[发明专利]解剖树结构分析的方法、系统和计算机可读介质

权利要求书

1.一种解剖树结构分析的计算机实现的方法，包括以下步骤：

接收解剖树结构分析的任务；

由处理器，设置解剖树结构中的一组位置，其中所述解剖树结构代表血管或呼吸道；

由所述处理器，基于所述任务确定在所述一组位置中各个位置处的模型输入；

由所述处理器，基于所述任务选择用于各个位置的编码器，其中，所述编码器被配置为接收各个位置处的所述模型输入并提取相应位置的特征；

由所述处理器，通过如下来构建树结构的递归神经网络RNN，其节点与所述一组位置对应：基于所述任务选择用于各个节点的递归神经网络RNN单元，并根据所述解剖树结构中的所述一组位置的空间约束关系来设置节点间的信息传播，其中，各个编码器与所述树结构的递归神经网络RNN的相应节点连接；以及

提供所述树结构的递归神经网络RNN用于执行所述解剖树结构分析的所述任务。

2.根据权利要求1所述的方法，其中，设置所述解剖树结构中的一组位置包括：提取解剖树结构的骨架线及其中的分叉点的分支；并设置所述分叉点和除了分叉点以外的各个分支中的至少一个点作为所述一组位置。

3.根据权利要求1所述的方法，其中，基于所述任务选择模型输入包括：当所述任务是异常检测、异常分类或参数量化中的任何一种时，选择图像块或特征向量作为模型输入。

4.根据权利要求1所述的方法，其中，基于所述任务选择编码器包括：当所述任务是异常检测、异常分类或参数量化中的任何一种时，选择卷积神经网络CNN、全卷积神经网络FCN和多层感知器MLP中的至少一个作为所述编码器。

5.根据权利要求1所述的方法，其中，基于所述任务选择用于各个节点的递归神经网络RNN单元包括：当所述任务是异常检测、异常分类或参数量化中的任何一种时，选择长短期记忆LSTM或门控递归单元GRU作为递归神经网络RNN单元。

6.根据权利要求1所述的方法，其中，基于所述任务选择模型输入包括：当任务是分割时，选择图像块作为模型输入。

7.根据权利要求1所述的方法，其中，基于所述任务选择编码器包括：当所述任务是分割时，选择卷积神经网络CNN或全卷积神经网络FCN作为所述编码器。

8.根据权利要求1所述的方法，其中，基于所述任务选择用于各个节点的递归神经网络RNN单元包括：当所述任务是分割时，选择卷积长短期记忆CLSTM或卷积门控递归单元CGRU作为所述递归神经网络RNN单元。

9.根据权利要求1所述的方法，其中，基于所述解剖树结构中的所述一组位置的空间约束关系来设置节点间的信息传播包括：在所述解剖树结构的路径中两个相邻位置所对应的每对节点间设置双向信息传播。

10.根据权利要求1所述的方法，其中，基于所述解剖树结构中的所述一组位置的空间约束关系设置节点间的信息传播包括：在所述解剖树结构的路径中两个相邻位置所对应的至少一对节点间设置从远侧向根部的单向信息传播。

11.根据权利要求1所述的方法，进一步包括：由所述处理器利用对应于所述解剖树结构分析的任务的训练样本对模型进行训练。

12.根据权利要求11所述的方法，其中，训练模型包括对所述编码器和所述树结构的递归神经网络RNN的参数进行联合优化。