CN114533103B - 成像方法、电子装置和计算机可读存储介质 - Google Patents

Abstract

本申请涉及一种成像方法、电子装置和计算机可读存储介质。其中，该方法包括：对保持预设体位的被扫描对象进行三维CT扫描，获得被扫描对象的基准三维图像；在被扫描对象的内部信息发生改变后，对保持预设体位的被扫描对象进行定位像CT扫描，获得被扫描对象的定位像图像；基于至少基准三维图像和定位像图像，通过训练好的数学模型获取被扫描对象的三维图像。通过本申请，解决了现有的CT成像技术对同一部位进行多次成像存在的扫描剂量大的问题，降低了CT成像所需的扫描剂量。

Description

成像方法、电子装置和计算机可读存储介质

技术领域

本申请涉及医学成像领域，特别是涉及一种成像方法、电子装置和计算机可读存储介质。

背景技术

CT成像的原理是由放射源产生放射性线束对被扫描对象一定厚度的层面进行不同扫描角度的扫描，由探测器接收透过该层面的线束，基于不同扫描角度的线束的衰减系数或吸收系数，共同解出各个体素的灰度值，从而得到被扫描对象的三维图像。

在需要对同一部位进行多次成像，例如介入成像或者在不同时间对同一病灶部位的重复扫描时，相关技术中采用的CT扫描方法是对介入成像区域或病灶部位进行多次CT扫描。以介入成像为例，在相关技术中，医生首先在介入针没有进入视野时扫描纯组织图像，然后操作介入针进入组织内部，CT重复扫描并重建图像，以显示介入针的位置，引导医生将介入针放入特定位置。这种CT重复扫描并重建的方法，每次扫描和重建之间没有相互联系，且放射源产生的扫描剂量大，扫描时间长，导致医生和患者长时间暴露在辐射场下。

发明内容

在本实施例中提供了一种成像方法、电子装置和计算机可读存储介质，以解决现有的CT成像技术对同一部位进行多次成像存在的扫描剂量大的问题。

第一个方面，在本实施例中提供了一种成像方法，包括：

对保持预设体位的被扫描对象进行三维CT扫描，获得所述被扫描对象的基准三维图像；

在所述被扫描对象的内部信息发生改变后，对保持所述预设体位的所述被扫描对象进行定位像CT扫描，获得所述被扫描对象的定位像图像；

基于至少所述基准三维图像和所述定位像图像，通过训练好的数学模型获取所述被扫描对象的三维图像。

在其中的一些实施例中，所述数学模型由内部信息发生改变前对被扫描对象进行三维CT扫描得到的三维图像和内部信息发生改变后对被扫描对象进行不同扫描角度的定位像CT扫描得到的一个或多个二维图像作为输入数据，以内部信息发生改变后的被扫描对象进行三维CT扫描的三维图像作为监督学习目标，训练而成。

在其中一些实施例中，所述数学模型包括模型参数；所述基于至少所述基准三维图像和所述定位像图像，通过训练好的数学模型获取所述被扫描对象的三维图像，包括：

基于所述模型参数、所述定位像图像和所述基准三维图像预测所述被扫描对象中发生改变的内部信息对应的目标体素的信息，其中，所述模型参数用于表征所述定位像图像、所述基准三维图像以及所述目标体素之间的变换关系；

基于所述基准三维图像和所述目标体素的信息，获取所述被扫描对象的三维图像。

在其中一些实施例中，所述成像方法应用于介入成像，其中，所述被扫描对象的内部信息随着介入针在所述被扫描对象体内的位置变化而发生改变。

在其中的一些实施例中，所述基于至少所述基准三维图像和所述定位像图像，通过训练好的数学模型获取所述被扫描对象的三维图像，包括：

基于所述基准三维图像、所述定位像图像和先验信息，通过训练好的数学模型获取所述被扫描对象的三维图像；

所述先验信息包括所述介入针的介入点在所述被扫描对象的表面位置和所述介入针的运动方位。

在其中的一些实施例中，所述数学模型由内部信息发生改变前对被扫描对象进行三维CT扫描得到的三维图像、内部信息发生改变后对被扫描对象进行定位像CT扫描得到的二维图像、所述介入针的介入点在所述被扫描对象的表面位置，以及所述介入针的运动方位作为输入数据，以内部信息发生改变后的被扫描对象的三维图像作为监督学习目标，训练而成。

在其中的一些实施例中，所述数学模型为基于人工神经网络的深度学习模型。

在其中的一些实施例中，作为监督学习目标的三维图像经过针尖伪影去除处理。

在其中的一些实施例中，用于训练所述数学模型的图像的获取方式包括以下至少之一：

获取真实采集到的内部信息发生改变前后的被扫描对象的两个三维图像，根据内部信息发生改变后的被扫描对象的三维图像获取作为定位像图像的二维图像；

在内部信息发生改变前模拟CT扫描的射线在预设的数字模体内的传输过程，重建获得基准三维图像；在所述预设的数字模体内模拟内部信息发生改变的过程，获得内部信息发生改变后所述预设的数字模体的三维图像和作为定位像图像的二维图像；

获取真实采集到的内部信息发生改变后的被扫描对象的三维图像，对内部信息发生改变后的被扫描对象进行正投影获得作为定位像图像的二维图像，对内部信息发生改变后的被扫描对象的三维图像中发生改变的体素进行分割和组织修复，获得内部信息发生改变前的三维图像。

在其中的一些实施例中，所述定位像图像为一个或多个；当所述定位像图像为多个时，各定位像图像对应的扫描角度不同。

第二个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的成像方法。

第三个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的成像方法。

与相关技术相比，在本实施例中提供的成像方法、电子装置和计算机可读存储介质，解决了现有的CT成像技术对同一部位进行多次成像存在的扫描剂量大的问题，降低了CT成像所需的扫描剂量。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的成像系统的示意图。

图2是根据本申请一些实施例所示的成像系统的示例性硬件和/或软件组件的示意图。

图3是根据本申请一些实施例所示的计算机设备200的示例性硬件和/或软件组件的示意图。

图4是根据本申请实施例的成像方法的示例性过程的流程图。

图5是根据本申请实施例的深度学习模型的一种训练方法的示意图。

图6是根据本申请实施例的深度学习模型的另一种训练方法的示意图。

具体实施方式

为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。

为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。然而，本领域的普通技术人员应该明白，可以在没有这些细节的情况下实施本申请。在一些情形下，为了避免不必要的描述使本申请的各方面变得晦涩难懂，对已经在较高的层次上描述了众所周知的方法、过程、系统、组件和/或电路将不作过多赘述。对于本领域的普通技术人员来说，显然可以对本申请所公开的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请不限于所示的实施例，而是符合与本申请所要求保护的范围一致的最广泛范围。

除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。本申请所使用的术语仅出于描述特定实施例的目的，而不旨在于对本申请的限制。如本申请所使用的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。

在本申请中所涉及的“多个”是指两个或两个以上。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。

本申请所涉及的术语“系统”、“引擎”、“单元”、“模块”和/或“块”是一种用于按级别区分不同级别的不同组件、元件、零件、部件、装配件、或功能的一种方法。这些术语可以被其他能够达到相同目的的表达替换。通常，本申请涉及的“模块”、“单元”或“块”是指硬件或者固件中体现的逻辑或软件指令的集合。本申请描述的“模块”、“单元”或“块”可以作为软件和/或硬件实现，并且在作为软件实现的情形下，他们可以被存储在任何类型的非易失性计算机可读存储介质或存储设备中。

在一些实施例中，软件模块/单元/块可以被编译并被链接到可执行程序中。将意识到，软件模块可以是可从其他模块/单元/块或从其自身调用的，和/或可以响应于检测到的事件或中断而被调用。配置为在计算设备上执行的软件模块/单元/块可以设置在计算机可读存储介质上，例如光盘、数字视频盘、闪存驱动器、磁盘、或任何其他有形媒体，或作为数字下载(并且可以最初以压缩或可安装的格式存储，该格式需要在执行之前进行安装、解压或解密)。这样的软件代码可以部分地或全部地存储在正在执行的计算设备的存储设备上，并应用在计算设备的操作之中。软件指令可以被嵌入到固件，例如EPROM中。还将意识到，硬件模块/单元/块可以被包括在连接的逻辑组件中，例如门和触发器，和/或可以被包括在可编程单元中，例如可编程门阵列或处理器。本文描述的模块/单元/块或计算设备功能可以被实现为软件模块/单元/块，还可以以硬件或固件来表示。通常，本文描述的模块/单元/块，它们可以与其他模块/单元/块组合，或者尽管它们是物理组织或存储的，但也可以被划分为子模块/子单元/子块。该描述可以适用于系统、引擎或其一部分。

将理解的是，当单元、引擎、模块或块被称为在另一单元、引擎、模块或块“上”、“连接”或“耦合至”另一单元、引擎、模块或块时，其可以直接在其它单元、引擎、模块或块上，与其连接或耦合或与之通信，或者可以存在中间单元、引擎、模块或块，除非上下文另有明确说明。在本申请中，术语“和/或”可包括任何一个或以上相关所列条目或其组合。

本申请中的“图像”一词用于统称图像数据(例如，扫描数据、投影数据)和/或各种形式的图像，包括二维(2D)图像、三维(3D)图像等。本申请中的术语“像素”和“体素”可互换使用，是指图像的元素。在本申请中，术语“区域”、“位置”和“区”可以指图像中所示的解剖结构的位置，或者是指存在于目标对象体内或目标对象身上的解剖结构的实际位置。因此图像可以指示目标对象体内或身体上存在的某些解剖结构的实际位置。

本实施例提供了一种成像方法，根据本实施例提供的成像方法能够实现低剂量的CT成像，从而能够避免医生或者患者过多地暴露于辐射场中。图1是根据本申请实施例的成像系统，该成像系统用于实现成像方法。

如图1所示，成像系统可以包括扫描装置110、处理设备120、存储设备130。在其中一些实施例中，还可以包括一个或多个终端140和/或网络150。

在一些实施例中，扫描装置110、处理设备120、存储设备130和/或终端140可以相互直接连接，或通过无线网络、有线网络连接。例如，扫描装置110可以通过网络150或不通过网络而直接连接到处理设备120。再例如，存储设备130可以通过网络150或不通过网络而直接连接到处理设备120。

扫描装置110可以通过扫描目标对象生成或提供与目标对象有关的图像数据。扫描装置110可以包括单模态扫描仪和/或多模态扫描仪。单模态扫描仪可以包括例如计算机断层扫描(CT)扫描仪。多模态扫描仪可以包括例如单光子发射计算机断层扫描-磁共振成像(SPECT-MRI)扫描仪、正电子发射断层扫描-计算机断层摄影(PETCT)扫描仪等。

在一些实施例中，扫描装置110可以包括形成有检测区域113的机架111、扫描组件和扫描床114。其中，扫描组件可以包括：探测器112和放射源115。机架111可以支撑探测器112和放射源115。目标对象可以被放置在扫描床114上，然后被移动到检测区域113中进行扫描。在一些实施例中，扫描床114可以被配置为沿着不同的方向旋转和/或平移以将目标对象移动到期望的位置。例如，扫描床114可以被配置为沿着或围绕图1所示的坐标系170的X轴、Y轴和Z轴中的一个或以上平移或旋转。放射源115可以向目标对象发射放射性射线。放射性射线可以包括粒子射线、光子射线等或其组合。在一些实施例中，放射性射线可以包括至少两个放射粒子(例如，中子、质子、电子、μ介子、重离子)、至少两个放射光子(例如，X射线、γ射线、紫外线、激光)等，或其组合。探测器112可以检测从检测区域113发出的放射和/或放射事件(例如，伽马光子)。在一些实施例中，探测器112可以包括至少两个探测器单元。探测器单元可以包括闪烁探测器(例如，碘化铯探测器)或气体探测器。探测器单元可以是单行探测器或多行探测器。

处理设备120可以处理从扫描装置110、存储设备130和/或终端140获取的数据和/或信息，以及实现对扫描装置110、存储设备130和/或终端140的控制。例如，处理设备120可以实现成像系统的控制，以实现本申请提供的成像方法。

在一些实施例中，处理设备120可以是单个服务器或服务器组。服务器组可以是集中式或分布式的。在一些实施例中，处理设备120可以是成像系统本地的或远端的。在一些实施例中，处理设备120可以由具有一个或多个如图2所描述的组件的计算机设备200来实现。

在一些实施例中，处理设备120可以包括一个或以上处理器(例如，单芯片处理器或多芯片处理器)。仅作为示例，处理设备120可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。

存储设备130可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备130可以存储从处理设备120、终端140和/或扫描装置110获取的数据。在一些实施例中，存储设备130可以存储由处理设备120可以执行或用来执行本申请中描述的示例性方法的数据和/或指令。

在一些实施例中，存储设备130可以连接到网络150以与成像系统的一个或以上其他组件(例如，处理设备120、终端140)通信。成像系统的一个或以上组件可以经由网络150访问存储在存储设备130中的数据或指令。在一些实施例中，存储设备130可以是处理设备120的一部分。

终端140可以实现用户与成像系统之间的交互。例如，终端140可以显示具有目标对象的至少两个区域的至少两个注释的目标对象的目标图像。又例如，终端140可以显示使用虚拟成像系统执行的虚拟扫描。在一些实施例中，终端140可以包括移动设备、平板计算机、膝上型计算机等，或其任意组合。例如，移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、膝上型计算机、平板计算机、台式计算机等，或其任何组合。在一些实施例中，终端140可以包括输入设备、输出设备等。在一些实施例中，终端140可以是处理设备120的一部分。

网络150可以包括可以促进成像系统的信息和/或数据的交换的任何合适的网络。在一些实施例中，一个或以上成像系统的组件(例如，扫描装置110、处理设备120、存储设备130、终端140)可以经由网络150与一个或以上成像系统的其他组件通信信息和/或数据。例如，处理设备120可以通过网络150从扫描装置110获取医学图像数据。又例如，处理设备120可以经由网络150从终端140获取用户指令。

网络150可以是或包括公共网络(例如，因特网)、专用网络(例如，局部区域网络(LAN))、有线网络、无线网络(例如，802.11网络、Wi-Fi网络)、帧中继网络、虚拟专用网(VPN)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任何组合。例如，网络150可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通信(NFC)网络等，或其任意组合。在一些实施例中，网络150可以包括一个或以上网络接入点。例如，网络150可以包括诸如基站和/或互联网交换点之类的有线和/或无线网络接入点，成像系统的一个或以上组件可以通过该有线和/或无线接入点连接到网络150以交换数据和/或信息。

应当注意的是，关于成像系统的以上描述旨在是说明性的，而不是限制本申请的范围。许多替代、修改和变化对本领域普通技术人员将是显而易见的。本文描述的示例性实施方式的特征、结构、方法和其它特征可以以各种方式组合以获取另外的和/或替代的示例性实施例。例如，成像系统可以包括一个或以上附加组件。附加地或替代地，可以省略成像系统的一个或以上组件，例如上述的网络150。又例如，成像系统的两个或以上组件可以集成到单个组件中。在一些实施例中，成像系统可以进一步包括治疗设备，诸如放射治疗设备。

图2是根据本申请一些实施例所示的成像系统的示例性硬件和/或软件组件的示意图。如图2所示，该成像系统包括：扫描装置110和处理设备120。

扫描装置110，用于对保持预设体位的被扫描对象进行三维CT扫描，以及在被扫描对象的内部信息发生改变后，对保持预设体位的被扫描对象进行定位像CT扫描。

处理设备120，用于基于三维CT扫描得到的数据，获得被扫描对象的基准三维图像，基于定位像CT扫描得到的数据，获得被扫描对象的定位像图像，基于至少定位像图像和基准三维图像，通过训练好的数学模型获取被扫描对象的三维图像。

图3是根据本申请一些实施例所示的计算机设备200的示例性硬件和/或软件组件的示意图。如本文，计算机设备200可用于实现成像系统的任何组件。例如，处理设备120和/或终端140可以分别通过其硬件、软件程序、固件或其组合在计算机设备200上实现。尽管仅示出了一个这样的计算设备，但是为了方便起见，与本文描述的成像系统有关的计算机功能可以以分布方式在多个相似平台上实现，以分布处理负载。如图3所示，计算机设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。

处理器210可以根据本文描述的技术执行计算机指令(例如，程序代码)并执行处理设备120的功能。计算机指令可以包括例如执行在此描述的特定功能的常规、程序、对象、组件、数据结构、过程、模块和功能。例如，处理器210可以处理从扫描装置110、终端140、存储设备130和/或成像系统的任何其他组件获取的图像数据。在一些实施例中，处理器210可以包括一个或以上硬件处理器，诸如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理单元(CPU)、图像处理单元(GPU)、物理运算处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件(PLD)以及能够执行一个或以上功能的任何电路和处理器等，或其任意组合。

仅仅为了说明，在计算机设备200中仅描述了一个处理器。然而，应该注意的是，本申请中的计算机设备200还可以包括多个处理器，因此由本申请中描述的一个处理器执行的操作和/或方法步骤也可以由多个处理器联合地或单独地执行。例如，如果在本申请中计算机设备200的处理器执行操作A和操作B，则应该理解，操作A和操作B也可以由计算机设备200中的两个或以上不同的处理器共同地或单独地执行(例如，第一处理器执行操作A，第二处理器执行操作B，或者第一处理器和第二处理器共同执行操作A和B)。

存储器220可存储从扫描装置110、终端140、存储设备130和/或成像系统的任何其他组件获取的数据/信息。在一些实施例中，存储器220可以包括大容量存储设备、可移动存储设备、易失性读写内存、只读存储器(ROM)等或其任意组合。在一些实施例中，存储器220可以存储一个或多个程序和/或指令以执行本申请中描述的示例性方法。例如，存储器220可以存储程序以供成像系统的处理设备120执行，从而为要在目标对象上执行的扫描执行自动扫描准备。又例如，存储器220可以存储程序以供处理设备120在目标对象的扫描期间执行，以执行实时监控和/或调整操作。

I/O 230可以输入和/或输出信号、数据、信息等。在一些实施例中，I/O 230可以实现与处理设备120的用户交互。在一些实施例中，I/O 230可以包括输入设备和输出设备。输入设备可以包括通过键盘、触摸屏(例如，带有触觉输入或触觉反馈)、语音输入、眼睛跟踪输入、大脑监控系统或任何其它类似的输入机制输入的字母和其他键。通过输入设备接收到的输入信息可以通过，例如总线，传输到另一个组件(例如，处理设备120)以进行进一步处理。其他类型的输入设备可以包括光标控制设备，例如鼠标、轨迹球或光标方向键等。输出设备可以包括显示器(例如，液晶显示器(LCD)、基于发光二极管(LED)的显示器、平面背板显示器、曲面屏幕、电视设备、阴极射线管(CRT)、触摸屏)、扬声器、打印机等，或其组合。

通信端口240可以连接到网络(例如，网络150)以促进数据通信。通信端口240可以在处理设备120和扫描装置110、终端140和/或存储设备130之间建立连接。该连接可以是有线连接、无线连接、可以实现数据传输和/或接收的任何其它通信连接和/或这些连接的组合。有线连接可以包括例如电缆、光缆、电话线等或其任意组合。无线连接可以包括例如蓝牙连接、Wi-Fi连接、WiMax连接、WLAN连线、Zigbee(紫蜂)连接、移动网络连接(例如3G、4G、5G)等或其组合。在一些实施例中，通信端口240可以是和/或包括标准化的通信端口，例如RS232、RS485等。在一些实施例中，通信端口240可以是专门设计的通信端口。

例如，通信端口240可以根据医学数字成像和通信(DICOM)协议来设计。

为了实施本申请描述的各种模块、单元及其功能，计算机硬件平台可用作本文中描述的一个或以上组件的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其它类型的工作站或终端设备。若计算机被适当的程序化，计算机亦可用作服务器。

图4是根据本申请实施例的成像方法的示例性过程的流程图，如图4所示，该成像方法的流程包括如下步骤：

步骤S401，对保持预设体位的被扫描对象进行三维CT扫描，获得被扫描对象的基准三维图像。

步骤S402，在被扫描对象的内部信息发生改变后，对保持预设体位的被扫描对象进行定位像CT扫描，获得被扫描对象的定位像图像。

步骤S403，基于至少基准三维图像和定位像图像，通过训练好的数学模型获取被扫描对象的三维图像。

CT成像的原理是由放射源产生放射性线束对被扫描对象一定厚度的层面进行不同扫描角度的扫描，由探测器接收透过该层面的线束，基于不同扫描角度的线束的衰减系数或吸收系数，共同解出各个体素的灰度值，从而得到被扫描对象的三维图像。上述的三维CT扫描包括但不限于螺旋CT扫描和轴位CT扫描。然而，传统的三维CT扫描不管使用螺旋CT扫描还是轴位CT扫描，相对于定位像CT扫描而言，放射源产生的扫描剂量需要更大，扫描时长也更长。尤其是在需要对身体部位进行连续扫描以呈现实时扫描图像，或者对身体部位进行重复检查的情形下，直接采用三维CT扫描的方式，将导致医生和患者长时间暴露在辐射场下。为此，在上述实施例中采用对被扫描对象进行较少次数(至少一次)的基准三维图像扫描，在后续的连续扫描或者重复检查中，通过定位像CT扫描的方式获得被扫描对象的定位像图像，从而减少扫描剂量和降低扫描时长。在获得了基准三维图像和定位像图像后，再结合预先获得的用于表征定位像图像、基准三维图像以及目标体素之间的变换关系的先验信息，预测被扫描对象中发生改变的内部信息对应的目标体素的信息，进而获得了被扫描对象的实时三维图像。

在上述步骤S402中，被扫描对象的内部信息发生改变，例如可以是被扫描对象自身随着时间的推移发生了性状的变化，也可以是被扫描对象被外物介入从而导致其内部信息发生了改变。

例如，本实施例的成像方法可以用于介入成像。介入成像是指将CT成像作为介入针的导向工具，引导介入针到达被扫描对象内部的指定位置。在介入成像过程中，介入针在被扫描对象体内的位置发生变化则被扫描对象的内部信息也随之发生变化，目标体素即为介入针的体素。在介入成像中采用上述的成像方法，可以在进行一次较大剂量和较长时间的三维CT成像之后，采用较小剂量和较短时间的定位像CT扫描来预测介入针的位置，降低了医生和患者的风险。介入成像过程中会要求成像速度尽可能快甚至实时成像，从而能够引导医生的介入操作；采用上述方式进行介入成像，具有成像速度快、能够实时成像的有益效果。

又例如，本实施例的成像方法可以用于重复检查。重复检查是指在首次进行了三维CT成像后，为跟踪病患部位的变化而在间隔一定时间后对同一位置进行再次扫描成像。例如，该病患部位可以是肿瘤、炎症或者其他可能在相同检查位置发生变化的病灶。在重复检查过程中，被扫描对象的体位将保持为与首次扫描的体位一致。在重复检查时采用了较小剂量和较短时间的定位像CT扫描得到二维的定位像图像，此后，基于首次检查获得的基准三维图像、新扫描得到的定位像图像和先验信息预测得到当前的三维图像，降低了医生和患者的风险。

具体的，对患者部位进行重复检查以监控肿瘤进展情况时，包括：首次通过三维CT成像得到基准三维图像，再次对同一位置的肿瘤进展情况进行监控时，仅通过定位像CT扫描的二维图像，以及和首次检查获得的基准三维图像、新扫描得到的定位像图像和先验信息预测得到当前的三维图像。当然，该种检测不止用于肿瘤进展情况，还可以用于例如炎症、骨折恢复等具有增量特性和进展性的检查中。

定位像CT扫描，是指定在放射源球管和探测器都静止、扫描床移动的情况下扫描得到的图像，为二维图像，类似于将三维图像向一个平面进行投影得到的二维图像。因此，被扫描对象内部的信息的变化，也将在定位像图像内有所表现，再结合基准三维图像和定位像图像之间的投影关系，就能够得知被扫描对象内部的信息发生变化的体素是哪些，以及这些体素的灰度值是如何变化的。

在一些实施例中，定位像图像为一个或者多个。当定位图像为多个时，每个定位像图像对应的扫描角度(即球管的位置)不同。较优地，当定位图像为多个时，定位像图像包括正位定位像图像和侧位定位像图像。每个定位像图像用于在一系列相互平行的平面内预测被扫描对象内部的信息发生变化的体素的位置及其灰度值。

在另一些实施例中，在进行介入成像时，定位像图像可以为至少一个定位像图像。为了能够更准确地预测出目标体素的信息，上述的先验信息可以包括介入针的介入点在被扫描对象的表面位置，以及介入针的运动方位。其中，放射源球管和探测器均不在介入针的运动方位或者相反方位上，以使得介入针的运动方位与定位像图像的成像平面不垂直，以获得更多的被扫描对象内部发生变化的体素的信息。

在一些实施方式中，步骤S403的实现过程还包括以下步骤：数学模型包括模型参数，基于模型参数、定位像图像和基准三维图像预测被扫描对象中发生改变的内部信息对应的目标体素的信息，其中，模型参数用于表征定位像图像、基准三维图像以及目标体素之间的变换关系；基于基准三维图像和目标体素的信息，获取被扫描对象的三维图像。

上述数学模型包括但不限于浅层机器学习模型或者基于人工神经网络的深度学习模型。相对于浅层机器学习模型而言，在上述的成像方法中使用基于人工神经网络的深度学习模型，有利于深度学习模型学习到更多的模型参数的信息，从而基于这些模型参数的信息获得更准确的目标体素的信息。例如，定位像图像表示的是三维图像在一个二维平面上的投影，在投影方向上的信息是缺失的。

参考图5，在采用深度学习模型进行监督学习时，将内部信息发生改变前对被扫描对象进行三维CT扫描得到的三维图像和内部信息发生改变后对被扫描对象进行不同扫描角度的定位像CT扫描得到的一个或多个二维图像作为输入数据，以内部信息发生改变后的被扫描对象的三维图像作为监督学习目标，这样深度学习模型学习到的模型参数的信息能够更加丰富，在深度学习模型的参数达到收敛时，该深度学习模型足以根据基准三维图像和对应的定位像图像预测出目标体素的信息，从而基于基准三维图像和目标体素的信息获取被扫描对象的实时三维图像。

参考图6，在采用深度学习模型进行监督学习时，将内部信息发生改变前对被扫描对象进行三维CT扫描得到的三维图像、内部信息发生改变后对被扫描对象进行定位像CT扫描得到的二维图像、介入针的介入点在被扫描对象的表面位置，以及介入针的运动方位作为输入数据，以内部信息发生改变后的被扫描对象的三维图像作为监督学习目标，这样深度学习模型学习到的模型参数的信息还包括介入针相关的初始介入点位置和初始运动方位信息，根据这些信息在深度学习模型的参数达到收敛时，该深度学习模型足以根据基准三维图像、定位像图像、介入针的介入点初始位置和初始运动方位，预测出目标体素的信息，从而基于基准三维图像和目标体素的信息获取被扫描对象的实时三维图像。

相关技术中的三维CT扫描和重建方法进行介入成像，得到的三维图像中介入针往往存在严重的硬化伪影，导致介入针的针尖不易判断。为了减小或者消除伪影，可以采用专用的去除伪影功能，但是在实时三维扫描成像中采用去除伪影功能对重建速度影响较大，并且实时的针尖伪影去除效果普遍不佳。采用本实施例提供的成像方法的介入成像，一方面，由于基准三维图像没有针尖图像；另一方面，可以对深度学习模型中作为监督学习目标的三维图像进行离线的针尖伪影去除处理，从而使得参数收敛后的深度学习模型预测得到的目标体素不受到伪影影响，进而获得几乎没有针尖伪影的实时三维图像。

图5和图6中，内部信息发生改变前对被扫描对象进行三维CT扫描得到的三维图像、内部信息发生改变后对被扫描对象进行定位像CT扫描得到的二维图像，以及内部信息发生改变后的被扫描对象的三维图像可以通过多种方式获得：

方式一：获取真实采集到的内部信息发生改变前后的被扫描对象的两个三维图像，并对内部信息发生改变后的被扫描对象的三维图像进行预处理(例如，裁剪、去除针尖伪影等处理)；然后根据内部信息发生改变后的被扫描对象的三维图像获取作为定位像图像的二维图像。该方式能够充分利用现有的真实采集的三维图像。

方式二：预设数字模体，在内部信息发生改变前模拟CT扫描的射线在预设的数字模体内的传输过程，重建获得基准三维图像；在预设的数字模体内模拟内部信息发生改变的过程(例如介入针进入数字模体的过程)，获得内部信息发生改变后的数字模体的三维图像和作为定位像图像的二维图像。采用该方式，能够在短时间内模拟获得大量的训练数据，并且训练数据可以高度定制化，例如定制介入针的大小和材质等，从而获得专用性更强的深度学习模型。

方式三：获取真实采集到的内部信息发生改变后的被扫描对象的三维图像，对内部信息发生改变后的被扫描对象进行正投影获得作为定位像图像的二维图像，再对内部信息发生改变后的被扫描对象的三维图像中发生改变的体素进行分割和组织修复，例如插值等处理，获得内部信息发生改变前的三维图像。由于内部信息发生改变后的被扫描对象的三维图像最容易获得，而内部信息发生改变前的三维图像则相对较少，因此，采用本方式可以充分利用那些没有采集到内部信息发生改变前的三维图像的诊断图像。

综上所述，通过上述实施例或者优选实施例，基于基准三维图像和定位像图像进行实时三维图像的预测，不仅能够提高成像速度、减少医生和患者暴露在辐射场中的安全隐患，还能够更效率地获得没有针尖伪影的实时三维图像。

在本实施例中还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上述的成像方法的步骤。

应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。

显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。

“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。

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专利保护范围的限制。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，本申请的保护范围应以所附权利要求为准。

Claims (11)

1.一种成像方法，包括：

对保持预设体位的被扫描对象进行三维CT扫描，获得所述被扫描对象的基准三维图像；

在所述被扫描对象的内部信息发生改变后，对保持所述预设体位的所述被扫描对象进行定位像CT扫描，获得所述被扫描对象的定位像图像；

基于至少所述基准三维图像和所述定位像图像，通过训练好的数学模型获取所述被扫描对象的三维图像；

所述基于至少所述基准三维图像和所述定位像图像，通过训练好的数学模型获取所述被扫描对象的三维图像，包括：

基于所述基准三维图像、所述定位像图像和先验信息，通过训练好的数学模型获取所述被扫描对象的三维图像。

2.根据权利要求1所述的成像方法，其特征在于，所述数学模型由内部信息发生改变前对被扫描对象进行三维CT扫描得到的三维图像和内部信息发生改变后对被扫描对象进行不同扫描角度的定位像CT扫描得到的一个或多个二维图像作为输入数据，以内部信息发生改变后的被扫描对象进行三维CT扫描的三维图像作为监督学习目标，训练而成。

3.根据权利要求1所述的成像方法，其特征在于，所述成像方法应用于介入成像，其中，所述被扫描对象的内部信息随着介入针在所述被扫描对象体内的位置变化而发生改变。

4.根据权利要求3所述的成像方法，其特征在于，所述先验信息包括所述介入针的介入点在所述被扫描对象的表面位置和所述介入针的方位。

5.根据权利要求4所述的成像方法，其特征在于，所述数学模型由内部信息发生改变前对被扫描对象进行三维CT扫描得到的三维图像、内部信息发生改变后对被扫描对象进行定位像CT扫描得到的二维图像、所述介入针的介入点在所述被扫描对象的表面位置，以及所述介入针的运动方位作为输入数据，以内部信息发生改变后的被扫描对象的三维图像作为监督学习目标，训练而成。

6.根据权利要求2或5所述的成像方法，其特征在于，所述数学模型为基于人工神经网络的深度学习模型。

7.根据权利要求2或5所述的成像方法，其特征在于，作为监督学习目标的三维图像经过针尖伪影去除处理。

8.根据权利要求2或5所述的成像方法，其特征在于，用于训练所述数学模型的图像的获取方式包括以下至少之一：

获取真实采集到的内部信息发生改变前后的被扫描对象的两个三维图像，根据内部信息发生改变后的被扫描对象的三维图像获取作为定位像图像的二维图像；

在内部信息发生改变前模拟CT扫描的射线在预设的数字模体内的传输过程，重建获得基准三维图像；在所述预设的数字模体内模拟内部信息发生改变的过程，获得内部信息发生改变后所述预设的数字模体的三维图像和作为定位像图像的二维图像；

获取真实采集到的内部信息发生改变后的被扫描对象的三维图像，对内部信息发生改变后的被扫描对象进行正投影获得作为定位像图像的二维图像，对内部信息发生改变后的被扫描对象的三维图像中发生改变的体素进行分割和组织修复，获得内部信息发生改变前的三维图像。

9.根据权利要求1所述的成像方法，其特征在于，所述定位像图像为一个或多个；当所述定位像图像为多个时，各定位像图像对应的扫描角度不同。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至9中任一项所述的成像方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的成像方法的步骤。