超声成像系统以及颈动脉斑块稳定性评估方法与流程

1.本技术涉及斑块评估领域，具体而言涉及一种超声成像系统以及颈动脉斑块稳定性评估方法。


背景技术：

2.由于超声仪器具有高可靠性、无创性、可实时成像以及安全方便等优点，超声设备已成为临床上应用范围最广、使用频率最高的影像设备。颈动脉超声是颈动脉系统检测中一种常用的检测方法，能够准确地判断颈动脉的狭窄程度和范围，为临床诊断和治疗方案的确定提供了参考信息。
3.动脉粥样硬化是心脑血管系统疾病中最常见的疾病，也是危害人类健康的常见病。其特点是受累动脉的病变从内膜开始，先后有多种病变合并存在，包括局部有脂质和复合糖类积聚、纤维组织增生和钙质沉着形成斑块，并有动脉中层的逐渐退变，继发性病变上有斑块内出血、斑块破裂及局部血栓形成。在脑卒中风险评估中，颈动脉斑块稳定性的作用越来越受人们的重视，对颈动脉斑块的稳定性的准确评估可辅助医生进行针对性的治疗方案设计，减少脑卒中发生率。稳定型斑块不易从血管壁上破裂脱落进入血液而引起血管突然堵塞；不稳定的颈动脉斑块在情绪激动、剧烈运动等诱因的作用下容易裂开和出现纤维帽破裂，形成暴露坏死脂质核心的溃疡，进而引起急性血栓或导致下游血管栓塞。因此对颈动脉斑块的稳定性进行评估对于治疗非常必要。
4.目前颈动脉斑块稳定性评估方法主要分为影像学评估方法和血液检测指标评估方法，存在的问题是颈动脉斑块稳定性的评估都停留在定性阶段，没有通过定量的方法对颈动脉斑块稳定性进行评估，在准确性以及适用性上收到限制。
5.因此需要对目前存在的问题进行改进。


技术实现要素：

6.针对现有技术中存在的问题，本技术第一方面提供了一种超声成像系统，包括：
7.超声探头；
8.发射电路，用于激励所述超声探头向包含颈动脉斑块的颈动脉部位发射超声波；
9.接收电路，用于通过所述超声探头接收所述超声波的回波，以获得超声回波信号；
10.处理器，用于对所述超声回波信号进行处理，得到包含颈动脉斑块的颈动脉部位的超声图像数据；
11.显示器，用于输出可视化信息；
12.所述处理器，还用于执行如下步骤：
13.获取包含颈动脉斑块的颈动脉部位的图像数据；
14.确定所述图像数据中所述颈动脉斑块的关键特征以及待测量的特征结构；
15.对所述待测量的特征结构进行分割和测量，得到测量结果；
16.基于所述关键特征和所述测量结果确定所述颈动脉斑块的稳定性评估结果；
17.控制所述显示器显示所述颈动脉斑块的稳定性评估结果。
18.本技术第二方面提供了一种超声成像系统，包括：
19.超声探头；
20.发射电路，用于激励所述超声探头向包含颈动脉斑块的颈动脉部位发射超声波；
21.接收电路，用于通过所述超声探头接收所述超声波的回波，以获得超声回波信号；
22.处理器，用于对所述超声回波信号进行处理，得到包含颈动脉斑块的颈动脉部位的超声图像数据；
23.显示器，用于输出可视化信息；
24.所述处理器，还用于执行如下步骤：
25.获取包含颈动脉斑块的颈动脉部位的图像数据；
26.确定所述图像数据中所述颈动脉斑块的待测量的特征结构；
27.对所述待测量的特征结构进行分割和测量，得到测量结果；
28.基于所述测量结果确定所述颈动脉斑块的稳定性评估结果；
29.显示所述颈动脉斑块的稳定性评估结果。
30.本技术第三方面提供了一种超声成像系统，包括：
31.超声探头；
32.发射电路，用于激励所述超声探头向包含颈动脉斑块的颈动脉部位发射超声波；
33.接收电路，用于通过所述超声探头接收所述超声波的回波，以获得超声回波信号；
34.处理器，用于对所述超声回波信号进行处理，得到包含颈动脉斑块的颈动脉部位的超声图像数据；
35.显示器，用于输出可视化信息；
36.所述处理器，还用于执行如下步骤：
37.获取包含颈动脉斑块的颈动脉部位的图像数据；
38.获取颈动脉部位正常、颈动脉斑块稳定以及颈动脉斑块不稳定的数据的标定结果；
39.根据所述标定结果提取颈动脉斑块不稳定的特征结构；
40.根据所述特征结构对所述颈动脉部位的图像数据进行匹配，以得到所述颈动脉斑块的稳定性评估结果；
41.显示所述颈动脉斑块的稳定性评估结果。
42.本技术第四方面提供了一种颈动脉斑块稳定性评估方法，包括：
43.获取包含颈动脉斑块的颈动脉部位的图像数据；
44.确定所述图像数据中所述颈动脉斑块的关键特征以及待测量的特征结构；
45.对所述待测量的特征结构进行分割和测量，得到测量结果；
46.基于所述关键特征和所述测量结果确定所述颈动脉斑块的稳定性评估结果；
47.显示所述颈动脉斑块的稳定性评估结果。
48.本技术第五方面提供了一种颈动脉斑块稳定性评估方法，包括：
49.获取包含颈动脉斑块的颈动脉部位的图像数据；
50.确定所述图像数据中所述颈动脉斑块的待测量的特征结构；
51.对所述待测量的特征结构进行分割和测量，得到测量结果；
52.基于所述测量结果确定所述颈动脉斑块的稳定性评估结果；
53.显示所述颈动脉斑块的稳定性评估结果。
54.本技术第六方面提供了一种颈动脉斑块稳定性评估方法，包括：
55.获取包含颈动脉斑块的颈动脉部位的图像数据；
56.获取颈动脉部位正常、颈动脉斑块稳定以及颈动脉斑块不稳定的数据的标定结果；
57.根据所述标定结果提取颈动脉斑块不稳定的特征结构；
58.根据所述特征结构对所述颈动脉部位的图像数据进行匹配，以得到所述颈动脉斑块的稳定性评估结果；
59.显示所述颈动脉斑块的稳定性评估结果。
60.为了解决目前存在的技术问题，本技术提供了一种颈动脉斑块稳定性评估方法和超声成像系统，在所述评估方法中在完成包含颈动脉斑块的颈动脉部位的图像数据的采集后，可以确定该图像数据中所述颈动脉斑块的关键特征和待测量的特征结构，对所述待测量的特征结构进行分割和测量，得到测量结果，根据所述测量结果或者根据所述测量结果结合关键特征进行颈动脉斑块的稳定性评估，给出稳定性评估结果。所述稳定性评估方法可帮助医生快速识别斑块区域并对其稳定性进行评估，为临床医生提供有效的临床参考，减少不稳定斑块的误判率和漏检率。
附图说明
61.本技术的下列附图在此作为本技术的一部分用于理解本技术。附图中示出了本技术的实施例及其描述，用来解释本技术的装置及原理。在附图中，
62.图1示出根据本技术实施例的超声成像系统的示意性框图；
63.图2示出根据本技术一实施例的颈动脉斑块稳定性评估方法的示意性流程图；
64.图3示出根据本技术另一实施例的颈动脉斑块稳定性评估方法的示意性流程图；
65.图4示出根据本技术另一实施例的颈动脉斑块稳定性评估方法的示意性流程图；
66.图5示出根据本技术一实施例的颈动脉斑块显示的示意图；
67.图6示出根据本技术另一实施例的颈动脉斑块显示的示意图。
具体实施方式
68.为了使得本技术的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本技术的示例实施例。显然，所描述的实施例仅仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。基于本技术中描述的本技术实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本技术的保护范围之内。
69.在下文的描述中，给出了大量具体的细节以便提供对本技术更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本技术可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本技术发生混淆，对于本领域公知的一些技术特征未进行描述。
70.应当理解的是，本技术能够以不同形式实施，而不应当解释为局限于这里提出的
实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本技术的范围完全地传递给本领域技术人员。
71.在此使用的术语的目的仅在于描述具体实施例并且不作为本技术的限制。在此使用时，单数形式的“一”、“一个”和“所述/该”也意图包括复数形式，除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”，当在该说明书中使用时，确定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时，术语“和/或”包括相关所列项目的任何及所有组合。
72.为了彻底理解本技术，将在下列的描述中提出详细的结构，以便阐释本技术提出的技术方案。本技术的可选实施例详细描述如下，然而除了这些详细描述外，本技术还可以具有其他实施方式。
73.本技术提供的颈动脉斑块稳定性评估方法以及超声成像系统可以应用于人体，也可以应用于各种动物。
74.为了解决本技术的技术问题，提供了一种超声成像系统和颈动脉斑块稳定性评估方法。其中，所述超声系统中的处理器用于执行颈动脉斑块稳定性评估方法的各个步骤，为了便于对所述超声成像系统进行解释和说明，首先对所述颈动脉斑块稳定性评估方法进行详细的说明。
75.下面，将参考图2描述根据本技术实施例的颈动脉斑块稳定性评估方法。图2是本技术实施例的颈动脉斑块稳定性评估方法200的一个示意性流程图。
76.如图2所示，本技术一个实施例的颈动脉斑块稳定性评估方法200包括如下步骤：
77.首先，在步骤s210，获取包含颈动脉斑块的颈动脉部位的图像数据。
78.在本技术中该颈动脉部位的图像数据包括超声图像数据和/或ct图像数据，其中所述超声图像数据包括二维超声灰阶图像数据、超声容积数据、彩色多普勒数据、造影数据和弹性图像数据中的至少一种。
79.其中，超声图像数据可以通过超声成像系统获取，例如通过超声探头向颈动脉部位发射超声波，并接收该超声波的回波，以获得超声回波信号。
80.示例性地，如图1所示，超声成像系统100包括超声探头110、发射/接收电路112、处理器114、显示器116以及存储器118。
81.进一步地，超声成像系统100还可以包括波束合成电路和发射/接收选择开关等。可以基于图1所示的超声成像系统100进行超声图像采集。用户移动超声探头110选择合适的位置和角度，发射/接收电路120中的发射电路将一组经过延迟聚焦的脉冲发送到超声探头110，超声探头110沿2d扫描平面向颈动脉部位发射超声波形。超声探头110接收到反射回的超声回波后，将其转化为电信号，由波束合成电路对多次发射/接收得到的信号进行聚焦延时、加权和通道求和的处理，实现波束合成，再送入处理器114进行后续的信号处理。
82.然后对该超声回波信号进行处理，得到该颈动脉部位的图像数据。
83.具体地，可以对超声探头110在一系列扫描平面内发射/接收获得的超声回波的三维空间关系进行整合。最后，经过去噪、平滑、增强等部分或全部图像后处理步骤后，获得颈动脉部位的图像数据。
84.在一些实施例中，获取超声的图像数据之后，可以对图像数据使用可视化算法进
行渲染，从而获得超声图像，并利用显示设备进行显示。该绘制例如包括表面绘制方法或体绘制方法等，本技术实施例对此不做限制。
85.其中，该颈动脉部位的图像数据可是二维数据、三维体数据，还可以是四维体数据，在此不做限定。
86.在本技术的一示例中，该颈动脉部位的图像数据为二维超声灰阶图像数据。
87.该图像数据还可以为造影数据，通过超声造影的方法获取，超声造影作为微血管显影的方法，可以检测颈动脉斑块内新生血管，发现常规超声下遗漏的低回声斑块，降低动脉斑块的漏诊率，在无创、实时、定性定量评估斑块易损性、分析与临床疾病相关性及评价疗效方面发挥独到优势。
88.造影数据还可以通过超微血管成像技术获得，超微血管成像技术与超声造影类似，且由于不需要造影剂，具有操作简便、安全和便宜等优点。
89.该图像数据还可以为弹性图像数据，通过实时超声弹性成像技术获得，该超声弹性成像技术通过实时剪切波弹性成像，将组织力学特性数字化表达来评估颈动脉斑块稳定性。
90.其中，彩色多普勒数据和ct图像数据可以通过常规的方法获取，在此不做限定。
91.在该步骤s220中，确定该图像数据中该颈动脉斑块的关键特征以及待测量的特征结构。
92.其中，根据该关键特征和待测量的特征结构在评估时的重要性和/或所占权重高低，可以将关键特征和待测量的特征结构划分为颈动脉斑块的稳定性评估的主要标准和次要标准，例如当满足1条主要标准或多条次要标准时，可评估斑块更加不稳定，发生斑块相关并发症的风险更高。
93.其中，主要标准为：
①
斑块活动性炎症：斑块内存在单核细胞、巨噬细胞浸润；
②
斑块内含较大的脂质坏死核心，表面覆以较薄的纤维帽(纤维帽《100微米，脂质核心占斑块总体积的40％以上)；
③
血管内皮侵蚀伴有表面血小板凝集；
④
裂隙样斑块；
⑤
管腔狭窄大于90％。次要标准为：
①
斑块表面有钙化结节；
②
血管内镜下可见的黄色斑块；
③
斑块内出血；
④
血管内皮功能障碍；
⑤
血管正性重构。
94.在本技术的一实施例中，其中用于颈动脉斑块的稳定性评估的关键特征包括斑块内炎细胞浸润、血小板黏附并有血管内皮侵蚀、斑块呈裂隙样、斑块表面有钙化结节、斑块内出血、血管正性重构和造影数据中颈动脉斑块内部有新生血管中至少一种。
95.确定该图像数据中该颈动脉斑块的关键特征包括：
96.提取用于区分该关键特征所在区域和背景区域的特征结构；
97.根据该特征结构自动检测该颈动脉斑块中是否存在该关键特征。
98.在本技术中该关键特征所在的区域为目标区域，该关键特征之外的区域为背景区域(非目标区域)。
99.其中，在本技术中该目标区域的定位和识别的方法主要是采用机器学习算法或深度学习算法在颈动脉部位的图像数据中确定该关键特征。
100.可选地，该确定方法通常是先学习数据库中可以区别目标区域和背景区域的特征结构或规律，再根据学习到的特征结构或规律对其他图像数据的关键特征进行检测。
101.具体地，在一实施例中，确定该图像数据中所述颈动脉斑块的关键特征包括：
102.步骤s2201：构建数据库，该数据库中包含颈动脉部位的图像数据和在该颈动脉部位的图像数据中对所有关键特征的标定结果；
103.步骤s2202：根据该标定结果，基于滑窗的方法或深度学习的边框回归方法提取用于区分该关键特征所在区域和背景区域的特征结构；
104.步骤s2203：输入包含颈动脉斑块的颈动脉部位的图像数据；
105.步骤s2204：根据该特征结构对输入的颈动脉部位的图像数据进行关键特征的检测。
106.在该步骤s2201中，构建的数据库中通常包含了多份颈动脉部位的体数据及所有关键特征的标定结果。
107.其中，标定结果可以根据实际的任务需要进行设定，可以是包含目标的感兴趣区域(roi)框，也可以是对关键结构进行精确分割的掩膜(mask)，在此不做限定。
108.在该步骤s2202中，根据该标定结果对该颈动脉部分的关键特征进行定位和识别。
109.具体地，构建好数据库后，再设计机器学习算法学习数据库中可以区别目标区域(特征结构区域)和背景区域(非目标区域)的特征结构或规律来实现对图像的定位和识别。该实现步骤包含但不仅限于以下几种方法：
110.第一：可以采用传统的基于滑窗的方法，常见形式为：首先对滑窗内的区域进行特征结构提取，特征结构提取方法可以是传统的pca(principal component analysis)、降维方法线性判别分析(linear discriminant analysis,以下简称lda)、haar特征(haar-like features)、纹理特征等，也可以采用深度神经网络来进行特征结构提取。然后将提取到的特征结构和数据库进行匹配，用最邻近结点算法(knn，k-nearestneighbor)、支持向量机(support vector machines,svm)、随机森林、神经网络等判别器进行分类，确定当前滑窗是否为感兴趣区域同时获取其相应类别。
111.第二：可以采用基于深度学习的roi区域的边界框(bounding-box)方法检测识别，常见形式为：通过堆叠基层卷积层和全连接层来对构建的数据库进行特征结构的学习和参数的回归。对于输入的图像数据，可以通过网络直接回归出对应的感兴趣区域的bounding-box，同时获取其感兴趣区域内组织结构的类别，常见的网络有r-cnn(region-convolutional neural networks)、fast r-cnn(fast region-convolutional neural networks)、faster r-cnn(faster region-convolutional neural networks)、ssd(single shot multibox detector)和yolo(you only look once)等。
112.在该步骤s2203和该步骤s2204中，将需要进行稳定性评估的图像数据输入之后，根据学习的该特征结构对输入的颈动脉部位的图像数据进行关键特征所在区域和背景区域的划分，以实现关键特征的定位和识别。
113.在本技术的另一实施例中，还可以根据该特征结构对关键特征所在区域进行定位；
114.设计目标分类器，该目标分类器学习区分该关键特征所在区域和背景区域的特征结构；
115.通过该目标分类器确定输入的颈动脉部位数据中关键特征所在区域和背景区域。
116.具体地，在该实施例中只采用第一和第二所描述的方法来对目标区域进行定位，再根据定位结果额外设计分类器对目标进行分类判断。
117.在本技术中该分类判断包括并不局限于下述示例：首先对目标roi或mask进行特征结构提取，特征结构提取方法可以是传统的pca(principal component analysis)、降维方法线性判别分析(linear discriminant analysis,以下简称lda)、haar特征(haar-like features)、纹理特征等，也可以采用深度神经网络来进行特征结构提取，然后将提取到的特征结构和数据库进行匹配，用最邻近结点算法(knn，k-nearestneighbor)、支持向量机(support vector machines,svm)、随机森林、神经网络等判别器进行分类，以实现关键特征的检测。
118.在本技术中该关键特征的确定方法可以是手动的，也可以是自动的，并不局限于上述实施例。
119.其中，在手动确定方法中，用户可通过操作键盘、鼠标等工具，通过一定的工作流在各种形式的图像数据中进行关键特征的检测；或者通过手动的方法确定关键特征所在区域，然后在通过自动检测的方法进行关键特征的检测。自动检测是通过提取关键特征的特征结构，利用该特征结构自动检测出颈动脉斑块中是否存在该关键特征，并确定其位置。自动检测关键结构的方法包括基于传统灰度和/或形态学等特征检测方法，以及机器学习算法或深度学习算法的方法进行检测。由于用于斑块稳定性评估的关键特征较小，采用传统检测方法容易漏检或者误检。
120.在所述步骤s220中，还进一步包括确定待测量的特征结构。
121.在该方法200中通过该待测量的特征结构的定量测量结构和关键特征共同对颈动脉斑块的稳定性评估。
122.具体地，在本技术的一实施例中，以颈动脉部位的三维超声的图像数据为输入，对图像数据进行所有关键特征的定性检测，记录检测结果；同时确定待测量的特征结构并进一步进行分割与测量，并记录测量结果。
123.其中，该待测量的特征结构包括斑块内脂质核心结构、纤维帽结构和管腔结构中的至少一种。
124.在本技术的一实施例中，该斑块内脂质核心结构包括斑块内脂质核心占斑块总体积的参数，纤维帽结构包括纤维帽厚度，管腔结构包括管腔狭窄率等。
125.在该步骤s230中，对该待测量的特征结构进行分割和测量，得到测量结果。
126.具体地，通过图像分割方法、机器学习方法、基于深度学习的端到端的语义分割网络方法中的至少一种对该待测量的特征结构进行分割和测量。
127.在该步骤中通过对输入的图像数据中待测量的特征结构分割和测量，以得到相应的测量结果。对待测量的特征结构的定量测量包含但不限于对纤维帽厚度的测量、脂质核心占斑块总体积的计算以及管腔狭窄率的测量。
128.对该待测量的特征结构进行分割和测量的方法包括以下方法中的至少一种：
129.第一种：采用自动方法对待测量的特征结构分割和测量，例如可以采用传统的图像分割方法，如snake算法、图割算法(graph cut)、水平集算法(levelset)、randomwalker等，对该待测量的特征结构进行分割和测量。
130.第二种：采用自动方法对待测量的特征结构分割和测量，例如可以采用机器学习算法对图像数据中的每一个像素点取周围邻域的图像块，对每个图像块进行特征结构提取，特征结构提取方法可以是传统的pca(principal component analysis)、降维方法线性
判别分析(linear discriminant analysis,以下简称lda)、harr特征、纹理特征等，也可以采用深度神经网络来进行特征提取；然后将提取到的特征结构和数据库进行匹配，用最邻近结点算法(knn，k-nearestneighbor)、支持向量机(support vector machines,svm)、随机森林、神经网络等判别器进行分类，确定当前图像块对应的像素点是待测量的特征结构还是背景来达到分割待测量的特征结构的目的。
131.第三种：采用自动方法对待测量的特征结构分割和测量，例如可以通过堆叠基层卷积层和全连接层来对构建的数据库进行特征结构的学习，加入上采样或者反卷积层来使得输入与输出的尺寸相同，从而直接得到输入图像的感兴趣区域及其相应类别，常见的网络有fcn、u-net、mask r-cnn r-cnn(mask region-convolutional neural networks)等。
132.第四种：方法为采用第二种方法中的关键特征检测方法检测得到关键特征的位置(roi)，然后在roi内采用上述三种方法进行分割。
133.在上述四种方法中，也可以通过半自动的方式来缩小分割的范围或根据用户的输入来指导更加精确的而分割。例如，一种半自动的分割和测量方法为用户画一个roi框将目标框住，然后在roi内采用上述三种方法进行自动分割和测量。
134.又例如，一种半自动的实施例为用户在目标区域上画一些点或线，再结合这些点或线采用交互式的分割方法对待测量的特征结构进行分割，常用的交互式算法有graph cut、randomwalker等。
135.通过上述方法可以实现每个待测量的特征结构的分割，基于这些分割结果，可以自动进行相关测量值的测量和计算，例如纤维帽的厚度和管腔狭窄率等，以得到该测量结果。
136.在该步骤s240中，基于该关键特征和该测量结果确定该颈动脉斑块的稳定性评估结果。
137.具体地，该待测量的特征结构还设置有测量结构的预设阈值，通过比较该测量结果和该预设阈值，以确定该待测量的特征结构是否用于评价该颈动脉斑块的稳定性。
138.若该测量的结果大于或等于该预设阈值，则将该待测量的特征结构用于判断该颈动脉斑块的稳定性；
139.若该测量的结果小于该预设阈值，则放弃该待测量的特征结构，该待测量的特征结构不再用于判断该颈动脉斑块的稳定性。
140.其中，该预设阈值可以根据实际情况进行设定，例如以斑块内脂质核心占斑块总体积的40％以上、纤维帽厚度小于100微米以及管腔狭窄率大于90％作为该预设阈值。
141.可选地，基于该关键特征和该测量结果确定该颈动脉斑块的稳定性评估结果包括：
142.将该测量结果与预设阈值进行比较，以获得第一评分；
143.获取该关键特征的第二评分；
144.根据该第一评分和该第二评分确定该颈动脉斑块的稳定性评估结果。
145.具体地，在本技术中，该测量结果具有相应的评分，在获得测量结果之后将该测量结果与预设阈值进行比较，以获得相应的评分，例如斑块内脂质核心占斑块总体积的40％以上、纤维帽厚度小于100微米以及管腔狭窄率大于90％时的评分为1分，当该测量结果小于该预设阈值时，则评分为0分(即不再用于进行颈动脉斑块稳定性的评价)。
146.在本技术的一实施例中，该将测量结果与该预设阈值比较之后，将所有的评分进行叠加，以得到第一评分。该叠加可以为加权的形式，还可以为加和的形式，并不局限于某一种。其中，该叠加在没有特殊说明的情况下，下文中提及的叠加均参照该解释和说明。
147.同理，在本技术中每个关键特征也具有相应的评分，对该关键特征的评分进行叠加，以得到第二评分。
148.最后将该第一评分和该第二评分进行叠加，以得到该颈动脉斑块的稳定性评估结果。
149.具体地，基于该关键特征和该测量结果确定该颈动脉斑块的稳定性评估结果包括：
150.将获取第一评分和第二评分进行叠加；
151.若叠加后的评分小于设定的阈值，则该颈动脉斑块为稳定斑块；
152.若叠加后的评分等于或大于设定的阈值，则该颈动脉斑块为不稳定斑块。
153.在本技术的一实施例中，根据上述方法确定关键特征与该测量结果之后，对斑块稳定性进行评估。结合评估斑块稳定性的主要标准和次要标准，计算斑块不稳定性的总评分。以下测量结果以及测量结构对应的关键特征之外的其他关键特征，每检测出一项，颈动脉斑块不稳定性评分加1分：
①
斑块内炎细胞浸润；
②
斑块内脂质核心占斑块总体积的40％以上和纤维帽厚度小于100微米；
③
血小板黏附并有血管内皮侵蚀；
④
斑块呈裂隙样；
⑤
管腔狭窄率大于90％。以下关键结构每检测出一项，斑块不稳定性评分加0.5分：
①
斑块表面有钙化结节；
⑦
斑块内出血；
⑧
血管正性重构。
154.此外，通过血管内镜观察可见黄色斑块或检查出血管内皮功能障碍，斑块不稳定性评分加0.5分。用于评估斑块稳定性的斑块特征包括但不限于上述示例，还可包括其他特征，例如造影数据中显示斑块内部有新生血管，实时剪切波弹性成像中不稳定斑块的组织力学特性等。根据颈动脉斑块不稳定性总评分可对斑块稳定性进行评估，当总评分≥1分时，则斑块为不稳定斑块，反之，则斑块为较稳定斑块，不易脱落。
155.此外，还可以根据总得分对不稳定性斑块进行分级，得分越高斑块越不稳定，越需要尽快进行治疗。
156.在该步骤s250中，显示该颈动脉斑块的稳定性评估结果。
157.其中，在一实施例中，直接对输入的图像数据进行颈动脉斑块的稳定性评估结果的显示。
158.该方式可直接显示输入的图像数据的颈动脉斑块的稳定性评估结果，并将稳定性评估结果直接显示在界面或(和)输出报告。该方式的一个结果实施例如图5所示，稳定性评估结果显示该颈动脉部位是否存在颈动脉斑块、颈动脉斑块数量、斑块方位以及斑块是否稳定中的至少一种。
159.其中，该斑块包括稳定斑块和/或不稳定斑块，该不稳定斑块以区别化的方式显示。该区别化显示包括以下显示方式中的至少一种：高亮显示、闪烁显示、附加符号显示、区别化的底纹颜色显示和区别化的字体颜色显示。
160.其中，在该步骤中显示该颈动脉部位的图像并在该颈动脉部位的图像中以标记框的形式标注出该不稳定斑块。例如用矩形框或者其他形式的标记框标注。
161.例如在本技术的一实施例中，若斑块为不稳定斑块，则在稳定性评估结果中进行
标红提示。
162.在另一实施例中，基于检测关键特征和相关测量结果的斑块稳定性评估结果显示。例如，该稳定性评估结果的显示还包括该颈动脉斑块中出现的关键特征的第二评分、该待测量的特征结构的第一评分、该测量结果以及该关键特征中的至少一个。
163.该方式的稳定性评估结果的显示实施例如图6所示，其中测量数值并非真实数值，结果显示不仅给出了斑块是否存在、斑块数量、斑块方位(用矩形框或者其他形式标注)和斑块是否稳定，还给出了斑块中出现了哪几个关键特征和待测的关键特征的测量结果。如果待测的解剖结构的相关测量结果超出预设阈值，则采用比较醒目的颜色显示测量结果。
164.值得注意的是，上述各种方式的实施例只是为了更好的阐述本技术判断结果的显示方式，但并不限于上述几种显示方式和实施例，任何在显示结果上增加、减少、修改对应项目的行为均不改变本技术的本质，仍属于本技术的保护范围。
165.此外，在本技术中，还可以自动生成含稳定性评估结果的诊断报告。例如完成该步骤s210-步骤s260之后，可自动生成诊断报告，减少医生手动填写报告的繁琐操作。报告中内容可以和界面上显示的自动诊断内容一致，也可以在界面显示的基础上增加内容，例如，报告中可增加病人的姓名、年龄、孕龄、病史等基本信息，同时也可增加一些描述性词汇来对界面显示内容做进一步解释说明。
166.下面，将参考图3描述根据本技术另一实施例的颈动脉斑块稳定性评估方法。图3是本技术实施例的颈动脉斑块稳定性评估方法300的一个示意性流程图。
167.如图3所示，该颈动脉斑块稳定性评估方法300包括如下步骤：
168.在步骤s310，获取包含颈动脉斑块的颈动脉部位的图像数据；
169.在步骤s320，确定所述图像数据中所述颈动脉斑块的待测量的特征结构；
170.在步骤s330，对所述待测量的特征结构进行分割和测量，得到测量结果；
171.在步骤s340，基于所述测量结果确定所述颈动脉斑块的稳定性评估结果；
172.在步骤s350，显示所述颈动脉斑块的稳定性评估结果。
173.根据本技术实施例的颈动脉斑块稳定性评估方法300中的步骤s310、步骤s320、步骤s330以及步骤s350与参考图2描述的颈动脉斑块稳定性评估方法200中的步骤s210、步骤s220、步骤s230以及步骤s250大体上类似，为了简洁，此处不再赘述相同的细节内容，以下主要对步骤s340中基于该测量结果确定该颈动脉斑块的稳定性评估结果的方式进行详细描述。
174.该步骤s340与该步骤s240的方法相比，区别在于不再考虑该关键特征，仅根据该测量结果对确定颈动脉斑块的稳定性评估结果。
175.可选地，基于该测量结果确定该颈动脉斑块的稳定性评估结果包括：
176.将该测量结果与预设阈值进行比较，以获得第一评分；
177.根据该第一评分确定该颈动脉斑块的稳定性评估结果。
178.具体地，在本技术中，该测量结果具有相应的评分，在获得测量结果之后将该测量结果与预设阈值进行比较，以获得相应的评分，例如斑块内脂质核心占斑块总体积的40％以上、纤维帽厚度小于100微米以及管腔狭窄率大于90％时的评分为1分，当该测量结果小于该预设阈值时，则评分为0分，即不再用于进行颈动脉斑块稳定性的评价。
179.在本技术的一实施例中，将测量结果与该预设阈值比较之后，将所有的评分进行
叠加，以得到第一评分。该叠加可以为加权的形式，还可以为加和的形式，并不局限于某一种。其中，该叠加在没有特殊说明的情况下，下文中提及的叠加均参照该解释和说明。
180.具体地，基于该关键特征和该测量结果确定该颈动脉斑块的稳定性评估结果包括：
181.将获取第一评分进行叠加；
182.若叠加后的评分小于设定的阈值，则该颈动脉斑块为稳定斑块；
183.若叠加后的评分等于或大于设定的阈值，则该颈动脉斑块为不稳定斑块。
184.在前文描述的评估方法中，在完成包含颈动脉斑块的颈动脉部位的图像数据的采集后，可以基于一定模式的图像数据，确定待测量的特征结构，对该待测量的特征结构进行分割和测量，得到测量结果，根据该测量结果，给出诊断结果。该稳定性评估方法可帮助医生快速识别斑块区域并对其稳定性进行评估，为临床医生提供有效的临床参考，减少不稳定斑块的误判率和漏检率。
185.下面，将参考图4描述根据本技术另一实施例的颈动脉斑块稳定性评估方法。图4是本技术实施例的颈动脉斑块稳定性评估方法400的一个示意性流程图。
186.如图4所示，该颈动脉斑块稳定性评估方法400包括如下步骤：
187.在步骤s410，获取包含颈动脉斑块的颈动脉部位的图像数据；
188.在步骤s420，获取颈动脉部位正常、颈动脉斑块稳定以及颈动脉斑块不稳定的数据的标定结果；
189.在步骤s430，根据该标定结果提取颈动脉斑块不稳定的特征结构；
190.在步骤s440，根据该特征结构对该颈动脉部位的图像数据进行匹配，以得到该颈动脉斑块的稳定性评估结果；
191.在步骤s450，显示该颈动脉斑块的稳定性评估结果。
192.根据本技术实施例的颈动脉斑块稳定性评估方法400中的步骤s410以及步骤s460与参考图2描述的颈动脉斑块稳定性评估方法200中的步骤s210、以及步骤s260大体上类似，为了简洁，此处不再赘述相同的细节内容，以下主要对步骤s420至步骤s450进行详细描述。
193.在该步骤s420至步骤s450中，对输入的图像数据直接进行颈动脉斑块稳定性评估。
194.在本技术的一实施例中，以颈动脉部位的三维超声数据为输入的图像数据，采用机器学习方法对输入的图像数据进行特征结构提取后再进行分类，判断图像数据中是否存在颈动脉斑块，以及评估斑块的稳定性。
195.具体地，该方法首先需要构建一个数据库，数据库中包含正常的图像数据、不同方位的颈动脉的图像数据以及各种不同类型的颈动脉斑块的图像数据，并且需要对其中的全部或部分图像数据进行标定，确定该数据属于哪一类别，例如可按照有无斑块，斑块是否稳定等进行分类。
196.对颈动脉斑块的稳定性的标定是根据前文描述的主要标准和次要标准进行的；通过设计机器学习算法进行特征结构提取，提取出能够区别不同类别样本的特征结构。特征结构提取方法可以是传统的主成分分析pca(principal component analysis)、线性判别法降维方法线性判别分析(linear discriminant analysis,以下简称lda)、harr特征、纹
理特征、小波特征等，也可以采用深度神经网络(如cnn、resnet、vgg、inception、mobilenet等)来进行特征结构提取，然后将提取到的特征结构和数据库进行匹配，用最邻近结点算法(knn，k-nearestneighbor)、支持向量机(support vector machines,svm)、随机森林、神经网络等判别器进行分类，分辨出图像数据中的斑块是否为稳定斑块。
197.通过该方法输入颈动脉部位的超声图像数据，基于机器学习算法可以直接输出颈动脉斑块的稳定性评估结果。该方法直接给出最终的稳定性评估结果，但是无法确定被测颈动脉斑块的不稳定性源于哪种结构特征。
198.该稳定性评估方法可帮助医生快速识别斑块区域并对其稳定性进行评估，为临床医生提供有效的临床参考，减少不稳定斑块的误判率和漏检率。
199.本技术还提供了一种超声成像系统，如图1所示，超声成像系统100包括：
200.超声探头；
201.发射/接收电路112，其中，发射电路，用于激励该超声探头向包含颈动脉斑块的颈动脉部位发射超声波；接收电路，用于通过该超声探头接收该超声波的回波，以获得超声回波信号；
202.处理器114，用于对该超声回波信号进行处理，得到包含颈动脉斑块的颈动脉部位的超声图像数据；
203.显示器116，用于输出可视化信息；
204.处理器114，用于执行前文描述的颈动脉斑块稳定性评估方法200、方法300以及方法400的各个步骤。
205.具体地，超声探头110包括多个换能器阵元，多个换能器阵元可以排列成一排构成线阵，或排布成二维矩阵构成面阵，多个换能器阵元也可以构成凸阵列。换能器用于根据激励电信号发射超声波，或将接收的超声波转换为电信号，因此每个阵元可用于实现电脉冲信号和超声波的相互转换，从而实现向被测对象的目标区域的组织发射超声波、也可用于接收经组织反射回的超声波回波。在进行超声成像时，可通过发射序列和接收序列控制哪些换能器用于发射超声波，哪些换能器用于接收超声波，或者控制换能器分时隙用于发射超声波或接收超声波的回波。参与超声波发射的换能器可以同时被电信号激励，从而同时发射超声波；或者，参与超声波束发射的换能器也可以被具有一定时间间隔的若干电信号激励，从而持续发射具有一定时间间隔的超声波。
206.发射/接收电路112可以通过发射/接收选择开关与超声探头110连接。发射/接收选择开关也可以被称为发送/接收控制器，其可以包括发送控制器和接收控制器，发送控制器用于激励超声探头110经由发射电路向颈动脉部位所在区域发射超声波；接收控制器用于通过超声探头110经由接收电路接收从颈动脉部位所在区域返回的超声回波，从而获得超声回波数据。之后，发射/接收电路112将超声回波的电信号送入波束合成电路，波束合成电路对该电信号进行聚焦延时、加权和通道求和等处理，然后将处理后的超声回波数据送入处理器114。
207.可选地，处理器114可以通过软件、硬件、固件或其任意组合来实现，可以使用电路、单个或多个专用集成电路(application specific integrated circuit，asic)、单个或多个通用集成电路、单个或多个微处理器、单个或多个可编程逻辑器件、或者前述电路和/或器件的任意组合、或者其他适合的电路或器件，从而使得处理器114可以执行本说明
书中的各个实施例中的颈动脉斑块稳定性评估方法的相应步骤。并且，处理器114可以控制该超声成像系统100中的其它组件以执行期望的功能。
208.处理器114对其接收到的超声回波数据进行处理，得到颈动脉部位的三维超声数据。作为示例，超声探头110在一系列扫描平面内发射/接收超声波，由处理器114根据其三维空间关系进行整合，实现颈动脉部位在三维空间的扫描以及三维图像的重建。最后，由处理器114对其进行去噪、平滑、增强等部分或全部图像后处理步骤后，获取颈动脉部位的三维超声数据。处理器114可以获取颈动脉部位的三维超声数据。处理器114还用于确定该颈动脉斑块的稳定性评估结果。处理器114得到的稳定性评估结果可以存储于存储器中或在显示器116上显示。并且，处理器114还可以对三维超声数据进行绘制并在显示器116上显示。
209.显示器116与处理器114连接，显示器116可以为触摸显示屏、液晶显示屏等；或者显示器116可以为独立于超声成像系统100之外的液晶显示器、电视机等独立显示设备；或者显示器116可以是智能手机、平板电脑等电子设备的显示屏，等等。其中，显示器116的数量可以为一个或多个。例如，显示器116可以包括主屏和触摸屏，主屏主要用于显示超声图像，触摸屏主要用于人机交互。
210.显示器116可以显示处理器114得到的超声图像。此外，显示器116在显示超声图像的同时还可以提供给用户进行人机交互的图形界面，在图形界面上设置一个或多个被控对象，提供给用户利用人机交互装置输入操作指令来控制这些被控对象，从而执行相应的控制操作。例如，在图形界面上显示图标，利用人机交互装置可以对该图标进行操作，用来执行特定的功能。
211.可选地，超声成像系统100还可以包括显示器116之外的其他人机交互装置，其与处理器114连接，例如，处理器114可以通过外部输入/输出端口与人机交互装置连接，外部输入/输出端口可以是无线通信模块，也可以是有线通信模块，或者两者的组合。外部输入/输出端口也可基于usb、如can等总线协议、和/或有线网络协议等来实现。
212.其中，人机交互装置可以包括输入设备，用于检测用户的输入信息，该输入信息例如可以是对超声波发射/接收时序的控制指令，可以是在超声图像上绘制出点、线或框等的操作输入指令，或者还可以包括其他指令类型。输入设备可以包括键盘、鼠标、滚轮、轨迹球、移动式输入设备(比如带触摸显示屏的移动设备、手机等等)、多功能旋钮等等其中之一或者多个的结合。人机交互装置还可以包括诸如打印机之类的输出设备。
213.超声成像系统100还可以包括存储器，用于存储处理器执行的指令、存储接收到的超声回波、存储超声图像，等等。存储器可以为闪存卡、固态存储器、硬盘等。其可以为易失性存储器和/或非易失性存储器，为可移除存储器和/或不可移除存储器等。
214.应理解，图1所示的超声成像系统100所包括的部件只是示意性的，其可以包括更多或更少的部件。本技术对此不限定。
215.本技术一实施例所提供的超声成像系统100可以用于实现上述颈动脉斑块稳定性评估方法200。
216.当用于实现颈动脉斑块稳定性评估方法200时，发射/接收电路112用于激励该超声探头110向颈动脉部位发射超声波，并接收该超声波的回波，以获得超声回波信号；处理器114用于：获取包含颈动脉斑块的颈动脉部位的图像数据；确定该图像数据中该颈动脉斑
块的关键特征以及待测量的特征结构；对该待测量的特征结构进行分割和测量，得到测量结果；基于该关键特征和该测量结果确定该颈动脉斑块的稳定性评估结果；控制该显示器显示该颈动脉斑块的稳定性评估结果；显示器116用于显示该稳定性评估结果。
217.以上仅描述了超声成像系统100各部件的主要功能，更多细节参见对颈动脉斑块稳定性评估方法200进行的相关描述。
218.本技术另一实施例所提供的超声成像系统100可以用于实现上述颈动脉斑块稳定性评估方法300。
219.当用于实现颈动脉斑块稳定性评估方法300时，发射/接收电路112用于激励该超声探头110向颈动脉部位发射超声波，并接收该超声波的回波，以获得超声回波信号；处理器114用于：获取包含颈动脉斑块的颈动脉部位的图像数据；确定所述图像数据中所述颈动脉斑块的待测量的特征结构；对所述待测量的特征结构进行分割和测量，得到测量结果；基于所述测量结果确定所述颈动脉斑块的稳定性评估结果；显示所述颈动脉斑块的稳定性评估结果；显示器116用于显示该稳定性评估结果。
220.以上仅描述了超声成像系统100各部件的主要功能，更多细节参见对颈动脉斑块稳定性评估方法300进行的相关描述。
221.本技术再一实施例所提供的超声成像系统100可以用于实现上述颈动脉斑块稳定性评估方法400。
222.当用于实现颈动脉斑块稳定性评估方法400时，发射/接收电路112用于激励该超声探头110向颈动脉部位发射超声波，并接收该超声波的回波，以获得超声回波信号；处理器114用于：获取包含颈动脉斑块的颈动脉部位的图像数据；获取颈动脉部位正常、颈动脉斑块稳定以及颈动脉斑块不稳定的数据的标定结果；根据该标定结果提取颈动脉斑块不稳定的特征结构；根据该特征结构对该颈动脉部位的图像数据进行匹配，以得到该颈动脉斑块的稳定性评估结果；显示器116用于显示该稳定性评估结果。
223.以上仅描述了超声成像系统100各部件的主要功能，更多细节参见对颈动脉斑块稳定性评估方法400进行的相关描述。
224.以上仅描述了超声成像系统100各部件的主要功能，更多细节参见对颈动脉部位颈动脉斑块稳定性评估方法进行的相关描述。此外，根据本技术实施例，还提供了一种计算机存储介质，在所述计算机存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本技术实施例的方法200、方法300或方法400的相应步骤。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(rom)、可擦除可编程只读存储器(eprom)、便携式紧致盘只读存储器(cd-rom)、usb存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。
225.此外，根据本技术实施例，还提供了一种计算机程序，该计算机程序可以存储在云端或本地的存储介质上。在该计算机程序被计算机或处理器运行时用于执行本技术实施例的颈动脉部位颈动脉斑块稳定性评估方法的相应步骤。
226.基于上面的描述，在所述评估方法中在完成包含颈动脉斑块的颈动脉部位的图像数据的采集后，可以基于一定模式的图像数据，确定所述颈动脉斑块的关键特征和确定待测量的特征结构，对所述待测量的特征结构进行分割和测量，得到测量结果，根据所述测量
结果或者根据所述测量结果结合关键特征进行颈动脉斑块的稳定性评估，给出诊断结果。所述稳定性评估方法可帮助医生快速识别斑块区域并对其稳定性进行评估，为临床医生提供有效的临床参考，减少不稳定斑块的误判率和漏检率。
227.尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本技术的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本技术的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本技术的范围之内。
228.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
229.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。
230.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本技术的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
231.类似地，应当理解，为了精简本技术并帮助理解各个发明方面中的一个或多个，在对本技术的示例性实施例的描述中，本技术的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本技术的方法解释成反映如下意图：即所要求保护的本技术要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本技术的单独实施例。
232.本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
233.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本技术的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
234.本技术的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本技术实施例的一些模块的一些或者全部功能。本技术还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本技术的程序可以存储在计算机可读介质
上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
235.应该注意的是上述实施例对本技术进行说明而不是对本技术进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。本技术可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
236.以上所述，仅为本技术的具体实施方式或对具体实施方式的说明，本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。本技术的保护范围应以权利要求的保护范围为准。