用于识别概率图中的肿瘤或病变的系统和方法技术方案

本公开涉及用于识别概率图中的肿瘤或病变的系统和方法。根据某些实施方案，一种方法包括：利用处理器识别第一投影图像中的第一感兴趣区域；利用处理器由第一投影图像生成第一概率图并且由第二投影图像生成第二概率图，其中第一概率图包括具有与第一感兴趣区域的位置相对应的位置的第二感兴趣区域；内插第一概率图和第二概率图，从而生成概率体积，其中概率体积包括第二感兴趣区域；以及利用处理器将概率体积的表示输出到显示器。概率体积的表示输出到显示器。概率体积的表示输出到显示器。

【技术实现步骤摘要】
用于识别概率图中的肿瘤或病变的系统和方法


[0001]本公开涉及用于识别概率图内的肿瘤或病变的系统和方法，并且更具体地涉及用于识别由多个投影图像生成的概率图内的肿瘤或病变的系统和方法。

技术介绍

[0002]医学成像设备(即，超声扫描仪、正电子发射断层摄影(PET)扫描仪、计算机断层摄影(CT)扫描仪、磁共振成像(MRI)扫描仪和X射线机器等)生成表示身体不同部位的中间图像(即，原生医学数字成像和通信(DICOM)图像)以识别体内的肿瘤/病变。
[0003]可将图像数据渲染到3D体积中。用于识别3D体积内的肿瘤/病变的一些方法需要临床医生分析形成3D体积的单个2D切片以确定肿瘤/病变的存在。遗憾的是，该过程是耗时的，因为其需要临床医生分析若干2D切片。另一种方法包括将计算机辅助检测(CAD)应用于3D体积。该方法将深度学习技术应用于3D体积以自动识别3D体积内指示肿瘤/病变的感兴趣区域。遗憾的是，此类技术需要大量的处理能力，消耗大量的存储器资源，并且由于计算机系统必须分析大量数据而是耗时的。又一种方法包括将包括深度学习技术的CAD应用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，所述方法包括：利用处理器识别第一投影图像中的第一感兴趣区域；利用所述处理器由所述第一投影图像生成第一概率图并且由第二投影图像生成第二概率图，其中所述第一概率图包括具有与所述第一感兴趣区域的位置相对应的位置的第二感兴趣区域；内插所述第一概率图和所述第二概率图，从而生成概率体积，其中所述概率体积包括所述第二感兴趣区域；以及利用所述处理器将所述概率体积的表示输出到显示器。2.根据权利要求1所述的方法，所述方法还包括：由二维图像的第一集生成所述第一投影图像；以及由二维图像的第二集生成所述第二投影图像，其中自动乳房超声系统生成二维图像的所述第一集和所述第二集。3.根据权利要求2所述的方法，其中二维图像的所述第一集包括第一二维图像和第二二维图像，并且二维图像的所述第二集包括所述第二二维图像和第三二维图像。4.根据权利要求1所述的方法，其中所述第一投影图像和所述第二投影图像是最小强度投影图像。5.根据权利要求1所述的方法，其中所述第一投影图像和所述第二投影图像是最大强度投影图像。6.根据权利要求1所述的方法，所述方法还包括：利用深度学习架构验证所述概率体积中的所述第二感兴趣区域是肿瘤或病变。7.根据权利要求6所述的方法，所述方法还包括：响应于验证所述概率体积中的所述第二感兴趣区域是肿瘤或病变，在所述概率体积中标记所述第二感兴趣区域。8.根据权利要求7所述的方法，所述方法还包括：利用所述处理器用多个投影训练图像训练所述深度学习架构，其中所述多个投影训练图像中的至少一个投影训练图像包括由临床医生识别出的肿瘤或病变。9.一种系统，所述系统包括：医学成像系统；处理器；和计算机可读存储介质，所述计算机可读存储介质与所述处理器通信，其中所述处理器执行存储在所述计算机可读存储介质中的程序指令，所述程序指令使得所述处理器：从所述成像系统接收图像数据；由所述图像数据生成二维图像的第一集和第二集；由二维图像的所述第一集生成第一投影图像并且由二维图像的所述第二集生成第二投影图像；识别所述第一投影图像中的第一感兴趣区域；由所述第一投影图像生成第一概率图并且由第二投影图像生成第二概率图，其中所述第一概率图包括具有与所述第一感兴趣区域的位置相对应的位置的第二感兴趣区域；内插所述第一概率图和所述第二概率图，从而生成概率体积，其中所述概...

【专利技术属性】
技术研发人员：克里希纳，
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：