【技术实现步骤摘要】
本公开涉及图像重建和计算机辅助临床任务。
技术介绍
1、用于医学成像的计算机辅助诊断(cad)使用机器学习方法来分析患者图像数据，该患者图像数据然后可以用于辅助临床医生进行其决策制定过程。在医学领域中，成像分析是非常重要的任务，因为成像通常用于快速地诊断和评估患者的状况。可以使用除了其他之外尤其如ct、mri、x射线、内窥镜和超声波的成像技术来获取关于患者的信息。然后，该信息可以被重建以生成图像，以用于进一步分析或处理。重建可以包括增加图像分辨率以及减少除了其他目标之外尤其图像中包括的伪像或噪声。
2、重建过程(和成像过程)一般被优化，以针对人类消费提供最佳诊断品质图像，以辅助做出准确的临床决策。相同的数据和图像当前也用于开发人工智能(ai)同伴解决方案，以辅助临床医生进行某些临床任务。然而，以这种方式处理的图像对于机器消耗来说可能不是最优的，并且可能限制ai算法的预测能力。示出给人类观察者的相同图像被用于训练和运行cad算法。输入的品质确定了对于这些算法的训练和实现两者的输出品质。由于所提供的非优化输入，这些cad算法可能表现不佳或提供更差的结果。
技术实现思路
1、通过介绍的方式，下面所描述的优选实施例包括用于针对计算机辅助诊断应用的输入数据确定和实现优化重建参数的方法、系统、指令和计算机可读介质。
2、在第一方面，提供了一种针对给定临床任务的临床辅助诊断确定最优重建参数的方法。所述方法包括：从一组原始数据重建多组成像数据，所述多组成像数据中的每一组使用
3、在一实施例中，所述重建参数包括重建算法、重建核、像素间距、切片厚度和间距、以及射束硬化校正中的一个或多个。重建包括使用模拟器进行重建。在一实施例中，所述原始数据包括ct正弦图。
4、在一实施例中，重建参数的一个或多个组合提供了成像数据的最小化正则化。
5、给定临床任务包括冠状动脉管腔分割或器官轮廓绘制。评分包括将输出与专家标注的数据进行比较。
6、在一实施例中，所述方法进一步包括：执行医学成像过程以获取扫描数据；使用最优重建参数从扫描数据重建第一图像；将图像输入到针对临床任务所配置的计算机辅助诊断应用中；以及基于计算机辅助诊断应用的输出来提供诊断。此外，所述方法可以包括：使用一组不同的重建参数从扫描数据重建第二图像；以及为操作者显示第二图像。
7、在第二方面，提供了一种用于针对给定临床任务的临床辅助诊断生成优化的机器训练网络的方法。所述方法包括：从一组原始数据重建多组成像数据，所述多组成像数据中的每一组使用重建参数的不同组合；使用利用不同的重建参数而重建的所述多组成像数据的不同组合来对网络的不同实例进行机器训练；比较机器训练网络的不同实例针对给定临床任务的性能；以及基于所述比较来选择优化的机器训练网络。
8、所述方法可以进一步包括执行医学成像过程以获取扫描数据；使用被配置成提供扫描数据的最小化处理的重建参数从扫描数据重建第一图像；将图像输入到优化的机器训练网络中；以及提供优化的机器训练网络的输出。
9、在第三方面，提供了一种用于给定临床任务的临床辅助诊断的系统。所述系统包括医学成像设备、机器训练网络和图像处理器。医学成像设备被配置成获取原始数据。机器训练网络是针对给定临床任务所配置的。图像处理器被配置成选择用于机器训练网络的最优重建参数，使用最优重建参数来重建第一图像，并且将第一图像输入到针对给定临床任务的机器训练网络中，所述图像处理器进一步被配置成使用不同的重建参数来重建第二图像。第二图像以及机器训练网络的输出被提供给操作者。
10、所述系统可以进一步包括显示器，所述显示器被配置成显示第二图像、机器训练网络的输出。给定临床任务可以包括患者器官的分割。医学成像设备可以包括ct设备、mri设备、x射线设备或超声设备中的一个。
11、本专利技术由以下权利要求限定，并且本部分中的任何内容都不应当被视为对那些权利要求的限制。本专利技术的进一步方面和优点在下面结合优选实施例进行讨论，并且稍后可以被独立地或组合地要求保护。
本文档来自技高网...【技术保护点】
1.一种用于针对给定临床任务的临床辅助诊断确定最优重建参数的方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述重建参数包括重建算法、重建核、像素间距、切片厚度和间距、以及射束硬化校正中的一个或多个。
3.根据权利要求1所述的方法，其中重建包括使用模拟器进行重建。
4.根据权利要求1所述的方法，其中重建参数的一个或多个组合提供了成像数据的最小化正则化。
5.根据权利要求1所述的方法，其中所述给定临床任务包括冠状动脉管腔分割或器官轮廓绘制。
6.根据权利要求1所述的方法，其中评分包括将输出与专家标注的数据进行比较。
7.根据权利要求1所述的方法，其中所述原始数据包括CT正弦图。
8.根据权利要求1所述的方法，进一步包括：
9.根据权利要求8所述的方法，进一步包括：
10.一种用于针对给定临床任务的临床辅助诊断生成优化的机器训练网络的方法，所述方法包括：
11.根据权利要求10所述的方法，其中所述原始数据组包括CT数据。
12.根据权利要求10所
13.根据权利要求10所述的方法，其中重建参数的不同组合包括被配置成提供原始数据的最小化处理的重建参数。
14.根据权利要求10所述的方法，其中所述给定临床任务包括冠状动脉管腔分割。
15.根据权利要求10所述的方法，进一步包括：
16.根据权利要求10所述的方法，其中所述网络包括卷积神经网络。
17.一种用于给定临床任务的临床辅助诊断的系统，所述系统包括：
18.根据权利要求17所述的系统，进一步包括：
19.根据权利要求17所述的系统，其中所述给定临床任务包括患者器官的分割。
20.根据权利要求17所述的系统，其中所述医学成像设备包括CT设备、MRI设备、X射线设备或超声设备中的一个。
...【技术特征摘要】
1.一种用于针对给定临床任务的临床辅助诊断确定最优重建参数的方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述重建参数包括重建算法、重建核、像素间距、切片厚度和间距、以及射束硬化校正中的一个或多个。
3.根据权利要求1所述的方法，其中重建包括使用模拟器进行重建。
4.根据权利要求1所述的方法，其中重建参数的一个或多个组合提供了成像数据的最小化正则化。
5.根据权利要求1所述的方法，其中所述给定临床任务包括冠状动脉管腔分割或器官轮廓绘制。
6.根据权利要求1所述的方法，其中评分包括将输出与专家标注的数据进行比较。
7.根据权利要求1所述的方法，其中所述原始数据包括ct正弦图。
8.根据权利要求1所述的方法，进一步包括：
9.根据权利要求8所述的方法，进一步包括：
10.一种用于针对给定临床任务的临床辅助诊断生成优化的机器训练网络的方法，所述方法包括：
11.根...
【专利技术属性】
技术研发人员：M·霍尔布鲁克，M·A·古尔松，M·S·纳达尔，P·沙尔玛，B·迈尔赫，
申请(专利权)人：西门子医疗有限公司，
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。