[发明专利]使用自关注深度学习进行图像增强的系统和方法

说明书

提供了一种用于改进图像质量的计算机实现的方法。该方法包括：使用医学成像设备获取受试者的医学图像，其中以缩短的扫描时间或减少的示踪剂量获取医学图像；将深度学习网络模型应用于医学图像以生成一个或多个特征关注图，以便医师分析具有改进的图像质量的受试者的医学图像。

相关申请的交叉引用

本申请要求于2019年10月1日提交的美国临时申请号62/908,814的优先权，其内容整体合并于此。

背景技术

医学成像在医疗保健中起着至关重要的作用。例如，正电子发射断层扫描(PET)、磁共振成像(MRI)、超声成像、X射线成像、计算机断层扫描(CT)的多种成像方式或这些方式的组合有助于预防，早期发现，早期诊断和治疗疾病和综合症。由于诸如电子设备的物理限制、动态范围限制、来自环境的噪声以及由于成像期间患者的运动引起的运动伪像的各种因素，图像质量可能下降，并且图像可能被噪声污染。

正在进行努力以提高图像质量并减少各种类型的噪声，例如混叠噪声和各种伪像，例如，金属伪像。例如，PET已被广泛用于临床诊断具有挑战性的疾病，例如，癌症、心血管疾病和神经系统疾病。在PET检查之前将放射性示踪剂注入患者体内，这不可避免地会带来辐射风险。为了解决辐射问题，一种解决方案是通过在PET扫描期间使用全部剂量的一部分来减少示踪剂剂量。由于PET成像是量子积累过程，因此降低示踪剂剂量不可避免地会带来不必要的噪声和伪像，从而在一定程度上降低PET图像质量。作为另一个示例，与其他方式(例如，X射线、CT或超声)相比，常规PET可能花费更长的时间，有时是数十分钟，以进行数据获取以生成临床上有用的图像。PET检查的图像质量通常受检查期间患者运动的限制。例如PET的成像方式的漫长扫描时间可能会使患者感到不适并引起一些运动。解决此问题的一种方法是缩短或加快获取时间。缩短PET检查的直接结果是，可能会降低相应的图像质量。作为另一个示例，可以通过降低X射线管的工作电流来实现CT辐射的减少。与PET相似，减少的辐射可能导致减少的收集和检测到的光子，进而可能导致重构图像中的噪声增加。在另一个示例中，通常在MRI中获取多个脉冲序列(也称为图像对比度)。具体地，液体衰减反转恢复(FLAIR)序列通常用于识别大脑中的白质病变。但是，当FLAIR序列在较短的扫描时间内被加速(类似于PET的更快扫描)时，小的病变很难被解析。

发明内容

提供了用于增强图像(例如医学图像)的质量的方法和系统。本文提供的方法和系统可以解决常规系统的各种缺点，包括上面认识到的那些缺点。本文提供的方法和系统可能能够以缩短的图像获取时间，更低的辐射剂量或减少的示踪剂或对比剂剂量来提供改进的图像质量。

本文提供的方法和系统可以允许越来越快的医学成像而不牺牲图像质量。传统上，短的扫描持续时间可能会导致图像帧中的计数较低，并且由于断层扫描的位置不正确且噪声较高，因此从低计数的投影数据中重构图像可能具有挑战性。此外，减少辐射剂量还可能导致图像质量下降的噪声较大的图像。在此描述的方法和系统可以在不修改物理系统的情况下改进医学图像的质量，同时保留量化精度。

所提供的方法和系统可以通过应用深度学习技术来显着改进图像质量，从而减轻成像伪像并消除各种类型的噪声。医学成像中的伪像的示例可以包括噪声(例如，低信号噪声比)、模糊(例如，运动伪像)、阴影(例如，感测的阻塞或干扰)、信息丢失(例如，由于信息的删除或屏蔽导致绘画中的像素或体素缺失)和/或重构(例如，测量域的降级)。

另外，本公开的方法和系统可以应用于现有系统而无需改变下层基础设施。具体地，所提供的方法和系统可以在不增加硬件组件成本的情况下加速PET扫描时间，并且可以被部署，而与下层基础设施的配置或规范无关。