CN116761546A - 用于监测肝纤维化的磁共振和超声剪切波弹性成像的增强解读的装置和方法 - Google Patents

用于监测肝纤维化的磁共振和超声剪切波弹性成像的增强解读的装置和方法 Download PDF

Info

Publication number
CN116761546A
CN116761546A CN202280012048.7A CN202280012048A CN116761546A CN 116761546 A CN116761546 A CN 116761546A CN 202280012048 A CN202280012048 A CN 202280012048A CN 116761546 A CN116761546 A CN 116761546A
Authority
CN
China
Prior art keywords
imaging modality
value
imaging
elastography
elasticity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202280012048.7A
Other languages
English (en)
Inventor
S·萨迪吉
C·埃里克
J·克吕克尔
谢华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN116761546A publication Critical patent/CN116761546A/zh
Pending legal-status Critical Current

Links

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
    • A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4222—Evaluating particular parts, e.g. particular organs
    • A61B5/4244—Evaluating particular parts, e.g. particular organs liver
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/465—Displaying means of special interest adapted to display user selection data, e.g. icons or menus
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
    • G01R33/4814—MR combined with ultrasound
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56358—Elastography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Psychiatry (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Endocrinology (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Theoretical Computer Science (AREA)
  • Vascular Medicine (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种用于第一成像模态与第二成像模态之间的剪切波弹性成像的增强解读的方法和***(100)包括：经由不同于第一成像模态(10)的第二成像模态(20)执行弹性成像测量，以获得感兴趣区域(33)的至少一个第二成像模态弹性成像值(32、60)。基于所获得的第二成像模态弹性成像值(32)来预测至少一个对应的第一成像模态弹性成像值(36、38、62)。生成图形用户界面或智能报告面板(50)，所述图形用户界面或智能报告面板示出(i)所述感兴趣区域的纤维化水平(521)，其中，所述纤维化水平根据(i)(a)所述至少一个第二成像模态弹性成像值(32)和/或(i)(b)所预测的至少一个对应的第一成像模态弹性成像值(36、38)来确定。

Description

用于监测肝纤维化的磁共振和超声剪切波弹性成像的增强解 读的装置和方法
技术领域
本发明的实施例总体上涉及弹性成像，并且更具体地，涉及用于监测肝纤维化的磁共振和超声剪切波弹性成像的增强解读的装置及其方法。
背景技术
肝病是美国第十二大死亡原因。肝脏疾病(诸如乙型肝炎、丙型肝炎和非酒精性脂肪性肝病(NAFLD))的各种病因引起肝脏中的疤痕形成。如果疤痕保持未被处置，它可以导致肝纤维化，其是肝脏疾病的晚期阶段。肝纤维化由肝脏的慢性损伤以及细胞外基质蛋白的积累引起。如果不进行处置，纤维化可以进一步进展为肝硬化、肝癌、肝衰竭和死亡。因此，准确地诊断和监测肝纤维化是至关重要的。
肝纤维化诊断的目前金标准是肝活组织检查，但存在与活组织检查相关联的若干限制。肝活检是侵入性的，并且它引起焦虑。在一些极端情况下，诸如活检后出血和肝破裂的并发症可能导致具有合并症的患者的死亡。因此，期望开发一种用于肝纤维化评估和处置监测的非侵入性且准确的测量工具以便更好的患者管理。
剪切波弹性成像已经展示为非侵入性测量软组织硬度的有希望的工具。超声剪切波弹性成像(UE)和磁共振剪切波弹性成像(MRE)都是用于诊断和监测肝纤维化的定量成像技术。现在参考图1，图示了用于磁共振剪切波弹性成像的***10的高级***设置概述。对于MRE，患者被放置在MRI扫描器12的平台上。被动驱动器/换能器14相对于感兴趣区域16被定位在患者身上。然后在执行弹性成像测量期间将患者约束在MRI扫描器内。另外，关于MRE，使用被动驱动器将低频(对于肝脏为～60Hz)的连续声振动传输到对象的感兴趣区域(例如，腹部)中，从而产生具有窄频率带宽的谐波，这意味着波能量集中在期望的频率。在图1的底部图示了经由MRE获得的具有纤维化阶段的对应指定的六个不同硬度图(由附图标记18共同指定)的示例。观察MRE硬度图，在图1中从左到右(即，随着纤维化水平的增加)，相应的纤维化阶段指定包括F0：正常(无纤维化)；F1：无隔膜的门静脉纤维化；F2：具有罕见隔膜的门静脉纤维化；F3：无肝硬化的大量隔膜；F4：肝硬化。
现在转到图2，图示了用于超声剪切波弹性成像的***20的***设置概览。不同于MRE方法的UE方法使用高强度短持续时间超声“推动”脉冲来生成具有宽频谱的剪切波。在UE方法的激励步骤，难以准确地控制波的能量如何在该宽频谱内分布。在图2中还图示了经由UE获得的硬度图(由附图标记22指定)的一个示例，其中，在硬度图的右上部分中具有对应的颜色编码的硬度标度24。
超声成像供应商使用飞行时间(time-of-F1ight)方法从宽的带宽重建类似于群速度的剪切波速度，这也是供应商相关的。由于剪切波频率、所选择的组织粘弹性力学模型和时间延迟估计方法的差异，由超声***报告的类剪切波群速度(m/s)和随后的硬度值(kPa)与由MRE测量的速度或硬度值(kPa)不匹配。这些差异使得MRE和UE硬度测量不可互换，并且因此难以直接比较利用UE和MRE获得的测量。
已知没有任何国际临床组织提出选择弹性成像方法(UE或MRE)用于诊断和监测肝纤维化的指南。MRE在健康个体和肝纤维化患者中是高度可再现的。此外，MRE在诊断肝纤维化方面具有比UE更高的成功率(对于MRE的93％对比对于UE的82％)。此外，MRE具有更鲁棒的量化性能，即，由于其更高的剪切波SNR、3D体积成像，并且通过评估更大比例的肝脏，这可以降低采样可变性。然而，MRE具有一些限制。需要额外的时间用于定位被动驱动器，并且换能器在一些患者中引起不适。
与MRE相比，UE更便宜、更快、高度便携并且可广泛获得，并且已经在全世界的许多临床中心中独立验证了它。还有不能访问MRI扫描器的临床站点，并且一些患者更喜欢不经历MRE，这同样是由于在MR扫描器中受到约束。在这些情况下，由于更高的临床价值，UE在肝纤维化的监测阶段期间优于MRE。因此，根据临床研究所***的可用性、患者舒适度水平和护理的成本，MRE或UE对于肝纤维化的诊断和监测是优选的。
尽管MRE和UE都用于肝纤维化诊断，但是由于MRE和UE之间的上述技术差异，使用相同的图像模态对于给定患者的测量随时间的监测和一致性是优选的。使用相同的图像模态确保了随时间的硬度变化仅是病理性的并且是由于患者相关因素，而不是由于MRE和UE之间的技术差异(激发频率、仪器相关依赖性和后处理算法)。然而，MRE是昂贵的，并且在若干时间点处执行MRE测量或用于肝脏监测的随访检查给患者带来了显著的经济负担。考虑到与MRE相比UE的更低成本和更广泛的可用性，期望使用UE用于后续肝纤维化监测。此外，一些儿科和老年患者可能在MRI扫描中感到不适，这可能使MRE检查更具挑战性和耗时(即，大量运动和重复测量)。
因此，期望一种用于克服本领域中的问题的改进的方法和装置。还期望提供一种用于肝纤维化评估和处置监测以便更好的患者管理的非侵入性且准确的测量工具，并且消除对一种成像模态的依赖性。
发明内容
根据一个方面，本发明的实施例通过1)仅通过执行UE测量来预测对应的MRE硬度值和置信度水平(或分数)并且2)提供示出纤维化阶段、置信度分数、曲线图和表格上的硬度值的变化以及原始和预测的肝纤维化的硬度图的智能面板来弥合(bridging)用于监测肝纤维化的MRE与UE之间的差距。
根据一个实施例，一种用于第一成像模态与第二成像模态之间的剪切波弹性成像的增强解读的方法包括：经由不同于第一成像模态的第二成像模态执行弹性成像测量，以获得感兴趣区域的至少一个第二成像模态弹性成像值。所述方法还包括经由处理器仅基于所获得的第二成像模态弹性成像值来预测至少一个对应的第一成像模态弹性成像值。在预测之后，所述方法包括经由所述处理器和显示器生成图形用户界面或智能报告面板，所述图形用户界面或智能报告面板包括或示出(i)所述感兴趣区域的纤维化水平，其中，所述纤维化水平根据(i)(a)所述至少一个第二成像模态弹性成像值和/或(i)(b)所预测的至少一个对应的第一成像模态弹性成像值来确定。
在一个实施例中，所述第二成像模态中在(i)磁共振剪切波弹性成像(MRE)与(ii)超声剪切波弹性成像(UE)之间选择的。所述第一成像模态包括所述第二成像模态的未选择的成像模态。由于每个相应成像模态的激励频率和后处理算法的技术差异，经由所述第二成像模态获得的弹性成像值与经由所述第一成像模态获得的弹性成像值不可比较。
根据实施例，所述至少一个第二成像模态弹性成像值和所述至少一个对应的预测的第一成像模态弹性成像值均包括(i)硬度图和(ii)以kPa为单位的硬度值中的一个或多个。例如，硬度值包括相应硬度图的平均值。在另一实施例中，所述方法包括：经由所述处理器来预测与所述至少一个第二成像模态弹性成像值有关的置信度分数，其中，所述预测的置信度分数包括基于所述第二成像模态弹性成像测量的多个纤维化水平F0-F4中的每个的置信度百分比中的最高置信度百分比；并且经由处理器基于具有最高置信度百分比的纤维化水平来选择预测的纤维化水平。
根据又一实施例，所述智能报告面板还包括(或示出)(ii)所述感兴趣区域的初始基线纤维化水平。所述基线纤维化水平基于经由所述第一成像模态执行的基线弹性成像测量以获得所述感兴趣区域的至少一个基线第一成像模态弹性成像值来确定。在一个实施例中，所述基线弹性成像测量在经由所述第二成像模态的所述弹性成像测量之前执行。在又一实施例中，所述智能报告面板还包括(或示出)(iii)以下项之间的弹性成像值的百分比变化：(iii)(a)基于所获得的至少一个第二成像模态弹性成像值预测的至少一个第一成像模态弹性成像值与(iii)(b)所述至少一个基线第一成像模态弹性成像值。另外，所述智能报告面板还包括(示出)：(iv)所述感兴趣区域的所述至少一个第二成像模态弹性成像值，(v)所述感兴趣区域的预测的至少一个对应的第一成像模态弹性成像值，以及(vi)与所述至少一个第二成像模态弹性成像值有关的置信度分数。所述置信度分数是0％与100％之间的百分比，并且表示基于所述至少一个第二成像模态弹性成像值的所述纤维化水平的置信度水平。
在一个实施例中，预测所述至少一个对应的第一成像模态弹性成像值包括发起基于深度学***的实时分类或所述纤维化水平的置信度水平。
根据另一实施例，一种用于第一成像模态与第二成像模态之间的剪切波弹性成像的增强解读的***包括输入端和控制器，所述输入端用于接收从第二成像模态获得的与弹性成像测量有关的成像数据，所述控制器被配置为经由不同于第一成像模态的第二成像模态来执行弹性成像测量，以获得感兴趣区域的至少一个第二成像模态弹性成像值。所述控制器还被配置为仅基于所获得的第二成像模态弹性成像值来预测至少一个对应的第一成像模态弹性成像值。在预测之后，所述控制器还被配置为生成图形用户界面或智能报告面板，所述图形用户界面或智能报告面板包括(或示出)(i)所述感兴趣区域的纤维化水平，其中，所述纤维化水平根据(i)(a)所述至少一个第二成像模态弹性成像值和/或(i)(b)所预测的至少一个对应的第一成像模态弹性成像值来确定。所述***还包括显示器，所述显示器与所述控制器通信以显示所述智能报告面板。
在阅读和理解了以下详细描述后，本领域技术人员将明白其他优点和益处。
附图说明
本公开的实施例可以采用各种部件和各种部件的布置，以及各个步骤和各个步骤的安排的形式。因此，附图是出于说明各种实施例的目的，而不应被解释为限制实施例。在附图中，相同的附图标记表示相同的元件。应注意，附图可以不按比例进行绘制。
图1是用于磁共振剪切波弹性成像(MRE)的方法的说明性流程图；
图2是用于超声剪切波弹性成像(UE)的方法的说明性流程图；
图3是指示通过MRE获得的剪切模量(即硬度)的图形说明；
图4是指示通过UE获得的剪切模量的图形说明；
图5是根据本公开的实施例的仅基于获得的或测量的第二成像模态弹性成像值来预测对应的第一成像模态弹性成像值的步骤的说明性流程图。为了清楚起见，在图5A、5B和5C中再现了流程图视图的部分；
图6是根据本公开的实施例的预测置信度分数的步骤的说明性流程图。为了清楚起见，在图6A、6B和6C中再现了流程图的部分，其中，预测的置信度分数涉及经由第二成像模式获得或测量的弹性成像值；
图7是根据本公开的实施例的智能报告面板的说明性图形用户界面视图，其中，为了清楚起见，图7在图7续图的表单上继续。另外，为了清楚起见，在图7A和7B中再现了流程图视图的部分；并且
图8是根据本公开的实施例的用于第一和第二成像模态之间的剪切波弹性成像的增强解读的***的框图视图。
具体实施方式
参考附图中描述和/或图示的并在以下描述中详述的非限制性示例来更充分地解释本公开的实施例及其各种特征和有利细节。应当注意，附图中示出的特征不一定是按比例绘制的，并且如本领域技术人员将认识到的，一个实施例的特征可以与其他实施例一起使用，即使本文未明确说明也是如此。可以省略对公知部件和处理技术的描述，以免不必要地淹没本公开的实施例。本文使用的示例仅旨在便于理解可以实践本发明的实施例的方式，并且进一步使得本领域技术人员能够实践本发明的实施例。因此，本文的示例不应被解释为限制本公开的实施例的范围，本公开的实施例的范围仅由权利要求和适用法律来限定。
应当理解，本公开的实施例不限于本文中描述的特定方法、协议、设备、装置、材料、应用等，因为这些都可以变化。还应理解，本文中使用的术语仅用于描述特定实施例的目的，并不旨在限制所要求保护的实施例的范围。必须注意，如本文和权利要求中所使用的单数形式的“一”、“一个”和“所述”包括复数指代，除非上下文另有明确说明。
除非另有定义，否则本文使用的所有科学技术术语具有与本公开的实施例所属领域的普通技术人员通常理解的含义相同的含义。描述了优选的方法、设备和材料，但是与本文描述的这些方法和材料类似或等同的任何方法和材料也能够用于实践或测试实施例。
为了更全面地理解本公开的实施例，我们首先考虑本领域已知的由实施例克服的至少两个问题/限制，如下文所讨论的。关于第一个问题，虽然在UE和MRE中存在用于从肝活检导出的肝纤维化分期的硬度截止值作为真实情况，但是在同一患者上的MRE和UE中的硬度值是不可比较的。例如，图3图示了针对磁共振剪切波弹性成像MRE的硬度(kPa)对比肝纤维化水平(F0，F1，F2，F3和F4)的曲线图110。关于曲线图110，左侧垂直标度112包括以kPa为单位的针对第一成像模态的硬度标度，并且水平标度114包括从F0到F4的针对第一成像模态的纤维化水平标度。图4图示了针对超声剪切波弹性成像UE的硬度(kPa)对比肝纤维化水平(F0，F1，F2，F3和F4)的曲线图130。关于曲线图130，左侧垂直标度132包括以kPa为单位的针对第二成像模态的硬度标度，并且水平标度134包括从F0到F4的针对第二成像模态的纤维化水平标度。MRE和UE之间的硬度值差异的根本原因包括(i)相应激励频率的技术差异，以及(ii)用于成像模态的硬度图重建的相应后处理算法的技术差异。
关于激励频率的技术差异，让我们考虑以下内容。MRE中使用的外部驱动器产生具有窄频率带宽的谐波，这意味着波能量可以集中在期望的频率(例如，对于肝脏为～60Hz)。另一方面，UE方法使用高强度短持续时间超声“推动”脉冲来产生具有宽频谱的剪切波。尽管可以在后处理阶段滤除UE中的期望剪切波频率以使它与MRE中的剪切波频率相当，但是难以控制波的能量如何在激发步骤在该频谱内分布。这些方法中产生的波的频率成分的差异(单个频率对比多频激励)引起UE中的剪切波群速度不同于MRE的剪切波群速度并且因此不匹配MRE的剪切波群速度。
关于用于硬度图重建的后处理算法中的技术差异，让我们进一步考虑以下内容。在MRE中，局部频率估计(LFE)算法通常用于硬度图重建。LFE通过组合若干尺度上瞬时频率的局部估计的算法来估计剪切波传播模式的局部空间频率来计算剪切波速度。然而，在UE中，使用逆波动方程或2D互相关算法。另外，UE中的重建的硬度图是2D的，而MRE中的重建的硬度图是3D的。
再次参考图3和4，这些图进一步图示了分别通过MRE和UE获得的剪切模量。从图中可以观察到，对于所有肝纤维化水平(F0至F4)，通过UE(图4)获得的剪切模量(或硬度)高于通过MRE(图3)获得的剪切模量(或硬度)。在进一步的比较中，MRE在诊断肝纤维化方面具有比UE更高的成功率(93％对比82％)。MRE由于其更高的剪切波SNR、3D体积成像并且通过评估更大比例的肝脏而具有更鲁棒的量化性能，这可以降低采样可变性。
然而，与MRE相比，UE更便宜、更快、高度便携并且可广泛获得，并且UE已经在世界范围内的许多临床机构/设施中被独立地验证。还存在不能访问MRI扫描器的临床护理场所，并且一些患者由于被约束在MR扫描器中而更喜欢不再次经历MRE。在这些情况下，UE优于MRE。因此，根据临床研究所***的可用性、患者舒适度水平和护理的成本，MRE或UE对于肝纤维化的诊断和监测是优选的。
与过去一样，如果患者要经历MRE/UE检查，那么为了保持一致性，在随访测量时肝纤维化的监测将必须保持MRE/UE(即，相同的图像模态)。然而，MRE是昂贵的，并且在若干时间点处执行MRE测量给患者带来了显著的经济负担并且可能给患者带来了不适。在没有适当了解的情况下直接比较UE和MRE测量可能不利地导致错误解读。模态相关硬度截止值的另一个缺点是它们仅提供离散的分阶段或分级结果(例如，2级或3级)。然而，在处置期间，有时，对甚至在同一阶段内由治疗引起的连续硬度值变化进行量化也是重要的。本公开的实施例通过使得能够在不同时间点可互换地利用UE和MRE来有利地提供解决方案，以帮助临床医生更好地量化和监测肝纤维化的进展/消退。
本公开的实施例克服的第二个问题是为了后续纤维化监测和为了消除对一种图像模态的依赖性而弥合MRE与UE之间的差距。本公开的实施例提供了跨两种图像模态的智能报告***。相比之下，关于当前临床实践，取决于所执行的弹性成像检查的类型(MRE或UE)，使用不同的查找表来找到对应于所测量的肝脏硬度的纤维化水平。考虑到超声和MRI技术人员或用户的训练水平的差异，对他们来说关联使用各种成像模态在不同时间点处的不同硬度水平是不方便的。为了解决这个问题，本公开的实施例有利地提供了一种具有跨图像模态表示所有时间点处的纤维化阶段以及示出从基线到当前检查的趋势的硬度值的变化的适用性的智能报告/面板。由本公开的实施例呈现的面板还有利地消除了对一种图像模态的依赖性，并且帮助用户更容易地解读肝纤维化的变化，而不管其专业知识如何。
特别地，本公开的实施例提供了通过使UE更接近MRE而不需要执行MRE检查来弥合MRE与UE硬度结果之间的差距的解决方案。根据一个实施例，剪切波弹性成像***和方法通过仅执行UE测量来预测对应的MRE硬度图(和/或硬度值)和置信度水平，并且反之亦然。特别地，剪切波弹性成像***和方法使用UE测量的硬度图作为输入，并应用基于人工智能(AI)的算法来1)预测对应的MRE硬度图，以及2)预测所获得的硬度图上的置信度水平(或关于所获得的硬度值的置信度分数)。最后，该***和方法提供了一种跨图像模态(UE/MRE)示出针对给定患者在多个时间点处的纤维化阶段、曲线图上的硬度值的变化以及连同测量和预测的硬度图一起的表格的智能报告/面板。
如根据本文的公开内容将理解的，根据本公开的实施例的方法和***可以分为三个方面。在第一方面中，该方法包括通过仅执行UE测量来预测对应的MRE硬度值，并且反之亦然。在第二方面中，该方法包括预测关于所获得的硬度值(例如，所获得的肝脏硬度值)的置信度分数。第三，该方法包括提供示出针对给定患者的纤维化阶段和硬度值随时间的变化的智能报告。
现在转到图5，示出了根据本公开的实施例的由附图标记30指示的仅基于所获得的第二成像模态弹性成像值来预测对应的第一成像模态弹性成像值的步骤的说明性流程图。为清楚起见，在图5A、5B和5C中再现了图5的流程图视图的部分。关于预测对应的MRE硬度值，考虑以下作为示例。该方法开始于经由不同于第一成像模态的第二成像模态执行弹性成像测量，以获得感兴趣区域的由附图标记32指示的至少一个第二成像模态弹性成像值。在本示例中，第二成像模态是UE，并且第一成像模态是MRE。再次参考图2，使用UE设备20对患者21的给定感兴趣区域(ROI)执行超声UE测量。UE设备20包括例如超声探头25、图形用户界面或超声扫描器触摸面板26和显示器27。***操作者或用户23可以对感兴趣区域执行超声UE测量，并且在显示设备27上如图2中的附图标记29指示的那样显示所得到的测量结果，诸如硬度图22和对应的颜色编码的硬度标度24。在经由UE设备20获得UE测量结果之后，在UE设备的图形用户界面或超声扫描器触摸面板26上提供软按钮28。软按钮28可以被标记为“获得对应的MRE硬度图(或硬度值)”等。
当用户选择软按钮28时，超声扫描器20发起由图5中的附图标记34指定的对应硬度值预测应用。硬度值预测应用包括用于经由处理器仅基于所获得的第二成像模态弹性成像值来预测至少一个对应的第一成像模态弹性成像值的合适的程序指令。在一个实施例中，硬度值预测应用被配置为实施基于深度学习的算法，诸如生成式对抗网络(GAN)或卷积神经网络(CNN)。
深度学***均值(即，硬度值)38，如图5C中所示。另外，生成器和鉴别器网络经由代价函数343的反向传播输出348与反向传播算法联合训练。然后将预测的MRE硬度图36和硬度图38的对应的预测平均值存储在超声扫描器20的合适存储器(未示出)中。
为了训练，可以在同一天在具有不同水平的肝纤维化的一组患者以及健康对照中执行UE和MRE测量。在基于深度学习的算法中，超声UE硬度图和MRE硬度图分别用作(i)输入和(ii)真实情况。
训练阶段可以是供应商不可知的，并且不被限制到一个供应商的扫描器。另外，由于MRE硬度图是三维(3D)的(与UE不同)，因此为了一致性，同一平面中的UE硬度图应当被馈送到GAN网络34中。为了匹配UE和MRE平面，优选地使用合适的导航***以进行引导，以确保相同的MR平面被选择用于UE测量。在UE测量期间，用户或UE***操作者23(图2)使用UE***20(图2)移动超声探头25(图2)，直到用户到达匹配MR平面。在到达匹配的MR平面时，用户23然后开始对硬度测量结果的采集。
现在参考图6，示出了根据本公开的实施例的由附图标记40统一指定的预测置信度分数的步骤的说明性流程图，其中，预测的置信度分数涉及经由第二成像模式获得的弹性成像值(即，实际测量的弹性成像值)。为了清楚起见，在图6.1、6B和6C中再现了流程图视图的部分。如下文中讨论那样确定关于所获得的硬度值的自动置信度分数。在本文参考图5讨论的先前步骤中，自动确定关于所获得的硬度值的置信度分数的应用或功能(由附图标记42指定)与基于深度学习的应用34(即，基于深度学习的算法)同时被激活。使用基于深度学习的算法(诸如卷积神经网络(CNN))来实现所获得的或实际测量的硬度图的置信度分数(由附图标记44指定)，以提供实时分类(图6)。
卷积神经网络(CNN)包括深度学***移不变性的池化层(Pool)422和424。这些卷积层和池化层可以堆叠在一起以形成通常以一个或多个全连接层426和427结束的多层网络。
当感兴趣区域33(图6.1)包括患者的肝脏时，基于深度学***(图6C)。换句话说，分配每个类别的概率或类别分数以将输入(例如，弹性成像值32)分类为相应的纤维化水平(水平1、水平2、水平3、水平4和无纤维化，分别由附图标记441、442、443、444和445指定)。然后输出表示肝纤维化水平的具有最高概率的类别。例如，如果由AI模型(即，图6的卷积神经网络(CNN))预测的最高置信度分数属于纤维化水平2(例如，水平2的置信度分数＝0.82，水平1的置信度分数＝0.05，水平3的置信度分数＝0A0，水平4的置信度分数＝0.02，并且无纤维化的置信度分数＝0.01)，则置信度分数等于82％，并且这意味着我们82％确信由第二成像模态(例如，UE模态)测量的硬度值表示水平2纤维化。最高概率和对应的纤维化水平被保存在合适的存储器(未示出)中，并且经由GUI 26或在智能报告面板50上输出或示出，如将在本文中关于图7进一步讨论的。例如，一旦预测到置信度分数(例如，图6中的44)和硬度图(例如，图5中的36)，就渲染或使“智能报告”软按钮28出现在超声扫描器触摸面板26上，使得***用户23可以经由智能报告面板50(图7)点击软按钮28以便观察最终结果。如本文所使用的，纤维化阶段应被理解为与纤维化水平相同。此外，预测的置信度水平和预测的置信度分数在本文中可互换地使用，进一步基于实际测量的弹性成像值(例如测量的UE硬度图)。
在一个实施例中，预测的置信度分数与第二成像模式中的测量硬度值相关。特别地，第二成像模式中的测量硬度值的预测置信度分数指示由第二成像模式测量的报告纤维化水平的置信度水平。使用肝活检作为训练阶段中的真实情况来校准/评估用于预测纤维化水平的置信度分数的AI模型。换句话说，关于训练阶段中的基于深度学***的肝纤维化的一组患者执行UE和肝活检。该训练适用于“置信度分数”的确定。
现在参考图7，示出了根据本公开的实施例的智能报告面板(由附图标记50指定)的说明性图形用户界面视图。为了清楚起见，在图7A和7B中再现了流程图的部分。智能报告面板50包括图形用户界面，该图形用户界面可以包括一种或多种形式的多媒体。考虑到超声和MRI用户的训练水平的差异，他们使用各种成像模态来关联不同时间点处的不同硬度水平是不方便的。智能报告或智能报告面板50帮助用户更好地监测纤维化变化。
在用户点击超声扫描器触摸面板26上的“智能报告”软按钮28时，将自动生成包括示出以下中的一个或多个的智能面板50(图7)。提供了在如本文参考图6所讨论的先前步骤中获得的当前纤维化阶段或水平(由附图标记52指定的)和对应的预测置信度分数(由附图标记54指定)。在一个实施例中，当前纤维化阶段52包括纤维化水平521、经由第二成像模态弹性成像测量获得的弹性成像值522(例如，测量的UE硬度值)以及基于获得的第二成像模态弹性成像测量结果的与第一成像模态弹性成像测量结果相对应的预测的弹性成像值523(例如，预测的MRE硬度值)的指示。经由第二成像模式弹性成像测量获得弹性成像值522以及预测与第一成像模式测量结果相对应的弹性成像值523是如本文中至少参考图5、UE硬度图32、预测的MRE硬度图36和预测的MRE硬度值38所讨论的那样实现的。在一个实施例中，可以将新的硬度值(即，测量的UE值522和/或对应的预测的MRE值523)自动添加到在过去的检查期间测量的现有硬度值的由附图标记56指定的曲线图和由附图标记58指定的表格中。曲线图56和/或表格58可以有利地提供肝脏硬度随时间的变化的有意义的图示。现在参考图7.1，曲线图56示出了在一次或多次先前检查中获得的纤维化水平。关于曲线图56，左侧竖直尺度561包括以kPa为单位的第二成像模态的硬度尺度，并且水平尺度562包括以kPa为单位的第一成像模态的硬度尺度，并且右侧竖直尺度563包括从水平0到水平4的纤维化水平的尺度。如曲线图56的示例中所图示的，观察到纤维化水平从经由第一成像模态获得的基线(10/03/19)测量到经由第二成像模态获得的后续测量(04/02/20)的降低，对应于纤维化水平从水平3到水平2的变化。仍然参考图7B，表格58还包括纤维化阶段51，其包括对利用第一成像模态弹性成像测量(例如，测量的MRE硬度值)经由基线(10/03/2019)获得的纤维化水平511和弹性成像值512的指示。在图7和7B中，智能面板50还示出了如本文参考图5所讨论的那样获得的测量硬度图和预测硬度图(分别由附图标记60和62指定)、以及基线硬度图(由附图标记64指定)。应当注意，基线硬度图64是经由MRE或UE成像模态中的一个或多个获得的先前获得的硬度图(诸如在初始纤维化检查时)。超链接(由附图标记66指定)被包括在智能面板50中以用于将用户重定向到关于MRE/UE截止值的更多信息，例如关于MRE/UE之间的差异的指南材料(参考文件等)。此外，智能面板50提供发现，诸如纤维化硬度的增加或减少，其可以表示为发现字段(由附图标记68指定)、和/或通过合适的符号(例如，百分比数字和图形，图形向上指向增加或向下指向减少)(由附图标记70指定)表示。如图7所示，智能报告面板50示出了硬度值、曲线图和表格上的肝纤维化水平的变化、测量的硬度图和预测的硬度图、以及置信度分数。
如在本文中应当理解的，可以在任一方向上预测硬度图。存在不能访问MRI扫描器的临床站点，或一些患者由于被限制在MR扫描器中而不喜欢经历MRE。在这些情况下，在纤维化诊断阶段期间，UE优于MRE。然而，在处置阶段期间，为了更准确地监测肝纤维化，可以推荐MRE，因为与UE相比，它由于其更高的剪切波SNR、3D体积成像和评估更大比例的肝脏而具有更高的成功率和更鲁棒的量化性能。因此，存在患者在纤维化诊断检查中经历UE检查并且在纵向随访测量中经历MRE检查的情况。在这种情况下，可以通过基于测量的MRE硬度图预测UE硬度图和硬度值来代替根据本公开的一个实施例的预测MRE硬度图的步骤。可以使用相同的基于深度学习的算法和训练过程，除了在这种情况下，(i)输入和(ii)真实情况将分别是MRE和UE硬度图。
现在参考图8，示出了根据本公开的实施例的用于第一和第二成像模态之间的剪切波弹性成像的增强解读的***100的框图。在该实施例中，***100至少包括控制器102、显示器104和(一个或多个)输入/输出设备106。根据给定剪切波弹性成像实施方式的要求，控制器102可操作地耦合到一个或多个剪切波成像模态***或装置，例如MRE***/装置10和/或UE***/装置20。在一个实施例中，进一步根据给定剪切波弹性成像实施和/或应用的要求，控制器102包括用于执行如本文所讨论的各种功能的微处理器、微控制器、现场可编程门阵列(FPGA)、集成电路、离散模拟或数字电路部件、硬件、软件、固件或其任何组合中的一个或多个。控制器102还可以包括各种模块、单元或子***中的一个或多个。在一个实施例中，根据给定剪切波弹性成像***实施和/或应用的要求，控制器102可以适当地包括***电子器件，该***电子器件包括各种模块、单元或子***、电源和存储器中的一个或多个。在一个实施例中，根据给定剪切波弹性成像***实施的要求，显示器104可操作地耦合到控制器102以用于显示一个或多个软按钮(例如，如本文所讨论的软按钮28)和智能报告面板50或其一个或多个部分(例如，当前纤维化阶段、置信度分数、硬度值的曲线图、示出硬度随时间的变化的表、获得和预测的硬度图、硬度值、纤维化硬度的增加或减少等)。根据给定剪切波弹性成像***实施的要求，(一个或多个)输入/输出设备106可以包括以下中的一项或多项：输入/输出设备、用户界面、触觉输出设备、触摸屏、光学显示器、麦克风、小键盘、键盘、指示设备、图像捕获设备、摄像机、音频输出设备以及其任何组合。
如本文所讨论的，本公开的实施例的各个方面涉及例如具有弹性成像特征的用户界面部件，所述弹性成像特征使用UE预测对应的MRE硬度图(或者反之亦然，即，使用MRE预测UE硬度图)。本公开的实施例可以被并入超声/MR扫描器的新颖特征中，即，被包括在超声(US)或磁共振成像(MRI)扫描器装置中。另外，本文呈现的智能报告***/面板或图形用户界面及其特征可以被并入超声/MR扫描器中。
因此，本公开的实施例不需要保持相同的图像模态用于后续硬度测量以监测肝纤维化的进展。使得UE而不是MRE能够用于后续硬度测量有利地有助于降低患者的护理成本。另外，根据本公开的实施例的智能面板/报告有利地消除了对报告***中的一个图像模态的依赖性。本公开的方法和***装置进一步有利地使得具有不同水平的训练/背景的用户能够监测肝纤维化的变化。
虽然上文仅详细描述了几个示例性实施例，但是本领域技术人员将容易理解，可以在示例性实施例中进行许多修改而不在实质上脱离本公开的实施例的新颖教导和优点。例如，可以通过在MRE和UE成像模态两者中执行基线剪切波弹性成像测量并且随后基于(i)给定剪切波弹性成像的成像模态在后续时间点处的可用性和(ii)置信度分数来执行MRE或UE中的一个或另一个而有利地使用本公开的实施例。在随后的时间点处，可以基于相应的预测成像模态弹性成像值的置信度分数的可接受性来选择MRE或UE，如本文所讨论的。如果置信度分数被确定为对于一种成像模态是不可接受的，或不在给定的可接受范围内，则可以选择另一种成像模态，即，基于置信度分数被用作帮助在MRE和UE之间进行选择的准则。因此，所有这样的修改均旨在被包括在如权利要求所限定的本公开的实施例的范围内。在权利要求中，功能模块条款旨在覆盖本文描述的执行所述功能的结构，不仅包括结构等价方案，还包括等价结构。
另外，在一个或多个权利要求中被置于括号内的任何附图标记都不应被解释为对权利要求的限制。词语“包括”和“包含”等并不排除除了在任何权利要求或说明书中作为一个整体列出的元件或步骤之外的元件或步骤的存在。以单数形式引用元件并不排除以复数形式引用这样的元件，反之亦然。这些实施例中的一个或多个实施例可以借助于包括若干不同元件的硬件和/或借助于适当编程的计算机来实施。在列举了若干单元的装置型权利要求中，这些单元中的若干单元可以由同一个硬件项来实施。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。

Claims (20)

1.一种用于第一成像模态与第二成像模态之间的剪切波弹性成像的增强解读的方法，所述方法包括：
经由不同于第一成像模态(10)的第二成像模态(20)来执行弹性成像测量，以获得感兴趣区域(33)的至少一个第二成像模态弹性成像值(32)；
经由处理器(102)基于所获得的第二成像模态弹性成像值(32)来预测至少一个对应的第一成像模态弹性成像值(36、38)；并且
经由所述处理器(102)和显示器(104)生成智能报告面板(50)，所述智能报告面板包括(i)所述感兴趣区域的纤维化水平(521)，其中，所述纤维化水平根据(i)(a)所述至少一个第二成像模态弹性成像值(32)和/或(i)(b)所预测的至少一个对应的第一成像模态弹性成像值(36、38)来确定。
2.根据权利要求1所述的方法，其中，所述第二成像模态在(i)磁共振剪切波弹性成像(MRE)(10)与(ii)超声剪切波弹性成像(UE)(20)之间进行选择，并且其中，所述第一成像模态包括所述第二成像模态的未选择的成像模态。
3.根据权利要求1所述的方法，其中，经由所述第二成像模态(20)获得的弹性成像值(22)与经由所述第一成像模态(10)获得的弹性成像值(18)是不可比的。
4.根据权利要求1所述的方法，其中，所述至少一个第二成像模态弹性成像值(32)和所述至少一个对应的预测的第一成像模态弹性成像值(36、38)均包括(i)硬度图以及(ii)以kPa为单位的硬度值中的一个或多个。
5.根据权利要求1所述的方法，还包括：
经由所述处理器(102)预测与所述至少一个第二成像模态弹性成像值(32)有关的置信度分数(44)，其中，所述预测的置信度分数包括基于第二成像模态弹性成像测量的多个纤维化水平F0-F4(441、442、443、444、445)中的每个的置信度百分比中的最高置信度百分比；并且
经由所述处理器基于具有所述最高置信度百分比的纤维化水平来选择预测的纤维化水平(521)。
6.根据权利要求1所述的方法，其中，所述智能报告面板(50)还包括(ii)所述感兴趣区域的基线纤维化水平(511)，所述基线纤维化水平已经基于经由所述第一成像模态(10)执行以获得所述感兴趣区域的至少一个基线第一成像模态弹性成像值(64)的基线弹性成像测量来确定，所述基线弹性成像测量已经在经由所述第二成像模态的所述弹性成像测量之前执行。
7.根据权利要求6所述的方法，其中，所述智能报告面板(50)还包括(iii)在(iii)(a)基于所获得的至少一个第二成像模态弹性成像值(522)预测的至少一个第一成像模态弹性成像值(523)与(iii)(b)所述至少一个基线第一成像模态弹性成像值(511)之间的弹性成像值的百分比变化(70)。
8.根据权利要求7所述的方法，其中，所述智能报告面板(50)还包括：(iv)所述感兴趣区域的所述至少一个第二成像模态弹性成像值(60)，(v)所述感兴趣区域的预测的至少一个对应的第一成像模态弹性成像值(62)，以及(vi)与所述至少一个第二成像模态弹性成像值(522)有关的置信度分数(54)，其中，所述置信度分数是0％与100％之间的百分比，并且表示基于所述至少一个第二成像模态弹性成像值的所述纤维化水平的置信度水平。
9.根据权利要求1所述的方法，其中，预测所述至少一个对应的第一成像模态弹性成像值(36、38)包括发起基于深度学习的算法(34)来预测所述至少一个对应的第一成像模态弹性成像值，其中，所述基于深度学习的算法包括从包括生成式对抗网络(GAN)和卷积神经网络(CNN)的组中选择的一项。
10.根据权利要求9所述的方法，还包括：
经由所述处理器(102)和第二基于深度学***的实时分类或所述纤维化水平的置信度水平。
11.一种用于第一成像模态与第二成像模态之间的剪切波弹性成像的增强解读的***(100)，包括：
输入部，其用于接收从第二成像模态(20)获得的与弹性成像测量有关的成像数据；
控制器(102)，其被配置为：
经由不同于第一成像模态(10)的所述第二成像模态(20)来执行弹性成像测量，以获得感兴趣区域(33)的至少一个第二成像模态弹性成像值(32)；
基于所获得的第二成像模态弹性成像值(32)来预测至少一个对应的第一成像模态弹性成像值(36、38)；并且
生成智能报告面板(50)，所述智能报告面板包括(i)所述感兴趣区域的纤维化水平(521)，其中，所述纤维化水平根据(i)(a)所述至少一个第二成像模态弹性成像值(32)和/或(i)(b)所预测的至少一个对应的第一成像模态弹性成像值(36、38)来确定；以及
显示器(104)，其与所述控制器(102)通信以显示所述智能报告面板(50)。
12.根据权利要求11所述的***(100)，其中，所述第二成像模态在(i)磁共振剪切波弹性成像(MRE)(10)与(ii)超声剪切波弹性成像(UE)(20)之间进行选择，并且其中，所述第一成像模态包括所述第二成像模态的未选择的成像模态。
13.根据权利要求11所述的***(100)，其中，经由所述第二成像模态(20)获得的弹性成像值(22)与经由所述第一成像模态(10)获得的弹性成像值(18)是不可比的。
14.根据权利要求11所述的***(100)，其中，所述至少一个第二成像模态弹性成像值(32)和所述至少一个对应的预测的第一成像模态弹性成像值(36、38)均包括(i)硬度图以及(ii)以kPa为单位的硬度值中的一个或多个。
15.根据权利要求11所述的***(100)，其中，所述控制器(102)还被配置为：
预测与所述至少一个第二成像模态弹性成像值(32)有关的置信度分数(44)，其中，所述预测的置信度分数包括基于所述第二成像模态弹性成像测量的多个纤维化水平F0-F4(441、442、443、444、445)中的每个的置信度百分比中的最高置信度百分比；并且
基于具有所述最高置信度百分比的纤维化水平来选择预测的纤维化水平(521)。
16.根据权利要求11所述的***(100)，其中，所述智能报告面板(50)还包括(ii)所述感兴趣区域的基线纤维化水平(511)，所述基线纤维化水平已经基于经由所述第一成像模态(10)执行以获得所述感兴趣区域的至少一个基线第一成像模态弹性成像值(64)的基线弹性成像测量来确定，所述基线弹性成像测量已经在经由所述第二成像模态的所述弹性成像测量之前执行。
17.根据权利要求16所述的***(100)，其中，所述智能报告面板(50)还包括(iii)在(iii)(a)基于所获得的至少一个第二成像模态弹性成像值(522)预测的至少一个第一成像模态弹性成像值(523)与(iii)(b)所述至少一个基线第一成像模态弹性成像值(511)之间的弹性成像值的百分比变化(70)。
18.根据权利要求17所述的***(100)，其中，所述智能报告面板(50)还包括：(iv)所述感兴趣区域的所述至少一个第二成像模态弹性成像值(60)，(v)所述感兴趣区域的预测的至少一个对应的第一成像模态弹性成像值(62)，以及(vi)与所述至少一个第二成像模态弹性成像值(522)有关的置信度分数(54)，其中，所述置信度分数是0％与100％之间的百分比，并且表示基于所述至少一个第二成像模态弹性成像值的所述纤维化水平的置信度水平。
19.根据权利要求11所述的***(100)，其中，预测所述至少一个对应的第一成像模态弹性成像值(36、38)包括发起基于深度学习的算法(34)来预测所述至少一个对应的第一成像模态弹性成像值，其中，所述基于深度学习的算法包括从包括生成式对抗网络(GAN)和卷积神经网络(CNN)的组中选择的一项。
20.根据权利要求18所述的***(100)，其中，所述处理器(102)还被配置为：
确定与所述至少一个第二成像模态弹性成像值(32)有关的置信度分数(44)，并且其中，对所述置信度分数的确定与对基于深度学***的实时分类或所述纤维化水平的置信度水平。
CN202280012048.7A 2021-01-27 2022-01-25 用于监测肝纤维化的磁共振和超声剪切波弹性成像的增强解读的装置和方法 Pending CN116761546A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202163142024P 2021-01-27 2021-01-27
US63/142,024 2021-01-27
PCT/EP2022/051522 WO2022161915A1 (en) 2021-01-27 2022-01-25 Apparatus and method for augmented interpretation of magnetic resonance and ultrasound shear wave elastography for monitoring liver fibrosis

Publications (1)

Publication Number Publication Date
CN116761546A true CN116761546A (zh) 2023-09-15

Family

ID=80447549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280012048.7A Pending CN116761546A (zh) 2021-01-27 2022-01-25 用于监测肝纤维化的磁共振和超声剪切波弹性成像的增强解读的装置和方法

Country Status (5)

Country Link
US (1) US20240090823A1 (zh)
EP (1) EP4284240A1 (zh)
JP (1) JP2024503925A (zh)
CN (1) CN116761546A (zh)
WO (1) WO2022161915A1 (zh)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW202115086A (zh) * 2019-06-28 2021-04-16 美商輝瑞大藥廠 Bckdk抑制劑

Also Published As

Publication number Publication date
JP2024503925A (ja) 2024-01-29
WO2022161915A1 (en) 2022-08-04
US20240090823A1 (en) 2024-03-21
EP4284240A1 (en) 2023-12-06

Similar Documents

Publication Publication Date Title
US20230243966A1 (en) Imaging methods and apparatuses for performing shear wave elastography imaging
US20210177373A1 (en) Ultrasound system with an artificial neural network for guided liver imaging
CN109758178A (zh) 超声成像中的机器辅助工作流
CN112513674A (zh) 基于器官检测自动动态设置成像参数的超声***
JP2009240464A (ja) 超音波診断装置
KR20170021189A (ko) 의료영상 표시장치 및 의료영상 처리방법
KR102539922B1 (ko) 탄성초음파영상에 대한 변형률 계산 및 변형량의 자동 측정을 위한 방법 및 시스템
CN112292086A (zh) 超声病变评估及相关联的设备、***和方法
CN114760929A (zh) 用于获得医学超声图像的***和方法
CN113034375A (zh) 用于提供模糊滤波以强调超声图像数据中的聚焦区域或深度的方法和***
JP2022513225A (ja) フレームのインデックス付け及び画像レビューのためのシステム及び方法
EP3105741B1 (en) Systems for monitoring lesion size trends and methods of operation thereof
JP5680703B2 (ja) 超音波診断装置
CN116761546A (zh) 用于监测肝纤维化的磁共振和超声剪切波弹性成像的增强解读的装置和方法
CN117616511A (zh) 用户性能评价和训练
US12020806B2 (en) Methods and systems for detecting abnormalities in medical images
CN113015490B (zh) 用于同时呈现多门多普勒信号的对应于不同解剖结构的多普勒信号的方法和***
CN115666400A (zh) 辅助用户执行医学超声检查
KR102661893B1 (ko) 물리적 양에 대한 초음파-도출된 프록시
CN114098687B (zh) 用于超声运动模式的自动心率测量的方法和***
JP6931888B2 (ja) 解析装置及び解析プログラム
JP6810005B2 (ja) 超音波診断装置
Flint Spatial Coherence-Based Adaptive Acoustic Output Selection for Diagnostic Ultrasound
WO2024068347A1 (en) Method and system for performing stiffness measurements using ultrasound shear wave elastography
Alruhaymi Ultrasound imaging operation capture and image analysis for speckle noise reduction and detection of shadows

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