[发明专利]用于自动表征患者的肝脏组织的方法、系统、程序和介质在审

专利信息
申请号: 202110154221.4 申请日: 2021-02-04
公开(公告)号: CN113298752A 公开(公告)日: 2021-08-24
发明(设计)人: 斯特凡·坎嫩吉塞尔;贝特霍尔德·基弗;托马索·曼西;马塞尔·多米尼克·尼克尔;托马斯·法伊弗 申请(专利权)人: 西门子医疗有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06N3/04;G06N3/08
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 唐京桥;杨林森
地址: 德国*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 自动 表征 患者 肝脏 组织 方法 系统 程序 介质
【权利要求书】:

1.一种用于自动表征患者的肝脏组织的计算机实现的方法,包括

-经由第一接口(54)接收至少部分地包括所述患者的肝脏的成像区域的至少一个形态学磁共振图像数据集(34)和至少一个磁共振参数图(35),每个所述形态学磁共振图像数据集(34)和所述磁共振参数图(35)通过磁共振成像设备(59)来获取,

-在计算单元(55)中,将包括神经网络(42)的受训练函数(57)应用于输入数据(43),所述输入数据(43)至少包括所述图像数据集(34)和所述参数图(35),其中,生成描述所述肝脏组织的至少一个组织评分(39)作为输出数据(38),

-使用第二接口(56)提供所述输出数据(38)。

2.根据权利要求1所述的方法,其特征在于,所述至少一个组织评分(39)是选自以下各项的组:NAFLD活动性评分,脂肪变性评分,小叶炎症评分,肝细胞膨胀评分,以及纤维化评分,特别是纤维化分期。

3.根据权利要求1或2所述的方法,其特征在于,所述至少一个图像数据集(34)包括通过使用脂水分离技术特别是Dixon技术获得的至少一个图像数据集,并且/或者所述至少一个参数图(35)的至少一个参数选自弛豫时间、弛豫时间倒数特别是R2*、细胞外液量度和脂肪分数的组。

4.根据前述权利要求中的一项所述的方法,其特征在于,所述输入数据(43)另外包括至少部分地包括所述患者的肝脏的成像区域的磁共振弹性成像数据集和/或磁共振扩散加权数据集。

5.根据前述权利要求中的一项所述的方法,其特征在于,所述输入数据(43)还包括与所述患者和/或所述患者的肝脏有关的至少一个附加的标量信息和/或向量信息(36)。

6.根据权利要求5所述的方法,其特征在于,所述附加的标量信息和/或向量信息(36)选自人口统计信息、医疗历史信息和实验室结果的组,并且/或者所述附加的标量信息和/或向量信息(36)是从所述患者的电子健康记录(37)接收的。

7.根据前述权利要求中的一项所述的方法,其特征在于,所述神经网络(42)包括:至少一个卷积部分神经网络(44)中的至少一个卷积层(45),卷积部分神经网络特别地用于从所述图像数据集(34)和/或所述参数图(35)提取特征;以及/或者,密集部分神经网络(52)中的至少一个全连接层(51),密集部分神经网络特别地用以从至少所提取的特征(46)得出所述输出数据(38)。

8.根据权利要求7所述的方法,其特征在于,如果所述输入数据(43)包括附加的标量信息和/或向量信息(36),则将所述附加的标量信息和/或向量信息(36)或者从所述附加的标量信息和/或向量信息(36)得出的中间数据(50)添加至由所述至少一个卷积部分神经网络(44)生成的特征向量(47)。

9.根据权利要求8所述的方法,其特征在于,所述中间数据(50)由具有至少一个全连接层(49)的附加的密集部分神经网络(48)生成。

10.根据前述权利要求中的一项所述的方法,其特征在于,所述输出数据(38)被确定为另外包括至少一个预测结果信息(40),特别是与肝脏组织有关的事件的风险评分。

11.根据前述权利要求中的一项所述的方法,其特征在于,所述受训练函数(57)另外包括不确定性估计子函数,所述不确定性估计子函数确定关于所述输出数据(38)的至少一个不确定性信息(41),所述不确定性信息(41)是使用所述第二接口(56)与所述输出数据(38)相关联地提供的。

12.根据前述权利要求中的一项所述的方法,其特征在于,在所述计算单元(55)上的预处理步骤中,将所有图像数据集(34)和所有参数图(35)彼此配准,并且/或者将要由所述受训练函数(57)分析的感兴趣区域在所有图像数据集(34)和所有参数图(35)中进行分割。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西门子医疗有限公司,未经西门子医疗有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110154221.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top