[发明专利]用于检索医学X射线的系统和方法

说明书

一种用于检索医学X射线的系统包括经训练的卷积神经网络(CNN)、平衡特征生成器、平衡类型选择器以及K最近邻(KNN)分类器。所述经训练的CNN将多幅诊断X射线图像编码为多个候选嵌入，并且将部分诊断X射线图像编码为查询嵌入。所述平衡特征生成器根据所述查询嵌入和所述多个候选嵌入来产生多个虚拟候选嵌入。所述平衡类型选择器选择所述多个虚拟候选嵌入的子集。所述KNN分类器在所述查询嵌入与所述多个候选嵌入和所述多个虚拟候选嵌入的所述子集之间执行KNN搜索。

相关申请的交叉引用

本申请要求2021年9月22日提交的美国临时专利申请US 63/246,854以及2022年9月4日提交的美国临时专利申请US 63/403,763的优先权，这两者均通过引用并入本文。

技术领域

本发明总体涉及相似性搜索，并且具体涉及X射线图像搜索。

背景技术

当放射科医生遇到不明确的病例时，他们通常在公共或内部数据库中搜索相似病例，这将在诊断决策制定过程中帮助他们。这样的搜索对他们的工作流程是很大的负担，并且减少了诊断其他病例可用的时间。重要的是利用自动的基于内容的图像检索系统来替换这样的人工密集型搜索。

在MICCAI 2020上，由Wilson Silva、Alexander Poellinger、Jaime S.Cardoso和Mauricio Reyes在他们的论文“Interpretability-Guided Content-Based MedicalImage Retrieval”中，Silva等人描述了如在图1中所示的医学图像检索系统100。系统100具有卷积神经网络(CNN)疾病分类器103和K最近邻(KNN)搜索器105。CNN疾病分类器103是使用公开可用的胸部X射线图像训练数据集训练的CNN。如在该论文中所描述的，使用CNN疾病分类器103将来自相同的公开可用集合的多个候选诊断胸部X射线101编码到多个候选确诊嵌入(embedding)102中。

然后，KNN搜索器105使用候选诊断嵌入102相对于查询部分诊断X射线107执行KNN搜索，所述查询部分诊断X射线107已经类似地被编码到查询部分诊断嵌入108中。因此，由KNN搜索器105返回与查询部分诊断X射线107最相似的K个(例如10个)候选诊断嵌入102。然后，系统100将与K个候选诊断嵌入102相关联的候选诊断胸部X射线101返回给操作者，作为数据库中与部分诊断X射线107最相似的K个大多数病例。

发明内容

因此，根据本发明的优选实施例，提供了一种用于检索医学X射线的系统。所述系统包括经训练的卷积神经网络(CNN)、平衡特征生成器、平衡类型选择器以及K最近邻(KNN)分类器。所述经训练的CNN将多幅诊断X射线图像编码为多个候选嵌入，并且将部分诊断X射线图像编码为查询嵌入。所述平衡特征生成器根据所述查询嵌入和所述多个候选嵌入来产生多个虚拟候选嵌入。所述平衡类型选择器选择所述多个虚拟候选嵌入的子集。所述KNN分类器在所述查询嵌入与多个候选嵌入和所述多个虚拟候选嵌入的子集之间执行KNN搜索。

此外，根据本发明的优选实施例，所述系统包括诊断X射线图像数据存储部、嵌入数据存储部和平衡嵌入数据存储部。所述诊断X射线图像数据存储部存储所述多幅诊断X射线图像，所述嵌入数据存储部存储所述多个候选嵌入，以及平衡嵌入数据存储部。所述平衡嵌入数据存储部存储所述多个虚拟候选嵌入。

此外，根据本发明的优选实施例，所述系统包括目标诊断选择器，在所述目标诊断选择器所述KNN搜索的所述执行之前从所述KNN分类器中过滤被存储在所述嵌入数据存储部中的不想要的候选嵌入。