对比度增强放射学领域中的机器学习制造技术

本发明专利技术涉及通过机器学习方法来生成人工对比度增强的放射图像的技术领域。对比度增强的放射图像的技术领域。对比度增强的放射图像的技术领域。

【技术实现步骤摘要】
【国外来华专利技术】对比度增强放射学领域中的机器学习
[0001]本专利技术涉及借助于机器学习方法来生成人工对比度增强的放射图像的

[0002]WO2019/074938A1公开了一种借助于人工神经网络减少在生成放射图像时的造影剂的量的方法。
[0003]在第一步中，生成训练数据集。对于多个人而言，训练数据集包括每个人的i)原始放射图像(零对比度图像(zero
‑
contrast image))，ii)在施用低量的造影剂之后的放射图像(低对比度图像(low
‑
contrast image))和iii)在施用标准量的造影剂之后的放射图像(全对比度图像(full
‑
contrast image))。术语“多个”优选地是10个以上，更优选地是100个以上。
[0004]在第二步中，人工神经网络基于原始图像以及在施用低量的造影剂之后的图像而被训练，从而针对训练数据集中的每个人来预测人工放射图像，所述人工放射图像示出在施用标准量的造影剂之后的采集区域。在每种情况下，在施用标准量的造影剂之后所测量的放射图像都被用作训练中的参照(真值(ground truth))。
[0005]在第三步中，经训练的人工神经网络可被用于基于原始图像以及在施用低量的造影剂之后的放射图像，来为新的人预测人工放射图像，所述人工放射图像示出如同在施用标准量的造影剂之后的采集区域。
[0006]WO2019/074938A1中所公开的方法具有缺点。
[0007]例如，放射图像需要配准以匹配个体放射图像，使得像素/体素彼此对应，即，来自一个人的放射图像的一个像素/体素与来自该人的不同的放射图像的像素/体素示出相同的检查区域。如果放射图像不对应，则在人工生成的放射图像中会出现伪影，所述伪影会覆盖该采集区域中的小解剖结构和/或使该小解剖结构失真和/或对该小解剖结构进行仿真。
[0008]此外，WO2019/074938A1中所公开的方法始终使用完整的放射图像进行预测。特别是当对人工神经网络的训练以及对人工放射图像的预测不仅涉及使用上文数字i)和ii)所提及的放射图像，而且涉及使用另外的放射图像(例如，在施用不同量的造影剂之后的放射图像)时，生成人工放射图像的计算复杂度会迅速变得非常大。可设想，花费大量时间来计算人工放射图像和/或需要特殊和/或昂贵的硬件才能(在适当的时间跨度内)进行计算。可设想，放射图像被缩减(必须被缩减)至局部区域(块(patches))，且所述局部区域彼此分立地被处理(必须被彼此分立地处理)，从而避免过大的放射图像使计算机的内存过载。然而，这种方法会在彼此分立地处理的局部区域被重新接合以形成完整的放射图像时，在接合处出现伪影(拼接伪影)。后续移除这种拼接伪影意味着附加的复杂性，且所合成生成的放射图像中的错误风险，而这种错误可能被放射科医生误读(误诊风险)。
[0009]因此，从所描述的现有技术出发，本专利技术的目的是提出一种用于生成人工放射图像的解决方案，该解决方案能容许配准误差，和/或预测事需要较低的计算能力，和/或计算的复杂性可与给定的硬件和/或可用的时间匹配，和/或伪影(特别是拼接伪影)的风险降低。
[0010]此目的通过独立权利要求的主题来实现。本专利技术的优选实施方案在从属权利要求、本说明书和附图中找到。
[0011]在第一方面，本专利技术提供了一种计算机实施的方法，包括以下步骤：
[0012]‑
接收检查对象的检查区域在频率空间中的第一表征，其中所述第一表征表示未施用造影剂的检查区域或者在施用第一量的造影剂之后的检查区域，
[0013]‑
接收检查对象的检查区域在频率空间中的第二表征，其中所述第二表征表示在施用第二量的造影剂之后的检查区域，
[0014]‑
将所述第一表征的至少一部分以及所述第二表征的至少一部分馈送至机器学习模型，
[0015]‑
从所述机器学习模型接收检查区域在频率空间中的第三表征，其中所述第三表征表示在施用第三量的造影剂之后的检查区域，
[0016]‑
基于所述第三表征，生成检查区域在真实空间描绘中的表征，
[0017]‑
输出和/或存储检查区域在所述真实空间描述中的表征。
[0018]本专利技术还提供了一种计算机系统，包括：
[0019]·
接收单元，
[0020]·
控制和计算单元，以及
[0021]·
输出单元，
[0022]‑
其中所述控制和计算单元被配置为促使所述接收单元接收检查对象的检查区域的至少两个表征，所述至少两个表征为第一表征和第二表征，其中所述第一表征表示未施用造影剂的检查区域或者在施用第一量的造影剂之后的检查区域，其中所述第二表征表示在施用第二量的造影剂之后的检查区域，
[0023]‑
其中所述控制和计算单元被配置为将所述第一表征的至少一部分以及所述第二表征的至少一部分馈送至机器学习模型，
[0024]‑
其中所述控制和计算单元被配置为从所述机器学习模型接收检查区域的第三表征，其中所述第三表征表示在施用第三量的造影剂之后频率空间中的检查区域，
[0025]‑
其中所述控制和计算单元被配置为基于所述第三表征来生成检查区域在真实空间中的表征，
[0026]‑
其中所述控制和计算单元被配置为促使所述输出单元输出和/或存储检查区域在所述真实空间中的表征。
[0027]本专利技术还提供了一种计算机程序，所述计算机程序能被加载到计算机系统的内存中，其中所述计算机程序促使所述计算机系统执行以下步骤：
[0028]‑
接收检查对象的检查区域在频率空间中的第一表征，其中所述第一表征表示未施用造影剂的检查区域或者在施用第一量的造影剂之后的检查区域，
[0029]‑
接收检查对象的检查区域在频率空间中的第二表征，其中所述第二表征表示在施用第二量的造影剂之后的检查区域，
[0030]‑
将所述第一表征的至少一部分以及所述第二表征的至少一部分馈送至机器学习模型，
[0031]‑
从所述机器学习模型接收检查区域在频率空间中的第三表征，其中所述第三表征表示在施用第三量的造影剂之后的检查区域，
[0032]‑
基于所述第三表征，生成检查区域在真实空间描绘中的表征，
[0033]‑
输出和/或存储检查区域在所述真实空间描绘中的表征。
[0034]本专利技术还提供了造影剂在放射学方法中的用途，所述放射学方法包括以下步骤：
[0035]‑
生成检查对象的检查区域在频率空间中的第一表征，其中所述第一表征表示未施用造影剂的检查区域或者在施用第一量的造影剂之后的检查区域，
[0036]‑
生成检查对象的检查区域在频率空间中的第二表征，其中所述第二表征表示在施用第二量的造影剂之后的检查区域，其中所述第二量不同于所述第一量，
[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】1.一种计算机实施的方法，包括以下步骤：
‑
接收检查对象的检查区域在频率空间中的第一表征，其中所述第一表征表示未施用造影剂的检查区域或者在施用第一量的造影剂之后的检查区域，
‑
接收检查对象的检查区域在频率空间中的第二表征，其中所述第二表征表示在施用第二量的造影剂之后的检查区域，
‑
将所述第一表征的至少一部分以及所述第二表征的至少一部分馈送至机器学习模型，
‑
从所述机器学习模型接收检查区域在频率空间中的第三表征，其中所述第三表征表示在施用第三量的造影剂之后的检查区域，
‑
基于所述第三表征来生成检查区域在真实空间描绘中的表征，
‑
输出和/或存储检查区域在所述真实空间描绘中的表征。2.如权利要求1所述的计算机实施的方法，其中将所述第一表征的至少一部分以及所述第二表征的至少一部分馈送至机器学习模型的步骤包括：
‑
在所接收的第一表征中以及所接收的第二表征中指定一个区域，其中所指定的区域包括所述频率空间的中心，
‑
将所述第一表征以及所述第二表征缩减至所指定的区域，其中获得经缩减的第一表征以及经缩减的第二表征，
‑
将所述经缩减的第一表征以及所述经缩减的第二表征馈送至所述机器学习模型。3.如权利要求2所述的计算机实施的方法，其中基于所述第三表征来生成检查区域在真实空间描绘中的表征的步骤在包括：
‑
通过所接收的第一表征和/或所接收的第二表征中未位于所指定的区域中的那些部分来增补所述第三表征，
‑
将对所述第三表征进行增补之后所获得的经增补的第三表征变换为检查区域在真实空间描绘中的表征。4.如权利要求1至3中的任一项所述的计算机实施的方法，其中所述第一表征表示未施用造影剂的检查区域或者在施用第一量的造影剂之后的检查区域，其中所述第二表征表示在施用第二量的造影剂之后的检查区域，其中所述第二量不等于所述第一量，其中所述第三表征表示在施用第三量的造影剂之后的检查区域，其中所述第三量不等于所述第一量和/或不等于所述第二量。5.如权利要求1至4中的任一项所述的计算机实施的方法，其中造影剂的第一量大于或等于零，其中造影剂的第二量大于造影剂的第一量，且其中造影剂的第三量大于造影剂的第二量。6.如权利要求1至5中的任一项所述的计算机实施的方法，其中所述第一表征表示未施用造影剂的检查区域或在施用第一量的第一造影剂之后的检查区域，其中所述第二表征表示在施用第二量的第二造影剂之后的检查区域，其中所述第三表征表示在施用第三量的第三造影剂之后的检查区域，其中所述第三造影剂不同于所述第一造影剂和/或不同于所述第二造影剂，或者所述第二造影剂不同于所述第一造影剂。7.如权利要求1至6中的任一项所述的计算机实施的方法，其中所述第一表征以及所述
第二表征是放射检查的结果。8.如权利要求7所述的计算机实施的方法，其中所述放射检查是磁共振成像检查、计算机断层扫描检查或超声检查。9.如权利要求1至8中的任一项所述的计算机实施的方法，其中所述第一表征以及所述第二表征是磁共振成像检查的k空间数据。10.如权利要求1至9中的任一项所述的计算机实施的方法，其中所述第一表征以及所述第二表征是经傅里叶变换的真实空间描绘。11.如权利要求1至7中的任一项所述的计算机实施的方法，还包括以下步骤：
‑
接收检查对象的检查区域的第一真实空间表征，其中所述第一真实空间表征表示未施用造影剂的检查区域或者在施用第一量的造影剂之后的检查区域，
‑
接收检查对象的检查区域的第二真实空间表征，其中所述第二真实空间表征表示在施用第二量的造影剂之后的检查区域，
‑
根据所述第一真实空间表征来生成检查对象的检查区域在频率空间中的第一表征，优选地借助于傅里叶变换，
‑
根据所述第二真实空间表征来生成检查对象的检查区域在频率空间中的第二表征，优选地借助于傅里叶变换。12.如权利要求1至11中的任一项所述的计算机实施的方法，还包括训练所述机器学习模型的步骤，其中所述训练包括以下子步骤：
‑
接收训练数据集，其中对于多个检查对象，所述训练数据集在每种情况下包括：i)检查对象的检查区域在频率空间中的第一参考表征，ii)检查对象的检查区域在频率空间中的第二参考表征，iii)检查对象的检查区域在频率空间中的第三参考表征，其中所述第一参考表征表示在施用第一量的造影剂之后的检查区域，其中所述第一量还能够是零，其中所述第二参考表征表示在施用第二量的造影剂之后的检查区域，其中所述第三参考表征表示在施用第三量的造影剂之后的检查区域，
‑
在参考表征中指定一个区域，其中所指定的...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：拜耳公司，
类型：发明
国别省市：