[发明专利]医学图像中的自动变化检测

权利要求书

1.一种用于识别跟进医学图像中的病理变化的方法，该方法包括：

通过成像系统获取第一时间的参考图像数据；

通过成像系统获取随后时间的跟进图像数据；

通过处理器使用机器学习的网络生成用于参考图像数据和跟进图像数据的变形场，该机器学习的网络被训练以生成描述输入参考图像数据和输入跟进图像数据之间的健康解剖变形的变形场；

通过处理器使用所述描述输入参考图像数据和输入跟进图像数据之间的健康解剖变形的变形场对准参考图像数据和跟进图像数据；以及

通过处理器分析共同对准的参考图像数据和跟进图像数据以得到由于病理现象引起的变化，其中，使用从由软组织变形的生物力学模型生成的变形场导出的损失函数来训练所述机器学习的网络。

2.根据权利要求1所述的方法，其中，从多个参考图像数据和跟进图像数据生成所述生物力学模型。

3.根据权利要求2所述的方法，其中，所述生物力学模型由以下方式生成：

通过处理器分割成对的多个参考图像数据和多个跟进图像数据；

通过处理器将所述分割的对转换为网格表面；

通过处理器通过生成参考图像数据和跟进图像数据之间的逐点对应关系，使成对的将多个参考图像数据和跟进图像数据之间的网格表面相匹配；以及

通过处理器使用器官变形的生物力学模型求解匹配网格表面的运动，使用离散求解器方法进行求解。

4.根据权利要求1所述的方法，其中，所述机器学习的网络是深度三维卷积图像到图像神经网络。

5.根据权利要求1所述的方法，还包括：

通过处理器渲染对准的跟进图像数据的图像；以及

通过处理器显示具有由于突出显示的病理现象引起的变化的图像。

6.根据权利要求1所述的方法，其中分析包括：

通过处理器使用神经网络进行分析，所述神经网络被训练以识别共同对准的参考图像数据和跟进图像数据中逐分块变化。

7.根据权利要求1所述的方法，其中，参考图像数据和跟进数据是计算机断层扫描图像数据。

8.根据权利要求1所述的方法，其中，参考图像数据和跟进数据是通过不同的成像系统获取的。

9.根据权利要求1所述的方法，进一步包括第二时间，其中所述第二时间至少在用以观察由于疾病或治疗引起的解剖学变化的足够的时间之后。

10.一种用于训练神经网络以在参考体积和跟进体积之间生成生理学变形场的方法，该方法包括：

获取多个成对的参考体积和跟进体积；

分割所述多个成对的体积；

将分割的对转换为多个网格表面；

使用逐点对应关系来匹配多对体积的网格表面；

使用器官变形的生物力学模型求解匹配网格表面的运动，使用离散求解器方法进行求解；

使用网格表面和运动为成对的体积集生成变形网格；

将成对的体积集输入到被配置为输出生理学变形场的神经网络中；

比较变形网格和生理学变形场；

根据比较，在神经网络中调整权重；以及

使用成对的体积集重复生成，输入，比较和调整，直到神经网络输出类似于变形网络导出的变形场的生理学变形场。

11.根据权利要求10所述的方法，其中，以不同的时间间隔获取所述多个成对的参考体积和跟进体积。

12.根据权利要求10所述的方法，其中，所述多个成对的参考体积和跟进体积包括肺体积。

13.根据权利要求10所述的方法，其中，通过计算机断层扫描成像系统获取所述参考体积和跟进体积。