[发明专利]用于标记超声数据的系统和方法

说明书

提供了一种用于标记超声数据的方法。该方法可以包括基于超声数据来训练卷积神经网络(CNN)。所述超声数据可以包括超声波形数据(例如，射频(RF)波形数据)。在所述CNN中的多个下采样层的每个下采样层的射频输入可以被进行下采样。所述射频输入可以包括用于超声的射频波形数据。所述超声中的组织可以被基于CNN的输出进行分割。还公开了一种系统。

相关申请的交叉引用

本申请要求获得2019年6月12日提交的美国临时专利申请第62/860,403号的优先权，该申请的全部公开内容通过引用纳入本文中。

技术领域

本公开总体上涉及超声图像处理，并且在非限制性的实施例或方面涉及用于标记超声数据的系统和方法。

背景技术

超声已经成为一种越来越流行的医学成像技术。例如，超声可能是相对低风险的(例如，相对较少的潜在副作用和/或类似物)、相对便宜的(例如，与其他类型的医疗图像相比)和/或类似物。

然而，超声(例如，超声图像和/或类似物)的分析可能比许多其他医学成像方式更具挑战性，因为超声像素值可能取决于通过干预组织的路径以及反射性组织界面的方向和属性。因此，即使是具有丰富解剖学知识的专家也很难画出在超声图像中的组织界面之间的精确边界，特别是当相邻组织具有类似的声学-力学特性时。例如，在浅层皮下组织中，筋膜组织在超声图像中可能看起来与脂肪组织相似。此外，某些用于识别在超声图像中的软组织的方法使用了用于识别特定目标的算法，如血管和前列腺。这种方法通常只在有限的情况下准确，而且通常不能可靠地区分几种类型的组织。

发明内容

根据非限制性的实施方式或方面，提供了一种用于标记超声数据的方法，包括：基于超声数据来训练卷积神经网络(CNN)，所述超声数据包括超声波形数据(例如，射频(RF)波形数据)；对在CNN中的多个下采样层的每个下采样层的RF输入进行下采样，该RF输入包括用于超声的RF波形数据；以及基于CNN的输出对在所述超声中的组织进行分割。

在非限制性实施方式或方面中，该方法进一步包括：对在所述CNN中多个下采样层的每个下采样层的图像输入进行下采样，该图像输入包括所述超声的多个像素。在非限制性实施方式或方面中，图像输入和射频输入基本上同时处理。在非限制性实施方式或方面中，分割在超声中的组织包括标记多个像素。在非限制性实施方式或方面中，多个像素包括在所述超声中的大多数像素。在非限制性实施方式或方面中，分割组织包括识别以下的至少一个：肌肉、筋膜、脂肪、移植的脂肪、皮肤、肌腱、韧带、神经、血管、骨骼、软骨、针头、手术器械或其任何组合。

在非限制性实施方式或方面中，多个下采样层包括超声图像编码分支和多个射频编码分支，每个射频编码分支包括与所述多个射频编码分支中的其他射频编码分支不同的各自核大小，每个射频编码分支的各自核大小对应于各自波长。另外或备选地，每个射频编码分支包括多个卷积块，每个卷积块包括第一卷积层、第一批归一化层、第一激活层、第二卷积层、第二批归一化层和第二激活层，并且多个卷积块中的至少一个卷积块包括最大池化层。另外或备选地，下采样包括对在CNN中的多个RF编码分支的每个RF编码分支的RF输入进行下采样，并对在CNN中的每个超声图像编码分支的图像输入进行下采样，该图像输入包括所述超声的多个像素。在非限制性实施方式或方面中，该方法进一步包括串接(concatenating)每个射频编码分支的射频编码分支输出和超声图像编码分支的超声图像编码分支输出以提供串接的编码分支输出，和/或用在CNN中的多个上采样层对串接的编码分支输出进行上采样。在非限制性实施方式或方面中，多个上采样层包括解码分支，该解码分支包括多个上卷积块。另外或备选地，所述CNN进一步包括多个剩余连接，每个剩余连接将所述多个卷积块中的各自卷积块连接到所述多个上卷积块中的各自上卷积块，所述上卷积块的尺寸与各自卷积块相对应。