用于检测正常图像的基于AI的图像分析制造技术

用于标识异常医学图像的系统和方法。所述系统可以被配置成：接收医学图像；从医学图像中分割解剖结构以定义分割数据集；将分割数据集配准到定义正常解剖结构的基线数据集；由异常分类器对医学图像内的解剖结构是异常还是正常进行分类，其中异常分类器包括机器学习算法，所述机器学习算法被训练成在医学图像中的解剖结构的正常版本与异常版本之间进行区分；以及基于是否可以从医学图像中分割解剖结构、是否可以将分割数据集配准到基线数据集、或异常分类器所输出的与医学图像相关联的分类，将医学图像标记为正常或异常。医学图像标记为正常或异常。医学图像标记为正常或异常。

【技术实现步骤摘要】
用于检测正常图像的基于AI的图像分析
[0001]对相关申请的交叉引用本申请要求于2020年6月3日提交的题为“AI
‑
BASED IMAGE ANALYSIS FOR THE DETECTION OF NORMAL IMAGES (ESPECIALLY FOR MULTI
‑
INDICATION EXAMS)”的美国临时专利申请No.63/033,875的优先权，该美国临时专利申请在此通过引用整体地并入本文中。

技术介绍

[0002]需要处理的医学图像的量保持年年增长，这给负责分析和解释这些图像的放射科医生带来了越来越大的负担。另外，由于常规的医学实践，一些类型的医学图像（诸如，胸部X光或胸部CT图像（例如，用于肺癌筛查））具有高比率的“正常情况（normal）”（即，没有任何放射照相可见异常的病例）。审查正常情况可能会占用放射科医生相当长的时间，该时间可以更好地花在审查和分析实际上具有放射照相可见异常的医学图像上。因此，如果存在一种预过滤正常情况的机制（尤其是针对倾向于具有高比率的正常情况的医学图像的类型），则可以帮助放射本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于标识异常医学图像的计算机实现方法，所述方法包括：接收医学图像；从所述医学图像中分割解剖结构以定义分割数据集；将分割数据集配准到定义正常解剖结构的基线数据集；由异常分类器对所述医学图像内的解剖结构是异常还是正常进行分类，其中异常分类器包括机器学习算法，所述机器学习算法被训练成在医学图像中的解剖结构的正常版本与异常版本之间进行区分；以及基于是否可以从所述医学图像中分割解剖结构、是否可以将分割数据集配准到基线数据集、或异常分类器所输出的与所述医学图像相关联的分类，将所述医学图像标记为正常或异常。2.根据权利要求1所述的方法，进一步包括：基于所述医学图像已经被标记为正常还是异常，来控制所述医学图像是否在与放射科医生相关联的工作列表中。3.根据权利要求2所述的方法，其中所述工作列表与软件平台相关联，所述软件平台包括图片存档和通信系统、放射学信息系统或临床信息系统中的至少一个。4.根据权利要求1所述的方法，进一步包括：由特定于病变的分类器对解剖结构是否表现出病变进行分类，其中特定于病变的分类器包括第二机器学习算法，第二机器学习算法被训练成标识医学图像中的病变；以及其中将所述医学图像标记为正常或异常进一步基于特定于病变的分类器是否已经标识出所述医学图像中的病变。5.根据权利要求4所述的方法，其中特定于病变的分类器包括支持向量机、决策树、神经网络或贝叶斯模型中的至少一个。6.根据权利要求1所述的方法，其中所述医学图像包括计算机断层扫描（CT）图像、磁共振成像图像、正电子发射断层扫描图像、单光子发射CT图像、X射线图像、超声图像、光学相干断层扫描图像、或光声图像中的至少一个。7.根据权利要求1所述的方法，其中异常分类器包括支持向量机、决策树、神经网络或贝叶斯模型中的至少一个。8.一种用于标识异常医学图像的计算机系统，所述计算机系统包括：处理器；以及耦合到处理器的存储器，存储器存储指令，所述指令在由处理器执行时使所述计算机系统进行以下操作：接收医学图像，从所述医学图像中分割解剖结构...

【专利技术属性】
技术研发人员：P，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：