使用超声设备的经引导的肺部覆盖和自动检测的制作方法

1.本公开整体涉及改进的医学成像系统和方法，更具体地涉及用于通过调整受检者身体上的超声探头位置来进行经引导的肺部覆盖和病理自动检测的系统和方法。


背景技术：

2.各种医学成像系统和方法被用来获得受检者的受影响区域的图像，以用于诊断医学病症。超声成像是一种已知的医学成像技术，用于对不同身体部位如关节、肌肉血管和孕妇(称为产科超声)进行成像。超声成像提供优于其他成像技术的若干优点，因为超声是提供实时图像流的实时成像技术。在商业上，超声设备可以多种构型获得，并且便携式超声设备用于捕获受检者解剖结构的相对较大区域，如子宫、下腹部和肺部。
3.超声成像涉及朝向受检者身体的待成像部分生成并发送超声波，并且从受检者身体接收反射波。超声成像设备由可在待成像的病理部分上方定位在受检者皮肤上的探头组成。探头将超声波发射到受检者身体中，并且可捕获反射波以生成受检者的病理图像。
4.使用已知的图像处理技术形成用户可查看的超声图像。然而，使用便携式超声设备对受检者进行准确成像需要熟练的操作者。操作者方面的任何错误将导致图像包含过多干扰或噪声。因此，操作者的培训及其在操作超声成像设备方面的经验将影响超声图像质量。由于操作者在获取身体某些部分的图像方面的经验，操作者可熟练地采集该身体部分的高质量图像，但操作者可能不能熟练地获得整个受检者身体的高质量图像。这可能是由于缺乏成像经验或缺乏整个身体的解剖知识。另外，将超声探头放置在适当的身体部分处会影响图像质量。受检者身体的物理参数如肥胖、骨密度、高度、胸部或腹部尺寸将给操作者正确地定位超声探头以获得感兴趣区域的完整图像带来挑战。超声探头的任何错误放置将导致感兴趣区域的不完整成像。
5.如世界卫生组织(who)所定义的冠状病毒疾病(covid-19)是由新发现的冠状病毒引起的感染性疾病。在感染covid-19的受检者中经常观察到的病症中的一种病症是肺部感染，并且在严重的情况下为肺炎。建议进行经常性成像来监测covid-19感染的进展。因此，获得更高质量的受检者超声图像非常重要，这将提供有关covid-19疾病进展的宝贵信息。对流行病的快速响应已变成并将成为未来的迫切需要。超声波可快速诊断肺部病症，这对于当前的covid-19大流行尤为重要。由于训练有素的医务人员严重短缺，护理人员和护士等新手使用者应该能够使用超声设备快速评估肺部病症。在操作超声设备时缺乏扫描专业知识将导致生成质量差的图像，从而导致对受检者病症的评估不佳。这可能致使许多宝贵生命的丧失。
6.随着covid-19大流行的爆发，全球的医疗资源已达到极限。大规模快速筛查将需要医疗辅助人员和不够熟练的医疗保健工作人员的服务。超声已被证明可检测胸腔积液和肺实变，但操作者需要大量技能来操纵探头。此外，covid-19表现出一定的位置模式，操作者在分类过程中必须涵盖这些模式。covid-19表现通常是多灶性和外周性的，通常涉及肺下叶。由于超声的视野(fov)非常有限，因此无法知道在肺部检查期间受检者肺部内的所有
covid-19影响部分或热点是否已被覆盖。
7.需要这样的系统和方法，其用于向扫描人员提供自动引导，以适当地定位和操作超声探头，从而扫描受检者的肺部部分并生成将有助于跟踪covid-19疾病进展的图像。


技术实现要素：

8.本发明内容介绍了在具体实施方式中更详细描述的概念。其不应当用于确定要求保护的主题的基本特征，也不应当用于限制要求保护的主题的范围。其唯一目的是以简化形式呈现概念，作为稍后呈现的更详细描述的序言。
9.根据本公开的一个方面，公开了一种用于对受检者进行经引导的覆盖和病理自动检测的方法。该方法包括将超声探头定位在受检者身体的待成像的区域上。该方法还包括捕获受检者身体的视频并处理该视频以生成受检者身体的躯干图像并识别超声探头在受检者身体上的位置。该方法还包括将视频与解剖图谱配准以生成受检者身体的待成像的区域的遮罩并将遮罩叠加在躯干图像上方，该区域包括受检者身体的多个子区域。该方法还包括在躯干图像上显示对应于多个子区域中的每个子区域的位置的指示符。该方法还包括显示超声探头相对于指示符的相对位置，该指示符对应于受检者身体的待成像的多个子区域中的每个子区域的位置。
10.根据本公开的一个方面，公开了一种用于对受检者身体进行经引导的覆盖和病理自动检测的系统。该系统包括便携式设备，该便携式设备包括被配置成采集受检者身体的视频的摄像头和显示屏。该系统还包括超声探头，该超声探头定位在受检者身体的待成像的区域上方并连接到便携式设备。该系统还包括计算机系统，该计算机系统连接到便携式设备并被配置成接收受检者身体的多个超声图像和视频。计算机系统包括处理器和连接到处理器的存储器。计算机系统还包括至少一个人工智能模块，该至少一个人工智能模块部署在存储器上并被配置成生成受检者身体的躯干图像。计算机系统还包括图谱模块，该图谱模块部署在存储器上并被配置成生成受检者身体的待成像的区域的遮罩并将遮罩叠加在受检者身体的躯干图像上方，该区域包括多个子区域。计算机系统还被配置成显示指示符，该指示符对应于躯干图像上的多个子区域中的每个子区域的位置，以及显示超声探头相对于指示符的相对位置，该指示符对应于受检者身体的多个子区域中的每个子区域的位置。
附图说明
11.图1示出了根据本公开的一个方面的具有肺炎样病症的受检者的超声图像。
12.图2示出了根据本公开的一个方面的用于对受检者进行经引导的覆盖和病理自动检测的系统。
13.图3示出了使用根据本公开的一个方面的便携式设备获得的受检者的图像。
14.图4示出了根据本公开的一个方面的接收躯干图像并使用外部界标的图谱。
15.图5示出了根据本公开的一个方面的由图谱模块在下肺部区域的遮罩上方生成的多条网格线。
16.图6示出了根据本公开的一个方面的用于对受检者进行经引导的覆盖和病理自动检测的方法。
17.图7示出了根据本公开的一个方面的用于分析超声探头在受检者身体上方的准确定位的方法。
18.图8示出了根据本公开的一个方面的显示给操作者以用于进行成像的躯干图像。
19.图9示出了根据本公开的一个方面的显示给操作者以用于进行经引导的肺部覆盖和自动检测的躯干图像。
具体实施方式
20.在以下说明书和权利要求书中，将引用应被定义为具有以下含义的几个术语。
21.单数形式“一”、“一个”和“该”包括多个引用物，除非上下文另外明确指出。
22.如本文所用，术语“非暂态计算机可读介质”旨在表示在用于短期和长期存储信息的任何方法或技术中实现的任何有形的基于计算机的设备，诸如任何设备中的计算机可读指令、数据结构、程序模块和子模块或其他数据。因此，本文所述的方法可被编码为体现在包括但不限于存储设备和/或存储器设备的有形非暂态计算机可读介质中的可执行指令。当由处理器执行时，此类指令使得处理器执行本文所述的方法的至少一部分。此外，如本文所用，术语“非暂态计算机可读介质”包括所有有形计算机可读介质，包括但不限于非暂态计算机存储设备，包括但不限于易失性和非易失性介质，以及可移动和不可移动介质，诸如固件、物理和虚拟储存器、cd-rom、dvd和任何其他数字源(诸如网络或互联网)，以及尚未开发的数字装置，唯一例外是暂态传播信号。
23.如本文所用，术语“软件”和“固件”是可互换的，并且包括存储在存储器中以供包括但不限于移动设备、群集、个人计算机、工作站、客户端和服务器的设备执行的任何计算机程序。
24.如本文所用，术语“计算机”和相关术语(例如，“计算设备”、“计算机系统”、“处理器”、“控制器”)不限于本领域中被称为计算机的集成电路，而是广义地指至少一个微控制器、微型计算机、可编程逻辑控制器(plc)、专用集成电路和其他可编程电路，并且这些术语在本文中可互换使用。
25.如本文在整个说明书和权利要求书中所用，可应用近似语言来修改可允许变化而不导致与其相关的基本功能发生变化的任何定量表示。因此，由诸如“约”和“基本上”的一个或多个术语修饰的值不限于所指定的精确值。在至少一些情况下，近似语言可对应于用于测量该值的仪器的精度。在此处并且在整个说明书和权利要求书中，范围限制可组合和/或互换，此类范围可进行标识并且包括其中包含的所有子范围，除非上下文或语言另外指出。
26.在本公开的一个方面，公开了一种用于对受检者进行经引导的覆盖和病理自动检测的方法。该方法包括将超声探头定位在受检者身体的待成像的区域上。该方法还包括捕获受检者身体的视频并处理该视频，以生成受检者身体的躯干图像并识别超声探头在受检者身体上的位置。该方法还包括将视频与解剖图谱配准以生成受检者身体的待成像的区域的遮罩并将遮罩叠加在躯干图像上方，该区域包括受检者身体的多个子区域。该方法还包括在躯干图像上显示对应于多个子区域中的每个子区域的位置的指示符。该方法还包括显示超声探头相对于指示符的相对位置，该指示符对应于受检者身体的待成像的多个子区域中的每个子区域的位置。
27.在本公开的另一方面，公开了一种用于对受检者的进行经引导的覆盖和病理自动检测的系统。该系统包括便携式设备，该便携式设备包括被配置成采集受检者身体的视频的摄像头和显示屏。该系统还包括超声探头，该超声探头定位在受检者身体的待成像的区域上方并连接到便携式设备。该系统还包括计算机系统，该计算机系统连接到便携式设备并被配置成接收受检者身体的多个超声图像和视频。计算机系统包括处理器、连接到处理器的存储器、至少一个人工智能模块，该至少一个人工智能模块部署在存储器上并被配置成生成受检者身体的躯干图像。计算机系统还包括图谱模块，该图谱模块部署在存储器上并被配置成生成受检者身体的待成像的区域的遮罩并将遮罩叠加在受检者身体的躯干图像上方，该区域包括多个子区域。计算机系统被配置成显示指示符，该指示符对应于躯干图像上的多个子区域中的每个子区域的位置，以及在便携式设备的显示屏上方显示超声探头相对于指示符的相对位置，该指示符对应于受检者身体的多个子区域中的每个子区域的位置。
28.现在将参考附图以举例的方式描述本公开的实施方案，其中图1示出了具有肺炎症状(11)和空气支气管征症状(12)的受检者(未示出)的超声图像(10)。在covid-19病例中，肺炎(11)是感染严重扩散的重要指征之一。在肺部的外周区域和下部区域中观察到这些症状。当捕获肺部的超声图像(10)时，肺炎症状可表现为超声图像(10)中的纹理变化。在缺乏获得肺部的整个覆盖所需的专业知识的情况下捕获超声图像(10)可能导致遗漏一些受影响区域。这可能导致在受检者病症的诊断中出现异常。
29.在本公开的一个方面，图2示出了用于对受检者(101)进行经引导的覆盖和病理自动检测的系统(100)。系统(100)包括由操作者用来捕获受检者(101)的视频流或图像的便携式设备(102)。便携式设备(102)可为移动电话，其具有用于捕捉受检者(101)的视频流或图像的摄像头，并且包括显示屏。计算机系统(103)可连接到便携式设备(102)，并且来自便携式设备(102)的视频或实时流可被传输到计算设备(103)以供进一步处理。超声探头(104)可被配置成获得受检者(101)的超声图像，并且超声探头(104)可连接到便携式设备(102)。
30.计算设备(103)可包括处理器(111)、存储器(112)和部署在存储器(112)上的至少一个人工智能模块(113)。人工智能模块(113)可为深度学习模块，其可经训练以将由移动摄像头获取的视频流或图像与所存储的不同形状的受检者身体的图像进行比较，以及识别最匹配受检者(101)的实际形状的图像。人工智能模块(113)可被配置成识别并生成受检者(101)的躯干图像和图像上的界标，如参考图3和图4所详细解释。
31.计算设备(103)可包括被配置成配准来自移动摄像头的图像或视频流的图谱模块(114)。图谱模块(114)配准确保外部标度对准并且可在所接收的图像上提供网格线。图谱模块(114)可被配置成生成包括网格线的肺部遮罩并将遮罩叠加在躯干图像上以指示多个感兴趣子区域(560)以供成像。包括多个子区域(560)的图谱模块(114)输出可通过移动电话显示给操作者，以指示待成像的子区域(560)。
32.此外，超声探头(104)的位置可由移动摄像头获得并通过移动设备(102)屏幕指示给操作者。当超声探头(104)被正确地定位在由图谱模块(114)指示的子区域(560)中的至少一个子区域上方时，可给予操作者视听信号以执行成像程序。另选地，当超声探头(104)在受检者(101)的身体上方的位置与由图谱模块(114)指示的子区域(560)中的至少一个子
区域不匹配时，可向操作者提供另一个视听信号或指示以将超声探头(104)的位置改变到所识别的位置。可向操作者提供连续视听指示，以引导操作者将超声探头(104)准确定位在标记的子区域(560)中的至少一个子区域上方。当操作者将超声探头定位在子区域(560)中的至少一个子区域上方并在受检者(101)的所指示子区域(560)处执行成像时，可获得受检者肺部的病理的详细超声图像。
33.在本公开的一个方面，为了更快地检测受检者(101)正在发展的covid-19病症，可将受检者(101)的超声图像与类似图像进行比较，以识别受检者的医学病症的严重程度。包括来自不同受检者(101)的肺部的各个子区域(560)的图像的若干超声流可用于训练人工智能模块(113)。在一个示例中，人工智能模块(超声ai)(113)可被配置成分析病理以识别covid-19在肺部的各个子区域(560)上的扩散。人工智能模块(113)可为被训练成执行功能的单独模块或若干个单个模块的集合，并且包括例如深度学习(dl)模块、卷积神经网络、监督式人工智能模块、半监督式人工智能模块或非监督式人工智能模块。超声ai(113)可与移动摄像头一起使用以检测探头(104)的位置并执行成像。如果超声探头(104)被放置在不正确的位置处，则超声ai(113)可被配置成发送指示超声探头(104)的不正确定位的信号。超声探头(104)可移动到正确的位置，以使用人工智能模块(113)进行经引导的肺部覆盖和病理自动检测。针对显示屏上指示的所有子区域(560)，经引导的肺部覆盖和病理自动检测可由操作者完成。
34.深度学习模块、机器学习模块和人工智能网络
35.术语深度学习(dl)、机器学习(ml)和人工智能(ai)相互关联并且通常互换使用。然而，人工智能是相对更广泛的技术，其涵盖具有思考能力的智能机器，并且机器学习包括从数据中学习。
36.深度学习是采用表示学习方法的一类机器学习技术，其允许机器被给予原始数据并且确定数据分类所需的表示。深度学习使用反向传播算法探知数据集中的结构。深度学习机器可利用多种多层架构和算法。例如，虽然机器学习涉及识别要用于训练网络的特征，但深度学习处理原始数据来识别感兴趣特征而无需外部识别。
37.神经网络环境中的深度学习包括许多称为神经元的互连节点。由外部来源激活的输入神经元基于受机器操作条件控制的与其他神经元的连接来激活这些其他神经元。神经网络以基于其自身序列的一定方式起作用。学习改善机器输出，并且广义来说，改善网络中的各神经元之间的连接，使得神经网络以所需方式起作用。
38.利用卷积神经网络的深度学习使用卷积滤波器来分割数据以定位并且识别数据中学习到的可观测特征。cnn架构的每个滤波器或层变换输入数据以增加数据的选择性和不变性。数据的该抽象化允许机器聚焦于数据中其尝试分类的特征并且忽略不相关的背景信息。
39.深度学习的操作建立在许多数据集包括高级特征而高级特征又包括低级特征这一理解上。例如，当检查图像时，并不查找对象，更有效的做法是查找边缘，边缘形成模体，模体形成部分，部分形成要寻找的对象。特征的这些层次可见于许多不同形式的数据，诸如语音和文本等。
40.学习到的可观测特征包括机器在监督学习期间学习到的对象和可量化正则性。设置有有效分类的数据的大集合的机器更有条件区分并且提取与新数据的成功分类相关的
特征。
41.利用迁移学习的深度学习机器可将数据特征正确地连接到由人类专家确认的某些分类。相反，同一机器可在人类专家告知分类错误时更新用于分类的系统。例如，可通过学习到的设置和/或其他配置信息的使用来引导设置和/或其他配置信息，并且当系统被使用更多次(例如，反复使用和/或由多个用户使用)时，对于给定情况而言，可减少设置和/或其他配置信息的变化和/或其他可能性的数量。
42.例如，可使用专家分类数据集来训练示例性深度学习神经网络。该数据集构建了神经网络，并且这将成为监督学习阶段。在监督学习阶段期间，可测试神经网络是否已实现所需行为。
43.一旦已实现所需神经网络行为(例如，机器经过训练以根据指定阈值来操作等)，就可部署机器以便使用(例如，使用“真实”数据来测试机器等)。在操作期间，可(例如，由专家用户、专家系统、参考数据库等)确认或拒绝神经网络分类以继续改善神经网络行为。然后示例性神经网络处于迁移学习状态，因为确定神经网络行为的分类条件是基于正在进行的交互来更新。在某些示例中，神经网络可向另一个过程提供直接反馈。在某些示例中，神经网络输出的数据先经过缓冲(例如经由云等)和验证，再提供给另一个过程。
44.使用卷积神经网络(cnn)的深度学习机器可用于图像分析。cnn分析的阶段可用于自然图像中的面部识别、计算机辅助诊断(cad)等。
45.在不考虑质量的情况下解释医学图像仅仅是最近的发展。医学图像大部分由医师解释，但这些解释可能带有主观性，受到医师在本领域中的经验和/或疲劳状况的影响。经由机器学习的图像分析可支持医疗保健从业者的工作流。
46.例如，深度学习机器可提供计算机辅助检测支持以在图像质量和分类方面改进其图像分析。然而，应用于医疗领域的深度学习机器所面临的问题通常会引起许多错误分类。例如，深度学习机器必须克服小的训练数据集并且需要反复调节。
47.例如，深度学习机器在经过最少训练的情况下可用于确定医学图像的质量。半监督和无监督深度学习机器可用于定量测量图像的质量方面。例如，可在已采集图像之后利用深度学习机器来确定图像的质量是否足以用于诊断。监督深度学习机器可也用于计算机辅助诊断。例如，监督学习可有助于减少错误分类敏感性。
48.深度学习机器可在与医师交互时利用迁移学习来抵消监督训练中可用的小数据集。这些深度学习机器可随时间推移通过训练和迁移学习来改进其计算机辅助诊断。
49.根据本公开的一个方面，图3示出了使用深度学习(dl)模块由使用便携式设备(102)的摄像头获得的图像生成的受检者(101)的躯干图像(300)。便携式设备(102)可为具有至少一个摄像头的任何已知的可商购获得的设备，该至少一个摄像头可捕获受检者(101)的视频或图像。便携式设备(102)可为手持式便携式设备或固定设备，其被配置成通过有线网络或无线网络采集、存储受检者的图像并将其发送到其他设备。根据本公开的一个方面，便携式设备(102)可为具有能够与超声探头同时操作的摄像头的移动电话。在摄像头的操作期间，可由操作者手持移动电话，并且可捕获受检者身体的视频流或图像。移动电话摄像头能够对受检者身体的比超声探头(104)更大的表面积进行成像。
50.由移动电话摄像头捕获的受检者(101)的视频或图像可发送到计算机存储器(112)并存储在计算机存储器(112)上。由移动电话摄像头获得的受检者(101)的视频或图
像可用于生成受检者(101)的躯干图像(310)并识别超声探头(104)在受检者身体(101)上的位置。躯干图像(300)可为受检者身体(101)的前视图、后视图或侧视图。可在计算机系统(103)上采用深度学习(下文称为dl)模块(113)，以用于进行头部(320)或躯干(310)的身体姿势检测。深度学习模块(113)可使用不同的可用身体图像来训练，以识别头部(320)或躯干(310)。使用移动电话摄像头获得的图像由dl模块(113)处理，以生成受检者(101)的躯干图像(300)。dl模块还可被配置用于进行身体姿势估计。身体姿势估计包括使用dl模块(113)来识别受检者身体(101)的各种器官的对准和取向。为了检测特定器官的位置并描绘用于成像的不同器官，基于dl模块(113)的姿态检测可在受检者身体上提供界标(330)。界标(330)可限定受检者身体(101)的各种器官的姿势、取向和边界。移动电话还可被配置成接收使用定位在受检者身体上方的超声探头(104)获得的受检者(101)的超声图像。
51.根据本公开的一个方面，图4示出了基于图谱的分段(400)和配准。受检者身体(101)的躯干图像(410)的基于图谱的分割是一种医学成像技术，其用于描绘受检者器官(例如手(411)、头部(412)、肺部(413)和腹部(414))相互之间的轮廓并节省专家花费在描绘方面所需的时间。可在计算机系统上采用图谱模块(114)，以用于进行分割和描绘。使用移动电话摄像头获得的图像可由dl模块(113)处理以用于进行身体姿势检测，并且被发送到图谱模块(114)以用于进行分割和配准。图谱模块(114)使用dl模块(113)在外部检测到的界标(420)来分割图像并将图像与图谱模块(114)配准。图谱模块(114)还可被配置成生成器官的遮罩，该遮罩可叠加在躯干图像上并在移动电话屏幕上显示给操作者。
52.根据本公开的一个方面，如图4所示，图谱(400)接收躯干(410)的图像并使用由dl模块(113)检测到的外部界标(420)来将图像与图谱模块(114)配准。图谱配准确保总姿势和外部标度对准。
53.根据本公开的一个方面，如图5所示，图谱模块(114)可被配置成提供受检者身体(101)的躯干的使用者可查看图像(500)。图谱模块(114)可被配置成生成肺部遮罩(520)，该遮罩可叠加在受检者身体(101)的躯干图像(510)上并显示在移动屏幕上。遮罩图像(520)是其中像素强度值中的一些为零而另一些为非零的图像。如果遮罩图像(520)中的像素强度值为零，则所得的遮盖后图像的像素强度将被设置为背景值。零遮罩值表示图像的不重要且不包含任何有意义信息的背景区域。遮罩(520)内部的包含有意义信息的像素不改变其像素值，并且它们保持与输入图像相同的强度。
54.新手操作者可看到受检者身体(101)的视频流和躯干图像(510)，以及可在移动电话屏幕(102)的一个窗口中查看的超声探头(104)位于受检者身体(101)上的位置。移动电话屏幕显示由图谱模块(114)叠加在躯干图像(510)上的肺部遮罩(520)以及超声探头(104)位于受检者身体上的当前位置。另外，图谱模块(114)可被配置成在遮罩(520)上方生成多条网格线(530，540，550)并指示待成像的肺部子区域(560)的位置。当受检者肺部的视图、超声探头放置和网格线(530，540，550)可用时，操作者具有可用于进行受检者肺部的完整成像的所有基本视图和可控参数。
55.在各种受检者(101)的检查期间，将出现具有各种体形、尺寸和高度的受检者(101)进行成像。重要的是正确识别受检者器官在受检者身体图像上的位置并适当地指示操作者以对受检者(101)进行成像。可将人工智能模块(113)训练成识别各种器官在受检者身体上的位置并向操作者显示器官的位置。可在视频采集阶段(视频ai)期间采用人工智能
模块(113)以识别身体的实际形状并将其与所存储的图像相关联以确定受检者器官的位置。这将对图谱模块(114)进行补充，以更准确地描绘器官和网格线(530，540，550)。
56.图谱模块(114)可被配置在遮罩(520)上方提供更详细地限定受检者(101)的下肺部区域的网格线(530，540，550)。根据本公开的一个方面，图谱模块(114)可将胸骨旁线(530)、前腋窝线(540)和后腋窝线(550)插入到遮罩(520)上方，这些线标记受检者身体的肺部。可在移动电话屏幕上向操作者显示这些网格线(530，540，550)。另外，网格线(530，540，550)可将遮罩(120)分成部分(1，2，3，4)，以便更准确地限定不同子区域(520)的位置。图谱模块(114)还可在用于成像的合适区域中划分肺部面积。图谱模块(114)可被配置成标记肺部中需要详细成像的关键区或子区域(560)。另外，所叠加的网格线(530，540，550)可进一步划分肺部表面积以精确限定需要详细成像的子区域(560)的位置。为了方便移动设备(102)的操作者，显示屏可仅示出位于网格线(530，540，550)内的子区域(560)。另外，子区域(560)中的每一个子区域可在对应于子区域(560)的位置的位置处由合适的指示符示出。在一个示例中，对应于子区域(560)的指示符可为以红色示出的区(561，562)。根据本公开的一个方面，可能不需要将遮罩(520)显示给操作者，然而，可将仅对应于子区域(560)的位置的指示符(561，562)显示给操作者以进行成像。可调节超声探头(104)的位置以扫描由图谱模块(114)标记的子区域(560)。当超声探头(104)被正确地定位以扫描由图谱模块(114)指示的子区域(560)时，可向操作者发送关于超声探头(104)的准确定位的信号。当超声探头(104)未被准确定位在肺部的所标记子区域(560)上方时，图像可能无法清楚地示出受检者(101)的病理。可向操作者发送指示超声探头(104)的不准确定位的信号。计算机系统(103)可将超声探头(104)的不正确定位指示给操作者，并引导操作者将超声探头(104)的位置改变为所标记子区域(560)以执行详细成像。在一个示例中，如果将超声探头(104)放置在与所标记子区域(560)相距三厘米(3cm)的右侧，则可引导操作者将超声探头(104)向左侧移动3cm以进行成像。类似地，可引导操作者在竖直方向、侧向方向或对角线方向上移动超声探头(104)，以用于在子区域(560)或子区域指示符(561，562)上方进行准确定位。对于新手操作者，显示超声探头(104)在受检者身体上的位置并指示待成像的子区域(560)的位置，引导操作者将超声探头(104)正确地定位在子区域(560)上方。通过将超声探头(104)准确定位在子区域(560)上方而获得的图像在临床上与诊断covid-19疾病中的肺炎样病症更相关。
57.另外，需要连续监测由图谱模块(114)指示的子区域(560)处的超声探头(104)在受检者身体上的准确放置。一旦超声探头(104)定位在由图谱模块(114)指示的正确位置处，就可在由超声探头(104)获得的图像与超声探头(104)的位置之间建立相关性。这种相关性有助于确定covid-19病理的位置。此外，可存储这些超声图像以供未来参考，从而通过将未来获得的新超声图像集与所存储的图像进行比较来分析covid-19疾病的进展。
58.在本公开的另一方面，图6示出了用于进行经引导的肺部覆盖和病理自动检测的方法(600)。方法(600)帮助超声探头(104)的操作者准确地将超声探头(104)定位在受检者身体上方并获得受检者身体(101)的超声图像。方法(600)包括将超声探头(104)定位(610)在受检者身体(101)的身体上方以进行成像。方法(600)还包括捕获(620)受检者(101)的视频并处理该视频以生成受检者(101)的躯干图像并识别超声探头(104)在受检者身体上的位置。捕获(620)受检者(101)的视频包括使用便携式设备(102)来获得受检者身体的视频
流或图像。便携式设备(102)可为手持式移动电话，其具有用于捕捉受检者(101)的视频流或图像的摄像头以及显示屏。
59.方法(600)还包括将视频与解剖图谱配准(630)，以生成受检者身体区域的遮罩。遮罩可包括受检者身体的待成像的多个子区域(560)，并且遮罩可叠加在躯干图像上方。对视频进行配准(630)可包括使用缆线或无线网络将便携式设备(102)连接到计算机系统(103)并将实时视频流或图像发送到计算机系统(103)。部署在计算机系统(103)上的解剖图谱可被配置成处理由便携式设备(102)提供的实时流或图像。计算机系统(103)可包括深度学习(dl)模块(113)，该深度学习模块可被配置用于进行身体姿势检测并基于从便携式设备(102)接收的输入图像来生成受检者(101)的躯干图像。图谱模块(114)可被配置成生成肺部的遮罩并将遮罩叠加在移动屏幕上可见的躯干图像上方。方法(600)还包括由图谱模块(114)在受检者(101)的躯干图像上方生成网格线，以识别感兴趣区域以进行成像。图谱模块(114)还可被配置成在网格线内标记多个子区域(560)，这些子区域更准确地限定病理的精确位置以进行成像。方法(600)还包括显示(640)超声探头(104)相对于受检者身体上的待成像的多个子区域(560)的相对位置。
60.如图7所示，方法(600)还包括分析(650)超声探头(104)位于受检者身体的待成像的子区域(560)上方的位置的准确性。计算机系统(103)可被配置成识别超声探头(104)的当前位置并将其与由图谱模块(114)标记的子区域(560)的位置进行比较。方法(600)还包括生成(660)指示超声探头(104)在受检者(101)身上的不准确定位的信号。信号可为指示超声探头(104)相对于所标记子区域(560)的不准确位置的视听信号。可向操作者发送指示超声探头(104)的不准确定位的重复信号，直到操作者将探头移动到准确位置或子区域(560)。可将超声探头(104)移动到对于受检者身体(101)上的子区域(560)而言的准确位置。
61.方法(600)还包括生成(670)指示超声探头(104)在受检者身体的子区域(560)上方的准确定位的信号并对受检者(101)的病理执行经引导的超声扫描。一旦超声探头(104)正确定位在所标记子区域(560)处，计算机系统(103)就可指示操作者扫描受检者。可获得具有所需图像质量的肺部子区域(560)的超声图像或视频流，以检测covid-19相关的肺部病症。方法(600)还包括使用(680)通过准确放置超声探头(104)获得的视频流或图像来确定存在covid-19和肺炎病理的肺部区域。
62.方法(600)还可包括通过计算机系统(103)采用人工智能模块(113)(视频ai)来识别身体的实际形状，并将其与所存储的图像相关联以确定受检者器官在由移动电话摄像头进行视频成像期间的位置。这将对图谱模块(114)进行补充，以更准确地描绘器官，生成躯干图像和网格线。当出现具有不同体形、尺寸和高度的受检者(101)以进行扫描时，这将有助于正确标测受检者器官。
63.方法(600)还可包括通过计算机系统(103)采用另一个人工智能模块(113)(超声ai)。方法(600)包括使用超声ai连同移动电话摄像头来检测超声探头(104)的位置并执行扫描。如果超声探头(104)被放置在不准确的位置处，则超声ai(113)可被配置成生成并发送指示超声探头(104)的不准确定位的信号。为了更快地检测受检者(101)正在发展的covid-19病症，可将受检者(101)的超声图像与类似图像进行比较，以识别医学病症的严重程度。来自不同受检者(101)的肺部的各个子区域(560)的若干超声视频或图像可用于训练
超声ai模块(113)，以分析病理用于进行covid-19检测。
64.根据本公开的一个方面，图8示出了躯干图像(800)，其包括将超声探头(904)放置在受检者身体(901)上方给操作者以进行经引导的覆盖和病理自动检测。通过便携式设备(850)的屏幕，可将超声探头(804)在受检者身体(801)上方的不准确定位指示给操作者。便携式设备(850)可为移动电话。操作者可将超声探头(804)放置在受检者身体(801)上方的任何位置(810)处。通过移动电话(850)屏幕，可将子区域(860)连同网格线(820，830，840)显示给操作者以进行成像。根据本公开的一个方面，如果超声探头(804)未被准确放置在移动电话(850)上的躯干图像(800)上指示的子区域(860)处，则ai模块(113)被配置成生成指示超声探头(804)在子区域(860)上方的不准确定位的视听信号(841)。在一个示例中，信号可为指示超声探头在子区域(860)上方的不准确定位的红色框。虽然指示红色作为示例，但可使用任何其他色彩方案用于视觉显示。此外，使用任何其他模式的信号指示(851)也在本公开的范围内，包括但不限于正确-错误符号、人的拇指表示图、用于指示超声探头(804)的放置准确性的停止-启动按钮。此外，ai模块(113)可被配置成生成文本消息(852)，该文本消息是关于超声探头(804)的位置和超声探头(804)可移动以便准确定位探头的方向。通过移动电话(850)屏幕，可向操作者显示文本消息(852)，并且将引导操作者将超声探头(804)移动到准确位置。
65.根据本公开的一个方面，图9示出了躯干图像(900)，其包括将超声探头(904)放置在受检者身体(901)上方以进行经引导的覆盖和病理自动检测。躯干图像(900)可包括网格线(920，930，930)，并且待成像的子区域(960)可位于网格线(920，930，940)内。当超声探头(904)被准确定位在受检者身体(901)上方的所识别子区域(960)上方时，ai模块(113)可生成指示超声探头(904)在子区域(960)上方的准确定位的信号。通过移动电话(950)的屏幕，可由信号向操作者指示超声探头(904)在子区域(960)上方的准确定位。ai模块(113)所生成的信号可为视听信号。在一个示例中，信号可为指示超声探头(904)在子区域(960)上方的准确定位的绿色框(951)。虽然指示绿色作为示例，但可使用任何其他色彩方案用于视觉显示。此外，使用任何其他模式的信号指示(951)也在本公开的范围内，包括但不限于正确-错误符号、人的拇指表示图、停止-启动按钮。此外，ai模块(113)可被配置成生成指示超声探头(904)的准确定位的文本消息(952)并指示操作者执行成像。通过移动电话(950)屏幕，可向操作者显示文本消息(952)，并且将引导操作者执行扫描以进行病理自动检测。
66.本公开的系统和方法可提供covid-19感染的受检者(101)通常所需的快速诊断，即使在操作者相对缺乏经验时也是如此。本公开的系统和方法不仅可用于检测肺部内的病理，还可用于检测受检者身体中的其他病理。此外，本公开的系统和方法有成本效益，并且可能不需要用于检测病理或用于识别超声探头的准确位置的多个传感器。
67.该书面描述使用示例来公开本发明，包括最佳模式，并且使本领域技术人员能够实践本发明，包括制造和使用任何计算系统或系统以及执行任何包含的方法。本发明的专利范围由权利要求书限定，并且可包括本领域技术人员想到的其他示例。如果此类其他示例具有与权利要求书的字面语言没有区别的结构元素，或者如果它们包括与权利要求书的字面语言具有微小差别的等效结构元素，则此类其他示例旨在落入权利要求书的范围内。