用于医疗诊断装置的自动定位的方法和系统与流程

本发明涉及一种用于基于来自数据库的一个或多个图像的医疗诊断装置的自动定位的方法和系统。通过使用机器学习算法比较来自数据库的一个或多个图像来定位医疗诊断装置。

在介入或手术期间，医疗诊断装置的对准是耗时的过程。医生需要经验才能减少患者的辐射暴露时间。在当前的诊断装置中，允许用户手动对准诊断装置。手动移动医疗诊断装置以达到最佳位置是麻烦的，需要很多经验。

因此，本发明的目的是提供用于将医疗诊断装置自动移动到期望位置的装置。这样的装置将允许用户在手动调节医疗诊断装置的位置的过程中节省时间和精力。

本发明的目的通过提供一种用于定位医疗诊断装置的方法来实现。该方法包括通过处理器通过将当前图像与第一数据库中的至少一个参考图像进行比较来确定医疗成像装置的当前位置的步骤。第一数据库可以是参考图像的数据库。参考图像可以包括受试者在医疗诊断装置各个位置处的图像。此外，该方法包括通过将当前图像与第二数据库中的至少一个优选图像进行比较并计算相似性得分来确定目标位置坐标。第二数据库是诊断装置需要重新定位的用户优选图像的数据库。基于图像特征的相似性以及位置坐标来计算相似性得分。相似性得分是医疗诊断装置与目标位置的接近程度的量度。此外，基于相似性得分迭代地计算医疗诊断装置的目标位置坐标的运动参数。基于来自第一和第二数据库中的至少一个的图像的位置坐标来计算运动参数。生成运动参数使得医疗诊断装置最终达到目标位置。最后，基于运动参数，致动医疗诊断装置移动达到目标位置。目标位置可以是记录在用户优选图像中的受试者的解剖结构的视图。

在一方面，相似性得分是基于第一图像和至少一个参考图像的特征之间的相似性。此外，匹配得分还可以取决于与第一图像和参考图像相关联的位置坐标。

在另一方面，如果匹配得分低于阈值，计算一个或多个中间位置坐标，得到一个或多个中间位置。当匹配得分高于阈值时，医疗诊断装置将达到目标位置。

在另一方面，当成像装置处于一个或多个中间位置时，第一图像被更新。医疗诊断装置在每个中间位置捕获新图像，并将新图像与参考图像进行比较，以跟踪医疗诊断装置朝向目标位置的移动。

在另一方面，第二数据库包括在医疗诊断装置的手动操作期间生成的一个或多个用户优选图像。在医疗诊断装置的手动操作期间，用户可以获得用户优选图像。用户可能希望通过自动定位重复相同的视图。

在另一方面，机器学习模型用于在手动改变目标位置的情况下接收反馈位置坐标。当用户手动调整医疗诊断装置的位置时，位置坐标，反馈被记录并被分析，以便下次希望相似的目标位置时进行自动调整。

在另一方面，基于机器学习模型为不同的用户生成个体化位置坐标和运动参数。可以存储用户简档，并且可以基于用户简档来自动检索最常见的目标位置。

在一个方面，第一和第二数据库中的图像包括作为元信息的位置坐标。位置坐标将图像中的解剖结构的区域转换为医疗诊断装置的位置。

为了进一步满足减少用于定位医疗诊断装置的时间和精力的目的，提供了一种用于执行医疗诊断装置的定位的系统。该系统包括处理器和与处理器耦合的存储器，其中存储器包括位置引导模块形式的处理器可执行指令，用于通过将当前图像与第一个数据库中的至少一个参考图像进行比较来确定医疗诊断装置的当前位置。位置引导模块被配置为通过将当前图像与第二数据库中的至少一个优选图像进行比较并计算相似性得分来确定目标位置坐标。此后，位置引导模块被配置为基于相似性得分迭代地计算医疗诊断装置的目标位置坐标的运动参数。位置引导模块被配置为迭代地计算医疗诊断装置的位置坐标。在每一次迭代中，医疗诊断装置被定位成更接近目标位置。此外，位置引导模块被配置为基于运动参数来致动医疗诊断装置移动到目标位置。例如，位置引导模块的运动坐标可以是致动医疗诊断装置的一个或多个电动机沿特定方向移动的电信号。

在一个实施例中，位置引导模块被配置为基于当前图像中的至少一个和优选图像之间的相似性以及与当前图像和优选图像相关联的运动坐标来计算相似性得分。

在另一个实施例中，位置引导模块被配置为使用机器学习模型基于目标位置的改变来合并反馈。用户手动执行的目标位置的位置变化被分析，并且，基于用户的手动微调，可以将目标位置坐标更新到新的目标位置。

在另一个实施例中，位置引导模块被配置为基于相似性得分来计算一个或多个中间位置坐标和中间运动参数。位置引导是迭代过程，其中基于当前图像和优选图像之间的相似性来计算运动坐标。位置引导模块被配置为基于当前图像和优选或目标图像之间的相似性生成相似性得分。当相似性得分超过阈值时，则满足医疗诊断装置的目标位置。

在另一个实施例中，位置引导模块被配置为基于机器学习模型为不同的用户生成个体化位置坐标和运动参数。可以使用机器学习模型来学习不同用户的定位要求，并且当调用特定用户简档时，自动将医疗诊断装置定位到其需求的位置。

在又一个实施例中，医疗诊断装置是医疗成像装置或病人护理装置。

现在将参考本发明的附图来描述本发明的上述和其他特征。所示实施例旨在说明而非限制本发明。

下面参考附图中所示的实施例进一步描述本发明，其中：

图1示出了根据实施例的用于定位医疗诊断装置的示例性装置；

图2示出了根据实施例的位置引导模块的示例性框图；

图3示出了根据实施例的用于定位诊断医疗装置的示例性系统；

图4示出了根据实施例的基于参考图像定位医疗诊断装置的示例性框图；以及

图5示出了根据实施例的基于用户优选图像定位医疗诊断装置的示例性框图；

图6示出了根据实施例的医疗诊断装置行进的示例性路径；以及

图7示出了根据实施例的定位医疗诊断装置过程中所涉及的方法步骤的示例性框图。

参考附图描述各种实施例，其中相同的附图标在全文中都用于指代相同的元件。在下面的描述中，为了解释的目的，阐述了许多具体细节以便提供对一个或多个实施例的透彻理解。很明显，这样的实施例可以在没有这些具体细节的情况下实践。

图1示出了根据实施例的用于定位医疗诊断装置的示例性装置1。装置1包括处理器2、存储器4、存储单元6、输入/输出（i/o）模块12和通信模块14。装置1的上述组件使用通信总线13进行通信耦合。此外，存储单元6可以包括图像数据库8和10，所述图像数据库包括在定位医疗诊断装置过程中所需的一个或多个图像。

如本文所使用的，处理器2是指任何类型的计算电路，诸如但不限于微处理器、微控制器、复杂指令集计算微处理器、精简指令集计算微处理器、非常长的指令字微处理器、明确地并行指令计算微处理器、图形处理器、数字信号处理器或任何其他类型的处理电路。处理器2还可以包括诸如通用或可编程逻辑器件或阵列的嵌入式控制器、专用集成电路、单片机等。

存储器4可以是易失性存储器和非易失性存储器。存储器4可以被耦合用于与处理器4通信。处理器2可以执行存储在存储器4中的指令和/或代码。各种计算机可读存储介质可以被存储在存储器4中并从存储器4访问。存储器4可以包括用于存储数据和机器可读指令的任何适当元件，诸如只读存储器、随机存取存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器、硬盘驱动器、用于处理光盘的可移动介质驱动器、数字视频盘、软盘、磁带盒、存储卡等。在本实施例中，存储器包括位置引导模块5，其以任何上述存储介质的机器可读指令的形式存储，并且可以与处理器2通信并由处理器2执行。位置引导模块图5还包括这样的模块，其在被处理器2执行时会导致基于数据库中的一个或多个图像的医疗诊断装置的自动定位。结合图2更详细地描述模块的功能。

存储单元8可以是存储图像的非暂时性存储介质。在一种情况下，存储单元8可以存储图像数据库。存储单元8可以包括参考图像8的数据库和用户优选图像10的数据库。来自数据库8和10的图像被用于定位医疗诊断装置。通信接口14使装置1能够经由本领域已知的有线或无线通信协议与其他连接的装置进行通信。输入/输出单元12可以包括诸如键盘、触敏显示器等能够接收输入信号的输入装置，以及诸如扬声器、打印机、显示装置的输出装置，用于输出例如血管支架的模型。通信总线14用作处理器4、存储器6、存储单元8、通信接口7和输入/输出单元10之间的互连。

图2示出了根据实施例的位置引导模块5的示例性框图。位置引导模块5被配置为基于参考图像和用户优选图像将医疗诊断装置定位到目标位置。医疗诊断装置可以包括例如成像模式或患者护理装置。位置引导模块5包括当前位置确定模块22、目标位置确定模块24、运动参数计算模块26和致动模块28。在一个实施例中，当前位置确定模块22被配置为基于当前图像确定医疗诊断装置的当前位置。当前图像可以是捕获医疗诊断装置的当前位置的图像。例如，医疗诊断装置的静止位置可以面向患者的面部区域。现在，当前图像可以捕获受试者的面部区域。然后将当前图像与一个或多个参考图像进行比较以确定医疗诊断装置的当前位置。通过将由医疗诊断装置捕获的图像相对于患者存储在所有可能的位置来创建参考图像的数据库8。可以手动创建参考图像的数据库8。此外，目标位置确定模块24被配置为确定用户优选的医疗诊断装置的目标位置。为了达到确定目标位置；参考用户优选图像的数据库10。用户优选图像的数据库10可以包括使用医疗诊断装置的用户期望视图的一个或多个图像。数据库8和数据库10中的图像可以包括作为元信息的位置坐标。位置坐标可以用于确定医疗诊断装置的路径。目标位置是基于用户和用户希望拥有的对应视图来确定的。医疗诊断装置的目标位置可以是手动调整医疗诊断装置的位置并生成目标图像。例如，用户可能需要面向患者的肺部区域的医疗诊断装置的目标位置。在这种情况下，用户可以手动地将医疗诊断装置调整到期望的肺部区域并捕获图像。然后将图像存储在用户优选图像的数据库10中，随后由目标位置确定模块26参考。目标位置确定模块26此后基于当前图像和目标图像之间的比较来计算目标位置坐标。此外，目标位置确定模块26计算当前图像和用户优选图像之间的相似性得分。相似性得分可以基于图像的特征或与图像相关联的运动坐标。例如，如果医疗诊断装置的当前位置面向患者的腿部，并且用户优选位置是患者的头部，则相似性得分将较低，并且计算位置坐标以朝向患者的头部移动医疗诊断装置。可以基于与当前图像和用户优选图像相关联的位置坐标来执行类似的计算。在另一个示例中，当朝向目标位置行进时，迭代地计算目标位置坐标。例如，面向患者的腿部的医疗诊断装置可以在从腿部到头部行进的同时迭代地比较图像，以便确认医疗诊断装置正在正确的路径上行进。

一旦确定目标位置坐标，就由运动参数计算模块26计算与目标位置坐标相关联的运动参数。医疗诊断装置的运动控制可由可编程逻辑控制器（plc）（未示出）执行。对于本领域技术人员显而易见的是，可以为本领域已知的其他运动控制机构计算运动参数。运动参数可以包括传递到医疗诊断装置的电动机的信号，以改变医疗诊断装置的位置使其更接近目标位置。例如，目标位置坐标可以指示医疗诊断装置必须从当前位置向右移动。运动参数计算模块26确定要提供给plc的值，使得医疗诊断装置向更接近期望的目标位置移动。此后，致动模块28被配置为使医疗诊断装置朝向目标位置移动。致动模块28可以控制医疗诊断装置的机械部件，使得能够实现医疗诊断装置的移动。

在医疗诊断装置从当前位置向目标位置行进期间，可以存在一个或多个中间位置。例如，当医疗诊断装置从患者的腿部朝向头部行进时，医疗诊断装置可取中间位置。目标位置确定模块26迭代地检查当前位置和目标位置以重新对准医疗诊断装置的移动。医疗诊断装置与目标位置的偏差由相似性得分确定。例如，相似性得分可以在0到1的范围内，其中0指示位置与目标位置有很大偏离，1指示达到了目标位置。因此，可以在目标位置确定模块中设置阈值以指示是否需要重新计算目标位置。在示例性实施例中，相似性得分的阈值被设置为0.95。此外，可以在目标位置确定模块26中实现一个或多个机器学习模型。在目标位置确定模块26中实现的机器学习模型可以包括例如支持向量机（svm）、贝叶斯模型、深层神经网络、随机森林等。机器学习模型能够使目标位置确定模块26从医疗诊断装置制造的偏差中学习，并逐渐将偏差减小。机器学习模型可以使用参考图像和用户优选图像进行训练，以提高精度和可靠性。

在一个实施例中，机器学习模型可以用于基于用户简档向医疗诊断装置提供运动引导。位置引导模块5可以包括用以分别创建用户简档并提交用户优选图像的装置。此后，在位置引导模块5中实现的机器学习模型学习用户的频繁使用位置，并且基于用户简档来建议目标位置，而不需要新的用户优选图像。此外，机器学习模型可以分析在达到目标位置之后执行的手动改变并且微调医疗诊断装置的目标位置。

图3示出了根据实施例的用于定位诊断医疗装置的示例性系统30。系统30包括作为中央服务器的装置1。装置1可以访问参考图像的数据库8和用户优选图像的数据库。此外，装置1通过网络34与一个或多个医疗诊断装置36.1-36.n通信地耦合。网络34可以是本领域已知的任何有线或无线网络。医疗诊断装置可以包括成像模式，诸如mri扫描装置、超声波扫描装置、基于x射线的装置和pet扫描装置。医疗诊断装置的运动可以由包括例如可编程逻辑控制器（plc）、步进电机驱动器等的机电系统来执行。此外，医疗诊断装置可以包括患者护理装置，诸如呼吸机等。装置1访问数据库8和数据库10，以向医疗诊断装置36.1至36.n提供运动引导。数据库8和数据库10中的图像可以基于医疗诊断装置36.1至36.n的类型来分离。此外，可以基于用户简档来对数据库8和数据库10中的图像进行分组。存储在装置1中的位置引导模块5可以如之前在图2中所示的那样定位医疗诊断装置36.1-36.n。

图4示出了根据实施例的基于参考图像定位医疗诊断装置36的示例性框图40。在图4中，具有作为元信息的相应位置坐标的当前图像42由装置1接收。装置1可以从医疗诊断装置接收当前图像42。此外，装置1访问参考图像的数据库8以确定匹配参考图像44。匹配参考图像包括作为元信息的相关联的位置坐标45。使用匹配参考图像来确定医疗诊断36的当前位置坐标。在一个示例中，由医疗诊断装置36捕获的当前图像42可以包括患者的腿部。此后，搜索参考图像的数据库8以获得基本匹配图像44。计算相似性得分，并且基于匹配参考图像44来确定位置坐标。

图5示出了根据实施例的基于用户优选图像定位医疗诊断装置的示例性框图。一旦确定医疗诊断装置36的当前位置，就由装置1访问用户优选图像的数据库10，以确定医疗诊断装置的目标位置。装置1检索具有相关联的位置坐标49的用户优选图像48。装置1将当前图像42与用户优选图像48进行比较并计算相似性得分。基于相似性得分，装置1将运动参数52传送到医疗诊断装置30。医疗诊断装置36基于运动参数52移动以与用户优选图像48匹配。可以通过参考参考图像和用户优选图像迭代地执行医疗诊断装置36的移动，来引导医疗诊断装置36的运动。如果用户执行目标位置中的任何手动调整，则将调整提供给装置1作为反馈信号53。通过机器学习模型分析反馈信号53以在医疗诊断装置36的后续定位期间微调目标位置。

图6示出了根据实施例的由医疗诊断装置行进的一个或多个示例性路径（62,64）的示意图60。在将医疗诊断装置定位到目标位置的过程中，装置1可以使医疗诊断装置36穿过路径。在图6中，初始位置被定义为i，目标位置定义为t。装置1可以通过诸如62和64的路径将医疗诊断装置从i引导到t。可以看出，路径62比路径64费力。最初，装置1可以沿着路径62引导医疗诊断装置。在许多这样的行进中，位置引导模块5的机器学习模型学习路径64更容易，并且因此采用路径64用于后续行进。可以将路径64设置为更频繁地需要目标位置t的特定用户的偏好。图6示出了示例性2维情况，而医疗诊断装置的运动处于3维空间中，并且当考虑定向参数时可以将其延伸至6维。

图7示出了根据实施例的在定位医疗诊断装置中过程涉及的方法步骤的示例性框图70。在步骤72，通过将当前图像与第一数据库中的至少一个参考图像进行比较来确定医疗成像装置的当前位置。在步骤74，通过将当前图像与第二数据库中的用户优选图像和参考图像中的至少一个进行比较来迭代地确定目标位置坐标和相似性得分。基于相似性得分，通过沿着路径行进来迭代地确定目标位置坐标。相似性得分是当前位置与目标位置的接近程度的度量。在达到目标位置之前，可以存在医疗诊断装置的一个或多个中间位置。此外，可以使用一个或多个机器学习模型来学习目标定位和微调。在一个示例中，机器学习算法被配置为学习运动参数并且使得医疗诊断装置在最佳步骤中从一个位置移动到下一个位置。此外，机器学习模型可以用于基于用户简档来提供个体化的目标定位。在步骤76，计算与医疗诊断装置的目标位置坐标相关联的运动参数。运动参数是提供给医疗诊断装置的plc单元（未示出）的信号，以便致动移动。基于目标位置坐标，运动参数可以变化。在步骤78，基于运动参数来致动医疗诊断装置移动到目标位置。负责医疗诊断装置运动的机械部件被致动。

本文公开的方法和系统减少患者在医疗诊断装置对准期间的辐射剂量的暴露。通过拍摄最少数量的图像达到目标位置。该方法消除了医生在手动调整医疗诊断装置的视图时花费的时间和精力。最好的视图或位置在很短的时间内达到。此外，维护与机器学习模型相耦合的视图的个人简档提供了个体化的目标视图定位。该方法和系统通过在短时间间隔内定位医疗装置来最小化介入所需的时间。

虽然已经参考某些实施例详细描述了本发明，但是应当理解，本发明不限于这些实施例。鉴于本公开，在不脱离如本文所述的本发明的各种实施例的范围的情况下，本领域技术人员可以进行许多修改和变化。因此，本发明的范围由所附权利要求而不是前面的描述来指示。在权利要求的等同物的含义和范围内的所有改变、修改和变化都将被视为在其范围内。