用于利用深度学习模型的计算机辅助诊断的方法和系统技术方案

本发明专利技术提供了用于计算机辅助诊断的各种方法和系统。在一个实施方案中，一种方法包括：用成像系统获取受试者的医学图像；用与机构的放射科医生相关联的放射科医生模型为医学图像生成计算机辅助诊断，该放射科医生模型包括借助由放射科医生提供的多个诊断进行训练的深度神经网络；经由显示设备向放射科医生显示医学图像和计算机辅助诊断；以及基于医学图像选择性地更新放射科医生模型、与机构相关联的机构模型，以及与包含机构的地理区域相关联的地理模型中的一者或多者。以此方式，被配置作为放射科医生的数字孪生的深度神经网络模型可为放射科医生提供辅助。可为放射科医生提供辅助。可为放射科医生提供辅助。

【技术实现步骤摘要】
【国外来华专利技术】用于利用深度学习模型的计算机辅助诊断的方法和系统


[0001]本文所公开的主题的实施方案涉及诊断性成像，并且更具体地涉及用于诊断性成像的计算机辅助诊断。

技术介绍

[0002]医疗成像系统通常用于获得受检者(例如患者)的内部生理信息。例如，医学成像系统可用于获得受检者的骨骼结构、内脏器官(例如，脑部、心脏、肺部)、血管血流和各种其他特征的图像。医学成像系统可包括磁共振成像(MRI)系统、计算机断层摄影(CT)系统、x射线系统、超声系统、核医学系统和各种其他成像模态。
[0003]放射科医生专门使用经由此类医学成像系统获取的图像来诊断和治疗损伤和疾病。可对放射科医生进行培训以使用医学成像系统获取医学图像，或者放射科医生可以与受过专门培训的成像技术人员合作以控制医学成像系统以获取医学图像。放射科医生查看和解释医学图像以确定诊断。

技术实现思路

[0004]在一个实施方案中，一种方法包括：用成像系统获取受试者的医学图像；用与机构的放射科医生相关联的放射科医生模型为医学图像生成计算机辅助诊断，该放射科医生模型包括借助由放射科医生提供的多个诊断进行训练的深度神经网络；经由显示设备显示医学图像和计算机辅助诊断；以及基于该医学图像选择性地更新放射科医生模型、与机构相关联的机构模型以及与包含机构的地理区域相关联的地理模型中的一者或多者。以此方式，被配置作为放射科医生的数字孪生(digital twin)的深度神经网络模型可为放射科医生提供辅助，提高准确度，同时避免深度神经网络模型的过度拟合。
[0005]应当理解，提供上面的简要描述来以简化的形式介绍在具体实施方式中进一步描述的精选概念。这并不意味着识别所要求保护的主题的关键或必要特征，该主题的范围由具体实施方式后的权利要求书唯一地限定。此外，所要求保护的主题不限于解决上文或本公开的任何部分中提到的任何缺点的实施方式。
附图说明
[0006]通过参考附图阅读以下对非限制性实施方案的描述将更好地理解本专利技术，其中以下：
[0007]图1是根据本专利技术的实施方案的用于放射科医生的深度学习模型的集成的计算环境的框图；
[0008]图2是示出根据本专利技术的实施方案的用于放射科医生的深度学习模型的集成的示例性架构的框图；
[0009]图3是示出根据本专利技术的实施方案的用于用放射科医生的深度学习模型提供计算机辅助诊断的示例性方法的高级别流程图；
[0010]图4是示出根据本专利技术的实施方案的用于更新放射科医生的深度学习模型的集成中的一个或多个模型的示例性方法的高级别流程图；并且
[0011]图5是示出根据本专利技术的实施方案的用于部署放射科医生的一个或多个更新后的深度学习模型的示例性方法的高级别流程图。
具体实施方式
[0012]以下描述涉及用于利用深度学习模型的计算机辅助诊断的各种实施方案。具体地，提供了用于用深度神经网络集成对放射科医生生态系统进行建模的系统和方法。系统(诸如图1中所示的系统)包括多个机构，每个机构与一个或多个放射科医生相关联，分布在具有不同诊断性成像协议和实践的多个地理区域上。尽管在理想情况下，诊断建议的方法论是客观的，但是放射科医生作出的诊断取决于放射科医生的判断和个人偏好，因此，诊断建议的方法论最终是主观的。不同放射科医生的诊断偏好可能迥然不同。为了向放射科医生提供适应不同放射科医生的不同偏好的准确的计算机辅助诊断，可提供连续学习深度神经网络集成，作为放射科医生数字孪生，以辅助放射科医生进行诊断。此类深度学习模型的集成(诸如图2所示的深度学习模型的集成)还包括用于每个机构的深度学习模型、用于每个地理区域的深度学习模型以及基线神经网络模型。最初借助来自多名放射科医生的数据对基线神经网络模型进行训练，然后对其进行定制以匹配放射科医生的独特诊断方法和偏好。具体地，还将基线神经网络定制为地理特定的模型，进而将该地理特定的模型定制为机构特定的模型，进而将该机构特定的模型定制为放射科医生特定的模型。深度神经网络的集成是借助来自多个机构和地区的众多放射科医生的成像和报告数据进行连续但有选择性的训练，并且因此包括放射科医生生态系统的数字孪生。通过对深度神经网络的输出和/或放射科医生的原始注释和诊断进行校正，基于反馈连续地对集成中的层级结构的每个级别的深度神经网络进行更新。该集成允许进行连续的时间上的更新和明智的集成比较，从而允许对放射科医生特定的数字孪生进行个性化处理，同时保持集成级别的一致性。此外，用于提供计算机辅助诊断的方法(诸如图3中所示的方法)还允许放射科医生在其它机构处访问其他放射科医生的数字孪生，作为“第二意见”来改善放射科医生的诊断和放射科医生的数字孪生的计算机辅助诊断。用于更新集成的不同级别的方法(诸如图4中所示的方法)包括参照放射科医生的诊断评估放射科医生模型、机构模型和地理模型的性能。可基于模型的性能选择性地更新和部署模型，如图5所示。
[0013]图1是根据本专利技术的实施方案的用于放射科医生的深度学习模型的集成的计算系统100的框图。计算系统100包括机构101的计算系统110，该计算系统经由网络140以能够通信的方式地联接到多个机构150中的每个机构151以及服务器160。机构101和多个机构150中的每个机构151包括医学机构或设施，诸如医院或诊所。
[0014]机构101包括成像系统105，该成像系统被配置为获取受试者(诸如患者)的至少一部分的医学图像。成像系统105可包括医学成像系统，诸如x射线放射照相系统、超声成像系统、计算机断层摄影(CT)成像系统、核医学成像系统，诸如正电子发射断层摄影(PET)系统、磁共振成像(MRI)系统等。例如，机构101可包括各种成像模态的多个成像系统105。
[0015]机构101还包括显示设备107，该显示设备被配置为显示经由成像系统105获取的医学图像，以便由机构101的放射科医生查看。显示设备107可包括用几乎任何类型的技术
的一个或多个显示设备。在一些实施方案中，作为非限制性示例示例，显示设备107可包括计算机监视器。显示设备107可以与用户接口108和共享壳体中的计算系统110中的一者或多者组合，也可以是外围显示设备并且可包括本领域已知的监视器、触摸屏、投影仪或其它显示设备。
[0016]放射科医生可经由用户接口108提供关于经由显示设备107显示的医学图像的用户输入，诸如诊断、医学图像的注释等。用户接口108可包括一个或多个输入设备，包括但不限于触摸屏、键盘、鼠标、触控板、运动感测相机，或被配置为使用户能够与机构101的计算系统110内的数据进行交互并对其进行调控的另一设备。
[0017]机构101的计算系统110包括处理器112，该处理器被配置为执行存储在存储器114中的机器可读指令。处理器112可包括单核处理器或多核处理器，并且在其上执行的程序可以被配置为用于进行并行或分布式处理。在一些实施方案中，处理器112可以可选地包括分布在两个或更多个设备中的单独部件，这些单独部件可被远程定位以及/或者被配置用于协调本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，所述方法包括：用成像系统获取受试者的医学图像；用与机构的放射科医生相关联的放射科医生模型为所述医学图像生成计算机辅助诊断，所述放射科医生模型包括借助由所述放射科医生提供的多个诊断进行训练的深度神经网络；经由显示设备显示所述医学图像和所述计算机辅助诊断；以及基于所述医学图像选择性地更新以下中的一者或多者：所述放射科医生模型、与所述机构相关联的机构模型，以及与包含所述机构的地理区域相关联的地理模型。2.根据权利要求1所述的方法，所述方法还包括用与第二放射科医生相关联的第二放射科医生模型生成第二计算机辅助诊断，并且经由所述显示设备向所述放射科医生显示所述第二计算机辅助诊断。3.根据权利要求1所述的方法，所述方法还包括经由用户接口接收来自所述放射科医生的所述医学图像的诊断，其中，基于所述医学图像选择性地更新所述放射科医生模型、所述机构模型和所述地理模型中的所述一者或多者包括基于所述诊断和所述医学图像选择性地更新所述放射科医生模型、所述机构模型和所述地理模型中的所述一者或多者。4.根据权利要求3所述的方法，所述方法还包括基于所述诊断和所述计算机辅助诊断来评估所述放射科医生模型的性能，其中，选择性地更新所述放射科医生模型、所述机构模型和所述地理模型中的所述一者或多者包括响应于所述放射科医生模型的所述性能低于所述放射科医生模型的性能阈值，基于所述医学图像和所述诊断来更新所述放射科医生模型。5.根据权利要求3所述的方法，所述方法还包括用所述机构模型为所述医学图像生成第三计算机辅助诊断，并且基于所述诊断和所述第三计算机辅助诊断来评估所述机构模型的性能，其中，选择性地更新所述放射科医生模型、所述机构模型和所述地理模型中的所述一者或多者包括响应于所述机构模型的所述性能低于所述机构模型的性能阈值，基于所述医学图像和所述诊断来更新所述机构模型。6.根据权利要求3所述的方法，所述方法还包括用所述地理模型为所述医学图像生成第四计算机辅助诊断，并且基于所述诊断和所述第四计算机辅助诊断来评估所述地理模型的性能，其中，选择性地更新所述放射科医生模型、所述机构模型和所述地理模型中的所述一者或多者包括响应于所述地理模型的所述性能低于所述地理模型的性能阈值，基于所述医学图像和所述诊断来更新所述地理模型。7.根据权利要求3所述的方法，所述方法还包括基于所述医学图像和所述诊断来更新基线深度神经网络模型，其中，所述基线深度神经网络模型最初是借助多名放射科医生的诊断决策进行训练，并且其中，所述放射科医生模型、所述机构模型和所述地理模型最初是从所述基线深度神经网络模型生成的。8.根据权利要求3所述的方法，所述方法还包括评估所述放射科医生模型相对于所述机构模型和所述地理模型中的一者或多者的性能。9.一种方法，所述方法包括：借助多名放射科医生的诊断决策对基线神经网络模型进行训练；借助对应于地理区域的所述多名放射科医生的子组的诊断决策对所述基线神经网络
模型进行训练以生成地理模型；使用对应于所述地理区域中的机构的所述多名放射科医生的所述子组中的子组的诊断决策对所述地理模型进行训练以生成机构模型；借助所述多名放射科医生中的放射科医生的诊断决策对所述机构模型进行训练以生成放射科医生模型，所述放射科医生与所述地理区域中的所述机构相关联；用所述放射科医生模型为患者生成计算机辅助诊断；接收来自所述放射科医生的关于所述计算机辅助诊断的反馈；以及基于所述反馈选择性地更新所述基线神经网络模型、所述地理模型、所述机构模型和所述放射科医生模型中的一者或多者。10.根据权利要求9所述的方法，所述方法还包括借助对应于第二地理区域的所述多名放射科医生的第二子组的诊断决策对所述基线神经网络模型进行训练以生成第二地理模型；借助对应于所述第二地理区域中的第二机构的所述多名放射科医生的所述第二子组中的子组的诊断决策对所述第二地理模型进行训练以生成第二机构模型，以及借助所述多名放射科医生中的第二放射科医生的诊断决策...

【专利技术属性】
技术研发人员：钱丹，
申请(专利权)人：通用电气精准医疗有限责任公司，
类型：发明
国别省市：