对图像中的ROI是否是病变进行确定的特征。在 各种示例中，特征信息包括形态学特征，诸如，方向直方图（HoG)信息、尺度不变特征变换 (SIFT)信息、加速稳健特征（SURF)信息、Blob或类似信息。形态学特征的示例还包括诸如 形状、边缘的信息、边界信息以及诸如纹理的计算机可识别的值。
[0076] 根据示例性实施例，ROI检测器130从当前由探头接收到的图像的全部区域提取 特征信息，并基于提取出的特征信息来检测被怀疑为是病变的区域。也就是说，在用户通过 使用探头检查患者的身体而实时地接收到图像的情况下，ROI检测器130自动从实时接收 到的图像提取特征信息，并基于特征信息来检测病变或被怀疑为是病变的区域。
[0077] 图3A是检测ROI的处理的示例。参照图3A，如以上进一步讨论的，ROI检测器130 基于由速度确定器120确定的速度状态来检测ROI。
[0078] 例如，在速度状态为高速状态的情况下，ROI检测器130通过从当前图像15b (例 如，当前帧t)提取特征信息来检测R0I。在速度状态为停止状态或低速状态的情况下，ROI 检测器基于如图3A的上部所示的先前图像15a的位置信息，从当前图像15b检测ROI 16b。 在这一时间点，ROI检测器130基于先前图像15a的位置信息来确定将要在当前图像15b中 搜索的区域17b。然而，ROI检测器130还提取将在当前图像15b搜索的区域17b的特征信 息。因此，此时，先前图像15a的位置信息包括在先前图像15a中搜索到的区域17a的位置 信息、从先前图像15a检测到的ROI 16a的位置信息等。通过按照这种方式对图像进行处 理，ROI检测器130能够通过最小化不必要的和冗余的处理来提高性能。
[0079] 根据该示例，在速度状态为停止状态或低速状态的情况下，先前图像15a和当前 图像15b极有可能彼此有较少的不同，这是因为探头未被移动或者仅被略微地移动。因此， ROI检测器130仅提取关于当前图像15b中的预期有变化的区域17b的特征信息，并基于从 先前图像检测到的ROI 16a的信息来从当前图像15b检测ROI 16b。通过这样做，将被进行 特征提取的区域17b的大小相比区域17a显著地减小。因此，用于检测病变的时间可能被 显著地减少，这是因为存在较少由ROI检测器130处理的信息。
[0080] 再次参照图1的示例，ROI分类器140基于由速度确定器120确定的速度状态对 ROI进行分类。例如，ROI分类器140在速度状态是停止状态或低速状态的情况下确定对 ROI进行分类，使得ROI分类器140对由ROI检测器130检测到的ROI进行分类。此外，在 该示例中，ROI分类器140在速度状态被确定为是高速状态的情况下确定不对ROI进行分 类，使得ROI分类器140不针对被高速地获取的当前图像的ROI进行分类。如上所讨论的， 当图像被高速地获取时，可能存在更多的区域差异要被考虑，因此重复使用先前的结果是 不合适的。
[0081] 例如，在速度状态是停止状态或低速状态的情况下，ROI分类器140对ROI进行分 类以确定病变是良性的还是恶性的。此外，在针对乳腺成像的情况的示例中，ROI分类器 140计算关于病变的乳腺成像报告和数据系统（RI-RADS)词汇分类的信息、附加特征信息、 形态学信息和其他相关信息。然而，这是仅是诊断信息的示例，并且在其他示例中ROI分类 器产生其他信息。此时，ROI分类器140还提取对当前图像（例如，当前帧（t))中的ROI进 行分类所必需的特征信息。
[0082] 按照这样，根据示例性实施例，在探头的速度快的情况下执行检测并追踪图像中 的ROI的处理，而在速度慢的情况下执行检测、追踪并对ROI进行分类的处理。
[0083] 根据另一示例，在探头的速度快的情况下执行检测并追踪图像中的ROI的处理。 然而，在速度慢或者如果不存在运动的情况下，通过利用从先前图像检测到的ROI的位置 信息并通过提取从当前图像检测到的ROI的特征信息来执行对ROI进行分类的处理。
[0084] 同时，如上所述，在当速度慢时检测ROI的处理中，ROI检测器130通过利用从先 前图像检测到的ROI的特征信息和位置信息来从当前图像检测R0I。此外，ROI分类器140 通过从当前图像提取其他特征信息来对ROI进行分类，其中，所述其他信息对于对ROI进行 分类所必需的。使用这种方法避免了诊断性能的性能衰减，同时尽可能减少了处理需求。
[0085] 再次参照图1的示例，显示器150执行能够为用户在屏幕上输出相关信息并接收 由用户输入的信息的接口功能。如上面所讨论的，当用户通过移动探头来拍摄患者的身体 时，显示器150输出从探头接收到的图像。如所讨论的，这样的图像是基于投射到患者的身 体的超声的回波而收集到的图像信息的图形表示。
[0086] 图3B和图3C是显示通过探头获取的图像中的ROI的处理的示例。图4A、图4B和 图4C是检测ROI并基于探头速度对ROI进行分类的处理的示例。
[0087] 参照图1、图3B和图3C的示例，显示器150按照各种预定方式输出由ROI检测器 130检测到的R0I，由此可允许用户可视化地识别检测到的R0I。例如，如图3B和图3C的 示例中所示，显示器150通过在与从输出于屏幕10上的图像20检测到的ROI相应的位置 输出特定的区分标记31和32来显示ROI的位置。图3B是十字形式的区别标记31被输出 在ROI的位置处的示例，图3C是正方形形式的区别标记32被输出在ROI的位置处的示例。 然而，示例不限于此，并且在各种其他示例中区别标记可以是各种颜色和尺寸的圆、正方形 以及任何其他形式。
[0088] 参照图4A、图4B和图4C的示例，显示器150根据探头速度（即，由速度确定器120 确定的速度状态）输出检测到的ROI和检测到的ROI的分类结果之一或两者。此时，根据 速度状态，显示器150在屏幕上的特定位置输出检测ROI或对ROI进行分类的当前处理。
[0089] 例如，如图4A的上部所示，在探头41的速度从停止状态或低速状态逐渐增加到大 于阈值TR的高速状态的情况下，ROI检测器130检测R0I，但是ROI分类器140不对ROI进 行分类。此时，如图4A的下部所示，显示器150在屏幕10上的图像20中输出区别标记51， 其中，区分标记51指示由ROI检测器120检测到的R0I。此外，在示例中，显示器150在屏 幕的上部输出指示检测ROI的处理正在进行的信息54。
[0090] 在另一示例中，如图4B和图4C的上部所示，在探头41的速度逐渐降低到小于阈 值TR的低速状态或停止状态的情况下，ROI检测器130检测ROI并且ROI分类器140对ROI 进行分类。此时，如在图4B和图4C的下部所示，显示器150在屏幕10上输出的图像20中 显示指示检测到的ROI的位置的区别标记51。此外，在该示例中，显示器150在屏幕的上 部输出指示对ROI进行分类的处理正在进行的信息54。此外，在这样的示例中，显示器150 通过在屏幕上的特定位置（例如，与屏幕上输出图像20的区域不同的区域）输出特征信息 52和分类结果53或者如图4C所示通过将上述信息与图像20重叠，在ROI的周围输出特征 信息52和分类结果53。
[0091] 尽管附图中未示出，但显示器150在由速度确定器确定了速度的情况下可选地在 屏幕上显示速度，并且如果速度的状态被确定，则在屏幕上输出速度状态。
[0092] 图5是示出根据示例的用于支持CAD的方法的流程图。图6是示出在图5中示出 的方法中检测ROI的处理的流程图。
[0093] 图5和图6是由图1中示出的设备100实现的方法的示例。
[0094] 参照图5,在操作310,所述方法检测探头的速度。例如，当用户通过移动探头捕获 患者的身体的图像时，设备100在310检测探头的速度。此时，在各种示例中，设备100使 用包括在探头中的加速计等来检测探头的速度。可选地，设备100基于通过探头获取的图 像的变化来检测探头的速度。
[0095] 这样的图像的变化可能包括关于先前图像和当前图像（例如，先前帧（t-Ι)和当 前帧（t))之间的每个像素的图像强度的总和之差。此外，在各种示例中，图像的变化包括 关于先前图像与当前图像之间的直方图的差异或相似性的信息。在示例中，基于从帧图像 的整个区域或特定区域提取的每个像素的频率产生直方图，并且基于频率的差异或直方图 的相似性来检测探头的速度。此外，在示例中，图像的变化包括先前图像与当前图像之间的 主要信息（诸如，显著区域上的信息）的变化的信息。
[0096] 随后，在操作S320,所述方法确定检测到的速度的状态。例如，当探头的速度被检 测到时，设备100确定检测到的速度的状态。此时，如上所述，速度的状态根据预定阈值被 确定为停止状态、低速状态和高速状态中的一个。
[0097] 随后，在操作330,所述方法从由探头获取的图像检测R0I。例如，设备100从由探 头接收到的图像检测ROI。
[0098] 在下文中，参照图6的示例提供关于操作330的详细描述。参照图6的示例，在操 作331，所述方法检查探头的速度状态。例如，设备100检查探头的速度状态。随后，设备 100在高速状态的情况下仅检测R0I，从而在操作332所述方法从当前图像提取特征信息并 且所述方法使用特征图像来检测R0I。例如，设备100从在当前时间（t)捕获的图像提取特 征信息。设备还基于提取出的当前时间（t)的特征信息来检测R0I。
[0099] 可选地，在操作334,所述方法使用从当前图像提取的特征信息来检测R0I。例如， 设备100在低速状态或停止状态下检测ROI并且还对ROI进行分类，这样，设备100通过利 用从在先前时间（t-l、t-2…）获取的图像检测到的ROI的位置信息或者通过在334利用从 先前图像提取的特征信息来检测R0I。此时，通过基于先前图像的位置信息而不是搜索当 前图像的整个区域来从当前图像