用于医学图像分析和概率诊断的系统和方法技术方案

公开了一种用于基于患者的医学图像来获得概率诊断的方法和系统。在示例性实施例中，这样的方法包括以下步骤：扫描患者的一些或全部，以获得医学图像；针对一个或更多个指定关键特征评估医学图像；将离散值分配给一个或更多个指定关键特征，以形成患者扫描关键特征图案；以及将一个或更多个指定关键特征的值传送给处理器，该处理器被编程为将患者扫描关键特征图案与一个或更多个已知疾病特异性关键特征图案进行匹配，以生成概率诊断，并且将概率诊断传送给用户。关联的系统包括：医学成像装置，该医学成像装置能够产生患者的一些或全部的医学图像；以及处理器，该处理器被编程为生成概率诊断。

【技术实现步骤摘要】
【国外来华专利技术】【专利说明】相关申请的交叉引用本申请要求分别于2013年4月13日和2013年4月15提交的名称都为“Systemand Method for Medical Image Analysis and Probabilistic Diagnosis,，，的美国临时申请N0.61/811，731和美国临时申请N0.61/812，112的优先权，二者的全部内容通过引用合并于此，用于所有目的。政府的权利本文所公开的主题可能是在由国家健康协会授予的授权号为AG014971和HC095178的政府支持下做出的。政府具有本
技术实现思路
的特定权利。
本专利技术涉及医学成像和医学图像解释。
技术介绍
最近，出现了数字成像数据的爆炸性增长，这造成挑战和机遇。当代计算技术可以分析巨大量的复杂数据，并且正在被纳入决策支持的应用程序。每年$100 B的医学成像业务目前基于高科技“拍照”前端，该前端向负责创建官方最终产品-报告的低科技人力后端进行馈送。在该传统处理中，包含在来自CT、MR、PET和实时超声系统的当今计算机生成的医学图像中的广泛而显著复杂的信息最后变成被不充分地概括为少于100字的放射科医生的简短、主观、定性的报告。当代数字成像装置和模拟人类读者之间的技术不匹配，不仅操作效率低，而且极大地限制了研究的临床价值。医学图像解释技术没有跟上医学图像生成技术。一般成像和具体的生物医学成像具有两种不同的元素-图像生成和图像解释。两者对于任何实际应用都是必需的。虽然密切相关和相互需要，但是图像生成和解释实际上是单独的处理。在过去的30年中，在将来自大多数身体部位的信号精致地结合成视觉冲击力的图像方面，’爆炸性’地出现了使用CT、MR1、US、PET和SPECT现在加入了 X射线的新的和日益有用的医学图像产生技术。不幸的是，图像解释从伦琴的时代开始没有改变。医学图像解释者仍是传统的观察人员，尽管其比1900年的观察者更加训练有素、知识渊博。虽然专门的观察人员如放射科医生能非常好地执行其解释性的任务，但其必然使用人类视觉系统，从而根本上受人类视觉系统限制。此夕卜，目前的放射科工作流程效率低下。放射科医生用于观看和报告标准的放射照相研究的平均时间为3分钟，其中约25%专门用于报告生成的机制。报告生成需要的行政部分不仅是单调乏味的，而且明显的不愉快，目前的语音识别(VR)系统使得该部分更是如此。所有放射科医生和其他影像学专家是其观察中的内在变量，对小的信号变化不敏感，不理解复杂的空间图案，以及是非定量的。随着图像采集技术的进步，这些人的局限性越来越限制可从更优化的图像数据获得的有用信息。医学图像现在本质上是数字的，所有的医学图像从计算机处理得出。与人工图像分析相比，计算结果是不变的，对肉眼(fMRI)感知不到的微小的信号变化敏感，反映非常复杂的空间图案(阿尔茨海默病萎缩图案)以及在本质上为定量的，这使得能够进行更复杂的统计分析。计算机分析也提供了降低医学图像分析的成本的机会，计算机更加经济和高效地执行平凡的解释性任务，将要求更高的任务留给更昂贵的专业读者。然而，尽管存在有许多生物医学图像分析的计算机算法，但是多数在相对平缓的节奏下工作，而且范围有限，以特设的方式针对特定研究假设所规定的定义非常狭窄的任务而工作。没有感知到图像发现是漏诊、最重要的临床和法医学解释性错误的主要贡献者。降低错过发现的长期公认的机制是“双重阅读”。双重阅读涉及到两个观察人员观看和解释同一图像研究。该方法已被证明能够降低漏诊。不幸的是，除了某些具体情况之外，双重阅读的后勤需求和成本禁止了一般性用途。筛查乳房X线照片的双重阅读是大不列颠的护理标准。这种做法现在已经被使用乳房X线摄影CAD软件来执行“第二阅读”更新。在灵敏度和特异性方面，放射科医生和CAD的结合在大的临床试验中被证明表现与两个放射科医生一样好，但周转时间更快且费用更少。虽然该研究证明了使用计算机图像分析来改善单个放射科医生的解释质量和效率二者的概念，但是这种做法没有在放射学实践中广泛采用。在当前的软件功能/方法方面，存在阻止其广泛用于医学图像解译的限制。虽然从计算机软件获得诊断支持的构思并不新鲜，但是早期的系统由于不成熟的软件功能、硬件限制、工作效率低和成本而限制了临床成功。虽然技术的改进使得能够在如乳房X线照片的解释这样的领域中应用，但是筛查乳房X线照片是具有非常有限的诊断选择和几乎没有紧迫性的相对独特的解释性任务。这些条件可以使用“niche”软件和相对原始的计算资源来满足。迄今，没有图像分析软件工具健壮到足以被广泛地应用于医学图像解释并能够在紧急护理的时间表内进行操作。现代的图像分析软件仍然是非常任务特定的(虽然SPM和各种图像分析工具包提供更广泛的分析能力)，操作上要求很高，且相对于临床环境较慢。需要一种高效、廉价和最大程度地减少人为错误的用于解释医学图像的系统化方法和系统。
技术实现思路
公开了一种用于获得患者的概率诊断的方法。在示例性实施例中，这样的方法包括以下步骤:扫描患者的一些或全部，以获得医学图像；识别医学图像中的一个或更多个指定关键特征；将离散值分配给一个或更多个指定关键特征，以形成患者扫描关键特征图案；以及将患者扫描关键特征图案传送给处理器，该处理器被编程为将患者扫描关键特征图案与一个或更多个已知疾病特异性关键特征图案进行匹配，以生成概率诊断并且将概率诊断传送给用户。关键特征识别步骤可以由人来执行、由计算机程序来执行或由人和计算机程序的组合来执行。在一些实施例中，所分配的值是定量的，而在另一些实施例中，所分配的值是半定量的。在另一些实施例中，这样的方法包括以下步骤:扫描患者的一些或全部，以获得医学图像；以及将所述医学图像传送给处理器，该处理器被编程为通过以下步骤来生成概率诊断:针对一个或更多个指定关键特征来评估医学图像；将定量值分配给一个或更多个指定关键特征，以形成患者扫描关键特征图案；将患者扫描关键特征图案与一个或更多个已知疾病特异性关键特征图案进行匹配，以生成概率诊断；以及将概率诊断传送给用户。也公开了一种用于获得患者的概率诊断的系统。在示例性实施例中，这样的系统包括:医学成像装置，该医学成像装置能够产生患者的一些或全部的医学图像；以及处理器，该处理器被编程为:通过将包括与从医学图像提取的指定关键特征对应的一个或更多个定量值或半定量值的患者扫描关键特征图案与一个或更多个已知疾病特异性关键特征图案进行匹配来生成概率诊断，并且将该概率诊断传送给用户。处理器还可以被编程为:在与患者扫描关键特征图案进行匹配之前提取与来自医学图像的指定关键特征对应的一个或更多个定量值，例如通过识别医学图像中的一个或更多个指定关键特征以及将定量值分配给所述一个或更多个指定关键特征来形成患者扫描关键特征图案。在一些实施例中，与关键特征对应的值是依序排列的半定量值。在另一些实施例中，与关键特征对应的值是定量的。【附图说明】当结合附图阅读时将进一步理解本申请。出于说明本主题的目的，在附图中示出了本主题的示例性实施例；然而，本公开的主题不限于所公开的特定方法、装置和系统。此夕卜，附图不一定按比例绘制。在附图中:图1A示意性地示出了本专利技术的系统的实施例的元件；图2示出了在贝叶斯网络中实例化的专家系统本文档来自技高网...

【技术保护点】
一种用于获得患者的概率诊断的方法，所述方法包括：扫描患者的一些或全部，以获得医学图像；识别所述医学图像中的一个或更多个指定关键特征；将离散值分配给患者扫描的一个或更多个指定关键特征，以形成患者扫描关键特征图案；将所述患者扫描关键特征图案传送给处理器，所述处理器被编程为将所述患者扫描关键特征图案与一个或更多个已知疾病特异性关键特征图案进行匹配，以生成概率诊断；以及将所述概率诊断传送给用户。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：罗伯特·尼古拉斯·布赖恩，爱德华·H·赫斯科维茨，
申请(专利权)人：宾夕法尼亚大学托管会，
类型：发明
国别省市：美国;US