[发明专利]病变分类和分类函数提供方法、分类和成像系统以及介质

权利要求书

1.一种用于对病变进行分类的计算机实现的方法，包括：

-接收(REC-IMG.1)检查容积的第一医学图像(IMG.1)，其中，所述第一医学图像(IMG.1)对应于第一检查时间(t.1)，

-接收(REC-IMG.2)所述检查容积的第二医学图像(IMG.2)，其中，所述第二医学图像(IMG.2)对应于第二检查时间(t.2)，所述第二检查时间(t.2)不同于所述第一检查时间(t.1)，

-确定(DET-LA.1)与所述第一医学图像(IMG.1)内的所述病变相对应的第一病变区域(LA.1)，

-基于所述第一医学图像(IMG.1)和所述第二医学图像(IMG.2)的比较来确定(DET-RF)配准函数(RF(t.2，t.1))，

-基于所述配准函数(RF(t.2，t.1))和所述第一病变区域(LA.1)来确定(DET-LA.2)所述第二医学图像(IMG.2)内的第二病变区域(LA.2)，

-基于所述第二病变区域(LA.2)对所述第一医学图像内的所述病变进行分类(CLF)。

2.根据权利要求1所述的方法，其中，对所述病变进行分类(CLF)的步骤包括以下子步骤：

-将经训练的分类函数(TCF)应用(APL-TCF)于第一输入数据(ID.1)和第二输入数据(ID.2)，从而生成输出数据(OD.1，OD.2)，

其中，所述第一输入数据(ID.1)基于所述第一病变区域(LA.1)，

其中，所述第二输入数据(ID.2)基于所述第二病变区域(LA.2)，

-基于所述输出数据(OD.1、OD.2)来确定(DET-LC)病变分类。

3.根据权利要求2所述的方法，其中，所述经训练的分类函数(TCF)是循环神经网络，

其中，所述第一输入数据(ID.1)和所述第二输入数据(ID.2)独立地用作所述循环神经网络的输入数据。

4.根据权利要求2或3所述的方法，其中，所述循环神经网络包括至少一个LSTM块。

5.根据权利要求2至4中的一项所述的方法，其中，所述分类(CLF)的步骤还包括以下子步骤：

-通过将经训练的预处理函数(TPF)应用于包含所述第一病变区域(LA.1)的所述第一医学图像(IMG.1)的至少一部分来确定(DET-ID.1)所述第一输入数据(ID.1)，

-通过将所述经训练的预处理函数(TPF)应用于包含所述第二病变区域(LA.2)的所述第二医学图像(IMG.2)的至少一部分来确定(DET-ID.2)所述第二输入数据(ID.2)。

6.根据权利要求5所述的方法，其中，通过训练将所述经训练的预处理函数(TPF)配置成对单个医学图像内的病变进行分类。

7.根据前述权利要求中的一项所述的方法，其中，所述配准函数(RF(t.2，t.1))是非刚性配准函数。

8.根据权利要求7所述的方法，其中，确定所述配准函数(RF(t.2，t.1))是基于向量动量参数化的静止速度场。

9.根据前述权利要求中的一项所述的方法，其中，所述第一医学图像(IMG.1)和所述第二医学图像(IMG.2)是基于二维或三维X射线的医学图像。