身体表示制造技术

一种训练表示患者身体的机器学习系统的方法，包括获得多个存储的医学成像数据集，每个医学成像数据集表示相应患者的至少一部分，其中所述多个存储的医学成像数据集中的第一医学成像数据集与所述多个存储的医学成像数据集中的第二医学成像数据集相比表示患者身体的不同部分。估计存储的医学成像数据集中的多个界标，以及使用所述多个界标将每个存储的医学成像数据集对准到预定义姿势以生成对准的医学成像数据集，对对准的医学成像数据集中的多个点进行采样，以及基于至少所述多个点训练机器学习系统以配置机器学习系统的参数。机器学习系统的参数然后被存储并用在推断身体表示的方法中。表示的方法中。表示的方法中。

【技术实现步骤摘要】
身体表示


[0001]本专利技术涉及处理医学图像数据以确定身体表示，特别是改进这样的表示的准确度。

技术介绍

[0002]医学成像技术可以用于获得关于人体或动物体的信息。例如，X射线图像可以用于检测骨折和对骨折进行分类。在另一个示例中，磁共振成像（MRI）、计算机断层扫描（CT）和超声成像可以用于对身体组织成像并监视随时间的经过的改变。
[0003]由这些模态中的每一个捕获的图像数据可以用于检测骨骼和/或组织中的异常，并且使得能够在给定时间处拍摄快照。可以分析这些快照来定位和分类异常。在一些示例中，可能合期望的是准确地瞄准成像。这在成像模态涉及将患者暴露于辐射以捕获图像数据的情况下特别重要。在这样的示例中，为了提供期望的图像质量，合期望的是优化每个患者遭受的辐射量。这可以通过确定准确的身体表示以及用于诸如估计患者的体重或者器官或骨骼的体积之类的其他目的来实现。
[0004]因此，在一些成像模态中，可以使用人体的表示将辐射瞄准期望的区域。
[0005]本专利技术的目的是解决提供准确身体表示的至少一些困难。

技术实现思路

[0006]根据本专利技术的第一方面，提供了一种用于训练用于表示患者身体的机器学习系统的计算机实现的方法，包括获得多个存储的医学成像数据集，每个医学成像数据集表示相应患者的至少一部分，其中所述多个存储的医学成像数据集中的第一医学成像数据集与所述多个存储的医学成像数据集中的第二医学成像数据集相比表示患者身体的不同部分，估计所存储的医学成像数据集中的多个界标，使用所述多个界标将所存储的医学成像数据集中的每一个对准到预定义的姿势以生成对准的医学成像数据集，对对准的医学成像数据集中的多个点进行采样，基于所述多个点训练机器学习系统以配置机器学习系统的参数；以及存储至少机器学习系统的参数。
[0007]基于对准的医学成像数据来训练用于表示患者身体的机器学习系统，使得能够基于现有的医学成像数据源来快速且高效地确定患者的身体形状和大小。这使得能够估计患者身体的表示，其允许对患者进行准确成像。在其中成像模态涉及将患者暴露于潜在有害辐射的一些示例中，进行成像所需的辐射量子的准确瞄准减少了患者对辐射的总暴露。应当领会，其他用途可以是明显的，其中的一些在下面描述。
[0008]优选地，存储的医学成像数据集是计算机断层摄影数据、磁共振成像数据、x射线成像数据和超声成像数据中的至少一种。这使得机器学习系统能够使用不同类型的成像数据来训练，因为每个成像装置在对患者进行成像时可能需要患者被不同地定位。
[0009]优选地，对多个点进行采样包括对于所述多个点中的每一个，确定到医学成像数据集中表示的最近表面的距离。这使得能够确定与该点相关的信息，并将该信息用于评估
神经网络输出的真实性。
[0010]训练机器学习系统包括基于所述多个点中的至少一个和到最近表面的对应距离来调整至少一个身体表示。这使得能够对多个点进行评估，并且使得机器学习系统能够调整身体表示。
[0011]所述至少一个身体表示可以是n维向量。这使得作为机器学习系统的训练处理的一部分而被调整的关于身体表示的信息能够被高效地存储，以便由一个或多个算法分析。
[0012]可选地，估计多个界标包括将至少一个界标检测算法应用于存储的医学成像数据集。这使得能够高效地处理医学成像数据集，以基于先前分析的医学成像数据集获得界标位置。
[0013]每个界标检测算法可以是被训练来标识人体的一个或多个界标的机器学习算法。这使得能够使用专用于检测每个特定界标的不同算法来标识不同界标的使用，从而提高效率。
[0014]界标可以是三维解剖界标。三维解剖界标的使用使得能够将医学成像数据更准确地定位和定向到预定义姿势。
[0015]可选地，对准所存储的医学成像数据集包括：标识第一医学成像数据集中的至少一个第一医学数据界标；标识第二医学成像数据集中的至少一个第二医学数据界标，其中第一医学数据界标和第二医学数据界标表示对应的界标；以及基于第一医学数据界标和第二医学数据界标来对准第一医学成像数据集和第二医学成像数据集。这使得医学成像数据集的多个集合（有时表示患者身体的不同部分）能够在组合和对准到预定义姿势之前被对准，从而在训练处理期间提供附加的细节以供使用。
[0016]机器学习系统（440）包括至少一个神经网络。这使得能够基于所述多个点和测量的距离来训练神经网络，以优化网络和身体表示。
[0017]根据本专利技术的第二方面，提供了一种推断人体表示的计算机实现的方法，该方法包括：接收使用成像模态捕获的图像数据；估计表示患者的至少一部分的图像数据中的多个界标；使用所述多个界标将所述图像数据对准到预定义姿势以生成对准的图像数据；对对准的图像数据中的多个点进行采样；使用经训练的机器学习系统来分析所述多个点，所述机器学习系统被配置为表示患者身体；基于所述分析来推断人体表示；以及输出所推断的人体表示。
[0018]基于经训练的机器学习系统推断身体表示使得能够推断身体的准确表示，从而使得能够对患者进行准确成像。在其中成像模态涉及将患者暴露于潜在有害辐射的一些示例中。进行成像所需的辐射量子的准确瞄准减少了患者对辐射的总暴露。应当领会，其他用途可以是明显的，其中的一些在下面描述。
[0019]可选地，图像数据由成像装置捕获，图像数据是计算机断层摄影数据、磁共振成像数据、x射线成像数据、超声数据、点云数据和深度数据中的至少一种。这使得能够针对不同类型的图像数据推断身体表示，因为每个成像装置在对患者进行成像时可能需要患者被不同地定位。
[0020]对多个点进行采样可以包括，对于所述多个点中的每一个，确定到图像数据中表示的最近表面的距离，从而确定多个距离。这使得能够确定与该点相关的信息，并将该信息用于评估神经网络输出的真实性。
[0021]优选地，推断身体表示包括迭代地向经训练的机器学习系统提供身体表示和多个点，并且将机器学习系统的相应输出与同所述多个点相关联的多个距离进行比较。这使得机器学习系统的输出能够基于所述多个点和基于根据所提供的身体表示的图像数据测量的相关联距离来验证。
[0022]可选地，该方法可以进一步包括基于在相应输出和与所述多个点相关联的多个距离之间的比较来调整身体表示。这使得能够基于机器学习系统的输出对身体表示进行调整，以基于所述多个点和对应的测量距离来确定是否可获得更准确的身体表示。
[0023]身体表示可以是n维向量。这使得关于身体表示的信息能够被高效地存储，以便由一个或多个算法分析。
[0024]优选地，估计多个界标包括将至少一个界标检测算法应用于图像数据。这使得能够高效地处理所述图像数据，以基于先前分析的医学成像数据获得界标位置。
[0025]每个界标检测算法可以是被训练来标识人体的一个或多个界标的机器学习算法。这使得能够使用专用于检测每个特定界标的不同算法来标识不同界标的使用，从而提高效率。
[0026]界标可以是三维解剖界标。三维解剖界标的使用使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于训练用于表示患者身体的机器学习系统（440）的计算机实现的方法（200），包括：获得（210）多个存储的医学成像数据集（410），每个医学成像数据集表示相应患者的至少一部分，其中所述多个存储的医学成像数据集中的第一医学成像数据集与所述多个存储的医学成像数据集中的第二医学成像数据集相比表示患者身体的不同部分；估计（220）存储的医学成像数据集（410）中的多个界标；使用所述多个界标将存储的医学成像数据集（410）中的每一个对准（230）到预定义姿势以生成多个对准的医学成像数据集；对对准的医学成像数据集（410）中的多个点进行采样（240）；基于至少所述多个点训练（250）机器学习系统（440）以配置机器学习系统（440）的参数；和存储（260）至少机器学习系统（440）的配置参数。2.根据权利要求1所述的计算机实现的方法（200），其中所存储的医学成像数据集（410）是以下各项中的至少一个：计算机断层扫描数据；磁共振成像数据；x射线成像数据；和超声成像数据。3.根据任一前述权利要求所述的计算机实现的方法（200），其中对多个点进行采样（240）包括对于所述多个点中的每一个，确定到医学成像数据集（410）中表示的最近表面的距离。4.根据权利要求3所述的计算机实现的方法（200），其中训练机器学习系统（440）包括基于所述多个点中的至少一个和到最近表面的对应距离来调整至少一个身体表示。5.根据权利要求4所述的计算机实现的方法（200），其中所述至少一个身体表示是n维向量。6.根据任一前述权利要求所述的计算机实现的方法（200），其中估计多个界标包括将至少一个界标检测算法应用于存储的医学成像数据集（410），所述界标检测算法是被训练来标识身体的一个或多个界标的机器学习算法。7.根据任一前述权利要求所述的计算机实现的方法（200），其中对准存储的医学成像数据集（410）包括：标识第一医学成像数据集中的至少一个第一医学数据界标；标识第二医学成像数据集中的至少一个第二医学数据界标，其中第一医学数据界标和第二医学数据界标表示对应的界标；和基于所述第一医学数据界标和所述第二医学数据界标，对准所述第一医学成像数据集和所述第二医学成像数据集。8.根据任一前述权利要求所述的计算机实现的方法（200），其中机器学习系统（440）包括至少一个神经网络。9.一种推断身体表示（480）的计算机实现的方法（300），所述方法包括：接收（310）使用成像模态捕获的表示患者的至少一部分的图像数据（450）；
估计（320）图像数据（450）中的多个界标；使用所述多个界标将所述图像数据（450）对准（330）到预定义姿势，以生成对准的图像数据；对对准的图像数据（450）中的多个点进行采样（340）；使用经训练的机器学习系统（440）分析（350）所述多个点，经训练的机器学习系统被配置为表示患者身体；基于分析推断（360）身体表示（480）；和输出（370）推断的身体表示（480）。10.根据权利要求9所述的...

【专利技术属性】
技术研发人员：B，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：