CN114569146A - 医学图像处理方法、装置、计算机设备及存储介质 - Google Patents
医学图像处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114569146A CN114569146A CN202210195807.XA CN202210195807A CN114569146A CN 114569146 A CN114569146 A CN 114569146A CN 202210195807 A CN202210195807 A CN 202210195807A CN 114569146 A CN114569146 A CN 114569146A
- Authority
- CN
- China
- Prior art keywords
- image processing
- medical
- image
- target object
- medical image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 153
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000003745 diagnosis Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 abstract description 19
- 238000002591 computed tomography Methods 0.000 description 21
- 238000007408 cone-beam computed tomography Methods 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000001959 radiotherapy Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000002786 image-guided radiation therapy Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241001292396 Cirrhitidae Species 0.000 description 1
- 229910021417 amorphous silicon Inorganic materials 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000002572 peristaltic effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (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)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请公开了一种医学图像处理方法、装置、计算机设备及存储介质,该医学图像处理方法包括:获取所述医学设备的当前图像处理模式;获取目标对象的医学图像;基于所述当前图像处理模式,对所述医学图像进行图像处理。由于医学设备的图像处理模式包括图像诊断模式、治疗计划制定模式和治疗模式,对于同一个医学设备,可以实现现有技术中多种医学设备的功能,如诊断,治疗计划的指定,图像引导治疗等,提高了医学设备的利用率,降低了设备采购升本和患者治疗成本,同时节约了患者的治疗时间。
Description
技术领域
本申请涉及医疗技术员和领域,具体涉及一种医学图像处理方法、装置、计算机设备及存储介质。
背景技术
计算机断层成像技术(Computed Tomography,CT)己经广泛应用于人体组织成像、工业无损检测等领域。在医学领域,CT是利用精确准直的X线束、γ射线、超声波等,与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描,具有扫描时间快,图像清晰等特点,可用于多种疾病的检查和治疗。
相关技术中,包括多种功能的CT,例如:1)诊断CT,2)治疗计划制定和模拟定位用的大孔径CT,3)用于治疗时图像引导的锥束CT,这3种CT是多个不同的设备,其中1)、2)是独立设备,3)往往和治疗设备结合。对于癌症病人,通常分别在上述三个设备上进行诊断扫描,确诊后的治疗计划及模拟定位扫描,以及锥束CT图像引导和后续治疗。
上述三个功能分属不同设备,在时间和空间上都对病人治疗造成不便(例如要分别预约,分别去不同设备扫描),更重要的是三个设备之间的一致性保证在技术上具有相当的挑战,需要额外的技术、经济和时间成本;此外,三个设备虽然都是旋转扫描,其中的机架、治疗床以及控制系统虽然本质上实现了雷同的功能,但由于分属不同设备,所以都是分别设计、制造和加工,整体采购时,三者缺一不可,成本高昂,并最终转嫁到病人终端,导致诊疗费用昂贵。
发明内容
本申请实施例提供一种医学图像处理方法、装置、计算机设备及存储介质,提高了医学设备的利用率,降低了设备采购升本和患者治疗成本,同时节约了患者的治疗时间。
一方面,本申请提供一种医学图像处理方法,应用于医学设备,所述医学设备的图像处理模式包括图像诊断模式、治疗计划制定模式和治疗模式,所述医学图像处理方法包括:
获取所述医学设备的当前图像处理模式;
获取目标对象的医学图像;
基于所述当前图像处理模式,对所述医学图像进行图像处理。
在本申请一些实施方式中,所述基于所述当前图像处理模式,对所述医学图像进行图像处理,包括:
若所述当前图像处理模式为图像诊断模式,对所述医学图像进行识别,得到所述医学图像的医学识别结果。
在本申请一些实施方式中,所述若所述当前图像处理模式为图像诊断模式,对所述医学图像进行识别,得到所述医学图像的医学识别结果,包括:
若所述当前图像处理模式为图像诊断模式,向目标用户展示所述医学图像;
获取用户针对所述医学图像的人工诊断信息;
将所述人工诊断信息作为所述医学图像的医学识别结果。
在本申请一些实施方式中,所述获取目标对象的医学图像,包括:
依次获取所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像,每个定位位置对应一张定位扫描图像;
将所述多张定位扫描图像进行拼接,得到所述目标对象的医学图像。
在本申请一些实施方式中,所述依次获取所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像,包括:
在沿所述治疗床方向的第一定位位置,获取扫描所述目标对象的单圈扫描图像;
按照预设步长,确定所述第一定位位置在沿治疗床方向下一个目标定位位置,获取在所述目标定位位置扫描所述目标对象的单圈扫描图像;
在完成获取多个定位位置的目标对象扫描之后,得到所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像。
在本申请一些实施方式中,所述基于所述当前图像处理模式,对所述医学图像进行图像处理,包括:
若所述当前图像处理模式为治疗计划制定模式,采集所述目标对象的模拟定位图像;
根据所述模拟定位图像,制定所述目标对象的第一治疗计划。
在本申请一些实施方式中,所述根据所述模拟定位图像,制定所述目标对象的第一治疗计划,包括:
对所述模拟定位图像进行轮廓勾画,以确定目标对象的医学轮廓;
基于所述医学轮廓,制定所述目标对象的第一治疗计划。
在本申请一些实施方式中,所述基于所述当前图像处理模式,对所述医学图像进行图像处理,包括:
若所述当前图像处理模式为治疗模式,获取针对所述目标对象预先制定的第二治疗计划;
基于所述第二治疗计划,对所述目标对象进行图像引导及治疗。
另一方面,本申请提供一种医学图像处理装置,应用于医学设备,所述医学设备的图像处理模式包括图像诊断模式、治疗计划制定模式和治疗模式,所述医学图像处理装置包括:
第一获取模块,用于获取所述医学设备的当前图像处理模式;
第二获取模块,用于获取目标对象的医学图像;
处理模块,用于基于所述当前图像处理模式,对所述医学图像进行图像处理。
在本申请一些实施方式中,所述处理模块具体用于:
若所述当前图像处理模式为图像诊断模式,对所述医学图像进行识别,得到所述医学图像的医学识别结果。
在本申请一些实施方式中,所述处理模块具体用于:
若所述当前图像处理模式为图像诊断模式,向目标用户展示所述医学图像;
获取用户针对所述医学图像的人工诊断信息;
将所述人工诊断信息作为所述医学图像的医学识别结果。
在本申请一些实施方式中,所述第二获取模块具体用于:
依次获取所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像,每个定位位置对应一张定位扫描图像;
将所述多张定位扫描图像进行拼接,得到所述目标对象的医学图像。
在本申请一些实施方式中,所述第二获取模块具体用于:
在沿所述治疗床方向的第一定位位置,获取扫描所述目标对象的单圈扫描图像;
按照预设步长,确定所述第一定位位置在沿治疗床方向下一个目标定位位置,获取在所述目标定位位置扫描所述目标对象的单圈扫描图像;
在完成获取多个定位位置的目标对象扫描之后,得到所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像。
在本申请一些实施方式中,所述处理模块具体用于:
若所述当前图像处理模式为治疗计划制定模式,采集所述目标对象的模拟定位图像;
根据所述模拟定位图像,制定所述目标对象的第一治疗计划。
在本申请一些实施方式中,所述处理模块具体用于:
对所述模拟定位图像进行轮廓勾画,以确定目标对象的医学轮廓;
基于所述医学轮廓,制定所述目标对象的第一治疗计划。
在本申请一些实施方式中,所述处理模块具体用于:
若所述当前图像处理模式为治疗模式,获取针对所述目标对象预先制定的第二治疗计划;
基于所述第二治疗计划,对所述目标对象进行图像引导及治疗。
另一方面,本申请还提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现第一方面中任一项所述的医学图像处理方法。
另一方面,本申请还提供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进行加载,以执行第一方面任一项所述的医学图像处理方法中的步骤。
本申请通过获取所述医学设备的当前图像处理模式;获取目标对象的医学图像;基于所述当前图像处理模式,对所述医学图像进行图像处理。由于医学设备的图像处理模式包括图像诊断模式、治疗计划制定模式和治疗模式,对于同一个医学设备,可以实现现有技术中多种医学设备的功能,如诊断,治疗计划的指定,图像引导治疗等,提高了医学设备的利用率,降低了设备采购升本和患者治疗成本,同时节约了患者的治疗时间。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的医学图像重建系统的场景示意图;
图2是本申请实施例中提供的医学图像处理方法的一个实施例流程示意图;
图3是本申请实施例中在图2所示实施例基础上,医学图像处理方法的另一个实施例流程示意图;
图4是本申请实施例中提供的医学图像处理装置的一个实施例结构示意图;
图5是本申请实施例中提供的计算机设备的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
需要说明的是,本申请实施例方法由于是在计算机设备中执行,各计算机设备的处理对象均以数据或信息的形式存在,例如时间,实质为时间信息,可以理解的是,后续实施例中若提及尺寸、数量、位置等,均为对应的数据存在,以便计算机设备进行处理,具体此处不作赘述。
下面首先对本申请实施例中涉及到的一些基本概念进行介绍:
迭代重建技术:用一系列的近似计算以逐渐逼近的方式来获得图像,在图像重建开始以前,假定图像是均匀密度的,重建图像的每一步都是将上一步重建图像的计算投影与实际测量所得的投影进行比较,用实际投影与计算投影之差来修正图像。每一步都使图像更接近原来物体,经若干次修正后可以获得满意的图像,其缺点在运算工作量极大。
电子射野影像系统:又称电子射野影像装置,英文全称Electronic PortalImaging Device,简称EPID,是当射线束照射靶区时,采用电子技术在射线出射方向获取图像的工具。基于非晶硅平板探测器的EPID可用较少的剂量获得较好的成像,具有体积小、分辨率高、灵敏度高、影响范围宽等优点,并且是一种快速的二维剂量测量系统,既可以离线校正验证射野的大小、形状、位置和患者摆位,也可以直接测量射野内剂量。
图像引导放射治疗:图像引导放射治疗(Image-guided Radiation Therapy,IGRT)是一种四维的放射治疗技术,在患者进行治疗前、治疗中利用各种先进的影像设备对肿瘤及正常器官进行实时的监控。它在三维放疗技术的基础上加入了时间因数的概念,充分考虑了解剖组织在治疗过程中的运动和分次治疗间的位移误差,如呼吸和蠕动运动、日常摆位误差、靶区收缩等引起放疗剂量分布的变化和对治疗计划的影响等方面的情况,并能根据器官位置的变化调整治疗条件使照射野紧紧“追随”靶区。
图像配准:图像配准(Image Registration)就是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程,被广泛地应用于遥感数据分析、计算机视觉和图像处理等领域。医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换,使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相同的空间位置。配准的结果应使两幅图像上所有的解剖点,或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。
感兴趣区域(Region Of Interest,ROI):机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为感兴趣区域。在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子(Operator)和函数来求得感兴趣区域ROI,并进行图像的下一步处理。
本申请实施例提供一种医学图像处理方法、装置、计算机设备及存储介质,以下分别进行详细说明。
请参阅图1,图1为本申请实施例所提供的医学图像重建系统的场景示意图,该医学图像重建系统可以包括计算机设备100和医学设备200,所述计算机设备100与医学设备200通信连接,医学设备200采集的医学数据(如实际投影数据)可以传输到计算机设备100中,计算机设备100中集成有医学图像处理装置。
本申请实施例中计算机设备100主要用于获取所述医学设备的当前图像处理模式;获取目标对象的医学图像;基于所述当前图像处理模式,对所述医学图像进行图像处理。
本申请实施例中,该计算机设备100可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的计算机设备100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
可以理解的是,本申请实施例中该计算机设备100还可以是终端,终端可以是既包括接收和发射硬件的设备,即具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端具体可以是台式终端,例如台式电脑等。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用场景,并不构成对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的计算机设备,例如图1中仅示出1个计算机设备,可以理解的,该医学图像重建系统还可以包括一个或多个其他计算机设备,具体此处不作限定。
另外,如图1所示,该医学图像重建系统还可以包括存储器300,用于存储医学数据,如医学图像。
本申请实施例中,医学设备200可以是CT设备,CBCT设备或者其他医学设备,例如正电子发射计算机断层显像(Positron Emission Tomography-Computed Tomography,PET-CT)设备等,具体此处不作限定。对应的,本申请实施例中,所描述的医学图像可以指CT图像。
需要说明的是,图1所示的医学图像重建系统的场景示意图仅仅是一个示例,本申请实施例描述的医学图像重建系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着医学图像重建系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
首先,本申请实施例中提供一种医学图像处理方法,该医学图像处理方法的执行主体为医学图像处理装置,该医学图像处理装置应用于计算机设备,该医学图像处理方法包括:获取所述医学设备的当前图像处理模式;获取目标对象的医学图像;基于所述当前图像处理模式,对所述医学图像进行图像处理。
如图2所示,为本申请实施例中医学图像处理方法的一个实施例流程示意图,该医学图像处理方法应用于医学设备,所述医学图像处理方法包括如下步骤201~203:
201、获取所述医学设备的当前图像处理模式。
其中,所述医学设备包括多种图像处理模式,医学设备的图像处理模式可以包括图像诊断模式、治疗计划制定模式和治疗模式,可以理解的是,基于功能的不同,医学设备还可以包括更多的图像处理模式,具体此处不作限定。
医学设备可以是成像设备,医学设备也可以是放疗设备上配置的影像设备。进一步的,由于锥形束CT技术的一体化技术,已具有用于治疗时图像引导的功能,若CBCT前向涵盖已有技术中诊断CT和治疗计划制定和模拟定位用的大孔径CT的功能,使得背景技术中1)-3)的功能可以在同一台设备实现,使得原本需要三套机架、床以及控制系统的情况改善为只需要一套,直接降低了设备成本;病人的诊断扫描、计划制定和模拟定位扫描与治疗图像引导扫描共享,极大地保障了三个阶段扫描的一致性,提高了总体诊疗精确度,也方便了病人和节约了医疗成本。因此,本实施例中医学设备可以为CBCT,在CBCT的基础上通过算法前向涵盖已有技术中诊断CT和治疗计划制定和模拟定位用的大孔径CT的功能。
当医学设备可以是成像设备时,成像设备可以是兆伏级CBCT(Mega-volt CBCT,MV-CBCT)或者千伏级CBCT(Kilo-volt CBCT,KV-CBCT),具体此处不作限定。
本申请实施例中,获取所述医学设备的当前图像处理模式可以是:显示多种医学设备支持的图像处理模式,获取在多种医学设备支持的图像处理模式中选择的当前图像处理模式。获取所述医学设备的当前图像处理模式还可以是:获取用户输入的当前图像处理模式。
在本申请另一些实施例中,获取所述医学设备的当前图像处理模式还可以是:获取目标对象的用户信息,基于用户的用户信息,确定所述医学设备的当前图像处理模式。其中,目标对象的用户信息可以是用户当前的治疗阶段信息,用户拍摄的图像信息,用户的疾病状态信息等,基于这些用户信息可以确定用户当前的治疗阶段,例如没有诊断记录,则表明用户当前未进行诊断,可以直接确定为图像诊断模式。需要说明的是,本申请实施例中,提及的用户信息可以是脱敏后的个人信息或个人授权后的个人信息。
202、获取目标对象的医学图像。
其中,目标对象可以是任意活体,例如人或动物,还可以是人或动物的模体等,本实施例中以人体为例进行说明,当目标对象为人体时,可以是人体的一个部位或全部人体,例如可以是人体的一个组织或器官,具体如头颅,或肺部、肝部等器官。
本申请实施例中,获取目标对象的医学图像的方式可以是通过医学设备在一次或多次扫描目标对象时获取。
需要说明的是,本申请实施例中,步骤201获取所述医学设备的当前图像处理模式和步骤202中获取目标对象的医学图像之间的时序可以不作限定,在本申请一些实施例中,可以如图2所示,获取所述医学设备的当前图像处理模式在获取目标对象的医学图像之前,可以理解的是,在本申请其它一些实施例中,还可以是获取目标对象的医学图像在获取所述医学设备的当前图像处理模式之前,也可以是获取所述医学设备的当前图像处理模式和获取目标对象的医学图像同时进行,具体此处不作限定。
203、基于所述当前图像处理模式,对所述医学图像进行图像处理。
本申请实施例中,可以基于当前图像处理模式,对所述医学图像进行图像处理,由于当前图像处理模式有不同的可能,基于不同可能的当前图像处理模式,采用不同的处理方式对所述医学图像进行图像处理。
本申请实施例中通过获取所述医学设备的当前图像处理模式;获取目标对象的医学图像;基于所述当前图像处理模式,对所述医学图像进行图像处理。由于医学设备的图像处理模式包括图像诊断模式、治疗计划制定模式和治疗模式,对于同一个医学设备,可以实现现有技术中多种医学设备的功能,如诊断,治疗计划的指定,图像引导治疗等,提高了医学设备的利用率,降低了设备采购升本和患者治疗成本,同时节约了患者的治疗时间。
本申请实施例中,基于不同可能的当前图像处理模式,采用不同的处理方式对所述医学图像进行图像处理,下面分别举例进行说明。
(1)当前图像处理模式为图像诊断模式
在本申请一些实施方式中,所述基于所述当前图像处理模式,对所述医学图像进行图像处理,包括:若所述当前图像处理模式为图像诊断模式,对所述医学图像进行识别,得到所述医学图像的医学识别结果。
其中,所述若所述当前图像处理模式为图像诊断模式,对所述医学图像进行识别,得到所述医学图像的医学识别结果也有多种方式,一种是人工进行诊断,另一种是医学设备基于深度学习技术进行诊断。
在人工进行诊断识别的方式中,所述若所述当前图像处理模式为图像诊断模式,对所述医学图像进行识别,得到所述医学图像的医学识别结果,可以包括:若所述当前图像处理模式为图像诊断模式,向目标用户展示所述医学图像;获取用户针对所述医学图像的人工诊断信息;将所述人工诊断信息作为所述医学图像的医学识别结果。
在医学设备基于深度学习技术进行诊断识别的方式中,所述对所述医学图像进行识别,得到所述医学图像的医学识别结果,可以包括:通过预设的网络模型,对所述医学图像进行识别,得到所述医学图像的医学识别结果。
其中,深度学习技术可以是在医学影像处理中使用的到的深度学习的模型框架,主要有:
SAE(stack auto-encoder):无监督学习方案,逐层训练,得到特征描述为主。
RBM(restricted Boltzmann machine):无监督学习方案,与SAE类似。
CNN(convolutional neural network):卷积神经网络,使用最为广泛,可以用来提取图片特征或者直接完成分类检测等任务。
RNN(recurrent neural network):循环神经网络,用来获取时序上的信息,在CT等逐行扫描图像中使用。
U-net(with a single downsampling stage):类似于带short-cut的全卷积网络,用来融合不同尺度的图像的特征。
FCNN(fully convolutional neural network):全卷积网络,可以获取与原图相同分辨率的图片,常用于分割等任务。
FRCNN(Faster Region-proposal based neural network):一种快速的深度学习检测网络框架,分为rpn和rcnn两层,用于检测医学图像中的多种物体。
具体的,使用深度学习技术进行图像诊断为现有技术,具体此处不作赘述。
本申请实施例中,由于图像诊断和模拟定位扫描,需要更大的头脚方向扫描范围,在CBCT原有单圈扫描基础上,实现床的步进扫描,可以是边扫描床边前进同步重建,类似螺旋锥束CT重建;或者床在第一段停止进行单圈锥束扫描重建,然后前进至另一位置,进行另一次单圈锥束CT扫重建,然后把两次锥束CT扫描重建的图像拼接起来。
具体的,如图3所示,所述获取目标对象的医学图像,可以进一步包括:
301、依次获取所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像。
其中,治疗床为医学设备中放置目标对象的治疗床,每个定位位置对应一张定位扫描图像,即在每个定位位置进行单圈锥束扫描重建,得到一张定位扫描图像。
进一步的,所述依次获取所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像,包括:在沿所述治疗床方向的第一定位位置,获取扫描所述目标对象的单圈扫描图像;按照预设步长,确定所述第一定位位置在沿治疗床方向下一个目标定位位置,获取在所述目标定位位置扫描所述目标对象的单圈扫描图像;在完成获取多个定位位置的目标对象扫描之后,得到所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像。其中,预设步长可以是治疗床的步进步长。
302、将所述多张定位扫描图像进行拼接,得到所述目标对象的医学图像。
具体的,将所述多张定位扫描图像进行拼接,得到所述目标对象的医学图像,可以通过配准技术将所述多张定位扫描图像进行拼接,得到所述目标对象的医学图像。
医学图像配准技术就是指寻求一种或者一系列空间变换,使得待配准图像经过空间变换以后与参考图像上的对应点在相应的位置上达到一致。换句话说,配准的目的就是使浮动图像和参考图像上的对应点,至少是对临床医学具有诊断意义的点达到相互匹配,使得各影像在信息表达上的优势达到互补。临床上,医生在对病人的病情作出诊断之间需要综合不同医学影像的拍摄效果,医学图像配准就是医生作出正确诊断的前提步骤。
医学图像刚性配准技术主要适用的配准对象是在不同时间间隔内,组织器官内部几乎不发生形变的刚体部位的医学影像,例如:人类大脑部位的图像和骨骼处的医学影像。忽略人体头部皮肤细微的变化,可以认为在不同时间间隔内所采集的人脑图像中任何两点之间的距离是固定的,因此采取刚性配准的方法就可以使待图像间在空间上达到相互配准。刚性配准的核心思路如下:将待配准图像中的其中一幅图像设定为参考,称标准图像;另一幅图像依据标准图像进行空间变换,称为浮动图像。刚性配准的过程可以分解为一系列旋转平移的操作步骤,浮动图像进过一系列的变换与标准图像上相对应的像素点达到空间位置上的一致。
需要说明的是,本申请实施例中,将所述多张定位扫描图像进行拼接,得到所述目标对象的医学图像的方式可以是刚性配准方式,具体的,刚性配准需要配准的两个图像之间有一定的重叠比例(可以是预设的重叠比例),例如,重叠比例在20%以上。
(2)当前图像处理模式为治疗计划制定模式
当前图像处理模式为治疗计划制定模式,可以是诊断阶段-治疗计划制定阶段一次完成,即若目标对象存在异常,继续完成计划制定,若目标对象不存在异常,在疗计划制定模式也只做诊断阶段;也可以是预先诊断目标对象存在异常,本次只做治疗计划制定。
在本申请一些实施方式中,当预先已经诊断目标对象存在异常,本次只做治疗计划制定时,所述基于所述当前图像处理模式,对所述医学图像进行图像处理,包括:若所述当前图像处理模式为治疗计划制定模式,采集所述目标对象的模拟定位图像;根据所述模拟定位图像,制定所述目标对象的第一治疗计划。
其中,预先已经诊断目标对象存在异常可以是预先诊断目标对象得到异常结果,异常结果可以是癌症阳性结果,或者直接显示疾病的诊断异常结果(如某癌症等),或者直接用字母或数字等替代的异常结果(如A代表正常结果,B代表异常结果),具体异常结果的表现方式此处不作限定。
进一步的,所述根据所述模拟定位图像,制定所述目标对象的第一治疗计划,包括:根据所述模拟定位图像进行轮廓勾画,以确定目标对象的医学轮廓;基于所述医学轮廓,制定所述目标对象的第一治疗计划。
其中,进行轮廓勾画的方式可以是AI勾画(利用神经网络模型进行勾画)或者人工勾画的方式,此处不作限定,具体轮廓勾画和基于医学轮廓制定治疗计划具体的实现手段为现有技术,具体此处不再赘述。
(3)当前图像处理模式为治疗模式
在治疗模式下,可以选择对治疗过程中的目标对象进行实时图像引导或者不进行图像引导,具体可以根据实际场景确定。
在本申请一些实施例中,所述基于所述当前图像处理模式,对所述医学图像进行图像处理,包括:若所述当前图像处理模式为治疗模式,获取针对所述目标对象预先制定的第二治疗计划;基于所述第二治疗计划,对所述目标对象进行图像引导及治疗。
其中,第二治疗计划可以是之前已经制定好的治疗计划,如第一治疗计划,也可以是实时制定的治疗计划,此时,第二治疗计划与第一治疗计划不同。其中,实时制定所述目标对象的第二治疗计划的方式可以参照上述实施例中根据所述模拟定位图像,制定所述目标对象的第一治疗计划的实现方式。
同样的,当前图像处理模式为治疗模式时,可以治疗计划制定阶段-图像引导,即若在治疗模式做治疗计划制定阶段+治疗阶段;也可以是预先诊断目标对象存在异常,已经做了治疗计划制定了,本次只做治疗阶段。具体的,即取针对所述目标对象预先制定的第二治疗计划,可以是获取已经制定好的第二治疗计划,或者获取本次现场制定的治疗计划。
具体的,若所述当前图像处理模式为治疗模式,获取针对所述目标对象预先制定的第二治疗计划可以是:若所述当前图像处理模式为治疗模式,判断是否存在针对所述目标对象的已制定治疗计划,若存在针对所述目标对象的治疗计划,获取所述已制定治疗计划,若不存在针对所述目标对象的治疗计划,判断是否存在所述目标对象的模拟定位图像,若存在,根据所述目标对象的模拟定位图像,制定第二治疗计划;若不存在目标对象的模拟定位图像,且所述目标对象的诊断结果为异常结果(如上实施例所述的异常结果表现形式),则采集所述目标对象的模拟定位图像,根据采集的目标对象的模拟定位图像,制定第二治疗计划。
其中,根据已存在的或者实时采集的模拟定位图像,制定所述目标对象的第二治疗计划的方式可以参照上述实施例中根据所述模拟定位图像,制定所述目标对象的第一治疗计划的实现方式,具体此处不再赘述。
进一步的,所述对所述目标对象进行图像引导及治疗,包括:获取目标对象的医学图像,与预设的计划图像进行比对,以实现图像引导放射治疗,具体图像引导的方式可以参照现有技术,此处不再赘述。
为了更好实施本申请实施例中医学图像处理方法,在医学图像处理方法基础之上,本申请实施例中还提供一种医学图像处理装置,应用于医学设备,所述医学设备的图像处理模式包括图像诊断模式、治疗计划制定模式和治疗模式,如图4所示,该医学图像处理装置400包括第一获取模块401,第二获取模块402和处理模块403:
第一获取模块401,用于获取所述医学设备的当前图像处理模式;
第二获取模块402,用于获取目标对象的医学图像;
处理模块403,用于基于所述当前图像处理模式,对所述医学图像进行图像处理。
本申请实施例通过第一获取模块401获取所述医学设备的当前图像处理模式;第二获取模块402获取目标对象的医学图像;处理模块403基于所述当前图像处理模式,对所述医学图像进行图像处理。由于医学设备的图像处理模式包括图像诊断模式、治疗计划制定模式和治疗模式,对于同一个医学设备,可以实现现有技术中多种医学设备的功能,如诊断,治疗计划的指定,图像引导治疗等,提高了医学设备的利用率,降低了设备采购升本和患者治疗成本,同时节约了患者的治疗时间。
在本申请一些实施方式中,所述处理模块403具体用于:
若所述当前图像处理模式为图像诊断模式,对所述医学图像进行识别,得到所述医学图像的医学识别结果。
在本申请一些实施方式中,所述处理模块403具体用于:
若所述当前图像处理模式为图像诊断模式,向目标用户展示所述医学图像;
获取用户针对所述医学图像的人工诊断信息;
将所述人工诊断信息作为所述医学图像的医学识别结果。
在本申请一些实施方式中,所述第二获取模块402具体用于:
依次获取所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像,每个定位位置对应一张定位扫描图像;
将所述多张定位扫描图像进行拼接,得到所述目标对象的医学图像。
在本申请一些实施方式中,所述第二获取模块402具体用于:
在沿所述治疗床方向的第一定位位置,获取扫描所述目标对象的单圈扫描图像;
按照预设步长,确定所述第一定位位置在沿治疗床方向下一个目标定位位置,获取在所述目标定位位置扫描所述目标对象的单圈扫描图像;
在完成获取多个定位位置的目标对象扫描之后,得到所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像。
在本申请一些实施方式中,所述处理模块403具体用于:
若所述当前图像处理模式为治疗计划制定模式,采集所述目标对象的模拟定位图像;
根据所述模拟定位图像,制定所述目标对象的第一治疗计划。
在本申请一些实施方式中,所述处理模块403具体用于:
对所述模拟定位图像进行轮廓勾画,以确定目标对象的医学轮廓;
基于所述医学轮廓,制定所述目标对象的第一治疗计划。
在本申请一些实施方式中,所述处理模块403具体用于:
若所述当前图像处理模式为治疗模式,获取针对所述目标对象预先制定的第二治疗计划;
基于所述第二治疗计划,对所述目标对象进行图像引导及治疗。
本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种医学图像处理装置,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行上述医学图像处理方法实施例中任一实施例中所述的医学图像处理方法中的步骤。
本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种医学图像处理装置。如图5所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储器502、电源503和输入单元504等部件。本领域技术人员可以理解,图5中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器501是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器502内的软件程序和/或模块,以及调用存储在存储器502内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器501可包括一个或多个处理核心;优选的,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。
存储器502可用于存储软件程序以及模块,处理器501通过运行存储在存储器502的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器502还可以包括存储器控制器,以提供处理器501对存储器502的访问。
计算机设备还包括给各个部件供电的电源503,优选的,电源503可以通过电源管理系统与处理器501逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源503还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元504,该输入单元504可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器501会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中,并由处理器501来运行存储在存储器502中的应用程序,从而实现各种功能,如下:
获取所述医学设备的当前图像处理模式;获取目标对象的医学图像;基于所述当前图像处理模式,对所述医学图像进行图像处理。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行本申请实施例所提供的任一种医学图像处理方法中的步骤。例如,所述计算机程序被处理器进行加载可以执行如下步骤:
获取所述医学设备的当前图像处理模式;获取目标对象的医学图像;基于所述当前图像处理模式,对所述医学图像进行图像处理。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种医学图像处理方法、装置、计算机设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种医学图像处理方法,其特征在于,应用于医学设备,所述医学设备的图像处理模式包括图像诊断模式、治疗计划制定模式和治疗模式,所述医学图像处理方法包括:
获取所述医学设备的当前图像处理模式;
获取目标对象的医学图像;
基于所述当前图像处理模式,对所述医学图像进行图像处理。
2.根据权利要求1所述的医学图像处理方法,其特征在于,所述基于所述当前图像处理模式,对所述医学图像进行图像处理,包括:
若所述当前图像处理模式为图像诊断模式,对所述医学图像进行识别,得到所述医学图像的医学识别结果。
3.根据权利要求2所述的医学图像处理方法,其特征在于,所述若所述当前图像处理模式为图像诊断模式,对所述医学图像进行识别,得到所述医学图像的医学识别结果,包括:
若所述当前图像处理模式为图像诊断模式,向目标用户展示所述医学图像;
获取用户针对所述医学图像的人工诊断信息;
将所述人工诊断信息作为所述医学图像的医学识别结果。
4.根据权利要求3所述的医学图像处理方法,其特征在于,所述获取目标对象的医学图像,包括:
依次获取所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像,每个定位位置对应一张定位扫描图像;
将所述多张定位扫描图像进行拼接,得到所述目标对象的医学图像。
5.根据权利要求4所述的医学图像处理方法,其特征在于,所述依次获取所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像,包括:
在沿所述治疗床方向的第一定位位置,获取扫描所述目标对象的单圈扫描图像;
按照预设步长,确定所述第一定位位置在沿治疗床方向下一个目标定位位置,获取在所述目标定位位置扫描所述目标对象的单圈扫描图像;
在完成获取多个定位位置的目标对象扫描之后,得到所述目标对象在沿治疗床方向多个定位位置的多张定位扫描图像。
6.根据权利要求2所述的医学图像处理方法,其特征在于,所述基于所述当前图像处理模式,对所述医学图像进行图像处理,包括:
若所述当前图像处理模式为治疗计划制定模式,采集所述目标对象的模拟定位图像;
根据所述模拟定位图像,制定所述目标对象的第一治疗计划。
7.根据权利要求6所述的医学图像处理方法,其特征在于,所述根据所述模拟定位图像,制定所述目标对象的第一治疗计划,包括:
对所述模拟定位图像进行轮廓勾画,以确定目标对象的医学轮廓;
基于所述医学轮廓,制定所述目标对象的第一治疗计划。
8.根据权利要求1所述的医学图像处理方法,其特征在于,所述基于所述当前图像处理模式,对所述医学图像进行图像处理,包括:
若所述当前图像处理模式为治疗模式,获取针对所述目标对象预先制定的第二治疗计划;
基于所述第二治疗计划,对所述目标对象进行图像引导及治疗。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至8中任一项所述的医学图像处理方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至8任一项所述的医学图像处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195807.XA CN114569146A (zh) | 2022-03-01 | 2022-03-01 | 医学图像处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195807.XA CN114569146A (zh) | 2022-03-01 | 2022-03-01 | 医学图像处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114569146A true CN114569146A (zh) | 2022-06-03 |
Family
ID=81776506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210195807.XA Pending CN114569146A (zh) | 2022-03-01 | 2022-03-01 | 医学图像处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114569146A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050251029A1 (en) * | 2004-04-21 | 2005-11-10 | Ali Khamene | Radiation therapy treatment plan |
CN102481115A (zh) * | 2009-06-05 | 2012-05-30 | 皇家飞利浦电子股份有限公司 | 用于集成式活检和治疗的系统和方法 |
JP2020062281A (ja) * | 2018-10-18 | 2020-04-23 | 富士フイルム医療ソリューションズ株式会社 | 情報処理システム及び情報処理方法 |
CN111068186A (zh) * | 2018-10-22 | 2020-04-28 | 清华大学 | Ct成像和图像引导放射治疗装置 |
CN111375144A (zh) * | 2018-12-29 | 2020-07-07 | 清华大学 | 断层成像和图像引导放射治疗装置 |
WO2021071306A1 (ko) * | 2019-10-10 | 2021-04-15 | 연세대학교 산학협력단 | 세기 조절 방사선 치료를 위한 방사선 치료 계획 수립 장치 및 방법 |
CN113627564A (zh) * | 2021-08-23 | 2021-11-09 | 李永鑫 | 基于深度学习的ct医学影像处理模型训练方法及诊疗系统 |
-
2022
- 2022-03-01 CN CN202210195807.XA patent/CN114569146A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050251029A1 (en) * | 2004-04-21 | 2005-11-10 | Ali Khamene | Radiation therapy treatment plan |
CN102481115A (zh) * | 2009-06-05 | 2012-05-30 | 皇家飞利浦电子股份有限公司 | 用于集成式活检和治疗的系统和方法 |
JP2020062281A (ja) * | 2018-10-18 | 2020-04-23 | 富士フイルム医療ソリューションズ株式会社 | 情報処理システム及び情報処理方法 |
CN111068186A (zh) * | 2018-10-22 | 2020-04-28 | 清华大学 | Ct成像和图像引导放射治疗装置 |
CN111375144A (zh) * | 2018-12-29 | 2020-07-07 | 清华大学 | 断层成像和图像引导放射治疗装置 |
WO2021071306A1 (ko) * | 2019-10-10 | 2021-04-15 | 연세대학교 산학협력단 | 세기 조절 방사선 치료를 위한 방사선 치료 계획 수립 장치 및 방법 |
CN113627564A (zh) * | 2021-08-23 | 2021-11-09 | 李永鑫 | 基于深度学习的ct医学影像处理模型训练方法及诊疗系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111789613B (zh) | 一种成像系统和方法 | |
CN106039576B (zh) | 射野剂量测定系统、设备和方法 | |
US8457372B2 (en) | Subtraction of a segmented anatomical feature from an acquired image | |
CN110009709B (zh) | 医学图像成像方法和系统 | |
US8831706B2 (en) | Fiducial-less tracking of a volume of interest | |
CN108968996A (zh) | 运动门控医学成像 | |
CN108883294A (zh) | 用于在整个放射治疗中监视结构运动的系统和方法 | |
US8358738B2 (en) | Respiration-correlated radiotherapy | |
JP2019511268A (ja) | 脳深部刺激療法の電極の三次元画像における回転配向の決定 | |
CN107133549A (zh) | Ect运动门控信号获取方法及ect图像重建方法 | |
CN107016661B (zh) | 一种医学成像方法及装置 | |
US12064648B2 (en) | Cardiac ablation using an MR linac | |
JP2024514494A (ja) | インモーション多パルス作動x線源トモシンセシスイメージングシステムによる人工知能訓練 | |
WO2022012541A1 (zh) | 一种医学设备的图像扫描方法和系统 | |
CN112022191B (zh) | 一种摆位方法和系统 | |
CN113384822A (zh) | 一种有限角度成像方法和系统 | |
CN117766121A (zh) | 医学图像处理方法、装置以及系统 | |
US11837352B2 (en) | Body representations | |
CN114569146A (zh) | 医学图像处理方法、装置、计算机设备及存储介质 | |
US20220277835A1 (en) | Self-learning distributed system with automated ground-truth generation | |
CN116897069A (zh) | 摆位方法、装置、放疗设备以及存储介质 | |
CN112790778A (zh) | 采集错误对齐 | |
CN114849089B (zh) | 一种放射治疗引导方法和系统 | |
WO2024067629A1 (en) | Methods, systems, and mediums for scanning | |
US20230398376A1 (en) | Methods and systems for radiation therapy guidance |
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 |