[发明专利]用于医学成像中分段的基于形状的生成对抗网络

权利要求书

1.一种用于在医学成像系统中进行分段的方法，所述方法包括：

由医学扫描仪扫描患者，所述扫描提供了表示患者的第一成像数据；

由图像处理器对在第一成像数据中表示的对象进行分段，所述分段使用应用于第一成像数据的机器学习生成网络，所述机器学习生成网络已经利用在形状空间中的优化而被对抗训练；以及

在显示器上基于所述分段输出对象的图像。

2.根据权利要求1所述的方法，其中，扫描包括利用作为超声系统的所述医学扫描仪进行扫描。

3.根据权利要求1所述的方法，其中，分段包括将机器学习生成网络应用为图像到图像卷积深度学习网络。

4.根据权利要求1所述的方法，其中，分段包括利用已经被训练的机器学习生成网络进行分段，其中，所述形状空间包括来自流形或无监督学习的较低维度空间。

5.根据权利要求4所述的方法，其中，分段包括利用已经被训练的机器学习生成网络进行分段，其中所述形状空间包括来自带符号距离函数的主分量分析的特征矩阵。

6.根据权利要求1所述的方法，其中，分段包括利用已经被训练的机器学习生成网络进行分段，其中所述优化包括图像空间中的第一损失和形状空间中的第二损失。

7.根据权利要求1所述的方法，其中，分段包括用被训练成输出距对象的边界的按像素或体素的带符号距离的机器学习生成网络进行分段。

8.根据权利要求1所述的方法，其中，分段包括利用已经利用判别器使用来自按体素或像素的距离的输入的对抗损失训练的机器学习生成网络进行分段。

9.根据权利要求1所述的方法，还包括：

根据由所述机器学习生成网络输出的距离函数来确定形状空间中的形状参数；以及

基于形状参数与参数分布的比较来对所述对象进行分类。

10.根据权利要求1所述的方法，还包括：

根据由机器学习生成网络输出的距离函数来确定形状空间中的形状参数；以及

基于形状参数与参数分布的比较来指示分段中的置信度。

11.一种用于对象定位的系统，所述系统包括：

医学扫描仪，被配置为扫描患者，所述扫描导致表示患者的图像数据；

图像处理器，被配置为利用机器学习图像到图像网络来定位图像数据中表示的对象，所述机器学习图像到图像网络已经使用形状先验来训练；以及

显示器，被配置为根据所定位的对象来显示图像。

12.根据权利要求11所述的系统，其中，所述机器学习图像到图像网络被配置为输出距对象边界的按像素或体素的距离，并且利用对距离的对抗损失来训练。

13.根据权利要求11所述的系统，其中，所述形状先验包括特征值，并且其中，所述机器学习图像到图像网络是利用针对特征值的平滑L1损失来训练的。

14.根据权利要求11所述的系统，其中，所述机器学习图像到图像网络是使用图像空间中的第一损失和形状空间中的第二损失来训练的。

15.根据权利要求11所述的系统，其中，所述图像处理器被配置为从图像数据确定形状参数，并且从形状参数检测对象的特性。

16.根据权利要求11所述的系统，其中，所述图像处理器被配置为从图像数据确定形状参数，并且从形状参数识别相似情况。

17.根据权利要求11所述的系统，其中，所述图像处理器被配置为从图像数据确定形状参数，并且从形状参数识别对象的位置的置信度。