CN119497591A 用于处理超声成像数据的系统和方法 （皇家飞利浦有限公司）

2025.01.02PCT/EP2023/0676362023.06.28WO2024/008533EN2024.01.11一种用于处理多平面超声成像数据的系统解剖结构的一组二维多平面图像以产生合成三2获得由多平面超声扫描设备(110)在第一时间帧(f1)采集的解剖结构的第一组二维超声图像(115)，其中，所述二维图像中的至少两个二维图像已经在不同取向的平面处被采获得由三维超声扫描设备在第三时间帧(f3)采集的所述解剖结构的三维超声图像，其通过使用机器学习算法处理至少所述解剖结构的所述第一组二维超声图像和所述三维超声图像来生成所述解剖结构在所述第一时每个第一训练输入包括一组模拟二维多平面超声图像，其中，所述一每个第一已知输出包括用于生成对应的第一训练输入的所述一组模拟二维多平面超每个第二已知输出包括由对应的第二训练输入的所述一组二维多平面超声图像表示为将所述估计三维超声图像(125)提供给为处理和/或分析三维成像数据而开发的图像分7.根据权利要求6所述的处理系统(120)，其中，所为在显示设备(130)处提供所述解剖结构的所述估计三维超9.根据权利要求1至8中的任一项所述的处理系统(120)，其中，所述处理系统被配置获得由所述多平面超声扫描设备(110)在第二时间帧(f2)采集的所述解剖结构的第二及通过使用所述机器学习算法处理至少所述第一组二维超声图像(115)和所述第二组二3维超声图像来生成所述解剖结构在所述第一时间帧获得由多平面超声扫描设备(110)在第一时间帧(f1)采集的解剖结构的第一组二维超获得由三维超声扫描设备在第三时间帧(f3)采集的所述解剖结构的三维超声图像，其通过使用机器学习算法处理至少所述解剖结构的所述第一组二维超声图像和所述三维超声图像来生成所述解剖结构在所述第一时获得由所述多平面超声扫描设备(110)在第二时间帧(f2)采集的所述解剖结构的第二并且其中，所述的生成所述解剖结构在所述第一时间帧的所述估计三维超声图像(125)的步骤包括使用所述机器学习算法处理至少所述第一组二维超声图像(115)和所述13.一种包括计算机程序代码模块的计算机程序产品，所述计算机程序代码模块当在具有处理系统的计算机设备上被执行时使所述处理系统执行根据权利要求11或12所述的4处理至少所述解剖结构的所述第一组二维超声图像和所述三维超声图像来生成所述解剖[0011]机器学习算法是已经被训练以基于二维多平面图像识别解剖结构的三维特征的5[0013]使用多平面图像，而不是通过在采集之间移动/旋转成像探头而顺序采集的二维[0014]时间对准在需要来自特定时间点的三维图像的应用(诸如心脏成像)中特别有价动周期的同一点处的不同呼吸状态以及心动周期中的不规则性将导致不同[0016]在一个时间帧处采集的三维超声图像与在不同时间帧处采集的二维多平面超声[0020]可以通过沿着穿过三维图像的给定二维切割平面对三维图像进行重新采样来生接收一组第二训练输入和第二已知输出，每个第二训练输入对应于相应的第二已知输出；出包括由对应的第二训练输入的所述一组二维多平面超声图像表示的所述解剖结构的三个对包括对象的解剖结构的一组二维超声图像和相同对象的相同解剖结构的三维超声图[0025]可以使用生成对抗网络(GAN)来确保估计三维超声图像与所采集的二维多平面超声图像一致并且在解剖学上是合理的。GAN的判别器网络学习区分真实三维超声图像和根6从三维图像比从二维视图更准确地识别。基于模型的分割算法将产生比通过使用用于二维图像的算法分割每个多平面图像而获得超声图像来生成所述解剖结构在所述第一时间帧的估计三对已经采集一组多平面图像的每个时间帧生成估计7处理至少所述解剖结构的所述第一组二维超声图像和所述三维超声图像来生成所述解剖估计三维超声图像的步骤包括使用所述机器学习算法处理至少所述第一组二维超声图像[0047]图1示出了根据本发明的实施例的用于采集和处理多平面超声成像数据的系统；[0048]图2示出了根据本发明的实施例的用于处理多平面超声成像数据的计算机实现的学习算法以基于多平面图像中包含的三维信息来估计完整三维体积使得能够以比单独使8[0054]图1示出了根据本发明的实施例的用于采集和处理多平面超声成像数据的系统[0055]多平面超声扫描设备可以是能够采集多平面成像数据的任何超声扫描设备(即，[0056]多平面超声扫描设备110在第一时间帧f1采集解剖结构的第一组二维超声图像[0061]第一组115中的图像的连续采集之间的时间可以足够低，使得被成像的解剖结构[0065]机器学习算法是处理输入数据以便产生或预测输出数据的任何自训练算法。这9贝叶斯模型的其他机器学习算法是合适的替代方案。[0071]根据三维超声图像生成模拟二维超声图像的方法对于本领域技术人员将是显而图像相同的超声扫描设备以相同的设备位置和取向但在不同的成像模式下操作来采集二[0077]可训练判别器网络以区分真实三维超声图像与由发生器网络生成的估计三维超[0080]在一些示例中，处理系统120被配置为将估计三维超声图像125提供给为处理和/[0082]合适的图像分析算法的示例包括基于模型的分割算法和导致固有三维量的测量集解剖结构的第二组二维超声图像，并且处理系统120可以从多平面扫描设备获得第二组第二组二维超声图像来生成解剖结构在第一时间帧f1的估计三[0089]为了使用在第一时间帧f1采集的第一组二维超声图像和第二组二维来生成估计组二维超声图像(如上所述)和在与第一组二维超声图像不同的时间帧采集的解剖结构的[0091]三维超声扫描设备可以在不同于第一时间帧f1的第三时间帧f3采集解剖结构的和真实三维超声图像来生成解剖结构在第一时间帧f1的估计三维超声图像125。在第三时间帧f3采集的真实三维超声图像将提供在第一时间帧f1未由多平面扫描设备成像的区域的[0094]可以通过使用机器学习算法至少处理(一个或多个)真实三维图像和在心动周期中的一个或多个其他点中的每个点处采集的一组二维超声图像来生成在心动周期中的该[0096]在除了第一组二维超声图像之外还使用第三时间帧f3的真实三维超声图像来生由扫描设备在与一组二维超声图像不同的时间采集的与对应的所述一组二维超声图像相[0097]在一些示例中，处理系统120可通过使用机器学习算法至少处理在第一时间帧f1采集的第一组二维超声图像115、在第二时间帧f2采集的第二组二维超声图像和在第三时间帧f3采集的真实三维超声图像来生成解剖结构[0098]图2示出了根据本发明的实施例的用于处理多平面超声成像数据的计算机实现的[0100]在步骤240处，通过使用机器学习算法处理至少第一组二维图像来生成解剖结构供给图像分析算法。图像分析算法是为处理和/或分析三维成像数据而开发的图像分析算通过使用机器学习算法处理至少第一组二维图像和第二组二维超声图像来生成解剖结构通过使用机器学习算法处理至少第一组二维图像和三维超声图像来生成解剖结构在第一[0106]本领域技术人员将能够容易地开发用于执行本文描述的任何方法的处理器。因