[发明专利]使用深度神经网络检测医学图像中的地标的方法和系统

权利要求书

1.一种用于检测医学图像中的地标的方法，包括：

对于定心在所述医学图像中的多个体素中的相应一个体素处的多个图像分块中的每一个图像分块，基于预确定的采样图案将该图像分块内的体素的子集输入到经训练的深度神经网络；以及

基于从所述多个图像分块中的每一个图像分块输入到所述经训练的深度神经网络的体素的所述子集，使用所述经训练的深度神经网络来检测所述医学图像中的目标地标的位置，

其中所述预确定的采样图案是对数极坐标采样图案，所述对数极坐标采样图案在该图像分块的中心附近选择较高密度的体素来输入到所述经训练的深度神经网络以及在更远离该图像分块的中心处选择较低密度的体素来输入到所述经训练的深度神经网络。

2.权利要求1所述的方法，其中所述对数极坐标采样图案将该图像分块分为多个分区，其中更接近该图像分块的中心的分区小于更远离该图像分块的分区，并且对于该图像分块的所述多个分区中的每一个分区，选择最接近该分区的矩心的体素来输入到所述经训练的深度神经网络。

3.权利要求1所述的方法，其中所述对数极坐标采样图案将该图像分块分为多个分区，其中更接近该图像分块的中心的分区小于更远离该图像分块的分区，并且对于该图像分块的所述多个分区中的每一个分区，计算该分区中的体素值的平均并且将具有针对该分区的平均体素值的体素输入到所述经训练的深度神经网络。

4.权利要求1所述的方法，其中所述经训练的深度神经网络是有辨别力的深度神经网络，并且基于从所述多个图像分块中的每一个图像分块输入到所述经训练的深度神经网络的体素的所述子集而使用所述经训练的深度神经网络检测所述医学图像中的目标地标的位置包括：

在定心在所述多个体素中的每一个体素处的相应图像分块内，基于输入到所述经训练的深度神经网络的体素的子集集合来计算针对所述医学图像中的所述多个体素中的每一个体素的概率；以及

将所述目标地标的位置检测为所述医学图像中的所述多个体素中具有最高概率的一个体素的位置。

5.权利要求1所述的方法，其中所述经训练的深度神经网络是深度神经网络回归器，并且基于从所述多个图像分块中的每一个图像分块输入到所述经训练的深度神经网络的体素的所述子集而使用所述经训练的深度神经网络检测所述医学图像中的目标地标的位置包括：

对于所述医学图像中的所述多个体素中的每一个体素，在定心于该体素处的相应图像分块内基于输入到所述经训练的深度神经网络的体素的子集集合来计算位移向量，所述位移向量将该体素映射到所述医学图像中的所述目标地标的预测位置；以及

通过使针对所述医学图像中的所述多个体素中的每一个体素所计算的所述目标地标的预测位置成群来检测所述目标地标的位置。

6.权利要求1所述的方法，其中基于在多个训练图像分块中的每一个训练图像分块内使用所述预确定的采样图案所采样的体素的相应子集，对所述经训练的深度神经网络进行训练。

7.一种用于检测医学图像中的地标的装置，包括：

用于针对定心在所述医学图像中的多个体素中的相应一个体素处的多个图像分块中的每一个图像分块，基于预确定的采样图案将该图像分块内的体素的子集输入到经训练的深度神经网络的部件；以及

用于基于从所述多个图像分块中的每一个图像分块输入到所述经训练的深度神经网络的体素的所述子集，使用所述经训练的深度神经网络检测所述医学图像中的目标地标的位置的部件，

其中所述预确定的采样图案是对数极坐标采样图案，所述对数极坐标采样图案在该图像分块的中心附近选择较高密度的体素来输入到所述经训练的深度神经网络以及在更远离该图像分块的中心处选择较低密度的体素来输入到所述经训练的深度神经网络。

8.权利要求7所述的装置，其中所述对数极坐标采样图案将该图像分块分为多个分区，其中更接近该图像分块的中心的分区小于更远离该图像分块的分区，并且对于该图像分块的所述多个分区中的每一个分区，选择最接近该分区的矩心的体素来输入到所述经训练的深度神经网络。