CN110680321A - 脊柱mri扫描参数的确定方法、装置及图像处理设备 - Google Patents
脊柱mri扫描参数的确定方法、装置及图像处理设备 Download PDFInfo
- Publication number
- CN110680321A CN110680321A CN201910916561.9A CN201910916561A CN110680321A CN 110680321 A CN110680321 A CN 110680321A CN 201910916561 A CN201910916561 A CN 201910916561A CN 110680321 A CN110680321 A CN 110680321A
- Authority
- CN
- China
- Prior art keywords
- scanning
- mri
- positioning image
- image
- scan
- 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
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- High Energy & Nuclear Physics (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本说明书提供一种脊柱MRI扫描参数的确定方法、装置及图像处理设备。所述方法包括:获取基于MRI预扫描得到的待扫描脊柱的定位图像集合,定位图像集合包括多个扫描方位的定位图像序列,通过预先训练的图像筛选模型从定位图像集合中,筛选出每个扫描方位的最佳定位图像,通过预先训练的扫描参数生成模型生成每个最佳定位图像的MRI扫描参数,MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度,确定目标扫描方位对应的目标MRI扫描参数,实现了MRI设备在对脊柱进行MRI扫描的过程中,自动确定各扫描方位的最佳定位图像的MRI扫描参数,提高了MRI扫描参数的确定速度和准确性,提高了MRI扫描效率,减少了操作技师的工作量。
Description
技术领域
本说明书涉及医学成像技术领域,尤其涉及脊柱MRI扫描参数的确定方法、装置及图像处理设备。
背景技术
随着医学成像技术的进步,核磁共振成像(Magnetic Resonance Imaging,MRI)在临床上的应用日益广泛,广泛应用于脊柱疾病的诊断。
相关技术中,MRI设备对脊柱进行预扫描,获得定位图像,操作技师通过在MRI设备显示的定位图像上手动标记MRI扫描参数,向MRI设备输入MRI扫描参数。MRI设备根据脊柱的MRI扫描参数对脊柱进行MRI扫描,得到脊柱的MRI扫描图像。
人工手动标记MRI扫描参数的过程繁琐且费时,使得MRI扫描效率较低。当患者众多时,操作技师易因操作疲劳产生误操作,从而影响MRI图像的诊断价值。
发明内容
为克服相关技术中存在的问题,本说明书提供了一种脊柱MRI扫描参数的确定方法、装置及图像处理设备,以提高MRI扫描参数的确定速度和准确性,提高MRI扫描效率。
第一方面,提供一种脊柱MRI扫描参数的确定方法,所述方法包括:
获取基于MRI预扫描得到的待扫描脊柱的定位图像集合,所述定位图像集合包括多个扫描方位的定位图像序列;
通过预先训练的图像筛选模型从所述定位图像集合中,筛选出每个所述扫描方位的最佳定位图像;
通过预先训练的扫描参数生成模型生成每个所述最佳定位图像的MRI扫描参数,所述MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度;
确定目标扫描方位对应的目标MRI扫描参数。
第二方面,提供一种脊柱MRI扫描参数的确定装置,所述装置包括:
获取模块,被配置为获取基于MRI预扫描得到的所述脊柱的定位图像集合,所述定位图像集合包括多个扫描方位的定位图像序列;
筛选模块,被配置为通过预先训练的图像筛选模型从所述定位图像集合中,筛选出每个所述扫描方位的最佳定位图像;
生成模块,被配置为通过预先训练的扫描参数生成模型生成每个所述最佳定位图像的MRI扫描参数,所述MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度;
确定模块,被配置为确定目标扫描方位对应的目标MRI扫描参数。
第三方面,提供一种图像处理设备,包括:内部总线,以及通过内部总线连接的存储器、处理器和外部接口;其中,
所述外部接口,用于获取基于MRI预扫描得到的待扫描脊柱的定位图像集合;
所述存储器,用于存储脊柱MRI扫描参数的确定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,并执行所述指令实现如下操作:
通过预先训练的图像筛选模型从所述定位图像集合中,筛选出每个所述扫描方位的最佳定位图像;
通过预先训练的扫描参数生成模型生成每个所述最佳定位图像的MRI扫描参数,所述MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度;
确定目标扫描方位对应的目标MRI扫描参数。
本说明书的实施例提供的技术方案可以包括以下有益效果:
本说明书实施例中,通过获取基于MRI预扫描得到的待扫描脊柱的定位图像集合,利用预先训练的图像筛选模型从定位图像集合中,筛选出每个扫描方位的最佳定位图像,利用预先训练的扫描参数生成模型生成每个最佳定位图像的MRI扫描参数,确定目标扫描方位对应的目标MRI扫描参数,实现了MRI设备在对脊柱进行MRI扫描过程中,自动确定各扫描方位的最佳定位图像的MRI扫描参数,提高了MRI扫描参数的确定速度和准确性,提高了MRI扫描效率,减少了操作技师的工作量。由于使用同一图像筛选模型和扫描参数生成模型确定MRI扫描参数,因此保证了不同操作技师的操作结果的一致性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。
图1是本申请一示例性实施例示出的一种脊柱MRI扫描参数的确定方法的流程图;
图2是本申请一示例性实施例示出的一种训练图像筛选模型的方法的流程图;
图3是本申请一示例性实施例示出的一种训练扫描参数生成模型的方法的流程图;
图4是本申请一示例性实施例示出的最佳定位图像的示意图;
图5是本申请一示例性实施例示出的一种脊柱MRI扫描参数的确定装置的示意图;
图6是本申请一示例性实施例示出的一种图像处理设备的示意图。
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。
下面结合说明书附图,对本申请实施例进行详细描述。
图1是本申请一示例性实施例示出的一种脊柱MRI扫描参数的确定方法的流程图,该实施例可以包括以下步骤:
在步骤101中,获取基于MRI预扫描得到的待扫描脊柱的定位图像集合,定位图像集合包括多个扫描方位的定位图像序列。
本实施例所述方法应用于具有MRI扫描功能的MRI设备。脊柱可以为颈椎、胸椎或腰椎等。脊柱的扫描方位可以包括:横断面扫描方位、矢状面扫描方位和冠状面扫描方位。
MRI设备对待扫描脊柱进行预扫描,采集待扫描脊柱在每个扫描方位上的定位图像序列。定位图像序列包括的定位图像数目可以根据需要进行设置,例如,每个定位图像序列均包括三个定位图像。
在步骤102中,通过预先训练的图像筛选模型从定位图像集合中,筛选出每个扫描方位的最佳定位图像。
本步骤中,每个扫描方位的最佳定位图像为该扫描方位的定位图像序列中椎体结构最完整且椎体边缘最清洗的图像。其中,椎体结构完整可以理解为椎体轮廓完整,或,涵盖椎体范围最广,或,椎体轮廓完整且涵盖椎体范围最广。
本实施例中,MRI设备设有预先训练的图像筛选模型,该图像筛选模型具备识别定位图像的扫描方位,从脊柱的定位图像集合中划分出属于同一扫描方位的定位图像序列,从定位图像序列中筛选出最佳定位图像的能力。在脊柱MRI扫描过程中,直接利用该图像筛选模型从定位图像集合中,筛选出每个扫描方位的最佳定位图像,提高了各扫描方位的最佳定位图像的筛选速度和准确性。
在一个可选的实施例中,本申请所述方法还可以包括训练图像筛选模型的步骤,参见图2是本申请一示例性实施例示出的一种训练图像筛选模型的方法的流程图,图像筛选模型可以通过以下方式进行训练得到:
在步骤105中,获取基于MRI预扫描得到的脊柱的样本定位图像集合,样本定位图像集合包括多个扫描方位的样本定位图像序列。
本步骤中,脊柱的样本定位图像集合可以包括大量患者脊柱的定位图像集合,样本定位图像集合包括的定位图像集合越多,图像筛选模型的训练效果越好。例如,本步骤获取两千个患者的颈椎的定位图像集合,每个定位图像集合均包括横断面定位图像、矢状面定位图像和冠状面定位图像。
在步骤106中,获取针对样本定位图像集合中每个样本定位图像标记的标记数据,标记数据表征样本定位图像为最佳样本定位图像或非最佳样本定位图像,一个扫描方位的样本定位图像序列中同时包括最佳样本定位图像和非最佳样本定位图像。
样本定位图像的标记数据由技师手动标记。操作技师从一个扫描方位的样本定位图像序列中选择出最佳样本定位图像,为最佳样本定位图像标记相应标记数据,将样本定位图像序列中其他图像定义为非最佳样本定位图像,为非最佳样本定位图像标记相应标记数据。
在步骤107中,对样本定位图像集合进行数据归一化和数据增广,得到数据归一化和数据增广后的数据。
数据增广可以包括以下一种或多种操作:图像的平移操作、翻转操作、旋转操作、噪声扰动操作、颜色抖动操作。
实现中,MRI设备可以获取基于MRI预扫描得到的脊柱的样本定位图像集合,样本定位图像集合包括横断面扫描方位的样本定位图像序列、矢状面扫描方位的样本定位图像序列和冠状面扫描方位的样本定位图像序列,每个扫描方位的样本定位图像序列包括:最佳样本定位图像和非最佳样本定位图像,MRI设备可以对上述样本定位图像集合进行数据归一化和数据增广,得到数据归一化和数据增广后的数据。
在步骤108中,利用数据归一化和数据增广后的数据进行训练得到图像筛选模型。
将数据归一化和数据增广后的数据作为训练集,将训练集输入图像筛选模型中,使得图像筛选模型学习样本定位图像与该样本定位图像是否为样本定位图像序列中最佳样本定位图像之间的映射关系,最佳样本定位图像的椎体结构最完整且椎体边缘最清晰。在模型学习结束后,图像筛选模型能够从定位图像序列中筛选出最佳定位图像。
例如,在一样本定位图像序列中,对最佳样本定位图像标记“1”,对非最佳样本定位图像标记“0”。在对训练集进行数据归一化和数据增广,获得更多组这样的映射关系后,将数据归一化和数据增广后的训练集输入图像筛选模型,使图像筛选模型学习样本定位图像是否为样本定位图像序列中最佳样本定位图像。在模型学习结束后,将待扫描脊柱的定位图像输入图像筛选模型,确定待扫描脊柱的定位图像的映射结果与1的靠近程度,即确定该定位图像作为最佳定位图像的概率。
基于此,步骤102可以通过以下方式实现:首先,将定位图像集合的图像数据输入图像筛选模型中;其次,基于图像筛选模型进行作为最佳定位图像的概率预测,获得图像筛选模型输出的每个扫描方位的概率最大的最佳定位图像。
图像筛选模型依据扫描方位对定位图像集合进行划分,得到不同扫描方位的定位图像序列,针对每个定位图像序列,确定定位图像序列中各定位图像作为最佳定位图像的概率,选择概率最大的定位图像作为最佳定位图像,输出最佳定位图像。
在步骤103中,通过预先训练的扫描参数生成模型生成每个最佳定位图像的MRI扫描参数,MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度。
脊柱扫描视野即脊柱扫描范围,脊柱扫描视野需要覆盖待扫描脊柱的所有解剖结构。椎间盘旋转角度可以理解为椎间盘与横轴X之间的夹角角度。MRI扫描参数除包括脊柱扫描视野和椎间盘旋转角度外,还可以包括其他适用参数。
扫描参数生成模型具备识别定位图像中脊柱结构,根据脊柱结构确定脊柱扫描视野和椎间盘旋转角度的能力。在脊柱MRI扫描过程中,直接利用该扫描参数生成模型自动生成最佳定位图像的MRI扫描参数,相较于人工手动标记MRI扫描参数,提高了MRI扫描参数的确定速度和准确性。
在一个可选的实施例中,本申请所述方法还包括训练扫描参数生成模型的步骤,参见图3是本申请一示例性实施例示出的一种训练扫描参数生成模型的方法的流程图,扫描参数生成模型可以通过以下方式进行训练得到:
在步骤109中,获取基于MRI预扫描得到的脊柱的多个扫描方位的最佳样本定位图像。
本步骤中,一个扫描方位的最佳样本定位图像可以是操作技师从该扫描方位的定位图像序列中筛选出的图像,也可以是获得图像筛选模型后,使用图像筛选模型输出的图像。最佳样本定位图像数量越多,扫描参数生成模型的训练效果越好。
在步骤1010中,获取针对每个最佳样本定位图像标记的MRI扫描参数。
MRI扫描参数由操作技师手动标记。MRI扫描参数可以包括:脊柱扫描视野和椎间盘旋转角度。
在步骤1011中,对包含MRI扫描数据的最佳样本定位图像进行数据归一化和数据增广,得到数据归一化和数据增广后的数据。
数据增广可以包括以下一种或多种操作:图像的平移操作、翻转操作、旋转操作、噪声扰动操作、颜色抖动操作。
实现中,MRI设备可以获取基于MRI扫描得到的脊柱的多个扫描方位的最佳样本定位图像,以及获取携带MRI扫描参数的标记图像,标记图像是对最佳样本定位图像进行MRI扫描参数标记后得到的图像,对最佳样本定位图像和标记图像进行数据归一化和数据增广,得到数据归一化和数据增广后的数据。
在步骤1012中,利用数据归一化和数据增广后的数据进行训练得到扫描参数生成模型。
将数据归一化和数据增广后的数据作为训练集,将训练集输入扫描参数生成模型中,使得扫描参数生成模型学习样本定位图像与MRI扫描参数之间的映射关系。在模型学习结束后,扫描参数生成模型能够确定定位图像的MRI扫描参数。
使用经图3所示方法训练得到的扫描参数生成模型时,步骤103可以通过以下方式实现:首先,将每个最佳定位图像的图像数据输入扫描参数生成模型中;其次,基于扫描参数生成模型进行MRI扫描参数的数值预测,输出每个最佳定位图像的MRI扫描参数的数值。
在步骤104中,确定目标扫描方位对应的目标MRI扫描参数。
针对待扫描脊柱,在确定出多个扫描方位的最佳定位图像的MRI扫描参数后,可以建立不同扫描方位的最佳定位图像和MRI扫描参数的对应关系。可以通过查找该对应关系,确定目标扫描方位对应的目标MRI扫描参数。
对于医疗MRI设备,可以获取针对不同脊柱部位训练的图像筛选模型和扫描参数生成模型,在对目标脊柱部位进行扫描时,使用针对目标脊柱部位训练的图像筛选模型和扫描参数生成模型,确定目标脊柱部位的最佳定位图像的MRI扫描参数。例如,MRI设备同时获取颈椎的图像筛选模型和扫描参数生成模型、胸椎的图像筛选模型和扫描参数生成模型、以及腰椎的图像筛选模型和扫描参数生成模型,在对颈椎进行CT扫描时,使用颈椎的图像筛选模型和扫描参数生成模型,确定颈椎的最佳定位图像的MRI扫描参数。
本实施例实现了脊柱MRI扫描过程中,目标扫描方位的最佳定位图像的MRI扫描参数的自动确定,提高了脊柱的MRI扫描参数的确定速度和准确性,提高了MRI扫描效率,减轻了操作技师的工作量。由于使用同一图像筛选模型和扫描参数生成模型确定MRI扫描参数,因此保证了不同操作技师的操作结果的一致性。
所述确定目标扫描方位对应的目标MRI扫描参数的操作可以通过以下方式实现:确定待扫描方位,从多个扫描方位中除去待扫描方位,得到目标扫描方位。
在对脊柱进行MRI扫描的场景下,操作技师向MRI设备输入待扫描方位,触发MRI设备从多个扫描方位中除去待扫描方位,得到目标扫描方位。
在确定目标扫描方位的MRI扫描参数后,若MRI设备显示了目标扫描方位的定位图像,则根据目标扫描方位的MRI扫描参数,绘制并显示目标扫描方位的脊柱扫描区域,使得操作技师通过查看MRI设备的显示内容获知设备自动确定的脊柱扫描视野和椎间盘旋转角度。
示例性地,图4是本申请一示例性实施例示出的最佳定位图像的示意图。
MRI设备获取待扫描腰椎的定位图像集合,定位图像集合包括三个扫描方位的定位图像序列,MRI设备通过上述方法获得待扫描腰椎的三个扫描方位的最佳定位图像的MRI扫描数据。
MRI设备的操作界面上设有针对三个扫描方位设置的三个选项。需要对待扫描腰椎进行冠状面扫描时,操作技师选择针对冠状面扫描方位设置的选项,触发MRI设备获取横断面扫描方位的MRI扫描数据、以及获取矢状面扫描方位的MRI扫描数据,在MRI设备显示横断面扫描方位的定位图像和矢状面扫描方位的定位图像的情形下,根据横断面扫描方位的MRI扫描数据,在相应定位图像上绘制出扫描区域轮廓,以及根据矢状面扫描方位的MRI扫描数据,在相应定位图像上绘制出扫描区域轮廓,具体轮廓参见图4中第一行图像所示。
操作技师选择针对矢状面扫描方位设置的选项,触发MRI设备获取横断面扫描方位的MRI扫描数据、以及获取冠状面扫描方位的MRI扫描数据,在MRI设备显示横断面扫描方位的定位图像和冠状面扫描方位的定位图像的情形下,根据横断面扫描方位的MRI扫描数据,在相应定位图像上绘制出扫描区域轮廓,以及根据冠状面扫描方位的MRI扫描数据,在相应定位图像上绘制出扫描区域轮廓,具体轮廓参见图4中第二行图像所示。
操作技师选择针对横断面扫描方位设置的选项,触发MRI设备获取矢状面扫描方位的MRI扫描数据、以及获取冠状面扫描方位的MRI扫描数据,在MRI设备显示矢状面扫描方位的定位图像和冠状面扫描方位的定位图像的情形下,根据矢状面扫描方位的MRI扫描数据,在相应定位图像上绘制出扫描区域轮廓,以及根据冠状面扫描方位的MRI扫描数据,在相应定位图像上绘制出扫描区域轮廓,具体轮廓参见图4中第三行图像所示。
实验结果表明,使用本申请提供的方法能够在1s内完成最佳定位图像的选取和MRI扫描参数的确定,确定结果精度较高,能够满足临床应用需求,具有良好的实用性。
与前述脊柱MRI扫描参数的确定方法相对应,本申请还提供了脊柱MRI扫描参数的确定装置及图像处理设备的实施例。
参见图5,是本申请一示例性实施例示出的一种脊柱MRI扫描参数的确定装置的示意图,该装置包括:获取模块21、筛选模块22、生成模块23和确定模块24;其中,
所述获取模块21,被配置为获取基于MRI预扫描得到的待扫描脊柱的定位图像集合,所述定位图像集合包括多个扫描方位的定位图像序列;
所述筛选模块22,被配置为通过预先训练的图像筛选模型从所述定位图像集合中,筛选出每个所述扫描方位的最佳定位图像;
所述生成模块23,被配置为通过预先训练的扫描参数生成模型生成每个所述最佳定位图像的MRI扫描参数,所述MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度;
所述确定模块24,被配置为确定目标扫描方位对应的目标MRI扫描参数。
在一个可选的实施例中,在图5所示的脊柱MRI扫描参数的确定装置的基础上,所述确定模块24,可以包括:确定子模块和得到子模块;其中,
所述确定子模块,被配置为确定待扫描方位;
所述得到子模块,被配置为从所述多个扫描方位中除去所述待扫描方位,得到所述目标扫描方位。
参见图6,是本申请一示例性实施例示出的一种图像处理设备的示意图,该设备可以包括:通过内部总线310连接的存储器320、处理器330和外部接口340。
其中,外部接口340,用于获取基于MRI预扫描得到的待扫描脊柱的定位图像集合;
存储器320,用于存储脊柱MRI扫描参数的确定对应的机器可读指令;
处理器330,用于读取所述存储器320上的所述机器可读指令,并执行所述指令以实现如下操作:
通过预先训练的图像筛选模型从所述定位图像集合中,筛选出每个所述扫描方位的最佳定位图像;
通过预先训练的扫描参数生成模型生成每个所述最佳定位图像的MRI扫描参数,所述MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度;
确定目标扫描方位对应的目标MRI扫描参数。
在本申请实施例中,计算机可读存储介质可以是多种形式,比如,在不同的例子中,所述机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。特殊的,所述的计算机可读介质还可以是纸张或者其他合适的能够打印程序的介质。使用这些介质,这些程序可以被通过电学的方式获取到(例如,光学扫描)、可以被以合适的方式编译、解释和处理,然后可以被存储到计算机介质中。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (10)
1.一种脊柱MRI扫描参数的确定方法,其特征在于,所述方法包括:
获取基于MRI预扫描得到的待扫描脊柱的定位图像集合,所述定位图像集合包括:多个扫描方位的定位图像序列;
通过预先训练的图像筛选模型从所述定位图像集合中,筛选出每个所述扫描方位的最佳定位图像;
通过预先训练的扫描参数生成模型生成每个所述最佳定位图像的MRI扫描参数,所述MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度;
确定目标扫描方位对应的目标MRI扫描参数。
2.根据权利要求1所述的方法,其特征在于,所述确定目标扫描方位对应的目标MRI扫描参数,包括:
确定待扫描方位;
从所述多个扫描方位中除去所述待扫描方位,得到所述目标扫描方位。
3.根据权利要求1所述的方法,其特征在于,所述图像筛选模型通过以下方式进行训练得到:
获取基于MRI预扫描得到的脊柱的样本定位图像集合,所述样本定位图像集合包括:多个所述扫描方位的样本定位图像序列;
获取针对所述样本定位图像集合中每个所述样本定位图像标记的标记数据,所述标记数据表征所述样本定位图像为最佳样本定位图像或非最佳样本定位图像,一个所述扫描方位的样本定位图像序列中同时包括最佳样本定位图像和非最佳样本定位图像;
对包含标记数据的样本定位图像进行数据归一化和数据增广,得到数据归一化和数据增广后的数据;
利用所述数据归一化和数据增广后的数据进行训练得到所述图像筛选模型。
4.根据权利要求3所述的方法,其特征在于,所述通过预先训练的图像筛选模型从所述定位图像集合中,筛选出每个所述扫描方位的最佳定位图像,包括:
将所述定位图像集合的图像数据输入所述图像筛选模型中;
基于所述图像筛选模型进行作为最佳定位图像的概率预测,获得所述图像筛选模型输出的每个所述扫描方位的概率最大的最佳定位图像。
5.根据权利要求1所述的方法,其特征在于,所述扫描参数生成模型通过以下方式进行训练得到:
获取基于MRI预扫描得到的脊柱的多个扫描方位的最佳样本定位图像;
获取针对每个所述最佳样本定位图像标记的MRI扫描参数;
对包含MRI扫描数据的最佳样本定位图像进行数据归一化和数据增广,得到数据归一化和数据增广后的数据;
利用所述数据归一化和数据增广后的数据进行训练得到所述扫描参数生成模型。
6.根据权利要求5所述的方法,其特征在于,所述通过预先训练的扫描参数生成模型生成每个所述最佳定位图像的MRI扫描参数,包括:
将每个所述最佳定位图像的图像数据输入所述扫描参数生成模型中;
基于所述扫描参数生成模型进行MRI扫描参数的数值预测,输出每个所述最佳定位图像的MRI扫描参数的数值。
7.根据权利要求1所述的方法,其特征在于,所述多个扫描方位包括:横断面扫描方位、矢状面扫描方位、冠状面扫描方位。
8.一种脊柱MRI扫描参数的确定装置,其特征在于,所述装置包括:
获取模块,被配置为获取基于MRI预扫描得到的待扫描脊柱的定位图像集合,所述定位图像集合包括多个扫描方位的定位图像序列;
筛选模块,被配置为通过预先训练的图像筛选模型从所述定位图像集合中,筛选出每个所述扫描方位的最佳定位图像;
生成模块,被配置为通过预先训练的扫描参数生成模型生成每个所述最佳定位图像的MRI扫描参数,所述MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度;
确定模块,被配置为确定目标扫描方位对应的目标MRI扫描参数。
9.根据权利要求8所述的装置,其特征在于,所述确定模块,包括:
确定子模块,被配置为确定待扫描方位;
得到子模块,被配置为从所述多个扫描方位中除去所述待扫描方位,得到所述目标扫描方位。
10.一种图像处理设备,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、处理器和外部接口;其中,
所述外部接口,用于获取基于MRI预扫描得到的待扫描脊柱的定位图像集合;
所述存储器,用于存储脊柱MRI扫描参数的确定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,并执行所述指令实现如下操作:
通过预先训练的图像筛选模型从所述定位图像集合中,筛选出每个所述扫描方位的最佳定位图像;
通过预先训练的扫描参数生成模型生成每个所述最佳定位图像的MRI扫描参数,所述MRI扫描参数包括:脊柱扫描视野和椎间盘旋转角度;
确定目标扫描方位对应的目标MRI扫描参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910916561.9A CN110680321B (zh) | 2019-09-26 | 2019-09-26 | 脊柱mri扫描参数的确定方法、装置及图像处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910916561.9A CN110680321B (zh) | 2019-09-26 | 2019-09-26 | 脊柱mri扫描参数的确定方法、装置及图像处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110680321A true CN110680321A (zh) | 2020-01-14 |
CN110680321B CN110680321B (zh) | 2023-08-29 |
Family
ID=69110379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910916561.9A Active CN110680321B (zh) | 2019-09-26 | 2019-09-26 | 脊柱mri扫描参数的确定方法、装置及图像处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110680321B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465771A (zh) * | 2020-11-25 | 2021-03-09 | 平安科技(深圳)有限公司 | 脊柱核磁共振图像的分析方法、装置和计算机设备 |
CN113393500A (zh) * | 2021-05-28 | 2021-09-14 | 上海联影医疗科技股份有限公司 | 脊柱扫描参数获取方法、装置、设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030139660A1 (en) * | 2002-01-18 | 2003-07-24 | Isao Tatebayashi | Magnetic resonance imaging using technique of positioning multi-slabs to be imaged |
WO2005091011A1 (en) * | 2004-03-12 | 2005-09-29 | Koninklijke Philips Electronics N.V. | Prescan for optimization of mri scan parameters |
CN101251583A (zh) * | 2007-02-19 | 2008-08-27 | 威斯康星校友研究基金会 | 局部化且高度约束的图像重构方法 |
CN103054646A (zh) * | 2012-12-25 | 2013-04-24 | 周翔 | 一种适于超声-ct/mri/pet等融合成像的非侵入性标准配准装置 |
CN103124516A (zh) * | 2010-09-27 | 2013-05-29 | 株式会社日立医疗器械 | 磁共振成像装置以及磁共振成像方法 |
CN109389603A (zh) * | 2018-09-10 | 2019-02-26 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
CN109567843A (zh) * | 2019-02-02 | 2019-04-05 | 上海联影医疗科技有限公司 | 一种成像扫描自动定位方法、装置、设备及介质 |
CN110084805A (zh) * | 2019-04-30 | 2019-08-02 | 东软医疗系统股份有限公司 | Fov参数设定方法、装置及图像处理设备 |
-
2019
- 2019-09-26 CN CN201910916561.9A patent/CN110680321B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030139660A1 (en) * | 2002-01-18 | 2003-07-24 | Isao Tatebayashi | Magnetic resonance imaging using technique of positioning multi-slabs to be imaged |
WO2005091011A1 (en) * | 2004-03-12 | 2005-09-29 | Koninklijke Philips Electronics N.V. | Prescan for optimization of mri scan parameters |
CN101251583A (zh) * | 2007-02-19 | 2008-08-27 | 威斯康星校友研究基金会 | 局部化且高度约束的图像重构方法 |
CN103124516A (zh) * | 2010-09-27 | 2013-05-29 | 株式会社日立医疗器械 | 磁共振成像装置以及磁共振成像方法 |
CN103054646A (zh) * | 2012-12-25 | 2013-04-24 | 周翔 | 一种适于超声-ct/mri/pet等融合成像的非侵入性标准配准装置 |
CN109389603A (zh) * | 2018-09-10 | 2019-02-26 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
CN109567843A (zh) * | 2019-02-02 | 2019-04-05 | 上海联影医疗科技有限公司 | 一种成像扫描自动定位方法、装置、设备及介质 |
CN110084805A (zh) * | 2019-04-30 | 2019-08-02 | 东软医疗系统股份有限公司 | Fov参数设定方法、装置及图像处理设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465771A (zh) * | 2020-11-25 | 2021-03-09 | 平安科技(深圳)有限公司 | 脊柱核磁共振图像的分析方法、装置和计算机设备 |
CN112465771B (zh) * | 2020-11-25 | 2023-07-25 | 平安科技(深圳)有限公司 | 脊柱核磁共振图像的分析方法、装置和计算机设备 |
CN113393500A (zh) * | 2021-05-28 | 2021-09-14 | 上海联影医疗科技股份有限公司 | 脊柱扫描参数获取方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110680321B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8355553B2 (en) | Systems, apparatus and processes for automated medical image segmentation using a statistical model | |
US6195409B1 (en) | Automatic scan prescription for tomographic imaging | |
EP1345154A1 (en) | A method for encoding image pixels and method for processing images aimed at qualitative recognition of the object reproduced by one more image pixels | |
CN108765438B (zh) | 一种肝脏边界的识别方法及系统 | |
JP2003265408A (ja) | 内視鏡誘導装置および方法 | |
US7340082B2 (en) | Method and medical imaging apparatus for determining a slice in an examination volume for data acquisition in the slice | |
AU2012283869B2 (en) | Network-based pathology system with desktop slide scanner | |
CN110464462B (zh) | 腹部外科介入手术的图像导航配准系统及相关装置 | |
CN110680321B (zh) | 脊柱mri扫描参数的确定方法、装置及图像处理设备 | |
CN110288698B (zh) | 基于mri的半月板三维重建系统 | |
JP2020039507A (ja) | 磁気共鳴撮像装置、画像処理装置、及び、画像処理方法 | |
CN110916695A (zh) | 确定脊柱扫描视野的方法、装置及图像处理设备 | |
CN110084805B (zh) | Fov参数设定方法、装置及图像处理设备 | |
US8194945B2 (en) | Computer aided image acquisition and diagnosis system | |
CN107633478B (zh) | 图像处理装置、图像处理方法以及计算机可读介质 | |
CN109949288A (zh) | 肿瘤类型确定系统、方法及存储介质 | |
US20030068075A1 (en) | Medical tomography apparatus for generating a 2D image from a 3D dataset of a tomographic data | |
WO2011050454A1 (en) | Bone imagery segmentation method and apparatus | |
CN113515875B (zh) | 基于多模态图像的骨生物力学建模方法、系统及装置 | |
CN110619621B (zh) | 识别图像中肋骨区域的方法、装置、电子设备和存储介质 | |
Chicherova et al. | Automatic deformable registration of histological slides to μCT volume data | |
US8369927B2 (en) | Method for creating a model of a structure | |
JP5363962B2 (ja) | 診断支援システム、診断支援プログラムおよび診断支援方法 | |
CN110555850B (zh) | 识别图像中肋骨区域的方法、装置、电子设备和存储介质 | |
CN110675444B (zh) | 头部ct扫描区域的确定方法、装置及图像处理设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |