CN111557681A - 一种螺旋ct图像分析方法 - Google Patents
一种螺旋ct图像分析方法 Download PDFInfo
- Publication number
- CN111557681A CN111557681A CN202010494345.2A CN202010494345A CN111557681A CN 111557681 A CN111557681 A CN 111557681A CN 202010494345 A CN202010494345 A CN 202010494345A CN 111557681 A CN111557681 A CN 111557681A
- Authority
- CN
- China
- Prior art keywords
- index
- analysis
- detection
- comprehensive
- 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.)
- Granted
Links
- 238000003703 image analysis method Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 94
- 238000004458 analytical method Methods 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 9
- 238000010191 image analysis Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 9
- 230000006872 improvement Effects 0.000 abstract description 6
- 230000007246 mechanism Effects 0.000 abstract description 6
- 238000012827 research and development Methods 0.000 abstract description 6
- 238000005070 sampling Methods 0.000 abstract description 3
- 230000001737 promoting effect Effects 0.000 abstract 3
- 238000002591 computed tomography Methods 0.000 description 88
- 230000018109 developmental process Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 210000004072 lung Anatomy 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 210000001015 abdomen Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 210000000496 pancreas Anatomy 0.000 description 3
- 210000000952 spleen Anatomy 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 210000003437 trachea Anatomy 0.000 description 3
- 210000002376 aorta thoracic Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 210000001147 pulmonary artery Anatomy 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 210000004885 white matter Anatomy 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008855 peristalsis Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/027—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis characterised by the use of a particular data acquisition trajectory, e.g. helical or spiral
-
- 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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种螺旋CT图像分析方法，所述方法包括：步骤S1：收集不同CT设备的检测图像；步骤S2：获取分析指标并存储为历史分析指标；步骤S3：根据分析指标计算不同CT设备的综合指标；步骤S4：获取包含检测目标的检测请求，进行检测请求的分类和分派。本发明能够提高机构厂家进行基于广泛采样的设备改进以及使用环境的改进，从而积极推动国产医疗设备发展，推进产学研用，紧密结合终端用户使用体验和产品研发与学术发展能够全面推动国产大型影像设备的技术水平和产业化程度，解决国内看病难和看病贵的问题。
Description
【技术领域】
本发明属于图像处理技术领域，尤其涉及一种螺旋CT图像分析方法。
【背景技术】
CT(computer tomography)是电子计算机体层摄影的简称。X射线具有穿透性，机体不同组织器官对X线的吸收不同，利用探测器接收穿过人体的X射线，经过计算机的模-数转换处理，得到断层的图像，从而为医生提供有用的诊断信息。随着医学影像学事业的高速发展，X线电子计算机断层扫描装置(CT)特别是16排螺旋CT因有相对高的定性、定量诊断能力，已成为现代医学不可或缺的先进诊断工具，在医院的普及率已经相当广泛，部分医共体基层乡镇医院也进行了配置，为广大患者就诊检查提供了很大方便。但作为高端大型影像设备，国内16排螺旋CT市场一直被国外企业所垄断,这导致产品价格昂贵、运行维护费用高，在一定程度上成为国内看病难和看病贵的原因之一。但是随着国内科技水平和产业水平的提高，部分国产厂商在探测器等核心技术研发方面有了长足进步，并有了一定优势，与国内外各大公司差距正在逐渐缩小并已经形成竞争态势。这种竞争为国内大型医疗设备技术水平发展提供良性驱动力。国内某厂商的16排螺旋探测器为自主知识产权产品，具有扫描中心Z向视野20毫米，高效光电转换模块，高度集成的数据采集系统，3D打印制备三维防散射栅格，支持每转0.5秒的转速，技术水平在国内同行中具有显著的优势。目前的大型研究机构或者医院往往设置有各种类型各种厂商的CT设备，实际上，相同的设备对于不同部位或者不同类型目标的呈现效果是存在差异的，这和不同类型目标的特点以及设备的使用方式均有关系。但是在现有技术中，用户没有进行设备选择的依据，只能是根据经验、口碑、甚至费用来进行设备的选择。如何从图像本身出发进行设备的选择，这是待解决的技术问题。本发明通过设置不同层次的指标分析和指标反馈，提高用户和CT设备之间的充分匹配，提高了设备利用率的同时大大的提高了用户体验。此外，通过将图像分析结果推送给各个机构或者厂家，能够提高机构厂家进行基于广泛采样的设备改进以及使用环境的改进，从而积极的推动国产医疗设备发展，推进产学研用，紧密结合终端用户使用体验和产品研发与学术发展能够全面推动国产大型影像设备的技术水平和产业化程度，解决国内看病难和看病贵的问题。
【发明内容】
为了解决现有技术中的上述问题，本发明提出了一种螺旋CT图像分析方法，所述方法包含：
步骤S1：收集不同CT设备的检测图像；
步骤S2：获取分析指标并存储为历史分析指标；
步骤S3：根据分析指标计算不同CT设备的综合指标；
步骤S4：获取包含检测目标的检测请求，进行检测请求的分类和分派。
进一步的，所述步骤S1具体为：在CT设备完成一次CT检测后，获取并存储所述检测图像。
进一步的，所述步骤S2具体为：处理检测图像以获取分析指标，根据CT图像标签将分析指标存储为历史分析指标。
进一步的，所述步骤S3具体为：针对每个CT设备，选取第一时间段内的历史分析指标，并基于所述历史分析指标计算综合指标值；获取和每种综合指标对应指标融合方式，基于所述指标融合方式计算综合指标。
进一步的，所述步骤S4具体为：获取包含检测目标的检测请求，所述检测请求还包含对分析指标类型的偏好信息，基于所述检测请求获取和所述检测请求对应的综合指标类型，根据所述类型综合指标值对CT设备进行排序以得到CT设备推荐列表，并将所述设备CT设备推荐列表发送给用户，基于用户的选择，将检测请求发送给用户选择的CT设备。
进一步的，所述配置节点为本地服务器，预先存储检测目标和综合指标的对应关系，通过检测目标查找所述对应关系以获取所对应的综合指标类型；当没有对应的综合指标类型时，基于分析指标类型偏好信息选择所对应的综合指标类型。
进一步的，所述对应关系为预设对应关系。
进一步的，偏好信息表明了用户的明显偏好，例如：速度、主观指标。
进一步的，一个检测目标对应多个综合指标，分别获取每个综合指标对应的指标值排序列表，选择具有区别能力的综合指标作为所选择的综合指标。
进一步的，所述区别度为综合指标的区别能力；综合指标对指标值排序列表中的指标值的区别能力越大则区别度越大。
本发明的有益效果包括：(1)通过将图像分析结果推送给各个厂家，能够提高厂家进行基于广泛采样的设备改进，从而积极的推动国产医疗设备发展，推进产学研用，紧密结合终端用户使用体验和产品研发与学术发展能够全面推动国产大型影像设备的技术水平和产业化程度，解决国内看病难和看病贵的问题。(2)将分析指标进行不同层次的分类，不仅能够满足对图像的基本分析，还能够面向不同的检测目标设置图像分析维度，充分的发挥不同CT设备以及设备环境对不同检测目标的检测优势，使得每个CT设备发挥最佳的检测能力；(3)针对不同的检测目标设置一个或多个不同的测量对象，能够充分客观的评价CT设备对不同检测目标的检测能力；(4)引入多个不同类型的综合指标以满足不同的检测需求，通过综合指标和检测需求的充分的满足了用户需求，通过设置多个综合指标在考虑个性化需求的满足的同时能够充分的考虑图像分析的客观情况，从而大大的提高了用户体验，避免了设备浪费；(5)设置基于CT设备以及分析平台的存储访问结构，实现了数据的快速访问和存储空间的需求之间的折中，能够满足用户检测请求发出后能够快速的完成分类和分派；
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：
图1为本发明的一种螺旋CT图像分析方法示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
本发明所述的一种螺旋CT图像分析方法，包含如下步骤：
步骤S1：收集不同CT设备的检测图像；具体的；在CT设备完成一次CT检测后，获取并存储所述检测图像；
其中：CT设备在获取检测图像后为CT图像设置标签信息，标签信息包含CT图像标识、设备标识、检测时间、检测目标等；检测目标为CT检测所针对的身体部位；
所述存储所述检测图像，具体为：将不同CT设备的检测图像存储在第一存储空间中；优选的：将所述CT图像放入CT设备相关的存储设备中，所CT设备相关的存储设备位于所述CT设备中，或仅服务于所述CT设备；
步骤S2：获取分析指标并存储为历史分析指标；具体的：处理检测图像以获取分析指标，根据CT图像标签将分析指标存储为历史分析指标；
所述处理检测图像以获取分析指标，具体为：处理检测图像并获取第一类分析指标、第二类分析指标和/或第三类分析指标、和/或第四类分析指标；其中：第一和第二类分析指标是客观指标，第三类分析指标是主观指标，第四类分析指标为个性化分析指标；
第一类分析指标为图像性测量指标，例如：CT值准确性、CT值线性度、CT值均一性、CT值一致性、扫描层厚、空间分辨率、图像噪声水平、低密度分辨率等。该类主要取决于系统几何以及探测器性能参数，一般情况下第一类指标比较时只要求扫描层厚一致并且所使用的前准直里的滤波器一致即可，不要求扫描剂量CTDIvol一致。
第二类指标为扫描剂量型分析指标；获取方式为，获取检测图像中的检测目标图像的位置，确定感兴趣区域，对不同感兴趣区域对应的检测目标大小进行适当调整以避免容积效应，根据检测目标的类型在感兴趣区域中确定测量对象，对测量对象进行测量和计算以获取第二类分析指标；不同的检测目标对应的图像所展现出来的特点不同，通过设置和检测目标关联的测量对象能够更加准确的进行图像的分析和评价；其中：测量对象为一个或者多个；第二类分析指标为一个或者多个；例如：肺部检测图像中的检测目标为肺部位，从检测图像获取肺部图像的位置，并从中确定感兴趣区域也就是确定肺部为感兴趣区域，在实际测量中，测量对象是和检测目标密切相关的有代表性的对象；例如：肺部部位的图像支气管分叉处以上1cm层面对气管、降主动脉，均可以设置为测量对象。
所述对测量对象进行测量和计算以获取第二类分析指标，具体为：采用和检测目标类型相关的选定层面，测量不同组织CT值及其CT值的标准差(SD)，以反映相同组织的均匀度及差异；将相同层面空气CT的标准差作为背景噪声(SD空)，计算信噪比SNR和对比噪声比CNR；例如；对于颅脑，选取图像半卵圆中心层面、基底节豆状核层面分别代表脑白质与灰质，测量CT值的SD值，计算信噪比SNR＝CT/SD，计算对比噪声比CNR＝(CT灰质-CT白质)/SD空；其中：在进行颅脑扫描时，相应的要求受检者仰卧于检查床上，头先进，下颌内收，头颅正中矢状面与纵向定位线平行，瞳间线与横向定位线平行，水平定位线齐外耳孔。扫描定位像后，以听眦线为基线，从枕骨大孔扫至颅顶。对于胸部，选取图像支气管分叉处以上1cm层面对气管、降主动脉、椎旁肌肉以及肺实质分别进行测量CT值SD，SNR＝CT/SD，CNR＝(CT动脉-CT气管)/SD空；对于上腹部，选取图像肝、脾、胰腺实质作为感兴趣区域，ROI的位置、形状及大小一致，且选择密度均匀、伪影少的区域并避开血管；将肝、脾、胰腺实质整体作为测量对象，测量肝、脾、胰腺及腹部脂肪CT值以及SD空。SNR＝CT/SD，CNR＝(CT脏器-CT脂肪)/SD空；
优选的：在比较不同厂家的技术水平时按照JJG 2017标准需要在同样的中心CTDI100剂量水平下、同样或者类似的前准直滤波器、同样或者等效的层厚下进行比较。
第三类分析指标为主观指标，该指标是可选指标，如图像伪影水平的比较；可以采用同样的中心CTDI100剂量水平、同样或者类似的前准直滤波器、同样或者等效的层厚进行扫描。设置同样的观察扫描窗宽窗位，由5位有经验的放射科医生进行观察给伪影水平进行打分，伪影水平分为1-5分，在得到不同厂家的打分标准后，分析放射科医生的评价能力显著性水平，然后统计分析工具对不同厂家的伪影水平并计算P值。
第四类分析指标为个性化分析指标；根据CT图像标签中的设备标识获取设备参数，基于设备参数确定个性化分析指标；例如：处理速度，伪影面积，检测费用等；
所述根据CT图像标签将分析指标存储为历史分析指标，具体为：根据CT图像标签生成分析指标标签，将所述分析指标标签和每项分析指标关联存储，将每个设备标识对应的所有分析指标和所述设备标识关联存储；分析指标标签中包含身CT图像标识、检测时间、检测目标等；在存储地址和设备标识之间建立映射关系以对分析指标进行快速访问；将分析指标标签中的检测目标设置为索引值，以将检测目标作为入口对分析指标进行快速访问，从而能够在进行综合指标计算时进行快速的数据访问；标签信息包含CT图像标识、设备标识、检测时间、检测目标等；
从CT设备获取不同设备的分析指标，也就是从CT设备上拉取分析指标到螺旋图像分析平台，将分析指标存储为和CT设备标识关联的历史分析指标；将不同CT设备的分析指标存储在第二存储空间中；所述第一存储空间和所述第二存储空间位于不同的设备中；所述第二存储空间不服务于所述CT设备；
步骤S3：根据分析指标计算不同CT设备的综合指标；具体的：针对每个CT设备，选取第一时间段内的历史分析指标，并基于所述历史分析指标计算综合指标值；获取和每种综合指标对应指标融合方式，基于所述指标融合方式计算综合指标；
优选的：所述第一时间段为历史分析指标的数量达到第一设定值所对应的过去第一时间段；因此，对于不同的设备来说，所述第一时间段的长度是不同的；如果数量不足第二设定值则直接从云端获取综合指标而计算，其中：第二设定值小于第一设定值；
所述基于所述历史分析指标计算综合指标值，具体为：针对每个检测图像对应的分析指标，分别计算其综合指标，计算第一时间段内所有分析图像对应的综合指标的平均值作为综合指标值；其中：o表示第o个检测图像对应的分析指标；指标融合方式为：；其中，是第o个检测图像对应的第i个第一类分析指标，是第o个检测图像对应的第j个第二类分析指标，是第o个检测图像对应的第k个第三类分析指标；f1(),g1()和th1()分别是第一、第二、第三类分析指标的融合函数；f(),g()和th()分别是和时间相关的综合指标调整系数函数；通过使得调整系数函数和时间相关，能够使得样本量不足够的情况下也能够快速拟合，这也是因为实际上CT图像的质量和很多因素是相关的，例如：操作者的操作方式等，而这些因素都会随着时间的变化发生较大的变化，同时通过上述函数的调整，可以方便的进行各类指标的关键性调整。优选的：th1()为线性函数，而th()为分段常数函数；EX()是其他因素函数，考虑了例如：扫描速度，扫描价格等需要个性化定制因素；对于不同的综合指标，其选择的其他因素是单一的且和图像无关的，该指标的值也是随时间变化的。
可替换的：；其中：，，均需要进行归一化，规划化后指标值在0到1之间且值越大指示图像越好；和分别是第一和第二类分析指标的权重值，a和b分别为综合指标中针对第一和第二类分析指标的权重，TH为第三类分析指标的权重，当需要客观分析指标时，TH＝1，否则TH＝0；M，N分别为第一和第二类分析指标的个数；
优选的：不同的综合指标对应的指标融合方式不同，从而满足不同用户对图像的需求；
通过设置多项综合指标，以及适应性的指标融合方式，使得能够在满足图像客观评价的基础上，能够满足不同用户的个性化需求；不同于单一的指标指示方法，不论是那种方式，都可以考虑其他基本指标，从而使得图像分析更加客观；
优选的：将不同CT设备的综合指标有选择的存储在第三存储空间中；所述第一存储空间和所述第二存储空间位于不同的设备中；第二存储空间和第三存储空间位于同一个设备中；第二存储空间的访问速度小于所述第三存储空间；一种有选择的存储方式是将所有的综合指标均存储在第三存储空间中。设置基于CT设备以及分析平台的存储访问结构，实现了数据的快速访问和存储空间的需求之间的折中，能够满足用户检测请求发出后能够快速的完成分类和分派；
步骤S4：获取包含检测目标的检测请求，进行检测请求的分类和分派；具体的：获取包含检测目标的检测请求，所述检测请求还包含对分析指标类型的偏好信息，基于所述检测请求获取和所述检测请求对应的综合指标类型，根据所述类型综合指标值对CT设备进行排序以得到CT设备推荐列表，并将所述设备CT设备推荐列表发送给用户，基于用户的选择，将检测请求发送给用户选择的CT设备；
优选的：预先存储检测目标和综合指标的对应关系，通过检测目标查找所述对应关系以获取所对应的综合指标类型；当没有对应的综合指标类型时，基于分析指标类型偏好信息选择所对应的综合指标类型；其中：所述对应关系为预设对应关系；偏好信息表明了用户的明显偏好，例如：速度、主观指标等；
优选的：一个检测目标对应多个综合指标，分别获取每个综合指标对应的指标值排序列表，选择具有区别能力的综合指标作为所选择的综合指标；例如；对应的综合指标具有先后顺序，F1，F2，F3，以此对这三个综合指标判断区分能力，F1没有区分能力，则继续判断F2，F2具有区分能力，则选择F2作为所选择的综合指标；
所述区别度为综合指标的区别能力；综合指标对指标值排序列表中的指标值的区别能力越大则区别度越大；如果指标值能够将排序列表中的指标值区分为不同的数据值段，所述相邻的数据段的数据值之间存在明显的差异，且超过一定数量的数据值段中的综合指标的数量大于等2，则所述综合指标具有区别能力；所述一定数量为预设值；
优选的：定期计算每个设备的综合指标值，纵向比较各个设备的综合指标以判断所述综合指标的区分能力，并将具有区分能力的综合指标存放在第三存储空间中，而将不具备区分能力的综合指标存储在第二存储空间中；在生成排序列表时次选位于第二存储空间中的综合指标类型而优选位于第三存储空间中的综合指标类型；
所述方法还包括如下步骤：
步骤S5：定期计算每个设备的综合指标值，将每个设备的综合指标值和云端数据进行比较以进行CT设备监测；具体的：所述云端和多个机构通信连接以获取机构的综合指标值，云端对来自多个机构的综合指标值进行分析计算以获取综合指标评价值，将每个设备的综合指标值和综合指标评价值比较以确定所述CT设备是否处于正常状态；
优选的：所述分析计算为对综合指标值进行聚类，并获取聚类中心的值作为所述综合指标评价值；
优选的：将第一综合指标和云端数据进行比较，若判断所述CT设备处于非正常状态，则将多个不同的综合指标值分别和云端数据进行比较以进行非正常状态的具体判定；确定多个不同的综合指标值中的N_AB个综合指标值处于非正常状态，基于所述N_AB个综合指标值的综合指标类型组合来判定CT设备非正常状态的具体情况；其中：所述多个不同的综合指标值为非第一综合指标的其他综合指标；例如：第一综合指标为仅基于第一类分析指标的指标值；当N_AB个综合指标所对应的指标类型组合为(F1，F4，F9)，根据所述组合查询诊断表以确定所述CT设备的非正常状态的具体情况；例如：查询后确定可能的具体情况为人为操作错误，或者设备老化等。查询诊断表为云端进行通过大数据分析得到；由于不同的综合指标反应的是CT设备不同侧面的指标，因此，通过不同的组合方式能够定位出诊断信息；
通过上述CT图像分析方法，方便用户选择最适合的CT设备，同时还能够根据上述图像分析方法进行CT设备操作环境的调整，从而使得每个设备能够发挥最大的作用，通过上述分析方法具有如下有益效果：①对于全身各部位各器官的平扫及增强扫描，具有扫描及重建层厚薄，分辨率高，细微结构显示清晰，并可进行各种模式的二维和三维重组；②对于不同个性化的用户，能够适应性的选择CT设备，例如：对于老人、儿童、创伤急症各部位的检查，选择扫描时间短，可消除或减轻呼吸、心跳或肠蠕动引起的运动伪影的CT设备；③这对特定检测目标，能够得到高分辨率影像，能观察到第三、四级肺动脉，对发现肺动脉血栓栓塞有明显优势；在胸、腹部大血管和外周血管显示，应用叠层扫描技术，可保证整个扫描范围内血管的连续性。
软件环境可以分为两类，包括在一个或多个硬件环境上执行的系统软件和应用软件。在一个实施例中，在此公开的方法和过程可以实现为系统软件、应用软件或它们的组合。系统软件可以包括诸如操作系统(OS)和信息管理系统之类的控制程序，它们指示硬件环境中的一个或多个处理器(例如微处理器)如何运行和处理信息。应用软件可以包括但不限于程序代码、数据结构、固件、驻留软件、微代码，或者可以由处理器读取、分析或执行的任何其它形式的信息或例程。
换言之，应用软件可以实现为程序代码，其以机器可用或计算机可读存储介质的形式嵌入在计算机程序产品中，计算机程序产品提供程序代码以便由机器、计算机或任何指令执行系统使用或者与其结合使用。此外，应用软件可以包括一个或多个计算机程序，这些计算机程序在从存储介质加载到本地存储器之后，在系统软件之上执行。在客户端-服务器体系结构中，应用软件可以包括客户端软件和服务器软件。例如，在一个实施例中，客户端软件可以在客户端计算系统上执行，该客户端计算系统不同于并且独立于执行服务器软件的服务器计算系统。
软件环境还可以包括浏览器软件以便访问通过本地或远程计算网络提供的数据。进一步，软件环境可以包括用户接口(例如图形用户接口(GUI))以便接收用户命令和数据。有必要重申，上面描述的硬件和软件体系结构和环境用于实例目的。因此，可以在任何类型的系统体系结构、功能或逻辑平台或处理环境上实现一个或多个实施例。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。
Claims (10)
1.一种螺旋CT图像分析方法，其特征在于，所述方法包含：
步骤S1：收集不同CT设备的检测图像；
步骤S2：获取分析指标并存储为历史分析指标；
步骤S3：根据分析指标计算不同CT设备的综合指标；
步骤S4：获取包含检测目标的检测请求，进行检测请求的分类和分派。
2.根据权利要求1所述的螺旋CT图像分析方法，其特征在于，所述步骤S1具体为：在CT设备完成一次CT检测后，获取并存储所述检测图像。
3.根据权利要求2所述的螺旋CT图像分析方法，其特征在于，所述步骤S2具体为：处理检测图像以获取分析指标，根据CT图像标签将分析指标存储为历史分析指标。
4.根据权利要求3所述的螺旋CT图像分析方法，其特征在于，所述步骤S3具体为：针对每个CT设备，选取第一时间段内的历史分析指标，并基于所述历史分析指标计算综合指标值；获取和每种综合指标对应指标融合方式，基于所述指标融合方式计算综合指标。
5.根据权利要求4所述的螺旋CT图像分析方法，其特征在于，所述步骤S4具体为：获取包含检测目标的检测请求，所述检测请求还包含对分析指标类型的偏好信息，基于所述检测请求获取和所述检测请求对应的综合指标类型，根据所述类型综合指标值对CT设备进行排序以得到CT设备推荐列表，并将所述设备CT设备推荐列表发送给用户，基于用户的选择，将检测请求发送给用户选择的CT设备。
6.根据权利要求5所述的螺旋CT图像分析方法，其特征在于，所述配置节点为本地服务器，预先存储检测目标和综合指标的对应关系，通过检测目标查找所述对应关系以获取所对应的综合指标类型；当没有对应的综合指标类型时，基于分析指标类型偏好信息选择所对应的综合指标类型。
7.根据权利要求6所述的螺旋CT图像分析方法，其特征在于，所述对应关系为预设对应关系。
8.根据权利要求7所述的螺旋CT图像分析方法，其特征在于，偏好信息表明了用户的明显偏好，例如：速度、主观指标。
9.根据权利要求8所述的螺旋CT图像分析方法，其特征在于，一个检测目标对应多个综合指标，分别获取每个综合指标对应的指标值排序列表，选择具有区别能力的综合指标作为所选择的综合指标。
10.根据权利要求9所述的螺旋CT图像分析方法，其特征在于，所述区别度为综合指标的区别能力；综合指标对指标值排序列表中的指标值的区别能力越大则区别度越大。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010494345.2A CN111557681B (zh) | 2020-06-03 | 2020-06-03 | 一种螺旋ct图像分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010494345.2A CN111557681B (zh) | 2020-06-03 | 2020-06-03 | 一种螺旋ct图像分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111557681A true CN111557681A (zh) | 2020-08-21 |
| CN111557681B CN111557681B (zh) | 2023-01-03 |
Family
ID=72070059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010494345.2A Active CN111557681B (zh) | 2020-06-03 | 2020-06-03 | 一种螺旋ct图像分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111557681B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6505966B1 (en) * | 2000-07-07 | 2003-01-14 | General Electric Company | Method and apparatus for assessing the performance of an x-ray imaging system |
| CN104424385A (zh) * | 2013-08-22 | 2015-03-18 | 上海联影医疗科技有限公司 | 一种医学影像的评价方法和装置 |
| CN104997525A (zh) * | 2015-06-10 | 2015-10-28 | 广州七喜医疗设备有限公司 | 一种数字放射影像设备关键部件选型的装置与方法 |
| CN206964639U (zh) * | 2017-01-25 | 2018-02-06 | 泰山医学院 | 一种pet‑mr质量评估系统 |
| CN108095745A (zh) * | 2017-12-13 | 2018-06-01 | 上海联影医疗科技有限公司 | 一种医学成像设备以及一种获取用于评价医学成像设备的性能的图像的方法 |
| CN108171272A (zh) * | 2018-01-12 | 2018-06-15 | 上海东软医疗科技有限公司 | 一种医学影像技术的评价方法和装置 |
| CN109448807A (zh) * | 2018-10-12 | 2019-03-08 | 成都数联易康科技有限公司 | 一种基于医生医疗服务行为分析的患者就医导向实现方法 |
| CN109637649A (zh) * | 2018-12-13 | 2019-04-16 | 重庆大学 | 一种磁共振应用评价信息系统 |
| US20190159747A1 (en) * | 2017-11-30 | 2019-05-30 | General Electric Company | Methods, systems, and apparatus for automatically assessing quality of imaging systems |
-
2020
- 2020-06-03 CN CN202010494345.2A patent/CN111557681B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6505966B1 (en) * | 2000-07-07 | 2003-01-14 | General Electric Company | Method and apparatus for assessing the performance of an x-ray imaging system |
| CN104424385A (zh) * | 2013-08-22 | 2015-03-18 | 上海联影医疗科技有限公司 | 一种医学影像的评价方法和装置 |
| CN104997525A (zh) * | 2015-06-10 | 2015-10-28 | 广州七喜医疗设备有限公司 | 一种数字放射影像设备关键部件选型的装置与方法 |
| CN206964639U (zh) * | 2017-01-25 | 2018-02-06 | 泰山医学院 | 一种pet‑mr质量评估系统 |
| US20190159747A1 (en) * | 2017-11-30 | 2019-05-30 | General Electric Company | Methods, systems, and apparatus for automatically assessing quality of imaging systems |
| CN108095745A (zh) * | 2017-12-13 | 2018-06-01 | 上海联影医疗科技有限公司 | 一种医学成像设备以及一种获取用于评价医学成像设备的性能的图像的方法 |
| CN108171272A (zh) * | 2018-01-12 | 2018-06-15 | 上海东软医疗科技有限公司 | 一种医学影像技术的评价方法和装置 |
| CN109448807A (zh) * | 2018-10-12 | 2019-03-08 | 成都数联易康科技有限公司 | 一种基于医生医疗服务行为分析的患者就医导向实现方法 |
| CN109637649A (zh) * | 2018-12-13 | 2019-04-16 | 重庆大学 | 一种磁共振应用评价信息系统 |
Non-Patent Citations (1)
| Title |
|---|
| 胡军武: "《医学数字成像技术》", 30 September 2001 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111557681B (zh) | 2023-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Uppaluri et al. | Interstitial lung disease: a quantitative study using the adaptive multiple feature method | |
| RU2494669C2 (ru) | Средства диагностики нейродегенеративных заболеваний | |
| Rishniw et al. | Two-dimensional echocardiographic left-atrial-to-aortic ratio in healthy adult dogs: a reexamination of reference intervals | |
| JP5036534B2 (ja) | 標的病変における変化の精密な測定評価のための医療用撮像システム | |
| JP6807820B2 (ja) | 画像検索装置、方法およびプログラム | |
| US7596401B2 (en) | Method for expanding the domain of imaging software in a diagnostic work-up | |
| US20160128663A1 (en) | Systems and methods for determining hepatic function from liver scans | |
| JP4981938B2 (ja) | 診断支援装置、冠動脈解析プログラムおよび冠動脈解析方法 | |
| US10932741B2 (en) | Assessing a condition of a subject using non-contrast dual energy computed tomography | |
| CN102231963A (zh) | 重新参数化的牛眼图 | |
| WO2004091407A2 (en) | Method and apparatus for knowledge based diagnostic imaging | |
| JP2001516604A (ja) | 臨床組織検査の方法と装置 | |
| JP2007152104A (ja) | 悪性腫瘍を自動的に特徴評価する方法及び装置 | |
| US9147242B2 (en) | Processing system for medical scan images | |
| Dawes et al. | Fractal analysis of right ventricular trabeculae in pulmonary hypertension | |
| Wennmann et al. | Combining deep learning and radiomics for automated, objective, comprehensive bone marrow characterization from whole-body MRI: a multicentric feasibility study | |
| WO2017117094A1 (en) | System and method for assessing tissue properties using chemical-shift-encoded magnetic resonance imaging | |
| CA2492942A1 (en) | System and method for assisting a computer aided detection application to digital images | |
| Kim et al. | Measurement of left ventricular volumes by 3-dimensional echocardiography with tissue harmonic imaging: a comparison with magnetic resonance imaging | |
| Diederichs et al. | Feasibility of measuring trabecular bone structure of the proximal femur using 64-slice multidetector computed tomography in a clinical setting | |
| Ma et al. | Strong correlation between lung ultrasound and chest computerized tomography imaging for the detection of acute lung injury/acute respiratory distress syndrome in rats | |
| CN111557681B (zh) | 一种螺旋ct图像分析方法 | |
| Hovland et al. | Gated SPECT offers improved interobserver agreement compared with echocardiography | |
| CN104838421B (zh) | 基于图像数据的组织表面粗糙度量化和基于所述组织表面粗糙度量化对疾病存在的确定 | |
| Cai et al. | Tetralogy of Fallot cardiac function evaluation and intelligent diagnosis based on dual‐source computed tomography cardiac images |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |