CN110598696A - 医学图像扫描定位方法、医学图像扫描方法和计算机设备 - Google Patents

医学图像扫描定位方法、医学图像扫描方法和计算机设备 Download PDF

Info

Publication number
CN110598696A
CN110598696A CN201910768494.0A CN201910768494A CN110598696A CN 110598696 A CN110598696 A CN 110598696A CN 201910768494 A CN201910768494 A CN 201910768494A CN 110598696 A CN110598696 A CN 110598696A
Authority
CN
China
Prior art keywords
scanning
initial
scanning area
interested
target
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
Application number
CN201910768494.0A
Other languages
English (en)
Other versions
CN110598696B (zh
Inventor
温林飞
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 CN201910768494.0A priority Critical patent/CN110598696B/zh
Publication of CN110598696A publication Critical patent/CN110598696A/zh
Application granted granted Critical
Publication of CN110598696B publication Critical patent/CN110598696B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/25Determination of region of interest [ROI] or a volume of interest [VOI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03Recognition of patterns in medical or anatomical images
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请涉及一种医学图像扫描定位方法、医学图像扫描方法和计算机设备,该方法包括:确定初始感兴趣扫描区域;将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;匹配结果包括初始感兴趣扫描区域与图元数据库中的基础图元的匹配度以及提示信息;根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域;目标感兴趣扫描区域的范围与初始感兴趣扫描区域部分相同。该方法只需根据初始感兴趣扫描区域与图元数据库中的基础图元的匹配结果就可以确定出目标感兴趣扫描区域,无需根据用户经验进行多次的干预调整,从而提高了确定目标感兴趣扫描区域的效率,进而提高了对目标感兴趣扫描区域的扫描效率。

Description

医学图像扫描定位方法、医学图像扫描方法和计算机设备
技术领域
本申请涉及医学图像扫描领域,特别是涉及一种医学图像扫描定位方法、医学图像扫描方法和计算机设备。
背景技术
磁共振波谱成像是近年来新型的一种影像学检查方法,能够无创检测部分代谢物分子信号、辨析代谢是否异常、或用药治疗的有效性,具有无电离辐射性损害和无骨性伪影的特点,能够多方位、多参数成像,从而在临床上得到了广泛的应用。但磁共振波谱成像对成像磁场(B0场)比较敏感,在利用磁共振波谱成像时受到较多限制,使用不便捷。
传统技术中,对B0场的改善方法主要是根据用户经验进行多次的干预调整,通过调整匀场区、感兴趣体素区以及视野区的大小、方向和位置参数等,确定出扫描区域。
但是,传统技术中对B0场的改善方法对用户的经验要求较高,存在确定目标感兴趣扫描区域效率较低的问题。
发明内容
基于此,有必要针对传统技术中对B0场的改善方法对用户的经验要求较高,存在确定目标感兴趣扫描区域效率较低的问题,提供一种医学图像扫描定位方法、医学图像扫描方法和计算机设备。
第一方面,本发明实施例提供一种医学图像扫描定位方法,所述方法包括:
确定初始感兴趣扫描区域;
将所述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;所述匹配结果包括所述初始感兴趣扫描区域与所述图元数据库中的基础图元的匹配度以及提示信息;
根据所述匹配结果中的匹配度、提示信息以及所述初始感兴趣扫描区域,确定目标感兴趣扫描区域;所述目标感兴趣扫描区域的范围与所述初始感兴趣扫描区域部分相同。
在其中一个实施例中,所述根据所述匹配结果中的匹配度、提示信息以及所述初始感兴趣扫描区域,确定目标感兴趣扫描区域,包括:
若所述匹配度大于或等于预设的匹配阈值,则根据所述提示信息将所述初始感兴趣扫描区域确定为所述目标感兴趣扫描区域;
若所述匹配度小于所述预设的匹配阈值,则根据所述提示信息对所述初始感兴趣扫描区域进行调整,得到所述目标感兴趣扫描区域。
在其中一个实施例中,所述根据所述提示信息对所述初始感兴趣扫描区域进行调整,得到所述目标感兴趣扫描区域,包括:
根据所述提示信息调整所述初始感兴趣扫描区域的中心,得到所述目标感兴趣扫描区域。
在其中一个实施例中,所述提示信息包括图形信息和文字信息中的至少一种。
在其中一个实施例中,所述医学图像扫描为磁共振扫描,所述方法还包括:
获取多幅磁共振先验图像;所述磁共振先验图像为根据不同的扫描参数进行磁共振扫描得到;
对各所述磁共振先验图像进行分割,得到所述基础图元;
将所述基础图元存入预设的数据库中,得到所述图元数据库。
在其中一个实施例中,所述对各所述磁共振先验图像进行分割,得到所述基础图元,包括:
获取各所述磁共振先验图像的结构特征;
根据各所述磁共振先验图像的结构特征,对所述磁共振先验图像进行分割,得到所述基础图元;所述基础图元包括可扫描基础图元和不可扫描基础图元。
在其中一个实施例中,所述对各所述磁共振先验图像进行分割,得到所述基础图元,包括:
分别获取各所述磁共振先验图像对应的波谱扫描结果;
根据所述波谱扫描结果,分别将各所述磁共振先验图像划分为多个区域,且每个区域对应波谱扫描质量概率分布;
根据每个区域对应波谱扫描质量概率分布,将所述多个区域分类为多种基础图元。
第二方面,本发明实施例提供一种医学图像扫描方法,所述方法包括:
获取扫描对象的定位像,并在所述定位像中确定初始感兴趣扫描区域;
将所述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;所述匹配结果包括所述初始感兴趣扫描区域与所述图元数据库中的基础图元的匹配度以及提示信息;
根据所述匹配结果中的匹配度、提示信息以及所述初始感兴趣扫描区域,确定目标感兴趣扫描区域,对所述目标感兴趣扫描区域执行扫描,以获取所述扫描对象医学图像。
第三方面,本发明实施例提供一种医学图像扫描定位装置,所述装置包括:
确定模块,用于确定初始感兴趣扫描区域;
第一匹配模块,用于将所述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;所述匹配结果包括所述初始感兴趣扫描区域与所述图元数据库中的基础图元的匹配度以及提示信息;
获取模块,用于根据所述匹配结果中的匹配度、提示信息以及所述初始感兴趣区域,得到目标感兴趣扫描区域;所述目标感兴趣扫描区域的范围与所述初始感兴趣扫描区域部分相同。
第四方面,本发明实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取对象的解剖结构图像;
在所述解剖结构图像中确定初始感兴趣扫描区域;
将所述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;所述匹配结果包括所述初始感兴趣扫描区域与所述图元数据库中的基础图元的匹配度以及提示信息;
根据所述匹配结果中的匹配度、提示信息,调整所述初始感兴趣扫描区域的形状、大小或中心的至少一种,以得到目标感兴趣扫描区域。
在其中一个实施例中,所述计算机设备还包括显示器,且所述显示器包括:
第一显示区,用于显示所述解剖结构图像,所述解剖结构图像包括初始扫描框或目标扫描框,所述初始扫描框所限定的区域为初始感兴趣扫描区域,所述目标扫描框所限定的区域为目标感兴趣扫描区域;
第二显示区,用于显示所述目标感兴趣扫描区域中至少一个体素的波谱扫描结果。
第五方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
确定初始感兴趣扫描区域;
将所述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;所述匹配结果包括所述初始感兴趣扫描区域与所述图元数据库中的基础图元的匹配度以及提示信息;
根据所述匹配结果中的匹配度、提示信息以及所述初始感兴趣扫描区域,确定目标感兴趣扫描区域;所述目标感兴趣扫描区域的范围与所述初始感兴趣扫描区域部分相同。
上述实施例提供的医学图像扫描定位方法、医学图像扫描方法和计算机设备中,计算机设备确定初始感兴趣扫描区域;将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;匹配结果包括初始感兴趣扫描区域与预设数据库中的基础图元的匹配度以及提示信息;根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域;目标感兴趣扫描区域的范围与初始感兴趣扫描区域部分相同。在该方法中,计算机设备只需确定出初始感兴趣区域,将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到包括初始感兴趣扫描区域与图元数据库中的基础图元的匹配度以及提示信息的匹配结果,根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,就可以自动确定出目标感兴趣扫描区域,无需根据用户经验进行多次的干预调整,从而提高了确定目标感兴趣扫描区域的效率,进而提高了对目标感兴趣扫描区域的扫描效率。
附图说明
图1为一个实施例提供的计算机设备的内部结构示意图;
图2为一个实施例提供的医学图像扫描定位方法的流程示意图;
图3(a)为一个实施例提供的原始定位像示意图;
图3(b)为一个实施例提供的波谱不可扫描区域示意图;
图3(c)为一个实施例提供的波谱多体素扫描高成功率区域,或波谱单体素扫描成功率高区域示意图;
图4为一个实施例提供的医学图像扫描定位示意图;
图5为另一个实施例提供的医学图像扫描定位方法的流程示意图;
图6为一个实施例提供的对目标对象进行波谱扫描的示意图;
图7为一个实施例提供的医学图像扫描定位方法的示意图;
图8为另一个实施例提供的医学图像扫描定位方法的流程示意图;
图9为另一个实施例提供的医学图像扫描定位方法的流程示意图;
图10为另一个实施例提供的医学图像扫描定位方法的流程示意图;
图11为一个实施例提供的医学图像扫描方法的流程示意图;
图12为一个实施例提供的医学图像扫描定位装置结构示意图;
图13为一个实施例提供的医学图像扫描装置结构示意图;
图14为一个实施例提供的计算机设备的显示器的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的医学图像扫描定位方法,可以适用于磁共振成像、计算机断层成像或者正电子发射断层成像,以磁共振成像的应用为例说明可以适用于如图1所示的计算机设备进行波谱成像或者对主磁场(B0场)敏感的小视野磁共振成像。该计算机设备包括通过系统总线连接的处理器、存储器,该存储器中存储有计算机程序,处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的,该计算机设备还可以包括网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的,该计算机设备可以是服务器,可以是个人计算机,还可以是个人数字助理,还可以是其他的终端设备,例如平板电脑、手机等等,还可以是云端或者远程服务器,本申请实施例对计算机设备的具体形式并不做限定。
需要说明的是,本申请实施例提供的医学图像扫描定位方法,其执行主体可以是医学图像扫描定位装置,该医学图像扫描定位装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
下面以具体的实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为一个实施例提供的医学图像扫描定位方法的流程示意图。图3(a)为一个实施例提供的原始定位像示意图;图3(b)为一个实施例提供的波谱不可扫描区域示意图,三个区域中包括空腔等影响主磁场均匀性的区域;图3(c)为一个实施例提供的波谱多体素扫描高成功率区域,或波谱单体素扫描成功率高区域示意图,该区域不包含空腔或者边界区域,对主磁场均匀性影响小。图4为一个实施例提供的医学图像扫描定位示意图。本实施例涉及的是计算机设备确定目标感兴趣扫描区域的具体实现过程。如图2所示,该方法可以包括:
S201,确定初始感兴趣扫描区域。
具体的,计算机设备首先确定初始感兴趣扫描区域。可选的,以磁共振图像扫描为例,初始感兴趣扫描区域可以为进行磁共振波谱扫描的患者的目标扫描部位。可选的,以PET-MRI(正电子发射计算机断层显像-核磁共振成像)图像扫描为例,初始感兴趣扫描区域可以为进行PET-MRI扫描的患者的目标扫描部位。可选的,患者的目标扫描部位可以为患者的头部、胸部、腹部和四肢中的任意一种部位。可选地,可获取扫描对象的解剖结构图像,在解剖结构图像上确定初始感兴趣扫描区域。其中,解剖结构图像可以是对扫描对象进行横断位、矢状位、冠状位预扫描得到的定位像,所采用的序列种类可以是快速梯度回波(GRE)序列、自旋回波(SE)序列、快速自旋回波(FSE)序列等。
S202,将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;匹配结果包括初始感兴趣扫描区域与图元数据库中的基础图元的匹配度以及提示信息。
示例性的,计算机设备将上述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果。其中,匹配结果包括初始感兴趣扫描区域与图元数据库中的基础图元的匹配度以及提示信息。其中,基础图元指的是将已有的扫描图像中形态结构学上近似的图分割归为一类。在一个实施例中,可对各磁共振先验图像进行分割,得到基础图元。例如:获取各磁共振先验图像的结构特征,根据各磁共振先验图像的结构特征,对磁共振先验图像进行分割,得到基础图元,基础图元可包括可扫描基础图元、不可扫描基础图元。在一个实施例中,对各磁共振先验图像进行分割,得到基础图元,包括:分别获取各磁共振先验图像对应的波谱扫描结果;根据波谱扫描结果,分别将各磁共振先验图像划分为多个区域,且每个区域对应波谱扫描质量概率分布;根据每个区域对应波谱扫描质量概率分布,将多个区域分类为多种基础图元。可选地,基础图元的种类可包括单体素波谱扫描高成功率、单体素波谱扫描低成功率、多体素波谱扫描高成功率、多体素波谱扫描低成功率等多类。在一个实施例中,磁共振先验图像的每个区域分别分配波谱扫描质量概率分布,从而得到结构扫描成功率导航图。
图3(a)为一个实施例提供的原始定位像,计算机设备可以将B0场偏差较大、组织交界处、空腔、颅底、骨质区等结构归为一类,并标记为波谱不可扫描区域,如图3(b)所示;将临近组织交界的区域归为一类,并标记为多体素扫描成功率较低区域或单体素扫描成功率中等区域;将相联通且远离组织交界的实质区域,归为多体素波谱扫描高成功率区域,或单体素波谱扫描成功率高区域,如图3(c)。可选的,匹配结果中的提示信息可以包括初始感兴趣扫描区域的扫描成功率以及对初始感兴趣扫描区域进行调整的信息,例如,计算机设备可以圈定出初始感兴趣扫描区域中扫描成功率较高的结构范围。可选的,计算机设备可以将确定的上述初始感兴趣扫描区域对应的扫描部位与图元数据库中相应扫描部位的基础图元进行比对,得到初始感兴趣扫描区域与基础图元的匹配度以及提示信息。
S203,根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域;目标感兴趣扫描区域的范围与初始感兴趣扫描区域部分相同。
具体的,计算机设备根据上述匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域。其中,目标感兴趣扫描区域的范围与初始感兴趣扫描区域部分相同。可选的,计算机设备可以将初始感兴趣扫描区域确定为目标感兴趣扫描区域,也可以对初始感兴趣扫描区域进行调整得到目标感兴趣扫描区域。
在一个实施例中,如图4所示,计算机设备可首先获取对象头部的解剖结构图像,并在解剖结构图像中确定如图4中初始扫描框所限定的初始感兴趣扫描区域;将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配得到匹配结果;该匹配结果包括S1、S2与扫描成功率低的基础图元匹配,其他区域与扫描成功率高的基础图元匹配。匹配结果还包括提示信息为需要对初始扫描框进行调整。医师或者系统可根据提示信息对初始扫描框的中心、位置或者大小进行调整,得到目标感兴趣扫描区域。本申请实施例中,目标感兴趣扫描区域兼顾病灶感兴趣区和波谱扫描成功率高区域,从而达到提高扫描效率的目的。
在本实施例中,计算机设备只需确定出初始感兴趣区域,将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到包括初始感兴趣扫描区域与图元数据库中的基础图元的匹配度以及提示信息的匹配结果,根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,就可以确定出目标感兴趣扫描区域,无需根据用户经验进行多次的干预调整,系统自动完成优化定位过程,从而提高了确定目标感兴趣扫描区域的效率,进而提高了对目标感兴趣扫描区域的扫描效率。
图5为另一个实施例提供的医学图像扫描定位方法的流程示意图。本实施例涉及的是计算机设备根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域的具体实现过程。如图5所示,在上述实施例的基础上,作为一种可选的实施方式,上述S203,包括:
S501,若匹配度大于或等于预设的匹配阈值,则根据提示信息将初始感兴趣扫描区域确定为目标感兴趣扫描区域。
具体的,若初始感兴趣扫描区域与图元数据库中的基础图元的匹配度大于或等于预设的匹配阈值,则计算机设备根据匹配结果中的提示信息将初始感兴趣扫描区域确定为目标感兴趣扫描区域。可选的,匹配结果中的提示信息可以包括图形信息和文字信息中的至少一种。可选的,该提示信息可以为文字信息,用于提示计算机设备初始感兴趣扫描区域为可进行扫描的区域,且扫描成功率较高。可选的,预设的匹配阈值可以为60%,或者,可以为70%。
S502,若匹配度小于预设的匹配阈值,则根据提示信息对初始感兴趣扫描区域进行调整,得到目标感兴趣扫描区域。
具体的,若初始感兴趣扫描区域与图元数据库中的基础图元的匹配度小于预设的匹配阈值,则计算机设备根据匹配结果中的提示信息对初始感兴趣扫描区域进行调整,得到目标感兴趣扫描区域。可选的,匹配结果中的提示信息可以包括图形信息和文字信息中的至少一种。可选的,该提示信息可以为圈出的可扫描区域的图形信息,用于使计算机设备根据该图形信息对初始感兴趣扫描区域进行调整,得到目标感兴趣扫描区域。可选的,预设的匹配阈值可以为60%,或者,可以为70%。可选的,计算机设备可以根据该提示信息调整初始感兴趣扫描区域的中心,得到目标感兴趣扫描区域。
在本实施例中,若初始感兴趣扫描区域与图元数据库中的基础图元的匹配度大于或等于预设的匹配阈值,则计算机设备根据匹配结果中的提示信息将初始感兴趣扫描区域确定为目标感兴趣扫描区域,若初始感兴趣扫描区域与图元数据库中的基础图元的匹配度小于预设的匹配阈值,则计算机设备根据提示信息对初始感兴趣扫描区域进行调整,得到目标感兴趣扫描区域,这样计算机设备能够根据初始感兴趣扫描区域与图元数据库中的基础图元的匹配度,以及匹配结果中的提示信息,快速地确定出目标感兴趣扫描区域,提高了确定目标感兴趣扫描区域的效率,进而提高了对目标感兴趣扫描区域的扫描效率。
图6为一个实施例提供的对目标对象进行波谱扫描的示意图。图7为一个实施例提供的医学图像扫描定位方法的示意图。为了更好地说明本申请实施例提供的医学图像扫描定位方法的效果,在本实施中将采用现有技术中的扫描框对目标对象进行波谱扫描和本申请提供的医学图像扫描定位方法对目标对象进行波谱扫描做如下的对比:如图6所示,采用现有技术中的扫描框对目标对象进行波谱扫描,扫描框涵盖范围过大(图6中头部轮廓图像内部的方形框),靠近颅底且涵盖头皮骨质区等,导致谱线水信号未被有效抑制,脂肪信号残余,从而导致感兴趣代谢物的信号被严重影响,无法有效辅助判断。如图6所示,3ppm的Cr实际是水信号残余的假信号,非真实的Cho;另一方面,扫描框定位包含了头皮骨质区,激发了脂肪信号,导致1.3-1.7ppm处有一个较高的脂肪信号;此外,在2.0ppm附近还出现一个较强的NAA干扰信号。采用本申请提供的磁共振扫描定位方法对前述扫描框进行中心位置调整和位置调整后进行波谱扫描的结果(右图的体素1对应的波谱),如图7所示,调整后的扫描框(图中头部轮廓图像内的方形框)避开了头皮骨质区,增大了与眼眶区的距离(B0场极不均匀区域),获得了部分病灶区域的有效可诊断谱线。更具体地,调整扫描框之后,基线变得平稳,3.0ppm的代谢物信号带宽在正常范围内,为真实的信号,且脂肪干扰信号基本消失。
在上述将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配的场景中,需要先获取图元数据库。图8为另一个实施例提供的医学图像扫描定位方法的流程示意图。本实施例涉及的是上述医学图像扫描为磁共振扫描,计算机设备获取图元数据库的具体实现过程。如图8所示,在上述实施例的基础上,以磁共振成像为例说明,上述方法还包括:
S801,获取多幅磁共振先验图像;磁共振先验图像为根据不同的扫描参数进行磁共振扫描得到;
具体的,计算机设备获取多幅磁共振先验图像。其中,磁共振先验图像为根据不同的扫描参数进行磁共振扫描得到。其中,扫描参数是指利用磁共振谱仪进行扫描时的参数,例如,扫描参数可以为不同的扫扫描模式对应的模式参数,也可以为不同的扫描位置对应的位置参数,示例性地,扫描模式可以为T1加权下的磁共振扫描,也可以为T2加权下的磁共振波谱扫描,相应地,模式参数可以为T1加权下的磁共振扫描对应的参数,也可以为T2加权下的磁共振扫描对应的参数;位置参数可以为扫描对象的头部、胸部、腹部和四肢中的任意一部位所对应的参数。可选的,计算机设备可以从PACS(Picture Archiving andCommunication Systems,影像归档和通信系统)服务器中获取多幅根据不同的扫描参数进行磁共振扫描得到的磁共振先验图像,也可以从磁共振波谱扫描设备中获取多幅根据不同的扫描参数进行磁共振扫描得到的磁共振先验图像。
S802,对各磁共振先验图像进行分割,得到基础图元。
具体的,计算机设备对得到的各磁共振先验图像进行分割,得到上述基础图元。可选的,计算机设备可以根据获取的多幅磁共振波谱定位图像及对应区域的磁共振波谱谱线质量做最初的定义,对各磁共振波谱定位图像进行初始区域的划分,之后,通过对后续的大量磁共振波谱扫描谱线的结果继续学习并改进,分析整合更多后续大量的扫描实验结果,优化计算不同区域的扫描成功率,最终基于更多真实扫描大数据给出更精确的区域扫描成功率估计,生成“结构扫描成功率导航图”,即波谱扫描实验时的导航地图,根据该波谱扫描实验时的导航地图对各磁共振扫描图像进行分割,得到上述基础图元。
S803,将基础图元存入预设的数据库中,得到图元数据库。
具体的,计算机设备将上述得到的基础图元存入预设的数据库中,得到上述图元数据库。可选的,计算机设备可以实时地将上述得到的基础图元存入预设的数据库中,也可以按照预设的时间间隔,将上述得到的基础图元存入预设的数据库中。
在本实施例中,计算机设备首先获取多幅磁共振先验图像,对各磁共振先验图像进行分割,得到基础图元,将得到的基础图元存入预设的数据库中,得到图元数据库,由于基础图元是根据获取的不同的扫描参数下的多幅磁共振先验图像,对各磁共振先验图像进行分割得到的,因此,得到的基础图像相对比较准确,提高了得到的图元数据库的准确度。
图9为另一个实施例提供的医学图像扫描定位方法的流程示意图。本实施例涉及的是计算机设备对各磁共振先验图像进行分割,得到基础图元的具体实现过程。如图9所示,在上述实施例的基础上,作为一种可选的实施方式,上述S802,包括:
S901,获取各磁共振先验图像的结构特征。
具体的,计算机设备获取上述各磁共振先验图像的结构特征。可选的,各磁共振先验图像的结构特征可以为组织交界处、空腔、颅底、骨质区等结构,也可以为临近组织交界处的结构,也可以为相连通且远离组织交界的实质区域。
S902,根据各磁共振先验图像的结构特征,对磁共振先验图像进行分割,得到基础图元;基础图元包括可扫描基础图元和不可扫描基础图元。
具体的,计算机设备根据各磁共振先验图像的结构特征,对获取的磁共振先验图像进行分割,得到基础图元。其中,基础图元包括可扫描基础图元和不可扫描基础图元。例如,计算机设备可以将磁共振先验图像的组织交界处、空腔、颅底、骨质区等归为不可扫描基础图元,可以将相联通且远离组织交界的实质区域归为可扫描基础图元。
在本实施例中,计算机设备通过获取各磁共振先验图像的结构特征,根据各磁共振先验图像的结构特征,对磁共振先验图像进行分割,得到基础图元,该处理过程十分的简单,提高了得到基础图元的效率;另外,基础图元是对根据各磁共振先验图像的结构特征对磁共振先验图像进行分割的,因此,得到的基础图元的准确度也得到了提高。
在上述对各磁共振先验图像进行分割,得到所述基础图元的场景中,计算机设备还可以分别获取各磁共振先验图像对应的波谱扫描结果,根据波谱扫描结果,得到基础图元。图10为另一个实施例提供的医学图像扫描定位方法的流程示意图。本实施例涉及的是计算机设备对各磁共振先验图像进行分割,得到基础图元的具体实现过程。如图10所示,在上述实施例的基础上,作为一种可选的实施方式,上述S802,包括:
S1001,分别获取各磁共振先验图像对应的波谱扫描结果。具体的,计算机设备分别获取各磁共振先验图像对应的波谱扫描结果。在一个实施例中,可建立预先扫描成功的数据库,该数据库中包含多个数据对,每个数据对包括磁共振先验图像与对应的波谱扫描结果,该多个数据对可以是来自不同患者,可以是同一患者的不同扫描时段,还可以是同一患者的不同扫描参数。可选地,可对先验图像进行分割,以确定先验目标区域,选定先验目标区域的至少一个体素,即可得到该体素对应的波谱扫描结果。
S1002,根据波谱扫描结果,分别将各磁共振先验图像划分为多个区域,且每个区域对应波谱扫描质量概率分布。
具体的,计算机设备根据上述各磁共振先验图像对应的波谱扫描结果,分别将各磁共振先验图像划分为多个区域,且每个区域对应波谱扫描质量概率分布。可选的,计算机设备可以将各磁共振先验图像对应的波谱扫描结果较好的图像划分为同一个区域,将其他图像划分为另一区域。可选的,每个区域对应的波谱扫描质量概率分布可以为60%,70%,50%或者30%。
S1003,根据每个区域对应波谱扫描质量概率分布,将多个区域分类为多种基础图元。
具体的,计算机设备根据每个区域对应波谱扫描质量概率分布,将多个区域分类为多种基础图元。例如,将波谱扫描质量概率分布在30%-40%的划分为一个基础图元,将波谱扫描质量概率分布在40%-50%的划分为一个基础图元,将波谱扫描质量概率分布在50%-70%的划分为一个基础图元,将波谱扫描质量概率分布大于70%的划分为一个基础图元。
在本实施例中,计算机设备分别获取各磁共振先验图像对应的波谱扫描结果,根据波谱扫描结果分别将各磁共振先验图像划分为多个区域,且每个区域对应波谱扫描质量概率分布,根据每个区域对应波谱扫描质量概率分布,将多个区域分类为多种基础图元,由于基础图元是根据每个区域对应波谱扫描质量概率分布进行分类的,该分类过程十分的简单,根据每个区域对应波谱扫描质量概率分布就可以进行分类,提高了得到基础图元的效率;另外根据每个区域对应波谱扫描质量概率分布,将多个区域分类为基础图元,能够对多个区域进行更加准确地分类,提高了得到的基础图元的准确度。
图11为一个实施例提供的医学图像扫描方法的流程示意图。本实施例涉及的是计算机设备确定获取扫描对象的定位像,根据扫描对象的定位像获取扫描对象医学图像的具体实现过程。如图11所示,该方法可以包括:
S1101,获取扫描对象的定位像,并在定位像中确定初始感兴趣扫描区域;
在本实施例中,计算机设备首先获取扫描对象的定位像,并在定位像中确定初始感兴趣扫描区域。
S1102,将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;匹配结果包括初始感兴趣扫描区域与图元数据库中的基础图元的匹配度以及提示信息;
S1103,根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域,对目标感兴趣扫描区域执行扫描,以获取扫描对象医学图像。
在本实施例中,计算机设备根据初始感兴趣扫描区域与图元数据库中的基础图元的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域,确定出目标感兴趣扫描区域后对目标感兴趣扫描区域执行扫描,以获取扫描对象磁共振图像。
本实施例提供的医学图像扫描方法可以执行上述实施例的医学图像扫描定位方法,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然图2-11的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-11中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图12为一个实施例提供的医学图像扫描定位装置结构示意图。如图12所示,该装置可以包括:第一确定模块10、第一匹配模块11和第二确定模块12。
具体的,第一确定模块10,用于确定初始感兴趣扫描区域;
第一匹配模块11,用于将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;匹配结果包括初始感兴趣扫描区域与图元数据库中的基础图元的匹配度以及提示信息;
第二确定模块12,用于根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域;目标感兴趣扫描区域的范围与初始感兴趣扫描区域部分相同。
本实施例提供的医学图像扫描定位装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第二确定模块12包括:第一确定单元和第二确定单元。
具体的,第一确定单元,用于若匹配度大于或等于预设的匹配阈值,则根据提示信息将初始感兴趣扫描区域确定为目标感兴趣扫描区域;
第二确定单元,用于若匹配度小于预设的匹配阈值,则根据提示信息对初始感兴趣扫描区域进行调整,得到目标感兴趣扫描区域。
可选的,上述提示信息包括图形信息和文字信息中的至少一种。
本实施例提供的医学图像扫描定位装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第二确定单元,具体用于根据提示信息调整初始感兴趣扫描区域的中心,得到目标感兴趣扫描区域。
本实施例提供的医学图像扫描定位装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述装置还包括:第一获取模块、分割模块和存储模块。
具体的,第一获取模块,用于获取多幅磁共振先验图像;磁共振先验图像为根据不同的扫描参数进行磁共振扫描得到;
分割模块,用于对各磁共振先验图像进行分割,得到基础图元;
存储模块,用于将基础图元存入预设的数据库中,得到图元数据库。
本实施例提供的医学图像扫描定位装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述分割模块包括:第一获取单元和第一分割单元。
具体的,第一获取单元,用于获取各磁共振先验图像的结构特征;
第一分割单元,用于根据各磁共振先验图像的结构特征,对磁共振先验图像进行分割,得到基础图元;基础图元包括可扫描基础图元和不可扫描基础图元。
本实施例提供的医学图像扫描定位装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述分割模块包括:第二获取单元、划分单元和第二分割单元。
具体的,第二获取单元,用于分别获取各所述磁共振先验图像对应的波谱扫描结果;
划分单元,用于根据所述波谱扫描结果,分别将各所述磁共振先验图像划分为多个区域,且每个区域对应波谱扫描质量概率分布;
第二分割单元,用于根据每个区域对应波谱扫描质量概率分布,将所述多个区域分类为多种基础图元。
本实施例提供的医学图像扫描定位装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。上述医学图像扫描定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图13为一个实施例提供的医学图像扫描装置结构示意图。如图13所示,该装置可以包括:第二获取模块20、第二匹配模块21和第三获取模块22。
具体的,第二获取模块20,用于获取扫描对象的定位像,并在定位像中确定初始感兴趣扫描区域;
第二匹配模块21,用于将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;匹配结果包括初始感兴趣扫描区域与图元数据库中的基础图元的匹配度以及提示信息;
第三获取模块22,用于根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域,对目标感兴趣扫描区域执行扫描,以获取扫描对象医学图像。
本实施例提供的医学图像扫描装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于医学图像扫描装置的具体限定可以参见上文中对于医学图像扫描定位方法的限定,在此不再赘述。上述医学图像扫描装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取对象的解剖结构图像;
在所述解剖结构图像中确定初始感兴趣扫描区域;
将所述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;所述匹配结果包括所述初始感兴趣扫描区域与所述图元数据库中的基础图元的匹配度以及提示信息;
根据所述匹配结果中的匹配度、提示信息,调整所述初始感兴趣扫描区域的形状、大小或中心中的至少一种,以得到目标感兴趣扫描区域。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
图14为一个实施例提供的计算机设备的显示器的内部结构示意图。如图14所述,上述计算机设备还包括显示器,且显示器包括:
第一显示区,用于显示解剖结构图像,解剖结构图像包括初始扫描框或目标扫描框,初始扫描框所限定的区域为初始感兴趣扫描区域,目标扫描框所限定的区域为目标感兴趣扫描区域;
第二显示区,用于显示目标感兴趣扫描区域中至少一个体素的波谱扫描结果。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
确定初始感兴趣扫描区域;
将初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;匹配结果包括初始感兴趣扫描区域与图元数据库中的基础图元的匹配度以及提示信息;
根据匹配结果中的匹配度、提示信息以及初始感兴趣扫描区域,确定目标感兴趣扫描区域;目标感兴趣扫描区域的范围与初始感兴趣扫描区域部分相同。上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种医学图像扫描定位方法,其特征在于,所述方法包括:
确定初始感兴趣扫描区域;
将所述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;所述匹配结果包括所述初始感兴趣扫描区域与所述图元数据库中的基础图元的匹配度以及提示信息;
根据所述匹配结果中的匹配度、提示信息以及所述初始感兴趣扫描区域,确定目标感兴趣扫描区域;所述目标感兴趣扫描区域的范围与所述初始感兴趣扫描区域部分相同。
2.根据权利要求1所述的方法,其特征在于,所述根据所述匹配结果中的匹配度、提示信息以及所述初始感兴趣扫描区域,确定目标感兴趣扫描区域,包括:
若所述匹配度大于或等于预设的匹配阈值,则根据所述提示信息将所述初始感兴趣扫描区域确定为所述目标感兴趣扫描区域;
若所述匹配度小于所述预设的匹配阈值,则根据所述提示信息对所述初始感兴趣扫描区域进行调整,得到所述目标感兴趣扫描区域。
3.根据权利要求2所述的方法,其特征在于,所述根据所述提示信息对所述初始感兴趣扫描区域进行调整,得到所述目标感兴趣扫描区域,包括:
根据所述提示信息调整所述初始感兴趣扫描区域的中心,得到所述目标感兴趣扫描区域。
4.根据权利要求3所述的方法,其特征在于,所述提示信息包括图形信息和文字信息中的至少一种。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述医学图像扫描为磁共振扫描,所述方法还包括:
获取多幅磁共振先验图像;所述磁共振先验图像为根据不同的扫描参数进行磁共振扫描得到;
对各所述磁共振先验图像进行分割,得到所述基础图元;
将所述基础图元存入预设的数据库中,得到所述图元数据库。
6.根据权利要求5所述的方法,其特征在于,所述对各所述磁共振先验图像进行分割,得到所述基础图元,包括:
获取各所述磁共振先验图像的结构特征;
根据各所述磁共振先验图像的结构特征,对所述磁共振先验图像进行分割,得到所述基础图元;所述基础图元包括可扫描基础图元和不可扫描基础图元。
7.根据权利要求5所述的方法,其特征在于,所述对各所述磁共振先验图像进行分割,得到所述基础图元,包括:
分别获取各所述磁共振先验图像对应的波谱扫描结果;
根据所述波谱扫描结果,分别将各所述磁共振先验图像划分为多个区域,且每个区域对应波谱扫描质量概率分布;
根据每个区域对应波谱扫描质量概率分布,将所述多个区域分类为多种基础图元。
8.一种医学图像扫描方法,其特征在于,所述方法包括:
获取扫描对象的定位像,并在所述定位像中确定初始感兴趣扫描区域;
将所述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;所述匹配结果包括所述初始感兴趣扫描区域与所述图元数据库中的基础图元的匹配度以及提示信息;
根据所述匹配结果中的匹配度、提示信息以及所述初始感兴趣扫描区域,确定目标感兴趣扫描区域,对所述目标感兴趣扫描区域执行扫描,以获取所述扫描对象医学图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
获取对象的解剖结构图像;
在所述解剖结构图像中确定初始感兴趣扫描区域;
将所述初始感兴趣扫描区域与图元数据库中的基础图元进行匹配,得到匹配结果;所述匹配结果包括所述初始感兴趣扫描区域与所述图元数据库中的基础图元的匹配度以及提示信息;
根据所述匹配结果中的匹配度、提示信息,调整所述初始感兴趣扫描区域的形状、大小或中心的至少一种,以得到目标感兴趣扫描区域。
10.根据权利要求9所述的计算机设备,其特征在于,所述计算机设备还包括显示器,且所述显示器包括:
第一显示区,用于显示所述解剖结构图像,所述解剖结构图像包括初始扫描框或目标扫描框,所述初始扫描框所限定的区域为初始感兴趣扫描区域,所述目标扫描框所限定的区域为目标感兴趣扫描区域;
第二显示区,用于显示所述目标感兴趣扫描区域中至少一个体素的波谱扫描结果。
CN201910768494.0A 2019-08-20 2019-08-20 医学图像扫描定位方法、医学图像扫描方法和计算机设备 Active CN110598696B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910768494.0A CN110598696B (zh) 2019-08-20 2019-08-20 医学图像扫描定位方法、医学图像扫描方法和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910768494.0A CN110598696B (zh) 2019-08-20 2019-08-20 医学图像扫描定位方法、医学图像扫描方法和计算机设备

Publications (2)

Publication Number Publication Date
CN110598696A true CN110598696A (zh) 2019-12-20
CN110598696B CN110598696B (zh) 2023-06-30

Family

ID=68854806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910768494.0A Active CN110598696B (zh) 2019-08-20 2019-08-20 医学图像扫描定位方法、医学图像扫描方法和计算机设备

Country Status (1)

Country Link
CN (1) CN110598696B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145152A (zh) * 2019-12-24 2020-05-12 上海联影智能医疗科技有限公司 图像检测方法、计算机设备和存储介质
CN112862869A (zh) * 2020-12-31 2021-05-28 上海联影智能医疗科技有限公司 图像扫描处理方法、成像扫描设备、电子设备及可读介质
CN113075599A (zh) * 2020-01-03 2021-07-06 上海联影医疗科技股份有限公司 磁共振信号采集方法、磁共振系统及介质
WO2022017039A1 (en) * 2020-07-24 2022-01-27 International Business Machines Corporation Internal and external proximate scanning

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070237370A1 (en) * 2005-10-12 2007-10-11 Siemens Corporate Research Inc System and Method For Using A Similarity Function To Perform Appearance Matching In Image Pairs
CN103226582A (zh) * 2013-04-08 2013-07-31 哈尔滨工程大学 一种基于不确定定点图的医学图像检索方法
US20150003577A1 (en) * 2012-02-14 2015-01-01 Siemens Aktiengesellschaft Method for positioning a body region of interest in the isocentre of a ct imaging system
CN104658016A (zh) * 2013-11-22 2015-05-27 Ge医疗系统环球技术有限公司 一种用于ct透视影像的目标跟踪方法、装置及ct机
CN104869299A (zh) * 2014-02-26 2015-08-26 联想(北京)有限公司 一种提示方法和装置
CN105989092A (zh) * 2015-02-12 2016-10-05 东芝医疗系统株式会社 医学图像处理设备、医学图像处理方法以及医学成像系统
CN106682127A (zh) * 2016-12-13 2017-05-17 上海联影医疗科技有限公司 图像搜索系统及方法
CN208447621U (zh) * 2017-09-30 2019-02-01 苏州众志医疗科技有限公司 用于医学影像设备的定位装置
CN109464155A (zh) * 2018-12-29 2019-03-15 上海联影医疗科技有限公司 医学扫描定位方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070237370A1 (en) * 2005-10-12 2007-10-11 Siemens Corporate Research Inc System and Method For Using A Similarity Function To Perform Appearance Matching In Image Pairs
US20150003577A1 (en) * 2012-02-14 2015-01-01 Siemens Aktiengesellschaft Method for positioning a body region of interest in the isocentre of a ct imaging system
CN103226582A (zh) * 2013-04-08 2013-07-31 哈尔滨工程大学 一种基于不确定定点图的医学图像检索方法
CN104658016A (zh) * 2013-11-22 2015-05-27 Ge医疗系统环球技术有限公司 一种用于ct透视影像的目标跟踪方法、装置及ct机
CN104869299A (zh) * 2014-02-26 2015-08-26 联想(北京)有限公司 一种提示方法和装置
CN105989092A (zh) * 2015-02-12 2016-10-05 东芝医疗系统株式会社 医学图像处理设备、医学图像处理方法以及医学成像系统
CN106682127A (zh) * 2016-12-13 2017-05-17 上海联影医疗科技有限公司 图像搜索系统及方法
CN208447621U (zh) * 2017-09-30 2019-02-01 苏州众志医疗科技有限公司 用于医学影像设备的定位装置
CN109464155A (zh) * 2018-12-29 2019-03-15 上海联影医疗科技有限公司 医学扫描定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
申正文;高圆圆;张煜;: "基于星形先验和图割的肺部四维计算机断层扫描肿瘤自动分割", 生物医学工程学杂志, vol. 33, no. 02, pages 295 - 302 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145152A (zh) * 2019-12-24 2020-05-12 上海联影智能医疗科技有限公司 图像检测方法、计算机设备和存储介质
CN111145152B (zh) * 2019-12-24 2024-02-27 上海联影智能医疗科技有限公司 图像检测方法、计算机设备和存储介质
CN113075599A (zh) * 2020-01-03 2021-07-06 上海联影医疗科技股份有限公司 磁共振信号采集方法、磁共振系统及介质
CN113075599B (zh) * 2020-01-03 2023-05-16 上海联影医疗科技股份有限公司 磁共振信号采集方法、磁共振系统及介质
WO2022017039A1 (en) * 2020-07-24 2022-01-27 International Business Machines Corporation Internal and external proximate scanning
US11464464B2 (en) 2020-07-24 2022-10-11 International Business Machines Corporation Internal and external proximate scanning
CN112862869A (zh) * 2020-12-31 2021-05-28 上海联影智能医疗科技有限公司 图像扫描处理方法、成像扫描设备、电子设备及可读介质
CN112862869B (zh) * 2020-12-31 2024-05-28 上海联影智能医疗科技有限公司 图像扫描处理方法、成像扫描设备、电子设备及可读介质

Also Published As

Publication number Publication date
CN110598696B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN110598696B (zh) 医学图像扫描定位方法、医学图像扫描方法和计算机设备
Harms et al. Paired cycle‐GAN‐based image correction for quantitative cone‐beam computed tomography
Jog et al. Random forest regression for magnetic resonance image synthesis
CN107492097B (zh) 一种识别mri图像感兴趣区域的方法及装置
CN110060313B (zh) 一种图像伪影校正方法和系统
US11610313B2 (en) Systems and methods for generating normative imaging data for medical image processing using deep learning
CN106709930B (zh) 三维医学图像的感兴趣体积分割方法及装置
CN109709503B (zh) 一种磁共振系统控制方法、磁共振系统、计算机设备
US10275886B2 (en) Tumor segmentation and tissue classification in 3D multi-contrast
WO2018205232A1 (zh) 一种针对拼接结果自动精确定位参考线的方法
CN109697740B (zh) 图像重建方法、装置和计算机设备
Mazur et al. SIFT‐based dense pixel tracking on 0.35 T cine‐MR images acquired during image‐guided radiation therapy with application to gating optimization
CN113034389B (zh) 图像处理方法、装置、计算机设备和存储介质
Wang et al. Automated segmentation of CBCT image using spiral CT atlases and convex optimization
US11747424B2 (en) Magnetic resonance imaging apparatus, image processing apparatus, and image processing method
KR102202398B1 (ko) 영상처리장치 및 그의 영상처리방법
KR101885562B1 (ko) 제1 의료 영상의 관심 영역을 제2 의료 영상 위에 맵핑하는 방법 및 이를 이용한 장치
CN111028212A (zh) 关键点检测方法、装置、计算机设备和存储介质
Jeevakala et al. A novel segmentation of cochlear nerve using region growing algorithm
CN106778793A (zh) 一种影像特征的可重复性测量方法及装置
CN111243052A (zh) 图像重建方法、装置、计算机设备和存储介质
US8805122B1 (en) System, method, and computer-readable medium for interpolating spatially transformed volumetric medical image data
CN112200780B (zh) 骨组织定位方法、装置、计算机设备和存储介质
CN113362345A (zh) 图像分割方法、装置、计算机设备和存储介质
CN111862259A (zh) 医学灌注图像处理方法和医学成像设备

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