[发明专利]用于对医学图像进行分割的系统和方法

说明书

本公开的实施例提供一种用于对医学图像进行分割的系统和方法。所述系统包括配置为接收由图像采集装置采集的医学图像的通信接口。所述系统还包括配置为存储多个学习网络的存储器，所述多个学习网络使用第一成像模态的第一训练图像和第二成像模态的第二训练图像联合训练。所述系统进一步包括处理器，该处理器配置为使用从所述多个学习网络中选择的分割网络对医学图像进行分割。

相关申请的交叉引用

本申请基于并要求于2017年10月13日提交的美国临时申请第62/572,061号的优先权，其全部内容通过引用并入本文。

技术领域

本公开涉及用于对医学图像进行分割的系统和方法，以及更具体地，本公开涉及用于使用利用多模态图像训练好的学习网络进行交叉模态图像分割的系统和方法。

背景技术

医学图像的准确分割是放射治疗计划期间勾画的关键步骤。图像分割是将数字图像划分为数个部分的处理。分割的目标是将图像的表达简化和/或改变成更有意义且更容易分析。图像分割典型地用于在图像中定位对象和边界(线、曲线等)。更精确说来，图像分割是向图像中的每个像素指派标签以便具有相同标签的像素共享某个特点的处理。图像分割已经用于多种应用，包括定位肿瘤和其他病理对象、测量组织体积、解剖结构的诊断和研究、手术计划、虚拟手术仿真以及术中导航。

图像分割可以作为分类问题来解决。学习网络，诸如具有强大的分层架构的卷积神经网络(CNN)，已经应用于图像分割来提高准确度。例如，使用CNN的自动分类可以显著胜过传统的图像分割方法，诸如基于图谱的分割以及基于形状的分割等。

不同的医学图像模态已经用于获得医学图像。例如，计算机断层摄影和磁共振成像是诊断、临床研究和治疗计划中最广泛使用的放射摄影技术。每种成像模态具有其自身的利弊。例如，磁共振成像擅长软组织成像以及示出正常组织和异常组织之间的差异。例如，磁共振成像通常在疾病早期脑异常检出方面更灵敏，具体用于检测白质疾病，诸如多发性硬化症、进行性多灶性白质脑病、脑白质营养不良以及感染后脑炎。但是，计算机断层摄影擅长利用造影剂对骨骼、肺和血管成像。

由于不同成像模态的不同的长处，多模态图像分割提供了更高的准确度，因为不同模态的融合可以提供互补信息。

本公开的实施例通过用于使用在训练阶段期间利用多模态信息的学习网络对单模态图像进行分割的系统和方法，来解决以上问题。

发明内容

本公开的实施例提供一种用于对医学图像进行分割的系统。所述系统包括通信接口，其配置为接收由图像采集装置采集的医学图像。该系统还包括存储器，所述存储器配置为存储多个学习网络，所述多个学习网络使用第一成像模态的第一训练图像和第二成像模态的第二训练图像联合训练。该系统还包括处理器，该处理器配置为使用从所述多个学习网络中选择的分割网络对所述医学图像进行分割。

本公开的实施例提供一种用于对医学图像进行分割的方法。所述方法包括接收由图像采集装置采集的医学图像。所述方法还包括从训练装置接收多个学习网络，所述多个学习网络使用第一成像模态的第一训练图像和第二成像模态的第二训练图像联合训练。所述方法还包括利用处理器使用从所述多个学习网络中选择的分割网络对所述医学图像进行分割。

本公开的实施例还提供一种非易失性计算机可读介质，其上存储有指令，所述指令由一个以上处理器执行时，使得所述一个以上处理器执行用于对医学图像进行分割的方法。所述方法包括接收由图像采集装置采集的医学图像。所述方法还包括接收多个学习网络，所述多个学习网络使用第一成像模态的第一训练图像和第二成像模态的第二训练图像联合训练。所述方法还包括使用从所述多个学习网络中选择的分割网络对所述医学图像进行分割。

应该理解的是，前面的一般性描述和下面的详细描述仅仅是示例性和解释性的，并不是对要求保护的本发明的限制。

附图说明

图1示出了根据本公开实施例的示例性图像分割系统的示意图。