[发明专利]具有基于深度学习的波束形成的超声成像和相关联的设备、系统及方法

说明书

提供了超声图像设备、系统和方法。一种超声成像系统，包括被配置为将超声能量发送到解剖结构中并且接收与所述解剖结构相关联的超声回波的声学元件的阵列以及处理器电路，所述处理器电路与声学元件的阵列通信并且被配置为：从所述阵列接收对应于接收到的超声回波的超声信道数据；通过将第一缩放函数应用到所述超声信道数据将所述超声信道数据规范化；通过将预测网络应用到规范化超声信道数据来生成波束形成数据；通过将第二缩放函数应用到所述波束形成数据将所述波束形成数据去规范化；根据所述波束形成数据来生成所述解剖结构的图像；并且将所述解剖结构的图像输出到与所述处理器电路通信的显示器。

技术领域

本公开总体上涉及超声成像，并且具体而言，涉及使用用于波束形成的预测模型根据超声回波信道响应重建超声图像。

背景技术

超声成像系统广泛用于医学成像。常规医学超声系统可以包括超声换能器探头，其耦合到处理系统和一个或多个显示设备。超声换能器探头可以包括声学元件的阵列，其将声波发送到对象(例如，患者的身体)中并且记录从对象反射的声波。声波的发送和/或反射声波或者回波响应的接收可以通过相同超声换能器元件集合或者不同声学元件集合执行。处理系统根据由声学元件接收的回波响应重建或者创建对象的图像。对于常规超声成像，处理系统可以通过对接收到的回波响应信号进行延迟和求和来执行波束形成，以实现沿着成像深度的接收聚焦。处理系统可以通过应用信号处理和/或图像处理技术根据波束形成信号重建图像。

常常存在常规超声成像中的分辨率、对比度、穿透深度、信噪比(SNR)和/或采集速度和/或帧速率之间的折中。例如，常规超声成像中的图像质量或分辨率由衍射限制。减少衍射的效应的一种方法是采用具有较大孔径大小的换能器。在另一范例中，超声成像系统可以利用未聚焦超声波束或发散波以利用单个发送照射感兴趣区域(ROI)的较大部分以便减少图像采集时间。然而，从有限数目的发散波获得的图像可以具有比从聚焦成像获得的图像更低的图像质量。因此，常规超声成像系统中的超声成像质量能够由系统和/或采集过程的能力(例如，换能器孔径大小)限制。

发明内容

尽管现有超声成像已经证明对临床指导和诊断有用，但是仍然存在对于用于提供高质量超声图像的经改进的系统和技术的需要。本公开的实施例提供了一种将超声回波信道信号映射到波束形成信号而不是执行常规基于延迟相加(DAS)的波束形成的深度学习框架。例如，包括换能器阵列的成像探头可以被用于超声成像。所述换能器阵列可以包括声学元件的阵列，其将超声脉冲发射到对象(例如，患者的解剖结构)中并且接收对应于从所述对象反射的超声波的超声信道信号。预测网络(例如，卷积神经网络(CNN))可以被训练以在逐像素基础上将每信道超声回波信道信号映射到波束形成信号。在范例中，每信道超声回波信道信号在应用所述预测网络之前时间对准并且规范化。因此，所述预测网络被训练以学习波束形成而不是幅度映射和/或时间延迟映射。例如，特定孔径大小的换能器阵列和/或具有特定数目的发送激发的采集可以使用基于DAS的波束形成提供特定图像质量。在实施例中，所述预测网络可以被训练以提供具有比使用中的实际换能器孔径大小可以提供的更高的图像质量或分辨率的波束形成信号。在实施例中，所述预测网络可以被训练以提供具有比采集中使用的实际数目的发送激发可以提供的更高的图像质量或分辨率的波束形成信号。所述预测网络可以使用模拟数据、从实验测试设置中的体模采集的数据和/或从临床设置中的患者采集的数据的组合来训练。所公开的实施例适于在二维(2D)成像、三维(3D)体积成像、聚焦成像和/或未聚焦成像中使用。

在一个实施例中，一种超声成像系统，包括：声学元件的阵列，其被配置为将超声能量发送到解剖结构中并且接收与所述解剖结构相关联的超声回波；以及处理器电路，其与所述声学元件的阵列通信并且被配置为：从所述阵列接收对应于接收到的超声回波的超声信道数据；通过基于所述超声信道数据的信号水平将第一缩放函数应用到所述超声信道数据将所述超声信道数据规范化；通过将预测网络应用到规范化超声信道数据来生成波束形成数据；通过基于所述超声信道数据的所述信号水平将第二缩放函数应用到所述波束形成数据将所述波束形成数据去规范化；根据所述波束形成数据来生成所述解剖结构的图像；并且将所述解剖结构的所述图像输出到与所述处理器电路通信的显示器。