[发明专利]用于图像分割的神经网络系统和方法

权利要求书

1.一种使用一个或多个处理器实施的用于图像分割的神经网络系统，所述神经网络系统包括：

第一编码器神经网络，其被配置为：

接收包括解剖结构的视觉表征的医学图像；并且

生成所述医学图像的表征，所述表征表示从所述医学图像提取的多个特征；以及

解码器神经网络，其被配置为：

从所述编码器神经网络接收所述医学图像的所述表征；并且

基于所述医学图像的所述表征生成用于从所述医学图像分割所述解剖结构的掩模；

其中，所述解码器神经网络被预训练以使用训练数据集来学习与所述解剖结构相关联的形状先验，所述训练数据集表征所述解剖结构的形状分布，并且其中，所述预训练过的解码器神经网络用于在所述第一编码器神经网络的训练期间约束所述第一编码器神经网络的输出。

2.根据权利要求1所述的神经网络系统，其中，所述第一编码器神经网络被迭代地训练，并且在所述训练的当前迭代期间：

所述预训练过的解码器神经网络基于由所述第一编码器神经网络在所述训练的先前迭代中生成的训练图像的表征来生成与所述训练图像相关联的分割掩模；并且

所述第一编码器神经网络基于由所述解码器神经网络生成的所述分割掩模和与所述分割掩模相关联的金标准来预测对所述训练图像的所述表征的调节。

3.根据权利要求2所述的神经网络系统，其中，所述第一编码器神经网络的所述训练包括：导出所述训练图像的初始表征，并且向所述解码器神经网络提供所述训练图像的所述初始表征，以便获得所述分割掩模的初始预测。

4.根据权利要求2所述的神经网络系统，其中，在所述神经网络系统中以级联方式布置所述第一编码器神经网络和所述解码器神经网络。

5.根据权利要求2所述的神经网络系统，其中，所述第一编码器神经网络的所述训练使用循环神经网络(RNN)来执行，并且所述训练的每次迭代与所述RNN的相应展开相对应。

6.根据权利要求1所述的神经网络系统，其中，所述解码器神经网络与第二编码器神经网络协同训练，并且所述协同训练包括：

所述第二编码器神经网络接收训练图像并且生成表示所述训练图像的多个特征的输出；

所述解码神经网络基于所述第二编码器神经网络的所述输出来预测与所述训练图像相关联的分割掩模；以及

所述第二编码器神经网络和所述解码器神经网络基于与所述分割掩模相关联的损失函数来调节它们各自的参数。

7.根据权利要求1所述的神经网络系统，其中，所述解码器神经网络在没有对应的编码器神经网络的情况下预训练，并且所述预训练包括：

所述解码器神经网络接收训练图像的隐表征作为输入；

所述解码器神经网络基于所述隐表征来预测与所述训练图像相关联的分割掩模；以及

所述解码器神经网络调节其参数，以最小化所述预测的分割掩模和与所述分割掩模相关联的金标准之间的损失。

8.根据权利要求1所述的神经网络系统，其中，由所述第一编码器神经网络生成的所述医学图像的所述表征包括隐变量，或，由所述解码器神经网络生成的所述掩模包括二值掩模。

9.一种用于分割包括解剖结构的视觉表征的医学图像的方法，所述方法包括：

经由第一编码器神经网络接收所述医学图像；

经由所述第一编码器神经网络生成所述医学图像的表征，所述表征表示从所述医学图像提取的多个特征；

在解码器神经网络处接收所述医学图像的所述表征；以及

基于所述医学图像的所述表征经由所述解码器神经网络生成用于从所述医学图像分割所述解剖结构的掩模；

其中，所述解码器神经网络被预训练以使用训练数据来学习与所述解剖结构相关联的形状先验，所述训练数据表征所述解剖结构的形状分布，并且所述预训练过的解码器神经网络用于在所述第一编码器神经网络的训练期间约束所述第一编码器神经网络的输出。

10.一种训练用于图像分割的神经网络系统的方法，所述方法包括：

使用表征解剖结构的形状分布的训练数据来训练解码器神经网络，以学习与所述解剖结构相关联的形状先验，其中，所述解码器神经网络的所述训练包括：

所述解码器神经网络接收包括所述解剖结构的视觉表征的医学图像的表征，所述表征表示所述医学图像的多个特征；

所述解码器神经网络基于所述表征来预测分割掩模；以及

所述解码器神经网络调节其参数，以最小化所述预测的分割掩模和与所述分割掩模相关联的金标准之间的损失；以及

利用所述预训练过的解码器神经网络来训练编码器神经网络，其中，所述编码器神经网络被迭代地训练，并且在所述训练的当前迭代期间：

所述预训练过的解码器神经网络基于在所述训练的先前迭代中由所述编码器神经网络预测的训练图像的表征来生成与所述训练图像相关联的分割掩模的当前版本；

所述编码器神经网络更新其参数，以基于由所述解码器神经网络生成的所述分割掩模的所述当前版本和与分割掩模相关联的金标准来预测对所述训练图像的所述表征的调节；并且

基于由所述编码器神经网络预测的所述调节和在所述先前迭代中由所述编码器神经网络预测的所述训练图像的所述表征来获得所述训练图像的所述表征的调节版本。