从白质纤维束中移除假阳性的制作方法

技术特征：
1.一种医学成像系统(100、400)，包括：
‑
存储器(110)，其存储机器可执行指令(112)和生成对抗神经网络(114、116)，其中，所述生成对抗神经网络包括生成器神经网络(114)和鉴别器神经网络(116)，其中，所述生成器神经网络被配置用于响应于输入特征向量而输出一组生成的白质纤维束(124)，其中，所述鉴别器神经网络被配置用于响应于输入一组输入白质纤维束(118)而输出标签(120)，其中，所述标签将所述一组输入白质纤维束指示为在解剖学上正确或在解剖学上不正确；
‑
处理器(104)，其用于控制所述医学成像系统，其中，所述机器可执行指令的运行还使所述处理器：
‑
根据纤维束成像算法使用描述脑的至少部分的感兴趣区域的扩散张量图像(434)来构建(200、504)所述一组输入白质纤维束；
‑
响应于输入所述一组输入白质纤维束而从所述鉴别器神经网络接收(202)所述标签；
‑
在所述标签指示在解剖学上不正确的情况下使用所述一组输入白质纤维束和所述生成器神经网络来生成(204)优化特征向量(122)，其中，所述优化特征向量是使用以下中的任一项来计算的：使用搜索算法来迭代地修改所述优化特征向量的元素，以及通过所述生成器白质网络进行反向传播；
‑
响应于输入所述优化特征向量而从所述生成器神经网络接收(206)所述一组生成的白质纤维束；
‑
使用所述一组生成的白质纤维束来构建(208)所述一组输入白质纤维束的假阳性子集(126)；并且
‑
通过从所述一组输入白质纤维束移除所述假阳性子集来提供(214)一组经校正的纤维束(128)。2.根据权利要求1所述的医学成像系统，其中，所述机器可执行指令的运行还使所述处理器：
‑
在显示器(108)上绘制(210)所述一组输入纤维束；并且
‑
在所述显示器上指示(212)所述假阳性子集和/或使用所述假阳性子集在所述显示器上指示在解剖学上正确的子集。3.根据权利要求1或2所述的医学成像系统，其中，所述一组经校正的纤维束是响应于从用户接口接收到信号而提供的。4.根据权利要求1、2或3所述的医学成像系统，其中，所述机器可执行指令的运行还使所述处理器：
‑
响应于输入所述一组经校正的白质纤维束而从所述鉴别器神经网络接收所述标签；
‑
在针对所述经校正的白质纤维束的所述标签指示在解剖学上不正确的情况下使用所述一组经校正的白质纤维束和所述生成器神经网络来生成所述优化特征向量；
‑
响应于重新输入针对所述一组经校正的白质纤维束的所述优化特征向量而从所述生成器神经网络接收所述一组生成的白质纤维束；并且
‑
使用所述一组生成的白质纤维束、所述一组经校正的白质纤维束将所述一组白质纤维束划分成假阳性子集和在解剖学上正确的子集。5.根据前述权利要求中的任一项所述的医学成像系统，其中，所述一组输入白质纤维束的所述假阳性子集是通过将所述一组输入白质纤维束中的每个输入白质纤维束与所述
一组生成的白质纤维束进行比较来构建的。6.根据权利要求5所述的医学成像系统，其中，所述一组输入白质纤维束中的每个输入白质纤维束具有端点(606)和路径(602、604)，其中，所述一组生成的白质纤维束中的每个生成的白质纤维束具有端点(606)和路径(600)，其中，将所述一组输入白质纤维束中的每个输入白质纤维束与所述一组生成的白质纤维束进行比较包括进行以下操作中的任一项：
‑
将所述一组输入白质纤维束的所述端点与所述一组生成的白质纤维束的所述端点进行比较；并且
‑
将所述一组输入白质纤维束的所述路径与所述一组生成的白质纤维束的所述路径进行比较；并且
‑
其组合。7.根据权利要求6所述的医学成像系统，其中，将所述一组输入白质纤维束的所述端点与所述一组生成的白质纤维束的所述端点进行比较包括进行以下操作中的任一项：
‑
生成围绕所述一组生成的白质纤维束中的一个生成的白质纤维束的端点的预定端点体积(608)，并且测试所述一组输入白质纤维束中的所述每个输入白质纤维束的两个端点是否都在所述一组生成的白质纤维束中的所述一个生成的白质纤维束的所述预定端点体积内；并且
‑
计算所述一组生成的白质纤维束中的所述一个生成的白质纤维束的端点与所述一组输入白质纤维束中的所述每个输入白质纤维束的端点之间的端点距离(700)，将所述端点距离输入到端点量度函数中以至少部分地提供所述比较。8.根据权利要求6或7所述的医学成像系统，其中，将所述一组输入白质纤维束的所述路径与所述一组生成的白质纤维束的所述路径进行比较包括进行以下操作中的任一项：
‑
生成围绕所述一组生成的白质纤维束中的一个生成的白质纤维束的路径的预定路径体积(610)，并且测试所述一组输入白质纤维束中的所述每个输入白质纤维束的所述路径是否在所述一组生成的白质纤维束中的所述一个生成的白质纤维束的所述预定路径体积内；并且
‑
计算所述一组生成的白质纤维束中的所述一个生成的白质纤维束的所述路径与所述一组输入白质纤维束的所述路径之间的输入路径距离(702)，将所述输入路径距离输入到路径距离量度函数中以至少部分地提供所述比较。9.根据前述权利要求中的任一项所述的医学成像系统，其中，所述机器可执行指令的运行还使所述处理器使用扩散加权磁共振成像数据(432)来重建(502)针对所述感兴趣区域的所述扩散张量图像。10.根据权利要求9所述的医学成像系统，其中，所述医学成像系统还包括被配置用于从成像区(408)采集所述扩散加权磁共振成像数据的磁共振成像系统，其中，所述存储器还包括脉冲序列命令(430)，所述脉冲序列命令被配置为控制所述磁共振成像系统根据扩散加权磁共振成像协议来采集针对所述感兴趣区域的所述扩散加权磁共振成像数据，其中，所述机器可执行指令的运行还使所述处理器通过利用所述脉冲序列命令控制所述磁共振成像系统来采集(500)所述扩散加权磁共振成像数据。11.根据前述权利要求中的任一项所述的医学成像系统，其中，所述机器可执行指令的运行还使所述处理器：
‑
初始化所述生成器神经网络和所述鉴别器神经网络；
‑
接收训练数据，其中，所述训练数据包括标准数据白质纤维束组；并且
‑
根据生成对抗神经网络训练算法来训练所述鉴别器神经网络和所述生成器神经网络，其中，在训练之后，所述生成器神经网络被配置用于被配置用于响应于输入特征向量而输出一组生成的白质纤维束(124)，其中，在训练之后，所述鉴别器神经网络被配置用于响应于输入一组输入白质纤维束(118)而输出标签(120)，其中，所述标签将所述一组输入白质纤维束指示为在解剖学上正确或在解剖学上不正确。12.根据权利要求1至10中的任一项所述的医学成像系统，其中，包括所述生成器神经网络(114)和所述鉴别器神经网络(116)的所述生成对抗神经网络是依据根据权利要求13所述的方法来训练的。13.一种训练生成对抗神经网络的方法，所述生成对抗神经网络包括生成器神经网络(114)和鉴别器神经网络(116)，其中，所述方法包括：
‑
配置所述生成器神经网络和所述鉴别器神经网络；
‑
接收训练数据，其中，所述训练数据包括标准数据白质纤维束组；并且
‑
根据生成对抗神经网络训练算法来训练所述鉴别器神经网络和所述生成器神经网络，其中，在训练之后，所述生成器神经网络被配置用于响应于输入特征向量而输出一组生成的白质纤维束(124)，其中，在训练之后，所述鉴别器神经网络被配置用于响应于输入一组输入白质纤维束(118)而输出标签(120)，其中，所述标签将所述一组输入白质纤维束指示为在解剖学上正确或在解剖学上不正确。14.一种使用生成对抗神经网络(114、116)操作医学成像系统(100、400)的方法，其中，所述生成对抗神经网络包括生成器神经网络(114)和鉴别器神经网络(116)，其中，所述生成器神经网络被配置用于响应于输入特征向量而输出一组生成的白质纤维束(124)，其中，所述鉴别器神经网络被配置用于响应于输入一组输入白质纤维束而输出标签(120)，其中，所述标签将所述一组输入白质纤维束指示为在解剖学上正确或在解剖学上不正确，其中，所述方法包括：
‑
根据纤维束成像算法使用描述脑的至少部分的感兴趣区域的扩散张量图像(434)来构建(200、504)所述一组输入白质纤维束；
‑
响应于输入所述一组输入白质纤维束而从所述鉴别器神经网络接收(202)所述标签；
‑
在所述标签指示在解剖学上不正确的情况下使用所述一组输入白质纤维束和所述生成器神经网络来生成(204)优化特征向量(122)，其中，所述优化特征向量是使用以下中的任一项来计算的：使用搜索算法来迭代地修改所述优化特征向量的元素，以及通过所述生成器白质网络进行反向传播；
‑
响应于输入所述优化特征向量而从所述生成器神经网络接收(206)所述一组生成的白质纤维束；
‑
使用所述一组生成的白质纤维束来构建(208)所述一组输入白质纤维束的假阳性子集(126)；
‑
通过从所述一组输入白质纤维束移除所述假阳性子集来提供(214)一组经校正的纤维束(128)。15.一种包括机器可执行指令(112)的计算机程序产品，所述机器可执行指令用于由控
制医学成像系统(100、400)的处理器(104)执行，其中，所述计算机程序产品还包括生成对抗神经网络(114、116)，其中，所述生成对抗神经网络包括生成器神经网络(114)和鉴别器神经网络(116)，其中，所述生成器神经网络被配置用于响应于输入特征向量而输出一组生成的白质纤维束(124)，其中，所述鉴别器神经网络被配置用于响应于输入一组输入白质纤维束而输出标签(120)，其中，所述标签将所述一组输入白质纤维束指示为在解剖学上正确或在解剖学上不正确，其中，所述机器可执行指令的运行还使所述处理器：
‑
根据纤维束成像算法使用描述脑的至少部分的感兴趣区域的扩散张量图像(434)来构建(200、504)所述一组输入白质纤维束；
‑
响应于输入所述一组输入白质纤维束而从所述鉴别器神经网络接收(202)所述标签；
‑
在所述标签指示在解剖学上不正确的情况下使用所述一组输入白质纤维束和所述生成器神经网络来生成(204)优化特征向量(122)，其中，所述优化特征向量是使用以下中的任一项来计算的：使用搜索算法来迭代地修改所述优化特征向量的元素，以及通过所述生成器白质网络进行反向传播；
‑
响应于输入所述优化特征向量而从所述生成器神经网络接收(206)所述一组生成的白质纤维束；
‑
使用所述一组生成的白质纤维束来构建(208)所述一组输入白质纤维束的假阳性子集(126)；并且
‑
通过从所述一组输入白质纤维束移除所述假阳性子集来提供(214)一组经校正的纤维束(128)。

技术总结
本发明提供了一种医学成像系统(100、400)，包括：机器可执行指令(112)的运行使处理器(104)：接收(200)一组输入白质纤维束(118)；响应于输入所述一组输入白质纤维束而从鉴别器神经网络(116)接收(202)标签；如果所述标签指示在解剖学上不正确，则使用所述一组输入白质纤维束和生成器神经网络(114)生成(204)优化特征向量(122)；响应于输入所述优化特征向量而从所述生成器神经网络接收(206)一组生成的白质纤维束；并且使用所述一组生成的白质纤维束来构建(208)所述一组输入白质纤维束的假阳性子集(126)。阳性子集(126)。阳性子集(126)。


技术研发人员：E
受保护的技术使用者：皇家飞利浦有限公司
技术研发日：2020.03.31
技术公布日：2021/11/17