[發明專利]用于多對比度腦磁共振數據中異常檢測的框架

在審

• 申請號: 201910992877.6
• 申請日: 2016-09-14
• 公開（公告）號: CN110710973A
• 公開（公告）日: 2020-01-21
• 發明（設計）人: H.E.策廷古爾;M.S.納達爾;B.L.奧德里
• 申請（專利權）人: 西門子醫療有限公司
• 主分類號: A61B5/055
• 分類號: A61B5/055
• 代理公司: 72001 中國專利代理(香港)有限公司
• 代理人: 黃濤;劉春元

一種用于在磁共振(MR)腦圖像數據中識別異常的計算機實現的方法包括：計算機接收對象的腦部的多對比度MR圖像數據；以及在多對比度MR圖像數據內識別(i)包括一個或多個可疑異常的異常區域和(ii)包括健康組織的健康區域。所述計算機創建健康區域的模型，基于異常區域和模型為多對比度MR圖像數據中的每個體素計算新奇得分，以及基于為多對比度MR圖像數據中的每個體素計算的新奇得分創建對象的腦部的異常圖。

本申請是申請日為2016年9月14日，申請號為201610827542.5并且發明名稱為“用于多對比度腦磁共振數據中異常檢測的框架”申請的分案申請。

技術領域

本發明一般地涉及用于在多對比度磁共振成像(MRI)腦數據中檢測異常的方法、系統和設備。公開的技術可被應用于例如多發性硬化(MS)、創傷性腦損傷、缺血性中風和非典型神經膠質瘤的檢測。

背景技術

在成像數據中自動地檢測異常(例如，腫瘤、損害或諸如金屬植入物之類的結構等形式的病狀)的問題已在幾年間成為感興趣的話題。特別地，自從出現現在的多對比度(例如，T1/T2/PD/FLAIR/SWI) MR成像協議以來，擴散異常損害(例如，在具有多發性硬化、創傷性腦損傷的病人的腦圖像中遇到的超強度)的檢測和描繪已獲得進步。然而，由于獲取的圖像中的病狀(例如，高度擴散與以某種方式聚焦的空間分布、高度可變的對比度分布等)的復雜表現，這個問題充滿挑戰性。因此，手工描繪仍然是臨床中的慣例。另外，現有技術醫療圖像分析方案經常采用監督學習方案，所述監督學習方案為了“魯棒性”而需要仔細設計的特征/生物標記和大量的訓練數據。這些方案可能無法提升病人特定試驗臺，并且它們隱含地或明確地旨在推斷可能不需要的針對異常的模型或表示。

新奇檢測(ND)(在文獻中也被稱為異常或異常點檢測)已在二十多年間成為研究人員感興趣的話題。已有新奇檢測技術能夠被分類為概率、基于距離、基于域、基于重構和信息理論ND，其中應用范圍為從IT安全、文本挖掘、工業監測和損傷檢測到健康護理信息學和醫學診斷和監測。

因此，給定ND中可用的能力，希望提供一種用于在多對比度磁共振成像(MRI)腦數據中檢測異常的情況下應用ND的框架。

發明內容

通過提供與在多對比度腦MR數據中檢測異常的完整醫療圖像分析框架相關的方法、系統和設備，本發明的實施例解決和克服一個或多個以上短處和缺點。公開的技術可被應用于例如腦異常的診斷/預后成像。可能的臨床使用非限制性地包括多發性硬化、創傷性腦損傷、缺血性中風和非典型神經膠質瘤。這里描述的技術的擴展也能夠被用于其它器官(諸如，肝臟和肺)中的腫瘤檢測。

根據本發明的一些實施例，用于在磁共振(MR)腦圖像數據中識別異常的計算機實現的方法包括：計算機接收對象的腦部的多對比度MR圖像數據；以及在多對比度MR圖像數據內識別(i)包括一個或多個可疑異常的異常區域和(ii)包括健康組織的健康區域。所述計算機創建健康區域的模型，基于異常區域和模型為多對比度MR圖像數據中的每個體素計算新奇得分，以及基于為多對比度MR圖像數據中的每個體素計算的新奇得分創建對象的腦部的異常圖。

可在本發明的不同實施例中改進、增強、補充或以其它方式修改前述方法的特征。例如，在一些實施例中，在識別異常區域和健康區域之前，一個或多個圖像預處理過程被應用于多對比度MR圖像數據。這些圖像預處理過程可包括例如不均勻性校正過程、運動校正過程、頭骨剝離過程、重采樣過程、濾波/去噪聲過程和/或高級組織分割過程。在一些實施例中，使用分析多變量極值理論(EVT)近似來為每個體素計算新奇得分。在一些實施例中，前述方法還包括：識別與高于預定閾值的新奇得分對應的多對比度MR圖像數據中的體素。這些體素可隨后被用于描述異常圖中的異常。在一些實施例中，一個或多個解剖掩模可被用于識別異常圖中的誤報體素。這些誤報體素可隨后被識別為異常圖中的健康組織。