[发明专利]用于训练成像系统的深度学习模型的系统和方法

说明书

本发明提供了用于训练成像系统的深度学习模型的方法和系统。在一个实施方案中，用于成像系统的方法包括：根据扫描协议执行对受检者的扫描以采集成像数据；显示图像和与所述图像相关联的决策支持，该图像由成像数据重建，并且决策支持利用学习模型和成像数据来计算；以及利用成像数据、图像、扫描协议、描述受检者的受检者元数据、决策支持、与图像和决策支持有关的结果决策以及与成像系统有关的系统元数据更新用于学习模型的训练数据集。这样，深度学习模型可以在图像和相应的诊断以及与扫描有关的附加信息上自动训练。

相关申请的交叉引用

本申请要求名称为“SYSTEMS AND METHODS FOR TRAINING A DEEP LEARNINGMODEL FOR AN IMAGING SYSTEM”(用于训练成像系统的深度学习模型的系统和方法)且于2018年4月13日提交的美国临时申请号62/657,644的优先权。上述申请的全部内容据此以引用方式并入以用于所有目的。

技术领域

本文所公开的主题的实施方案涉及非侵入式诊断成像，并且更具体地涉及用于成像系统的深度学习模型的综合训练数据集。

背景技术

非侵入式成像技术允许获得患者或对象的内部结构的图像，而无需对该患者或对象执行侵入式程序。具体地，诸如计算机断层摄影(CT)之类的技术使用各种物理原理(诸如通过靶体积的X射线的差分传输)来采集图像数据和构建断层摄影图像(例如，人体或其他成像结构的内部的三维表示)。

利用深度学习(DL)技术自动分析临床图像可极大地简化和改善由医生使用此类图像进行的临床诊断。然而，准备数据集以训练DL算法可能是困难且耗时的，因为必须手动整理图像和对应的诊断并准备输入至算法中。

发明内容

在一个实施方案中，用于成像系统的方法包括：根据扫描协议执行对受检者的扫描以采集成像数据；显示图像和与所述图像相关联的决策支持，所述图像由成像数据重建，并且所述决策支持利用学习模型和所述成像数据来计算；以及利用所述成像数据、所述图像、所述扫描协议、描述所述受检者的受检者元数据、所述决策支持、与所述图像和所述决策支持有关的结果决策以及与所述成像系统有关的系统元数据更新用于所述学习模型的训练数据集。这样，深度学习模型可以在图像和相应的诊断以及与扫描有关的附加信息上自动训练。

应当理解，提供上面的简要描述来以简化的形式介绍在具体实施方式中进一步描述的精选概念。这并不意味着识别所要求保护的主题的关键或必要特征，该主题的范围由具体实施方式后的权利要求书唯一地限定。此外，所要求保护的主题不限于解决上文或本公开的任何部分中提到的任何缺点的实施方式。

附图说明

通过参考附图阅读以下对非限制性实施方案的描述将更好地理解本发明，其中以下：

图1示出了根据一个实施方案的用于扩展成像系统的能力的简化示例性系统的方框示意图；

图2示出了示出根据一个实施方案的用于使成像系统与边缘计算系统同步的示例性方法的高级流程图；

图3示出了示出根据一个实施方案的用于利用成像系统生成深度学习训练数据的示例性方法的高级流程图；

图4示出了示出根据一个实施方案的用于成像系统快捷模式的示例性方法的高级流程图；

图5示出了示出根据一个实施方案的用于管理边缘计算系统上的应用程序的示例性方法的高级流程图；

图6示出了根据一个实施方案的成像系统的绘画视图；

图7示出了根据一个实施方案的示例性成像系统的方框示意图；

图8示出了根据一个实施方案的用于扩展成像系统的能力的比图1更详细的示例性系统的方框示意图；并且