用于根据低剂量或低kV计算机断层扫描图像合成虚拟高剂量或高kV计算机断层扫描图像的方法和系统技术方案

公开了一种用于医疗图像合成的方法和装置，其基于源医疗图像合成目标医疗图像。所述方法可以被用于根据低剂量CT图像或低kV CT图像合成高剂量计算机断层扫描（CT）图像或高kV CT图像。从源医疗图像提取多个图像块区。通过使用基于机器学习的概率模型基于从所述源医疗图像提取的图像块区计算所述合成的目标医疗图像中的体素值来根据所述源医疗图像生成合成的目标医疗图像。

Method and system for synthesizing virtual high-dose or high-voltage computed tomography images from low-dose or low-voltage computed tomography images

A method and device for medical image synthesis is disclosed, which synthesizes target medical images based on source medical images. The method can be used to synthesize high-dose computed tomography (CT) images or high-voltage CT images based on low-dose CT images or low-voltage CT images. Multiple image blocks are extracted from the source medical image. The synthetic target medical image is generated from the source medical image by calculating the voxel value of the synthesized target medical image based on the image block extracted from the source medical image using the machine learning based probabilistic model.

【技术实现步骤摘要】
【国外来华专利技术】用于根据低剂量或低kV计算机断层扫描图像合成虚拟高剂量或高kV计算机断层扫描图像的方法和系统
技术介绍
本专利技术涉及合成医学图像数据，以及更特别地，涉及根据低剂量或低kV计算机断层扫描图像来合成虚拟高剂量或高kV计算机断层扫描图像。计算机断层扫描（CT）组合了从不同角度拍摄的一系列X射线图像并且使用计算机处理来创建身体内部的骨骼、血管和软组织的横断面图像或切片。所述横断面图像或切片可以被组合以重构3DCT容积。CT扫描可以被用于将身体的几乎所有部分可视化并且被用于诊断疾病或损伤以及被用于计划医学治疗、外科手术治疗或放射治疗。例如，CT扫描可以被用于诊断诸如骨肿瘤和骨折之类的肌肉和骨骼紊乱，以确定肿瘤、感染或者血液凝块在患者身体中的位置，指导诸如外科手术、活组织检查和放射治疗之类的过程，检测和监视诸如癌症、心脏病、肺结节和肝脏肿块之类的疾病和状况，监视疾病治疗的有效性，以及检测内伤和内出血。在CT扫描期间，将患者暴露于电离放射。降低患者在CT扫描中被暴露于的放射剂量是高度合期望的。然而，高剂量CT扫描通常产生高质量CT图像，并且在降低CT扫描的放射剂量水平和从扫描得到的CT图像的图像质量之间存在折衷。影响CT扫描质量的另一个参数是被用于采集CT图像的X射线管的管电势（kV）。低kVCT扫描通常是优选的，因为更低的kV值可以导致更高的衰减值和图像对比度并且还可以导致放射剂量上的降低。然而，低kVCT扫描与高kVCT扫描相比导致了图像噪声上的增加。
技术实现思路
本专利技术提供了一种用于使用概率模型和机器学习根据源医疗图像合成虚拟目标医疗图像的方法和系统。本专利技术的实施例根据低剂量CT图像合成高剂量CT图像或者根据低kV图像合成高kVCT图像。本专利技术的实施例还可以被应用于其他成像模式以及被应用于根据对应源医疗图像生成合成的目标医疗图像。本专利技术的实施例可以在下述情况下被应用：图像质量与一些其他因素之间存在折衷，以便根据所采集的较低质量图像合成虚拟的高质量图像，对于其而言，与直接采集高质量图像的情况相比，所述其他因素被改善。在本专利技术的一个实施例中，多个图像块区是从源医疗图像提取的。通过基于将似然函数与先验函数进行组合的概率模型计算合成的目标医疗图像中的体素值来根据所述源医疗图像生成合成的目标医疗图像，所述似然函数基于从源医疗图像提取的图像块区来计算针对合成的目标医疗图像中的体素值的概率，以及所述先验函数基于与合成的目标医疗图像相关联的预定条件来计算针对合成的目标医疗图像中的体素值的概率。本专利技术的这些和其他优点将通过参考以下详细描述和附图而对于本领域普通技术人员而言是显而易见的。附图说明图1示出了根据本专利技术的实施例的根据所采集的源医疗图像合成虚拟目标医疗图像的方法。图2示出了根据本专利技术的实施例的根据源医疗图像计算合成的目标医疗图像的体素值的方法。图3示出了针对根据第一心脏CT扫描中的低剂量CT图像合成高剂量CT图像的示例性结果。图4图示了针对根据第二心脏CT扫描中的低剂量CT图像合成高剂量CT图像的示例性结果。图5示出了针对根据腹部CT扫描中的低kVCT图像合成高kVCT图像的示例性结果；以及图6是能够实施本专利技术的计算机的高级别框图。具体实施方式本专利技术涉及一种用于根据所采集的源医疗图像合成虚拟目标医疗图像的方法和系统。本文中描述了本专利技术的实施例以给出医疗图像合成方法的生动理解。数字图像通常由一个或多个对象（或形状）的数字表示组成。本文中通常在识别和操纵对象方面描述对象的数字表示。这样的操纵是在计算机系统的存储器或其他电路/硬件中完成的虚拟操纵。因此，要理解的是，可以使用存储在计算机系统内的数据在计算机系统内实施本专利技术的实施例。本专利技术的实施例提供了用于根据源医疗图像合成目标医疗图像的框架。本专利技术的实施例可以用于在图像质量与用于特殊类型成像模式的一些其他因素（诸如放射剂量、采集速率、帧速率、换能器频率、管电势、视场、旋转速率、成本等等）之间存在折衷的情况中，以便根据所采集的较低质量医疗图像合成虚拟高质量医疗图像，对于其而言，与直接采集高质量图像的情况相比，其他因素被改善。本专利技术的实施例还可以被用来根据不同成像模式所采集的图像合成一个成像模式的虚拟图像。本文中使用根据所采集的低剂量CT容积合成高剂量计算机断层扫描（CT）容积的示例以及根据低kVCT容积合成高kVCT容积的示例对本专利技术的实施例进行描述。然而，本专利技术不限于这些示例并且可以被类似地应用以执行根据任意类型的采集的源医疗图像合成任意类型的虚拟目标医疗图像。图1示出了根据本专利技术的实施例的根据所采集的源医疗图像合成虚拟目标医疗图像的方法。图1的方法对源医疗图像中表示患者解剖结构的图像数据进行变换以生成新的合成的目标医疗图像容积。图1的方法可以被用于根据所采集的低剂量CT容积生成高剂量CT容积或者被用于根据低kVCT容积生成高kVCT容积，但是本专利技术不限于此。在步骤102处，接收源医疗图像。例如，在一个有利实施方式中，所述源医疗图像可以是患者的解剖区域的低剂量3DCT容积或者低kV3DCT容积。然而，在其他可能的实施方式中，所述源医疗图像可以是使用任何医疗成像模式所采集的任何类型的医疗图像。例如，所述源医疗图像可以是任何类型的“低质量”图像，对于其而言，对应的高质量图像的采集是可能的。此外，本专利技术不限于3D医疗图像并且也可以类似地应用于2D医疗图像。尽管图1和图2的方法可以被应用于2D医疗图像或3D医疗图像，但在本文中使用术语“体素”来指代图像元素，而不管图像的维度如何。可以从诸如CT扫描仪的图像采集设备直接接收源医疗图像，或者可以通过从计算机系统的存储器或储存设备加载源医疗图像来接收源医疗图像，或者可以通过经由来自另一个计算机系统的网络传输在计算机系统处接收源医疗图像来接收源医疗图像。在步骤104处，通过使用基于机器学习的概率模型计算针对合成的目标医疗图像的体素值来生成合成的目标医疗图像。所述合成的目标医疗图像是基于接收的源医疗图像而生成的目标图像类型的新图像。所述合成的目标医疗图像是在下述意义上的虚拟图像：该图像是由计算机系统基于已经采集的源医疗图像执行图1和图2的方法而生成的，而不是使用图像采集设备所采集的。所述合成的目标医疗图像可以表示高质量医疗图像并且可以是对可能使用特定类型的图像采集所采集的高质量图像的近似。在有利的实施例中，所述目标医疗图像可以是合成的高剂量3DCT容积（根据所采集的低剂量CT容积生成）或者是合成的高kV3DCT容积（根据所采集的低kV容积生成），但是本专利技术不限于此。所接收的源医疗图像中的每个体素在合成的目标医疗图像中具有对应的体素。使用基于机器学习的概率模型来计算合成的目标医疗图像的体素值。在有利的实施例中，遵循对后验概率取最大值的原理，给出看不见的源图像V（例如，低剂量CT图像），其中它的体素由n来标引，合成目标图像W被生成为使得：，（1）其中术语是将关于目标医疗图像W的先验知识进行量化的先验函数，以及是在给定所观察的源图像V的情况下计算针对合成的目标医疗图像W的概率的似然函数。先验函数基于关于目标医疗图像W的先验知识计算针对合成的目标医疗图像W的概率。即，先验函数基于与目标类型的图像相关联的预定条件（例如，高剂量CT）来计算概率。例如，本文档来自技高网...

【技术保护点】
1.一种用于根据源医疗图像合成目标医疗图像的方法，其包括：从源医疗图像提取多个图像块区；以及通过基于将基于从所述源医疗图像提取的图像块区来计算针对合成的目标医疗图像中的体素值的概率的似然函数与基于与合成的目标医疗图像相关联的预定条件来计算针对合成的目标医疗图像中的体素值的概率的先验函数进行组合的概率模型计算合成的目标医疗图像中的体素值来根据所述源医疗图像生成合成的目标医疗图像。

【技术特征摘要】
【国外来华专利技术】1.一种用于根据源医疗图像合成目标医疗图像的方法，其包括：从源医疗图像提取多个图像块区；以及通过基于将基于从所述源医疗图像提取的图像块区来计算针对合成的目标医疗图像中的体素值的概率的似然函数与基于与合成的目标医疗图像相关联的预定条件来计算针对合成的目标医疗图像中的体素值的概率的先验函数进行组合的概率模型计算合成的目标医疗图像中的体素值来根据所述源医疗图像生成合成的目标医疗图像。2.根据权利要求1所述的方法，其中通过基于将基于从所述源医疗图像提取的图像块区来计算针对合成的目标医疗图像中的体素值的概率的似然函数与基于与合成的目标医疗图像相关联的预定条件来计算针对合成的目标医疗图像中的体素值的概率的先验函数进行组合的概率模型计算合成的目标医疗图像中的体素值来根据所述源医疗图像生成合成的目标医疗图像包括：针对所述源医疗图像中的多个图像块区中的每个检测源训练样本集合中的K个最近邻区；针对所述源医疗图像中的多个图像块区中的每个根据所述源训练样本集合中的K个最近邻区识别K个对应的目标训练样本；基于针对以所述源医疗图像中的对应体素为中心的所述源医疗图像的多个图像块区中相应的一个所识别的所述K个对应的目标训练样本来确定针对所述合成的目标医疗图像中的多个体素中的每个的个体似然函数；以及将似然函数计算为针对所述合成的目标医疗图像中的多个体素的个体似然函数的组合。3.根据权利要求2所述的方法，其中基于针对以所述源医疗图像中的对应体素为中心的所述源医疗图像的多个图像块区中相应的一个所识别的所述K个对应的目标训练样本来确定针对所述合成的目标医疗图像中的多个体素中的每个的个体似然函数包括：针对所述合成的目标医疗图像中的多个体素中的每个，基于针对以所述源医疗图像中的对应体素为中心的所述源医疗图像的多个图像块区中相应的一个所识别的所述K个对应的目标训练样本中的强度分布来学习概率函数。4.根据权利要求3所述的方法，其中基于针对以所述源医疗图像中的对应体素为中心的所述源医疗图像的多个图像块区中相应的一个所识别的所述K个对应的目标训练样本中的强度分布来学习概率函数包括：基于针对以所述源医疗图像中的对应体素为中心的所述源医疗图像的多个图像块区中相应的一个所识别的所述K个对应的目标训练样本中的强度分布来学习高斯分布。5.根据权利要求3所述的方法，其中将似然函数计算为针对所述合成的目标医疗图像中的多个体素的个体似然函数的组合包括：针对所述合成的目标医疗图像中的多个体素中的每个，基于针对所述体素所学习的概率函数来计算针对以所述体素为中心的图像块区的概率；以及将似然函数计算为针对所述合成的目标医疗图像中的多个体素中的每个所计算的概率的总和。6.根据权利要求2所述的方法，其中通过基于将基于从所述源医疗图像提取的图像块区来计算针对合成的目标医疗图像中的体素值的概率的似然函数与基于与合成的目标医疗图像相关联的预定条件来计算针对合成的目标医疗图像中的体素值的概率的先验函数进行组合的概率模型计算合成的目标医疗图像中的体素值来根据所述源医疗图像生成合成的目标医疗图像进一步包括：针对所述合成的目标医疗图像中的多个体素计算体素值以对所述概率模型取最大值。7.根据权利要求6所述的方法，其中所述先验函数包括根据目标训练样本集合中的强度分布所学习的概率函数。8.根据权利要求6所述的方法，其中所述先验函数基于空间平滑条件来计算概率。9.根据权利要求6所述的方法，其中所述先验函数基于稀疏条件来计算概率。10.根据权利要求1所述的方法，其中所述源医疗图像是低剂量计算机断层扫描（CT）图像以及所述合成的目标医疗图像是合成的高剂量CT图像。11.根据权利要求1所述的方法，其中所述源医疗图像是低kV计算机断层扫描（CT）图像以及所述合成的目标医疗图像是合成的高kVCT图像。12.一种用于根据源医疗图像合成目标医疗图像的装置，其包括：用于从源医疗图像提取多个图像块区的装置；以及用于通过基于将基于从所述源医疗图像提取的图像块区来计算针对合成的目标医疗图像中的体素值的概率的似然函数与基于与合成的目标医疗图像相关联的预定条件来计算针对合成的目标医疗图像中的体素值的概率的先验函数进行组合的概率模型计算合成的目标医疗图像中的体素值来根据所述源医疗图像生成合成的目标医疗图像的装置。13.根据权利要求12所述的装置，其中用于通过基于将基于从所述源医疗图像提取的图像块区来计算针对合成的目标医疗图像中的体素值的概率的似然函数与基于与合成的目标医疗图像相关联的预定条件来计算针对合成的目标医疗图像中的体素值的概率的先验函数进行组合的概率模型计算合成的目标医疗图像中的体素值来根据所述源医疗图像生成合成的目标医疗图像的装置包括：用于针对所述源医疗图像中的多个图像块区中的每个检测源训练样本集合中的K个最近邻区的装置；用于针对所述源医疗图像中的多个图像块区中的每个根据所述源训练样本集合中的K个最近邻区识别K个对应的目标训练样本的装置；用于基于针对以所述源医疗图像中的对应体素为中心的所述源医疗图像的多个图像块区中相应的一个所识别的所述K个对应的目标训练样...

【专利技术属性】
技术研发人员：周少华，
申请(专利权)人：西门子保健有限责任公司，
类型：发明
国别省市：德国,DE