[發明專利]用于使用深度學習的醫學成像的造影劑量減少

在審

• 申請號: 201880072487.0
• 申請日: 2018-10-09
• 公開（公告）號: CN111601550A
• 公開（公告）日: 2020-08-28
• 發明（設計）人: G·扎哈丘克;E·龔;J·M·保利
• 申請（專利權）人: 小利蘭·斯坦福大學托管委員會
• 主分類號: A61B6/00
• 分類號: A61B6/00;G06K9/62;G06K9/64;G06K9/66;G06T3/40;G06T5/50
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 黃嵩泉;張鑫

一種用于以減少的造影劑劑量進行診斷成像方法使用深度學習網絡(DLN)[114]，該網絡已通過使用零造影[100]和低造影[102]圖像作為DLN的輸入以及使用全造影圖像[104]作為參考地面真值圖像而被訓練。在訓練之前，對圖像進行預處理[106、110、118]以對它們進行相互配準和標準化。然后使用經訓練的DLN[114]根據獲得的零劑量和低劑量圖像預測合成的全劑量造影劑圖像[116]。

技術領域

本發明總體上涉及醫學診斷成像。更具體地，它涉及使用造影劑的成像技術。

背景技術

許多類型的醫學成像使用造影劑來增強正常和異常結構的可視化。示例包括常規血管造影術、熒光透視法、計算機斷層掃描(CT)、超聲、和磁共振成像(MRI)。為了增加造影劑的安全性，通常需要減少造影劑的劑量。然而，減少劑量會降低期望的成像增強，因此這一直是不可能的。

例如，MRI是一種強大的成像技術，它提供獨特的信息來區分不同的軟組織和病理。通常施用具有獨特的弛豫參數的磁造影劑來進一步提高病理可視性和病變輪廓。含釓造影劑(GBCA)因其順磁特性而被廣泛用在MRI檢查中，用于諸如血管造影、神經成像和肝臟成像之類的應用。然而，盡管GBCA被設計成避免毒性釋放，并且已廣泛應用于造影增強MRI(CE-MRI)檢查以輔助診斷，但GBCA施用仍有一些副作用。因此，在MRI成像中，在保持增強造影的同時，減少GBCA的劑量是有利的，其原因有很多。類似的問題也與在其他成像方式中施用造影劑有關。因此，在診斷成像技術中，能夠在不犧牲造影劑提供的圖像增強益處的情況下，通常減少造影劑的劑量將是有益的。

發明內容

本發明提供了使用比當前可能的更低的造影劑量來增強診斷成像模式的圖像質量的技術。這為提高醫學成像的價值提供了新機會。除了MRI，這些技術通常適用于各種診斷成像技術，包括血管造影、透視、計算機斷層掃描(CT)和超聲波。

令人驚訝的是，本發明的技術能夠根據低劑量造影劑圖像和前劑量(pre-dose)圖像預測合成的全劑量造影劑圖像。低劑量可以是全劑量的任何分數，但優選為全劑量的1/10或更小。值得注意的是，單純地將1/10低劑量CE-MRI的造影增強放大10倍會導致圖像質量差(噪聲大并且結構模糊)。即使低造影圖像不能直接用于診斷，也不能簡單地放大其攝取，但本發明的技術顯著地能夠恢復全造影信號并生成具有高診斷質量的預測的全造影圖像。具體地，在實驗測試中，該方法產生勝于10％低劑量圖像的顯著改善，其中超過5db的PSNR增益，增加11％的SSIM，圖像質量和造影增強等級也有改善。

本發明的實施例使用深度學習網絡，諸如用于圖像到圖像回歸的卷積神經網絡，其中前造影圖像和低造影圖像為輸入，以預測的全造影圖像為輸出。在預測中優選地使用殘差學習方法。

該方法包括預處理，使不同圖像之間的相互配準和標準化，使它們具有直接的可比性。該步驟很重要，因為對于每次掃描，有任意不同的采集和縮放因子。優選地，平均信號用于標準化。然后利用經預處理的圖像訓練深度學習網絡，以根據前造影圖像和低造影圖像預測全造影圖像。然后利用經訓練的網絡根據臨床掃描的前造影圖像和低造影圖像合成全造影圖像。該技術通常適用于任何使用造影劑的診斷成像模式。例如，成像應用包括透視、MRI、CT和超聲。