CN110916695A - 确定脊柱扫描视野的方法、装置及图像处理设备 - Google Patents
确定脊柱扫描视野的方法、装置及图像处理设备 Download PDFInfo
- Publication number
- CN110916695A CN110916695A CN201911072311.8A CN201911072311A CN110916695A CN 110916695 A CN110916695 A CN 110916695A CN 201911072311 A CN201911072311 A CN 201911072311A CN 110916695 A CN110916695 A CN 110916695A
- Authority
- CN
- China
- Prior art keywords
- edge line
- target
- spine
- determining
- intervertebral disc
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000000007 visual effect Effects 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 title claims abstract description 16
- 238000012549 training Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 7
- 210000000115 thoracic cavity Anatomy 0.000 claims description 6
- 210000004705 lumbosacral region Anatomy 0.000 claims description 5
- 238000002591 computed tomography Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000020307 Spinal disease Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013434 data augmentation Methods 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
- 239000003623 enhancer Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (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)
- Human Computer Interaction (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)
- Veterinary Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种确定脊柱扫描视野的方法、装置及图像处理设备。所述方法包括:获取基于预扫描得到的待扫描脊柱的定位图像,通过预先训练的边缘线识别模型,识别所述定位图像中各脊椎块的上边缘线和下边缘线,从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线,根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野,实现医疗设备自动设定脊柱定位图像上目标椎间盘的扫描参数,提高了脊柱扫描参数的设定效率和图像采集效率。
Description
技术领域
本申请涉及医学成像技术领域,尤其涉及确定脊柱扫描视野的方法、装置及图像处理设备。
背景技术
近年来,医学成像技术得到了巨大的发展,成像模态从早期的X射线(X-ray)平片、单层CT(Computed Tomography,电子计算机断层扫描)片发展到了目前的多层螺旋CT片、MRI(Nuclear magnetic resonance,核磁共振)片、PET(Positron Emission Tomography,正电子发射计算机断层显像)/CT片等,为医生对脊柱疾病的诊断提供了更加强大和客观的诊断工具,提高了疾病诊断的效率和准确性。目前,医学仪器不具有自动设定FOV(Field ofview,扫描视野)的功能,需要医生通过观察定位片中的解剖特征来圈定目标区域,实现FOV设定。然而,医生手动设定FOV的步骤增加了图像采集过程的繁琐度和耗时时间,导致图像采集效率较低。
发明内容
为克服相关技术中存在的问题,本申请提供了一种确定脊柱扫描视野的方法、装置及图像处理设备,以提高图像采集效率和采集的图像质量。
第一方面,提供一种确定脊柱扫描视野的方法,所述方法包括:
获取基于预扫描得到的待扫描脊柱的定位图像;
通过预先训练的边缘线识别模型,识别所述定位图像中各脊椎块的上边缘线和下边缘线;
从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线;
根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野
第二方面,提供一种确定脊柱扫描视野的装置,所述装置包括:
获取模块,被配置为获取基于预扫描得到的待扫描脊柱的定位图像;
识别模块,被配置为通过预先训练的边缘线识别模型,识别所述定位图像中各脊椎块的上边缘线和下边缘线;
第一确定模块,被配置为从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线;
第二确定模块,被配置为根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野。
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,用于获取基于预扫描得到的待扫描脊柱的定位图像;
所述存储器,用于存储确定脊柱扫描视野的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:
通过预先训练的边缘线识别模型,识别所述定位图像中各脊椎块的上边缘线和下边缘线;
从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线;
根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野。
本申请的实施例提供的技术方案可以包括以下有益效果:
本申请实施例中,通过预先训练的边缘线识别模型,识别定位图像中各脊椎块的上边缘线和下边缘线,从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于目标椎间盘底部的第二边缘线,根据第一边缘线和第二边缘线,确定目标椎间盘的扫描参数,实现医疗设备自动设定脊柱定位图像上目标椎间盘的扫描参数,提高了脊柱扫描参数的设定效率和图像采集效率。
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,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本申请的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请一示例性实施例示出的一种确定脊柱扫描视野的方法的流程图;
图2是本申请一示例性实施例示出的一种确定脊柱块边缘线的方法的流程图;
图3是本申请一示例性实施例示出的一种训练边缘线识别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人体脊柱腰段的定位图像的示意图;
图5是本申请一示例性实施例示出的人体脊柱腰段的FOV图像的示意图;
图6是本申请一示例性实施例示出的一种确定脊柱扫描视野的装置的示意图;
图7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。
本申请提供了一种确定脊柱扫描视野的新方法,应用于医疗设备,医疗设备可以包括CT设备、MRI设备、PET/CT设备等。医疗设备通过执行该方法,能够实现自动设定脊柱定位图像上目标脊柱部位的扫描视野。
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确定脊柱扫描视野的方法的流程图,该实施例可以包括以下步骤:
在步骤101中,获取基于预扫描得到的待扫描脊柱的定位图像。
脊柱可分为脊柱颈段、脊柱腰段、脊柱胸段等,每个脊柱段包括多个脊椎块,相邻两个脊椎块之间设有一椎间盘,例如,脊柱腰段包括五个腰椎块,相邻两个腰椎块之间设有一腰椎间盘。待扫描脊柱可以包括上述一种或多种脊柱段,例如,待扫描脊柱包括脊柱颈段、脊柱腰段和脊柱胸段,或者,待扫描脊柱仅包括脊柱腰段。
医疗设备在采集脊柱图像过程中,先对待扫描脊柱进行预扫描,采集待扫描脊柱的定位图像。对于CT设备,在一个扫描方向上采集定位图像,得到一个扫描方向的定位图像。对于MRI设备,分别在横断面方向、矢状面方向和冠状面方向采集定位图像,得到三个扫描方向的定位图像。
在步骤102中,通过预先训练的边缘线识别模型,识别定位图像中各脊椎块的上边缘线和下边缘线。
颈椎、胸椎或腰椎均包括多个脊椎块和多个椎间盘。医疗设备预先获取边缘线识别模型,边缘线识别模型具有识别定位图像中各脊椎块的边缘线的能力,该边缘线包括上边缘线和下边缘线。
医疗设备在获取待扫描脊柱的定位图像后,将定位图像的图像数据输入边缘线识别模型中,通过边缘线识别模型对定位图像中各脊椎块的上边缘线和下边缘线进行识别,得到边缘线识别模型输出的标记有各脊椎块的上边缘线和下边缘线的定位图像的图像数据。
在步骤103中,从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于目标椎间盘底部的第二边缘线。
在一个可选的实施例中,参见图2是本申请一示例性实施例示出的一种确定脊柱块边缘线的方法的流程图,步骤103可以通过以下方式实现:在步骤1031中,确定目标椎间盘关联的目标脊柱块节数,目标脊柱块节数包括:第一脊柱块节数和第二脊柱块节数,第一脊柱块与目标椎间盘顶部连接,第二脊柱块与目标椎间盘底部连接;在步骤1032中,根据第一脊柱块节数,从所有边缘线中查找出第一脊柱块的下边缘线,将第一脊柱块的下边缘线作为第一边缘线;在步骤1033中,根据第二脊柱块节数,从所有边缘线中查找出第二脊柱块的上边缘线,将第二脊柱块的上边缘线作为第二边缘线。
针对步骤1031,在脊柱结构中,相邻的两个脊椎块通过中间设定的椎间盘连接,一个椎间盘关联与其连接的两个脊椎块的脊柱块节数。本步骤需要确定与目标椎间盘顶部连接的第一脊柱块的第一脊柱块节数,以及与目标椎间盘底部连接的第二脊柱块的第二脊柱块节数。
确定目标脊柱块节数的方式有多种,例如:第一种确定方式:直接获取目标脊柱块节数。实现中,医疗设备设有设定界面,医生可以在设定界面上直接输入目标脊柱块节数。例如,医生在设定界面上输入第四节腰椎块的节数和第五节腰椎块的节数。
第二种确定方式:首先,确定目标脊柱段标识,目标脊柱段标识包括以下至少一项:脊柱颈段标识、脊柱胸段标识、脊柱腰段标识;其次,从预设的脊柱段标识和脊柱块节数的对应关系中,查找目标脊柱段标识对应的目标脊柱块节数。
脊柱段标识起到标识脊柱段的作用,用于确定唯一的脊柱段。脊柱段标识的形式有多种,例如脊柱段名称、编号等。
医疗设备确定目标脊柱段标识的方式有多种,例如,医疗设备接收医生输入的目标脊柱段标识,或者,医疗设备自动识别定位图像包括的所有脊柱段,将定位图像包括的所有脊柱段的脊柱段标识作为目标脊柱段标识。
每个脊柱段包括多个脊椎块和多个椎间盘,针对每个脊柱段,可以建立脊柱段标识与包括的所有脊柱块的脊柱块节数的对应关系,或者,可以建立脊柱段标识与包括的部分脊柱块的脊柱块节数的对应关系。
例如,脊柱腰段包括第一节腰椎块至第五节腰椎块,基于后三节腰椎间盘易发生病变,建立了脊柱腰段标识与第二节腰椎块节数的对应关系、脊柱腰段标识与第三节腰椎块节数的对应关系、脊柱腰段标识与第四节腰椎块节数的对应关系、脊柱腰段标识与第五节腰椎块节数的对应关系。在使用过程中,从预设的脊柱段标识和脊柱块节数的对应关系中,查找出脊柱腰段标识对应的第二节腰椎块节数至第五节腰椎块节数。
在一个可选的实施例中,整个脊柱可划分多个脊柱段,如脊柱颈段、脊柱胸段、脊柱腰段等。待扫描脊柱可以包括上述一个或多个脊柱段。
当待扫描脊柱包括上述至少两个脊柱段时,医疗设备可以根据目标椎间盘在待扫描脊柱中的位置信息确定查找方向,查找方向包括:从上向下的方向或从下向上的方向,之后按照该查找方向,从所有边缘线中查找出第一边缘线和第二边缘线。
当目标椎间盘位于待扫描脊柱的上半段时,查找方向优选为从上向下的方向。当目标椎间盘位于待扫描脊柱的下半段时,查找方向优选为从下向上的方向。例如,待扫描脊柱为整个脊柱,目标椎间盘为目标腰椎间盘,查找方向为从下向上的方向。又如,待扫描脊柱为整个脊柱,目标椎间盘为目标颈椎间盘,查找方向为从上向下的方法,
上述方法利用了脊椎块和椎间盘从上到下依次有序排列的特点,通过确定合适的查找方向,能够快速地查找出目标椎间盘的边缘线。
在步骤104中,根据第一边缘线和第二边缘线,确定目标椎间盘的扫描视野。
医疗设备在确定出目标椎间盘的第一边缘线和第二边缘线后,根据第一边缘线和第二边缘线,确定目标椎间盘所在的区域,并根据该区域确定目标椎间盘的扫描视野,扫描视野限定了目标椎间盘的扫描区域大小和旋转方向。
实现中,医疗设备对第一边缘线进行直线拟合和延长处理,得到第一边缘线段,对第二边缘线进行直线拟合和延长处理,得到第二边缘线段,根据第一边缘线段和第二边缘线段,绘制四边形,将该四边形确定为目标椎间盘的扫描视野。目标椎间盘的全部图像位于四边形区域内。延长处理过程中延长的尺寸可以根据经验值设定。可以基于设定,使得绘制的四边形为平行四边形。
医疗设备可以显示绘制的四边形,以便技师查看设备自动设定的扫描视野。技师在判定设备设定的扫描视野不合适时,可以对扫描视野进行调整,触发医疗设备根据技师的调整操作,对自身设定的扫描视野进行调整。
医疗设备可以基于技师的调整操作,对边缘线识别模型和四边形绘制过程进行优化,提高确定脊柱扫描视野的方法的准确性。
在一个可选的实施例中,医疗设备在确定定位图像中目标椎间盘的扫描参数之前,还可以执行训练边缘线识别模型的操作,从而得到边缘线识别模式。参见图3是本申请一示例性实施例示出的一种训练边缘线识别模型的方法的流程图,边缘线识别模型可以通过以下方式进行训练得到:
在步骤105中,获取基于预扫描得到的脊柱的多个样本定位图。
多个样本定位图像可以源自不同患者,多个样本定位图的数量越多,边缘线识别模型的训练效果越好。
在步骤106中,获取针对每个样本定位图像中各脊椎块标记的上边缘线和下边缘线。
样本定位图像的标记数据由技师手动标记。
医疗识别在接收技师手动标记的边缘线后,可以对边缘线进行加粗处理,从而便于识别。
在步骤107中,对包含上边缘线和下边缘线的样本定位图像进行数据增强,得到数据增强后的数据。
数据增强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。
在步骤108中,利用数据增强后的数据进行训练得到所述边缘线识别模型。
将数据增广后的数据作为训练集,将训练集输入边缘线识别模型中,使得边缘线识别模型学习样本定位图像中脊椎块和上下边缘线之间的映射关系。在模型学习结束后,边缘线识别模型能够识别出定位图像中各脊椎块的上边缘线和下边缘线。
本申请提供了一种确定脊柱扫描视野的方法,医疗设备通过执行该方法能够自动设定定位图像中目标椎间盘的扫描视野,从而减少了医生的工作量,降低了医生大量重复标记扫描视野过程中产生误标记的可能性,保证了采集的图像的质量;同时,减少了图像采集时间,提高了图像采集效率以及用户体验;另外,减小了由于医生经验不同而带来的图像差异性,提高了图像采集的标准化。
本申请经过了实验验证,图4为人体脊柱腰段的定位图像,图5为利用本申请提供的方法自动设定的人体脊柱腰段的FOV图像,具体为人体最后三节腰椎间盘的FOV图。实验结果表明,本申请描述的方法能够在1秒内完成人体脊柱FOV的设定,预测结果精度较高,能够满足临床应用需求,具有良好的实用性。
与前述确定脊柱扫描视野的方法相对应,本申请还提供了确定脊柱扫描视野的装置及图像处理设备的实施例。
参见图6,是本申请一示例性实施例示出的一种确定脊柱扫描视野的装置的示意图,该装置包括:获取模块21、识别模块22、第一确定模块23和第二确定模块24;其中,
所述获取模块21,被配置为获取基于预扫描得到的待扫描脊柱的定位图像;
所述识别模块22,被配置为通过预先训练的边缘线识别模型,识别所述定位图像中各脊椎块的上边缘线和下边缘线;
所述第一确定模块23,被配置为从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线;
所述第二确定模块24,被配置为根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野。
在一个可选的实施例中,在图6所示的确定脊柱扫描视野的装置的基础上,所述装置还可以包括:模型训练模块,所述模型训练模块可以包括:第一获取子模块、第二获取子模块、增强子模块和训练子模块;其中,
所述第一获取子模块,被配置为获取基于预扫描得到的脊柱的多个样本定位图像;
所述第二获取子模块,被配置为获取针对每个所述样本定位图像中各脊椎块标记的上边缘线和下边缘线;
所述增强子模块,被配置为对包含上边缘线和下边缘线的样本定位图像进行数据增强,得到数据增强后的数据;
所述训练子模块,被配置为利用所述数据增强后的数据进行训练得到所述边缘线识别模型。
在一个可选的实施例中,在图6所示的确定脊柱扫描视野的装置的基础上,所述第一确定模块,可以包括:第一确定子模块、第一查找子模块和第二查找子模块;其中,
所述第一确定子模块,被配置为确定所述目标椎间盘关联的目标脊柱块节数,所述目标脊柱块节数包括:第一脊柱块节数和第二脊柱块节数,第一脊柱块与所述目标椎间盘顶部连接,第二脊柱块与所述目标椎间盘底部连接;
所述第一查找子模块,被配置为根据所述第一脊柱块节数,从所述所有边缘线中查找出所述第一脊柱块的下边缘线,将所述第一脊柱块的下边缘线作为所述第一边缘线;
所述第二查找子模块,被配置为根据所述第二脊柱块节数,从所述所有边缘线中查找出所述第二脊柱块的上边缘线,将所述第二脊柱块的上边缘线作为所述第二边缘线。
在一个可选的实施例中,在图6所示的确定脊柱扫描视野的装置的基础上,所述第一确定模块,包括:第二确定子模块和第三查找子模块;其中,
所述第二确定子模块,被配置为根据所述目标椎间盘在所述待扫描脊柱上的位置信息确定查找方向,所述查找方向包括:从上向下的方向或从下向上的方向;
所述第三查找子模块,被配置为按照所述查找方向,从所述所有边缘线中查找出所述第一边缘线和所述第二边缘线。
在一个可选的实施例中,在图6所示的确定脊柱扫描视野的装置的基础上,所述第二确定模块,包括:第一拟合子模块、第二拟合子模块、绘制子模块和第三确定子模块;其中,
所述第一拟合子模块,被配置为对所述第一边缘线进行直线拟合和延长处理,得到第一边缘线段;
所述第二拟合子模块,被配置为对所述第二边缘线进行直线拟合和延长处理,得到第二边缘线段;
所述绘制子模块,被配置为根据所述第一边缘线段和所述第二边缘线段,绘制四边形;
所述第三确定子模块,被配置为将所述四边形确定为所述扫描视野。
参见图7,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,用于获取基于预扫描得到的待扫描脊柱的定位图像;
存储器320,用于存储确定脊柱扫描视野的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:
通过预先训练的边缘线识别模型,识别所述定位图像中各脊椎块的上边缘线和下边缘线;
从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线;
根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野。
在公开实施例中,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)
1.一种确定脊柱扫描视野的方法,其特征在于,所述方法包括:
获取基于预扫描得到的待扫描脊柱的定位图像;
通过预先训练的边缘线识别模型,识别所述定位图像中各脊椎块的上边缘线和下边缘线;
从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线;
根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野。
2.根据权利要求1所述的方法,其特征在于,所述边缘线识别模型通过以下方式进行训练得到:
获取基于预扫描得到的脊柱的多个样本定位图像;
获取针对每个所述样本定位图像中各脊椎块标记的上边缘线和下边缘线;
对包含上边缘线和下边缘线的样本定位图像进行数据增强,得到数据增强后的数据;
利用所述数据增强后的数据进行训练得到所述边缘线识别模型。
3.根据权利要求1所述的方法,其特征在于,所述从所有边缘线中查找确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线,包括:
确定所述目标椎间盘关联的目标脊柱块节数,所述目标脊柱块节数包括:第一脊柱块节数和第二脊柱块节数,第一脊柱块与所述目标椎间盘顶部连接,第二脊柱块与所述目标椎间盘底部连接;
根据所述第一脊柱块节数,从所述所有边缘线中查找出所述第一脊柱块的下边缘线,将所述第一脊柱块的下边缘线作为所述第一边缘线;
根据所述第二脊柱块节数,从所述所有边缘线中查找出所述第二脊柱块的上边缘线,将所述第二脊柱块的上边缘线作为所述第二边缘线。
4.根据权利要求3所述的方法,其特征在于,所述确定所述目标椎间盘涉及的目标脊柱块节数,包括:
直接获取所述目标脊柱块节数;或者,
确定目标脊柱段标识,所述目标脊柱段标识包括以下至少一项:脊柱颈段标识、脊柱胸段标识、脊柱腰段标识;
从预设的脊柱段标识和脊柱块节数的对应关系中,查找所述目标脊柱段标识对应的目标脊柱块节数。
5.根据权利要求1所述的方法,其特征在于,所述从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线,包括:
根据所述目标椎间盘在所述待扫描脊柱上的位置信息确定查找方向,所述查找方向包括:从上向下的方向或从下向上的方向;
按照所述查找方向,从所述所有边缘线中查找出所述第一边缘线和所述第二边缘线。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野,包括:
对所述第一边缘线进行直线拟合和延长处理,得到第一边缘线段;
对所述第二边缘线进行直线拟合和延长处理,得到第二边缘线段;
根据所述第一边缘线段和所述第二边缘线段,绘制四边形;
将所述四边形确定为所述扫描视野。
7.一种确定脊柱扫描视野的装置,其特征在于,所述装置包括:
获取模块,被配置为获取基于预扫描得到的待扫描脊柱的定位图像;
识别模块,被配置为通过预先训练的边缘线识别模型,识别所述定位图像中各脊椎块的上边缘线和下边缘线;
第一确定模块,被配置为从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线;
第二确定模块,被配置为根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:模型训练模块,所述模型训练模块包括:
第一获取子模块,被配置为获取基于预扫描得到的脊柱的多个样本定位图像;
第二获取子模块,被配置为获取针对每个所述样本定位图像中各脊椎块标记的上边缘线和下边缘线;
增强子模块,被配置为对包含上边缘线和下边缘线的样本定位图像进行数据增强,得到数据增强后的数据;
训练子模块,被配置为利用所述数据增强后的数据进行训练得到所述边缘线识别模型。
9.根据权利要求7所述的装置,其特征在于,所述第一确定模块,包括:
第一确定子模块,被配置为确定所述目标椎间盘关联的目标脊柱块节数,所述目标脊柱块节数包括:第一脊柱块节数和第二脊柱块节数,第一脊柱块与所述目标椎间盘顶部连接,第二脊柱块与所述目标椎间盘底部连接;
第一查找子模块,被配置为根据所述第一脊柱块节数,从所述所有边缘线中查找出所述第一脊柱块的下边缘线,将所述第一脊柱块的下边缘线作为所述第一边缘线;
第二查找子模块,被配置为根据所述第二脊柱块节数,从所述所有边缘线中查找出所述第二脊柱块的上边缘线,将所述第二脊柱块的上边缘线作为所述第二边缘线。
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,用于获取基于预扫描得到的待扫描脊柱的定位图像;
所述外部接口,用于获取基于预扫描得到的待扫描脊柱的定位图像;
所述存储器,用于存储确定脊柱扫描视野的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:
获取基于预扫描得到的待扫描脊柱的定位图像;
通过预先训练的边缘线识别模型,识别所述定位图像中各脊椎块的上边缘线和下边缘线;
从所有边缘线中确定出位于目标椎间盘顶部的第一边缘线,以及位于所述目标椎间盘底部的第二边缘线;
根据所述第一边缘线和所述第二边缘线,确定所述目标椎间盘的扫描视野。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072311.8A CN110916695A (zh) | 2019-11-05 | 2019-11-05 | 确定脊柱扫描视野的方法、装置及图像处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072311.8A CN110916695A (zh) | 2019-11-05 | 2019-11-05 | 确定脊柱扫描视野的方法、装置及图像处理设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110916695A true CN110916695A (zh) | 2020-03-27 |
Family
ID=69852405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911072311.8A Pending CN110916695A (zh) | 2019-11-05 | 2019-11-05 | 确定脊柱扫描视野的方法、装置及图像处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110916695A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112190275A (zh) * | 2020-09-16 | 2021-01-08 | 东软医疗系统股份有限公司 | 扫描方法、装置及系统 |
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 |
CN113516614A (zh) * | 2020-07-06 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 脊柱影像的处理方法、模型训练方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103479380A (zh) * | 2013-09-17 | 2014-01-01 | 东软飞利浦医疗设备系统有限责任公司 | 椎骨和椎间盘形状位置参数的识别方法 |
US20150036909A1 (en) * | 2012-03-15 | 2015-02-05 | Agfa Health Care NV | Method, apparatus and system for localizing a spine |
CN108596904A (zh) * | 2018-05-07 | 2018-09-28 | 北京长木谷医疗科技有限公司 | 生成定位模型的方法及对脊柱矢状位图像进行处理的方法 |
WO2019014452A1 (en) * | 2017-07-12 | 2019-01-17 | K2M, Inc. | SYSTEMS AND METHODS FOR MODELING VERTEBRAL COLUMNS AND TREATING VERTEBRAL COLUMNS BASED ON VERTEBRAL COLUMN MODELS |
US20190029757A1 (en) * | 2017-07-27 | 2019-01-31 | Precisive Surgical, Inc. | Systems and methods for assisting and augmenting surgical procedures |
-
2019
- 2019-11-05 CN CN201911072311.8A patent/CN110916695A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150036909A1 (en) * | 2012-03-15 | 2015-02-05 | Agfa Health Care NV | Method, apparatus and system for localizing a spine |
CN103479380A (zh) * | 2013-09-17 | 2014-01-01 | 东软飞利浦医疗设备系统有限责任公司 | 椎骨和椎间盘形状位置参数的识别方法 |
WO2015040547A1 (en) * | 2013-09-17 | 2015-03-26 | Koninklijke Philips N.V. | Method and system for spine position detection |
WO2019014452A1 (en) * | 2017-07-12 | 2019-01-17 | K2M, Inc. | SYSTEMS AND METHODS FOR MODELING VERTEBRAL COLUMNS AND TREATING VERTEBRAL COLUMNS BASED ON VERTEBRAL COLUMN MODELS |
US20190029757A1 (en) * | 2017-07-27 | 2019-01-31 | Precisive Surgical, Inc. | Systems and methods for assisting and augmenting surgical procedures |
CN108596904A (zh) * | 2018-05-07 | 2018-09-28 | 北京长木谷医疗科技有限公司 | 生成定位模型的方法及对脊柱矢状位图像进行处理的方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516614A (zh) * | 2020-07-06 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 脊柱影像的处理方法、模型训练方法、装置及存储介质 |
CN112190275A (zh) * | 2020-09-16 | 2021-01-08 | 东软医疗系统股份有限公司 | 扫描方法、装置及系统 |
CN112190275B (zh) * | 2020-09-16 | 2023-08-29 | 东软医疗系统股份有限公司 | 扫描方法、装置及系统 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Peng et al. | Automated vertebra detection and segmentation from the whole spine MR images | |
US8897514B2 (en) | Imaging method for motion analysis | |
CN110916695A (zh) | 确定脊柱扫描视野的方法、装置及图像处理设备 | |
US7340082B2 (en) | Method and medical imaging apparatus for determining a slice in an examination volume for data acquisition in the slice | |
CN113506294B (zh) | 一种医疗图像评估方法、系统、计算机设备及存储介质 | |
KR102062539B1 (ko) | 딥러닝 기반의 요추 질환 보조 진단 방법 | |
CN101040779A (zh) | 在三维立体数据组中虚拟定位断层的方法及医学成像系统 | |
JP2017067489A (ja) | 診断支援装置、方法及びコンピュータプログラム | |
CN110448270B (zh) | 人工智能腰椎间盘突出诊断及分型系统 | |
CN106780520A (zh) | 一种mri腰椎图像中椎骨的自动提取方法 | |
CN112001889A (zh) | 医学影像处理方法、装置及医学影像显示方法 | |
JP6738305B2 (ja) | 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム | |
US8331635B2 (en) | Cartesian human morpho-informatic system | |
WO2011050454A1 (en) | Bone imagery segmentation method and apparatus | |
JP3234668U (ja) | X線による脊柱側弯症の画像認識システム | |
Le et al. | Automatic segmentation of mandibular ramus and condyles | |
CN110680321B (zh) | 脊柱mri扫描参数的确定方法、装置及图像处理设备 | |
CN112190275B (zh) | 扫描方法、装置及系统 | |
JP6525903B2 (ja) | 画像表示装置、方法およびプログラム | |
CN111000580B (zh) | 椎间盘扫描方法、装置、控制台设备及ct系统 | |
CN109993754B (zh) | 从图像上进行颅骨分割的方法和系统 | |
CN109509189B (zh) | 一种基于多个子区域模板的腹部肌肉标注方法及标注装置 | |
Song et al. | A novel iterative matching scheme based on homography method for X-ray image | |
US20240169745A1 (en) | Apparatus and method for vertebral body recognition in medical images | |
WO2023020609A1 (en) | Systems and methods for medical imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |