用于伤口的评估、愈合预测和治疗的机器学习系统和方法技术方案

本发明专利技术公开了一种用于预测诸如糖尿病足溃疡或其他伤口等伤口愈合以及用于评估诸如将图像分割成伤口区域和非伤口区域等实施方式的机器学习系统和方法。用于评估或预测伤口愈合的系统可以包括被构造成收集从包括伤口或其部分的组织区域反射的至少第一波长的光的光检测元件以及一个或多个处理器，该处理器被构造成基于来自光检测元件的信号生成具有示出组织区域的像素的图像、自动将像素分割成伤口像素和非伤口像素、确定伤口或其部分的一个或多个光学确定的组织特征并生成在预定的时间间隔内与伤口或其部分相关联的预测或评估的愈合参数。估的愈合参数。估的愈合参数。

【技术实现步骤摘要】
【国外来华专利技术】用于伤口的评估、愈合预测和治疗的机器学习系统和方法
[0001]相关申请的交叉引用
[0002]本申请要求于2020年2月28日提交的美国临时申请序列第62/983527号、标题为“用于伤口的评估、愈合预测和治疗的机器学习系统和方法”的权益，在此其全部内容出于所有目的通过引用明确并入本文。
[0003]关于联邦赞助研发的声明
[0004]本公开中所描述的一些工作是根据由隶属于美国卫生与公众服务部应急准备与反应助理部长办公室的生物医学高级研究和发展局(BARDA：Biomedical Advanced Research and Development Authority)授予的合同No.HHSO100201300022C在美国政府的支持下完成的。本公开中所描述的一些工作是根据由美国国防卫生署(DHA：U.S.Defense Health Agency)授予的合同No.W81XWH
‑
17
‑
C
‑
0170和/或W81XWH
‑
18
‑
C
‑
0114在美国政府的支持下完成的。美国政府可能拥有本专利技术中的某些权利。


[0005]本文公开的系统和方法涉及医学成像，更具体地，涉及使用机器学习技术的伤口评估、愈合预测和治疗。

技术介绍

[0006]光学成像是一项新兴技术，具有在紧急情况现场、在医疗室、在床边或在手术室中改善疾病预防、诊断和治疗的潜力。光学成像技术可以在各组织之间以及在天然组织和被内源性或外源性造影剂标记的组织之间无创地进行区分，从而测量它们在不同波长下的不同光子吸收或散射分布。这种光子吸收和散射差异为提供特异性的组织对比提供了潜力，并且能够研究作为健康和疾病基础的功能和分子水平的活动。
[0007]电磁光谱是电磁辐射(例如，光)在其上延伸的波长或频率的范围。按照从较长的波长到较短的波长的顺序，电磁光谱包括无线电波、微波、红外(IR)线、可见光(即，人眼的结构可以检测到的光)、紫外(UV)线、x射线和γ射线。光谱成像是指光谱学和摄影学的一个分支，其中一些光谱信息或完整光谱被收集在图像面中的位置。一些光谱成像系统可以捕获一个或多个光谱带。多光谱成像系统可以捕获多个光谱带(十几个以下的量级，并且通常在离散的光谱区域)，为此在每个像素处收集光谱带测量值，并且可以参考每个光谱通道约数十纳米的带宽。高光谱成像系统测量更多的光谱带，例如多达200个以上，其中一些沿电磁光谱的一部分提供连续的窄带采样(例如，纳米级以下的光谱带宽)。

技术实现思路

[0008]本文所述的技术的各方面涉及可以用于使用非接触、非侵入和非辐射的光学成像来评估和/或分类伤口处或附近的组织区域的装置和方法。例如，这样的装置和方法可以识别与伤口有关的不同组织健康分类相对应的组织区域和/或确定伤口或其部分的预测的愈合参数，并且可以输出所识别的区域和/或参数的视觉表示，以供临床医生用于确定伤口愈
合的预后和/或选择适当的伤口护理治疗。在一些实施例中，本技术的装置和方法可以基于在单个波长或在多个波长处的成像提供这样的分类和/或预测。长期以来，人们一直需要能够为医生提供信息用于定量地预测伤口或其部分的愈合的非侵入性成像技术。
[0009]在一个方面，一种用于评估或预测伤口愈合的系统，所述系统包括：至少一个光检测元件，其被构造成收集在从包括伤口或其部分的组织区域反射后的至少第一波长的光；和一个或多个处理器，其与所述至少一个光检测元件通信。所述一个或多个处理器被构造成从所述至少一个光检测元件接收信号，所述信号表示从所述组织区域反射的所述第一波长的光；基于所述信号生成具有示出所述组织区域的多个像素的图像；自动将所述图像的所述多个像素分割成至少伤口像素和非伤口像素；至少基于分割的所述多个像素的子集，确定所述伤口或其部分的一个或多个光学确定的组织特征；和使用一种或多种机器学习算法，基于所述伤口或其部分的所述一个或多个光学确定的特征生成至少一个标量值，所述至少一个标量值对应于在预定时间间隔内的预测或评估的愈合参数。
[0010]在一些实施例中，所述伤口是糖尿病足溃疡。在一些实施例中，所述预测或评估的愈合参数是所述伤口的预测的愈合量。在一些实施例中，所述预测的愈合参数是所述伤口或其部分的预测的面积减少百分比。在一些实施例中，所述一个或多个光学确定的组织特征包括所述伤口的一个或多个尺寸，所述子集至少包括所述伤口像素。在一些实施例中，所述伤口的所述一个或多个尺寸包括所述伤口的长度、所述伤口的宽度和所述伤口的深度中的至少一个。在一些实施例中，所述伤口的所述一个或多个尺寸至少部分地基于所述伤口像素或所述伤口像素与所述非伤口像素之间的边界来确定。在一些实施例中，所述一个或多个光学确定的组织特征包括对应于所述伤口像素的灌注、氧合作用和组织均质性中的至少一个。在一些实施例中，所述一个或多个处理器还被构造成将所述非伤口像素自动分割成伤口周围像素和背景像素，所述子集至少包括所述伤口周围像素。在一些实施例中，所述一个或多个光学确定的组织特征包括对应于所述伤口周围像素的灌注、氧合作用和组织均质性中的至少一个。在一些实施例中，所述一个或多个处理器还被构造成将所述非伤口像素自动分割成愈伤组织像素和背景像素，所述子集至少包括所述愈伤组织像素。在一些实施例中，所述一个或多个光学确定的组织特征包括至少部分围绕所述伤口的愈伤组织的存在或不存在。在一些实施例中，所述一个或多个处理器还被构造成将所述非伤口像素自动分割成愈伤组织像素、正常皮肤像素和背景像素。在一些实施例中，所述一个或多个处理器使用包括卷积神经网络的分割算法自动分割所述多个像素。在一些实施例中，所述分割算法是包括多个卷积层的U
‑
Net和包括多个卷积层的SegNet中的至少一种。在一些实施例中，所述至少一个标量值包括多个标量值，所述多个标量值中的每个标量值对应于所述子集的各个像素或所述子集的各个像素的子组的愈合概率。在一些实施例中，所述一个或多个处理器还被构造成输出所述多个标量值的视觉表示以显示给用户。在一些实施例中，所述视觉表示包括以基于对应于所述子集的每个像素的愈合概率而选择的特定视觉表示来显示所述像素的图像，其中，与不同的愈合概率相关联的像素以不同的视觉表示来显示。在一些实施例中，所述一种或多种机器学习算法包括使用伤口、烧伤或溃疡图像数据库预训练的SegNet。在一些实施例中，所述伤口图像数据库包括糖尿病足溃疡图像数据库。在一些实施例中，所述伤口图像数据库包括烧伤图像数据库。在一些实施例中，所述预定时间间隔是30天。在一些实施例中，所述一个或多个处理器还被构造成识别与具有所述组织区域的患者
相对应的至少一个患者健康指标值，并且其中，所述至少一个标量值是基于所述伤口或其部分的所述一个或多个光学确定的组织特征以及所述至少一个患者健康指标值来生成的。在一些实施例中，所述至少一个患者健康指标值包括选自由以下构成的组中的至少一个变量：人口统计学变量、糖尿病足溃疡病史变量、合规性变量、本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于评估或预测伤口愈合的系统，所述系统包括：至少一个光检测元件，其被构造成收集在从包括伤口或其部分的组织区域反射后的至少第一波长的光；和一个或多个处理器，其与所述至少一个光检测元件通信并被构造成：从所述至少一个光检测元件接收信号，所述信号表示从所述组织区域反射的所述第一波长的光；基于所述信号生成具有示出所述组织区域的多个像素的图像；自动将所述图像的所述多个像素分割成至少伤口像素和非伤口像素；至少基于分割的所述多个像素的子集，确定所述伤口或其部分的一个或多个光学确定的组织特征；和使用一种或多种机器学习算法，基于所述伤口或其部分的所述一个或多个光学确定的特征生成至少一个标量值，所述至少一个标量值对应于在预定时间间隔内的预测或评估的愈合参数。2.根据权利要求1所述的系统，其中，所述伤口是糖尿病足溃疡。3.根据权利要求1或2所述的系统，其中，所述预测或评估的愈合参数是所述伤口或其部分的预测的愈合量。4.根据权利要求1
‑
3中任一项所述的系统，其中，所述预测的愈合参数是所述伤口或其部分的预测的面积减少百分比。5.根据权利要求1
‑
4中任一项所述的系统，其中，所述一个或多个光学确定的组织特征包括所述伤口的一个或多个尺寸，所述子集至少包括所述伤口像素。6.根据权利要求5所述的系统，其中，所述伤口的所述一个或多个尺寸包括所述伤口的长度、所述伤口的宽度和所述伤口的深度中的至少一个。7.根据权利要求5或6所述的系统，其中，所述伤口的所述一个或多个尺寸至少部分地基于所述伤口像素或所述伤口像素与所述非伤口像素之间的边界来确定。8.根据权利要求1
‑
7中任一项所述的系统，其中，所述一个或多个光学确定的组织特征包括对应于所述伤口像素的灌注、氧合作用和组织均质性中的至少一个。9.根据权利要求1
‑
8中任一项所述的系统，其中，所述一个或多个处理器还被构造成将所述非伤口像素自动分割成伤口周围像素和背景像素，所述子集至少包括所述伤口周围像素。10.根据权利要求9所述的系统，其中，所述一个或多个光学确定的组织特征包括对应于所述伤口周围像素的灌注、氧合作用和组织均质性中的至少一个。11.根据权利要求1
‑
10中任一项所述的系统，其中，所述一个或多个处理器还被构造成将所述非伤口像素自动分割成愈伤组织像素和背景像素，所述子集至少包括所述愈伤组织像素。12.根据权利要求11所述的系统，其中，所述一个或多个光学确定的组织特征包括至少部分围绕所述伤口的愈伤组织的存在或不存在。13.根据权利要求11或12所述的系统，其中，所述一个或多个处理器还被构造成将所述非伤口像素自动分割成愈伤组织像素、正常皮肤像素和背景像素。14.根据权利要求1
‑
13中任一项所述的系统，其中，所述一个或多个处理器使用包括卷
积神经网络的分割算法自动分割所述多个像素。15.根据权利要求14所述的系统，其中，所述分割算法是包括多个卷积层的U
‑
Net和包括多个卷积层的SegNet中的至少一种。16.根据权利要求1
‑
15中任一项所述的系统，其中，所述至少一个标量值包括多个标量值，所述多个标量值中的每个标量值对应于所述子集的各个像素或所述子集的各个像素的子组的愈合概率。17.根据权利要求16所述的系统，其中，所述一个或多个处理器还被构造成输出所述多个标量值的视觉表示以显示给用户。18.根据权利要求17所述的系统，其中，所述视觉表示包括以基于对应于所述子集的每个像素的愈合概率而选择的特定视觉表示来显示所述像素的图像，其中，与不同的愈合概率相关联的像素以不同的视觉表示来显示。19.根据权利要求16
‑
18中任一项所述的系统，其中，所述一种或多种机器学习算法包括使用伤口、烧伤或溃疡图像数据库预训练的SegNet。20.根据权利要求19所述的系统，其中，所述伤口图像数据库包括糖尿病足溃疡图像数据库。21.根据权利要求19或20所述的系统，其中，所述伤口图像数据库包括烧伤图像数据库。22.根据权利要求1
‑
21中任一项所述的系统，其中，所述预定时间间隔是30天。23.根据权利要求1
‑
22中任一项所述的系统，其中，所述一个或多个处理器还被构造成识别与具有所述组织区域的患者相对应的至少一个患者健康指标值，并且其中，所述至少一个标量值是基于所述伤口或其部分的所述一个或多个光学确定的组织特征以及所述至少一个患者健康指标值来生成的。24.根据权利要求23所述的系统，其中，所述至少一个患者健康指标值包括选自由以下构成的组中的至少一个变量：人口统计学变量、糖尿病足溃疡病史变量、合规性变量、内分泌变量、心血管变量、肌肉骨骼变量、营养变量、传染病变量、肾脏变量、妇产科变量、药物使用变量、其他疾病变量或实验室值。25.根据权利要求23所述的系统，其中，所述至少一个患者健康指标值包括一个或多个临床特征。26.根据权利要求25所述的系统，其中，所述一个或多个临床特征包括选自由以下构成的组中的至少一个特征：患者的年龄、患者的慢性肾脏...

【专利技术属性】
技术研发人员：范文胜，杰弗里，
申请(专利权)人：光谱MD公司，
类型：发明
国别省市：