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

本公開涉及一種用于解剖樹結(jié)構(gòu)的疾病量化建模的方法及系統(tǒng)。該方法包括獲得解剖樹結(jié)構(gòu)的中心線。該方法還包括基于圖生成圖神經(jīng)網(wǎng)絡(luò)，其中，每個(gè)節(jié)點(diǎn)對(duì)應(yīng)于中心線點(diǎn)，并且邊由中心線定義，每個(gè)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(gè)節(jié)點(diǎn)的輸出為疾病量化參數(shù)。該方法還包括獲得一組節(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)。此外，該方法包括過(guò)基于該組節(jié)點(diǎn)的標(biāo)簽數(shù)據(jù)通在該組節(jié)點(diǎn)和其他節(jié)點(diǎn)之間傳遞信息來(lái)訓(xùn)練所述圖神經(jīng)網(wǎng)絡(luò)。

相關(guān)申請(qǐng)的交叉引用

本申請(qǐng)要求2019年6月19日提交的美國(guó)臨時(shí)申請(qǐng)第62/863,472號(hào)的優(yōu)先權(quán)的權(quán)益，其全部?jī)?nèi)容通過(guò)引用合并于本文中。

技術(shù)領(lǐng)域

本公開總體上涉及醫(yī)學(xué)圖像處理和分析，并考慮在具有可用于訓(xùn)練的標(biāo)簽數(shù)據(jù)(諸如地面真值)的情況(例如，在解剖樹結(jié)構(gòu)中只有一個(gè)或幾個(gè)侵入性值可用)下，解剖樹結(jié)構(gòu)(例如，血管、氣道樹等)的疾病量化的學(xué)習(xí)問題。

背景技術(shù)

精確診斷需要解剖樹結(jié)構(gòu)的準(zhǔn)確疾病量化。例如，已證明血流儲(chǔ)備分?jǐn)?shù)(FFR)是評(píng)估心臟缺血的可靠指標(biāo)。FFR可以通過(guò)壓力導(dǎo)絲進(jìn)行測(cè)量，但是此手術(shù)具有侵入性，并且在整個(gè)樹中僅測(cè)量了一個(gè)或幾個(gè)值。已經(jīng)嘗試使用基于學(xué)習(xí)的方法來(lái)估計(jì)FFR。這種基于學(xué)習(xí)的FFR估計(jì)基本上是一個(gè)低數(shù)據(jù)問題，因?yàn)閮H在一個(gè)、很少幾個(gè)或幾個(gè)位置提供了地面真實(shí)性測(cè)量。圖1顯示了幾種具有地面真實(shí)FFR值的場(chǎng)景：一個(gè)點(diǎn)(圖1(a))，幾個(gè)孤立點(diǎn)(圖1(b))，或沿一段的值(圖1(c))。由于僅有少量的侵入性FFR值(通過(guò)壓力導(dǎo)絲測(cè)得)可用于訓(xùn)練過(guò)程，因此要對(duì)整個(gè)冠狀動(dòng)脈樹提供準(zhǔn)確的預(yù)測(cè)非常具有挑戰(zhàn)性。現(xiàn)有的基于機(jī)器學(xué)習(xí)的方法需要仿真的FFR值作為訓(xùn)練模型的地面真值。但是，仿真的FFR值通常是通過(guò)基于數(shù)值流仿真的方法計(jì)算的，這既耗時(shí)，對(duì)于訓(xùn)練機(jī)器學(xué)習(xí)模型又不準(zhǔn)確。因此，基于機(jī)器學(xué)習(xí)的方法的性能受到仿真方法的高度限制。

發(fā)明內(nèi)容

提供本公開以克服用于利用學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行解剖樹結(jié)構(gòu)的疾病定量建模的常規(guī)方法中的缺點(diǎn)。本公開的目標(biāo)是直接利用測(cè)得的侵入性FFR來(lái)訓(xùn)練FFR模型，而不是使用仿真的FFR作為用于訓(xùn)練FFR模型的地面真值。注意的是，與其他值(例如通過(guò)算法計(jì)算出的值)作為地面真值相比，測(cè)量得到的侵入性FFR值作為用于訓(xùn)練模型的地面真值是最準(zhǔn)確的值。

在一個(gè)方面，提供了一種用于解剖樹結(jié)構(gòu)的疾病量化建模的計(jì)算機(jī)實(shí)現(xiàn)的方法。該方法對(duì)每個(gè)訓(xùn)練圖像包括如下步驟以執(zhí)行相應(yīng)的訓(xùn)練/學(xué)習(xí)。該方法可以包括從訓(xùn)練圖像獲得解剖樹結(jié)構(gòu)的中心線。該方法還可以包括由處理器基于圖生成圖神經(jīng)網(wǎng)絡(luò)。其中，每個(gè)節(jié)點(diǎn)可以對(duì)應(yīng)于中心線點(diǎn)，并且邊由中心線定義，每個(gè)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(gè)節(jié)點(diǎn)的輸出為疾病量化參數(shù)。此外，該方法可以包括：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)。更進(jìn)一步，該方法可以包括由處理器基于該組節(jié)點(diǎn)的標(biāo)簽數(shù)據(jù)通過(guò)在該組節(jié)點(diǎn)和其他節(jié)點(diǎn)之間傳遞信息來(lái)訓(xùn)練所述圖神經(jīng)網(wǎng)絡(luò)。

在另一方面，提供了一種用于解剖樹結(jié)構(gòu)的疾病量化建模的系統(tǒng)。該系統(tǒng)可以包括接口和處理器。接口可以被配置為接收包含解剖樹結(jié)構(gòu)的訓(xùn)練圖像。處理器可以被配置為針對(duì)每個(gè)訓(xùn)練圖像執(zhí)行以下步驟。處理器可以被配置為獲得解剖樹結(jié)構(gòu)的中心線。處理器可以進(jìn)一步被配置為基于圖生成圖神經(jīng)網(wǎng)絡(luò)。其中，每個(gè)節(jié)點(diǎn)可以對(duì)應(yīng)于中心線點(diǎn)，并且邊由中心線定義，每個(gè)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(gè)節(jié)點(diǎn)的輸出為疾病量化參數(shù)。所述處理器可以進(jìn)一步被配置為獲得一組節(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)。此外，處理器被配置為基于該組節(jié)點(diǎn)的標(biāo)簽數(shù)據(jù)通過(guò)在該組節(jié)點(diǎn)和其他節(jié)點(diǎn)之間傳遞信息來(lái)訓(xùn)練所述圖神經(jīng)網(wǎng)絡(luò)。