【技术实现步骤摘要】
确定由医学成像数据表示的身体区域
[0001]相关申请的交叉引用本申请要求保护来自2021年8月5日提交的欧洲专利申请第21189986.9号的优先权的权益,其内容通过引用并入本文中。
[0002]本框架涉及用于确定由存储在图像文件中的医学成像数据表示的身体区域的方法和装置。
技术介绍
[0003]诸如磁共振成像(MRI)、计算机断层摄影(CT)等医学成像是医学诊断的宝贵工具。在临床决策制定中,患者疾病随时间的进展对于诊断而言即便不比该疾病的当前状态更有用,也是与该疾病的当前状态同样有用的。为了帮助评估患者疾病的进展,医学专业人员常常希望将患者的当前医学图像与患者的适当先前医学图像或医学图像系列进行比较。
[0004]然而,常常存在患者的大量先前医学图像。例如,对于任何给定患者,可能存在在多个先前时间点处采取的多个先前研究。此外,在每个研究内,可能存在多个医学图像系列,每个系列具有不同的特性。手动地评估先前医学图像的适当性以用于与当前医学图像进行比较或者以其他方式评估它们与当前医学图像的相关性对于医学专业人员来说可能是耗时且繁重的。此外,医学图像常常被存储在远离医学专业人员终端的存储装置中,并且检索患者的所有先在医学图像(其常常在大小方面是大的)对于医学专业人员进行评估来说是网络资源密集的。
[0005]自动地选择适合于与给定医学图像(例如,当前医学图像)进行比较或以其他方式与该给定医学图像相关的医学图像(例如,先前医学图像)将是有用的。替代地或附加地(例如,为了便于选择相关的医学图像或出于其 ...
【技术保护点】
【技术特征摘要】
1.一种确定由存储在第一图像文件中的医学成像数据表示的身体区域的计算机实现方法,第一图像文件进一步存储一个或多个属性,每个属性具有包括指示所述医学成像数据的内容的文本串的属性值,所述方法包括:(a)获得第一图像文件的所述文本串中的一个或多个;以及(b)将所述文本串中的所获得的一个或多个输入到机器学习模型中,其中所述机器学习模型被训练成基于所述文本串中的一个或多个的输入来生成身体区域的输出,并且从所述经训练的机器学习模型获得所述输出以确定由所述医学成像数据表示的身体区域。2.根据权利要求1所述的计算机实现方法,其中所述方法进一步包括:执行由存储在第一图像文件中的第一医学成像数据表示的第一身体区域与由存储在相应多个第二图像文件中的第二医学成像数据的相应多个集合表示的多个第二身体区域中的每一个的比较,每个第二图像文件进一步存储一个或多个属性,每个属性具有包括指示存储在第二图像文件中的第二医学成像数据的内容的文本串的属性值;以及基于第一身体区域和第二身体区域的比较,将第二医学成像数据的所述集合中的一个或多个选择为与第一医学成像数据相关。3.根据权利要求2所述的计算机实现方法,其中第一身体区域是通过将步骤(a)和(b)应用于第一图像文件的文本串中的一个或多个来确定的。4.根据权利要求2所述的计算机实现方法,其中第二身体区域中的至少一个是通过将步骤(a)和(b)应用于第二图像文件中的相应的至少一个的文本串中的一个或多个来确定的。5.根据权利要求2所述的计算机实现方法,其中第二医学成像数据的所述多个集合被存储在远程存储设备中,并且所述方法包括:从远程存储设备检索第二医学成像数据的所选的一个或多个集合、或包括第二医学成像数据的所选的一个或多个集合的研究的第二医学成像数据集合,而不检索第二医学成像数据的所述多个集合中的其他集合。6.根据权利要求2所述的计算机实现方法,其中所述方法包括:生成显示数据,以使得显示设备显示第一医学成像数据的渲染以及第二医学成像数据的所选的或所检索的集合中的一个或多个的渲染。7.根据权利要求2所述的计算机实现方法,其中所述方法进一步包括:针对第二医学成像数据的所述多个集合中的每一个,确定第一医学成像数据的第一成像模态与第二医学成像数据的第二成像模态之间的成像模态相关性得分,以及其中将第二医学成像数据的一个或多个集合选择为与第一医学成像数据相关进一步基于所确定的成像模态相关性得分。8.根据权利要求7所述的计算机实现方法,其中所述成像模态相关性得分是使用成像模态转移矩阵来确定的,其中所述成像模态转移矩阵的每个元素表示:在给定与特定第一成像模态相关联的第一医学成像数据的情况下,用户将选择具有特定第二成像模态的第二医学成像数据以用于与第一医学成像数据进行比较的相应概率,所述概率是基于与医学成像数据的被记入日志的用户交互的统计分析来确定的。9.根据权利要求2所述的计算机实现方法,其中第一图像文件和第二图像文件中的每一个存储一个或多个属性,每个属性具有指示用于捕获第一医学成像数据或第二医学成像
数据的成像参数的属性值,其中所述方法进一步包括:针对第二医学成像数据的多个集合中的每一个,确定指示基于指示用于捕获第一医学成像数据的成像参数的一个或多个属性值而生成的第一向量与基于指示用于捕获第二医学成像数据的成像参数的一个或多个属性值而生成的第二向量之间的相似性的相似性度量,其中将第二医学成像数据的一个或多个集合选择为与第一医学成像数据相关进一步基于所确定的相似性度量。10.根据权利要求1所述的计算机实现方法,其中所述机器学习模型是神经网络。11.根据权利要求10所述的计算机实现方法,其中所述神经网络包括经训练的基于字符的神经网络,所述经训练的基于字符的神经网络被配置成将所述文本串中的所获得的一个或多个的个体...
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。