CN116249480A - 医学成像系统和方法 - Google Patents

医学成像系统和方法 Download PDF

Info

Publication number
CN116249480A
CN116249480A CN202080105575.3A CN202080105575A CN116249480A CN 116249480 A CN116249480 A CN 116249480A CN 202080105575 A CN202080105575 A CN 202080105575A CN 116249480 A CN116249480 A CN 116249480A
Authority
CN
China
Prior art keywords
image
rois
images
roi
reference information
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
Application number
CN202080105575.3A
Other languages
English (en)
Inventor
林泳志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN116249480A publication Critical patent/CN116249480A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61B5/0037—Performing a preliminary scan, e.g. a prescan for identifying a region of interest
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/488—Diagnostic techniques involving pre-scan acquisition
    • 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
    • A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/56—Details of data transmission or power supply
    • A61B8/565—Details of data transmission or power supply involving data transmission via a network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

一种用于磁共振成像的系统(100)和方法(500)，该方法(500)可以包括获取与对象的至少两个感兴趣区域(ROI)相关联的参考信息(510)。该方法(500)还可以包括获取与所述至少两个ROI相关联的多个图像，所述多个图像是基于成像设备对所述至少两个ROI执行的单次扫描中生成的所述至少两个ROI的扫描数据确定的(520)。该方法(500)还可以包括基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像(530)。

Description

医学成像系统和方法
技术领域
本公开涉及医学成像，特别涉及用于识别不同区域的医学图像的系统和方法。
背景技术
医学成像技术(例如，磁共振成像(Magnetic Resonance Imaging，MRI)、正电子发射断层扫描(Positron Emission Tomography，PET)、计算机断层扫描(ComputedTomography，CT)、单光子发射计算机断层成像(Single-Photon Emission ComputedTomography，SPECT))广泛用于临床诊断和/或治疗。在传统的医学成像过程中，如果要对对象(例如，患者)的两个或多个感兴趣区域(Regions Of Interest，ROI)(例如，大脑、胸部)进行成像，则需要根据相应的扫描协议在独立会话中对两个或更多个ROI进行两次或更多次扫描，这导致对象承受长时间的等待和过度的辐射暴露。因此，期望提供一种有效地获得对象的不同区域的图像的系统和方法，以缩短扫描时间和减少辐射暴露。
发明内容
根据本公开的一个方面，提供了一种系统。所述系统可包括至少一个存储一组指令的存储设备和被配置为与所述至少一个存储设备通信的至少一个处理器。当执行所述指令时，可以配置至少一个处理器指示系统执行以下操作。以下操作可以包括获取与对象的至少两个感兴趣区域(ROI)相关联的参考信息；获取与所述至少两个ROI相关联的多个图像，所述多个图像是基于成像设备对所述至少两个ROI执行的单次扫描中生成的所述至少两个ROI的扫描数据确定的；以及基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像。
根据本公开的另一方面，提供了一种方法。所述方法可以在具有处理器和计算机可读存储设备的计算设备上实现。所述方法可以包括获取与对象的至少两个感兴趣区域(ROI)相关联的参考信息；获取与所述至少两个ROI相关联的多个图像，所述多个图像是基于成像设备对所述至少两个ROI执行的单次扫描中生成的所述至少两个ROI的扫描数据确定的；以及基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像。
根据本公开的另一个方面，可以提供一种非暂时性计算机可读存储介质。所述非暂时性计算机可读存储介质可以包括指令，所述指令在被系统的至少一个处理器访问时使所述系统执行方法。所述方法可以包括获取与对象的至少两个感兴趣区域(ROI)相关联的参考信息；获取与所述至少两个ROI相关联的多个图像，所述多个图像是基于成像设备对所述至少两个ROI执行的单次扫描中生成的所述至少两个ROI的扫描数据确定的；以及基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像。
在一些实施例中，参考信息包括所述至少两个ROI的定位图像或光学图像，所述定位图像或所述光学图像指示在所述单次扫描期间所述至少两个ROI的位置信息。
在一些实施例中，基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像，包括：对于所述至少两个ROI中的每一个，确定在所述定位图像或所述光学图像中所述ROI的起始位置和结束位置；基于所述起始位置和所述结束位置从所述多个图像中识别所述ROI的所述局部图像。
在一些实施例中，基于所述起始位置和所述结束位置从所述多个图像中识别所述ROI的所述局部图像，包括：从所述多个图像中识别分别与所述起始位置和所述结束位置对应的起始图像和结束图像；将所述起始图像、所述结束图像以及所述起始图像和所述结束图像之间的中间图像确定为所述ROI的所述局部图像。
在一些实施例中，所述参考信息包括与所述至少两个ROI关联的识别算法或识别模型。
在一些实施例中，基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像，包括：对于所述至少两个ROI中的每一个，顺序地处理所述多个图像，在此期间，对于所述多个图像中的一个，识别所述图像中的解剖特征；利用所述识别算法或所述识别模型，基于所述解剖特征识别所述图像中所述ROI的一部分；从所述多个图像中确定所述ROI的所述起始图像，所述起始图像对应于在顺序处理所述多个图像期间首先识别出所述ROI的一部分的时间点；从所述多个图像中确定所述ROI的所述结束图像，所述结束图像对应于在顺序处理所述多个图像期间最后识别出所述ROI的一部分的时间点；将所述起始图像、所述结束图像以及所述起始图像和所述结束图像之间的中间图像确定为所述ROI的所述局部图像。
在一些实施例中，单次扫描至少部分基于与所述至少两个ROI关联的所述定位图像确定的扫描协议来执行。
在一些实施例中，所述操作进一步包括对于所述至少两个ROI中的每一个，将相应的标签分配给所述ROI的所述局部图像。
在一些实施例中，所述操作进一步包括：将所述至少两个ROI的所述局部图像分为相应的组以分别进行处理。
在一些实施例中，所述操作进一步包括：从用户设备获取对所述至少两个ROI中的目标ROI的局部图像的请求；检索所述目标ROI的局部图像；以及将检索到的所述目标ROI的所述局部图像发送到所述用户设备。
本公开的一部分附加特性可在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本公开的一部分附加特性对于本领域技术人员是显而易见的。本公开的特征可通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
本公开将以示例性实施例的方式进一步说明。这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本公开一些实施例所示的成像系统的示例性示意图；
图2是根据本公开一些实施例所示的计算设备的示例性硬件和/或软件组件的示例性示意图；
图3是根据本公开一些实施例所示的移动设备的硬件和/或软件组件的示例性示意图；
图4是根据本公开一些实施例所示的处理设备的示例性框图；
图5是根据本公开一些实施例所示的从多个图像中识别至少两个ROI中每一个的局部图像的示例性流程图；
图6是根据本公开一些实施例所示的从多个图像识别至少两个ROI中每一个的局部图像的示例性流程图；
图7是根据本公开一些实施例所示的确定ROI在参考图像中的起始位置和结束位置的示例性流程图；
图8是根据本公开一些实施例所示的从多个图像中识别至少两个ROI中每一个的局部图像的示例性流程图。
具体实施方式
为了更清楚地说明本公开的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。然而，本领域技术人员应该明白，可以在没有这些细节的情况下实施本公开。在其它情况下，为了避免不必要地使本公开的各方面变得晦涩难懂，已经在较高的层次上描述了众所周知的方法、过程、系统、组件和/或电路。对于本领域的普通技术人员来讲，显然可以对所公开的实施例作出各种改变，并且在不偏离本公开的原则和范围的情况下，本公开中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本公开不限于所示的实施例，而是符合与权利要求范围一致的最广泛范围。
本公开中所使用的术语仅用于描述特定的示例性实施例的目的，并不限制本公开的范围。如本公开使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本公开说明书中，术语“包括”和/或“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
应当理解的是，本公开使用的术语“系统”、“单元”、“模块”和/或“块”是用于按升序区分不同级别的不同构件、元素、部件、部分或组件的方法。但是，如果这些术语达到同样的目的，则可能会被另一个术语所取代。
通常，这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑，或者是软件指令的集合。这里描述的模块、单元或块可以被实现为软件和/或硬件，并且可以存储在任何类型的非暂时性计算机可读介质或其它存储设备中。在一些实施例中，可以编译软件模块/单元/块并将其链接到可执行程序中。应当理解，软件模块可以从其他模块/单元/块或从它们自身调用，和/或可以响应探测到的事件或中断来调用。配置用于在计算设备上执行的软件模块/单元/块(例如，图2所示的处理器210)可以在计算机可读介质上提供，例如光盘、数字视频光盘、闪存驱动器、磁盘或任何其他有形介质，或作为数字下载(并且最初可以以压缩或可安装的格式存储，在执行之前需要安装、解压缩或解密)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中，并应用在计算设备的操作之中。软件指令可以嵌入固件中，例如，可擦除可编程只读存储器(EPROM)。还应当理解，硬件模块/单元/块可以包括连接的逻辑组件，例如，门和触发器，和/或可以包括可编程单元，例如，可编程门阵列或处理器。这里描述的模块/单元/块或计算设备功能可以实现为软件模块/单元/块，但是可以用硬件或固件表示。通常，这里描述的模块/单元/块指的是逻辑模块/单元/块，它们可以与其他模块/单元/块组合或者分成子模块/子单元/子块，无论其物理组织或存储方式如何。本公开可适用于系统、引擎或其中的一部分。
可以理解的是，除非上下文另有明确说明，当一个单元、引擎、模块或块被称为“接通”、“连接”或“耦合”另一个单元、引擎、模块或块时，它可能直接接通、连接或耦合或与另一个单元、引擎、模块或块通信，或者可能存在一个中间单元、引擎、模块或块，除非上下文明确另有指示。在本公开中，术语“和/或”包括一个或多个相关列出项目或组合。
根据以下对附图的描述，本公开的这些和其他的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本公开说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本公开的范围。应当理解的是，附图并不是按比例绘制的。
本公开中使用的流程图示出系统根据本发明的一些实施例实现所执行的操作。应当理解的是，流程图的操作可以不按顺序执行。相反，这些操作可以倒序实现，也可以同时实现。同时，也可以将一个或多个其他操作添加到流程图中。也可以从流程图中删除一个或多个操作。
本公开提供用于非侵入性成像的系统和方法，例如，用于疾病诊断、疾病治疗或研究目的。在一些实施例中，成像系统可以包括单模态成像系统和/或多模态成像系统。此处使用的术语“模态”泛指收集、生成、处理和/或分析对象的成像信息或治疗对象的成像或治疗方法或技术。单模态成像系统可以包括计算机断层扫描(CT)系统、磁共振成像(MRI)系统、超声成像系统、X射线成像系统、超声造影系统、正电子发射断层扫描(PositronEmission Tomography，PET)系统、光学相干断层扫描(Optical Coherence Tomography，OCT)成像系统、超声成像(Ultrasound，US)系统、血管内超声(Intravascular Ultrasound，IVUS)成像系统、近红外光谱(Near-Infrared Spectroscopy，NIRS)成像系统或其任意组合。多模态成像系统可以包括X射线成像-磁共振成像(X-Ray Imaging-MagneticResonance Imaging，X-ray-MRI)系统、正电子发射断层扫描-X射线成像(PositronEmission Tomography-X-ray Imaging，PET-X-ray)系统、单光子发射计算机断层扫描-磁共振成像(Single-Photon Emission Computed Tomography-Magnetic ResonanceImaging，SPECT-MRI)系统、正电子发射断层扫描-计算机断层扫描(Positron EmissionTomography-Computed Tomography，PET-CT)系统、C臂系统、正电子发射断层扫描-磁共振成像(Positron Emission Tomography-Magnetic Resonance Imaging，PET-MR)系统、数字减影血管造影-磁共振成像(Digital Subtraction Angiography-Magnetic ResonanceImaging，DSA-MRI)系统等或其任意组合。
在本公开中，术语“图像”可指二维(2D)图像、三维(3D)图像或四维(4D)图像。在一些实施例中，术语“图像”可以指对象的区域(例如，感兴趣区域(ROI))的图像。如上所述，图像可以是CT图像、PET图像、MR图像、荧光透视图像、超声图像、电子门成像设备(ElectronicPortal Imaging Device，EPID)图像等。
在本公开中，对象可以包括生物学对象和/或非生物对象。生物学对象可以是人、动物、植物或其特定部位、器官和/或组织。例如，对象可以包括头部、颈部、胸部、心脏、胃、血管、软组织、肿瘤、结节或类似或任何组合。在一些实施例中，对象可以是具有或不具有生命的有机和/或无机物的人造组合物。在本公开中，“对象”和“主体”可以互换使用。
本公开的一个方面涉及用于医学成像的系统和方法。该系统可以获取与对象的至少两个感兴趣区域(ROI)相关联的参考信息，获取与至少两个ROI相关联的多个图像。可以基于成像设备对至少两个ROI执行的单次扫描中生成的至少两个ROI的扫描数据确定多个图像。参考信息可以包括至少两个ROI的定位图像或光学图像。定位图像或光学图像指示在单次扫描期间至少两个ROI的位置信息。参考信息还可以包括用于识别图像中的至少两个ROI的识别算法或识别模型。系统还可以基于参考信息从多个图像中自动识别至少两个ROI中的每一个的局部图像。根据本公开，由于用于确定多个图像的扫描数据是通过单次扫描获取的，因此可以缩短对象的扫描时间，并且可以有效地减少对象上的辐射暴露。此外，可以基于参考信息从多个图像中自动识别至少两个ROI中的每一个的局部图像，从而提高成像效率。
图1是根据本公开一些实施例所示的成像系统的示例性示意图。如图1所示，成像系统100可以包括扫描仪110、处理设备120、存储设备130、终端设备140和网络150。在一些实施例中，成像系统100的两个或多个组件可以通过无线连接、有线连接或其组合相互连接和/或通信。成像系统100的组件之间的连接可以是可变的。仅作为示例，扫描仪110可以通过网络150或直接连接到处理设备120。作为另一示例，存储设备130可以通过网络150或直接连接到处理设备120。
扫描仪110可被配置为扫描位于其检测区域内的对象或其一部分，并生成与对象(部分)相关的扫描数据/信号。
在一些实施例中，扫描仪110可以包括单个模态设备。例如，扫描仪110可以包括CT扫描仪、PET扫描仪、SPECT扫描仪、MR扫描仪、超声扫描仪、ECT扫描仪等或其任意组合。在一些实施例中，扫描仪110可以是多模态设备。例如，扫描仪110可以包括PET-CT扫描仪、PET-MR扫描仪等或其任意组合。除非另有明确说明，以下描述是用于说明CT扫描仪而提供的，而非限制。
如图所示，CT扫描仪可以包括机架111、探测器112、检测区域113、扫描床114和辐射源115。机架111可以支撑探测器112和辐射源115。对象可以被放置在扫描床114上进行扫描。辐射源115可以发射x射线。可以利用高强度磁场，从焦点发射x射线以形成x射线束。x射线束可以向对象移动。探测器112可以检测来自检测区域113的x射线光子。在一些实施例中，探测器112可以包括一个或多个探测器单元。探测器单元可以是和/或包括单行探测器元件和/或多行探测器元件。
处理设备120可以处理数据和/或信息。数据和/或信息可以通过网络150从扫描仪110获得或从存储设备130、终端设备140和/或外部设备(成像系统100外部设备)获取。例如，处理设备120可以基于在对至少两个ROI执行的单次扫描中生成的至少两个ROI的扫描数据来重建多个图像。作为另一示例，处理设备120可以基于与至少两个ROI相关联的参考信息从多个图像中识别至少两个ROI中每一个的图像。在一些实施例中，处理设备120可以是单个服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，处理设备120可以是本地或远程的。例如，处理设备120可以通过网络150访问存储在扫描仪110、终端设备140和/或存储设备130中的信息和/或数据。作为另一示例，处理设备120可以直接连接到扫描仪110、终端设备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可以在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等，或其任意组合。在一些实施例中，处理设备120可以由具有如图2所示的一个或多个组件的计算设备200实现。
存储设备130可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备130可以存储从扫描仪110、终端设备140和/或处理设备120获得的数据。在一些实施例中，存储设备130可以存储数据和/或指令，处理设备120可以执行或使用这些数据和/或指令以执行本公开中描述的示例性方法。在一些实施例中，存储设备130可以包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等，或其任意组合。示例性大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写内存可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)、零电容随机存取存储器(Z-RAM)等。示例性ROM可以包括掩模只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)、数字多功能盘只读存储器等。在一些实施例中，存储设备130可以在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等，或其任意组合。
在一些实施例中，存储设备130可以连接到网络150，以与成像系统100的一个或多个其他组件(例如，处理设备120、终端设备140)通信。成像系统100的一个或多个组件可以经由网络150访问存储在存储设备130中的数据或指令。在一些实施例中，存储设备130可以直接连接到成像系统100的一个或多个其他组件(例如，处理设备120、终端设备140)或与其通信。在一些实施例中，存储设备130可以是处理设备120的一部分。
终端设备140可以输入/输出信号、数据、信息等。在一些实施例中，终端设备140可启用与处理设备120的用户交互。例如，终端设备140可以在屏幕160上显示对象的图像。作为另一示例，终端设备140可以通过输入设备(例如，键盘、触摸屏、脑波监测设备)获得用户的输入信息，并将输入信息发送到处理设备120以供进一步处理。终端设备140可以是移动设备、平板计算机、膝上型计算机、台式计算机等，或其任意组合。在一些实施例中，移动设备可以包括家居设备、可穿戴设备、虚拟现实设备、增强现实设备等，或其任何组合。家居设备可以包括照明设备、智能电气设备的控制设备、监控设备、电视、摄像机、对讲机等，或其任意组合。可穿戴设备可包括手镯、脚具、眼镜、头盔、手表、衣服、背包、配件等，或其任意组合。虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实贴片、增强现实头盔、增强现实眼镜、增强现实贴片等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中，终端设备140可以是处理设备120的一部分或处理设备120的外围设备(例如，连接到处理设备120和/或与处理设备120通信的控制台)。
网络150可以包括能够促进成像系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，成像系统100的一个或多个组件(例如，扫描仪110、终端设备140、处理设备120、存储设备130)可以经由网络150与成像系统100中的一个或者多个其他组件通信信息和/或数据。网络150可以是和/或包括公共网络(例如，互联网)、专用网络(例如，局域网(LAN)、广域网(WAN)等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、Wi-Fi网络等)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网络、虚拟专用网(VPN)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任何组合。仅作为示例，网络150可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局域网(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等或其任意组合。在一些实施例中，网络150可以包括一个或多个网络接入点。例如，网络150可以包括有线和/或无线网络接入点，例如，基站和/或互联网交换点，成像系统100的一个或多个组件可以通过这些接入点连接到网络150以交换数据和/或信息。
为了说明目的，图1中提供了坐标系170。坐标系统170可以是包括X轴、Y轴和Z轴的笛卡尔坐标系。图1中所示的X轴和Y轴可以是水平的，而Z轴可以是垂直的。如图所示，沿着X轴的正X方向可以是从面向扫描仪110的正面的方向观察的扫描床114的左侧到右侧；如图1所示，沿着Y轴的正Y方向可以是从扫描床114的端部到头部；如图1所示，沿着Z轴的正Z方向可以是从扫描仪110的下部到上部。
应该注意的是，上述关于成像系统100的描述仅用于说明目的，而不旨在限制本公开的范围。对于本领域普通技术人员来说，可以根据本公开的教导进行多种变化和修改。然而，这些变化和修改并不脱离本公开的范围。在一些实施例中，成像系统100可以包括一个或多个附加组件和/或可以省略上述成像系统100的一个或多个组件。在一些实施例中，成像系统100的组件可以在两个或多个子组件上实现。成像系统100的两个或多个组件可以集成到单个组件中。
图2是根据本公开一些实施例所示的计算设备的示例性硬件和/或软件组件的示例性示意图。计算设备200可以被配置为实现成像系统100的任何组件。例如，扫描仪110、处理设备120、存储设备130和/或终端设备140可以在计算设备200上实现。尽管为了方便起见仅示出了一种这样的计算设备，但是与本文所述的成像系统100相关的计算机功能可以在多个类似平台上以分布式方式实现，以分配处理负载。如图2所示，计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210可根据本文所述的技术执行计算机指令(例如，程序代码)并执行处理设备120的功能。计算机指令可以包括，例如，例程、程序、对象、组件、信号、数据结构、过程、模块和函数，它们执行本文描述的特定功能。在一些实施例中，处理器210可以执行从终端设备140和/或存储设备130获得的指令。在一些实施例中，处理器210可以包括一个或多个硬件处理器，例如，微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理器(CPU)、图形处理器(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件(PLD)以及能够执行一个或以上功能的任何电路和处理器等，或其任意组合。
仅为了说明，计算设备200中仅描述了一个处理器。然而，应当注意，本公开中的计算设备200还可以包括多个处理器。因此，如本公开中所描述的由一个处理器执行的操作和/或方法步骤也可以由多个处理器联合或单独执行。例如，如果在本公开中计算设备200的处理器执行操作A和操作B，应当理解，操作A和操作B也可以由计算设备200中的两个或多个不同处理器联合或单独执行(例如，第一处理器执行操作A，第二处理器执行操作B，或者第一和第二处理器联合执行操作A和B)。
存储器220可以存储从扫描仪110、终端设备140、存储设备130或成像系统100的任何其他组件获得的数据/信息。在一些实施例中，存储器220可以包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等，或其任意组合。在一些实施例中，存储器220可以存储一个或多个程序和/或指令以执行本公开中描述的示例性方法。
I/O 230可以输入或输出信号、数据和/或信息。在一些实施例中，I/O 230可以实现与处理设备120的用户交互。在一些实施例中，I/O 230可以包括输入设备和输出设备。示例性输入设备可以包括键盘、鼠标、触摸屏、麦克风、相机捕捉手势等或其任意组合。示例性输出设备可以包括显示设备、扬声器、打印机、投影仪、3D全息图、灯、警告灯等或其任意组合。示例性显示设备可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)等或其任意组合。
通信端口240可以与网络(例如，网络150)连接，以便于数据通信。通信端口240可以在处理设备120与扫描仪110、终端设备140或存储设备130之间建立连接。该连接可以是有线连接、无线连接或两者的组合，以实现数据传输和接收。有线连接可以包括电缆、光缆、电话线等，或其任意组合。无线连接可以包括蓝牙网络、Wi-Fi网络、WiMax网络、WLAN、ZigBee网络、移动网络(例如，3G、4G、5G)等，或其任意组合。在一些实施例中，通信端口240可以是标准化的通信端口，例如，RS232、RS485等。在一些实施方式中，通信端口240可以是专门设计的通信端口。例如，通信端口可以根据医学数字成像和通信(DICOM)协议来设计。
图3是根据本公开一些实施例所示的移动设备的硬件和/或软件组件的示例性示意图。在一些实施例中，处理设备120或终端设备140可以在移动设备300上实现。如图3所示，移动设备300可以包括通信模块310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、内存360和存储器390。CPU 340可以包括与处理器210类似的接口电路和处理电路。在一些实施例中，包括但不限于系统总线或控制器(未示出)的任何其他适当组件也可以包括在移动设备300中。在一些实施例中，移动操作系统370(例如iOSTM、AndroidTM、Windows PhoneTM)和一个或多个应用程序380可以从存储器390加载到内存360中，以便由CPU 340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序，用于从移动设备300上的成像系统接收和呈现与成像相关的信息。用户与信息流的交互可通过I/O 350实现，并通过网络150提供给处理设备120和/或成像系统100的其他组件。
为了实现本公开中描述的各种模块、单元及其功能，计算机硬件平台可以用作本文描述的一个或多个元件的硬件平台。具有用户接口元件的计算机可用于实现个人计算机(PC)或任何其他类型的工作站或终端设备。如果适当编程，计算机也可以充当服务器。
图4是根据本公开一些实施例所示的处理装置的示例性框图。如图4所示，处理设备120可以包括获取模块410和识别模块420。
获取模块410可以被配置为获取数据和/或信息。获取模块410可以通过网络150从扫描仪110、存储设备130、终端设备140或能够存储数据的任何设备或组件获取数据和/或信息。在一些实施例中，获取模块410可以获取与对象(例如，患者、体模)的至少两个ROI相关联的参考信息。在一些实施例中，与至少两个ROI相关联的参考信息可以包括对象的至少两个ROI的参考图像。在一些实施例中，在成像扫描期间，参考图像可以指示至少两个ROI的位置信息。在一些实施例中，所述参考图像可包括所述至少两个ROI的定位图像或光学图像(例如，可见图像、红外图像)。在一些实施例中，获取模块410可以进一步获取与至少两个ROI相关联的多个图像。可以基于在成像设备(例如，扫描仪110)对至少两个ROI执行的单次扫描中生成的至少两个ROI的扫描数据来确定多个图像。在一些实施方案中，获得的数据和/或信息可进一步包括处理结果、用户指令、算法、参数(例如，扫描仪110的扫描参数)、程序代码、一个或多个对象的信息等，或其组合。
识别模块420可被配置为识别一个或多个ROI的局部图像。在一些实施例中，识别模块420可以基于参考信息从多个图像中识别至少两个ROI中每一个的局部图像。在一些实施例中，识别模块420可以确定参考图像中ROI的起始位置和结束位置。识别模块420可以从多个图像中识别分别对应于起始位置和结束位置的起始图像和结束图像。可以将起始图像、结束图像以及起始图像和结束图像之间的中间图像确定为ROI的局部图像。
在一些实施例中，处理设备120还可以包括标记模块(未示出)和分组模块(未显示)。
标记模块可被配置为向ROI的每一个或至少一部分局部图像分配相应的标签。标签可以包括关于ROI的信息、扫描仪110的扫描参数、对象的基本信息(例如，姓名、性别、年龄、体重、历史治疗记录)、执行成像扫描的时间等，或其任意组合。在一些实施例中，标签可以是图像、文本、视频、注释等或其任意组合。
分组模块可被配置为将至少两个ROI的局部图像划分为相应的组。例如，假设至少两个ROI包括胸部和腹部，因此，分组模块可以将两个ROI的局部图像分成两组，例如，第一组包括胸部的局部图像，第二组包括腹部的局部图像。
处理设备120中的模块可以通过有线连接或无线连接相互连接或通信。有线连接可以包括金属电缆、光缆、混合电缆等或其任意组合。无线连接可以包括局域网(LAN)、广域网(WAN)、蓝牙、ZigBee、近场通信(NFC)等或其任意组合。两个或多个模块可以组合成单个模块，并且任何一个模块可以被分成两个或更多个单元。例如，上述模块可以集成到控制台(未示出)中。通过控制台，用户可以设置用于扫描对象的参数、控制成像过程、控制图像重建的参数、识别不同ROI的图像、将不同ROI的图像划分为相应的组、查看图像等。作为另一示例，处理设备120可以包括存储模块(未示出)，该存储模块被配置为存储与上述模块相关联的信息和/或数据(例如，扫描数据、图像)。
图5是根据本公开一些实施例所示的从多个图像中识别至少两个ROI中每一个的局部图像的示例性流程图。在一些实施例中，流程500可以由成像系统100执行。例如，流程500可以被实现为存储在存储设备(例如，存储设备130)中的一组指令(例如，应用程序)。图4中描述的模块和/或处理器210可以执行指令，并且可以相应地被指示执行流程500。下文所示流程的步骤旨在说明。在一些实施例中，可以用一个或多个未描述的附加步骤和/或不用一个或多个所讨论的步骤来完成流程500。此外，图5中所示和下文所述的流程500的步骤顺序并非旨在限制。
步骤510，处理设备120(例如，处理器210)(例如，获取模块410)可以获取与对象(例如，患者、体模)的至少两个ROI相关联的参考信息。
如本文所用，ROI可以指包括对象的一个或多个特定部分(例如，器官、组织、物理点)的区域。因此，对象的至少两个ROI可以是至少两个区域，包括对象至少两个特定部分。例如，至少两个ROI可以包含包括大脑的区域，以及包括胸部的区域，包括腹部的区域。作为另一示例，至少两个ROI可以包含包括肺的区域和包括胃的区域。作为另一示例，所述至少两个ROI可以包含包括心脏中血管的区域和包括膝盖中血管的区域。
在一些实施例中，与至少两个ROI相关联的参考信息可以包括对象的至少两个ROI的参考图像。在一些实施例中，在成像扫描期间，参考图像可以指示至少两个ROI的位置信息。位置信息可以包括相对于目标点、目标线和/或目标平面的位置、坐标系(例如，图1中所示的坐标系160)中的坐标等，或其任意组合。在一些实施例中，参考图像还可以指示至少两个ROI的其他信息，例如形状、边缘、像素的灰度值等。在一些实施例中，参考图像可以包括至少两个ROI的定位图像或光学图像(例如，可见图像、红外图像)。
在一些实施例中，可以通过使用扫描仪110扫描对象或其一部分来获得定位图像。例如，可以引导扫描仪110根据预扫描协议对对象的预扫描区域(至少包括至少两个ROI)执行预扫描(例如，CT定位扫描)。预扫描协议可以包括扫描仪110的参数(例如，扫描电压、扫描电流)、扫描仪110的扫描模式(例如，螺旋扫描、轴向扫描)、预扫描区域的大小、预扫描区的位置信息、关于图像对比度和/或比率的信息等或其任意组合。此外，可以基于在由扫描仪110执行的预扫描中生成的扫描数据来确定定位图像。
在一些实施例中，光学图像可以通过捕获设备(例如，光学相机、红外捕获设备)获得。在一些实施例中，捕捉设备可以安装在例如扫描仪110的面向对象的机架111上。当在成像扫描开始之前，对象被放置在扫描床114上时，捕获设备可以生成光学图像。
在一些实施例中，与至少两个ROI相关的参考信息可以包括与至少两个ROI相关的识别算法或识别模型。识别算法或识别模型可用于基于图像中的图像特征(例如，解剖特征)来识别图像中的ROI或ROI的一部分。示例性识别算法可以包括尺度不变特征变换(Scale-Invariant Feature Transform，SIFT)算法、加速鲁棒特征(Speed Up RobustFeature，SURF)算法、来自加速段测试的特征(Features From Accelerated Segmenttest，FAST)算法、二进制鲁棒独立基本特征(Binary Robust Independent ElementaryFeatures，BRIEF)算法、定向FAST和旋转BRIEF(ORB)算法等，或其任意组合。示例性识别模型可以包括深度信念网络(Deep Belief Network，DBN)、堆叠式自动编码器(StackedAuto-Encoders，SAE)、逻辑回归(Logistic Regression，LR)模型、支持向量机(SupportVector Machine，SVM)模型、决策树模型、朴素贝叶斯模型、随机森林模型或受限玻尔兹曼机(Restricted Boltzmann Machine，RBM)、梯度增强决策树(Gradient BoostingDecision Tree，GBDT)模型、LambdaMART模型、自适应增强模型、递归神经网络(RecurrentNeural Network，RNN)模型、卷积网络模型、隐马尔可夫模型、感知器神经网络模型、Hopfield网络模型等，或其任意组合。
在一些实施例中，识别模型可以是基于多个样本图像训练的模型。在一些实施例中，多个样本图像可以包括基于历史扫描数据确定的历史图像。在一些实施例中，可以提取多个样本图像中的各个部分(例如，眼窝、膝关节)的样本解剖特征，并将其用于训练初步识别模型。示例性样本解剖特征可包括轮廓、形状、大小、边缘、灰度值等，或其任意组合。样本解剖特征可以是向量、矩阵等的形式。可以将多个样本图像的样本解剖特征输入到初步识别模型中，并且可以迭代地更新初步识别模型，直到损失函数(例如，交叉熵损失函数)达到收敛，即，终止训练过程。
步骤520，处理设备120(例如，处理器210)(例如，获取模块410)可以获取与至少两个ROI相关联的多个图像，多个图像是基于在成像设备(例如，扫描仪110)对至少两个ROI执行的单次扫描中生成的至少两个ROI的扫描数据确定的。
如本文所用，单次扫描可指在一次对至少两个ROI顺序执行的扫描操作。在这种情况下，如果由于成像要求或临床要求而需要扫描至少两个ROI，则可以缩短扫描时间，并且可以有效地减少对象上的辐射暴露。
在一些实施例中，单次扫描可以对应于成像扫描区域，该成像扫描区域至少包括至少两个ROI。在一些实施例中，成像扫描区域可以是成像系统100的默认设置，或者可以在不同情况下进行调整。例如，成像扫描区域可以由用户(例如，医生、放射科医生)基于参考图像来指定。具体地，用户可以在至少两个ROI的定位图像中绘制包括至少两个ROI的矩形框作为成像扫描区域。作为另一示例，成像扫描区域可以由处理设备120基于统计数据或大数据分析来确定。具体地，处理设备120可以根据统计数据或大数据分析，基于对象的档案信息(例如，年龄、身高、体重)来确定对应于不同ROI的近似区域。
在一些实施例中，可以根据扫描协议执行单次扫描。与预扫描协议类似，扫描协议可以包括扫描仪110的参数、扫描仪110的扫描模式、成像扫描区域的大小、成像扫描区的位置信息等。
在一些实施例中，扫描协议可以至少部分基于与至少两个ROI相关联的参考图像(例如，定位图像)来确定。例如，假设至少两个ROI包括胸部和腹部，用于胸部的扫描仪110的扫描参数(例如，扫描电压和/或扫描电流)可以不同于用于腹部的扫描参数。在单次扫描期间，成像系统100可以基于胸部和腹部的定位图像获得胸部和腹部位置信息。扫描仪110的扫描参数可以根据胸部和腹部的位置信息自适应地调整。具体地，当处理设备120根据胸部的位置信息确定扫描仪110开始扫描胸部时，处理设备120可以将扫描仪110的扫描参数调整为专用于胸部的扫描参数。
在单次扫描期间，探测器112可以检测照射在其上的射线，包括穿过对象的射线，从而生成至少两个ROI的扫描数据。此外，可以根据图像重建算法，基于扫描数据来重建与至少两个ROI相关联的多个图像。示例性图像重建算法可以包括迭代重建算法(例如，统计重建算法)、傅里叶切片定理算法、滤波反投影(FBP)算法、扇形束重建算法、解析重建算法等，或其任意组合。示例性迭代重建算法可以包括但不限于基于模型的迭代CT图像重建(MBIR)、代数重建、统计重建、学习迭代重建等。
步骤530，处理设备120(例如，处理器210)(例如，识别模块420)可以基于参考信息从多个图像中识别至少两个ROI中每一个的局部图像。
在一些实施例中，如结合步骤510所述，参考信息可以包括至少两个ROI的参考图像(例如，定位图像或光学图像)，该参考图像指示在单个扫描期间至少两个ROI的位置信息。因此，对于至少两个ROI中的每一个，处理设备120可以确定ROI在参考图像中的目标位置(例如，起始位置、结束位置)，并基于目标位置从多个图像中识别ROI的局部图像。通过这种方法，可以有效且准确地识别至少两个ROI中每一个的局部图像。更多的描述可以在本公开的其他地方找到(例如，图6及其描述)。
在一些实施例中，如结合步骤510所述，参考信息可以包括与至少两个ROI相关联的识别算法或识别模型。因此，对于至少两个ROI中的每一个，处理设备120可以顺序地处理多个图像，并在顺序地处理所述多个图像期间从多个图像中识别ROI的起始图像和结束图像。此外，处理设备120可以基于起始图像和结束图像从多个图像中识别ROI的局部图像。更多的描述可以在本公开的其他地方找到(例如，图8及其描述)。
在一些实施例中，对于至少两个ROI中的每一个，在从多个图像中识别ROI的局部图像之后，处理设备120可以向ROI的每个或至少一部分局部图像分配相应的标签。标签可以包括关于ROI的信息、扫描仪110的扫描参数、对象的基本信息(例如，姓名、性别、年龄、体重、历史治疗记录)、执行成像扫描的时间等，或其任意组合。在一些实施例中，标签可以是图像、文本、视频、注释等或其任意组合。
在一些实施例中，处理设备120可以进一步将至少两个ROI的局部图像划分为各自的组。例如，假设至少两个ROI包括胸部和腹部，因此，处理设备120可以将两个ROI的局部图像分成两组，例如，包括胸部局部图像的第一组和包括腹部局部图像的第二组。此外，可以分别处理(例如，分割、去噪、滤波、缝合、分析)组中被分割的局部图像。
在一些实施例中，每个包括ROI的局部图像的组可以存储在成像系统100中的不同位置(例如，存储设备中的不同区域或单元、不同存储设备)。当处理设备120从用户设备(例如，终端设备140)获得对目标ROI的本地图像的请求时，处理设备120可以检索对应组中的目标ROI的局部图像，并将检索到的目标ROI局部图像发送给用户设备。
应当注意，上述流程500的描述是为了说明的目的而提供的，并非旨在限制本公开的范围。对于本领域普通技术人员来说，可以根据本公开进行多种变化和修改来实践。然而，这些变形和修改落在本公开的范围内。例如，可以从能够在成像系统100中存储数据的存储设备(例如，存储设备130、存储器220、存储器390)获取与至少两个ROI相关联的多个图像。
图6是根据本公开一些实施例所示的多个图像识别至少两个ROI中每一个的局部图像的示例性流程图。在一些实施例中，流程600可以由成像系统100执行。例如，流程600可以被实现为存储在存储设备(例如，存储设备130)中的一组指令(例如，应用程序)。图4中描述的模块和/或处理器210可以执行指令，并且可以相应地被指示执行流程600。下文所示过程的步骤旨在说明。在一些实施例中，可以用一个或多个未描述的附加步骤和/或不使用所讨论的步骤来完成流程600。此外，图6中所示和下文所述的流程600的步骤顺序并非意在限制。
步骤610，如结合步骤510所述，处理设备120(例如，处理器210)(例如，获取模块410)可以获取与至少两个ROI相关联的多个图像。例如，如图7所示，以患者705为例，至少两个ROI可以包含包括头部(也可以简称为“头部”)720的第一ROI和包括胸部(也可简称为“胸部”)730的第二ROI。如本公开其他地方所述，与至少两个ROI相关联的多个图像基于在对至少两个ROI执行的单次扫描中生成的至少两个ROI的扫描数据来确定。
步骤620，对于至少两个ROI中的每一个，处理设备120(例如，处理器210)(例如，识别模块420)可以确定参考图像中ROI的起始位置和结束位置。
如结合步骤510所述，参考图像可以包括至少两个ROI的定位图像或光学图像。如图7所示，患者705可以被放置在扫描床114上，并且可以基于通过在预扫描中扫描患者705的整个身体而获得的扫描数据来获得患者705的定位图像710。假设在预扫描期间，扫描仪110的扫描方向可以是从患者705的头部到脚部(即，沿着坐标系160的Y轴的负方向)。因此，处理设备120可以沿着扫描方向确定定位图像710中ROI的起始位置和结束位置。
例如，对于头部720，处理设备120可以使用识别算法或识别模型(如结合步骤510和步骤810所述，用于基于解剖特征识别ROI的一部分的识别算法或识别模型)，沿着扫描方向的头部720的第一边缘721和第二边缘722。然后，处理设备120可以将与头部720的第一边缘721相对应的位置确定为起始位置，并将与头部720的第二边缘722相对应位置确定为结束位置。起始位置可以对应于坐标系160的第一Y坐标，结束位置可以对应坐标系160中的第二Y坐标。类似地，对于胸部730，处理设备120可以使用识别算法或识别模型，沿着扫描方向识别胸部730的第一边缘731和第二边缘732。然后，处理设备120可以将与胸部730的第一边缘731相对应的位置确定为胸部730的起始位置，并将与胸部730的第二边缘732相对应位置确定为胸部730的结束位置。起始位置可以对应于坐标系160的第三Y坐标，结束位置可以对应坐标系160中的第四Y坐标。
步骤630，处理设备120可以从多个图像中识别分别对应于起始位置和结束位置的起始图像和结束图像。
在一些实施例中，如上所述，可以基于在对至少两个ROI执行的单次扫描中生成的至少两个ROI的扫描数据来确定多个图像。单次扫描可以是用于获得垂直于(即，平行于X-Z平面)预扫描的扫描方向(即，Y轴的负方向)和全局方向的多个切片对应的扫描数据的扫描，并且多个切片的扫描方向可以与预扫描的扫描方向一致。因此，多个图像可以是对应于多个切片的图像，并且起始图像和结束图像可以分别是对应于在起始位置和结束位置处的切片的图像。例如，头部720的起始图像可以是基于与坐标系160的第一Y坐标处的切片对应的扫描数据重建的图像。头部720的结束图像可以是基于与坐标系160的第二Y坐标处的切片对应的扫描数据重建的图像。胸部730的起始图像可以是基于与坐标系160的第三Y坐标处的切片对应的扫描数据重建的图像。胸部730的结束图像可以是基于与坐标系160的第四Y坐标处的切片对应的扫描数据重建的图像。
步骤640，处理设备120可以将起始图像、结束图像以及起始图像和结束图像之间的中间图像确定为ROI的局部图像。
如上所述，用于扫描多个切片的全局方向与预扫描的扫描方向一致。因此，多个切片对应的多个图像可以沿着全局方向(即，沿着Y轴的负方向)顺序排列或存储。在识别起始图像和结束图像之后，处理设备120可以容易地确定起始图像和结束图像之间的一个或多个中间图像。然后，处理设备120可以将起始图像、结束图像和一个或多个中间图像确定为ROI的局部图像。
应当注意，提供流程600的上述描述是为了说明的目的，而不是为了限制本公开的范围。对于本领域普通技术人员来说，可以根据本公开进行多种变化和修改来实践。例如，可以沿着与预扫描的扫描方向相反的方向顺序地排列或存储多个图像。因此，可以沿着相反的方向识别起始图像和结束图像。作为另一示例，起始位置和/或结束位置可以由用户(例如，医生、操作员)通过触摸屏、鼠标、键等手动确定。作为另一示例，对于至少两个ROI中的至少一个，可以在参考图像中确定ROI的轮廓。因此，可以确定ROI在扫描方向(例如Y方向)和垂直于扫描方向的方向(例如X方向)上的边缘，从而可以更准确地确定ROI的起始位置和/或结束位置。然而，这些变化和修改落在本公开的范围内。
图8是根据本公开一些实施例所示的从多个图像中识别至少两个ROI中每一个的局部图像的示例性流程图。在一些实施例中，流程800可以由成像系统100执行。例如，流程800可以被实现为存储在存储设备(例如，存储设备130)中的一组指令(例如，应用程序)。图4中描述的模块和/或处理器210可以执行指令，并且可以相应地被引导执行流程800。下文所示过程的步骤旨在说明。在一些实施例中，可以用一个或多个未描述的附加步骤和/或不用一个或多个所讨论的步骤来完成流程800。此外，图8中所示和下文所述的流程800的步骤顺序并非意在限制。
步骤810，对于至少两个ROI中的每一个，处理设备120(例如，处理器210)(例如，识别模块420)可以顺序地处理多个图像，在此期间，对于多个图像中的一个，处理设备120可以识别图像中的解剖特征，并利用识别算法或识别模型，基于解剖特征识别图像中ROI的一部分。
如结合图5所述，识别算法或识别模型可用于基于解剖特征识别ROI或ROI的一部分。在一些实施例中，解剖特征可以包括轮廓、形状、大小、边缘、灰度值等，或其任意组合。
步骤820，处理设备120(例如，处理器210)(例如，识别模块420)可以从多个图像中确定ROI的起始图像。起始图像可以对应于在顺序处理多个图像期间首先识别ROI的一部分的时间点。
步骤830，处理设备120(例如，处理器210)(例如，识别模块420)可以从多个图像中确定ROI的结束图像。结束图像可以对应于在顺序处理多个图像期间最后识别ROI的一部分的时间点。
步骤840，处理设备120(例如，处理器210)(例如，识别模块420)可以将起始图像、结束图像以及起始图像和结束图像之间的中间图像确定为ROI的局部图像。如结合图6所述，多个图像可以沿着全局方向顺序地排列或存储。因此，在识别起始图像和结束图像之后，处理设备120可以容易地确定起始图像和结束图像之间的一个或多个中间图像。然后，处理设备120可以将起始图像、结束图像和一个或多个中间图像确定为ROI的局部图像。
应当注意，提供流程800的上述描述是为了说明的目的，而不是为了限制本公开的范围。对于本领域普通技术人员来说，可以根据本公开进行多种变化和修改来实践。然而，这些变化和修改落在本公开的范围内。
上文已对基本概念做了描述，显然，对于阅读本公开后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本公开的限制。虽然此处并未明确说明，但本领域的普通技术人员可能会对本公开进行各种修改、改进和修正。该类修改、改进和修正在本公开中被建议，所以该类修改、改进、修正仍属于本公开示范实施例的精神和范围。
同时，本公开使用了特定词语来描述本公开的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本公开至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本公开中在不同位置两次或以上提及的“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，本公开的一个或以上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，本领域的普通技术人员可以理解，本公开的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改进。因此，本公开的各方面可以完全以硬件，完全以软件(包括固件、常驻软件、微代码等)或通过组合软件和硬件的实现方式来实现，这些实现方式在本文中通常都统称为“单元”、模块”或“系统”。此外，本公开的各方面可以采取体现在其上体现有计算机可读程序代码的一个或多个计算机可读介质中体现的计算机程序产品的形式。
计算机可读信号介质可以包含一个内含有计算机程序代码的传播数据信号，例如，在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF等，或任何上述介质的组合。
可以以一种或多种编程语言的任何组合来编写用于执行本公开的各方面的操作的计算机程序代码，所述编程语言包括诸如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，Visual Basic、Fortran 2103、Perl、COBOL 2102、PHP、ABAP、动态编程语言(如Python、Ruby和Groovy)或其他编程语言。程序代码可以完全在用户计算机上执行，部分在用户计算机上作为独立软件包执行，部分在用户计算机上并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者可以与外部计算机建立连接(例如，通过使用网络服务提供商的网络)或在云计算环境中提供服务，例如软件服务(SaaS)。
此外，除非权利要求中明确说明，本公开所述处理元素和序列的顺序、数字字母的使用、或其它名称的使用，并非用于限定本公开流程和方法的顺序。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公开实施例实质和范围的修正和等价组合。例如，尽管上述各种组件的实现可以体现在硬件设备中，但也可以实现为纯软件解决方案，例如，在现有服务器或移动设备上的安装。
同理，应当注意的是，为了简化本公开披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本公开的实施例的描述中，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。然而，本公开的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。相反，发明的主体应具备比上述单一实施例更少的特征。
在一些实施例中，用于描述和要求保护本公开的某些实施例的表示数量或性质的数字应理解为在某些情况下被术语“大约”、“近似”或“基本上”修饰。例如，除非另外说明，否则“大约”、“近似”或“基本上”可以指示其所描述的值的±20％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。尽管本公开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。
本文中提及的所有专利、专利申请、专利申请公布和其他材料(如论文、书籍、说明书、出版物、记录、事物和/或类似的东西)均在此通过引用的方式全部并入本文以达到所有目的，与上述文件相关的任何起诉文档记录、与本文件不一致或冲突的任何上述文件或对迟早与本文件相关的权利要求书的广泛范畴有限定作用的任何上述文件除外。举例来说，如果在描述、定义和/或与任何所结合的材料相关联的术语的使用和与本文件相关联的术语之间存在任何不一致或冲突，则描述、定义和/或在本文件中使用的术语以本文件为准。
最后，应当理解的是，本公开中所述实施例仅用以说明本公开实施例的原则。其他的变形也可能属于本公开的范围。因此，作为示例而非限制，本公开实施例的替代配置可视为与本公开的教导一致。相应地，本公开的实施例不仅限于本公开明确介绍和描述的实施例。

Claims (20)

1.一种系统，包括：
至少一个存储设备，所述存储设备存储一组指令；以及
至少一个处理器，被配置为与所述至少一个存储设备通信，其中，当执行所述指令时，所述至少一个处理器指示系统执行操作，包括：
获取与对象的至少两个感兴趣区域ROI相关联的参考信息；
获取与所述至少两个ROI相关联的多个图像，所述多个图像是基于成像设备对所述至少两个ROI执行的单次扫描中生成的所述至少两个ROI的扫描数据确定的；以及
基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像。
2.根据权利要求1所述的系统，其特征在于，所述参考信息包括所述至少两个ROI的定位图像或光学图像，所述定位图像或所述光学图像指示在所述单次扫描期间所述至少两个ROI的位置信息。
3.根据权利要求2所述的系统，其特征在于，基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像，包括：
对于所述至少两个ROI中的每一个，
确定在所述定位图像或所述光学图像中所述ROI的起始位置和结束位置；以及
基于所述起始位置和所述结束位置从所述多个图像中识别所述ROI的所述局部图像。
4.根据权利要求3所述的系统，其特征在于，基于所述起始位置和所述结束位置从所述多个图像中识别所述ROI的所述局部图像，包括：
从所述多个图像中识别分别与所述起始位置和所述结束位置对应的起始图像和结束图像；以及
将所述起始图像、所述结束图像以及所述起始图像和所述结束图像之间的中间图像确定为所述ROI的所述局部图像。
5.根据权利要求1所述的系统，其特征在于，所述参考信息包括与所述至少两个ROI关联的识别算法或识别模型。
6.根据权利要求5所述的系统，其特征在于，基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像，包括：
对于所述至少两个ROI中的每一个，
顺序地处理所述多个图像，在此期间，对于所述多个图像中的一个，
识别所述图像中的解剖特征；以及
利用所述识别算法或所述识别模型，基于所述解剖特征识别所述图像中所述ROI的一部分；
从所述多个图像中确定所述ROI的所述起始图像，所述起始图像对应于在顺序处理所述多个图像期间首先识别出所述ROI的一部分的时间点；
从所述多个图像中确定所述ROI的所述结束图像，所述结束图像对应于在顺序处理所述多个图像期间最后识别出所述ROI的一部分的时间点；以及
将所述起始图像、所述结束图像以及所述起始图像和所述结束图像之间的中间图像确定为所述ROI的所述局部图像。
7.根据权利要求1所述的系统，其特征在于，所述单次扫描至少部分基于与所述至少两个ROI关联的所述定位图像确定的扫描协议来执行。
8.根据权利要求1所述的系统，其特征在于，所述操作进一步包括：
对于所述至少两个ROI中的每一个，将相应的标签分配给所述ROI的所述局部图像。
9.根据权利要求1所述的系统，其特征在于，所述操作进一步包括：
将所述至少两个ROI的所述局部图像分为相应的组以分别进行处理。
10.根据权利要求1所述的系统，其特征在于，所述操作进一步包括：
从用户设备获取对所述至少两个ROI中的目标ROI的局部图像的请求；
检索所述目标ROI的局部图像；以及
将检索到的所述目标ROI的所述局部图像发送到所述用户设备。
11.一种在具有处理器和计算机可读存储设备的计算设备上实现的方法，所述方法包括：
获取与对象的至少两个感兴趣区域(ROI)相关联的参考信息；
获取与所述至少两个ROI相关联的多个图像，所述多个图像是基于成像设备对所述至少两个ROI执行的单次扫描中生成的所述至少两个ROI的扫描数据确定的；以及
基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像。
12.根据权利要求11所述的方法，其特征在于，所述参考信息包括所述至少两个ROI的定位图像或光学图像，所述定位图像或所述光学图像指示在所述单次扫描期间所述至少两个ROI的位置信息。
13.根据权利要求12所述的方法，其特征在于，基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像，包括：
对于所述至少两个ROI中的每一个，
确定在所述定位图像或所述光学图像中所述ROI的起始位置和结束位置；以及
基于所述起始位置和所述结束位置从所述多个图像中识别所述ROI的所述局部图像。
14.根据权利要求13所述的方法，基于所述起始位置和所述结束位置从所述多个图像中识别所述ROI的所述局部图像，包括：
从所述多个图像中识别分别与所述起始位置和所述结束位置对应的起始图像和结束图像；以及
将所述起始图像、所述结束图像以及所述起始图像和所述结束图像之间的中间图像确定为所述ROI的所述局部图像。
15.根据权利要求11所述的方法，其特征在于，所述参考信息包括与所述至少两个ROI关联的识别算法或识别模型。
16.根据权利要求15所述的方法，其特征在于，基于所述参考信息从所述多个图像中识别所述至少两个ROI中的每个的局部图像，包括：
对于所述至少两个ROI中的每一个，
顺序地处理所述多个图像，在此期间，对于所述多个图像中的一个，
识别所述图像中的解剖特征；以及
利用所述识别算法或所述识别模型，基于所述解剖特征识别所述图像中所述ROI的一部分；
从所述多个图像中确定所述ROI的所述起始图像，所述起始图像对应于在顺序处理所述多个图像期间首先识别出所述ROI的一部分的时间点；
从所述多个图像中确定所述ROI的所述结束图像，所述结束图像对应于在顺序处理所述多个图像期间最后识别出所述ROI的一部分的时间点；以及
将所述起始图像、所述结束图像以及所述起始图像和所述结束图像之间的中间图像确定为所述ROI的所述局部图像。
17.根据权利要求11所述的方法，其特征在于，所述单次扫描至少部分基于与所述至少两个ROI关联的所述定位图像确定的扫描协议来执行。
18.根据权利要求11所述的方法，其特征在于，所述方法进一步包括：
对于所述至少两个ROI中的每一个，将相应的标签分配给所述ROI的所述局部图像。
19.根据权利要求11所述的方法，其特征在于，所述方法进一步包括：
将所述至少两个ROI的所述局部图像分为相应的组以分别进行处理。
20.一种非暂时性计算机可读存储介质，包括在被系统的至少一个处理器访问时使所述系统执行方法的指令，所述方法包括：
获取与对象的至少两个感兴趣区域(ROI)相关联的参考信息；
获取与所述至少两个ROI相关联的多个图像，所述多个图像是基于成像设备对所述至少两个ROI执行的单次扫描中生成的所述至少两个ROI的扫描数据确定的；以及
基于所述参考信息从所述多个图像中识别所述至少两个ROI中每一个的局部图像。
CN202080105575.3A 2020-09-27 2020-09-27 医学成像系统和方法 Pending CN116249480A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/118160 WO2022061826A1 (en) 2020-09-27 2020-09-27 System and method for medical imaging

Publications (1)

Publication Number Publication Date
CN116249480A true CN116249480A (zh) 2023-06-09

Family

ID=80844843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080105575.3A Pending CN116249480A (zh) 2020-09-27 2020-09-27 医学成像系统和方法

Country Status (3)

Country Link
US (1) US20230225687A1 (zh)
CN (1) CN116249480A (zh)
WO (1) WO2022061826A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115281650A (zh) * 2022-08-15 2022-11-04 天津工业大学 一种基于sae的多频双向磁感应断层成像装置及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080069809A (ko) * 2007-01-24 2008-07-29 (주) 대성하이텍 지문인식장치에서 이미지 세그먼트를 이용한 지문 인식방법
US20110280443A1 (en) * 2010-05-14 2011-11-17 Olympus Corporation Image processing apparatus, image processing method, and computer-readable recording medium
US20130182898A1 (en) * 2012-01-13 2013-07-18 Sony Corporation Image processing device, method thereof, and program
CN103908253A (zh) * 2013-01-04 2014-07-09 三星电子株式会社 用于获得磁共振图像的方法和设备
CN105078495A (zh) * 2014-04-30 2015-11-25 上海联影医疗科技有限公司 一种pet-ct扫描成像方法及相关成像方法
JP2015226754A (ja) * 2014-05-07 2015-12-17 ヤマハ株式会社 画像認識装置および画像認識プログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3809105B2 (ja) * 2002-01-18 2006-08-16 株式会社東芝 磁気共鳴イメージング装置
US8831703B2 (en) * 2006-10-23 2014-09-09 The General Hospital Corporation Selective MR imaging of segmented anatomy
EP3434183A1 (en) * 2017-07-25 2019-01-30 Siemens Healthcare GmbH Method for a direct positioning of a region of interest of a patient inside a main magnet of an imaging modality
CN111528895A (zh) * 2020-05-26 2020-08-14 苏州波影医疗技术有限公司 一种ct可视化定位系统及定位方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080069809A (ko) * 2007-01-24 2008-07-29 (주) 대성하이텍 지문인식장치에서 이미지 세그먼트를 이용한 지문 인식방법
US20110280443A1 (en) * 2010-05-14 2011-11-17 Olympus Corporation Image processing apparatus, image processing method, and computer-readable recording medium
US20130182898A1 (en) * 2012-01-13 2013-07-18 Sony Corporation Image processing device, method thereof, and program
CN103908253A (zh) * 2013-01-04 2014-07-09 三星电子株式会社 用于获得磁共振图像的方法和设备
CN105078495A (zh) * 2014-04-30 2015-11-25 上海联影医疗科技有限公司 一种pet-ct扫描成像方法及相关成像方法
JP2015226754A (ja) * 2014-05-07 2015-12-17 ヤマハ株式会社 画像認識装置および画像認識プログラム

Also Published As

Publication number Publication date
US20230225687A1 (en) 2023-07-20
WO2022061826A1 (en) 2022-03-31

Similar Documents

Publication Publication Date Title
US20210201066A1 (en) Systems and methods for displaying region of interest on multi-plane reconstruction image
US11776170B2 (en) Systems and methods for medical imaging
US11995837B2 (en) System and method for medical image visualization
US20220327703A1 (en) System and method for medical imaging of intervertebral discs
CN107133996A (zh) 产生用于pet数据重建的衰减图的方法及pet/ct系统
US20220335613A1 (en) Systems and methods for image processing
US20180184992A1 (en) System and method for medical imaging
US11842465B2 (en) Systems and methods for motion correction in medical imaging
US11911201B2 (en) Systems and methods for determining position of region of interest
WO2021239141A1 (zh) 图像处理的方法及系统
US20230237665A1 (en) Systems and methods for image segmentation
US11672496B2 (en) Imaging systems and methods
US20230064456A1 (en) Imaging systems and methods
US20240312119A1 (en) Systems and methods for image reconstruction
US20230225687A1 (en) System and method for medical imaging
CN117897733A (zh) 医学成像系统和方法
CN111161371B (zh) 成像系统和方法
WO2022214093A1 (en) Systems and methods for image processing
US12040074B2 (en) Systems and methods for data synchronization
WO2021136250A1 (en) Imaging systems and methods
US20230190216A1 (en) Systems and methods for correcting motion artifacts in images
US20240265501A1 (en) Systems and methods for image processing
US20240268670A1 (en) Systems and methods for determining target scanning phase

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