【技术实现步骤摘要】
【国外来华专利技术】
本说明书涉及医学成像领域，尤其涉及医学成像中数据和/或图像优化的系统和方法。
技术介绍
1、目前，机器学习模型(例如，神经网络模型)被广泛用于医学成像中的数据和/或图像优化。例如，深度神经网络可以用于图像去噪和/或增强，从而提高疾病诊断和/或治疗的效率和准确性。可以使用包括训练输入数据和训练目标数据的训练数据来训练机器学习模型，训练目标数据被用作机器学习模型输出的目标或参考。机器学习模型输出的数据和/或图像的质量最终取决于训练数据(例如，训练目标数据)的质量。传统上，高质量的训练数据是通过延长对象的扫描时间、增加注入对象体内的药物剂量和/或提高用于扫描对象的成像系统的飞行时间(tof)灵敏度来获得的。然而，传统方法可能会增加对象的辐射剂量，更容易受到运动伪影的影响，并由于扫描时间延长而增加对象的不适感。因此，希望提供一种能有效方便地提供高质量训练数据的系统和方法。
技术实现思路
1、根据本说明书的一方面，提供了一种系统。所述系统可以包括至少一个存储介质，包括指令集；以及至少一个处理器，与所述至少一个存储介质通信。当执行所述指令集时，所述至少一个处理器被配置为使所述系统执行以下操作：获取机器学习模型和至少一个样本对象的初步训练数据；通过处理所述初步训练数据生成训练输入数据，所述初步训练数据在数据质量参数方面优于所述训练输入数据；以及基于所述训练输入数据和所述初步训练数据训练机器学习模型，以确定训练好的机器学习模型，所述初步训练数据被作为所述机器学习模型的训练目标数据。
2
3、在一些实施例中，所述数据质量参数包括信噪比(snr)、空间分辨率和图像对比度中的至少一种。
4、在一些实施例中，所述初步训练数据是通过执行数据分割操作、数据重组操作和降采样操作中的至少一种来处理的。
5、在一些实施例中，所述初步训练数据包括由第一正电子发射断层成像(positronemission tomography，pet)扫描仪生成的第一扫描数据，所述第一pet扫描仪的轴向长度超过轴向长度阈值。
6、在一些实施例中，所述通过处理所述初步训练数据生成训练输入数据包括：以预设降采样率对所述第一扫描数据进行降采样；以及指定所述降采样后的第一次扫描数据作为所述训练输入数据。
7、在一些实施例中，所述初步训练数据包括由第一pet扫描仪生成的第一列表模式数据，所述第一pet扫描仪的飞行时间(tof)分辨率高于tof分辨率阈值。
8、在一些实施例中，所述通过处理所述初步训练数据生成训练输入数据包括：根据预设tof信息对所述第一列表模式数据进行重组，与所述预设tof信息相对应的tof分辨率低于所述tof分辨率阈值；以及指定所述重组后的第一列表模式数据作为所述训练输入数据。
9、在一些实施例中，所述初步训练数据包括由第一pet扫描仪生成的第二列表模式数据，所述第一pet扫描仪的探测器单元尺寸小于探测器单元尺寸阈值。
10、在一些实施例中，所述通过处理所述初步训练数据生成训练输入数据包括：根据所述第一pet扫描仪的探测器单元的坐标和预设探测器单元尺寸确定虚拟探测器单元的坐标，所述预设探测器单元尺寸大于所述探测器单元尺寸阈值；根据确定的所述虚拟探测器单元的坐标对所述第二列表模式数据进行重组；以及指定所述重组后的第二列表模式数据作为所述训练输入数据。
11、在一些实施例中，所述初步训练数据包括由第一pet扫描仪生成的第三列表模式数据，所述第三列表模式数据的噪声等效计数率(noise equivalent count rate，necr)大于necr阈值。
12、在一些实施例中，所述通过处理所述初步训练数据生成训练输入数据包括：从所述第三列表模式数据的延迟符合计数中提取数据集；通过复制所述数据集生成两个数据集，其中一个数据集的符合标记保持不变，另一个数据集的符合标记用即时符合计数替换；通过将所述两个数据集并入所述第三列表模式数据，生成第四列表模式数据；以及指定所述第四列表模式数据作为所述训练输入数据。
13、在一些实施例中，所述训练好的机器学习模型用于通过向所述训练好的机器学习模型输入第二扫描数据，生成对象的优化后的第二扫描数据，所述第二扫描数据通过使用第二扫描设备扫描所述对象而获得。
14、根据本说明书的另一方面，提供了一种系统。所述系统可以包括至少一个存储介质，包括指令集；以及至少一个处理器，与所述至少一个存储介质通信。当执行所述指令集时，所述至少一个处理器被配置为使所述系统执行以下操作：获取训练好的机器学习模型，其中，所述训练好的机器学习模型使用包括初步训练数据的训练数据进行训练，所述初步训练数据通过使用一个或多个第一扫描设备扫描至少一个样本对象获得；通过使用第二扫描设备扫描所述对象，获取对象的扫描数据，所述第二扫描设备与所述一个或多个第一扫描设备中的至少一个不相同；以及通过将所述扫描数据输入所述训练好的机器学习模型，生成所述对象的优化后的扫描数据。
15、在一些实施例中，所述优化后的扫描数据在数据质量参数方面优于所述扫描数据。
16、在一些实施例中，所述数据质量参数包括信噪比、空间分辨率和图像对比度中的至少一种。
17、在一些实施例中，所述训练好的机器学习模型通过以下方式进行训练：通过处理所述初步训练数据生成训练输入数据，所述初步训练数据在数据质量参数方面优于所述训练输入数据；以及基于所述训练输入数据和所述初步训练数据训练所述机器学习模型，以确定所述训练好的机器学习模型，所述初步训练数据被作为所述机器学习模型的训练目标数据。
18、在一些实施例中，所述初步训练数据包括从所述一个或多个第一扫描设备获取的原始数据、与所述原始数据相对应的正弦图数据和基于所述原始数据重建的图像数据中的至少一种。
19、本说明书进一步提供了一种方法。所述方法可以在具有处理器和计算机可读存储设备的计算设备上实现。所述方法可以包括获取机器学习模型和至少一个样本对象的初步训练数据；通过处理所述初步训练数据生成训练输入数据，所述初步训练数据在数据质量参数方面优于所述训练输入数据；以及基于所述训练输入数据和所述初步训练数据训练所述机器学习模型，以确定训练好的机器学习模型，所述初步训练数据被作为所述机器学习模型的训练目标数据。
20、本说明书进一步提供了一种方法。所述方法可以在具有处理器和计算机可读存储设备的计算设备上实现。所述方法可以包括获取训练好的机器学习模型，其中，所述训练好的机器学习模型使用包括初步训练数据的训练数据进行训练，所述初步训练数据通过使用一个或多个第一扫描设备扫描至少一个样本对象获得；通过使用第二扫描设备扫描对象，获取所述对象的扫描数据，所述第二扫描设备与所述一个或多个第一扫描设备中的至少一本文档来自技高网...
【技术保护点】
1.一种系统，包括：
2.如权利要求1所述的系统，其特征在于，所述初步训练数据包括从一个或多个第一扫描设备获取的原始数据、与所述原始数据相对应的正弦图数据和基于所述原始数据重建的图像数据中的至少一种。
3.如权利要求1所述的系统，其特征在于，所述数据质量参数包括信噪比(SNR)、空间分辨率和图像对比度中的至少一种。
4.如权利要求1所述的系统，其特征在于，所述初步训练数据是通过执行数据分割操作、数据重组操作和降采样操作中的至少一种来处理的。
5.如权利要求1所述的系统，其特征在于，所述初步训练数据包括由第一正电子发射断层成像(PET)扫描仪生成的第一扫描数据，所述第一PET扫描仪的轴向长度超过轴向长度阈值。
6.如权利要求5的系统，其特征在于，所述通过处理所述初步训练数据生成训练输入数据包括：
7.如权利要求1所述的系统，其特征在于，所述初步训练数据包括由第一PET扫描仪生成的第一列表模式数据，所述第一PET扫描仪的飞行时间(TOF)分辨率高于TOF分辨率阈值。
8.如权利要求7所述的系统，其特征
9.如权利要求1所述的系统，其特征在于，所述初步训练数据包括由第一PET扫描仪生成的第二列表模式数据，所述第一PET扫描仪的探测器单元尺寸小于探测器单元尺寸阈值。
10.如权利要求9所述的系统，其特征在于，所述通过处理所述初步训练数据生成训练输入数据包括：
11.权利要求1的系统，其特征在于，所述初步训练数据包括由第一PET扫描仪生成的第三列表模式数据，所述第三列表模式数据的噪声等效计数率(NECR)大于NECR阈值。
12.如权利要求11所述的系统，其特征在于，所述通过处理所述初步训练数据生成训练输入数据包括：
13.如权利要求1所述的系统，其特征在于，所述训练好的机器学习模型用于
14.一种系统，包括：
15.如权利要求14所述的系统，其特征在于，所述优化后的扫描数据在数据质量参数方面优于所述扫描数据。
16.如权利要求15所述的系统，其特征在于，所述数据质量参数包括信噪比(SNR)、空间分辨率和图像对比度中的至少一种。
17.如权利要求14所述的系统，其特征在于，所述训练好的机器学习模型通过以下方式进行训练：
18.如权利要求14所述的系统，其特征在于，所述初步训练数据包括从所述一个或多个第一扫描设备获取的原始数据、与所述原始数据相对应的正弦图数据和基于所述原始数据重建的图像数据中的至少一种。
19.一种方法，在具有处理器和计算机可读存储设备的计算设备上实现，所述方法包括：
20.如权利要求19所述的方法，其特征在于，所述初步训练数据包括从一个或多个第一扫描设备获取的原始数据、与所述原始数据相对应的正弦图数据和基于所述原始数据重建的图像数据中的至少一种。
21.如权利要求19所述的方法，其特征在于，所述数据质量参数包括信噪比(SNR)、空间分辨率和图像对比度中的至少一种。
22.如权利要求19所述的方法，其特征在于，所述初步训练数据是通过执行数据分割操作、数据重组操作和降采样操作中的至少一种来处理的。
23.如权利要求19所述的方法，其特征在于，所述初步训练数据包括由第一正电子发射断层成像(PET)扫描仪生成的第一扫描数据，所述第一扫描数据的轴向长度超过轴向长度阈值。
24.如权利要求23所述的方法，所述通过处理所述初步训练数据生成训练输入数据包括：
25.如权利要求19所述的方法，其特征在于，所述初步训练数据包括由第一PET扫描仪生成的第一列表模式数据，所述第一PET扫描仪的飞行时间(TOF)分辨率高于TOF分辨率阈值。
26.如权利要求25所述的方法，其特征在于，所述通过处理所述初步训练数据生成训练输入数据包括
27.据权利要求19所述的方法，其特征在于，所述初步训练数据包括由第一PET扫描仪生成的第二列表模式数据，所述第一PET扫描仪的探测器单元尺寸小于探测器单元尺寸阈值。
28.如权利要求27所述的方法，其特征在于，所述通过处理所述初步训练数据生成训练输入数据包括：
29.如权利要求19所述的方法，其特征在于，所述初步训练数据包括由第一PET扫描仪生成的第三列表模式数据，所述第三列表模式数据的噪声等效计数率(NECR)大于NECR阈值。
30.如权利要求29所述的方法，其特征在于，所述通过处理所述初步训练数据生成训练...
【技术特征摘要】
【国外来华专利技术】
1.一种系统，包括：
2.如权利要求1所述的系统，其特征在于，所述初步训练数据包括从一个或多个第一扫描设备获取的原始数据、与所述原始数据相对应的正弦图数据和基于所述原始数据重建的图像数据中的至少一种。
3.如权利要求1所述的系统，其特征在于，所述数据质量参数包括信噪比(snr)、空间分辨率和图像对比度中的至少一种。
4.如权利要求1所述的系统，其特征在于，所述初步训练数据是通过执行数据分割操作、数据重组操作和降采样操作中的至少一种来处理的。
5.如权利要求1所述的系统，其特征在于，所述初步训练数据包括由第一正电子发射断层成像(pet)扫描仪生成的第一扫描数据，所述第一pet扫描仪的轴向长度超过轴向长度阈值。
6.如权利要求5的系统，其特征在于，所述通过处理所述初步训练数据生成训练输入数据包括：
7.如权利要求1所述的系统，其特征在于，所述初步训练数据包括由第一pet扫描仪生成的第一列表模式数据，所述第一pet扫描仪的飞行时间(tof)分辨率高于tof分辨率阈值。
8.如权利要求7所述的系统，其特征在于，所述通过处理所述初步训练数据生成训练输入数据包括：
9.如权利要求1所述的系统，其特征在于，所述初步训练数据包括由第一pet扫描仪生成的第二列表模式数据，所述第一pet扫描仪的探测器单元尺寸小于探测器单元尺寸阈值。
10.如权利要求9所述的系统，其特征在于，所述通过处理所述初步训练数据生成训练输入数据包括：
11.权利要求1的系统，其特征在于，所述初步训练数据包括由第一pet扫描仪生成的第三列表模式数据，所述第三列表模式数据的噪声等效计数率(necr)大于necr阈值。
12.如权利要求11所述的系统，其特征在于，所述通过处理所述初步训练数据生成训练输入数据包括：
13.如权利要求1所述的系统，其特征在于，所述训练好的机器学习模型用于
14.一种系统，包括：
15.如权利要求14所述的系统，其特征在于，所述优化后的扫描数据在数据质量参数方面优于所述扫描数据。
16.如权利要求15所述的系统，其特征在于，所述数据质量参数包括信噪比(snr)、空间分辨率和图像对比度中的至少一种。
17.如权利要求14所述的系统，其特征在于，所述训练好的机器学习模型通过以下方式进行训练：
18.如权利要求14所述的系统，其特征在于，所述初步训练数据包括从所述一个或多个第一扫描设备获取的原始数据、与所述原始数据相对应的正弦图数据和基于所述原始数据重建的图像数据中的至少一种。
19.一种方法，在具有处理器和计算机可读存储设备的计算设备上实现，所述方法包括：
20.如权利要求19所述的方法，其特征在于，所述初步训练数据包括从一个或多个第一扫描设备获取的原始数据、与所述原始数据相对应的...
【专利技术属性】
技术研发人员：吕杨，
申请(专利权)人：上海联影医疗科技股份有限公司，
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。