基于使用经重新绘制的图像进行的训练检测特征制造技术

一种系统、方法和/或计算机可读存储介质，被配置为：基于使用医疗保健实体的经重新绘制的图像而进行的训练，在医疗保健实体处由成像模态生成的图像中，检测在视觉上表现的罕见疾病的特征。经重新绘制的图像包括：由成像模态生成的不包括该特征的图像的像素值、和特征图像中的在视觉上模仿该特征的合成特征的像素值。基于模型和用户输入来创建特征图像。经重新绘制的图像集合用于训练人工智能算法以检测图像中的特征。可选地，可以使用包括该特征的成像模态生成的图像而对经训练的人工智能算法验证。经训练的人工智能算法用于检测受试者的图像中的特征。者的图像中的特征。

【技术实现步骤摘要】
【国外来华专利技术】基于使用经重新绘制的图像进行的训练检测特征


[0001]以下一般涉及图像处理，更具体地，涉及基于使用经重新绘制的图像进行的训练检测特征。

技术介绍

[0002]计算机视觉领域包括配置计算机以执行与人类视觉系统类似的任务。这种任务的示例是检测图像中的特征。例如，在医学成像领域中，针对在图像中表现为视觉特征的疾病，获取身体内部的图像。对诸如放射科医师之类的临床医生进行培训，从而以视觉方式检查图像是否存在视觉特征。检查可以是排除疾病、诊断疾病、监测疾病的进展等。
[0003]计算机实现的算法已经用于帮助临床医生完成这些任务。这种算法的示例是深度学习人工智能(AI)算法。然而，诸如深度神经网络等之类的深度学习算法需要大型训练图像数据集，以便针对诊断目的产生准确和可靠的结果。遗憾的是，医疗保健实体通常没有用于罕见疾病的大量图像，因为该疾病是罕见的，因此没有许多疾病病例可用于成像。
[0004]在美国，2002年的罕见疾病法案(42 U.S.C.287a
‑
1)将罕见疾病定义为“在美国影响不到200000人的任何疾病或病症本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统(102)，被配置为在由医疗保健实体的成像模态生成的受试者的图像中检测罕见疾病所表现的视觉特征，所述系统包括：一个或多个数据储存库(104)，被配置为存储由所述成像模态生成的图像，其中由所述成像模态生成的图像包括至少一个图像，所述至少一个图像不包括所述视觉特征；以及计算装置(106)，被配置为执行：训练数据创建模块(120)的指令，以基于所述至少一个图像来创建训练数据(130)；人工智能训练模块(124)的指令，以基于所述训练数据来训练人工智能模块(126)；以及所述人工智能模块的指令，以基于所述训练数据来检测所述受试者的所述图像中的所述视觉特征。2.根据权利要求1所述的系统，其中所述训练数据创建模块将所述至少一个图像重新绘制为包括合成特征以创建所述训练数据，所述合成特征基于一个或多个模型122以视觉方式模仿所述特征。3.根据权利要求2所述的系统，其中所述训练数据创建模块基于数学模型来生成具有所述合成特征的特征图像。4.根据权利要求3所述的系统，其中所述数学模型包括至少一个用户可调参数。5.根据权利要求4所述的系统，其中所述训练数据创建模块基于人类输入来设置所述至少一个可调参数。6.根据权利要求3至5中任一项所述的系统，其中所述训练数据通过对所述至少一个图像的像素值和所述特征图像中的所述合成特征的像素值进行求和来创建训练图像。7.根据权利要求2至5中任一项所述的系统，其中所述训练数据创建模块将不包括所述特征的至少一个附加图像重新绘制为包括所述合成特征，所述合成特征模仿所述特征。8.根据权利要求2至5中任一项所述的系统，其中所述训练数据创建模块通过以视觉方式操纵所述合成特征来创建至少一个附加经重新绘制的图像。9.根据权利要求1至8中任一项所述的系统，其中所述人工智能训练模块基于来自一个或多个所述数据储存库的包括所述视觉特征的至少一个图像来验证所述人工智能模块。10.根据权利要求1至9中任一项所述的系统，其中所述人工智能模块包括深度学习人工智能算法。11.一种计算机实现的方法，所述方法用于在由医疗保健实体的成像模态生成的受试者的图像中检测由罕见疾病表现的视觉特征，所述方法包括：从所述医疗保健实体的数据储存库获得至少一个图像，所述至少一个图像不包括所述视觉特征；基于所述至少一个图像来创建训练数据；基于所述训练...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：