CN114795268A - 智能呼吸导航的方法、装置及存储介质 - Google Patents
智能呼吸导航的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114795268A CN114795268A CN202210551441.5A CN202210551441A CN114795268A CN 114795268 A CN114795268 A CN 114795268A CN 202210551441 A CN202210551441 A CN 202210551441A CN 114795268 A CN114795268 A CN 114795268A
- Authority
- CN
- China
- Prior art keywords
- patient
- scanning
- breathing
- respiratory
- frequency
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 60
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 193
- 230000036391 respiratory frequency Effects 0.000 claims abstract description 85
- 238000012549 training Methods 0.000 claims description 53
- 230000036387 respiratory rate Effects 0.000 claims description 48
- 230000035565 breathing frequency Effects 0.000 claims description 43
- 238000013136 deep learning model Methods 0.000 claims description 30
- 230000004044 response Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 description 31
- 230000008569 process Effects 0.000 description 30
- 238000002591 computed tomography Methods 0.000 description 18
- 238000001959 radiotherapy Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000012285 ultrasound imaging Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
-
- 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
- A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本说明书实施例提供了一种根据患者的呼吸频率进行智能呼吸导航的方法,所述方法包括以下步骤:在扫描前获取患者的自由呼吸信息,基于所述扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率;基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率;基于所述指导呼吸频率确定导航语音,并基于所述导航语音对所述患者在实际扫描时的呼吸进行导航,实现了针对每个患者的呼吸情况给予不同的呼吸指导,提高了呼吸导航的效率。
Description
技术领域
本说明书涉及医疗辅助技术领域,特别涉及一种根据患者的呼吸频率进行智能呼吸导航的方法、装置及计算机可读存储介质。
背景技术
CT的呼吸门控扫描有两种模式,一种是自由呼吸模式,另一种是屏气呼吸模式。其中自由呼吸模式更加常用,自由呼吸需要患者有规律地呼吸,然而当患者独自一人处于扫描间内时,可能无法凭借自己进行规律且在范围内的呼吸,从而不能满足扫描时的呼吸要求。
因此,希望能提供一种可以根据患者的呼吸频率,智能地指导患者规律呼吸的语音导航方案。
发明内容
本说明书实施例之一提供一种根据患者的呼吸频率进行智能呼吸导航的方法,所述方法包括以下步骤:在扫描前获取患者的自由呼吸信息,基于所述扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率;基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率;基于所述指导呼吸频率确定导航语音,并基于所述导航语音对所述患者在实际扫描时的呼吸进行导航。
在一些实施例中,所述基于所述扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率,包括:基于所述扫描前患者的自由呼吸信息,利用第一深度学习模型确定患者在扫描状态时的扫描状态呼吸频率,其中,所述第一深度学习模型是基于多个历史患者的自由呼吸信息训练数据而训练得到的。
在一些实施例中,所述基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率,包括:
基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,利用第二深度学习模型确定所述患者在实际扫描时的指导呼吸频率,其中,所述第二深度学习模型是基于多个历史患者的自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型的训练数据而训练得到的。
在一些实施例中,所述方法还包括:基于患者状态获取设备获取所述患者的自由呼吸信息,所述患者的自由呼吸信息包括以下一种或者多种的组合:患者的呼吸频率、患者的呼吸幅值、患者的声音信息、患者的图像信息以及患者的个人信息。
在一些实施例中,基于压力传感器或者摄像头获取所述患者的呼吸频率。
在一些实施例中,确定所述患者在实际扫描时的指导呼吸频率,通过如下步骤获得:根据扫描类型,判断是否需要智能语音导航;响应于需要智能语音导航,判断在扫描前获取患者的自由呼吸信息是否满足扫描要求呼吸频率;响应于满足扫描要求呼吸频率,确定患者在实际扫描时的指导呼吸频率;响应于不满足扫描要求呼吸频率,对患者进行呼吸训练。
在一些实施例中,所述基于所述指导呼吸频率确定导航语音,并基于所述导航语音对所述患者在实际扫描时的呼吸进行导航,包括:判断所述确定的患者在实际扫描时的指导呼吸频率,是否满足扫描要求呼吸频率;响应于满足扫描要求呼吸频率,基于所述指导呼吸频率确定导航语音;响应于不满足扫描要求呼吸频率,对患者进行呼吸训练。
在一些实施例中,所述方法还包括:当所述患者在实际扫描时的呼吸出现异常情况时,进行异常提示。
本说明书实施例之一提供一种根据患者的呼吸频率进行智能呼吸导航的装置,包括:呼吸预测模块,用于在扫描前获取患者的自由呼吸信息,基于所述扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率;呼吸确定模块,用于基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率;呼吸导航模块,用于基于所述指导呼吸频率确定导航语音,并基于所述导航语音对所述患者在实际扫描时的呼吸进行导航。
在一些实施例中,本说明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,当计算机读取存储介质中的计算机指令后,计算机执行如任一实施例所述的方法。
本说明书实施例提供的根据患者的呼吸频率进行智能呼吸导航的方法、装置及计算机可读存储介质,至少具有以下有益效果:
(1)通过在扫描前获取患者的自由呼吸信息,基于扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率,此种方式能够针对每个患者的呼吸情况给予不同的呼吸指导,提高了呼吸导航的效率;
(2)同时,在实现基于扫描前患者的自由呼吸信息预测患者在扫描状态时的扫描状态呼吸频率也采用人工智能,结合每个患者的呼吸情况以及大数据确定扫描状态呼吸频率,预测结果更加准确,适应性更高;
(3)进一步的,通过基于自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型确定患者在实际扫描时的指导呼吸频率时,通过采用人工智能使确定的指导呼吸频率更科学,不仅更适应患者的自由呼吸频率,也符合扫描要求的呼吸频率;
(4)另外,根据确定的指导呼吸频率,能够指导患者在扫描时有规律地呼吸的语音提示,特别地在出现异常时进行异常提示,以引导患者在适应患者自身呼吸规律的情况下,做出符合扫描要求呼吸频率的规律呼吸,提高了呼吸导航的效率,以达到精准配合CT扫描机完成扫描。
附图说明
本说明书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所示为根据本说明书一些实施例所示的根据患者的呼吸频率进行智能呼吸导航系统的应用场景示意图;
图2是根据本说明书一些实施例所示的根据患者的呼吸频率进行智能呼吸导航的方法示例性流程图;
图3是根据本说明书一些实施例所示的第一深度学习模型的训练过程示例性流程图;
图4是根据本说明书一些实施例所示的第二深度学习模型的训练过程示例性流程图;
图5示出了根据本说明书一些实施例的一种根据患者的呼吸频率进行智能呼吸导航的装置的组成结构示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,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说明书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说明书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”、“单元”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。
如本说明书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。
本说明书中使用了流程图用来说明根据本说明书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所示为根据本说明书一些实施例所示的根据患者的呼吸频率进行智能呼吸导航系统100的应用场景示意图。
如图1所示,在应用场景中可以包括医学设备110、处理设备120、存储设备130、终端140和/或网络150。
医学设备110可以用于对对象执行扫查,以进行诊断成像。医学设备110可以用于查看对象的身体内部组织的图像信息,以辅助医生进行疾病诊断。医学设备110可以通过探头将较高频率的声波(例如超声波)发送至对象以产生超声图像。在一些实施例中,对象可以包括生物对象和/或非生物对象。例如,对象可以包括人身体的特定部分,例如胸部等。又例如,对象可以是医学设备110待扫描的病人。
医学设备110可以被配置为使用高能射线(如X射线、γ射线等)对扫描对象进行扫描以收集与扫描对象有关的扫描数据。扫描数据可用于生成扫描对象的一个或以上影像。在一些实施例中,医学设备110可以包括超声成像(US)设备、计算机断层扫描(CT)扫描仪、数字放射线摄影(DR)扫描仪(例如,移动数字放射线摄影)、数字减影血管造影(DSA)扫描仪、动态空间重建(DSR)扫描仪、X射线显微镜扫描仪、多模态扫描仪等或其组合。在一些实施例中,多模态扫描仪可以包括计算机断层摄影-正电子发射断层扫描(CT-PET)扫描仪、计算机断层摄影-磁共振成像(CT-MRI)扫描仪。
医学设备110可以用于数据获取、处理和/或输出、定位等功能。医学设备110可以包含一个或多个子功能设备(例如单个传感设备或多个传感设备组成的传感系统设备,压力传感器等)。在一些实施例中,医学设备110可以包括但不限于超声发射单元(例如,包括超声换能器等)、超声成像单元、射频感应单元、NFC通信单元、图像采集单元(如摄像头等)、图像显示单元、音频输出单元等或其任意组合。示例性地,图像显示单元可以用于显示患者的呼吸波形等。示例性地,医学设备110可以由其压力传感器(图1中未示出)采集患者的自由呼吸信息,例如,扫描前获取患者的自由呼吸信息等等。示例性地,医学设备110也可以通过网络150接收来自终端140或处理设备120发送的患者在扫描状态时的扫描状态呼吸频率、扫描要求呼吸频率、扫描类型、和/或际扫描时的指导呼吸频率,等等。
处理设备120可以包括单个服务器,或服务器组。服务器组可以是集中式的,也可以是分布式的(例如,处理设备120可以是分布式系统)。在一些实施例中,处理设备120可以是本地的,也可以是远程的。例如,处理设备120可以经由网络150访问存储在医学设备110、终端140和/或存储设备130中的信息和/或数据。又例如,处理设备120可以直接连接到医学设备110、终端140和/或存储设备130以访问存储的信息和/或数据。在一些实施例中,处理设备120可以在云平台上实施。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,处理设备120可以在包括一个或以上组件的计算设备上实现。
在一些实施例中,处理设备120可以处理与智能呼吸导航有关的信息和/或数据以执行本说明书描述的一个或以上功能。在一些实施例中,处理设备120可以配置成一个或多个处理设备。例如,处理设备120的一个功能可以在多个处理设备上实现。
在一些实施例中,处理设备120可包括一个或以上处理引擎(例如,单核处理引擎或多核处理引擎)。处理设备120可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。在一些实施例中,处理设备120可以集成在医学设备110和/或终端140中。
在一些实施例中,医学设备110、终端140和/或其他可能的系统组成部分中可以包括处理设备120,例如可以将处理设备120或能实现处理设备120功能的模块集成在医学设备110、终端140和/或其他可能的系统组成部分中。
在一些实施例中,医学设备110的一个或者多个组件可以通过网络150传送数据至医学设备110的其他组件。例如,处理设备120可以通过网络150获取终端140、医学设备110和/或存储设备130中的信息和/或数据,或者可以通过网络150将信息和/或数据发送到终端140、医学设备110和/或存储设备130。
存储设备130可以用于存储数据和/或指令,数据指对信息的数字化表示,可以包括各种类型,比如二进制数据、文本数据、图像数据、视频数据等。指令指可控制设备或器件执行特定功能的程序。例如,存储设备130可以存储患者在扫描状态时的扫描状态呼吸频率、扫描要求呼吸频率、扫描类型、和/或际扫描时的指导呼吸频率等等。
存储设备130可以包括一个或多个存储组件,每个存储组件可以是一个独立的设备,也可以是其他设备的一部分。在一些实施例中,存储设备130可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的,大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,所述存储设备130可在云平台上实现。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
终端140指用户所使用的一个或多个终端设备或软件。终端140可以包括处理单元、显示单元、输入/输出单元、感知单元、存储单元等。感知单元可以包括但不限于光传感器、距离传感器、加速度传感器、陀螺仪传感器、声音探测器等或其任意组合。
在一些实施例中,终端140可以是移动设备140-1、平板计算机140-2、膝上型计算机140-3、台式计算机140-4等其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中,使用终端140的可以是一个或多个用户,可以包括直接使用服务的用户,如超声诊断医生或超声检测人员等,也可以包括其他相关用户,如患者、医院医疗系统端用户等。上述示例仅用于说明所述终端140设备范围的广泛性而非对其范围的限制。
网络150可以连接系统的各组成部分和/或连接系统与外部资源部分。网络150使得各组成部分之间,以及与系统之外其他部分之间可以进行通讯,促进数据和/或信息的交换。在一些实施例中,网络150可以是有线网络或无线网络中的任意一种或多种。例如,网络150可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式,也可以是采取多种方式。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中,网络150可以包括一个或以上网络接入点。例如,网络150可以包括有线或无线网络接入点,例如基站和/或网络交换点,通过这些进出医学设备110的一个或多个组件可连接到网络150上以交换数据和/或信息。
应当理解,图1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/或包括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。
并且,需要注意的是,对于图1的医学设备110描述,仅为描述方便,并不能把本说明书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,对各个模块进行任意组合,或者构成子系统与其他模块连接。
图2是根据本说明书一些实施例所示的根据患者的呼吸频率进行智能呼吸导航的方法200示例性流程图。在一些实施例中,根据患者的呼吸频率进行智能呼吸导航的方法200,可以由根据患者的呼吸频率进行智能呼吸导航的装置300或医学设备110、处理设备120、终端140执行。
步骤210,在扫描前获取患者的自由呼吸信息,基于扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率,此种方式能够针对每个患者的呼吸情况给予不同的呼吸指导,提高了呼吸导航的效率。在一些实施例中,步骤210可以由智能呼吸导航的装置300的呼吸预测模块310执行。在一些实施例中,扫描前是指开启扫描工作(如扫描的放线时段,即从扫描开始至扫描结束的时段)之前。
自由呼吸是指需要患者有规律地呼吸。在一些实施例中,患者的自由呼吸信息包括以下一种或者多种的组合:患者的呼吸频率、患者的呼吸幅值、患者的声音信息、患者的图像信息以及患者的个人信息。在一些实施例中,患者的自由呼吸信息可以包括患者的呼吸频率和呼吸幅值。在一些实施例中,可以基于患者状态获取设备获取患者的自由呼吸信息。
在一些实施例中,患者状态获取设备可以包括压力传感器或者摄像头,例如,通过摄像头获取患者的图像信息,等等。在一些实施例中,患者的图像信息可以包括摄取的患者不同呼吸状态的图像信息。在一些实施例中,患者不同呼吸状态的图像信息可以包括患者在屏呼时的面部图像信息、屏息时的面部图像信息以及自由呼吸状态的面部图像信息。在一些实施例中,在一些实施例中,可以对患者不同呼吸状态的图像中的高频图像信息和低频图像信息进行处理,例如可以得到相应频率曲线,进而根据频率曲线得到患者的呼吸频率和呼吸幅值。
在一些实施例中,可以基于压力传感器获取患者的自由呼吸信息。在一些实施例中,可以基于佩戴于患者体部的压力传感器采集患者的自由呼吸信息。在一些实施例中,先基于佩戴于患者体部的压力传感器采集患者的压力信息,然后基于患者的压力信息拟合出相应压力曲线,再根据压力曲线获得患者的呼吸频率和呼吸幅值。
在一些实施例中,可以基于获取到的扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率。在一些实施例中,可以基于扫描前患者的自由呼吸信息,利用第一深度学习模型确定患者在扫描状态时的扫描状态呼吸频率,其中,第一深度学习模型是基于多个历史患者的自由呼吸信息训练数据而训练得到的。
图3是根据本说明书一些实施例所示的步骤210中第一深度学习模型的训练过程示例性流程图。
在一些实施例中,第一深度学习模型可以通过以下训练过程得到:
子步骤211、获取患者的自由呼吸信息训练数据,患者的自由呼吸信息训练数据可以包括扫描前患者的自由呼吸信息训练数据及患者在扫描状态时的扫描状态呼吸频率标注数据;
子步骤212、将患者的自由呼吸信息训练数据输入待训练模型,输出患者在扫描状态时的扫描状态呼吸频率结果数据;
子步骤213、通过患者在扫描状态时的扫描状态呼吸频率结果数据,以及患者在扫描状态时的扫描状态呼吸频率标注数据,回调模型参数,获得训练后的第一深度学习模型。
在一些实施例中,可以基于患者屏呼、屏息的呼吸训练过程,获取患者屏呼、屏息的呼吸变化曲线,再基于患者屏呼、屏息的呼吸变化曲线,得到扫描前患者的呼吸频率及呼吸幅值。在一些实施例中,还可以对患者进行屏呼、屏息的呼吸测试,并判断呼吸测试得到的呼吸数据是否吻合患者屏呼、屏息的呼吸训练过程得到的呼吸变化曲线,得到测试结果,并可以根据测试结果,回调屏呼、屏息训练过程获得的扫描前患者的呼吸频率及呼吸幅值。
在一些实施例中,可以基于患者自由呼吸的呼吸训练过程,获取患者自由呼吸的呼吸变化曲线,再基于患者自由呼吸的呼吸变化曲线,得到扫描前患者的呼吸频率及呼吸幅值。在一些实施例中,还可以对患者进行自由呼吸的呼吸测试,判断患者每次自由呼吸的频率是否一致,并可以根据测试结果,回调屏呼、屏息训练过程获得的扫描前患者的呼吸频率及呼吸幅值。
在一些实施例中,可以根据患者的个人信息,对患者呼吸训练过程进行调整。示例性地,当患者的个人信息中的年龄信息位于预定年龄区间(例如20岁-40岁),可以调整患者呼吸训练过程的时间,例如缩短呼吸训练时间等,从而保障呼吸训练过程效率,也即提高获取患者的自由呼吸信息训练数据的效率。在一些实施例中,还可以结合患者历史呼吸训练数据,对患者呼吸训练过程进行调整。示例性地,可以对获得的扫描前患者的呼吸频率及呼吸幅值与患者历史呼吸训练数据进行对比,当获得的扫描前患者的呼吸频率及呼吸幅值与患者历史呼吸训练数据一致时,说明已满足训练要求,可以停止患者呼吸训练过程,从而提高呼吸训练过程效率,也即提高获取患者的自由呼吸信息训练数据的效率。
通过第一深度学习模型的人工智能处理方式,在扫描前获取患者的自由呼吸信息,基于扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率,例如,可以根据扫描前4秒一次的呼吸频率预测得到扫描状态的3-5秒一次,使得预测精准度和适应性更高,从而指导呼吸频率更加科学。
步骤220,基于自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率。在一些实施例中,步骤220可以由智能呼吸导航的装置300的呼吸确定模块320执行。
扫描状态呼吸频率是指在扫描状态时的自由呼吸频率。扫描要求呼吸频率是指在CT扫描时,符合CT扫描要求的呼吸频率。在一些实施例中,扫描要求呼吸频率可以是达到扫描要求的预定范围,普通人正常呼吸一次的时间在3-6s这个范围内,假设CT呼吸门控扫描机采用螺旋扫描式,螺距会根据3-6s这个时间范围来进行设置,由此可以设定这个呼吸频率范围内的CT扫描,若超过这个范围,可能会导致无效扫描。扫描类型是指针对患者不同的扫描部位,可以有不同的扫描类型。在一些实施例中,扫描类型可以包括常规扫描和放疗模拟的CT扫描,例如心脏扫描等。示例性地,一般常规扫描速度较快,可能几秒时间就可扫描完成,例如,心脏扫描时2-3s可完成扫描,要求剂量少,在扫描过程则要求患者屏住呼吸,以便减少在扫描过程中的运动造成的伪影。在常规的CT扫描时,完成扫描一般只需要几秒钟,此时只需要患者屏吸屏呼,不需要根据每个患者个体的情况进行智能语音导航。因此,在本说明书实施例中,主要针对患者自由呼吸扫描模式,进行智能呼吸导航。
另外,示例性地,放疗模拟的CT扫描时,CT扫描的图像可以给放疗过程进行指导,在放疗的过程中,需要使放疗设备(例如RT设备)不断照射患病部位,放疗一次所需时间可以达到100多秒,此时则需要患者在放疗模拟的CT扫描期间规律地呼吸,使得放疗机可以捕捉患者的呼吸规律,在每次吸气的时候就开始放疗,因此这个过程是个间断性的过程,需要患者不断进行规律地呼吸,假设以常规的3-6s完成一次呼吸,则一次放疗扫描需要进行20多次的规律呼吸。
在一些实施例中,确定患者在实际扫描时的指导呼吸频率,可以通过如下步骤获得:根据扫描类型,判断是否需要智能语音导航;响应于需要智能语音导航,判断在扫描前获取患者的自由呼吸信息是否满足扫描要求呼吸频率;响应于满足扫描要求呼吸频率,确定患者在实际扫描时的指导呼吸频率;响应于不满足扫描要求呼吸频率,对患者进行呼吸训练。在一些实施例中,可以基于扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率。在一些实施例中,基于扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率,可以实施为以下过程:根据扫描类型,判断是否需要智能语音导航;响应于需要智能语音导航,判断在扫描前获取患者的自由呼吸信息是否满足扫描要求呼吸频率;响应于满足扫描要求呼吸频率,确定患者在实际扫描时的指导呼吸频率;响应于不满足扫描要求呼吸频率,对患者进行呼吸训练。示例性地,当扫描前获取患者的自由呼吸信息满足扫描要求呼吸频率时,例如,3-6s范围,可以将该扫描要求呼吸频率确定为患者在实际扫描时的指导呼吸频率,等等。
指导呼吸频率是指综合衡量自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型后确定的比较理想的呼吸频率。在一些实施例中,步骤220中,基于自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率,可以按以下方式实施:基于自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,利用第二深度学习模型确定患者在实际扫描时的指导呼吸频率,其中,第二深度学习模型是基于多个历史患者的自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型的训练数据而训练得到的。
图4是根据本说明书一些实施例所示的步骤220中第二深度学习模型的训练过程示例性流程图。
在一些实施例中,第二深度学习模型可以通过以下训练过程得到:
子步骤221、获取患者的自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型的训练数据以及患者在实际扫描时的指导呼吸频率标注数据;
子步骤222、将患者的自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型的训练数据输入待训练模型,输出患者在实际扫描时的指导呼吸频率的结果数据;
子步骤223、通过患者在实际扫描时的指导呼吸频率的结果数据,以及患者在实际扫描时的指导呼吸频率标注数据,回调模型参数,获得训练后的第二深度学习模型。
通过结合每个患者的呼吸情况、大数据以及第二深度学习模型的人工智能算法,来确定指导呼吸频率,使得预测结果更加准确,适应性更高。
步骤230、基于指导呼吸频率确定导航语音,并基于导航语音对患者在实际扫描时的呼吸进行导航。在一些实施例中,步骤220可以由智能呼吸导航的装置300的呼吸导航模块330执行。在一些实施例中,可以在自由呼吸扫描场景中,通过导航语音进行呼吸导航。
在一些实施例中,基于指导呼吸频率确定导航语音,并基于导航语音对患者在实际扫描时的呼吸进行导航,包括:判断确定的患者在实际扫描时的指导呼吸频率,是否满足扫描要求呼吸频率;响应于满足扫描要求呼吸频率,基于指导呼吸频率确定导航语音;响应于不满足扫描要求呼吸频率,对患者进行呼吸训练。在一些实施例中,基于扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率,可以实施为以下过程:根据扫描类型,判断是否需要智能语音导航;响应于需要智能语音导航,判断在扫描前获取患者的自由呼吸信息是否满足扫描要求呼吸频率;响应于满足扫描要求呼吸频率,确定患者在实际扫描时的指导呼吸频率;响应于不满足扫描要求呼吸频率,对患者进行呼吸训练。示例性地,在扫描前获取患者的自由呼吸信息不满足扫描要求呼吸频率(例如3-6s范围),则可以对患者进行呼吸训练,等等。
在一些实施例中,通过导航语音可以控制语音播放,根据患者的呼吸频率确定导航语音播放频率,例如针对同一患者确定4秒一次,导航语音便会照此播放呼气、吸气的相应语音指导。在一些实施例中,患者也可以手动调节导航语音的播放频率。根据确定的指导呼吸频率,指导患者在扫描时有规律地呼吸的语音提示,以引导患者在适应患者自身呼吸规律的情况下,做出符合扫描要求呼吸频率的规律呼吸,提高了呼吸导航的效率,以达到精准配合CT扫描机完成扫描。
在一些实施例中,可以实时监测患者的自由呼吸状态。在一些实施例中,可以根据实时监测患者的自由呼吸状态,实时显示相应呼吸波形。在一些实施例中,若由于数据采集遗漏或患者状态未调整到位引发的异常情况,可以通过信号波形编辑去除异常信号,待未出现异常情况时再进行扫描。在一些实施例中,当患者在实际扫描时的自由呼吸出现异常情况时,可以进行异常提示。在一些实施例中,若患者在扫描时呼吸一直处在异常情况,可以终止扫描。应当注意的是,上述有关流程200的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程200进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图5示出了根据本说明书一些实施例的一种根据患者的呼吸频率进行智能呼吸导航的装置300的组成结构示意图。
在一些实施例中,智能呼吸导航的装置300可以包括呼吸预测模块310、呼吸确定模块320和呼吸导航模块330。
在一些实施例中,呼吸预测模块310,可以在扫描前获取患者的自由呼吸信息,基于所述扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率。呼吸确定模块320,可以基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率。呼吸导航模块330,可以基于所述指导呼吸频率确定导航语音,并基于所述导航语音对所述患者在实际扫描时的呼吸进行导航。
在一些实施例中,可以基于扫描前患者的自由呼吸信息,呼吸预测模块310利用第一深度学习模型确定患者在扫描状态时的扫描状态呼吸频率,其中,第一深度学习模型是基于多个历史患者的自由呼吸信息训练数据而训练得到的。
在一些实施例中,再参照图3,第一深度学习模型可以通过以下训练过程得到:
子步骤211、获取患者的自由呼吸信息训练数据,患者的自由呼吸信息训练数据可以包括扫描前患者的自由呼吸信息训练数据及患者在扫描状态时的扫描状态呼吸频率标注数据;
子步骤212、将患者的自由呼吸信息训练数据输入待训练模型,输出患者在扫描状态时的扫描状态呼吸频率结果数据;
子步骤213、通过患者在扫描状态时的扫描状态呼吸频率结果数据,以及患者在扫描状态时的扫描状态呼吸频率标注数据,回调模型参数,获得训练后的第一深度学习模型。
在一些实施例中,可以基于自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,呼吸确定模块320可以利用第二深度学习模型确定患者在实际扫描时的指导呼吸频率,其中,第二深度学习模型是基于多个历史患者的自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型的训练数据而训练得到的。
在一些实施例中,再参照图4,第二深度学习模型可以通过以下训练过程得到:
子步骤221、获取患者的自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型的训练数据以及患者在实际扫描时的指导呼吸频率标注数据;
子步骤222、将患者的自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型的训练数据输入待训练模型,输出患者在实际扫描时的指导呼吸频率的结果数据;
子步骤223、通过患者在实际扫描时的指导呼吸频率的结果数据,以及患者在实际扫描时的指导呼吸频率标注数据,回调模型参数,获得训练后的第二深度学习模型。
在一些实施例中,智能呼吸导航的装置300还可以包括异常提示模块(图5中未示出),用于当患者在实际扫描时的呼吸出现异常情况时,进行异常提示。
需要说明的是,本说明实施例提供的根据患者的呼吸频率进行智能呼吸导航的装置300,与根据患者的呼吸频率进行智能呼吸导航的方法200同属于同一发明构思,更多实施方式可参见根据患者的呼吸频率进行智能呼吸导航的方法200相应描述,在此不再赘述。
本说明书一些实施例还提供了一种计算机可读存储介质,存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如根据患者的呼吸频率进行智能呼吸导航的方法200,具体可参见根据患者的呼吸频率进行智能呼吸导航的方法200实施例相关描述,在此不再赘述。
本说明书实施例提供的根据患者的呼吸频率进行智能呼吸导航的方法、装置及计算机可读存储介质,至少具有以下有益效果:
(1)通过在扫描前获取患者的自由呼吸信息,基于扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率,此种方式能够针对每个患者的呼吸情况给予不同的呼吸指导,提高了呼吸导航的效率;
(2)同时,在实现基于扫描前患者的自由呼吸信息预测患者在扫描状态时的扫描状态呼吸频率也采用人工智能,结合每个患者的呼吸情况以及大数据确定扫描状态呼吸频率,预测结果更加准确,适应性更高;
(3)进一步的,通过基于自由呼吸信息、扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型确定患者在实际扫描时的指导呼吸频率时,通过采用人工智能使确定的指导呼吸频率更科学,不仅更适应患者的自由呼吸频率,也符合扫描要求的呼吸频率;
(4)另外,根据确定的指导呼吸频率,能够指导患者在扫描时有规律地呼吸的语音提示,特别地在出现异常时进行异常提示,以引导患者在适应患者自身呼吸规律的情况下,做出符合扫描要求呼吸频率的规律呼吸,提高了呼吸导航的效率,以达到精准配合CT扫描机完成扫描。
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,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书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,本说明书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,本说明书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,本说明书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,并非用于限定本说明书流程和方法的顺序。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说明书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,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,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说明书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。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种根据患者的呼吸频率进行智能呼吸导航的方法,其特征在于,所述方法包括以下步骤:
在扫描前获取患者的自由呼吸信息,基于所述扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率;
基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率;
基于所述指导呼吸频率确定导航语音,并基于所述导航语音对所述患者在实际扫描时的呼吸进行导航。
2.根据权利要求1所述的方法,其特征在于,所述基于所述扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率,包括:
基于所述扫描前患者的自由呼吸信息,利用第一深度学习模型确定患者在扫描状态时的扫描状态呼吸频率,其中,所述第一深度学习模型是基于多个历史患者的自由呼吸信息训练数据而训练得到的。
3.根据权利要求1所述的方法,其特征在于,所述基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率,包括:
基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,利用第二深度学习模型确定所述患者在实际扫描时的指导呼吸频率,其中,所述第二深度学习模型是基于多个历史患者的自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型的训练数据而训练得到的。
4.根据权利要求1所述的方法,其特征在于,还包括:基于患者状态获取设备获取所述患者的自由呼吸信息,所述患者的自由呼吸信息包括以下一种或者多种的组合:
患者的呼吸频率、患者的呼吸幅值、患者的声音信息、患者的图像信息以及患者的个人信息。
5.根据权利要求1所述的方法,其特征在于,基于压力传感器或者摄像头获取所述患者的呼吸频率。
6.根据权利要求1所述的方法,其特征在于,确定所述患者在实际扫描时的指导呼吸频率,通过如下步骤获得:
根据扫描类型,判断是否需要智能语音导航;
响应于需要智能语音导航,判断在扫描前获取患者的自由呼吸信息是否满足扫描要求呼吸频率;
响应于满足扫描要求呼吸频率,确定患者在实际扫描时的指导呼吸频率;响应于不满足扫描要求呼吸频率,对患者进行呼吸训练。
7.根据权利要求1所述的方法,其特征在于,所述基于所述指导呼吸频率确定导航语音,并基于所述导航语音对所述患者在实际扫描时的呼吸进行导航,包括:
判断所述确定的患者在实际扫描时的指导呼吸频率,是否满足扫描要求呼吸频率;
响应于满足扫描要求呼吸频率,基于所述指导呼吸频率确定导航语音;响应于不满足扫描要求呼吸频率,对患者进行呼吸训练。
8.根据权利要求1所述的方法,其特征在于,还包括:
当所述患者在实际扫描时的呼吸出现异常情况时,进行异常提示。
9.一种根据患者的呼吸频率进行智能呼吸导航的装置,其特征在于,包括:
呼吸预测模块,用于在扫描前获取患者的自由呼吸信息,基于所述扫描前患者的自由呼吸信息,预测患者在扫描状态时的扫描状态呼吸频率;
呼吸确定模块,用于基于所述自由呼吸信息、所述扫描状态呼吸频率、扫描要求呼吸频率以及扫描类型,确定患者在实际扫描时的指导呼吸频率;
呼吸导航模块,用于基于所述指导呼吸频率确定导航语音,并基于所述导航语音对所述患者在实际扫描时的呼吸进行导航。
10.一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,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551441.5A CN114795268A (zh) | 2022-05-20 | 2022-05-20 | 智能呼吸导航的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210551441.5A CN114795268A (zh) | 2022-05-20 | 2022-05-20 | 智能呼吸导航的方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114795268A true CN114795268A (zh) | 2022-07-29 |
Family
ID=82516735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210551441.5A Pending CN114795268A (zh) | 2022-05-20 | 2022-05-20 | 智能呼吸导航的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114795268A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117558428A (zh) * | 2024-01-12 | 2024-02-13 | 华中科技大学同济医学院附属同济医院 | 一种用于肝脏mri的成像优化方法及系统 |
-
2022
- 2022-05-20 CN CN202210551441.5A patent/CN114795268A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117558428A (zh) * | 2024-01-12 | 2024-02-13 | 华中科技大学同济医学院附属同济医院 | 一种用于肝脏mri的成像优化方法及系统 |
CN117558428B (zh) * | 2024-01-12 | 2024-03-22 | 华中科技大学同济医学院附属同济医院 | 一种用于肝脏mri的成像优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111374675B (zh) | 用于在医学成像会话中检测患者状态的系统和方法 | |
US10361002B2 (en) | Method and apparatus for setting imaging environment by using signals transmitted by plurality of clients | |
CN109035284B (zh) | 基于深度学习的心脏ct图像分割方法、装置、设备及介质 | |
CN111148548B (zh) | 用于发射辐射束以治疗患者的目标肿瘤的放疗设备 | |
CN110464326B (zh) | 一种扫描参数推荐方法、系统、装置及存储介质 | |
US9050054B2 (en) | Medical image diagnostic apparatus | |
JP2012040363A (ja) | 医用画像表示装置及びx線コンピュータ断層撮影装置 | |
US11501460B2 (en) | Magnetic resonance imaging system and method | |
JP5534703B2 (ja) | X線診断装置 | |
JP2018531067A (ja) | 撮像及び生理学的モニタリングを組み合わせた強化型の急性ケアマネジメント | |
JP2018531067A6 (ja) | 撮像及び生理学的モニタリングを組み合わせた強化型の急性ケアマネジメント | |
CN114795268A (zh) | 智能呼吸导航的方法、装置及存储介质 | |
JP2013172792A (ja) | 医用画像診断装置 | |
JP7151125B2 (ja) | 撮影支援装置、放射線撮影システム及びプログラム | |
CN110970101A (zh) | 传输数据到检查协议调整单元的方法和患者数据传输单元 | |
JP5625799B2 (ja) | 動態診断支援情報生成システム | |
JP4571429B2 (ja) | Ct断層像の生成方法及びその装置 | |
US11730440B2 (en) | Method for controlling a medical imaging examination of a subject, medical imaging system and computer-readable data storage medium | |
US20210386392A1 (en) | Systems and methods for four-dimensional ct scan | |
EP4000520A1 (en) | Method and system for sensor signals dependent dialog generation during a medical imaging process | |
CN114445324A (zh) | 医用数据处理装置、医用数据处理方法及非暂时性的计算机可读取的记录介质 | |
WO2021237546A1 (en) | Systems and methods for patient monitoring | |
JP2017144238A (ja) | 医用画像診断装置、サーバおよびプログラム | |
JP2018108307A (ja) | 医用画像診断装置 | |
WO2021156173A1 (en) | Apparatus for monitoring of a patient undergoing a magnetic resonance image scan |
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 |