[发明专利]训练分类器的方法、确定受检对象体位的方法和医疗器械在审

专利信息
申请号: 201611103097.4 申请日: 2016-12-05
公开(公告)号: CN108154161A 公开(公告)日: 2018-06-12
发明(设计)人: 曾驰;黄玉起 申请(专利权)人: 上海西门子医疗器械有限公司
主分类号: G06K9/62 分类号: G06K9/62;A61B6/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 201318 上*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 训练分类器 参考图像 受检对象 体位 医疗器械 特征向量 用户友好性 参数设置 分类器 归一化 有效地 复数 维度 预设 图像
【说明书】:

发明公开了一种训练分类器的方法、确定受检对象体位的方法和医疗器械。该训练分类器的方法包括:获取复数个红外或深度参考图像;从各图像中分离掉背景,得到相应的第二参考图像;归一化各第二参考图像的大小,使其具有一预设维度;提取各第二参考图像的特征向量;以所述特征向量训练所述分类器。本发明的训练分类器的方法、确定受检对象体位的方法和医疗器械自动、有效地确定受检对象的体位,因此提高了控制台上参数设置的用户友好性,并节省了用户的时间。

技术领域

本发明涉及医学成像,特别是受检对象的体位确定。

背景技术

受检对象的体位是CT定位像扫描的一个重要参数,决定着断层图像朝向的正确性并且最终影响临床诊断。当前,用户需要为每一次的断层扫描在控制台上设置体位,这是重复性并且单调的任务。

发明内容

有鉴于此,本发明提出了一种训练分类器的方法、确定受检对象体位的方法和医疗器械。

根据本发明的第一方面,提供一种训练一分类器的方法,包括:获取复数个红外或深度参考图像;从各图像中分离掉背景,得到相应的第二参考图像;归一化各第二参考图像的大小,使其具有一预设维度;提取各第二参考图像的特征向量;以所述特征向量训练所述分类器。

在一实施例中,所述提取各第二参考图像的特征向量包括:根据所述特征向量的维度将各第二参考图像分割为若干个子区域;以各子区域中的像素的一特征处于一预设区间的像素点的数量作为相应的特征值。

在一实施例中,所述以所述特征向量训练所述分类器包括通过一支持向量机训练所述分类器。

根据本发明的第二方面,提供一种确定一受检对象的体位的方法,包括:存储一分类器,所述分类器由上文所述的方法获得;获取所述受检对象的一红外或深度图像;从所述图像中分离掉背景,得到一第二图像;归一化所述第二图像的大小,使其具有一预设维度;提取所述第二图像的特征向量;以所述分类器识别所述特征,并确定所述受检对象的体位。

在一实施例中,所述提取所述第二图像的特征向量包括:根据所述特征向量的维度将所述第二图像分割为若干个子区域;以各子区域中的像素的一特征处于一预设区间的像素点的数量作为相应的特征值。

在一实施例中,所述以所述分类器识别所述特征包括通过一支持向量机识别所述特征。

根据本发明的第三方面,提供一种医疗器械,包括:一床板,其用于放置一受检对象;一存储器,其存储一分类器,所述分类器由上文所述的方法获得;一图像采集器,获取所述受检对象的一红外或深度图像;一分离单元,其从所述图像中分离掉背景,得到一第二图像;一归一单元,其归一化所述第二图像的大小,使其具有一预设维度;一特征提取单元,其提取所述第二图像的特征向量;一体位确定单元,其以所述分类器识别所述特征,并确定所述受检对象的体位。

在一实施例中,所述特征提取单元包括:一分割单元,根据所述特征向量的维度将所述第二图像分割为若干个子区域;一特征值确定单元,其以各子区域中的像素的一特征处于一预设区间的像素点的数量作为相应的特征值。

在一实施例中,所述特征是灰度。

在一实施例中,所述体位确定单元通过一支持向量机识别所述特征。

本发明的训练分类器的方法、确定受检对象体位的方法和医疗器械自动、有效地确定受检对象的体位,因此提高了控制台上参数设置的用户友好性,并节省了用户的时间。

附图说明

下面将通过参照附图详细描述本发明的优选实施例,使本领域的普通技术人员更清楚本发明的上述及其它特征和优点,附图中:

图1为根据本发明的第一实施例的一医疗器械的示意图。

图2为图1的医疗器械的分割单元分割的第二图像的示意图。

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上海西门子医疗器械有限公司,未经上海西门子医疗器械有限公司许可,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/201611103097.4/2.html,转载请声明来源钻瓜专利网。

×

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