CN106780436B - 一种医疗影像显示参数确定方法及装置 - Google Patents

Abstract

一种医疗影像显示参数确定方法及装置，所述方法包括：获取医疗影像的显示参数空间，分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织，记录包含病灶组织的医疗影像对应的参数组合，在此基础上，医生可以在根据本方案所记录的参数组合中进一步选择某一种参数组合，更高效地找出最适合观测的图像显示参数，由此可见本方案具备较高的效率。

Description

一种医疗影像显示参数确定方法及装置

技术领域

本发明涉及图像检测计算机视觉领域，具体涉及一种医疗影像显示参数确定方法及装置。

背景技术

现有医疗影像设备在生成影像检测结果时，往往会产生多个切片图像来近似的显示检测部位的3D成像信息，切片采样率较高时，一次检测可能会产生几十张甚至上百张影像图像，医生在检查时，需要逐一观察；其次，由于检测技术和检测方法的不同，不同的医疗影像会有多个不同的调节参数，用以调节显示不同的人体组织，医生在观看影像时，往往需要将参数调节到特定取值区间，继而获得某个组织的高亮显示影像。

例如，CT检测中由于不同组织的密度不同，导致对x射线的吸收不同，从而模拟产生不同亮度的CT图像，为了能够清晰的观察CT图像，需要对CT图像的参数进行调节，最常用的调节CT图像的参数是窗位和窗宽，其中，窗位用来控制图像整体的亮度，当提高窗位时，图像中灰度值(亮度值)由暗至黑，只有原先亮度值较高，也就是密度较高的部位仍然隐约可见，调整窗宽则可以改变不同组织像素之间的对比度，两者综合使用，便于医生判断组织是否病变；

又如，MRI的检测基于不同组织对不同检测射线的弛豫时间不同模拟生成数字图像，MRI的检测射线一般包括T1射线、T2射线，不同射线对不同组织的弛豫时间可能不是同向变化的，有时在T1射线下，密度越高的组织越亮，而在T2射线下，密度越低的组织越暗。

诸如上述窗位、窗宽和T1射线、T2射线等参数都是需要观测者手动调整或者选择的图像显示参数，此类参数多数为量化参数，例如取值可以是0-100。当参数种类较多时，各类参数的取值组合是非常多的，医生必须依靠经验来调整多个参数，并根据显示结果不断调整，以达到清晰显示特定人体组织的目的。现有的图像显示参数确定方式过于依赖人为判断，对于医生而言，手动调整图像显示参数的工作量较大，甚至可能由于个人操作失误导致遗漏有价值的图像信息，由此可见，现有的图像显示参数确定方式效率很低。

发明内容

因此，本发明要解决的是现有的图像显示参数确定方式效率低的问题。

有鉴于此，本发明提供一种医疗影像显示参数确定方法，包括：获取医疗影像的显示参数空间；分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织；记录包含病灶组织的医疗影像对应的参数组合。

优选地，所述获取医疗影像的显示参数空间包括：

获取用户输入的机体组织名称信息；

根据所述机体组织名称信息确定所述显示参数空间。

优选地，所述根据所述初始医疗影像确定显示参数空间，包括：

将所述初始医疗影像划分为至少一个区域；

确定用户选中的区域；

根据所述用户选中的区域，确定所述区域对应的显示参数空间。

优选地，所述分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织，包括：

对所述显示参数空间进行量化；

分别检测量化的显示参数对应的医疗影像中是否包含病灶组织。

优选地，所述分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织，包括：

在所述显示参数空间中确定至少一个显示参数区间；

分别从各个所述显示参数区间中确定一代表值；

分别检测所述代表值对应的医疗影像中是否包含病灶组织。

优选地，所述代表值包括均值和加权平均值。

优选地，所述显示参数区间是根据所述医疗影像中可能包含的病灶组织确定的。

优选地，所述分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织，包括：

从各种参数组合对应的医疗影像中筛选出异常图像；

根据图像特征对所述异常图像进行区域分割；

根据区域分割所得到的各个区域之间的位置关系确定所述各个区域是否为病灶组织。

优选地，所述分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织，包括：

对各种参数组合对应的医疗影像进行区域分割；

确定区域分割得到的各个区域是否为病灶组织。

相应地，本发明还提供一种医疗影像显示参数确定装置，包括：

参数区间获取单元，用于获取医疗影像的显示参数空间；

检测单元，用于分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织；

记录单元，用于记录包含病灶组织的医疗影像对应的参数组合。

根据本发明技术方案，通过获取医疗影像的显示参数空间，在显示参数空间内分别检测各种参数组合对应的医疗影像中是否包含病灶组织，同时记录包含病灶组织的医疗影像对应的参数组合，在此基础上，医生可以在根据本方案所记录的参数组合中进一步选择某一种参数组合，更高效地找出最适合观测的图像显示参数，由此可见本方案具备较高的效率。。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例1提供的一种医疗影像显示参数确定方法的流程图；

图2是CT示例图；

图3是MRI示例图；

图4是本发明实施例2提供的医疗影像显示参数确定装置的结构示意图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本发明实施例提供了一种医疗影像显示参数确定方法，如图1所示，该方法包括如下步骤：

S1，获取医疗影像的显示参数空间。其中的医疗影像可以是诸如图2所示的CT(Computed Tomography、电子计算机断层扫描)或者如图3所示的MRI(Magnetic resonanceimaging、核磁共振)影像。本实施例以CT影像为例，CT影像至少包括窗位W1、窗宽W2这两个显示参数(实际情况包括更多参数，为了清楚地说明本发明的原理，本实施例仅以2个参数进行说明)，假设这两个W1和W2的取值区间均为[0-100]。本步骤所获取的显示参数空间可以是[0-100]全部，也可以是其中一部分区间。

本领域技术人员应当理解，已知部位的医疗影像的显示参数通常是在一个大致范围内的。因此，如果用户已知需要观察什么部位，则在此步骤中可以直接在上述全部区间范围内确定区间，以减少后续步骤的处理成本，即在本实施例中步骤S1可以具体包括如下子步骤：

S11a，获取用户输入的机体组织名称信息，输入方式有多种，例如可以文字输入、语音输入，对于语音输入的情况，可以应用现有的语音识别和解析技术。此步骤获取的即为用户想要观测的部位的名称。

S12a，根据所述机体组织名称信息确定所述显示参数区间。如上所述，已知部位的医疗影像的显示参数通常在一个大致范围内，例如组织a对应的显示参数W1的区间通常为[20-40]、W2的区间通常为[10-30]，也即在W1在[20-40]内、W2在[10-30]内时图像才可能显示出组织a。此前可以统计大量的组织与显示参数的对应关系，并将这种对应关系记录在系统中以实现步骤S12a；或者也可以利用机器学习技术，利用大量的参数与组织的对应数据对模型(机器学习模型、神经网络模型等)进行训练，然后利用经过训练的机器学习模型实现步骤S12a。

假设本实施例获取到W1的区间为[20-40]、W2的区间为[10-30]。

S2，分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织。假设对上述显示参数连续地取整数值，则W1有20个值、W2有20个值，这两个值的组合则为400个，也即这两个参数的组合对应有400个图像。此步骤可以对这400个图像分别进行检测，来确认具体哪些图像中包含用户想要观测的病灶组织。检测图像中是否包含感兴趣内容的方式有多种，例如可以根据图形特征进行检测、或者利用机器学习模型的方式进行检测都是可行的。

S3，记录包含病灶组织的医疗影像对应的参数组合，假设在步骤S2中检测出上述400个图像中有30个图像包含病灶组织a，由此则记录这30个图像所对应的参数组合，具体地，例如在W1取值为[25-30]之间、W2取值为[14-20]之间时，这两个参数组合下的图像均包含病灶组织，则记录的参数组合为W1[25-30]、W2[14-20]，此后可以向用户提供这一组合，使得用户可以在这一更小的范围内进一步调整以得到最清晰的病灶组织显示效果。

上述假设情况是针对步骤S11a-S12a确定的区间进行检测的处理结果。在另一种情况下，假设步骤S1确定的是显示参数的全部区间，即取值为W1和W2的最大取值区间[0-100]，那么在步骤S2中则可以检测100x100个图像中是否包含病灶组织。本领域技术人员应当理解，理论上同一身体部位可能出现的病灶组织可能不止一种，而不同病灶所对应的显示参数通常是不同的，即W1[0-20]下的图像包含病灶a，W1[30-40]下的图像包含病灶b，那么在步骤S2中确定的多种参数组合可能是不连续的，所以在步骤S3中，所记录的参数组合也可以是离散的多个区间。此后还可以提供附加功能，例如可以提供搜索功能，获取用户想要观测的病灶信息，然后根据用户需求提供参数组合；例如还可以根据检测到的病灶的大小、性质、类别以及周围正常组织的重要程度等，对不同的参数区间或组合进行排序。

根据本发明技术方案，通过获取医疗影像的显示参数空间，在显示参数空间内分别检测各种参数组合对应的医疗影像中是否包含病灶组织，同时记录包含病灶组织的医疗影像对应的参数组合，在此基础上，医生可以在根据本方案所记录的参数组合中进一步选择某一种参数组合，更高效地找出最适合观测的图像显示参数，由此可见本方案具备较高的效率。

作为一个可选的实施方式，上述步骤S1可以包括如下步骤：

S11b，获取初始医疗影像，此图像可以是按照任意显示参数生成的图像，只需要保证图像中能够显示一定的器官轮廓即可；

S12b，将所述初始医疗影像划分为至少一个区域，计算机可以按照图像中展示的轮廓初步对图像进行分区，这些区域可能分别包含不同的机体组织；

S13b，确定用户选中的区域，例如提供交互界面，接收用户的选择操作，以确定用户选定的区域；

S14b，根据所述用户选中的区域，确定所述区域对应的显示参数区间。本领域技术人员应当理解，为了清晰地展示不同区域中的不同病灶组织，各个区域的显示参数可能是不同的。假设将一个图像分割成2个区域的情况，理论上第一区域可能包含病灶或正常组织a、b，第二区域可能包含病灶或正常组织c、d，那么在此步骤中则分别确定第一区域的显示参数区间x和第二区域的显示参数区间y。如果是正常组织，所确定的区间则直接可以使图像显示a、b、c、d被清楚地观测到；如果是病灶组织，则后续步骤在对显示参数区间x和显示参数区间y分别进行检测，以确定图像中具体包含病灶a、b、c、d中的哪些病灶。

根据上述优选方案，通过将图像进行分区来分别确定各个区域对应的显示参数区间，由此可以减少后续步骤的计算量，以提高计算效率。

如上所述，在步骤S2中要对各种参数组合下的图像进行检测，本发明可以对参数区间中的全部参数组合对应的每一个图像分别进行检测，也可以选取其中一部分具有代表性的参数组合对应的图像分别进行检测，也即关于如何从已经确定的参数区间中选定参数组合，本发明提供两种可选的实施方式。作为第一个可选的实施方式，上述步骤S2可以进一步包括如下步骤:

S21a，对所述显示参数空间进行量化；

S22a，分别检测量化的显示参数对应的医疗影像中是否包含病灶组织。

量化尺度可根据不同的人体组织确定。具体地，如果量化尺度为1，则上述W1和W2的区间则包括400种(20x20)参数组合，也即对应有400个图像。针对这些图像，可以采用特征提取的方式或者机器学习的方式，由计算机对每一图像进行识别，从中识别出包含病灶组织的图像。

作为另一个可选的实施方式，上述步骤S2可以包括如下步骤:

S21b，在所述显示参数空间中确定至少一个显示参数区间。确定方式有多种，例如可以连续平均划分上述区间以获得多个连续的区间，也可以离散且不平均的选取离散的至少一个区间。优选地，本实施例可以根据显示参数空间中可能包含的病灶组织进行划分，例如步骤S1中采纳的是全部区间W1[0-100]，假设通过历史数据可以得知病灶与显示参数的对应关系是[0-10]对应病灶a、[20-50]对应病灶b、[90-100]对应病灶c，则本步骤对W1进一步选取其中的[0-10]、[20-50]和[90-100]。上述选取方式可以通过预存数据库的方式来实现，也可以通过机器学习的方式来实现，此处应用的机器学习模型，需要在此前利用大量的显示参数空间以及相应区间对模型进行训练，以使训练后的模型可以自动从输入的显示参数空间中选取区间；

S22b，分别从各个所述显示参数区间中确定一代表值，代表值即区间中的一个值，确定方式有多种，例如可以计算得到，也可以是直接选取得到。优选地，本实施例将显示参数区间的均值作为代表值，均值可以是算数平均值，也可是加权平均值。如果采取加权平均值，其中加权的权重可以采用经验式的设置，也可以通过机器学习的方法获得。

S23b，分别检测所述代表值对应的医疗影像中是否包含病灶组织。

根据上述优选方案，计算机针对每一个区间检测一个代表值对应的图像即可判定该区间中是否包含病灶组织，由此可以减少图像检测计算量，以提高检测效率。

上述步骤S2以及上述可选实施方式中均涉及到从图像中检测病灶组织的操作，关于从图像中检测病灶组织，本发明提供两种可选的实施方式。作为第一个可选的实施方式，上述步骤S2可以进一步包括：

S21c，从各种参数组合对应的医疗影像中筛选出异常图像；

S22c，根据图像特征对所述异常图像进行区域分割；

S23c，根据区域分割所得到的各个区域之间的位置关系确定所述各个区域是否为病灶组织。

具体地，对每张医疗影像进行全图图像分类，图像分类可以采用深度学习的方式也可以采用传统的抽取特征(特征包括但不局限于颜色，纹理，形状等)，对特征进行量化，再使用分类器的方式。对于分类后被认为有问题的图像，即包含病灶组织的图像，采用图像分割的方式，将影像中不同组织和部位分割为不同区域，得到区域分割，也可以针对图像中不同组织灰度对比的不同，通过区域检测和连通域的方法配合边缘检测来获取不同灰度区域的分割边界，在得到各个分割区域后，通过分析得到不同区域的位置包含关系，通过对正常健康组织分割后的位置包含关系进行对比，确定出疑似组织，如阴影，水肿等。

作为第二个可选的实施方式，上述步骤S2可以进一步包括：

S21d，对各种参数组合对应的医疗影像进行区域分割；

S22d，确定区域分割得到的各个区域是否为病灶组织。

与前一实施方案不同地，本方案首先对图像进行分割，例如对图3所示的脑部组织图像，分割成若干区域，在得到各个分割区域后，对每个区域进行图像分类，将分割后的区域利用带有病变的脑部组织和没有病变脑部组织作为训练样本，通过对有问题的分割区域与正常组织进行对比后确定是否为病灶组织。

以上四种识别病灶组织的方案适用于所有图像，具体应用时可以选择其中几种并组合以提高病灶组织的检测效率。

在上述步骤S3之后，还可以通过对历史上的异常组织的特殊检查案例做统计，得到症状Xi与诊断方法Ti之间的映射关系，例如X1X2X3-T1，X2X4X6X7-T2，X1X2X4-T3等，在得到当前患者的异常组织症状后，查询是否有匹配映射，如果有，则进行相应后续检查，如果没有，以其余症状最少的映射作为结果映射。

关于本发明所使用的机器学习模型，实际应用的模型是通过机器学习或深度学习方法利用大量的学习数据训练得到的，用于模拟或实现人类的学习行为，以获取新的知识或技能。

本实施例的学习数据可以为医疗影像，将大量的包含人体组织的医疗影像通过深度学习，继而得到图像分割模型，结合如图2肺部影像与图3脑部影像所示，由于不同的人体组织的自身结构不同对应有不同的显示参数区间，例如在CT影像中，不同组织的显示区间有相对固定的区间，需要通过调节窗位与窗宽进行高亮显示；而在MRI影像中，不同人体组织在不同的检测方法下，也有相应地灰度范围，故针对用户需要观看的医疗影像中的不同人体组织，需要事先确定待观测的人体组织，继而确定与用户需要观测的人体组织对应的显示参数区间；在脑部组织的医疗影像中，由于脑部组织的复杂度，包含的组织数较多，对于待观测的人体组织，可以输入待观测的组织名称直接对应显示出，或者通过在脑部组织的医疗影像中用户直接点击选取出待观测的人体组织，选取出待观测的人体组织通过输入到已训练好的组织参数模型中得到相应的人体组织的显示参数区间；所述组织参数模型与上述图像分割模型相同，同样通过大量的人体组织样本作为训练样本，得到不同人体组织的显示参数区间，并通过建立显示参数区间与人体组织之间的映射关系，存入数据库中。例如若肺部影像的显示区间为[0-100]之间，那么如果要观测肺部血管纹理，可能需要将显示参数调到[10-50]之间；如果要观测肺部的纵膈结构就可能需要将显示参数调到[30-60]之间，则人体组织的具体的显示参数区间就可以通过已训练好的组织参数模型直接得到。例如在得到CT影像的显示参数区间后，通过调节CT图像的窗位与窗宽参数值得到参考信息较多的医疗影像结果。

实施例2

本发明实施例提供的一种病灶组织显示参数确定装置，如图2所示，包括：参数区间获取单元21、检测单元22和记录单元23，其中，

参数区间获取单元21，用于获取医疗影像的显示参数空间；

检测单元22，用于分别检测显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织；

记录单元23，用于记录包含病灶组织的医疗影像对应的参数组合。

上述实施例提供的病灶组织显示参数确定装置，通过获取医疗影像的显示参数空间，在显示参数空间内分别检测各种参数组合对应的医疗影像中是否包含病灶组织，同时记录包含病灶组织的医疗影像对应的参数组合，在此基础上，医生可以在根据本方案所记录的参数组合中进一步选择某一种参数组合，更高效地找出最适合观测的图像显示参数，由此可见本方案具备较高的效率。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (5)

1.一种医疗影像显示参数确定方法，其特征在于，包括：

获取医疗影像的显示参数空间；所述获取医疗影像的显示参数空间，包括：获取用户输入的机体组织名称信息；根据所述机体组织名称信息确定所述显示参数区间；或所述获取医疗影像的显示参数空间，包括：将初始医疗影像划分为至少一个区域；确定用户选中的区域；根据所述用户选中的区域，确定所述区域对应的显示参数区间；

分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织；所述分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织，包括：对所述显示参数空间进行量化；分别检测量化的显示参数对应的医疗影像中是否包含病灶组织；或所述分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织，包括：在所述显示参数空间中确定至少一个显示参数区间，所述显示参数区间是根据所述医疗影像中可能包含的病灶组织确定的；分别从各个所述显示参数区间中确定一代表值；分别检测所述代表值对应的医疗影像中是否包含病灶组织；

记录包含病灶组织的医疗影像对应的参数组合。

2.根据权利要求1所述的方法，其特征在于，所述代表值包括均值和加权平均值。

3.根据权利要求1或2所述的方法，其特征在于，所述分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织，包括：

从各种参数组合对应的医疗影像中筛选出异常图像；

根据图像特征对所述异常图像进行区域分割；

根据区域分割所得到的各个区域之间的位置关系确定所述各个区域是否为病灶组织。

4.根据权利要求1或2所述的方法，其特征在于，所述分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织，包括：

对各种参数组合对应的医疗影像进行区域分割；

确定区域分割得到的各个区域是否为病灶组织。

5.一种医疗影像显示参数确定装置，其特征在于，包括：

参数区间获取单元，用于获取医疗影像的显示参数空间；所述参数区间获取单元包括：第一获取子模块，用于获取用户输入的机体组织名称信息；第一确定子模块，用于根据所述机体组织名称信息确定所述显示参数区间；或所述参数区间获取单元包括：划分子模块，用于将初始医疗影像划分为至少一个区域；第二确定子模块，用于确定用户选中的区域；第三确定子模块，用于根据所述用户选中的区域，确定所述区域对应的显示参数区间；

检测单元，用于分别检测所述显示参数空间中的各种参数组合对应的医疗影像中是否包含病灶组织；所述检测单元，包括：量化子模块，用于对所述显示参数空间进行量化；第一检测子模块，用于分别检测量化的显示参数对应的医疗影像中是否包含病灶组织；或所述检测单元，包括：第四确定子模块，用于在所述显示参数空间中确定至少一个显示参数区间，所述显示参数区间是根据所述医疗影像中可能包含的病灶组织确定的；第五确定子模块，用于分别从各个所述显示参数区间中确定一代表值；第二检测子模块，用于分别检测所述代表值对应的医疗影像中是否包含病灶组织；

记录单元，用于记录包含病灶组织的医疗影像对应的参数组合。

Images