[发明专利]用于计算机断层扫描检查的基于定位片的脂肪量化

说明书

本公开的实施例涉及用于计算机断层扫描检查的基于定位片的脂肪量化。在一个方面，本发明涉及一种用于计算检查参数的方法，该检查参数用于患者的感兴趣区域的计算机断层扫描检查，该方法包括：‑接收患者的感兴趣区域的定位片，‑通过将训练过的机器学习算法应用于定位片上来确定脂肪分布信息，‑基于脂肪分布信息，计算用于患者的感兴趣区域的计算机断层扫描检查的检查参数。

技术领域

在一个方面，本发明涉及一种计算用于计算机断层扫描检查的检查参数的方法。在其它方面，本发明涉及一种计算用于计算机断层扫描检查的检查参数的计算装置以及一种计算机断层扫描装置。

背景技术

对于一些临床问题而言，理想地与皮下脂肪的量分开地了解躯干中的内脏脂肪的量是感兴趣的。除了从临床角度对于该信息、特别是对于计算机断层扫描(computedtomography，CT)成像和放射线剂量优化的普遍期望之外，还期望该附加信息是可用的。

在内脏脂肪的量较高的情况下，本质上组织对比度会更好。如果淋巴结、恶性病变或其它结构嵌入脂肪环境，则它们具有更好的对比度。例如，软组织结构相对于内脏脂肪环境可以具有约150HU的对比度，而相对于软组织环境可以具有0HU至约50HU的对比度(对于囊状结构而言)。结果，由于在内脏脂肪的量较高的情况下具有较高的对比度，因此较低的辐射剂量或较少的造影剂可以被使用，而不影响图像质量以及由此根据CT图像作出的诊断。

内脏脂肪的量以及内脏脂肪与皮下脂肪的分离可以根据已经基于X射线投影数据生成的CT图像来完成。然而，为了CT剂量优化的目的，必须在获取X射线投影数据之前能够获取脂肪分布信息。

发明内容

本发明的根本技术问题在于促进关于脂肪分布的改进的CT剂量优化。该问题通过独立权利要求的主题来解决。从属权利要求涉及本发明的其它方面。

在一个方面，本发明涉及一种用于计算检查参数的方法，该检查参数用于患者的感兴趣区域的计算机断层扫描检查，该方法包括：

-接收患者的感兴趣区域的定位片，

-通过将训练过的机器学习算法应用于定位片上来确定脂肪分布信息，其中脂肪分布信息包括关于患者的内脏脂肪的分布信息以及关于患者的皮下脂肪的分布信息，

-基于脂肪分布信息，计算用于患者的感兴趣区域的计算机断层扫描检查的检查参数。

在另一方面，在此公开了一种用于计算检查参数的方法，该检查参数用于患者的感兴趣区域的计算机断层扫描检查，包括：

-接收患者的感兴趣区域的定位片，

-通过将训练过的机器学习算法应用于定位片上来确定脂肪分布信息，

-基于脂肪分布信息，计算用于患者的感兴趣区域的计算机断层扫描检查的检查参数。

定位片可以包括患者的感兴趣区域的X射线衰减数据。可以由计算机断层扫描装置获取定位片，而无需围绕患者旋转X射线源。

关于内脏脂肪的分布信息可以包括沿着患者长度轴线的内脏脂肪的分布。关于皮下脂肪的分布信息可以包括沿着患者长度轴线的皮下脂肪的分布。根据一个实施例，训练过的机器学习算法被配置为基于定位片从软组织中分离脂肪。根据一个实施例，训练过的机器学习算法被配置为基于定位片将不同的脂肪成分彼此分离，例如，将内脏脂肪与皮下脂肪彼此分离。

在另一方面，检查参数是X射线曝光参数，和/或通过将自动曝光控制算法(例如利用自动曝光控制计算器)应用于脂肪分布信息上来计算检查参数。

检查参数可以例如是X射线管电流。X射线管电流可以例如以毫安为单位指定。为了获取可比较的图像质量，相对于包括相对高百分比的皮下脂肪的患者的感兴趣区域而言，包括相对高百分比的内脏脂肪的患者的感兴趣区域需要更低的剂量，以及因此需要更低的X射线管电流。