检测医学成像中的对象运动制造技术

呈现了用于检测对象的医学成像中的对象运动的构思。一种这样的构思获得表示图像特征的运动与对象运动值之间的关系的运动分类模型。针对所述对象的被成像体积的多幅医学切片图像中的每幅，提取所述医学切片图像的图像特征。基于所提取的针对所述多幅医学切片图像中的每幅的图像特征，确定针对所述图像特征的运动信息。基于针对所述图像特征的所述运动信息以及所获得的运动分类模型来确定对象运动值。以及所获得的运动分类模型来确定对象运动值。以及所获得的运动分类模型来确定对象运动值。

【技术实现步骤摘要】
【国外来华专利技术】检测医学成像中的对象运动


[0001]本专利技术总体上涉及对象(例如，人或患者)的医学成像，并且更具体地涉及检测对象的医学成像中的对象运动。

技术介绍

[0002]在医学成像期间的对象运动通常会在医学图像中引起使图像质量劣化的模糊和/或伪影。这样的图像劣化会导致需要重复扫描，因此会导致效率降低和成本增加。
[0003]例如，在分析医院中的随机的一周的磁共振成像(MRI)活动之后，来自西雅图华盛顿大学的研究者发现对象运动在重复的序列方面花费很多，这在大约20％的MRI检查中发生。基于这样的频率要求重复，医院或MRI设施在每个MRI扫描器的年度收入方面可能超过$140000。
[0004]熟练的专业人员倾向于在医学图像中的模糊或伪影不太严重的情况下能够容忍这些模糊或伪影。然而，图像模糊和伪影仍然能够导致错误诊断。因此已经尝试通过检测运动伪影并应用运动校正算法来解决这样的问题。然而，这样的方法的有效性是有限的。

技术实现思路

[0005]本专利技术旨在至少部分地满足前述需求。为此，本专利技术提供了如独立权利要求中定义的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于检测对象的医学成像中的对象运动的方法，所述方法包括：获得表示图像特征的运动与对象运动值之间的关系的运动分类模型(10)；针对所述对象的被成像体积的多幅医学切片图像中的每幅，提取(30)所述医学切片图像的图像特征；基于所提取的针对所述多幅医学切片图像中的每幅的图像特征，确定针对所述图像特征的运动信息，所述运动信息表示所述对象的所述被成像体积中的所述图像特征的运动；并且基于针对所述图像特征的所述运动信息以及所获得的运动分类模型来确定对象运动值。2.根据权利要求1所述的方法，其中，获得运动分类模型包括：基于与针对从医学切片图像提取的图像特征的先前确定的对象运动值有关的历史数据(115)来生成运动分类模型。3.根据权利要求2所述的方法，其中，获得运动分类模型还包括：利用与针对医学切片图像的图像特征的对象运动值有关的训练数据使用机器学习算法来细化所述运动分类模型。4.根据权利要求1至3中的任一项所述的方法，其中，提取医学切片图像的图像特征的步骤包括：将所述医学切片图像分离(420)成前景和背景；并且从所述前景提取(430)前景图像特征。5.根据权利要求4所述的方法，其中，提取(430)前景图像特征包括从以下各项中的至少一项识别图像特征：所述前景的空间域表示；所述前景的小波域表示；以及所述前景的谱域表示；并且提取所识别的图像特征作为所述前景图像特征。6.根据权利要求1至5中的任一项所述的方法，其中，提取医学切片图像的图像特征的步骤包括：将所述医学切片图像隔离(750)成前景和背景；并且从所述背景提取背景图像特征。7.根据权利要求6所述的方法，其中，提取背景图像特征包括：将拉东变换应用(770)于所述背景以生成多个拉东变换轮廓；基于所述拉东变换轮廓来识别(780)图像特征；并且提取所识别的图像特征作为所述背景图像特征。8.根据权利要求1至7中的任一项所述的方法，还包括：基于针对所述图像特征的所述运动信息，识别其中所提取的图像特征的运动超过阈值的医学切片图像。9.根据权利要求8所述的方法，还包括：基于与先...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：