为了生成带注释的基础事实数据，该带注释的基础事实数据用于训练机器学习模型以从检查准备期间观察到的工作流程场景推断出医学成像系统的期望的扫描配置，提供了一种系统，该系统包括传感器数据接口，其被配置成访问被定位成用于成像检查的患者的测量图像。测量图像是基于从传感器装置获得的传感器数据生成的，传感器装置具有包括患者被定位在其中以便成像的区域的至少一部分的视场。该系统还包括医学图像数据接口，其被配置成访问在成像检查期间从医学成像设备获得的患者的医学图像。患者被相对于医学成像设备的参考坐标系定位在给定的几何形状中。该系统还包括检查元数据接口，其被配置成访问成像检查的检查元数据。该系统还包括处理单元，其被配置成通过将医学图像的坐标系中的点映射到测量图像的坐标系中的点来确定测量图像中的一个或多个特征与从医学图像和/或从检查元数据提取的一个或多个特征之间的关联。该系统还包括输出接口，其被配置成与训练集数据库联接，用于将包括标记了测量图像中的一个或多个相关联的特征的数据的测量图像添加到用于训练机器学习模型的训练集数据库。练集数据库。练集数据库。
【技术实现步骤摘要】
【国外来华专利技术】具有自动的基础事实生成的自学习分布式系统
[0001]本专利技术涉及用于生成带注释的基础事实数据的系统和方法，该带注释的基础事实数据用于训练机器学习模型以从检查准备期间观察到的工作流程场景推断出医学成像系统的期望的扫描配置。本专利技术还涉及包括该系统的医学成像系统，以及包括用于致使处理器系统执行该方法的指令的计算机可读介质。
技术介绍
[0002]在许多情况下，医学成像检查的适当准备和执行(例如在X射线成像中)涉及到技术操作人员基于他对解剖和生理上的患者特征的理解而手动地选择参数。例如，在计算机断层扫描(CT)成像中，期望的扫描区域的选择分两步进行：首先，使用激光点定义适当的身体区域，这决定了探查扫描的几何形状，然后，在探查图像上选择适当的关注区域。
[0003]为了减少成像检查的总时间，并减少人工操作引起的差异性，近年来已经开发了基于计算机的工具(如机器学习)，以用于确定医学成像检查的扫描配置。例如，US 2015/0228071 A1描述了深度图像上的地标可以通过使用经过训练的机器学习算法而被识别。
[0004]然而，在上述方法中，需要使用已被相应地标记的数据来开发和训练算法，这些数据大多是基于人工或半自动的过程。基础事实生成的这个初始阶段往往是限制算法最终性能的因素，要么是由于准确标注的输入数据数量有限，要么是由于标注的不准确。另一个限制是，机器学习和深度学习系统是在所有可能的数据的子集上训练一次，然后在现场应用于新的数据，而没有可能进一步扩展训练数据库。如果出现具有新的和未预见的特征的数据，要么该系统表现不佳，要么需要开始基于新的标记的数据进行新的训练。
技术实现思路
[0005]可能需要提供一种用于生成带注释的基础事实数据的系统，该带注释的基础事实数据用于训练机器学习模型。
[0006]本专利技术的目的通过独立权利要求的主题得到了解决，其中进一步的实施例被并入从属权利要求中。应指出的是，本专利技术的以下描述方面也适用于系统、方法、医学成像系统和计算机可读介质。
[0007]本专利技术的第一方面提供了一种用于生成带注释的基础事实数据的系统，该带注释的基础事实数据用于训练机器学习模型以从检查准备期间观察到的工作流程场景推断出医学成像系统的期望的扫描配置，该系统包括：
[0008]‑
检查元数据接口，其被配置成访问利用至少一个医学成像系统进行的成像检查的检查元数据，其中检查元数据包括关于该至少一个医学成像系统的配置的信息；
[0009]‑
传感器数据接口，其被配置成访问患者的测量图像，该患者被相对于用于成像检查的至少一个医学成像系统的医学成像设备的参考坐标系定位在给定的几何形状中，其中，测量图像是基于从传感器装置获得的传感器数据生成的，传感器装置具有包括患者被定位在其中以便成像的区域的至少一部分的视场；和
[0010]‑
医学图像数据接口，其被配置成访问在成像检查期间从医学成像设备获得的患者的医学图像；和
[0011]‑
处理单元，其被配置成通过将医学图像的坐标系中的点映射到测量图像的坐标系中的点来确定测量图像中的一个或多个特征与从医学图像和/或从检查元数据提取的一个或多个特征之间的关联；和
[0012]‑
输出接口，其被配置成与训练集数据库联接，用于将包括标记了测量图像中的一个或多个相关联的特征的数据的测量图像添加到用于训练机器学习模型的训练集数据库。
[0013]换句话说，上述系统涉及在成像检查中获得患者的测量图像，该成像检查可能是常规检查或研究检查。测量图像可以是深度图像或RGB图像的形式。测量图像是在患者被定位以进行成像检查时获得的，例如，通过在成像检查的视场内躺着或站着。测量图像不一定要包括患者的整个身体表面；它可能只与患者的身体表面的一部分有关，这与成像检查有关。例如，如果关注的解剖结构是患者的颈部，那么传感器装置可以只捕获患者上半身的测量图像。
[0014]上述系统还涉及获得成像检查的检查元数据。检查元数据可以从医学成像设备(如X射线成像设备，或磁共振(MR)成像设备)的日志文件中获得。检查元数据也可以从连接的信息、数据存档系统(如放射学信息系统(RIS)、医院信息系统(HIS)和/或图片存档和通信系统(PACS))、和/或从其他工作站获得。检查元数据可包括由操作人员规划的扫描体积的配置参数，利用该配置参数可以从医学图像中提取一个或多个特征。
[0015]上述系统进一步涉及获得在成像检查期间由医学成像设备获取的患者的医学图像。医学图像可包括二维(2D)、三维(3D)或四维(4D)图像，这些图像通过各种获取模式来获取，包括但不限于X射线成像、MR成像、CT成像、正电子发射断层扫描(PET)成像。医学成像设备的进一步示例包括组合式治疗/诊断设备，如MR
‑
Linac设备、MR质子治疗设备和/或锥形束CT设备。
[0016]完全自动化的操作可用于计算一个或多个特征，如通过医学成像设备获取的医学图像中的地标、器官边界、关注区域和/或图像标记。一种选择是使用图像处理算法，如图像检测算法，其找到医学图像中的一个或多个特征的近似中心和边界框。另一种选择是从由操作人员规划的扫描体积的配置参数中提取一个或多个特征。
[0017]在医学图像中提取的一个或多个特征，例如地标、器官边界、关注区域和/或图像标记，可以被映射到患者的测量图像，以确定测量图像中的一个或多个相关联的特征。在成像检查期间，传感器装置和至少一个医学成像系统之间的相对几何关系可用于映射由传感器装置获取的图像的坐标系中的点和由医学成像设备获取的医学图像的坐标系中的点。术语“相对几何关系”可指传感器装置的视场和成像系统的视场之间的几何关系。带有标记了测量图像中一个或多个相关联的特征的数据的测量图像可被添加到用于机器学习模型的训练数据集数据库中。
[0018]通过使用上述系统，关注的内部解剖结构的位置和大小可以在测量图像中自动地标记，以产生带注释的基础事实数据。带注释的基础事实数据可以从一个或多个临床站点的常规检查中产生。这种持续的、无监督的获取带注释的基础事实数据的过程为生成大型基础事实数据库提供了基础，从而克服了通过手动或半自动的过程获得的有限数量的训练集的缺点。标记的准确性也可以得到改善，因为测量图像中的相关联的特征是从医学图像
中的特征转化来的，这些特征是通过图像检测算法提取的，或基于由被认为是专家的操作人员规划的扫描体积的配置参数。大量的带注释的基础事实数据可能对训练机器学习模型是至关重要的。例如，对于深度学习方法来说，必须用非常大量的数据来训练神经网络，以避免过拟合效应，即确保经过训练的系统良好地推及到未见过的数据。该系统的另一个优点是，带注释的基础事实数据是从常规检查和研究检查中持续地产生的，从而进一步且持续地扩展训练集数据库。如果出现具有新的和未预见的特征的数据，或者如果需要对训练过的系统的预期结果进行调整，持续扩展的训练集数据库可以允许保留机器学习模型，以用于随时间推移发生的变化。
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于生成带注释的基础事实数据的系统(100)，所述带注释的基础事实数据用于训练机器学习模型以从检查准备期间观察到的工作流程场景推断出医学成像系统的期望的扫描配置，所述系统包括：
‑
检查元数据接口(110)，其被配置成访问利用至少一个医学成像系统进行的成像检查的检查元数据(30)，其中所述检查元数据包括关于所述至少一个医学成像系统的配置的信息；
‑
传感器数据接口(120)，其被配置成访问患者(12)的测量图像(10)，所述患者被相对于用于所述成像检查的所述至少一个医学成像系统的医学成像设备(50)的参考坐标系定位在给定的几何形状中，其中所述测量图像是基于从传感器装置(16)获得的传感器数据生成的，所述传感器装置具有包括所述患者被定位在其中以便成像的区域的至少一部分的视场；
‑
医学图像数据接口(130)，其被配置成访问所述患者的医学图像(20)，所述医学图像(20)是在所述成像检查期间从所述至少一个医学成像系统的所述医学成像设备获得的；
‑
处理单元(140)，其被配置成通过将所述医学图像的坐标系中的点映射到所述测量图像的坐标系中的点来确定所述测量图像中的一个或多个特征(18)与从所述医学图像和/或从所述检查元数据中提取的一个或多个特征(28)之间的关联；及
‑
输出接口(150)，其被配置成与训练集数据库(160)联接，以用于将包括标记了所述测量图像中的一个或多个相关联的特征的数据的所述测量图像添加到用于训练所述机器学习模型的所述训练集数据库。2.根据权利要求1所述的系统，其中，所述处理单元被配置成使用图像处理算法从所述医学图像中提取所述一个或多个特征，和/或从所述检查元数据中得出所述医学图像中的一个或多个特征，所述检查元数据包括由操作人员规划的扫描体积的配置参数。3.根据权利要求1或2所述的系统，其中，所述系统还包括：
‑
控制单元(170)，其被配置成执行下列功能中的至少一项：
‑
启动所述带注释的基础事实数据的收集；
‑
中断所述带注释的基础事实数据的收集；和
‑
停止所述带注释的基础事实数据的收集。4.根据前述权利要求中的任一项所述的系统，其中，所述系统还包括：
‑
存储装置(180)，用于存储从一个或多个临床站点获得的所述训练集数据库。5.根据前述权利要求中的任一项所述的系统，其中，所述处理单元被配置成处理所述检查元数据以获得所述成像检查的检查细节，所述检查细节包括以下中的至少一项：
‑
检查目标的解剖结构；
‑
与患者设置和检查准备工作流程有关的数据，其包括患者取向和偏侧性、用于所述成像检查的特定装置的存在和/或患者支架插入期间的轨迹；
‑
与成像工作流程有关的数据，其包括扫描活动和/或患者支架的运动；以及
‑
用于来自分布式子部件的数据的时间配准的方法；以及其中，所述输出接口被配置成与所述训练集数据库联接，以用于将包括所述成像检查
的检查细节的数据添加到用于训练所述机器学习模型的所述训练集数据库。6.根据前述权利要求中的任一项所述的系统，其中，所述处理单元被配置成处理所述元数据以获得所述患者的非图像患者数据，所述非图像患者数据包括以下中的至少一项：
‑
所述患者的体重、BMI、身高；
‑
所述患者的年龄；
‑
所述患者的性别；
‑
所述患者的医学状况，其包括怀孕、对某些造影剂或其他物质过敏，和/或存在植入物；
‑
所述患者的健康水平的量化；
‑
呼吸速率；
‑
脉搏速率；
‑
与所述患者相关的疾病诊断；
‑
与所述患者相关的用药记录；以及
‑
与所述患者相关的生命参数记录；以及其中，所述输出接口被配置成与所述训练集数据库联接，以用于将所述非图像数据添加到用于训练所述机器学习模型的所述训练...
【专利技术属性】
技术研发人员：J，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。