CN107330880A - 一种医学图像数据的重建方法 - Google Patents
一种医学图像数据的重建方法 Download PDFInfo
- Publication number
- CN107330880A CN107330880A CN201710491301.2A CN201710491301A CN107330880A CN 107330880 A CN107330880 A CN 107330880A CN 201710491301 A CN201710491301 A CN 201710491301A CN 107330880 A CN107330880 A CN 107330880A
- Authority
- CN
- China
- Prior art keywords
- data
- reconstructing
- system equipment
- algorithm
- reconstruction
- 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
Classifications
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种医学图像数据的重建方法,该医学图像数据包括通过系统设备对被测对象进行扫描所得到的扫描数据,该方法可以包括:获取扫描数据;采集系统设备数据;获取用户的重建需求;根据所述系统设备数据,判断所述系统设备能否满足所述用户的重建需求;根据所述判断结果和所述系统设备数据,动态选择重建算法或/和校正方式;以及根据所述选择的重建算法或/和校正方式,对所述扫描数据进行重建或/和校正。本方法可以根据硬件更新给系统带来的影响,提取出有用信息,并根据这些信息动态地选取不同的算法和信号处理流程来满足用户的重建需求。
Description
技术领域
本发明涉及医疗技术领域,特别涉及一种医学图像数据的重建方法。
背景技术
在众多领域,尤其是生产制造、医疗、教育等领域,设备的应用逐渐普及。设备在使用过程中不可避免地涉及设备硬件更新的问题。由于硬件和机械的不断发展,即使同一款成像设备(例如,Computed Tomography(CT))也可能出现多种不同硬件配置,这些不同硬件配置的物理属性的不同会给成像设备带来不同的信号响应和处理方式,从而给数据重建带来不便。
现有的技术方案是对不同类型的硬件进行区分,软件通常都和硬件配套,任何的硬件更改都需要相应地对软件进行升级和选取。此外,由于同时存在老版本硬件数据和新版本硬件数据,对软件的数据重建功能的适应性要求也更高。
发明内容
针对以上硬件更新对数据重建带来的问题,本发明的目的在于从软件架构和实现方式上出发,根据硬件更新给系统带来的影响,提取出有用信息,并根据这些信息动态地选取不同的算法和信号处理流程来满足用户的重建需求。
为达到上述发明目的,本发明提供的技术方案如下:
本发明实施例提供了一种医学图像数据的重建方法,该医学图像数据包括通过系统设备对被测对象进行扫描所得到的扫描数据,该方法包括:获取扫描数据;采集系统设备数据;获取用户的重建需求;根据所述系统设备数据,判断所述系统设备能否满足所述用户的重建需求;根据所述判断结果和所述系统设备数据,动态选择重建算法或/和校正方式;以及根据所述选择的重建算法或/和校正方式,对所述扫描数据进行重建或/和校正。
在本发明中,所述系统设备数据包括:系统设备的硬件配置数据和系统设备的软件配置数据。
在本发明中,所述系统设备的硬件配置数据包括一个或多个不同硬件的数据。
在本发明中,所述系统设备的硬件配置数据包括硬件的版本信息、硬件自身的结构、高度、厚度、材质或配置角度中的一种或数种。
在本发明中,所述方法进一步包括:对所述采集的系统设备数据进行处理,所述数据处理包括数据汇总、数据分类、数据筛选或数据合并中的一种或数种。
在本发明中,所述根据所述判断结果和所述系统设备数据,动态选择重建算法或/和校正方式,包括:如果所述系统设备能够满足所述用户的重建需求,则根据所述系统设备数据,动态选择重建算法或/和校正方式;如果所述系统设备不能满足所述用户的重建需求,则调整所述系统设备的硬件或/和软件。
在本发明中,所述根据所述判断结果和所述系统设备数据,动态选择重建算法或/和校正方式,包括:如果所述选择的重建算法或/和校正方式不能满足用户的重建需求,则更新所述重建算法或/和校正方式。
在本发明中,所述更新所述重建算法或/和校正方式,包括:重复所述更新流程,直至所述选择的重建算法或/和校正方式能够满足用户的重建需求。
在本发明中,所述方法进一步包括:存储所述选择的重建算法或/和校正方式;以及输出重建结果或/和校正数据,以将所述重建结果或/和校正数据反馈给用户。
在本发明中,所述存储所述选择的重建算法或/和校正方式包括:将所述选择的重建算法或/和校正方式、所述系统设备数据及对应的所述用户的重建需求联合存储于所述系统设备的存储器中,以便下次进行相似处理时直接调用所述选择的重建算法或/和校正方式。
与现有技术相比,本发明的有益效果表现如下:
一、解决了当前系统中软件必须和硬件配套的限制,任何硬件的更改可以通过软件的不同算法来匹配。
二、根据硬件更新给系统带来的影响,提取出有用信息,并根据这些信息动态地选取不同的算法和信号处理流程来满足用户的重建需求。
附图说明
图1是根据本发明提供的一种数据重建系统的示意图;
图2是根据本发明提供的一种处理器的示意图;
图3是根据本发明提供的一种数据重建方法的示例性流程图;
图4是根据本发明提供的一种调整系统设备的方法的示例性流程图;
图5是根据本发明提供的一种选择重建算法的方法的示例性流程图;
图6是根据本发明提供的一种CT系统框架的示意图;
图1标记:110为处理器,120为网络,130为设备,130-1为设备1,130-2为设备2,130-3为设备3,130-N为设备N;
图2标记:210为数据采集模块,220为处理模块,230为判断模块,240为重建模块,250为存储模块,260为输出模块;
图6标记:F1为CT机架(Gantry)控制软件,F2为硬件信号采集装置,F3为数据合并装置,F4为床板信息确定装置,F5为数据重建模块。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图和实施例对本发明的具体实施方式做详细的说明。
图1是根据本发明提供的一种数据重建系统的示意图。数据重建系统100可以包括一个处理器110、一个网络120和一个或多个设备130(例如,设备1、设备2……设备N)。处理器110和设备130可以通过网络120连接或通信。在一些实施例中,数据重建系统100可以包括一个成像系统。数据重建系统100可以对所述成像系统的成像数据进行重建和/或校正。成像系统可为单模态成像系统,包括:数字减影血管造影((Digital SubtractionAngiography)DSA)系统、磁共振成像(Magnetic Resonance Imaging(MRI))系统,计算机断层扫描血管造影系统(Computed Tomography Angiography(CTA)),正电子发射断层扫描(Positron Emission Computed Tomography(PET))系统、单光子发射计算机断层(SinglePhoton Emission Tomography(SPECT))系统、计算机断层扫描(Computed Tomography(CT))系统、数字X线摄影(Digital Radiography(DR))系统等。在一些实施例中,成像系统可为多模态成像系统,包括:正电子发射计算机断层显像(PET-CT)系统、正电子发射断层扫描磁共振成像(PET-MRI)系统、单光子发射计算机断层扫描和正电子发射断层(SPECT-PET)系统,数字减影血管造影磁共振成像(DSA-MRI)系统等。应当注意的是,上面所述的数据重建系统100仅用于说明目的,并且不限制本发明的范围。
处理器110是一个对接收数据进行处理,并输出处理结果的设备。处理器110可以接收设备130的数据,并基于该数据,获得设备配置信息及参数信息。例如,处理器110可以获取设备130的硬件配置信息,并对其进行处理。根据处理结果,处理器110可以对设备130本身或其硬件或/和软件进行管理或更新,并根据用户需求,对数据进行重建,输出重建结果。在一些实施例中,处理器110可以是一台计算机,一部智能手机,一个笔记本电脑,一个智能医疗仪器等具备CPU功能的电子设备。
网络120可以是任何连接两个或多个设备的连接方式。例如,网络120可以是有线网络或者无线网络。在一些实施例中,网络120可以是单一网络,也可以是多种网络的组合。例如,所述网络120可以包括局域网、广域网、公用网络、专用网络、无线局域网、虚拟网络、公用电话网络、内联网、Zigbee网络、近场通信网络、光纤网络、因特网等中的一种或几种的组合。数据重建系统100中的各模块或单元可以通过连接网络120实现信息的交互。例如,在数据重建系统100中,处理器110可以通过网络120连接到多个医疗设备,并对医疗设备的硬件或/和软件信息进行管理或更新。
设备130可以是对用户进行数据采集的设备。所述设备可以包括扫描装置、成像装置、病床装置等。在一些实施例中,设备130自身的信息(例如,设备的参数、配置信息、工作状态等)可以被采集,并且和用户数据一起通过网络120发送给处理器110。设备130可以包括CT成像装置、MRI成像装置、SPECT成像装置、PET成像装置、CTA成像装置、DR成像装置、PET-CT成像装置、PET-MRI成像装置、SPECT-PET装置等中的一个或多个。在一些实施例中,为了满足用户或系统的需求,可以对设备130进行更新和调整。更新调整后的设备130的相关信息可以被发送给处理器110,进行下一步数据处理和操作。
在一些实施例中,处理器110可以直接和设备130之间进行通信,而不需要通过网络120。在一些实施例中,该数据重建系统100可以进一步包括一个显示设备和/或监控设备。
图2是根据本发明提供的一种处理器的示意图。处理器110可以包括数据采集模块210、处理模块220、判断模块230、重建模块240、存储模块250和输出模块260。系统内各模块之间的连接可以是有线的,无线的,或两者的结合。任何一个模块都可以是本地的,远程的,或两者的结合。模块间的对应关系可以是一对一的,或一对多的。
数据采集模块210可以采集信息。所述信息可以包括设备130本身的信息和用户需求的信息。在一些实施例中,数据采集模块210可以通过设备130上的检测器获取设备的一个或多个硬件配置数据。所述硬件配置数据包括但不仅限于硬件的不同版本信息,以及硬件自身的结构、高度、厚度、材质和配置角度等。在一些实施例中,数据采集模块210可以采集设备130的软件配置信息。所述软件配置信息包括但不仅限于设备的软件类型、软件版本、软件所能支持的功能等。在一些实施例中,数据采集模块210可以采集用户输入的信息。例如,用户可以通过一个操作界面输入信息,对系统进行调节控制。
处理模块220可以对采集到的信息进行处理。例如,处理模块220可以将采集的多个硬件的数据合并为数据流。又如,处理模块220可以对数据信号进行分析、筛选、分类、过滤、去噪等操作。在一些实施例中,处理模块220可以对采集到的所有数据进行分析,并检测其中的异常数据。在一些实施例中,处理模块220可以生成一个或多个控制信息。所述控制信息可以基于数据采集模块210所采集的数据。在一些实施例中,处理模块220可以将数据信息显示在用户操作界面上。在一些实施例中,处理模块220可以包括一个或多个相互连接的处理单元。其中,所述一个或多个处理单元,可以与数据重建系统100中的一部分或全部模块或设备进行通信或连接。
判断模块230可以对数据、信息或处理结果进行判断。例如,判断模块230可以接收由数据采集模块210获得的,经处理模块220处理后的设备的数据信息。判断模块230可以进一步将该信息和存储模块250中的信息进行比较,并生成相应设备的判断结果。在一些实施例中,判断模块230可以将判断结果发送至重建模块240进行数据重建或发送至输出模块260进行输出。在一些实施例中,判断模块230可以接收来自数据重建系统100的反馈数据,并对反馈数据进行判断,生成相应的判断结果。
重建模块240可以对数据进行重建和/或校正,并输出重建结果和/或校正结果。重建模块240可以基于判断模块230的判断结果,选取相应的重建算法和/或校正方式,对数据进行重建和/或校正。例如,当判断模块230判断出所选取的重建算法和/或校正方式不能满足用户的重建需求,则重建模块240可以更新重建算法,对数据进行重新重建和/或校正,以满足用户的重建需求。
存储模块250可以存储数据重建系统100的设备信息、处理器110处理的结果和用户需求信息。存储的形式可以是文本、表格、图像、声音、代码等。所述设备信息可以包括设备硬件配置信息和软件配置信息,工作参数信息,设备其他特征信息等。在一些实施例中,存储模块250可以存储用户输入的需求信息。所述需求信息可以作为判断模块230的对比参照数据。在一些实施例中,存储模块250可以存储用户重建需求数据,及其对应的重建算法和校正方式,以便于在下次处理相似需求信息时,可以直接调用。在一些实施例中,存储模块250可以采用本地存储器,外接的存储器,云存储设备等。
输出模块260可以用于输出处理器110的信息,或将数据重建系统100生成的信息发送给用户。输出模块260输出的信息可以包括文本、表格、图像、声音、代码等。例如,输出模块260可以输出数据重建系统100的判断结果、重建结果、校正结果、指令等。在一些实施例中,输出模块260还可以包括一个或多个物理元件或设备,如触摸显示屏、LED指示灯、扬声器、麦克风等。
图3是根据本发明提供的一种数据重建方法的示例性流程图。
在步骤310中,可以获取数据。所述数据包括设备130扫描被测对象得到的扫描数据、系统设备数据和用户重建需求数据。所述系统设备数据包括系统设备的硬件配置信息和软件配置信息。在一些实施例中,用户可以通过操作界面输入重建需求信息,步骤310中,也可以获取用户输入的重建需求信息。在一些实施例中,用户可以通过操作界面选取或设置数据重建的方法、参数等相关信息,步骤310中,可以采集这些信息,并且可以由处理器110识别这些信息,并将其转换为重建需求数据。
在步骤320中,对于获取到的数据,处理器110可以对其进行分析处理。在一些实施例中,获取的多个系统设备数据可以被合并为数据流;对于获取的数据信号,可以对其进行分析、筛选、分类、过滤、去噪等操作。在一些实施例中,可以根据获取的数据信息,生成相应的候选的重建算法和/或校正方式,并存储在处理器110中。
在步骤330中,处理器110可以分析获取的重建需求信息,并与存储在处理器110中候选的重建算法进行比较。判断候选的重建算法是否可以满足用户的重建需求。以此来判断当前系统设备是否能够满足用户的重建需求。如果可以满足用户的重建需求,那么进入步骤340,选择相应的重建算法。如果不能满足用户的重建需求,那么进入步骤350,调整系统设备的硬件或软件,相关内容将在图4中详细描述。
在步骤360中,可以根据选择的重建算法,对数据进行校正处理。所述校正处理的方法和标准没有限制,可以是任意满足要求的方法和标准。在一些实施例中,校正数据所要达到的效果可以是事先预设的,所设阈值可以是系统默认值也可以人为设定的。
在步骤370中,处理器110可以输出结果。输出的结果包括重建结果、校正结果等一种或数种。在一些实施例中,可以根据步骤370中输出的结果生成一个或多个提示信息,并发送给用户。提示信息可以提示用户校正结果的实际效果(例如,伪影的覆盖率被减少到什么程度),校正结果是否已完成,或让用户选择下一步操作(例如,发送/保存校正结果,打印校正图像等)。所述提示信息可以是文字、图片、语音、视频等。
需要注意的是,可以将其他操作添加到上述步骤中,或从这些步骤移除某一步或数步操作。例如,可以添加一步存储步骤,用于存储各个步骤中的数据。又例如,可以将步骤360和370合并,直接校正数据后输出校正结果。
图4是根据本发明提供的一种调整系统设备的方法的示例性流程图。
在步骤410中,处理器110可以获取用户的重建需求数据。所述重建需求数据可以是用户直接通过操作界面输入的,也可以是处理器110通过分析用户的其他数据生成的。
在步骤420中,处理器110可以采集系统设备数据。在一些实施例中,处理器可以通过设备130上的检测器获取设备的一个或多个硬件配置数据。所述硬件配置数据包括但不仅限于硬件的不同版本信息,以及硬件自身的结构、高度、厚度、材质和配置角度等。在一些实施例中,处理器110可以采集设备的软件配置信息。所述软件配置信息包括但不仅限于设备的软件类型、软件版本、软件所能支持的功能等。步骤410和步骤420中所得到的数据,可以被存储在处理器中。可以是临时存储也可以是永久存储。
在步骤430中,处理器可以对获取的信息进行处理。例如,可以将采集的多个硬件的数据合并为数据流;可以对数据信号进行分析、筛选、分类、过滤、去噪等操作。在一些实施例中,处理器110可以对采集到的所有数据进行分析,并检测其中的异常数据。在一些实施例中,处理器110可以生成一个或多个控制信息。所述控制信息可以基于步骤410和步骤420中获取的数据。所述控制信息可以用于调节系统的工作状态。
在步骤450中,处理器110可以根据步骤430中处理后的信息,判断系统设备是否能够支持重建需求。如果当前系统设备可以支持重建需求,那么进入步骤460,直接输出支持结果,并将提示信息发送给用户;如果当前系统设备不能支持用户的重建需求,那么进入步骤440。
在步骤440中,可以对系统设备的硬件或者软件进行调整。例如,可以调整硬件的参数和配置,可以更新软件的类型和版本等。当系统设备的硬件和或软件被调整后,处理器会重新采集系统设备的数据,重新执行步骤420,430和450,直到当前系统设备能够满足用户的重建需求。
图5是根据本发明提供的一种选择重建算法的方法的示例性流程图。在步骤510中,可以获取系统设备的数据。在一些实施例中,系统设备的数据可以是经过调整后的系统设备的数据,以保证当前系统设备支持用户的重建需求。在步骤520中,基于步骤510中获取的系统设备的数据,选择重建算法和/或校正方式。在步骤530中,将选择的重建算法和存储在存储模块250的用户重建需求数据进行比较,判断选择的重建算法和/或校正方式是否满足用户的重建需求。如果选择的重建算法可以满足用户的重建需求,则进入步骤540,进行数据重建和/或校正;如果选择的重建算法不能满足用户的重建需求,则返回步骤520,更新重建算法和/或校正方式。更新后的重建算法和/或校正方式重新进入步骤530进行判断,直至选择的重建算法和/或校正方式可以满足用户的重建需求。
图6是根据本发明提供的一种CT系统框架的示意图。其中,F1、F2、F3、F4、F5分别为CT中抽象出的5个子部件,管道(pipe)指的是两个子部件间抽象的数据和指令通道。在一些实施例中,图6中的F1可以是一个机架(Gantry)控制软件,控制整个硬件的行为,并兼容不同版本硬件的工作行为。F2是硬件信号采集装置,例如检测器单元。所述检测器单元可以包括一个或多个检测器。每个检测器都可以单独地检测一个或多个硬件的信息。F3是数据合并装置,可以将多个检测器的数据合并为数据流。F4是床板信息确定装置。F5是数据重建模块。在数据重建过程中,对于不同版本硬件,以F2检测器上面的抗散射栅格(AntiScattering Grid(ASG))为例,不同的ASG会在采集中带来不同的信号,这些ASG的高度、材质等不同会给不同的产品带来不同的信号。在本发明的F5数据重建模块中,可以根据获取到的硬件配置信息和与之相对应的数据信号,以及用户的重建需求,动态地判断当前的系统硬件是否能够支持用户的重建需求,并根据硬件配置信息动态地选择不同的重建算法和/或校正方式满足用户的重建需求。本发明的数据重建方法对于CT的Gantry硬件、CT的重建硬件,以及不同配置(GPU,CPU,GWB)的重建机器等硬件都具有适应性,可以动态地根据当前的硬件配置选取不同的算法组合进行重建。
具体实施例一
在某些CT系统中由于部分球管Z方向焦点跳动的原因,通常需要使用额外的算法进行校正。但是由于不同的球管和配置的不同,或者当前扫查状态的不同,该算法并不需要每次都执行。本发明的数据重建方法,可以根据系统反馈的硬件信息,在重建过程中动态判断是否使用该算法进行校正。
具体实施例二
用户可能会对同一个病人的同一组数据进行不同重建参数的重建,以获得不同的重建序列。对于不同的硬件配置,这些不同的重建方式也有所不同,为了保证用户得到较好的图像质量,本发明的数据重建方法,可以根据硬件上实际的物理信息(如检测器的大小,X和Y方向上不同的检测器数量,ASG高度,孔径大小,球管的控制信息等),动态地选取不同的重建方式以获得更高效、更准确的重建结果。
以上所述仅为本发明的优选实施而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (10)
1.一种医学图像数据的重建方法,该医学图像数据包括通过系统设备对被测对象进行扫描所得到的扫描数据,其特征在于,该方法包括:
获取扫描数据;
采集系统设备数据;
获取用户的重建需求;
根据所述系统设备数据,判断所述系统设备能否满足所述用户的重建需求;
根据所述判断结果和所述系统设备数据,动态选择重建算法或/和校正方式;以及
根据所述选择的重建算法或/和校正方式,对所述扫描数据进行重建或/和校正。
2.如权利要求1所述的医学图像数据的重建方法,其特征在于,所述系统设备数据包括:
系统设备的硬件配置数据和系统设备的软件配置数据。
3.如权利要求2所述的医学图像数据的重建方法,其特征在于,所述系统设备的硬件配置数据包括一个或多个不同硬件的数据。
4.如权利要求2所述的医学图像数据的重建方法,其特征在于,所述系统设备的硬件配置数据包括硬件的版本信息、硬件自身的结构、高度、厚度、材质或配置角度中的一种或数种。
5.如权利要求1所述的医学图像数据的重建方法,其特征在于,所述方法进一步包括:
对所述采集的系统设备数据进行处理,所述数据处理包括数据汇总、数据分类、数据筛选或数据合并中的一种或数种。
6.如权利要求1所述的医学图像数据的重建方法,其特征在于,所述根据所述判断结果和所述系统设备数据,动态选择重建算法或/和校正方式,包括:
如果所述系统设备能够满足所述用户的重建需求,则根据所述系统设备数据,动态选择重建算法或/和校正方式;
如果所述系统设备不能满足所述用户的重建需求,则调整所述系统设备的硬件或/和软件。
7.如权利要求1所述的医学图像数据的重建方法,其特征在于,所述根据所述判断结果和所述系统设备数据,动态选择重建算法或/和校正方式,包括:
如果所述选择的重建算法或/和校正方式不能满足用户的重建需求,则更新所述重建算法或/和校正方式。
8.如权利要求7所述的医学图像数据的重建方法,其特征在于,所述更新所述重建算法或/和校正方式,包括:
重复所述更新流程,直至所述选择的重建算法或/和校正方式能够满足用户的重建需求。
9.如权利要求1所述的医学图像数据的重建方法,其特征在于,所述方法进一步包括:
存储所述选择的重建算法或/和校正方式;以及
输出重建结果或/和校正数据,以将所述重建结果或/和校正数据反馈给用尸。
10.如权利要求9所述的医学图像数据的重建方法,其特征在于,所述存储所述选择的重建算法或/和校正方式包括:
将所述选择的重建算法或/和校正方式、所述系统设备数据及对应的所述用户的重建需求联合存储于所述系统设备的存储器中,以便下次进行相似处理时直接调用所述选择的重建算法或/和校正方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710491301.2A CN107330880B (zh) | 2017-06-23 | 2017-06-23 | 一种医学图像数据的重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710491301.2A CN107330880B (zh) | 2017-06-23 | 2017-06-23 | 一种医学图像数据的重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107330880A true CN107330880A (zh) | 2017-11-07 |
CN107330880B CN107330880B (zh) | 2021-05-11 |
Family
ID=60196046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710491301.2A Active CN107330880B (zh) | 2017-06-23 | 2017-06-23 | 一种医学图像数据的重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330880B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544283A (zh) * | 2019-09-06 | 2019-12-06 | 上海联影医疗科技有限公司 | Pet重建数据的筛选方法、装置、终端以及存储介质 |
CN112932518A (zh) * | 2020-02-28 | 2021-06-11 | 上海联影智能医疗科技有限公司 | 模式重建设备 |
CN113808051A (zh) * | 2021-09-26 | 2021-12-17 | 武汉联影生命科学仪器有限公司 | 多模态医学影像重建系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030206609A1 (en) * | 2002-05-01 | 2003-11-06 | Koninklijke Philips Electronics N.V. | Method and apparatus for computed tomography imaging |
CN1659571A (zh) * | 2002-03-20 | 2005-08-24 | 皇家飞利浦电子股份有限公司 | 分布式诊断成像系统 |
CN1723397A (zh) * | 2002-12-09 | 2006-01-18 | 皇家飞利浦电子股份有限公司 | 分布式医学成像系统 |
US20070124169A1 (en) * | 2005-11-30 | 2007-05-31 | Irving Russell R | Networked system of thin client diagnostic imaging scanners |
CN103654958A (zh) * | 2012-09-05 | 2014-03-26 | 西门子公司 | 用于运行成像方法和系统的装置、方法和系统 |
-
2017
- 2017-06-23 CN CN201710491301.2A patent/CN107330880B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1659571A (zh) * | 2002-03-20 | 2005-08-24 | 皇家飞利浦电子股份有限公司 | 分布式诊断成像系统 |
US20030206609A1 (en) * | 2002-05-01 | 2003-11-06 | Koninklijke Philips Electronics N.V. | Method and apparatus for computed tomography imaging |
CN1723397A (zh) * | 2002-12-09 | 2006-01-18 | 皇家飞利浦电子股份有限公司 | 分布式医学成像系统 |
US20070124169A1 (en) * | 2005-11-30 | 2007-05-31 | Irving Russell R | Networked system of thin client diagnostic imaging scanners |
CN103654958A (zh) * | 2012-09-05 | 2014-03-26 | 西门子公司 | 用于运行成像方法和系统的装置、方法和系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544283A (zh) * | 2019-09-06 | 2019-12-06 | 上海联影医疗科技有限公司 | Pet重建数据的筛选方法、装置、终端以及存储介质 |
CN112932518A (zh) * | 2020-02-28 | 2021-06-11 | 上海联影智能医疗科技有限公司 | 模式重建设备 |
CN113808051A (zh) * | 2021-09-26 | 2021-12-17 | 武汉联影生命科学仪器有限公司 | 多模态医学影像重建系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107330880B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919831B (zh) | 一种用于将视网膜眼底图像在不同图像域中迁移的方法、电子设备及计算机可读存储介质 | |
US10991091B2 (en) | System and method for an automated parsing pipeline for anatomical localization and condition classification | |
JP4778197B2 (ja) | 検査中に調査パラメータを修正する能力を持つガンマカメラ | |
CN101930595A (zh) | 图像处理方法和图像处理设备 | |
CN103827874B (zh) | 医学图像系统和方法 | |
CN107330880A (zh) | 一种医学图像数据的重建方法 | |
JP2007012071A (ja) | 臨床および/または医療技術のシステムの試験方法ならびに臨床および/または医療技術のシステムにおける医学技術検査経過の制御方法 | |
US9202294B2 (en) | Clinical collaboration and medical computing framework | |
CN104125841A (zh) | 控制方法和控制系统 | |
CN108257111A (zh) | 在x射线成像中的自动化图像检验 | |
CN104602606A (zh) | 放射线断层图像生成装置、放射线断层摄影装置以及放射线断层图像生成方法 | |
CN112150376B (zh) | 血管医学影像分析方法、装置、计算机设备和存储介质 | |
US20210264602A1 (en) | Medical image based distortion correction mechanism | |
CN106485680A (zh) | 图像校正方法及装置 | |
US20200126215A1 (en) | Enhancing medical imaging workflows using artificial intelligence | |
JP2006239426A (ja) | ディジタル医用検査画像の画像処理方法 | |
US10679350B2 (en) | Method and apparatus for adjusting a model of an anatomical structure | |
CN109155059A (zh) | 通过双通道时域降噪的改善的图像质量 | |
CN105686842B (zh) | 定位ct扫描范围的方法及系统 | |
JP2015159961A (ja) | 画像生成装置、放射線断層撮影装置及び画像生成方法並びにプログラム | |
CN105761293A (zh) | 医学成像方法及系统 | |
US20110169864A1 (en) | Patient specific anatiomical sketches for medical reports | |
US20220122261A1 (en) | Probabilistic Segmentation of Volumetric Images | |
CN105989227B (zh) | 医疗设备的工作流程配置方法、装置及医疗设备 | |
US20220414832A1 (en) | X-ray imaging restoration using deep learning algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |