[發明專利]用于自動分割3D醫學圖像的方法、系統和計算機可讀介質

在審

• 申請號: 202011099705.5
• 申請日: 2020-10-14
• 公開（公告）號: CN112700451A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 拉斯洛·魯斯科;伊麗莎白·格雷基;佩特拉·塔卡斯
• 申請（專利權）人: 通用電氣精準醫療有限責任公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04;G06N3/08
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 侯穎媖;錢慰民

1.一種用于自動分割3D醫學圖像的方法，所述3D醫學圖像包括待分割的對象，所述方法的特征在于包括：

通過使用機器學習模型，以第一正交取向、第二正交取向和第三正交取向中的至少兩個正交取向，對為所述3D醫學圖像的切片形式的所述對象進行2D分割以導出2D分割數據；

基于所述2D分割數據確定邊界框(10)在所述3D醫學圖像內的位置，所述邊界框(10)具有預先確定的尺寸；以及

對所述3D醫學圖像的對應于所述邊界框(10)的部分中的所述對象進行3D分割。

2.根據權利要求1所述的方法，其特征在于針對所述2D分割的每個正交取向使用2D卷積神經網絡，所述2D分割中的每一個2D分割針對所述第一正交取向、所述第二正交取向和所述第三正交取向中的相應一個正交取向進行訓練。

3.根據權利要求2所述的方法，其特征在于所述2D卷積神經網絡中的每一個2D卷積神經網絡具有U-Net架構，并且由具有分割的3D訓練圖像的相應取向的切片訓練。

4.根據權利要求1所述的方法，其特征在于所述2D分割數據包括表示所述對象的存在概率的預測值，并且基于所述預測值的組合評估來確定所述邊界框(10)在所述3D醫學圖像內的位置，其中基于所述對象預先確定所述邊界框(10)的尺寸。

5.根據權利要求4所述的方法，其特征在于針對所述3D醫學圖像的體素的所述2D分割的每個相應正交取向生成相應的預測值，并且所述組合評估包括針對所述體素進行以下中的任一項：

針對每個體素取所述對應預測值的平均值；

使用預先確定的閾值將所述預測值二值化并且確定體素，其中所述對應二進制值中的全部表示所述對象的存在；

使用預先確定的閾值將所述預測值二值化并且確定體素，其中所述對應二進制值中的至少兩個二進制值表示所述對象的存在。

6.根據權利要求1所述的方法，其特征在于確定所述邊界框(10)在所述3D醫學圖像內的位置包括：

基于所述組合評估確定所述邊界框的中心；以及

使用基于至少一個分割的3D訓練圖像預先確定的所述邊界框的尺寸。

7.根據權利要求1所述的方法，其特征在于以相對于所述3D醫學圖像的全分辨率減小的分辨率進行所述2D分割。

8.根據權利要求1所述的方法，其特征在于通過3D卷積神經網絡進行所述3D分割。

9.根據權利要求8所述的方法，其特征在于所述3D卷積神經網絡具有U-Net架構并且由分割的3D訓練圖像的部分訓練，所述部分在尺寸上對應于所述邊界框(10)。

10.一種用于自動分割3D醫學圖像的系統，所述3D醫學圖像包括待分割的對象，所述系統的特征在于包括：

2D分割單元(12)，所述2D分割單元使用機器學習模型并且被配置成以第一正交取向、第二正交取向和第三正交取向中的至少兩個正交取向，對為所述3D醫學圖像的切片形式的所述對象進行2D分割以導出2D分割數據；

確定單元(13)，所述確定單元被配置成基于所述2D分割數據確定邊界框(10)在所述3D醫學圖像內的位置，所述邊界框(10)具有預先確定的尺寸；和

3D分割單元(15)，所述3D分割單元被配置成對所述3D醫學圖像的對應于所述邊界框(10)的部分中的所述對象進行3D分割。

11.根據權利要求10所述的系統，其特征在于所述2D分割單元(12)包括用于所述2D分割的每個正交取向的2D卷積神經網絡，所述2D分割中的每一個2D分割針對所述第一正交取向、所述第二正交取向和所述第三正交取向中的相應一個正交取向進行訓練。

12.根據權利要求11所述的系統，其特征在于所述2D卷積神經網絡中的每一個2D卷積神經網絡具有U-Net架構，并且由具有分割的3D訓練圖像的相應取向的切片訓練。