[发明专利]用于前列腺癌检测和分类的深度卷积编码器-解码器

说明书

用于前列腺癌检测和分类的深度卷积编码器‑解码器。公开了一种用于在多参数磁共振成像（MRI）中的自动化前列腺肿瘤检测和分类的方法和装置。接收包括多个不同类型的MRI图像的患者的多参数MRI图像集合。使用训练的多通道图像到图像卷积编码器‑解码器来执行在患者的多参数MRI图像集合中的前列腺肿瘤的同时检测和分类，所述训练的多通道图像到图像卷积编码器‑解码器输入患者的多参数MRI图像集合的多个MRI图像并且包括对应于多个不同肿瘤类别的多个输出通道。对于每个输出通道，训练的图像到图像卷积编码器‑解码器生成相应的响应图，所述响应图提供在患者的多参数MRI图像集合中的相应的肿瘤类别的前列腺肿瘤的检测的位置。

本申请要求2017年2月22日提交的美国临时申请No. 62/461,970的权益，通过引用将其公开内容并入本文中。

背景技术

本发明涉及在医学图像中的前列腺肿瘤的自动化检测和分类，并且更特别地，涉及使用深度学习网络在多参数磁共振（MR）图像中的前列腺肿瘤的自动化检测和分类。

前列腺癌是美国男性中最频繁被诊断的癌，其中在2016年中的181000个新案例导致多于26000个死亡。早期诊断通常导致长期存活，但是依赖于通常由经直肠超声（transrectal ultrasound）（TRUS）成像引导的侵入性多核活检（invasive multicorebiopsy）。近期，多参数磁共振成像（MRI）已经展示了用于在非侵入性前列腺癌检测中使用的有前途的结果，因为在mpMRI和组织学数据之间已经建立了强相关性。无论盲前列腺活检还是引导的前列腺活检，对患者而言都是侵入性的和痛苦的，而获取多参数MRI图像集合基本上是较少侵入性的。如果使用多参数MRI可以做出相同水平的临床决定，那么可以避免此类侵入性活检中的一些或所有，并且可以以使用多参数MRI的非侵入性“虚拟活检”替代此类侵入性活检中的一些或所有。

在多参数磁共振（MR）图像中的检验需要两个具体任务。第一，必须检测潜在的癌症区，以及第二，必须将这些可疑区域分类为良性的或否则可动作的（actionable）（建议活检）。人工读由多达八个图像通道组成的多参数MR图像可能是乏味的任务。此外，甚至由专家放射科医师检测，也难以检测在多参数MR图像中表达的癌性病变的细微的和共同的标记（signature）。因此，一种用于在多参数MR图像中的前列腺肿瘤/病变的自动化检测和分类的方法是期望的。

发明内容

本发明提供了一种用于在多参数磁共振（MR）图像中的前列腺肿瘤的自动化的基于计算机的检测和分类的方法和系统。本发明的实施例使用深度图像到图像网络来执行在患者的多参数MR图像中的前列腺肿瘤的同时检测和分类。将多参数MR图像直接输入到训练的深度图像到图像网络，并且不需要特征提取预处理步骤。

在本发明的一个实施例中，接收患者的多参数MRI图像集合，其中多参数MRI图像集合包括患者的多个不同类型的MRI图像。使用训练的多通道图像到图像卷积编码器-解码器来执行在患者的多参数MRI图像集合中的前列腺肿瘤的同时检测和分类，其中训练的多通道图像到图像卷积编码器-解码器包括用于输入患者的多参数MRI图像集合的多个MRI图像的多个输入通道以及对应于多个不同肿瘤类别的多个输出通道，并且对于每个输出通道，训练的多通道图像到图像卷积编码器-解码器生成相应的响应图（response map），所述响应图提供在患者的多参数MRI图像集合中的相应的肿瘤类别的前列腺肿瘤的检测的位置。

通过参考以下具体实施方式和附图，本发明的这些优势和其他优势对本领域普通技术人员来说将是清楚的。

附图说明

图1图示了根据本发明的实施例的一种用于在多参数磁共振（MR）图像中的前列腺肿瘤的自动化的基于计算机的检测和分类的方法；

图2图示了根据本发明的各种实施例的用于实现图像到图像卷积编码器-解码器的示例性网络架构；

图3图示了对于地面实情（ground truth）良性和恶性前列腺肿瘤位置的高斯响应的示例；