用于前列腺癌检测和分类的深度卷积编码器-解码器制造技术

用于前列腺癌检测和分类的深度卷积编码器‑解码器。公开了一种用于在多参数磁共振成像（MRI）中的自动化前列腺肿瘤检测和分类的方法和装置。接收包括多个不同类型的MRI图像的患者的多参数MRI图像集合。使用训练的多通道图像到图像卷积编码器‑解码器来执行在患者的多参数MRI图像集合中的前列腺肿瘤的同时检测和分类，所述训练的多通道图像到图像卷积编码器‑解码器输入患者的多参数MRI图像集合的多个MRI图像并且包括对应于多个不同肿瘤类别的多个输出通道。对于每个输出通道，训练的图像到图像卷积编码器‑解码器生成相应的响应图，所述响应图提供在患者的多参数MRI图像集合中的相应的肿瘤类别的前列腺肿瘤的检测的位置。

【技术实现步骤摘要】
用于前列腺癌检测和分类的深度卷积编码器-解码器本申请要求2017年2月22日提交的美国临时申请No.62/461,970的权益，通过引用将其公开内容并入本文中。
技术介绍
本专利技术涉及在医学图像中的前列腺肿瘤的自动化检测和分类，并且更特别地，涉及使用深度学习网络在多参数磁共振（MR）图像中的前列腺肿瘤的自动化检测和分类。前列腺癌是美国男性中最频繁被诊断的癌，其中在2016年中的181000个新案例导致多于26000个死亡。早期诊断通常导致长期存活，但是依赖于通常由经直肠超声（transrectalultrasound）（TRUS）成像引导的侵入性多核活检（invasivemulticorebiopsy）。近期，多参数磁共振成像（MRI）已经展示了用于在非侵入性前列腺癌检测中使用的有前途的结果，因为在mpMRI和组织学数据之间已经建立了强相关性。无论盲前列腺活检还是引导的前列腺活检，对患者而言都是侵入性的和痛苦的，而获取多参数MRI图像集合基本上是较少侵入性的。如果使用多参数MRI可以做出相同水平的临床决定，那么可以避免此类侵入性活检中的一些或所有，并且可以以使用多参数MRI的非侵入性“虚拟活检”替代此类侵入性活检中的一些或所有。在多参数磁共振（MR）图像中的检验需要两个具体任务。第一，必须检测潜在的癌症区，以及第二，必须将这些可疑区域分类为良性的或否则可动作的（actionable）（建议活检）。人工读由多达八个图像通道组成的多参数MR图像可能是乏味的任务。此外，甚至由专家放射科医师检测，也难以检测在多参数MR图像中表达的癌性病变的细微的和共同的标记（signature）。因此，一种用于在多参数MR图像中的前列腺肿瘤/病变的自动化检测和分类的方法是期望的。
技术实现思路
本专利技术提供了一种用于在多参数磁共振（MR）图像中的前列腺肿瘤的自动化的基于计算机的检测和分类的方法和系统。本专利技术的实施例使用深度图像到图像网络来执行在患者的多参数MR图像中的前列腺肿瘤的同时检测和分类。将多参数MR图像直接输入到训练的深度图像到图像网络，并且不需要特征提取预处理步骤。在本专利技术的一个实施例中，接收患者的多参数MRI图像集合，其中多参数MRI图像集合包括患者的多个不同类型的MRI图像。使用训练的多通道图像到图像卷积编码器-解码器来执行在患者的多参数MRI图像集合中的前列腺肿瘤的同时检测和分类，其中训练的多通道图像到图像卷积编码器-解码器包括用于输入患者的多参数MRI图像集合的多个MRI图像的多个输入通道以及对应于多个不同肿瘤类别的多个输出通道，并且对于每个输出通道，训练的多通道图像到图像卷积编码器-解码器生成相应的响应图（responsemap），所述响应图提供在患者的多参数MRI图像集合中的相应的肿瘤类别的前列腺肿瘤的检测的位置。通过参考以下具体实施方式和附图，本专利技术的这些优势和其他优势对本领域普通技术人员来说将是清楚的。附图说明图1图示了根据本专利技术的实施例的一种用于在多参数磁共振（MR）图像中的前列腺肿瘤的自动化的基于计算机的检测和分类的方法；图2图示了根据本专利技术的各种实施例的用于实现图像到图像卷积编码器-解码器的示例性网络架构；图3图示了对于地面实情（groundtruth）良性和恶性前列腺肿瘤位置的高斯响应的示例；图4图示了针对使用变化数量的输入mpMRI图像的不同模型的前列腺肿瘤检测和分类的示例性性能结果；图5图示了使用四个输入mpMRI图像的集合的模型1的示例性接收机操作特性（ROC）曲线；图6图示了使用跳连接（skipconnection）和通过高斯噪声添加的训练数据扩充（augmentation）的模型1的示例性ROC曲线；图7图示了使用具有跳连接和修改的激活函数的不同模型的前列腺肿瘤检测和分类的示例性性能结果；以及图8是能够实现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在多参数磁共振（MR）图像中的前列腺肿瘤自动化的基于计算机的检测和分类的方法和系统。在本文中描述了本专利技术的实施例以给出对用于前列腺肿瘤的自动化检测和分类的方法的视觉理解（visualunderstanding）。数字图像常常由一个或多个对象（或形状）的数字表示组成。在本文中常常在标识和操纵对象的方面中描述对象的数字表示。此类操纵是在计算机系统的存储器或其他电路/硬件中实现的虚拟操纵。因此，将要理解，可以使用存储在计算机系统内的数据在计算机系统内执行本专利技术的实施例。已经提出了各种技术以提供使用多参数MR图像的前列腺癌的检测和分类的自动化技术方案。此类技术尝试量化在多参数MR图像中的对比度（contrast）改变并且使用它们以便检测和分类可疑病变。此类先前提出的技术采用单独的处理以执行前列腺中的可疑病变的检测/定位和此类病变作为良性或癌性的分类。先前提出的技术中的大多数基于手工的（hand-crafted）可量化的图像特征，所述可量化的图像特征被假设为对检测和分类任务是重要的。本专利技术的实施例使用深度图像到图像网络执行在患者的多参数MR图像中的前列腺肿瘤/病变的自动化检测和分类。根据本专利技术的有利的方面，将多参数MR图像直接输入到训练的深度图像到图像网络，并且不需要特征提取预处理步骤。此外，本专利技术的实施例执行在多参数MR图像中的肿瘤的同时检测和分类。因此，本专利技术的实施例相对于用于自动化前列腺癌检测和分类的先前提出的技术提供了在准确性和处理速度中的改进。本专利技术的实施例将前列腺癌检测和分类问题表达（formulate）为多级别分段问题。在有利的实施例中，分段被认为是响应图，其在肿瘤位置处达到峰值（peak）并且在肿瘤位置的附近遵循高斯分布。多个响应通道是生成以考虑诸如良性和恶性病变两者之类的病变/肿瘤的多个不同分类的图通道。术语“病变”和“肿瘤”在本文中可互换地使用。本专利技术的实施例提供了超过用于前列腺癌检测和分类的现有的技术的许多优势。例如，通过高斯标准偏差的使用内在地考虑标记的病变的空间不确定性。此外，不存在对确定斑块大小的具体的需求，所述斑块大小定义询问（interrogate）围绕病变的哪个邻近区（neighborhood），如在基于图像斑块的移动窗方法中那样。可以使用深度编码器-解码器架构来实现前列腺中的病变的检测和分类。例如，深度编码器-解码器架构可以类似于SegNet编码器-解码器架构。然而，代替预期的分段输出，在输出响应图中的局部最大值（maxima）预测了前列腺中的肿瘤的检测的位置。此外，在有利的实施例中，深度编码器-解码器架构可以具有多通道输出，所述多通道输出评估对应于不同肿瘤分类（例如，良性和恶性）的不同输出通道的响应图以同时表征/分类检测的肿瘤。因此，深度编码器-解码器架构可以同时在一系列多参数输入图像中执行多个肿瘤和多个类别的肿瘤的检测和分类。取决于具有地面实情肿瘤边界的训练样本的可用性，还可以扩展在本文中描述的用于前列腺肿瘤检测和分类的方法以执行肿瘤分段以及检测和分类。图1图示了根据本专利技术的实施例的一种用于在多参数磁共振（MR）图像中的前列腺肿瘤的自动化的基于计算机的检测和分类的方法。参考图1，在步骤102处，接收患者的前列腺的多参数MRI图像集合。前列腺的多参数MRI（mpMRI）图像集合指的是使用各种不同本文档来自技高网...

【技术保护点】
1. 一种用于在患者的多参数磁共振成像（MRI）图像中的自动化前列腺肿瘤检测和分类的方法，包括：接收患者的多参数MRI图像集合，其中所述多参数MRI图像集合包括所述患者的多个不同类型的MRI图像；以及使用训练的多通道图像到图像卷积编码器‑解码器来执行在所述患者的所述多参数MRI图像集合中的前列腺肿瘤的同时检测和分类，其中训练的多通道图像到图像卷积编码器‑解码器包括多个输入通道以输入所述患者的所述多参数MRI图像集合的多个MRI图像以及对应于多个不同肿瘤类别的多个输出通道，并且对于每个输出通道，所述训练的多通道图像到图像卷积编码器‑解码器生成相应的响应图，所述响应图提供在所述患者的所述多参数MRI图像集合中的相应的肿瘤类别的前列腺肿瘤的检测的位置。

【技术特征摘要】
2017.02.22 US 62/461970;2017.12.05 US 15/8318191.一种用于在患者的多参数磁共振成像（MRI）图像中的自动化前列腺肿瘤检测和分类的方法，包括：接收患者的多参数MRI图像集合，其中所述多参数MRI图像集合包括所述患者的多个不同类型的MRI图像；以及使用训练的多通道图像到图像卷积编码器-解码器来执行在所述患者的所述多参数MRI图像集合中的前列腺肿瘤的同时检测和分类，其中训练的多通道图像到图像卷积编码器-解码器包括多个输入通道以输入所述患者的所述多参数MRI图像集合的多个MRI图像以及对应于多个不同肿瘤类别的多个输出通道，并且对于每个输出通道，所述训练的多通道图像到图像卷积编码器-解码器生成相应的响应图，所述响应图提供在所述患者的所述多参数MRI图像集合中的相应的肿瘤类别的前列腺肿瘤的检测的位置。2.如权利要求1所述的方法，其中对于由所述训练的多通道图像到图像卷积编码器-解码器针对每个输出通道生成的所述相应的响应图是具有在所述相应的肿瘤类别的前列腺肿瘤的每个检测的位置处达到峰值的强度值并且在所述相应的肿瘤类别的前列腺肿瘤的每个检测的位置的附近遵循高斯分布的图像。3.如权利要求2所述的方法，其中所述多个不同的肿瘤类别包括良性肿瘤类别和恶性肿瘤，并且所述训练的多通道图像到图像卷积编码器-解码器生成提供在所述患者的所述多参数MRI图像集合中的良性前列腺肿瘤的检测的位置的第一响应图以及提供在所述患者的所述多参数MRI图像集合中的恶性前列腺肿瘤的检测的位置的第二响应图。4.如权利要求3所述的方法，其中基于多个训练多参数MRI图像集合和用于针对所述多个训练多参数MRI图像集合中的每个生成的良性和恶性肿瘤的地面实情响应图来训练所述训练的多通道图像到图像卷积编码器-解码器。5.如权利要求1所述的方法，进一步包括：在使用所述训练的多通道图像到图像卷积编码器-解码器执行在所述患者的所述多参数MRI图像集合中的所述前列腺肿瘤的所述同时检测和分类之前，对所述患者的所述多参数MRI图像集合中的多个不同类型的MRI图像执行运动补偿。6.如权利要求5所述的方法，进一步包括：提取在所述患者的所述多参数MRI图像集合中的所述多个不同类型的MRI图像的多个片中的每个上的对应于前列腺和周围区域的感兴趣的区（ROI）。7.如权利要求1所述的方法，其中所述患者的所述多参数MRI图像集合包括T2加权MRI图像、从扩散加权成像（DWI）扫描导出的表观扩散系数（ADC）图、高b值DWI图像和从动态对比增强（DCE）MRI扫描生成的K-Trans图，并且所述训练的多通道图像到图像卷积编码器-解码器包括用于输入所述T2加权MRI图像、所述ADC图、所述高b值DWI图像和所述K-Trans图中的每个的相应的输入通道。8.如权利要求1所述的方法，其中所述患者的所述多参数MRI图像集合包括T2加权MRI图像、从扩散加权成像（DWI）扫描导出的表观扩散系数（ADC）图和高b值DWI图像，并且所述训练的多通道图像到图像卷积编码器-解码器包括用于输入所述T2加权MRI图像、所述ADC图和所述高b值DWI图像中的每个的相应的输入通道。9.一种用于在患者的多参数磁共振成像（MRI）图像中的自动化前列腺肿瘤检测和分类的设备，包括：用于接收患者的多参数MRI图像集合的装置，其中所述多参数MRI图像集合包括所述患者的多个不同类型的MRI图像；以及用于使用训练的多通道图像到图像卷积编码器-解码器来执行在所述患者的所述多参数MRI图像集合中的前列腺肿瘤的同时检测和分类的装置，其中所述训练的多通道图像到图像卷积编码器-解码器包括用于输入所述患者的所述多参数MRI图像集合的多个MRI图像的多个输入通道以及对应于多个不同肿瘤类别的多个输出通道，并且对于每个输出通道，所述训练的多通道图像到图像卷积编码器-解码器生成相应的响应图，所述响应图提供在所述患者的所述多参数MRI图像集合中的相应的肿瘤类别的前列腺肿瘤的检测的位置。10.如权利要求9所述的设备，其中对于由所述训练的多通道图像到图像卷积编码器-解码器针对每个输出通道生成的所述相应的响应图是具有在所述相应的肿瘤类别的前列腺肿瘤的每个检测的位置处达到峰值的强度值并且在所述相应的肿瘤类别的...

【专利技术属性】
技术研发人员：AP基拉利，CJ阿比纳德，R格里姆，B基费尔，A卡门，
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