医学诊断成像中的测量点确定制造技术

本发明专利技术涉及医学诊断成像中的测量点确定。对于利用医学扫描仪（10）的成像中的测量点确定（68），用户选择（64）图像上的位置。不是使用该位置，而是识别（68）与在图像中表示的局部边界或标志相对应的“预期”位置。医学扫描仪使用简单用户接口（22）以更精确地确定（68）用于测量的点。从用户选择的位置投射（66）一个或多个射线。通过检查沿所述一个或多个射线的数据来查找（68）实际位置。对于2D成像，在平面中投射（66）射线。对于3D成像，沿着视向投射（66）射线以查找深度。沿射线或围绕射线的强度被用于查找（68）实际位置，诸如通过将机器学习分类器应用到围绕射线的有限区或通过查找相对于阈值的沿射线的强度。

Determination of Measuring Points in Medical Diagnostic Imaging

The invention relates to the determination of measurement points in medical diagnostic imaging. For determining (68) using the measuring point in the medical scanner (10), the user selects (64) the position on the image. Instead of using the position, it is to identify (68) the \expected\ position corresponding to the local boundary or marker represented in the image. Medical scanners use a simple user interface (22) to more accurately determine (68) points for measurement. Projecting (66) one or more rays from a user-selected location. The actual position (68) is found by examining data along one or more of the rays. For 2D imaging, a (66) ray is projected in the plane. For 3D imaging, a (66) ray is projected along the line of sight to find depth. The intensity along or around the ray is used to locate (68) the actual position, such as by applying machine learning classifiers to a limited area around the ray or by searching for the intensity along the ray relative to the threshold.

【技术实现步骤摘要】
医学诊断成像中的测量点确定
技术介绍
本实施例涉及医学诊断成像。现代心脏病学中的许多决策基于解剖的定量测量结果，该定量测量结果是从非侵入式成像非侵入式地导出的。与心脏直视手术相比，心脏的维度在正常功能中不同。利用描轮廓工具量化二维（2D）图像上的平面结构要求耗时且勤勉地手动画轮廓。方便的用户交互是重要的，特别是在介入性设置中，其中可能存在由于许多不同活动发生而导致的有限自由度和/或在该设置中可用的有限用户接口（例如，操纵杆控制装置）。扫描仪技术中的最近进步使得能够对心脏进行三维加时间（3D+t）实时超声成像。3D成像可能使量化甚至更加困难。3D成像被承认与传统2D成像相比提供了对解剖形状的更好理解。另一方面，操作2D超声成像的复杂度比3D低且常常在临床实践中优选。而且，对于解剖量化，测量是在利用附加用户接口（诸如，轨迹球控制装置或桌边操纵杆控制装置）选择的2D多平面重新格式化或重构（MPR）图像上执行的。利用机器学习技术，以全自动或半自动的方式高效且鲁棒地对规则的解剖结构进行建模。然而，应对解剖易变性可能是富有挑战性的，特别是在例外情况中。此外，机器学习技术被训练成提供具体分段和/或测量，但是用户可能想要取决于他们的需要来定义定制维度。用于以快速直观的方式从3D图像导出通用的任意定量信息的高效工作流程仍然要定义。
技术实现思路
作为介绍，下面描述的优选实施例包括用于在利用医学扫描仪的成像中的测量点确定的方法、计算机可读介质和系统。用户选择图像上的位置。不是使用该位置，而是识别与在图像中表示的局部边界或标志（landmark）相对应的“预期”位置。医学扫描仪使用简单用户接口以更精确地确定用于测量的点。从用户选择的位置投射一个或多个射线。通过检查沿该一个或多个射线的数据来查找实际位置。对于2D成像（例如，根据3D体积计算的MPR或者本机或2D扫描图像），射线被投射在平面内（即，与平面平行）。对于3D成像，沿着朝向3D体积的视向（viewdirection）投射射线以查找深度。沿射线或围绕射线的强度被用于查找实际位置，诸如通过将机器学习分类器应用到围绕射线的有限区或通过查找相对于阈值的沿射线的强度。在第一方面中，提供了一种用于在利用超声扫描仪的成像中的测量点确定的方法。从超声数据三维地绘制超声图像，所述超声数据将患者组织的体积表示到显示器上。用户输入设备接收所述超声图像上的测量卡尺的定位。沿着从所述测量卡尺的所述定位到所述体积中的视向来定义射线。基于来自被限于围绕并包括所述射线的所述体积的子区的超声数据的输入，利用机器学习分类器来识别沿所述射线的深度。图像处理器计算作为所述测量卡尺的所述定位和所述深度的函数的量。输出所述量。在第二方面中，提供了一种用于在利用医学扫描仪的成像中的测量点确定的方法。显示器显示从表示患者组织的强度映射的医学图像。用户输入设备接收所述医学图像上的测量卡尺的定位。定义从所述测量卡尺的所述定位延伸的射线。基于来自被限于围绕并包括所述射线的子区的强度来识别沿所述射线的位置。图像处理器计算作为所述位置的函数的量。输出所述量。在第三方面中，一种医学超声系统包括：超声扫描仪，被配置成扫描患者的体积；用户输入设备，被配置成接收所述患者的体积的体绘制图像上的定位的指示；以及图像处理器。所述图像处理器被配置成沿着视向从所述定位投射射线；基于来自所述体积的扫描的超声数据来选择沿所述射线的位置；以及生成指示所述定位和所述位置处的点的图形。本专利技术由所附权利要求限定，并且该章节中没有内容应当被视为对那些权利要求的限制。下面结合优选实施例讨论本专利技术的进一步方面和优势，并且稍后可以独立地或以组合方式要求保护本专利技术的进一步方面和优势。附图说明部件和附图不必按比例绘制，取而代之，重点在于图示本专利技术的原理。此外，在附图中，遍及不同视图，相似的附图标记标示对应的部分。图1是用于在医学成像中的测量点确定的方法的实施例的流程图；图2示出了具有针对距离计算而定义的点的体绘制医学图像的示例；图3示出了具有针对距离计算而定义的点的体绘制医学图像的其他示例；图4示出了用于手动追踪医学图像中的边界的示例序列；图5示出了利用体积的不同绘制的描轮廓的示例；以及图6是用于测量点确定的系统的一个实施例的框图。具体实施方式用户接口允许由用户进行的不精确的卡尺放置，并针对量化而自动选择经改善的定位。利用医学扫描仪（诸如，利用计算机断层扫描（CT）、磁共振（MR）、超声（例如，TEE、TTE、ICE或另一个种类的换能器）或这些模态的组合）获取2D平面或3D体积数据集。标志、轮廓或体积网状物以半自动的方式被高效地标记在3D体积可视化或2D平面（例如，2DMPR）图像上。在被可视化为体绘制中的表面或2D图像中的定位的结构上手动选择期望位置。然后选择或建议鼠标指针附近的结构，诸如选择器官或血池的边界或者选择有区别的解剖标志。可以利用覆盖的图形对所选择的标志点和轮廓进行可视化，并基于该点来计算测量结果。如果3D+t是可用的（例如，在心脏超声情况下，3DTEE、TTE或体积ICE），则可以在随时间有变化的情况下执行量化。量化可以与其他成像相关，该其他成像诸如是用于将来自超声的解剖和测量图形覆盖在透视检查上的融合多模态成像。在一个实施例中，针对3D体积扫描提供标志化和测量结果。提供与体积医学图像的3D可视化的用户直观交互。识别被可视化为表面（例如，在3D心脏超声扫描的情况下，血液-组织界面）的器官部分上的点。用户仅在3D体积可视化上进行点击，而不是必须滚动通过正交MPR直到找到并验证期望3D位置。图像处理器在点击时使用光标的所选择的定位，并使用射线投射以放置点，例如放置在心内膜壁上、放置在二尖瓣环、叶状器官或被可视化为不透明表面的包括医学植入物的任何其他结构上。对于2D成像（例如，在MPR上），用户选择然后使用射线投射而被推断到边界或标志的定位。对于追踪，可以使用射线投射将用户的不精确的“涂写（scribbling）”改善成沿着附近边界。通过将搜索限于沿局部射线的数据，与查找整个边界相比，该改善可以实时发生。该方案允许直接在体绘制上标示一个或多个位置，从而减少用于查找每个位置的繁琐的MPR导航。没有MPR需要被定位以定义深度和/或3D点，这是由于可以在体绘制中直接放置点。在体绘制或2D图像（例如，MPR）上对任意形状的描轮廓被促进，从而允许用户较不精确地进行追踪。通过实时标志识别提供了针对高级工作流程的平滑交互，这是由于搜索被限于与用户选择的定位邻近的区。在使用机器学习以准确地查找标志的情况下，射线限制的搜索区允许更快速地识别标志和/或允许训练对器官或器官的部分而言通用的分类器。不论器官如何，都可以应用相同的分类器以查找边界，从而使标志确定鲁棒且多用途。典型地，广泛的器官建模以秒量级的运行时间进行操作，而不必以交互式帧速率进行操作。通过减小所定义的射线周围的搜索空间，提供了更快速的识别。通过在扫描转换之前对球坐标中的数据进行操作且从而减少计算时间来提供进一步的加速。图1示出了用于在利用医学扫描仪（诸如，超声扫描仪）的成像中的测量点确定的方法的一个实施例。对于医学成像中的量化，用户选择点或点系列。图像处理器基于被局部化到点的边界或标志搜索来改善该选择，从而本文档来自技高网...

【技术保护点】
1.一种用于在利用超声扫描仪的成像中的测量点确定的方法，所述方法包括：在显示器上显示（62）从表示患者组织的体积的超声数据三维地绘制的超声图像；从用户输入设备接收（64）所述超声图像上的测量卡尺的定位；沿着从所述测量卡尺的所述定位到所述体积中的视向定义（66）射线；基于来自被限于围绕并包括所述射线的所述体积的子区的超声数据的输入，利用机器学习分类器来识别（68）沿所述射线的深度；由图像处理器计算（72）作为所述测量卡尺的所述定位和所述深度的函数的量；以及输出（74）所述量。

【技术特征摘要】
2017.09.29 US 15/7203171.一种用于在利用超声扫描仪的成像中的测量点确定的方法，所述方法包括：在显示器上显示（62）从表示患者组织的体积的超声数据三维地绘制的超声图像；从用户输入设备接收（64）所述超声图像上的测量卡尺的定位；沿着从所述测量卡尺的所述定位到所述体积中的视向定义（66）射线；基于来自被限于围绕并包括所述射线的所述体积的子区的超声数据的输入，利用机器学习分类器来识别（68）沿所述射线的深度；由图像处理器计算（72）作为所述测量卡尺的所述定位和所述深度的函数的量；以及输出（74）所述量。2.如权利要求1所述的方法，其中显示（62）包括显示（62）所述超声图像作为图像的序列中的体绘制心脏图像；并且进一步包括通过所述序列的图像的超声数据来跟踪（70）所述定位和深度。3.如权利要求1所述的方法，其中定义（66）所述射线包括：关于所述视向进行射线投射，所述视向是来自三维绘制的视向。4.如权利要求1所述的方法，其中识别（68）所述深度包括：利用来自所述超声数据的强度以及来自针对所述子区的所述超声数据的梯度来识别（68）所述深度。5.如权利要求1所述的方法，其中识别（68）所述深度包括：利用所述机器学习分类器来识别（68）所述深度，所述机器学习分类器包括概率提升树或深度神经网络学习分类器。6.如权利要求1所述的方法，其中识别（68）所述深度包括：利用从不同器官的样本训练的所述机器学习分类器来识别（68）所述深度。7.如权利要求1所述的方法，其中计算（72）包括：计算（72）作为所述量的距离、所述定位以及定义（66）所述体积中所述距离的端部的点。8.如权利要求1所述的方法，其中计算（72）包括：利用所述定位以及定义（66）面积或体积的边界的三个维度中的点的点来计算（72）所述面积、体积、或者所述面积或体积的尺寸。9.一种用于在利用医学扫描仪的成像中的测量...

【专利技术属性】
技术研发人员：I沃伊特，T曼西，HC霍尔，
申请(专利权)人：美国西门子医疗解决公司，
类型：发明
国别省市：美国,US