用于使用机器学习的血管造影剂量减少的系统和方法与流程

本公开总体上涉及血管造影，并且更具体地涉及用于使用机器学习进行剂量减少的血管造影的系统和方法。

背景技术：

1、心脏将血液作为一系列的动脉冲程量输送到全身，其中血液穿过毛细血管到达静脉，然后返回到心脏。血管(通常是分支的管状结构)中血液的存在和运动可以通过称为血管造影的技术来动态地成像。

2、在荧光透视x射线血管造影中，化学造影剂作为团(bolus)与获得x射线图像序列相协调地注射到血管系统(例如，血流)中。化学造影剂可以包括液体形式的多种化学物质中的任何一种或多种。化学造影剂比血液或组织密度大；因此，化学造影剂比血液或组织更能衰减x射线的通过。化学造影剂的密度越大，在荧光血管造影成像期间施加在容纳血管上的图像对比度就越清晰。一些密度特别大的化学造影剂包含离子形式的碘；这类剂被称为“碘化造影剂”。碘化造影剂的一个示例是碘海醇。其他化学造影剂不含碘，也没有碘化。

3、化学造影剂穿过脉管系统，以给定的帧率阻挡x射线的通过，从而在包含造影剂的血管结构创建印象。所得到的时空x射线衰减模式创建了在x射线传感器上由荧光透视获得的x射线图像的序列。该序列可以被称为血管造影照片，例如，追踪造影剂团通过的图像序列。血管造影照片典型地在空间上是二维的，并在时间上是一维的。

4、注射的化学造影剂对肾脏和其他内脏器官有毒性副作用。然而，减少造影剂的剂量以降低这些毒性副作用的风险可能产生不令人满意的具有较差信噪比的图像，这反过来可能导致不完整的血管造影研究和不充分成像的血管解剖。使用较低剂量的造影剂还可能迫使注射导管进一步进入动脉树，使得注射的造影剂仍集中在感兴趣的解剖区域内。推进注射导管的需要进一步增加了导管损伤血管树远端更小的血管而引起的并发症的风险。

技术实现思路

1、本发明的方面涉及使用机器学习(例如，深度学习)进行血管造影剂量减少的方法、系统和计算机可读介质。简言之，本文描述的技术使用机器学习来保存/保持血管造影图像质量的同时允许减少潜在有害化学造影剂和/或x射线辐射的血管造影剂量。因此，可以在减少血管造影剂量的情况下从图像中提取血管造影解剖结构。化学造影剂和x射线剂量的减少可以通过在血管造影成像之前、期间和/或之后进行的操作来实现。

2、提供了各种机制来训练机器学习模型(例如，深度学习神经网络)以在减少化学造影剂和/或x射线辐射剂量的情况下产生较高质量的血管造影图像。这些机制可以涉及收集用减少剂量的化学造影剂和/或x射线辐射获得的训练数据(“减少剂量训练数据”)，与已分割的标准全剂量数据(“全剂量分割数据”)交叉。也就是说，可以使用在全(标准)剂量的化学造影剂和x射线辐射下采集的全剂量分割数据作为已知输出，以及非分割的减少剂量训练数据来生成训练数据集，以根据全剂量分割数据训练神经网络。训练数据集可以使用以下生成：全(标准)剂量和物理减少剂量的动物(例如，非人类)血管造影；全(标准)剂量和物理减少剂量的真实人工模型器官；和/或全剂量人体血管造影数据中通过计算模拟的剂量的减少。因此，在神经网络训练步骤中，可以采用在时间间隔内以全(标准)剂量采集的多个血管造影图像来分割血管，并且神经网络(例如，卷积网络)可以用减少剂量的图像数据获得标准剂量的分割结果。因此，神经网络可以根据训练数据进行训练，该训练数据具有高质量的血管造影结构地面真值数据和用减少的化学造影剂和/或x射线辐射剂量捕获的实际的或模拟的降级血管造影图像。

3、在神经网络训练后部署模式中，神经网络可以获得在减少的化学造影剂和/或x射线辐射剂量下采集的血管造影数据，基于该神经网络针对全剂量分割的训练来产生图像分割。在一个示例中，可以向深度神经网络提供来自物理上减少化学造影剂和/或x射线辐射剂量的较低质量血管造影图像数据，以根据针对较高质量地面真值训练数据的降低质量血管造影图像的训练来估计血管结构。因此，深度学习神经网络可以对在物理上减少的化学和/或x射线辐射剂量下采集的图像进行血管分割。

4、神经网络可以应用于血管造影图像的跨度或序列，以在不增加血管造影剂量的情况下识别血管结构。例如，深度学习神经网络可以使用目标血管造影图像和一个或多个时间上相邻或连续的血管造影图像来估计目标血管造影图像中的血管结构。通过这种方式，神经网络可以被调整以检测含有造影剂的血管的时空特性。

5、可以设计单独的神经网络配置来优化离线计算和/或实时计算。例如，可以修改神经网络来实时使用，其中用于数据输入的多个血管造影图像包括多个最近的时间上在前的血管造影图像，用于为最近的血管造影图像产生分割。

6、根据本发明的第一方面，一种方法包括经由处理器提供使用第一剂量的化学造影剂和/或x射线辐射获得的目标血管造影图像作为机器学习模型的输入，该机器学习模型已经使用了以下进行训练：(a)使用第二剂量的化学造影剂和/或x射线辐射获得的第二血管造影图像作为输入，以及(b)使用第三剂量的化学造影剂和/或x射线辐射获得的第三血管造影图像作为已知输出，其中第三剂量大于第一剂量和第二剂量。该方法进一步包括经由处理器从机器学习模型获得包括血管造影图像的输出，该血管造影图像是目标血管造影图像的处理版本。使用机器学习模型来处理使用第一剂量的化学造影剂和/或x射线辐射获得的第一血管造影图像，该机器学习模型由使用第二剂量的化学造影剂和/或x射线辐射获得的第二血管造影图像作为训练数据来训练，并且由使用第三剂量的化学造影剂和/或x射线辐射获得的第三血管造影图像作为已知输出，其中第三剂量大于第一剂量，可以通过允许从用减少剂量的化学造影剂和/或x射线辐射获得的血管造影图像中获得的对诊断有用的血管造影图像来提高血管造影研究的安全性。

7、在一个实施例中，目标图像是使用第一剂量的化学造影剂和/或x射线辐射获得的并且作为输入提供给机器学习模型的血管造影图像的第一子序列中的多个血管造影图像之一，并且第二血管造影图像是使用第二剂量的化学造影剂和/或x射线辐射获得的并且用于训练机器学习模型的血管造影图像的第二子序列中的多个血管造影图像之一。通过将用第一剂量的化学造影剂和/或x射线辐射获得的并且包含目标图像的血管造影图像的子序列提供给由使用第二剂量的化学造影剂和/或x射线辐射得到的血管造影图像子序列训练的机器学习模型，该实施例可以通过使用来自包含目标图像的图像子序列中的其他图像的时空信息来提高输出的准确性。

8、在一个实施例中，血管造影图像的第一子序列作为单个向量提供给机器学习模型。通过将血管造影图像的第一子序列作为单个向量提供给机器学习模型，该实施例可以减少处理时间。

9、在一个实施例中，血管造影图像的第一子序列和第二子序列每个都由奇数个血管造影图像组成。在每个子序列中使用奇数个血管造影图像可以通过允许从血管造影图像的第一子序列的中间拍摄目标图像并提供目标图像之前和之后的时空信息来提高输出的准确性。

10、在一个实施例中，血管造影图像的第一子序列由与血管造影图像的第二子序列相同数量的血管造影图像组成。通过确保部署模式的输入与训练模式的输入一致，本实施例可以减少训练机器学习模型所需的时间。

11、在一个实施例中，第一子序列和第二子序列每个都由五个血管造影图像组成，其优势在于，目标图像可以位于子序列的中间，使得在目标图像之前和之后的时空信息都是可用的。已经发现，与大于五个图像的子序列相比，该实施例可以用更少的处理量提供对诊断有用的输出。

12、在一个实施例中，血管造影图像的第一子序列是多个输入子序列中的一个，其中多个输入个子序列中的每一个都是从使用第一剂量的化学造影剂和/或x射线辐射获得的血管造影图像序列的不同部分提取的。多个输入子序列可以作为输入提供给机器学习模型，以经由至少一个处理器从机器学习模型获得包括血管造影图像的输出，该血管造影图像是多个输入子序列中的每一个的各自的目标血管造影图像的处理版本。该实施例允许使用机器学习模型处理图像序列中的多个目标图像，这对于诊断目的可以是有利的。

13、在一个实施例中，血管造影图像的第二子序列是用于训练机器学习模型的多个子序列之一，其中多个子序列中的每一个子序列都是从使用第二剂量的化学造影剂和/或x射线辐射获得的血管造影图像序列的不同部分提取的。该实施例允许训练机器学习模型来处理图像序列中的多个目标图像，这对于诊断目的可以是有利的。

14、在一个实施例中，第一子序列血管造影图像中的每个血管造影图像在时间上与第一子序列中的至少一个其他血管造影图像连续，并且第二子序列血管造影图中的每个血管造影图像在时间上与第二子序列中的至少另一个血管造影图像连续。使用时间上连续的图像可以通过提供来自目标图像的时空信息来提高输出的准确性。

15、在一个实施例中，第一剂量和第二剂量的化学造影剂和/或x射线辐射是相同的。本实施例可以提高输出的精度。

16、在一个实施例中，第一剂量和第二剂量小于从x射线成像设备获得对诊断有用图像所需的剂量，并且第三剂量不小于从x射线成像设备获得对诊断有用图像所需的剂量。该实施例可以通过允许用减少剂量的化学造影剂和/或x射线辐射获得血管造影图像来提高血管造影研究的安全性。

17、在一个实施例中，第二子序列中的血管造影图像是非人类血管结构的血管造影图像。该实施例可以降低训练机器学习模型的成本。

18、在一个实施例中，第二子序列中的血管造影图像是人工血管结构的血管造影图像。该实施例可以降低训练机器学习模型的成本。

19、在一个实施例中，第二剂量的化学造影剂和/或x射线辐射大于第一剂量的化学造影剂和/或x射线辐射，并且第二子序列中的血管造影图像是经过修改的血管造影图像，以模拟使用小于第二剂量的化学造影剂和/或x射线辐射获得的血管造影图像。该实施例允许对训练数据的质量有更多的控制，并且可以降低训练机器学习模型的成本。

20、在一个实施例中，第二剂量的化学造影剂和/或x射线辐射大于第一剂量的化学造影剂和/或x射线辐射，并且修改第二血管造影图像以模拟使用小于第二剂量化学造影剂和/或x射线辐射获得的血管造影图像。该实施例允许对训练数据的质量有更多的控制，并且可以降低训练机器学习模型的成本。

21、在一个实施例中，通过向第二血管造影图像的至少一些像素添加随机生成的噪声来修改第二血管造影图像。该实施例允许对训练数据的质量有更多的控制，并且可以降低训练机器学习模型的成本。

22、在一个实施例中，随机生成的噪声仅被添加到第二血管造影图像中被确定为对应血管的像素中。该实施例降低了训练机器学习模型的成本，并且有助于避免由于在施用化学造影剂之前和之后血管造影场中器官的移动而导致的配准误差。

23、在一个实施例中，第三血管造影图像是分割的血管造影图像，并且从机器学习模型获得的输出是血管造影图像，该血管造影图像是第一血管造影图像的分割版本。该实施例可以通过消除对单独的手动、半自动或自动分割步骤的需求来减少处理时间。

24、在一个实施例中，第一血管造影图像的处理版本可以显示在显示设备上。该实施例允许医疗专业人员查看和分析输出，以提供诊断或其他医疗意见。

25、本发明的其他方面包括利用与上述基本相同的技术的系统和计算机程序产品。

26、这些技术的其它目的和优点将从说明书和附图中显而易见。