[发明专利]用于基于人工智能的医学图像分割的方法和系统

说明书

公开了用于基于人工智能的医学图像分割的方法和系统。在用于自主的基于人工智能的医学图像分割的方法中，接收患者的医学图像。基于所述医学图像来自动确定当前分割上下文，并且基于所述当前分割上下文来从多个分割算法中自动选择至少一个分割算法。通过使用所选至少一个分割算法来在医学图像中分割目标解剖结构。

本申请要求2016年7月21日提交的申请号为62/365,032的美国临时申请以及2016年10月31日提交的申请号为62/414,913的美国临时申请的权益，所述申请的公开内容通过引用以其全部被并入本文中。

背景技术

本申请涉及对医学图像的基于计算机的分割，并且更具体地涉及对医学图像中目标结构的基于计算机的、基于人工智能的分割。

医学图像分割是一种重要的技术，其支持来自诊断、患者分层、治疗计划、干预、和跟进的整个临床成像工作流。医学图像分割涉及对患者医学图像中的结构、诸如器官、脉管、不同类型的组织、病理、医学设备等等的边界的检测。解剖对象的自动分割是对于许多医学图像分析任务、诸如运动追踪、疾病诊断和量化的先决条件。医学图像配准被使用在大量应用中以检测各种不同医学成像模态中的各种解剖对象或其它结构，所述医学成像模态诸如计算机断层扫描（CT）、磁共振成像（MRI）、超声、x-射线、DynaCT、正电子发射断层扫描（PET）、腹腔镜检查的/内窥镜检查的成像等等。在许多应用中，由于低对比度、图像噪声、或其它成像模糊性，自动医学图像分割是有挑战性的。由于医学图像分割可以被应用到的大范围的应用，开发一种稳健地对于所用用途都起作用的一般性医学图像分割方法是有挑战性的。

发明内容

本发明提供用于对医学图像的基于人工智能的分割的方法和系统。本发明的实施例提供多种基于人工智能的医学图像分割方法，包括多种不同的基于深度学习的医学图像分割方法。本发明的实施例还提供用于自主的基于人工智能的医学图像分割的方法和系统，其中经训练的智能人工代理执行对分割任务的智能自动化识别，以及对分割算法的智能自动化选择和应用。这允许智能人工代理被应用以智能地执行各种不同的分割任务，包括对不同解剖结构的分割以及在不同医学成像模态中的分割。

在本发明的一个实施例中，接收患者的医学图像。基于医学图像来自动地确定当前分割上下文，并且基于所述当前分割上下文而从多个分割算法中自动地选择至少一个分割算法。通过使用所选择的至少一个分割算法而在医学图像中分割目标解剖结构。

通过参考以下详细描述和附图，本发明的这些和其它优点对于本领域普通技术人员而言将是显而易见的。

附图说明

图1图示了根据本发明实施例的用于智能自主医学图像分割的系统；

图2图示了根据本发明实施例的用于智能自主医学图像分割的方法；

图3图示了根据本发明实施例的通过使用联合学习框架来整合先验而为解剖对象分割训练深度学习架构的方法；

图4图示了根据本发明实施例的用于训练DNN架构的联合训练框架；

图5图示了根据本发明实施例的通过使用具有所整合的先验的深度神经网络来分割目标解剖结构的方法；

图6图示了使用图5的方法而在3D超声心动图中的左心室分割的示例性分割结果；

图7图示了根据本发明实施例的用于医学图像中非刚性解剖对象的基于深度加强学习（DRL）分割的方法；

图8图示了使用常规自动化界标检测算法而在超声图像中的示例性解剖界标检测结果；

图9图示了根据本发明实施例的用于通过使用深度图像对图像网络（DI2IN）和多尺度概率图（probability map）而在医学图像中进行界标检测或解剖对象分割的方法；

图10图示了根据本发明实施例的为输入医学图像预测多尺度概率图的示例性DI2IN；