CN113412087A - 用于瓣膜反流评估的方法和*** - Google Patents
用于瓣膜反流评估的方法和*** Download PDFInfo
- Publication number
- CN113412087A CN113412087A CN202080013641.4A CN202080013641A CN113412087A CN 113412087 A CN113412087 A CN 113412087A CN 202080013641 A CN202080013641 A CN 202080013641A CN 113412087 A CN113412087 A CN 113412087A
- Authority
- CN
- China
- Prior art keywords
- ultrasound
- time series
- stabilized
- ultrasound images
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 206010067171 Regurgitation Diseases 0.000 title description 12
- 238000002604 ultrasonography Methods 0.000 claims abstract description 159
- 230000006641 stabilisation Effects 0.000 claims abstract description 26
- 238000011105 stabilization Methods 0.000 claims abstract description 26
- 210000003709 heart valve Anatomy 0.000 claims abstract description 10
- 206010067660 Heart valve incompetence Diseases 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 16
- 238000012935 Averaging Methods 0.000 claims description 13
- 238000010992 reflux Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 description 15
- 206010027727 Mitral valve incompetence Diseases 0.000 description 10
- 238000011002 quantification Methods 0.000 description 8
- 230000017531 blood circulation Effects 0.000 description 7
- 238000002592 echocardiography Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000003213 activating effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 210000004115 mitral valve Anatomy 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 210000001765 aortic valve Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013184 cardiac magnetic resonance imaging Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000020128 Mitral stenosis Diseases 0.000 description 1
- 239000002033 PVDF binder Substances 0.000 description 1
- 201000001943 Tricuspid Valve Insufficiency Diseases 0.000 description 1
- 206010044640 Tricuspid valve incompetence Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000001595 flow curve Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 208000006887 mitral valve stenosis Diseases 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 229920002981 polyvinylidene fluoride Polymers 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000527 sonication Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4416—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to combined acquisition of different diagnostic modalities, e.g. combination of ultrasound and X-ray acquisitions
-
- 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
- A61B8/48—Diagnostic techniques
- A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—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
- A61B8/52—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cardiology (AREA)
- Hematology (AREA)
- Physiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供了一种评估心脏瓣膜反流的方法。该方法包括获得感兴趣区域的4D超声数据，其中，所述感兴趣区域包括心脏瓣膜。所述4D超声数据包括3D超声图像的时间序列，所述3D超声图像包括B超数据和彩色多普勒超声数据。对3D超声图像的所述时间序列中的图像执行图像稳定，然后从经稳定的3D超声图像的所述时间序列中分割动态射流。基于所分割动态射流，在经稳定的3D超声图像的所述时间序列中将动态表面模型拟合到所述瓣膜。该方法还包括基于应用的表面模型和经稳定的3D超声图像的时间序列来识别动态反流孔，并且基于识别的动态反流孔将流收敛模型拟合到经稳定的3D超声图像的时间序列。然后基于所识别的反流孔估计反流流量。
Description
技术领域
本发明涉及超声领域，并且更具体而言涉及用于评估瓣膜反流的超声成像领域。
背景技术
反流，例如二尖瓣反流，与泄漏的心脏瓣膜有关。有时状况是微不足道的，可能不需要处置，但有时瓣膜反流会给心脏带来压力。其导致心脏更加努力地工作，并且其可能无法泵出相同量的血液。众所周知，期望检测瓣膜反流。
近端等速表面积(PISA)测量，也称为“流量收敛”方法，可以在超声心动图中使用以估计血液流经的孔面积。例如，PISA方法已在临床上应用于评估二尖瓣反流(MR)、二尖瓣狭窄和三尖瓣反流。
PISA方法确定反流体积(RV)。它是用于评估二尖瓣反流(MR)严重程度的推荐方法，并且利用经胸(TTE)和经食道(TEE)超声心动图。然而，2D PISA方法的基于2D的MR量化依赖于各种几何假设，例如半球流会聚形状、圆形孔和中心反流射流。这些假设限制了在最简单的MR机制之外进行的评估的可靠性和准确性。此外，已发现2D PISA RV与从心脏磁共振成像(cMRI)导出的RV一致性不好，心脏磁共振成像是一种更准确但资源密集型的方法。
因此，需要一种以鲁棒且准确的方式评估反流的瓣膜的方法，而不需要大量额外的硬件。
Yang Wang等人的“Automatic Detection and Quantification of MitralRegurgitation on TTE with Application to Assist Mitral Clip Planning andEvaluation”，2012年10月5日，CLINICAL IMAGE-BASED PROCEDURES.FROM PLANNING TOINTERVAENTION,SPRINGER BERLIN HEIDELBERG,BERLIN,HEIDELBERG，第33–41页，XP047027625公开了一种自动定位和量化二尖瓣反流的方法。
US 2014/052001公开了一种基于TTE采集的B模式和多普勒超声数据来自动检测和量化二尖瓣反流的方法。
US 2015/366532公开了一种基于B模式和多普勒超声数据来检测反流口的方法。
发明内容
本发明由权利要求所定义。
根据本发明的一个方面的示例，提供了一种计算心脏瓣膜反流的方法，所述方法包括：
获得感兴趣区域的4D超声数据，其中，所述感兴趣区域包括心脏瓣膜，并且其中，所述4D超声数据包括3D超声图像的时间序列，所述3D超声图像包括B模式超声数据和彩色多普勒超声数据；
对3D超声图像的所述时间序列中的图像执行图像稳定；
从经稳定的3D超声图像的所述时间序列中分割动态射流；
基于所分割动态射流，在经稳定的3D超声图像的所述时间序列中将动态表面模型拟合到所述瓣膜；
基于所述动态表面模型和经稳定的3D超声图像的时间序列来识别动态反流孔；
基于所识别的动态反流孔，将流量收敛模型拟合到经稳定的3D超声图像的所述时间序列；并且
基于所识别的反流孔和经稳定的3D超声图像的时间序列来估计反流流量。
该方法提供了一种用于估计瓣膜的反流流量的自动化方法。
对每个3D超声图像的稳定性提供了整个图像序列上的感兴趣区域的稳定视图。然后可以跨图像序列应用表面模型以识别来自孔的任何反流。
图像稳定产生经稳定的B模式图像和经稳定的彩色多普勒图像的序列，可以对其执行后续的图像处理步骤。例如，图像稳定可以减少心动周期期间心脏瓣膜的干扰运动。
4D超声数据包括B模式超声数据和彩色多普勒超声数据。这样，4D超声数据可以包含结构数据和血流数据。
在一个实施例中，所述方法还包括接收用户输入，其中，所述用户输入包括以下中的一项或多项：
选择一幅或多幅3D超声图像；以及
在3D超声图像中选择孔。
用户输入可用于辅助识别3D图像内的特征或选择给定图像以进行进一步调查。
在一个实施例中，执行图像稳定包括快速图像稳定。
在一种布置中，快速图像稳定包括将稀疏光流方法应用于经稳定的3D超声图像的时间序列。
通过对3D超声图像的所述序列采用稀疏光流方法，可以快速处理图像。以此方式，所述方法可以更适合于临床应用并且可以处理实时成像应用。
在一个实施例中，执行图像稳定包括将点选择例程应用于经稳定的3D超声图像的所述时间序列。
以此方式，点选择例程可用于识别所述3D图像中的每幅3D图像内的共同点，然后可基于所识别的共同点来对齐这些共同点。
在一种布置中，执行图像稳定包括对经稳定的3D超声图像的所述时间序列执行轨迹分析，其中，所述轨迹分析包括防漂移机制。
以此方式，可以在经稳定的3D超声图像的时间序列内考虑运动伪影。
在一个实施例中，分割动态射流包括对经稳定的3D超声图像的时间序列求平均。
在进一步的实施例中，所述平均包括在经稳定的3D超声图像的时间序列上对所述动态射流的形状进行平均。
在进一步的或替代的实施例中，所述平均包括在经稳定的3D超声图像的时间序列上对所述动态射流的取向进行平均。
换言之，术语平均可以指所述射流形状随时间的平均和/或估计的射流主方向随时间的平均。
在一个实施例中，拟合所述动态表面模型包括解析几何回归。
在一个实施例中，所述方法还包括基于所估计的反流流量来估计反流体积。
根据本发明的一个方面的示例，提供了一种包括计算机程序代码单元的计算机程序，当所述计算机程序在计算机上运行时，所述计算机程序代码单元适于实施如上所述的方法。
根据本发明的一个方面的示例，提供了一种处理单元，其中，所述处理单元适于：
获得感兴趣区域的4D超声数据，其中，所述感兴趣区域包括心脏瓣膜，并且其中，所述4D超声数据包括3D超声图像的时间序列，所述3D超声图像包括B模式超声数据和彩色多普勒超声数据；
对3D超声图像的所述时间序列中的图像执行快速图像稳定；
从经稳定的3D超声图像的所述时间序列中分割动态射流；
基于所分割动态射流，在经稳定的3D超声图像的所述时间序列中将动态表面模型拟合到所述瓣膜；
基于所述表面模型和经稳定的3D超声图像的时间序列来识别动态反流孔；
基于所识别的动态反流孔，将流量收敛模型拟合到经稳定的3D超声图像的所述时间序列；并且
基于所识别的反流孔和经稳定的3D超声图像的时间序列来估计反流流量。
根据本发明的一个方面的示例，提供了一种超声***，所述***包括：
如上所述的处理单元；以及
适于采集4D超声数据的超声探头。
在一个实施例中，所述***还包括适于接收用户输入的用户接口。
参考下文描述的(一个或多个)实施例，本发明的这些和其他方面将变得显而易见并得以阐述。
附图说明
为了更好地理解本发明，并且更清楚地示出其如何被付诸实践，现在将仅通过示例的方式参考附图，其中，
图1示出了用于解释一般操作的超声诊断成像***；
图2示出了本发明的方法；并且
图3a到3c示出了图2中一些方法步骤的可视化。
具体实施方式
将参考附图来描述本发明。
应当理解，详细说明和具体示例虽然指示了设备、***和方法的示例性实施例，但是仅旨在用于说明的目的，而并不旨在限制本发明的范围。根据以下说明、所附权利要求书和附图，将更好地理解本发明的设备、***和方法的这些和其他特征、方面和优点。应该理解，附图仅是示意性的，并且未按比例绘制。还应该理解，贯穿附图，使用相同的附图标记来表示相同或相似的部分。
本发明提供了一种评估心脏瓣膜反流的方法。该方法包括获得感兴趣区域的4D超声数据，其中，所述感兴趣区域包括心脏瓣膜。所述4D超声数据包括3D超声图像的时间序列，所述3D超声图像包括B超数据和彩色多普勒超声数据。对3D超声图像的所述时间序列中的图像执行图像稳定，然后从经稳定的3D超声图像的所述时间序列中分割动态射流。基于所分割动态射流，在经稳定的3D超声图像的所述时间序列中将动态表面模型拟合到所述瓣膜。该方法还包括基于应用的表面模型和经稳定的3D超声图像的时间序列来识别动态反流孔，并且基于识别的动态反流孔将流收敛模型拟合到经稳定的3D超声图像的时间序列。然后基于所识别的反流孔估计反流流量。
首先将参考图1来描述示例性超声***的一般操作，并且重点在于***的信号处理功能，因为本发明涉及对由换能器阵列测量的信号的处理。
所述***包括阵列换能器探头4，所述阵列换能器探头具有用于发射超声和接收回波信息的换能器阵列6。换能器阵列6可以包括：CMUT换能器；压电换能器，由PZT或PVDF等材料制成；或任何其他合适的换能器技术。在该示例中，换能器阵列6是能够扫描感兴趣区域的2D平面或三维体积的换能器8的二维阵列。在另一个示例中，换能器阵列可以是1D阵列。
换能器阵列6被耦合到微波束形成器12，微波束形成器控制换能器元件的信号接收。如美国专利US 5997479(Savord等)，US 6013032(Savord)和US 6623432(Powers等)中所述，微波束形成器能够对换能器的子阵列(一般称为“组”或“贴片”)接收的信号进行至少部分波束形成。
应当指出，微波束形成器是完全任选的。此外，***包括发射/接收(T/R)开关16，微波束形成器12可以被耦合到括发射/接收开关16并且在发射和接收模式之间对阵列进行切换，并且在没有使用微波束形成器并且换能器阵列由主***波束形成器直接操作的情况下保护主波束形成器20免受高能量发射信号的影响。从换能器阵列6的超声束的发射通过T/R开关16耦合到微波束形成器和主发射波束形成器(未示出)的换能器控制器18指示，其可以从用户对用户接口或控制面板38的操作接收输入。控制器18可以包括发射电路，所述发射电路被布置为在发射模式期间(直接地或经由微波束形成器)驱动阵列6的换能器元件。
在典型的逐线成像序列中，探头内的波束形成***可以如下地操作。在发射期间，波束形成器(取决于实现方式可以是微波束形成器或主***波束形成器)激活换能器阵列或换能器阵列的子孔径。子孔径可以是较大阵列内的换能器的一维线或换能器的二维片。在发射模式下，如下所述地控制由阵列或阵列的子孔径产生的超声束的聚焦和转向。
在接收到来自对象的反向散射回波信号后，接收到的信号将进行接收波束形成(如下所述)，从而将接收到的信号对齐，并且在使用子孔径的情况下，例如通过一个换能器元件来对子孔径进行移位。然后激活经移位的子孔径，并且重复该过程，直到激活了换能器阵列的所有换能器元件。
对于每条线(或子孔径)，用于形成最终超声图像相关联的线的总接收信号将是在接收时段期间由给定子孔径的换能器元件测得的电压信号的总和。在下面的波束形成过程之后，所得的线路信号通常称为射频(RF)数据。然后，由各个子孔径生成的每个线信号(RF数据集)都经过额外处理，以生成最终超声图像的线。线信号的幅值随时间的变化将有助于超声图像的亮度随深度的变化，其中，高幅值峰将对应于最终图像中的亮像素(或像素的集合)。出现在线信号开始附近的峰值将表示来自浅层结构的回波，而出现在线路信号后期的峰值将表示来自对象内深度不断增加的结构的回波。
由换能器控制器18控制的功能之一是波束被转向和聚焦的方向。波束可以被转向为从换能器阵列垂直向前(垂直于换能器阵列)，或者以不同的角度用于更宽的视场。可以根据换能器元件致动时间来控制发射束的转向和聚焦。
在常规超声数据采集中可以区分两种方法：平面波成像和“波束转向”成像。两种方法的区别在于在发射模式(“波束转向”成像)和/或接收模式(平面波成像和“波束转向”成像)中存在波束形成。
首先来看聚焦功能，通过同时激活所有换能器元件，换能器阵列生成平面波，所述平面波在穿过对象时发散。在这种情况下，超声波的波束保持不聚焦。通过将取决于位置的时间延迟引入换能器的激活，可以使波束的波前会聚在期望的点上，所述点称为聚焦区。聚焦区定义为横向波束宽度小于发射波束宽度一半的点。以这种方式，提高了最终超声图像的横向分辨率。
例如，如果时间延迟导致换能器元件从最外面的元件开始并在换能器阵列的(一个或多个)中心元件结束处系列地激活，则将在距探头给定距离处形成焦点区域，与(一个或多个)中心元件成一条线。焦点区域与探头的距离将根据换能器元件激活的每个后续一轮之间的时间延迟而变化。在波束通过聚焦区后，它将开始发散，形成远场成像区域。应当注意，对于位于靠近换能器阵列的聚焦区，超声束将在远场中迅速发散，从而导致最终图像中的波束宽度伪影。通常，由于超声波束中的大的交叠，位于换能器阵列与聚焦区之间的近场显示的细节很少。因此，改变聚焦区的位置能够导致最终图像质量的显著变化。
应当注意，在发射模式下，除非将超声图像划分为多个焦点区域(每个焦点区域可能具有不同的发射焦点)，否则只能定义一个焦点。
另外，在从对象内部接收到回波信号时，可以执行上述处理的逆过程以执行接收聚焦。换句话说，进入的信号可以被换能器元件接收并且在被传递到***中用于信号处理之前经历电子时间延迟。最简单的示例称为延迟和求和波束形成。可以根据时间动态地调整换能器阵列的接收聚焦。
现在来看波束转向的功能，通过对换能器元件正确地施加时间延迟，可以在超声束离开换能器阵列时在超声束上赋予期望的角度。例如，通过激活换能器阵列的第一侧上的换能器，然后以在阵列的相对侧上结束的顺序激活其余的换能器，波束的波前将朝向第二侧倾斜。相对于换能器阵列的法线的转向角的大小取决于随后的换能器元件激活之间的时间延迟的大小。
此外，可以对转向波束进行聚焦，其中，应用于每个换能器元件的总时间延迟是聚焦和转向时间延迟之和。在这种情况下，换能器阵列称为相控阵列。
在CMUT换能器需要激活直流偏压的情况下，换能器控制器18可以被耦合以控制换能器阵列的DC偏置控制器45。DC偏置控制器45设置被应用到CMUT换能器元件的(一个或多个)偏压。
对于换能器阵列的每个换能器元件，模拟超声信号(通常称为通道数据)通过接收通道进入***。在接收通道中，通过微波束形成器12从通道数据中产生部分波束形成的信号，并且然后被传送到主接收波束形成器20，在主接收波束形成器20中，来自个体换能器片的部分波束形成的信号被组合成完全波束形成的信号，称为射频(RF)数据。可以如上所述执行在每个阶段执行的波束形成，或者可以包括额外的功能。例如，主波束形成器20可以具有128个通道，其中的每个接收来自换能器元件的数十或者数百的部分波束形成的信号。以此方式，由换能器阵列的数千个换能器接收到的信号可以有效地贡献于单个波束形成的信号。
波束形成的接收信号被耦合到信号处理器22。信号处理器22可以以各种方式处理接收到的回声信号，例如：带通滤波；抽取；I和Q分量分离；以及谐波信号分离，用于分离线性和非线性信号，以便识别从组织和微泡返回的非线性(基频的高次谐波)回波信号。处理器还可以执行的信号增强，例如纹波降低、信号复合以及噪声消除。信号处理器中的带通滤波器可以是跟踪滤波器，其中，其通带随着回波信号从增加的深度被接收而从较高的频带滑落到较低的频带，从而拒绝来自更大深度的较高频率处的噪声，所述噪声通常没有解剖信息。
用于发射和用于接收的波束形成器以不同的硬件实现并且可以具有不同的功能。当然，接收器波束形成器被设计为考虑到发射波束形成器的特性。为了简化，在图1中仅示出了接收器波束形成器12、20。在整个***中，还将有具有发射微波束形成器和主发射波束形成器的发射链。
微波束形成器12的功能是提供信号的初始组合，以便减少模拟信号路径的数量。这通常在模拟域中执行。
最终的波束形成在主波束形成器20中完成，并且通常在数字化之后。
发射和接收信道使用具有固定频带的同一换能器阵列6。但是，发射脉冲占用的带宽可以根据使用的发射波束形成而变化。接收通道可以捕获整个换能器带宽(这是经典方法)，或者通过使用带通处理，它可以只提取包含期望的信息(例如主谐波的谐波)的带宽。
RF信号可以然后被耦合到B模式(即，亮度模式或2D成像模式)处理器26和多普勒处理器28。B模式处理器26对接收到的超声信号执行幅值检测，以对身体中的结构(例如，器官组织和血管)进行成像。在逐线成像的情况下，每条线(波束)由关联的RF信号表示，其幅值用于生成要分配给B模式图像中像素的亮度值。图像内像素的确切位置由沿RF信号的相关幅度测量值的位置以及RF信号的线(束)数确定。这种结构的B模式图像可以以谐波或基本图像模式或两者的组合形成，如美国专利US6283919(Roundhill等人)和美国专利US6458083(Jago等人)中所描述。多普勒处理器28可以处理源自组织运动和血液流动的时间上分立的信号，用于检测运动的物质，例如图像场中的血细胞的流动。多普勒处理器28通常包括壁滤波器，其具有被设置为使从身体中的选定类型的材料返回的回波通过或拒绝其的参数。
将由B模式和多普勒处理器生成的结构和运动信号耦合到扫描转换器32和多平面重新格式化器44。扫描转换器32以期望的图像格式来根据回波信号被接收的空间关系来布置回波信号。换句话说，扫描转换器的作用是将RF数据从圆柱坐标系转换为适于在图像显示器40上显示超声图像在的笛卡尔坐标系。在B模式成像的情况下，给定坐标处像素的亮度与从该位置接收的RF信号的幅值成比例。例如，扫描转换器可以将回波信号布置为二维(2D)扇区形格式，或者锥体三维(3D)图像。扫描转换器可以在B模式结构图像上叠加与图像场中各个点的运动相对应的颜色，在这些点处多普勒估计的速度可产生给定的颜色。组合的B模式结构图像和彩色多普勒图像描述了结构图像场内组织和血流的运动。多平面重新格式化器将从身体的体积区域中的共同平面中的点接收到的回波转换为该平面的超声图像，如在美国专利US 6443896(Detmer)中所描述。体积绘制器42将3D数据集的回波信号转换成如从给定参考点所看到的投影的3D图像，如在美国专利US 6530885(Entrekin等人)中所描述。
2D或3D图像被从扫描转换器82、多平面重新格式化器44、以及体积绘制器42耦合到图像处理器30用于进一步增强、缓存和临时存储，以在图像显示器40上显示。成像处理器可以适于从最终的超声图像中去除某些成像伪像，例如：声学阴影，例如由强衰减物或折射引起的；后增强，例如由弱衰减物引起的；混响伪影，例如，高度反射的组织界面的紧邻定位之处；等等。另外，图像处理器可以适于处理特定纹波减少功能，以便改善最终超声图像的对比度。
除了用于成像外，由多普勒处理器28生成的血流值以及由B模式处理器26生成的组织结构信息被耦合到量化处理器34。所述量化处理器生成不同流动状况的量度(例如，血流的体积率)以及结构测量结果(例如，器官的尺寸和孕龄)。量化处理器46可以接收来自用户控制面板38的输出，例如，要进行测量的图像的解剖结构中的点。
来自量化处理器的输出数据PUHC耦合到图形处理器36，用于在显示器40上与图像一起再现测量图形和值，以及从显示设备40输出音频。图形处理器36也可以生成图形叠加以用于与超声图像一起显示。这些图形叠加可以包括标准识别信息，例如图像的患者姓名、日期和时间、成像参数等等。出于这些目的，图形处理器从用户接口38接收输入，例如患者姓名。所述用户接口还被耦合到发射控制器18以控制来自换能器阵列6的超声信号生成，并因此控制由换能器阵列和超声***生成的图像。控制器18的发射控制功能仅仅是所执行的功能之一。控制器18还考虑了操作模式(由用户给定)以及接收器模数转换器中的相应所需的发射器配置和带通配置。控制器18可以是具有固定状态的状态机。
用户接口也可以被耦合到多平面重新格式化器44以选择和控制多个经多平面重新格式化的(MPR)的图像的平面，其可以被用于执行MPR图像的图像场中的量化的度量。
本文描述的方法可以在处理单元上执行。这样的处理单元可以位于超声***之内，诸如上面参考图1描述的***。例如，上述图像处理器30可以执行以下详述的方法步骤中的一些或全部。替代地，处理单元可以位于适于接收与对象有关的输入的任何合适的***中，例如监测***。
与根据2D PISA经胸和经食管超声序列(TTE和TEE)进行的2D近端等速表面积评估的当前临床实践相比，所提出的自动4D超声处理方法为瓣膜反流评估提供了更高的可靠性和准确性。因此，克服了依赖几何假设的典型2D PISA方法的局限性。此外，所提出的方法提高了反流体积量化的观察者内和观察者间的可重复性。
本发明允许根据孔收敛数据直接估计反流体积(类似于2D PISA原理，但避免了在2D PISA方法中进行的几何假设)。替代解决方案通过从LV流入中减去左心室(LV)流出来间接计算反流体积，这需要足够大的视野以包含LV壁和主动脉瓣。
此外，本发明随时间提供孔分割。此外，本发明为用户提供了稳定的瓣膜可视化和图形分割和模型，这进一步促进了对瓣膜反流的理解和视觉评估。
图2示出了用于评估心脏瓣膜反流的方法100。
该方法以获得感兴趣区域的4D超声数据开始于步骤110。感兴趣区域包括要研究的心脏瓣膜，其可以是对象的心脏的瓣膜。例如，瓣膜可以是二尖瓣或主动脉瓣。
4D超声数据包括3D超声图像的时间序列。换句话说，采集了示出瓣膜的3D超声图像的时间序列。因此，可以跨一个或多个心动周期采集给定瓣膜的视图。
可以使用各种超声模态来采集数据。4D超声数据包括B模式超声数据和彩色多普勒超声数据。B模式回波数据和多普勒彩色数据使用经典几何方法进行扫描转换。
例如，可以使用4D经食道超声(TEE)数据和4D经胸超声(TTE)数据。
在步骤120中，对4D超声数据的3D超声图像的时间序列图像进行图像稳定。
对4D超声数据执行图像稳定提供了经稳定图像的经稳定3D时间序列，在B模式和彩色多普勒数据模式下，其然后可用于获得射流、瓣膜和/或孔的经稳定的可视化。
稳定减少或消除了在4D B模式超声序列中估计的刚性平移运动(其可称为偏移或偏置)。此外，稳定减少或消除了4D彩色多普勒超声序列中的相同运动，并且特别是心脏中的心脏瓣膜的循环运动，例如在二尖瓣的收缩期期间。
可以使用快速图像稳定方法来执行图像稳定。在一个示例中，快速图像稳定可以组合用于运动估计的稀疏光流方法，如O.Somphone等人在proceedings of ISBI'13，第1182-1185页(2013年)中的Fast myocardial motion and strain estimation in 3Dcardiac ultrasound with sparse demons中所描述的。
此外，图像稳定可以采用点选择例程和/或轨迹分析方法，其防漂移机制类似于O.Somphone等人在proceedings of MICCAI’14workshop:Challenge on LiverUltrasound Tracking(2014)中的Live feature tracking in ultrasound liversequences with sparse demons中所描述的。
点选择例程可以基于通过用户输入指示的给定位置。换言之，所述方法还可包括接收用户输入。用户输入可以包括选择用于进一步调查的3D超声图像。此外，用户输入可以包括在给定的3D超声图像内选择孔。
可以通过任何合适的用户输入设备来接收用户输入，例如图形用户接口(GUI)，其使得用户能够选择4D超声数据的3D帧，例如发生反流的地方(出现射流的地方)，并在一个这样的3D帧中观察到的孔上进行点击(基于回波超声图像和/或多普勒彩色图像)。
在步骤130中，从经稳定的3D超声图像的时间序列中分割出动态射流。射流分割使用数学形态学，并且可以包括对整个3D超声图像序列进行平均以进行平滑。
数学形态学可用于估计射流随时间的平均取向(即，在3D超声图像的时间序列的帧上)。这可以独立地引导针对每幅图像的孔的搜索。所述平均还可以指在3D超声图像的时间序列上对射流的形状进行平均。
在步骤140中，基于经分割的动态射流来将动态表面模型拟合到瓣膜。
对表面模型的拟合可以包括对来自步骤130的经分割射流应用解析几何回归。该算法沿着先前找到的射流方向来定位如通过分割确定瓣膜，例如二尖瓣，并且可以使用解析几何回归来拟合表面模型。表面模型可以被可视化为网格。
在步骤150中，基于所述动态表面模型和经稳定的3D超声图像的时间序列来识别动态反流孔。
在4D超声多普勒彩色数据中，沿着由动态表面模型定义的瓣膜表面的体积执行搜索，以识别一个或多个反流孔。
在步骤160中，基于所识别的动态反流孔，将流量收敛模型拟合到经稳定的3D超声图像的所述时间序列。此步骤可能有助于改进孔的识别和定位。
识别出的反流孔可用于将流动收敛模型拟合到稳定的3D超声图像的时间序列。流收敛模型可以被可视化，例如，作为线框对象。
在步骤170中，基于所识别的反流孔和经稳定的3D超声图像的时间序列来估计反流流量。
以此方式，可以通过该方法处理多个孔或具有各种形状的复杂孔(例如狭缝孔)。因此，所述方法可以应用于需要进行瓣膜反流评估的各种用例，并且不受最先进的PISA方法中针孔孔假设的约束。
对反流流量值的直接估计来自孔表面模型和流量收敛数据。这可以针对每一帧重复，并且反流血流在心动周期的帧上被积分以确定反流体积。
此外，可以向用户提供估计的反流流量值，其可以包括反流流量曲线和积分反流体积值。
图3a至3c示出了说明性示例(应用于TEE数据)，其示出了在3D超声帧的时间序列的一帧上来自上文参考图2描述的方法的可视化输出。
图3a示出了靠近瓣膜表面220的分段射流210，具有估计的射流中心线230和射流轴线240。图3b示出了具有拟合的流动收敛模型260的瓣膜表面模型250的2D视图。图3c示出了B模式超声图像帧内的经分割的孔270。
本发明对于根据TEE或TTE 4D彩色数据对二尖瓣反流进行量化特别令人感兴趣。然而，它也可用于二尖瓣流入量化、主动脉流出量化，并且实际上用于其他瓣膜的分析。
本领域技术人员通过研究附图、公开内容以及权利要求书，在实践请求保护的本发明时能够理解并且实现对所公开的实施例的变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或者其它单元可以实现权利要求书中记载的若干项的功能。尽管特定措施是在互不相同的从属权利要求中记载的，但是这并不指示不能有利地使用这些措施的组合。如果以上描述了计算机程序，其可以被存储/分布在与其它硬件一起提供或者作为其它硬件的部分提供的诸如光存储介质或者固态介质的合适介质上，但是还可以以诸如经因特网或者其它有线或无线电信***的其它形式分布。如果在权利要求书或说明书中使用术语“适于”，则应注意，术语“适于”旨在等同于术语“被配置为”。权利要求书中的任何附图标记不应被解释为对范围的限制。
Claims (15)
1.一种用于计算心脏瓣膜反流的方法(100)，所述方法包括：
获得(110)感兴趣区域的4D超声数据，其中，所述感兴趣区域包括心脏瓣膜，并且其中，所述4D超声数据包括3D超声图像的时间序列，所述3D超声图像包括B模式超声数据和彩色多普勒超声数据；
对3D超声图像的所述时间序列中的图像执行(120)图像稳定；
从经稳定的3D超声图像的所述时间序列中分割(130)动态射流；
基于所分割动态射流，在经稳定的3D超声图像的所述时间序列中将动态表面模型拟合(140)到所述瓣膜；
基于所述动态表面模型和经稳定的3D超声图像的所述时间序列来识别(150)动态反流孔；
基于所识别的动态反流孔，将流量收敛模型拟合(160)到经稳定的3D超声图像的所述时间序列；并且
基于所识别的反流孔口和经稳定的3D超声图像的时间序列来估计(170)反流流量。
2.根据权利要求1所述的方法，其中，所述方法(100)还包括接收用户输入，其中，所述用户输入包括以下中的一项或多项：
选择一幅或多幅3D超声图像；以及
在3D超声图像内选择孔。
3.根据权利要求1至2中的任一项所述的方法(100)，其中，执行(120)所述图像稳定包括快速图像稳定。
4.根据权利要求3所述的方法(100)，其中，所述快速图像稳定包括将稀疏光流方法应用于经稳定的3D超声图像的所述时间序列。
5.根据权利要求1至4中的任一项所述的方法(100)，其中，执行(120)所述图像稳定包括将点选择例程应用于经稳定的3D超声图像的所述时间序列。
6.根据权利要求1至5中的任一项所述的方法(100)，其中，执行(120)所述图像稳定包括对经稳定的3D超声图像的所述时间序列执行轨迹分析，其中，所述轨迹分析包括防漂移机制。
7.根据权利要求1至6中的任一项所述的方法(100)，其中，分割所述动态射流(130)包括在经稳定的3D超声图像的所述时间序列上进行平均。
8.根据权利要求7所述的方法(100)，其中，所述平均包括在经稳定的3D超声图像的所述时间序列上对所述动态射流的形状进行平均。
9.根据权利要求7至8中的任一项所述的方法(100)，其中，所述平均包括在经稳定的3D超声图像的所述时间序列上对所述动态射流的取向进行平均。
10.根据权利要求1至9中的任一项所述的方法(100)，其中，拟合(140)所述动态表面模型包括解析几何回归。
11.根据权利要求1至10中的任一项所述的方法(100)，其中，所述方法还包括基于所估计的反流流量来估计反流体积。
12.一种包括计算机程序代码模块的计算机程序，当所述计算机程序在计算机上运行时，所述计算机程序代码模块适于实现根据权利要求1至11中的任一项所述的方法。
13.一种处理单元(30)，其中，所述处理单元适于：
获得感兴趣区域的4D超声数据，其中，所述感兴趣区域包括心脏瓣膜，并且其中，所述4D超声数据包括3D超声图像的时间序列，所述3D超声图像包括B模式超声数据和彩色多普勒超声数据；
对3D超声图像的所述时间序列中的图像执行快速图像稳定；
从经稳定的3D超声图像的所述时间序列中分割动态射流；
基于所分割的动态射流，在经稳定的3D超声图像的所述时间序列中将动态表面模型拟合到所述瓣膜；
基于所述表面模型和经稳定的3D超声图像的所述时间序列来识别动态反流孔；
基于所识别的动态反流孔，将流量收敛模型拟合到经稳定的3D超声图像的所述时间序列；并且
基于所识别的反流孔和经稳定的3D超声图像的时间序列来估计反流流量。
14.一种超声***(2)，所述***包括：
根据权利要求13所述的处理单元(30)；以及
适于采集所述4D超声数据的超声探头(4)。
15.根据权利要求14所述的***，其中，所述***还包括适于接收用户输入的用户接口。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP19290010.8A EP3692925A1 (en) | 2019-02-11 | 2019-02-11 | Methods and systems for valve regurgitation assessment |
| EP19290010.8 | 2019-02-11 | ||
| PCT/EP2020/052667 WO2020164955A1 (en) | 2019-02-11 | 2020-02-04 | Methods and systems for valve regurgitation assessment |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113412087A true CN113412087A (zh) | 2021-09-17 |
Family
ID=65520212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080013641.4A Pending CN113412087A (zh) | 2019-02-11 | 2020-02-04 | 用于瓣膜反流评估的方法和*** |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220079551A1 (zh) |
| EP (2) | EP3692925A1 (zh) |
| JP (1) | JP7454583B2 (zh) |
| CN (1) | CN113412087A (zh) |
| WO (1) | WO2020164955A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116869571A (zh) * | 2023-09-07 | 2023-10-13 | 深圳华声医疗技术股份有限公司 | 超声心脏反流自动检测评估方法、***及装置 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230009891A1 (en) * | 2021-07-08 | 2023-01-12 | Evalve, Inc. | Augmented Imaging For Valve Repair |
| EP4125046A1 (en) * | 2021-07-29 | 2023-02-01 | Koninklijke Philips N.V. | A visual data delivery system, a display system and methods of operating the same |
| EP4377900A1 (en) * | 2021-07-29 | 2024-06-05 | Koninklijke Philips N.V. | A visual data delivery system, a display system and methods of operating the same |
| EP4137061A1 (en) | 2021-08-17 | 2023-02-22 | Koninklijke Philips N.V. | Ultrasound imaging for visualization and quantification of mitral regurgitation |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040019278A1 (en) * | 2000-05-26 | 2004-01-29 | Kenneth Abend | Device and method for mapping and tracking blood flow and determining parameters of blood flow |
| CN101896123A (zh) * | 2007-12-13 | 2010-11-24 | 皇家飞利浦电子股份有限公司 | 具有使用响应于所采集图像数据的反馈的微调及定位控制的机器人超声*** |
| CN102238915A (zh) * | 2008-12-02 | 2011-11-09 | 株式会社东芝 | 超声波诊断装置、多普勒测量装置和多普勒测量方法 |
| CN103391748A (zh) * | 2010-12-23 | 2013-11-13 | 皇家飞利浦电子股份有限公司 | 通过超声成像分析来自缝隙孔的二尖瓣反流 |
| CN103505244A (zh) * | 2012-06-26 | 2014-01-15 | 通用电气公司 | 诊断***和用于获得超声图像帧的方法 |
| CN104584074A (zh) * | 2012-08-30 | 2015-04-29 | 皇家飞利浦有限公司 | 在3d常规以及对比增强的超声图像中的耦合的分割 |
| US20150366532A1 (en) * | 2014-06-23 | 2015-12-24 | Siemens Medical Solutions Usa, Inc. | Valve regurgitant detection for echocardiography |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6283919B1 (en) | 1996-11-26 | 2001-09-04 | Atl Ultrasound | Ultrasonic diagnostic imaging with blended tissue harmonic signals |
| US6458083B1 (en) | 1996-11-26 | 2002-10-01 | Koninklijke Philips Electronics N.V. | Ultrasonic harmonic imaging with adaptive image formation |
| US6013032A (en) | 1998-03-13 | 2000-01-11 | Hewlett-Packard Company | Beamforming methods and apparatus for three-dimensional ultrasound imaging using two-dimensional transducer array |
| US5997479A (en) | 1998-05-28 | 1999-12-07 | Hewlett-Packard Company | Phased array acoustic systems with intra-group processors |
| US6530885B1 (en) | 2000-03-17 | 2003-03-11 | Atl Ultrasound, Inc. | Spatially compounded three dimensional ultrasonic images |
| US6443896B1 (en) | 2000-08-17 | 2002-09-03 | Koninklijke Philips Electronics N.V. | Method for creating multiplanar ultrasonic images of a three dimensional object |
| US6468216B1 (en) | 2000-08-24 | 2002-10-22 | Kininklijke Philips Electronics N.V. | Ultrasonic diagnostic imaging of the coronary arteries |
| US6589176B2 (en) | 2001-12-05 | 2003-07-08 | Koninklijke Philips Electronics N.V. | Ultrasonic image stabilization system and method |
| US6692442B2 (en) * | 2001-12-13 | 2004-02-17 | Koninklijke Philips Electronics N.V. | Device for producing an on-line image of a body part into which a contrasting agent has been introduced |
| JP2007509722A (ja) * | 2003-10-29 | 2007-04-19 | アレズ フィジオニックス リミテッド | 超音波流体の流動中心線を決定するための方法および装置 |
| WO2006013517A1 (en) * | 2004-07-26 | 2006-02-09 | Koninklijke Philips Electronics, N.V. | A method and system for generating 3d ultrasound image data and viewing media |
| US9320496B2 (en) * | 2010-02-25 | 2016-04-26 | Siemens Medical Solutions Usa, Inc. | Volumetric is quantification for ultrasound diagnostic imaging |
| BR112013015817A2 (pt) | 2010-12-23 | 2018-05-15 | Koninklijke Philips Electronics N.V. | sistema de ultrassom diagnóstico para medir o fluxo regurgitante e método para avaliar fluxo regurgitante com um sistema de ultrassom |
| US9033887B2 (en) * | 2012-05-31 | 2015-05-19 | Siemens Corporation | Mitral valve detection for transthoracic echocardiography |
| JP6114823B2 (ja) * | 2012-06-27 | 2017-04-12 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 僧帽弁逆流の分析のための超音波カラー・フロー・マップ |
| BR112015024385A2 (pt) * | 2013-03-26 | 2017-07-18 | Koninklijke Philips Nv | aparelho de apoio para sustentar um usuário em um processo de diagnóstico para estadiamento de câncer de próstata, método de sustentação para sustentar um usuário em um processo de diagnóstico para estadiamento de câncer de próstata, e programa computadorizado de suporte para sustentar um usuário em um processo de diagnóstico para estadiamento de câncer de próstata |
| US20150025666A1 (en) * | 2013-07-16 | 2015-01-22 | Children's National Medical Center | Three dimensional printed replicas of patient's anatomy for medical applications |
-
2019
- 2019-02-11 EP EP19290010.8A patent/EP3692925A1/en not_active Withdrawn
-
2020
- 2020-02-04 JP JP2021544717A patent/JP7454583B2/ja active Active
- 2020-02-04 CN CN202080013641.4A patent/CN113412087A/zh active Pending
- 2020-02-04 WO PCT/EP2020/052667 patent/WO2020164955A1/en unknown
- 2020-02-04 EP EP20702801.0A patent/EP3923817B1/en active Active
- 2020-02-04 US US17/423,892 patent/US20220079551A1/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040019278A1 (en) * | 2000-05-26 | 2004-01-29 | Kenneth Abend | Device and method for mapping and tracking blood flow and determining parameters of blood flow |
| CN101896123A (zh) * | 2007-12-13 | 2010-11-24 | 皇家飞利浦电子股份有限公司 | 具有使用响应于所采集图像数据的反馈的微调及定位控制的机器人超声*** |
| CN102238915A (zh) * | 2008-12-02 | 2011-11-09 | 株式会社东芝 | 超声波诊断装置、多普勒测量装置和多普勒测量方法 |
| CN103391748A (zh) * | 2010-12-23 | 2013-11-13 | 皇家飞利浦电子股份有限公司 | 通过超声成像分析来自缝隙孔的二尖瓣反流 |
| CN103505244A (zh) * | 2012-06-26 | 2014-01-15 | 通用电气公司 | 诊断***和用于获得超声图像帧的方法 |
| CN104584074A (zh) * | 2012-08-30 | 2015-04-29 | 皇家飞利浦有限公司 | 在3d常规以及对比增强的超声图像中的耦合的分割 |
| US20150366532A1 (en) * | 2014-06-23 | 2015-12-24 | Siemens Medical Solutions Usa, Inc. | Valve regurgitant detection for echocardiography |
Non-Patent Citations (2)
| Title |
|---|
| SOMPHONE: "《Fast myocardial motion and strain estimation in 3D cardiac ultrasound with Sparse Demons》", 《2013 IEEE 10TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING》, pages 1182 - 1185 * |
| SOMPHONE: "《Live Feature Tracking in Ultrasound Liver Sequences with Sparse Demons》", 《MACCAI CHALLENGE ON LIVER ULTRASOUND TRACKING》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116869571A (zh) * | 2023-09-07 | 2023-10-13 | 深圳华声医疗技术股份有限公司 | 超声心脏反流自动检测评估方法、***及装置 |
| CN116869571B (zh) * | 2023-09-07 | 2023-11-07 | 深圳华声医疗技术股份有限公司 | 超声心脏反流自动检测评估方法、***及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220079551A1 (en) | 2022-03-17 |
| WO2020164955A1 (en) | 2020-08-20 |
| EP3923817B1 (en) | 2024-01-10 |
| EP3923817C0 (en) | 2024-01-10 |
| EP3923817A1 (en) | 2021-12-22 |
| EP3692925A1 (en) | 2020-08-12 |
| JP7454583B2 (ja) | 2024-03-22 |
| JP2022519253A (ja) | 2022-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3923817B1 (en) | Methods and systems for valve regurgitation value calculation | |
| JP7346586B2 (ja) | 合成３ｄ超音波画像を取得するための方法及びシステム | |
| CN112912010A (zh) | 用于导出与来自血管的流量有关的参数的方法和*** | |
| CN112867444B (zh) | 用于引导对超声图像的采集的***和方法 | |
| JP2021529035A (ja) | 経弁圧の定量化を行うための方法及びシステム | |
| EP3941356B1 (en) | Methods and systems for adjusting the field of view of an ultrasound probe | |
| US11793492B2 (en) | Methods and systems for performing color doppler ultrasound imaging | |
| US20220079550A1 (en) | Methods and systems for monitoring a function of a heart | |
| EP4159139A1 (en) | System and method for segmenting an anatomical structure | |
| JP7345678B2 (ja) | ３ｄベクトルフロー場を取得するための方法及びシステム | |
| EP4262564B1 (en) | Boundary detection in ultrasound data | |
| EP4014883A1 (en) | Boundary detection in ultrasound data | |
| WO2023052178A1 (en) | System and method for segmenting an anatomical structure |
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 |