值。帧(i)的像素值和帧(i+1)的像素值对应于患者的肺的相同子部分。
可以将绝对值部件1030应用于差分图像帧1022中的像素值，以产生具有差分像素绝对值的差分图像帧1032。随后，求和分量1040可以被应用于累积差分图像帧1032以产生累积图像帧1042。例如，求和分量1040逐个像素地对差分图像帧1032的像素值求和。当图像帧1010包括支气管树时，可以在累积图像帧1042(在下面的图11D中示出)中增强支气管树的外观或可见性。支气管树的检测指示肯定的动态AB。
图11A-11D示出了与以上关于图10描述的方案1000中的各个阶段相对应的各个图像帧。例如，方案1000被应用于由帧(1)、帧(2)、...、帧(80)表示的八十个顺序超声图像帧。图11A是图示根据本公开的方面的在一时刻的支气管树1112的图像帧1110。图像帧1110可以类似于图像帧410、910和1010。图像帧1110可以表示八十个顺序图像帧中的第一图像帧(例如，帧(1))。如图所示，图像帧1110的中间部分中的明亮的Y形分支结构对应于患者的肺实变内的支气管树1112。图像帧1110的底部处的明亮的弯曲水平结构对应于患者的脊柱。
图11B是图示根据本公开的方面的在另一时刻的支气管树1112的图像帧1120。例如，图像帧1120可以表示八个相继图像帧中的最后一个图像帧(例如，帧(80))。
图11C是根据本公开的方面的图示了包括支气管树1112的一对相继图像帧之间的差异的差分图像帧1130。例如，在方案1000中，差分图像帧1130可以在绝对分量1030的输出处表示差分图像帧1032。可以通过逐帧从帧(79)中减去帧(80)来计算差分图像帧1130。
图11D是根据本公开的方面的图示增强的支气管树1112的累积图像帧1140。例如，在方案1000中，图像帧1140可以表示在和部件1040的输出处的累积图像帧1042。将累积图像帧1140与原始采集的图像帧1110和1120进行比较，在累积图像帧1140中增强了支气管树1112的外观或可见性。
图12是示出根据本公开的方面的在存在动态AB的情况下跨多个图像帧的多个亮像素随时间的变化的曲线图1200。x轴表示帧号。y轴表示图像帧中的ROI中高于预定强度阈值的归一化像素数。通过将方案400应用于用于示出图11中的方案1000的八个相继图像帧来生成图1200。曲线图1210示出了在图像帧1110和1120中所示的支气管树1112的区域中，多个图像帧(例如，图像帧1010)上的预定阈值之上的归一化像素数目随时间的变化。可以看出，曲线1210在大约0.53至大约1之间变化。在曲线图1210中观察到的最小值(例如0.53)与最大值(例如1)之间的较大差异以及周期性波形可以指示动态AB状况的存在。
图13是根据本公开的方面的动态AB检测方法1300的流程图。方法1300的步骤可以由诸如探头110的超声成像探测器或诸如主机130的主机的计算设备(例如，处理器、处理电路和/或其他合适的部件)来执行。方法1300可以采用与关于图4所描述的方案400中类似的机制。如图所示，方法1300包括多个列举的步骤，但是方法1300的实施例可以包括在列举的步骤之前、之后和之间的额外的步骤。在一些实施例中，列举的步骤中的一个或多个可以被省略或者以不同的顺序执行。
在步骤1310，方法1300包括：接收表示包括肺的至少部分的对象的身体(例如，目标105)的多个图像数据帧(例如，图像帧410、910、1010、1110和1120)。对象的身体可以是人体或动物体。
在步骤1320，方法1300包括例如使用阈值部件430来确定多个图像数据帧中的每个图像数据帧的度量(例如，计数值432)。
在步骤1330，方法1300包括基于多个图像数据帧的度量之间的变化来确定对象身体的动态AB状况。例如，最大值部件440可以被应用于度量以计算度量的最大值(例如，最大值442)，而最小值部件450可以被应用于度量以计算最小值(例如，最小值452)。随后，AB索引部件460可以被应用来计算最大值与最小值之间的比率，并且将该比率与预定阈值进行比较。当比率满足预定阈值时，可能会出现肯定的动态AB状况。当该比率不满足预定阈值时，可能不存在动态AB状况。
图14是根据本公开的方面的动态AB检测方法1400的流程图。方法1400的步骤可以由诸如探头110的超声成像探测器或诸如主机130的主机的计算设备(例如，处理器、处理电路和/或其他合适的部件)来执行。方法1400可以采用与关于图9所描述的方案900中类似的机制。如图所示，方法1400包括多个列举的步骤，但是方法1400的实施例可以包括在列举的步骤之前、之后和之间的额外的步骤。在一些实施例中，列举的步骤中的一个或多个可以被省略或者以不同的顺序执行。
在步骤1410，方法1400包括：接收表示包括肺的至少部分的对象的身体(例如，目标105)的多个图像数据帧(例如，图像帧410、910、1010、1110和1120)。对象的身体可以是人体或动物体。
在步骤1420，方法1400包括基于阈值比较，例如，使用ROI识别部件920，从多个图像数据帧中识别数据的子集(例如，子集930)。
在步骤1430，方法1400包括基于跨数据子集的时间变化来确定对象的身体的动态AB状况。例如，数据的子集可以包括每个图像数据帧的一部分(例如，一个或多个像素值)，并且可以将空间滤波器应用于每个图像帧的对应部分以确定第一值(例如，强度)每个图像数据帧的最大值932)。最大值部件940可以被应用于第一值以计算第一值的最大值(例如，最大值942)，而最小值部件950可以被应用于第一值以计算最小值(例如，最小值)值952)。随后，时间强度变化确定部件960可以被应用以计算最大值与最小值之间的比率，并将该比率与预定阈值进行比较。当比率满足预定阈值时，可能会出现肯定的动态AB状况。当该比率不满足预定阈值时，可能不存在动态AB状况。
图15是根据本公开的方面的支气管树增强方法1500的流程图。方法1500的步骤可以由诸如主机130的主机的计算设备(例如，处理器、处理电路和/或其他合适的部件)执行。方法1500可以采用与关于图10所描述的方案1000中类似的机制。如图所示，方法1500包括多个列举的步骤，但是方法1500的实施例可以包括在列举的步骤之前、之后和之间的额外的步骤。在一些实施例中，列举的步骤中的一个或多个可以被省略或者以不同的顺序执行。
在步骤1510，方法1500包括：接收表示包括肺的至少部分的对象的身体(例如，目标105)的多个图像数据帧(例如，图像帧410、910、1010、1110和1120)。对象的身体可以是人体或动物体。
在步骤1520，方法1500包括基于多个图像数据帧的相继图像数据帧之间的差异来确定差分数据帧(例如，差分图像帧1032)。
在步骤1530，方法1500包括基于差分数据帧之和来确定累积数据帧(例如，累积图像帧1042)。
在步骤1540，方法1500包括基于累积的数据帧来确定对象的身体的动态AB状况。例如，累积的数据框显示了在肺实变区域内一位置的支气管树的增强的外观或可见性。因此，确定可以基于对支气管树的观察。
本公开的各方面可以提供若干益处。例如，动态AB的自动检测不需要训练有素的临床医师来解读超声肺图像，因此可以将即时医学超声(POC-US)成像用于PN筛查和诊断。自动动态AB检测可以在很短的时间内产生诊断结果。因此，与全胸腔PN检查相比，可以缩短PN检查时间。另外，所公开的实施例提供了标准化的测试协议。与不同医师和临床医师的主观评估和分析相比，标准化测试协议的使用可以产生更一致的诊断结果。标准化测试协议可以轻松进行筛选，并适合在时间紧迫的情况下使用(例如，在紧急情况下)。此外，支气管树的增强显示可以帮助医师快速、容易地识别PN位置。所公开的实施例适用于关注辐射暴露的儿科患者和/或孕妇。
本领域技术人员将认识到，以上描述的装置、***和方法可以多种方式进行修改。因此，本领域技术人员将领会，由本公开所包含的实施例不限于以下描述的特定示范性实施例。在该方面，尽管己经示出和描述了说明性实施例，但是在以上公开中预期宽范围的修改、改动和替换。要理解，可以对前文进行这样的变化而不偏离本公开的范围。因此，合适的是，随附权利要求被宽泛地并且以与本公开相符地方式理解。

Claims (26)

1.一种超声成像***，包括：
接口，其被耦合到超声成像部件并且被配置为接收表示包括肺的至少部分的对象的身体的多个图像数据帧；
处理部件，其与所述接口通信并且被配置为：
基于阈值比较来确定针对所述多个图像数据帧中的每个图像数据帧的度量；并且
基于所述多个图像数据帧的所述度量之间的变化来确定所述对象的身体的动态空气支气管图(AB)状况。
2.根据权利要求1所述的超声成像***，其中，每个图像数据帧包括表示所述对象的身体的图像的像素强度的多个像素值。
3.根据权利要求2所述的超声成像***，其中，所述多个图像数据帧表示跨包括至少一个呼吸周期的时间段的所述对象的身体的图像。
4.根据权利要求2所述的超声成像***，其中，所述处理部件被配置为通过以下操作来确定针对所述多个图像数据帧中的每个图像数据帧的所述度量：
确定每个图像数据帧中的满足阈值的多个像素值的数量。
5.根据权利要求1所述的超声成像***，其中，所述处理部件被配置为通过以下操作来确定所述动态AB状况：
确定所述度量的最大值与所述度量的最小值之间的比率；并且
基于所述比率来确定所述动态AB状况。
6.根据权利要求1所述的超声成像***，其中，所述处理部件还被配置为：
从所述多个图像数据帧中识别与所述肺的所述至少部分相对应的感兴趣区域(ROI)；并且
基于所述ROI来确定所述度量。
7.根据权利要求1所述的超声成像***，还包括显示部件，所述显示部件被配置为显示所述动态AB状况的结果。
8.根据权利要求1所述的超声成像***，还包括超声成像探头，所述超声成像探头包括：
所述超声成像部件；
所述处理部件；以及
显示部件，其被配置为显示所述动态AB状况的结果。
9.一种超声成像***，包括：
接口，其被耦合到超声成像部件并且被配置为接收表示包括肺的至少部分的对象的身体的多个图像数据帧；
处理部件，其与所述接口通信并且被配置为：
基于所述多个图像数据帧中的相继图像数据帧之间的差异来确定差分数据帧；
基于所述差分数据帧的加和来确定累积数据帧；并且
基于所述累积数据帧来确定所述对象的身体的动态空气支气管图(AB)状况。
10.根据权利要求9所述的超声成像***，其中，所述多个图像数据帧表示跨包括至少一个呼吸周期的时间段的所述对象的身体的图像。
11.根据权利要求9所述的超声成像***，其中，每个图像数据帧包括表示所述对象的身体的图像的像素强度的多个像素值。
12.根据权利要求9所述的超声成像***，其中，每个差分数据帧包括多个差异值，其中，所述处理部件还被配置为通过以下操作来确定每个差分数据帧：
通过确定所述多个图像数据帧中的第一数据帧的像素值与所述多个图像数据帧中的第二数据帧的像素值之间的绝对差，来确定所述多个差异值中的每个差异值，
其中，所述第一数据帧与所述第二数据帧相邻，并且
其中，所述第一数据帧的所述像素值与所述第二数据帧的所述像素值表示所述肺的所述至少部分的相同子部分。
13.根据权利要求9所述的超声成像***，其中，每个差分数据帧包括第一多个像素值，其中，所述累积数据帧包括多个加和值，并且其中，所述处理部件还被配置为通过以下操作来确定所述动态AB状况：
通过跨所述差分数据帧累积第二多个像素值来确定所述多个加和值中的每个加和值，其中，跨所述差分数据帧的所述第二多个像素值表示所述对象的身体的相同部分；并且
基于所述多个加和值来确定所述动态AB状况。
14.根据权利要求9所述的超声成像***，还包括：显示部件，其被配置为显示所述累积数据帧。
15.一种超声成像***，包括：
接口，其被耦合到超声成像部件并且被配置为接收表示包括肺的至少部分的对象的身体的多个图像数据帧；
处理部件，其与所述接口通信并且被配置为：
基于阈值比较来从所述多个图像数据帧中识别数据的子集；并且
基于跨数据的所述子集的时间变化来确定所述对象的身体的动态空气支气管图(AB)状况。
16.根据权利要求15所述的超声成像***，其中，所述多个图像数据帧中的每个图像数据帧包括表示所述对象的身体的图像的像素强度的多个像素值。
17.根据权利要求16所述的超声成像***，其中，所述多个图像数据帧表示包括至少一个呼吸周期的时间段上的所述对象的身体的图像。
18.根据权利要求16所述的超声成像***，其中，所述处理部件被配置为：
通过从所述多个图像数据帧的每个图像数据帧中选择与所述肺的所述至少部分的相同子部分相对应并且满足阈值的一个或多个像素值来识别数据的所述子集；
基于对应的图像数据帧的所述一个或多个像素值来确定针对所述多个图像数据帧中的每个图像数据帧的第一值；并且
基于所述第一值的最大值与所述第一值的最小值之间的比率来确定所述动态AB状况。
19.根据权利要求18所述的超声成像***，其中，所述处理部件被配置为在确定所述动态AB状况之前在所述第一值上应用滤波器。
20.根据权利要求15所述的超声成像***，还包括显示部件，所述显示部件被配置为显示所述动态AB状况的结果。
21.一种超声成像诊断的方法，包括：
从超声成像探头接收与包括肺部的至少部分的对象的身体相关联的多个图像数据帧；
基于阈值比较来确定针对所述多个图像数据帧中的每个图像数据帧的第一值；并且
基于多个图像数据帧的所述第一值之间的变化来确定所述对象的身体的动态空气支气管图(AB)状况。
22.根据权利要求21所述的方法，其中，每个图像数据帧包括表示所述对象的身体的图像的像素强度的多个像素值。
23.根据权利要求22所述的方法，其中，所述多个图像数据帧表示包括至少一个呼吸周期的时间段上的所述对象的身体的图像。
24.根据权利要求22所述的方法，其中，对所述第一值的确定包括确定每个图像数据帧中的满足阈值的所述多个像素值中的数量，其中，确定所述动态AB状况包括：
确定所述第一值的最大值与所述第一值的最小值之间的比率；并且
基于所述比率来确定所述动态AB状况。
25.根据权利要求21所述的方法，还包括：
从所述多个图像数据帧中识别与所述肺的所述至少部分相对应的感兴趣区域(ROI)；并且
基于所述ROI来确定所述第一值。
26.根据权利要求21所述的方法，还包括：在显示部件处显示所述动态AB状况的结果。
CN201880067278.7A 2017-08-16 2018-08-16 动态空气支气管图的超声确定及相关联的设备、***和方法 Pending CN111837196A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
CNPCT/CN2017/097624 2017-08-16
CN2017097624 2017-08-16
US201862628361P 2018-02-09 2018-02-09
US62/628,361 2018-02-09
PCT/EP2018/072256 WO2019034743A1 (en) 2017-08-16 2018-08-16 ULTRASONIC DETERMINATION OF A DYNAMIC AERONIC BRONCHOGRAM AND ASSOCIATED DEVICES, SYSTEMS AND ASSOCIATED METHODS

Publications (1)

Publication Number Publication Date
CN111837196A true CN111837196A (zh) 2020-10-27

Family

ID=63405184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880067278.7A Pending CN111837196A (zh) 2017-08-16 2018-08-16 动态空气支气管图的超声确定及相关联的设备、***和方法

Country Status (5)

Country Link
US (1) US11896433B2 (zh)
EP (1) EP3669372B1 (zh)
JP (1) JP6890716B2 (zh)
CN (1) CN111837196A (zh)
WO (1) WO2019034743A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021035119A1 (en) * 2019-08-22 2021-02-25 Boston Scientific Scimed, Inc. Systems and methods for processing electronic medical images to determine enhanced electronic medical images
IT202000009667A1 (it) * 2020-05-05 2021-11-05 Imedicals S R L Dispositivo e metodo per la diagnosi di una polmonite di tipo covid-19 mediante analisi di immagini ecografiche
US20230165567A1 (en) * 2020-05-08 2023-06-01 The Regents Of The University Of Michigan Ultrasound signal correlation phase estimation of lung motion
US20230181163A1 (en) * 2021-12-09 2023-06-15 GE Precision Healthcare LLC System and Method for Automatic Association and Display of Video Loop Subject Matter for Enhanced Identification

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050283077A1 (en) * 2004-06-21 2005-12-22 General Electric Company Adaptive ultrasound imaging system
US20130156158A1 (en) * 2010-08-27 2013-06-20 Konica Minolta Medical & Graphic, Inc. Thoracic diagnosis assistance system and computer readable storage medium
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
US20130197370A1 (en) * 2012-01-30 2013-08-01 The Johns Hopkins University Automated Pneumothorax Detection
CN105190691A (zh) * 2013-05-08 2015-12-23 皇家飞利浦有限公司 用于获得对象的生命体征的设备
WO2016046140A1 (en) * 2014-09-25 2016-03-31 Koninklijke Philips N.V. Device and method for automatic pneumothorax detection

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013181300A1 (en) 2012-05-29 2013-12-05 The Board Of Trustees Of The Leland Stanford Jr. University Apparatus, systems, and methods for monitoring extravascular lung water
HRPK20130491B3 (hr) 2013-06-04 2016-03-25 Sveučilište U Rijeci Medicinski Fakultet Postupak za određivanje i brojenje b-linija kod ultrazvučnog dijagnosticiranja bolesti pluća
KR20150002932A (ko) 2013-06-26 2015-01-08 삼성전자주식회사 초음파 영상 디스플레이 방법 및 장치
JP6732896B2 (ja) 2015-09-17 2020-07-29 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 外部の動きからのラングスライディングの区別

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050283077A1 (en) * 2004-06-21 2005-12-22 General Electric Company Adaptive ultrasound imaging system
US20130156158A1 (en) * 2010-08-27 2013-06-20 Konica Minolta Medical & Graphic, Inc. Thoracic diagnosis assistance system and computer readable storage medium
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
US20130197370A1 (en) * 2012-01-30 2013-08-01 The Johns Hopkins University Automated Pneumothorax Detection
CN105190691A (zh) * 2013-05-08 2015-12-23 皇家飞利浦有限公司 用于获得对象的生命体征的设备
WO2016046140A1 (en) * 2014-09-25 2016-03-31 Koninklijke Philips N.V. Device and method for automatic pneumothorax detection

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
DANIEL LICHTENSTEIN ETAL.: "The Dynamic Air Bronchogram* A Lung Ultrasound Sign of Alveolar Consolidation Ruling Out Atelectasis", CHEST ULTRASONOGRAPHY, 30 June 2009 (2009-06-30), pages 1421 - 1425 *

Also Published As

Publication number Publication date
EP3669372B1 (en) 2021-05-12
US11896433B2 (en) 2024-02-13
US20210128116A1 (en) 2021-05-06
JP6890716B2 (ja) 2021-06-18
WO2019034743A1 (en) 2019-02-21
EP3669372A1 (en) 2020-06-24
JP2020531073A (ja) 2020-11-05

Similar Documents

Publication Publication Date Title
CN105701331B (zh) 计算机辅助诊断设备和计算机辅助诊断方法
US11896433B2 (en) Ultrasound determination of dynamic air bronchogram and associated devices, systems, and methods
US11191518B2 (en) Ultrasound system and method for detecting lung sliding
US8777854B2 (en) Method and system for ultrasound based automated detection, quantification and tracking of pathologies
US20210233243A1 (en) Diagnostic support program
JP5068519B2 (ja) 悪性腫瘍を自動的に特徴評価するルーチンを含む機械読み取り可能な媒体及び装置
JP2017536212A5 (zh)
JP2007167656A (ja) 対象の運動の解析方法および断層撮影装置
KR102202617B1 (ko) 의료 영상 기반 복부 질환 분석 방법 및 장치
JP2019536531A (ja) Ｘ線画像内の不透明度を検出する装置
CN112998748A (zh) 用于超声弹性成像的应变自动测量和应变比计算的方法和***
US20180204326A1 (en) Dynamic image processing system
US11151715B2 (en) Dynamic analysis system
JP7215053B2 (ja) 超音波画像評価装置、超音波画像評価方法および超音波画像評価プログラム
JP6273940B2 (ja) 画像解析装置、画像撮影システム及び画像解析プログラム
EP4268729A1 (en) Method for the automated assessment of lung ultrasound scans and ultrasound machine which implements said method
TWI490790B (zh) Dynamic cardiac imaging analysis and cardiac function assessment system
US11986352B2 (en) Ultrasound speckle decorrelation estimation of lung motion and ventilation
US20220398720A1 (en) Diagnostic support program
KR20200049683A (ko) 깊이 카메라를 이용한 호흡량 측정 시스템
CN114098687B (zh) 用于超声运动模式的自动心率测量的方法和***
EP4134907A1 (en) Heterogeneity analysis in 3d x-ray dark-field imaging
JP2023543706A (ja) 暗視野ｘ線画像データ情報の処理
RU2644928C1 (ru) Способ определения кадров, соответствующих границам фаз кровообращения, при проведении ангиографического исследования (варианты)
WO2024104857A1 (en) Automatic measurement point detection for anatomy measurement in anatomical images

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