合成医学图像的生成的制作方法
本文所公开的系统、方法和计算机程序涉及训练机器学习模型,并且使用经训练的机器学习模型来生成检查对象的检查区域的合成医学图像,所述合成医学图像表示在所述检查区域的动态检查期间的一个时间点的所述检查区域,所述生成基于表示在另一时间点或多个其他时间点的检查区域的一个或多个医学图像。
背景技术:
1、动态医学成像是指生成不同时间点的检查对象的检查区域的医学图像,以使得所述检查区域随时间的变化可视化。
2、动态医学成像可被用于诊断目的。一个实施例是使用利用肝胆造影剂的动态对比度增强磁共振成像(mri)来检测和鉴别诊断肝脏局灶性病变。
3、肝胆造影剂诸如 primovist®可被用于检测肝脏中的肿瘤。健康肝脏组织主要经门静脉(vena portae)供血,而大多数原发性肿瘤经肝动脉(arteria hepatica)供血。在静脉团注造影剂后,可观察到健康肝脏实质与肿瘤的信号增强之间存在时间延迟。
4、除恶性肿瘤以外,肝脏中也经常发现良性病变,诸如囊肿、血管瘤和局灶性结节性增生。为了正确制定治疗计划,必须将这些良性病变与恶性肿瘤区分开。primovist® 可被用于检测良性和恶性局灶性肝脏病变。它利用t1加权mri来提供关于这些病变特性的信息。肝脏和肿瘤的不同血供以及对比增强的时间进程被用于进行鉴别。
5、因此,追踪造影剂随时间的分布为检测和鉴别诊断局灶性肝脏病变提供了良好机会。
6、使用利用肝胆造影剂的动态对比度增强磁共振成像(mri)检测和鉴别诊断肝脏局灶性病变在此仅作为动态检查的一个实施例列出;存在许多其他实施例。所给出的实施例不应被理解为将本公开内容限制于该实施例。
7、动态检查可能花费相对较长的时间。在这段时间期间,患者应当在很大程度上避免移动,从而使医学图像中的移动伪影最小化。长时间限制移动可能使患者感到不适。将期望的是能够加速动态检查。
8、此外,在检查对象的检查区域的动态检查期间,检查区域的一个或多个医学图像可能由于检查对象的移动和/或其他原因而具有较低的质量。因此,将期望的是能够在不需要重复整个检查的情况下替换质量差的医学图像。
技术实现思路
1、通过本公开内容的独立权利要求的主题解决了这些和其他任务。优选实施方案在从属权利要求、说明书和附图中定义。
2、在第一方面,本公开内容涉及一种计算机实施的方法,包括:
3、- 提供多个检查对象的多个数据集,每个数据集包括至少两个医学图像:第一医学图像与第二医学图像,其中所述第一医学图像表示在第一时间点的检查对象的检查区域,并且所述第二医学图像表示在第二时间点的检查对象的检查区域,其中所述第一时间点与第二时间点是不同的时间点,
4、- 提供图像编码器,其中所述图像编码器被配置为基于医学图像来生成图像嵌入,
5、- 对于每个数据集:使用所述图像编码器来生成所述第一医学图像的图像嵌入,
6、- 提供条件生成模型,其中所述条件生成模型被配置为基于医学图像、条件与模型参数来生成经重建的医学图像,
7、- 训练所述条件生成模型,其中对于每个数据集,所述训练包括:
8、 基于所述第一医学图像的图像嵌入以及所述第二医学图像来生成经重建的第二医学图像,其中所述第一医学图像的图像嵌入在所述经重建的第二医学图像的生成中被用作条件,
9、 确定所述第二医学图像与所述经重建的第二医学图像之间的偏差,
10、 通过修改所述条件生成模型的模型参数来减小所述偏差,
11、- 接收新检查对象的至少一个医学图像,其中所述至少一个医学图像表示在第一时间点的所述新检查对象的检查区域,
12、- 使用所述图像编码器,基于所述新检查对象的至少一个医学图像来生成至少一个图像嵌入,
13、- 使用所述至少一个图像嵌入作为所述经训练的条件生成模型的条件输入来生成合成医学图像,
14、- 输出和/或存储所述合成医学图像,和/或将所述合成医学图像传输到单独的计算机系统。
15、在另一方面,本公开内容提供了一种计算机系统,包括:
16、处理单元;以及
17、存储器,所述存储器存储计算机程序,所述计算机程序被配置为在由所述处理单元实施时执行一种操作,所述操作包括:
18、- 提供多个检查对象的多个数据集,每个数据集包括至少两个医学图像:第一医学图像与第二医学图像,其中所述第一医学图像表示在第一时间点的检查对象的检查区域,并且所述第二医学图像表示在第二时间点的检查对象的检查区域,其中所述第一时间点与第二时间点是不同的时间点,
19、- 提供图像编码器,其中所述图像编码器被配置为基于医学图像来生成图像嵌入,
20、- 对于每个数据集:使用所述图像编码器来生成所述第一医学图像的图像嵌入,
21、- 提供条件生成模型,其中所述条件生成模型被配置为基于医学图像、条件与模型参数来生成经重建的医学图像,
22、- 训练所述条件生成模型,其中对于每个数据集,所述训练包括:
23、 基于所述第一医学图像的图像嵌入以及所述第二医学图像来生成经重建的第二医学图像,其中所述第一医学图像的图像嵌入在所述经重建的第二医学图像的生成中被用作条件,
24、 确定所述第二医学图像与所述经重建的第二医学图像之间的偏差,
25、 通过修改所述条件生成模型的模型参数来减小所述偏差,
26、- 接收新检查对象的至少一个医学图像,其中所述至少一个医学图像表示在第一时间点的所述新检查对象的检查区域,
27、- 使用所述图像编码器,基于所述新检查对象的至少一个医学图像来生成至少一个图像嵌入,
28、- 使用所述至少一个图像嵌入作为所述经训练的条件生成模型的条件输入来生成合成医学图像,
29、- 输出和/或存储所述合成医学图像,和/或将所述合成医学图像传输到单独的计算机系统。
30、在另一方面,本公开内容提供了一种非暂时性计算机可读存储介质,在所述非暂时性计算机可读存储介质上存储有计算机程序,所述计算机程序在由计算机系统的处理单元实施时,使所述计算机系统执行以下步骤:
31、- 提供多个检查对象的多个数据集,每个数据集包括至少两个医学图像:第一医学图像与第二医学图像,其中所述第一医学图像表示在第一时间点的检查对象的检查区域,并且所述第二医学图像表示在第二时间点的检查对象的检查区域,其中所述第一时间点与第二时间点是不同的时间点,
32、- 提供图像编码器,其中所述图像编码器被配置为基于医学图像来生成图像嵌入,
33、- 对于每个数据集:使用所述图像编码器来生成所述第一医学图像的图像嵌入,
34、- 提供条件生成模型,其中所述条件生成模型被配置为基于医学图像、条件与模型参数来生成经重建的医学图像,
35、- 训练所述条件生成模型,其中对于每个数据集,所述训练包括:
36、 基于所述第一医学图像的图像嵌入以及所述第二医学图像来生成经重建的第二医学图像,其中所述第一医学图像的图像嵌入在所述经重建的第二医学图像的生成中被用作条件,
37、 确定所述第二医学图像与所述经重建的第二医学图像之间的偏差,
38、 通过修改所述条件生成模型的模型参数来减小所述偏差,
39、- 接收新检查对象的至少一个医学图像,其中所述至少一个医学图像表示在第一时间点的所述新检查对象的检查区域,
40、- 使用所述图像编码器,基于所述新检查对象的至少一个医学图像来生成至少一个图像嵌入,
41、- 使用所述至少一个图像嵌入作为所述经训练的条件生成模型的条件输入来生成合成医学图像,
42、- 输出和/或存储所述合成医学图像,和/或将所述合成医学图像传输到单独的计算机系统。
43、在另一方面,本公开内容涉及造影剂的用途,和/或在检查对象的检查区域的动态检查中所使用的造影剂,所述动态检查包括:
44、- 接收一个或多个医学图像,其中所述一个或多个医学图像表示在施加所述造影剂之前和/或之后的一个或多个时间点的所述检查对象的检查区域,
45、- 提供图像编码器,其中所述图像编码器被配置为基于所述一个或多个医学图像来生成图像嵌入,
46、- 使用所述图像编码器,基于所述一个或多个医学图像来生成至少一个图像嵌入,
47、- 提供经训练的条件生成模型,其中所述经训练的条件生成模型被配置并且被训练为基于作为条件的图像嵌入来生成合成医学图像,
48、- 使用所述至少一个图像嵌入作为所述经训练的条件生成模型的条件输入来生成合成医学图像,
49、- 输出和/或存储所述合成医学图像,和/或将所述合成医学图像传输到单独的计算机系统,
50、其中所述经训练的条件生成模型的训练包括:
51、- 提供多个参考检查对象的多个数据集,每个数据集包括至少两个参考医学图像:一个或多个第一参考医学图像与第二参考医学图像,其中所述一个或多个第一参考医学图像表示在施加所述造影剂之前和/或之后的一个或多个时间点的所述参考检查对象的检查区域,所述第二参考医学图像表示在施加所述造影剂之前和/或之后的另一时间点的所述参考检查对象的检查区域,
52、- 对于每个数据集:使用所述图像编码器来生成所述一个或多个第一参考医学图像的一个或多个参考图像嵌入,
53、- 训练所述条件生成模型,其中对于每个数据集,所述训练包括:
54、 基于所述一个或多个第一参考医学图像的所述一个或多个参考图像嵌入以及所述第二参考医学图像来生成经重建的第二参考医学图像,其中所述一个或多个第一参考医学图像的所述一个或多个参考图像嵌入在所述经重建的第二参考医学图像的生成中被用作条件,
55、 确定所述第二参考医学图像与所述经重建的第二参考医学图像之间的偏差,
56、通过修改所述条件生成模型的模型参数来减小所述偏差。
57、在另一方面,本公开内容提供了一种成套组件,所述成套组件包括造影剂和计算机程序,所述计算机程序在由计算机系统的处理单元实施时,使所述计算机系统执行以下步骤:
58、- 接收一个或多个医学图像,其中所述一个或多个医学图像表示在施加所述造影剂之前和/或之后的一个或多个时间点的检查对象的检查区域,
59、- 提供图像编码器,其中所述图像编码器被配置为基于所述一个或多个医学图像来生成图像嵌入,
60、- 使用所述图像编码器,基于所述一个或多个医学图像来生成至少一个图像嵌入,
61、- 提供经训练的条件生成模型,其中所述经训练的条件生成模型被训练为基于作为条件的图像嵌入来生成合成医学图像,
62、- 使用所述至少一个图像嵌入作为所述经训练的条件生成模型的条件输入来生成合成医学图像,
63、- 输出和/或存储所述合成医学图像,和/或将所述合成医学图像传输到单独的计算机系统,
64、其中所述经训练的条件生成模型的训练包括:
65、- 提供多个参考检查对象的多个数据集,每个数据集包括至少两个参考医学图像:一个或多个第一参考医学图像与第二参考医学图像,其中所述一个或多个第一参考医学图像表示在施加所述造影剂之前和/或之后的一个或多个时间点的所述参考检查对象的检查区域,所述第二参考医学图像表示在施加所述造影剂之前和/或之后的另一时间点的所述参考检查对象的检查区域,
66、- 对于每个数据集:使用所述图像编码器来生成所述一个或多个第一参考医学图像的一个或多个参考图像嵌入,
67、- 训练所述条件生成模型,其中对于每个数据集,所述训练包括:
68、 基于所述一个或多个第一参考医学图像的所述一个或多个参考图像嵌入以及所述第二参考医学图像来生成经重建的第二参考医学图像,其中所述一个或多个第一参考医学图像的所述一个或多个参考图像嵌入在所述经重建的第二参考医学图像的生成中被用作条件,
69、 确定所述第二参考医学图像与所述经重建的第二参考医学图像之间的偏差,
70、 通过修改所述条件生成模型的模型参数来减小所述偏差。
71、在说明书中公开其他方面。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com