用于分析三维图像数据的系统和方法与流程

技术特征：
1.一种用于确定患者的乳房组织的恶性可能性分数的方法，所述方法包括：接收所述乳房组织的多个二维图像，所述二维图像是从所述乳房组织的三维图像导出的；针对每个二维图像：向包括第一经训练的神经网络的第一模型提供所述二维图像；以及接收来自所述第一模型的数个指示符，每个指示符与被包括在所述多个二维图像中的二维图像相关联；基于所述数个指示符和所述多个二维图像中的至少一个二维图像生成合成二维图像；向包括第二经训练的神经网络的第二模型提供所述合成二维图像；接收来自所述第二模型的恶性可能性分数；以及将包括所述恶性可能性分数的报告输出到存储器或显示器中的至少一者。2.如权利要求1所述的方法，其特征在于，所述指示符包括相关性分数，并且所述生成包括：确定第一指示符和第二指示符重叠；确定所述第一指示符具有比所述第二指示符更高的相关性分数；以及响应于确定所述第一指示符具有更高的相关性分数，而在所述合成二维图像中包括所述第一指示符的至少一部分。3.如权利要求2所述的方法，其特征在于，所述第一指示符与被包括在所述多个二维图像中的第一二维图像相关联，并且所述第二指示符与被包括在所述多个二维图像中的第二二维图像相关联。4.如权利要求1所述的方法，其特征在于，每个指示符包括像素阵列和相关性分数，每个像素包括强度值。5.如权利要求4所述的方法，其特征在于，所述生成包括：将被包括在所述合成二维图像中的第一像素中所包括的第一强度值设置为等于被包括在指示符中的第二强度值。6.如权利要求4所述的方法，其特征在于，所述生成包括：将被包括在所述合成二维图像中的第一像素中所包括的第一强度值设置为等于被包括在所述多个二维图像中的第二二维图像中所包括的第二强度值，所述第二强度值被包括在不与任何指示符相关联的第二像素中。7.如权利要求6所述的方法，其特征在于，所述第二二维图像与至少一个指示符相关联。8.如权利要求4所述的方法，其特征在于，所述生成包括：确定第一覆盖区域，所述第一覆盖区域与被包括在所述数个指示符中的第一指示符相关联并且包括第二像素阵列；确定第二覆盖区域，所述第二覆盖区域与被包括在所述数个指示符中的第二指示符相关联并且包括第三像素阵列；以及基于被包括在所述第一覆盖区域中的第二强度值以及被包括在所述第二覆盖区域中的第三强度值，确定被包括在所述合成二维图像中的第一像素的第一强度值。9.如权利要求8所述的方法，其特征在于，所述第一覆盖区域包括不被包括在所述第一
指示符中的至少一个像素，并且所述第二覆盖区域包括不被包括在所述第二指示符中的至少一个像素。10.如权利要求8所述的方法，其特征在于，确定所述第一像素的所述第一强度值包括：将所述第一强度值设置为等于所述第二强度值乘以第一权重加上所述第三强度值乘以第二权重的总和。11.如权利要求1所述的方法，其特征在于，所述生成包括：确定第一指示符和第二指示符重叠；确定所述第一指示符具有比所述第二指示符更高的相关性分数；以及响应于确定所述第一指示符具有更高的相关性分数，而在所述合成二维图像中不包括所述第二指示符的任何部分。12.如权利要求1所述的方法，其特征在于，所述三维图像是使用数字乳房断层合成被生成的。13.如权利要求1所述的方法，其特征在于，所述第一经训练的神经网络包括第一子网络，并且所述第二经训练的神经网络包括第二子网络，所述第一子网络和所述第二子网络包括相同数量的层和滤波器。14.如权利要求13所述的方法，其特征在于，所述第二经训练的神经网络是使用所述第一神经网络的权重值集合作为初始权重值而被训练的。15.如权利要求1所述的方法，进一步包括：从所述数个指示符中移除至少一个指示符；以及基于所述数个指示符和所述多个二维图像中的至少一个二维图像生成第二合成二维图像。16.如权利要求1所述的方法，其特征在于，所述第一模型是基于图像数据集被训练的，所述图像数据集包括由医疗从业者注释的二维全视野数字乳房x线摄影图像。17.如权利要求16所述的方法，其特征在于，被包括在所述乳房组织的所述多个二维图像中的每个二维图像是被包括在三维数字乳房断层合成体积中的切片。18.一种用于生成患者的乳房组织的合成二维图像的方法，所述方法包括：接收所述乳房组织的多个二维图像，所述二维图像是从所述乳房组织的三维图像导出的；针对每个二维图像：向包括经训练的神经网络的模型提供所述二维图像；以及接收来自所述模型的数个感兴趣区域，每个感兴趣区域包括分数并且与被包括在所述多个二维图像上的二维图像相关联；确定目标感兴趣区域具有所述数个感兴趣中的至少部分地重叠所述目标感兴趣区域的二维位置的任何感兴趣区域的最高分数，所述二维位置由所述多个二维图像中的每一个二维图像共享；以及基于所述目标感兴趣区域和所述多个二维图像中的至少一个二维图像，生成合成二维图像。19.如权利要求18所述的方法，其特征在于，每个感兴趣区域进一步包括像素阵列，每个像素包括强度值。
20.如权利要求19所述的方法，其特征在于，所述生成包括：将被包括在所述合成二维图像中的第一像素中所包括的第一强度值设置为等于被包括在感兴趣区域中的第二强度值。21.如权利要求19所述的方法，其特征在于，所述生成包括：将被包括在所述合成二维图像中的第一像素中所包括的第一强度值设置为等于被包括在所述多个二维图像中的第二二维图像中所包括的第二强度值，所述第二强度值被包括在不与任何感兴趣区域相关联的第二像素中。22.如权利要求19所述的方法，其特征在于，所述生成包括：确定第一覆盖区域，所述第一覆盖区域与被包括在所述数个感兴趣区域中的第一感兴趣区域相关联并且包括第二像素阵列；确定第二覆盖区域，所述第二覆盖区域与被包括在所述数个感兴趣区域中的第二感兴趣区域相关联并且包括第三像素阵列；以及基于被包括在所述第一覆盖区域中的第二强度值以及被包括在所述第二覆盖区域中的第三强度值，确定被包括在所述合成二维图像中的第一像素的第一强度值。23.如权利要求22所述的方法，其特征在于，所述第一覆盖区域包括不被包括在所述第一感兴趣区域中的至少一个像素，并且所述第二覆盖区域包括不被包括在所述第二感兴趣区域中的至少一个像素。24.如权利要求22所述的方法，其特征在于，确定所述第一像素的所述第一强度值包括：将所述第一强度值设置为等于所述第二强度值乘以第一权重加上所述第三强度值乘以第二权重的总和。25.如权利要求18所述的方法，其特征在于，所述生成包括：确定第一感兴趣区域和第二感兴趣区域重叠；确定所述第一感兴趣区域具有比所述第二感兴趣区域更高的相关性分数；以及响应于确定所述第一感兴趣区域具有更高的相关性分数，而在所述合成二维图像中不包括所述第二感兴趣区域的任何部分。26.如权利要求18所述的方法，其特征在于，所述三维图像是使用数字乳房断层合成被生成的。27.如权利要求18所述的方法，进一步包括：从所述数个感兴趣区域中移除至少一个感兴趣区域；以及基于所述数个感兴趣区域和所述多个二维图像中的至少一个二维图像生成第二合成二维图像。28.如权利要求18所述的方法，其特征在于，所述模型是基于图像数据集被训练的，所述图像数据集包括由医疗从业者注释的二维全视野数字乳房x线摄影图像。29.如权利要求28所述的方法，其特征在于，被包括在所述乳房组织的所述多个二维图像中的每个二维图像是被包括在三维断层合成体积中的切片。30.一种用于确定患者的乳房组织的恶性可能性分数的系统，所述系统包括：存储器，所述存储器被配置成用于存储所述乳房组织的多个二维图像，所述二维图像是从所述乳房组织的三维图像导出的；
处理器，所述处理器被配置成用于访问所述存储器并且用于：向包括第一经训练的神经网络的第一模型提供每个二维图像；并且针对每个二维图像，接收来自所述第一模型的数个指示符，每个指示符与被包括在所述多个二维图像中的二维图像相关联；基于所述数个指示符和所述多个二维图像中的至少一个二维图像生成合成二维图像；向包括第二经训练的神经网络的第二模型提供所述合成二维图像；使用所述第二模型确定恶性可能性分数；以及显示器，所述显示器被配置成用于显示包括所述恶性可能性分数的报告。31.一种用于生成患者的乳房组织的合成二维图像的系统，所述系统包括：存储器，所述存储器被配置成用于存储所述乳房组织的多个二维图像，所述二维图像是从所述乳房组织的三维图像导出的；处理器，所述处理器被配置成用于访问所述存储器并且用于：向包括经训练的神经网络的模型提供每个二维图像；并且针对每个二维图像，接收来自所述模型的数个感兴趣区域，每个感兴趣区域包括分数并且与被包括在所述多个二维图像中的二维图像相关联；确定目标感兴趣区域具有所述数个感兴趣中的至少部分地重叠所述目标感兴趣区域的二维位置的任何感兴趣区域的最高分数，所述二维位置由所述多个二维图像中的每一个二维图像共享；并且基于所述目标感兴趣区域和所述多个二维图像中的至少一个二维图像，生成合成二维图像。32.一种用于确定患者的乳房组织的恶性可能性分数的系统，所述系统包括：存储器，所述存储器被配置成用于存储所述乳房组织的多个二维图像，所述二维图像是从所述乳房组织的三维图像导出的；处理器，所述处理器被配置成用于访问所述存储器并且用于：向包括第一经训练的神经网络的第一模型提供每个二维图像；针对每个二维图像，接收来自所述第一模型的数个指示符，每个指示符与被包括在所述多个二维图像中的二维图像相关联；基于所述数个指示符和所述多个二维图像中的至少一个二维图像生成第一合成二维图像；基于所述多个二维图像中的至少一个二维图像和所述第一合成二维图像，生成第二合成二维图像；基于所述多个二维图像中的至少一个二维图像和所述第一合成二维图像，生成第三合成二维图像；向包括第二经训练的神经网络的第二模型提供所述第一合成二维图像、所述第二合成二维图像和所述第三合成二维图像；并且使用所述第二模型确定恶性可能性分数；以及显示器，所述显示器被配置成用于显示包括所述恶性可能性分数的报告。33.一种用于生成患者的乳房组织的合成二维图像的系统，所述系统包括：存储器，所述存储器被配置成用于存储所述乳房组织的多个二维图像，所述二维图像
是从所述乳房组织的三维图像导出的并且每个二维图像与切片编号相关联；处理器，所述处理器被配置成用于访问所述存储器并且用于：顺序地向包括经训练的神经网络的模型提供被包括在所述多个二维图像中的第一二维图像、第二二维图像和第三二维图像，与所述第一二维图像相关联的切片编号和与所述第二二维图像相关联的切片编号相差预定的偏移值，并且与所述第二二维图像相关联的切片编号和与所述第三二维图像相关联的切片编号相差所述预定的偏移值；针对被包括在所述多个二维图像中的每个二维图像，接收来自所述模型的数个感兴趣区域，每个感兴趣区域包括分数并且与被包括在所述多个二维图像中的二维图像相关联；确定目标感兴趣区域具有所述数个感兴趣中的至少部分地重叠所述目标感兴趣区域的二维位置的任何感兴趣区域的最高分数，所述二维位置由所述多个二维图像中的每一个二维图像共享；并且基于所述目标感兴趣区域和所述多个二维图像中的至少一个二维图像，生成合成二维图像。

技术总结
本公开提供了一种用于确定患者的乳房组织的恶性可能性分数的方法。该方法包括：接收乳房组织的多个二维图像，该二维图像是从乳房组织的三维图像导出的；针对每个二维图像，将该二维图像提供给包括第一经训练的神经网络的第一模型，以及接收来自第一模型的数个指示符，每个指示符与被包括在多个二维图像中的二维图像相关联；基于该数个指示符和多个二维图像中的至少一个二维图像生成合成二维图像；向包括第二经训练的神经网络的第二模型提供合成二维图像；接收来自第二模型的恶性可能性分数；以及将包括恶性可能性分数的报告输出到存储器或显示器中的至少一者。储器或显示器中的至少一者。储器或显示器中的至少一者。


技术研发人员：W
受保护的技术使用者：永康智能股份有限公司
技术研发日：2020.10.26
技术公布日：2022/8/2