【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 ...
【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...
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。