用于生成合成成像数据的方法、系统及计算机可读介质技术方案

公开了用于生成人类主体的解剖部分的合成成像数据计算机实现的方法、系统以及计算机可读介质。该方法包括：接收人类主体的解剖部分的原始成像数据，原始成像数据包括提供解剖部分的第一成像模态描绘的多个图像；接收被训练以用于基于原始成像数据来预测合成成像数据的卷积神经网络模型；以及通过使用卷积神经网络模型将原始成像数据转换为包括类似于解剖部分的第二成像模态描绘的多个图像的合成成像数据。将原始成像数据转换为合成成像数据包括：使用卷积神经网络模型，从原始成像数据的多个图像生成一个或更多个合成图像；聚合一个或更多个生成的合成图像的多个组；以及根据聚合的一个或更多个生成的合成图像的多个组确定合成成像数据。确定合成成像数据。确定合成成像数据。

【技术实现步骤摘要】
用于生成合成成像数据的方法、系统及计算机可读介质
[0001]本申请是国家申请号为201780065652.5，国际申请日为2017年7月14日，进入国家日期为2019年4月23日，专利技术名称为“用于生成合成医学图像的神经网络”的申请的分案申请。
[0002]相关申请的交叉引用
[0003]本申请要求于2016年9月6日提交的美国临时专利申请第62/384,171号以及于2016年10月14日提交的美国临时专利申请第62/408,676号的优先权，以上申请的全部公开内容通过引用并入本文中。


[0004]本公开总体上涉及使用机器学习算法来生成合成图像以用于放射治疗。更具体地，本公开涉及用于使用神经网络来根据磁共振成像(MRI)图像生成计算机断层扫描(CT)图像的系统和方法。

技术介绍

[0005]传统上，CT成像已经被用作外部放射治疗的计划过程中的图像数据的主要来源。CT图像提供对患者几何结构的准确表示，并且CT值可以被直接转换为电子密度以用于放射剂量计算。然而，由于常规的CT图像是通过使用成像放射源生成的，因此使用CT本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的方法，所述方法用于生成人类主体的解剖部分的合成成像数据，所述方法包括：接收所述人类主体的解剖部分的原始成像数据，所述原始成像数据是由成像装置使用第一成像模态获取的，并且所述原始成像数据包括提供所述解剖部分的第一成像模态描绘的多个图像；接收被训练以用于基于所述原始成像数据来预测所述合成成像数据的卷积神经网络模型；以及通过使用所述卷积神经网络模型将所述原始成像数据转换为所述合成成像数据，所述合成成像数据包括类似于所述解剖部分的第二成像模态描绘的多个图像，其中，所述第二成像模态不同于所述第一成像模态，并且其中，将所述原始成像数据转换为所述合成成像数据包括：使用所述卷积神经网络模型，从所述原始成像数据的所述多个图像生成一个或更多个合成图像；聚合一个或更多个生成的合成图像的多个组；以及根据聚合的一个或更多个生成的合成图像的多个组确定所述合成成像数据。2.根据权利要求1所述的方法，其中，所述第一成像模态和所述第二成像模态从下述提供：磁共振成像、计算机断层扫描、超声成像、正电子发射断层扫描或单光子发射计算机断层扫描。3.根据权利要求1所述的方法，其中，所述合成成像数据包括作为二维图像的堆叠提供的所述多个图像。4.根据权利要求1所述的方法，其中，所述原始成像数据以三维体积提供，并且所述合成成像数据以三维体积提供。5.根据权利要求1所述的方法，其中，接收所述原始成像数据包括从所述原始成像数据中选择相邻二维图像的多个堆叠；并且其中，生成所述一个或更多个合成图像包括使用所述卷积神经网络模型以从相邻二维图像的每个堆叠生成合成二维图像的堆叠。6.根据权利要求1所述的方法，其中，接收所述原始成像数据包括根据三维成像数据的第一平面创建二维图像的第一堆叠并且根据所述三维成像数据的第二平面创建二维图像的第二堆叠；并且其中，生成所述一个或更多个合成图像包括使用所述卷积神经网络模型以从二维图像的第一堆叠和第二堆叠生成合成二维图像的第一堆叠和第二堆叠。7.根据权利要求1所述的方法，还包括：接收使用所述第一成像模态获取的多个训练原始图像；接收使用所述第二成像模态获取的多个训练目标图像，每个训练目标图像与训练原始图像对应；确定卷积神经网络架构；以及基于确定的卷积神经网络架构，使用所述训练原始图像和对应的训练目标图像来训练所述卷积神经网络模型。
8.根据权利要求7所述的方法，其中，训练所述卷积神经网络模型包括：使用所述卷积神经网络模型将所述训练原始图像转换为合成图像；确定所述合成图像与所述对应的训练目标图像之间的差异；以及基于所述差异来更新所述卷积神经网络模型的模型参数。9.一种用于生成人类主体的解剖部分的合成成像数据的系统，所述系统包括：输入接口，所述输入接口被配置成：接收所述人类主体的解剖部分的原始成像数据，所述原始成像数据是由成像装置使用第一成像模态获取的，并且所述原始成像数据包括提供所述解剖部分的第一成像模态描绘的多个图像，以及接收被训练以用于基于所述原始成像数据来预测所述合成成像数据的卷积神经网络模型；至少一个存储装置，其被配置成存储所述原始成像数据和所述卷积神经网络模型；以及图像处理器，其被配置成通过使用所述卷积神经网络模型将所述原始成像数据转换为所述合成成像数据，所述合成成像数据包括类似于所述解剖部分的第二成像模态描绘的多个图像，其中，所述第二成像模态不同于所述第一成像模态，并且其中，所述图像处理器被配置成通过下述操作将所述原始成像数据转换为所述合成成像数据：使用所述卷积神经网络模型，从所述原始成像数据的所述多个图像生成一个或更多个合成图像；聚合一个或更多个生成的合成图像的多个组；以及根据聚合的一个或更多个生成的合成图像的多个组确定所述合成成像数据。10.根据权利要求9所述的系统，其中，所述第一成像模态和所述第二成像模态从下述提供：磁共振成像、计算机断层扫描、超声成像、正电子发射断层扫描或单光子发射计算机断层扫描。11.根据权利要求9所述的系统，其中，所述合成成像数据包括作为二维图像的堆叠提供的所述多个图像。12.根据权利要求9所述的系统，其中，所述原始成像数据以三维体积提供，并且所述合成成像数据以三维体积提供。13.根据权利要求9所述的系统，其中，接收所述原始成像数据的...

【专利技术属性】
技术研发人员：韩晓，
申请(专利权)人：医科达有限公司，
类型：发明
国别省市：