[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

说明书

公开了用于使用深度神经网络来检测医学图像中的解剖地标的方法和系统。对于定心在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。基于从所述多个图像分块中的每一个图像分块输入到经训练的深度神经网络的体素的子集，使用经训练的深度神经网络来检测医学图像中的目标地标的位置。

背景技术

本发明涉及检测医学图像中的解剖地标，并且更具体地，涉及使用深度神经网络检测医学图像中的解剖地标。

深度学习模仿哺乳动物大脑的行为以便从高维输入中提取有意义的表示。数据通过网络的多个层传递。初级层提取低水平线索，诸如针对自然图像的边缘和角落。较深的层将来自之前各层的简单线索合成为较高水平的特征。以该方式，强有力的表示出现在网络的末尾处。深度网络的逐步构造防止学习过早地遭遇高复杂性的数据。若干理论研究示出了某些种类的函数（例如，指示函数）可以由深度网络表示，但是对于具有非充足深度的网络则要求指数计算。

最近，已经以高精度应用深度学习以便图案化（pattern）图像中的识别问题。深度神经网络可以被用在图像相关任务中，诸如检测和分割。然而，由于评估阶段期间的高计算成本，用于深度神经网络的计算时间可能过于大，可能防止深度神经网络被应用于许多有用的应用。

发明内容

本发明提供了用于医学图像中的地标检测的方法和系统。本发明的实施例提供了一种用于以高效的方式将深度神经网络应用于检测3D医学图像中的3D地标的方法。

在本发明的实施例中，对于定心在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。基于从所述多个图像分块中的每一个图像分块输入到经训练的深度神经网络的体素的所述子集而使用经训练的深度神经网络来检测医学图像中的目标地标的位置。

本发明的这些和其它优点将通过参照以下详细描述和附图而对于本领域技术人员显而易见。

附图说明

图1图示了根据本发明的实施例用于使用深度神经网络检测医学图像中的地标的方法；

图2图示了根据本发明的第一实施例用于在图像分块内采样的示例性采样图案；

图3图示了根据本发明的第二实施例用于在图像分块内采样的示例性采样图案；

图4图示了示例性AE神经网络；以及

图5是能够实现本发明的计算机的高水平框图。

具体实施方式

本发明涉及用于使用深度神经网络检测医学图像中的地标的方法和系统。在本文描述本发明的实施例以便给出用于检测医学图像中的地标的方法的视觉理解。数字图像通常包括一个或多个对象（或形状）的数字表示。在本文中通常在标识和操控对象的方面来描述对象的数字表示。这样的操控是在计算机系统的存储器或其它电路系统/硬件中达成的虚拟操控。相应地，要理解到，本发明的实施例可以使用存储在计算机系统内的数据而在计算机系统内加以执行。

本发明的实施例利用直接就医学图像数据而被训练的深度神经网络来学习复杂的图像图案以及基于复杂的图像图案来检测医学图像数据中的解剖地标。深度神经网络是基于机器学习的神经网络，其在输入数据和输出数据之间具有所学习的特征或变量的多个隐藏层。深度神经网络将典型地利用三个或更多个隐藏层来加以实现。深度神经网络典型地被用在直接多类分类场景中并且典型地没有应用于解剖地标检测任务，因为深度神经网络向这样的解剖地标检测任务的扩展可能在计算上是非常复杂的。