扫描时间的预测方法、装置、存储介质及电子设备制造方法及图纸

本申请提供一种扫描时间的预测方法、装置、存储介质及电子设备，用以合理设置受检者进行PET‑CT检查的扫描时间，该扫描时间的预测方法用于PET‑CT系统中，该方法包括：获取受检者的个人信息和所述受检者进行PET‑CT检查的检查部位；确定所述受检者进行PET‑CT检查所需要注射的药剂剂量；将所述个人信息、所述检查部位和所述药剂剂量输入到已训练的扫描时间模型；获得通过所述扫描时间模型预测出的所述受检者进行PET‑CT检查所需要的扫描时间。

Prediction Method, Device, Storage Media and Electronic Equipment of Scanning Time

【技术实现步骤摘要】
扫描时间的预测方法、装置、存储介质及电子设备
本申请涉及医疗器械
，特别涉及一种扫描时间的预测方法、装置、存储介质及电子设备。
技术介绍
随着科技的进步以及产品的不断创新，正电子发射及X射线计算机断层成像系统(PET-CT系统)被越来越广泛的使用，PET-CT系统对于肿瘤的前期筛查能够起到一定的积极作用。在目前临床PET-CT检查过程中，针对全身肿瘤筛查时，往往需要由操作医生先根据经验确定受检者进行PET-CT检查所需要的扫描床位，再针对每一扫描床位进行扫描，而在扫描过程中，一般系统会给各扫描床位设置统一的初始扫描时间，然后由操作医生根据受检者的检查部位及注射的药剂剂量等信息凭借经验来更改每个扫描床位的扫描时间，以求针对受检者的扫描需求在较少的扫描时间内扫描出最优图像。然而，上述临床PET-CT检查太多依赖操作医生的经验，不能准确确定检查部位所需要的扫描时间，在设置扫描时间时就会出现扫描时间设置不合理的情况，从而可能造成受检者接收扫描的时间过长或成像效果不理想的问题。
技术实现思路
有鉴于此，本申请提供一种扫描时间的预测方法、装置、存储介质及电子设备，用以合理设置受检者进行PET-CT检查的扫描时间。第一方面，本申请实施例提供了一种扫描时间的预测方法，所述方法用于PET-CT系统中，所述方法包括：获取受检者的个人信息和所述受检者进行PET-CT检查的检查部位；确定所述受检者进行PET-CT检查所需要注射的药剂剂量；将所述个人信息、所述检查部位和所述药剂剂量输入到已训练的扫描时间模型；获得通过所述扫描时间模型预测出的所述受检者进行PET-CT检查所需要的扫描时间。上述方法，先获取受检者的个人信息、受检者进行PET-CT检查的检查部位，并确定该受检者进行PET-CT检查所需要注射的药剂剂量，然后将个人信息、检查部位和药剂剂量输入到已训练的扫描时间模型，从而获得通过给扫描时间模型预测出的受检者进行PET-CT检查所需要的扫描时间，之后根据预测出的扫描时间设置受检者进行PET-CT检查的扫描时间，这样设置的扫描时间比较合理，符合受检者的实际情况，从而可以避免受检者接收扫描的时间过长或成像效果不理想的问题。在一可能的实现方式中，所述扫描时间模型预测所述受检者进行PET-CT检查所需要的扫描时间，包括：所述扫描时间模型根据所述个人信息确定所述受检者进行PET-CT检查所需要的各个扫描床位；所述扫描时间模型根据所述个人信息、所述检查部位和所述药剂剂量预测每一个所述扫描床位对应的扫描时间。在一可能的实现方式中，该方法还包括：将预测得到的所述受检者进行PET-CT检查所需要的扫描时间与所述受检者进行关联。在一可能的实现方式中，该方法还包括：获取不同受检者的个人信息、进行PET-CT检查的检查部位、注射的药剂剂量和所设定的扫描时间；基于各受检者的个人信息、进行PET-CT检查的检查部位、注射的药剂剂量和所设定的扫描时间建立样本库；所述样本库的表项包括检查部位的标识符；根据所述样本库，构建随机森林的每棵决策树，得到所述扫描时间模型。在一可能的实现方式中，所述根据所述样本库，构建随机森林的每棵决策树，得到所述扫描时间模型，包括：基于所述样本库进行取样，得到不同组的训练数据集；针对每一组训练数据集，将该组训练数据集作为决策树的根节点样本，对该决策树的各节点进行分裂处理，得到一棵决策树；由所有的决策树组成所述扫描时间模型，所述扫描时间模型预测的扫描时间为各所述决策树预测的扫描时间的均值。在一可能的实现方式中，所述对决策树的节点进行分裂处理，包括：计算当前节点的损失函数；所述损失函数为到达当前节点的训练样本的扫描时间的函数；取使得所述损失函数取得最小值的特征作为当前节点的分裂属性；基于所述分裂属性对当前节点进行分裂。在一可能的实现方式中，所述损失函数通过如下公式计算：其中，表示到达第j个节点的各训练样本的扫描时间的平均值，Sj表示第j个节点的样本集，y表示训练样本x的扫描时间，i表示第j个节点的子节点，表示到达第j个节点的子节点i的各训练样本的扫描时间的平均值，表示第j个节点的子节点i的样本集。第二方面，本申请实施例还提供了一种扫描时间的预测装置，包括用于执行第一方面或第一方面的任意可能的实现方式中的扫描时间的预测方法的模块。第三方面，本申请实施例还提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面或第一方面的任意可能的实现方式中的扫描时间的预测方法的步骤。第四方面，本申请实施例还提供了一种电子设备，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或第一方面的任意可能的实现方式中的扫描时间的预测方法的步骤。附图说明图1为本申请实施例提供的一种扫描时间的预测方法的流程示意图；图2为本申请实施例中已扫描的扫描床位的图像示意图；图3为本申请实施例中一种扫描时间模型的结构示意图；图4为本申请实施例提供的扫描时间的预测装置的第一种结构示意图；图5为本申请实施例提供的扫描时间的预测装置的第二种结构示意图；图6为本申请实施例提供的扫描时间的预测装置的第三种结构示意图；图7为本专利技术实施例提供的电子设备的结构示意图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。参见图1，本申请实施例提供了一种扫描时间的预测方法，可以用于PET-CT系统中，该方法可以包括如下步骤：S101、获取受检者的个人信息和该受检者进行PET-CT检查的检查部位；其中，受检者的个人信息可以包括：身高、体重、性别、病史部位。受检者进行预约登记时，可以通过智能测量仪器获取该受检者的身高、体重等。S102、确定该受检者进行PET-CT检查所需要注射的药剂剂量；在一些实施例中，可以基于受检者的个人信息确定该受检者进行PET-CT检查所需要注射的药剂剂量。S103、将个人信息、检查部位和药剂剂量输入到已训练的扫描时间模型；S104、获得通过扫描时间模型预测出的该受检者进行PET-CT检查所需要的扫描时间。在一可能的实现方式中，上述扫描时间模型预测受检者本文档来自技高网...

【技术保护点】
1.一种扫描时间的预测方法，其特征在于，所述方法用于PET‑CT系统中，所述方法包括：获取受检者的个人信息和所述受检者进行PET‑CT检查的检查部位；确定所述受检者进行PET‑CT检查所需要注射的药剂剂量；将所述个人信息、所述检查部位和所述药剂剂量输入到已训练的扫描时间模型；获得通过所述扫描时间模型预测出的所述受检者进行PET‑CT检查所需要的扫描时间。

【技术特征摘要】
1.一种扫描时间的预测方法，其特征在于，所述方法用于PET-CT系统中，所述方法包括：获取受检者的个人信息和所述受检者进行PET-CT检查的检查部位；确定所述受检者进行PET-CT检查所需要注射的药剂剂量；将所述个人信息、所述检查部位和所述药剂剂量输入到已训练的扫描时间模型；获得通过所述扫描时间模型预测出的所述受检者进行PET-CT检查所需要的扫描时间。2.根据权利要求1所述的方法，其特征在于，所述扫描时间模型预测所述受检者进行PET-CT检查所需要的扫描时间，包括：所述扫描时间模型根据所述个人信息确定所述受检者进行PET-CT检查所需要的各个扫描床位；所述扫描时间模型根据所述个人信息、所述检查部位和所述药剂剂量预测每一个所述扫描床位对应的扫描时间。3.根据权利要求1或2所述的方法，其特征在于，该方法还包括：将预测得到的所述受检者进行PET-CT检查所需要的扫描时间与所述受检者进行关联。4.根据权利要求1所述的方法，其特征在于，该方法还包括：获取不同受检者的个人信息、进行PET-CT检查的检查部位、注射的药剂剂量和所设定的扫描时间；基于各受检者的个人信息、进行PET-CT检查的检查部位、注射的药剂剂量和所设定的扫描时间建立样本库；所述样本库的表项包括检查部位的标识符；根据所述样本库，构建随机森林的每棵决策树，得到所述扫描时间模型。5.根据权利要求4所述的方法，其特征在于，所述根据所述样本库，构建随机森林的每棵决策树，得到所述扫描时间模型，包括：基于所述样本库进行取样，得到不同组的训练数据集；针对每一组训练数据集，将该组训练数据集作为决策树的根节点样本，对该决策树的各节点进行分裂处理，得到一棵决策树；由所有的决策树组成所述扫描时间模型，所述扫描时间模型预测的扫描时间为各所述决策树预测的扫描时间的均值。6.根据权利要求5所述的方法，其特征在于，所述对决策树的节点进行分裂处理，包括：计算当前节点的损失函数；所述损失函数为到达当前节点的训练样本的扫描时间的函数；取使得所述损失函数取得最小值的特征作为当前节点的分裂属性；基于所述分裂属性对当前节点进行分裂。7.根据权利要求6所述的方法，其特征在于，所述损失函数通过如下公式计算：其中，表示到达第j个节点的各训练样本的扫描时间的平均值，Sj表示第j个节点的样本集，y表示训练样本x的扫描时间，i表示第j个节点的子节点，表示到达第j个节点的子节点i的各训练样本的扫描时间的平均值，表示第j个节点的子节点i的样本集。8.一种扫描时间的预测装置，其特征在于，所述装置包括：信息获取模块，用于获取受检者的个人信息和所述受检者进行PET-CT检查的检查部位；药剂剂量确定模块，用于确...

【专利技术属性】
技术研发人员：景士嘉，冯庸，邵闯，
申请(专利权)人：东软医疗系统股份有限公司，
类型：发明
国别省市：辽宁,21