CN111462139A - 医学图像显示方法、装置、计算机设备和可读存储介质 - Google Patents

医学图像显示方法、装置、计算机设备和可读存储介质 Download PDF

Info

Publication number
CN111462139A
CN111462139A CN202010333815.7A CN202010333815A CN111462139A CN 111462139 A CN111462139 A CN 111462139A CN 202010333815 A CN202010333815 A CN 202010333815A CN 111462139 A CN111462139 A CN 111462139A
Authority
CN
China
Prior art keywords
image
display
sub
body part
information
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
Application number
CN202010333815.7A
Other languages
English (en)
Inventor
刘士涛
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 CN202010333815.7A priority Critical patent/CN111462139A/zh
Publication of CN111462139A publication Critical patent/CN111462139A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/044Recurrent networks, e.g. Hopfield networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10088Magnetic resonance imaging [MRI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30048Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请涉及一种医学图像显示方法、装置、计算机设备和可读存储介质,其中,该医学图像显示方法包括:获取扫描对象的扫描数据,并根据所述扫描数据重建第一图像;将所述第一图像显示在显示界面上;识别所述扫描对象的至少一个身体部位;根据所述身体部位从所述第一图像中分割出至少一个子图像;根据交互界面接收到的输入信息,调整所述子图像在所述显示界面中的显示参数。通过本申请,解决了无法兼顾整体图像显示与局部区域突出显示的问题,实现了突出显示局部区域的同时能够查看整体图像。

Description

医学图像显示方法、装置、计算机设备和可读存储介质
技术领域
本申请涉及医学影像显示技术领域,特别是涉及医学图像显示方法、装置、计算机设备和可读存储介质。
背景技术
近年来,随着医学影像数字化进程的不断推进,使得直接通过显示设备屏幕端显示的医学影像进行诊断治疗成为可能。在某些应用场景下,采用X线计算机断层摄影(Computed Tomography,简称CT)、磁共振成像(Magnetic Resonance Imaging,简称MRI)以及正电子发射断层成像(Positron Emission Computed Tomography,简称PET)成像系统采集患者多个身体部位的图像,并通过显示设备进行输出显示。
在相关技术中,在显示的整体图像包括患者的多个身体部位的情况下,如果需要单独观察某一身体部位的变化,则需要对整体图像中这一身体部位所在区域的图像进行放大,此时无法同时查看整体图像。
目前针对相关技术中,无法兼顾整体图像显示与局部区域突出显示的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种医学图像显示方法、装置、计算机设备和可读存储介质,以至少解决相关技术中无法兼顾整体图像显示与局部区域突出显示的问题。
第一方面,本申请实施例提供了一种医学图像显示方法,所述方法包括:
获取扫描对象的扫描数据,并根据所述扫描数据重建第一图像;
将所述第一图像显示在显示界面上;
识别所述扫描对象的至少一个身体部位;
根据所述身体部位从所述第一图像中分割出至少一个子图像;
根据交互界面接收到的输入信息,调整所述子图像在所述显示界面中的显示参数。
在其中一些实施例中,所述识别所述扫描对象的至少一个身体部位包括:
根据所述第一图像的图像信息识别所述扫描对象的至少一个身体部位。
在其中一些实施例中,所述识别所述扫描对象的至少一个身体部位包括:
获取具有所述扫描对象身体结构信息的第二图像;
根据所述第二图像的图像信息识别所述扫描对象的至少一个身体部位。
在其中一些实施例中,所述图像信息包括以下至少之一:图像的梯度信息、灰度信息以及位置信息。
在其中一些实施例中,所述第一图像与所述子图像在所述显示界面上层叠显示。
在其中一些实施例中,所述子图像的组合与所述第一图像重合,所述子图像在显示界面上所占显示区域的集合完全覆盖所述第一图像在显示界面上所占显示区域。
在其中一些实施例中,所述显示参数包括以下至少之一:所述显示区域的面积、亮度、对比度和灰度值。
第二方面,本申请实施例提供了一种医学图像显示装置,所述装置包括:
重建模块,用于获取扫描对象的扫描数据,并根据所述扫描数据重建第一图像;
显示模块,用于将所述第一图像显示在显示界面上;
识别模块,用于识别所述扫描对象的至少一个身体部位;
分割模块,用于根据所述身体部位从所述第一图像中分割出至少一个子图像;
处理模块,用于根据交互界面接收到的输入信息,调整所述子图像在所述显示界面中的显示参数。
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图像显示方法。
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图像显示方法。
相比于相关技术,本申请实施例提供的医学图像显示方法、装置、计算机设备和可读存储介质,通过获取扫描对象的扫描数据,并根据所述扫描数据重建第一图像;将所述第一图像显示在显示界面上;识别所述扫描对象的至少一个身体部位;根据所述身体部位从所述第一图像中分割出至少一个子图像;根据交互界面接收到的输入信息,调整所述子图像在所述显示界面中的显示参数,解决了无法兼顾整体图像显示与局部区域突出显示的问题。
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为本申请实施例的医学图像显示方法的流程图;
图2为本申请实施例的识别扫描对象身体部位的流程图;
图3为本申请优选实施例的医学图像显示方法的流程图;
图4为本申请实施例中医学图像显示装置的结构框图;
图5为本申请实施例的医学图像显示设备的硬件结构示意图。
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。
本申请所涉及医学图像显示方法、装置以及计算机设备可以但不仅限于应用于医学影像显示技术领域,例如CT、MRI以及PET图像的显示。
本实施例提供一种医学图像显示方法。图1为本申请实施例的医学图像显示方法的流程图,该流程包括如下步骤:
步骤S110,获取扫描对象的扫描数据,并根据扫描数据重建第一图像。
第一图像可以是CT图像,可以是MRI图像,也可以是PET图像,本实施例对第一图像的类型不作限制。扫描数据表示通过扫描设备获取的原始数据,用于重建第一图像。以下以CT图像为例进行说明。
根据不同的扫描要求,可以对扫描对象的不同身体部位设置不同的CT扫描参数。根据CT扫描参数,在对被扫描对象的不同身体部位扫描时,使用对应该身体部位的CT扫描参数进行扫描,获取扫描数据。例如,控制设备在接收到设置的CT扫描参数后,可以根据该扫描参数控制数据采集设备进行数据采集,得到扫描数据。数据采集设备获取到的扫描数据,比如对被扫描对象扫描时得到的X射线穿过被扫描对象的衰减信息,可以传输至重建设备,重建设备可以将该扫描数据存储在硬盘上并进行CT扫描的图像重建,以得到被扫描对象的第一图像。
步骤S120,将第一图像显示在显示界面上。显示界面可以是电子屏幕,也可以是OLED(Organic Light Emitting Display,简称OLED)屏幕,本实施例对显示界面的类型不作限制。
步骤S130,识别扫描对象的至少一个身体部位。
在其中一些实施例中,根据第一图像的图像信息识别扫描对象的至少一个身体部位。
具体地,可以通过提取第一图像中的图像信息,并对图像信息进行分析,得到扫描对象的身体部位。可以采用卷积神经网络模型对第一图像进行识别,也可以采用灰度值特征分布算法对第一图像进行识别,本申请对所采用的识别算法不作限制。
在其中一些实施例中,采用卷积神经网络模型对第一图像进行识别。具体地,对第一图像进行解析,得到第一图像的图像信息。根据图像信息,将第一图像与身体模板影像进行刚性配准,得到第一身体部位识别结果。将第一图像输入训练好的卷积神经网络模型中进行预测,得到第二身体部位识别结果。判断第一身体部位识别结果与第二身体部位识别结果是否一致,若一致,则直接得到最终身体部位识别结果;若不一致,则提高配准精度,再次配准,并以再次配准后的识别结果作为最终身体部位识别结果。根据最终身体部位识别结果,确定扫描对象的身体部位。
在其中一些实施例中,采用灰度值特征分布算法对第一图像进行识别。通过采集扫描对象身体部位的图像作为参考图像,获取参考图像的灰度值特征分布图。根据第一图像提取灰度值特征,通过将第一图像的灰度值特征与参考图像的灰度值特征分布图进行匹配,识别出扫描对象的至少一个身体部位。
在其中一些实施例中,图2为本申请实施例的识别扫描对象身体部位的流程图,该流程包括如下步骤:
步骤S210,获取具有扫描对象身体结构信息的第二图像。
第二图像可以是CT图像,可以是MRI图像,也可以是高分辨率PET图像,本实施例对第二图像的类型不作限制。身体结构信息包括但不仅限于扫描对象的身体轮廓信息、器官隔膜信息以及组织边界信息。
步骤S220,根据第二图像的图像信息识别扫描对象的至少一个身体部位。
在其中一些实施例中,图像信息包括以下至少之一:图像的梯度信息、灰度信息以及位置信息。
通过提取第二图像中的梯度信息、灰度信息以及位置信息中的至少一种,与预设参考图像进行匹配识别,识别出扫描对象的至少一个身体部位。梯度信息包括轮廓的边缘灰度变化率,灰度信息为灰度值,位置信息为第二图像中的局部区域相对于扫描对象的位置信息。
具体地,可以从第二图像中提取局部梯度特征,并与预设参考图像的梯度特征图进行匹配识别,以识别出扫描对象的至少一个身体部位。或,从第二图像中提取局部灰度值特征,并与预设参考图像的灰度值特征图进行匹配识别,以识别出扫描对象的至少一个身体部位。或,根据第二图像获取识别区域相对于扫描对象的位置信息,并根据位置信息识别出扫描对象的至少一个身体部位。例如,根据第二图像的图像区域与扫描对象身体部位位置的对应关系,可以识别出扫描对象的头部。
通过上述步骤S210至步骤S220,获取具有扫描对象身体结构信息的第二图像。通过提取第二图像中的梯度信息、灰度信息以及位置信息中的至少一种,与参考图像进行匹配识别,以识别出扫描对象的至少一个身体部位,实现了简单、快速地识别扫描对象的身体部位,提高了识别效率。
步骤S140,根据身体部位从第一图像中分割出至少一个子图像。
可以采用识别算法识别出身体部位在第一图像中对应的图像子区域,并根据图像分割算法将从第一图像中分割出子区域,得到身体部位对应的子图像。子图像表示包含身体部位的图像子区域。
可以采用基于阈值的图像分割法、基于区域的图像分割算法、基于边缘检测的图像分割算法、基于神经网络的图像分割算法中的任意一种图像分割算法对第一图像进行分割,本实施例对采用的图像分割算法不作限制。
例如采用基于神经网络的图像分割算法对第一图像进行分割。具体地,根据第一图像得到纹理特征图,纹理特征图中像素点的值为第一图像中对应像素点的纹理特征。根据预设的卷积神经网络模型对第一图像进行特征提取,得到深度特征图,深度特征图中像素点的值为第一图像中对应像素点的深度特征。根据纹理特征图和深度特征图,得到高维特征图,高维特征图中像素点的值为第一图像中对应像素点的高维特征,高维特征包括纹理特征与深度特征。对高维特征图进行分割,得到至少一个子图像。
在其中一些实施例中,采用基于区域的图像分割算法对第一图像进行分割,从第一图像中分割出至少一个子图像。由于医学图像的轮廓比较模糊,采用基于区域的图像分割方法对第一图像进行分割,具有更好的分割效果。例如,在心脏图像中,左心房和左心室的颜色比较接近,它们之间的隔膜仅仅是颜色深浅的不同,但是色彩非常接近。因此,采用基于区域的图像分割算法对第一图像进行分割,能够达到更好的分割效果,提高子图像的图像质量,从而进一步提高子图像在显示界面中的显示效果。
步骤S150,根据交互界面接收到的输入信息,调整子图像在显示界面中所占显示区域的显示参数。
可以理解的是,交互界面包括以下至少之一:键盘、鼠标以及电子显示屏。
具体地,可以通过鼠标点击第一图像中的任意一个位置,将鼠标所点击的位置作为输入信息。可以通过键盘操纵光标选中第一图像中的任意一个位置,将光标选中的位置作为输入信息。可以通过手动触摸或电子笔点击电子显示屏,选择第一图像中的任意一个位置,将手动触摸或电子笔点击的位置作为输入信息。
输入信息具体可以为交互界面接收到的位置信息。根据交互界面接收到的位置信息,确定需要调整的子图像,并调整该子图像在显示界面中所占显示区域的显示参数,以使该子图像在显示界面中突出显示。
在其中一些实施例中,显示参数包括以下至少之一:显示区域的面积、亮度、对比度和灰度值。
本实施例通过调整显示区域的面积、亮度、对比度和灰度值,提高子图像在显示界面中的显示效果,从而可以使该子图像在显示界面中突出显示。
具体地,通过调整子图像所在显示区域的面积,可以将子图像在显示界面中放大显示或缩小显示。例如在不改变第一图像所在显示区域的情况下,可以增大子图像所在的显示区域,使子图像在显示界面中突出显示。
在其中一些实施例中,根据交互界面接收到的输入信息,调整子图像在显示界面中所占显示区域的显示参数时,同时调整第一图像所在显示区域的显示参数,以突出显示子图像。
具体地,在不改变第一图像所在显示区域的亮度的情况下,可以提高子图像所在显示区域的亮度,使得子图像在显示界面中突出显示。也可以提高子图像所在显示区域的亮度的同时,降低第一图像所在显示区域的亮度,使得子图像在显示界面中的突出显示效果更加明显。
或,可以通过调整子图像所在显示区域的对比度的同时,使得子图像在显示界面中突出显示。例如在不改变第一图像所在显示区域的对比度的情况下,提高子图像所在显示区域的对比度,可以使子图像在显示界面中突出显示。
或,可以在调整子图像所在显示区域的灰度值的同时,调整第一图像所在显示区域的灰度值,可以使子图像在显示界面中突出显示。例如在不改变第一图像所在显示区域的灰度值的情况下,增大子图像所在显示区域的灰度值,可以使子图像在显示界面中突出显示。也可以增大子图像所在显示区域的灰度值,同时减小第一图像所在显示区域的灰度值,可以使子图像在显示界面中的突出显示效果更加明显。
以PET图像为例,对上述步骤S110至步骤S150进行说明。
获取PET体部图像,PET体部图像包括从颈部到大腿中部的图像,并将PET体部图像显示在显示界面上,通过鼠标点击PET体部图像中肺部所在的位置,从PET体部图像中分割出肺部子图像,并调整肺部子图像所在显示区域的面积,使得肺部子图像放大突出显示,同时调整除肺部图像外PET体部图像的亮度,使得除肺部图像外PET体部图像变暗。完成肺部子图像查看后,再次通过鼠标点击PET体部图像中肺部所在的位置,关闭肺部子图像的显示,退回到PET体部图像的正常显示。
在其中一些实施例中,鼠标光标位置可以被自动跟踪,鼠标光标位置所在的PET体部图像区域的显示参数自动跟随鼠标光标位置进行调整。
通过上述实施例,鼠标光标位置所在的PET体部图像区域的显示参数可以自动跟随鼠标光标位置进行调整,实现了自动突出显示鼠标光标位置所在的PET体部图像区域。
通过上述步骤S110至步骤S150,将重建的第一图像显示在显示界面上。识别扫描对象的至少一个身体部位,根据身体部位从第一图像中分割出至少一个子图像。根据交互界面接收到的输入信息,调整子图像在显示界面中所占显示区域的显示参数。通过调整显示参数,使得子图像在显示界面中突出显示,实现了突出显示局部区域的同时又能查看整体图像,解决了无法兼顾整体图像显示与局部区域突出显示的问题。
在其中一些实施例中,第一图像与子图像在显示界面上层叠显示。
具体地,可以是第一图像在显示界面的底层显示,子图像在显示界面的上层显示。
通过上述实施例,将第一图像与子图像在显示界面上层叠显示,第一图像在显示界面的底层显示,子图像在显示界面的上层显示,实现了将第一图像与子图像同时显示在显示界面,便于医生观察人体部位局部细节的同时,又能看到该人体部位在整体图像中的位置,避免需要在整体图像与局部图像间反复切换,提高了医学诊断的效率。
在其中一些实施例中,子图像的组合与第一图像重合,子图像在显示界面上所占显示区域的集合完全覆盖第一图像在显示界面上所占显示区域。
可以理解的是,将第一图像中的每一个身体部位所在的图像子区域分割成一个子图像,子图像的组合与完整的第一图像重合,子图像在显示界面上所占显示区域的集合完全覆盖第一图像在显示界面上所占显示区域,使得可以根据交互界面接收到的输入信息,调整第一图像中的所有图像区域在显示界面中的显示参数。
通过上述实施例,将第一图像中的每一个身体部位所在的图像子区域分割成一个子图像,图像的组合与完整的第一图像重合,使得图像分割覆盖了第一图像中所有身体部位所在图像子区域,从而可以根据输入信息,调整第一图像中的所有图像区域在显示界面中的显示参数,实现了任意身体部位所在图像子区域都可以在显示界面中突出显示,显著提高了局部区域突出显示的覆盖率。
下面通过优选实施例对本申请实施例进行描述和说明。
图3为本申请优选实施例的医学图像显示方法的流程图,如图3所示,该医学图像显示方法包括如下步骤:
步骤S301,获取扫描对象的扫描数据,并根据扫描数据重建第一图像。
步骤S302,将第一图像显示在显示界面上。
步骤S303,获取具有扫描对象身体结构信息的第二图像,提取第二图像中的梯度信息,与预设参考图像进行匹配识别,以识别出扫描对象的至少一个身体部位。
步骤S304,采用基于区域的图像分割算法对第一图像进行分割,从第一图像中分割出多个子图像,子图像的组合与第一图像重合。
步骤S305,根据交互界面接收到的输入信息,调整对应子图像在显示界面中的显示参数。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。例如,结合图1,步骤S120和步骤S130的执行顺序可以互换,即可以先执行步骤S120,然后执行步骤S130;也可以先执行步骤S130,然后执行步骤S120。再例如,结合图3,步骤S302和步骤S303的顺序也可以互换。
本实施例还提供了一种医学图像显示装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4为本申请实施例中医学图像显示装置的结构框图,如图4所示,该装置包括:
重建模块410,用于获取扫描对象的扫描数据,并根据扫描数据重建第一图像。
显示模块420,用于将第一图像显示在显示界面上。
识别模块430,用于识别扫描对象的至少一个身体部位。
分割模块440,用于根据身体部位从第一图像中分割出至少一个子图像。
处理模块450,用于根据交互界面接收到的输入信息,调整子图像在显示界面中的显示参数。
在其中一些实施例中,识别模块430还用于根据第一图像的图像信息,识别扫描对象的至少一个身体部位。
在其中一些实施例中,识别模块430包括获取子单元431和识别子单元432,其中:
获取子单元431,用于获取具有扫描对象身体结构信息的第二图像。
识别子单元432,用于根据第二图像的图像信息识别扫描对象的至少一个身体部位。
在其中一些实施例中,图像信息包括以下至少之一:图像的梯度信息、灰度信息以及位置信息。
在其中一些实施例中,第一图像与子图像在显示界面上层叠显示。
在其中一些实施例中,子图像的组合与第一图像重合,子图像在显示界面上所占显示区域的集合完全覆盖第一图像在显示界面上所占显示区域。
在其中一些实施例中,显示参数包括以下至少之一:显示区域的面积、亮度、对比度和灰度值。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外,结合图1描述的本申请实施例医学图像显示方法可以由医学图像显示设备来实现。图5为本申请实施例的医学图像显示设备的硬件结构示意图。
医学图像显示设备可以包括处理器51以及存储有计算机程序指令的存储器52。
具体地,上述处理器51可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器55可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器55可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器55可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器55可在数据处理装置的内部或外部。在特定实施例中,存储器55是非易失性(Non-Volatile)存储器。在特定实施例中,存储器55包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器55可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器52所执行的可能的计算机程序指令。
处理器51通过读取并执行存储器52中存储的计算机程序指令,以实现上述实施例中的任意一种医学图像显示方法。
在其中一些实施例中,医学图像显示设备还可包括通信接口53和总线50。其中,如图5所示,处理器51、存储器52、通信接口53通过总线50连接并完成相互间的通信。
通信接口53用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口53还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线50包括硬件、软件或两者,将医学图像显示设备的部件彼此耦接在一起。总线50包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线50可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线50可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该医学图像显示设备可以基于获取到的扫描数据,执行本申请实施例中的医学图像显示方法,从而实现结合图1描述的医学图像显示方法。
另外,结合上述实施例中的医学图像显示方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种医学图像显示方法。
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发明专利范围的限制。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 (10)

1.一种医学图像显示方法,其特征在于,所述方法包括:
获取扫描对象的扫描数据,并根据所述扫描数据重建第一图像;
将所述第一图像显示在显示界面上;
识别所述扫描对象的至少一个身体部位;
根据所述身体部位从所述第一图像中分割出至少一个子图像;
根据交互界面接收到的输入信息,调整所述子图像在所述显示界面中的显示参数。
2.根据权利要求1所述的方法,其特征在于,所述识别所述扫描对象的至少一个身体部位包括:
根据所述第一图像的图像信息识别所述扫描对象的至少一个身体部位。
3.根据权利要求1所述的方法,其特征在于,所述识别所述扫描对象的至少一个身体部位包括:
获取具有所述扫描对象身体结构信息的第二图像;
根据所述第二图像的图像信息识别所述扫描对象的至少一个身体部位。
4.根据权利要求2或3任一项所述的方法,其特征在于,所述图像信息包括以下至少之一:图像的梯度信息、灰度信息以及位置信息。
5.根据权利要求1所述的方法,其特征在于,所述第一图像与所述子图像在所述显示界面上层叠显示。
6.根据权利要求1所述的方法,其特征在于,所述子图像的组合与所述第一图像重合,所述子图像在显示界面上所占显示区域的集合完全覆盖所述第一图像在显示界面上所占显示区域。
7.根据权利要求1所述的方法,其特征在于,所述显示参数包括以下至少之一:所述显示区域的面积、亮度、对比度和灰度值。
8.一种医学图像显示装置,其特征在于,所述装置包括:
重建模块,用于获取扫描对象的扫描数据,并根据所述扫描数据重建第一图像;
显示模块,用于将所述第一图像显示在显示界面上;
识别模块,用于识别所述扫描对象的至少一个身体部位;
分割模块,用于根据所述身体部位从所述第一图像中分割出至少一个子图像;
处理模块,用于根据交互界面接收到的输入信息,调整所述子图像在所述显示界面中的显示参数。
9.一种计算机设备,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,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的医学图像显示方法。
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至7中任一项所述的医学图像显示方法。
CN202010333815.7A 2020-04-24 2020-04-24 医学图像显示方法、装置、计算机设备和可读存储介质 Pending CN111462139A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010333815.7A CN111462139A (zh) 2020-04-24 2020-04-24 医学图像显示方法、装置、计算机设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010333815.7A CN111462139A (zh) 2020-04-24 2020-04-24 医学图像显示方法、装置、计算机设备和可读存储介质

Publications (1)

Publication Number Publication Date
CN111462139A true CN111462139A (zh) 2020-07-28

Family

ID=71685446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010333815.7A Pending CN111462139A (zh) 2020-04-24 2020-04-24 医学图像显示方法、装置、计算机设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN111462139A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631861A (zh) * 2020-12-22 2021-04-09 深圳开立生物医疗科技股份有限公司 一种消融仪监控方法、装置及超声设备和存储介质
CN112826522A (zh) * 2020-12-30 2021-05-25 上海联影医疗科技股份有限公司 多模态医学扫描系统衰减信息显示方法和系统
CN114820406A (zh) * 2020-10-30 2022-07-29 武汉联影医疗科技有限公司 融合图像显示方法、装置和医学影像系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140177803A1 (en) * 2012-12-24 2014-06-26 General Electric Company Systems and methods for selecting image display parameters
CN104364822A (zh) * 2012-06-01 2015-02-18 皇家飞利浦有限公司 分割突出显示器
CN106650734A (zh) * 2016-12-29 2017-05-10 上海联影医疗科技有限公司 定位图像子区域识别方法、医学图像显示方法及装置
CN107833231A (zh) * 2017-11-22 2018-03-23 上海联影医疗科技有限公司 医学图像显示方法、装置和计算机存储介质
US20190073803A1 (en) * 2017-09-07 2019-03-07 Siemens Healthcare Gmbh Method for processing medical image data and image processing system for medical image data
CN109712217A (zh) * 2018-12-21 2019-05-03 上海联影医疗科技有限公司 一种医学图像可视化方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104364822A (zh) * 2012-06-01 2015-02-18 皇家飞利浦有限公司 分割突出显示器
US20140177803A1 (en) * 2012-12-24 2014-06-26 General Electric Company Systems and methods for selecting image display parameters
CN106650734A (zh) * 2016-12-29 2017-05-10 上海联影医疗科技有限公司 定位图像子区域识别方法、医学图像显示方法及装置
US20190073803A1 (en) * 2017-09-07 2019-03-07 Siemens Healthcare Gmbh Method for processing medical image data and image processing system for medical image data
CN107833231A (zh) * 2017-11-22 2018-03-23 上海联影医疗科技有限公司 医学图像显示方法、装置和计算机存储介质
CN109712217A (zh) * 2018-12-21 2019-05-03 上海联影医疗科技有限公司 一种医学图像可视化方法和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820406A (zh) * 2020-10-30 2022-07-29 武汉联影医疗科技有限公司 融合图像显示方法、装置和医学影像系统
CN112631861A (zh) * 2020-12-22 2021-04-09 深圳开立生物医疗科技股份有限公司 一种消融仪监控方法、装置及超声设备和存储介质
CN112826522A (zh) * 2020-12-30 2021-05-25 上海联影医疗科技股份有限公司 多模态医学扫描系统衰减信息显示方法和系统
CN112826522B (zh) * 2020-12-30 2023-07-25 上海联影医疗科技股份有限公司 多模态医学扫描系统衰减信息显示方法和系统

Similar Documents

Publication Publication Date Title
US11437144B2 (en) Systems and methods for image processing
US10163040B2 (en) Classification method and apparatus
KR101857624B1 (ko) 임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치
CN107798682B (zh) 图像分割系统、方法、装置和计算机可读存储介质
EP3547207A1 (en) Blood vessel extraction method and system
CN107563434B (zh) 一种基于三维卷积神经网络的脑部mri图像分类方法、装置
CN109712217B (zh) 一种医学图像可视化方法和系统
CN111462139A (zh) 医学图像显示方法、装置、计算机设备和可读存储介质
US11367228B2 (en) Systems and methods for evaluating image quality based on regularity degrees and sharpness degrees of images
CN110858399B (zh) 用于提供虚拟断层扫描中风后续检查图像的方法和装置
CN111462115A (zh) 医学图像显示方法、装置和计算机设备
CN111681205B (zh) 图像分析方法、计算机设备和存储介质
CN114332132A (zh) 图像分割方法、装置和计算机设备
CN114037803B (zh) 医学图像三维重建方法及系统
CN112200780B (zh) 骨组织定位方法、装置、计算机设备和存储介质
US9454814B2 (en) PACS viewer and a method for identifying patient orientation
JP7265805B2 (ja) 画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体
Tachibana et al. The utility of applying various image preprocessing strategies to reduce the ambiguity in deep learning-based clinical image diagnosis
Sreelekshmi et al. A Review on Multimodal Medical Image Fusion
CN113989277B (zh) 用于医用放射诊疗检查的成像方法及装置
WO2024094088A1 (en) Systems and methods for image analysis
US11593518B2 (en) Medical image processing apparatus and medical image processing method
CN114693641A (zh) 血管图像提取方法、装置、设备及存储介质
EP4329624A1 (en) Systems and methods for medical imaging
CN112836744A (zh) 一种基于ct切片的多模型假阳衰减的疾病分类方法及装置

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 2258 Chengbei Road, Jiading District, Shanghai

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 2258 Chengbei Road, Jiading District, Shanghai

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.