医学图像转换制造技术

根据本文的一个或多个实施例，提供了一种用于生成优化的参数化转换函数T的系统100，所述优化的参数化转换函数T用于将第一图像类型的原始医学图像转换为第二图像类型的转换医学图像。所述系统100包括至少一个处理单元，其被配置为：获得第一和第二图像类型的原始医学图像；获得用于将第一图像类型的原始医学图像转换为第二图像类型的转换医学图像的初始参数化转换函数G；基于第二图像类型的第一原始医学图像与第二图像类型的第一转换医学图像的至少一个比较来计算第一惩罚P

【技术实现步骤摘要】
【国外来华专利技术】医学图像转换
本申请总体上涉及用于生成优化的参数化转换函数T的系统和方法，该优化的参数化转换函数T用于将第一图像类型的原始医学图像转换成第二图像类型的转换医学图像。
技术介绍
计算机断层摄影(CT)成像可以用于许多目的。CT图像可以例如用于放射治疗方案中的剂量计算。然而，如果可以找到可用于剂量计算的其他获得图像的方式，那么就有理由避免CT成像——CT检查花费时间并且患者暴露于放射。可以使用锥形束计算机断层摄影(CBCT)图像进行剂量计算，但是CBCT图像比CT图像更容易生成伪影，并且强度比例也可以与CT图像不同。文章“使用未成对数据的深度MR到CT合成”(“DeepMRtoCTSynthesisusingUnpairedData”，Wolterink等人，2017年)描述了训练一般对抗网络(GAN)以使用CycleGAN模型以及未成对的MR和CT图像将MR图像转换成CT图像。文章“具有情景感知生成对抗网络的医学图像合成”(“MedicalImageSynthesiswithContext-AwareGenerativeA本文档来自技高网...

【技术保护点】
1.一种用于生成优化的参数化转换函数T的系统(100)，所述优化的参数化转换函数T用于将第一图像类型的原始医学图像转换为第二图像类型的转换医学图像，所述系统包括至少一个处理单元，所述至少一个处理单元被配置为：/n获得所述第一图像类型和所述第二图像类型的原始医学图像；/n获得用于将所述第一图像类型的原始医学图像转换为所述第二图像类型的转换医学图像的初始参数化转换函数G；/n基于所述第二图像类型的第一原始医学图像与所述第二图像类型的第一转换医学图像的至少一个比较来计算第一惩罚P

【技术特征摘要】
【国外来华专利技术】20180523 EP 18173760.21.一种用于生成优化的参数化转换函数T的系统(100)，所述优化的参数化转换函数T用于将第一图像类型的原始医学图像转换为第二图像类型的转换医学图像，所述系统包括至少一个处理单元，所述至少一个处理单元被配置为：
获得所述第一图像类型和所述第二图像类型的原始医学图像；
获得用于将所述第一图像类型的原始医学图像转换为所述第二图像类型的转换医学图像的初始参数化转换函数G；
基于所述第二图像类型的第一原始医学图像与所述第二图像类型的第一转换医学图像的至少一个比较来计算第一惩罚P1，所述第二图像类型的第一转换医学图像是通过将基于所述初始参数化转换函数G的第一参数化转换函数G1应用于所述第一图像类型的第一原始医学图像而生成的，所述第一图像类型的第一原始医学图像与所述第二图像类型的第一原始医学图像形成图像对，并且由此已经被确定为显示相同患者的相同部分；
在将所述第一图像类型的原始医学图像和/或所述第二图像类型的转换医学图像转换为相同图像类型的图像之后，基于所述第一图像类型的原始医学图像和所述第二图像类型的转换医学图像的至少一个比较来计算第二惩罚P2，所述第二图像类型的转换医学图像是通过将基于所述初始参数化转换函数G的第二参数化转换函数G2应用于所述第一图像类型的原始医学图像而生成的；以及
基于至少所述第一惩罚P1和第二惩罚P2以及所述初始参数化转换函数G的参数来生成优化的参数化转换函数T。


2.根据权利要求1所述的系统，其中，所述至少一个处理单元还被配置为：
获得第一参数化区别器函数D1，以在所述第二图像类型的原始医学图像和所述第二图像类型的转换医学图像之间进行区别；以及
基于当试图在所述第二图像类型的至少一个原始医学图像和所述第二图像类型的至少一个转换医学图像之间进行区别时的所述第一参数化区别器函数D1的分类误差来计算第三惩罚P3，所述第二图像类型的至少一个转换医学图像是通过将基于所述初始参数化转换函数G的第三参数化转换函数G3应用于所述第一图像类型的至少一个原始医学图像而生成的；
其中，所述至少一个处理单元基于至少所述第一惩罚P1、所述第二惩罚P2和所述第三惩罚P3以及所述初始参数化转换函数G的参数来生成所述参数化转换函数T。


3.根据权利要求2所述的系统，其中，所述至少一个处理单元基于至少所述第三惩罚P3以及用于生成所述优化的参数化转换函数T的参数化区别器函数D1的参数来获得所述第一参数化区别器函数D1，使得所述第一参数化区别器函数D1被迭代地优化。


4.根据权利要求1-3中的任一项所述的系统，其中，所述至少一个处理单元还被配置为：
获得第二参数化区别器函数D2以在下述之间进行区别：
a)具有对应原始医学图像的图像对，即已经成对并且因而被确定为显示相同患者的相同部分的所述第一图像类型的原始医学图像和所述第二图像类型的原始医学图像；以及
b)所述第一图像类型的原始医学图像和所述第二图像类型的对应转换医学图像的图像对；和
基于所述第二参数化区别器函数D2的分类误差，计算第四惩罚P4；
其中，所述至少一个处理单元基于至少所述第一惩罚P1、所述第二惩罚P2和所述第四惩罚P4以及所述初始参数化转换函数G的参数来生成所述参数化转换函数T。


5.根据权利要求1-4中任一项所述的系统，其中，所述至少一个处理单元通过使用诸如神经网络、随机森林或支持向量机的机器学习算法生成所述初始参数化转换函数G来获得所述初始参数化转换函数G。


6.根据权利要求1-4中任一项所述的系统，其中，所述至少一个处理单元通过使用先前生成的优化的参数化转换函数T作为所述初始参数化转换函数G来获得所述初始参数化转换函数G，使得所述参数化转换函数T被迭代地优化。


7.根据权利要求1-6中的任一项所述的系统，其中，所述至少一个处理单元在首先将所述第一原始医学图像与对应的第一转换医学图像转换成第三图像类型之后，通过逐体素地比较所述图像来将所述第一原始医学图像与对应的第一转换医学图像进行比较，所述第三图像类型诸如例如是梯度图像、分割图像或来自诸如卷积神经网络的预先训练的机器学习算法的输出，其中，所述第三图像类型放大所述图像中的诸如轮廓、感兴趣区域(ROI)和/或结构的特定特征，使得所述特定特征能够更容易被比较。


8.根据权利要求1-7中任一项所述的系统，其中，所述第一参数化转换函数G1和/或所述第二参数化转换函数G2与所述初始参数化转换函数G相同。


9.根据权利要求1-8中的任一项所述的系统，其中，所述图像类型是医学图像模态，诸如例如MR、CT或CBCT。


10.一种生成用于将第一图像类型的原始医学图像转换成第二图像类型的转换医学图像的优化的参数化转换函数T的处理器实现的方法(600)，所述方法包...

【专利技术属性】
技术研发人员：塞巴斯蒂安·安德森，阿尔宾·弗雷德里克松，马库斯·努德施特伦，拉兹马斯·尼尔森，
申请(专利权)人：光线搜索实验室公司，
类型：发明
国别省市：瑞典;SE