相关。可以使用另一处理来估计流数据。根据在不同时间所获取的空间采样来对彩色多普勒参数值(例如速度、能量或方差值)进行估计。色彩被用于与频谱多普勒成像相区分，其中对针对距离门的功率谱进行估计。在不同时间相同位置的两个采样之间的频率改变指示速度。两个以上采样的序列可以被用于估计彩色多普勒参数值。针对所接收信号的不同分组一一诸如完全分开或独立分组或重叠分组一一形成估计。每个分组的估计表示在给定时间的空间位置。可以获取多帧流数据以表示在不同时间的体积。
[0027]针对体积中的空间位置执行估计。例如，根据响应于扫描的回波来估计不同平面的速度。
[0028]可以对估计进行阈值处理。阈值被应用于速度。例如，应用低速度阈值。低于该阈值的速度被除去或者被设置成另一值，诸如O。作为另一示例，在能量低于阈值的情况下，相同空间位置的速度值被除去或者被设置成另一值，诸如O。可替代地，在没有阈值处理的情况下使用所估计的速度。
[0029]也获取有B型数据。执行用于流数据估计的扫描之一或者不同的扫描。针对不同的空间位置探测回波的强度。
[0030]对于体积，一些空间位置由B型数据来表示，并且其他位置由流数据来表示。执行阈值处理或其他处理以避免位置由B型和流数据二者来表示。可替代地，一个或多个位置可以具有B型和流数据二者的值。尽管两种类型的数据一起表示体积，但是不同类型的数据可以被分开存储和/或处理或者被合并到表示体积的一个集合中。
[0031]通过使用宽波束传送以及沿着多个扫描线进行接收或者以其他方式对于每次传送获取大的子体积或整个体积的数据，更快速的扫描被提供。更快速的扫描可以允许实时获取B型和彩色多普勒估计。例如，以每秒至少10次对体积进行扫描。在一个实施例中，体积速率是每秒20、25或其他数目的体积。每次体积扫描都与获取B型和多普勒数据二者相关联。不同类型的数据在基本上相同时间被获取。随后允许不同传送的交织和/或接收对不同类型数据的处理。例如，每个心动周期获取10个或更多体积的数据，其中每个体积包括表示心动周期的大体上相同部分(例如在彼此心动周期的1/10内)的B型和速度数据。在可替代的实施例中，B型数据的获取速率大于或小于彩色流数据的获取速率。
[0032]在动作32中，从数据中识别感兴趣的体积区域。感兴趣的区域是感兴趣的组织或流区域。例如，B型数据被用于识别组织结构，诸如瓣膜或心壁。感兴趣的区域被定位为处于组织结构之上、与组织结构相邻或与组织结构有关的位置处。例如，瓣膜被定位。与瓣膜间隔开以覆盖射流区域的感兴趣流区域基于瓣膜的位置被识别。流区域可以包括射流、流道、流面或者管腔。由于流和B型数据在基本上相同的时间被获取，因此数据在空间上被配准并且一种类型的数据可以被用于确定与另一种类型的数据相关联的区域。可替代地，在没有B型信息的情况下从流数据中识别出感兴趣的体积区域，诸如识别射流区域、射流取向或湍流。
[0033]该识别是人工的、半自动的或者自动的。用户可以对感兴趣区域进行定位、确定尺寸以及定向。处理器可以应用任何算法来确定感兴趣区域，诸如基于知识的模型、模板匹配、基于梯度的边缘探测、基于梯度的流探测、或者其他现在已知或者后来开发的组织或流探测。对于半自动的识别，用户可以指示组织结构位置、边缘点、或者由处理器用于确定感兴趣区域的位置、取向和尺寸的其他信息。
[0034]可以识别一个以上的感兴趣体积区域。在相同体积中识别感兴趣区域。例如，识别出两个感兴趣流区域。流区域可以是这样的，即流在一个区域中为精确的并且被用于对另一区域中的流进行去混叠。感兴趣流区域与质量守恒相关联，诸如是相同血管、心室或其他流结构的一部分。在一个实施例中，与瓣膜的射流相关联的感兴趣区域被识别，并且与流出道相关联的感兴趣区域被识别。来自一个区域的瞬时流可以被用于在基于但不限于对心腔相对于先前时刻的总体积改变的计算的情况下校正另一感兴趣区域中的流。例如，图2示出在体积的三维渲染中所定位的两个感兴趣区域。上面中间的图像是对A4C视图的平面重建。左上方的图像是从A4C视图的顶端向下看。右上方的图像是基本上与A4C视图正交的A2C视图。对于三维渲染，大约1/2体积被遮蔽，使得渲染是体积的一半，其中A4C平面作为正面与查看方向正交。感兴趣区域识别左心室流出道(LVOT)和二尖瓣环。与其他结构相关联的流区域可以被识别。
[0035]感兴趣区域在空间上是不同的。对于重叠的或者对于空间上完全不同的感兴趣区域，一个感兴趣区域中的一些位置不处于另一感兴趣区域中并且该另一感兴趣区域的一些位置不处于该一个感兴趣区域中。图1示出作为完全不同或者没有任何重叠的感兴趣区域。
[0036]在其他实施例中，不同的感兴趣区域与相同的组织或流结构相关联。例如，相同射流中的两个不同区域被识别。作为另一示例，与不同速度、但与相同流区域相关联的两个不同的表面被识别。在又一个示例中，组织结构一一诸如瓣膜一一的相对侧的两个流区域被识别。感兴趣区域可处于相同流道中以提供在不同位置处对相同流的多个测量。这些区域可以充当附加测量一一诸如PW测量一一的位置，并且这些区域的相对于流解剖的已知空间位置和取向可被用于校正流估计。定位可以允许在湍流引导区域之后的诸如沿着弯曲结构的测量。曲率可以随时间改变，使得在不同时间，一个测量比另一测量更精确并且反之亦然。
[0037]感兴趣区域具有任意期望形状。例如，使用球体、立方体、平面、三维表面或者其他形状。在一个实施例中，使用圆锥形。圆锥形状的狭窄部分处于较狭窄的流区域处，诸如与瓣膜、管口或者心壁中的孔相邻。圆锥形状的较宽部分被间隔开以更好地覆盖由湍流引起的分散流。该形状可以是有向的。通过基于流诸如流方向对感兴趣区域进行定向，轴向速度可以被角度校正。
[0038]感兴趣区域在一个体积或时刻内被识别。对于序列中的其他体积，该区域可以被独立地识别或者基于先前的位置(例如对该区域的跟踪)被识别。
[0039]在动作34中，对一个或多个感兴趣区域中的流和解剖信息进行分段。在流被定量的情况下，该分段可以除去来自组织的信息。根据感兴趣的体积对流结构进行分段。在每个感兴趣区域中，解剖和流结构一一诸如流道、B型壁、瓣膜、射流和流轮廓一一被分段。
[0040]该分段是人工的、半自动的或者自动的。用户可以人工地指示流和/或组织的位置。处理器可以应用任何算法进行分段，诸如基于知识的模型、模板匹配、基于梯度的边缘探测、基于梯度的流探测、或者其他现在已知或者后来开发的组织或流探测。例如，使用阈值过程来确定是否有在组合B型和彩色多普勒图像时存在足够的流。对B型、速度、能量和/或其他信息进行阈值处理。具有大的B型或小的速度和/或能量的位置被指示为组织。具有小的B型或足够的速度和/或能量的位置被指示为流。在一个实施例中，感兴趣区域的数据被低通滤波。经过滤波的B型数据的梯度被用于确定组织边界。边界将组织与流结构分隔开。可以使用其他边缘探测，诸如流数据的梯度，以更好地隔离感兴趣的流。可以使用二者的组合。
[0041]在一个实施例中，动作34的分段从感兴趣区域的流部分的子集中确定特定的流结构。例如，从流结构的流数据中计算出近端等速表面面积(PISA)的位置。图2表示一个感兴趣区域的PISA的示例性分段。PISA是三维等速轮廓。该轮廓是跨越流区域具有相同或相似速度的表面。该表面可以被空间滤波。图2中的PISA表面所针对的是具有二尖瓣回流的患者。PISA可以被显示或者在不显示的情况下被使用。
[0042]任何速度都可以被使用，并且一个以上的表面可以通过使用相同射流上的多个速度而被确定。在其他实施例中，多个这样的表面可以被同时用在一个以上的瓣膜和空间上不同的位置上。该分段可以针对多个混叠速度执行。通过使用一个以上的分段，多个感兴趣流区域被识别为相同或不同的较大感兴趣区域中的PISA。所述多个流区域可以被用于确定对量或参数的更精确的评估，诸如作为多个自动测量的平均值所做出的全面EROA计算。
[0043]速度数据可以在分段以前被低通滤波。速度的范围可以用于确定具有深度的表面。
[0044]在动作36中，可以对与分段流区域和/或感兴趣的体积相关联的流超声数据进行校正。校正包括数据的改变和/或验证，其中缺乏验证导致通过重新获取进行的校正。校正在计算量之前进行。在分段以后，校正以所示顺序进行。在其他实施例中，校