[發(fā)明專利]用于解剖樹結(jié)構(gòu)的疾病量化建模的方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010559567.8
• 申請日: 2020-06-18
• 公開（公告）號: CN111754476A
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計）人: 王昕;尹游兵;白軍杰;宋麒;曹坤琳;陸易;高峰
• 申請（專利權(quán)）人: 北京昆侖醫(yī)云科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/66;G06N3/04;G06N3/08;G16H30/40;G16H50/70
• 代理公司: 北京金信知識產(chǎn)權(quán)代理有限公司 11225
• 代理人: 董領(lǐng)遜;夏東棟

1.一種計算機(jī)實(shí)現(xiàn)的用于解剖樹結(jié)構(gòu)的疾病量化建模的方法，包括：

從訓(xùn)練圖像獲得解剖樹結(jié)構(gòu)的中心線；

由處理器基于圖生成圖神經(jīng)網(wǎng)絡(luò)，其中，每個節(jié)點(diǎn)對應(yīng)于中心線點(diǎn)，并且邊由中心線定義，每個節(jié)點(diǎn)的輸入為相應(yīng)的中心線點(diǎn)的疾病相關(guān)特征或2D/3D圖像塊，每個節(jié)點(diǎn)的輸出為疾病量化參數(shù)；

獲得一組節(jié)點(diǎn)的標(biāo)簽數(shù)據(jù)，該組節(jié)點(diǎn)的節(jié)點(diǎn)數(shù)小于圖神經(jīng)網(wǎng)絡(luò)中的節(jié)點(diǎn)的總數(shù)；以及

由處理器基于該組節(jié)點(diǎn)的標(biāo)簽數(shù)據(jù)通過在該組節(jié)點(diǎn)和其他節(jié)點(diǎn)之間傳遞信息來訓(xùn)練所述圖神經(jīng)網(wǎng)絡(luò)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，該組節(jié)點(diǎn)至少包括在所述解剖樹結(jié)構(gòu)的入口處的第一節(jié)點(diǎn)；或者，該組節(jié)點(diǎn)包括在解剖樹結(jié)構(gòu)的入口處的第一節(jié)點(diǎn)以及1-3個附加節(jié)點(diǎn)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

接收包含檢測解剖樹結(jié)構(gòu)的檢測圖像；

由所述處理器提取所述檢測解剖樹結(jié)構(gòu)的檢測中心線；

由處理器根據(jù)檢測圖生成訓(xùn)練好的檢測圖神經(jīng)網(wǎng)絡(luò)，其中，每個檢測節(jié)點(diǎn)對應(yīng)于檢測中心線點(diǎn)，邊由檢測中心線定義，每個檢測節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)單元都遵循訓(xùn)練好的圖神經(jīng)網(wǎng)絡(luò)的每個節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)單元的圖模板設(shè)置；

針對每個檢測中心線點(diǎn)提取疾病相關(guān)特征或2D/3D圖像塊；以及

通過使用訓(xùn)練好的檢測圖神經(jīng)網(wǎng)絡(luò)，基于提取的疾病相關(guān)特征或2D/3D圖像塊，預(yù)測沿著檢測中心線的疾病量化參數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述疾病相關(guān)特征包括以下至少之一：結(jié)構(gòu)特征，強(qiáng)度特征和派生特征。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述圖神經(jīng)網(wǎng)絡(luò)包括圖卷積神經(jīng)網(wǎng)絡(luò)，其被配置為為每個節(jié)點(diǎn)考慮到其空間上接近的相鄰節(jié)點(diǎn)的情況下執(zhí)行圖卷積運(yùn)算。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述圖卷積神經(jīng)網(wǎng)絡(luò)的輸出是其輸入和鄰接矩陣的函數(shù)，所述鄰接矩陣是固定的并且由中心線確定。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，每個邊是無向的或有向的，用于在由所述邊鏈接的節(jié)點(diǎn)之間傳播信息。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述信息在所述節(jié)點(diǎn)之間的傳播包含門機(jī)制，每個圖單元包含輸入門和輸出門、記憶單元和隱藏狀態(tài)，所述圖單元包括門控循環(huán)單元(GRU)、長短期記憶(LSTM)單元、卷積LSTM(CLSTM)單元和卷積GRU(CGRU)單元中的任何一個。

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，每個圖單元針對每個子節(jié)點(diǎn)包含一個遺忘門。

10.根據(jù)權(quán)利要求1所述的方法，其特征在于，使用基于梯度的方法如下執(zhí)行圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練：通過最小化該組節(jié)點(diǎn)的目標(biāo)函數(shù)來優(yōu)化圖神經(jīng)網(wǎng)絡(luò)的參數(shù)；并將該組節(jié)點(diǎn)的梯度和/或誤差傳遞給其他節(jié)點(diǎn)。

11.一種用于解剖樹結(jié)構(gòu)的疾病量化建模的系統(tǒng)，包括：

接口，被配置為接收包含解剖樹結(jié)構(gòu)的訓(xùn)練圖像；

處理器，被配置為，針對每個訓(xùn)練圖像：

從訓(xùn)練圖像獲得解剖樹結(jié)構(gòu)的中心線；

基于圖生成圖神經(jīng)網(wǎng)絡(luò)，其中，每個節(jié)點(diǎn)對應(yīng)于中心線點(diǎn)，并且邊由中心線定義，每個節(jié)點(diǎn)的輸入為相應(yīng)的中心線點(diǎn)的疾病相關(guān)特征或2D/3D圖像塊，每個節(jié)點(diǎn)的輸出為疾病量化參數(shù)；

獲得一組節(jié)點(diǎn)的標(biāo)簽數(shù)據(jù)，該組節(jié)點(diǎn)的節(jié)點(diǎn)數(shù)小于圖神經(jīng)網(wǎng)絡(luò)中的節(jié)點(diǎn)的總數(shù)；以及

基于該組節(jié)點(diǎn)的標(biāo)簽數(shù)據(jù)通過在該組節(jié)點(diǎn)和其他節(jié)點(diǎn)之間傳遞信息來訓(xùn)練所述圖神經(jīng)網(wǎng)絡(luò)。

12.根據(jù)權(quán)利要求11所述的系統(tǒng)，其特征在于，該組節(jié)點(diǎn)至少包括在所述解剖樹結(jié)構(gòu)的入口處的第一節(jié)點(diǎn)；或者，該組節(jié)點(diǎn)包括在解剖樹結(jié)構(gòu)的入口處的第一節(jié)點(diǎn)以及1-3個附加節(jié)點(diǎn)。