病人定位的系统和方法技术方案

本申请提供了一种病人定位系统。该系统可以获取与病人相关的图像数据和至少两个病人模型，该图像数据中病人保持位姿。每个病人模型代表参考病人，所述参考病人保持参考位姿，所述每个病人模型包括其代表的参考病人的至少一个参考兴趣点和对应的参考位姿的参考表征。该系统还可以使用兴趣点检测模型从图像数据中识别病人的至少一个兴趣点。该系统可以进一步比较病人的至少一个兴趣点与每个病人模型中的至少一个参考兴趣点，确定病人的位姿表征。

System and method of patient location

【技术实现步骤摘要】
病人定位的系统和方法优先权信息本申请要求于2019年10月17日递交的美国申请16/656,511的优先权，其内容以引用的方式被包含于此。
本申请主要涉及病人定位，更具体地，涉及用于确定病人的位姿表征(posturerepresentation)的系统和方法。
技术介绍
病人定位对实现准确和安全的临床检查和/或治疗来说至关重要。例如，在对癌症病人进行放射治疗时，病人需要被准确地放置在计划的位置并保持计划的姿势，以减少对身体正常部位的辐射，提高治疗准确性和效果。为了确保病人的准确定位，可以将病人的实际位姿与计划位姿进行比较，以识别病人的摆位错误。因此，需要提供用于确定能定量描述病人位姿的表征的系统和方法，从而提高定位精度。
技术实现思路
根据本申请的一个方面，提供了一种在具有至少一个处理器和至少一个存储设备的计算设备上实现的病人定位方法。该方法可以包括获取与病人相关的图像数据和至少两个病人模型。该图像数据中病人保持位姿(posture)。每个病人模型(patientmodel)代表参考病人(referencepatient)，所述参考病人保持参考位姿(referenceposture)，所述每个病人模型包括其代表的参考病人的至少一个参考兴趣点(referenceinterestpoint)和对应的参考位姿的参考表征(referencerepresentation)。该方法还可以包括使用兴趣点检测模型从图像数据中识别该病人的一个或多个兴趣点(interestpoint)。该方法还可以包括比较病人的一个或多个兴趣点与每个病人模型的一个或多个参考兴趣点，确定所述病人位姿的表征(representation)。根据本申请的另一方面，提供了一种非暂时性计算机可读存储介质，包括至少一组指令，当由至少一个处理器执行时，该至少一组指令指示至少一个处理器执行上述病人定位方法。根据本申请的另一方面，提供了一种病人定位系统。该病人定位系统包括获取模块、识别模块、和位姿表征确定模块。获取模块用于获取与病人相关的图像数据和至少两个病人模型。该图像数据中病人保持位姿。每个病人模型代表参考病人，所述参考病人保持参考位姿，所述每个病人模型包括其代表的参考病人的至少一个参考兴趣点和对应的参考位姿的参考表征。识别模块用于使用兴趣点检测模型从所述图像数据中识别病人的一个或多个兴趣点。位姿表征确定模块用于比较病人的一个或多个兴趣点与每个病人模型的一个或多个参考兴趣点，确定所述病人位姿的表征。本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。附图说明本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。附图未按比例绘制。这些实施例是非限制性的示例性实施例，在这些实施例中，各图中相同的编号表示相似的结构，其中：图1是根据本申请一些实施例所示的示例性成像系统的示意图；图2是根据本申请一些实施例所示的计算设备的示例性硬件和/或软件组件的示意图；图3是根据本申请一些实施例所示的示例性处理设备的框图；图4是根据本申请一些实施例所示的示例性处理设备的框图；图5是根据本申请一些实施例所示的用于确定病人的位姿表征的示例性流程的流程图；图6是根据本申请一些实施例所示的用于生成代表保持参考位姿的参考病人的病人模型的示例性流程的流程图；图7是根据本申请一些实施例所示的用于生成兴趣点检测模型的示例性流程的流程图；图8是根据本申请一些实施例所示的用于生成兴趣点检测模型的示例性流程的流程图；图9是根据本申请一些实施例所示的示例性初始模型的示意图；图10是根据本申请一些实施例所示的另一示例性初始模型的示意图；以及图11是根据本申请一些实施例所示的病人的示例性3D模型和病人模型的示意图。具体实施方式为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。应当理解，本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。本申请中的“图像”一词用于统称图像数据(例如，扫描数据、投影数据)和/或各种形式的图像，包括二维(2D)图像、三维(3D)图像、四维(4D)图像等。本申请中的术语“像素”和“体素”可互换使用，是指图像的元素。根据以下对附图的描述，本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。本文提供了用于非侵入性生物医学成像的系统和方法，例如用于疾病诊断或研究目的。在一些实施例中，该系统可以包括单模态成像系统和/或多模态成像系统。单模态成像系统可以包括例如超声成像系统、X射线(X-ray)成像系统、计算机断层摄影(CT)系统、磁共振成像(MRI)系统、超声检查系统、正电子发射断层扫描(PET)系统、光学相干断层扫描(OCT)成像系统、超声(US)成像系统、血管内超声(IVUS)成像系统、近红外光谱(NIRS)成像系统、远红外(FIR)成像系统等，或其任意组合。所述多模态成像系统可以包括例如X射线成像-磁共振成像(X-ray-MRI)系统、正电子发射断层扫描-X射线成像(PET-X-ray)系统、单光子发射计算机断层扫描-磁共振成像(SPECT-MRI)系统、正电子发射计算机断层扫描-计算机断层扫描(PET-CT)系统、C型臂系统、数字减影血管造影-磁共振成像(DSA-MRI)系统等。以下说明的成像系统仅用于说明目的，并不旨在限制本申请的范围。如本文所使用本文档来自技高网...

【技术保护点】
1.一种病人定位方法，所述方法包括：/n获取与病人相关的图像数据，所述图像数据中病人保持位姿；/n使用兴趣点检测模型从所述图像数据中识别病人的至少一个兴趣点；/n获得至少两个病人模型，每个病人模型代表参考病人，所述参考病人保持参考位姿，所述每个病人模型包括其代表的参考病人的至少一个参考兴趣点和对应的参考位姿的参考表征；以及/n比较所述病人的至少一个兴趣点与所述每个病人模型的至少一个参考兴趣点，确定所述病人位姿的表征。/n

【技术特征摘要】
20191017 US 16/656,5111.一种病人定位方法，所述方法包括：
获取与病人相关的图像数据，所述图像数据中病人保持位姿；
使用兴趣点检测模型从所述图像数据中识别病人的至少一个兴趣点；
获得至少两个病人模型，每个病人模型代表参考病人，所述参考病人保持参考位姿，所述每个病人模型包括其代表的参考病人的至少一个参考兴趣点和对应的参考位姿的参考表征；以及
比较所述病人的至少一个兴趣点与所述每个病人模型的至少一个参考兴趣点，确定所述病人位姿的表征。


2.根据权利要求1所述的方法，其特征在于，所述确定所述病人位姿的表征包括：
对所述病人模型中的每一个病人模型，基于所述病人模型的至少一个参考兴趣点和所述病人的至少一个兴趣点，确定所述病人与所述病人模型之间的匹配度；
在所述病人模型中选择与所述病人匹配度最高的病人模型；以及
基于所选的病人模型对应的参考表征确定所述病人位姿的表征。


3.根据权利要求2所述的方法，其特征在于，每个病人模型还包括其对应的参考病人的至少一个参考身体标识；
所述基于所述病人模型的至少一个参考兴趣点和所述病人的至少一个兴趣点，确定所述病人与所述病人模型之间的匹配度还包括：
从所述图像数据中，确定代表所述病人的至少一个特征区域的至少一个身体标识；以及
基于所述病人的至少一个身体标识和所述病人模型的至少一个参考身体标识确定所述病人与每个病人模型之间的匹配度。


4.根据权利要求1所述的方法，其特征在于，所述兴趣点检测模型通过以下模型训练过程生成：
获得至少两个训练样本，每个训练样本包括样本病人的样本图像数据和所述样本病人在样本图像数据中的位姿的表征；
获得初始模型；以及
使用所述训练样本训练所述初始模型生成所述兴趣点检测模型。


5.根据权利要求4所述的方法，其特征在于，所述每个训练样本的样本图像数据不包含针对样本病人的兴趣点的标注。


6.根据权利要求1所述的方法，其特征在于，还包括：
对于所述参考病人中的每个参考病人，
获取所述参考病人的参考图像数...

【专利技术属性】
技术研发人员：吴子彦，斯里克里希纳·卡拉南，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31