在图像中进行测量制造技术

一种进行与图像中的感兴趣的特征相关联的测量的计算机实现的方法。该方法包括使用(302)利用机器学习过程训练的模型来将该图像作为输入，并预测在其之间进行图像中的感兴趣的特征的测量的一对点。该方法然后包括基于所预测的一对点确定(304)测量。预测的一对点确定(304)测量。预测的一对点确定(304)测量。

【技术实现步骤摘要】
【国外来华专利技术】在图像中进行测量


[0001]本文的实施例涉及成像和在图像中进行测量。

技术介绍

[0002]本公开属于图像分析领域。在诸如医学成像的领域中，通常需要确定图像中的感兴趣的特征(例如，对象)的长度。例如，在医学领域，许多放射学发现被报告为长度测量，例如，器官大小、肿瘤大小、血管口径、支气管腔等。此类长度测量对于治疗决策和进展监测等可以是决定性的。实体瘤中的反应评估标准(RECIST；参见Seymour等人2017年标题为“iRECIST:guidelines for response criteria for use in trials testing immunotherapeutics”的论文)是以这种方式使用测量的诊断程序的一个示例。
[0003]本文实施例的目的是改进在包括但不限于医学图像的图像中进行测量的方法。

技术实现思路

[0004]在医学成像中，测量通常由阅读的放射科医师或放射技师使用电子测径器工具以交互方式生成。电子测径器可以包括一对端点，该对端点可以被描绘为覆盖在放射图像上的图形轴线或圆。
[0005]交互式测径测量可能是昂贵的工作量负担，并且可能遭受读者之间的可变性和主观性。因此，由于这两个原因，在图像中进行测量的改进方法是合乎需要的。
[0006]实现自动轴线长度测量的传统方法通常基于组合的解剖学
‑
数学限定，例如，可以执行对于特定器官的分割，随后确定该器官的对应分段的2D或3D中的数学最长轴线。还可以应用最优性标准来产生物理上有意义的客观结果，例如“在最高图像梯度的位置限定边界”。
[0007]然而，许多放射性测量是习惯性的，已经发展和修改了许多年，用户可能无法针对其提供清晰的数学描述或目标。例如，放射技师可能描述关于难以数学限定的特定界标的特定测量。此外，测量可能存在警告。可能根据复杂和详细的标准进行测量。警告测量标准的示例可以是，例如：“界标xxx到此界标yyy，约在aaa和bbb的中间，除了ccc的存在，则更相关的是忽略yyy并向ddd测量，但是如果eee被切除，则我们用hhh测量到器官fff和ggg的三触点；我们更喜欢选择主动脉或iii可见的切片，但前提是不显示条纹伪影；坏死区域不应相交；选择窗口/级别，使皮层变得刚好可见
……”
此类标准因此难以用算法捕获。因此，需要提供在诸如医学图像的图像中自动进行测量捕获的改进方法。
[0008]因此，根据第一方面，存在一种进行与图像中的感兴趣的特征相关联的测量的计算机实现的方法。该方法包括使用利用机器学习过程训练的模型来将图像作为输入并预测在其之间进行图像中的感兴趣的特征的测量的一对点，以及基于预测的一对点来确定测量。
[0009]以这种方式，机器学习模型可以被训练并用于基于图像本身来预测适当的端点，在这些端点之间对图像中的感兴趣的特征进行测量。以这种方式，模型可以被训练为固有
地考虑复杂的测量标准，而不需要对标准进行显式编码。可以使用各种各样的图像来训练模型，例如，由不同的专家注释者确定的用测量的正确放置来注释的图像。通过这种方式，模型可以将所有注释者的经验结合到单个模型中，从而提供比任何单个注释者更好的测量。
[0010]根据第二方面，存在一种训练模型的方法，该模型用于进行与图像中的感兴趣的特征相关联的测量。该方法包括向模型提供训练数据，该训练数据包括：i)示例图像；以及ii)对于每个图像，指示在其之间进行对示例图像中的感兴趣的特征的测量的适当位置的一对地面真值点。该方法然后包括训练该模型来预测对于每个示例图像的相关联的该对地面真值点。
[0011]根据第三方面，存在一种用于进行与图像中的感兴趣的特征相关联的测量的系统。该系统包括：存储器，其包括表示一组指令的指令数据；以及处理器，其被配置为与存储器通信并执行该组指令。当该组指令由处理器执行时，使得处理器使用利用机器学习过程训练的模型来将图像作为输入，并预测在其之间进行图像中的感兴趣的特征的测量的一对点，并基于预测的一对点来确定测量。
[0012]根据第四方面，存在一种包括计算机可读介质的计算机程序产品，该计算机可读介质包括计算机可读介质，该计算机可读介质具有嵌入其中的计算机可读代码，该计算机可读代码被配置为使得在由合适的计算机或处理器执行时，该计算机或处理器被促使执行第一方面或第二方面的任何实施例。
附图说明
[0013]为了更好地理解和更清楚地示出如何实现本文的实施例，现在将仅通过示例的方式参考附图，在附图中：
[0014]图1(a)示出了在图像中进行测量的现有技术方法；
[0015]图1(b)示出了在图像中进行测量的现有技术方法；
[0016]图1(c)说明了根据现有技术方法测量肿瘤的不同方法；
[0017]图2(a)示出了两个腹部病灶的不正确测量；
[0018]图2(b)示出了图2(a)中两个腹部病灶的正确测量；
[0019]图3示出了根据本文一些实施例的方法；
[0020]图4示出了根据本文一些实施例的另一方法；以及
[0021]图5示出了根据本文一些实施例的系统。
具体实施方式
[0022]如上所述，在诸如医学图像的图像中进行测量，可能需要有经验的从业者的专业知识，特别是如果，例如，对于特定对象(例如，诸如特定器官或肿瘤)的测量标准不容易用数学方法限定。
[0023]图1(a)示出了在医学图像100中进行测量的现有技术方法。在此方法中，当测量图像100中的感兴趣的特征(诸如特征102)时，可以使用电子测径器。例如，电子测径器可以包括一对点104，该对点可以由临床医生在图像中单独移动/放置。然后在该对点104之间进行测量，例如沿着线106。在图1(b)中示出了另一个示例，其中特征108使用测径器110测量。
[0024]电子测径器的端部(例如，该对点104)的精确放置可能是主观的和/或需要专业知识。这在图1(c)中示出，图1(c)示出了可以应用于肿瘤的不同类型的测量。图1(c)摘自如下论文：于2014年3月公开的、Lei Liu等人的、标题为“EASL
‑
and mRECIST
‑
Evaluated Responses to Combination Therapy of Sorafenib with Transarterial Chemoembolization Predict Survival in Patients with Hepatocellular Carcinoma,Journal of Clinical Cancer Research”DOI:10.1158/1078
‑
0432.CCR
‑
13
‑
1716。
[0025]结节内的灰色区域表示增强的存活病灶，并且白色区域表示未增强或碘化油滞留病灶。治疗前测量由结节112示出。在此示例中，距离A表示治疗前整个肿瘤的最大本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种进行与图像中的感兴趣的特征相关联的测量的计算机实现的方法，所述方法包括：使用(302)利用机器学习过程训练的模型来将所述图像作为输入，并预测在其之间进行所述图像中的所述感兴趣的特征的所述测量的一对点；以及基于所预测的所述一对点确定(304)所述测量。2.根据权利要求1所述的方法，所述模型已经使用训练数据进行了训练，所述训练数据包括：i)示例图像；以及ii)对于每个示例图像，指示在其之间进行对所述示例图像中的所述感兴趣的特征的所述测量的适当位置的一对地面真值点。3.根据权利要求1或2所述的方法，其中所述图像包括医学图像，并且所述一对点被定位成满足与所述测量相关联的临床要求。4.根据权利要求3所述的方法，其中所述模型进一步将与所述测量和/或所述医学图像的临床环境相关的信息作为输入。5.根据权利要求4所述的方法，其中与所述测量和/或所述医学图像的所述临床环境相关的所述信息从存储在所述图像中的元数据被获得。6.根据权利要求1至5中任一项所述的方法，其中所述一对点包括：
‑
电子测径器的端点；
‑
表示圆或球的中心的第一点，以及表示所述圆或球的边界的第二点；或者
‑
表示矩形框的一个角的第一点，以及表示所述矩形框的第二角的第二点。7.根据权利要求1至6中任一项所述的方法，其中所述方法进一步包括：执行所述图像的分割；以及提供来自所述分割的分段作为所述模型的另外的输入。8.根据权利要求1至7中任一项所述的方法，其中所述模型提供一个或多个置信度映射图作为输出，所述置信度映射图指示与所述一对点的不同放置相关联的置信度值。9.根据权利要求1至8中任一项所述的方法，其中所述一对点使用关键点检测而被确定。10.一种...

【专利技术属性】
技术研发人员：R，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：