[发明专利]利用深度神经网络的自动图形处方的系统和方法

说明书

本发明题为“利用深度神经网络的自动图形处方的系统和方法”。提供了具有深度学习系统的自动图形处方的方法和系统。在一个实施方案中，一种用于医疗成像系统的方法包括：通过医疗成像系统获取受检者的定位器图像；通过训练的神经网络系统，使用定位器图像生成图形处方；并且通过医疗成像系统根据图形处方执行受检者的扫描。以这种方式，利用来自医疗成像系统的操作者的最小输入可以精确地扫描受检者的期望的感兴趣区域。

技术领域

本文公开的主题的实施方案涉及医学成像，诸如磁共振成像(MRI)，并且更具体地，涉及利用深度神经网络自动生成用于医学成像的图形处方。

背景技术

医疗成像系统通常用于获得受检者(例如患者)的内部生理信息。例如，医疗成像系统可用于获得受检者的骨骼结构、大脑、心脏、肺部和各种其他特征的图像。医疗成像系统可以包括磁共振成像(MRI)系统、计算机断层摄影(CT)系统、x射线系统、超声系统和各种其他成像模态。

在对受检者进行诊断扫描之前，可以对受检者进行低分辨率或低剂量扫描(通常被称为侦察扫描或定位器扫描)，以获得受检者的内部解剖结构的侦察图像或定位器图像。医疗成像系统的操作者可以根据侦察图像或定位器图像来规划受检者的诊断扫描，以确保受检者的全强度诊断扫描根据需要正确地对受检者成像。

发明内容

在一个实施方案中，一种用于医疗成像系统的方法包括：通过医疗成像系统获取受检者的定位器图像；通过训练的神经网络系统，使用定位器图像生成图形处方；并且通过医疗成像系统根据图形处方执行受检者的扫描。以这种方式，利用来自医疗成像系统的操作者的最小输入可以精确地扫描受检者的期望的感兴趣区域。

应当理解，提供上面的简要描述以便以简化的形式介绍在具体实施方式中进一步描述的精选概念。这并不意味着识别所要求保护的主题的关键或必要特征，该主题范围由具体实施方式后的权利要求唯一地限定。此外，所要求保护的主题不限于解决上文或本公开的任何部分中提到的任何缺点的实施方式。

附图说明

通过参考附图阅读以下对非限制性实施方案的描述，将会更好地理解本发明，其中：

图1是根据一个示例性实施方案的MRI系统的框图；

图2示出了示出根据一个示例性实施方案的用于自动图形处方的深度学习架构的高水平框图；

图3A示出了示出根据一个示例性实施方案的用于对解剖结构进行分类、识别关键帧并且生成图形处方的深度学习架构的示例层的示意图；

图3B示出了示出根据另一个示例性实施方案的用于对解剖结构进行分类、识别关键帧并且生成图形处方的深度学习架构的示例层的示意图；

图4示出了图示根据一个示例性实施方案的用于基于二维定位器图像生成图形处方的深度学习架构的示例层的示意图；

图5示出了根据一个示例性实施方案的用于自动生成图形处方的方法的高水平流程图；

图6示出了根据一个示例性实施方案的根据解剖结构成功分类的多个定位器图像；

图7示出了根据一个示例性实施方案的成功分类为关键帧或非关键帧的多个定位器图像；并且

图8示出了根据一个示例性实施方案的具有自动生成的图形处方的多个定位器图像。

具体实施方式