[发明专利]用于投影图像的图像分解的系统和方法在审

专利信息
申请号: 201980008629.1 申请日: 2019-01-09
公开(公告)号: CN111615362A 公开(公告)日: 2020-09-01
发明(设计)人: I·M·巴尔特鲁沙特;T·克内普;H·尼克基施;A·扎尔巴赫 申请(专利权)人: 皇家飞利浦有限公司
主分类号: A61B6/00 分类号: A61B6/00;G06T7/00;G06T7/10;G06N3/08;G06N20/00
代理公司: 永新专利商标代理有限公司 72002 代理人: 李光颖
地址: 荷兰艾*** 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: 用于 投影 图像 分解 系统 方法
【权利要求书】:

1.一种用于解剖投影图像的图像分解的系统,所述系统包括实施分解算法的数据处理系统(6),所述数据处理系统被配置为:

读取表示通过利用成像辐射辐照对象的部分而生成的投影图像的投影图像数据;

其中,被辐照部分之内的身体部分是所述成像辐射的衰减的三维衰减结构,其中,所述衰减结构表示所述分解算法的预定义分类的衰减结构的成员,由此表示所述衰减结构的分类;

其中,所述数据处理系统(6)还被配置为:

使用所述衰减结构的所述分类来分解所述投影图像;并且

其中,所述投影图像的所述分解在经分类的身体部分对所述投影图像的贡献与所述被辐照部分中的另外的身体部分对所述投影图像的贡献之间进行分解,其中,所述另外的身体部分与所述经分类的身体部分在所述投影图像中至少部分地重叠。

2.根据权利要求1所述的系统,其中,所述分解算法包括机器学习算法,所述机器学习算法优选包括人工神经网络(ANN),并且被配置用于使用所述身体部分的所述分类来执行所述投影图像的所述分解;

其中,所述数据处理系统被配置为使用体积图像数据来训练所述机器学习算法。

3.根据权利要求2所述的系统,其中,所述数据处理系统被配置用于从所述体积图像数据中对所述体积图像数据中的表示待分类的所述身体部分的部分的半自动或自动分割,并且计算所述体积图像数据的经分割的部分的模拟投影图像。

4.根据权利要求3所述的系统,其中,所述数据处理系统还被配置为使用所述体积图像数据来计算所述对象的所述被辐照部分的模拟投影图像。

5.根据权利要求4所述的系统,其中,所述机器学习算法被配置为使得所述训练基于所述体积图像数据的所述经分割的部分的计算的投影图像和所述对象的所述被辐照部分的所述模拟投影图像。

6.根据前述权利要求中的任一项所述的系统,其中,所述投影图像的所述分解包括:针对所述投影图像确定指示所述经分类的身体部分对所述投影图像的所述贡献的贡献图像。

7.根据前述权利要求中的任一项所述的系统,其中,所述衰减结构是所述身体的解剖学和/或功能上定义的部分。

8.根据前述权利要求中的任一项所述的系统,其中,所述数据处理系统还被配置为:取决于一幅或多幅另外的投影图像来分解所述投影图像,所述一幅或多幅另外的投影图像中的每幅投影图像是示出所述经分类的身体部分的投影图像;

其中,所述投影图像具有相互不同的投影轴。

9.一种用于使用实施分解算法的数据处理系统(6)对解剖投影图像的图像分解的方法,所述方法包括:

读取(250)表示通过利用成像辐射辐照对象的部分而生成的投影图像的投影图像数据;

其中,被辐照部分之内的身体部分是所述成像辐射的衰减的三维衰减结构,其中,所述衰减结构表示所述分解算法的预定义分类的衰减结构的成员,由此表示所述衰减结构的分类;

使用所述衰减结构的所述分类来分解(260)所述投影图像;

其中,所述投影图像的所述分解在经分类的身体部分对所述投影图像的贡献与所述被辐照部分中的另外的身体部分对所述投影图像的贡献之间进行分解,其中,所述另外的身体部分与所述经分类的身体部分在所述投影图像中至少部分地重叠。

10.根据权利要求9所述的方法,还包括使用体积图像数据来训练(240)所述分解算法。

11.根据权利要求10所述的方法,还包括:从所述体积图像数据中分割(220)待分类的所述身体部分,并且计算(230)经分割的身体部分的投影图像。

12.根据权利要求11所述的方法,还包括:

使用所述数据处理系统和所述体积图像数据来计算所述对象的所述被辐照部分的模拟投影图像。

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皇家飞利浦有限公司,未经皇家飞利浦有限公司许可,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/201980008629.1/1.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