医学成像方法、医学成像设备以及计算机可读存储介质与流程

本发明涉及医疗器械领域，特别是涉及一种医学成像方法、医学成像设备以及计算机可读存储介质。

背景技术：

在一些医学影像设备例如正电子发射计算机断层显像(positronemissioncomputedtomography，简称pet)设备等的使用中，重建图像的图像质量较容易受到成像对象的个体差异，以及在扫描成像过程中选择的扫描协议和重建协议等成像参数的影响。

传统的对医学影像的图像质量的判断，一般是需要凭借操作人员的知识和经验，并且由于不同医师阅片习惯不同，对图像质量的要求不同，所以很容易发生在使用过程中由于成像参数选择不当，导致图像质量不达标，从而造成废片的情况，浪费时间和资源。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种医学成像方法、医学成像设备及计算机可读存储介质，可以自动根据成像参数进行预览和预测图像质量，从而对成像参数进行调整，避免图像质量不达标。

一种医学成像方法，所述方法包括：

获取预设成像参数；

基于所述预设成像参数，利用数字模型进行模拟成像以得到预览图像；

获取所述预览图像的图像质量指标；

根据所述预览图像的图像质量指标调整所述预设成像参数以得到更新成像参数；

根据所述更新成像参数对成像对象进行扫描成像，以获取所述成像对象的医学图像。

上述医学成像方法，可以根据成像对象信息、扫描协议以及重建协议等成像参数，利用数字模型得到相应的预览图像，并根据预览图像的图像质量指标对成像参数进行调整，以得到符合质量要求的医学图像。

在其中一个实施例中，所述方法还包括：

基于所述更新成像参数，利用数字模型进行模拟成像以得到更新预览图像。

在其中一个实施例中，所述根据所述预览图像的图像质量指标调整所述预设成像参数以得到更新成像参数包括：

获取神经网络模型；

调整所述预览图像的图像质量指标以得到更新图像质量指标；

基于所述更新图像质量指标，利用所述神经网络模型得到所述更新成像参数。

在其中一个实施例中，所述基于所述更新图像质量指标，利用所述神经网络模型得到所述更新成像参数包括：

基于所述更新图像质量指标，利用所述神经网络模型得到至少两组成像参数；

从所述至少两组成像参数中选择一组成像参数作为所述更新成像参数。

在其中一个实施例中，所述获取神经网络模型包括：

获取训练数据，所述训练数据包括样本图像的成像对象信息、成像参数以及图像质量指标；

基于所述训练数据训练神经网络，以得到所述神经网络模型。

在其中一个实施例中，所述获取训练数据包括：

利用医学成像设备对训练成像对象进行扫描成像和/或利用数字模型进行模拟成像，以得到所述训练数据。

在其中一个实施例中，所述成像参数包括成像对象信息、扫描协议以及重建协议中的至少一种；所述图像质量指标包括图像的空间分辨率、图像的对比度、图像的信噪比、图像的背景噪声、图像的均匀性以及图像的恢复系数中的至少一种。

一种医学成像设备，包括：

参数获取模块，用于获取预设成像参数；

图像预览模块，用于基于所述预设成像参数，利用数字模型进行模拟成像以得到预览图像；

图像质量获取模块，用于获取所述预览图像的图像质量指标；

参数调整模块，用于根据所述预览图像的图像质量指标调整所述预设成像参数以得到更新成像参数；

扫描成像模块，用于根据所述更新成像参数对成像对象进行扫描成像，以获取所述成像对象的医学图像。

上述医学成像设备，可以根据成像对象信息、扫描协议以及重建协议等成像参数，利用数字模型得到相应的预览图像，并根据预览图像的图像质量指标对成像参数进行调整，以得到符合质量要求的医学图像。

一种医学成像设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

附图说明

图1为一个实施例中医学成像方法的流程示意图；

图2为另一个实施例中医学成像方法的流程示意图；

图3为一个实施例中医学成像方法步骤s170的流程示意图；

图4为一个实施例中调医学成像设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图1为一个实施例中医学成像方法的流程示意图，如图1所示，一种医学成像方法，应用于医学成像设备对成像对象进行扫描成像，上述方法包括：

步骤s110：获取预设成像参数。

具体地，在通过医学成像设备对成像对象进行扫描成像时，需要进行扫描和图像重建过程，成像参数例如操作人员所选择的扫描协议和重建协议，以及成像对象的自身情况都会对医学影像的图像质量造成一定的影响。获取进行扫描成像的预设成像参数，成像参数可以由操作人员进行手动选择或输入，也可以由医学成像设备根据患者的情况自动获取，每组成像参数都可以获得相对应的医学影像。

步骤s130：基于预设成像参数，利用数字模型进行模拟成像以得到预览图像。

具体地，在获取已设成像参数后，通过数字图像处理技术，根据预设成像参数在人体数字模型上进行模拟成像，以产生与预设成像参数相对应的预览图像，上述人体数字模型可以是xcat模型或者通过gate软件模拟产生的医学领域常用的标准人体数字模型。预览图像的成像部位可以与成像对象的待扫描部位相对应，该预览图像可以近似视为根据当前的预设成像参数对成像对象进行扫描成像得到的医学影像，预览图像可以在显示屏等显示设备上显示给操作人员，方便操作人员观察判断。

进一步地，上述数字图像处理技术包括平滑、锐化以及插值中的至少一种。利用数字模型模拟预览图像的过程具体可以通过平滑、锐化以及插值等方式实现，以使在人体数字模型上可以得到与成像参数相对应的预览图像。可以理解的是，对于不同的预设成像参数，模拟预览图像的数字图像处理技术也可以随之调整。除了利用标准人体数字模型，也可以通过数字图像处理技术模拟对现有的医学影像等进行处理，来模拟以当前的预设成像参数对成像对象扫描成像得到的结果。

步骤s150：获取预览图像的图像质量指标。

具体地，在模拟成像得到预览图像后，对该预览图像进行计算，以得到预览图像的图像质量指标，图像质量指标可以包括图像的空间分辨率、图像的对比度、图像的信噪比、图像的背景噪声、图像的均匀性以及图像的恢复系数等医学图像的各项参数，也可以是根据医生阅片习惯等进行设定的量化标准。图像质量指标可以通过训练相应神经网络模型获取，将获取的预览图像输入到神经网络模型中，神经网络模型输出该预览图像所对应的图像质量指标，使得操作人员可以根据输出的图像质量指标判断目前的预览图像是否符合要求，从而据此进行扫描成像或修正成像参数等后续操作。

步骤s170：根据预览图像的图像质量指标调整预设成像参数以得到更新成像参数。

具体地，在得到预览图像的图像质量指标后，可以对预览图像及其图像质量指标进行判断，例如当图像质量指标和预览图像都符合预设要求的情况下，表示以目前的预设成像参数对成像对象进行扫描和图像重建可以得到质量达标的医学影像，则可以控制医学成像设备根据此成像参数对成像对象进行扫描成像，以获取医学图像。若预览图像的图像质量指标不符合预设要求，则说明以目前的成像参数对成像对象进行扫描和图像重建不能得到质量达标的医学影像，则可以对预设成像参数进行调整，然后可以根据调整后的成像参数对成像对象进行扫描成像，即可得到图像质量指标符合预设要求的医学影像。在得到更新成像参数后，也可以再次对其进行图像质量指标的预测和判断，从而经过多次修正后得到最优的成像参数。

进一步地，对于调整成像参数，由于对于同一成像对象，成像参数中的成像对象信息一般不会发生改变，所以一般可以将成像对象信息设置为固定，只反馈对扫描协议和重建协议等参数的修正。可以理解的是，在扫描协议和重建协议中，可能存在比较重要的参数不宜进行改变，也可以将部分重要参数设置为固定只反馈其他成像参数的修正结果，具体固定参数的确定可以根据实际情况确定，例如可以固定扫描时间或迭代次数，根据图像质量指标反馈其他成像参数。

步骤s190：根据更新成像参数对成像对象进行扫描成像，以获取成像对象的医学图像。

具体地，当更新成像参数所对应的预览图像的图像质量指标符合预设要求时，根据此成像参数进行扫描协议以及重建协议等扫描和重建过程中的设定，然后对成像对象进行扫描成像，以获得符合质量要求的医学图像。

上述方法可以适用于正电子发射计算机断层显像(positronemissioncomputedtomography，简称pet)、计算机断层扫描(computedtomography，简称ct)、磁共振成像(magneticresonance，简称mr)、x射线、超声成像(ultrasonic，简称us)以及多模态融合成像等医学影像中，可以针对每种模态的医学影像的成像特点训练对应的神经网络模型，也可以通过一个神经网络模型对多种医学影像进行图像质量预测，神经网络模型将成像参数中的各项参数与图像质量指标中的各项参数建立对应关系，神经网络模型所输出的图像质量指标的具体种类可以根据用户的阅片习惯等实际需求而确定，例如可以包括分辨率、对比度以及信噪比等图像参数。

上述医学成像方法，可以根据成像对象信息、扫描协议以及重建协议等成像参数，利用数字模型得到相应的预览图像，并根据预览图像的图像质量指标对成像参数进行调整，以得到符合质量要求的医学图像。

在一个实施例中，上述成像参数包括成像对象信息、扫描协议以及重建协议中的至少一种，上述图像质量指标包括图像的空间分辨率、图像的对比度、图像的信噪比、图像的背景噪声、图像的均匀性以及图像的恢复系数中的至少一种。

具体地，成像参数可以包括成像对象信息，成像对象信息表示每个成像对象特定的个体特征，一般针对同一成像对象，在扫描成像的过程中成像对象信息不会发生改变，成像参数还包括扫描协议和重建协议，扫描协议和重建协议分别表示在扫描和图像重建过程中的各种设定，一般由操作人员进行确定，在预测图像质量指标后可以对扫描协议和重建协议进行相应调整，以使获得的医学影像的图像质量更符合要求。图像质量指标可以包括空间分辨率、对比度、信噪比、背景噪声、均匀性以及恢复系数中等医学影像的特征参数，针对于不同种类的医学影像，图像质量指标的具体内容可以不同。

进一步地，上述成像对象信息包括成像对象身高、成像对象体重、注射时间、注射剂量以及静息时间中的至少一种；上述扫描协议包括扫描时间以及床位重叠区域中的至少一种；上述重建协议包括重建矩阵、迭代次数、后滤波、飞行时间以及点扩展函数中的至少一种。

成像参数的内容可以根据扫描成像的实际情况而确定，例如在pet扫描中，成像参数中成像对象信息包括成像对象的身高、体重等基本身体特征，还可以包括注射时间、注射剂量以及静息时间等针对扫描准备的各项生理参数，扫描协议可以包括扫描时间以及床位重叠区域等扫描过程中的扫描设备的设定，也可以包括扫描摆位等与成像对象相关的扫描选项，重建协议可以包括重建矩阵、迭代次数、滤波方式(增强滤波、平滑滤波、不滤波)、后滤波、是否选择飞行时间(tof)以及是否选择点扩展函数(psf)等图像重建处理过程中的各类设定。

进一步地，在扫描成像的过程中，每种成像参数可以影响一项或多项图像质量指标，不同的成像参数也可以共同影响某项图像质量指标，例如重建协议中的迭代次数以及是否使用点扩展函数(psf)会影响图像的空间分辨率指标。而扫描时间、是否使用飞行时间(tof)、迭代次数、是否使用点扩展函数(psf)以及滤波方式则会影响到图像的信噪比指标。成像参数对图像质量指标的具体影响程度可以根据实际扫描成像的情况确定。

图2为另一个实施例中医学成像方法的流程示意图，如图2所示，在一个实施例中，基于上述实施例的方法步骤，医学成像方法的步骤s210、s230、s250、s270以及s290可以分别于上述是实施例中的相应步骤相同，本实施例中的医学成像方法还包括：

步骤s260：判断图像质量指标是否符合预设要求。

具体地，在步骤s250获取预览图像的图像质量指标后对其进行判断，预设要求为用户对医学影像的图像质量的要求，具体可以是要达到的分辨率或信噪比等的数值，预设要求可以预先存储在医学成像设备中，对于图像质量指标的判断可以由操作人员进行手动确认，也可以由医学成像设备自动进行判断。当判断预览图像的图像质量指标不符合预设要求时，说明预设成像参数无法获得质量合格的医学图像，则可以进入步骤s270对预设成像参数进行调整；当判断预览图像的图像质量指标符合预设要求时，说明预设成像参数可以获得质量合格的医学图像，则可以进入步骤s290对成像对象进行扫描成像。

步骤s280：基于更新成像参数，利用数字模型进行模拟成像以得到更新预览图像。

步骤s282：获取更新预览图像的图像质量指标。

具体地，若预览图像的图像质量指标不符合预设要求时，对预设成像参数进行调整，得到调整后的更新成像参数后，可以根据此更新成像参数，重新利用人体数字模型进行模拟成像，以得到与更新成像参数所对应的更新预览图像，并计算更新预览图像的图像质量指标。得到更新预览图像的图像质量指标后对其进行判断，若其符合预设要求，则可以进入步骤s290对成像对象进行扫描成像；若更新预览图像的成像质量指标仍然不符合预设要求，则继续对成像参数进行调整，直至获得能符合预设要求的图像质量指标的预览图像为止。

图3为一个实施例中上述医学成像方法步骤s170的流程示意图，如图3所示，上述步骤s170具体包括以下步骤：

步骤s172：获取神经网络模型。

步骤s174：调整预览图像的图像质量指标以得到更新图像质量指标。

步骤s176：基于更新图像质量指标，利用神经网络模型得到更新成像参数。

具体地，对于成像参数的调整可以通过神经网络的方式实现，首先获取用于神经网络模型，一般可以是卷积神经网络模型等，神经网络模型可以通过多组成像参数和对应的图像质量指标作为训练数据进行训练得到。对上述神经网络模型的训练，可以通过反向传播等方式实现。将预览图像的图像质量指标进行调整，得到符合期望的质量要求的更新图像质量指标，将更新图像质量指标输入知神经网络模型，则可得到与该质量指标所对应的成像参数，此成像参数即为更新成像参数。

在一个实施例中，上述步骤s176包括：

基于更新图像质量指标，利用神经网络模型得到至少两组成像参数；

从至少两组成像参数中选择一组成像参数作为更新成像参数。

具体地，由于成像参数中有很多具体参数都会对图像质量指标造成不同程度的影响，所以可能存在多种成像参数调整的方式均可以得到相近或相同的成像质量指标。所以可以利用神经网络模型，将能够达到更新图像质量指标的所有情况的成像参数组合全部进行反馈，例如每种情况修正一项不同的成像参数，或者每种情况以不同的权重修正多项成像参数，用户可以在多种情况中选择最优的扫描成像方案，将其保存为更新成像参数，并据此对成像对象进行扫描成像。

在一个实施例中，上述步骤s172包括：

获取训练数据，所述训练数据包括样本图像的成像对象信息、成像参数以及图像质量指标；

基于训练数据训练神经网络，以得到神经网络模型。

具体地，上述神经网络模型可以通过训练相应的神经网络得到，首先建立神经网络，此神经网络可以是卷积神经网络等符合图像质量指标预测需求的神经网络，然后获取神经网络的训练数据，训练数据中包括多组样本图像，每组样本图像包括其成像对象信息、成像参数以及与成像参数相对应的图像质量指标，以成像参数作为神经网络的输入，以图像质量指标作为输出的期望值对神经网络进行训练，更新神经网络的参数，直至神经网络输出的误差值小于符合预设的精度要求，确定神经网络的参数以得到神经网络模型。

进一步地，对于训练数据中的成像参数和图像质量指标，由于一项成像参数的改变可能影像多项图像质量指标，所以训练数据中每组成像参数和图像质量数据中包括的具体参数种类可以不同，使神经网络建立每项成像参数与各种图像质量指标的对应关系，从而使得神经网络模型可以应用于各类不同的扫描成像过程中，并能预测得到更全面的图像质量指标。

进在另一个实施例中，上述获取训练数据包括：

利用医学成像设备对训练成像对象进行扫描成像和/或利用数字模型进行模拟成像，以得到训练数据。

具体地，对训练数据的获取，可以通过在实际扫描成像中得到，例如记录成像对象的各项成像参数作为训练成像参数，并在扫描成像后计算医学影像的图像质量指标作为训练图像质量指标，并将该训练成像参数与训练图像质量指标作为一组训练数据，可以通过对同一成像对象进行多次扫描成像，或者对多个成像对象进行扫描成像，以获取多组训练数据，以用于神经网络模型的训练。可以理解的是，训练输入也可以是从扫描案例或者历史扫描记录等中获取的成像参数与对应的图像质量指标。

进一步地，训练数据也可以是通过利用人体数字模型进行模拟成像获取的，记录设定的成像参数作为训练成像参数，根据训练成像参数在人体数字模型中产生模拟数据，以得到模拟的医学影像，计算该医学影像的图像质量指标作为训练图像质量指标。相对于通过实际进行扫描成像获取训练数据，通过人体数字模型模拟扫描成像可以在短时间内获取大量的训练数据，更加便捷而且成本较低。

图4为一个实施例中医学成像设备的结构示意图，如图4所示，在一个实施例中，医学成像设备300包括：参数获取模块310，用于获取预设成像参数；图像预览模块330，用于基于预设成像参数，利用数字模型进行模拟成像以得到预览图像；图像质量获取模块350，用于获取预览图像的图像质量指标；参数调整模块370，用于根据预览图像的图像质量指标调整预设成像参数以得到更新成像参数；扫描成像模块390，用于根据更新成像参数对成像对象进行扫描成像，以获取成像对象的医学图像。

具体地，参数获取模块310获取预设成像参数，该预设成像参数可以由医生或操作人员手动输入，也可以由医学成像设备自动获取，并将获取的预设成像参数发送给图像预览模块330。图像预览模块330接收到预设成像参数后，利用人体数字模型进行模拟成像，获得与预设成像参数相对应的预览图像，并将该预览图像发送给图像质量获取模块350。图像质量获取模块350根据接收的预览图像，获取其图像质量指标。图像质量指标可以包括分辨率、对比度、信噪比、背景噪声、均匀性以及恢复系数等。图像质量获取模块350可以将该图像质量指标发送给参数调整模块370。参数调整模块370对接收到的图像质量指标进行判断，并根据此图像质量指标对预设成像参数进行调整，使其能够符合图像质量指标的预设要求，并将调整后的成像参数保存为更新成像参数发送给扫描成像模块390。扫描成像模块390根据所接收的更新成像参数对成像对象进行扫描成像，从而获取图像质量指标符合预设要求的成像对象的医学图像。

上述医学成像设备300，可以根据成像对象信息、扫描协议以及重建协议等成像参数，利用数字模型得到相应的预览图像，并根据预览图像的图像质量指标对成像参数进行调整，以得到符合质量要求的医学图像。

在一个实施例中，提供一种医学成像设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行该程序时执行如下步骤：获取预设成像参数；基于预设成像参数，利用数字模型进行模拟成像以得到预览图像；获取预览图像的图像质量指标；根据预览图像的图像质量指标调整预设成像参数以得到更新成像参数；根据更新成像参数对成像对象进行扫描成像，以获取成像对象的医学图像。

在一个实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时可使得处理器执行如下步骤：获取预设成像参数；基于预设成像参数，利用数字模型进行模拟成像以得到预览图像；获取预览图像的图像质量指标；根据预览图像的图像质量指标调整预设成像参数以得到更新成像参数；根据更新成像参数对成像对象进行扫描成像，以获取成像对象的医学图像。

进一步地，上述医学成像设备中具体可以包括pet设备、ct设备、mr设备、x射线设备、超声图像设备以及多模态融合成像设备等。医学成像设备中还可以包括显示设备，显示设备具体可以是显示屏或投影仪等。显示设备与处理器通信连接，可以将处理器得到的预览图像及其图像质量指标显示给医生或操作人员，医生或操作人员可以通过显示设备对预览图像对进行判断其是否符合预设要求，如符合要求，则可以控制医学成像设备对成像对象进行扫描成像。若图像质量指标不符合预设要求，则可以继续对成像参数进行调整，直至得到符合要求的预览图像，并根据此时对应的成像参数控制医学成像设备对成像对象进行扫描成像，从而获得成像对象的医学图像。

上述对于计算机可读存存储介质及计算机设备的限定可以参见上文中对于方法的具体限定，在此不再赘述。

需要说明的是，本领域普通技术人员可以理解实现上述方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该程序可存储于一计算机可读取存储介质中；上述的程序在执行时，可包括如上述各方法的实施例的流程。其中，上述存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，简称rom)或随机存储记忆体(randomaccessmemory，简称ram)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。