[发明专利]使用经训练的网络检测梗塞

说明书

公开了使用经训练的网络检测梗塞。系统和方法包括：获取第一多个图像；针对所述第一多个图像中的每个，确定是否在图像中描绘了梗塞并且基于该确定生成与图像相关联的标记；获取第二多个非造影增强的计算机断层扫描图像；针对所述第二多个非造影增强的计算机断层扫描图像中的每个，确定所述第一多个图像中的对应的一个图像；将所述第二多个非造影增强的计算机断层扫描图像中的每个与关联于所述第一多个图像中的对应的那个图像的标记相关联；以及训练神经网络以输出网络生成的标记，训练基于所述第二多个非造影增强的计算机断层扫描图像和相关联的标记。

背景技术

医学成像系统获取患者体积的图像。放射科医生使用这些图像来标识和诊断疾病。例如，为了评估心肌梗塞，获取磁共振（MR）图像或造影增强的计算机断层扫描（CT）图像，并且放射科医生标识所获取的图像内的纤维化组织。

照例针对经受心脏评估的患者获取非造影CT图像，因为从CT图像确定的钙评分是心脏事件的良好预测因子。获取附加的MR图像来检测梗塞是时间和资源密集的，并且为了相同的目的替换地获取造影增强的CT图像使患者暴露于附加的辐射，同时还要求附加的时间。由于非造影CT图像的易于获取和可用性，想要系统基于非造影CT图像来检测梗塞。

附图说明

图1是根据一些实施例的用以训练网络以检测梗塞的系统的框图；

图2是根据一些实施例的部署经训练的网络以检测梗塞的系统的框图；

图3是根据一些实施例的用以训练和部署网络以检测梗塞的处理的流程图；

图4是根据一些实施例的图示训练数据的生成的框图；

图5是根据一些实施例的图示训练数据的生成的框图；

图6是根据一些实施例的图示训练数据的生成的框图；

图7是根据一些实施例的用以训练网络的系统的框图；

图8是根据一些实施例的用以使用转移学习训练网络的系统的框图；

图9是根据一些实施例的用以训练网络以检测梗塞的计算系统的框图；

图10是根据一些实施例的部署经训练的网络以检测梗塞的成像系统的示意图；和

图11图示根据一些实施例的使用经训练的网络生成标记。

具体实施方式

提供以下描述，以使得任何本领域技术人员能够作出并使用所描述的实施例，并且提出为了执行所描述的实施例而想见的最佳模式。然而，各种修改对于本领域技术人员来说仍然是显而易见的。

在此描述的实施例利用经训练的人工神经网络来基于输入的非造影CT图像检测梗塞。有利地，实施例可以减少针对分离的MR获取或分离的造影增强的CT获取的需要。因此，一些实施例显著地降低了检测成本（与MR成像相比）或减少了为了检测所要求的辐射剂量和造影剂（与造影增强的CT成像相比）。

根据一些实施例，基于非造影CT图像和指示每个图像是否描绘了梗塞的标记来训练网络。在一些实施例中，标记还可以指示非造影CT图像中的梗塞的位置。如将在下面描述那样，可以基于与非造影CT训练图像对应的MR或造影增强的CT图像来生成训练数据标记。如果训练数据量受限制，则网络训练可以采用转移学习。

图1图示根据一些实施例的用以基于非造影CT图像来训练网络的系统100。如在此描述的非造影CT图像可以包括二维CT图像、三维CT图像（例如，基于所获取的二维图像重新构建的）或CT图像“切片”（例如，重新构建的三维图像的切片）。“非造影”指示其中在感兴趣的区域中造影剂实质上不存在的状态。因此，可以在将造影剂引入到感兴趣的区域之前或者在已经引入造影剂并且已经流逝足够的时间以使造影剂实质上从感兴趣的区域冲洗掉之后获取非造影图像。