CN102058432A - 用于动态地改善医学图像获取质量的系统 - Google Patents
用于动态地改善医学图像获取质量的系统 Download PDFInfo
- Publication number
- CN102058432A CN102058432A CN2010105440635A CN201010544063A CN102058432A CN 102058432 A CN102058432 A CN 102058432A CN 2010105440635 A CN2010105440635 A CN 2010105440635A CN 201010544063 A CN201010544063 A CN 201010544063A CN 102058432 A CN102058432 A CN 102058432A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- defective
- correction
- parms
- 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.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/545—Control of apparatus or devices for radiation diagnosis involving automatic set-up of acquisition parameters
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G06T2207/10072—Tomographic images
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
Abstract
用于动态地改善医学图像获取质量的系统。一种系统使用包括图像分析仪、修正处理器和消息发生器的至少一个处理设备来动态地改善医学图像的质量。所述图像分析器自动地解析并分析表示由医学图像获取设备获取的病人的特定解剖特征的图像的数据,以通过对表示图像的数据进行针对与图像缺陷相关联的预定图案的检验来识别图像中的缺陷。所述修正处理器使用使图像缺陷与相应修正图像获取参数相关联的预定信息映射表来确定已修正图像获取参数以供在响应于所识别的缺陷使用所述图像获取设备来重新获取图像时使用。所述消息发生器生成用于呈现给用户的指示所识别的缺陷并建议使用已修正图像获取参数来重新获取图像的消息。
Description
这是由S.Zuehlsdorff等人在2009年11月提交的临时申请序号No.61/260,035的非临时申请。
技术领域
本发明涉及用于通过确定用于重新获取图像的已修正图像获取参数来动态地改善由医学成像设备获取的医学图像的质量的系统。
背景技术
临床常规中的医学图像的质量的范围从不可接受到非常卓越并且强烈地取决于用户知识、经验和个人投入。在许多情况下,图像是次最佳的并且包括导致图像的操作员和解释员方面的不满意的伪像和次最佳的读取性能。在商用环境中,医学设备的操作员可以可以请求来自设备制造商的建议,这导致有经验的人员的昂贵利用。在许多情况下,图像质量问题是用户错误和获取参数的不熟练选择的后果。专家意见是昂贵的且通常在正在检验对象的同时的需要时刻不可用。因此,用于解决此类问题的方法常常仅可用作用于问题下一次发生的准备(fix)。根据本发明原理的系统解决了这些缺陷和相关问题。
发明内容
一种系统分析医学图像并识别受危害(compromised)图像质量的特征且导出并向操作员呈现图像的图像获取方法(例如,MR、CT扫描X射线)的提议变化,以便使生成图像的质量最优化。系统使用至少一个处理设备来动态地改善由医学成像设备获取的医学图像的质量。所述至少一个处理设备包括图像分析仪、修正处理器和消息发生器。所述图像分析仪自动地解析并分析表示由医学图像获取设备获取的病人的特定解剖特征的图像的数据,以通过对表示图像的数据进行针对与图像缺陷相关联的预定图案的检验来识别图像中的缺陷。所述修正处理器使用使图像缺陷与相应的修正图像获取参数相关联的预定信息映射表(information map)来确定已修正图像获取参数以供在响应于所识别的缺陷使用所述图像获取设备来重新获取图像时使用。所述消息发生器生成用于呈现给用户的指示所识别的缺陷并建议使用已修正图像获取参数来重新获取图像的消息。
附图说明
图1示出了根据本发明原理的用于动态地改善由医学成像设备获取的医学图像的质量的系统。
图2和3举例说明根据本发明原理的参考无缺陷图像和表现出典型图像伪像的示例性有缺陷图像以及识别伪像、有缺陷图像获取的原因和供在重新获取图像时使用的修正动作的相关表格信息。
图4A、4B、4C示出根据本发明原理的指示用于与所获取的次最佳和有缺陷图像的可比设置相比较的图像获取设置的DICOM报头(header)。
图5举例说明根据本发明原理的用于评估图像扫描仪中的解剖目标结构的正确位置的解剖标志的检测。
图6示出根据本发明原理的由用于通过识别图像缺陷、错误的相应原因和通过将所识别的错误原因转换成修正动作来动态地改善医学图像的质量的系统执行的过程的流程图。
图7A和7B示出根据本发明原理的使图像缺陷、错误原因和修正动作相关联的映射表。
图8示出根据本发明原理的由用于动态地改善由医学成像设备获取的医学图像的质量的系统执行的过程的流程图。
具体实施方式
一种系统通过借助于改变图像获取设备设置来监视并自动地识别且修正成像缺陷而动态地改善医学图像获取质量。所述系统自动地分析表现出次最佳质量的图像并将图像的参数和图像获取设置与已知无缺陷参考图像的相应参数和设置相比较。所述系统指示(并且在一个实施例中动态地实现)图像获取设备设置的变化或使用成像应用程序(例如,用于已获取图像的后处理)来改善图像获取的方式。无经验的用户在识别成像伪像的不同类别方面和在导出步骤(steps)以消除可能可由有经验的用户确定的伪像方面具有限制。所述系统识别并修正图像获取错误和用户错误并支持由无经验的用户进行的图像设备操作。所述系统通过在没有远程专家支持团队的介入延迟的情况下用成像协议参数和设置变化的基本即刻建议来提示用户而使得无经验的用户能够改善图像质量。
所述系统使用处于独立环境中(例如在PC、笔记本、PDA或其它处理设备上)或完全集成到图像获取设备图像重构系统中的图像分析仪来自动地识别图像缺陷(或伪像)。此图像分析仪采用图像后处理方法来识别诸如外体(outer body)检测的伪像。在一个实施例中,所述系统使用错误日志来将所识别的缺陷(伪像)转换成错误原因。在错误日志中报告所识别的缺陷,诸如记录报告的错误消息且包括关于所检测的缺陷的特定信息的简单文件。这可以包括(但不限于)所检测的缺陷的数目、缺陷的性质和严重程度。此分类可以用作询问数据库以识别适当修正动作的参数。虽然在本文中在MR成像系统的背景下描述本发明,但这仅仅是示例性的且本发明原理也可适用于其它类型的成像系统,包括例如X射线、CT扫描和超声。
图1示出用于动态地改善由医学成像设备40获取的医学图像的质量的系统10。由图像处理单元13来处理由成像设备40获取的包含不期望图像伪像或表现出受危害图像质量的DICOM和其它图像11。图像报头分析仪和DICOM报头阅读器15检索图像相关信息,诸如设备40的成像模态类型(例如磁共振、计算断层摄影)、人体部位(例如腹部、头部)、成像协议(例如用于MR成像的黑血制备的快速自旋回波)和相关成像参数(例如,回波时间TE、重复时间TR、反转时间TI)以及生理参数(例如,心率、呼吸率)。数据库17包含用于不同类型的模态(例如,MR、CT扫描、X射线、超声)的医学图像的库和充当用于图像质量和伪像的黄金标准的临床应用。
图4A、4B、4C示出指示用于与所获取的次最佳和有缺陷的图像的可比设置相比较的图像获取设置的DICOM报头。DICOM图像数据表示由像素数据(包括图像)和包含关于图像的信息的数据报头组成的临床标准。图4A、4B、4C示出包括系统10所使用的突出项目以供与图像获取设置相比较的典型DICOM报头信息元素。DICOM报头阅读器15例如检索图像相关信息项403、406、409、410、413、415和417。信息项403、406、409、410、413、415和417包括模态、制造商和型号、造影剂/大丸药(bolus)剂、扫描序列、序列变体、扫描选项、MR获取类型、名称、标记、切片厚度、重复时间、回波时间、平均数目、成像频率、成像基点(imaged nucleus)、回波数目、磁场强度、相位编码步骤的数目、回波链长度、百分比采样、视场相位百分比、像素带宽、软件版本、造影剂/大丸药剂体积、造影剂/大丸药剂总剂量、大丸药成分浓度、触发时间、标称间隔、心率、心脏图像数、发送线圈名称、获取矩阵、平面内相位编码方向、回转角、可变回转角标记、SAR、dB/dt和图像的行列数目。由图像报头分析仪15提取的DICOM信息被存储在数据库17中且被图像分析仪20用来识别适当的模板参考图像以供在与已获取图像和成像获取参数和设置相比较时使用以得到改善的图像获取。
图像分析仪20自动地解析并分析表示由医学图像获取设备40获取的病人的特定解剖特征的图像的数据,以通过对表示图像的数据进行针对与图像缺陷相关联的预定图案的检验来识别图像中的缺陷。图像分析仪20使用从DICOM报头提取的图像获取临床应用的预定存储知识来处理从表示已获取图像11的数据库17检索的数据。根据应用,分析图像以便识别对于特定临床应用而言可能发生的特定种类的潜在伪像或图像质量问题。对于MR图像而言,分析仪20分析从数据库17检索的图像数据以通过例如确定图像中的噪声、图像对比度、混叠、偏离共振效应、成像切片方向/和位置,例如确定相关器官是否在足够大的视场的等中心(iso-center)上正确定位和多个切片上的设置和参数的一致性(例如,对于一叠并行图像)来确定图像特性。
分析仪20还分析从数据库17检索的图像数据以通过识别包括重影(ghosting)和模糊的伪像来确定图像特性并确定图像均一性、成像参数(例如,RF线圈选择、定时、带宽)和硬件问题(例如,尖峰脉冲)。图像分析仪20将所确定的特性与黄金标准图像的相应特性和参考图像的图像获取参数相比较并生成识别在预定可接受范围之外的项的列表(例如,特定类型的伪像可能是不可避免的,但在由阈值确定的某一水平处变得具有侵入性)。
图像评级处理器23例如使用参考数据的度量将图像评估列表的单独项分级为轻微、严重或临床上不可接受。图5举例说明用于评估图像扫描仪中的解剖目标结构的正确位置的解剖标志的检测。某些伪像可以通过单独分析成像参数来检测,然而,许多伪像要求分析图像的内容以检测伪像。该分析可能涉及应用指示被成像的解剖部分的理解的预定知识。分析仪20可靠地提供外体元素的自动检测和相关视场,并且还使用已知方法检测如由图像536所指示的环绕式(wrap-around)伪像。分析仪20将图像分离成前景和背景区,使得能够使用已知方法进行针对缺陷和例如SNR(信噪比)的质量指标的全局图像分析。分析仪20还如在图像539中举例说明的那样检测用于评估图像中的解剖目标结构的正确位置的解剖标志。响应于相关目标的检测,此信息用来本地地分析图像内容以评估对比度噪声比、边缘强度、SNR、和指示图像质量的其它度量。采用其它已知图像处理手段来评估MR图像中的伪像的存在,包括基于部位的分析、基于学习的解决方案以检测某些伪像图案的基于图像的、基于小波的、或光谱特征且包括变形场的分析以表征时间分辨数据集中的运动。
在图5中,表格信息识别行503中的伪像、行506中的伪像的候选原因和行509中的重新获取无缺陷图像的修正动作。列516指示图像536示出包括可以通过正确地对FOV进行定位来修正的由于视场(FOV)在相位编码中的不正确定位而引起的周围组织的环绕的伪像。列519指示图像539示出可以通过移动病人支撑台以对解剖体进行正确定位来修正的由于目标解剖体的偏心位置而引起的偏离共振效应所导致的失真。
修正处理器25使用从DICOM报头提取的图像获取临床应用的预定存储知识以及图像评级数据来导出用于修正图像获取参数的候选建议。具体而言,修正处理器25使用使图像缺陷与相应的修正图像获取参数相关联的预定信息映射表来确定已修正图像获取参数以供在响应于所识别的缺陷使用所述图像获取设备40来重新获取图像时使用。
所确定的已修正图像获取参数改善图像质量以用于重复扫描或用于自动地或响应于用户交互执行的下一次图像研究。在一个实施例中,用户可以在视觉上确定图像伪像和次最佳质量并通过从伪像图案的候选显示的选择中选择最佳匹配伪像示例来支持图像分析。在另一实施例中,用户可以选择在获取一组样本图像时使用的最优化图像获取参数且系统10响应于特定参数的修改用文本消息来指示预期图像变化。例如,修正处理器25用已修正MR图像获取参数来提示用户以供在重新获取图像时使用,包括例如使用闭气并监视病人的呼吸、检查心律不齐、重新校准中心频率、使用较大的视场(FOV)并将经修改的成像参数值用于TE、TR和TI、注入造影剂并使用不同的RF接收机线圈。以明确的方式(例如经由对话框)向用户呈现所建议的候选图像获取参数。修正处理器25还响应于由单元20进行的将图像获取参数设置识别为次最佳的分析向用户提供不妨碍用户操作的细微暗示。例如,可以用类似于Microsoft WordTM的‘键入时检查’特征的下划线的视觉标记或通过使用诸如彩色、高亮、阴影、符号或文本的另一不同类型的视觉属性来呈现暗示。修正处理器25还分析所确定的成像特性以识别取决于应用的冲突参数。已知系统例如基于扫描仪硬件的能力来确定参数设置,以实现此类设置。相反,响应于图像获取特性分析,修正处理器25基于对指定临床图像应用的适合性来选择参数。
消息和报告发生器30生成用于呈现给用户的指示所识别的缺陷并建议使用已修正图像获取参数用于重新获取图像的消息。单元30还提供报告,其总结所检测的关于图像质量的问题和对经修改的图像获取参数的相应建议。在一个实施例中,报告是简单的文本输出,或者例如如果图像质量分数超过某个阈值,则作为“弹出框”变得作为警告可被操作员看见。在另一实施例中,对图像扫描仪数据库17中的已存储协议自动地进行图像获取参数的修改。在另一实施例中,向服务中心发送用于获取设置的远程诊断和最优化(例如由用户或自动地)并扩展模板图像的数据库的报告。
图2和3举例说明参考无缺陷功能性心脏图像和表现出典型MR图像伪像的示例性有缺陷图像以及识别伪像、有缺陷图像获取的原因和供在重新获取图像时使用的修正动作的相关表格信息。伪像常常以由系统10通过诸如借助于使用已知亮度边缘和过渡检测方法基于亮度的重复带状变化来识别条带(banding)伪像来与用于可比临床应用的模板图像伪像相比较所识别的图像的特定外观来显示。所述系统还根据使伪像与问题的原因和与修正动作相关联的映射表中的预定信息来确定受危害的图像质量和设置及其它变化的原因以改善图像质量。
在图2中,图像233是无缺陷参考图像且图像236、239和242示出典型伪像。表格信息识别行203中的伪像、行206中的伪像的候选原因和行209中的重新获取无缺陷图像的修正动作。列216指示图像236示出可以通过在病人闭气期间重新获取图像修正的由于不良闭气而引起的模糊心肌层和胸壁。列219指示图像239示出可以通过用放大FOV和已修正成像切片位置重新获取图像来修正的由于视场(FOV)过小而引起的裁切不正(cropped)的心脏和混叠。列221指示图像242示出可以通过用正确的相位编码方向(例如前后)重新获取图像来修正的由于不正确的相位编码方向而引起的心脏周围组织的混叠。
在图3中,图像333是无缺陷参考图像且图像336、339和342示出典型的伪像。表格信息识别行303中的伪像、行306中的伪像的候选原因和行309中的重新获取无缺陷图像的修正动作。具体而言,列316指示图像336示出可以通过用沿PE方向增加的FOV重新获取图像来修正的由于沿相位编码(PE)方向的FOV过小而引起的心脏周围组织的混叠。列319指示图像339示出可以通过使用具有正确线圈位置的适当RF接收机线圈重新获取图像来修正的由于MR成像中的不适当RF线圈的使用而引起的低信噪比。列321指示图像342示出可以通过使用正确的RF载波频率和使用频率侦察(scout)来识别正确载波频率来修正的由于不正确的RF载波频率而引起的非均质血池以及脉动伪像和条带伪像。
图6示出由用于通过识别图像缺陷、错误的相应原因和通过将所识别的错误原因转换成修正动作来动态地改善医学图像质量的系统执行的过程的流程图。图像报头分析仪和DICOM报头阅读器15(图1)在步骤606中分析图像603的DICOM报头并检索指示MR成像模态类型、TrueFISP(真稳态进动快速成像)脉冲序列和1.6/3.2ms的回波/重复时间的图像获取参数。在步骤609中,分析仪20分析TrueFISP图像603的内容并检测心脏左心室的分段、接近于心脏的条带伪像和血池中的血流伪像。图像分析仪20使用已知图像处理方法和使特定图像特性与已知缺陷类型相关联的预定信息来自动地识别图像伪像。例如,在一个实施例中,分析仪20在步骤613中通过借助于使用缩放、平移和旋转功能将图像特征与模板已知条带图案相比较以重复地使模板与图像特征匹配来查找图像数据中的分离相对恒定距离的相对恒定亮度的条带的图像分析来识别条带伪像。分析仪20还将图像获取参数与DICOM报头参数信息和参考无缺陷图像及示出匹配的模板伪像特性的图像相比较,所述匹配的模板伪像特性诸如为用于具有用于可比临床应用和解剖部位的可比获取特性的TrueFISP图像的模板已知条带图案。还从数据库17检索DICOM报头参数信息,并且分析仪20自动地确定示出过于接近心脏和血流伪像的条带的图像603。
分析仪20在使列703中的伪像与列706中的问题原因和列709中的修正动作相关联的映射表中使用图7A和7B所示的预定信息使伪像与该伪像的原因相匹配。系统10基于包括使缺陷的一个或多个组合与错误原因关联的映射表的预定信息将所识别的缺陷转换成错误原因。所述映射表可以采取表格关联的形式或另一格式。所述系统还将错误原因转换成涉及提供用于由成像设备进行图像获取的已改善图像获取参数的修正动作。在步骤615中,修正处理器25使用图7的映射表以及由图像报头数据分析仪15导出的图像获取参数(指示MR成像模态类型、TrueFISP脉冲序列和1.6/3.2ms的回波/重复时间)以及由图像评级处理器23确定的图像评级数据来确定修正动作。所述评级数据将包括重影和模糊的伪像和成像参数分级为轻微、严重和临床上不可接受。分析仪20和修正处理器25在使伪像与该伪像的原因(不正确的载波频率和不良场均一性)和修正动作(改变载波频率并执行场垫补(field shim))相关联时使用图7A的例如行712的数据。系统10使用使用修正动作来提供已修正图像617的成像设备40来重新获取图像。
在一个实施例中,系统10例如在弹出窗口中使用计算机操作系统来向用户呈现错误消息。错误消息指示图像伪像的性质和严重程度。该系统确定修正动作是否是已知的,并且如果是这样,则使用经修改的特定成像参数来建议用于重复扫描的修正动作。在一个实施例中,使用该系统的成像设备框架检验错误信息,以确定推荐重复成像扫描并基于所确定的修正动作来自动地修改适当的成像参数。
图8示出由用于动态地改善由医学成像设备获取的医学图像的质量的系统10执行的过程的流程图。在步骤811处的开始之后的步骤812中,图像元数据(例如报头)数据分析仪15自动地分析由MR医学图像获取设备获取的病人的特定解剖特征的图像(例如,DICOM兼容图像报头数据)的报头以识别在获取图像时使用的成像特性。元数据包括关于图像的数据且包括例如报头数据。报头分析仪15将所识别的成像特性与特定解剖特征的无缺陷图像的模板报头中的并且使用相同类型的成像模态设备获取的相应成像特性相比较,以识别差异。
在步骤817中,图像分析仪自动地解析并分析表示由医学图像获取设备40获取的病人的特定解剖特征的图像的数据,以通过对表示图像的数据进行针对与图像缺陷相关联的预定图案的检验来识别图像中的缺陷。图像分析仪20响应于成像模态设备的类型、所识别的成像特性和识别所述特定解剖特征的数据从与多个已知缺陷类型相关联的多个预定图案中自动地选择预定图案。图像分析仪20自动地解析并分析表示图像的数据以识别与(i)条带,(ii)混叠和(iii)偏离共振效应中的至少一个相关联的图案。图像分析仪20自动地解析并分析表示图像的数据以识别与(a)噪声,(b)图像对比度,(c)切片位置,(d)切片方向,(e)模糊,(f)重影,(g)图像均一性和(h)视场中的至少一个相关联的缺陷。图形分析仪20还自动地解析并分析表示图像的数据以识别与图像中的解剖特征的定位、MR设备线圈选择、脉冲序列定时和多个堆叠切片上的图像一致性相关联的缺陷。
修正处理器25在步骤823中使用使图像缺陷与相应修正图像获取参数、描述缺陷的相应缺陷消息、有缺陷图像和无缺陷图像之间的DICOM兼容报头成像特性中的差异和DICOM兼容报头成像特性相关联的预定信息映射表,来确定已修正图像获取参数以供在响应于所识别的缺陷使用图像获取设备40来重新获取图像时使用。消息发生器在步骤826生成用于向用户呈现的包括与使用预定信息映射表导出的已识别缺陷相关联的且指示已识别缺陷的缺陷消息、特定成像特性和已获取图像和无缺陷图像的报头数据之间的已识别差异以及响应于所识别的差异超过预定阈值建议使用已修正图像获取参数用于重新获取图像的消息。在一个实施例中,消息指示用于相应缺陷的发生的原因。在步骤829中,修正处理器30中的图像设备设置单元响应于已修正图像获取参数自动地更新图像获取设备的设置。图像元数据数据分析仪15通过将单独元数据项与相应的预定范围相比较以识别超过所述范围的元数据项来分析图像的元数据。单元30中的用户界面发生器自动地生成表示在视觉上识别图像中的缺陷的至少一个原因的显示图像的数据并使用决定(resolution)动作或获取参数来提示用户减少图像中的缺陷。图8的过程在步骤831处终止。
本文所使用的处理器是用于执行存储在计算机可读介质上的机器可读指令以便执行任务的设备,并且可以包括硬件和固件中的任何一个或其组合。处理器还可以包括存储可执行以便执行任务的机器可读指令的存储器。处理器通过操作、分析、修改、转换或传输信息以供可执行程序或信息设备使用、和/或通过将信息路由到输出设备来对信息进行操作。处理器可以使用或包括例如计算机、控制器或微处理器的能力,并使用可执行指令来调节以执行通用计算机未执行的专用功能。处理器可以与任何其它处理器耦合(电气地和/或作为包括可执行组件),使得能够在其之间进行交互和/或通信。用户界面处理器或发生器(图1中的单元30)是包括电子电路或软件或两者的组合以便生成显示图像或其一部分的已知元件。用户界面包括使得用户能够与处理器或其它设备相交互的一个或多个显示图像。
本文所使用的可执行应用程序包括用于例如响应于用户命令或输入将处理器调节为实现诸如操作系统、环境(context)数据获取系统或其它信息处理系统的那些功能的预定功能的代码或机器可读指令。可执行程序是代码或机器可读指令的片断、例行子程序、或用于执行一个或多个特定过程的可执行应用程序的代码或部分的其它不同区段。这些过程可以包括接收输入数据和/或参数、对接收到的输入数据执行操作和/或响应于接收到的输入参数执行功能、以及提供结果得到的输出数据和/或参数。本文所使用的用户界面(UI)包括由用户界面处理器生成且使得能够与处理器或其它设备进行用户交互的一个或多个显示图像及相关数据获取和处理功能。
UI还包括可执行程序或可执行应用程序。所述可执行程序或可执行应用程序将用户界面处理器调节为生成表示UI显示图像的信号。这些信号被提供给显示图像以供用户观看的显示设备。所述可执行程序或可执行应用程序还从诸如键盘、鼠标、光笔、触摸屏或允许用户向处理器提供数据的任何其它装置的用户输入设备接收信号。处理器在可执行程序或可执行应用程序的控制下响应于从输入设备接收到的信号操作UI显示图像。以此方式,用户使用输入设备与显示图像相交互,使得能够与处理器或其它设备进行用户交互。本文的功能和过程步骤可以自动地或完全或部分地响应于用户命令而执行。在没有用户的直接活动发起的情况下响应于可执行指令或设备操作执行自动地执行的活动(包括步骤)。
图1-8的系统和过程不是排他性的。可以依照本发明的原理导出其它系统和过程以实现相同的目标。虽然已参照特定实施例描述了本发明,但应理解的是本文所示和所述的实施例和变更仅仅是出于说明的目的。在不脱离本发明的范围的情况下,本领域的技术人员可以实现对当前设计的修改。所述系统自动地识别图像伪像并在将所识别的伪像转换成错误原因和供在重新获取图像时使用的修正动作时使用映射表中的预定信息。此外,在替换实施例中,所述过程和应用程序可以位于链接图1的单元的网络上的一个或多个(例如分布式)处理设备上。在图1-8中提供的任何功能、图像控制和步骤可以完全或部分地在硬件、软件或两者的组合中实现。
Claims (22)
1.一种用于动态地改善由医学成像设备获取的医学图像的质量的系统,包括:
至少一个处理设备,包括:
图像分析仪,其用于自动地解析并分析表示由医学图像获取设备获取的病人的特定解剖特征的图像的数据,以通过对表示所述图像的所述数据进行针对与图像缺陷相关联的预定图案的检验来识别所述图像中的缺陷;
修正处理器,其用于使用使图像缺陷与相应修正图像获取参数相关联的预定信息映射表,来确定已修正图像获取参数以供在响应于所识别的缺陷使用所述图像获取设备来重新获取图像时使用;以及
消息发生器,其用于生成用于呈现给用户的指示所识别的缺陷并建议使用所述已修正图像获取参数来重新获取图像的消息。
2.根据权利要求1的系统,包括
图像报头数据分析仪,其用于分析所述图像的报头以识别在获取所述图像时所使用的成像特性并将所识别的成像特性与所述特定解剖特征的图像的模板报头中的并且使用相同类型的成像模态设备获取的相应成像特性相比较,以识别差异,以及
所述消息发生器生成用于呈现给用户的指示所识别的差异的消息。
3.根据权利要求2的系统,其中
所述图像报头数据分析仪响应于所识别的差异超过预定阈值而生成用于呈现给用户的指示所识别的差异的消息。
4.根据权利要求2的系统,其中
所述图像报头数据是DICOM兼容图像报头数据。
5.根据权利要求1的系统,其中
所述修正处理器使用使图像缺陷与相应修正图像获取参数和描述缺陷的相应缺陷消息相关联的预定信息映射表,以及
所述消息发生器生成用于呈现给用户的包括与使用所述预定信息映射表导出的已识别缺陷相关联的缺陷消息的消息。
6.根据权利要求5的系统,其中
所述缺陷消息指示相应缺陷的发生原因。
7.根据权利要求1的系统,包括
图像设备设置单元,其用于响应于所述已修正图像获取参数自动地更新所述图像获取设备的设置。
8.根据权利要求1的系统,包括
图像报头数据分析仪,其用于分析所述图像的报头以识别在获取所述图像时使用的成像特性,以及
所述图像分析仪响应于所识别的成像特性自动地从多个预定图案中选择所述预定图案。
9.根据权利要求1的系统,其中
所述图像分析仪响应于成像模态设备的类型自动地从与多个已知缺陷类型相关联的多个预定图案中选择所述预定图案。
10.根据权利要求1的系统,其中
所述图像分析仪响应于识别所述特定解剖特征的数据自动地从多个预定图案中选择所述预定图案。
11.根据权利要求1的系统,包括
图像元数据数据分析仪,其用于通过将单独元数据项与相应预定范围相比较以识别超过所述范围的元数据项来分析所述图像的元数据。
12.根据权利要求1的系统,包括
用户界面发生器,其用于自动地生成表示在视觉上识别所述图像中的缺陷的至少一个原因的显示图像的数据。
13.公开权利要求2的系统,其中
所述显示图像用决定动作或获取参数提示用户减少所述图像中的所述缺陷。
14.一种用于动态地改善由MR医学成像设备获取的医学图像的质量的系统,包括:
至少一个处理设备,包括:
图像数据分析仪,其用于自动地分析由MR医学图像获取设备获取的病人的特定解剖特征的图像的元数据以识别在获取所述图像时使用的成像特性;
图像分析仪,其用于自动地解析并分析表示由医学图像获取设备获取的病人的特定解剖特征的图像的数据,以通过对表示所述图像的所述数据进行针对与图像缺陷相关联的预定图案的检验来识别所述图像中的缺陷;
修正处理器,其用于使用使图像缺陷与相应修正图像获取参数和与DICOM兼容报头成像特性相关联的预定信息映射表,来确定已修正图像获取参数以供在响应于所识别的缺陷使用所述图像获取设备来重新获取图像时使用;以及
图像设备设置单元,其用于响应于所述已修正图像获取参数自动地更新所述图像获取设备的设置,以及
消息发生器,其用于生成用于呈现给用户的指示所识别的缺陷或特定成像特性并建议使用所述已修正图像获取参数来重新获取图像的消息。
15.根据权利要求14的系统,其中
所述图像数据分析仪将所识别的成像特性与所述特定解剖特征的图像的模板报头中的并且使用相同类型的成像模态设备获取的相应成像特性相比较,以识别差异,以及
所述修正处理器使用使有缺陷图像和无缺陷图像之间的DICOM兼容报头成像特性中的差异与相应修正图像获取参数相关联的预定信息映射表,来确定已修正图像获取参数以供在响应于所识别的差异使用所述图像获取设备来重新获取图像时使用。
16.根据权利要求14的系统,其中
所述图像分析仪自动地解析并分析表示所述图像的数据以识别与(a)条带,(b)混叠和(c)偏离共振效应中的至少一个相关联的图案。
17.根据权利要求14的系统,其中
所述图像分析仪自动地解析并分析表示所述图像的数据以识别与(a)噪声,(b)图像对比度,(c)切片位置和(d)切片方向中的至少一个相关联的缺陷。
18.根据权利要求14的系统,其中
所述图像分析仪自动地解析并分析表示所述图像的数据以识别与(a)模糊,(b)重影,(c)图像均一性和(d)视场中的至少一个相关联的缺陷。
19.根据权利要求14的系统,其中
所述图像分析仪自动地解析并分析表示所述图像的数据以识别与(a)所述图像中的所述解剖特征的定位,(b)MR设备线圈选择,(c)脉冲序列定时和(d)多个堆叠切片上的图像一致性中的至少一个相关联的缺陷。
20.根据权利要求14的系统,包括
消息发生器,其用于生成用于呈现给用户的指示所识别的缺陷或特定成像特性并建议使用所述已修正图像获取参数来重新获取图像的消息。
21.一种用于动态地改善由医学成像设备获取的医学图像的质量的系统,包括:
至少一个处理设备,包括:
图像报头数据分析仪,其用于自动地分析由医学图像获取设备获取的病人的特定解剖特征的图像的DICOM兼容报头以识别在获取所述图像时所使用的成像特性,并将所识别的图像特性与所述特定解剖特征的图像的模板报头中的并且使用相同类型的成像模态设备获取的相应成像特性相比较,以识别差异;
修正处理器,其用于使用使DICOM兼容报头成像特性与相应修正图像获取参数相关联的预定信息映射表,来确定已修正图像获取参数以供在响应于所识别的差异使用所述图像获取设备来重新获取图像时使用;以及
消息发生器,其用于生成用于呈现给用户的指示所识别的差异并建议使用所述已修正图像获取参数来重新获取图像的消息。
22.根据权利要求21的系统,包括
图像分析仪,其用于自动地解析并分析表示由医学图像获取设备获取的病人的特定解剖特征的图像的数据,以通过对表示所述图像的所述数据进行针对与图像缺陷相关联的预定图案的检验来识别所述图像中的缺陷;
所述修正处理器使用使图像缺陷与相应修正图像获取参数相关联的预定信息映射表来确定已修正图像获取参数以供在响应于所识别的缺陷使用所述图像获取设备来重新获取图像时使用;以及
所述消息发生器生成用于呈现给用护的指示所识别的缺陷并建议使用已修正图像获取参数来重新获取图像的消息。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US26003509P | 2009-11-11 | 2009-11-11 | |
US61/260035 | 2009-11-11 | ||
US12/897,878 US8520920B2 (en) | 2009-11-11 | 2010-10-05 | System for dynamically improving medical image acquisition quality |
US12/897878 | 2010-10-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102058432A true CN102058432A (zh) | 2011-05-18 |
CN102058432B CN102058432B (zh) | 2015-07-29 |
Family
ID=43974212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010544063.5A Active CN102058432B (zh) | 2009-11-11 | 2010-11-11 | 用于动态地改善医学图像获取质量的系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8520920B2 (zh) |
CN (1) | CN102058432B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102499621A (zh) * | 2011-09-30 | 2012-06-20 | 深圳市理邦精密仪器股份有限公司 | 一种电子阴道镜无线控制方法及装置 |
CN103034779A (zh) * | 2011-09-30 | 2013-04-10 | 通用电气公司 | 用于提供自动化成像反馈的系统和方法 |
CN103853912A (zh) * | 2012-12-05 | 2014-06-11 | 柯尼卡美能达株式会社 | 医用图像系统 |
CN105051784A (zh) * | 2013-03-15 | 2015-11-11 | 哈特弗罗公司 | 对模拟准确度和性能的图像质量评估 |
CN106062755A (zh) * | 2014-01-10 | 2016-10-26 | 哈特弗罗公司 | 用于识别医学图像采集参数的系统和方法 |
CN108324297A (zh) * | 2017-01-09 | 2018-07-27 | 通用电气公司 | 用于评估图像数据的图像分析方法 |
CN109983502A (zh) * | 2016-10-25 | 2019-07-05 | 皇家飞利浦有限公司 | 用于医学图像数据集的质量评估的设备和方法 |
CN110161549A (zh) * | 2019-05-07 | 2019-08-23 | 东软医疗系统股份有限公司 | 一种控制脉冲堆叠的方法及装置 |
CN110556177A (zh) * | 2018-05-31 | 2019-12-10 | 通用电气公司 | 自动扫描工作流程 |
CN110889005A (zh) * | 2018-08-15 | 2020-03-17 | 西门子医疗有限公司 | 搜索医学参考图像 |
CN112020340A (zh) * | 2018-04-02 | 2020-12-01 | 皇家飞利浦有限公司 | 用于远程牙科图像的方法和系统 |
US11107570B2 (en) * | 2016-05-20 | 2021-08-31 | Bayer Healthcare Llc | Flexible, extensible and automated systems and methods for scoring the quality of radiology examinations |
CN113397577A (zh) * | 2020-06-30 | 2021-09-17 | 柯尼卡美能达株式会社 | 动态品质管理装置、动态品质管理程序以及动态品质管理方法 |
CN114077427A (zh) * | 2020-08-12 | 2022-02-22 | 中移物联网有限公司 | 基于光谱分析模型的交互方法及系统 |
CN114098687A (zh) * | 2020-08-28 | 2022-03-01 | 通用电气精准医疗有限责任公司 | 用于超声运动模式的自动心率测量的方法和系统 |
Families Citing this family (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7787672B2 (en) | 2004-11-04 | 2010-08-31 | Dr Systems, Inc. | Systems and methods for matching, naming, and displaying medical images |
US7920152B2 (en) | 2004-11-04 | 2011-04-05 | Dr Systems, Inc. | Systems and methods for viewing medical 3D imaging volumes |
US7970625B2 (en) | 2004-11-04 | 2011-06-28 | Dr Systems, Inc. | Systems and methods for retrieval of medical data |
US7660488B2 (en) | 2004-11-04 | 2010-02-09 | Dr Systems, Inc. | Systems and methods for viewing medical images |
US7885440B2 (en) | 2004-11-04 | 2011-02-08 | Dr Systems, Inc. | Systems and methods for interleaving series of medical images |
US7953614B1 (en) | 2006-11-22 | 2011-05-31 | Dr Systems, Inc. | Smart placement rules |
GB0813666D0 (en) * | 2008-07-25 | 2008-09-03 | Ixico Ltd | Image data management systems |
US8380533B2 (en) | 2008-11-19 | 2013-02-19 | DR Systems Inc. | System and method of providing dynamic and customizable medical examination forms |
US8712120B1 (en) | 2009-09-28 | 2014-04-29 | Dr Systems, Inc. | Rules-based approach to transferring and/or viewing medical images |
US8861828B2 (en) * | 2009-11-26 | 2014-10-14 | Brainlab Ag | Shift compensation in medical image processing |
EP2691895A2 (en) * | 2011-03-29 | 2014-02-05 | Koninklijke Philips N.V. | Image acquisition and/or image related parameter recommender |
WO2012156866A1 (en) | 2011-05-16 | 2012-11-22 | Koninklijke Philips Electronics N.V. | Personalized rf coil array for mr imaging guided interventions |
US9183602B2 (en) * | 2011-06-23 | 2015-11-10 | Cerner Innovation, Inc. | Medical device interfacing using a camera |
JP2014521114A (ja) * | 2011-06-30 | 2014-08-25 | ジーイー・ヘルスケア・バイオサイエンス・コーポレイション | 生体イメージングの画像品質最適化 |
WO2013002719A1 (en) * | 2011-06-30 | 2013-01-03 | Ge Healthcare Bio-Sciences Corp | Microscopy system and method for biological imaging |
US9075899B1 (en) | 2011-08-11 | 2015-07-07 | D.R. Systems, Inc. | Automated display settings for categories of items |
DE102011090047A1 (de) * | 2011-12-28 | 2013-07-25 | Klinikum der Universität München - Campus Innenstadt | Kontrollverfahren und Kontrollsystem |
JP6116899B2 (ja) * | 2012-01-16 | 2017-04-19 | 東芝メディカルシステムズ株式会社 | 医用画像診断装置及び制御プログラム |
US9449380B2 (en) | 2012-03-20 | 2016-09-20 | Siemens Medical Solutions Usa, Inc. | Medical image quality monitoring and improvement system |
US9571864B2 (en) * | 2012-03-30 | 2017-02-14 | Intel Corporation | Techniques for media quality control |
KR20140040419A (ko) | 2012-09-26 | 2014-04-03 | 삼성전자주식회사 | 의료영상장치 및 그 제어방법 |
US9351641B2 (en) | 2012-10-04 | 2016-05-31 | Cerner Innovation, Inc. | Mobile processing device system for patient monitoring data acquisition |
US9495604B1 (en) | 2013-01-09 | 2016-11-15 | D.R. Systems, Inc. | Intelligent management of computerized advanced processing |
US9980629B2 (en) * | 2013-03-11 | 2018-05-29 | Karl Storz Imaging, Inc. | Video capture and streaming diagnostics metadata |
DE102013223958A1 (de) * | 2013-11-22 | 2015-05-28 | Sirona Dental Systems Gmbh | Verfahren und Vorrichtung zur dentalen Bildgebung |
US20160331271A1 (en) * | 2014-01-27 | 2016-11-17 | Sensebreath Ab | A manual resuscitator and capnograph assembly |
DE102014102080B4 (de) * | 2014-02-19 | 2021-03-11 | Carl Zeiss Ag | Verfahren zur Bildaufnahme und Bildaufnahmesystem |
US8917925B1 (en) * | 2014-03-28 | 2014-12-23 | Heartflow, Inc. | Systems and methods for data and model-driven image reconstruction and enhancement |
US10835213B2 (en) | 2014-09-11 | 2020-11-17 | Koninklijke Philips N.V. | Quality metric for multi-beat echocardiographic acquisitions for immediate user feedback |
US9779505B2 (en) * | 2014-09-30 | 2017-10-03 | Toshiba Medical Systems Corporation | Medical data processing apparatus and method |
US9563979B2 (en) * | 2014-11-28 | 2017-02-07 | Toshiba Medical Systems Corporation | Apparatus and method for registering virtual anatomy data |
US10909168B2 (en) | 2015-04-30 | 2021-02-02 | Merge Healthcare Solutions Inc. | Database systems and interactive user interfaces for dynamic interaction with, and review of, digital medical image data |
US20170156630A1 (en) * | 2015-12-08 | 2017-06-08 | Board Of Regents Of The University Of Texas System | System and method for adaptive and patient-specific magnetic resonance imaging |
US10402967B2 (en) * | 2015-12-21 | 2019-09-03 | Koninklijke Philips N.V. | Device, system and method for quality assessment of medical images |
DE102016202335A1 (de) * | 2016-02-16 | 2017-08-17 | Siemens Healthcare Gmbh | Medizinisches Untersuchungssystem |
US10936892B2 (en) * | 2016-02-29 | 2021-03-02 | Koninklijke Philips N.V. | Device, system and method for verifying image-related information of a medical image |
US10013780B2 (en) * | 2016-02-29 | 2018-07-03 | General Electric Company | Systems and methods for artifact removal for computed tomography imaging |
WO2017162777A1 (de) | 2016-03-22 | 2017-09-28 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung zur 3-dimensionalen vermessung eines objekts, verfahren und computerprogramm |
JP6823999B2 (ja) * | 2016-10-26 | 2021-02-03 | ゼネラル・エレクトリック・カンパニイ | 医用画像撮影装置及びその制御プログラム |
EP3555889A1 (en) * | 2016-12-16 | 2019-10-23 | Koninklijke Philips N.V. | Guideline and protocol adherence in medical imaging |
US11478212B2 (en) * | 2017-02-16 | 2022-10-25 | Siemens Healthcare Gmbh | Method for controlling scanner by estimating patient internal anatomical structures from surface data using body-surface and organ-surface latent variables |
US10417793B2 (en) * | 2017-03-23 | 2019-09-17 | Wisconsin Alumni Research Foundation | System and method for data-consistency preparation and image reconstruction |
US10950343B2 (en) * | 2017-06-29 | 2021-03-16 | Siemens Healthcare Gmbh | Highlighting best-matching choices of acquisition and reconstruction parameters |
US20190057767A1 (en) * | 2017-08-21 | 2019-02-21 | Eric Michael Wilson | System, method and apparatus for diagnostic analysis of a medical imaging system to maintain compliance, continuity and regulatory guidelines |
US10475164B2 (en) * | 2017-09-12 | 2019-11-12 | Qualcomm Incorporated | Artifact detection in a contrast enhanced output image |
US10799189B2 (en) * | 2017-11-22 | 2020-10-13 | General Electric Company | Systems and methods to deliver point of care alerts for radiological findings |
US10783634B2 (en) | 2017-11-22 | 2020-09-22 | General Electric Company | Systems and methods to deliver point of care alerts for radiological findings |
US11049250B2 (en) * | 2017-11-22 | 2021-06-29 | General Electric Company | Systems and methods to deliver point of care alerts for radiological findings |
EP3557274A1 (en) | 2018-04-19 | 2019-10-23 | Koninklijke Philips N.V. | Automatic artifact detection and pulse sequence modification in magnetic resonance imaging |
DE102018207632A1 (de) * | 2018-05-16 | 2019-11-21 | Siemens Healthcare Gmbh | Bestimmen einer Bildgebungsmodalität und der Parameter dafür |
GB201817502D0 (en) * | 2018-10-26 | 2018-12-12 | Dolphitech As | Scanning system |
US11531970B2 (en) * | 2018-12-26 | 2022-12-20 | General Electric Company | Imaging modality maintenance care package systems and methods |
GB2581535A (en) * | 2019-02-25 | 2020-08-26 | Canon Kk | Method and system for auto-setting video content analysis modules |
JP7358120B2 (ja) * | 2019-08-30 | 2023-10-10 | キヤノン株式会社 | 情報処理装置、断層撮影装置、情報処理方法およびプログラム |
WO2021064194A1 (en) * | 2019-10-04 | 2021-04-08 | Koninklijke Philips N.V. | Magnetic resonance (mr) image artifact determination using texture analysis for image quality (iq) standardization and system health prediction |
EP3806105A1 (en) * | 2019-10-09 | 2021-04-14 | Koninklijke Philips N.V. | Providing a visual representation of patient monitoring data from a plurality of patient monitors |
US11113577B1 (en) | 2020-02-27 | 2021-09-07 | GE Precision Healthcare LLC | Systems and methods for detecting laterality of a medical image |
US11170424B1 (en) * | 2020-03-23 | 2021-11-09 | Carmax Business Services, Llc | Systems and methods for dynamically ingesting and monitoring online products |
US11846691B2 (en) | 2021-03-04 | 2023-12-19 | Hyperfine Operations, Inc. | Systems and methods for performing magnetic resonance imaging with reduced operator interaction |
WO2023036717A1 (en) | 2021-09-13 | 2023-03-16 | Koninklijke Philips N.V. | Data de-identification |
JP2023180532A (ja) * | 2022-06-09 | 2023-12-21 | 富士フイルムヘルスケア株式会社 | 医用画像処理装置、画像診断装置、及び医用画像処理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030118249A1 (en) * | 2001-04-19 | 2003-06-26 | Edgar Albert D. | Method, system and software for correcting image defects |
US20030149680A9 (en) * | 2000-09-02 | 2003-08-07 | Wortmann Joseph P. | Methods and apparatus for streaming DICOM images through data element sources and sinks |
US20070165934A1 (en) * | 2003-12-02 | 2007-07-19 | Koninklijke Philips Electronic, N.V. | Device and method for correcting defects in x-ray images |
US20080231734A1 (en) * | 2007-03-22 | 2008-09-25 | Fujifilm Corporation | Method of processing images from an imaging device |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5986662A (en) * | 1996-10-16 | 1999-11-16 | Vital Images, Inc. | Advanced diagnostic viewer employing automated protocol selection for volume-rendered imaging |
IL146597A0 (en) * | 2001-11-20 | 2002-08-14 | Gordon Goren | Method and system for creating meaningful summaries from interrelated sets of information |
US6813374B1 (en) | 2001-04-25 | 2004-11-02 | Analogic Corporation | Method and apparatus for automatic image quality assessment |
US20030039403A1 (en) * | 2001-08-24 | 2003-02-27 | Robins David R. | Method and system for user assisted defect removal |
US6970606B2 (en) | 2002-01-16 | 2005-11-29 | Eastman Kodak Company | Automatic image quality evaluation and correction technique for digitized and thresholded document images |
JP4244018B2 (ja) * | 2004-03-25 | 2009-03-25 | ノーリツ鋼機株式会社 | 欠陥画素修正方法、プログラム及びその方法を実施する欠陥画素修正システム |
-
2010
- 2010-10-05 US US12/897,878 patent/US8520920B2/en active Active
- 2010-11-11 CN CN201010544063.5A patent/CN102058432B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030149680A9 (en) * | 2000-09-02 | 2003-08-07 | Wortmann Joseph P. | Methods and apparatus for streaming DICOM images through data element sources and sinks |
US20030118249A1 (en) * | 2001-04-19 | 2003-06-26 | Edgar Albert D. | Method, system and software for correcting image defects |
US20070165934A1 (en) * | 2003-12-02 | 2007-07-19 | Koninklijke Philips Electronic, N.V. | Device and method for correcting defects in x-ray images |
US20080231734A1 (en) * | 2007-03-22 | 2008-09-25 | Fujifilm Corporation | Method of processing images from an imaging device |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102499621A (zh) * | 2011-09-30 | 2012-06-20 | 深圳市理邦精密仪器股份有限公司 | 一种电子阴道镜无线控制方法及装置 |
CN103034779A (zh) * | 2011-09-30 | 2013-04-10 | 通用电气公司 | 用于提供自动化成像反馈的系统和方法 |
CN103853912A (zh) * | 2012-12-05 | 2014-06-11 | 柯尼卡美能达株式会社 | 医用图像系统 |
CN105051784A (zh) * | 2013-03-15 | 2015-11-11 | 哈特弗罗公司 | 对模拟准确度和性能的图像质量评估 |
CN105051784B (zh) * | 2013-03-15 | 2017-05-17 | 哈特弗罗公司 | 对模拟准确度和性能的图像质量评估 |
US11803965B2 (en) | 2013-03-15 | 2023-10-31 | Heartflow, Inc. | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics |
CN106062755A (zh) * | 2014-01-10 | 2016-10-26 | 哈特弗罗公司 | 用于识别医学图像采集参数的系统和方法 |
US20210358598A1 (en) * | 2016-05-20 | 2021-11-18 | Bayer Healthcare Llc | Flexible, extensible and automated systems and methods for scoring the quality of radiology examinations |
US11600377B2 (en) * | 2016-05-20 | 2023-03-07 | Bayer Healthcare Llc | Flexible, extensible and automated systems and methods for scoring the quality of radiology examinations |
US11107570B2 (en) * | 2016-05-20 | 2021-08-31 | Bayer Healthcare Llc | Flexible, extensible and automated systems and methods for scoring the quality of radiology examinations |
CN109983502A (zh) * | 2016-10-25 | 2019-07-05 | 皇家飞利浦有限公司 | 用于医学图像数据集的质量评估的设备和方法 |
CN108324297A (zh) * | 2017-01-09 | 2018-07-27 | 通用电气公司 | 用于评估图像数据的图像分析方法 |
CN112020340A (zh) * | 2018-04-02 | 2020-12-01 | 皇家飞利浦有限公司 | 用于远程牙科图像的方法和系统 |
CN110556177A (zh) * | 2018-05-31 | 2019-12-10 | 通用电气公司 | 自动扫描工作流程 |
CN110889005A (zh) * | 2018-08-15 | 2020-03-17 | 西门子医疗有限公司 | 搜索医学参考图像 |
CN110889005B (zh) * | 2018-08-15 | 2024-04-16 | 西门子医疗有限公司 | 搜索医学参考图像 |
CN110161549B (zh) * | 2019-05-07 | 2020-07-31 | 东软医疗系统股份有限公司 | 一种控制脉冲堆叠的方法及装置 |
CN110161549A (zh) * | 2019-05-07 | 2019-08-23 | 东软医疗系统股份有限公司 | 一种控制脉冲堆叠的方法及装置 |
CN113397577A (zh) * | 2020-06-30 | 2021-09-17 | 柯尼卡美能达株式会社 | 动态品质管理装置、动态品质管理程序以及动态品质管理方法 |
CN114077427A (zh) * | 2020-08-12 | 2022-02-22 | 中移物联网有限公司 | 基于光谱分析模型的交互方法及系统 |
CN114098687A (zh) * | 2020-08-28 | 2022-03-01 | 通用电气精准医疗有限责任公司 | 用于超声运动模式的自动心率测量的方法和系统 |
CN114098687B (zh) * | 2020-08-28 | 2024-04-09 | 通用电气精准医疗有限责任公司 | 用于超声运动模式的自动心率测量的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20110110572A1 (en) | 2011-05-12 |
CN102058432B (zh) | 2015-07-29 |
US8520920B2 (en) | 2013-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102058432B (zh) | 用于动态地改善医学图像获取质量的系统 | |
US9424644B2 (en) | Methods and systems for evaluating bone lesions | |
US8934695B2 (en) | Similar case searching apparatus and similar case searching method | |
JP4832300B2 (ja) | 医用画像診断支援装置の作動方法、医用画像診断支援装置、及び画像処理プログラム | |
US8953857B2 (en) | Similar case searching apparatus and similar case searching method | |
CN101626726B (zh) | 医学成像中病灶的识别与分析 | |
US9295406B2 (en) | Automatic or semi-automatic whole body MR scanning system | |
EP2365471B1 (en) | Diagnosis assisting apparatus, coronary artery analyzing method and recording medium having a coronary artery analzying program stored therein | |
US11373301B2 (en) | Image diagnostic device, image processing method, and program for obtaining diagnostic prediction models using deep learning | |
EP2196137A1 (en) | Medical diagnosis support system | |
US20030028401A1 (en) | Customizable lung report generator | |
RU2734059C2 (ru) | Модификация параметров последовательности импульсов для магнитно-резонансной визуализации | |
CN105103163A (zh) | 血管内图像中的多模态分割 | |
EP3270178A1 (en) | A system and method for determining optimal operating parameters for medical imaging | |
US9974490B2 (en) | Method and device for segmenting a medical examination object with quantitative magnetic resonance imaging | |
CN106880900A (zh) | 用于自动确定造影剂注射方案的方法 | |
CN109614995A (zh) | 一种超声内镜下识别胰胆管和胰腺结构的系统及方法 | |
CN111989583A (zh) | 磁共振成像中的自动伪影检测和脉冲序列修改 | |
US20100260399A1 (en) | Scanner data collection | |
US20210157464A1 (en) | Cardiac feature tracking | |
WO2009050676A1 (en) | Pathology-related magnetic resonance imaging | |
EP3397979A1 (en) | System and method for assessing tissue properties using chemical-shift-encoded magnetic resonance imaging | |
US7088849B1 (en) | Method and apparatus for detecting low contrast object in a diagnostic image | |
CN114007513A (zh) | 超声成像设备及检测b线的方法、装置、存储介质 | |
CN110785123A (zh) | 采用改进的数据处理技术对组织异常进行体素内不相干运动mri三维定量检测 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |