阅读说明：本技术 用于校正图像融合中的运动引起的未对准的超声系统和方法 (Ultrasound system and method for correcting motion-induced misalignment in image fusion ) 是由 C·迪富尔 T·S·Y·唐 G·C-H·吴 于 2019-01-04 设计创作，主要内容包括：本公开描述了超声成像系统和方法,其可以使得能够在对应于感兴趣移动区域的实时图像的术前体积中自动识别图像平面。示例方法包括：从与位置跟踪传感器相关联的探头接收实时超声图像数据；基于实时超声数据来生成实时图像；并且根据实时超声图像数据导出运动模型。所述方法还可以包括通过校正实时数据和术前数据之间的运动引起的未对准,来自动识别术前数据集中的图像平面以对应于实时超声图像。(The present disclosure describes ultrasound imaging systems and methods that may enable automatic identification of image planes in a preoperative volume corresponding to a real-time image of a moving region of interest. An example method includes: receiving real-time ultrasound image data from a probe associated with a position tracking sensor; generating a real-time image based on the real-time ultrasound data; and a motion model is derived from the real-time ultrasound image data. The method may further include automatically identifying an image plane in the pre-operative data set to correspond to the real-time ultrasound image by correcting for motion-induced misalignment between the real-time data and the pre-operative data.)

用于校正图像融合中的运动引起的未对准的超声系统和方法

技术领域

本公开总体上涉及用于在执行图像融合时校正运动引起的未对准的超声系统和方法，例如在融合实时图像(例如，在实时超声期间)和术前图像(例如，使用诸如磁共振(MR)或计算机断层摄影(CT)的不同的成像模态获得的图像、或术前3D超声(US)数据)时。

背景技术

将患者的实况超声图像与相同患者但来自另一模态(通常但不限于MR或CT)的术前3D体积的融合需要空间校准。为此目的，超声探头通常装备有位置跟踪(例如，电磁(EM)跟踪)传感器。在美国专利申请公开US 2011/028843A1中描述了一种这样的医学成像系统。为了将来自两种模态的图像在空间上对准，首先对跟踪系统进行校准。校准步骤提供了实况超声数据和术前数据集之间的严格变换，使得可以自动保持空间同步。然而，即使校准步骤被非常精确地执行，由于患者的运动，例如由于呼吸或心脏运动，融合图像在实时跟踪条件下也能经历未对准误差。为了减少这种融合误差，用于融合的“默认”术前2D平面(如由EM跟踪器所指示)可以由表示不同呼吸状态的另一平面P替换。然而，要这样做，与不同呼吸状态相关联的术前数据的多个数据集将需要可用于应用该解决方案。更经常情况是仅单组术前数据可用。因此，更经常需要从单个可用术前数据集选择备选平面P，并且现有系统在其识别要使用的该备选平面P的方式中变化。例如，在一个已知的系统中，实况超声图像和术前CT图像经由对实况图像和CT图像执行的图像处理对准，从而匹配两组图像数据中的特征。另一已知的系统使用具有传感器的额外的呼吸跟踪系统，该传感器被定位于患者的胸部，以导出用于校正呼吸引起的未对准的模型。

EP 3056151 A1涉及一种用于融合至少一幅超声图像和诸如CT或MR图像的预存储模态图像的方法。超声融合成像方法包括选择步骤、配准步骤和融合步骤。选择步骤用于从至少一个先前存储的超声视频数据片中选择至少一幅超声图像，其包括通过在至少一个平面中采集目标物体获得的超声图像，以及与每幅超声图像相对应的位置指示信息。位置信息由固定到超声探头的位置传感器生成。配准步骤用于使用至少一幅超声图像的位置指示信息的位置将选定的至少一幅超声图像与模态图像配准。融合步骤用于将配准的超声图像与模态图像融合。

WO 2017/109685 A1公开了一种用于检查对象的体积的医学成像装置。该医学成像装置包括超声采集单元，包括超声探头，用于采集对象的超声图像数据；图像接口，用于接收对象的医学图像数据；以及位置确定单元，用于确定超声探头的位置。提供对准单元，其用于基于对象的解剖特征和超声探头的检测位置来对准超声图像数据和医学图像数据，并且用于基于运动模型来调整超声图像数据和医学图像数据的对准。基于超声探头的位置以及贯穿多幅超声图像的公共解剖特征的重复图案的变化来定义运动模型。提供图像处理单元，用于处理超声图像数据和医学图像数据，以基于与组合图像数据的对准来融合超声图像数据和医学图像数据。

然而，当前已知的解决方案可能不与可能期望的一样鲁棒，例如因为其要么依赖于术前和实况超声数据两者的图像质量，因为其依赖于诸如隔膜位置的图像特征，其可能并不始终是针对良好匹配的区别，甚至不出现在图像中，这取决于探头朝向感兴趣解剖结构(例如肝脏)的取向，并且因为在某些情况下其需要额外的硬件(例如呼吸移动跟踪器)并对系统引入额外的复杂性。因此，能够期望用于校正运动未对准的备选方法。

发明内容

根据本公开的示例可以提供用于在执行图像融合时校正运动引起的未对准的改进的系统和方法。

根据本公开的原理的超声成像系统可以包括超声探头以及连接到该探头的位置跟踪传感器或与其操作地相关联，所述超声探头用于对对象进行实时成像。所述系统可以包括处理器，所述处理器通信地耦合到超声探头和先前采集的图像数据的源，所述先前采集的图像数据包括与对象的成像体积相对应的3D数据集。处理器可以被配置为接收实时超声图像数据并基于来自实时超声数据的当前图像帧来生成实时超声图像(例如，2D或3D图像)。所述处理器还可以被配置为根据实时超声图像数据来导出运动模型，并且将所述运动模型与对象的解剖特征的移动重新同步(例如，自动地或响应于用户输入)。处理器还可以被配置为基于来自位置跟踪传感器的位置信息和运动模型来识别成像体积中的经运动校正的图像平面，以生成经运动补偿的术前图像，并且将实时超声图像与经运动补偿的术前图像融合以产生组合图像。

根据本发明的原理的方法可以包括：接收响应于由探头朝向对象发射的超声波的实时超声图像数据，其中，探头与位置跟踪传感器相关联，并基于来自实时超声数据的当前图像帧来生成实时超声图像。所述方法还可以包括：根据实时超声图像数据来导出运动模型；将运动模型与对象的解剖特征的移动重新同步；访问与对象的成像体积相对应的先前采集的图像数据集；基于来自位置跟踪传感器的位置信息和运动模型来识别成像体积的经运动校正的图像平面，以生成经运动补偿的术前图像，并且将实时超声图像与经运动补偿的术前图像融合以产生组合图像。

本文关于本发明的方法描述的任何特征或优选实施例也可以应用于本发明的超声成像系统。

根据本发明的原理，在超声成像系统或方法中都未使用呼吸运动跟踪器，即，在不使用来自呼吸运动跟踪器的数据的情况下导出运动模型。这降低了本发明的系统和方法的硬件复杂性。

此外，根据本发明的原理，纯粹基于来自位置跟踪传感器的位置信息和运动模型来识别成像体积中的经运动校正的图像平面。因此，优选地，例如不基于实时超声图像和术前图像数据集之间的解剖特征的对准来执行配准或对准，并且从而本发明与实时超声图像和术前图像数据的图像质量无关，并且因此非常鲁棒。

根据优选实施例，处理器可以被配置为针对实时超声图像数据的多个传入帧中的每个生成长期相关(LTC)数据；并且通过识别对应于与每个传入帧相关联的LTC数据的LTC曲线的至少两个局部最小值，来确定与每个传入帧相关联的周期频率和相位。如下面的方程式(1)所述，通过从每个先前的帧中减去传入帧(反之亦然)并对所有像素的相减结果求和，来生成LTC曲线。优选地，至少来自先前一个或两个周期的先前帧被用于计算LTC曲线。因此，该传入帧的LTC曲线在过去对象最后处于相同呼吸位置时将具有最小值，这将是一个周期长度以前，但是在之间也可能存在最小值，即当该对象当前处于中间呼吸位置，即在每个呼吸周期中经过两次的呼吸位置。因此，可以根据LTC曲线导出关于运动的周期频率和相位的信息。

附图说明

图1示出了根据本公开的实施例的超声成像系统的框图。

图2示出了根据本公开的原理的超声成像装置的处理部件。

图3示出了根据本公开原理的当在实时数据与术前数据之间执行图像融合时用于校正运动引起的未对准的算法的功能框图。

图4示出了根据本公开的原理的用于确定运动模型的参数的长期相关曲线和局部最小值。

图5示出了根据本公开的原理的如根据实时超声数据导出的肝脏的示例呼吸引起的运动模型。

图6图示了根据本公开的原理的将长期相关数据映射到误差阵列以执行误差最小化。

图7示出了根据本公开原理的用于校正运动引起的未对准的算法的功能框图，该算法包括静态更新框。

图8A示出了根据本公开的另外的原理的当在实时数据与术前数据之间执行图像融合时用于校正运动引起的未对准的另一算法的功能框图。

图8B示出了根据本公开的原理的添加有静态更新框的图8A中的算法的功能框图。

图9示出了根据本公开的原理的超声成像系统的框图。

图10是根据本公开的原理的用于实时成像的方法的流程图。

具体实施方式

特定示范性实施例的以下描述本质上仅是示范性的，并且决不旨在限制本公开或其应用或用途。在本系统和方法的实施例的以下详细描述中，参考形成其一部分的附图，并且其中，通过图示的方式示出了特定实施例，其中，可以实践所描述的系统和方法。足够详细地描述这些实施例以使得本领域技术人员能够实践当前公开的系统和方法，并且应当理解，可以利用其他实施例，并且可以在不脱离本系统的精神和范围的情况下进行结构和逻辑上的改变。此外，为了清楚起见，当其对于本领域技术人员而言是显而易见时，某些特征的详细描述将不被讨论，以免模糊对本系统的描述。因此，以下详细描述不应被视为具有限制意义，并且本系统的范围仅由所附权利要求限定。

根据本发明的原理，超声成像系统可以可通信地连接到实时超声图像数据的源(例如，超声探头)和先前采集的图像数据的源(在本文中可互换地称为术前数据)。例如，该系统可以包括超声探头或操作地连接到超声探头，其用于实时采集超声图像数据。超声成像系统还可以连接到术前数据源，例如，诸如影像归档和通信系统(PACS)服务器的数据存储设备。术前数据可以是与对象的成像体积相对应的3D数据集，其可以已经使用任何成像模态(例如CT、MRI、PET或3D US)采集。该系统还可以包括位置跟踪系统或与位置跟踪系统操作地相关联。例如，探头可以装备有位置跟踪传感器，例如电磁(EM)传感器或其他类型的传感器、场生成器、以及配置为确定探头在3D空间中的位置的处理器。该系统还可以包括校准单元(其也可以称为配准单元)，其被配置为维持实时超声图像和术前数据之间的对准或配准，使得包括超声图像数据和术前数据的融合图像可以实时显示给用户。如将参考附图进一步描述的，该系统可以包括运动校正单元，该运动校正单元可以使系统能够从术前数据中自动识别出不同的(经运动调节或运动补偿的)候选图像平面，以用于与实时数据融合，而不是在其他情况下纯粹基于来自位置跟踪系统的位置信息进行选择。

图1示出了根据本公开的一些实施例的系统100的图示。系统100包括医学成像装置(例如，超声成像装置110)，其操作地(即，通信地，诸如经由有线或无线通信链路)连接到探头112。探头112可以用于对对象101的体积(例如，解剖结构，例如肝脏、心脏、肾脏或其部分)进行成像。要成像的体积可以包括感兴趣区域(例如，感兴趣解剖部位或结构，例如肝脏、心脏、肾脏或任何其他组织或器官)。在图示的示例中，探头112是超声探头，其包括换能器元件的阵列，该换能器元件的阵列可操作以朝着要成像的体积发射超声波，并且还可操作为响应于所发射的超声而检测回波。换能器元件可以以1D或2D阵列布置。超声探头112可以用于获得实时超声图像数据。实时超声图像数据可用于生成实时超声图像(也称为实况超声图像)。术语实时和实况通常用于描述图像数据采集和在图像数据的采集期间发生的图像的显示，如与从先前采集的图像数据生成的图像的采集后显示和评价相对。

成像装置110可以包括连接至超声探头112的控制单元120，用于控制超声数据的采集，例如，用于提供波束转向和/或波束形成功能。控制单元120可以包括处理单元122，处理单元122可操作为基于检测到的回波生成超声图像。处理器122还被配置为接收术前数据，自动在空间上将传入实况超声图像与术前数据配准，并且还调节空间配准以在融合两个数据集(即实时数据和术前数据)的图像数据之前补偿运动引起的未对准。

成像装置110还可以包括存储器，该存储器可以被配置为存储图像数据(例如实时超声图像数据)和/或用于将处理器配置为执行与空间配准和图像融合相关联的功能的处理器可执行指令，等等。如所描述的，处理器122可以被配置为(例如，响应于存储在存储器中的处理器可执行指令)以自动地将实况超声图像在空间上配准到术前数据，例如，以从术前3D数据集中提取对应的切片。根据一些实施例，该空间配准可以涉及运动校正。可通过将运动模型应用于术前数据以识别术前数据中的备选切片(与仅基于位置数据选择的默认切片不同)来执行运动校正，该备选切片更好地对应于运动引起的未对准已经由运动模型考虑之后的实况图像。

成像装置110通信地连接到术前数据源150，例如存储设备(例如，PACS服务器)或另一医学成像装置(例如，MRI扫描器、CT扫描器、超声扫描器或使用任何类型的成像模态的任何其他设备或其任何组合)。术前数据可以是医学图像数据的3D数据集，其可以通过任何成像模态获得。在一些实施例中，术前数据可以通过与超声不同的成像模态获得，例如其可以是通过计算机断层摄影(CT)、磁共振成像(MRI)或正电子发射断层摄影(PET)获得的3D数据集(也分别称为CT体积、MRI体积、PET体积)，或者术前数据可以是先前采集的超声数据，例如，从相同位患者获得的3D US数据集(或US体积)。顾名思义，术前数据是在实时成像(例如，实况超声成像，其可能在诸如活检的侵入性流程期间发生)之前获得的。因此，术前数据在本文中可互换地称为先前采集的图像数据。在所图示的示例中，处理器122包括：校准模块124，用于将实况图像在空间上配准到术前数据；运动校正单元126，用于调节空间配准以考虑运动引起的未对准；以及融合单元128，可操作以将经运动补偿的术前图像与实况超声图像融合以产生组合图像。成像装置110与用户接口130操作地相关联，用户接口130包括例如用于实时显示组合图像的显示单元132。用户接口还可包括用户输入设备134，用于接收用户输入，例如，用于控制图像采集过程。输入设备134可以包括例如但不限于键盘、鼠标、轨迹球、提供在控制面板上的一个或多个按钮、和/或提供在触敏显示器上的一个或多个软控件。

成像装置110与位置跟踪系统140(例如，电磁跟踪(EM)、光学或其他类型的位置跟踪系统)操作地相关联。位置跟踪系统140可以包括附接到探头的位置跟踪传感器142(例如，EM传感器)和被配置为参考3D坐标系确定传感器142的位置并因此确定探头的位置的处理器。例如，位置跟踪系统可以将EM传感器的空间位置(并且因此探头的空间位置)与EM跟踪场生成器的坐标系相关。校准单元124然后可以将跟踪场生成器的坐标系与术前图像数据的坐标系配准或相关，从而使得能够在术前图像数据和实况超声数据之间进行空间配准。以这种方式，超声探头112的位置可以用于识别术前体积内的对应图像平面。在一些示例中，该处理器的功能可以由校准单元124执行，或者通常在成像装置110的处理器122内实施。

融合单元128可以用于将实况图像与术前图像融合以产生用于显示的组合图像。实况图像可以与术前图像交叠，或者备选地可以并排显示图像，以产生融合图像或组合图像。然而，如上所述，仅基于位置跟踪信息的图像配准或对准可能无法解决运动引起的未对准问题，因而可能降低图像融合过程的质量。因此，如本文所述，处理器122还可以被配置为具有额外功能，以考虑和校正这种运动引起的未对准。

根据本公开的实施例，处理器122可以包括运动校正单元126。运动校正单元126可以利用运动模型来校正实况超声图像和术前数据之间的任何运动引起的未对准。运动模型可以是成像体积内的感兴趣解剖特征的运动轨迹的数学模型(例如，数学表示，例如如图5所示)。在一些实施例中，可以基于仅包括超声图像数据的图像数据并且具体地从实时超声数据导出运动模型。即，不同于其中对来自超声和术前(例如，CT数据)两者的图像进行图像处理以匹配图像中的特征并因此有利于对准的现有解决方案，当前运动模型不依赖于术前数据。代替地，并且例如在呼吸引起的运动的背景下，针对大于对象的一个呼吸周期的时间窗采集实时超声数据，并且仅从实时超声图像数据中提取呼吸周期参数。在一些示例中，可以对实时超声数据执行图像处理，以识别所采集的帧内的重复特征或图案，使得可以确定运动的相位、速率和/或幅度。然后可以使用运动的相位、速率和幅度从术前数据集中选择备选图像平面(默认或纯粹基于位置的图像平面除外)。以这种方式，运动校正单元使得实况图像能够更精确地对准或配准到术前图像数据中的对应图像平面，即使感兴趣解剖特征处于运动中，例如由于诸如呼吸的对象的生命运动。在一些实施例中，诸如当对肝脏成像时，该运动可以被视为大致在颅尾方向上，并且因此该运动模型也可以被称为颅尾运动模型。

图2示出了根据本公开的超声成像系统的处理器200的功能框图。处理器200可以用于实现图1中的运动校正单元126。在此示例中，处理器200被配置为接收实况或实时超声数据，如框208所示，并将运动模型212应用于术前数据集250，以从术前集合中提取经运动校正的图像平面(如框220所示)，以生成对应于实况图像的经运动校正(或经运动补偿)的术前图像。然后，通过图像融合单元230将经运动校正的术前图像和实况图像进行组合，以产生用于在显示单元240上显示的组合图像232。

如图2所示，处理器200通信地耦合到实时超声数据源(例如，超声探头)和术前数据源。处理器200可以被配置为部分地基于仅包括超声数据(例如，不参考任何其他类型的医学成像数据)，并且优选地不参考呼吸运动跟踪数据的成像数据来导出运动模型212。在一些实施例中，处理器200可以被配置为还基于用户输入来导出运动模型212。例如，在简单的周期性呼吸引起的运动的情况下，某些解剖结构(例如，肝脏)的运动可以被表征为在颅尾方向上的简单周期性运动，并且因此运动模型212可以是颅尾模型，即基于呼吸周期的呼吸速率、相位和幅度定义的，作为时间的函数的、沿着对象的颅尾方向对解剖特征的呼吸引起的运动的估计。这样的运动模型假定运动保持稳定；然而，实际上，患者的呼吸可能会改变，并且因此呼吸周期的一个或多个参数(例如，呼吸速率、相位和/或幅度)可能会与运动模型不同步。因此，在一些示例中，处理器还可以被配置为动态地更新运动模型以考虑运动中的任何扰动(如框214所示)，并由此维持由运动模型估计的运动与解剖特征(例如患者的肝脏)的实际运动之间的同步。该术语动态地暗示处理器可以被配置为连续自动地更新运动模型(例如，在每个传入帧处或在几个新的帧之后)，以保持运动模型与器官运动之间的同步。在一些示例中，可以响应于用户输入，例如响应于接收到启动同步的指示，来执行模型的重新同步。

另外，在一些示例中，处理器200可以被配置为监测或检测探头的运动。例如，处理器200可以被配置为例如基于位置跟踪数据来确定探头是否静止(如框216所示)。当确定探头静止时，处理器200可以继续进行更新(例如，如框218所示)或使运动模型与解剖结构的实际运动同步。然而，如果确定探头不是静止的(例如，检测到探头运动超过给定阈值)，则处理器200可以暂停同步并使用在检测到探头运动之前最新更新的运动模型的版本。在后一种情况下，实况图像和术前图像的运动校正后配准或对准继续，但是基于运动模型的静态版本而不是动态更新的运动模型，直到探头运动停止并且处理器200恢复运动模型同步。除了运动估计和/或校正之外，处理器200，单独地或与医学成像装置的其他处理器组合，可以进一步被配置为执行医学成像装置的其他功能，例如，用于基于实时数据产生超声图像的功能和/或用于根据术前数据产生图像的功能。

图3示出了用于具有运动校正的空间配准的示例算法或过程300的功能框图，其可以(在硬件和/或软件中)在医学成像装置(诸如超声成像装置110)的处理器中实施。图3中的示例算法基于在大于一个运动周期(例如，一个呼吸周期)的时间量上在相继帧或其一部分(也称为图像帧)上计算的长期相关性。将参考呼吸引起的运动来描述图3中的实施例。然而，所描述的原理能够适用于其他类型的运动。算法或过程300利用了可以通过运动周期在图像之中发现的重复图案。例如并且还参考图5，其示出了根据本公开的实施例导出的由轨迹或位移曲线504表示的肝运动模型504，可以观察到，在吸气相位期间的解剖特征的位置可以与在呼气相位期间的解剖特征的位置非常相似。D(t)或d(t)指示作为时间的函数的位移d。作为示例，特征507在吸气507-I上的位置类似于特征507在吸气507-E上的位置，并且类似地，特征509在吸气和呼气上的位置509-I和509-E是相似的。因此，通过分析一系列时间上相继的帧505(例如，通过计算帧之间的长期相关性或通过执行运动估计)，可以从超声数据中单独提取定义周期性呼吸运动的参数，并且因此可以基于从超声数据中提取的参数根据时间来定义运动模型。

返回参考图3，在启动算法或过程300时，初始化算法的某些参数，例如频率范围、频率状态的数量(freqStateN)、相位状态的数量(phaseStateN)以及累积成本的范围。在呼吸运动的情况下，实际呼吸周期对于成人可能在3与5秒之间，并且对于儿童在2与3秒之间。频率范围可以在默认的频率范围处初始化，例如成人每分钟大约12至20周期或儿童每分钟大约20至30周期，这可以至少部分基于如由用户输入的患者年龄信息来确定，例如在启动实况超声之前。在一些示例中，该频率范围可以响应于用户输入而可调节，例如，在默认为预编程范围之后，或者该系统可能要求该范围由用户输入。类似地，频率和相位状态的数量可以默认为给定值，例如32个频率状态和64个相位状态。这些数量纯粹是说明性的，并且可以使用其他数量的状态(小于或大于特定示例)，其可以由用户预先编程和/或可调节。例如，可以优化相位状态的数量以改进视觉质量(例如，视觉抽动可能由于采样不足的呼吸周期产生)。

一旦启动，该相位考虑时序信息而由算法自动更新，从而导致为每幅传入实况US图像选择术前3D体积的新平面。另外，在一些情况下，每当在解剖结构运动的步伐中发生扰动或漂移时，就执行重新同步。

该过程从框304开始，其中，算法接收多个帧的实时图像数据和定时信息。帧还可以耦合到长期存储设备308，以为新的传入帧释放缓冲器空间。对于每个传入帧，如框310所示，处理器302可以生成长期相关(LTC)数据。

可以根据等式1计算每个传入帧的长期相关性：

长期相关_帧(i)(t)＝SUM_全部像素(帧(i)-帧(t))(等式1)

因此，通过从传入帧中减去每个先前帧(帧(t))(反之亦然，通过从先前帧中减去传入帧)并将所有像素上的相减的结果相加来生成传入帧(帧(i))的LTC曲线。优选地，至少来自先前一个或两个周期的(时间上相继的)帧被用于计算LTC曲线。图4示出了两个示例LTC曲线，以随时间变化的任意单位给出，其中，横坐标上的数指示相减中使用的前一帧的数。图4中的LTC曲线403对应于在呼吸周期中针对位置507-I处的传入帧生成的LTC曲线，如图5所指示的。图4中的LTC曲线405对应于在呼吸周期中针对位置509-I处的传入帧生成的LTC曲线，如图5所指示的。

在一些示例中，可以为每个传入实况帧生成LTC曲线311。可以通过从LTC数据确定局部最小值来识别与给定实况帧关联的周期频率和相位。例如，还参考示出两个LTC曲线403和405的图4，该算法可以在每个曲线中寻找至少两个强最小值。可以通过在每个LTC曲线上大约相同的位置寻找强局部最小值M₁来识别周期频率。该最小值是由以下事实引起的：一个完整周期前的呼吸位置-或位移d(t)-与当前的位移相似，并且因此传入帧类似于一个呼吸周期前采集的帧，使得将帧彼此相减产生了最小值。与该特定图像帧相关的相位(或呼吸周期中的位置)可以通过识别另一强最小值(例如，M₂、M₃)来找到，其也依赖于正则化原理-即每个新帧的相位将处于与先前帧的相位一致的最小值。在图4和图5的示例中，曲线403在大约一半呼吸周期处具有最小值，这是对曲线403对应于呼吸周期中的具有中间位移d(t)的相位的指示，如在图5中的位置507-I处。因此，大约半个周期前呼吸运动在相同的位置d(t)处，导致局部最小值，并且这给出针对指示的指示。对于曲线405，第二最小值M₂与LTC曲线的原点更接近得多，指示该LTC曲线对应于呼吸周期内更接近峰值位移d(t)的位置(例如最大吸气或最大呼气)，例如图5中的点509_I的位置。图4中的两个LTC曲线403和405与时间上相距较远的帧相关联，这是为什么与该相位相对应的最小值间隔得比时间上相继的帧的情况更远的原因。

在图3的示例中的算法利用误差最小化技术从LTC数据确定相关的最小值。例如，如框312、314和318所示，使用在框310获得的LTC数据，从状态数(stateN)中计算与每个状态相关联的成本(或误差)。这本质上提供了LTC数据到M x N阵列313(例如freqStateN xphaseStateN)的映射，其中，M是频率状态的数量，并且N是相位状态的数量。该M×N阵列313也被称为误差阵列。可以使用任何已知的技术来执行该映射，例如，通过针对设置频率范围内的那些频率的频率状态的数量，针对每个增量计算LTC曲线下的面积。换句话说，并且还参考图6中的示例LTC曲线601，例如可以在3-5秒之间的频率范围609被分成相等频率状态增量，如由虚线所示。为了清楚，为了避免使图像混乱，示出了少量(在这种情况下，6)频率状态，但是将理解，可以使用不同数量，例如30、32、36等。类似的过程可以用于计算与相位有关的误差。例如，由于相位与频率有关，因此对于任何给定频率，从时间0到对应于给定频率的时间的曲线部分被分成作为相位状态数的相等增量，并且计算每个增量的曲线下面积，从而获得误差阵列的误差值。图6示出了对应于频率和相位的最小值605和607，其分别与用于生成曲线601的实况帧相关联，并且还示出了根据该示例的可以将曲线601的成本值映射到的M×N误差阵列603。

在一些示例中，如框318所示，在与最小成本或误差相关联的状态被选择之前，可以计算来自状态数(stateN)的每个状态S的累积成本，以使数据平滑，例如，如框314所示。例如，算法可以被配置为假设呼吸速率在周期的分数(“周期的分数”)内保持稳定，例如在呼吸周期的四分之一(“分数”＝4)期间。考虑到与过去帧相关联的stateN误差的相应阵列，该算法然后可以在该“周期的分数”上计算总和，考虑到一个“分数”的相位变化和与频率状态有关的“周期的分数”的持续时间。

对于每个传入帧，算法输出设置范围内的呼吸速率(或频率)和相位，例如0-1之间的值，如框322所示，其可以基于状态以最小的成本进行选择。在框312处计算的成本阵列还可被提供给长期存储设备316，例如以释放缓冲器空间，该缓冲器空间可以仅被配置为临时存储在至少一个运动周期的时间段内采集的所有帧的子集。

如所描述的，处理器302可以接收探头信息，例如，探头的位置信息或对探头是静止的还是移动的指示(例如，如框306所示)。在确定探头正在移动时，可以例如通过重置成本值来暂停相位和速率与每个传入帧的同步(直到探头再次静止)，如框320所示。在这种情况下，实况图像和术前数据之间的空间配准可以使用来自最后更新的运动模型版本前进，而无需对每个新帧进行动态更新。为此，还参考图7，处理器302’可以包括静态更新框330。探头信息和定时信息可以额外地耦合到静态更新框330。响应于探头正在移动的指示，静态更新框330可以输出以下频率：其对应于一段时间内的平均频率，因为将预期，当探头正移动时，动态同步可能不可靠。这样一来，在探头移动时，动态同步被暂停，并且对于每个新帧在框322处输出平均频率和下一连续相位值。

如图5的示例所示，在呼吸诱导的肝运动的情况下，可以基于呼吸周期的速率、相位和幅度，例如根据等式2来定义运动模型：

运动模型d(t)＝幅度*cos2(速率*t+相位) (等式2)

或根据等式3：

运动模型d(t)＝幅度*cos²(速率*t+相位) (等式32)

可以通过参考图3描述的动态同步算法在每个实况帧的背景中动态地更新运动模型，例如，通过获得每个帧的速率和相位的更新值。可以响应于用户输入而设置幅度，或者由系统自动设置幅度，例如基于运动估计，例如，如下面参考图8A的示例所进一步描述的，或者基于默认值(例如约20mm)或优化值范围(其可通过用户输入进一步可调节)。在优选实施例中，运动模型的频率和相位是从LTC曲线导出的，如以上详细描述的。幅度由系统自动设置，例如基于默认值。在优选实施例中，幅度还通过用户输入可调节，例如在组合图像在视觉上不令人满意的情况下。

现在参考图8A和图8B，用于仅仅基于超声数据(即，不依赖于先前采集的图像数据)导出或更新运动模型的另一技术可以利用对超声数据执行的图像处理来估计运动。图8A和图8B中的示例中的算法依赖于超声波束与运动轴(例如，在呼吸运动的情况下的颅尾方向)对准，如框810中所示。这可以手动实现，通过定位探头使得波束与运动轴对准，或者通过自动转向波束以获得这种对准。在一些情况下，例如当使用手动定位时，系统可以向用户提供反馈，以指示何时已经获得适当的对准。在图8A和图8B的示例中，仅响应于用户输入而执行同步(或模型更新)。即，用户可以例如通过提供同步时段的开始的指示来向系统指示期望重新同步。如图8A和图8B所示，处理器802接收同步时段的开始和同步时段的结束的指示。如框812所示，处理器802在若干呼吸周期(2个、3个或更多个)上执行图像数据采集。如框812所示，处理器802使用跨越同步时段的帧来执行运动估计。可以根据任何当前已知或以后开发的运动估计技术来执行运动估计，例如使用块匹配运动估计算法。块匹配算法是一种为了运动估计的目的而在帧序列中定位匹配宏块的方法。例如，块匹配算法涉及将帧序列中的当前帧划分为宏块，并将每个宏块与附近帧(有时只是前一个帧)中的相应块及其相邻邻居进行比较。运动估计的输出是运动的估计轨迹，如813所示。将该轨迹提供给框814，在框814中，可以从估计轨迹中提取运动的速率、相位和幅度，如由815所示。从轨迹获得速率、相位和幅度的一种方式是搜索{相位，速率}对，使得：

(相位,速率)＝argmax(sum(abs(C[相位+k*速率]–C[相位+(k+1)*速率]))/(kmax+1)

只要曲线中存在[相位+(k+1]*速率]的值，可以计算和，因此kmax是最后可能的k值。最大自变量提供幅度。可以使用其他技术来获得速率、相位和幅度。速率(或频率)、相位和幅度如框816所示输出，并且用于从术前数据中识别经运动补偿的图像平面，以与实时帧融合。图8B中的处理器802’类似于处理器802，但是不同在于，其包括类似于图7中的示例的静态更新框的静态更新框830。

图9示出了根据本公开的原理构造的超声成像系统的框图。超声成像系统910的一些或全部部件可以用于实施根据本文的任何示例的超声成像系统，例如图1中的系统100。图9中的超声成像系统910包括：超声探头912、换能器阵列914、波束形成器922和任选地微波束形成器916、发射/接收(T/R)开关918、发射控制器920、以及用于从检测到的回波生成超声图像的一个或多个处理部件。例如，系统910可以包括信号处理器926、B模式处理器928、多普勒处理器960、扫描转换器930、多平面重新格式化器932、体积绘制器934、图像处理器936、图形处理器940等。该系统还可以包括用户接口924、输入设备952和输出设备938。图9所示的部件仅是说明性的，并且其他变型，包括消除部件、组合部件、重新布置部件以及替代部件全部被考虑。

如图所示，超声成像系统910包括超声探头912，超声探头912包括用于发射超声波和接收回波信息的换能器阵列914。可以使用各种换能器阵列，例如，线性阵列、弯曲阵列或相控阵列。换能器阵列914例如可以包括换能器元件的二维阵列(如图所示)，其能够在仰角和方位角维度两者上进行扫描以进行2D和/或3D成像。换能器阵列914可以耦合到微波束形成器916，微波束形成器916可以位于超声探头112中。微波束形成器916控制由阵列914中的换能器元件对信号的发射和接收。在所图示的示例中，微波束形成器916被耦合到发射/接收(T/R)开关918，该开关在发射和接收之间切换，并保护主波束形成器922免受高能量发射信号。在一些实施例中，例如在便携式超声系统中，T/R开关918和系统中的其他元件可以被包括在超声探头912中而不是在单独的超声系统基座中。超声系统基座通常包括软件和硬件部件，包括用于信号处理和图像数据生成的电路以及用于提供用户接口的可执行指令。

在微波束形成器916的控制下，来自换能器阵列914的超声脉冲的发射由耦合到T/R开关918和波束形成器922的发射控制器920引导，发射控制器920可以接收来自用户接口924的用户的操作的输入。用户接口924可以包括一个或多个输入设备，例如控制面板952，其可以包括一个或多个机械控件(例如，按钮、编码器等)、触敏控件(例如，触控板、触摸屏等)和其他已知的输入设备。用户接口924可以包括一个或多个输出设备，例如被配置为显示图像(例如实时数据和术前数据的融合图像)的显示器938。可以由发射控制器920控制的另一功能是波束转向的方向。波束可以从换能器阵列914径直向前(正交)转向，或者针对更宽的视场以不同角度转向。由微波束形成器916产生的部分波束形成信号耦合到主波束形成器922，在主波束形成器922中，来自换能器元件的个体贴片的部分波束形成信号被组合成完全波束形成信号。波束形成信号耦合到信号处理器926。

信号处理器926可以各种方式处理接收到的回波信号，例如通过带通滤波、抽取、I和Q分量分离以及谐波信号分离。信号处理器926还可以执行额外的信号增强，例如散斑减少、信号复合和噪声消除。经处理的信号可以耦合到B模式处理器928，以产生B模式图像数据。B模式处理器928可以采用幅度检测来对身体中的结构进行成像。由B模式处理器928产生的信号可以耦合到扫描转换器930和多平面重新格式化器932。扫描转换器930被配置为将回波信号布置在以期望的图像格式从其接收它们的空间关系中。例如，扫描转换器930可以将回波信号布置成二维(2D)扇形格式，或金字塔形或其他形状的三维(3D)格式。多平面重新格式化器932可以将从身体的体积区域中的公共平面中的点接收的回波转换成该平面的超声图像(例如，B模式图像)，例如如美国专利US 6443896(Detmer)中描述的。时，体积绘制器934可以生成如从给定参考点观察的3D数据集的图像，例如，如美国专利US 6530885(Entrekin等人)中描述的。

系统910还可以包括多普勒处理器960。来自信号处理器926的信号可以耦合到多普勒处理器960，多普勒处理器960可以被配置为估计多普勒频移并生成多普勒图像数据。多普勒图像数据可以包括颜色数据，该颜色数据可以与B模式(或灰度)图像数据交叠以进行显示。多普勒处理器960可以被配置为根据已知技术来估计速度和功率。例如，多普勒处理器可以包括多普勒估计器，例如自相关器，其中，速度(多普勒频率)估计基于滞后一自相关函数的自变量，并且多普勒功率估计基于滞后零自相关函数的大小。还可以通过已知的相域(例如，诸如MUSIC、ESPRIT等的参数频率估计器)或时域(例如，互相关)信号处理技术来估计运动。代替于速度估计器或者除了速度估计器之外，可以使用与速度的时间或空间分布有关的其他估计器(诸如加速度或时间和/或空间速度导数的估计器)。

来自扫描转换器930、多平面重新格式化器932和/或体积绘制器934的输出(例如，图像)可以在被显示在图像显示器938上之前耦合到图像处理器936，以进一步增强，缓冲和临时存储。在一些实施例中，例如，当执行2D实时超声数据与术前图像数据的图像融合时，该系统可以包括或通信地耦合到术前数据源968。来自扫描转换器930的2D图像可以首先经过配准和融合处理器964，配准和融合处理器964可以被配置为在将组合的图像融合并向下游发送到例如图像处理器和/或图形处理器之前实时地校正运动引起的未对准。图形处理器940可以生成用于与图像一起显示的图形交叠。这些图形交叠可以包含例如标准识别信息，诸如患者姓名、图像的日期和时间、成像参数等。为了这些目的，图形处理器可以被配置为从用户接口924接收输入，例如键入的患者姓名或其他注释。在一些实施例中，系统100可以被配置为经由用户接口924接收用户输入，以用于设置本文描述的算法的参数。在一些实施例中，可以将图形处理器、图像处理器、体积绘制器和多平面重新格式化器中的至少一个的一个或多个功能组合到集成图像处理电路中(其操作可以在并行操作的多个处理器中间划分)，而不是参考这些部件中的每个部件所描述的特定功能是由分立处理单元执行的。此外，尽管参考B模式处理器和多普勒处理器讨论了例如出于生成B模式图像或多普勒图像的目的对回波信号的处理，但是将理解，可以将这些处理器的功能集成到单个处理器中。

图10示出了根据本公开的原理的方法1000的流程图。该方法可以包括接收如框中所示的实时超声图像数据和如框1010中所示的术前图像数据(例如，CT或MRI数据)。可以为每个传入帧生成实时超声图像并在空间上与术前数据进行配准以进行图像融合。根据本公开的原理的空间配准可以涉及基于位置数据将实时图像与术前数据在空间上对准，并且还校正运动引起的未对准。为此，方法1000可以包括基于实时超声图像数据导出运动模型，如框1012所示。运动模型可以用于通过允许系统自动选择经运动补偿的图像平面来校正运动引起的未对准。该方法还可以涉及动态更新运动模型，例如，以保持运动模型与器官运动之间的同步，如框1014所示。如框1016所示，可以将运动模型1016应用于术前数据以识别经运动补偿的术前切片以与实时图像数据融合，如框1018所示，并且然后可以在显示器1020上提供组合图像。根据本文的示例的方法可以包括由本文所述算法的执行或与其相关联的步骤或功能的任何组合。

鉴于本公开，应当注意，本文描述的各种方法和设备可以以硬件、软件和固件来实施。此外，各种方法和参数仅通过示例被包括内，而没有任何限制意义。鉴于本公开，本领域普通技术人员可以在确定他们自己的技术和影响这些技术的所需的装备时实施本教导，同时仍在本公开的范围内。本文描述的处理器中的一个或多个的功能可以被并入到较少数量或单个处理单元(例如，CPU或GPU)中，或者备选地，其可以分布在较大数量的处理单元中间，并且可以使用专用集成电路(ASIC)或通用处理电路来实施，所述专用集成电路或通用处理电路响应于可执行指令而被编程以执行本文描述的功能。计算机程序(例如，可执行指令)可以存储/分布在任何合适的计算机可读介质上，例如与其他硬件一起提供或作为其他硬件的部分提供的光学存储介质或固态介质，但计算机程序也可以以其他形式分布，例如经由因特网或其他有线或无线电信系统分布。

将理解的是，根据本系统、设备和方法，本文描述的示例、实施例或过程中的任何一个可以与一个或多个其他示例、实施例和/或过程组合，或者可以在分离的设备或设备部分中间分离和/或执行。最后，上述讨论仅旨在说明本系统，而不应被解释为将权利要求限制为任何特定实施例或实施例组。因此，尽管已经参考示范性实施例具体详细地描述了本系统，但是应意识到，本领域普通技术人员可以设计出许多修改和备选实施例，而不偏离如在权利要求中阐述的本系统的更广泛和预期的精神和范围。因此，说明书和附图要以说明性的方式来看待，而不是旨在限制权利要求书的范围。