用于自动分割患者特定解剖结构以进行病理特定测量的系统及方法与流程

本公开针对于用于对来自医学图像的患者特定解剖特征进行多模式分析以针对特定用例在诊断、规划及治疗时进行病理特定测量的系统及方法。

背景技术：

1、创建患者解剖结构的特定部分的准确3d模型有助于通过为临床医生提供了解以进行手术前规划来改变手术程序。举例来说，益处包含患者更好的临床结果、减少的手术时间及成本以及患者更好地理解规划手术的能力。

2、然而，仍需要提供3d模型，以提供对患者解剖结构或病理的更深入了解。

3、鉴于先前已知系统及方法的前述缺点，需要用于分析患者的医学图像以创建3d模型从而辅助诊断、规划及/或治疗的增强系统及方法。

技术实现思路

1、本公开通过提供用于对来自医学图像的患者特定解剖特征进行多模式分析以针对特定用例在诊断、规划及/或治疗时进行病理特定测量的系统及方法而克服先前已知的系统及方法的缺点。

2、产生患者解剖结构的比例虚拟复制物(例如，3d解剖模型)，是极其有用的工具，其可用于在临床实践中驱动个性化患者特定决策，例如用于手术前规划。本公开演示了如何产生患者完整解剖结构的患者特定3d模型，例如，通过构建机器学习模型来从医学扫描中自动检测及分割解剖结构。这些模型可使用精选的经语义标记数据集来训练。为了产生3d分割，训练神经网络或机器学习算法来识别一组医学图像内的解剖特征。这些图像用解剖特征及其构成部分的位置及标志进行语义标记。因此，分割算法可以获取新的数据集及其互补标志，并使用其来识别新的解剖特征或标志。

3、分割过程是产生对解剖特征的患者特定了解的第一步，其为临床设定中的决策提供了动力。可从英国贝尔法斯特的轴向医学印刷有限公司(axial medical printinglimited)获得的技术将2d医学扫描转向患者解剖结构的比例3d模型，从而允许进行3d决策及理解。分割过程的输出是表示扫描中解剖特征的精确坐标组。解剖结构的此表示允许关于要制作的特征的明确陈述，例如，例如大小、长度、体积、直径、倾斜横截面等的标准测量。因此，外科手术医生可以计算解剖特征或病理的形状及位置，并将其结合到个性化决策过程中。这些测量可用于驱动关于患者状况及任何提议的干预的关键决策。

4、更重要的是，本文中所描述的系统可区分解剖结构及任何解剖特征的正常及病理状态。训练过程可以用此信息进一步完善，并且可以使用此信息来驱动解剖特征的进一步分类。举例来说，可以在医学扫描中识别及分割血液。通过结合关于病理状态的信息，还可以识别及分割血管内的血块，使得可以识别病理的类型及严重性。结合关于解剖结构的测量数据，此信息对于在基于急性血块的病理(例如中风或冠心病)中做出决策是至关重要的。

5、可通过将本文中所描述的自动分割算法与特定于每种病理的大型标记训练数据集组合来创建病理特定的可取得专利的人工制品，使得适当算法与特定数据的组合为每种病理创建独特的人工制品组。提供分割的特定功能分组的能力为特定的临床问题提供了显著的益处。此外，提供自动分割的能力还开启了将受益于本文中所描述的系统的许多病理特定应用。

6、根据一个方面，提供一种用于对来自医学图像的患者特定解剖特征进行多模式分析的方法。所述方法可包含：由服务器接收患者的医学图像及与所述医学图像相关联的指示所选择病理的元数据；由所述服务器使用分割算法自动处理所述医学图像以标记所述医学图像的像素且产生指示所述像素被正确地标记的可能性的分数；由所述服务器使用解剖特征识别算法来将所述经标记像素的相关联群组与解剖知识数据集进行概率匹配，以将所述医学图像内的一或多个患者特定解剖特征分类；由所述服务器产生界定所述一或多个经分类患者特定解剖特征的表面的3d表面网格模型；由所述服务器基于所述所选择病理从所述3d表面网格模型提取信息；及由所述服务器基于所述所提取信息产生所述3d表面网格模型的与所述所选择病理相关联的生理信息。举例来说，从所述3d表面网格模型提取的所述信息可包含基于所述所选择病理从所述一或多个经分类患者特定解剖特征隔离出的解剖特征的3d表面网格模型。

7、由所述服务器产生所述3d表面网格模型的与所述所选择病理相关联的生理信息可包含：确定所述经隔离解剖特征的起始点及结束点；沿着从所述起始点到所述结束点的轴线以预定义间隔获取切片；计算每一切片的由所述经隔离解剖特征的周界界定的横截面积；基于所述相应横截面积外推邻近的切片之间的3d体积；及基于邻近的切片之间的所述经外推3d体积计算所述经隔离解剖特征的总3d体积。

8、由所述服务器产生所述3d表面网格模型的与所述所选择病理相关联的生理信息可包含：确定所述经隔离解剖特征的起始点及结束点以及从所述起始点到所述结束点的行进方向；沿着轴线在垂直于所述行进方向的至少三个方向上以预定义间隔投射射线且确定所投射的每一射线与所述3d表面网格模型的交点之间的距离；通过对所投射的每一射线与所述3d表面网格模型的交点之间的所述距离进行三角测量而计算每一间隔处的中心点；基于邻近的经计算中心点之间的方向向量调整每一间隔处的所述行进方向，使得以所述预定义间隔进行的射线投射在垂直于每一间隔处的所述经调整行进方向的至少三个方向上发生；及基于从所述起始点到所述结束点的所述经计算中心点计算所述经隔离解剖特征的中心线。

9、由所述服务器产生所述3d表面网格模型的与所述所选择病理相关联的生理信息可包含：计算所述经隔离解剖特征的中心线；确定所述经隔离解剖特征的起始点及结束点以及从所述起始点到所述结束点的方向向量；基于从所述起始点到所述结束点的所述方向向量沿着所述中心线以预定义间隔建立切割平面，每一切割平面垂直于每一间隔处所述中心线的行进方向；在每一间隔处的所述切割平面中投射射线以确定所述3d表面网格模型上相对于所述中心线的交点的位置；及基于每一间隔处的交点的所述所确定位置计算跨越所述3d表面网格模型的长度。

10、由所述服务器产生所述3d表面网格模型的与所述所选择病理相关联的生理信息可包含：确定所述经隔离解剖特征的起始点及结束点；沿着从所述起始点到所述结束点的轴线以预定义间隔获取切片；计算每一切片的由所述经隔离解剖特征的周界界定的横截面积；及基于每一切片的所述横截面积产生所述经隔离解剖特征的热图。

11、由所述服务器产生所述3d表面网格模型的与所述所选择病理相关联的生理信息可包含：确定所述经隔离解剖特征的起始点及结束点；计算所述经隔离解剖特征的中心线；确定沿着所述中心线的邻近点之间的方向性行进向量；计算沿着所述中心线的邻近点之间的方向性行进向量的改变量值；及基于沿着所述中心线的邻近点之间的方向性行进向量的所述改变量值产生所述经隔离解剖特征的热图。

12、在一些实施例中，所述3d表面网格模型的与所述所选择病理相关联的所述所产生生理信息可包含相关联时间戳，使得所述方法进一步包含：由所述服务器记录所述所产生生理信息及所述相关联时间戳；及由所述服务器基于相关联时间戳计算所述所记录生理信息之间随着时间的改变，其指示所述所选择病理的进展。因此，所述方法进一步可包含：由所述服务器计算所述所记录生理信息之间随着时间的所述改变的量值；及由所述服务器基于所述所记录生理信息之间随着时间的所述改变的所述量值产生所述经隔离解剖特征的热图。

13、由所述服务器基于所述所选择病理从所述3d表面网格模型提取信息可包含：基于所述所选择病理从所述一或多个经分类患者特定解剖特征隔离出一解剖特征；利用解剖特征数据库分析所述经隔离解剖特征的特征以识别所述经隔离解剖特征的一或多个标志；使所述一或多个经识别标志与所述医学图像的所述像素相关联；及产生界定包括所述经识别标志的所述经隔离解剖特征的表面的3d表面网格模型。此外，所述方法可进一步包含：由所述服务器基于所述所选择病理及所述一或多个经识别标志从外科手术器具数据库识别用于执行外科手术程序的经导引轨迹；及向用户显示所述经导引轨迹。

14、另外，所述方法进一步可包含：由所述服务器接收患者人口统计数据；由所述服务器基于所述患者人口统计数据及所述3d表面网格模型的与所述所选择病理相关联的所述所产生生理信息而从医学装置数据库识别一或多个医学装置；及向用户显示所述经识别一或多个医学装置。此外，所述方法进一步可包含：由所述服务器接收患者人口统计数据；由所述服务器基于所述患者人口统计数据及所述3d表面网格模型的与所述所选择病理相关联的所述所产生生理信息而从外科手术器具数据库识别一或多个治疗选项；及向用户显示所述经识别一或多个治疗选项。

15、由所述服务器基于所述所选择病理从所述3d表面网格模型提取信息可包含：基于所述所选择病理从所述一或多个经分类患者特定解剖特征隔离出一解剖特征；利用解剖特征数据库分析所述经隔离解剖特征的特征以识别所述经隔离解剖特征的一或多个标志；利用参考骨折数据库分析所述一或多个标志的特征以检测所述经隔离解剖特征的骨折；及产生包括所述一或多个经识别标志及所述所检测骨折的所述经隔离解剖特征的3d表面网格模型。因此，所述方法进一步可包含对所述经隔离解剖特征的所述3d表面网格模型与所述参考骨折数据库进行匹配以将所述所检测骨折分类。

16、所述方法进一步可包含：由所述服务器将所述经分类一或多个患者特定解剖特征描画成二进制标记；由所述服务器将所述二进制标记分离成单独解剖特征；及由所述服务器将所述单独解剖特征映射到所述医学图像的原始灰度值且移除所述医学图像内的背景，且其中所述所产生3d表面网格模型界定所述单独解剖特征的表面，或包括通过将特定色彩或透明度值映射到所述经分类一或多个患者特定解剖特征而界定的体积渲染。在一些实施例中，所述分割算法可包含以下各项中的至少一者：基于阈值的、决策树、链式决策森林，或神经网络方法。与所述所选择病理相关联的所述生理信息可包含以下各项中的至少一者：直径、体积、密度、厚度、表面积、豪斯菲尔德(hounsfield)单位标准差，或平均值。

17、根据本公开的另一方面，提供一种用于对来自医学图像的患者特定解剖特征进行多模式分析的系统。所述系统可包含服务器且可：接收患者的医学图像及与所述医学图像相关联的指示所选择病理的元数据；使用分割算法自动处理所述医学图像以标记所述医学图像的像素且产生指示所述像素被正确地标记的可能性的分数；使用解剖特征识别算法来将所述经标记像素的相关联群组与解剖知识数据集进行概率匹配，以将所述医学图像内的一或多个患者特定解剖特征分类；产生界定所述一或多个经分类患者特定解剖特征的表面的3d表面网格模型；基于所述所选择病理从所述3d表面网格模型提取信息；及基于所述所提取信息产生所述3d表面网格模型的与所述所选择病理相关联的生理信息。举例来说，从所述3d表面网格模型提取的所述信息可包含基于所述所选择病理从所述一或多个经分类患者特定解剖特征隔离出的解剖特征的3d表面网格模型。

18、根据本公开的又一方面，提供一种非暂时性计算机可读存储器媒体，其上存储有指令，所述指令在由至少一个处理器加载时致使所述至少一个处理器进行以下操作：接收患者的医学图像及与所述医学图像相关联的指示所选择病理的元数据；使用分割算法自动处理所述医学图像以标记所述医学图像的像素且产生指示所述像素被正确地标记的可能性的分数；使用解剖特征识别算法来将所述经标记像素的相关联群组与解剖知识数据集进行概率匹配，以将所述医学图像内的一或多个患者特定解剖特征分类；产生界定所述一或多个经分类患者特定解剖特征的表面的3d表面网格模型；基于所述所选择病理从所述3d表面网格模型提取信息；及基于所述所提取信息产生所述3d表面网格模型的与所述所选择病理相关联的生理信息。