【技术实现步骤摘要】
【国外来华专利技术】用于医疗保健应用中的机器学习定位模型的交互式阴性解释的系统、用户接口和方法优先权本申请要求2019年1月11日递交的序列号为16/246,156的美国专利申请的优先权权益。
技术介绍
本公开涉及一种用于机器学习定位模型生成的阴性预测的交互式评估的系统、用户接口和方法。本公开的教导在各种领域中有应用，包括在机器学习医疗保健应用中，例如检查显微镜切片，诊断乳房X光片中的乳腺癌，或者其他放射学形态(例如，X射线、CT、MRI)、摄影图像(皮肤科)以及其他中的其他类型的癌症。本教导也可应用于其他领域，例如冶金学、零件检查、半导体制造及其他，其中机器学习定位模型基于输入的图像数据集合进行预测，预测是阴性的，并且用户试图进一步查询该模型。在专利和技术文献中描述了将机器学习模型用于若干医疗保健应用的情况。在一个示例中，开发这样的模型是为了协助病理学家识别患者或者从患者得到的标本的2D或3D体积图像中的疾病的存在。例如，病理学家可能试图确定肿瘤细胞(即，癌症)是否存在于组织的放大数字图像中，例如，从活检中获得的淋巴结组织、乳腺癌或前列腺癌...
【技术保护点】
1.一种用于评估从2D或3D影像提供关于患者的疾病状态的预测的机器学习模型的方法，包括以下步骤：/na)呈现图像以及与所述预测相关联的风险得分或分类，其中所述图像被用突出来进一步增强，以指示出所述图像中影响了所述机器学习模型所产生的预测的一个或多个区域；/nb)提供用于突出所述图像的一个或多个区域的用户接口工具；/nc)接收突出所述图像的一个或多个区域的用户输入；/nd)让突出的一个或多个区域经历由所述机器学习模型进行的推理；并且/ne)经由显示器向用户呈现对所述一个或多个区域的推理的结果。/n
【技术特征摘要】
【国外来华专利技术】20190111 US 16/246,1561.一种用于评估从2D或3D影像提供关于患者的疾病状态的预测的机器学习模型的方法，包括以下步骤：
a)呈现图像以及与所述预测相关联的风险得分或分类，其中所述图像被用突出来进一步增强，以指示出所述图像中影响了所述机器学习模型所产生的预测的一个或多个区域；
b)提供用于突出所述图像的一个或多个区域的用户接口工具；
c)接收突出所述图像的一个或多个区域的用户输入；
d)让突出的一个或多个区域经历由所述机器学习模型进行的推理；并且
e)经由显示器向用户呈现对所述一个或多个区域的推理的结果。
2.如权利要求1所述的方法，还包括以下步骤：接收突出所述图像的其他另外区域的用户输入并且对于这种其他另外区域执行步骤d)和e)。
3.如权利要求1或权利要求2所述的方法，其中所述预测与风险得分相关联，并且其中步骤e)包括生成新的风险得分的步骤。
4.如权利要求1或权利要求2所述的方法，其中所述机器学习模型包括被训练来识别所述图像中的癌细胞的存在的卷积神经网络。
5.如权利要求1或权利要求2所述的方法，其中所述图像包括组织图像。
6.如权利要求1或权利要求2所述的方法，其中所述图像包括2D放射图像。
7.如权利要求6所述的方法，其中所述图像是从由乳房X光片和胸部X光片构成的图像群组中选择的。
8.如权利要求1或权利要求2所述的方法，其中所述图像包括从核磁共振(NMR)或者计算机断层扫描(CT)获得的3D放射图像。
9.如权利要求1或权利要求2所述的方法，其中所述工具包括与所述显示器相关联的鼠标。
10.如权利要求1或权利要求2所述的方法，其中所述显示器是触摸敏感的，并且其中所述工具包括图形处理，所述图形处理记录所述显示器上被用户直接或间接触摸的位置并且将这样的位置转化为所述图像内的位置。
11.一种工作站，被配置为评估机器学习模型，该机器学习模型从患者或者从其获得的样本的2D或3D图像提供关于该患者的疾病状态的预测，其中所述机器学习模型从所述图像产生所述疾病状态的预测，其中所述工作站包括：
a)显示器，用于显示所述患者或者从其获得的样本的图像，以及与所述...
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。