使用球形神经网络的扩散磁共振成像制造技术

本发明专利技术提供了一种医学成像系统(100、300)。所述医学成像系统包括用于存储机器可执行指令(120)的存储器(110)。所述存储器还包含训练的卷积神经网络(122、122'、122”、122”'、122””)的实现。所述经训练的卷积神经网络包括多于一个球面卷积神经网络部分(502、502')。所述经训练的卷积神经网络被配置为接收扩散磁共振成像数据(124)。所述扩散磁共振成像数据包括球面扩散部分(500，500')。多于一个球面卷积神经网络部分被配置为接收所述球面扩散部分。所述经训练的卷积神经网络包括输出层(508)，所述输出层被配置为响应于将扩散磁共振成像数据输入到经训练的卷积神经网络中而生成神经网络输出(126)。所述医学成像系统还包括用于控制所述机器可执行指令的处理器(104)。所述机器可执行指令的运行使所述处理器：接收(200)所述扩散磁共振成像数据；并且通过将扩散磁共振成像数据输入到经训练的卷积神经网络中来生成(202)神经网络输出。

【技术实现步骤摘要】
【国外来华专利技术】使用球形神经网络的扩散磁共振成像
本专利技术涉及磁共振成像，具体而言涉及扩散磁共振成像。
技术介绍
作为用于生成来自对象体内的图像的过程的一部分，磁共振成像(MRI)扫描器使用大的静态磁场以使原子的核自旋对齐。该大的静磁场被称为B0场或主磁场。可以使用MRI在空间上测量对象的各种量或属性。通过使用脉冲序列来控制磁共振数据的采集，可以实现各种成像协议。存在扩散加权磁共振成像技术，其中例如可以测量针对不同体素的扩散张量。Cohen等人的文章“SphericalCNNs,”arXiv:1709.04893v2公开了一种构建球形CNN的方法，其具有表达力和旋转等变性两者。在本文中，示例性地将球形CNN用于3D形状识别和雾化能量回归。
技术实现思路
本专利技术在独立权利要求中提供了一种医学成像系统、一种计算机程序产品和一种方法。在从属权利要求中给出了实施例。对扩散加权磁共振图像的分析可能需要手动定义特征，例如来自扩散张量成像或纤维束量的分数各向异性(FA)。实施例可以提供完全自动化这样的分析的手段。这可以例如通过将来自在球上采集的梯度方向的扩散磁共振成像数据输入到球面神经网络中来实现。球面神经网络(在本文中也称为球面卷积神经网络)对于它们的输入以及最后是其某些层具有球形拓扑。传统的卷积神经网络通常具有平面输入，通常具有平面层。使用球面神经网络的优点可能是它们更适合处理扩散磁共振成像数据，因为它们能够更有效地处理球面数据。使用平面输入的神经网络将使用球面信号的投影，这会引入在空间上变化的畸变，从而使平移权重共享无法实现。在一个方面中，本专利技术提供了一种医学成像系统，其包括用于存储机器可执行指令的存储器。所述存储器还包含或存储对经训练的卷积神经网络的实现。所述经训练的卷积神经网络包括至少一个球面卷积神经网络部分。如本文所使用的球面卷积神经网络包括具有球面输入或多个层而不是2D平面输入或多个层的神经网络。球面卷积神经网络中的模式作为三维旋转移动而不是平移。经训练的卷积神经网络被配置为接收扩散磁共振成像数据。如本文所使用的扩散磁共振成像数据包括使用扩散加权磁共振成像协议采集的磁共振成像数据。扩散磁共振成像数据包括球面扩散部分。至少一个球面卷积神经网络被配置用于接收球面扩散部分。经训练的卷积神经网络包括输出层，所述输出层被配置为响应于将扩散磁共振成像数据输入到经训练的卷积神经网络中而生成神经网络输出。所述医学成像系统还包括用于控制所述机器可执行指令的处理器。所述机器可执行指令的运行还使所述处理器接收扩散磁共振成像数据。在不同的示例中，这可以通过不同的方式来实现。例如，医学成像系统可以使用磁共振成像系统来采集扩散磁共振成像数据。在其他示例中，医学成像系统可以从数据源或经由网络连接来接收扩散磁共振成像数据。所述机器可执行指令的运行还使处理器通过将所述扩散磁共振成像数据输入到经训练的卷积神经网络中来生成神经网络输出。该实施例可能是有益的，因为它对于生成对扩散磁共振成像数据的分类(例如，将特定的性质或条件分配给扩散磁共振成像数据)可能是有用的。在其他情况下，对于对扩散磁共振成像数据的处理或执行信号处理也是有用的。扩散本身在扩散的值上可以是三维的。因此，将数据输入到球面卷积神经网络中可以提供更好的结果，因为球面神经网络可以没有失真地接受球形数据图像。例如，可以通过使用标记的扩散磁共振成像数据来训练经训练的卷积神经网络。本文中对至少一个球面卷积神经网络部分的引用可以解释为对多于一个球面卷积神经网络的引用。在另一个实施例中，扩散磁共振成像数据包括体素。扩散磁共振成像数据包括针对每个体素的球面扩散部分。换句话说，扩散磁共振成像数据是针对二维或三维体积的。该二维或三维体积由体素形成。体素扩散磁共振图像数据具有针对每个体素具有球形部分的扩散磁共振成像数据。该实施例可能是有益的，因为来自每个体素的数据可以被个体地输入到球面卷积神经网络部分中。在另一个实施例中，经训练的卷积神经网络包括空间卷积神经网络部分。所述空间卷积神经网络部分包括输入层。所述多于一个球面卷积神经网络部分每个包括球面神经网络部分输出。所述多于一个球面卷积神经网络部分中的每个的球面神经网络部分输出被连接到空间卷积神经网络部分的输入层。球面神经网络中的每个的输出被输入到常规的空间卷积神经网络。这可能是有益的，因为空间卷积神经网络可用于分析所述多于一个球面卷积神经网络部分的输出的模式。在另一实施例中，所述多于一个球面卷积神经网络中的每个都是完整的球面卷积神经网络。所述多于一个球面卷积神经网络中的每个可以是球面卷积神经网络，其被单独地训练用于诸如提供体素类别预测或其他用途的目的。在另一实施例中，所述多于一个球面卷积神经网络部分使用权重共享。例如，所述多于一个球面卷积神经网络中的每个可以是相同的。这可能是有益的，因为它可以使得体素中的每个被同时处理。在另一个实施例中，所述医学成像系统还包括磁共振成像系统。所述存储器还包含脉冲序列命令，所述脉冲序列命令用于控制磁共振成像系统以根据扩散加权磁共振成像协议来采集磁共振成像采集数据。所述机器可执行指令的运行还使处理器利用脉冲序列命令来控制磁共振成像系统以采集磁共振采集数据。所述机器可执行指令的运行还使所述处理器根据磁共振采集数据来重建扩散磁共振成像数据。在另一个实施例中，所述神经网络输出包括用于全局水平的扩散磁共振成像数据的全局类别预测。例如，所述全局类别预测可以指示针对在扩散磁共振成像数据中成像的状况的特定类型的解剖异常的存在。在另一个实施例中，所述神经网络输出包括针对个体体素的扩散磁共振成像数据的体素类别预测。例如，医学成像系统可以将某些特性或分类归因于扩散磁共振成像数据内的个体体素或体素组。例如，这可以帮助医师执行对扩散磁共振成像数据的特定诊断或检查。在另一个实施例中，所述神经网络输出包括与在空间和/或球形域中投影到扩散磁共振成像数据上的神经网络的局部化有关的热图，以可视化用于神经网络预测的重要空间和/或球形区域。在另一个实施例中，所述神经网络输出包括投影到纤维束空间上的热图(如上所述)，所述热图通过纤维束照相术算法重建。在另一个实施例中，经训练的卷积神经网络包括空间卷积神经网络部分。如本文中所使用的空间卷积神经网络部分包括普通卷积神经网络，其被配置为接收和处理使用线性坐标系表示的二维或三维图像数据。所述至少一个球面卷积神经网络部分每个包括球面神经网络部分输出。空间卷积神经网络部分被连接在球面神经网络部分输出与输出层之间。在另一个实施例中，经训练的卷积神经网络包括空间卷积神经网络部分。单个球面卷积神经网络部分和空间卷积神经网络部分被组合在一起。也就是说，卷积神经网络的某些部分可能具有球面卷积层，并且其他部分可能具有空间卷积层并且它们是相互连接的。在一个实施例中，所述至少一个球面卷积神经网络部分是单个球面卷积神经网络部分。在另一个实施例中，经训练的卷积神经网络包括空间卷积神经网络部分。所述至少一个球面卷积本文档来自技高网...

【技术保护点】
1.一种医学成像系统(100、300)，包括：/n存储器(110)，其用于存储机器可执行指令(120)，其中，所述存储器还包含经训练的卷积神经网络(122、122'、122”、122”'、122””、122””')的实现方式，其中，所述经训练的卷积神经网络包括多于一个球面卷积神经网络部分(502、502')，其中，所述经训练的卷积神经网络被配置为接收扩散磁共振成像数据(124)，其中，所述扩散磁共振成像数据包括球面扩散部分(500，500')，其中，所述多于一个球面卷积神经网络部分被配置为接收所述球面扩散部分，其中，所述经训练的卷积神经网络包括输出层(508)，所述输出层被配置为响应于将所述扩散磁共振成像数据输入到所述经训练的卷积神经网络中而生成神经网络输出(126)；/n处理器(104)，其用于控制所述机器可执行指令，其中，所述机器可执行指令的运行使所述处理器：/n接收(200)所述扩散磁共振成像数据；/n通过将所述扩散磁共振成像数据输入到所述经训练的卷积神经网络中来生成(202)所述神经网络输出。/n

【技术特征摘要】
【国外来华专利技术】20181220 EP 18214669.6;20181120 US 62/7697381.一种医学成像系统(100、300)，包括：
存储器(110)，其用于存储机器可执行指令(120)，其中，所述存储器还包含经训练的卷积神经网络(122、122'、122”、122”'、122””、122””')的实现方式，其中，所述经训练的卷积神经网络包括多于一个球面卷积神经网络部分(502、502')，其中，所述经训练的卷积神经网络被配置为接收扩散磁共振成像数据(124)，其中，所述扩散磁共振成像数据包括球面扩散部分(500，500')，其中，所述多于一个球面卷积神经网络部分被配置为接收所述球面扩散部分，其中，所述经训练的卷积神经网络包括输出层(508)，所述输出层被配置为响应于将所述扩散磁共振成像数据输入到所述经训练的卷积神经网络中而生成神经网络输出(126)；
处理器(104)，其用于控制所述机器可执行指令，其中，所述机器可执行指令的运行使所述处理器：
接收(200)所述扩散磁共振成像数据；
通过将所述扩散磁共振成像数据输入到所述经训练的卷积神经网络中来生成(202)所述神经网络输出。


2.根据权利要求1所述的医学成像系统，其中，所述扩散磁共振成像数据包括体素，其中，所述扩散磁共振成像数据包括针对所述体素中的每个体素的所述球面扩散部分。


3.根据权利要求1或2所述的医学成像系统，其中，所述经训练的卷积神经网络(122')包括空间卷积神经网络部分(506)，其中，所述空间卷积神经网络部分包括输入层，其中，所述多于一个球面卷积神经网络部分每个包括球面神经网络部分输出(504)，其中，所述多于一个球面卷积神经网络部分中的每个的所述球面神经网络部分输出被连接到所述空间卷积神经网络部分的所述输入层。


4.根据权利要求1或2中的任一项所述的医学仪器，其中，所述经训练的卷积神经网络(122')包括空间卷积神经网络部分(506)，其中，所述多于一个球面卷积神经网络部分包括球面神经网络部分输出(504)，其中，所述空间卷积神经网络部分被连接在所述球面神经网络部分输出与所述输出层之间。


5.根据权利要求1或2所述的医学仪器，其中，所述经训练的卷积神经网络(122”'、122””')包括空间卷积神经网络部分(506)，其中，所述多于一个球面卷积神经网络部分被连接到所述输出层，其中，所述空间卷积神经网络部分被连接到所述输出层。


6.根据权利要求5所述的医学仪器，其中，所述多于一个球面卷积神经网络部分和所述空间卷积神经网络部分经由权重共享而被互连。


7.根据权利要求1至2中的任一项所述的医学仪器，其中，所述多于一个球面卷积神经网络部分中的每个具有输出部，每个输出部被连接到输出级联(902)，并且其中，所述输出级联包括所述输出层。


8.根据前述权利要求中的任一项所述的医学成像系统，其中，所述多于一个球面卷积神经网络部分包括多个球面卷积神经网络部分(900)，其中，所述卷积神经网络包括所述多个球面卷积神经网络部分之间的权重共享(702)。


9.根据权利要求8所述的医学成像系统，其中，所述多个球面卷积神经网络部分中的每个是以不同的梯度磁场值采集的测量结果。


10.根据前述权利要求中的任一项所述的医学成像系统，其中，所述球面扩散部分是针对投影到球面上的一个或多个梯度磁场值的扩散信号。


11.根据权利要求10所述的医学仪器，其中，所述扩散磁共振成像数据包括以下中的任一项：
扩散张量成像数据；
角分辨扩散成像数据；
多壳层角分辨扩散成像数据；以及
Q球成像数据。


12.根据权利要求1至9中的任一项所述的医学成像系统，其中，所述球面扩散部分包括根据投影到球面上的扩散信号计算出的扩散模型。


13.根据权利要求12所述的医学仪器，其中，所述扩散性模型是以下中的任一项：
取向分布函数；
纤维取向分布函数；以及
被限制到两个或更多个同心球面的整体平均传播器。


14.根据前述权利要...

【专利技术属性】
技术研发人员：E·施瓦布，A·埃瓦尔德，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰;NL