CN109381212A - 一种成像控制方法和系统 - Google Patents
一种成像控制方法和系统 Download PDFInfo
- Publication number
- CN109381212A CN109381212A CN201811131376.0A CN201811131376A CN109381212A CN 109381212 A CN109381212 A CN 109381212A CN 201811131376 A CN201811131376 A CN 201811131376A CN 109381212 A CN109381212 A CN 109381212A
- Authority
- CN
- China
- Prior art keywords
- interest
- area
- sweep parameter
- locating plate
- scan
- 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 55
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 12
- 238000003384 imaging method Methods 0.000 claims abstract description 36
- 238000010801 machine learning Methods 0.000 claims description 31
- 210000000056 organ Anatomy 0.000 claims description 18
- 238000003909 pattern recognition Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 210000001519 tissue Anatomy 0.000 description 19
- 210000002216 heart Anatomy 0.000 description 17
- 230000008569 process Effects 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 6
- 238000012417 linear regression Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 230000001537 neural effect Effects 0.000 description 4
- 210000003625 skull Anatomy 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 210000003695 paranasal sinus Anatomy 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/54—Control of apparatus or devices for radiation diagnosis
-
- 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]
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/545—Control of apparatus or devices for radiation diagnosis involving automatic set-up of acquisition parameters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种成像控制方法和系统，所述方法包括：获取至少一个定位片；获取所述至少一个定位片对应的扫描协议；根据所述扫描协议和所述至少一个定位片确定感兴趣区域；生成所述感兴趣区域的扫描参数；以及基于所述感兴趣的扫描参数控制生成所述感兴趣区域的扫描图像。基于定位片来自动确定扫描参数进而控制生成感兴趣区域的扫描图像的成像方法，可以降低调整扫描参数的时间并提升诊断准确率，是一种简单且行之有效的方法。
Description
技术领域
本发明涉及医疗技术领域，特别涉及一种根据定位片自动确定扫描参数进行成像控制的方法和系统。
背景技术
计算机断层成像设备(Computed Tomography，CT)是医院常用的影像诊断设备。CT使用X射线束对人体特定部位按照一定厚度的层面进行扫描，由于人体各组织的疏密程度不同，导致X射线的穿透程度不同，通过探测器可以检测透过人体的X射线信号，并将所述X射线信号转换成数字信号由计算机进行处理，生成CT图像，医护人员可以根据该图像对人体进行检测。
对典型的CT操作，操作员首先需要进行定位扫描，经过定位扫描可以获得定位片(Topogram)，然后操作员可以根据定位片选择合适的扫描参数并在定位片上标记预扫描部位的开始扫描位置和结束扫描位置、角度层厚等，再根据定位片上的标记对人体的特定部位进行扫描。
具体地，如图1所示，CT系统进行定位扫描的方法包括以下步骤：病人(101)平躺在检查床上，X光管和病人保持相对静止，在检查床匀速移动的过程中进行CT扫描，得到如图1所示的定位片(102)；定位片上显示有定位像，在CT系统中可以获取检查床的开始位置参数(L1)、检查床的结束位置参数(L4)、定位像的开始位置参数(L1’)以及定位像的结束位置参数(L4’)；然后可以用标记线或planbox在定位像上标记出预扫描部位的开始扫描位置参数(L2’)和结束扫描位置参数(L3’)。根据以上位置参数在水平方向上与床码位置一一对应的关系可以获得预扫描部位在检查床上的开始扫描位置参数(L2)和结束扫描位置参数(L3)。
在现有技术中，上述定位过程通常是由医生手动操作完成，这种方式会出现以下问题：1)手动调整扫描参数的准确率依赖于操作者的经验，操作不熟练会造成扫描参数准确率相对较低，影响诊断结果的准确性；2)操作时间较长，降低了工作效率。因此，有必要研发一种能够基于定位片自动选择扫描参数来控制成像的方法和系统，有助于降低调整扫描参数的时间并提升诊断准确率。
发明内容
针对现有技术在医学成像设备扫描过程中不能自动选择扫描参数，进而影响感兴趣区域扫描图像获取的问题，本发明的目的在于提供一种基于定位片自动确定感兴趣区域扫描参数，利用所述感兴趣区域扫描参数控制生成感兴趣区域的图像的方法和系统，可以降低调整扫描参数的时间并提升诊断准确率，是一种简单且行之有效的方法。
为达到上述发明目的，本发明提供的技术方案如下：
一方面，本发明提供了一种成像方法，所述方法包括：获取至少一个定位片；获取所述至少一个定位片对应的扫描协议，所述扫描协议包括扫描部位；根据所述扫描协议和所述至少一个定位片自动确定感兴趣区域；生成所述感兴趣区域的扫描参数；以及基于所述感兴趣的扫描参数控制生成所述感兴趣区域的扫描图像。
在本发明中，所述至少一个定位片包括正位片或侧位片。
在本发明中，根据所述扫描协议和所述至少一个定位片自动确定感兴趣区域包括：获取所述至少一个定位片相关的图像特征；以及基于所述图像特征，利用模式识别的方法确定所述感兴趣区域。
在本发明中，所述生成感兴趣区域的扫描参数包括：将所述感兴趣区域与扫描参数数据库中的数据进行匹配，获得与所述感兴趣区域相对应的扫描参数。
在本发明中，所述扫描参数数据库至少包括与人体器官和/或组织对应的扫描参数。
在本发明中，所述生成感兴趣区域的扫描参数包括：将所述感兴趣区域输入到训练好的机器学习模型，通过所述机器学习模型生成所述感兴趣区域的扫描参数；其中，所述机器学习模型通过历史扫描区域和历史扫描参数训练而成。
在本发明中，所述基于所述感兴趣区域的扫描参数控制生成感兴趣区域的扫描图像的方法包括：将所述生成的感兴趣区域的扫描参数自动写入所述扫描协议，根据所述扫描协议以控制生成所述感兴趣区域的扫描图像。
一方面，本发明提供了一种成像控制装置，所述装置至少包括一个处理器以及存储介质，所述存储介质用于存储计算机指令，所述处理器用于执行所述计算机指令以实现本发明所披露的成像方法。
一方面，本发明提供了一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，可以实现本发明所披露的成像方法。
一方面，本发明实施例提供了一种成像控制系统，所述系统包括获取单元、感兴趣区域确定单元、扫描参数生成单元和成像控制单元。所述获取单元用于获取至少一个定位片以及所述至少一个定位片对应的扫描协议，所述扫描协议包括扫描部位；所述感兴趣区域确定单元用于根据所述扫描协议和所述至少一个定位片自动确定感兴趣区域；所述扫描参数生成单元用于生成所述感兴趣区域的扫描参数；以及所述成像控制单元用于基于所述感兴趣区域的扫描参数控制生成所述感兴趣区域的扫描图像。
在本发明中，所述至少一个定位片包括正位片或侧位片。
在本发明中，所述感兴趣区域确定单元可以获取所述至少一个定位片相关的图像特征；以及基于所述图像特征，利用模式识别的方法确定所述感兴趣区域。
在本发明中，所述扫描参数生成单元可以将所述感兴趣区域与扫描参数数据库中的数据进行匹配，获得与所述感兴趣区域对应的扫描参数。
在本发明中，所述扫描参数数据库至少包括与人体器官和/或组织对应的扫描参数。
在本发明中，所述扫描参数生成单元可以将所述感兴趣区域输入到训练好的机器学习模型，通过所述机器学习模型生成所述感兴趣区域的扫描参数；其中，所述机器学习模型通过历史扫描区域和历史扫描参数训练而成。
在本发明中，所述成像控制单元可以将所述生成的感兴趣区域的扫描参数自动写入所述扫描协议，以及根据所述扫描协议以控制生成所述感兴趣区域的扫描图像。
与现有技术相比，本发明的有益效果表现如下：
1)相较于传统手动调整扫描参数而言，基于定位片自动确定扫描参数不仅可以方便医生的操作，而且可以大大简化CT扫描过程中的准备时间，从而提高临床的检查效率；
2)利用模式识别的方法能够精确地识别定位像中的感兴趣区域；
3)利用建立的扫描参数数据库信息自动匹配感兴趣区域的扫描参数；
4)利用训练好的机器学习模型自动确定感兴趣区域的扫描参数。
附图说明
图1是CT系统利用定位片获取病人预扫描范围的示意图；
图2是本发明的与CT系统结合的成像控制系统的结构示意图；
图3是本发明的基于定位片自动确定扫描参数进行成像控制的示例性流程图；和
图4是本发明的感兴趣区域的一个实例。
图1标记：101为平躺在检查床上的真实人体，102为通过CT系统对所述真实人体扫描得到的定位片；
图2标记：200为典型的CT系统，包括：201为X射线管，202为准直器，203为X射线，204为探测器，205为高压发生器，206为准直器驱动器，207为旋转驱动器，208为位置控制器，209为检查床；210为成像控制系统，包括：211为获取单元，212为感兴趣区域确定单元，213为扫描参数生成单元，214为成像控制单元。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图和实施例对本发明的具体实施方式做详细的说明。
为了完整地了解本发明，请参考图2，表示本发明以较佳实施方式的与CT系统结合使用的成像控制系统的结构示意图。所述CT系统200包括但不限于X射线管201，准直器202，X射线203，探测器204，高压发生器205，准直器驱动器206，旋转驱动器207，位置控制器208和检查床209。所述成像控制系统210包括获取单元211，感兴趣区域确定单元212，扫描参数生成单元213和成像控制单元214。
通过CT系统200进行定位扫描以获得病人的定位片，医生可以根据病人的定位片确定病人的解剖学标记，用以决定CT扫描的精确位置和范围。在定位扫描过程中，病人可以按照操作员要求的姿势(如平躺)躺在检查床上，X射线管201和病人应保持相对静止。当扫描启动后，运行控制计算机(图1中未示出)发出扫描指令，使旋转机架(图1中未示出)在旋转控制器207的作用下旋转到操作员规定的指定位置。之后高压发生器205迅速到达要求的电压并在扫描期间使X射线管201的电压和电流保持在预先设定的水平，从而X射线管产生X射线束203，所述X射线束203经过准直器202校准后，穿过位于检查床209上的病人并发生部分衰减。所述准直器202可以用来校准从X射线管201发射出的X射线束203到期望宽度，具体地，通过控制准直器驱动器206来控制所述准直器202。探测器204可以接收所述经过衰减之后的X射线束203并将其转换为相应的电信号。同时所述运行控制计算机中的数据获取系统(图1中未示出)以均匀的采样速率采集所述电信号，并将所述电信号转换为数字信号。然后图像生成系统(图1中未示出)将所述数字信号进行处理以获得定位片。
所述X射线管201、准直器202和探测器204可以固定在所述旋转机架上。对于本领域的普通技术人员可知，在CT系统进行定位扫描过程中，X射线管201和探测器204应保持固定，同时检查床209以恒定速度沿轴向(垂直于x方向和y方向，如图2所示)移动，从而所述CT系统200可以对病人的特定部位进行扫描并获得相应的定位片。
获取单元211可以用于从所述CT系统200中获取其拍摄的至少一种定位片。在一些实施例中，所述定位片可以是正位片和/或侧位片。所述正位片是指当X射线管201位于人体正上方位置处，所述CT系统通过定位扫描病人的特定部位而获得的定位片。所述侧位片是指当X射线管201位于人体左侧或右侧位置处，所述CT系统通过定位扫描病人的特定部位而获得的定位片。可选地，对于本领域的普通技术人员而言，所述CT系统执行拍摄定位片的操作均是根据所述CT系统中的扫描协议来执行的。所述扫描协议包括与定位片对应的扫描部位和定位片扫描参数。
可以理解的是，同时将正位片和侧位片作为成像控制系统210的输入，有助于感兴趣区域确定单元212实现对感兴趣区域进行精确的识别和定位。
在一些实施例中，获取单元211可以直接或间接来获取所述至少一种定位片。例如，当操作员通过所述获取单元211发出获取指令后，所述CT系统200响应所述获取指令，并将CT系统的相应部件自动调整到预设位置(如将X射线管201调整到12点钟位置，或3点钟位置，或9点钟位置)来直接获取所述定位片。又例如，当所述CT系统执行完所述定位扫描后，将生成的定位片存储在一个单独的存储介质中(如数据库(图中未示出))，所述获取单元211可以从所述存储介质中获得定位片。
在一些实施例中，获取单元211可以获取所述定位片对应的扫描协议。所述扫描协议包括定位片扫描部位。例如，所述扫描部位可以是人体的组织或器官，例如鼻窦、心脏、肺部等。在一些实施例中，所述扫描协议进一步包括扫描参数。所述扫描参数包括但不限于所述扫描部位对应的扫描类型(如平扫、增强扫描)、曝光条件、视野(FOV)、扫描角度和扫描范围等。在一些实施例中，所述定位片的扫描范围(比如，包括开始扫描位置和结束扫描位置)包括待扫描的感兴趣区域。也就是，在所述定位片中包括了所述待扫描的感兴趣区域图像。
感兴趣区域确定单元212用于对所述获取的定位片进行处理，确定感兴趣区域(Region of Interest,ROI)。在一些实施例中，所述感兴趣区域可以是待扫描的人体的某一器官或组织。由于人体中不同的器官或组织对X射线具有不同的衰减系数，因此不同的器官或组织所生成的定位片具有不同的特征。所述感兴趣区域确定单元212可以通过模式识别方法利用所述不同的器官或组织的图像特征信息，并基于扫描协议中所设置的对应的扫描部位和扫描参数信息，进而识别出所述感兴趣区域。可选地，所述图像特征信息包括但不限于图像的梯度特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等其中一种或多种。所述模式识别方法包括图像处理方法，比如，图像滤波、图像分割等。
具体地，通过对图像进行滤波处理可以实现减少或消除图像噪声对图像特征信息的干扰，进一步利用图像分割的方法分割或识别出所述感兴趣区域。可选地，典型的图像分割方法包括基于边缘检测的方法、阈值分割方法、基于聚类的分割方法、基于区域的分割方法、基于小波变换的边缘检测方法等。
在一些实施例中，所述感兴趣区域确定单元212还可以通过调用用于模式识别的第一机器学习模型来识别所述感兴趣区域。所述第一机器学习模型存储在所述运行计算器中的存储介质中。例如，所述用于模式识别的机器学习模型通过输入所述定位片的图像特征信息，输出并识别出相应的感兴趣区域。
在一些实施例中，所述感兴趣区域可以在定位片上以矩形框或一条或多条标记线(如图1所示)来标识。
在一些实施例中，所述感兴趣区域可以是用来测试CT性能(如CT值)的模体(如标准的均匀水模)。如图4所示的标准水模体的CT定位像，图中箭头所指带的矩形框(planbox)即为所述感兴趣区域，可以通过所述感兴趣确定单元212对所述CT定位像进行处理来确定所述感兴趣区域。
扫描参数生成单元213可以与所述感兴趣确定单元212进行通信，以获得所述感兴趣区域的特征信息(例如，心脏的位置信息)进而生成相应的扫描参数。所述扫描参数可以包括但不限于扫描类型(如平扫、增强扫描)、曝光条件、视野(FOV)、扫描角度和扫描范围等。
在一些实施例中，扫描参数生成单元213可以根据所述生成的感兴趣区域自动生成扫描范围。例如，通过所述感兴趣区域确定单元212在定位片中利用模式识别和查询相应的扫描协议的方法来识别感兴趣区域(如，心脏)。所述扫描参数生成单元213获得心脏在定位片中的坐标，然后根据所述坐标信息自动生成心脏扫描范围，比如，开始扫描位置和结束扫描位置，并将所述生成的扫描范围写入所述CT系统200的扫描协议中来控制针对心脏的轴向扫描。
在一些实施例中，扫描参数生成单元213可以通过对所述生成的感兴趣区域与扫描参数数据库中的数据进行匹配进而获得所述感兴趣区域对应的扫描参数。所述扫描参数数据库至少包括与人体器官和/或组织对应的扫描参数。可选地，所述扫描参数数据库记录了大量的不同病人的历史扫描数据。例如，当所述CT系统200扫描某一病人时，会将相应的扫描参数上传到所述扫描参数数据库进行储存。在一些实施例中，所述扫描参数数据库可以记录一家或多家医疗机构或科研机构的扫描参数数据。可选地，所述扫描参数数据库还记录了默认或预设的组织或器官扫描参数。例如，以颅脑为扫描对象，其默认扫描类型是平扫、管电压是120～140kV、管电流是180～220mAs、扫描视野(FOV)是25cm、扫描范围是以听眦线为基准线向上扫描至颅顶(比如，听眦线对应检查床的位置为A，颅顶对应检查床的位置为B)。
例如，扫描参数生成单元213可以进一步地分析待扫描病人的病史和体征信息(如是否有发病史，性别，身高，体重等)，并通过访问扫描参数数据库(图中未示出)来查询是否存在与所述病人相似或相同的历史扫描参数，若存在，则可根据历史扫描参数自动设置扫描参数。若不存在，医生可根据病人的实际需求来设置扫描参数。又例如，扫描参数生成单元213可根据所述感兴趣区域(如心脏)直接调用所述扫描参数数据库中默认或预设的与人体器官和/或组织对应的扫描参数，其中预设的与人体器官和/或组织对应的扫描参数根据人体各器官或组织进行细分并一一对应。
在一些实施例中，所述扫描参数生成单元213可以调用存储在所述运行控制计算机中的存储介质中的第二机器学习模型。所述第二机器学习模型能够根据所述感兴趣区域自动输出相应的扫描参数。例如，所述感兴趣区域为第二机器学习模型的输入值，扫描参数为第二机器学习模型的输出值。在一些实施例中，所述输出值可以包括扫描参数中的一个或多个。例如，输出值仅包括扫描范围。又例如，输出值可以包括扫描范围、曝光参数等多个扫描参数的组合。
所述第二机器学习模型可以通过历史扫描区域和历史扫描参数训练而成。具体地，可以提取所述历史扫描区域的特征值来形成用于训练模型的特征向量，将所述历史扫描区域对应的历史扫描参数作为所述特征向量的标记信息，将大量特征向量及其标记信息输入到所述第二机器学习模型中进行训练以获得所述模型的参数(比如，利用梯度下降法训练获得模型参数)。以深度神经网络为例，所述深度神经网络可以包括输入层、隐藏层和输出层。每一层都可以包括多个神经元结构，每个神经元结构用于处理所述特征向量中的特征值，并将结果输出到下一层进行处理，最终通过输出层输出预测值，即，预测得到扫描参数。
可选地，所述第二机器学习模型可以包括但不限于Xgboost(Extreme GradientBoosting，极致梯形迭代)模型，决策树模型，GBDT(Gradient Boosted Decision Tree/Grdient Boosted Regression Tree)模型、线性回归模型、神经网络模型等。
成像控制单元214可以将所述感兴趣区域对应的扫描参数自动写入扫描协议中，进而生成扫描计划。在一些实施例中，所述成像控制单元214将所述扫描协议发送到CT系统200中，按照扫描协议中的扫描参数自动设置所述CT以执行对感兴趣区域的扫描。可以通过所述CT系统200获得扫描数据，并根据扫描数据重建所述感兴趣区域的图像。
在一些实施例中，所述成像控制系统210可以部署在用于控制CT扫描的运行控制计算机上。可选地，所述运行控制计算机至少包括处理器和/或计算机可读存储介质。所述计算机可读存储介质存储计算机指令，所述指令可以用于执行本发明的成像控制方法。所述运行控制计算机可以运行所述指令并执行相应的成像控制方法。所述运行控制计算机包括但不限于台式计算机、便携式计算机、平板电脑、移动终端(比如智能手机、智能手表、智能头盔、智能眼镜等)等。
仅作为示例，上述成像控制系统210与CT系统200结合使用。对于本领域技术人员而言，所述成像控制系统210可以与一个或多个类似于CT系统的成像系统结合使用，比如，正电子断层成像系统(PET)、核磁共振成像系统(MRI)，并不对此加以限制。
图3为本发明的基于定位片自动确定扫描参数进行成像控制的示例性流程图。
在步骤301中，可以通过获取单元211来获取至少一个定位片。
在一些实施例中，所述获取单元211可以通过获取指令直接控制CT系统200进行定位扫描来读取定位片。
在一些实施例中，可以先利用所述CT系统200单独获得所述定位片并将其存储到一个单独的存储介质(如数据库)，之后所述获取单元211从所述存储介质中读取所述定位片。
具体地，所述定位片包括至少一种正位片和/或侧位片。可以理解的是，所述系统210既可以以单定位像(正位片或侧位片)作为输入，也可以以多定位像(正位片和侧位片)作为输入，以进行后续自动确定扫描参数控制成像的过程。其中，与以单定位像作为输入相比，以多定位像作为输入更有助于精确对感兴趣区域进行识别和定位。
在步骤302中，可以利用获取单元211来获取所述至少一个定位片对应的扫描协议。所述扫描协议包括定位片扫描部位。例如，所述扫描部位可以是人体的组织或器官。
在一些实施例中，所述扫描协议进一步包括扫描参数。所述扫描参数包括但不限于所述扫描部位对应的扫描类型(如平扫、增强扫描)、曝光条件、视野(FOV)、扫描角度和扫描范围等。在一些实施例中，所述定位片的扫描范围(比如，包括开始扫描位置和结束扫描位置)包括待扫描的感兴趣区域。也就是，在所述定位片中包括了所述待扫描的感兴趣区域图像。
在一些实施例中，所述扫描部位可以是用来测试CT性能(如CT值)的模体(如标准的均匀水模，如图4所示)。
在步骤303中，所述感兴趣区域确定单元212可以根据所述扫描协议和所述至少一个定位片自动确定感兴趣区域。
由于人体中不同的器官或组织对X射线具有不同的衰减系数，因此所生成的关于不同的器官或组织的定位片具有不同的图像特征。例如，所述图像特征可以包括但不限于定位片图像的梯度特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等其中一种或多种。
具体地，所述感兴趣区域确定单元212可以基于所述定位片具有的特征信息，并通过查询所述获取定位片的扫描协议中的扫描部位和扫描参数信息，利用模式识别的方法对所述定位片进行处理，从而得到所述感兴趣区域。例如，假设待扫描的感兴趣区域为心脏，所述感兴趣区域确定单元212可以根据在扫描协议中记录的关于心脏的扫描参数(如扫描范围)和定位片中心脏的图像特征信息，来自动识别出心脏，并在定位片中自动标识出来。
所述模式识别方法包括图像处理方法，比如，图像滤波、图像分割等。具体地，通过对图像进行滤波处理可以实现减少或消除图像噪声对图像特征信息的干扰，进一步利用图像分割的方法分割或识别出所述感兴趣区域。可选地，典型的图像分割方法包括基于边缘检测的方法、阈值分割方法、基于聚类的分割方法、基于区域的分割方法、基于小波变换的边缘检测方法等。
在一些实施例中，所述感兴趣区域确定单元212还可以通过调用用于模式识别的第一机器学习模型来识别所述感兴趣区域。所述第一机器学习模型存储在所述运行计算器中的存储介质中。例如，所述用于模式识别的机器学习模型通过输入所述定位片的图像特征信息，输出并识别出相应的感兴趣区域。可选地，所述第一机器学习模型包括但不限于Xgboost(Extreme Gradient Boosting，极致梯形迭代)模型，决策树模型，GBDT(GradientBoosted Decision Tree/Grdient Boosted Regression Tree)模型、线性回归模型、神经网络模型等。优选地，所述第一机器学习模型为深度神经网络模型。
在步骤304中，可以通过扫描参数生成单元213根据所述感兴趣区域自动生成所述感兴趣区域的扫描参数。所述扫描参数可以包括但不限于扫描类型(平扫、增强扫描)、曝光条件、视野(FOV)、扫描角度和扫描范围等。
在一些实施例中，所述扫描参数生成单元213获得所述感兴趣区域信息并根据所述感兴趣区域信息来自动生成所述感兴趣区域的扫描参数。所述感兴趣区域信息可以包括标记点或标记线(如图1所示)的坐标和/或类别(如心脏、鼻窦、咽喉等器官或组织)等。例如，以心脏为例，通过所述扫描参数生成单元213可以获得心脏在定位片中的坐标，然后根据所述坐标信息自动生成心脏扫描范围，比如，开始扫描位置和结束扫描位置，再根据定位片中坐标在轴向上与CT系统中检查床的床码位置一一对应的关系，即可确定在扫描心脏时所需的轴向扫描范围。
在一些实施例中，所述扫描参数生成单元213可以将所述感兴趣区域信息与扫描参数数据库中的数据进行匹配进而生成所述感兴趣区域相对应的扫描参数。所述扫描参数数据库至少包括与人体器官和/或组织对应的扫描参数。可选地，所述扫描参数数据库记录了大量的不同病人的历史扫描数据。例如，当所述CT系统200扫描某一病人时，会将相应的扫描参数上传到所述扫描参数数据库进行储存。在一些实施例中，所述扫描参数数据库可以记录一家或多家医疗机构或科研机构的扫描参数数据。可选地，所述扫描参数数据库还记录了默认或预设的组织或器官扫描参数。例如，以颅脑为扫描对象，其默认扫描类型是平扫、管电压是120～140kV、管电流是180～220mAs、扫描视野(FOV)是25cm、扫描范围是以听眦线为基准线向上扫描至颅顶(比如，听眦线对应检查床的位置为A，颅顶对应检查床的位置为B)。
例如，扫描参数生成单元213可以进一步地分析待扫描病人的病史和体征信息(如是否有发病史，性别，身高，体重等)，并通过访问扫描参数数据库(图1中未示出)来查询是否存在与所述病人相似或相同的历史扫描参数，若存在，则可根据历史扫描参数自动设置扫描参数。若不存在，医生可根据病人的实际需求来设置扫描参数。又例如，扫描参数生成单元213可根据所述感兴趣区域(如心脏)直接调用所述扫描参数数据库中默认或预设的与人体器官和/或组织对应的扫描参数(如预设的关于心脏的扫描参数)。
在一些实施例中，可以通过第二机器学习模型来确定所述感兴趣区域的扫描参数。所述第二机器学习模型能够根据所述感兴趣区域自动输出相应的扫描参数。例如，所述感兴趣区域为第二机器学习模型的输入值，扫描参数为第二机器学习模型的输出值。在一些实施例中，所述输出值可以包括扫描参数中的一个或多个。例如，输出值仅包括扫描范围。又例如，输出值可以包括扫描范围、曝光参数等多个扫描参数的组合。
所述第二机器学习模型可以通过历史扫描区域和历史扫描参数训练而成。具体地，可以提取所述历史扫描区域和历史扫描参数的特征值来形成用于训练模型的特征向量，将所述历史扫描区域对应的历史扫描参数作为所述特征向量的标记信息，将大量特征向量及其标记信息输入到所述第二机器学习模型中进行训练以获得所述模型的参数(比如，利用梯度下降法训练获得模型参数)。以深度神经网络为例，所述深度神经网络可以包括输入层、隐藏层和输出层。每一层都可以包括多个神经元结构，每个神经元结构用于处理所述特征向量中的特征值，并将结果输出到下一层进行处理，最终通过输出层输出预测值，即，预测得到扫描参数。
可选地，所述第二机器学习模型可以包括但不限于Xgboost(Extreme GradientBoosting，极致梯形迭代)模型，决策树模型，GBDT(Gradient Boosted Decision Tree/Grdient Boosted Regression Tree)模型、线性回归模型、神经网络模型等。
在步骤305中，基于所述感兴趣区域的扫描参数控制生成所述感兴趣区域的扫描图像。
具体地，所述成像控制单元214可以将所述生成的感兴趣区域的扫描参数自动写入到CT系统的扫描协议中，然后根据所述扫描协议控制扫描所述感兴趣区域。进而获得扫描数据，根据所述扫描数据重建生成所述感兴趣区域的图像。
本发明所披露的基于定位片自动确定扫描参数以生成感兴趣区域的扫描图像的成像方法可以实现自动化设置扫描参数，可以在很大程度上帮助医生或操作员提高其工作效率，避免了需要花费较长的时间来调整感兴趣区域的扫描参数。
本发明的实施例还提供了一种计算机可读存储介质。可选地，在本实施例中，所述存储介质存储计算机指令，所述指令用于执行上述成像控制的方法。所述成像方法包括步骤301到步骤305中的一个或多个在步骤。当计算机或者处理器执行所述指令时，可以实现上述成像控的方法。
需要说明的是，本发明中的“自动”意为可以利用计算机或运算单元独立实现或实施相应步骤，在实现相应步骤的过程中本质上不需要用户与计算机的交互。但不排除在实现相应步骤的过程中需要用户确认各步骤计算的结果，根据计算结果选择中止或开始新的工作流程或步骤。
以上所述仅为本发明的优选实施而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种成像控制方法，其特征在于，所述方法包括：
获取至少一个定位片；
获取所述至少一个定位片对应的扫描协议，所述扫描协议包括扫描部位；
根据所述扫描协议和所述至少一个定位片自动确定感兴趣区域；
生成所述感兴趣区域的扫描参数；以及
基于所述感兴趣区域的扫描参数控制生成所述感兴趣区域的扫描图像。
2.根据权利要求1所述的成像控制方法，其特征在于，所述至少一个定位片包括正位片或侧位片。
3.根据权利要求1所述的成像控制方法，其特征在于，根据所述扫描协议和所述至少一个定位片自动确定感兴趣区域包括：
获取所述至少一个定位片相关的图像特征；以及
基于所述图像特征，利用模式识别的方法确定所述感兴趣区域。
4.根据权利要求1所述的成像控制方法，其特征在于，所述生成感兴趣区域的扫描参数包括：
将所述感兴趣区域与扫描参数数据库中的数据进行匹配，获得与所述感兴趣区域对应的扫描参数。
5.根据权利要求4所述的成像控制方法，其特征在于，所述扫描参数数据库至少包括与人体器官和/或组织对应的扫描参数。
6.根据权利要求1所述的成像控制方法，其特征在于，所述生成感兴趣区域的扫描参数包括：
将所述感兴趣区域输入到训练好的机器学习模型，通过所述机器学习模型生成所述感兴趣区域的扫描参数；其中，所述机器学习模型通过历史扫描区域和历史扫描参数训练而成。
7.根据权利要求1所述的成像控制方法，其特征在于，所述基于所述感兴趣区域的扫描参数控制生成感兴趣区域的扫描图像的方法包括：
将所述生成的感兴趣区域的扫描参数自动写入所述扫描协议；以及
根据所述扫描协议以控制生成所述感兴趣区域的扫描图像。
8.一种成像控制装置，其特征在于，包括至少一个处理器以及存储介质，其中，
所述存储介质用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令以实现如权利要求1-7中任意一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如权利要求1-7中任意一项所述的方法。
10.一种成像控制系统，其特征在于，所述系统包括获取单元、感兴趣区域确定单元、扫描参数生成单元和成像控制单元，其中，
所述获取单元用于获取至少一个定位片以及所述至少一个定位片对应的扫描协议，所述扫描协议包括扫描部位；
所述感兴趣区域确定单元用于根据所述扫描协议和所述至少一个定位片自动确定感兴趣区域；
所述扫描参数生成单元用于生成所述感兴趣区域的扫描参数；以及
所述成像控制单元用于基于所述感兴趣区域的扫描参数控制生成所述感兴趣区域的扫描图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811131376.0A CN109381212A (zh) | 2018-09-27 | 2018-09-27 | 一种成像控制方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811131376.0A CN109381212A (zh) | 2018-09-27 | 2018-09-27 | 一种成像控制方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109381212A true CN109381212A (zh) | 2019-02-26 |
Family
ID=65418220
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811131376.0A Pending CN109381212A (zh) | 2018-09-27 | 2018-09-27 | 一种成像控制方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109381212A (zh) |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109924993A (zh) * | 2019-03-07 | 2019-06-25 | 上海联影医疗科技有限公司 | 成像扫描协议自动规划方法、装置、电子设备及存储介质 |
| CN109938764A (zh) * | 2019-02-28 | 2019-06-28 | 佛山原子医疗设备有限公司 | 一种基于深度学习的自适应多部位扫描成像方法及其系统 |
| CN110084805A (zh) * | 2019-04-30 | 2019-08-02 | 东软医疗系统股份有限公司 | Fov参数设定方法、装置及图像处理设备 |
| CN110123348A (zh) * | 2019-04-15 | 2019-08-16 | 上海联影医疗科技有限公司 | 重建扫描协议制定方法、装置及设备 |
| CN110960241A (zh) * | 2019-12-09 | 2020-04-07 | 上海联影医疗科技有限公司 | 医学影像扫描的扫描参数确定方法、装置和计算机设备 |
| CN111028310A (zh) * | 2019-12-31 | 2020-04-17 | 上海联影医疗科技有限公司 | 乳腺断层扫描的扫描参数确定方法、装置、终端及介质 |
| CN111407298A (zh) * | 2020-03-16 | 2020-07-14 | 京东方科技集团股份有限公司 | 一种ct成像设备的扫描方法及扫描装置 |
| CN111968112A (zh) * | 2020-09-02 | 2020-11-20 | 广州海兆印丰信息科技有限公司 | Ct三维定位图像的获取方法、装置和计算机设备 |
| CN112089431A (zh) * | 2020-09-15 | 2020-12-18 | 上海联影医疗科技股份有限公司 | 剂量调制的优化方法、装置、电子设备和介质 |
| CN112348945A (zh) * | 2020-11-02 | 2021-02-09 | 上海联影医疗科技股份有限公司 | 定位图像生成方法、装置、设备及介质 |
| CN112741643A (zh) * | 2020-12-31 | 2021-05-04 | 苏州波影医疗技术有限公司 | 一种可自动定位和扫描的ct系统及其定位和扫描方法 |
| CN112820383A (zh) * | 2019-11-15 | 2021-05-18 | 上海联影医疗科技股份有限公司 | 医学成像方法、系统及存储介质 |
| CN113520443A (zh) * | 2021-08-19 | 2021-10-22 | 上海联影医疗科技股份有限公司 | Pet系统参数推荐方法以及pet系统 |
| CN113876348A (zh) * | 2021-11-17 | 2022-01-04 | 武汉联影生命科学仪器有限公司 | 扫描图像生成方法、系统、装置及处理设备 |
| WO2022017039A1 (en) * | 2020-07-24 | 2022-01-27 | International Business Machines Corporation | Internal and external proximate scanning |
| CN114237749A (zh) * | 2021-12-18 | 2022-03-25 | 武汉联影生命科学仪器有限公司 | 扫描系统的参数配置方法、扫描系统和电子装置 |
| CN114609564A (zh) * | 2022-03-09 | 2022-06-10 | 上海联影医疗科技股份有限公司 | 扫描方法、医学成像系统、存储介质和计算机程序产品 |
| CN114692822A (zh) * | 2020-12-31 | 2022-07-01 | 武汉联影生命科学仪器有限公司 | 扫描模型训练方法、扫描方法、装置及存储介质 |
| CN114864055A (zh) * | 2022-05-31 | 2022-08-05 | 上海联影医疗科技股份有限公司 | 组织的扫描分析方法、系统和电子装置 |
| CN115211882A (zh) * | 2021-04-19 | 2022-10-21 | 通用电气精准医疗有限责任公司 | 医学图像中的图像处理方法、图像显示方法及成像系统 |
| WO2022262871A1 (en) * | 2021-06-18 | 2022-12-22 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for medical imaging |
| US11654304B2 (en) | 2018-12-17 | 2023-05-23 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining a region of interest of a subject |
| US11672496B2 (en) | 2019-12-09 | 2023-06-13 | Shanghai United Imaging Healthcare Co., Ltd. | Imaging systems and methods |
| EP4344642A1 (en) * | 2022-09-30 | 2024-04-03 | Siemens Healthineers AG | Computer-implemented method for setting x-ray acquisition parameters |
| CN118688228A (zh) * | 2024-08-23 | 2024-09-24 | 上海超群检测科技股份有限公司 | 物体检测方法、系统及控制设备 |
| CN119363739A (zh) * | 2024-12-26 | 2025-01-24 | 青岛美迪康数字工程有限公司 | Pacs影像下载方法、设备及计算机程序产品 |
| US12502153B2 (en) | 2021-06-18 | 2025-12-23 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for medical imaging |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102327124A (zh) * | 2010-06-24 | 2012-01-25 | 西门子公司 | 选择在x射线管上设置的电压值的方法、设备和数据载体 |
| CN103385728A (zh) * | 2012-05-07 | 2013-11-13 | 上海西门子医疗器械有限公司 | X射线计算机断层扫描方法及系统 |
| CN103494613A (zh) * | 2013-09-06 | 2014-01-08 | 沈阳东软医疗系统有限公司 | 一种平片扫描方法及装置 |
| CN104905766A (zh) * | 2014-03-11 | 2015-09-16 | Ge医疗系统环球技术有限公司 | 基于定位像确定扫描参数的医疗扫描系统和方法 |
| CN107789001A (zh) * | 2017-10-31 | 2018-03-13 | 上海联影医疗科技有限公司 | 一种用于成像扫描的摆位方法和系统 |
| CN107909622A (zh) * | 2017-11-30 | 2018-04-13 | 上海联影医疗科技有限公司 | 模型生成方法、医学成像的扫描规划方法及医学成像系统 |
| CN107992817A (zh) * | 2017-06-15 | 2018-05-04 | 上海联影医疗科技有限公司 | 自动成像方法和系统 |
| CN108230261A (zh) * | 2016-12-09 | 2018-06-29 | 通用电气公司 | 基于自动器官识别的全自动图像优化 |
-
2018
- 2018-09-27 CN CN201811131376.0A patent/CN109381212A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102327124A (zh) * | 2010-06-24 | 2012-01-25 | 西门子公司 | 选择在x射线管上设置的电压值的方法、设备和数据载体 |
| CN103385728A (zh) * | 2012-05-07 | 2013-11-13 | 上海西门子医疗器械有限公司 | X射线计算机断层扫描方法及系统 |
| CN103494613A (zh) * | 2013-09-06 | 2014-01-08 | 沈阳东软医疗系统有限公司 | 一种平片扫描方法及装置 |
| CN104905766A (zh) * | 2014-03-11 | 2015-09-16 | Ge医疗系统环球技术有限公司 | 基于定位像确定扫描参数的医疗扫描系统和方法 |
| CN108230261A (zh) * | 2016-12-09 | 2018-06-29 | 通用电气公司 | 基于自动器官识别的全自动图像优化 |
| CN107992817A (zh) * | 2017-06-15 | 2018-05-04 | 上海联影医疗科技有限公司 | 自动成像方法和系统 |
| CN107789001A (zh) * | 2017-10-31 | 2018-03-13 | 上海联影医疗科技有限公司 | 一种用于成像扫描的摆位方法和系统 |
| CN107909622A (zh) * | 2017-11-30 | 2018-04-13 | 上海联影医疗科技有限公司 | 模型生成方法、医学成像的扫描规划方法及医学成像系统 |
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11654304B2 (en) | 2018-12-17 | 2023-05-23 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining a region of interest of a subject |
| US12390664B2 (en) | 2018-12-17 | 2025-08-19 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining a region of interest of a subject |
| CN109938764A (zh) * | 2019-02-28 | 2019-06-28 | 佛山原子医疗设备有限公司 | 一种基于深度学习的自适应多部位扫描成像方法及其系统 |
| CN109938764B (zh) * | 2019-02-28 | 2021-05-18 | 佛山原子医疗设备有限公司 | 一种基于深度学习的自适应多部位扫描成像方法及其系统 |
| CN109924993A (zh) * | 2019-03-07 | 2019-06-25 | 上海联影医疗科技有限公司 | 成像扫描协议自动规划方法、装置、电子设备及存储介质 |
| CN110123348A (zh) * | 2019-04-15 | 2019-08-16 | 上海联影医疗科技有限公司 | 重建扫描协议制定方法、装置及设备 |
| CN110084805A (zh) * | 2019-04-30 | 2019-08-02 | 东软医疗系统股份有限公司 | Fov参数设定方法、装置及图像处理设备 |
| CN110084805B (zh) * | 2019-04-30 | 2023-05-05 | 东软医疗系统股份有限公司 | Fov参数设定方法、装置及图像处理设备 |
| CN112820383A (zh) * | 2019-11-15 | 2021-05-18 | 上海联影医疗科技股份有限公司 | 医学成像方法、系统及存储介质 |
| CN112820383B (zh) * | 2019-11-15 | 2023-04-28 | 上海联影医疗科技股份有限公司 | 医学成像方法、系统及存储介质 |
| CN110960241A (zh) * | 2019-12-09 | 2020-04-07 | 上海联影医疗科技有限公司 | 医学影像扫描的扫描参数确定方法、装置和计算机设备 |
| US11672496B2 (en) | 2019-12-09 | 2023-06-13 | Shanghai United Imaging Healthcare Co., Ltd. | Imaging systems and methods |
| CN111028310A (zh) * | 2019-12-31 | 2020-04-17 | 上海联影医疗科技有限公司 | 乳腺断层扫描的扫描参数确定方法、装置、终端及介质 |
| CN111028310B (zh) * | 2019-12-31 | 2023-10-03 | 上海联影医疗科技股份有限公司 | 乳腺断层扫描的扫描参数确定方法、装置、终端及介质 |
| CN111407298B (zh) * | 2020-03-16 | 2024-04-16 | 京东方科技集团股份有限公司 | 一种ct成像设备的扫描方法及扫描装置 |
| CN111407298A (zh) * | 2020-03-16 | 2020-07-14 | 京东方科技集团股份有限公司 | 一种ct成像设备的扫描方法及扫描装置 |
| WO2022017039A1 (en) * | 2020-07-24 | 2022-01-27 | International Business Machines Corporation | Internal and external proximate scanning |
| CN116249474A (zh) * | 2020-07-24 | 2023-06-09 | 国际商业机器公司 | 内部和外部接近扫描 |
| US11464464B2 (en) | 2020-07-24 | 2022-10-11 | International Business Machines Corporation | Internal and external proximate scanning |
| CN111968112B (zh) * | 2020-09-02 | 2023-12-26 | 广州海兆印丰信息科技有限公司 | Ct三维定位图像的获取方法、装置和计算机设备 |
| CN111968112A (zh) * | 2020-09-02 | 2020-11-20 | 广州海兆印丰信息科技有限公司 | Ct三维定位图像的获取方法、装置和计算机设备 |
| CN112089431A (zh) * | 2020-09-15 | 2020-12-18 | 上海联影医疗科技股份有限公司 | 剂量调制的优化方法、装置、电子设备和介质 |
| CN112348945A (zh) * | 2020-11-02 | 2021-02-09 | 上海联影医疗科技股份有限公司 | 定位图像生成方法、装置、设备及介质 |
| CN112348945B (zh) * | 2020-11-02 | 2024-01-02 | 上海联影医疗科技股份有限公司 | 定位图像生成方法、装置、设备及介质 |
| CN114692822A (zh) * | 2020-12-31 | 2022-07-01 | 武汉联影生命科学仪器有限公司 | 扫描模型训练方法、扫描方法、装置及存储介质 |
| CN112741643A (zh) * | 2020-12-31 | 2021-05-04 | 苏州波影医疗技术有限公司 | 一种可自动定位和扫描的ct系统及其定位和扫描方法 |
| CN114692822B (zh) * | 2020-12-31 | 2024-09-13 | 武汉联影生命科学仪器有限公司 | 扫描模型训练方法、扫描方法、装置及存储介质 |
| CN115211882A (zh) * | 2021-04-19 | 2022-10-21 | 通用电气精准医疗有限责任公司 | 医学图像中的图像处理方法、图像显示方法及成像系统 |
| US12502153B2 (en) | 2021-06-18 | 2025-12-23 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for medical imaging |
| WO2022262871A1 (en) * | 2021-06-18 | 2022-12-22 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for medical imaging |
| CN113520443A (zh) * | 2021-08-19 | 2021-10-22 | 上海联影医疗科技股份有限公司 | Pet系统参数推荐方法以及pet系统 |
| CN113876348A (zh) * | 2021-11-17 | 2022-01-04 | 武汉联影生命科学仪器有限公司 | 扫描图像生成方法、系统、装置及处理设备 |
| CN114237749A (zh) * | 2021-12-18 | 2022-03-25 | 武汉联影生命科学仪器有限公司 | 扫描系统的参数配置方法、扫描系统和电子装置 |
| CN114609564A (zh) * | 2022-03-09 | 2022-06-10 | 上海联影医疗科技股份有限公司 | 扫描方法、医学成像系统、存储介质和计算机程序产品 |
| CN114864055A (zh) * | 2022-05-31 | 2022-08-05 | 上海联影医疗科技股份有限公司 | 组织的扫描分析方法、系统和电子装置 |
| EP4344642A1 (en) * | 2022-09-30 | 2024-04-03 | Siemens Healthineers AG | Computer-implemented method for setting x-ray acquisition parameters |
| CN118688228A (zh) * | 2024-08-23 | 2024-09-24 | 上海超群检测科技股份有限公司 | 物体检测方法、系统及控制设备 |
| CN119363739A (zh) * | 2024-12-26 | 2025-01-24 | 青岛美迪康数字工程有限公司 | Pacs影像下载方法、设备及计算机程序产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109381212A (zh) | 一种成像控制方法和系统 | |
| US10293182B2 (en) | Systems and methods for adaptive replanning based on multi-modality imaging | |
| JP6208535B2 (ja) | 放射線治療装置およびシステムおよび方法 | |
| RU2675678C1 (ru) | Управление движением в линейном ускорителе (linac), управляемом с помощью mri | |
| CN105027163B (zh) | 扫描区域确定装置 | |
| US10149987B2 (en) | Method and system for generating synthetic electron density information for dose calculations based on MRI | |
| JP2011194241A (ja) | Ｍｒ撮像スキャンパラメータの自動算定のためのシステム及び方法 | |
| US20110007959A1 (en) | Ct surrogate by auto-segmentation of magnetic resonance images | |
| CN106975163A (zh) | 用于图像引导治疗规划的自动解剖结构描绘 | |
| CN106725570A (zh) | 成像方法及系统 | |
| CN108348191A (zh) | 用于在修复手术规划中使用的带有医学植入物的患者的医学成像的系统和方法 | |
| CN103328044A (zh) | 用于建立辐照规划的方法和装置 | |
| CN103229210A (zh) | 图像配准装置 | |
| CN107865658A (zh) | 用于修正合成电子密度图的方法和设备 | |
| US9355454B2 (en) | Automatic estimation of anatomical extents | |
| DE112019007533T5 (de) | Berechnung einer atemkurve für medizinische anwendungen | |
| WO2023078679A1 (en) | Multi-session breathing guidance | |
| CN112089438B (zh) | 基于二维超声图像的四维重建方法及装置 | |
| US7668370B2 (en) | Segmenting a series of 2D or 3D images | |
| US20250127476A1 (en) | Methods, systems, and mediums for scanning | |
| CN115067980A (zh) | 扫描时相的确定方法、装置、计算机设备和存储介质 | |
| EP2737455B1 (de) | Verfahren zum auffinden der position eines schallkopfes | |
| EP4491125A1 (en) | Simulated 4d ct surviews using 3d surview and rgb-d camera for improved scan planning | |
| CN116635888B (zh) | 图像分割方法及装置、图像引导系统、放射治疗系统 | |
| DE112021006795T5 (de) | Erkennung von fremdkörpern in intraoperativen bildern |
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 | ||
| CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190226 |
|
| RJ01 | Rejection of invention patent application after publication |