模型生成方法、医学成像的扫描规划方法及医学成像系统技术方案

本发明专利技术实施例提供了模型生成方法、医学成像的扫描规划方法及医学成像系统，涉及医学图像自动扫描规划技术领域，基于深度学习方法确定人工智能网络模型，进而通过人工智能网络模型得到扫描参数，保证了扫描参数的精度。该方法包括模型生成和使用过程：模型生成过程包括：获取样本预扫描图像以及样本预扫描图像对应的样本扫描参数；根据样本扫描参数生成样本距离场；通过人工智能网络对样本预扫描图像与样本距离场进行学习，生成人工智能网络模型。模型使用过程包括：获取受检者目标区域的预扫描图像；通过人工智能网络模型对预扫描图像进行处理，得到距离场；根据距离场，确定扫描参数。本发明专利技术实施例提供的技术方案，适用于扫描规划过程中。

【技术实现步骤摘要】
模型生成方法、医学成像的扫描规划方法及医学成像系统
本专利技术涉及医学图像自动扫描规划
，尤其涉及模型生成方法、医学成像的扫描规划方法及医学成像系统。
技术介绍
在临床医学领域，常常需要对受检者目标区域进行扫描获取医学扫描图像，以辅助疾病的诊断、治疗等。对于常规的磁共振扫描过程，通常首先由医生通过低分辨率的预扫描图像(也称为定位片)识别出解剖学位置，然后手工标定参考定位线和参考中心，从而确定所需要的扫描参数，比如扫描方向、扫描中心点、扫描中心轴以及扫描窗的大小。在确定扫描参数后，根据扫描参数对解剖学位置施加扫描序列进行精确扫描。目前的磁共振扫描过程中，通过人工标定确定扫描参数，这种方法效率较低，延长了整个扫描过程所需要的时间，并且由于人工差异、经验差异，可能会造成识别结果、标定结果不一致，扫描参数的精度无法保证。
技术实现思路
有鉴于此，本专利技术实施例提供了一种模型生成方法、医学成像的扫描规划方法及医学成像系统，基于深度学习，通过人工智能网络模型对受检者目标区域的预扫描图像进行处理，进而确定扫描参数，可以减小扫描过程所需要时间，并且保证扫描参数的精度。第一方面，本专利本文档来自技高网...

【技术保护点】
一种模型生成方法，其特征在于，所述方法包括：获取样本预扫描图像以及所述样本预扫描图像对应的样本扫描参数，所述样本扫描参数至少包括扫描中心点、扫描中心轴、扫描窗大小中的其中一种；根据所述样本扫描参数，生成样本距离场；通过人工智能网络对所述样本预扫描图像与所述样本距离场进行学习，得到所述样本预扫描图像与所述样本距离场的映射关系；根据所述映射关系生成人工智能网络模型。

【技术特征摘要】
1.一种模型生成方法，其特征在于，所述方法包括：获取样本预扫描图像以及所述样本预扫描图像对应的样本扫描参数，所述样本扫描参数至少包括扫描中心点、扫描中心轴、扫描窗大小中的其中一种；根据所述样本扫描参数，生成样本距离场；通过人工智能网络对所述样本预扫描图像与所述样本距离场进行学习，得到所述样本预扫描图像与所述样本距离场的映射关系；根据所述映射关系生成人工智能网络模型。2.根据权利要求1所述的方法，其特征在于，在所述通过人工智能网络对所述样本预扫描图像与所述样本距离场进行学习，得到所述样本预扫描图像与所述样本距离场的映射关系之前，所述方法还包括：提取所述样本预扫描图像的特征信息，所述样本预扫描图像的特征信息至少包括所述样本预扫描图像的三维梯度信息、梯度块信息、图像块信息、结构张量信息、三维小波系数、二维小波系数中的其中一种；则通过人工智能网络对所述样本预扫描图像与所述样本距离场进行学习，得到所述样本预扫描图像与所述样本距离场的映射关系，包括：通过人工智能网络对所述样本预扫描图像的特征信息与所述样本距离场进行学习，得到所述样本预扫描图像的特征信息与所述样本距离场的映射关系。3.一种医学成像的扫描规划方法，其特征在于，所述方法包括：获取受检者目标区域的预扫描图像；通过人工智能网络模型对所述预扫描图像进行处理，得到距离场，所述人工智能网络模型包含所述预扫描图像与所述距离场的映射关系；根据所述距离场，确定扫描参数，所述扫描参数至少包括扫描中心点、扫描中心轴、扫描窗大小、扫描方向中的其中一种。4.根据权利要求3所述的方法，其特征在于，在所述根据所述距离场，确定扫描参数之后，所述方法还包括：基于所述扫描参数对所述受检者目标区域执行扫描。5.根据权利要求3所述的方法，其特征在于，在所述通过人工智能网络模型对所述预扫描图像进行处理之前，所述方法还包括：提...

【专利技术属性】
技术研发人员：周鑫，宋燕丽，黄小倩，李强，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海,31