[发明专利]用于对医学图像进行分类的系统和方法

说明书

本申请公开了用于对图像进行分类的方法和系统。例如，一种方法包括：将医学图像输入到识别模型中，该识别模型被配置为：当输入有正常图像时生成基本上是高斯(Gaussian)的一个或多个属性分布，并且当输入有异常图像时生成基本上是非高斯的一个或多个属性分布；由识别模型生成与医学图像相对应的一个或多个属性分布；生成对应于样本图像与医学图像基本上匹配的似然的边缘似然，样本图像是通过由生成模型对一个或多个属性分布进行采样而生成的；以及至少通过以下步骤生成分类：如果边缘似然大于或等于预定似然阈值，则确定图像为正常的；和如果边缘似然小于预定似然阈值，则确定图像为异常的。

技术领域

本发明的某些实施例涉及对象识别。更具体地，本发明的一些实施例被配置为对医学扫描图像进行分类。但是可以认识到，本发明具有更广泛的适用范围。

背景技术

许多医学检查涉及使用例如MR、CT和PET扫描仪的工具来对患者进行扫描，以引导诊断或治疗计划。一个常见的挑战是识别不符合质量标准的不良扫描图像，例如不提供清楚或准确信息的图像。在一个示例中，不良扫描图像可能是由于患者在扫描期间不能保持静止，例如由于未屏住呼吸而导致的。不良扫描图像通常不能用于临床决策，因此通常被丢弃和重新扫描。对患者进行重新扫描，尤其是对于需要长处理时间的成像技术，例如涉及衰减和散射校正的PET图像重建，导致效率非常低。不合乎标准的图像，有时称为异常图像，不管扫描技术如何，通常都需要由成像技术人员手动识别和丢弃，例如在将图像发送给放射科医师之前。通常，技术人员将浏览一组图像并识别异常图像，这不仅是一个缓慢的过程，而且易于出现人为错误。因此，期望用于以提高的效率和准确度识别异常医学图像的系统和方法。

发明内容

本发明的某些实施例涉及对象识别。更具体地，本发明的一些实施例提供了用于使用变分自编码器对异常医学图像进行分类的方法和系统。仅仅通过示例的方式，本发明的一些实施例被配置为对医学扫描图像进行分类。但是可以认识到，本发明具有更广泛的适用范围。

在各个实施例中，一种用于对医学图像进行分类的计算机实施的方法，包括：将医学图像输入到识别模型中，该识别模型被配置为：当输入有正常图像时生成基本上是高斯(Gaussian)的一个或多个属性分布(attribute distributions)，并且当输入有异常图像时生成基本上是非高斯的一个或多个属性分布；由识别模型生成与医学图像相对应的一个或多个属性分布；生成对应于样本图像与医学图像基本上匹配的似然(likelihood)的边缘似然(marginal likelihood)，样本图像是通过由生成模型对一个或多个属性分布进行采样而生成的；将边缘似然与预定似然阈值进行比较；以及至少通过以下步骤生成分类：如果边缘似然大于或等于预定似然阈值，则确定医学图像的分类为正常；和如果边缘似然小于预定似然阈值，则确定医学图像的分类为异常。

在各个实施例中，一种用于对医学图像进行分类的系统，包括：图像输入模块，其被配置为将医学图像输入到识别模型中，该识别模型被配置为：当输入有正常图像时生成基本上是高斯的属性分布，并且当输入有异常图像时生成基本上是非高斯的属性分布；属性分布生成模块，其被配置为由识别模型生成与医学图像相对应的一个或多个属性分布；边缘似然生成模块，其被配置为生成对应于样本图像与医学图像基本上匹配的似然的边缘似然，样本图像是通过由生成模型对一个或多个属性分布进行采样而生成的；边缘似然比较模块，其被配置为将边缘似然与预定似然阈值进行比较；以及分类生成模块，其被配置为至少通过以下方式生成分类：如果边缘似然大于或等于预定似然阈值，则确定医学图像的分类为正常，并且如果边缘似然小于预定似然阈值，则确定医学图像的分类为异常。