[发明专利]基于神经网络快速分割图像以及测定放射性药品吸收量的系统和方法在审

专利信息
申请号: 201980007207.2 申请日: 2019-01-07
公开(公告)号: CN111602174A 公开(公告)日: 2020-08-28
发明(设计)人: K·V·舍斯特兰德;J·F·A·里克特;K·E·M·约翰松;E·K·耶尔松 申请(专利权)人: 普罗热尼奇制药公司;西尼诊断公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/62
代理公司: 北京律盟知识产权代理有限责任公司 11287 代理人: 林斯凯
地址: 美国*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 神经网络 快速 分割 图像 以及 测定 放射性 药品 吸收 系统 方法
【权利要求书】:

1.一种自动化处理3D图像以鉴别所述3D图像内的对应于个体的前列腺的3D体积和确定一或多个指示其中的放射性药品吸收量的吸收指标的方法,所述方法包含:

(a)由计算装置的处理器接收使用解剖成像方式获得的所述个体的3D解剖图像,其中所述3D解剖图像包含个体内的组织的图形表示,其至少一部分对应于所述个体的骨盆区域;

(b)由所述处理器接收使用功能成像方式获得的所述个体的3D功能图像,其中所述3D功能图像包含多个体素,每一体素表示所述个体内的特定物理体积且具有表示从所述特定物理体积发射的检测辐射的强度值,其中所述3D功能图像的所述多个体素的至少一部分表示所述个体的骨盆区域内的物理体积;

(c)由所述处理器使用第一模块测定所述3D解剖图像内的初始关注体积VOI,所述初始VOI对应于所述个体的骨盆区域内的组织且排除所述个体的骨盆区域以外的组织;

(d)由所述处理器使用第二模块鉴别对应于所述个体的前列腺的所述初始VOI内的前列腺体积;和

(e)由所述处理器使用所述3D功能图像和所述3D解剖图像的所述初始VOI内经鉴别的前列腺体积确定所述一或多个吸收指标。

2.根据权利要求1所述的方法,其中所述第一模块接收所述3D解剖图像作为输入且输出多个表示所述3D解剖图像内的矩形体积的相对角的坐标值。

3.根据权利要求1或权利要求2所述的方法,其中步骤(c)包含使用所述第一模块测定3D骨盆骨掩模,从而鉴别所述3D解剖图像内对应于所述个体的骨盆骨的体积。

4.根据前述权利要求中任一权利要求所述的方法,其中所述第一模块是卷积神经网络CNN模块。

5.根据前述权利要求中任一权利要求所述的方法,其中步骤(d)包含使用所述第二模块来鉴别所述3D解剖图像内的一或多个额外组织体积,每一体积对应于所述个体内的具体组织区域,其中所述一或多个额外组织体积对应于选自由以下组成的群组的一或多个具体组织区域:

所述个体的骨盆骨;

所述个体的膀胱;

所述个体的直肠;和

所述个体的臀肌。

6.根据前述权利要求中任一权利要求所述的方法,其中步骤(d)包含使用所述第二模块将所述初始VOI内的每一体素分类对应于所述个体内的(预定)不同组织区域的集合中的特定组织区域。

7.根据权利要求6所述的方法,其中对所述初始VOI内的每一体素进行分类包含:

经由所述第二模块测定所述初始VOI内的多个体素中的每一者的似然值集合,其中所述似然值集合包含所述组织区域集合的一或多个组织区域中的每一者的相应似然值,所述似然值表示所述体素体现所述组织区域内的物理体积的似然度;和

对于所述初始VOI内的所述多个体素中的每一者,基于针对所述体素测定的所述似然值集合,将所述体素分类对应于所述特定组织区域。

8.根据权利要求6或7所述的方法,其中所述第二模块接收所述初始VOI作为输入并输出多个值,所述多个值针对所述初始VOI内的每一体素包含如下(i)、(ii)和(iii)中的至少一种:

(i)对所述体素进行分类的值;

(ii)所述体素的似然值集合;和

(iii)鉴别与不同组织区域的任一预定集合不对应的所述体素的值。

9.根据权利要求6到8中任一权利要求所述的方法,其中不同组织区域的所述(预定)集合包含选自由以下组成的群组的一或多个组织区域:

所述个体的前列腺;

所述个体的骨盆骨;

所述个体的膀胱;

所述个体的直肠;和

所述个体的臀肌。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于普罗热尼奇制药公司;西尼诊断公司,未经普罗热尼奇制药公司;西尼诊断公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201980007207.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top