CN107833248B - 医学图像扫描方法及医学影像设备 - Google Patents
医学图像扫描方法及医学影像设备 Download PDFInfo
- Publication number
- CN107833248B CN107833248B CN201711365656.3A CN201711365656A CN107833248B CN 107833248 B CN107833248 B CN 107833248B CN 201711365656 A CN201711365656 A CN 201711365656A CN 107833248 B CN107833248 B CN 107833248B
- Authority
- CN
- China
- Prior art keywords
- scanning
- angle
- positioning frame
- boundary point
- inclination angle
- 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 32
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 13
- 238000002591 computed tomography Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 238000011002 quantification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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]
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种医学图像扫描方法及医学影像设备。本发明实施例通过获取受检者指定部位的定位图像,根据定位图像确定扫描倾角,并基于扫描倾角确定第一扫描定位框,基于定位图像,获取扫描倾角对应的基准角,根据扫描倾角与基准角,确定指定参数的参数值,根据参数值和第一扫描定位框,得到第二扫描定位框,利用指定参数的参数值量化表示扫描倾角的误差,使得用户能够根据指定参数的参数值获知根据定位图像自动确定的第一扫描定位框的准确程度,并基于此提示用户调整准确程度不够的扫描定位框,从而减小了因扫描定位框不准确导致的扫描误差,进而提高了扫描精准度。
Description
【技术领域】
本方案涉及医疗技术领域,尤其涉及一种医学图像扫描方法及医学影像设备。
【背景技术】
随着医疗科学技术的发展,医学影像设备在医学领域中的作用越来越大。医学影像设备用于对受检对象(例如人体)进行扫描,以得到受检对象指定部位的医学图像,为医学诊断提供有用信息。
在CT(Computed Tomography,计算机断层扫描)、MR(Magnetic Resonance)设备等医学影像设备的扫描过程中,很重要的一个环节是在定位图像中确定扫描定位框。因为医学影像设备的扫描是按照扫描定位框所确定的范围进行的。
在螺旋扫描中,扫描定位框是水平的。然而,在断层扫描中,扫描定位框是倾斜的。在扫描定位框倾斜的情况下,需要确定扫描倾角,根据扫描倾角确定扫描定位框。扫描倾角决定医学影像设备的扫描方向,扫描方向对于扫描精度具有重大影响。如果扫描倾角的误差较大,就会导致扫描定位框不准确,从而造成扫描精准度降低。
【发明内容】
有鉴于此,本方案实施例提供了一种医学图像扫描方法及医学影像设备,用以解决现有技术中医学影像设备的扫描倾角误差无法定量,误差较大时导致扫描精准度降低的问题。
第一方面,本发明实施例提供一种医学图像扫描方法,所述方法包括:
获取受检者指定部位的定位图像;
根据所述定位图像确定扫描倾角,并基于所述扫描倾角确定第一扫描定位框;
基于所述定位图像,获取所述扫描倾角对应的基准角;
根据所述扫描倾角与所述基准角,确定指定参数的参数值;
根据所述参数值和所述第一扫描定位框,得到第二扫描定位框。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据所述定位图像确定扫描倾角,包括:
获取所述指定部位对应的训练模型;
通过所述训练模型和神经网络,得到所述定位图像的第一分割区域;
获取所述第一分割区域的指定边界点,作为第一边界点;
根据所述第一边界点,确定扫描倾角。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述第一边界点包括所述第一分割区域的左上角顶点、左下角顶点和最右侧角的顶点;
根据所述第一边界点,确定扫描倾角,包括:
确定所述左上角顶点和所述左下角顶点的连线的中点;
将所述中点与所述最右侧角的顶点相连,得到第一倾斜线;
获取所述第一倾斜线与水平线的夹角,作为扫描倾角。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,基于所述定位图像,获取所述扫描倾角对应的基准角,包括:
获取所述指定部位对应的训练模型;
通过所述训练模型和神经网络,得到所述定位图像的第一分割区域和第二分割区域;
获取所述第一分割区域的指定边界点,作为第一边界点;
获取所述第二分割区域的指定边界点,作为第二边界点;
根据所述第一边界点和所述第二边界点,确定基准角。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述第一边界点包括所述第一分割区域的最右侧角的顶点,所述第二边界点包括所述第二分割区域的最高点;
根据所述第一边界点和所述第二边界点,确定基准角,包括:
确定通过所述第二分割区域的最高点的水平线与所述第一分割区域的左侧边界线的交点;
将所述交点与所述第一分割区域的最右侧角的顶点相连,得到第二倾斜线;
获取所述第二倾斜线与水平线的夹角,作为基准角。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据所述扫描倾角与所述基准角,确定指定参数的参数值,包括:
获取所述扫描倾角与所述基准角的角度差值;
根据所述角度差值,确定可信度值,所述可信度值等于1与指定商值的差,所述指定商值等于所述角度差值的绝对值除以15所得的值。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据所述参数值和所述第一扫描定位框,得到第二扫描定位框,包括:
当所述参数值在指定数值范围之内时,将所述第一扫描定位框作为第二扫描定位框。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据所述参数值和所述第一扫描定位框,得到第二扫描定位框,包括:
当所述参数值在指定数值范围之外时,发出提示信息,所述提示信息用于提示对所述第一扫描定位框进行调整;
接收对所述第一扫描定位框的调整操作信息;
根据所述调整操作信息,对所述第一扫描定位框进行调整,得到第二扫描定位框。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,当所述参数值在指定数值范围之外时,发出提示信息,包括:
当所述参数值在指定数值范围之外的第一数值范围时,发出第一提示信息,所述第一提示信息用于提示对所述第一扫描定位框在第一幅度范围内调整;
当所述参数值在指定数值范围之外的第二数值范围时,发出第二提示信息,所述第二提示信息用于提示对所述第一扫描定位框在第二幅度范围内调整;
所述第一幅度范围小于所述第二幅度范围。
第二方面,本发明实施例提供一种医学影像设备,所述设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述指令被所述处理器执行时,导致所述装置实现第一方面任一项所述的方法。
本发明实施例具有以下有益效果:
本发明实施例,通过获取受检者指定部位的定位图像,根据定位图像确定扫描倾角,并基于扫描倾角确定第一扫描定位框,基于定位图像,获取扫描倾角对应的基准角,根据扫描倾角与基准角,确定指定参数的参数值,根据参数值和第一扫描定位框,得到第二扫描定位框,利用指定参数的参数值量化表示扫描倾角的误差,使得用户能够根据指定参数的参数值获知根据定位图像自动确定的第一扫描定位框的准确程度,并基于此提示用户调整准确程度不够的扫描定位框,从而减小了因扫描定位框不准确导致的扫描误差,进而提高了扫描精准度。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它的附图。
图1为本发明实施例提供的医学图像扫描方法的流程示例图。
图2为本发明实施例提供的头部的定位图像示例图。
图3为本发明实施例提供的头部定位图像样本中标记的分割区域示例图之一。
图4为图2所示头部定位图像通过训练模型和神经网络得到的分割区域示例图。
图5为图4分割区域10的指定边界点示例图。
图6为利用分割区域20的边界点确定扫描倾角的示意图。
图7为图2所示头部定位图像的第一扫描定位框示意图。
图8为本发明实施例提供的头部定位图像样本中标记的分割区域示例图之二。
图9为利用分割区域20和分割区域30的边界点确定基准角的示意图。
图10是医学影像设备的简化框图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例一
本发明实施例提供了一种医学图像扫描方法,该医学图像扫描方法可以应用于CT设备等医学影像设备中。
图1为本发明实施例提供的医学图像扫描方法的流程示例图。如图1所示,本实施例中,医学图像扫描方法包括如下步骤:
S101,获取受检者指定部位的定位图像。
S102,根据定位图像确定扫描倾角,并基于扫描倾角确定第一扫描定位框。
S103,基于定位图像,获取扫描倾角对应的基准角。
S104,根据扫描倾角与基准角,确定指定参数的参数值。
S105,根据参数值和第一扫描定位框,得到第二扫描定位框。
其中,指定部位通常是待扫描的目标部位。并且,本实施例中的指定部位的扫描定位框是倾斜的,需要根据扫描倾角确定扫描定位框。
例如,指定部位可以是头部。在利用CT设备对受检者的头部进行扫描检查过程中,可以根据激光定位指示灯或其它方案获取受检者的头部定位图像,并根据头部定位图像确定扫描定位框。扫描定位框是一个平行四边形,扫描定位框可以由扫描方向和扫描视野决定,扫描视野包含大脑即可,但扫描方向在临床中有一些要求。其中,最常用的扫描方向是听眦线的方向,在听眦线方向上扫描得到的图像能够有效地辅助临床诊断。
在一个示例性的实现过程中,根据定位图像确定扫描倾角,可以包括:获取指定部位对应的训练模型;通过训练模型和神经网络,得到定位图像的第一分割区域;获取第一分割区域的指定边界点,作为第一边界点;根据第一边界点,确定扫描倾角。
在一个示例性的实现过程中,第一边界点包括第一分割区域的左上角顶点、左下角顶点和最右侧角的顶点;根据第一边界点,确定扫描倾角,包括:确定左上角顶点和左下角顶点的连线的中点;将中点与最右侧角的顶点相连,得到第一倾斜线;获取第一倾斜线与水平线的夹角,作为扫描倾角。
步骤S102中,第一扫描定位框可以是由医学影像设备根据扫描倾角自动得到的。下面举例说明如何根据扫描倾角确定第一扫描定位框。
图2为本发明实施例提供的头部的定位图像示例图。假设图2所示定位图像即为待扫描的受检者头部的定位图像。
首先获取头部定位图像对应的训练模型。可以通过如下方式训练得到训练模型:获取一定数量的头部定位图像,在这些图像的每个图像中标记图3所示的分割区域10和分割区域20,得到每个头部定位图像对应的标记图像;利用定位图像和标记图像作为训练样本,输入到神经网络中进行训练,得到头部定位图像对应的训练模型。
利用训练模型和神经网络,对图2所示的头部定位图像进行测试,即可输出图2所示的头部定位图像中的分割区域,该输出的分割区域如图4所示。
一方面,通过训练模型和神经网络得到头部定位图像的分割区域10(如图4所示)。图5为分割区域10的指定边界点示例图。参见图5,分割区域10的指定边界点为图5中较小平行四边形与分割区域10的交点(即图5中的点A、点B、点C、点D),该较小平行四边形的上、下两边与水平线之间的夹角等于扫描倾角(该扫描倾角即如下图6中的倾角θ1,θ1的获得方式请参见后续对图6的说明),该较小平行四边形的左、右两边与水平线相垂直。将该较小平行四边形的四个边分别向外移动一定距离,构成图5中的较大平行四边形,该较大平行四边形即为第一扫描定位框,该较大平行四边形内的区域为通过指定边界点确定的扫描区域。
图4另一方面,通过训练模型和神经网络,还得到了图2所示的头部定位图像的分割区域20(如图4所示)。为方便观看,将图4所示的分割区域20放大,得到如图6所示的图像。
图6为利用分割区域20的边界点确定扫描倾角的示意图。请参见图6,在图6中,找到分割区域20的左上角顶点E、左下角顶点F和最右侧角的顶点G。在确定扫描倾角时,根据左上角顶点E和左下角顶点F确定点E和点F连线的中点H,将中点H与最右侧角的顶点G相连,得到第一倾斜线,该第一倾斜线为线段HG所在直线,第一倾斜线与水平线的夹角θ1即为扫描倾角。这样,就根据定位图像确定了扫描倾角θ1。
将前述图5确定的第一扫描定位框显示在图2所示的头部定位图像中后,如图7所示。这样,就根据定位图像确定了第一扫描定位框。
在一个示例性的实现过程中,基于定位图像,获取扫描倾角对应的基准角,可以包括:获取指定部位对应的训练模型;通过训练模型和神经网络,得到定位图像的第一分割区域和第二分割区域;获取第一分割区域的指定边界点,作为第一边界点;获取第二分割区域的指定边界点,作为第二边界点;根据第一边界点和第二边界点,确定基准角。
在一个示例性的实现过程中,第一边界点包括第一分割区域的最右侧角的顶点,第二边界点包括所述第二分割区域的最高点;根据第一边界点和第二边界点,确定基准角,包括:确定通过第二分割区域的最高点的水平线与第一分割区域的左侧边界线的交点;将交点与第一分割区域的最右侧角的顶点相连,得到第二倾斜线;获取第二倾斜线与水平线的夹角,作为基准角。
举例说明。图8为本发明实施例提供的头部定位图像样本中标记的分割区域示例图之二。参见图8,利用一定数量的标记了图8中的分割区域20(分割区域20与扫描倾角相关)和分割区域30(分割区域30与基准角相关)的头部定位图像进行训练,得到训练模型。利用训练模型和神经网络,对图2所示的头部定位图像进行测试,即可输出图2所示的头部定位图像中的2个分割区域,该2个分割区域分别对应图8中的分割区域20和分割区域30。
请参见图9,取图2所示头部定位图像的分割区域20的最右侧角的顶点G作为第一边界点,图2所示头部定位图像的分割区域30的最高点I作为第二边界点。作经过点I的水平线,将该水平线与分割区域20的左侧边界线的交点定为点J。将点J与点G相连,得到第二倾斜线,即线段JG所在直线。线段JG所在直线与水平线的夹角θ2,θ2即为基准角。
基准角是一个用于衡量扫描倾角偏差程度(即误差)的标准量。在图9中,基准角是根据图8中的分割区域20和分割区域30得到的。在本发明其他实施例中,也可以通过其他方式获得能够作为扫描倾角误差的衡量标准的基准角,本发明对此不作限制。
在应用中,可以使用一些与扫描倾角和基准角相关的指定参数来量化扫描倾角的误差,这些指定参数可以根据经验来设定。通过扫描倾角和基准角的具体值,可以确定指定参数的参数值,这样,就可以通过指定参数的参数值来量化表示扫描倾角的误差,从而为是否对第一扫描定位框进行调整提供可靠的依据。因为第一扫描定位框是根据扫描倾角确定的,扫描倾角的误差决定了第一扫描定位框的准确程度。
举例说明。可以用可信度来量化表示扫描倾角的误差。可信度的计算公式如下:
公式(1)中,M表示可信度,θ1为扫描倾角,θ2为基准角,符号“||”表示取绝对值。
因此,在一个示例性的实现过程中,根据扫描倾角与基准角,确定指定参数的参数值,可以包括:获取扫描倾角与基准角的角度差值;根据角度差值,确定可信度值,可信度值等于1与指定商值的差,指定商值等于角度差值的绝对值除以15所得的值。
在应用中,可以根据可信度M的值情况来确定是否需要对第一扫描定位框进行调整,并且,在第一扫描定位框需要调整的情况下,可以进一步根据可信度M的值确定调整的幅度。
例如,可信度M的值处于0.8至1.0之间时,可以认为扫描倾角的误差很小,通过定位图像自动获得的第一扫描定位框准确可靠,可直接使用第一扫描定位框进行扫描。此时可以由用户进行确认后继续扫描,或者可以不需要用户确认而直接扫描。
当可信度M的值处于0.6至0.8之间时,可以认为扫描倾角的误差较小,通过定位图像自动获得的第一扫描定位框基本可靠,但需要用户对第一扫描定位框进行较小幅度的调整,即微调,微调后得到第二扫描定位框。用户确认第二扫描定位框后即可继续扫描。
当可信度M的值处于0.0至0.6之间时,可以认为扫描倾角的误差很大,通过定位图像自动获得的第一扫描定位框不可靠,需要用户对第一扫描定位框进行较大幅度的调整,调整后得到第二扫描定位框。用户确认第二扫描定位框后即可继续扫描。
在一个示例性的实现过程中,根据参数值和第一扫描定位框,得到第二扫描定位框,可以包括:当参数值在指定数值范围之内时,将第一扫描定位框作为第二扫描定位框。参数值在指定数值范围之内,说明扫描倾角的误差在允许的范围之内,此时,利用定位图像自动得到的第一扫描定位框进行扫描可以得到比较准确的扫描结果。
在一个示例性的实现过程中,根据参数值和第一扫描定位框,得到第二扫描定位框,可以包括:当参数值在指定数值范围之外时,发出提示信息,提示信息用于提示对第一扫描定位框进行调整;接收对第一扫描定位框的调整操作信息;根据调整操作信息,对第一扫描定位框进行调整,得到第二扫描定位框。参数值在指定数值范围之外,说明扫描倾角的误差在允许的范围之外,此时,用户可以根据提示对第一扫描定位框进行调整,从而得到符合要求的第二扫描定位框。
在一个示例性的实现过程中,当参数值在指定数值范围之外时,发出提示信息,可以包括:当参数值在指定数值范围之外的第一数值范围时,发出第一提示信息,第一提示信息用于提示对第一扫描定位框在第一幅度范围内调整;当参数值在指定数值范围之外的第二数值范围时,发出第二提示信息,第二提示信息用于提示对第一扫描定位框在第二幅度范围内调整;第一幅度范围小于第二幅度范围。
例如,第一提示信息可以提示用户对第一扫描定位框进行微调,即,在一个较小的幅度范围内调整;第二提示信息可以提示用户对第一扫描定位框进行大幅调整,即,在一个较大的幅度范围内调整。
这样,提示信息除了提示用户对第一扫描定位框进行调整之外,还对调整幅度进行提示,以便用户能够依据提示信息快速调整好扫描定位框,提高处理效率。
本发明实施例提供的医学图像扫描方法,通过获取受检者指定部位的定位图像,根据定位图像确定扫描倾角,并基于扫描倾角确定第一扫描定位框,基于定位图像,获取扫描倾角对应的基准角,根据扫描倾角与基准角,确定指定参数的参数值,根据参数值和第一扫描定位框,得到第二扫描定位框,利用指定参数的参数值量化表示扫描倾角的误差,使得用户能够根据指定参数的参数值获知根据定位图像自动确定的第一扫描定位框的准确程度,并基于此提示用户调整准确程度不够的扫描定位框,从而减小了因扫描定位框不准确导致的扫描误差,进而提高了扫描精准度。
实施例二
本发明实施例提供一种医学影像设备,该设备包括:处理器;用于存储处理器可执行指令的存储器;该指令被处理器执行时,导致医学影像设备实现前述实施例一中任一实施例所述的医学图像扫描方法。
其中,医学影像设备可以是CT设备等。
图10是医学影像设备的简化框图。参见图10,该医学影像设备300可以包括与一个或多个数据存储工具连接的处理器301,该数据存储工具可以包括存储介质306和内存单元304。医学影像设备300还可以包括输入接口305和输出接口307,用于与另一装置或系统进行通信。被处理器301的CPU执行的程序代码可存储在内存单元304或存储介质306中。
医学影像设备300中的处理器301调用存储在内存单元304或存储介质306的程序代码,执行下面各步骤:
获取受检者指定部位的定位图像;
根据定位图像确定扫描倾角,并基于扫描倾角确定第一扫描定位框;
基于定位图像,获取扫描倾角对应的基准角;
根据扫描倾角与所述基准角,确定指定参数的参数值;
根据参数值和第一扫描定位框,得到第二扫描定位框。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种医学图像扫描方法,其特征在于,所述方法包括:
获取受检者指定部位的定位图像;
根据所述定位图像确定扫描倾角,并基于所述扫描倾角确定第一扫描定位框;
基于所述定位图像,获取所述扫描倾角对应的基准角;所述基准角是用于衡量所述扫描倾角偏差程度的标准量;
根据所述扫描倾角与所述基准角,确定所述扫描倾角的可信度值;
根据所述可信度值和所述第一扫描定位框,得到第二扫描定位框。
2.根据权利要求1所述的方法,其特征在于,根据所述定位图像确定扫描倾角,包括:
获取所述指定部位对应的训练模型;
通过所述训练模型和神经网络,得到所述定位图像的第一分割区域;
获取所述第一分割区域的指定边界点,作为第一边界点;
根据所述第一边界点,确定扫描倾角。
3.根据权利要求2所述的方法,其特征在于,所述第一边界点包括所述第一分割区域的左上角顶点、左下角顶点和最右侧角的顶点;
根据所述第一边界点,确定扫描倾角,包括:
确定所述左上角顶点和所述左下角顶点的连线的中点;
将所述中点与所述最右侧角的顶点相连,得到第一倾斜线;
获取所述第一倾斜线与水平线的夹角,作为扫描倾角。
4.根据权利要求1所述的方法,其特征在于,基于所述定位图像,获取所述扫描倾角对应的基准角,包括:
获取所述指定部位对应的训练模型;
通过所述训练模型和神经网络,得到所述定位图像的第一分割区域和第二分割区域;
获取所述第一分割区域的指定边界点,作为第一边界点;
获取所述第二分割区域的指定边界点,作为第二边界点;
根据所述第一边界点和所述第二边界点,确定基准角。
5.根据权利要求4所述的方法,其特征在于,所述第一边界点包括所述第一分割区域的最右侧角的顶点,所述第二边界点包括所述第二分割区域的最高点;
根据所述第一边界点和所述第二边界点,确定基准角,包括:
确定通过所述第二分割区域的最高点的水平线与所述第一分割区域的左侧边界线的交点;
将所述交点与所述第一分割区域的最右侧角的顶点相连,得到第二倾斜线;
获取所述第二倾斜线与水平线的夹角,作为基准角。
6.根据权利要求1所述的方法,其特征在于,根据所述扫描倾角与所述基准角,确定所述扫描倾角的可信度值,包括:
获取所述扫描倾角与所述基准角的角度差值;
根据所述角度差值,确定可信度值,所述可信度值等于1与指定商值的差,所述指定商值等于所述角度差值的绝对值除以15所得的值。
7.根据权利要求1所述的方法,其特征在于,根据所述可信度值和所述第一扫描定位框,得到第二扫描定位框,包括:
当所述可信度值在指定数值范围之内时,将所述第一扫描定位框作为第二扫描定位框。
8.根据权利要求1所述的方法,其特征在于,根据所述可信度值和所述第一扫描定位框,得到第二扫描定位框,包括:
当所述可信度值在指定数值范围之外时,发出提示信息,所述提示信息用于提示对所述第一扫描定位框进行调整;
接收对所述第一扫描定位框的调整操作信息;
根据所述调整操作信息,对所述第一扫描定位框进行调整,得到第二扫描定位框。
9.根据权利要求8所述的方法,其特征在于,当所述可信度值在指定数值范围之外时,发出提示信息,包括:
当所述可信度值在指定数值范围之外的第一数值范围时,发出第一提示信息,所述第一提示信息用于提示对所述第一扫描定位框在第一幅度范围内调整;
当所述可信度值在指定数值范围之外的第二数值范围时,发出第二提示信息,所述第二提示信息用于提示对所述第一扫描定位框在第二幅度范围内调整;
所述第一幅度范围小于所述第二幅度范围。
10.一种医学影像设备,其特征在于,所述设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述指令被所述处理器执行时,导致所述设备实现如权利要求1-9任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711365656.3A CN107833248B (zh) | 2017-12-18 | 2017-12-18 | 医学图像扫描方法及医学影像设备 |
EP18892748.7A EP3729377A4 (en) | 2017-12-18 | 2018-12-18 | SYSTEMS AND METHODS FOR DETERMINING THE SCANNING PARAMETER IN IMAGING |
PCT/CN2018/121811 WO2019120196A1 (en) | 2017-12-18 | 2018-12-18 | Systems and methods for determining scanning parameter in imaging |
US16/904,596 US11877873B2 (en) | 2017-12-18 | 2020-06-18 | Systems and methods for determining scanning parameter in imaging |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711365656.3A CN107833248B (zh) | 2017-12-18 | 2017-12-18 | 医学图像扫描方法及医学影像设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107833248A CN107833248A (zh) | 2018-03-23 |
CN107833248B true CN107833248B (zh) | 2021-09-07 |
Family
ID=61645020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711365656.3A Active CN107833248B (zh) | 2017-12-18 | 2017-12-18 | 医学图像扫描方法及医学影像设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107833248B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3729377A4 (en) | 2017-12-18 | 2020-12-23 | Shanghai United Imaging Healthcare Co., Ltd. | SYSTEMS AND METHODS FOR DETERMINING THE SCANNING PARAMETER IN IMAGING |
CN109124635B (zh) * | 2018-09-25 | 2022-09-02 | 上海联影医疗科技股份有限公司 | 模型生成方法、磁共振成像扫描方法及系统 |
CN109363695B (zh) * | 2018-09-30 | 2023-12-08 | 上海联影医疗科技股份有限公司 | 一种成像方法和系统 |
PL3669942T3 (pl) | 2018-12-17 | 2022-05-16 | Shanghai United Imaging Healthcare Co., Ltd. | Systemy oraz sposoby określania obszaru będącego przedmiotem zainteresowania w badanym obiekcie |
CN109727234B (zh) * | 2018-12-24 | 2021-02-19 | 上海联影医疗科技股份有限公司 | 显示面板生成方法、扫描范围规划方法及设备 |
CN110223352B (zh) * | 2019-06-14 | 2021-07-02 | 浙江明峰智能医疗科技有限公司 | 一种基于深度学习的医学图像扫描自动定位方法 |
CN110301924B (zh) * | 2019-07-08 | 2023-05-30 | 东软医疗系统股份有限公司 | 处理图像的方法、装置及设备 |
CN110675444B (zh) * | 2019-09-26 | 2023-03-31 | 东软医疗系统股份有限公司 | 头部ct扫描区域的确定方法、装置及图像处理设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6195409B1 (en) * | 1998-05-22 | 2001-02-27 | Harbor-Ucla Research And Education Institute | Automatic scan prescription for tomographic imaging |
EP1216661A2 (en) * | 2000-12-18 | 2002-06-26 | GE Medical Systems Global Technology Company LLC | Medical diagnostic method and apparatus to control dual energy exposure techniques based on image information |
CN104173071A (zh) * | 2013-05-28 | 2014-12-03 | Ge医疗系统环球技术有限公司 | 自动确定岩骨的扫描范围的方法和装置 |
CN105027163A (zh) * | 2013-03-06 | 2015-11-04 | 皇家飞利浦有限公司 | 扫描区域确定装置 |
CN105050504A (zh) * | 2013-03-29 | 2015-11-11 | 日立阿洛卡医疗株式会社 | 医疗诊断装置及其测量方法 |
CN106793988A (zh) * | 2014-07-22 | 2017-05-31 | 卡尔斯特里姆保健公司 | 用于锥形束计算机断层扫描的肢体成像装置 |
CN107106137A (zh) * | 2014-11-03 | 2017-08-29 | 三星电子株式会社 | 医学图像处理设备和方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6515781B2 (en) * | 1999-08-05 | 2003-02-04 | Microvision, Inc. | Scanned imaging apparatus with switched feeds |
US8045771B2 (en) * | 2006-11-22 | 2011-10-25 | General Electric Company | System and method for automated patient anatomy localization |
US8507869B2 (en) * | 2011-10-27 | 2013-08-13 | General Electric Company | Methods and systems for adaptive tomographic imaging |
-
2017
- 2017-12-18 CN CN201711365656.3A patent/CN107833248B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6195409B1 (en) * | 1998-05-22 | 2001-02-27 | Harbor-Ucla Research And Education Institute | Automatic scan prescription for tomographic imaging |
EP1216661A2 (en) * | 2000-12-18 | 2002-06-26 | GE Medical Systems Global Technology Company LLC | Medical diagnostic method and apparatus to control dual energy exposure techniques based on image information |
CN105027163A (zh) * | 2013-03-06 | 2015-11-04 | 皇家飞利浦有限公司 | 扫描区域确定装置 |
CN105050504A (zh) * | 2013-03-29 | 2015-11-11 | 日立阿洛卡医疗株式会社 | 医疗诊断装置及其测量方法 |
CN104173071A (zh) * | 2013-05-28 | 2014-12-03 | Ge医疗系统环球技术有限公司 | 自动确定岩骨的扫描范围的方法和装置 |
CN106793988A (zh) * | 2014-07-22 | 2017-05-31 | 卡尔斯特里姆保健公司 | 用于锥形束计算机断层扫描的肢体成像装置 |
CN107106137A (zh) * | 2014-11-03 | 2017-08-29 | 三星电子株式会社 | 医学图像处理设备和方法 |
Non-Patent Citations (2)
Title |
---|
Thorsten Heußer et al.CT data completion based on prior scans.《2012 IEEE Nuclear Science Symposium and Medical Imaging Conference Record》.2013,2969-2976. * |
基于断层扫描数据三维建模技术研究;黄志伟;《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》;20170315;第2017年卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107833248A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107833248B (zh) | 医学图像扫描方法及医学影像设备 | |
CN108701354B (zh) | 识别超声图像中感兴趣区域轮廓的方法及系统 | |
CN107909622B (zh) | 模型生成方法、医学成像的扫描规划方法及医学成像系统 | |
US10424067B2 (en) | Image processing apparatus, image processing method and storage medium | |
CN110021053B (zh) | 一种基于坐标转换的图像定位方法、装置、存储介质及设备 | |
CN108109170B (zh) | 医学图像扫描方法及医学影像设备 | |
JP4504377B2 (ja) | 心臓関連の取得のための自動的な最適面の決定 | |
EP3490482B1 (en) | System and method for verification of fiducial correspondence during image-guided surgical procedures | |
US10186031B2 (en) | Shape similarity measure for body tissue | |
US8848994B2 (en) | Fetus modeling method and image processing apparatus therefor | |
CN107403457A (zh) | 医学成像方法、设备及多模态医学成像方法 | |
US20190274620A1 (en) | Method for diagnosing scoliosis using spatial coordinates of body shape and computer program therefor | |
US7856132B2 (en) | Method, a computer program, an apparatus and an imaging system for image processing | |
US20210068695A1 (en) | Method Providing ECG Analysis Interface and System | |
JP6785976B2 (ja) | 脳画像正規化装置、方法およびプログラム | |
WO2021122098A1 (en) | A method and system for improved ultrasound plane acquisition | |
CN115829920A (zh) | 用于根据图像自动确定脊柱变形的方法和设备 | |
CN112447274B (zh) | 放疗剂量的验证方法、装置及计算机设备 | |
US11341661B2 (en) | Method and apparatus for registering live medical image with anatomical model | |
CN113080867A (zh) | 一种用于形体塑造的快速扫描用户体脂率的方法及系统 | |
CN114266848A (zh) | 医学图像三维重建方法和装置 | |
Liu et al. | Automatic localization of the fetal cerebellum on 3D ultrasound volumes | |
US11311261B2 (en) | Nuclear image processing method | |
US20220130128A1 (en) | System and method for normalizing volumetric imaging data of a patient | |
Lallement et al. | Detecting and quantifying spatial misalignment between longitudinal kilovoltage computed tomography (kVCT) scans of the head and neck by using convolutional neural networks (CNNs) |
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 Jiading District Industrial Zone Jiading Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |