[發明專利]用于標識后續醫學圖像中的病理變化的方法和系統

在審

• 申請號: 202011346976.6
• 申請日: 2020-11-26
• 公開（公告）號: CN112885453A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 熱拉爾多·埃爾莫斯羅·巴拉德斯;斯文·科勒;克里斯蒂安·蒂特延;馬蒂亞斯·沃爾夫
• 申請（專利權）人: 西門子醫療有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N3/08;G06N3/04;G06T7/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 唐京橋;崔俊紅

本發明提供了用于標識后續醫學圖像中的病理變化的方法和系統，該方法包括以下步驟：提供在第一時間示出患者的身體部位的參考圖像數據；提供在隨后的第二時間示出患者的身體部位的后續圖像數據；使用至少一個圖像配準來針對參考圖像數據和后續圖像數據生成一個或更多個變形場，所述一個或更多個變形場描述身體部位在參考圖像數據與后續圖像數據之間的解剖變形；使用一個或更多個變形場使參考圖像數據和后續圖像數據對準以生成共同對準圖像數據；使用機器學習網絡來分析共同對準圖像數據以標識身體部位從參考圖像數據到后續圖像數據的病理變化，該機器學習網絡被訓練成識別共同對準圖像數據中的病理相關變化。

技術領域

本實施方式涉及醫學圖像處理，例如，用于計算機斷層掃描圖像或磁共振圖像的圖像處理。

背景技術

用于后續閱讀和縱向變化評估的自動化圖像處理是醫學成像技術例如計算機斷層掃描(CT)或磁共振成像(MRI)中的重要任務。由于將醫學圖像中的病理變化與正常變化區分開的挑戰，識別醫學圖像中的變化的任務是一個技術問題。例如，對于患者的肺或其他器官的后續掃描，正常解剖變化例如呼吸或其他解剖差異可以掩蓋病理變化例如癌性節結生長或收縮。

由于可能發生的大量正常變化，檢測在兩個或更多個時間點處獲取的CT圖像或MRI圖像中的病理變化是困難的。正常變化對比病理變化的手動檢測可能是困難或容易出錯的。可以使用計算機輔助的圖像配準來提供客觀性提高和增加的結果。圖像配準可以被分類為兩個組：剛性和非剛性。非剛性圖像配準也被稱為可變形圖像配準。在剛性圖像配準中，所有像素均勻地移動和/或旋轉，使得每個像素到像素(pixel-to-pixel)的關系在變換之前和之后保持相同。然而，在非剛性圖像配準中，像素到像素的關系發生變化以對非線性變形進行建模。

在預期沒有解剖變化或變形的情況下，剛性圖像配準是非常有效的。然而，一些患者可能由于體重減輕、腫瘤收縮和/或生理器官形狀變化而經歷解剖結構變化。剛性圖像配準通常無法很好地處理這些變化。因為非剛性圖像配準可以管理兩個圖像集之間的局部畸變(例如，解剖結構變化)，因此與剛性圖像配準相比，非剛性圖像配準具有明顯更大的靈活性。

然而，所述方法不能區分正常的解剖變化和病理變化。在示例中，如果不可避免地包括在非剛性圖像配準中的平滑程度太強，則可能抑制對后續圖像中正在生長的腫瘤的識別。與計算機實現的圖像配準相關聯的另一個問題是：并非所有解剖結構或器官都能同樣好地被捕獲。雖然存在針對某些主要解剖結構或器官例如肺、心臟、肝臟、腎臟、脾臟或腦進行優化的許多圖像配準模型，但其他結構例如淋巴結、主血管、大腸和小腸或胰腺缺乏專用配準。這可能是由于以下事實：這些結構較小，固有地更具動態性或更具分布性。此外，計算機輔助的圖像配準技術通常無法很好地處理與其他器官的邊界。

一旦在所謂的“全身(部位)變化可視化圖像”中分析多于一個的單個專用器官，所有這些就會帶來以下問題：不僅在圖像后處理之后突出(highlight)預期的病理變化，而且還突出許多視覺偽像(artefact)。可能由于運動(例如，心跳、呼吸和腸胃氣脹)、金屬偽像和/或體重減輕而引入這些偽像。另外的偽像源自器官邊界沿著彼此物理地移動，例如，肺胸膜抵靠胸腔。尤其當涉及分析不僅僅是一個單個器官的變化時，許多當前的計算機輔助的方法是不準確的并且不能區分異常變化和正常變化。因此，它們提供不一致且令人困惑的圖像配準。

發明內容

因此，本發明的目的是提供一種計算機輔助診斷工具，該計算機輔助診斷工具特別地通過適當地突出在后續醫學圖像掃描之間的病理變化來支持用戶/醫師/放射科醫師/病理學醫師從醫學圖像體積得出醫學診斷。特別地，本發明的目的是提供一種將病理變化與后續醫學圖像中的解剖(即，正常、健康)變形區分開的改進的計算機實現的方法。在這點上，還期望提供以下方法(和相關聯的系統)，所述方法(和相關聯的系統)可以遞送描繪患者的身體部位內的多個器官和解剖結構的醫學圖像中的病理變化的全面圖片，從而輔助醫師進行醫學診斷。