用于标记受试者解剖的工作流管理制造技术

提供用于标记受试者解剖的工作流管理的系统和方法。该方法包括使用低分辨率医学成像设备获得受试者解剖的至少一个定位器图像。该方法进一步包括标记该至少一个定位器图像内的至少一个解剖点。该方法进一步包括使用机器学习模块提取包括该至少一个解剖点标记的该至少一个定位器图像的掩模。该方法进一步包括使用该掩模基于该定位器图像内的该至少一个解剖点来标记该受试者解剖的高分辨率图像上的至少一个解剖点。的至少一个解剖点。的至少一个解剖点。

【技术实现步骤摘要】
用于标记受试者解剖的工作流管理


[0001]本公开通常涉及改进的医学成像系统和方法，并且更具体地涉及用于标记受试者解剖的改进的工作流管理的系统和方法。

技术介绍

[0002]各种医学成像系统和方法用于获得受试者解剖的图像，以用于诊断医学病症。磁共振成像(MRI)是用于成像不同身体部分的已知医学成像模态，并且提供软组织、异常组织如肿瘤和其它结构的详细图像。
[0003]受试者身体的MRI扫描的整个工作流可以花费十五分钟至九十分钟的任何时间，取决于成像的受试者身体的部分。获得高分辨率MR图像需要使用高分辨率MRI设备。此外，准确地标记受试者解剖的MR图像内的部分是手动且耗时的过程。MR图像的手动标记中的任何误差可能需要对图像重新标记，并且这进一步延迟解剖标记。
[0004]典型的MR成像工作流可以包括使用MRI扫描仪获得受试者解剖的若干主要高分辨率图像，用于受试者解剖的主要评估并且基于解剖的主要评估获得最终高分辨率MR图像。受试者的主要MR图像需要受试者解剖的手动识别和标记，并且由于若干原因，该过程是不方便的。不方便的原因中的一些可能包括手动标记受试者解剖需要的时间和在标记解剖的一部分操作员上的误差。不方便的其它重要原因是使用图像分割技术以将图像划分为若干部分并且单独地标记每个部分。因此，传统的MR成像工作流是耗时的、操作员中心的和基于分割技术。
[0005]基于人工智能的机器学习模块用于自动分割、识别和标记受试者身体内的解剖区域以减少用于标记活动所需的时间量。基于人工智能(AI)的机器学习技术采用允许机器获得原始数据并确定数据分类所需的表示的表示学习方法。机器学习使用反向传播算法确定数据集中的结构。机器学习可以利用多种多层架构和算法。此外，机器学习(ML)模块可以在一组专家分类数据上训练并且用于识别目标数据集内的特征。ML模块可以进一步标记目标数据集并且标记目标数据集的准确性确定训练ML模块的准确性。在传统的MR成像中，使用获得的主要高分辨率图像来训练ML模块，以用于解剖的主要评估，然而，使用机器学习模块训练机器学习模块并非是非常成本有效的。
[0006]需要一种改进的工作流程，用于以减少的时间处理医学图像以用于识别和标记受试者解剖，并且不需要获得高分辨率图像以进行解剖和分割技术的主要评估。

技术实现思路

[0007]本
技术实现思路
介绍了在具体实施方式中更详细描述的概念。其不应当用于确定要求保护的主题的基本特征，也不应当用于限制要求保护的主题的范围。其唯一目的是以简化形式呈现概念，作为稍后呈现的更详细描述的序言。
[0008]根据本公开的一个方面，公开了一种方法。所述方法包括使用低分辨率医学成像设备获得受试者解剖的至少一个定位器图像。所述方法进一步包括标记所述至少一个定位
器图像内的至少一个解剖点。所述方法进一步包括使用机器学习模块提取包括所述至少一个解剖点标记的所述至少一个定位器图像的掩模。所述方法进一步包括使用所述掩模基于所述定位器图像内的所述至少一个解剖点来标记所述受试者解剖的高分辨率图像上的至少一个解剖点。
[0009]根据本公开的一个方面，公开了一种用于自动脊柱标记的方法。所述方法包括使用低分辨率医学成像设备获得受试者脊柱的至少一个定位器图像。所述方法进一步包括标记所述受试者脊柱的所述至少一个定位器图像内的至少一个解剖点。所述方法进一步包括使用机器学习模块提取包括所述至少一个解剖点标记的所述受试者脊柱的所述至少一个定位器图像的掩模。所述方法进一步包括使用所述掩模来基于所述受试者脊柱的所述定位器图像内的所述至少一个解剖点来标记所述受试者脊柱的高分辨率图像的至少一个解剖点。
[0010]根据本公开的另一个方面，公开了一种系统。所述系统包括低分辨率医学成像设备，所述低分辨率医学成像设备被配置成获得受试者解剖的至少一个定位器图像。所述系统进一步包括计算机处理器，所述计算机处理器被配置成从所述低分辨率医学成像设备接收所述至少一个定位器图像。所述计算机处理器被进一步配置成标记所述至少一个定位器图像内的至少一个解剖点。所述计算机处理器进一步被配置成使用机器学习模块提取含有所述至少一个解剖点标记的所述至少一个定位器图像的掩模。所述计算机处理器进一步被配置成基于所述定位器图像内的所述至少一个解剖点使用所述掩模来标记所述受试者解剖的高分辨率图像上的至少一个解剖点。
附图说明
[0011]图1示出根据本公开的一个方面的磁共振成像(MRI)系统的示意图。
[0012]图2示出根据本公开的一个方面的人脊髓或脊柱。
[0013]图3示出根据本公开的一个方面从2D定位器图像生成椎骨标记的方法。
[0014]图4示出根据本公开的一个方面的使用机器学习模块的点确定。
[0015]图5示出根据根据本公开的一个方面从2D脊椎图像生成掩模覆盖的方法。
[0016]图6示出根据本公开的一个方面使用ML模块评估标记点的误差。
具体实施方式
[0017]在以下说明书和权利要求书中，将引用应被定义为具有以下含义的几个术语。
[0018]单数形式“一”、“一个”和“该”包括多个引用物，除非上下文另外明确指出。
[0019]如本文所用，术语“非暂态计算机可读介质”旨在表示在用于短期和长期存储信息的任何方法或技术中实现的任何有形的基于计算机的设备，诸如任何设备中的计算机可读指令、数据结构、程序模块和子模块或其他数据。因此，本文所述的方法可被编码为体现在包括但不限于存储设备和/或存储器设备的有形非暂态计算机可读介质中的可执行指令。当由处理器执行时，此类指令使得处理器执行本文所述的方法的至少一部分。此外，如本文所用，术语“非暂态计算机可读介质”包括所有有形计算机可读介质，包括但不限于非暂态计算机存储设备，包括但不限于易失性和非易失性介质，以及可移动和不可移动介质，诸如固件、物理和虚拟储存器、CD
‑
ROM、DVD和任何其他数字源(诸如网络或互联网)，以及尚未开
发的数字装置，唯一例外是暂态传播信号。
[0020]如本文所用，术语“软件”和“固件”是可互换的，并且包括存储在存储器中以供包括但不限于移动设备、群集、个人计算机、工作站、客户端和服务器的设备执行的任何计算机程序。
[0021]如本文所用，术语“计算机”和相关术语(例如，“计算设备”、“计算机系统”、“处理器”、“控制器”)不限于本领域中被称为计算机的集成电路，而是广义地指至少一个微控制器、微型计算机、可编程逻辑控制器(PLC)、专用集成电路和其他可编程电路，并且这些术语在本文中可互换使用。
[0022]如本文在整个说明书和权利要求书中所用，可应用近似语言来修改可允许变化而不导致与其相关的基本功能发生变化的任何定量表示。因此，由诸如“约”和“基本上”的一个或多个术语修饰的值不限于所指定的精确值。在至少一些情况下，近似语言可对应于用于测量该值的仪器的精度。在此处并且在整个说明书和权利要求书中，范围限制可组合和/或互换，此类范围可进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，所述方法包括：使用低分辨率医学成像设备获得受试者解剖的至少一个定位器图像；标记所述至少一个定位器图像内的至少一个解剖点；使用机器学习模块提取包括所述至少一个解剖点标记的所述至少一个定位器图像的掩模；以及基于所述定位器图像内的所述至少一个解剖点，使用所述掩模标记所述受试者解剖的高分辨率图像上的所述至少一个解剖点。2.根据权利要求1所述的方法，其中使用所述低分辨率医学成像设备获得所述受试者解剖的至少一个定位器图像包括获得所述受试者解剖的二维(2D)或三维(3D)图像。3.根据权利要求1所述的方法，其中标记所述定位器图像内的所述至少一个解剖点包括使用所述机器学习模块手动标记或自动标记。4.根据权利要求1所述的方法，其中标记所述定位器图像内的至少一个解剖点包括识别所述定位器图像内的所述至少一个解剖点并且插入指示所述标记在所述解剖点处的位置的形状。5.根据权利要求1所述的方法，其中使用机器学习模块提取含有所述至少一个解剖点标记的所述定位器图像的所述掩模包括使用含有回归网络的localizerIQ模块来定位所述至少一个解剖点。6.根据权利要求1所述的方法，所述方法进一步包括密集标记所述受试者解剖的所述至少一个定位器图像并且使用自校正误差代码来自动校正所述定位器图像内的所述至少一个解剖点的位置。7.根据权利要求1所述的方法，其中所述受试者解剖是人类脊髓或脊柱，并且标记所述定位器图像内的至少一个解剖点包括标记所述脊柱内的至少一个椎骨。8.根据权利要求7所述的方法，其中所述定位器图像内的所述至少一个解剖点包括在所述脊柱内的胸部部分或腰部部分或骶骨部分中的至少一个解剖点。9.根据权利要求1所述的方法，其中所述医学成像设备包括磁共振成像(MRI)设备、超声设备、计算机断层扫描(CT)系统、X射线系统、正电子发射断层扫描(PET)系统、单光子发射计算机断层扫描(SPECT)系统。10.一种用于自动脊柱标记的方法，所述方法包括：使用低分辨率医学成像设备获得受试者脊柱的至少一个定位器图像；标记所述受试者脊柱的所述至少一个定位器图像内的至少一个解剖点；使用机器学习模块提取包括所述至少一个解剖点标记的所述受试者脊柱的所述至少一个定位器图像的掩模；以及基于所述受试者脊柱的所述定位器图像内的所述至少一个解剖点，使用所述掩模标记所述受...

【专利技术属性】
技术研发人员：D，
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：