医学成像中的腹部疼痛源标识制造技术

本发明专利技术涉及医学成像中的腹部疼痛源标识。为了帮助内科医师诊断牵涉腹部疼痛的创伤，按照器官和/或区域对表示病人的扫描数据进行分区（14）。提供分离的经机器学习的分类器（90）用于每个器官和/或区域。分类器（90）被训练以指示（16）疼痛的起因的可能性。通过输出（20）来自器官和/或区域特定的分类器（90）的集合的结果，可以由内科医师使用最可能的起因和相关联的器官和/或区域以加速、确认、或者引导腹部疼痛源的诊断。

Abdominal pain source identification in medical imaging

The invention relates to abdominal pain source identification in medical imaging. To help physicians diagnose injuries involving abdominal pain, the scan data representing the patient were partitioned by organs and/or regions (14). A separate machine learning classifier (90) is provided for each organ and / or region. The classifier (90) is trained to indicate (16) the possibility of the cause of the pain. By outputting (20) results from a collection of organ and/or region-specific classifiers (90), the most likely cause and associated organs and/or regions can be used by physicians to accelerate, confirm, or guide the diagnosis of abdominal pain sources.

【技术实现步骤摘要】
医学成像中的腹部疼痛源标识
本实施例涉及从医学成像中标识腹部疼痛源。
技术介绍
在某些创伤情况下，病人护理牵涉经由计算断层摄影（CT）扫描来诊断腹部疼痛的起因。即使利用了CT扫描，许多病人也在没有使起因被标识出的情况下离开医院。急诊科内科医师的领域知识的缺乏和/或时间限制可能造成遗漏诊断或未诊断。在急诊室就诊的时候针对腹部疼痛的诊断取决于医生的判断力、经验和检查病人的时间。因此，护理的质量可能有所不同。
技术实现思路
通过介绍的方式，以下描述的优选的实施例包括用于标识腹部疼痛源的方法、系统、指令和非暂态计算机可读介质。为了帮助内科医师诊断牵涉腹部疼痛的创伤，按照器官和/或区域对表示病人的扫描数据进行划分。分离的经机器学习的分类器被提供用于每个器官和/或区域。分类器被训练以指示疼痛的起因的可能性。通过输出来自器官和/或区域特定的分类器的集合的结果，可以由内科医师使用最可能的起因和相关联的器官和/或区域以加速、确认或引导诊断。在第一方面中，提供了一种用于标识腹部疼痛源的方法。利用计算断层摄影扫描器对病人进行扫描。扫描提供表示病人的腹部的数据。该数据被解析成表示第一器官和第二器官的第一部分和第本文档来自技高网...

【技术保护点】
1.一种用于标识（22）腹部疼痛源的方法，所述方法包括：利用计算断层摄影扫描器对病人进行扫描（12），扫描（12）提供表示病人的腹部的数据；将数据解析（14）成表示第一器官和第二器官的第一部分和第二部分；将一个或多个第一经深度学习的经机器训练的分类器应用（16）于数据的第一部分，该应用造成针对第一器官的腹部疼痛的多个起因的第一可能性；将一个或多个第二经深度学习的经机器训练的分类器应用（16）于数据的第二部分，该应用造成针对第二器官的腹部疼痛的多个起因的第二可能性；和从数据生成（18）病人的图像，图像包括多个第一可能性和第二可能性以及相应的起因。

【技术特征摘要】
2017.03.17 US 15/4615631.一种用于标识（22）腹部疼痛源的方法，所述方法包括：利用计算断层摄影扫描器对病人进行扫描（12），扫描（12）提供表示病人的腹部的数据；将数据解析（14）成表示第一器官和第二器官的第一部分和第二部分；将一个或多个第一经深度学习的经机器训练的分类器应用（16）于数据的第一部分，该应用造成针对第一器官的腹部疼痛的多个起因的第一可能性；将一个或多个第二经深度学习的经机器训练的分类器应用（16）于数据的第二部分，该应用造成针对第二器官的腹部疼痛的多个起因的第二可能性；和从数据生成（18）病人的图像，图像包括多个第一可能性和第二可能性以及相应的起因。2.根据权利要求1所述的方法，其中扫描（12）包括作为由患者进行急诊室就诊的部分而进行扫描（12），并且其中生成（18）包括在急诊室就诊期间进行生成（18）。3.根据权利要求1所述的方法，其中解析（14）包括利用第一经机器学习的分类器（90）进行解析（14）。4.根据权利要求3所述的方法，其中解析（14）包括利用第一经机器学习的分类器（90）对第一部分进行解析（14），和利用第二经机器学习的分类器（90）对第二部分进行解析（14）。5.根据权利要求1所述的方法，其中应用（16）所述一个或多个第一经深度学习的经机器训练的分类器包括应用（16）仅仅一个第一经深度学习的经机器训练的分类器，其中由所述仅仅一个第一经深度学习的经机器训练的分类器输出多个起因的所得到的第一可能性。6.根据权利要求1所述的方法，其中应用（16）所述一个或多个第一经深度学习的经机器训练的分类器包括针对所述多个起因中的每个应用（16）第一经深度学习的经机器训练的分类器中的分离开的多个第一经深度学习的经机器训练的分类器。7.根据权利要求1所述的方法，其中应用（16）所述一个或多个第一经深度学习的经机器训练的分类器包括在所述多个起因包括肿瘤、炎症、结石和出血的情况下进行应用（16）。8.根据权利要求1所述的方法，其中生成（18）包括生成（18）具有多个可能性的图像，所述多个可能性包括一组数量的第一可能性和第二可能性。9.根据权利要求1所述的方法，其中生成（18）包括在第一可能性和第二可能性被分配到至少1...

【专利技术属性】
技术研发人员：刘大维，AP基拉利，A魏斯，B乔治斯库，
申请(专利权)人：西门子保健有限责任公司，
类型：发明
国别省市：德国,DE