CN104905766B - 基于定位像确定扫描参数的医疗扫描系统和方法 - Google Patents

基于定位像确定扫描参数的医疗扫描系统和方法 Download PDF

Info

Publication number
CN104905766B
CN104905766B CN201410087904.2A CN201410087904A CN104905766B CN 104905766 B CN104905766 B CN 104905766B CN 201410087904 A CN201410087904 A CN 201410087904A CN 104905766 B CN104905766 B CN 104905766B
Authority
CN
China
Prior art keywords
shape
sweep
principal component
describing
picture
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
Application number
CN201410087904.2A
Other languages
English (en)
Other versions
CN104905766A (zh
Inventor
刘平
吴洁
董加勤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GE Medical Systems Global Technology Co LLC
Original Assignee
GE Medical Systems Global Technology Co LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GE Medical Systems Global Technology Co LLC filed Critical GE Medical Systems Global Technology Co LLC
Priority to CN201410087904.2A priority Critical patent/CN104905766B/zh
Priority to JP2016551235A priority patent/JP6548227B2/ja
Priority to PCT/US2015/019669 priority patent/WO2015138428A1/en
Priority to US15/124,336 priority patent/US10026168B2/en
Publication of CN104905766A publication Critical patent/CN104905766A/zh
Application granted granted Critical
Publication of CN104905766B publication Critical patent/CN104905766B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B6/48—Diagnostic techniques
    • A61B6/488—Diagnostic techniques involving pre-scan acquisition
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/755—Deformable models or variational models, e.g. snakes or active contours
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/755—Deformable models or variational models, e.g. snakes or active contours
    • G06V10/7553—Deformable models or variational models, e.g. snakes or active contours based on shape, e.g. active shape models [ASM]
    • 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
    • A61B6/50—Clinical applications
    • A61B6/505—Clinical applications involving diagnosis of bone
    • 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
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/248—Aligning, centring, orientation detection or correction of the image by interactive preprocessing or interactive shape modelling, e.g. feature points assigned by a user

Abstract

本发明提供了一种基于定位像确定扫描参数的医疗扫描系统和方法，该系统包括：扫描对象描述模块，在初始定位像上设置多个用于描述扫描对象形状的控制点；调整模块，通过对上述控制点进行线性变换使扫描对象的形状与预存的平均形状对齐；主成分分析模块，通过主成分分析算法提取对齐后的扫描对象的形状的主成分；期望形状获取模块，对所述主成分赋予多个权重参数，通过以下公式获取多个新形状，并从所述多个新形状中确定代价函数值最大的新形状作为期望形状：其中，s′用于描述所述新形状，用于描述所述平均形状，Ps表示所述主成分，bnew表示所述主成分的权重参数；扫描参数设置模块，根据所述期望形状设置扫描参数。

Description

基于定位像确定扫描参数的医疗扫描系统和方法
技术领域
本发明涉及医疗诊断领域，尤其涉及一种基于定位像确定扫描参数的医疗扫描系统和方法。
背景技术
目前，可通过计算机断层扫描(Computer Tomography，CT)技术对身体各部位进行疾病诊断，以腰椎间盘为例，在对单个椎间盘进行轴向扫描之前，通常先对整个腰椎进行扫描以获取如图1所示的定位像，基于该定位像来确定并调整轴向扫描时的扫描参数，例如，扫描位置、扫描角度、扫描范围和显示野等，根据调整好的扫描参数来进行轴向扫描，可得到各个椎间盘的诊断图像。例如，调整图1所示的五个长条形部分的位置、宽度、角度等可分别针对其中的五个椎间盘确定出不同的扫描位置、扫描角度和扫描范围。
然而，现有技术中需要人工手动的方式调整扫描参数，这种方式存在以下问题：
首先，手动调整上述扫描参数，不同操作者能达到的准确率参差不齐，操作不熟练会造成扫描参数准确率相对较低，影响诊断结果的准确性。
其次，尽管一些经验丰富的操作者会准确地调整扫描参数，但是所需的时间依然比较长，从临床试验可知，对于每个椎间盘，操作者至少要进行5-6步的鼠标操作(例如点击、拖动等)才能完成参数调整，因此对于5个椎间盘，要进行25-30步的鼠标操作，使得操作较为繁琐，花费时间也长，对于经验较浅的操作者，要花费更多的时间，降低了工作效率。
因此，需要提供一种新的医疗扫描系统和方法，能够基于定位像自动确定扫描参数，降低调整扫描参数的时间并提升准确度。
发明内容
本发明的示例性实施例提供了一种基于定位像确定扫描参数的医疗扫描系统，包括：扫描对象描述模块、调整模块、主成分分析模块、期望形状获取模块和扫描参数设置模块。扫描对象描述模块在初始定位像上设置多个用于描述扫描对象的形状的控制点；调整模块通过对描述扫描对象形状的控制点进行线性变换使扫描对象的形状与预先存储的平均形状对齐；主成分分析模块通过主成分分析算法提取对齐后的扫描对象的形状的主成分；期望形状获取模块对该主成分赋予多个权重参数，通过以下公式获取多个新形状，并从获取的多个新形状中确定代价函数值最大的新形状作为期望形状：
其中，s′用于描述上述新形状，用于描述平均形状，Ps表示主成分，bnew表示主成分的权重参数；扫描参数设置模块根据该期望形状设置扫描参数。
本发明的示例性实施例还提供了一种基于定位像确定扫描参数的医疗扫描方法。该方法包括以下步骤：
在初始定位像上设置多个用于描述扫描对象的形状的控制点；
通过对描述扫描对象形状的控制点进行线性变换使扫描对象的形状与预先存储的平均形状对齐；
通过主成分分析算法提取对齐后的扫描对象的形状的主成分；
对主成分赋予多个权重参数，通过以下公式获取多个新形状，并从获取的多个新形状中确定代价函数值最大的新形状作为期望形状：
其中，s′用于描述上述新形状，用于描述平均形状，Ps表示主成分，bnew表示主成分的权重参数；
根据该期望形状设置扫描参数。
通过下面的详细描述、附图以及权利要求，其他特征和方面会变得清楚。
附图说明
通过结合附图对于本发明的示例性实施例进行描述，可以更好地理解本发明，在附图中：
图1为现有技术中基于定位像手动调整扫描参数的示意图；
图2为本发明一个实施例提供的基于定位像确定扫描参数的医疗扫描系统的结构框图；
图3为本发明一个实施例提供的初始定位像；
图4为利用多个控制点描述图3所示的初始定位像中扫描对象的形状的示意图；
图5为图4中的多个控制点形成的扫描对象形状的示意图；
图6为本发明的一个实施例在初始定位像中利用灰度投影法获取感兴趣区域的示意图；
图7为本发明一个实施例在初始定位像中通过设置起点和终点来获取感兴趣区域的示意图；
图8为本发明一个实施例提供的基于定位像确定扫描参数的医疗扫描方法的流程图。
具体实施方式
以下将描述本发明的具体实施方式，需要指出的是，在这些实施方式的具体描述过程中，为了进行简明扼要的描述，本说明书不可能对实际的实施方式的所有特征均作详尽的描述。应当可以理解的是，在任意一种实施方式的实际实施过程中，正如在任意一个工程项目或者设计项目的过程中，为了实现开发者的具体目标，为了满足系统相关的或者商业相关的限制，常常会做出各种各样的具体决策，而这也会从一种实施方式到另一种实施方式之间发生改变。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本发明公开的内容相关的本领域的普通技术人员而言，在本公开揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本公开的内容不充分。
除非另作定义，权利要求书和说明书中使用的技术术语或者科学术语应当为本发明所属技术领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“一个”或者“一”等类似词语并不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同元件，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，也不限于是直接的还是间接的连接。
图2为本发明一个实施例提供的基于定位像确定扫描参数的医疗扫描系统的结构框图，图3为本发明一个实施例提供的初始定位像，该初始定位像中具有扫描对象，例如腰椎。图4为利用多个控制点描述图3所示的定位像中扫描对象的形状的示意图；图5为图4中的多个控制点形成的扫描对象形状的示意图。
如图2所示，该医疗扫描系统包括扫描对象描述模块21、调整模块24、主成分分析模块25、期望形状获取模块27以及扫描参数设置模块29。
如图4所示，扫描对象描述模块21用于在初始定位像上设置多个控制点P，这些控制点P用于描述扫描对象的形状。本实施例中，扫描对象为腰椎，扫描对象描述模块11具体通过61个控制点P来描述腰椎的形状，来形成如图5所示的形状。
本实施例中，可预先存储扫描对象的平均形状，该平均形状可通过对大量的定位像的样本进行分析得到，具体地，在各样本中设置控制点来描述其中扫描对象的形状，并对所有样本中的形状进行均值计算来获取该平均形状。各样本中的控制点与初始定位像上的控制点P数量一致且一一对应。
上述平均形状具体可通过以下公式(1)被描述：
上述公式(1)中，N表示定位像的样本数，si用于描述第i个样本中扫描对象的形状，1≤i≤N。
调整模块24通过对上述扫描对象的形状的控制点进行线性变换使扫描对象的形状与预先存储的平均形状对齐。具体地，各控制点P在初始定位像中具有固定的坐标值，预先存储的平均形状也通过与控制点P一一对应的控制点来描述，该平均形状的控制点也具有固定的坐标值，该调整模块14将描述扫描对象形状的控制点P进行线性变换使其与平均形状的控制点对齐，即可实现扫描对象的形状与平均形状的对齐。
本实施例中，调整模块24具体通过以下公式(2)对扫描对象的形状的控制点进行线性变换。
上述公式(2)中，x′和y′分别代表描述扫描对象形状的控制点P经线性变换后在初始定位像上的横向坐标值和纵向坐标值，x和y分别代表描述扫描对象形状的控制点P经线性变换前在初始定位像上的横向坐标值和纵向坐标值，sx和sy分别代表对扫描对象的形状的缩放系数，θ代表对扫描对象的形状的旋转角度，tx和ty分别代表描述扫描对象形状的控制点P在横向坐标方向和纵向坐标方向的平移尺寸。
根据以上描述，调整模块24可直接基于初始定位像对描述扫描对象形状的控制点P进行线性变化。还可进一步在初始定位像中确定感兴趣区域作为感兴趣像，使得调整模块24基于该感兴趣像对控制点P进行线性变换。该感兴趣区域可为分布有扫描对象的区域。
图6为本发明的一个实施例在初始定位像中利用灰度投影法获取感兴趣区域的示意图。例如，在本实施例的医疗扫描系统中，可进一步包括感兴趣区域主动获取模块22，其通过灰度投影法在初始定位像中自动确定感兴趣区域I作为感兴趣像，使得调整模块24基于该感兴趣像对控制点P进行线性变换。利用灰度投影法，可对扫描对象进行定位，进而将初始定位像中分布有扫描对象的区域作为感兴趣区域，灰度投影法是一种习知的图像处理方法，在此不再赘述。
图7为本发明一个实施例在初始定位像中通过设置起点和终点来获取感兴趣区域的示意图。例如，在本实施例的医疗扫描系统中，也可进一步包括感兴趣区域被动获取模块23，其根据操作设备的操作指令在初始定位像中设置起点S和终点E，并根据所述起点S和终点E在初始定位像中限定一个区域I作为感兴趣像，使得调整模块24基于该感兴趣像对控制点P进行线性变换，例如，可在起点S和终点E附近确定感兴趣区域的界限。上述操作设备具体可为需要操作者手动操作的鼠标、键盘等输入设备。
通过感兴趣区域主动获取模块22，利用灰度投影法能够自动确定感兴趣区域，无需借助操作者的手动操作。而通过感兴趣区域被动获取模块23，根据操作指令设定起点和终点，能够降低运算的复杂度。实际应用中可以根据需要选择执行感兴趣区域主动获取模块22或感兴趣区域被动获取模块23来得到感兴趣像。
主成分分析模块25通过主成分分析(Principal Component Analysis，PCA)算法提取对齐后的扫描对象的形状的主成分。主成分分析算法又称主分量分析，是一种将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法，其是一种习知的算法，在此不再赘述。本实施例中，主成分分析模块25通过主成分分析算法获得的主成分描述为：Ps＝(p1p2…pm)，其具有m个变量，该m个变量被视为对对齐后的扫描对象的形状影响最大的变量，m为大于0的整数。
通过分析扫描对象形状的主成分，能够避免由于形状成分变量过多引起的运算量过大的问题，可以缩短确定扫描参数的时长。
期望形状获取模块27对上述主成分赋予多个权重参数bnew，通过以下公式(3)获取多个新形状：
上述公式(3)中，s′用于描述新形状，用于描述平均形状，Ps表示主成分，bnew表示主成分的权重参数。
期望形状获取模块27还从获取的多个新形状中确定代价函数值最大的新形状作为期望形状。
作为一种可选方式，期望形状获取模块27可通过最优化算法确定代价函数值最大的新形状，最优化算法也是一种习知的算法，在此不再赘述。
为了简化运算的复杂度，作为另一种可选方式，期望形状获取模块27还可包括粗选模块和至少一个细选模块，以通过多阶选择的方法确定代价函数值最大的新形状。其中粗选模块在预设数值变化范围(例如-10至10)内首次对主成分Ps赋予多个权重参数，并从当前获取的多个新形状中确定代价函数值最大的新形状作为较佳形状。
每个细选模块以前一个较佳形状对应的权重参数(例如5)为中心，在比前一个预设数值变化范围小的数值变化范围内对主成分Ps赋予多个权重参数bnew，并从当前获取的多个新形状中确定代价函数值最大的新形状作为较佳形状，其中最后一次获取的较佳形状被确定为期望形状。
例如，当细选模块的个数为两个时，第一个细选模块以权重参数5为中心，在2到8的数值变化范围内对主成分Ps赋予多个权重参数bnew，并从当前获取的多个新形状中确定代价函数值期望的新形状作为第二个较佳形状，该将作为第二个细选模块确定数值变化范围的中心。
第二个细选模块以第二个较佳形状对应的权重参数(例如6)为中心，在更小的数值变化范围(例如5到7)内对主成分Ps赋予多个权重参数bnew，并从当前获取的多个新形状中确定代价函数值期望的新形状作为第三个较佳形状，即期望形状。
扫描参数设置模块29用于根据期望形状获取模块27获取的期望形状设置扫描参数，例如，调整每次轴向扫描的扫描位置、扫描范围、扫描角度、显示野等参数。设置好扫描参数后，即可进行轴向扫描，获得较佳的轴位扫描像。
图8为本发明一个实施例提供的基于定位像确定扫描参数的医疗扫描方法的流程图。该方法可应用于图2所示的医疗扫描系统中。如图8所示，该方法包括扫描对象描述步骤S81，调整步骤S84、主成分分析步骤S85、期望形状获取步骤S87以及扫描参数设置步骤S89。
扫描对象描述步骤S81：在初始定位像上设置多个用于描述扫描对象的控制点。例如，在图3所示的初始定位像上设置多个控制点P，以描述其中腰椎的形状，形成如图4所示的形状。
调整步骤S84：对描述上述扫描对象形状的控制点进行线性变换使扫描对象的形状与预先存储的平均形状对齐。上述平均形状可通过对大量的定位像的样本进行分析得到，在各样本中设置控制点来描述其中扫描对象的形状，并对所有样本中的形状进行均值计算来获取该平均形状，该平均形状具体可通过公式(1)被描述，本步骤具体可通过上述公式(2)对扫描对象的形状的控制点进行线性变换。
主成分分析步骤S85：通过主成分分析算法提取对齐后的扫描对象的形状的主成分Ps。
期望形状获取步骤S87：对上述主成分Ps赋予多个权重参数bnew，通过公式(3)获取多个新形状s′，并从获取的多个新形状中确定代价函数值最大的新形状作为期望形状。
扫描参数设置步骤S89：根据该期望形状设置扫描参数。
可选地，在扫描对象描述步骤S81和调整步骤S84之间还包括感兴趣区域主动获取步骤S82或感兴趣区域被动获取步骤S83。
感兴趣区域主动获取步骤S82：通过灰度投影法在初始定位像中自动确定感兴趣区域作为感兴趣像。
感兴趣区域被动获取步骤S83：根据操作设备的操作指令在初始定位像中设置起点和终点，并根据该起点和终点限定一个区域作为感兴趣像。
通过主动获取步骤S82或感兴趣区域被动获取步骤S83，使得调整步骤S84可基于该感兴趣像对描述扫描对象形状的控制点P进行线性变换。
期望形状获取步骤S87可通过最优化算法确定该代价函数值最大的新形状，作为期望形状。期望形状获取步骤S87也可包括粗选步骤和至少一个细选步骤，以确定该代价函数值最大的新形状：
粗选步骤：在预设数值变化范围内首次对主成分赋予多个权重参数，并从当前获取的多个新形状中确定代价函数值最大的新形状作为较佳形状；
至少一个细选步骤，每个细选步骤以前一个较佳形状对应的权重参数为中心，在比前一个预设数值变化范围小的数值变化范围内对所述主成分赋予多个权重参数，并从当前获取的多个新形状中确定代价函数值最大的新形状作为较佳形状，其中最后一次获取的较佳形状被确定为期望形状。
本发明实施例提供的基于定位像确定扫描参数的医疗扫描系统和方法，通过在定位像上设置控制点来描述扫描对象的形状，并使其与预存的平均形状对齐后分析扫描对象形状的主成分，通过对主成分赋予权重值并结合平均形状获得扫描对象期望的形状，使得能够根据该期望形状确定扫描对象中各部位的分布范围、角度等，因此能够快速、准确地设置对应的扫描参数，避免了手动操作带来的准确率低、操作时间长等问题。
上面已经描述了一些示例性实施例。然而，应该理解的是，可以做出各种修改。例如，如果所描述的技术以不同的顺序执行和／或如果所描述的系统、架构、设备或电路中的组件以不同方式被组合和／或被另外的组件或其等同物替代或补充，则可以实现合适的结果。相应地，其他实施方式也落入权利要求的保护范围内。

Claims (12)

1.一种基于定位像确定扫描参数的医疗扫描系统，包括：
扫描对象描述模块，其在初始定位像上设置多个用于描述扫描对象的形状的控制点；
调整模块，其通过对描述所述扫描对象形状的控制点进行线性变换使所述扫描对象的形状与预先存储的平均形状对齐；
主成分分析模块，其通过主成分分析算法提取对齐后的扫描对象的形状的主成分；
期望形状获取模块，其对所述主成分赋予多个权重参数，通过以下公式获取多个新形状，并从所述多个新形状中确定代价函数值最大的新形状作为期望形状：
其中，s′用于描述所述新形状，用于描述所述平均形状，Ps表示所述主成分，bnew表示所述主成分的权重参数；
扫描参数设置模块，其根据所述期望形状设置扫描参数；
其中，所述期望形状获取模块包括：
粗选模块，其在预设数值变化范围内首次对所述主成分赋予多个权重参数，并从当前获取的多个新形状中确定代价函数值最大的新形状作为较佳形状；以及，
至少一个细选模块，每个细选模块以前一个较佳形状对应的权重参数为中心，在比前一个预设数值变化范围小的数值变化范围内对所述主成分赋予多个权重参数，并从当前获取的多个新形状中确定代价函数值最大的新形状作为较佳形状，其中最后一次获取的较佳形状被确定为期望形状。
2.根据权利要求1所述的基于定位像确定扫描参数的医疗扫描系统，其中还包括：感兴趣区域主动获取模块，其通过灰度投影法在所述初始定位像中自动确定感兴趣区域作为感兴趣像，所述调整模块具体基于所述感兴趣像对描述所述扫描对象形状的控制点进行线性变换。
3.根据权利要求1所述的基于定位像确定扫描参数的医疗扫描系统，其中还包括：感兴趣区域被动获取模块，其根据操作设备的操作指令在所述初始定位像中设置起点和终点，并根据所述起点和终点在所述初始定位像中限定一个区域作为感兴趣像，所述调整模块具体基于所述感兴趣像对描述所述扫描对象形状的控制点进行线性变换。
4.根据权利要求1所述的基于定位像确定扫描参数的医疗扫描系统，其中所述调整模块通过以下公式对描述所述扫描对象形状的控制点进行线性变换：
其中x′和y′分别代表描述所述扫描对象形状的控制点经线性变换后在所述初始定位像上的横向坐标值和纵向坐标值，x和y分别代表描述所述扫描对象形状的控制点经线性变换前在所述初始定位像上的横向坐标值和纵向坐标值，sx和sy分别代表对所述扫描对象的形状的缩放系数，θ代表对所述扫描对象的形状的旋转角度，tx和ty分别代表描述所述扫描对象形状的控制点在横向坐标方向和纵向坐标方向的平移尺寸。
5.根据权利要求1所述的基于定位像确定扫描参数的医疗扫描系统，其中所述平均形状通过以下公式被描述：
其中，N表示定位像的样本数，si用于描述第i个所述定位像的样本中扫描对象的形状，1≤i≤N。
6.根据权利要求1-5任一项所述的基于定位像确定扫描参数的医疗扫描系统，其中所述期望形状获取模块通过最优化算法确定所述代价函数值最大的新形状。
7.一种基于定位像确定扫描参数的医疗扫描方法，包括：
扫描对象描述步骤：在初始定位像上设置多个用于描述扫描对象的形状的控制点；
调整步骤：通过对描述所述扫描对象形状的控制点进行线性变换使所述扫描对象的形状与预先存储的平均形状对齐；
主成分分析步骤：通过主成分分析算法提取对齐后的扫描对象的形状的主成分；
期望形状获取步骤：对所述主成分赋予多个权重参数，通过以下公式获取多个新形状，并从所述多个新形状中确定代价函数值最大的新形状作为期望形状：
其中，s′用于描述所述新形状，用于描述所述平均形状，Ps表示所述主成分，bnew表示所述主成分的权重参数；
扫描参数设置步骤：根据所述期望形状设置扫描参数；
其中，所述期望形状获取步骤包括：
粗选步骤：在预设数值变化范围内首次对主成分赋予多个权重参数，并从当前获取的多个新形状中确定代价函数值最大的新形状作为较佳形状；以及，
至少一个细选步骤：每个细选步骤以前一个较佳形状对应的权重参数为中心，在比前一个预设数值变化范围小的数值变化范围内对所述主成分赋予多个权重参数，并从当前获取的多个新形状中确定代价函数值最大的新形状作为较佳形状，其中最后一次获取的较佳形状被确定为期望形状。
8.根据权利要求7所述的基于定位像确定扫描参数的医疗扫描方法，其中在所述扫描对象描述步骤和调整步骤之间还包括：
感兴趣区域主动获取步骤：通过灰度投影法在所述初始定位像中确定感兴趣区域作为感兴趣像。
9.根据权利要求7所述的基于定位像确定扫描参数的医疗扫描方法，其中在所述扫描对象描述步骤和调整步骤之间还包括：
感兴趣区域被动获取步骤：根据操作设备的操作指令在所述初始定位像中设置起点和终点，并根据所述起点和终点在所述初始定位像中限定一个区域作为感兴趣像。
10.根据权利要求7所述的基于定位像确定扫描参数的医疗扫描方法，其中所述调整步骤通过以下公式对描述所述扫描对象形状的控制点进行线性变换：
其中x′和y′分别代表描述所述扫描对象形状的控制点经线性变换后在所述初始定位像上的横向坐标值和纵向坐标值，x和y分别代表描述所述扫描对象形状的控制点经线性变换前在所述初始定位像上的横向坐标值和纵向坐标值，sx和sy分别代表对所述扫描对象的形状的缩放系数，θ代表对所述扫描对象的形状的旋转角度，tx和ty分别代表描述所述扫描对象形状的控制点在横向坐标方向和纵向坐标方向的平移尺寸。
11.根据权利要求7所述的基于定位像确定扫描参数的医疗扫描方法，其中所述平均形状通过以下公式被描述：
其中，N表示定位像的样本数，si用于描述第i个所述定位像的样本中扫描对象的形状，1≤i≤N。
12.根据权利要求7-11任一项所述的基于定位像确定扫描参数的医疗扫描方法，其中所述期望形状获取步骤通过最优化算法确定所述代价函数值最大的新形状。
CN201410087904.2A 2014-03-11 2014-03-11 基于定位像确定扫描参数的医疗扫描系统和方法 Active CN104905766B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201410087904.2A CN104905766B (zh) 2014-03-11 2014-03-11 基于定位像确定扫描参数的医疗扫描系统和方法
JP2016551235A JP6548227B2 (ja) 2014-03-11 2015-03-10 スカウト画像に基づいて走査パラメータを決定するための医療用走査のシステムおよび方法
PCT/US2015/019669 WO2015138428A1 (en) 2014-03-11 2015-03-10 A medical scanning system and method for determining scanning parameters based on a scout image
US15/124,336 US10026168B2 (en) 2014-03-11 2015-03-10 Medical scanning system and method for determining scanning parameters based on a scout image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410087904.2A CN104905766B (zh) 2014-03-11 2014-03-11 基于定位像确定扫描参数的医疗扫描系统和方法

Publications (2)

Publication Number Publication Date
CN104905766A CN104905766A (zh) 2015-09-16
CN104905766B true CN104905766B (zh) 2019-09-24

Family

ID=52684750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410087904.2A Active CN104905766B (zh) 2014-03-11 2014-03-11 基于定位像确定扫描参数的医疗扫描系统和方法

Country Status (4)

Country Link
US (1) US10026168B2 (zh)
JP (1) JP6548227B2 (zh)
CN (1) CN104905766B (zh)
WO (1) WO2015138428A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015003902A1 (de) * 2015-03-27 2016-09-29 DüRR DENTAL AG Speicherfolienscanner
EP3360482A1 (en) * 2017-02-09 2018-08-15 Koninklijke Philips N.V. Iso-centering in c-arm computer tomography
CN108320793B (zh) * 2018-01-17 2020-08-28 江苏赛诺格兰医疗科技有限公司 确定扫描时长的方法和装置
CN109381212A (zh) * 2018-09-27 2019-02-26 上海联影医疗科技有限公司 一种成像控制方法和系统
CN109596645A (zh) * 2018-12-07 2019-04-09 宁波耀通管阀科技有限公司 增强型断层扫描仪
EP3858241B1 (en) * 2020-01-30 2024-03-20 Siemens Healthineers AG Computer-implemented method for determining at least one main acquisition parameter and method for acquiring a main x-ray image
US11622741B2 (en) * 2021-05-28 2023-04-11 GE Precision Healthcare LLC System and method for imaging a subject

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102058409A (zh) * 2009-11-09 2011-05-18 Ge医疗系统环球技术有限公司 扫描条件设置设备、医疗设备及设置扫描条件的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6983182B2 (en) * 1998-04-10 2006-01-03 Wisconsin Alumni Research Foundation Time resolved computed tomography angiography
EP1324694A1 (en) 2000-10-02 2003-07-09 Koninklijke Philips Electronics N.V. Method and x-ray apparatus for optimally imaging the human anatomy
WO2007058997A2 (en) * 2005-11-11 2007-05-24 The University Of Houston System Scoring method for imaging-based detection of vulnerable patients
US8045771B2 (en) * 2006-11-22 2011-10-25 General Electric Company System and method for automated patient anatomy localization
JP5417321B2 (ja) * 2007-05-18 2014-02-12 シナーク・インコーポレイテッド 半自動式輪郭検出方法
JP5697925B2 (ja) 2010-08-27 2015-04-08 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 磁気共鳴イメージング装置、スライス位置設定方法、およびプログラム
US8837791B2 (en) * 2010-12-22 2014-09-16 Kabushiki Kaisha Toshiba Feature location method and system
CN103829966B (zh) * 2012-11-27 2018-12-07 Ge医疗系统环球技术有限公司 用于自动确定侦测图像中的定位线的方法和系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102058409A (zh) * 2009-11-09 2011-05-18 Ge医疗系统环球技术有限公司 扫描条件设置设备、医疗设备及设置扫描条件的方法

Also Published As

Publication number Publication date
US10026168B2 (en) 2018-07-17
WO2015138428A1 (en) 2015-09-17
JP2017508512A (ja) 2017-03-30
JP6548227B2 (ja) 2019-07-24
CN104905766A (zh) 2015-09-16
US20170018078A1 (en) 2017-01-19

Similar Documents

Publication Publication Date Title
CN104905766B (zh) 基于定位像确定扫描参数的医疗扫描系统和方法
CN104636726B (zh) 一种图像色彩识别方法、装置及终端
Herzlinger et al. A new method for 3D geometric morphometric shape analysis: The case study of handaxe knapping skill
CN107292884B (zh) 一种识别mri图像中水肿和血肿的方法及装置
US7995866B2 (en) Rotation angle detection apparatus, and control method and control program of rotation angle detection apparatus
US8781254B2 (en) Method, an apparatus and a computer program for data processing
CN102651124B (zh) 基于冗余字典稀疏表示和评价指标的图像融合方法
JP2018520710A5 (zh)
KR102232294B1 (ko) 임플란트 시술 계획 수립을 위한 다중 골밀도 표시방법 및 그 영상 처리장치
DE102018128806A1 (de) Medizinisches bildanalyseverfahren unter anwendung von maschinellem lernen und system dafür
CN103871054A (zh) 一种基于组合指标的图像分割结果定量评价方法
DE102019133756A1 (de) Systems and methods for generating a lighting design
CN108986107B (zh) 基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法
CN105321194A (zh) 曲线修正装置及方法
JP2018534532A5 (zh)
GB2579146A (en) Efficiently populating a phase diagram for multiple substances
CN112862955A (zh) 建立三维模型的方法、装置、设备、存储介质和程序产品
DE102011085531A1 (de) Vorrichtung und Verfahren zum automatischen Extrahieren einer Sweep/Extrusion/Revolve Merkmal Form von atypischen digitalen Daten
CN111951316A (zh) 图像量化方法和存储介质
EP4024336A1 (en) Neural network training method and apparatus, defect inspection method and apparatus, and non-transitory computer-readable medium
Basterrech et al. Nature-inspired algorithms for selecting EEG sources for motor imagery based BCI
CN111179222A (zh) 脑出血点智能检测方法、装置及计算机可读存储介质
US10057505B2 (en) Full-body image capturing and image processing system and method for its operation
CN106033602A (zh) 图像分割装置、图像分割方法及图像处理系统
JP2022080063A (ja) タイヤの計測値の推定方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant