CN110313930A - 一种扫描部位的确定方法、装置及终端设备 - Google Patents
一种扫描部位的确定方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110313930A CN110313930A CN201910673698.6A CN201910673698A CN110313930A CN 110313930 A CN110313930 A CN 110313930A CN 201910673698 A CN201910673698 A CN 201910673698A CN 110313930 A CN110313930 A CN 110313930A
- Authority
- CN
- China
- Prior art keywords
- scan
- matching degree
- physical feeling
- measured
- advance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000002123 temporal effect Effects 0.000 claims abstract description 34
- 238000010801 machine learning Methods 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 2
- 210000000746 body region Anatomy 0.000 claims 1
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 210000001015 abdomen Anatomy 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 210000000056 organ Anatomy 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 239000013078 crystal Substances 0.000 description 4
- 239000012216 imaging agent Substances 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical 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)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine (AREA)
Abstract
本申请提供一种扫描部位的确定方法、装置及终端设备,所述方法包括:获得对被检对象进行PET扫描所得到的扫描数据;获得所述扫描数据中正电子湮灭事件的待测能量信息和待测时间信息;将所述待测能量信息和所述待测时间信息输入至已训练的机器学习模型,得到所述扫描数据与预先划分的各身体部位之间的匹配度;依据所述匹配度确定当前扫描部位。应用该方法,可以实现利用PET自身的图像数据确定对应的身体部位,并且,在对被检对象进行PET扫描的过程中即可实时确定当前的扫描部位。
Description
技术领域
本申请涉及医疗设备技术领域,尤其涉及一种扫描部位的确定方法、装置及终端设备。
背景技术
目前,PET(Positron Emission Computed Tomography,正电子发射型计算机断层图像)是核医学领域中较为先进的临床检查影像技术,已被广泛应用于多种疾病的诊断、脏器功能研究等方面。当基于PET图像进行人体各器官的自动分割时,在不知道当前处理的PET图像所对应的身体部位(例如头部、胸部、腹部和盆腔)的情况下,盲目调用人体器官分割算法将消耗大量时间,并且浪费计算资源,因此,判断当前处理的PET图像所对应的身体部位是实现人体各器官自动分割的首要问题。
相关技术中,通常利用已有的图像(例如,已进行的CT扫描的图像)来进行身体部位的判断,无法利用PET自身的图像数据确定对应的身体部位。
发明内容
有鉴于此,本申请提供一种扫描部位的确定方法、装置及终端设备,以解决现有技术中无法利用PET自身的图像数据确定对应的身体部位的问题。
根据本申请实施例的第一方面,提供一种扫描部位的确定方法,所述方法包括:
获得对被检对象进行PET扫描所得到的扫描数据;
获得所述扫描数据中正电子湮灭事件的待测能量信息和待测时间信息;
将所述待测能量信息和所述待测时间信息输入至已训练的机器学习模型,得到所述扫描数据与预先划分的各身体部位之间的匹配度;
依据所述匹配度确定当前扫描部位。
根据本申请实施例的第二方面,提供一种扫描部位的确定装置,所述装置包括:
数据获取模块,用于获得对被检对象进行PET扫描所得到的扫描数据;
信息获取模块,用于获得所述扫描数据中正电子湮灭事件的待测能量信息和待测时间信息;
信息处理模块,用于将所述待测能量信息和所述待测时间信息输入至已训练的机器学习模型,得到所述扫描数据与预先划分的各身体部位之间的匹配度;
确定模块,用于依据所述匹配度确定当前扫描部位。
根据本申请实施例的第三方面,提供一种终端设备,包括:内部总线,以及通过内部总线连接的存储器、处理器;其中,
所述存储器,用于存储扫描部位的确定方法控制逻辑对应的机器可读指令;
所述处理器,用于读取所述存储器上的所述机器可读指令,并执行所述指令以实现如下操作:
获得对被检对象进行PET扫描所得到的扫描数据;
获得所述扫描数据中正电子湮灭事件的待测能量信息和待测时间信息;
将所述待测能量信息和所述待测时间信息输入至已训练的机器学习模型,得到所述扫描数据与预先划分的各身体部位之间的匹配度;
依据所述匹配度确定当前扫描部位。
应用本申请实施例,通过获得对被检对象进行PET扫描所得到的扫描数据,获得该扫描数据中正电子湮灭事件的待测能量信息和待测时间信息,并将待测能量信息和待测时间信息输入至已训练的机器学习模型,得到扫描数据与预先划分的各身体部位之间的匹配度,依据匹配度确定当前扫描部位,可以实现利用PET自身的图像数据确定对应的身体部位,并且,在对被检对象进行PET扫描的过程中即可实时确定当前的扫描部位。
附图说明
图1为PET探测过程的示意图;
图2为本申请一示例性实施例示出的一种扫描部位的确定方法的实施例流程图;
图3为PET扫描方向和扫描位置间隔的示意图;
图4为能谱直方图的示意;
图5为时间差直方图的示意;
图6为本申请一示例性实施例示出的另一种扫描部位的确定方法的实施例流程图;
图7为本申请一示例性实施例示出的一种扫描部位的确定装置的实施例框图;
图8为本申请终端设备的一个实施例示意图。
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”。
PET是核医学领域中较为先进的临床检查影像技术,其大致工作过程是,将某种物质,一般是生物生命代谢中必须的物质,如:葡萄糖、蛋白质、核酸、脂肪酸,标记上短寿命的放射性核素(如18F,11C等)作为显像剂注入人体,然后利用探测器环探测人体内的放射性核素发生正电子湮灭事件的位置,以此获取人体各器官对显像剂的摄取情况,从而达到诊断的目的。
如图1所示,为PET探测过程的示意图。图1中的小方格表示探测晶体,由若干个探测晶体组成的环状结构即为探测器环。假设在O点所示位置处的放射性核素发生正电子湮灭事件,那么,此处产生的一背向而行的γ光子对(也称响应线)将分别被两个探测晶体探测到,并可以分别记录下该两个探测晶体所接收到的能量(例如记为E0和E1),以及该两个晶体各自探测到γ光子的时间(例如记为t0和t1)。基于该图1所示例的PET探测过程,在对被检对象进行PET扫描时,每扫描一次,即可得到一条扫描数据,该扫描数据可对应若干正电子湮灭事件。在扫描完成后,则可利用得到的扫描数据重建显像剂分布的断层图像,即PET图像。
然而,当基于PET图像进行人体各器官的自动分割时,需要借助已有的图像,例如已进行的CT扫描的图像来进行身体部位的判断,无法利用PET自身的图像数据确定对应的身体部位。
为解决上述问题,本申请提出一种扫描部位的确定方法,以实现利用PET自身的图像数据确定对应的身体部位。
请参见图2,为本申请一示例性实施例示出的一种扫描部位的确定方法的实施例流程图,该方法包括以下步骤:
步骤201:获得对被检对象进行PET扫描所得到的扫描数据。
在本申请实施例中,被检对象可仰卧于扫描床上,PET设备可沿扫描方向,例如从头部到腿部,并按照预设的扫描位置间隔,例如每隔10厘米对被检对象进行一次PET扫描。例如,如图3所示,为PET扫描方向和扫描位置间隔的示意图。
如图3所示,在本申请实施例中,预先将人体划分为头部、胸部、腹部、盆腔、腿部共5个身体部位,且按照图3中所示例的扫描方向,该5个身体部位之间的扫描顺序为:头部、胸部、腹部、盆腔、腿部。其中,每一身体部位可对应多次PET扫描。
在一实施例中,为了降低数据噪声的影响,可以结合当前扫描部位对应的多条扫描数据确定当前的扫描部位。在一可选的实现方式中,如图3所示,可以采取滑动窗口的形式,每完整的移动一个滑动窗口,即获取该滑动窗口当前对应的多个扫描位置的扫描数据。例如,图3中的矩形框即为滑动窗口的示意,该图3中滑动窗口每一次的滑动步长可以为上述扫描位置间隔。
步骤202:获得扫描数据中正电子湮灭事件的待测能量信息和待测时间信息。
由上述描述可知,一条扫描数据可对应若干正电子湮灭事件。在本步骤中,可以针对上述步骤201中获得的每一条扫描数据,获得该扫描数据对应的每一正电子湮灭事件的能量信息(为了描述方便,后续称为待测能量信息)和时间信息(为了描述方便,后续称为待测时间信息)。以一条正电子湮灭事件为例,其待测能量信息可以包括上述图1中的E0和E1,其待测时间信息可以包括上述图1中t0与t1的时间差。
在一实施例中,对于一条扫描数据,可以以能谱直方图的形式表示该扫描数据中正电子湮灭事件的待测能量信息,例如,如图4所示,为能谱直方图的示意,相应的,可以以时间差直方图的形式表示该扫描数据中正电子湮灭事件的待测时间信息,例如,如图5所示,为时间差直方图的示意。
其中,该能谱直方图和时间差直方图还可以结合有响应线的角度信息,通俗来说,即相同方向的响应线对应的待测能量信息(或待测时间信息)形成一条能谱直方图(或时间差直方图),不同方向的响应线对应的待测能量信息(或待测时间信息)形成不同的能谱直方图(或时间差直方图)。例如,图5(a)为水平方向的响应线对应的待测时间信息形成的时间差直方图,图5(b)为垂直方向的响应线对应的待测时间信息形成的时间差直方图。
步骤203:将待测能量信息和待测时间信息输入至已训练的机器学习模型,得到扫描数据与预先划分的各身体部位之间的匹配度。
在本步骤中,将步骤202所获得的待测能量信息和待测时间信息输入至已训练的机器学习模型,则可以得到扫描数据与预先划分的各身体部位之间的匹配度。
至于训练该机器学习模型的过程,可以参见下述图6所示实施例中的描述,在此先不做详述。
步骤204:依据匹配度确定当前扫描部位。
在一实施例中,可以直接将匹配度最高的身体部位确定为当前扫描部位。例如,假设在上述步骤203中得出,扫描数据与头部之间的匹配度最高,则可以将头部确定为当前扫描部位。
在另一实施例中,可以结合已知的历史扫描部位和步骤203中得到的扫描数据与预先划分的各身体部位之间的匹配度确定当前扫描部位,其中,历史扫描部位是指本次对被检对象进行PET扫描时已扫描过的身体部位。具体的,可以获取至少一个历史扫描部位,该至少一个历史扫描部位中包含最近一次的历史扫描部位,之后,通过判断历史扫描部位与匹配度最高的身体部位之间的顺序,与预先划分的各身体部位之间的扫描顺序的符合程度,确定当前扫描部位。
在一个可选的实现方式中,可以首先判断历史扫描部位与匹配度最高的身体部位之间的顺序,是否符合预先划分的各身体部位之间的扫描顺序;若符合,则将匹配度最高的身体部位确定为当前扫描部位;若不符合,则将匹配度第二高的身体部位作为候选部位;之后,判断历史扫描部位与候选部位之间的顺序,是否符合预先划分的各身体部位之间的扫描顺序;若符合,则将候选部位确定为当前扫描部位;若不符合,则将最近一次的历史扫描部位确定为当前扫描部位。
举例来说,假设匹配度最高的身体部位为腿部,并假设获取的两个历史扫描部位分别为头部和胸部,其中,胸部为最近一次的扫描部位,按照正常的扫描顺序,当前的扫描部位应该为胸部(由于对于一个身体部位,是可以进行多次PET扫描的,从而,有可能出现相邻两次的确定结果为同一个身体部位)或者腹部,也即,头部、胸部、腿部这一顺序并不符合预先划分的各身体部位之间的扫描顺序。此时,按照上述描述,将匹配度第二高的身体部位,假设为腹部,作为候选部位,结合上述描述,头部、胸部、腹部这一顺序符合预先划分的各身体部位之间的扫描顺序,至此,则可以将腹部确定为当前扫描部位。
再举例来说,假设匹配度第二高的身体部位为盆腔,也即将盆腔作为候选部位,此时,结合上述描述,头部、胸部、盆腔这一顺序并不符合预先划分的各身体部位之间的扫描顺序,至此,则可以将胸部确定为当前扫描部位。
由上述实施例可见,通过获得对被检对象进行PET扫描所得到的扫描数据,获得该扫描数据中正电子湮灭事件的待测能量信息和待测时间信息,并将待测能量信息和待测时间信息输入至已训练的机器学习模型,得到扫描数据与预先划分的各身体部位之间的匹配度,依据匹配度确定当前扫描部位,可以实现利用PET自身的图像数据确定对应的身体部位,并且,在对被检对象进行PET扫描的过程中即可实时确定当前的扫描部位。
请参见图6,为本申请一示例性实施例示出的另一种扫描部位的确定方法的实施例流程图,该方法在上述图2所示方法的基础上,着重描述机器学习模型的训练过程,包括以下步骤:
步骤601:获得样本扫描数据,该样本扫描数据通过对预先划分的各身体部位进行PET扫描得到,该样本扫描数据包含预先标注的扫描部位标签。
在本步骤中,可以基于上述图2所示实施例中步骤201的相关描述,对预先划分的各身体部位进行PET扫描,其中,扫描位置间隔可以小于上述步骤201中的扫描位置间隔,以提高扫描数据的数量和质量。为了描述方便,将本步骤中的扫描数据称为样本扫描数据。
在本申请实施例中,每一条样本扫描数据可以包含预先标注的扫描部位标签,其中,扫描部位标签可以由相关人员凭借主观判断或者利用相关算法对PET图像进行分析得出,本申请对此过程不再详述。
步骤602:根据样本扫描数据获得样本时间信息和样本能量信息。
在此说明,为了描述方便,本申请实施例中,将从样本扫描数据中获取到的时间信息称为样本时间信息,获取到的能量信息称为样本能量信息。
在一实施例中,该样本时间信息可以以时间差直方图的形式表示,该样本能量信息可以以能谱直方图的形式表示,至于具体表示形式,可以参见上述图2所示实施例中步骤202的相关描述,在此不再详述。
步骤603:利用样本时间信息和样本能量信息,以及对应的扫描部位标签训练机器学习模型。
在本步骤中,可以利用上述获取到的样本时间信息和样本能量信息,以及对应的扫描部位标签训练机器学习模型,至于训练机器学习模型的具体过程,本领域技术人员可见参见现有技术中的相关描述,本申请对此不再详述。
此外,在本申请实施例中,为了避免训练出的机器学习模型出现“过拟合”现象,可以将预先划分的各身体部之间的顺序作为正则化项,在训练机器学习模型的过程中,对机器学习模型进行正则化处理。
由上述实施例可见,通过对预先划分的各身体部位进行PET扫描得到包含扫描部位标签的样本扫描数据,根据该样本扫描数据获得样本时间信息和样本能量信息,利用样本时间信息和样本能量信息,以及对应的扫描部位标签训练机器学习模型,可以得到用于计算扫描数据与预先划分的各身体部位之间匹配度的机器学习模型,后续,利用已训练得到机器学习模型即可实现利用PET自身的图像数据确定对应的身体部位,并且,在对被检对象进行PET扫描的过程中即可实时确定当前的扫描部位。
与前述扫描部位的确定方法的实施例相对应,本申请还提供了扫描部位的确定装置的实施例。
请参见图7,为本申请一示例性实施例示出的一种扫描部位的确定装置的实施例框图。该图7所示例的装置可以包括:数据获取模块71、信息获取模块72、信息处理模块73,以及确定模块74。
其中,数据获取模块71,可以用于获得对被检对象进行PET扫描所得到的扫描数据;
信息获取模块72,可以用于获得所述扫描数据中正电子湮灭事件的待测能量信息和待测时间信息;
信息处理模块73,可以用于将所述待测能量信息和所述待测时间信息输入至已训练的机器学习模型,得到所述扫描数据与预先划分的各身体部位之间的匹配度;
确定模块74,可以用于依据所述匹配度确定当前扫描部位。
在一实施例中,所述确定模块74可以具体用于:
将匹配度最高的身体部位确定为当前扫描部位。
在一实施例中,所述确定模块74可以包括(图7中未示出):
获取子模块,用于获取至少一个历史扫描部位,所述至少一个历史扫描部位中包含最近一次的历史扫描部位;
确定子模块,用于通过判断所述历史扫描部位与匹配度最高的身体部位之间的顺序,与预先划分的各身体部位之间的扫描顺序的符合程度,确定当前扫描部位。
在一实施例中,所述确定子模块可以包括(图7中未示出):
第一判断子模块,用于判断所述历史扫描部位与匹配度最高的身体部位之间的顺序,是否符合预先划分的各身体部位之间的扫描顺序;若符合,则将所述匹配度最高的身体部位确定为当前扫描部位;若不符合,则将匹配度第二高的身体部位作为候选部位;
第二判断子模块,用于判断所述历史扫描部位与所述候选部位之间的顺序,是否符合预先划分的各身体部位之间的扫描顺序;若符合,则将所述候选部位确定为当前扫描部位;若不符合,则将所述最近一次的历史扫描部位确定为当前扫描部位。
在一实施例中,所述装置还可以包括(图7中未示出):
样本数据获取模块,用于获得样本扫描数据,所述样本扫描数据通过对预先划分的各身体部位进行PET扫描得到,所述样本扫描数据包含预先标注的扫描部位标签;
样本信息获取模块,用于根据所述样本扫描数据获得样本时间信息和样本能量信息;
训练模块,用于利用所述样本时间信息和样本能量信息,以及对应的扫描部位标签训练所述机器学习模型。
在一实施例中,所述待测时间信息和样本时间信息以时间差直方图形式表示;
所述待测能量信息和样本能量信息以能谱直方图形式表示。
在一实施例中,所述装置还可以包括(图7中未示出):
正则化模块,用于利用预先划分的各身体部位之间的顺序对所述机器学习模型进行正则化处理。
请参考图8,为本申请终端设备的一个实施例示意图,该终端设备可以包括:内部总线810,通过内部总线810连接的存储器820、处理器830。
其中,所述存储器820,可以用于存储扫描部位的确定方法的控制逻辑对应的机器可读指令;
所述处理器830,可以用于读取所述存储器上的所述机器可读指令,并执行所述指令以实现如下操作:
获得对被检对象进行PET扫描所得到的扫描数据;
获得所述扫描数据中正电子湮灭事件的待测能量信息和待测时间信息;
将所述待测能量信息和所述待测时间信息输入至已训练的机器学习模型,得到所述扫描数据与预先划分的各身体部位之间的匹配度;
依据所述匹配度确定当前扫描部位。
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。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
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 (15)
1.一种扫描部位的确定方法,其特征在于,所述方法包括:
获得对被检对象进行PET扫描所得到的扫描数据;
获得所述扫描数据中正电子湮灭事件的待测能量信息和待测时间信息;
将所述待测能量信息和所述待测时间信息输入至已训练的机器学习模型,得到所述扫描数据与预先划分的各身体部位之间的匹配度;
依据所述匹配度确定当前扫描部位。
2.根据权利要求1所述的方法,其特征在于,所述依据所述匹配度确定当前扫描部位包括:
将匹配度最高的身体部位确定为当前扫描部位。
3.根据权利要求1所述的方法,其特征在于,所述依据所述匹配度确定当前扫描部位包括:
获取至少一个历史扫描部位,所述至少一个历史扫描部位中包含最近一次的历史扫描部位;
通过判断所述历史扫描部位与匹配度最高的身体部位之间的顺序,与预先划分的各身体部位之间的扫描顺序的符合程度,确定当前扫描部位。
4.根据权利要求3所述的方法,其特征在于,通过判断所述历史扫描部位与匹配度最高的身体部位的顺序,与预先划分的各身体部位之间的扫描顺序的符合程度,确定当前扫描部位包括:
判断所述历史扫描部位与匹配度最高的身体部位之间的顺序,是否符合预先划分的各身体部位之间的扫描顺序;
若符合,则将所述匹配度最高的身体部位确定为当前扫描部位;
若不符合,则将匹配度第二高的身体部位作为候选部位,判断所述历史扫描部位与所述候选部位之间的顺序,是否符合预先划分的各身体部位之间的扫描顺序;若符合,则将所述候选部位确定为当前扫描部位;若不符合,则将所述最近一次的历史扫描部位确定为当前扫描部位。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括对所述机器学习模型进行训练,具体包括:
获得样本扫描数据,所述样本扫描数据通过对预先划分的各身体部位进行PET扫描得到,所述样本扫描数据包含预先标注的扫描部位标签;
根据所述样本扫描数据获得样本时间信息和样本能量信息;
利用所述样本时间信息和样本能量信息,以及对应的扫描部位标签训练所述机器学习模型。
6.根据权利要求5所述的方法,其特征在于,所述待测时间信息和样本时间信息以时间差直方图形式表示;
所述待测能量信息和样本能量信息以能谱直方图形式表示。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
利用预先划分的各身体部位之间的顺序对所述机器学习模型进行正则化处理。
8.一种扫描部位的确定装置,其特征在于,所述装置包括:
数据获取模块,用于获得对被检对象进行PET扫描所得到的扫描数据;
信息获取模块,用于获得所述扫描数据中正电子湮灭事件的待测能量信息和待测时间信息;
信息处理模块,用于将所述待测能量信息和所述待测时间信息输入至已训练的机器学习模型,得到所述扫描数据与预先划分的各身体部位之间的匹配度;
确定模块,用于依据所述匹配度确定当前扫描部位。
9.根据权利要求8所述的方法,其特征在于,所述确定模块具体用于:
将匹配度最高的身体部位确定为当前扫描部位。
10.根据权利要求8所述的方法,其特征在于,所述确定模块包括:
获取子模块,用于获取至少一个历史扫描部位,所述至少一个历史扫描部位中包含最近一次的历史扫描部位;
确定子模块,用于通过判断所述历史扫描部位与匹配度最高的身体部位之间的顺序,与预先划分的各身体部位之间的扫描顺序的符合程度,确定当前扫描部位。
11.根据权利要求10所述的方法,其特征在于,所述确定子模块包括:
第一判断子模块,用于判断所述历史扫描部位与匹配度最高的身体部位之间的顺序,是否符合预先划分的各身体部位之间的扫描顺序;若符合,则将所述匹配度最高的身体部位确定为当前扫描部位;若不符合,则将匹配度第二高的身体部位作为候选部位;
第二判断子模块,用于判断所述历史扫描部位与所述候选部位之间的顺序,是否符合预先划分的各身体部位之间的扫描顺序;若符合,则将所述候选部位确定为当前扫描部位;若不符合,则将所述最近一次的历史扫描部位确定为当前扫描部位。
12.根据权利要求8所述的装置,其特征在于,所述装置还包括:
样本数据获取模块,用于获得样本扫描数据,所述样本扫描数据通过对预先划分的各身体部位进行PET扫描得到,所述样本扫描数据包含预先标注的扫描部位标签;
样本信息获取模块,用于根据所述样本扫描数据获得样本时间信息和样本能量信息;
训练模块,用于利用所述样本时间信息和样本能量信息,以及对应的扫描部位标签训练所述机器学习模型。
13.根据权利要求12所述的装置,其特征在于,所述待测时间信息和样本时间信息以时间差直方图形式表示;
所述待测能量信息和样本能量信息以能谱直方图形式表示。
14.根据权利要求12所述的装置,其特征在于,所述装置还包括:
正则化模块,用于利用预先划分的各身体部位之间的顺序对所述机器学习模型进行正则化处理。
15.一种终端设备,其特征在于,包括:内部总线,以及通过内部总线连接的存储器、处理器;其中,
所述存储器,用于存储扫描部位的确定方法的控制逻辑对应的机器可读指令;
所述处理器,用于读取所述存储器上的所述机器可读指令,并执行所述指令以实现如下操作:
获得对被检对象进行PET扫描所得到的扫描数据;
获得所述扫描数据中正电子湮灭事件的待测能量信息和待测时间信息;
将所述待测能量信息和所述待测时间信息输入至已训练的机器学习模型,得到所述扫描数据与预先划分的各身体部位之间的匹配度;
依据所述匹配度确定当前扫描部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910673698.6A CN110313930B (zh) | 2019-07-24 | 2019-07-24 | 一种扫描部位的确定方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910673698.6A CN110313930B (zh) | 2019-07-24 | 2019-07-24 | 一种扫描部位的确定方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110313930A true CN110313930A (zh) | 2019-10-11 |
CN110313930B CN110313930B (zh) | 2023-07-04 |
Family
ID=68124427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910673698.6A Active CN110313930B (zh) | 2019-07-24 | 2019-07-24 | 一种扫描部位的确定方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110313930B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024743A (zh) * | 2019-12-19 | 2020-04-17 | 南昌大学 | 一种波形采样正电子寿命谱的装置及方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070053480A1 (en) * | 2005-08-25 | 2007-03-08 | Ge Medical Systems Global Technology Company, Llc | X-ray CT apparatus |
CN1969757A (zh) * | 2005-11-23 | 2007-05-30 | 通用电气公司 | 用于自动确定扫描对象中区域的方法和系统 |
CN101013503A (zh) * | 2007-01-26 | 2007-08-08 | 清华大学 | 一种医学图像中腹部器官分割方法 |
JP2012145419A (ja) * | 2011-01-11 | 2012-08-02 | Natl Inst Of Radiological Sciences | Pet装置及びpet−mri装置 |
US20150119703A1 (en) * | 2013-10-24 | 2015-04-30 | Siemens Medical Solutions Usa, Inc. | Anatomic Range Planning in Positron Emission Tomography |
CN105193442A (zh) * | 2015-09-17 | 2015-12-30 | 沈阳东软医疗系统有限公司 | 一种pet扫描时间的确定方法和装置 |
CN107095691A (zh) * | 2017-07-11 | 2017-08-29 | 上海联影医疗科技有限公司 | 一种pet成像方法及系统 |
CN107320124A (zh) * | 2017-06-28 | 2017-11-07 | 上海联影医疗科技有限公司 | 医学成像系统中设定定位片扫描的方法及医学成像系统 |
CN107440734A (zh) * | 2017-09-04 | 2017-12-08 | 沈阳东软医疗系统有限公司 | 一种pet扫描方法和装置 |
CN107818821A (zh) * | 2016-09-09 | 2018-03-20 | 西门子保健有限责任公司 | 在医学成像中的基于机器学习的组织定征 |
CN109074500A (zh) * | 2016-01-21 | 2018-12-21 | 医科达有限公司 | 用于分割同一患者的医学图像的系统和方法 |
US20190021677A1 (en) * | 2017-07-18 | 2019-01-24 | Siemens Healthcare Gmbh | Methods and systems for classification and assessment using machine learning |
CN109480883A (zh) * | 2017-09-11 | 2019-03-19 | 佳能医疗系统株式会社 | 医用图像诊断装置 |
CN109938764A (zh) * | 2019-02-28 | 2019-06-28 | 佛山原子医疗设备有限公司 | 一种基于深度学习的自适应多部位扫描成像方法及其系统 |
-
2019
- 2019-07-24 CN CN201910673698.6A patent/CN110313930B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070053480A1 (en) * | 2005-08-25 | 2007-03-08 | Ge Medical Systems Global Technology Company, Llc | X-ray CT apparatus |
CN1969757A (zh) * | 2005-11-23 | 2007-05-30 | 通用电气公司 | 用于自动确定扫描对象中区域的方法和系统 |
CN101013503A (zh) * | 2007-01-26 | 2007-08-08 | 清华大学 | 一种医学图像中腹部器官分割方法 |
JP2012145419A (ja) * | 2011-01-11 | 2012-08-02 | Natl Inst Of Radiological Sciences | Pet装置及びpet−mri装置 |
US20150119703A1 (en) * | 2013-10-24 | 2015-04-30 | Siemens Medical Solutions Usa, Inc. | Anatomic Range Planning in Positron Emission Tomography |
CN105193442A (zh) * | 2015-09-17 | 2015-12-30 | 沈阳东软医疗系统有限公司 | 一种pet扫描时间的确定方法和装置 |
CN109074500A (zh) * | 2016-01-21 | 2018-12-21 | 医科达有限公司 | 用于分割同一患者的医学图像的系统和方法 |
CN107818821A (zh) * | 2016-09-09 | 2018-03-20 | 西门子保健有限责任公司 | 在医学成像中的基于机器学习的组织定征 |
CN107320124A (zh) * | 2017-06-28 | 2017-11-07 | 上海联影医疗科技有限公司 | 医学成像系统中设定定位片扫描的方法及医学成像系统 |
CN107095691A (zh) * | 2017-07-11 | 2017-08-29 | 上海联影医疗科技有限公司 | 一种pet成像方法及系统 |
US20190021677A1 (en) * | 2017-07-18 | 2019-01-24 | Siemens Healthcare Gmbh | Methods and systems for classification and assessment using machine learning |
CN107440734A (zh) * | 2017-09-04 | 2017-12-08 | 沈阳东软医疗系统有限公司 | 一种pet扫描方法和装置 |
CN109480883A (zh) * | 2017-09-11 | 2019-03-19 | 佳能医疗系统株式会社 | 医用图像诊断装置 |
CN109938764A (zh) * | 2019-02-28 | 2019-06-28 | 佛山原子医疗设备有限公司 | 一种基于深度学习的自适应多部位扫描成像方法及其系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024743A (zh) * | 2019-12-19 | 2020-04-17 | 南昌大学 | 一种波形采样正电子寿命谱的装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110313930B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108968996A (zh) | 运动门控医学成像 | |
US7359535B2 (en) | Systems and methods for retrospective internal gating | |
US9058665B2 (en) | Systems and methods for identifying bone marrow in medical images | |
US8131044B2 (en) | Method and apparatus for determining the effectiveness of an image transformation process | |
CN102551718B (zh) | 磁共振成像装置 | |
CN104363833B (zh) | 图像生成装置以及图像生成方法 | |
CN111080584A (zh) | 医学图像的质控方法、计算机设备和可读存储介质 | |
CN106963410A (zh) | Pet成像系统及其成像方法 | |
CN110232688A (zh) | 医学成像系统、方法、计算机设备和可读存储介质 | |
US11420075B2 (en) | System and method for reconstructing image volumes from sparse two-dimensional projection data | |
US8831323B2 (en) | Method and apparatus for measuring activity of a tracer | |
CN104125841A (zh) | 控制方法和控制系统 | |
US20220047227A1 (en) | Methods and systems for motion detection in positron emission tomography | |
Moreau et al. | Deep learning approaches for bone and bone lesion segmentation on 18FDG PET/CT imaging in the context of metastatic breast cancer | |
Xia et al. | Recovering from missing data in population imaging–Cardiac MR image imputation via conditional generative adversarial nets | |
CN110021022A (zh) | 一种基于深度学习的甲状腺核医学图像诊断方法 | |
WO2015147595A1 (ko) | 의료 영상에서 아티팩트와 병변을 구분하는 방법 | |
JP2005152656A (ja) | 心臓の表示方法及び装置 | |
CN111091539A (zh) | 网络模型训练、医学图像处理方法、装置、介质及设备 | |
CN110223247A (zh) | 图像衰减校正方法、装置、计算机设备和存储介质 | |
CN110313930A (zh) | 一种扫描部位的确定方法、装置及终端设备 | |
CN114202516A (zh) | 一种异物检测方法、装置、电子设备及存储介质 | |
JPH08146139A (ja) | 心筋バイアビリティの評価方法及び心筋断層画像処理 装置 | |
WO2006006096A1 (en) | Image processing system for the processing of morphological and functional images | |
JP2001161679A (ja) | 検査対象物の像情報の表示方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230413 Address after: Room 308, No. 177-2 Chuangxin Road, Hunnan District, Shenyang City, Liaoning Province, 110167 Applicant after: Shenyang Zhihe Medical Technology Co.,Ltd. Address before: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant before: Shenyang Neusoft Medical Systems Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |