CN111918001A - X射线成像控制方法、x射线成像控制装置和存储介质 - Google Patents

X射线成像控制方法、x射线成像控制装置和存储介质 Download PDF

Info

Publication number
CN111918001A
CN111918001A CN201910388978.2A CN201910388978A CN111918001A CN 111918001 A CN111918001 A CN 111918001A CN 201910388978 A CN201910388978 A CN 201910388978A CN 111918001 A CN111918001 A CN 111918001A
Authority
CN
China
Prior art keywords
image
area
ray
single exposure
imaging control
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
CN201910388978.2A
Other languages
English (en)
Inventor
刑大伟
仇德元
赫伟
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 Siemens Medical Devices Co ltd
Siemens Shanghai Medical Equipment Ltd
Original Assignee
Shanghai Siemens Medical Devices 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 Siemens Medical Devices Co ltd filed Critical Shanghai Siemens Medical Devices Co ltd
Priority to CN201910388978.2A priority Critical patent/CN111918001A/zh
Publication of CN111918001A publication Critical patent/CN111918001A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/32—Transforming X-rays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明实施方式公开了一种X射线成像控制方法、X射线成像控制装置和存储介质。X射线成像控制方法包括：获取成像目标的成像协议和所述成像目标的拍摄图像；基于对应于所述成像协议的图像识别模型，在所述拍摄图像中确定图像拼接区域；将所述图像拼接区域划分为N个单次曝光区域，其中N为至少为2的正整数；基于所述N个单次曝光区域中每个单次曝光区域的区域参数，控制执行N个单次曝光。采用图像识别模型确定图像拼接区域，减少人工工作量，并降低扫描过程的耗时。还可以将人工智能(AI)能力引入到长骨拼接中，并由此提高图像质量。

Description

X射线成像控制方法、X射线成像控制装置和存储介质
技术领域
本发明涉及医疗设备技术领域，特别是涉及一种X射线成像控制方法、X射线成像控制装置和存储介质。
背景技术
X射线是波长介于紫外线和γ射线之间的电磁辐射。X射线具有穿透性，对不同密度的物质有不同的穿透能力。在医学上一般用X射线投射人体器官及骨骼以形成医学图像。直接数字化放射摄影(Digital Radiology，DR)技术具有成像速度快、操作便捷和成像分辨率高的特点，成为X射线摄影的主导方向。X射线管利用高压发生器提供的高压发出透过成像目标的X射线，并在平板探测器上形成成像目标的医学图像信息。平板探测器将医学图像信息发送到远程控制台。成像目标可以站立在胸片架组件附近或躺在检查床组件上，从而分别接受头颅、胸部、腹部以及关节等各部位的X射线摄影。
在有些情况下，需要对长条状的成像目标(例如脊椎)进行曝光。然而，长条状成像目标的长度可能远大于X射线检测器的尺寸。目前通常采用长骨拼接技术，将多幅图像拼接为一张可显示完整成像目标的拼接图像。
在目前的长骨拼接技术中，主要通过人工规划确定出图像拼接区域。然而，人工规划依赖于人工经验且耗时较长(比如，平均为5分钟左右)，导致扫描过程耗时。另外，人工规划结果较易不准确，从而影响拼接图像质量。而且，人工规划容易使得图像拼接区域的尺寸无谓增大，给成像目标增加不必要的曝光剂量。
发明内容
本发明实施方式提出一种X射线成像控制方法、X射线成像控制装置和存储介质，以降低扫描过程的耗时。
一种X射线成像控制方法，包括：
获取成像目标的成像协议和所述成像目标的拍摄图像；
基于对应于所述成像协议的图像识别模型，在所述拍摄图像中确定图像拼接区域；
将所述图像拼接区域划分为N个单次曝光区域，其中N为至少为2的正整数；
基于所述N个单次曝光区域中每个单次曝光区域的区域参数，控制执行N个单次曝光。
可见，本发明实施方式采用图像识别模型确定图像拼接区域，无需人工规划图像拼接区域，可以减少人工工作量，并降低扫描过程的耗时。
在一个实施方式中，所述拍摄图像为静态图像，所述在拍摄图像中确定图像拼接区域为：在所述静态图像中确定静态的图像拼接区域；或
所述拍摄图像为动态图像，所述在拍摄图像中确定图像拼接区域为：在所述动态图像中确定动态的图像拼接区域。
因此，拍摄图像可以为静态或动态的，而且图像拼接区域同样可以为动态或静态的。
在一个实施方式中，所述图像拼接区域的尺寸小于X射线机最大曝光区域的N倍；所述将图像拼接区域划分为N个单次曝光区域包括：将图像拼接区域划分为N-1个X射线机最大曝光区域和一个剩余曝光区域；或将图像拼接区域划分为N个X射线机最大曝光区域，其中至少两个X射线机最大曝光区域之间有重合面积；或将图像拼接区域等分为N个尺寸相同的单次曝光区域。
可见，当图像拼接区域尺寸小于X射线机最大曝光区域的N倍时，可以通过多种方式划分曝光区域。其中：包含N-1个X射线机最大曝光区域和剩余曝光区域的划分方式以及等分划分方式，都可以避免给成像目标增加不必要的曝光剂量。而且，在包含重合面积的划分方式中，每个单次曝光都是针对图像拼接区域的曝光，可以避免针对非图像拼接区域的无谓曝光。
在一个实施方式中，所述图像拼接区域的尺寸为X射线机最大曝光区域的N倍；所述将图像拼接区域划分为N个单次曝光区域包括：将图像拼接区域划分为N个无重合面积的X射线机最大曝光区域。
可见，当图像拼接区域的尺寸为X射线机最大曝光区域的N倍时，每个单次曝光区域都是最大曝光区域，可以加快扫描进度。
在一个实施方式中，在所述拍摄图像中确定图像拼接区域之后，以及在所述将图像拼接区域划分为N个单次曝光区域之前，该方法还包括：
接收针对所述图像拼接区域的调整指令；
基于所述调整指令调整所述图像拼接区域。
因此，本发明实施方式还可以基于调整指令对图像拼接区域进行调整。
在一个实施方式中，所述基于N个单次曝光区域中每个单次曝光区域的区域参数，控制执行N个单次曝光，包括下列中的至少一个：
基于每个单次曝光区域的高度参数，控制每个单次曝光区域的X射线扫描范围；
基于每个单次曝光区域的宽度参数，控制每个单次曝光区域的X射线视野宽度；
基于每个单次曝光区域的中心点位置，控制每个单次曝光区域的X射线焦点位置。
可见，本发明实施方式可以基于每个单次曝光区域的区域参数，针对每个单次曝光进行精确控制。
在一个实施方式中，基于对应于成像协议的图像识别模型，在所述拍摄图像中确定图像拼接区域之前，该方法还包括：
建立人工神经网络模型；
接收对应于所述成像协议的拼接图像；
将所述拼接图像作为训练数据输入到所述人工神经网络模型，将所述人工神经网络模型训练为所述图像识别模型。
因此，本发明实施方式通过将拼接图像作为训练数据对人工神经网络模型进行训练，可以得到深度学习的图像识别模型，从而将人工智能(AI)能力引入到长骨拼接中，并由此提高图像质量。
一种X射线成像控制装置，包括：
获取模块，用于获取成像目标的成像协议和所述成像目标的拍摄图像；
拼接区域确定模块，用于基于对应于所述成像协议的图像识别模型，在所述拍摄图像中确定图像拼接区域；
曝光区域确定模块，用于将所述图像拼接区域划分为N个单次曝光区域，其中N为至少为2的正整数；
控制模块，用于基于所述N个单次曝光区域中每个单次曝光区域的区域参数，控制执行N个单次曝光。
可见，本发明实施方式采用图像识别模型确定图像拼接区域，无需人工规划图像拼接区域，可以减少人工工作量，并降低扫描过程的耗时。
在一个实施方式中，所述拍摄图像为静态图像，所述拼接区域确定模块，用于在所述静态图像中确定静态的图像拼接区域；或
所述拍摄图像为动态图像，所述拼接区域确定模块，用于在所述动态图像中确定动态的图像拼接区域。
因此，拍摄图像可以为静态或动态的，而且图像拼接区域同样可以为动态或静态的。
在一个实施方式中，所述图像拼接区域的尺寸小于X射线机最大曝光区域的N倍；
所述曝光区域确定模块，用于将图像拼接区域划分为N-1个X射线机最大曝光区域和一个剩余曝光区域；或将图像拼接区域划分为N个X射线机最大曝光区域，其中至少两个X射线机最大曝光区域之间有重合面积；或将图像拼接区域等分为N个尺寸相同的单次曝光区域。
可见，当图像拼接区域尺寸小于X射线机最大曝光区域的N倍时，可以通过多种方式划分曝光区域。其中：包含N-1个X射线机最大曝光区域和剩余曝光区域的划分方式以及等分划分方式，都可以避免给成像目标增加不必要的曝光剂量。而且，在包含重合面积的划分方式中，每个单次曝光都是针对图像拼接区域的曝光，可以避免针对非图像拼接区域的无谓曝光。
在一个实施方式中，图像拼接区域的尺寸为X射线机最大曝光区域的N倍；
所述曝光区域确定模块，用于将图像拼接区域划分为N个无重合面积的X射线机最大曝光区域。
可见，当图像拼接区域的尺寸为X射线机最大曝光区域的N倍时，每个单次曝光区域都是最大曝光区域，可以加快扫描进度。
在一个实施方式中，在所述拼接区域确定模块与所述曝光区域确定模块之间，还包括：
调整模块，用于接收针对所述图像拼接区域的调整指令，基于所述调整指令调整所述图像拼接区域。
因此，本发明实施方式还可以基于调整指令对图像拼接区域进行调整。
在一个实施方式中，所述控制模块，用于执行下列中的至少一个：
基于每个单次曝光区域的高度参数，控制每个单次曝光区域的X射线扫描范围；
基于每个单次曝光区域的宽度参数，控制每个单次曝光区域的X射线视野宽度；
基于每个单次曝光区域的中心点位置，控制每个单次曝光区域的X射线焦点位置。
可见，本发明实施方式可以基于每个单次曝光区域的区域参数，针对每个单次曝光进行精确控制。
在一个实施方式中，还包括：
模型训练模块，用于建立人工神经网络模型；接收对应于所述成像协议的拼接图像；将所述拼接图像作为训练数据输入到所述人工神经网络模型，将所述人工神经网络模型训练为所述图像识别模型。
因此，本发明实施方式通过将拼接图像作为训练数据对人工神经网络模型进行训练，可以得到深度学习的图像识别模型，从而将AI能力引入到长骨拼接中，并由此提高图像质量。
一种X射线成像控制装置，包括处理器和存储器；
所述存储器中存储有可被所述处理器执行的应用程序，用于使得所述处理器执行如上任一种所述的X射线成像控制方法。
因此，本发明实施方式还提出了一种处理器-存储器架构的X射线成像控制装置，
一种计算机可读存储介质，其中存储有计算机可读指令，该计算机可读指令用于执行如上任一种X射线成像控制方法。
因此，本发明实施方式还提出了一种计算机可读存储介质，其上存储有可执行X射线成像控制方法的计算机可读指令。
附图说明
图1为根据本发明实施方式的X射线成像控制方法的流程图。
图2为根据本发明实施方式的拍摄图像的示意图。
图3为根据本发明实施方式的图像拼接区域的示意图。
图4为根据本发明实施方式的对图3中的图像拼接区域进行微调后的示意图。
图5为根据本发明实施方式划分图像拼接区域的第一示范性示意图。
图6为根据本发明实施方式划分图像拼接区域的第二示范性示意图。
图7为根据本发明实施方式的X射线成像控制装置的结构图。
图8为根据本发明实施方式具有存储器-处理器架构的X射线成像控制装置的结构图。
其中，附图标记如下：
标号 含义
100 X射线成像控制方法
101～104 步骤
20 拍摄图像
21 胸片架组件
22 成像目标
23 图像拼接区域
24 向上调节控件
25 向左调节控件
26 向下调节控件
27 向右调节控件
28 微调后的图像拼接区域
30 第一单次曝光区域
31 第二单次曝光区域
32 第三单次曝光区域
33 第一区域
34 重合区域
35 第二区域
36 第三区域
700 X射线成像控制装置
701 获取模块
702 拼接区域确定模块
703 曝光区域确定模块
704 控制模块
705 调整模块
706 模型训练模块
800 X射线成像控制装置
801 处理器
802 存储器
具体实施方式
为了使本发明的技术方案及优点更加清楚明白，以下结合附图及实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以阐述性说明本发明，并不用于限定本发明的保护范围。
为了描述上的简洁和直观，下文通过描述若干代表性的实施方式来对本发明的方案进行阐述。实施方式中大量的细节仅用于帮助理解本发明的方案。但是很明显，本发明的技术方案实现时可以不局限于这些细节。为了避免不必要地模糊了本发明的方案，一些实施方式没有进行细致地描述，而是仅给出了框架。下文中，“包括”是指“包括但不限于”，“根据……”是指“至少根据……，但不限于仅根据……”。由于汉语的语言习惯，下文中没有特别指出一个成分的数量时，意味着该成分可以是一个也可以是多个，或可理解为至少一个。
考虑到现有技术中人工规划确定图像拼接区域的上述缺点，本发明实施方式采用图像识别模型确定图像拼接区域，从而减少人工工作量，并降低扫描过程的耗时。
进一步地，本发明实施方式还可以将成像质量佳(比如，基于人工评判的)的拼接图像作为训练数据对人工神经网络模型进行训练，以得到深度学习的图像识别模型，从而将AI能力引入到长骨拼接中，并由此提高图像质量。
图1为根据本发明实施方式的X射线成像控制方法的流程图。
如图1所示，该方法100包括：
步骤101：获取成像目标的成像协议和成像目标的拍摄图像。
在这里，可以基于用户选择以确定成像目标的成像协议。其中，成像协议为针对成像目标的X射线扫描协议。成像协议中可以包含扫描方式、扫描部位、扫描方向、高压发生器的电压值或电流值等扫描参数。具体地，成像协议可以实施为对应于不同器官组织的器官组织程序(Organ program，OGP)。比如，成像协议可以包括全脊柱正位成像协议、全脊柱侧位成像协议或下肢全长骨成像协议，等等。
而且，可以通过布置于X射线发生组件的球管罩壳上或束光器壳体上的摄像头获取成像目标的拍摄图像。比如，可以在球管罩壳上或束光器的壳体上布置用于容纳摄像头的凹槽，通过螺栓连接、卡扣连接、钢丝绳套等方式将摄像头可拔插地固定至凹槽。摄像头捕获成像目标以生成拍摄图像。优选地，摄像头的拍摄方向与X射线的发射方向平行，以便于拍摄到成像目标。
图2为根据本发明实施方式的拍摄图像的示意图。
由图2可见，在拍摄图像20中，呈现有成像目标22以及成像目标22的周边环境。比如，周边环境可以包括胸片架组件21，等等。
以上示范性描述了成像协议和获取成像目标的拍摄图像的典型示例，本领域技术人员可以意识到，这种描述仅是示范性的，并不用于限定本发明实施方式的保护范围。
步骤102：基于对应于成像协议的图像识别模型，在拍摄图像中确定图像拼接区域。
在一个实施方式中，在步骤102之前预先建立对应于各个成像协议的各个图像识别模型。优选地，采用AI算法，在步骤102之前预先建立对应于成像协议的图像识别模型。比如，图像识别模型可以为基于人工神经网络(比如，卷积神经网络)的深度学习模型。
举例，建立对应于成像协议的图像识别模型的具体过程包括：建立人工神经网络模型；接收对应于成像协议的拼接图像；将拼接图像作为训练数据输入到人工神经网络模型；从而将人工神经网络模型训练为对应于成像协议的图像识别模型。将拍摄图像输入到训练得到的图像识别模型后，图像识别模型可以从拍摄图像中识别出对应于成像协议的拼接区域。比如：识别出拼接起始点、拼接结束点和拼接中心点等等。
比如，建立对应于全脊柱正位成像协议的全脊柱正位图像识别模型的过程包括：将大量的全脊柱正位拼接图像作为训练数据输入到人工神经网络模型，训练得到全脊柱正位图像识别模型。全脊柱正位图像识别模型具有如下功能：将拍摄图像输入到该全脊柱正位图像识别模型后，全脊柱正位图像识别模型可以从拍摄图像中识别出全脊柱正位的拼接区域。
比如，建立对应于全脊柱侧位成像协议的全脊柱侧位图像识别模型的过程包括：将大量的全脊柱侧位拼接图像作为训练数据输入到人工神经网络模型，训练得到全脊柱侧位图像识别模型。全脊柱侧位图像识别模型具有如下功能：将拍摄图像输入到该全脊柱侧位图像识别模型后，全脊柱侧位图像识别模型可以从拍摄图像中识别出全脊柱侧位的拼接区域。
比如，建立对应于下肢全长骨成像协议的下肢全长骨图像识别模型的过程包括：将大量的下肢全长骨拼接图像作为训练数据输入到人工神经网络模型，可以训练得到下肢全长骨图像识别模型。下肢全长骨图像识别模型具有如下功能：将拍摄图像输入到该下肢全长骨图像识别模型后，下肢全长骨图像识别模型可以从拍摄图像中识别出下肢全长骨的拼接区域。
通常情况下，对应于成像协议的训练数据量越大，训练得到的图像识别模型的识别准确率越高。
以上示范性描述了基于人工神经网络预先建立图像识别模型的典型实例，本领域技术人员可以意识到，这种描述仅是示范性的，并不用于限定本发明实施方式的保护范围。比如，还可以基于小波矩或分形特征等方式预先建立图像识别模型，等等。
在预先建立各个成像协议的各个图像识别模型后，在步骤102中基于成像协议确定相对应的图像识别模型，并利用所确定的图像识别模型，在拍摄图像中确定图像拼接区域。
比如，当在步骤101中确定的成像协议为全脊柱正位成像协议时，在步骤102中执行如下动作：确定图像识别模型为全脊柱正位图像识别模型；将拍摄图像输入到该全脊柱正位图像识别模型；该全脊柱正位图像识别模型从拍摄图像中识别出全脊柱正位的拼接区域。
比如，当在步骤101中确定的成像协议为全脊柱侧位成像协议时，在步骤102中执行如下动作：确定图像识别模型为全脊柱侧位图像识别模型；将拍摄图像输入到该全脊柱侧位图像识别模型；该全脊柱侧位图像识别模型从拍摄图像中识别出全脊柱侧位的拼接区域。
比如，当在步骤101中确定的成像协议为下肢全长骨图像识别模型时，在步骤102中执行如下动作：确定图像识别模型为下肢全长骨图像识别模型；将拍摄图像输入到该下肢全长骨图像识别模型；该下肢全长骨图像识别模型从拍摄图像中识别出下肢全长骨的拼接区域。
在一个实施方式中，该方法还包括：接收针对图像拼接区域的调整指令，基于调整指令调整图像拼接区域。
图3为根据本发明实施方式的图像拼接区域的示意图。
可见，图2所示的拍摄图像20中进一步呈现有图像拼接区域23。比如，图像拼接区域23以虚线框形式呈现在拍摄图像20中。
而且，图像拼接区域23中还包含向上调节控件24、向左调节控件25、向下调节控件26和向右调节控件27。当向上调节控件24被触发后，图像拼接区域23将向上延伸；当向左调节控件25被触发后，图像拼接区域23将向左延伸；当向下调节控件26被触发后，图像拼接区域23将向下延伸；当向右调节控件27被触发后，图像拼接区域23将向右延伸。
可见，基于选择性地触发向上调节控件24、向左调节控件25、向下调节控件26和向右调节控件27，用户还可以针对图像拼接区域23进行调整。优选地，调整操作为微调操作。
图4为根据本发明实施方式的对图3中的图像拼接区域进行微调后的示意图。可见，微调后的图像拼接区域28，相比图2中的图像拼接区域23有细微的差异。
在一个实施方式中，步骤101中的拍摄图像为静态图像，步骤102中在该静态图像中确定静态的图像拼接区域。具体地，在步骤101中，摄像头执行单次拍摄以获取成像目标的静态图像。在步骤102，将该静态图像作为图像识别模型的静态输入，可以输出静态的图像拼接区域。
在一个实施方式中，步骤101中的拍摄图像为动态图像，步骤102中在动态图像中确定动态的图像拼接区域。具体地，在步骤101中，摄像头执行连续拍摄以获取成像目标的动态图像。在步骤102，将该动态图像作为图像识别模型的动态输入，可以输出动态的图像拼接区域。
步骤103：将图像拼接区域划分为N个单次曝光区域，其中N为至少为2的正整数。
在这里，将经过微调后的图像拼接区域划分为N个单次曝光区域。每个单次曝光区域的区域参数，都用于后续针对该单次曝光区域的单次曝光控制。比如，单次曝光区域的区域参数包括高度参数、宽度参数和中心点位置。其中：高度参数，用于后续控制单次曝光的X射线扫描范围；宽度参数，用于后续控制单次曝光的X射线视野宽度；中心点位置，用于后续控制单次曝光的X射线焦点位置。其中，这N个单次曝光区域的尺寸大小可以相同，也可以不相同。
在一个实施方式中，步骤102中确定的图像拼接区域的尺寸为X射线机最大曝光区域的N倍；此时在步骤103中将图像拼接区域划分为N个无重合面积的X射线机最大曝光区域。
在一个实施方式中，步骤102中确定的图像拼接区域的尺寸小于X射线机最大曝光区域的N倍；此时在步骤103中可以执行下列划分方式中的任意一个：
划分方式1：将图像拼接区域划分为N-1个X射线机最大曝光区域和一个剩余曝光区域。
划分方式2：将图像拼接区域划分为N个X射线机最大曝光区域，其中至少两个X射线机最大曝光区域之间有重合面积。
划分方式3：将图像拼接区域等分为N个尺寸相同的单次曝光区域。
举例，假定X射线机最大曝光区域为43厘米×43厘米，而图像拼接区域的尺寸为100厘米×43厘米。可见，图像拼接区域的尺寸小于最大曝光区域的3倍。
基于划分方式1的划分结果为：将图像拼接区域划分为三个单次曝光区域，其中第一个单次曝光区域的尺寸43厘米×43厘米(一个X射线机最大曝光区域)；第二个单次曝光区域的尺寸43厘米×43厘米(一个X射线机最大曝光区域)；第三个单次曝光区域的尺寸14厘米×43厘米(小于X射线机最大曝光区域的剩余曝光区域)。可见，第三次单次曝光的曝光剂量为14厘米×43厘米(小于43厘米×43厘米)，可以避免现有技术中常见的不必要曝光剂量。
基于划分方式2的划分结果为：将图像拼接区域划分为三个单次曝光区域，第一个单次曝光区域的尺寸43厘米×43厘米(一个X射线机最大曝光区域)；第二个单次曝光区域的尺寸43厘米×43厘米(一个X射线机最大曝光区域)；第三个单次曝光区域的尺寸43厘米×43厘米(一个X射线机最大曝光区域)。其中，第一个单次曝光区域与第二个单次曝光区域具有29厘米×43厘米的重合面积。可见，相比划分方式1，曝光剂量有增加。不过，每个单次曝光区域仍然是针对图像拼接区域的曝光，可以避免现有技术中常见的、针对非图像拼接区域的无谓曝光。
基于划分方式3的划分结果为：将图像拼接区域划分为三个尺寸相同的单次曝光区域，第一个单次曝光区域的尺寸33.3厘米×43厘米；第二个单次曝光区域的尺寸33.3厘米×43厘米；第三个单次曝光区域的尺寸33.3厘米×43厘米。可见，通过等分图像拼接区域，每个单次曝光的扫描尺寸不会发生变化，可以加快扫描速度。
以上示范性描述了将图像拼接区域划分为N个单次曝光区域的典型示例，本领域技术人员可以意识到，这种描述仅是示范性的，并不用于限定本发明实施方式的保护范围。
优选地，N的取值为2、3、4或比4更大的正整数。
步骤104：基于N个单次曝光区域中每个单次曝光区域的区域参数，控制执行N个单次曝光。
在这里，基于每个单次曝光区域的区域参数，针对该单次曝光区域执行曝光以形成对应于该单次曝光区域的X射线图像。其中：基于每个单次曝光区域的高度参数，控制每个单次曝光区域的X射线扫描范围，基于每个单次曝光区域的宽度参数，控制每个单次曝光区域的X射线视野宽度；基于每个单次曝光区域的中心点位置，控制每个单次曝光区域的X射线焦点位置，等等。
然后，经过控制执行N个单次曝光后，可以形成对应于N个单次曝光区域的N张X射线图像。最后，可以将这N张X射线图像拼接为完整的拼接图像。
图5为根据本发明实施方式划分图像拼接区域的第一示范性示意图。
在图5中，步骤102中确定的图像拼接区域28包含第一单次曝光区域30、第二单次曝光区域31和第三单次曝光区域33。其中，第一单次曝光区域30、第一单次曝光区域31和第一单次曝光区域33之间没有重合面积。第一单次曝光区域30、第一单次曝光区域31和第一单次曝光区域33具有相同的宽度和相同的高度。第一单次曝光区域30、第一单次曝光区域31和第一单次曝光区域33的尺寸(即宽度乘以高度)相同，都是X射线机最大曝光区域的尺寸。
此时，执行三个单次曝光可以得到图像拼接区域28的拼接图像。其中：在第一次单次曝光中，基于X射线机最大曝光区域针对第一单次曝光区域30成像，得到第一图像；在第二次单次曝光中，基于X射线机最大曝光区域针对第二单次曝光区域31成像，得到第二图像；在第三次单次曝光中，基于X射线机最大曝光区域针对第三单次曝光区域33成像，得到第三图像。然后，将第一图像、第二图像和第三图像拼接在一起，以形成拼接图像。
图6为根据本发明实施方式划分图像拼接区域的第二示范性示意图。
在图6中，步骤102中确定的图像拼接区域28包含第一区域33、重合区域34、第二区域35、第三区域36。第一区域33、重合区域34、第二区域35和第三区域36具有相同的宽度。而且，第一区域33和重合区域34的高度之和与第三区域36的高度相同，都是H。而且重合区域34和第二区域35的高度之和与第三区域36的高度相同，都是H。第三区域的尺寸为X射线机最大曝光区域的尺寸。
此时，执行三个单次曝光可以得到图像拼接区域28的拼接图像。其中：在第一次单次曝光中，基于X射线机最大曝光区域对第一区域33和重合区域34成像，得到第一图像；在第二次单次曝光中，基于X射线机最大曝光区域对重合区域34和第二区域35成像，得到第二图像；在第三次单次曝光中，基于X射线机最大曝光区域对第三区域36成像，得到第三图像。然后，将第一图像、第二图像和第三图像拼接在一起，以形成拼接图像。
基于上述描述，本发明实施方式还提出了一种X射线成像控制装置。
图7为根据本发明实施方式的X射线成像控制装置的结构图。
如图7所示，X射线成像控制装置700包括：
获取模块701，用于获取成像目标的成像协议和成像目标的拍摄图像；
拼接区域确定模块702，用于基于对应于成像协议的图像识别模型，在拍摄图像中确定图像拼接区域；
曝光区域确定模块703，用于将图像拼接区域划分为N个单次曝光区域，其中N为至少为2的正整数；
控制模块704，用于基于N个单次曝光区域中每个单次曝光区域的区域参数，控制执行N个单次曝光。
在一个实施方式中，拍摄图像为静态图像，拼接区域确定模块702，用于在静态图像中确定静态的图像拼接区域。
在一个实施方式中，拍摄图像为动态图像，拼接区域确定模块702，用于在动态图像中确定动态的图像拼接区域。
在一个实施方式中，图像拼接区域的尺寸小于X射线机最大曝光区域的N倍；曝光区域确定模块703，用于将图像拼接区域划分为N-1个X射线机最大曝光区域和一个剩余曝光区域；或将图像拼接区域划分为N个X射线机最大曝光区域，其中至少两个X射线机最大曝光区域之间有重合面积；或将图像拼接区域等分为N个尺寸相同的单次曝光区域。
在一个实施方式中，图像拼接区域的尺寸为X射线机最大曝光区域的N倍；曝光区域确定模块703，用于将图像拼接区域划分为N个无重合面积的X射线机最大曝光区域。
在一个实施方式中，在拼接区域确定模块702与曝光区域确定模块703之间，还包括：调整模块705，用于接收针对图像拼接区域的调整指令，基于调整指令调整所述图像拼接区域。
在一个实施方式中，控制模块704，用于执行下列中的至少一个：基于每个单次曝光区域的高度参数，控制每个单次曝光区域的X射线扫描范围；基于每个单次曝光区域的宽度参数，控制每个单次曝光区域的X射线视野宽度；基于每个单次曝光区域的中心点位置，控制每个单次曝光区域的X射线焦点位置，等等。
在一个实施方式中，还包括：模型训练模块706，用于建立人工神经网络模型；接收对应于成像协议的拼接图像；将拼接图像作为训练数据输入到人工神经网络模型，将人工神经网络模型训练为图像识别模型。
本发明实施方式还提出了一种具有存储器-处理器架构的X射线成像控制装置。
图8为根据本发明实施方式具有存储器-处理器架构的X射线成像控制装置的结构图。
如图8所示，X射线成像控制装置800包括处理器801和存储器802；存储器802中存储有可被处理器801执行的应用程序，用于使得处理器801执行如上任一种X射线成像控制方法。
其中，存储器802具体可以实施为电可擦可编程只读存储器(EEPROM)、快闪存储器(Flash memory)、可编程程序只读存储器(PROM)等多种存储介质。处理器801可以实施为包括一或多个中央处理器(CPU)或一或多个现场可编程门阵列(FPGA)。
需要说明的是，上述各流程和各系统结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构，也可以是逻辑结构，即，有些模块可能由同一物理实体实现，或者，有些模块可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。
各实施方式中的硬件模块可以以机械方式或电子方式实现。例如，一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器，如FPGA或ASIC)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式，或是采用专用的永久性电路，或是采用临时配置的电路(如由软件进行配置)来实现硬件模块，可以根据成本和时间上的考虑来决定。
本发明还提供了一种机器可读的存储介质，存储用于使一机器执行如本文所述方法的指令。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施方式的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。此外，还可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作。还可以将从存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施方式中任一实施方式的功能。
用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机或云上下载程序代码。
以上所述，仅为本发明的较佳实施方式而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (16)

1.一种X射线成像控制方法(100)，其特征在于，包括：
获取成像目标的成像协议和所述成像目标的拍摄图像(101)；
基于对应于所述成像协议的图像识别模型，在所述拍摄图像中确定图像拼接区域(102)；
将所述图像拼接区域划分为N个单次曝光区域，其中N为至少为2的正整数(103)；
基于所述N个单次曝光区域中每个单次曝光区域的区域参数，控制执行N个单次曝光(104)。
2.根据权利要求1所述的X射线成像控制方法(100)，其特征在于，
所述拍摄图像为静态图像，所述在拍摄图像中确定图像拼接区域为：在所述静态图像中确定静态的图像拼接区域；或
所述拍摄图像为动态图像，所述在拍摄图像中确定图像拼接区域为：在所述动态图像中确定动态的图像拼接区域。
3.根据权利要求1所述的X射线成像控制方法(100)，其特征在于，所述图像拼接区域的尺寸小于X射线机最大曝光区域的N倍；所述将图像拼接区域划分为N个单次曝光区域包括：
将图像拼接区域划分为N-1个X射线机最大曝光区域和一个剩余曝光区域；或
将图像拼接区域划分为N个X射线机最大曝光区域，其中至少两个X射线机最大曝光区域之间有重合面积；或
将图像拼接区域等分为N个尺寸相同的单次曝光区域。
4.根据权利要求1所述的X射线成像控制方法(100)，其特征在于，所述图像拼接区域的尺寸为X射线机最大曝光区域的N倍；所述将图像拼接区域划分为N个单次曝光区域包括：将图像拼接区域划分为N个无重合面积的X射线机最大曝光区域。
5.根据权利要求1所述的X射线成像控制方法(100)，其特征在于，在所述拍摄图像中确定图像拼接区域之后，以及在所述将图像拼接区域划分为N个单次曝光区域之前，该方法还包括：
接收针对所述图像拼接区域的调整指令；
基于所述调整指令调整所述图像拼接区域。
6.根据权利要求1所述的X射线成像控制方法(100)，其特征在于，所述基于N个单次曝光区域中每个单次曝光区域的区域参数，控制执行N个单次曝光(104)，包括下列中的至少一个：
基于每个单次曝光区域的高度参数，控制每个单次曝光区域的X射线扫描范围；
基于每个单次曝光区域的宽度参数，控制每个单次曝光区域的X射线视野宽度；
基于每个单次曝光区域的中心点位置，控制每个单次曝光区域的X射线焦点位置。
7.根据权利要求1-6中任一项所述的X射线成像控制方法(100)，其特征在于，基于对应于成像协议的图像识别模型，在所述拍摄图像中确定图像拼接区域(102)之前，该方法还包括：
建立人工神经网络模型；
接收对应于所述成像协议的拼接图像；
将所述拼接图像作为训练数据输入到所述人工神经网络模型，将所述人工神经网络模型训练为所述图像识别模型。
8.一种X射线成像控制装置(700)，其特征在于，包括：
获取模块(701)，用于获取成像目标的成像协议和所述成像目标的拍摄图像；
拼接区域确定模块(702)，用于基于对应于所述成像协议的图像识别模型，在所述拍摄图像中确定图像拼接区域；
曝光区域确定模块(703)，用于将所述图像拼接区域划分为N个单次曝光区域，其中N为至少为2的正整数；
控制模块(704)，用于基于所述N个单次曝光区域中每个单次曝光区域的区域参数，控制执行N个单次曝光。
9.根据权利要求8所述的X射线成像控制装置(700)，其特征在于，
所述拍摄图像为静态图像，所述拼接区域确定模块(702)，用于在所述静态图像中确定静态的图像拼接区域；或
所述拍摄图像为动态图像，所述拼接区域确定模块(702)，用于在所述动态图像中确定动态的图像拼接区域。
10.根据权利要求8所述的X射线成像控制装置(700)，其特征在于，
所述图像拼接区域的尺寸小于X射线机最大曝光区域的N倍；
所述曝光区域确定模块(703)，用于将图像拼接区域划分为N-1个X射线机最大曝光区域和一个剩余曝光区域；或将图像拼接区域划分为N个X射线机最大曝光区域，其中至少两个X射线机最大曝光区域之间有重合面积；或将图像拼接区域等分为N个尺寸相同的单次曝光区域。
11.根据权利要求8所述的X射线成像控制装置(700)，其特征在于，
所述图像拼接区域的尺寸为X射线机最大曝光区域的N倍；
所述曝光区域确定模块(703)，用于将图像拼接区域划分为N个无重合面积的X射线机最大曝光区域。
12.根据权利要求8所述的X射线成像控制装置(700)，其特征在于，在所述拼接区域确定模块(702)与所述曝光区域确定模块(703)之间，还包括：
调整模块(705)，用于接收针对所述图像拼接区域的调整指令，基于所述调整指令调整所述图像拼接区域。
13.根据权利要求8所述的X射线成像控制装置(700)，其特征在于，
所述控制模块(704)，用于执行下列中的至少一个：
基于每个单次曝光区域的高度参数，控制每个单次曝光区域的X射线扫描范围；
基于每个单次曝光区域的宽度参数，控制每个单次曝光区域的X射线视野宽度；
基于每个单次曝光区域的中心点位置，控制每个单次曝光区域的X射线焦点位置。
14.根据权利要求8-13中任一项所述的X射线成像控制装置(700)，其特征在于，还包括：
模型训练模块(706)，用于建立人工神经网络模型；接收对应于所述成像协议的拼接图像；将所述拼接图像作为训练数据输入到所述人工神经网络模型，将所述人工神经网络模型训练为所述图像识别模型。
15.一种X射线成像控制装置(800)，其特征在于，包括处理器(801)和存储器(802)；
所述存储器(802)中存储有可被所述处理器(801)执行的应用程序，用于使得所述处理器(801)执行如权利要求1至7中任一项所述的X射线成像控制方法。
16.一种计算机可读存储介质，其特征在于，其中存储有计算机可读指令，该计算机可读指令用于执行如权利要求1至7中任一项所述的X射线成像控制方法。
CN201910388978.2A 2019-05-10 2019-05-10 X射线成像控制方法、x射线成像控制装置和存储介质 Pending CN111918001A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910388978.2A CN111918001A (zh) 2019-05-10 2019-05-10 X射线成像控制方法、x射线成像控制装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910388978.2A CN111918001A (zh) 2019-05-10 2019-05-10 X射线成像控制方法、x射线成像控制装置和存储介质

Publications (1)

Publication Number Publication Date
CN111918001A true CN111918001A (zh) 2020-11-10

Family

ID=73242682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910388978.2A Pending CN111918001A (zh) 2019-05-10 2019-05-10 X射线成像控制方法、x射线成像控制装置和存储介质

Country Status (1)

Country Link
CN (1) CN111918001A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252762A (zh) * 2023-09-18 2023-12-19 上海涛影医疗科技有限公司 全自动人体全长x光影像融合拼接方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080152088A1 (en) * 2006-12-20 2008-06-26 Xiaohui Wang Long length imaging using digital radiography
JP2013066530A (ja) * 2011-09-21 2013-04-18 Fujifilm Corp 放射線撮影システムおよび放射線撮影システムの長尺撮影方法
KR20130056018A (ko) * 2011-11-21 2013-05-29 삼성전자주식회사 복수의 영상들을 접합하기 위한 방법 및 장치
CN103505229A (zh) * 2012-06-20 2014-01-15 三星电子株式会社 X射线成像设备及其控制方法
CN104414660A (zh) * 2013-08-29 2015-03-18 深圳市蓝韵实业有限公司 一种dr图像获取拼接方法及系统
US20170055925A1 (en) * 2015-08-25 2017-03-02 Samsung Electronics Co., Ltd. X-ray imaging apparatus and method for controlling the same
CN106473759A (zh) * 2015-08-25 2017-03-08 三星电子株式会社 X射线成像设备以及用于控制其的方法
CN107582085A (zh) * 2017-09-14 2018-01-16 广州七喜医疗设备有限公司 一种智能数字x线曝光控制的装置与方法
CN108670279A (zh) * 2018-05-28 2018-10-19 上海联影医疗科技有限公司 拍摄医学影像的方法、医学影像系统、计算机及存储介质
CN109567843A (zh) * 2019-02-02 2019-04-05 上海联影医疗科技有限公司 一种成像扫描自动定位方法、装置、设备及介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080152088A1 (en) * 2006-12-20 2008-06-26 Xiaohui Wang Long length imaging using digital radiography
JP2013066530A (ja) * 2011-09-21 2013-04-18 Fujifilm Corp 放射線撮影システムおよび放射線撮影システムの長尺撮影方法
KR20130056018A (ko) * 2011-11-21 2013-05-29 삼성전자주식회사 복수의 영상들을 접합하기 위한 방법 및 장치
CN103505229A (zh) * 2012-06-20 2014-01-15 三星电子株式会社 X射线成像设备及其控制方法
CN105167789A (zh) * 2012-06-20 2015-12-23 三星电子株式会社 X射线成像设备及其控制方法
CN108542407A (zh) * 2012-06-20 2018-09-18 三星电子株式会社 X射线成像设备及其控制方法
CN104414660A (zh) * 2013-08-29 2015-03-18 深圳市蓝韵实业有限公司 一种dr图像获取拼接方法及系统
US20170055925A1 (en) * 2015-08-25 2017-03-02 Samsung Electronics Co., Ltd. X-ray imaging apparatus and method for controlling the same
CN106473759A (zh) * 2015-08-25 2017-03-08 三星电子株式会社 X射线成像设备以及用于控制其的方法
CN107582085A (zh) * 2017-09-14 2018-01-16 广州七喜医疗设备有限公司 一种智能数字x线曝光控制的装置与方法
CN108670279A (zh) * 2018-05-28 2018-10-19 上海联影医疗科技有限公司 拍摄医学影像的方法、医学影像系统、计算机及存储介质
CN109567843A (zh) * 2019-02-02 2019-04-05 上海联影医疗科技有限公司 一种成像扫描自动定位方法、装置、设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252762A (zh) * 2023-09-18 2023-12-19 上海涛影医疗科技有限公司 全自动人体全长x光影像融合拼接方法及装置

Similar Documents

Publication Publication Date Title
CN105873517B (zh) 具有自动等中心的介入x射线系统
EP3387997B1 (en) Medical imaging device and method controlling one or more parameters of a medical imaging device
KR20150112830A (ko) 환자를 위치결정하기 위한 위치결정 유닛, 영상 획득 장치, 및 위치결정 보조물을 광학적으로 생성하기 위한 방법
WO2011058461A1 (en) Scan plan field of view adjustor, determiner, and/or quality assessor
CN111528879A (zh) 一种医学图像采集的方法和系统
JP2012027696A (ja) 画像処理装置及び画像処理方法
KR102373967B1 (ko) 촬영되도록 요구되는 해부학적 구조의 컴퓨터 단층촬영 및 위치결정
CN111918001A (zh) X射线成像控制方法、x射线成像控制装置和存储介质
US20220054862A1 (en) Medical image processing device, storage medium, medical device, and treatment system
CN107530553B (zh) 放射线治疗系统
EP3370616B1 (en) Device for imaging an object
CN110278389B (zh) X光图像的成像方法、装置、系统和存储介质
CN114558251A (zh) 一种基于深度学习的自动摆位方法、装置及放射治疗设备
CN111973209A (zh) 一种c形臂设备的动态透视方法和系统
CN111358479A (zh) 一种放射线设备的采集参数确定方法和系统
CN114529499A (zh) 一种确定x射线成像的曝光区域的方法、装置和存储介质
US20240119659A1 (en) Method, Apparatuses and System for Presenting a Target, and a Storage Medium and a Program Product
JP2020509890A (ja) コンピュータ断層撮影および撮影されるボリュームの位置決め
CN103211606A (zh) X射线诊断装置
CN110755098B (zh) 平板探测器的增益函数的确定方法、图像校正方法和装置
CN111915499A (zh) 一种x射线图像处理方法和装置以及计算机可读存储介质
CN113362386B (zh) 确定x射线摄影系统的照射区域的方法、装置和存储介质
CN111820926A (zh) 一种x射线成像控制方法和x射线成像控制装置
KR102240184B1 (ko) 해부학적 구조의 모델 생성 시스템 및 이를 포함하는 의료 도구 가이드 시스템
CN114529498A (zh) 一种确定x射线成像的曝光区域的方法、装置和存储介质

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