CN111369588B - 感兴趣区域处理方法、装置、设备和存储介质 - Google Patents

感兴趣区域处理方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111369588B
CN111369588B CN202010107908.8A CN202010107908A CN111369588B CN 111369588 B CN111369588 B CN 111369588B CN 202010107908 A CN202010107908 A CN 202010107908A CN 111369588 B CN111369588 B CN 111369588B
Authority
CN
China
Prior art keywords
region
interest
target
training
image
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
Application number
CN202010107908.8A
Other languages
English (en)
Other versions
CN111369588A (zh
Inventor
姚峰
赵佳
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 CN202010107908.8A priority Critical patent/CN111369588B/zh
Publication of CN111369588A publication Critical patent/CN111369588A/zh
Priority to EP20217438.9A priority patent/EP3869460A1/en
Priority to US17/136,071 priority patent/US11911201B2/en
Priority to US18/587,934 priority patent/US20240245372A1/en
Application granted granted Critical
Publication of CN111369588B publication Critical patent/CN111369588B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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]
    • 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
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • 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
    • G06T2207/20081—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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明实施例公开了一种感兴趣区域处理方法、装置、设备和存储介质。该方法包括：获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值；依据所述目标区域几何信息和各所述目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的所述感兴趣区域的目标位置信息，其中，所述目标感兴趣区域定位模型为基于训练图像中的各训练像元值和训练感兴趣区域而预先训练的定位感兴趣区域的模型。通过上述技术方案，实现了图像序列中每个图像中感兴趣区域的精确定位。

Description

感兴趣区域处理方法、装置、设备和存储介质
技术领域
本发明实施例涉及图像处理技术，尤其涉及一种感兴趣区域处理方法、装置、设备和存储介质。
背景技术
在图像处理领域中，经常有针对同一对象的动态图像(即不同时间的图像序列)进行研究的情况。该研究过程中通常需要划定一个感兴趣区域，然后关注感兴趣区域内的图像数据的变化。例如，对比剂团注跟踪技术Bolus Tracking扫描过程包含了定位扫描Locator、造影剂浓度跟踪扫描Tracker以及临床诊断扫描。在定位扫描Locator完成后，用户会在扫描所得的感兴趣区域处理图像上标记一个感兴趣区域ROI(region ofinterested)，作为跟踪造影剂浓度的区域；之后，会进行循环式的Tracker扫描，该过程中会获得图像序列，且对图像序列中每个浓度跟踪图像的感兴趣区域内的造影剂浓度值进行监测，当监测到造影剂浓度值达到设定阈值后，会触发后续的临床诊断扫描。
上述过程中，用户标记的ROI是一个静态的ROI，其只是记录了ROI在图像上的坐标，并假设在整个扫描过程中，扫描对象的位置是没有变化的，也就是ROI在图像上的相对位置是没有变化的，以此来达到感兴趣区域中浓度跟踪的效果。但是，在实际的扫描应用场景中，因为扫描对象的异常运动及呼吸等因素的影响，所标定的ROI在图像上的位置是会相对变化的，这就会导致浓度跟踪存在一定的误差。
发明内容
本发明实施例提供一种感兴趣区域处理方法、装置、设备和存储介质，以实现图像序列中每个图像中感兴趣区域的精确定位。
第一方面，本发明实施例提供了一种感兴趣区域处理方法，包括：
获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值；
依据所述目标区域几何信息和各所述目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的所述感兴趣区域的目标位置信息，其中，所述目标感兴趣区域定位模型为基于训练图像中的各训练像元值和训练感兴趣区域而预先训练的定位感兴趣区域的模型。
第二方面，本发明实施例还提供了一种感兴趣区域处理装置，该装置包括：
几何信息及像元值获取模块，用于获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值；
感兴趣区域位置信息确定模块，用于依据所述目标区域几何信息和各所述目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的所述感兴趣区域的目标位置信息，其中，所述目标感兴趣区域定位模型为基于训练图像中的各训练像元值和训练感兴趣区域而预先训练的定位感兴趣区域的模型。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的感兴趣区域处理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的感兴趣区域处理方法。
本发明实施例通过获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值；依据目标区域几何信息和各目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的感兴趣区域的目标位置信息。实现了在获取图像序列的过程中，动态确定每个当前图像中的感兴趣区域的位置，解决了静态感兴趣区域导致的监测对象不准确的问题，提高了感兴趣区域的定位精度，从而提高了感兴趣区域内监测对象的监测数据的准确性。
附图说明
图1是本发明实施例一中的一种感兴趣区域处理方法的流程图；
图2是本发明实施例二中的一种感兴趣区域处理方法的流程图；
图3是本发明实施例三的一种感兴趣区域处理装置的结构示意图；
图4是本发明实施例四中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
本实施例提供的感兴趣区域处理方法可适用于在医学图像扫描过程中针对同一对象的图像序列中的感兴趣区域的动态跟踪，医学图像扫描可以是计算机断层扫描(Computed Tomography，CT)、磁共振扫描(Magnetic Resonance，MR)、正电子发射计算机断层扫描(Positron Emission Computed Tomography，PET)或其他模态的扫描及其组合。本发明实施例中将以对比剂团注跟踪技术扫描中的造影剂浓度监测过程中的感兴趣区域动态跟踪为例进行说明。该方法可以由感兴趣区域处理装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在具有图像处理功能的电子设备中，例如笔记本电脑、台式电脑或服务器等。参见图1，本实施例的方法具体包括如下步骤：
S110、获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值。
其中，目标区域几何信息是指待定位的感兴趣区域的几何信息，其可以表征感兴趣区域的形状和大小。当前图像是指本次感兴趣区域处理流程中所获得的待定位感兴趣区域的图像。目标像元值是指当前图像中的图像像元的值。
示例性地，当前图像为对比剂团注跟踪技术扫描的造影剂浓度跟踪扫描中的浓度跟踪图像。当感兴趣区域处理的应用场景为对比剂团注跟踪技术扫描中的造影剂浓度跟踪扫描时，当前图像为tracker循环扫描过程中所获得的一个浓度跟踪图像。相关技术中，对比剂团注跟踪技术扫描中的造影剂浓度跟踪扫描过程中监测造影剂浓度变化所需的感兴趣区域为静态ROI，其不会随着扫描过程中扫描对象的运动而变化，使得各浓度跟踪图像中的ROI对应区域不同，进而导致造影剂浓度监测有误差，影响后续临床诊断扫描的重建图像的图像质量。鉴于此，本发明实施例中摒弃静态ROI的ROI设置方式，采用了tracker循环扫描过程中动态跟踪ROI的方式。该动态跟踪ROI的方式需要在每个浓度跟踪图像中，根据Locator扫描阶段获得的感兴趣区域定位图像中设置的初始ROI(即设定感兴趣区域)的相关信息，以及浓度跟踪图像中的各像元值，重新定位ROI。
具体地，在每次tracker循环扫描过程中，都会获得一个浓度跟踪图像，作为当前图像。之后，便可提取该当前图像中的各像元值，作为各目标像元值。同时，需要获取待定位的感兴趣区域的目标区域几何信息，用于当前图像中感兴趣区域定位的参照信息。
示例性地，获取待定位的感兴趣区域的目标区域几何信息包括：依据感兴趣区域定位图像中的设定感兴趣区域，提取待定位的感兴趣区域的目标区域几何信息，其中，区域几何信息包含感兴趣区域的各边边长、直径、或者长半径和短半径。具体地，在整个感兴趣区域处理流程中，虽然感兴趣区域在每个当前图像中的位置可能存在变化，但是感兴趣区域的形状和大小保持不变。故目标区域几何信息的获取可以是对Locator扫描阶段获得的感兴趣区域定位图像中设置的设定感兴趣区域进行几何信息提取而获得，如当设定感兴趣区域为矩形时，该目标区域几何信息为设定感兴趣区域的长度和宽度等各边边长；当设定感兴趣区域为圆形时，该目标区域几何信息为设定感兴趣区域的直径；当设定感兴趣区域为椭圆形时，该目标区域几何信息为设定感兴趣区域的长半径和短半径等。这样设置的好处在于，可以更加便捷且准确地获得感兴趣区域的区域几何信息，从而进一步提高后续感兴趣区域定位的精度。
S120、依据目标区域几何信息和各目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的感兴趣区域的目标位置信息。
其中，目标感兴趣区域定位模型为基于训练图像中的各训练像元值和训练感兴趣区域而预先训练的定位感兴趣区域的模型。
示例性地，目标感兴趣区域定位模型通过如下方式预先训练：获取训练样本集，训练样本集中的每个训练样本包含同一个训练图像中的各训练像元值、训练感兴趣区域的训练区域几何信息、以及训练感兴趣区域在训练图像中的训练位置信息；分别以每个训练样本为模型训练的输入数据，对预先设定的初始感兴趣区域定位模型进行模型训练，获得目标感兴趣区域定位模型，其中，初始感兴趣区域定位模型为机器学习模型或回归模型。具体地，本发明实施例中的感兴趣区域定位模型是建立感兴趣区域的区域几何信息、图像的各像元值与感兴趣区域在图像中的图像位置信息之间的关系，以便后续可根据目标区域几何信息和各目标像元值来直接得到当前图像中的感兴趣区域的位置信息(即目标位置信息)。故可选择能够实现上述功能的机器学习模型或回归模型作为初始感兴趣区域定位模型。在收集训练样本集时，会收集以往的多个对比剂团注跟踪技术扫描过程中所获得的感兴趣区域定位图像及其对应的设定感兴趣区域，作为训练图像及该训练图像对应的训练感兴趣区域，并从这些收集到的数据中提取同一个训练图像中的各训练像元值、训练感兴趣区域的训练区域几何信息、以及训练感兴趣区域在训练图像中的训练位置信息，作为各个训练样本。之后，将每个训练样本均输入初始感兴趣区域定位模型进行模型的训练，当模型训练达到收敛条件时，将此时的模型参数应用至初始感兴趣区域定位模型，便可训练获得目标感兴趣区域定位模型。这样设置的好处在于，能够提供动态定位感兴趣区域的位置的数学模型，进一步提高确定当前图像中感兴趣区域的位置信息的便捷性和效率。
具体地，将目标区域几何信息和各目标像元值，输入目标感兴趣区域定位模型，经过模型的运算，得到模型输出结果，该模型输出结果便为当前图像中的待定位的感兴趣区域的目标位置信息。
本实施例的技术方案，通过获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值；依据目标区域几何信息和各目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的感兴趣区域的目标位置信息。实现了在获取图像序列的过程中，动态确定每个当前图像中的感兴趣区域的位置，解决了静态感兴趣区域导致的监测对象不准确的问题，提高了感兴趣区域的定位精度，从而提高了感兴趣区域内监测对象的监测数据的准确性，如减小了因感兴趣区域定位误差而导致的造影剂浓度监测误差。
实施例二
本实施例在上述实施例一的基础上，增加了感兴趣区域内造影剂浓度的确定及后续处理操作。其中与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图2，本实施例提供的感兴趣区域处理方法包括：
S210、获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值。
当前图像为对比剂团注跟踪技术扫描的造影剂浓度跟踪扫描中的浓度跟踪图像。
S220、依据目标区域几何信息和各目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的感兴趣区域的目标位置信息。
S230、依据感兴趣区域的目标位置信息及各目标像元值，确定当前图像对应的当前造影剂浓度值。
具体地，相关技术中能够根据感兴趣区域中的CT值来获得其对应的造影剂浓度值，故本实施例在确定了当前图像中感兴趣区域的位置信息后，便根据该目标位置信息，从当前图像中提取感兴趣区域覆盖的各目标像元值。然后，基于这些目标像元值来计算出当前图像对应的造影剂浓度值(即当前造影剂浓度值)。后续便可通过当前造影剂浓度值来判断是否可进行后续临床诊断扫描。该判断过程可以是人为来判断当前造影剂浓度值的大小是否满足临床需求，也可以是预先根据临床需求来设置满足临床需求的最低的造影剂浓度值(即预设浓度值)，然后将当前造影剂浓度值和预设浓度值进行自动比较来自动确定是否可进行后续临床诊断扫描。
S240、在当前造影剂浓度值小于预设浓度值时，触发下一次造影剂浓度跟踪扫描，获得下一个浓度跟踪图像，更新当前图像，并返回执行获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值的步骤，直至当前造影剂浓度值等于或大于预设浓度值。
具体地，确定了当前图像对应的当前造影剂浓度值之后，比较当前造影剂浓度值与预设浓度值。在当前造影剂浓度值大于或等于预设浓度值时，结束感兴趣区域处理流程，触发进行后续的临床诊断扫描。在当前造影剂浓度值小于预设浓度值时，说明当前的造影剂浓度无法满足临床需求，需要继续进行造影剂浓度的监测，此时会触发下一次tracker扫描，来获得下一个浓度跟踪图像，并将该下一个浓度跟踪图像作为新的当前图像，以更新当前图像。之后，可返回执行S210，形成S210～S240的感兴趣区域处理的循环过程，直至当前造影剂浓度值等于或大于预设浓度值。
S250、将当前造影剂浓度值绘制在造影剂浓度曲线图中并显示。
其中，造影剂浓度曲线图是由造影剂跟踪扫描过程中的各造影剂浓度值构成的曲线图，其可表征造影剂浓度值的变化过程和变化趋势。
具体地，在S230中确定了当前造影剂浓度值之后，可以将该当前造影剂浓度值绘制在造影剂浓度曲线图中，并将该造影剂浓度曲线图显示在显示界面上，以供用户查看。为了使得用户可以更加直观地查看造影剂浓度值是否满足临床需求，在造影剂浓度曲线图中会同时显示预设浓度值对应的浓度值阈值线(即预设浓度线)。
S260、在造影剂浓度曲线图中的造影剂浓度曲线未达到预设浓度线时，触发下一次造影剂浓度跟踪扫描，获得下一个浓度跟踪图像，更新当前图像，并返回执行获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值的步骤，直至造影剂浓度曲线图中的造影剂浓度曲线达到预设浓度线。
具体地，如果造影剂浓度曲线图中的造影剂浓度曲线达到了预设浓度线，说明此时的造影剂浓度值达到了临床需求，可停止造影剂浓度跟踪扫描过程，并触发进行后续的临床诊断扫描。如果造影剂浓度曲线图中的造影剂浓度曲线未达到预设浓度线，说明当前的造影剂浓度无法满足临床需求，需要继续进行造影剂浓度的监测，此时会触发下一次tracker扫描，来获得下一个浓度跟踪图像，并将该下一个浓度跟踪图像作为新的当前图像，以更新当前图像。之后，可返回执行S210，形成S210～S260或S210～S230+S250～260的感兴趣区域处理的循环过程，直至造影剂浓度曲线图中的造影剂浓度曲线达到预设浓度线。
需要说明的是，本实施例中S240和S250～260可以择一执行，也可以全部执行。当全部执行时，可以不限定执行顺序，例如可以先执行S240后执行S250～S260，也可以先执行S250～S260后执行S240，还可以同时执行。当同时执行时，前台显示造影剂浓度曲线图以供用户查看，同时后台触发Tracker循环扫描，以进行感兴趣区域的动态跟踪和造影剂浓度值的持续监测，直至当前造影剂浓度值满足条件，则结束感兴趣区域处理流程，触发后续的临床诊断扫描，如正式的CT扫描，该临床诊断扫描所得的重建图像用于病灶的识别。
本实施例的技术方案，通过在依据目标区域几何信息和各目标像元值，基于感兴趣区域处理模型，确定当前图像中的感兴趣区域的目标位置信息之后，依据感兴趣区域的目标位置信息及各目标像元值，确定当前图像对应的当前造影剂浓度值。实现了当前图像中当前造影剂浓度值的监测，在感兴趣区域精确定位的基础上，提高了当前造影剂浓度值的准确性。通过在当前造影剂浓度值小于预设浓度值时，触发下一次造影剂浓度跟踪扫描，获得下一个浓度跟踪图像，更新当前图像，并返回执行获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值的步骤，直至当前造影剂浓度值等于或大于预设浓度值。实现了感兴趣区域的动态跟踪定位以及造影剂浓度值的动态监测，提高了造影剂浓度值的动态监测的准确性。通过将当前造影剂浓度值绘制在造影剂浓度曲线图中并显示；在造影剂浓度曲线图中的造影剂浓度曲线未达到预设浓度线时，触发下一次造影剂浓度跟踪扫描，获得下一个浓度跟踪图像，更新当前图像，并返回执行获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值的步骤，直至造影剂浓度曲线图中的造影剂浓度曲线达到预设浓度线。实现了在动态监测造影剂浓度值的过程中更加直观地显示造影剂浓度的变化过程和变化趋势。
实施例三
本实施例提供一种感兴趣区域处理装置，参见图3，该装置具体包括：
几何信息及像元值获取模块310，用于获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值；
感兴趣区域位置信息确定模块320，用于依据目标区域几何信息和各目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的感兴趣区域的目标位置信息，其中，目标感兴趣区域定位模型为基于训练图像中的各训练像元值和训练感兴趣区域而预先训练的定位感兴趣区域的模型。
可选地，几何信息及像元值获取模块310具体用于：
依据感兴趣区域定位图像中的设定感兴趣区域，提取待定位的感兴趣区域的目标区域几何信息，其中，区域几何信息包含感兴趣区域的各边边长、直径、或者长半径和短半径。
可选地，当前图像为对比剂团注跟踪技术扫描的造影剂浓度跟踪扫描中的浓度跟踪图像。
进一步地，在上述装置的基础上，该装置还包括当前造影剂浓度值确定模块，用于：
在依据目标区域几何信息和各目标像元值，基于感兴趣区域处理模型，确定当前图像中的感兴趣区域的目标位置信息之后，依据感兴趣区域的目标位置信息及各目标像元值，确定当前图像对应的当前造影剂浓度值。
进一步地，在上述装置的基础上，该装置还包括第一循环控制模块，用于：
在依据感兴趣区域的目标位置信息及各目标像元值，确定当前图像对应的当前造影剂浓度值之后，在当前造影剂浓度值小于预设浓度值时，触发下一次造影剂浓度跟踪扫描，获得下一个浓度跟踪图像，更新当前图像，并返回执行获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值的步骤，直至当前造影剂浓度值等于或大于预设浓度值。
可替代地，在上述装置的基础上，该装置还包括第二循环控制模块，用于：
在依据感兴趣区域的目标位置信息及各目标像元值，确定当前图像对应的当前造影剂浓度值之后，将当前造影剂浓度值绘制在造影剂浓度曲线图中并显示；
在造影剂浓度曲线图中的造影剂浓度曲线未达到预设浓度线时，触发下一次造影剂浓度跟踪扫描，获得下一个浓度跟踪图像，更新当前图像，并返回执行获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值的步骤，直至造影剂浓度曲线图中的造影剂浓度曲线达到预设浓度线。
可选地，在上述装置的基础上，该装置还包括模型训练模块，用于通过如下方式预先训练获得目标感兴趣区域定位模型：
获取训练样本集，训练样本集中的每个训练样本包含同一个训练图像中的各训练像元值、训练感兴趣区域的训练区域几何信息、以及训练感兴趣区域在训练图像中的训练位置信息；
分别以每个训练样本为模型训练的输入数据，对预先设定的初始感兴趣区域定位模型进行模型训练，获得目标感兴趣区域定位模型，其中，初始感兴趣区域定位模型为机器学习模型或回归模型。
通过本发明实施例三的一种感兴趣区域处理装置，实现了在获取图像序列的过程中，动态确定每个当前图像中的感兴趣区域的位置，解决了静态感兴趣区域导致的监测对象不准确的问题，提高了感兴趣区域的定位精度，从而提高了感兴趣区域内监测对象的监测数据的准确性。
本发明实施例所提供的感兴趣区域处理装置可执行本发明任意实施例所提供的感兴趣区域处理方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述感兴趣区域处理装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例四
参见图4，本实施例提供了一种电子设备400，其包括：一个或多个处理器420；存储装置410，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器420执行，使得一个或多个处理器420实现本发明实施例所提供的感兴趣区域处理方法，包括：
获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值；
依据目标区域几何信息和各目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的感兴趣区域的目标位置信息，其中，目标感兴趣区域定位模型为基于训练图像中的各训练像元值和训练感兴趣区域而预先训练的定位感兴趣区域的模型。
当然，本领域技术人员可以理解，处理器420还可以实现本发明任意实施例所提供的感兴趣区域处理方法的技术方案。
图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，该电子设备400包括处理器420、存储装置410、输入装置430和输出装置440；电子设备中处理器420的数量可以是一个或多个，图4中以一个处理器420为例；电子设备中的处理器420、存储装置410、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线450连接为例。
存储装置410作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的感兴趣区域处理方法对应的程序指令/模块(例如，感兴趣区域处理装置中的几何信息及像元值获取模块和感兴趣区域位置信息确定模块)。
存储装置410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本实施例提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种感兴趣区域处理方法，该方法包括：
获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值；
依据目标区域几何信息和各目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的感兴趣区域的目标位置信息，其中，目标感兴趣区域定位模型为基于训练图像中的各训练像元值和训练感兴趣区域而预先训练的定位感兴趣区域的模型。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上的方法操作，还可以执行本发明任意实施例所提供的感兴趣区域处理方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所提供的感兴趣区域处理方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种感兴趣区域处理方法，其特征在于，包括：
获取针对同一对象的图像序列的待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值，其中，所述目标区域几何信息通过对定位扫描阶段获得的感兴趣区域定位图像中设置的设定感兴趣区域进行几何信息提取得到，所述目标区域几何信息表征所述感兴趣区域的形状和大小；所述当前图像为在每次造影剂浓度跟踪扫描循环扫描过程中获得的待定位感兴趣区域的浓度跟踪图像；
依据所述目标区域几何信息和各所述目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的所述感兴趣区域的目标位置信息，其中，所述目标感兴趣区域定位模型为基于训练图像中的各训练像元值和训练感兴趣区域而预先训练的定位感兴趣区域的模型；
其中，所述目标感兴趣区域定位模型通过如下方式预先训练：
获取训练样本集，所述训练样本集中的每个训练样本包含同一个所述训练图像中的各训练像元值、训练感兴趣区域的训练区域几何信息、以及所述训练感兴趣区域在所述训练图像中的训练位置信息；
分别以每个训练样本为模型训练的输入数据，对预先设定的初始感兴趣区域定位模型进行模型训练，获得目标感兴趣区域定位模型，其中，所述初始感兴趣区域定位模型为机器学习模型或回归模型。
2.根据权利要求1所述的方法，其特征在于，所述获取针对同一对象的图像序列的待定位的感兴趣区域的目标区域几何信息包括：
依据感兴趣区域定位图像中的设定感兴趣区域，提取待定位的感兴趣区域的目标区域几何信息，其中，所述区域几何信息包含感兴趣区域的各边边长、直径、或者长半径和短半径。
3.根据权利要求1所述的方法，其特征在于，当前图像为对比剂团注跟踪技术扫描的造影剂浓度跟踪扫描中的浓度跟踪图像。
4.根据权利要求3所述的方法，其特征在于，在所述依据所述目标区域几何信息和各所述目标像元值，基于感兴趣区域处理模型，确定当前图像中的所述感兴趣区域的目标位置信息之后，还包括：
依据所述感兴趣区域的目标位置信息及各所述目标像元值，确定当前图像对应的当前造影剂浓度值。
5.根据权利要求4所述的方法，其特征在于，在所述依据所述感兴趣区域的目标位置信息及各所述目标像元值，确定当前图像对应的当前造影剂浓度值之后，还包括：
在当前造影剂浓度值小于预设浓度值时，触发下一次造影剂浓度跟踪扫描，获得下一个浓度跟踪图像，更新当前图像，并返回执行获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值的步骤，直至当前造影剂浓度值等于或大于所述预设浓度值。
6.根据权利要求4所述的方法，其特征在于，在所述依据所述感兴趣区域的目标位置信息及各所述目标像元值，确定当前图像对应的当前造影剂浓度值之后，还包括：
将当前造影剂浓度值绘制在造影剂浓度曲线图中并显示；
在所述造影剂浓度曲线图中的造影剂浓度曲线未达到预设浓度线时，触发下一次造影剂浓度跟踪扫描，获得下一个浓度跟踪图像，更新当前图像，并返回执行获取待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值的步骤，直至所述造影剂浓度曲线图中的造影剂浓度曲线达到预设浓度线。
7.一种感兴趣区域处理装置，其特征在于，包括：
几何信息及像元值获取模块，用于获取针对同一对象的图像序列的待定位的感兴趣区域的目标区域几何信息以及当前图像中的各像元的目标像元值，其中，所述目标区域几何信息通过对定位扫描阶段获得的感兴趣区域定位图像中设置的设定感兴趣区域进行几何信息提取得到，所述目标区域几何信息表征所述感兴趣区域的形状和大小；所述当前图像为在每次造影剂浓度跟踪扫描循环扫描过程中获得的待定位感兴趣区域的浓度跟踪图像；
感兴趣区域位置信息确定模块，用于依据所述目标区域几何信息和各所述目标像元值，基于目标感兴趣区域定位模型，确定当前图像中的所述感兴趣区域的目标位置信息，其中，所述目标感兴趣区域定位模型为基于训练图像中的各训练像元值和训练感兴趣区域而预先训练的定位感兴趣区域的模型；
模型训练模块，用于通过如下方式预先训练获得目标感兴趣区域定位模型：
获取训练样本集，训练样本集中的每个训练样本包含同一个训练图像中的各训练像元值、训练感兴趣区域的训练区域几何信息、以及训练感兴趣区域在训练图像中的训练位置信息；
分别以每个训练样本为模型训练的输入数据，对预先设定的初始感兴趣区域定位模型进行模型训练，获得目标感兴趣区域定位模型，其中，初始感兴趣区域定位模型为机器学习模型或回归模型。
8.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的感兴趣区域处理方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的感兴趣区域处理方法。
CN202010107908.8A 2020-02-21 2020-02-21 感兴趣区域处理方法、装置、设备和存储介质 Active CN111369588B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010107908.8A CN111369588B (zh) 2020-02-21 2020-02-21 感兴趣区域处理方法、装置、设备和存储介质
EP20217438.9A EP3869460A1 (en) 2020-02-21 2020-12-28 Systems and methods for determining position of region of interest
US17/136,071 US11911201B2 (en) 2020-02-21 2020-12-29 Systems and methods for determining position of region of interest
US18/587,934 US20240245372A1 (en) 2020-02-21 2024-02-26 Systems and methods for determining position of region of interest

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010107908.8A CN111369588B (zh) 2020-02-21 2020-02-21 感兴趣区域处理方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN111369588A CN111369588A (zh) 2020-07-03
CN111369588B true CN111369588B (zh) 2024-08-02

Family

ID=71208118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010107908.8A Active CN111369588B (zh) 2020-02-21 2020-02-21 感兴趣区域处理方法、装置、设备和存储介质

Country Status (3)

Country Link
US (2) US11911201B2 (zh)
EP (1) EP3869460A1 (zh)
CN (1) CN111369588B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI806006B (zh) * 2021-02-20 2023-06-21 緯創資通股份有限公司 熱影像定位方法及其系統
CN115423736A (zh) * 2021-05-31 2022-12-02 通用电气精准医疗有限责任公司 成像系统及方法
CN116309267A (zh) * 2022-12-01 2023-06-23 纳米维景(上海)医疗科技有限公司 基于静态ct增强扫描的血管识别监测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102361592A (zh) * 2009-03-25 2012-02-22 美国西门子医疗解决公司 用于在药团跟踪期间的自动触发-roi检测和监视的系统和方法
CN108514425A (zh) * 2018-05-10 2018-09-11 沈阳东软医疗系统有限公司 一种造影剂跟踪扫描的方法和装置
CN110070083A (zh) * 2019-04-24 2019-07-30 深圳市微埃智能科技有限公司 图像处理方法、装置、电子设备和计算机可读存储介质

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3712234B2 (ja) * 2002-03-19 2005-11-02 株式会社日立製作所 関心領域抽出方法及び画像処理サーバ
JP4601931B2 (ja) * 2002-09-05 2010-12-22 株式会社東芝 Ｘ線ｃｔ装置
US7522744B2 (en) * 2004-08-31 2009-04-21 University Of Iowa Research Foundation System and method for adaptive bolus chasing computed tomography (CT) angiography
JP2008000499A (ja) * 2006-06-26 2008-01-10 Toshiba Corp Ｘ線ｃｔ装置、ｘ線ｃｔ装置の制御方法、及びｘ線ｃｔ装置の制御プログラム
US7713209B2 (en) * 2007-05-21 2010-05-11 Siemens Medical Solutions Usa, Inc. Targeted contrast agent imaging with medical diagnostic ultrasound
JP5010375B2 (ja) * 2007-07-18 2012-08-29 株式会社東芝 医用画像診断装置
JP5433299B2 (ja) * 2009-05-18 2014-03-05 株式会社東芝 医用画像診断装置
US20110144495A1 (en) * 2009-12-14 2011-06-16 Siemens Medical Solutions Usa, Inc. Perfusion Imaging of a Volume in Medical Diagnostic Ultrasound
CN103460254B (zh) * 2011-03-30 2017-03-22 通用电气公司 基于图像内容的自动亮度检测方法与装置
JP5774448B2 (ja) * 2011-10-28 2015-09-09 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 超音波診断装置
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
KR20160012758A (ko) * 2014-07-25 2016-02-03 삼성전자주식회사 영상 진단 보조 장치 및 방법
EP3347874B1 (en) * 2015-09-09 2021-05-12 Technische Universiteit Eindhoven Imaging of dispersion and velocity of contrast agents
JP6234426B2 (ja) * 2015-12-25 2017-11-22 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理装置、医用装置、およびプログラム
US20180315183A1 (en) * 2017-04-28 2018-11-01 General Electric Company System and method for monitoring an amount of a contrast agent within an object
CN107693038B (zh) * 2017-10-25 2021-05-07 东软医疗系统股份有限公司 一种造影剂跟踪扫描方法及装置
US11023761B2 (en) * 2017-11-06 2021-06-01 EagleSens Systems Corporation Accurate ROI extraction aided by object tracking
CN110598696B (zh) * 2019-08-20 2023-06-30 上海联影医疗科技股份有限公司 医学图像扫描定位方法、医学图像扫描方法和计算机设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102361592A (zh) * 2009-03-25 2012-02-22 美国西门子医疗解决公司 用于在药团跟踪期间的自动触发-roi检测和监视的系统和方法
CN108514425A (zh) * 2018-05-10 2018-09-11 沈阳东软医疗系统有限公司 一种造影剂跟踪扫描的方法和装置
CN110070083A (zh) * 2019-04-24 2019-07-30 深圳市微埃智能科技有限公司 图像处理方法、装置、电子设备和计算机可读存储介质

Also Published As

Publication number Publication date
US11911201B2 (en) 2024-02-27
CN111369588A (zh) 2020-07-03
US20210259654A1 (en) 2021-08-26
EP3869460A1 (en) 2021-08-25
US20240245372A1 (en) 2024-07-25

Similar Documents

Publication Publication Date Title
CN111369588B (zh) 感兴趣区域处理方法、装置、设备和存储介质
US10810735B2 (en) Method and apparatus for analyzing medical image
CN110428415B (zh) 医学图像的质量评估方法、装置、设备及存储介质
US10074037B2 (en) System and method for determining optimal operating parameters for medical imaging
US9652872B2 (en) System and method of medical imaging
US7822254B2 (en) Automatic positioning of matching multi-planar image reformatting (MPR) views of multiple 3D medical images
CN111476777B (zh) 胸片图像处理方法、系统、可读存储介质和设备
EP2752783A2 (en) Apparatus and method for supporting acquisition of multi-parametric images
TW202032577A (zh) 醫學圖像分割方法、裝置、系統及圖像分割方法
WO2021259391A2 (zh) 图像处理方法及装置、电子设备和存储介质
CN111345837B (zh) 医学图像重建方法、设备和计算机可读存储介质
CN113362272A (zh) 具有不确定性估计的医学图像分割
CN111080584A (zh) 医学图像的质控方法、计算机设备和可读存储介质
US12106533B2 (en) Method and system for segmenting interventional device in image
US20190066297A1 (en) Programmatic quality assessment of images
US20220392619A1 (en) Information processing apparatus, method, and program
CN110136076A (zh) 医学扫描成像方法、装置、存储介质及计算机设备
US11315246B2 (en) Cardiac feature tracking
CN111091539B (zh) 网络模型训练、医学图像处理方法、装置、介质及设备
CN114332132A (zh) 图像分割方法、装置和计算机设备
CN113160199B (zh) 影像识别方法、装置、计算机设备和存储介质
CN112750099A (zh) 卵泡测量方法、超声设备以及计算机可读存储介质
CN111862259B (zh) 医学灌注图像处理方法和医学成像设备
CN111784705B (zh) 感兴趣区域的勾画方法、装置、设备和存储介质
CN102421367B (zh) 医用图像显示装置及医用图像显示方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
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.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
TG01 Patent term adjustment