[发明专利]用于自动检测关键图像的系统和方法有效

专利信息
申请号: 201780046678.5 申请日: 2017-06-22
公开(公告)号: CN109564773B 公开(公告)日: 2023-07-07
发明(设计)人: A·M·塔赫玛塞比马拉古奥施;T·D·D·S·马博杜瓦纳;钱悦晨 申请(专利权)人: 皇家飞利浦有限公司
主分类号: G16H15/00 分类号: G16H15/00
代理公司: 永新专利商标代理有限公司 72002 代理人: 孟杰雄;王英
地址: 荷兰艾*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 自动检测 关键 图像 系统 方法
【权利要求书】:

1.一种放射学工作站(10),包括:

计算机(12),其被连接以接收放射学检查对象的部分的放射学图像堆叠,所述计算机包括至少一个显示部件(14)和至少一个用户输入部件(16);

其中,所述计算机包括至少一个处理器(22),所述至少一个处理器被编程为:

在所述至少一个显示部件上显示所述放射学图像堆叠的选定的放射学图像;

接收经由所述至少一个用户输入部件对当前放射学报告的录入,并且在所述至少一个显示部件上显示所录入的放射学报告;

至少通过对所述放射学图像堆叠的自动分析来识别放射学研究结果,所述自动分析包括:将所述放射学图像堆叠转换为三维(3D)图像;并且识别在所述三维(3D)图像中描绘的特征;

从描绘所述放射学研究结果的所述放射学图像堆叠中识别或提取至少一幅关键图像;并且

将所述至少一幅关键图像嵌入所述放射学报告或者与所述放射学报告链接;

其中,所述放射学研究结果包括所识别的特征沿着所识别的特征的长轴的最大长度,并且所述至少一幅关键图像包括包含所识别的特征的所述长轴并且从所述三维(3D)图像中提取的关键图像。

2.根据权利要求1所述的放射学工作站(10),其中,所述放射学研究结果是通过以下操作来识别的:

检测经由所述至少一个用户输入部件(16)对显示的所述放射学图像堆叠的选定的放射学图像上的位置的识别;并且

通过自动分析所显示的所述放射学图像堆叠的选定的放射学图像来识别所识别的位置处的特征。

3.根据权利要求1所述的放射学工作站(10),其中,至少一幅关键图像包括关键图像,所述关键图像被识别为所述放射学图像堆叠中所识别的特征具有最大横截面的放射学图像。

4.根据权利要求1所述的放射学工作站(10),其中,所述放射学研究结果包括所识别的特征沿着所识别的特征的短轴的最小长度,并且所述至少一幅关键图像包括从包含所识别的特征的所述短轴的所述三维(3D)图像中提取的关键图像。

5.根据权利要求1-4中的任一项所述的放射学工作站(10),其中,所识别的特征是肿瘤或病灶。

6.根据权利要求1所述的放射学工作站(10),其中,所述放射学研究结果还通过在所述放射学报告中检测对所述放射学研究结果的文本描述来识别。

7.一种放射学工作站(10),包括:

计算机(12),其被连接以接收放射学检查对象的部分的放射学图像堆叠,所述计算机包括至少一个显示部件(14)和至少一个用户输入部件(16);

其中,所述计算机包括至少一个处理器(22),所述至少一个处理器被编程为:

在所述至少一个显示部件上显示所述放射学图像堆叠的选定的放射学图像;

接收经由所述至少一个用户输入部件对当前放射学报告的录入,并且在所述至少一个显示部件上显示所录入的放射学报告;

将所述放射学图像堆叠转换为三维(3D)图像;

识别包括在所述三维(3D)图像中描绘的特征的放射学研究结果;

从所述三维(3D)图像中提取描绘所述放射学研究结果的至少一幅二维(2D)关键图像;并且

将所提取的至少一幅二维(2D)关键图像嵌入所述放射学报告或者与所述放射学报告链接;

其中,所述放射学研究结果包括所识别的特征沿着所识别的特征的长轴的最大长度,并且所述至少一幅二维(2D)关键图像包括包含所识别的特征的所述长轴并且从所述三维(3D)图像中提取的二维(2D)关键图像。

8.根据权利要求7所述的放射学工作站(10),其中,所述至少一个处理器(22)还被编程为:

将关键图像识别为所述放射学图像堆叠中所识别的特征具有最大横截面的放射学图像;并且

将所识别的关键图像嵌入所述放射学报告或者与所述放射学报告链接。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于皇家飞利浦有限公司,未经皇家飞利浦有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201780046678.5/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top