[發明專利]針對深度學習電特性斷層攝影的不確定度圖

在審

• 申請號: 202080049687.1
• 申請日: 2020-07-02
• 公開（公告）號: CN114097041A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: U·卡切爾;N·漢佩爾
• 申請（專利權）人: 皇家飛利浦有限公司
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16H30/40;G16H50/70
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 劉兆君

1.一種用于確定對象(718)中的目標體積(708)的電特性EP的醫學分析系統(100)，所述醫學分析系統包括：至少一個處理器(103)；以及至少一個存儲器(107)，其存儲機器可執行指令，所述處理器(103)被配置用于控制所述醫學分析系統(100)，其中，所述機器可執行指令的運行使所述處理器(107)：

接收(203)所述目標體積的輸入B1場圖，并且通過先前訓練的DNN來根據所述輸入B1場圖重復地生成EP圖，得到一組EP圖，其中，所述生成包括在DNN的推理期間在每次重復中使用MC丟棄，其中，所述DNN是先前使用訓練數據集而被訓練的，所述訓練數據集包括訓練B1場圖和相應的EP圖，所述訓練包括在所述訓練期間使用所述DNN的蒙特卡羅MC丟棄；

組合(205)所述一組EP圖以確定所述輸入B1場圖的EP圖和相關聯的不確定性圖。

2.根據權利要求1所述的系統，其中，所述機器可執行指令的運行還使所述處理器確定所述不確定性圖是否滿足預定義的質量條件，并且響應于確定所述不確定性圖不滿足所述預定義的質量條件，使用另外的訓練數據集來重新訓練所述DNN，并且使用經重新訓練的DNN代替所述經訓練的DNN來重復步驟b)-c)。

3.根據權利要求2所述的系統，所述另外的訓練數據集大于所述訓練數據集。

4.根據權利要求2所述的系統，其中，所述機器可執行指令的運行還使所述處理器執行所述重復直到所述不確定性圖滿足所述預定義的質量條件。

5.根據前述權利要求中的任一項所述的系統，所述訓練B1場圖包括B1場相位圖和B1幅值圖，其中，所述輸入B1場圖包括B1相位圖和/或B1幅值圖。

6.根據前述權利要求中的任一項所述的系統，所述訓練B1場圖是測量的和/或模擬的B1場圖，并且對應的EP圖是模擬的EP圖。

7.根據前述權利要求中的任一項所述的系統，其中，使用所述MC丟棄包括控制丟棄率、丟棄層的數量和/或位置。

8.根據前述權利要求中的任一項所述的系統，所述DNN是U-NET。

9.根據前述權利要求中的任一項所述的系統，被配置為連接到一個或多個MRI系統并且從所述MRI系統接收所述輸入B1場圖和/或所述測量的B1圖。

10.根據前述權利要求中的任一項所述的系統，還包括MRI系統，所述MRI系統被配置用于采集圖像數據并且根據所述圖像數據來重建B1圖，所述輸入B1圖和/或所述測量的B1圖包括所重建的B1圖。

11.一種針對用于確定對象(718)中的目標體積(708)的電特性EP的深度神經網絡DNN的訓練方法，所述方法：

使用包含訓練B1場圖和相對應的EP圖的訓練數據集；

在訓練期間使用DNN的蒙特卡羅MC丟棄，產生被配置用于根據B1場圖來生成EP圖的經訓練的DNN。

12.一種用于確定對象(718)中的目標體積(708)的電特性EP的方法，所述方法包括：

根據權利要求11所述的訓練方法(201)；

接收(203)所述目標體積的輸入B1場圖，并且通過所述經訓練的DNN來根據所述輸入B1場圖重復地生成EP圖，得到一組EP圖，其中，所述生成包括在每次重復中在所述DNN的推理期間使用MC丟棄；

組合(205)所述一組EP圖以確定輸入B1場圖的EP圖和相關聯的不確定性圖。

13.一種包括用于由處理器運行的機器可執行指令的計算機程序產品，其中，所述機器可執行指令的運行使所述處理器執行根據權利要求10所述的方法的至少部分。

14.根據前述權利要求所述的包括用于由處理器運行的機器可執行指令的計算機程序產品，其中，所述機器可執行指令的運行還使所述處理器執行根據權利要求11所述的方法的至少部分。