提供分类解释和生成函数制造技术

本发明专利技术涉及提供分类解释和生成函数。本发明专利技术涉及用于提供分类解释的方法，包括：接收对应于检查体积的所获取的医学图像；接收或确定实际分类值，特别地通过将分类函数应用于所获取的医学图像以生成实际分类值，其中，实际分类值对所获取的医学图像内的解剖结构进行分类；接收或确定不同于实际分类值的第一分类值，其中，第一分类值是所获取的医学图像内的解剖结构的潜在分类值；将第一生成函数应用于所获取的医学图像，从而生成第一合成图像，其中，第一生成函数基于第一分类值，其中，第一生成函数被配置为修改解剖结构以展示第一分类值；提供基于所获取的医学图像和第一合成图像的可视化。本发明专利技术还涉及用于提供分类解释的系统和计算机程序。统和计算机程序。统和计算机程序。

【技术实现步骤摘要】
提供分类解释和生成函数


[0001]本专利技术涉及图像处理的
，具体地涉及提供分类解释和生成函数。

技术介绍

[0002]近年来，使用深度学习(DL)的临床决策支持已成为主要的研究课题。这包括显微术、组织病理学、时间连续生物信号分析和其他类型的医学图像分析中的应用，其他类型的医学图像分析包括磁共振成像(首字母缩写词是“MRI”)、正电子发射断层扫描(tomography)(首字母缩写词是“PET”)和计算机断层扫描(首字母缩写词是“CT”)。尽管最近的工作已一再证明评估性能与黄金标准人类评估相当甚至超出黄金标准人类评估，但是，此类工具几乎没有用于临床实践。这样的应用的主要障碍在于以下事实：基于深度学习的系统通常被认为是难以理解和不透明的，从而引发了容易出错和责任的问题。因此，基于深度学习的系统的自动决策解释系统将向临床应用迈出重要一步。
[0003]在医学图像分类的背景下，最近的工作已提出了解释决策的方法。然而，这些方法当在用很少的样本或只有低输入分辨率或质量的样本训练的分类器上使用时会产生不令人满意的结果。关于各种非常重要的临床本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于提供分类解释的计算机实现的方法，包括：
‑
接收(REC
‑
IMG.A)对应于检查体积的所获取的医学图像(IMG.A)，
‑
接收或确定(REC
‑
DET
‑
CV.A)实际分类值(CV.A)，特别地通过将分类函数(CF)应用于所获取的医学图像(IMG.A)以生成所述实际分类值(CV.A)，其中，所述实际分类值(CV.A)对所获取的医学图像(IMG.A)内的解剖结构进行分类，
‑
接收或确定(REC
‑
DET
‑
CV.1)不同于所述实际分类值(CV.A)的第一分类值(CV.1)，其中，所述第一分类值(CV.1)是所获取的医学图像(IMG.A)内的所述解剖结构的潜在的分类值，
‑
将第一生成函数(GF.1)应用于(APPL
‑
GF.1)所获取的医学图像(IMG.A)，从而生成第一合成图像(IMG.S1)，其中，所述第一生成函数(GF.1)基于所述第一分类值(CV.1)，其中，所述第一生成函数(GF.1)被配置为修改所述解剖结构以展示所述第一分类值(CV.1)，
‑
提供(PROV
‑
VIS)基于所获取的医学图像(IMG.A)和所述第一合成图像(IMG.S1)的可视化。2.根据权利要求1所述的方法，还包括：
‑
基于所获取的医学图像(IMG.A)和所述第一合成图像(IMG.S1)确定(DET
‑
IMG.M)修改后的医学图像(IMG.M)，其中，提供(PROV
‑
VIS)所述可视化包括提供所述修改后的医学图像(IMG.M)。3.根据权利要求2所述的方法，其中，所述修改后的医学图像(IMG.M)基于所述第一合成图像(IMG.S1)与所获取的医学图像(IMG.A)的差异。4.根据权利要求3所述的方法，其中，所述修改后的医学图像(IMG.M)的每个体素包括第一强度值和第二强度值，其中，所述第一强度值对应于所获取的医学图像(IMG.A)的相应体素的强度值，并且其中，所述第二强度值对应于所述第一合成图像(IMG.S1)与所获取的医学图像(IMG.A)的差异的相应体素的强度值。5.根据前述权利要求中的一项所述的方法，其中，所述实际分类值(CV.A)和所述第一分类值(CV.1)是所述结构的多个可能的分类值的元素，所述多个可能的分类值是离散的和可比较的集合，以及其中，所述第一分类值(CV.1)是大于所述实际分类值(CV.A)的多个可能的分类值中最小的分类值，或者其中，所述第一分类值(CV.1)是小于所述实际分类值(CV.A)的多个可能的分类值中最大的分类值。6.根据前述权利要求中的一项所述的方法，还包括：
‑
接收或确定(REC
‑
DET
‑
CV.2)不同于所述实际分类值(CV.A)且不同于所述第一分类值(CV.1)的第二分类值(CV.2)，其中，所述第二分类值(CV.2)是所获取的医学图像(IMG.A)内的所述解剖结构的潜在的分类值，
‑
将第二生成函数(GF.2)应用于(APPL
‑
GF.2)所获取的医学图像(IMG.A)，从而生成第二合成图像(IMG.S2)，
其中，所述第二生成函数(GF.2)基于所述第二分类值(CV.2)，其中，所述第二生成函数(GF.2)被配置为修改所述解剖结构以展示所述第一分类值(CV.1)，其中，所述可视化还基于所述第二合成图像(IMG.S2)。7.根据权利要求6所述的方法，其中，所述实际分类值(CV.A)、所述第一分类值(CV.1)和所述第二分类值(CV.2)是可比较的，其中，所述第一分类值(CV.1)小于所述实际分类值(CV.A)，以及其中，所述第二分类值(CV.2)大于所述实际分类值(CV.A)。8.根据权利要求7所述的方法，其中，所述实际分类值(CV.A)、所述第一分类值(CV.1)和所述第二分类值(CV.2)是所述结构的多个可能的分类值的元素，所述多个可能的分类值是离散的且可比较的集合，其中，所述第一分类值(CV.1)是小于所述实际分类值(CV.A)的多个可能的分类值中最大的分类值，以及其中，所述第二分类值(CV.2)是大于所述实际分类值(CV.A)的多个可能的分类值中最小的分类值。9.根据前述权利要求中的一项所述的方法，其中，所获取的医学图像(IMG.A)中的所述解剖结构是病变，其中，所述实际分类值(CV.A)、所述第一分类值(CV.1)和/或所述第二分类值(CV.2)对应于所述病变的良性和/或恶性。10.根据前述权利要求中的一项所述的方法，其中，所述第一生成函数(GF.1)和/或所述第二生成函数(GF.2)基于生成对抗算法，特别地，基于循环一致生成对抗算法。11.一种用于提供分类解释的解释系统(ESYS)，包括输入接口(ESYS.IIF)、输出接口(ESYS.OIF)以及计算单元(ESYS.CU)，
‑
其中，所述输入接口(ESYS....

【专利技术属性】
技术研发人员：亚历山大，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：