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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。