[發明專利]用于確定腫瘤的存在的方法和設備

在審

• 申請號: 202210620019.0
• 申請日: 2022-06-02
• 公開（公告）號: CN115439399A
• 公開（公告）日: 2022-12-06
• 發明（設計）人: S·拉亞薩姆
• 申請（專利權）人: 西門子醫療有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/25;G06V10/764;G06N20/00
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 李雪娜;呂傳奇

1.一種確定患者體內腫瘤的存在的方法(200)，所述方法(200)包括：

由處理單元(101)接收與所述患者相關聯的醫學圖像，其中，所述醫學圖像包括與所述患者相關聯的感興趣區域；

由所述處理單元(101)識別與所述醫學圖像中的所述感興趣區域相關聯的一個或多個血管；

由所述處理單元(101)使用經訓練的機器學習模型來確定與所述血管相關聯的一組特性；

由所述經訓練的機器學習模型基于與所述血管相關聯的所述一組特性來確定所述血管是否是與所述腫瘤相關聯的供血血管；以及

如果所述血管是與所述腫瘤相關聯的供血血管，則由所述處理單元(101)基于所述供血血管來檢測所述感興趣區域中的腫瘤區域。

2.根據權利要求1所述的方法(200)，其中，與所述血管相關聯的所述一組特性包括與所述血管相關聯的直徑、所述血管的分支和所述血管的迂曲度中的一個或多個。

3.根據權利要求1所述的方法(200)，其中，確定所述血管是否是與所述腫瘤相關聯的供血血管包括：

使用經訓練的機器學習模型來測量與血管相關聯的直徑；

使用經訓練的機器學習模型來確定隨著所述血管分支成分支血管，所述血管的直徑是否減小；以及

使用所述經訓練的機器學習模型，如果所述血管的直徑不隨著所述血管分支成分支血管而減小，則將所述血管分類為與所述腫瘤相關聯的供血血管。

4.根據權利要求1所述的方法(200)，其中，確定所述血管是否是與所述腫瘤相關聯的供血血管包括：

使用經訓練的機器學習模型來確定與所述血管相關聯的半徑；

使用經訓練的機器學習模型來確定與源自所述血管的所述分支血管相關聯的半徑；

使用經訓練的機器學習模型來計算與所述血管相關聯的半徑和與所述分支血管中的每個相關聯的半徑的立方；

使用所述經訓練的機器學習模型來確定與所述分支血管相關聯的所述半徑的立方的和是否等于與所述血管相關聯的所述半徑的立方的和；以及

使用所述經訓練的機器學習模型，如果與所述分支血管相關聯的半徑的立方的和不等于與所述血管相關聯的半徑的立方，則將所述血管分類為供血血管。

5.根據權利要求1所述的方法(200)，其中，確定所述血管是否是與所述腫瘤相關聯的供血血管包括：

使用所述經訓練的機器學習模型來確定所述血管的迂曲度，其中，所述血管的迂曲度是基于所述血管從與所述血管相關聯的直線路徑的角偏離來確定的；

使用所述經訓練的機器學習模型，將所述血管的迂曲度與和所述血管相關聯的預定標準進行比較；以及

使用所述經訓練的機器學習模型，如果所述血管的迂曲度與所述預定標準不匹配，則將所述血管分類為供血血管。

6.根據權利要求1所述的方法(200)，其中，基于所述供血血管來檢測所述感興趣區域中的所述腫瘤區域包括：

基于經分類的供血血管來識別所述醫學圖像中的區域，其中，所述醫學圖像中的所識別的區域是圍繞所述供血血管的區域；

確定與醫學圖像中的感興趣區域相關聯的像素強度；以及

基于所述像素強度和圍繞所述供血血管的所述區域確定所述腫瘤區域，其中，所述腫瘤區域具有比所述醫學圖像中的其他區域的像素強度更大的像素強度。

7.根據權利要求1所述的方法(200)，其中，識別與所述醫學圖像中的所述感興趣區域相關聯的所述一個或多個血管包括使用分割算法來分割所述一個或多個血管。

8.根據權利要求7所述的方法(200)，還包括使用拓撲保持細化算法來保持所述血管的拓撲。

9.根據前述權利要求中任一項所述的方法(200)，其中，所述經訓練的機器學習模型是分類和回歸樹(CART)模型。