【技术实现步骤摘要】
用于医学成像中的患者定位的根据相机数据的密集身体标记估计
本教导一般涉及根据相机数据而对患者身体表面的估计,并且更具体地涉及在医学成像期间的患者定位。
技术介绍
医学成像技术——包括但不限于计算机断层扫描(CT)、磁共振(MR)、正电子发射断层扫描(PET)、单光子发射计算机断层扫描(SPECT)数据等等——依赖于恰当的患者定位,其包括标识医学成像器的患者台上的患者的位置和/或针对患者的移动进行校正。在一些情况中,传感器(诸如相机)可以被安装到医学成像设备以在医学成像扫描期间提供患者位置和移动数据。然而,传感器可以用这样的方式被安装到医学成像器,使得传感器提供受限的视场,其限制在医学成像扫描期间对这样的图像的使用和分析。另外,当前的系统需要操作者执行对可移动的患者台或床的一个或多个调整,以在发起医学成像扫描之前恰当地定位患者。不恰当的定位可导致医学图像中的误差或伪像。涉及操作者调整的手动患者定位过程可以是耗时、昂贵的,并且需要操作者花费时间远离其它任务来执行这样的调整。
技术实现思路
本专利技术的范围仅仅由所附权利要求来限定,并且不在任何程度上受本
技术实现思路
内的陈述所影响。根据本教导,描述了一种用于根据从临床环境(例如CT扫描室)中的传感器(例如相机)所捕获的数据来估计患者的三维(3D)身体表面的途径。机器学习用来训练网络以根据表面数据(诸如患者的表面图像)来估计身体标记,并且基于所估计的身体标记来重构3D身体表面。3D身体表面重构包括定位患者的表面图像,向表面图像像素指 ...
【技术保护点】
1.一种用于估计位于医学成像系统中的可移动的患者台上的患者的三维(3D)身体表面的方法,所述方法包括:/n利用传感器来捕获患者的表面图像的序列;/n由处理器响应于表面图像向经机器学习的网络的输入而通过经机器学习的网络来估计患者的3D身体表面;/n由所述处理器基于患者的所估计的3D身体表面并且基于可移动的患者台的位置来确定患者的等中心点;以及/n由所述处理器基于所确定的患者等中心点、经由可移动的患者台来定位患者。/n
【技术特征摘要】
20190207 US 16/2697321.一种用于估计位于医学成像系统中的可移动的患者台上的患者的三维(3D)身体表面的方法,所述方法包括:
利用传感器来捕获患者的表面图像的序列;
由处理器响应于表面图像向经机器学习的网络的输入而通过经机器学习的网络来估计患者的3D身体表面;
由所述处理器基于患者的所估计的3D身体表面并且基于可移动的患者台的位置来确定患者的等中心点;以及
由所述处理器基于所确定的患者等中心点、经由可移动的患者台来定位患者。
2.根据权利要求1所述的方法,其中捕获包括利用作为相机的传感器来进行捕获。
3.根据权利要求2所述的方法,其中利用相机来捕获包括作为红绿蓝(RGB)图像来捕获表面图像。
4.根据权利要求1所述的方法,其中估计进一步包括:
为表面图像的序列中的第一表面图像估计密集身体标记,所述第一表面图像对应于患者的第一所成像的身体部分;
基于第一表面图像来为患者的第一所成像的身体部分重构第一3D部分身体表面;
为表面图像的序列的第二表面图像估计密集身体标记,所述第二表面图像对应于患者的第二所成像的身体部分;
基于第二表面图像来为患者的第二所成像的身体部分重构第二3D部分身体表面;以及
通过使用递归模型、至少根据第一3D部分身体表面和第二3D部分身体表面来重构患者的3D身体表面。
5.根据权利要求4所述的方法,其中患者的第一所成像的身体部分与患者的第二所成像的身体部分重叠。
6.根据权利要求4所述的方法,其中重构第一3D部分身体表面包括:
将第一表面图像分区成多个部分,其中所述多个部分对应于患者的第一所成像的身体部分的不同身体部分,并且其中所述第一表面图像的多个部分中的每个部分包括多个像素;
向所述第一表面图像的多个像素中的每个像素指派分类;以及
为所述多个像素中的每个像素确定3D表面坐标。
7.根据权利要求6所述的方法,其中指派包括将每个像素指派到背景类或身体部分类,其中所述身体部分类对应于患者的第一所成像的身体部分的不同身体部分。
8.根据权利要求6所述的方法,其中分区和指派包括利用具有编码器和解码器的至少一个全卷积网络来进行分区和指派,并且其中所述确定包括利用至少一个回归器来进行确定。
9.根据权利要求8所述的方法,其中所述至少一个回归器包括多个回归器,其中所述多个回归器中的每个回归器对应于所述第一表面图像的多个部分中的部分之一,并且其中所述多个回归器中的每个回归器被分离地训练。
10.根据权利要求4所述的方法,其中所述递归模型包括递归神经网络,所述递归神经网络包括长短期记忆(LSTM)单元。
11.根据权利要求4所述的方法,其中所述递归模型被端对端地训练。
12.一种用于估计患者的三维(3D)身体表面的医学成像系统,所述系统包括:
传感器,其被配置成捕获患者的表面图像的序列;
处理器,其被配置成:
将经机器学习的神经网络应用到表面图像的序列,所述经机器学习的神经网络...
【专利技术属性】
技术研发人员:张耀仁,王江平,VK辛赫,萨如汗,A卡普尔,A维默,
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
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。