[发明专利]用于经由医学成像系统导航到目标解剖对象的系统和方法

说明书

本发明涉及一种用于向用户提供导航指示以经由医疗成像系统在医疗程序期间定位目标解剖对象的系统和方法。该方法包括选择对象周围的解剖区域；生成来自解剖区域周围的场景的多个实时二维图像，并将多个图像提供给控制器；开发和训练深度学习网络以自动检测和识别来自解剖区域的场景；经由所述深度学习网络基于所述解剖区域中的每个所识别的场景的相对空间位置和相对时间位置，自动地标测来自所述解剖区域的所述多个图像中的每个图像；以及基于每个所识别的场景的相对空间和时间位置，向所述用户提供指示以在所述医疗程序期间定位所述对象。

相关申请的交叉引用

本申请要求享有2016年12月2日提交的序列号为62/429,150的美国临时申请的权益，其全部内容通过引用并入本文。

技术领域

本发明涉及医学成像领域中的解剖对象的检测和识别，并且更特别地涉及用于基于对来自目标解剖体周围的场景拍摄的多个图像内包含的解剖对象的检测和识别来提供导航指示以在基于医学成像的程序(例如超声导引的区域麻醉)中到达目标解剖对象的系统和方法。

背景技术

存在基于传统方法的各种成像系统，用于帮助医学专业人员识别目标解剖对象的总体区域，诸如超声波、计算机断层扫描(CT)、磁共振(MR) 和荧光成像系统。然而，使用这样的系统的解剖对象检测并不总是鲁棒的，特别是对于其中解剖对象在解剖学、形状和/或外观以及医学图像中的噪声和伪像中表现出大的变化的一些具有挑战性的检测问题。结果，当使用这样的成像系统时，医学专业人员通常难以快速且准确地定位目标解剖对象的总体区域。例如，神经阻滞或外周神经阻滞(PNB)是一种用于手术麻醉以及用于术后和非手术性镇痛的局部麻醉，希望精确定位目标解剖对象 (例如目标神经)。在PNB期间，医学专业人员在目标神经或神经束附近注射麻醉剂以阻断来自身体特定区域的疼痛感。然而，当使用当前可用的成像系统时，医学专业人员快速且准确地定位目标神经的总体区域可能是具有挑战性的。例如，对于某些神经阻滞程序，医生通常难以通过超声成像系统快速且准确地定位目标神经束。

因此，本公开涉及用于从拍摄自目标解剖对象(例如，目标神经)周 围的解剖区域的场景的多个实时图像中自动检测、识别和标测解剖对象的 系统和方法，以便向用户(例如，医疗专业人员)提供指示，从而使得用户能够使用可以经由现有成像系统实施的深度学习网络快速且准确地到达感兴趣的目标解剖对象。

发明内容

本发明的目的和优点将部分在下面的描述中阐述，或者可以从描述中显而易见，或者可以通过实施本发明而了解。

在一个方面中，本发明涉及一种用于经由医学成像系统在医疗程序期间为用户提供导航指示以定位目标解剖对象的方法。所述方法包括：选择目标解剖对象周围的解剖区域；生成来自目标解剖对象周围的解剖区域的场景的多个实时二维图像并将多个实时二维图像提供给控制器；开发和训练深度学习网络以自动检测和识别来自目标解剖对象周围解剖区域的场景；经由所述深度学习网络基于在所述解剖区域中的每个所识别的场景的相对空间位置和相对时间位置，自动地标测来自所述目标解剖对象周围的解剖区域的所述多个实时二维图像中的每一个；以及基于每个所识别的场景的相对空间位置和相对时间位置来向用户提供指示，以在医疗程序期间定位目标解剖对象。

在一个特定实施例中，医疗程序可以是神经阻滞，其中目标解剖对象是目标神经。此外，神经阻滞可以包括肌间沟神经阻滞、锁骨上神经阻滞、锁骨下神经阻滞、腋窝神经阻滞、股神经阻滞、坐骨神经阻滞、收肌管神经阻滞、腿弯部神经阻滞、隐神经阻滞、髂筋膜神经阻滞、胸腰椎旁神经阻滞、腹横肌平面(TAP)神经阻滞、肋间神经阻滞、或胸椎旁神经阻滞。

在另一实施例中，深度学习网络可以包括一个或多个卷积神经网络或者一个或多个递归神经网络中的至少一个。