本公開總體上涉及用于分析肺超聲成像以提供關(guān)于肺相關(guān)臨床特征的信息的方法和系統(tǒng)。
背景技術(shù)：
1、肺超聲成像是疾病篩查、監(jiān)測、診斷支持和管理的重要工具。可以使用肺超聲來識別重要的臨床特征——諸如b線、合并的b線、胸膜線改變、實(shí)變和胸腔積液等。這些特征的存在是一系列肺部和感染性疾病(包括covid-19肺炎)的預(yù)測因子。然而，使用肺超聲有效識別臨床特征可能取決于操作者經(jīng)驗(yàn)、圖像質(zhì)量和成像設(shè)置的選擇以及其他變量。因此，就學(xué)習(xí)而言識別臨床特征是一項(xiàng)具有挑戰(zhàn)性的技能，成功通常需要廣泛的專門培訓(xùn)和經(jīng)驗(yàn)。
2、自動量化工具提供簡化和標(biāo)準(zhǔn)化圖像解釋任務(wù)(包括超聲分析)的潛力。研究表明，自動肺超聲特征與專家評分之間存在相關(guān)性，也與金標(biāo)準(zhǔn)測量(諸如血液檢測或胸部ct)之前存在相關(guān)性。自動分析甚至可以用于診斷諸如covid-19肺炎的狀況。利用傳統(tǒng)圖像處理技術(shù)的自動化工具非常適合提取支持人類臨床解釋的可解釋圖像參數(shù)。圖像處理方法還受益于簡單、速度和通用性方面的潛在優(yōu)點(diǎn)。然而，一個顯著的缺點(diǎn)是這些技術(shù)的性能很大程度上取決于手工參數(shù)的辨別力。
3、作為使用從傳統(tǒng)圖像處理算法中導(dǎo)出的手工參數(shù)的替代方案，基于機(jī)器學(xué)習(xí)和人工智能的技術(shù)已經(jīng)在醫(yī)學(xué)成像領(lǐng)域(包括用于肺超聲應(yīng)用)越來越受歡迎。
4、雖然用于檢測和分類肺超聲特征的自動化算法是有益的，但是仍然需要訓(xùn)練有素的人類操作者對特征進(jìn)行審查和報告。然而，這種人類審查可能很耗時。例如，許多臨床肺部超聲特征(例如，b線、肺部滑動、動態(tài)支氣管充氣征)需要動態(tài)視圖來評估特征的類型或質(zhì)量。整個視頻循環(huán)的整個視頻回放對于審查或報告僅存在于視頻的一部分中的個別特征來說效率低下，因?yàn)樵撨^程需要重復(fù)回放視頻的整個持續(xù)時間(其中僅一部分可能有利于評估任何特定特征)，或者重復(fù)開始/停止和重放手動選擇的視頻部分。此外，大多數(shù)肺超聲檢查包括多個視頻，每個視頻可能需要分析。因此，審查者必須管理作為檢查一部分的多個視頻的信息，以便確定患者的總體狀態(tài)。
5、us2020/043602a1描述了一種臨床狀況檢測系統(tǒng)，其包括與超聲成像設(shè)備通信并被配置為接收超聲圖像幀序列的通信設(shè)備。
6、us2020/054306a1描述了一種智能系統(tǒng)，其包括電子電路，該電子電路被配置為執(zhí)行神經(jīng)網(wǎng)絡(luò)，并且在執(zhí)行神經(jīng)網(wǎng)絡(luò)時檢測身體部位的圖像中的至少一個特征。
技術(shù)實(shí)現(xiàn)思路
1、因此，需要能夠分析一個或多個肺超聲視頻(也稱為電影回放“cineloop”)以識別與肺相關(guān)的臨床特征的自動肺超聲分析工具。
2、本公開涉及用于分析超聲肺成像的創(chuàng)造性方法和系統(tǒng)。本文的各種實(shí)施例和實(shí)現(xiàn)涉及一種超聲分析系統(tǒng)，該超聲分析系統(tǒng)任選地包括被配置為獲得患者肺的超聲圖像的超聲設(shè)備。該系統(tǒng)接收患者的一個或兩個肺的多個不同區(qū)域中的一個或多個的超聲圖像數(shù)據(jù)的時間序列。第一經(jīng)訓(xùn)練的臨床肺特征識別算法分析所接收的超聲圖像數(shù)據(jù)的時間序列，以識別患者的肺中的第一臨床特征，其中識別第一臨床特征包括分析時間序列中的多個幀，并且其中識別第一臨床特征包括識別第一臨床特征在多個幀內(nèi)的位置。系統(tǒng)的經(jīng)訓(xùn)練的臨床肺特征嚴(yán)重性算法分析所識別的第一臨床特征，以表征所識別的第一臨床特征的嚴(yán)重性?？蛇x地，經(jīng)訓(xùn)練的臨床特征優(yōu)先級排序算法分析一個或多個所識別的臨床特征，以對這些特征的報告進(jìn)行優(yōu)先級排序。系統(tǒng)的用戶界面提供所識別的第一臨床特征和所表征的第一臨床特征的嚴(yán)重性，并且可選地提供一個或多個所識別的臨床特征的優(yōu)先級排序。
3、通常在一個方面，提供了一種用于分析超聲圖像數(shù)據(jù)的方法。該方法包括：(i)接收患者的一個或兩個肺的多個不同區(qū)域中的一個或多個區(qū)域的超聲圖像數(shù)據(jù)的時間序列；(ii)使用第一經(jīng)訓(xùn)練的臨床肺特征識別算法分析所接收的超聲圖像數(shù)據(jù)的時間序列，以識別所述患者的肺中的第一臨床特征，其中，識別所述第一臨床特征包括分析所述時間序列中的多個幀，并且其中，識別所述第一臨床特征包括識別所述第一臨床特征在所述多個幀內(nèi)的位置；(iii)使用經(jīng)訓(xùn)練的臨床肺部特征嚴(yán)重性算法分析所識別的第一臨床特征，以表征所識別的第一臨床特征的嚴(yán)重性；并且(iv)經(jīng)由用戶界面提供所識別的第一臨床特征和所表征的所述第一臨床特征的嚴(yán)重性。
4、根據(jù)實(shí)施例，該方法還包括使用所述經(jīng)訓(xùn)練的臨床肺部特征識別算法分析所接收的超聲圖像數(shù)據(jù)的時間序列，以識別所述患者的肺中的第二臨床特征，其中，所述第二臨床特征不同于所述第一臨床特征；并且使用所述經(jīng)訓(xùn)練的臨床肺特征嚴(yán)重性算法分析所識別的第二臨床特征，以表征所識別的第二臨床特征的嚴(yán)重性；其中，所述提供的步驟還包括經(jīng)由所述用戶界面提供所識別的第二臨床特征和所表征的所述第二臨床特征的嚴(yán)重性。
5、根據(jù)實(shí)施例，該方法還包括使用第二經(jīng)訓(xùn)練的臨床肺部特征識別算法分析所接收的超聲圖像數(shù)據(jù)的時間序列，以識別所述患者的肺中的第二臨床特征，其中，所述第二臨床特征不同于所述第一臨床特征；并且使用所述經(jīng)訓(xùn)練的臨床肺特征嚴(yán)重性算法分析所識別的第二臨床特征，以表征所識別的第二臨床特征的嚴(yán)重性；其中，所述提供的步驟還包括經(jīng)由所述用戶界面提供所識別的第二臨床特征和所表征的所述第二臨床特征的嚴(yán)重性。
6、根據(jù)實(shí)施例，該方法還包括使用經(jīng)訓(xùn)練的臨床特征優(yōu)先級排序算法對所識別的第一臨床特征或所識別的第二臨床特征進(jìn)行優(yōu)先級排序，其中，優(yōu)先級排序基于以下中的一個或多個：所識別的臨床特征的類型、所表征的所述第一臨床特征和第二臨床特征的嚴(yán)重性、超聲圖像數(shù)據(jù)的所述時間序列中的所述第一臨床特征和/或第二臨床特征的定時，和/或所述患者的疑似或診斷的臨床狀況；其中，所述提供的步驟還包括提供所述優(yōu)先級排序。
7、根據(jù)實(shí)施例，識別所述第一臨床特征在所述多個幀內(nèi)的位置包括識別跨多個幀的時空位置。
8、根據(jù)實(shí)施例，提供所識別的第一臨床特征和所表征的所述第一臨床特征的嚴(yán)重性包括提供所接收的超聲圖像數(shù)據(jù)的時間序列的子集，所述子集包括所識別的第一臨床特征的所識別的位置。根據(jù)實(shí)施例，所述子集是時間序列。根據(jù)實(shí)施例，所述子集是靜態(tài)圖像。
9、根據(jù)實(shí)施例，該方法還包括經(jīng)由所述用戶界面從用戶接收關(guān)于所提供的所識別的第一臨床特征和/或所表征的所述第一臨床特征的嚴(yán)重性的反饋。根據(jù)實(shí)施例，所述反饋包括對所表征的所述第一臨床特征的嚴(yán)重性的調(diào)整、對超聲圖像數(shù)據(jù)的所述時間序列中的一個或多個幀的選擇、對所述特征的接受或拒絕和/或?qū)μ卣鞯念愋偷母淖儭?/p>
10、根據(jù)實(shí)施例，該方法還包括基于所接收的反饋來生成包括所識別的第一臨床特征和/或所表征的所述第一臨床特征的嚴(yán)重性的報告。
11、根據(jù)另一方面，超聲分析系統(tǒng)被配置為分析超聲圖像數(shù)據(jù)。該系統(tǒng)包括：患者的一個或兩個肺的多個不同區(qū)域中的一個或多個區(qū)域的超聲圖像數(shù)據(jù)的時間序列；經(jīng)訓(xùn)練的臨床肺特征識別算法，其被配置為分析所接收的超聲圖像數(shù)據(jù)的時間序列，以識別所述患者的肺中的第一臨床特征，其中，識別所述第一臨床特征包括分析所述時間序列中的多個幀，并且其中，識別所述第一臨床特征包括識別所述第一臨床特征在所述多個幀內(nèi)的位置；經(jīng)訓(xùn)練的臨床肺特征嚴(yán)重性算法，其被配置為分析所識別的第一臨床特征，以表征所識別的第一臨床特征的嚴(yán)重性；處理器，其被配置為：(i)使用所述經(jīng)訓(xùn)練的臨床肺特征識別算法分析所接收的超聲圖像數(shù)據(jù)的時間序列，以識別所述患者的肺中的第一臨床特征；(ii)使用所述經(jīng)訓(xùn)練的臨床肺特征嚴(yán)重性算法分析所識別的第一臨床特征，以表征所識別的第一臨床特征的嚴(yán)重性；以及用戶界面，其被配置為提供所識別的第一臨床特征和所表征的所述第一臨床特征的嚴(yán)重性。
12、根據(jù)實(shí)施例，該系統(tǒng)還包括經(jīng)訓(xùn)練的臨床特征優(yōu)先級排序算法，該經(jīng)訓(xùn)練的臨床特征優(yōu)先級排序算法被配置為對一個或多個所識別的臨床特征進(jìn)行優(yōu)先級排序；所述處理器還被配置為使用經(jīng)訓(xùn)練的臨床特征優(yōu)先級排序算法對一個或多個所識別的臨床特征進(jìn)行優(yōu)先級排序，其中，優(yōu)先級排序基于以下中的一個或多個：所識別的臨床特征的類型、所表征的所述第一臨床特征和第二臨床特征的嚴(yán)重性、超聲圖像數(shù)據(jù)的所述時間序列中的所述第一臨床特征和/或第二臨床特征的定時，和/或所述患者的疑似或診斷的臨床狀況；并且所述用戶界面還被配置為提供所述優(yōu)先級排序。
13、根據(jù)實(shí)施例，處理器還被配置為經(jīng)由用戶界面從用戶接收關(guān)于所提供的所識別的第一臨床特征和/或所表征的所述第一臨床特征的嚴(yán)重性的反饋。根據(jù)實(shí)施例，處理器還被配置為基于所接收的反饋來生成包括所識別的第一臨床特征和/或所表征的所述第一臨床特征的嚴(yán)重性的報告。
14、根據(jù)實(shí)施例，所述用戶界面還包括超聲圖像數(shù)據(jù)的時間序列和所識別的第一臨床特征的概要顯示，其中，用戶能夠選擇時間序列和/或所識別的第一臨床特征的區(qū)域以供審查。根據(jù)實(shí)施例，在由用戶審查之后，超聲圖像數(shù)據(jù)的所述時間序列和/或所識別的第一臨床特征的所述概要顯示由所述處理器更新以示出所述審查的狀態(tài)。
15、應(yīng)當(dāng)理解，前述概念和下面更詳細(xì)討論的附加概念的所有組合(只要這些概念不相互矛盾)被認(rèn)為是本文公開的發(fā)明主題的一部分。特別地，出現(xiàn)在本公開的結(jié)尾處的所要求保護(hù)的主題的所有組合被認(rèn)為是本文公開的發(fā)明主題的一部分。
16、本發(fā)明的這些和其它方面將從下文描述的實(shí)施例顯而易見并且參考下文描述的實(shí)施例進(jìn)行闡述。