二维乳腺造影数据组的确定制造技术

本发明专利技术涉及一种用于确定二维乳腺造影数据组的方法。所述方法包括借助接口接收检查区域的三维乳腺造影数据组。所述方法还包括借助计算单元通过将经过训练的生成器函数应用于三维乳腺造影数据组来第一确定检查区域的二维乳腺造影数据组，其中，经过训练的生成器函数基于经过训练的GA网络。发明专利技术人认识到，通过这种方法可以高效地产生在视觉上与真实的二维乳腺造影数据组类似、因此可以利用标准化方法进行诊断的二维乳腺造影数据组。

【技术实现步骤摘要】
二维乳腺造影数据组的确定
本专利技术涉及一种用于确定二维乳腺造影数据组的方法以及一种确定系统。
技术介绍
数字乳房断层合成(DBT)是作为目前的诊断标准方法的二维乳腺造影的大有希望的发展。通过DBT提供关于乳房解剖结构的三维信息，其使由于纤维腺组织的叠加而形成的二维乳腺造影的假阳性的数量减少。但是另一方面，基于数字乳房断层合成的诊断使进行诊断的医生的工作负荷增加，因为必须检查多个层记录。为了更高效地进行诊断、特别是对病变的搜索，有利的是，除了数字乳房断层造影之外，还提供二维乳腺造影。虽然二维乳腺造影可以通过借助电离辐射进行的单独拍摄来提供，但是这使被检查组织的辐射负荷增加。因此，有利的是，基于三维数字乳房断层合成提供合成的二维乳腺造影数据组。从FelixDiekmann等的文献“ThickSlicesfromTomosynthesisDataSets:PhantomStudyfortheEvaluationofDifferentAlgorithms”,JournalofDigitalImaging22(5),S.519–526(2009)中，公开了概括部分数字乳房断层合成的用于创建二维乳腺造影数据组的方案(例如以最大强度投影MIP的形式或者通过对层求平均)。这些方法虽然高效，但是当可疑病变隐藏在具有高强度值的结构后面时，或者当在投影中重叠的不显眼的结构产生假阳性结果时，这些方法是有问题的。从G.vanSchie等的文献“Massdetectioninreconstructeddigitalbreasttomosynthesisvolumeswithacomputer-aideddetectionsystemtrainedon2Dmammograms”,MedicalPhysics40(4),S.041902(2013)中，已知产生包括数字乳房断层合成的最明显的病变的弯曲的二维表面，并且在平面中显示其。但是由此产生失真，使得得到的二维图像数据与通常的二维乳腺造影不同，从而难以进行诊断。从文献US20170011534A1中已知借助自学习算法对数字乳房断层合成的体素分配相关值，其中，相关值涉及相应的体素与乳腺癌诊断的相关性。然后，基于这些相关值，借助加权强度投影(英语术语为“weightedintensityprojection”)产生二维图像数据组。当可疑病变隐藏在具有高强度值的结构后面时，或者当在投影中重叠的不显眼的结构产生假阳性结果时，这种方法也是有问题的。
技术实现思路
因此，本专利技术要解决的技术问题是，提供一种用于根据三维乳腺造影数据组产生合成的二维乳腺造影数据组的替换方法，其将整个三维乳腺造影数据组包含一起包含到所述产生内。上述技术问题通过根据本专利技术的用于确定二维乳腺造影数据组的方法、通过根据本专利技术的确定系统、通过根据本专利技术的计算机程序产品以及通过根据本专利技术的计算机可读的存储介质来解决。下面，不仅关于所要求保护的设备、而且关于所要求保护的方法描述上述技术问题的根据本专利技术的解决方案。在此提到的特征、优点或者替换实施方式同样也可以转用于其它要求保护的其它主题，反之亦然。换句话说，也可以利用结合方法描述或者要求保护的特征来扩展(例如针对设备的)装置。方法的对应的功能特征在此通过对应的设备模块来构造。本专利技术涉及一种用于确定二维乳腺造影数据组的方法。所述方法包括：借助接口接收检查区域的三维乳腺造影数据组。所述方法还包括：借助计算单元通过将经过训练的生成器函数应用于三维乳腺造影数据组来第一确定检查区域的二维乳腺造影数据组，其中，经过训练的生成器函数基于经过训练的GA算法。专利技术人认识到，通过这种方法，可以产生基于整个三维乳腺造影数据组的合成的二维乳腺造影数据组。同时高效地产生在视觉上与真实的二维乳腺造影数据组类似、因此可以利用标准化方法进行诊断的二维乳腺造影数据组。根据本专利技术的另一个方面，经过训练的GA算法包括生成函数和分类函数，其中，经过训练的生成器函数与经过训练的GA算法的生成函数相同。专利技术人认识到，通过GA算法的这种结构，对生成器函数的训练可以特别高效并且成本低廉地进行。特别是，生成函数也可以称为生成器函数，并且分类函数也可以称为分类器函数。如果GA算法是GA网络，则生成函数也可以称为生成子网络，并且分类函数也可以称为分类子网络。根据本专利技术的另一个方面，经过训练的生成器函数是人工神经网络。于是，经过训练的生成器函数特别是基于GA网络。专利技术人认识到，对人工神经网络的训练是特别高效的。根据本专利技术的另一个方面，经过训练的生成器函数包括第一子函数、投影函数和第二子函数的联结，其中，第一子函数将三维乳腺造影数据组映射为第一特征向量，其中，投影函数将第一特征向量映射为第二特征向量，以及其中，第二子函数将第二特征向量映射为二维乳腺造影数据组。特别是，经过训练的生成器函数是第一子函数、投影函数和第二子函数的联结。如果经过训练的生成器函数是人工神经网络，则第一子函数特别地是第一子网络，此外，投影函数特别地是投影层，此外，第二子函数特别地是第二子网络。专利技术人认识到，与自动编码器类似，通过映射为第一和第二特征向量，可以尽可能简单并且高效地存储三维乳腺造影数据组的相关特征，并且通过基于第一或第二特征向量计算二维乳腺造影数据组，可以特别简单并且高效地将这些相关特征接收到二维乳腺造影数据组中。根据本专利技术的另一个可能的方面，第一子网络和/或第二子网络是卷积人工神经网络(英语术语为“convolutionalneuralnetwork”)，特别地是深卷积人工神经网络(英语术语为“deepconvolutionalneuralnetwork”)。特别地，第一子网络和/或第二子网络也可以是完全卷积神经网络(英语术语为“fullyconvolutionalneuralnetwork”)，因此特别是不具有完全连接的层。专利技术人认识到，卷积神经网络特别适用于高效地作为输入值对图像数据进行处理。根据本专利技术的另一个方面，第一子函数包括至少一个三维卷积算子。如果第一子函数是第一子网络，则三维卷积算子特别地是三维卷积层。专利技术人认识到，三维卷积算子特别适用于识别并且进一步处理三维图像数据的特征，特别是根据三维图像数据构建特征向量。根据本专利技术的另一个方面，第二子函数包括至少一个二维卷积算子。如果第二子函数是第二子网络，则二维卷积算子特别地是二维卷积层。专利技术人认识到，二维卷积算子特别适用于存储并且进一步处理二维图像数据的特征，特别是根据特征向量构建二维图像数据组。根据本专利技术的另一个方面，投影函数是三维卷积算子，其中，二维乳腺造影数据组关于第一方向并且关于第二方向延伸，其中，三维乳腺造影数据组还关于第三方向延伸，以及其中，三维卷积算子的卷积核关于第三方向的延伸基于三维乳腺造影数据组关于第三方向的延伸。在此，卷积核和三维乳腺造影数据组的延伸特别是以像素为单位进行测量。特别是，这些方向中的每一个分别平行于卷积核和/或三维乳腺造影数据组的体素的边。专利技术人认识到，通过三维乳腺造影数据组的第一特征向量的卷积核的这种选择，可以简单地并且正好映射为二维乳腺造影数据组的第二特征向量。根据本专利技术的另一个可能的方面，经过训练的生成器函数包括第一子函数，其中，第一子函数将三维乳本文档来自技高网...

【技术保护点】
1.一种用于确定二维乳腺造影数据组(G_x,G_x')的方法，包括以下方法步骤：‑借助接口(DS.1)接收(REC)检查区域的三维乳腺造影数据组(x,x')，‑借助计算单元(DS.2)通过将经过训练的生成器函数(G)应用于三维乳腺造影数据组(x')，第一确定(DET‑1)检查区域的二维乳腺造影数据组(G_x,G_x')，其中，经过训练的生成器函数(G)基于经过训练的GA算法(GA)。

【技术特征摘要】
2017.09.28 EP 17193853.31.一种用于确定二维乳腺造影数据组(G_x,G_x')的方法，包括以下方法步骤：-借助接口(DS.1)接收(REC)检查区域的三维乳腺造影数据组(x,x')，-借助计算单元(DS.2)通过将经过训练的生成器函数(G)应用于三维乳腺造影数据组(x')，第一确定(DET-1)检查区域的二维乳腺造影数据组(G_x,G_x')，其中，经过训练的生成器函数(G)基于经过训练的GA算法(GA)。2.根据权利要求1所述的方法，其中，所述经过训练的GA算法包括生成函数(G)和分类函数(C)，以及其中，经过训练的生成器函数(G)与经过训练的GA算法的生成子网络(G)相同。3.根据前述权利要求中任一项所述的方法，其中，所述经过训练的生成器函数(G)是人工神经网络。4.根据前述权利要求中任一项所述的方法，其中，所述经过训练的生成器函数(G)包括第一子函数(G.3D)、第一投影函数(G.PL)和第二子函数(G.2D)的联结，其中，第一子函数(G.3D)将三维乳腺造影数据组(x,x')映射为第一特征向量(FV.3D)，其中，投影函数(G.PL)将第一特征向量(FV.3D)映射为第二特征向量(FV.2D)，以及其中，第二子函数(G.2D)将第二特征向量(FV.2D)映射为二维乳腺造影数据组(G_x,G_x')。5.根据权利要求4所述的方法，其中，所述第一子函数(G.3D)包括至少一个三维卷积算子(CL.3D)。6.根据权利要求4或5所述的方法，其中，所述第二子函数(G.2D)包括至少一个二维卷积算子(CL.2D)。7.根据权利要求4至6中任一项所述的方法，其中，所述投影函数(G.PL)是三维卷积算子，其中，二维乳腺造影数据组(G_x,G_x')关于第一方向(u)并且关于第二方向(v)延伸，其中，三维乳腺造影数据组(x,x')还关于第三方向(w)延伸，以及其中，三维卷积算子的卷积核关于第三方向(w)的延伸基于三维乳腺造影数据组(x,x')关于第三方向(w)的延伸(L3)。8.根据前述权利要求中任一项所述的方法，其中...

【专利技术属性】
技术研发人员：O波利，
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