CN117770850B - 一种射线源辐射剂量自适应方法、ct系统 - Google Patents
一种射线源辐射剂量自适应方法、ct系统 Download PDFInfo
- Publication number
- CN117770850B CN117770850B CN202410206117.9A CN202410206117A CN117770850B CN 117770850 B CN117770850 B CN 117770850B CN 202410206117 A CN202410206117 A CN 202410206117A CN 117770850 B CN117770850 B CN 117770850B
- Authority
- CN
- China
- Prior art keywords
- user
- image
- determining
- height
- acquisition device
- 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.)
- Active
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000002591 computed tomography Methods 0.000 claims abstract description 17
- 230000001815 facial effect Effects 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000037396 body weight Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种射线源辐射剂量自适应方法、CT系统，其中方法包括从至少一个图像采集装置获取其采集的用户不同预设部位的2D图像；基于不同预设部位的2D图像，确定所述用户对应的特征数据；将所述特征数据发送至CT扫描系统中，以使所述CT扫描系统基于所述特征数据匹配与所述用户对应的辐射剂量值，其中，不同的辐射剂量值由不同的电压、电流和扫描时长确定。通过不同部位数据确定用户的不同特征，进而自适应精准确定辐射剂量，最大限度降低辐射剂量。
Description
技术领域
本申请涉及信息处理技术领域，尤其涉及一种射线源辐射剂量自适应方法、CT系统。
背景技术
现代CT扫描系统控制辐射剂量的方式是通过人的主观经验设置影响X射线剂量的电压kV、电流mA、扫描时间Time等参数。
通过经验设置X射线辐射剂量无法精准、科学客观地控制合理的扫描参数，如此可能会导致用户辐射剂量的不合理摄入。
发明内容
本申请提供一种射线源辐射剂量自适应方法、CT系统，以解决相关技术中存在的问题。
第一方面，本发明提供一种射线源辐射剂量自适应方法，包括从至少一个图像采集装置获取其采集的用户不同预设部位的2D图像；基于不同预设部位的2D图像，确定所述用户对应的特征数据；将所述特征数据发送至CT扫描系统中，以使所述CT扫描系统基于所述特征数据匹配与所述用户对应的辐射剂量值，其中，不同的辐射剂量值由不同的电压、电流和扫描时长确定。
可选地，基于不同预设部位的2D图像，确定所述用户对应的特征数据包括：获取第一图像采集装置采集的用户侧面图像；获取第二图像采集装置采集的用户背面图像；获取第三图像采集装置采集的用户面部图像；基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重；基于所述用户面部图像确定所述用户对应的性别和年龄；其中，各个所述图像采集装置环绕设置，被采集图像的用户的位置点位于环绕圈中心点，所述各个图像采集装置与所述用户的距离在预设值内。
可选地，基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重包括：对所述侧面图像和所述用户背面图像进行预处理，得到对应的二值化图像；在所述二值化图像中标定出所述用户对应的像素；基于所述用户对应的像素、用户所处图像中的像素总数确定体重；基于所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，利用成像原理确定身高。
可选地，基于所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，利用成像原理确定身高包括：分别确定所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，并基于所述极远值确定像素平均值作为用户身高的像素数；基于所述用户身高像素数和像素密度确定用户的图像身高，其中，所述像素密度基于图像宽度像素数、图像高度像素数和图像尺寸确定；基于所述图像身高、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的身高。
可选地，基于所述用户对应的像素、用户所处图像中的像素总数确定体重包括：基于代表图像高度的像素数和像素密度确定代表图像高度的尺寸；基于所述代表图像高度的尺寸、所述用户与图像采集装置的距离、以及等效焦距确定图像对应的实际高度；基于代表用户背向宽度像素数和像素密度确定图像背向宽度；基于所述图像背向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的背向宽度；基于所述图像的侧向宽度像素数和像素密度确定图像侧向宽度；基于所述图像侧向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的侧向宽度；基于所述用户的背向宽度、所述用户的侧向宽度、图像对应的实际高度、所述侧面图像中代表用户像素的总数、所述背面图像中代表用户像素的总数、侧面图像分辨率、背面图像分辨率、以及人体密度确定所述体重。
可选地，所述方法还包括：基于预设变量对所述体重进行修正。
可选地，所述基于不同预设部位的2D图像，确定所述用户对应的特征数据还包括：基于所述用户侧面图像和所述用户背面图像确定用户对应的体型；
或者，对所述侧面图像和所述用户背面图像进行分割，基于分割的结果确定用户对应的体型。
可选地，基于所述用户面部图像确定所述用户对应的性别和年龄包括：将所述用户面部图像输入至DNN模型中，输出所述用户对应的性别和年龄。
第二方面，本发明提供一种CT系统，包括：至少一个图像采集装置，采集用户不同预设部位的2D图像；服务端，从所述至少一个图像采集装置获取不同预设部位的2D图像，并确定所述用户对应的特征数据；CT扫描系统，从所述服务端获取所述特征数据，并基于所述特征数据匹配与所述用户对应的辐射剂量值。
第三方面，本发明提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项所述的方法。
第四方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面提供的方法。
本发明公开了一种射线源辐射剂量自适应方法、CT系统，其中方法包括从至少一个图像采集装置获取其采集的用户不同预设部位的2D图像；基于不同预设部位的2D图像，确定所述用户对应的特征数据；将所述特征数据发送至CT扫描系统中，以使所述CT扫描系统基于所述特征数据匹配与所述用户对应的辐射剂量值，其中，不同的辐射剂量值由不同的电压、电流和扫描时长确定。通过不同部位数据确定用户的不同特征，进而自适应精准确定辐射剂量，最大限度降低辐射剂量。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请一种射线源辐射剂量自适应方法的流程图；
图2为本申请一种射线源辐射剂量自适应方法的应用示意图；
图3为本申请参数空间关系示意图；
图4为本申请可用于确定用户身高的示意图；
图5为本申请提供的一种对应于图1的电子设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图1对射线源辐射剂量自适应方法进行示例性说明。方法包括以下步骤：
步骤101：从至少一个图像采集装置获取其采集的用户不同预设部位的2D图像。
图像采集装置可以是摄像头，摄像头的数量优选是三个，通过摄像头对用户的不同部位进行图像采集，包括面部图像、用户一侧（左臂或者右臂一侧）图像、用户背部图像。
步骤102：基于不同预设部位的2D图像，确定所述用户对应的特征数据。
在本实施例中，用户的特征数据包括性别、年龄、身高和体重。示例性地，可以基于深度学习DNN模型结合传统算法的方式，自动识别用户性别、年龄、身高、体重参数。
步骤103：将所述特征数据发送至CT扫描系统中，以使所述CT扫描系统基于所述特征数据匹配与所述用户对应的辐射剂量值，其中，不同的辐射剂量值由不同的电压、电流和扫描时长确定。
在本实施例中，依据得到的特征数据，通过查表方式生成CT系统的电压kV、电流mA、扫描时长Time等参数，保证以最合理的剂量得到最好的CT图像。
作为本实施例一种可选地实现方式，基于不同预设部位的2D图像，确定所述用户对应的特征数据包括：获取第一图像采集装置采集的用户侧面图像；获取第二图像采集装置采集的用户背面图像；获取第三图像采集装置采集的用户面部图像；基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重；基于所述用户面部图像确定所述用户对应的性别和年龄；其中，各个所述图像采集装置环绕设置，被采集图像的用户的位置点位于环绕圈中心点，所述各个图像采集装置与所述用户的距离在预设值内。
在本可选的实现方式中，参考图2，从不同的摄像头获取不同的部位的图像，三个（或者三组）摄像头可以环绕设置，为了避免患者背景复杂度的不确定性导致的患者识别精度降低，将用户背景色调整为纯色（比如白色），用户衣着须与背景色存在较大差异（比如蓝色/绿色）。在用户CT扫描前，先以站立状态位于三台摄像头中间位置，摄像机与用户的距离控制在1.5米至3米之间，一般设置为2.0米距离。摄像机与用户距离的设定基于既能覆盖整个用户又能控制精度的考虑。在启动后，摄像头A采集面部数据，摄像头B和摄像头C可以采集腰部数据、身高和肩部数据，服务端在获取到该些图像后，对图像进行处理，可以确定性别、年龄、身高和体重。示例性地，利用摄像头B获取患者侧方向图像信息（可以是为从患者右臂的方向采集整个患者图像），利用摄像头C获取患者背对该摄像头的图像信息。
作为本实施例一种可选的实现方式，基于所述用户面部图像确定所述用户对应的性别和年龄包括：将所述用户面部图像输入至DNN模型中，输出所述用户对应的性别和年龄。
在本可选的实现方式中，摄像头采集的面部信息以图片格式传入DNN模型。DNN模型首先将图片数据进行面部识别（FaceDetect），并标定面部位置。然后依据标定的面部位置进行图像裁剪（ImgCrop）。接着将裁剪后的面部图像数据分别进行性别预测（GenderInfer）和年龄预测（AgeInfer)。
示例性地，该方案针对性别预测定义为一个分类问题，性别预测网络中的输出层是softmax类型，有2个节点，表示“男”和“女”两类。
示例性地，针对年龄预测定义为一个分类问题，分为以下年龄组[(0–2), (4–6),(8–12), (15–20), (25–32), (38–43), ( 48–53), (60–100)]。因此，年龄预测网络在最后的softmax层中有8个节点，表示提到的年龄范围。
作为本实施例一种可选的实现方式，基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重包括：对所述侧面图像和所述用户背面图像进行预处理，得到对应的二值化图像；在所述二值化图像中标定出所述用户对应的像素；基于所述用户对应的像素、用户所处图像中的像素总数确定所述体重；基于所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，利用成像原理确定身高。
在本可选的实现方式中，首先将图像信息进行灰度化处理，生成灰度图。接着将灰度图进行高斯模糊处理，生成高斯滤波图像。然后将高斯滤波图像进行二值化处理，并标定出用户的像素位置信息。最终通过用户像素信息与整个图像的比例关系，计算出用户的高度、体重。
利用OpenCV库将摄像头B、C采集的图像数据经OpenCV传统算法统计出用户图像所占该图像的百分比（用户所占像素总数/整张图片像素总数）用于计算用户体重。利用摄像头B、C图像用户部分Y轴向距离最远的像素之间的像素数量值计算用户身高（两个方向的身高像素数取平均值）。
作为本实施例一种可选的实现方式，基于所述用户对应的像素、用户所处图像中的像素总数确定体重包括：基于代表图像高度的像素数和像素密度确定代表图像高度的尺寸；基于所述代表图像高度的尺寸、所述用户与图像采集装置的距离、以及等效焦距确定图像对应的实际高度；基于代表用户背向宽度像素数和像素密度确定图像背向宽度；基于所述图像背向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的背向宽度；基于所述图像的侧向宽度像素数和像素密度确定图像侧向宽度；基于所述侧向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的侧向宽度；基于所述用户的背向宽度、所述用户的侧向宽度、图像对应的实际高度、所述侧面图像中代表用户像素的总数、所述背面图像中代表用户像素的总数、侧面图像分辨率、背面图像分辨率、以及人体密度确定所述体重。
计算体重的基本算法基于长方体公式计算求得，具体为把摄像头B、C采集的图像组成方体，两张图像的用户所占像素数同该长方体存在比例关系，由此计算出用户体重。
参考图3，是W1、W2、H的空间关系示意图；基于图4可直接确定用户身高；W1、W2确定用户的体型比例关系；最终人体的体重=（W1，W2两个面人体像素所占图像比例值）乘以（W1，W2两个面总像素图像在实际空间中的体积）乘以（人体密度）
示例性地，参考图4，在计算体重时依据三角公式计算用户图像对应的实际高度（即用户所占位置截面的高度值）：
/z；其中，为像素密度，x代表图像宽度像素数；y代表图像高度像素数；z代表图像尺寸(单位：英寸）；
=（/>/ ppi）×25.4，其中，/>代表图像高度的像素数（单位：个）；/>代表图像高度的尺寸（单位：cm）；25.4代表英寸与毫秒换算；
，其中，H代表图像对应的实际高度，即用户背景高度（单位：cm）；d代表用户与相机镜头距离，f代表等效焦距（单位：cm）
进一步地，用户图像对应的背向宽度，用户背向宽度即背向最宽位置的长度：
/z；/>=（/>/ ppi）×25.4；/>
进一步地，用户图像对应的侧向宽度，用户侧向宽度即用户侧向最宽位置的长度，比如一般在胸部或者腹部：
/z ；/>=（/>/ ppi）×25.4；/>；
Kg；
其中:Kg为体重，代表侧面图像中用户所占像素总数（单位：个）；/>代表背向图像中用户所占图像总数（单位：个）；/>代表用户侧向的整个图像分辨率（单位：个）；代表用户背向的整个图像分辨率（单位：个）；/>代表用户密度（单位：kg//>）。
作为本实施例一种可选的实现方式，所述方法还包括：基于预设变量对所述体重进行修正。
在本可选的实现方式中，考虑到成像误差和患者着装等其他因素，故引入变量用于修正误差，/>代表计算系数（取值范围在0.7-0.99），在修正后，最终的体重G=Kg×r。
作为本实施一种可选的实现方式，基于所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，利用成像原理确定身高包括：分别确定所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，并基于所述极远值确定像素平均值作为用户身高的像素数；基于所述用户身高像素数和像素密度确定用户的图像身高，其中，所述像素密度基于图像宽度像素数、图像高度像素数和图像尺寸确定；基于所述图像身高、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的身高。
在本可选的实现方式中，计算身高的基本算法基于三角形公式计算求得，具体为摄像头B、C采集的图像中Y方向患者像素的极远值，然后通过成像原理中的三角形像素换算出患者真实身高。
参考图4，依据三角公式，计算用户身高：
；
即；
其中: 表示用户图像身高；h表示用户身高；f代表等效焦距；d代表用户与相机镜头距离；上述身高、等郊焦距和用户与相机镜头距离的单位均是厘米，d取值150cm至300cm为最优。
作为本实施例一种可选的实现方式，基于所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，利用成像原理确定身高包括：分别确定所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，并基于所述极远值确定像素平均值作为用户身高的像素数；基于所述用户身高像素数和像素密度确定用户的图像身高，其中，所述像素密度基于图像宽度像素数、图像高度像素数和图像尺寸确定；基于所述图像身高、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的身高。
在本可选的实现方式中，计算图像身高：
=（/>/ ppi）×25.4，其中，/>代表身高像素数；25.4代表英寸与毫秒换算；
依据三角公式，计算用户身高：
；即：/>；其中，/>代表患者图像身高；h代表用户身高；f代表等效焦距；d代表患者与相机镜头距离；d取值150cm至300cm为最佳，上述单位均为厘米。
作为本实施例一种可选的实现方式，所述基于不同预设部位的2D图像，确定所述用户对应的特征数据还包括：基于所述用户侧面图像和所述用户背面图像确定用户对应的体型；或者，对所述侧面图像和所述用户背面图像进行分割，基于分割的结果确定用户对应的体型。
在本可选的实现方式中，基于身高、体重、性别和年龄可以自适应确定射线源辐射剂量，为了进一步提高射线源辐射剂量的精确合理性，可以继续引入体型数据确定辐射剂量。
示例性地，在确定体型数据时，可以基于前述的三个参数标定用户体型，用户体型包括但是不限于瘦高型、矮胖型等。
示例性地，还可以通过图像分割技术对图像中的用户图像分割出来，基于分割出来的图像数据确定体型，分割所采用的方法在此不做限定。
进一步地，在得到体型数据后，将性别、年龄、身高、体重和体型发送至CT扫描系统，以使CT扫描系统匹配出对应的辐射剂量。
本实施例实现了针对大功率CT系统，在保证成像质量的前提下，精准控制射线辐射剂量，实现了最大限度降低辐射剂量的目标。
上为本申请的一个或多个实施例提供的方法，基于同样的思路，本申请还提供了相应的一种CT系统，包括至少一个图像采集装置，采集用户不同预设部位的2D图像；服务端，从所述至少一个图像采集装置获取不同预设部位的2D图像，并确定所述用户对应的特征数据；CT扫描系统，从所述服务端获取所述特征数据，并基于所述特征数据匹配与所述用户对应的辐射剂量值。
可选地，基于不同预设部位的2D图像确定所述用户对应的特征数据包括：获取第一图像采集装置采集的用户侧面图像；获取第二图像采集装置采集的用户背面图像；获取第三图像采集装置采集的用户面部图像；基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重；基于所述用户面部图像确定所述用户对应的年龄；其中，各个所述图像采集装置环绕设置，被采集图像的用户的位置点位于环绕圈中心点，所述各个图像采集装置与所述用户的距离在预设值内。
可选地，所述基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重包括：对所述侧面图像和所述用户背面图像进行预处理，得到对应的二值化图像；在所述二值化图像中标定出所述用户对应的像素；基于所述用户对应的像素、用户所处图像中的像素总数确定所述身高和体重。
可选地，基于所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，利用成像原理确定身高包括：分别确定所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，并基于所述极远值确定像素平均值作为用户身高的像素数；基于所述用户身高像素数和像素密度确定用户的图像身高，其中，所述像素密度基于图像宽度像素数、图像高度像素数和图像尺寸确定；基于所述图像身高、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的身高。
可选地，基于所述用户对应的像素、用户所处图像中的像素总数确定体重包括：基于代表图像高度的像素数和像素密度确定代表图像高度的尺寸；基于所述代表图像高度的尺寸、所述用户与图像采集装置的距离、以及等效焦距确定图像对应的实际高度；基于代表用户背向宽度像素数和像素密度确定图像背向宽度；基于所述图像背向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的背向宽度；基于所述图像的侧向宽度像素数和像素密度确定图像侧向宽度；基于所述侧向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的侧向宽度；基于所述用户的背向宽度、所述用户的侧向宽度、图像对应的实际高度、所述侧面图像中代表用户像素的总数、所述背面图像中代表用户像素的总数、侧面图像分辨率、背面图像分辨率、以及人体密度确定所述体重。
可选地，所述方法还包括：基于预设变量对所述体重进行修正。
可选地，基于所述用户面部图像确定所述用户对应的性别和年龄包括：将所述用户面部图像输入至DNN模型中，输出所述用户对应的性别和年龄。
图5为本发明实施例提供的电子设备实体结构示意图，如图5所示，电子设备50包括：处理器501（processor）、存储器502（memory）和总线503；
其中，处理器501、存储器502通过总线503完成相互间的通信；处理器501用于调用存储器502中的程序指令，以执行上述各方法实施例所提供的方法。
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的存储介质。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各实施例或者实施例的某些部分的方法。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (7)
1.一种射线源辐射剂量自适应方法，其特征在于，包括
从至少一个图像采集装置获取其采集的用户不同预设部位的2D图像，其中，各个所述图像采集装置环绕设置，被采集图像的用户的位置点位于环绕圈中心点，所述各个图像采集装置与所述用户的距离在预设值内；
基于不同预设部位的2D图像，确定所述用户对应的特征数据；
将所述特征数据发送至CT扫描系统中，以使所述CT扫描系统基于所述特征数据匹配与所述用户对应的辐射剂量值，其中，不同的辐射剂量值由不同的电压、电流和扫描时长确定；
其中，基于不同预设部位的2D图像，确定所述用户对应的特征数据包括：获取第一图像采集装置采集的用户侧面图像；获取第二图像采集装置采集的用户背面图像；基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重；获取第三图像采集装置采集的用户面部图像；基于所述用户面部图像确定所述用户对应的性别和年龄；
其中，基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重包括：对所述侧面图像和所述用户背面图像进行预处理，得到对应的二值化图像；在所述二值化图像中标定出所述用户对应的像素；基于所述用户对应的像素、用户所处图像中的像素总数确定体重；基于所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，利用成像原理确定身高；
基于所述用户对应的像素、用户所处图像中的像素总数确定体重包括：基于代表图像高度的像素数和像素密度确定代表图像高度的尺寸；基于所述代表图像高度的尺寸、所述用户与图像采集装置的距离、以及等效焦距确定图像对应的实际高度；基于代表用户背向宽度像素数和像素密度确定图像背向宽度；基于所述图像背向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的背向宽度；基于所述图像的侧向宽度像素数和像素密度确定图像侧向宽度；基于所述图像侧向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的侧向宽度；基于所述用户的背向宽度、所述用户的侧向宽度、图像对应的实际高度、所述侧面图像中代表用户像素的总数、所述背面图像中代表用户像素的总数、侧面图像分辨率、背面图像分辨率、以及人体密度确定所述体重。
2.根据权利要求1所述的射线源辐射剂量自适应方法，其特征在于，基于所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，利用成像原理确定身高包括：
分别确定所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，并基于所述极远值确定像素平均值作为用户身高的像素数；
基于所述用户身高像素数和像素密度确定用户的图像身高，其中，所述像素密度基于图像宽度像素数、图像高度像素数和图像尺寸确定；
基于所述图像身高、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的身高。
3.根据权利要求1所述的射线源辐射剂量自适应方法，其特征在于，所述方法还包括：
基于预设变量对所述体重进行修正。
4.根据权利要求1所述的射线源辐射剂量自适应方法，其特征在于，所述基于不同预设部位的2D图像，确定所述用户对应的特征数据还包括：
基于所述用户侧面图像和所述用户背面图像确定用户对应的体型；
或者，对所述侧面图像和所述用户背面图像进行分割，基于分割的结果确定用户对应的体型。
5.根据权利要求1所述的射线源辐射剂量自适应方法，其特征在于，基于所述用户面部图像确定所述用户对应的性别和年龄包括：
将所述用户面部图像输入至DNN模型中，输出所述用户对应的性别和年龄。
6.一种CT系统，包括：
至少一个图像采集装置，采集用户不同预设部位的2D图像，其中，各个所述图像采集装置环绕设置，被采集图像的用户的位置点位于环绕圈中心点，所述各个图像采集装置与所述用户的距离在预设值内；
服务端，从所述至少一个图像采集装置获取不同预设部位的2D图像，并确定所述用户对应的特征数据；
CT扫描系统，从所述服务端获取所述特征数据，并基于所述特征数据匹配与所述用户对应的辐射剂量值；
基于不同预设部位的2D图像，确定所述用户对应的特征数据包括：获取第一图像采集装置采集的用户侧面图像；获取第二图像采集装置采集的用户背面图像；基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重；获取第三图像采集装置采集的用户面部图像；基于所述用户面部图像确定所述用户对应的性别和年龄；
其中，基于所述用户侧面图像和所述用户背面图像分别确定所述用户对应的身高和体重包括：对所述侧面图像和所述用户背面图像进行预处理，得到对应的二值化图像；在所述二值化图像中标定出所述用户对应的像素；基于所述用户对应的像素、用户所处图像中的像素总数确定体重；基于所述用户侧面图像和所述用户背面图像中用户在Y轴向的像素极远值，利用成像原理确定身高；
基于所述用户对应的像素、用户所处图像中的像素总数确定体重包括：基于代表图像高度的像素数和像素密度确定代表图像高度的尺寸；基于所述代表图像高度的尺寸、所述用户与图像采集装置的距离、以及等效焦距确定图像对应的实际高度；基于代表用户背向宽度像素数和像素密度确定图像背向宽度；基于所述图像背向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的背向宽度；基于所述图像的侧向宽度像素数和像素密度确定图像侧向宽度；基于所述图像侧向宽度、所述用户与图像采集装置的距离、以及等效焦距确定所述用户的侧向宽度；基于所述用户的背向宽度、所述用户的侧向宽度、图像对应的实际高度、所述侧面图像中代表用户像素的总数、所述背面图像中代表用户像素的总数、侧面图像分辨率、背面图像分辨率、以及人体密度确定所述体重。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1~5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410206117.9A CN117770850B (zh) | 2024-02-26 | 2024-02-26 | 一种射线源辐射剂量自适应方法、ct系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410206117.9A CN117770850B (zh) | 2024-02-26 | 2024-02-26 | 一种射线源辐射剂量自适应方法、ct系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117770850A CN117770850A (zh) | 2024-03-29 |
| CN117770850B true CN117770850B (zh) | 2024-06-04 |
Family
ID=90394869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410206117.9A Active CN117770850B (zh) | 2024-02-26 | 2024-02-26 | 一种射线源辐射剂量自适应方法、ct系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117770850B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010075308A (ja) * | 2008-09-25 | 2010-04-08 | Fujifilm Corp | 放射線撮影装置および方法 |
| JP2017067708A (ja) * | 2015-10-02 | 2017-04-06 | 東芝メディカルシステムズ株式会社 | 被ばく線量管理システム |
| CN110384481A (zh) * | 2018-04-22 | 2019-10-29 | 西诺嘉医药有限公司 | 来自摄像机视图显示器的bmi、身体及其它物件测量 |
| CN112450955A (zh) * | 2020-11-27 | 2021-03-09 | 上海优医基医疗影像设备有限公司 | 一种ct成像自动剂量调整方法、ct成像方法、系统 |
| CN115844436A (zh) * | 2022-11-29 | 2023-03-28 | 南京安科医疗科技有限公司 | 一种基于计算机视觉的ct扫描方案自适应制定方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2479717B (en) * | 2010-04-13 | 2015-03-11 | Mirada Medical | Method for estimating radiation exposure of a patient and radiation exposure monitoring system therefor |
| KR20140082721A (ko) * | 2011-09-30 | 2014-07-02 | 칠드런즈 호스피탈 메디칼 센터 | 컴퓨팅 토모그래피(ct) 방사선 선량에 대한 일관되고 검증가능한 최적화 방법 |
| KR101878095B1 (ko) * | 2017-02-07 | 2018-07-12 | 동의대학교 산학협력단 | 전방의 깊이 영상을 이용한 사람의 키 추정 방법 및 장치 |
| US10702219B2 (en) * | 2017-09-15 | 2020-07-07 | General Electric Company | Methods, systems, and apparatus for determining radiation doses |
-
2024
- 2024-02-26 CN CN202410206117.9A patent/CN117770850B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010075308A (ja) * | 2008-09-25 | 2010-04-08 | Fujifilm Corp | 放射線撮影装置および方法 |
| JP2017067708A (ja) * | 2015-10-02 | 2017-04-06 | 東芝メディカルシステムズ株式会社 | 被ばく線量管理システム |
| CN110384481A (zh) * | 2018-04-22 | 2019-10-29 | 西诺嘉医药有限公司 | 来自摄像机视图显示器的bmi、身体及其它物件测量 |
| CN112450955A (zh) * | 2020-11-27 | 2021-03-09 | 上海优医基医疗影像设备有限公司 | 一种ct成像自动剂量调整方法、ct成像方法、系统 |
| CN115844436A (zh) * | 2022-11-29 | 2023-03-28 | 南京安科医疗科技有限公司 | 一种基于计算机视觉的ct扫描方案自适应制定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117770850A (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6929047B2 (ja) | 画像処理装置、情報処理方法及びプログラム | |
| EP3496383A1 (en) | Image processing method, apparatus and device | |
| US10783655B2 (en) | System and method for assisted patient positioning | |
| CN108111749B (zh) | 图像处理方法和装置 | |
| US8860816B2 (en) | Scene enhancements in off-center peripheral regions for nonlinear lens geometries | |
| CN110766639A (zh) | 图像增强方法、装置、移动设备及计算机可读存储介质 | |
| US20180330496A1 (en) | Generation Of Personalized Surface Data | |
| CN112450955A (zh) | 一种ct成像自动剂量调整方法、ct成像方法、系统 | |
| CN113610887A (zh) | 胶囊内窥镜运动拍摄路径的确定方法、存储介质和设备 | |
| US20220027602A1 (en) | Deep Learning-Based Three-Dimensional Facial Reconstruction System | |
| KR20220040872A (ko) | 영상처리방법 및 이를 이용한 영상처리장치 | |
| CN115082777A (zh) | 基于双目视觉的水下动态鱼类形态测量方法及装置 | |
| CN117770850B (zh) | 一种射线源辐射剂量自适应方法、ct系统 | |
| CN112261399B (zh) | 胶囊内窥镜图像三维重建方法、电子设备及可读存储介质 | |
| JP2023522818A (ja) | 画像最適化方法、関連モデルの訓練方法、装置、機器及びプログラム | |
| CN112507818A (zh) | 一种基于近红外图像的光照估计方法及系统 | |
| WO2020031515A1 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| CN114627014A (zh) | 图像处理方法、图像处理装置、存储介质与电子设备 | |
| US10425629B2 (en) | System for dense registration of two-dimensional depth images | |
| CN116982998B (zh) | Ct系统动态调整x射线辐射剂量的方法及系统 | |
| JP2020160945A (ja) | 画像処理装置及び画像処理方法、プログラム、記憶媒体 | |
| WO2022091869A1 (ja) | 医用画像処理装置、医用画像処理方法及びプログラム | |
| CN114037801B (zh) | 一种基于高动态范围成像的点云融合系统及方法 | |
| CN117649602B (zh) | 基于人工智能的图像处理方法及系统 | |
| CN112669405B (zh) | 图像重建方法、系统、可读存储介质和设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |