CN115137376A - 医学图像扫描参数的获取装置和方法 - Google Patents
医学图像扫描参数的获取装置和方法 Download PDFInfo
- Publication number
- CN115137376A CN115137376A CN202110333871.5A CN202110333871A CN115137376A CN 115137376 A CN115137376 A CN 115137376A CN 202110333871 A CN202110333871 A CN 202110333871A CN 115137376 A CN115137376 A CN 115137376A
- Authority
- CN
- China
- Prior art keywords
- image
- position information
- coordinate value
- positioning image
- height
- 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 34
- 238000012937 correction Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims description 33
- 238000013528 artificial neural network Methods 0.000 claims description 23
- 238000013135 deep learning Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 230000002207 retinal effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 210000000056 organ Anatomy 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 21
- 238000002059 diagnostic imaging Methods 0.000 description 20
- 238000002591 computed tomography Methods 0.000 description 16
- 238000013170 computed tomography imaging Methods 0.000 description 8
- 230000004807 localization Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 230000003078 antioxidant effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011282 treatment 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
- A61B6/52—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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请实施例提供一种医学图像扫描参数的获取装置和方法。所述方法包括:从不同角度对受检者的指定部位进行检测,以获取指定部位的第一定位图像和第二定位图像;从第一定位图像检测出指定部位的第一位置信息,并从第二定位图像检测出指定部位的第二位置信息;根据第一位置信息和第二位置信息计算位置校正信息;以及根据位置校正信息确定对指定部位进行医学图像扫描的扫描参数。由此,能够准确地获得指定部位的器官轮廓和位置信息,从而准确地设置扫描参数,提高扫描出的医学图像质量并提高扫描效率。
Description
技术领域
本申请实施例涉及医疗设备技术领域,尤其涉及一种医学图像扫描参数的获取装置和方法。
背景技术
目前,医学影像设备被越来越广泛地使用,用于对受检者(例如人体)进行扫描,以得到指定部位(例如人体中的各个器官的整体或者部分,或者特定感兴趣区域)的医学图像,为医学诊断提供有用的信息。医学图像扫描包括计算机断层扫描(CT)、磁共振(MR)、数字减影血管造影(DSA)等等。
一般而言,医学图像扫描需要一些扫描参数,例如扫描角度、扫描开始位置和扫描结束位置等等。在扫描开始之前,可以通过检测来获得定位图像(或称为scout image),根据定位图像设置这些扫描参数。在理想情况下,定位图像可以提供清晰且足够的信息,因此操作人员可以根据定位图像准确地设置扫描参数,从而获得用于诊断的医学图像。
发明内容
但是,发明人发现:定位图像往往混合了不同的器官和结构,并且具有一定的变形,因此很难准确地区分出指定部位(目标器官),也难以准确地获得指定部位的位置信息,从而扫描参数的设置往往不够准确,导致扫描出的医学图像质量较差或者扫描中患者需要吸收较多辐射剂量(dose)。
针对上述技术问题的至少之一,本申请实施例提供一种医学图像扫描参数的获取装置和方法。期待能够从定位图像中准确地获得指定部位的位置信息,从而准确地设置扫描参数,提高扫描出的医学图像质量,减少剂量且提高扫描效率。
根据本申请实施例的一方面,提供一种医学图像扫描参数的获取装置,包括:
图像获取单元,其从不同角度对受检者的指定部位进行检测,以获取所述指定部位的第一定位图像和第二定位图像;
位置检测单元,其从所述第一定位图像检测出所述指定部位的第一位置信息,并从所述第二定位图像检测出所述指定部位的第二位置信息;
扫描参数确定单元,其根据所述第一位置信息和所述第二位置信息计算所述指定部位的位置校正信息;以及根据所述指定部位的位置校正信息,确定对所述指定部位进行医学图像扫描的扫描参数。
在一些实施例中,所述扫描参数确定单元利用所述第一定位图像和所述第二定位图像的关联参数,根据所述第一位置信息和所述第二位置信息来计算所述指定部位的位置校正信息。
在一些实施例中,所述关联参数包括:所述图像获取单元的检测高度,所述第一定位图像和所述第二定位图像之间的检测角度;其中,在所述第一定位图像由所述图像获取单元获得后,所述第二定位图像由所述图像获取单元旋转特定角度后而获得。
在一些实施例中,所述第一定位图像和所述第二定位图像的检测角度在一个平面内相差90°;所述第一位置信息包括第一坐标值和第二坐标值,所述第二位置信息包括第三坐标值和第四坐标值;
所述扫描参数确定单元使用如下公式计算所述位置校正信息:
S1’/S1=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S2’/S2=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S3’/S3=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S4’/S4=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S1表示所述第一坐标值,S1’表示校正后的第一坐标值;S2表示所述第二坐标值,S2’表示校正后的第二坐标值;S3表示所述第三坐标值,S3’表示校正后的第三坐标值;S4表示所述第四坐标值,S4’表示校正后的第四坐标值;detector_height表示检测高度。
在一些实施例中,所述位置检测单元利用深度学习神经网络从定位图像检测出所述指定部位的位置信息;所述深度学习神经网络包括更快速区域卷积神经网络(FasterRCNN)或者视网膜网络(Retina-net)。
在一些实施例中,所述装置还包括:
预处理单元,其将所述第一定位图像和/或所述第二定位图像转换为具有特定窗宽(WW)和特定窗位(WL)的特定图像格式文件,并将转换后的图像格式文件去除噪声后和/或裁剪为预定大小的图像后,作为所述深度学习神经网络的输入数据。
在一些实施例中,所述扫描参数包括如下至少之一或任意组合:扫描开始位置、扫描结束位置、显示视野中心和显示视野大小、位移方向和位移大小。
根据本申请实施例的另一方面,提供一种医学图像扫描参数的获取方法,包括:
从不同角度对受检者的指定部位进行检测,以获取所述指定部位的第一定位图像和第二定位图像;
从所述第一定位图像检测出所述指定部位的第一位置信息,并从所述第二定位图像检测出所述指定部位的第二位置信息;
根据所述第一位置信息和所述第二位置信息计算所述指定部位的位置校正信息;以及根据所述指定部位的位置校正信息,确定对所述指定部位进行医学图像扫描的扫描参数。
根据本申请实施例的另一方面,提供一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器被配置为执行所述计算机程序而实现如上所述的医学图像扫描参数的获取方法。
根据本申请实施例的另一方面,提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在电子设备中执行如上所述的医学图像扫描参数的获取方法。
本申请实施例的有益效果之一在于:根据不同角度的第一定位图像和第二定位图像检测出指定部位的第一位置信息和第二位置信息;根据第一位置信息和第二位置信息计算校正后的位置信息,以确定对指定部位进行医学图像扫描的扫描参数。由此,能够准确地获得指定部位的器官轮廓和位置信息,从而准确地设置扫描参数,能够提高扫描出的医学图像质量,减少剂量且提高扫描效率。
参照后文的说明和附图,详细公开了本申请实施例的特定实施方式,指明了本申请实施例的原理可以被采用的方式。应该理解,本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本申请的实施方式包括许多改变、修改和等同。
附图说明
所包括的附图用来提供对本申请实施例的进一步的理解,其构成了说明书的一部分,用于例示本申请的实施方式,并与文字描述一起来阐释本申请的原理。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获得其他的实施方式。在附图中:
图1是本申请实施例的CT成像设备的一示意图;
图2是本申请实施例的CT成像系统的一示意图;
图3是本申请实施例的医学图像扫描参数的获取方法的一示意图;
图4是本申请实施例的第一定位图像的一示例图;
图5是本申请实施例的第二定位图像的一示例图;
图6是本申请实施例的从第一定位图像检测出第一位置信息的示例图;
图7是本申请实施例的从第二定位图像检测出第二位置信息的示例图;
图8是本申请实施例的对位置信息进行校正的一示例图;
图9是本申请实施例的医学图像扫描参数的获取装置的一示意图;
图10是本申请实施例的电子设备的示意图。
具体实施方式
参照附图,通过下面的说明书,本申请实施例的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本申请的特定实施方式,其表明了其中可以采用本申请实施例的原则的部分实施方式,应了解的是,本申请不限于所描述的实施方式,相反,本申请实施例包括落入所附权利要求的范围内的全部修改、变型以及等同物。
在本申请实施例中,术语“第一”、“第二”等用于对不同元素从称谓上进行区分,但并不表示这些元素的空间排列或时间顺序等,这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术语“包含”、“包括”、“具有”等是指所陈述的特征、元素、元件或组件的存在,但并不排除存在或添加一个或多个其他特征、元素、元件或组件。
在本申请实施例中,单数形式“一”、“该”等包括复数形式,应广义地理解为“一种”或“一类”而并不是限定为“一个”的含义;此外术语“所述”应理解为既包括单数形式也包括复数形式,除非上下文另外明确指出。此外术语“根据”应理解为“至少部分根据……”,术语“基于”应理解为“至少部分基于……”,除非上下文另外明确指出。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
本文中所描述的获得医学影像数据的设备可以适用于各种医学成像模态,包括但不限于计算机断层扫描(CT,Computed Tomography)设备、磁共振成像(MRI,MagneticResonance Imaging)设备、C形臂成像设备、正电子发射断层扫描(PET,Positron EmissionComputed Tomography)设备、单光子发射计算机断层扫描(SPECT,Single PhotonEmission Computed Tomography)设备、或其他任何合适的医学成像设备。
获得医学影像数据的系统可以包括前述医学成像设备,也可以包括连接到医学成像设备的单独的计算机设备,还可以包括连接至互联网云端的计算机设备,该计算机设备通过互联网连接到医学成像设备或者存储医学图像的存储器。成像方法可以由前述医学成像设备、连接到医学成像设备的计算机设备,连接至互联网云端的计算机设备独立或者联合的实施。
示例性地,以下结合X射线计算机断层摄影(CT)设备描述本申请实施例。本领域技术人员将理解,本申请实施例还可以适用于其他医学成像设备。
图1是本申请实施例的CT成像设备的一示意图,示意性示出了CT成像设备100的情况。如图1所示,CT成像设备100包括扫描机架101和患者台102;扫描机架101具有X射线源103,X射线源103朝向扫描机架101的相对侧上的检测器组件或准直器104投射X射线束。检测对象105可以平躺在患者台102上,并随着患者台102移入扫描机架开口106;通过X射线源103的扫描,可以获得该检测对象105的医学影像数据。
图2是本申请实施例的CT成像系统的一示意图,示意性示出了CT成像系统200的框图。如图2所示,检测器组件104包括多个检测器单元104a和数据采集系统(DAS,DataAcquisition System)104b。多个检测器单元104a感测穿过检测对象105的经投射的X射线。
DAS 104b根据检测器单元104a的感测,将收集到的信息转换为投影数据以供后续处理。在采集X射线投影数据的扫描期间,扫描机架101以及安装于其上的部件绕着旋转中心101c旋转。
扫描机架101的旋转和X射线源103的操作由CT成像系统200的控制机构203控制。控制机构203包括向X射线源103提供功率和定时信号的X射线控制器203a、以及控制扫描机架101的旋转速度和位置的扫描机架电机控制器203b。图像重建装置204从DAS 104b接收投影数据并且执行图像重建。重建的图像作为输入传输至计算机205,计算机205将图像存储在大容量存储装置206中。
计算机205还通过控制台207从操作员接收命令和扫描参数。控制台207具有某种形式的操作员界面,例如键盘、鼠标、语音激活控制器或任何其他合适的输入装置。相关联的显示器208允许操作员观察来自计算机205的重建图像和其他数据。操作者提供的命令和参数由计算机205使用,以向DAS 104b、X射线控制器203a和扫描机架电机控制器203b提供控制信号和信息。另外,计算机205操作患者台电机控制器209,控制患者台102以定位检测对象105和扫描机架101。特别地,患者台102使检测对象105全部或部分地移动通过图1的扫描机架开口106。
以上示意性说明了本申请实施例的获取医学影像数据(或者也可称为医学图像或医学图像数据)的设备和系统,但本申请不限于此。医学成像设备可以是CT设备、MRI设备、PET设备、SPECT设备、或其他任何合适的成像设备。存储设备可以位于医学成像设备内、医学成像设备外部的服务器内、独立的医学影像存储系统(诸如,PACS,Picture Archivingand Communication System)内和/或远程的云存储系统内。
此外,医学成像工作站可以设置在医学成像设备本地,亦即医学成像工作站临近医学成像设备设置,两者可以共同位于扫查室、影像科或同一医院内。而医学图像云平台分析系统可以远离医学成像设备定位,例如设置在与医学成像设备通信的云端处。
作为示例,在医疗机构利用医学成像设备完成成像扫描之后,扫描得到的数据被存储在存储设备内;医学成像工作站可以直接读取扫描得到的数据,并且通过其处理器进行图像处理。作为另一个示例,医学图像云平台分析系统可以通过远程通信读取存储设备内的医学图像,以提供“软件即服务”(SAAS,Software As a Service)。SAAS可以存在于医院与医院之间、医院与影像中心之间,也可以存在于医院与第三方在线诊疗服务商之间。
以上示意性说明了医学图像扫描,以下对本申请实施例进行具体说明。
第一方面的实施例
本申请实施例提供一种医学图像扫描参数的获取方法。图3是本申请实施例的医学图像扫描参数的获取方法的一示意图,如图3所示,该方法包括:
301,从不同角度对受检者的指定部位进行检测,以获取指定部位的第一定位图像和第二定位图像;
302,从第一定位图像检测出指定部位的第一位置信息,并从第二定位图像检测出指定部位的第二位置信息;
303,根据第一位置信息和第二位置信息计算指定部位的位置校正信息;以及
304,根据指定部位的位置校正信息确定对指定部位进行医学图像扫描的扫描参数。
值得注意的是,以上附图3仅示意性地对本申请实施例进行了说明,但本申请不限于此。例如可以适当地调整各个操作之间的执行顺序,此外还可以增加其他的一些操作或者减少其中的某些操作。本领域的技术人员可以根据上述内容进行适当地变型,而不仅限于上述附图3的记载。
以CT扫描为例,可以使用CT扫描机从不同的角度对受检者进行检测,获得至少两张定位图像,以下以两张定位图像为例进行说明,但本申请不限于此,例如也可以采用两张以上的定位图像。此外,上述“不同的角度”可以是90°、180°或者270度,但本申请不限于此,可以是任意的其他角度。
图4是本申请实施例的第一定位图像的一示例图,图5是本申请实施例的第二定位图像的一示例图。如图4和5所示,在该示例中,指定部位401是心脏。图4示出了从前方对心脏进行检测的情况,图5示出了从侧方对心脏进行检测的情况,二者的检测角度相差90°。
在一些实施例中,可以利用深度学习神经网络从定位图像检测出指定部位的位置信息;所述深度学习神经网络包括:更快速区域卷积神经网络(Faster RCNN)或者视网膜网络(Retina-net),但本申请不限于此。由此,利用深度学习神经网络,能够更加准确地从定位图像中检测出位置信息。
在一些实施例中,例如,可以建立并训练基于Faster RCNN的神经网络1,该神经网络1输入第一定位图像(例如图4所示),并输出指定部位的第一位置信息(例如心脏的上下左右的坐标)。
图6是本申请实施例的从第一定位图像检测出第一位置信息的示例图,如图6所示,针对图4的第一定位图像,使用该神经网络1可以检测出心脏的上(superior)坐标值、下(inferior)坐标值、左(left)坐标值、右(right)坐标值。
在一些实施例中,还可以建立并训练基于Faster RCNN的神经网络2,该神经网络2输入第二定位图像(例如图5所示),并输出指定部位的第二位置信息(例如心脏的前后的坐标)。
图7是本申请实施例的从第二定位图像检测出第二位置信息的示例图,如图7所示,针对图5的第二定位图像,使用该神经网络2可以检测出心脏的前(anterior)坐标值、后(posterior)坐标值。
以上仅以Faster RCNN为例对从定位图像检测出位置信息进行了说明,但本申请不限于此,例如还可以使用Retina-net进行位置检测。关于Faster RCNN和Retina-net的更多内容,可以参考相关技术。此外,本申请还可以使用其他的神经网络,或者可以使用其他相关的位置检测方案。
在一些实施例中,可以利用第一定位图像和第二定位图像的关联参数,根据第一位置信息和第二位置信息来计算指定部位的位置校正信息。所述关联参数是表示第一定位图像和第二定位图像之间关系的参数,例如表示第一定位图像和第二定位图像之间检测操作的关联性,或者,表示第一定位图像和第二定位图像之间指定部位的透视关系,或者,表示第一定位图像和第二定位图像之间指定部位的位置关系。
例如,关联参数包括CT扫描机的检测高度,以及第一定位图像和第二定位图像之间的检测角度;在第一定位图像由CT扫描机获得后,第二定位图像由该CT扫描机旋转特定角度(例如图4和图5所示的90°)后而获得。
在一些实施例中,第一定位图像和第二定位图像的检测角度在一个平面内相差90°;所述第一位置信息包括第一坐标值和第二坐标值,所述第二位置信息包括第三坐标值和第四坐标值;
可以使用如下公式计算所述位置校正信息:
S1’/S1=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S2’/S2=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S3’/S3=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S4’/S4=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S1表示所述第一坐标值,S1’表示校正后的第一坐标值;S2表示所述第二坐标值,S2’表示校正后的第二坐标值;S3表示所述第三坐标值,S3’表示校正后的第三坐标值;S4表示所述第四坐标值,S4’表示校正后的第四坐标值;detector_height表示检测高度。
由此,能够利用关联参数对指定部位的位置信息进行校正,进一步提高位置信息的准确性。
图8是本申请实施例的对位置信息进行校正的一示例图,以一个平面的情况为例进行说明。如图8所示,CT扫描机获得第一定位图像后,可以旋转90度获得第二定位图像;其中detector_height表示CT扫描机的检测高度,该检测高度是指X射线发射器(或球管)至X射线探测器的距离。
如图8所示,根据第一定位图像可以获得指定部位401的左坐标值(left)、右坐标值(right);根据第二定位图像可以获得指定部位401的前坐标值(anterior)、后坐标值(posterior)。可以使用如下的公式:
left’/left=(detector_height/2+(anterior’+posterior’)/2)/(detector_height/2)
right’/right=(detector_height/2+(anterior’+posterior’)/2)/(detector_height/2)
anterior’/anterior=(detector_height/2+(left’+right’)/2)/(detector_height/2)
posterior’/posterior=(detector_height/2+(left’+Right’)/2)/(detector_height/2)
由此,可以计算出left’、right’、anterior’、posterior’。采用类似的方式,还可以计算出校正后的上坐标值(superior’)、校正后的下坐标值(inferior’),从而可以获得校正后的心脏位置信息。
值得注意的是,以上仅示例性说明了位置信息的校正,但本申请不限于此。例如检测角度还可以是90度、180°、270度之外的角度,在这些情况下可以采用拟合的方式获得校正后的位置信息;此外定位图像也可以是两个以上,在这些情况下也可以采用拟合的方式进行校正。
在一些实施例中,在302中检测位置信息时,还可以对定位图像进行预处理。可以将第一定位图像和/或第二定位图像转换为具有特定窗宽(WW)和特定窗位(WL)的特定图像格式文件,并将转换后的图像格式文件去除噪声后和/或裁剪为预定大小的图像后,作为深度学习神经网络的输入数据。
例如,CT扫描机可以生成Dicom格式的第一定位图像和/或第二定位图像,该Dicom格式的第一定位图像和/或第二定位图像分别具有初始窗宽(WW)和初始窗位(WL)。可以将该Dicom格式转换为分别具有特定窗宽(WW)和特定窗位(WL)的JPG格式,其中特定窗宽(WW)和特定窗位(WL)可以是预先确定的且不同于初始窗宽(WW)和初始窗位(WL),也可以是自适应调整后得到的。
再例如,可以对该JPG格式的图像进行如下一种或多种的处理:去除噪声、插值(interpolation)、填充(padding)、裁剪(例如resize为1024*1024的大小)。本申请不限于此,还可以采用其他的预处理。
由此,可以进一步提高输入数据的质量,获得更加准确的器官轮廓和位置信息。
在一些实施例中,可以根据校正后的位置信息确定扫描参数。扫描参数包括如下至少之一或任意组合:扫描开始位置、扫描结束位置、显示视野(DFOV,Display Field ofView)中心和显示视野大小、位移方向和位移大小。
例如,可以将校正后的左坐标值作为扫描开始位置,将校正后的右坐标值作为扫描结束位置,等等。关于具体如何确定扫描参数,还可以参考相关参数的具体定义等相关技术。
在确定扫描参数之后,操作人员可以根据扫描参数进行调整。例如,如果工作台支持左右方向的移动,可以根据扫描参数移动工作台以使得指定部位(目标器官)位于扫描中心;如果工作台不支持移动,可以根据扫描参数进行偏心检查。
以上各个实施例仅对本申请实施例进行了示例性说明,但本申请不限于此,还可以在以上各个实施例的基础上进行适当的变型。例如,可以单独使用上述各个实施例,也可以将以上各个实施例中的一种或多种结合起来。
由上述实施例可知,根据不同角度的第一定位图像和第二定位图像检测出指定部位的第一位置信息和第二位置信息;根据第一位置信息和第二位置信息计算校正后的位置信息,以确定对指定部位进行医学图像扫描的扫描参数。由此,能够准确地获得指定部位的器官轮廓和位置信息,从而准确地设置扫描参数,能够提高扫描出的医学图像质量,减少剂量并提高扫描效率。
第二方面的实施例
本申请实施例提供一种医学图像扫描参数的获取装置,与第一方面的实施例相同的内容不再赘述。
图9是本申请实施例的医学图像扫描参数的获取装置的一示意图。如图9所示,医学图像扫描参数的获取装置900包括:
图像获取单元901,其从不同角度对受检者的指定部位进行检测,以获取所述指定部位的第一定位图像和第二定位图像;
位置检测单元902,其从所述第一定位图像检测出所述指定部位的第一位置信息,并从所述第二定位图像检测出所述指定部位的第二位置信息;
扫描参数确定单元903,其根据所述第一位置信息和所述第二位置信息计算所述指定部位的位置校正信息;以及根据所述指定部位的位置校正信息,确定对所述指定部位进行医学图像扫描的扫描参数。
在一些实施例中,扫描参数确定单元903利用第一定位图像和第二定位图像的关联参数,根据第一位置信息和第二位置信息来计算指定部位的位置校正信息。
在一些实施例中,关联参数包括图像获取单元901(例如CT扫描机)检测高度,以及第一定位图像和第二定位图像之间的检测角度;例如,在所述第一定位图像由图像获取单元901获得后,所述第二定位图像由图像获取单元901旋转特定角度后而获得。
在一些实施例中,所述第一定位图像和所述第二定位图像的检测角度在一个平面内相差90°;所述第一位置信息包括第一坐标值和第二坐标值,所述第二位置信息包括第三坐标值和第四坐标值;
例如,扫描参数确定单元903使用如下公式计算所述位置校正信息:
S1’/S1=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S2’/S2=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S3’/S3=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S4’/S4=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S1表示所述第一坐标值,S1’表示校正后的第一坐标值;S2表示所述第二坐标值,S2’表示校正后的第二坐标值;S3表示所述第三坐标值,S3’表示校正后的第三坐标值;S4表示所述第四坐标值,S4’表示校正后的第四坐标值;detector_height表示检测高度。
在一些实施例中,位置检测单元902利用深度学习神经网络从定位图像检测出所述指定部位的位置信息;所述深度学习神经网络包括更快速区域卷积神经网络(FasterRCNN)或者视网膜网络(Retina-net)。
在一些实施例中,如图9所示,所述装置还包括:
预处理单元904,其将所述第一定位图像和/或所述第二定位图像转换为具有特定窗宽(WW)和特定窗位(WL)的特定图像格式文件,并将转换后的图像格式文件去除噪声后和/或裁剪为预定大小的图像后,作为所述深度学习神经网络的输入数据。
在一些实施例中,所述扫描参数包括如下至少之一或任意组合:扫描开始位置、扫描结束位置、显示视野中心和显示视野大小、位移方向和位移大小。
为了简单起见,图9中仅示例性示出了各个部件或模块之间的连接关系或信号走向,但是本领域技术人员应该清楚的是,可以采用总线连接等各种相关技术。上述各个部件或模块可以通过例如处理器、存储器等硬件设施来实现;本申请实施例并不对此进行限制。
以上各个实施例仅对本申请实施例进行了示例性说明,但本申请不限于此,还可以在以上各个实施例的基础上进行适当的变型。例如,可以单独使用上述各个实施例,也可以将以上各个实施例中的一种或多种结合起来。
由上述实施例可知,根据不同角度的第一定位图像和第二定位图像检测出指定部位的第一位置信息和第二位置信息;根据第一位置信息和第二位置信息计算校正后的位置信息,以确定对指定部位进行医学图像扫描的扫描参数。由此,能够准确地获得指定部位的器官轮廓和位置信息,从而准确地设置扫描参数,能够提高扫描出的医学图像质量,减少剂量并提高扫描效率。
第三方面的实施例
本申请实施例提供一种电子设备,包括有如第二方面的实施例所述的医学图像扫描参数的获取装置900,其内容被合并于此。该电子设备例如可以是计算机、服务器、工作站、膝上型计算机、智能手机,等等;但本申请实施例不限于此。
图10是本申请实施例的电子设备的示意图。如图10所示,电子设备1000可以包括:一个或多个处理器(例如中央处理器CPU)1010和一个或多个存储器1020;存储器1020耦合到处理器1010。其中该存储器1020可存储各种数据;此外还存储信息处理的程序1021,并且在处理器1010的控制下执行该程序1021。
在一些实施例中,医学图像扫描参数的获取装置900的功能被集成到处理器1010中实现。其中,处理器1010被配置为实现如第一方面的实施例所述的医学图像扫描参数的获取方法。
在一些实施例中,医学图像扫描参数的获取装置900与处理器1010分开配置,例如可以将医学图像扫描参数的获取装置900配置为与处理器1010连接的芯片,通过处理器1010的控制来实现医学图像扫描参数的获取装置900的功能。
例如,处理器1010被配置为进行如下的控制:从不同角度对受检者的指定部位进行检测,以获取所述指定部位的第一定位图像和第二定位图像;从所述第一定位图像检测出所述指定部位的第一位置信息,并从所述第二定位图像检测出所述指定部位的第二位置信息;根据所述第一位置信息和所述第二位置信息计算所述指定部位的位置校正信息;以及根据所述指定部位的位置校正信息,确定对所述指定部位进行医学图像扫描的扫描参数。
此外,如图10所示,电子设备1000还可以包括:输入输出(I/O)设备1030和显示器1040等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,电子设备1000也并不是必须要包括图10中所示的所有部件;此外,电子设备1000还可以包括图10中没有示出的部件,可以参考相关技术。
本申请实施例还提供一种计算机可读程序,其中当在电子设备中执行所述程序时,所述程序使得计算机在所述电子设备中执行如第一方面的实施例所述的医学图像扫描参数的获取方法。
本申请实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在电子设备中执行如第一方面的实施例所述的医学图像扫描参数的获取方法。
本申请以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本申请涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本申请还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
结合本申请实施例描述的方法/装置可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合,既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图中所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可插入移动终端的存储卡中。例如,若设备(如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对附图中描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。针对附图描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本申请进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本申请保护范围的限制。本领域技术人员可以根据本申请原理对本申请做出各种变型和修改,这些变型和修改也在本申请的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1.一种医学图像扫描参数的获取方法,包括:
从不同角度对受检者的指定部位进行检测,以获取所述指定部位的第一定位图像和第二定位图像;
从所述第一定位图像检测出所述指定部位的第一位置信息,并从所述第二定位图像检测出所述指定部位的第二位置信息;
根据所述第一位置信息和所述第二位置信息计算所述指定部位的位置校正信息;
根据所述指定部位的位置校正信息,确定对所述指定部位进行医学图像扫描的扫描参数。
附记2.根据附记1所述的方法,其中,利用所述第一定位图像和所述第二定位图像的关联参数,根据所述第一位置信息和所述第二位置信息来计算所述指定部位的位置校正信息。
附记3.根据附记2所述的方法,其中,所述关联参数包括图像获取单元的检测高度,以及所述第一定位图像和所述第二定位图像之间的检测角度;在所述第一定位图像由所述图像获取单元获得后,所述第二定位图像由所述图像获取单元旋转特定角度后而获得。
附记4.根据附记1至3任一项所述的方法,其中,所述第一定位图像和所述第二定位图像的检测角度在一个平面内相差90°;所述第一位置信息包括第一坐标值和第二坐标值,所述第二位置信息包括第三坐标值和第四坐标值;
使用如下公式计算所述位置校正信息:
S1’/S1=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S2’/S2=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S3’/S3=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S4’/S4=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S1表示所述第一坐标值,S1’表示校正后的第一坐标值;S2表示所述第二坐标值,S2’表示校正后的第二坐标值;S3表示所述第三坐标值,S3’表示校正后的第三坐标值;S4表示所述第四坐标值,S4’表示校正后的第四坐标值;detector_height表示检测高度。
附记5.根据附记1至4任一项所述的方法,其中,利用深度学习神经网络从定位图像检测出所述指定部位的位置信息;所述深度学习神经网络包括更快速区域卷积神经网络(Faster RCNN)或者视网膜网络(Retina-net)。
附记6.根据附记1至5任一项所述的方法,其中,所述方法还包括:
将所述第一定位图像和/或所述第二定位图像转换为具有特定窗宽(WW)和特定窗位(WL)的特定图像格式文件,并将转换后的图像格式文件去除噪声后和/或裁剪为预定大小的图像后,作为所述深度学习神经网络的输入数据。
附记7.根据附记1至6任一项所述的方法,其中,所述扫描参数包括如下至少之一或任意组合:扫描开始位置、扫描结束位置、显示视野中心和显示视野大小、位移方向和位移大小。
附记8.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器被配置为执行所述计算机程序而实现如附记1至7任一项所述的医学图像扫描参数的获取方法。
附记9.一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在电子设备中执行如附记1至7任一项所述的医学图像扫描参数的获取方法。
Claims (10)
1.一种医学图像扫描参数的获取装置,其特征在于,所述装置包括:
图像获取单元,其从不同角度对受检者的指定部位进行检测,以获取所述指定部位的第一定位图像和第二定位图像;
位置检测单元,其从所述第一定位图像检测出所述指定部位的第一位置信息,并从所述第二定位图像检测出所述指定部位的第二位置信息;
扫描参数确定单元,其根据所述第一位置信息和所述第二位置信息计算所述指定部位的位置校正信息;以及根据所述指定部位的位置校正信息确定对所述指定部位进行医学图像扫描的扫描参数。
2.根据权利要求1所述的装置,其特征在于,所述扫描参数确定单元利用所述第一定位图像和所述第二定位图像的关联参数,根据所述第一位置信息和所述第二位置信息来计算所述指定部位的位置校正信息。
3.根据权利要求2所述的装置,其特征在于,所述关联参数包括:所述图像获取单元的检测高度,所述第一定位图像和所述第二定位图像之间的检测角度;其中,在所述第一定位图像由所述图像获取单元获得后,所述第二定位图像由所述图像获取单元旋转特定角度后而获得。
4.根据权利要求1所述的装置,其特征在于,所述第一定位图像和所述第二定位图像的检测角度在一个平面内相差90°;所述第一位置信息包括第一坐标值和第二坐标值,所述第二位置信息包括第三坐标值和第四坐标值;
所述扫描参数确定单元使用如下公式计算所述位置校正信息:
S1’/S1=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S2’/S2=(detector_height/2+(S3’+S4’)/2)/(detector_height/2);
S3’/S3=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S4’/S4=(detector_height/2+(S1’+S2’)/2)/(detector_height/2);
S1表示所述第一坐标值,S1’表示校正后的第一坐标值;S2表示所述第二坐标值,S2’表示校正后的第二坐标值;S3表示所述第三坐标值,S3’表示校正后的第三坐标值;S4表示所述第四坐标值,S4’表示校正后的第四坐标值;detector_height表示检测高度。
5.根据权利要求1所述的装置,其特征在于,所述位置检测单元利用深度学习神经网络从定位图像检测出所述的位置信息;所述深度学习神经网络包括更快速区域卷积神经网络或者视网膜网络。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
预处理单元,其将所述第一定位图像和/或所述第二定位图像转换为具有特定窗宽(WW)和特定窗位(WL)的特定图像格式文件,并将转换后的图像格式文件去除噪声后和/或裁剪为预定大小的图像后,作为所述深度学习神经网络的输入数据。
7.根据权利要求1所述的装置,其特征在于,所述扫描参数包括如下至少之一或任意组合:扫描开始位置、扫描结束位置、显示视野中心和显示视野大小、位移方向和位移大小。
8.一种医学图像扫描参数的获取方法,其特征在于,所述方法包括:
从不同角度对受检者的指定部位进行检测,以获取所述指定部位的第一定位图像和第二定位图像;
从所述第一定位图像检测出所述指定部位的第一位置信息,并从所述第二定位图像检测出所述指定部位的第二位置信息;
根据所述第一位置信息和所述第二位置信息计算所述指定部位的位置校正信息;以及根据所述指定部位的位置校正信息,确定对所述指定部位进行医学图像扫描的扫描参数。
9.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器被配置为执行所述计算机程序而实现如权利要求8所述的医学图像扫描参数的获取方法。
10.一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在电子设备中执行如权利要求8所述的医学图像扫描参数的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110333871.5A CN115137376A (zh) | 2021-03-29 | 2021-03-29 | 医学图像扫描参数的获取装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110333871.5A CN115137376A (zh) | 2021-03-29 | 2021-03-29 | 医学图像扫描参数的获取装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115137376A true CN115137376A (zh) | 2022-10-04 |
Family
ID=83403593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110333871.5A Pending CN115137376A (zh) | 2021-03-29 | 2021-03-29 | 医学图像扫描参数的获取装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115137376A (zh) |
-
2021
- 2021-03-29 CN CN202110333871.5A patent/CN115137376A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10602998B2 (en) | Methods and systems for dynamically modifying acquisition parameter during image acquisition | |
EP3355793B1 (en) | Method for calculating risk of collision between an x-ray imaging apparatus and the patient | |
US9498180B2 (en) | Detecting and quantifying patient motion during tomosynthesis scans | |
US7433507B2 (en) | Imaging chain for digital tomosynthesis on a flat panel detector | |
US7142633B2 (en) | Enhanced X-ray imaging system and method | |
US20180140270A1 (en) | Methods and systems for patient scan setup | |
JP2009022754A (ja) | 放射線画像の位置揃えを補正する方法 | |
EP3146900B1 (en) | Medical image photographing apparatus and medical image correction method using depth camera | |
CN108451537B (zh) | 可变sid成像 | |
JP5179788B2 (ja) | 医用画像診断装置、その制御方法及びプログラム | |
US20220054862A1 (en) | Medical image processing device, storage medium, medical device, and treatment system | |
US20200240934A1 (en) | Tomography apparatus and controlling method for the same | |
EP3370616B1 (en) | Device for imaging an object | |
US11311262B2 (en) | Information processing apparatus and program | |
CN115137376A (zh) | 医学图像扫描参数的获取装置和方法 | |
US20180235573A1 (en) | Systems and methods for intervention guidance using a combination of ultrasound and x-ray imaging | |
CN114767138A (zh) | 医学扫描系统、方法和存储介质 | |
US20240105312A1 (en) | Computed tomography imaging method and apparatus | |
US12004893B2 (en) | Systems and methods for artifact detection for images | |
US20230380790A1 (en) | Medical device, scanning method, and storage medium | |
US20220031273A1 (en) | Systems and methods for artifact detection for images | |
CN115147430A (zh) | 扫描参数的设置装置和方法 |
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 |