[发明专利]身体表示

说明书

一种训练表示患者身体的机器学习系统的方法，包括获得多个存储的医学成像数据集，每个医学成像数据集表示相应患者的至少一部分，其中所述多个存储的医学成像数据集中的第一医学成像数据集与所述多个存储的医学成像数据集中的第二医学成像数据集相比表示患者身体的不同部分。估计存储的医学成像数据集中的多个界标，以及使用所述多个界标将每个存储的医学成像数据集对准到预定义姿势以生成对准的医学成像数据集，对对准的医学成像数据集中的多个点进行采样，以及基于至少所述多个点训练机器学习系统以配置机器学习系统的参数。机器学习系统的参数然后被存储并用在推断身体表示的方法中。

技术领域

本发明涉及处理医学图像数据以确定身体表示，特别是改进这样的表示的准确度。

背景技术

医学成像技术可以用于获得关于人体或动物体的信息。例如，X射线图像可以用于检测骨折和对骨折进行分类。在另一个示例中，磁共振成像（MRI）、计算机断层扫描（CT）和超声成像可以用于对身体组织成像并监视随时间的经过的改变。

由这些模态中的每一个捕获的图像数据可以用于检测骨骼和/或组织中的异常，并且使得能够在给定时间处拍摄快照。可以分析这些快照来定位和分类异常。在一些示例中，可能合期望的是准确地瞄准成像。这在成像模态涉及将患者暴露于辐射以捕获图像数据的情况下特别重要。在这样的示例中，为了提供期望的图像质量，合期望的是优化每个患者遭受的辐射量。这可以通过确定准确的身体表示以及用于诸如估计患者的体重或者器官或骨骼的体积之类的其他目的来实现。

因此，在一些成像模态中，可以使用人体的表示将辐射瞄准期望的区域。

本发明的目的是解决提供准确身体表示的至少一些困难。

发明内容

根据本发明的第一方面，提供了一种用于训练用于表示患者身体的机器学习系统的计算机实现的方法，包括获得多个存储的医学成像数据集，每个医学成像数据集表示相应患者的至少一部分，其中所述多个存储的医学成像数据集中的第一医学成像数据集与所述多个存储的医学成像数据集中的第二医学成像数据集相比表示患者身体的不同部分，估计所存储的医学成像数据集中的多个界标，使用所述多个界标将所存储的医学成像数据集中的每一个对准到预定义的姿势以生成对准的医学成像数据集，对对准的医学成像数据集中的多个点进行采样，基于所述多个点训练机器学习系统以配置机器学习系统的参数；以及存储至少机器学习系统的参数。

基于对准的医学成像数据来训练用于表示患者身体的机器学习系统，使得能够基于现有的医学成像数据源来快速且高效地确定患者的身体形状和大小。这使得能够估计患者身体的表示，其允许对患者进行准确成像。在其中成像模态涉及将患者暴露于潜在有害辐射的一些示例中，进行成像所需的辐射量子的准确瞄准减少了患者对辐射的总暴露。应当领会，其他用途可以是明显的，其中的一些在下面描述。

优选地，存储的医学成像数据集是计算机断层摄影数据、磁共振成像数据、x射线成像数据和超声成像数据中的至少一种。这使得机器学习系统能够使用不同类型的成像数据来训练，因为每个成像装置在对患者进行成像时可能需要患者被不同地定位。

优选地，对多个点进行采样包括对于所述多个点中的每一个，确定到医学成像数据集中表示的最近表面的距离。这使得能够确定与该点相关的信息，并将该信息用于评估神经网络输出的真实性。

训练机器学习系统包括基于所述多个点中的至少一个和到最近表面的对应距离来调整至少一个身体表示。这使得能够对多个点进行评估，并且使得机器学习系统能够调整身体表示。

所述至少一个身体表示可以是n维向量。这使得作为机器学习系统的训练处理的一部分而被调整的关于身体表示的信息能够被高效地存储，以便由一个或多个算法分析。

可选地，估计多个界标包括将至少一个界标检测算法应用于存储的医学成像数据集。这使得能够高效地处理医学成像数据集，以基于先前分析的医学成像数据集获得界标位置。