在医学成像中的大血管闭塞检测和分类制造技术

提供了用于医学图像中的闭塞检测的系统和方法

【技术实现步骤摘要】
在医学成像中的大血管闭塞检测和分类


[0001]本专利技术总体上涉及医学图像分析，并且具体而言涉及在医学成像中的大血管闭塞(LVO)检测和分类。

技术介绍

[0002]当到大脑的血液供应中断或减少时，就会发生中风。中风可分类为由到大脑的血液供应中断引起的缺血性中风或由血管破裂引起的出血性中风。在当前的中风协议中，如果中风是缺血性的，则执行计算机断层血管造影(CTA)扫描，以确定在大脑主要动脉中是否存在大血管闭塞(LVO)。然后可以执行机械血栓切除术来去除LVO。
[0003]已经提出了用于LVO检测的各种传统的基于人工智能(AI)的方法。然而，这种传统的基于人工智能的方法在存在信号丢失、噪声、血管扭曲、钙化以及接近骨骼或分叉的情况下，降低了鲁棒性和性能。

技术实现思路

[0004]根据一个或多个实施例，提供了用于在医学图像中的闭塞检测的系统和方法。接收在患者的解剖对象中的一个或多个血管的输入医学图像。在输入医学图像中识别一个或多个解剖界标。基于所识别的一个或多个解剖界标，从输入医学图像中提取第一补片和一个或多个附加补片。第一补片和一个或多个附加补片描绘了解剖对象的不同部分。使用基于机器学习的特征提取器网络从第一补片和一个或多个附加补片提取特征。基于所提取的特征，在第一补片中检测一个或多个血管中的闭塞。输出检测的结果。
[0005]在一个实施例中，从输入医学图像中去除骨骼。从去除骨骼的输入医学图像中提取第一补片和一个或多个附加补片。
[0006]在一个实施例中，通过以下步骤从第一补片和一个或多个附加补片提取特征：经由基于机器学习的特征提取器网络的第一输入通道接收第一补片和经由基于机器学习的特征提取器网络的一个或多个附加输入通道中的相应一个接收一个或多个附加补片，以及提取1)来自第一补片的特征和2)将第一补片与一个或多个附加补片进行比较的特征。在第一补片中检测一个或多个血管中的闭塞。
[0007]在一个实施例中，第一补片和一个或多个附加补片以一个或多个解剖界标为中心被裁剪。
[0008]在一个实施例中，使用拟合于由神经网络提取的特征的概率分布函数(PDF)模型，在第一补片中检测一个或多个血管中的闭塞。可以使用高斯过程模型来学习PDF模型。
[0009]在一个实施例中，在输入医学图像中识别大脑中动脉(MCA)分叉。第一补片以MCA分叉为中心进行裁剪。闭塞被检测为位于颈内动脉(ICA)、MCA M1段或MCA M2段之一。
[0010]在一个实施例中，为第一补片或一个或多个附加补片中的至少一个生成血管存在的至少一个概率图。使用基于机器学习的特征提取器网络从至少一个概率图中提取特征。
[0011]在一个实施例中，解剖对象包括患者的大脑，并且不同部分包括大脑的左侧和大
脑的右侧。
[0012]通过参考以下详细描述和附图，本专利技术的这些和其他优点对于本领域普通技术人员来说将是显而易见的。
附图说明
[0013]图1示出了根据一个或多个实施例的用于自动检测患者大脑的一个或多个血管中的闭塞的工作流程；
[0014]图2示出了根据一个或多个实施例的检测患者解剖对象的一个或多个血管中的闭塞的方法；
[0015]图3示出了在实验验证期间这里描述的实施例的性能表格；
[0016]图4示出了可用于实现一个或多个实施例的示例性人工神经网络；
[0017]图5示出了可用于实现一个或多个实施例的卷积神经网络；和
[0018]图6示出了可用于实现一个或多个实施例的计算机的高级框图。
具体实施方式
[0019]本专利技术总体上涉及用于在医学图像中大血管闭塞(LVO)检测和分类的方法和系统。本文描述了本专利技术的实施例，以给出对这种方法和系统的直观理解。数字图像通常由一个或多个对象(或形状)的数字表示组成。在这里，对象的数字表示通常是根据识别和操作对象来描述的。这种操作是在计算机系统的存储器或其他电路/硬件中完成的虚拟操作。因此，应当理解，本专利技术的实施例可以使用存储在计算机系统内的数据在计算机系统内执行。
[0020]本文描述的实施例提供了在患者大脑中血管的输入医学图像中的LVO检测和分类。在一个实施例中，从描绘大脑左侧的补片和从描绘大脑右侧的补片提取特征，并且基于提取的特征检测血管中的闭塞。有利的是，与传统方法相比，在存在信号丢失、噪声、血管扭曲、钙化以及接近骨骼或分叉的情况下，本文描述的实施例提供了具有增强的鲁棒性和性能的LVO检测和分类。这种增强的鲁棒性和性能是例如基于解剖界标从输入医学图像中提取补片的结果，从而允许提取绝对和差分分布特征并用于闭塞检测。此外，通过应用基于高斯过程的概率分布函数的输出模型，允许增加决策的可信度。此外，本文描述的实施例通过减少语义图像分析中的错误数量，实现了所部署系统的增加的自动化和信任。在一个示例中，本文所述的实施例能够在扫描仪或边缘计算机上实现整个中风管理工作流程的完全自动化，从而更快地治疗患者并应用于自动治疗分类(triage)或干预计划。
[0021]图1示出了根据一个或多个实施例的用于自动检测患者大脑的一个或多个血管中的闭塞的工作流程100。图2示出了根据一个或多个实施例的用于检测患者解剖对象的一个或多个血管中的闭塞的方法200。将一起描述图1和图2。方法200的步骤可以由一个或多个合适的计算设备(诸如例如图6的计算机602)来执行。
[0022]在图2的步骤202，接收患者解剖对象中的一个或多个血管的输入医学图像。在一个实施例中，解剖对象是患者的大脑。然而，解剖对象可以是患者感兴趣的任何其他合适的解剖对象，诸如例如肺。
[0023]在一个实施例中，输入医学图像是在CT血管造影(CTA)期间采集的计算机断层摄影(CT)图像。例如，如图1的工作流程100所示，输入医学图像是CTA体积102。然而，输入医学
图像可以是任何其他合适的模态，诸如例如磁共振成像(MRI)、超声(US)、x射线或任何其他医学成像模态或医学成像模态的组合。输入医学图像可以是2D(二维)图像或3D(三维)体积，并且可以包括单个输入医学图像或多个输入医学图像。当采集输入医学图像时，可以直接从图像采集设备(诸如例如CT扫描仪)接收输入医学图像，或者可以通过从计算机系统的储存器或存储器加载先前采集的医学图像或者接收从远程计算机系统传输的医学图像来接收输入医学图像。
[0024]在图2的步骤204，从输入医学图像中去除骨骼。在一个示例中，如图1的工作流程100所示，从CTA体积102中去除骨骼，以生成去除骨骼的输入医学图像104。在一个实施例中，使用基于机器学习的骨骼去除网络，诸如例如基于深度学习的图像到图像(12I)模型，从输入医学图像中去除骨骼。然而，可以使用任何其他合适的方法从输入医学图像中去除骨骼。
[0025]在图2的步骤206，识别输入医学图像中的一个或多个解剖界标。在一个实施例中，解剖界标可以是血管的血管界标。例如，如图1的工作流程100所示，在CTA体积102本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的方法，包括：接收患者解剖对象中的一个或多个血管的输入医学图像；识别输入医学图像中的一个或多个解剖界标；基于所识别的一个或多个解剖界标从输入医学图像中提取第一补片和一个或多个附加补片，第一补片和一个或多个附加补片描绘了解剖对象的不同部分；使用基于机器学习的特征提取器网络从所述第一补片和所述一个或多个附加补片提取特征；基于所提取的特征检测第一补片中的一个或多个血管中的闭塞；和输出检测的结果。2.根据权利要求1所述的计算机实现的方法，还包括从所述输入医学图像中去除骨骼，并且其中基于所识别的一个或多个解剖界标从所述输入医学图像中提取第一补片和一个或多个附加补片包括：从去除骨骼的输入医学图像中提取第一补片和一个或多个附加补片。3.根据权利要求1所述的计算机实现的方法，其中使用基于机器学习的特征提取器网络从所述第一补片和所述一个或多个附加补片提取特征包括：经由基于机器学习的特征提取器网络的第一输入通道接收第一补片，并且经由基于机器学习的特征提取器网络的一个或多个附加输入通道中的相应一个接收一个或多个附加补片；和提取1)来自第一补片的特征，以及2)将第一补片与一个或多个附加补片进行比较的特征。4.根据权利要求1所述的计算机实现的方法，其中基于所识别的一个或多个解剖界标从所述输入医学图像中提取第一补片和一个或多个附加补片包括：裁剪以一个或多个解剖界标为中心的第一补片和一个或多个附加补片。5.根据权利要求1所述的计算机实现的方法，其中基于提取的特征检测第一补片中的一个或多个血管中的闭塞包括：使用拟合于由神经网络提取的特征的概率分布函数(PDF)模型来检测第一补片中的一个或多个血管中的闭塞。6.根据权利要求5所述的计算机实现的方法，其中，使用高斯过程模型来学习PDF模型。7.根据权利要求1所述的计算机实现的方法，其中：识别在输入医学图像中的一个或多个解剖界标包括识别输入医学图像中的大脑中动脉(MCA)分叉；基于所识别的一个或多个解剖界标从输入医学图像中提取第一补片和一个或多个附加补片包括裁剪以MCA分叉为中心的第一补片；和基于所提取的特征检测在第一补片中的一个或多个血管中的闭塞包括将闭塞检测为位于颈内动脉(ICA)、MCA M1段或MCA M2段之一中。8.根据权利要求1所述的计算机实现的方法，还包括为所述第一补片或所述一个或多个附加补片中的至少一个生成血管存在的至少一个概率图，并且其中使用基于机器学习的特征提取器网络从所述第一补片和所述一个或多个附加补片中提取特征包括：使用基于机器学习的特征提取器网络从至少一个概率图中提取特征。
9.根据权利要求1所述的计算机实现的方法，其中，所述解剖对象包括患者的大脑，并且所述不同部分包括大脑的左侧和大脑的右侧。10.一种装置，包括：用于接收患者解剖对象中的一个或多个血管的输入医学图像的部件；用于识别在输入医学图像中的一个或多个解剖界标的部件；用于基于所识别的一个或多个解剖界标从输入医学图像中提取第一补片和一个或多个附加补片的部件，第一补片和一个或多个附加补片描绘了解剖对象的不同部分；用于使用基于机器学习的特征提取器网络从第一补片和一个或多个附加补片提取特征的部件；用于基于所提取的特征...

【专利技术属性】
技术研发人员：B，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：