用于虚拟胰造影术的系统、方法和计算机可访问介质技术方案

用于使用医学成像数据来筛查囊性病灶的系统、方法和计算机可访问介质可包括，例如，接收一个患者的器官的第一成像信息，通过对第一成像信息执行分割操作来生成第二成像信息以识别多种组织类型，所述多种组织类型包括指示囊性病灶的组织类型，识别第二成像信息中的囊性病灶，以及将第一分类器和第二分类器应用于囊性病灶以将囊性病灶分类为多种囊性病灶类型中的一种或更多种。第一分类器可以是随机森林分类器，并且第二分类器可以是卷积神经网络分类器。卷积神经网络可包含至少6个卷积层，其中所述至少6个卷积层可包含最大池化层、退出层和全连接层。

System, method and computer accessible media for virtual pancreatography

【技术实现步骤摘要】
【国外来华专利技术】用于虚拟胰造影术的系统、方法和计算机可访问介质相关申请的交叉引用本申请涉及并要求于2017年6月26日提交的美国专利申请No.62/524,819的优先权，其全部公开内容通过引用并入本文。关于联邦政府资助的研究的声明本专利技术是在由国家科学基金会(NationalScienceFoundation)授予的基金No.CNS-0959979、IIP1069147和CNS-1302246的政府支持下完成的。政府在本专利技术中拥有某些权利。
本公开内容一般地涉及医学成像，并且更具体地涉及用于虚拟胰造影术的示例性系统、方法和计算机可访问介质的一些示例性实施方案。
技术介绍
如其所正式地被知晓的，胰腺癌或胰腺导管腺癌(pancreaticductaladenocarcinoma，“PDAC”)可能是所有癌症中最致命的癌症之一，具有极差的预后并且五年总存活率小于9％。该疾病没有特定的早期症状，并且大多数病例是在癌症已扩散到胰腺之外之后的晚期被诊断出来的。PDAC前体的早期检测可为防止浸润性PDAC发生提供机会。PDAC的三个前体中的两个，导管内乳头状黏液性肿瘤(intraductalpapillarymucinousneoplasm，“IPMN”)和黏液性囊性肿瘤(mucinouscysticneoplasm，“MCN”)，形成胰腺囊性病灶。这些囊性病灶可以是常见的并且用目前可用的成像方式例如计算机断层扫描(computedtomography，“CT”)和磁共振成像(magneticresonanceimaging，“MRI”)容易检测。IPMN和MCN可相对容易地被识别并且为PDAC的早期识别提供了潜力。然而，该问题可能是复杂的，因为存在许多其他类型的胰腺囊性病灶。这些从不需要手术干预的完全良性或非癌性囊肿(例如浆液性囊腺瘤(serouscystadenoma，“SCA”))变化到可能是恶性且应进行手术切除的实性假乳头状肿瘤(solid-pseudopapillaryneoplasm，“SPN”)。这些问题突出了正确识别囊肿类型以确保适当管理的重要性。(参见，例如，参考文献1)。大多数胰腺囊性病灶可在CT扫描时被偶然发现，这使得CT成为第一可用的成像数据来源用于诊断。除一般人口统计学特征(例如患者年龄和性别)之外，CT成像发现的组合还可用于区分不同类型的胰腺囊性病灶。(参见，例如，参考文献1)。然而，即使对于有经验的放射科医生来说，通过手动检查胰腺囊性病灶的放射学影像来正确地识别囊性病灶类型也可具有挑战性。最近的研究(参见，例如，参考文献2)报道了由具有超过10年的腹部成像经验的两名读者进行的CT扫描对130例胰腺囊性病灶的鉴别准确度为67％至70％。使用计算机辅助诊断(computer-aideddiagnosis，“CAD”)方法不仅可帮助放射科医生，而且可改善在CT扫描中识别出的多种胰腺囊性病灶的可靠性和客观性。尽管已经提出了用于在多种器官中非侵入性地分析良性和恶性团块(mass)的许多方法，但是没有用于对胰腺囊性病灶类型进行分类的CAD方法。因此，提供可克服上文所述缺陷中的至少一些的用于虚拟胰造影术的示例性系统、方法和计算机可访问介质可以是有益的。
技术实现思路
用于使用医学成像数据来筛查囊肿(例如，用于囊性病灶的分割和可视化)的系统、方法和计算机可访问介质可包括例如接收一个患者的器官的第一成像信息，通过对第一成像信息执行分割操作来生成第二成像信息以识别多种组织类型，包括指示囊肿的组织类型，识别第二成像信息中的囊肿，以及将第一分类器和第二分类器应用于囊肿以将囊肿分类为多种囊性病灶类型中的一种或更多种。第一分类器可以是随机森林(RandomForest)分类器，并且第二分类器可以是卷积神经网络分类器。卷积神经网络可包含至少6个卷积层，其中所述至少6个卷积层可包含最大池化层(max-poolinglayer)、退出层(dropoutlayer)和全连接层(fully-connectedlayer)。在本公开内容的一些示例性实施方案中，最大池化层可包含3个最大池化层，退出层可包含2个退出层，并且全连接层可包含3个全连接层。3个全连接层可包含2个退出层。可通过将第一成像信息分割为用于使囊性病灶可视化的前景(foreground)和背景(background)来生成第二成像信息。前景可包含胰腺，并且背景可包含多个另外的囊性病灶。可通过产生针对可用于使囊性病灶可视化的前景和背景的多个分割轮廓来生成第二信息。可通过分析患者的特征来应用第一分类器，其中所述特征可包含：(i)患者的年龄，(ii)患者的性别，(iii)胰腺中囊肿的位置，(iv)囊肿的形状，或(iv)囊肿的强度特征。在本公开内容的某些示例性实施方案中，可基于前景的分割轮廓或强度特征来产生所述特征。分割操作可以是自动分割程序。可通过以下来生成第二成像信息：向用户显示第一成像信息(例如，用于可视化)，以及基于从用户接收的输入来分割第一成像信息。可将第一分类器应用于囊肿以产生第一组类别概率，并且可将第二分类器应用于囊肿以产生第二组类别概率。可通过将贝叶斯(Bayesian)组合应用于第一组类别概率和第二组类别概率来对囊肿进行分类。在本公开内容的一些示例性实施方案中，囊肿可分类为(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。该分类可包含囊肿可以是以下的概率：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。囊肿可位于患者的胰腺中。第一成像信息可包含磁共振成像信息或计算机断层扫描成像信息。磁共振成像信息和计算机断层扫描成像信息可以是使用分割程序进行的分割以供医生可视化。分割的囊性病灶还可使用一种或更多种分类器进行分类。此外，用于对解剖结构进行多标签分割的示例性系统、方法和计算机可访问介质可包括：接收与解剖结构的多个单标签数据集有关的第一成像信息，接收与解剖结构的多个类别标签有关的第二信息，通过使用卷积神经网络(CNN)基于第一成像信息对第二信息进行编码来生成第三信息，通过使用CNN对第三信息进行解码来生成第四信息，以及基于第四信息分割解剖结构。在本公开内容的一些示例性实施方案中，可使用多个编码层来生成第三信息，并且可使用多个解码层来生成第四信息。可通过基于先前一个编码层对一个编码层进行连接特征映射来生成第三信息，并且可通过基于先前一个解码层对一个解码层进行连接特征映射来生成第四信息。编码层可包含卷积层和至少三个最大池化层。编码层可在每个稠密块中包含与每个稠密块的深度成比例的特定数目的特征信道。在本公开内容的某些示例性实施方案中，可使用具有跨步的多个转置卷积作为与编码层拓扑对称的上采样层来生成第四信息。解码层之一可包含S型函数。解剖结构可以是腹部器官。编码层或解码层可例如使用分割的目标标签来调节。当结合所附权利要求书阅读以下对本公开内容的一些示例性实施方案的详细描述时，本公开内本文档来自技高网...

【技术保护点】
1.非暂时性计算机可访问介质，其上存储有用于使用医学成像数据来筛查至少一个囊性病灶的计算机可执行指令，其中，当计算机装置执行所述指令时，所述计算机装置配置成执行包括以下的程序：/n接收至少一个患者的至少一个器官的第一成像信息；/n通过对所述第一成像信息执行分割操作来生成第二成像信息以识别多种组织类型，所述多种组织类型包括指示所述至少一个囊性病灶的至少一种组织类型；/n在所述第二成像信息中识别所述至少一个囊性病灶；以及/n将第一分类器和第二分类器应用于所述至少一个囊性病灶以将所述至少一个囊性病灶分类为多种囊性病灶类型中的一种或更多种。/n

【技术特征摘要】
【国外来华专利技术】20170626 US 62/524,8191.非暂时性计算机可访问介质，其上存储有用于使用医学成像数据来筛查至少一个囊性病灶的计算机可执行指令，其中，当计算机装置执行所述指令时，所述计算机装置配置成执行包括以下的程序：
接收至少一个患者的至少一个器官的第一成像信息；
通过对所述第一成像信息执行分割操作来生成第二成像信息以识别多种组织类型，所述多种组织类型包括指示所述至少一个囊性病灶的至少一种组织类型；
在所述第二成像信息中识别所述至少一个囊性病灶；以及
将第一分类器和第二分类器应用于所述至少一个囊性病灶以将所述至少一个囊性病灶分类为多种囊性病灶类型中的一种或更多种。


2.权利要求1所述的计算机可访问介质，其中所述第一分类器是随机森林(RF)分类器，并且所述第二分类器是卷积神经网络分类器(CNN)。


3.权利要求2所述的计算机可访问介质，其中所述CNN包括至少6个卷积层。


4.权利要求3所述的计算机可访问介质，其中所述至少6个卷积层包括至少一个最大池化层、至少一个退出层和至少一个全连接层。


5.权利要求4所述的计算机可访问介质，其中所述至少一个最大池化层包括3个最大池化层，所述至少一个退出层包括2个退出层，并且所述至少一个全连接层包括3个全连接层。


6.权利要求5所述的计算机可访问介质，其中所述3个全连接层包括所述2个退出层。


7.权利要求1所述的计算机可访问介质，其中所述计算机装置配置成通过将所述第一成像信息分割为前景和背景来生成所述第二成像信息。


8.权利要求7所述的计算机可访问介质，其中所述前景包括胰腺，并且所述背景包括多个另外的囊性病灶。


9.权利要求7所述的计算机可访问介质，其中所述计算机装置还配置成通过产生针对所述前景和所述背景的多个分割轮廓来生成所述第二信息。


10.权利要求9所述的计算机可访问介质，其中所述计算机装置配置成通过分析所述至少一个患者的至少一个特征来应用所述第一分类器，其中所述至少一个特征包括以下中的至少一个：(i)所述至少一个患者的年龄，(ii)所述至少一个患者的性别，(iii)胰腺中所述至少一个囊性病灶的位置，(iv)所述至少一个囊性病灶的形状，或(iv)所述至少一个囊性病灶的强度特征。


11.权利要求10所述的计算机可访问介质，其中所述计算机装置还配置成基于所述前景的分割轮廓或强度特征中的至少一个来产生所述至少一个特征。


12.权利要求1所述的计算机可访问介质，其中所述分割操作是自动分割程序。


13.权利要求1所述的计算机可访问介质，其中所述计算机装置配置成通过以下来生成所述第二成像信息：
向至少一个用户显示所述第一成像信息，以及
基于从所述至少一个用户接收的输入来分割所述第一成像信息。


14.权利要求1所述的计算机可访问介质，其中所述计算机装置配置成：
将所述第一分类器应用于所述至少一个囊性病灶以产生第一组类别概率；以及
将所述第二分类器应用于所述至少一个囊性病灶以产生第二组类别概率。


15.权利要求14所述的计算机可访问介质，其中所述计算机装置配置成通过将贝叶斯组合应用于所述第一组类别概率和第二组类别概率来对所述至少一个囊性病灶进行分类。


16.权利要求1所述的计算机可访问介质，其中所述计算机装置配置成将所述至少一个囊性病灶分类为以下中的至少一种：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。


17.权利要求16所述的计算机可访问介质，其中所述分类包括所述至少一个囊性病灶是以下中的至少一种的概率：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。


18.权利要求1所述的计算机可访问介质，其中所述至少一个囊性病灶位于所述至少一个患者的胰腺中。


19.权利要求1所述的计算机可访问介质，其中所述第一成像信息包括磁共振成像信息或计算机断层扫描成像信息。


20.用于使用医学成像数据来筛查至少一个囊性病灶的系统，其包含：
计算机硬件装置，其配置成：
接收至少一个患者的至少一个器官的第一成像信息；
通过对所述第一成像信息执行分割操作来生成第二成像信息以识别多种组织类型，所述多种组织类型包括指示所述至少一个囊性病灶的至少一种组织类型；
在所述第二成像信息中识别所述至少一个囊性病灶；以及
将第一分类器和第二分类器应用于所述至少一个囊性病灶以将所述至少一个囊性病灶分类为多种囊性病灶类型中的一种或更多种。


21.权利要求20所述的系统，其中所述第一分类器是随机森林(RF)分类器，并且所述第二分类器是卷积神经网络分类器(CNN)。


22.权利要求21所述的系统，其中所述CNN包括至少6个卷积层。


23.权利要求22所述的系统，其中所述至少6个卷积层包括至少一个最大池化层、至少一个退出层和至少一个全连接层。


24.权利要求23所述的系统，其中所述至少一个最大池化层包括3个最大池化层，所述至少一个退出层包括2个退出层，并且所述至少一个全连接层包括3个全连接层。


25.权利要求24所述的系统，其中所述3个全连接层包括所述2个退出层。


26.权利要求20所述的系统，其中所述计算机硬件装置配置成通过将所述第一成像信息分割为前景和背景来生成所述第二成像信息。


27.权利要求26所述的系统，其中所述前景包括胰腺，并且所述背景包括多个另外的囊性病灶。


28.权利要求26所述的系统，其中所述计算机硬件装置还配置成通过产生针对所述前景和所述背景的多个分割轮廓来生成所述第二信息。


29.权利要求28所述的系统，其中所述计算机硬件装置配置成通过分析所述至少一个患者的至少一个特征来应用所述第一分类器，其中所述至少一个特征包含以下中的至少一个：(i)所述至少一个患者的年龄，(ii)所述至少一个患者的性别，(iii)胰腺中所述至少一个囊性病灶的位置，(iv)所述至少一个囊性病灶的形状，或(iv)所述至少一个囊性病灶的强度特征。


30.权利要求29所述的系统，其中所述计算机硬件装置还配置成基于所述前景的分割轮廓或强度特征中的至少一个来产生所述至少一个特征。


31.权利要求20所述的系统，其中所述分割操作是自动分割程序。


32.权利要求20所述的系统，其中所述计算机硬件装置配置成通过以下来生成所述第二成像信息：
向至少一个用户显示所述第一成像信息，以及
基于从所述至少一个用户接收的输入来分割所述第一成像信息。


33.权利要求20所述的系统，其中所述计算机硬件装置配置成：
将所述第一分类器应用于所述至少一个囊性病灶以产生第一组类别概率；以及
将所述第二分类器应用于所述至少一个囊性病灶以产生第二组类别概率。


34.权利要求33所述的系统，其中所述计算机硬件装置配置成通过将贝叶斯组合应用于所述第一组类别概率和所述第二组类别概率来对所述至少一个囊性病灶进行分类。


35.权利要求20所述的系统，其中所述计算机硬件装置配置成将所述至少一个囊性病灶分类为以下中的至少一种：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。


36.权利要求35所述的系统，其中所述分类包括所述至少一个囊性病灶是以下中的至少一种的情况的概率：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。


37.权利要求20所述的系统，其中所述至少一个囊性病灶位于所述至少一个患者的胰腺中。


38.权利要求20所述的系统，其中所述第一成像信息包含磁共振成像信息或计算机断层扫描成像信息。


39.用于使用医学成像数据来筛查至少一个囊性病灶的方法，其包括：
接收至少一个患者的至少一个器官的第一成像信息；
通过对所述第一成像信息执行分割操作来生成第二成像信息以识别多种组织类型，所述多种组织类型包括指示所述至少一个囊性病灶的至少一种组织类型；
在所述第二成像信息中识别所述至少一个囊性病灶；以及
使用计算机硬件装置，将第一分类器和第二分类器应用于所述至少一个囊性病灶以将所述至少一个囊性病灶分类为多种囊性病灶类型中的一种或更多种。


40.权利要求39所述的方法，其中所述第一分类器是随机森林(RF)分类器，并且所述第二分类器是卷积神经网络分类器(CNN)。


41.权利要求40所述的方法，其中所述CNN包括至少6个...

【专利技术属性】
技术研发人员：阿里·考夫曼，康斯坦丁·德米特里耶夫，
申请(专利权)人：纽约州立大学研究基金会，
类型：发明
国别省市：美国;US