SYSTEM AND METHODS FOR INFERRING THICKNESS OF OBJECT CLASSES OF INTEREST IN TWO-DIMENSIONAL MEDICAL IMAGES USING DEEP NEURAL NETWORKS

• Main Authors: MELAPUDI, Vikram, AVINASH, Gopal, MULLICK, Rakesh, SONI, Ravi, DAS, Bipul, TAN, Tao, TEGZES, Pál, SHRIRAM, Krishna Seetharam, FERENCZI, Lehel, FEJES, Máté
• Format: Patent
• Language: English; French
• Published: 01.06.2023
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; PHYSICS

Methods and systems are provided for inferring thickness and volume of one or more object classes of interest in two-dimensional (2D) medical images, using deep neural networks. In an exemplary embodiment, a thickness of an object class of interest may be inferred by acquiring a 2D medical image, extracting features from the 2D medical image, mapping the features to a segmentation mask for an object class of interest using a first convolutional neural network (CNN), mapping the features to a thickness mask for the object class of interest using a second CNN, wherein the thickness mask indicates a thickness of the object class of interest at each pixel of a plurality of pixels of the 2D medical image; and determining a volume of the object class of interest based on the thickness mask and the segmentation mask. L'invention concerne des procédés et des systèmes pour déduire l'épaisseur et le volume d'au moins une classe d'objets d'intérêt dans des images médicales bidimensionnelles (2D), au moyen de réseaux neuronaux profonds. Dans un mode de réalisation donné à titre d'exemple, une épaisseur d'une classe d'objets d'intérêt peut être déduite par l'acquisition d'une image médicale 2D, l'extraction de caractéristiques de l'image médicale 2D, le mappage des caractéristiques sur un masque de segmentation pour une classe d'objets d'intérêt au moyen d'un premier réseau neuronal convolutif (CNN), le mappage des caractéristiques sur un masque d'épaisseur pour la classe d'objets d'intérêt au moyen d'un deuxième CNN, le masque d'épaisseur indiquant une épaisseur de la classe d'objets d'intérêt au niveau de chaque pixel d'une pluralité de pixels de l'image médicale 2D; et la détermination d'un volume de la classe d'objets d'intérêt sur la base du masque d'épaisseur et du masque de segmentation.