CN104545957B - X线影像系统、x线影像设备、服务器及方法 - Google Patents
X线影像系统、x线影像设备、服务器及方法 Download PDFInfo
- Publication number
- CN104545957B CN104545957B CN201310497362.1A CN201310497362A CN104545957B CN 104545957 B CN104545957 B CN 104545957B CN 201310497362 A CN201310497362 A CN 201310497362A CN 104545957 B CN104545957 B CN 104545957B
- Authority
- CN
- China
- Prior art keywords
- exposure
- exposure parameter
- calculation model
- parameter calculation
- image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims description 165
- 238000003384 imaging method Methods 0.000 claims description 97
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000002601 radiography Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000005855 radiation Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000002583 angiography Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000009607 mammography Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 239000013643 reference control Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 231100000987 absorbed dose Toxicity 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种X线影像系统，包括：至少一个X线影像设备及与至少一个X线影像设备相连接的服务器；其中，服务器用于根据由至少一个X线影像设备上传的图像及其对应的相关信息对曝光参数计算模型进行更新，并将更新后的曝光参数计算模型发送至至少一个X线影像设备；以及至少一个X线影像设备用于从服务器接收曝光参数计算模型；根据所接收的曝光参数计算模型更新自身存储的曝光参数计算模型；根据自身存储的曝光参数计算模型确定曝光参数，并根据确定的曝光参数曝光；以及将曝光后产生的图像及其对应的相关信息上传至服务器。相应的，本发明还公开了一种X线影像设备、服务器、一种曝光参数控制方法以及一种曝光参数计算模型更新方法。
Description
技术领域
本发明涉及医学影像技术领域，特别涉及一种X线影像系统、一种X线影像设备、服务器、一种曝光参数控制方法以及一种曝光参数计算模型更新方法，相应的，还涉及一种机器可读的存储介质以及一种计算机程序。
背景技术
医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。在医学影像技术领域，使用X线(也叫X光或X射线)成像技术的设备被称为X线影像设备。随着计算机技术的发展，可以将普通X线影像设备同电子计算机相结合，使X线信息由模拟转换为数字信息，从而得数字图像。这种影像技术又称为数字X线影像设备(DR，Digital Radiography)。目前，比较常见的DR设备包括：血管造影(Angiography)设备、心血管造影(Cardiac angiography)设备、电脑断层扫描(CT，Computerized Tomography)设备、牙齿X光片(Dental radiography)设备、萤光透视镜(Fluoroscopy)、乳腺摄影(Mammography)设备等。
图1为现有的DR设备的基本组成结构图。如图1所示，DR设备主要包括：一X线发生装置11、一成像装置12和一操作和显示设备13。其中，X线发生装置11主要包括：一控制器111、一高压发生器112、一球管113和一限束器(collimator)114；成像装置12主要包括：一X射线探测器121和一影像处理部件122；操作和显示设备13主要包括：一显示设备131和一操作台132。在X线影像设备工作时，患者15位于X线发生装置11和成像装置12之间；操作员(例如，医生)可以通过操作台132设定曝光参数并向控制器111发出操作命令，这里，曝光参数包括：管电压(kV)、管电流(mA)、曝光时间(s或ms)、靶面-滤过组合、大／小焦、有／无滤线栅等等；控制器111接收来自操作台132的曝光参数和操作命令，对高压发生器112的曝光参数进行设定，向高压发生器112和限束器114并发出指令，使得球管113在曝光时间内发射出一定强度的X线14；限束器114与球管113相邻，以使球管113发出的X线14通过限束器114的限束孔而辐射到患者15的指定部位；X线14透过患者15的指定部位而到达X射线探测器121，X射线探测器121将感应到的X射线强度转换成电信号并输出给影像处理部件122；影像处理部件122对接收到的电信号做进一步处理生成医学影像(可以是单帧预曝光图像或透视视频流)；显示设备131显示影像处理部件122所生成的医学影像，操作员通过显示设备131可以看到医学影像，可进一步通过操作台132对当前显示的医学影像进行各种处理，还可通过操作台132发出操作命令，以调整高压发生器112的曝光参数和／或调整限束器114的状态，进而重新进行拍摄。
在现有的DR设备中，通常是由操作员根据自身的临床经验进行曝光参数设定的。由于曝光参数将直接影响施于患者的X线的辐射量，因此如何在最大限度地减少施于患者的X线辐射量的同时获得高质量的诊断图像是当前医学影像技术中所要解决的一个至关重要的问题。
目前，为了解决上述问题，已提出了自动曝光控制(AEC，automatic exposurecontrol)技术。使用AEC技术的DR设备在确定曝光参数之前首先进行一次小剂量的预曝光，然后通过自身存储的曝光参数计算模型对预曝光的结果以及预曝光参数进行分析并计算得到实际拍摄时采用的曝光参数，从而实现对DR设备曝光参数的自动控制。
通过上述AEC技术可以减小操作员自身临床经验对诊断图像质量以及曝光辐射量的影响，从而获得相对高质量的诊断图像。然而，在传统的AEC技术中，DR设备中使用的曝光参数计算模型基本上都是预先确定而且固定不变的，因此无法实现对曝光效果以及X射线的剂量的进一步优化。
发明内容
有鉴于此，本发明实施例提出了一种X线影像系统、X线影像设备、服务器、曝光参数控制方法以及曝光参数计算模型更新方法，可以实现曝光参数的自动控制，获得高质量的诊断图像。
本发明实施例所述的X线影像系统包括：至少一个X线影像设备及与所述至少一个X线影像设备相连接的服务器；其中，所述服务器用于根据由所述至少一个X线影像设备上传的图像及其对应的相关信息对曝光参数计算模型进行更新，并将更新后的曝光参数计算模型发送至所述至少一个X线影像设备；以及所述至少一个X线影像设备用于从所述服务器接收曝光参数计算模型；根据所接收的曝光参数计算模型更新自身存储的曝光参数计算模型；根据自身存储的曝光参数计算模型确定曝光参数，并根据确定的曝光参数曝光；以及将曝光后产生的图像及其对应的相关信息上传至所述服务器。
在本发明的一个实施例中，所述至少一个X线影像设备通过无线或有线的方式与所述服务器(200)相连接。
在本发明的另一个实施例中，所述至少一个X线影像设备与所述服务器云连接。
上述相关信息包括：拍摄所述图像时的曝光参数以及操作员对所述图像的评价。
本发明实施例所述的服务器包括：信息收集装置，用于接收由至少一个X线影像设备(100)上传的图像及其对应的相关信息；模型更新装置，用于根据信息收集装置接收的图像及其对应的相关信息更新自身存储的曝光参数计算模型；以及模型下发装置，用于将更新后的曝光参数计算模型下发到所述至少一个X线影像设备。
在本发明的一个实施例中，上述服务器进一步包括：信息存储装置，用于存储信息收集装置接收的图像及其对应的相关信息；以及所述模型更新装置进一步用于定期根据信息存储装置存储的图像及其对应的相关信息更新自身存储的曝光参数计算模型。
本发明实施例所述的X线影像设备包括：影像设备及自动曝光控制设备，其中，所述自动曝光控制设备，用于从服务器接收曝光参数计算模型；根据所接收的曝光参数计算模型更新自身存储的曝光参数计算模型；根据自身存储的曝光参数计算模型确定曝光参数；根据确定的曝光参数控制影像设备曝光，并从影像设备接收曝光后产生的图像，以及将所述图像及其对应的相关信息上传至所述服务器。
在本发明的一个实施例中，自动曝光控制设备包括：预曝光控制模块，用于根据预先设定的预曝光参数控制影像设备进行一次预曝光；预曝光结果接收模块，用于从影像设备接收预曝光结果；曝光参数计算模块，用于将预曝光结果作为曝光参数计算模型的输入，通过所述曝光参数计算模型的计算并输出主曝光参数；主曝光控制模块，用于根据曝光参数计算模块输出的主曝光参数控制影像设备进行主曝光；以及主曝光结果上传模块，用于从影像设备接收主曝光结果，并将主曝光结果以及操作者对该主曝光结果的评价上传至服务器。
在本发明的另一个实施例中，自动曝光控制设备包括：预曝光控制模块，用于根据预先设定的预曝光参数控制影像设备进行一次预曝光；预曝光结果接收模块，用于从影像设备接收预曝光结果；第一曝光参数计算模块，用于将预曝光结果作为曝光参数计算模型的输入，通过曝光参数计算模型的计算得到第一组曝光参数；以及第二曝光参数模块，根据预曝光结果以及预先设定的预曝光参数应用自动曝光控制算法得到第二组曝光参数；曝光参数合并模块，用于将第一组曝光参数和第二组曝光参数进行合并，得到主曝光参数并输出；主曝光控制模块，用于根据曝光参数合并模块输出的主曝光参数控制影像设备进行主曝光；以及主曝光结果上传模块，用于从影像设备接收主曝光结果，并将主曝光结果以及操作者对该主曝光结果的评价上传至服务器。
本发明实施例所述的X线影像设备的曝光参数控制方法包括：接收服务器发送的曝光参数计算模型，并根据接收的曝光参数计算模型更新自身存储的曝光参数计算模型；根据自身存储的曝光参数计算模型确定曝光参数；以及在根据曝光参数进行曝光后，将曝光产生的图像以及操作者对图像的评价上传至服务器。
在本发明的一个实施例中，根据自身存储的曝光参数计算模型确定曝光参数包括：根据预先设定的预曝光参数进行一次预曝光；将预曝光结果作为曝光参数计算模型的输入，通过曝光参数计算模型的计算，确定所述曝光参数。
在本发明的另一个实施例中，根据自身存储的曝光参数计算模型确定曝光参数包括：根据预先设定的预曝光参数进行一次预曝光；将预曝光结果作为曝光参数计算模型的输入，通过曝光参数计算模型的计算，确定第一组曝光参数；根据预曝光结果利用传统自动曝光控制算法得到第二组曝光参数；将第一组曝光参数和第二组曝光参数进行合并；以及将合并后的曝光参数作为所述曝光参数。
上述合并包括将第一组曝光参数和第二组曝光参数进行加权平均运算。
本发明实施例所述的更新曝光参考计算模型的方法包括：接收由至少一个X线影像设备上传的图像及其对应的相关信息；根据接收的图像及其对应的相关信息更新曝光参数计算模型；以及将更新后的曝光参数计算模型下发到所述至少一个X线影像设备。
相应的，本发明实施例还提出了一种机器可读的存储介质，其存储用于使一机器执行上述控制方法的指令。
相应的，本发明实施例还提出了一种计算机程序，当所述计算机程序运行于一机器中时使所述一机器执行前述控制方法。
从上述方案中可以看出，本发明可以通过对大量医学诊断图像以及相关信息的自适应学习来更新并优化X线影像设备中的曝光参数计算模型，以获得某次曝光的最佳剂量，从而可以在实现自动曝光参数控制的同时以最小的辐射剂量达到最优的成像效果。
附图说明
图1为现有的X线影像设备的基本组成结构示意图；
图2为本发明一个实施例所述的X线影像系统的基本组成结构示意图；
图3为本发明一个实施例所述的服务器200的内部结构示意图；
图4为本发明一个实施例所述的X线影像设备100中操作和显示设备13的内部结构示意图；
图5为本发明一个实施例所述的自动曝光控制设备133的内部结构示意图；
图6为本发明另一个实施例所述的自动曝光控制设备133的内部结构示意图；
图7为本发明实施例所述的X线影像设备的曝光参考控制方法流程图；以及
图8为本发明的实施例所述的更新曝光参考计算模型方法的流程图。
其中，附图标记如下：
11-X线发生装置 12-成像装置 13-操作和显示设备14-X线 15-患者 111-控制器112-高压发生器 113-球管 114-限束器 121-X射线探测器 122-影像处理部件 131-显示设备 132-操作台
100-X线影像设备 200-服务器
1-影像设备 2-自动曝光控制设备
301-信息收集装置 302-信息存储装置 303-模型更新装置 304-模型下发装置
501-预曝光控制模块 502-预曝光结果接收模块 503-曝光参数计算模块 504-主曝光控制模块 505-主曝光结果上传模块
601-第一曝光参数计算模块 602-第二曝光参数模块 603-曝光参数合并模块604-第二主曝光控制模块
具体实施方式
如前所述，使用AEC技术的DR设备可以通过一次小剂量的预曝光确定实际拍摄时的曝光参数(以下简称为主曝光参数)，以实现对DR设备主曝光参数的自动控制。但是，由于其用于确定DR设备主曝光参数的曝光参数计算模型基本上是预先确定而且固定的，因而无法实现对曝光效果以及X射线的剂量的进一步优化。
本领域的技术人员可以理解，DR设备通过曝光而获得的医学诊断图像中是包含着丰富的可利用的信息的，例如医学诊断图像的质量以及其对应的主要的曝光参数等等。如果在确定主曝光参数的过程中进一步参考从DR设备历次曝光的结果中获得的这些信息则可以实现对曝光效果以及X射线的剂量的进一步优化。
为此，本发明的实施例提出了一种X线影像系统，可以从以往拍摄获得的曝光实例中进行学习不断优化DR设备中的曝光参数计算模型，从而实现对曝光效果以及X射线的剂量进行进一步的优化。
下面将结合附图详细说明本发明实施例所提出的X线影像系统。
图2显示了本发明实施例所提出的X线影像系统的内部结构。如图2所示，该X线影像系统包括：至少一个X线影像设备100以及一服务器200。其中，上述至少一个X线影像设备100与服务器200相连接。具体而言，上述至少一个X线影像设备100可以通过无线或有线的方式与上述服务器200相连接。较佳的，上述至少一个X线影像设备100可以云连接到服务器200。
上述服务器200主要用于接收由上述至少一个X线影像设备100上传的图像(例如二维直方图等医学诊断图像)及其对应的相关信息，根据接收的图像及其对应的相关信息对曝光参数计算模型进行更新，并将更新后的曝光参数计算模型发送至上述至少一个X线影像设备100。上述相关信息主要包括：拍摄该图像时的曝光参数以及操作员对该图像的评价，例如评分等。
上述至少一个X线影像设备100主要用于从服务器200接收曝光参数计算模型；根据所接收的曝光参数计算模型更新自身存储的曝光参数计算模型；在自身存储的曝光参数计算模型确定曝光参数后，根据确定的曝光参数曝光，并将曝光后产生的图像及其对应的相关信息上传至所述服务器200。
具体而言，在服务器200上实现的曝光参数计算模型的更新就是一个带有监督的机器学习的过程，将操作员对图像的评价以及图像对应的曝光参数作为机器学习的输入，通过训练过程，曝光参数计算模型中的各个参数会被重新收敛的学习结果替代。上述学习过程可以用增量学习的方法，也即每当服务器200接收到一个或多个新的图像及其相关信息后，就可以对曝光参数计算模型进行更新，并打上时间戳，然后再发送到上述至少一个X线影像设备100。这样，X线影像设备100在收到来自服务器的曝光参数计算模型后，会首先将接收到的曝光参数计算模型的时间戳与本地曝光参数计算模型的时间戳做比较，如果接收的曝光参数计算模型更新，则用接收到的曝光参数计算模型替换本地的曝光参数计算模型。由于在服务器200的学习过程中输入参数较多，运算矩阵尺寸较大，运算量也会较大，因此建议服务器200使用图形处理器(GPU，Graphic Processing Unit)来加速学习过程。
如前所述，曝光参数主要包括：管电压(kV)、管电流(mA)、曝光时间(s或ms)、靶面-滤过组合、大／小焦、有／无滤线栅等等。在实际的应用中，对应某一种确定的曝光模式(由操作者在使用X线影响设备时选定的曝光模式，例如普通模式或放大模式等)，很多曝光参数是确定的。例如，对于某一确定的曝光模式，曝光时间、靶面-滤过组合、大／小焦、有／无滤线栅等曝光参数都是确定的。甚至在很多情况下，管电压也是确定的，例如28kV。因此，在很多情况下需要曝光参数计算模型计算的参数实际上只有管电流(mA)一个。基于上述考虑，本发明的实施例给出了一个具体的曝光参数计算模型以及如何对该曝光参数计算模型进行更新的示例。假设在本实施例中，曝光参数计算模型的输入是X线影像设备一次预曝光后得到的图，且该图有22×28个像素；曝光参数计算模型的输出只有管电流(mA)一个参数。因此，在本实施例中，曝光参数计算模型可以采用有616个输入节点(input layer)，924个中间节点(hidden layer)以及一个输出节点(output layer)的人工神经网络。当服务器200收集到一个操作员评价较好(例如，评分高于一个预设的阈值)的图像时，可以根据该图像的曝光参数训练上述人工神经网络，使得曝光参数计算模型中的各个参数被重新收敛的学习结果替代。具体而言，上述训练过程可以采用标准的人工神经网络的训练方法，例如将实际应用的曝光参数中的管电流和自身曝光参数计算模型计算得到的管电流进行差值运算，并根据计算得到的差值更新人工神经网络每个节点的权重。
上述实施例是以一个具有616个输入节点、924个中间节点以及一个输出节点的人工神经网络为例来进行说明的。需要说明的是，本发明所述的曝光参数计算模型并不仅限于上述举例，还可以应用其他能满足输入、输出的节点数量要求的机器学习模型。
图3显示了上述服务器200的内部结构。如图3所示，上述服务器200将包括以下部分：
一信息收集装置301，主要用于接收由至少一个X线影像设备100上传的图像及其对应的相关信息；
一模型更新装置302，主要用于根据从信息收集装置301接收的图像及其对应的相关信息更新曝光参数计算模型；以及
一模型下发装置303，主要用于将更新后的曝光参数计算模型下发到上述至少一个X线影像设备100。
上述服务器200还可以进一步包括：一个信息存储装置304，主要用于存储信息收集装置301接收的图像及其对应的相关信息。在这种情况下，模型更新装置304还可以进一步用于定期根据从信息存储装置304存储的图像及其对应的相关信息更新曝光参数计算模型。
具体而言，上述模型更新装置302可以通过数据挖掘技术来根据信息存储装置304存储的图像及其对应的相关信息更新曝光参数计算模型。例如，上述模型更新装置302可以通过深层的学习网络(deep learning network)或级联逻辑回归单位(cascaded logisticregression units)构建数据挖掘模型，然后再根据构建的数据挖掘模型进行数据挖掘得到更新的曝光参数计算模型。
上述X线影像设备100的内部结构可以参考图4，包括：影像设备1及自动曝光控制设备2。其中，所述自动曝光控制设备2主要用于执行如下操作：
从服务器200接收曝光参数计算模型；
根据所接收的曝光参数计算模型更新自身存储的曝光参数计算模型；
根据自身存储的曝光参数计算模型确定曝光参数；
根据确定的曝光参数控制影像设备1曝光；
从影像设备1接收曝光后产生的图像；以及
将所述图像及其对应的相关信息上传至所述服务器200。
具体而言，上述影像设备1的内部结构可以参考图1，主要包括：一X线发生装置11、一成像装置12和一操作和显示设备13。其中，X线发生装置11主要包括：一控制器111、一高压发生器112、一球管113和一限束器(collimator)114；成像装置12主要包括：一X射线探测器121和一影像处理部件122；操作和显示设备13可以包括：一显示设备131和一操作台132。
在本实施例中，上述自动曝光控制设备2中存储有曝光参数计算模型，在根据自身存储的曝光参数计算模型确定曝光参数时首先控制影像设备1中X线发生装置11进行一次预曝光(预曝光的X线辐射量很小)，通过自身存储的曝光参数计算模型对来自影像设备1中成像装置12的预曝光的结果进行分析，确定实际拍摄时采用的主曝光参数，并向影像设备1中X线发生装置11发出操作命令。
如前所述，在本发明的一个实施例中，上述曝光参数计算模型可以采用一个具有616个输入节点、924个中间节点以及一个输出节点的人工神经网络来实现。在这种情况下，自动曝光控制设备将首先将预曝光结果作为上述人工神经网络的输入得到一个输出参数，即管电流参数。然后，再进一步根据操作者选择的曝光模式，确定其他曝光参数，例如：曝光时间、靶面-滤过组合、大／小焦、有／无滤线栅以及管电压等。
图5显示了根据本发明一个实施例的自动曝光控制设备2的内部结构。如图5所示，自动曝光控制设备主要包括：
一预曝光控制模块501，用于根据预先设定的预曝光参数控制影像设备1进行一次预曝光；
一预曝光结果接收模块502，用于从影像设备1接收预曝光结果；
一曝光参数计算模块503，用于将预曝光结果以及预先设定的预曝光参数作为曝光参数计算模型的输入，通过曝光参数计算模型的计算并输出主曝光参数；其中，上述曝光参数计算模块503可以使用深层学习网络来进行主曝光参数的计算，并且在模型训练时可以使用GPU来加速；以及
一主曝光控制模块504，用于根据曝光参数计算模块503输出的主曝光参数控制影像设备1进行主曝光。
上述自动曝光控制设备还可以进一步包括：一主曝光结果上传模块505，用于从影像设备1接收主曝光结果，并将主曝光结果以及操作者对该主曝光结果的评价上传至服务器200。
由于X线影像设备的剂量控制和患者的个体的因素关系很大，某些可能影响最终图像质量的变量并没有被包括在曝光参数计算模型的输入变量中，例如，对于乳腺摄影(Mammography)来讲，乳房的脂肪层厚度以及空气的湿度等等因素是不会作为曝光参数计算模型的输入的。因此传统AEC算法的计算结果在很多情况下还是有一定参考意义的，因为它反映了在同样的曝光条件和同样患者的条件下的一个估计。因此，在本发明的另一个实施例中，在确定主曝光参数时还可以进一步参考传统AEC算法的计算结果。
图6显示了根据本发明另一个实施例的自动曝光控制设备2的内部结构。如图6所示，自动曝光控制设备主要包括：
一预曝光控制模块501，用于根据预先设定的预曝光参数控制影像设备1进行一次预曝光；
一预曝光结果接收模块502，用于从影像设备1接收预曝光结果；
一第一曝光参数计算模块601，用于将预曝光结果作为曝光参数计算模型的输入，通过曝光参数计算模型的计算得到第一组曝光参数；以及
一第二曝光参数模块602，根据预曝光结果以及预先设定的预曝光参数应用传统的自动曝光控制算法得到第二组曝光参数；
一曝光参数合并模块603，用于将第一组曝光参数和第二组曝光参数进行合并，得到主曝光参数并输出；其中，曝光参数合并模块603可以通过加权平均的方式将上述第一组曝光参数和第二组曝光参数进行合并；
一主曝光控制模块604，用于根据曝光参数合并模块603输出的主曝光参数控制影像设备1进行主曝光。
上述自动曝光控制设备还可以进一步包括：一主曝光结果上传模块505，用于从影像设备1接收主曝光结果，并将主曝光结果以及操作者对该主曝光结果的评价上传至服务器200。
从上述实施例可以看出，本发明实施例所述的X线影像系统以及X线影像设备可以通过对大量医学诊断图像以及相关信息的自适应学习来更新并优化X线影像设备中的曝光参数计算模型，以获得某次曝光的最佳剂量，从而可以在实现自动曝光参数控制的同时以最小的辐射剂量达到最优的成像效果。
对应上述X线影像系统以及X线影像设备，本发明的实施例还公开了一种X线影像设备的曝光参考控制方法，如图7所示，该方法主要包括：
步骤701，接收服务器发送的曝光参数计算模型，并根据接收的曝光参数计算模型更新自身存储的曝光参数计算模型。
其中，服务器首先会收集并记录X线影像设备上传的图像(例如二维直方图)及其对应的相关信息，并根据自身存储的图像及其对应的相关信息对曝光参数计算模型进行更新，然后将更新后的曝光参数计算模型发送至X线影像设备。
具体而言，在本步骤中，在收到来自服务器的曝光参数计算模型后，首先将接收到的曝光参数计算模型的时间戳与自身存储的曝光参数计算模型的时间戳做比较，如果接收的曝光参数计算模型更新，则用接收到的曝光参数计算模型替换自身的曝光参数计算模型；否则，不替换。
步骤702，根据自身存储的曝光参数计算模型确定曝光参数；
具体而言，在本步骤中，可以首先根据预先设定的预曝光参数进行一次预曝光；然后将预曝光结果作为曝光参数计算模型的输入，通过曝光参数计算模型的计算，得到最终的曝光参数。
或者，作为替代的方案，在本步骤中，可以将曝光参数计算模型的输出作为第一组曝光参数，而将利用传统的AEC算法根据预曝光结果得到的曝光参数作为第二组曝光参数，然后将上述第一组曝光参数和第二组曝光参数进行合并(例如加权平均)，将合并后的曝光参数作为最终的曝光参数。
步骤703，根据确定的曝光参数进行曝光后，将曝光后生成的图像以及操作者对该图像的评价上传至服务器。
本发明的实施例还公开了一种更新曝光参考计算模型的方法，如图8所示，该方法主要包括：
步骤801，接收由至少一个X线影像设备100上传的图像及其对应的相关信息；
步骤802，根据接收的图像及其对应的相关信息更新曝光参数计算模型；以及
步骤803，将更新后的曝光参数计算模型下发到上述至少一个X线影像设备100。
如前所述，上述曝光参数控制方法以及更新曝光参考计算模型的方法可以通过对大量医学诊断图像以及相关信息的自适应学习来更新并优化X线影像设备中的曝光参数计算模型，以获得某次曝光的最佳剂量，从而可以在实现自动曝光参数控制的同时以最小的辐射剂量达到最优的成像效果。
上述方案可以应用在几乎所有的DR设备上，特别适合应用在乳腺数字摄影中。这是因为由于乳腺筛查是周期检查，曝光次数多，而且乳腺摄影使用的射线较软，吸收剂量大，因此，乳腺数字摄影中的剂量控制对乳腺筛查来说尤为重要。
本发明还提供了一种机器可读的存储介质，存储用于使一机器执行如本文所述的方法的指令。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU或MCU)读出并执行存储在存储介质中的程序代码。
在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。
此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
本发明公开了一种X线影像系统，包括：至少一个X线影像设备及与至少一个X线影像设备相连接的服务器；其中，服务器用于根据由至少一个X线影像设备上传的图像及其对应的相关信息对曝光参数计算模型进行更新，并将更新后的曝光参数计算模型发送至至少一个X线影像设备；以及至少一个X线影像设备用于从服务器接收曝光参数计算模型；根据所接收的曝光参数计算模型更新自身存储的曝光参数计算模型；根据自身存储的曝光参数计算模型确定曝光参数，并根据确定的曝光参数曝光；以及将曝光后产生的图像及其对应的相关信息上传至服务器。相应的，本发明还公开了一种X线影像设备、服务器、一种曝光参数控制方法以及一种曝光参数计算模型更新方法。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种X线影像系统，包括：
至少一个X线影像设备(100)及与所述至少一个X线影像设备(100)相连接的服务器(200)；其中，
所述服务器(200)用于根据由所述至少一个X线影像设备(100)上传的图像及其对应的相关信息对曝光参数计算模型进行更新，并将更新后的曝光参数计算模型发送至所述至少一个X线影像设备(100)；以及
所述至少一个X线影像设备(100)用于从所述服务器(200)接收曝光参数计算模型，根据所接收的曝光参数计算模型更新自身存储的曝光参数计算模型；根据自身存储的曝光参数计算模型确定曝光参数，并根据确定的曝光参数曝光；以及将曝光后产生的图像及其对应的相关信息上传至所述服务器(200)；
所述相关信息包括：拍摄所述图像时的曝光参数以及操作员对所述图像的评价。
2.根据权利要求1所述的X线影像系统，其中，所述至少一个X线影像设备(100)通过无线或有线的方式与所述服务器(200)相连接；或者，
所述至少一个X线影像设备(100)与所述服务器(200)云连接。
3.一种服务器(200)，包括：
一信息收集装置(301)，用于接收由至少一个X线影像设备(100)上传的图像及其对应的相关信息；所述相关信息包括：拍摄所述图像时的曝光参数以及操作员对所述图像的评价；
一模型更新装置(302)，用于根据信息收集装置(301)接收的图像及其对应的相关信息更新自身存储的曝光参数计算模型；以及
一模型下发装置(303)，用于将更新后的曝光参数计算模型下发到所述至少一个X线影像设备(100)。
4.根据权利要求3所述的服务器，进一步包括：一信息存储装置(304)，用于存储信息收集装置(301)接收的图像及其对应的相关信息；
其中，所述模型更新装置(302)进一步用于定期根据信息存储装置(304)存储的图像及其对应的相关信息更新自身存储的曝光参数计算模型。
5.一种X线影像设备(100)，包括：一影像设备(1)及一自动曝光控制设备(2)，
其中，所述自动曝光控制设备(2)，用于从服务器(200)接收曝光参数计算模型，根据所接收的曝光参数计算模型更新自身存储的曝光参数计算模型；根据自身存储的曝光参数计算模型确定曝光参数；根据确定的曝光参数控制影像设备(1)曝光，并从影像设备(1)接收曝光后产生的图像，以及将所述图像及其对应的相关信息上传至所述服务器(200)，以使得所述服务器(200)根据由至少一个X线影像设备(100)的自动曝光控制设备(2)上传的图像及其对应的相关信息对曝光参数计算模型进行更新，并将更新后的曝光参数计算模型发送至所述至少一个X线影像设备(100)的自动曝光控制设备(2)；
所述相关信息包括：拍摄所述图像时的曝光参数以及操作员对所述图像的评价。
6.根据权利要求5所述的X线影像设备(100)，其中，所述自动曝光控制设备(2)包括：
一预曝光控制模块(501)，用于根据预先设定的预曝光参数控制影像设备(1)进行一次预曝光；
一预曝光结果接收模块(502)，用于从影像设备(1)接收预曝光结果；
一曝光参数计算模块(503)，用于将预曝光结果作为曝光参数计算模型的输入，通过所述曝光参数计算模型的计算并输出主曝光参数；
一主曝光控制模块(504)，用于根据曝光参数计算模块(503)输出的主曝光参数控制影像设备(1)进行主曝光；以及
一主曝光结果上传模块(505)，用于从影像设备(1)接收主曝光结果，并将主曝光结果以及操作者对该主曝光结果的评价上传至服务器(200)。
7.根据权利要求5所述的X线影像设备(100)，其中，所述自动曝光控制设备(2)包括：
一预曝光控制模块(501)，用于根据预先设定的预曝光参数控制影像设备(1)进行一次预曝光；
一预曝光结果接收模块(502)，用于从影像设备(1)接收预曝光结果；
一第一曝光参数计算模块(601)，用于将预曝光结果作为曝光参数计算模型的输入，通过曝光参数计算模型的计算得到第一组曝光参数；以及
一第二曝光参数模块(602)，根据预曝光结果以及预先设定的预曝光参数应用自动曝光控制算法得到第二组曝光参数；
一曝光参数合并模块(603)，用于将第一组曝光参数和第二组曝光参数进行合并，得到主曝光参数并输出；
一主曝光控制模块(604)，用于根据曝光参数合并模块(603)输出的主曝光参数控制影像设备(1)进行主曝光；以及
一主曝光结果上传模块(505)，用于从影像设备(1)接收主曝光结果，并将主曝光结果以及操作者对该主曝光结果的评价上传至服务器(200)。
8.一种X线影像设备的曝光参数控制方法，包括：
接收服务器发送的曝光参数计算模型，并根据接收的曝光参数计算模型更新自身存储的曝光参数计算模型；
根据自身存储的曝光参数计算模型确定曝光参数；以及
在根据曝光参数进行曝光后，将曝光产生的图像、以及拍摄所述图像时的曝光参数以及操作者对图像的评价上传至服务器，以使得所述服务器根据由至少一个X线影像设备上传的图像、以及拍摄所述图像时的曝光参数以及操作者对图像的评价对曝光参数计算模型进行更新，并将更新后的曝光参数计算模型发送至所述至少一个X线影像设备。
9.根据权利要求8所述的曝光参数控制方法，其中，所述根据自身存储的曝光参数计算模型确定曝光参数包括：根据预先设定的预曝光参数进行一次预曝光；将预曝光结果作为曝光参数计算模型的输入，通过曝光参数计算模型的计算，确定所述曝光参数。
10.根据权利要求8所述的曝光参数控制方法，其中，所述根据自身存储的曝光参数计算模型确定曝光参数包括：根据预先设定的预曝光参数进行一次预曝光；将预曝光结果作为曝光参数计算模型的输入，通过曝光参数计算模型的计算，确定第一组曝光参数；根据预曝光结果利用自动曝光控制算法得到第二组曝光参数；将第一组曝光参数和第二组曝光参数进行合并；以及将合并后的曝光参数作为所述曝光参数。
11.根据权利要求10所述的曝光参数控制方法，其中，所述将第一组曝光参数和第二组曝光参数进行合并包括：将第一组曝光参数和第二组曝光参数进行加权平均运算。
12.一种更新曝光参考计算模型的方法，包括：
接收由至少一个X线影像设备上传的图像及其对应的相关信息；所述相关信息包括：拍摄所述图像时的曝光参数以及操作员对所述图像的评价；
根据接收的图像及其对应的相关信息更新曝光参数计算模型；以及
将更新后的曝光参数计算模型下发到所述至少一个X线影像设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310497362.1A CN104545957B (zh) | 2013-10-22 | 2013-10-22 | X线影像系统、x线影像设备、服务器及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310497362.1A CN104545957B (zh) | 2013-10-22 | 2013-10-22 | X线影像系统、x线影像设备、服务器及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104545957A CN104545957A (zh) | 2015-04-29 |
| CN104545957B true CN104545957B (zh) | 2017-08-08 |
Family
ID=53063806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310497362.1A Active CN104545957B (zh) | 2013-10-22 | 2013-10-22 | X线影像系统、x线影像设备、服务器及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104545957B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10127659B2 (en) * | 2016-11-23 | 2018-11-13 | General Electric Company | Deep learning medical systems and methods for image acquisition |
| CN107582085B (zh) * | 2017-09-14 | 2021-02-05 | 广州七喜医疗设备有限公司 | 一种智能数字x线曝光控制的装置与方法 |
| CN108364267B (zh) * | 2018-02-13 | 2019-07-05 | 北京旷视科技有限公司 | 图像处理方法、装置及设备 |
| CN110120045B (zh) * | 2019-06-14 | 2023-05-12 | 晓智未来(成都)科技有限公司 | 一种基于回归模型的x光成像曝光参数确定方法 |
| CN110916693B (zh) * | 2019-11-01 | 2024-03-26 | 东软医疗系统股份有限公司 | 成像方法、装置、探测器及x射线摄像系统 |
| CN112057093B (zh) * | 2020-09-16 | 2023-01-24 | 深圳市宝润科技有限公司 | 曝光参数同步方法、x射线摄像系统及可读存储介质 |
| CN112315490B (zh) * | 2020-10-30 | 2023-06-02 | 上海联影医疗科技股份有限公司 | 自动亮度调节曲线自适应调整方法、影像设备及可读存储介质 |
| CN113114952B (zh) * | 2021-04-07 | 2022-02-18 | 华南理工大学 | 一种评价乳腺随访图像质量的方法、系统及装置 |
| US11925497B2 (en) * | 2021-09-01 | 2024-03-12 | Mazor Robotics Ltd. | Systems, methods, and devices for multiple exposures imaging |
| CN114384802B (zh) * | 2021-12-30 | 2023-12-05 | 苏州博思得电气有限公司 | 一种x光设备的控制方法及装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2735934Y (zh) * | 2004-05-08 | 2005-10-26 | 广西壮族自治区柳州市自动化科学研究所 | 胸部x线自动摄影台 |
| WO2009115935A1 (en) * | 2008-03-17 | 2009-09-24 | Koninklijke Philips Electronics N.V. | Perfusion imaging |
| WO2011048547A1 (en) * | 2009-10-22 | 2011-04-28 | Koninklijke Philips Electronics N.V. | Scan parameter policy |
| JP5832938B2 (ja) * | 2012-03-15 | 2015-12-16 | 富士フイルム株式会社 | 画像処理装置、方法及びプログラム |
-
2013
- 2013-10-22 CN CN201310497362.1A patent/CN104545957B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104545957A (zh) | 2015-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104545957B (zh) | X线影像系统、x线影像设备、服务器及方法 | |
| US7050537B2 (en) | Radiographic apparatus, radiographic method, program, computer-readable storage medium, radiographic system, image diagnosis aiding method, and image diagnosis aiding system | |
| JP5725981B2 (ja) | 医用画像表示装置及びｘ線コンピュータ断層撮影装置 | |
| JP4901159B2 (ja) | Ｘ線ｃｔ装置及びｘ線撮影方法 | |
| US8160337B2 (en) | Imaging system for the generation of high-quality X-ray projections | |
| CN102809869B (zh) | X线曝光控制方法与设备、以及x线曝光系统 | |
| US8948543B2 (en) | Exposure condition decision support system and method | |
| CN102436006B (zh) | 监测身体积累的辐射剂量 | |
| JP2012110709A (ja) | ディジタル放射線画像内に対象向きデータを含めかつこれを訂正するためのシステム及び方法 | |
| JP4981578B2 (ja) | 放射線撮影装置及びその制御方法 | |
| JP2008023329A (ja) | 自動プロトコル・アシスタンス装置 | |
| US11158050B2 (en) | Bone suppression for chest radiographs using deep learning | |
| US7596206B2 (en) | Radiography device for recording dynamic processes and associated recording method | |
| JP2004358245A (ja) | ディジタルｘ線像の画像処理方法及び装置 | |
| JP4558268B2 (ja) | 多重エネルギーｘ線イメージング技法 | |
| JP2017202308A (ja) | Ｘ線ｃｔ装置及び医用情報管理装置 | |
| CN111973209A (zh) | 一种c形臂设备的动态透视方法和系统 | |
| JP2004188094A (ja) | 放射線画像撮影装置及び放射線画像撮影システム | |
| JP2021168788A (ja) | 医用画像処理装置および医用画像処理方法 | |
| JP5591555B2 (ja) | Ｘ線診断装置、画像処理装置及びｘ線診断システム | |
| JP6407520B2 (ja) | 医用装置及び積算線量表示システム | |
| JP2021045367A (ja) | 画像処理装置及びプログラム | |
| TWI834115B (zh) | 骨骼影像處理與顯示方法 | |
| JP7353900B2 (ja) | Ｘ線診断装置、医用画像処理装置及びプログラム | |
| EP4201332A1 (en) | Dynamic imaging system workflow optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |