[发明专利]用于解剖树结构的疾病量化建模的方法及系统

权利要求书

1.一种计算机实现的用于解剖树结构的疾病量化建模的方法，包括：

从训练图像获得解剖树结构的中心线；

由处理器基于图生成图神经网络，其中，每个节点对应于中心线点，并且边由中心线定义，每个节点的输入为相应的中心线点的疾病相关特征或2D/3D图像块，每个节点的输出为疾病量化参数；

获得一组节点的标签数据，该组节点的节点数小于图神经网络中的节点的总数；以及

由处理器基于该组节点的标签数据通过在该组节点和其他节点之间传递信息来训练所述图神经网络。

2.根据权利要求1所述的方法，其特征在于，该组节点至少包括在所述解剖树结构的入口处的第一节点；或者，该组节点包括在解剖树结构的入口处的第一节点以及1-3个附加节点。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

接收包含检测解剖树结构的检测图像；

由所述处理器提取所述检测解剖树结构的检测中心线；

由处理器根据检测图生成训练好的检测图神经网络，其中，每个检测节点对应于检测中心线点，边由检测中心线定义，每个检测节点的神经网络单元都遵循训练好的图神经网络的每个节点的神经网络单元的图模板设置；

针对每个检测中心线点提取疾病相关特征或2D/3D图像块；以及

通过使用训练好的检测图神经网络，基于提取的疾病相关特征或2D/3D图像块，预测沿着检测中心线的疾病量化参数。

4.根据权利要求1所述的方法，其特征在于，所述疾病相关特征包括以下至少之一：结构特征，强度特征和派生特征。

5.根据权利要求1所述的方法，其特征在于，所述图神经网络包括图卷积神经网络，其被配置为为每个节点考虑到其空间上接近的相邻节点的情况下执行图卷积运算。

6.根据权利要求5所述的方法，其特征在于，所述图卷积神经网络的输出是其输入和邻接矩阵的函数，所述邻接矩阵是固定的并且由中心线确定。

7.根据权利要求1所述的方法，其特征在于，每个边是无向的或有向的，用于在由所述边链接的节点之间传播信息。

8.根据权利要求7所述的方法，其特征在于，所述信息在所述节点之间的传播包含门机制，每个图单元包含输入门和输出门、记忆单元和隐藏状态，所述图单元包括门控循环单元(GRU)、长短期记忆(LSTM)单元、卷积LSTM(CLSTM)单元和卷积GRU(CGRU)单元中的任何一个。

9.根据权利要求8所述的方法，其特征在于，每个图单元针对每个子节点包含一个遗忘门。

10.根据权利要求1所述的方法，其特征在于，使用基于梯度的方法如下执行图神经网络的训练：通过最小化该组节点的目标函数来优化图神经网络的参数；并将该组节点的梯度和/或误差传递给其他节点。

11.一种用于解剖树结构的疾病量化建模的系统，包括：

接口，被配置为接收包含解剖树结构的训练图像；

处理器，被配置为，针对每个训练图像：

从训练图像获得解剖树结构的中心线；

基于图生成图神经网络，其中，每个节点对应于中心线点，并且边由中心线定义，每个节点的输入为相应的中心线点的疾病相关特征或2D/3D图像块，每个节点的输出为疾病量化参数；

获得一组节点的标签数据，该组节点的节点数小于图神经网络中的节点的总数；以及

基于该组节点的标签数据通过在该组节点和其他节点之间传递信息来训练所述图神经网络。

12.根据权利要求11所述的系统，其特征在于，该组节点至少包括在所述解剖树结构的入口处的第一节点；或者，该组节点包括在解剖树结构的入口处的第一节点以及1-3个附加节点。