[发明专利]评估将图像分割成不同类型组织的质量，用于使用肿瘤治疗场（TTField）来计划治疗

权利要求书

1.一种估计图像分割的质量的方法，所述方法包括：

训练机器学习系统，以基于多个参考图像和已经分配给每个参考图像的至少一个质量分数来估计图像分割的质量；

将新图像和新图像的分割呈现给机器学习系统；

从机器学习系统接收用于新图像的分割的至少一个第一质量分数；以及

输出用于新图像的分割的所述至少一个第一质量分数。

2.根据权利要求1所述的方法，其中所述机器学习系统被训练为基于（a）仿射配准的质量、（b）可变形配准的质量、（c）输入图像属性、和（d）经分割组织的几何属性来估计图像分割的质量。

3.根据权利要求1所述的方法，其中所述可变形配准的质量基于变形的场偏差、方向可变性和均值每轴可变性来确定。

4.根据权利要求1所述的方法，其中所述输入图像属性分别包括每个组织的最短轴长度和信噪比。

5.根据权利要求1所述的方法，其中所述经分割组织的几何属性包括形状的体积和经连接组件的数量，每个几何属性是按组织计算的。

6.根据权利要求1所述的方法，其中所述机器学习系统被训练为基于至少一个全局质量特征、至少一个局部质量特征和颅内组织的最短轴长度来估计新图像的分割的质量，并且

其中所述机器学习系统被训练为基于图像质量和颅外组织的组织形状属性来估计新图像的分割的质量。

7.根据权利要求1所述的方法，进一步包括：

对分割进行自动调整；

将经调整的分割呈现给机器学习系统；

从机器学习系统接收经调整的分割的至少一个第二质量分数；以及

当所述至少一个第二质量分数指示相对于所述至少一个第一质量分数的改进的质量时，输出指示。

8.一种改进图像分割的质量的方法，所述方法包括：

将新图像和新图像的第一分割呈现给机器学习系统，其中所述机器学习系统已经被训练为基于多个参考图像和已经分配给每个参考图像的至少一个质量分数来估计图像分割的质量；

从机器学习系统接收新图像的第一分割的至少一个第一质量分数；

输出用于新图像的第一分割的所述至少一个第一质量分数；

从用户接受对第一分割的至少一个修正；

将新图像的第二分割呈现给机器学习系统，其中所述第二分割基于对第一分割的所述至少一个修正；

从机器学习系统接收新图像的第二分割的至少一个第二质量分数；以及

输出用于新图像的第二分割的所述至少一个第二质量分数。

9.根据权利要求8所述的方法，其中新图像的第一分割的至少一个第一质量分数由整个新图像的单个第一质量分数组成，并且其中新图像的第二分割的至少一个第二质量分数由整个新图像的单个第二质量分数组成。

10.根据权利要求8所述的方法，其中新图像的第一分割的至少一个第一质量分数包括新图像内的多个区域中的每一个的单独的第一质量分数，并且新图像的第二分割的至少一个第二质量分数包括新图像内的多个区域中的每一个的单独的第二质量分数。

11.根据权利要求8所述的方法，其中新图像的第一分割的至少一个第一质量分数包括新图像内的多个组织类型中的每一个的单独的第一质量分数，并且新图像的第二分割的至少一个第二质量分数包括新图像内的多个组织类型中的每一个的单独的第二质量分数。

12.根据权利要求8所述的方法，其中对第一分割的至少一个修正包括以下调整：使给定体素属于特定组织类型的计算概率移位。

13.根据权利要求8所述的方法，其中对第一分割的至少一个修正包括以下调整：对于新图像中对应于组织的所有体素，（a）增加给定体素属于第一组织类型的计算概率，以及（b）减少给定体素属于第二组织类型的计算概率。