用于医学成像与信息显示的方法和系统的制作方法
【技术领域】
[0001]本发明涉及临床医学成像，并且更具体地涉及用于医学成像与信息显示的方法和系统。
【背景技术】
[0002]如今，临床医学成像在为医生提供关于患者的必要信息上扮演重要角色。例如，各种成像模态(例如，CT、MR1、超声等)当前可用于在这方面辅助医生。针对每种成像模态，存在不同成像模式。
[0003]以超声为例，超声成像归因于其为非辐射、无创、实时且低成本的技术而已经被广泛应用于临床引用中。如本领域所周知的，在超声成像中存在不同种类的模式，例如但不限于，B模式超声、彩色超声、对比超声、包括应变超声和定量弹性成像超声的弹性成像超声。
[0004]为了具有关于患者的全面信息，医生常常需要组合来自不同成像模式的成像数据。如何最优地使用全部成像数据对人类而言是个难题。主要原因在于，临床目标存在于高维空间中，并且人类感知是有限的且缺乏解决高维问题的能力。
[0005]诸如机器学习的计算机技术能够比人类更好地处理高维问题。因此，基于计算机技术的临床决策支持(CDS)系统在为医生提供这样的全面信息上扮演重要角色。
[0006]然而，针对临床目标，要求医生首先在患者的成像平面或成像体积中选择用于指代目标的感兴趣区域(R0I)，并且然后应用有关的分析或计算机算法来提供结构信息、功能信息或甚至诊断信息自身。
[0007]US 6186949 B1公开了用于使用编码激励来进行三维流动成像的方法和装置。在使用编码激励和壁滤波来执行三维流动成像时，宽带脉冲(以基频为中心)的编码序列被多次发射到特定发射焦点位置。在接收时，将针对每次射击采集的接收信号进行压缩并进行带通滤波以隔离以基频为中心的压缩脉冲。然后将经压缩和隔离的信号进行壁滤波以提取流动成像数据。在多重扫描平面中的每个中针对多重发射焦点位置重复该处理，以采集大量流动成像数据。然后产生体积绘制图像，所述体积绘制图像允许用户从任何角度观看数据体积。另外，可以将数据体积重新格式化以产生穿过数据体积的任意切割面的二维图像。
【发明内容】
[0008]本发明的发明人已经认识到，上文描述的基于对R0I的手动选择的CDS系统具有许多缺点。
[0009]首先，R0I选择处理是利用不同模式单独执行的，并且医生需要选择针对不同模式的R0I以试图指代相同的目标。其不能被实时地执行并且其不能在筛查处理的过程中提供CDS信息。此外，该选择处理可能导致错误并且是耗时的。有时医生，特别是初级医生，在选择正确的R0I时经历困难并因此忽视要被检查或诊断的目标。额外地，对每个R0I都提供CDS信息，例如，针对整个R0I提供一个值。换言之，CDS信息的粒度为低。另外，由于为医生提供针对一个局部R0I的来自不同模式的信息，因此对医生而言难以获得对临床目标的总体理解。
[0010]第二，来自不同成像模式的图像数据一般是通过在不同模式间进行切换而被按次序地获得的，并且发射的射频信号一般针对不同成像模式是不同的。当所发射的射频信号不同时，所获得的图像中的像素的数目和位置也不同。额外地，不同模式中的成像平面或成像体积能够归因于在成像装置与患者之间的相对位置的改变而不同。例如，在超声筛查期间，当医生在不同模式之间切换时，医生所持的超声探头的位置和/或角度能够改变，使得超声探头的视场也改变。因此，不同成像模式的图像数据不具有像素级(pixel-level)对应。结果，不同模式的图像数据的像素级组合变得非常复杂。
[0011]作为特殊情况，针对某些成像模式，能够认为实现了具有像素级对应的不同模式的同时成像。例如，用于彩色模式的射频(RF)信号序列与用于B模式成像模式的RF信号序列是相同的。基于此，达到彩色模式与B模式之间的像素级对应，并且能够实现来自这两种模式的图像数据的像素级组合。然而，如今这两种模式的组合只是成像数据的逐个像素的叠合。亦即，针对每个像素所组合的成像数据为该像素在两种模式中的成像数据的总和。因此，所组合的成像数据不提供任何额外的CDS信息。医生必须将它们用作常规成像模式并以常规的方式处理它们。因此，如何以令人满意的方式同时处理高维数据对医生而言仍是个困难的挑战。同时，这些种类的当前成像模式的RF信号常常太受限而不能生成不同成像模式。数目一般不超过二，这可能不足以提供足够的成像信息并实现随后的CDS处理步骤。
[0012]因此，提供用于医学成像与信息显示的新颖方法和系统以便为医生提供来自不同成像模式的全面信息而无需医生背负从不同模式的成像数据选择R0I的负担将是有利的。不同成像模式不限于特定模式，并且与上文提及的现有技术相比，如果期望的话，数目可以尽可能地大。
[0013]根据本发明的一方面，提出了一种医学成像与信息显示的方法，包括:在医学成像装置的多种不同成像模式中的每种模式中采集在对象的成像平面或成像体积中的多个点中的每个点的成像数据;针对所述每个点，通过对预定模型应用所述点在所述每种模式中的所述成像数据以及所述多个点中邻近所述点的至少一个其他点在所述每种模式中的所述成像数据来导出一值，其中，所述预定模型是根据与所述对象有关的临床医学应用来选择的;基于全部所导出的值来构建图像;并且向用户显示所构建的图像。
[0014]与常规的图像处理方法相比，根据本发明的所述方法不要求医生选择感兴趣区域(R0I)以在不同模式中指代目标，并且然后应用有关的分析或计算机算法以提供信息自身，使得根据本发明的所述方法极大地减轻了医生的负担。
[0015]此外，由于在根据本发明的所述方法中，值是针对所述成像平面或所述成像体积中的每个点，通过对与预定医学应用有关的模型应用所述点的所述成像数据以及邻近所述点的至少一个其他点的所述成像数据来导出的，并且然后图像是基于全部所导出的值来构建的并被显示给用户，因此所述方法使得能够为医生进行实时筛查。例如，在超声筛查期间，当医生将探头移动到特定地方时，针对视场中的每个像素所导出的值被形象地显示为图像并被实时呈现给医生，并且当医生改变探头的角度或位置时，所呈现的图像被相应地更新。此外，能够直接在像素级上呈现承载关于临床目标的信息的图像，使得能够为医生提供与常规的R0I方法相比更高清晰度的图像，并且医生能够获得对临床目标的总体理解。因此，医生将不会忽视目标。
[0016]同时，针对所述成像平面或所述成像体积中的每个点的所述值不仅是从所述点自身的所述成像数据导出的，而是还是基于邻近所述点的至少一个其他点的所述成像数据来导出的。以此方式，使用所述方法可以进一步改进所导出的值的质量和/或允许所导出的值传递更多临床信息，结果得到更好且更多信息的、构建的图像。换言之，所输出的图像对医生而言更有用且更可靠。
[0017]这里，本领域技术人员可以容易地理解，所述至少一个其他点中的每个与所述点之间的距离不超过预定值。例如，在一范例中，所述至少一个其他点可以为最接近靶点的点。换言之，它们可以为在所述成像平面或所述成像体积中相对于靶点的右上点、左上点、右下点、左下点。
[0018]所述预定模型能够为与临床医学应用有关的任何模型，以传递与所述临床医学应用有关的临床?目息。
[0019]通常，所述预定模型为非线性的。在一个范例中，所述预定模型为基于机器学习的模型。在另一范例中，所述预定模型可以为临床决策支持(CDS)模型，使得所构建的图像可以为医生提供临床决策支持信息。关于⑶S模型，本领域技术人员将理解，CDS模型可以为输出关于诸如患者的对象的诊断信息的模型。然而，CDS模型不限于此，一些种类的CDS模型为使得医生不能够