【技术实现步骤摘要】
针对医疗患者的快速评估和后果分析
技术介绍
当前的实施例涉及在患者的紧急评估中的医疗诊断和/或预后。每年,几百万具有各种各样病理状况的患者在急诊部进行检查。对于这样的患者而言,通常收集大量数据,包括血压测量结果、ECG、既往病史、症状概要以及诸如计算机断层扫描(CT)、超声或磁共振成像(MRI)图像之类的成像数据。然后基于这种收集中的信息来决定患者治疗。该信息需要被尽可能快地处理,特别是用以识别需要紧急医疗干预的患者。这一过程在当前是手动处置的,从而对急诊部施加了很大的压力。对这种大量的数据收集进行的分析可能甚至在紧急情形中延缓分诊(triage)或治疗。在医师的分析之后可能指定了其他测试,从而引起进一步的延缓并且使在多个患者间分配治疗顺序变得复杂。
技术实现思路
作为介绍,下文描述的优选实施例包括用于在医疗系统中进行评估和/或后果确定的方法、计算机可读介质和系统。机器学习被用来评估处于紧急情况的患者的数据,从而基于大量信息提供快速诊断。可以提供分诊上的辅助。考虑到可能出现的各种各样的患者和状况,机器学习可以依赖于同步生成的图像以用于更精确的预测。机器学习甚至可以利用缺失信息精确地预测,以及可以被用来确定对于给定患者而言什么样的缺失信息是更重要或不那么重要来获得的。在第一方面,提供了一种用于在医疗系统中进行评估和/或后果确定的方法。获取医学扫描数据,该医学扫描数据表示在医院的急诊部中被分诊的患者的解剖结构。获得针对该患者的其他数据。从该医学扫描数据和其他数据提取特征的集合。处理器将该特征输入到机器训练分类器。机器训练分类器至少部分地根据不特定于针对现有患者实例的训练 ...
【技术保护点】
1.一种用于在医疗系统中进行评估和/或后果确定的方法,所述方法包括:获取(20)医学扫描数据,所述医学扫描数据表示在医院的急诊部中被分诊的患者的解剖结构;获得(22)针对所述患者的其他数据;从所述医学扫描数据和所述其他数据提取(24)特征的集合;由处理器将所述特征输入(26)到机器训练分类器,所述机器训练分类器至少部分地根据不特定于针对现有患者实例的训练数据而合成生成的图像进行训练;由所述处理器利用将所述机器训练分类器应用于所述特征来确定(28)所述患者的状况和针对所述状况的风险;基于所述风险提供(30)针对患者分诊的顺序;以及基于对于所述患者中的第一患者可用的特征和针对所述第一患者的状况来输出(32)缺失的信息源。
【技术特征摘要】
2017.04.28 EP 17464005.2;2017.04.28 US 15/4999341.一种用于在医疗系统中进行评估和/或后果确定的方法,所述方法包括:获取(20)医学扫描数据,所述医学扫描数据表示在医院的急诊部中被分诊的患者的解剖结构;获得(22)针对所述患者的其他数据;从所述医学扫描数据和所述其他数据提取(24)特征的集合;由处理器将所述特征输入(26)到机器训练分类器,所述机器训练分类器至少部分地根据不特定于针对现有患者实例的训练数据而合成生成的图像进行训练;由所述处理器利用将所述机器训练分类器应用于所述特征来确定(28)所述患者的状况和针对所述状况的风险;基于所述风险提供(30)针对患者分诊的顺序;以及基于对于所述患者中的第一患者可用的特征和针对所述第一患者的状况来输出(32)缺失的信息源。2.根据权利要求1所述的方法,其中获取(20)包括获取(20)所述患者的心脏区域的计算机断层扫描数据。3.根据权利要求1所述的方法,其中获得(22)其他数据包括获得(22)症状、患者人口统计学信息、血液生物指标、患者病史、非侵入式测量结果、来自临床报告的提取信息或其组合。4.根据权利要求1所述的方法,其中从所述医学扫描数据提取(24)所述特征包括将机器学习分类器应用于所述医学扫描数据,所述机器学习分类器和机器训练分类器包括级联。5.根据权利要求1所述的方法,其中确定(28)包括利用所述机器训练分类器的应用进行确定(28),其中所述机器训练分类器根据由解剖模型中的变化产生所述合成生成的图像的正向模型进行训练。6.根据权利要求5所述的方法,其中通过对所述训练数据的状况进行采样来引导所述合成生成的图像的产生。7.根据权利要求1所述的方法,其中确定(28)包括利用所述机器训练分类器的应用进行确定(28),其中所述机器训练分类器根据具有所添加的不同程度的统计噪声的合成生成的图像进行训练。8.根据权利要求1所述的方法,其中获取(20)包括从所述第一患者的过往扫描进行获取(20),以及其中获得(22)包括获得(22)当前症状。9.根据权利要求1所述的方法,其中确定(28)针对所述第一患者的风险包括利用具有对应后果的患者数据字典进行确定(28)。10.根据权利要求1所述的方法,其中输入(26)包括输入(26)针对所述第一患者的特征以及针对所述第一患者的缺失特...
【专利技术属性】
技术研发人员:S拉帕卡,LM伊图,T帕塞里尼,P沙尔马,D科马尼丘,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。