[发明专利]标志检测模型的在线学习的方法和设备

说明书

技术领域

本发明涉及用于医学图像中的标志检测的对标志检测模型的学习，并且更具体地涉及用于终端用户特定诊断用医学图像读取的标志检测模型的现场学习。

背景技术

在放射学中，对例如来自计算机断层成像（CT）、磁共振成像（MRI）、正电子发射断层成像（PET）等的三维医学图像的例行读取通常遵循固定的规则和协议。这样的协议有时是各个医院以其自己的名义建立和改进以确保和实现高质量的护理。并且，医师常常开发他们自己的用于病例的系统化读取的方法。取决于要回答的医学问题，通过数据集合的导航可能要求对3D坐标方面的某些重要解剖标志及其周围情况的检查。3D医学图像数据中的标准化断层成像2D视图、即平面可能必须相对于这样的解剖标志被定向。此外，可使用关于特定病人数据集合中的标志位置的语义信息，常常与来自其他源的病人特定信息相组合地使用，以用于类似于图像融合、基于内容的图像检索或基于知识的决策支持的较高级的图像后处理。

然而，到特定解剖标志的手动导航和2D平面到解剖标志的双重倾斜对准是耗费时间的，并且能够通过对标志和相应定向平面的自动检测来显著地改进放射治疗师的工作流程。用于标志和定向平面的自动检测的算法通常依赖于特定的临床问题和模式。不同的或新开发的放射检查和工作流程在各种成像模式和背景下可能要求不同的标志和替换定向视平面。此外，世界各地的医院和医生群体可能有他们自己的单独偏好，从而导致自动标志检测和图像定向方面的更大挑战。

发明内容

本发明提供了一种用于终端用户特定诊断用医学图像读取的标志检测模型的现场学习的方法和系统。本发明的实施例解决了全自动3D标志检测的问题，并提供了能够应对动态放射性环境的工作流程个性化方法。本发明的实施例允许终端用户在相关标志或视平面及适当模式的相关联医学成像数据方面改变放射性图像读取的方案。

在本发明的一个实施例中，提供一种用于标志检测模型的在线学习的方法，包括：接收对将在3D医学图像中被检测的标志的选择。3D医学图像中的所选标志的当前标志检测结果通过使用以下步骤来确定：确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠；响应于确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是可靠的，使用对应于所选标志的所存储的经训练的基于机器学习的标志检测模型来自动地检测3D医学图像中的所选标志，以及响应于确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是不可靠的，接收对3D医学图像中的所选标志的手动标注；以及基于3D医学图像中的所选标志的当前标志检测结果来更新对应于所选标志的所存储的经训练的基于机器学习的标志检测模型。优选地，所述的方法中，确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠包括：当确定不存在对应于所选标志的存储的标志检测模型时，确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是不可靠的。确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠可以包括：基于与对应于所选标志的存储的经训练的基于机器学习的标志检测模型相关联的置信度值来确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠，其中所述置信度值是基于以下中的至少一个：用来训练对应于所选标志的存储的经训练的基于机器学习的标志检测模型的多个训练样本，与使用对应于所选标志的存储的经训练的基于机器学习的标志检测模型的先前标志检测结果有关的用户输入，以及在测试图像中的对应于所选标志的存储的经训练的基于机器学习的标志检测模型的检测错误。确定在3D医学图像中针对所选标志的当前标志检测结果可以包括：从用户接收3D医学图像中的所选标志的手动标注和调用自动标志检测的用户选择中的一个；以及响应于接收到调用自动标志检测的用户选择，使用对应于所选标志的存储的经训练的基于机器学习的标志检测模型来在3D医学图像中自动地检测所选标志。所述的方法还可以包括：在更新存储的经训练的基于机器学习的标志检测模型之前，确定是否需要改进所述当前标志检测结果；以及响应于确定需要改进所述当前标志检测结果，接收改进所述当前标志检测结果的手动标注。所述的方法中，基于在3D医学图像中针对所选标志的当前标志检测结果来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型可以包括：将针对所选标志的当前标志检测结果作为新标志标注存储在标志标注的数据库中；以及响应于所述新标志标注在标志标注的数据库中的存储而更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型。将针对所选标志的当前标志检测结果作为新标志标注存储在标志标注的数据库中可以包括：响应于用以保持所述当前标志检测结果的用户输入而将针对所选标志的所述当前标志检测结果作为新标志标注存储在标志标注的数据库中。基于在3D医学图像中针对所选标志的当前标志检测结果来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型还可以包括：将标志标注的数据库中的所述新标志标注与存储在医学图像的数据库中的3D医学图像链接。响应于所述新标志标注在标志标注的数据库中的存储而更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型可以包括：向对应于所选标志的正训练样本组添加所述新标志标注；将选自被链接到所述新标志标注的3D医学图像的负训练样本添加到对应于所选标志的负训练样本组；以及基于对应于所选标志的所述正训练样本组和对应于所选标志的所述负训练样本组来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型。基于在3D医学图像中针对所选标志的当前标志检测结果来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型可以包括：使用在线随机森林基于所述当前标志检测结果来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型。所选标志可以包括定义3D医学图像的自定义视图的多个标志。在本发明的另一个实施例中，提供一种用于3D医学图像的交互式查看和标志检测模型的在线学习的设备，包括：3D医学图像数据库，其用以存储3D医学图像；标志标注数据库，其用以存储多个标志的标志标注；检测模型数据库，其用以存储对应于多个标志的经训练的标志检测模型；用户界面控制器，其被配置成控制交互式3D医学图像查看器，所述交互式3D医学图像查看器包括：用以显示存储在3D医学图像数据库中的3D医学图像的多个视图的多个显示窗口，用于手动地标注3D医学图像中的标志的用户控制装置，以及用于调用3D医学图像中的自动标志检测的用户控制装置，并且所述用户界面控制器被配置成控制所述标志标注数据库以将3D医学图像中的手动标注的或自动检测的标志存储为标志标注；以及机器学习模块，其被配置成使用存储在所述检测模型数据库中的相应的经训练的标志检测模型来执行显示在交互式3D医学图像查看器上的3D医学图像中的所选标志的自动标志检测，并被配置成响应于3D医学图像中的手动标注的或自动检测的标志被作为对应于所选标志的标志标注存储在所述标志标注数据库中而增量地更新存储在所述检测器模型数据库中的所述相应的经训练的检测模型。优选地，所述的设备中，所述用户界面控制器还被配置成响应于机器学习模块自动地检测到显示于交互式3D医学图像查看器上的3D医学图像中的所选标志而控制交互式3D医学图像查看器显示自动标志检测结果。被存储在所述标志标注数据库中的标志标注可以被链接到被存储在所述3D医学图像数据库中的相应的3D医学图像。根据本发明的又一种实施例，提供一种用于标志检测模型的在线学习的设备，包括：用于使得能够接收要在3D医学图像中检测的标志的选择的部件；用于通过以下步骤来确定在3D医学图像中针对所选标志的当前标志检测结果的部件：确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠；响应于确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是可靠的，使用对应于所选标志的所述存储的经训练的基于机器学习的标志检测模型在3D医学图像中自动地检测所选标志，以及响应于确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是不可靠的，接收3D医学图像中的所选标志的手动标注；以及用于基于在3D医学图像中针对所选标志的当前标志检测结果来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型的部件。所述的设备中，确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠可以包括：基于与对应于所选标志的存储的经训练的基于机器学习的标志检测模型相关联的置信度值来确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠，其中，所述置信度值是基于以下中的至少一个：用来训练对应于所选标志的存储的经训练的基于机器学习的标志检测模型的多个训练样本，与使用对应于所选标志的存储的经训练的基于机器学习的标志检测模型的先前标志检测结果有关的用户输入，以及在测试图像中的对应于所选标志的存储的经训练的基于机器学习的标志检测模型的检测错误。所述的设备中，用于确定在3D医学图像中针对所选标志的当前标志检测结果的部件可以包括：用于使得能够从用户接收3D医学图像中的所选标志的手动标注和调用自动标志检测的用户选择中的一个的部件；以及用于响应于接收到调用自动标志检测的用户选择，使用对应于所选标志的存储的经训练的基于机器学习的标志检测模型来在3D医学图像中自动地检测所选标志的部件。所述的设备还可以包括：用于在更新存储的经训练的基于机器学习的标志检测模型之前，确定是否需要改进所述当前标志检测结果的部件；以及用于响应于确定需要改进所述当前标志检测结果，接收改进所述当前标志检测结果的手动标注的部件。用于基于在3D医学图像中针对所选标志的当前标志检测结果来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型的部件可以包括：用于将针对所选标志的当前标志检测结果作为新标志标注存储在标志标注的数据库中的部件；以及