改进的病变检测方法与流程

技术特征：
1.一种用于病变检测的装置(10)，包括：-输入通道(12)，被配置用于接收使用第一成像模式获取的感兴趣区域的第一输入医学图像(imga)和使用第二成像模式获取的所述感兴趣区域的第二输入医学图像(imgb)，其中所述第二成像模式比所述第一成像模式具有更高的用于检测病变的灵敏度；-合成模块(14)，被配置用于将经预训练的深度学习神经网络应用于使用所述第一成像模式获取的所述第一输入医学图像，以得到第二合成医学图像(imgb_syn)，其中所述经预训练的深度学习网络已经基于训练数据集而被训练，所述训练数据集包括使用所述第一成像模式获取的所述感兴趣区域的医学图像和使用所述第二成像模式获取的所述感兴趣区域的医学图像的历史数据集；以及-轮廓化模块(16)，被配置用于共同配准所述第二输入医学图像与所述第二合成医学图像，以及执行所述第二输入医学图像与所述第二合成医学图像之间的减影以获取能够用于病变检测的减影图像。2.根据权利要求1所述的装置，其中所述轮廓化模块被配置用于将所述第二输入医学图像和所述第二合成医学图像进行归一化，以及执行经归一化的所述第二输入医学图像和经归一化的所述第二合成医学图像之间的减影。3.根据权利要求1或2所述的装置，还包括：-病变标识模块，被配置用于标识所述减影图像中的所述病变。4.根据前述权利要求中任一项所述的装置，其中所述经预训练的深度学习神经网络包括以下至少一项：-u-net；以及-生成对抗网络。5.根据前述权利要求中任一项所述的装置，其中所述第一成像模式和所述第二成像模式包括以下至少一项：-常规计算机断层成像ct和光谱ct；-模拟正电子发射断层成像-计算机断层成像pet/ct和数字pet/ct；以及-t1-加权磁共振成像mri和t2-flair mri。6.根据前述权利要求中任一项所述的装置，其中所述病变包括多发性硬化疾病病变。7.根据前述权利要求中任一项所述的装置，还包括：-输出通道(18)，被配置用于输出所述减影图像和/或病变标识结果。8.根据权利要求7所述的装置，还包括：-显示器，用于显示所述减影图像和/或所述病变标识结果。9.一种用于病变检测的计算机实现的方法(100)，包括：-接收(110)使用第一成像模式获取的感兴趣区域的第一输入医学图像和使用第二成像模式获取的所述感兴趣区域的第二输入医学图像，其中所述第二成像模式比所述第一成像模式具有更高的用于检测病变的灵敏度；-应用(120)经预训练的深度学习神经网络到使用所述第一成像模式获取的所述第一输入医学图像以得到第二合成医学图像，其中所述经预训练的深度学习网络已经基于训练
数据集而被训练，所述训练数据集包括使用所述第一成像模式获取的所述感兴趣区域的医学图像和使用所述第二成像模式获取的所述感兴趣区域的医学图像的历史数据集；-共同配准(130)所述第二输入医学图像与所述第二合成医学图像；以及-执行(140)所述第二输入医学图像与所述第二合成医学图像之间的减影，以获取能够用于病变检测的减影图像。10.根据权利要求9所述的计算机实现的方法，还包括：-对所述第二输入医学图像和所述第二合成医学图像进行归一化；以及-执行经归一化的所述第二输入医学图像与经归一化的所述第二合成医学图像之间的所述减影。11.根据权利要求9或10中任一项所述的计算机实现的方法，其中所述第一成像模式和所述第二成像模式包括以下至少一项：-常规计算机断层成像ct和光谱ct；-模拟正电子发射断层成像-计算机断层成像pet/ct和数字pet/ct；以及-t1-加权磁共振成像mri和t2-flair mri。12.根据权利要求9至11中任一项所述的计算机实现的方法，其中所述病变包括多发性硬化疾病病变。13.根据权利要求9至12中任一项所述的计算机实现的方法，还包括：-显示所述减影图像和/或病变标识结果。14.一种用于控制根据权利要求1至8中任一项所述的装置的计算机程序元素，当所述计算机程序元素由处理单元执行时，所述计算机程序元素被适应于执行根据权利要求9至13中任一项所述的方法。15.一种存储有根据权利要求14所述的所述程序元素的计算机可读介质。

技术总结
本发明涉及病变检测。为了提高病变检测，提出了将深度学习技术与轮廓化策略(即对对比度增强的图像与非对比度增强的图像之间的减影)相结合，以便仅反映与病变相关的两个图像之间的差异。之间的差异。之间的差异。


技术研发人员：张雅静
受保护的技术使用者：皇家飞利浦有限公司
技术研发日：2021.04.20
技术公布日：2022/12/2