用于基于深度学习的自动脊柱配准和标记传播的系统和方法技术方案

提供了用于全身脊柱标记的方法和系统。在实施方案中，一种方法包括：获取脊柱的非功能性图像体积；获取脊柱的功能性图像体积；用脊柱标记自动标记非功能性图像体积；自动校正几何失准并配准功能性图像体积并且将脊柱标记传播到功能性图像体积。以这种方式，可以利用非功能性成像体积的解剖细节来改善基于功能性成像(诸如扩散加权成像(DWI)的临床诊断。

【技术实现步骤摘要】
用于基于深度学习的自动脊柱配准和标记传播的系统和方法
本文公开的主题的实施方案涉及磁共振成像(MRI)，并且更具体地，涉及标记全身脊柱图像体积，将功能性全身脊柱图像体积配准为非功能性图像体积，以及将标记从非功能性图像体积传播到功能性图像体积。
技术介绍
脊柱是整个人体中最复杂的解剖结构。它由二十六块不规则的骨头组成，这些骨头以产生柔性弯曲结构的方式相连。普通成年人的椎骨柱约70厘米长，并且具有七个主要分区。颈部区域存在的七块椎骨构成颈椎，接下来的十二块椎骨组成胸椎，而支撑下背的五块椎骨是腰椎。这些椎骨下面的骶骨与骨盆的髋骨接合。整个椎骨柱被小尾骨终止。椎间盘作为减震器，并且允许脊柱伸展。这些在腰部区域和颈部区域最厚，以增强这些区域的柔韧性。椎间盘退变是相对常见的现象，由于磨损而老化，并且是背痛的主要原因。退变性腰脊柱疾病包括具有或不具有神经元受压或脊柱不稳定性的腰脊柱椎关节强硬(关节炎)和退变性椎间盘疾病。磁共振成像(MRI)是一种可在不使用x射线或其他电离辐射的情况下产生人体内部影像的医学成像模态。MRI使用超导磁铁来产生强大、一致、稳恒的磁场。当将人体或人体的一部分置于磁场中时，与组织水中的氢原子核相关的核自旋变得极化，其中与这些自旋相关的磁矩会变得优先沿着磁场的方向排列，从而沿着该轴线产生小的净组织磁化。MRI系统还包括梯度线圈，该梯度线圈利用正交轴产生较小振幅、在空间上变化的磁场，以通过在身体中的每个位置处产生特征共振频率来对MR信号进行空间编码。然后使用射频(RF)线圈在处于或接近氢原子核的共振频率处产生RF能量脉冲，这会给核自旋系统增加能量。当核自旋弛豫回到其静止能量状态时，其以RF信号的形式释放吸收的能量。该信号由MRI系统检测并使用重建算法转换成图像。患者的全身MRI扫描可以用于对脊柱成像，以帮助识别和诊断异常。
技术实现思路
在一个实施方案中，一种方法包括：用脊柱标记自动标记脊柱的非功能性全身图像体积；自动将所述脊柱的功能性全身图像体积配准到所述非功能性全身图像体积；以及将所述脊柱标记传播到经配准的功能性全身图像体积。以这种方式，可以利用非功能性成像体积的解剖细节来改善基于功能性成像(诸如扩散加权成像(DWI)的临床诊断。应当理解，提供上面的简要描述来以简化的形式介绍在具体实施方式中进一步描述的精选概念。这并不意味着识别所要求保护的主题的关键或必要特征，该主题的范围由具体实施方式后的权利要求书唯一地限定。此外，所要求保护的主题不限于解决上文或本公开的任何部分中提到的任何缺点的实施方式。附图说明通过参考附图阅读以下对非限制性实施方案的描述将更好地理解本公开，其中以下：图1是示出根据实施方案的用于全身脊柱标记的示例系统的框图；图2示出了示出根据实施方案的示例深度神经网络的示意图；图3示出了示出根据实施方案的深度神经网络的示例节点的示意图；图4示出了示出根据实施方案的用于拼接和配准多工位或单工位轴向脊柱全身图像体积的示例深度神经网络的框图；图5示出了根据实施方案的示例经拼接和配准的多工位脊柱图像；图6示出了示出根据实施方案的用于标记功能性脊柱图像的示例方法的高级流程图；图7示出了根据实施方案的示例全身功能性MR图像体积和全身非功能性MR图像体积；图8示出了根据实施方案的通过深度神经网络在非功能性体积上进行轴向全身脊柱标记的示例；图9示出了根据实施方案的描绘传播到用于非功能性MR图像体积的各种多平面重组视图的脊柱标记的一组图像；图10示出了根据实施方案的描绘脊柱的标记和注释从非功能性体积到功能性体积的传播的一组图像；图11示出了示出根据实施方案的用于生成融合图像的示例方法的高级流程图；图12示出了根据实施方案的描绘非功能性和功能性MR全身解剖数据与脊柱标记的融合的图像；图13示出了根据实施方案的以不同的多平面重组视图描绘非功能性MR图像和融合图像的一组图像；图14示出根据实施方案的以矢状视图、冠状视图和轴向视图描绘融合图像的一组图像；以及具体实施方式在全身成像扫描中，对位于脊柱周围的异常的诊断具有挑战性。为了准确的诊断，可能需要在所有多平面重组视图中查看脊柱的外观、形状和几何形状测量以进行异常检测。因此，在所有多平面重组视图(例如，轴向、冠状、矢状和倾斜视图)中正确定位、分割和标记将帮助改善临床医生的诊断。但是，在轴向全身检查中手动分割和标记脊柱是具有挑战性的任务，并且不能保证准确性。例如，临床医生可能发现在全身解剖扫描中难以识别出由伪影、灰度不均匀、突然的不均匀灰度变化、患者运动和退变性变化充斥的脊柱分段。此外，在退变性脊柱疾病中，相关的灰度由于神经元受压而变化，并且因此在轴向全身扫描中识别和手动标记脊柱非常具有挑战性。尽管如此，临床医生可能对在扩散加权成像(DWI)全身扫描中了解位于脊柱区域附近的病变的空间位置感兴趣。DWI可以通过其扩散指数检测病变/组织中的早期变化。因此，在DWI中可以更好地识别急性病变和病变明显性。但是，在DWI中可能不能很好地捕获解剖信息或细节。尽管过去已经建立用于自动标记的若干方法，但是它们在处理图像对比度(例如，不均匀性、灰度不均匀)或与磁化率有关的伪影方面不够稳健。因此，这些方法不适用于如DWI的功能性MRI。以下描述涉及用于全身脊柱标记的各种系统和方法。特别地，提供用于在功能性图像体积中自动标记脊柱的系统和方法。在功能性MR图像体积中自动标记脊柱的方法(诸如图1描绘的方法)包括获取脊柱的非功能性MR图像和功能性MR图像，自动标记非功能性MR图像、拼接和配准非功能性MR图像和功能性MR图像，以及将非功能性图像的标记传播到功能性图像。如本文所用，“非功能性MR图像”是指静态(例如，固定的)MR图像。例如，每个非功能性MR图像可以在单个时间点获取，并且可以描绘脊柱的解剖结构(例如，特征)。如本文所用，“功能性MR图像”是指检测血流变化的运动MR图像。例如，功能性MR图像可以包括在一段时间内获得的一系列图像，可以将该图像与对照图像进行比较以描绘诸如由于脊柱的神经元功能与血流变化相关的活动变化。深度神经网络(诸如图2和图3中描绘的深度神经网络)可以被训练以执行非功能性MR图像的自动标记、非功能性MR图像和功能性MR图像的自动拼接和配准以及标记的自动传播。如图4所描绘配置的深度神经网络可以自动地将在多个工位处获取的非功能性MR图像和功能性MR图像分别拼接到单个非功能性MR图像体积和单个功能性MR图像体积中，而同时校正几何失准，如图5的示例经校正的整体脊柱图像体积所描绘的。用于自动标记功能性图像体积的方法(诸如图6所描绘的方法)可以包括按照用户的请求在冠状、轴向、倾斜和矢状视图中的一个或多个中输出标记和分割经配准的功能性脊柱图像。非功能性MR图像和功能性MR图像(例如，图7中描绘的那些图像)可以经由轴向全身MR扫描来获取。图8描绘的轴向非功能性MR图像的脊柱标记可以从轴向视图传播到一个或多个多本文档来自技高网...

【技术保护点】
1.一种用于磁共振成像的方法，包括：/n用脊柱标记自动标记脊柱的非功能性全身图像体积；/n自动将所述脊柱的功能性全身图像体积配准到所述非功能性全身图像体积；以及/n将所述脊柱标记传播到所述经配准的功能性全身图像体积。/n

【技术特征摘要】
20181221 US 16/231,2611.一种用于磁共振成像的方法，包括：
用脊柱标记自动标记脊柱的非功能性全身图像体积；
自动将所述脊柱的功能性全身图像体积配准到所述非功能性全身图像体积；以及
将所述脊柱标记传播到所述经配准的功能性全身图像体积。


2.根据权利要求1所述的方法，其中自动标记所述非功能性全身图像体积包括将所述非功能性全身图像体积输入到第一经训练的神经网络神经网络中，其中所述第一经训练的神经网络自动分割和标记所述非功能性全身图像体积。


3.根据权利要求1所述的方法，其中自动配准所述功能性全身图像体积包括将所述功能性全身图像体积和所述非功能性全身图像体积输入到第二经训练的神经网络，其中所述第二经训练的神经网络通过学习基于区域的几何特性和所述非功能性全身图像体积中所述脊柱的位置，自动校正所述功能性全身图像体积的脊柱区域中的几何不匹配或失准。


4.根据权利要求1所述的方法，其中将所述脊柱标记传播到所述经配准的功能性全身图像体积包括将具有所述脊柱标记的所述非功能性全身图像体积和所述经配准的功能性全身图像体积输入到第三经训练的神经网络中，其中所述第三经训练的神经网络将所述脊柱标记从所述非功能性全身图像体积映射到所述经配准的功能性全身图像体积。


5.根据权利要求1所述的方法，进一步包括将所述脊柱标记从所述经配准的功能性全身图像体积传播到所述经配准的功能性全身图像体积的一个或多个多平面重组视图。


6.根据权利要求1所述的方法，进一步包括融合所述非功能性全身图像体积和所述功能性全身图像体积以生成融合的图像体积，其中所述融合的图像体积包括具有所述脊柱标记的所述非功能性全身图像体积叠加在所述经配准的功能性全身图像体积上。


7.根据权利要求1所述的方法，其中所述非功能性全身图像体积描绘了所述脊柱的解剖结构，并且所述功能性全身图像体积描绘了所述脊柱的神经元或扩散功能。


8.根据权利要求1所述的方法，其中所述功能性全身图像体积包括扩散加权图像体积、PET图像体积或交叉模态图像体积。


9.一种方法，包括：
用第一经训练的神经网络对脊柱的功能性全身MR图像体积中所述脊柱的位置进行几何校正，以产生经校正的功能性图像体积；
用第二经训练的神经网络将所述脊柱的标记从所述脊柱的非功能性全身MR图像体积传播到所述经校正的功能性图像体积；以及
显示所述经校正的功能性图像体积的视图，所述脊柱的所述标记叠加在所述视图上。


10.根据权利要求9所述的方法，其中对所述功能性全身MR图像体积中所述脊柱的位置进行几何校正包括将所述非功能性全身MR图像体积和所述功能性全身MR...

【专利技术属性】
技术研发人员：拉古·普拉萨德，格内什·达拉基亚，卡维莎·马尼坎，
申请(专利权)人：通用电气公司，
类型：发明
国别省市：美国;US