阅读说明：本技术 用于根据超声图像获得解剖测量的设备和方法 () 是由 N·沙德瓦尔特 C·洛伦茨 A·施密特-里奇伯格 T·克林德 于 2019-01-09 设计创作，主要内容包括：本发明提供一种用于使用捕获的表示感兴趣解剖区域的超声图像进行解剖测量的方法。所述方法包括：接收(20)表示由用户在所述图像内选择的点的集合的数据,并且根据所述点来解读所述用户打算执行的特定的解剖测量类型。特别地,对所述点进行处理以识别(24)所述点的图案或其他几何特性,并且还识别所述图像内的所述点中的至少一个点的位置(22)。使用这两个特性来根据点的所述集合识别操作者正在执行哪种测量。一旦识别出所述测量,就选择并应用适当的测量模板(26),以便根据点的所述集合来导出(30)解剖测量。()

用于根据超声图像获得解剖测量的设备和方法

技术领域

本发明涉及用于根据超声图像获得解剖测量的方法和设备。

背景技术

超声成像被广泛用于研究内部解剖结构的健康状况和特性。超声成像可以例如用于检查心脏、肾脏或肺部。作为这样的检查的部分，通常有必要对被调查的结构进行测量以辅助建立临床图片。

举例来说，常规地使用超声成像来评估怀孕期间的母亲的子宫中的胎儿的发育，以例如检测胎儿的结构异常。临床医生采集每个所需的胎儿视图的图像的传统方式是在超声探头与母亲的腹部声学接触的同时操作超声探头，直到所期望的解剖取向处于2D成像探头的平面内为止。如果要利用这样的流程来生成多个视图，则会存在遗漏异常的风险，因为采集和分析这些视图需要很高的技能(例如，胎儿超声心动描记非常依赖于操作者)，同时，在该流程期间胎儿可能会移动，这就要求临床医生在每次胎儿移动时都要重新调节自己相对于胎儿的取向。

在分析胎儿发育中特别令人感兴趣的是所谓的生物测定测量，其用于检查胎儿是否正确发育，例如检查胎儿的发育是否在预期的容限内。在超声图像上有一组标准的测量方法，包括：双顶径(BPD)、头围(HC)、腹围(AC)、股骨长度(FL)、颈项透明层(NT)以及冠臀长度(CRL)。

除了针对某些胎龄(GA)的参考值以外，这些参数还能够用于确定例如胎龄(怀孕初期中的CRL和BPD)或各种异常情况(例如，身体部位之间的异常关系)。

如果检测到异常，则能够及早进行其他诊断措施以确保及时采取适当措施。

当执行超声筛查时，将采取一套标准的生物测定测量。在现有技术的超声系统中，针对每个给定的测量，超声医师必须从列表中选择测量类型并然后按照固定的工作流程进行测量。选择测量将激活特定的测量工具或模板，以确保正确解读操作者的鼠标单击动作来定义该测量。例如，一些测量需要绘制线条，而其他测量则需要绘制圆或轮廓，并且不同的测量可能需要不同的标度。系统将由用户识别的一系列点适当转换成正确形状和类型的测量并然后正确标示并记录该测量。

这个工作流程缓慢而乏味，因为它要求操作者从长列表中选择要进行的每个测量，然后才能执行该测量。

已经尝试了通过提供遵循设定的测量顺序的固定工作流程来减少工具选择的工作量和时间消耗。这样可以避免在每次测量之前多次单击鼠标。然而，它对超声医师有严格的限制而可能不适合超声医师的偏好。它也无法为执行额外的测量提供灵活性，而额外的测量可能在给定情况下在临床上是适当的。

还提出了全自动的流程，其中，扫描胎儿超声图像并且自动识别并记录全套生物测定测量。例如，这些操作可以基于分割超声图像数据。

例如，一种基于分类器的自动胎儿生物测定(其被称为“自动OB”)的详细信息如下：Carneiro G等人在2007年发布的“Automatic Fetal Measurements in UltrasoundUsing Constrained Probabilistic Boosting Tree”(医学图像计算和计算机辅助介入–MICCAI 2007，计算机科学讲义，第4792卷，Springer)。

虽然这些系统减少了工作量，但是它们缺乏鲁棒性并且永远无法达到100％的准确性。例如，它们通常要求特定质量的输入图像或者要求以特定的顺序或取向提供图像，以便使该方法正确地工作。由于其可靠性很低，因此很难获得监管部门的批准而将其用于设备中。

仍然需要提高在超声图像中执行解剖测量的效率，但不会妨碍准确性和鲁棒性，并且还为超声医师提供灵活性。

文献WO 2016/042146公开了一种用于兽医应用的便携式超声扫描设备。该设备用于辅助识别所捕获的图像中的特征。用户识别所捕获的图像内的一般特征类型和位置，并且该设备返回完全识别的特征，根据该完全识别的特征，能够计算出与该特征有关的生理信息。

文献US 2016/085328公开了一种超声诊断装置，该超声诊断装置旨在解决使用触摸屏时输入精度较差的问题。触摸屏显示器显示对象的超声图像并接收用户在图像上的触摸。控制器从触摸采集种子点，随后确定对象的形状信息，并且使用该信息和种子点来确定与用户触摸相对应的触摸点。

文献US 2011/282199公开了一种三维超声系统，该三维超声系统具有显示单元和控制单元，显示单元用于显示被成像的对象，控制单元基于由控制单元选择的图像的参考位置来生成图形模板。图形模板将被自动调节以适配参考位置并用于导出其测量。

文献5588435公开了一种用于测量身体结构的超声成像系统。用户输入要测量的身体结构的一般几何特性以及要进行的特定测量，并且系统在超声图像中自动识别该特征并自动计算测量。

发明内容

本发明由权利要求来限定。

根据本发明的一个方面，提供了一种用于在超声图像中获得解剖测量的计算机实施的方法，所述方法包括：

接收表示在所述超声图像内的两个或更多个用户选择的点的集合的用户输入数据；

在所述图像内识别与所述用户选择的点中的至少一个用户选择的点的位置相对应的解剖区域；

识别用户选择的点的所述集合的几何特性；

从预先存储的测量模板的集合中选择与所识别的解剖区域和几何特性相关联的测量模板；并且

使用所述测量模板根据用户定义的点的所述集合来导出解剖测量。

选择所述测量模板的步骤优选包括：访问预先存储的测量模板的集合，所述集合中的每个测量模板与一个或多个已知的解剖区域和几何特性相关联，以及选择与所识别的解剖区域和几何特性相关联的测量模板。

所提出的方法基于根据操作者在图像中选择的点的集合来自动检测操作者打算通过这些点执行的特定测量。

特别地，该方法基于以下操作：基于操作者在图像中选择的点的集合的位置和几何特性来自动检测正在执行的特定测量。然后能够应用正确的测量工具。这样避免了从长列表中预先手动选择测量类型的需求，从而节省了操作者的时间和精力。

本发明提供了优于全自动测量方法的提高的鲁棒性，因为全自动测量方法仍然依赖于超声医师的专业输入来选择定义测量的特定系列的点。然而，本发明通过不要求操作者预先手动录入测量类型而提供了优于标准方法的更高的效率。

本发明还提供了优于固定工作流程方法的提高的灵活性，这是因为超声医师能够临时决定要进行哪些测量以及以什么顺序进行测量，并且该方法能够适当地做出响应并应用适当的工具。

因此，本发明保留了临床医生的关键专业知识，从而确保了临床鲁棒性，同时部署了自动化功能以加快仅文书工作的速度，从而提高了效率。

该方法还可以包括接收或获得超声图像的初始步骤。备选地，可能已经能够在本地访问图像。

该方法可以包括生成表示所导出的测量的输出数据的另外的步骤。然后，该方法可以包括经由通信接口来传送所述输出数据的另外的步骤。

该方法还可以包括根据在导出测量中使用的测量模板对测量加标识或标签。这样可以确保所有测量在被整理和存储后都能够被识别。

用户输入的两个或更多个点是单独的点，例如，彼此隔开的点；即，这些点是离散点。

该方法涉及识别用户选择的点的集合的几何特性。几何特性通常意指与点的集合所描述的几何形状有关的性质。几何形状通常可以指例如由点的集合描述或定义的点、线、角度和/或图形。

识别几何特性可以包括分析图像以检测或识别与点有关的几何特性，例如，点所体现或描述的几何形状。

根据一个或多个示例，识别几何特性可以包括识别与点所描述的图案或线(或轮廓)有关的形状信息。例如，检测以下各项中的一项或多项：这些点是否描述直线、曲线或轮廓，这样的线是开放的还是闭合的，这样的线的特定弯曲、弧形或其他路径特性，点是否替代地描述几何图案，点描述的是两条线的组合，还是图案与线的组合，还是任何其他组合，还是任何这样的图案的形状。

根据一个或多个示例，识别几何特性可以包括识别由点的至少一个子集描述的图案或线(或轮廓)的形状属性。

在示例中，几何特性可以包括点的集合中的几何图案。该图案可以例如是点所描述的几何形状或形式，例如，特定形状的轮廓或定义特定弧形或曲线的线。

备选地，几何特性可以包括点的几何特征，例如，两个或更多个点之间的间隔。两个或更多个点之间的距离可以允许识别正在执行的测量。

在示例中，该间隔可以是以局部图像单位(例如，像素)或真实空间单位或者以在图像内捕获的空间区域为单位而测量的距离。

在示例中，识别解剖区域可以包括识别与按时间顺序的第一选择点相对应的解剖区域。

在示例中，选择测量模板可以包括：首先识别与所识别的解剖区域和几何图案相关联的测量模板的集合，并且基于用户输入来选择所述集合中的一个测量模板。在这种情况下，选择测量模板不是完全自动的，但是大大减轻了操作者搜索整个可能测量列表的负担。所识别的模板集合通常可以例如仅包括2-5个可能性。

备选地，选择测量模板可以包括：首先识别与所识别的解剖区域和几何图案相关联的测量模板的集合(如上所述)，并且基于另外的图像分析来选择所述集合中的一个测量模板。

在示例中，确定解剖区域可以包括对超声图像执行图像分割流程。

在特定示例中，预先存储的测量模板的集合可以被存储在数据库或其他数据结构中。

根据一组或多组实施例，该方法可以是胎儿测量方法，其中，解剖区域是在图像中捕获的胎儿的区域。因此，该方法可以是用于例如在胎儿筛查期间获得对胎儿的测量的方法。然而，本发明的构思更广泛地适用于对人或动物中的解剖区域的测量。

根据一组或多组实施例，该方法可以是用于获得生物测定测量的生物测定测量方法。生物测定是针对身体测量和计算的技术术语。它指的是与人类特性有关的度量。

在示例中，该方法可以用于获得对胎儿的生物测定测量，并且任选地，其中，该方法用于获得以下测量中的一项或多项：双顶径BPD、头围HC、腹围AC、股骨长度FL、颈项透明层NT以及冠臀长度CRL。

在针对所获得的测量生成标签或标识的情况下，该方法还可以包括将所获得的测量与所应用的标识或标签一起存储。

根据本发明的另外的方面的示例提供了一种包括计算机程序代码的计算机程序单元，所述计算机程序代码当在计算机上运行时适于执行根据以上概述的任何示例方法或本公开内容中描述的任何示例方法所述的方法。

根据本发明的另外的方面的示例提供了一种用于在超声图像中获得解剖测量的图像分析设备，所述设备包括：

数据库，其包括用于在执行不同的解剖测量中使用的预先存储的测量模板的集合；以及

测量处理器，其被配置为：

接收表示在所述超声图像内的用户选择的点的集合的用户输入数据；

在所述图像内识别与所述用户选择的点中的至少一个用户选择的点的位置相对应的解剖区域；

识别用户选择的点的所述集合的几何特性；

从所述预先存储的测量模板的集合中选择与所识别的解剖区域和几何特性相关联的测量模板；并且

使用所述测量模板根据用户定义的点的所述集合来导出解剖测量。

预先存储的集合中的每个测量模板优选与一个或多个已知的解剖区域和几何特性相关联。

在示例中，该设备可以包括用于执行接收或获得超声图像的另外的步骤的单元。备选地，例如，如果该设备是已经用于获得图像的超声成像设备的部分，则可能已经能够在本地访问该图像。

测量处理器可以适于执行生成表示所导出的测量的输出数据的另外的步骤。处理器然后可以适于执行经由通信接口传送所述输出数据的另外的步骤。

测量处理器可以是适合用于执行上述步骤的集合的任何类型的处理器。

该设备还可以包括用户接口单元，所述用户接口单元由用户在超声图像内输入用户选择的点的集合中使用。用户接口单元可以是鼠标或其他指示器设备。

测量处理器可以被配置为执行根据本公开内容中描述的或者在本申请的任何权利要求中定义的任何示例或实施例的用于在超声图像中获得解剖测量的方法。

根据本发明的另外的方面的示例提供了一种超声成像设备，包括：一个或多个超声成像探头，其用于采集超声图像数据；以及图像处理器，其被配置为处理所述图像数据以导出超声图像；以及根据以上概述的任何示例或根据本公开内容中描述的任何其他示例或实施例的图像分析设备，其适于在所导出的超声图像中获得解剖测量。

附图说明

现在将参考附图来详细描述本发明的示例，在附图中：

图1示出了超声图像的示例解剖测量；

图2示出了根据本发明的实施例的示例方法的框图；

图3示出了根据本发明的实施例的示例超声成像设备；并且

图4示出了根据实施例的示例性超声系统。

具体实施方式

将参考附图来描述本发明。

应当理解，详细说明和具体示例虽然指示装置、系统和方法的示例性实施例，但是其仅旨在用于说明的目的，而并不旨在限制本发明的范围。根据以下描述、权利要求书和附图，本发明的装置、系统和方法的这些和其他特征、方面和优点将变得更易于理解。应当理解，附图仅是示意性的，且并没有按比例绘制。还应当理解，在所有附图中使用相同的附图标记来指示相同或相似的部分。

本发明提供一种用于使用表示感兴趣解剖区域的捕获的超声图像进行解剖测量的方法。该方法包括：接收表示由用户在图像内选择的点的集合的数据，并且根据点来解读用户打算执行的特定的解剖测量类型。特别地，对点进行处理以识别点的图案或其他几何特性，并且还识别图像内的点中的至少一个点的位置。使用这两个特性来根据点的集合识别操作者正在执行哪种测量。一旦识别出测量，就选择并应用适当的测量模板，以便根据点的集合来导出解剖测量。

在现有技术的设备中进行测量的过程涉及从列表(其通常非常长)中选择要进行哪种测量，然后在捕获的超声图像内选择在尺寸或几何形状上定义或描述该测量的各个点。例如，这可能涉及选择线测量的端点或轮廓周围的点。应用与所选择的测量类型相对应的测量模板，该测量模板会适当解读所选择的点，以便根据所选择的点导出测量。

本发明的特别有用的应用领域之一是胎儿超声筛查。这个过程要求对胎儿进行许多特性生物测定测量，以便对胎儿的发育进行检查和监测。

图1示出了一些示例胎儿生物测定测量。图1(a)示出了冠臀长度(CRL)测量，该CRL测量包括沿着胎儿的长度的线性延伸。通过选择用户选择的两个点(用叉号指示)来进行该测量，CRL测量模板将这两个点解读为线的端点。然后，CRL测量模板确定CRL测量并将其确定为在这两个选择的点之间延伸的线的长度。

图1(b)示出了双顶径(BPD)测量(水平线)和枕额径(OFD)测量(垂直线)。用户还可以通过选择两个点来执行这些测量中的每种测量，相应的测量模板将这两个点解读为线的端点。

图1(c)示出了腹围(AC)测量。通过选择围绕腹围的至少三个点来执行该测量。测量模板将这些点解读为闭合轮廓上的点并且内插延伸通过所有点的轮廓。导出该轮廓的长度，该长度提供了AC测量。

图1(d)示出了股骨长度(FL)测量。这再次涉及到操作者选择两个点，测量模板将这两个点解读为定义股骨长度的线的端点。

该方法通过减轻超声医师在进行每次测量之前手动选择要应用哪种测量模板的负担而提高了在捕获的超声图像中进行解剖测量的效率。

现在将参考图2的框图来描述根据本发明的实施例的示例方法。

在第一步骤20(“接收点”)中，接收表示已经由用户在超声图像中选择的(至少两个)点的集合的输入数据。用户可以使用鼠标或其他指示器设备单击图像内的相关点来选择这些点的集合。特别地，用户可以简单地开始使用鼠标点击来测量生物测定测量(而无需选择正在执行的测量)。如上所述，取决于测量，这可以是例如两次点击(用于线、距离或直径测量)或若干次点击(例如用于描画周缘或轮廓)。

例如，可以在本方法开始之前在计算机(例如，移动计算设备)或图像处理设备上执行选择点的过程。本发明不限于通过其定义点或者通过其接收点的任何特定的输入方法。例如，虽然上面提到了“鼠标点击”，但是这仅是示例。与图像交互的其他交互方案(例如，多普勒记录或滚动交互)也将是可能的，以例如分析心脏形貌。

在示例中，该方法可以包括接收超声图像的额外的初始步骤。在一些示例中，这可以包括从一个或多个超声换能器探头接收超声图像数据以及处理该数据以导出图像。备选地，它可以例如包括接收已经绘制的图像，例如从图像处理器或者从其中存储有图像的存储器或其他来源接收已经绘制的图像。

在接收到表示用户选择的点的集合的数据之后，第二步骤22(“图像区域”)包括在超声图像内识别与用户选择的点中的至少一个用户选择的点的位置相对应的解剖区域。可以识别与点中的仅一个点(例如，仅第一点)或多个点(例如，第一点并额外加上后续点)相对应的解剖区域。该区域可以例如是由用户选择的点的集合(的部分或全部)勾画或划界的区域。例如，这些点可以包围或封闭特定形状或体积的空间，该区域被识别为与点相关联的解剖区域。可以识别与这样的识别区域相关联的特定点，例如，该区域的“重心”(或质心)点。

通过识别已经选择了其中的点的解剖区域，用户可以执行的可能的解剖测量的数量变少，因为仅某个子集与用户开始在其中进行测量的特定区域相关联。

该步骤仅要求识别点中的一个或多个点已经位于其中的解剖位置。这可以在示例中使用解剖界标检测来执行：对图像进行分析或处理以识别在(一个或多个)所选择的点附近的某些界标或可识别的解剖特征，这些界标或特征可以用于在解剖方面辨别(一个或多个)点的位置(它们在感兴趣解剖区域或身体内的位置)。

举例来说，在Carneiro G等人在2007年公布的“Automatic Fetal Measurementsin Ultrasound Using Constrained Probabilistic Boosting Tree”(医学图像计算和计算机辅助介入–MICCAI 2007，计算机科学讲义，第4792卷，Springer)中详细描述了针对胎儿解剖测量的特定情况的界标检测。

在一些示例中，可以使用至少部分图像分割以辅助识别与所选择的点中的一个或多个所选择的点相关联的解剖区域或位置。举例来说，Schmidt-Richberg A.等人在2017年公布的“Abdomen Segmentation in 3D Fetal Ultrasound Using CNN-poweredDeformable Models”(婴儿和眼科医学图像分析，FIFI 2017，OMIA 2017，计算机科学讲义，第10554卷，Springer)详述了与深度学习和基于模型的3D超声图像分割相结合的胎儿躯干分割。

然而，分割对于识别与(一个或多个)用户选择的点相关联的解剖区域或位置并不是必需的。例如，上面引用的文章还详述了用于检测胎儿躯干区域的更简单的区域识别流程。该流程或针对其他解剖区域对该流程的类似修改也可以用于对点或区域的解剖定位，而无需实施完全分割。

用于识别与(一个或多个)点相关联的解剖区域或位置的另一选择是简单的视图检测流程，例如，如最近开发的用于区分不同标准超声平面的机器学习方法所展示的简单的视图检测流程，请参见例如Christian Baumgartner等人的“Real-time Standard ScanPlane Detection and Localisation in Fetal Ultrasound using FullyConvolutional Neural Networks”(MICCAI 2006)。

通过使用这些技术，至少能够识别与用户定义的点相关联的一般解剖区域，例如，“长骨”或“头”，这对于本发明的实施例所必需的解剖定位通常是足够的。

额外地或备选地，可以根据示例应用图案匹配方法对图像内的某些形状(例如，圆形或细长形状)进行定位，这些形状能够用于确定与一个或多个用户选择的点相关联的解剖区域。在示例中可以使用广义霍夫变换(GHT)方法(使用模板匹配)。然而，可以替代地应用最新的机器学习方法，最新的机器学习方法会胜过基于经典GHT的形状***，最新的机器学习方法例如在W.Wang等人的“Detection and measurement of fetal abdominalcontour in ultrasound images via local phase information and iterativerandomized Hough transform”(Biomed Mater Eng.，2014年，第24卷，第1期)中进行了详述。随机森林方法提供了另一种机器学习方法，该机器学习方法也可以有利地应用于在识别解剖区域或位置中促进形状匹配。合适的示例在Kevin Keraudren等人的“AutomatedLocalization of Fetal Organs in MRI Using Random Forests with SteerableFeatures”(MICCAI 2015，第620-627页)中进行了描述。

在识别了与点中的一个或多个点相关联的解剖区域之后，第三步骤24(“几何特性”)包括识别用户选择的点的集合的几何特性。几何特性可以包括由点描述的(几何)图案或点的几何特征，例如，点中的两个或更多个点之间的距离。图案可以例如是由点定义的形状或图形，例如，闭合的轮廓或特定形状或勾勒图的轮廓，或特定弧形或弯曲或长度的线。

几何特性可以包括选择的点的数量，例如，仅两个点可能指示在某个解剖区域中的线测量。

在一些示例中，可以识别一个以上的几何特性。

可以利用与不同解剖测量相关联的已知图案和其他几何特性的数据库或数据存储设备来执行对几何特性的识别。该数据存储设备或数据库可以特定于特定的测量种类，例如，胎儿测量。

在示例中，可以使用图案识别算法或在图像上执行的特征识别算法来执行对识别几何特性的识别。在这种情况下，可以将在图像中识别的潜在图案与在已知的示例性图案的数据库或数据存储设备中存储的不同图案进行比较，从而允许识别图案。

上面描述了合适的图案识别方法和途径。例如，在示例中，可以使用经典的广义霍夫变换(GHT)方法(使用模板匹配)，或者可以替代地应用最新的机器学习方法，例如，如在W.Wang等人的“Detection and measurement of fetal abdominal contour inultrasound images via local phase information and iterative randomized Houghtransform”(Biomed Mater Eng.，2014年，第24卷，第1期)中所详述的机器学习方法。随机森林方法提供了另一种机器学习方法，该机器学习方法也可以有利地应用于在识别解剖区域或中促进形状匹配。合适的示例在Kevin Keraudren等人的“Automated Localizationof Fetal Organs in MRI Using Random Forests with Steerable Features”(MICCAI2015，第620-627页)中进行了描述。

在最简单的示例中，图案识别可以包括非常简单的关联，例如，两个点＝线，多个点＝圆/椭圆或曲线。

根据一个或多个示例，除了识别与点中的一个或多个点相关联的几何特性的步骤以外，还可以执行识别与点的图案相关的基本超声图像的一个或多个属性的另外的任选步骤。例如，如果识别出的几何特性是点对应于线，则可以检测基本超声图像内的对应的线的强度。高强度的线可以提供例如对测量是典型的股骨测量的指示(特别是如果所识别的解剖区域与包含股骨的区域相对应的话)。举个另外的示例，如果几何特性是点对应于圆形(例如在头骨或肋骨笼测量的情况下)，则可以检测到超声图像内的基本轮廓形状周围的强度变化。侧面的高强度和/或正面和背面的低强度可以提供对点对应于头骨的指示，因为这些点是与头骨的超声图像相关联的典型阴影图案。

在识别了点的集合的几何特征(以及任选地还有上述额外步骤)后，第四步骤26(“模板”)包括从预先存储的测量模板的集合中选择与所识别的解剖区域和所识别的集合特性相关联的测量模板。

例如，可以存储所有不同的可能测量以及与它们相关联的(一个或多个)特定几何特性(以及与它们相关联的解剖区域)的列表或数据库。

该数据库可以例如包括以下形式的数据：

该数据可以从公开可用的文献中获得(例如，参见https://sonoworld.com/Client/Fetus/html/appendix-03/normal_fetal_biometry/appendix-03.htm)，也可以根据其他公共文献来构建，或者也可以基于超声医师的经验或进行的实验来构建。

在特定示例中，根据第四步骤26选择正确的测量模板可以包括以下子步骤：首先根据可能的测量模板与用户选择的点相对应的可能性对可能的测量模板进行排名，并且然后选择排名最高(即，最有可能)的测量模板。

如果针对几何特性和位置的给定组合可能有多种测量，则在一些示例中该方法可以包括另外的步骤：按照可能性的顺序对可能的测量模板进行排名，然后将该列表呈现给用户。然后，基于与列表有关的用户输入(例如，用户对模板之一的选择)从列表中选择一个测量模板。

可以使用合适的用户输出设备(例如，显示器或其他视觉呈现设备)来执行向用户呈现列表。用户输入设备可以用于接收指示要选择排名列表中的哪个测量模板的用户输入。用户输入和输出设备可以被集成在单个用户接口设备(例如，触摸屏移动计算设备)中。

额外地或备选地，如果针对几何特性和位置的给定组合可能有多种测量，则该方法可以包括另外的子步骤：执行额外的图像分析，例如，应用另外的图案或特征识别算法，从而进一步缩小可能的测量模板的列表的范围。然后，虽然以额外的处理时间和资源为代价，但是这可以允许识别与所识别的点的几何特性和位置相关联的单个测量。进一步的图像分析可以包括如上所述的步骤，其中，识别与点相关的基础超声图像的特性，例如，强度特性。

举例来说，可以导出，由操作者进行的测量是与在超声图像内捕获的胎儿的头部相关联的测量，并且包括线测量。有至少两种测量可以与这些属性相对应：双顶径(BPD)和枕额径(OFD)(在图1(b)中，这两者分别被描绘为垂直线和水平线)。在这种情况下，该方法可以例如包括另外的子步骤：识别测量线相对于头部的取向，并且应用该子步骤，从而确定所进行的测量更可能对应于BPD和OFD中的哪一个。

在选择了测量模板之后，该方法包括使用测量模板根据用户定义的点的集合来导出解剖测量的第五步骤30(“测量”)。在该步骤中，应用所选择的模板以导出测量。测量模板可以包括测量算法或规则，该测量算法或规则指示应当如何解读或处理所选择的点的集合以便根据它们导出测量。例如，用于腹围测量的测量模板可能包括：导出连接由用户选择的所有点的平滑闭合轮廓线(例如，椭圆)，然后使用模板所包括的特定转换度量(即，允许将图像空间长度转换为实际大小长度的度量)来导出轮廓的长度(周长)。

该方法可以包括根据在导出测量中使用的测量模板对测量加标识或标签的另外的步骤。

在示例中，可以将所导出的(并且可能带标签的)测量传送到存储器或数据存储设备或外部计算机或系统。这可以包括生成表示测量的输出数据以及进一步传送输出数据。

除了标示和存储(一个或多个)测量以外，该方法还可以包括捕获与所进行的测量中的一种或多种测量相对应的屏幕快照的另外的步骤，例如示出由用户在图像内选择的点，并且优选示出连接这些点并对应于所进行测量的线或轮廓。除了捕获的测量以外，还可以对这些信息进行存储或存档。可以在图像上标示测量。

该方法可以包括将测量与对应的胎龄进行关联以例如确定胎儿的胎龄的另外的步骤。这可以基于针对每个胎龄的测量的标准值的存储数据集。在示例中，可以将所获得的测量中的一个或多个测量标记在针对测量类型与胎龄的参考值图上。可以将该标记图在用户输出设备上显示给用户并且/或者将该标记图与所获得的测量一起存储。

虽然已经结合生物测定测量描述了以上示例，但示这仅是示例。本发明的方法能够应用于根据超声图像获得任何解剖测量。该方法还适用于通过除了超声以外的其他成像模态获得的(解剖)图像；超声是该方法的一种有利应用。

与实施全自动测量的系统相比，根据本发明的示例方法提供了至少三个主要优点。首先，由于仍然使用专业的超声医师判断来标出每个测量，因此与选择在每个测量之前执行的测量的标准方法相比，测量准确性不会降低。因此，针对实施该方法的设备，获得监管部门的批准(例如从美国食品药品监督管理局获得批准)就容易得多。

其次，与全自动方法相反，本发明的示例允许超声医师以任意顺序进行测量，从而提供了更大的灵活性。

第三，该方法易于扩展而包括新的测量。这仅需要将新的测量以及与例如能够用于识别测量的相关联的几何特性和解剖位置添加到列表。在最简单的示例中，可以仅利用基本的几何特性来添加额外的测量，例如，该测量是除了解剖区域以外还由两个点识别的线测量。在使用中，该测量然后可以作为针对在解剖区域中绘制的线的可能的线测量的列表之一而出现。如上所述，可以将该列表呈现给用户以选择适当的测量，或者可以在尝试确定或排除该列表中的其他(更精确定义的)测量中执行进一步的图像分析。

本方法的实施例可以应用于根据超声图像获得测量。这包括2D超声图像和3D超声图像。在一些示例中，可以在识别3D图像中的点的解剖位置中使用分割；可以例如在2D图像中识别点的解剖位置中使用分类方法。

可以使用包括适于执行该方法的测量处理器的图像分析设备来实施根据本发明的任何方法。

因此，本发明的另外的方面提供了一种用于在超声图像中获得解剖测量的图像分析设备，所述设备包括：数据库，其包括用于在执行不同的解剖测量中使用的预先存储的测量模板的集合；以及

测量处理器，其被配置为：

接收表示在所述超声图像内的用户选择的点的集合的用户输入数据；

在所述图像内识别与所述用户选择的点中的一个用户选择的点的位置相对应的解剖区域；

识别用户选择的点的所述集合的几何特性；

从所述预先存储的测量模板的集合中选择与所识别的解剖区域和几何特性相关联的测量模板；并且

使用所述测量模板根据用户定义的点的所述集合来导出解剖测量。

测量处理器可以是适合用于执行上面概述的步骤的集合的任何类型的处理器。

在一些示例中，所述设备还可以包括：用户接口单元，其用于由用户在所述超声图像内输入用户选择的点的所述集合中使用。举个特定示例，用户接口单元可以包括鼠标或其他指示器设备。

如上所述，根据一个或多个示例，可以使用超声成像设备来采集根据其获得测量的超声图像。

因此，本发明的另外的方面提供了一种超声成像设备，所述超声成像设备包括一个或多个超声成像探头以及如上所述的图像分析设备。在图3中以框图的形式示意性地描绘了示例。

超声成像设备40包括用于采集超声图像数据的一个或多个超声成像探头42。为了进行说明，图3仅示出了一个探头42。该探头包括超声换能器装置，该超声换能器装置包括至少一个换能器，并且优选包括换能器阵列。例如借助于由设备执行的波束形成，可以操控换能器阵列。

超声成像探头42与图像处理器44通信性耦合。图像处理器被配置为处理由探头42采集的图像数据，从而导出一幅或多幅超声图像。

还提供了根据上述示例或实施例中的任一个的图像分析设备46，图像分析设备46包括测量处理器48和存储测量模板的数据库50，图像分析设备46***作性耦合到图像处理器44，以用于接收由图像处理器生成的(一幅或多幅)图像。图像分析设备46适于(根据在上述示例和实施例中的任一个中讨论的步骤)处理所导出的(一幅或多幅)超声图像，从而在所导出的超声图像中获得解剖测量。

测量处理器48和图像处理器44可以各自利用单独的处理器，或者它们的功能可以由同一个处理器来执行。在每种情况下，任一处理器都可以采用一个或多个微处理器，这一个或多个微处理器可以使用软件(例如，微代码)进行编程以执行所需的功能。作为替代方案，控制器可以替代地用于执行任一处理器的功能，该控制器使用硬件(例如，电路)来实施。控制器也可以被实施为执行一些功能的专用硬件与执行其他功能的处理器(例如，一个或多个编程的微处理器和相关联的电路)的组合。

可以在本公开内容的各种实施例中采用的处理器部件的示例包括但不限于常规的微处理器、专用集成电路(ASIC)以及现场可编程门阵列(FPGA)。

在各种实施方式中，处理器可以与一个或多个存储介质(例如，易失性和非易失性计算机存储器，例如，RAM、PROM、EPROM以及EEPROM)相关联。可以利用一个或多个程序对存储介质进行编码，这一个或多个程序在一个或多个处理器和/或控制器上被运行时将执行所需的功能。各种存储介质可以被固定在处理器或控制器内，或者可以是可移动的，从而使被存储在存储介质上的一个或多个程序能够被加载到处理器中。

图4更详细地图示了一种示例性超声系统，该示例性超声系统在示例中可以用于实施图3的超声成像设备40的探头42和图像处理器44的部分。

该示例性系统包括阵列换能器探头60，阵列换能器探头60具有CMUT换能器阵列100，CMUT换能器阵列100用于发射超声波和接收回波信息。备选地，换能器阵列100可以包括由诸如PZT或PVDF之类的材料形成的压电换能器。换能器阵列100是换能器110的二维阵列，其能够在2D平面中扫描或者在三维中扫描以进行3D成像。在另一示例中，换能器阵列可以是1D阵列。

换能器阵列100被耦合到探头中的微波束形成器62，探头控制由CMUT阵列单元或压电元件对信号的接收。如在美国专利US 5997479(Savord等)、US 6013032(Savord)和US6623432(Powers等人)中所述，微波束形成器能够对由换能器的子阵列(或“组”或“拼片”)接收的信号进行至少部分波束形成。

注意，微波束形成器是完全任选的。下面的示例假定没有模拟波束形成。

微波束形成器62通过探头线缆被耦合到发射/接收(T/R)开关66，T/R开关66在发射与接收之间切换并且在微波束形成器未被使用并且换能器阵列由主系统波束形成器直接操作时保护主波束形成器70免受高能量发射信号的影响。从换能器阵列60进行的超声波束的发射由通过T/R开关66被耦合到微波束形成器的换能器控制器68以及主发射波束形成器(未示出)来指导，该主发射波束形成器接收来自用户接口或控制面板88的用户操作的输入。

由换能器控制器68控制的功能之一是波束转向和聚焦的方向。波束可以直接从(垂直于)换能器阵列向正前方转向，也可以以不同的角度转向以获得更宽的视场。换能器控制器68能够被耦合以控制用于CMUT阵列的DC偏置控件95。DC偏置控件95设置被施加到CMUT单元的(一个或多个)DC偏置电压。

在接收通道中，由微波束形成器62产生部分波束形成的信号，并且该部分波束形成的信号被耦合到主接收波束形成器70，在主接收波束形成器70中，来自换能器的个体拼片的部分波束形成的信号被组合成完全波束形成的信号。例如，主波束形成器70可以具有128个通道，其中的每个通道接收来自几十个或数百个CMUT换能器单元或压电元件的拼片的部分波束形成的信号。以这种方式，由换能器阵列的数千个换能器接收的信号能够有效地贡献于单个波束形成的信号。

波束形成的接收信号被耦合到信号处理器72。信号处理器72能够以各种方式处理接收到的回波信号，例如，带通滤波、抽取、I和Q分量分离以及谐波信号分离，其作用是分离线性信号与非线性信号，从而使得能够识别从组织和微泡返回的非线性(基频的高次谐波)回波信号。信号处理器还可以执行额外的信号增强，例如，散斑抑制、信号复合和噪声消除。信号处理器中的带通滤波器能够是跟踪滤波器，随着从不断增加的深度接收回波信号，跟踪滤波器的通带会从较高的频带滑向较低的频带，从而抑制来自较大深度的较高频率(其中，这些频率没有解剖信息)的噪声。

用于发射和用于接收的波束形成器被实施在不同的硬件中并且能够具有不同的功能。当然，接收器波束形成器的设计要考虑到发射波束形成器的特性。为了简化，在图4中仅示出了接收器波束形成器62、70。在完整的系统中，还将有具有发射微波束形成器和主发射波束形成器的发射链。

微波束形成器62的功能是提供对信号的初始组合，以便减少模拟信号路径的数量。这通常在模拟域中执行。

最终的波束形成是在主波束形成器70中完成的，并且通常是在数字化之后完成的。

发射通道和接收通道使用具有固定频带的相同的换能器阵列60'。然而，发射脉冲占用的带宽能够根据已经使用的发射波束形成而变化。接收通道能够捕获整个换能器带宽(这是经典方法)，或者通过使用带通处理，接收通道能够只提取包含有用信息(例如，主谐波的谐波)的带宽。

经处理的信号被耦合到B模式(即，亮度模式或2D成像模式)处理器76和多普勒处理器78。B模式处理器76采用对接收到的超声信号的幅度的检测来对身体中的结构(例如，身体中的器官组织和血管)进行成像。身体结构的B模式图像可以以谐波图像模式或基波图像模式或这两者的组合形成，如在美国专利US 6283919(Roundhill等人)和美国专利US6458083(Jago等人)中所描述的那样。多普勒处理器78处理来自组织移动和血液流动的在时间上不同的信号，以检测图像场中的诸如血细胞流之类的物质的运动。多普勒处理器78通常包括壁滤波器，该壁滤波器的参数可以被设置为通过和/或拒绝从身体中的选定类型的材料返回的回波。

由B模式处理器和多普勒处理器产生的结构信号和运动信号被耦合到扫描转换器82和多平面重新格式化器94。扫描转换器82以期望的图像格式以从中接收回波信号的空间关系来布置回波信号。例如，扫描转换器可以将回波信号布置成二维(2D)扇形格式或金字塔形的三维(3D)图像。扫描转换器能够利用对应于图像场中的点(具有其多普勒估计速度)处的运动的颜色来叠加B模式结构图像，以产生描绘图像场中的组织运动和血液流动的彩色多普勒图像。如美国专利US 6443896(Detmer)所述，多平面重新格式化器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成该平面的超声图像。如美国专利US6530885(Entrekin等人)所述，体积绘制器92将3D数据集的回波信号转换成投影的如从给定的参考点所看到的3D图像。

2D图像或3D图像从扫描转换器82、多平面重新格式化器94和体绘制器92被耦合到图像处理器80，以用于进一步增强、缓冲和临时存储，从而用于在图像显示器90上进行显示。图像显示器可以是用户接口88的部分，从而允许用户(超声医师)选择图像内的点以用于定义要进行的测量。备选地，可以通过由超声成像设备40的图像分析设备46包括的用户接口单元来促进输入用户选择的点。

除了用于成像以外，由多普勒处理器78产生的血流值和由B模式处理器76产生的组织结构信息还可以被耦合到量化处理器84。量化处理器可以对不同的流动状况(例如，血流的体积速率)和结构(例如，器官的大小和胎龄)进行测量。量化处理器可以从用户控制面板88接收输入，例如，要进行测量的图像的解剖结构中的点。来自量化处理器的输出数据被耦合到图形处理器86，以用于在显示器90上将测量的图形和值与图像一起重现以及从显示设备90进行音频输出。

图形处理器86还可以生成图形叠加物以用于与超声图像一起显示。这些图形叠加物能够包含标准识别信息(例如，患者姓名)、图像的日期和时间、成像参数等。为了这些目的，图形处理器可以从用户接口88接收输入，例如，患者姓名。用户接口还被耦合到发射控制器68，以控制从换能器阵列60'生成超声信号并因此控制由换能器阵列和超声系统产生图像。控制器68的发射控制功能仅仅是所执行的功能之一。控制器68还考虑了(由用户给定的)操作模式以及在接收器模数转换器中对应要求的发射器配置和带通配置。控制器68能够是具有固定状态的状态机。

如上文所指出的，上述示例性超声系统可以实施图3的超声成像设备40的探头42和图像处理器44的部分。因此，参考图3，一旦绘制了(一幅或多幅)图像，就将它们传送到图像分析设备46。图像分析设备46可以包括用户接口单元，该用户接口单元用于促进由用户在图像内输入用户选择的点。然后可以将所绘制的图像(和输入的用户选择的点)传送到图像分析设备46的测量处理器48，以用于导出(一种或多种)解剖测量。备选地，如上文所讨论的，实施图像处理器44的超声系统可以包括允许输入用户选择的点的用户接口88。在这种情况下，除了用户选择的点以外，图像处理器还可以将所绘制的图像输出到图像分析设备6的测量处理器48。

本领域技术人员通过研究附图、公开内容以及权利要求，在实践请求保护的发明时能够理解并实现对所公开的实施例的其他变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。虽然某些措施被记载在互不相同的从属权利要求中，但是这并不指示不能有利地使用这些措施的组合。权利要求中的任何附图标记都不应被解释为对范围的限制。