用于分割同一患者的医学图像的系统和方法技术方案

实施方式公开了用于分割医学图像的方法和系统。在某些实施方式中，系统包括数据库，该数据库被配置成存储由图像获取设备获取的多个医学图像。多个图像包括对象的至少一个第一医学图像和对象的第二医学图像，每个第一医学图像与第一结构标记图相关联。系统还包括处理器，该处理器被配置成：将所述至少一个第一医学图像配准到第二医学图像；使用配准的第一医学图像和对应的第一结构标记图来确定分类器模型；以及使用分类器模型来确定与第二医学图像相关联的第二结构标记图。

【技术实现步骤摘要】
【国外来华专利技术】用于分割同一患者的医学图像的系统和方法相关申请的交叉引用本申请要求于2016年1月21日提交的美国临时申请No.62/281,652的优先权权益，该美国临时申请的全部内容通过引用并入本文中。
本公开内容大体上涉及图像分割。更特别地，本公开内容涉及用于使用患者的先前图像信息来辅助该患者的后续图像的分割的精确医学图像分割的系统和方法。
技术介绍
图像分割技术被广泛用于分割医学图像和确定图像内的解剖结构之间的轮廓。例如，在放射治疗中，通常进行器官的自动分割以减少取轮廓时间，并且提高轮廓精确度和各医院的一致性。然而，由于噪声、有限的图像对比度和/或低图像质量，图像的自动分割仍然是非常困难的任务。例如，已知具有较低图像质量的医学图像，例如可以用于治疗癌症患者的一些计算机断层扫描(CT)或锥形束计算机断层扫描(CBCT)图像，对于大多数软组织结构具有较低的对比度和较少的纹理。因此，主要基于图像对比度的传统图像分割方法常常不能在背景与所关注的解剖结构(例如，器官或肿瘤)之间或者在医学图像中的不同解剖结构之间找到精确的轮廓。医学图像分割的两种主要方法包括基于图谱的自动分割和统计学习分割。基于图谱的自本文档来自技高网...

【技术保护点】
1.一种用于分割医学图像的系统，所述系统包括：数据库，其被配置成存储由图像获取设备获取的多个医学图像，所述多个医学图像包括对象的至少一个第一医学图像和所述对象的第二医学图像，每个第一医学图像与第一结构标记图相关联；处理器，其被配置成：将所述至少一个第一医学图像配准到所述第二医学图像；使用经配准的第一医学图像和对应的第一结构标记图来确定分类器模型；以及使用所述分类器模型来确定与所述第二医学图像相关联的第二结构标记图。

【技术特征摘要】
【国外来华专利技术】2016.01.21 US 62/281,652;2016.12.20 US 15/385,7321.一种用于分割医学图像的系统，所述系统包括：数据库，其被配置成存储由图像获取设备获取的多个医学图像，所述多个医学图像包括对象的至少一个第一医学图像和所述对象的第二医学图像，每个第一医学图像与第一结构标记图相关联；处理器，其被配置成：将所述至少一个第一医学图像配准到所述第二医学图像；使用经配准的第一医学图像和对应的第一结构标记图来确定分类器模型；以及使用所述分类器模型来确定与所述第二医学图像相关联的第二结构标记图。2.根据权利要求1所述的系统，其中，所述至少一个第一医学图像包括所述对象的先前日图像的集合。3.根据权利要求1所述的系统，其中，所述第二医学图像是所述对象的当前日图像。4.根据权利要求1所述的系统，其中，所述第一结构标记图包括针对所述第一医学图像识别的专家结构标记。5.根据权利要求1所述的系统，其中，所述处理器还被配置成使用群体训练的分类器模型来确定所述第一医学图像的所述第一结构标记图。6.根据权利要求1所述的系统，其中，所述处理器还被配置成：使用基于图谱的分割方法将所述第一结构标记图配准到所述第二医学图像；以及使用经配准的第一医学图像和经配准的第一结构标记图来确定分类器模型。7.根据权利要求1所述的系统，其中，所述分类器模型是随机森林模型。8.根据权利要求1所述的系统，其中，所述分类器模型是卷积神经网络模型。9.根据权利要求1所述的系统，其中，所述处理器还被配置成：识别所述第二医学图像中的至少一个特征；以及将所述分类器模型应用于所述至少一个特征。10.根据权利要求9所述的系统，其中，所述至少一个特征是使用预训练的卷积神经网络计算的。11.根据权利要求1所述的系统，其中，所述至少一个第一医学图像和所述第二...

【专利技术属性】
技术研发人员：林登·斯坦利·希巴德，韩晓，
申请(专利权)人：医科达有限公司，
类型：发明
国别省市：美国,US