[发明专利]使用机器学习和解剖向量进行医学图像分析

权利要求书

1.一种训练用于确定指示医学图像中解剖结构的位置或类型的标签与医学图像中解剖结构的位置或类型之间关系的学习算法的计算机实施的方法，所述方法包括以下步骤：

a)获取患者训练图像数据(S21)，所述患者训练图像数据描述多个患者的解剖结构的数字医学图像；

b)获取图谱数据(S22)，所述图谱数据描述包含所述解剖结构的身体解剖部位的解剖模型；

c)获取观察方向数据(S23)，所述观察方向数据描述成像装置在用于生成所述医学图像的时间点朝向所述解剖结构的观察方向；

d)基于所述观察方向数据和所述图谱数据确定解剖向量数据(S24)，其中，所述解剖向量数据描述将所述观察方向变换为参考系所得的解剖向量，在所述参考系中定义所述解剖模型中的位置；

e)获取标签数据(S25)，所述标签数据描述表示所述解剖模型中解剖结构的位置或类型的标签；以及

f)基于所述患者训练图像数据、所述解剖向量数据和所述标签数据确定解剖指标数据(S26)，其中，所述解剖指标数据描述用于建立所述医学图像所描述的解剖结构的位置或类型与所述标签之间关系的学习算法的模型参数，其中，通过将所述患者训练图像数据和所述标签数据输入到关系建立函数中来确定所述解剖指标数据。

2.根据前述权利要求中任一项所述的方法，其中，所述医学图像是二维图像，诸如显微镜图像，例如用显微镜拍摄的视频的一部分，其中，所述成像装置例如是显微镜、配备有数码相机的内窥镜或配置为产生二维投影图像的X射线装置。

3.根据前述权利要求中任一项所述的方法，其中，通过将已经基于所述图谱数据和所述解剖向量数据所确定的图谱数据子集、例如实子集额外输入到所述关系建立函数中来确定所述解剖指标数据。

4.根据前述权利要求中任一项所述的方法，包括以下步骤：

获取附加数据，所述附加数据作为所述解剖向量的函数；以及

通过将所述附加数据额外输入到所述关系建立函数中来确定所述解剖指标数据。

5.根据前述权利要求中任一项所述的方法，其中，所述附加数据包括所述解剖向量数据或由解剖向量数据组成。

6.根据前述权利要求中任一项所述的方法，其中，所述学习算法包括机器学习算法或由机器学习算法组成。

7.根据前述权利要求中任一项所述的方法，其中，所述学习算法包括卷积神经网络或由卷积神经网络组成。

8.根据前述权利要求中任一项所述的方法，其中，所述模型参数定义所述学习算法的可学习参数，例如权重。

9.一种确定指示医学图像中解剖结构的位置或类型的标签与医学图像中解剖结构的位置或类型之间关系的计算机实施的方法，所述方法包括以下步骤：

a)获取个体患者图像数据(S31)，所述个体患者图像数据描述个体患者的解剖结构的数字个体医学图像；以及

b)确定标签关系数据(S32)，所述标签关系数据描述所述标签与所述个体医学图像中解剖结构之间的关系，其中，通过将所述个体患者图像数据输入到所述个体医学图像所描述的解剖结构与所述标签之间关系的建立函数中来确定所述标签关系数据，所述函数是已经通过执行根据权利要求1至2或从属于任一项权利要求1至2的权利要求6至8中任一项所述的方法训练的学习算法的一部分。