用于对比度增强机器学习系统的训练数据合成器技术方案

一种系统(DSS)和相关方法，用于基于包括两种类型的训练影像(高图像质量IQ影像和低IQ影像)的集合(TD)来合成训练数据或机器学习。所述系统包括数据合成器(DSY)，所述数据合成器被配置为配准至少两种类型的影像，并且i)将来自高IQ影像的图像信息传递到经配准的低IQ影像以获得合成的高IQ影像，或ii)将来自低IQ影像的图像信息传递到经配准的高IQ影像以获得合成的低IQ影像。合成数据可以用于改进用于IQ增强的机器学习模型的训练。IQ增强的机器学习模型的训练。IQ增强的机器学习模型的训练。

【技术实现步骤摘要】
【国外来华专利技术】用于对比度增强机器学习系统的训练数据合成器


[0001]本专利技术涉及一种用于合成用于机器学习的训练数据的系统、一种用于训练机器学习模型的训练系统、一种用于图像增强的系统、一种合成用于机器学习的训练数据的方法、一种用于训练机器学习模型的方法、一种用于图像增强的方法、一种成像布置装置、一种计算机程序单元以及一种计算机可读介质。

技术介绍

[0002]造影剂用于越来越多的诊断和介入临床流程中。在诊断成像研究期间(例如在CT(计算机断层摄影)、血管造影术、荧光镜检查、MRI(磁共振成像)和许多其他成像模态中)或在某些治疗流程(诸如PTCA(经皮腔内冠状动脉成形术)等)期间，向患者血管内施用造影剂(“CM”或“对比剂”)以改进组织可视化。
[0003]此外，根据成像流程的指示，造影剂可以口服和/或经由其他自然孔口施用。每年进行数千万次使用(例如碘化)造影剂的放射学检查。例如，据估计，2010年期间美国总CT研究中有44％使用碘化CM，印度有35％使用碘化CM，日本有74％使用碘化CM，并且中国有10
‑
15％使用碘化CM。
[0004]在对比度增强CT中，使用非离子碘作为造影剂可引起急性过敏样反应。这些反应的范围从诸如荨麻疹和瘙痒的轻度症状到更严重的反应，诸如心肺骤停。
[0005]基于碘的药剂的最严重副作用之一是造影剂诱导的肾病。Nash等人在“Hospital
‑
acquired renal insufficiency”(Am.J.Kidney Dis(Official Journal of the National Kidney Foundation)，第39卷，第930
‑
936页(2002))中报道了造影剂诱导的肾病是住院患者急性肾衰竭的第三大常见原因，但是并非所有这些病例都可能必然与CM施用有关。在任何情况下，在CM施用之前监测血清肌酸酐通常在采集对比度增强CT数据之前进行。
[0006]因此，从患者健康的角度来看，就副作用而言，减少造影剂的量将是有益的。然而，虽然意识到这些健康风险，但是对比度增强成像(例如在CT中)是现代诊断成像中最有价值的日常流程之一。在图像数据采集之前，施用非离子碘造影剂或其他造影剂。这种施用之后是对比度增强CT数据采集的手动或团注追踪器触发的开始。
[0007]与未增强(天然)数据相比，所得到的增强断层摄影切片显著改进了诊断质量。因为在未增强CT数据中，实体器官在40
‑
60HU的范围内具有相似的密度，所以异常的区分是困难的。对于对比度增强CT，不同组织的密度可以升高到100HU以上。例如，关于肿瘤和病变的检测，可以观察到图像对比度的这种改进。对于其他诊断指示，如CT血管造影或CT灌注研究，对比度增强也是必要的。
[0008]除了减少造影剂利用的上述临床益处之外，还存在在成本方面减少造影剂利用的显著经济益处。CM成本在某些地区可能很高(例如，日本$120/100ml对比北美$20)。此外，目前常用的是非离子和低渗造影剂，其在特殊效果方面患者耐受性更好，但是甚至更昂贵。
[0009]由于对患者施用的造影剂的量是令人关注的，因此开发了一组技术使能器来减少造影剂使用：动力注射器的使用、高速率追踪盐水、更快的旋转时间、更宽的覆盖区域、团注
追踪软件、以及低kVp协议和能谱/常规增强算法的使用。然而，这些使能器中的一些是昂贵的、复杂的、容易出错的或难以使用的。
[0010]存在可以在计算上增强影像的图像质量(“IQ”)(诸如对比度)的机器学习(“ML”)系统。申请人的WO2020234051“DEEP VIRTUAL CONTRAST”是这样的ML系统的一个示例。ML基于训练数据。这样的ML系统的性能可以取决于已经用于训练这样的系统的训练数据的性质。
[0011]机器学习模型(特别是诸如具有大量参数的人工神经网络的足够复杂的机器学习模型)的训练可能导致过度拟合。当机器学习模型简单地“记忆”所提供的训练数据而不是很好地推广到新示例时，发生过度拟合。可以通过提供更多的训练数据来克服过度拟合。然而，组装足够大的一组标记的临床训练病例(尤其是在图像中表示的设备/仪器的情况下)根本不可行，或是费力且昂贵的。
[0012]某些机器学习模型(特别是具有所谓的深度架构的那些机器学习模型)的较差泛化的另一个原因是给定训练数据集合中可能存在的可能偏差。例如，包括一组X射线图像的训练数据可能相对于某些性质是偏置的。作为这种情况的非预期副作用，机器学习模型可能错误地学习来识别影像中的那些性质，而不是学习想要的内容，例如学习增强图像质量(“IQ”)。因此，训练数据中的偏差可能由于伪相关模型的构建而导致显著的性能下降。

技术实现思路

[0013]因此，可能需要改进机器学习系统(特别是ML系统)的性能以用于IQ增强(特别是图像对比度)。
[0014]本专利技术的目的通过独立权利要求的主题来解决，其中其他实施例被并入从属权利要求。应当注意，本专利技术的以下描述的方面同样适合于用于训练机器学习模型的训练系统、用于图像增强的系统、合成用于机器学习的训练数据的方法、训练机器学习模型的方法、图像增强的方法、成像布置装置、计算机程序单元以及计算机可读介质。
[0015]根据本专利技术的第一方面，提供了一种用于基于包括至少两种类型的优选地医学训练影像(包括高图像质量(IQ)影像和低IQ影像)的集合来合成用于机器学习的训练数据的系统，所述系统包括数据合成器，所述数据合成器被配置为：
[0016]‑
配准至少两种类型的影像；
[0017]‑
在传递操作中，i)将来自高IQ影像的图像信息传递到经配准的低IQ影像以获得合成的高IQ影像，或ii)将来自低IQ影像的图像信息传递到经配准的高IQ影像以获得合成的低IQ影像。该系统可以提供用于训练机器学习模型的合成的高和/或低IQ影像或使得用于训练机器学习模型的合成的高和/或低IQ影像可访问。提供或使得可访问可以包括通过有线或无线连接将合成影像转发到被配置为训练机器学习模型的训练系统。提供或使得可访问可以包括将合成影像存储在训练系统可访问的数据存储器中。
[0018]在实施例中，IQ包括以下各项中的任一项：i)图像对比度水平、ii)图像伪影水平和iii)图像噪声水平。因此，在实施例中，高IQ和低IQ的两个图像类别可以分别涉及具有高对比度和低对比度的图像类别，或具有低伪影贡献和高伪影贡献的图像，或具有低噪声贡献和高噪声贡献的图像。也可以为其他图像质量度量定义高IQ和低IQ的这两个类别。IQ可以通过对图像(像素/体素)值或其邻域进行操作的客观测量来建立，诸如像素/体素邻域中
的信噪比、阈值化、方差/标准偏差计算，或其他统计量的计算或其他计算模型的使用。类别(高IQ和低IQ)可以替代地或另外地由人类专家定义(例如，在伪影相关IQ的情况下)。通常，IQ可以涉及图像采集或重建中涉及的信号处理的方面或特性。IQ可以涉及手头的医学任本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于基于包括至少两种类型的医学训练影像的集合(TD)来合成用于机器学习的训练数据的系统(DSS)，所述两种类型的医学训练影像为高图像质量IQ影像和低IQ影像，所述系统包括数据合成器(DSY)，所述数据合成器被配置为：配准所述至少两种类型的影像；i)将来自高IQ影像的图像信息传递到经配准的低IQ影像以获得合成的高IQ影像，或者ii)将来自低IQ影像的图像信息传递到经配准的高IQ影像以获得合成的低IQ影像，并且提供所述合成的高IQ影像和/或所述合成的低IQ影像以用于训练机器学习模型。2.根据权利要求1所述的系统，其中，IQ包括以下各项中的任一项：i)图像对比度水平、ii)图像伪影水平和iii)图像噪声水平。3.根据权利要求2所述的系统，其中，所述高IQ影像是当造影剂存在于成像装置的视场中时由所述成像装置记录的影像，并且所述低IQ影像是当存在较少量的所述造影剂或存在较少量的一造影剂时由所述成像装置或由一成像装置记录的影像。4.根据权利要求2或3所述的系统，其中，所述IQ是对比度水平或图像伪影水平中的一项，并且其中，所述数据合成器(DSY)还被配置为：对所述经配准的影像进行去噪以去除噪声分量；并且将所述噪声分量添加到所述合成的低IQ影像或所述合成的高IQ影像。5.根据前述权利要求中的任一项所述的系统，其中，所述合成的高IQ影像或所述合成的低IQ影像被添加到所述训练数据集合(TD)以获得放大的训练数据集合(TD
’
)。6.根据前述权利要求中的任一项所述的系统，其中，要合成的影像的比例是能通过用户界面(UI)调节的。7.一种训练系统(TS)，其用于基于权利要求1
‑
6中的任一项中的所述合成的高IQ影像或所述合成的低IQ影像来训练用于对医学影像的图像增强的目标机器学习模型(TM、G1)。8.根据权利要求7所述的训练系统(TS)，所述机器学习模型(TM、G1)用于将合成的高IQ影像处理成训练输出影像，并且所述系统(TS)包括训练控制器(TC)，所述训练控制器(TC)能操作用于至少基于所述训练输出影像与所述低IQ影像之间的偏...

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