A method and system for the use of a deep neural network to detect anatomic landmarks in a medical image is disclosed. For each image segmentation in a plurality of image blocks of the corresponding individual element in centering on medical images, the subset of voxels in the image block is input to the trained deep neural network based on the pre determined sampling pattern. A subset of voxels is input to the trained deep neural network based on the block from each of the multiple image blocks, and the trained deep neural network is used to detect the location of the target landmark in the medical image.
【技术实现步骤摘要】
【国外来华专利技术】使用深度神经网络检测医学图像中的地标的方法和系统
技术介绍
本专利技术涉及检测医学图像中的解剖地标,并且更具体地,涉及使用深度神经网络检测医学图像中的解剖地标。深度学习模仿哺乳动物大脑的行为以便从高维输入中提取有意义的表示。数据通过网络的多个层传递。初级层提取低水平线索,诸如针对自然图像的边缘和角落。较深的层将来自之前各层的简单线索合成为较高水平的特征。以该方式,强有力的表示出现在网络的末尾处。深度网络的逐步构造防止学习过早地遭遇高复杂性的数据。若干理论研究示出了某些种类的函数(例如,指示函数)可以由深度网络表示,但是对于具有非充足深度的网络则要求指数计算。最近,已经以高精度应用深度学习以便图案化(pattern)图像中的识别问题。深度神经网络可以被用在图像相关任务中,诸如检测和分割。然而,由于评估阶段期间的高计算成本,用于深度神经网络的计算时间可能过于大,可能防止深度神经网络被应用于许多有用的应用。
技术实现思路
本专利技术提供了用于医学图像中的地标检测的方法和系统。本专利技术的实施例提供了一种用于以高效的方式将深度神经网络应用于检测3D医学图像中的3D地标的方法。在本专利技术的实施例中,对于定心在医学图像中的多个体素中的相应一个体素处的多个图像分块中的每一个图像分块,基于预确定的采样图案将该图像分块内的体素的子集输入到经训练的深度神经网络。基于从所述多个图像分块中的每一个图像分块输入到经训练的深度神经网络的体素的所述子集而使用经训练的深度神经网络来检测医学图像中的目标地标的位置。本专利技术的这些和其它优点将通过参照以下详细描述和附图而对于本领域技术人员显而易见。 ...
【技术保护点】
一种用于检测医学图像中的地标的方法,包括:对于定心在所述医学图像中的多个体素中的相应一个体素处的多个图像分块中的每一个图像分块,基于预确定的采样图案将该图像分块内的体素的子集输入到经训练的深度神经网络;以及基于从所述多个图像分块中的每一个图像分块输入到所述经训练的深度神经网络的体素的所述子集,使用所述经训练的深度神经网络来检测所述医学图像中的目标地标的位置。
【技术特征摘要】
【国外来华专利技术】1.一种用于检测医学图像中的地标的方法,包括:对于定心在所述医学图像中的多个体素中的相应一个体素处的多个图像分块中的每一个图像分块,基于预确定的采样图案将该图像分块内的体素的子集输入到经训练的深度神经网络;以及基于从所述多个图像分块中的每一个图像分块输入到所述经训练的深度神经网络的体素的所述子集,使用所述经训练的深度神经网络来检测所述医学图像中的目标地标的位置。2.权利要求1所述的方法,其中所述预确定的采样图案是基于网格的采样图案,所述基于网格的采样图案选择该图像分块内的每一个维度中的每隔一个体素来输入到所述经训练的深度神经网络。3.权利要求1所述的方法,其中所述预确定的采样图案是基于网格的采样图案,所述基于网格的采样图案在该图像分块内的每一个维度中跳过在被选择为输入到所述经训练的深度神经网络的每一个体素之间的n个体素。4.权利要求1所述的方法,其中所述预确定的采样图案是对数极坐标采样图案,所述对数极坐标采样图案在该图像分块的中心附近选择较高密度的体素来输入到所述经训练的深度神经网络以及在更远离该图像分块的中心处选择较低密度的体素来输入到所述经训练的深度神经网络。5.权利要求4所述的方法,其中所述对数极坐标采样图案将该图像分块分为多个分区,其中更接近该图像分块的中心的分区小于更远离该图像分块的分区,并且对于该图像分块的所述多个分区中的每一个分区,选择最接近该分区的矩心的体素来输入到所述经训练的深度神经网络。6.权利要求4所述的方法,其中所述对数极坐标采样图案将该图像分块分为多个分区,其中更接近该图像分块的中心的分区小于更远离该图像分块的分区,并且对于该图像分块的所述多个分区中的每一个分区,计算该分区中的体素值的平均并且将具有针对该分区的平均体素值的体素输入到所述经训练的深度神经网络。7.权利要求1所述的方法,其中所述经训练的深度神经网络是有辨别力的深度神经网络,并且基于从所述多个图像分块中的每一个图像分块输入到所述经训练的深度神经网络的体素的所述子集而使用所述经训练的深度神经网络检测所述医学图像中的目标地标的位置包括:在定心在所述多个体素中的每一个体素处的相应图像分块内,基于输入到所述经训练的深度神经网络的体素的子集集合来计算针对所述医学图像中的所述多个体素中的每一个体素的概率;以及将所述目标地标的位置检测为所述医学图像中的所述多个体素中具有最高概率的一个体素的位置。8.权利要求1所述的方法,其中所述经训练的深度神经网络是深度神经网络回归器,并且基于从所述多个图像分块中的每一个图像分块输入到所述经训练的深度神经网络的体素的所述子集而使用所述经训练的深度神经网络检测所述医学图像中的目标地标的位置包括:对于所述医学图像中的所述多个体素中的每一个体素,在定心于该体素处的相应图像分块内基于输入到所述经训练的深度神经网络的体素的子集集合来计算位移向量,所述位移向量将该体素映射到所述医学图像中的所述目标地标的预测位置;以及通过使针对所述医学图像中的所述多个体素中的每一个体素所计算的所述目标地标的预测位置成群来检测所述目标地标的位置。9.权利要求1所述的方法,其中基于在多个训练图像分块中的每一个训练图像分块内使用所述预确定的采样图案所采样的体素的相应子集,对所述经训练的深度神经网络进行训练。10.一种用于检测医学图像中的地标的装置,包括:用于针对定心在所述医学图像中的多个体素中的相应一个体素处的多个图像分块中的每一个图像分块,基于预确定的采样图案将该图像分块内的体素的子集输入到经训练的深度神经网络的部件;以及用于基于从所述多个图像分块中的每一个图像分块输入到所述经训练的深度神经网络的体素的所述子集,使用所述经训练的深度神经网络检测所述医学图像中的目标地标的位置的部件。11.权利要求10所述的装置,其中所述预确定的采样图案是基于网格的采样图案,所述基于网格的采样图案选择该图像分块内的每一个维度中的每隔一个体素来输入到所述经训练的深度神经网络。12.权利要求10所述的装置,其中所述预确定的采样图案是基于网格的采样图案,所述基于网格的采样图案在该图像分块内的每一个维度上跳过在被选择为输入到所述经训练的深度神经网络的每一个体素之间的n个体素。13.权利要求10所述的装置,其中所述预确定的采样图案是对数极坐标采样图案,所述对数极坐标采样图案在该图像分块的中心附近选择较高密度的体素来输入到所述经训练的深度神经网络以及在更远离该图像分块的中心处选择较低密度的体素来输入到所述经训练...
【专利技术属性】
技术研发人员:D刘,B乔治斯库,郑冶枫,H阮,SK周,VK辛格,D科马尼丘,
申请(专利权)人:西门子保健有限责任公司,
类型:发明
国别省市:德国,DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。