用于提供增强的超声图像的方法和系统

技术领域

某些实施方案涉及超声成像。更具体地讲，某些实施方案涉及通过处理在低声功率下采集的超声图像来提供模拟在高声功率下的采集的增强的超声图像的方法和系统。

背景技术

超声成像是用于对人体中的器官和软组织进行成像的医学成像技术。超声成像使用实时的、非侵入性高频声波来产生一系列二维(2D)图像和/或三维(3D)图像。

目前，美国食品和药品管理局(FDA)出于安全原因要求诊断超声成像系统在一定声学输出限制下操作。然而，当相同扫描目标的传输声功率降低时，超声图像质量恶化。对比增强超声(CEUS)涉及使用微泡造影剂和专门的成像技术以使血流和组织灌注信息更好地可视化。因此，CEUS传输比常规极限低得多的声功率(例如，约10％)以避免破坏造影剂的微泡。在CEUS中，具有低传输功率的B模式图像通常与对比增强图像并排显示以提供解剖参考。由于低传输功率，与在典型声功率下采集的B模式图像相比，参考图像通常遭受更少的穿透、更少的对比度、更低的空间分辨率和更高的背景噪声。

此外，美国医学超声学会(AIUM)和英国医学超声学会(BMUS)指南倡导降低产科超声扫描的声功率，以及降低眼科超声扫描的管理限制。与以较高声功率采集的图像相比，这些超声图像也具有较低的质量。

通过将此类系统与本申请的其余部分中参考附图阐述的本公开的一些方面进行比较，常规和传统方法的进一步限制和缺点对本领域的技术人员将变得显而易见。

发明内容

提供了用于增强以低声功率采集的超声图像以模拟在高声功率下的采集的系统和/或方法，其基本上如结合至少一个附图所示和/或所述，如在权利要求书中更完整地阐述。

从以下描述和附图将更全面地理解本公开的这些和其他优点、方面和新颖特征、以及其例示的实施方案的细节。

附图说明

图1是根据各种实施方案的示例性超声系统和训练系统的框图，该超声系统和训练系统可操作以增强在低声功率下采集的超声图像以模拟在高声功率下的采集。

图2是示出根据各种实施方案的可用于增强在低声功率下采集的超声图像以模拟在高声功率下的采集的示例性步骤的流程图。

图3是示出根据各种实施方案的可用于增强在低声功率下采集的超声图像以模拟在高声功率下的采集的示例性步骤的流程图。

具体实施方式

某些实施方案可见于用于增强在低声功率下采集的超声图像以模拟在高声功率下的采集的方法和系统中。各种实施方案具有通过在不破坏造影剂或超过安全限制的情况下增强以低或有限声学输出采集的图像来提供更高质量超声图像的技术效果。本公开的各方面具有增强用于需要较低或有限传输声功率的超声应用和/或模式的图像质量的技术效果。

当结合附图阅读时，将更好地理解前述发明内容以及以下对某些实施方案的具体实施方式。就附图示出各种实施方案的功能块的图的范围而言，这些功能块不一定表示硬件电路之间的划分。因此，例如，一个或多个功能块(例如，处理器或存储器)可以在单件硬件(例如，通用信号处理器或随机存取存储器块、硬盘等)或多件硬件中来实现。类似地，程序可以是独立程序，可以作为子例程包含在操作系统中，可以是安装的软件包中的功能等。应当理解，各种实施方案不限于附图中所示的布置和工具。还应当理解，可以组合实施方案，或者可以利用其他实施方案，并且可以在不脱离各种实施方案的范围的情况下做出结构的、逻辑的和电气的改变。因此，以下详述不应视为限制性意义，并且本公开的范围由所附权利要求书及其等同物限定。

如本文所用，以单数形式列举并且以单词“一”或“一个”开头的元件或步骤应当被理解为不排除多个所述元件或步骤，除非明确说明此类排除。此外，对“示例性实施方案”、“各种实施方案”、“某些实施方案”、“代表性的实施方案”等的引用不旨在被解释为排除存在也结合了叙述的特征的附加实施方案。此外，除非明确地相反说明，否则“包含”、“包括”或“具有”具有特定属性的一个元素或多个元素的实施方案可以包括不具有该属性的附加元素。

另外，如本文所用，术语“图像”广义地是指可视图像和表示可视图像的数据两者。然而，许多实施方案生成(或被配置为生成)至少一个可视图像。此外，如本文所用，短语“图像”用于指超声模式，诸如B模式(2D模式)、M模式、三维(3D)模式、CF模式、PW多普勒、CW多普勒、对比增强超声(CEUS)，和/或B模式和/或CF的子模式，诸如谐波成像、剪切波弹性成像(SWEI)、应变弹性成像、TVI、PDI、B-flow、MVI、UGAP，并且在某些情况下还包括MM、CM、TVD，其中“图像”和/或“平面”包括单个波束或多个波束。

此外，如本文所用，术语处理器或处理单元是指可执行各种实施方案需要的所需计算的任何类型的处理单元，诸如单核或多核：CPU、加速处理单元(APU)、图形处理单元(GPU)、DSP、FPGA、ASIC或它们的组合。

应当指出的是，本文所述的生成或形成图像的各种实施方案可包括用于形成图像的处理，该处理在一些实施方案中包括波束形成，而在其他实施方案中不包括波束形成。例如，可在不进行波束形成的情况下形成图像，诸如通过将解调数据的矩阵乘以系数矩阵，使得乘积是图像，并且其中该过程不形成任何“波束”。另外，可使用可能源自多于一个发射事件的信道组合(例如，合成孔径技术)来执行图像的形成。

在各种实施方案中，例如，在软件、固件、硬件或它们的组合中执行超声处理以形成图像，包括超声波束形成，诸如接收波束形成。具有根据各种实施方案形成的软件波束形成器架构的超声系统的一个具体实施在图1中示出。

图1是根据各种实施方案的示例性超声系统100和训练系统200的框图，该超声系统和训练系统可操作以增强在低声功率下采集的超声图像以模拟在高声功率下的采集。参见图1，示出了超声系统100和训练系统200。超声系统100包括发射器102、超声探头104、发射波束形成器110、接收器118、接收波束形成器120、A/D转换器122、RF处理器124、RF/IQ缓冲器126、用户输入设备130、信号处理器132、图像缓冲器136、显示系统134和档案138。

发射器102可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为驱动超声探头104。超声探头104可包括压电元件的二维(2D)阵列。超声探头104可包括通常构成相同元件的一组发射换能器元件106和一组接收换能器元件108。在某些实施方案中，超声探头104可操作为采集覆盖解剖结构(诸如心脏、血管或任何合适的解剖结构)的至少大部分的超声图像数据。

发射波束形成器110可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为控制发射器102，该发射器通过发射子孔径波束形成器114驱动该组发射换能器元件106以将超声发射信号发射到感兴趣区域(例如，人、动物、地下空腔、物理结构等)中。发射的超声信号可从感兴趣对象中的结构(如血细胞或组织)反向散射，以产生回波。回波由接收换能器元件108接收。

超声探头104中的一组接收换能器元件108可操作为将所接收的回波转换为模拟信号，通过接收子孔径波束形成器116进行子孔径波束形成，然后传送到接收器118。接收器118可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为接收来自接收子孔径波束形成器116的信号。可以将模拟信号传送到多个A/D转换器122中的一个A/D转换器。

多个A/D转换器122可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为将来自接收器118的模拟信号转换为对应的数字信号。多个A/D转换器122设置在接收器118与RF处理器124之间。尽管如此，本公开在这方面并不受限制。因此，在一些实施方案中，多个A/D转换器122可被集成在接收器118内。

RF处理器124可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为解调由多个A/D转换器122输出的数字信号。根据一个实施方案，RF处理器124可包括复解调器(未示出)，该复解调器可用于解调数字信号以形成代表对应回波信号的I/Q数据对。然后可将RF或I/Q信号数据传送到RF/IQ缓冲器126。RF/IQ缓冲器126可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为提供由RF处理器124生成的RF或I/Q信号数据的临时存储。

接收波束形成器120可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为执行数字波束形成处理以例如对经由RF/IQ缓冲器126从RF处理器124所接收的延迟信道信号求和并且输出波束求和信号。所得到的处理的信息可以是从接收波束形成器120输出并且传送到信号处理器132的波束求和信号。根据一些实施方案，接收器118、多个A/D转换器122、RF处理器124和波束形成器120可被集成到单个波束形成器中，该单个波束形成器可以是数字的。在各种实施方案中，超声系统100包括多个接收波束形成器120。

用户输入设备130可用于输入患者数据、扫描参数、设置、选择协议和/或模板等。在示例性实施方案中，用户输入设备130可操作为配置、管理和/或控制超声系统100中的一个或多个部件和/或模块的操作。就这一点而言，用户输入设备130可用于配置、管理和/或控制发射器102、超声探头104、发射波束形成器110、接收器118、接收波束形成器120、RF处理器124、RF/IQ缓冲器126、用户输入设备130、信号处理器132、图像缓冲器136、显示系统134和/或档案138的操作。用户输入设备130可包括一个或多个按钮、一个或多个旋转编码器、触摸屏、运动跟踪、语音识别、鼠标设备、键盘、相机和/或能够接收用户指令的任何其它设备。在某些实施方案中，例如，可将用户输入设备130中的一个或多个用户输入设备集成到其他部件(诸如显示系统134或超声探头104)中。例如，用户输入设备130可包括触摸屏显示器。

信号处理器132可包括合适的逻辑、电路、接口和/或代码，该逻辑、电路、接口和/或代码可操作为处理超声扫描数据(即，求和的IQ信号)以生成用于在显示系统134上呈现的超声图像。信号处理器132可操作为根据所采集的超声扫描数据上的多个可选择超声模态来执行一个或多个处理操作。在示例性实施方案中，信号处理器132可用于执行显示处理和/或控制处理等。随着接收到回波信号，可以在扫描会话期间实时处理采集的超声扫描数据。除此之外或另选地，超声扫描数据可在扫描会话期间暂时存储在RF/IQ缓冲器126中并且在在线操作或离线操作中以不太实时的方式处理。在各种实施方案中，处理的图像数据可呈现在显示系统134处和/或可存储在档案138处。档案138可以是本地档案、图片归档和通信系统(PACS)，或用于存储图像和相关信息的任何合适的设备。

信号处理器132可以是一个或多个中央处理单元、图形处理单元、微处理器、微控制器等。例如，信号处理器132可以是集成部件，或者可分布在各个位置。在示例性实施方案中，信号处理器132可包括模拟声功率增强处理器140并且可能够从用户输入设备130和/或档案138接收输入信息，生成可由显示系统134显示的输出，并且响应于来自用户输入设备130的输入信息来操纵输出等。信号处理器132和模拟声功率增强处理器140可能够执行例如根据各种实施方案的本文所讨论的方法和/或指令集中的任一者。

超声系统100可操作为以适于所考虑的成像情况的帧速率连续采集超声扫描数据。典型的帧速率在20-120的范围内，但可更低或更高。所采集的超声扫描数据可以与帧速率相同、或更慢或更快的显示速率显示在显示系统134上。图像缓冲器136被包括以用于存储未被安排立即显示的所采集的超声扫描数据的处理的帧。优选地，图像缓冲器136具有足够的容量来存储至少几分钟的超声扫描数据的帧。超声扫描数据的帧以根据其采集顺序或时间易于从其取回的方式存储。图像缓冲器136可体现为任何已知的数据存储介质。

信号处理器132可包括模拟声功率增强处理器140，该模拟声功率增强处理器包括合适的逻辑、电路、接口和/或代码，其可操作以处理低声功率超声图像以生成模拟高声功率的超声图像。例如，模拟声功率增强处理器140可以接收在低声功率下采集的超声图像，诸如对比增强超声(CEUS)参考图像，产科超声图像、眼科超声图像、具有美国食品和药品管理局(FDA)限制内的声功率电平的图像、和/或在低声功率下采集的任何合适的超声图像。模拟声功率增强处理器140可被配置为生成增强对比度分辨率、空间分辨率、降低噪声等的超声图像，使得所生成的超声图像看起来是在较高的声功率下采集的。在代表性实施方案中，模拟声功率增强处理器140可以包括人工智能模型/深度神经网络(例如，卷积神经网络)并且/或者可利用任何合适形式的人工智能图像处理技术或机器学习处理功能，该人工智能图像处理技术或机器学习处理功能被配置为处理在低声功率下采集的超声图像以生成具有模拟的较高声功率的超声图像。

模拟声功率增强处理器140可以包括合适的逻辑、电路、接口和/或代码，其可操作以增强在低声功率下采集的超声图像以模拟在高声功率下的采集。在各种实施方案中，模拟声功率增强处理器140可部署深度神经网络(例如，人工智能模型)，该深度神经网络可由例如输入层、输出层以及输入层和输出层之间的一个或多个隐藏层构成。每个层可由可称为神经元的多个处理节点构成。例如，模拟声功率增强处理器140可推断包括输入层的人工智能模型，该输入层具有用于来自解剖结构的扫描平面的每个像素或一组像素的神经元。输出层可具有与模拟较高声功率下的采集的所生成的超声图像的增强像素相对应的神经元。例如，输出层可以生成具有降低的噪声和增加的对比度分辨率和空间分辨率的增强的超声图像，以模拟比采集输入超声图像的声功率更大的声功率。每个层的每个神经元可执行处理功能，并且将处理的超声图像信息传递到下游层的多个神经元中的一个神经元以用于进一步处理。例如，第一层的神经元可学习识别超声图像数据中的结构边缘。第二层的神经元可学习以基于来自第一层的检测边缘识别形状。第三层的神经元可学习所识别的形状相对于超声图像数据中的标志的位置。由模拟声功率增强处理器140执行的推断深度神经网络(例如，卷积神经网络)的处理可以高概率度增强低声功率超声图像数据。

在示例性实施方案中，模拟声功率增强处理器140可包括合适的逻辑、电路、接口和/或代码，其可操作以通过将低声功率超声图像与在较高声功率下采集的相同患者解剖结构的先前采集的超声图像配准和匹配来处理低声功率超声图像。模拟声功率增强处理器140可被配置为混合和/或组合配准和匹配的低声功率图像和高声功率图像，以生成模拟高于低声功率超声图像的声功率的增强的超声图像。

模拟声功率增强处理器140可以包括合适的逻辑、电路、接口和/或代码，其可可操作以将低声功率超声图像与高声功率超声图像配准和匹配。在各种实施方案中，模拟声功率增强处理器140可部署深度神经网络，该深度神经网络可由例如输入层、输出层以及输入层和输出层之间的一个或多个隐藏层构成。每个层可由可称为神经元的多个处理节点构成。例如，模拟声功率增强处理器140可推断包括输入层的人工智能模型，该输入层具有用于来自解剖结构的扫描平面的每个像素或一组像素的神经元。输出层可以具有与标志和/或所识别的解剖结构的位置相对应的神经元。例如，输出层可包括用于神经位置、血管位置、骨位置、器官位置或任何合适的解剖结构位置的神经元。每个层的每个神经元可执行处理功能，并且将处理的超声图像信息传递到下游层的多个神经元中的一个神经元以用于进一步处理。例如，第一层的神经元可学习识别超声图像数据中的结构边缘。第二层的神经元可学习以基于来自第一层的检测边缘识别形状。第三层的神经元可学习所识别的形状相对于超声图像数据中的标志的位置。由模拟声功率增强处理器140执行的部署深度神经网络(例如，卷积神经网络)的处理可以高概率度将低声功率超声图像和高声功率超声图像中的解剖结构配准和匹配。

仍然参见图1，显示系统134可以是能够将视觉信息传送给用户的任何设备。例如，显示系统134可包括液晶显示器、发光二极管显示器、和/或任何合适的一种或多种显示器。显示系统134可能够操作以呈现超声图像和/或任何合适的信息。例如，显示系统134可操作以在呈现模拟在高声功率下的采集的增强超声图像，或任何合适的信息。

档案138可以是与超声系统100集成和/或可通信地耦接(例如，通过网络)到超声系统100的一个或多个计算机可读存储器，诸如图像归档和通信系统(PACS)、服务器、硬盘、软盘、CD、CD-ROM、DVD、紧凑存储装置、闪存存储器、随机存取存储器、只读存储器、电可擦除和可编程只读存储器，和/或任何合适的存储器。档案138可包括例如由信号处理器132访问和/或结合到信号处理器132的数据库、库、信息集或其他存储器。例如，档案138能够暂时或永久地存储数据。档案138可能能够存储医学图像数据、由信号处理器132生成的数据和/或信号处理器132可读取的指令等。在各种实施方案中，档案138存储例如在低声功率下采集的超声图像，在高声功率下采集的超声图像，模拟高声功率的增强的超声图像，能够部署以生成增强的超声图像的人工智能模型，用于配准和匹配高声功率超声图像和低声功率超声图像的人工智能模型，以及用于混合和/或组合配准和匹配的高声功率超声图像和低声功率超声图像的指令。

超声系统100的部件可在软件、硬件、固件等中实现。超声系统100的各种部件可以通信地连接。超声系统100的部件可单独实现和/或以各种形式集成。例如，显示系统134和用户输入设备130可集成为触摸屏显示器。

仍然参见图1，训练系统200可包括训练引擎210和训练数据库220。训练引擎160可包括合适的逻辑、电路、接口和/或代码，其可操作以训练由模拟声功率增强处理器140推断(即，部署)的深度神经网络(例如，人工智能模型)的神经元。例如，由模拟声功率增强处理器140推断的人工智能模型可被训练以自动处理低声功率超声图像，以通过以下方式来生成模拟在较高声功率下的采集的超声图像：增强在低声功率下采集的所接收的超声图像的对比度分辨率、空间分辨率，并且降低其噪声。例如，训练引擎210可训练由模拟声功率增强处理器140使用各种结构的分类成对超声图像的数据库220部署的深度神经网络。成对的超声图像可包括在低声功率下采集的第一超声图像和在高声功率下采集的相同解剖结构的第二超声图像。在各种实施方案中，可使用仿组织体模来模拟高声功率超声图像的解剖结构，使得在超声扫描期间可超过FDA限制。例如，由模拟声功率增强处理器140推断的人工智能模型可以由训练引擎210用具有不同声功率采集电平的成对超声图像来训练，以相对于在不同声功率电平下采集的图像数据的特性训练由模拟声功率增强处理器140部署的模型，诸如结构边缘的外观、基于边缘的结构形状的外观、噪声的外观和/或存在等。

又如，可训练由模拟声功率增强处理器140推断的深度神经网络以将在低声功率下采集的超声图像与在高声功率下采集的超声图像自动配准和匹配。例如，训练引擎210可训练由模拟声功率增强处理器140使用各种结构的分类超声图像的数据库220推断的深度神经网络。超声图像可包括在不同声功率电平下采集的解剖结构的图像。例如，由模拟声功率增强处理器140推断的深度神经网络可由训练引擎210在不同声功率采集电平下用各种解剖结构的超声图像来训练，以相对于所采集的图像数据中描绘的解剖结构的特性(诸如结构边缘的外观、基于边缘的结构形状的外观、形状相对于超声图像数据中的标志的位置等)训练由模拟声功率增强处理器140部署的深度神经网络。在示例性实施方案中，结构位置可包括神经位置、血管位置、骨位置、器官位置或任何合适的解剖结构位置。结构信息可包括关于器官、神经、血管、组织等的边缘、形状和位置的信息。

在各种实施方案中，训练图像的数据库220可以是图片归档和通信系统(PACS)或任何合适的数据存储介质。在某些实施方案中，训练引擎210和/或训练图像数据库220可以是经由有线或无线连接通信地耦接到超声系统100的远程系统，如图1所示。除此之外和/或另选地，训练系统200的部件或全部可以以各种形式与超声系统100集成。

图2是示出根据各种实施方案的可用于增强在低声功率下采集的超声图像以模拟在高声功率下的采集的示例性步骤302-306的流程图300。参见图2，示出了包括示例性步骤302至306的流程图300。某些实施方案可省略一个或多个步骤，和/或以与所列顺序不同的顺序执行步骤，和/或组合下文讨论的某些步骤。例如，在某些实施方案中可能不执行一些步骤。又如，某些步骤可能以与下面所列时间顺序不同的时间顺序执行，包括同时执行。

在步骤302处，超声系统100在低声功率下采集超声图像。例如，超声系统100可利用定位在感兴趣的区域上方的扫描位置处的超声探头104来采集超声图像。施加以采集图像的声功率可为低电平，诸如在FDA限制内和/或根据AIUM和/或BMUS指南。所采集的超声图像可以是CEUS图像、产科超声图像、眼科超声图像或任何合适的图像。

在步骤304处，超声系统100的信号处理器132可通过推断人工智能模型以生成模拟高声功率的第二超声图像来处理低声功率超声图像。例如，信号处理器132的模拟声功率增强处理器140可被配置为增强在步骤302处采集的超声图像的对比度分辨率、空间分辨率、降低其噪声等，以生成超声图像，该超声图像具有在高于获得所采集的超声图像的声功率的声功率下采集的图像的外观。模拟声功率增强处理器140可以部署人工智能模型、人工智能图像处理算法，并且/或者可利用任何合适形式的人工智能图像处理技术或机器学习处理功能，该人工智能图像处理技术或机器学习处理功能被配置为处理低声功率超声图像以生成模拟在较高声功率下的采集的增强的超声图像。例如，在步骤302处采集的超声图像可在低于FDA限制的声功率下采集，并且在步骤304处生成的超声图像可模拟超过FDA限制的声功率。又如，在步骤302处采集的超声图像可用微泡造影剂采集，并且在步骤304处生成的超声图像可以是将使造影剂的微泡破裂的模拟声功率。

在步骤306处，可在显示系统134处呈现模拟高声功率的第二超声图像。例如，信号处理器132的模拟声功率增强处理器140可在显示系统134处呈现在步骤304处生成的模拟在较高声功率电平下的采集的增强的超声图像。

图3是示出根据各种实施方案的可用于增强在低声功率下采集的超声图像以模拟在高声功率下的采集的示例性步骤402-410的流程图400。参见图3，示出了包括示例性步骤402至410的流程图400。某些实施方案可省略一个或多个步骤，和/或以与所列顺序不同的顺序执行步骤，和/或组合下文讨论的某些步骤。例如，在某些实施方案中可能不执行一些步骤。又如，某些步骤可能以与下面所列时间顺序不同的时间顺序执行，包括同时执行。

在步骤402处，超声系统100在高声功率下采集超声图像。例如，超声系统100可利用定位在感兴趣的区域上方的扫描位置处的超声探头104来采集超声图像。施加以采集图像的声功率可处于高电平，诸如在FDA限制所允许的最高电平处或附近和/或在CEUS检查中引入微泡造影剂之前。

在步骤404处，超声系统100在低声功率下采集超声图像。例如，超声系统100可利用定位在感兴趣的区域上方的扫描位置处的超声探头104来采集超声图像。施加以采集图像的声功率可低于在步骤402处施加的声功率。例如，所采集的超声图像可以是CEUS图像(即，在已经引入微泡造影剂之后)或任何合适的图像。在各种实施方案中，在步骤404处采集的图像具有与在步骤402处采集的图像相同的患者和相同的解剖结构。

在步骤406处，超声系统100的信号处理器132可以将低声功率超声图像和高声功率超声图像配准和匹配。例如，信号处理器132的模拟声功率增强处理器140可被配置为将在步骤404处采集的低声功率超声图像与在步骤402处采集的高声功率超声图像配准和匹配。模拟声功率增强处理器140可包括人工智能图像处理算法、一个或多个深度神经网络(例如，卷积神经网络)和/或可利用被配置为对低声功率超声图像和高声功率超声图像进行分析、配准和匹配的任何合适形式的人工智能图像分析技术或机器学习处理功能。

在步骤408处，超声系统100的信号处理器132可以组合低声功率超声图像和高声功率超声图像以生成模拟大于低声功率的声功率的超声图像。例如，信号处理器132的模拟声功率增强处理器140可被配置为组合和/或混合在步骤406处配准和匹配的低声功率超声图像和高声功率超声图像，以生成模拟大于低声功率超声图像的声功率的增强的超声图像。

在步骤410处，可在显示系统134处呈现模拟大于低声功率的声功率的所生成的超声图像。例如，信号处理器132的模拟声功率增强处理器140可在显示系统134处呈现在步骤408处生成的模拟在较高声功率电平下的采集的增强的超声图像。

本公开的各方面提供了用于增强在低声功率下采集的超声图像以模拟在高声功率下的采集的方法300、400和系统100。根据各种实施方案，方法300、400可包括由超声系统100在第一声功率下采集302、404第一超声图像。方法300、400可包括由至少一个处理器132、140处理304、406、408第一超声图像以生成模拟大于第一声功率的第二声功率的第二超声图像。方法300、400可以包括在显示系统134处呈现306、410模拟第二声功率的第二超声图像。

在示例性实施方案中，人工智能模型可以由至少一个处理器132、140推断以处理第一超声图像，以生成模拟第二声功率的第二超声图像。在代表性实施方案中，可用微泡造影剂采集第一超声图像，并且模拟第二声功率可以是将使微泡造影剂破裂的功率。在某些实施方案中，第一声功率可在食品和药品管理局(FDA)限制内。第二声功率可超过FDA限制。在各种实施方案中，方法300可以包括训练由至少一个处理器132、140基于成对训练图像推断的人工智能模型。成对训练图像中的每一对训练图像可包括在一定声功率下采集的第一训练图像和在比第一训练图像的声功率更高的声功率下采集的第二训练图像。在示例性实施方案中，成对训练图像中的每一对训练图像的第二训练图像可从仿组织体模采集。在代表性实施方案中，方法400可包括由超声系统100在采集第一超声图像之前在相同感兴趣区域处在大于第一声功率的第三声功率下采集402第三超声图像。方法400可包括由至少一个处理器132、140将第一超声图像与第三超声图像配准和匹配406。处理第一超声图像可以包括由至少一个处理器132、140将第一超声图像与第二超声图像组合408以生成模拟大于第一声功率的第二声功率的第二超声图像。

各种实施方案提供了用于增强在低声功率下采集的超声图像以模拟在高声功率下的采集的系统100。系统100可包括超声系统100、至少一个处理器132、140和显示系统134。超声系统100可被配置为在第一声功率下采集第一超声图像。至少一个处理器132、140可被配置为处理第一超声图像以生成模拟大于第一声功率的第二声功率的第二超声图像。显示系统134可被配置为呈现模拟第二声功率的第二超声图像。

在代表性实施方案中，至少一个处理器132、140可被配置为推断人工智能模型以处理第一超声图像，以生成模拟第二声功率的第二超声图像。在示例性实施方案中，超声系统100可被配置为用微泡造影剂采集第一超声图像，并且模拟的第二声功率是将使微泡造影剂破裂的功率。在某些实施方案中，第一声功率可在食品和药品管理局(FDA)限制内。第二声功率可超过FDA限制。在各种实施方案中，由至少一个处理器132、140推断的人工智能模型可基于成对训练图像来训练。成对训练图像中的每一对训练图像可包括在一定声功率下采集的第一训练图像和在比第一训练图像的声功率更高的声功率下采集的第二训练图像。在代表性实施方案中，成对训练图像中的每一对训练图像的第二训练图像可从仿组织体模采集。在示例性实施方案中，超声系统100可被配置为在采集第一超声图像之前，在相同感兴趣区域处在大于第一声功率的第三声功率下采集第三超声图像。至少一个处理器132、140可被配置为将第一超声图像与第三超声图像配准和匹配。至少一个处理器132、140可被配置为通过以下方式来处理第一超声图像：将第一超声图像与第二超声图像组合以生成模拟大于第一声功率的第二声功率的第二超声图像。

某些实施方案提供一种非暂态计算机可读介质，该非暂态计算机可读介质上存储有计算机程序，该计算机程序具有至少一个代码段。该至少一个代码段能够由机器执行以使该机器执行步骤300、400。步骤300、400可以包括接收302、404在第一声功率下采集的第一超声图像。步骤300、400可以包括处理304、406、408第一超声图像以生成模拟大于第一声功率的第二声功率的第二超声图像。步骤300、400可以包括在显示系统处呈现306、410模拟第二声功率的第二超声图像。

在各种实施方案中，处理304第一超声图像以生成模拟第二声功率的第二超声图像通过推断人工智能模型来执行。在某些实施方案中，可用微泡造影剂采集第一超声图像，并且模拟的第二声功率可以是将使微泡造影剂破裂的功率。在代表性实施方案中，第一声功率可在食品和药品管理局(FDA)限制内。第二声功率可超过FDA限制。在示例性实施方案中，步骤300、400可包括基于成对训练图像来训练人工智能模型。成对训练图像中的每一对训练图像可包括在一定声功率下采集的第一训练图像和在比第一训练图像的声功率更高的声功率下采集的第二训练图像。在各种实施方案中，步骤400可包括在接收第一超声图像之前接收402在相同感兴趣区域处在大于第一声功率的第三声功率下采集的第三超声图像。步骤400可包括将第一超声图像与第三超声图像配准和匹配406。第一超声图像的处理406、408可以包括将第一超声图像与第二超声图像组合408以生成模拟大于第一声功率的第二声功率的第二超声图像。

如本文所用，术语“电路”是指物理电子部件(即，硬件)以及可配置硬件、由硬件执行和/或以其他方式与硬件相关联的任何软件和/或固件(“代码”)。例如，如本文所用，当执行一条或多条第一代码时，特定处理器和存储器可包括第一“电路”，并且在执行一条或多条第二代码时，特定处理器和存储器可包括第二“电路”。如本文所用，“和/或”表示列表中的由“和/或”连结的项中的任一个或多个项。例如，“x和/或y”表示三元素集{(x),(y),(x,y)}中的任何元素。作为另一个示例，“x、y和/或z”表示七元素集{(x),(y),(z),(x,y),(x,z),(y,z),(x,y,z)}中的任何元素。如本文所用，术语“示例性”表示用作非限制性示例、实例或例证。如本文所用，术语“例如(e.g.)”和“例如(for example)”引出一个或多个非限制性示例、实例或例证的列表。如本文所用，电路“可操作为”和/或“被配置为”每当该电路包括执行功能的必需硬件和代码(如果需要的话)时就执行该功能，不管是否通过某些用户可配置的设置禁用或不启用该功能的执行。

其他实施方案可提供计算机可读设备和/或非暂态计算机可读介质，和/或机器可读设备和/或非暂态机器可读介质，该计算机可读设备和/或非暂态计算机可读介质和/或该机器可读设备和/或非暂态机器可读介质上存储有机器代码和/或具有能够由机器和/或计算机执行的至少一个代码段的计算机程序，从而使机器和/或计算机执行如本文所述的用于增强在低声功率下采集的超声图像以模拟在高声功率下的采集的步骤。

因此，本公开可在硬件、软件或硬件和软件的组合中实现。本公开可能以集中方式在至少一个计算机系统中实现，或以分布式方式实现，其中不同的元件分布在若干互连的计算机系统上。适于执行本文所述的方法的任何种类的计算机系统或其他装置都是合适的。

各种实施方案也可嵌入计算机程序产品中，该计算机程序产品包括能够实现本文所述的方法的所有特征，并且当加载到计算机系统中时能够执行这些方法。本文中的计算机程序是指以任何语言、代码或符号表示的一组指令的任何表达，这些指令旨在使具有信息处理能力的系统直接执行特定功能或在以下两项或其中一项之后执行特定功能：a)转换为另一种语言、代码或符号；b)以不同的物质形式进行复制。

虽然已经参考某些实施方案来描述了本公开，但是本领域的技术人员应当理解，在不脱离本公开的范围的情况下，可以进行各种改变并可以替换等同物。另外，在不脱离本公开的范围的情况下，可以进行许多修改以使特定情况或材料适应于本公开的教导。因此，本公开不旨在限于所公开的特定实施方案，而是本公开将包括落入所附权利要求书的范围内的所有实施方案。