[發(fā)明專利]用于斷層融合數(shù)據(jù)處理和特征檢測的快速和低存儲器占用卷積神經(jīng)網(wǎng)絡

在審

• 申請?zhí)枺?/td>: 202310072882.1
• 申請日: 2023-02-07
• 公開（公告）號: CN116611474A
• 公開（公告）日: 2023-08-18
• 發(fā)明（設計）人: 西爾萬·伯納德;文森特·比斯馬思
• 申請（專利權）人: 通用電氣精準醫(yī)療有限責任公司
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06N3/048;G06N3/084;G06V10/82
• 代理公司: 北京三友知識產(chǎn)權代理有限公司 11127
• 代理人: 師瑋;王小東

本發(fā)明提供了一種卷積神經(jīng)網(wǎng)絡(CNN)(202)，在用于分析由X射線成像系統(tǒng)(100)提供的圖像(208)的自動特征和/或異常檢測系統(tǒng)(204)中采用該卷積神經(jīng)網(wǎng)絡。自動檢測系統(tǒng)(204)以減少所需的全分辨率CNN卷積層(212)的數(shù)量的方式操作，以便加快檢測系統(tǒng)(204)的網(wǎng)絡推斷和學習過程。為此，檢測系統(tǒng)(204)利用斷層攝影數(shù)據(jù)(206)的更緊湊表示作為輸入，以緩解現(xiàn)有技術X射線系統(tǒng)中的CNN存儲器占用空間和計算時間問題。

技術領域

本公開涉及斷層融合領域，并且涉及一種用于處理斷層融合成像數(shù)據(jù)以獲得增強的圖像并且自動檢測圖像中的特征、病變和/或其他異常的方法和系統(tǒng)。

背景技術

X射線成像系統(tǒng)已經(jīng)成為醫(yī)學應用中有價值的工具，諸如用于許多疾病的診斷。作為乳腺癌的標準篩查，乳腺X線攝影術2維(2D)x射線圖像跨整個乳腺組織中拍攝。這些已知的2D乳腺X線攝影照片受到組織疊加的限制。也就是說，病變可能被上方或下方的組織掩蓋，或者正常結構可能酷似病變。為了使由組織疊加引起的標準2D乳腺X線攝影術的限制最小化，已經(jīng)開發(fā)了使用數(shù)字接收器的數(shù)字乳腺斷層融合。

這些斷層融合系統(tǒng)采用至少一個x射線管，該x射線管在固定檢測器上方以弧形移動。在數(shù)字乳腺斷層融合(DBT)中，感興趣的對象的體積信息可從一系列圖像中導出，這一系列圖像被稱為2D投影圖像或投影，它們是通過一個或多個x射線源的方式以各種角度拍攝的。從2D投影圖像，可以在斷層融合重建過程中從投影圖像數(shù)據(jù)生成變化厚度的3D體積以供檢查。所生成的3D體積提供了克服與組織疊加相關聯(lián)的限制方面的優(yōu)勢。

感興趣對象的3D體積的分析和3D體積中表示的任何異常的診斷傳統(tǒng)上由成像系統(tǒng)的操作者或由檢查重建的3D體積的臨床醫(yī)生來執(zhí)行。然而，由于檢查的臨床醫(yī)生的經(jīng)驗通常在準確確定正被檢查的3D體積中的任何異常方面具有重要作用，因此取決于檢查3D體積的特定醫(yī)生的經(jīng)驗水平，特定3D體積的診斷可能存在差異。

為了限制或最小化檢查斷層融合生成的3D體積的問題，各種類型的自動異常或病變檢測系統(tǒng)已經(jīng)與X射線成像系統(tǒng)一起被采用。自動檢測系統(tǒng)在檢查每個重建的3D體積時利用預定參數(shù)或標準，以便為這些檢測過程提供客觀和可重復的結果。自動檢測系統(tǒng)可以采用處理和/或分析3D體積內的數(shù)據(jù)的算法或人工智能(AI)以提供檢測3D體積中的異常的功能。

關于當前在這些X射線成像系統(tǒng)中采用的AI的類型，已經(jīng)發(fā)現(xiàn)各種深度學習/神經(jīng)網(wǎng)絡在本質上任何視覺任務中的視覺識別執(zhí)行得非常好。除了在那里的顯著成功之外，在大規(guī)模數(shù)據(jù)集(例如ImageNet數(shù)據(jù)庫)上預訓練的神經(jīng)網(wǎng)絡構成強大的視覺描述符(“深度特征”，DF)，這些視覺描述符是用于在執(zhí)行特定視覺任務中實現(xiàn)這些神經(jīng)網(wǎng)絡的最先進性能的核心構件。

然而，當將神經(jīng)網(wǎng)絡用于斷層融合2D切片或3D體積數(shù)據(jù)的分析時，與由具有224×224個像素的2D圖像組成的ImageNet數(shù)據(jù)不同，2D乳腺X線攝影術圖像典型地由2394×2850個像素構成。此外，重建的2D斷層融合圖像/切片的組由平均比2D乳腺X線攝影術圖像多50倍的數(shù)據(jù)構成。因此，當通過作為自動檢測系統(tǒng)的神經(jīng)網(wǎng)絡來分析這些2D斷層攝影圖像時，當在全場數(shù)字乳腺X線攝影術(FFDM)/數(shù)字乳房斷層融合(DBT)數(shù)據(jù)上訓練和應用神經(jīng)網(wǎng)絡以提供自動異常檢測和/或識別功能時，在數(shù)據(jù)方面的這種大的差距產(chǎn)生顯著的存儲器占用空間和計算時間問題。

特別地，當實施卷積神經(jīng)網(wǎng)絡(CNN)以處理3D斷層融合體積的分析時，待處理的大量數(shù)據(jù)在用于3D體積的分析過程中產(chǎn)生顯著的瓶頸。對于由成像系統(tǒng)成像的平均5cm乳房厚度，該厚度的重建的3D體積由50×2394×2850個體素構成，即50個分層的2D圖像或切片，每個具有2394×2850個像素。已知CNN的第一層計算全分辨率數(shù)據(jù)(即，50×2394×2850個體素)上的卷積，該計算操作是重要和耗時的步驟。然而，乳房的全分辨率圖像內的特征(即，異常或病變)的提取和/或識別是捕獲盡可能接近檢測器分辨率的極限的細節(jié)(諸如微小鈣化或大塊針狀體)的關鍵。