【技术实现步骤摘要】
【国外来华专利技术】用于椎骨骨折的识别的三维医学图像分析方法和系统
本专利技术涉及医学图像分析，并且提供了一种用于识别3D图像中的骨折的，更具体而言识别椎骨骨折的，系统和方法。
技术介绍
骨质疏松症是一种影响骨骼的疾病，其中骨骼变弱的增加会增加骨折的风险。常见的骨质疏松性骨折发生在脊柱的椎骨、前臂的骨骼和髋部。每3秒钟就会发生一次骨质疏松性骨折，其中最常见的是椎骨骨折(Johnell等人，2006年)。椎骨骨折预示着后续的骨折，例如具有中度或重度椎骨骨折的患者发生后续髋部骨折的风险高4.8至6.7倍(Buckens等人，2014年)。Roux等人证明，发生轻度椎骨骨折的四分之一患者将很可能在随后的两年内再次发生骨折(Roux等人，2007年)。椎骨骨折的临床评估是困难的，因为许多患者不知道他们已遭受椎骨骨折。据估计，只有三分之一的椎骨骨折受到临床关注(Cooper等人，1992年)，而放射科医生在含脊柱的CT中漏报了54％的椎骨骨折(Mitchell等人，2017年)。尽管国际骨质疏松基金会已努力提高对椎骨骨折的认识并提供有关椎骨骨折检...
【技术保护点】
1.一种用于预测受试者中椎骨骨折的存在的三维医学图像分析系统，包括：/n3D图像处理器(101)，用于接收和处理所述受试者的3D图像数据、产生两个或更多个3D体素集合，其中每个集合对应于整个所述3D图像，并且其中每个集合由不同尺寸的相等体素组成；/n体素分类器(104)，用于使用计算模型为所述体素分配体素包含骨折的一个或多个类别概率；以及/n骨折概率估计器(103)，用于估计在所述受试者中椎骨骨折的存在的概率。/n
【技术特征摘要】
【国外来华专利技术】20171201 GB 1720059.31.一种用于预测受试者中椎骨骨折的存在的三维医学图像分析系统，包括：
3D图像处理器(101)，用于接收和处理所述受试者的3D图像数据、产生两个或更多个3D体素集合，其中每个集合对应于整个所述3D图像，并且其中每个集合由不同尺寸的相等体素组成；
体素分类器(104)，用于使用计算模型为所述体素分配体素包含骨折的一个或多个类别概率；以及
骨折概率估计器(103)，用于估计在所述受试者中椎骨骨折的存在的概率。
2.如权利要求1所述的系统，附加地包括脊髓检测器(102)，用于检测所述图像的包括脊髓的部分。
3.如权利要求2所述的系统，其中脊髓检测器(102)使用最大信号强度在所述图像数据中定位脊髓。
4.如权利要求3所述的系统，其中脊髓检测器(102)使用解剖学先验信息来沿着x、y和z轴定位脊髓。
5.如权利要求1所述的系统，其中所述3D图像数据是经由计算机网络接收的。
6.如权利要求1所述的系统，其中3D图像处理器(101)，其中至少一个3D体素集合是1mm3的各向同性体素集合。
7.如权利要求1所述的系统，其中3D图像处理器(101)，其中第一3D体素集合是1mm3的各向同性体素集合，并且第二3D体素集合是3mm3的各向同性体素集合。
8.如权利要求1所述的系统，其中3D图像处理器(101)，其中至少一个3D体素集合是各向异性体素集合。
9.如权利要求1所述的系统，其中3D图像处理器(101)输出被归一化为所述体素的强度的均值和单位标准偏差的3D体素集合。
10.如权利要求1所述的系统，其中所述体素分类器(104)在周围体素的情境下对所述一个或多个体素集合中的每个所述体素进行分类。
11.如权利要求6所述的系统，所述体素分类器(104)在周围体素的情境下对每个所述体素进行分类，并且在30-40mm3的所述体素的情境下对在第一集合中的每个体素进行分类，并且在90-120mm3的所述体素的情境下对在第二集合中的每个体素进行分类。
12.如权利要求10所述的系统，在35mm3的所述体素的情境下对第一集合进行分类，并且在105mm3的所述体素的情境下对第二集合进行分类。
13.如权利要求1所述的系统，其中体素分类器(104)通过为每个体素分配一个或多个类别概率来对每个体素进行分类。
14.如权利要求1所述的系统，其中体素分类器(104)使用预训练的分类器通过将一个或多个类别标签分配给所述体素来对每个体素进行分类。
15.如权利要求1所述的系统，其中体素分类器(104)为每个体素计算被分类为背景、正常、骨折类别的概率。
16.如权利要求1所述的系统，其中骨折概率估计器(103)包括被配置为从体素分类器(104)接收输入的图像分类器(108)。
17.如权利要求1所述的系统，其中骨折概率估计器(103)包括图像分类器(108)，图像分类器(108)被配置为将所述3D图像分类为具有或不具有骨折并且从体素分类器(104)接收针对所述3D图像的每个体素的输入并且提供所述3D图像的聚合概率值的输出。
18.如权利要求17所述的系统，其中所述图像分类器(108)被配置为基于具有分配的骨折类别概率的体素的数量的最小阈值对所述3D图像进行分类。
19.如权利要求1所述的系统，其中骨折概率估计器(103)包括存在于所述3D图像中的椎骨解剖标签分配器(106)。
20.如权利要求1所述的系统，其中所述骨折概率估计器(103)包括椎骨定位器(105)。
21.如权利要求20所述的系统，其中所述椎骨定位器(105)产生每个椎骨在所述3D图像内的质心坐标。
22.如权利要求1所述的系统，其中骨折概率估计器(103)包括椎骨分类器(107)。
23.如权利要求1所述的系统，其中体素分类器(104)正在利用卷积神经网络(CNN)。
24.如权利要求10所述的系统，其中体素分类器(104)正在利用包括神经网络层集合的CNN，其中神经网络层的序列包括：
对于每个体素集合，一个或多个卷积层，所述一个或多个卷积层被配置为在周围体素的情境下接收从所述体素集合导出的输入，以生成两个或更多个卷积输出；
一个或多个完全连接层，用于聚合所述两个或更多个卷积输出；以及
分类层，从所述一个或多个完全连接层接收输入以执行最终分类。
25.如权利要求24所述的系统，其中最终分类是向每个体素分配被分类为正常、骨折或背景的概率。
26.如权利要求1所述的系统，其中使用划分为体素的带注释的输入3D图像集合对体素分类器(104)进行预训练，其中强度噪声信号沿着x、y和z轴被添加到每个3D体素。
27.如权利要求1所述的系统，其中体素分类器(104)正在利用使用带注释的输入3D图像集合使用有利于前景的采样率预训练的CNN。
28.如权利要求1所述的系统，其中体素分类器(104)正在利用使用带注释的输入3D图像集合使用背景:正常:骨折为1:3:3的采样率预训练的CNN。
29.如权利要求1所述的系统，其中所述3D图像数据包括图像强度，所述图像强度具有动态信号范围。
30.如权利要求1所述的系统，其中所述3D图像数据被接收并存储在数据库系统中。
31.一种医学成像工作站，包括：
成像装置，用于生成受试者的至少一个3D图像(1401)，以及
根据权利要求1至30中的任一项所述的系统，用于在至少一个生成的图像中预测所述受试者中椎骨骨折的存在。
32.一种预测个体中椎骨骨折的存在的三维医学图像分析方法，所述方法包括以下步骤：
接收包括脊髓的成像信息的3D成像数据(201)；
处理所述图像并产生两个或更多个3D体素集合，其中每个集合对应于整个所述3D图像，并且其中每个集合由不同尺寸的相等体素组成(202)；
使用计算模型为每个体素计算体素包含骨折的类别概率(204)；
识别所述体素中的任何体素是否被分类为包含骨折(205)；以及
基于被分类为包含骨折的所述体素的识别，预测所述个体中椎骨骨折的存在(206)。
33.如权利要求32所述的方法，附加地包括以下步骤：在所述图像内定位脊髓并为包括...
【专利技术属性】
技术研发人员：J·尼古拉斯，
申请(专利权)人：UCB生物制药有限责任公司，
类型：发明
国别省市：比利时;BE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。