CN111445990A - 一种扫描方案的调整方法、装置、电子设备及存储介质 - Google Patents
一种扫描方案的调整方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111445990A CN111445990A CN202010285032.6A CN202010285032A CN111445990A CN 111445990 A CN111445990 A CN 111445990A CN 202010285032 A CN202010285032 A CN 202010285032A CN 111445990 A CN111445990 A CN 111445990A
- Authority
- CN
- China
- Prior art keywords
- path
- conditional
- sample data
- patient sample
- condition
- 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 56
- 230000004044 response Effects 0.000 claims abstract description 18
- 239000013610 patient sample Substances 0.000 claims description 86
- 238000012549 training Methods 0.000 claims description 32
- 238000002372 labelling Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 7
- 239000002184 metal Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 206010006322 Breath holding Diseases 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 239000007943 implant Substances 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 208000012661 Dyskinesia Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000017311 musculoskeletal movement, spinal reflex action Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- 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
-
- 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
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Software Systems (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- High Energy & Nuclear Physics (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例公开了一种扫描方案的调整方法、装置、电子设备及存储介质,该调整方法包括:响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;获取患者数据,并将患者数据输入预先训练的条件路径判断模型,以使条件路径判断模型根据患者数据输出第一条件路径;根据第一条件路径以及至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据目标协议块对扫描方案进行调整。通过预先训练的条件路径判断模型,实现了根据输入的患者数据自动决策条件路径,进而根据配置的条件路径和协议块的对应关系,确定目标协议块,以实现根据患者的个体差异对扫描方案进行自适应调整。
Description
技术领域
本发明实施例涉及机器学习技术,尤其涉及一种扫描方案的调整方法、装置、电子设备及存储介质。
背景技术
利用医疗影像系统进行成像检查前,一般会为这些成像系统预先设置一些标准的扫描方案,其中扫描方案可包括构成的至少一个标准的扫描协议组,且各扫描协议组定义了正常情况下进行对应检查类型时采用的协议参数集。
目前,由于患者间通常存在个体差异(例如呼吸能力差异、是否有金属植入物差异等),成像系统的操作者往往需要根据患者的实际情况对标准的扫描方案进行调整,例如调整扫描协议组的构成,和/或调整各扫描协议组中的协议参数,来得到最终的扫描方案。
这种扫描方案调整方法的缺点至少包括:人为调整扫描方案不仅费时费力,而且对操作者的知识经验、专业技能要求比较高。此外,不同医院和/或操作者针对个体差异的应对调整方案并不总是一致,所以也很难将该知识内置在软件中直接代替操作者进行选择。
发明内容
有鉴于此,本发明实施例提供了一种扫描方案的调整方法、装置、电子设备及存储介质,实现了扫描方案的自适应调整。
第一方面,本发明实施例提供了一种扫描方案的调整方法,包括:
响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;
获取患者数据,并将所述患者数据输入预先训练的条件路径判断模型,以使所述条件路径判断模型根据所述患者数据输出第一条件路径;
根据所述第一条件路径以及所述至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据所述目标协议块对扫描方案进行调整。
第二方面,本发明实施例还提供了一种扫描方案的调整装置,包括:
路径-协议块配置模块,用于响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;
第一条件路径输出模块,用于获取患者数据,并将所述患者数据输入预先训练的条件路径判断模型,以使所述条件路径判断模型根据所述患者数据输出第一条件路径;
扫描方案调整模块,用于根据所述第一条件路径以及所述至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据所述目标协议块对标准扫描方案进行调整。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任意实施例提供的扫描方案的调整方法。
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,其特征在于,该程序被处理器执行时实现如本发明任意实施例提供的扫描方案的调整方法。
本发明实施例提供的一种扫描方案的调整方法、装置、电子设备及存储介质,该调整方法包括:响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;获取患者数据,并将患者数据输入预先训练的条件路径判断模型,以使条件路径判断模型根据患者数据输出第一条件路径;根据第一条件路径以及至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据目标协议块对扫描方案进行调整。通过预先训练的条件路径判断模型,实现了根据输入的患者数据自动决策条件路径,进而根据配置的条件路径和协议块的对应关系,确定目标协议块,以实现根据患者的个体差异对扫描方案进行自适应调整。
附图说明
图1是本发明实施例一提供的一种扫描方案的调整方法的流程示意图;
图2是本发明实施例二提供的一种扫描方案的调整方法的流程示意图;
图3是本发明实施例三提供的一种扫描方案的调整装置的结构示意图;
图4是本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。下述各实施例中,每个实施例中同时提供了可选特征和示例,实施例中记载的各个特征可进行组合,形成多个可选方案,不应将每个编号的实施例仅视为一个技术方案。
实施例一
图1为本发明实施例一提供的一种扫描方案的调整方法的流程示意图,本实施例可适用于调整扫描方案的情况,例如适用于利用各类医疗影像系统进行成像检测时,对标准扫描方案进行调整的情况,又如利用各类放射治疗系统进行扫描治疗时,对标准扫描治疗方案进行调整的情况。该方法可以由本发明实施例提供的扫描方案的调整装置来执行,该调整装置采用软件和/或硬件的方式实现,优选是配置于电子设备中,例如成像系统和/或治疗系统的附属计算机设备,或者云计算机设备中。
参见图1,扫描方案的调整方法,具体包括如下步骤:
S110、响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系。
现有的医疗影像系统,包括但不限于X射线(X-Ray)成像系统、计算机断层扫描(Computed Tomography,CT)成像系统、磁共振成像(Magnetic Resonance Imaging,MRI)系统、正电子发射型计算机断层显像(Positron Emission Computed Tomography,PET)系统和超声影像(Ultrasonic Imaging,US)系统,或者由上述系统组合的成像系统。现有的治疗系统包括但不限于,放射治疗(Radiation Therapy,RT)系统和手术机器人等。
利用上述成像系统、治疗系统或成像系统和治疗系统组合的系统进行扫描前,一般会为其预设一些标准的扫描协议组,以及设置各扫描协议组中协议参数的数值。以MRI成像系统为例,协议参数例如包括重复时间(repetition time,TR)、回波时间(echo time,TE)、反转时间(inversion time,TI)、扫描覆盖几何范围、成像方向、层厚图像分辨率、呼吸周期、患者屏气能力、相位编码方向、是否去金属伪影、是否需要运动矫正、是否多次重复等多达数十个参数。以CT成像系统为例,协议参数例如包括扫描覆盖几何范围视野(field ofview,FOV)、重建范围FOV、管电流、呼吸周期和患者屏气能力等。成像系统和/或治疗系统中不同类型的扫描协议组所包含的协议参数不完全相同,且在设置好标准的扫描协议组之后,可进一步将标准扫描协议组进行组合,形成不同的标准扫描方案。然而,由于患者间通常存在个体差异(例如呼吸能力差异、是否有金属植入物差异、心跳差异、体型差异、体质差异或是否需要运行矫正等),因此需要对扫描方案中构成的扫描协议组和/或扫描协议组中的协议参数进行调整,以满足患者的特异性扫描需求。本发明实施例提供的扫描方案的调整方法即可实现根据患者的个体差异,对成像系统和/或治疗系统的标准扫描方案进行特异性调整。
本发明实施例中,条件路径可以为一个或多个,可以认为条件路径是对患者身体特异性情况的定性描述,条件路径的类型例如包括患者屏气能力、金属植入物情况或不自主运动情况等。协议块可以为一个或多个,每个协议块可由至少一个协议参数及其数值构成,且协议块中的协议参数可以属于至少一个扫描协议组,也可以区别于任何扫描协议组的构成参数。
本发明实施例中,调整装置可提供一用于配置条件路径和协议块间对应关系软件界面——第一界面,且第一界面例如可以是流程图式的图像界面。用户通过该第一界面可输入配置操作,调整装置可根据接收的配置操作配置各种条件路径下分别使用何种协议块进行应对。其中,条件路径和协议块的对应关系可以是一对一、多对一、一对多或多对多的对应关系,其对应关系可根据具体扫描情况进行设置,在此不做具体限定。优选的,条件路径和协议块的对应关系可以是一对一的对应关系,例如若条件路径为“患者屏气能力不佳”则采用“协议块X1”,若条件路径为“患者有金属植入物”则采用“协议块X2”,若条件路径为“患者不自主的运动”则采用“协议块X3”,若条件路径为“发现脑出血病灶”则采用“协议块X4”等。通过配置条件路径和协议块间的对应关系,有利于根据智能判断的条件路径自动获取对应的协议块,以用于扫描方案的更新。
S120、获取患者数据,并将患者数据输入预先训练的条件路径判断模型,以使条件路径判断模型根据患者数据输出第一条件路径。
本发明实施例中,患者数据是利用成像系统进行扫描成像和/或利用治疗系统进行扫描治疗前,实况实时地对当前患者进行测量,或测量后进一步计算得到的数据,且患者数据可以包含表征患者不同方面身体情况的数据,例如包括“屏气时长最长10s”,“患者呼吸R-R间隔是3秒”,“校准数据发现有疑似金属伪影信号,强度是XX”或“扫描几何范围大于XX”这些具体数据。通常患者数据可记录于日志项或配置项中,获取患者数据具体可以是查询对当前患者测量或计算后对应的大量日志或配置信息,并从该些信息中提取出所需要的患者数据。
本实施例中,条件路径判断模型可以是专家系统或人工智能网络模型,而人工智能网络模型又可以包括机器学习模型或深度学习模型,且深度学习模型例如为神经网络模型。条件路径判断模型可以进行预先训练,且训练完成的条件路径判断模型可以用于根据输入的患者数据,输出一条或多条第一条件路径。其中,输出的第一条件路径可以表征患者数据对应的当前患者的身体特异性情况。
针对不同类型的成像系统和/或治疗系统,可分别训练对应的条件路径判断模型,以实现对不同成像系统和/或治疗系统的标准扫描方案进行特异性调整,且同种成像系统和/或治疗系统的条件路径判断模型可以在多台该类型成像设备和/或治疗设备之间通用/复用。
S130、根据第一条件路径以及至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据目标协议块对扫描方案进行调整。
本发明实施例中,在条件路径判断模型自动决策出至少一个第一条件路径之后,可根据先前配置的条件路径和协议块间的对应关系,确定至少一个第一条件路径对应的协议块,并将其作为目标协议块。当利用目标协议块对扫描方案进行调整时,若目标协议块中的协议参数属于至少一个扫描协议组,则可以根据目标协议块中协议参数的数值,对包含该协议参数的扫描协议组进行更新;若目标协议块中协议参数区别于任何扫描协议组的构成参数,则可以在扫描方案中添加该目标协议块。
可选的,扫描方案的调整方法,还包括:响应于作用在第一界面的更新操作,对至少一个条件路径和/或至少一个协议块进行更新。
本发明实施例中,用户还可以通过第一界面输入更新操作,调整装置可根据接收的更新操作新增条件路径、调整已有条件路径的设置、新增协议块或调整已有协议块的协议参数构成或参数数值等,有利于优化不同条件路径下采用的协议块应对策略。
可选的,扫描方案的调整方法,还包括:响应于作用在第二界面的模型开启/关闭操作,开始/停止将患者数据输入预先训练的条件路径判断模型。
本发明实施例中,调整装置还可提供一用于开启/关闭条件路径判断模型的软件界面——第二界面,用户通过该第二界面可输入模型开启操作或模型关闭操作,调整装置可分别根据接收的模型开启操作或模型关闭操作,开始或停止将患者数据输入预先训练的条件路径判断模型,即开启或关闭智能自动决策条件路径的功能,有利于保证自动决策条件路径的可控性。其中,第二界面和第一界面可以为相同界面,也可以为不同界面,在此不作限制。
示例性的,当用户发现条件路径判断模型智能判断条件路径的准确度还是达不到要求时,允许用户在第二界面中选择关闭智能判断的显示控件,以实现关闭智能自动决策条件路径。且调整装置可响应于作用在第二界面的模型关闭操作,对该条件路径判断模型在之前的训练结果基础上继续加强训练,或者还可以放弃之前的训练结果,重新训练条件路径判断模型。
本发明实施例提供的一种扫描方案的调整方法,响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;获取患者数据,并将患者数据输入预先训练的条件路径判断模型,以使条件路径判断模型根据患者数据输出第一条件路径;根据第一条件路径以及至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据目标协议块对扫描方案进行调整。通过预先训练的条件路径判断模型,实现了根据输入的患者数据自动决策条件路径,进而根据配置的条件路径和协议块的对应关系,确定目标协议块,以实现根据患者的个体差异对扫描方案进行自适应调整。
实施例二
本实施例在上述实施例的基础上,对条件路径判断模型的训练步骤进行了优化补充。本实施例与上述实施例具有相同的发明构思,与上述实施例相同或相应的术语解释,本实施例不再赘述。图2是本发明实施例二提供的一种扫描方案的调整方法的流程示意图。参见图2,该扫描方案的调整方法包括如下步骤:
S201、获取患者样本数据集,以及患者样本数据集中各患者样本数据对应的标注条件路径。
本发明实施例中,患者样本数据集可以是通过收集历史患者数据构成的样本集,例如将收集的几天、几周或几月的患者数据整理汇总所构成的样本集,且患者数据样本集可存储于预设存储空间中。患者样本数据对应的标注条件路径,可以认为是用户根据患者数据人为选取的条件路径,也可以是基于预设方法自动获得的,该预设方法包括但不限于机器学习方法、预设对应关系表、预设经验公式等方法,且在基于预设方法自动获得标注条件路径后,还可进一步由人工确认是否符合预期,并将不符合预期的标注条件路径进行更改。标注条件路径可以与患者样本数据集关联存储至上述预设存储空间中。其中,关联存储可以认为是不仅对患者样本数据集和标注条件路径进行存储,还对标注条件路径和患者样本数据集中患者样本数据的对应关系进行存储。调整装置可以通过访问该预设存储空间获取到患者样本数据集,并可根据标注条件路径和患者样本数据集中患者样本数据的对应关系,进一步获取到各患者样本数据对应的标注条件路径。
调整装置可将获取到的患者样本数据以及其对应的标注条件路径作为标注数据集,并将标注数据集传递至条件路径判断模型,以使条件路径判断模型根据该标注数据集学习用户的条件路径选取习惯和偏好,有利于实现通过条件路径判断模型进行条件路径的智能决策。
此外,患者样本数据集还可以在条件路径判断模型处于观察阶段时,根据观察阶段采集的患者数据进行更新。其中,观察阶段可以是指条件路径判断模型经过了预设时间或预设次数的初步训练,但还未正式投入使用的阶段。条件路径判断模型在观察阶段时,仍需用户人为选择患者数据对应的条件路径,同时条件路径判断模型也会根据患者数据输出条件路径,可将人为选取的条件路径和模型输出的条件路径进行对比观察,若两者偏差较大,则可将患者数据添加至换着样本数据集,将人为选取的条件路径添加至患者样本数据对应的标注条件路径,以用于在观察阶段继续对条件路径判断模型进行加强训练。
可选的,获取患者样本数据集,以及患者样本数据集中各患者样本数据对应的标注条件路径,包括:获取预设设备标识和/或预设用户标识对应的患者样本数据集,以及患者样本数据集中各患者样本数据对应的标注条件路径。
本发明实施例中,预设设备标识例如可以是成像设备的设备编号或硬件地址等唯一标识该设备的信息,用户标识例如可以是用户姓名或用户工号等唯一标识该用户的信息。
具体的,获取预设设备标识和/或预设用户标识对应的患者样本数据集,以及患者样本数据集中各患者样本数据对应的标注条件路径,可以包括:获取预设设备标识对应的特定成像设备进行成像的患者样本数据,和任意用户针对患者样本数据选取的标注条件路径;或者,获取同种的一个或多个成像设备进行成像的患者样本数据,和预设用户标识对应的特定用户针对患者样本数据选取的标注条件路径;或者,获取预设设备标识对应的特定成像设备进行成像的患者样本数据,和预设用户标识对应的特定用户针对患者样本数据选取的标注条件路径。从而可以实现针对预设设备标识对应的单台成像设备和/或针对预设用户标识对应的特定用户进行特有的模型训练,有利于提高条件判断模型的特异性。
S202、循环从患者样本数据集中选取患者样本数据,将选取的患者样本数据输入条件路径判断模型,输出第二条件路径。
本发明实施例中,“从患者样本数据集中选取患者样本数据,将选取的患者样本数据输入条件模型,输出第二条件路径;根据第二条件路径与选取的患者样本数据对应的标注条件路径的偏差,对条件路径判断模型进行更新”的过程可以认为是一次循环过程。
可选的,患者样本数据的数据类型为至少一种,第二条件路径的路径类型为至少一种;相应的,在获取患者样本数据集之前,还包括:响应于作用在第三界面的关联操作,将至少一种数据类型与至少一种路径类型进行关联;相应的,将选取的患者样本数据输入条件路径判断模型,输出第二条件路径,包括:将选取的患者样本数据按照关联的条件路径类型进行数据分组,将分组后的患者样本数据输入条件路径判断模型,输出各分组对应的第二条件路径。
本发明实施例中,调整装置还可提供一用于配置数据类型与路径类型的关联关系的软件界面——第三界面,用户通过该第三界面可输入关联操作,调整装置可根据关联操作将至少一种数据类型与至少一种路径类型进行关联。其中数据类型和路径类型的关联关系,例如为一对一、多对一、一对多或多对多的关联关系,其对应关系可根据具体扫描情况进行设置,在此不做具体限定。优选的,数据类型和路径类型的关联关系可以是多对一的关联关系,例如,患者样本数据类型为“屏气时长”和“呼吸R-R间隔”皆与条件路径类型“患者呼吸能力”关联。其中,第三界面与第二界面和/或第一界面可以为相同界面,也可以为不同界面,在此不作限制。
通过结合专家的经验/医院的一些影像检查流程先验知识,来关联至少一种数据类型与至少一种路径类型,避免了模型自己学习和推测这种数据类型与路径类型相关性的决策逻辑,有利于缩小模型训练的范围,让训练更有针对性,提高了模型训练效率。
S203、根据第二条件路径与选取的患者样本数据对应的标注条件路径的偏差,对条件路径判断模型进行更新,直至达到预设训练完成条件,得到训练完成的条件路径判断模型。
本发明实施例中,模型训练阶段和/或使用模型自动决策条件路径阶段可以是在影像设备附属计算机上开展,也可以是在云计算等远程非本地计算环境下开展的,且训练完毕的模型可以导出和进行分享或者复用。
在达到预设训练完成条件时,可自动向第二界面触发模型开启操作,调整装置可分别根据接收的模型开启操作,开始将患者数据输入训练完成的条件路径判断模型,即开启智能自动决策条件路径的功能;或者,在达到预设训练完成条件时,还可提醒用户训练已完成,以使用户向第二界面触发模型开启操作,以开启智能自动决策条件路径的功能。
可选的,达到预设训练完成条件,包括:训练时长达到预设时长;和/或循环选取患者样本数据的次数达到预设次数;和/或输出的条件路径与选取的患者样本数据对应的标注条件路径的偏差百分比小于预设阈值。
其中,预设时长、预设次数和/或预设阈值可以在模型训练阶段根据模型预期的精度进行设置;并且,在模型投入使用阶段,若用户发现其智能判断条件路径的准确度还是达不到要求时,允许用户在第二界面中选择关闭智能判断的显示控件,同时对预设时长、预设次数和/或预设阈值进行调整,以实现关闭智能自动决策条件路径,并对该条件路径判断模型在之前的训练结果基础上继续按调整后的预设时长、预设次数和/或预设阈值进行加强训练。其中,输出条件路径和标注条件路径的偏差百分比,可以是历史输出的第二条件路径与历史标注条件路径相比,标注错误的概率;也可以是当前第二条件路径与当前患者样本数据对应的标注路径相比,标注错误部分的占比,在此不做具体限定。通过设置预设时长、预设次数和预设阈值,可以结束模型训练的训练循环步骤,且有利于保证模型的判断正确率。
S204、响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系。
S205、获取患者数据,并将患者数据输入预先训练的条件路径判断模型,以使条件路径判断模型根据患者数据输出第一条件路径。
本实施例中,若调整装置通过第三界面设置了数据类型和路径类型的关联关系,在使用条件路径判断模型自动决策条件路径阶段,同样将患者数据按照关联的条件路径类型进行数据分组,将分组后的患者数据输入条件路径判断模型,输出各分组对应的第一条件路径。
S206、根据第一条件路径以及至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据目标协议块对扫描方案进行调整。
本实施例提供的扫描方案的调整方法,对条件路径判断模型的训练步骤进行了优化补充,条件路径判断模型根据获取的患者样本数据及其对应的标注条件路径进行用户选取条件路径的习惯偏好的学习,以实现通过训练完成的模型能够根据患者的个体差异对扫描方案进行自适应调整。此外,本实施例与上述实施例具有相同的发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例可达到与上述实施例相同的有益效果。
实施例三
图3是本发明实施例三提供的一种扫描方案的调整装置的结构示意图。本实施例可适用于调整扫描方案的情况,例如适用于利用各类医疗影像系统进行成像检测时,对标准扫描方案进行调整的情况。应用该调整装置可以实现本发明任一实施例所提供的扫描方案的调整方法。
参见图3,扫描方案的调整装置包括:
路径-协议块配置模块310,用于响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;
第一条件路径输出模块320,用于获取患者数据,并将患者数据输入预先训练的条件路径判断模型,以使条件路径判断模型根据患者数据输出第一条件路径;
扫描方案调整模块330,用于根据第一条件路径以及至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据目标协议块对标准扫描方案进行调整。
可选的,调整装置还包括:
路径-协议块更新模块,用于响应于作用在第一界面的更新操作,对至少一个条件路径和/或至少一个协议块进行更新。
可选的,调整装置还包括:
模型开关模块,用于响应于作用在第二界面的模型开启/关闭操作,开始/停止将患者数据输入预先训练的条件路径判断模型。
可选的,调整装置还包括:模型训练模块;
进一步,模型训练模块,包括:
数据集获取子模块,用于获取患者样本数据集,以及患者样本数据集中各患者样本数据对应的标注条件路径;
第二条件路径输出子模块,用于循环从患者样本数据集中选取患者样本数据,将选取的患者样本数据输入条件路径判断模型,输出第二条件路径;
模型训练子模块,用于根据第二条件路径与选取的患者样本数据对应的标注条件路径的偏差,对条件路径判断模型进行更新,直至达到预设训练完成条件,得到训练完成的条件路径判断模型。
可选的,数据集获取子模块,具体用于:
获取预设设备标识和/或预设用户标识对应的患者样本数据集,以及患者样本数据集中各患者样本数据对应的标注条件路径。
可选的,达到预设训练完成条件,包括:训练时长达到预设时长;和/或循环选取患者样本数据的次数达到预设次数;和/或输出的条件路径与选取的患者样本数据对应的标注条件路径的偏差百分比小于预设阈值。
可选的,患者样本数据的数据类型为至少一种,第二条件路径的路径类型为至少一种;
相应的,模型训练模块,还包括:
数据-路径类型关联子模块,用于在获取患者样本数据集之前,响应于作用在第三界面的关联操作,将至少一种数据类型与至少一种路径类型进行关联;
相应的,第二条件路径输出子模块,具体用于:
将选取的患者样本数据按照关联的条件路径类型进行数据分组,将分组后的患者样本数据输入条件路径判断模型,输出各分组对应的第二条件路径。
本发明实施例所提供的扫描方案的调整装置可执行本发明任一实施例所提供的扫描方案的调整方法,具备执行方法相应的功能模块和有益效果。未详尽描述的技术细节,可参见本发明任一实施例所提供的扫描方案的调整方法。
实施例四
图4是本发明实施例四提供的一种电子设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图4显示的电子设备12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。设备12典型的是承担扫描方案的调整或者扫描方案推理功能的电子设备。
如图4所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,存储器28,连接不同组件(包括存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
电子设备12典型地包括多种计算机可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机装置可读介质,例如随机存取存储器(Random Access Memory,RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品40,该程序产品40具有一组程序模块42,这些程序模块被配置以执行本发明各实施例的功能。程序产品40,可以存储在例如存储器28中,这样的程序模块42包括但不限于一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、鼠标、摄像头等和显示器)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网WideArea Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)装置、磁带驱动器以及数据备份存储装置等。
处理器16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的扫描方案的调整方法,该方法包括:
响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;获取患者数据,并将患者数据输入预先训练的条件路径判断模型,以使条件路径判断模型根据患者数据输出第一条件路径;根据第一条件路径以及至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据目标协议块对扫描方案进行调整。
当然,本领域技术人员可以理解,处理器还可以实现本发明任一实施例所提供的扫描方案的调整方法的技术方案。
实施例五
本发明实施例五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,该程序被处理器执行时实现如本发明实施例所提供的扫描方案的调整方法,该方法包括:
响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;获取患者数据,并将患者数据输入预先训练的条件路径判断模型,以使条件路径判断模型根据患者数据输出第一条件路径;根据第一条件路径以及至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据目标协议块对扫描方案进行调整。
当然,本发明实施例所提供的一种计算机可读存储介质,其上存储的计算机程序不限于如上的方法操作,还可以执行本发明任一实施例所提供的扫描方案的调整方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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 (10)
1.一种扫描方案的调整方法,其特征在于,包括:
响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;
获取患者数据,并将所述患者数据输入预先训练的条件路径判断模型,以使所述条件路径判断模型根据所述患者数据输出第一条件路径;
根据所述第一条件路径以及所述至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据所述目标协议块对扫描方案进行调整。
2.根据权利要求1所述的方法,其特征在于,还包括:
响应于作用在所述第一界面的更新操作,对所述至少一个条件路径和/或至少一个协议块进行更新。
3.根据权利要求1所述的方法,其特征在于,还包括:
响应于作用在第二界面的模型开启/关闭操作,开始/停止将所述患者数据输入预先训练的条件路径判断模型。
4.根据权利要求1所述的方法,其特征在于,所述条件路径判断模型的训练步骤,包括:
获取患者样本数据集,以及所述患者样本数据集中各患者样本数据对应的标注条件路径;
循环从所述患者样本数据集中选取患者样本数据,将选取的患者样本数据输入条件路径判断模型,输出第二条件路径;
根据所述第二条件路径与选取的患者样本数据对应的标注条件路径的偏差,对所述条件路径判断模型进行更新,直至达到预设训练完成条件,得到训练完成的条件路径判断模型。
5.根据权利要求4所述的方法,其特征在于,获取患者样本数据集,以及所述患者样本数据集中各患者样本数据对应的标注条件路径,包括:
获取预设设备标识和/或预设用户标识对应的患者样本数据集,以及所述患者样本数据集中各患者样本数据对应的标注条件路径。
6.根据权利要求4所述的方法,其特征在于,所述达到预设训练完成条件,包括:
训练时长达到预设时长;和/或
循环选取患者样本数据的次数达到预设次数;和/或
输出的条件路径与选取的患者样本数据对应的标注条件路径的偏差百分比小于预设阈值。
7.根据权利要求4所述的方法,其特征在于,所述患者样本数据的数据类型为至少一种,所述第二条件路径的路径类型为至少一种;
相应的,在所述获取患者样本数据集之前,还包括:
响应于作用在第三界面的关联操作,将至少一种数据类型与至少一种路径类型进行关联;
相应的,将选取的患者样本数据输入条件路径判断模型,输出第二条件路径,包括:
将选取的患者样本数据按照关联的条件路径类型进行数据分组,将分组后的患者样本数据输入条件路径判断模型,输出各分组对应的第二条件路径。
8.一种扫描方案的调整装置,其特征在于,包括:
路径-协议块配置模块,用于响应于作用在第一界面的配置操作,配置至少一个条件路径与至少一个协议块之间的对应关系;
第一条件路径输出模块,用于获取患者数据,并将所述患者数据输入预先训练的条件路径判断模型,以使所述条件路径判断模型根据所述患者数据输出第一条件路径;
扫描方案调整模块,用于根据所述第一条件路径以及所述至少一个条件路径与至少一个协议块之间的对应关系,确定目标协议块,并根据所述目标协议块对标准扫描方案进行调整。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的扫描方案的调整方法。
10.一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,该程序被处理器执行时实现如权利要求1-7中任一所述的扫描方案的调整方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285032.6A CN111445990A (zh) | 2020-04-13 | 2020-04-13 | 一种扫描方案的调整方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285032.6A CN111445990A (zh) | 2020-04-13 | 2020-04-13 | 一种扫描方案的调整方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111445990A true CN111445990A (zh) | 2020-07-24 |
Family
ID=71651794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010285032.6A Pending CN111445990A (zh) | 2020-04-13 | 2020-04-13 | 一种扫描方案的调整方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445990A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101686825A (zh) * | 2007-06-21 | 2010-03-31 | 皇家飞利浦电子股份有限公司 | 使用动态模型调整用于动态医学成像的采集协议 |
US20130211236A1 (en) * | 2010-10-14 | 2013-08-15 | Koninklijke Philips Electronics N.V. | Mr data acquisition using physiological monitoring |
US20140364720A1 (en) * | 2013-06-10 | 2014-12-11 | General Electric Company | Systems and methods for interactive magnetic resonance imaging |
CN104434162A (zh) * | 2013-09-25 | 2015-03-25 | 西门子公司 | 用于自动选择扫描协议的方法和系统 |
CN108847274A (zh) * | 2018-05-16 | 2018-11-20 | 上海术木医疗科技有限公司 | 一种基于云平台的生命体征数据处理方法及系统 |
CN109741804A (zh) * | 2019-01-16 | 2019-05-10 | 四川大学华西医院 | 一种信息提取方法、装置、电子设备及存储介质 |
WO2019243400A1 (en) * | 2018-06-22 | 2019-12-26 | Koninklijke Philips N.V. | A method for enabling magnetic resonance imaging of a subject |
CN110960241A (zh) * | 2019-12-09 | 2020-04-07 | 上海联影医疗科技有限公司 | 医学影像扫描的扫描参数确定方法、装置和计算机设备 |
-
2020
- 2020-04-13 CN CN202010285032.6A patent/CN111445990A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101686825A (zh) * | 2007-06-21 | 2010-03-31 | 皇家飞利浦电子股份有限公司 | 使用动态模型调整用于动态医学成像的采集协议 |
US20130211236A1 (en) * | 2010-10-14 | 2013-08-15 | Koninklijke Philips Electronics N.V. | Mr data acquisition using physiological monitoring |
US20140364720A1 (en) * | 2013-06-10 | 2014-12-11 | General Electric Company | Systems and methods for interactive magnetic resonance imaging |
CN104434162A (zh) * | 2013-09-25 | 2015-03-25 | 西门子公司 | 用于自动选择扫描协议的方法和系统 |
CN108847274A (zh) * | 2018-05-16 | 2018-11-20 | 上海术木医疗科技有限公司 | 一种基于云平台的生命体征数据处理方法及系统 |
WO2019243400A1 (en) * | 2018-06-22 | 2019-12-26 | Koninklijke Philips N.V. | A method for enabling magnetic resonance imaging of a subject |
CN109741804A (zh) * | 2019-01-16 | 2019-05-10 | 四川大学华西医院 | 一种信息提取方法、装置、电子设备及存储介质 |
CN110960241A (zh) * | 2019-12-09 | 2020-04-07 | 上海联影医疗科技有限公司 | 医学影像扫描的扫描参数确定方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102013828B1 (ko) | 수술영상을 기초로 수술시간을 예측하는 방법 및 장치 | |
KR101864380B1 (ko) | 수술영상데이터 학습시스템 | |
CN109697741B (zh) | 一种pet图像重建方法、装置、设备及介质 | |
CN111356930B (zh) | 用于定位预定义的解剖结构的解剖界标的方法和系统 | |
US10489907B2 (en) | Artifact identification and/or correction for medical imaging | |
US10339655B2 (en) | Automated image evaluation in x-ray imaging | |
CN109492675B (zh) | 医学影像的识别方法、装置、存储介质和电子设备 | |
US20200193594A1 (en) | Hierarchical analysis of medical images for identifying and assessing lymph nodes | |
KR20190088375A (ko) | 수술영상데이터 학습시스템 | |
CN111242947B (zh) | 一种ct扫描图像质量评价方法、计算机可读存储介质、ct扫描装置 | |
US11547368B2 (en) | System and method for determining an imaging modality and the parameters therefor | |
CN112150574A (zh) | 一种图像伪影自动校正方法、系统、装置及存储介质 | |
CN108537774B (zh) | 用于检查医学图像的方法以及用于调整检查协议的方法 | |
CN111568451A (zh) | 一种曝光剂量调节方法和系统 | |
CN114782302A (zh) | 基于医学图像预测生理相关参数的系统和方法 | |
JP2021521949A (ja) | インターベンショナルx線画像及びディープラーニングを用いたインタラクティブ冠動脈ラベル付け | |
US11995834B2 (en) | Method and system for the automated determination of examination results in an image sequence | |
US20210166351A1 (en) | Systems and methods for detecting and correcting orientation of a medical image | |
CN111445990A (zh) | 一种扫描方案的调整方法、装置、电子设备及存储介质 | |
CN115147357A (zh) | 血管介入导丝的自动导航方法、装置、设备及介质 | |
CN111180046B (zh) | 确定用于处理图像的处理序列 | |
CN115700740A (zh) | 医学图像处理方法、装置、计算机设备和存储介质 | |
CN107799166B (zh) | 医学成像系统 | |
US20230248328A1 (en) | X-ray imaging system | |
US20240177839A1 (en) | Image annotation systems and methods |
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. |