本发明专利技术涉及一种计算机实施的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法。该方法包括以下步骤:接收多个医学图像,其中多个医学图像至少包括第一批多个医学图像和第二批多个医学图像,并且每批多个医学图像包括相同或不同患者的相同解剖结构,针对第一批多个医学图像,接收解剖结构的特征的第一测量数据(R1),其中第一测量数据(R1)由第一用户获得的,针对第一批多个医学图像,通过自动测量工具(1)确定解剖结构的特征的第一基线测量数据(C1),基于第一测量数据(R1)和第一基线测量数据(C1)确定第一用户的第一测量偏差(B1),针对第二批多个医学图像,接收解剖结构的特征的第二测量数据(R2),其中第二测量数据(R2)由第二用户获得,第二用户与第一用户不同,针对第二批多个医学图像,通过自动测量工具(1)确定解剖结构的特征的第二基线测量数据(C2),基于第二测量数据(R2)和第二基线测量数据(C2)确定第二用户的第二测量偏差(B2),以及将第一测量偏差(B1)与第二测量偏差(B2)进行比较。比较。比较。
【技术实现步骤摘要】
【国外来华专利技术】计算机实施的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法
[0001]本专利技术涉及一种计算机实施的用于自动分析在解剖结构的医学图像上执行的测量中的用户特定偏差的方法、计算机程序以及被配置成执行该方法的自动测量工具。
技术介绍
[0002]医学超声测量被用于广泛的医学治疗领域。例如,超声心动图测量通常作为一种间接方法来评估人类或动物的解剖结构的尺寸和功能,特别是人类的心脏。然而,测量结果会受到观察者之间和观察者内部差异的影响。布兰德
‑
阿尔曼分析是现有技术中使用的常用方法,用于确定两个不同观察者(如用户或医师)之间的差异性和偏差。出于认证的目的,执行测量的实验室(特别是超声心动图实验室)必须经过一个标准化程序,以符合质量准则。此外,这种认证还包括:解释性质量审查(医生解释差异性)。机构必须基于获得的图像来评估解释的质量和准确性。每季度每种模态至少有两个案例必须针对所获得的图像的解释质量和准确性进行评估。这些案例必须代表尽可能多的医师。解释中的差异必须被调和,以达到统一的检查解释。在日常临床工作中,这将转化为额外的人工和组织工作负荷。如果是长期的临床研究,情况更为糟糕,因为在研究的实现过程中,测量观察者经常会改变。因此,存在着观察者之间的差异性和共识培训的问题。
[0003]因此,期望能有一个独立的检测和测量系统,其具有标准化的性能和统一的偏差,从而简化对质量准则的遵守,并可用于校准和/或使不同用户的测量结果标准化。
[0004]Christian Knackstedt在“Fully Automated Versus Standard Tracking of Left Ventricular Ejection Fractio(左心室射血分数的全自动化与标准追踪)”(JOURNAL OF THE AMERICAN COLLEGE OF CARDIOLOGY;VOL.66,NO.13,2015)中对人做出的测量结果与机器做出的测量结果进行了比较,其中评估了左心室容积和纵向应变测量。
[0005]US 2018150598 A1公开了将使用机器学习获得的解剖结构测量结果与预定阈值进行比较,并产生咨询信息以调整测量结果。
[0006]Vikram Chalana在“A Methodology for Evaluation of Boundary Detection Algorithms on Medical Images(医学图像上边界检测算法的评估方法)”(IEEE TRANSACTIONS ON MEDICAL IMAGING,VOL.16,NO.5,OCTOBER 1997)中对轮廓的差异进行了比较。也就是说,它将计算机生成的边界与多个观察者创建的边界进行比较,并计算出两个观察者之间一致性的Cohen Kappa系数。
[0007]US 2014341449 A1公开了通过使用机器学习生成的共识轮廓验证一致性,以减少观察者之间和观察者内部在轮廓图像上的变化性。此外,根据US 2014341449A1,对用户创建的轮廓与共识轮廓的偏差程度进行了评估。
[0008]Harold L.Kunde在“Measurement of Observer Agreement(观察者一致性的测量)”(Radiology 2003;228:303
‑
308)中公开了利用Cohen Kappa测量两个审阅者之间的一致性的统计学措施,该措施被用于测量绝对答案(正与负)。
[0009]在匿名文章“Man against machine:AI is better than dermatologists at diagnosing skin cancer(人对抗机器:AI在诊断皮肤癌方面比皮肤科医生更好)”中描述了一项研究,其中审查了皮肤科医生和人工智能的表现。作为人工智能,卷积神经网络被实施。因此,人类皮肤的多个部分被评估,以通过皮肤科医生和人工智能确定病变是恶性的还是非恶性的。将皮肤科医生和人工智能的结果与正确的结果进行比较。结果发现,与皮肤科医生相比,人工智能漏掉的黑色素瘤更少,将良性痣误诊为恶性的情况更少。
[0010]如上所概述的,超声心动图测量是评估人类心脏的尺寸和功能的间接方法的一个示例。在两个观察者的测量之间(观察者之间)或者甚至同一观察者的两个测量实例之间(观察者内部),其结果必然会有变化。分析变化性(即两个观察者之间差值的误差范围,或95%的置信区间)和偏差(即系统误差,或两个观察者之间的平均差值)的常用方法是布兰德
‑
阿尔曼分析法。布兰德
‑
阿尔曼方法可用于评估两个系列的测量值之间的一致性。特别是,它提供了关于测量值的高度对偏差/差值大小的影响的信息。为此,在散布图(布兰德
‑
阿尔曼图)中,差值(测量差值)被表示为平均数(测量值高度)的函数。
[0011]除了带有置信区间的回归线外,通常还显示零线(差值=0)以及平均差值(也带有置信区间),有时还显示一致性的限值。这些信息可用于评估冗余尺寸的程度。
技术实现思路
[0012]因此,本专利技术的目的是提供一种计算机实施的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法,在这种方法中,质量指南得到满足,同时减轻了人工和组织的工作负荷。本专利技术的另一目的是提供一种相应的计算机程序,以及用于执行该方法的自动测量工具。
[0013]为了更好地解决上述确定的一个或多个问题,在本专利技术的第一方面中,权利要求1中给出了一种计算机实施的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法。在从属权利要求中列出了有用的实施例。
[0014]根据该第一方面,一种计算机实施的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法包括以下步骤:
[0015]接收多个医学图像,其中多个医学图像至少包括第一批多个医学图像和第二批多个医学图像,并且每批多个医学图像包括相同或不同患者的相同解剖结构,
[0016]针对第一批多个医学图像,接收解剖结构的特征的第一测量数据,其中第一测量数据是由第一用户获得,
[0017]针对第一批多个医学图像,通过自动测量工具确定解剖结构的特征的第一基线测量数据,
[0018]基于第一测量数据和第一基线测量数据,确定第一用户的第一测量偏差,
[0019]针对第二批多个医学图像,接收解剖结构的特征的第二测量数据,其中第二测量数据由第二用户获得,第二用户与第一用户不同,
[0020]针对第二批多个医学图像,通过自动测量工具确定解剖结构的特征的第二基线测量数据,
[0021]基于第二测量数据和第二基线测量数据确定第二用户的第二测量偏差,以及
[0022]将第一测量偏差与第二测量偏差进行比较。
[0023]因此,在一个实施例中,本专利技术提供了一种方法,其中相同的医学图像由人类用户和自动测量工具进行分析,并将结果相互比较,以获得人类用户的测量偏本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算机实施的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法,其中所述方法包括以下步骤:接收多个医学图像,其中所述多个医学图像至少包括第一批多个医学图像和第二批多个医学图像,并且每批多个医学图像包括相同或不同患者的相同解剖结构,针对所述第一批多个医学图像,接收所述解剖结构的特征的第一测量数据(R1),其中所述第一测量数据(R1)由第一用户获得且代表物理参数,针对所述第一批多个医学图像,通过自动测量工具(1)确定所述解剖结构的所述特征的第一基线测量数据(C1),基于所述第一测量数据(R1)和所述第一基线测量数据(C1)确定所述第一用户的第一测量偏差(B1),针对所述第二批多个医学图像,接收所述解剖结构的特征的第二测量数据(R2),其中所述第二测量数据(R2)由第二用户获得且代表物理参数,所述第二用户与所述第一用户不同,针对所述第二批多个医学图像,通过自动测量工具(1)确定所述解剖结构的所述特征的第二基线测量数据(C2),基于所述第二测量数据(R2)和所述第二基线测量数据(C2)确定所述第二用户的第二测量偏差(B2),以及将所述第一测量偏差(B1)与所述第二测量偏差(B2)进行比较。2.根据权利要求1所述的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法,其中所述方法还包括以下步骤:确定由所有可用的测量偏差(B1、B2、...、Bx)的平均值表示的全局偏差,以及将所述全局偏差与所述测量偏差(B1,B2,...,Bx)中的一个进行比较。3.根据权利要求1或2所述的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法,其中,所述第一测量数据(R1)是基于所述第一批多个医学图像中的一个特定医学图像确定的,所述第一基线测量数据(C1)是基于相同特定医学图像确定的,以及其中,所述第二测量数据(R2)是基于所述第二批多个医学图像中的一个特定医学图像确定的,所述第二基线测量数据(C2)是基于相同特定医学图像确定的。4.根据权利要求1至3中的任何一项所述的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法,其中,一旦新的测量数据(R1,R2,...,Rx)是可用的,就持续更新所述测量偏差(B1,B2,...,Bx),其中,将所有可用的测量数据(R1,R2,...,Rx)用于更新所述测量偏差(B1,B2,...,Bx),或其中,将在预先确定的过去时间段期间获得的所有可用的测量数据(R1,R2,...,Rx)用于更新所述测量偏差(B1,B2,...,Bx)。5.根据权利要求1至4中的任一项所述的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法,其中所述方法还包括以下步骤:确定全机构的偏差(Bc),其由属于一个预定群组或机构的所述第一用户、所述第二用户和更多的用户的所有测量偏差(B1,B2,...,Bx)的平均值表示。
6.根据权利要求5所述的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法,其中所述方法还包括以下步骤:将所述全机构的偏差(Bc)与所述测量偏差(B1、B2、...、Bx)中的一个进行比较,以便获得相对于所述全机构的偏差(Bc)的每个用户的偏差。7.根据权利要求6所述的用于自动分析在解剖结构的医学图像上执行的测量中的偏差的方法,其中将所述全机构的偏差(Bc)与所述测量偏差(B1,B2,...,Bx)中的一个进行比较的步骤包括:通过用所述全机构的偏差(Bc)减去所述测量偏差(B1,B2,...,Bx)中的每一个来确定差值(dx1,dx2,...,dxx),从而确定属于相同群组或机构的每个用户的差值(dx1,dx2,...,dxx),以及确定所有用户中具有最...
【专利技术属性】
技术研发人员:M,
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。