[發明專利]醫學成像中基于人工智能的材料分解

在審

• 申請號: 202010147347.4
• 申請日: 2020-03-05
• 公開（公告）號: CN111666966A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: P.薩貝巴格扎德;P.沙爾馬
• 申請（專利權）人: 西門子醫療有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G16H30/20
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 張凌苗;陳嵐

1.一種用于醫學成像系統中的材料分解的方法，所述方法包括：

利用光譜計算機斷層掃描（CT）系統來掃描患者，所述掃描提供對患者進行表示的光譜CT數據；

由經機器學習的模型響應于光譜CT數據而生成針對多個位置中每個位置的材料分解；

顯示針對所述多個位置的材料分解的圖像。

2.根據權利要求1所述的方法，其中掃描包括使用雙重能量或光子計數利用光譜CT系統來進行掃描。

3.根據權利要求1所述的方法，其中生成包括利用已經使用基于CT的材料分解成像作為地面實況而被訓練的經機器學習的模型來生成。

4.根據權利要求3所述的方法，其中生成包括利用已經使用對具有已知材料的幻像的基于CT的材料分解成像作為地面實況而被訓練的經機器學習的模型來生成。

5.根據權利要求1所述的方法，其中生成包括利用已經使用基于綜合的CT模型的材料分解成像作為地面實況而被訓練的經機器學習的模型來生成。

6.根據權利要求1所述的方法，其中生成包括通過經機器學習的模型、響應于光譜CT數據、掃描特性和注入信息來生成。

7.根據權利要求1所述的方法，其中生成包括通過已經利用針對訓練樣本的圖像品質評級而被訓練的經機器學習的模型來生成。

8.根據權利要求1所述的方法，其中生成包括利用經機器學習的模型來生成，所述經機器學習的模型包括卷積神經網絡。

9.根據權利要求1所述的方法，其中生成包括利用經機器學習的模型來生成，所述經機器學習的模型包括具有長短期存儲器的遞歸神經網絡。

10.根據權利要求1所述的方法，其中生成包括基于針對位置以及位置的多個近鄰位置的光譜CT數據來為所述多個位置中的每個位置進行生成。

11.根據權利要求1所述的方法，其中生成包括通過已經利用字典嵌入而被訓練的經機器學習的模型來生成。

12.根據權利要求1所述的方法，此外包括執行光譜CT材料分解成像，其中所述材料分解是光譜CT材料分解和經機器學習的模型的輸出的函數。

13.根據權利要求1所述的方法，其中生成包括將材料分解生成為三種或更多材料的分解。

14.根據權利要求13所述的方法，其中生成包括生成針對三種或更多材料、在每個位置處的濃度，并且其中顯示包括顯示圖像作為針對三種或更多材料中的一個材料的第一材料映射，并且顯示第二和第三材料映射作為針對三種或更多材料中的其它材料的其它圖像。

15.一種用于材料分解的系統，所述系統包括：

用于掃描患者的計算機斷層掃描型掃描儀，所述醫學掃描儀被配置成輸出對患者的內部區進行表示的數據；

圖像處理器，其被配置成應用人工智能來分解由所述數據表示的兩種或更多材料；以及

顯示器，其被配置成顯示針對所述兩種或更多材料中至少一個的圖像。

16.根據權利要求15所述的系統，其中所述計算機斷層掃描型掃描儀包括光譜計算機斷層掃描型掃描儀。

17.根據權利要求15所述的系統，其中所述數據表示內部區的多個位置，并且其中人工智能在針對每個位置的兩種或更多材料的分解中使用來自位置的多個近鄰位置的數據。

18.根據權利要求15所述的系統，其中所述人工智能被訓練成將兩種或更多材料分解為至少三種材料。