用于计算机断层扫描检查的基于定位片的脂肪量化制造技术

本公开的实施例涉及用于计算机断层扫描检查的基于定位片的脂肪量化。在一个方面，本发明专利技术涉及一种用于计算检查参数的方法，该检查参数用于患者的感兴趣区域的计算机断层扫描检查，该方法包括：‑接收患者的感兴趣区域的定位片，‑通过将训练过的机器学习算法应用于定位片上来确定脂肪分布信息，‑基于脂肪分布信息，计算用于患者的感兴趣区域的计算机断层扫描检查的检查参数。

Fat quantification based on location slice for CT

【技术实现步骤摘要】
用于计算机断层扫描检查的基于定位片的脂肪量化
在一个方面，本专利技术涉及一种计算用于计算机断层扫描检查的检查参数的方法。在其它方面，本专利技术涉及一种计算用于计算机断层扫描检查的检查参数的计算装置以及一种计算机断层扫描装置。
技术介绍
对于一些临床问题而言，理想地与皮下脂肪的量分开地了解躯干中的内脏脂肪的量是感兴趣的。除了从临床角度对于该信息、特别是对于计算机断层扫描(computedtomography，CT)成像和放射线剂量优化的普遍期望之外，还期望该附加信息是可用的。在内脏脂肪的量较高的情况下，本质上组织对比度会更好。如果淋巴结、恶性病变或其它结构嵌入脂肪环境，则它们具有更好的对比度。例如，软组织结构相对于内脏脂肪环境可以具有约150HU的对比度，而相对于软组织环境可以具有0HU至约50HU的对比度(对于囊状结构而言)。结果，由于在内脏脂肪的量较高的情况下具有较高的对比度，因此较低的辐射剂量或较少的造影剂可以被使用，而不影响图像质量以及由此根据CT图像作出的诊断。内脏脂肪的量以及内脏脂肪与皮下脂肪的分离可以根据已经基于X射本文档来自技高网...

【技术保护点】
1.一种用于计算检查参数的方法，所述检查参数用于患者(13)的感兴趣区域(A)的计算机断层扫描检查，所述方法包括：/n-接收(RT)所述患者(13)的所述感兴趣区域(A)的定位片(T)，/n-通过将训练过的机器学习算法应用于所述定位片(T)上来确定(DF)脂肪分布信息，其中所述脂肪分布信息包括关于所述患者(13)的内脏脂肪的分布信息以及关于所述患者(13)的皮下脂肪的分布信息，/n-基于所述脂肪分布信息，计算(CX)用于所述患者(13)的所述感兴趣区域(A)的所述计算机断层扫描检查的所述检查参数。/n

【技术特征摘要】
20181206 EP 18210794.61.一种用于计算检查参数的方法，所述检查参数用于患者(13)的感兴趣区域(A)的计算机断层扫描检查，所述方法包括：
-接收(RT)所述患者(13)的所述感兴趣区域(A)的定位片(T)，
-通过将训练过的机器学习算法应用于所述定位片(T)上来确定(DF)脂肪分布信息，其中所述脂肪分布信息包括关于所述患者(13)的内脏脂肪的分布信息以及关于所述患者(13)的皮下脂肪的分布信息，
-基于所述脂肪分布信息，计算(CX)用于所述患者(13)的所述感兴趣区域(A)的所述计算机断层扫描检查的所述检查参数。


2.根据权利要求1所述的方法，
-其中所述检查参数是X射线曝光参数，以及/或者
-其中通过将自动曝光控制算法应用于所述脂肪分布信息上来计算所述检查参数。


3.根据权利要求1或2所述的方法，
-其中所述检查参数是造影剂施用参数。


4.根据权利要求1至3中任一项所述的方法，进一步包括：
-接收(RP)多个训练样本，所述多个训练样本中的每个训练样本包括定位片样本和对应的脂肪分布信息样本，
-基于所述多个训练样本来训练(TA)所述机器学习算法。


5.根据权利要求4所述的方法，
-其中所述多个训练样本中的每个训练样本进一步包括与所述定位片样本相对应的计算机断层扫描图像样本。


6.根据权利要求4或5所述的方法，
-其中所述多个训练样本中的每个训练样本进一步包括对应的脂肪量化样本，所述对应的脂肪量化样本指示与该训练样本相关的患者(13)的总脂肪含量，以及/或者
-其中所述机器学习算法被配置用于确定指示所述患者(13)的总脂肪含量的脂肪量化。


7.根据权利要求1至6中任一项所述的方法，进一步包括：
-基于所述检查参数、利用X射线(27)来照射(XA)所述患者(13)的所述感兴趣区域(A)。


8.根据权利要求7所述的方法，进一步包括：
-基于所述X射线，获取(AD)所述患者(13)的所述感兴趣区域(A)的投影数据，
-基于所述投影...

【专利技术属性】
技术研发人员：M·格拉斯鲁克，T·弗洛尔，B·施密特，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：德国;DE