CN109961834B - 影像诊断报告的生成方法及设备 - Google Patents

影像诊断报告的生成方法及设备 Download PDF

Info

Publication number
CN109961834B
CN109961834B CN201910222052.6A CN201910222052A CN109961834B CN 109961834 B CN109961834 B CN 109961834B CN 201910222052 A CN201910222052 A CN 201910222052A CN 109961834 B CN109961834 B CN 109961834B
Authority
CN
China
Prior art keywords
interest
image
target
target region
information
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
Application number
CN201910222052.6A
Other languages
English (en)
Other versions
CN109961834A (zh
Inventor
张政
刘慧�
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201910222052.6A priority Critical patent/CN109961834B/zh
Publication of CN109961834A publication Critical patent/CN109961834A/zh
Priority to US16/679,446 priority patent/US11574716B2/en
Application granted granted Critical
Publication of CN109961834B publication Critical patent/CN109961834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种影像诊断报告的生成方法及设备。影像诊断报告的生成方法包括：获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，以及通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息；根据第一影像信息确定至少一个第一目标感兴趣区域，并确定与第一目标感兴趣区域对应的第一报告信息；根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，并确定与所述第二目标感兴趣区域对应的第二报告信息；根据第一报告信息和第二报告信息生成影像报告信息。本发明实施例的技术方案达到了科学而全面地生成影像诊断报告的效果，降低了运营成本及人工成本。

Description

影像诊断报告的生成方法及设备
技术领域
本发明实施例涉及诊断报告技术领域，尤其涉及一种影像诊断报告的生成方法及设备。
背景技术
目前，为了更详细地检测病灶及识别病灶，医生往往需要结合多种医疗方式来诊断。现有应用于诊断功能的医疗设备主要有X射线诊断设备、超声诊断设备、功能检查设备、内窥镜检查设备、核医学设备、实验诊断设备及病理诊断装备等。不同类型的医学成像设备具有各自的特点，例如：包括X线电子计算机断层扫描(computed tomography，CT)装置或者常规X线机在内的X线设置表，其通过测量透过人体的X射线来实现人体成像，对于密度较大的组织具有极高的分辨率，但是对于软组织病变分辨率较低；包括磁共振(magneticresonance，MR)设置的核医学设备通过测量构成人体组织元素的原子核发出MR信号实现人体成像，对于软组织具有较好的分辨率，但其对钙化、结石以及骨皮内质不含质子或者质子含量极少的组织，不能产生足够的磁共振信号，不利于诊断和鉴别诊断；正电子发射型计算机断层显像(positron emission computed tomography，PET)可根据人体不同组织的代谢状态不同，在高代谢的恶性肿瘤组织中葡萄糖代谢旺盛、聚集较多，这些特点能通过PET图像反映出来，从而可对病变进行诊断和分析，但是其分辨率很难达到1.0cm、图像模糊。
基于单模态影响诊断设备都有各自的局限性，业界产生了将两种或者两种以上的成像设备集成在一起的多模态医学成像设备，例如：提供功能代谢显像的PET设备和提供解剖结构显像的CT设备结合形成的PET-CT系统，通过计算机断层显像的方法显示人体的主要器官的生理代谢功能，同时应用CT技术为这些核素分布情况进行精确定位；又例如，具有分子成像功能的PET设备与具有卓越的软组织对比功能的MR设备结合起来形成的PET-MR系统，其实现了两种模态系统的优势互补。
现有多模态系统的报告生成方法需要医生手动捕获感兴趣信息，并对其进行病灶识别和特征描述。然而，由于多项影像学检查或者同步多模态影像检查所提供的数据量十分庞大，医生很难在短时间内全面整合多项影像学检查或者同步多模态影像检查所提供的影像信息，同时还需要相关医生具有多种医疗诊断方式的知识，增加了人工成本。此外，传统的报告生成方法效率低，运营成本高，且所生成的报告人为差异较大，不利于管理，不够科学、全面。
发明内容
本发明实施例提供了一种影像诊断报告的生成方法、装置、设备及存储介质，以实现影像诊断报告的自动生成，科学而全面地展示影像信息，效率高，节省成本。
第一方面，本发明实施例提供了一种影像诊断报告的生成方法，包括：
获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，以及获取通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息；
根据所述第一影像信息确定至少一个第一目标感兴趣区域，并确定与所述第一目标感兴趣区域对应的第一报告信息；
根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，并确定与所述第二目标感兴趣区域对应的第二报告信息；
根据所述第一报告信息和所述第二报告信息生成影像报告信息。
第二方面，本发明实施例还提供了一种影像诊断报告的生成装置，该影像诊断报告的生成装置包括：
第一影像信息模块，用于获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息；
第二影像信息模块，用于获取通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息；
第一报告信息确定模块，用于根据所述第一影像信息确定至少一个第一目标感兴趣区域，并确定与所述第一目标感兴趣区域对应的第一报告信息；
第二报告信息确定模块，用于根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，并确定与所述第二目标感兴趣区域对应的第二报告信息；
影像报告信息生成模块，根据所述第一报告信息和所述第二报告信息生成影像报告信息。
第三方面，本发明实施例还提供了一种设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器执行：
获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，以及获取通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息；
根据所述第一影像信息确定至少一个第一目标感兴趣区域；
根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域；
根据所述第一目标感兴趣区域和所述第二目标感兴趣区域生成影像报告信息。
第四方面，本发明实施例还提供了一种计算机可读储存介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的影像诊断报告的生成方法。
本发明实施例的技术方案，分别通过第一模态成像方法采集预设扫描部位的第一影像信息，第二模态成像方法采集该预设扫描部位的第二影像信息，能够结合第一模态成像方法和第二成像技术各自的成像优点获取到该预设扫描部位的更为全面的信息；然后，根据第一影像信息确定的至少一个第一目标感兴趣区域自动生成第一报告信息，根据所述第二影像信息与第一目标感兴趣区域对应的第二目标感兴趣区域的自动生成第二报告信息，能够同时结合第一报告信息和第二报告信息自动生成影像报告信息，从多方面、多角度描述影像信息，使得影像报告信息更加全面、丰富，解决了现有影像诊断报告的生成由于主要依赖于人为干预而导致的报告差异较大、运营成本高等技术问题，达到了科学而全面地生成影像诊断报告的效果，降低了运营成本及人工成本。
附图说明
图1是本发明实施例一中的一种影像诊断报告的生成方法的流程图；
图2是本发明实施例二中的一种影像诊断报告的生成方法的流程图；
图3是本发明实施例三中的一种影像诊断报告的生成装置的结构示意图；
图4是本发明实施例四中的一种设备的结构示意图。
图5是本发明实施例五中的一种设备的结构示意图。
图6是本发明实施例五中的一种MR扫描器的结构示意图。
图7是本发明实施例五中的一种PET扫描器的结构示意图。
图8是本发明实施例五中的一种显示器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
本申请提出一种多模态影像诊断报告的生成方法，该方法能够在包含处理器的医学影像工作站或者多模态医学成像设备中执行，其能够处理两种或者多种混合模态的医学成像数据，并生成影像诊断报告。示例性地，影像诊断报告的生成方法包括：首先，获取目标对象预设扫描部位同一期相下的第一影像信息和第二影像信息，第一影像信息可以是第一模态成像设备采集得到、反应目标对象预设扫描部位分子功能信息的医学图像，第一影像信息可以是第二模态成像设备采集得到、反应目标对象预设扫描部位结构/轮廓信息的医学图像；其次，在第一影像信息上可确定一个或多个第一目标感兴趣区域，该第一目标感兴趣区域对应代谢旺盛的组织，其灰度值可明显高于周围像素；再次，确定第二影像信息中与第一目标感兴趣区域对应的第二目标感兴趣区域；最后，根据第一目标感兴趣区域和第二目标感兴趣区域获取影像报告信息。
在一个实施例中，根据第一目标感兴趣区域和第二目标感兴趣区域获取影像报告信息可包括：从第一目标感兴趣区域生成第一报告信息，从第二目标感兴趣区域生成第二报告信息，联合第一报告信息和第二报告信息生成诊断报告。可选的，第一报告信息可以是PET图像定量反应的第一目标感兴趣区域的大小、体积，以及标化摄取(SUV)值；第一报告信息可以是MR图像反应的第二目标感兴趣区域的表观扩散系数(ADC)、T1值、T2值，通过这些数据能够反映第二目标感兴趣区域的脂肪含量、水含量等。
在另一个实施例中，根据第一目标感兴趣区域和第二目标感兴趣区域获取影像报告信息可包括：将第一目标感兴趣区域与第二目标感兴趣区域融合，依据融合结果确定诊断报告。
实施例一
图1为本发明实施例一提供的一种影像诊断报告的生成方法的流程图，本实施例可适用于多模态系统的影像诊断报告生成的情况，该方法可以由影像诊断报告的生成装置来执行，该装置可以由硬件和/或软件来实现，具体包括如下步骤：
步骤110、获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，以及通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息。
可选地，第一影像信息与第二影像信息可对应目标对象的同一期相，例如对应目标对象呼吸末期或者心脏的舒张期等。
可选的，所述第一模态成像方法可包括正电子发射计算机断层成像(PET)或单光子发射计算机断层成像(SPECT)成像，该第一模态成像方法形成的图像能够反映受检者目标区域的分子功能，显示人体的主要器官的生理代谢功能。所述第二模态成像方法可包括核磁共振成像MRI、电子计算机断层扫描成像CT、光学成像以及超声成像等成像。
可以理解的是，为了更全面的采集所述目标对象所述预设扫描部位的影像信息，第一模态成像方法与第二模态成像方法可以不相同。例如，第一模态成像方法可以基于飞行时间(time of flight)的TOF-PET重建方法、基于蒙特卡罗模拟的重建方法、泊松模型的最大似然类算法、卷积反投影方法、滤波反投影方法、最大后验重建方法等，第二模态成像方法可以基于压缩感知的MR重建方法、半傅里叶成像、钥孔成像、并行成像等，还是可以反投影法、迭代法、滤波反投影方法等。
可选的，获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，包括：
获取通过第一模态成像方法采集到的目标对象的预设扫描部位的原始影像信息，可选的，在第一模态成像之前目标对象可提前注射或者复用碳11、氟18等放射性核素，随着代谢的消耗，注射的物质会在组织内聚集，由此来反应组织的代谢活动情况；
根据接收到的用户输入的信息筛选操作确定所述原始影像信息中的第一影像信息。
可选的，所述的用户输入的信息筛选操作，可以是通过鼠标、键盘、触摸屏等方式进行输入。
可选的，所述第一影像信息、第二影像信息包括图片信息、视频信息等，该图片信息可以是三维医学图像。可选地，第一影像信息能够直接反应放射性核素分布，例如：部分区域的灰度值较高，表明放射性核素较多，该部分可能对应高代谢的恶性肿瘤组织；部分区域的灰度值较低或者趋向于均匀分布，该部分区域则属于正常组织。可选地，第二影像信息可以是一些列的二维图像序列，通过该二维图像序列能否反应目标对象的结构轮廓，以确定目标对象是肺边界、盆腔边界或者其他。
步骤120、根据所述第一影像信息确定至少一个第一目标感兴趣区域，并确定与所述第一目标感兴趣区域对应的第一报告信息。可选的，所述第一报告信息包括文字信息，图片信息，图片标注信息及视频信息中的至少一种。
可以理解的是，根据所述第一影像信息可确定出一个、两个或两个以上的第一目标感兴趣区域。当然，需要说明的是，由于不同组织的辐射衰减系数不同，不同组织之间的灰度值也存在明显差异，可选的，本实施例中所述的第一目标感兴趣区域的灰度值区别于周围像素点的灰度值，通常表现为高于周围的像素点的灰度值。
可选的，可通过图像识别算法确定出所述第一影像信息中满足预设条件的区域作为第一目标感兴趣区域，其中，预设条件可以是预设像素点的灰度值范围和/或图像的亮度值范围等，也可以是，组织结构的形状、面积及长度等参数值或参数范围。
可选的，根据所述第一影像信息确定至少一个第一目标感兴趣区域，包括：根据所述第一影像信息与影像识别算法确定至少两个待选目标感兴趣区域；接收用户输入的区域筛选操作，根据所述区域筛选操作确定出所述至少两个待选目标感兴趣区域中的至少一个第一目标感兴趣区域。
可选的，根据所述第一影像信息确定至少一个第一目标感兴趣区域，还包括：根据所述第一影像信息与影像识别算法确定至少一个第一目标感兴趣区域；或者，接收用户输入的区域选中操作，根据所述区域选中操作确定出至少一个第一目标感兴趣区域。
可选的，所述的用户输入的区域筛选操作，可以是通过鼠标、键盘、触摸屏等方式进行输入。
可选的，确定与所述第一目标感兴趣区域对应的第一报告信息，包括：
识别所述第一目标感兴趣区域的第一区域特征；可选的，所述第一区域特征包括：灰度值范围，灰度值分布、组织面积、组织长度等。
根据所述第一目标感兴趣区域及所述第一区域特征生成第一报告信息。
可选的，所述第一报告信息包括文字信息，图片信息，图片标注信息及视频信息中的至少一种。
在上述技术方案的基础上，本实施例的影像诊断报告的生成方法还可进一步包括：将所述至少两个待选目标感兴趣区域中除第一目标感兴趣区域之外的待选目标感兴趣区域作为用户筛除区域；根据所述第一影像信息的所述第一目标感兴趣区域和所述用户筛除区域对预先建立的深度学习模型进行训练，得到第一目标感兴趣区域确定模型。
可选的，所述深度学习模型所采用的深度学习算法包括神经网络算法、线性回归算法、逻辑回归算法、决策树算法、SVM算法、朴素贝叶斯算法、K最近邻算法、K均值算法、随机森林算法、降维算法、Gradient Boost算法和Adaboost算法任一项或多项。
可选的，根据所述第一影像信息的所述第一目标感兴趣区域和所述用户筛除区域对预先建立的深度学习模型进行训练，得到第一目标感兴趣区域确定模型，还包括：
初始化所述第一目标感兴趣区域确定模型，可以根据大量的实际目标感兴趣区域的确定过程进行初始化，或者根据经验丰富的一位或多位用户的经验进行初始化。
可选的，根据所述第一影像信息确定至少一个第一目标感兴趣区域，包括：根据所述第一影像信息与影像识别算法确定至少两个待选目标感兴趣区域；将所述至少两个待选目标感兴趣区域输入第一目标感兴趣区域确定模型，得到至少一个第一目标感兴趣区域。采用本技术方案，通过引入第一目标感兴趣区域确定模型，学习用户操作，不断优化本发明实施例技术方案中的确定至少一个第一目标感兴趣区域的步骤，从而获取更为准确的第一目标感兴趣区域，减少人为操作，使得本实施例的影像诊断报告的生成方法更为智能。
步骤130、根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，并确定与所述第二目标感兴趣区域对应的第二报告信息。可选的，所述第二报告信息包括文字信息，图片信息，图片标注信息及视频信息中的至少一种。
可以理解的是，根据所述至少一个第一目标感兴趣区域及所述第二影像可确定出一个、两个或两个以上的第二目标感兴趣区域。
可选地，根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，包括：将所述第一影像信息与所述第二影像信息进行图像融合或图像配准，根据所述至少一个第一目标感兴趣区域得到所述第二影像信息中的与所述第一目标感兴趣区域相匹配的区域作为第二目标感兴趣区域。其中，第一目标感兴趣区域与第二目标感兴趣区域可对应于目标对象的预设扫描部位的同一扫描区域，或者说是对应的同一组织的相同部位；第一目标感兴趣区域与第二目标感兴趣区域也可以是同一目标对象的不同扫描区域，例如，第二目标感兴趣区域可以是与所述第一目标感兴趣区域具有关联关系的区域，其中，关联关系可以根据预设扫描部位的结构和/或病理相关性确定。
需要说明的是，第一报告信息和第二报告信息的表现形式可以相同也可以不同。例如，第一报告信息是图片视频等形式的报告信息，第二信息时文字形式等的报告信息。为了保证报告的全面性和丰富性，所述第一报告信息描述第一目标感兴趣的第一特征，第二报告信息的可以描述第二目标感兴趣的第二特征，其中，第一特征和第二特征可以是与预设扫描部位的感兴趣区域对应的不同维度的信息或者相同维度的信息，例如都是描述感兴趣区域的尺寸、灰度等。
步骤140、根据所述第一报告信息和所述第二报告信息生成影像报告信息。
可选的，所述影像报告信息包括图像信息，图像标注信息，文字信息及视频信息。其中，所述图像标注信息，包括区域特征信息，可以是长度、面积、密度和灰度一种或多种。
示例性地，根据所述第一报告信息和所述第二报告信息生成影像报告信息，可以是将第一报告信息与第二报告信息合并生成影像报告信息，也可以是根据预设的报告筛选规则将所述第一报告信息的信息内容与所述第二报告信息的信息内容进行筛选后生成影像报告信息，还可以是根据第二报告信息对所述第一报告信息中的报告内容进行校正，根据校正后的第一报告信息生成影像报告信息，又可以是根据第一报告信息对所述第二报告信息中的报告内容进行校正，根据校正后的第二报告信息生成影像报告信息。
本发明实施例的技术方案，分别通过第一模态成像方法采集预设扫描部位的第一影像信息，第二模态成像方法采集该预设扫描部位的第二影像信息，能够结合第一模态成像方法和第二成像技术各自的成像优点获取到该预设扫描部位的更为全面的信息；然后，根据第一影像信息确定的至少一个第一目标感兴趣区域自动生成第一报告信息，根据所述第二影像信息与第一目标感兴趣区域对应的第二目标感兴趣区域的自动生成第二报告信息，能够同时结合第一报告信息和第二报告信息自动生成影像报告信息，从多方面、多角度描述影像信息，使得影像报告信息更加全面、丰富，解决了现有影像诊断报告的生成由于主要依赖于人为干预而导致的报告差异较大、运营成本高等技术问题，达到了科学而全面地生成影像诊断报告的效果，降低了运营成本及人工成本。
实施例二
图2为本发明实施例二提供的一种影像诊断报告的生成方法的流程图，本实施例的技术方案在上述技术方案的基础上进一步细化，可选地，本发明实施例影像诊断报告的生成方法还包括：接收用户在预设界面输入的第三报告信息，根据所述第三报告信息更新所述影像报告信息。
如图2所示，本实施例的方法包括：
步骤210、获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，以及通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息。
步骤220、根据所述第一影像信息确定至少一个第一目标感兴趣区域，并确定与所述第一目标感兴趣区域对应的第一报告信息。
步骤230、根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，并确定与所述第二目标感兴趣区域对应的第二报告信息。
步骤240、根据所述第一报告信息和所述第二报告信息生成影像报告信息。
步骤250、接收用户在预设界面输入的第三报告信息，根据所述第三报告信息更新所述影像报告信息。
可选的，所述第三报告信息，可以是用户输入的文字描述信息、区域标记信息、图像信息、视频信息、表格信息等一项或多项。
可选的，接收用户在预设界面输入的第三报告信息，可以是通过键盘、触摸屏或者鼠标在可编辑区域输入，或者通过语音进行输入，或者是通过鼠标、触摸屏在可编辑区域进行选择，比如选择下拉菜单中的一个或多个选项。
可选的，根据所述第三报告信息更新所述影像报告信息，可以是将根据所述第一报告信息和所述第二报告信息生成影像报告信息进行修改、替换、添加等操作。
本发明实施例的技术方案，通过增加第三报告信息，对第一报告信息和第二报告信息进行了修正或者补充，从而能够获得更加准确、完整和可读性强的报告信息；通过根据所述第三报告信息更新所述影像报告信息，使得影像报告信息更加准确、丰富、全面，解决了自动生成影像诊断报告的可读性不够强的技术问题，达到了科学而全面地生成影像诊断报告的效果，保障了报告的准确度，提高了报告的可读性。
实施例三
图3是本发明实施例三中的一种影像诊断报告的生成装置的结构示意图，如图3所示，影像诊断报告的生成装置包括：第一影像信息模块310、第二影像获取信息模块320、第一报告信息确定模块330、第二报告信息确定模块340和影像报告信息生成模块350。
其中，第一影像信息模块310，用于获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息；第二影像获取信息模块320，用于获取通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息；第一报告信息确定模块330，用于根据所述第一影像信息确定至少一个第一目标感兴趣区域，并确定与所述第一目标感兴趣区域对应的第一报告信息；第二报告信息确定模块340，根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，并确定与所述第二目标感兴趣区域对应的第二报告信息；影像报告信息生成模块350，根据所述第一报告信息和所述第二报告信息生成影像报告信息。
本发明实施例的技术方案，分别通过第一模态成像方法采集预设扫描部位的第一影像信息，第二模态成像方法采集该预设扫描部位的第二影像信息，能够结合第一模态成像方法和第二成像技术各自的成像优点获取到该预设扫描部位的更为全面的信息；然后，根据第一影像信息确定的至少一个第一目标感兴趣区域自动生成第一报告信息，根据所述第二影像信息与第一目标感兴趣区域对应的第二目标感兴趣区域的自动生成第二报告信息，能够同时结合第一报告信息和第二报告信息自动生成影像报告信息，从多方面、多角度描述影像信息，使得影像报告信息更加全面、丰富，解决了现有影像诊断报告的生成由于主要依赖于人为干预而导致的报告差异较大、运营成本高等技术问题，达到了科学而全面地生成影像诊断报告的效果，降低了运营成本及人工成本。
可选的，第一影像获取信息模块310，还用于：
获取通过核正电子发射计算机断层成像技术PET或单光子发射计算机断层成像技术SPECT采集的所述目标对象所述预设扫描部位的第一影像信息。
可选的，第一影像获取模块310，包括：
原始影像信息获取单元，用于获取通过第一模态成像方法采集到的目标对象的预设扫描部位的原始影像信息；
第一影像获取单元，用于根据接收到的用户输入的信息筛选操作确定所述原始影像信息中的第一影像信息。
可选的，第二影像获取信息模块320，还用于：
获取通过核磁共振成像技术MRI、电子计算机断层扫描成像技术CT、光学成像技术或者超声成像技术采集的所述目标对象所述预设扫描部位的第二影像信息。
可选的，第一报告信息确定模块330，包括：
待选目标感兴趣区域确定单元，用于根据所述第一影像信息与影像识别算法确定至少两个待选目标感兴趣区域；
筛选操作接收单元，用于接收用户输入的区域筛选操作；
第一目标感兴趣区域确定单元，用于根据所述区域筛选操作确定出所述至少两个待选目标感兴趣区域中的至少一个第一目标感兴趣区域；
第一报告信息确定单元，用于根据所述至少一个第一目标感兴趣区域确定与之对应的第一报告信息。
可选的，第一报告信息确定模块330，还包括：
第一目标感兴趣区域确定模型获取单元，用于将所述至少两个待选目标感兴趣区域中除第一目标感兴趣区域之外的待选目标感兴趣区域作为用户筛除区域；根据所述第一影像信息的所述第一目标感兴趣区域和所述用户筛除区域对预先建立的深度学习模型进行训练，得到第一目标感兴趣区域确定模型。
可选的，第一报告信息确定模块330，包括：
待选目标感兴趣区域确定单元，用于根据所述第一影像信息与影像识别算法确定至少两个待选目标感兴趣区域；
第一目标感兴趣区域确定单元，用于将所述至少两个待选目标感兴趣区域输入第一目标感兴趣区域确定模型，得到至少一个第一目标感兴趣区域；
第一报告信息确定单元，用于根据所述至少一个第一目标感兴趣区域确定与之对应的第一报告信息。
可选的，影像诊断报告的生成装置，还包括：
影响报告信息更新模块360，用于接收用户在预设界面输入的第三报告信息，根据所述第三报告信息更新所述影像报告信息。
本发明实施例所提供的影像诊断报告的生成装置可执行本发明任意实施例所提供的影像诊断报告的生成方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图，如图4所示，该设备包括处理器410、存储器420、输入装置430和输出装置440；设备处理器410的数量可以是一个或多个，图4中以一个处理器410为例；设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的影像诊断报告的生成方法对应的程序指令/模块(例如，影像诊断报告装置中的第一影像信息获取模块310、第二影像信息获取模块320、第一报告信息确定模块330、第二报告信息确定模块340和影像报告信息生成模块350)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及多媒体信息处理，即实现上述的影像诊断报告的生成方法。
存储器420可主要包括存储程序区和存储多媒体信息区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储多媒体信息区可存储根据终端的使用所创建的多媒体信息等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备或打印机。
实施例五
图5为本发明实施例五提供的一种设备的结构示意图，如图5所示，该设备500设置为PET-MR多模态医学图像处理装置，其包括：MR扫描器510、PET扫描器520、图像处理器530、控制器540和显示器550。
MR扫描器510，用于在扫描期间采集感兴趣区域的MR成像数据，并重建得到MR图像；PET扫描器520用于在扫描期间采集感兴趣区域的PET成像数据。在一个实施例中，MR扫描器510和PET扫描器520集成在一个多模态成像系统中，MR数据或PET数据可同时或相继连续采集。可选的，MR数据或PET数据可存储在硬盘、云存储器等介质中，在需要成像时获取。
图像处理器530可获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，以及获取通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息；根据所述第一影像信息确定第一目标感兴趣区域；根据第一目标感兴趣区域确定第二影像信息中的第二目标感兴趣区域；根据第一目标感兴趣区域和第二目标感兴趣区域生成影像报告信息。在此实施例中，第一模态成像方法为PET成像，第二模态成像方法为MR成像。图像处理器530可重建MR成像数据产生感兴趣区域的MR图像，以及重建PET数据，并产生同一感兴趣区域的PET图像，可选的，该PET图像为经过衰减图校正的图像。
在一个实施例中，图像处理器530可将MR图像配准至PET图像或将PET图像配准至MR图像，以获取两者的对应关系。可选的，上述配准过程可采用光流场方法、基于特征点的配准方法、基于轮廓的配准方法、基于灰度信息的配准方法等。
可选的，图像处理器530可设置在本地或远程。MR扫描器510和PET扫描器520可共用图像处理器530或分别采用各自对应的图像处理器。
控制器540用于监测或控制MR扫描器510、PET扫描器520、图像处理器530和显示器550。可选的，控制器540可以包括中央处理器(Central Processing Unit，CPU)、专门应用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令处理器(Application Specific Instruction Set Processor，ASIP)、图形处理单元(GraphicsProcessing Unit，GPU)、物理处理器(Physics Processing Unit，PPU)、数字信号处理器(Digital Processing Processor，DSP)、现场可编程逻辑门阵列(Field-ProgrammableGate Array，FPGA)、ARM处理器等中的一种或几种的组合。
显示器550用于显示感兴趣区域的MR图像、PET图像，或显示PET图像与MR图像的融合图像。进一步地，显示器550还可显示受检者的身高、体重、年龄、成像部位、以及MR扫描器510、MR扫描器的工作状态、PET扫描器520、PET扫描器的工作状态等。可选的，显示器550的类型可以是阴极射线管(CRT)显示器、液晶显示器(LCD)、有机发光显示器(OLED)、等离子显示器等中的一种或几种的组合。
设备500可连接一个局域网(Local Area Network，LAN)、广域网(Wide AreaNetwork，WAN)、公用网络、私人网络、专有网络、公共交换电话网(Public SwitchedTelephone Network，PSTN)、互联网、无线网络、虚拟网络、或者上述网络的任何组合。
图6为本发明实施例五提供的设备的MR扫描器510结构示意图，示例性地，该MR扫描器510包括MR信号获取模块610、MR控制模块620和MR数据处理模块630和MR数据存储模块640。其中，MR信号获取模块610包括磁体单元611和射频单元612。磁体单元611主要包括产生B0主磁场的主磁体和产生梯度的梯度组件。磁体单元211中包含的主磁体可以是永磁体或超导磁体，梯度组件主要包含梯度电流放大器(AMP)、梯度线圈，梯度组件还可包含三个独立通道Gx、Gy、Gz，每个梯度放大器激发梯度线圈组中对应的一个梯度线圈，产生用于生成相应空间编码信号的梯度场，以对磁共振信号进行空间定位。射频单元612主要包括射频发射线圈和射频接收线圈，射频发射线圈用于向受检者或人体发射射频脉冲信号，射频接收线圈用于接收从人体采集的磁共振信号，且根据功能的不同，组成射频单元612的射频线圈可分为体线圈和局部线圈。在一个实施例中，体线圈或局部线圈的种类可以是鸟笼形线圈、螺线管形线圈、马鞍形线圈、亥姆霍兹线圈、阵列线圈、回路线圈等。在一个具体实施例中，局部线圈设置为阵列线圈，且该阵列线圈可设置为4通道模式、8通道模式或16通道模式。磁体单元611和射频单元612可组成开放性低场磁共振装置或者封闭型超导磁共振装置。
MR控制模块620可监测包含磁体单元611和射频单元612的MR信号获取模块610、MR数据处理模块630。具体地，MR控制模块620可接收MR信号获取模块610发送的信息或者脉冲参数；此外，MR控制模块620还可控制MR数据处理模块的处理过程。在一个实施例中，MR控制模块620还连接有包含脉冲序列发生器、梯度波形发生器、发射机和接收机等，在接受用户从控制台发出的指令后，控制磁场模块611执行相应扫描序列。
示例性地，本发明MR扫描器510产生MR数据的具体过程包括：主磁体产生B0主磁场，受检者体内的原子核在主磁场作用下产生进动频率，该进动频率与主磁场强度呈正比；MR控制模块620存储和发送需要执行的扫描序列(scansequence)的指令，脉冲序列发生器根据扫描序列指令对梯度波形发生器和发射机进行控制，梯度波形发生器输出具有预定时序和波形的梯度脉冲信号，该信号经过Gx、Gy和Gz梯度电流放大器，再通过梯度组件中的三个独立通道Gx、Gy、Gz，每个梯度放大器激发梯度线圈组中对应的一个梯度线圈，产生用于生成相应空间编码信号的梯度场，以对磁共振信号进行空间定位；脉冲序列发生器还执行扫描序列，输出包括射频发射的射频脉冲的计时、强度、形状等数据以及射频接收的计时和数据采集窗口的长度到发射机，同时发射机将相应射频脉冲发送至射频单元612中的体发射线圈产生B1场，在B1场作用下病人体内被激发的原子核发出的信号被射频单元612中的接收线圈感知到，然后通过发送/接收开关传输到MR数据处理模块630，经过放大、解调、过滤、AD转换等数字化处理，然后传输到MR数据存储模块640。当MR数据存储模块240获取一组原始的k-空间数据后，扫描结束。原始的k-空间数据被重新整理成与每个将被重建的图像对应的单独的k-空间数据组，每个k-空间数据组被输入到阵列处理器，进行图像重建后结合磁共振信号，形成一组图像数据。
图7为本发明实施例五提供的设备的PET扫描器结构示意图。该PET扫描器520用于在受检者扫描产生与被扫描部位对应的PET数据，其具体包括探测器模块710、PET信号处理模块720、符合计数模块730和PET控制模块740。其中，探测器模块710包括一系列的探测器单元，该探测器单元可沿机架圆周的中心轴排列组成多个探测器环，受检者P可处于由多个探测器围成的扫描视野(Field Of View，FOV)内成像。示例性地，上述PET扫描器获取PET数据的过程为：在PET扫描前，向受检者P体内注入放射性同位素标识的药剂(示踪剂)；探测器检测从被检体P内部放出的成对湮没伽马射线，生成与检测出的成对湮没伽马射线的光量相应的脉冲状电信号；该脉冲状电信号被供给PET信号处理模块720，PET信号处理模块720根据电信号生成单事件数据(SingleEvent Data)，实际中PET信号处理模块720通过检出电信号的强度超过阈值这一情况，从而电检测湮没γ射线；单事件数据被供给至符合计数模块730，符合计数模块730对与多个单事件有关的单事件数据实施同时计数处理。具体情况是，符合计数模块730从重复供给的单事件数据中重复确定容纳在与预先设定的时间范围内的两个单事件有关的事件数据，时间范围被设定为例如6ns～18ns左右。该成对的单事件被推测为由来于从同一成对湮没点产生的成对湮没γ射线，其中成对的单事件概括地被称为符合事件。连结检测出该成对湮没γ射线的成对的探测器的线被称为响应线(Line OfResponse,LOR)。与符合响应线对应的符合数据即为PET数据。
上述涉及的放射性同位素标识的药剂可以是可逆示踪剂或不可逆示踪剂，PET扫描的过程可以采用单示踪剂扫描或多示踪剂动态扫描。在一个实施例中选择头部作为扫描区域，PET扫描为双示踪剂动态扫描，示踪剂包含第一示踪剂I1和第T0时刻注入的第二示踪剂I2，且第一示踪剂为可逆示踪剂具体为13N-NH3，第二示踪剂为不可逆示踪剂具体为18F-FDG，动态扫描具体为：PET扫描从t＝0开始，且在t＝0向受检者体内注入第一示踪剂I1；在t＝T0时注入第二示踪剂I2，经过时间T1扫描结束，整个扫描过程持续时间为T0+T1。在扫描过程中，采用探测器对注入示踪剂的头部进行实时探测获取受检者头部发出的放射性信号，经过该符合探测和采集系统处理，形成原始的符合数据，采集频率为每单位时刻采集一次，得到T0+T1组符合计数，其中：在T0时间段内采集得到的T0组符合计数对应第一示踪剂I1，在T1时间段内采集得到的T1组符合计数同时对应第一示踪剂I1和第二示踪剂I2。
可选的，MR扫描器510和PET扫描器520相互之间可独立成像，也可设置为多模态一体化成像系统。在一个实施例中，MR扫描器510和PET扫描器520可组成PET/MR多模态成像系统，更具体地，PET/MR多模态成像系统包含有射频线圈支架；包含多个射频线圈的射频单元612可固定在射频线圈支架的外表面；探测器模块710环绕设置在具有射频线圈的射频线圈支架外表面，且PET探测器与射频线圈之间设置有屏蔽层；射频单元、探测器模块同时位于主磁体孔径内部。
图8为本发明实施例五提供的设备的显示器550显示内容的示意图，如图所示，显示器550显示内容包括交互区和显示区。示例性的，在页面的最左侧为第一显示区，示例性的，当前显示的为PET图像，图像处理器530可根据PET图像的像素点分布自动识别候选病灶所在的区域。在此实施例中，头部的像素点虽然明显区别于其他周边组织，但其整体均匀分布，图像处理器530依然将其归类为正常组织，而仅将与同一组织的像素点明显区别的像素点自动提取。在PET图像的右侧会显示候选病灶的区域选择框，该部分属于第一交互区域，用于医师确定自动检测结果是否临床可信或者感兴趣。当医师选择第一交互区域中的一个候选病灶的区域选择框，其在PET图像上会自动显示轮廓，同时在第二交互区会显示候选病灶的区域选择框对应的PET图像、对应的MR图像以及PET-MR融合图像。
于此同时，医师在第二交互区可进一步地根据图像直观确定是否临床可信或者感兴趣，提供多样化的临床诊断图像。
可选的，第二交互区可设置成能够显示不同比例的图像显示结果。
在右下方的结果显示区域，还会显示第一报告信息、第二报告信息以及影像报告信息中的一者或者多者。
实施例六
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种影像诊断报告生成，该方法包括：
获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，以及通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息，其中，所述第一模态成像方法包括正电子发射计算机断层成像PET和单光子发射计算机断层成像SPECT；
根据所述第一影像信息确定至少一个第一目标感兴趣区域，并确定与所述第一目标感兴趣区域对应的第一报告信息；
根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，并确定与所述第二目标感兴趣区域对应的第二报告信息；
根据所述第一报告信息和所述第二报告信息生成影像报告信息。影像报告信息可以是两者的集合，也可以是基于两者的信息得到的结果分析。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的影像诊断报告中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种影像诊断报告的生成方法，其特征在于，包括：
获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，以及获取通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息，所述第一影像信息与所述第二影像信息对应所述目标对象的同一期相；
根据所述第一影像信息确定至少一个第一目标感兴趣区域，并确定与所述第一目标感兴趣区域对应的第一报告信息；
根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，并确定与所述第二目标感兴趣区域对应的第二报告信息，所述第二目标感兴趣区域是与所述第一目标感兴趣区域具有关联关系的区域，其中，所述关联关系根据预设扫描部位的结构和/或病理相关性确定；
根据所述第一报告信息和所述第二报告信息生成影像报告信息；
所述根据所述第一影像信息确定至少一个第一目标感兴趣区域，包括：
根据所述第一影像信息与影像识别算法确定至少两个待选目标感兴趣区域；
将所述至少两个待选目标感兴趣区域中除第一目标感兴趣区域之外的待选目标感兴趣区域作为用户筛除区域；
根据所述第一影像信息的所述第一目标感兴趣区域和所述用户筛除区域对预先建立的深度学习模型进行训练，得到第一目标感兴趣区域确定模型。
2.根据权利要求1所述的影像诊断报告的生成方法，其特征在于，还包括：
接收用户在预设界面输入的第三报告信息；
根据所述第三报告信息更新所述影像报告信息。
3.根据权利要求1所述的影像诊断报告的生成方法，其特征在于，所述根据所述第一影像信息确定至少一个第一目标感兴趣区域，还包括：
接收用户输入的区域筛选操作，根据所述区域筛选操作确定出所述至少两个待选目标感兴趣区域中的至少一个第一目标感兴趣区域。
4.根据权利要求1所述的影像诊断报告的生成方法，其特征在于，所述根据所述第一影像信息确定至少一个第一目标感兴趣区域，包括：
根据所述第一影像信息与影像识别算法确定至少两个待选目标感兴趣区域；
将所述至少两个待选目标感兴趣区域输入所述第一目标感兴趣区域确定模型，得到至少一个第一目标感兴趣区域。
5.根据权利要求1所述的影像诊断报告的生成方法，其特征在于，根获取通过第一模态成像方法采集到的目标对象的预设扫描部位的第一影像信息，包括：
获取通过第一模态成像方法采集到的目标对象的预设扫描部位的原始影像信息；
根据接收到的用户输入的信息筛选操作确定所述原始影像信息中的第一影像信息。
6.根据权利要求1所述的影像诊断报告的生成方法，其特征在于，所述第一影像信息反应所述预设扫描部位的分子功能信息，所述第二影像信息反应所述预设扫描部位的结构轮廓信息。
7.一种影像诊断报告的生成设备，其特征在于，包括，
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器执行：
获取通过第一模态成像方法采集的目标对象预设扫描部位的第一影像信息，以及获取通过第二模态成像方法采集的所述目标对象所述预设扫描部位的第二影像信息，所述第一影像信息与所述第二影像信息对应所述目标对象的同一期相；
根据所述第一影像信息确定至少一个第一目标感兴趣区域；
根据所述至少一个第一目标感兴趣区域确定所述第二影像信息中的至少一个第二目标感兴趣区域，所述第二目标感兴趣区域是与所述第一目标感兴趣区域具有关联关系的区域，其中，所述关联关系根据预设扫描部位的结构和/或病理相关性确定；
根据所述第一目标感兴趣区域和所述第二目标感兴趣区域生成影像报告信息；
所述根据所述第一影像信息确定至少一个第一目标感兴趣区域，包括：
根据所述第一影像信息与影像识别算法确定至少两个待选目标感兴趣区域；
将所述至少两个待选目标感兴趣区域中除第一目标感兴趣区域之外的待选目标感兴趣区域作为用户筛除区域；
根据所述第一影像信息的所述第一目标感兴趣区域和所述用户筛除区域对预先建立的深度学习模型进行训练，得到第一目标感兴趣区域确定模型。
8.根据权利要求7所述的设备，其特征在于，还包括：
PET成像装置，用于对目标对象预设扫描部位执行第一模态成像；
MR成像装置或CT成像装置，用于对目标对象预设扫描部位执行第二模态成像；
所述PET成像装置和所述MR成像装置集成为一体；或者；
所述PET成像装置和所述CT成像装置集成为一体。
9.根据权利要求7所述的设备，其特征在于，还包括：
显示器，所述显示器的显示内容包括交互区和显示区；
所述显示区用于显示第一影像信息、第二影像信息或者影像报告信息中的至少一者；
所述交互区用于被操作以显示第一目标感兴趣区域、第二目标感兴趣区域、第一目标感兴趣区域与第二目标感兴趣区域的融合中的至少一者；或者，
所述交互区用于被操作以隐藏或者删除第一目标感兴趣区域、第二目标感兴趣区域中的至少一者。
CN201910222052.6A 2019-03-22 2019-03-22 影像诊断报告的生成方法及设备 Active CN109961834B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910222052.6A CN109961834B (zh) 2019-03-22 2019-03-22 影像诊断报告的生成方法及设备
US16/679,446 US11574716B2 (en) 2019-03-22 2019-11-11 System and method for generating imaging report

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910222052.6A CN109961834B (zh) 2019-03-22 2019-03-22 影像诊断报告的生成方法及设备

Publications (2)

Publication Number Publication Date
CN109961834A CN109961834A (zh) 2019-07-02
CN109961834B true CN109961834B (zh) 2023-06-27

Family

ID=67024720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910222052.6A Active CN109961834B (zh) 2019-03-22 2019-03-22 影像诊断报告的生成方法及设备

Country Status (2)

Country Link
US (1) US11574716B2 (zh)
CN (1) CN109961834B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110349151B (zh) * 2019-07-16 2021-12-03 科大讯飞华南人工智能研究院（广州）有限公司 一种目标识别方法及装置
CN110353711A (zh) * 2019-07-19 2019-10-22 江苏康众数字医疗科技股份有限公司 基于ai的x射线成像分析方法、装置及可读存储介质
WO2021031069A1 (zh) * 2019-08-19 2021-02-25 深圳先进技术研究院 一种图像重建方法及装置
CN111564204A (zh) * 2020-04-21 2020-08-21 武汉联影医疗科技有限公司 电子胶片的生成方法、装置、计算机设备和存储介质
US11659029B2 (en) * 2020-05-29 2023-05-23 Vmware, Inc. Method and system for distributed multi-cloud diagnostics
JP7502089B2 (ja) * 2020-06-03 2024-06-18 キヤノン株式会社 医用情報処理装置、医用情報処理システム、医用情報処理方法、およびプログラム
CN111797832B (zh) * 2020-07-14 2024-02-02 成都数之联科技股份有限公司 一种图像感兴趣区域自动生成方法及系统及图像处理方法
CN114067994A (zh) * 2020-08-07 2022-02-18 上海联影医疗科技股份有限公司 一种目标部位的方位标记方法及系统
CN112085730A (zh) * 2020-09-18 2020-12-15 上海联影医疗科技股份有限公司 感兴趣区域成分分析方法、装置、电子设备和介质
CN116325009A (zh) * 2020-09-25 2023-06-23 上海联影医疗科技股份有限公司 医疗系统和方法
WO2022175062A1 (en) * 2021-02-22 2022-08-25 Koninklijke Philips N.V. Method for estimating radiation exposure in a 3d environment
CN113592773B (zh) * 2021-06-25 2023-07-25 东莞市鑫泰仪器仪表有限公司 一种阀门泄漏监测的无线声学成像方法及装置
CN113689477A (zh) * 2021-09-09 2021-11-23 上海联影医疗科技股份有限公司 多模态医学图像配准方法、系统、可读存储介质和设备
US12014807B2 (en) * 2021-12-10 2024-06-18 Merative Us L.P. Automated report generation using artificial intelligence algorithms
US11982728B2 (en) 2022-02-16 2024-05-14 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for magnetic resonance imaging

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117180A (zh) * 2009-12-30 2011-07-06 通用电气公司 单屏幕多模态成像显示
KR101455198B1 (ko) * 2013-05-31 2014-10-27 을지대학교 산학협력단 Ｃｔ 영상 분석을 이용한 흉곽 변형성 정량적 평가 지표값 계산 방법, 시스템 및 기록 매체
CN106691487A (zh) * 2017-01-05 2017-05-24 沈阳东软医疗系统有限公司 成像方法和成像系统
CN109243585A (zh) * 2018-11-12 2019-01-18 上海联影医疗科技有限公司 医学图像的生成方法和医学图像处理系统及其交互方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1210684A4 (en) 1999-08-09 2003-04-23 Univ Wake Forest COMPUTER METHOD AND PROCEDURE FOR CREATING MULTIMEDIA ELECTRONIC REPORTS
US6785410B2 (en) * 1999-08-09 2004-08-31 Wake Forest University Health Sciences Image reporting method and system
CN1886745A (zh) * 2003-11-26 2006-12-27 伊斯曼柯达公司 计算机辅助检测工作流和用户界面
US20050123185A1 (en) 2003-11-26 2005-06-09 Ram Balasubramanian Computer aided detection workflow and user interface
US20100099974A1 (en) * 2008-10-20 2010-04-22 Siemens Medical Solutions Usa, Inc. System for Generating a Multi-Modality Imaging Examination Report
EP2194486A1 (en) * 2008-12-04 2010-06-09 Koninklijke Philips Electronics N.V. A method, apparatus, and computer program product for acquiring medical image data
JP6345487B2 (ja) * 2013-07-11 2018-06-20 キヤノンメディカルシステムズ株式会社 医用レポート作成装置、及び医用画像診断装置
US20150018666A1 (en) * 2013-07-12 2015-01-15 Anant Madabhushi Method and Apparatus for Registering Image Data Between Different Types of Image Data to Guide a Medical Procedure
US11633166B2 (en) * 2015-09-23 2023-04-25 Siemens Medical Solutions Usa, Inc. Spatial registration of positron emission tomography and computed tomography acquired during respiration
US20170238882A1 (en) * 2016-02-18 2017-08-24 Shanghai United Imaging Healthcare Co., Ltd. System and method for medical imaging
CN106909778B (zh) * 2017-02-09 2019-08-27 北京市计算中心 一种基于深度学习的多模态医学影像识别方法及装置
CN107463786A (zh) * 2017-08-17 2017-12-12 王卫鹏 基于结构化报告模板的医学影像知识库建立方法
US10803581B2 (en) * 2017-11-06 2020-10-13 Beijing Keya Medical Technology Co., Ltd. System and method for generating and editing diagnosis reports based on medical images
CN108324246B (zh) * 2018-01-19 2021-06-22 上海联影医疗科技股份有限公司 医疗诊断辅助系统及方法
CN108376558B (zh) * 2018-01-24 2021-08-20 复旦大学 一种多模态核磁共振影像病历报告自动生成方法
JP7094761B2 (ja) * 2018-04-12 2022-07-04 キヤノン株式会社 情報処理装置、情報処理装置の制御方法、及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117180A (zh) * 2009-12-30 2011-07-06 通用电气公司 单屏幕多模态成像显示
KR101455198B1 (ko) * 2013-05-31 2014-10-27 을지대학교 산학협력단 Ｃｔ 영상 분석을 이용한 흉곽 변형성 정량적 평가 지표값 계산 방법, 시스템 및 기록 매체
CN106691487A (zh) * 2017-01-05 2017-05-24 沈阳东软医疗系统有限公司 成像方法和成像系统
CN109243585A (zh) * 2018-11-12 2019-01-18 上海联影医疗科技有限公司 医学图像的生成方法和医学图像处理系统及其交互方法

Also Published As

Publication number Publication date
US11574716B2 (en) 2023-02-07
US20200303049A1 (en) 2020-09-24
CN109961834A (zh) 2019-07-02

Similar Documents

Publication Publication Date Title
CN109961834B (zh) 影像诊断报告的生成方法及设备
US11625151B2 (en) Medical image providing apparatus and medical image processing method of the same
US9424644B2 (en) Methods and systems for evaluating bone lesions
CN105263407B (zh) 使用磁共振成像的对骨组织的探测
CN106558045B (zh) 一种肺组织分割方法、装置，医学图像处理系统
CN103620437B (zh) 使用具有fid和多梯度回波采集的超短回波时间脉冲序列以及水‑脂肪分离处理的骨mri
CN111417979B (zh) 时间分辨的血管造影图像与空间分辨血管造影图像的组合
Wang et al. Vision 20/20: Simultaneous CT‐MRI—Next chapter of multimodality imaging
US10823798B2 (en) Virtual CT images from magnetic resonance images
CN107644421A (zh) 医学图像分割方法及系统
EP2831610B1 (en) Mri method for assigning individual pixels or voxels tissue - specific pet attenuation values
JP2018505401A (ja) マルチモダリティ撮像のシステム及び方法
US8526701B2 (en) Image analysis method and system
US20040047497A1 (en) User interface for viewing medical images
CN107683419A (zh) 磁共振成像装置和方法
KR20140117310A (ko) 통합형 자기 공명 양전자 방출 단층촬영 장치의 신호값 표시 방법 및 대응하여 구현된 자기 공명 양전자 방출 단층촬영 장치
CN103654829A (zh) 一种正电子发射断层成像图像数据集的方法和装置
Olsson A user-interface for whole-body MRI data for oncological evaluations.
Johnston Three-dimensional multispectral stochastic image segmentation
Lin Evaluation of 18F-FDG PET Agent in Cardiac Gated Imaging

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co.,Ltd.

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant