CN112652049A - 心脏的扫描方法、装置、计算机设备和存储介质 - Google Patents
心脏的扫描方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112652049A CN112652049A CN201910959439.XA CN201910959439A CN112652049A CN 112652049 A CN112652049 A CN 112652049A CN 201910959439 A CN201910959439 A CN 201910959439A CN 112652049 A CN112652049 A CN 112652049A
- Authority
- CN
- China
- Prior art keywords
- heart
- scanning
- positioning
- image data
- fov
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000003384 imaging method Methods 0.000 claims abstract description 112
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims description 4
- 230000000747 cardiac effect Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 14
- 230000010412 perfusion Effects 0.000 description 10
- 230000003111 delayed effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 7
- 206010006322 Breath holding Diseases 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 210000004115 mitral valve Anatomy 0.000 description 4
- 230000002861 ventricular Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000005240 left ventricle Anatomy 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000004165 myocardium Anatomy 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010061216 Infarction Diseases 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000000591 tricuspid valve Anatomy 0.000 description 1
- 210000000596 ventricular septum Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
-
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Cardiology (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种心脏的扫描方法、装置、计算机设备和存储介质，先是通过心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置，再根据心脏的轮廓和位置确定心脏的匀场定位。然后基于心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位即可确定扫描信息。终端再根据扫描信息对心脏进行成像扫描，得到心脏的扫描图像。在上述扫描方法中，由于终端是根据心脏的三维图像数据获取到心脏在各个解剖方位的定位图像、成像区域FOV的空间范围、以及心脏的轮廓和位置，不会像传统的手动扫描获取方法受到操作人员的经验影响，极大的提高了扫描准确度。
Description
技术领域
本申请涉及医学成像技术领域，尤其涉及一种心脏的扫描方法、装置、计算机设备和存储介质。
背景技术
随着磁共振成像技术的发展，心脏磁共振检查因磁共振成像本身的优势在心血管影像学诊断方法中独树一帜。而由于心血管本身特殊的解剖结构和功能特征，以及不同体型、不同健康状况的人群心脏形态、位置、偏转角度相差较大，这些因素决定了心血管磁共振成像和其他部位的成像相比，更具有挑战性，对操作技师本身操作水平和经验的要求更高。
在常规的心脏扫描中，需要进行众多成像方位的扫描、心脏空间位置的定位、以及磁共振成像区域(field of view,FOV)的确定这三部分的工作，才能得到完整和准确的心脏的磁共振扫描图像。其中，在对心脏进行众多成像方位的扫描时，具体需要对左室二腔心、四腔心、短轴位、三腔心，右室流入流出道、右二腔，二尖瓣，三尖瓣等方位进行扫描。这些方位均不能通过一次扫描就定位出来。而且心脏定位扫描是一个连续的过程，其中每一步定位的不准确均有可能影响后续定位的准确性，要求操作技师对心脏断层解剖非常熟悉。而且每次的定位扫描均需要患者配合屏气完成，对整体检查时间和患者体验来讲，都是非常大的挑战。另外，在获取心脏空间位置的定位以及心脏的FOV时，均需要操作者凭自己的专业知识和积累的经验手动确定。
但是，常规技术中对心脏的扫描操作复杂，且易受操作者主观意识、知识和经验不足的影响，容易导致扫描结果的准确度低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够有效提高扫描准确度的心脏的扫描方法、装置、计算机设备和存储介质。
第一方面，一种心脏的扫描方法，所述方法包括：
根据心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置；
根据心脏的轮廓和位置确定心脏的匀场定位；
基于心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位确定扫描信息；
根据扫描信息对心脏进行成像扫描，得到心脏的扫描图像。
在其中一个实施例中，根据心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置之前，还包括：
采用同时多层扫描方式得到心脏的三维图像数据。
在其中一个实施例中，根据心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置，包括：
将心脏的三维图像数据输入至预设的识别模型进行识别，得到心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置。
在其中一个实施例中，识别模型包括定位向识别子模型、区域识别子模型、轮廓和位置识别子模型；
定位向识别子模型用于根据心脏的三维图像数据对心脏进行各个解剖方位的定位像识别，得到心脏在各个解剖方位的定位图像；
区域识别子模型用于根据心脏的三维图像数据对心脏进行FOV区域识别，得到心脏的成像区域FOV的空间范围；
轮廓和位置识别子模型用于根据心脏的三维图像数据对心脏进行轮廓和位置识别，得到心脏的轮廓和位置。
在其中一个实施例中，根据心脏的轮廓和位置确定心脏的匀场定位，包括：
将心脏的轮廓和位置输入至预设的匀场识别模型进行计算，得到心脏的匀场定位；匀场定位包括心脏的匀场的空间大小和位置。
在其中一个实施例中，根据心脏的三维图像数据确定心脏的成像区域FOV的空间范围，包括：
从三维图像数据中提取出心脏的成像区域FOV对应的图像数据；
采用预设的插值算法，对成像区域FOV对应的图像数据进行插值处理，得到心脏的成像区域FOV的空间范围。
在其中一个实施例中，各个解剖方位的定位图像为14个切面的方位的定位图像。
第二方面，一种心脏的扫描装置，所述装置包括：
第一确定模块，用于根据心脏的三维图像数据确定所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的轮廓和位置；
第二确定模块，用于根据所述心脏的轮廓和位置确定所述心脏的匀场定位；
第三确定模块，用于基于所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的匀场定位确定扫描信息；
扫描模块，用于根据所述扫描信息对所述心脏进行成像扫描，得到所述心脏的扫描图像。
第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面任一实施例所述的心脏的扫描方法。
第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一实施例所述的心脏的扫描方法。
本申请提供的一种心脏的扫描方法、装置、计算机设备和存储介质，先是通过心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置，再根据心脏的轮廓和位置确定心脏的匀场定位。然后基于心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位即可确定扫描信息。终端再根据扫描信息对心脏进行成像扫描，得到心脏的扫描图像。在上述扫描方法中，由于终端是根据心脏的三维图像数据获取到心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置，相比于传统的根据操作人员手动扫描心脏部位获取心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置的方法，本申请提出的心脏的扫描方法不会受到操作人员的经验和水平不同的影响，极大的提高了扫描准确度。另外，本申请提出的心脏的扫描过程因不需要操作人员介入执行多个步骤的定位像扫描工作，简化了传统的在成像扫描心脏之前的工作流程，极大的提升了扫描操作人员的工作便捷性。
附图说明
图1为一个实施例提供的一种应用场景的示意图；
图2为一个实施例提供的一种心脏的扫描方法的流程图；
图3为一个实施例提供的一种心脏的扫描方法的流程图；
图4为一个实施例提供的一种心脏的扫描方法的流程图；
图5为一个实施例提供的一种心脏的扫描系统的结构示意图；
图6为一个实施例提供的一种心脏的扫描装置的结构示意图；
图7为一个实施例提供的一种心脏的扫描装置的结构示意图；
图8为一个实施例提供的一种计算机设备的内部结构示意图。
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，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请提供的心脏的扫描方法，可以应用于如图1所示的应用环境中，其中，终端与扫描设备连接。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等具有计算功能的设备，扫描设备可以是核磁共振扫描设备、CT扫描设备等具有扫描功能的医学影像设备。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
在一个实施例中，图2为一个实施例提供的一种心脏的扫描方法的流程图。本实施的执行主体为图1中的终端，本实施例涉及的是终端根据心脏的三维图像数据确定心脏的扫描信息的具体过程。如图2所示，该方法包括：
S101、根据心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置。
其中，心脏的三维图像数据表示通过核磁共振扫描设备对患者进行扫描后得到的三维空间的图像数据，包括覆盖全部心脏的图像数据。各个解剖方位可以具体包括左室长轴位、四腔心位、标准垂直长轴位、标准水平长轴位、标准短轴位、左室流入-流出道层面、左室流出道层面、二尖瓣位、主动脉瓣横断位、右室流出道层面等不同的方位。可选的，本实施例中的各个解剖方位的定位图像为14个切面的方位的定位图像。心脏的成像区域(Fieldof view，FOV)的空间范围表示包含全部感兴趣区域所有解剖结构的区域范围，以避免相位编码方向上的卷折伪影。
在一个实施例中，心脏在各个解剖方位的定位图像通过心脏模型获取，且心脏模型包括多个子模型，每个子模型分别对应一个解剖方位。每个子模型的参数设置分别不同，具体可通过识别不同解剖方位的长轴位图像的差异进行区分。例如，左室长轴位可为标准横轴位上经过心尖、平行于室间隔定位获得；四腔心位为在左室长轴位上经过心尖和二尖瓣中点连线定位获得；再例如，标准垂直长轴位为在四腔心位上再次经过心尖和二尖瓣中点连线定位获得。
在一个实施例中，心脏的位置可通过如下方式获取：输入横断面的三维医学图像集合；获取横断面的模板图像集合；比较三维医学图像集合和模板图像集合，确定展示横断面上心脏的起始层的三维医学图像集合的第一医学图像元素，确定展示横断面上心脏终止层的三维图像集合的第二医学图像元素；根据模板图像集合中，展示心脏起始层的第一模板图像元素、展示心脏终止层的第二模板图像元素与展示心脏标志层的第三模板图像元素三者之间的关系，确定三维医学图像集合中横断面上展示心脏标志层的第三医学图像元素。本申请实施例中将第一医学图像元素确定位心脏的起始层，将第二医学图像元素作为心脏的终止层，将第三医学图像元素作为心脏的标志层，标志层具体位起始层和终止层加权平均所对应的层面。
在一个实施例中，心脏的轮廓的获取可采用自适应形状匹配方法，设定一心脏模型，在匹配过程中,以心脏起始层匹配结果作为初分割模板,同时将其作为下一层的分割模板,如此迭代更新直至遍历结束,由此实现所有图像序列与心脏模型的匹配,从而得到了全心脏边界的匹配结果，即心脏轮廓。心脏的成像区域FOV的空间范围以完全覆盖心脏轮廓为准。
在其他实施例中，各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置确定可采用基于机器学习的方法，通过大量历史数据提取心脏解剖结构特征、边界轮廓等特征数据，训练分类器，将待处理数据输入分类器即可获取上述检测结果，提高扫描实时性。
本实施中，当终端获取到一个心脏的三维图像数据后，可以进一步的采用相应的识别算法或分割算法通过对该三维图像数据进行分析和计算，直接得到该心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置中的至少一种数据。需要说明的是，在传统的手动心脏检查过程中，上述各个解剖方位的定位图像是由扫描设备在各个解剖方位上进行心脏部位扫描时得到的图像，而本实施例中的各个解剖方位的定位图像是由心脏的三维图像数据得到的。在传统的手动心脏检查过程中，上述心脏的成像区域FOV的空间范围是由扫描设备的操作者根据定位像解剖结构或依据经验设置的，而本实施例中的各个解剖方位的定位图像是由终端通过分析和计算心脏的三维图像数据得到的。
S102、根据心脏的轮廓和位置确定心脏的匀场定位。
当终端获取到心脏的轮廓和位置时，可以进一步的根据心脏的轮廓和位置确定该心脏的匀场定位，具体得到该心脏的匀场的空间大小和位置。在常规应用中，操作者需要手动确认患者心脏的空间位置，在三维空间位置上将心脏匀场区包裹在心脏周围，以便得到更精确的匀场效果。而在本实施中，终端根据心脏的三维数据获取到心脏的轮廓和位置，再由心脏的轮廓和位置，在三维空间位置上确定出心脏匀场区域的空间大小和位置。相比于常规手段，本实施例提出的确定心脏匀场定位的方法更加准确，匀场效果更加。
S103、基于心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位确定扫描信息。
扫描信息可以包括终端对心脏进行成像扫描的扫描方位信息、角度信息、扫描速度、扫描频率、层厚、采集矩阵、显示矩阵、信号编码方向、扫描时间、不同功能序列执行的顺序等信息。当终端基于前述的步骤获取到心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位时，可以进一步通过分析这些数据或信息得到成像扫描心脏时需要的扫描信息，以便之后成像扫描时使用。需要说明的是，上述分析这些数据或信息的过程可以是终端采用相应的分析算法实现对这些数据或信息的分析和计算，得到扫描信息。可选的，上述分析这些数据或信息的过程也可以采用常规的方法，即由扫描设备操作人员根据自身经验和认知分析上述这些数据或信息得到扫描信息，对此本实施不做限制。
S104、根据扫描信息对心脏进行成像扫描，得到心脏的扫描图像。
当终端得到扫描信息后，可以进一步的将这些扫描信息发送给与之连接的扫描设备，以使扫描设备根据扫描信息配置扫描参数，以执行对心脏的成像扫描工作，从而得到心脏的扫描图像。可选的，终端也可以是具有扫描功能的终端，在该种应用下，当终端得到扫描信息后，可以进一步的将这些扫描信息作为扫描配置参数进行扫描配置，然后启动其上的扫描装置实现对心脏的成像扫描，从而得到心脏的扫描图像。
本实施例提供的心脏的扫描方法，先是通过心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置，再根据心脏的轮廓和位置确定心脏的匀场定位。然后基于心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位即可确定扫描信息。终端再根据扫描信息对心脏进行成像扫描，得到心脏的扫描图像。在上述扫描方法中，由于终端是根据心脏的三维图像数据获取到心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置，相比于传统的根据操作人员手动扫描心脏部位获取心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置的方法，本申请提出的心脏的扫描方法不会受到操作人员的经验和水平不同的影响，极大的提高了扫描准确度。另外，本申请提出的心脏的扫描过程因不需要操作人员介入执行多个步骤的定位像扫描工作，简化了传统的在成像扫描心脏之前的工作流程，极大的提升了扫描操作人员的工作便捷性。
在实际应用中，上述心脏的三维图像数据的获取方法可以有很多种，其中一种为通过扫描心脏得到，因此，在上述S101“根据心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置”之前，图2实施例所述的心脏的扫描方法，还包括：采用多层扫描方式进行一次扫描，得到心脏的三维图像数据。
本实施例涉及终端通过其上的扫描装置，或者是与终端连接的其它扫描设备扫描患者的心脏获取心脏的三维图像数据的过程，在该过程中，扫描装置或扫描设备是对患者进行了一次扫描，患者是在一次屏气下完成扫描的，而传统的通过手动扫描获取多个切面的定位像的方法，需要多次对患者进行屏气扫描。因此，本申请提出的心脏的扫描方法对患者来说接收度较高，且不会对患者造成任何身体上的影响。
可选的，上述S101“根据心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置”，可以具体包括：将心脏的三维图像数据输入至预设的识别模型进行识别，得到心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置。
其中，识别模型为终端预先训练好的识别模型，用于对心脏的三维图像数据进行识别，得到心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置。上述识别模型可以是基于机器学习算法构建的模型，也可以是基于各种类型的神经网络算法构建的模型，对此本实施例不做限制，只要该识别模型能够根据心脏的三维图像数据进行识别，得到心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置即可。本实施例存在两种应用场景，第一种应用场景为：当终端获取到心脏的三维图像数据时，可以将心脏的三维图像数据输入至预设的识别模型同时进行定位图像、成像区域、轮廓和位置的识别，分别得到心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置。第二种应用场景为：当终端获取到心脏的三维图像数据时，可以将该三维图像数据输入至预设的识别模型进行定位图像识别，得到心脏在各个解剖方位的定位图像，再将心脏在各个解剖方位的定位图像输入至预设的识别模型进行区域识别，得到心脏的成像区域FOV的空间范围。以及将心脏在各个解剖方位的定位图像输入至预设的识别模型进行轮廓和位置识别，得到心脏的轮廓和位置。
上述根据心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置的方法均是通过智能算法得到的，因此通过该方法得到的心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置的准确性不会受到人为经验因素的影响，准确性很高。
在实际应用中，上述识别模型可以包括定位向识别子模型、区域识别子模型、轮廓和位置识别子模型。在该种应用下，定位向识别子模型用于根据心脏的三维图像数据对心脏进行各个解剖方位的定位像识别，得到心脏在各个解剖方位的定位图像；区域识别子模型用于根据心脏的三维图像数据对心脏进行FOV区域识别，得到心脏的成像区域FOV的空间范围；轮廓和位置识别子模型用于根据心脏的三维图像数据对心脏进行轮廓和位置识别，得到心脏的轮廓和位置。
在一个实施例中，提供了图2实施例S102的具体实现方式，即，上述S102“根据心脏的轮廓和位置确定心脏的匀场定位”包括：将心脏的轮廓和位置输入至预设的匀场识别模型进行计算，得到心脏的匀场定位；匀场定位包括心脏的匀场的空间大小和位置。
其中，匀场识别模型为终端预先训练好的模型，用于对心脏的匀场进行识别定位，得到心脏的匀场的空间大小和位置，即心脏匀场定位。上述匀场识别模型可以是基于机器学习算法构建的模型，也可以是基于各种类型的神经网络算法构建的模型，对此本实施例不做限制，只要该匀场识别模型能够根据心脏的轮廓和位置进行匀场定位即可。本实施例中，当终端获取到心脏的轮廓和位置时，可以将该心脏的轮廓和位置输入至预先训练好的匀场识别模型中进行计算，从而得到心脏的匀场定位。
在上述终端根据心脏的三维图像数据确定心脏的成像区域FOV的空间范围时，还可以采用一种实现方式，如图3所示，该实现方式包括：
S201、从三维图像数据中提取出心脏的成像区域FOV对应的图像数据。
当终端获取到心脏的三维数据时，可以进一步的从该三维数据中提取出心脏的成像区域FOV对应的图像数据。
S202、采用预设的插值算法，对成像区域FOV对应的图像数据进行插值处理，得到心脏的成像区域FOV的空间范围。
由于上述提取出的图像数据表示的区域范围与实际心脏的FOV的空间范围存在差异性，一般实际心脏的FOV的空间范围超出上述提取出的图像数据表示的区域范围，因此，本实施例中，终端可以采用预设的插值算法，对提取出心脏的FOV对应的图像数据进行插值处理，填充超出范围的图像数据，从而得到与实际心脏的FOV的空间范围更加符合的心脏的FOV的空间范围。
在一个实施例中，本申请还提供了一种确定扫描信息的方法，如图4所示，上述S103“基于心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位确定扫描信息”包括：
S301、获取历史数据库中的扫描数据；历史数据库中包括多个数据集，且每个数据集包括心脏在各个解剖方位的历史定位图像、心脏的成像区域FOV的历史空间范围、以及心脏的历史匀场定位，以及各自数据集对应的扫描信息。
S302、将历史数据库中的扫描数据与心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位的当前检测者的扫描数据进行比较，并确定上述当前检测者的扫描数据与历史数据库中每个数据集中的扫描数据之间的匹配度。
S303、选定历史数据库中匹配度最高的数据集所对应的扫描信息为当前检测者的待执行的扫描信息。
本申请实施例提供了参考历史数据库确定扫描信息的方法，提高了扫描信息确定的合理性和准确度，进而提高了系统扫描的响应速度，以及增强扫描成功率。
可选的，上述实施例中的扫描信息可以具体包括不同功能序列执行的顺序，例如：扫描信息包括mapping序列(T1-mapping序列、T2-mapping序列)、心脏电影序列、灌注成像的序列、延迟强化序列等两种或两种以上序列对心脏扫描时的成像顺序。在该应用环境下，根据不同的扫描信息，可以对心脏的不同信息进行检测：
示例1：执行T1-mapping序列和/或T2-mapping序列，以获得当前检测者的心脏心肌组织的T1值、T2值，从而确定心脏的组织对比是否正常。
示例2：执行心脏电影序列，以在心功能扫描时在线计算出心脏射血分数、容积曲线、三维室壁厚度、三维运动状态数据等，并在检查界面上实时呈现给操作者；室壁改变区域及运动状态的三维空间位置需要和当前扫描坐标系一一对应，以便后续的扫描可以以此为参照，通过心脏电影序列的成像结果可以确定心脏是否存在处于减压状态的区域。
示例3：执行灌注成像的序列，以确定心肌是否存在灌注减低区域，直接或间接反映心肌是否存在缺血或梗死区；在此实施例中，可根据心脏电影序列的成像结果确定灌注成像的序列参数，即参考心脏电影序列的成像结果调整灌注成像的序列。
示例4：执行延迟强化序列，以确定心机梗死发生的位置。在该例中，可根据灌注成像的序列成像结果分析是否存在异常区域，以确定延迟强化序列参数，即参考灌注成像的序列成像结果调整延迟强化序列；当然需要说明的是，在灌注成像的序列和延迟强化序列的执行期间通常有10min的延迟期，在该延迟期内还可执行心脏电影序列。
进一步地，还可根据延迟强化序列的结果进行高分辨率的扫描，以获取局部延迟强化图像和/或增强后的mapping图像。
本申请实施例中，基于已有的心脏扫描结果在线计算，更进一步将计算结果在检查界面以二维或三维呈现，且与当前扫描病人坐标系关联，以给后续扫描参考，将后处理结果反馈给扫描端，在线实时控制扫描过程，提高扫描效率和准确率，克服了以往心脏磁共振扫描时需要对病灶区域进行密切灌注关注和专门增加序列扫描，需要医生根据经验判断病灶位置而存在认为人为误差的缺陷，提高了诊断成功率。
综合上述实施例，本申请还提供了一种心脏的扫描系统，如图4所示，该系统包括：采集装置、第一识别网络、第二识别网络、计算装置以及扫描装置。采集装置的输出端连接第一识别网络的输入端，第一识别网络的一个输出端连接第二识别网络的输入端，第一识别网络的另外两个输出端和第二识别网络的输出端均连接计算装置的输入端，计算装置的输出端连接扫描装置的输入端。
其中，采集装置用于获取患者单次屏气扫描得到的多层的三维图像数据；第一识别网络用于对输入的三维图像数据进行定位像识别、FOV空间范围识别、心脏的轮廓和位置识别，得到心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置。第二识别网络用于对输入的心脏的轮廓和位置进行匀场识别，得到心脏的匀场定位。计算装置用于根据心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位计算得到扫描信息；扫描装置用于根据扫描信息对心脏进行扫描，得到心脏的扫描图像。上述心脏的扫描系统可以实现根据对患者的一次屏气扫描得到的心脏的三维图像数据，全自动的获取心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位。相比于传统的通过操作员手动扫描心脏得到不同方位的定位图像，以及其它信息的系统，本申请提供的心脏的扫描系统具有扫描准确性高的优点，且该扫描系统可以不依赖操作人员的经验，适用于各类人群，普及应用性较强。另外，该扫描系统因为没有介入操作人员的扫描定位操作，完全是由终端自动执行整个扫描过程，因此，该系统可以极大缩短扫描时间，进而提高扫描效率。
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行。
在一个实施例中，如图6所示，提供了一种心脏的扫描装置，包括：第一确定模块11、第二确定模块12、第三确定模块13和扫描模块14，其中：
第一确定模块11，用于根据心脏的三维图像数据确定所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的轮廓和位置；
第二确定模块12，用于根据所述心脏的轮廓和位置确定所述心脏的匀场定位；
第三确定模块13，用于基于所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的匀场定位确定扫描信息；
扫描模块14，用于根据所述扫描信息对所述心脏进行成像扫描，得到所述心脏的扫描图像。
在一个实施例中，如图7所示，上述装置还包括：
定位像扫描模块15，用于采用多层扫描方式进行一次扫描，得到心脏的三维图像数据。
在一个实施例中，上述第一确定模块11具体用于将心脏的三维图像数据输入至预设的识别模型进行识别，得到心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置。
在一个实施例中，上述识别模型包括定位向识别子模型、区域识别子模型、轮廓和位置识别子模型；
定位向识别子模型用于根据心脏的三维图像数据对心脏进行各个解剖方位的定位像识别，得到心脏在各个解剖方位的定位图像；
区域识别子模型用于根据心脏的三维图像数据对心脏进行FOV区域识别，得到心脏的成像区域FOV的空间范围；
轮廓和位置识别子模型用于根据心脏的三维图像数据对心脏进行轮廓和位置识别，得到心脏的轮廓和位置。
在一个实施例中，上述第二确定模块12具体用于将心脏的轮廓和位置输入至预设的匀场识别模型进行计算，得到心脏的匀场定位；匀场定位包括心脏的匀场的空间大小和位置。
在一个实施例中，上述第一确定模块11还具体用于从三维图像数据中提取出心脏的成像区域FOV对应的图像数据；采用预设的插值算法，对成像区域FOV对应的图像数据进行插值处理，得到心脏的成像区域FOV的空间范围。
在一个实施例中，上述各个解剖方位的定位图像为14个切面的方位的定位图像。
关于心脏的扫描装置的具体限定可以参见上文中对于一种心脏的扫描方法的限定，在此不再赘述。上述心脏的扫描装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种心脏的扫描方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
根据心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置；
根据心脏的轮廓和位置确定心脏的匀场定位；
基于心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位确定扫描信息；
根据扫描信息对心脏进行成像扫描，得到心脏的扫描图像。
上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，计算机设备电气连接如图1所示的扫描设备。扫描设备以磁共振扫描仪为例说明，该磁共振扫描仪包括磁体、梯度线圈、射频发射线圈、射频接收线圈、谱仪系统以及其他辅助系统，其中，磁体用于产生主磁场，梯度线圈主要包含梯度电流放大器(AMP)、梯度线圈；射频发射线圈用于产生射频场；射频接收线圈用于接收人体质子核自旋的磁共振；谱仪系统主要包括脉冲序列发生器、梯度波形发生器、发射机和接收机等，而计算机设备用于控制磁共振扫描仪运行和最终成像。
在一个实施例中，计算机设备控制磁共振扫描仪成像，计算机设备预先存储前述多种不同功能序列的预设参数：
计算机设备存储和发送需要执行的第一扫描序列(scan sequence)的指令，该第一扫描序列的指令为前述扫描信息的mapping序列，脉冲序列发生器根据扫描序列指令对梯度波形发生器和发射机进行控制，梯度波形发生器输出具有预定时序和波形的梯度脉冲信号，该信号经过Gx、Gy和Gz梯度电流放大器，再通过梯度线圈中的三个独立通道Gx、Gy、Gz，每个梯度放大器激发梯度线圈组中对应的一个梯度线圈，产生用于生成相应空间编码信号的梯度场，以对磁共振信号进行空间定位；谱仪系统中的脉冲序列发生器还执行扫描序列，输出包括射频发射的射频脉冲的计时、强度、形状等数据以及射频接收的计时和数据采集窗口的长度到发射机，同时发射机将相应射频脉冲发送至体发射线圈产生B1场，在B1场作用下病人体内被激发的原子核发出的信号被接收线圈感知到，然后通过发送/接收开关传输到前置放大器，放大的磁共振信号经过解调、过滤、AD转换等数字化处理，然后传输到计算机系统500的存储模组；
计算机设备存储第一扫描序列对应的扫描结果(T1值和/或T2值)，根据该扫描结果生成调整心脏电影序列的参数，并根据调整后的心脏电影序列的参数生成需要执行的第二扫描序列的指令，以及将该指令发送至磁共振扫描仪，磁共振扫描仪的RF发射线圈、梯度线圈根据第二扫描序列的指令生成相应的RF场和梯度场。
当然，在其他实施例中，还可第一扫描序列对应的扫描结果调整灌注成像的序列参数，以及根据灌注成像的序列扫描结果调整延迟强化序列的参数。本申请实施例中，基于已有的心脏扫描结果在线计算，以给后续扫描参考，将后处理结果反馈给扫描端，在线实时控制扫描过程，提高扫描效率和准确率，克服了以往心脏磁共振扫描时需要对病灶区域进行密切关注和专门增加序列扫描，需要医生根据经验判断病灶位置而存在认为人为误差的缺陷，提高了诊断成功率。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时还实现以下步骤：
根据心脏的三维图像数据确定心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的轮廓和位置；
根据心脏的轮廓和位置确定心脏的匀场定位；
基于心脏在各个解剖方位的定位图像、心脏的成像区域FOV的空间范围、以及心脏的匀场定位确定扫描信息；
根据扫描信息对心脏进行成像扫描，得到心脏的扫描图像。
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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发明的几种实施方式，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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种心脏的扫描方法，其特征在于，所述方法包括：
根据心脏的三维图像数据确定所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的轮廓和位置；
根据所述心脏的轮廓和位置确定所述心脏的匀场定位；
基于所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的匀场定位确定扫描信息；
根据所述扫描信息对所述心脏进行成像扫描，得到所述心脏的扫描图像。
2.根据权利要求1所述的方法，其特征在于，所述根据心脏的三维图像数据确定所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的轮廓和位置之前，还包括：
采用同时多层扫描方式得到所述心脏的三维图像数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述心脏的三维图像数据确定所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的轮廓和位置，包括：
将所述心脏的三维图像数据输入至预设的识别模型进行识别，得到所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的轮廓和位置。
4.根据权利要求3所述的方法，其特征在于，所述识别模型包括定位向识别子模型、区域识别子模型、轮廓和位置识别子模型；
所述定位向识别子模型用于根据所述心脏的三维图像数据对所述心脏进行各个解剖方位的定位像识别，得到所述心脏在各个解剖方位的定位图像；
所述区域识别子模型用于根据所述心脏的三维图像数据对所述心脏进行FOV区域识别，得到所述心脏的成像区域FOV的空间范围；
轮廓和位置识别子模型用于根据所述心脏的三维图像数据对所述心脏进行轮廓和位置识别，得到所述心脏的轮廓和位置。
5.根据权利要求1所述的方法，其特征在于，所述根据所述心脏的轮廓和位置确定所述心脏的匀场定位，包括：
将所述心脏的轮廓和位置输入至预设的匀场识别模型进行计算，得到所述心脏的匀场定位；所述匀场定位包括所述心脏的匀场的空间大小和位置。
6.根据权利要求1所述的方法，其特征在于，根据所述心脏的三维图像数据确定所述心脏的成像区域FOV的空间范围，包括：
从所述三维图像数据中提取出所述心脏的成像区域FOV对应的图像数据；
采用预设的插值算法，对所述成像区域FOV对应的图像数据进行插值处理，得到所述心脏的成像区域FOV的空间范围。
7.根据权利要求1所述的方法，其特征在于，所述各个解剖方位的定位图像为14个切面的方位的定位图像。
8.一种心脏的扫描装置，其特征在于，所述装置包括：
确定模块，用于根据心脏的三维图像数据确定所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的匀场定位；
扫描模块，用于基于所述心脏在各个解剖方位的定位图像、所述心脏的成像区域FOV的空间范围、以及所述心脏的匀场定位，对所述心脏进行扫描，得到所述心脏的扫描图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910959439.XA CN112652049B (zh) | 2019-10-10 | 2019-10-10 | 心脏的扫描方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910959439.XA CN112652049B (zh) | 2019-10-10 | 2019-10-10 | 心脏的扫描方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112652049A true CN112652049A (zh) | 2021-04-13 |
| CN112652049B CN112652049B (zh) | 2022-09-27 |
Family
ID=75343426
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910959439.XA Active CN112652049B (zh) | 2019-10-10 | 2019-10-10 | 心脏的扫描方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112652049B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103201768A (zh) * | 2010-11-12 | 2013-07-10 | 皇家飞利浦电子股份有限公司 | 对心血管系统的要进行钙化评分的各个子区域的识别 |
| WO2014081022A1 (ja) * | 2012-11-22 | 2014-05-30 | 株式会社東芝 | 磁気共鳴イメージング装置及び磁気共鳴イメージング方法 |
| CN109584254A (zh) * | 2019-01-07 | 2019-04-05 | 浙江大学 | 一种基于深层全卷积神经网络的心脏左心室分割方法 |
| 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 |
-
2019
- 2019-10-10 CN CN201910959439.XA patent/CN112652049B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103201768A (zh) * | 2010-11-12 | 2013-07-10 | 皇家飞利浦电子股份有限公司 | 对心血管系统的要进行钙化评分的各个子区域的识别 |
| WO2014081022A1 (ja) * | 2012-11-22 | 2014-05-30 | 株式会社東芝 | 磁気共鳴イメージング装置及び磁気共鳴イメージング方法 |
| CN109584254A (zh) * | 2019-01-07 | 2019-04-05 | 浙江大学 | 一种基于深层全卷积神经网络的心脏左心室分割方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 张锡英等: "基于断层扫描数据的心脏三维重建", 《重庆理工大学学报(自然科学)》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112652049B (zh) | 2022-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110458817B (zh) | 医学图像的质量预测方法、装置、设备及存储介质 | |
| US9626777B2 (en) | Method and apparatus to generate image data | |
| US9652872B2 (en) | System and method of medical imaging | |
| CN109709503B (zh) | 一种磁共振系统控制方法、磁共振系统、计算机设备 | |
| US9712789B2 (en) | Method and apparatus to generate image data | |
| CN101596110B (zh) | 心脏mri中视场的自动确定 | |
| US20110228998A1 (en) | System and method for automatic computation of mr imaging scan parameters | |
| CN110960241A (zh) | 医学影像扫描的扫描参数确定方法、装置和计算机设备 | |
| CN109431506B (zh) | 医疗图像设备成像参数设置方法、装置、存储介质及设备 | |
| US11510587B2 (en) | Left ventricle segmentation in contrast-enhanced cine MRI datasets | |
| US20200297284A1 (en) | Cardiac scar detection | |
| CN113096061B (zh) | 图像诊断辅助装置、医用图像取得装置以及计算机可读记录介质 | |
| CN111223158A (zh) | 心脏冠脉图像的伪影校正方法和可读存储介质 | |
| CN113538336A (zh) | 全心脏多期相定位图像生成方法、装置、设备和介质 | |
| CN110473226B (zh) | 图像处理网络的训练方法、计算机设备及可读存储介质 | |
| CN112652049B (zh) | 心脏的扫描方法、装置、计算机设备和存储介质 | |
| CN110244249B (zh) | 磁共振扫描方法、装置、医学扫描设备和存储介质 | |
| CA3109456A1 (en) | System, method and computer-accessible medium for tissue fingerprinting | |
| US20170231523A1 (en) | Method and magnetic resonance apparatus scar quantification in the myocardium | |
| CN110327066B (zh) | 心脏运动信号获取方法、装置、计算机设备和存储介质 | |
| US11172842B2 (en) | Method and device for analyzing acquired magnetic resonance images | |
| KR20220092685A (ko) | 신경망을 통한 적혈구 용적 예측 기반 ecv 맵 생성 방법 및 장치 | |
| WO2021012972A1 (zh) | 核磁共振成像控制方法、装置及计算机可读存储介质 | |
| CN112494030A (zh) | 心脏成像系统和方法 | |
| CN113495239A (zh) | 医学图像的成像方法、装置和系统 |
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 |