[发明专利]对CAD系统个性化以提供CAD系统推荐的置信水平指示的方法和部件

说明书

一种利用机器学习来训练设备以生成置信水平指示(CLI)的方法和部件。该设备是已经初始地使用初始机器学习进行训练以推荐呈现给设备的图像特征的分类的CAD系统。概率分类用于结合由人类操作者给出的中间值，以更好地指示CAD系统的关于哪些类应该与某些图像特征相关联的推荐的置信水平。

对相关申请的交叉引用

本专利申请是于2016年8月11日提交的标题为“Method and Means of CADSystem Personalization to Provide a Confidence Level Indicator for CAD SystemRecommendations”的美国专利申请序列号15/235,050的继续申请，该申请的全部内容通过引用被整体并入本文。

技术领域

本发明构思一般而言涉及医学成像和分析；更特别地，涉及在用于医学诊断的图像报告和数据系统(IRADS)的背景下增强临床决策能力的系统和方法。本发明构思提供了用于计算机辅助诊断(CAD)系统的置信水平指示(CLI)，该计算机辅助诊断系统被编程为最小化由于在解释系统规则时组或个体的偏见而导致的推荐临床动作的偏差。

背景技术

每年，在美国进行超过1,300,000次乳房活组织检查，并且在全世界范围内进行超过4,500,000次乳房活组织检查。在这些活组织检查中，80％有良性发现。乳房活组织检查是创伤性经历，使患者暴露于临床风险、不舒服并且成本高昂。

受过训练的医疗专业人员(诸如放射科医师)通常会尝试手动或通过使用计算机软件来识别和分类医学图像内的可疑区域。然后，放射科医师可以根据相关的分级系统手动表征每个可疑区域。例如，可以根据乳房成像报告和数据系统(BI-RADS)指南来表征乳房内可疑的感兴趣区域。BI-RADS是由放射科医师用于使用乳腺X线摄影、超声波或MRI诊断乳腺癌的一种广泛接受的风险评估和质量保证工具。分配给每个可疑区域的类别可以指示未来的动作方案。例如，如果将可疑区域归类为可能是恶性的，那么可以命令进行活组织检查。如果将可疑区域归类为正常，那么可以不采取进一步动作。但是，如果将可疑区域归类为可能是良性的，那么动作方案可能是在六个月内重复测试以查看任何变化。BI-RADS报告方法包括用于报告目的的标准词典和结构，其使得放射科医师能够对基于图像的发现进行简洁的审查，并以清晰且一致的方式将具有最终评估和特定动作方案的结果传达给转诊医师。结构化报告还有助于加快报告周转时间(TAT)、简化用于计费和法规遵从的文档，并易于数据提取处理，以便进行利用率审查、质量保证和研究。通过医疗审计和结果监测，该系统为同行评审和质量保证数据提供了重要机制，以提高患者护理质量。以标准化方式汇编的结果允许对人口统计和结果数据进行维护和收集分析。

BI-RADS自1993年开始用于乳房X线照相术以来取得的成功已促使为各种医学图像报告和数据系统引入许多类似的基于检查表的系统。类似报告和数据系统的部分列表包括分别用于前列腺癌、甲状腺癌、肝癌和肺癌的诊断的前列腺成像报告和数据系统(PI-RADS)、甲状腺成像报告和数据系统(TI-RADS)、肝脏成像报告和数据系统(LI-RADS)以及肺-RADS。

基本BI-RADS评估类别是：

1：阴性，

2：良性，

3：可能良性，

4：可疑，以及

5：高度暗示恶性肿瘤。

还存在类别0(BI-RADS 0)和类别6(BI-RADS 6)。BI-RADS 0指示不完整的分类，其保证或者努力确定用于比较的先前成像或用于传唤患者回来以进行额外的查看、更高质量的胶片或额外的成像模态。BI-RADS 6指示先前通过活组织检查证实的已证实的恶性肿瘤。

BI-RADS 4分类通常被划分为以下子类别：

4A：恶性肿瘤的低可疑性，