计算机辅助读取和分析的深度强化学习制造技术

公开了修正用于核成像的图像模型的方法和系统。一种系统接收与在一个或多个个体上执行的一次或多次核成像扫描相对应的第一患者扫描数据，并且通过将第一图像模型应用于第一患者扫描数据来生成第一重建图像。接收关于第一重建图像的反馈，并将所述反馈作为输入提供给深度强化学习过程。深度强化学习过程被配置为基于关于第一重建图像的反馈生成对第一图像模型的至少一个修改。通过将深度强化学习过程生成的所述至少一个修改应用于第一图像模型来生成第二图像模型。型来生成第二图像模型。型来生成第二图像模型。

【技术实现步骤摘要】
【国外来华专利技术】计算机辅助读取和分析的深度强化学习


[0001]本公开的方面总体上涉及核成像系统，并且更特别地，涉及核成像系统的模型生成和细化。

技术介绍

[0002]飞行时间（TOF）核成像，诸如TOF正电子发射断层扫描（PET），用于构建患者体内结构的二维和/或三维图像。 TOF PET（和其他 TOF核成像）检测表示使用一对检测器几乎同时检测到湮灭光子对的符合事件。TOF PET系统确定两个光子的检测之间的时间差（例如，飞行时间），并定位发生在两个检测器之间的湮灭事件的起源点。
[0003]核成像可以基于为特定器官和/或身体区域生成的模型，诸如肺模型。不同的临床场景，诸如手术计划、初级护理、术后随访或其他场景，可能需要不同的模型，并且没有一个模型完美地适用于所有临床场景。典型地，基于医生或用户的反馈来实现修改的模型需要较长的产品生命周期。一些用户特定的需求可能无法合并到通用模型中。
[0004]由Siemens Healthcare有限公司拥有的美国专利1, 032, 281公开了用于医学成像中的N维分割的多尺度深度强化学习。该专利公开了本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种修正用于核成像的图像模型的方法，包括：由系统接收与在一个或多个个体上执行的一次或多次核成像扫描相对应的第一患者扫描数据；由系统通过将第一图像模型应用于第一患者扫描数据来生成第一重建图像；由系统接收关于第一重建图像的反馈；由系统将所述反馈作为输入提供给深度强化学习过程，其中所述深度强化学习过程被配置为基于关于所述第一重建图像的反馈来生成对所述第一图像模型的至少一个修改；和由系统通过将深度强化学习过程生成的所述至少一个修改应用于第一图像模型来生成第二图像模型。2.根据权利要求1所述的方法，其中所述第一图像模型是预定义的图像模型。3.根据权利要求1所述的方法，其中反馈包括系统生成的反馈或专家生成的反馈。4.根据权利要求3所述的方法，其中所述系统生成的反馈包括伪影减少、采集协议或重建协议。5.根据权利要求3所述的方法，其中专家生成的反馈包括指示第一重建图像的可接受性的分数或对重建图像进行的一个或多个修改。6.根据权利要求1所述的方法，其中所述反馈包括修改的重建图像。7.根据权利要求1所述的方法，其中所述深度强化学习过程包括卷积神经网络或文本评估网络。8.根据权利要求1所述的方法，包括：由系统接收与一次或多次附加的核成像扫描相对应的第二患者扫描数据；和由系统通过将第二图像模型应用于第二患者扫描数据来生成第二重建图像。9.一种系统，包括：成像模态，被配置为在第一成像时段期间生成第一患者扫描数据集；和一种计算机，被配置为：接收在第一成像时段期间生成的患者扫描数据；通过将第一图像模型应用于患者扫描数据来生成第一重建图像；接收关于第一重建图像的反馈；将所述反馈作为输入提供给深度强化学习过程，其中所述深度强化学习过程被配置为基于关于所述第一重建图像的反馈来生成对第一图像模型的至少一个修...

【专利技术属性】
技术研发人员：高飞，V，
申请(专利权)人：美国西门子医疗系统股份有限公司，
类型：发明
国别省市：