1.一種用于在患者醫(yī)學(xué)圖像中進(jìn)行解剖對象檢測的方法，包括：
接收包括目標(biāo)解剖對象的患者的醫(yī)學(xué)圖像；以及
使用針對每個(gè)邊緣搜索空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，在具有遞增維度的一系列邊緣參數(shù)空間中檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢。
2.權(quán)利要求1所述的方法，其中每個(gè)相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入醫(yī)學(xué)圖像的圖像塊并在邊緣參數(shù)空間中的相應(yīng)邊緣參數(shù)空間內(nèi)計(jì)算目標(biāo)解剖對象的一個(gè)或多個(gè)候選。
3.權(quán)利要求1所述的方法，其中每個(gè)相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)直接對輸入至經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的每個(gè)圖像塊的像素或體素進(jìn)行操作，以在邊緣參數(shù)空間中的相應(yīng)邊緣參數(shù)空間內(nèi)計(jì)算目標(biāo)解剖對象的一個(gè)或多個(gè)候選。
4.權(quán)利要求1所述的方法，其中針對至少一個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)包括判別式深度神經(jīng)網(wǎng)絡(luò)，該判別式深度神經(jīng)網(wǎng)絡(luò)輸入所述相應(yīng)邊緣參數(shù)空間內(nèi)的假設(shè)圖像塊，并針對每個(gè)假設(shè)圖像塊計(jì)算所述假設(shè)圖像塊是所述相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的圖像塊的概率。
5.權(quán)利要求1所述的方法，其中針對至少一個(gè)邊緣參數(shù)空間的所述相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)包括深度神經(jīng)網(wǎng)絡(luò)回歸器，深度神經(jīng)網(wǎng)絡(luò)回歸器輸入所述相應(yīng)邊緣參數(shù)空間內(nèi)的假設(shè)圖像塊，并針對每個(gè)假設(shè)圖像塊計(jì)算將所述假設(shè)圖像塊映射到所述相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的預(yù)測圖像塊的偏移向量。
6.權(quán)利要求5所述的方法，其中所述深度神經(jīng)網(wǎng)絡(luò)回歸器還針對每個(gè)假設(shè)圖像塊計(jì)算所述相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的對應(yīng)預(yù)測圖像塊的概率。
7.權(quán)利要求5所述的方法，其中通過將每個(gè)預(yù)測圖像塊返回輸入至深度神經(jīng)網(wǎng)絡(luò)回歸器中并且針對每個(gè)預(yù)測圖像塊計(jì)算將預(yù)測圖像塊映射到所述相應(yīng)邊緣參數(shù)空間內(nèi)經(jīng)細(xì)化的預(yù)測圖像塊的偏移向量，所述深度神經(jīng)網(wǎng)絡(luò)回歸器迭代地細(xì)化相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的預(yù)測圖像塊。
8.權(quán)利要求1所述的方法，其中所述一系列邊緣參數(shù)空間包括位置參數(shù)空間、位置-定向參數(shù)空間、和位置-定向-尺度參數(shù)空間。
9.權(quán)利要求8所述的方法，其中使用針對每個(gè)邊緣搜索空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，在具有遞增維度的一系列邊緣參數(shù)空間中檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢包括：
使用第一經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測醫(yī)學(xué)圖像中的位置候選，第一經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入以醫(yī)學(xué)圖像中多個(gè)體素中的每一個(gè)為中心的圖像塊；
基于檢測到的位置候選生成位置-定向假設(shè)；
使用第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測醫(yī)學(xué)圖像中的位置-定向候選，第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入對應(yīng)于位置-定向假設(shè)的圖像塊；
基于檢測到的位置-定向候選生成位置-定向-尺度假設(shè)；以及
使用第三經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢，第三經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入對應(yīng)于位置-定向-尺度假設(shè)的圖像塊。
10.權(quán)利要求9所述的方法，其中基于檢測到的位置候選生成位置-定向假設(shè)包括：
將以每個(gè)檢測到的位置候選為中心的相應(yīng)圖像塊旋轉(zhuǎn)至從針對目標(biāo)解剖對象的定向的預(yù)定范圍采樣的多個(gè)定向。
11.權(quán)利要求9所述的方法，其中基于檢測到的位置-定向候選生成位置-定向-尺度假設(shè)包括：
將對應(yīng)于每個(gè)檢測到的位置-定向候選的相應(yīng)圖像塊縮放至從針對目標(biāo)解剖對象的尺度的預(yù)定范圍采樣的多個(gè)尺度。
12.權(quán)利要求9所述的方法，其中第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)是經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)回歸器，并且基于檢測到的位置候選生成位置-定向假設(shè)包括：
通過使用以每個(gè)檢測到的位置候選為中心的圖像塊作為所述相應(yīng)位置-定向假設(shè)，生成針對每個(gè)檢測到的位置候選的相應(yīng)位置-定向假設(shè)。
13.權(quán)利要求9所述的方法，其中第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)是經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)回歸器，并且基于檢測到的位置-定向候選生成位置-定向-尺度假設(shè)包括：
通過使用對應(yīng)于每個(gè)檢測到的位置-定向候選的圖像塊作為所述相應(yīng)位置-定向-尺度假設(shè)，生成針對每個(gè)檢測到的位置-定向候選的相應(yīng)位置-定向-尺度假設(shè)。
14.權(quán)利要求1所述的方法，其中針對每個(gè)邊緣參數(shù)空間的相應(yīng)深度神經(jīng)網(wǎng)絡(luò)是使用堆疊式去噪自動編碼器(DAE)訓(xùn)練的多層深度神經(jīng)網(wǎng)絡(luò)。
15.權(quán)利要求1所述的方法，其中針對每個(gè)邊緣參數(shù)空間的相應(yīng)深度神經(jīng)網(wǎng)絡(luò)是使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)、堆疊式受限玻爾茲曼機(jī)(RBM)、或堆疊式自動編碼器(AE)之一訓(xùn)練的多層深度神經(jīng)網(wǎng)絡(luò)。
16.權(quán)利要求1所述的方法，其中通過如下步驟訓(xùn)練針對每個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)：在無監(jiān)督預(yù)訓(xùn)練階段中順序地訓(xùn)練多個(gè)隱藏層中的每一個(gè)以重構(gòu)對每個(gè)隱藏層的相應(yīng)輸入，以及在有監(jiān)督訓(xùn)練階段中基于相應(yīng)邊緣參數(shù)空間內(nèi)的完全真實(shí)訓(xùn)練圖像塊來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)以檢測相應(yīng)邊緣參數(shù)空間內(nèi)的目標(biāo)解剖對象。
17.權(quán)利要求16所述的方法，其中通過下列步驟在有監(jiān)督訓(xùn)練階段中訓(xùn)練針對每個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)：針對相應(yīng)邊緣參數(shù)空間添加用于目標(biāo)輸出的輸出層，以及使用后向傳播來訓(xùn)練多個(gè)隱藏層和輸出層以最小化針對解剖對象的所檢測到的圖像塊與相應(yīng)邊緣參數(shù)空間內(nèi)完全真實(shí)訓(xùn)練圖像塊之間的誤差。
18.權(quán)利要求16所述的方法，其中通過下列步驟在有監(jiān)督訓(xùn)練階段中訓(xùn)練針對每個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)：將所述多個(gè)隱藏層的輸出視為高等級圖像特征，以及基于由所述多個(gè)隱藏層輸出的高等級圖像特征來訓(xùn)練判別式分類器。
19.權(quán)利要求1所述的方法，其中使用從訓(xùn)練圖像集采樣的訓(xùn)練圖像塊訓(xùn)練針對邊緣參數(shù)空間中的第一邊緣參數(shù)空間的經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，以及使用訓(xùn)練圖像塊訓(xùn)練針對邊緣參數(shù)空間中的每個(gè)隨后的邊緣參數(shù)空間的經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，所述訓(xùn)練圖像塊通過將由先前邊緣參數(shù)空間內(nèi)的經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測到的訓(xùn)練圖像塊擴(kuò)充為具有從訓(xùn)練圖像中當(dāng)前邊緣搜索空間的范圍采樣的當(dāng)前邊緣搜索空間的附加參數(shù)。
20.權(quán)利要求1所述的方法，其中使用針對每個(gè)邊緣搜索空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，在具有遞增維度的一系列邊緣參數(shù)空間中檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢包括：
針對至少一個(gè)邊緣參數(shù)空間：
計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的逼近；以及
使用針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的逼近，在所述邊緣參數(shù)空間內(nèi)檢測針對目標(biāo)解剖對象的一個(gè)或多個(gè)候選。
21.權(quán)利要求20所述的方法，其中計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的逼近包括：
計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重的降秩逼近。
22.權(quán)利要求21所述的方法，其中計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重的降秩逼近包括：
計(jì)算低秩張量分解以逼近針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重。
23.權(quán)利要求21所述的方法，其中計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重的降秩逼近包括：
使用稀疏逼近矩陣，逼近針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重。
24.一種用于在患者的醫(yī)學(xué)圖像中進(jìn)行解剖對象檢測的裝置，包括：
用于接收包括目標(biāo)解剖對象的患者的醫(yī)學(xué)圖像的裝置，以及
用于使用針對每個(gè)邊緣搜索空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)在具有遞增維度的一系列邊緣參數(shù)空間中檢測所述醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢的裝置。
25.權(quán)利要求24所述的裝置，其中每個(gè)相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入所述醫(yī)學(xué)圖像的圖像塊并在邊緣參數(shù)空間中的相應(yīng)邊緣參數(shù)空間內(nèi)計(jì)算目標(biāo)解剖對象的一個(gè)或多個(gè)候選。
26.權(quán)利要求24所述的裝置，其中每個(gè)相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)直接對輸入至經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的每個(gè)圖像塊的像素或體素進(jìn)行操作，以在邊緣參數(shù)空間中的相應(yīng)邊緣參數(shù)空間內(nèi)計(jì)算目標(biāo)解剖對象的一個(gè)或多個(gè)候選。
27.權(quán)利要求24所述的裝置，其中針對至少一個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)包括判別式深度神經(jīng)網(wǎng)絡(luò)，該判別式深度神經(jīng)網(wǎng)絡(luò)輸入所述相應(yīng)邊緣參數(shù)空間內(nèi)的假設(shè)圖像塊，并針對每個(gè)假設(shè)圖像塊計(jì)算所述假設(shè)圖像塊是所述相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的圖像塊的概率。
28.權(quán)利要求24所述的裝置，其中針對至少一個(gè)邊緣參數(shù)空間的所述相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)包括深度神經(jīng)網(wǎng)絡(luò)回歸器，深度神經(jīng)網(wǎng)絡(luò)回歸器輸入所述相應(yīng)邊緣參數(shù)空間內(nèi)的假設(shè)圖像塊，并針對每個(gè)假設(shè)圖像塊計(jì)算將所述假設(shè)圖像塊映射到所述相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的預(yù)測圖像塊的偏移向量。
29.權(quán)利要求28所述的裝置，其中所述深度神經(jīng)網(wǎng)絡(luò)回歸器還針對每個(gè)假設(shè)圖像塊計(jì)算相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的對應(yīng)預(yù)測圖像塊的概率。
30.權(quán)利要求28所述的裝置，其中通過將每個(gè)預(yù)測圖像塊返回輸入至深度神經(jīng)網(wǎng)絡(luò)回歸器中并且針對每個(gè)預(yù)測圖像塊計(jì)算將預(yù)測圖像塊映射到所述相應(yīng)邊緣參數(shù)空間內(nèi)經(jīng)細(xì)化的預(yù)測圖像塊的偏移向量，所述深度神經(jīng)網(wǎng)絡(luò)回歸器迭代地細(xì)化相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的預(yù)測圖像塊。
31.權(quán)利要求24所述的裝置，其中所述一系列邊緣參數(shù)空間包括位置參數(shù)空間、位置-定向參數(shù)空間、和位置-定向-尺度參數(shù)空間。
32.權(quán)利要求31所述的方法，其中用于使用針對每個(gè)邊緣搜索空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)在具有遞增維度的一系列邊緣參數(shù)空間中檢測所述醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢的裝置包括：
用于使用第一經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測醫(yī)學(xué)圖像中的位置候選的裝置，第一經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入以醫(yī)學(xué)圖像中多個(gè)體素中的每一個(gè)為中心的圖像塊；
用于基于檢測到的位置候選生成位置-定向假設(shè)的裝置；
用于使用第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測醫(yī)學(xué)圖像中的位置-定向候選的裝置，第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入對應(yīng)于位置-定向假設(shè)的圖像塊；
用于基于檢測到的位置-定向候選生成位置-定向-尺度假設(shè)的裝置；以及
使用第三經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢的裝置，第三經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入對應(yīng)于位置-定向-尺度假設(shè)的圖像塊。
33.權(quán)利要求24所述的裝置，其中針對每個(gè)邊緣參數(shù)空間的相應(yīng)深度神經(jīng)網(wǎng)絡(luò)是使用堆疊式去噪自動編碼器(DAE)訓(xùn)練的多層深度神經(jīng)網(wǎng)絡(luò)。
34.權(quán)利要求24所述的裝置，其中針對每個(gè)邊緣參數(shù)空間的相應(yīng)深度神經(jīng)網(wǎng)絡(luò)是使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)、堆疊式受限玻爾茲曼機(jī)(RBM)、或堆疊式自動編碼器(AE)之一訓(xùn)練的多層深度神經(jīng)網(wǎng)絡(luò)。
35.權(quán)利要求24所述的裝置，其中通過如下步驟訓(xùn)練針對每個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)：在無監(jiān)督預(yù)訓(xùn)練階段中順序地訓(xùn)練多個(gè)隱藏層中的每一個(gè)以重構(gòu)對每個(gè)隱藏層的相應(yīng)輸入，以及在有監(jiān)督訓(xùn)練階段中基于相應(yīng)邊緣參數(shù)空間內(nèi)的完全真實(shí)訓(xùn)練圖像塊來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)以檢測相應(yīng)邊緣參數(shù)空間內(nèi)的目標(biāo)解剖對象。
36.權(quán)利要求35所述的裝置，其中通過下列步驟在有監(jiān)督訓(xùn)練階段中訓(xùn)練針對每個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)：針對相應(yīng)邊緣參數(shù)空間添加用于目標(biāo)輸出的輸出層，以及使用后向傳播來訓(xùn)練多個(gè)隱藏層和輸出層以最小化針對解剖對象的所檢測到的圖像塊與相應(yīng)邊緣參數(shù)空間內(nèi)完全真實(shí)訓(xùn)練圖像塊之間的誤差。
37.權(quán)利要求35所述的裝置，其中通過下列步驟在有監(jiān)督訓(xùn)練階段中訓(xùn)練針對每個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)：將所述多個(gè)隱藏層的輸出視為高等級圖像特征，以及基于由所述多個(gè)隱藏層輸出的高等級圖像特征來訓(xùn)練判別式分類器。
38.權(quán)利要求24所述的裝置，其中使用從訓(xùn)練圖像集采樣的訓(xùn)練圖像塊訓(xùn)練針對邊緣參數(shù)空間中的第一邊緣參數(shù)空間的經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，以及使用訓(xùn)練圖像塊訓(xùn)練針對邊緣參數(shù)空間中的每個(gè)隨后的邊緣參數(shù)空間的經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，所述訓(xùn)練圖像塊通過將由先前邊緣參數(shù)空間內(nèi)的經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測到的訓(xùn)練圖像塊擴(kuò)充為具有從訓(xùn)練圖像中當(dāng)前邊緣搜索空間的范圍采樣的當(dāng)前邊緣搜索空間的附加參數(shù)。
39.權(quán)利要求24所述的裝置，其中用于使用針對每個(gè)邊緣搜索空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)在具有遞增維度的一系列邊緣參數(shù)空間中檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢的裝置包括：
用于計(jì)算針對至少一個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的逼近的裝置；以及
用于使用針對所述至少一個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的逼近在所述至少一個(gè)邊緣參數(shù)空間內(nèi)檢測針對目標(biāo)解剖對象的一個(gè)或多個(gè)候選的裝置。
40.權(quán)利要求39所述的裝置，其中用于計(jì)算針對至少一個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的逼近的裝置包括：
用于計(jì)算針對所述至少一個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重的降秩逼近的裝置。
41.一種非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，存儲用于患者的醫(yī)學(xué)圖像中的解剖對象檢測的計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令在由處理器執(zhí)行時(shí)使得處理器執(zhí)行包括以下步驟的操作：
接收包括目標(biāo)解剖對象的患者的醫(yī)學(xué)圖像；以及
使用針對每個(gè)邊緣搜索空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，在具有遞增維度的一系列邊緣參數(shù)空間中檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢。
42.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中每個(gè)相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入醫(yī)學(xué)圖像的圖像塊并在邊緣參數(shù)空間中的所述相應(yīng)邊緣參數(shù)空間內(nèi)計(jì)算目標(biāo)解剖對象的一個(gè)或多個(gè)候選。
43.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中每個(gè)相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)直接對輸入至經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的每個(gè)圖像塊的像素或體素進(jìn)行操作，以在邊緣參數(shù)空間中的所述相應(yīng)邊緣參數(shù)空間內(nèi)計(jì)算目標(biāo)解剖對象的一個(gè)或多個(gè)候選。
44.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中針對至少一個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)包括判別式深度神經(jīng)網(wǎng)絡(luò)，該判別式深度神經(jīng)網(wǎng)絡(luò)輸入所述相應(yīng)邊緣參數(shù)空間內(nèi)的假設(shè)圖像塊，并針對每個(gè)假設(shè)圖像塊計(jì)算所述假設(shè)圖像塊是所述相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的圖像塊的概率。
45.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中針對至少一個(gè)邊緣參數(shù)空間的所述相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)包括深度神經(jīng)網(wǎng)絡(luò)回歸器，深度神經(jīng)網(wǎng)絡(luò)回歸器輸入所述相應(yīng)邊緣參數(shù)空間內(nèi)的假設(shè)圖像塊，并針對每個(gè)假設(shè)圖像塊計(jì)算將所述假設(shè)圖像塊映射到所述相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的預(yù)測圖像塊的偏移向量。
46.權(quán)利要求45所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中所述深度神經(jīng)網(wǎng)絡(luò)回歸器還針對每個(gè)假設(shè)圖像塊計(jì)算所述相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的對應(yīng)預(yù)測圖像塊的概率。
47.權(quán)利要求45所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中通過將每個(gè)預(yù)測圖像塊返回輸入至深度神經(jīng)網(wǎng)絡(luò)回歸器中并且針對每個(gè)預(yù)測圖像塊計(jì)算將預(yù)測圖像塊映射到所述相應(yīng)邊緣參數(shù)空間內(nèi)經(jīng)細(xì)化的預(yù)測圖像塊的偏移向量，所述深度神經(jīng)網(wǎng)絡(luò)回歸器迭代地細(xì)化相應(yīng)邊緣參數(shù)空間中目標(biāo)解剖對象的預(yù)測圖像塊。
48.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中所述一系列邊緣參數(shù)空間包括位置參數(shù)空間、位置-定向參數(shù)空間、和位置-定向-尺度參數(shù)空間。
49.權(quán)利要求48所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中使用針對每個(gè)邊緣搜索空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，在具有遞增維度的一系列邊緣參數(shù)空間中檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢包括：
使用第一經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測醫(yī)學(xué)圖像中的位置候選，第一經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入以醫(yī)學(xué)圖像中多個(gè)體素中的每一個(gè)為中心的圖像塊；
基于檢測到的位置候選生成位置-定向假設(shè)；
使用第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測醫(yī)學(xué)圖像中的位置-定向候選，第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入對應(yīng)于位置-定向假設(shè)的圖像塊；
基于檢測到的位置-定向候選生成位置-定向-尺度假設(shè)；以及
使用第三經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢，第三經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)輸入對應(yīng)于位置-定向-尺度假設(shè)的圖像塊。
50.權(quán)利要求49所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中基于檢測到的位置候選生成位置-定向假設(shè)包括：
將以每個(gè)檢測到的位置候選為中心的相應(yīng)圖像塊旋轉(zhuǎn)至從針對目標(biāo)解剖對象的定向的預(yù)定范圍采樣的多個(gè)定向。
51.權(quán)利要求49所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中基于檢測到的位置-定向候選生成位置-定向-尺度假設(shè)包括：
將對應(yīng)于每個(gè)檢測到的位置-定向候選的相應(yīng)圖像塊縮放至從針對目標(biāo)解剖對象的尺度的預(yù)定范圍采樣的多個(gè)尺度。
52.權(quán)利要求49所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)是經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)回歸器，并且基于檢測到的位置候選生成位置-定向假設(shè)包括：
通過使用以每個(gè)檢測到的位置候選為中心的圖像塊作為所述相應(yīng)位置-定向假設(shè)，生成針對每個(gè)檢測到的位置候選的相應(yīng)位置-定向假設(shè)。
53.權(quán)利要求49所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中第二經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)是經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)回歸器，并且基于檢測到的位置-定向候選生成位置-定向-尺度假設(shè)包括：
通過使用對應(yīng)于每個(gè)檢測到的位置-定向候選的圖像塊作為所述相應(yīng)位置-定向-尺度假設(shè)，生成針對每個(gè)檢測到的位置-定向候選的相應(yīng)位置-定向-尺度假設(shè)。
54.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中針對每個(gè)邊緣參數(shù)空間的相應(yīng)深度神經(jīng)網(wǎng)絡(luò)是使用堆疊式去噪自動編碼器(DAE)訓(xùn)練的多層深度神經(jīng)網(wǎng)絡(luò)。
55.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中針對每個(gè)邊緣參數(shù)空間的相應(yīng)深度神經(jīng)網(wǎng)絡(luò)是使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)、堆疊式受限玻爾茲曼機(jī)(RBM)、或堆疊式自動編碼器(AE)之一訓(xùn)練的多層深度神經(jīng)網(wǎng)絡(luò)。
56.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中通過如下步驟訓(xùn)練針對每個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)：在無監(jiān)督預(yù)訓(xùn)練階段中順序地訓(xùn)練多個(gè)隱藏層中的每一個(gè)以重構(gòu)對每個(gè)隱藏層的相應(yīng)輸入，以及在有監(jiān)督訓(xùn)練階段中基于相應(yīng)邊緣參數(shù)空間內(nèi)的完全真實(shí)訓(xùn)練圖像塊來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)以檢測相應(yīng)邊緣參數(shù)空間內(nèi)的目標(biāo)解剖對象。
57.權(quán)利要求56所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中通過下列步驟在有監(jiān)督訓(xùn)練階段中訓(xùn)練針對每個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)：針對相應(yīng)邊緣參數(shù)空間添加用于目標(biāo)輸出的輸出層，以及使用后向傳播來訓(xùn)練多個(gè)隱藏層和輸出層以最小化針對解剖對象的所檢測到的圖像塊與相應(yīng)邊緣參數(shù)空間內(nèi)完全真實(shí)訓(xùn)練圖像塊之間的誤差。
58.權(quán)利要求56所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中通過下列步驟在有監(jiān)督訓(xùn)練階段中訓(xùn)練針對每個(gè)邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)：將所述多個(gè)隱藏層的輸出視為高等級圖像特征，以及基于由所述多個(gè)隱藏層輸出的高等級圖像特征來訓(xùn)練判別式分類器。
59.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中使用從訓(xùn)練圖像集采樣的訓(xùn)練圖像塊訓(xùn)練針對邊緣參數(shù)空間中的第一邊緣參數(shù)空間的經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，以及使用訓(xùn)練圖像塊訓(xùn)練針對邊緣參數(shù)空間中的每個(gè)隨后的邊緣參數(shù)空間的經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，所述訓(xùn)練圖像塊通過將由先前邊緣參數(shù)空間內(nèi)的經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)檢測到的訓(xùn)練圖像塊擴(kuò)充為具有從訓(xùn)練圖像中當(dāng)前邊緣搜索空間的范圍采樣的當(dāng)前邊緣搜索空間的附加參數(shù)。
60.權(quán)利要求41所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中使用針對每個(gè)邊緣搜索空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，在具有遞增維度的一系列邊緣參數(shù)空間中檢測醫(yī)學(xué)圖像中目標(biāo)解剖對象的姿勢包括：
針對至少一個(gè)邊緣參數(shù)空間：
計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的逼近；以及
使用針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的逼近，在所述邊緣參數(shù)空間內(nèi)檢測針對目標(biāo)解剖對象的一個(gè)或多個(gè)候選。
61.權(quán)利要求60所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的逼近包括：
計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重的降秩逼近。
62.權(quán)利要求61所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重的降秩逼近包括：
計(jì)算低秩張量分解以逼近針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重。
63.權(quán)利要求61所述的非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，其中計(jì)算針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重的降秩逼近包括：
使用稀疏逼近矩陣，逼近針對所述邊緣參數(shù)空間的相應(yīng)經(jīng)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)重。