扫描系统配置方法、装置、计算机设备和可读存储介质与流程

本发明涉及医疗领域，特别是涉及一种扫描系统配置方法、装置、计算机设备和可读存储介质。

背景技术：

在pet/ct及ct系统在临床应用中，为了提高患者舒适度，扫描床通常采用弧形床板。为支持放疗，需要替换为平床板。部分场景支持科研用途，也可以将扫描床床板替换为小动物床板。针对不同的床板类型，扫描系统的配置需要进行相应地调整。

传统地，需要用户观察扫描床的床板类型，然后根据床板类型手动设置扫描系统的配置项信息，操作过程较繁琐。

技术实现要素：

本申请提供一种扫描系统配置方法、装置、计算机设备和可读存储介质，可以自动配置扫描系统的配置项信息，实现了床板配置的自动识别。

一种扫描系统配置方法，所述方法包括：

获取扫描系统的扫描床图像；

识别所述扫描床图像，得到所述扫描床的类型；

根据所述扫描床的类型配置所述扫描系统的配置项参数。

在一实施例中，所述获取扫描系统的扫描床图像包括：

获取通过摄像机采集到的扫描床表面轮廓图像，和/或

获取通过扫描系统对所述扫描床进行扫描得到的所述扫描床定位片图像；

将所述扫描床表面轮廓图像和/或扫描床定位片图像作为所述扫描床图像。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：所述扫描床上设置有可视标志，所述可视标志用于标识所述扫描床的类型；

获取所述扫描床图像中包含的可视标志信息；

根据所述可视标志信息确定所述扫描床的类型。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：

获取所述扫描床图像中包含的电子密度差异信息；

根据所述电子密度差异信息确定所述扫描床的类型。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：

将所述扫描床图像输入深度学习模型，得到所述扫描床的类型。

在一实施例中，所述将所述扫描床图像输入深度学习模型，得到所述扫描床的类型之前包括：

构建初始模型；

获取所有扫描床类型对应的扫描床图像，并将所有扫描床类型与相应的扫描床图像作为训练集；

根据所述训练集对初始模型进行训练，得到深度学习模型。

在一实施例中，所述根据所述扫描床的类型自动配置所述扫描系统的配置项参数包括：

读取存储在控制台内的与扫描床类型对应的配置文件，所述配置文件包括各项配置项参数；

所述配置项参数至少包括下沉曲线参数、干涉曲线参数以及配准矩阵参数中的一种参数。

一种扫描系统配置装置，所述装置包括：

获取模块，用于获取扫描系统的扫描床图像；

识别模块，用于识别所述扫描床图像，得到所述扫描床的类型；

配置模块，用于根据所述扫描床的类型配置所述扫描系统的配置项参数。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机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，所述计算机程序被处理器执行时实现上述方法的步骤。

本申请实施例提供的扫描系统配置方法、装置、计算机设备和计算机可读存储介质，包括获取扫描系统的扫描床图像；识别所述扫描床图像，得到所述扫描床的类型；根据所述扫描床的类型配置所述扫描系统的配置项参数。本申请提供的扫描系统配置方法可以自动获取扫描床板的类型，并根据扫描床板的类型自动设置扫描系统的配置项信息，实现了床板配置的自动识别。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一实施例提供的扫描系统配置方法的流程图；

图2为一实施例提供的可视标志的示意图；

图3为一实施例提供的训练深度学习模型的流程图；

图4为一个实施例中扫描系统配置装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了便于理解本申请，为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请，附图中给出了本申请的较佳实施方式。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本申请的公开内容理解的更加透彻全面。本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施例的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本申请的描述中，“若干”的含义是至少一个，例如一个，两个等，除非另有明确具体的限定。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

正电子发射型计算机断层显像(pet)，是核医学领域比较先进的临床检查影像技术。是将某种物质，一般是生物生命代谢中必须的物质，如：葡萄糖、蛋白质、核酸、脂肪酸，标记上短寿命的放射性核素(如18f，11c等)，注入人体后，放射性核素在衰变过程中释放出正电子，一个正电子在行进十分之几毫米到几毫米后遇到一个电子后发生湮灭，从而产生方向相反的一对能量为511kev的光子。这对光子，通过高度灵敏的照相机捕捉，并经计算机进行散射和随机信息的校正。经过对不同的正电子进行相同的分析处理，我们可以得到在生物体内聚集情况的三维图像，从而达到诊断的目的。

计算机断层扫描设备(ct)通常包括机架、扫描床以及供医生操作的控制台。机架的一侧设置有球管，与球管相对的一侧设置有探测器。控制台为控制扫描的计算机设备，计算机设备还用于接收探测器采集到的扫描数据，并对数据进行处理重建，最终形成ct图像。在利用ct进行扫描时，患者躺在扫描床上，由扫描床将患者送入机架的孔径内，机架上设置的球管发出x射线，x射线穿过患者被探测器接收形成扫描数据，并将扫描数据传输给计算机设备，计算机设备对扫描数据进行初步处理以及图像重建得到ct图像。

图1为一实施例提供的扫描系统配置方法的流程图，如图1所示，扫描系统配置方法包括步骤110至步骤130，其中：

步骤110，获取扫描系统的扫描床图像。

扫描系统包括位于屏蔽室内的扫描装置，所述扫描装置环绕形成扫描腔，该扫描腔为扫描过程中待扫描物体的容置部位。扫描系统还包括位于屏蔽室内的扫描床，且扫描床可以沿扫描腔运动。待扫描物体躺在扫描床上，由扫描床承载着待扫描物体从扫描装置外部移送至扫描腔内。具体地，扫描床包括床板，待扫描物体放置在床板上进行影像扫描。扫描床的床板可以包括多种类型，具体采用的床板类型可以根据实际应用场景进行选择。通常为了提高待扫描物体的舒适度，一般采用弧形床板；在放疗过程中，需要采用平床板；部分使用场景也会替换成小动物床板进行科研用途。

在执行扫描前，首先获取扫描床图像，以根据扫描床图像得到扫描床的类型。

在一实施例中，所述获取扫描系统的扫描床图像包括：

获取通过摄像机采集到的扫描床表面轮廓图像，将所述扫描床表面轮廓图像作为所述扫描床图像。

摄像机可以设置在扫描腔内，也可以设置在扫描腔外部并位于扫描床的上方，摄像机的具体设置位置本实施不作限定，只要保证可以采集到扫描系统的扫描床图像即可。优选的，摄像机可设置在正对扫描床的上方，这样可以较好的获取扫描床表面轮廓图像。

可以理解的是，当摄像机设置在扫描腔内时，在扫描床从扫描装置外部移送至扫描腔内并达到预设的扫描位置后开始进行拍摄，以采集扫描床表面轮廓图像。当摄像机设置在扫描腔外部时，在扫描装置外部就可以开启拍摄，以获取扫描床表面轮廓图像。

扫描床表面轮廓图像可以是对摄像机拍摄的图像进行处理后得到的，具体地，可以先对对摄像机拍摄的图像进行灰度处理，然后再利用图像梯度算法提取出边框得到扫描床表面轮廓图像。

在一实施例中，所述获取扫描系统的扫描床图像包括：

获取通过扫描系统对所述扫描床进行扫描得到的所述扫描床定位片图像；并将所述扫描床定位片图像作为所述扫描床图像。

本申请中的扫描系统包括但不限于扫描设备可以是医学成像设备，包括：正电子发射计算机断层显像设备(pet)、核磁共振成像设备(magneticresonance，mr)、电子计算机断层扫描设备(ct)以及上述各种设备相结合的扫描设备等常见的医学影像扫描系统。

若通过正电子发射型计算机断层显像系统获取扫描床定位片图像，则可以向扫描床注入某种物质，经过对不同的正电子进行相同的分析处理，可以得到在扫描床内聚集情况的图像，从而得到扫描床定位片图像。

若通过计算机断层扫描系统获取扫描床定位片图像，则可以控制机架上设置的球管发出x射线，x射线穿过扫描床被探测器接收形成扫描数据，并将扫描数据传输给计算机设备，计算机设备对扫描数据进行处理得到扫描床定位片图像。具体地，当操作员发出获取指令后，扫描系统响应获取指令，并将扫描系统的相应部件自动调整到预设位置(如将x射线管调整到12点钟位置，或3点钟位置，或9点钟位置)来获取扫描床定位片图像。

需要说明的是，获取扫描床定位片图像的扫描系统可以与当前扫描系统为同一台系统，当然也可以通过另一台系统来执行，获取扫描床定位片图像的扫描系统本实施例不作限制。

步骤120，识别所述扫描床图像，得到所述扫描床的类型。

在一实施例中，如图2所示，所述扫描床上设置有可视标志，可视标志用于标识所述扫描床的类型。每一个扫描床的床板上均携带对应的可视标志，所述可视标志唯一标识床板的类型。通过获取所述扫描床图像中包含的可视标志信息得到所述扫描床的类型。可视标志可以为图案、字母、数字，具体形式不做限定，可视标志可以通过对扫描床开模得到，通过开模得到的可视标志可以改变扫描床的结构。

可以理解的是，当通过识别设置在扫描床上的可视标志来确定扫描床的类型时，扫描床表面轮廓图像和扫描床定位片图像可以仅针对存在可视标志的区域进行拍摄或扫描得到。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：

获取所述扫描床图像中包含的电子密度差异信息；

根据所述电子密度差异信息确定所述扫描床的类型。

电子密度(electrondensity)，亦称电子射线密度，系指电子射线散射的物质密度，本申请具体指的是射线的衰减系数。ct扫描是将计算机与x射线相结合，利用待扫描物体不同区域对x射线衰减系数的不同，使得检测器接收到的射线信号不同，而进行重构断层影像的技术。针对扫描床定位片图像，由于扫描床的类型不同，因此其结构也存在差异，比如平板床和弧形床的结构存在差异。另外，为了更明显地区分扫描床的类型，可以在扫描床的床板上设置可视标志，通过该可视标志来改变扫描床的结构，例如开设镂空结构等方式。本申请通过将x射线穿过扫描床，不同的扫描床类型对应的射线衰减系数不同，因此可以根据扫描床定位片图像中的射线衰减系数分布差异确定扫描床的类型。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：

将所述扫描床图像输入深度学习模型，得到所述扫描床的类型。

具体地，将扫描床图像输入到深度学习模型后，通过深度学习模型对扫描床图像进行分类，并匹配出每一类扫描床图像对应的扫描床类型。

在一实施例中，所述将所述扫描床图像输入深度学习模型，得到所述扫描床的类型之前包括：

构建初始模型。在构建初始模型之后，需要对初始模型进行训练。训练样本的数量本实施例不作限制，训练样本的数量越多，训练得到的深度学习模型鲁棒性越强。

获取所有扫描床类型对应的扫描床图像，并将所有扫描床类型与相应的扫描床图像作为训练集。

根据所述训练集对初始模型进行训练，得到深度学习模型。

具体地，首先将训练集中的扫描床图像输入至初始模型，得到输出的第一扫描床类型。若第一扫描床类型与扫描床类型对应的目标扫描床类型不一致，则调整所述初始模型的参数，以使深度学习模型输出的第一扫描床类型与目标扫描床类型一致。当输入任一扫描床图像后均可得到与扫描床图像对应的目标扫描床类型，则确定当前的所述初始模型为训练好的深度学习模型。通过训练好的深度学习模型可以实现可以根据输入的扫描床图像输出与扫描床图像对应的扫描床类型。

步骤130，根据所述扫描床的类型配置所述扫描系统的配置项参数。

在一实施例中，所述根据所述扫描床的类型自动配置所述扫描系统的配置项参数包括：

读取存储在控制台内的与扫描床类型对应的配置文件，所述配置文件包括各项配置项参数；

所述配置项参数至少包括下沉曲线参数、干涉曲线参数以及配准矩阵参数中的一种参数。

具体地，可以在主机的控制台中预存与扫描床类型对应的配置文件，每一配置文件可以携带有标识信息，用于唯一标识其对应的扫描床类型。在识别到扫描床的类型后，根据标识信息自动读取存储在控制台内的与该扫描床类型对应的配置文件，然后根据配置文件中的各项配置项参数对扫描系统的配置项信息进行配置，从而实现了对扫描系统的自动化配置。

本申请实施例提供的扫描系统配置方法包括获取扫描系统的扫描床图像；识别所述扫描床图像，得到所述扫描床的类型；根据所述扫描床的类型配置所述扫描系统的配置项参数。本申请提供的扫描系统配置方法可以自动获取扫描床板的类型，并根据扫描床板的类型自动设置扫描系统的配置项信息，实现了床板配置的自动识别。

应该理解的是，虽然图1和图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和图3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种扫描系统配置装置，包括：获取模块410、识别模块420和配置模块430，其中：

获取模块410，用于获取扫描系统的扫描床图像；

识别模块420，用于识别所述扫描床图像，得到所述扫描床的类型；

配置模块430，用于根据所述扫描床的类型配置所述扫描系统的配置项参数。

在一实施例中，获取模块410用于获取通过摄像机采集到的扫描床表面轮廓图像，和/或

获取通过扫描系统对所述扫描床进行扫描得到的所述扫描床定位片图像；

将所述扫描床表面轮廓图像和/或扫描床定位片图像作为所述扫描床图像。

在一实施例中，所述扫描床上设置有可视标志，所述可视标志用于标识所述扫描床的类型；识别模块420用于获取所述扫描床图像中包含的可视标志信息；

根据所述可视标志信息确定所述扫描床的类型。

在一实施例中，识别模块420用于获取所述扫描床图像中包含的电子密度差异信息；

根据所述电子密度差异信息确定所述扫描床的类型。

在一实施例中，识别模块420用于将所述扫描床图像输入深度学习模型，得到所述扫描床的类型。

在一实施例中，扫描系统配置装置还包括深度学习模型构建模块，用于在将所述扫描床图像输入深度学习模型，得到所述扫描床的类型之前构建初始模型；

获取所有扫描床类型对应的扫描床图像，并将所有扫描床类型与相应的扫描床图像作为训练集；

根据所述训练集对初始模型进行训练，得到深度学习模型。

在一实施例中，配置模块430用于读取存储在控制台内的与扫描床类型对应的配置文件，所述配置文件包括各项配置项参数；

所述配置项参数至少包括下沉曲线参数、干涉曲线参数以及配准矩阵参数中的一种参数。

本申请实施例提供的扫描系统配置装置包括获取模块410、识别模块420和配置模块430，通过获取模块410获取扫描系统的扫描床图像；通过识别模块420识别所述扫描床图像，得到所述扫描床的类型；配置模块430根据所述扫描床的类型配置所述扫描系统的配置项参数。本申请提供的扫描系统配置装置可以自动获取扫描床板的类型，并根据扫描床板的类型自动设置扫描系统的配置项信息，实现了床板配置的自动识别。

关于扫描系统配置装置的具体限定可以参见上文中对于扫描系统配置方法的限定，在此不再赘述。上述扫描系统配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种扫描系统配置方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取扫描系统的扫描床图像；

识别所述扫描床图像，得到所述扫描床的类型；

根据所述扫描床的类型配置所述扫描系统的配置项参数。

在一实施例中，所述获取扫描系统的扫描床图像包括：

获取通过摄像机采集到的扫描床表面轮廓图像，和/或

获取通过扫描系统对所述扫描床进行扫描得到的所述扫描床定位片图像；

将所述扫描床表面轮廓图像和/或扫描床定位片图像作为所述扫描床图像。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：所述扫描床上设置有可视标志，所述可视标志用于标识所述扫描床的类型；

获取所述扫描床图像中包含的可视标志信息；

根据所述可视标志信息确定所述扫描床的类型。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：

获取所述扫描床图像中包含的电子密度差异信息；

根据所述电子密度差异信息确定所述扫描床的类型。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：

将所述扫描床图像输入深度学习模型，得到所述扫描床的类型。

在一实施例中，所述将所述扫描床图像输入深度学习模型，得到所述扫描床的类型之前包括：

构建初始模型；

获取所有扫描床类型对应的扫描床图像，并将所有扫描床类型与相应的扫描床图像作为训练集；

根据所述训练集对初始模型进行训练，得到深度学习模型。

在一实施例中，所述根据所述扫描床的类型自动配置所述扫描系统的配置项参数包括：

读取存储在控制台内的与扫描床类型对应的配置文件，所述配置文件包括各项配置项参数；

所述配置项参数至少包括下沉曲线参数、干涉曲线参数以及配准矩阵参数中的一种参数。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取扫描系统的扫描床图像；

识别所述扫描床图像，得到所述扫描床的类型；

根据所述扫描床的类型配置所述扫描系统的配置项参数。

在一实施例中，所述获取扫描系统的扫描床图像包括：

获取通过摄像机采集到的扫描床表面轮廓图像，和/或

获取通过扫描系统对所述扫描床进行扫描得到的所述扫描床定位片图像；

将所述扫描床表面轮廓图像和/或扫描床定位片图像作为所述扫描床图像。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：所述扫描床上设置有可视标志，所述可视标志用于标识所述扫描床的类型；

获取所述扫描床图像中包含的可视标志信息；

根据所述可视标志信息确定所述扫描床的类型。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：

获取所述扫描床图像中包含的电子密度差异信息；

根据所述电子密度差异信息确定所述扫描床的类型。

在一实施例中，所述识别所述扫描床图像得到所述扫描床的类型包括：

将所述扫描床图像输入深度学习模型，得到所述扫描床的类型。

在一实施例中，所述将所述扫描床图像输入深度学习模型，得到所述扫描床的类型之前包括：

构建初始模型；

获取所有扫描床类型对应的扫描床图像，并将所有扫描床类型与相应的扫描床图像作为训练集；

根据所述训练集对初始模型进行训练，得到深度学习模型。

在一实施例中，所述根据所述扫描床的类型自动配置所述扫描系统的配置项参数包括：

读取存储在控制台内的与扫描床类型对应的配置文件，所述配置文件包括各项配置项参数；

所述配置项参数至少包括下沉曲线参数、干涉曲线参数以及配准矩阵参数中的一种参数。

本领域普通技术人员可以理解实现上述实施例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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)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发明的几种实施方式，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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。