CN114727805A - 用于自适应造影成像的***和方法 - Google Patents
用于自适应造影成像的***和方法 Download PDFInfo
- Publication number
- CN114727805A CN114727805A CN202080080796.XA CN202080080796A CN114727805A CN 114727805 A CN114727805 A CN 114727805A CN 202080080796 A CN202080080796 A CN 202080080796A CN 114727805 A CN114727805 A CN 114727805A
- Authority
- CN
- China
- Prior art keywords
- image
- contrast
- technique
- ultrasound
- adaptive
- 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
- A61B8/48—Diagnostic techniques
- A61B8/481—Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
-
- 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
- A61B8/48—Diagnostic techniques
-
- 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
- A61B8/5253—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 combining overlapping images, e.g. spatial compounding
-
- 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
-
- 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
- A61B8/5276—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts due to motion
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
- G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
- G01S15/8909—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration
- G01S15/8915—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration using a transducer array
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
- G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
- G01S15/8977—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using special techniques for image reconstruction, e.g. FFT, geometrical transformations, spatial deconvolution, time deconvolution
-
- 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
- G01S7/52038—Details of receivers using analysis of echo signal for target characterisation involving non-linear properties of the propagation medium or of the reflective target
- G01S7/52039—Details of receivers using analysis of echo signal for target characterisation involving non-linear properties of the propagation medium or of the reflective target exploiting the non-linear response of a contrast enhancer, e.g. a contrast agent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Nonlinear Science (AREA)
- Hematology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
公开了用于生成自适应对比度累积成像图像的***和方法。可以对对比度增强图像帧执行点扩散函数细化/骨架化技术。可以在时间上和/或在空间上调整该技术的侵略性参数。可以基于各种因子来调整侵略性参数,包括但不限于自注射造影剂起的时间、信号强度和/或血管尺寸。可以在时间上累积图像以生成自适应对比度累积成像图像的最终序列。
Description
技术领域
本申请涉及对比度增强成像。更具体地,本申请涉及生成对比度累积图像。
背景技术
在对比度增强成像中,向要成像的区或体积提供造影剂,以便从所述区或体积提供更高的信号强度,或选择性地增强来自具有高造影剂浓度的区或体积的信号。例如,在对比度增强超声(CEUS)中,可以将微泡注入到对象的血流中,并且可以采集对象的脉管***的超声图像。没有微泡,血管能够提供很少的信号或不能提供信号。在对比度累积成像(CAI)中,采集并组合多幅对比度增强图像(例如,多个图像帧)以形成最终图像,其能够用于映射造影剂进展并增强血管拓扑结构和显著性。CEUS的这种时间累积成像已经被商业化并广泛用于血管可视化。
发明内容
用于自适应对比度增强超声技术的***和方法,其以自适应点扩散函数(PSF)细化/骨架化技术(例如,细化技术)代替对比度累积图像处理中的微泡识别和定位步骤的。PSF尺寸可以至少部分地通过调整侵略性参数而在空间上(例如,针对血管尺寸)和在时间上(例如,针对不同的灌注时间)都是自适应的。这可以在降低的处理需求的情况下为不同造影剂灌注阶段的大分支和微血管两者提供增强血管成像性能。
在一些示例中,可以采集造影剂注入的组织图像回放。自适应PSF细化技术可以应用于造影回放的每个帧,其中,PSF的尺寸可以基于图像内的空间区域自适应和/或随时间自适应。在执行自适应PSF细化技术之后,可以执行实现高分辨率的造影图像帧的时间累积。在一些示例中,时间累积可以在每个像素处使用每个帧的最大强度或在每个像素处示出平均强度。
根据本文公开的至少一个示例,一种超声***可以包括超声探头和至少一个处理器,所述超声探头用于接收针对多个发射/接收事件的超声信号,所述至少一个处理器与所述超声探头通信,所述至少一个处理器被配置为:对针对所述多个发射/接收事件的所述超声信号执行自适应细化技术,其中,所述自适应细化技术至少部分地基于在时间域或空间域中的至少一项中调整的侵略性参数;并且在时间上对所述自适应细化技术被执行的针对所述多个发射/接收事件的所述超声信号进行累积以生成自适应对比度累积图像。
根据本文公开的至少一个示例,一种方法可以包括接收多幅对比度增强超声图像;对所述多幅对比度增强超声图像中的个体对比度增强超声图像执行自适应细化技术,其中,所述自适应细化技术至少部分地基于在时间域或空间域中的至少一项中调整的侵略性参数;并且在时间上对所述多幅超声图像中的所述个体超声图像中的至少两幅超声图像进行累积,以提供自适应对比度累积图像。
根据本文公开的至少一个示例,一种非瞬态计算机可读介质可以包括指令,所述指令当被运行时使超声成像***:接收多幅对比度增强超声图像;对所述多幅对比度增强超声图像中的个体对比度增强超声图像执行自适应细化技术,其中,所述自适应细化技术至少部分地基于在时间域或空间域中的至少一项中调整的侵略性参数;并且在时间上对所述多幅超声图像中的所述个体超声图像中的至少两幅超声图像进行累积,以提供自适应对比度累积图像。
附图说明
图1示出了通过两种不同的图像处理技术采集的两幅示例对比度累积图像。
图2是根据本公开的一些示例布置的超声成像***的框图。
图3是图示根据本公开的一些示例的示例处理器的框图。
图4是根据本公开的一些示例的方法的流程图。
图5是图4所示的方法的一部分的更详细的流程图。
图6A是根据本公开的一些示例的空间自适应侵略性参数的示例的图示。
图6B是根据本公开的一些示例的时间自适应侵略性参数的示例的图示。
图7示出了根据本公开的示例的利用具有不同侵略性参数的基于扩张的细化的示例图像。
图8示出了根据本公开的一些示例的常规对比度累积成像图像和自适应对比度累积成像图像。
图9示出了根据本公开的一些示例的常规对比度累积成像图像和自适应对比度累积成像图像。
具体实施方式
特定示例性示例的以下描述本质上仅是示例性的,并且决不旨在限制本发明或其应用或用途。在本***和方法的示例的以下详细描述中,参考了附图,附图形成其一部分,并且其中,通过图示的方式示出了可以实践所描述的***和方法的特定示例。足够详细地描述了这些示例以使得本领域技术人员能够实践当前公开的***和方法,并且应理解,可以利用其他示例,并且可以在不脱离本***的精神和范围的情况下进行结构和逻辑上的改变。此外,为了清楚的目的,当其对本领域技术人员将显而易见时,将不讨论对某些特征的详细描述,以便不掩盖对本***的描述。因此,不应当从限制性意义上看待以下详细描述,并且本***的范围仅由权利要求限定。
由于点扩散函数(PSF)在造影模式下的大尺寸,累积CEUS可能具有有限的空间分辨率。PSF是由成像***对点源的模糊或扩散的量度。为了提高空间分辨率,可以执行诸如超分辨率成像(SRI)的图像处理技术。在SRI中,个体微泡被识别并表示为单个像素(例如,局部化的)。然而,需要被累积以生成SRI图像的图像的数量能够是显著的。此外,对微泡的识别和定位所需的处理时间和/或功率也可能是过高的,特别是在期望实时或接近实时可视化的情况下。
CEUS成像中的另一个问题是图像中可能存在血管尺寸的广泛分布。尽管常规累积CEUS对于较大的血管可能是足够的,但是较小血管的可视化可能更多地受益于诸如SRI的其他技术。类似地,在一系列图像中,可能存在造影剂浓度随着时间的广泛分布。应用单个图像处理技术可能导致仅一种血管类型的增强的可视化和/或仅针对造影成像扫描的特定时间段(例如,早期灌注阶段、晚期累积阶段)的增强的可视化。
图1示出了由两种不同的图像处理技术采集的两幅示例对比度累积图像。图像100和图像102两者是在CEUS的早期灌注阶段从人类甲状腺采集的。使用典型的对比度累积成像(CAI)技术来生成图像100。图像100示出了对造影剂的良好灵敏度,但是其空间分辨率是有限的,并且区示出了饱和的迹象。使用如在2019年1月3日递交的美国临时申请US 62/787860中描述的增强CAI技术来采集图像102。图像102示出了比图像100更好的空间分辨率,但是其是不连续的并且对造影剂信号比典型的CAI技术更不敏感。因此,尽管图像102图示了本领域的进步,其可以允许更大的空间分辨率和/或具有比SRI更少的帧的较小脉管***的改进的可视化,但是期望能够随时间提供更大和更小脉管***两者的改进的可视化的自适应CAI技术。此外,不需要微泡识别和定位(诸如在SRI中)的自适应技术会是期望的,以减少处理时间和/或功率。
本公开涉及用于执行在空间上和在时间上自适应的图像处理技术的***和方法。本文描述的技术可以被称为“自适应CAI”。这些技术可以调整PSF细化/骨架化技术的侵略性参数,以提供大血管和小血管两者以及对比度增强成像扫描的所有阶段上的更好的可视化。
图2示出的根据本公开的原理构建的超声成像***200的框图。根据本公开的超声成像***200可以包括换能器阵列214,换能器阵列214可以被包括在超声探头212中,例如外部探头或内部探头,例如血管内超声(IVUS)导管探头。在其他示例中,换能器阵列214可以是柔性阵列的形式,所述柔性阵列被配置为共形地应用于要成像的对象(例如,患者)的表面。换能器阵列214被配置为发射超声信号(例如,波束、波)并且响应于发射的超声信号接收回波(例如,接收的超声信号)。可以使用多种换能器阵列,例如线性阵列、弯曲阵列或相控阵列。换能器阵列214例如可以包括能够在仰角和方位角维度两者上扫描以用于2D和/或3D成像的换能器元件的二维阵列(如图所示)。众所周知,轴向是垂直于阵列面的方向(在弯曲阵列的情况下,轴向扇出),方位角方向通常由阵列的纵向尺寸定义,而仰角方向横向于方位角方向。
在一些示例中,换能器阵列214可以被耦合到微波束形成器216,其可以位于超声探头212中,并且其可以控制阵列214中的换能器元件对信号的发射和接收。在一些示例中,微波束形成器216可以通过阵列214中的有源元件(例如,在任何给定时间限定活动孔径的阵列的元件的活动子集)来控制信号的发射和接收。
在一些示例中,微波束形成器216可以例如通过探头线缆或无线地耦合到发射/接收(T/R)开关218,其在发射与接收之间切换并且保护主波束形成器222免受高能发射信号的影响。在一些示例中,例如在便携式超声***中,T/R开关218和***中的其他元件可以被包括在超声探头212中而不是超声***底座中,超声***底座可以容纳图像处理电子设备。超声***底座通常包括软件和硬件部件,包括用于信号处理和图像数据生成的电路以及用于提供用户接口的可执行指令。
来自在微波束形成器216的控制下的换能器阵列214的超声信号的发射由发射控制器220引导,发射控制器220可以被耦合到T/R开关218和主波束形成器222。发射控制器220可以控制波束被转向的方向。波束可以被转向为从换能器阵列214径直向前(正交于换能器阵列214),或处于不同的角度以用于更宽的视场。发射控制器220还可以被耦合到用户接口224并且根据用户对用户控件的操作来接收输入。用户接口224可以包括一个或多个输入设备,例如控制面板252,控制面板252可以包括一个或多个机械控件(例如,按钮、编码器等)、触敏控件(例如,触控板、触摸屏或类似)和/或其他已知的输入设备。
在一些示例中,由微波束形成器216产生的部分波束形成的信号可以被耦合到波束形成器222,其中,来自换能器元件的个体面片的部分波束形成的信号可以被组合为完全波束形成的信号。在一些示例中,微波束成形器216被省略,并且换能器阵列214在波束成形器222的控制下并且波束成形器222执行信号的所有波束成形。在具有和不具有微波束形成器216的示例中,波束形成器222的波束形成信号被耦合到处理电路250,其可以包括一个或多个处理器(例如,信号处理器226、B模式处理器228、多普勒处理器260和一个或多个图像生成和处理部件268),其被配置为根据波束形成的信号(即,波束形成的RF数据)来产生超声图像。
信号处理器226可以被配置为以各种方式处理接收的波束形成的RF数据,例如带通滤波、抽取、I和Q分量分离、以及谐波信号分离。处理器226还可以执行额外的信号增强,例如纹波降低、信号复合、以及电子噪声消除。经处理的信号(也称为I和Q分量或IQ信号)可以被耦合到额外的下游信号处理电路以用于图像生成。IQ信号可以被耦合到***内的多个信号路径,所述信号路径中的每个可以与适合于生成不同类型的图像数据(例如,B模式图像数据、多普勒图像数据)的信号处理部件的特定布置相关联。例如,所述***可以包括B模式信号路径258,其将来自信号处理器226的信号耦合到B模式处理器228以产生B模式图像数据。
B模式处理器228可以采用幅度检测来对身体中的结构进行成像。根据本公开的原理,B模式处理器228可以生成针对组织图像和/或造影图像的信号。在一些实施例中,可以从B模式信号中提取来自微泡的信号以用于形成分离的造影图像。类似地,可以将组织信号与微泡信号分离以生成组织图像。由B模式处理器228产生的信号可以被耦合到扫描转换器230和/或多平面重新格式化器232。扫描转换器230可以被配置为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。例如,扫描转换器230可以将回波信号布置为二维扇区形格式,或锥体或其他形状的三维(3D)格式。在本公开的另一示例中,扫描转换器230可以将回波信号布置为并排的对比度增强图像和组织图像。
多平面重新格式化器232能够将从身体的体积区域中的公共平面中的点接收到的回波转换为该平面的超声图像(例如,B模式图像),例如,如在美国专利US 6443896(Detmer)中所描述的。在一些示例中,扫描转换器230和多平面重新格式化器232可以实施为一个或多个处理器。
体积绘制器234可以生成从给定参考点观看的3D数据集的图像(也称为投影、绘制或绘制的),例如,如美国专利US 6530885(Entrekin等人)中所描述的。在一些示例中,体积绘制器234可以被实施为一个或多个处理器。体绘制器234可以通过诸如表面绘制和最大强度绘制的任何已知或未来已知技术来生成绘制,诸如正绘制或负绘制。
在一些示例中,***可以包括将来自信号处理器226的输出耦合到多普勒处理器260的多普勒信号路径262。多普勒处理器260可以被配置为估计多普勒频移并生成多普勒图像数据。多普勒图像数据可以包括颜色数据,然后将其与B模式(即灰度)图像数据叠加以供显示。多普勒处理器260可以被配置为例如使用壁滤波器来过滤掉不需要的信号(即,与非移动组织相关联的噪声或杂波)。多普勒处理器260还可以被配置为根据已知技术来估计速度和功率。例如,多普勒处理器可以包括诸如自相关器的多普勒估计器,其中速度(多普勒频率)估计基于滞后一自相关函数的参数而多普勒功率估计基于滞后零自相关函数的幅度。还可以通过已知的相位域(例如,参数频率估计器,例如MUSIC、ESPRIT等)或时间域(例如,互相关)信号处理技术来估计运动。可以使用与速度的时间或空间分布相关的其他估计器,例如加速度或时间和/或空间速度导数的估计器来代替速度估计器或作为速度估计器的补充。在一些示例中,速度和功率估计可以经历进一步的阈值检测以进一步降低噪声,以及分割和后处理,例如填充和平滑。然后可以根据颜色图将速度和功率估计映射到期望范围的显示颜色。也称为多普勒图像数据的颜色数据然后可以被耦合到扫描转换器230,其中,多普勒图像数据可以被转换为期望的图像格式并叠加在组织结构的B模式图像上以形成彩色多普勒或功率多普勒图像。例如,多普勒图像数据可以叠加在组织结构的B模式图像上。
来自扫描转换器230、多平面重新格式化器232和/或体积绘制器334的输出(例如,B模式图像、多普勒图像)可以被耦合到图像处理器236以在图像显示器238上被显示之前进一步增强、缓冲和临时存储。任选地,在一些实施例中,图像处理器236可以接收来自信号处理器226的I/Q数据和/或来自波束形成器222的RF数据以在被显示之前进行增强、缓冲和临时存储。
根据本公开的原理,在一些示例中,图像处理器236可以接收对应于对比度增强图像的序列(例如,多帧回放、影像回放)的图像帧的成像数据。序列中的每个图像帧可能已经在不同的时间被采集(例如,图像帧可以在时间上间隔开)。在一些示例中,图像处理器236可以对序列中的每个帧执行自适应点扩散函数(PSF)细化/骨架化技术(在本文中也简称为自适应细化技术)。在一些示例中,可以对包括可分离的微泡和微泡簇两者的每个图像帧的每个像素(例如,对应于每个像素的成像数据)执行自适应细化技术。该技术可以对***100的PSF进行重新成形和/或调整尺寸。经调整的PSF的尺寸可以至少部分地基于侵略性参数的值。侵略性参数的值越大,经调整的PSF的尺寸越小。侵略性参数的值越低,经调整的PSF越接近***100的原始PSF。可以在空间域和/或时间域中适配侵略性参数。如将参考图5更详细地解释的,可以使用一种或多种自适应细化技术。
在一些示例中,在对序列的所有图像执行自适应细化技术之后,图像处理器236可执行时间累积。换句话说,图像处理器236可以组合多个图像帧以创建自适应CAI图像序列的最终图像(例如,高分辨率回放),其可以包括一个或多个图像帧。可以使用各种技术。例如,可以针对整个序列(例如,无限时间窗口)或针对时间域中的移动窗口(例如,有限时间窗口)执行时间累积步骤。参考图4更详细地描述了用于时间累积的技术。图像帧的最终自适应CAI序列可以被提供给显示器238和/或本地存储器242。
图形处理器240可以生成图形叠加以用于与图像一起显示。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,图形处理器可以被配置为从用户接口224接收输入,例如键入的患者姓名或其他注释。用户接口244还可以耦合到多平面重新格式化器232,用于选择和控制多个多平面重新格式化(MPR)图像的显示。
***200可以包括本地存储器242。本地存储器242可以被实施为任何合适的非瞬态计算机可读介质(例如,闪存驱动器、磁盘驱动器)。本地存储器242可以存储由***200生成的数据,包括B模式图像、造影图像、可执行指令、由用户经由用户接口224提供的输入或***200的操作所需的任何其他信息。
如前所述,***200包括用户接口224。用户接口224可以包括显示器238和控制面板252。显示器238可以包括使用诸如LCD、LED、OLED或等离子显示技术的各种已知的显示技术实施的显示设备。在一些示例中,显示器238可以包括多个显示器。控制面板252可以被配置为接收用户输入(例如,检查类型、造影剂注射时间)。控制面板252可以包括一个或多个硬控件(例如,按钮、旋钮、刻度盘、编码器、鼠标、轨迹球或其他)。在一些示例中,控制面板252可以额外地或备选地包括在触敏显示器上提供的软控件(例如,GUI控制元件或简称为GUI控件)。在一些示例中,显示器238可以是包括控制面板252的一个或多个软控件的触敏显示器。
根据本公开的原理,在一些示例中,用户可以经由用户接口224选择自适应细化技术和/或设置要用于生成自适应CAI图像的侵略性参数。调节(例如,改变)侵略性参数可以调节自适应CAI图像的最终空间分辨率。在一些示例中,用户可以指示用于图像帧中的不同区域的不同侵略性参数和/或指示侵略性参数应当如何随时间改变。在一些示例中,用户可以选择要使用的平均或起始侵略性参数,并且***100调节对图像帧在空间上使用和/或对多个图像帧在时间上使用的侵略性参数。在一些示例中自适应细化技术可以基于检查类型、造影剂类型和/或图像的性质。在一些示例中,侵略性参数和/或如何在空间上和/或时间上对其进行调节可以基于对序列的个体图像帧和/或所有图像帧的分析。
在一些示例中,图2中所示的各种部件都可以组合。例如,图像处理器236和图形处理器240可以被实施为单个处理器。在另一示例中,扫描转换器230和多平面重新格式化器232可以被实施为单个处理器。在一些示例中,图2中所示的各种部件可以被实施为单独的部件。例如,信号处理器226可以被实施为针对每个成像模式(例如,B模式、多普勒)的单独的信号处理器。在一些示例中,图2中所示的各种处理器中的一个或多个可以由被配置为执行指定任务的通用处理器和/或微处理器来实施。在一些示例中,各种处理器中的一个或多个可以被实施为专用电路。在一些示例中,各种处理器中的一个或多个(例如,图像处理器236)可以用一个或多个图形处理单元(GPU)来实施。
图3是图示根据本公开的原理的示例处理器300的框图。处理器300可用于实施本文中所描述的一个或多个处理器,例如图2中所示的图像处理器236。处理器300可以是任何合适的处理器类型,包括但不限于微处理器、微控制器、数字信号处理器(DSP)、现场可编程阵列(FPGA)(其中FPGA已被编程以形成处理器)、图形处理单元(GPU)、专用电路(ASIC)(其中ASIC已被设计为形成处理器)、或其组合。
处理器300可以包括一个或多个核302。核302可以包括一个或多个算术逻辑单元(ALU)304。在一些示例中,除了ALU 304之外或代替于ALU 304,核302可以包括浮点逻辑单元(FPLU)306和/或数字信号处理单元(DSPU)308。
处理器300可以包括通信地耦合到核302的一个或多个寄存器312。可以使用专用逻辑门电路(例如,触发器)和/或任何存储器技术来实施寄存器312。在一些示例中,寄存器312可以使用静态存储器来实施。寄存器可以向核302提供数据、指令和地址。
在一些示例中,处理器300可以包括通信地耦合到核302的一个或多个水平的高速缓存存储器310。高速缓存存储器310可以向核302提供计算机可读指令以供执行。高速缓存存储器310可以提供数据以由核302处理。在一些示例中,计算机可读指令可能已经由本地存储器(例如,附接到外部总线316的本地存储器)提供给高速缓存存储器310。高速缓存存储器310可以用任何合适的高速缓存存储器类型来实施,例如金属氧化物半导体(MOS)存储器,诸如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)和/或任何其他合适的存储器技术。
处理器300可以包括控制器314,其可以控制从***中包括的其他处理器和/或部件(例如,图1中所示的控制面板252和扫描转换器230)到处理器300的输入和/或从处理器300到***中包括的其他处理器和/或部件(例如,图1中所示的显示器238和体积绘制器234)的输出。控制器314可以控制ALU 304、FPLU 306和/或DSPU 308中的数据路径。控制器314可以被实施为一个或多个状态机、数据路径和/或专用控制逻辑。控制器314的门可以被实施为独立门、FPGA、ASIC或任何其他合适的技术。
寄存器312和高速缓存310可以经由内部连接320A、320B、320C和320D与控制器314和核302通信。内部连接可以被实施为总线、多路复用器、纵横开关和/或任何其他合适的连接技术。
处理器300的输入和输出可以经由总线316提供,所述总线可以包括一条或多条导线。总线316可以通信地耦合到处理器300的一个或多个部件,例如控制器314、高速缓存310和/或寄存器312。总线316可以耦合到***的一个或多个部件,例如前面提到的显示器238和控制面板252。
总线316可以耦合到一个或多个外部存储器。外部存储器可以包括只读存储器(ROM)332。ROM 332可以是掩码ROM、电可编程只读存储器(EPROM)或任何其他合适的技术。外部存储器可以包括随机存取存储器(RAM)333。RAM 333可以是静态RAM、电池备份的静态RAM、动态RAM(DRAM)或任何其他合适的技术。外部存储器可以包括电可擦可编程只读存储器(EEPROM)335。外部存储器可以包括闪存334。外部存储器可以包括磁存储设备,例如磁盘336。在一些示例中,外部存储器可以包括在***中,例如图2中所示的超声成像***200,例如本地存储器242。
图4是根据本公开的示例的由图像处理器(诸如图1中所示的图像处理器236)执行的方法的流程图400。
在一些示例中,常规并排造影和组织图像的多帧回放(例如,图像序列)可以用作信号处理器的输入,如由框402所指示的。图像格式可以是DICOM、AVI、WMV、JPEG和/或其他格式。在一些示例中,基于图像域的处理可以被实施为离线处理特征。在一些应用中,图像可能以有限的动态范围进行对数压缩,因此,自适应CAI的图像域实施方式可能具有有限的性能。在一些示例中,自适应CAI也可以在IQ域(输入是IQ数据)或RF域(输入是RF数据)而不是以如4所示的多帧回放实施。在一些应用中,IQ数据和/或RF数据可以提供更好的性能(例如,更好的杂波抑制)。在使用IQ和/或RF数据的示例中,图像处理器可以从信号处理器和/或波束形成器接收数据,例如图1所示的信号处理器226和/或波束形成器222。
在框404处,图像处理器可以执行图像格式化。在一些示例中,处理多帧回放以分离组织图像和造影图像,使得它们可以被独立地处理,如由框406和408所指示的。组织和造影图像可以被适当地格式化以用于后续处理框。例如,红-绿-蓝(RGB)图像可以被转换为具有期望动态范围(例如,从0到1归一化)的灰度图像(或索引图像)。在一些示例中,图像处理器可以从不需要分离的单独成像流接收组织图像和造影图像。在对RF数据和/或IQ数据而不是多帧回放执行增强CAI的示例中,图像格式化可以包括分离由造影剂产生的信号和由组织产生的信号。
在框410处,可以对组织图像执行运动估计。可以通过运动估计方法(例如,散斑跟踪和/或光流)来估计针对每个图像像素的帧到帧位移。可以估计刚性运动(例如,平移和旋转)和非刚性运动(例如,变形)。可以将空间和/或时间平滑方法应用于组织图像的估计位移。
在方框412处,至少部分地基于在方框410处对组织图像执行的运动估计来执行运动补偿。在一些示例中,组织图像可以不用于运动估计,并且可以直接对造影图像执行上面参考框410讨论的运动估计技术。然而,在这些示例中,运动补偿可能不是那么鲁棒的。
任选地,在框414处,可以对造影图像执行杂波抑制滤波。这可以减少静止回波(特别是在近场中)、混响等的效应。杂波抑制滤波器可以被实施为基于有限脉冲响应(FIR)、无限脉冲响应(IIR)的高通滤波器(具有足够数量的系数延迟对(例如抽头))、多项式最小二乘曲线拟合滤波器和/或基于奇异值分解(SVD)的高通滤波器。可以优化滤波器参数以抑制大部分残余杂波但保留大部分造影信号。在一些示例中,可以使用自适应算法(诸如由Philips分发的VM6.0中的“组织抑制”特征)来执行在累积之前的组织杂波的移除,其中,组织和微泡之间的非线性差异用于在每帧的基础上掩蔽并且然后抑制包含组织的像素。在一些示例中,可以省略框414。
在运动补偿(和任选地杂波抑制)之后,可以在框416处执行自适应PSF细化技术。图5示出了根据本公开的示例的自适应细化的功能框图。如图5所示,自适应细化技术可以接收经运动补偿的组织图像(例如,在框410处生成的图像)、经运动补偿的造影图像(例如,在框412处生成的图像)和来自造影剂灌注定时器506的定时数据。在一些示例中,可以至少部分地基于经由用户接口(例如,用户接口252)接收的指示造影剂何时被注射的用户输入来生成定时数据。
在框508处,可以通过合适的图像分割技术来分割来自框502和504的图像。在一些示例中,可以单独使用造影图像来定义具有不同造影剂浓度的不同空间区域。在这些示例中,可以不分割组织图像。此外,可以对造影图像执行时间(慢时间)滤波,以基于慢时间频率分割出流速的不同空间区(即血管尺寸)。可以基于分割将不同的侵略性分配给不同的区,如下所述。
在框510处,可以分析分割的图像以生成在空间上自适应的侵略性参数。例如,侵略性参数可以至少部分地基于血管尺寸。图6A是具有斑块604的颈动脉602的图示,其可以使用CEUS来成像。在该示例中,低侵略性(例如,低值侵略性参数)可以用于颈动脉管腔606以保留计算能力,并且高侵略性可以用于斑块604以能够以高空间分辨率来可视化斑块604的内部微脉管***。
在空间上调整侵略性参数的另一示例中,侵略性可以至少部分地基于造影剂浓度。例如,大血管可以比较小的血管更早得多地灌注。因此,在早期,微泡的浓度在大血管中将高得多。可以设置信号强度阈值以使具有特定浓度的微泡的微血管可视化,使得大血管被掩蔽或其强度被降低以增强较小的血管。换句话说,具有高信号强度的区域可以被分配高值侵略性参数,并且具有低信号强度的区域可以被分配低值侵略性参数。在其他示例中,代替于单个阈值,函数可以定义侵略性参数如何随信号强度变化。
返回到图5,框512,造影剂灌注定时数据可以用于生成在时间上自适应的侵略性参数。例如,如图6B的曲线图600所示,侵略性参数可以随着造影剂灌注时间逐渐增加,以避免在早期灌注阶段的不连续且低灵敏度成像。在另一示例中,可以针对第一数量的帧(或第一时间间隔)将侵略性参数设置为最小值,其可以在造影剂到达成像区域之前,并且可以针对微泡的更好分辨率在第一数量的帧之后(或在第一时间间隔之后)将侵略性参数斜升到更高的值。在一些示例中,还可以基于侵略性来调节动态范围/亮度,以确保颜色图在侵略性参数随时间变化时是有效的。在一些示例中,还可以分析分割的图像以生成在时间上自适应的侵略性参数。
尽管本文描述的示例使用在空间上和在时间上自适应的侵略性参数两者,但是在其他示例中,侵略性参数可以仅在空间域或时间域中的一个中是自适应的。
返回到图5,框514,在空间上和在时间上自适应的侵略性参数被用于对造影图像执行自适应细化技术。在框516处,细化的造影图像被提供为输出。任何合适的细化技术可以与(一个或多个)自适应侵略性参数一起用于提供自适应细化技术。例如,使用形态学操作的技术和使用空间平滑或低通滤波的技术可以被使用。出于图示性目的,本文提供了若干示例合适的细化技术,但是本公开的原理不限于所提供的示例。
在第一示例细化技术中,使用图像腐蚀的形态学操作可以被使用。可以对造影回放的每个帧执行图像腐蚀,以腐蚀掉区域的边界并留下造影剂信号的缩小区。在该示例中,侵略性可以是结构化元素的尺寸(例如,侵略性参数定义结构化元素的尺寸)。结构化元素可以是用于将函数应用于图像帧的形状。结构化元素的形状在一些示例中可以是简单的正方形或矩形,但是在其他示例中可以是更复杂的形状。在该技术中,高侵略性参数(例如,具有高值的侵略性参数)对应于大尺寸的结构化元素。结构元素越大,边界被腐蚀掉越多,留下较小尺寸的剩余造影剂信号。低侵略性参数(例如,具有低值的侵略性参数)对应于较小尺寸的结构化元素,并且边界被腐蚀掉越少,留下较大尺寸的剩余造影剂信号区。结构化元素的尺寸可以在空间上和/或在时间上调整。
在一些示例中,图像腐蚀可以是基于所构建的结构化元素将灰度腐蚀算法应用于图像的每个帧。在该技术中,图像像素的腐蚀是图像像素在其邻域中的最小值,其中,该邻域由结构化元素定义。图像腐蚀操作的输出是框514的输出。
在一些示例中,图像腐蚀操作的输出可以被称为掩模(掩模)。掩模可以用0和1之间的值进行归一化。可以将指数的幂应用于掩模。框514的最终输出(输出)可以是原始输入(输入)和具有指数的归一化掩模的乘积,如下面的等式所示:
掩模=腐蚀(输入) 等式(1)
输出=输入×(归一化掩模)指数 等式(2)
除了结构化元素之外,指数(指数)可以用于控制侵略性参数。侵略性随着指数增加(例如,大于1)而增加。
在第二示例细化技术中,使用图像膨胀的形态学操作可以被使用。在该示例中,还使用了结构化元素,诸如参考第一示例描述的结构化元素。图像膨胀由以下公式提供:
输出是输出(例如,细化)图像,并且输入是输入图像(例如,来自框502的造影图像)。输出图像等于输入图像除以在膨胀操作之后的输入图像。在该示例中,侵略性可以再次是图像膨胀的结构化元素的尺寸。在高侵略性(大尺寸的结构化元素)的情况下,更多的边界被放大,留下剩余造影剂信号的较小区域。在低侵略性(较小尺寸的结构化元素)的情况下,更少的边界被放大,留下剩余造影剂信号的较大区域。结构化元素的尺寸可以在空间上和/或时间上调整。膨胀技术可以应用于每个帧。
在一些示例中,图像膨胀可以是灰度膨胀算法。在该算法中,图像像素的膨胀是图像像素在其邻域中的最大值,其中,该邻域由结构化元素定义。在膨胀操作之后,PSF根据侵略性参数(结构化元素的尺寸)扩展到更大的尺寸。该步骤的输出(图像的每个帧)在等式3中被称为膨胀(输入)。输入图像然后可以基于膨胀输出来缩放。根据等式3,输入图像利用膨胀步骤的输出来缩放。具体地,输出图像的每个像素输出(x,y)是图像像素输入(x,y)与对应缩放因子1/[膨胀(输入)(x,y)]的乘积。由于缩放因子,输出PSF根据侵略性参数收缩到更小的尺寸。任选地,可以将归一化步骤应用于输出以移除异常值(例如,无限元素),并将输出动态范围归一化到某些极限。
在图7中示出了根据本公开的示例的具有不同侵略性参数(例如,不同尺寸的结构化元素)的基于图像膨胀的细化的示例。图像700、702和704是在造影剂灌注的早期动脉阶段期间的人类肝脏病变701的CEUS图像。通过利用低值侵略性参数执行图像膨胀来获得图像700。经调整的(例如,经调节的、经整形的)PSF具有比原始PSF(未示出)稍微更小的尺寸。通过利用中值侵略性参数执行图像膨胀来获得图像702。经调整的PSF具有比原始PSF和图像700的PSF更小的尺寸。通过用高值侵略性参数执行图像膨胀来获得图像704。经调整的PSF具有比原始PSF以及图像700和702的PSF小得多的尺寸。
类似于描述图像腐蚀的第一示例,等式3的输出可以被称为掩模,其可以被归一化并提升到可以用于控制如等式2所描述的侵略性的指数。然后,框514的最终输出可以是原始图像乘以具有指数的归一化掩模,如等式2所描述的。
在第三示例中,可以使用空间平滑细化技术。空间平滑可以通过以下等式来描述:
输出是输出(例如,细化)图像,并且输入是输入图像(例如,来自框502的造影图像)。输出图像等于输入图像除以在空间平滑操作之后的输入图像。在该示例中,侵略性可以是用于空间平滑的平滑内核的尺寸。高侵略性参数对应于大的平滑内核尺寸(例如,8×8),并且更多的边界被平滑,留下较小尺寸的剩余造影信号区域。低侵略性参数对应于较小的平滑内核尺寸(例如,3×3),并且更少的边界被平滑,留下较大尺寸的剩余造影信号区域。生成平滑内核可以类似于生成上述结构化元素。在一些示例中,平滑内核的形状可以是简单的正方形或矩形。平滑内核的尺寸可以在时间上和/或空间上调整。
空间平滑操作的输出(等式4的平滑(输入))可以是输入图像与平滑内核之间的2D空间卷积的结果。在一些示例中,如果平滑内核的滤波器系数是1(例如,所有元素具有1的值),则空间平滑可以被简化为2D移动平均。如果平滑内核的滤波器系数基于某些分布(例如,2D高斯分布),则空间平滑可以是加权移动平均。在平滑操作之后,PSF根据侵略性扩展到更大的尺寸。该步骤的输出(图像的每个帧)在等式4中被称为平滑(输入)。输入图像然后可以基于平滑输出来缩放。根据等式4,输入图像利用平滑步骤的输出来缩放。具体地,输出图像的每个像素输出(x,y)是图像像素输入(x,y)与对应缩放因子1/[平滑(输入)(x,y)]的乘积。由于缩放因子,输出PSF根据侵略性参数收缩到更小的尺寸。任选地,可以将归一化步骤应用于输出以移除异常值(例如,无限元素),并将输出动态范围归一化到某些极限。
类似于描述形态学操作的示例,等式4的输出可以被称为掩模,其可以被归一化并提升到可以用于控制如等式2中所描述的侵略性的指数。然后,框514的最终输出可以是原始图像乘以具有指数的归一化掩模,如等式2中所描述的。
在第四示例中,可以使用低通滤波器(LPF)细化技术。LPF技术可以通过以下等式来描述:
输出是输出(例如,细化)图像,输入是输入图像(例如,来自框502的造影图像)。输出图像等于输入图像除以在空间平滑操作之后的输入图像。在该示例中,侵略性可以是空间LPF的截止空间频率。高侵略性参数对应于较低的截止频率,并且更多的边界被滤波,留下较小尺寸的剩余造影信号区域。低侵略性参数对应于较高的截止频率,并且更少的边界被过滤,留下较大尺寸的剩余造影信号区域。截止频率可以在空间上和/或在时间上调整。
对输入图像执行2D空间快速傅里叶变换(FFT)。然后将LPF应用于FFT的输出。该步骤移除和/或抑制输入图像的高空间频率分量(例如,截止频率以上的空间频率分量)。然后对经滤波的图像执行逆FFT,其将图像从频域带回到图像(例如,空间)域。因为高频分量已经被移除和/或抑制,因此PSF根据侵略性扩展到更大的尺寸。该步骤的输出在等式5中被称为LPF(输入)。输入图像然后可以基于LPF输出来缩放。根据等式5,输入图像利用LPF步骤的输出来缩放。具体地,输出图像的每个像素输出(x,y)是图像像素输入(x,y)与对应缩放因子1/[LPF(输入)(x,y)]的乘积。由于缩放因子,输出PSF根据侵略性参数收缩到更小的尺寸。任选地,可以将归一化步骤应用于输出以移除异常值(例如,无限元素),并将输出动态范围归一化到某些极限。
类似于描述形态学操作的示例,等式5的输出可以被称为掩模,其可以被归一化并提升到可以用于控制如等式2中所描述的侵略性的指数。然后,框514的最终输出可以是原始图像乘以具有指数的归一化掩模,如等式2中所描述的。
本文提供的示例仅用于说明性目的,并且可以使用其他自适应细化技术。例如,可以使用多分辨率棱锥体分解、斑点检测和/或管检测图像处理技术。利用所有细化技术,所使用的侵略性参数可以在空间上和/或在时间上变化。
返回到图4,在框418处,可以对来自框416的细化成像输出(例如,图5中的框516的图像)执行时间累积(例如,组合多个顺序图像帧)。在一些示例中,可以针对多帧回放中的所有图像执行时间累积以提供无限时间窗口。在其他示例中,可以在时间域处针对移动窗口执行时间累积以提供有限时间窗口。时间累积窗口(例如,平均积分窗口)可以被设置为不超过某一时间间隔(例如,1秒、5秒、10秒、30秒)。时间累积可以提供最终的自适应CAI图像序列,其可以被称为高分辨率图像回放,如由框420所指示的。
可以使用任何适当的时间累积方法。出于说明性目的,本文提供了两个示例,但是本公开的原理不限于所提供的示例。在一些示例中,峰值保持或最大强度投影方法可以用于时间累积。在该方法中,最终CAI图像帧仅示出每个图像像素处的所有先前输入帧之中的最大强度。为了说明,下面提供了示例MATLAB算法:
输入和输出回放具有相同的维度[Nz,Nx,Nt],其中,Nz是轴向维度,Nx是横向维度,并且Nt是时间的(时间)维度。
在一些示例中,可以使用利用指数校正或平均强度投影的平均。最终CAI图像帧示出了每个图像像素处的所有先前输入帧之间的时间平均强度(利用指数校正)。为了图示,下面提供了示例MATLAB算法:
expCoef是用于校正自适应CAI图像(例如,输出回放)的最终序列的动态范围的指数系数,其通常被设置为0.5,但是可以基于超声成像***(例如,成像***100)的性质和/或检查类型来调节。
如参考图2所指出的,在一些示例中,用户可以经由用户接口(例如,用户接口252)提供输入来选择所使用的自适应细化技术和/或具有对用于生成最终自适应CAI图像序列的细化技术的其他控制。也就是说,在一些示例中,用户可以具有对参考图4和5描述的方法的控制。
在一些示例中,用户可以手动控制和/或重写自适应PSF细化/骨架化步骤的侵略性参数。例如,在处理完成(例如,已经执行了图4-5中所示的框)之后,用户可以通过操纵用户控件来查看具有不同侵略性参数的结果(例如,最终CAI图像序列/高分辨率回放)。
在一些示例中,在自适应PSF细化/骨架化框416处,可以应用多个水平的经调整的侵略性参数,并且可以存储结果(例如,在本地存储器242中)以用于相同的下游处理(例如,框418)。用户可以在不重新处理数据集的情况下查看具有不同侵略性水平的结果。在其他示例中,代替于在框416处在多个侵略性水平下计算输出回放的不同版本,可以在常规CAI图像(例如,框502处的图像)与每个像素和帧处的高度细化(例如,高侵略性参数)自适应CAI图像之间执行混合算法。用户可以调节两个结果之间的混合比率以实现最佳混合图像。在一些示例中,原始图像可基于一或多个权重与其自身的细化版本组合。在一些示例中,权重可以根据时间变化。例如,可以将相同的细化操作应用于序列(例如,回放)的所有图像帧,并且图像可以通过将原始图像的权重(例如,百分比)与细化图像的权重加和来贡献于时间累积过程,其中,权重对于第一组帧可以是高的(例如,90-100%),并且对于后续帧逐渐减小(例如,降至10-0%)。
图8示出了常规CAI图像和根据本公开的示例的自适应CAI图像。图像800和802是人类甲状腺的CEUS图像。使用常规CAI技术(例如,组合回放中的两个或更多个顺序图像帧)生成图像800。使用根据本公开的原理的自适应细化技术生成图像802。图像802提供了更大和更小灌注区两者的更好可视化。例如,在区域804中,图像800遭受灌注区的饱和和模糊。在图像802中,减少了饱和和模糊,提供了灌注区域804的更清楚视图。在另一示例中,区域806在图像800中具有模糊,使得难以看到个体血管。然而,在图像802中,可以更清楚地看到区域806中的微脉管***。
图9示出了常规CAI图像和根据本公开的示例的自适应CAI图像。图像900和902是包括病变901的人类肝脏的CEUS图像。使用常规CAI技术(例如,组合回放中的两个或更多个顺序图像帧)生成图像900。使用根据本公开的原理的自适应细化技术生成图像902。图像902提供了更大和更小灌注区两者的更好可视化。例如,与图像900相比,在图像902中可以更清楚地辨别病变900内的微脉管***。在另一示例中,大血管904和906在图像900中遭受显著的模糊和饱和。在图像902中,饱和度减小,并且血管904和906的形状被更清楚地限定。
本文描述了用于执行自适应CAI技术的***和方法。自适应CAI技术可以调整(例如,调节、改变)PSF细化/骨架化技术的侵略性参数。侵略性参数可以在空间上和/或在时间上调整。调整侵略性参数可以允许自适应CAI技术提供改进的可视化。在一些应用中,本文公开的自适应细化技术可以允许CAI图像帧内的高强度信号和低强度信号(例如,高灌注和低灌注区、大血管和小血管)两者的改进的可视化。
在使用诸如基于计算机的***或可编程逻辑的可编程器件来实施部件、***和/或方法的各种实施例中,应该意识到,上述***和方法可以使用诸如“C”、“C++”、“FORTRAN”、“Pascal”,“VHDL”等的各种已知或以后开发的编程语言来实施。相应地,可以准备各种存储介质,诸如磁性计算机盘、光盘、电子存储器等,其可以包含可以引导诸如计算机的设备以实施上述***和/或方法的信息。一旦适当的设备访问存储介质上包含的信息和程序,存储介质就可以向设备提供信息和程序,从而使设备能够执行本文所述的***和/或方法的功能。例如,如果向计算机提供包含适当材料(诸如源文件、目标文件、可执行文件等)的计算机磁盘,则计算机可以接收该信息,适当地配置其自身并执行在上面的图和流程图中概述的各种***和方法的功能以实施各种功能。也就是说,计算机可以从磁盘接收涉及上述***和/或方法的不同元件的信息的各个部分,实施个体***和/或方法并且协调以上所描述的个体***和/或方法的功能。
鉴于本公开,应注意,本文描述的各种方法和设备可以以硬件、软件和/或固件来实施。此外,各种方法和参数仅通过示例而不是以任何限制意义被包括。鉴于本公开,本领域普通技术人员可以实施本教导以确定它们自己的技术和实现这些技术所需要的装备,同时保持在本发明的范围内。本文描述的处理器中的一个或多个的功能可以被并入到更少数量的或单个处理单元(例如,CPU)中,并且可以使用专用集成电路(ASIC)或响应于执行本文描述的功能的可执行指令而被编程的通用处理电路来实施。
尽管本***可能已经特别参考超声成像***进行了描述,但也设想了,本***可以扩展到其中以***性方式获得一幅或多幅图像的其他医学成像***。因此,本***可用于获得和/或记录与肾脏、睾丸、***、卵巢、子宫、甲状腺、肝、肺、肌肉骨骼、脾脏、心脏、动脉和血管***有关但不限于此的图像信息,以及与超声引导的介入有关的其他成像应用。此外,本***还可以包括可以与常规成像***一起使用的一个或多个程序,使得它们可以提供本***的特征和优点。本公开的某些额外优点和特征对本领域技术人员而言在研究本公开内容后能够显而易见,或者可以由采用本公开的新颖***和方法的人员体验。本***和方法的另一优点可以是常规医学图像***可以容易地升级以并入本***、设备和方法的特征和优点。
当然,要意识到,本文描述的范例、示例或过程中的任一个可以与一个或多个其他范例、示例和/或过程组合,或者在根据本***、设备和方法的单独设备或设备部分中间分离和/或执行。
最后,上述讨论仅仅旨在说明本***和方法,而不应被解释为将权利要求限制为任何特定示例或示例组。因此,尽管已经参考示例性示例具体详细地描述了本***,但是应该意识到,可以由本领域普通技术人员设计出许多修改和备选示例,而不偏离如在以下权利要求中阐述的本***和方法的更广泛和预期的精神和范围。因此,说明书和附图要以说明性的方式来看待,而不是旨在限制权利要求书的范围。
Claims (20)
1.一种超声成像***,包括:
超声探头,其用于接收针对多个发射/接收事件的超声信号;以及
至少一个处理器,其与所述超声探头通信,所述至少一个处理器被配置为:
对针对所述多个发射/接收事件的所述超声信号执行自适应细化技术,其中,所述自适应细化技术至少部分地基于在时间域或空间域中的至少一项中调整的侵略性参数;并且
在时间上对所述自适应细化技术被执行的针对所述多个发射/接收事件的所述超声信号进行累积,以生成自适应对比度累积图像。
2.根据权利要求1所述的超声成像***,还包括波束形成器,其中,所述超声信号对应于由所述波束形成器提供给所述至少一个处理器的射频数据。
3.根据权利要求1所述的超声成像***,还包括信号处理器,其中,所述超声信号对应于由所述信号处理器提供给所述至少一个处理器的IQ数据。
4.根据权利要求1所述的超声成像***,还包括用户接口,其中,所述用户接口被配置为接收指示要用作所述自适应细化技术的技术类型的用户输入。
5.根据权利要求4所述的超声成像***,其中,所述技术类型是形态学操作技术。
6.根据权利要求4所述的超声成像***,其中,所述技术类型是空间平滑技术或低通滤波技术。
7.根据权利要求1所述的超声成像***,还包括用户接口,其中,所述用户接口被配置为接收指示所述侵略性参数被调整的方式的用户输入。
8.根据权利要求7所述的超声成像***,其中,所述方式包括在与所述多个发射/接收事件中的至少一个发射/接收事件的所述超声信号相对应的图像的不同位置中应用所述侵略性参数的不同值。
9.根据权利要求7所述的超声成像***,其中,所述方式包括至少部分地基于造影剂被注射在对象中的时间来应用所述侵略性参数的不同值,所述超声信号是从所述对象接收的。
10.一种方法,包括:
接收多幅对比度增强超声图像;
对所述多幅对比度增强超声图像中的个体对比度增强超声图像执行自适应细化技术,其中,所述自适应细化技术至少部分地基于在时间域或空间域中的至少一项中调整的侵略性参数;并且
在时间上对所述多幅超声图像中的所述个体超声图像中的至少两幅超声图像进行累积,以提供自适应对比度累积图像。
11.根据权利要求10所述的方法,还包括:
接收多幅组织超声图像;
对所述多幅组织超声图像中的个体组织超声图像执行运动估计;并且
在执行所述自适应细化技术之前,至少部分地基于所述运动估计对所述多幅对比度增强超声图像中的个体对比度增强超声图像执行运动补偿。
12.根据权利要求10所述的方法,还包括分割所述多幅对比度增强超声图像中的至少一幅对比度增强超声图像以定义如何在所述空间域中调整所述侵略性参数。
13.根据权利要求10所述的方法,还包括:
从造影剂灌注定时器接收定时数据;并且
基于所述定时数据在所述时间域中调整所述侵略性参数。
14.根据权利要求10所述的方法,其中,所述自适应细化技术是图像腐蚀技术,其中,所述侵略性参数定义所述腐蚀技术的结构化元素的尺寸。
15.根据权利要求10所述的方法,其中,所述自适应细化技术是图像膨胀技术,其中,所述侵略性参数定义所述膨胀技术的结构化元素的尺寸。
16.根据权利要求10所述的方法,其中,所述自适应细化技术是空间平滑技术,其中,所述侵略性参数定义平滑内核的尺寸。
17.根据权利要求10所述的方法,其中,所述自适应细化技术是低通滤波技术,其中,所述侵略性参数定义低通滤波器的截止频率。
18.根据权利要求10所述的方法,其中,在时间上累积包括生成最大强度投影。
19.根据权利要求10所述的方法,其中,在时间上累积包括生成平均强度投影。
20.一种编码有可执行指令的非瞬态计算机可读介质,所述可执行指令当被运行时使超声成像***:
接收多幅对比度增强超声图像;
对所述多幅对比度增强超声图像中的个体对比度增强超声图像执行自适应细化技术,其中,所述自适应细化技术至少部分地基于在时间域或空间域中的至少一项中调整的侵略性参数;并且
在时间上对所述多幅超声图像中的所述个体超声图像中的至少两幅超声图像进行累积,以提供自适应对比度累积图像。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962938554P | 2019-11-21 | 2019-11-21 | |
US62/938,554 | 2019-11-21 | ||
PCT/EP2020/082512 WO2021099372A1 (en) | 2019-11-21 | 2020-11-18 | Systems and methods for adaptive contrast imaging |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114727805A true CN114727805A (zh) | 2022-07-08 |
Family
ID=73476163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080080796.XA Pending CN114727805A (zh) | 2019-11-21 | 2020-11-18 | 用于自适应造影成像的***和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220409182A1 (zh) |
EP (1) | EP4061235B1 (zh) |
CN (1) | CN114727805A (zh) |
WO (1) | WO2021099372A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131589A (zh) * | 2022-08-31 | 2022-09-30 | 天津艺点意创科技有限公司 | 一种互联网文创作品智能设计的图像生成方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170446B (zh) * | 2022-09-06 | 2022-11-18 | 聊城市洛溪信息科技有限公司 | 基于形态学处理的自适应钣金图像增强方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20190192229A1 (en) * | 2017-11-21 | 2019-06-27 | The Charles Stark Draper Laboratory, Inc. | System and method for guiding invasive medical treatment procedures based upon enhanced contrast-mode ultrasound imaging |
-
2020
- 2020-11-18 US US17/777,891 patent/US20220409182A1/en active Pending
- 2020-11-18 CN CN202080080796.XA patent/CN114727805A/zh active Pending
- 2020-11-18 EP EP20808394.9A patent/EP4061235B1/en active Active
- 2020-11-18 WO PCT/EP2020/082512 patent/WO2021099372A1/en unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131589A (zh) * | 2022-08-31 | 2022-09-30 | 天津艺点意创科技有限公司 | 一种互联网文创作品智能设计的图像生成方法 |
CN115131589B (zh) * | 2022-08-31 | 2022-11-22 | 天津艺点意创科技有限公司 | 一种互联网文创作品智能设计的图像生成方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220409182A1 (en) | 2022-12-29 |
EP4061235B1 (en) | 2024-06-12 |
EP4061235A1 (en) | 2022-09-28 |
WO2021099372A1 (en) | 2021-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5087206B2 (ja) | スペックル低減フィルタの実行方法 | |
US11481880B2 (en) | Power doppler imaging system and method with improved clutter suppression | |
US20220071596A1 (en) | Systems and methods for contrast enhanced imaging | |
JP6242025B2 (ja) | 超音波撮像装置及び超音波画像表示方法 | |
US20230329669A1 (en) | System and method for concurrent visualization and quantification of blood flow using ultrasound vector flow imaging | |
EP4061235B1 (en) | Systems and methods for adaptive contrast imaging | |
US8047991B2 (en) | Automatic identification of orientation in medical diagnostic ultrasound | |
CN114615937A (zh) | 用于血管成像的***和方法 | |
US20220398725A1 (en) | Systems and methods for color mappings of contrast images | |
EP4114270B1 (en) | Systems and methods for vascular rendering | |
EP4119060A1 (en) | Apparatuses, systems and methods for spectral pulse wave doppler ultrasound measurements | |
CN113950291A (zh) | 散斑减少的方法和*** | |
EP4172652A1 (en) | Systems and methods for grating lobe reduction in ultrasound imaging |
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 |