[发明专利]利用机器学习和影像处理算法对医疗影像的血管自动地进行区域化的方法及系统

说明书

本发明涉及一种由医疗影像数据对血管自动地进行区域化的方法及系统。更详细地，涉及一种利用机器学习和影像处理算法对医疗影像的血管自动地进行区域化的方法及系统。本发明的利用三维医疗影像对血管自动地进行区域化的方法是一种针对患者的三维医疗影像数据利用计算机对三维形状血管数据进行区域化的方法，包括：接收患者的三维医疗影像数据的步骤；利用人工智能神经网络处理所输入的患者的三维医疗影像数据以生成一次三维形状的血管数据的步骤；以及处理所述一次三维形状的血管数据以生成二次三维形状的血管数据的步骤，并且在所述生成二次三维形状的血管数据的步骤中，将一次三维形状的血管数据用作种子来生成二次三维形状的血管数据。本发明的方法无需作业者介入即可完全自动地并且快速、准确地生成三维形状的血管数据。

技术领域

本发明涉及一种由医疗影像数据对血管自动地进行区域化的方法及系统。更详细地，涉及一种利用机器学习和影像处理算法对医疗影像的血管自动地进行区域化的方法及系统。

背景技术

三维医疗影像数据包括关于诸如患者的血管、骨骼等人体的诸多种部分的信息。为了诊断和治疗患有血管异常的患者，需简一种令从三维医疗影像数据提取血管以进行区域化(Segmentation)的作业。当前，在医疗现场分析三维医疗影像数据以提取血管并进行区域化的作业大部分是手动进行的。当手动进行血管的区域化时，所存在的问题是，血管区域化花费的时间较长，并且有可能发生作业者(医生或技术人员)的失误导致的血管区域化错误，并且难以实现用于针对相同的三维医疗影像使每个作业者均得到相同的结果的标准化。

在没有作业者的介入的情况下由三维医疗影像数据检测血管并自动地进行区域化以重建为三维形状数据的技术可以更快速、准确地诊断、治疗和监测血管相关的疾病。

例如，在非专利文献1中公开了由患者的心脏CT影像构成冠状动脉的三维形状，并对三维形状冠状动脉执行血流动力学模拟并无创地预测FFR数值以诊断冠状动脉疾病的技术(CT-FFR技术)。当可以由心脏CT影像自动检测冠状动脉并对其进行区域化时，可以利用CT影像更迅速、更准确地诊断冠状动脉的狭窄引起的疾病。此外，在专利文献1中公开了用于由医学影像构成脑血管的三维形状，并执行流体结构相互作用建模(FSI，FluidStructure Interaction Modeling)和模拟以预测脑血管的功能的技术。当可以由拍摄脑部的三维影像自动检测出脑血管的三维形状并进行区域化时，不但可以迅速掌握脑血管的解剖学状态以运用于诊断，还可以迅速准确地执行对脑血管的模拟以预测脑血管的血流的压力和速度并从功能上掌握血管的状态并运用于诊断。

近来，人们正开发一种利用机器学习的血管的区域化技术。专利文献2中公开了利用血管方向张量分类器学习(trained vessel orientation tensor classifier)由体素对血管进行区域化的技术。此外，关于利用机器学习对血管进行区域化的技术，在非专利文献2至4中有所公开。此外，专利文献3中公开了用户介入以从三维医疗影像数据对血管自动地进行区域化的技术。

本发明的发明人经尝试通过机器学习对血管进行区域化，得知发生将不是血管的部分区域化为血管的情况(生成噪声或离群值)和将血管的部分当作不是血管而被排除在区域化的情况(血管区域遗漏)。作为发生这样的错误的原因，推测认为是利用于机器学习的数据的量不足，或者，在机器学习中使用了标记不准确的掩模数据。最终，得知当以当前的技术水平通过机器学习方法对血管进行分区域化时，难以避免某种程度上的血管噪声和血管遗漏。

另一方面，当使用已知的影像处理算法从三维医疗影像数据对血管进行区域化时，由于迄今为止为人所知的影像处理算法并不完善，因而无法完全自动化地进行血管的区域化。尤其，在冠状动脉的区域化或脑血管的区域化中，尚未开发出以模拟血流动力学模拟的程度的水准完全自动地对准确的血管的形状和尺寸进行区域化的方法。因此，需要在开始区域化之前由作业者输入用于区域化的种子，或者在区域化途中或结束后由作业者介入以去除或修改错误的区域的过程。

现有技术文献

专利文献