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制造技术

一种生成和使用一个或多个放射学分析工具的方法(100)，包括：在工作站上提供标记用户界面(28、40)，经由标记界面(28、40)，用户通过定义标签类型来创建经标记的数据集；接收对作为所定义的标签类型中的至少一个标签类型的期望输出的用户选择；基于所定义的标签类型和期望输出来标识所建议的机器学习(ML)模型；提供呈现所建议的ML模型并且允许用户从所建议的ML模型生成用户设计的建议的ML模型(38)的一个或多个GUI对话框(40)；使用包括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ML模型，从而生成经训练的ML模型(44)；以及针对被应用于放射学图像和/或放射学报告的至少一部分的分析过程，部署经训练的ML模型。部署经训练的ML模型。

【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]下文公开了克服这些问题和其他问题的某些改进。

技术实现思路

[0006]在一个方面，一种非瞬态计算机可读介质，其存储由至少一个电子处理器可读且可执行的指令，以结合具有显示设备和一个或多个用户输入设备的工作站来提供对一个或多个放射学数据库的统计分析。该指令包括：由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的指令；由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，用于在工作站上提供标记UI，经由标记UI，用户通过定义标签类型并且将所定义的标签类型的标签添加到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，用于在工作站上提供模型构建UI，经由模型构建UI，用户选择作为所定义的标签类型中的至少一个标签类型的期望输出，并且选择和互连模型组件库的模型组件以构建输出期望输出的所建议的ML模型；由至少一个电子处理器可读且可执行的模型训练指令，以使用包括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ML模型，从而生成经训练的ML模型；由至少一个电子处理器可读且可执行的分析指令，用于使用经训练的ML模型对一个或多个放射学数据库中的放射学图像和/或放射
学报告的至少一部分执行分析任务，并且在工作站上的分析UI上呈现分析任务的结果。
[0007]在另一方面，一种用于生成和使用结合工作站而被执行的一个或多个放射学分析工具的方法，该工作站具有显示设备和一个或多个用户输入设备，包括：在工作站上提供标记UI，经由标记UI，用户通过定义标签类型并且将所定义的标签类型的标签添加到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；经由工作站接收对作为所定义的标签类型中的至少一个标签类型的期望输出的用户选择；基于所定义的标签类型和期望输出来标识所建议的ML模型；在所述GUI上提供呈现所建议的ML模型并且允许所述用户从所建议的ML模型生成用户设计的所建议的ML模型的一个或多个GUI对话框；使用包括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ML模型，从而生成经训练的ML模型；以及针对被应用于一个或多个放射学数据库中的放射学图像和/或放射学报告的至少一部分的分析过程，部署经训练的ML模型。
[0008]在另一方面，一种用于生成和使用一个或多个放射学分析工具的装置，包括：显示设备以及一个或多个用户输入设备。至少一个电子处理器被编程为：在显示设备上提供标记UI，经由所述标记UI，用户通过定义标签类型并且将所定义的标签类型的标签添加到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；接收对作为所定义的标签类型中的至少一个标签类型的期望输出的用户选择；基于所定义的标签类型和期望输出来标识所建议的ML模型；在标记UI上提供呈现所建议的ML模型并且允许所述用户从所建议的ML模型生成所建议的ML模型的一个或多个GUI对话框；使用包括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ML模型，从而生成经训练的ML模型；在包括一个或多个放射学数据库中的放射学图像和/或放射学报告的一部分的评估数据上评估经训练的ML模型；以及针对被应用于一个或多个放射学数据库中的放射学图像和/或放射学报告的至少一部分的分析过程，部署所述经训练的ML模型。
[0009]一个优点在于提供了一种为分析放射学数据库的用户建议ML模型的装置。
[0010]另一优点在于为用户提供了一种生成ML工具以引导用户完成一系列分析工作流步骤的装置。
[0011]另一优点在于为用户提供了一种装置，以向用户提供交互式决策点，其中用户可以提供附加的过滤器或参数来通知工作流的下一步骤。
[0012]另一优点在于使放射科医生或其他放射科分析人员能够将他们自己的知识应用于对放射学报告的分析。
[0013]给定实施例可以不提供任何前述优点、提供一个、两个、更多个或所有前述优点，和/或可以提供本领域普通技术人员在阅读和理解本公开后将变得显而易见的其他优点。
附图说明
[0014]本公开可以以各种组件和组件的布置以及以各种步骤和步骤的布置的形式进行。附图仅用于说明优选实施例的目的，并且不应被解释为限制本公开。
[0015]图1图解地示出了根据本公开的用于分析放射学报告的说明性装置。
[0016]图2示出了由图1的装置执行的示例性流程图操作。
[0017]图3示出了在图1的装置上实现的标记用户界面的说明性示例。
[0018]图4示出了由在图1的装置上实现的用户界面提供的仪表板的说明性示例。
具体实施方式
[0019]下文涉及一种提供仪表板或其他图形用户界面(GUI)的装置，其允许放射科质量管理者或其他分析师对存储在图像存档和通信系统(PACS)中的图像执行各种分析，可能涉及诸如来自放射学信息系统(RIS)数据库的患者人口统计信息或存储在PACS中的放射学发现的其他信息。
[0020]该GUI可以被设计为使用内置算法或机器学习(ML)工具来实现某些预定义的分析。然而，预计用户可能希望执行仪表板中未提供的其他分析。这些分析可以是特定于特定医院或医疗机构的分析，例如比较由新增加的磁共振成像(MR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...

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