[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

说明书

本公开涉及一种从患者的医学图像自动预测生理状况的装置和系统，该装置包括存储器、处理器和存储在存储器上的计算机可执行指令，其中，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生理状况水平，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。该系统能够从患者的医学图像利用诸如3D学习网络的学习网络快速、准确且自动地预测目标对象水平和/或图像(患者)水平生理状况。

技术领域

本公开总体上涉及图像处理和分析。更具体地，本公开涉及用于从患者的医学图像自动预测生理状况的装置和系统。

背景技术

在美国，每年大约225,000人罹患肺癌。早期癌症检测对于患者的存活至关重要。在临床诊断时，诸如放射科医师的有经验的医疗人员通常使用低剂量CT扫描来执行肺癌筛查，其中每次扫描对于单个患者包含约几百幅2D图像。虽然一些机器学习方法被引入辅助放射科医师检测和定位肺结节，但是，通常放射科医师需要为低剂量CT扫描中包含的所有2D图像分析结节的形状、纹理、凝聚性、分叶、周边组织等，以便确定该肺结节是恶性还是良性的，这使之乏味、耗时且易出错。因此，经常需要通过活检的病理分析来确认判断结果。

对于肺癌的诊断的准确性和治疗的效果取决于肺结节的恶性水平预测的质量。对于其他疾病，诸如前列腺癌、中风、冠心病等，诊断的准确性和治疗的效果取决于医学图像分析的质量，尤其对应的目标对象的相关的生理状况预测。具体说来，目标对象包括器官、组织、靶部位等，而生理状况包括恶性还是良性、血管硬化还是健康血管、脑溢血等。

本公开提供一种能够经由学习网络(诸如3D学习网络)从患者的医学图像快速、准确且自动地预测目标对象水平和/或图像(患者)水平的生理状况的系统。用于预测目标对象水平生理状况的学习网络可以被再用于预测图像水平生理状况的学习网络。

发明内容

在一个方案中，本公开涉及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生理状况水平，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生理状况水平，并且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训练好的第一学习网络，以便提取各个目标对象特征作为实例特征。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。