用于医学图像的基于学习的域变换制造技术

本发明专利技术提供了促进用于医学图像的基于学习的域变换的系统/技术。在各种实施方案中，系统可以访问医学图像。在各个方面，该医学图像可以根据第一医学扫描域示出解剖结构。在各种情况下，该系统可以经由执行机器学习模型来基于该医学图像生成预测图像。在各个方面，该预测图像可以根据不同于该第一医学扫描域的第二医学扫描域示出该解剖结构。在一些情况下，该第一和第二医学扫描域可以是计算机断层显像(CT)扫描模态的第一和第二能级。在其他情况下，该第一和第二医学扫描域可以是该CT扫描模态的第一和第二对比期。态的第一和第二对比期。态的第一和第二对比期。

【技术实现步骤摘要】
用于医学图像的基于学习的域变换


[0001]本公开整体涉及医学图像，并且更具体地涉及用于医学图像的基于学习的域变换。

技术介绍

[0002]医学成像设备可以捕获患者解剖结构的医学图像，以用于诊断和/或预后的目的。存在各种医学扫描域，医学成像设备可以在其中和/或通过其捕获医学图像。不同的医学扫描域可以针对不同的目的和/或在不同的背景下实施。尽管在一些情况下可以期望在特定医学扫描域中捕获医学图像，但是有时可能出现该特定医学扫描域不可用并且仅能在不同的医学扫描域中捕获医学图像的情况。遗憾的是，没有任何系统和/或技术可以解决这个问题。
[0003]因此，可以解决这些技术问题中的一个或多个技术问题的系统和/或技术可能是所期望的。

技术实现思路

[0004]以下呈现了
技术实现思路
以提供对本专利技术的一个或多个实施方案的基本理解。本
技术实现思路
不旨在标识关键或重要元素，也不旨在描绘具体实施方案的任何范围或权利要求的任何范围。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。在本文所述的一个或多个实施方案中，描述了促进用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种系统，所述系统包括：处理器，所述处理器执行存储在计算机可读存储器中的计算机可执行部件，所述计算机可执行部件包括：接收器部件，所述接收器部件访问医学图像，其中所述医学图像根据第一医学扫描域示出解剖结构；和变换部件，所述变换部件经由执行机器学习模型来基于所述医学图像生成预测图像，其中所述预测图像根据不同于所述第一医学扫描域的第二医学扫描域示出所述解剖结构。2.根据权利要求1所述的系统，其中所述第一医学扫描域是计算机断层显像(CT)扫描模态的第一能量水平，并且其中所述第二医学扫描域是所述CT扫描模态的不同于所述第一能量水平的第二能量水平。3.根据权利要求1所述的系统，其中所述第一医学扫描域是计算机断层显像(CT)扫描模态的第一对比期，并且其中所述第二医学扫描域是所述CT扫描模态的不同于所述第一对比期的第二对比期。4.根据权利要求1所述的系统，其中所述计算机可执行部件还包括：分割部件，所述分割部件经由执行分割模型来识别所述医学图像中的感兴趣区域，其中所述变换部件通过在所述感兴趣区域上执行所述机器学习模型来生成所述预测图像，并且其中所述变换部件在所述医学图像的其余部分上不执行所述机器学习模型。5.根据权利要求1所述的系统，其中所述计算机可执行部件还包括：降噪部件，所述降噪部件在执行所述机器学习模型之前，将一种或多种降噪技术应用于所述医学图像。6.根据权利要求1所述的系统，其中所述机器学习模型包括深度学习回归模型。7.根据权利要求1所述的系统，其中所述计算机可执行部件还包括：训练部件，所述训练部件在训练医学图像上训练所述机器学习模型，其中所述训练医学图像根据所述第一医学扫描域示出一个或多个解剖结构，并且其中所述训练医学图像对应于根据所述第二医学扫描域示出所述一个或多个解剖结构的目标注释图像。8.根据权利要求7所述的系统，其中所述训练部件在训练所述机器学习模型之前，将所述训练...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：苏黎世大学，
类型：发明
国别省市：