【技术实现步骤摘要】
用于基于双能量或多能量X射线的成像中的材料分解的方法和系统
[0001]相关申请的交叉引用
[0002]本申请要求于2022年6月14日提交的第2022204142号澳大利亚专利申请的申请日的权益,该申请的内容通过引用整体并入本文。
[0003]本专利技术涉及一种用于在基于多能量(即双能量或更多能量)X射线的成像中进行材料分解的深度学习方法和系统,该基于多能量X射线的成像包括冷阴极X射线CT或放射照相、双能量CT或放射照相、多能量CT或放射照相以及光子计数CT或放射照相。
技术介绍
[0004]CT自问世以来,已被广泛应用于医学诊断和治疗领域。尽管CT技术已经取得了许多进步,但其基本原理是相同的:它使用旋转的X射线管和放置在机架中的一排探测器来测量由体内的不同组织造成的X射线衰减。与其他图像模态相比,CT具有很多优点:扫描速度快、空间分辨率高、可用性广等。每年进行数百万次CT检查,使CT成为用于患者护理的最重要和最广泛的成像模态之一。
[0005]尽管CT技术取得了显著的成功,但它也有几个局限性。最实质性的局限性之一是其低对比度分辨率。它不能可靠地区分具有低固有对比度的材料,例如病理组织和健康组织。低对比度分辨率是由于不同组织之间的X射线衰减的微小差异造成的。例如,很难可靠地评估非钙化斑块,因为富含脂质和缺乏脂质的非钙化斑块之间的衰减差异很小。由于软骨与周围软组织的对比度低,从膝部CT扫描中分割出诸如软骨的软组织结构也是具有挑战性的。
[0006]在临床成像中,造影剂增强了CT扫描中的 ...
【技术保护点】
【技术特征摘要】
1.一种从使用基于多能量X射线的成像获得的多个图像生成材料分解图像的方法,所述多个图像对应于所述基于多能量X射线的成像的各个能量,所述方法包括:利用深度学习神经网络通过从所述多个图像组合地学习特征以及从所述多个图像中的一个或多个图像单独地学习特征来对所述多个图像之间的空间关系和频谱关系进行建模;使用所述空间关系和所述频谱关系生成一个或多个基础材料图像;以及从所述基础材料图像生成一个或多个材料特异图像或材料分解图像;其中所述神经网络具有编码器
‑
解码器结构并且包括多个编码器分支;所述多个编码器分支中的一个或多个中的每一个对所述多个图像中的两个或更多图像进行组合编码;并且所述多个编码器分支中的一个或多个中的每一个对所述多个图像中的各个单独图像进行编码。2.根据权利要求1所述的方法,其中:i)所述编码器分支中的两个或更多中的每一个对所述多个图像中的各个不同的单独图像进行编码以作为输入;和/或ii)第一编码器分支对所述多个图像中的两个或更多图像的第一组合进行编码,并且第二编码器分支对所述多个图像中的两个或更多图像的第二组合进行编码,其中所述第一组合不同于所述第二组合。3.根据权利要求1或2所述的方法,其中所述基于多能量X射线的成像包括冷阴极X射线放射照相、双能量放射照相、多能量放射照相、光子计数放射照相、冷阴极X射线CT、双能量CT、多能量CT或光子计数CT。4.根据前述权利要求中任一项所述的方法,其中:a)对各个单独图像进行编码的编码器分支总共接收由对两个或更多图像进行编码的编码器分支总共接收的所有图像;或b)对各个单独图像进行编码的编码器分支总共编码的图像比由对两个或更多图像进行编码的编码器分支总共编码的图像少;或c)对各个单独图像进行编码的编码器分支总共编码的图像比由对两个或更多图像进行编码的编码器分支总共编码的图像多。5.根据前述权利要求中任一项所述的方法,其中所述深度学习神经网络是用真实或模拟的训练图像训练的已训练神经网络,所述训练图像是用真实或模拟的基于多能量X射线的成像以及基础材料图像获得的。6.根据权利要求5所述的方法,其中所述基础材料图像包括任何一个或多个(i)羟基磷灰石图像、(ii)钙图像、(iii)水图像、(vi)脂肪图像、(v)碘图像和(vi)肌肉图像。7.根据前述权利要求中任一项所述的方法,其包括生成(i)骨髓分解图像、(ii)膝关节软骨分解图像、(iii)碘造影分解图像、(iv)肿瘤分解图像、(v)肌肉和脂肪分解图像、(vi)金属伪影减少图像和(vii)束硬化减少图像中的任何一个或多个。8.根据前述权利要求中任一项所述的方法,其包括:生成一个或多个骨髓图像,并使用所述一个或多个骨髓图像诊断、识别或监测骨髓相关疾病;和/或
生成一个或多个膝关节软骨图像,并使用所述一个或多个骨髓图像诊断、识别或监测骨关节炎或类风湿性关节炎;和/或生成一个或多个碘造影图像,并诊断、识别或监测肿瘤;和/或生成一个或多个肌肉图像,并诊断、识别或监测肌肉减少症;和/或生成任何一个或多个(a)骨髓图像、(b)膝关节软骨图像、(c)碘造影图像和(d)肌肉图像,生成一个或多个金属伪影图像和/或一个或多个束硬化减少图像,并使用所述金属伪影图像和/或束硬化减少图像来改善所述骨髓图像、膝关节软骨图像、碘造影图像和/或肌肉图像的图像质量。9.一种从使用基于多能量X射线的成像获得的多个图像生成材料分解图像的系统,所述多个图像对应于所述基于多能量X射线的成像的各个...
【专利技术属性】
技术研发人员:彭宇,
申请(专利权)人:科弗比姆人工智能有限公司,
类型:发明
国别省市:
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。