一種表征頸動脈斑塊的方法和系統(tǒng)的制作方法
【專利摘要】一種獲取和分析病人的超聲圖像，利用圖像數(shù)據(jù)識別特定組織類型的方法和系統(tǒng)。獲取目標區(qū)域亞區(qū)域的一組特征向量，降維特制向量，利用啟發(fā)式識別組織類型。當組織類型適于圖像標準化時，根據(jù)預先設定的已識別的組織類型的灰度，調(diào)整圖像的整體灰度。分割圖像，識別和表征斑塊區(qū)域。表征的斑塊和其他參數(shù)，例如狹窄度，被用于確定病人的風險評分。
【專利說明】一種表征頸動脈斑塊的方法和系統(tǒng)
[0001]本發(fā)明得到了美國國立衛(wèi)生研究院第HL103387號合約的部分支持。美國政府享有該發(fā)明的某些權(quán)利。
【技術領域】
[0002]本發(fā)明可能涉及醫(yī)學影像學中的成像、檢測、表征、監(jiān)控和危險分層。
【背景技術】
[0003]頸動脈粥樣硬化是脂類物質(zhì)在頸動脈壁上的病態(tài)積聚。這種積聚通常具有纖維帽(fibrous cap)和壞死核心(necrotic core, NC)。頸動脈粥樣硬化初始預后無癥狀,發(fā)展緩慢，逐漸發(fā)展為有癥狀的，其可能導致心血管或神經(jīng)血管相關疾病，取決于斑塊的特征。研究表明，其形態(tài)屬性、組成屬性、力學屬性、電磁屬性以及周圍血液動力學具有重要的診斷意義。
[0004]頸動脈粥樣硬化的常規(guī)治療包括藥物、支架術和動脈內(nèi)膜切除術。治療的選擇標準是心血管或神經(jīng)血管癥狀以及狹窄(stenosis)度。狹窄是指血管非正常變窄。不幸的是，這些標準似乎并非可能引起中風的易損斑塊(vulnerable plaque)的良好標志。
[0005]醫(yī)學超聲影像是一種可選擇的篩查工具(screening tool)以確定狹窄度。通常，雙超聲，即頻譜多普勒 二維B或BC模式超聲圖像，通過由多普勒通道(gate)測定的頸動脈腔中的血流速度來預測狹窄度，通過B或BC模式圖像來預測斑塊的位置或大小。根據(jù)個人的聲學圖像表現(xiàn)，有經(jīng)驗的超聲波檢驗師也能夠定性地估計斑塊的硬度。然后，根據(jù)他們的雙超聲篩查結(jié)果，病人被指定不同的治療方式。盡管醫(yī)學超聲影像已得到改進，但是該技術在斑塊易損性方面還是無法提供可靠的預測。
[0006]有幾種因素妨礙了醫(yī)學超聲預測斑塊易損性的可靠度。覆蓋多個病人的一致性成像設置還沒有實現(xiàn)。例如，二維成像平面的任意位置和成像參數(shù)(如增益)的主觀設定，使得人們難以確定和提取表征易損性斑塊的特征。而且，當前的方法沒有提供斑塊屬性的定量評估。透聲性(echolucency)(回聲的透度)、平滑度、血管壁硬度與易損性相關。但是,這三項指標沒有標準的定量評估或者特定的量化該標準的觀測方法。而且，即使能夠做出這樣的評估，也沒有一套一致的易損性標準。
[0007]目前，斑塊通常用磁核共振成像(MRI)表征。US PgPub20100106022〃CAR0TIDPLAQUE IDENTIFICATION METHOD"描述了一種分析超聲斑塊圖像亮度和斑塊纖維帽厚度以將斑塊分為高風險或低風險的算法。雖然斑塊易損性的機制還沒有完全了解清楚，但最近的組織學研究暗示易損性與以下動脈特征相關:a)大的均質(zhì)(homogeneous)脂類富集壞死核心(LR/NC) ；b)薄纖維帽；c)伴隨著出血或新生血管的活動性炎癥；d)嚴重的狹窄；d)伴隨著表面血小板聚集和纖維蛋白沉積的內(nèi)皮剝脫(endothelial denudation)。用于準確識別易損性斑塊(也稱為“高風險”斑塊)的無創(chuàng)技術將有助于中風風險分層(stratification)和低成本的治療干預。
【發(fā)明內(nèi)容】

[0008]本發(fā)明描述了一種利用超聲或其他的非侵入性(non-1nvasive)成像方法以及用于測定的特征的結(jié)構(gòu)化互動策略(structured interactive strategy),根據(jù)頸動脈斑塊的形態(tài)屬性、力學屬性、電磁屬性和血流動力學屬性表征頸動脈斑塊的方法和系統(tǒng)。尤其是，該方法，例如，始于利用一種低成本和容易獲取的成像方法(例如超聲(US))表征斑塊，如有需要的話，再繼續(xù)進一步的其他方法步驟，例如MRI或CT (計算機斷層掃描)，或者繼續(xù)診斷和選擇治療方式步驟。例如，超聲(US)能被用于篩查低風險的病人，參考其他病人以獲得更詳細但是更昂貴的分析，例如MRI或CT(計算機斷層掃描)。超聲結(jié)果能與MRI或CT的成像結(jié)果相互結(jié)合以對病人作出更全面的評估。
[0009]本發(fā)明公開了標準化超聲成像中的成像方面以及對出現(xiàn)在這些圖像中的頸動脈斑塊進行自動化分析的方法和系統(tǒng)，該分析過程中可以有或沒有人工干預。
[0010]一方面，本發(fā)明提供了一種在超聲圖像采集過程中或采集以后，標準化所觀測到的全體患者的頸動脈腔和周圍組織亮度的方法和系統(tǒng)。該系統(tǒng)和方法也使得全體進行超聲成像的患者所觀測到的斑紋圖樣具有一致性。
[0011]超聲圖像的斑紋圖樣受到紋理分析(texture analysis)的影響,與特定的組織類型相關。組織類型識別是圖像標準化技術的基礎，標準化技術削弱了現(xiàn)有US技術圖像特征的變化，并泛化(generalize) 了超聲成像,從而能夠進行計算機輔助分割和分析。
[0012]在另一方面，本發(fā)明提供了一種自動識別人體圖像中斑塊的方法。斑塊的存在可以被表征為，例如，1)血管壁突出到頸動脈腔，使頸動脈腔變窄；或2)血管壁的內(nèi)膜-中膜層厚度大于0.5mm。隨著一種或多種與空間或時間相關的成像方法的數(shù)據(jù)采集，可以自動識別腔、血管壁和斑塊。識別的斑塊的組成也可以被表征。
[0013]例如，可以通過一個心動周期中血液流動情況或組織位移速度模型來預測血管壁邊緣。預測的血管壁邊緣可以作為進行進一步處理的初始腔邊緣。多種圖像類型可能在空間或時間上匹配，可以通過多種成像方式獲得這些圖像。物理裝置定位法(physicaldevice location methods),絕對時間定時(timing using absolute time)、心電圖(cardiac)以及相對時間可以用來選擇、融合和分析圖像數(shù)據(jù)。可以使用來自于多個圖像的相互關聯(lián)的信號。當使用術語“圖像”時，本領域的技術人員能夠理解到，“圖像”也可能指產(chǎn)生圖像、描跡(trace)或其他數(shù)據(jù)集表示(representation of the data)的數(shù)據(jù)集。在本發(fā)明中，不同類型的超聲圖像數(shù)據(jù)是指，例如，B模式(B mode)、組織速度或流速圖像或容積(volume)以及它們的射頻(RF)或RF聲學數(shù)據(jù)的I和Q表示(I and Q representations)、有或沒有包絡檢波、對比增強或掃描轉(zhuǎn)換頻譜多普勒或M-模式描跡。
[0014]自動化包括信號處理和模式識別技術?；诰植繀^(qū)域表現(xiàn)，可能實現(xiàn)亮度量化，或在數(shù)據(jù)采集時或采集后計算圖像集時，分析(如紋理分析)亮度量化。紋理分析可能包括，例如，在Haralick紋理特征的多個解析度(resolution)或距離上的多紋理計算,灰度級差特性，運行周期特性和Laws紋理特性。在降維或沒有降維的情況下，整體紋理特征可以是亮度/增益獨立的或非獨立的。降維(dimension reduction)在最小必要維度下保留最重要的信息。根據(jù)上述特征的斑塊多層次模式識別和分類可以基于規(guī)則或基于統(tǒng)計模型。表征過程的尺度大小(process scale size)可以是多尺度的(mult1-scaled),例如,從像素到小區(qū)域或整個斑塊結(jié)構(gòu)。自動化過程可以由人工干預校對以糾正算法錯誤或提高準確度。
[0015]在一個實施例中，通過顯示設備、電子媒介或硬拷貝，設備和方法會導致采集的數(shù)據(jù)、已處理的數(shù)據(jù)、分析結(jié)果或它們的組合以它們的原始格式或假彩色編碼格式輸出。用于比較的電子存儲媒介、數(shù)據(jù)網(wǎng)絡或硬拷貝可以將數(shù)據(jù)傳遞到其他的測試結(jié)果。已處理的數(shù)據(jù)可能包括在特定時間和地點或一系列時間和地點的圖像中的中間量化、分類和風險評分，該數(shù)據(jù)以文本、圖形、2D(二維)圖、3D(三維)容積(volume)的形式存在，以顯示癥狀的退化或進展。
[0016]在另一方面，超聲數(shù)據(jù)可能與其他成像方式的數(shù)據(jù)相結(jié)合，用于綜合診斷和跟進(follow up)。在另一方面，本發(fā)明提供了一種自動識別和優(yōu)化3D超聲成像中頸動脈腔邊緣的方法?？梢圆杉疊模式2D圖像和彩色(color)或B血流模式2D圖像，其中圖像被幾何臨時配準(geometrically and temporally registered)。一系列這樣的B模式切片(slices)和血流切片可用于形成3D容積。由血流組成決定的血流情況可以提供腔邊緣的初始位置，初始位置可以通過B模式組成中的邊緣檢測和區(qū)域分割進一步確定。觀測到的腔邊緣可以通過人工編輯圖像進一步完善。[0017]在另一方面，本發(fā)明提供了一種利用超聲圖像確定一個心動周期中血流容積的方法。血流容積可能與相應的B容積相重疊?？梢栽谘刂?，例如，頸動脈的位點采集覆蓋一個心動周期的多個圖像。這種采集可能是門控的(gated)，有或沒有定時裝置或定位控制。通過沿著頸動脈移動超聲成像設備的聲波收發(fā)器，可以緩慢掃描采集容積(acquisitionvolume)，從而使得圖像數(shù)據(jù)覆蓋預先設定的心動周期的目標容積數(shù)目。然后，根據(jù)相對于心動周期的時間位置，將圖像數(shù)據(jù)排序，心動周期通過定時裝置，例如ECG或信號處理確定。這個過程導致了一系列的分布在整個心動周期的頸動脈容積。
[0018]在另一方面，本發(fā)明提供了一種整合數(shù)據(jù)和信息的方法，所述信息和數(shù)據(jù)來源于對病人做出診斷決定和計劃的不同方法。例如，來自超聲圖像的血流數(shù)據(jù)可以解釋MRI圖像中的陰影，該陰影可能源自血流運動、斑塊或鈣化。
[0019]本發(fā)明描述了一種超聲診斷系統(tǒng)，包括產(chǎn)生病人圖像數(shù)據(jù)的超聲設備；與超聲設備相連通的計算機，所述計算機被配置處理圖像數(shù)據(jù)以獲得多元化的表征圖像區(qū)域的特征向量。在啟發(fā)式技術(heuristic)的基礎上，特征向量降維，用于識別特定的組織類型。
[0020]本發(fā)明描述了一種分析超聲數(shù)據(jù)的方法，包括以下步驟:獲得病人興趣域的超聲圖像；確定興趣域亞區(qū)域的一組特征向量；以及降維特征向量組，用啟發(fā)式技術識別亞區(qū)域的組織類型。當識別的組織類型適合圖像標準化時，根據(jù)預先設定的用于識別的組織類型的平均灰度，通過調(diào)整圖像的整體灰度標準化圖像灰度值。
[0021]在另一方面，本發(fā)明提供了存儲在非瞬時計算機可讀介質(zhì)上的計算機程序產(chǎn)品，包括由處理器解譯的指令，以使計算機:接收病人興趣域的圖像數(shù)據(jù)；確定興趣域亞區(qū)域的一組特征向量；降維特征向量組，用啟發(fā)式技術識別亞區(qū)域的組織類型；其中，當所識別的組織類型適合圖像標準化時，根據(jù)預先設定的用于識別的組織類型的平均灰度，通過調(diào)整圖像的整體灰度標準化亞區(qū)域的平均灰度。
【專利附圖】

【附圖說明】
[0022]圖1顯示了具有表示組織、斑塊和噪點(noise)特性的紋理特征值的B掃描超聲圖像，可以用于算法訓練(algorithm training)；
[0023]圖2是圖1中的選擇區(qū)域降維的特征向量組圖表；
[0024]圖3是乳腺聲波圖，其中區(qū)域的灰度已經(jīng)標準化；
[0025]圖4是頸動脈的超聲圖像，其中斑塊區(qū)域已經(jīng)從周圍組織中分割出來，具有不同回聲特性的斑塊區(qū)域被進一步區(qū)分；
[0026]圖5是和圖4 一樣的超聲圖像，其中有鈣化的斑塊區(qū)域已經(jīng)被分割，在斑塊的下方識別出陰影區(qū)域；
[0027]圖6是頸動脈的另一超聲圖像，其中上圖顯示兩個識別的興趣域，下圖更詳細地顯示了上方興趣域中的一個，其中纖維帽被描繪出來；
[0028]圖7是被配置執(zhí)行本發(fā)明方法的超聲系統(tǒng)的簡化系統(tǒng)方框圖(超聲設備或處理器的網(wǎng)絡接口沒有顯示)；
[0029]圖8是米集、標準化和表征超聲圖像的流程圖；
[0030]圖9顯示在一個心動周期中采集和組裝(assembling) 3D圖像的方法；
[0031]圖10是表征病患風險的方法的方框流程圖；以及
[0032]圖11顯不了一種在超聲圖像分析確定的病患風險的基礎上，確定治療方案或是否需要進一步診斷的方法。
【具體實施方式】
[0033]結(jié)合附圖能夠更好地理解示例實施例。為了描述簡潔清楚，并非【具體實施方式】的所有常規(guī)特征均在此描述。應當理解的是，在任何【具體實施方式】的執(zhí)行中，必須做出許多實施方式特定的決定以實現(xiàn)執(zhí)行者的特定目標，例如遵守系統(tǒng)、商業(yè)或法規(guī)的約束，在不同的實施方式中，這些目標不一樣。
[0034]在本發(fā)明中，硬件和軟件結(jié)合以完成任務稱為系統(tǒng)。除非另有說明，縮寫被賦予本領域中通用的含義。
[0035]用于執(zhí)行系統(tǒng)的過程或方法的指令可能位于計算機可讀存儲介質(zhì)或存儲器上，例如緩存、緩沖器、RAM、可移動介質(zhì)、硬盤驅(qū)動器或其他計算機可讀存儲介質(zhì)。計算機可讀存儲介質(zhì)包括各種類型的易失性和非易失性存儲介質(zhì)，其中數(shù)據(jù)的存儲是非瞬時的。根據(jù)存儲或分布在計算機可讀存儲介質(zhì)上的一個或多個指令集響應，執(zhí)行在附圖或本文中描述的功能、行為或任務。功能、行為或任務不依賴于指令集、存儲介質(zhì)、處理器或處理策略的特定類型，可以由軟件、硬件、集成電路、固件、微碼等執(zhí)行，可以單獨操作或聯(lián)合操作。同樣地，處理策略可能包括多處理、多任務、并行處理、網(wǎng)格處理等。
[0036]在一個實施例中，指令可能會通過本地或遠程系統(tǒng)存儲在用于讀取的可移動媒介設備上。在其他實施例中，指令可能通過計算機網(wǎng)絡、本地或廣域網(wǎng)或電話線路存儲在用于傳輸?shù)倪h程位點上。在其他實施例中，指令存儲在給定的計算機或系統(tǒng)中。
[0037]指令可能是存儲或分布在計算機可讀存儲介質(zhì)上的計算機程序產(chǎn)品，包括在計算機上執(zhí)行的部分或所有指令，以執(zhí)行系統(tǒng)所有或部分的方法或操作。
[0038]在本文中，如有必要的話，處理器或計算機包括本【技術領域】已知的中央處理單元(CPU)，工作存儲器，合適的數(shù)據(jù)和軟件存儲介質(zhì)，網(wǎng)絡接口(包括無線接口)，互聯(lián)網(wǎng)和局域網(wǎng)，輸入和輸出數(shù)據(jù)終端，顯示器等。處理器可能是單一的設備或分布在系統(tǒng)的有形元件中。
[0039]使用術語“數(shù)據(jù)網(wǎng)絡”、“網(wǎng)絡”或“互聯(lián)網(wǎng)”意在描述網(wǎng)絡互連環(huán)境，包括本地和廣域網(wǎng)絡，定義的傳輸協(xié)議被用于促進不同的，可能是地理上分散的實體(包括校園計算機集群或廣域網(wǎng)等)之間的通信。這樣的互連環(huán)境的實施例是萬維網(wǎng)(WWW)和TCP/IP數(shù)據(jù)包協(xié)議的使用，以及以太網(wǎng)的使用或其他已知的或后開發(fā)的用于某些數(shù)據(jù)通路的硬件和軟件協(xié)議。
[0040]設備、系統(tǒng)、應用程序之間的通信以及數(shù)據(jù)網(wǎng)絡接口可以通過有線或無線連接實現(xiàn)。無線通信可能包括音頻、無線電、光波或其他不需要傳輸設備和相應的接收設備物理連接的技術。雖然通信被描述為從傳輸器到接收器，但是并不排除反向路徑，無線通信設備可能既有傳輸功能也有接收功能。
[0041]本文中使用了術語“無線”，“無線”應當理解為包含傳輸和接收裝置、收發(fā)器等，包括任何天線以及調(diào)制或解調(diào)信息到電信號(電信號隨后被輻射或接收)上的電子電路。當描述設備時，術語“無線”不包括自由空間表現(xiàn)形式(free-space manifestation)的電磁信號。無線設備可能包括通信電路的兩個末端或僅僅包括電路的第一末端，電路的另一末端是與電路第一末端的無線設備互操作的無線設備。設備之間的許多連接可以是有線或無線的，取決于選擇的特定設計方法。
[0042]一方面，系統(tǒng)和方法利用了通過人或動物的超聲成像計算的與不同組織類型相關的不同紋理特征。
[0043]在討論超聲圖像的各種紋理特征之前，先弄清楚本文所用的術語“分割(segmentation)”、“分類(classification)，，和“特征測量(feature measures)，，有助于理解本發(fā)明。分割是指根據(jù)一些同質(zhì)性準則(homogeneity criteria),將圖像分成基本同質(zhì)(homogeneous)區(qū)域的過程。因此，分割也與這些區(qū)域之間的邊緣設定相關，不考慮區(qū)域的類型或分類。這樣的邊緣和組織類型識別等，可能是基于啟發(fā)式的。術語“啟發(fā)式”或““啟發(fā)式技術”是指一種基于實驗數(shù)據(jù)或結(jié)構(gòu)/圖像分析的選擇標準，它可以被用于有效區(qū)分兩個備擇假設(alternate hypotheses)?！皢l(fā)式”可能是一個參數(shù),例如大小、范圍大小、相對大小、灰度閾值等等，且最終與，例如，組織類型相關。
[0044]分類是指將圖像特征域分成類別的過程，其中每個生成的類別包含滿足某些相似標準(啟發(fā)式技術)的樣品。如果沒有事先定義類別，該任務被稱為無監(jiān)督分類(unsupervised classification)?；蛘?如果已經(jīng)定義了類別(通常通過使用樣本紋理的訓練集，可能基于相似度、組織學檢測或之前已進行的工作將樣本紋理分類)，那么這一過程可以稱為監(jiān)督分類(supervised classification)。在本文中，除非特別聲明，分類通常是監(jiān)督分類。然而，這兩種方法都可以使用。
[0045]在分類之前或之后，可以利用這些特征分割具有不同紋理即特征的圖像。也就是說，例如，基于啟發(fā)式技術以及含有相同組織類型的區(qū)域(該區(qū)域能夠與含有其他組織類型的區(qū)域區(qū)分開)，可以設定不同組織類型區(qū)域之間的邊緣。邊緣可以通過假色彩顯示，通過顯示輪廓邊緣，通過陰影或其他視覺或電子手段呈現(xiàn)給用戶。當通過組織類型進行的圖像區(qū)域分類是在單個圖像內(nèi)的像素(pixeΙ-by-pixel)或類似小尺寸(similar small-scale)的基礎上進行的，那作為意外收獲，分類也產(chǎn)生了有效的圖像分割結(jié)果。
[0046] 為了進行分割或分類，可以為每個亞型的組織類型定義一些同質(zhì)性(homogeneity)或相似性標準。依據(jù)一套特征測量，這些標準通常是特異性的，每一項特征測量提供某種組織的特異性紋理特征的一種定量測量(quantitative measure)。在本文中，這些特征測量可以被稱為紋理測量特征(texture measures features)或紋理。特征測量分析的目的在于分割或分類，特征測量也可以被稱為特征向量(feature vectors)。
[0047]超聲圖像可能顯示多種紋理。這些紋理可以表示為特征向量，可以視為代表特定的組織類型，至少是啟發(fā)式的。一種紋理分析的方法是所謂的Haralick特征分析。這是一種灰度共生矩陣(co-occurrence matrix (GLCM))。所述GLCM分析可以被用于量化產(chǎn)生的像素強度值(pixel intensity values)相互之間在不同的距離和角度上的出現(xiàn)數(shù)目。利用這樣的分析技術，諸如角二階矩、對比度、平均值和、方差和、逆差矩、平方和(方差)、熵、熵和、差熵、差方差、相關度和最大相關系數(shù)這樣的圖像特征可以被計算。這些可作為從圖像像素分析中獲得的原始特征向量。
[0048]對提取的圖像特征的選擇包括所期望屬性之間的權(quán)衡(tradeoffs)。例如，高階不變矩提供了更高的敏感度，但是也使得特征對噪點更加敏感。進行特征向量空間減少(space reduction),以選擇最有特色的特征。特征減少可以被劃分為分類,例如:特征選擇(通過一些選擇方案，選出帶有最多信息的特征)或特征組合(其中一些特征(例如，具有不同權(quán)重(weight)被組合成一個新的(獨立的)特征)。
[0049]獲得的特征向量的維數(shù)可以通過技術，例如主成分分析(PCA)、非線性替代偏最小二乘法(NIPALS)、逐步判別分析(SDA)或其他類似的方法減少，以將數(shù)據(jù)繪制成二維或三維形式，也為了可視化代表不同組織或結(jié)構(gòu)類型的數(shù)據(jù)群集(data clusters)。
[0050]特征向量可以通過無監(jiān)督的機器學習方法，例如K-均值聚類、Ward’s層次聚類、Kohonen's自組織映射或類似方法聚類。特征向量也可能通過有監(jiān)督的學習方法，例如線性或二次判別分析(LDA，QDA)、神經(jīng)網(wǎng)絡(NNs)或支持向量機(SVM)分類。
[0051]用于斑塊的透聲和異質(zhì)性分類的特征可以選自平均值、標準偏差、變動指數(shù)、熵和斑塊中像素/體素(voxel)灰度的偏態(tài)(skewness)。也可以使用其他計算方法。
[0052]
【權(quán)利要求】
1.一種超聲系統(tǒng),所述系統(tǒng)包括: 具有第一處理器的超聲成像設備，所述第一處理器被配置來產(chǎn)生代表病人興趣域的圖像的圖像數(shù)據(jù)； 被配置來處理圖像數(shù)據(jù)以獲得表征所述圖像亞區(qū)域的多個特征向量的第二處理器； 其中，所述的特征向量被降維并被用于基于啟發(fā)式技術識別特定的組織類型。
2.如權(quán)利要求1所述的系統(tǒng)，其中所述的第一處理器和所述的第二處理器是相同的處理器。
3.如權(quán)利要求1所述的系統(tǒng)，其中使用所述啟發(fā)式技術識別所述特定的組織類型，以及控制所述超聲設備的敏感性，從而使得對應所述特定組織類型的圖像灰度分布值是預定值。
4.如權(quán)利要求3所述的系統(tǒng)，其中所述的預定值是平均灰度值。
5.如權(quán)利要求3所述的系統(tǒng)，其中所述圖像數(shù)據(jù)的多個亞區(qū)域被分析，從而確定每個亞區(qū)域的組織類型。
6.如權(quán)利要求3所述的系統(tǒng)，其中使用像素周圍亞區(qū)域的特征向量組確定所述圖像數(shù)據(jù)的像素特征。
7.如權(quán)利要求3所述的系統(tǒng)，其中所述的識別的組織類型是所述圖像分割的基礎。
8.如權(quán)利要求7所述的系統(tǒng)，其中腔邊緣被認為是血管和血液區(qū)之間的邊緣。
9.如權(quán)利要求8所述的系統(tǒng)，其中斑塊區(qū)域是通過所述分割的數(shù)據(jù)識別的。
10.如權(quán)利要求9所述的系統(tǒng)，其中所述的斑塊區(qū)域在回聲的基礎上被進一步至少分割成高回聲區(qū)域和低回聲區(qū)域。
11.如權(quán)利要求6所述的系統(tǒng)，其中興趣域的圖像時序被收集。
12.如權(quán)利要求11所述的系統(tǒng)，其中所述圖像時序的時間長度是一個心動周期。
13.如權(quán)利要求11所述的系統(tǒng)，其中所述圖像的所述圖像數(shù)據(jù)與心動周期相關，所述心動周期是在產(chǎn)生所述圖像數(shù)據(jù)的同時利用EKG數(shù)據(jù)記錄的。
14.如權(quán)利要求11所述的系統(tǒng)，其中所述圖像時序通過處理所述圖像時序的圖像與心動周期相關，從而確定與血液動力學因素相關的腔位移周期。
15.如權(quán)利要求1所述的系統(tǒng)，進一步包括與數(shù)據(jù)存儲系統(tǒng)通信的界面。
16.如權(quán)利要求15所述的系統(tǒng)，其中所述的數(shù)據(jù)存儲系統(tǒng)操作遵守醫(yī)學數(shù)字影像和通協(xié)議。
17.如權(quán)利要求1所述的系統(tǒng)，其中所述的圖像是根據(jù)待檢查的軀體結(jié)構(gòu)移動所述超聲設備的傳感頭時獲得的一系列圖像。
18.如權(quán)利要求2所述的系統(tǒng)，其中多個圖像時序被處理，從而獲得連續(xù)圖像的體素位移，以及在一定時間內(nèi)計算所述體素位移。
19.一種診斷病人的方法，所述方法包括: 接收病人興趣域的圖像數(shù)據(jù)，所述圖像數(shù)據(jù)形成有灰度的圖像； 確定所述興趣域的亞區(qū)域圖像的一組特征向量；以及 降維所述特征向量組并用啟發(fā)式技術識別出所述亞區(qū)域的組織類型。
20.如權(quán)利要求19所述的方法，進一步包括: 根據(jù)預先設定的所述已識別的組織類型的灰度分布值，利用所述已識別的組織類型通過調(diào)整所述圖像數(shù)據(jù)的灰度標準化圖像灰度。
21.如權(quán)利要求19所述的方法，其中所述的接收步驟包括接收來自于超聲成像設備的圖像數(shù)據(jù)。
22.如權(quán)利要求19所述的方法，其中所述的接收步驟包括接收從超聲成像設備數(shù)據(jù)庫恢復的數(shù)據(jù)。
23.如權(quán)利要求20所述的方法，進一步包括: 確定對應于興趣域的圖像區(qū)域的特征向量組，以及基于每個組織類型的啟發(fā)式技術識別每個區(qū)域的組織類型； 基于所述已識別的所述亞區(qū)域的組織類型分割所述興趣域。
24.如權(quán)利要求23所述的方法，進一步包括: 將斑塊區(qū)域至少分割成高透聲區(qū)域和低透聲區(qū)域。
25.如權(quán)利要求24所述的方法，進一步包括: 處理圖像時序，以及確定所述已識別的組織的壓力-張力位移特征。
26.如權(quán)利要求23所述的方法，其中包括分割的斑塊區(qū)域的血管區(qū)域通過高透聲物質(zhì)和低透聲物質(zhì)百分比、纖維帽參數(shù)、狹窄度、張力、位移、斑塊表面平滑度或鈣化程度中的至少兩個來表征。
27.如權(quán)利要求26所述的方法，其中所述表征的斑塊被用于根據(jù)風險評分啟發(fā)式技術計算所述病人的風險評分。
28.如權(quán)利要求27所述的方法，進一步包括:所述風險評分被用于決定是否進行進一步診斷測試。
29.如權(quán)利要求28所述的方法，其中所述的進一步診斷測試是獲得所述興趣域的核磁共振圖像。
30.如權(quán)利要求19所述的方法，進一步包括:利用監(jiān)督訓練確定所述啟發(fā)式技術。
31.如權(quán)利要求19所述的方法，進一步包括:利用非監(jiān)督訓練確定所述啟發(fā)式技術。
32.如權(quán)利要求23所述的方法，進一步包括:根據(jù)使用另一種成像方法獲得的圖像配準所述分割的圖像。
33.如權(quán)利要求32所述的方法，其中所述的使用另一種成像方法獲得的圖像是磁核共振圖像。
34.一種存儲在非瞬時計算機可讀介質(zhì)上的計算機程序產(chǎn)品，包括: 由處理器解譯的指令，以使處理器: 接收病人興趣域的圖像數(shù)據(jù)； 為所述興趣域的亞區(qū)域確定一組特征向量；以及 降維所述特征向量組并基于啟發(fā)式技術識別出所述亞區(qū)域的組織類型。
35.如權(quán)利要求34所述的計算機程序產(chǎn)品，其中當所述識別的組織類型適于圖像標準化時: 根據(jù)預先設定的所述已識別的組織類型的灰度分布值，通過調(diào)整所述圖像的灰度標準化所述圖像的灰度。
36.如權(quán)利要求35所述的計算機程序產(chǎn)品，其中基于多個已識別的組織類型，所述的標準化的圖像被 分割。
37.如權(quán)利要求35所述的計算機程序產(chǎn)品，其中所述的組織類型是在像素的基礎上，利用周圍亞區(qū)域的特征向量組識別的。
38.如權(quán)利要求35所述的計算機程序產(chǎn)品，其中根據(jù)使用另一種成像方法獲得的病人圖像，所述的標準化圖像被配準。
39.如權(quán)利要求36所述的計算機程序產(chǎn)品，進一步包括: 將斑塊區(qū)域至少分割成高透聲區(qū)域和低透聲區(qū)域。
40.如權(quán)利要求38所述的計算機程序產(chǎn)品，其中包括分割的斑塊區(qū)域的血管區(qū)域通過高透聲物質(zhì)和低透聲物質(zhì)百分比、纖維帽參數(shù)、狹窄度、張力、位移、斑塊表面平滑度或鈣化程度中的至少兩個來表征。
41.如權(quán)利要求39所述的計算機程序產(chǎn)品，其中所述表征的血管區(qū)域被用于根據(jù)風險評分啟發(fā)式技術計算病人的風險評分。
42.如權(quán)利要求35所述的計算機程序產(chǎn)品，其中在獲取所述圖像時，通過控制超聲成像設備的參數(shù)使所述的圖像灰度標準化。
43.如權(quán)利要求41所述的計算機程序產(chǎn)品，其中所述的參數(shù)是增益設置。
【文檔編號】A61B5/055GK103917166SQ201280040142
【公開日】2014年7月9日 申請日期:2012年8月14日 優(yōu)先權(quán)日:2011年8月17日
【發(fā)明者】隋磊 申請人:Vp診斷公司