【技术实现步骤摘要】
超声心脏多普勒研究自动化
本公开整体涉及改进的成像系统,并且更具体地讲,涉及用于医学图像处理的改进的机器学习系统和方法。
技术介绍
心脏多普勒超声研究使得能够分析通过心脏的血流,这可帮助医生评估心脏功能(包括收缩和/或舒张功能)和/或以非侵入性方式发现血管阻塞。与其中获得二维图像序列的B模式组织超声扫描相反,多普勒扫描可提供特定点或波束方向的信息。多普勒扫描输出是穿过感兴趣的点和/或方向的移动速度的频谱。目前,无法自动化进行多普勒扫描处理,因为系统无法识别多普勒研究的类型以确定如何处理所采集的多普勒数据。
技术实现思路
某些示例提供了用于改进的图像数据处理的系统和方法。某些示例提供了多普勒研究分类系统,其包括图像捕获器以便于捕获目标的二维超声图像或B模式图像中的至少一者。该示例性系统包括多普勒频谱记录器以记录目标的所捕获的多普勒频谱。该示例性系统包括研究类型推断器,以通过至少以下方式推断与多普勒频谱相关联的研究类型:使用至少一个神经网络处理多普勒频谱,以在多个研究类型分类中生成第一概率分布;使用该至少一个神经网络处理二维超声图像或B模式图像中的至少一者,以在多个研究类型分类中生成第二概率分布;以及组合研究类型分类的第一概率分布与研究类型分类的第二概率分布以推断研究类型。某些示例提供了包括指令的计算机可读存储介质,所述指令在被执行时使得至少一个处理器至少:使用至少一个神经网络处理扫描的多普勒频谱,以在多个研究类型分类中生成第一概率分布;使用至少一个神经网络处理二维超声图像或B模式图像 ...
【技术保护点】
1.一种多普勒研究分类系统,包括:/n图像捕获器,所述图像捕获器用于便于捕获目标的二维超声图像或B模式图像中的至少一者;/n多普勒频谱记录器,所述多普勒频谱记录器用于记录所述目标的所捕获的多普勒频谱;和/n研究类型推断器,所述研究类型推断器用于通过至少以下方式来推断与所述多普勒频谱相关联的研究类型:/n使用至少一个神经网络处理所述多普勒频谱,以在多个研究类型分类中生成第一概率分布;/n使用所述至少一个神经网络处理所述二维超声图像或所述B模式图像中的所述至少一者,以在多个研究类型分类中生成第二概率分布;以及/n组合所述研究类型分类的第一概率分布和所述研究类型分类的第二概率分布以推断所述研究类型。/n
【技术特征摘要】
20181008 US 16/154,2021.一种多普勒研究分类系统,包括:
图像捕获器,所述图像捕获器用于便于捕获目标的二维超声图像或B模式图像中的至少一者;
多普勒频谱记录器,所述多普勒频谱记录器用于记录所述目标的所捕获的多普勒频谱;和
研究类型推断器,所述研究类型推断器用于通过至少以下方式来推断与所述多普勒频谱相关联的研究类型:
使用至少一个神经网络处理所述多普勒频谱,以在多个研究类型分类中生成第一概率分布;
使用所述至少一个神经网络处理所述二维超声图像或所述B模式图像中的所述至少一者,以在多个研究类型分类中生成第二概率分布;以及
组合所述研究类型分类的第一概率分布和所述研究类型分类的第二概率分布以推断所述研究类型。
2.根据权利要求1所述的系统,还包括参数计算器,所述参数计算器用于计算指示所述二维超声图像或所述B模式图像中的所述至少一者的解剖位置的门坐标。
3.根据权利要求2所述的系统,其中所述参数计算器用于通过以下方式计算门坐标(x,y):
4.根据权利要求1所述的系统,还包括心动周期监测器,所述心动周期监测器用于存储所述目标的心动周期,所述心动周期将所捕获的多普勒频谱分段成多个多普勒区段,每个多普勒区段使用一组神经网络进行处理。
5.根据权利要求4所述的系统,还包括快速傅里叶变换滤波器,所述快速傅里叶变换滤波器用于在由所述一组神经网络处理所述多个多普勒区段之前对所述多个多普勒区段进行滤波。
6.根据权利要求4所述的系统,其中使用一组神经网络处理所述多个多普勒区段将生成多个第一概率分布,所述多个第一概率分布中的每一个对应于所述多个多普勒区段中的一个,并且其中所述多个第一概率分布将被平均为提供将与所述第二概率分布组合的平均第一概率分布。
7.根据权利要求1所述的系统,其中在使用所述至少一个神经网络进行处理之前,要调整所述二维超声图像或所述B模式图像中的所述至少一者的大小。
8.一种计算机可读存储介质,所述计算机可读存储介质包括指令,所述指令在被执行时使得至少一个处理器至少:
使用至少一个神经网络处理扫描的多普勒频谱,以在多个研究类型分类中生成第一概率分布;
使用所述至少一个神经网络处理所述二维超声图像或所述B模式图像中的至少一者,以在多个研究类型分类中生成第二概率分布;以及
组合所述研究类型分类的第一概率分布和所述研究类型分类的第二概率分布以推断与所述扫描的多普勒频谱相关联的研究类型。
9.根据权利要求8所述的计算机可读存储介质,其中所述指令在被执行时使...
【专利技术属性】
技术研发人员:雷纳托·凯塞特,奥马尔·巴科尔,埃亚勒·哈云,艾吉尔·萨姆塞特,依莉娜·索库林,
申请(专利权)人:通用电气公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。