[发明专利]从患者的医学图像自动预测生理状况的装置和系统

权利要求书

1.一种从患者的医学图像自动预测生理状况的装置，包括存储器、处理器和存储在存储器上的计算机可执行指令，其特征在于，所述处理器当执行所述计算机可执行指令时，执行如下步骤：

从所接收的医学图像中检测目标对象并获取相应的目标对象图像块；

对各个目标对象图像块使用第一学习网络确定第一参数，所述第一参数表示相应目标对象的恶性水平，并且所述第一学习网络通过添加一个以上辅助分类层来训练；以及

基于来自所述医学图像的数个目标对象图像块使用第二学习网络来确定第二参数，其中，所述第二参数表示所述患者的癌症预测结果，并且所述第二学习网络被配置为通过如下来以所述数个目标对象块作为实例包执行多实例学习：对所述数个目标对象图像块的各个目标对象图像块分别再利用训练好的第一学习网络，以便提取各个目标对象特征作为各个实例特征；基于所述各个实例特征来获得包特征，其中，所述包特征为所述数个目标对象块的特征被池化所获得的特征；基于所述包特征来预测包标签作为图像水平标签，其中，所述图像水平标签包括所述患者的癌症预测结果，所述第二学习网络利用可获取的图像水平标签进行训练。

2.根据权利要求1所述的装置，其特征在于，所述数个目标对象图像块基于目标对象检测置信水平来确定。

3.根据权利要求1所述的装置，其特征在于，所述基于来自所述医学图像的数个目标对象图像块使用第二学习网络来确定第二参数的步骤包括：

将所提取的目标对象特征池化为较低的维度；以及

将池化后的特征馈送到分类器以确定所述第二参数。

4.根据权利要求3所述的装置，其特征在于，所述第二学习网络配置为通过将所述数个目标对象图像块的各个目标对象图像块馈送到训练好的第一学习网络来获得相应的目标对象特征，来再利用所述训练好的第一学习网络。

5.根据权利要求4所述的装置，其特征在于，所述第一学习网络包括数个卷积块和数个全连接层，以及被应用于所述数个目标对象图像块之一的所述训练好的第一学习网络的全连接层的输出被用作相应的目标对象特征。

6.根据权利要求3所述的装置，其特征在于，所述分类器是梯度推进机分类器、随机森林分类器和多层感知机中的任何一种。

7.根据权利要求3所述的装置，其特征在于，所述分类器是多层感知机，并且所述第二学习网络被配置为通过使用所述训练好的第一学习网络的权重作为用于各个目标对象图像块的所述第二学习网络的共享相同权重的通路的初始权重，来再利用所述训练好的第一学习网络。

8.根据权利要求3-7中任何一项所述的装置，其特征在于，所述池化包括平均池化、最大池化和特征词袋池化中的任何一种。

9.根据权利要求3所述的装置，其特征在于，所述第二学习网络被配置为通过如下来执行多实例学习：对所述数个目标对象图像块的各个目标对象图像块再利用具有所述一个以上辅助分类层的训练好的第一学习网络，以便提取各个目标对象特征。

10.根据权利要求9所述的装置，其特征在于，所述数个目标对象图像块的各个目标对象图像块的提取的目标对象特征在池化之前被彼此串联。

11.根据权利要求3所述的装置，其特征在于，所述数个目标对象图像块的数量是预定的，如果从所述医学图像中检测出的目标对象图像块的数量小于预定的数量，则剩余数量的目标对象图像块从所述医学图像中随机采样。

12.一种从患者的医学图像自动预测生理状况的系统，所述系统包括：

接口，其配置为接收由成像装置获取的所述医学图像；以及

根据权利要求1-7和9-11中任何一项所述的装置。