[發(fā)明專利]用于醫(yī)學(xué)成像中分段的基于形狀的生成對抗網(wǎng)絡(luò)

在審

• 申請?zhí)枺?/td>: 202010788621.6
• 申請日: 2020-08-07
• 公開（公告）號: CN112348908A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計）人: A·J·雅各布;T·帕塞里尼
• 申請（專利權(quán)）人: 西門子醫(yī)療有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 李雪娜;劉春元

1.一種用于在醫(yī)學(xué)成像系統(tǒng)中進行分段的方法，所述方法包括：

由醫(yī)學(xué)掃描儀掃描患者，所述掃描提供了表示患者的第一成像數(shù)據(jù)；

由圖像處理器對在第一成像數(shù)據(jù)中表示的對象進行分段，所述分段使用應(yīng)用于第一成像數(shù)據(jù)的機器學(xué)習(xí)生成網(wǎng)絡(luò)，所述機器學(xué)習(xí)生成網(wǎng)絡(luò)已經(jīng)利用在形狀空間中的優(yōu)化而被對抗訓(xùn)練；以及

在顯示器上基于所述分段輸出對象的圖像。

2.根據(jù)權(quán)利要求1所述的方法，其中，掃描包括利用作為超聲系統(tǒng)的所述醫(yī)學(xué)掃描儀進行掃描。

3.根據(jù)權(quán)利要求1所述的方法，其中，分段包括將機器學(xué)習(xí)生成網(wǎng)絡(luò)應(yīng)用為圖像到圖像卷積深度學(xué)習(xí)網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求1所述的方法，其中，分段包括利用已經(jīng)被訓(xùn)練的機器學(xué)習(xí)生成網(wǎng)絡(luò)進行分段，其中，所述形狀空間包括來自流形或無監(jiān)督學(xué)習(xí)的較低維度空間。

5.根據(jù)權(quán)利要求4所述的方法，其中，分段包括利用已經(jīng)被訓(xùn)練的機器學(xué)習(xí)生成網(wǎng)絡(luò)進行分段，其中所述形狀空間包括來自帶符號距離函數(shù)的主分量分析的特征矩陣。

6.根據(jù)權(quán)利要求1所述的方法，其中，分段包括利用已經(jīng)被訓(xùn)練的機器學(xué)習(xí)生成網(wǎng)絡(luò)進行分段，其中所述優(yōu)化包括圖像空間中的第一損失和形狀空間中的第二損失。

7.根據(jù)權(quán)利要求1所述的方法，其中，分段包括用被訓(xùn)練成輸出距對象的邊界的按像素或體素的帶符號距離的機器學(xué)習(xí)生成網(wǎng)絡(luò)進行分段。

8.根據(jù)權(quán)利要求1所述的方法，其中，分段包括利用已經(jīng)利用判別器使用來自按體素或像素的距離的輸入的對抗損失訓(xùn)練的機器學(xué)習(xí)生成網(wǎng)絡(luò)進行分段。

9.根據(jù)權(quán)利要求1所述的方法，還包括：

根據(jù)由所述機器學(xué)習(xí)生成網(wǎng)絡(luò)輸出的距離函數(shù)來確定形狀空間中的形狀參數(shù)；以及

基于形狀參數(shù)與參數(shù)分布的比較來對所述對象進行分類。

10.根據(jù)權(quán)利要求1所述的方法，還包括：

根據(jù)由機器學(xué)習(xí)生成網(wǎng)絡(luò)輸出的距離函數(shù)來確定形狀空間中的形狀參數(shù)；以及

基于形狀參數(shù)與參數(shù)分布的比較來指示分段中的置信度。

11.一種用于對象定位的系統(tǒng)，所述系統(tǒng)包括：

醫(yī)學(xué)掃描儀，被配置為掃描患者，所述掃描導(dǎo)致表示患者的圖像數(shù)據(jù)；

圖像處理器，被配置為利用機器學(xué)習(xí)圖像到圖像網(wǎng)絡(luò)來定位圖像數(shù)據(jù)中表示的對象，所述機器學(xué)習(xí)圖像到圖像網(wǎng)絡(luò)已經(jīng)使用形狀先驗來訓(xùn)練；以及

顯示器，被配置為根據(jù)所定位的對象來顯示圖像。

12.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中，所述機器學(xué)習(xí)圖像到圖像網(wǎng)絡(luò)被配置為輸出距對象邊界的按像素或體素的距離，并且利用對距離的對抗損失來訓(xùn)練。

13.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中，所述形狀先驗包括特征值，并且其中，所述機器學(xué)習(xí)圖像到圖像網(wǎng)絡(luò)是利用針對特征值的平滑L1損失來訓(xùn)練的。

14.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中，所述機器學(xué)習(xí)圖像到圖像網(wǎng)絡(luò)是使用圖像空間中的第一損失和形狀空間中的第二損失來訓(xùn)練的。

15.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中，所述圖像處理器被配置為從圖像數(shù)據(jù)確定形狀參數(shù)，并且從形狀參數(shù)檢測對象的特性。

16.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中，所述圖像處理器被配置為從圖像數(shù)據(jù)確定形狀參數(shù)，并且從形狀參數(shù)識別相似情況。

17.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中，所述圖像處理器被配置為從圖像數(shù)據(jù)確定形狀參數(shù)，并且從形狀參數(shù)識別對象的位置的置信度。