预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115330668A(43)申请公布日2022.11.11(21)申请号202210431054.8G06T7/68(2017.01)(22)申请日2022.04.22G06V10/77(2022.01)G06V10/82(2022.01)(30)优先权数据G06V10/84(2022.01)63/178,8942021.04.23USG06N3/04(2006.01)17/726,0392022.04.21USG06N3/08(2006.01)(71)申请人深圳科亚医疗科技有限公司G06K9/62(2022.01)地址518100广东省深圳市龙岗区龙城街道龙岗天安数码创业园4号-D栋2层(72)发明人王昕尹游兵孔斌陆易郭新宇杨皓宇白军杰宋麒(74)专利代理机构北京金信知识产权代理有限公司11225专利代理师夏东栋(51)Int.Cl.G06T7/00(2017.01)权利要求书2页说明书9页附图5页(54)发明名称用于解剖标记生成的方法和系统(57)摘要本公开涉及一种生成解剖结构的解剖标记的计算机实现方法和系统,所述方法包括接收已提取中心线的解剖结构,或包含已提取中心线的解剖结构的医学图像;以及由至少一个处理器,基于所述解剖结构的所述中心线,利用训练好的深度学习网络,预测所述解剖结构的解剖标记,所述深度学习网络基于分支化网络、图神经网络、递归神经网络和概率图模型依序串联而构成,其中,所述分支化网络包括并联设置的至少两个分支网络。本公开中的计算机实现方法能够利用训练好的深度学习网络,端到端地自动生成医学图像中解剖结构整体的解剖标记,并且该方法在解剖结构随个体变化较大的情况下,仍然能够具有很高的预测准确性和可靠性,有利于帮助医生准确可靠地诊断。CN115330668ACN115330668A权利要求书1/2页1.一种生成解剖结构的解剖标记的计算机实现方法,其特征在于,包括:接收已提取中心线的解剖结构,或包含已提取中心线的解剖结构的医学图像;以及由至少一个处理器,基于所述解剖结构的所述中心线,利用训练好的深度学习网络,预测所述解剖结构的解剖标记,所述深度学习网络基于分支化网络、图神经网络、递归神经网络和概率图模型依序串联而构成,其中,所述分支化网络包括并联设置的至少两个分支网络。2.根据权利要求1所述的计算机实现方法,其特征在于,基于所述解剖结构的所述中心线,利用训练好的深度学习网络,预测所述解剖结构的解剖标记进一步包括:对所述中心线进行采样来形成所述解剖结构的中心线图,其中,将各个采样点作为所述解剖结构的中心线图的节点,将连接各对相邻节点的所述中心线上的各条线段作为所述中心线图的边;基于所述中心线图,利用训练好的深度学习网络,预测所述解剖结构的解剖标记。3.根据权利要求2所述的计算机实现方法,其特征在于,所述至少两个分支网络包括第一分支网络和第二分支网络,基于所述中心线图,利用训练好的深度学习网络,预测所述解剖结构的解剖标记进一步包括:利用所述第一分支网络,基于各个节点的坐标信息生成各个节点的几何特征嵌入;利用所述第二分支网络,基于所述各个节点对应的图像块或蒙版块生成各个节点的图像特征嵌入;利用所述图神经网络,基于所述几何特征嵌入和所述图像特征嵌入生成各个节点的联合特征嵌入;利用所述递归神经网络,基于所述联合特征嵌入生成所述中心线图中各个节点对应的解剖标记;利用所述概率图模型,基于所述中心线图中各个节点对应的解剖标记生成所述解剖结构的解剖标记。4.根据权利要求3所述的计算机实现方法,其特征在于,基于所述中心线图,利用训练好的深度学习网络,预测所述解剖结构的解剖标记进一步包括:将所述中心线划分为多个单元;在利用所述图神经网络生成各个节点的联合特征嵌入之后,基于所划分的所述中心线的各个单元,对所述各个节点的联合特征嵌入进行单元级平均池化,生成单元级特征;利用所述递归神经网络,基于所述单元级特征生成所述中心线图的单元级解剖标记;利用所述概率图模型,基于所述单元级解剖标记生成所述解剖结构的解剖标记。5.根据权利要求4所述的计算机实现方法,其特征在于,所述解剖结构为血管,并且所述中心线的各个单元对应于血管的两个分叉之间的血管分支。6.根据权利要求3所述的计算机实现方法,其特征在于,所述第一分支网络为点云神经网络。7.根据权利要求3所述的计算机实现方法,其特征在于,所述第二分支网络为CNN、RNN或MLP中的一种。8.根据权利要求3所述的计算机实现方法,其特征在于,所述递归神经网络为LSTM、GRU、CLSTM或CGRU中的一种。2CN115330668A权利要求书2/2页9.根据权利要求1所述的计算机实现方法,其特征在于,所述解剖结构至少包括血管、呼吸道或乳腺管中的一种。10