[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

DE102012108121A1 - Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien - Google Patents

Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien Download PDF

Info

Publication number
DE102012108121A1
DE102012108121A1 DE102012108121A DE102012108121A DE102012108121A1 DE 102012108121 A1 DE102012108121 A1 DE 102012108121A1 DE 102012108121 A DE102012108121 A DE 102012108121A DE 102012108121 A DE102012108121 A DE 102012108121A DE 102012108121 A1 DE102012108121 A1 DE 102012108121A1
Authority
DE
Germany
Prior art keywords
region
interest
bone
bone surface
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102012108121A
Other languages
English (en)
Inventor
Kedar Anil Patwardhan
David M. Mills
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of DE102012108121A1 publication Critical patent/DE102012108121A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0875—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of bone
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

Es wird ein automatisches Verfahren zur Erkennung eines Krankheitszustandes vorgestellt. Das Verfahren umfasst die Identifizierung einer Knochenoberfläche in einem oder mehreren Bilddatensätzen, wobei der eine oder die mehreren Datensätze einer interessierenden Region in einem interessierenden Objekt entsprechen. Ferner umfasst das Verfahren die Segmentierung einer Gelenkkapselregion in Übereinstimmung mit dem einen oder den mehreren Bilddatensätzen basierend auf einer entsprechenden identifizierten Knochenoberfläche. Zusätzlich umfasst das Verfahren die Analyse der segmentierten Gelenkkapselregion zur Identifizierung des Krankheitszustandes. Es werden auch Systeme sowie ein nicht-transitorisches computerlesbares Medium vorgestellt, welche zur Durchführung des automatischen Verfahrens zur Erkennung eines Krankheitszustandes konfiguriert sind.

Description

  • QUERVERWEIS AUF DAZUGEHÖRIGE ANMELDUNGEN
  • Diese volle, geprüfte Anmeldung beansprucht gemäß 35 U.S.C. § 119(e) den Vorzug der Priorität gegenüber der provisorischen US-Patentanmeldung mit der Seriennr. 61/531,165, welche am 6. September 2011 eingereicht worden und hier in ihrer Gesamtheit als Referenz eingeschlossen ist.
  • HINTERGRUND
  • Ausführungsformen der vorliegenden Darlegung beziehen sich auf die Ultraschallbildgebung, und genauer gesagt auf Systeme und Verfahren zur automatischen ultraschallgestützten Erkennung, Quantifizierung und Nachverfolgung von muskuloskeletalen Pathologien im Zeitverlauf.
  • Arthritis stellt einen häufigen Grund für Invalidität besonders unter der älteren Bevölkerung dar und ist eine der häufigsten chronischen Krankheiten in den USA. Im Allgemeinen ist man in der heutigen Behandlungspraxis muskuloskeletaler Leiden stark auf hochqualifizierte Radiologen angewiesen, um Bilder der interessierenden Anatomie erzeugen und analysieren zu können. Ungünstigerweise führt diese Praxis zu zusätzlichem Zeitaufwand und erhöhten Kosten bei der Behandlung von Patienten.
  • Zurzeit werden Bildgebungstechniken wie Computertomographie (CT), Magnetresonanz(MR)-Bildgebung, Röntgen u.ä. bei der Diagnose von Arthritis eingesetzt. Allerdings werden bei Modalitäten wie Röntgen 2D-Projektionen der Anatomie verwendet, bei denen die zugrundeliegende 3D-Struktur der Anatomie nicht präzise dargestellt wird. Außerdem sind andere Bildgebungsverfahren wie CT und MR relativ teuer und für einige Patientengruppen kontraindiziert (beispielsweise können bei Patienten mit Schrittmachern keine MR-Abtastungen durchgeführt werden).
  • Ultraschallbildgebung bietet ein relativ kostengünstiges Bildgebungsverfahren. Neuste Entwicklungen in der Ultraschallbildgebung haben Ultraschallvorrichtungen nach dem neusten Stand der Technik mit relativ hohen Bildauflösungen und einfacher Bedienungsweise hervorgebracht. Dank dieser Entwicklungen wird Ultraschall in der klinischen Forschung sowie in der alltäglichen Praxis in medizinischen Behandlungseinrichtungen vermehrt eingesetzt. Folglich hat die Anzahl der Rheumatologen, die Ultraschall verwenden, mit den Jahren stetig zugenommen. Außerdem hat die verbesserte Ultraschalltechnologie zu Ultraschallsonden mit höherer Frequenz geführt, die sich für die Bildgebung bei relativ flachen anatomischen Strukturen eignen, wie sie im Allgemeinen bei der muskuloskeletalen Bildgebung vorliegen.
  • Ungeachtet der diversen Vorteile von Ultraschall ist ein wichtiger Faktor, durch den die Verwendung von Ultraschall in medizinischen Behandlungseinrichtungen bisher eingeschränkt worden ist, die Tatsache, dass für die Durchführung von Ultraschallabtastung ein erfahrener und ausgebildeter Kliniker gebraucht wird. Außerdem führt die Verwendung von 2D-Ultraschall selbst unter vergleichsweise gut ausgebildeten Ultraschall-Praktikern zu subjektiven Diagnosen. Zudem kann dreidimensionaler (3D) (volumetrischer) Ultraschall bei der Erkennung von muskuloskeletalen Pathologien wie Knochenerosionen verwendet werden. Auch ermöglicht die 3D-Bildgebung eine Quantifizierung des Fortschreitens einer bestimmten muskuloskeletalen Pathologie, was für die Bestimmung des Krankheitsstadiums und der entsprechenden Behandlung sehr von Nutzen wäre.
  • Daher ist es erstrebenswert, spezielle Verfahren und Systeme zu entwerfen und zu entwickeln, bei denen eine schnellere und genauere Diagnose von Pathologien und die Einschätzung des Ansprechens auf eine Behandlung von Pathologien wie muskuloskeletalen Pathologien ermöglicht wird. Insbesondere ist es wünschenswert, Systeme und Verfahren zu entwickeln, durch welche die Erkennung, Quantifizierung und/oder Nachverfolgung von Pathologien bei leichterer Bedienungsweise, verkürzter Lernperiode, schnellerer Untersuchungszeit sowie geringerer Bedienerabhängigkeit ermöglicht wird.
  • KURZBESCHREIBUNG
  • Gemäß Aspekten der vorliegenden Technik wird ein automatisches Verfahren zur Erkennung eines Krankheitszustandes vorgestellt. Das Verfahren umfasst die Identifizierung einer Knochenoberfläche in einem oder mehreren Bilddatensätzen, wobei der eine oder die mehreren Datensätze einer interessierenden Region in einem interessierenden Objekt entsprechen. Ferner umfasst das Verfahren die Segmentierung einer Gelenkkapselregion in Übereinstimmung mit dem einen oder den mehreren Bilddatensätzen basierend auf einer dazugehörigen identifizierten Knochenoberfläche. Zusätzlich umfasst das Verfahren die Analyse der segmentierten Gelenkkapselregion zur Identifizierung des Krankheitszustandes. Ebenso wird ein nicht-transitorisches computerlesbares Medium präsentiert, welches ein oder mehrere physische Medien umfasst, wobei das eine oder die mehreren physischen Medien einen Code umfassen, der so angepasst ist, dass er das automatische Verfahren zur Erkennung eines Krankheitszustandes durchführt.
  • Gemäß Aspekten der vorliegenden Technik wird ein automatisches System zur Erkennung eines Krankheitszustandes vorgestellt. Das System umfasst eine Erkennungsplattform, wobei die Erkennungsplattform ein Knochenoberflächen-Identifizierungsmodul umfasst, das zur Identifizierung einer Knochenoberfläche in einem oder mehreren Bilddatensätzen konfiguriert ist, wobei der eine oder die mehreren Bilddatensätze einer interessierenden Region in einem interessierenden Objekt entsprechen, ein Gelenkkapsel-Segmentierungsmodul, welches zur Bestimmung einer Gelenkkapselregion in dem einen oder den mehreren Bilddatensätzen basierend auf einer dazugehörigen identifizierten Knochenoberfläche konfiguriert ist, und ein Analysemodul, welches zur Identifizierung des Krankheitszustandes in der segmentierten Gelenkkapselregion konfiguriert ist.
  • Gemäß einem weiteren Aspekt der vorliegenden Technik wird ein Bildgebungssystem vorgestellt. Das System umfasst ein Erfassungssubsystem, welches zur Erfassung einer Vielzahl von Bilddatensätzen konfiguriert ist, welche einer interessierenden Region in einem interessierenden Objekt entsprechen. Außerdem umfasst das System ein Verarbeitungssubsystem, welches in operativer Verbindung mit dem Erfassungssubsystem steht und eine Erkennungsplattform umfasst, wobei die Erkennungsplattform ein Knochenoberflächen-Identifizierungsmodul umfasst, das zur Identifizierung einer Knochenoberfläche in einem oder mehreren Bilddatensätzen konfiguriert ist, wobei der eine oder die mehreren Bilddatensätze einer interessierenden Region in einem interessierenden Objekt entsprechen, ein Gelenkkapsel-Segmentierungsmodul, welches zur Bestimmung einer Gelenkkapselregion in dem einen oder den mehreren Bilddatensätzen basierend auf einer dazugehörigen identifizierten Knochenoberfläche konfiguriert ist, und ein Analysemodul, welches zur Identifizierung eines Krankheitszustandes in der segmentierten Gelenkkapselregion konfiguriert ist.
  • ZEICHNUNGEN
  • Diese und andere Merkmale, Aspekte und Vorzüge der vorliegenden Erfindung lassen sich besser nachvollziehen, wenn die folgende detaillierte Beschreibung unter Bezugnahme auf die dazugehörigen Zeichnungen gelesen wird, in denen dieselben Zeichen durchgehend dieselben Teile bezeichnen, wobei gilt:
  • 1 ist eine Diagrammillustration eines Systems zur automatischen Erkennung, Quantifizierung und Nachverfolgung von Pathologien in Ultraschallbildern gemäß Aspekten der vorliegenden Technik;
  • 2 ist eine Diagrammillustration eines Ultraschallbildgebungssystems zur Benutzung in dem System aus 1;
  • 3 ist eine Diagrammillustration einer Ausführungsform des Systems aus 1 gemäß Aspekten der vorliegenden Technik;
  • 4 ist ein Flussdiagramm, in welchem ein exemplarisches Verfahren zur automatischen Erkennung, Quantifizierung und Nachverfolgung von Pathologien in Ultraschallbildern gemäß Aspekten der vorliegenden Technik abgebildet wird;
  • 5 ist eine Diagrammillustration eines unauffälligen Knochengelenks;
  • 6 ist eine Diagrammillustration eines Schrittes zur Identifizierung einer Knochenoberfläche in dem Verfahren aus 4 gemäß Aspekten der vorliegenden Technik;
  • 7 ist eine Diagrammillustration eines Metakarpophalangealgelenks;
  • 8 ist eine Diagrammillustration eines Schrittes zur Segmentierung einer Gelenkkapselregion unter Verwendung der Knochenoberfläche in dem Verfahren aus 4 gemäß Aspekten der vorliegenden Technik; und
  • 9 ist eine Diagrammillustration eines Schrittes zur Bestimmung eines Volumens einer Knochenerosion in dem Verfahren aus 4 gemäß Aspekten der vorliegenden Technik.
  • DETAILLIERTE BESCHREIBUNG
  • Wie im Folgenden detaillierter beschrieben werden wird, werden verschiedene Verfahren und Systeme zur automatischen ultraschallgestützten Erkennung, Quantifizierung und Nachverfolgung von Pathologien vorgestellt. Die Verwendung des in Folgenden beschriebenen Verfahrens und Systems erleichtert die frühe Diagnose, Quantifizierung (Scoring) und verbessert die Längsverfolgung von Pathologien, während gleichzeitig die Bedienerabhängigkeit bei der Einschätzung von Pathologien reduziert wird. Außerdem wird ein Verfahren zur objektiven Beurteilung der Pathologien vorgestellt, wodurch die Effizienz der Diagnose der Pathologien verbessert wird.
  • 1 ist ein Blockdiagramm eines exemplarischen Systems 100 zur Verwendung in der diagnostischen Bildgebung gemäß Aspekten der vorliegenden Technik. Das System 100 ist so konfiguriert, dass es die automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien, wie beispielsweise muskuloskeletalen Pathologien, erleichtert, wobei Ultraschallbilder verwendet werden, welche einer interessierenden anatomischen Region in einem interessierenden Objekt entsprechen. Zu diesem Zwecke kann das System 100 so konfiguriert werden, dass es Bilddaten von einem Patienten 102 erfasst. In einer Ausführungsform kann das System 100 Bilddaten vom Patienten 102 über eine Bilderfassungsvorrichtung 104 erfassen. Auch kann in einer Ausführungsform die Bilderfassungsvorrichtung 104 eine Sonde umfassen, wobei die Sonde eine invasive Sonde, oder eine nicht-invasive oder externe Sonde, wie beispielsweise eine externe Ultraschallsonde, umfassen kann, die so konfiguriert ist, dass sie die Erfassung von Bilddaten unterstützt. Auch können in bestimmten anderen Ausführungsformen Bilddaten über einen oder mehrere Sensoren (nicht gezeigt) erfasst werden, die im Körper des Patienten 102 angeordnet werden können. Um ein Beispiel zu geben, können die Sensoren physiologische Sensoren (nicht gezeigt), wie beispielsweise Elektrokardiogramm(EKG)-Sensoren, und/oder Positionssensoren, wie beispielsweise elektromagnetische Feldsensoren, oder Trägheitssensoren umfassen. Diese Sensoren können beispielsweise über Leitungen (nicht gezeigt) operativ mit einer Datenerfassungsvorrichtung, wie beispielsweise einem Bildgebungssystem, verbunden sein.
  • Das System 100 kann auch ein medizinisches Bildgebungssystem 106 umfassen, das in operativer Verbindung mit der Bilderfassungsvorrichtung 104 steht. Es sei darauf hingewiesen, dass obwohl die im Folgenden illustrierten exemplarischen Ausführungsformen im Zusammenhang mit einem medizinischen Bildgebungssystem beschrieben werden, andere Bildgebungssysteme und Anwendungen, wie beispielsweise industrielle Bildgebungssysteme und zerstörungsfreie Prüf- und -Inspektionssysteme, wie beispielsweise Pipeline-Inspektionssysteme, Flüssigreaktor-Inspektionssysteme, ebenfalls in Betracht gezogen werden. Zusätzlich können die im Folgenden illustrierten und beschriebenen exemplarischen Ausführungsformen Anwendung finden in Multimodalitäts-Bildgebungssystemen, bei denen Ultraschallbildgebung in Verbindung mit anderen Bildgebungsmodalitäten, Positionsbestimmungssystemen oder anderen Sensorsystemen zum Einsatz kommt. Ferner sei darauf hingewiesen, dass obwohl die im Folgenden illustrierten exemplarischen Ausführungsformen im Kontext eines medizinischen Bildgebungssystems, wie beispielsweise eines Ultraschallbildgebungssystems, beschrieben werden, die Verwendung von anderen Bildgebungssystemen, wie beispielsweise, aber nicht ausschließlich, einem Magnetresonanz(MR)-Bildgebungssystem, einem Röntgen-Bildgebungssystem, einem Computertomographie(CT)-Bildgebungssystem und anderen Bildgebungssystemen ebenfalls gemäß Aspekten der vorliegenden Technik in Betracht gezogen wird.
  • Wie oben angemerkt, kann das medizinische Bildgebungssystem 106 in einer zurzeit in Betracht gezogenen Konfiguration ein Ultraschallbildgebungssystem umfassen. Das medizinische Bildgebungssystem 106 kann in einer Ausführungsform ein Erfassungssubsystem 108 und ein Verarbeitungssubsystem 110 umfassen. Ferner ist das Erfassungssubsystem 108 des medizinischen Bildgebungssystems 106 in einer Ausführungsform so konfiguriert, dass es Bilddaten, die ein oder mehrere interessierende anatomische Regionen im Körper des Patienten 102 darstellen, über die Bilderfassungsvorrichtung 104 erfasst. Außerdem kann das Erfassungssubsystem 108 in einer Ausführungsform so konfiguriert sein, dass es ein oder mehrere zweidimensionale (2D) Bilder der interessierenden anatomischen Region erfasst. Diese 2D-Bilder können verwendet werden, um ein dreidimensionales Bildvolumen zu bilden. Alternativ kann das Erfassungssubsystem 108 in der Lage sein, ein 3D-Bildvolumen zu erfassen, das die interessierende anatomische Region im Körper des Patienten 102 darstellt. Ferner kann die interessierende anatomische Region die Knochengelenke im Körper des Patienten 102 umfassen. Folglich ist das Erfassungssubsystem 108 so konfiguriert, dass es eine Vielzahl von 2D-, 3D- und/oder vierdimensionalen (4D) Bildern erfasst, welche beispielsweise Knochengelenke im Körper des Patienten 102 darstellen können. Es sei darauf hingewiesen, dass es sich bei den erfassten Bildern um Bilder handeln kann, die zu unterschiedlichen Zeitpunkten erfasst wurden. Zusätzlich können die Bilddaten, die vom Patienten 102 erfasst wurden, nachfolgend durch das Verarbeitungssubsystem 110 verarbeitet werden.
  • Die Bilddaten, die vom medizinischen Bildgebungssystem 106 erfasst und/oder verarbeitet wurden, können verwendet werden, um einen Klinker dabei zu unterstützen, einen Krankheitszustand zu identifizieren, die Notwendigkeit einer Behandlung einzuschätzen, geeignete Behandlungsoptionen zu bestimmen, den Krankheitsverlauf nachzuverfolgen und/oder die Wirkung der Behandlung auf den Krankheitszustand zu überwachen. Es sei darauf hingewiesen, dass die Begriffe Behandlung und Therapie als Synonym verwendet werden können. In bestimmten Ausführungsformen kann Verarbeitungssubsystem 110 ferner an ein Speichersystem, wie beispielsweise an einen Datenlager 114, gekoppelt sein, wobei das Datenlager 114 so konfiguriert ist, dass er die erfassten Bilddaten speichert.
  • Gemäß exemplarischen Aspekten der vorliegenden Technik kann das Verarbeitungssubsystem 110 eine Erkennungsplattform 112 umfassen, die so konfiguriert ist, dass sie die Erkennung, Quantifizierung und/oder Nachverfolgung von Pathologien in der anatomischen Region des Patienten 102 unterstützt. Genauer gesagt kann die Erkennungsplattform 112 so konfiguriert sein, dass sie die Erkennung von Pathologien in der interessierenden anatomischen Region ermöglicht, wobei Bilder verwendet werden, die über das medizinische Bildgebungssystem 106 erfasst worden sind und die in Bezug auf 3–9 genauer beschrieben werden. Wie zuvor angemerkt, kann es sich bei der interessierenden anatomischen Region um die Knochengelenke im Körper des Patienten 102 handeln. Zusätzlich ist die Erkennungsplattform 112 in einer Ausführungsform so konfiguriert, dass sie die automatische Erkennung, Quantifizierung, und/oder Nachverfolgung von Pathologien, wie beispielsweise muskuloskeletalen Pathologien, unter Verwendung von erfassten Ultraschallbildern unterstützt. Außerdem können die Pathologien in der interessierenden anatomischen Region in einer Ausführungsform Erkrankungen wie beispielsweise rheumatoide Arthritis im Körper des Patienten 102 umfassen. Obwohl die vorliegende Technik im Zusammenhang mit rheumatoider Arthritis beschrieben wird, sei darauf hingewiesen, dass die Verwendung der vorliegenden Technik auch zur Erkennung von anderen Knochenerkrankungen gedacht ist.
  • Wie in 1 illustriert, kann das medizinische Bildgebungssystem 106 ferner ein Display 116 und eine Benutzerschnittstelle 118 umfassen. In bestimmten Ausführungsformen, wie beispielsweise in einem Touchscreen, können das Display 116 und die Benutzerschnittstelle 118 sich überschneiden. Außerdem können in einigen Ausführungsformen das Display 116 und die Benutzerschnittstelle 118 einen gemeinsamen Bereich umfassen. Gemäß Aspekten der vorliegenden Technik kann das Display 116 des medizinischen Bildgebungssystems 106 so konfiguriert sein, dass es ein Bild anzeigt, das vom medizinischen Bildgebungssystem 106 auf der Grundlage der erfassten Bilddaten generiert wurde. Zusätzlich können gemäß weiteren Aspekten der vorliegenden Technik Pathologien, welche von der Erkennungsplattform 110 erkannt wurden, auf dem Display 116 visualisiert werden.
  • Zusätzlich kann die Benutzerschnittstelle 118 des medizinischen Bildgebungssystems 106 ein Human-Interface-Gerät (nicht gezeigt) umfassen, die so konfiguriert ist, dass sie den Kliniker bei der Handhabung der Bilddaten, welche auf dem Display 116 angezeigt werden, unterstützt. Bei dem Human-Interface-Gerät kann es sich um eine mausartige Vorrichtung, einen Trackball, Joystick, Eingabestift oder ein Touchscreen handeln, die so konfiguriert sind, dass sie es einem Kliniker ermöglichen, die eine oder die mehreren Regionen von Interesse, für die eine Behandlung angezeigt ist, zu identifizieren. Es können allerdings durchaus auch andere Human-Interface-Geräte, wie beispielsweise, aber nicht ausschließlich, ein Touchscreen, verwendet werden. Ferner kann gemäß Aspekten der vorliegenden Technik die Benutzerschnittstelle 118 so konfiguriert sein, dass sie den Kliniker beim Navigieren durch die Bilder unterstützt, welche vom medizinischen Bildgebungssystem 106 erfasst wurden. Zusätzlich kann die Benutzerschnittstelle 118 auch so konfiguriert sein, dass sie die Handhabung und/oder Ordnung der erkannten Pathologien, welche auf dem Display 116 angezeigt werden, unterstützt.
  • Wie zuvor in Bezug auf 1 angemerkt, kann das medizinische Bildgebungssystem 106 ein Ultraschallbildgebungssystem umfassen. 2 ist ein Blockdiagramm einer Ausführungsform eines Ultraschallbildgebungssystems 200, das in 1 abgebildet ist. Das Ultraschallsystem 200 umfasst ein Erfassungssubsystem, wie beispielsweise das Erfassungssubsystem 108 aus 1, und ein Verarbeitungssubsystem, wie beispielsweise das Verarbeitungssubsystem 110 aus 1. Das Erfassungssubsystem 108 kann eine Wandlerbaugruppe 206 umfassen. Zusätzlich umfasst das Erfassungssubsystem 108 den Übertragungs/Empfangs-Schaltkreis 208, einen Sender 210, einen Empfänger 212 und einen Beamformer 214. Es sei darauf hingewiesen, dass in bestimmten Ausführungsformen die Wandlerbaugruppe 206 in der Sonde 104 angeordnet ist (siehe 1). Auch kann die Wandlerbaugruppe 206 in bestimmten Ausführungsformen eine Vielzahl von Wandlerelementen (nicht gezeigt) umfassen, die in Abständen zueinander angeordnet sind, so dass sie ein Wandler-Array bilden, wie beispielsweise ein eindimensionales oder zweidimensionales Wandler-Array. Zusätzlich kann die Wandlerbaugruppe 206 eine Verbindungsstruktur (nicht gezeigt) umfassen, die so konfiguriert ist, dass sie die operative Verbindung des Wandler-Array an eine externe Vorrichtung (nicht gezeigt), wie beispielsweise, aber nicht ausschließlich, eine Kabelkonfektion oder dazugehörige Elektronik, ermöglicht. In der illustrierten Ausführungsform kann die Verbindungsstruktur so konfiguriert werden, dass sie das Wandler-Array an den Ü/E-Schaltkreis 208 koppelt.
  • Das Verarbeitungssubsystem 110 umfasst einen Steuerungsprozessor 216, einen Demodulator 218, einen Bildgebungsmodusprozessor 220, einen Scanwandler 222 und einen Display-Prozessor 224. Der Display-Prozessor 224 ist zur Anzeige von Bildern außerdem an einen Anzeigemonitor, wie beispielsweise das Display 116 (siehe 1), gekoppelt. Die Benutzerschnittstelle, wie beispielsweise der Benutzerschnittstellenbereich 118 (siehe 1), interagiert mit dem Steuerungsprozessor 216 und dem Anzeigemonitor 116. Der Steuerungsprozessor 216 kann an ein Remote-Konnektivitäts-Subsystem 226 gekoppelt sein, welches eine Remote-Konnektivitäts-Schnittstelle 228 und einen Webserver 230 umfasst. Das Verarbeitungssubsystem 110 kann ferner an ein Datenlager 232, wie beispielsweise das Datenlager 114 aus 1, gekoppelt sein, das so konfiguriert ist, dass es Ultraschall-Bilddaten empfängt und/oder speichert. Das Datenlager 232 interagiert mir einer Bildgebungs-Workstation 234.
  • Bei den zuvor genannten Komponenten kann es sich um dazugehörige Hardware-Elemente, wie beispielsweise Schaltplatten mit digitalen Signalprozessoren, handeln, oder es kann sich um Software handeln, die auf einem Universalcomputer oder -Prozessor, wie beispielsweise einem handelsüblichen, serienmäßig produzierten Personal Computer (PC), läuft. Die verschiedenen Komponenten können gemäß verschiedenen Ausführungsformen der Erfindung kombiniert oder getrennt werden. Somit werden sich auf dem Gebiet fachkundige Personen darüber bewusst sein, dass das vorliegende Ultraschallbildgebungssystem 200 als Beispiel angeführt wird, und dass die vorliegenden Techniken in keiner Weise durch die spezifische Systemkonfiguration eingeschränkt werden.
  • In dem Erfassungssubsystem 108 steht die Wandlerbaugruppe 206 im Kontakt mit dem Patienten 102 (siehe 206 1). Die Wandlerbaugruppe 206 ist an den Übertragungs/Empfangs(Ü/T)-Schaltkreis 208 gekoppelt. Auch steht der Ü/E-Schaltkreis 208 in operativer Verbindung mit dem Ausgang von Sender 210 sowie einem Eingang von Empfänger 212. Der Ausgang von Empfänger 212 bildet den Eingang für den Beamformer 214. Ferner ist der Beamformer 214 zusätzlich an den Eingang des Senders 210 und den Eingang des Demodulators 218 gekoppelt. Der Beamformer 214 ist außerdem operativ an den Steuerungsprozessor 216 gekoppelt, wie in 2 gezeigt.
  • In dem Verarbeitungssubsystem 110 steht der Ausgang von Demodulator 218 in operativer Verbindung mit einem Eingang des Bildgebungsmodusprozessors 220. Zusätzlich ist der Steuerungsprozessor 216 mit dem Bildgebungsmodusprozessor 220, dem Scanwandler 222 und dem Display-Prozessor 224 verbunden. Ein Ausgang des Bildgebungsmodusprozessors 220 ist an einen Eingang des Scanwandlers 222 gekoppelt. Auch ist ein Ausgang des Scanwandlers 222 operativ mit einen Eingang des Display-Prozessors 224 gekoppelt. Der Ausgang des Display-Prozessors 224 ist an den Monitor 116 gekoppelt.
  • Das Ultraschallsystem 200 überträgt Ultraschallenergie in den Körper das Patienten 102 und empfängt und verarbeitet vom Körper des Patienten 102 rückgestreute Ultraschallsignale, um ein Bild zu erzeugen und anzuzeigen. Um einen übertragenen Ultraschallenergiestrahl zu generieren, sendet der Steuerungsprozessor 216 Befehlsdaten an den Beamformer 214, um Übertragungsparameter zu generieren, so dass ein Strahl von einer gewünschten Form erzeugt wird, welcher von einem bestimmten Punkt an der Oberfläche der Wandlerbaugruppe 206 unter einem gewünschten Lenkwinkel ausgeht. Die Übertragungsparameter werden von dem Beamformer 214 an den Sender 210 gesendet. Der Sender 210 verwendet die Übertragungsparameter, um Übertragungssignale auf geeignete Weise zu kodieren, damit sie über den Ü/E-Schaltkreis 208 an die Wandlerbaugruppe 206 gesendet werden können. Die Übertragungssignale werden auf bestimmte Pegel und Phasen in Bezug zueinander eingestellt und werden an einzelne Wandlerelemente der Wandlerbaugruppe 206 geliefert. Die Übertragungssignale regen die Wandlerelemente an, damit sie Ultraschallwellen mit derselben Phasen- und Pegel-Beziehungen aussenden. Infolge dessen wird, wenn die Wandlerbaugruppe 206 beispielsweise mittels Verwendung von Ultraschallgel akustisch mit dem Patienten 102 verbunden ist, ein übertragener Ultraschallenergiestrahl entlang einer Abtastlinie im Körper des Patienten 102 gebildet. Der Vorgang ist als elektronische Abtastung bekannt.
  • In einer Ausführungsform kann es sich bei der Wandlerbaugruppe 206 um einen Zweiwegwandler handeln. Wenn Ultraschallwellen in den Körper eines Patienten 102 übertragen werden, werden die Ultraschallwellen von Gewebe- und Blutmaterial innerhalb des Körpers des Patienten 102 rückgestreut. Die Wandlerbaugruppe 206 empfängt die rückgestreuten Wellen je nach Entfernung des Gewebes, von dem sie zurückgeworfen werden, sowie dem Winkel in Bezug auf die Oberfläche der Wandlerbaugruppe 206, unter dem sie zurückgeworfen werden, zu unterschiedlichen Zeitpunkten. Die Wandlerelemente wandeln die Ultraschallenergie der rückgestreuten Wellen in elektrische Signale um.
  • Die elektrischen Signale werden dann durch den Ü/E-Schaltkreis 208 in den Empfänger 212 geroutet. Der Empfänger 212 verstärkt und digitalisiert die empfangenen Signale und liefert andere Funktionen, wie beispielsweise Verstärkungskorrektur. In den digitalisierten empfangenen Signalen, welche den zurückgestreuten Wellen entsprechen, die von jedem Wandlerelement zu verschiedenen Zeiten empfangen werden, werden die Amplituden- und Phaseninformationen der zurückgestreuten Wellen bewahrt.
  • Die digitalisierten Signale werden an den Beamformer 214 gesendet. Der Steuerungsprozessor 216 sendet Befehlsdaten an Beamformer 214. Der Beamformer 214 verwendet die Befehlsdaten, um einen Empfangsstrahl zu bilden, welcher von einem Punkt auf der Oberfläche der Wandlerbaugruppe 206 unter einem Lenkwinkel ausgeht, der typischerweise dem Punkt und Lenkwinkel des vorherigen Ultraschallstrahls entspricht, welcher entlang einer Abtastlinie übertragen worden ist. Der Beamformer 214 bearbeitet die entsprechenden empfangenen Signale, indem er gemäß den Anweisungen der Befehlsdaten vom Steuerungsprozessor 216 Zeitverzögerung und Fokussierung durchführt, um Empfangsstrahlensignale zu erzeugen, welche den Probevolumen entlang einer Abtastlinie innerhalb des Körpers des Patienten 102 entsprechen. Die Phasen-, Amplituden- und Zeitgebungsinformationen der von den verschiedenen Wandlerelementen empfangenen Signale werden verwendet, um die empfangenen Strahlensignale zu generieren.
  • Die Empfangsstrahlensignale werden an das Verarbeitungssubsystem 110 gesendet. Der Demodulator 216 demoduliert die Empfangsstrahlensignale, so dass Paare von I- und Q-demodulierten Datenwerten generiert werden, welche den Probevolumen entlang der Abtastlinie entsprechen. Demodulation wird erreicht, indem die Phase und Amplitude der empfangenen Strahlensignale mit einer Referenzfrequenz verglichen wird. In den I- und Q-demodulierten Datenwerten werden die Phasen- und Amplitudeninformationen der empfangenen Signale bewahrt.
  • Die demodulierten Daten werden an den Bildgebungsmodusprozessor 220 übertragen. Der Bildgebungsmodusprozessor 220 verwendet Parametereinschätzungstechniken, um Bildgebungparameterwerte anhand der demodulierten Daten in Scansequenzformat zu generieren. Die Bildgebungsparameter können Parameter umfassen, die verschiedenen möglichen Bildgebungsmodi entsprechen, wie beispielsweise B-Modus, Farbgeschwindigkeitsmodus, Spektral-Doppler-Modus und Gewebegeschwindigkeits-Bildgebungsmodus. Die Bildgebungparameterwerte werden an den Scanwandler 222 weitergeleitet. Der Scanwandler 222 verarbeitet die Parameterdaten, indem er eine Übersetzung von einem Scansequenzformat zu einem Anzeigeformat durchführt. Die Übersetzung umfasst die Durchführung von Interpolationoperationen an den Parameterdaten, so dass Displaypixeldaten in dem Anzeigeformat erzeugt werden.
  • Die scanumgewandelten Pixeldaten werden an den Display-Prozessor 224 gesendet, um gegebenenfalls eine abschließende räumliche oder zeitliche Filterung der scanumgeandelten Pixeldaten durchzuführen, Grau- oder Farbskalen auf die scanumgewandelten Pixeldaten anzuwenden, und die digitalen Pixeldaten in analoge Daten umzuwandeln, so dass sie auf dem Monitor 116 angezeigt werden können. Die Benutzerschnittstelle 118 ist an den Steuerungsprozessor 216 gekoppelt, so dass es einem Benutzer ermöglicht wird, sich mit dem Ultraschallsystem 200 auf der Grundlage der auf dem Monitor 116 angezeigten Daten in Verbindung zu setzen.
  • Was nun 3 anbelangt, wird ein Blockdiagramm 300 einer Ausführungsform des Diagnostiksystems 100 aus 1 abgebildet. Wie zuvor in Bezug auf 1 angemerkt, ist das Erfassungssubsystem 108 (siehe 1) so konfiguriert, dass es die Erfassung von Bilddaten vom Patienten 102 (siehe 1) unterstützt. Folglich können ein oder mehrere Bilder, die den Patienten 102 darstellen, vom Erfassungssubsystem 108 erfasst werden. In bestimmten Ausführungsformen kann das eine oder die mehreren Bilder Ultraschallbilder 302 umfassen. Es sei darauf hingewiesen, dass die Ultraschallbilder 302 eine anatomische Region im Körper des Patienten 102 darstellen können. Beispielsweise können in dem Beispiel, welches in 3 illustriert wird, die Ultraschallbilder 302 Bilddaten umfassen, die eine Knochengelenkregion des Patienten 102 darstellen. Wie zuvor angemerkt, kann es sich bei den Ultraschallbildern 302 um 2D-Bilder, 3D-Bilder und/oder 4D-Bilder handeln. Wie ebenfalls zuvor angemerkt, können die 2D-, 3D- und/oder 4D-Bilder 302 Längsverlaufsbilder umfassen, die zu unterschiedlichen Zeitpunkten erfasst wurden.
  • Ferner können die vom Erfassungssubsystem 108 erfassten Bilddaten in dem Datenlager 114 (siehe 1) gespeichert werden. In bestimmten Ausführungsformen kann das Datenlager 114 eine lokale Datenbank umfassen. Die Erkennungsplattform 112 (siehe 1) kann dann auf diese Bilder, wie beispielsweise die Ultraschallbilder 302, aus der lokalen Datenbank 114 zugreifen. Alternativ können die Ultraschallbilder 302 vom Erfassungssubsystem 108 aus einem Datenarchiv, einer Datenbank oder einem optischen Datenspeicherungsartikel bezogen werden. Beispielsweise kann das Erfassungssubsystem 108 so konfiguriert sein, dass es auf in einem optischen Datenspeicherungsartikel gespeicherte Bilder zugreift. Es sei darauf hingewiesen, dass es sich bei dem optischen Datenspeicherungsartikel um ein optisches Speichermedium, wie beispielsweise eine Compact Disc (CD), eine Digital Versatile Disc (DVD), Mehrschichtstrukturen, wie beispielsweise DVD-5 oder DVD-9, mehrseitige Strukturen, wie beispielsweise DVD-10 oder DVD-18, eine High Definition Digital Versatile Disc (HD-DVD), eine Blu-ray-Disc, eine optische Nahfeldspeicherungs-Disc, ein holographisches Speichermedium oder ein volumetrisches optisches Speichermedium, wie beispielsweise Zwei-Photonen- oder Multi-Photonenabsorptions-Speicherformat handeln kann. Ferner können auf diese Weise vom Erfassungssubsystem 108 erfasste Ultraschallbilder 302 lokal in dem medizinischen Bildgebungssystem 106 (siehe 1) gespeichert werden. Beispielsweise können die Ultraschallbilder 302 in der lokalen Datenbank 114 gespeichert werden.
  • Wie außerdem zuvor in Bezug auf 1 angemerkt worden ist, ist das Verarbeitungssubsystem 110 (siehe 1) so konfiguriert, dass es diese Ultraschallbilder 302 verarbeitet, um den Kliniker bei der Identifizierung von Krankheitszuständen, der Einschätzung der Behandlungsnotwendigkeit, der Bestimmung von geeigneten Behandlungsoptionen, der Nachverfolgung des Fortschreitens des Krankheitszustandes und/oder der Überwachung des Behandlungseffekts auf den Krankheitszustand zu unterstützen. Genauer gesagt kann das Verarbeitungssubsystem 110 so konfiguriert sein, dass es die Erkennung, Quantifizierung und/oder Nachverfolgung von Pathologien in einer oder mehreren anatomischen Regionen im Körper des Patienten 102 unterstützt. In einem Beispiel kann das Verarbeitungssubsystem 110 so konfiguriert sein, dass es die Erkennung, Quantifizierung und/oder Nachverfolgung von muskuloskeletalen Pathologien unter Benutzung von Ultraschallbildern 302 unterstützt, welche die eine oder die mehreren anatomischen Regionen im Körper des Patienten 102 darstellen, wie beispielsweise die Knochengelenke des Patienten 102. Auch wird in den Ausführungsformen, welche in 1–2 illustriert werden, das Verarbeitungssubsystem 110 mitsamt der Erkennungsplattform 112 gezeigt, wobei die Erkennungsplattform 112 so konfiguriert ist, dass sie die Erkennung, Quantifizierung und/oder Nachverfolgung der muskuloskeletalen Pathologien unterstützt, indem sie die erfassten Ultraschallbilder 302 verwendet, wie zuvor beschrieben. Allerdings kann die Erkennungsplattform 112 auch als selbständiges Modul verwendet werden, das physisch von dem Verarbeitungssubsystem 110 und dem medizinischen Bildgebungssystem 106 getrennt ist. Um ein Beispiel zu geben, kann die Erkennungsplattform 112 operativ mit dem medizinischen Bildgebungssystem 106 gekoppelt und so konfiguriert sein, dass sie die Erkennung, Quantifizierung und/oder Nachverfolgung der muskuloskeletalen Pathologien, welche zu der anatomischen Region im Körper des Patienten 102 gehören, unter Benutzung von erfassten Ultraschallbildern 302 unterstützt.
  • Gemäß Aspekten der vorliegenden Technik ist die Erkennungsplattform 112 so konfiguriert, dass sie die Identifizierung, Quantifizierung und/oder Nachverfolgung eines Krankheitszustandes, wie beispielsweise, aber nicht ausschließlich, einer muskuloskeletalen Pathologie, unterstützt. Zu diesem Zwecke ist die Erkennungsplattform 112 gemäß Aspekten der vorliegenden Technik so konfiguriert, dass sie die Erkennung, Quantifizierung und/oder Nachverfolgung des Krankheitszustandes durch die Identifizierung einer Knochenoberfläche in der Vielzahl von Bilddatensätzen 302, die Segmentierung einer Gelenkkapselregion in der Vielzahl von Bilddatensätzen 302 unter Verwendung einer dazugehörigen identifizierten Knochenoberfläche, die Analyse der identifizierten Knochenoberfläche und/oder der segmentierten Gelenkkapselregion zum Zwecke der Identifizierung, Quantifizierung und/oder Nachverfolgung eines Krankheitszustandes unterstützt. In bestimmten anderen Ausführungsformen kann die Erkennungsplattform 112 auch verwendet werden, um die Erkennung und/oder Nachverfolgung des Krankheitszustandes durch die Registrierung der Vielzahl von Bilddatensätzen 302 unter Verwendung von dazugehörigen identifizierten Knochenoberflächen zum Zwecke der Generierung eines registrierten Bildes zu unterstützen.
  • Außerdem kann die Erkennungsplattform 112 in einer Ausführungsform ein Knochenoberflächen-Identifizierungsmodul 304, ein Gelenkkapsel-Segmentierungsmodul 306 und ein Analysemodul 308 umfassen. Die Erkennungsplattform 112 kann in bestimmten Ausführungsformen auch ein Registrierungsmodul 310 umfassen. Es sei darauf hingewiesen, dass obwohl die Konfiguration aus 3 die Erkennungsplattform 112 mitsamt dem Knochenoberflächen-Identifizierungsmodul 304, dem Gelenkkapsel-Segmentierungsmodul 306, dem Analysemodul 308 und dem Registrierungsmodul 310 darstellt, eine geringere oder höhere Anzahl solcher Module zum Einsatz kommen kann.
  • Was weiterhin 3 anbelangt, ist in einer zurzeit in Betracht gezogenen Konfiguration das Knochenoberflächen-Identifizierungsmodul 304 für die Identifizierung einer Knochenoberfläche des Knochengelenks unter Verwendung einer Vielzahl von Bilddatensätzen konfiguriert. So, wie der Begriff “Vielzahl von Bilddatensätzen” hier verwendet wird, bezieht er sich auf Ultraschallbilder 302, die vom Erfassungssubsystem 108 erfasst worden sind. Es sei darauf hingewiesen, dass die Begriffe “eine Vielzahl von Bilddatensätzen” und “Ultraschallbilder” als Synonyme verwendet werden. Ferner sei auch darauf hingewiesen, dass der Begriff “Pathologie” und “Krankheitszustand” als Synonyme verwendet werden. Zusätzlich kann in bestimmten Ausführungsformen die Vielzahl von Bildern 302 während einer klinischen Untersuchung erfasst werden. Beispielsweise kann die Vielzahl von Bildern 302 am selben Tag zu unterschiedlichen Zeitpunkten erfasst werden. In einer Ausführungsform können die unterschiedlichen Zeitpunkte innerhalb einiger Minuten liegen oder über den Tag verteilt sein. Zusätzlich kann die Vielzahl von Bildern 302 in mehreren klinischen Untersuchungen erfasst werden, welche über Wochen, Monate oder sogar Jahre verteilt sind, um die Nachverfolgung des Krankheitsfortschrittes und/oder des potentiellen Ansprechens auf die Therapie zu ermöglichen.
  • Das Knochenoberflächen-Identifizierungsmodul 304 ist konfiguriert zur automatischen Identifizierung und Extraktion einer artikularen Knochenoberfläche unter Verwendung von Ultraschallbildern 302. Es sei darauf hingewiesen, dass das Knochenoberflächen-Identifizierungsmodul 304 zur Identifizierung und Extraktion der Knochenoberfläche in Übereinstimmung mit jedem der Ultraschallbilder 302 konfiguriert ist. Die auf diese Weise identifizierte artikularen Knochenoberfläche kann verwendet werden, um die Effizienz der visuellen Erkennung der muskuloskeletalen Pathologien, wie beispielsweise die Erosion der Gelenkoberfläche, zu verbessern. Außerdem kann die so identifizierte artikulare Knochenoberfläche auch verwendet werden, um die automatische Erkennung und Quantifizierung von knochenbezogenen Pathologien zu ermöglichen, wie beispielsweise die Erosion der Knochenoberfläche. Zu diesem Zweck kann das Knochenoberflächen-Identifizierungsmodul 304 in bestimmten Ausführungsformen auch konfiguriert werden, um die Visualisierung der identifizierten artikularen Knochenoberfläche zu unterstützen.
  • Außerdem ist das Gelenkkapsel-Segmentierungsmodul 306 in der Erkennungsplattform 112 so konfiguriert, dass es eine Gelenkkapselregion in den Ultraschallbildern 302 segmentiert, was unter Verwendung einer entsprechenden Knochenoberfläche geschieht, welche durch das Knochenoberflächen-Identifizierungsmodul 304 identifiziert worden ist. Beispielsweise ist das Gelenkkapsel-Segmentierungsmodul 306 so konfiguriert, dass es die Gelenkkapselregion in den Knochengelenken, welche das Metakarpophalangealgelenk (MCP) und/oder das Metatarsophalangealgelenk (MTP) umfassen, unter Benutzung der dazugehörigen identifizierten Knochenoberfläche automatisch segmentiert.
  • Nachfolgend kann die segmentierte Gelenkkapselregion analysiert werden, um eine beliebige Pathologie, wie beispielsweise eine Entzündungen u. ä., zu erkennen und/oder zu quantifizieren. Zusätzlich kann die segmentierte Gelenkkapselregion analysiert werden, um eine statistische Analyse der Echogenität sowie Farbfluss-Doppler-Messungen innerhalb der Gelenkkapselregion zu ermöglichen, so dass die Erkennung, Quantifizierung und/oder Nachverfolgung von Pathologien, wie beispielsweise Knochenerosionen, unterstützt wird. In einer Ausführungsform ist das Analysemodul 308 in der Erkennungsplattform 112 so konfiguriert, dass es die identifizierte Knochenoberfläche und/oder die segmentierte Gelenkkapselregion analysiert, um die muskuloskeletale Pathologie zu identifizieren, die muskuloskeletale Pathologie nachzuverfolgen und/oder die Wirksamkeit der Behandlung der muskuloskeletalen Pathologie zu untersuchen. Um ein Beispiel zu geben, kann das Analysemodul 308 die Ultraschallbilder 302 und die segmentierte Gelenkkapselregion insbesondere so verarbeiten, dass mögliche Veränderungen in der artikularen Anatomie nachverfolgt und die entsprechenden quantitativen und/oder qualitativen Messwerte bestimmt werden können.
  • Zusätzlich ist das Analysemodul 308 auch so konfiguriert, dass es die Ultraschallbilder 302, die extrahierte artikulare Knochenoberfläche und/oder die segmentierte Gelenkkapselregion verarbeitet, um ein objektives volumetrisches Maß der entzündlichen Veränderungen direkt am Knochengelenk-Bereich zu bestimmen. Um ein Beispiel zu geben, können Ultraschallbilder 302 verarbeitet werden, um eine direkte und intuitive volumetrische Visualisierung der entzündeten Gewebe, die volumetrische Quantifizierung und/oder eine volumetrische Dopplerfluss-Einschätzung zu liefern. Außerdem kann das Analysemodul 308 so konfiguriert werden, dass es eine Punktebewertung oder eine Metrik generiert, welches dem Krankheitszustand entspricht, wobei die Punktebewertung oder Metrik eine direkt im Gelenkbereich gewonnene Einschätzung des Krankheitszustandes in einer medizinischen Behandlungseinrichtung, wie beispielsweise einer rheumatologischen Praxis, liefert. In einer Ausführungsform kann das Analysemodul 308 so konfiguriert sein, dass es die Punktebewertung oder Metrik, den Krankheitszustand u. ä. durch einen Vergleich der bestimmten Punktebewertung oder Metrik mit Messungen bei unauffälligen Testpersonen bestimmt. Die unauffälligen Messwerte können beispielsweise in einer Normalmodell-Datenbank 314 gespeichert werden.
  • Es sei darauf hingewiesen, dass in bestimmten Ausführungsformen das Analysemodul 308 so konfiguriert sein kann, dass es einen Kliniker bei der Bestimmung des Krankheitszustandes unterstützt. Zu diesem Zweck kann das Analysemodul 308 so konfiguriert werden, dass es die Visualisierung von Bildern unterstützt, welche den identifizierten Krankheitszustand und/oder die generierte Metrik anzeigen. Diese Bilder und/oder Metrik(en) können dem Kliniker angezeigt werden. Der Kliniker kann diese Bilder und/oder Metrik(en) dann verwenden, um einen Krankheitszustand zu diagnostizieren oder zu bestimmen, das Fortschreiten des Krankheitszustandes nachzuverfolgen und/oder die Wirksamkeit der Therapie auf den Krankheitszustand zu untersuchen.
  • Wie zuvor angemerkt, kann die Erkennungsplattform 112 in bestimmten Ausführungsformen auch das Registrierungsmodul 310 umfassen. Das Registrierungsmodul 310 kann verwendet werden, um die Ultraschallbilder 302 basierend auf den identifizierten Knochenoberflächen zu registrieren, so dass ein registriertes Bild generiert wird. Das registrierte Bild wird beispielsweise benutzt, um die Pathologie in dem Knochengelenk nachzuverfolgen. Außerdem können das registrierte Bild, die extrahierten Knochenoberflächen und/oder die segmentierten Gelenkkapselregionen in bestimmten Ausführungsformen in einem Datenspeicher 312 gespeichert werden. Zusätzlich können die extrahierten Knochenoberflächen, die segmentierten Gelenkkapselregionen und/oder das registrierte Bild beispielsweise für die Anzeige auf dem Display 116 visualisiert werden. Ferner kann der Kliniker in einer Ausführungsform die angezeigten Bilder unter Benutzung von Benutzerschnittstelle 118 beschriften, ordnen und/oder beschriften.
  • Insbesondere können die Arbeitsweise der Erkennungsplattform 112 und die Arbeitsweise des Knochenoberflächen-Identifizierungsmoduls 304, des Gelenkkapsel-Segmentierungsmoduls 306, des Analysemoduls 308 und des Registrierungsmoduls 310 unter Bezugnahme auf die exemplarische Logik besser nachvollzogen werden, welche in 4 abgebildet wird. Was nun 4 anbelangt, so wird hier ein Flussdiagramm der exemplarischen Logik 400 für ein Verfahren zur Nachverfolgung von Pathologien, wie beispielsweise muskuloskeletalen Pathologien, in einer interessierenden anatomischen Region im Körper des Patienten 102 (siehe 1) illustriert. Es sei darauf hingewiesen, dass das Verfahren aus 4 anhand der verschiedenen Komponenten aus 1–3 beschrieben wird.
  • Ferner kann das Verfahren 400 im allgemeinen Kontext von computerausführbaren Befehlen beschrieben werden. Im Allgemeinen können computerausführbare Befehle Routinen, Programme, Objekte, Komponenten, Datenstrukturen, Prozeduren, Module, Funktionen, u. ä. umfassen, die spezielle Funktionen ausführen oder spezielle abstrakte Datentypen implementieren. Außerdem können sich die computerausführbaren Befehle in bestimmten Ausführungsformen in Computerspeichermedien befinden, wie beispielsweise in einem Speicher, der lokal im Bildgebungssystem 100 (siehe 1) vorhanden ist und in operativer Verbindung mit dem Verarbeitungssubsystem 110 (siehe 1) steht. In bestimmten anderen Ausführungsformen können die computerausführbaren Befehle in Computerspeichermedien lokalisiert sein, wie beispielsweise Datenspeichervorrichtungen, welche aus dem Bildgebungssystem entfernt werden können. Außerdem umfasst das Verfahren zur automatischen Erkennung von Pathologien unter Benutzung von Ultraschallbildern 302 (siehe 3) eine Sequenz von Operationen, die in Hardware, Software oder Kombinationen von diesen implementiert werden kann.
  • In dem Beispiel, welches in 4 gezeigt wird, wird ein Verfahren zur automatischen Erkennung, Quantifizierung und/oder Nachverfolgung von muskuloskeletalen Pathologien in den Knochengelenken unter Verwendung von Ultraschallbilddaten gezeigt. Folglich können, wie zuvor angemerkt, Ultraschallbilder, wie beispielsweise die Ultraschallbilder 302, welche die Knochengelenkregion im Körper des Patienten 102 darstellen, verwendet werden, um die Diagnose und/oder Behandlung von muskuloskeletalen Pathologien zu unterstützen.
  • Das Verfahren beginnt in Schritt 402, in dem ein oder mehrere Bilddatensätze 404, welche eine anatomische Region darstellen, erfasst werden. In dem vorliegenden Beispiel wird das Verfahren zur Erkennung von Pathologien anhand der Erkennung von muskuloskeletalen Pathologien in Knochengelenken eines Patienten, wie beispielsweise des Patienten 102 (siehe 1), beschrieben. Folglich können die Bilddatensätze 404 Ultraschall-Bilddaten umfassen, welche die Knochengelenkregion des Patienten 102 darstellen. Es sei darauf hingewiesen, dass die Bilddatensätze 404 2D-, 3D- und/oder 4D-Ultraschallbilder umfassen können. Wie zuvor angemerkt, können die Bilddatensätze 404 zu unterschiedlichen Zeitpunkten in Echtzeit vom Patienten 102 erfasst werden. Allerdings können die Bilddatensätze 404 statt dessen aus einem Datenlager, wie beispielsweise dem Datenlager 114 (siehe 1), bezogen werden.
  • Ferner kann es sich bei der Vielzahl von Bilddatensätzen 404 um Längsverlaufsbilder handeln. So, wie der Begriff “Längsverlaufsbilder” hier verwendet wird, bezieht er sich auf Bilder, die der interessierenden anatomischen Region in einem interessierenden Objekt, wie beispielsweise dem Patienten 102, entsprechen, welche zu unterschiedlichen Zeitpunkten erfasst wurden. Folglich werden in Schritt 402 ein oder mehrere Längsverlaufsbilder 404 erfasst. In dem vorliegenden Beispiel können die Ultraschallbilder 404 eine Knochengelenkregion im Körper des Patienten 102 darstellen. Um ein Beispiel zu geben, können 2D-, 3D- und/oder 4D-Ultraschallbilder, welche eine Gelenkregion im Körper des Patienten 102 darstellen, erfasst werden. Diese Längsverlaufsbilder 404 können in der Diagnose, Therapie und/oder Nachbeobachtungsstudien verwendet werden.
  • Gemäß Aspekten der vorliegenden Technik beinhaltet das Verfahren zur automatischen Erkennung von Pathologien in Ultraschallbildern 404 die Identifizierung einer Knochenoberfläche, wie in Schritt 406 angegeben. Wie zuvor angemerkt, wird das Knochenoberflächen-Identifizierungsmodul 304 (siehe 3) verwendet, um die Identifizierung der Knochenoberfläche zu unterstützen.
  • Es sei darauf hingewiesen, dass sich die Identifizierung der Knochenoberfläche auf charakteristische akustische Eigenschaften von verschiedenem Gewebe in der interessierenden anatomischen Region stützt, um zwischen den verschiedenen Geweben im Ultraschallbild 404 unterschieden zu können. Folglich wird die charakteristische akustische Resonanz der Knochenoberfläche zur Identifizierung der Knochenoberfläche verwendet. Genauer gesagt wird, weil der Knochen im Wesentlichen undurchlässig für Schallwellen ist, beim Auftrafen einer Schallwelle auf die Oberfläche des Knochens fast die gesamte Schallwelle vom Knochen weg reflektiert und kann zum Ultraschall-Wandler 206 zurückkehren (siehe 2). Da sich nur ein relativ kleiner Anteil der auftreffenden Schallwelle bis unter die Knochenoberfläche fortsetzen kann, resultiert diese Reflexion der Schallwelle in einem so genannten Schallschatten unter der Knochenoberfläche. Beispielsweise können 5–10 % der auftreffenden Schallwelle sich bis unter die Knochenoberfläche fortsetzen. Der so entstehende Schallschatten resultiert in einer charakteristischen Ultraschallbilddarstellung der Knochenoberfläche.
  • Gemäß weiteren Aspekten der vorliegenden Technik wird diese charakteristische Ultraschallbilddarstellung der Knochenoberfläche verwendet, um eine automatische Identifizierung der Knochenoberfläche zu ermöglichen. In bestimmten Ausführungsformen können spezifische Bildverarbeitungsfilter, die maßgeschneidert sind, um eine starke Resonanz an der Oberfläche des Knochens zu generieren, entworfen und verwendet werden, um die automatische Identifizierung der Knochenoberfläche anhand des Ultraschallbildes 404 zu ermöglichen. Die Resonanz auf solche Filter wird dann verwendet, um eine “Knochen-Wahrscheinlichkeit” L(x) zu generieren, wobei x die Stelle eines beliebigen Pixels in dem Ultraschallbild 404 bezeichnet und L(x) die Wahrscheinlichkeit darstellt, dass eine Knochengewebe-Grenzfläche auf oder nahe bei x vorliegt.
  • Ferner wird in Schritt 406, sobald die Knochenoberfläche identifiziert worden ist, die Knochenoberfläche basierend auf der generierten Knochenoberflächen-Wahrscheinlichkeit extrahiert oder segmentiert. Es können zahlreiche Schnellsegmentierungsverfahren verwendet werden, um die Knochenoberfläche zu extrahieren. In bestimmten Ausführungsformen, kann ein auf einem Graph beruhendes Segmentierungsverfahren, welches in drei Dimensionen erweitert wird, zur Identifizierung des Knochenoberfläche in 3D verwendet werden. Nach der Verarbeitung im Zuge von Schritt 406 wird die Knochenoberfläche 408 identifiziert und extrahiert.
  • In bestimmten Situationen kann sich die Knochenoberfläche 408 von der Richtung des von der Ultraschallsonde 104 generierten akustischen Strahls weg krümmen. Folglich trifft der akustische Strahl ausgehend von der Sonde 104 unter einem Winkel auf die Knochenoberfläche 408 auf, bei dem die reflektierte Energie von der Sonde 104 weg geleitet wird, was zu einem “Knochenminderungs”-Effekt führt. Insbesondere wird nur ein relativ geringer Anteil der Energie in die Richtung des Wandlers 206 reflektiert, was in Echos von der Knochenoberfläche 408 resultiert, die eine relativ geringere Intensität haben. Dieser Minderungseffekt führt ungünstigerweise dazu, dass Knochen in Bereichen der Knochenoberfläche 408, welche eine niedrigere Echointensität aufweisen, nicht identifiziert werden.
  • Gemäß Aspekten der vorliegenden Technik wird der Minderungseffekt umgangen, indem eine implizite Knochenoberflächen-Normalberechnung verwendet wird, um den Winkel einzuschätzen, den die Knochenoberfläche im Normalfall zum Ultraschallstrahl einnimmt. Dieser Winkel kann verwendet werden, um ein intensitätskorrigiertes Ultraschallbild zu generieren. Der Winkel kann auch verwendet werden, um die Knochenwahrscheinlichkeits-Einschätzung und Knochenoberflächen-Einpassung direkt zu modifizieren. In bestimmten Ausführungsformen kann die Oberflächen-Einpassung einen Optimierungsalgorithmus beinhalten, wie beispielsweise dynamische Programmierung, welches die Knochenoberfläche identifiziert, die durch die höchsten Werte der Knochen-Wahrscheinlichkeits-Karte verläuft und gleichzeitig angemessene physische Eigenschaften der Knochenoberfläche, wie beispielsweise Glätte, beibehält.
  • Sobald die Knochenoberfläche 408 identifiziert worden ist, wird zusätzlich gemäß weiteren Aspekten der vorliegenden Technik eine Gelenkkapselregion segmentiert, wie in Schritt angegeben 410. Wie zuvor angemerkt, wird das Gelenkkapsel-Segmentierungsmodul 306 verwendet, um die Gelenkkapselregion auf der Grundlage der identifizierten Knochenoberfläche 408 zu segmentieren. Die Gelenkkapselregion wird auf der Grundlage der extrahierten Knochenoberfläche 408 automatisch aus dem Ultraschallbild 404 segmentiert. In einer Ausführungsform wird die extrahierte Knochenoberfläche 408 verwendet, um kontextbezogene Hinweise zur Position der Gelenkkapselregion zu liefern. Außerdem wird, da die meisten Gelenke im menschlichen Körper eine bestimmte anatomische Struktur aufweisen, die anatomische Struktur des Gelenks verwendet, um einen anatomischen Atlas des Gelenks zu generieren. Folglich wird eine atlasgestützte Segmentierung der Gelenkkapsel auf der Grundlage der identifizierten Knochenoberfläche 408 durchgeführt. In bestimmten Ausführungsformen kann solch eine Segmentierung der Gelenkkapselregionen auch auf der Grundlage von Benutzereingaben im Sinne der manuellen Steuerung (Initiierung) der Segmentierung und der nachfolgenden Durchführung von bildgestützter Segmentierung erfolgen.
  • Sobald die Gelenkkapselregion segmentiert worden ist, wird die segmentierte Gelenkkapselregion analysiert, um das Vorhandensein eines möglichen Krankheitszustandes in dem Gelenk zu identifizieren, wie in Schritt 412 angegeben. Der Krankheitszustand kann muskuloskeletale Pathologien, wie beispielsweise Knochenerosion, umfassen. Gemäß weiteren Aspekten der vorliegenden Technik wird die segmentierte Gelenkkapselregion auch analysiert, um die Quantifizierung des identifizierten Krankheitszustandes zu unterstützen. Um ein Beispiel zu geben, kann der Krankheitszustand der segmentierten Gelenkkapselregion quantifiziert werden, indem ein Punktebewertung oder eine Metrik geliefert wird, durch welche die Schwere der Krankheit angegeben wird. Das Analysemodul 308 wird verwendet, um einen beliebigen Krankheitszustand zu identifizieren, wie zuvor in Bezug auf 3 angemerkt.
  • Es sei darauf hingewiesen, dass die automatischen Schritte der Knochenoberflächen-Identifizierung, der Gelenkkapselregion-Segmentierung sowie der Analyse der Gelenkkapselregion zur Identifizierung und/oder Quantifizierung des Krankheitszustandes für jede Patientenabtastung durchgeführt werden können. Zusätzlich wird durch die automatischen Schritte auch die Nachverfolgung des Fortschreitens des Krankheitszustandes und/oder die Beurteilung der Wirksamkeit der Therapie auf den Krankheitszustand unterstützt. Folglich wird die Vielzahl von erfassten Ultraschallbildern 404 verwendet, um beispielsweise das Fortschreiten der Pathologie zu verfolgen und/oder die Wirksamkeit der Behandlung auf die Pathologie zu untersuchen.
  • In bestimmten Ausführungsformen können die erfassten Ultraschallbilder 404 registriert werden, wie in Schritt 414 abgebildet. Davon ausgehend, dass die Oberfläche des Knochens relativ unverändert bleibt, werden die Knochenoberflächen insbesondere verwendet, um die Registrierung der Ultraschallbilder mittels des Abgleichs der zu unterschiedlichen Zeitpunkten erfassten Ultraschallbilder 404 zu unterstützen. Nach dem Registrierungsschritt 414 kann ein registriertes Bild 416 generiert werden. Das Registrierungsmodul 310 wird verwendet, um die Ultraschallbilder 404 zu registrieren.
  • Außerdem können visuelle Überlagerungen von eventuellen Veränderungen der Anatomie innerhalb der Ultraschallbilder 404 auf dem Display 116 (siehe 1) angezeigt werden, wie in Schritt angegeben 418. Zusätzlich können auch der identifizierte Krankheitszustand, die identifizierte Knochenoberfläche 408, die segmentierte Gelenkkapselregion und/oder das registrierte Bild 416 auf dem Display 116 angezeigt werden. Durch diese Visualisierung wird es Klinikern oder Benutzern ermöglicht, die Veränderungen, die an einem bestimmten Gelenk im Zeitverlauf auftreten, nachzuvollziehen und zu interpretieren. Schritte 402–418 können unter Bezugnahme auf 5–9 besser nachvollzogen werden.
  • 5 ist eine Diagrammillustration 500 eines unauffälligen menschlichen Gelenks. Referenzziffer 502 bezeichnet einen Knochen in dem Gelenk 500, während eine Gelenkkapsel durch die Referenzziffer 504 bezeichnet wird. Ferner bezeichnet Referenzziffer 506 einen Muskel, während ein Knorpel durch die Referenzziffer 508 bezeichnet wird. Außerdem wird eine Sehne durch Referenzziffer 510 angegeben, während Referenzziffer 512 die Synovia bezeichnet. Außerdem wird Gelenkflüssigkeit durch die Referenzziffer 514 dargestellt.
  • Was nun 6 anbelangt, so wird eine Diagrammillustration 600 der Knochenoberflächen-Extraktion von Schritt 406 aus 4 abgebildet. Um ein Beispiel zu geben, illustriert das Verfahren aus 6 die Identifizierung und Extraktion der Oberfläche des Knochens 502 (siehe 5). Es sei darauf hingewiesen, dass das Verfahren von 6 unter Bezugnahme auf 1–5 beschrieben wird. Das Verfahren beginnt in Schritt 602, in welchem ein Ultraschallbild 604 erzeugt wird, welches der interessierenden anatomischen Region im Körper des Patienten 102 (siehe 1), wie beispielsweise dem Knochengelenk 500 (siehe 5), entspricht. Das Bild 604 kann beispielsweise ein unauffälliges Knochengelenk darstellen.
  • Ferner wird in Schritt 606 ein Reflexionsbild 608 des interessierenden Knochengelenks erfasst. Um ein Beispiel zu geben, wird die Ultraschallsonde 104 (siehe 1) verwendet, um Schallwellen zu dem Knochengelenk hin auszurichten und das Reflexionsbild 608 wird unter Benutzung von reflektierten Schallwellen generiert. Wie zuvor angemerkt, wird die charakteristische Ultraschallbild-Darstellung der Knochenoberfläche, welche auf dem "Schallschatten" unter der Knochenoberfläche beruht, verwendet, um eine automatische Identifizierung der Knochenoberfläche zu ermöglichen. Folglich wird ein spezifischer Bildverarbeitungsfilter, wie beispielsweise eine Schattenmaske 612 generiert, welche maßgeschneidert ist, um eine starke Resonanz an der Oberfläche des Knochens zu erzeugen, wie in Schritt 610 gezeigt. Nachfolgend wird in Schritt 614 die Schattenmaske 612 verwendet, um die automatische Identifizierung der Knochenoberfläche anhand des Ultraschallbildes 608 zu ermöglichen. Insbesondere wird das Ultraschallbild 608 mittels Benutzung der Schattenmaske 612 verarbeitet, um ein Bild 616 zu generieren, das die “Knochen-Wahrscheinlichkeit” abbildet. Sobald die Knochen-Wahrscheinlichkeit identifiziert worden ist, wird die Knochenoberfläche identifiziert und extrahiert. Nach der Verarbeitung von Schritt 614 wird die Knochenoberfläche identifiziert und extrahiert.
  • Wie zuvor angemerkt, wird, sobald die Knochenoberfläche 408 (siehe 4) identifiziert und extrahiert worden ist, die Gelenkkapselregion auf der Grundlage der identifizierten Knochenoberfläche segmentiert. 7 ist eine Diagrammdarstellung 700 eines Metakarpophalangealgelenks (MCP). Referenzziffer 702 bezeichnet die Gelenkkapselregion. Außerdem wird eine Strecksehne durch Referenzziffer 704 gekennzeichnet, während einem dorsal-metakarpalen Synovial-Recessus die Referenzziffer 706 zugewiesen ist. Gemäß Aspekten der vorliegenden Technik ist es erstrebenswert, die Gelenkkapselregion 702 zu segmentieren. Insbesondere wird die Gelenkkapselregion 702 auf der Grundlage der identifizierten Knochenoberfläche 408 aus 4 extrahiert.
  • Was nun FIG. anbelangt 8, wird eine Diagrammdarstellung 800 der Gelenkkapselregion-Segmentierung von Schritt 410 aus 4 abgebildet. Um ein Beispiel zu geben, bildet das Verfahren aus 8 die Identifizierung und Segmentierung der Gelenkkapselregion 702 (siehe 7) ab. Es sei darauf hingewiesen, dass das Verfahren aus 8 unter Bezugnahme auf 1–7 beschrieben wird. Wie zuvor angemerkt, wird gemäß Aspekten der vorliegenden Technik eine Gelenkkapselregion, wie beispielsweise die Gelenkkapselregion 702 (siehe 7), auf der Grundlage der identifizierten Knochenoberfläche segmentiert. Insbesondere bildet 8 eine automatische Segmentierung der Gelenkkapselregion unter Benutzung [einer] extrahierten Knochenoberfläche ab, um kontextbezogene Hinweise oder Anhaltspunkte bezüglich der Position der Gelenkkapselregion zu liefern. In einer Ausführungsform kann ein anatomisches Modell des Gelenks, bei dem bestimmte zum Gelenk gehörende Messwerte verwendet werden, eingesetzt werden, um die Segmentierung der Gelenkkapselregion zu unterstützen.
  • Allerdings wird in bestimmten anderen Ausführungsformen die Gelenkkapselregion segmentiert, was unter Verwendung von durch Experten vorgenommenen Beschriftungen der Anatomie auf einigen (unauffälligen) Kontroll-Datensätzen erfolgt, so dass normalisierte repräsentative Formen und statistische Vorinformationen für die Gelenkkapselregion der gegebenen Knochenoberfläche generiert werden. Entsprechend wird ein Beispiel für eine modell-/atlasgestützte Segmentierung der Gelenkkapselregion gemäß Aspekten der vorliegenden Technik in 8 gezeigt.
  • Das Verfahren beginnt in Schritt 802, wobei eine identifizierte und extrahierte Knochenoberfläche näher betrachtet wird. In dem Beispiel von 8 wird die Knochenoberfläche mitsamt einer ersten Knochenoberfläche 804 und einer zweiten Knochenoberfläche 806 abgebildet, aus welchen das Gelenk besteht. Ferner wird in Schritt 802, ausgehend von den identifizierten Knochenoberflächen 804, 806, ein Punkt ‘A’ auf dem Knochen identifiziert, der am weitesten von der Sonde 104 (siehe 1) entfernt liegt. Zusätzlich werden Punkte ‘B’ und ‘C’, an denen die Knochenoberflächen 804 und 806 beginnen, sich zum Punkt ‘A’ hin zu krümmen, identifiziert.
  • Nachfolgend werden diese drei Punkte ‘A’, ‘B’, ‘C’ in Schritt 808 verbunden, so dass sie ein Dreieck 810 bilden. Dieses Dreieck 810 wird verwendet, um ein anfängliche oder erste Abschätzung der Position der Gelenkkapselregion zu liefern. Außerdem werden in Schritt 812 die Regionen des Dreiecks 810, die sich über den Knochenoberflächen 804, 806 befinden, festgehalten. Um ein Beispiel zu geben, werden Regionen des Dreiecks 810, die über den Knochenoberflächen 804 und 806, aber unter der Linie BC liegen, festgehalten. Diese Regionen stellen eine Annäherung der auf dem Modell/Atlas beruhenden Vorinformationen für die Gelenkkapselregion dar, da die bekannte anatomische Struktur des Gelenks verwendet wird. Außerdem wird eine a-Priori-Wahrscheinlichkeit 814 der Gelenkkapselregion auf der Grundlage der bereits identifizierten Knochenoberflächen 804, 806 generiert.
  • Zusätzlich wird die Gelenkkapselregion unter Verwendung der a-Priori-Wahrscheinlichkeit 814 segmentiert, wie in Schritt 816 angegeben. Eine Vielfalt von Segmentierungs-Techniken kann verwendet werden, um die Gelenkkapselregion zu segmentieren. Um ein Beispiel zu geben, kann eine Bereichswachstumsverfahrens-Technik verwendet werden, um die Gelenkkapselregion zu segmentieren. Es sei darauf hingewiesen, dass es sich beim Bereichswachstumsverfahren um ein einfaches auf einer Region beruhendes Bildsegmentierungsverfahren handelt. Die Bereichswachstumsverfahrens-Technik beinhaltet typischerweise die Selektion von Ausgangssaatpunkten. Nachfolgend werden benachbarte Pixels der “Ausgangssaatpunkte” untersucht, um zu bestimmen, ob die Nachbarpixel der Region hinzugefügt werden sollten. Dieser Prozess kann wiederholt durchgeführt werden, bis eine Übereinstimmung erreicht wird. Referenzziffer 818 bezeichnet die segmentierte Gelenkkapselregion.
  • Gemäß Aspekten der vorliegenden Technik wird die segmentierte Gelenkkapselregion 818 (siehe 8) als interessierende Region angewendet, um Messungen durchzuführen, die eine Feststellung erlauben, ob das Gelenk erkrankt ist oder nicht. Folglich werden die extrahierten Knochenoberflächen 804, 806 (siehe 8) und/oder die segmentierte Gelenkkapselregion 818 analysiert, um das Vorhandensein eines Krankheitszustandes in der Gelenkkapselregion zu identifizieren. Zusätzlich wird auch eine Quantifizierung des identifizierten Krankheitszustandes gemäß Aspekten der vorliegenden Technik generiert.
  • Wie zuvor angemerkt, wird das Analysemodul 308 (siehe 3) bei der Identifizierung und/oder Quantifizierung des Krankheitszustandes angewendet. In einer Ausführungsform stellen Gelenkkapselvolumen, Blutfluss innerhalb der Gelenkkapselregion, Echogenität der Gelenkkapselregion einige Beispiele für Messungen dar, die innerhalb der segmentierten Gelenkkapselregion vorgenommen werden können. Diese Messungen werden dann mit ähnlichen Messungen verglichen, die an bekanntermaßen unauffälligen (Kontroll-)Gelenkbildern vorgenommen wurden. Wie zuvor angemerkt, können die Messungen, welche bekanntermaßen unauffälligen Gelenkbildern entsprechen, aus der Normalmodell-Datenbank 314 (siehe 3) bezogen werden. Dieser Vergleich ermöglicht eine automatische Unterscheidung zwischen normalen und abnormalen Gelenken. Gemäß weiteren Aspekten der vorliegenden Technik werden, abgesehen von der Unterscheidung zwischen erkrankten und unauffälligen Gelenken, solche Messung auch benutzt, um eine qualitative und/oder quantitative Punktbewertung zu der “Gesundheit” des Gelenks abzuliefern. Zusätzlich werden diese Messungen verwendet, um die Wirksamkeit der Therapie auf den Krankheitszustand zu bestimmen und/oder das Fortschreiten des Krankheitszustandes in dem Gelenk zu verfolgen.
  • Ferner werden in bestimmten Ausführungsformen die Messungen unter Verwendung von Expertennotizen auf den zahlreichen (normalen) Kontroll-Objekten gewonnen, um die Statistik von normalen Messungen nachvollziehen zu können. Zusätzlich werden die Messungen gemäß der Größe der Anatomie normalisiert, damit sie sich auf Anatomien beliebiger Größe anwenden lassen. Außerdem werden diese Messungen verwendet, um die Modellgestaltung für die normalen Bedingungen zu unterstützen. Dieses Normalmodell wird zur Identifizierung des Krankheitszustandes verwendet. Beispielsweise wird der Krankheitszustand auf der Grundlage von Hypotheseüberprüfungs-Vergleichen der festgestellten Messwerte mit dem Normalmodell bestimmt.
  • Gemäß weiteren Aspekten der vorliegenden Technik kann das Stadium des Krankheitsfortschritts quantifiziert werden. Zu diesem Zweck wird eine Abstandsmetrik zwischen der normalen Statistik und der bei der Testperson, wie beispielsweise dem Patienten 102, gemessenen Statistik definiert. Wenn sich beispielsweise das Normalmodell einer Gauss-Verteilung um die Mittelwerte annähert, die aus normalen Messungen entstammen, dann kann die Mahalanobis-Distanz eine geeignete Abstandsmetrik darstellen.
  • Abgesehen von gelenkkapselbezogenen Messungen können gemäß Aspekten der vorliegenden Technik außerdem auch andere Pathologien, wie beispielsweise Knochenerosionen, identifiziert und/oder quantifiziert werden. Zu diesem Zweck werden die identifizierten Knochenoberflächen analysiert, um Regionen, in denen Knochenerosionen vermutet werden, zu identifizieren. Knochenerosion kann geometrisch charakterisiert werden als plötzliche Veränderung der Glätte der Knochenoberfläche. Folglich wird eine Veränderung der Krümmung (K) der Knochenoberfläche an einem beliebigen Punkt der Knochenoberfläche berechnet. In einer Ausführungsform wird die Veränderung der Krümmung der Knochenoberfläche durch die Berechnung einer Veränderungsrate der Normaleinheit zur Knochenoberfläche an diesem Punkt bestimmt. Alternativ können auch andere geometrische Eigenschaften, wie beispielsweise Bereichsinvarianten, verwendet werden, um Anomalien, welche den geometrischen Eigenschaften der Knochenerosion ähneln, auf der Knochenoberfläche zu erkennen.
  • Sobald eine Stelle mit möglicher Knochenerosion identifiziert worden ist, werden automatisch volumetrische Messungen der Größe der Knochenerosion generiert. In einer Ausführungsform kann das Volumen der Knochenerosion durch eine automatische 3D-Lochfüllung gefolgt von der Messung der Menge des aufgefüllten Knochens bestimmt werden. Alternative Verfahren zur Bestimmung von volumetrischen Maßen der Knochenerosion werden ebenfalls in Betracht gezogen. Folglich wird ein exemplarisches Verfahren zur Bestimmung der volumetrischen Maße der Knochenerosion vorgestellt. 9 ist eine Diagrammillustration 900 eines exemplarischen Verfahrens zur Bestimmung der volumetrischen Maße der Knochenerosion. Insbesondere ist 9(a) eine Diagrammillustration 902 eines Schrittes zur Einpassung einer Kontur auf eine Knochenoberfläche entlang der Knochenerosion. Auch 9(b) ist eine Diagrammillustration 910 eines Schrittes der Punktentwicklung entlang der Oberfläche der Knochenerosion.
  • In einer Ausführungsform werden die Krümmung oder andere geometrische Eigenschaften einer Knochenoberfläche S 904 verwendet, um das Volumen einer Knochenerosion 906 zu bestimmen. Beispielsweise ermöglicht die auf Krümmung beruhende Verarbeitung der identifizierten Knochenoberfläche S 904 die Einpassung einer Kontur C0 908 über hohe Krümmungspunkte um die Kanten der Knochenerosion 906, wie in 9(a) abgebildet. Ferner kann angenommen werden, dass die Knochenoberfläche S 904 eine 2D-Kontur ist und durch Durchschneidung der Knochenoberfläche S 904 mit einer 3D-Ebene gewonnen wird, so dass die Ebene durch den Zentroid der Kontur C0 908 hindurch verläuft. Nachfolgend werden Punkte auf dieser Kontur C0 908, wie beispielsweise Punkt p0, entlang der Richtung einer Tangente T₀ 912 zu der Knochenoberfläche S 904 am Punkt p0 hin entwickelt, wie in 9(b) abgebildet. Dieser Entwicklungsvorgang kann beispielsweise fortgesetzt werden, bis die Kontur in einem einzigen Punkt zusammenläuft.
  • Zusätzlich kann dieser Entwicklungsvorgang wiederholt werden, um Volumen zu bestimmen, die allen Konturen entsprechen. Referenzziffer 914 bezeichnet eine Kontur C1 und p1 bezeichnet einen Punkt auf der Kontur C1. Ferner wird in einem Beispiel das Volumen V der Knochenerosion 906 als eine Summierung der Volumen aller Konturen berechnet und wird dargestellt als:
    Figure 00450001
    wobei A(Cn) der Bereich der n-ten Kontur ist.
  • Auch können, sobald die Position der Knochenerosion 906 bestimmt worden ist, die Positionsinformationen an die Ultraschallsonde 104 kommuniziert werden, so dass der fragliche Teil der Anatomie bei einer höheren Auflösung neu abgetastet und eine interessierende Region für weitere Farbfluss-Messungen geliefert wird, um Blutfluss innerhalb oder in der Nähe der Knochenerosion 906 zu erkennen.
  • Ferner können die vorangegangenen Beispiele, Demonstrationen und Prozesschritte, wie beispielsweise jene, die vom System durchgeführt werden können, durch einen geeigneten Code in einem prozessorgestützten System, wie beispielsweise einem Universal- oder Spezial-Computer, implementiert werden. Es sei darauf hingewiesen, dass in verschiedenen Implementierungen der vorliegenden Technik einige oder alle hier beschriebenen Schritte in unterschiedlichen Reihenfolgen oder im Wesentlichen gleichzeitig, d.h. parallel, durchgeführt werden können. Ferner können die Funktionen in einer Vielzahl von Programmiersprachen implementiert werden, wozu auch, aber nicht ausschließlich, C++ oder Java zählen. Solch ein Code kann gespeichert oder zur Speicherung auf einem oder mehreren physischen, maschinenlesbaren Medien angepasst werden, wie beispielsweise auf Datenspeicher-Chips, lokalen oder entfernten Festplatten, optischen Discs (d.h. CDs oder DVDs), Datenspeichern oder anderen Medien, auf die durch ein prozessorgestütztes System zugegriffen werden kann, um den gespeicherten Code auszuführen. Es sei darauf verwiesen, dass die physischen Medien auch Papier oder ein anderes geeignetes Medium umfassen können, auf dem die Befehle abgedruckt sind. Beispielsweise können die Befehle mittels optischem Scannen von Papier oder eines anderen Mediums elektronisch festgehalten, dann zusammengetragen, bei Bedarf interpretiert oder anderweitig in einer geeigneten Weise verarbeitet und dann in dem Datenlager 114 oder Speicher gespeichert werden.
  • Die verschiedenen Ausführungsformen des oben beschriebenen exemplarischen Verfahrens und Systems zur automatischen Erkennung, Quantifizierung und/oder Nachverfolgung von Pathologien unter Verwendung von Ultraschallbildern führen zu einer dramatischen Verbesserung der Frühdiagnose, verbesserter serieller Nachverfolgung und einer Reduktion der Bedienerabhängigkeit bei der Einschätzung von rheumatoider Arthritis in medizinischen Behandlungseinrichtungen. Da die Verfahren und Systeme zur Erkennung, Quantifizierung und/oder zur automatischen Nachverfolgung von Pathologien auf rheumatologische Anwendungen spezialisiert sind, werden außerdem Behandlungsverzögerungen vermieden und Kosten im Gesundheitswesen reduziert. Zudem wird eine objektive Einschätzung von rheumatoider Arthritis ermöglicht, indem unmittelbar am Gelenk durchgeführte Messungen der Krankheitsaktivität für mit rheumatoider Arthritis zusammenhängende Pathologien entworfen werden. Die Verwendung dieser objektiven Punktbewertungs-Verfahren führt zu einer besser begründeten Diagnose, verbesserter Behandlungsplanung sowie kürzerer Behandlungszeit und reduzierten Behandlungskosten für rheumatoide Arthritis. Außerdem ermöglicht reduzierte Bedienerabhängigkeit bei der Einschätzung von rheumatoider Arthritis eine konstante serielle Nachverfolgung des Krankheitsfortschritts durch die Ermöglichung einer automatischen Extraktion von klinisch relevanten quantitativen und qualitativen Information aus den Ultraschallbildern.
  • Obwohl hier nur bestimmte Merkmale der Erfindung illustriert und beschrieben wurden, werden auf dem Gebiet fachkundigen Personen zahlreiche Modifikationen und Veränderungen einfallen. Es sei daher darauf verweisen, dass die angehängten Ansprüche sämtliche solche Modifikationen und Veränderungen einschließen sollen, sofern sie der Wesensart der Erfindung entsprechen.
  • Es wird ein automatisches Verfahren zur Erkennung eines Krankheitszustandes vorgestellt. Das Verfahren umfasst die Identifizierung einer Knochenoberfläche in einem oder mehreren Bilddatensätzen, wobei der eine oder die mehreren Datensätze einer interessierenden Region in einem interessierenden Objekt entsprechen. Ferner umfasst das Verfahren die Segmentierung einer Gelenkkapselregion in Übereinstimmung mit dem einen oder den mehreren Bilddatensätzen basierend auf einer entsprechenden identifizierten Knochenoberfläche. Zusätzlich umfasst das Verfahren die Analyse der segmentierten Gelenkkapselregion zur Identifizierung des Krankheitszustandes. Es werden auch Systeme sowie ein nicht-transitorisches computerlesbares Medium vorgestellt, welche zur Durchführung des automatischen Verfahrens zur Erkennung eines Krankheitszustandes konfiguriert sind.

Claims (21)

  1. Automatisches Verfahren zur Erkennung eines Krankheitszustandes, wobei das Verfahren umfasst: die Identifizierung einer Knochenoberfläche in einem oder mehreren Bilddatensätzen, wobei der eine oder die mehreren Datensätze einer interessierenden Region in einem interessierenden Objekt entsprechen; die Segmentierung einer Gelenkkapselregion in Übereinstimmung mit dem einen oder den mehreren Bilddatensätzen basierend auf einer dazugehörigen identifizierten Knochenoberfläche; und Analyse der segmentierten Gelenkkapselregion zur Identifizierung des Krankheitszustandes.
  2. Verfahren gemäß Anspruch 1, ferner die Erfassung des einen oder der mehreren Bilddatensätze umfassend, welche der interessierenden Region in dem interessierenden Objekt entsprechen.
  3. Verfahren gemäß Anspruch 2, wobei es sich bei der interessierenden Region in dem interessierenden Objekt um ein Knochengelenk handelt.
  4. Verfahren gemäß Anspruch 2 oder 3, wobei die Erfassung des einen oder der mehreren Bilddatensätze die Erfassung der einen oder der mehreren Bilddatensätze umfasst, welche der interessierenden Region in dem interessierenden Objekt zu unterschiedlichen Zeitpunkten entsprechen.
  5. Verfahren gemäß Anspruch 4, wobei die Identifizierung der Knochenoberfläche umfasst: Erfassung eines ersten Bildes, welches der interessierenden Region bei einer unauffälligen Testperson entspricht; Erfassung eines zweiten Bildes, welches der interessierenden Region in dem interessierenden Objekt entspricht; Identifizierung eines Schallschattens in dem zweiten Bild; und Generierung einer Maske auf der Grundlage des identifizierten Schallschattens.
  6. Verfahren gemäß Anspruch 5, ferner die Verarbeitung des zweiten Bildes mit der Maske zum Zwecke der Identifizierung einer Knochenwahrscheinlichkeit umfassend.
  7. Verfahren gemäß Anspruch 6, ferner die Extrahierung der Knochenoberfläche auf der Grundlage der Knochenwahrscheinlichkeit umfassend.
  8. Verfahren gemäß Anspruch 7, wobei die Segmentierung der Gelenkkapselregion umfasst: Entwicklung eines Atlas der interessierenden Region; Bestimmung eines Punktes im Atlas, welcher sich an einer Stelle befindet, welche am weitesten entfernt von einer bestimmten Position ist; Identifizierung von einem oder mehreren Punkten im Atlas, an dem ein oder mehrere Knochenoberflächen, welche die interessierende Region bilden, beginnen, sich zu dem am weitesten entfernt liegenden Punkt hin zu krümmen; Nachprüfung einer anfänglichen Einschätzung der Position der Gelenkkapselregion; Generierung einer a-Priori-Wahrscheinlichkeit für die Gelenkkapselregion auf der Grundlage der identifizierten Knochenoberfläche; und Segmentierung der Gelenkkapselregion auf der Grundlage der a-Priori-Wahrscheinlichkeit.
  9. Verfahren gemäß Anspruch 8, wobei die Analyse der segmentierten Gelenkkapselregion umfasst: Bestimmung von Parametern, die zu der segmentierten Gelenkkapselregion gehören; und Vergleich der Parameter, die zu der segmentierten Gelenkkapselregion gehören, mit den Parametern, die zu einer unauffälligen Testperson gehören, um den Krankheitszustand zu identifizieren.
  10. Verfahren gemäß Anspruch 9, wobei die Analyse der segmentierten Gelenkkapselregion ferner die Berechnung einer Metrik umfasst, die ein Stadium des identifizierten Krankheitszustandes angibt.
  11. Verfahren gemäß Anspruch 10, wobei Analyse die segmentierten Gelenkkapselregion ferner die Bestimmung eines Volumens einer Knochenerosion in der interessierenden Region umfasst.
  12. Verfahren gemäß Anspruch 11, wobei die Bestimmung des Volumens der Knochenerosion umfasst: Identifizierung einer oder mehreren für Knochenerosion in Frage kommenden Regionen durch Messung einer Veränderung der Kurvatur der Knochenoberfläche; Einpassung von einer oder mehreren Konturen durch Ränder der Knochenerosionsregion; und Entwicklung eines oder mehrerer Punkte auf der einen oder den mehreren Konturen entlang einer Tangente zu der Knochenoberfläche, um das Volumen der einen oder der mehreren Konturen zu bestimmen.
  13. Verfahren gemäß Anspruch 12, ferner das Summieren der Volumen in Übereinstimmung mit der einen oder den mehreren Konturen zum Zwecke der Einschätzung des Volumens der Knochenerosion umfassend.
  14. Verfahren gemäß Anspruch 13, ferner die Registrierung des einen oder der mehreren Bilddatensätze auf der Grundlage der dazugehörigen identifizierten Knochenoberfläche zum Zwecke der Generierung eines registrierten Bildes umfassend.
  15. Verfahren gemäß Anspruch 14, ferner die Visualisierung des registrierten Bildes, der extrahierten Knochenoberfläche, der segmentierten Gelenkkapselregion, des identifizierten Krankheitszustandes oder Kombinationen von diesen auf einem Display umfassend.
  16. Automatisches System zur Erkennung eines Krankheitszustandes, wobei das System umfasst: Erkennungsplattform, welche umfasst: Knochenoberflächen-Identifizierungsmodul, das zur Identifizierung einer Knochenoberfläche in einem oder mehreren Bilddatensätzen konfiguriert ist, wobei der eine oder die mehreren Bilddatensätze einer interessierenden Region in einem interessierenden Objekt entsprechen; Gelenkkapsel-Segmentierungsmodul, welches zur Bestimmung einer Gelenkkapselregion in dem einen oder den mehreren Bilddatensätzen basierend auf einer dazugehörigen identifizierten Knochenoberfläche konfiguriert ist; und Analysemodul, welches zur Identifizierung des Krankheitszustandes in der segmentierten Gelenkkapselregion konfiguriert ist.
  17. System gemäß Anspruch 16, ferner ein Registrierungsmodul umfassend, das zur Registrierung des einen oder der mehreren Bilddatensätze auf der Grundlage der identifizierten Knochenoberflächen in Übereinstimmung mit dem einen oder den mehreren Bilddatensätzen zum Zwecke der Generierung eines registrierten Bildes konfiguriert ist.
  18. Computerlesbare nicht-transitorische Medien, auf denen ein computerausführbarer Code zur Durchführung folgender Verfahren gespeichert ist: Identifizierung einer Knochenoberfläche in einem oder mehreren Bilddatensätzen, wobei der eine oder die mehreren Datensätze einer interessierenden Region in einem interessierenden Objekt entsprechen; Segmentierung einer Gelenkkapselregion in Übereinstimmung mit dem einen oder den mehreren Bilddatensätzen basierend auf einer entsprechenden identifizierten Knochenoberfläche; und Analyse der segmentierten Gelenkkapselregion zur Identifizierung eines Krankheitszustandes.
  19. Computerlesbares nicht-transitorisches Medium gemäß Anspruch 18, auf welchem ein computerausführbarer Code zur Ausführung des folgenden Verfahrens gespeichert ist: Registrierung des einen oder der mehreren Bilddatensätze unter Benutzung von identifizierten Knochenoberflächen, die dem einen oder den mehreren Datensätzen entsprechen, so dass ein registriertes Bild generiert wird.
  20. Bildgebungssystem, wobei das System umfasst: Erfassungssubsystem, welches konfiguriert ist zur Erfassung einer Vielzahl von Bilddatensätzen, welche einer interessierenden Region in einem interessierenden Objekt entsprechen; Verarbeitungssubsystem, welches in operativer Verbindung mit dem Erfassungssubsystem steht und eine Erkennungsplattform aufweist, wobei die Erkennungsplattform umfasst: Knochenoberfläche-Identifizierungsmodul, welches zur Identifizierung einer Knochenoberfläche in einem oder mehreren Bilddatensätzen konfiguriert ist, wobei der eine oder die mehreren Bilddatensätze einer interessierenden Region in einem interessierenden Objekt entsprechen; Gelenkkapsel-Segmentierungsmodul, welches zur Bestimmung einer Gelenkkapselregion in dem einen oder den mehreren Bilddatensätzen basierend auf einer entsprechenden identifizierten Knochenoberfläche konfiguriert ist; und Analysemodul, welches zur Identifizierung eines Krankheitszustandes in der segmentierten Gelenkkapselregion konfiguriert ist.
  21. System gemäß Anspruch 20, ferner ein Registrierungsmodul umfassend, welches zur Registrierung eines oder mehrerer Bilddatensätze auf der Grundlage der identifizierten Knochenoberflächen in Übereinstimmung mit dem einen oder den mehreren Bilddatensätzen konfiguriert ist, so dass ein registriertes Bild generiert wird.
DE102012108121A 2011-09-06 2012-08-31 Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien Withdrawn DE102012108121A1 (de)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201161531165P 2011-09-06 2011-09-06
US61/531,165 2011-09-06
US13/249,270 US8777854B2 (en) 2011-09-06 2011-09-30 Method and system for ultrasound based automated detection, quantification and tracking of pathologies
US13/249,270 2011-09-30

Publications (1)

Publication Number Publication Date
DE102012108121A1 true DE102012108121A1 (de) 2013-03-07

Family

ID=47753661

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102012108121A Withdrawn DE102012108121A1 (de) 2011-09-06 2012-08-31 Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien

Country Status (4)

Country Link
US (1) US8777854B2 (de)
JP (1) JP5975803B2 (de)
CN (1) CN102973293A (de)
DE (1) DE102012108121A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013218047B3 (de) * 2013-09-10 2015-01-29 Siemens Aktiengesellschaft Verfahren zur automatischen Anzeige und/oder Messung von Knochenveränderungen in medizinischen Bilddaten, sowie medizinisches Bildgebungsgerät und elektronisch lesbarer Datenträger

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8167912B2 (en) * 2007-02-27 2012-05-01 The Center for Orthopedic Research and Education, Inc Modular pedicle screw system
SG11201401833UA (en) 2011-10-28 2014-05-29 Decision Sciences Int Corp Spread spectrum coded waveforms in ultrasound imaging
WO2014134188A1 (en) 2013-02-28 2014-09-04 Rivanna Medical, LLC Systems and methods for ultrasound imaging
JP6286926B2 (ja) * 2013-08-19 2018-03-07 コニカミノルタ株式会社 超音波診断装置、画像処理方法、およびプログラム
JP6191328B2 (ja) * 2013-08-19 2017-09-06 コニカミノルタ株式会社 超音波診断装置、超音波画像解析方法、およびプログラム
CN104414684B (zh) * 2013-08-19 2017-04-12 柯尼卡美能达株式会社 超声波诊断装置、超声波诊断装置的图像处理方法
JP2015039466A (ja) * 2013-08-21 2015-03-02 コニカミノルタ株式会社 超音波診断装置、画像処理方法、およびプログラム
JP6303905B2 (ja) * 2014-08-06 2018-04-04 コニカミノルタ株式会社 超音波診断装置、超音波診断装置の画像処理方法、および、画像処理プログラム
JP2015061592A (ja) * 2013-08-21 2015-04-02 コニカミノルタ株式会社 超音波診断装置、超音波画像処理方法およびコンピュータ読み取り可能な非一時的な記録媒体
JP6303912B2 (ja) 2013-08-21 2018-04-04 コニカミノルタ株式会社 超音波診断装置、超音波診断方法、及び、プログラムを格納したコンピュータ読み取り可能な非一時的な記録媒体
US9844359B2 (en) 2013-09-13 2017-12-19 Decision Sciences Medical Company, LLC Coherent spread-spectrum coded waveforms in synthetic aperture image formation
US9183225B2 (en) 2014-02-21 2015-11-10 Siemens Energy, Inc. Computerized method for transforming an image from an image-searchable domain to a pixel-searchable domain
KR101579740B1 (ko) 2014-09-01 2015-12-23 삼성메디슨 주식회사 초음파 진단장치, 그에 따른 초음파 진단 방법 및 그에 따른 컴퓨터 판독 가능한 저장매체
KR102677468B1 (ko) 2015-02-25 2024-06-27 디시전 사이선씨즈 메디컬 컴패니, 엘엘씨 음향 신호 전송 접촉매질 및 결합 매체
US10548564B2 (en) 2015-02-26 2020-02-04 Rivanna Medical, LLC System and method for ultrasound imaging of regions containing bone structure
CN104739447A (zh) * 2015-03-25 2015-07-01 井晓燕 集成超声成像诊断分析仪
CN114886412A (zh) * 2015-06-03 2022-08-12 蒙特非奥里医疗中心 用于治疗癌症和转移的低强度聚焦超声
AU2016334258B2 (en) 2015-10-08 2021-07-01 Decision Sciences Medical Company, LLC Acoustic orthopedic tracking system and methods
JP6648587B2 (ja) * 2016-03-23 2020-02-14 コニカミノルタ株式会社 超音波診断装置
CN106709930B (zh) * 2016-12-29 2020-03-31 上海联影医疗科技有限公司 三维医学图像的感兴趣体积分割方法及装置
CN107274428B (zh) * 2017-08-03 2020-06-30 汕头市超声仪器研究所有限公司 基于仿真和实测数据的多目标三维超声图像分割方法
US10726555B2 (en) * 2018-06-06 2020-07-28 International Business Machines Corporation Joint registration and segmentation of images using deep learning
EP3636161A1 (de) * 2018-10-08 2020-04-15 Koninklijke Philips N.V. Verfahren und systeme zur bestimmung von komplementären ultraschallansichten
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
CN109602451B (zh) * 2019-02-16 2021-08-10 河南科技大学第一附属医院（河南省显微外科研究所） 一种医学超声辅助自动诊断系统
CN113613905A (zh) 2019-03-06 2021-11-05 决策科学医疗有限责任公司 用于制造和分布半硬质声耦合制品的方法以及用于超声成像的包装物
WO2020219705A1 (en) 2019-04-23 2020-10-29 Allan Wegner Semi-rigid acoustic coupling articles for ultrasound diagnostic and treatment applications
CN111091909B (zh) * 2019-11-26 2022-05-31 中国信息通信研究院 一种医学影像识别方法和装置
CN113040823B (zh) * 2019-12-27 2023-03-21 深圳迈瑞生物医疗电子股份有限公司 一种超声成像设备及超声图像的分析方法
US20220392065A1 (en) 2020-01-07 2022-12-08 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US11969280B2 (en) 2020-01-07 2024-04-30 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
AU2021205821A1 (en) 2020-01-07 2022-07-21 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
CN116685847A (zh) 2020-11-13 2023-09-01 决策科学医疗有限责任公司 用于对象的合成孔径超声成像的系统和方法
CN112807024B (zh) * 2021-01-28 2022-05-24 清华大学 一种超声图像定量评估系统
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination
CN115601303A (zh) * 2022-09-09 2023-01-13 清华大学（Cn） 类风湿关节炎的活动度评价方法、装置、电子设备及介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5458130A (en) 1992-07-30 1995-10-17 Orthologic Corporation Ultrasonic therapy and assessment apparatus and method
US6246745B1 (en) * 1999-10-29 2001-06-12 Compumed, Inc. Method and apparatus for determining bone mineral density
CA2333224A1 (en) 2001-01-31 2002-07-31 University Technologies International Inc. Non-invasive diagnostic method and apparatus for musculoskeletal systems
AU2003252124A1 (en) * 2002-07-22 2004-02-09 Compumed, Inc. Method, code, and system for assaying joint deformity
US7555153B2 (en) 2004-07-01 2009-06-30 Arthrovision Inc. Non-invasive joint evaluation
WO2009042644A2 (en) * 2007-09-25 2009-04-02 Perception Raisonnement Action En Medecine Methods and apparatus for assisting cartilage diagnostic and therapeutic procedures
EP2252953A1 (de) 2008-02-04 2010-11-24 Iain Alexander Anderson Muskel-skelett-therapien mit integriertem modell
JP5302578B2 (ja) * 2008-06-18 2013-10-02 日立アロカメディカル株式会社 超音波診断装置
US9078592B2 (en) 2008-10-27 2015-07-14 Wisconsin Alumni Research Foundation Ultrasonic strain imaging device with selectable cost-function
US8900146B2 (en) 2009-07-27 2014-12-02 The Hong Kong Polytechnic University Three-dimensional (3D) ultrasound imaging system for assessing scoliosis
JP2013051998A (ja) * 2011-08-31 2013-03-21 Toshiba Corp 超音波診断装置及び超音波診断装置の制御プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013218047B3 (de) * 2013-09-10 2015-01-29 Siemens Aktiengesellschaft Verfahren zur automatischen Anzeige und/oder Messung von Knochenveränderungen in medizinischen Bilddaten, sowie medizinisches Bildgebungsgerät und elektronisch lesbarer Datenträger

Also Published As

Publication number Publication date
US20130060121A1 (en) 2013-03-07
JP5975803B2 (ja) 2016-08-23
JP2013056156A (ja) 2013-03-28
US8777854B2 (en) 2014-07-15
CN102973293A (zh) 2013-03-20

Similar Documents

Publication Publication Date Title
DE102012108121A1 (de) Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien
DE102009033286B4 (de) Scherwellenbildgebung
CN110325119B (zh) 卵巢卵泡计数和大小确定
JP4652023B2 (ja) 病気の発見に役立つ画像データの処理方法及び装置
JP4469594B2 (ja) 疾患関連組織変化を測定するシステム
US11373301B2 (en) Image diagnostic device, image processing method, and program for obtaining diagnostic prediction models using deep learning
DE102007057884A1 (de) Speicherung von Bildgebungsparametern
JP2015061592A (ja) 超音波診断装置、超音波画像処理方法およびコンピュータ読み取り可能な非一時的な記録媒体
JP2013542046A (ja) 超音波画像処理のシステムおよび方法
US8727989B2 (en) Automatic diagnosis support apparatus, ultrasonic diagnosis apparatus, and automatic diagnosis support method
CN103720489A (zh) 病变组织生长监测方法和系统
de Ruijter et al. Automated 3D geometry segmentation of the healthy and diseased carotid artery in free‐hand, probe tracked ultrasound images
CN111683600A (zh) 用于根据超声图像获得解剖测量的设备和方法
CN112603373A (zh) 用于经由超声成像来诊断肌腱损伤的方法和系统
US11672503B2 (en) Systems and methods for detecting tissue and shear waves within the tissue
US20120078101A1 (en) Ultrasound system for displaying slice of object and method thereof
CN108463174B (zh) 用于表征对象的组织的装置和方法
CN108720870A (zh) 一种基于超声衰减系数的脂肪肝检测系统
Loizou Ultrasound image analysis of the carotid artery
CN111862014A (zh) 一种基于左右侧脑室分割的alvi自动测量方法及装置
CN117036302B (zh) 主动脉瓣膜钙化程度的确定方法和系统
CN116486021B (zh) 基于ct密度值与超声灰度值的三维模型构建方法及系统
US20240119705A1 (en) Systems, methods, and apparatuses for identifying inhomogeneous liver fat
Hliboký et al. State-of-the-art in lung ultrasound processing-brief review
Lu Hough transforms for shape identification and applications in medical image processing

Legal Events

Date Code Title Description
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20150303