CN115984220A - 代谢水平评估方法、计算机设备和存储介质 - Google Patents
代谢水平评估方法、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115984220A CN115984220A CN202211730446.0A CN202211730446A CN115984220A CN 115984220 A CN115984220 A CN 115984220A CN 202211730446 A CN202211730446 A CN 202211730446A CN 115984220 A CN115984220 A CN 115984220A
- Authority
- CN
- China
- Prior art keywords
- preset
- image
- segmentation
- region
- segmentation result
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本申请涉及一种代谢水平评估方法、计算机设备和存储介质。该方法包括:获取待测对象的第一扫描图像和第二扫描图像;第一扫描图像和第二扫描图像的图像模态不同,且第一扫描图像为PET扫描图像;基于预设分割模型,对第一扫描图像和第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果;接着,根据第一分割结果和第二分割结果,在第一扫描图像上确定代谢水平评估区域,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平。即根据待测对象的第一扫描图像、第二扫描图像以及预设分割模型,实现图像的自动分割,并基于分割结果确定待测对象的代谢水平;能够提高代谢水平评估的效率。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种代谢水平评估方法、计算机设备和存储介质。
背景技术
正电子发射计算机断层显像(PET/CT)是一种将PET和CT融为一体的核医学成像技术。由PET图像提供病灶详尽的功能代谢信息,CT图像用于PET成像中的衰减校正以及为病灶提供精确的解剖定位。通过PET图像可确定患者的全身或者局部代谢水平,达到早期发现病灶和诊断疾病的目的。
传统的,医生需要在PET图像中自行拖动用于计算代谢水平的球体,使得球体所在区域不含病灶,在确定出球体位置之后,计算机设备基于该PET图像中球体所在区域对应的标准化摄取值(SUV)评估患者的代谢水平。
然而,传统代谢水平评估方式,需要医生手动参与,存在代谢水平评估效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高代谢水平评估效率的代谢水平评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种代谢水平评估方法。该方法包括:
获取待测对象的第一扫描图像和第二扫描图像;第一扫描图像和第二扫描图像的图像模态不同,且第一扫描图像为PET扫描图像;
基于预设分割模型,对第一扫描图像和第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果;
根据第一分割结果和第二分割结果,在第一扫描图像上确定代谢水平评估区域,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平。
在其中一个实施例中,预设分割模型包括第一分割模型和第二分割模型;基于预设分割模型,对第一扫描图像和第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果,包括:
将第二扫描图像与第一扫描图像进行配准,得到配准图像以及将第二扫描图像配准至第一扫描图像的配准矩阵;
基于第一分割模型和配准矩阵,对第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果;
基于第二分割模型和配准图像,对第一扫描图像进行图像分割处理,确定预设部位上感兴趣区域的第二分割结果。
在其中一个实施例中,基于第一分割模型和配准矩阵,对第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果,包括:
将第二扫描图像输入至第一分割模型中,得到待测对象的预设部位的分割结果;
基于配准矩阵,对分割结果进行配准,得到待测对象的预设部位的第一分割结果。
在其中一个实施例中,第一分割模型包括预设部位分割模型和预设部位分段模型;将第二扫描图像输入至第一分割模型中,得到待测对象的预设部位的分割结果,包括:
将第二扫描图像输入至预设部位分割模型中进行预设部位分割,得到待测对象的预设部位分割结果;
将第二扫描图像和预设部位分割结果,输入至预设部位分段模型中进行预设部位分段,得到待测对象的预设部位分段结果。
在其中一个实施例中,基于第二分割模型和配准图像,对第一扫描图像进行图像分割处理,确定预设部位上感兴趣区域的第二分割结果,包括:
将第一扫描图像和配准图像输入至第二分割模型中,得到预设部位的分割结果;
从预设部位的分割结果中提取感兴趣区域,得到预设部位上感兴趣区域的第二分割结果。
在其中一个实施例中,将第一扫描图像和配准图像输入至第二分割模型中,得到预设部位的分割结果,包括:
采用第一预设窗宽窗位,对第一扫描图像进行归一化处理,得到归一化第一扫描图像;
采用第二预设窗宽窗位,对配准图像进行归一化处理,得到归一化配准图像;
将归一化第一扫描图像和归一化配准图像输入至第二分割模型中,得到预设部位的分割结果。
在其中一个实施例中,根据第一分割结果和第二分割结果,在第一扫描图像上确定代谢水平评估区域,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平,包括:
按照优先级顺序,从第一分割结果对应的预设区域集合中依次确定目标区域;预设区域集合中包括预设部位的至少一个预设区域,各预设区域分别对应不同的优先级顺序;
判断目标区域中是否存在满足预设条件的代谢水平评估区域;预设条件为代谢水平评估区域内不包含第二分割结果中的感兴趣区域;
在目标区域中存在满足预设条件的代谢水平评估区域的情况下,计算代谢水平评估区域的代谢参数,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平;代谢参数包括SUV平均值。
在其中一个实施例中,判断目标区域中是否存在满足预设条件的代谢水平评估区域,包括:
确定目标区域的预设点位,根据预设点位确定预设尺寸的代谢水平评估区域;
结合第二分割结果,判断代谢水平评估区域是否满足预设条件。
在其中一个实施例中,该方法还包括:
在目标区域中不存在满足预设条件的感兴趣区域的情况下,按照优先级顺序,从第一分割结果对应的预设区域集合中将目标区域的下一预设区域作为新的目标区域,并返回执行判断新的目标区域中是否存在满足预设条件的代谢水平评估区域的步骤,直至检测完预设区域集合中的所有预设区域为止。
第二方面,本申请还提供了一种代谢水平评估装置。该装置包括:
获取模块,用于获取待测对象的第一扫描图像和第二扫描图像;第一扫描图像和第二扫描图像的图像模态不同,且第一扫描图像为PET扫描图像;
第一确定模块,用于基于预设分割模型,对第一扫描图像和第二扫描图像5进行图像分割处理,确定待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果;
第二确定模块,用于根据第一分割结果和第二分割结果,在第一扫描图像上确定代谢水平评估区域,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平。
0第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,该存储器存储有计算机程序,该处理器执行所述计算机程序时实现上述第一方面中的代谢水平评估方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方5面中的代谢水平评估方法的步骤。
第五方面,本申请还提供了一种计算机程序产品,该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面中的代谢水平评估方法的步骤。
上述代谢水平评估方法、装置、计算机设备、存储介质和计算机程序产品,0通过获取待测对象的第一扫描图像和第二扫描图像;其中,第一扫描图像和第二扫描图像的图像模态不同,且第一扫描图像为PET扫描图像;接着,基于预设分割模型,对第一扫描图像和第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果;进而,
根据第一分割结果和第二分割结果,在第一扫描图像上确定代谢水平评估区域,5根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平。也就是说,本
申请实施例中,可以根据待测对象的图像模态不同的第一扫描图像和第二扫描图像,通过预设分割模型,实现图像的自动分割与处理,并基于分割结果确定待测对象的代谢水平;针对不同的待测对象,无需医生手动参与,便可以基于个体的医学扫描图像实现对个体代谢水平的自适应评估,不仅能够提高代谢水平评估的效率,还能提高个体代谢水平的评估准确性。
附图说明
图1为一个实施例中代谢水平评估方法的应用环境图;
图2为一个实施例中代谢水平评估方法的流程示意图;
图3为另一个实施例中代谢水平评估方法的流程示意图;
图4为另一个实施例中代谢水平评估方法的流程示意图;
图5为另一个实施例中代谢水平评估方法的流程示意图;
图6为另一个实施例中代谢水平评估方法的流程示意图;
图7为一个实施例中代谢水平评估方法的系统结构示意图;
图8为一个实施例中肝段分割的结构示意图;
图9为一个实施例中PET肝脏病灶分割的结构示意图;
图10为一个实施例中代谢水平估计的流程示意图;
图11为一个实施例中代谢水平估计所选球体的测试效果图;
图12为一个实施例中代谢水平评估装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
PET/CT是一种将PET和CT融为一体的核医学成像技术。由PET提供病灶详尽的功能代谢信息,CT用于衰减校正以及为病灶提供精确的解剖定位,一次显像可获得全身各方位的断层图像,具有灵敏、准确、特异及定位精确等特点,可一目了然的了解全身整体状况,达到早期发现病灶和诊断疾病的目的。
对于PET/CT来说,报告的重要性明显大于放射诊断的其他科室,医生报告书写的时间占整个PET/CT阅片时间的80%以上,医生日常撰写报告需要手动逐个勾画每一个异常代谢点感兴趣区域,并对其进行测量和参数定量分析,如获取长轴、短轴、标准化摄取值(standard uptake value,SUV)、SUV最大值(SUV max)、SUV平均值(SUV mean)、SUV峰值(SUV peak)以及自动计算肿瘤负荷(包括肿瘤代谢体积MTV、肿瘤糖酵解总量TLG)等,还需要完成异常代谢点定位、截图及编辑报告等工作。在实际操作中,医生首先会根据每一个病例的个体代谢水平(参考肝脏代谢情况)进行图像窗宽窗位的调整,在调整好的图像基础上再进行异常代谢点的识别勾画。整个报告过程操作繁琐,工作量大。
PET/CT结构化报告是未来的一个发展方向,它依赖的重要基础是如何将PET/CT中异常代谢点快速而准确的检测出来,但是由于每一个人本身的代谢水平存在差异,以及可能出现的由于注射点外漏导致的摄取药物减少,SUV值降低,所以需要设计出一种能自适应地估计每一个个体的代谢水平的方法。
基于此,本申请提出了一种自适应代谢水平估计方法,该方法借助CT肝段分割结果能够自适应的估计出每一个病人的自身代谢水平,从而实现个体化的图像处理和高代谢信号点预提取,进而辅助核医学医生进行诊断和快速计算定量参数信息,从而输出结构化报告。
本申请实施例提供的代谢水平评估方法,可以应用于如图1所示的应用环境中。其中,计算机设备102可以为终端,也可以为服务器。终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种代谢水平评估方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
步骤201,获取待测对象的第一扫描图像和第二扫描图像。
其中,第一扫描图像和第二扫描图像的图像模态不同,且第一扫描图像为PET扫描图像,第二扫描图像可以为CT扫描图像,也可以为MR扫描图像,还可以为除PET扫描图像、CT扫描图像、MR扫描图像之外的其他模态的医学扫描图像等,本申请实施例对该第二扫描图像的图像模态不做具体限定。
可选地,计算机设备可以从该计算机设备的本地存储中获取待测对象的第一扫描图像和第二扫描图像,也可以从与该计算机设备通信连接的其他存储设备中获取待测对象的第一扫描图像和第二扫描图像,例如:计算机设备可以从服务器中请求获取待测对象的第一扫描图像和第二扫描图像等;还可以从与计算机设备通信连接的医学影像扫描设备中获取该待测对象的第一扫描图像和第二扫描图像等,其中,该医学影像扫描设备可以为能够实现CT扫描、MR扫描、PET扫描等的影像设备,如:CT扫描设备、MR扫描设备、PET扫描设备、PET/CT一体式扫描设备、PET/MR一体式扫描设备等。本申请实施例对待测对象的扫描图像的获取方式不做具体限定。
步骤202,基于预设分割模型,对第一扫描图像和第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果。
其中,待测对象的预设部位可以为预设器官、预设组织等能够用于表征待测对象的代谢水平的部位,例如:肝脏、主动脉等;该预设部位上感兴趣区域可以包括病灶、异常区域、预设位置等。
可选地,该第一分割结果和该第二分割结果可以为与第一扫描图像对应的分割结果,也就是说,该第一分割结果和该第二分割结果可以为PET图像空间对应的分割结果。可选地,该第一分割结果和/或第二分割结果,也可以为与第二扫描图像对应的分割结果,另外,该第一分割结果和该第二分割结果对应的图像空间可以相同,也可以不同;本申请实施例对此均不做具体限定。
可选地,可以基于该预设分割模型,对该第一扫描图像和第二扫描图像进行图像分割处理,得到待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果;也可以基于该预设分割模型,再结合其他的图像处理操作,对第一扫描图像和第二扫描图像进行图像分割处理,从而得到该第一分割结果和该第二分割结果;需要说明的是,该第一分割结果和该第二分割结果可以是经同一图像处理操作输出的,也可以是经不同的图像处理操作后分别输出的;本申请实施例对此不做具体限定。
对于该预设分割模型,其可以为基于卷积神经网络的图像分割模型,也可以为基于循环神经网络的图像分割模型,还可以为基于注意力机制的图像分割模型等,本申请实施例中对该预设分割模型的网络类型不做具体限定。
步骤203,根据第一分割结果和第二分割结果,在第一扫描图像上确定代谢水平评估区域,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平。
其中,该代谢水平评估区域可以为满足一定的代谢水平评估要求的区域,示例性地,该代谢水平评估区域可以为不包含感兴趣区域的区域。在实际应用过程中,可以根据实际评估要求,灵活设置代谢水平评估区域的选择条件,本申请实施例对此不做具体限定。
示例性地,在该代谢水平评估区域为不包含感兴趣区域的预设大小的区域时,可以根据第一分割结果和第二分割结果,确定出预设部位上不包含感兴趣区域的候选区域,例如,可以从第一分割结果中去除第二分割结果得到不包含感兴趣区域的候选区域;接着,从该候选区域中确定出预设大小的区域,即可作为代谢水平评估区域。可选地,该预设大小的代谢水平评估区域可以为预设大小的球体区域,也可以是预设大小的立方体区域等,本申请实施例对该代谢水平评估区域的大小和形状不做具体限定。
示例性地,也可以先基于第一分割结果,确定出预设大小的候选区域,接着,再基于第二分割结果,判断该候选区域内是否包含感兴趣区域;如果候选区域内不包含感兴趣区域,那么便可以将该候选区域确定为代谢水平评估区域。
需要说明的是,以上所描述的两种代谢水平评估区域的确定方式仅作为举例进行说明,并不用于进行具体实现方式的限定,且其实现方式需跟代谢水平评估区域的筛选条件有关,筛选条件不同时,其对应的实现方式也会有所不同。
进一步地,在确定出代谢水平评估区域的情况下,可以根据第一扫描图像(即PET扫描图像)中代谢水平评估区域对应的代谢参数,来评估待测对象的代谢水平。可选地,可以根据第一扫描图像(即PET扫描图像)对应的放射性活性浓度参数和预设参数转换算法,将放射性活性浓度参数转换为SUV参数值,接着,根据代谢水平评估区域内的各SUV参数值计算SUV平均值,该SUV平均值可以作为代谢水平评估区域对应的其中一种代谢参数;通过该SUV平均值来评估待测对象的代谢水平,可以将该SUV平均值作为待测对象的代谢水平,也可以基于该SUV平均值经过一定的计算后,将计算得到的结果作为待测对象的代谢水平等。
需要说明的是,对于该代谢水平评估区域的代谢参数,其可以包括SUV平均值,也可以包括SUV标准差、SUV方差等,基于此,在基于代谢参数评估代谢水平时,也可以基于SUV平均值、SUV标准差、SUV方差等进行综合评估;本申请实施例对此不做具体限定。
上述代谢水平评估方法中,通过获取待测对象的第一扫描图像和第二扫描图像;其中,第一扫描图像和第二扫描图像的图像模态不同,且第一扫描图像为PET扫描图像;接着,基于预设分割模型,对第一扫描图像和第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果;进而,根据第一分割结果和第二分割结果,在第一扫描图像上确定代谢水平评估区域,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平。也就是说,本申请实施例中,可以根据待测对象的图像模态不同的第一扫描图像和第二扫描图像,通过预设分割模型,实现图像的自动分割与处理,并基于分割结果确定待测对象的代谢水平;针对不同的待测对象,无需医生手动参与,便可以基于个体的医学扫描图像实现对个体代谢水平的自适应评估,不仅能够提高代谢水平评估的效率,还能提高个体代谢水平的评估准确性。
在一个可选的实施例中,上述预设分割模型可以包括第一分割模型和第二分割模型,其中,第一分割模型用于对待测对象的预设部位进行分割处理,第二分割模型用于对预设部位上的感兴趣区域进行分割处理;基于此,如图3所示,提供了另一种代谢水平评估方法的流程示意图。本实施例涉及的是计算机设备基于预设分割模型,对第一扫描图像和第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果的一种可选的实现过程,在上述实施例的基础上,上述步骤202可以包括:
步骤301,将第二扫描图像与第一扫描图像进行配准,得到配准图像以及将第二扫描图像配准至第一扫描图像的配准矩阵。
可选地,采用预设配准算法,对第二扫描图像与第一扫描图像进行配准处理,即将第二扫描图像配准至第一扫描图像,得到配准图像,以及确定出将第二扫描图像配准至第一扫描图像的配准矩阵;该配准矩阵用于将第二扫描图像对应的图像空间转换为第一扫描图像对应的图像空间,即转换至PET图像空间,实现图像的空间变换。
步骤302,基于第一分割模型和配准矩阵,对第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果。
其中,第一分割结果可以为第一扫描图像对应的图像模态下预设部位的分割结果。
示例性地,可以先将第二扫描图像输入至该第一分割模型中,得到待测对象的预设部位的分割结果;接着,再基于该配准矩阵,对该分割结果进行配准处理,得到待测对象的预设部位的第一分割结果。由于第二扫描图像的解剖结构信息较为清晰,而PET图像的分辨率相对较差,因此,可以先基于第二扫描图像进行预设部位的分割,再通过预先确定出的配准矩阵,对第二扫描图像的分割结果进行空间变换,以将第二扫描图像对应的图像模态上的预设部位的分割结果匹配至第一扫描图像上,得到基于第一扫描图像的预设部位的第一分割结果。
步骤303,基于第二分割模型和配准图像,对第一扫描图像进行图像分割处理,确定预设部位上感兴趣区域的第二分割结果。
其中,第二分割结果为第一扫描图像对应的图像模态下预设部位上感兴趣区域的分割结果。
可选地,可以将该第一扫描图像和该配准图像输入至该第二分割模型中进行预设部位上的感兴趣区域的分割处理,从而得到该预设部位上感兴趣区域的第二分割结果。可选地,还可以基于该配准图像和该第一扫描图像,结合第二分割模型和其他的图像处理操作,包括图像预处理操作和图像后处理操作等,对第一扫描图像中的预设部位上的感兴趣区域进行图像分割处理,从而得到该预设部位上感兴趣区域的第二分割结果。
本实施例中,预设分割模型包括第一分割模型和第二分割模型,计算机设备通过将第二扫描图像与第一扫描图像进行配准,得到配准图像以及将第二扫描图像配准至第一扫描图像的配准矩阵;接着,基于第一分割模型和配准矩阵,对第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果;以及基于第二分割模型和配准图像,对第一扫描图像进行图像分割处理,确定预设部位上感兴趣区域的第二分割结果。也就是说,在本实施例中,通过设置用于分割预设部位的第一分割模型和用于分割预设部位上的感兴趣区域的第二分割模型、以及用于实现空间变换的配准矩阵,一方面,从第二扫描图像入手,得到预设部位的分割结果,并基于该配准矩阵,将第二扫描图像对应的图像空间的预设部位的分割结果转换至PET图像空间对应的预设部位的分割结果,得到预设部位对应的第一分割结果;另一方面,基于第一扫描图像和预先进行配准处理的配准图像,通过第二分割模型实现对预设部位上感兴趣区域的分割处理,从而得到PET图像空间对应的预设部位上感兴趣区域的第二分割结果;采用本申请实施例的分割方法,能够提高第一扫描图像中预设部位和预设部位上感兴趣区域的图像分割效果。
在一个实施例中,上述用于实现预设部位分割的第一分割模型,还可以包括预设部位分割模型和预设部位分段模型;其中,预设部位分割模型可以用于从第二扫描图像中分割出预设部位,预设部位分段模型可以用于对已分割出的预设部位进行部位分段处理,得到预设部位对应的包含多个分段区域的分段处理结果;示例性地,在预设部位为肝脏的情况下,可以将肝脏分为八个分段区域,分别为:尾状叶、左外叶上段、左外叶下段、左内叶、右前叶下段、右前叶上段、右后叶下段、右后叶上段,即实现对肝脏的肝八段的自适应分割处理。
图4为另一个实施例中代谢水平评估方法的流程示意图。本实施例涉及的是计算机设备将第二扫描图像输入至第一分割模型中,得到待测对象的预设部位的分割结果的一种可选的实现过程,在上述实施例的基础上,如图4所示,上述方法可以包括:
步骤401,将第二扫描图像输入至预设部位分割模型中进行预设部位分割,得到待测对象的预设部位分割结果。
其中,该预设部位分割模型可以为基于样本第二扫描图像和该样本第二扫描图像对应的预设部位金标准,对初始分割网络进行训练而成。另外,该初始分割网络可以为任意网络类型的分割网络,本申请实施例对此不做具体限定。
可选地,可以直接将第二扫描图像输入至该预设部位分割模型中进行预设部位分割处理,输出得到该待测对象的预设部位分割结果;也可以先对该第二扫描图像进行一系列预处理操作后,将预处理后的第二扫描图像输入至预设部位分割模型中进行预设部位分割处理,得到该待测对象的预设部位分割结果;还可以在将第二扫描图像输入至预设部位分割模型中进行预设部位分割处理,得到分割结果后,对该分割结果进行图像后处理操作,得到该待测对象的预设部位分割结果。可选地,图像预处理操作和图像后处理操作可以包括至少一种基本的图像处理操作,例如:图像增强、图像去噪、图像平滑等处理操作,本申请实施例对此不做具体限定。
步骤402,将第二扫描图像和预设部位分割结果,输入至预设部位分段模型中进行预设部位分段,得到待测对象的预设部位分段结果。
其中,该预设部位分段模型可以为基于样本第二扫描图像、该样本第二扫描图像对应的预设部位分割结果(该预设部位分割结果可以为上述初始分割网络输出的分割结果),以及该样本第二扫描图像对应的预设部位分段金标准,对初始分段网络进行训练而成。另外,该初始分段网络可以为任意网络类型的分段网络,本申请实施例对此不做具体限定。
可选地,在通过预设部位分割模型,对第二扫描图像中的预设部位进行分割处理,得到该预设部位分割结果之后,进一步地,可以将该第二扫描图像和预设部位分割结果,输入至该预设部位分段模型中进行预设部位分段处理,得到该待测对象的预设部位分段结果。
进一步地,在将第二扫描图像对应的图像空间下的分割结果匹配至第一扫描图像对应的图像空间,即PET图像空间时,可以基于上述配准矩阵,对该第二扫描图像对应的预设部位分段结果进行配准处理,得到PET图像空间下,待测对象的预设部位的第一分割结果;其中,该第一分割结果为第一扫描图像对应的PET图像空间下的预设部位分段结果。
本实施例中,将第二扫描图像输入至预设部位分割模型中进行预设部位分割,得到待测对象的预设部位分割结果;将第二扫描图像和预设部位分割结果,输入至预设部位分段模型中进行预设部位分段,得到待测对象的预设部位分段结果。也就是说,本实施例中,不仅对预设部位进行分割处理,还对分割出的预设部位进行分段处理,得到包括多段的预设部位分段结果,使得后续确定代谢水平评估区域时,可以基于该预设部位分段结果来确定预设部位上的代谢水平评估区域,提高对代谢水平评估区域的筛选效率,以及实现对代谢水平评估区域的精确勾画。
图5为另一个实施例中代谢水平评估方法的流程示意图。本实施例涉及的是计算机设备基于第二分割模型和配准图像,对第一扫描图像进行图像分割处理,确定预设部位上感兴趣区域的第二分割结果的一种可选的实现过程,在上述实施例的基础上,如图5所示,上述步骤303可以包括:
步骤501,将第一扫描图像和配准图像输入至第二分割模型中,得到预设部位的分割结果。
其中,该预设部位的分割结果中可以包括预设部位对应的分割结果和预设部位上的感兴趣区域对应的分割结果。
可选地,可以将该第一扫描图像和配准图像直接输入至第二分割模型中,得到该预设部位的分割结果。
可选地,还可以先对该第一扫描图像和配准图像分别进行图像预处理操作,得到预处理后的第一扫描图像和预处理后的配准图像;接着,将预处理后的第一扫描图像和预处理后的配准图像,输入至第二分割模型中,得到预设部位的分割结果。
示例性地,可以采用第一预设窗宽窗位,对第一扫描图像进行归一化处理,得到归一化第一扫描图像;以及采用第二预设窗宽窗位,对配准图像进行归一化处理,得到归一化配准图像;接着,将归一化第一扫描图像和归一化配准图像输入至第二分割模型中,得到预设部位的分割结果。其中,对第一扫描图像和配准图像分别进行窗宽窗位的调整,可以提高第一扫描图像和配准图像的图像分辨率,使得所得到的预设部位的分割结果更加准确。
步骤502,从预设部位的分割结果中提取感兴趣区域,得到预设部位上感兴趣区域的第二分割结果。
可选地,在通过该第二分割模型得到第一扫描图像对应的预设部位的分割结果之后,便可以对该预设部位的分割结果中的预设部位和感兴趣区域进行拆分,即从预设部位的分割结果中仅提取出感兴趣区域,得到预设部位上感兴趣区域对应的第二分割结果。
本实施例中,将第一扫描图像和配准图像输入至第二分割模型中,得到预设部位的分割结果;接着,再从预设部位的分割结果中提取感兴趣区域,得到预设部位上感兴趣区域的第二分割结果;即本实施例中,先确定出预设部位以及预设部位上的感兴趣区域,再从预设部位的分割结果中提取出感兴趣区域,采用该方法,能够提高对预设部位上的感兴趣区域的分割准确性。
图6为另一个实施例中代谢水平评估方法的流程示意图。本实施例涉及的是计算机设备根据第一分割结果和第二分割结果,在第一扫描图像上确定代谢水平评估区域,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平的一种可选的实现过程,在上述实施例的基础上,如图6所示,上述步骤203可以包括:
步骤601,按照优先级顺序,从第一分割结果对应的预设区域集合中依次确定目标区域。
其中,预设区域集合中包括预设部位的至少一个预设区域,各预设区域分别对应不同的优先级顺序。该预设部位的预设区域可以为经过上述预设部位分段模型进行预设部位分段处理后得到的分段区域,可选地,该预设区域集合中可以包括至少一个分段区域,且各分段区域按照筛选优先级进行顺序排列。
示例性地,对于肝脏来说,其右叶下段最为肥厚,可以优先在肝脏的右叶下段区域中确定代谢水平评估区域,在右叶下段区域不存在满足条件的代谢水平评估区域的情况下,可以在右叶上段区域中继续筛选,依次类推,若在每一块分段区域中均不存在满足条件的代谢水平评估区域的情况下,可以在整个肝脏上继续寻找满足条件的代谢水平评估区域,例如:可以在整个肝脏上寻找距离背景以及病灶最远的点,作为代谢水平评估区域的中心点,以该点为中心,预设大小的区域确定为代谢水平评估区域。
在开始确定代谢水平评估区域时,可以将该预设区域集合中的优先级最高的预设区域作为该目标区域,以便在该目标区域中寻找满足条件的代谢水平评估区域。
步骤602,判断目标区域中是否存在满足预设条件的代谢水平评估区域。
其中,该预设条件可以为代谢水平评估区域内不包含第二分割结果中的感兴趣区域。
可选地,在确定出目标区域后,可以先结合第二分割结果,确定出该目标区域中不包含感兴趣区域的候选区域,接着,再从该候选区域中确定预设大小的代谢水平评估区域;如果在该候选区域中存在预设大小的代谢水平评估区域,那么便可以确定该目标区域中存在满足预设条件的代谢水平评估区域。
可选地,也可以先在该目标区域中确定出预设大小的候选代谢水平评估区域,接着,再结合该第二分割结果,判断各候选代谢水平评估区域中是否包含该第二分割结果中的感兴趣区域;如果该候选代谢水平评估区域中不包含该第二分割结果中的感兴趣区域,那么便可以确定该目标区域中存在满足预设条件的代谢水平评估区域。
示例性地,在从目标区域中确定预设大小的候选代谢水平评估区域时,可以先确定该目标区域的预设点位,再根据该预设点位确定预设尺寸的代谢水平评估区域,作为候选代谢水平评估区域;接着,便可以结合第二分割结果,即预设部位上感兴趣区域对应的分割结果,判断该代谢水平评估区域是否满足预设条件。对于该预设点位,其可以为该目标区域的中心点,也可以为该目标区域的质心点,还可以为该目标区域内的任意一个点等,本申请实施例对此不做具体限定。
步骤603,在目标区域中存在满足预设条件的代谢水平评估区域的情况下,计算代谢水平评估区域的代谢参数,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平。
其中,代谢参数可以包括SUV平均值,可选地,该代谢参数还可以包括SUV标准差、SUV方差等。
可选地,在目标区域中存在满足预设条件的代谢水平评估区域的情况下,说明此时已经筛选到合适的代谢水平评估区域,无需再继续寻找,此时可以结束循环,基于所找到的代谢水平评估区域,结合第一扫描图像,计算该代谢水平评估区域的代谢参数;接着,可以根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平。
可选地,在目标区域中不存在满足预设条件的感兴趣区域的情况下,则可以按照优先级顺序,从第一分割结果对应的预设区域集合中将目标区域的下一预设区域作为新的目标区域,并返回执行判断新的目标区域中是否存在满足预设条件的代谢水平评估区域的步骤,直至检测完预设区域集合中的所有预设区域为止。
可选地,如果预设区域集合中的所有预设区域均不存在满足预设条件的感兴趣区域,那么则可以基于历史经验值来确定待测对象的代谢水平。可选地,在预设区域集合中的所有预设区域均不存在满足预设条件的感兴趣区域的情况下,还可以更换预设部位,重新确定新的预设部位,并重新执行以上各个步骤,即在新的预设部位中再筛选出满足预设条件的代谢水平评估区域,实现对待测对象的代谢水平的评估。
本实施例中,按照优先级顺序,从第一分割结果对应的预设区域集合中依次确定目标区域;其中,该预设区域集合中包括预设部位的至少一个预设区域,各预设区域分别对应不同的优先级顺序;接着,判断该目标区域中是否存在满足预设条件的代谢水平评估区域;预设条件为代谢水平评估区域内不包含第二分割结果中的感兴趣区域;在目标区域中存在满足预设条件的代谢水平评估区域的情况下,计算代谢水平评估区域的代谢参数,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平;代谢参数包括SUV平均值。即本实施例中,采用基于优先级的判断方式,逐个确定预设部位上的不同区域是否存在满足预设条件的代谢水平评估区域,实现对代谢水平评估区域的自动筛选与确定;相比于随机从整个预设部位中确定代谢水平评估区域而言,能够提高代谢水平评估区域的筛选速率和准确性。
在一个实施例中,提供了一种代谢水平评估方法的具体实施例。以肝脏部位为例,结合待测对象的CT图像和PET图像,对待测对象的代谢水平进行评估;如图7所示,其示出了代谢水平评估方法的系统架构图,包括以下步骤:
步骤1,采用配准模块将CT图像配准到PET图像,并获得CT配准到PET的配准矩阵M。
步骤2,对肝脏进行肝段分割,参考图8所示。首先,将CT图像输入至深度学习肝脏分割模型中进行肝脏分割,得到CT肝脏分割结果;其次,将CT图像和CT肝脏分割结果作为双通道输入预训练好的深度学习肝段分割模型中进行肝段分割,获得肝八段分割结果;最后,根据上一步骤的配准矩阵M,将CT图像空间下的肝八段分割结果配准至PET图像空间,获得配准到PET的肝段分割结果。
步骤3,PET肝脏病灶分割,参考图9所示。可以将固定窗宽窗位(如取窗位=2.5,窗宽=5)归一化的PET图像和固定窗宽窗位(如取窗位=50,窗宽=150)归一化的配准CT图像,作为双通道输入预先训练好的低分辨率(如spacing=[3mm,3mm,3mm])肝脏及肝脏病灶分割模型中进行肝脏和肝脏病灶分割,获取到肝脏和肝脏异常代谢点多类别分割结果;接着,再从该多类别分割结果中提取出肝脏异常代谢点,得到肝脏异常代谢点分割掩膜。
该步骤主要用于计算肝脏本底代谢值(即SUV)和标准差,对由于肝脏代谢水平差异引起的病灶检测假阳可以忽略。
步骤4,计算肝脏SUV平均值和SUV标准差,以进行个体自适应代谢水平估计,其流程示意图可参考10所示。
根据之前步骤获得的PET肝段分割结果和PET肝脏病灶分割结果,首先以肝脏右叶下段质心为中心点,寻找不包含病灶的直径3cm的球体,如找到,则计算该球体的SUV平均值和SUV标准差;否则,继续以肝脏右叶上段质心为中心点,寻找不包含病灶的直径3cm的球体,如找到,则计算该球体的SUV平均值和SUV标准差。如还未找到,则可以在整个肝脏区域寻找满足条件的球体质心点。
示例性地,可以先获得整肝的非病灶区域,通过距离变换在重采样空间(X、Y、Z轴重采样到统一分辨率)寻找距离背景距离最远的点,并通过坐标变换转换到原始PET图像空间中的对应位置,以该位置作为球体中心点,如果在直径为3cm的球体范围内不包含病灶,则计算该球体的SUV平均值和SUV标准差。直径3cm球体测试效果图可以如图11所示。
如以上条件均不满足,则输出基于大数据预先统计的肝脏SUV平均值和SUV标准差,如可设置SUV平均值:SUVmean=2.1,SUV标准差:SUVstd=0.2。基于肝脏SUV平均值和SUV标准差,计算表征个体代谢水平的公式可以如公式(1)所示。
SUVthres = SUVmean + 2 * SUVstd (1)
其中,SUVthres表示个体代谢水平。需要说明的是,该公式(1)仅作为一种举例进行代谢水平评估方式的说明,并不用于对代谢水平评估方式的限定。
另外,需要说明的是,对于上述直径3cm的球体,在实际应用中可以灵活设置或调整球体的直径大小,或者,也可以灵活设置代谢水平评估区域的形状,不仅限于球体,也可以为立方体,任意多边形结构等。病人代谢水平估计也不局限于肝脏区域,也可以为主动脉等其他器官或者组织。
本实施例所提供的代谢水平评估方法,可以基于配准模块,并结合CT器官结构信息进行PET代谢水平自适应估计,另外,还提出了基于肝段分割的病人代谢水平估计方法,按照肝脏右叶下段、肝脏右叶上段、整肝三个步骤依次进行肝脏本底代谢球体质心点选取,从而计算肝脏SUV平均值(个体代谢水平估计)和标准差,该方法的准确性更高、鲁棒性更强。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的代谢水平评估方法的代谢水平评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个代谢水平评估装置实施例中的具体限定可以参见上文中对于代谢水平评估方法的限定,在此不再赘述。
在一个实施例中,如图12所示,提供了一种代谢水平评估装置,包括:获取模块1201、第一确定模块1202和第二确定模块1203,其中:
获取模块1201,用于获取待测对象的第一扫描图像和第二扫描图像;第一扫描图像和第二扫描图像的图像模态不同,且第一扫描图像为PET扫描图像。
第一确定模块1202,用于基于预设分割模型,对第一扫描图像和第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果和预设部位上感兴趣区域的第二分割结果。
第二确定模块1203,用于根据第一分割结果和第二分割结果,在第一扫描图像上确定代谢水平评估区域,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平。
在其中一个实施例中,预设分割模型包括第一分割模型和第二分割模型;第一确定模块1202,用于将第二扫描图像与第一扫描图像进行配准,得到配准图像以及将第二扫描图像配准至第一扫描图像的配准矩阵;基于第一分割模型和配准矩阵,对第二扫描图像进行图像分割处理,确定待测对象的预设部位的第一分割结果;基于第二分割模型和配准图像,对第一扫描图像进行图像分割处理,确定预设部位上感兴趣区域的第二分割结果。
在其中一个实施例中,第一确定模块1202,用于将第二扫描图像输入至第一分割模型中,得到待测对象的预设部位的分割结果;基于配准矩阵,对分割结果进行配准,得到待测对象的预设部位的第一分割结果。
在其中一个实施例中,第一分割模型包括预设部位分割模型和预设部位分段模型;第一确定模块1202,用于将第二扫描图像输入至预设部位分割模型中进行预设部位分割,得到待测对象的预设部位分割结果;将第二扫描图像和预设部位分割结果,输入至预设部位分段模型中进行预设部位分段,得到待测对象的预设部位分段结果。
在其中一个实施例中,第一确定模块1202,用于将第一扫描图像和配准图像输入至第二分割模型中,得到预设部位的分割结果;从预设部位的分割结果中提取感兴趣区域,得到预设部位上感兴趣区域的第二分割结果。
在其中一个实施例中,第一确定模块1202,用于采用第一预设窗宽窗位,对第一扫描图像进行归一化处理,得到归一化第一扫描图像;采用第二预设窗宽窗位,对配准图像进行归一化处理,得到归一化配准图像;将归一化第一扫描图像和归一化配准图像输入至第二分割模型中,得到预设部位的分割结果。
在其中一个实施例中,第二确定模块1203,用于按照优先级顺序,从第一分割结果对应的预设区域集合中依次确定目标区域;预设区域集合中包括预设部位的至少一个预设区域,各预设区域分别对应不同的优先级顺序;判断目标区域中是否存在满足预设条件的代谢水平评估区域;预设条件为代谢水平评估区域内不包含第二分割结果中的感兴趣区域;在目标区域中存在满足预设条件的代谢水平评估区域的情况下,计算代谢水平评估区域的代谢参数,根据代谢水平评估区域的代谢参数,评估待测对象的代谢水平;代谢参数包括SUV平均值。
在其中一个实施例中,第二确定模块1203,用于确定目标区域的预设点位,根据预设点位确定预设尺寸的代谢水平评估区域;结合第二分割结果,判断代谢水平评估区域是否满足预设条件。
在其中一个实施例中,第二确定模块1203,还用于在目标区域中不存在满足预设条件的感兴趣区域的情况下,按照优先级顺序,从第一分割结果对应的预设区域集合中将目标区域的下一预设区域作为新的目标区域,并返回执行判断新的目标区域中是否存在满足预设条件的代谢水平评估区域的步骤,直至检测完预设区域集合中的所有预设区域为止。
上述代谢水平评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,也可以是服务器,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储不同的图像处理模型。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种代谢水平评估方法。可选地,在该计算机设备为终端的情况下,该计算机设备还可以包括显示屏和输入装置(图中未示出),该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各个实施例中的代谢水平评估方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各个实施例中的代谢水平评估方法的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各个实施例中的代谢水平评估方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种代谢水平评估方法,其特征在于,所述方法包括:
获取待测对象的第一扫描图像和第二扫描图像;所述第一扫描图像和所述第二扫描图像的图像模态不同,且所述第一扫描图像为PET扫描图像;
基于预设分割模型,对所述第一扫描图像和所述第二扫描图像进行图像分割处理,确定所述待测对象的预设部位的第一分割结果和所述预设部位上感兴趣区域的第二分割结果;
根据所述第一分割结果和所述第二分割结果,在所述第一扫描图像上确定代谢水平评估区域,根据所述代谢水平评估区域的代谢参数,评估所述待测对象的代谢水平。
2.根据权利要求1所述的方法,其特征在于,所述预设分割模型包括第一分割模型和第二分割模型;所述基于预设分割模型,对所述第一扫描图像和所述第二扫描图像进行图像分割处理,确定所述待测对象的预设部位的第一分割结果和所述预设部位上感兴趣区域的第二分割结果,包括:
将所述第二扫描图像与所述第一扫描图像进行配准,得到配准图像以及将所述第二扫描图像配准至所述第一扫描图像的配准矩阵;
基于所述第一分割模型和所述配准矩阵,对所述第二扫描图像进行图像分割处理,确定所述待测对象的预设部位的第一分割结果;
基于所述第二分割模型和所述配准图像,对所述第一扫描图像进行图像分割处理,确定所述预设部位上感兴趣区域的第二分割结果。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一分割模型和所述配准矩阵,对所述第二扫描图像进行图像分割处理,确定所述待测对象的预设部位的第一分割结果,包括:
将所述第二扫描图像输入至所述第一分割模型中,得到所述待测对象的预设部位的分割结果;
基于所述配准矩阵,对所述分割结果进行配准,得到所述待测对象的预设部位的第一分割结果。
4.根据权利要求3所述的方法,其特征在于,所述第一分割模型包括预设部位分割模型和预设部位分段模型;所述将所述第二扫描图像输入至所述第一分割模型中,得到所述待测对象的预设部位的分割结果,包括:
将所述第二扫描图像输入至所述预设部位分割模型中进行预设部位分割,得到所述待测对象的预设部位分割结果;
将所述第二扫描图像和所述预设部位分割结果,输入至所述预设部位分段模型中进行预设部位分段,得到所述待测对象的预设部位分段结果。
5.根据权利要求2所述的方法,其特征在于,所述基于所述第二分割模型和所述配准图像,对所述第一扫描图像进行图像分割处理,确定所述预设部位上感兴趣区域的第二分割结果,包括:
将所述第一扫描图像和所述配准图像输入至所述第二分割模型中,得到所述预设部位的分割结果;
从所述预设部位的分割结果中提取感兴趣区域,得到所述预设部位上感兴趣区域的第二分割结果。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述根据所述第一分割结果和所述第二分割结果,在所述第一扫描图像上确定代谢水平评估区域,根据所述代谢水平评估区域的代谢参数,评估所述待测对象的代谢水平,包括:
按照优先级顺序,从所述第一分割结果对应的预设区域集合中依次确定目标区域;所述预设区域集合中包括所述预设部位的至少一个预设区域,各所述预设区域分别对应不同的优先级顺序;
判断所述目标区域中是否存在满足预设条件的代谢水平评估区域;所述预设条件为所述代谢水平评估区域内不包含所述第二分割结果中的感兴趣区域;
若所述目标区域中存在满足预设条件的代谢水平评估区域,则计算所述代谢水平评估区域的代谢参数,根据所述代谢水平评估区域的代谢参数,评估所述待测对象的代谢水平;所述代谢参数包括SUV平均值。
7.根据权利要求6所述的方法,其特征在于,所述判断所述目标区域中是否存在满足预设条件的代谢水平评估区域,包括:
确定所述目标区域的预设点位,根据所述预设点位确定预设尺寸的代谢水平评估区域;
结合所述第二分割结果,判断所述代谢水平评估区域是否满足所述预设条件。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
若所述目标区域中不存在满足预设条件的感兴趣区域,则按照优先级顺序,从所述第一分割结果对应的预设区域集合中将所述目标区域的下一预设区域作为新的目标区域,并返回执行判断所述新的目标区域中是否存在满足预设条件的代谢水平评估区域的步骤,直至检测完所述预设区域集合中的所有预设区域为止。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211730446.0A CN115984220A (zh) | 2022-12-30 | 2022-12-30 | 代谢水平评估方法、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211730446.0A CN115984220A (zh) | 2022-12-30 | 2022-12-30 | 代谢水平评估方法、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115984220A true CN115984220A (zh) | 2023-04-18 |
Family
ID=85967804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211730446.0A Pending CN115984220A (zh) | 2022-12-30 | 2022-12-30 | 代谢水平评估方法、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115984220A (zh) |
-
2022
- 2022-12-30 CN CN202211730446.0A patent/CN115984220A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993726B (zh) | 医学图像的检测方法、装置、设备和存储介质 | |
US10282588B2 (en) | Image-based tumor phenotyping with machine learning from synthetic data | |
US20230267611A1 (en) | Optimization of a deep learning model for performing a medical imaging analysis task | |
US11593978B2 (en) | System and method for forming a super-resolution biomarker map image | |
US9275451B2 (en) | Method, a system, and an apparatus for using and processing multidimensional data | |
US10997475B2 (en) | COPD classification with machine-trained abnormality detection | |
CN110717905B (zh) | 脑部图像检测方法、计算机设备和存储介质 | |
CN110866909B (zh) | 图像生成网络的训练方法、图像预测方法和计算机设备 | |
US20230386026A1 (en) | Spatial analysis of cardiovascular imaging | |
US20220101034A1 (en) | Method and system for segmenting interventional device in image | |
CN114092475B (zh) | 病灶长径确定方法、图像标注方法、装置及计算机设备 | |
US11861835B2 (en) | Automatic hemorrhage expansion detection from head CT images | |
CN110751187A (zh) | 异常区域图像生成网络的训练方法和相关产品 | |
CN111260636B (zh) | 模型训练方法及设备、图像处理方法及设备以及介质 | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
CN111128348B (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
CN111223158B (zh) | 心脏冠脉图像的伪影校正方法和可读存储介质 | |
CN116091466A (zh) | 图像分析方法、计算机设备和存储介质 | |
KR20190068254A (ko) | 병변 발생 시점 추정 방법, 장치 및 프로그램 | |
CN113989231A (zh) | 动力学参数的确定方法、装置、计算机设备和存储介质 | |
CN110610527B (zh) | 计算suv的方法、装置、设备、系统及计算机存储介质 | |
CN116630239A (zh) | 影像分析方法、装置和计算机设备 | |
US20230368913A1 (en) | Uncertainty Estimation in Medical Imaging | |
CN115984220A (zh) | 代谢水平评估方法、计算机设备和存储介质 | |
CN114820483A (zh) | 图像检测方法、装置及计算机设备 |
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 |