[发明专利]借助于机器学习对多种材料进行分类的方法和系统

说明书

借助于机器学习对多种材料进行分类的方法和系统。在此提出一种用于创建分类单元(6)的方法，该分类单元(6)用于进行材料的自动分类的，包括：提供学习计算设备(7)，提供起始分类单元(6a)，提供参考图像集(RS)，该参考图像集(RS)包括具有经注释的材料(M)的光谱参考记录(RA)，使用该参考记录集(RS)训练分类单元(6)。还一种用于图像记录(B)中的多种材料(M)的自动分类的分类方法，包括：提供经训练的分类单元(6)，提供光谱图像记录(B)，借助于分类单元(6)、针对材料(M)来检查图像记录(B)，标识所确定的材料(M)。此外，还提供相应的单元、设备和系统。

技术领域

本发明涉及一种创建用于对光谱医学图像记录中的多种材料的进行自动分类分类单元的方法、和/或分类单元、以及用于此目的的学习计算设备。此外，本发明包括用于使用这种分类单元对光谱医学图像记录中的多种材料的进行自动分类的分类方法、用于控制医学成像系统的控制设备以及对应的医学成像系统。在本发明的范围内，图像记录是数字图像，因此图像记录包括图像数据和/或由图像数据组成。

背景技术

医学中的成像方法通常依赖于单个测量变量的评估和/或单个物理测量原理，来创建图像记录的每个像素。因此，例如，计算机断层摄影(“CT”)检测患者的局部X射线衰减作为唯一的测量变量。例如，由于不同浓度而具有相同局部X射线衰减的、化学上不同的多种材料在CT图像中被示出为具有相同的CT值(通常以亨斯菲尔德(Hounsfield)单位HU)，因此这些材料在图像中不能彼此区分。

这在许多CT应用中都是有问题的。一个示例是在CT血管造影中分离骨骼和由造影剂填充的血管。血液中的碘可以具有与周围骨骼相同的X射线吸收，使得特别是在复杂的解剖学情况下，例如在颅骨的基部中，血管和骨骼难以单独和分离地被示出。另一个示例是肾结石的更精确表征。含有钙的结石和含有尿酸的结石可以显示相同的X射线吸收。因此，它们在CT图像中无法区分，但它们具有不同的治疗选项。另一个示例是痛风结晶与关节上其他沉积物的区别。

有时，使用两个或更多个能量范围内的辐射来对组织中的多种不同物质(“多种材料”)进行分类。例如，具有两种或更多种不同X射线能量的CT图像的记录(“双能量CT”、“光谱CT”)可以用于区分多种不同的材料。

在典型的CT的X射线的能量范围(30-150keV)中，在身体中发现的多种材料的X射线吸收由两种物理机制决定，即光电和康普顿效应。这些机制具有不同的能量相关性，并且它们在总X射线吸收中的相对份额取决于相应的材料，更准确地说取决于其原子序数和密度。

由于存在两种具有不同能量相关性的物理效应，可以通过具有两种或更多种不同X射线能量的记录来区分两种材料。如果添加具有在相关能量范围内的K边缘的附加材料，例如钆、金或铁，则也可以使用具有两个以上X射线能量的记录来分离两种以上的材料。

可以利用例如，使用操作具有不同电压的两个管的双源CT设备、具有管电压切换的单源CT设备、具有分离的预过滤的CT设备(“双光束”)、具有双层检测器的CT设备或具有光子计数检测器的CT设备来记录具有不同X射线能量的CT图像。然而，不基于计算机断层摄影原理的其他医学成像设备也可以使用两种记录能量来进行材料分类。

通常，分离基于“光谱变量”的确定，该“光谱变量”表征在具有不同X射线能量的，X射线吸收中依赖于材料的变化。这样的光谱变量例如是所谓的双能量比，其是低X射线能量A处的X射线衰减值除以较高能量B处的X射线衰减值。如果不存在光谱效应，双能量比将等于1。对于相应材料的光谱效应越明显，双能量比越偏离1。通常，光谱变量的某个恒定极限值用于两种材料A和B的材料分离。探索CT图像中的每个像素是否低于这个点处的极限值，当它是材料A时，低于该极限值。如果光谱变量高于极限值，则它是材料B。