诊断系统技术方案

本发明专利技术涉及一种计算机支持的诊断系统和一种用于支持医学诊断的诊断方法。根据本发明专利技术的诊断系统具有：第一接口，用于读入医学患者照相。此外，设有编码模块，用于借助于未监控的深度学习来机械学习数据编码，以及用于确定包含在患者照相中的患者图像图案的深度学习减少的数据编码。此外设有比较模块，用于将所确定的数据编码与在数据库中存储的参考图像图案的参考编码进行比较，以及用于选择具有与确定的数据编码相似的参考编码的参考图像图案。分配模块用于确定分配给所选择的参考图像图案的关键概念，以及用于将所确定的关键概念分配给患者图像图案。设有第二接口，用于以分配给患者图像图案的方式输出确定的关键概念。

【技术实现步骤摘要】

本专利技术涉及一种计算机支持的诊断系统和一种用于支持医学诊断的诊断方法。
技术介绍
现代医学诊断在大程度上由医学成像来支持，所述医学成像例如基于对患者的放射学的、血管造影学的、超声波学的和/或X光断层扫描的照相。通过放射学的这种医学照相的评估然而通常证实为是耗费的。因此，用于识别脊椎肿瘤的放射学通常必须检查每个单独的在脊椎的照片中绘制的椎骨。因此，为了支持这种诊断，越来越多地力求，在医学照相中通过使用图像分析方法自动识别、检测和/或评估解剖学的特征。已知的是，为了所述目的使用图像分析方法，所述图像分析方法基于机械学习。所述图像分析方法通常具有机械分类器，例如所谓的随机森林分类器，所述随机森林分类器对于要识别的损伤是专用的。然而，这种分类器通常需要具有关于要识别的损伤的手动标注的边界范围的大的训练组。提供这种手动标注的训练组然而是非常耗费的。此外，在这样的分类器的情况下，例如在整个椎骨或整个脊椎的平面上通常不考虑关于相应的要识别的损伤的较大的可视环境。这种基于机械分类器的图像分析方法例如从M.Wels，B.MKelm，A.Tsymbal等在2012年的SPIEMedImagingProc8315中的文章“Multi-stageosteolyticspinalbonelesiondetectionfromCTdatawithinternalsensitivitycontrol”中已知。
技术实现思路
本专利技术的任务是，说明一种诊断系统和诊断方法，所述诊断系统和诊断方法避免上述缺点。所述任务通过具有权利要求1的特征的计算机支持的诊断系统、通过具有权利要求12的特征的计算机支持的诊断方法、通过具有权利要求13的特征的计算机程序产品以及通过具有权利要求14的特征的计算机可读的存储介质来解决。在根据本专利技术的用于支持医学诊断的诊断系统中，设有第一接口，用于读入医学的患者照相。患者照相尤其能够是X光、超声波和/或磁共振照片，所述X光、超声波和/或磁共振照片示出器官的或其他身体结构的平面的或立体的图像。诊断系统此外具有编码模块，用于借助于未监控的深度学习来机械学习图像图案（Bildmuster）的数据编码或者用于确定包含在患者照相中的患者图像图案的深度学习减少的数据编码。数据库用于存储多个医学参考图像图案连同所属的诊断相关的关键概念。此外，设有比较模块，用于根据相似度将确定的数据编码与在数据库中存储的参考图像图案的参考编码进行比较，以及用于选择具有与确定的数据编码在相似度方面相似的参考编码的参考图像图案。分配模块用于确定分配给所选择的参考图像图案的关键概念以及用于将确定的关键概念分配给患者图像图案。此外，设有第二接口，用于输出确定的分配给患者图像图案的关键概念。要通过根据本专利技术的诊断系统实施的方法步骤是根据本专利技术的诊断方法的主题。本专利技术的重要优点在于，基于未监控的深度学习的编码模块也能够借助未分类的训练图像图案来训练。尤其是在多种情况下，能够放弃对要识别的特征的手动分类。在该上下文中，通常能够取消借助于器官模型的耗费的器官识别。通过将关键概念分配给患者图像图案，可以以直观的方式象征地描述后者，由此能够有效地支持医学诊断。尤其是，能够以可视地分配给患者图像图案的方式输出确定的关键概念。本专利技术的有利的实施方式和改进方案在从属权利要求中说明。根据本专利技术的一个有利的实施方式，编码模块能够包括神经自动编码器，用于确定减少的数据编码。这种神经自动编码器是仿造的神经网络，所述网络能够学习输入数据的尤其有效的数据编码。尤其是，神经自动编码器能够包括输入层，用于输入原始图像数据、低等级图像特征和/或通过卷积的神经网络学习的图像特征。卷积的神经网络通常也称作为卷积神经网络。此外，用于编码模块的基于深度学习的训练的训练组能够包括多个医学参考图像图案。有利地，诊断相关的关键概念能够说明所分配的参考图像图案的局部特性和/或关于患者的对图像图案有决定性意义的信息。根据本专利技术的一个有利的实施方式，相似度能够是机械学习的相似度。优选地，相似度能够根据与编码模块相同的训练组来训练。根据本专利技术的一个有利的改进方案，能够设有分段模块，用于确定器官的、器官部分的和/或器官区域的位置、定向和/或尺寸，以及用于将患者照相分成对器官、器官部分和/或器官区域特定的患者图像段。患者图像段在此能够理解成要编码的患者图像图案。分段尤其能够根据监控地和/或未监控地学习的图像图案来进行。以所述方式，能够将患者照相分成患者图像段，所述患者图像段例如分别示出脊椎的各个椎骨或其他解剖学的单独结构。器官的、器官部分的和/或器官区域的患者图像段于是能够关于位置、定向和/或尺寸以区段特定的方式标准化。由此，识别和/或比较相关的解剖学的结构能够明显简化。有利地，编码模块能够被设立用于，优选基于深度学习来确定患者图像段的区段特定的数据编码。此外，具有分配的诊断相关的关键概念的多个医学参考图像图案能够包括具有分配的区段特定的关键概念的多个参考图像段。以所述方式，也能够根据参考图像图案来确定区段特定的关键概念。确定的区段特定的关键概念能够通过第二接口优选以可视地分配给相关的患者图像段的方式输出。此外，分配模块能够被设立用于，根据确定的数据编码和与此相似的参考编码之间的相似度和/或根据确定所述关键概念的频率，为确定的关键概念分配重要值。重要值能够通过第二接口以优选可视地分配给所分配的关键概念的方式输出。尤其是，重要值能够通过所分配的关键词本身可视化，例如通过与重要值相关的粗体印刷或字母大小。此外，能够设有组合模块，用于将针对不同的患者图像段确定的关键概念根据这些确定的关键概念的重要值组合成组合的关键概念。尤其是，用于器官的或器官部分的不同区段的区段特定的关键概念能够组合成用于整个器官或整个器官部分的组合的关键概念并且以优选可视地分配给所述器官或器官部分的方式输出。于是，组合的关键概念能够构成对于所述器官或所述器官部分的象征的描述。此外，对于不同的器官、器官部分和/或其他患者图像段组合的关键概念在其方面能够组合成用于患者的一个或多个更高一级的关键概念。输出更高一级的关键概念能够以分配给患者作为患者报告或检验结果的方式进行。于是，更高一级的关键概念能够形成象征的、涉及患者的诊断的描述。附图说明下面根据附图详细阐述本专利技术的实施例。在此，分别以示意图示出：图1示出根据本专利技术的诊断系统，并且图2示出神经自动编码器的层结构。具体实施方式图1图解说明根据本专利技术的用于根据患者的医学照相来支持医学诊断的诊断系统DS。诊断系统DS具有与医学照相装置XT、例如X光断层扫描仪、磁共振断层扫描仪、超声波设备或其他拍照装置的第一接口I1，所述医学拍照装置提供患者的身体结构的照相。第一接口I1用于读入照相装置XT的医学患者照相。患者照相尤其能够是空间分辨的立体图像，所述图像以图像数据的形式、例如作为体素值的阵列传递。在下文中，将患者照相PIM视作为代表全部患者照相。患者照相PIM、例如脊椎的X光断层扫描的照片通常包括多个诊断相关的图像图案，所述图像图案示出解剖学的结构。下面，将包含在患者照相PIM中的图像图案称作为患者图像图案。出于概览原因，在此通常将患者图像图案PM视作为代表全部患者图像图本文档来自技高网...

【技术保护点】
用于支持医疗诊断的计算机支持的诊断系统（DS），具有：a）第一接口（I1），用于读入医学患者照相（PIM）；b）编码模块（CM），用于借助于未监控的深度学习来机械学习数据编码，并且用于确定包含在所述患者照相（PIM）中的患者图像图案（PM，PS）的深度学习减少的数据编码（DK）；c）数据库（DB），用于存储多个医学参考图像图案（RM1，RM2，RS1，RS2，……）连同所分配的诊断相关的关键概念（K1，K2，KS1，KS2，……）；d）比较模块（VM），用于根据相似度（SM）将所确定的数据编码（DK）与在所述数据库（DB）中存储的参考图像图案（RM1，RM2，RS1，RS2，……）的参考编码（RK）进行比较，并且用于选择具有与确定的数据编码（DK）在所述相似度（SM）方面相似的参考编码（RK）的参考图像图案（RS1，RS2）；e）分配模块（ZM），用于确定分配给所选择的参考图像图案（RS1，RS2）的关键概念（KS1，KS2），并且用于将所确定的关键概念（KS1，KS2）分配给所述患者图像图案（PS），和f）第二接口（I2），用于以分配给所述患者图像图案（PS）的方式输出确定的关键概念（KS1，KS2）。...

【技术特征摘要】
2015.09.11 DE 102015217429.81.用于支持医疗诊断的计算机支持的诊断系统（DS），具有：a）第一接口（I1），用于读入医学患者照相（PIM）；b）编码模块（CM），用于借助于未监控的深度学习来机械学习数据编码，并且用于确定包含在所述患者照相（PIM）中的患者图像图案（PM，PS）的深度学习减少的数据编码（DK）；c）数据库（DB），用于存储多个医学参考图像图案（RM1，RM2，RS1，RS2，……）连同所分配的诊断相关的关键概念（K1，K2，KS1，KS2，……）；d）比较模块（VM），用于根据相似度（SM）将所确定的数据编码（DK）与在所述数据库（DB）中存储的参考图像图案（RM1，RM2，RS1，RS2，……）的参考编码（RK）进行比较，并且用于选择具有与确定的数据编码（DK）在所述相似度（SM）方面相似的参考编码（RK）的参考图像图案（RS1，RS2）；e）分配模块（ZM），用于确定分配给所选择的参考图像图案（RS1，RS2）的关键概念（KS1，KS2），并且用于将所确定的关键概念（KS1，KS2）分配给所述患者图像图案（PS），和f）第二接口（I2），用于以分配给所述患者图像图案（PS）的方式输出确定的关键概念（KS1，KS2）。2.根据权利要求1所述的诊断系统，其特征在于，所述编码模块（CM）包括神经自动编码器（AENC），用于确定减少的数据编码（DK）。3.根据权利要求2所述的诊断系统，其特征在于，所述神经自动编码器（AENC）包括输入层（L1），用于输入原始图像数据、低等级图像特征和/或通过卷积神经网络学习的图像特征。4.根据上述权利要求中任一项所述的诊断系统，其特征在于，用于所述编码模块（CM）的基于深度学习的训练的训练组包括多个医学参考图像图案（RM1，RM2，RS1，RS2，……）。5.根据上述权利要求中任一项所述的诊断系统，其特征在于，诊断相关的关键概念（K1，K2，KS1，KS2，……）说明分配的参考图像图案的局部特性和/或关于患者的对图像图案具有决定性意义的信息。6.根据上述权利要求中任一项所述的诊断系统，其特征在于，所述相似度（SM）是机械学习的相似度。7.根据上述权利要求中任一项所述的诊断系统，其特征在于分段模块，用于确定器官的、器官部分的和/或器官区域的位置、定向...

【专利技术属性】
技术研发人员：O保利，
申请(专利权)人：西门子保健有限责任公司，
类型：发明
国别省市：德国;DE