检测医学成像中的对象运动制造技术

呈现了用于检测对象的医学成像中的对象运动的构思。一种这样的构思获得表示图像特征的运动与对象运动值之间的关系的运动分类模型。针对所述对象的被成像体积的多幅医学切片图像中的每幅，提取所述医学切片图像的图像特征。基于所提取的针对所述多幅医学切片图像中的每幅的图像特征，确定针对所述图像特征的运动信息。基于针对所述图像特征的所述运动信息以及所获得的运动分类模型来确定对象运动值。以及所获得的运动分类模型来确定对象运动值。以及所获得的运动分类模型来确定对象运动值。

【技术实现步骤摘要】
【国外来华专利技术】检测医学成像中的对象运动


[0001]本专利技术总体上涉及对象(例如，人或患者)的医学成像，并且更具体地涉及检测对象的医学成像中的对象运动。

技术介绍

[0002]在医学成像期间的对象运动通常会在医学图像中引起使图像质量劣化的模糊和/或伪影。这样的图像劣化会导致需要重复扫描，因此会导致效率降低和成本增加。
[0003]例如，在分析医院中的随机的一周的磁共振成像(MRI)活动之后，来自西雅图华盛顿大学的研究者发现对象运动在重复的序列方面花费很多，这在大约20％的MRI检查中发生。基于这样的频率要求重复，医院或MRI设施在每个MRI扫描器的年度收入方面可能超过$140000。
[0004]熟练的专业人员倾向于在医学图像中的模糊或伪影不太严重的情况下能够容忍这些模糊或伪影。然而，图像模糊和伪影仍然能够导致错误诊断。因此已经尝试通过检测运动伪影并应用运动校正算法来解决这样的问题。然而，这样的方法的有效性是有限的。

技术实现思路

[0005]本专利技术旨在至少部分地满足前述需求。为此，本专利技术提供了如独立权利要求中定义的系统和方法。从属权利要求提供了有利实施例。
[0006]提供了一种用于检测对象的医学成像中的对象运动的方法，所述方法包括：获得表示图像特征的运动与对象运动值之间的关系的运动分类模型；针对所述对象的被成像体积的多幅医学切片图像中的每幅，提取所述医学切片图像的图像特征；基于所提取的针对所述多幅医学切片图像中的每幅的图像特征，确定针对所述图像特征的运动信息，所述运动信息表示所述对象的所述被成像体积中的所述图像特征的运动；并且基于针对所述图像特征的所述运动信息以及所获得的运动分类模型来确定对象运动值。
[0007]提出了用于检测对象的医学成像中存在还是不存在对象运动的构思。通过从多幅医学切片图像(它们一起组成被成像体积，例如，MRI DICOM体积)提取图像特征，可以确定被成像体积中的所提取的图像特征的运动。然后可以分析该运动以确定是否存在对象的运动。此外，然后可以识别对象运动的量并将其被分类成多个值或分类中的一个。
[0008]实施例因此可以有助于避免或降低对对象的错误诊断的可能性。实施例还可以有助于通过避免将严重运动情况分配给放射科医生用于解读/评估来改善(即，提高)放射科医生的吞吐量。
[0009]提出的实施例也可以有助于识别在医学成像过程期间的对象不自主运动的情况。然后可以在成像过程期间采取预防措施或校正措施，以便避免需要重复预约。
[0010]实施例可以基于采用表示医学图像特征的运动与对象运动值之间的关系的一种或多种运动分类模型的提议。这样的模型可以使用常规的机器学习和/或图像处理技术来建立，因此利用了历史数据和/或已建立的知识来提高由提出的实施例所提供的确定的准
确度。
[0011]因此，提出的实施例可以促进改善对象的医学图像和基于医学成像的诊断(例如使其更准确)。也可以采用实施例来提高医学成像设施的效率，从而提供了成本节省和预约等待时间减少的情况。
[0012]提出的实施例因此可以与计算机断层摄影(CT)扫描、正电子发射断层摄影(PET)/CT扫描和/或MRI扫描以及对象诊断特别相关，因为例如它可以有助于通过检测对象运动并促进采取预防措施或校正措施来避免或减少CT图像、PET/CT图像和/或MRI图像中的模糊或伪影。提出的构思也可以促进使用医学扫描(例如，CT扫描、PET扫描或MRI扫描)对对象的健康状况进行准确评估或诊断。因此，图像特征可以包括MRI特征，并且医学切片图像可以包括MRI体积的MRI切片图像。类似地，图像特征可以包括CT图像特征，并且医学切片图像可以包括CT扫描体积的CT切片图像。
[0013]在一些提出的实施例中，可以通过生成运动分类模型来获得运动分类模型。例如，实施例可以基于与针对从医学切片图像提取的图像特征的先前确定的对象运动值有关的历史数据来生成运动分类模型。常规的机器学习、深度学习和/或图像处理技术因此可以用于建立、训练和测试运动分类模型。训练数据和交叉验证学习方案可以用于细化这样的运动分类模型，从而提高由实施例做出的确定的准确度。
[0014]例如，在一些实施例中，可以利用与针对医学切片图像的图像特征的对象运动值有关的训练数据使用机器学习算法来细化所述运动分类模型。这可以提供提高运动分类模型的准确度的优点。
[0015]在一些实施例中，提取医学切片图像的图像特征的步骤可以包括：将所述医学切片图像分离成前景和背景；并且从所述前景提取前景图像特征。另外，提取前景图像特征可以包括从以下各项中的至少一项识别图像特征：所述前景的空间域表示；所述前景的小波域表示；以及所述前景的谱域表示。然后可以提取所识别的图像特征作为所述前景图像特征。
[0016]额外地或备选地，提取医学切片图像的图像特征的步骤可以包括：将所述医学切片图像隔离成前景和背景；并且从所述背景提取背景图像特征。另外，提取背景图像特征可以包括：将拉东变换应用于所述背景以生成多个拉东变换轮廓；并且基于所述拉东变换轮廓来识别特征。然后可以提取所识别的特征作为所述背景图像特征。
[0017]因此，在一些实施例中，可以从前景图像和背景图像这两者获得运动信息。举例来说，为了实现对前景与背景的隔离，实施例可以采用常规的基于区域的主动轮廓方法(例如，Chan TF、Vese L.的“Active contours without edges”(IEEE Trans Med Imaging，2001年，第10卷，第2期，第266
‑
277页))。而且，可以将前景与背景隔离应用在一起形成被成像体积的个体医学切片图像上。以这种方式，提出的实施例可以用于检测前景图像和背景图像中的对象运动(并且可能区分前景图像中的对象运动与背景图像中的对象运动)。
[0018]一些实施例还可以包括以下步骤：基于针对所述图像特征的所述运动信息，识别其中所提取的图像特征的运动超过阈值的医学切片图像。因此可以采用简单的比较方法来识别包括例如严重的对象运动的被成像体积的切片(例如，个体图像平面)。因此可以实现促进准确识别被成像体积内的移动位置的简单直接且复杂度降低的实施方式。
[0019]另外，举例来说，实施例可以包括基于与先前确定的所述图像特征的运动有关的
历史数据来确定所述阈值或模型。考虑先前获得或确定的信息可以例如经由基于历史数据对阈值或模型的比较和/或细化来提高确定或评估的准确度。
[0020]在一些实施例中，其中，所述运动分类模型可以表示针对多种不同分类方法的图像特征的运动与对象运动值之间的关系。确定对象运动值的步骤然后可以包括：基于所提取的图像特征来选择针对所述多种不同分类方法中的一种的图像特征的运动与对象运动值之间的关系；并且基于针对所述图像特征的所述运动信息以及所选择的图像特征的运动与对象运动值之间的关系来确定对象运动值。以这种方式，可以采用各种分类方法，然后可以根据提取的图像特征来选择优选的(例如最恰当的)分类方法。本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于检测对象的医学成像中的对象运动的方法，所述方法包括：获得表示图像特征的运动与对象运动值之间的关系的运动分类模型(10)；针对所述对象的被成像体积的多幅医学切片图像中的每幅，提取(30)所述医学切片图像的图像特征；基于所提取的针对所述多幅医学切片图像中的每幅的图像特征，确定针对所述图像特征的运动信息，所述运动信息表示所述对象的所述被成像体积中的所述图像特征的运动；并且基于针对所述图像特征的所述运动信息以及所获得的运动分类模型来确定对象运动值。2.根据权利要求1所述的方法，其中，获得运动分类模型包括：基于与针对从医学切片图像提取的图像特征的先前确定的对象运动值有关的历史数据(115)来生成运动分类模型。3.根据权利要求2所述的方法，其中，获得运动分类模型还包括：利用与针对医学切片图像的图像特征的对象运动值有关的训练数据使用机器学习算法来细化所述运动分类模型。4.根据权利要求1至3中的任一项所述的方法，其中，提取医学切片图像的图像特征的步骤包括：将所述医学切片图像分离(420)成前景和背景；并且从所述前景提取(430)前景图像特征。5.根据权利要求4所述的方法，其中，提取(430)前景图像特征包括从以下各项中的至少一项识别图像特征：所述前景的空间域表示；所述前景的小波域表示；以及所述前景的谱域表示；并且提取所识别的图像特征作为所述前景图像特征。6.根据权利要求1至5中的任一项所述的方法，其中，提取医学切片图像的图像特征的步骤包括：将所述医学切片图像隔离(750)成前景和背景；并且从所述背景提取背景图像特征。7.根据权利要求6所述的方法，其中，提取背景图像特征包括：将拉东变换应用(770)于所述背景以生成多个拉东变换轮廓；基于所述拉东变换轮廓来识别(780)图像特征；并且提取所识别的图像特征作为所述背景图像特征。8.根据权利要求1至7中的任一项所述的方法，还包括：基于针对所述图像特征的所述运动信息，识别其中所提取的图像特征的运动超过阈值的医学切片图像。9.根据权利要求8所述的方法，还包括：基于与先...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：