用于提高医学成像设备的可靠性的系统和方法技术方案

公开了用于生成用于医学成像设备的设备测试用例的系统和方法，该系统和方法不仅反映了该设备的当前的实际现场使用情况，而且还提供了对未来的使用情况的展望。通过挖掘当前使用模式，根据存在于设备现场日志中的历史数据来生成使用模式的概率模型。构建使用模式的深度长短期记忆神经网络模型来预测未来使用模式。另外，为了捕获现场中的设备使用模式的变化趋势，不断实时更新预测模型并将由该模型生成的测试用例集成到自动化测试系统中。

System and method for improving the reliability of medical imaging equipment

【技术实现步骤摘要】
【国外来华专利技术】用于提高医学成像设备的可靠性的系统和方法
下文总体上涉及提高医学成像设备的可靠性。
技术介绍
对医学设备进行全面测试以确保一致和可靠的功能至关重要，因为这样的设备中的硬件或软件故障会对患者诊断过程造成不利影响。此外，设备故障还可能会降低使用这些设备的医院的工作效率。在常规的机器测试方法中，现场专家将准备操作配置文件，该操作配置文件类似于技术人员在医院中执行的临床工作流程。操作配置文件通常包含用于按照扫描工作流程和对应的软件操作对各种解剖结构进行成像的典型的工作流程。然后，设备验证团队使用该配置文件来验证机器的功能。在准备包括测试场景的全面列表的设备操作配置文件时，存在若干挑战。成像设备通过允许技术人员修改不同的对比度参数来实现期望的图像对比度，从而促进生成期望的对比度的图像。在本领域中使用的这样的不同的对比度配置的数量非常高。要求在操作配置文件中包括与实际现场使用情况成比例的若干这样的配置。另外，成像设备使得技术人员能够经由设备UI来执行许多管理操作和图像后处理操作。因此，技术人员通常会在这样的UI的帮助下执行多项任务并并行处理多个患者。例如，技术人员可以参与如下多个活动，例如，对来自先前的患者/扫描的图像进行后处理，打印图像，在当前扫描正在进行的过程中传输图像。为了确保医学设备在这种情况下可靠地运行，要求根据实际现场使用情况在操作配置文件中包括所有提供的UI操作的使用情况。另外，医学设备附带的一些高级成像功能需要大量的计算和存储，而利用这些功能可能会导致设备软件系统挂起甚至崩溃。因此，在操作配置文件中包括这些功能的使用情况是极其重要的。成像设备在该领域中的实际使用中的变化是另一方面，这使得设想全面的使用场景极具挑战性。临床扫描序列会基于患者的病理状况而有很大不同。例如，用于研究细胞结构的成像技术可能与用于分析脑出血的成像技术显著不同。另外，临床扫描序列也会基于医院的临床实践而有所不同。此外，医院不断专利技术出有效和改进的扫描序列。因此，需要对当前已知的扫描配置进行外推以预测未来的进展并将其包括在操作配置文件中。另外，要求不断更新操作配置文件以捕获临床实践中正在发展的趋势。执行成像设备的实际测试所涉及的成本和时间限制了能够被包括在操作配置文件中的测试数量。例如，MRI机器的操作和维护成本非常高，估计每天大约为1000美元。另外，完成一项临床方案所要求的平均时间估计大约为30分钟。这意味着在操作配置文件中包括的协议需要简洁地表示成像设备的现场使用情况。成像设备将对所有执行的扫描和UI操作的描述以及时间戳记录到日志文件中。另外，日志包含辅助信息以指示临床工作流程的开始和结束。在日志文件中存储的事件时间戳能够用于将日志信息按机器操作的时间顺序布置，并且开始指示器和结束指示器能够用于提取临床工作流程。因此，日志文件适合用于提取对实际设备的现场使用情况的了解内容。另外，由于能够每天从全球的机器安装设施中获得日志文件，因此日志文件适合用于分析和捕获正在发展的临床趋势。另外，由于日志文件是对机器的实际使用情况的描述，因此从日志文件导出的测试用例几乎不要求验证。常规的测试方法是由现场专家准备的操作配置文件来驱动的。然而，这些配置文件仅限于专家的知识并且常常不能充分表示整个临床工作流程。另外，这样的配置文件很少更新，因此可能无法很好地反映出不断发展的临床实践。在大多数繁忙的医院中，技术人员通常会执行多项任务并会并行处理多个患者或检查。例如，技术人员可以参与如下多个活动，例如，对来自先前的患者/扫描的图像进行后处理，打印图像，在当前扫描正在进行的过程中传输图像。这样的活动的不同组合非常多。例如，通过修改各种机器参数，技术人员能够配置200多种独特的扫描。然后，他/她将通过按最适合用于当前患者的场景的序列选择这样的扫描的子集来配置检查。一个典型的检查将进行10次这样的扫描，这意味着扫描的可能的排列组合的总数将超过一百万。因此，专家很难识别这样的活动的最可能组合并将其包括在操作配置文件中。常规的测试方法的另一缺点是：常规的测试方法通常不包括用于预测未来使用模式和将未来使用模式并入测试系统的模块。这些方法通常仅限于使用明确指定的测试场景，这会在面对不熟悉的使用模式时增加设备故障的风险。现场日志文件包含关于医学设备的实际使用情况的大量信息。然而，在利用现场日志文件来导出测试使用模式的方面存在许多挑战。首先，由于设备使用情况的变化，准确地识别最为主导的工作流程并非易事。例如，技术人员能够以许多不同的顺序执行同一组扫描。另外，由于能够修改若干机器参数以适合患者的状况，因此使用模式通常是稀疏分布的。因此，导出的测试模式可能无法完全表示实际的设备使用情况。另外，确保通过对在现场日志中找到的使用模式进行外推而导出的测试模式与机器的实际临床使用情况相吻合也是一项挑战。鉴于在准备操作配置文件和使用日志文件的方面存在上述挑战，需要创新的测试方法来将现场临床工作流程与通过未来自现场日志文件的实际工作流程外推到测试系统中而导出的工作流程无缝地集成在一起。下文公开了某些改进。
技术实现思路
在一个公开的方面中，一种促进生成用于医学成像设备的测试脚本的系统包括：现场日志文件数据库，其上存储有现场日志文件，所述现场日志文件包括与由一个或多个成像设备执行的检查有关的数据。所述系统还包括：一个或多个处理器，其被配置为运行：挖掘模块，其被配置为处理在所述数据库中存储的所述现场日志文件并识别主导的现场使用模式；以及预测模块，其被配置为通过处理在所述数据库中存储的所述现场日志文件来预测未来的工作流程模式。所述系统还包括：测试用例准备和运行模块，其被配置为至少部分地基于识别出的使用模式和所述未来的工作流程模式来生成并运行用于成像设备的至少一个测试脚本。在另一公开的方面中，一种生成用于医学成像设备的测试脚本的方法包括：接收现场日志文件，所述现场日志文件包括与由一个或多个成像设备执行的检查有关的数据；处理所述现场日志文件并识别主导的现场使用模式；并且构建和训练长短期记忆(LSTM)神经网络以识别未来的工作流程模式。所述方法还包括：至少部分地基于识别出的使用模式和所述未来的工作流程模式来生成并运行用于测试成像设备的至少一个测试脚本。在另一公开的方面中，一种预测针对医学成像设备的未来的工作流程模式的方法包括：关于扫描序列来识别由多个医学成像设备执行的所有检查E；构建长短期记忆(LSTM)神经网络模型以用于预测未来的工作流程；并且通过跨所有检查收集独特的扫描名称来生成扫描名称和用户界面(UI)操作的词典D。所述方法还包括：通过识别E的每个词典词在D中的索引来生成E的独热编码。在另一公开的方面中，一种促进使用来自多个成像设备的数据日志文件中的信息来生成用于在成像设备中运行的测试用例的系统包括：多个成像设备(120、122、124)，其生成日志文件；日志文件数据库(20)，其存储所述日志文件；以及一个或多个处理器(14)，其被配置为：识别包括由所述成像设备执行的扫描操作序列的工作流程。所述一个本文档来自技高网...

【技术保护点】
1.一种促进生成用于医学成像设备的测试脚本的系统，包括：/n现场日志文件数据库(20)，其上存储有现场日志文件，所述现场日志文件包括与由一个或多个成像设备执行的检查有关的数据；以及/n一个或多个处理器，其被配置为运行：/n挖掘模块(24)，其被配置为处理在所述数据库中存储的所述现场日志文件并识别主导的现场使用模式；/n预测模块(22)，其被配置为通过处理在所述数据库中存储的所述现场日志文件来预测未来的工作流程模式；以及/n测试用例准备和运行模块(30)，其被配置为至少部分地基于识别出的使用模式和所述未来的工作流程模式来生成并运行用于成像设备的至少一个测试脚本。/n

【技术特征摘要】
【国外来华专利技术】20171005 IN 201741035304;20180518 US 62/673,4381.一种促进生成用于医学成像设备的测试脚本的系统，包括：
现场日志文件数据库(20)，其上存储有现场日志文件，所述现场日志文件包括与由一个或多个成像设备执行的检查有关的数据；以及
一个或多个处理器，其被配置为运行：
挖掘模块(24)，其被配置为处理在所述数据库中存储的所述现场日志文件并识别主导的现场使用模式；
预测模块(22)，其被配置为通过处理在所述数据库中存储的所述现场日志文件来预测未来的工作流程模式；以及
测试用例准备和运行模块(30)，其被配置为至少部分地基于识别出的使用模式和所述未来的工作流程模式来生成并运行用于成像设备的至少一个测试脚本。


2.根据权利要求1所述的系统，还包括：
挖掘模式更新模块(26)，其被配置为分析新的现场日志文件以更新识别出的使用模式；以及
预测模式更新模块(28)，其被配置为分析所述新的现场日志文件以更新所预测的工作流程模式。


3.根据权利要求1或2中的任一项所述的系统，其中，所述挖掘模块还被配置为：
关于扫描序列和每次检查期间执行的并行的用户界面(UI)操作来识别所有检查。


4.根据权利要求3所述的系统，其中，所述挖掘模块还被配置为：
以树数据结构来表示识别出的检查，使得对检查的每个扫描都被表示为所述树中的一个节点，并且从一个扫描到另一扫描的转变被表示为所述树中的边。


5.根据权利要求4所述的系统，其中，每个节点存储对在填充所述树时遇到所述节点的次数的计数，并且其中，每个检查的开始和结束分别被表示为开始节点和结束节点。


6.根据权利要求5所述的系统，其中，所述挖掘模块还被配置为：
将在给定检查期间执行的UI操作存储在针对所述给定检查的所述结束节点上；并且
在利用所述日志文件数据库中的所有检查填充所述树之后，在每个结束节点中存储表示对存在于所述日志文件数据库中并与所述结束节点相对应的特定检查的计数的值。


7.根据权利要求6所述的系统，其中，所述挖掘模块还被配置为：
识别最常用的检查的集合并将所述最常用的检查的集合建议为主导的使用模式；并且
生成使用模式的概率模型并确定最为主导的现场使用模式。


8.根据权利要求1-7中的任一项所述的系统，其中，所述预测模型还被配置为通过以下操作来建立长短期记忆(LSTM)神经网络：
接收(50)输入层；
将所述输入层紧密地连接(52)到第一LSTM层；
在所述第一LSTM层上运行(54)dropout函数以改善网络规则性；
将第二LTSM层紧密地连接(56)到所述第一LSTM层；
在所述第二LSTM层上运行(58)所述dropout函数；并且
将所述第二LSTM层紧密地连接(60)到softmax输出层。


9.根据权利要求1-8中的任一项所述的系统，其中，所述预测模型还被配置为建立长短期记忆(LSTM)神经网络并通过以下操作来训练所述LSTM神经网络：
将输入张量X划分(80)成具有相等扫描长度的检查的批量；
滚动所述LSTM神经网络(82)以匹配批量扫描长度；
运行分类交叉熵函数(84)，所述分类交叉熵函数采用输出张量y来计算损失；并且
运行自适应矩估计(ADAM)优化函数(86)以在每个时期更新网络权重。


10.一种生成用于医学成像设备的测试脚本的方法，包括：
接收现场日志文件，所述现场日志文件包括与由一个或多个成像设备执行的检查有关的数据；
处理所述现场日志文件并识别主导的现场使用模式；
构建和训练长短期记忆(LSTM)神经网络以识别未来的工作流程模式；并且
至少部分地基于识别出的使用模式和所述未来的工作流程模式来生成并运行用于测试成像设备的至少一个测试脚本。


11.根据权利要求10所述的方法，还包括：
分析新的现场日志文件并基于所述新的现场日志文件中包含的信息来更新识别出的使用模式和所预测的工作流程模式。


12.根据权利要求10或11中的任一项所述的方法，还包括：
关于扫描序列和每次检查期间执行的并行的用户界面(UI)操作来识别所有检查。


13.根据权利要求12所述的方法，还包括：
以树数据结构来表示识别出的检查，使得对检查的每个扫描都被表示为所述树中的一个节点，并且从一个扫描到另一扫描的转变被表示为所述树中的边。


14.根据权利要求13所述的方法，还包括：在每个节点中存储对在填充所述树时遇到所述节点...

【专利技术属性】
技术研发人员：V·贾甘纳塔，V·潘迪特，S·P·马达普希拉加万，R·瓦卡希坎迪，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰;NL