[发明专利]医学扫描仪自学优化临床协议和图像采集

说明书

本发明涉及医学扫描仪自学优化临床协议和图像采集。一种用于识别用于医学图像采集的最优参数集合的计算机实现的方法包括：接收与患者的医学成像扫描相对应的输入参数集合，以及使用操作者参数选择模型来基于所述输入参数集合确定用于医学图像扫描仪的最优目标参数值集合。使用所述最优目标参数值集合来执行患者的医学成像扫描，以采集一个或多个图像，以及响应于所述一个或多个图像的采集，收集来自一个或多个用户的反馈。使用该反馈来更新操作者参数选择模型，从而产生经更新的操作者参数选择模型。

技术领域

本发明一般涉及与使用机器学习框架自学优化图像采集的医学扫描仪相关联的方法、系统和装置。所公开的方法、系统和装置可以适用于用于任何成像模式的扫描仪。

背景技术

确保高度优化的图像采集是用于医疗保健中的精确临床诊断的关键因素之一。然而，医学扫描取决于许多输入参数，诸如图像信息（例如，质量要求）、患者信息（例如，目标器官）、临床协议（例如，扫描时间）、所利用的造影剂以及各种扫描参数。这些参数共同表示一个复合参数空间，所述空间通常难以进行浏览（navigate）以便确定输入最优参数集合。结果，参数选择可能是时间密集的过程，因为操作者必须探索不同的参数组合以便达成期望的结果。此外，许多成像任务需要针对所执行的研究而个性化的参数集合。结果，即使当针对一项研究学习了最优参数集合，那些参数不能容易地再用于其他不相似的研究。因此，期望提供用于使参数值选择自动化的技术，其可以在来自操作者的最低限度输入的情况下跨大量成像应用设备而被利用。

发明内容

本发明的实施例通过提供与自学优化图像采集的医学扫描仪有关的方法、系统和装置来解决和克服上述缺点和弊端中的一个或多个。本文描述的技术促进了使用机器学习原理（例如，执行深度强化学习框架）对医学图像采集的智能优化。为了优化图像采集，这些技术广泛利用了任何种类的可用参数，包括例如在通常耦合到医学扫描仪的数据库系统中存储和收集的那些参数。根据一些实施例，代理可以观察环境的状态并且选择作用于该状态（类似于试错搜索），从而最大化作为来自环境的响应而接收到的未来奖励信号。可以由向当前状态给予正或负奖励的操作者或模拟来对环境进行建模。

根据一些实施例，一种用于识别用于医学图像采集的最优参数集合的计算机实现的方法包括：接收与患者的医学成像扫描相对应的输入参数集合，以及使用操作者参数选择模型来基于所述输入参数集合确定用于医学图像扫描仪的最优目标参数值集合。一旦生成了这些最优目标参数值，可以使用与医学图像扫描仪相关联的预定限制来验证这些最优目标参数值。可以使用这些最优目标参数值来执行对患者的医学成像扫描以采集一个或多个图像。然后，收集来自用户的反馈（例如，接受或拒绝所采集图像的指示）。然后使用该反馈进一步改善模型。

前述方法的一些实施例进一步包括：接收与患者（或附加患者）的附加医学成像扫描相对应的附加的输入参数集合，并且使用经更新的操作者参数选择模型来确定附加的最优目标参数值集合。然后，可以使用该附加的最优目标参数值集合来执行对患者的附加医学成像扫描，以采集一个或多个附加图像。

在前述方法的一些实施例中，操作者参数选择模型是利用奖励系统的深度强化学习模型，该奖励系统为产生一个或多个目标状态的参数值的组合提供正强化。可以例如通过下述方式来训练此模型：接收由远程医学图像扫描仪所收集的用户输入，基于那些用户输入创建一个或多个新的目标状态，以及相应地更新奖励系统。在一些实施例中，输入参数包括操作者利用医学成像扫描仪的指示，并且针对操作者个性化所述模型。替代地（或附加地），输入参数可以包括医疗设施利用医学成像扫描仪的指示，并且针对医疗设施个性化所述模型。