[发明专利]针对医学成像中的灌注的深度学习

权利要求书

1.一种通过医学成像器估计心肌灌注的方法，所述方法包括：

用计算断层摄影（CT）系统扫描患者，所述扫描提供了表示随时间推移所述患者的心脏中的造影剂的冠状动脉CT数据；

除了所述冠状动脉CT数据之外，还获取针对所述患者的信息；

通过由深度学习训练过的经机器学习的模型来估计心肌灌注，所述经机器学习的模型响应于所述冠状动脉CT数据和所述信息的输入而输出心肌灌注；以及

显示所述心肌灌注。

2.根据权利要求1所述的方法，其中，扫描包括以少于五个拍摄进行扫描，并且其中，估计包括响应于来自所述不多于五个拍摄的冠状动脉CT数据的输入来进行估计。

3.根据权利要求1所述的方法，其中，扫描包括以一有效剂量进行扫描，在给定用于灌注的扫描协议的情况下该有效剂量小于用于扫描的剂量的1/2，并且其中，估计包括响应于与所述有效剂量相对应的所述冠状动脉CT数据的输入来进行估计。

4.根据权利要求1所述的方法，其中，获取信息包括获取针对所述患者的患者属性。

5.根据权利要求1所述的方法，其中，获取信息包括获取所述患者的计算断层摄影血管造影图像。

6.根据权利要求1所述的方法，其中，获取信息包括获取针对所述患者的动脉增强曲线信息。

7.根据权利要求1所述的方法，其中，获取信息包括获取针对所述患者的静态心肌测量。

8.根据权利要求1所述的方法，其中，估计包括通过输入所述信息、所述冠状动脉CT数据和注射协议参数来进行估计。

9.根据权利要求1所述的方法，其中，估计包括将所述心肌灌注估计为参数化图像。

10.根据权利要求1所述的方法，其中，估计包括将所述心肌灌注估计为峰值、到峰值的时间、血流量、血容量、平均通过时间、或其组合。

11.根据权利要求1所述的方法，还包括由图像处理器根据所估计的心肌灌注确定诊断或治疗，并且其中，显示包括显示所述诊断或治疗。

12.根据权利要求1所述的方法，其中，估计包括利用经机器学习的模型进行估计，所述经机器学习的模型包括卷积神经网络、经过对抗训练的生成网络、或递归神经网络。

13.一种用于基于医学成像中的灌注进行决策支持的系统，所述系统包括：

计算断层摄影（CT）扫描仪，其用于在造影剂在患者体内时扫描所述患者，所述CT扫描仪被配置成输出针对所述患者的CT数据，所述CT数据来自六个或更少的扫描拍摄的序列并且表示所述造影剂；

存储器，其被配置成存储经机器学习的模型；

图像处理器，其被配置成通过将所述CT数据和患者特定的信息输入到所述经机器学习的模型来估计灌注信息，所述灌注信息是用表示所述造影剂的不多于所述六个或更少的CT数据扫描拍摄来提供的；以及

显示器，其被配置成显示所述灌注信息。

14.根据权利要求13所述的系统，其中，所述CT扫描仪被配置成以一有效剂量来扫描所述患者，在给定针对所述六个或更少的扫描拍摄的灌注的扫描协议的情况下，该有效剂量小于用于扫描的剂量的1/2，并且其中，所述图像处理器被配置成基于不多于所述有效剂量来估计所述灌注信息。

15.根据权利要求13所述的系统，其中，所述图像处理器被配置成通过输入所述CT数据、所述患者特定的信息、以及用于将所述造影剂注射到所述患者中的注射协议信息来进行估计。