[发明专利]一种正位胸片位姿自动测量方法及系统

说明书

本发明涉及一种正位胸片位姿自动测量方法及系统，方法具体为：通过探测器获取被检者的待测正位胸片，通过训练好的深度学习网络提取待测正位胸片的胸腔外轮廓和脊柱中心线；根据胸腔外轮廓和脊柱中心线，通过不对称性计算步骤获取被检者与探测器之间的相对偏转角度δ，根据δ获取被检者的位姿。与现有技术相比，本发明具有受外界干扰小、准确性好、自动化程度高和精度高等优点。

技术领域

本发明涉及放射影像质量检查领域，尤其是涉及一种正位胸片位姿自动测量方法及系统。

背景技术

数字X线摄影方法具有较宽的影像动态感知范围，这大大提升了传统放射检查影像的密度分辨率与对比度，使之成为放射影像检查最常用的方法。但由于摄影时被检者不按要求站立等体位偏差原因造成的非甲级片率高达10％，这不仅降低了医疗资源的使用效率和影像诊断质量，后续补偿重复摄影还会给被检者增加不必要的电离辐射。因此，提高X线摄影的甲级片率正成为医院放射科质量控制的一个重要任务。

胸部正位摄影是临床采用最为广泛的常规影像检查项目，也是放射影像质量控制检查项目之一。影响X线胸片质量的主要原因有摄影体位不正和被检者穿戴各种异物等，异物的存在一般在放射检查时即可被检查技师发现，而摄影体位的偏差没有可靠的检测方法。目前常用的方法是通过锁骨头顶端距离脊柱中心(棘突)的距离偏差进行判断，该方法在锁骨头被遮挡时会无法判断，同时只有当左右距离偏差很大时才有可能被发现。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种正位胸片位姿自动测量方法及系统，受外界干扰小，准确性好，自动化程度高，精度高。

本发明的目的可以通过以下技术方案来实现：

一种正位胸片位姿自动测量方法，具体为：

通过探测器获取被检者的待测正位胸片，通过训练好的深度学习网络提取待测正位胸片的胸腔外轮廓和脊柱中心线；

根据胸腔外轮廓和脊柱中心线，通过不对称性计算步骤获取被检者与探测器之间的相对偏转角度δ，根据δ获取被检者的位姿。

所述的不对称性计算步骤具体为：

获取脊柱中心与横向径最大的胸廓边缘点的连线跟X束线的夹角α、胸廓左侧横向径W_L以及胸廓右侧横向径W_R；

计算δ，计算公式为：

其中，l为脊柱中心到胸廓边缘的距离，l和α为设定值，根据人体测量获得，SOD为源物距；

正位胸片摄影时要求被检者面向摄片架站立，胸前部紧贴摄片架，胸部正中矢状面垂直摄片架中线，X线光束从背后对准第六胸椎，垂直平板探测器入射，这样形成的正位胸片中胸廓左右呈对称分布，但如果被检者站立不正，左右胸廓在X线影像中会有重叠，造成左右胸廓不对称；

只需将被检者的待测正位胸片输入训练好的深度学习网络，获取胸腔外轮廓和脊柱中心线，根据胸腔外轮廓和脊柱中心线，利用投影成像原理计算相对偏转角度，以获取被检者的位姿，计算量小，自动化程度高，精度高，同时可在待测正位胸片上标记出胸腔外轮廓和脊柱中心线，直观性强。

进一步地，所述的深度学习网络为全卷积深度神经网络，所述的全卷积深度神经网络包括卷积层、池化层和反卷积层。

进一步地，所述的深度学习网络训练过程具体为：

采集若干张正位样本胸片，分别对正位样本胸片的胸廓区域和脊柱边缘进行标注，对应获得第一训练集和第二训练集，通过第一训练集和第二训练集分别训练第一深度学习网络和第二深度学习网络，通过训练好的第一深度学习网络和第二深度学习网络分别提取待测正位胸片的胸腔外轮廓和脊柱中心线。