CN111419254A - 医学影像设备的复位检测方法和医学影像系统 - Google Patents
医学影像设备的复位检测方法和医学影像系统 Download PDFInfo
- Publication number
- CN111419254A CN111419254A CN202010199144.XA CN202010199144A CN111419254A CN 111419254 A CN111419254 A CN 111419254A CN 202010199144 A CN202010199144 A CN 202010199144A CN 111419254 A CN111419254 A CN 111419254A
- Authority
- CN
- China
- Prior art keywords
- medical imaging
- image
- imaging equipment
- acquiring
- reset state
- 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
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 224
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012549 training Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013136 deep learning model Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 2
- 238000003908 quality control method Methods 0.000 abstract description 6
- 238000002591 computed tomography Methods 0.000 description 10
- 238000002600 positron emission tomography Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011179 visual inspection 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
- A61B6/58—Testing, adjusting or calibrating thereof
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic 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
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0266—Operational features for monitoring or limiting apparatus function
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种医学影像设备的复位检测方法、医学影像系统、计算机设备和可读存储介质。其中,医学影像设备的复位检测方法包括:通过图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像;提取图像的特征信息,并根据特征信息判断医学影像设备的复位状态。本申请通过图像识别方法对医学影像设备的图像自动识别判断医学影像设备的复位状态,从而可以避免人工检测造成的工作负担较重和检测失误的问题,实现了对医学影像设备的复位状态的自动准确地识别,保证了系统质控质量。
Description
技术领域
本申请涉及医疗技术领域,特别是涉及一种医学影像设备的复位检测方法和医学影像系统。
背景技术
在医疗领域中,往往需要利用医学影像设备对患者进行初步诊断和扫描,以便医生可以更好地了解患者病情,从而制定最佳的治疗方案。比如,可以利用电子计算机断层扫描设备(Computed Tomography,CT)、核磁共振设备(Magnetic Resonance,MR)、正电子发射断层显像(Positron Emission Tomography,PET/CT)、PET/MR等设备进行扫描。医学影像设备在完成扫描后需要进行系统复位以降低安全风险。另外在医学影像设备在移动场景下未复位时,可能会带来安全风险。
传统的复位检测方法通常是目视检查。该检测方法一方面会增加操作者负担;另一方面,在扫描量较大,工作负荷较高时,操作者容易产生错误判断,从而出现未复位的情况,对后续系统质控(如空气校正和PET质控)造成影响。
发明内容
本申请提供一种医学影像设备的复位检测方法和医学影像系统,至少可以简化操作者负担且保证系统质控质量,避免安全风险。
第一方面,本申请实施例提供了一种医学影像设备的复位检测方法,包括:通过图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像;提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态。
在其中一些实施例中,所述通过图像采集装置获取医学影像设备的图像包括:所述医学影像设备包括病床和机架;
通过图像采集装置获取包含所述病床和所述机架的图像。
在其中一些实施例中,所述提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态包括:
根据所述病床的图像,提取所述病床与所述机架的相对位置信息作为所述特征信息;
根据所述相对位置信息,判断所述医学影像设备的复位状态。
在其中一些实施例中,所述提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态包括:
根据所述图像,提取所述病床的水平位置和垂直位置;
根据所述病床的水平位置和垂直位置,判断所述医学影像设备的复位状态。
在其中一些实施例中,所述通过图像采集装置获取医学影像设备的图像包括:所述医学影像设备包括锁定装置,所述锁定装置的锁定状态作为特征信息用于标识所述医学影像设备的复位状态;
通过图像采集装置获取所述锁定装置的图像。
在其中一些实施例中,所述通过图像采集装置获取医学影像设备的图像包括:所述医学影像设备上设置有指示灯,所述指示灯的状态作为特征信息用于标识所述医学影像设备的复位状态;
通过图像采集装置获取包含所述指示灯的图像。
在其中一些实施例中,所述提取所述病床与所述机架的相对位置信息作为所述特征信息包括:所述病床和/或所述机架上设置有可视标志,所述可视标志用于标识所述病床的位置;
获取所述图像中包含的可视标志信息;
根据所述可视标志信息,获取所述病床与所述机架的相对位置信息。
在其中一些实施例中,所述提取所述图像的特征信息包括:
构建初始模型;
获取包含所述医学影像设备的图像以及相应图像的特征信息;
将所述图像以及相应图像的特征信息作为训练集,对初始模型进行训练,得到深度学习模型;
将所述图像输入至所述深度学习模型,得到所述图像的特征信息。
在其中一些实施例中,在所述通过图像采集装置获取医学影像设备的图像之前,所述方法还包括:
确定所述医学影像设备是否接收到关机指令;
若确定所述医学影像设备接收到关机指令,则控制所述图像采集装置获取医学影像设备的图像,并确定医学影像设备的复位状态进行相应提示。
在其中一些实施例中,在所述通过图像采集装置获取医学影像设备的图像之前,所述方法还包括:所述医学影像设备上安装有运动传感器;
获取所述运动传感器的信号参数;
根据所述信号参数判断所述医学影像设备的运动状态;
若所述医学影像设备处于运动状态,则控制所述图像采集装置获取医学影像设备的图像,并确定医学影像设备的复位状态进行相应提示。
在其中一些实施例中,在所述根据所述特征信息判断所述医学影像设备的复位状态之后,所述方法还包括:
若所述医学影像设备为未复位状态,则控制所述医学影像设备发出警示信息。
第二方面,本申请实施例提供了一种医学影像系统,包括:医学影像设备,用于对扫描对象进行扫描;
图像采集设备,用于获取所述医学影像设备或医学影像设备部分组成单元的图像;
处理器,与所述图像采集设备连接,用于提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态。
在其中一些实施例中,所述医学影像设备包括病床和机架,所述图像采集设备还用于获取包含所述病床和所述机架的图像。
在其中一些实施例中,所述处理器还用于:根据所述病床的图像,提取所述病床与所述机架的相对位置信息作为所述特征信息,所述相对位置信息包括病床的水平位置和垂直位置;
根据所述水平位置和垂直位置,判断所述医学影像设备的复位状态。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的医学影像设备的复位检测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的医学影像设备的复位检测方法。
相比于相关技术,本申请实施例提供的医学影像设备的复位检测方法、医学影像系统、计算机设备和可读存储介质,通过图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像;提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态,解决了现有的通过人工检查系统复位状态,实现了自动对系统的复位状态进行识别,提高了工作效率且可以有效避免安全风险。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为一实施例提供的医学影像设备的复位检测方法的流程图;
图2为一个实施例医学影像系统的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请中描述的各种技术可用于不仅可用于非侵入成像,如疾病的诊断和研究,还可用于工业领域等;其所涉及的系统可以包括磁共振系统(MR系统)、正电子发射计算机断层显像系统、CT系统等。本申请所涉及的方法、设备或者计算机可读存储介质既可以与上述的系统集成在一起,也可以是相对独立的。
正电子发射型计算机断层显像(PET),是核医学领域比较先进的临床检查影像技术。是将某种物质,一般是生物生命代谢中必须的物质,如:葡萄糖、蛋白质、核酸、脂肪酸,标记上短寿命的放射性核素(如18F,11C等),注入人体后,放射性核素在衰变过程中释放出正电子,一个正电子在行进十分之几毫米到几毫米后遇到一个电子后发生湮灭,从而产生方向相反的一对能量为511KeV的光子。这对光子,通过高度灵敏的照相机捕捉,并经计算机进行散射和随机信息的校正。经过对不同的正电子进行相同的分析处理,我们可以得到在生物体内聚集情况的三维图像,从而达到诊断的目的。
计算机断层扫描设备(CT)通常包括机架、扫描床以及供医生操作的控制台。机架的一侧设置有球管,与球管相对的一侧设置有探测器。控制台为控制扫描的计算机设备,计算机设备还用于接收探测器采集到的扫描数据,并对数据进行处理重建,最终形成CT图像。在利用CT进行扫描时,患者躺在扫描床上,由扫描床将患者送入机架的孔径内,机架上设置的球管发出X射线,X射线穿过患者被探测器接收形成扫描数据,并将扫描数据传输给计算机设备,计算机设备对扫描数据进行初步处理以及图像重建得到CT图像。
图1为一实施例提供的医学影像设备的复位检测方法的流程图,如图1所示,医学影像设备的复位检测方法包括步骤110和步骤120,其中:
步骤110,通过图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像。
图像采集装置可以是摄像机,通过摄像机拍摄医学影像设备或医学影像设备部分组成单元的图像。摄像机可以为2D摄像机,也可以为3D摄像机。
3D摄像机是利用3D镜头制造的摄像机,通常具有两个摄像镜头以上,间距与人眼间距相近,能够拍摄出类似人眼所见的针对同一场景的不同图像。由于3D摄像机具有两个以上的摄像镜头,因此可以拍摄出具有深度信息的图像,而2D摄像机(普通摄像机)只是二维的是没有深度的,也就是每一个景象都是平面的。本实施例采用3D摄像机获取医学影像设备或医学影像设备部分组成单元的图像,从而可以采集到医学影像设备的平面信息和深度信息。
步骤120,提取图像的特征信息,并根据特征信息判断医学影像设备的复位状态。
在获取到医学影像设备的图像后,提取图像的特征信息。图像的特征信息往往由问题或者应用类型决定,本申请中图像的特征信息是指可以体现出医学影像系统复位状态的图像信息。常用的特征提取方法有:Fourier变换法、窗口Fourier变换(Gabor)、小波变换法、最小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。
在一实施例中,通过深度学习算法提取图像的特征信息。基于AI的医学领域包括计算机视觉技术(Computer Vision,CV),CV是一门研究如何使机器“看”的科学,更进一步的说,就是指用图像采集装置和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。本实施例中,图像采集装置将图像发送至服务器,通过服务器中训练得到的深度学习模型对图像进行识别,得到图像的特征信息。
构建初始模型;获取包含医学影像设备的图像以及相应图像的特征信息;将图像以及相应图像的特征信息作为训练集,对初始模型进行训练,得到深度学习模型;将图像输入至深度学习模型,得到图像的特征信息。
在一实施例中,首先构建初始模型。在构建初始模型之后,对初始模型进行训练。训练样本的数量本实施例不作限制,训练样本的数量越多,训练得到的深度学习模型的鲁棒性越强。训练过程如下:获取包含医学影像设备的图像以及相应图像的特征信息;将图像以及相应图像的特征信息作为训练集,利用该训练集对初始模型进行训练,得到深度学习模型。具体地,首先将训练集中的图像输入至初始模型,得到输出的该图像的特征信息。若输出特征信息与图像对应的目标特征信息不一致,则调整初始模型的参数,以使人工智能模型输出的特征信息与目标特征信息一致。当输入任一图像后均可得到与图像对应的目标特征信息,则确定当前的初始模型为训练好的深度学习模型。通过训练好的深度学习模型可以实现根据输入的图像输出与该图像对应的特征信息。
需要说明的是,提取图像的特征信息可以采用其他提取方式,本实施例不作限制。
在提取出图像的特征信息后,根据特征信息判断医学影像设备的复位状态。
本实施例提供的医学影像设备的复位检测方法包括:通过图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像;提取图像的特征信息,并根据特征信息判断医学影像设备的复位状态。本实施例通过图像识别方法对医学影像设备的图像自动识别判断医学影像设备的复位状态,不需要操作者频繁出入扫描间来检测医学影像设备的复位状态,从而可以避免人工检测造成的工作负担较重和检测失误的问题,实现了对医学影像设备的复位状态的自动准确地识别,保证了系统质控质量。
在其中一些实施例中,通过图像采集装置获取医学影像设备的图像包括:医学影像设备包括病床和机架;通过图像采集装置获取包含病床和机架的图像。
在其中一些实施例中,提取图像的特征信息,并根据特征信息判断医学影像设备的复位状态包括:
根据图像,提取病床与机架的相对位置信息作为特征信息;
根据相对位置信息,判断医学影像设备的复位状态。
医学影像设备的复位状态通常是指病床的复位状态,本实施例根据病床的位置来确定医学影像设备的复位状态。具体地,首先通过图像采集装置获取包含病床和机架的图像,本实施例不需要采集整个医学影像设备的图像,只需要采集医学影像设备部分组成单元的图像,即只需要采集包含病床和机架的图像即可。在得到包含病床和机架的图像之后,提取图像的特征信息,该实施例中,图像的特征信息具体是指病床与机架的相对位置信息,根据该相对位置信息,判断出病床的位置信息,从而判断医学影像设备的复位状态。
在其中一些实施例中,提取图像的特征信息,并根据特征信息判断医学影像设备的复位状态包括:
根据所述图像,提取所述病床的水平位置和垂直位置;
根据所述病床的水平位置和垂直位置,判断所述医学影像设备的复位状态。
本实施例中,只根据病床本身的位置信息来判断医学影像设备的复位状态。具体地,若当前病床处于水平状态,且高度位于初始位置,则医学影像设备处于复位状态。
在其中一些实施例中,提取病床与机架的相对位置信息作为特征信息包括:病床和/或所述机架上设置有可视标志,可视标志用于标识病床的位置;
获取图像中包含的可视标志信息;
根据可视标志信息,获取病床与机架的相对位置信息。
本实施例中,例如在每一个病床床板的预设位置设置有可视标志,通过获取可视标志信息可以得到病床与机架的相对位置信息。可视标志可以为图案、字母、数字,具体形式不做限定。可以理解的是,当通过可视标志信息判断医学影像设备的复位状态时,图像采集装置可以仅针对存在可视标志的区域进行拍摄或扫描得到。
在其中一些实施例中,通过3D摄像机包含病床和机架的图像,可以直接获取到病床的高度信息,从而可以更直观地判断病床的垂直位置,提高检测效率。
在其中一些实施例中,通过图像采集装置获取医学影像设备的图像包括:通过图像采集装置获取锁定装置的图像。
本实施例中,医学影像设备包括锁定装置,锁定装置的锁定状态作为特征信息用于标识医学影像设备的复位状态。
本实施例中,在医学影像设备上设置有锁定装置,锁定装置例如可以是锁头、插销、卡环等装置,用于在病床处于复位状态时锁定病床位置。锁定装置处于锁定状态具体可以指锁头关闭、插销的杆插入鼻儿中或卡环扣紧。本实施例不需要采集整个医学影像设备的图像,只需要采集医学影像设备部分组成单元的图像,即只需要包含锁定装置的图像即可。在得到包含锁定装置的图像之后,提取图像的特征信息,该实施例中,图像的特征信息具体是指锁定装置的锁定状态。若锁定装置处于锁定状态,则确定医学影像设备处于复位状态。由于本实施例直接通过锁定装置的锁定状态作为特征信息,不需要计算病床的位置信息,因此复位检测效率更高。
在其中一些实施例中,通过图像采集装置获取医学影像设备的图像包括:通过图像采集装置获取包含指示灯的图像。
本实施例中,医学影像设备上设置有指示灯,指示灯的状态作为特征信息用于标识医学影像设备的复位状态。
指示灯可以设置在机架上,也可以设置在病床上或医学影像设备的其他位置,指示灯的设置位置本实施例不作限定。本实施例根据指示灯的设置位置,控制图像采集装置仅采集包含指示灯的图像,根据指示灯的状态判断医学影像设备的复位状态。在一实施例中,指示灯的状态可以包括亮和灭两种状态,当指示灯灭时,判断医学影像设备处于复位状态;当指示灯亮时,判断医学影像设备处于未复位状态。
在其中一些实施例中,在根据特征信息判断医学影像设备的复位状态之后,方法还包括:
若医学影像设备为未复位状态,则控制医学影像设备发出警示信息。
警示信息可以是语音提示,在检测到医学影像设备为未复位状态时,播放音频,例如是“请对设备进行复位”的提示音,以提醒用户对医学影像设备进行复位操作。警示信息也可以是预设的警报声或其他形式的警示,本申请不对警示信息的具体形式进行限定。
在其中一些实施例中,在通过图像采集装置获取医学影像设备的图像之前,复位检测方法还包括:
确定医学影像设备是否接收到关机指令;
若确定医学影像设备接收到关机指令,则控制图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像,并确定医学影像设备的复位状态。
本申请提供的复位检测方法执行前提可以是在医学影像设备接收到关机指令后。由于医学影像设备在完成扫描工作后才需要进行系统复位以降低安全风险,因此,本申请提供的方法在执行复位检测之前,实时监测医学影像设备的工作状态,当监测到医学影像设备扫描完成,并接收到关机指令,则控制图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像,并提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态。在确定医学影像设备处于复位状态后,执行关机动作。
在其中一些实施例中,医学影像设备上安装有运动传感器;在通过图像采集装置获取医学影像设备的图像之前,复位检测方法还包括:
获取运动传感器的信号参数;
根据信号参数判断医学影像设备的运动状态;
若医学影像设备处于运动状态,则控制图像采集装置获取医学影像设备的图像,并确定医学影像设备的复位状态。
在医学影像设备在移动场景下未复位时,可能会带来安全风险。因此本申请提供的方法执行的前提还包括医学影像设备处于运动状态。
本实施例中,在医学影像设备上设置有运动传感器,用于检测医学影像设备的运动状态。运动传感器可以包括陀螺仪,通过陀螺仪测量医学影像设备在多轴方向上的角速度,角速度可以称为运动传感器的信号参数,根据角速度判断医学影像设备的运动状态。在一实施例中,运动传感器还可以包括加速度计,用于测量医学影像设备的加速度,根据角速度和加速度判断医学影像设备的运动状态。若确定医学影像设备处于运动状态,则控制图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像,并提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图2所示,提供了一种医学影像系统,包括:医学影像设备210、图像采集设备220和处理器230,其中:
医学影像设备210,用于对扫描对象进行扫描;
图像采集设备220,用于获取医学影像设备210或医学影像设备210部分组成单元的图像;
处理器230,与图像采集设备220连接,用于提取图像的特征信息,并根据特征信息判断医学影像设备210的复位状态。
本实施例提供的医学影像系统包括医学影像设备210、图像采集设备220和处理器230,通过图像采集设备210获取医学影像设备210或医学影像设备210部分组成单元的图像;通过处理器230提取图像的特征信息,并根据特征信息判断医学影像设备210的复位状态。本申请提供的医学影像系统通过处理器230对图像采集设备220采集的图像自动识别,判断医学影像设备210的复位状态,从而可以避免人工检测造成的工作负担较重和检测失误的问题,实现了对医学影像设备的复位状态的自动准确地识别,保证了系统质控质量。
在其中一些实施例中,参考图2,医学影像设备210包括病床211和机架212,图像采集设备220还用于获取包含病床211和机架212的图像。
在其中一些实施例中,处理器230还用于:根据病床211的图像,提取病床211与机架212的相对位置信息作为特征信息,相对位置信息包括病床的水平位置和垂直位置;
根据水平位置和垂直位置,判断医学影像设备210的复位状态。
在其中一些实施例中,所述医学影像设备包括锁定装置,所述锁定装置的锁定状态作为特征信息用于标识所述医学影像设备的复位状态;图像采集设备220用于获取所述锁定装置的图像。
在其中一些实施例中,所述医学影像设备上设置有指示灯,所述指示灯的状态作为特征信息用于标识所述医学影像设备的复位状态;图像采集设备220用于获取包含所述指示灯的图像。
在其中一些实施例中,所述病床上设置有可视标志,所述可视标志用于标识所述病床的位置;图像采集设备220获取图像中包含的可视标志信息;处理器230根据可视标志信息,获取病床211与机架212的相对位置信息。
在其中一些实施例中,处理器230还用于:构建初始模型;
获取包含医学影像设备210的图像以及相应图像的特征信息;
将所述图像以及相应图像的特征信息作为训练集,对初始模型进行训练,得到深度学习模型;
将所述图像输入至所述深度学习模型,得到所述图像的特征信息。
在其中一些实施例中,处理器230还用于确定所述医学影像设备是否接收到关机指令;若确定所述医学影像设备接收到关机指令,则控制所述图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像,并确定医学影像设备的复位状态。
在其中一些实施例中,医学影像设备上安装有运动传感器;所述处理器230还用于获取所述运动传感器的信号参数;根据所述信号参数判断所述医学影像设备的运动状态;若所述医学影像设备处于运动状态,则控制所述图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像,并确定医学影像设备的复位状态。
在其中一些实施例中,医学影像系统上还设置有报警器,用于若所述医学影像设备为未复位状态,则控制所述医学影像设备发出警示信息。
关于医学影像系统的具体限定可以参见上文中对于医学影像设备的复位检测方法的限定,在此不再赘述。上述医学影像系统中的各个设备可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种医学影像设备的复位检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
通过图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像;
提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
通过图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像;
提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (16)
1.一种医学影像设备的复位检测方法,其特征在于,所述方法包括:
通过图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像;
提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态。
2.根据权利要求1所述的方法,其特征在于,所述通过图像采集装置获取医学影像设备的图像包括:所述医学影像设备包括病床和机架;
通过图像采集装置获取包含所述病床和所述机架的图像。
3.根据权利要求2所述的方法,其特征在于,所述提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态包括:
根据所述图像,提取所述病床与所述机架的相对位置信息作为所述特征信息;
根据所述相对位置信息,判断所述医学影像设备的复位状态。
4.根据权利要求2所述的方法,其特征在于,所述提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态包括:
根据所述图像,提取所述病床的水平位置和垂直位置;
根据所述病床的水平位置和垂直位置,判断所述医学影像设备的复位状态。
5.根据权利要求1所述的方法,其特征在于,所述通过图像采集装置获取医学影像设备的图像包括:所述医学影像设备包括锁定装置,所述锁定装置的锁定状态作为特征信息用于标识所述医学影像设备的复位状态;
通过图像采集装置获取所述锁定装置的图像。
6.根据权利要求1所述的方法,其特征在于,所述通过图像采集装置获取医学影像设备的图像包括:所述医学影像设备上设置有指示灯,所述指示灯的状态作为特征信息用于标识所述医学影像设备的复位状态;
通过图像采集装置获取包含所述指示灯的图像。
7.根据权利要求3所述的方法,其特征在于,所述提取所述病床与所述机架的相对位置信息作为所述特征信息包括:所述病床和/或所述机架上设置有可视标志,所述可视标志用于标识所述病床的位置;
获取所述图像中包含的可视标志信息;
根据所述可视标志信息,获取所述病床与所述机架的相对位置信息。
8.根据权利要求1所述的方法,其特征在于,所述提取所述图像的特征信息包括:
构建初始模型;
获取包含所述医学影像设备的图像以及相应图像的特征信息;
将所述图像以及相应图像的特征信息作为训练集,对初始模型进行训练,得到深度学习模型;
将所述图像输入至所述深度学习模型,得到所述图像的特征信息。
9.根据权利要求1所述的方法,其特征在于,在所述通过图像采集装置获取医学影像设备的图像之前,所述方法还包括:
确定所述医学影像设备是否接收到关机指令;
若确定所述医学影像设备接收到关机指令,则控制所述图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像,并确定医学影像设备的复位状态。
10.根据权利要求1所述的方法,其特征在于,在所述通过图像采集装置获取医学影像设备的图像之前,所述方法还包括:所述医学影像设备上安装有运动传感器;
获取所述运动传感器的信号参数;
根据所述信号参数判断所述医学影像设备的运动状态;
若所述医学影像设备处于运动状态,则控制所述图像采集装置获取医学影像设备或医学影像设备部分组成单元的图像,并确定医学影像设备的复位状态。
11.根据权利要求1所述的方法,其特征在于,在所述根据所述特征信息判断所述医学影像设备的复位状态之后,所述方法还包括:
若所述医学影像设备为未复位状态,则控制所述医学影像设备发出警示信息。
12.一种医学影像系统,其特征在于,所述系统包括:
医学影像设备,用于对扫描对象进行扫描;
图像采集设备,用于获取所述医学影像设备或医学影像设备部分组成单元的图像;
处理器,与所述图像采集设备连接,用于提取所述图像的特征信息,并根据所述特征信息判断所述医学影像设备的复位状态。
13.根据权利要求12所述的医学影像系统,其特征在于,所述医学影像设备包括病床和机架,所述图像采集设备还用于获取包含所述病床和所述机架的图像。
14.根据权利要求13所述的医学影像系统,其特征在于,所述处理器还用于:
根据所述病床的图像,提取所述病床与所述机架的相对位置信息作为所述特征信息,所述相对位置信息包括病床的水平位置和垂直位置;
根据所述水平位置和垂直位置,判断所述医学影像设备的复位状态。
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述方法的步骤。
16.一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权利要求1至10中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010199144.XA CN111419254A (zh) | 2020-03-20 | 2020-03-20 | 医学影像设备的复位检测方法和医学影像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010199144.XA CN111419254A (zh) | 2020-03-20 | 2020-03-20 | 医学影像设备的复位检测方法和医学影像系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111419254A true CN111419254A (zh) | 2020-07-17 |
Family
ID=71548271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010199144.XA Pending CN111419254A (zh) | 2020-03-20 | 2020-03-20 | 医学影像设备的复位检测方法和医学影像系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111419254A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116257184A (zh) * | 2023-02-14 | 2023-06-13 | 中国人民解放军总医院 | 一种应用于医学影像系统的数据存储方法以及存储系统 |
CN117405024A (zh) * | 2023-10-25 | 2024-01-16 | 国网四川省电力公司电力科学研究院 | 基于视觉识别的电力设备位移检测复原装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05317300A (ja) * | 1992-05-25 | 1993-12-03 | Toshiba Corp | 寝台位置制御装置 |
CN108000525A (zh) * | 2017-10-23 | 2018-05-08 | 广东数相智能科技有限公司 | 一种图书管理机器人和基于机器人的图书错放识别方法 |
CN109460044A (zh) * | 2019-01-10 | 2019-03-12 | 轻客小觅智能科技(北京)有限公司 | 一种基于二维码的机器人归位方法、装置及机器人 |
CN109659020A (zh) * | 2018-12-20 | 2019-04-19 | 上海联影医疗科技有限公司 | 医学影像设备干涉检查方法、医学影像设备和存储介质 |
CN110811827A (zh) * | 2019-09-25 | 2020-02-21 | 中奕智创医疗科技有限公司 | 一种手术机器人电机复位标定设备、标定方法及机器人 |
-
2020
- 2020-03-20 CN CN202010199144.XA patent/CN111419254A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05317300A (ja) * | 1992-05-25 | 1993-12-03 | Toshiba Corp | 寝台位置制御装置 |
CN108000525A (zh) * | 2017-10-23 | 2018-05-08 | 广东数相智能科技有限公司 | 一种图书管理机器人和基于机器人的图书错放识别方法 |
CN109659020A (zh) * | 2018-12-20 | 2019-04-19 | 上海联影医疗科技有限公司 | 医学影像设备干涉检查方法、医学影像设备和存储介质 |
CN109460044A (zh) * | 2019-01-10 | 2019-03-12 | 轻客小觅智能科技(北京)有限公司 | 一种基于二维码的机器人归位方法、装置及机器人 |
CN110811827A (zh) * | 2019-09-25 | 2020-02-21 | 中奕智创医疗科技有限公司 | 一种手术机器人电机复位标定设备、标定方法及机器人 |
Non-Patent Citations (1)
Title |
---|
金英涛等: "西门子Sensation系列多排螺旋CT检查床系统原理及故障解析", 《中国医学装备》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116257184A (zh) * | 2023-02-14 | 2023-06-13 | 中国人民解放军总医院 | 一种应用于医学影像系统的数据存储方法以及存储系统 |
CN116257184B (zh) * | 2023-02-14 | 2024-01-26 | 中国人民解放军总医院 | 一种应用于医学影像系统的数据存储方法以及存储系统 |
CN117405024A (zh) * | 2023-10-25 | 2024-01-16 | 国网四川省电力公司电力科学研究院 | 基于视觉识别的电力设备位移检测复原装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108968996A (zh) | 运动门控医学成像 | |
CN104008540B (zh) | 用于执行医学图像的配准的方法和设备 | |
EP2620911A1 (en) | Image processing apparatus, imaging system, and image processing method | |
US20110299747A1 (en) | Functional imaging | |
US8594769B2 (en) | Systems and methods for associating physiological data with image data | |
CN106308797A (zh) | 确定至少一个患者特定的安全参数的方法和医学成像装置 | |
US9147242B2 (en) | Processing system for medical scan images | |
CN107252353B (zh) | 医学成像设备的控制方法及医学成像设备 | |
CN111887878A (zh) | Pet扫描方法 | |
CN111419254A (zh) | 医学影像设备的复位检测方法和医学影像系统 | |
EP3786881A1 (en) | Image processing for stroke characterization | |
CN110507349A (zh) | 自动扫描方法、装置、计算机设备和计算机可读存储介质 | |
KR101518804B1 (ko) | 의료 데이터 관리 방법 및 장치 | |
CN105096306A (zh) | 用于对医学图像进行配准的方法和设备 | |
US20240065773A1 (en) | Navigation support | |
CN114943714A (zh) | 医学图像处理系统、装置、电子设备及存储介质 | |
CN114202516A (zh) | 一种异物检测方法、装置、电子设备及存储介质 | |
CN107106059A (zh) | 灌注成像 | |
CN110742639B (zh) | 扫描系统配置方法、装置、计算机设备和可读存储介质 | |
CN110215226B (zh) | 图像衰减校正方法、装置、计算机设备和存储介质 | |
US10402991B2 (en) | Device and method for registration of two images | |
CN107004270A (zh) | 用于计算感兴趣对象的位移的方法和系统 | |
CN112790778A (zh) | 采集错误对齐 | |
US20220005220A1 (en) | Positioning of a patient carrier | |
JP2021521942A (ja) | 医療撮像のための自動対象者監視 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |