[發明專利]基于完全卷積神經網絡的心臟CTA解剖結構分割系統

在審

• 申請號: 201980007424.1
• 申請日: 2019-01-17
• 公開（公告）號: CN111557020A
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 唐暉;M·莫拉迪;A·埃爾哈魯尼;王宏志;G·韋尼;P·普拉桑納;T·F·賽義達-馬哈茂德
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 于靜;楊曉光

一種方法，包括：(a)針對多個器官中的每一個，收集(i)在軸向視圖中掃描的一組胸部計算機斷層攝影血管造影(CTA)圖像和(ii)圖像的手動分割；(b)預處理所述圖像，使得它們共享相同的視場(FOV)；(c)使用圖像及其手動分割來訓練監督深度學習分割網絡，其中從作為所有多個器官的骰子分數的總和的多骰子分數來確定損失，每個骰子分數被計算為手動分割與一個器官的網絡的輸出之間的相似性；(d)在該訓練網絡上測試給定(輸入)預處理圖像，從而獲得該給定圖像的分割輸出；以及(e)平滑所述給定圖像的所述分割輸出。

背景技術

本申請總體上涉及一種改進的數據處理裝置和方法，并且更具體地涉及用于使用完全卷積神經網絡分割(segmentation)心臟CTA中的解剖結構的機制。

發明內容

根據本發明，提供了一種方法，該方法包括(a)針對多個器官中的每一個采集(i)在軸向視圖中掃描的一組胸部計算機斷層攝影血管造影(CTA)圖像和(ii)圖像的手動分割；(b)預處理所述圖像，使得它們共享相同的視場(FOV)；(c)使用圖像及其手動分割來訓練監督深度學習分割網絡，其中從作為所有多個器官的骰子分數的總和的多骰子分數來確定損失，每個骰子分數被計算為手動分割與一個器官的網絡的輸出之間的相似性；(d)在該訓練網絡上測試給定(輸入)預處理圖像，從而獲得該給定圖像的分割輸出；以及(e)平滑所述給定圖像的所述分割輸出。

在其他說明性實施例中，提供了一種計算機程序產品，該計算機程序產品包括具有計算機可讀程序的計算機可用或可讀介質。當在計算裝置上執行時，計算機可讀程序使計算裝置執行以上關于方法說明性實施例概述的操作中的不同操作和操作的組合。

在又另一個說明性實施例中，提供了一種系統/設備。該系統/裝置可以包括一個或多個處理器和耦合到該一個或多個處理器的存儲器。所述存儲器可以包括指令，所述指令在由所述一個或多個處理器執行時使得所述一個或多個處理器執行以上關于方法說明性實施例概述的操作中的不同操作和組合。

本發明的這些和其他特征和優點將在本發明的示例性實施例的以下詳細描述中描述，或者鑒于本發明的示例性實施例的以下詳細描述，對本領域的普通技術人員將變得明顯。

附圖說明

當結合附圖閱讀時，通過參考以下說明性實施例的詳細描述，將最好地理解本發明及其優選使用方式和其他目的和優點，其中

圖1是其中可以實現說明性實施例的方面的分布式數據處理系統的示例圖；

圖2是其中可以實現說明性實施例的方面的計算設備的示例框圖；

圖3是每種解剖學的DSC和不同方法的平均DSC的條形圖；

圖4A是根據說明性實施例的原始圖像的分割的2D可視化；

圖4B是根據說明性實施例的來自多標簽V-Net的結果的分段的2D可視化；

圖4C是根據說明性實施例的后處理之后的結果的分割的2D可視化；

圖4D是根據說明性實施例的地面事實的分割的2D可視化；

圖5A是根據說明性實施例的來自多標簽V-Net的結果的分段的3D體繪制；

圖5B是根據說明性實施例的后處理之后的結果的分割的3D體繪制；

圖5C是根據說明性實施例的地面事實的分段的3D體繪制；

圖6是框圖，展示了根據說明性實施例的用于使用多標簽V-Net分割心臟CTA中的解剖結構的神經網絡訓練引擎；

圖7是根據說明性實施例的用于使用多標簽V-Net分割心臟CTA中的解剖結構的神經網絡測試引擎的框圖；

圖8是示出根據說明性實施例的用于訓練用于分割心臟CTA中的解剖結構的受監督深度學習網絡的機制的操作的流程圖；并且