CN112641471A - 一种放疗专用的膀胱容量测定与三维形态评估方法与系统 - Google Patents

一种放疗专用的膀胱容量测定与三维形态评估方法与系统 Download PDF

Info

Publication number
CN112641471A
CN112641471A CN202011612566.1A CN202011612566A CN112641471A CN 112641471 A CN112641471 A CN 112641471A CN 202011612566 A CN202011612566 A CN 202011612566A CN 112641471 A CN112641471 A CN 112641471A
Authority
CN
China
Prior art keywords
bladder
registration
image
radiotherapy
image 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.)
Granted
Application number
CN202011612566.1A
Other languages
English (en)
Other versions
CN112641471B (zh
Inventor
王明清
王皓
彭冉
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.)
Peking University Third Hospital Peking University Third Clinical Medical College
Original Assignee
Peking University Third Hospital Peking University Third Clinical Medical College
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 Peking University Third Hospital Peking University Third Clinical Medical College filed Critical Peking University Third Hospital Peking University Third Clinical Medical College
Priority to CN202011612566.1A priority Critical patent/CN112641471B/zh
Publication of CN112641471A publication Critical patent/CN112641471A/zh
Application granted granted Critical
Publication of CN112641471B publication Critical patent/CN112641471B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4444—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to the probe
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1001—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy using radiation sources introduced into or applied onto the body; brachytherapy
    • A61N5/1014—Intracavitary radiation therapy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048—Monitoring, verifying, controlling systems and methods
    • A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1048—Monitoring, verifying, controlling systems and methods
    • A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
    • A61N2005/1058—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using ultrasound imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Vascular Medicine (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

本发明涉及一种放疗专用的膀胱容量测定与三维形态评估方法与系统，该方法包括以下步骤：第一、采用超声诊断探头在高频电脉冲作用下对人体腹部发出超声波；接收人体器官壁发射回来的回波信号，处理终端根据回波信号解析出图像信息，并根据图像信息，结合神经网络谐波技术的膀胱仪获得当前膀胱容积值；第二、收集模拟定位时的超声图像信息与每次治疗前的超声图像信息进行强化学习配准训练，得到模型，用于指导后续新病人的超声图像快速配准；第三、配准后，计算定位时的膀胱图像A与每次治疗前膀胱图像B的戴斯相似系数DSC；第四、收集膀胱容量值与对应的DSC数据，建立一一对应数据集，进行对比分析，得到最优膀胱容量数值，指导后续治疗。

Description

一种放疗专用的膀胱容量测定与三维形态评估方法与系统
技术领域
本发明涉及医疗卫生技术领域，具体涉及一种放疗专用的膀胱容量测定与三维形态评估方法与系统。
背景技术
对于盆腔肿瘤而言，在进行体外放射治疗时，膀胱充盈程度变化可能导致靶区覆盖不充分或者范围过大，除非扩大或者缩小照射覆盖范围。因此为了保持膀胱充盈一致性，有必要对患者每次治疗前进行膀胱体积和形态评估，保证与模拟定位时的膀胱体积与形态一致，最大限度减少膀胱充盈变化带来的放疗副反应。现有的膀胱容量测量办法主要有二维和三维超声成像测量办法，CT测量方法，基于膀胱生物电阻抗的测量方法。
常规的二维超声测量办法是测量患者排尿前膀胱最大切面的3个径线(L、H、W)，用数学公式(V＝0.5*L*H*W)或经验公式(V＝0.7*L*H*W)计算膀胱体积。二维超声测量办法采用数学公式计算膀胱体积是基于膀胱外形为椭球体的几何学假设，由于膀胱受肠道、子宫或前列腺等脏器的压迫，其外形不可能是一个完全规则的几何体，因此二维超声数学公式法在膀胱体积测量上必然存在偏差。
神经网络谐波技术采用二次谐波技术成像，360°扫描膀胱12个面，通过30年的病例数据收集，建立庞大的数据库确保数据的准确性，应用模拟人体神经网络方式进行三维重建，有助于缩小误差幅度，尽可能降低膀胱功能基本测量的不确定性。
现有技术中的这些测量方法的最终结果都是关注膀胱体积数值，而缺乏对其三维形态体积变化的评估，相同病人同一膀胱体积数值下可能有不同的膀胱形态，而膀胱三维形态的变化是影响靶区覆盖的最关键因素，因此申请人考虑通过三维超声影像数据，结合算法，引入膀胱三维形态评估参数，结合膀胱容量体积数值，对病人进行综合评估，从而为盆腔肿瘤患者的精准放疗实施保驾护航。
发明内容
本发明旨在提供一种放疗专用的膀胱容量测定与三维形态评估方法与系统，所要解决的技术问题包括如何对膀胱的三维形态体积变化进行评估，为盆腔肿瘤患者的精准放疗实施保驾护航。
本发明的目的是解决现有技术的不足，提供一种放疗专用的膀胱容量测定与三维形态评估方法，包括以下步骤：
第一、采用超声诊断探头在高频电脉冲作用下对人体腹部发出超声波；接收人体器官壁发射回来的回波信号，处理终端根据回波信号解析出图像信息，并根据图像信息，结合神经网络谐波技术的膀胱仪获得当前膀胱容积值；
第二、收集大量模拟定位时的超声图像信息与每次治疗前的超声图像信息进行强化学习配准训练，得到模型，该模型用于建立输入图像与原始定位图像快速匹配的关系，包括多个参数合集，通过调整参数，来改变输入图像与原始定位图像之间配准的效果，用于指导后续新病人的超声图像快速配准；
第三、配准后，计算定位时的膀胱图像A与每次治疗前膀胱图像B的戴斯相似系数DSC，该戴斯相似系数DSC用于膀胱三维形态的评估；
第四、收集膀胱容量值与对应的DSC数据，建立一一对应数据集，进行对比分析，得到最优膀胱容量数值(此刻大部分人的膀胱形态趋于稳定)，指导后续治疗。
优选地，所述的戴斯相似系数DSC＝2(A∩B)/(A+B)。
进一步优选地，所述的强化学习配准训练是直接通过一个强化学习来回归变换参数，相应的金标准就是真实的变换参数。
优选地，所述的变换参数是变换矩阵的参数。
优选地，所述的变换参数是一个形变场。
优选地，所述的变换参数通过手工配准得到。
进一步优选地，所述的配准采用刚性配准或非刚性配准。
进一步优选地，所述的配准采用基于机器学习和深度学习的医学图像配准技术。
本发明还提供一种放疗专用的膀胱容量测定与三维形态评估系统，包括超声诊断探头、处理终端、配准模块、戴斯相似系数计算模块和对比分析模块，所述的超声诊断探头用于在高频电脉冲作用下对人体腹部发出超声波；所述的处理终端用于接收人体器官壁发射回来的回波信号，根据回波信号解析出图像信息，并根据图像信息，结合神经网络谐波技术的膀胱仪获得当前膀胱容积值；所述的配准模块用于收集大量模拟定位时的超声图像信息与每次治疗前的超声图像信息进行强化学习配准训练，得到模型，该模型用于建立输入图像与原始定位图像快速匹配的关系，包括多个参数合集，通过调整参数，来改变输入图像与原始定位图像之间配准的效果，用于指导后续新病人的超声图像快速配准；所述的戴斯相似系数计算模块用于在配准后计算定位时的膀胱图像A与每次治疗前膀胱图像B的戴斯相似系数DSC，该戴斯相似系数DSC用于膀胱三维形态的评估；所述的对比分析模块用于收集膀胱容量值与对应的DSC数据，建立一一对应数据集，进行对比分析，得到最优膀胱容量数值，指导后续治疗。
有益效果
与现有技术相比，本发明的有益效果是：
本发明所述的放疗专用的膀胱容量测定与三维形态评估方法与系统在放射治疗中引入超声图像用于膀胱三维形态评估，即膀胱容量值结合三维形态评估参数结合的评估方法用于放疗，通过三维超声影像数据，结合算法，引入膀胱三维形态评估参数，结合膀胱容量体积数值，对病人进行综合评估，为盆腔肿瘤患者的精准放疗实施保驾护航。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的具体实施方式一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明所述强化学习配准训练的流程示意图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
本发明所述的放疗专用的膀胱容量测定与三维形态评估方法包括以下步骤：
第一、采用超声诊断探头在高频电脉冲作用下对人体腹部发出超声波；接收人体器官壁发射回来的回波信号，处理终端根据回波信号解析出图像信息，并根据图像信息，结合神经网络谐波技术的膀胱仪获得当前膀胱容积值；
第二、收集大量模拟定位时的超声图像信息与每次治疗前的超声图像信息进行强化学习配准训练，如图1所示，得到模型，该模型用于建立输入图像与原始定位图像快速匹配的关系，包括多个参数合集，通过调整参数，来改变输入图像与原始定位图像之间配准的效果，用于指导后续新病人的超声图像快速配准；
第三、配准后，计算定位时的膀胱图像A与每次治疗前膀胱图像B的戴斯相似系数DSC，该戴斯相似系数DSC用于膀胱三维形态的评估；
第四、收集膀胱容量值与对应的DSC数据，建立一一对应数据集，进行对比分析，得到最优膀胱容量数值(此刻大部分人的膀胱形态趋于稳定)，指导后续治疗。
优选地，所述的戴斯相似系数DSC＝2(A∩B)/(A+B)。
进一步优选地，所述的强化学习配准训练是直接通过一个强化学习来回归变换参数(可以是变换矩阵的参数，也可以是一个形变场)，相应的金标准就是真实的变换参数，可以通过手工配准得到，也可以通过其他配准方法得到。
如图1所示，所述强化学习配准训练包括以下步骤：
(1)、输入需要配准的模拟定位时的超声图像(fixed image)和上机治疗前的超声图像(moving image)；
(2)、将需要配准的模拟定位时的超声图像和上机治疗前的超声图像放缩或修剪到同样大小尺寸，并进行堆叠；
(3)、将堆叠后的图片输入强化学习网络进行处理并输出当前的状态值信息和特征提取信息，具体内容如下：
通过强化学习网络中提取特征信息结合Q学习来评估两者(即输入的两幅图像，也就是需要配准的模拟定位时的超声图像和上机治疗前的超声图像)的相似度，看是否达到阈值；进而输出一个行动来调整变换参数，根据相似度信息在环境中移动动态图像并返回一个奖励值，具体内容如下：
当接收到一个状态值时，从策略动作空间中选一个策略动作；
根据该策略动作的概率分布选择概率最大的策略动作作为下一次的动作，并在环境中实施该动作；
环境根据做出的动作返回一个奖励值；
对当前图像配准进行采用并输出最终结果，包括以下内容：
如果当前网络状态值达到设定的阈值，则对当前图像配准进行蒙特卡洛采样；
取采样后的结果为最终完成配准后的图像。
本发明还提供一种放疗专用的膀胱容量测定与三维形态评估系统，包括超声诊断探头、处理终端、配准模块、戴斯相似系数计算模块和对比分析模块，所述的超声诊断探头用于在高频电脉冲作用下对人体腹部发出超声波；所述的处理终端用于接收人体器官壁发射回来的回波信号，根据回波信号解析出图像信息，并根据图像信息，结合神经网络谐波技术的膀胱仪获得当前膀胱容积值；所述的配准模块用于收集大量模拟定位时的超声图像信息与每次治疗前的超声图像信息进行强化学习配准训练，得到模型，该模型用于建立输入图像与原始定位图像快速匹配的关系，包括多个参数合集，通过调整参数，来改变输入图像与原始定位图像之间配准的效果，用于指导后续新病人的超声图像快速配准；所述的戴斯相似系数计算模块用于在配准后计算定位时的膀胱图像A与每次治疗前膀胱图像B的戴斯相似系数DSC，该戴斯相似系数DSC用于膀胱三维形态的评估；所述的对比分析模块用于收集膀胱容量值与对应的DSC数据，建立一一对应数据集，进行对比分析，得到最优膀胱容量数值，指导后续治疗。
在其他的实施例中，可能的替代方案在于各种配准方法和各种评估参数的组合(例如刚性配准和非刚性配准，以及各种基于机器学习和深度学习的医学图像配准技术)。
以上描述了本发明优选实施方式，然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。

Claims (9)

1.一种放疗专用的膀胱容量测定与三维形态评估方法，其特征在于，所述的放疗专用的膀胱容量测定与三维形态评估方法包括以下步骤：
第一、采用超声诊断探头在高频电脉冲作用下对人体腹部发出超声波；接收人体器官壁发射回来的回波信号，处理终端根据回波信号解析出图像信息，并根据图像信息，结合神经网络谐波技术的膀胱仪获得当前膀胱容积值；
第二、收集模拟定位时的超声图像信息与每次治疗前的超声图像信息进行强化学习配准训练，得到模型，该模型用于建立输入图像与原始定位图像快速匹配的关系，包括多个参数合集，通过调整参数，来改变输入图像与原始定位图像之间配准的效果，用于指导后续新病人的超声图像快速配准；
第三、配准后，计算定位时的膀胱图像A与每次治疗前膀胱图像B的戴斯相似系数DSC，该戴斯相似系数DSC用于膀胱三维形态的评估；
第四、收集膀胱容量值与对应的DSC数据，建立一一对应数据集，进行对比分析，得到最优膀胱容量数值，指导后续治疗。
2.根据权利要求1所述的放疗专用的膀胱容量测定与三维形态评估方法，其特征在于，所述的戴斯相似系数DSC＝2(A∩B)/(A+B)。
3.根据权利要求1所述的放疗专用的膀胱容量测定与三维形态评估方法与，其特征在于，所述的强化学习配准训练是直接通过一个强化学习来回归变换参数，相应的金标准就是真实的变换参数。
4.根据权利要求1所述的放疗专用的膀胱容量测定与三维形态评估方法，其特征在于，所述的变换参数是变换矩阵的参数。
5.根据权利要求1所述的放疗专用的膀胱容量测定与三维形态评估方法，其特征在于，所述的变换参数是一个形变场。
6.根据权利要求1所述的放疗专用的膀胱容量测定与三维形态评估方法，其特征在于，所述的变换参数通过手工配准得到。
7.根据权利要求1所述的放疗专用的膀胱容量测定与三维形态评估系统，其特征在于，所述的配准采用刚性配准或非刚性配准。。
8.根据权利要求1所述的放疗专用的膀胱容量测定与三维形态评估系统，其特征在于，所述的配准采用基于机器学习和深度学习的医学图像配准技术。
9.一种放疗专用的膀胱容量测定与三维形态评估系统，其特征在于，包括超声诊断探头、处理终端、配准模块、戴斯相似系数计算模块和对比分析模块，所述的超声诊断探头用于在高频电脉冲作用下对人体腹部发出超声波；所述的处理终端用于接收人体器官壁发射回来的回波信号，根据回波信号解析出图像信息，并根据图像信息，结合神经网络谐波技术的膀胱仪获得当前膀胱容积值；所述的配准模块用于收集大量模拟定位时的超声图像信息与每次治疗前的超声图像信息进行强化学习配准训练，得到模型，该模型用于建立输入图像与原始定位图像快速匹配的关系，包括多个参数合集，通过调整参数，来改变输入图像与原始定位图像之间配准的效果，用于指导后续新病人的超声图像快速配准；所述的戴斯相似系数计算模块用于在配准后计算定位时的膀胱图像A与每次治疗前膀胱图像B的戴斯相似系数DSC，该戴斯相似系数DSC用于膀胱三维形态的评估；所述的对比分析模块用于收集膀胱容量值与对应的DSC数据，建立一一对应数据集，进行对比分析，得到最优膀胱容量数值，指导后续治疗。
CN202011612566.1A 2020-12-30 2020-12-30 一种放疗专用的膀胱容量测定与三维形态评估方法与系统 Active CN112641471B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011612566.1A CN112641471B (zh) 2020-12-30 2020-12-30 一种放疗专用的膀胱容量测定与三维形态评估方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011612566.1A CN112641471B (zh) 2020-12-30 2020-12-30 一种放疗专用的膀胱容量测定与三维形态评估方法与系统

Publications (2)

Publication Number Publication Date
CN112641471A true CN112641471A (zh) 2021-04-13
CN112641471B CN112641471B (zh) 2022-09-09

Family

ID=75364231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011612566.1A Active CN112641471B (zh) 2020-12-30 2020-12-30 一种放疗专用的膀胱容量测定与三维形态评估方法与系统

Country Status (1)

Country Link
CN (1) CN112641471B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256500A (zh) * 2021-07-02 2021-08-13 北京大学第三医院（北京大学第三临床医学院） 一种多模态图像合成的深度学习神经网络模型系统
CN116211353A (zh) * 2023-05-06 2023-06-06 北京大学第三医院（北京大学第三临床医学院） 可穿戴超声膀胱容量测定与多模态影像形貌评估系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104545999A (zh) * 2015-01-05 2015-04-29 深圳市大深生物医学工程转化研究院 一种超声图像膀胱容积测量方法及装置
CN105078514A (zh) * 2014-04-22 2015-11-25 重庆海扶医疗科技股份有限公司 三维模型的构建方法及装置、图像监控方法及装置
CN106562794A (zh) * 2016-10-31 2017-04-19 重庆康超医疗科技股份有限公司 一种膀胱测容装置及其实现方法
CN107233110A (zh) * 2017-04-10 2017-10-10 何晓庆 膀胱容量监测方法及系统
CN107307884A (zh) * 2017-07-03 2017-11-03 三峡大学 一种经腹二维超声下膀胱容积测量、计算方法
CN108024769A (zh) * 2015-07-27 2018-05-11 中央兰开夏大学 用于估计膀胱状态的方法和装置
CN110211165A (zh) * 2019-06-10 2019-09-06 成都信息工程大学 一种基于异步深度强化学习的图像多模态配准方法
CN111127531A (zh) * 2019-12-26 2020-05-08 张家港赛提菲克医疗器械有限公司 一种基于在线影像的放疗患者摆位质量保证软件
US20200196979A1 (en) * 2017-04-03 2020-06-25 Koninklijke Philips N.V. Bladder monitoring

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105078514A (zh) * 2014-04-22 2015-11-25 重庆海扶医疗科技股份有限公司 三维模型的构建方法及装置、图像监控方法及装置
CN104545999A (zh) * 2015-01-05 2015-04-29 深圳市大深生物医学工程转化研究院 一种超声图像膀胱容积测量方法及装置
CN108024769A (zh) * 2015-07-27 2018-05-11 中央兰开夏大学 用于估计膀胱状态的方法和装置
CN106562794A (zh) * 2016-10-31 2017-04-19 重庆康超医疗科技股份有限公司 一种膀胱测容装置及其实现方法
US20200196979A1 (en) * 2017-04-03 2020-06-25 Koninklijke Philips N.V. Bladder monitoring
CN107233110A (zh) * 2017-04-10 2017-10-10 何晓庆 膀胱容量监测方法及系统
CN107307884A (zh) * 2017-07-03 2017-11-03 三峡大学 一种经腹二维超声下膀胱容积测量、计算方法
CN110211165A (zh) * 2019-06-10 2019-09-06 成都信息工程大学 一种基于异步深度强化学习的图像多模态配准方法
CN111127531A (zh) * 2019-12-26 2020-05-08 张家港赛提菲克医疗器械有限公司 一种基于在线影像的放疗患者摆位质量保证软件

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256500A (zh) * 2021-07-02 2021-08-13 北京大学第三医院（北京大学第三临床医学院） 一种多模态图像合成的深度学习神经网络模型系统
CN116211353A (zh) * 2023-05-06 2023-06-06 北京大学第三医院（北京大学第三临床医学院） 可穿戴超声膀胱容量测定与多模态影像形貌评估系统
CN116211353B (zh) * 2023-05-06 2023-07-04 北京大学第三医院（北京大学第三临床医学院） 可穿戴超声膀胱容量测定与多模态影像形貌评估系统

Also Published As

Publication number Publication date
CN112641471B (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
Zhou et al. Image quality improvement of hand-held ultrasound devices with a two-stage generative adversarial network
CN112641471B (zh) 一种放疗专用的膀胱容量测定与三维形态评估方法与系统
CN108701354A (zh) 识别超声图像中感兴趣区域轮廓的方法及系统
CN102940510B (zh) 一种超声弹性成像的自动对焦方法
CN107789056B (zh) 一种医学影像匹配融合方法
CN108885781B (zh) 用于根据低剂量或低kV计算机断层扫描图像合成虚拟高剂量或高kV计算机断层扫描图像的方法和系统
CN112244883B (zh) 基于ct图像提取左心耳数据参数的方法及系统
CN105997079A (zh) 一种通过超声融合mri成像的骨骼肌力在体测量方法
CN112348794A (zh) 基于注意力增强u型网络的超声乳腺肿瘤自动分割方法
CN109820594A (zh) 一种利用超声波原始数据引导制作心脏局部3d打印模型的方法
BR112020014733A2 (pt) Método implementado por computador para a obtenção de medições anatômicas em uma imagem de ultrassom, meios de programa de computador, dispositivo de análise de imagem e método de imageamento por ultrassom
US7399278B1 (en) Method and system for measuring amniotic fluid volume and/or assessing fetal weight
CN107204045A (zh) 基于ct图像的虚拟内窥镜系统
CN114943688A (zh) 基于触诊和超声数据对乳腺图像中感兴趣区域的提取方法
WO2014013285A1 (en) Apparatus and method for determining optimal positions of a hifu probe
Xia et al. Automatic plane of minimal hiatal dimensions extraction from 3D female pelvic floor ultrasound
CN106485712B (zh) 肛提肌轴平面图像处理方法及装置
CN112957073B (zh) 一种膀胱容量的测量方法及系统
US20220265242A1 (en) Method of determining scan planes in the acquisition of ultrasound images and ultrasound system for the implementation of the method
CN114176557A (zh) 一种基于电阻抗检测的膀胱充盈程度检测方法
CN116211353B (zh) 可穿戴超声膀胱容量测定与多模态影像形貌评估系统
Morin et al. 3D ultrasound simulation based on a biomechanical model of prone MRI in breast cancer imaging
CN113628325B (zh) 一种小器官肿瘤演化的模型建立方法及计算机可读存储介质
CN117409151B (zh) 一种二维心内超声导管图像的三维表面重建方法及装置
Rivaz et al. A novel method for monitoring liver ablation using ultrasound elastography

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