【技术实现步骤摘要】
【国外来华专利技术】使用机器学习和解剖向量进行医学图像分析
[0001]本专利技术涉及一种训练用于确定指示医学图像中解剖结构的位置或类型的标签与医学图像中解剖结构的位置或类型之间关系的学习算法的计算机实施的方法、使用训练过的学习算法来分割和/或标记医学患者图像的方法、一种相应的计算机程序、一种存储此类程序的计算机可读存储介质、一种执行此类程序的计算机以及一种包括电子数据存储装置和上述计算机的系统。
技术介绍
[0002]可以使用解剖图像来分割或标记医学患者图像。这需要将患者图像配准到图谱数据,这涉及大量的计算工作。
[0003]专利文献US 2017/0213339 A1公开了一种用于分割医学图像的方法和系统,该方法和系统使用学习算法作为用于将患者图像与图谱图像配准的解剖分类器。
[0004]专利文献US 2019/0320934 A1公开了包括自我评估机制的医学成像会话的自动序列预测。对患者或对象执行初始侦查序列。
[0005]验证初始侦察序列。执行简化的获取协议。验证简化的获取协议。执行附加序列。还可以使用基于深度学习的推理基于对先前扫描的分析来配置序列以选择接下来的适当设置和程序。
[0006]专利文献US 2017/0330325 A1公开了一种用于将患者身体解剖结构的图像的患者图像集与包括解剖图谱元素的一般解剖结构的图像的图谱图像集进行匹配的匹配变换。获得包含关于一般解剖结构的空间信息和元素表示信息的图谱空间信息。元素表示信息描述了获得包含关于将待确定的图谱图像中多个图谱元素的表示的信息的表示数 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种训练用于确定指示医学图像中解剖结构的位置或类型的标签与医学图像中解剖结构的位置或类型之间关系的学习算法的计算机实施的方法,所述方法包括以下步骤:a)获取患者训练图像数据(S21),所述患者训练图像数据描述多个患者的解剖结构的数字医学图像;b)获取图谱数据(S22),所述图谱数据描述包含所述解剖结构的身体解剖部位的解剖模型;c)获取观察方向数据(S23),所述观察方向数据描述成像装置在用于生成所述医学图像的时间点朝向所述解剖结构的观察方向;d)基于所述观察方向数据和所述图谱数据确定解剖向量数据(S24),其中,所述解剖向量数据描述将所述观察方向变换为参考系所得的解剖向量,在所述参考系中定义所述解剖模型中的位置;e)获取标签数据(S25),所述标签数据描述表示所述解剖模型中解剖结构的位置或类型的标签;以及f)基于所述患者训练图像数据、所述解剖向量数据和所述标签数据确定解剖指标数据(S26),其中,所述解剖指标数据描述用于建立所述医学图像所描述的解剖结构的位置或类型与所述标签之间关系的学习算法的模型参数,其中,通过将所述患者训练图像数据和所述标签数据输入到关系建立函数中来确定所述解剖指标数据。2.根据前述权利要求中任一项所述的方法,其中,所述医学图像是二维图像,诸如显微镜图像,例如用显微镜拍摄的视频的一部分,其中,所述成像装置例如是显微镜、配备有数码相机的内窥镜或配置为产生二维投影图像的X射线装置。3.根据前述权利要求中任一项所述的方法,其中,通过将已经基于所述图谱数据和所述解剖向量数据所确定的图谱数据子集、例如实子集额外输入到所述关系建立函数中来确定所述解剖指标数据。4.根据前述权利要求中任一项所述的方法,包括以下步骤:获取附加数据,所述附加数据作为所述解剖向量的函数;以及通过将所述附加数据额外输入到所述关系建立函数中来确定所述解剖指标数据。5.根据前述权利要求中任一项所述的方法,其中,所述附加数据包括所述解剖向量数据或由解剖向量数据组成。6.根据前述权利要求中任一项所述的方法,其中,所述学习算法包括机器学习算法或由机器学习算法组成。7.根据前述权利要求中任一项所述的方法,其中,所述学习算法包括卷积神经网络或由卷积神经网络组成。8.根据前述权利要求中任一项所述的方法,其中,所述模型参数定义所述学习算法的可学习参数,例如权重。9.一种确定指示医学图像中解剖结构的位置或类型的标签与医学图像中解剖结构的位置或类型之间关系的计算机实施的方法,所述方法包括以下步骤:a)获取个体患者图像数据(S31),所述个体患者图像数据描述个体患者的解剖结构的数字个体医学图像;以及b)确定标签关系数据(S32),所述标签关系数据描述所述标签与所述个体医学图像中
解剖结构之间的关系,其中,通过将所述个体患者图像数据输入到所述个体医学图像所描述的解剖结构与所述标签之间关系的建立函数中来确定所述标签关系数据,所述函数是已经通过执行根据权利要求1至2或从属于任一项权利要求1至2的权利要求6至8中任一项所述的方法训练的学习算法的一部分。10.一种确定指示医学图像中解剖结构的位置或类型的标签与医学图像中解剖结构的位置或类型之间关系的计算机实施的方法,所述方法包括以下步骤:a)获取个体患者图像数据(S41),所述个体患者图像数据描述个体患者的解剖结构的数字个体医学图像;b)获取图谱数据(S42),所述图谱数据描述包含所述解剖结构的身体解剖部位的解剖模型;以及c)获取个体观察方向数据(S43),所述个体观察方向数据描述成像装置在用于生成所述个体医学图像的时间点朝向所述解剖结构的观察方向;d)基于所述个体观察方向数据和所述图谱数据确定个体解剖向量数据(S44),其中,所述解剖向量数据描述将所述观察方向变换为参考系所得的解剖向量,在所述参考系中定义所述解剖模型中的位置;e)获取附加数据(S45),所述附加数据作为个体解剖向量的函数;以及f)确定标签关系数据(S46),所述标签关系数据描述标签与所述个体医学图像所描述的解剖结构之间的关系,其中,通过将所述个体患者图像数据和所述附加数据输入到所述个体医学图像中解剖结构的位置或类型与所述标签之间关系的建立函数中来确定所述标签关系数据,所述函数...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。