CN117594197A - 预览图生成方法、装置和电子设备 - Google Patents
预览图生成方法、装置和电子设备 Download PDFInfo
- Publication number
- CN117594197A CN117594197A CN202311572151.XA CN202311572151A CN117594197A CN 117594197 A CN117594197 A CN 117594197A CN 202311572151 A CN202311572151 A CN 202311572151A CN 117594197 A CN117594197 A CN 117594197A
- Authority
- CN
- China
- Prior art keywords
- preview
- image
- image generation
- preset
- data
- 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 81
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 49
- 238000007906 compression Methods 0.000 claims description 45
- 230000006835 compression Effects 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013441 quality evaluation Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 description 69
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 208000018522 Gastrointestinal disease Diseases 0.000 description 1
- 206010019196 Head injury Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000026137 Soft tissue injury Diseases 0.000 description 1
- 208000020339 Spinal injury Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 208000006752 brain edema Diseases 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/63—Control of cameras or camera modules by using electronic viewfinders
- H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种预览图生成方法、装置和电子设备,该方法包括获取扫描协议参数信息和/或图像质量需求信息;根据所述扫描协议参数信息和/或所述图像质量需求信息,从多种预设图像生成模式中匹配一种预设图像生成模式作为目标图像生成模式;或者将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式;根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图。本发明可以在兼顾预览图的图像质量的情况下,提高预览图的生成速度。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种预览图生成方法、装置和电子设备。
背景技术
计算机断层成像(Computed Tomography,CT)设备自问世以来,成像技术发展异常迅速、设备不断更新,已经成为人体内部组织器官解刨形态结构最主要的影像系统之一。在医学上,用来诊断脊柱和头部的损伤、颅内肿病、脑中血凝块以及肌体软组织损伤、肠胃疾病、腰部和盆骨恶性病变等。其成像的基本过程包括:X射线由CT球管焦点位置发出经过人体达到探测器;探测器接收透过该层的X线并转化为能量强度信号;数据采集与处理系统对能量强度信号进行采集,并结合一定的算法重建原图像。利用CT机,医生可清晰地观察到普通X光片难以显示的机体组织情况,如脑出血、各种微小肿瘤等,使得临床诊断水平得到显著提高。
在CT扫描过程中,快速生成预览图(Preview)有助于医生及时发现扫查过程中的问题。现有方案,往往通过CT图像重建算法直接生成预览图。而宽排CT的呼吸和心脏等协议,往往扫描螺距非常小,一次要处理的数据可达100GB,普通重建方法无法兼顾性能和图像质量。尤其是,当数据量很大时,单张图的重建延迟可能超过10秒,十分影响用户体验。如果过度压缩数据,会大幅降低预览图质量,使预览功能失去价值。
综上可见,现有的生成预览图的方法受限于采集数据量和计算复杂度,很难同时满足预览图质量和重建性能要求。
需要说明的是,公开于该发明背景技术部分的信息仅仅旨在加深对本发明一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种预览图生成方法、装置和电子设备,可以在兼顾预览图的图像质量的情况下,提高预览图的生成速度。
为达到上述目的,本发明提供一种预览图生成方法,所述预览图生成方法包括:
获取扫描协议参数信息和/或图像质量需求信息;
根据所述扫描协议参数信息和/或所述图像质量需求信息,从多种预设图像生成模式中匹配一种预设图像生成模式作为目标图像生成模式;或者将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式;
根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图。
可选的,所述根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图,包括:
对所述原始扫描数据进行压缩处理,以获取压缩数据;
根据所述压缩数据,生成对应的预览图。
可选的,所述根据所述压缩数据,生成对应的预览图,包括:
根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图。
可选的,所述预览图生成方法还包括:
根据所述预览图生成模型所生成的预览图的图像质量评价结果,对所述预览图生成模型的网络参数进行调整。
可选的,所述对所述原始扫描数据进行压缩处理,以获取压缩数据,包括:
根据第一预设压缩比,将所述原始扫描数据压缩为对应的第一低分辨率扫描数据;
所述根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图,包括:
将所述第一低分辨率扫描数据和所述扫描协议参数信息输入至预先训练好的第一预览图生成模型中,以生成对应的预览图。
可选的,所述对所述原始扫描数据进行压缩处理,以获取压缩数据,包括:
根据第二预设压缩比,将所述原始扫描数据压缩为对应的第二低分辨率扫描数据;
所述根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图,包括:
根据所述扫描协议参数信息和所述第二低分辨率扫描数据,采用第一预设图像重建算法进行重建,以生成对应的第一低分辨率图像;
将所述第一低分辨率图像和所述扫描协议参数信息输入至预先训练好的第二预览图生成模型中,以生成对应的预览图。
可选的,所述对所述原始扫描数据进行压缩处理,以获取压缩数据,包括:
根据第三预设压缩比,将所述原始扫描数据压缩为对应的第三低分辨率扫描数据;
所述根据所述压缩数据,生成对应的预览图,包括:
根据所述扫描协议参数信息和所述第三低分辨率扫描数据,采用第二预设图像重建算法进行重建,以生成对应的第二低分辨率图像;
对所述第二低分辨率图像进行感兴趣区域的识别,识别出对应的感兴趣区域;
根据所述感兴趣区域、所述扫描协议参数信息和所述原始扫描数据,采用第三预设图像重建算法进行重建,以生成对应的预览图。
可选的,所述预览图生成方法还包括:
针对每一种预设图像生成模式,根据该预设图像生成模式的图像生成质量和图像生成时间,对该预设图像生成模式进行打分;
根据所有的预设图像生成模式各自所对应的打分结果,将得分最高的预设图像生成模式作为默认最佳图像生成模式;
所述将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式,包括:
将所述默认最佳图像生成模式作为所述目标图像生成模式。
为达到上述目的,本发明还提供一种预览图生成装置,所述预览图生成装置包括:
信息获取模块,配置为获取扫描协议参数信息和/或图像质量需求信息;
模式匹配模块,配置为根据所述扫描协议参数信息和/或所述图像质量需求信息,从多种预设图像生成模式中匹配一种预设图像生成模式作为目标图像生成模式;或者将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式;以及
预览图生成模块,配置为根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图。
为达到上述目的,本发明还提供一种电子设备,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现上文所述的预览图生成方法。
与现有技术相比,本发明提供的预览图生成方法、装置和电子设备具有以下有益效果:
本发明提供的预览图生成方法通过先获取扫描协议参数信息和/或图像质量需求信息;再根据所述扫描协议参数信息和/或所述图像质量需求信息,从多种预设图像生成模式中匹配一种预设图像生成模式作为目标图像生成模式,或者将其中的一种预设图像生成模式作为目标图像生成模式;最后根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图,由此,本发明提供的预览图生成方法能够根据扫描协议参数信息和/或医生对图像质量的需求,匹配合适的图像生成模式,或者直接从中选择一种预设图像生成模式,来生成预览图,从而可以在兼顾预览图的图像质量的情况下,提高预览图的生成速度,本发明提供的预览图生成方法能够降低延迟和改善图像质量,生成符合医生预期的预览图。
由于本发明提供的预览图生成装置和电子设备与本发明提供的预览图生成方法属于同一发明构思,因此本发明提供的预览图生成装置和电子设备至少具有本发明提供的预设图生成方法所具有的所有有益效果,具体可以参考上文中有关本发明提供的预览图生成方法所具有的有益效果的相关描述,故在此不再对本发明所提供的预览图生成装置和电子设备所具有的有益效果一一进行赘述。
附图说明
图1为本发明一实施方式提供的预览图生成方法的流程示意图;
图2为本发明第一种实施方式提供的图像生成模式的流程示意图;
图3为本发明第二种实施方式提供的图像生成模式的流程示意图;
图4为本发明第三种实施方式提供的图像生成模式的流程示意图;
图5为本发明一实施方式提供的预览图生成装置的方框结构示意图;
图6为本发明一实施方式提供的电子设备的方框结构示意图。
其中,附图标记如下:
信息获取模块-110;模式匹配模块-120;预览图生成模块-130;打分模块-140;模型参数调整模块-150;
处理器-210;通信接口-220;存储器-230;通信总线-240。
具体实施方式
以下结合附图和具体实施方式对本发明提出的预览图生成方法、装置、电子设备和可读存储介质作进一步详细说明。根据下面说明,本发明的优点和特征将更清楚。需要说明的是,附图采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明提供的目的。为了使本发明的目的、特征和优点能够更加明显易懂,请参阅附图。须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明实施的限定条件,任何结构的修饰、比例关系的改变或大小的调整,在与本发明所能产生的功效及所能达成的目的相同或近似的情况下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。单数形式“一”、“一个”以及“该”包括复数对象,术语“或”通常是以包括“和/或”的含义而进行使用的,术语“若干”通常是以包括“至少一个”的含义而进行使用的,术语“至少两个”通常是以包括“两个或两个以上”的含义而进行使用的,此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
此外,在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施方式或示例以及不同实施方式或示例的特征进行结合和组合。
如背景技术中所论述的那样,在医学图像扫描设备(例如CT设备)扫描过程中,由于现有的预览图生成方法受限于采集数据量和计算复杂度的影响,很难同时满足预览图质量和重建性能要求。基于此,本发明的核心思想在于提供一种预览图生成方法、装置、电子设备和可读存储介质,可以在兼顾预览图的图像质量的情况下,提高预览图的生成速度。
需要说明的是,本发明提供的预览图生成方法可应用于本发明提供的预览图生成装置,该预览图生成装置可被配置于电子设备上,其中,该电子设备可以是个人计算机、移动终端等,该移动终端可以是手机、平板电脑等具有各种操作系统的硬件设备。本发明并不限定预览图生成装置的具体实施方式,本发明提供的预览图生成装置可以以软件的方式实现、也可以以硬件的方式实现,或以软件和硬件结合的方式实现,本发明对此不作限定。进一步地,本发明提供的电子设备可以应用于医学影像处理系统中,在该医学影像处理系统可以包括医学图像扫描设备,所述医学图像扫描设备包括但不限于计算机X线摄影仪(CR)、数字化X线摄影仪(DR)、计算机断层扫描设备(CT)、屏片X射线机、移动X射线设备(比如移动C臂机)、数字减影血管造影扫描仪(DSA)、直线加速器、发射型计算机断层扫描仪(ECT)等中的一种或其任意组合。此外,需要说明的是,如本领域技术人员所能理解的,本发明中所称的低分辨率是指分辨率小于或等于128,所称的高分辨率是指分辨率大于或等于512。
实施例一
为实现上述思想,本实施例提供一种预览图生成方法,请参考图1,其为本实施例一实施方式提供的预览图生成方法的流程示意图。如图1所示,本实施例提供的预览图生成方法包括以下步骤:
步骤S100、获取扫描协议参数信息和/或图像质量需求信息。
步骤S200、根据所述图像质量需求信息,从多种预设图像生成模式中匹配一种预设图像生成模式作为目标图像生成模式;或者将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式。
步骤S300、根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图。
由此,本实施例提供的预览图生成方法能够根据扫描协议参数信息和/或医生对图像质量的需求,匹配合适的图像生成模式,或者直接从中选择一种预设图像生成模式,来生成预览图,从而可以在兼顾预览图的图像质量的情况下,提高预览图的生成速度,本实施例提供的预览图生成方法能够降低延迟和改善图像质量,生成符合医生预期的预览图。
具体地,扫描协议参数信息包括扫描对象信息和扫描参数信息等。扫描对象可以包括生物对象和/或非生物对象,比如,扫描对象可以包括人体的特定部位,如头部、胸部、腹部等一个部位或多个部位。扫描对象还可以是有生命或无生命的有机和/或无机物质的人造成分,本实施例对此不做限制。扫描参数包括扫描类型(包括轴向扫描、螺旋扫描或电影扫描)、图像层厚、图像层间隔、图像视野、图像矩阵、扫描长度、图像窗宽、图像窗位、旋转角度、旋转速度、扫描视野、管电压、管电流中的至少一个,其中,管电压是施加在X射线管的负极与正极之间的电位,管电流是在X射线放射期间在与X射线管的正极碰撞的电子束中流过的正极电流。
需要说明的是,如本领域技术人员所能理解的,原始扫描数据为医学图像扫描设备(例如CT设备)对扫描对象的至少一个部位进行扫描后得到的扫描数据(投影数据)。以CT设备为例,在扫描过程中,CT设备可以获取扫描对象不同角度的扫描数据(投影数据),通过采用本实施例提供的预览图生成方法对各个角度的扫描数据(投影数据)进行处理,可以生成对应部位的预览图。
在一些示范性的实施方式中,所述根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图,包括:
对所述原始扫描数据进行压缩处理,以获取压缩数据;
根据所述压缩数据,生成对应的预览图。
由此,通过先对所述原始扫描数据进行压缩处理,以获取压缩数据,再根据所述压缩数据,生成对应的预览图,可以有效保证在兼顾预览图的图像质量的情况下,提高预览图的生成速度。
在一些示范性的实施方式中,所述根据所述压缩数据,生成对应的预览图,包括:
根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图。
由此,通过根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图,可以进一步提高预览图的生成速度。
在一些示范性的实施方式中,所述预览图生成方法还包括:
根据所述预览图生成模型所生成的预览图的图像质量评价结果,对所述预览图生成模型的网络参数进行调整。
由此,通过根据所述预览图生成模型(包括下文中所述的第一预览图生成模型和第二预览图生成模型)所生成的预览图的图像质量评价结果,对所述预览图生成模型的网络参数进行调整,可以进一步提高所述预览图生成模型所生成的预览图的图像质量,以使得所述预览图生成模型所生成的预览图的图像质量更加符合医生需求。具体地,关于如何根据所述预览图生成模型所生成的预览图的图像质量评价结果,对所述预览图生成模型的网络参数进行调整的具体内容,可以参考为本领域技术人员所悉知的相关技术,在此不再进行赘述。
具体地,本实施例共预设有三种图像生成模式,分别对应下文中第一种实施方式提供的图像生成模式、第二种实施方式提供的图像生成模式和第三种实施方式提供的图像生成模式,其中,第一种实施方式提供的图像生成模式和第二种实施方式提供的图像生成模式是先对所述原始扫描数据进行压缩处理,以获取压缩数据,再根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图。
请继续参考图2,其为本实施例第一种实施方式提供的图像生成模式的流程示意图。如图2所示,在第一种示范性的实施方式中,所述根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图,包括:
根据第一预设压缩比,将所述原始扫描数据压缩为对应的第一低分辨率(第一分辨率)扫描数据;
将所述第一低分辨率扫描数据和所述扫描协议参数信息输入至预先训练好的第一预览图生成模型中,以生成对应的预览图。
由此,通过先将原始扫描数据压缩为数据量为原始扫描数据的第一预设压缩比的第一低分辨率扫描数据,再采用预先训练好的第一预览图生成模型对所述第一低分辨率扫描数据和所述扫描协议参数信息进行处理,从而可以快速生成高质量的预览图,进而可以在兼顾图像质量的前提下,加速预览图的生成过程。
需要说明的是,如本领域技术人员所能理解的,本实施例对所述第一预设压缩比的具体取值不作限定,所述第一预设压缩比的具体取值可以根据实际情况进行设置,例如所述第一预设压缩比可以设置为1/32。还需要说明的是,如本领域技术人员所能理解的,在一些实施方式中,可以采用对原始扫描数据进行不同维度的降采样,以将所述原始扫描数据压缩为对应的第一低分辨率扫描数据;在另一些实施方式中,还可以采用数据精度压缩的方法,将所述原始扫描数据压缩为对应的第一低分辨率扫描数据(例如原始扫描数据的浮点数为16位,通过数据精度压缩后所获取的第一低分辨率扫描数据的浮点数为8位)。具体地,关于降采样和数据精度压缩的更多内容可以参考为本领域技术人员所悉知的相关技术,在此不再进行赘述。
进一步地,为了减少第一预览图生成模型的计算量,进一步提高第一预览图生成模型生成预览图的速率,所述第一预设压缩比为高压缩比,也即原始扫描数据的数据量与第一低分辨率扫描数据的数据量的比值较高,由此采用高压缩比(第一预设压缩比)可以将原始扫描数据压缩为数据量较少的第一低分辨率扫描数据,从而可以有效减少第一预览图生成模型的数据处理量,进一步减少预览图的生成时间。
在一些示范性的实施方式中,所述第一预览图生成模型通过以下步骤训练得到:
获取第一训练数据集,所述第一训练数据集包括多例第一训练样本,其中每一例第一训练样本均包括第一高分辨率样本扫描数据、对应的第一样本扫描协议参数信息和对应的第一高分辨率标签图像;
针对所述第一训练数据集中的每一例第一训练样本,将该例第一训练样本中的第一高分辨率样本扫描数据压缩为对应的第一低分辨率样本扫描数据,以获取对应的第二训练样本;
将所有的第二训练样本组成第二训练数据集;
采用所述第二训练数据集对预先搭建的第一预览图生成模型进行训练,直至满足第一预设训练结束条件。
具体地,针对每一第一训练样本,该第一训练样本中的第一高分辨率标签图像是基于该训练样本中的第一高分辨率样本扫描数据和第一样本扫描协议参数信息,进行重建所获得的,具体的重建算法包括但不限于反投影重建算法(Back Projection,BP)、滤波反投影重建算法(Filter Back Projection,FBP)、代数重建算法(AlgebraicReconstructionTechnique,ART)和快速子集共轭梯度重建算法(Ordered SubsetConjugate Gradiental,OSCG)。针对每一第一训练样本,可以采用为本领域技术人员所悉知的数据压缩技术将该第一训练样本中的第一高分辨率样本扫描数据压缩为对应的第一低分辨率样本扫描数据,并将该第一低分辨率样本扫描数据与该第一训练样本中的第一样本扫描协议参数信息和第一高分辨率标签图像组成第二训练样本。
需要说明的是,如本领域技术人员所能理解的,关于如何将第一高分辨率样本扫描数据压缩为对应的第一低分辨率样本扫描数据的具体内容可以参考上文中有关如何将原始扫描数据压缩为对应的第一低分辨率扫描数据的相关内容,在此不再进行赘述。此外,需要说明的是,如本领域技术人员所能理解的,本实施例对所述第一预览图生成模型的具体网络结构不作限定,所述第一预览图生成模型可以为本领域技术人员所悉知的深度学习网络。还需要说明的是,如本领域技术人员所能理解的,关于如何采用所述第二训练数据集对预先搭建的第一预览图生成模型进行训练的具体内容,可以参考为本领域技术人员所悉知的相关技术,在此不再进行赘述。
进一步地,在一些实施方式中,所述第一预设训练结束条件可以为所述第一预览图生成模型所生成的预览图的图像质量满足预设要求,在另一些实施方式中,所述第一预设训练结束条件还可以为所述第一预览图生成模型的训练次数达到第一预设迭代次数,所述第一预设迭代次数可以根据实际需求进行设置,本实施例对此并不进行限定。具体地,在判断所述第一预览图生成模型所生成的预览图的图像质量是否满足预设要求时,可以从空间分辨率、噪声、均匀性、像素值准确性(例如CT值准确性)、低对比度分辨率、图像层厚准确性等多个方面对所述第一预览图生成模型所生成的预览图的图像质量进行评价,以判断所述第一预览图生成模型所生成的预览图的图像质量是否满足预设要求。关于图像质量评价的更多内容可以参考为本领域技术人员所悉知的相关技术,在此不再一一进行赘述。
请继续参考图3,其为本实施例第二种实施方式提供的图像生成模式的流程示意图。如图3所示,第二种示范性的实施方式中,所述根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图,包括:
根据第二预设压缩比,将所述原始扫描数据压缩为对应的第二低分辨率(第二分辨率)扫描数据;
根据所述扫描协议参数信息和所述第二低分辨率扫描数据,采用第一预设图像重建算法进行重建,以生成对应的第一低分辨率图像;
将所述第一低分辨率图像和所述扫描协议参数信息输入至预先训练好的第二预览图生成模型中,以生成对应的预览图。
由此,通过先将原始扫描数据压缩为数据量为原始扫描数据的第二预设压缩比的第二低分辨率扫描数据,再采用第一预设图像重建算法基于所述扫描协议参数信息和所述第二低分辨率扫描数据进行重建,以生成对应的第一低分辨率图像,再采用预先训练好的第二预览图生成模型对所述第一一低分辨率图像和所述扫描协议参数信息进行处理,从而可以快速生成高质量的预览图,进而可以在兼顾图像质量的前提下,加速预览图的生成过程。
需要说明的是,如本领域技术人员所能理解的,本实施例对所述第一预设图像重建算法的具体类型不作限定,所述第一预设图像创建算法可以包括但不限于反投影重建算法(BackProjection,BP)、滤波反投影重建算法(Filter Back Projection,FBP)、代数重建算法(Algebraic Reconstruction Technique,ART)和快速子集共轭梯度重建算法(Ordered Subset Conjugate Gradiental,OSCG)。此外,需要说明的是,如本领域技术人员所能理解的,本实施例对所述第二预设压缩比的具体取值不作限定,所述第二预设压缩比的具体取值可以根据实际情况进行设置,例如所述第二预设压缩比可以设置为1/4。当第一预设压缩比为高压缩比,第二预设压缩比为低压缩比时,第二低分辨率扫描数据的分辨率大于第一低分辨率扫描数据的分辨率。
还需要说明的是,如本领域技术人员所能理解的,在一些实施方式中,可以采用对原始扫描数据进行不同维度的降采样,以将所述原始扫描数据压缩为对应的第二低分辨率扫描数据;在另一些实施方式中,还可以采用数据精度压缩的方法,将所述原始扫描数据压缩为对应的第二低分辨率扫描数据。具体地,关于降采样和数据精度压缩的更多内容可以参考为本领域技术人员所悉知的相关技术,在此不再进行赘述。
优选地,所述第二预设压缩比为低压缩比,也即原始扫描数据的数据量与第一低分辨率扫描数据的数据量的比值较低。由此采用低压缩比(第二预设压缩比)可以将原始扫描数据压缩为数据量不至于过少的第二低分辨率扫描数据,从而可以保证基于第二低分辨率扫描数据重建得到的第一低分辨率图像的图像质量不至于过低,进而可以保证所述第二预览图生成模型基于所述第一低分辨率图像所生成的预览图具有较高的图像质量。
在一些示范性的实施方式中,所述第二预览图生成模型通过以下步骤训练得到:
获取第三训练数据集,所述第三训练数据集包括多例第三训练样本,其中每一例第三训练样本均包括第二高分辨率样本扫描数据、对应的第二样本扫描协议参数信息和对应的第二高分辨率标签图像;
针对所述第三训练数据集中的每一例第三训练样本,先将该例第三训练样本中的第二高分辨率样本扫描数据压缩为对应的第二低分辨率样本扫描数据,再根据所述第二低分辨率样本扫描数据和对应的第二样本扫描协议参数信息重建生成对应的第一低分辨率样本图像,最后将所述第一低分辨率样本图像、对应的第二样本扫描协议参数信息和对应的第二高分辨率标签图像组成第四训练样本;或者,对该例第三训练样本中的第二高分辨率标签图像进行压缩处理,以获取对应的第二低分辨率样本图像,并将所述第二低分辨样本图像、对应的第二样本扫描协议参数信息和对应的第二高分辨率标签图像组成第五训练样本;
将所有的所述第四训练样本和/或所述第五训练样本组成第四训练数据集;
采用所述第四训练数据集对预先搭建的第二预览图生成模型进行训练,直至满足第二预设训练结束条件。
具体地,可以采用为本领域技术人员所悉知的重建算法,包括但不限于反投影重建算法(Back Projection,BP)、滤波反投影重建算法(FilterBack Projection,FBP)、代数重建算法(Algebraic ReconstructionTechnique,ART)和快速子集共轭梯度重建算法(Ordered Subset Conjugate Gradiental,OSCG),基于第二低分辨率样本扫描数据和对应的第二样本扫描协议参数信息重建生成对应的第一低分辨率样本图像。
需要说明的是,如本领域技术人员所能理解的,在一些实施方式中,可以采用上文中的相关步骤将第三训练数据集中的每一例第三训练样本均转换为对应的第四训练样本,以获取全部由第四训练样本组成的第四训练数据集;在另一些实施方式中,可以采用上文中的相关步骤将第三训练数据集中的每一例第三训练样本均转换为对应的第五训练样本,以获取全部由第五训练样本组成的第四训练数据集;在又一些实施方式中,可以将第三训练数据集中的其中一部分第三训练样本转换为对应的第四训练样本,将第三训练数据集中的剩余部分第三训练样本转换为对应的第五训练样本,以获取由第四训练样本和第五训练样本共同组成的第四训练数据集。
还需要说明的是,如本领域技术人员所能理解的,关于如何将第二高分辨率样本扫描数据压缩为对应的第二低分辨率样本扫描数据的具体内容可以参考上文中有关如何将原始扫描数据压缩为对应的第二低分辨率扫描数据的相关内容,在此不再进行赘述。此外,需要说明的是,如本领域技术人员所能理解的,本实施例对所述第二预览图生成模型的具体网络结构不作限定,所述第二预览图生成模型可以为本领域技术人员所悉知的深度学习网络。还需要说明的是,如本领域技术人员所能理解的,关于如何采用所述第四训练数据集对预先搭建的第二预览图生成模型进行训练的具体内容,可以参考为本领域技术人员所悉知的相关技术,在此不再进行赘述。另外,需要说明的是,如本领域技术人员所能理解的,所述第三训练数据集与所述第一训练数据集可以为同一数据集也可以为不同的数据集,本实施例对此并不进行限定,优选地,所述第三训练数据集与所述第一训练数据集为同一数据集,由此以降低数据集的采集成本。
进一步地,在一些实施方式中,所述第二预设训练结束条件可以为所述第二预览图生成模型所生成的预览图的图像质量满足预设要求,在另一些实施方式中,所述第二预设训练结束条件还可以为所述第二预览图生成模型的训练次数达到第二预设迭代次数,所述第二预设迭代次数可以根据实际需求进行设置,本实施例对此并不进行限定。具体地,在判断所述第二预览图生成模型所生成的预览图的图像质量是否满足预设要求时,可以从空间分辨率、噪声、均匀性、像素值准确性(例如CT值准确性)、低对比度分辨率、图像层厚准确性等方面对所述第二预览图生成模型所生成的预览图的图像质量进行评价,以判断所述第二预览图生成模型所生成的预览图的图像质量是否满足预设要求。
请继续参考图4,其为本实施例第三种实施方式提供的图像生成模式的流程示意图。如图4所示,在第三种实施方式中,所述根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图,包括:
根据第三预设压缩比,将所述原始扫描数据压缩为对应的第三低分辨率(第三分辨率)扫描数据;
根据所述扫描协议参数信息和所述第三低分辨率扫描数据,采用第二预设图像重建算法进行重建,以生成对应的第二低分辨率图像;
对所述第二低分辨率图像进行感兴趣区域的识别,识别出对应的感兴趣区域;
根据所述感兴趣区域、所述扫描协议参数信息和所述原始扫描数据,采用第三预设图像重建算法进行重建,以生成对应的预览图。
由于临床使用大FOV(Field ofView,视场)重建预览图时,重建得到的预览图中的大部分像素并不具备诊断价值。基于此,本实施方式提供的图像生成模式提供了一种图像自适应感兴趣区域算法来生成预览图,本实施方式通过先根据第三预设压缩比将所述原始扫描数据压缩为对应的第三低分辨率扫描数据,再根据所述扫描协议参数信息和所述第三低分辨率扫描数据,采用第二预设图像重建算法进行重建,以生成对应的第二低分辨率图像,再识别出所述第二低分辨率图像中的感兴趣区域,最后再根据所识别出的感兴趣区域、所述扫描协议参数信息和所述原始扫描数据,采用第三预设图像重建算法进行重建,即可生成对应的预览图,从而可以在不损失诊断信息的前提下减少无效计算量。具体地,为了保证第二低分辨率图像的图像质量,提高所识别出的感兴趣区域的准确性,所述第三预设压缩比优选为低压缩比,例如1/4,所述第三预设压缩比的具体取值可以根据实际情况进行设置,本实施例对此并不进行限定。需要说明的是,如本领域技术人员所能理解的,当第一预设压缩比为高压缩比,第三预设压缩比为低压缩比时,第三低分辨率扫描数据的分辨率大于第一低分辨率扫描数据的分辨率。还需要说明的是,如本领域技术人员所能理解的,本发明对所述第二低分辨率扫描数据和所述第三低分辨率扫描数据的分辨率的大小关系不作限定,二者可以相同也可以不同。
此外需要说明的是,如本领域技术人员所能理解的,所述感兴趣区域为医生关注的目标组织区域(例如,心脏区域)。具体地,可以采用为本领域技术人员所悉知的目标检测算法包括但不限于基于深度学习的目标检测网络进行检测的算法,对所述第二低分辨率图像进行感兴趣区域的识别,识别出对应的感兴趣区域。还需要说明的是,如本领域技术人员所能理解的,本实施例对所述第二预设图像重建算法和所述第三预设图像重建算法的具体类型不作限定,所述第二预设图像重建算法和所述第三预设图像重建算法可以包括但不限于反投影重建算法(BackProjection,BP)、滤波反投影重建算法(Filter BackProjection,FBP)、代数重建算法(Algebraic Reconstruction Technique,ART)和快速子集共轭梯度重建算法(Ordered Subset Conjugate Gradiental,OSCG)。
在一些示范性的实施方式中,再根据所述感兴趣区域、所述扫描协议参数信息和所述原始扫描数据,采用第三预设图像重建算法进行重建之前,还可以接收用户对所识别出的所述感兴趣区域的优化操作,或者根据预设优化算法自动对所识别出的所述感兴趣区域的优化操作,以进一步在保证所生成的预览图的质量的情况下,减少无效计算量。
在一些示范性的实施方式中,所述第三预设图像重建算法为反投影重建算法(BackProjection,BP)。
具体地,可以根据如下公式进行重建,以生成对应的预览图:
其中,I(x,y,z)表示像素点(x,y,z)在预览图中的像素值,Mask表示感兴趣区域,BackProject表示反投影,P(t,q,θ)表示X射线投影值。
由此,针对属于感兴趣区域Mask中的每一个像素点,将该像素点所对应的X射线投影值P(t,q,θ)作为其在预览图中的像素值;针对不属于感兴趣区域Mask中的每一个像素点,将该像素点的像素值设置为0,从而可以将医生感兴趣的区域(即目标组织所在区域)在预览图中设置为前景,将医生不感兴趣的区域在预览图中设置为背景,进而使得最终生成的预览图更加便于医生进行诊断。需要说明的是,如本领域技术人员所能理解的,P(t,q,θ)中的θ表示投影角度,t和q表示像素点(x,y,z)在投影面上的坐标。
在一些示范性的实施方式中,所述预览图生成方法还包括:
针对每一种预设图像生成模式,根据该预设图像生成模式的图像生成质量和图像生成时间,对该预设图像生成模式进行打分;
根据所有的预设图像生成模式各自所对应的打分结果,将得分最高的预设图像生成模式作为默认最佳图像生成模式。
由此,通过根据每一种预设图像生成模式生成预览图的图像质量和生成时间,对每一种预设图像生成模式进行打分,可以对每一种预设图像生成模式的图像生成质量和图像生成时间进行综合评价,从而可以更加便于根据所获取的图像质量需求信息,匹配对应的预设图像生成模式作为目标图像生成模式,以进一步保证根据所匹配的目标图像生成模式所生成的预览图更加符合医生诊断需求。此外,通过将得分最高的预设图像生成模式设置为默认最佳图像生成模式,可以进一步在兼顾预览图的图像质量的情况下,提高预览图的生成速度。
具体地,针对每一种预设图像生成模式,可以采用预先训练好的图像质量打分模型对该种预设图像生成模式所生成的预览图的图像质量进行自动打分或者由医生对该种预设图像生成模式所生成的预览图的图像质量(即图像生成质量)进行手动打分,以获取该种预设图像生成模式的第一分值(生成的预览图的图像质量越高,则第一分值越高);并对该种预设图像生成模式生成预览图的时间(即图像生成时间)进行自动或手动打分,以获取该种预设图像生成模式的第二分值(预览图的生成时间越短,则第二分值越高);再根据该种预设图像生成模式的第一分值和第二分值以及预先设置的图像生成质量权重值和图像生成时间权重值,即可获取该种预设图像生成模式的打分结果。
需要说明的是,如本领域技术人员所能理解的,可以采用包括样本预览图和对应的图像质量分值标签的数据集对预先搭建的图像质量打分模型进行训练,以得到训练好的图像质量打分模型。本实施例对图像质量打分模型的具体网络结构不作限定。具体地,所述样本预览图可以为在训练所述第一预览图生成模型和/或训练所述第二预览图生成模型的过程中由所述第一预览图生成模型和/或所述第二预览图生成模型所生成的预览图,其对应的质量分值标签为从空间分辨率、噪声、均匀性、像素值准确性(例如CT值准确性)、低对比度分辨率、图像层厚准确性等多个方面对该样本预览图进行评价得到。
在一些示范性的实施方式中,所述将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式,包括:
将所述默认最佳图像生成模式作为所述目标图像生成模式。
由此,通过将所述默认最佳图像生成模式作为所述目标图像生成模式,可以有效保证在兼顾预览图的图像质量的情况下,提高预览图的生成速度。
实施例二
基于同一发明构思,本实施例提供一种预览图生成装置,请参考图5,其为本实施例一实施方式提供的预览图生成装置的方框结构示意图。如图5所示,本实施例提供的预览图生成装置包括信息获取模块110、模式匹配模块120和预览图生成模块130,其中,所述信息获取模块110配置为获取扫描协议参数信息和/或图像质量需求信息;所述模式匹配模块120配置为根据所述扫描协议参数信息和/或所述图像质量需求信息,从多种预设图像生成模式中匹配一种预设图像生成模式作为目标图像生成模式;或者将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式;所述预览图生成模块130配置为根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图。
由此,本实施例提供的预览图生成装置能够根据扫描协议参数信息和/或医生对图像质量的需求,匹配合适的图像生成模式,或者直接从中选择一种预设图像生成模式,来生成预览图,从而可以在兼顾预览图的图像质量的情况下,提高预览图的生成速度,本实施例提供的预览图生成装置能够降低延迟和改善图像质量,生成符合医生预期的预览图。
在一些示范性的实施方式中,所述预览图生成模块130配置为通过以下步骤生成预览图:
对所述原始扫描数据进行压缩处理,以获取压缩数据;
根据所述压缩数据,生成对应的预览图。
在一些示范性的实施方式中,所述预览图生成模块130配置为根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图。
具体地,在第一种实施方式中,所述预览图生成模块130配置为通过以下步骤生成预览图:
根据第一预设压缩比,将所述原始扫描数据压缩为对应的第一低分辨率扫描数据;
将所述第一低分辨率扫描数据和所述扫描协议参数信息输入至预先训练好的第一预览图生成模型中,以生成对应的预览图。
具体地,关于如何训练得到所述第一预览图生成模型的具体内容,可以参考上文所提供的预览图生成方法中的相关内容,在此不再进行赘述。
在第二种实施方式中,所述预览图生成模块130配置为通过以下步骤生成预览图:
根据第二预设压缩比,将所述原始扫描数据压缩为对应的第二低分辨率扫描数据;
根据所述扫描协议参数信息和所述第二低分辨率扫描数据,采用第一预设图像重建算法进行重建,以生成对应的第一低分辨率图像;
将所述第一低分辨率图像和所述扫描协议参数信息输入至预先训练好的第二预览图生成模型中,以生成对应的预览图。
具体地,关于如何训练得到所述第二预览图生成模型的具体内容,可以参考上文所提供的预览图生成方法中的相关内容,在此不再进行赘述。
在第三种实施方式中,所述预览图生成模块130配置为通过以下步骤生成预览图:
根据所述扫描协议参数信息和所述原始扫描数据,采用第二预设图像重建算法进行重建,以生成对应的第二低分辨率图像;
对所述第二低分辨率图像进行感兴趣区域的识别,识别出对应的感兴趣区域;
根据所述感兴趣区域、所述扫描协议参数信息和所述原始扫描数据,采用第三预设图像重建算法进行重建,以生成对应的预览图。
进一步地,所述预览图生成模块130配置为采用反投影重建算法(Back Project,BP)进行重建,以生成对应的预览图。
具体地,根据如下公式进行重建,以生成对应的预览图:
其中,I(x,y,z)表示像素点(x,y,z)在预览图中的像素值,Mask表示感兴趣区域,BackProject表示反投影,P(t,q,θ)表示X射线投影值。
请继续参考图5,如图5所示,在一些示范性的实施方式中,本实施例提供的预览图生成装置还包括打分模块140,所述打分模块140配置为:
针对每一种预设图像生成模式,根据该预设图像生成模式的图像生成质量和图像生成时间,对该预设图像生成模式进行打分;
根据所有的预设图像生成模式各自所对应的打分结果,将得分最高的预设图像生成模式作为默认最佳图像生成模式。
具体地,关于所述打分模块140如何对每一种预设图像生成模式进行打分的具体内容可以参考上文中的相关描述,在此不再进行赘述。
请继续参考图5,如图5所示,在一些示范性的实施方式中,本实施例提供的预览图生成装置还包括模型参数调整模块150,所述模型参数调整模块150配置为:
根据所述预览图生成模型(第一预览图生成模型/第二预览图生成模型)所生成的预览图的图像质量评价结果,对所述预览图生成模型(第一预览图生成模型/第二预览图生成模型)的网络参数进行调整。
实施例三
基于同一发明构思,本实施例提供一种电子设备,请参考图6,其为本实施例一实施方式提供的电子设备的方框结构示意图。如图6所示,所述电子设备包括处理器210和存储器230,所述存储器230上存储有计算机程序,所述计算机程序被所述处理器210执行时,实现上文所述的预览图生成方法。由于本实施例提供的电子设备与实施例一提供的预览图生成方法属于同一发明构思,因此本实施例提供的电子设备至少具有实施例一提供的预览图生成方法的所有有益效果,具体可以参考上文中有关实施例一提供的预览图生成方法所具有的有益效果的相关描述,故在此不再对本实施例提供的电子设备所具有的有益效果进行赘述。
如图6所示,所述电子设备还包括通信接口220和通信总线240,其中所述处理器210、所述通信接口220、所述存储器230通过通信总线240完成相互间的通信。所述通信总线240可以是外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线240可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。所述通信接口220用于上述电子设备与其他设备之间的通信。
本实施例中所称处理器210可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器210是所述电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分。
所述存储器230可用于存储所述计算机程序,所述处理器210通过运行或执行存储在所述存储器230内的计算机程序,以及调用存储在存储器230内的数据,实现所述电子设备的各种功能。
所述存储器230可以包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
实施例四
基于同一发明构思,本实施例提供一种可读存储介质,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时可以实现上文所述的预览图生成方法。由于本实施例提供的可读存储介质与实施例一提供的预览图生成方法属于同一发明构思,因此本实施例提供的可读存储介质至少具有实施例一提供的预览图生成方法的所有有益效果,具体可以参考上文中有关实施例一提供的预览图生成方法所具有的有益效果的相关描述,故在此不再对本实施例提供的可读存储介质所具有的有益效果进行赘述。
本实施例提供的可读存储介质,可以采用一个或多个计算机可读的介质的任意组合。可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机硬盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其组合使用。
具体地,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
综上所述,与现有技术相比,本发明提供的预览图生成方法、装置、电子设备和可读存储介质具有以下有益效果:
本发明能够根据扫描协议参数信息和/或医生对图像质量的需求,匹配合适的图像生成模式,或者直接从中选择一种预设图像生成模式,来生成预览图,从而可以在兼顾预览图的图像质量的情况下,提高预览图的生成速度,本发明能够降低延迟和改善图像质量,生成符合医生预期的预览图。
需要说明的是,可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上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。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
应当注意的是,在本文的实施方式中所揭露的装置和方法,也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的,例如,附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用于执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。另外,在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
还应当注意的是,上述描述仅是对本发明较佳实施方式的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于本发明的保护范围。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若这些修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种预览图生成方法,其特征在于,包括:
获取扫描协议参数信息和/或图像质量需求信息;
根据所述扫描协议参数信息和/或所述图像质量需求信息,从多种预设图像生成模式中匹配一种预设图像生成模式作为目标图像生成模式;或者将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式;
根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图。
2.根据权利要求1所述的预览图生成方法,其特征在于,所述根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图,包括:
对所述原始扫描数据进行压缩处理,以获取压缩数据;
根据所述压缩数据,生成对应的预览图。
3.根据权利要求2所述的预览图生成方法,其特征在于,所述根据所述压缩数据,生成对应的预览图,包括:
根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图。
4.根据权利要求3所述的预览图生成方法,其特征在于,所述预览图生成方法还包括:
根据所述预览图生成模型所生成的预览图的图像质量评价结果,对所述预览图生成模型的网络参数进行调整。
5.根据权利要求3所述的预览图生成方法,其特征在于,所述对所述原始扫描数据进行压缩处理,以获取压缩数据,包括:
根据第一预设压缩比,将所述原始扫描数据压缩为对应的第一低分辨率扫描数据;
所述根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图,包括:
将所述第一低分辨率扫描数据和所述扫描协议参数信息输入至预先训练好的第一预览图生成模型中,以生成对应的预览图。
6.根据权利要求3所述的预览图生成方法,其特征在于,所述对所述原始扫描数据进行压缩处理,以获取压缩数据,包括:
根据第二预设压缩比,将所述原始扫描数据压缩为对应的第二低分辨率扫描数据;
所述根据所述压缩数据以及预先训练好的预览图生成模型,生成对应的预览图,包括:
根据所述扫描协议参数信息和所述第二低分辨率扫描数据,采用第一预设图像重建算法进行重建,以生成对应的第一低分辨率图像;
将所述第一低分辨率图像和所述扫描协议参数信息输入至预先训练好的第二预览图生成模型中,以生成对应的预览图。
7.根据权利要求2所述的预览图生成方法,其特征在于,所述对所述原始扫描数据进行压缩处理,以获取压缩数据,包括:
根据第三预设压缩比,将所述原始扫描数据压缩为对应的第三低分辨率扫描数据;
所述根据所述压缩数据,生成对应的预览图,包括:
根据所述扫描协议参数信息和所述第三低分辨率扫描数据,采用第二预设图像重建算法进行重建,以生成对应的第二低分辨率图像;
对所述第二低分辨率图像进行感兴趣区域的识别,识别出对应的感兴趣区域;
根据所述感兴趣区域、所述扫描协议参数信息和所述原始扫描数据,采用第三预设图像重建算法进行重建,以生成对应的预览图。
8.根据权利要求1所述的预览图生成方法,其特征在于,所述预览图生成方法还包括:
针对每一种预设图像生成模式,根据该预设图像生成模式的图像生成质量和图像生成时间,对该预设图像生成模式进行打分;
根据所有的预设图像生成模式各自所对应的打分结果,将得分最高的预设图像生成模式作为默认最佳图像生成模式;
所述将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式,包括:
将所述默认最佳图像生成模式作为所述目标图像生成模式。
9.一种预览图生成装置,其特征在于,包括:
信息获取模块,配置为获取扫描协议参数信息和/或图像质量需求信息;
模式选择模块,配置为根据所述扫描协议参数信息和/或所述图像质量需求信息,从多种预设图像生成模式中匹配一种预设图像生成模式作为目标图像生成模式;或者将所述多种预设图像生成模式中的其中一种预设图像生成模式作为目标图像生成模式;以及
预览图生成模块,配置为根据所述目标图像生成模式对所获取的原始扫描数据进行处理,以生成对应的预览图。
10.一种电子设备,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现权利要求1至8中任一项所述的预览图生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311572151.XA CN117594197A (zh) | 2023-11-22 | 2023-11-22 | 预览图生成方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311572151.XA CN117594197A (zh) | 2023-11-22 | 2023-11-22 | 预览图生成方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117594197A true CN117594197A (zh) | 2024-02-23 |
Family
ID=89917761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311572151.XA Pending CN117594197A (zh) | 2023-11-22 | 2023-11-22 | 预览图生成方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117594197A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118071869A (zh) * | 2024-04-22 | 2024-05-24 | 有方(合肥)医疗科技有限公司 | 图像处理方法、电子设备、可读存储介质及程序产品 |
-
2023
- 2023-11-22 CN CN202311572151.XA patent/CN117594197A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118071869A (zh) * | 2024-04-22 | 2024-05-24 | 有方(合肥)医疗科技有限公司 | 图像处理方法、电子设备、可读存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3447733B1 (en) | Selective image reconstruction | |
US7978886B2 (en) | System and method for anatomy based reconstruction | |
CN111915696B (zh) | 三维图像数据辅助的低剂量扫描数据重建方法及电子介质 | |
US10867375B2 (en) | Forecasting images for image processing | |
US10032295B2 (en) | Tomography apparatus and method of processing tomography image | |
CN117594197A (zh) | 预览图生成方法、装置和电子设备 | |
JP5016518B2 (ja) | 位置合わせ装置およびそのプログラム | |
Mredhula et al. | An extensive review of significant researches on medical image denoising techniques | |
US20220138936A1 (en) | Systems and methods for calcium-free computed tomography angiography | |
KR20180074153A (ko) | 의료 영상 장치 및 의료 영상 처리 방법 | |
US20240104705A1 (en) | Systems and methods for image correction | |
US9858688B2 (en) | Methods and systems for computed tomography motion compensation | |
US20200240934A1 (en) | Tomography apparatus and controlling method for the same | |
Choi et al. | Deep learning synthesis of cone-beam computed tomography from zero echo time magnetic resonance imaging | |
CN110189386B (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
CN113520416A (zh) | 一种用于生成对象二维图像的方法和系统 | |
KR102387403B1 (ko) | 잘림 아티팩트 저감 프로젝션 데이터 보정방법 | |
CN115410692A (zh) | 确定组织边界的装置和方法 | |
KR102136107B1 (ko) | 뼈 감쇄된 x-선 영상의 정합 장치 및 방법 | |
CN110730977B (zh) | 低剂量成像方法及装置 | |
CN111583354A (zh) | 医学图像处理单元的训练方法和医学图像运动估计方法 | |
KR102399792B1 (ko) | 인공지능 기반 Hounsfield unit (HU) 정규화 및 디노이징 (Denoising)을 통한 전처리 장치 및 방법 | |
JP2001325583A (ja) | 画像処理方法および画像処理装置 | |
CN115132357B (zh) | 基于医学影像图预测目标疾病指标状态的装置 | |
JP7493113B1 (ja) | スペクトルコンピュータ断層撮影撮像のための警告信号の制御 |
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 |