The invention relates to the determination of measurement points in medical diagnostic imaging. For determining (68) using the measuring point in the medical scanner (10), the user selects (64) the position on the image. Instead of using the position, it is to identify (68) the \expected\ position corresponding to the local boundary or marker represented in the image. Medical scanners use a simple user interface (22) to more accurately determine (68) points for measurement. Projecting (66) one or more rays from a user-selected location. The actual position (68) is found by examining data along one or more of the rays. For 2D imaging, a (66) ray is projected in the plane. For 3D imaging, a (66) ray is projected along the line of sight to find depth. The intensity along or around the ray is used to locate (68) the actual position, such as by applying machine learning classifiers to a limited area around the ray or by searching for the intensity along the ray relative to the threshold.
【技术实现步骤摘要】
医学诊断成像中的测量点确定
技术介绍
本实施例涉及医学诊断成像。现代心脏病学中的许多决策基于解剖的定量测量结果,该定量测量结果是从非侵入式成像非侵入式地导出的。与心脏直视手术相比,心脏的维度在正常功能中不同。利用描轮廓工具量化二维(2D)图像上的平面结构要求耗时且勤勉地手动画轮廓。方便的用户交互是重要的,特别是在介入性设置中,其中可能存在由于许多不同活动发生而导致的有限自由度和/或在该设置中可用的有限用户接口(例如,操纵杆控制装置)。扫描仪技术中的最近进步使得能够对心脏进行三维加时间(3D+t)实时超声成像。3D成像可能使量化甚至更加困难。3D成像被承认与传统2D成像相比提供了对解剖形状的更好理解。另一方面,操作2D超声成像的复杂度比3D低且常常在临床实践中优选。而且,对于解剖量化,测量是在利用附加用户接口(诸如,轨迹球控制装置或桌边操纵杆控制装置)选择的2D多平面重新格式化或重构(MPR)图像上执行的。利用机器学习技术,以全自动或半自动的方式高效且鲁棒地对规则的解剖结构进行建模。然而,应对解剖易变性可能是富有挑战性的,特别是在例外情况中。此外,机器学习技术被训练成提供具体分段和/或测量,但是用户可能想要取决于他们的需要来定义定制维度。用于以快速直观的方式从3D图像导出通用的任意定量信息的高效工作流程仍然要定义。
技术实现思路
作为介绍,下面描述的优选实施例包括用于在利用医学扫描仪的成像中的测量点确定的方法、计算机可读介质和系统。用户选择图像上的位置。不是使用该位置,而是识别与在图像中表示的局部边界或标志(landmark)相对应的“预期”位置。医学扫描仪使用简单用 ...
【技术保护点】
1.一种用于在利用超声扫描仪的成像中的测量点确定的方法,所述方法包括:在显示器上显示(62)从表示患者组织的体积的超声数据三维地绘制的超声图像;从用户输入设备接收(64)所述超声图像上的测量卡尺的定位;沿着从所述测量卡尺的所述定位到所述体积中的视向定义(66)射线;基于来自被限于围绕并包括所述射线的所述体积的子区的超声数据的输入,利用机器学习分类器来识别(68)沿所述射线的深度;由图像处理器计算(72)作为所述测量卡尺的所述定位和所述深度的函数的量;以及输出(74)所述量。
【技术特征摘要】
2017.09.29 US 15/7203171.一种用于在利用超声扫描仪的成像中的测量点确定的方法,所述方法包括:在显示器上显示(62)从表示患者组织的体积的超声数据三维地绘制的超声图像;从用户输入设备接收(64)所述超声图像上的测量卡尺的定位;沿着从所述测量卡尺的所述定位到所述体积中的视向定义(66)射线;基于来自被限于围绕并包括所述射线的所述体积的子区的超声数据的输入,利用机器学习分类器来识别(68)沿所述射线的深度;由图像处理器计算(72)作为所述测量卡尺的所述定位和所述深度的函数的量;以及输出(74)所述量。2.如权利要求1所述的方法,其中显示(62)包括显示(62)所述超声图像作为图像的序列中的体绘制心脏图像;并且进一步包括通过所述序列的图像的超声数据来跟踪(70)所述定位和深度。3.如权利要求1所述的方法,其中定义(66)所述射线包括:关于所述视向进行射线投射,所述视向是来自三维绘制的视向。4.如权利要求1所述的方法,其中识别(68)所述深度包括:利用来自所述超声数据的强度以及来自针对所述子区的所述超声数据的梯度来识别(68)所述深度。5.如权利要求1所述的方法,其中识别(68)所述深度包括:利用所述机器学习分类器来识别(68)所述深度,所述机器学习分类器包括概率提升树或深度神经网络学习分类器。6.如权利要求1所述的方法,其中识别(68)所述深度包括:利用从不同器官的样本训练的所述机器学习分类器来识别(68)所述深度。7.如权利要求1所述的方法,其中计算(72)包括:计算(72)作为所述量的距离、所述定位以及定义(66)所述体积中所述距离的端部的点。8.如权利要求1所述的方法,其中计算(72)包括:利用所述定位以及定义(66)面积或体积的边界的三个维度中的点的点来计算(72)所述面积、体积、或者所述面积或体积的尺寸。9.一种用于在利用医学扫描仪的成像中的测量...
【专利技术属性】
技术研发人员:I沃伊特,T曼西,HC霍尔,
申请(专利权)人:美国西门子医疗解决公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。