[发明专利]医学图像的分割设备及分割方法

说明书

一种医学图像的分割设备及分割方法。本文描述了与分割和/或确定解剖结构的形状相关联的系统、方法和装置。使用人工神经网络(ANN)基于解剖结构的统计形状模型来执行这些任务。ANN通过评估和反向传播与形状估计和分割掩模生成相关联的多个损失来训练。使用这些技术获得的模型可以用于不同的临床目的，包括例如运动估计和运动跟踪。

技术领域

本申请涉及医学图像处理领域，具体涉及医学图像的分割设备及分割方法。

背景技术

分割是重要的医学图像分析技术。通过从背景医学图像中识别解剖结构(诸如人类心脏)的像素，该技术可以提供关于解剖结构的形状和/或容积的关键知识，该知识然后可以用于多个临床目的，包括例如容积分析、应变分析、运动估计和/或运动跟踪。在新开发的机器学习方法和更深更快的人工神经网络的辅助下，现有技术的分割技术在速度和准确度方面得到了极大的改进。然而，由于解剖结构、图像伪影等的相似性，仍然存在许多挑战，这些相似性经常导致不期望的缺陷，诸如断开连接、错误的解剖、不一致的结果等。当应用于运动跟踪应用(诸如依赖于跟踪跨越多个图像帧的特征的应用)中时，现有分割技术的缺点可能加剧，因为当帧从初始位置移开时，与特征预测相关联的误差可能累积并最终影响所产生的结果的完整性。在缺少局部图像特征的情况下，直接估计不同图像帧之间的点对应关系也可能是非常具有挑战性的任务。

因此，非常期望用于改进医学图像分割和/或运动跟踪的质量的系统、方法、装置。

发明内容

本文描述了与器官形状跟踪和图像分割相关联的系统、方法和装置。一种被配置为执行这些任务的设备可以包括一个或多个处理器，其被配置为接收解剖结构的表示和解剖结构的医学扫描图像。该表示可以包括指示解剖结构的统计形状的点云。这样的形状可以是例如基于解剖结构的预定统计形状模型确定的解剖结构的平均形状。该设备的一个或多个处理器可以被配置为实施人工神经网络(ANN)，并且可以使用ANN来基于所接收的医学扫描图像确定用于调节由所接收的表示指示的解剖结构的形状的多个第一参数和用于变换所接收的表示的多个第二参数。使用多个第一参数和多个第二参数，该设备的一个或多个处理器还可以被配置为使用ANN来生成解剖结构的修改表示，并且基于解剖结构的修改表示来分割(例如，通过分割掩模)医学扫描图像中的解剖结构。

在示例中，本文所述的ANN可以包括一个或多个渲染层，其被配置为基于解剖结构的修改表示以可微分的方式生成分割掩模。这样，可以在ANN的训练期间基于分割掩模确定损失，并且该损失可以用于修改ANN的参数。在示例中，本文所述的ANN可包括一个或多个形状调节层，其被配置为使用多个第一参数调节解剖结构的形状，以获得解剖结构的扭曲表示，并且ANN还可包括一个或多个变换层，其被配置为使用多个第二参数将仿射变换应用于解剖结构的扭曲表示。

在示例中，本文所述的ANN可以通过一个过程来训练：该过程包括：接收解剖结构的训练图像；接收指示解剖结构的平均形状的解剖结构的训练表示(例如，点云)；估计多个第一参数(例如，形变参数)和多个第二参数(例如，仿射参数)的值；使用多个第一参数和多个第二参数的估计值来调节解剖结构的训练表示；基于解剖结构的调节后的训练表示来预测解剖结构的分割；以及基于各种预测/估计结果与其相关联的金标准之间的损失(例如，差异)来调节ANN的参数。例如，ANN的参数可以基于解剖结构的预测分割和解剖结构的金标准分割来调节。ANN的参数还可以基于解剖结构的调节后的训练表示与金标准表示之间的差异来调节。ANN的参数还可以基于多个第一参数与多个第一参数的金标准之间的差异和/或多个第二参数与多个第二参数的金标准之间的差异来调节。

使用本文所述的技术确定的参数、点云和/或分割掩模可以用于服务多个临床目的。使用上述多个第一参数和多个第二参数，设备的一个或多个处理器还可以被配置为确定解剖结构在一段时间(例如，心动周期)内的形状，从而跟踪解剖结构在该段时间期间的运动。

附图说明

从以下结合附图以示例方式给出的描述中，可以更详细地理解本文公开的示例。