【技术实现步骤摘要】
【国外来华专利技术】针对放射学质量仪表板的自组织模型构建和机器学习服务
[0001]下文总体涉及放射学领域、放射学阅读领域、放射科性能评估领域、放射学报告质量评估领域、机器学习领域和相关领域。
技术介绍
[0002]医院或其他大型医疗机构的放射科出于不同的目的(肿瘤学、心脏病学、肺病学、骨折评估等)并使用通常具有不同成像方式(例如磁共振成像(MRI)、计算机断层扫描(CT)、正电子发射断层扫描(PET)、X射线、超声等)的不同成像设备,执行针对不同解剖结构(例如,头部、肺、四肢等)的大量成像检查。放射科雇用了操作成像设备的成像技术专家和阅读成像检查的放射科医生。在大型放射科中,可能存在多个轮班,使得成像设备在长时间间隔上运行(在某些情况下长达24小时每天),并且同样地,可能存在多个放射科医生轮班来读取大量所生成的成像检查。
[0003]评估如此复杂的放射科的工作成果是困难的。通常,分析从放射信息系统(RIS)检索的放射学报告和从图像存档和通信系统(PACS)检索的图像,并提供关于报告和图像的质量的反馈。反馈是使用算法生成的,以回顾地针对所存档的报告和图像来特别处理特定质量度量。用户能够设置自定义参数和日期范围,以便选择特定的图像和报告子集,并创建要报告的唯一集合。
[0004]用户可能是放射科管理者等,他们可能具有医学/放射学专业知识,但不太可能具有计算机科学、机器学习等方面的背景。此外,在典型的系统中,ML算法和建模平台通常是独立的产品,其需要用户学习如何在特定环境中工作,以便运行实验和评估性能。
[0005] ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种非瞬态计算机可读介质(26),存储由至少一个电子处理器(20)可读且可执行的指令,以结合具有显示设备(24)和一个或多个用户输入设备(22)的工作站(18)来提供对一个或多个放射学数据库(30、32)的统计分析,所述指令包括:由所述至少一个电子处理器可读且可执行的、用于定义模型组件库(48)的指令;由所述至少一个电子处理器可读且可执行的标记用户界面(UI)指令,用于在所述工作站上提供标记UI(28、40),经由所述标记UI(28、40),用户通过定义标签类型并且将所定义的所述标签类型的标签添加到所述一个或多个放射学数据库中的用户选择的放射学图像和/或放射学报告,来创建经标记的放射学图像和/或经标记的放射学报告的经标记的数据集;由所述至少一个电子处理器可读且可执行的模型构建指令,用于在所述工作站上提供模型构建UI(28、40),经由所述模型构建UI(28、40),用户选择作为所定义的所述标签类型中的至少一个标签类型的期望输出,并且选择和互连所述模型组件库的模型组件以构建输出所述期望输出的所建议的ML模型(38);由所述至少一个电子处理器可读且可执行的模型训练指令,用于使用包括所述经标记的数据集的至少一部分的训练数据来训练用户设计的所述ML模型,从而生成经训练的ML模型(44);由所述至少一个电子处理器可读且可执行的分析指令,用于使用所述经训练的ML模型对所述一个或多个放射学数据库中的所述放射学图像和/或所述放射学报告的至少一部分执行分析任务,并且在所述工作站上的分析UI(28、40)上呈现所述分析任务的结果。2.根据权利要求1所述的非瞬态计算机可读介质(26),其中所述模型组件库(48)至少包括:多个机器学习(ML)组件(50);至少一个特征提取组件(52),被配置为从放射学图像提取图像特征并且利用所提取的所述图像特征来标记所述放射学图像,和/或被配置为从放射学报告提取报告特征并且利用所提取的所述报告特征来标记所述放射学报告,以及应用编程接口(API)(54),用于所述ML组件和所述至少一个特征提取组件。3.根据权利要求2所述的非瞬态计算机可读介质(26),其中所述多个ML组件(52)包括至少一个人工神经网络(ANN)组件、至少一个支持向量机(SVM)组件和至少一个统计分析组件。4.根据权利要求1至3中任一项所述的非瞬态计算机可读介质(26),其中所述指令还包括:由所述至少一个电子处理器(20)可读且可执行的模型评估指令,用于通过将所述经训练的ML模型应用于评估数据并且提供呈现总结被应用于所述评估数据的所述经训练的ML模型的所述输出的评估结果的评估UI,来执行对所述经训练的ML模型(44)的评估,所述评估数据包括所述一个或多个放射学数据库中的所述放射学图像和/或所述放射学报告的一部分。5.根据权利要求1至3中任一项所述的非瞬态计算机可读介质(26),其中所述指令还包括:由所述至少一个电子处理器(20)可读且可执行的模型存储和检索指令,用于:
将经训练的ML模型(44)存储在所述非瞬态计算机可读介质上,以及从所述非瞬态存储介质检索经训练的ML模型,并且调用所述分析指令以使用所检索的所述ML模型执行分析任务。6.一种用于生成和使用结合工作站(18)而被执行的一个或多个放射学分析工具的方法(100),所述工作站(18)具有显示设备(24)和一个或多个用户输入设备(22),所述方法包括:在所述工作站上提供标记UI(28、40),经由所述标记UI(28、40),用户通过定义标签类型并且将所定义的所述标签类型的标签添加到一个或多个放射学数据库(30、32)中的用户选择的放射学图像和/或放射学报告,来创建经标记的放射学图像和/或经标记的放射学报告的经标记的数据集;经由所述工作站接收对作为所定义的所述标签类型中的至少一个标签类型的期望输出的用户选择;基于所定义的所述标签类型和所述期望输出来标识所建议的机器学习(ML)模型;在所述GUI上提供呈现所建议的所述ML模型的一个或多个GUI对话框(40),并且允许所述用户从所建议的所述ML模型生成用户设计的建议的ML模型(38);使用包括所述经标记的数据集...
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。