CN109512449A - 生理参数输出方法和装置 - Google Patents
生理参数输出方法和装置 Download PDFInfo
- Publication number
- CN109512449A CN109512449A CN201811125900.3A CN201811125900A CN109512449A CN 109512449 A CN109512449 A CN 109512449A CN 201811125900 A CN201811125900 A CN 201811125900A CN 109512449 A CN109512449 A CN 109512449A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- physiological parameter
- tested position
- medical image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000008520 organization Effects 0.000 claims abstract description 14
- 210000000577 adipose tissue Anatomy 0.000 claims description 31
- 210000003205 muscle Anatomy 0.000 claims description 21
- 238000003709 image segmentation Methods 0.000 claims description 20
- 210000001519 tissue Anatomy 0.000 claims description 18
- 239000000284 extract Substances 0.000 claims description 15
- 230000037182 bone density Effects 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 241000270295 Serpentes Species 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 239000004575 stone Substances 0.000 claims description 5
- 239000003814 drug Substances 0.000 claims description 3
- 210000001015 abdomen Anatomy 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 230000035479 physiological effects, processes and functions Effects 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 238000012952 Resampling Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009940 knitting Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Human Computer Interaction (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种生理参数输出方法和装置，所述方法包括：在获取到被检体的医学影像后，针对所述被检体的至少一个被检部位，从所述医学影像中提取多个特定组织对应的图像区域；基于所述多个特定组织对应的图像区域，计算所述被检部位的多个生理参数；基于预设的输出策略，输出所述被检部位的多个生理参数。本申请技术方案可以提高生理参数的输出效率，满足同时输出多个生理参数的需求。
Description
技术领域
本申请涉及医学影像技术，尤其涉及一种生理参数输出方法和装置。
背景技术
在对被检体进行医学扫描后，可以获取该被检体的医学影像，例如：CT(ComputedTomography，计算机断层扫描)图像、磁共振图像等。后续，可以对这些医学影像进行灌注分析等定量分析，以得到该被检体的某些生理参数，并输出这些生理参数，以供用户查看、分析。
相关技术中，通过对被检体的医学影像的一次定量分析，通常仅能得到该被检体的一个生理参数，并输出这个生理参数。在这种情况下，如果用户需要同时对该被检体的多个生理参数进行查看、分析，则需要通过对被检体的医学影像的多次定量分析。因此，相关技术中生理参数的输出效率低下，且无法满足同时输出多个生理参数的需求。
发明内容
有鉴于此，本申请提供一种生理参数输出方法和装置，以提高生理参数的输出效率，满足同时输出多个生理参数的需求。
具体地，本申请是通过如下技术方案实现的：
第一方面，本申请提供一种生理参数输出方法，所述方法包括：
在获取到被检体的医学影像后，针对所述被检体的至少一个被检部位，从所述医学影像中提取多个特定组织对应的图像区域；
基于所述多个特定组织对应的图像区域，计算所述被检部位的多个生理参数；
基于预设的输出策略，输出所述被检部位的多个生理参数。
第二方面，本申请提供一种生理参数输出装置，所述装置包括：
提取单元，用于在获取到被检体的医学影像后，针对所述被检体的至少一个被检部位，从所述医学影像中提取多个特定组织对应的图像区域；
第一计算单元，用于基于所述多个特定组织对应的图像区域，计算所述被检部位的多个生理参数；
输出单元，用于基于预设的输出策略，输出所述被检部位的多个生理参数。
分析上述技术方案可知，通过对被检体的医学影像的一次定量分析，可以同时得到该被检体不同被检部位的多个生理参数，并可以输出这多个生理参数，从而使用户可以同时对这多个生理参数进行查看、分析。采用这样的方式，可以提高生理参数的输出效率，满足同时输出多个生理参数的需求，提升用户体验。
附图说明
图1是本申请一示例性实施例示出的一种生理参数输出方法的流程图；
图2是本申请一示例性实施例示出的另一种生理参数输出方法的流程图；
图3是本申请一示例性实施例示出的一种生理参数输出装置所在设备的硬件结构图；
图4是本申请一示例性实施例示出的一种生理参数输出装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请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。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。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”。
请参考图1，为本申请一示例性实施例示出的一种生理参数输出方法的流程图。该方法可以应用于CT设备、磁共振成像设备等医学影像设备。该方法可以包括如下步骤：
步骤101：在获取到被检体的医学影像后，针对所述被检体的至少一个被检部位，从所述医学影像中提取多个特定组织对应的图像区域。
在本实施例中，可以对被检体进行医学扫描，从而可以获取该被检体的医学影像。举例来说，可以由CT设备对被检体进行CT扫描，以获取该被检体的CT图像；或者，也可以由磁共振成像设备对被检体进行磁共振扫描，以获取该被检体的磁共振图像。
在获取到该被检体的医学影像后，可以针对该被检体的至少一个被检部位，从这些医学影像中提取多个特定组织对应的图像区域。举例来说，假设在对被检体的腹部和腿部进行CT扫描后，获取到该被检体这两个被检部位的CT图像，则后续可以从该被检体的腹部的CT图像中，提取多个特定组织对应的图像区域，也可以从该被检体的腿部的CT图像中，提取多个特定组织对应的图像区域。
在一个可选的实施例中，多个特定组织可以包括：骨骼组织、脂肪组织和肌肉组织，具体可以由用户根据实际需求自行设置。进一步地，请参考图2，可以采用如下步骤实现从所述医学影像中提取多个特定组织对应的图像区域：
步骤1011：基于深度学习算法对所述医学影像进行图像分割，以提取所述骨骼组织对应的图像区域。
步骤1012：基于snake算法对所述医学影像进行图像分割，以提取所述脂肪组织对应的图像区域。
步骤1013：基于阈值分割算法对所述医学影像中所述脂肪组织的轮廓内部的图像进行图像分割，以提取所述肌肉组织对应的图像区域。
对于骨骼组织，可以采用具有普适性的深度学习算法对每张医学影像进行图像分割，以从该医学影像中提取出骨骼组织对应的图像区域。举例来说，可以将包括指定的像素点的图像区域提取出来进行重采样，并将重采样后的图像区域输入已训练好的卷积神经网络模型计算图像分割结果，并将得到的图像分割结果重采样回原始尺寸。
对于脂肪组织，可以采用snake算法对每张医学影像进行图像分割，以从该医学影像中提取出脂肪组织对应的图像区域。
对于肌肉组织，则可以在从每张医学影像中提取出脂肪组织对应的图像区域后，先从该医学影像中提取出脂肪组织轮廓内部的图像区域，即先利用之前提取出的脂肪组织对应的图像区域，提取出脂肪组织轮廓内部的图像区域，再采用阈值分割算法对该脂肪组织轮廓内部的图像区域进行图像分割，以从该脂肪组织轮廓内部的图像区域中提取出肌肉组织对应的图像区域。
需要说明的是，步骤1011和步骤1012之间并没有特定的时序关系，但步骤1013通常在步骤1012执行完成后再被执行。
由于CT扫描通常采用多层扫描方式，即对于被检体的同一部位，可以获取到该部位的多个不同层面的CT图像(将这些CT图像统称为多层CT图像)。因此，对于获取到的被检体CT图像，可以在三维层面上进行图像分割，即基于由多层CT图像确定的该被检体的体数据进行图像分割，以提高准确度。
具体地，在从获取到的被检体的医学影像中提取多个特定组织对应的图像区域时，可以分别先从这些医学影像中提取感兴趣区域。其中，感兴趣区域可以由用户自行定义，例如：可以由用户将医学影像中的某个固定区域定义为感兴趣区域，从而可以从每张医学影像中提取出该固定区域，作为该医学影像中的感兴趣区域。当然，由于对于不同的被检体的医学影像，组织区域(即包括被检体的部分组织的图像区域)和背景区域在该医学影像中的位置可能并不相同，因此也可以基于深度学习算法，对每张医学影像中的组织区域进行自动识别，并将识别出的组织区域提取出来，作为该医学影像中的感兴趣区域。
在从每张医学影像中提取出感兴趣区域后，可以进一步地对该感兴趣区域进行图像分割，以从该感兴趣区域中提取多个特定组织对应的图像区域。举例来说，假设多个特定组织包括：骨骼组织、脂肪组织和肌肉组织，则可以基于深度学习算法对该感兴趣区域进行图像分割，以提取骨骼组织对应的图像区域；基于snake算法对该感兴趣区域进行图像分割，以提取脂肪组织对应的图像区域；基于阈值分割算法对该感兴趣区域中脂肪组织的轮廓内部的图像进行图像分割，以提取肌肉组织对应的图像区域。
步骤102：基于所述多个特定组织对应的图像区域，计算所述被检部位的多个生理参数。
在本实施例中，在前述步骤101中，针对该被检体的至少一个被检部位，提取出多个特定组织对应的图像区域后，可以基于这些图像区域，计算各个被检部位的多个生理参数。
在一个可选的实施例中，多个特定组织可以包括：骨骼组织、脂肪组织和肌肉组织，此时计算得到的多个生理参数可以包括：骨密度、脂肪体积、肌肉体积、肌肉密度、骨龄和体脂百分比。
当然，多个特定组织也可以仅包括：骨骼组织和脂肪组织，此时计算得到的多个生理参数则可以包括：骨密度、脂肪体积。或者，多个特定组织也可以仅包括：脂肪组织和肌肉组织，此时计算得到的多个生理参数则可以包括：脂肪体积、肌肉体积、肌肉密度和体脂百分比。由此可见，可以得到的生理参数通常与设置的多个特定组织相关。
计算得到多个生理参数的方法可以采用现有技术，在此不再一一赘述。举例来说，假设获取到的被检体腿部的医学影像为多层CT图像，则在从腿部的CT图像中提取出骨骼组织对应的图像区域后，可以基于这些图像区域计算骨骼组织的CT均值，并将计算得到的CT均值作为腿部的骨密度；在从腿部的CT图像中提取出脂肪组织对应的图像区域后，可以统计这些图像区域中的像素点的数量，并将统计得到的像素点的数量作为腿部的脂肪体积；在从腿部的CT图像中提取出肌肉组织对应的图像区域后，也可以统计这些图像区域中的像素点的数量作为腿部的肌肉体积，并基于这些图像区域计算肌肉组织的CT均值作为腿部的肌肉密度。
步骤103：基于预设的输出策略，输出所述被检部位的多个生理参数。
在本实施例中，在前述步骤102中计算得到各个被检部位的多个生理参数后，可以基于预设的输出策略，输出各个被检部位多个生理参数。其中，输出策略可以由用户预先设置。举例来说，用户可以将输出策略设置为：以表格的形式输出计算得到的各个被检部位的多个生理参数，则此时可以输出如下表1所示的表格，以供用户查看、分析：
表1
或者，用户也可以将输出策略设置为：以表格的形式输出计算得到的所有被检部位的多个生理参数，同时以多维度直方图的形式输出每个被检部位的多个生理参数，即此时不仅可以输出如上表1所示的表格，还可以输出多个多维度直方图，每个多维度直方图中展示有一个被检部位的多个生理参数，以供用户查看、分析。
再者，用户还可以将输出策略设置为：以表格的形式输出计算得到的所有被检部位的多个生理参数，同时以多维度直方图的形式输出各个被检部位的同一个生理参数，即此时不仅可以输出如上表1所示的表格，还可以输出多个多维度直方图，每个多维度直方图中展示有所有被检部位的同一个生理参数，以供用户查看、分析。
需要说明的是，除了可以采用表格和多维度直方图的形式输出各个被检部位的多个生理参数之外，还可以采用多维度扇形图等多种形式输出各个被检部位的多个生理参数，本申请对此不作特殊限制。
在一个可选的实施例中，输出策略可以包括：各个被检部位和计算得到的多个生理参数的组合方式，以及该组合方式对应的输出方式，即用户可以根据实际需求自行设置需要输出的生理参数，以及这些生理参数的输出方式。
举例来说，假设被检部位包括：胸部、腹部和腿部，计算得到的多个生理参数包括：骨密度、脂肪体积、肌肉体积、肌肉密度、骨龄和体脂百分比。用户可以将输出策略设置为：以表格的形式输出胸部的脂肪体积和肌肉体积，以及腿部的骨密度和肌肉体积，并以多维度直方图的形式输出胸部、腹部和腿部的骨密度，则此时可以输出如下表2所示的表格：
表2
同时还可以输出展示有胸部、腹部和腿部这三个被检部位的骨密度的多维度直方图，以供用户查看、分析。
在另一个例子中，用户可以将输出策略设置为：以多维度直方图的形式输出胸部的这多个生理参数，并以多维度直方图的形式输出腿部的这多个生理参数，则此时可以输出两个多维度直方图，其中一个多维度直方图展示有胸部的这多个生理参数，另一个多维度直方图展示有腿部的这多个生理参数，以供用户查看、分析。
在另一个可选的实施例中，在实际应用中，在前述步骤102中计算得到各个被检部位的多个生理参数后，还可以分别将每个生理参数与预设的标准值进行对比，以计算该生理参数与其对应的标准值之间的偏差值。其中，标准值可以由用户根据实际情况自行设置。
后续，可以基于预设的输出策略，在输出这多个生理参数的同时，输出每个生理参数对应的偏差值，从而使用户可以结合各个生理参数与其对应的偏差值进行分析。举例来说，用户可以将输出策略设置为以表格的形式输出计算得到的多个生理参数，同时输出每个生理参数对应的偏差值，则此时可以输出如下表3所示的表格，以供用户查看、分析：
表3
由上述实施例可见，采用本申请技术方案，通过对被检体的医学影像的一次定量分析，可以同时得到该被检体不同被检部位的多个生理参数，并可以输出这多个生理参数，从而使用户可以同时对这多个生理参数进行查看、分析。采用这样的方式，可以提高生理参数的输出效率，满足同时输出多个生理参数的需求，提升用户体验。
与前述生理参数输出方法的实施例相对应，本申请还提供了生理参数输出装置的实施例。
本申请生理参数输出装置的实施例可以应用在CT设备、磁共振成像设备等医学影像设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本申请生理参数输出装置所在医学影像设备的一种硬件结构图，除了图3所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的医学影像设备通常根据该生理参数输出的实际功能，还可以包括其他硬件，对此不再赘述。
请参考图4，为本申请一示例性实施例示出的一种生理参数输出装置的框图。该装置400可以应用于图3所示的医学影像设备，包括：
提取单元401，用于在获取到被检体的医学影像后，针对所述被检体的至少一个被检部位，从所述医学影像中提取多个特定组织对应的图像区域；
第一计算单元402，用于基于所述多个特定组织对应的图像区域，计算所述被检部位的多个生理参数；
输出单元403，用于基于预设的输出策略，输出所述被检部位的多个生理参数。
在一个可选的实施例中，所述多个特定组织，可以包括：骨骼组织、脂肪组织和肌肉组织；
所述多个生理参数，可以包括：骨密度、脂肪体积、肌肉体积、肌肉密度、骨龄和体脂百分比。
在另一个可选的实施例中，所述特定组织，可以包括：骨骼组织、脂肪组织和肌肉组织；
所述提取单元401，可以包括：
第一提取子单元4011，用于基于深度学习算法对所述医学影像进行图像分割，以提取所述骨骼组织对应的图像区域；
第二提取子单元4012，用于基于snake算法对所述医学影像进行图像分割，以提取所述脂肪组织对应的图像区域；
第三提取子单元4013，用于基于阈值分割算法对所述医学影像中所述脂肪组织的轮廓内部的图像进行图像分割，以提取所述肌肉组织对应的图像区域。
在一个可选的实施例中，所述预设的输出策略，可以包括：所述被检部位和所述多个生理参数的组合方式，以及所述组合方式对应的输出方式。
在一个可选的实施例中，所述装置400还可以包括：
第二计算单元404，用于计算所述多个生理参数与预设的标准值之间的偏差值；
所述输出单元403，可以包括：
输出子单元4031，用于基于预设的输出策略，输出所述被检部位的多个生理参数和对应的偏差值。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，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申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (10)
1.一种生理参数输出方法，其特征在于，所述方法包括：
在获取到被检体的医学影像后，针对所述被检体的至少一个被检部位，从所述医学影像中提取多个特定组织对应的图像区域；
基于所述多个特定组织对应的图像区域，计算所述被检部位的多个生理参数；
基于预设的输出策略，输出所述被检部位的多个生理参数。
2.根据权利要求1所述的方法，其特征在于，所述多个特定组织，包括：骨骼组织、脂肪组织和肌肉组织；
所述多个生理参数，包括：骨密度、脂肪体积、肌肉体积、肌肉密度、骨龄和体脂百分比。
3.根据权利要求1所述的方法，其特征在于，所述特定组织，包括：骨骼组织、脂肪组织和肌肉组织；
所述从所述医学影像中提取多个特定组织对应的图像区域，包括：
基于深度学习算法对所述医学影像进行图像分割，以提取所述骨骼组织对应的图像区域；
基于snake算法对所述医学影像进行图像分割，以提取所述脂肪组织对应的图像区域；
基于阈值分割算法对所述医学影像中所述脂肪组织的轮廓内部的图像进行图像分割，以提取所述肌肉组织对应的图像区域。
4.根据权利要求1所述的方法，其特征在于，
所述预设的输出策略，包括：所述被检部位和所述多个生理参数的组合方式，以及所述组合方式对应的输出方式。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
计算所述多个生理参数与预设的标准值之间的偏差值；
所述基于预设的输出策略，输出所述被检部位的多个生理参数，包括：
基于预设的输出策略，输出所述被检部位的多个生理参数和对应的偏差值。
6.一种生理参数输出装置，其特征在于，所述装置包括：
提取单元，用于在获取到被检体的医学影像后，针对所述被检体的至少一个被检部位，从所述医学影像中提取多个特定组织对应的图像区域；
第一计算单元，用于基于所述多个特定组织对应的图像区域，计算所述被检部位的多个生理参数；
输出单元，用于基于预设的输出策略，输出所述被检部位的多个生理参数。
7.根据权利要求6所述的装置，其特征在于，所述多个特定组织，包括：骨骼组织、脂肪组织和肌肉组织；
所述多个生理参数，包括：骨密度、脂肪体积、肌肉体积、肌肉密度、骨龄和体脂百分比。
8.根据权利要求6所述的装置，其特征在于，所述特定组织，包括：骨骼组织、脂肪组织和肌肉组织；
所述提取单元，包括：
第一提取子单元，用于基于深度学习算法对所述医学影像进行图像分割，以提取所述骨骼组织对应的图像区域；
第二提取子单元，用于基于snake算法对所述医学影像进行图像分割，以提取所述脂肪组织对应的图像区域；
第三提取子单元，用于基于阈值分割算法对所述医学影像中所述脂肪组织的轮廓内部的图像进行图像分割，以提取所述肌肉组织对应的图像区域。
9.根据权利要求6所述的装置，其特征在于，
所述预设的输出策略，包括：所述被检部位和所述多个生理参数的组合方式，以及所述组合方式对应的输出方式。
10.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第二计算单元，用于计算所述多个生理参数与预设的标准值之间的偏差值；
所述输出单元，包括：
输出子单元，用于基于预设的输出策略，输出所述被检部位的多个生理参数和对应的偏差值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811125900.3A CN109512449A (zh) | 2018-09-26 | 2018-09-26 | 生理参数输出方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811125900.3A CN109512449A (zh) | 2018-09-26 | 2018-09-26 | 生理参数输出方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109512449A true CN109512449A (zh) | 2019-03-26 |
Family
ID=65769967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811125900.3A Pending CN109512449A (zh) | 2018-09-26 | 2018-09-26 | 生理参数输出方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109512449A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI779963B (zh) * | 2021-12-10 | 2022-10-01 | 長庚醫療財團法人林口長庚紀念醫院 | 營養狀態評估方法及營養狀態評估系統 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005192657A (ja) * | 2003-12-26 | 2005-07-21 | Aloka System Engineering Co Ltd | Ｘ線ｃｔ装置 |
| US20070053485A1 (en) * | 2005-09-08 | 2007-03-08 | Aloka Co., Ltd. | Computerized tomography device using X rays and image processing method |
| JP2016087359A (ja) * | 2014-11-11 | 2016-05-23 | 株式会社ファソテック | 生体質感モデル作製方法および生体質感モデル作製プログラム |
| US20160174902A1 (en) * | 2013-10-17 | 2016-06-23 | Siemens Aktiengesellschaft | Method and System for Anatomical Object Detection Using Marginal Space Deep Neural Networks |
| CN106558045A (zh) * | 2016-10-20 | 2017-04-05 | 上海联影医疗科技有限公司 | 一种肺组织分割方法、装置，医学图像处理系统 |
| US20170116497A1 (en) * | 2015-09-16 | 2017-04-27 | Siemens Healthcare Gmbh | Intelligent Multi-scale Medical Image Landmark Detection |
| WO2017222283A1 (ko) * | 2016-06-21 | 2017-12-28 | 가톨릭관동대학교 산학협력단 | 영상촬영 기반의 건강상태 분석 및 건강상태 정보 제공 방법 |
| CN107832807A (zh) * | 2017-12-07 | 2018-03-23 | 深圳联影医疗科技有限公司 | 一种图像处理方法和系统 |
| US20180160981A1 (en) * | 2016-12-09 | 2018-06-14 | General Electric Company | Fully automated image optimization based on automated organ recognition |
-
2018
- 2018-09-26 CN CN201811125900.3A patent/CN109512449A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005192657A (ja) * | 2003-12-26 | 2005-07-21 | Aloka System Engineering Co Ltd | Ｘ線ｃｔ装置 |
| US20070053485A1 (en) * | 2005-09-08 | 2007-03-08 | Aloka Co., Ltd. | Computerized tomography device using X rays and image processing method |
| US20160174902A1 (en) * | 2013-10-17 | 2016-06-23 | Siemens Aktiengesellschaft | Method and System for Anatomical Object Detection Using Marginal Space Deep Neural Networks |
| JP2016087359A (ja) * | 2014-11-11 | 2016-05-23 | 株式会社ファソテック | 生体質感モデル作製方法および生体質感モデル作製プログラム |
| US20170116497A1 (en) * | 2015-09-16 | 2017-04-27 | Siemens Healthcare Gmbh | Intelligent Multi-scale Medical Image Landmark Detection |
| WO2017222283A1 (ko) * | 2016-06-21 | 2017-12-28 | 가톨릭관동대학교 산학협력단 | 영상촬영 기반의 건강상태 분석 및 건강상태 정보 제공 방법 |
| CN106558045A (zh) * | 2016-10-20 | 2017-04-05 | 上海联影医疗科技有限公司 | 一种肺组织分割方法、装置，医学图像处理系统 |
| US20180160981A1 (en) * | 2016-12-09 | 2018-06-14 | General Electric Company | Fully automated image optimization based on automated organ recognition |
| CN107832807A (zh) * | 2017-12-07 | 2018-03-23 | 深圳联影医疗科技有限公司 | 一种图像处理方法和系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI779963B (zh) * | 2021-12-10 | 2022-10-01 | 長庚醫療財團法人林口長庚紀念醫院 | 營養狀態評估方法及營養狀態評估系統 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109035197B (zh) | 基于三维卷积神经网络的ct造影图像肾脏肿瘤分割方法及系统 | |
| Dalmış et al. | Using deep learning to segment breast and fibroglandular tissue in MRI volumes | |
| CN112885453A (zh) | 用于标识后续医学图像中的病理变化的方法和系统 | |
| Camilus et al. | Pectoral muscle identification in mammograms | |
| CN109754403A (zh) | 一种ct图像内的肿瘤自动分割方法及系统 | |
| CN109190682A (zh) | 一种基于3d核磁共振影像的脑部异常的分类方法及设备 | |
| US20230154007A1 (en) | Few-shot semantic image segmentation using dynamic convolution | |
| CN113469945B (zh) | 基于ct与mri显像融合的骶神经建模方法及系统 | |
| Fashandi et al. | An investigation of the effect of fat suppression and dimensionality on the accuracy of breast MRI segmentation using U‐nets | |
| RU2721078C2 (ru) | Сегментация анатомической структуры на основе модели | |
| 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 | |
| Hacihaliloglu et al. | Statistical shape model to 3D ultrasound registration for spine interventions using enhanced local phase features | |
| Pezeshk et al. | Seamless insertion of pulmonary nodules in chest CT images | |
| CN109191475A (zh) | 椎体终板分割方法、装置及计算机可读存储介质 | |
| KR20080025055A (ko) | 고속의 변형 가능한 포인트에 기초한 영상화에 관한 포인트하위선택 | |
| US20210110520A1 (en) | Method and system for simulating and constructing original medical images from one modality to other modality | |
| EP3600545B1 (en) | Determining at least one final two-dimensional image for visualizing an object of interest in a three-dimensional ultrasound volume | |
| CN109512449A (zh) | 生理参数输出方法和装置 | |
| DE102014201321A1 (de) | Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts | |
| CN113436187A (zh) | 颅脑ct血管造影图像的处理方法、装置、介质及电子设备 | |
| CN115861716B (zh) | 基于孪生神经网络和影像组学的胶质瘤分类方法及装置 | |
| CN107392976A (zh) | 数据处理方法、装置及设备 | |
| CN109767468A (zh) | 脏器体积检测方法及装置 | |
| CN110163847A (zh) | 基于ct/mr影像的肝脏肿瘤分割方法及装置 | |
| Diniz et al. | Spinal cord segmentation as oar in planning ct for radiotherapy using histogram matching, template matching, and u-net |
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: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant after: Shenyang Neusoft Medical Systems Co.,Ltd. Address before: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant before: SHENYANG NEUSOFT MEDICAL SYSTEMS Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190326 |