System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
【国外来华专利技术】
本公开总体上涉及血管系统成像和数据收集的系统和方法的领域。特别是,本公开涉及改进光学相干断层扫描(oct)系统中的图像质量检测和图像分类的方法。
技术介绍
1、光学相干断层扫描(oct)是一种成像技术,其使用光来捕获微米尺度的组织的横截面图像。oct可以是一种基于导管的成像方式,其利用光窥视冠状动脉或其他动脉壁并生成图像供研究。利用相干光、干涉测量学和微光学,oct可在患病血管内以微米级分辨率提供体内断层扫描的视频速率。使用光纤探头以高分辨率观察亚表层结构,使oct特别适用于内部组织和器官的微创成像。oct的这种详细程度使医生能够诊断和监测冠状动脉疾病的进展。
2、由于各种原因,oct图像可能会被降级。例如,在获取血管的oct图像时,由于血管内血液的存在,oct图像可能会降级。血液的存在会阻碍在血管内程序中血管边界的正确识别。被降级的图像可能无法用于解释或诊断。例如,在“回拉”中,用oct装置扫描血管的长度的程序可能会获得成千上万的图像,其中的一些图像可能会降级、不准确,或由于在oct回拉中阻挡管腔轮廓的血液的存在而无法用于分析。
3、要识别哪些oct图像质量被降级需要对血管的oct扫描期间获得的数百或数千个图像进行逐帧或逐个人工分析。此外,这种分析将在oct程序完成后执行,可能需要额外的oct扫描,以获得对应于被降级的图像的血管的一些部分的更高质量图像。
4、需要去检测血液的存在的额外设备可能会改变常见的临床工作流程,使图像质量降级或增加临床实现方式的复杂性。为检测可能不正确的管腔检测而开发
技术实现思路
1、直接从图像中实时或近乎实时地识别哪些图像或哪组图像质量降级,将允许在解释oct扫描时忽略这些图像,并允许在oct设备仍在原位时重新扫描血管中被遮挡的部分。
2、本公开技术的各方面允许计算oct回拉的清晰图像长度(cil)。清晰图像长度可以是oct回拉的连续部分上的指示,该连续部分没有被例如血液阻碍。
3、本公开技术的各方面包括对诊断医疗图像进行分类的方法。该方法可以包括接收诊断医疗图像;实时或接近实时地使用经过训练的机器学习模型分析所述诊断医疗图像,其中所述经过训练的机器学习模型是在带注释的诊断医疗图像的集上训练的;基于所述分析,识别针对所述诊断医疗图像的图像质量;以及实时或接近实时地输出所识别的图像质量的指示,以用于在用户界面上显示。诊断医疗图像可以是一系列诊断医疗图像中的单个图像。所述一系列诊断医疗图像通过光学相干断层扫描回拉而获得。诊断医疗图像可分类为第一分类或第二分类。当诊断医疗图像被分类为第二分类时,可提供警报或通知。带注释的诊断医疗图像的集带有注释,包括清晰、血液或导引导管。诊断医疗图像可以是光学相干断层扫描图像。诊断医疗图像可被分类为清晰医疗图像或血液医疗图像。可以计算指示诊断医疗图像是可接受的还是不可接受的概率。可使用阈值法将计算出的概率转换为诊断医疗图像的分类。可使用图形切割将计算出的概率转换为诊断医疗图像的分类。可使用形态学分类法将计算出的概率转换为诊断医疗图像的分类。“可接受的”可以是指诊断医疗图像高于预先限定的阈值质量,这允许对高于准确度或置信度的阈值水平的人体组织的特点进行评估。清晰图像长度或清晰图像长度指示物可被显示或输出。
4、本公开技术的各方面可以包括一种系统,该系统包括处理装置,该处理装置联接到存储指令的存储器,该指令使该处理装置:接收所述诊断医疗图像;实时或接近实时地使用经过训练的机器学习模型分析所述诊断医疗图像,其中所述经过训练的机器学习模型是在带注释的诊断医疗图像的集上训练的;基于所述分析,识别针对所述诊断医疗图像的图像质量;以及实时或接近实时地输出所识别的图像质量的指示,以用于在用户界面上显示。诊断医疗图像可以是光学相干断层扫描图像(oct)。指令可被配置为显示多个oct图像以及与多个oct图像中每个图像的分类相关的指示物。一系列诊断医疗图像可以通过光学相干断层扫描回拉而获得。
5、本公开技术的各方面可以包括包含程序指令的非暂时性计算机可读介质,该指令在被执行时执行以下步骤:接收诊断医疗图像;实时或接近实时地使用经过训练的机器学习模型分析所述诊断医疗图像,其中所述经过训练的机器学习模型是在带注释的诊断医疗图像的集上训练的;基于所述分析,识别针对所述诊断医疗图像的图像质量;以及实时或接近实时地输出所识别的图像质量的指示,以用于在用户界面上显示。诊断医疗图像可以是一系列诊断医疗图像中的单个图像。所述一系列诊断医疗图像可以通过光学相干断层扫描回拉而获得。诊断医疗图像可分类为第一分类或第二分类。当诊断医疗图像被分类为第二分类时,可提供警报或通知。带注释的诊断医疗图像的集带有注释,包括清晰、血液或导引导管。诊断医疗图像可被分类为清晰医疗图像或血液医疗图像。可以计算指示诊断医疗图像是可接受的还是不可接受的概率。可使用阈值法将计算出的概率转换为诊断医疗图像的分类。可使用图形切割将计算出的概率转换为诊断医疗图像的分类。可使用形态学分类法将计算出的概率转换为诊断医疗图像的分类。“可接受的”可以是指诊断医疗图像高于预先限定的阈值质量,这允许对高于准确度或置信度的阈值水平的人体组织的特点进行评估。清晰图像长度或清晰图像长度指示物可被显示或输出。无法分类的图像可以存储起来,以便重新训练经过训练的机器学习模型。
本文档来自技高网...【技术保护点】
1.一种对诊断医疗图像进行分类的方法,所述方法包括:
2.根据权利要求1所述的方法,其中所述诊断医疗图像是一系列的诊断医疗图像中的单个图像。
3.根据权利要求2所述的方法,其中所述一系列的诊断医疗图像通过光学相干断层扫描回拉而获得。
4.根据权利要求1所述的方法,进一步包括将所述诊断医疗图像分类为第一分类或第二分类。
5.根据权利要求4所述的方法,进一步包括当所述诊断医疗图像被分类为所述第二分类时,提供警报或通知。
6.根据权利要求1所述的方法,其中带注释的诊断医疗图像的所述集包括注释,所述注释包括清晰、血液或导引导管。
7.根据权利要求1所述的方法,其中所述诊断医疗图像是光学相干断层扫描图像。
8.根据权利要求1所述的方法,进一步包括将所述诊断医疗图像分类为清晰医疗图像或血液医疗图像。
9.根据权利要求1所述的方法,进一步包括计算指示所述诊断医疗图像是可接受的还是不可接受的概率。
10.根据权利要求9所述的方法,进一步包括使用阈值方法将所计算出的概率转换为所述诊断医疗图像
11.根据权利要求9所述的方法,进一步包括使用图形切割将所计算出的概率转换为所述诊断医疗图像的分类。
12.根据权利要求9所述的方法,进一步包括使用形态学分类将所计算出的概率转换为所述诊断医疗图像的分类。
13.根据权利要求9所述的方法,其中可接受的是指所述诊断医疗图像高于预先限定的阈值质量,其允许对高于准确度或置信度的阈值水平的人体组织的特点进行评估。
14.根据权利要求13所述的方法,其中所述预先限定的阈值质量的值是通过优化机器学习模型来确定的。
15.一种系统,所述系统包括处理装置,所述处理装置联接到存储指令的存储器,所述指令使所述处理装置:
16.根据权利要求15的系统,其中所述诊断医疗图像是光学相干断层扫描(OCT)图像。
17.根据权利要求16的系统,其中所述指令被配置为显示多个OCT图像以及与所述多个OCT图像中每个图像的分类相关的指示物。
18.根据权利要求15的系统,其中所述一系列的诊断医疗图像通过光学相干断层扫描回拉而获得。
19.一种包含程序指令的非暂时性计算机可读介质,所述指令在被执行时执行以下步骤:
20.根据权利要求19的非暂时性计算机可读介质,其中所述诊断医疗图像是一系列的诊断医疗图像中的单个图像。
...【技术特征摘要】
【国外来华专利技术】
1.一种对诊断医疗图像进行分类的方法,所述方法包括:
2.根据权利要求1所述的方法,其中所述诊断医疗图像是一系列的诊断医疗图像中的单个图像。
3.根据权利要求2所述的方法,其中所述一系列的诊断医疗图像通过光学相干断层扫描回拉而获得。
4.根据权利要求1所述的方法,进一步包括将所述诊断医疗图像分类为第一分类或第二分类。
5.根据权利要求4所述的方法,进一步包括当所述诊断医疗图像被分类为所述第二分类时,提供警报或通知。
6.根据权利要求1所述的方法,其中带注释的诊断医疗图像的所述集包括注释,所述注释包括清晰、血液或导引导管。
7.根据权利要求1所述的方法,其中所述诊断医疗图像是光学相干断层扫描图像。
8.根据权利要求1所述的方法,进一步包括将所述诊断医疗图像分类为清晰医疗图像或血液医疗图像。
9.根据权利要求1所述的方法,进一步包括计算指示所述诊断医疗图像是可接受的还是不可接受的概率。
10.根据权利要求9所述的方法,进一步包括使用阈值方法将所计算出的概率转换为所述诊断医疗图像的分类。
11.根据权利要求9所述的方法,进一步包括使用图形切割将所计算出的概...
【专利技术属性】
技术研发人员:J·A·布拉伯,A·戈皮纳特,H·陈,K·E·萨维奇,A·张,G·P·阿米斯,
申请(专利权)人:光实验成像公司,
类型:发明
国别省市:
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。