(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210431945.3 (22)申请日 2022.04.22 (30)优先权数据 63/178,940 2021.04.23 US 17/726,3 07 2022.04.21 US (71)申请人 深圳科亚医疗科技有限公司 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　 杨皓宇　郭新宇　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. G06T 7/00(2017.01)G06T 7/68(2017.01) G06V 10/42(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 预测解剖结构的疾病量化参数的计算机实 现的方法、 系统及存 储介质 (57)摘要 本发明公开了一种预测解剖结构的疾病量 化参数的计算机实现的方法、 系统及存储介质。 该方法包括： 基于医学图像提取中心线结构； 通 过利用GNN， 其中所述 GNN的各个节点对应于所提 取的中心线结构上的采样点， 且所述GNN的各条 边对应于 所述采样点之间的空间约束关系， 预测 所提取的中心线结构上的各个采样点的疾病量 化参数， 对于各个节点， 基于对应采样点的图像 块通过使用局部特征编码器提取局部特征； 基于 一组采样点的一组图像块通过使用全局特征编 码器提取全局特征， 一组采样点包括对应采样点 并具有由中心线结构定义的空间约束关系； 基于 局部特征和全局特征两者获得嵌入 特征， 并将嵌 入特征输入到该节点。 该方法能够将采样点的局 部考虑因素和全局考虑因素整合输入到GNN中， 提高预测准确度。 权利要求书2页 说明书11页 附图4页 CN 115330669 A 2022.11.11 CN 115330669 A 1.一种预测解剖结构的疾病量化参数的计算机实现的方法， 其特征在于， 所述方法包 括： 获取含有解剖结构的医学图像； 通过至少一个处理器， 基于所述医学图像提取中心线结构； 并且通过利用图神经网络 (GNN)， 使 得所述GNN的各个节 点对应于所提取的中心线结构上的采样点， 且 所述GNN的各条 边对应于两个采样点之 间的空间约束关系， 预测所提取的中心线 结构上的各个采样点的疾 病量化参数， 其中， 预测各个采样点的所述疾病量 化参数进一 步包括： 基于所述采样点的图像块 通过使用局部特 征编码器， 来 提取局部特 征； 基于一组采样点的一组图像块通过使用全局特征编码器来提取全局特征， 所述一组采 样点包括所述采样点并具有由所述中心线结构定义的空间约束关系； 并且 基于所述局部特征和所述全局特征两者来获得嵌入特征， 并将所述嵌入特征输入到对 应于所述采样点的所述GN N的该节点。 2.根据权利要求1所述的计算机实现的方法， 其特征在于， 所述局部特征编码器和所述 全局特征编码器中的每一个采用包括第一级注意力块和第二级注意力块的双级注意力机 制， 其中， 所述第一级注意力块被配置为提取病变位置感知注意力图， 并且所述第二级注 意 力块被配置为提取像素到像素的相互依赖注意力图。 3.根据权利要求1所述的计算机实现的方法， 其特 征在于， 所述GN N包括高阶GN N。 4.根据权利要求1所述的计算机实现的方法， 其特征在于， 所述解剖结构包括解剖树结 构或解剖图结构。 5.根据权利要求1所述的计算机实现的方法， 其特征在于， 所述局部特征编码器包括： 结合有用于定位的注 意力机制的第一卷积神经网络(CNN)， 跟随其的第一自注 意力块， 所述 第一自注意力块结合有像素间相关性的注意力机制。 6.根据权利要求1所述的计算机实现的方法， 其特 征在于， 所述全局特 征编码器包括： 结合有用于定位的注意力机制的第二卷积神经网络(CNN)， 跟随其的递归神经网络 (RNN)， 然后第二自注意力块跟随所述递归神经网络(RNN)， 所述第二 自注意力块结合有像 素间相关性的注意力机制， 其中， 所述 RNN被配置为累积从解剖结构的根部到 当前采样点的 信息。 7.根据权利要求5所述的计算机实现的方法， 其特征在于， 用于定位的注意力 机制包括 残差注意力， 并且所述第一自注意力块包括非局部网络 。 8.根据权利要求1所述的计算机实现的方法， 其特征在于， 基于所述局部特征和所述全 局特征两者 获取嵌入特征进一步包括： 将所述局部特征与所述全局特征相连接以获得所述 嵌入特征。 9.根据权利要求1所述的计算机实现的方法， 其特征在于， 所述GNN包括基于图卷积的 神经网络或基于图门控的神经网络 。 10.根据权利要求1所述的计算机实现的方法， 其特征在于， 所述解剖结构包括血管结 构或气道结构。 11.一种用于预测解剖结构的疾病量 化参数的系统， 其特 征在于， 所述系统包括： 接口， 配置为： 获取含有解剖结构的医学图像； 以及 处理器， 配置为： 执行根据权利要求1 ‑10中任何一项所述的计算机实现的预测解剖结权　利　要　求　书 1/2 页 2 CN 115330669 A 2构的疾病量 化参数的方法。 12.一种计算机可读存储介质， 其上存储有计算机可执行指令， 所述计算机可执行指令 由处理器执行时， 实现根据权利要求 1‑10中任何一项 所述的计算机实现的预测解剖结构的 疾病量化参数的方法。权　利　要　求　书 2/2 页 3 CN 115330669 A 3