[发明专利]针对深度学习电特性断层摄影的不确定度图

权利要求书

1.一种用于确定对象(718)中的目标体积(708)的电特性EP的医学分析系统(100)，所述医学分析系统包括：至少一个处理器(103)；以及至少一个存储器(107)，其存储机器可执行指令，所述处理器(103)被配置用于控制所述医学分析系统(100)，其中，所述机器可执行指令的运行使所述处理器(107)：

接收(203)所述目标体积的输入B1场图，并且通过先前训练的DNN来根据所述输入B1场图重复地生成EP图，得到一组EP图，其中，所述生成包括在DNN的推理期间在每次重复中使用MC丢弃，其中，所述DNN是先前使用训练数据集而被训练的，所述训练数据集包括训练B1场图和相应的EP图，所述训练包括在所述训练期间使用所述DNN的蒙特卡罗MC丢弃；

组合(205)所述一组EP图以确定所述输入B1场图的EP图和相关联的不确定性图。

2.根据权利要求1所述的系统，其中，所述机器可执行指令的运行还使所述处理器确定所述不确定性图是否满足预定义的质量条件，并且响应于确定所述不确定性图不满足所述预定义的质量条件，使用另外的训练数据集来重新训练所述DNN，并且使用经重新训练的DNN代替所述经训练的DNN来重复步骤b)-c)。

3.根据权利要求2所述的系统，所述另外的训练数据集大于所述训练数据集。

4.根据权利要求2所述的系统，其中，所述机器可执行指令的运行还使所述处理器执行所述重复直到所述不确定性图满足所述预定义的质量条件。

5.根据前述权利要求中的任一项所述的系统，所述训练B1场图包括B1场相位图和B1幅值图，其中，所述输入B1场图包括B1相位图和/或B1幅值图。

6.根据前述权利要求中的任一项所述的系统，所述训练B1场图是测量的和/或模拟的B1场图，并且对应的EP图是模拟的EP图。

7.根据前述权利要求中的任一项所述的系统，其中，使用所述MC丢弃包括控制丢弃率、丢弃层的数量和/或位置。

8.根据前述权利要求中的任一项所述的系统，所述DNN是U-NET。

9.根据前述权利要求中的任一项所述的系统，被配置为连接到一个或多个MRI系统并且从所述MRI系统接收所述输入B1场图和/或所述测量的B1图。

10.根据前述权利要求中的任一项所述的系统，还包括MRI系统，所述MRI系统被配置用于采集图像数据并且根据所述图像数据来重建B1图，所述输入B1图和/或所述测量的B1图包括所重建的B1图。

11.一种针对用于确定对象(718)中的目标体积(708)的电特性EP的深度神经网络DNN的训练方法，所述方法：

使用包含训练B1场图和相对应的EP图的训练数据集；

在训练期间使用DNN的蒙特卡罗MC丢弃，产生被配置用于根据B1场图来生成EP图的经训练的DNN。

12.一种用于确定对象(718)中的目标体积(708)的电特性EP的方法，所述方法包括：

根据权利要求11所述的训练方法(201)；

接收(203)所述目标体积的输入B1场图，并且通过所述经训练的DNN来根据所述输入B1场图重复地生成EP图，得到一组EP图，其中，所述生成包括在每次重复中在所述DNN的推理期间使用MC丢弃；

组合(205)所述一组EP图以确定输入B1场图的EP图和相关联的不确定性图。

13.一种包括用于由处理器运行的机器可执行指令的计算机程序产品，其中，所述机器可执行指令的运行使所述处理器执行根据权利要求10所述的方法的至少部分。

14.根据前述权利要求所述的包括用于由处理器运行的机器可执行指令的计算机程序产品，其中，所述机器可执行指令的运行还使所述处理器执行根据权利要求11所述的方法的至少部分。