CN114693571A - 一种医学扫描成像方法、装置及*** - Google Patents
一种医学扫描成像方法、装置及*** Download PDFInfo
- Publication number
- CN114693571A CN114693571A CN202011636907.9A CN202011636907A CN114693571A CN 114693571 A CN114693571 A CN 114693571A CN 202011636907 A CN202011636907 A CN 202011636907A CN 114693571 A CN114693571 A CN 114693571A
- Authority
- CN
- China
- Prior art keywords
- scanning
- medical
- frame
- initial
- image
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 129
- 238000010586 diagram Methods 0.000 claims abstract description 7
- 241001465754 Metazoa Species 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 37
- 238000013519 translation Methods 0.000 claims description 15
- 238000002059 diagnostic imaging Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims description 4
- 239000000523 sample Substances 0.000 description 37
- 210000000056 organ Anatomy 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 241000283973 Oryctolagus cuniculus Species 0.000 description 7
- 230000004927 fusion Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 4
- 239000012805 animal sample Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 210000001835 viscera Anatomy 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种医学扫描成像方法,包括:基于初始扫描框获取扫描对象的初始医学影像;获取扫描对象的可见光图像;对所述可见光图像以及所述初始医学影像进行融合,得到定位指导图;基于所述定位指导图对所述初始扫描框进行调整,得到成像扫描框;基于所述成像扫描框对扫描对象进行医学影像扫描。本发明可以针对具体的扫描对象进行自动的扫描范围调整,不需要进行人为摆位,能够适应个体差异。
Description
技术领域
本发明涉及医学影像扫描技术领域,尤其涉及一种医学扫描成像方法、装置及***。
背景技术
DICOM(Digital Imaging and Communications in Medicine)即医学数字成像和通信,是医学影像和相关信息的国际标准(ISO 12052)。它定义了质量能满足临床需要的可用于数据交换的医学影像格式。DICOM被广泛应用于放射医疗,心血管成像以及放射诊疗诊断设备(X射线,CT,MR,超声等),并且在眼科和牙科等其它医学领域得到越来越深入广泛的应用。在数以万计的在用医学成像设备中,DICOM是部署最为广泛的医疗信息标准之一。当前大约有百亿级符合DICOM标准的医学影像用于临床使用。
在现有的医院现状中,DICOM扫描形成的生理结构图一般用于定位各个生理位置和确定病变情况,为影像摆位提供指导。DICOM数据一般为后处理数据,经过采集和重建后生成的2D或者3D矩阵。
操作者指导扫描对象摆位旨在获得更加有效的重建数据,例如对身体全方位扫描和病变位置更精准的定位等,但是目前医院对摆位指导参考的标准一般仅限于视频影像指导或者AI智能定位,个体差异影响因素无法消除。
发明内容
有鉴于此,有必要提供一种医学扫描成像方法、装置及***,用以解决目前医学扫描无法准确定位扫描对象的目标扫描位置,依赖于扫描对象的准确摆位,无法消除个体差异影响的问题。
本发明一个实施例提供一种医学扫描成像方法,包括:
基于初始扫描框获取扫描对象的初始医学影像;
获取扫描对象的可见光图像;
对所述可见光图像以及所述初始医学影像进行融合,得到定位指导图;
基于所述定位指导图对所述初始扫描框进行调整,得到成像扫描框;
基于所述成像扫描框对扫描对象进行医学影像扫描。
本方法另一实施例中,所述方法还包括:设置初始扫描框;
所述设置扫描框包括:
设置不同种类动物的扫描框样本,建立扫描框数据库;
获取扫描对象的种类,从所述扫描框数据库中选择与扫描对象相应的扫描框样本,得到所述初始扫描框。
本方法另一实施例中,所述设置不同种类动物的扫描框样本包括:
根据动物种类设置扫描框的中心点以及扫描框的尺寸;
在所述扫描框内针对多个扫描目标划分多个子框,并设置多个子框之间的相对位置关系,得到所述扫描框样本。
本方法另一实施例中,所述获取扫描对象的种类包括:
根据可见光图像识别所述扫描对象的种类。
本方法另一实施例中,所述获取扫描对象的可见光图像包括:
获取扫描对象的视频流,获取所述视频流中与所述初始医学影像的扫描时刻相对应的帧作为所述可见光图像。
本方法另一实施例中,所述对所述可见光图像以及所述初始医学影像进行融合,得到定位指导图包括:
分别获取所述可见光图像和所述初始医学影像的特征点;
基于所述特征点对所述可见光图像和所述初始医学影像进行点云配准,得到所述可见光图像与所述初始医学影像之间的旋转角和平移量;
基于所述旋转角和平移量对所述可见光图像和初始医学影像的相对位置进行调整;
对所述可见光图像和初始医学影像进行像素叠加,得到所述定位指导图。
本方法另一实施例中,所述基于所述定位指导图对所述初始扫描框进行调整,得到成像扫描框包括:
根据所述定位指导图中初始医学影像部分设置目标扫描框;
计算所述目标扫描框与所述初始扫描框的偏差值;
基于所述偏差值对所述初始扫描框进行调整,得到所述目标扫描框。
本方法另一实施例中,基于所述成像扫描框对扫描对象进行医学影像扫描之前,还包括:
在所述扫描对象上标记所述成像扫描框,获取包含成像扫描框标记的可见光标记图像;
通过对比所述可见光标记图像与所述定位指导图判断扫描对象是否发生移动,如果发生移动,则重新进行成像扫描框的确定,否则以当前成像扫描框对扫描对象进行医学影像的扫描。
本发明另一实施例还提供一种医学扫描成像装置,包括处理器以及存储器,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,实现所述医学扫描成像方法。
本发明另一实施例还提供一种医学扫描成像***,包括所述医学扫描成像装置,还包括医学影像装置以及可见光图像获取装置;
所述医学影像装置用于基于初始扫描框对扫描对象进行扫描得到初始医学影像,并将所述初始医学影像发送至所述医学扫描成像装置;
所述可见光图像获取装置用于采集扫描对象的可见光图像,并将所述可见光图像发送至所述医学扫描成像装置;
所述医学扫描成像装置用于基于所述初始医学影像以及所述可见光图像,采用所述医学扫描成像方法,获取所述成像扫描框,并将所述成像扫描框发送至所述医学影像装置;
所述医学影像装置用于基于所述成像扫描框对扫描对象进行医学影像扫描。
有益效果:本发明首先基于初始扫描框获取扫描对象的初始医学影像,与此同时获取扫描对象的可见光图像,这两张图像分别描述了扫描对象的内部生理结构和可视化的外部身体结构。为了在扫描对象的外部身体上准确标注包括扫描目标的临床扫描范围,将能够描述内部生理结构的医学影像融合至可见光图像中,从而实现了扫描对象内部生理结构与外部身体结构相对位置关系的可视化,在内部生理结构可视化的前提下,进行初始扫描框的调整,得到成像扫描框,从而保证了成像扫描框中可以准确包含扫描目标。最后基于成像扫描框进行医学影像的扫描,即可保证扫描的精准度。本发明实现了成像扫描框的自动调整定位,避免了扫描过程中凭借经验对扫描对象进行摆位的过程,解除了扫描效果对与人为摆位准确性的依赖。同时,扫描范围可以自动调整,消除了凭借经验进行摆位扫描时存在的个体差异,针对特定的扫描对象设置相应的成像扫描框,得到最为适合和准确的扫描效果。
附图说明
图1为本发明提供的医学扫描成像方法第一实施例的方法流程图;
图2为本发明提供的医学扫描成像***第一实施例的***架构图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
如图1所示,本发明的一实施例提供了医学扫描成像方法,以下简称本方法,包括:
S1、基于初始扫描框获取扫描对象的初始医学影像;
S2、获取扫描对象的可见光图像;
S3、对所述可见光图像以及所述初始医学影像进行融合,得到定位指导图;
S4、基于所述定位指导图对所述初始扫描框进行调整,得到成像扫描框;
S5、基于所述成像扫描框对扫描对象进行医学影像扫描。
目前,在进行医学影像扫描时,扫描对象在扫描中的位置难以确定,在现有的应用中,因为没有实时的内部生理结构定位图通过可视化的方式协助操作者确定扫描位置,更多的是依靠操作者的肉眼和直觉确定位置,这就会导致最终成像出现偏差,无法获得清晰有效的医学影像。本方法提出了一种有效的方式,来可视化地帮助操作者确定所关注的扫描目标的生理位置,同时,根据融合得到的定位指导图划定更加精确可靠的成像扫描框。
具体的,首先基于初始扫描框获取扫描对象的初始医学影像,医学影像可以是扫描对象的CT scout图像,与此同时获取扫描对象的可见光图像,这两幅图像分别描述了扫描对象不可视的内部生理结构和可视化的外部身体结构。为了在扫描对象的外部身体上准确定位扫描目标所在的临床扫描范围,将能够描述内部生理结构的初始医学影像融合至可见光图像中,从而实现了扫描对象内部生理结构与外部身体结构相对位置关系的可视化,得到定位指导图。基于定位指导图,在内部生理结构可视化的前提下,进行初始扫描框的调整,得到成像扫描框,从而保证了成像扫描框中可以准确包含扫描目标(扫描的目标生理结构)。同时所定义的成像扫描框是在定位指导图中定义的,其相对于可见光图像的位置信息可基于与初始扫描框的偏差间接获取到,从而使得获取到的成像扫描框可以准确描述扫描范围相对于扫描对象的外部身体结构的位置信息。最后基于成像扫描框进行医学扫描得到医学影像,可保证扫描成像的精准度,不需刻意进行扫描对象的摆位。
本方法实现了成像扫描框的自动调整定位,避免了扫描过程中凭借经验对扫描对象进行摆位的过程,解除了扫描效果对于人为摆位准确性的依赖。同时,扫描范围可以自动调整,消除了凭借经验进行摆位扫描时存在的个体差异,针对特定的扫描对象设置相应的成像扫描框,在保证了成像扫描框中准确包含扫描目标的前提下,获取了成像扫描框相对于扫描对象外部身体结构的位置信息,最终得到最为适合和准确的扫描效果。
本方法的另一实施例中,所述方法还包括:设置初始扫描框。
所述设置初始扫描框包括:
所述扫描对象为动物,设置不同种类动物的扫描框样本,建立扫描框数据库。
获取扫描对象的种类,从所述扫描框数据库中选择与扫描对象相应的扫描框样本,得到所述初始扫描框。
对于人来说,尤其是成年人,其体型大小、各脏器的分布以及在身体上的相对位置是大致相同的,而且是公知的医学常识,因此针对人设置初始的扫描框可以根据经验进行设置。但是对于动物来说,其种类繁多,不同种类的动物因其体型大小、脏器分布、脏器位置均有不同,如果仅仅凭借经验和常识进行设置很容易出现错误或偏差。本发明实施例在设置初始扫描框之前先建立扫描框数据库,该扫描框数据库中存储了不同种类动物的扫描框样本,在设置初始扫描框时,只需要根据动物种类在扫描数据库中选择相应的扫描框样本,再根据扫描框样本进行扫描即可,从而使得初始扫描框的设置不再依赖于经验常识,提高了初始扫描框设置的效率和精确性。
本方法的另一实施例中,所述设置不同种类动物的扫描框样本包括:
根据动物种类设置扫描框的中心点以及扫描框的尺寸;
在所述扫描框内针对多个扫描目标划分多个子框,并设置多个子框之间的相对位置关系,得到所述扫描框样本。
不同种类动物的体型大小、脏器位置分布、脏器大小都是不同的。通过扫描框的中心点和尺寸这两项参数来实现扫描框样本的确定,可以对不同种类动物的不同扫描目标进行准确描述。具体的,设置扫描框样本时先确定中心点,然后确定尺寸。例如,需要对兔子的心脏进行扫描时,需要确定兔子心脏的中心点作为扫描框样本的中心点,然后根据兔子心脏的大小设置扫描框样本的尺寸。扫描框样本的形状根据扫描目标进行设置,可以为矩形、圆形、椭圆形等,不同形状的扫描框样本的尺寸采用不同的参数进行描述,例如矩形采用长和宽,圆形采用半径或直径,椭圆形采用长轴和短轴。
扫描框样本的中心点和尺寸的设置依赖于坐标系的建立,设置扫描框样本时,其坐标系的建立可以基于动物身体上的特征点实现,例如基于两只眼睛、两个耳朵、鼻子等,用于建立坐标系的特征点可以根据动物自身的特点进行选择,可以选择动物身上较为突出的特征点。例如对兔子进行扫描时,可以选择它的两个耳朵为基准建立坐标系,以两个耳朵尖角的连线作为X轴,两个耳朵尖角连线的中垂线作为Y轴,建立坐标系。需要扫描兔子的心脏,则获取心脏中心点在所建立的坐标系中的位置坐标,然后根据其心脏大小设置扫描框样本的尺寸,得到兔子的扫描框样本。
另外,如果针对扫描对象的扫描目标只有一种,例如只有心脏,那么在设置扫描框样本时,只需要设置扫描框的中心点位置和大小(即尺寸)即可。但是,在很多场景下,存在对扫描对象的多个脏器,即多个扫描目标进行同时扫描的需求,此时,仅仅设置一个扫描框的大小和位置则无法对各个脏器的位置进行精确标注。针对这一问题,在设置扫描框样本时,首先设置扫描框将所有需要扫描的扫描目标包括在内,然后在扫描框中设置各个扫描目标对应的子框,子框的设置同样包括中心点和大小两部分,参考前述扫描框的设置方式进行设置即可;同时标注多个子框之间的相对位置关系,即多个脏器(即多个扫描目标)之间的相对位置关系,便于后续扫描时对各个脏器进行精确定位,并分别针对每个脏器进行扫描。
具体的,针对同种类动物设置扫描框样本时,虽然同种类动物的脏器分布、脏器位置是相同的,但是同种类不同年龄阶段动物的体型大小仍有区别,其各脏器在身体上的相对位置也是不同的。针对某一种动物设置扫描框样本时,优先选择体型大小在同一设定范围内的动物样本,根据多个动物样本设置多个扫描框并取其平均值(包括中心点坐标的平均值以及大小的平均值)作为最终的扫描框样本。同时将所选取的动物样本的体型大小设定范围的中位值标注于所述扫描框样本上,在根据动物种类选择设置了相应的扫描框样本后,根据所述可见光图像获取动物的体型大小数据,根据所述体型大小数据与所述中位值的比值,对所述扫描框样本进行缩小或放大,得到最终的初始扫描框,从而使得初始扫描框能够适应于同种类不同体型大小的动物。体型大小数据可以采用头围、身长、手长、腿长、身宽等进行描述,同样是根据不同种类的动物进行选择即可,优先选取能够明显区分同种类动物不同体型大小的数据。
本方法的另一实施例中,所述获取扫描对象的种类包括:
根据可见光图像识别所述扫描对象的种类。
通过可见光图像实现对扫描对象的种类的自动识别,从而进一步解除了扫描过程对于人的依赖,实现扫描过程更高程度上的自动化。在一个实施例中,用于识别扫描对象的种类的可见光图像不同于用于与初始医学影像进行融合的可见光图像。在一个实施例中,用于识别扫描对象的种类的可见光图像为第一可见光图像,用于与初始医学影像进行融合的可见光图像为第二可见光图像。第一可见光图像和第二可见光图像为同一类型图像,但图像获取的时间不同。第一可见光图像在对动物种类进行识别时获得,可以为多角度拍摄的多幅照片。第二可见光图像为与初始医学影像的扫描时刻相对应的视频流的帧或者同一时刻拍摄的照片。
具体的,根据可见光图像对扫描对象的动物种类进行识别,可以采用神经网络训练的方式实现。首先,采集各类动物的样本图像,对样本图像进行特征点提取,得到特征点向量。应该注意的是,这里的样本图像应该是动物在扫描***时的图像,与扫描***差别较大的***的图像可以无需获取,以减小训练难度,同时提高模型识别精度。对每一样本图像进行种类标签标注,以特征点向量作为输入,以种类标签作为输出,对神经网络进行训练,得到动物种类识别模型,通过动物种类识别模型即可实现基于可见光图像的动物种类识别。
样本图像特征点的提取可以采用LLE(Locally Linear Embedding)算法,即局部线性嵌入算法实现,其包括:
根据样本图像构造k邻近图,并计算任意两个样本图像之间的相似度,结合每两个样本图像之间的相似度构造相似度矩阵,对相似度矩阵进行特征分解,取分解得到的前m个特征向量作为特征提取的结果。
神经网络的隐层节点为聚类算法得到的聚类中心。
在一个实施例中,聚类算法选择K-means算法,包括:
以各样本图像的特征点向量作为数据点;
设置与动物种类数量相同的个数的初始的聚类中心;
对于任意一张样本图像,分别计算其对应的数据点到各聚类中心的距离,并将相应的样本图像归入距离最近的聚类中心所在的类;
计算每一类中所有数据点的平均值作为该类更新后的聚类中心,判断每一类当前的聚类中心与上一次的聚类中心之间的差值是否均小于设定阈值,如果是,则输出当前聚类结果,否则返回上一步进行下一次聚类,直到当前所有类的聚类中心与上一次的聚类中心的差值小于设定阈值为止。
本方法的另一实施例中,所述获取扫描对象的可见光图像包括:
获取扫描对象的视频流,获取所述视频流中与所述初始医学影像的扫描时刻相对应的帧作为所述可见光图像。
为了保证可见光图像与初始医学影像是同一时刻的图像,首先获取扫描对象的视频流,然后从视频流中选取相应的帧,得到同一时刻的可见光图像与初始医学影像,以便提高后续图像融合的精度。在获取视频帧时,需要在扫描对象保持稳定状态时进行拍摄,以便后续抓取视频流中相应的帧,获取完整清晰的一张图片。对于动物等一些扫描对象来说,在获取视频流和初始医学影像时,其状态可能不受控制,很难保持稳定,一般需要先对动物进行用药使其状态稳定后再进行***的固定,最后再获取视频帧和初始医学影像。
在另一实施例中,所述同时获取扫描对象的可见光图像包括:采用高分辨率多目摄像头对扫描对象全方位拍照,然后对不同方位的照片进行融合处理得到可见光图像。
本方法的另一实施例中,所述对所述可见光图像以及所述初始医学影像进行融合,得到定位指导图包括:
分别获取所述可见光图像和所述初始医学影像的特征点;
基于所述特征点对所述可见光图像和所述初始医学影像进行点云配准,得到所述可见光图像与所述初始医学影像之间的旋转角和平移量;
基于所述旋转角和平移量对所述可见光图像和初始医学影像的相对位置进行调整,然后对所述可见光图像和初始医学影像进行像素叠加,得到所述定位指导图。
对可见光图像和初始医学影像进行融合,得到定位指导图,以便后续基于定位指导图进行初始扫描框的调整,确定最终的扫描范围。
具体的,通过HRNet获取两张图的特征点,通过ICP(Iterative Closest Point,迭代最近点)点云配准获得可见光图像和初始医学影像之间的平移量和旋转角,并进行相应的平移和旋转。
具体的,HRNet即High Resolution NET,它能够在特征提取过程中保持图像高分辨率表示,以高分辨率子网开始作为第一阶段,按高分辨率到低分辨率的顺序逐个添加子网以形成更多阶段,并且并行连接多分辨率子网。在特征提取过程中反复交换并行多分辨率子网中信息来进行重复的多尺度融合。
具体的,在一个实施例中对所述可见光图像和所述初始医学影像进行ICP点云配准包括:
将所述可见光图像和所述初始医学影像分别划分为目标区域和背景区域两个区域;
分别针对目标区域和背景区域进行ICP点云配准,得到目标区域的旋转角和平移量以及背景区域的旋转角以及平移量;ICP算法是一种迭代计算方法,通过迭代,最小化源数据(可见光图像)与目标数据(初始医学影像)的对应点来实现精确地拼合;
分别设置目标区域的配准权重和背景区域的配准权重;
计算目标区域与背景区域的旋转角加权和,计算目标区域与背景区域的平移量加权和,得到最终的可见光图像与初始医学影像之间的旋转角和平移量。
目标区域的配准权重和背景区域的配准权重,可以根据目标区域的配准误差和背景区域的配准误差进行设置,目标区域的配准权重与背景区域的配准权重之和为1。
背景区域和目标区域的划分基于区域生长法实现:设置阈值上限和阈值下限,区域点数在阈值上限和阈值下限之间的范围为目标区域,区域点数小于阈值下限或大于阈值上限的范围为背景区域。
完成点云配准得到可见光图像与初始医学影像之间的平移量和旋转角后,即可融合得到定位指导图。具体的,先根据平移量和旋转角对可见光图像或初始医学影像进行旋转及平移,使得可见光图像与初始医学影像的方向一致。然后根据扫描对象的大小设置图片裁剪大小,对可见光图像和初始医学影像进行裁剪到同一大小,例如256*256。将以上生成的裁剪后的可见光图像和初始医学影像进行像素级融合,即将可见光图像和初始医学影像中相应像素点的像素值分别乘以0.5后相加,得到定位指导图。
本方法的另一实施例中,所述基于所述定位指导图对所述初始扫描框进行调整,得到成像扫描框包括:
根据所述定位指导图中初始医学影像部分设置目标扫描框;
计算所述目标扫描框与所述初始扫描框的偏差值;
基于所述偏差值对所述初始扫描框进行调整,得到所述目标扫描框。
对初始扫描框进行调整,得到成像扫描框,具体的,在通过上述步骤获取到定位指导图后,定位指导图中可以观察到扫描对象的内部生理结构,以及内部生理结构与外部身体结构的相对关系,通过观察定位指导图中扫描对象的内部生理结构准确选择扫描目标的位置及范围,设置目标扫描框。目标扫描框可以采用滑动框的方式来设置,即通过移动滑动框来设置目标扫描框的位置,通过拖拉滑动框的方式来设置目标扫描框的大小。由于初始扫描框的位置已知,因此根据初始扫描框的位置和目标扫描框(移动、拖拉好后的最终滑动框)的位置,即可确定初始扫描框与扫描目标之间的位置偏差值以及大小偏差值,从而最终确定成像扫描框的位置和大小。应该理解的,成像扫描框的位置为相对位置,即相对于初始扫描框的位置,该相对位置用于指导用户对初始扫描框进行调整以获取最佳的扫描效果。记录初始扫描框的起始位置和起始位置的偏差值作为成像扫描框的起始位置,记录初始扫描框的大小和大小偏差值作为成像扫描框的大小,从而准确定义临床扫描范围。
具体的,当有多个扫描目标,即需要对多个脏器同时进行扫描时,由于初始扫描框中已经包含了各个子框的分布以及各个子框的相对位置关系,因此进行成像扫描框确定时,只需要确定初始扫描框,即最大范围框的偏差值,则初始扫描框内所包含的多个子框的大小偏差值和位置偏差值即可同时得到,在此也就不再过多赘述。
本方法的另一实施例中,基于所述成像扫描框对扫描对象进行医学影像扫描之前,还包括:
在所述扫描对象上标记所述成像扫描框,获取包含成像扫描框标记的可见光标记图像;
通过对比所述可见光标记图像与所述定位指导图判断扫描对象是否发生移动,如果发生移动,则重新进行成像扫描框的确定,否则以当前成像扫描框对扫描对象进行医学影像的扫描。
在扫描过程中,即从基于初始扫描框进行初始医学影像扫描成像到基于成像扫描框进行医学影像扫描成像之间的这段时间里,应该尽量保持扫描对象的***状态稳定,这样才能保证后续扫描结果的准确。如果扫描对象在扫描过程中发生较大的***移动,则调整得到的成像扫描框显然就不再适应。在一些特殊情况下,例如对儿童或动物进行扫描时,保持状态的稳定显然不是特别的容易,很多时候扫描对象已经发生了***移动,但是这种***移动无法通过肉眼准确快速识别,从而导致后续扫描工作变成了无用功,降低了扫描的效率和精度。有鉴于此,在成像扫描框调整确认之后,在扫描医学影像之前,还进行了扫描对象的***移动确认步骤。具体实现为:将成像扫描框标记到扫描对象身上,标记的方式有很多种,只要能够在扫描对象上体现可见的成像扫描框标记即可。本实施例采用向扫描对象投射可见光束形成可见光标记的方式实现。成像扫描框标记设置好后重新采集扫描对象的可见光图像,得到可见光标记图像,该图像准确描述了当前时刻扫描对象与成像扫描框之间的相对位置关系。对比定位指导图中的成像扫描框与可见光图像中扫描对象的相对位置关系,判断当前相对位置关系是否发生较大变化,即两张可见光图像中成像扫描框的旋转角和平移量是否均大于设定阈值,如果是,则说明扫描对象的***发生了较大的变化,当前的成像扫描框已经不再适用,需要重新调整,否则说明扫描对象的***没有发生较大变化,当前的成像扫描框仍然使适用,以当前的成像扫描框直接扫描获取医学影像即可。
当然,应该理解的是,由于可见光图像的获取、初始医学影像的获取、可见光图像与初始医学影像之间的融合、基于定位指导图的成像扫描框确定,这些步骤均是通过计算机程序自动化完成的,因此完成此过程的时间其实是非常短的,只需要扫描对象在这段非常短的时间内保持相对稳定的***,成像扫描框的确定和扫描均可一次性完成,不需要重复,即***校验步骤为优选可选步骤。
本发明的另一实施例提供了医学扫描成像装置,包括处理器以及存储器,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,实现实施例1提供的医学扫描成像方法。
本发明实施例提供的医学扫描成像装置,用于实现医学扫描成像方法,因此,医学扫描成像方法所具备的技术效果,医学扫描成像装置同样具备,在此不再赘述。
如图2所示,本发明另一实施例还提供医学扫描成像***,包括医学扫描成像装置1,还包括医学影像装置2以及可见光图像获取装置3;在一个实施例中,医学影像装置2包括CT扫描设备,可见光图像获取装置3包括光学摄像头。
所述医学影像装置2用于基于初始扫描框对扫描对象进行扫描得到初始医学影像,并将所述初始医学影像发送至所述医学扫描成像装置1。
所述可见光图像获取装置3用于采集扫描对象的可见光图像,并将所述可见光图像发送至所述医学扫描成像装置1。
所述医学扫描成像装置1用于基于所述初始医学影像以及所述可见光图像,采用所述医学扫描成像方法,获取所述成像扫描框,并将所述成像扫描框发送至所述医学影像装置2。
所述医学影像装置2用于基于所述成像扫描框对扫描对象进行医学影像扫描。
医学扫描成像装置1可以集成于医学影像装置2中,也可以是单独设置的终端。
本发明实施例提供的医学扫描成像***,包括医学扫描成像装置1,因此,医学扫描成像装置1所具备的技术效果,医学扫描成像***同样具备,在此不再赘述。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种医学扫描成像方法,其特征在于,包括:
基于初始扫描框获取扫描对象的初始医学影像;
获取扫描对象的可见光图像;
对所述可见光图像以及所述初始医学影像进行融合,得到定位指导图;
基于所述定位指导图对所述初始扫描框进行调整,得到成像扫描框;
基于所述成像扫描框对扫描对象进行医学影像扫描。
2.根据权利要求1所述的医学扫描成像方法,其特征在于,所述方法还包括:设置初始扫描框;
所述设置初始扫描框包括:
设置不同种类动物的扫描框样本,建立扫描框数据库;
获取扫描对象的种类,从所述扫描框数据库中选择与扫描对象相应的扫描框样本,得到所述初始扫描框。
3.根据权利要求2所述的医学扫描成像方法,其特征在于,所述设置不同种类动物的扫描框样本包括:
根据动物种类设置扫描框的中心点以及扫描框的尺寸;
在所述扫描框内针对多个扫描目标划分多个子框,并设置多个子框之间的相对位置关系,得到所述扫描框样本。
4.根据权利要求2所述的医学扫描成像方法,其特征在于,所述获取扫描对象的种类包括:
根据可见光图像识别所述扫描对象的种类。
5.根据权利要求1所述的医学扫描成像方法,其特征在于,所述获取扫描对象的可见光图像包括:
获取扫描对象的视频流,获取所述视频流中与所述初始医学影像的扫描时刻相对应的帧作为所述可见光图像。
6.根据权利要求1所述的医学扫描成像方法,其特征在于,所述对所述可见光图像以及所述初始医学影像进行融合,得到定位指导图包括:
分别获取所述可见光图像和所述初始医学影像的特征点;
基于所述特征点对所述可见光图像和所述初始医学影像进行点云配准,得到所述可见光图像与所述初始医学影像之间的旋转角和平移量;
基于所述旋转角和平移量对所述可见光图像和初始医学影像的相对位置进行调整;
对所述可见光图像和初始医学影像进行像素叠加,得到所述定位指导图。
7.根据权利要求1所述的医学扫描成像方法,其特征在于,所述基于所述定位指导图对所述初始扫描框进行调整,得到成像扫描框包括:
根据所述定位指导图中初始医学影像部分设置目标扫描框;
计算所述目标扫描框与所述初始扫描框的偏差值;
基于所述偏差值对所述初始扫描框进行调整,得到所述目标扫描框。
8.根据权利要求1所述的医学扫描成像方法,其特征在于,基于所述成像扫描框对扫描对象进行医学影像扫描之前,还包括:
在所述扫描对象上标记所述成像扫描框,获取包含成像扫描框标记的可见光标记图像;
通过对比所述可见光标记图像与所述定位指导图判断扫描对象是否发生移动,如果发生移动,则重新进行成像扫描框的确定,否则以当前成像扫描框对扫描对象进行医学影像的扫描。
9.一种医学扫描成像装置,其特征在于,包括处理器以及存储器,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,实现如权利要求1-8中任一项所述的医学扫描成像方法。
10.一种医学扫描成像***,其特征在于,包括如权利要求9所述的医学扫描成像装置,还包括医学影像装置以及可见光图像获取装置;
所述医学影像装置用于基于初始扫描框对扫描对象进行扫描得到初始医学影像,并将所述初始医学影像发送至所述医学扫描成像装置;
所述可见光图像获取装置用于采集扫描对象的可见光图像,并将所述可见光图像发送至所述医学扫描成像装置;
所述医学扫描成像装置用于基于所述初始医学影像以及所述可见光图像,采用所述医学扫描成像方法,获取所述成像扫描框,并将所述成像扫描框发送至所述医学影像装置;
所述医学影像装置用于基于所述成像扫描框对扫描对象进行医学影像扫描。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011636907.9A CN114693571A (zh) | 2020-12-31 | 2020-12-31 | 一种医学扫描成像方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011636907.9A CN114693571A (zh) | 2020-12-31 | 2020-12-31 | 一种医学扫描成像方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693571A true CN114693571A (zh) | 2022-07-01 |
Family
ID=82133906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011636907.9A Pending CN114693571A (zh) | 2020-12-31 | 2020-12-31 | 一种医学扫描成像方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693571A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5740802A (en) * | 1993-04-20 | 1998-04-21 | General Electric Company | Computer graphic and live video system for enhancing visualization of body structures during surgery |
CN109727223A (zh) * | 2018-12-27 | 2019-05-07 | 上海联影医疗科技有限公司 | 一种医学图像自动融合方法和*** |
CN110299199A (zh) * | 2019-06-28 | 2019-10-01 | 上海联影医疗科技有限公司 | 医学影像扫描方法、装置、计算机设备和存储介质 |
CN110942493A (zh) * | 2019-11-28 | 2020-03-31 | 南京安科医疗科技有限公司 | 一种ct***中自动生成扫描区域的方法 |
CN111012371A (zh) * | 2019-12-17 | 2020-04-17 | 东软医疗***股份有限公司 | Ct扫描建像的方法及ct扫描建像的装置 |
-
2020
- 2020-12-31 CN CN202011636907.9A patent/CN114693571A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5740802A (en) * | 1993-04-20 | 1998-04-21 | General Electric Company | Computer graphic and live video system for enhancing visualization of body structures during surgery |
CN109727223A (zh) * | 2018-12-27 | 2019-05-07 | 上海联影医疗科技有限公司 | 一种医学图像自动融合方法和*** |
CN110299199A (zh) * | 2019-06-28 | 2019-10-01 | 上海联影医疗科技有限公司 | 医学影像扫描方法、装置、计算机设备和存储介质 |
CN110942493A (zh) * | 2019-11-28 | 2020-03-31 | 南京安科医疗科技有限公司 | 一种ct***中自动生成扫描区域的方法 |
CN111012371A (zh) * | 2019-12-17 | 2020-04-17 | 东软医疗***股份有限公司 | Ct扫描建像的方法及ct扫描建像的装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11576645B2 (en) | Systems and methods for scanning a patient in an imaging system | |
US11576578B2 (en) | Systems and methods for scanning a patient in an imaging system | |
JP5797352B1 (ja) | 3次元物体を追跡するための方法 | |
DE102006005036B4 (de) | Vorrichtung und Verfahren zur verbesserten Formcharakterisierung | |
EP3406196A1 (en) | X-ray system and method for standing subject | |
CN107909622B (zh) | 模型生成方法、医学成像的扫描规划方法及医学成像*** | |
US20110282151A1 (en) | Image-based localization method and system | |
BRPI0919448B1 (pt) | método para o rastreamento de uma unidade folicular e sistema para o rastreamento de uma unidade folicular. | |
CN110246580B (zh) | 基于神经网络和随机森林的颅侧面影像分析方法和*** | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
WO2021104153A1 (en) | Systems and methods for automated calibration | |
Kyme et al. | Markerless motion estimation for motion-compensated clinical brain imaging | |
CN112001889A (zh) | 医学影像处理方法、装置及医学影像显示方法 | |
GB2358752A (en) | Surface or volumetric data processing method and apparatus | |
CN110084805B (zh) | Fov参数设定方法、装置及图像处理设备 | |
US10102638B2 (en) | Device and method for image registration, and a nontransitory recording medium | |
CN115919461B (zh) | 一种基于slam的手术导航方法 | |
EP4184433A2 (en) | System and methods for medical image quality assessment using deep neural networks | |
CN114693571A (zh) | 一种医学扫描成像方法、装置及*** | |
US10049480B2 (en) | Image alignment device, method, and program | |
CN115908121B (zh) | 内窥镜配准方法及装置和标定*** | |
EP3968215A1 (en) | Determining target object type and position | |
KR102534981B1 (ko) | 표면 영상유도 기반의 환자 위치 정렬 및 모니터링 시스템 | |
US20220096165A1 (en) | Interventional device tracking | |
CN116983084A (zh) | 一种穿支皮瓣三维导航方法和*** |
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 |