[發明專利]醫學圖像增強

在審

• 申請號: 202010219091.3
• 申請日: 2020-03-25
• 公開（公告）號: CN111739614A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: S.雷奧恩加摩恩拉特;A.皮尤;L.M.伊圖;T.曼西
• 申請（專利權）人: 西門子醫療有限公司
• 主分類號: G16H30/20
• 分類號: G16H30/20
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 黃濤;陳嵐

1.一種用于增強醫學圖像的方法，包括：

接收具有初始視場的初始醫學圖像；

使用經訓練的機器學習模型生成具有擴展視場的擴充醫學圖像，所述擴展視場包括初始視場和擴充區域；以及

輸出所述擴充醫學圖像。

2.根據權利要求1所述的方法，其中，使用經訓練的機器學習模型生成具有擴展視場的擴充醫學圖像包括：

生成所述擴充醫學圖像，使得所述擴充醫學圖像是與所述初始醫學圖像的模態不同的模態。

3.根據權利要求1所述的方法，其中，所述擴充區域包括直接包圍所述初始醫學圖像的所述初始視場的區域。

4.根據權利要求1所述的方法，還包括：

使用另一經訓練的機器學習模型來精煉所述擴充醫學圖像。

5.根據權利要求1所述的方法，其中，使用經訓練的機器學習模型生成具有擴展視場的擴充醫學圖像包括：

基于先前的初始醫學圖像和先前的擴充醫學圖像來生成所述擴充醫學圖像。

6.根據權利要求1所述的方法，其中，所述初始視場包括x射線圖像的高質量區域，并且所述擴展視場包括所述初始視場和所述擴充區域。

7.根據權利要求1所述的方法，其中，所述初始醫學圖像包括解剖模型。

8.根據權利要求1所述的方法，其中，所述經訓練的機器學習模型是經訓練的生成式對抗網絡。

9.根據權利要求8所述的方法，其中，所述經訓練的生成式對抗網絡基于U-Net、情境編碼器和變分自動編碼器中的至少一個。

10.一種用于增強醫學圖像的裝置，包括：

用于接收具有初始視場的初始醫學圖像的構件；

用于使用經訓練的機器學習模型生成具有擴展視場的擴充醫學圖像的構件，所述擴展視場包括初始視場和擴充區域；以及

用于輸出所述擴充醫學圖像的構件。

11.根據權利要求10所述的裝置，其中，用于使用經訓練的機器學習模型生成具有擴展視場的擴充醫學圖像的構件包括：

用于生成所述擴充醫學圖像以使得所述擴充醫學圖像是與所述初始醫學圖像的模態不同的模態的構件。

12.根據權利要求10所述的裝置，其中，所述擴充區域包括直接包圍所述初始醫學圖像的所述初始視場的區域。

13.根據權利要求10所述的裝置，還包括：

用于使用另一經訓練的機器學習模型來精煉所述擴充醫學圖像的構件。

14.根據權利要求10所述的裝置，其中，用于使用經訓練的機器學習模型生成具有擴展視場的擴充醫學圖像的構件包括：

用于基于先前的初始醫學圖像和先前的擴充醫學圖像來生成所述擴充醫學圖像的構件。

15.一種非暫時性計算機可讀介質，存儲用于增強醫學圖像的計算機程序指令，所述計算機程序指令在由處理器執行時使所述處理器執行包括以下各項的操作：

接收具有初始視場的初始醫學圖像；

使用經訓練的機器學習模型生成具有擴展視場的擴充醫學圖像，所述擴展視場包括初始視場和擴充區域；以及

輸出所述擴充醫學圖像。

16.根據權利要求15所述的非暫時性計算機可讀介質，其中，使用經訓練的機器學習模型生成具有擴展視場的擴充醫學圖像包括：

生成所述擴充醫學圖像，使得所述擴充醫學圖像是與所述初始醫學圖像的模態不同的模態。