CN108403135A - 目标器官的剂量优化的计算机断层摄影扫描的方法和系统 - Google Patents
目标器官的剂量优化的计算机断层摄影扫描的方法和系统 Download PDFInfo
- Publication number
- CN108403135A CN108403135A CN201810134335.0A CN201810134335A CN108403135A CN 108403135 A CN108403135 A CN 108403135A CN 201810134335 A CN201810134335 A CN 201810134335A CN 108403135 A CN108403135 A CN 108403135A
- Authority
- CN
- China
- Prior art keywords
- target organ
- scan
- scan image
- real
- patient
- 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
- 210000000056 organ Anatomy 0.000 title claims abstract description 236
- 238000002591 computed tomography Methods 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003745 diagnosis Methods 0.000 claims abstract description 47
- 230000004044 response Effects 0.000 claims abstract description 7
- 210000004072 lung Anatomy 0.000 claims description 25
- 238000009877 rendering Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 210000003484 anatomy Anatomy 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 abstract description 5
- 230000002685 pulmonary effect Effects 0.000 description 19
- 230000005855 radiation Effects 0.000 description 12
- 238000010801 machine learning Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000013179 statistical model Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000002224 dissection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000007435 diagnostic evaluation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 208000020816 lung neoplasm Diseases 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000018199 S phase Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000010189 synthetic method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- A61B6/027—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis characterised by the use of a particular data acquisition trajectory, e.g. helical or spiral
-
- 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
- A61B6/04—Positioning of patients; Tiltable beds or the like
- A61B6/0487—Motor-assisted positioning
-
- 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
- A61B6/488—Diagnostic techniques involving pre-scan acquisition
-
- 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
-
- 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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
-
- 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
- A61B6/54—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
- 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
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及目标器官的剂量优化的计算机断层摄影扫描的方法和系统。公开了用于目标器官的计算机断层摄影(CT)扫描的剂量优化的采集的方法和系统。在目标器官之前的置信范围的开始处开始定位器螺旋CT扫描。自动地分析实时定位器扫描图像以基于实时定位器扫描图像预测目标器官的开始位置。在目标器官的预测开始位置处自动地开始诊断性螺旋CT扫描。自动地分析实时诊断性扫描图像以预测将达到对目标器官的完全覆盖的目标器官的结束位置。响应于到达目标器官的预测结束位置而自动地停止诊断性螺旋CT扫描。3D形貌可以使用3D相机来采集并且被用于确定在目标器官之前的置信范围。
Description
背景技术
本发明涉及目标器官的计算机断层摄影(CT)扫描的规划和采集,并且更具体地,涉及剂量优化的CT肺扫描的规划和采集。
计算机断层摄影(CT)是利用从不同角度拍摄的许多X射线投影图像的计算机处理组合来产生所扫描对象的特定区域的横截面图像的医学成像技术。CT可以被用于根据围绕单个旋转轴拍摄的一系列二维投影图像生成所扫描对象的内部的三维(3D)图像。CT胸部或者肺扫描可以被用于检测在肺实质方面的急性和慢性变化。例如,因为CT能够检测肺中的非常小的结节,所以CT肺扫描经常被用于在肺癌的最早的、最可治愈的阶段诊断肺癌。
CT扫描将病人暴露于辐射中,该辐射可能是有害的。肺扫描目前要求在实际采集诊断性CT肺扫描之前对病人进行地形扫描(topographic scans)。这样的地形扫描被用于获得定位片(topogram),该定位片是用低剂量的辐射以低分辨率获得的、被用于规划高剂量诊断性扫描的侦察图像(scout image)。定位片一般是在将CT机架(gantry)停止并将X射线管固定在较高位置处的情况下获得的全身平矢状切面。通过使用定位片,使用一系列手动步骤来规划诊断性CT肺扫描的扫描范围,以尝试在随后的诊断性CT扫描中将在肺以外的组织的暴露限制于尽可能小的x射线辐射剂量。然而,用于进一步限制在CT肺扫描期间病人所暴露于的辐射剂量的技术是值得期望的。
发明内容
本发明提供一种用于剂量优化的CT肺扫描采集的方法和系统。本发明的实施例提供完全自动的剂量优化的CT肺扫描采集,而不需要定位片采集并且不引起与机架旋转的减速和加速相关的延迟。本发明的实施例利用从3D相机获得的3D图像以及实时螺旋扫描数据界标检测,以确定用于CT肺采集的扫描范围。
在本发明的一个实施例中,定位器螺旋CT扫描在病人的目标器官之前的置信范围的开始处开始。当病人相对于CT扫描设备的机架被移动时从定位器螺旋CT扫描接收实时定位器扫描图像。实时定位器扫描图像自动地被分析,以基于实时定位器扫描图像预测目标器官的开始位置。诊断性螺旋CT扫描在目标器官的预测开始位置处自动地开始。当病人相对于CT扫描设备的机架被移动时从诊断性螺旋CT扫描接收实时诊断性扫描图像。实时诊断性扫描图像自动地被分析,以基于实时诊断性扫描图像预测将达到对目标器官的完全覆盖的目标器官的结束位置。诊断性螺旋CT扫描响应于到达目标器官的预测结束位置而自动地被停止。
在本发明的一个实施例中,在CT扫描设备的工作台上的病人的3D形貌使用3D相机来采集,使病人模型适应于该病人的3D形貌,并且基于该病人模型自动地确定在病人的目标器官之前的置信范围的开始。
本发明的这些和其他优点通过参考以下详细描述和附图对于本领域普通技术人员来说将是显而易见的。
附图说明
图1图示按照本发明的一个示范性实施例的用于对病人的目标器官执行剂量优化的CT采集的系统;
图2图示按照本发明的一个实施例的用于对目标器官的CT扫描的剂量优化的采集的方法;以及
图3是能够实施本发明的计算机的高级框图。
具体实施方案
本发明涉及用于目标器官的CT扫描的剂量优化的采集的方法和系统。在本文中描述本发明的实施例以给出用于扫描范围确定和CT肺扫描采集的方法的视觉理解。数字图像经常由一个或者多个对象(或者形状)的数字表示构成。在本文中,对象的数字表示经常在识别和操纵对象的方面被描述。这样的操纵是在计算机系统的存储器或者其他电路/硬件中完成的虚拟操纵。因此,应理解的是,本发明的实施例可以在计算机系统内使用存储在该计算机系统内的数据来执行。
肺扫描目前要求在实际采集诊断性CT肺扫描之前对病人进行地形扫描。这样的地形扫描被用于获得定位片,该定位片是用低剂量的辐射以低分辨率获得的、被用于规划高剂量诊断性扫描的侦察投影图像。为了执行普通肺扫描,病人一般躺在CT扫描设备的工作台上,并且工作台被定位以对准在病人的肩部水平的定位片扫描的开始位置。机架旋转必须被减速和停止,这可能花费2分钟。一旦机架旋转已经被停止,则采集定位片图像。定位片图像一般是在将CT机架停止并将X射线管固定在较高位置处的情况下获得的投影切面。在放射科医生确定肺被定位片扫描完全地覆盖之后手动地停止定位片采集。然后对定位片图像手动地执行扫描范围规划,以设置用于诊断性CT肺扫描的扫描范围。然后加载扫描模式,并且开始机架旋转,并且执行诊断性CT肺扫描。在放射科医生确定两个肺都完全地被采集之后手动地停止诊断性CT采集。
本发明的实施例提供完全自动的剂量优化的CT肺扫描采集,而不需要定位片采集并且不引起与机架旋转的减速和加速相关的延迟。本发明的实施例利用从3D相机获得的3D图像以及实时螺旋扫描数据界标检测来确定用于CT肺采集的扫描范围。本发明的实施例允许扫描仪执行从病人定位到图像重构的肺检查,而没有人工干预并且没有由于机架的加速和/或停止时间而造成的时间惩罚。附加地,本发明的实施例与CT肺采集的常规方法相比减少总辐射剂量。
图1图示按照本发明的一个示范性实施例的用于对病人的目标器官执行剂量优化的CT采集的系统。如在图1中所示的,CT扫描仪100包括工作台102和机架104。机架包括x射线源(例如,x射线管)和直接位于x射线源对面的x射线检测器。工作台102和机架104是机动化的,并且工作台102和机架104的移动由CT扫描仪100中的处理器或者控制器控制。在螺旋CT扫描期间,病人躺在工作台102上,该工作台缓慢地移动通过机架104,同时机架104围绕工作台102上的病人旋转。在机架104围绕病人旋转时,x射线源将窄的x射线束射穿病人的身体,并且在x射线束离开病人的身体时,所述x射线束被x射线检测器拾取并且被传输到计算机。计算机从所检测到的x射线束构造病人的2D图像切片,并且工作台102在机架104中递增地移动,直到螺旋CT扫描完成为止。2D图像切片可以被用于重构3D CT体积。
如在图1中所示的,在一个有利的实施例中,3D相机200可以被定位于CT扫描仪100的工作台102之上。3D相机200是提供深度信息连同诸如RGB(红、绿、蓝)数据之类的典型图像信息的相机。例如,3D相机200可以是基于结构光的相机(诸如微软Kinect或者ASUSXtion)、立体相机、或者飞行时间相机(诸如Creative TOF相机)。从3D相机200获得的图像数据一般被称为RGBD(RGB+深度)图像,该图像包括RGB图像,在该RGB图像中每个像素具有RGB值;和深度图像,在该深度图像中每个像素的值对应于该像素距相机的深度或者距离)。在一种有利的实施方案中,3D相机200可以位于相对于CT扫描仪100的固定位置处,使得在3D相机200的坐标系和CT扫描仪100的坐标系之间的变换是已知的。例如,3D相机200可以被安装在天花板上在CT扫描仪100的工作台102之上的固定点处。计算机可以与CT扫描仪100和3D相机200两者通信,以控制由CT扫描仪100和3D相机200两者进行的图像采集。
在本发明的一个有利的实施例中,用于采集目标器官的CT扫描的扫描规划可以如下被执行。病人躺在CT扫描仪100的工作台102上,并且3D相机200采集在工作台102上的病人的3D形貌(例如,RGBD图像)。然后,可以使病人模型适应于病人的3D形貌(profile),以便估计3D形貌中的目标器官(例如,肺)的解剖位置。在目标器官之前(例如,如果病人头部先进入机架104,则在目标器官之上(朝着病人的头部))计算开始置信范围。也可以在目标器官之后(例如,如果病人头部先进入机架104,则在目标器官之下(朝着病人的脚))计算结束置信范围。工作台102自动地被移动以将病人定位于在目标器官之前所估计的开始置信范围的开始处或之前,并且CT扫描仪100开始采集定位器螺旋CT扫描。定位器螺旋CT扫描是“低强度”螺旋CT采集(即,在围绕病人旋转机架104的同时所采集的采集),该“低强度”螺旋CT采集用低于被用于诊断性扫描目标器官的第二x射线强度的第一x射线强度来执行。定位器螺旋CT扫描的辐射x射线强度可以是预定的x射线强度(例如,基于CT扫描仪100的单个设置来设定),该x射线强度恰好足够高到采集用于初始筛选的图像信息以确定目标器官的范围,因为比进行目标器官的诊断性评价所要求的图像质量更低的图像质量在定位器CT扫描中是可接受的。定位器CT螺旋扫描被认为是“低强度”扫描,因为其利用相对于诊断性扫描更小的x射线强度,从而导致更少的辐射剂量,病人被暴露于该辐射剂量中。来自定位器螺旋CT扫描的实时螺旋图像然后可能与适应于3D形貌的3D病人模型相组合地自动地被分析,以便例如通过检测指示目标器官的开始的界标(例如,肺尖)的接近来自动地预测目标器官的开始位置。一旦检测到接近目标器官的开始位置,就在诊断性螺旋CT扫描在目标器官的预测开始位置处开始的情况下,将x射线强度抬高到被配置用于目标器官的诊断性扫描的更高水平,并且螺旋CT扫描继续进行。这在目标器官之前的探索区域(置信范围)的定位器螺旋CT扫描之后无缝地开始诊断性螺旋CT扫描。来自诊断性CT扫描的实时图像然后自动地被分析,以检测或者预测位置,在该位置处达到对目标器官的完全覆盖。例如,在病人的3D形貌中的先验信息可以被用于预测目标器官的结束位置。控制螺旋CT采集以在目标器官的预测结束位置处或者在检测到目标器官已经被完全扫描之后自动地停止。这种用于扫描规划和采集的方法在下面关于图2更详细地被描述。
图2图示按照本发明的一个实施例的用于对目标器官的CT扫描的剂量优化的采集的方法。参考图2,在步骤202,在CT扫描设备的工作台上的病人的3D形貌使用3D相机来采集。3D相机可以位于相对于CT扫描设备的预定位置处,诸如在CT扫描设备的工作台之上的天花板上。在一种有利的实施方案中,3D相机被用于采集病人身体的RGBD图像,该RGBD图像在病人躺在工作台上时从病人上方被拍摄。当病人的RGBD图像被采集时,工作台可以被定位于预定位置处。因为3D相机相对于工作台的位置是已知的,所以RGBD图像然后可以被转换成CT扫描设备的工作台的坐标系中的3D点云。3D相机可以由计算机系统的处理器控制以采集病人的RGBD图像,并且所采集的RGBD图像然后可以被计算机系统接收,该计算机系统然后可以通过将RGBD图像转换成工作台的坐标系中的3D点云来生成病人的3D形貌。
在步骤204,使病人模型适应于病人的3D形貌,以估计病人的目标器官的解剖位置。在一个有利的实施例中,病人模型是包括至少目标器官(例如,肺)的解剖位置的病人身体的统计模型。例如,统计模型可以包括多个解剖结构和器官(包括该目标器官)的相对位置。例如用迭代最近点算法,统计模型然后可以被配准到3D形貌。在一种可能的实施方案中,可以确定最小化点云和病人身体模型之间的差别的刚性配准。在另一种可能的实施方案中,可以为了相同目的组合刚性配准和非刚性变形。在又一实施方案中,可以按照年龄、性别、身体类型等等提供不同病人模型,并且选择最接近地类似工作台上的病人的模型。然后,所选择的模型以刚性和可能非刚性配准被配准到病人的3D形貌。一旦病人模型适应于病人的3D形貌,病人模型就提供目标器官相对于CT扫描设备的工作台的估计位置。在一个示范性实施例中,病人模型可以使用在标题为“Method and System for ConstructingPersonalized Avatars Using a Parametrized Deformable Mesh”的美国专利No.9,524,582和标题为“Scan Data Retrieval with Depth Sensor Data”的国际专利公开No. WO2016/073841 A1中描述的方法来适应于3D形貌,所述专利文献通过整体引用被并入本文中。
在步骤206,基于病人模型确定在目标器官之前的置信范围。病人模型提供目标器官的所估计的解剖位置和边界。通过使用目标器官的所估计的边界,预定大小置信范围或者“着陆区(landing zones)”在扫描方向上目标器官的所估计的边界之前被确定。在扫描方向上在目标器官之前的该置信范围或者着陆区在本文中被称为开始置信范围或者开始着陆区。在一种可能的实施方案中,在扫描方向上在目标器官之后的预定大小结束置信范围或者着陆区也可以被确定。例如,如果病人被定位成在工作台上头部先被扫描,则开始置信范围或者“着陆区”可以被确定为(朝着病人的头部)在所估计的器官边界上的最高点之上延伸预定距离,并且结束置信范围或者“着陆区”可以被确定为(朝着病人的脚)在所估计的器官边界上的最低点之下延伸预定距离。如果病人被定位成脚先被扫描,则这些着陆区是相反的。对于CT肺扫描而言,开始置信范围可以被确定为在病人模型中的肺尖的估计位置之上延伸预定距离的区域,并且结束置信范围可以被确定为在病人模型中的肺叶尖的估计位置之下延伸预定距离的区域。开始置信范围被用于确定CT采集的开始位置。结束置信范围可以被用于提供CT采集的结束位置的估计,其最终通过在CT采集期间所采集的实时CT信息来改善。在一种可能的实施方案中,结束置信范围可以被省略,并且仅从在CT采集期间所采集的实时CT信息确定CT采集的结束位置。
在步骤208,病人自动地被定位于在目标器官之前的开始置信范围的开始处或者之前。特别地,一旦确定了在工作台的坐标系中在目标器官之前的置信范围的位置(在步骤206中),工作台被控制以定位病人,使得可以在目标器官之前的开始置信范围的开始处开始扫描。当工作台将在扫描期间在扫描方向上被移动时,扫描将以在目标器官之前的开始置信范围开始,然后以目标器官继续进行。应理解的是,工作台移动可以以在开始置信范围的开始之前的病人开始,并且X射线源将被激活以在开始置信范围的开始处开始扫描。因为病人模型为目标器官提供近似器官边界,所以在目标器官之前的开始置信范围确保扫描不错过目标器官的开始。
在步骤210,在目标器官之前的置信范围的开始处自动地开始定位器螺旋扫描。定位器螺旋CT扫描是螺旋CT采集(即,在围绕病人旋转机架的同时所采集的采集),该螺旋CT采集用低于被用于目标器官的诊断性扫描的第二x射线强度的第一x射线强度来执行。定位器螺旋CT扫描的x射线强度可以是预定的x射线强度(例如,基于CT扫描仪的各个设置来设定),该预定的x射线强度足够高到采集用于初始筛选的图像信息以确定目标器官的范围,但是低于被用于目标器官的诊断性扫描的x射线强度,因为比进行目标器官的诊断性评价所要求的图像质量更低的图像质量在定位器螺旋CT扫描中是可接受的。定位器螺旋CT扫描被认为是“低强度”扫描,因为其利用相对于诊断性扫描更小的x射线强度,以便减少对病人的辐射剂量。控制工作台被控制以在扫描方向上移动通过机架,同时执行低强度螺旋扫描。
在步骤212,从定位器螺旋CT扫描所采集的实时定位器扫描图像自动地被分析,以预测目标器官的开始位置。在一个有利的实施例中,从定位器螺旋CT扫描所采集的图像被计算机系统实时地或者近实时地处理或者“扫描”,因为所述图像被采集以检测接近指示目标器官的开始的解剖界标。对于CT肺扫描而言,接近肺尖可以在从定位器螺旋扫描所采集的实时图像中自动地被检测到。在第一实施例中,被用于预测目标器官的开始位置的实时定位器扫描图像是由CT扫描仪在定位器螺旋CT扫描期间所采集的2D投影图像。在第二实施例中,被用于预测目标器官的开始位置的实时定位器扫描图像是重构的2D横截面CT图像切片,所述2D横截面CT图像切片是根据在定位器螺旋CT扫描期间所采集的投影图像重构的。在第三实施例中,被用于预测目标器官的开始位置的实时定位器扫描图像是重构的3D图像,所述3D图像是根据在定位器螺旋CT扫描期间所采集的投影图像重构的。如在本文中所使用的,分析实时定位器扫描图像意味着定位器扫描图像(例如,2D投影图像、重构的横截面CT图像切片、或者重构的3D图像)在其在扫描期间被采集时(而不是在扫描完成之后)被处理。在分别使用横截面CT图像切片和重构的3D图像的第二和第三实施例中,实时意味着重构在扫描期间“在运行中(on-the-fly)”被执行,不是在扫描完成之后被执行。
在一个有利的实施例中,基于机器学习的界标检测可以被用于检测解剖界标或者若干如下界标,所述界标被用于估计在实时定位器扫描图像中目标器官的预测开始位置。界标可以提供指示目标器官的开始在其实际出现在扫描中之前是接近的指示器,这使得基于目标器官的预期的开始来开始高强度诊断性扫描成为可能。在一个有利的实施例中,机器学习算法不是简单地针对各个界标进行训练,而是包括这些界标之间的关系。例如,机器学习算法可以学习能够在目标器官之前的开始置信范围中检测到的解剖界标(例如脊椎中的椎骨、来自邻近器官的解剖界标等等)与至少一个对应于目标器官的开始的解剖界标(例如,肺尖)之间的关系。在离线训练阶段中,一个或者多个界标检测器可以根据带注释的训练图像来训练,以检测在开始置信范围中的解剖界标(例如,椎骨、来自邻近器官的解剖界标等等),并且基于在开始置信范围中所检测到的解剖界标估计对应于目标器官的开始的解剖界标(例如,肺尖)的预测位置。一个或者多个训练过的界标检测器然后可以被用于在实时定位器螺旋扫描图像中自动地检测在开始置信范围中的解剖界标(例如,椎骨、来自邻近器官的界标等等),基于在开始置信范围中所检测到的界标估计对应于目标器官的开始的界标的预测位置,并且使用预测开始位置来确定扫描何时靠近(例如,相距预定距离)目标器官的预测开始位置。在一种示范性实施方案中,用于检测在开始置信范围中的解剖界标的训练过的界标检测器可以是基于机器学习的辨别式分类器、诸如概率提升树(PBT)检测器,并且用于基于其他所检测到的界标估计目标器官的预测开始位置的训练过的界标检测器可以是训练过的基于机器学习的回归元。然而,应理解的是,其他机器学习算法也可以被用于训练界标检测器。在一个示范性实施例中,解剖界标和器官可以使用在标题为“Method and System for Hierarchical Parsing and Semantic Navigation of FullBody Computed Tomography Data”的美国专利申请公开No.2010/0080434中描述的方法在定位器CT图像中被检测到,所述美国专利申请公开通过整体引用被并入本文中。被用于对训练过的界标检测器进行训练的训练图像可以是先前存储的从先前的定位器螺旋CT扫描所采集的定位器扫描图像(例如,投影图像或者横截面CT图像)。
在步骤214,在目标器官的预测开始位置处自动地开始诊断性螺旋CT扫描。定位器螺旋CT扫描以第一x射线强度继续进行,直到在实时定位器扫描图像中预期到目标器官的开始,并且检测到接近预测开始位置(例如,确定扫描在目标器官的预测开始位置的预定距离内)。一旦检测到接近指示目标界标的开始的解剖界标(例如,肺尖)的预测位置,x射线强度就自动地被调整以将该x射线强度抬高到被用于目标器官的诊断性扫描的第二x射线强度,使得目标器官的CT扫描的诊断性部分在目标器官的预测开始位置处开始。因为在采集定位器扫描图像、检测界标和估计目标器官的开始位置、以及将该信息提供回CT扫描仪以控制CT扫描仪增大x射线强度之间将存在轻微时间延迟,所以预期/预测目标器官的开始位置允许CT扫描仪被控制以增大x射线强度并且在目标器官的开始位置处开始诊断性扫描。被用于诊断性螺旋CT扫描的第二x射线强度大于被用于定位器螺旋CT扫描的第一x射线强度。第二x射线强度可以是用于目标器官的诊断性扫描的预定x射线强度,该诊断性扫描对应于用于扫描目标器官的预设协议和/或特定CT扫描仪的预设扫描协议。该x射线强度可以取决于哪个器官正被扫描和/或使用什么CT扫描仪而变化。因为已经(以较低x射线强度)执行了CT螺旋扫描,所以在根据探索区域(开始置信范围)中的定位器扫描图像所估计的目标器官的预测开始位置处无缝地开始诊断性螺旋CT扫描,而不必停止和重新启动机架。
在步骤216,来自诊断性螺旋CT扫描的实时诊断性扫描图像自动地被分析,以估计在哪里达到了对目标器官的完全覆盖。在一个有利的实施例中,从诊断性螺旋CT扫描所采集的图像被计算机系统实时地或者近实时地处理,因为所述图像被采集以估计/预测目标器官的结束位置,在该结束位置处将到达对目标器官的完全覆盖。在第一实施例中,被用于预测目标器官的结束位置的实时诊断性扫描图像是由CT扫描仪在诊断性螺旋CT扫描期间所采集的2D投影图像。在第二实施例中,被用于预测目标器官的结束位置的实时诊断性扫描图像是重构的横截面CT图像切片,所述横截面CT图像切片是根据在诊断性螺旋CT扫描期间所采集的投影图像重构的。在第三实施例中,被用于预测目标器官的结束位置的实时定位器扫描图像是重构的3D图像,所述3D图像是根据在诊断性螺旋CT扫描期间所采集的投影图像重构的。如在本文中所使用的,分析实时诊断性扫描图像意味着诊断性扫描图像(例如,2D投影图像、重构的横截面CT图像切片、或者重构的3D图像)在其在扫描期间被采集时、而不是在扫描完成之后被处理。在分别使用横截面CT图像切片和重构的3D图像的第二和第三实施例中,实时意味着重构在扫描期间“在运行中”被执行,不是在扫描完成之后被执行。
在一个有利的实施例中,基于学习的界标检测和/或器官模型估计可以被用于在实时诊断性扫描图像中检测一个或者多个解剖界标和/或估计器官模型。在实时诊断性扫描图像中所检测到的所估计的界标(例如,肺界标、横膈膜等等)和/或在实时诊断性扫描图像中所估计的目标器官的器官模型可以提供指示目标器官的结束在其实际出现在扫描中之前是接近的指示器,这使得预期目标器官的结束位置以便在到达目标器官的预测结束位置时结束诊断性螺旋CT扫描成为可能。例如,在离线训练阶段中,界标检测器可以根据带注释的训练图像来训练,以在诊断性扫描图像中检测解剖界标(例如,肺界标、横膈膜等等),并且基于机器学习的分类器可以被用于基于所检测到的界标估计诊断性图像中的器官模型的姿势(pose)。然后,训练过的界标检测器可以然后被用于在实时诊断性螺旋扫描图像中自动地检测界标,并且训练过的基于机器学习的分类器可以被用于估计对于实时诊断性扫描图像的器官模型。所估计的器官模型然后可以被用于预测指示诊断性扫描图像中的目标器官的结束位置的界标(例如,肺叶尖)的位置。训练过的检测器/分类器可以使用任何机器学习算法、诸如概率提升树(PBT)来训练。训练图像可以是先前存储的从诊断性螺旋CT扫描所采集的螺旋扫描图像(例如,投影图像或者横截面CT图像)。在一个示范性实施例中,解剖界标可以被检测,并且器官模型可以使用在标题为“Method and System forHierarchical Parsing and Semantic Navigation of Full Body Computed TomographyData”的美国专利申请公开No.2010/0080434中所描述的方法在诊断性CT图像中被分割,所述美国专利申请公开通过整体引用被并入本文中。在一个可能的实施例中,来自实时诊断性螺旋扫描图像的信息可以与先前计算的病人模型相组合,以更新解剖器官模型。根据3D病人形貌所计算的病人模型基于外部身体形状估计器官位置。诊断性螺旋CT扫描提供内部信息,并且器官模型可以基于CT图像信息来更新。所更新的器官模型可以被用于在通过扫描实现对目标器官的完全覆盖之前预测目标器官结束的位置。应理解的是,虽然根据3D形貌所计算的先前病人模型可以被更新以生成被用于预测结束位置的器官模型,但是本发明并不限于此,并且可以根据诊断性扫描图像中的CT图像信息来估计单独的器官模型。
在步骤218,一旦到达目标器官的预测结束位置,就自动地停止目标器官的CT扫描。例如,响应于确定已经达到接近预测结束位置(例如,扫描在距结束位置的预定距离内),可以控制CT扫描仪以在已经扫描了目标器官的预测结束位置之后立即停止诊断性螺旋CT扫描。因为在采集诊断性扫描图像、检测界标和/或器官模型和估计目标器官的结束位置、以及将该信息提供回CT扫描仪以控制CT扫描仪停止扫描之间将存在轻微时间延迟,所以预期/预测目标器官的结束位置允许CT扫描仪被控制以在已经扫描了目标器官的预测结束位置之后立即停止诊断性CT螺旋扫描,因此确保已经达到了对目标器官的完全覆盖,并且防止病人被暴露于如下辐射中,该辐射超过实现对目标器官的完全覆盖所必需的辐射。
在步骤220,输出目标器官的CT扫描的结果。特别地,包括目标器官的3D CT体积根据在目标器官的诊断性CT扫描期间所采集的投影图像来重构。3D CT体积可以在显示设备上被显示。3D CT体积可以使用3D可视化和/或3D CT体积的各种2D切片的可视化来显示。3DCT体积可以在允许用户与所显示的3D CT体积交互的交互式用户界面中被显示。
在一个可能的实施例中,一旦完成目标器官的诊断性CT扫描,目标器官(例如,肺)就可以在3D CT体积中自动地被分割,从而导致确定在3D CT体积中目标器官的解剖学姿势。例如,边缘空间学习(MSL)可以被用于分割目标器官并且确定在3D CT体积中目标器官的解剖学姿势,在所述边缘空间学习中在一系列具有增加维度的边缘搜索空间中使用针对每个边缘搜索空间的各自的训练过的基于机器学习的分类器来估计解剖学姿势信息)。然后,重构框(reconstruction boxes)可以基于目标器官的所检测到的解剖学姿势自动地被对准目标器官。所计算的重构框然后可以被用于执行在诊断性扫描中所采集的投影图像的重构,以便生成重构的3D体积,该重构的3D体积的轴与目标器官对准。该对准的重构的3D体积可以在显示设备上被显示。
以上描述的用于对目标器官的CT扫描的剂量优化的采集的方法可以被用于自动地执行从病人定位到图像重构的CT肺检查,而没有人工干预并且没有由于机架旋转的加速/停止时间而造成的时间惩罚。附加地,与常规方法相比,总剂量(地形+断层摄影扫描)可以被减少。
图2的方法利用3D相机来生成3D形貌,该3D形貌被用于在定位器螺旋CT扫描之前自动地定位病人。在本发明的一个替代实施例中,该方法可以在没有3D相机的情况下被执行。在此情况下,用户输入可以代替来自3D相机的信息。特别地,可以接收规定扫描范围的近似起点(approximate start)的用户输入。然后,该方法从图2中的步骤208继续进行。病人被定位于扫描范围(置信范围)的所规定的起点的开始处或者之前,并且定位器螺旋CT扫描在扫描范围的所规定的起点处开始。实时定位器扫描图像自动地被分析,以估计/预测目标器官的开始位置,并且诊断性螺旋CT扫描响应于检测到接近在实时定位器扫描图像中目标器官的预测开始位置而自动地开始。实时诊断性扫描图像在解剖学上被分析,以估计/预测将达到对目标器官的完全覆盖的目标器官的结束位置,并且一旦已经扫描了目标器官的预测结束位置,就自动地停止扫描。
在本发明的另一替代实施例中,用于目标器官的CT扫描的剂量优化的采集的方法可以通过使用诸如标准2D数字相机之类的2D相机而不是3D相机来确定在目标器官之前的开始置信范围而被实施。在该情况下,解剖模型可以针对病人基于使用2D相机所采集的2D图像(例如,数字照片)来估计,例如通过使用用于3D解剖模型的2D/3D配准技术或者用于2D解剖模型的2D/2D配准技术将病人身体的统计模型配准到2D图像。该方法然后以步骤206继续进行,并且基于如下病人模型确定在目标器官之前的置信范围,该病人模型基于2D图像被配准。
以上描述的用于目标器官的CT扫描的剂量优化的采集的方法可以在使用众所周知的计算机处理器、存储器单元、存储设备、计算机软件、和其他组件的计算机上被实施。这样的计算机的高级框图在图3中被图示。计算机302包含处理器304,该处理器通过执行定义计算机302的总体操作的计算机程序指令来控制这样的操作。计算机程序指令可以被存储在存储设备312(例如,磁盘)中,并且在期望执行计算机程序指令时被加载到存储器310中。因此,图2的方法的步骤可以由存储在存储器310和/或存储装置312中的计算机程序指令来定义,并且由执行计算机程序指令的处理器304来控制。CT扫描设备320可以连接到计算机302以将图像数据输入到计算机302。可能的是,将CT扫描设备320和计算机302实施为一个设备。也可能的是,CT扫描设备320和计算机302通过网络或者无线通信协议无线地通信。计算机302的处理器304可以控制CT扫描设备320的操作。在一个可能的实施例中,计算机302可以相对于CT扫描设备320位于远程位置,并且方法步骤作为基于服务器或者云的服务的一部分来执行。3D相机330可以连接到计算机302以将图像数据输入到计算机302。3D相机330可以经由导线连接到计算机302,或者3D相机330和计算机302可以经由网络或者无线通信协议无线地通信。计算机302的处理器304可以控制3D相机330的操作。计算机302还包括一个或者多个用于经由网络与其他设备通信的网络接口306。计算机302还包括实现与计算机302的用户交互的其他输入/输出设备308(例如,显示器、键盘、鼠标、扬声器、按钮等等)。本领域技术人员将认识到,实际计算机的实施方案也可以包含其他组件,并且图3是用于说明目的的这样的计算机的一些组件的高级表示。
以上描述的用于目标器官的CT扫描的剂量优化的采集的方法可以使用以客户端-服务器关系操作的计算机来实施。一般,在这样的系统中,客户端计算机位于距服务器计算机远程的位置,并且经由网络交互。客户端-服务器关系可以由在相应的客户端和服务器计算机上运行的计算机程序来定义和控制。
以上描述的用于医学图像合成的方法可以在基于网络的云计算系统内被实施。在这样的基于网络的云计算系统中,连接到网络的另一处理器或者服务器与一个或者多个客户端计算机经由网络通信。例如,客户端计算机可以经由在客户端计算机上驻留和操作的网络浏览器应用与服务器通信。客户端计算机可以将数据存储在服务器上,并且经由网络访问数据。客户端计算机可以将对数据的请求或者对在线服务的请求经由网络传输到服务器。服务器可以执行所请求的服务,并且将数据提供给(多个)客户端计算机。服务器还可以传输适配成促使客户端计算机执行指定功能(例如,执行计算、在屏幕上显示指定数据等等)的数据。例如,服务器可以传输适配成促使客户端计算机执行在本文中所描述的方法步骤(包括图2中的步骤中的一个或者多个步骤)中的一个或者多个方法步骤的请求。在本文中所描述的方法的某些步骤(包括图2中的步骤中的一个或者多个步骤)可以由服务器或者由基于网络的云计算系统中的另一处理器执行。在本文中所描述的方法的某些步骤(包括图2中的步骤中的一个或者多个步骤)可以由基于网络的云计算系统中的客户端计算机执行。在本文中所描述的方法的某些步骤(包括图2中的步骤中的一个或者多个步骤)可以由服务器和/或由基于网络的云计算系统中的客户端计算机以任何组合执行。
前述详细描述应被理解为从各个方面都是说明性和示范性的,而不是限制性的,并且在本文中所公开的本发明的范围不应根据详细描述来确定,而是根据如按照专利法所许可的完整广度所解释的权利要求来确定。应理解的是,在本文中所示出和所描述的实施例仅仅说明本发明的原理,并且各种修改可以由本领域技术人员实施,而不偏离本发明的范围和精神。本领域技术人员可以实施各种其他特征组合,而不偏离本发明的范围和精神。
Claims (30)
1.一种用于目标器官的计算机断层摄影(CT)扫描的剂量优化的采集的方法,包括:
在病人的目标器官之前的置信范围的开始处开始定位器螺旋CT扫描;
当病人相对于CT扫描设备的机架被移动时从所述定位器螺旋CT扫描接收实时定位器扫描图像;
自动地分析所述实时定位器扫描图像以基于所述实时定位器扫描图像预测所述目标器官的开始位置;
在所述目标器官的预测开始位置处自动地开始诊断性螺旋CT扫描;
当所述病人相对于所述CT扫描设备的机架被移动时从所述诊断性螺旋CT扫描接收实时诊断性扫描图像;
自动地分析所述实时诊断性扫描图像以基于所述实时诊断性扫描图像预测将达到对所述目标器官的完全覆盖的所述目标器官的结束位置;以及
响应于到达所述目标器官的预测结束位置而自动地停止所述诊断性螺旋CT扫描。
2.根据权利要求1所述的方法,其中自动地分析所述实时定位器扫描图像以基于所述实时定位器扫描图像预测所述目标器官的开始位置包括:
使用一个或者多个训练过的界标检测器在所述实时定位器扫描图像中检测在所述目标器官之前的置信范围中的一个或者多个解剖界标;
基于在所述实时定位器扫描图像中所检测到的在所述目标器官之前的置信范围中的一个或者多个界标,自动地估计所述目标器官的开始位置。
3.根据权利要求1所述的方法,其中自动地分析所述实时诊断性扫描图像以基于所述实时诊断性扫描图像预测将达到对所述目标器官的完全覆盖的所述目标器官的结束位置包括:
自动地估计在所述实时诊断性扫描图像中所述目标器官的器官模型;以及
根据所估计的所述目标器官的器官模型自动地估计所述目标器官的结束位置。
4.根据权利要求3所述的方法,其中估计在所述实时诊断性扫描图像中所述目标器官的器官模型包括:
使用一个或者多个训练过的界标检测器在所述实时诊断性扫描图像中检测一个或者多个解剖界标;以及
基于在所述实时诊断性扫描图像中所检测到的一个或者多个解剖界标使所述目标器官的器官模型适应于所述实时诊断性扫描图像。
5.根据权利要求1所述的方法,进一步包括:
使用3D相机采集所述CT扫描设备的工作台上的所述病人的3D形貌;
使病人模型适应于所述病人的3D形貌;以及
基于所述病人模型自动地确定在所述病人的目标器官之前的置信范围的开始。
6.根据权利要求5所述的方法,其中使用3D相机采集所述CT扫描设备的工作台上的所述病人的3D形貌包括:
从所述3D相机接收所述CT扫描设备的工作台上的所述病人的RGBD图像;以及
将所述RGBD图像转换成所述CT扫描设备的工作台的坐标系中的3D点云。
7.根据权利要求6所述的方法,其中使病人模型适应于所述病人的3D形貌包括:
将包括所述目标器官的解剖位置的病人身体的统计形状模型配准到所述CT扫描设备的工作台的坐标系中的3D点云。
8.根据权利要求1所述的方法,其中所述实时定位器扫描图像是2D投影图像、重构的横截面CT图像切片、或者重构的3D图像之一。
9.根据权利要求1所述的方法,其中所述实时诊断性扫描图像是2D投影图像、重构的横截面CT图像切片、或者重构的3D图像之一。
10.根据权利要求1所述的方法,其中所述定位器螺旋CT扫描使用x射线强度,并且所述诊断性螺旋CT扫描使用大于第一x射线强度的x射线强度。
11.根据权利要求1所述的方法,进一步包括:
根据所述诊断性螺旋CT扫描重构包括所述目标器官的3D CT体积。
12.根据权利要求1所述的方法,进一步包括:
在由所述诊断性螺旋CT扫描产生的3D CT体积中检测所述目标器官的解剖学姿势;
基于所检测到的所述目标器官的解剖学姿势,自动地将重构框对准目标器官;以及
使用被对准的重构框,生成重构的3D CT体积,该3D CT体积具有被对准所述目标器官的解剖学姿势的轴。
13.根据权利要求1所述的方法,其中,所述目标器官是肺。
14.根据权利要求13所述的方法,其中自动地分析所述实时定位器扫描图像以基于所述实时定位器扫描图像预测所述目标器官的开始位置包括:
在肺尖位置出现在所述实时定位器扫描图像中之前,基于所述实时定位器扫描图像自动地预测所述肺尖位置。
15.根据权利要求11所述的方法,其中自动地分析所述实时诊断性扫描图像以基于所述实时诊断性扫描图像预测将达到对所述目标器官的完全覆盖的所述目标器官的结束位置包括:
在肺叶尖位置出现在所述实时定位器扫描图像中之前,基于所述实时诊断性扫描图像自动地预测所述肺叶尖位置。
16.根据权利要求1所述的方法,进一步包括:
使用2D相机采集所述CT扫描设备的工作台上的所述病人的2D图像;
将病人模型配准到所述病人的2D图像;以及
基于所述病人模型自动地确定在所述病人的目标器官之前的置信范围的开始。
17.一种用于目标器官的计算机断层摄影(CT)扫描的剂量优化的采集的设备,包括:
用于在病人的目标器官之前的置信范围的开始处开始定位器螺旋CT扫描的装置;
用于当病人相对于CT扫描设备的机架被移动时从所述定位器螺旋CT扫描接收实时定位器扫描图像的装置;
用于自动地分析所述实时定位器扫描图像以基于所述实时定位器扫描图像预测所述目标器官的开始位置的装置;
用于在所述目标器官的预测开始位置处自动地开始诊断性螺旋CT扫描的装置;
用于当所述病人相对于所述CT扫描设备的机架被移动时从所述诊断性螺旋CT扫描接收实时诊断性扫描图像的装置;
用于自动地分析所述实时诊断性扫描图像以基于所述实时诊断性扫描图像预测将达到对所述目标器官的完全覆盖的所述目标器官的结束位置的装置;以及
用于响应于到达所述目标器官的预测结束位置而自动地停止所述诊断性螺旋CT扫描的装置。
18.根据权利要求17所述的设备,其中所述用于自动地分析所述实时定位器扫描图像以基于所述实时定位器扫描图像预测所述目标器官的开始位置的装置包括:
用于使用一个或者多个训练过的界标检测器在所述实时定位器扫描图像中检测在所述目标器官之前的置信范围中的一个或者多个解剖界标的装置;
用于基于在所述实时定位器扫描图像中所检测到的在所述目标器官之前的置信范围中的一个或者多个界标自动地估计所述目标器官的开始位置的装置。
19.根据权利要求17所述的设备,其中所述用于自动地分析所述实时诊断性扫描图像以基于所述实时诊断性扫描图像预测将达到对所述目标器官的完全覆盖的所述目标器官的结束位置的装置包括:
用于自动地估计在所述实时诊断性扫描图像中所述目标器官的器官模型的装置;以及
用于根据所估计的所述目标器官的器官模型自动地估计所述目标器官的结束位置的装置。
20.根据权利要求17的设备,进一步包括:
用于使用3D相机采集所述CT扫描设备的工作台上的所述病人的3D形貌的装置;
用于使病人模型适应于所述病人的3D形貌的装置;以及
用于基于所述病人模型自动地确定在所述病人的目标器官之前的置信范围的开始的装置。
21.根据权利要求17所述的设备,其中所述实时定位器扫描图像是从定位器螺旋CT扫描实时接收的2D投影图像、重构的横截面CT图像切片、或者重构的3D图像之一,并且所述实时诊断性扫描图像是从诊断性螺旋CT扫描实时接收的2D投影图像、重构的横截面CT图像切片、或者重构的3D图像之一。
22.根据权利要求17所述的设备,其中所述定位器螺旋CT扫描使用第一x射线强度,并且所述诊断性螺旋CT扫描使用大于所述第一x射线强度的第二x射线强度。
23.根据权利要求17所述的设备,其中所述目标器官是肺,所述用于自动地分析所述实时定位器扫描图像以基于所述实时定位器扫描图像预测所述目标器官的开始位置的装置包括用于在肺尖位置出现在所述实时定位器扫描图像中之前基于所述实时定位器扫描图像自动地预测所述肺尖位置的装置,以及所述用于自动地分析所述实时诊断性扫描图像以基于所述实时诊断性扫描图像预测将达到对所述目标器官的完全覆盖的所述目标器官的结束位置的装置包括用于在肺叶尖位置出现在所述实时定位器扫描图像中之前基于所述实时诊断性扫描图像自动地预测所述肺叶尖位置的装置。
24.一种非暂时性计算机可读介质,所述非暂时性计算机可读介质存储用于目标器官的计算机断层摄影(CT)扫描的剂量优化的采集的计算机程序指令,所述计算机程序指令在被处理器执行时促使所述处理器执行操作,所述操作包括:
在病人的目标器官之前的置信范围的开始处开始定位器螺旋CT扫描;
当病人相对于CT扫描设备的机架被移动时从所述定位器螺旋CT扫描接收实时定位器扫描图像;
自动地分析所述实时定位器扫描图像以基于所述实时定位器扫描图像预测所述目标器官的开始位置;
在所述目标器官的预测开始位置处自动地开始诊断性螺旋CT扫描;
当所述病人相对于所述CT扫描设备的机架被移动时从所述诊断性螺旋CT扫描接收实时诊断性扫描图像;
自动地分析所述实时诊断性扫描图像以基于所述实时诊断性扫描图像预测将达到对所述目标器官的完全覆盖的所述目标器官的结束位置;以及
响应于到达所述目标器官的预测结束位置而自动地停止所述诊断性螺旋CT扫描。
25.根据权利要求24所述的非暂时性计算机可读介质,其中自动地分析所述实时定位器扫描图像以基于所述实时定位器扫描图像预测所述目标器官的开始位置包括:
使用一个或者多个训练过的界标检测器在所述实时定位器扫描图像中检测在所述目标器官之前的置信范围中的一个或者多个解剖界标;
基于在所述实时定位器扫描图像中所检测到的在所述目标器官之前的置信范围中的一个或者多个界标,自动地估计所述目标器官的开始位置。
26.根据权利要求24所述的非暂时性计算机可读介质,其中自动地分析所述实时诊断性扫描图像以基于所述实时诊断性扫描图像预测将达到对所述目标器官的完全覆盖的所述目标器官的结束位置包括:
自动地估计在所述实时诊断性扫描图像中所述目标器官的器官模型;以及
根据所估计的所述目标器官的器官模型自动地估计所述目标器官的结束位置。
27.根据权利要求24所述的非暂时性计算机可读介质,其中所述操作进一步包括:
使用3D相机采集所述CT扫描设备的工作台上的所述病人的3D形貌;
使病人模型适应于所述病人的3D形貌;以及
基于所述病人模型自动地确定在所述病人的目标器官之前的置信范围的开始。
28.根据权利要求24所述的非暂时性计算机可读介质,其中所述实时定位器扫描图像是从所述定位器螺旋CT扫描实时接收的2D投影图像、重构的横截面CT图像切片、或者重构的3D图像之一,并且所述实时诊断性扫描图像是从所述诊断性螺旋CT扫描实时接收的2D投影图像、重构的横截面CT图像切片、或者重构的3D图像之一。
29.根据权利要求24所述的非暂时性计算机可读介质,其中所述定位器螺旋CT扫描使用第一x射线强度,并且所述诊断性螺旋CT扫描使用大于所述第一x射线强度的第二x射线强度。
30.根据权利要求24所述的非暂时性计算机可读介质,其中所述目标器官是肺,其中自动地分析所述实时定位器扫描图像以基于所述实时定位器扫描图像预测所述目标器官的开始位置包括:在肺尖位置出现在所述实时定位器扫描图像中之前,基于所述实时定位器扫描图像自动地预测所述肺尖位置,以及其中自动地分析所述实时诊断性扫描图像以基于所述实时诊断性扫描图像预测将达到对所述目标器官的完全覆盖的所述目标器官的结束位置包括:在肺叶尖位置出现在所述实时定位器扫描图像中之前,基于所述实时诊断性扫描图像自动地预测所述肺叶尖位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/429,459 US10182771B2 (en) | 2017-02-10 | 2017-02-10 | Method and system for dose-optimized computed tomography scanning of a target organ |
US15/429459 | 2017-02-10 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108403135A true CN108403135A (zh) | 2018-08-17 |
CN108403135B CN108403135B (zh) | 2019-07-23 |
Family
ID=61163526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810134335.0A Active CN108403135B (zh) | 2017-02-10 | 2018-02-09 | 目标器官的剂量优化的计算机断层摄影扫描的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10182771B2 (zh) |
EP (1) | EP3360483B1 (zh) |
CN (1) | CN108403135B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109124635A (zh) * | 2018-09-25 | 2019-01-04 | 上海联影医疗科技有限公司 | 模型生成方法、磁共振成像扫描方法及系统 |
CN109157239A (zh) * | 2018-10-31 | 2019-01-08 | 上海联影医疗科技有限公司 | 定位图像的扫描方法、ct扫描方法、装置、设备和介质 |
CN111127527A (zh) * | 2019-12-06 | 2020-05-08 | 广州柏视医疗科技有限公司 | 基于ct影像骨骼配准实现肺结节自适应匹配的方法与装置 |
CN113384287A (zh) * | 2020-03-13 | 2021-09-14 | 西门子医疗有限公司 | 减少交互的ct扫描 |
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 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3229160A3 (en) * | 2017-07-19 | 2017-11-29 | Siemens Healthcare GmbH | Method for configuring a medical instrument, system for con-figuring a medical instrument, computer program product and computer readable medium |
US10888296B2 (en) * | 2018-06-29 | 2021-01-12 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for modulating radiation dose |
KR101952887B1 (ko) * | 2018-07-27 | 2019-06-11 | 김예현 | 해부학적 랜드마크의 예측 방법 및 이를 이용한 디바이스 |
CN111493903B (zh) * | 2019-01-30 | 2024-02-13 | 上海西门子医疗器械有限公司 | 器官程序自动选择方法、存储介质和x-射线医疗设备 |
CN112006711A (zh) * | 2019-05-31 | 2020-12-01 | 通用电气精准医疗有限责任公司 | 3d透视指示器及其生成方法和应用 |
CN112085846A (zh) * | 2019-06-14 | 2020-12-15 | 通用电气精准医疗有限责任公司 | 用于在成像系统中生成对象3d点云的方法和系统 |
CN110448323A (zh) * | 2019-07-23 | 2019-11-15 | 徐州医科大学 | 一种智能化ct摆位扫描装置及其控制方法 |
DE102019214887A1 (de) | 2019-09-27 | 2021-04-01 | Siemens Healthcare Gmbh | Verfahren zu einem automatischen Positionieren eines zu untersuchenden Bereichs eines Patienten für eine medizinische Bildgebungsuntersuchung sowie eine medizinische Bildgebungsvorrichtung, die zu einem Durchführen des Verfahrens ausgelegt ist |
US11410374B2 (en) | 2019-10-09 | 2022-08-09 | Siemens Healthcare Gmbh | Synthetic parameterized computed tomography from surface data in medical imaging |
CN111477298B (zh) * | 2020-04-03 | 2021-06-15 | 山东省肿瘤防治研究院(山东省肿瘤医院) | 一种放疗过程中肿瘤位置变化的追踪方法 |
CN113870167A (zh) * | 2020-06-11 | 2021-12-31 | 通用电气精准医疗有限责任公司 | 用于对肺部图像进行分割的方法、系统以及存储介质 |
CN111870264B (zh) * | 2020-07-21 | 2024-03-22 | 上海大骋医疗科技有限公司 | 适用于车载ct的摄像定位系统和方法 |
CN111820929B (zh) * | 2020-07-27 | 2023-08-29 | 东软医疗系统股份有限公司 | 定位片扫描的控制方法、装置、电子设备、存储介质 |
EP4052651A1 (en) * | 2021-03-04 | 2022-09-07 | Koninklijke Philips N.V. | Image-based planning of tomographic scan |
CN113658149B (zh) * | 2021-08-23 | 2024-05-17 | 上海联影医疗科技股份有限公司 | 计算机可读存储介质以及计算设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070217567A1 (en) * | 2006-03-15 | 2007-09-20 | Kabushiki Kaisha Toshiba | X-ray ct apparatus, a method for changing the helical pitch, an image reconstruction processing apparatus, an image reconstruction processing method, and an image reconstruction processing program |
CN104224212A (zh) * | 2013-06-14 | 2014-12-24 | Ge医疗系统环球技术有限公司 | Ct系统、其扫描定位方法及校准方法 |
CN104337535A (zh) * | 2013-08-02 | 2015-02-11 | 上海联影医疗科技有限公司 | 计算机断层成像方法和装置 |
CN104997528A (zh) * | 2014-04-21 | 2015-10-28 | 株式会社东芝 | X射线计算机断层拍摄装置以及拍摄条件设定辅助装置 |
CN105030266A (zh) * | 2014-04-21 | 2015-11-11 | 株式会社东芝 | X射线计算机断层摄影装置以及扫描计划设定支援装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4393090B2 (ja) | 2002-07-19 | 2010-01-06 | 東芝医用システムエンジニアリング株式会社 | X線コンピュータ断層撮影装置 |
JP3999176B2 (ja) * | 2003-08-20 | 2007-10-31 | 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 | X線ct装置、情報処理方法ならびに記憶媒体、プログラム |
DE102004035740A1 (de) | 2004-07-23 | 2006-03-16 | Siemens Ag | Verfahren zur Zwischenbildgenerierung bei der Bildgebung mit einer tomographischen bildgebenden Modalität |
DE602006013864D1 (de) | 2005-09-15 | 2010-06-02 | Hitachi Medical Corp | Röntgen-ct-gerät |
US7813471B2 (en) | 2006-05-25 | 2010-10-12 | Hitachi Medical Corporation | X-ray CT apparatus |
JP2009039330A (ja) | 2007-08-09 | 2009-02-26 | Toshiba Corp | X線コンピュータ断層撮影装置および撮影方法 |
JP5455903B2 (ja) * | 2008-07-04 | 2014-03-26 | 株式会社日立メディコ | X線ct装置 |
US9785858B2 (en) | 2008-09-26 | 2017-10-10 | Siemens Healthcare Gmbh | Method and system for hierarchical parsing and semantic navigation of full body computed tomography data |
US9524582B2 (en) | 2014-01-28 | 2016-12-20 | Siemens Healthcare Gmbh | Method and system for constructing personalized avatars using a parameterized deformable mesh |
WO2016073841A1 (en) | 2014-11-06 | 2016-05-12 | Siemens Medical Solutions Usa, Inc. | Scan data retrieval with depth sensor data |
US10405822B2 (en) * | 2016-06-30 | 2019-09-10 | Canon Medical Systems Corporation | X-ray CT apparatus |
US11000254B2 (en) * | 2016-11-22 | 2021-05-11 | General Electric Company | Methods and systems for patient scan setup |
-
2017
- 2017-02-10 US US15/429,459 patent/US10182771B2/en active Active
-
2018
- 2018-02-05 EP EP18155025.2A patent/EP3360483B1/en active Active
- 2018-02-09 CN CN201810134335.0A patent/CN108403135B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070217567A1 (en) * | 2006-03-15 | 2007-09-20 | Kabushiki Kaisha Toshiba | X-ray ct apparatus, a method for changing the helical pitch, an image reconstruction processing apparatus, an image reconstruction processing method, and an image reconstruction processing program |
CN104224212A (zh) * | 2013-06-14 | 2014-12-24 | Ge医疗系统环球技术有限公司 | Ct系统、其扫描定位方法及校准方法 |
CN104337535A (zh) * | 2013-08-02 | 2015-02-11 | 上海联影医疗科技有限公司 | 计算机断层成像方法和装置 |
CN104997528A (zh) * | 2014-04-21 | 2015-10-28 | 株式会社东芝 | X射线计算机断层拍摄装置以及拍摄条件设定辅助装置 |
CN105030266A (zh) * | 2014-04-21 | 2015-11-11 | 株式会社东芝 | X射线计算机断层摄影装置以及扫描计划设定支援装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109124635A (zh) * | 2018-09-25 | 2019-01-04 | 上海联影医疗科技有限公司 | 模型生成方法、磁共振成像扫描方法及系统 |
CN109157239A (zh) * | 2018-10-31 | 2019-01-08 | 上海联影医疗科技有限公司 | 定位图像的扫描方法、ct扫描方法、装置、设备和介质 |
CN111127527A (zh) * | 2019-12-06 | 2020-05-08 | 广州柏视医疗科技有限公司 | 基于ct影像骨骼配准实现肺结节自适应匹配的方法与装置 |
CN111127527B (zh) * | 2019-12-06 | 2021-02-05 | 广州柏视医疗科技有限公司 | 基于ct影像骨骼配准实现肺结节自适应匹配的方法与装置 |
CN113384287A (zh) * | 2020-03-13 | 2021-09-14 | 西门子医疗有限公司 | 减少交互的ct扫描 |
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 |
Also Published As
Publication number | Publication date |
---|---|
US10182771B2 (en) | 2019-01-22 |
EP3360483A1 (en) | 2018-08-15 |
CN108403135B (zh) | 2019-07-23 |
US20180228450A1 (en) | 2018-08-16 |
EP3360483B1 (en) | 2019-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108403135B (zh) | 目标器官的剂量优化的计算机断层摄影扫描的方法和系统 | |
US10438363B2 (en) | Method, apparatus and program for selective registration three-dimensional tooth image data to optical scanning tooth model | |
US11576645B2 (en) | Systems and methods for scanning a patient in an imaging system | |
CN109937012B (zh) | 为成像系统选择采集参数 | |
US7903852B2 (en) | Automatic determination of parameters of an imaging geometry | |
US9665936B2 (en) | Systems and methods for see-through views of patients | |
US10282873B2 (en) | Unified coordinate system for multiple CT scans of patient lungs | |
CN104602608B (zh) | 基于光学3d场景检测与解释的患者特异性且自动的x射线系统调节 | |
EP3406196A1 (en) | X-ray system and method for standing subject | |
US10737118B2 (en) | Systems and methods for patient position monitoring | |
US11576578B2 (en) | Systems and methods for scanning a patient in an imaging system | |
US20160012586A1 (en) | Scan region determining apparatus | |
US20130051647A1 (en) | Automatic Initialization for 2D/3D Registration | |
CA3102807A1 (en) | Orientation detection in fluoroscopic images | |
US20240148351A1 (en) | Image-based planning of tomographic scan | |
US10115485B2 (en) | Method of planning an examination, method of positioning an examination instrument, tomosynthesis system and computer program product |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |