CN112716509A - 一种医学设备的运动控制方法及系统 - Google Patents
一种医学设备的运动控制方法及系统 Download PDFInfo
- Publication number
- CN112716509A CN112716509A CN202011544677.3A CN202011544677A CN112716509A CN 112716509 A CN112716509 A CN 112716509A CN 202011544677 A CN202011544677 A CN 202011544677A CN 112716509 A CN112716509 A CN 112716509A
- Authority
- CN
- China
- Prior art keywords
- target object
- target
- feature points
- medical device
- motion 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000010801 machine learning Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 93
- 230000005855 radiation Effects 0.000 claims description 45
- 230000037237 body shape Effects 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 abstract description 17
- 210000000038 chest Anatomy 0.000 description 33
- 238000003384 imaging method Methods 0.000 description 21
- 210000003128 head Anatomy 0.000 description 18
- 230000036544 posture Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 210000000056 organ Anatomy 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 210000003423 ankle Anatomy 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 210000003739 neck Anatomy 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 210000001513 elbow Anatomy 0.000 description 1
- 230000003028 elevating effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000002832 shoulder Anatomy 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4476—Constructional features of apparatus for radiation diagnosis related to motor-assisted motion of the source unit
-
- 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
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
- A61B6/544—Control of apparatus or devices for radiation diagnosis involving control of exposure dependent on patient size
-
- 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
- A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
- A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种医学设备的运动控制方法和系统,该方法包括:获取目标对象体型信息;基于体型信息和机器学习模型,确定目标对象的若干特征点,其中,若干特征点用于反映目标对象的位姿;获取目标对象的拍摄部位;基于拍摄部位和若干特征点的位置信息,确定医学设备的目标位置。本申请提供的运动控制方法和系统可以通过机器学习模型对体型信息进行处理,更加准确地获取目标对象的若干个特征点,从而确定出更加精确的医学设备的目标位置,有效提高医学设备的工作效率。
Description
技术领域
本申请涉及医学设备技术领域,特别涉及一种医学设备的运动控制方法及系统。
背景技术
医学影像检测是常用的医学诊疗辅助手段之一。利用医学设备对患者进行扫描检查时,首先需要根据拍摄的需求确定拍摄部位,然后控制医学设备移动至与该拍摄部位对应的位置,与扫描/成像相关的运动部件能否准确移动至与拍摄部位对应的位置会直接影响成像效果。
因此,有必要提供一种运动控制方法和系统,以控制医学设备移动更准确的位置。
发明内容
本申请实施例之一提供一种医学设备的运动控制方法,所述方法包括:获取目标对象的体型信息;基于所述体型信息和机器学习模型,确定所述目标对象的若干特征点,其中,所述若干特征点用于反映目标对象的位姿;获取所述目标对象的拍摄部位;基于所述拍摄部位和所述若干特征点,确定所述医学设备的目标位置。
本申请实施例之一提供一种医学设备的运动控制系统,所述系统包括:获取模块,所述获取模块用于获取目标对象的体型信息;以及获取所述目标对象的拍摄部位;以及处理模块,所述确定模块用于基于所述体型信息和机器学习模型,确定所述目标对象的若干特征点,其中,所述若干特征点用于反映目标对象的位姿;以及确定模块,所述确定模块用于基于所述拍摄部位和所述若干特征点,确定所述医学设备的目标位置。
本申请实施例之一提供一种医学设备的运动控制装置,所述运动控制装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令,以实现上述的医学设备的运动控制方法。
本申请实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时,实现上述的医学设备的运动控制方法。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的医学设备的运动控制系统的应用场景示意图;
图2是根据本申请一些实施例所示的医学设备的运动控制方法的示例性流程图;
图3是根据本申请一些实施例所示的医学设备的运动控制系统的示例性模块图;
图4是根据本申请一些实施例所示的另一医学设备的结构示意图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的医学设备的运动控制系统的应用场景示意图。如图1所示,在一些实施例中,运动控制系统100可以包括医学设备110、网络120、至少一个终端130、处理设备140和存储设备150、摄像头160和医疗床170。该系统100中的多个组件之间可以通过网络120互相连接。例如,处理设备140和医学设备110可以通过网络120连接或通信。
在一些实施例中,医学设备110是指用来对目标对象进行扫描成像或者治疗的设备。医学设备110可以包括产生射线的射线源,射线源产生射线后可以对目标对象进行扫描或者治疗。医学设备还可以包括接收射线的探测器,探测器可以接收穿过目标对象的射线,获得扫描数据。
在一些实施例中,医学设备110可以包括DR(digital radiography)设备(如图1所示)。在一些实施例中,医学设备110(如,DR设备)可以包括机架111、与机架连接的探测器112、用于发射X射线的射线源113、与射线源113连接的活动臂115以及胸片架114。在利用DR设备对目标对象进行扫描成像时,目标对象需要站立在胸片架114的平台上。机架111可以在诊疗室的地面上自由活动,探测器112可以相对机架111进行活动(例如,升降运动、旋转运动)。活动臂115可以活动地连接于诊疗室的各个位置,也可以是一个独立的部件。当活动臂115运动时,可以带动射线源113进行移动。因此,处理设备140可以通过控制机架111来调整探测器112的位置,以及通过控制活动臂115来调整射线源113的位置。在后面一个或多个实施例中,会将运动控制方法与DR设备结合进行说明,此处不再赘述。
如图4所示。在一些实施例中,医学设备410也可以包括大C设备。例如,DSA(Digital subtraction angiography)设备。在一些实施例中,医学设备410可以包括连接臂411、与连接臂411连接的C型臂412、固定于C型臂412上的探测器413和射线源414。连接臂411可以用于支撑C型臂412,连接臂411可以设置在诊疗室的任意位置。例如,连接臂411可以设置在诊疗室的天花板的导轨415上,也可以设置在诊疗室的地面,连接臂411可以在处理设备140的控制下进行运动。探测器413和射线源414分别位于C型臂412的两端。医疗床470用于供目标对象躺下。射线源414可以发射X射线以照射目标对象。探测器413可以用于接收由射线源414发射并穿过目标对象的X射线。为了方便描述,本申请一个或多个实施例将以DR设备为例进行说明。
网络120可以包括能够促进运动控制系统100的信息和/或数据交换的任何合适的网络。在一些实施例中,运动控制系统100的至少一个组件(例如,医学设备110、处理设备140、存储设备150、至少一个终端130)可以通过网络120与运动控制系统100中至少一个其他组件交换信息和/或数据。例如,处理设备140可以通过网络120从摄像头160中获得目标对象的体型轮廓图像。网络120可以包括公共网络(例如,因特网)、专用网络(例如,局部区域网络(LAN))、有线网络、无线网络(例如,802.11网络、Wi-Fi网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、交换机等或其任意组合。例如,网络120可以包括有线网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等或其任意组合。在一些实施例中,网络120可以包括至少一个网络接入点。例如,网络120可以包括有线和/或无线网络接入点(例如,基站和/或互联网交换点),运动控制系统100的至少一个组件可以通过接入点连接到网络120以交换数据和/或信息。
至少一个终端130可以与医学设备110、处理设备140和/或存储设备150通信和/或连接。例如,处理设备140获取的医学设备110的目标位置的信息可以存储在存储设备150中。在一些实施例中,至少一个终端130可以包括移动设备131、平板计算机132、膝上型计算机133等或其任意组合。例如,移动设备131可以包括移动控制手柄、个人数字助理(PDA)、智能手机等或其任意组合。在一些实施例中,至少一个终端130可以包括显示器,显示器可以用于显示运动控制过程的相关信息(如,医学设备110的运动路径)。
在一些实施例中,至少一个终端130可以包括输入设备、输出设备等。输入设备可以选用键盘输入、触摸屏(例如,具有触觉或触觉反馈)输入、语音输入、眼睛跟踪输入、手势跟踪输入、大脑监测系统输入、图像输入、视频输入或任何其他类似的输入机制。通过输入设备接收的输入信息可以通过如总线传输到处理设备140,以进行进一步处理。其他类型的输入设备可以包括光标控制装置,例如,鼠标、轨迹球或光标方向键等。在一些实施例中,医学设备的操作人员(如,技师或医生)可以通过输入设备输入反映所选择的拍摄协议的指令。输出设备可以包括显示器、扬声器、打印机等或其任意组合。输出设备可以用于输出处理设备140确定的运动路径或者摄像头160获取的体型轮廓图像等。在一些实施例中,至少一个终端130可以是处理设备140的一部分。
处理设备140可以处理从医学设备110(或医学设备410)、存储设备150、至少一个终端130或运动控制系统100的其他组件获得的数据和/或信息。例如,处理设备140可以从医学设备110中获取医学设备110的当前位置信息。又例如,处理设备140可以从摄像头160获取目标对象的体型轮廓图像。在一些实施例中,处理设备140可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中,处理设备140可以是本地或远程的。例如,处理设备140可以通过网络120从医学设备110、存储设备150和/或至少一个终端130访问信息和/或数据。又例如,处理设备140可以直接连接到医学设备110、至少一个终端130和/或存储设备150以访问信息和/或数据。在一些实施例中,处理设备140可以在云平台上实现。例如,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
存储设备150可以存储数据、指令和/或任何其他信息。例如,拍摄协议等。在一些实施例中,存储设备150可以存储从医学设备110、至少一个终端130和/或处理设备140获得的数据。在一些实施例中,存储设备150可以存储处理设备140用来执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。在一些实施例中,存储设备150可以在云平台上实现。
在一些实施例中,存储设备150可以连接到网络120以与运动控制系统100中的至少一个其他组件(例如,处理设备140、至少一个终端130)通信。运动控制系统100中的至少一个组件可以通过网络120访问存储设备150中存储的数据(例如,体型轮廓图像)。在一些实施例中,存储设备150可以是处理设备140的一部分。
应该注意的是,上述描述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域普通技术人员而言,在本申请内容的指导下,可做出多种变化和修改。可以以各种方式组合本申请描述的示例性实施例的特征、结构、方法和其他特征,以获得另外的和/或替代的示例性实施例。例如,存储设备150可以是包括云计算平台的数据存储设备150,例如公共云、私有云、社区和混合云等。然而,这些变化与修改不会背离本申请的范围。
在一些实施例中,在利用医学设备(例如,DSA设备、DR设备等)对目标对象进行拍摄成像时,首先需要确定目标对象需要拍摄的部位(例如,需要对目标对象的头部或者胸部进行拍摄)。然后需要根据拍摄的部位确定医学设备拍摄时所在的位置(例如,射线源到达确定的位置时表明可以开始发射X射线,而探测器到达确定的位置时可以开始接收X射线)。最后控制射线源发出射线对目标对象进行拍摄以及由探测器接收穿过目标对象的射线。在一些实施例中,技师、医学专家等可以将历史拍摄过程中,医学设备进行拍摄时所处的位置确定为历史拍摄位置。选取若干历史拍摄位置作为预设位置并存储在存储设备中。在一些实施例中,在确定本次拍摄中医学设备需要到达的位置时,技师可以根据经验在多个预设位置中选取最接近拍摄部位的目标预设位置。然后控制医学设备(例如,射线源、探测器等)运动到该目标预设位置处进行拍摄。在一些实施例中,目标预设位置是技师基于经验来确定的,并没有考虑到本次拍摄的目标对象的实际情况。会使得选取的目标预设位置与拍摄部位并不能精确匹配。例如,对于左胸和右胸的拍摄,确定的目标预设位置可能相同,但实际上对于左胸和右胸而言,拍摄部位并不相同,所以医学设备需要到达的位置也应该不相同。此外,仅仅依赖技师经验来选取的目标预设位置的方式忽略了不同患者的体型特征不同而带来的影响。即使按照同一个目标预设位置进行扫描,可能对某些患者成像效果很好,但对另一些患者则可能成像效果不佳。例如,对于身高不同的患者,进行胸片拍摄时,由于胸部位置不同,显然,采用同一个目标预设位置进行扫描,将影响检查的准确性。再例如,对于不同胖瘦的患者,进行胸片拍摄时,由于胸部沿患者左右方向(例如,患者平躺在如图1所示的医疗床170上,左右方向可以是X方向)的宽度不同,从左到右扫描的行程范围也不同,要求探测器和射线源到达的位置则不同。对于较瘦的患者采用预设目标位置,拍摄效果可能很好,但对于体宽远大于一般人的患者,有可能拍摄结果不全或不清晰,影响诊疗判断。由于目标预设位置与拍摄部位不能准确匹配,导致医学设备只能运动至拍摄部位附近。如需获得较好的成像效果仍然需要技师手动将医学设备调整至与拍摄部位对应的位置,对于经验不足的技师,不仅需要花费时间重复调试,还可能造成更大的误差。
本申请一些实施例提供了一种医学设备的运动控制方法,通过机器学习模型对获取的目标对象的体型信息进行处理,来确定医学设备需要到达的目标位置。所确定出的目标位置和患者的体型信息具有较高关联性,从而使得拍摄效果更好。当确定的目标位置与患者的体型信息关联性越高时,可以说明体型信息对于目标位置的确定影响越大,目标位置与拍摄部位的匹配程度更高,确定的目标位置与理想的目标位置误差越小。由于目标位置与目标对象的体型信息能够精确匹配,医学设备到达目标位置后不需要技师手动调整,在一定程度上节省人力物力,缩短拍摄周期,提高技师的工作效率,成像质量更好。
图2是根据本申请一些实施例所示的运动控制方法的示例性流程图。如图2所示,在一些实施例中,流程200可以由处理设备140执行。例如,流程200可以以程序或指令的形式存储在存储装置(如处理设备140的自带存储单元或外接存储设备150)中并由处理设备140调用和/或执行。程序或指令在被调用和/或执行时,可以实现流程200。以下所示流程的操作仅出于说明的目的。在一些实施例中,流程200可以利用一个或以上未描述的附加操作和/或没有所示出的一个或以上操作来完成。另外,图2中示出的和下面描述的流程200的操作的顺序不旨在是限制性的。流程200可以包括以下操作。
步骤210、获取目标对象的体型信息。在一些实施例中,步骤210可以由获取模块310执行。
目标对象可以是指接受医学设备的扫描/拍摄以进行影像检测的对象,目标对象可以包括患者、模体或其他被扫描/拍摄的物体。在一些实施例中,可以对目标对象的某一部位(例如,头部、胸部)进行扫描/拍摄。目标对象的体型信息是指反映目标对象高、矮、胖、瘦、身体比例等体态特征的数据,可以包括身高、体宽、体厚、手长、脚长等信息。
在一些实施例中,体型信息可以包括图像类信息和非图像类信息(例如,以文本的方式显示)。在一些实施例中,体型信息可以包括目标对象的体型轮廓图像,体型轮廓图像可以是指能够反映目标对象外形轮廓的图像,处理设备140通过体型轮廓图像可以识别目标对象的体型(例如,高、矮、胖、瘦)、身体部位(例如,手、脚、头)等。具体地,体型轮廓图像可以是目标对象整个身体的全身轮廓图像,也可以是身体某部位的局部轮廓图像,例如,腿部的轮廓图像。在一些实施例中,体型信息还可以是非图像类的信息。非图像类的信息可以包括目标对象的身高和体厚等身体特征数据。其中,体厚可以是指目标对象或者目标对象的某一部位的厚度。仅作为示例,如图4所示,医疗床417的床面与XY平面平行,当人体平躺在医疗床417上时,人体的厚度可以理解为Z轴上的尺寸。在一些实施例中,处理设备140可以通过目标对象的病例等历史数据直接查询其身高、体厚等身体特征信息。
在一些实施例中,目标对象的体型信息的获取可以由处理设备140(例如,获取模块)执行。在一些实施例中,对于图像类信息,处理设备140可以采用摄像头进行获取。对于非图像类信息,处理设备可以通过测量仪器获取。例如,通过身高仪测量目标对象的身高。又例如,通过设置在诊疗室中的距离传感器、激光测距仪等测量目标对象的体厚。
在一些实施例中,处理设备140可以获取目标对象的体型信息。从而根据目标对象的体型信息确定与目标对象对应的若干特征点。在一些实施例中,处理设备140可以获取目标对象处于目标状态时的体型信息。其中,目标状态可以是指目标对象根据成像需求调整好位置和姿势时的状态。目标状态是成像效果最佳的摆位状态,在后续扫描/拍摄过程中要求目标对象保持在目标状态。例如,对于卧位拍摄胸片的患者,患者躺卧于医疗床上,调整好睡姿,然后保持该姿势不动,此时的状态则是该项检查下的目标状态。在一些实施例中,以大C设备为例,当目标对象躺在医疗床170上时,目标对象各个部位或身体器官的位置与目标对象在医疗床170上的位置和保持的姿势有关。目标对象处于不同位置或者摆成不同的姿势时,目标对象的各个部位或身体器官的位置也会有所不同。而最终确定的医学设备的目标位置需要与目标对象的部位或者身体器官相对应,因此,获取目标状态下的体型信息才能确定出更准确的医学设备所要到达的目标位置。在一些实施例中,处理设备140也可以获取目标对象在非目标状态下的体型信息。在一些实施例中,目标对象处于非目标状态下时,表明目标对象还没有根据成像需求调整好位置和姿势。因此,获取目标对象处于目标状态下的体型信息可以简化处理设备140(例如,获取模块310)的工作步骤,提高工作效率。
在一些实施例中,处理设备140可以通过摄像头160获取目标对象的体型轮廓图像。为了保证摄像头160能够获取到所需要的体型轮廓图像,摄像头160的拍摄范围需要覆盖目标对象。在一些实施例中,摄像头160可以滑动地和/或旋转地安装在诊疗室(即,放置有医学设备110的区域)的地面、墙体、天花板等位置,以便于获取目标对象的体型轮廓图像。此外,摄像头160也可以设置在不影响医学设备成像的其他位置,只要能够覆盖整个运动部件的移动区域以及目标对象即可。例如,摄像头160可以通过旋转件(图中未示出)可转动地安装在诊疗室的天花板上、角落等位置,通过调整角度可以拍摄目标对象不同状态时的体型轮廓图像。又例如,在图4所示的应用场景中,诊疗室的天花板设置有导轨415,悬吊式医学设备可以沿导轨415进行运动,而摄像头160可以安装于导轨415的任意一端或者导轨415的两端都安装摄像头160。对于摄像头160的具体安装位置,可以根据实际情况确定,本说明书对此不做限制。在一些实施例中,摄像头160的位置需要事先标定,也即摄像头160的位置是已知的,所以摄像头160拍摄的体型轮廓图像中各像素点的坐标是已知的,以便能够确定后续通过对体型轮廓图像处理得到的目标对象的特征点的位置。通常来讲,处理设备可以根据摄像头160获取的与目标对象对应的体型轮廓图像来确定目标对象相对于摄像头160的相对位置或目标对象在三维空间中的位置。
在一些实施例中,体型轮廓图像可以包括深度体型轮廓图像或平面体型轮廓图像。深度体型轮廓图像可以是指直接反映该目标对象的三维立体信息的图像。例如,深度体型轮廓图像可以反映目标对象的手部部位的厚度,目标对象的头部的三维尺寸等。平面体型轮廓图像可以是指普通的二维体型轮廓图像,平面体型轮廓图像中的所有点都在同一平面内。平面体型轮廓图像可以是以图片或者视频的形式展示。
在一些实施例中,采用不同类型的摄像头160可以获取不同类型的体型轮廓图像。深度体型轮廓图像和平面体型轮廓图像分别对应于不同的摄像头160类型。例如,深度体型轮廓图像可以由深度摄像头来获取。又例如,平面体型轮廓图像可以由平面摄像头来获取。还例如,深度体型轮廓图像也可以通过对平面摄像头在不同角度获取的两张以上的平面图像进行处理得到。
在本申请的一个或多个实施例中,需要确定目标对象在三维空间中(例如,诊疗室中)的位置信息。也即需要确定摄像头160获取的对应于目标对象的体型轮廓图像中的各像素点在三维空间中的位置信息,以便后续能够确定体型轮廓中若干个特征点的信息(例如,确定体型轮廓中若干个特征点的位置信息,若干个特征点所对应的部位等)。
在一些实施例中,平面体型轮廓图像只能反映图像对应的目标对象在一个角度的二维轮廓,并不能根据单一角度下的平面体型轮廓图像确定图像对应的目标对象在三维空间中的位置信息。在一些实施例中,若体型轮廓图像包括由平面摄像头160采集的平面体型轮廓图像,则需要通过至少两个平面摄像头160来获取体型轮廓图像,并且至少两个平面摄像头160需要设置在不同的位置,以获取物体不同角度的平面图像。然后将获取的至少两个角度的平面图像进行组合,对组合而成图像进行分析、处理,进而确定目标对象在三维空间中的位置信息。在另一些实施例中,若体型轮廓图像包括由平面摄像头160采集的平面体型轮廓图像,则平面摄像头160也可以只有一个。例如,利用一个可运动的平面摄像头160分别在不同位置获取同一物体的至少两个角度下的至少两个平面体型轮廓图像,并将这些平面图像进行组合,同样可以确定目标对象在三维空间中的位置信息。
在一些实施例中,摄像头160可以包括结构光摄像头160、激光摄像头160、红外摄像头160中的至少一种。其中,激光摄像头160、红外摄像头160和结构光摄像头160可以获取深度体型轮廓图像,通过对深度体型轮廓图像进行分析、处理,确定出图像中的各像素点在三维空间中的位置信息,进而可以确定目标对象在诊疗室内的位置。在一些实施例中,摄像头160可以均为深度摄像头160。例如,一个或多个摄像头160均为结构光摄像头160。也可以均为获取平面体型轮廓图像的摄像头160。例如,一个或多个摄像头160均为平面摄像头160。还可以同时包括获取深度体型轮廓图像的摄像头160和获取平面体型轮廓图像的摄像头160。还例如,一个或多个摄像头160包括一个或多个平面摄像头160以及一个或多个结构光摄像头160。
步骤220、基于体型信息和机器学习模型,确定目标对象的若干特征点,其中,若干特征点用于反映目标对象的位姿。在一些实施例中,步骤220可以由处理模块320执行。
特征点可以是指在目标对象身上选取的起标示作用的定位点。处理设备140可以基于若干特征点可以确定目标对象的位姿。目标对象的位姿是指目标对象的位置和保持的姿势。例如,特征点可以包括用于表示人体的头、肩、颈、手肘、手腕、脚踝、膝盖等等活动部位的特征点,或者用于表示人体器官、组织等身体部位的特征点。将若干个特征点组合在一起,就可以表示出人体的活动部位、器官或组织等,进而确定目标对象的位置和保持的姿势。确定目标对象的若干特征点可以理解为确定若干特征点的信息。若干特征点的信息可以包括特征点的位置信息、特征点所对应的部位、特征点对应的名称或标记以及特征点的数量等。其中,特征点的所对应的部位可以是指特征点所对应的器官、组织。特征点对应的名称或标记可以是指为了区分不同特征点,将若干特征点进行标记或命名。处理设备140可以基于特征点所对应的部位对特征点进行标记或命名。此外,该步骤也可以由用户(例如,医生、技师、或成像专家)执行。特征点的数量可以是指若干特征点的总数量以及目标对象的每个部位所包括的特征点数量。处理设备140可以基于目标对象的体型信息(例如,体厚、身高)确定特征点的数量。同样的,该步骤也可以由用户执行。特征点的位置信息可以是指特征点的三维坐标。需要说明的是,当确定好若干特征点之后,处理设备140可以基于若干特征点的位置信息确定医学设备的目标位置。医学设备的目标位置是否准确取决于若干特征点位置信息是否准确。在一些实施例中,若干特征点的位置可以由用户在显示体型轮廓图像的界面(例如,在膝上型计算机133上实现)上手动注释。在一些实施例中,若干特征点可以由计算设备(例如,处理设备140)根据图像分析算法(例如,图像分割算法)自动生成。在一些实施例中,若摄像头160获取的体型轮廓图像是深度体型轮廓图像,则可以直接识别出特征点的三维坐标,若获取的体型轮廓图像是平面体型轮廓图像,则需要将至少两个角度的平面体型轮廓图像进行组合,再计算得出三维坐标。
在一些实施例中,以深度体型轮廓图像为例,可以构建图像坐标系用于表示图像中所有像素点的坐标,以标示目标对象若干特征点在图像中的坐标位置。例如,以图像中心为原点建立三维坐标系,从图像中心向右水平延伸方向为x轴,从图像中心向左下延伸方向为y轴,从图像中心竖直向上延伸垂直x轴方向为z轴。摄像头160采集体型轮廓图像后,以该图像中心为原点建立图像坐标系,然后可以确定若干特征点在图像坐标系中的坐标,由于摄像头160的拍摄位置是经过标定已知的。因此,根据图像坐标系中的若干特征点的坐标,可以计算每个特征点在诊疗室中的位置,或者也可以计算每个特征点在三维空间中(例如,一个或多个实施例中的三维坐标系)的位置。
在一些实施例中,处理设备140可以利用机器学习模型对体型信息进行处理来确定若干特征点的位置信息。在一些实施例中,可以利用机器学习模型对目标对象的体型轮廓图像进行处理,确定目标对象的若干特征点的位置信息。在一些实施例中,处理设备140可以将由摄像头160获取的目标对象的体型轮廓图像作为机器学习模型的输入数据。由机器学习模型可以得到目标对象的若干特征点的位置信息。在前述一个或多个实施例中确定目标对象的若干特征点可以显示在体型轮廓图像上。在一些实施例中,机器学习模型得到的若干特征点的位置信息可以直接作为若干个特征点显示在体型轮廓图像中,也可以以单独的文本的形式输出,还可以在另一虚拟模型上。
在一些实施例中,机器学习模型可以是特征点位置识别模型。处理设备140可以利用经训练的特征点位置识别模型处理体型轮廓图像,确定体型轮廓图像中若干特征点的位置信息。在一些实施例中,特征点位置识别模型可以包括神经网络模型、逻辑回归模型、支持向量机等。示例性地,以神经网络模型为例,神经网络模型可以包括多个层,如输入层、一个或多个卷积层、一个或多个非线性激活层、一个或多个池层、一个或多个完全连接层、和/或输出层。神经网络模型可以在输入层获取体型轮廓图像,利用中间层提取和/或从图像中区分视觉特征或样式,并在输出层输出带有特征点的特征或样式的体型轮廓图像。例如,可以用特征标识符或特征向量来标记已经识别的特征点。在一些实施例中,识别的特征点可以是有代表性的人体骨架特征点,如颈椎、肩关节、肘关节、腕关节、腰椎、髋关节、膝关节、踝关节等。
在一些实施例中,机器学习模型的获取方法可以由训练模块执行,包括如下步骤:
(一)获取训练样本数据;训练样本数据包括历史体型信息。历史体型信息可以是指以往获取的接受医学设备拍摄的对象的体型信息,历史体型信息可以被存储在存储设备150中。在一些实施例中,训练模块可以通过访问终端130和/或处理设备140中的历史拍摄数据获取历史体型信息。在一些实施例中,历史体型信息可以是由深度摄像头以往获取的接受医学设备拍摄的若干对象的深度图像。例如,深度体型轮廓图像。在一些实施例中,历史体型信息可以是由平面摄像头以往获取的接受医学设备(例如,医学设备110)拍摄的若干对象的至少两个角度平面图像组成的深度图像。
(二)对历史体型信息对应的历史特征点进行标记(例如,对历史体型信息对应的历史特征点的位置信息进行标记),以确定与历史体型信息对应的标记信息。例如,处理设备可以在深度图像(例如,深度体型轮廓图像)中标记特征点的位置。在一些实施例中,可以通过人工标注或其他方式添加训练样本的标签。在一些实施例中,训练模块可以基于机器学习的标记技术。在一些实施例中,标记信息可以包括将表示头部的历史特征点标记标签“1”,以及将表示胸部的历史特征点标记标签“0”。
(三)将历史体型信息作为输入数据,将与历史体型信息对应的标记信息作为输出数据或参考标准,将输入数据和输出数据(或者输入数据和参考标准)一并输入到机器学习模型中。
(四)利用输入数据及其对应的输出数据或参考标准训练初始机器学习模型。将一个或多个停留点对应的特征信息及其对应的参考标准输入到初始机器学习模型中进行训练,训练的目的在于确定模型的参数。在一些实施例中,训练的方法可以包括但不限于交替最小二乘法(alternating least square,ALS)、随机梯度下降法(SGD)或者有限记忆BFGS(Broyden,Fletcher,Goldfarb和Shanno)等。
在一些实施例中,还可以以其他的方式实现对特征点的位置信息的识别。例如,在处理设备140中存储可以识别特征点的模板(template)以及以能够运行模板匹配算法(template matching algorism)的软件。在获得体型轮廓图像后,处理设备140对体型轮廓图像以该识别特征的模板运行模板匹配算法,并利用算法自动地识别出体型轮廓图像中的特征点,进而确定特征点的位置信息。
前述一个或多个实施例中确定的若干特征点的信息(例如,特征点的名称、特征点对应的拍摄部位)可以被存储在摄像头160的储存介质中。在一些实施例中,摄像头160也可以直接处理拍摄目标对象的体型轮廓图像。例如,摄像头可以将若干特征点标注在拍摄的体型轮廓图像上。又例如,摄像头160可以输出体型轮廓图像中的若干特征点的位置信息。摄像头160可以基于上述一个或多个实施例介绍的方式对体型轮廓图像进行处理。例如,通过机器学习模型对体型轮廓图像进行处理。
在一些实施例中,处理设备140除了可以利用机器学习模型对体型信息进行处理来确定特征点的位置信息之外,还可以采用深度学习模型对体型信息进行处理。在一些实施例中,深度学习模型可以包括但不限于卷积神经网络模型(convolutional neuralnetwork)、深度信任网路模型(deep belief network)、堆栈自编码网络模型(stackedauto-encoder network)等。
步骤230、获取目标对象的拍摄部位。在一些实施例中,步骤230可以由获取模块310执行。
拍摄部位可以是指与目标对象此次拍摄相关的肢体、器官、组织等局部或全身部位。拍摄部位的信息可以包括拍摄部位的名称、位置、拍摄部位的体宽和体厚等信息。例如,对于同一个目标对象,拍摄胸片时,拍摄部位的信息可以包括胸部位置、胸部宽度、胸部厚度等;拍摄头部时,拍摄部位的信息则可以包括头部位置、头部宽度、头部外形等。对于不同的目标对象,同一个拍摄项目,拍摄部位的位置也可能有差别,比如,腹部拍摄时,对于身高不同的目标对象,其腹部位置可能也不同。
在一些实施例中,获取模块310可以获取目标对象的拍摄协议。然后根据拍摄协议确定拍摄部位。拍摄协议可以是指与此次拍摄相关的信息。拍摄协议的内容可以包括目标对象的拍摄部位(例如,身体部位、病灶区域等)、拍摄持续时间、射线源的参数(例如,照射强度)等。
在一些实施例中,获取模块310可以从医学设备、终端、存储设备150或数据库中获取拍摄协议。在一些实施例中,拍摄协议也可以由技师自主输入,获取模块310可以将技师输入的拍摄协议作为确定拍摄部位的依据。在一些实施例中,技师可以通过手动输入、语音输入或其他方式从终端130输入拍摄协议。例如,可以输入拍摄部位为患者头部,扫描持续时间为30s等等。在一些实施例中,技师可以修改拍摄协议,从而重新配置(如新建、修改等)拍摄部位。
步骤240、基于拍摄部位和若干特征点,确定医学设备的目标位置。在一些实施例中,步骤240可以由确定模块330执行。
目标位置是指为了对拍摄部位进行扫描成像,医学设备(如图1所示医学设备110)的运动部件需要运动到达与拍摄部位对应的位置。当运动部件到达该位置后才可以对目标对象进行拍摄。这里的运动部件可以理解为能够进行运动的用于扫描成像的部件,包括探测器(如图1所示探测器112)和射线源(如图1所示射线源113)。例如,在需要对目标对象的胸部进行拍摄时,需要将医学设备的探测器112和射线源113运动到目标对象的胸部对应的指定位置(例如,探测器112和射线源113分别在胸部两侧相对的位置),只有当探测器112和射线源113均到达各自的指定位置后才能够按照拍摄协议的内容对目标对象进行拍摄,这个指定的位置就是医学设备110(例如,医学设备的运动部件)的目标位置。
如图1所示。在一些实施例中,医学设备110可以包括DR设备。DR设备的目标位置可以包括射线源113和/或探测器112的目标位置。在一些实施例中,医学设备的目标位置可以包括射线源113的目标位置。当射线源113的位置确定后,处理设备140可以根据射线源113的位置来调节探测器112的位置。在一些实施例中,医学设备的目标位置也可以包括探测器112的目标位置。当探测器112的位置确定后,处理设备140可以根据探测器112的位置来调整射线源113的位置。在一些实施例中,医学设备的目标位置可以包括射线源113和探测器112的位置。处理设备140可以分别控制射线源113和探测器112到达自己的目标位置。
射线源113和探测器112需要位于目标对象的相对两侧,在拍摄过程中,射线源113发出X射线,X射线照射在目标对象上,X射线一部分会被目标对象所吸收,另一部分则会穿过目标对象被探测器接收,实现对目标对象进行成像的目的。
在一些实施例中,处理设备140获取目标对象的拍摄部位以及特征点的位置信息之后,可以结合目标对象的拍摄部位以及特征点的位置信息来确定医学设备的目标位置。进一步的,在一些实施例中,处理设备可以选取与目标对象的拍摄部位对应的一个或多个特征点,并利用选取的这些特征点来确定医学设备的目标位置。
在一些实施例中,处理设备140可以基于拍摄部位和若干特征点的位置信息,确定医学设备(例如,图1所示的医学设备110)的目标位置包括:基于拍摄部位和特征点的位置信息,确定目标特征点的位置信息,目标特征点与拍摄部位相对应;基于目标特征点的位置信息确定医学设备110的目标位置。
当处理设备140基于步骤220确定目标对象的特征点的位置信息之后,可以将特征点的位置信息和本次拍摄部位相结合,确定目标特征点。其中,目标特征点可以是指与拍摄部位对应的特征点。例如,拍摄部位为头部,则与头部对应的特征点为目标特征点。与特征点类似的,目标特征点能够反映拍摄部位的位姿。需要说明的是,在前述步骤220所确定的目标对象的若干特征点中,并不是所有的特征点都与拍摄协议相对应(即,用于反映拍摄部位的位姿)。例如,若干特征点中可能包含有一个或多个表示头部的特征点、一个或多个表示颈部的特征点以及一个或多个表示胸部的特征点。而本次拍摄协议中确定的拍摄部位是头部,那么若干特征点中表示头部的一个或多个特征点是与本次拍摄协议地拍摄部位对应的,可以将用于反映头部的一个或多个特征点确定为目标特征点,而一个或多个表示颈部的特征点以及一个或多个表示胸部的特征点与拍摄部位没有对应关系,对于确定医学设备的目标位置来说没有影响或者影响小到可以忽略。
在一些实施例中,确定目标特征点也可以认为是确定目标特征点的信息。目标特征点的信息可以包括目标特征点的位置信息、目标特征点对应的拍摄部位、目标特征点的名称或标记以及目标特征点的数量等。关于目标特征点的信息的获取,由于目标特征点均为若干特征点之一,特征点的信息在步骤220中已经被确定。因此处理设备140(例如,处理模块320)可以直接获取与拍摄部位匹配的目标特征点的信息。其中,目标特征点的位置信息可以是指与拍摄部位对应的若干特征点的位置信息,由若干个目标特征点的位置即可确定拍摄部位的位姿,因此,目标特征点的位置信息是否准确将直接影响医学设备的目标位置的准确程度。确定模块330可以基于目标特征点的位置信息,确定医学设备110的目标位置。例如,对患者进行胸部拍摄时,首先拍摄目标对象的体型轮廓图像。然后基于体型轮廓图像确定目标对象的多个特征点的位置信息。紧接着从若干个特征点中选取与胸部对应的若干个目标特征点,识别每个目标特征点的位置信息。基于若干个与胸部对应的目标特征点即可确定该目标对象胸部的位置。最后,可以确定与扫描相关的运动部件的目标位置,使得目标对象胸部位于医学设备的扫描区域内。
在一些实施例中,处理设备140可以基于不同的目标特征点确定不同运动部件的运动位置,使运动部件与拍摄部位精确匹配。以对胸部拍摄为例,根据拍摄协议,射线源113需要在目标对象的左侧对胸部的左侧进行照射,则处理设备140可以从若干特征点中选取位于胸部左侧的特征点作为第一目标特征点,第一目标特征点对应射线源113。而探测器112需要在目标对象的右侧胸部的右侧接收X射线,则处理设备140可以从若干特征点中选取位于胸部右侧的特征点作为第二目标特征点,第二目标特征点对应探测器112。处理设备140可以基于第一目标特征点的位置信息确定射线源113的目标位置,基于第二目标特征点的位置信息确定探测器112的目标位置。虽然第一目标特征点和第二目标特征点都是表示胸部的若干特征点之一,但第一目标特征点和第二目标特征点的位置信息不同,因而基于他们所确定的目标位置也不相同。
步骤250、基于医学设备的目标位置,控制医学设备运动。在一些实施例中,步骤250可以由运动控制模块340执行。
在一些实施例中,确定医学设备(例如,图1所示的医学设备110)的目标位置后,处理设备140可以控制医学设备110运动到确定的目标位置。待医学设备110运动到目标位置后开始对拍摄部位进行扫描成像。例如,采用DR设备对患者胸部进行拍摄,当处理设备140(例如,确定模块330)确定射线源113和/或探测器112的目标位置后,处理设备140可以通过控制机架111来控制探测器112以及通过控制活动臂115来控制射线源113从当前位置移动至目标位置。机架111和活动臂115可以是互相独立的。活动臂115可以是机械臂。活动臂115可以独立的,也可以是任一装置上的可以自由活动的部件。活动臂115可以进行在任意平面内进行运动。例如,在XY平面内运动,在XZ平面内进行运动,也可以同时在多个平面内运动。以在XY平面内移动为例,活动臂115运动的方式可以包括前后移动,上下移动,或者旋转运动。机架111可以设置有滚轮,使得可以相对诊疗室的地面进行滑动,以带动探测器112运动。除此之外,探测器112还可以相对机架111进行升降运动或旋转运动。探测器112可以以机架111的轴(该轴平行于机架111的高度方向)为中心进行旋转。
参考图4所示。当医学设备410为DSA设备时,医学设备410还可以包括用于驱动探测器413运动的第一驱动装置416。第一驱动装置416可以由处理设备140控制。具体的,第一驱动装置416设置在C型臂412的上端,第一驱动装置与探测器413驱动连接。第一驱动装置可以沿Z方向进行升降以带动探测器413相对于射线源414相向运动或者背向运动以调整SID(source to image receptor distance),即X射线焦点到探测器413平面的距离。在一些实施例中,医学设备410还可以包括第二驱动装置(图中卫市处),第二驱动装置可以设置在C型臂412的下端。第二驱动装置可以带动射线源414进行运动。在一些实施例中,处理设备140除了可以通过第一驱动装置和第二驱动装置驱动探测器413和射线源414相向运动和背向运动调整SID之外,还可以通过控制C型臂412的运动来整体地调整射线源414和探测器413的位置。具体而言,C型臂414可以通过一个连接臂411与导轨415连接,并且连接臂411上设置有滑轨(图中未示出),C型臂412可滑动地设置在滑轨中,连接臂411的另一端设置在导轨415中,处理设备140可以控制连接臂411在导轨415中进行滑动从而使得整个医学设备410发生运动。例如,导轨415上设置有第三驱动装置(图中未示出),第三驱动装置与连接臂411驱动连接从而可以驱动连接臂411在导轨415中运动,在射线源414和探测器413目标位置较远的时候,可以先采用该方式进行调整。此外,处理设备140还可以控制C型臂412相对于连接臂411运动。例如,滑轨中设置有第四驱动装置(图中未示出),第四驱动装置可以驱动C型臂412在连接臂411的滑轨中运动,从而实现C型臂412沿图4所示的箭头方向进行旋转。当处理设备140确定好射线源414和探测器413各自的目标位置之后,处理设备140可以控制一个或多个驱动装置来调整射线源414和探测器413的位置,使射线源414和探测器413最终到达目标位置。需要说明的是,上述一个或多个驱动装置可以通过同一个外部电源进行供电,例如,医学设备410上设置有驱动电机,也可以分别由不同的外部电源进行供电。
在一些实施例中,若医学设备(例如,图1所示的医学设备110)包括射线源(例如,图1所示的射线源113)和探测器(例如,图1所示的探测器112),则处理设备140控制医学设备110运动时,可以控制射线源113和探测器112同时开始运动。通常来讲,由于射线源113体积较大,移动较为不便利,导致射线源113的运动到目标位置的时间较短,而探测器420运动到目标位置的时间更长一些,如果射线源113和探测器112可以同时开始运动,技师只需要关注运动时间最长的一个部件(例如,探测器112),待探测器112运动到目标位置后,即可开始拍摄。相较于先移动射线源113再移动探测器112或者先移动探测器112再移动射线源113的方式而言,耗费的时间更少,拍摄效率更高。
需要说明的是,本申请中一个或多个实施例揭示的运动控制方法的步骤可以不按照所描述的顺序进行,步骤与步骤之间的顺序可以进行变化。例如,可以在获取目标对象在目标状态下的体型信息(即,步骤210)之前获取目标对象的拍摄部位(即,步骤230)。
在一些实施例中,在确定医学设备(例如,图1所示的医学设备110)目标位置的过程中,有的目标对象由于自身原因无法在一段时间内保持同一姿势,目标对象可能会发生运动使得目标对象在胸片架114上的所处位置和摆放的姿势发生变化。如果目标对象的运动幅度比较大,可能会导致最终确定的目标位置与发生运动之后的目标对象不匹配,使得成像质量有所下降。在一些实施例中,需要确定目标对象的运动幅度,并且基于运动幅度以及预设幅度阈值,确定目标对象是否处于目标状态;若目标对象处于目标状态,则获取目标对象处于目标状态时的体型信息。如果目标对象的运动幅度超过预设幅度阈值,表明目标对象当前的位置和姿势偏离目标状态的位置和姿势太多,目标对象的特征点的位置偏离程度较大,依据目标状态的特征点(例如,特征点的位置信息)确定的目标位置将导致扫描拍摄结果不准确。
预设幅度阈值是指会影响成像效果的最小运动幅度。若目标对象的运动幅度超过该预设幅度阈值,将会导致处理设备140确定的医学设备110的运动部件(例如,射线源113和探测器112)的目标位置与拍摄时实际所要到达的位置误差较大,影响成像效果。若目标对象只在该预设幅度阈值范围内的略微移动,即使目标对象的位置和姿势轻微偏离目标状态,也不会对拍摄造成实质影响。在一些实施例中,可以根据病情检查所需设置预设幅度阈值,对于检查精度要求高的检查项目,可以设置较低的预设幅度阈值,对于检查精度要求低的检查项目,则可以设置较高的预设幅度阈值。运动幅度可以是指目标对象在当前状态相对于上一静止状态的位置变动幅度。上一静止状态是指与当前状态的时间间隔最短的静止状态。目标对象在上一静止状态时的位置不变。目标对象的位置变化幅度可以通过目标对象的某一部位或某一特征点的位置变化来反映。例如,处理设备可以在当前状态和上一静止状态时分别获取对应的体型轮廓图像,并将两张体型轮廓图像中鼻尖的位置变动距离视为目标对象的运动幅度;或者可以将两张体型轮廓图像中,眼角的位置变动距离视为目标对象的运动幅度等。
在一些实施例中,目标对象的运动幅度可以包括若干特征点的位置变化幅度,其中,特征点的位置的确定方法,可以参见步骤220的相关内容,在此不做赘述。特征点的位置变化幅度是指,在当前时刻相对于上一时刻,对应于目标对象的体型轮廓图像中的某一个或某几个特征点移动的距离。特征点的位置变化幅度可以通过获取当前状态和上一静止状态下的体型信息,然后根据两个状态的体型信息,确定一个或几个特征点在两个状态之间的位置变化,从而计算特征点的位置变化幅度。
在一些实施例中,处理设备140可以监控目标对象的状态(如,身体位置、动作、姿势)。若监测到目标对象的状态有变动,可以自动触发获取模块310采集目标对象在发生状态变化的下一时刻的体型信息(例如,体型轮廓图像)。例如,可以在医疗床或者天花板安装红外感应器,当感应到目标对象肢体移动,可以将该触发信息发送给获取模块310。处理设备140获取目标对象在当前时刻的体型信息后,可以确定当前时刻的若干特征点的位置信息,处理模块320对比目标对象在发生状态变化的下一时刻的若干特征点的位置信息和目标对象在发生状态变化之前的间隔上一时刻的若干特征点的位置信息,计算若干特征点的位置变化幅度,判断目标对象是否处于目标状态。目标对象发生状态变化可以理解为目标对象是否与医疗床170发生相对运动。当目标对象与医疗床170发生相对运动时,目标对象的状态发生变化;当目标对象与医疗床170相对静止时,目标对象的状态没有变化。需要说明的是,本实施例所描述的上一时刻和下一时刻可以理解为某一时间点。例如,发生状态变化的下一秒钟。又例如,发生状态变化之前的上一分钟。在一些实施例中,处理设备140也可以驱动摄像头160按照一定时间间隔获取目标对象的体型信息(例如,体型轮廓图像),例如,每间隔10秒、20秒、30秒获取一次目标对象的体型轮廓图像。
在一些实施例中,基于运动幅度以及预设幅度阈值,确定目标对象是否处于目标状态可以包括:比较若干特征点的位置变化幅度和预设幅度阈值;若特征点的位置变化幅度大于预设幅度阈值,则确定目标对象未处于目标状态;若特征点的位置变化幅度小于或等于预设幅度阈值,则确定目标对象处于目标状态。
在一些实施例中,可以将若干个特征点中位置变化幅度最大的特征点的位置变化幅度确定为目标对象的运动幅度。例如,体型轮廓图像中的若干个特征点包括脚踝特征点1个、膝盖特征点2个、手臂特征点3个。其中,脚踝特征点在当前时刻与上一时刻之间的位置变化幅度最大,则目标对象的运动幅度可以为脚踝特征点的位置变化幅度。在另一些实施例中,也可以将若干特征点的位置变化幅度的平均值确定为目标对象的运动幅度。例如,若干个特征点包括头部特征点2个、胸部特征点3个、手臂特征点3个,目标对象的运动幅度可以为这8个特征点在当前时刻和上一时刻的位置变化幅度的平均值。
在一些实施例中,可以根据成像需求设置每个特征点的预设幅度阈值,可以针对每个特征点设置不同的预设幅度阈值,对于直接影响诊断结果的目标特征点,可以设置较低的预设幅度阈值,对于对检查结果影响不大的其余特征点,则可以设置较高的预设幅度阈值。在另一些实施例中,也可以对所有的特征点统一设置一个预设阈值,根据病情检查所需设定预设阈值,对于检查精度要求高的拍摄协议,可以设置较低的预设阈值,对于检查精度要求低的拍摄协议,则可以设置较高的预设阈值。
图3是根据本申请一些实施例所示的运动控制系统的示例性模块图。如图3所示,在本申请的一个或多个实施例中,还提供一种医学设备的运动控制系统。在一些实施例中,该运动控制系统300可以由图1所示的运动控制系统100(如,处理设备140)实现。
在一些实施例中,系统包括:获取模块310、处理模块320、确定模块330和运动控制模块340。
获取模块310,获取模块310可以用于获取目标对象的体型信息;以及获取目标对象的拍摄部位。在一些实施例中,获取模块310还可以用于获取目标对象的拍摄协议;基于拍摄协议确定所述拍摄部位。在一些实施例中,获取模块310还可以用于获取目标对象的运动幅度。
处理模块320,处理模块320可以用于基于体型信息和机器学习模型,确定目标对象的若干特征点。其中,若干特征点用于反映目标对象的位姿。
确定模块330,确定模块330可以用于基于拍摄部位和若干特征点,确定医学设备的目标位置。在一些实施例中,确定模块330还可以用于基于拍摄部位和若干特征点,确定目标特征点,目标特征点与拍摄部位相对应;基于目标特征点确定医学设备的目标位置。在一些实施例中,确定模块330还可以用于基于运动幅度以及预设幅度阈值,确定目标对象是否处于目标状态;若目标对象处于目标状态,则获取目标对象处于目标状态时的体型信息。在一些实施例中,确定模块330还可以用于比较若干特征点的位置变化幅度和预设幅度阈值;若若干特征点的位置变化幅度大于预设幅度阈值,则确定目标对象未处于目标状态;若若干特征点位置的位置变化幅度小于或等于预设幅度阈值,则确定目标对象处于目标状态。
在一些实施例中,运动控制系统300还可以包括训练模块,训练模块可以用于:获取训练样数据;训练样本数据包括历史体型信息;对历史体型信息对应的历史特征点进行标记,以确定与历史体型信息对应的标记信息;将历史体型信息作为输入数据,将与历史体型信息对应的标记信息作为输出数据或参考标准;利用输入数据及其对应的输出数据或参考标准训练初始机器学习模型。
运动控制模块340,运动控制模块340可以用于基于医学设备的目标位置,控制医学设备运动。在一些实施例中,若医学设备包括射线源和探测器,则运动控制模块340还可以用于控制射线源和探测器同时开始运动。
在本申请的另一些实施例中,还提供一种医学设备的运动控制装置,运动控制装置可以包括至少一个处理器以及至少一个存储器;至少一个存储器可以用于存储计算机指令;至少一个处理器可以用于执行计算机指令中的至少部分指令,以实现上述的医学设备的运动控制方法。
在本申请的又一些实施例中,提供一种计算机可读存储介质,存储介质可以存储计算机指令,当计算机指令被处理器执行时,实现上述的医学设备的运动控制方法。
应当理解,图3所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于运动控制系统及其装置/模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个装置/模块进行任意组合,或者构成子系统与其他装置/模块连接。例如,图3中披露的获取模块310、处理模块320、确定模块330和运动控制模块340可以是一个装置(例如,处理设备140)中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,获取模块310和确定模块330可以是两个模块,也可以是一个模块同时具有体型轮廓图像采集和确定医学设备110的目标位置的功能。又例如,各个模块可以分别具有各自的存储模块。再例如,各个模块可以共用一个存储模块。还例如,获取模块310可以包括第一体型轮廓图像采集子模块和第二体型轮廓图像采集子模块,其中,第一体型轮廓图像采集子模块可以用于获取医疗床下方的体型轮廓图像,第二体型轮廓图像采集子模块可以用于获取医疗床上方的空间布局信息。以诸如此类的变形,均在本申请的保护范围之内。
本申请实施例可能带来的有益效果包括但不限于:(1)可以通过机器学习模型对体型信息进行处理,更加准确地获取目标对象的若干个特征点的位置信息,有效提高医学设备的工作效率;(2)能够控制医学设备的多个组件(例如,射线源和探测器)同时运动到目标位置,技师只需要关注最后到达目标位置的组件,减少技师的操作压力,并且还能够提高医学设备的工作效率。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本申请中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (17)
1.一种医学设备的运动控制方法,其特征在于,所述方法包括:
获取目标对象的体型信息;
基于所述体型信息和机器学习模型,确定所述目标对象的若干特征点,其中,所述若干特征点用于反映所述目标对象的位姿;
获取所述目标对象的拍摄部位;
基于所述拍摄部位和所述若干特征点,确定所述医学设备的目标位置。
2.根据权利要求1所述的方法,其特征在于,所述医学设备包括DR设备,所述医学设备的所述目标位置包括射线源和/或探测器的目标位置。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述医学设备的所述目标位置,控制所述医学设备运动。
4.根据权利要求3所述的方法,其特征在于,若所述医学设备包括射线源和探测器,所述控制所述医学设备运动包括:控制所述射线源和所述探测器同时开始运动。
5.根据权利要求1所述的方法,其特征在于,所述机器学习模型通过如下方式获取:
获取训练样本数据;所述训练样本数据包括历史体型信息;对所述历史体型信息对应的历史特征点进行标记,以确定与所述历史体型信息对应的标记信息;
将所述历史体型信息作为输入数据,将与所述历史体型信息对应的所述标记信息作为输出数据或参考标准;
利用所述输入数据及其对应的所述输出数据或所述参考标准训练初始机器学习模型。
6.根据权利要求1所述的运动控制方法,其特征在于,所述获取所述目标对象的拍摄部位包括:
获取所述目标对象的拍摄协议;
基于所述拍摄协议确定所述拍摄部位。
7.根据权利要求1所述的运动控制方法,其特征在于,所述体型信息包括所述目标对象的体型轮廓图像。
8.根据权利要求7所述的运动控制方法,其特征在于,所述体型信息还包括非图像类的信息,所述非图像类的信息包括所述目标对象的身高和/或体厚。
9.根据权利要求7所述的运动控制方法,其特征在于,所述体型轮廓图像通过摄像头获取。
10.根据权利要求9所述的运动控制方法,其特征在于,所述体型轮廓图像包括平面体型轮廓图像和/或深度体型轮廓图像。
11.根据权利要求10所述的运动控制方法,其特征在于,若所述体型轮廓图像包括所述平面体型轮廓图像,所述体型轮廓图像包括至少两个角度获取的所述平面体型轮廓图像。
12.根据权利要求1所述的运动控制方法,其特征在于,所述基于所述拍摄部位和所述若干特征点,确定所述医学设备的目标位置包括:
基于所述拍摄部位和所述若干特征点,确定目标特征点,所述目标特征点与所述拍摄部位相对应;
基于所述目标特征点确定所述医学设备的所述目标位置。
13.根据权利要求1所述的运动控制方法,其特征在于,所述方法还包括:
获取所述目标对象的运动幅度;
基于所述运动幅度以及预设幅度阈值,确定所述目标对象是否处于目标状态;
若所述目标对象处于所述目标状态,则获取所述目标对象处于所述目标状态时的所述体型信息。
14.根据权利要求13所述的运动控制方法,其特征在于,所述目标对象的运动幅度包括所述若干特征点的位置变化幅度;
所述基于所述运动幅度以及预设幅度阈值,确定所述目标对象是否处于目标状态包括:
比较所述若干特征点的位置变化幅度和所述预设幅度阈值;
若所述若干特征点的位置变化幅度大于所述预设幅度阈值,则确定所述目标对象未处于所述目标状态;
若所述若干特征点位置的所述位置变化幅度小于或等于所述预设幅度阈值,则确定所述目标对象处于所述目标状态。
15.一种医学设备的运动控制系统,其特征在于,所述系统包括:
获取模块,所述获取模块用于获取目标对象的体型信息;以及
获取所述目标对象的拍摄部位;以及
处理模块,所述处理模块用于基于所述体型信息和机器学习模型,确定所述目标对象的若干特征点,其中,所述若干特征点用于反映目标对象的位姿;以及
确定模块,所述确定模块用于基于所述拍摄部位和所述若干特征点,确定所述医学设备的目标位置。
16.一种医学设备的运动控制装置,其特征在于,所述运动控制装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1至14中任意一项所述的方法。
17.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如权利要求1至14中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011544677.3A CN112716509B (zh) | 2020-12-24 | 2020-12-24 | 一种医学设备的运动控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011544677.3A CN112716509B (zh) | 2020-12-24 | 2020-12-24 | 一种医学设备的运动控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112716509A true CN112716509A (zh) | 2021-04-30 |
CN112716509B CN112716509B (zh) | 2023-05-02 |
Family
ID=75604962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011544677.3A Active CN112716509B (zh) | 2020-12-24 | 2020-12-24 | 一种医学设备的运动控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112716509B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022022723A1 (zh) * | 2020-07-30 | 2022-02-03 | 上海联影医疗科技股份有限公司 | 一种医学操作的相关参数的确定方法以及系统 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150092998A1 (en) * | 2013-09-29 | 2015-04-02 | Shenyang Neusoft Medical Systems Co., Ltd. | Posture detection method and system |
CN104517301A (zh) * | 2014-12-30 | 2015-04-15 | 华中科技大学 | 多参数模型指导的迭代提取血管造影图像运动参数的方法 |
US20150250442A1 (en) * | 2014-03-10 | 2015-09-10 | Kabushiki Kaisha Toshiba | X-ray image diagnostic apparatus |
CN107428004A (zh) * | 2015-04-10 | 2017-12-01 | 微软技术许可有限责任公司 | 对象数据的自动收集和标记 |
CN107749950A (zh) * | 2017-11-09 | 2018-03-02 | 睿魔智能科技(东莞)有限公司 | 一种基于深度学习的拍摄方法和系统 |
CN109199387A (zh) * | 2018-10-22 | 2019-01-15 | 上海联影医疗科技有限公司 | 扫描引导装置以及扫描引导方法 |
CN109276820A (zh) * | 2018-11-15 | 2019-01-29 | 广州科莱瑞迪医疗器材股份有限公司 | 一种放疗呼吸运动实时动态补偿系统及方法 |
CN109276248A (zh) * | 2018-11-30 | 2019-01-29 | 上海联影医疗科技有限公司 | 用于医学影像系统的自动摆位方法和医学影像系统 |
CN110148454A (zh) * | 2019-05-21 | 2019-08-20 | 上海联影医疗科技有限公司 | 一种摆位方法、装置、服务器及存储介质 |
CN110197496A (zh) * | 2019-05-31 | 2019-09-03 | 上海联影医疗科技有限公司 | 一种医疗系统控制方法、装置、设备及介质 |
CN110301934A (zh) * | 2019-08-14 | 2019-10-08 | 晓智科技(成都)有限公司 | 基于关键点检测的待拍摄部位光野区域调节系统及方法 |
CN110507337A (zh) * | 2019-08-28 | 2019-11-29 | 上海联影医疗科技有限公司 | 一种医学设备控制系统、医学设备控制方法及装置 |
US20200203002A1 (en) * | 2017-09-01 | 2020-06-25 | Koninklijke Philips N.V. | Automated consistency check for medical imaging |
WO2020133080A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳市优必选科技有限公司 | 物体定位方法、装置、计算机设备及存储介质 |
US20200205766A1 (en) * | 2018-12-29 | 2020-07-02 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for controlling medical radiation exposure to patients |
CN111670007A (zh) * | 2018-01-31 | 2020-09-15 | 西门子医疗有限公司 | 医学成像设备的拍摄系统的位置规划方法和医学成像设备 |
CN111694429A (zh) * | 2020-06-08 | 2020-09-22 | 北京百度网讯科技有限公司 | 虚拟对象驱动方法、装置、电子设备及可读存储 |
CN111789611A (zh) * | 2020-08-10 | 2020-10-20 | 上海联影医疗科技有限公司 | 一种成像系统和方法 |
CN114067994A (zh) * | 2020-08-07 | 2022-02-18 | 上海联影医疗科技股份有限公司 | 一种目标部位的方位标记方法及系统 |
-
2020
- 2020-12-24 CN CN202011544677.3A patent/CN112716509B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150092998A1 (en) * | 2013-09-29 | 2015-04-02 | Shenyang Neusoft Medical Systems Co., Ltd. | Posture detection method and system |
US20150250442A1 (en) * | 2014-03-10 | 2015-09-10 | Kabushiki Kaisha Toshiba | X-ray image diagnostic apparatus |
CN104517301A (zh) * | 2014-12-30 | 2015-04-15 | 华中科技大学 | 多参数模型指导的迭代提取血管造影图像运动参数的方法 |
CN107428004A (zh) * | 2015-04-10 | 2017-12-01 | 微软技术许可有限责任公司 | 对象数据的自动收集和标记 |
US20200203002A1 (en) * | 2017-09-01 | 2020-06-25 | Koninklijke Philips N.V. | Automated consistency check for medical imaging |
CN107749950A (zh) * | 2017-11-09 | 2018-03-02 | 睿魔智能科技(东莞)有限公司 | 一种基于深度学习的拍摄方法和系统 |
CN111670007A (zh) * | 2018-01-31 | 2020-09-15 | 西门子医疗有限公司 | 医学成像设备的拍摄系统的位置规划方法和医学成像设备 |
CN109199387A (zh) * | 2018-10-22 | 2019-01-15 | 上海联影医疗科技有限公司 | 扫描引导装置以及扫描引导方法 |
CN109276820A (zh) * | 2018-11-15 | 2019-01-29 | 广州科莱瑞迪医疗器材股份有限公司 | 一种放疗呼吸运动实时动态补偿系统及方法 |
CN109276248A (zh) * | 2018-11-30 | 2019-01-29 | 上海联影医疗科技有限公司 | 用于医学影像系统的自动摆位方法和医学影像系统 |
WO2020133080A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳市优必选科技有限公司 | 物体定位方法、装置、计算机设备及存储介质 |
US20200205766A1 (en) * | 2018-12-29 | 2020-07-02 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for controlling medical radiation exposure to patients |
CN110148454A (zh) * | 2019-05-21 | 2019-08-20 | 上海联影医疗科技有限公司 | 一种摆位方法、装置、服务器及存储介质 |
CN110197496A (zh) * | 2019-05-31 | 2019-09-03 | 上海联影医疗科技有限公司 | 一种医疗系统控制方法、装置、设备及介质 |
CN110301934A (zh) * | 2019-08-14 | 2019-10-08 | 晓智科技(成都)有限公司 | 基于关键点检测的待拍摄部位光野区域调节系统及方法 |
CN110507337A (zh) * | 2019-08-28 | 2019-11-29 | 上海联影医疗科技有限公司 | 一种医学设备控制系统、医学设备控制方法及装置 |
CN111694429A (zh) * | 2020-06-08 | 2020-09-22 | 北京百度网讯科技有限公司 | 虚拟对象驱动方法、装置、电子设备及可读存储 |
CN114067994A (zh) * | 2020-08-07 | 2022-02-18 | 上海联影医疗科技股份有限公司 | 一种目标部位的方位标记方法及系统 |
CN111789611A (zh) * | 2020-08-10 | 2020-10-20 | 上海联影医疗科技有限公司 | 一种成像系统和方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022022723A1 (zh) * | 2020-07-30 | 2022-02-03 | 上海联影医疗科技股份有限公司 | 一种医学操作的相关参数的确定方法以及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112716509B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109452947B (zh) | 用于生成定位图像和对患者成像的方法、x射线成像系统 | |
JP4484462B2 (ja) | 医療用診断または治療装置における患者の位置決め方法および装置 | |
CN108968996A (zh) | 运动门控医学成像 | |
CN112741643A (zh) | 一种可自动定位和扫描的ct系统及其定位和扫描方法 | |
US10918346B2 (en) | Virtual positioning image for use in imaging | |
CN112450952A (zh) | 设定x射线放射单元 | |
CN109171789B (zh) | 一种用于影像诊断设备的校准方法和校准系统 | |
CN113647967A (zh) | 一种医学扫描设备的控制方法、装置及系统 | |
CN110192891A (zh) | X射线成像设备及其定位方法 | |
KR100967950B1 (ko) | 씨티 시뮬레이션 장치 및 방법, 그것을 기록한 기록매체와프로그램 | |
CN113116365A (zh) | 一种图像采集方法、装置、系统及存储介质 | |
CN113397578A (zh) | 一种成像系统和方法 | |
CN112716509B (zh) | 一种医学设备的运动控制方法及系统 | |
EP4014875B1 (en) | Method for controlling a medical imaging examination of a subject, medical imaging system and computer-readable data storage medium | |
CN114077243B (zh) | 一种医疗辅助设备的运动控制方法和系统 | |
CN114067994A (zh) | 一种目标部位的方位标记方法及系统 | |
CN113081013B (zh) | 定位片扫描方法、装置及系统 | |
CN112071405A (zh) | 一种标记电离室的探测区域的方法、系统及装置 | |
WO2022022723A1 (zh) | 一种医学操作的相关参数的确定方法以及系统 | |
CN111228656A (zh) | 基于虚拟智能医疗平台的放疗外照射治疗实施质控系统及方法 | |
CN112043299A (zh) | 一种医学设备的控制方法和系统 | |
US12016715B2 (en) | Chest X-ray system and method | |
WO2023036243A1 (en) | Medical devices, methods and systems for monitoring the medical devices | |
EP4201330A1 (en) | Chest x-ray system and method | |
WO2022028439A1 (zh) | 一种医学设备控制方法及系统 |
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 |