申请/专利权人：伯拉考成像股份公司

申请日：2022-10-14

公开（公告）日：2024-03-12

公开（公告）号：CN117693770A

主分类号：G06T11/00

分类号：G06T11/00

优先权：["20211015 EP 21203019.1"]

专利状态码：在审-公开

法律状态：2024.03.12#公开

摘要：提出了一种用于训练在医学成像应用中使用的机器学习模型420的解决方案。对应的方法700包括提供703‑743；759‑763样本集，每个样本集包括样本基线图像、样本对象图像从已经被施用了特定剂量的造影剂的受试者的对应身体部位获取和样本源剂量对应于造影剂的不同剂量。训练744‑758机器学习模型420以便优化其从对应的样本基线图像和样本源图像生成每个样本对象图像的能力。一个或多个样本集是不完整的，缺失了它们的样本源图像。通过至少根据样本集的样本基线图像和样本对象图像来模拟样本源图像，使每个不完整的样本集完整704‑742；759‑763。提出了用于实现方法700的计算机程序500和计算机程序产品。此外，提出了一种用于执行方法700的计算系统130。

主权项：1.一种用于训练在医学成像应用中使用的操作性机器学习模型420的方法700，其中，所述方法700包括在计算系统130的控制下：向所述计算系统130提供703-743；759-763多个样本集，所述多个样本集包括表示受试者的对应身体部位的对应的样本基线图像、样本源图像和样本对象图像，所述样本基线图像是在没有造影剂的情况下从对应身体部位获取的，所述样本对象图像是从已经以样本对象剂量向其施用造影剂的受试者的对应身体部位获取的，并且所述样本源图像对应于比所述样本对象剂量低的造影剂的样本剂量，其中所述样本源剂量与所述样本对象剂量之间的比率等于减少因子，由所述计算系统130训练744-758所述操作性机器学习模型420以优化其根据所述样本集的至少所述样本基线图像和所述样本源图像生成所述样本集中的每一个的样本对象图像的能力，以及由所述计算系统130部署765所述操作性机器学习模型420，所述操作性机器学习模型被训练用于在所述医学成像应用中使用，以根据与所述减少因子的倒数相对应的增大因子来模仿被施用到对应患者的造影剂的剂量的增加，其中所述提供703-743；759-763所述样本集包括：由所述计算系统130接收703所述样本集中的每个都缺失所述样本源图像的一个或多个不完整样本集，以及由所述计算系统130通过根据所述样本集的所述样本基线图像和所述样本对象图像来模拟所述样本源图像，使每个所述不完整样本集完整704-742；759-763，所述样本源图像被模拟以表示所述受试者的对应身体部位，模仿以所述样本源剂量向其施用造影剂。

全文数据：

权利要求：

百度查询： 伯拉考成像股份公司 训练机器学习模型以用于在医学成像应用中模拟在较高剂量造影剂下的图像

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD