CN112419281A - 心脏特征分析***和方法 - Google Patents

心脏特征分析***和方法 Download PDF

Info

Publication number
CN112419281A
CN112419281A CN202011347034.XA CN202011347034A CN112419281A CN 112419281 A CN112419281 A CN 112419281A CN 202011347034 A CN202011347034 A CN 202011347034A CN 112419281 A CN112419281 A CN 112419281A
Authority
CN
China
Prior art keywords
myocardium
slice images
slice
image
region
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
CN202011347034.XA
Other languages
English (en)
Inventor
阿伦·因南耶
陈潇
孙善辉
陈德仁
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.)
Shanghai United Imaging Intelligent Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Intelligent Healthcare Co Ltd
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 Shanghai United Imaging Intelligent Healthcare Co Ltd filed Critical Shanghai United Imaging Intelligent Healthcare Co Ltd
Publication of CN112419281A publication Critical patent/CN112419281A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/0485—Scrolling or panning
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06T13/00—Animation
    • G06T13/80—2D [Two Dimensional] animation, e.g. using sprites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/18—Image warping, e.g. rearranging pixels individually
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-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
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • G06T2207/10016—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
    • G06T2207/10072—Tomographic images
    • 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
    • G06T2207/20—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
    • G06T2207/30048—Heart; Cardiac
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Cardiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Fuzzy Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)

Abstract

可以使用本文所述的***来跟踪和分析经由MRI扫描捕获的心脏特征。该***可以接收经由MRI扫描导出的多个MR切片图像，并且以允许用户浏览MR切片图像的方式呈现MR切片图像。响应于用户选择MR切片图像中的一个，可以确定并显示与选定的切片图像相关联的背景和全局心脏信息。背景信息可以对应于选定的切片图像，并且全局信息可以涵盖跨多个MR切片图像收集的信息。用户可以具有在不同显示区域之间浏览并利用局部视角和全局视角两者评价心脏健康状况的能力。

Description

心脏特征分析***和方法
相关申请的交叉引用
本申请要求2019年11月27日提交的临时美国专利申请号62/941,198和2020年9月8日提交的临时美国专利申请号17/014,609的权益，此处以引证的方式将该申请的公开内容全文并入。
技术领域
本申请涉及心脏磁共振图像分析领域。
背景技术
心血管疾病是全球主要的死亡原因，据估计每年夺走1790万人的生命。心脏特征和功能的准确评估对于预防和治疗这些疾病是关键的。近年来，心脏磁共振成像(cMRI)已经成为评价心脏特征的有力工具，心脏特征包括应变、应变率、扭转和/或机械弥散。cMRI允许通过直接评价心肌纤维变形来精确量化心室和心房力学，而不使患者经受辐射或侵入性过程。
尽管cMRI可以提供关于心脏健康状况的丰富信息，但是目前缺乏用于与cMRI装置接口连接、理解由cMRI装置捕获的信息或者以将允许临床医生充分利用cMRI的优点的方式来组织和呈现由cMRI装置捕获的信息的工具。比如，在采集心肌的心脏电影图像时，临床医生非常期望能够浏览这些图像，以便基于与心肌的特定区域相关联的背景信息来评价这些区域。并且在关注一个特定区域的同时，还期望维持心肌的全局视角，例如跨时间和空间两者,使得可以相对于心肌的其他区域或其他时间点查看该一个特定区域发生的变化。
发明内容
本文描述了用于跟踪和分析经由MRI扫描捕获的心脏特征的***、方法以及装置。如本文所述的MRI分析器可以接收多个MR切片图像，这些切片图像可以经由患者心脏的MRI扫描(例如，心脏MR电影)导出。MR切片图像可以对应于沿着扫描轴的相应扫描位置，并且各个MR切片图像可以包括在一段时间(例如，一个或多个心动周期)内的心肌的视觉表示。MRI分析器可以例如在显示装置的第一区域中呈现MR切片图像。该呈现可以以允许MRI分析器的用户沿着扫描轴浏览MR切片图像的方式来提供。MRI分析器可以确定与多个MR切片图像中的选定切片图像相关联的背景信息并例如在显示装置的第二区域中显示该背景信息。该背景信息可以包括与选定的MR切片图像相关联的心肌的图像以及由这些图像指示的心肌的应变。背景信息的显示可以包括与选定的MR切片图像相关联的图像的动画呈现以及指示一个或多个心脏参数的图形(例如，径向和/或周向应变曲线)，这些心脏参数基于选定的MR切片图像确定。响应于用户在图形上选择一个点(例如，沿着时间轴)，MRI分析器可以调节心肌图像的动画呈现，以显示与选定点在图形上的时间位置相对应的心肌图像。进一步地，图像的动画呈现可以指示心肌的内边界和外边界，并且MRI分析器可以被配置为接收用户输入，这些用户输入标记心肌的内边界和外边界。
本文所述的MRI分析器还可以被配置为确定跨多个MR切片图像与心肌相关联的全局信息，并例如在显示装置的第三区域中显示该信息。全局信息可以包括由MRI分析器基于多个MR切片图像确定的心肌的应变和/或形变参数。全局信息的显示可以包括基于多个MR切片图像分割的心肌的3D视图(例如，3D网格或点云)。显示还可以包括一个或多个图(例如，牛眼图)，这些图示出了由MRI分析器针对心肌的不同分段确定的全局应变或形变参数(例如，基于在与MR切片图像相关联的时间段期间心肌的各个分段的最大、最小或平均应变)。响应于用户选择对应于心肌分段的图的区域，MRI分析器可以在3D视图中突出显示心肌的分段。进一步地，响应于用户选择3D视图的与多个MR切片图像中的一个对应的区域，MRI分析器可以确定多个MR切片图像中的一个的背景信息并在显示装置的第二区域中显示该信息。
本文所述的MRI分析器还可以被配置为确定并显示矩阵，该矩阵用于指示心肌跨空间和时间的各种状态。该矩阵可以包括多个单元，各个单元可以对应于行和列，行表示多个MR切片图像中的相应MR切片图像，列表示与相应MR切片图像相关联的时间段期间的时间点。因此，矩阵的各个单元可以指示心肌的相应状态，如相应MR切片图像和与该单元相关联的时间点所指示的。
本文所述的MRI分析器还可以被配置为生成、传输和/或打印报告，该报告包括本文所述的背景信息或全局信息的至少一部分。报告可以例如基于用户输入自动或半自动地生成，该用户输入可以包括关于报告的文本或口头指令。
附图说明
从以下结合附图以示例方式给出的描述中，可以更详细地理解本文公开的示例。
图1是例示了包括如本文所述的MRI分析器的示例***的框图。
图2是例示了可以由如本文所述的MRI分析器确定并呈现的示例信息的图。
图3是例示了如何响应于用户输入突出显示由MRI分析器生成的心肌的3D视图的图。
图4是例示了可以由本文所述的MRI分析器渲染的示例用户界面的图。
图5是例示了可以由本文所述的MRI分析器渲染的示例矩阵视图的图。
图6是例示了本文所述的示例MRI分析器的框图。
图7是例示了可以由本文所述的MRI分析器执行的示例过程的流程图。
具体实施方式
在附图的各图中，通过示例而非限制性的方式例示了本公开。例如，本文将使用心脏MRI(cMRI)和/或人类心脏(例如，左心室和/或心肌)作为示例来描述实施例，但是本领域技术人员将理解，本文所公开的技术一般适用于其它成像模式和人体的其它器官或组织。
图1是例示了根据本文所公开的一个或多个实施例的示例磁共振成像(MRI)特征跟踪***100的框图。***100可以包括MRI采集装置102、MRI图像库104和/或MRI分析***或装置106。MRI采集装置102可以包括扫描仪和控制器。扫描仪可以使用具有特定孔径和/或场强的某些类型的超导磁体来实施。磁体可以生成磁场，扫描仪使用这些磁场来采集位于测量空间内的患者的MR图像。控制器可以被配置为控制MRI采集装置102的操作，并且可以包括启动单元、接收单元或数据处理模块中的一个或多个。启动单元可以用于开始和停止扫描仪生成磁场。接收单元可以被配置为接收和/或记录由扫描仪采集的MR数据，然后该数据可以由数据处理单元准备存储和/或进一步处理。
由MRI采集装置102产生的数据可以包括一个或多个动态图像序列，诸如显示贯穿一个或多个心动周期的心脏运动的心脏电影。心脏电影可以包括在沿着扫描轴(例如，短轴或长轴)的各个切片图像位置和在时间帧内(例如，在一个或多个心动周期内)拍摄的图像序列。各个这种图像序列在本文中可以被称为切片图像或MR切片图像，并且各个切片图像可以视觉地表示在对应的时间帧内的心脏的全部或一部分(例如，左心室、心肌等)。例如，切片图像可以包括左心室的图像，这些图像可以用于确定收缩输出和/或舒张末期容积，从收缩输出和/或舒张末期容积可以计算左心室射血分数(LVEF)(例如，作为收缩输出与舒张末期容积之间的比)，以评价心脏功能。作为另一示例，包括在切片图像中的图像可以用于确定各个方向上的心肌形变，根据该心肌形变可以计算径向和/或周向应变。径向应变可以指示朝向LV腔中心的径向定向的心肌变形，而周向应变可以指示在短轴上观察到的沿着圆形周界的LV心肌纤维缩短。
由MRI采集装置102产生的数据(例如，心脏电影)可以被传输到和/或存储在MRI图像库104中，该图像库可以是MRI采集装置102的一部分或诸如基于云的计算装置的单独计算装置的一部分。MRI图像库104可以包括一个或多个通用数据库或专门配置为存储由MRI采集装置102产生的图像的数据库。图像可以以结构化方式(例如，以特定格式和/或模式)存储和/或可以联系到患者的其他信息，诸如患者的身份或病史。由MRI采集装置102产生的数据的传送和组织可以离线执行，例如当MRI采集装置102和/或MRI图像库104不使用时，或者在线执行，例如当MRI采集装置102主动收集扫描图像时和/或当MRI图像库104正在被其它装置或应用访问时。
由MRI采集装置102产生的数据(例如，心脏电影)也可以传输到MRI分析器106和/或由其检索。在一些示例中，MRI分析器106可以直接从MRI采集装置102检索数据，而在其他示例中，MRI分析器106可以从MRI图像库104检索数据，例如，在数据已经被传送到库之后。MRI采集装置102、MRI图像库104和/或MRI分析器106之间的数据传输和/或检索可以通过通信网络108进行，该通信网络可以是有线或无线网络或其组合。例如，通信网络108可以建立在公共网络(例如，因特网)、专用网络(例如，局域网(LAN)、广域网(WAN)等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、Wi-Fi网络等)、蜂窝网络(例如，长期演进(LTE)或5G网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络和/或电话网络上。通信网络108可以包括一个或多个网络接入点。例如，通信网络108可以包括有线和/或无线网络接入点，诸如基站和/或互联网交换点，通过这些接入点，MRI采集装置102、MRI图像库104和/或MRI分析器106可以被连接，以交换数据和/或其他信息。这种交换可以利用路由器、集线器、交换机、服务器计算机和/或其任意组合。
MRI分析器106可以包括一个或多个处理器和/或一个或多个存储装置，这些存储装置被配置为存储计算机可读指令，当由一个或多个处理器执行这些计算机可读指令时，使得处理器执行以下功能中的一个或多个。例如，指令可以使得一个或多个处理器从MRI采集装置102和/或MRI图像库104检索MRI数据，诸如心脏电影。在采集MRI数据时，一个或多个处理器还可以识别MRI数据中的多个MR切片图像，如本文所述，这些切片图像可以视觉地描绘心脏(例如，左心室和/或心肌)沿着扫描轴并且在一段时间内的状况和/或运动。该时间段可以跨越一个或多个心动周期，各个心动周期可以包括舒张期和收缩期。MRI分析器106的一个或多个处理器可以被配置为使用各种技术来确定舒张期和收缩期的开始和/或结束，这些技术包括例如利用机器学习(ML)模型来自动预测舒张末期(ED)和收缩末期(ES)帧、基于所记录的心电图(ECG)信号来推断舒张期和收缩期的开始和/或结束、接收标记ED和/或ES帧的用户输入等。
MRI分析器106的一个或多个处理器还可以被配置为从MRI数据提取与心脏的状况和/或运动有关的背景和全局信息。背景信息可以与MRI数据中的各个MR切片图像相关联，并且可以包括定量参数，诸如心脏的应变(例如，变形)、几何形状(例如，容积)和/或运动参数，这些参数由一个或多个处理器基于包括在MR切片图像中的图像确定。全局信息可以基于多个(例如，所有)MR切片图像导出，并且可以包括跨多个MR切片图像和/或多个时间段合成的心脏的参数。由此可见，全局信息可以由MRI分析器106的一个或多个处理器用于呈现心脏跨时间和空间两者(例如，三维加时间或3D+T)的综合视图。
MRI分析器106的一个或多个处理器可以被配置为在显示装置110上呈现本文所述的MR切片图像、背景信息和/或全局信息。显示装置110可以包括一个或多个监视器，诸如一个或多个计算机监视器、一个或多个TV监视器、一个或多个平板电脑和/或一个或多个移动装置。显示装置110还可以包括一个或多个扬声器、一个或多个增强现实(AR)装置(例如，AR护目镜)和/或被配置为促进由MRI分析器106生成的呈现的其他附件。显示装置110可以是MRI分析器106的一部分，或者可以例如经由通信网络108或另一合适的通信链路通信地耦合到MRI分析器106。
图2是例示了示例信息的图，该信息可以由MRI分析器106确定并呈现在诸如显示装置110的显示装置上。在显示装置的第一区域202中，MRI分析器106可以在导航窗格旁边呈现患者信息(例如，患者识别码)，该导航窗格允许MRI分析器106的用户浏览从患者的心脏MRI扫描(诸如心脏电影)导出的多个MR切片图像(例如，MR切片图像的序列)，并且选择用户有兴趣进一步探查的切片图像。例如，MR切片图像可以基于MR切片图像沿着扫描轴(例如，短轴或长轴)的各个位置编索引(例如，标记)。各个MR切片图像可以包括心脏的多个MRI图像，这些MRI图像共同提供在拍摄MRI图像的时间段内的心脏的一个或多个区域(例如，左心室、心肌等)的视觉表示。如本文所述，这种时间段可以对应于一个或多个心动周期，并且各个心动周期可以包括舒张期和收缩期。例如，响应于接收到指示切换的用户输入，可以将显示在第一区域202中的多个MR切片图像切入和切出(例如，用另一组MR切片图像或MR切片图像序列替换)。例如，MRI分析器106可以从患者的同一心脏研究获得不同的MR切片图像序列。MRI分析器106可以在显示装置110的区域中显示图标，这些图标与这些MR切片图像序列相对应。随着用户将鼠标悬停在各个图标上或点击一个图标，MRI分析器106可以在显示装置上提供指示，该指示与用户可以使与所选图标相对应的MR切片图像序列落在哪里有关。用户可以使选定的MR切片图像序列落入的区域可以根据用户所处的应用区域的背景而变化，并且响应于用户肯定地将MR切片图像序列落入所指示的区域中，MRI分析器106可以切换第一区域202中的显示，以示出由用户选择和使落下的MR切片图像序列。
MRI分析器106可以被配置为使得能够以各种方式浏览在区域202中显示的多个MR切片图像。在示例中，MRI分析器可以通过沿着第一显示区域202的一侧提供滑动条来实现浏览，用户可以利用该滑动条滚动多个MR切片图像。在示例中，MRI分析器可以在第一显示区域202的显示可用MR切片图像的部分中包括下拉菜单。在示例中(例如，当显示装置是触摸屏装置时)，MRI分析器可以利用第一显示区域202的触摸面来允许用户掠过MR切片图像。在多个MR切片图像中选择特定切片图像还可以以各种方式来执行。例如，特定切片图像可以通过点击表示特定切片图像的图标、通过选择与特定切片图像对应的下拉菜单上的项、通过轻敲显示特定切片图像的触摸面的区域、通过语音启动(例如，发出特定切片图像的索引的声音)等来选择。
响应于用户在显示装置的第一区域202中选择多个MR切片图像中的特定MR切片图像，MRI分析器可以被配置为确定与选定的MR切片图像相关联的背景信息，并且在显示装置的第二区域204中显示该背景信息。背景信息可以包括与选定的MR切片图像相关联的(例如，心肌的)一系列或多系列图像和/或基于这些图像确定的定量参数。图像可以描绘心肌在与选定MR切片图像相关联的时间段(例如，心动周期)期间的横截面。定量参数可以指示心肌在相同时间段期间的应变(例如，形变)、几何形状(例如，容积)和/或运动。MRI分析器可以在第二区域204的一部分中回放与选定MR切片图像相关联的一系列图像，例如，作为沿着拍摄图像的时间轴的动画(例如，电影)。这种二维加时间(例如，2D+T)回放可以使心肌在与选定MR切片图像相关联的时间段期间的移动和/或变形可视化，并且MRI分析器可以在回放区域上或附近提供控制(例如，诸如按钮的段内控制器)，以供用户播放、暂停、倒回和/或停止回放。
在2D+T回放的一个或多个(例如，所有)图像中，MRI分析器可以分割心内膜和/或心外膜，并且沿着心动周期标记心内膜和/或心外膜的边界206。分割和/或标记可以使用机器学习(ML)模型来执行。这种ML模型的示例可以在共同转让的美国专利申请号16/905115中找到，该申请于2020年6月18日提交，标题为“Systems and Methods for ImageSegmentation,”，据此以引证的方式将该申请的公开内容全文并入。MRI分析器还可以允许用户手动注释心肌的边界。例如，MRI分析器可以允许用户在选定MR切片图像的一个或多个图像上绘制心肌的整个内边界和/或外边界，或者在内边界和/或外边界上的某些位置打上点，并且触发MRI分析器自动连接打点的位置以形成边界。一旦确定了心肌的边界(例如，基于ML模型或手动用户输入)，MRI分析器就可以基于所确定的边界来确定或调节本文所述的定量参数的至少一个子集，诸如心肌的应变和/或厚度。心肌边界的显示和/或用于手动注释心肌边界的装置可以由用户例如使用段内控制器(例如，按钮或复选框)来启动和停用(例如，示出或隐藏)，这些控制器由MRI分析器提供。
在第二区域204中呈现的背景信息可以包括一个或多个图形，这些图形显示了由MRI分析器确定的定量参数的值对时间的关系。例如，图形可以在第二区域204的一部分中示出，该部分与选定MR切片图像的2D+T动画相邻。图形可以在与选定MR切片图像相关联的时间段内绘制，如本文所述，该时间段可以包括一个或多个心动周期。在图形中示出的定量参数值可以包括例如心肌的径向和/或周向应变，这些应变由MRI分析器基于选定MR切片图像(例如，基于包括在选定MR切片图像中的心肌的图像)来确定。由此可见，图形可以表示心肌在一个或多个心动周期内的径向(Err)和/或周向(Ecc)应变曲线。径向应变曲线可以指示随着时间推移朝向心室腔(例如，左心室(LV)腔)中心的径向定向的心肌变形，并且周向应变曲线可以指示随着时间推移在扫描轴(例如，短轴)上观察到的沿着圆形周界的LV心肌纤维缩短。在示例中，周向应变可以与心外膜、中层心肌和/或心内膜相关联，心外膜、中层心肌和/或心内膜中的每一个可以被显示为单独的图形(例如，具有唯一的颜色和/或图案)。在示例中，可以针对(例如，任何)特定透壁位置确定周向应变。比如，可以在已经沿着径向从心外膜轮廓收缩了特定百分比(例如，诸如10％)的透壁位置处计算应变值。作为另一示例，可以在已经沿着径向从心内膜轮廓扩大了一百分比(例如，诸如10％)的透壁位置处计算应变值。由于应变曲线是在包括一个或多个舒张期和一个或多个收缩期的时间段内绘制的，因此曲线可以提供在这些心脏时期期间的心肌应变的分布的可视化。
MRI分析器可以被配置为将图形的时间帧联系(例如，对齐)到选定MR切片图像的时间帧，使得图形上的一个或多个点可以例如基于点和图像在时间轴上的对齐而被联系到选定MR切片图像的相应图像。这样，响应于用户选择图形上的点(例如，该点可以指示异常)，MRI分析器可以自动调节(例如，前进或倒回)选定MR切片图像的回放，以示出对应于图形上的选定点的图像。由此，用户能够关注于与选定点相关联的应变值，同时还使对应于选定点的心肌图像显示在一侧上，以便进一步研究。
如本文所述，选定MR切片图像的背景信息中的图形可以示出心肌在一个或多个心动周期内的特性(例如，应变)。MRI分析器可以被配置为利用以下技术中的一个或多个来确定和/或指示心动周期的相应边界。MRI分析器可以允许用户手动标记指示心动周期的开始和/或结束的帧(例如，图像)。例如，MRI分析器可以允许用户标记指示心动周期在哪里开始和结束的舒张末期(ED)和/或收缩末期(ES)帧。MRI分析器可被配置为学习用于自动检测ED和/或ES帧的模型(例如，基于神经网络的模型)，使得MRI分析器可以在显示装置的第二区域204中(例如，在一个或多个图形上，诸如在第二区域中显示的应变曲线上)指示心动周期的开始和结束。MRI分析器可以被配置为基于所记录的ECG信号确定ED和/或ES帧。经标记的ED及ES帧可以使用预定义旗标来指示。如果使用自动检测技术(例如，基于神经网络模型或ECG信号)，并且在自动检测期间存在错误计算，则MRI分析器可以允许用户手动校正错误计算(例如，以手动标记ED和/或ES帧)。编辑与已校正的ED帧和/或已校正的ES帧对应的图形上(例如，在图2所示的径向或周向应变曲线上)的点可以自动触发MRI分析器校正后续帧中的应变值的跟踪。例如，本文所述的应变分析可以从舒张末期到收缩末期执行。随着标记一个心动周期中的舒张末期或收缩末期的帧被校正，MRI分析器可以基于已校正的ED或ES帧调节随后的应变分析。作为另一示例，当逐帧地执行心肌分割时，MRI分析器还可以基于已校正的ED或ES帧来调节分割。作为自动校正的结果，可以减少与分析心肌应变或分割心肌相关联的错误和/或努力。
人类心脏(例如，左心室)是3D结构。虽然本文所述的MR切片图像可以沿着扫描轴逐切片图像地呈现心脏的2D视图，但是基于在MR切片图像中捕获的信息沿着时间轴(例如，在与MR切片图像相关联的时间段内)提供心脏的3D表示也可以是有益的。MRI分析器可以确定心脏的这种全局信息(例如，3D加时间或3D+T信息)并将在显示装置的第三区域208中显示该信息。
如图2中的示例所示，全局信息可以指示心脏(例如，心肌)跨多个MR切片图像的变形和/或运动，这些切片图像在第一区域202中列出，并且MRI分析器可以被配置为以展示变形和/或运动的方式显示全局信息。例如，在全局信息显示区域(例如，第三区域208)的一部分中，MRI分析器可以呈现3D+T视图(例如，3D点云加时间、3D网格加时间、3D稀疏样本点表示加时间等)，该视图可以包括已分割心肌随时间推移的多个表示(例如，由虚线指示)。已分割心肌的各个表示可以对应于在第一区域202中列出的MR切片图像，并且各个表示中的虚线可以标记如MR切片图像所描绘的心肌的边界。在第一区域202中选择并在第二区域204中显示的MR切片图像可以在3D+T视图中突出显示，以指示选定MR切片图像相对于其他切片图像的位置。并且由于3D+T视图包括心肌的多个切片图像，因此与该视图中包括的其他切片图像相比，可以检查由特定切片图像(例如，选定的MR切片图像)示出的心肌的变形和/或运动。
MRI分析器可以以各种方式渲染3D+T视图，以突出显示心肌的不同部分和/或特性。例如，MRI分析器可以以不同的颜色或图案显示心内膜和心外膜，以区分这两个部分。当在第二区域204中播放2D+T电影时(例如，针对选定的MR切片图像)，MRI分析器可以根据2D+T电影中的时间流逝来调节3D+T视图，以显示与在2D+T电影中播放的帧对应的心肌的当前状态(例如，当前边界点组)。心肌的这种动画3D+T表示可以补充在区域204中示出的切片图像视图(例如，该视图仅对应于心肌的当前切片图像)，并且允许用户实时监视心肌(例如，心肌的多个切片图像)如何变形。用户能够暂停和/或重新开始心肌的动画3D+T显示，例如，经由通过MRI分析器提供的按钮或另一合适的输入机构。
MRI分析器的用户能够经由3D+T视图浏览心肌的不同切片图像，该视图在区域208中显示。例如，用户能够选择3D点云或网格上的点，并且MRI分析器可以调节第一区域202和/或第二区域204中的显示，以显示关于MR切片图像的信息(例如，示出应变曲线)，该MR切片图像对应于用户在3D+T视图上选择的点。
MRI分析器还可以被配置为确定指示心脏(例如，心肌)的全局特性的参数，并且在第三区域208的一部分中显示这些参数，以视觉地指示心脏的特性。例如，MRI分析器可以在第三区域208中渲染一个或多个图210(例如，牛眼图)，这些图展示与心肌的不同段(例如，左心室)相关联的应变值。在图2所示的示例中，心肌被分成16段(例如，沿着水平和竖直方向)，并且被投影到2D平面上，这产生了图210所示的表示。然后可以随时间推移(例如，在与MR切片图像或电影相关联的时间段内)针对16个段中的每一个计算最小、最大或平均应变值，并且在图210的对应区域中显示这些应变值，这指示与心肌的各个段相关联的心脏状况(例如，变形、运动等)。还可以提供值标度(例如，具有不同的颜色编码方案或图案)，并且图210可以根据值标度来进行颜色编码或图案化，以指示各个特定值落入值范围内的位置。可以计算并绘制径向和周向应变中的任一个或两者。也可计算并绘制诸如应变率的其它心肌功能度量。周向应变可以在不同的透壁位置处测量，这些位置包括心内膜、中层心肌、心外膜、本文所述的另一预定透壁位置，或者周向应变可以被测量为这些透壁位置的全部或子集的最小值、最大值或平均值。
图210可以被渲染为使得用户可以在图上选择段，并且可以突出显示3D+T视图中的对应心肌区域，以向用户给予该区域例如相对于心肌的其他区域如何变形的概览。图3是例示了响应于用户在图210上选择段，可以如何突出显示心肌的一部分的简化图，例如，以指示心肌上的关键点从ED时期到ES时期的变换(例如，以指示关键点在时期之间已经移动了多少)。
图4示出了可以由本文所述的MRI分析器(例如，MRI分析器106)渲染的示例用户界面。用户界面可以呈现基本的患者信息(例如，身高、体重等)和/或由MRI分析器确定的心脏参数的概要。这些参数可能与心脏功能分析、牛眼图分析和/或特定图分析相关。比如，显示的心脏功能分析部分可以示出参数值，这些参数值与ED容积、ES容积、射血分数、心肌质量、ED容积指数、ES容积指数、搏出量指数、心肌容积指数、心肌厚度、室间隔厚度等相关。
图5示出了可以由如本文所述的MRI分析器(例如，MRI分析器106)基于信息来渲染的示例矩阵视图，该信息由MRI分析器从心脏的MRI扫描确定，该MRI扫描可以示出左心室(例如，心肌)。矩阵视图可以用于呈现与从MRI扫描获得的多个MR切片图像相关联的信息。矩阵的每行可以表示MR切片图像(例如，由行号编索引)，并且矩阵的每列可以表示MR切片图像中的图像(例如，由列号编索引)。因此，MRI分析器的用户可以沿着一行跨列移动光标，并且根据对应于选定行的MR切片图像被呈现有跳动的心脏的动画显示(例如，如图2的区域204所示的电影)。矩阵的各个单元可以包括心肌在位置和时间处的状态的视觉表示(例如，与心肌相关联的分析)，该位置和时间分别由对应的行(例如，MR切片图像)和列(例如，MR切片图像中的图像)指示。例如，矩阵的各个单元可以包括相应的图标，该图标表示如由分析指示的人类心脏的段(例如，左心室心内膜、心外膜、***肌、右心室等)的状态，该分析由MRI分析器确定。用户可以从矩阵选择一个或多个单元，并且作为响应，MRI分析器可以显示对应于选定单元(例如，在矩阵视图的顶部)的MRI图像(例如，帧)，以便用户进行进一步分析。
如本文所述的MRI分析器(例如，MRI分析器106)也可以被配置为生成、传输和/或打印由MRI分析器确定和/或显示的信息的报告。这种信息可以包括例如左心室或心肌的图像或MR切片图像、应变图、牛眼图(例如，牛眼图的与心肌的相应段相对应的部分)、矩阵视图和/或用于渲染图像、切片图像、图表、图或视图的基础数据。报告可以自动或半自动地生成。在示例实施方式中，MRI分析器可以例如响应于用户选择用于报告生成的菜单项而为用户提供对话框，以指定要在报告中包括什么信息。在示例实施方式中，MRI分析器可以随着用户将鼠标悬停在数据元素上方而显示图标，以指示用户可以将数据元素添加到报告。比如，MRI分析器可以响应于用户将鼠标悬停在图2所示的牛眼图210上方而显示这种图标，以指示用户可以将图和/或用于渲染图的基础数据添加到报告。在用户点击图标时，MRI分析器可以将图和/或基础数据复制到剪贴板。然后，用户可以将复制的内容粘贴(例如，使用计算机键盘的ctrl+v)到用户正在创建的报告。在示例实施方式中，MRI分析器可以被配置为识别关于报告生成的用户语音(例如，口头指令)和要包括在报告中的信息，将该语音转换成文本，并且在用户发起的对话中显示该文本。用户然后可以确认转换并开始报告生成、传输和/或打印。
图6是例示了如本文所述的示例MRI分析器600(例如，图1中的MRI分析器106)的框图。如图所示，MRI分析器600可以包括处理器602，该处理器可以是中央处理单元(CPU)、图形处理单元(GPU)、微控制器、精简指令集计算机(RISC)处理器、专用集成电路(ASIC)、专用指令集处理器(ASIP)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或能够执行本文所述的功能的任何其它电路或处理器。MRI分析器600还可以包括通信电路604、存储器606、大容量储存装置608、输入装置610和/或通信链路612(例如，通信总线)，图6所示的一个或多个部件可以通过该通信链路交换信息。通信电路604可以被配置为利用一个或多个通信协议(例如，TCP/IP)和一个或多个通信网络来发送和接收信息，这些通信网络包括局域网(LAN)、广域网(WAN)、因特网、无线数据网络(例如，Wi-Fi、3G、4G/LTE或5G网络)。存储器606可以包括被配置为存储机器可读指令的存储介质，当机器可读指令被执行时，使得处理器602执行本文所述的一个或多个功能。机器可读介质的示例可以包括易失性或非易失性存储器，包括但不限于半导体存储器(例如，电可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM))、闪存等)。大容量储存装置608可以包括一个或多个磁盘，诸如一个或多个内置硬盘、一个或多个可移动盘、一个或多个磁光盘、一个或多个CD-ROM或DVD-ROM盘等，在磁盘上可以存储指令和/或数据，以便于处理器602的操作。输入装置610可以包括键盘、鼠标、语音控制输入装置、触敏输入装置(例如，触摸屏)等，用于接收对神经网络***600的用户输入。
图7是例示了可以由本文所述的MRI分析器(例如，图1中的MRI分析器106和/或图6中的MRI分析器600)执行的示例过程700的流程图。过程700可以由MRI分析器在702处开始，例如在MRI分析器被用户调用时开始。在704处，MRI分析器可以检索可以通过MRI扫描(例如，心脏MR电影)产生的多个MR切片图像。MR切片图像可以对应于沿着扫描轴的相应扫描位置，并且各个MR切片图像可以包括在一段时间(例如，一个或多个心动周期)内的心肌的视觉表示。在706处，MRI分析器可以例如在显示装置的第一区域中呈现MR切片图像。该呈现可以以允许MRI分析器的用户沿着扫描轴浏览MR切片图像的方式来提供。在708处，MRI分析器可以确定与多个MR切片图像中的选定切片图像(例如，如果没有接收到用户选择，则为系列中的第一MR切片图像)相关联的背景信息并例如在显示装置的第二区域中显示该背景信息。该背景信息可以包括与选定的MR切片图像相关联的心肌的图像以及由这些图像指示的心肌的应变。背景信息的显示可以包括电影的回放以及图形(例如，应变曲线)，电影与选定的MR切片图像相关联，图形指示一个或多个心脏参数，这些参数基于选定的MR切片图像确定。
在710处，MRI分析器可以确定跨多个MR切片图像与心肌相关联的全局信息并例如在显示装置的第三区域中显示该信息。全局信息可以包括由MRI分析器基于多个MR切片图像确定的心肌的应变和/或形变参数。全局信息的显示可以包括基于多个MR切片图像分割的心肌的3D视图(例如，3D网格或点云)。显示还可以包括一个或多个图(例如，牛眼图)，这些图示出了由MRI分析器针对心肌的不同分段确定的全局应变或变形参数。
在712处，MRI分析器可以确定是否接收到用户输入，该用户输入指示用户已经在多个MR切片图像中选择了不同的MR切片图像。如果确定用户尚未改变先前选择的切片图像，则MRI分析器可以继续基于先前选择的MR切片图像显示背景和全局信息。如果确定用户已经选择了不同的MR切片图像，则MRI分析器可以根据新选择的MR切片图像在714处更新背景信息及其显示。MRI分析器还可以基于新选择的MR切片图像在716处更新全局信息及其显示。
在718处，MRI分析器可以确定是否接收到指示用户期望退出过程700的用户输入。如果确定未接收到指示期望退出的用户输入，则MRI分析器可以继续基于当前选择的MR切片图像显示背景和全局信息。如果确定用户期望退出过程700，则MRI分析器可以在720处结束过程700。
为了说明的简单起见，可能已经以特定的顺序描绘并描述了MRI分析器的操作。然而，应当理解，这些操作可以以各种顺序、同时和/或与本文未呈现或描述的其它操作一起发生。此外，应当注意，本文未描绘和描述MRI分析器能够执行的所有操作。还应当注意，并非所有例示的操作都需要由MRI分析器执行。
尽管已经根据某些实施例和一般关联的方法描述了本公开，但是实施例和方法的变更和变换将对本领域技术人员显而易见。因此，示例性实施例的以上描述不限制本公开。在不脱离本公开的精神和范围的情况下，其它改变、替换和变更也是可能的。另外，除非另外具体陈述，否则利用诸如“分析”、“确定”、“启用”、“识别”、“修改”等术语的讨论是指计算机***或类似电子计算装置的动作和过程，这些动作和过程将表示为计算机***的寄存器和存储器内的物理(例如，电子)量的数据操纵和变换成表示为计算机***存储器或其它这种信息存储、传输或显示装置内的物理量的其它数据。
应当理解，上述描述旨在为说明性的，而不是限制性的。在阅读和理解以上描述之后，许多其它实施方式对于本领域技术人员将显而易见。因此，本公开的范围应当参考所附权利要求以及这种权利要求被赋予的等同物的全部范围来确定。

Claims (10)

1.一种用于分析心脏特征的***，包括：
一个或多个处理器，其被配置为：
接收经由磁共振成像(MRI)扫描导出的多个磁共振(MR)切片图像，其中，所述MR切片图像中的每一个包括心肌在一时间段内的视觉表示；
在显示装置的第一区域中呈现所述多个MR切片图像，其中，所述呈现允许所述***的用户浏览所述多个MR切片图像；
响应于所述用户选择在所述显示装置的所述第一区域中的所述多个MR切片图像中的MR切片图像，基于所述多个MR切片图像确定背景信息和全局信息，所述背景信息与所述选定的MR切片图像相关联，所述全局信息与所述心肌相关联，其中，所述背景信息包括与所述选定的MR切片图像相关联的所述心肌的图像以及由所述图像指示的所述心肌的应变，并且其中，所述全局信息指示所述心肌跨所述多个MR切片图像的形变；并且
在所述显示装置的第二区域中显示所述背景信息，并且在所述显示装置的第三区域中显示所述全局信息，其中，所述背景信息在所述第二区域中的所述显示包括与所述选定的MR切片图像相关联的所述心肌的所述图像的动画呈现以及与所述心肌相关联的应变曲线，并且其中，所述全局信息在所述第三区域中的所述显示包括三维(3D)视图，所述视图示出了所述心肌跨所述多个MR切片图像的变形。
2.根据权利要求1所述的***，其中，所述应变曲线沿着时间轴来渲染，并且所述一个或多个处理器还被配置为响应于所述用户选择所述心肌的所述应变曲线上的点，调节所述心肌的所述图像的所述动画呈现，以显示所述心肌的图像，该图像与所述选定的点沿着所述时间轴的时间位置相对应。
3.根据权利要求1所述的***，其中，所述心肌的所述图像的所述动画呈现指示所述心肌的内边界和外边界，所述一个或多个处理器还被配置为接收用户输入，所述用户输入标记所述心肌的所述内边界和所述外边界，所述一个或多个处理器还被配置为基于所述用户输入在所述动画呈现中指示所述心肌的所述内边界和所述外边界。
4.根据权利要求1所述的***，其中，所述全局信息的所述显示还包括图，所述图示显示与所述心肌的多个分段相关联的相应应变值，并且其中，所述一个或多个处理器还被配置为将所述相应应变值中的每一个计算为所述心肌的对应段在所述时间段期间的最大、最小或平均应变，其中，响应于所述用户选择对应于所述心肌的段的所述图的区域，所述一个或多个处理器还被配置为在3D视图中突出显示所述心肌的所述段。
5.根据权利要求1所述的***，其中，响应于所述用户选择所述3D视图的与所述多个MR切片图像中的一个对应的区域，所述一个或多个处理器还被配置为确定与所述多个MR切片图像中的所述一个关联的背景信息并在所述显示装置的所述第二区域中显示该信息。
6.根据权利要求1所述的***，其中，所述时间段对应于心动周期，并且所述应变曲线指示所述心肌在所述心动周期期间的所述应变，所述一个或多个处理器还被配置为接收指示所述心动周期的起点或终点的用户输入。
7.根据权利要求1所述的***，其中，所述一个或多个处理器还被配置为显示包括多个单元的矩阵，其中，所述单元中的每一个单元与行和列相关联，所述行表示所述多个MR切片图像中的相应MR切片图像，所述列表示在与相应MR切片图像相关联的所述时间段期间的时间点，并且所述单元中的每一个单元指示所述相应MR切片图像在所述时间点指示的所述心肌的相应状态。
8.根据权利要求1所述的***，其中，所述一个或多个处理器还被配置为接收经由所述MRI扫描导出的第二组多个MR切片图像，在所述显示装置上指示所述第二组多个MR切片图像是可用的，并且响应于指示对所述第二组多个MR切片图像的选择的用户输入，在所述显示装置的所述第一区域中呈现所述第二组多个MR切片图像。
9.根据权利要求1所述的***，其中，所述一或多个处理器还被配置为响应于接收到用户输入而生成报告，所述报告包括所述背景信息的至少一部分或所述全局信息的一部分，所述用户输入指示所述上下文信息的所述部分或所述全局信息的所述部分将包括在所述报告中。
10.一种用于分析心脏特征的方法，所述方法包括：
接收经由磁共振成像(MRI)扫描导出的多个磁共振(MR)切片图像，其中，每一个所述MR切片图像中的包括心肌在一时间段内的视觉表示；
在显示装置的第一区域中呈现所述多个MR切片图像，其中，所述呈现允许所述***的用户浏览所述多个MR切片图像；
响应于所述用户选择在所述显示装置的所述第一区域中的所述多个MR切片图像中的MR切片图像，基于所述多个MR切片图像确定背景信息和全局信息，所述背景信息与所述选定的MR切片图像相关联，所述全局信息与所述心肌相关联，其中，所述背景信息包括与所述选定的MR切片图像相关联的所述心肌的图像以及由所述图像指示的所述心肌的应变，并且其中，所述全局信息指示所述心肌跨所述多个MR切片图像的形变；以及
在所述显示装置的第二区域中显示所述背景信息，并且在所述显示装置的第三区域中显示所述全局信息，其中，所述背景信息在所述第二区域中的所述显示包括与所述选定的MR切片图像相关联的所述心肌的所述图像的动画呈现以及与所述心肌相关联的应变曲线，并且其中，所述全局信息在所述第三区域中的所述显示包括三维(3D)视图，所述视图示出了所述心肌跨所述多个MR切片图像的形变。
CN202011347034.XA 2019-11-27 2020-11-26 心脏特征分析***和方法 Pending CN112419281A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962941198P 2019-11-27 2019-11-27
US62/941,198 2019-11-27
US17/014,609 US11315246B2 (en) 2019-11-27 2020-09-08 Cardiac feature tracking
US17/014,609 2020-09-08

Publications (1)

Publication Number Publication Date
CN112419281A true CN112419281A (zh) 2021-02-26

Family

ID=74842508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011347034.XA Pending CN112419281A (zh) 2019-11-27 2020-11-26 心脏特征分析***和方法

Country Status (2)

Country Link
US (1) US11315246B2 (zh)
CN (1) CN112419281A (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11315246B2 (en) * 2019-11-27 2022-04-26 Shanghai United Imaging Intelligence Co., Ltd. Cardiac feature tracking
TWI799705B (zh) * 2020-05-20 2023-04-21 倍利科技股份有限公司 醫學影像輔助判讀系統
US20240127929A1 (en) * 2022-10-17 2024-04-18 Shanghai United Imaging Intelligence Co., Ltd. System and method for reviewing annotated medical images

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109310362A (zh) * 2016-04-27 2019-02-05 心肌解决方案股份有限公司 通过来自磁共振成像的应变测量值快速定量评估心脏功能

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5002099B2 (ja) * 2001-08-31 2012-08-15 株式会社東芝 磁気共鳴イメージング装置
DE60238926D1 (de) * 2001-08-31 2011-02-24 Dassault Systemes Solidworks Gleichzeitige benutzung von 2d- und 3d-modellierungsdaten
US8298606B2 (en) * 2002-03-08 2012-10-30 The Regents Of The University Of California Methods and compositions for stabilizing the myocardium
US6994673B2 (en) * 2003-01-16 2006-02-07 Ge Ultrasound Israel, Ltd Method and apparatus for quantitative myocardial assessment
US8460201B2 (en) * 2006-07-26 2013-06-11 Koninklijke Philips Electronics N.V. Visualization of stress level cardiac functional analysis results
ATE469410T1 (de) * 2007-10-09 2010-06-15 Agfa Healthcare Nv Verfahren und vorrichtung zur volumendarstellung medizinischer datensätze
US20140342984A1 (en) * 2007-10-19 2014-11-20 Robert G. Matheny Compositions for Regenerating Defective or Absent Myocardium
US9176211B2 (en) * 2008-01-09 2015-11-03 Washington University Method for quantitatively mapping myocardial contractile function with magnetic resonance based multiparametric strain analysis
US20100057618A1 (en) * 2008-08-27 2010-03-04 Sean Andrew Spicer System, method, and software to manage financial securities via a 3-dimensional landscape
JP5295805B2 (ja) * 2009-02-05 2013-09-18 株式会社東芝 超音波診断装置、超音波画像処理装置、及び超音波画像処理プログラム
US10019812B2 (en) * 2011-03-04 2018-07-10 General Electric Company Graphic overlay for measuring dimensions of features using a video inspection device
US9984474B2 (en) * 2011-03-04 2018-05-29 General Electric Company Method and device for measuring features on or near an object
US8907944B2 (en) * 2011-06-28 2014-12-09 General Electric Company Method and system for navigating, segmenting, and extracting a three-dimensional image
US9629615B1 (en) * 2013-09-06 2017-04-25 University Of Louisville Research Foundation, Inc. Combined B-mode / tissue doppler approach for improved cardiac motion estimation in echocardiographic images
CN107072531A (zh) * 2014-05-06 2017-08-18 塞克利心血管成像股份有限公司 用于心肌壁动力学的分析的方法和***
US9972069B2 (en) * 2014-10-06 2018-05-15 Technion Research & Development Foundation Limited System and method for measurement of myocardial mechanical function
US10549128B2 (en) * 2015-11-04 2020-02-04 Vytronus, Inc. Systems and methods for imaging and ablating tissue
CN109414179A (zh) * 2016-06-24 2019-03-01 杜克大学 使用超声波估计心脏应变和位移的***和方法
DE102016214775A1 (de) * 2016-08-09 2018-02-15 Siemens Healthcare Gmbh Bestimmung einer Eigenschaft eines Organs
US10713785B2 (en) * 2017-02-13 2020-07-14 Siemens Healthcare Gmbh Image quality assessment system and method
US20190053760A1 (en) * 2017-03-15 2019-02-21 II Rex Ervin Gerald Magnetic resonance imaging cancer probe and methods of use
WO2018170440A1 (en) * 2017-03-17 2018-09-20 The Trustees Of Columbia University In The City Of New York Non-invasive systems and methods for rendering of cardiac electromechanical activation
US10592013B2 (en) * 2018-04-25 2020-03-17 Microsoft Technology Licensing, Llc Systems and methods for unifying two-dimensional and three-dimensional interfaces
US10976421B2 (en) * 2018-12-28 2021-04-13 Beijing Didi Infinity Technology And Development Co., Ltd. Interface for improved high definition map generation
US11514573B2 (en) * 2019-11-27 2022-11-29 Shanghai United Imaging Intelligence Co., Ltd. Estimating object thickness with neural networks
US11315246B2 (en) * 2019-11-27 2022-04-26 Shanghai United Imaging Intelligence Co., Ltd. Cardiac feature tracking

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109310362A (zh) * 2016-04-27 2019-02-05 心肌解决方案股份有限公司 通过来自磁共振成像的应变测量值快速定量评估心脏功能

Also Published As

Publication number Publication date
US20210157464A1 (en) 2021-05-27
US11315246B2 (en) 2022-04-26

Similar Documents

Publication Publication Date Title
US11315246B2 (en) Cardiac feature tracking
EP2549436B1 (en) Apparatus and method for tracking contour of moving object, and apparatus and method for analyzing myocardial motion
Nikitin et al. New generation 3-dimensional echocardiography for left ventricular volumetric and functional measurements: comparison with cardiac magnetic resonance
JP6175073B2 (ja) 最適なデバイスナビゲーションのための血管系ビューのリアルタイム表示
US8422752B2 (en) Diagnosis assisting apparatus, diagnosis assisting method, and storage medium in which a diagnosis assisting program is recorded
US8103070B2 (en) Volume rendering apparatus and method
CN102056547B (zh) 医用图像处理装置及医用图像处理方法
JP4832300B2 (ja) 医用画像診断支援装置の作動方法、医用画像診断支援装置、及び画像処理プログラム
EP2365471B1 (en) Diagnosis assisting apparatus, coronary artery analyzing method and recording medium having a coronary artery analzying program stored therein
Cannesson et al. A novel two-dimensional echocardiographic image analysis system using artificial intelligence-learned pattern recognition for rapid automated ejection fraction
JP5060719B2 (ja) 生体臓器の画像処理装置、方法及びコンピュータプログラム
US20080312527A1 (en) Cardiac function analysis apparatus, method and program
US20120089016A1 (en) Diagnosis assisting apparatus, diagnosis assisting program, and diagnosis assisting method
JP2006246941A (ja) 画像処理装置及び管走行トラッキング方法
WO2014039935A9 (en) Apparatus and method for fetal intelligent navigation echocardiography
JP2004121835A (ja) 関心領域の追従制御方法、その方法を用いた画像診断装置及び関心領域の追従制御プラグラム
JP2010500089A (ja) 効率的診断のための解剖構造に関係した画像コンテキスト依存のアプリケーション
JP2008535613A (ja) 多次元データセットにおける生体構造をセグメント化する方法、装置及びコンピュータプログラム
EP1851721B1 (en) A method, a system and a computer program for segmenting a surface in a multidimensional dataset
CN103247071A (zh) 一种构建三维血管模型方法及设备
CN107978001A (zh) 一种重建心脏ct图像的方法和装置
Marin et al. Numerical surrogates for human observers in myocardial motion evaluation from SPECT images
JP2004283583A (ja) 画像形成医療検査装置の作動方法
JP2013040829A (ja) ボリュームデータ処理装置及び方法
JP2009018029A (ja) 医用画像処理装置及び医用画像診断装置

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