[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

醫學成像中基于人工智能的材料分解。對于醫學成像中的材料分解，經機器學習的模型被訓練以分解。例如，針對多個位置的光譜CT數據被輸入，并且經機器學習的模型輸出材料組成。使用來自周圍位置的信息以用于針對給定位置的通過經機器學習的模型的分解可以允許更準確的材料分解和/或三種或更多材料的分解。

背景技術

本實施例涉及醫學成像中的材料分解。光譜計算機斷層掃描（CT）使用材料分解技術將以不同能量的測量分解成不同的基礎材料。例如，在兩材料分解中區分骨骼和對比劑（contrast agent）（例如碘）。現有的材料分解算法基于針對單獨位置的測量來針對單獨的位置（例如體素）進行分解。由于在具有高數量的能量倉的系統中的有限光子與具有低數量的能量倉的系統中的能量倉的寬度之間的權衡所致的射束硬化偽像和統計噪聲引起分解中的不準確性。

雙重能量掃描不能分離多于兩種材料，除非所述材料中的一個具有k邊緣特性（即在多于兩個能量水平下的測量不提供附加的信息）。可以使用附加的倉或能量閾值來分解三種或更多材料。對于多于兩種材料的材料分解，統計噪聲水平大幅度增大，從而導致誤差和不準確性。在具有用于在大量材料之間進行區分的更多能量閾值或能量倉的情況下，在每個能量倉中存在較少的光子，因為總臨床劑量被限制。隨著能量倉變窄以用于更多的材料，存在更多的射束硬化。

發明內容

作為介紹，下述優選實施例包括用于醫學成像中的材料分解的方法、系統、指令和非暫時性計算機可讀介質。訓練經機器學習的模型來分解。例如，針對多個位置的光譜CT數據被輸入，并且經機器學習的模型輸出材料組成。使用來自周圍位置的信息以用于針對給定位置的通過經機器學習的模型的分解可以允許更準確的材料分解和/或三種或更多材料的分解。

在第一方面中，提供一種方法來用于醫學成像系統中的材料分解。利用光譜計算機斷層掃描（CT）系統來掃描患者。掃描提供對患者進行表示的光譜CT數據。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。針對所述多個位置的材料分解的圖像被顯示。

在第二方面中，提供一種系統來用于材料分解。用于掃描患者的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。顯示器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。

在第三方面中，提供一種方法來用于醫學成像系統中的材料分解。利用醫學成像系統來掃描患者，從而提供對患者進行表示的數據。經機器學習的模型響應于所述數據而生成針對多個位置中每個位置的材料分解，所述針對多個位置中每個位置的材料分解基于針對位置的多個近鄰位置的數據。材料分解是三種或更多材料的分解。針對所述多個位置的材料分解的一個或多個圖像被顯示。

本發明由隨后的權利要求來限定，并且本章節中沒有什么應當被認為是對那些權利要求的限制。本發明的此外的方面和優點在以下結合優選實施例來被討論，并且可以稍后獨立地或組合地被要求保護。

附圖說明

部件和圖不一定是按比例的，而代替地強調被置于說明本發明的原理上。此外，在各圖中，同樣的參考標號貫穿不同的視圖指明對應的部分。

圖1是用于醫學成像系統中的材料分解的方法的一個實施例的流程圖圖解；

圖2圖示了用于材料分解的人工智能的訓練；

圖3示出了來自材料分解的不同材料的濃度的圖像；并且

圖4是用于材料分解的系統的一個實施例。

具體實施方式