[发明专利]使用深度神经网络的计算机辅助诊断

权利要求书

1.一种用于确定3D图像数据中的病理的计算机实现的方法，包括：

接收身体部位的至少第一3D图像，3D图像包括与预定图像体积相关的体素；

将所述第一3D图像提供到第一3D卷积神经网络的输入，所述第一3D卷积网络被训练以确定感兴趣的体积VOI在所述第一3D图像的图像体积中的位置，所述VOI与所述身体部位的部分相关，所述VOI定义所述图像体积的子体积；

从所述第一3D卷积神经网络的输出接收所述VOI的位置，并且通过选择所述第一3D图像的具有在所述VOI内的位置的体素确定第一VOI体素；

将所述第一VOI体素提供到第二3D卷积神经网络的输入，所述第二3D卷积神经网络被训练以基于至少所述第一VOI体素确定目标标签值，所述目标标签值指示在所述VOI中存在或不存在所述病理；以及

从所述第二3D卷积神经网络的输出接收与所述第一VOI相关的所述目标标签值，并通过将所述目标标签值与代表所述病理的描述的文本和/或句子进行关联来生成医学报告，优选地，所述医学报告的生成包括：如果所述目标标签值在预定第一范围内，则确定描述所述病理已经被检测到的第一文本字符串；如果目标标签值在预定第二范围内，则确定描述所述病理没有被检测到的第二文本字符串；以及可选地，将所述第一文本字符串或所述第二文本字符串插入代表报告模板的文本字符串中。

2.根据权利要求1所述的方法，其中，所述方法还包括：

从所述第二3D卷积神经网络的卷积层获取与VOI体素相关的3D概率图，并且使用所述3D概率图作为反向传播过程的输入，以生成与所述VOI体素相关的3D显著性图；

通过使用所述3D显著性图识别所述VOI中的对由所述第二3D卷积神经网络确定所述目标标签值做出显著贡献的体素，来生成所述VOI中的所述病理的注释3D图像。

3.根据权利要求2所述的方法，还包括：

在报告中插入所述注释3D图像或者所述注释3D图像的一个或更多个2D切片。

4.根据权利要求1-3中的任一项所述的方法，其中，所述第一3D图像包括第一图像平面的图像的序列，优选地包括矢状图像平面的图像的序列，所述方法还包括：

接收所述身体部位的第二3D图像，所述第二3D图像包括第二图像平面的图像的序列，优选地包括冠状图像平面的图像的序列；

通过选择所述第二3D图像的具有所述VOI内的位置的体素来确定第二VOI体素；

基于所述第一VOI体素和所述第二VOI体素，所述第二3D卷积神经网络确定目标标签值。

5.根据权利要求4所述的方法，其中，所述第二3D卷积神经网络至少包括第一多个3D卷积神经网络层和第二多个3D卷积神经网络层，所述第一多个3D卷积神经网络层通过所述神经网络形成第一路径，所述第二多个3D卷积神经网络层通过所述第二神经网络形成第二路径，所述第一多个3D卷积神经网络层被配置为处理所述第一VOI体素，所述第二多个3D卷积神经网络层被配置为处理所述第二VOI体素。

6.根据权利要求1-6中的任一项所述的方法，其中，所述第一3D卷积神经网络和/或所述第二3D卷积神经网络包括一个或更多个噪声层。