[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

本公開涉及一種用于確定被成像對象(718)中的目標體積(708)的電特性EP的方法。所述方法包括：a)使用訓練數據集訓練(201)深度神經網絡DNN，所述訓練數據集包括訓練B1場圖和相應的EP圖，所述訓練包括在訓練期間使用DNN的蒙特卡羅MC丟棄，得到被配置用于根據B1場圖來生成EP圖的經練的DNN；b)接收(203)所述目標體積的輸入B1場圖，并且通過經訓練的DNN來根據所述輸入B1場圖重復生成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；c)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。

技術領域

本發明涉及掃描成像系統，具體而言涉及一種用于確定被成像對象中的目標體積的電特性(EP)的醫學分析系統。

背景技術

電特性斷層攝影(EPT)是一種通過對B1場分布的幅值和相位進行后處理來以非侵入的和定量的方式在體內測量組織的電特性的技術。EP與復數B1值之間的關系由所謂的亥姆霍茲方程給出。因此，將來自MRI的復數值的B1圖作為輸入，亥姆霍茲方程提供了EP。然而，傳統的EPT存在收發相位問題、組織邊界問題和噪聲放大問題。

發明內容

如獨立權利要求的主題所描述的，各種實施例提供了用于確定被成像對象中的目標體積的電特性(EP)的醫學分析系統、方法和計算機程序產品。在從屬權利要求中描述了有利的實施例。

本發明的實施例可以提供一種針對EPT利用深度學習的手段，以解決針對EPT的傳統方法的關鍵問題，例如收發相位問題、組織邊界問題和噪聲放大。這可以通過在深度神經網絡中使用蒙特卡羅丟棄(dropout)來實現，以產生不確定值以及網絡的EP輸出。不確定性值用作深度神經網絡的錯誤網絡行為的指標。

在一個方面中，本發明涉及一種用于確定對象中的目標體積的電特性EP的醫學分析系統。對象可以例如由MRI系統成像或掃描，以便生成對象中的目標體積的圖像。醫學分析系統包括：至少一個處理器；以及至少一個存儲器，其存儲機器可執行指令，所述處理器被配置用于控制所述醫學分析系統，其中，所述機器可執行指令的運行使所述處理器：a)使用訓練數據集來訓練深度神經網絡DNN，所述訓練數據集包括訓練B1場圖和相應的EP圖，所述訓練包括在訓練期間使用DNN的蒙特卡羅MC丟棄，得到被配置為根據B1場圖來生成EP圖的經訓練的DNN；b)接收目標體積的輸入B1場圖，并且通過經訓練的DNN根據輸入的B1場圖來重復生成EP圖，得到一組EP圖，其中，所述生成包括在每次重復中在經訓練的DNN的推理(或使用)期間使用MC丟棄；c)組合所述一組EP圖以確定所述輸入B1場圖EP圖和的相關聯的不確定性圖。

可以使用體積的現有B1場圖來構建訓練集。B1場圖利用相應的EP圖被標記。該體積可以是目標體積或另一個對象的體積。例如，存在許多用于實驗地確定B1場分布的B1映射方法。這些方法可用于測量幅值和相位分布。例如，可以使用兩次MRI掃描來采集或生成復數值的B1場圖，例如一次掃描用于采集B1幅值分布并且一次掃描用于采集B1相位分布。B1場圖可以是B1發射場圖。例如，磁共振電特性斷層攝影(MR-EPT)可用于估計目標體積的電導率和介電常數分布。根據MR-EPT的成像使得能夠獲得使用特定脈沖序列產生的RF場的相位圖像和/或B1幅值圖像。例如，對象可以通過磁共振成像(MRI)系統成像，得到MRI數據。MRI數據可用于通過求解將發射射頻(RF)場的MR測量結果與EP相關的電磁逆問題來重建組織EP。

當B1場的信息以2D或3D空間分布的形式確定或呈現時，其可以稱為B1場圖。例如可以使用通過掃描對象的目標體積而采集的MRI數據來確定B1場圖。B1場圖可以用于根據B1場圖導出EP圖。因此，導出的EP圖對應于該B1場圖。導出EP圖包括使用B1場圖來執行EPT重建，例如可以通過采用B1場圖的拉普拉斯算子來計算EP圖。

本主題使用MC丟棄來逐體素地推斷不確定性值以及EP值。不確定性值用作針對DNN的錯誤網絡行為的指標，有可能通過重復掃描來減少體內偽影。