用于使用深层神经网络一致地呈现医学图像的系统和方法技术方案

本发明专利技术题为用于使用深层神经网络一致地呈现医学图像的系统和方法。本公开提供了用于使用深度神经网络来智能地选择医学图像的显示设置的系统和方法，该显示设置包括窗口宽度(WW)和窗口中心(WC)。本公开能够允许基于深度神经网络对医学图像的外观分类来自动选择医学图像的显示设置。在一个实施方案中，本公开提供了一种方法，该方法包括：接收医学图像，使用受过训练的深度神经网络将医学图像映射到外观分类矩阵的外观分类单元，基于外观分类和目标外观分类来选择医学图像的第一WW和第一WC，基于用户偏好来调整第一WW和第一WC以产生第二WW和第二WC，以及经由显示设备显示具有第二WW和第二WC的医学图像。

【技术实现步骤摘要】
用于使用深层神经网络一致地呈现医学图像的系统和方法
本文所公开的主题的实施方案涉及医学成像，并且更具体地涉及用于使用深度神经网络确定医学图像的显示设置的系统和方法。
技术介绍
医学成像设备通常用于获得患者的内部生理信息。例如，医学成像设备可用于获得患者的骨骼结构、脑部、心脏、肺部和各种其他解剖区域的图像。医学成像设备可包括磁共振成像(MRI)系统、计算机断层摄影术(CT)系统、正电子发射断层摄影术(PET)系统、PET/MR系统、X射线系统、超声系统、C型臂系统和各种其他成像模态。临床医生可基于由医学成像设备在医学图像中捕获的生理信息来评估患者的状况。临床医生对医学图像的准确而一致的评估部分地依赖于医学图像的一致的显示外观。显示外观(在本文中也被称为呈现)是医学图像的显示设置的函数，诸如窗口宽度(WW)和窗口中心(WC)，它们分别与所显示的医学图像的对比度和亮度相关。令放射科专家备受困扰的一个问题是在来自不同患者、来自在不同时间采集的同一患者或来自使用不同成像设备采集的同一患者的医学图像中缺乏显示外观一致性。医学图像的不一致呈现使图像查本文档来自技高网...

【技术保护点】
1.一种方法，包括：/n采集医学图像；/n使用受过训练的深度神经网络将所述医学图像映射到外观分类矩阵的外观分类单元；/n基于所述外观分类单元和目标外观分类来选择所述医学图像的第一窗口宽度(WW)和第一窗口中心(WC)；/n基于用户偏好调整所述第一WW和所述第一WC以产生第二WW和第二WC；以及/n经由显示设备显示具有所述第二WW和所述第二WC的所述医学图像。/n

【技术特征摘要】
20200207 US 16/785,2831.一种方法，包括：
采集医学图像；
使用受过训练的深度神经网络将所述医学图像映射到外观分类矩阵的外观分类单元；
基于所述外观分类单元和目标外观分类来选择所述医学图像的第一窗口宽度(WW)和第一窗口中心(WC)；
基于用户偏好调整所述第一WW和所述第一WC以产生第二WW和第二WC；以及
经由显示设备显示具有所述第二WW和所述第二WC的所述医学图像。


2.根据权利要求1所述的方法，其中所述外观分类单元包括所述外观分类单元与所述目标外观分类之间的WW差值，并且其中所述外观分类单元还包括所述外观分类单元与所述目标外观分类之间的WC差值。


3.根据权利要求2所述的方法，其中基于所述外观分类单元和所述目标外观分类选择所述医学图像的所述第一WW和所述第一WC包括：
基于所述WW差值选择所述第一WW；以及
基于所述WC差值选择所述第一WC。


4.根据权利要求1所述的方法，所述方法还包括：
经由所述显示设备向用户显示图形用户界面(GUI)；
经由所述GUI接收来自所述用户的亮度选择；
经由所述GUI接收来自所述用户的对比度选择；
基于所述亮度选择来调整所述第二WC以产生第三WC；
基于所述对比度选择来调整所述第二WW以产生第三WW；以及
经由所述显示设备显示具有所述第三WW和所述第三WC的所述医学图像。


5.根据权利要求1所述的方法，其中所述外观分类矩阵包括正方形矩阵，所述正方形矩阵包括多个外观分类单元，其中所述多个外观分类单元中最中心的外观分类单元对应于所述目标外观分类，并且其中所述多个外观分类单元的其余部分通过多个WW差值和多个WC差值与所述目标外观分类相关。


6.根据权利要求1所述的方法，其中基于用户偏好调整所述第一WW和所述第一WC以产生所述第二WW和所述第二WC包括：
从非暂态存储器中的位置检索用户偏好，其中所述用户偏好包括WC偏移量和WW缩放系数；
将所述WC偏移量相加到所述第一WC以产生所述第二WC；以及
将所述WW缩放系数乘以所述第一WW以产生所述第二WW。


7.根据权利要求1所述的方法，其中基于所述外观分类和所述目标外观分类选择所述医学图像的所述第一WW和所述第一WC包括迭代地更新所述第一WW和所述第一WC，直到所述外观分类与所述目标外观分类匹配。


8.一种方法，包括：
生成外观分类矩阵；
使用所述外观分类矩阵生成多个训练数据对，其中所述多个训练数据对包括多个训练图像和对应于所述多个训练图像的多个基准真相外观分类单元；
使用所述多个训练数据对来训练深度神经网络以产生受过训练的深度神经网络；
接收医学图像；
使用所述受过训练的深度神经网络将所述医学图像映射到所述外观分类矩阵的外观分类单元；
基于所述外观分类和目标外观分类选择所述医学图像的第一窗口宽度(WW)和第一窗口中心(WC)；
基于用户偏好调整所述第一WW和所述第一WC以产生第二WW和第二WC；以及
经由显示设备显示具有所述第二WW和所述第二WC的所述医学图像。


9.根据权利要求8所述的方法，其中生成所述外观分类矩阵包括：
接收多个医学图像；
调整所述多个医学图像中的第一多个WW和第一多个WC以产生第一多个外观归一化医学图像；
对所述第一多个WW求平均以产生平均WW；
对所述第一多个WC求平均以产生平均WC；
将所述平均WW和所述平均WC分配给所述外观分类矩阵的所述目标外观分类；以及
基于所述平均WW和所述平均WC在所述目标外观分类周围生成多个外观分类单元。


10.根据权利要求9所述的方法，其中基于所述平均WW和所述平均WC在所述目标外观分类周围生成所述多个外观分类单元包括：
确定第一外观分类单元相对于所述目标外观分类的位置；
基于所述位置调...

【专利技术属性】
技术研发人员：格尔曼·吉列尔莫·威拉冈萨雷斯，纳吉布·阿克拉姆，薛平，张风超，吉雷沙·钦塔马尼·拉奥，贾斯汀·瓦内克，
申请(专利权)人：通用电气精准医疗有限责任公司，
类型：发明
国别省市：美国;US