利用深度神经网络的自动图形处方的系统和方法技术方案

本发明专利技术题为“利用深度神经网络的自动图形处方的系统和方法”。提供了具有深度学习系统的自动图形处方的方法和系统。在一个实施方案中，一种用于医疗成像系统的方法包括：通过医疗成像系统获取受检者的定位器图像；通过训练的神经网络系统，使用定位器图像生成图形处方；并且通过医疗成像系统根据图形处方执行受检者的扫描。以这种方式，利用来自医疗成像系统的操作者的最小输入可以精确地扫描受检者的期望的感兴趣区域。

The system and method of automatic graphic prescription using deep neural network

【技术实现步骤摘要】
利用深度神经网络的自动图形处方的系统和方法
本文公开的主题的实施方案涉及医学成像，诸如磁共振成像(MRI)，并且更具体地，涉及利用深度神经网络自动生成用于医学成像的图形处方。
技术介绍
医疗成像系统通常用于获得受检者(例如患者)的内部生理信息。例如，医疗成像系统可用于获得受检者的骨骼结构、大脑、心脏、肺部和各种其他特征的图像。医疗成像系统可以包括磁共振成像(MRI)系统、计算机断层摄影(CT)系统、x射线系统、超声系统和各种其他成像模态。在对受检者进行诊断扫描之前，可以对受检者进行低分辨率或低剂量扫描(通常被称为侦察扫描或定位器扫描)，以获得受检者的内部解剖结构的侦察图像或定位器图像。医疗成像系统的操作者可以根据侦察图像或定位器图像来规划受检者的诊断扫描，以确保受检者的全强度诊断扫描根据需要正确地对受检者成像。
技术实现思路
在一个实施方案中，一种用于医疗成像系统的方法包括：通过医疗成像系统获取受检者的定位器图像；通过训练的神经网络系统，使用定位器图像生成图形处方；并且通过医疗成像系统根据图形处方执行受检者的扫描。以本文档来自技高网...

【技术保护点】
1.一种用于医疗成像系统的方法，包括：/n通过所述医疗成像系统获取受检者的定位器图像；/n通过训练的神经网络系统，使用所述定位器图像生成图形处方；以及/n通过所述医疗成像系统根据所述图形处方执行所述受检者的扫描。/n

【技术特征摘要】
20180801 US 16/052,4271.一种用于医疗成像系统的方法，包括：
通过所述医疗成像系统获取受检者的定位器图像；
通过训练的神经网络系统，使用所述定位器图像生成图形处方；以及
通过所述医疗成像系统根据所述图形处方执行所述受检者的扫描。


2.根据权利要求1所述的方法，其中，所述训练的神经网络系统包括训练的特征表示神经网络和训练的图形处方神经网络，其中，生成所述图形处方包括由所述训练的特征表示神经网络提取所述定位器图像的特征，并且通过所述训练的图形处方神经网络使用所述训练的特征表示神经网络的输出生成所述图形处方。


3.根据权利要求2所述的方法，其中，所述训练的神经网络系统还包括训练的解剖结构分类神经网络，并且所述方法还包括由所述训练的解剖结构分类神经网络生成所述定位器图像中的解剖结构的分类。


4.根据权利要求2所述的方法，其中，所述训练的神经网络系统还包括训练的关键帧识别神经网络，并且所述方法还包括由所述训练的关键帧识别神经网络识别所述定位器图像的关键帧。


5.根据权利要求2所述的方法，其中，所述训练的特征表示神经网络包括卷积神经网络。


6.根据权利要求2所述的方法，其中，所述训练的图形处方神经网络包括用于使用二维定位器图像生成轴向、矢状和冠状平面的图形处方的单独的超神经网络。


7.根据权利要求2所述的方法，其中，所述训练的图形处方神经网络包括用于使用三维定位器图像生成三维体积的图形处方的一个超神经网络。


8.根据权利要求1所述的方法，还包括预处理所述定位器图像以归一化所述定位器图像之间的对比度。


9.根据权利要求1所述的方法，其中，所述定位器图像包括三维定位器图像体积，并且所述方法还包括将所述三维定位器图像体积投影到多平面二维定位器图像中。


10.根据权利要求1所述的方法，其中，所述图形处方指示所述受检者的期望的感兴趣区域的体积覆盖范围和体积取向，并且其中根据图形处方执行受检者的扫描包括根据由所述图形处方指示的体积覆盖范围和体积取向扫描所述受检者的期望的感兴趣区域。


11.一种用于成像系统的方法，包括：
通过训练的解剖结构分类神经网络对来自受检者的定位器图像...

【专利技术属性】
技术研发人员：桂大为，扎卡里·斯莱文斯，萨兰德拉·马坎达亚，帕特里克·夸特曼，申皓，
申请(专利权)人：通用电气公司，
类型：发明
国别省市：美国;US