[发明专利]对于医学成像中的N维分割的多尺度深度强化机器学习

摘要

对于医学成像中的N维分割的多尺度深度强化机器学习。多尺度深度强化学习为对象的多维（例如3D）分割生成多尺度深度强化模型（22）。在此上下文中，分割被明确表达为学习收敛到对象边界的针对形状演进（40）的图像驱动策略（38）。该分割被视为强化学习问题，并且将尺度空间理论用于实现鲁棒和高效的多尺度形状估计。通过学习一种迭代策略来找到分割，可以解决端到端回归系统的学习挑战。

主权项

1.一种用于基于医学成像系统中的机器学习的三维分割的方法，该方法包括：/n由医学扫描仪对患者进行扫描，所述医学扫描仪包括磁共振、计算机断层扫描、x射线或超声成像系统；/n从存储器加载表示所述患者的三维区域的医学数据集，所述医学数据集来自由医学扫描仪的扫描，所述医学数据集包括磁共振、计算机断层扫描、x射线或超声数据；/n由机器将医学数据集应用到多尺度深度强化机器学习模型，利用多尺度深度强化学习来训练该多尺度深度强化机器学习模型，以从医学数据集分割三维对象的边界，该多尺度深度强化机器学习模型包括一种通过对象的边界的迭代细化的针对形状演进的一系列动作的机器学习策略，机器学习策略被训练成考虑到迭代细化中的每个迭代细化下的拟合状态来从可能动作中选择动作中的每个，所述动作包括医学数据集的不同分辨率中的动作，该系列由基于使奖励最大化的机器学习策略训练产生，使用统计形状建模、前向传播建模或体素掩模建模来描述该边界和细化，以自然演进策略来训练多尺度深度强化机器学习模型，以基于统计形状建模、前向传播建模或体素掩模建模来探索参数空间；/n由渲染器基于利用策略确定的边界来渲染三维对象的图像；并且/n在显示设备上显示图像。/n