CN110652311B - 用于经由预拍处理对物体成像的系统和方法 - Google Patents
用于经由预拍处理对物体成像的系统和方法 Download PDFInfo
- Publication number
- CN110652311B CN110652311B CN201910577848.3A CN201910577848A CN110652311B CN 110652311 B CN110652311 B CN 110652311B CN 201910577848 A CN201910577848 A CN 201910577848A CN 110652311 B CN110652311 B CN 110652311B
- Authority
- CN
- China
- Prior art keywords
- controller
- image
- imaging device
- imaging
- breast
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 title claims description 11
- 238000004891 communication Methods 0.000 claims abstract description 9
- 210000000481 breast Anatomy 0.000 claims description 38
- 238000001228 spectrum Methods 0.000 claims description 30
- 239000000463 material Substances 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 10
- 210000002976 pectoralis muscle Anatomy 0.000 claims description 10
- 210000002445 nipple Anatomy 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 4
- 230000005855 radiation Effects 0.000 description 16
- 210000001519 tissue Anatomy 0.000 description 12
- 102000004169 proteins and genes Human genes 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000000873 masking effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000009607 mammography Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000002083 X-ray spectrum Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000762 glandular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method 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
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/488—Diagnostic techniques involving pre-scan acquisition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明题为“用于经由预拍处理对物体成像的系统和方法。”本发明提供了一种用于经由预拍处理对物体12成像的系统10。所述系统10包括可操作以对所述物体12成像的成像设备14，以及与所述成像设备14电子通信的控制器16。所述控制器16可操作以经由所述成像设备14获取62所述物体12的至少一个预拍图像18；并且至少部分地基于所述至少一个预拍图像18生成63指示符20、22，其对应于经由所述成像设备14获取24的所述物体的一个或多个诊断图像将在医疗上不足的可能性。
Description
背景技术
技术领域
本发明的实施方案整体涉及医疗成像，并且更具体地讲，涉及用于经由预拍处理对物体成像的系统和方法。
背景技术
X射线诊断成像通常用于对患者的内部结构进行成像。许多基于x射线的成像系统通过经由x射线发射器/管将x射线引导通过患者的组织来获得图像。在此类系统中，感兴趣的身体部分放置在发射器与检测器之间，使得一些发射的x射线穿过身体部分并撞击检测器以便生成身体部分内的内部结构的投影。如将理解的，引导通过身体部分的x射线中的一些被组织吸收。因此，通常期望减少患者暴露于的x射线的量。
在许多基于x射线的成像系统中，放射科医师/技术人员能够确定所获取的诊断图像是否可接受，例如是否足以用于医疗诊断目的(仅在获得这些图像之后)。然而，应当理解，许多问题可能使诊断图像不可接受，即不足以用于医疗诊断目的，这继而可能需要获得附加的诊断图像，由此增加患者的x射线暴露量。例如，旨在进行成像的身体部分可以部分地在成像系统的视野(“FOV”)之外和/或以其他方式设置在不适合医疗诊断目的的位置。
如将理解的，x射线图像的质量通常部分地基于用于生成图像的x射线的量。通常，用于获得图像的x射线的量越高，质量越高并且图像越可能被接受以用于医疗诊断目的。因此，一些基于x射线的成像系统通过使用比通常用于生成可接受诊断图像的量更少的x射线量来拍摄感兴趣的身体部分的初始图像，争取预测/改善诊断图像的可接受性。换句话说，一些基于x射线的成像系统获得初始图像，该初始图像虽然可能不适合于医疗诊断目的，但是适合于检测相对于可能使后续诊断图像不可接受的感兴趣的身体部分的定位问题。
然而，应当理解，这种基于x射线的成像系统通常需要技术人员/放射科医师手动检查初始图像，并且通常仅能够检测主要定位问题，例如感兴趣的身体部分的大部分在成像系统的FOV之外的情境。因此，此类基于x射线的成像系统可能无法检测到其中感兴趣的身体部分适当地包含在FOV内，但身体部分内的一个或多个内部结构未对准的定位问题。附加地，此类基于x射线的成像系统可能无法确定内部结构是否由于各种非位置相关问题而仅不能或不应当被成像，例如，由健康组织掩蔽/遮蔽/隐藏病变，由于高密度组织而阻止/吸收x射线等。
因此，需要用于经由预拍处理对物体成像的改进系统和方法。
发明内容
在一个实施方案中，提供了一种用于经由预拍处理对物体成像的系统。系统包括可操作以对物体成像的成像设备，以及与成像设备电子通信的控制器。控制器可操作以经由成像设备获取物体的至少一个预拍图像；并且至少部分地基于至少一个预拍图像生成指示符，其对应于经由成像设备获取的物体的一个或多个诊断图像将在医疗上不足的可能性。
在另一个实施方案中，提供了一种用于经由预拍处理对物体成像的方法。方法包括经由成像设备获取物体的至少一个预拍图像。方法还包括经由控制器并至少部分地基于至少一个预拍图像生成指示符，其对应于经由成像设备获取的物体的一个或多个诊断图像将在医疗上不足的可能性。
在又一个实施方案中，提供了存储指令的非暂态计算机可读介质。所存储的指令使控制器适于经由成像设备获取物体的至少一个预拍图像。所存储的指令进一步使控制器适于至少部分地基于至少一个预拍图像生成指示符，其对应于经由成像设备获取的物体的一个或多个诊断图像将在医疗上不足的可能性。
在又一个实施方案中，提供了一种用于经由预拍处理对物体成像的系统。系统包括可操作以对物体成像的成像设备，以及与成像设备电子通信的控制器。控制器可操作以使用第一能谱来获取至少一个预拍图像；以及经由成像设备使用低于第一能谱的第二能谱来获取一个或多个诊断图像。控制器可进一步操作以至少部分地基于至少一个预拍图像和一个或多个诊断图像来生成材料等效图像。
在又一个实施方案中，提供了存储指令的非暂态计算机可读介质。所存储的指令使控制器适于经由成像设备使用第一能谱来获取至少一个预拍图像；以及经由成像设备使用低于第一能谱的第二能谱来获取一个或多个诊断图像。所存储的指令进一步使控制器适于至少部分地基于至少一个预拍图像和一个或多个诊断图像来生成材料等效图像。
附图说明
通过参考附图阅读以下对非限制性实施方案的描述将更好地理解本发明，其中以下：
图1是根据本发明的实施方案的用于经由预拍处理对物体成像的系统的透视图；
图2是根据本发明的实施方案的用于利用图1的系统经由预拍处理对物体成像的方法的流程图；
图3是根据本发明的实施方案的由图1的系统拍摄的物体的预拍图像的图示；
图4是根据本发明的实施方案的图1的系统的机器学习模型的图示；
图5是根据本发明的实施方案的用于经由图2的预拍处理对物体成像的方法的另一个实施方案的流程图；以及
图6是根据本发明的实施方案的用于经由图2的预拍处理对物体成像的方法的又一个实施方案的流程图。
具体实施方式
下面将详细参考本发明的示例性实施方案，其示例在附图中示出。只要有可能，在所有附图中使用的相同参考字符指的是相同或相似的部分，而没有重复的描述。
如本文所用，术语“基本上”、“大体”和“大约”指示相对于适合于实现部件或组件的功能目的的理想期望状况，在合理可实现的制造和组装公差内的状况。如本文所用，“电耦接”、“电连接”和“电通信”意味着所引用的元件直接或间接连接，使得电流可以从一者流到另一者。该连接可以包括直接导电连接(即，没有介入的电容、电感或有源元件)、电感连接、电容连接和/或任何其他合适的电连接。可能存在介入部件。
如本文相对于图像和/或图像获取所用，术语“预拍”是指在系统获取诊断图像之前，以比系统通常用于获取/获得诊断图像的辐射量更低的辐射量经由基于电磁辐射的成像系统(例如，x射线成像系统)获取/获得的图像。如本文所用，术语“诊断图像”是指通常但不总是以大约相同成像系统所获取的预拍图像的辐射量的十倍(10x)经由基于电磁辐射的成像系统获取/获得的图像。如本文相对于诊断图像所用，术语“医疗上不足”意味着诊断图像对于用于进行医疗诊断而言基本上是不可接受的，或以其他方式构成对患者的不必要的、有害的和/或可避免的辐射暴露，即不应当或本来不应当获得的诊断图像。如本文所用，术语“预拍处理”意味着处理和/或分析预拍图像。如本文所用，术语“材料等效图像”是指至少部分地基于组合两个或更多个用不同电磁光谱(例如，x射线光谱)获取的图像的构建的图像，其中构建的图像描绘了物体内的一种或多种类型的材料(例如，水、脂肪、骨、蛋白质等)的厚度和/或量。因此，术语“水图像”和“水等效图像”是指一种类型的材料等效图像，其描绘物体内的水的厚度和/或量；术语“脂肪图像”和“脂肪等效图像”是指一种类型的材料等效图像，其描绘物体内的脂肪的厚度和/或量；并且术语“蛋白质图像”和“蛋白质等效图像”是指一种类型的材料等效图像，其其描绘物体内的蛋白质的厚度和/或量。
另外，虽然关于乳房x线照相成像系统和过程描述了本文公开的实施方案，但应当理解，本发明的实施方案可以适用于涉及辐射患者/受试者/物体的其他类型的医疗成像系统和/或过程，例如，胸部x射线。此外，如将理解的，本发明相关成像系统的实施方案可以用于一般地分析组织，并且不限于人体组织。
现在参考图1，示出了根据本发明实施方案的用于经由预拍处理对物体(图3中的12)成像的系统10的主要部件。系统10包括成像设备/系统14和控制器16。成像设备14可操作以对物体12(诸如人乳房或其他身体部分)成像。控制器16与成像设备14电子通信，并且可操作以经由成像设备14获取物体12的至少一个预拍图像18(图3)。如下面将更详细说明的，控制器16进一步可操作以至少部分地基于至少一个预拍图像18生成指示符20、22，其对应于经由成像设备14获取24(图2)的物体12的一个或多个诊断图像将在医疗上不足的可能性。
因此，如图1所示，成像设备14包括辐射源/发射器26和辐射检测器28。辐射源26可操作以发射辐射射线，并且在实施方案中，可在一个或多个位置之间选择性地调整，例如，辐射源26可以经由可旋转安装座32安装到支架/支撑件30，使得辐射源26围绕纵向轴线34旋转。辐射检测器28可操作以接收辐射射线并具有限定成像区域38的表面36(图3)。在实施方案中，成像设备14可以包括一个或多个桨叶40(例如压缩板)，其安装到支架30并可沿轴线42(和/或其他轴线/方向)滑动地调整以便抵靠表面36压缩和/或约束物体12。在实施方案中，成像设备14可以形成乳房x线照相设备的一部分。
在实施方案中，控制器16可以是具有至少一个处理器44和存储器设备46的工作站。在其他实施方案中，控制器16可以嵌入/集成到上面公开的系统10的各种组件中的一个或多个中。在实施方案中，控制器16可以经由数据链路/连接48与辐射源26、辐射检测器28、桨叶40和/或系统10的其他部件电连通。可以理解，在实施方案中，数据链路48可以是有线和/或无线连接。在实施方案中，控制器16可以包括辐射屏蔽50，其保护系统10的操作者免受辐射源26发射的辐射射线的影响。控制器16还可以包括显示器52、键盘54、鼠标56和/或其他适当的用户输入设备，其有助于经由用户界面58控制系统10。
在图2中示出了是描绘根据本发明的实施方案的用于利用系统10(图1)经由预拍处理对物体12(图3)进行成像的方法60的流程图。如以上所讨论的，方法60包括经由成像设备14获取62至少一个预拍图像18，并且至少部分地基于至少一个预拍图像18生成63指示符20、22。在实施方案中，指示符可以是视觉指示符20(例如，屏幕上的消息框、灯等)和/或音频指示符22(例如，响铃、哔哔声、机器模拟语音、wav文件等)。
在实施方案中，方法60还可以包括生成64从至少一个预拍图像18的一个或多个特征/质量/特性(例如，物体12的密度、物体12的掩蔽效应、物体12的位置、和/或预拍图像18和/或物体12的其他合适的质量/特征/特性)导出的全局分数。在此类实施方案中，可以至少部分地基于全局分数来生成63指示符20、22。
方法60可以具有用于一个或多个特征中的每个特征的处理路径66、68、70，其中每个处理路径获取/生成72、74、76相应特征的标测，并且然后生成78、80、82用于生成64全局分数的分量/子分数。如本文所用，术语“标测”和“特征标测”指的是预拍图像18的特性/特征/质量的量/程度的标测。例如，密度标测可以经由灰度描绘预拍图像中的身体部分的密度，其中像素越浅，物体的对应区域越密集，例如，描绘/传达乳房中的纤维腺组织的相对或绝对量和/或位置的标测。如将理解的，全局分数64可以对应于物体/患者12可能具有通过x射线诊断图像/其中不会描绘的癌症的风险。
因此，在实施方案中，一个或多个处理路径66、68、70可以分别对应于物体12的密度(例如，路径66)、物体12的掩蔽效应(例如，路径68)、以及附加的适当特征(例如，表示第N个特征的路径70)。如本文所用，术语“掩蔽效应”是指物体12的特定区域遮蔽感兴趣的子物体/区域(例如，病变)的可能性。例如，乳房中的正常组织的高度异质含量可能具有高掩蔽效应，因为它们倾向于遮蔽/隐藏乳房组织内的肿瘤。
在实施方案中，方法60还可以包括确定83全局分数是否超过阈值，并且如果超过阈值则限制85诊断图像的后续获取24。例如，在实施方案中，全局分数可以在零(0)到一百(100)的标度内，其中零(0)表示所获取的24个诊断图像将在医疗上不足的最低可能性，并且其中一百(100)表示所获取的24个诊断图像将在医疗上不足的最高可能性。在此类实施方案中，阈值83可以是约百分之十(10％)，例如，当特征/标测72、74、76的分析/处理66、68、70指示所获取的24个诊断图像在医疗上不足的可能性为百分之十(10％)时，控制器16将阻止/限制85诊断图像的获取24。
现在转向图3，在实施方案中，特征之一(例如，第N个特征76(图3))可以是物体12的位置。例如，如图3所示，物体12可以是具有对应特征分数82(图2)的人乳房，其至少部分地基于以下之一：乳房12的乳房下折叠86、乳房12的乳头88、和/或与乳房12相关联的胸肌90。例如，控制器16可以通过分析由乳房12的结构形成的一个或多个几何特征(例如，d/D的比率)来确定乳房12是否处于适当的位置，其中D是从乳房下折叠86附近到图像18的顶部附近的距离，并且d是从图像18的顶部附近到图像18的边缘91与基本垂直于胸肌90的边缘87并穿过乳头88的线89的交叉点的距离。在实施方案中，几何折线可以包括在成像区域38的边缘91(最靠近胸肌90的边缘87)和/或胸肌90自身的边缘87之间形成的角度θ。在实施方案中，乳房/物体12的其他关系/特性可以用于生成位置特征分数82，例如，在乳房下折叠86下方检测到的组织的量和/或形状。
也如以上所讨论的，医疗诊断成像中的许多错误是人为错误，其导致不正确/错误的身体部分的成像。例如，当预期/期望左乳房的成像时，成像系统的操作者可能对右乳房成像。因此，应当理解，通过在获取身体部分12的24个诊断图像之前验证预拍图像18中的身体部分12是要成像的期望/预期身体部分，本发明的实施方案寻求减少/减轻和/或消除此类错误，并继而减少对患者的不必要辐射暴露。
因此，在实施方案中，可以有助于或独立于位置分析/标测的一个特征(例如，第N个特征76(图3))是解剖对称性(即，侧向性)与物体12的匹配，例如，确定物体12是乳房的左侧内外倾斜图像或右侧头尾轴图像。在实施方案中，控制器12可以至少部分地基于以下的位置确定乳房12的解剖对称性/侧向性和/或位置：胸肌90、腺体组织分布、乳头88、皮肤轮廓和/或在预拍图像18中可辨别的其他结构/关系。例如，控制器12可以与成像设备14提供的信息/数据相结合而检测到例如在可旋转安装座32(图1)处测量的旋转角度、胸肌90的边缘87的形状和/或乳房下折叠86下方的组织的量对应于左乳房或右乳房。
在此类实施方案中，当物体12的匹配解剖对称性与物体12的预期解剖对称性不匹配时，控制器16可以限制85(图2)诊断图像的获取24。换句话说，如果控制器16基于用户输入期望在预拍图像18中查看/检测左乳房，但反而查看/检测到右乳房，则控制器16可以防止/限制85诊断图像的后续获取24。
现在参考图4，在实施方案中，控制器16可以至少部分地基于机器学习模型92(例如，人工神经网络)生成指示符20、22，即可以使用人工智能而不是更标准的定义规则集。这样，从各种物体/患者获取的多个预拍图像可以存储在数据库94中。在实施方案中，可以实现云96架构(例如，计算机网络)以使得一个或多个专家98、100、102(例如，医生和/或技术人员)能够将全局分数分配给数据库94中的每个预拍图像以便形成配对训练集。
然后可能以监督方式通过预拍图像/全局分数对来训练机器学习模型92以生成任何给定预拍图像的全局分数。换句话说，在实施方案中，可以训练机器学习模型92以便在预拍图像中区分好坏患者和/或器官定位，或者以其他方式确定在物体12重新定位之前不应获取诊断图像24，或者根本不进行获取。例如，在实施方案中，使用从机器学习模型92生成的结果的机器学习模型92或控制器16可以根据预拍图像18确定后续图像获取可导致在医疗上不足的诊断图像。在实施方案中，由机器学习模型92生成的全局分数可能以离散标度，例如，不可接受的、差的、一般的、良好的和/或优秀的；或者在其他实施方案中以连续标度，例如百分之零(0％)至百分之百(100％)。附加地，虽然上述讨论涉及用预拍图像训练机器学习模型92，但应当理解，本发明的实施方案可以在诊断图像上训练机器学习模型92。
移动到图5，示出了用于经由预拍处理对物体12进行成像的方法110的另一个实施方案。方法110包括获取112一个或多个预拍图像，根据一个或多个预拍图像生成/评分114一个或多个特征(例如，特征标测)，以及至少部分地基于所生成/评分的特征来执行116动作。在实施方案中，方法110还可以包括对所生成/评分的特征进行阈值处理118并且做出关于应当执行哪个动作116的决策120。
在实施方案中，所执行的动作116可以包括优化122用于获取24诊断图像的一个或多个获取参数，生成124物体12的位置不可接受的警告，和/或生成126物体12的匹配解剖对称性不可接受的警告。例如，在实施方案中，所生成/评分的特征之一(例如，130)可以是跨过物体12的辐射射线/光子的衰减，即控制器16可以确定物体12的最大衰减区域以便确定成像设备14的最佳功率参数(例如，kVp和/或mAs)和/或x射线管阳极和过滤材料以用于获取24诊断图像，这继而可以提供改善的信噪比。
此外，虽然图5描绘了生成针对物体位置124和匹配解剖对称性126的警告作为单独警告，但应当理解，在实施方案中，可以将警告124和126组合成单个警告。换句话说，将解剖对称性与物体12匹配可以形成物体12的生成/评分的位置特征/标测的一部分。
在实施方案中，生成/评分114特征/可以包括生成/评分128、130单独特征/标测。在实施方案中，单独生成/评分的特征/标测(例如，128和130)可以被组合/聚合成全局分数132，例如，经由对单独生成/分数的特征/标测128和/或130的加权值求和。然而，应当理解，其他实施方案可以利用聚合单独生成/评分的特征/标测128和/或130的其他方法，例如取平均。
在实施方案中，阈值处理118所生成/评分的特征/标测可以包括阈值处理134和/或136单独评分的特征/标测和/或阈值处理138全局分数。例如，可以在步骤138处对在步骤132处生成的全局分数进行阈值处理。在实施方案中，阈值处理134、136和/或138可以涉及测试对应的特征/标测/全局分数以查看它们是否超过特定值，并且如果是，则触发/执行116一个或多个动作。
在实施方案中，决定120应当执行哪些动作116可以包括基于单独阈值处理结果(例如，134和136)来决定140和142，和/或基于全局阈值处理结果(例如，138)来决定144。决定可以包括确定是否需要重新定位物体12，确定是否需要调整一个或多个获取参数，和/或确定物体12的匹配对称性/侧向性是否可接受/预期。
在图6中示出了用于经由预拍处理对物体12成像的方法150的又一个实施方案。方法150包括使用第一能谱来获取152至少一个预拍图像；经由低于第一能谱的第二能谱来获取154一个或多个诊断图像；和/或至少部分地基于一个或多个预拍图像和诊断图像来生成156材料等效图像，例如水图像、脂肪图像和/或蛋白质图像。例如，在实施方案中，材料等效图像可以是水等效图像158、脂肪等效图像160和/或蛋白质等效图像162。用于获取152一个或多个预拍图像的第一能谱可以在约三十五(35)keV到约五十(50)keV之间，并且用于获取154一个或多个诊断图像的第二能谱可以在约十(10)keV到约三十五(35)keV之间。
在实施方案中，材料等效图像的生成156可以至少部分地基于3CB分解算法/建模164。在实施方案中，3CB建模164可以应用于所获取的152个高能量预拍图像和所获取的154个低能量诊断图像。
最后，还应当理解系统10可以包括必要的电子器件、软件、存储器、存储装置、数据库、固件、逻辑/状态机、微处理器、通信链路、显示器或其他视觉或音频用户界面、打印设备、以及用于执行本文所述功能和/或实现本文所述结果的任何其他输入/输出接口。例如，如前所述，系统可以包括至少一个处理器和系统存储器/数据存储结构，其可以包括随机存取存储器(RAM)和只读存储器(ROM)。系统10的至少一个处理器可以包括一个或多个传统微处理器和一个或多个辅助协处理器，诸如数学协处理器等。本文讨论的数据存储结构可以包括磁性、光学和/或半导体存储器的适当组合，并且可以包括例如RAM、ROM、闪存驱动器、诸如压缩盘的光盘和/或硬盘或驱动器。
另外，将控制器适配为执行本文公开的方法的软件应用程序可以从计算机可读介质读入至少一个处理器的主存储器。如本文所用，术语“计算机可读介质”指的是提供或参与向系统10的至少一个处理器(或本文所述的设备的任何其他处理器)提供指令以供执行的任何介质。这种介质可以采用许多形式，包括但不限于非易失性介质和易失性介质。非易失性介质包括例如光学、磁性或光磁盘，诸如存储器。易失性介质包括通常构成主存储器的动态随机存取存储器(DRAM)。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、RAM、PROM、EPROM或EEPROM(电子可擦除可编程只读存储器)、FLASH-EEPROM、任何其他存储器芯片或盒式磁带、或计算机可从其读取的任何其他介质。
虽然在实施方案中，软件应用程序中的指令序列的执行致使至少一个处理器执行本文所述的方法/过程，但可以使用硬连线电路代替软件指令或与软件指令相结合以用于实现本发明的方法/过程。因此，本发明的实施方案不限于硬件和/或软件的任何特定组合。
还应当理解，以上描述旨在是说明性的而非限制性的。例如，上述实施方案(和/或其方面)可以彼此组合使用。另外，在不脱离本发明的范围的情况下，可以进行许多修改以使特定情况或材料适应本发明的教导。
例如，在一个实施方案中，提供了一种用于经由预拍处理对物体成像的系统。系统包括可操作以对物体成像的成像设备，以及与成像设备电子通信的控制器。控制器可操作以经由成像设备获取物体的至少一个预拍图像；并且至少部分地基于至少一个预拍图像生成指示符，其对应于经由成像设备获取的物体的一个或多个诊断图像将在医疗上不足的可能性。在某些实施方案中，控制器进一步可操作以生成从至少一个预拍图像的一个或多个特征导出的全局分数。在此类实施方案中，指示符至少部分地基于全局分数。在某些实施方案中，控制器进一步可操作以便如果全局分数未超过阈值，则限制经由成像设备对物体成像。在某些实施方案中，一个或多个特征包括物体的密度、物体的遮蔽效应和物体的位置中的至少一个。在某些实施方案中，物体是人乳房，一个或多个特征包括乳房的位置，并且全局分数至少部分地基于乳房的乳房下折叠、乳房的乳头和与乳房相关联的胸肌中的至少一个。在某些实施方案中，控制器进一步可操作以将解剖对称性与物体进行匹配。在此类实施方案中，指示符至少部分地基于所匹配的解剖学对称性。在某些实施方案中，控制器进一步可操作以便当物体的匹配的解剖对称性不是物体的预期解剖对称性时，限制经由成像设备对物体成像。在某些实施方案中，控制器至少部分地基于机器学习模型生成指示符。在某些实施方案中，控制器进一步可操作以使用第一能谱来获取至少一个预拍图像，以及使用低于第一能谱的第二能谱来获取一个或多个诊断图像。在此类实施方案中，控制器还可操作以至少部分地基于至少一个预拍图像和一个或多个诊断图像来生成材料等效图像。
其他实施方案提供了一种用于经由预拍处理对物体成像的方法。方法包括经由成像设备获取物体的至少一个预拍图像。方法还包括经由控制器并至少部分地基于至少一个预拍图像生成指示符，其对应于经由成像设备获取的物体的一个或多个诊断图像将在医疗上不足的可能性。在某些实施方案中，方法还包括经由控制器生成从至少一个预拍图像的一个或多个特征出的全局分数。在此类实施方案中，指示符至少部分地基于全局分数。在某些实施方案中，方法还包括如果全局分数未超过阈值，则经由控制器限制通过成像设备对物体成像。在某些实施方案中，一个或多个特征包括物体的密度、物体的遮蔽效应和物体的位置中的至少一个。在某些实施方案中，物体是人乳房，一个或多个特征包括乳房的位置，并且全局分数至少部分地基于乳房的乳房下折叠、乳房的乳头和与乳房相关联的胸肌中的至少一个。在某些实施方案中，方法还包括经由控制器将解剖对称性与物体进行匹配。在此类实施方案中，指示符至少部分地基于所匹配的解剖学对称性。在某些实施方案中，方法还包括当物体的匹配的解剖对称性不是物体的预期解剖对称性时，经由控制器限制通过成像设备对物体成像。在某些实施方案中，控制器至少部分地基于机器学习模型生成指示符。在某些实施方案中，方法还包括经由成像设备获取一个或多个诊断图像；以及经由控制器至少部分地基于至少一个预拍图像和一个或多个诊断图像来生成材料等效图像。在此类实施方案中，通过第一能谱来获取至少一个预拍图像，并且通过低于第一能谱的第二能谱来获取一个或多个诊断图像。
又一些其他实施方案提供了存储指令的非暂态计算机可读介质。所存储的指令使控制器适于经由成像设备获取物体的至少一个预拍图像。所存储的指令进一步使控制器适于至少部分地基于至少一个预拍图像生成指示符，其对应于经由成像设备获取的物体的一个或多个诊断图像将在医疗上不足的可能性。
又一些其他实施方案提供了一种用于经由预拍处理对物体成像的系统。系统包括可操作以对物体成像的成像设备，以及与成像设备电子通信的控制器。控制器可操作以使用第一能谱来获取至少一个预拍图像；以及经由成像设备使用低于第一能谱的第二能谱来获取一个或多个诊断图像。控制器可进一步操作以至少部分地基于至少一个预拍图像和一个或多个诊断图像来生成材料等效图像。在某些实施方案中，控制器进一步可操作以至少部分地基于至少一个预拍图像生成指示符，其对应于一个或多个诊断图像将在医疗上不足的可能性。
又一些其他实施方案提供了存储指令的非暂态计算机可读介质。所存储的指令使控制器适于经由成像设备使用第一能谱来获取至少一个预拍图像；以及经由成像设备使用低于第一能谱的第二能谱来获取一个或多个诊断图像。所存储的指令进一步使控制器适于至少部分地基于至少一个预拍图像和一个或多个诊断图像来生成材料等效图像。
因此，应当理解，通过利用预拍图像中可用的信息，本发明的一些实施方案提供了关于后续诊断图像的可接受性的改进预测/计算(在其获取之前)，以便减少不可接受的诊断图像的数量，这继而可以减少对患者的不必要的辐射暴露量。
此外，与基本上依赖于人工评估/分析预拍图像的系统和方法相比，通过利用机器学习模型来评估/分析预拍图像，而不是依赖于人工分析和/或更严格的计算机化方法，本发明的一些实施方案提供了在获取诊断图像之前对待成像物体的可能难题/问题的改进检测和/或校正。
另外，虽然本文描述的材料的尺寸和类型旨在限定本发明的参数，但它们决不是限制性的并且是示例性实施方案。在阅读以上描述后，许多其他实施方案对于本领域技术人员将是显而易见的。因此，本发明的范围应该参考所附权利要求以及这些权利要求所赋予的等同物的全部范围来确定。在所附权利要求中，术语“包括(including)”和“其中(inwhich)”用作相应术语“包括(comprising)”和“其中(wherein)”的普通英语等同物。此外，在以下权利要求中，诸如“第一”、“第二”、“第三”、“上”、“下”、“底部”、“顶部”等术语仅用作标签，并非旨在对其对象施加数字或位置要求。此外，以下权利要求书的限制不是用装置加功能形式写的并且不旨在这样解释，除非并且直到这样的权利要求限制明确地使用短语“用于…的装置”，然后是功能陈述而无其他结构。
该书面描述使用示例来公开本发明的若干实施方案，包括最佳模式，并且还使本领域普通技术人员能够实践本发明的实施方案，包括制造和使用任何设备或系统以及执行任何包含的方法。本发明的专利范围由权利要求书限定，并且可包括本领域普通技术人员想到的其他示例。如果此类其它示例具有与权利要求的字面语言没有区别的结构元素，或者如果它们包括与权利要求的字面语言具有微小差别的等效结构元素，则此类其它示例旨在落入权利要求的范围内。
如本文所用，以单数形式列举并且以单词“一”或“一个”开头的元件或步骤应当被理解为不排除多个所述元件或步骤，除非明确说明这种排除。此外，对本发明的“一个实施方案”的引用不旨在被解释为排除也包含所引用特征的附加实施方案的存在。此外，除非明确地相反说明，否则“包含”、“包括”或“具有”具有特定特性的元件或多个元件的实施方案可包括不具有该特性的其他此类元件。
由于可以在上述发明中进行某些改变，而不脱离本发明所涉及的精神和范围，因此附图所示的以上描述的所有主题应仅被解释为说明本发明构思的示例并且不应当被解释为限制本发明。
Claims (11)
1.一种用于经由预拍处理对物体成像的系统，所述系统包括：
成像设备，所述成像设备可操作以对所述物体成像；
控制器，所述控制器与所述成像设备电子通信并可操作以：
经由所述成像设备获取所述物体的至少一个预拍图像；以及
至少部分地基于所述至少一个预拍图像的一个或多个特征生成指示符，其对应于经由所述成像设备获取的所述物体的一个或多个诊断图像将在医疗上不足的可能性，其中，所述一个或多个特征包括所述物体的密度、所述物体的遮蔽效应和所述物体的位置中的至少一个；
生成从所述至少一个预拍图像的一个或多个特征导出的全局分数，其中所述指示符至少部分地基于所述全局分数，其中，所述全局分数是通过所述一个或多个特征中的每个特征的处理路径生成相应特征的标测，然后生成用于生成全局分数的分量分数。
2.根据权利要求1所述的系统，其中所述控制器进一步可操作以：
如果所述全局分数超过阈值，则限制经由所述成像设备对所述物体成像。
3.根据权利要求1所述的系统，其中所述物体是人乳房，所述一个或多个特征包括所述乳房的位置，并且所述全局分数至少部分地基于所述乳房的乳房下折叠、所述乳房的乳头和与所述乳房相关联的胸肌中的至少一个。
4.根据权利要求1所述的系统，其中所述控制器进一步可操作以：
将解剖对称性与所述物体进行匹配，
其中所述指示符至少部分地基于所匹配的解剖学对称性。
5.根据权利要求4所述的系统，其中所述控制器进一步可操作以：
当所述物体的匹配的解剖对称性不是所述物体的预期解剖对称性时，限制经由所述成像设备对所述物体成像。
6.根据权利要求1所述的系统，其中所述控制器至少部分地基于机器学习模型生成所述指示符。
7.根据权利要求1所述的系统，其中所述控制器进一步可操作以：
使用第一能谱来获取所述至少一个预拍图像；
使用低于所述第一能谱的第二能谱来获取所述一个或多个诊断图像；以及
至少部分地基于所述至少一个预拍图和所述一个或多个诊断图像来生成材料等效图像。
8.一种用于经由预拍处理对物体成像的方法，所述方法包括：
经由成像设备获取所述物体的至少一个预拍图像；以及
经由控制器并至少部分地基于所述至少一个预拍图像的一个或多个特征生成指示符，其对应于经由所述成像设备获取的所述物体的一个或多个诊断图像将在医疗上不足的可能性，其中，所述一个或多个特征包括所述物体的密度、所述物体的遮蔽效应和所述物体的位置中的至少一个；
经由所述控制器生成从所述至少一个预拍图像的一个或多个特征导出的全局分数，其中所述指示符至少部分地基于所述全局分数，其中，所述全局分数是通过所述一个或多个特征中的每个特征的处理路径生成相应特征的标测，然后生成用于生成全局分数的分量分数。
9.根据权利要求8所述的方法，还包括：
如果所述全局分数超过阈值，则经由所述控制器限制通过所述成像设备对所述物体成像。
10.根据权利要求8所述的方法，其中所述物体是人乳房，所述一个或多个特征包括所述乳房的位置，并且所述全局分数至少部分地基于所述乳房的乳房下折叠、所述乳房的乳头和与所述乳房相关联的胸肌中的至少一个。
11.根据权利要求8所述的方法，还包括：
经由所述成像设备获取一个或多个诊断图像；
经由所述控制器至少部分地基于所述至少一个预拍图像和所述一个或多个诊断图像来生成材料等效图像；以及
其中通过第一能谱来获取所述至少一个预拍图像，并且通过低于所述第一能谱的第二能谱来获取所述一个或多个诊断图像。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/024,518 US10824892B2 (en) | 2018-06-29 | 2018-06-29 | System and method for imaging an object via pre-shot processing |
| US16/024,518 | 2018-06-29 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110652311A CN110652311A (zh) | 2020-01-07 |
| CN110652311B true CN110652311B (zh) | 2023-10-31 |
Family
ID=67137552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910577848.3A Active CN110652311B (zh) | 2018-06-29 | 2019-06-28 | 用于经由预拍处理对物体成像的系统和方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10824892B2 (zh) |
| EP (1) | EP3593723A1 (zh) |
| CN (1) | CN110652311B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2438479A1 (en) * | 2002-09-13 | 2004-03-13 | Ge Medical Systems Global Technology Company, Llc | Computer assisted analysis of tomographic mammography data |
| JP2006167105A (ja) * | 2004-12-15 | 2006-06-29 | Toshiba Corp | 医用画像管理システム |
| CN1846623A (zh) * | 2005-04-15 | 2006-10-18 | 株式会社东芝 | X射线计算机断层摄像装置 |
| EP2117428A1 (en) * | 2007-02-02 | 2009-11-18 | Apollo Medical Imaging Technology Pty Ltd | Identification and analysis of lesions in medical imaging |
| WO2012080914A1 (en) * | 2010-12-13 | 2012-06-21 | Koninklijke Philips Electronics N.V. | Breast density assessment |
| JP2014042662A (ja) * | 2012-08-27 | 2014-03-13 | Toshiba Corp | Ｘ線コンピュータ断層撮影装置およびスキャン制御プログラム |
| WO2015061582A2 (en) * | 2013-10-24 | 2015-04-30 | Smith Andrew P | System and method for navigating x-ray guided breast biopsy |
| CN104997528A (zh) * | 2014-04-21 | 2015-10-28 | 株式会社东芝 | X射线计算机断层拍摄装置以及拍摄条件设定辅助装置 |
| WO2016057121A1 (en) * | 2014-10-09 | 2016-04-14 | General Electric Company | Radiation dose applied to different anatomical stages |
| CN106572828A (zh) * | 2014-06-16 | 2017-04-19 | 通用电气公司 | 用于确定x射线曝光参数的系统和方法 |
| WO2018015911A1 (en) * | 2016-07-19 | 2018-01-25 | Volpara Health Technologies Limited | System and apparatus for clinical decision optimisation |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6827489B2 (en) | 2001-11-01 | 2004-12-07 | Ge Medical Systems Global Technology Company, Llc | Low-dose exposure aided positioning (LEAP) for digital radiography |
| US6763082B2 (en) * | 2002-02-27 | 2004-07-13 | Kabushiki Kaisha Toshiba | X-ray computer tomography apparatus |
| JP2008537691A (ja) * | 2005-03-16 | 2008-09-25 | コーネル リサーチ ファンデーション，インコーポレーテッド | 診断用精密検査におけるイメージング・ソフトウエアの領域を拡張する方法 |
| US10492749B2 (en) * | 2005-05-03 | 2019-12-03 | The Regents Of The University Of California | Biopsy systems for breast computed tomography |
| JP4942024B2 (ja) * | 2006-08-09 | 2012-05-30 | 富士フイルム株式会社 | 医用画像撮影方法及び医用画像撮影装置 |
| US8045771B2 (en) * | 2006-11-22 | 2011-10-25 | General Electric Company | System and method for automated patient anatomy localization |
| US8333508B2 (en) | 2008-05-06 | 2012-12-18 | Bruce Reiner | Multi-functional medical imaging quality assurance sensor |
| WO2011058461A1 (en) * | 2009-11-16 | 2011-05-19 | Koninklijke Philips Electronics N.V. | Scan plan field of view adjustor, determiner, and/or quality assessor |
| US8571174B2 (en) * | 2010-09-09 | 2013-10-29 | Hologic, Inc. | Methods and systems for detecting possible error in patient position |
| JP5761972B2 (ja) * | 2010-11-29 | 2015-08-12 | 株式会社東芝 | Ｘ線ｃｔ装置 |
| US9117289B2 (en) | 2011-11-11 | 2015-08-25 | Konica Minolta, Inc. | Medical imaging system, medical image processing apparatus, and computer-readable medium |
| KR102216440B1 (ko) * | 2013-12-04 | 2021-02-18 | 삼성전자주식회사 | 엑스선 영상 생성 장치 및 방법 |
| US9152761B2 (en) | 2014-01-10 | 2015-10-06 | Heartflow, Inc. | Systems and methods for identifying medical image acquisition parameters |
| CN105022719B (zh) * | 2014-04-23 | 2019-06-28 | Ge医疗系统环球技术有限公司 | 医学造影系统及方法 |
| GB2533632B (en) * | 2014-12-24 | 2018-01-03 | Gen Electric | Method and system for obtaining low dose tomosynthesis and material decomposition images |
| US10269114B2 (en) * | 2015-06-12 | 2019-04-23 | International Business Machines Corporation | Methods and systems for automatically scoring diagnoses associated with clinical images |
| US10980519B2 (en) * | 2015-07-14 | 2021-04-20 | Duke University | Systems and methods for extracting prognostic image features |
| US10368825B2 (en) * | 2016-01-20 | 2019-08-06 | General Electric Company | Methods and systems for computed tomography |
| US11406333B2 (en) * | 2016-05-09 | 2022-08-09 | Canon Medical Systems Corporation | Medical image diagnosis apparatus and management apparatus |
| CN105902279B (zh) * | 2016-06-02 | 2019-02-19 | 沈阳东软医疗系统有限公司 | 一种扫描图像重建的方法和装置 |
| CA3053368A1 (en) * | 2017-02-14 | 2018-08-23 | Dignity Health | Systems, methods, and media for selectively presenting images captured by confocal laser endomicroscopy |
-
2018
- 2018-06-29 US US16/024,518 patent/US10824892B2/en active Active
-
2019
- 2019-06-28 CN CN201910577848.3A patent/CN110652311B/zh active Active
- 2019-06-28 EP EP19183103.1A patent/EP3593723A1/en active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2438479A1 (en) * | 2002-09-13 | 2004-03-13 | Ge Medical Systems Global Technology Company, Llc | Computer assisted analysis of tomographic mammography data |
| JP2006167105A (ja) * | 2004-12-15 | 2006-06-29 | Toshiba Corp | 医用画像管理システム |
| CN1846623A (zh) * | 2005-04-15 | 2006-10-18 | 株式会社东芝 | X射线计算机断层摄像装置 |
| EP2117428A1 (en) * | 2007-02-02 | 2009-11-18 | Apollo Medical Imaging Technology Pty Ltd | Identification and analysis of lesions in medical imaging |
| WO2012080914A1 (en) * | 2010-12-13 | 2012-06-21 | Koninklijke Philips Electronics N.V. | Breast density assessment |
| JP2014042662A (ja) * | 2012-08-27 | 2014-03-13 | Toshiba Corp | Ｘ線コンピュータ断層撮影装置およびスキャン制御プログラム |
| WO2015061582A2 (en) * | 2013-10-24 | 2015-04-30 | Smith Andrew P | System and method for navigating x-ray guided breast biopsy |
| CN104997528A (zh) * | 2014-04-21 | 2015-10-28 | 株式会社东芝 | X射线计算机断层拍摄装置以及拍摄条件设定辅助装置 |
| CN106572828A (zh) * | 2014-06-16 | 2017-04-19 | 通用电气公司 | 用于确定x射线曝光参数的系统和方法 |
| WO2016057121A1 (en) * | 2014-10-09 | 2016-04-14 | General Electric Company | Radiation dose applied to different anatomical stages |
| WO2018015911A1 (en) * | 2016-07-19 | 2018-01-25 | Volpara Health Technologies Limited | System and apparatus for clinical decision optimisation |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3593723A1 (en) | 2020-01-15 |
| CN110652311A (zh) | 2020-01-07 |
| US20200005064A1 (en) | 2020-01-02 |
| US10824892B2 (en) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Heutink et al. | Multi-Scale deep learning framework for cochlea localization, segmentation and analysis on clinical ultra-high-resolution CT images | |
| US7796795B2 (en) | System and method for computer aided detection and diagnosis from multiple energy images | |
| JP4354737B2 (ja) | 多重エネルギ画像による計算機支援診断 | |
| ES2735356T3 (es) | Un método de reconstrucción de un objeto a partir de vistas de proyección | |
| US20230063828A1 (en) | Methods and systems for image acquisition, image quality evaluation, and medical image acquisition | |
| JP2008537691A (ja) | 診断用精密検査におけるイメージング・ソフトウエアの領域を拡張する方法 | |
| ES2949835T3 (es) | Método y aparato de análisis inteligente para tumor de hígado | |
| US11559273B2 (en) | Mammography apparatus and program | |
| KR20150073628A (ko) | 컴퓨터 보조 진단용 진단모델 적응 시스템 및 방법 | |
| US7387439B2 (en) | X-ray beam calibration for bone mineral density assessment using mammography system | |
| CN100411590C (zh) | 在ct定位像上沿身体边界自动设置重建视野的方法 | |
| US11779288B2 (en) | Methods, systems, and apparatus for determining radiation doses | |
| CN110652311B (zh) | 用于经由预拍处理对物体成像的系统和方法 | |
| CN115762724A (zh) | 医学图像的靶区自动勾画方法、装置和系统 | |
| EP3586749A1 (en) | System and method for contact management of a biopsy apparatus | |
| CN113781597B (zh) | 一种肺部ct图像的病灶识别方法、设备及介质 | |
| Heutink et al. | an der, M lanus, E | |
| Schwaab et al. | Image quality in automated breast ultrasound images: a preliminary study for the development of automated image quality assessment | |
| CN114631113A (zh) | 放射学质量审核员的工作量减轻器 | |
| EP3513730A1 (en) | System and method for image decomposition of a projection image | |
| KR20230073912A (ko) | Ct 영상의 정상스캔 여부를 자동으로 평가하는 방법, 시스템 및 비일시성 판독 가능 기록매체 | |
| CN117796826A (zh) | 计算机断层扫描成像方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |