CN107334486A - 确定造影剂辅助成像方法的至少一个协议参数 - Google Patents

确定造影剂辅助成像方法的至少一个协议参数 Download PDF

Info

Publication number
CN107334486A
CN107334486A CN201710296778.5A CN201710296778A CN107334486A CN 107334486 A CN107334486 A CN 107334486A CN 201710296778 A CN201710296778 A CN 201710296778A CN 107334486 A CN107334486 A CN 107334486A
Authority
CN
China
Prior art keywords
contrast agent
check object
image
external image
kam
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.)
Pending
Application number
CN201710296778.5A
Other languages
English (en)
Inventor
U·哈伯兰德
A·维默
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.)
Siemens AG
Siemens Healthcare GmbH
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN107334486A publication Critical patent/CN107334486A/zh
Pending legal-status Critical Current

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
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/30196—Human being; Person

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Pulmonology (AREA)
  • Psychiatry (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

描述了一种用于通过医疗成像设备(1)确定用于造影剂辅助获取检查对象(O)的待检查区域的图像的至少一个协议参数的方法。在该方法中，首先，借助于外部图像获取单元(K)执行检查对象(O)外部的外部图像(BA)的获取。然后，基于所获取的外部图像(BA)来确定检查对象(O)的至少一个身体尺寸(KAM)。最后，基于至少一个所确定的身体尺寸(KAM)来确定至少一个造影剂协议参数(tD，KMM)。此外，还描述了一种图像获取参数确定设备(40)。另外，还描述了一种成像医疗设备(1)。

Description

确定造影剂辅助成像方法的至少一个协议参数
技术领域
本发明涉及一种用于自动确定用于造影剂辅助获取检查对象的待检查区域的图像的至少一个协议参数的方法。本发明还涉及一种图像获取参数确定设备。最后，本发明涉及一种成像医疗设备。
背景技术
现有技术中的成像方法经常用于帮助生成二维图像数据或三维图像数据，其可以用于成像后的检查对象的可视化，以及另外也用于其它应用。
成像方法经常基于X射线辐射的检测，而在该过程中生成被称为投影测量数据的数据。例如，可以借助于计算机断层摄影系统(CT系统)获取投影测量数据。在CT系统中，由X射线源和相对定位的X射线检测器组成的组合被布置在台架上，并且通常围绕检查对象(以下在不失一般性的情况下，患者)所在的测量腔转动。在这种情况下，转动中心(也被称为“等中心点”)与被称为系统轴线z的轴线重合。在一次或多次旋转的过程中，用X射线源的X射线辐射照射患者，在该过程期间，借助于相对设置的X射线检测器获取投影测量数据或X射线投影数据。
用于CT成像的X射线检测器通常具有多个检测单元，其在大多数情况下以规则像素阵列的形式排列。检测单元中的每个检测单元针对入射在检测单元上的X射线辐射生成检测信号，该检测信号依据X射线辐射的强度和光谱分布在特定时间瞬间被分析，以便获得关于检查对象的推断并且生成投影测量数据。
例如，其它成像技术基于磁共振断层摄影。在生成磁共振图像期间，待检查身体暴露于相对较高的基本磁场，例如，1.5特斯拉、3特斯拉、或者在近来的高磁场系统的情况下，甚至是7特斯拉。然后，通过合适的天线设备发射射频激励信号，从而使得通过给定磁场中的所述射频场激发成谐振的特定原子的核自旋，通过相对于基本磁场的磁场线定义的翻转角而被倾斜。被称为磁共振信号的核自旋驰豫期间发射的射频信号然后通过合适的天线设备截取，该天线设备还可以与发射天线设备相同。最后，使用以这种方式获取的原始数据，以便重建所需的图像数据。虽然射频信号正在被发送和读出或接收，但是所定义的磁场梯度在每种情况下叠加在基本磁场上用于空间编码目的。
另外，在通过已经简要概述的成像方法对患者身体的结构进行成像中，常常使用被称为造影剂的物质。当执行造影剂辅助医疗成像过程时的重要协议参数涉及图像获取过程所需的造影剂的量。这例如基于患者的重量来确定。然而，患者所提供的细节往往不准确，其意味着有必要提前借助体重计进行重量测量。
用于造影剂辅助医疗成像过程的另一协议参数涉及造影剂在已经注射到患者身体中之后存在于待检查患者的身体的该区域中并且可以开始成像的时间点。该时间参数也被称为延迟时间。
通常，基于经验值简单地估计成像的开始时间。然而，这种途径不是特别精确。可能会发生图像获取过程开始的时间被设置的太晚，由此造影剂已经通过待检查区域，并且没有益处。在这种情形下，可能需要施用更多的造影剂，以使其至少一部分在获取时间期间仍然存在于待检查区域中，尽管这需要对患者的附加暴露。原则上，因为造影剂可能对人体造成使人衰弱的副作用，所以目的是实现造影剂在体内最短的可能停留时间。如果图像获取过程太早开始，那么在图像采集的时候造影剂将还未存在于待检查区域中，这将与对比度劣化相关联，或者可能导致图像质量下降。在最坏的情况下，甚至可能需要重复图像获取过程以及造影剂的施用，其同样构成了对患者的附加暴露。
在实际成像之前使造影剂在身体中可见的一种可能性在于执行在实际成像之前执行的被称为造影剂跟踪扫描(简称BT扫描)的过程。这样的BT扫描可以是以低分辨率进行的时间相关图像获取过程，例如，CT扫描，通过该扫描，获取待检查区域的子区域的时间密度曲线。
通常，用于BT扫描的这种子区域包括被体现并且还被认为与z方向(即，成像系统的系统轴的方向)正交的切片。然而，还可以在不同的水平下获取数据，特别是，在磁共振断层摄影中。在现实世界的实践中，在执行BT扫描期间，根据待检查区域的子区域中的时间和空间获取衰减值，在大多数情况下，在该子区域中存在动脉。如果所注射的造影剂现在流经被观察的动脉，则衰减值显着增加。如果超过了衰减值的预先确定的阈值，例如，150豪恩斯菲尔德(Hounsfield)单位(HU)，则这可以被解释为造影剂在待检查区域中足够集中地存在的证据，并且可以开始实际图像获取。
然而，提前执行的这种造影剂跟踪扫描是耗时的，并且在MRT或CT获取过程的情况下，也表示由于辐射或能量输入而导致的待检查患者的附加暴露。
发明内容
因此，本发明的目的是结合造影剂辅助成像来公开一种用于确定用于成像的至少一个协议参数的更加用户友好但精确的方法。
该目的通过如权利要求1所要求保护的用于确定造影剂辅助获取的图像的至少一个协议参数的方法，通过如权利要求12所要求保护的图像获取参数确定设备，以及通过如权利要求13所要求保护的成像医疗设备来实现。
在本发明的方法中，其用于通过医疗成像设备确定用于造影剂辅助获取检查对象的待检查区域的图像的至少一个协议参数的方法，借助于外部图像获取单元预先执行获取检查对象的外部可见特征的外部图像。外部图像获取单元用于在尽可能最短的时间内以最少的资源使用并且对于患者以最低的可能暴露来执行检查对象的外部图像的获取。虽然实际的医疗成像设备旨在获取检查对象的内部的图像，但是通过附加的外部图像获取单元获取外部图像限于获取外部可见特征的图像，或者视情况而定，限于获取检查对象的表面和轮廓的图像。
在最简单的情况下，所获取的外部图像可以是二维图像，在下文中被称为2D图像，其以单色或彩色表示。
基于所获取的外部图像，优选地通过自动化手段确定检查对象的至少一个身体尺寸。最后，基于至少一个所确定的身体尺寸来确定至少一个造影剂协议参数。借助于基于外部获取的图像所确定的检查对象的至少一个尺寸提前对造影剂协议进行单独调整，使得获取检查对象的内部结构的图像通过借助于随后的造影剂辅助成像实现了改善的图像质量。用于确定造影剂协议参数的步骤优选以自动化方式执行，以便减少操作人员的工作量。与常规方法相反，为了估计造影剂协议参数，不需要由医疗成像设备本身获取的附加内部图像，从而避免了例如在CT成像方法的情况下发生的患者的附加暴露。此外，与更复杂的测量扫描相比较，借助于医疗成像设备，也可以以更节省时间的方式执行外部图像获取过程，由此可以减少总体患者检查时间，并且增加患者舒适度。更短的检查时间还使得能够实现医疗成像设备的更高的生产率，从而提高所述设备的操作成本效益。此外，患者参数的自动化确定比例如由患者所给出的细节更准确或更一致。
通过造影剂辅助成像方法或造影剂辅助获取由此生成的图像在该上下文中将要理解的是，对其中附加地使用造影剂以便增强待成像结构的对比度的检查对象的内部结构进行成像的所有类型的成像方法。其示例是造影剂辅助CT成像方法和用于可视化血管、内脏或器官的部分的造影剂辅助MR成像方法。此外，它们还包括被称为其中通过器官的血流被可视化和检查的灌注测量的过程。
本发明的图像获取参数确定设备用于通过医疗成像设备确定造影剂辅助获取检查对象的待检查区域的图像的至少一个协议参数。为此，本发明的图像获取参数确定设备包括附加外部图像获取单元，其用于执行获取检查对象的外部特征的外部图像。本发明的图像获取参数确定设备的一部分是身体尺寸确定设备，其用于基于所获取的外部图像来确定检查对象的至少一个身体尺寸。另外，本发明的图像获取参数确定设备包括造影剂协议参数确定单元，其被配置成基于至少一个所确定的身体尺寸来确定造影剂协议参数。
本发明的成像医疗设备(优选地，计算机断层摄影系统)包括扫描单元，其用于扫描检查对象的待检查区域。此外，它包括控制单元，其用于控制扫描单元。另外，本发明的医疗成像设备包括图像获取参数确定设备。
本发明在CT系统中的实现方式具有通过CT系统执行的扫描的持续时间相对较短的优点。与通过可能需要几分钟的MRT系统获取图像相比较，这只需要几秒钟。对于紧急患者的检查来说，这是特别有利的，任何延迟都可能危及生命。此外，与MRT系统相比，CT系统得以更广泛建立并且更便宜。
另一方面，MRT系统具有以下优点：使用它们进行的检查不涉及X射线辐射的暴露，并且与CT系统相比较，使用MR系统获取的图像中的软组织对比度得以改善。
本发明的图像获取参数确定设备的大多数主要部件可以以软件部件的形式体现。这特别涉及身体尺寸确定设备和造影剂协议参数确定单元。然而，基本上，这些部件中的一些部件还可以以软件辅助硬件(例如，FPGA)等形式实现，特别地，当需要特别快速的计算时。同样，所需的接口可以被体现为软件接口，例如，当简单地从其它软件部件中导入数据时。然而，它们也可以被体现为由合适的软件控制的基于硬件的接口。
主要基于软件的实现方式具有以下优点：在现有技术中先前已经使用的控制设备还可以通过软件更新容易地升级，以便根据本发明的方式进行操作。在这方面，该目的还通过对应的计算机程序产品来实现，该计算机程序产品具有计算机程序，其可以直接加载到成像系统(优选地，计算机断层摄影系统)的控制设备的存储器设备中；并且具有程序段，其用于当在控制设备中执行程序时，执行根据本发明的方法的所有步骤的目的。
特别地，计算机程序产品可以是计算机程序或者包括至少一个附加部件以及计算机程序。计算机程序产品的至少一个附加部件可以例如选自由以下各项组成的组：
-存储器设备，其上存储计算机程序的至少一部分，
-密钥，其用于验证计算机程序的用户，其中，该密钥可以以硬件(例如，加密狗)和/或软件的形式来体现，
-文件，其与计算机程序有关，采用印刷和/或数字版本，
-第一附加计算机程序，其与计算机程序组合形成软件包
-第二附加计算机程序，其被体现成用于压缩和/或解压缩计算机程序和/或与计算机程序组合形成安装包，
-第三附加计算机程序，其被体现成用于将在计算机程序执行期间执行的处理步骤分发给云计算系统的不同处理单元和/或与计算机程序一起形成云计算应用程序，以及其组合。
一种计算机可读介质，例如，记忆棒、硬盘或一些其它可传送或永久安装的数据载体，其上存储可以被控制设备的计算机单元读取并且被其控制的计算机程序的程序段，可以用于将计算机程序传送到控制设备和/或将其存储在控制设备上或其中。为此，计算机单元可以具有例如一个或多个协作微处理器等。
从属权利要求以及每种情况的以下描述都包含本发明的特别有利的实施例和开发。在这方面，特别地，还可以类似于不同权利要求类别的从属权利要求来开发一个权利要求类别的权利要求。此外，不同示例性实施例和权利要求的各种特征还可以在本发明的范围内组合，以便产生新的示例性实施例。
在用于确定用于造影剂辅助获取图像的至少一个协议参数的本发明方法的实施例中，至少一个所确定的造影剂协议参数包括以下变量中的一个或多个变量：
-所需的造影剂的量，
-造影剂辅助图像获取过程的开始时间。
本发明的变型实施例提供了至少一个所确定的造影剂协议参数是所需的造影剂的量。可以例如基于至少一个所确定的身体尺寸来确定所需的造影剂的量。
本发明的变型实施例提供了至少一种所确定的造影剂协议参数是造影剂辅助图像获取过程的开始时间。可以例如基于至少一个所确定的身体尺寸来确定造影剂辅助图像获取过程的开始时间。
更准确地说，可以借助于该方法来确定造影剂到达检查区域所需的最短时间段。这样，实现了确定用于造影剂辅助获取图像的有利的开始时间的改进。
如已经提及的，为了在通过所讨论的成像医疗设备执行的图像获取过程中实现最佳图像对比度，需要一特定最小量的造影剂。借助于所确定的检查对象的尺寸，现在可以确定在图像对比度方面满足期望要求的最佳造影剂的量，同时不超过合理的最大值。如果检查对象是患者，例如，动物或人，则例如附加地感兴趣的是施用于患者的造影剂的量不超过最大值，以便不使患者遭受过度暴露。
同样，如已经解释的，造影剂辅助图像获取过程的开始时间必须与所施用的造影剂到达检查对象的检查区域的时间同步，以便实现造影剂在增强图像对比度方面的最佳效果。所使用的造影剂的传送路径的长度可以从所确定的身体尺寸推断出来。如果通过检查对象的造影剂的流动速率已知，则可以基于所确定的传送路径长度和流动速率来计算造影剂到期望检查区域的到达时间。因此，利用所确定的身体区域之间的距离，可以在注射造影剂的情况下依据可能的延迟时间进行改进的预测。例如，造影剂到达靶区域的最小延迟时间可以通过注射部位、心脏和用于成像的靶器官之间的测量距离来计算。同时，诸如循环系统的行为和血管直径之类的其它参数例如可以基于统计来估计，或者如果个体的值已知，则也可以进行适当地调整。
为了确定所需的造影剂的量，可以最初例如基于借助所获取的外部图像确定的至少一个身体尺寸来确定检查对象的重量。例如，如果检查对象的类型的比重已知，则例如首先可以基于检查对象的外部尺寸确定检查对象的体积，并基于该体积和比重决定其总重量。可替代地，还可以使用其中将距离值或体积值已经分配给特定患者重量的表，以便确定患者的重量。
接下来，基于所确定的检查对象的重量来确定所需的造影剂的量。通常，所需的造影剂的量大约与检查对象的重量成比例，从而了解检查对象的重量以及例如参考重量的所需造影剂的量的参考值足以估计任意重量所需的造影剂的量。另外，由于与较大的直径相比，通过较小的直径的造影剂实现更强的衰减或更强的对比度，所以所需的造影剂的量还取决于用造影剂灌注的区域的直径。为了更精确地确定造影剂的量，可以例如通过定位片(topogram)或患者轮廓来确定患者直径。还可以借助于化身(avatar)来确定。在确定了造影剂的量之后，可以为扫描协议指定最终注射方案，并且将其传送到注射器，即，用于注射造影剂的装置，其包括用于控制造影剂的施用的控制设备。
这样，由于不需要首先查找表中的值或将注射协议转换成所确定的值，所以更快地完成用于准备造影剂辅助成像过程的工作流程。此外，在患者是检查对象的许多情况下，由于许多患者在说明其重量时不太正确(即，例如表明了过低的重量)，所以所确定的重量与患者说明的重量更为符合。
如果自动确定至少一个身体尺寸，则可以特别有效地进行根据本发明的方法。自动化确定至少一个身体尺寸加快造影剂辅助成像的准备，此外还准许经验不足的操作人员执行造影剂辅助成像方法。
可替代地或者另外，还可以基于所获取的外部图像以自动化方式确定检查对象的标记，并且可以基于标记的至少一个距离来确定检查对象的至少一个身体尺寸。该标记可以例如标记检查对象的特定子区域的位置，并且因此提供用于确定相关尺寸的附加细节，其反过来又将允许更精确地确定所引用的协议参数。例如，标记可以标记待施用造影剂打算流经的患者身体的各部分的位置。然后可以基于这些位置的知识来确定通过造影剂通过患者身体的传送路径的长度。在实践中，例如，患者的脚或头部可被自动标识为所获取的图像中的标记。标记之间的距离随后产生相机图像坐标中的人的大小。与其类似，相机图像坐标中的人的宽度还可以通过确定诸如肩膀、膝盖或人的臀部的左侧和右侧之类的标记之间的距离来确定。
启发式方法可用于用于自动化标识标记，该启发式方法包括以下方法中的至少一种方法：
-借助边缘检测器对标记进行定位，
-阈值滤波方法，
-机器学习方法。
借助所引用的方法可以自动化标识用于定位标记的合适特征。
当使用边缘检测器时，确定所获取的图像中的纹理差异，特别是，对比度差异，其表明可以用于所获取的图像的分割的不同对象或结构之间的分界线的存在。
阈值滤波器还用于图像的分割。在这种情况下，通过比较灰度值或另一特征与阈值来确定像素和分割之间的关联。由于它们的简单性，可以快速实现阈值处理方法，并且可以以很少的开销来计算分割结果。
当使用机器学习方法时，基于加注释的训练图像来以自动化方式确定用于定位标记的合适特征。
所引用的方法基于借助于外部图像获取过程获取的外部图像数据而用于图案识别。标记通常具有特有的结构，其可以借助所提出的方法来识别。
在根据本发明的方法的特别优选的变型中，检查对象的轮廓基于外部获取的图像来确定，并且基于所确定的轮廓来确定检查对象的尺寸。例如，可以基于检查对象的轮廓来更准确地确定检查对象的体积。此外，还可以区分检查对象的个体的不同子区域，相对于该子区域，可获得在确定协议参数时可以被考虑在内的具体信息。
在确定检查对象的至少一个尺寸和/或重量时，考虑图像获取单元与检查对象的距离也是有利的。换句话说，通过了解检查对象与外部图像获取单元的距离来确定外部图像获取的成像比例(imaging scale)。待考虑的其它参数可以是例如外部图像获取单元的透镜的焦距。然后，可以从所引用的参数和在外部获取的图像上确定的至少一个尺寸推导出检查对象的实际尺寸。
在根据本发明的方法的特别有利的变型中，借助外部图像获取单元从不同方向获取检查对象的外部图像。例如，不同的方向可以包括前视图和轮廓视图。可以基于从多个方向获取的外部图像来重建检查对象的体积。此外，由于在这种情况下可以考虑所有三个维度，所以还可以更精确地确定造影剂的流动路径和它们的路径长度。
例如，为了基于单个获取的外部图像来确定体积，可以使用诸如“阴影恢复形状(shape from shading)”技术之类的方法。在这种情况下，基于单个外部获取的图像，根据与外部图像获取单元的光轴方向上的人的范围相关的照明条件进行推断。在本方法的范围内，基于在外部获取的图像中投射的阴影来进行三维表面的重建。
优选地，外部图像获取单元包括以下设备中的至少一个设备：-相机，
-深度感测相机，
-非接触电磁传感器，
-超声波测距仪，
-雷达传感器设备，
-深度感测相机以及附加的2D相机。
所使用的相机可以是例如数字相机，使用该数字相机拍摄二维图像，在该二维图像中，标识出特定解剖学特征以及已经提及的标记。例如，相机还可以是智能电话或平板电脑的一部分。
在借助于深度感测摄像机获取图像中，使用传送三维图像(以下也被称为3D图像)的相机。深度感测相机生成图像，其中每个像素指示最近的物体与相机的距离。该信息准许深度图像变换为全局坐标中的点云。如在2D图像中一样，可以标识标记并且在所述3D图像中确定距离。利用深度感测摄像机，还可以确定人沿着光轴的范围，从而进行更准确的重量估计。
用于获取3D图像的常用方法是结构光法或飞行时间法。在结构光法中，在待成像对象上生成线图案。例如，这些线在物体上相交。由于物体的三维延伸，这些相交线变形，从而使得能够从中导出物体的三维图像。使用飞行时间方法，对朝向成像物体发射的光束进行传送时间测量。使用所发射的光波和所接收的光波之间的所确定的相位差作为基础，可以推导出用于测量的检测系统和待成像对象之间存在的距离。
还可以使用所引用的非接触式电磁传感器、超声波距离计或雷达传感器设备，以便获得3D图像中患者的可视化。
附加地，深度感测相机还可以包括另外的2D相机。由于与3D相机相比，2D相机在大多数情况下实现更高的分辨率，所以如果两个相机相互校准，则标记或轮廓的确定可以同时考虑2D图像和3D图像，从而提高尺寸确定的准确性，进而提高重量确定的精度。
在通过深度感测相机或深度传感器获取的图像中，通常缺乏关于待成像物体的相反侧的信息。如果物体位于已知环境中，则可以使用与环境有关的该附加信息，以便改进物体的尺寸的确定。例如，人可以躺在高度已知的台上。在这种情况下，与台成直角获取的图像中的患者的范围可以被确定为台与朝向远离台的一侧的所确定的患者表面之间的距离。
在根据本发明的方法的特别实施例中，检查对象的虚拟模型用于特别精确地确定检查对象的至少一个身体尺寸，该虚拟模型适于通过外部图像获取过程获得的数据。如果检查对象是人类，则这种虚拟模型通常被称为化身。
化身可以被认为是根据患者姿势插入到所获取的外部图像数据，特别是3D图像数据中的一种虚拟的有关节的木偶。化身可以包括统计形式模型，其包含来自从自然人获取的图像的数据库的个体肢体及其相关性的实际比例。如果这种化身适配到所获取的外部图像数据中，则可以补偿所获取的外部图像的不准确性(例如，由噪声或过度曝光造成的)。附加地，化身提供关于患者在图像平面外延伸的信息。凭借其结构化的分层框架，化身准许针对个体身体区域和肢体来确定患者的体积和重量。
特别有利的是，如果虚拟模型包括关于基于数据库所确定的检查对象的个性化信息，则该信息影响造影剂辅助图像获取过程的开始时间和/或所需的造影剂的量。为此，相关医疗信息(诸如图像数据、疾病进展等)存储在综合数据库中。然后，对于待检查患者，在数据库中标识在合适的距离测量方面被认为最相似的人。可替代地或者另外，被称为深度学习方法或强化学习方法的机器学习方法可以用于与数据库的同步。在这种情况下，例如，一方面可以考虑从所获取的外部图像数据导出的患者的身体形状，另一方面可以使用从存储在数据库中的医疗图像数据导出的身体形状。另外，例如，还可以考虑患者的疾病症状，并且例如，在数据库中进行搜索，以找到具有类似身体形状和心血管系统的可比参数的患者。一旦一个或多个类似患者已经位于数据库中，它们的相关参数(例如，重量或血流速率)就应用于个性化化身。
另外，还可以借助于相机图像来确定造影剂扩散的其它影响变量。例如，可以基于学习算法来进行性别识别和/或年龄估计。还可以基于面部识别或条形码臂带的读出来进行患者标识。而且，还可以借助于相机图像来对患者的呼吸位置进行评估。然后，在确定协议参数时还考虑了所引用的变量，由此可以更精确地计算协议参数。
如果在医疗成像方法中使用多种不同的造影剂，则可以针对每种造影剂在特定基础上确定造影剂应用的相关参数。例如，不同的造影剂可以包括不同的最佳造影剂浓度。
使用不定冠词“一”或“一个”并不排除所讨论的特征还可能不止一次出现的可能性。使用术语“包括”并不排除通过术语“包括”联系的概念可能相同的可能性。例如，医疗成像设备包括医疗成像设备。使用术语“单元”不排除术语“单元”所指的物体可能包括在空间中彼此分离的多个部件的可能性。在指明特征中使用序数术语(第一、第二、第三等)在本申请的上下文中首先且首要地更好地区分开使用序数指明的特征。没有通过给定序数和项的组合指明的特征并不排除由给定序数和项之后的序数组合指明的特征可能存在的可能性。
附图说明
以下将基于示例性实施例并且参照附图来再次更详细地解释本发明，其中
图1示出了流程图，其图示了用于通过医疗成像设备确定用于造影剂辅助获取检查对象的待检查区域的图像的至少一个协议参数的方法，
图2示出了框图，其图示了根据本发明的示例性实施例的图像获取参数确定设备，以及
图3示出了根据本发明的示例性实施例的计算机断层摄影系统。
具体实施方式
图1示出了流程图100，通过该流程图，用于通过医疗成像设备确定用于造影剂辅助获取检查对象的待检查区域的图像的至少一个协议参数的方法的示例性实施例。首先，在步骤1.I中，借助于相机获取患者的外部图像BA。相机以相对于检查对象的方式布置，使得患者的轮廓KN可以被记录在借助于相机获取的外部图像BA上。接下来，在步骤1.II中，根据所获取的外部图像BA确定患者的轮廓KN。为此，例如，考虑所获取的外部图像BA中的对比度差异。接着，在步骤1.III中，基于所获取的轮廓KN来确定患者的身体尺寸KAM。
在步骤1.IV中，身体尺寸KAM用于确定造影剂辅助图像获取过程的开始时间tD。在该过程中，在步骤1.IVa，基于身体尺寸KAM来计算用于施用造影剂的注射部位和患者的待检查区域之间的距离或路径长度s。为此，另外，还可以使用来自数据库的解剖学信息，以便例如确定患者体内的待检查区域的位置。接下来，在步骤1.IVb中，基于已知的注射参数来计算造影剂的流动速率VKM，诸如例如，每单位时间注射的造影剂的量和用于传送造影剂的可能的患者动脉直径。最后，在步骤1.IVc中，根据造影剂的路径长度s和流动速率VKM的商计算或估计造影剂施用开始和医疗成像开始之间的延迟时间tD。
另外，在步骤1.V中，身体尺寸KAM用来计算患者O的重量PG(参见图3)。然后，在步骤1.VI中，患者重量PG用来确定随后的医疗成像过程所需的造影剂的量KMM。最后，在步骤1.VII中，基于针对起始时间(或者视情况而定，注射造影剂与医疗成像过程开始之间的延迟时间tD)和造影剂的量KMM确定的值，来进行医疗成像过程。
图2示出了用于通过医疗成像设备1(参见图3)确定用于造影剂辅助获取检查对象O(参见图3)的待检查区域的图像的至少一个协议参数的图像获取参数确定设备40。该图像获取参数确定设备40包括图像获取参数确定单元41，另外还包括可以获取检查对象的外部图像BA的相机K。由相机K记录的所获取的外部图像BA被传送到图像获取参数确定单元41。该图像获取参数确定单元41包括输入接口42，通过该输入接口42接收所获取的外部图像BA。随后，所获取的外部图像数据BA被内部发送到轮廓确定单元43。该轮廓确定单元43基于所获取的外部图像数据BA来确定检查对象O的身体的轮廓KN。
接着，将轮廓数据KN发送到身体尺寸确定设备44。该身体尺寸确定设备44基于所确定的轮廓KN来确定检查对象O的身体尺寸KAM。然后，将所确定的身体尺寸值KAM传送到患者重量确定单元45和开始时间确定单元46。患者重量确定单元45基于身体尺寸值KAM来确定个体患者重量PG。随后，造影剂的量确定单元47使用所确定的患者重量值PG来针对所确定的患者O的重量PG计算合适的造影剂的量KMM，在必要时考虑其它参数，诸如例如，患者的生理因素。开始时间确定单元46基于患者O的身体尺寸KAM来确定造影剂辅助图像获取过程的开始时间tD。最后，所确定的参数值tD，KMM经由输出接口48输出到另一单元，诸如例如，用于确定测量协议的单元。
图3示出了根据本发明的示例性实施例的计算机断层摄影系统1，其还包括与根据示例性实施例的如图2所示的单元41相对应的图像获取参数确定单元41。在这种情况下，CT系统1基本上由常规扫描单元10组成，其中，具有检测器16和与检测器16相对定位并且安装在台架11上的X射线源15的投影数据获取单元5围绕测量腔旋转。位于扫描单元10前面的是患者支撑设备3或患者台3，其上部2可以与朝向扫描单元10定位的患者O一起操纵，以便将患者O相对于检测器系统16移动通过测量腔12。扫描单元10和患者台3通过控制设备20控制，按照预先设定的测量协议，从该控制设备中经由常规控制接口24得出用于控制整个系统的获取控制信号AS，该信号将通过图像获取参数确定单元41确定的参数tD、KMM考虑在内。在螺旋获取的情况下，由于患者O沿着z方向(其与纵向通过扫描室12的系统轴z相对应)的移动以及用于X射线源15的X射线源15在测量期间相对于患者O的同时旋转而产生螺旋轨迹。同时，检测器16总是与相对的X射线源15共转动，以便获取投影测量数据PMD，然后其用于重建体积和/或切片图像数据。同样，还可以执行顺序测量方法，其中，接近z方向上的固定位置，然后在一个旋转、部分旋转或多个旋转期间，在相关z位置处获取所需的投影测量数据PMD，以便在所述z位置处重建切片图像或者以便从多个z位置的投影数据重建图像数据BD。本发明的方法100还基本上也适用于其它CT系统(例如，具有多个X射线源和/或检测器和/或具有形成完整环的一个检测器)。
在造影剂辅助成像过程中由检测器16获取的投影测量数据PMD(以下也被称为原始数据)经由原始数据接口23传递到控制设备20。在恰当的预处理(合适的话)(例如，滤波和/或射束硬化校正)之后，在图像重建单元25中随后进一步处理所述原始数据PMD，该图像重建单元25在本示例性实施例中以软件形式在控制设备20中的处理器上实现。图像重建单元25借助于重建方法基于原始数据PMD来重建图像数据BD。例如，基于滤波反投影的重建方法可以用作重建方法。
所获取的图像数据BD存储在控制设备20的存储器22中和/或以通常方式在控制设备20的屏幕上输出。所述数据还可以经由图3中未示出的接口馈送到连接到计算机断层摄影系统1(例如，放射学信息系统(RIS))的网络，并且存储在那里可访问的大容量存储器中，或在与其连接的打印机或拍摄站上作为图像输出。因此，可以以任何期望方式进一步处理数据，然后存储或输出。
另外，图3还示出了从相机K接收患者O的外部图像数据BA的图像获取参数确定单元41。基于外部图像数据BA，如结合图1和图2描述的，图像获取参数确定单元41确定用于CT系统1的图像获取协议的协议参数tD、KMM。图3中描绘了图像获取参数确定单元41作为控制设备20的一部分。所确定的协议参数tD、KMM可以存储在例如存储器设备22中，并且被CT系统1用于后来的CT成像过程。此外，图3所示的CT系统还包括造影剂注射设备50，借助于该造影剂注射设备50，可以在CT成像方法开始之前给患者O注射造影剂，并借助于计算机断层摄影系统1例如以图像形式捕获该造影剂在血管或血管系统中的行为。
总之，再次指出，上文所描述的用于确定用于造影剂辅助获取图像的至少一个协议参数的方法和所描述的图像获取参数确定设备41以及所描述的计算机断层摄影系统1仅仅是本发明的优选示例性实施例，并且在不背离如由权利要求限定的本发明的范围的情况下，本领域技术人员可以变化本发明。例如，磁共振断层摄影系统也可以用作成像系统。为了完整起见，还指出，使用不定冠词“一”或“一个”并不排除所讨论的特征还可能不止一次出现的可能性。同样，术语“单元”并不排除这由多个部件组成(如果必要，这些部件还可以在空间上分布)的可能性。

Claims (15)

1.一种用于通过医疗成像设备(1)确定用于造影剂辅助获取检查对象(O)的待检查区域的图像的至少一个协议参数(tD，KMM)的方法，包括以下步骤：
-借助于外部图像获取单元(K)获取所述检查对象(O)的外部可见特征的外部图像(BA)；
-基于获取的所述外部图像(BA)来确定所述检查对象(O)的至少一个身体尺寸(KAM)；
-基于确定的所述至少一个身体尺寸(KAM)来确定至少一个造影剂协议参数(tD，KMM)。
2.根据权利要求1所述的方法，其中，确定的所述至少一个造影剂协议参数(tD，KMM)包括以下变量中的一个变量：
-所需的造影剂的量(KMM)，
-所述造影剂辅助图像获取过程的开始时间(tD)。
3.根据权利要求2所述的方法，包括以下步骤：
-根据基于所述外部获取的图像(BA)所确定的所述至少一个身体尺寸(KAM)来确定所述检查对象(O)的重量(PG)，
-基于确定的所述检查对象(O)的所述重量(PG)来确定所述所需的造影剂的量(KMM)。
4.根据权利要求1至3中任一项所述的方法，其中，以自动化方式确定所述至少一个身体尺寸(KAM)，和/或基于获取的所述外部图像(BA)来以自动方式确定所述检查对象(O)的标记，其中基于所述标记之间的至少一个距离来确定所述检查对象(O)的所述至少一个身体尺寸(KAM)。
5.根据权利要求4所述的方法，其中以下方法中的至少一种方法被用于自动化确定所述标记：
-边缘检测方法，
-阈值滤波方法，
-机器学习方法。
6.根据权利要求1至5中任一项所述的方法，其中，基于获取的所述外部图像(BA)来确定所述检查对象(O)的轮廓，并且基于确定的所述轮廓来确定所述检查对象(O)的所述尺寸。
7.根据权利要求1至6中任一项所述的方法，其中，在确定所述至少一个身体尺寸(KAM)和/或所述检查对象(O)的所述重量(PG)时考虑从所述检查对象(O)到所述外部图像获取单元(K)的距离。
8.根据权利要求1至7中任一项所述的方法，其中，借助于所述外部图像获取单元(K)从不同方向(R)获取所述检查对象(O)的外部图像(BA)。
9.根据权利要求1至8中任一项所述的方法，其中，所述外部图像获取单元(K)包括以下设备中的至少一个设备：
-相机，
-深度感测相机，
-非接触电磁传感器，
-超声波测距单元，
-雷达传感器设备，
-附加有2D相机的深度感测相机。
10.根据权利要求1至9中任一项所述的方法，其中，使用所述检查对象(O)的虚拟模型来确定所述检查对象(O)的所述至少一个身体尺寸(KAM)，所述虚拟模型被匹配到所获取的所述外部图像(BA)的数据。
11.根据权利要求10所述的方法，其中，所述虚拟模型包括关于基于数据库所确定的所述检查对象(O)的个性化信息，所述信息影响所述造影剂辅助图像获取过程的所述开始时间(tD)和/或所述所需的造影剂的量(KMM)。
12.一种图像获取参数确定设备(40)，所述图像获取参数确定设备(40)用于通过医疗成像设备(1)确定用于造影剂辅助获取检查对象(O)的待检查区域的图像的至少一个协议参数(tD，KMM)，包括：
-外部图像获取单元(K)，用于获取所述检查对象(O)的外部可见特征的外部图像(BA)，
-身体尺寸确定设备(41)，用于基于所获取的所述外部图像(BA)来确定所述检查对象(O)的至少一个身体尺寸(KAM)，
-造影剂协议参数确定单元(46，47)，用于基于确定的所述至少一个身体尺寸(KAM)来确定至少一个造影剂协议参数(tD，KMM)。
13.一种成像医疗设备，优选地，一种计算机断层摄影系统(1)，包括：
-扫描单元(10)，用于扫描检查对象(O)的待检查区域，
-控制单元(20)，用于控制所述扫描单元(10)，
-根据权利要求12所述的图像获取参数确定设备(40)。
14.一种计算机程序产品，所述计算机程序产品具有计算机程序，所述计算机程序能够被直接加载到成像医疗设备、优选地计算机断层摄影系统(1)的控制设备(20)的存储器设备中；并且所述计算机程序产品具有程序段，当在所述成像医疗设备的所述控制设备(20)中执行所述计算机程序时，所述程序段用于执行根据权利要求1至11中任一项所述的方法的所有步骤。
15.一种计算机可读介质，所述计算机可读介质上存储有能够由计算机单元读取并且执行的程序段，当所述计算机单元执行所述程序段时，所述程序段用于执行根据权利要求1至11中任一项所述的方法的所有步骤。
CN201710296778.5A 2016-04-28 2017-04-28 确定造影剂辅助成像方法的至少一个协议参数 Pending CN107334486A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102016207291.9A DE102016207291B4 (de) 2016-04-28 2016-04-28 Ermittlung mindestens eines Protokollparameters für ein kontrastmittelunterstütztes Bildgebungsverfahren
DE102016207291.9 2016-04-28

Publications (1)

Publication Number Publication Date
CN107334486A true CN107334486A (zh) 2017-11-10

Family

ID=60081475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710296778.5A Pending CN107334486A (zh) 2016-04-28 2017-04-28 确定造影剂辅助成像方法的至少一个协议参数

Country Status (3)

Country Link
US (1) US20170316562A1 (zh)
CN (1) CN107334486A (zh)
DE (1) DE102016207291B4 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110522466A (zh) * 2018-05-23 2019-12-03 西门子医疗有限公司 确定患者重量和/或体重指数的方法和装置
CN111007447A (zh) * 2018-10-04 2020-04-14 西门子医疗有限公司 错误检测运动的检测
CN111261303A (zh) * 2019-10-18 2020-06-09 上海联影智能医疗科技有限公司 用于指导患者的方法和装置
CN111528879A (zh) * 2020-05-06 2020-08-14 上海联影医疗科技有限公司 一种医学图像采集的方法和系统
CN111609908A (zh) * 2019-02-25 2020-09-01 西门子医疗有限公司 根据表面数据、使用患者模型的患者体重估计
CN113384822A (zh) * 2020-06-29 2021-09-14 上海联影医疗科技股份有限公司 一种有限角度成像方法和系统
CN113456098A (zh) * 2021-06-09 2021-10-01 东软医疗系统股份有限公司 扫描视野获取方法、装置、电子设备及存储介质

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11406333B2 (en) * 2016-05-09 2022-08-09 Canon Medical Systems Corporation Medical image diagnosis apparatus and management apparatus
DE102016211072A1 (de) * 2016-06-21 2017-12-21 Siemens Healthcare Gmbh Verfahren zu einem Bereitstellen einer Auswahl von zumindest einem Protokollparameter aus einer Vielzahl von Protokollparametern sowie eine Magnetresonanzvorrichtung hierzu
JP6514756B1 (ja) * 2017-11-30 2019-05-15 ゼネラル・エレクトリック・カンパニイ 接触回避装置、医用装置、およびプログラム
DE102018206517A1 (de) * 2018-04-26 2019-10-31 Siemens Healthcare Gmbh Verfahren zum Betrieb einer Bildaufnahmeeinrichtung, Bildaufnahmeeinrichtung, Computerprogramm und elektronisch lesbares Speichermedium
DE102018208955A1 (de) * 2018-06-06 2019-12-12 Siemens Healthcare Gmbh Bestimmung eines Schwellwertes für wenigstens ein Energieband eines direkt-konvertierenden Detektors
WO2020247370A1 (en) * 2019-06-04 2020-12-10 Bayer Healthcare Llc Systems and methods for delivering a test bolus for medical imaging
CN113538707A (zh) 2020-04-22 2021-10-22 西门子(深圳)磁共振有限公司 医疗影像系统的扫描准备方法、装置及系统
WO2022032455A1 (en) * 2020-08-10 2022-02-17 Shanghai United Imaging Healthcare Co., Ltd. Imaging systems and methods
EP4016106A1 (en) * 2020-12-18 2022-06-22 Guerbet Methods for training at least a prediction model for medical imaging, or for processing at least a pre-contrast image depicting a body part prior to an injection of contrast agent using said prediction model
EP4052651A1 (en) 2021-03-04 2022-09-07 Koninklijke Philips N.V. Image-based planning of tomographic scan
EP4068300A1 (en) * 2021-04-01 2022-10-05 Siemens Healthcare GmbH Method, medical imaging device and control unit for performing a medical workflow
WO2023023956A1 (en) * 2021-08-24 2023-03-02 Siemens Shanghai Medical Equipment Ltd. Method and apparatus for visualization of touch panel to object distance in x-ray imaging
DE102023200942A1 (de) 2023-02-06 2024-08-08 Siemens Healthineers Ag Abschätzung des Gewichts eines Subjekts im Rahmen eines medizinischen Bildgebungsverfahrens

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070060390A1 (en) * 2005-09-13 2007-03-15 Igt Gaming machine with scanning 3-D display system
CN101023876A (zh) * 2006-01-20 2007-08-29 西门子公司 成像设备以及运行成像设备的方法
US20100113887A1 (en) * 2006-12-29 2010-05-06 Medrad, Inc. Patient-based parameter generation systems for medical injection procedures
US20100150458A1 (en) * 2008-12-12 2010-06-17 International Business Machines Corporation Generating Cohorts Based on Attributes of Objects Identified Using Video Input
US20140177803A1 (en) * 2012-12-24 2014-06-26 General Electric Company Systems and methods for selecting image display parameters
US20140270540A1 (en) * 2013-03-13 2014-09-18 Mecommerce, Inc. Determining dimension of target object in an image using reference object
WO2015050929A1 (en) * 2013-10-01 2015-04-09 The Children's Hospital Of Philadelphia Image analysis for predicting body weight in humans
US20150228071A1 (en) * 2012-08-27 2015-08-13 Koninklijke Philips N.V. Patient-specific and automatic x-ray system adjustment based on optical 3d scene detection and interpretation

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004042790A1 (de) 2004-09-03 2006-03-09 Siemens Ag Röntgeneinrichtung
CN101430576B (zh) * 2007-11-05 2010-04-21 鸿富锦精密工业（深圳）有限公司 眼睛防护警示装置及眼睛防护警示方法
CA2711388C (en) * 2008-01-22 2016-08-30 Delaval Holding Ab Arrangement and method for determining the position of an animal
US20090198121A1 (en) * 2008-02-01 2009-08-06 Martin Hoheisel Method and apparatus for coordinating contrast agent injection and image acquisition in c-arm computed tomography
WO2009115942A1 (en) * 2008-03-18 2009-09-24 Koninklijke Philips Electronics N.V. Dynamic planning tool for use in contrast-enhanced dynamic scan in magnetic resonance imaging
US9311556B2 (en) * 2010-05-19 2016-04-12 Plf Agritech Pty Ltd Image analysis for making animal measurements including 3-D image analysis
AU2010219406B2 (en) * 2010-05-19 2013-01-24 Plf Agritech Pty Ltd Image analysis for making animal measurements
DE102012205711B4 (de) 2012-04-05 2023-08-31 Siemens Healthcare Gmbh Verfahren zum Betreiben eines bildgebenden Diagnosegerätes sowie medizinisches bildgebendes System
US20140270395A1 (en) 2013-03-15 2014-09-18 Propel lP Methods and apparatus for determining information about objects from object images
CN106061390B (zh) 2014-02-21 2021-10-26 西门子医疗有限公司 用于记录医疗图像的方法和设备
EP2957861A1 (en) 2014-06-17 2015-12-23 Expert Ymaging, SL Device and method for automated parameters calculation of an object
US20170258982A1 (en) * 2016-03-10 2017-09-14 Bayer Healthcare Llc System and methods for pre-injection pressure prediction in injection procedures
US10307926B2 (en) * 2016-03-14 2019-06-04 Amazon Technologies, Inc. Automated fabric picking
US10127945B2 (en) * 2016-03-15 2018-11-13 Google Llc Visualization of image themes based on image content

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070060390A1 (en) * 2005-09-13 2007-03-15 Igt Gaming machine with scanning 3-D display system
CN101023876A (zh) * 2006-01-20 2007-08-29 西门子公司 成像设备以及运行成像设备的方法
US20100113887A1 (en) * 2006-12-29 2010-05-06 Medrad, Inc. Patient-based parameter generation systems for medical injection procedures
US20100150458A1 (en) * 2008-12-12 2010-06-17 International Business Machines Corporation Generating Cohorts Based on Attributes of Objects Identified Using Video Input
US20150228071A1 (en) * 2012-08-27 2015-08-13 Koninklijke Philips N.V. Patient-specific and automatic x-ray system adjustment based on optical 3d scene detection and interpretation
US20140177803A1 (en) * 2012-12-24 2014-06-26 General Electric Company Systems and methods for selecting image display parameters
US20140270540A1 (en) * 2013-03-13 2014-09-18 Mecommerce, Inc. Determining dimension of target object in an image using reference object
WO2015050929A1 (en) * 2013-10-01 2015-04-09 The Children's Hospital Of Philadelphia Image analysis for predicting body weight in humans

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110522466A (zh) * 2018-05-23 2019-12-03 西门子医疗有限公司 确定患者重量和/或体重指数的方法和装置
CN110522466B (zh) * 2018-05-23 2023-08-18 西门子医疗有限公司 确定患者重量和/或体重指数的方法和装置
CN111007447A (zh) * 2018-10-04 2020-04-14 西门子医疗有限公司 错误检测运动的检测
CN111609908A (zh) * 2019-02-25 2020-09-01 西门子医疗有限公司 根据表面数据、使用患者模型的患者体重估计
US11703373B2 (en) 2019-02-25 2023-07-18 Siemens Healthcare Gmbh Patient weight estimation from surface data using a patient model
CN111261303A (zh) * 2019-10-18 2020-06-09 上海联影智能医疗科技有限公司 用于指导患者的方法和装置
CN111261303B (zh) * 2019-10-18 2023-10-27 上海联影智能医疗科技有限公司 用于指导患者的方法和装置
US11836946B2 (en) 2019-10-18 2023-12-05 Shanghai United Imaging Intelligence Co., Ltd. Methods and devices for guiding a patient
CN111528879A (zh) * 2020-05-06 2020-08-14 上海联影医疗科技有限公司 一种医学图像采集的方法和系统
CN113384822A (zh) * 2020-06-29 2021-09-14 上海联影医疗科技股份有限公司 一种有限角度成像方法和系统
CN113384822B (zh) * 2020-06-29 2022-10-11 上海联影医疗科技股份有限公司 一种有限角度成像方法和系统
CN113456098A (zh) * 2021-06-09 2021-10-01 东软医疗系统股份有限公司 扫描视野获取方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US20170316562A1 (en) 2017-11-02
DE102016207291B4 (de) 2023-09-21
DE102016207291A1 (de) 2017-11-02

Similar Documents

Publication Publication Date Title
CN107334486A (zh) 确定造影剂辅助成像方法的至少一个协议参数
CN111724904B (zh) 用于针对医学扫描的患者建模的多任务渐进式网络
CN109009200B (zh) 用于正电子发射断层成像图像重建的系统和方法
CN107334485A (zh) 使用外部图像捕获来限定ct扫描的扫描参数
CN108289651B (zh) 用于跟踪身体部位中的超声探头的系统
US9230334B2 (en) X-ray CT apparatus and image processing method
CN105517492B (zh) 用于处理心脏数据的处理设备
CN107468265A (zh) 定位用以成像方法的检查对象
CN109035355A (zh) 用于pet图像重建的系统和方法
CN112969412B (zh) 深谱团注剂跟踪
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
JP2019216848A (ja) 医用画像処理装置、医用画像処理方法及びプログラム
US20160066795A1 (en) Stenosis therapy planning
US9886755B2 (en) Image processing device, imaging system, and image processing program
CN106999135A (zh) 正电子发射计算机断层摄影中的使用平片和先前患者数据的fov外活性估计
CN108885781A (zh) 用于根据低剂量或低kV计算机断层扫描图像合成虚拟高剂量或高kV计算机断层扫描图像的方法和系统
CN107050664B (zh) 用于规划对患者的照射的方法
US9839404B2 (en) Image data Z-axis coverage extension for tissue dose estimation
US20160073994A1 (en) X-ray ct apparatus and image processing method
US11980456B2 (en) Determining a patient movement during a medical imaging measurement
KR101525040B1 (ko) 시술 전 영상의 촬영 범위를 결정하기 위한 레퍼런스 영상 생성 방법 및 그 장치
CN110215226A (zh) 图像衰减校正方法、装置、计算机设备和存储介质
US11810227B2 (en) MR image reconstruction based on a-priori information
Longuefosse et al. Lung CT Synthesis Using GANs with Conditional Normalization on Registered Ultrashort Echo-Time MRI
Oezdemir et al. Faster motion correction of clinical contrast-enhanced ultrasound imaging using deep learning

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171110