具体实施方式

现在将在下文中参考附图更全面地描述本发明，在附图中示出了本发明的优选实施例。本发明然而可以以不同的形式实现，并且不应被解释为限于本文阐述的实施例。相反，这些实施例被提供为本发明的教导示例。在本文中，当某物被称为“大约”或“约”某个值时，其意指在该值的10％以内。

图1示出了声学成像系统100的一个示例，其包括声学成像仪器110和声学探头120。声学成像仪器110包括处理器(和相关联的存储器)112、用户接口114、显示设备116以及任选地接收器接口118。

在各种实施例中，处理器112可以包括微处理器(和相关联的存储器)，数字信号处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字电路和/或模拟电路的各种组合。与处理器112相关联的存储器(例如，非易失性存储器)可以在其中存储计算机可读指令，该计算机可读指令使处理器112的微处理器执行算法以控制声学成像系统100执行以下更详细描述的一个或多个操作或方法。在一些实施例中，微处理器可以执行操作系统。在一些实施例中，微处理器可以执行指令，该指令经由用户接口114和显示设备116向声学成像系统100的用户呈现图形用户接口(GYI)。

在各种实施例中，用户接口114可以包括键盘、小键盘、鼠标、轨迹球、触控笔/触摸笔、操纵杆、麦克风、扬声器、触摸屏、一个或多个开关、一个或多个旋钮、一个或多个灯等的任何组合。在一些实施例中，处理器112的微处理器可以执行软件算法，该软件算法经由用户接口114的麦克风提供对用户命令的语音识别。

显示设备116可以包括任何方便技术的显示屏(例如，液晶显示器)。在一些实施例中，显示屏可以是触摸屏设备，其也形成用户接口114的一部分。

在一些实施例中，声学成像仪器110可以包括接收器接口118，该接收器接口被配置为从外部无源声学传感器接收一个或多个电信号(传感器信号)，该外部无源声学传感器例如是设置在介入设备的远端端部(尖端)处或附近的声学接收器，如下文将尤其是关于图2更详细地描述的。

当然，应理解，声学成像仪器110可以包括图1中未示出的多个其他元件，例如，用于从AC干线接收功率的功率系统、用于处理器112与声学探头120之间的通信的输入/输出端口、用于与其他永恒设备和系统进行通信的通信子系统(例如，经由无线、以太网和/或因特网连接)等。

有益地，声学探头120可以包括声学换能器元件122的阵列(见图3)。声学换能器元件122中的至少一些接收来自声学成像仪器110的发射信号，以使声学换能器元件122的阵列将声学探头信号发射到感兴趣区，并响应于声学探头信号而从感兴趣区接收声学回波。

图2图示了介入设备200的一个示例实施例，该介入设备200具有布置在其远端端部的声学传感器(例如，无源声学传感器)210。尽管仅示出了用于介入设备200的一个无源声学传感器210，但是介入设备的其他实施例可以包括两个或更多个无源声学传感器210。

如下面更详细地描述的，在一些实施例中，声学成像仪器110的处理器112可以使用由接收器接口118从设置在介入设备200上的一个或多个无源声学传感器210接收的一个或多个传感器信号来跟踪介入设备在从由通过声学探头120接收到的回波产生的声学数据产生的声学图像中的位置。

在各种实施例中，介入设备200可以包括针、导管、医学仪器等。

图3图示了将根据从诸如无源声学传感器210的声学传感器接收到的一个或多个传感器信号产生的成像与从诸如声学探头120的声学探头接收的声学回波所产生的声学图像交叠的过程的示例实施例。

如图3所图示，声学探头120利用声学探头信号15照射感兴趣区10，并且响应于声学探头信号15而接收从感兴趣区10接收到的声学回波。声学成像仪器(例如，声学成像仪器110)响应于声学回波而产生感兴趣区10的声学图像310，该声学回波是响应于声学探头信号15从感兴趣区10接收到的。具体地，声学探头120可以响应于声学回波而将一个或多个接收信号(电信号)传递到声学成像仪器110，该声学回波是响应于声学探头信号15而从感兴趣区10接收到的，并且声学成像仪器110可以根据(一个或多个)接收信号产生声学图像310。

同时，接收器接口(例如，接收器接口118)从设置在感兴趣区10中的介入设备(例如，设备200)的表面上的至少一个无源声学传感器(例如，无源声学传感器210)接收一个或多个传感器信号，该一个或多个传感器信号是响应于声学探头信号15而产生的。处理器(例如，处理器112)执行一算法，以根据来自无源声学传感器210的一个或多个传感器信号来确定无源声学传感器210在感兴趣区10中的估计位置332。图像315图示了由处理器112获得的传感器数据，其示出了无源声学传感器210的估计位置332。例如，处理器112可以采用算法来检测在根据来自无源声学传感器210的一个或多个传感器信号产生的传感器数据中的最大值或强度峰，并且可以确定或确认无源声学传感器210的估计位置332对应于传感器数据中的强度峰的位置。然后，声学成像仪器110可以将图像315中所图示的传感器数据与声学图像310交叠，以产生交叠声学图像320，该交叠声学图像320包括识别无源声学传感器210的估计位置332的标记。

图4图示了当传感器数据中仅存在一个强度峰时识别无源声学传感器210在声学图像320中的估计位置332的过程。如图4所示，图像315图示了由处理器112根据由无源声学传感器210输出的(一个或多个)传感器信号获得的传感器数据，并且单个强度峰被识别为无源声学传感器210的估计位置332。传感器数据与声学图像数据交叠以产生交叠声学图像320，并添加标记以指示无源声学传感器210在交叠声学图像320中的估计位置332。

然而，如上所述，常常仅根据传感器数据不清楚无源声学传感器210在传感器数据中的位置。由于噪声和各种声学图像差或伪影，可能会出现多个强度峰。例如，如果在成像平面中存在一段骨，则超声波束可以从骨上弹开并声穿透无源声学传感器210(间接命中)，从而产生在比直接声穿透较晚的时间到达(并且常常会更强)的信号。在另一个示例中，在介入设备200是针的跟踪针应用中，超声波束可以与针杆相交并向下沿针杆行进至无源声学传感器210，从而导致无源声学传感器210在时间上比直接命中更早地声穿透(由于针杆中与组织中的声速相比更高的声速)。在又一个示例中，随机电磁干扰(EMI)可以使系统选择噪声尖峰作为无源声学传感器210的估计位置。

图5图示了图像315，该图像示出了基于由无源声学传感器210在对应于候选位置的时间处产生的一个或多个传感器信号中的局部强度峰的无源声学传感器210的多个候选位置(330-1、330-2、330-3和330-4)。

在这种情况下，无源声学传感器210的最佳估计位置是什么并不是显而易见的。实际上，如上所述，由介入设备200的轴的反射或移动而产生的“假”强度峰可能会比由无源声学传感器210直接声穿透产生的强度峰更强，因此简单选择最大强度峰通常会对传感器位置产生差估计。

然而，发明人已经意识到，声学成像仪器和系统(例如声学成像仪器110和声学成像系统100)的处理器(例如处理器112)常常有可能通过考虑处理器可用的流程内背景特异性信息的因素在介入流程期间从多个候选位置中识别出设置在介入设备(例如，介入设备200)的表面上的无源声学传感器(例如，无源声学传感器210)的最佳估计位置。此处，流程内背景特异性信息是指在处理器试图确定无源声学传感器在正在由声学探头声穿透的感兴趣区内的位置时与特定介入流程的背景有关的、可以可用于处理器的任何数据。此类信息可能包括但不限于正在跟踪其传感器的介入设备的类型、介入设备的已知尺寸和/或形状特性，传感器可能位于其中的感兴趣区内的已知解剖学特性，详细介绍了在当前介入流程期间介入设备和/或传感器在感兴趣区内可跟随的预期路径的手术或其他流程计划；在当前介入流程期间介入设备和/或传感器的先前已知路径、位置和/或取向；等等。

图6图示了通过采用流程内背景特异性信息来改进介入声学成像中的传感器跟踪估计的方法的一个示例实施例。

图6示出了响应于来自无源声学传感器210的一个或多个传感器信号15而产生的传感器数据的图像315，如以上图1-3所图示。可以看到无源声学传感器210的若干候选位置，由图像315中的亮点指示。在没有额外数据的情况下，仅从图像315的传感器数据中识别出无源声学传感器210的最佳估计位置是困难(如果不是不可能)的问题。图6图示了可以如何采用若干不同类型的流程内背景特异性信息作为对传感器跟踪估计的约束，消除一些候选位置作为可能性和/或选择一个候选位置作为最佳估计位置。

首先考虑图6的顶部行。对于血管内流程，声学成像系统100可以在彩色多普勒模式下操作，并且血流的存在指示血管。备选地，如果声学成像系统100以B模式操作，则处理器112可以运行分割或血管对象检测例程以识别血管的位置和边界。由于跟踪的导线/导管正在血管中导航，因此传感器数据矩阵中位于血管外部的任何强度峰或“亮点”可以视为伪影(除了在极少数情况下由导线/导管造成的血管穿孔)。处理器112可以采用标准扫描转换例程，以从B模式/彩色多普勒空间转换到传感器数据空间，并且可以尽可能地抑制或消除交叠声学图像320中的位于血管外的强度峰或“亮点”作为无源声学传感器210的估计位置。

接下来考虑图6的中间行。对于针介入，估计的传感器位置必须位于针杆上。处理器112已经在声学图像310-1中识别出针杆。因此，可以使用该约束来淘汰交叠声学图像320中不正确的传感器位置估计。即使在声学图像中看不到针杆的情况下，也可以在针插入期间大致了解针的总体位置和取向。与较接近的传感器位置估计相比，可能会淘汰或惩罚远离近似的针位置和取向的传感器位置估计。

最后，考虑图6的底部行。无源声学传感器210在当前帧或声学图像310-2中的位置不能与历史不一致。换句话说，如果无源声学传感器210已经沿着某条轨迹平滑地前进，则它不应突然出现在完全不同的位置中，该位置不是沿着路径，也不是在(一个或多个)紧接先前帧或声学图像中发现它的位置附近。因此，与更接近与先前轨迹成线的传感器估计相比，可以淘汰或以其他方式惩罚远离针的先前轨迹的传感器位置估计。

在各种实施例中，在可以采用图6的顶部行、中间行和底部行中图示的基于流程内背景特异性信息的约束中的一个或多个或全部来确定无源声学传感器210的估计位置332。在一些实施例中，可以采用约束的加权组合。特别地，在一些实施例中，这可以包括针对传感器数据中识别出的无源声学传感器210的每个候选位置330确定候选位置330与以下各项中的每项之间的匹配的加权和：识别无源声学传感器210预期位于其中的解剖结构的信息；识别介入设备200在声学图像320中的可能位置的信息；以及识别无源声学传感器210在先前声学图像320中的先前估计位置332的信息。具有最大加权和或其他形式的加权组合的候选位置330可以被选择为无源声学传感器210的估计位置332。可以在声学图像320中提供识别估计位置332的标记，声学图像320在显示设备116上显示给声学成像系统100的用户或操作者，包括例如使用介入设备200执行介入流程的医师。在一些实施例中，可以采用阈值化，使得如果候选位置330都不提供与各种基于流程内背景特异性信息的约束中的一个、多个或全部的足够好的匹配，则声学成像系统100可以拒绝选择并显示无源声学传感器210的估计位置332的标记。

在一些实施例中，可以经由经验优化例程确定用于组合不同信息源的精确数值方法以及权重的实际值。该优化例如可以在特定于期望应用的训练数据上执行。例如，基于统计或机器学习的方法可以应用于针对该训练数据的准确性或可靠性的度量进行优化。

在一些实施例中，可以另外提供对最终确定的传感器位置的确定性或不确定性的量度。当在下一时间帧中计算传感器位置时，尤其是在并入历史信息时，继而可以将高度确定的最终位置确定用作更强的先验约束。相反，可以做出较不确定的最终结果，以对后一帧中的位置估计施加较弱的先验约束。

图7-9更详细地图示了使用流程内背景特异性信息来确定无源声学传感器210的估计位置332的各种示例。流程内背景特异性信息可以被用来消除候选位置330而不考虑选择为估计位置332。可以采用流程内背景特异性信息来选择与流程内背景特异性信息最匹配或一致的候选位置330之一作为估计位置332。

图7图示了通过采用解剖结构约束来改进介入声学成像中的传感器跟踪估计的方法的示例实施例。

图7的左侧图示了在估计无源声学传感器210的位置时不采用基于流程内背景特异性信息的约束的情况。此处，传感器数据的图像315示出了针对无源声学传感器210的多个候选位置330-1和330-2。在没有另外约束的情况下，处理器112选择候选位置330-1作为无源声学传感器210的不正确的估计位置331，例如，因为其峰值强度大于候选位置330-2的峰值强度。

图7的右侧图示了在估计无源声学传感器210的位置时采用基于流程内背景特异性信息的约束的情况。特别地，图7的右侧图示了在选择候选位置330-1和330-2之一作为无源声学传感器210的估计位置332时采用解剖结构约束的情况。特别地，此处图示了处理器112执行区域检测算法或分割算法以识别声学图像320中无源声学传感器210预期位于其中的解剖结构710(例如血管)的情况。基于无源声学传感器210应位于解剖结构710内的约束，处理器112选择候选位置330-2作为估计位置332。

图8图示了通过采用基于传感器提供在其上的设备的结构的约束来改进介入声学成像中的传感器跟踪估计的方法的一个示例实施例。

对于针介入，无源声学传感器210的估计位置332必须在针杆上。因此，该约束可以用于淘汰无源声学传感器210的不正确的候选位置330。在图8中，对于传感器位置存在多个候选位置330-1、330-2、330-3和330-4(在最左边的图中示出了在B模式空间中转换的扫描)。在不采用任何基于背景特异性信息的约束的情况下，处理器112将选择图8的中央图像中所示的不正确的估计位置331。然而，当应用基于针杆分割的约束时，处理器112为无源声学传感器210选择正确的估计位置532，如图8中最右边图像所示。图8中最右边图像中的不同直线810指示基于在该示例中使用的自动杆分割算法的针的杆的可能候选。正确的结果是分割杆在无源声学传感器210的正确估计位置532中达到极点的结果。

图9图示了通过采用传感器的先前估计位置来改进介入声学成像中的传感器跟踪估计的方法的一个示例实施例。

无源声学传感器210在当前帧或声学图像320中的位置不能与历史(即，其在先前帧或声学图像320中的位置)不一致。对传感器历史记录的依赖可以以不同的方式建模。例如，可以对卡尔曼滤波器模型框架进行调整，以将更多权重放在当前估计上，或者更多地依赖于历史位置。备选地，可以执行无源声学传感器210的所有先前估计位置332的主成分分析(PCA)，并且第一主成分指示设备运动轨迹。在另一个示例中，当前帧或声学图像320中的搜索空间可以减小到(一个或多个)先前帧或声学图像320中的估计位置332周围的感兴趣区域(ROI)。图9示出了示例，其中，该基于历史记录的约束的最后方法用于淘汰不正确的传感器位置估计，例如不正确的估计位置331。

图10以图形方式图示了通过采用流程内背景特异性信息来改进介入声学成像中的传感器跟踪估计的示例，如以上关于图5-9所述。在所图示的示例中，在传感器数据中识别出多个候选位置330-1、330-2、330-3和330-4，并且然后采用流程内背景特异性信息来选择候选位置中的一个(例如，候选位置330-2)作为无源声学传感器210的估计位置。此处，流程内背景特异性信息包括解剖学约束、在其上提供无源声学传感器210的介入设备的结构的已知形状，以及无源声学传感器210的先前估计位置。

图11图示了通过采用流程内背景特异性信息来改进介入声学成像中的传感器跟踪估计的方法的示例实施例的流程图。

操作1110包括将发射信号提供给声学探头的声学换能器元件中的至少一些，以使声学换能器元件的阵列将声学探头信号发射到感兴趣区。

操作1120包括作为对响应于声学探头信号而从感兴趣区接收到的声学回波的响应而产生感兴趣区的声学图像。

操作1130包括从设置在感兴趣区中的介入设备的表面上设置的至少一个无源声学传感器接收一个或多个传感器信号，该一个或多个传感器信号是响应于声学探头信号而产生的。

操作1140包括基于传感器数据中的局部强度峰来识别无源声学传感器的一个或多个候选位置。

操作1150包括使用流程内背景特异性信息来将与流程内背景特异性信息最佳匹配的候选位置中的一个识别为无源声学传感器的估计位置。

操作1160包括显示声学图像，声学图像包括标记以指示无源声学传感器在声学图像中的估计位置。

应当理解，图11中的各种操作的顺序可以改变或重新布置，并且实际上一些操作实际上可以与一个或多个其他操作并行地执行。在这个意义上，最好可以将图11视为操作的编号列表，而不是有序序列。

图12图示了图11中的操作1150的示例实施例的流程图。尤其是，图12图示了在介入声学成像中采用解剖结构约束来改进传感器跟踪估计的方法1200。

操作1210包括识别传感器预期定位在其中的解剖结构。在一些实施例中，这可以包括执行声学图像的区域检测算法或分割算法。在其他实施例中，声学成像仪器被配置为响应于从声学探头接收到的一个或多个接收信号而产生感兴趣区的彩色多普勒图像，并且处理器被配置为通过识别彩色多普勒图像中的血流来识别传感器预期所处的解剖结构。

操作1220包括消除传感器的候选位置，其未以与解剖结构的预期关系设置。

图13图示了图11中的操作1150的另一示例实施例的流程图。尤其是，图13图示了采用基于设备的结构的约束的方法1300，在该设备上提供传感器以改进介入声学成像中的传感器跟踪估计。

操作1310包括识别介入设备在声学图像中的可能位置。在一些实施例中，这可以包括执行声学图像的区域检测算法或分割算法。

操作1320包括消除未设置在介入设备的可能位置处的无源声学传感器的候选位置。

图14图示了图11中的操作1150的又一示例实施例的流程图。尤其是，图14图示了采用传感器的先前估计位置来改进介入声学成像中的传感器跟踪估计的方法1400。

操作1410包括识别无源声学传感器在先前声学图像中的先前估计位置。

操作1420包括消除与无源声学传感器的先前估计位置不一致的无源声学传感器的候选位置。

尽管没有用单独的流程图图示，但是如上文所详细解释的，在一些实施例中，可以通过采用图12-14所图示的方法中的两个或更多个并加权每个算法的结果来执行图1050中的操作1050。

此处已经出于说明目的提出了一组非详尽的算法示例，其用于使用流程内背景特异性信息来识别与流程内背景特异性信息最佳匹配的候选位置中的一个作为无源声学传感器的估计位置。当然，在阅读本公开后，用于使用流程内背景特异性信息来识别与流程内背景特异性信息最佳匹配的候选位置中的一个作为无源声学传感器的估计位置的其他算法对于本领域技术人员而言将是显而易见的，并且这样的算法旨在由本文提出的广义的权利要求和公开所涵盖。

尽管本文详细公开了优选实施例，但是许多变化是可能的，其仍在本发明的概念和范围内。在检查了本文的说明书、附图和权利要求之后，这样的变化对于本领域的普通技术人员将变得清楚。因此，除了在所附权利要求的范围内，本发明不受限制。