本发明总体上涉及医学图像分析,并且具体而言涉及在医学成像中的大血管闭塞(lvo)检测和分类。
背景技术:
1、当到大脑的血液供应中断或减少时,就会发生中风。中风可分类为由到大脑的血液供应中断引起的缺血性中风或由血管破裂引起的出血性中风。在当前的中风协议中,如果中风是缺血性的,则执行计算机断层血管造影(cta)扫描,以确定在大脑主要动脉中是否存在大血管闭塞(lvo)。然后可以执行机械血栓切除术来去除lvo。
2、已经提出了用于lvo检测的各种传统的基于人工智能(ai)的方法。然而,这种传统的基于人工智能的方法在存在信号丢失、噪声、血管扭曲、钙化以及接近骨骼或分叉的情况下,降低了鲁棒性和性能。
技术实现思路
1、根据一个或多个实施例,提供了用于在医学图像中的闭塞检测的系统和方法。接收在患者的解剖对象中的一个或多个血管的输入医学图像。在输入医学图像中识别一个或多个解剖界标。基于所识别的一个或多个解剖界标,从输入医学图像中提取第一补片和一个或多个附加补片。第一补片和一个或多个附加补片描绘了解剖对象的不同部分。使用基于机器学习的特征提取器网络从第一补片和一个或多个附加补片提取特征。基于所提取的特征,在第一补片中检测一个或多个血管中的闭塞。输出检测的结果。
2、在一个实施例中,从输入医学图像中去除骨骼。从去除骨骼的输入医学图像中提取第一补片和一个或多个附加补片。
3、在一个实施例中,通过以下步骤从第一补片和一个或多个附加补片提取特征:经由基于机器学习的特征提取器网络的第一输入通道接收第一补片和经由基于机器学习的特征提取器网络的一个或多个附加输入通道中的相应一个接收一个或多个附加补片,以及提取1)来自第一补片的特征和2)将第一补片与一个或多个附加补片进行比较的特征。在第一补片中检测一个或多个血管中的闭塞。
4、在一个实施例中,第一补片和一个或多个附加补片以一个或多个解剖界标为中心被裁剪。
5、在一个实施例中,使用拟合于由神经网络提取的特征的概率分布函数(pdf)模型,在第一补片中检测一个或多个血管中的闭塞。可以使用高斯过程模型来学习pdf模型。
6、在一个实施例中,在输入医学图像中识别大脑中动脉(mca)分叉。第一补片以mca分叉为中心进行裁剪。闭塞被检测为位于颈内动脉(ica)、mca m1段或mca m2段之一。
7、在一个实施例中,为第一补片或一个或多个附加补片中的至少一个生成血管存在的至少一个概率图。使用基于机器学习的特征提取器网络从至少一个概率图中提取特征。
8、在一个实施例中,解剖对象包括患者的大脑,并且不同部分包括大脑的左侧和大脑的右侧。
9、通过参考以下详细描述和附图,本发明的这些和其他优点对于本领域普通技术人员来说将是显而易见的。
1.一种计算机实现的方法,包括:
2.根据权利要求1所述的计算机实现的方法,还包括从所述输入医学图像中去除骨骼,并且其中基于所识别的一个或多个解剖界标从所述输入医学图像中提取第一补片和一个或多个附加补片包括:
3.根据权利要求1所述的计算机实现的方法,其中使用基于机器学习的特征提取器网络从所述第一补片和所述一个或多个附加补片提取特征包括:
4.根据权利要求1所述的计算机实现的方法,其中基于所识别的一个或多个解剖界标从所述输入医学图像中提取第一补片和一个或多个附加补片包括:
5.根据权利要求1所述的计算机实现的方法,其中基于提取的特征检测第一补片中的一个或多个血管中的闭塞包括:
6.根据权利要求5所述的计算机实现的方法,其中,使用高斯过程模型来学习pdf模型。
7.根据权利要求1所述的计算机实现的方法,其中:
8.根据权利要求1所述的计算机实现的方法,还包括为所述第一补片或所述一个或多个附加补片中的至少一个生成血管存在的至少一个概率图,并且其中使用基于机器学习的特征提取器网络从所述第一补片和所述一个或多个附加补片中提取特征包括:
9.根据权利要求1所述的计算机实现的方法,其中,所述解剖对象包括患者的大脑,并且所述不同部分包括大脑的左侧和大脑的右侧。
10.一种装置,包括:
11.根据权利要求10所述的装置,还包括用于从所述输入医学图像中去除骨骼的部件,并且其中基于所识别的一个或多个解剖界标从所述输入医学图像中提取第一补片和一个或多个附加补片包括:
12.根据权利要求10所述的装置,其中使用基于机器学习的特征提取器网络从所述第一补片和所述一个或多个附加补片提取特征的部件包括:
13.根据权利要求10所述的装置,其中用于基于所识别的一个或多个解剖界标从输入医学图像中提取第一补片和一个或多个附加补片的部件包括:
14.根据权利要求10所述的装置,其中,所述解剖对象包括患者的大脑,并且所述不同部分包括大脑的左侧和大脑的右侧。
15.一种存储计算机程序指令的非暂时性计算机可读介质,当由处理器执行时,该计算机程序指令使处理器执行包括以下的操作:
16.根据权利要求15所述的非暂时性计算机可读介质,其中基于所提取的特征检测第一补片中的一个或多个血管中的闭塞包括:
17.根据权利要求16所述的非暂时性计算机可读介质,其中使用高斯过程模型来学习所述pdf模型。
18.根据权利要求15所述的非暂时性计算机可读介质,其中:
19.根据权利要求15所述的非暂时性计算机可读介质,所述操作还包括为所述第一补片或所述一个或多个附加补片中的至少一个生成血管存在的至少一个概率图,并且其中使用基于机器学习的特征提取器网络从所述第一补片和所述一个或多个附加补片中提取特征包括:
20.根据权利要求15所述的非暂时性计算机可读介质,其中,所述解剖对象包括患者的大脑,并且所述不同部分包括大脑的左侧和大脑的右侧。