CN114401678A - 用于超声衰减系数估计的***和方法 - Google Patents
用于超声衰减系数估计的***和方法 Download PDFInfo
- Publication number
- CN114401678A CN114401678A CN202080064631.3A CN202080064631A CN114401678A CN 114401678 A CN114401678 A CN 114401678A CN 202080064631 A CN202080064631 A CN 202080064631A CN 114401678 A CN114401678 A CN 114401678A
- Authority
- CN
- China
- Prior art keywords
- data
- ultrasound
- frequency
- ultrasound data
- attenuation coefficient
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- 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
- G01S7/52023—Details of receivers
- G01S7/52036—Details of receivers using analysis of echo signal for target characterisation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- 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
- A61B8/52—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
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
-
- 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
- G01S7/52053—Display arrangements
- G01S7/52057—Cathode ray tube displays
-
- 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
- G01S7/52053—Display arrangements
- G01S7/52057—Cathode ray tube displays
- G01S7/52071—Multicolour displays; using colour coding; Optimising colour or information content in displays, e.g. parametric imaging
-
- 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
- G01S7/52077—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 with means for elimination of unwanted signals, e.g. noise or interference
-
- 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
- G01S7/52085—Details related to the ultrasound signal acquisition, e.g. scan sequences
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
描述了可以改善由信号干扰、非均匀组织结构或两者造成的频率功率比曲线振荡的超声衰减系数估计(“ACE”)技术。由此产生的平滑的频率功率比曲线实现更精确的ACE并减少用于线性回归的感兴趣区域(”ROI”)大小。
Description
相关申请的交叉引用
本申请要求于2019年7月19日提交的题为“SYSTEMS AND METHODS FORULTRASOUND ATTENUATION COEFFICIENT ESTIMATION(用于超声衰减系数估计的***和方法)”的美国临时专利申请序列号第62/876,253号的权益,所述文献以其整体通过引用并入本文。
背景技术
超声衰减系数估计(“ACE”)具有针对很多临床应用的潜力,包括区分肿瘤和量化肝脏中的脂肪含量。例如,在脂肪含量检测的非限制性示例中,脂肪滴在肝脏中的累积可以导致脂肪变性,在许多情况下,脂肪变性可能进展到肝纤维化、肝硬化、肝衰竭、或肝细胞癌。当超声在肝内传播时脂肪含量可以提高超声衰减系数;因此,超声衰减系数是量化脂肪含量的有用参数。与黄金标准肝脏活检相比,ACE提供了非侵入式和可重复的测量方式,这对初始筛查和后续检查都很重要。因此,精确的ACE在脂肪肝检测和评估以及其他临床应用中有临床效用。
发明内容
本公开通过提供一种用于使用超声***估计超声衰减系数数据的方法来解决上述缺点。使用超声***从受试者获取的超声数据可以利用计算机***被访问。超声数据包含用不同特性获取的超声数据的子集。通过将对应于超声数据子集的超声数据进行平均,利用计算机***生成平均超声数据。使用计算机***从平均超声数据生成频率功率比曲线数据,其中频率功率比曲线数据具有减少的频率功率比曲线振荡。使用计算机***从频率功率比曲线数据生成衰减系数数据。
本公开的另一方面在于提供一种用于使用超声***估计超声衰减系数数据的方法。使用超声***从受试者获取的超声数据可以利用计算机***被访问。使用计算机***检测超声数据中的非均匀结构。在处理超声数据时使用计算机***从超声数据生成频率功率比曲线数据,以降低来自对应于所检测到的非均匀结构的超声数据的贡献。频率功率比曲线数据具有减少的频率功率比曲线振荡。使用计算机***从频率功率比曲线数据生成衰减系数数据。
本公开的又一方面在于提供一种用于使用超声***估计超声衰减系数数据的方法。使用超声***从受试者获取的超声数据可以利用计算机***被访问。可以使用计算机***在超声数据中选择出感兴趣区域("ROI”),并且将此ROI分为多个子区域。针对多个子区域中的每一个,从对应于每个相应的子区域的超声数据生成频率功率比曲线数据。针对多个子区域中的每一个,从对应于每个相应子区域的频率功率比曲线数据生成衰减系数数据,其中衰减系数数据是基于基于线性拟合生成的。使用每个线性拟合的线性度度量,从多个子区域中的每一个的衰减系数数据为ROI生成最终衰减系数数据,所述线性度度量被用作用于生成最终衰减系数数据的质量控制。
本公开的上述和其他方面及优点将通过以下说明书而显现。在说明书中,参考了形成说明书的一部分的附图,其中通过图示的方式显示了优选实施例。然而,此实施例不一定代表本发明的全部范围,并且因此,为了解释本发明的范围,要参考权利要求和本文。
附图的简要说明
图1A示出了具有选择的感兴趣区域(“ROI”)的肝的B-模式图像示例和被选择用于衰减系数估计(“ACE”)的多个深度位置示例。
图1B示出了在图1A所指示的各深度位置的功率谱示例。
图1C示出了作为深度的函数的频率功率曲线的示例。
图1D示出了频率功率比曲线和对应线性回归的示例。
图2示出了被分为多个非重叠子区域、或分为数个子ROI的ROI的示例。
图3A示出了利用超声***获取的未更改通道数据的示例。
图3B示出了图3A向其增加了随机抖动的通道数据的示例。
图4示出了从添加(红色)和不添加(蓝色)抖动的超声数据生成的频率功率比曲线示例。
图5示出了基于单个数据帧(蓝色)和在受试者自由呼吸时(红色)获取的20个数据帧的平均值的频率功率比曲线的示例。
图6示出了从以相邻A-线之间的不同间距获取的超声数据中生成的频率功率比曲线示例。
图7示出了使用滑动窗口进行ACE处理的示例。
图8示出了用来确定用于检测非均匀结构的强度阈值的图像强度直方图的示例。
图9示出了示出了B-模式图像和基于检测出的非均匀结构的相对应的图像掩模(mask)的示例。
图10示出了来自图9的不同深度的不同非均匀结构掩模的示例。
图11示出了作为深度函数的加权因子以用于减少非均匀结构的贡献的示例图。
图12A示出了频率功率比曲线的示例。
图12B示出了图12A中的频率功率比曲线的一阶导数。
图13是阐述使用本公开中描述的实施例用于改善ACE的一般工作流程的步骤的流程图。
图14是可实现本公开中描述的方法的示例超声***的框图。
图15是可实现本公开中描述的方法的示例计算机***的框图。
具体实施方式
本文描述了用于改善超声衰减系数估计(“ACE”)技术的***和方法。一般而言,本公开中描述的***和方法可以改善由信号干扰、非均匀组织结构或两者引起的频率功率比曲线振荡。由此产生的平滑的频率功率比曲线实现更精确的ACE并减少用于线性回归的感兴趣区域(“ROI”)大小。
在超声图像中,背向散射的RF信号的功率谱可以建模为
S(fi,zk)=G(fi)·TGC(zk)·D(fi,zk)·BSC(fi)·A(fi,zk)
(1);
其中G(fi)表示频率fi下的发射和接收换能器响应,其中i是频率分量指数;TGC(zk)是时间增益补偿(“TGC”),随着深度zk的变化而变化,其中k为深度指数;D(fi,zk)是聚焦、波束成形(beamforming)和衍射的综合效应;BSC(fi)是假定在感兴趣区域(“ROI”)内均匀的反向散射系数;并且A(fi,zk)是频率依赖性衰减,其可表示为:
其中a是衰减系数。在许多实例中,可以假定A(fi,zk)在ROI内均匀并且其具有线性频率依赖性。ROI的形状是灵活的,并且在一些实例中可以是矩形、正方形、扇形等。这种类型的模型通常可以适用于无论波束模式如何(例如,非聚焦或聚焦)的所有超声***。
超声衰减系数可以从已知传播距离内超声回波信号的衰减来测得。图1A-1D示出了使用参考频率方法实现ACE的示例过程,诸如共同待决的美国专利申请公开第US2020/0146656号中所述的那些,该专利申请通过引用以其整体并入本文。
如图1A中所示,首先从超声B-模式图像中选择ROI。然后,所选择的ROI沿轴向(有重叠或无重叠)被划分成小的数据区块。如图1B中所示出,计算给定数据块区块中的所有A-线区段的功率谱,并且然后将其横向(laterally)平均以获得于特定深度处(例如,z1、z2或z3)的平均功率谱(即,S(f,z))。图1C示出了在两个频率分量fi和fi-1下作为深度的函数的频率功率曲线。由于超神衰减,频率功率的对数应该随着深度线性变化;然而,此种线性趋势可以被***效应所混淆,诸如聚焦和时间增益补偿(“TGC”)。
参考频率方法通过计算两个不同频率分量之间的频率功率比来消除***相关的效应。在另一种ACE方法中,参考体模(phantom)方法,计算测试目标和校准良好的参考体模之间的频率功率比以标准化所有***效应。在***效应标准化之后,在对数域的频率功率比与成像深度之间有大体的线性关系,如图1D所示。线性回归可应用于频率功率比曲线以估计衰减系数。最终估计可以显示为单个值或为二维衰减系数图,其可以被覆盖在所选的ROI上。
频率功率比曲线通常包含使线性回归逐渐消减的振荡,并因此影响ACE的精度。这些振荡可以由组织中的小的非均匀结构、来自背向散射信号的相长干涉和相消干涉造成的空间变化以及噪音引起。减少污染ACE信号的噪音偏差的方法,诸如共同待决的专利申请第PCT/US2020/012325号中所描述的那些(其通过引用整体并入本文),可以用于解决噪音引起的振荡。
本公开的一个方面是提供用于进一步提高ACE稳健性的***和方法,使得可以显著提高不同ACE方法(例如,参考体膜方法,参考频率方法)的精度。
在一方面,本公开所描述的***和方法通过实现质量控制因子以稳定ACE的性能来提供改善的ACE。质量控制因子可以基于频率功率比曲线的线性度,诸如在子ROI中的频率功率比曲线的线性度。
作为一个非限制性示例,确定系数(R2或者经调整的R2)可以用作线性回归优度的指标(indicator)。所选择的用于ACE的ROI可以被分为带有或不带有重叠的子区域(例如,子ROIs)。图2示出了其中ROI被分为四个非重叠的子ROI(即,子ROI 1-4)的示例。可以对每个子ROI执行ACE。在一些实例中,估计衰减值可以随后被显示为被分配给所选定子ROI的中心像素的单个值,或显示为覆盖在所选择子ROI内所有像素上的二维ACE图。可以对下一个重叠(或非重叠)子ROI重复进行ACE计算,直到所有的子ROI都经历相同的ACE过程。对于被多个不同子ROI分配衰减值的图像像素,可以将此像素的最终估计计算为来自不同子ROI的所有衰减值的平均值。整个ROI的最终衰减值随后可被选择为具有估计衰减值的所有像素的平均值。
附加地或替代地,可以在每个子ROI内利用所确定的R2执行ACE。整个ROI的最终衰减值然后可以被选择为从具有最大值的R2(即,)的子ROI中获得的衰减值。分配给ROI的衰减也可以被选择为来自所有子ROI的衰减估计的中位值、来自所有子ROI的衰减估计的平均值等。
此外,在计算中位值或平均值之前,可以应用R2阈值来排除R2值小于预定限值的ACE估计。这样的R2阈值可以被选择为特定数字(例如,R2>0.90)或者可以根据所获取的最大R2相适应地确定(例如,)。当根据子ROI计算平均衰减值时,也可以使用与每个子ROI相对应的R2值作为加权因子。
注意在图2的示例中,R2被用作线性度指标。公开的方法还应适用于其他线性相关系数。在又其他实现方式中,可以使用非线性回归来估计衰减系数数据。在这些实例中,非线性相关系数可以用作质量控制度量。
在一个方面,本公开所描述的***和方法通过减少那些振荡的方式改变信号干扰模式来减少频率功率比曲线中的振荡,从而提供经改善的ACE。造成频率功率比曲线上振荡的一个原因是由于来自许多组织散射体的背向散射信号的相长干涉和相消干涉。增加超声抖动可以改变这些信号干扰模式,并因此可以用于减少频率功率比曲线上的振荡。
由很多不同的方式可以生成超声抖动。作为一个示例,不同的超声抖动可以分配给不同的发射元件。作为另一示例,不同的超声抖动可以分配给不同的接收通道。附加地或替代地,不同的超声抖动可以被分配给发射元件和接收通道两者。在一些实例中,超声抖动可以应用于所有可用通道,而在其他实例中,超声抖动可仅应用于可用通道的子集。
作为一个示例,在波束成形之前,接收到的通道数据随着超声抖动而移位。图3A示出了从位于成像中心的点目标收到的原始通道RF数据的示例。在不同通道中的超声信号到达时间在图3A中被示为平滑曲线,这取决于从目标到接收通道的超声波行进距离。然而,当通过移位所接收到的通道数据来增加随机抖动时,此平滑曲线变为锯齿形,如图3B中所示。
可以随机确定或专门设计抖动量。然后,可以应用波束成形,然后进行ACE分析步骤。对于同一组接收到的信道数据,分配抖动的过程可以重复多次。可以对具有不同抖动的经波束成形的A-线的频率谱进行平均,以更有效地减少在频率功率比曲线上的振荡。
图4示出了向通道数据添加或不添加抖动的情况下频率功率比曲线的一个非限制性示例。在这个示例中,随机抖动被分配到同一组通道数据20次,并且结果是经过平均的。频率功率比曲线上的振荡显著地降低了(如黑色虚线椭圆所示)。
在一个方面,本公开所描述的***和方法通过对从不同A-线获得的多个功率谱进行平均来减少频率功率比曲线中的振荡,从而提供经改善的ACE。通常来说,在假设测试介质(例如,被成像的组织)是同质的情况下,可以平均多个功率谱。有利地,不相关的A-线可以用于有效地进行平均。在此种方式下,在实时活体扫描期间,可以在受试者自由呼吸的情况下获取多个B-模式帧。作为另一个示例,超声医生可以在图像采集期间稍微移动探头,以从目标组织的不同区域获取数据。
呼吸引起的组织运动或探头移动引起的运动可以减少在不同超声数据帧中的A-线之间的相关性。然后可以对这些A-线的谱进行平均以平滑用于ACE的频率功率比曲线。图5示出了从单个数据帧获取的频率功率比曲线与受试者自由呼吸情况下的实时采集的20帧的平均结果进行对比的示例。从多个帧平均过的频率功率比曲线上的振荡显著地降低了。
为了包括更多的非相关A-线用于谱平均,可以使用更多B-模式帧。因此,较高的帧速率可以是有利的。为了聚焦光束成像,可以降低B-模式帧中的线密度以提高帧速率。例如,可以每隔一个A-线或每隔两个A-线可以被获取。图6示出了利用不同线密度获取的频率功率比曲线的一个非限制性示例。红色曲线是利用用于蓝色曲线的A-线的仅三分之一获取的,但是保持了相似的性能。
因此,在一些实例中,可以使用稀疏采样的A线采集来提高帧速率,与密集采样的A线采集相比具有可比拟的性能。增加的帧速率为ACE处理提供了更多可用的帧。当帧之间涉及运动(例如,如上述患者呼吸或探头移动)时,通过减少线强度获得的这些附加的B-模式图像可以提供更多的非相关帧,并因此可以提供更多非相关的A-线以进行平均。如果成像目标是相对静止的(例如,A-线在不同帧之间有高相关性),则这些增加的帧仍然对ACE有利。例如,不同帧中的A-线可以在时间域内被平均,以提高信噪比(“SNR”)。
附加地或替代地,可以通过使用不同的传输序列来获取这些增加的帧,来降低不同帧之间的A-线的相关性。例如,使用平面/发散波、不同聚焦深度的聚焦波束或偏转(steered)聚焦波束(即交叉波束(crossbeam))的传输序列可以被用作不同的传输序列。
稀疏采样的A线采集的高帧速率也可以对实时ACE应用有利。其他方法也可以应用于促进实时ACE。例如,如图7中所示,可以使用滑动窗口。在这些实例中,对每20个连续的B-模式帧执行ACE。ACE1使用帧1-20;ACE2使用帧2-21,以此类推。滑动窗口的实现使得用于衰减估计的帧速率与用于超声B模式图像获取的帧速率相同。
在一个方面中,本公开中所描述的***和方法通过使用具有不同脉冲设计的传输来提供改善的ACE。
大多数ACE方法通常假定所选择的ROI内的组织属性是均匀的。然而,实践中,组织通常包含违背此种均匀性假设的复杂的结构。一个非限制性示例是肝实质内的血管,与周围组织相比,其在B-模式图像中通常呈现为暗结构。这些非均匀结构是造成频率功率比曲线上的振荡的另一个因素。
带有较长脉冲的传输通常导致图像轴向分辨率较差。这可改变信号干扰模式并且使非均匀组织结构变得模糊不清,这可减少频率功率比曲线上的振荡。此外,利用不同脉冲设计(例如,不同脉冲长度:λ1、λ2、λ3、啁啾脉冲、不同脉冲编码,诸如Golay编码脉冲)获取的A-线的谱可以被平均以进一步减少振荡。
在一个方面,本公开描述的***和方法通过在ACE分析被实施之前,从所选择ROI检测和移除非均匀结构来提供改善的ACE。为了在ACE分析前排除所选择ROI内的非均匀结构,可以确定图像强度阈值的上限和下限。其他血管检测或边缘检测技术也可以应用于识别超声数据中的非均匀结构。强度阈值的上限和下限可以通过多种不同的方式来确定。
作为一个示例,可以通过关于整个图像或整个ROI的强度值(例如,最大值、最小值、中位值、平均值)的统计信息来全局定义强度阈值的上限和下限。在这个示例中,从B-模式图像选择ROI。对于一个非限制性示例,可以将下限阈值选择为比ROI的最大强度低35dB;然而,其他阈值的值也可以被实现。小于下限阈值的图像强度可以假定为非均匀组织机构,诸如血管或阴影效应。对于另一个非限制性示例,可以将上限阈值选择为比ROI的最大强度低10dB;然而,其他阈值的值也可以被实现。大于上限阈值的图像强度可以假定为非均匀明亮结构,诸如血管壁。
作为另一个示例,上限和下限强度阈值可以在如同上述的那些子ROI的子ROI内被局部定义。在这些实例中,可以基于这些子ROI的最大/最小强度来确定上限和下限强度阈值。对于另一个非限制性示例,深度相关的上限和下限阈值可以在每一个特定的深度(例如,z1、z2和z3)关于该选择的深度处的强度值(例如,最大值、最小值、中位数、平均值)的统计数据而被确定。
作为又另一示例,可以基于图像像素强度直方图(诸如图8中示出的图像像素强度直方图)来确定上限和下限强度阈值。例如,可以在像素数量下降到特定水平的两个强度边界处上确定上限和下限阈值。如图8所示出的示例中,图像强度-37dB和-25dB分别被选作为下限和上限阈值。在这两个边界之内的图像强度有至少200个像素。注意此种直方图方法既可以被全局(例如,整个图像或整个ROI)实现也可以被局部(例如,深度相关或在子ROI内)实现。
一旦图像强度阈值被确定,就可以计算出相应的图像掩膜以标出非均匀结构。图9示出了从肝B模式图像选择的ROI和具有下限阈值的对应图像掩膜的示例,此下限阈值被选择为低于ROI的最大强度35dB。具有在阈值内的强度的B-模式像素被分配“1”的掩膜值,其表示相对均匀的结构;而具有超出阈值的强度的像素被分配“0”的掩膜值,其表示诸如血管之类的非均匀结构。注意在这个示例中只用到了下限阈值。也可以定义上限阈值以标记诸如血管壁之类的明亮界面。
在大部分ACE方法中,所选择的ROI沿着轴向(带有或不带有重叠)被分成小的数据区块。计算给定数据区块中的所有A-线区段的功率谱。然后可以跨多个A-线区段对功率谱进行横向平均,并且可以在两个不同频率(参考频率方法)之间,或者在测试目标和参考体膜(参考体膜方法)之间取功率比,以得到在特定深度处的频率功率比。需要注意,也可以首先计算功率比,然后进行横向平均,以获得于此深度的比值。
利用如上所述计算的图像掩膜,可以将具有掩膜值“0”(例如,非均匀结构)的A-线区段排除于功率谱的计算和平均过程中。图10A示出了大约5厘米深度的5毫米长数据区块的掩膜示例。双箭头标记了从功率谱计算中排除的A-线区段。图10B示出了深度为大约7厘米的数据区块的另一掩膜示例。因为在此深度的组织结构是相对均匀的,所以所有A-线区段都可以被用于计算。这一步骤可以减少在频率功率比曲线上的非均匀组织结构的影响,从而促进更为稳健的ACE性能。
在给定深度用于进行平均的A-线区段越多,得到的频率功率比值将越精确。因此,当跨不同的深度范围对频率功率比曲线执行线性回归时,计算中涉及的A-线区段的数量可以被用作加权因子。获得加权因子的一个非限制性示例是将用于功率谱计算的A-线的百分比计算为给定数据区块中A-线的总数的一部分。图11示出了作为根据图9中示出的图像掩模来计算的深度的函数的加权因子的示例。当数据区块穿过非均匀结构(如,5-6cm处的血管)时,则在线性回归期间,较低的权重被应用于频率功率比曲线的对应部分时使用。这些加权因子也可以用于质量控制。例如,可以从线性回归消除具有小于预定限值(例如,15%)的权重的功率比值。此外,也可以用加权因子来计算加权线性系数(例如,R2),此加权因子基于用于功率谱计算的A-线的百分比被确定为给定数据区块中A-线的总数的一部分。
在一个方面,本公开所描述的***和方法通过在实施ACE分析之前对所选择的ROI中检测和移除非均匀结构来提供改善的ACE,其中基于频率功率比曲线的导数来识别非均匀结构。
非均匀组织结构有时会在频率功率比曲线上创建拐点。图12A示出了从肝ROI得到的频率功率比曲线的示例。在大约8cm处的V型间断(在红色圈内)是由血管壁(明亮物体)和血管(暗物体)的声学特性相比于周围组织突然改变造成的。可以通过计算频率功率比曲线的导数来检测出这些拐点,如图12B中所示。可以设置导数边界,以从线性回归中消除对应于拐点或拐点之间部分的频率功率比值。注意图12B示出了一阶导数的示例。更高阶导数同样可以被使用。
现在参考图13,流程图被示作阐明用于使用本公开中描述的技术来改善ACE的示例方法的步骤,所述技术可以分开地或组合地使用。
如步骤1302所示,该方法包括利用计算机***访问超声数据。可通过从存储器或其他数据存储设备或介质检取先前获取的超声数据来访问超声数据。在其他实例中,可通过使用超声***获取此类数据,并将获取的数据传送、传输或以其他方式提供给计算机***来访问超声数据,计算机***是超声***的一部分。例如,可以在利用超声***正获取超声数据时实时访问这些超声数据。
在一些实例中,当访问超声数据包括获取超声数据时,超声抖动或移位可应用于传输通道、接收器通道或两者,如上所述。超声抖动可以被应用于一些或所有可用的通道(传输、接收器或两者),并可以包括随机或非随机的抖动。
附加地或替代地,当访问超声数据包括以此种方式获取超声数据以便用于降低A-线之间的相关性。作为一个示例,可以在受试者自由呼吸时获取超声数据。作为另一个示例,可以在移动超声换能器探头的同时获取超声数据,以降低从相同目标区域获得的A-线之间的相关性(例如,通过改变超声波束路径)。作为另一个示例,可以使用稀疏采样的A线采集来获取超声数据,以提高帧速率。作为又一示例,可以通过使用不同的传输序列以获取附加的帧来降低不同帧之间的A-线的相关性。例如,使用平面/发散波、不同聚焦深度的聚焦波束、定向聚焦波束(即交叉波束)或编码的脉冲激励的传输序列可以被用于不同的传输序列,以获取不同组的超声数据。
附加地或替代地,当访问超声数据包括获取超声数据时,可以使用具有不同特性(例如,脉冲长度)的传输脉冲来获取超声数据。例如,可以在多个不同的传输事件内获取超声数据,每个传输事件实现了不同的传输脉冲。作为示例,不同的传输脉冲可以有不同的脉冲长度。
在一些实现中,可以识别超声数据中的非均匀结构,如步骤1304所指示的。随后可以移除非均匀结构或以其他方式对其进行加权,以使其不对ACE作出贡献(或减少非均匀结构的贡献),如步骤1306所指示的。例如,可以通过生成掩模并将该掩模应用到超声数据以移除非均匀结构,来移除除或以其他方式降低非均匀结构的贡献。替代地,可以生成并应用加权值,以减少非均匀结构的贡献。
作为一个示例,可以基于强度阈值化(thresholding)来检测非均匀结构并移除或以其他方式减少它们的贡献。例如,可以用下限强度阈值、上限强度阈值或两者来掩盖(mask)超声数据中的非均匀结构。这些阈值可以被全局地(如,跨整个图像、跨给定的ROI)或局部地(例如,跨多个不同的子ROI中、在不同的深度位置)确定。可以基于图像强度值的统计信息(例如,最大强度、最小强度、中位强度、平均强度、图像强度直方图)来确定阈值。附加地或替代地,可以基于其他血管检测技术、边缘检测技术或其他合适的用于识别非均匀结构的技术来检测非均匀结构,并移除或以其他方式减少它们的贡献。例如,可以用其他基于像素强度的方法来检测非均匀结构。作为另一个示例,机器学习或深度学习方法也可以用于识别非均匀结构。
如上所述,无论是分开还是组合实现,所获取的超声数据可以包括多组不同的具有不同性质或特性的(例如用不同传输通道抖动获取的、在不同呼吸或心脏运动下获取的、在不同的探头运动下获取的、利用不同的A-线强度获取的、利用不同脉冲序列获取的、利用不同传输脉冲获取的)超声数据。这些不同的超声数据组可以进行平均,如上所述,并且如步骤1308所指示的。
然后频率功率比曲线数据可以从平均的超声数据(或在未执行平均时从原始超声数据)被生成,如步骤1310所指示的。在一些实现中,可以基于频率功率比曲线数据的导数检测非均匀结构并移除或以其他方式减少非均匀结构的贡献。例如,可以使用频率功率比曲线数据的一阶或更高阶导数来识别与非均匀结构(诸如,血管壁和血管)相对应的拐点,。可以针对ROI、或针对包含在所选择的ROI内的子ROI生成频率功率比曲线数据。可以使用参考体模技术、参考频率技术或其他合适的技术生成频率功率比曲线数据。
然后衰减系数数据可以从频率功率比曲线数据中被生成,如步骤1312所指示的。当频率功率比曲线数据包含在多个不同子ROI中计算的频率功率比曲线时,可以为每个子ROI估计不同的衰减系数数据,并且不同的衰减系数数据可以结合或以其他方式用于生成最终衰减系数数据。作为一个示例,对应于每个子ROI的线性度度量(诸如R2度量)可以被作为用于确定最终衰减系数数据的质量控制度量。例如,来自具有最大的线性度度量值的子ROI的衰减系数数据可以被指定为整个ROI的最终衰减系数数据。替代地,跨数个子ROI的衰减系数数据的中位值或平均值可以被指定为最终衰减系数数据。
图14示出了可以实现本公开中所描述的方法的超声***1400的示例。超声***1400包括换能器阵列1402,换能器阵列1402包括多个单独驱动的换能器元件1404。换能器阵列1402可包括任何合适的超声换能器阵列,包括线性阵列、曲线阵列、相控阵列等等。类似地,换能器阵列1402可包括1D换能器、1.5D换能器、1.75D换能器、2D换能器、3D换能器等。
当被发射器1406激励时,给定的换能器元件1404产生一阵超声能量。从被研究的对象或受试者反射回换能器阵列1402的超声能量(例如,回波)由各个换能器元件1404转换成电信号(例如,回波信号),并且可以通过一组开关1410分别应用到接收器1408。发射器1406、接收器1408和开关1410在控制器1412的控制下操作,控制器1412可包括一个或多个处理器。作为一个示例,控制器1412可包括计算机***。
发射器1406可被编程以发射非聚焦或聚焦的超声波。在一些配置中,发射器1406也可以被编程以发射发散波、球面波、柱面波、平面波、或其组合。此外,发射器1406可被编程以发射空间或时间编码的脉冲。
接收器1408可被编程以针对手头的成像任务实现合适的检测序列。在一些实施例中,检测序列可包括逐行扫描、复合平面波成像、合成孔径成像和复合发散波束成像中的一个或多个。
在某些配置中,发射器1406和接收器1408可被编程以实现高帧速率。例如,可实现与至少100Hz的采集脉冲重复频率(“PRF”)相关联的帧速率。在某些配置中,超声***1400可在时间方向上采样和存储至少一百组回波信号。
控制器1412可以使用本公开所描述的或本领域中以其他方式已知的技术被编程以设计采集序列。在一些实施例中,控制器1412接收用户输入,该用户输入定义采集序列的设计中使用的各种因素。在一些示例中,可以使用平面波超声采集获取超声数据。在其他示例中,可以使用实现一个或多个聚焦超声波束的采集方案获取超声数据。可以根据本领域技术人员的知识来使用用于采集超声数据的又其他示例。
可以通过将开关1410设置到它们的发射位置来执行扫描,从而引导发射器1406瞬间地接通,以根据设计的采集序列在单个发射事件期间激励换能器元件1404。然后可以将开关1410设置到其接收位置,并且测量换能器元件1404响应于一个或多个检测到的回波而产生的后续回波信号并将所述后续回波信号应用到接收器1408。来自换能器元件1404的分开的回波信号可在接收器1408中被组合以产生单个回波信号。
回波信号被传送到处理单元1414,以处理回波信号或处理从回波信号生成的图像,处理单元1414可由硬件处理器和存储器实现。作为示例,处理单元1414可以使用采集参数(例如,频率带宽和深度)来获取超声数据,此采集参数使用本公开中描述的方法来确定。作为另一个示例,处理单元1414可以估计衰减系数值,并从使用本公开描述的方法获取的数据中生成衰减系数图。
现在参考图15,示出了可执行本公开中所描述的方法的计算机***1500的示例的框图。计算机***1500大体包括输入1502、至少一个硬件处理器1504、存储器1506和输出1508。因此,计算机***1500通常用硬件处理器1504和存储器1506实现。
在一些实施例中,计算机***1500还可以是工作站、笔记本计算机、平板设备、移动设备、多媒体设备、网络服务器、大型机、一个或多个控制器、一个或多个微控制器、或任何其他通用或专用计算设备。
计算机***1500可自主地或半自主地操作,或者可从存储器1506或计算机可读介质(例如,硬盘驱动器、CD-ROM、闪存存储器)读取可执行软件指令,或者可以经由输入1502从用户或逻辑上连接到计算机或设备的任何另一源(诸如另一个联网的计算机或服务器)接收指令。因此,在一些实施例中,计算机***1500还可包括用于读取计算机可读存储介质的任何合适的设备。
通常,计算机***1500被编程或以其他方式配置以实现本公开中描述的方法和算法。例如,计算机***1500可以被编程以从超声数据中生成衰减系数数据。
输入1502可根据需要采取任何合适的形状或形式,以用于计算机***1500的操作,包括用于选择、输入、或以其他方式指定与执行任务、处理数据或操作计算机***1500一致的参数的能力。在一些方面,输入1502可以被配置用于接收数据,诸如利用超声***采集的数据。可以如上所述地处理这样的数据,从而生成衰减系数数据。此外,还可以将输入1502配置为接收被认为对用上述方法生成衰减系数数据有用的任何其他数据或信息。
在用于操作计算机***1500的处理任务中,一个或多个硬件处理器1504还可被配置用于对通过输入1502接收到的数据执行任何数量的处理后(post-processing)步骤。
存储器1506可包含软件1510和数据1512,诸如利用超声***采集的数据,并且可被配置用于存储和检取经处理的信息、指令和待由一个或多个硬件处理器1504处理的数据。在某些方面,软件1510可以包含指令,所述指令涉及根据本公开描述的实施例来生成衰减系数数据。
此外,输出1508可根据需要采取任何形状或形式,并且可以被配置用于显示(除了其他所需信息之外)从超声数据和/或衰减系数图中生成的超声图像、衰减系数图或其他机械特性图。
在一些实施例中,可以将任何合适的计算机可读介质用于存储用于执行本文所述的功能和/或过程的指令。例如,在一些实施例中,计算机可读介质可以是瞬态的或非瞬态的。例如,非瞬态计算机可读介质可包括诸如以下的介质:磁介质(例如,硬盘、软盘)、光介质(例如,压缩碟、数字视频碟、蓝光碟)、半导体介质(例如,随机存取存储器(“RAM”)、闪存、电可编程只读存储器(“EPROM”)、电可擦除可编程只读存储器(“EEPROM”))、在传输期间不是短暂的或不是没有任何持久外观的任何合适的介质、和/或任何合适的有形介质。作为另一示例,瞬态计算机可读介质可包括网络、电线、导体、光纤、电路中的信号,或在传输期间是短暂的和没有任何持久外观的任何合适介质、和/或任何合适的无形介质。
本公开已经描述了一个或多个优选实施例,并且应当理解,除了明确说明的那些之外的许多等效例、替代例、变化例和修改例是可能的,并且在本发明的范围内。
Claims (35)
1.一种用于使用超声***估计超声衰减系数数据的方法,所述方法包括:
(a)使用计算机***访问利用超声***从受试者获取的超声数据,其中所述超声数据包含以不同特性获取的超声数据子集;
(b)通过将对应于所述超声数据子集的所述超声数据进行平均,利用所述计算机***生成平均超声数据;
(c)使用所述计算机***从所述平均超声数据生成频率功率比曲线数据,其中所述频率功率比曲线数据具有减少的频率功率比曲线振荡;以及
(d)使用所述计算机***从所述频率功率比曲线数据生成衰减系数数据。
2.如权利要求1所述的方法,其特征在于,所述超声数据子集对应于通过对所述超声***的一个或多个通道施加抖动而获取的超声数据。
3.如权利要求2所述的方法,其特征在于,抖动被施加给所述超声***的一个或多个传输通道。
4.如权利要求2所述的方法,其特征在于,抖动被施加给所述超声***的一个或多个接收器通道。
5.如权利要求2所述的方法,其特征在于,抖动被施加给所述超声***的一个或多个传输通道和所述超声***的一个或多个接收器通道两者。
6.如权利要求2所述的方法,其特征在于,所述抖动是随机分配的抖动。
7.如权利要求1所述的方法,其特征在于,所述超声数据子集对应于所述受试者正自由呼吸时获得的超声数据,使得所述超声数据的不同子集是在不同的呼吸运动条件下获取的。
8.如权利要求1所述的方法,其特征在于,所述超声数据子集对应于当超声换能器在所述受试者中的目标区域内被移动时获取的超声数据,使得所述超声数据的不同子集是在不同的换能器运动条件下获取的。
9.如权利要求1所述的方法,其特征在于,所述超声数据子集对应于使用不同A-线密度获取的超声数据。
10.如权利要求1所述的方法,其特征在于,所述超声数据子集对应于使用具有不同特性的传输脉冲获取的超声数据。
11.如权利要求10所述的方法,其特征在于,所述不同特性是不同的脉冲长度。
12.如权利要求1所述的方法,其特征在于,所述超声数据子集对应于使用不同脉冲序列设计获取的超声数据。
13.如权利要求12所述的方法,其特征在于,所述不同脉冲序列设计包括平面波、发散波、不同聚焦深度的聚焦波束、偏转聚焦波束和编码脉冲激励中的两个或更多个。
14.如权利要求1所述的方法,其特征在于,在对所述超声数据子集进行平均之前,所述超声数据被处理以检测非均匀结构并减少来自这些非均匀结构的贡献。
15.如权利要求14所述的方法,其特征在于,非均匀结构是使用所述计算机***基于至少一个强度阈值对所述超声数据阈值化而检测到的。
16.如权利要求15所述的方法,其特征在于,所述至少一个强度阈值是基于所述超声数据中的最大强度而被确定的。
17.如权利要求15所述的方法,其特征在于,所述至少一个强度阈值是基于所述超声数据中的最小强度而被确定的。
18.如权利要求15所述的方法,其特征在于,所述至少一个强度阈值是基于从所述超声数据计算出的强度直方图而被确定的。
19.如权利要求15所述的方法,其特征在于,所述至少一个强度阈值是针对所述超声数据全局地确定的。
20.如权利要求15所述的方法,其特征在于,所述至少一个强度阈值是针对所述超声数据内的子区域局部地确定的。
21.如权利要求15所述的方法,其特征在于,所述至少一个强度阈值是针对所述超声数据内的不同深度位置局部地确定的。
22.如权利要求14所述的方法,其特征在于,通过基于检测到的非均匀结构生成掩模并将所述掩模应用于所述超声数据来减少来自所述非均匀结构的贡献。
23.如权利要求14所述的方法,其特征在于,通过使用一个或多个加权因子对与所述非均匀结构相对应的所述超声数据进行加权来减少来自所述非均匀结构的贡献。
24.如权利要求23中所述的方法,其特征在于,所述一个或多个加权因子基于在计算功率谱时使用的A-线区段的数量。
25.如权利要求1所述的方法,其特征在于,在从所述频率功率比曲线数据生成所述衰减系数数据之前,所述频率功率比曲线数据被处理以检测非均匀结构并减少来自这些非均匀结构的贡献。
26.如权利要求25所述的方法,其特征在于,所述非均匀结构是基于所述频率功率比曲线数据的导数而被确定的。
27.如权利要求26所述的方法,其特征在于,所述导数是一阶导数。
28.如权利要求1所述的方法,其特征在于,所述频率功率比曲线数据是基于线性拟合生成的,并且其中所述线性拟合的线性度度量被用作用于生成所述衰减系数数据的质量控制。
29.如权利要求28所述的方法,其特征在于,所述线性度度量是R2值。
30.如权利要求28所述的方法,其特征在于,从对应于最大线性度度量的所述频率功率比曲线数据生成的衰减系数值被存储为衰减系数数据。
31.如权利要求28所述的方法,其特征在于,频率功率比曲线数据是基于线性拟合针对多个不同子区域中的每一个生成的,并且其中所述线性拟合的线性度度量被用作用于生成衰减系数数据的质量控制。
32.如权利要求31所述的方法,其特征在于,从与跨所述多个子区域中的所有子区域的最大线性度度量对应的所述频率功率比曲线数据生成的衰减系数值被存储为所述衰减系数数据。
33.如权利要求1所述的方法,其特征在于,所述衰减系数数据包括衰减系数图,所述衰减系数图形象地描绘了从其中获取所述超声数据的区域中衰减系数值的空间分布。
34.一种用于使用超声***估计超声衰减系数数据的方法,所述方法包括:
(a)使用计算机***访问利用超声***从受试者获取的超声数据;
(b)使用所述计算机***检测所述超声数据中的非均匀结构;
(c)在处理所述超声数据时使用所述计算机***从所述超声数据生成频率功率比曲线数据,以减少来自对应于检测出的非均匀结构的超声数据的贡献,其中所述频率功率比曲线数据具有减少的频率功率比曲线振荡;以及
(d)使用所述计算机***从所述频率功率比曲线数据生成衰减系数数据。
35.一种用于使用超声***估计超声衰减系数数据的方法,所述方法包括:
(a)使用计算机***访问利用超声***从受试者获取的超声数据;
(b)使用所述计算机***在所述超声数据中选择感兴趣区域;
(c)使用所述计算机***将所述感兴趣区域分为多个子区域;
(d)使用所述计算机***针对所述多个子区域中的每一个子区域从对应于每个相应子区域的所述超声数据生成频率功率比曲线数据;
(e)使用所述计算机***针对所述多个子区域中的每一个子区域从对应于每个相应子区域的所述频率功率比曲线数据生成衰减系数数据,其中所述衰减系数数据是基于线性拟合生成的;
(f)使用所述计算机***,使用每个线性拟合的线性度度量,从所述多个子区域中的每一个的所述衰减系数数据为所述感兴趣区域生成最终衰减系数,所述线性度度量作为用于生成所述最终衰减系数数据的质量控制。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962876253P | 2019-07-19 | 2019-07-19 | |
US62/876,253 | 2019-07-19 | ||
PCT/US2020/042733 WO2021016164A1 (en) | 2019-07-19 | 2020-07-20 | Systems and methods for ultrasound attenuation coefficient estimation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114401678A true CN114401678A (zh) | 2022-04-26 |
Family
ID=72047010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080064631.3A Pending CN114401678A (zh) | 2019-07-19 | 2020-07-20 | 用于超声衰减系数估计的***和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220283278A1 (zh) |
EP (1) | EP3999871A1 (zh) |
CN (1) | CN114401678A (zh) |
WO (1) | WO2021016164A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102670008B1 (ko) * | 2021-12-28 | 2024-05-29 | 전주대학교 산학협력단 | 초음파 영상에서 초음파 주사 주파수별 지방간 정량화를 진단하는 장치 및 사용방법 |
CN115908401B (zh) * | 2022-12-30 | 2023-08-29 | 深圳鲲为科技有限公司 | 超声造影数据的处理方法、装置、介质、设备及显示界面 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8016757B2 (en) * | 2005-09-30 | 2011-09-13 | University Of Washington | Non-invasive temperature estimation technique for HIFU therapy monitoring using backscattered ultrasound |
US9248318B2 (en) * | 2008-08-06 | 2016-02-02 | Mirabilis Medica Inc. | Optimization and feedback control of HIFU power deposition through the analysis of detected signal characteristics |
US8818064B2 (en) * | 2009-06-26 | 2014-08-26 | University Of Virginia Patent Foundation | Time-domain estimator for image reconstruction |
US9638673B2 (en) * | 2012-10-18 | 2017-05-02 | Olympus Scientific Solutions Americas Inc. | Ultrasonic testing instrument with dithery pulsing |
US20200146656A1 (en) * | 2017-06-23 | 2020-05-14 | Mayo Foundation For Medical Education And Research | Methods for ultrasound system independent attenuation coefficient estimation |
-
2020
- 2020-07-20 CN CN202080064631.3A patent/CN114401678A/zh active Pending
- 2020-07-20 EP EP20754431.3A patent/EP3999871A1/en active Pending
- 2020-07-20 WO PCT/US2020/042733 patent/WO2021016164A1/en unknown
- 2020-07-20 US US17/627,531 patent/US20220283278A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021016164A1 (en) | 2021-01-28 |
US20220283278A1 (en) | 2022-09-08 |
EP3999871A1 (en) | 2022-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110785126B (zh) | 用于超声***独立衰减系数估计的方法 | |
US8002704B2 (en) | Method and system for determining contact along a surface of an ultrasound probe | |
CN108685596B (zh) | 利用超声医疗成像的组织性质估计 | |
CN107616809B (zh) | 医学诊断超声中的组织表征 | |
US10338203B2 (en) | Classification preprocessing in medical ultrasound shear wave imaging | |
US20190369220A1 (en) | Methods and systems for filtering ultrasound image clutter | |
US20060079780A1 (en) | Ultrasonic imaging apparatus | |
JP7405950B2 (ja) | 微小脈管の高時空分解能超音波イメージングを行うための方法 | |
JP2000189424A (ja) | Bモ―ド超音波イメ―ジングにおける自動送信波形最適化のための方法及び装置 | |
US20220283278A1 (en) | Systems and Methods for Ultrasound Attenuation Coefficient Estimation | |
Lavarello et al. | A regularized inverse approach to ultrasonic pulse-echo imaging | |
CN110891492B (zh) | 用于处理超声图像的方法和*** | |
CN109259801B (zh) | 一种剪切波弹性成像方法及装置 | |
CN111466951B (zh) | 超声衰减图像的生成方法、装置、超声设备及存储介质 | |
CN113440166A (zh) | 利用超声医学成像的肝病活动估计 | |
Ilyina et al. | Attenuation estimation by repeatedly solving the forward scattering problem | |
CN110869799B (zh) | 用于处理超声图像的方法和*** | |
US20220091243A1 (en) | Systems and Methods for Ultrasound Attenuation Coefficient Estimation | |
US11141138B2 (en) | Kalman filtering for flash artifact suppression in ultrasound imaging | |
US20240046467A1 (en) | Method and system for evaluating ultrasound data for the purpose of ultrasound attenuation estimation in a medium | |
KR20230138426A (ko) | 매질에서 가정된 파동 전파 속도를 평가하는 방법 및 시스템 | |
CN116635162A (zh) | 用于改进超声图像质量的***和方法 | |
Davignon et al. | Ultrasound data segmentation based on tissue characterization |
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 |