早产预测制造技术

预测未来医学事件的系统和方法基于医疗图像的处理。提出了基于超声图像而对早产的预测和对胎龄估计作为说明性示例。对未来医学事件的概率进行估计的新能力，在其可能预测未来医学事件之前，为开发预防性疗法提供了新的途径。径。径。

【技术实现步骤摘要】
【国外来华专利技术】早产预测
[0001]相关申请的交叉引用
[0002]本申请要求享有于2020年6月19日提交的美国临时专利申请序列号63/041,360和于2021年6月19日提交的美国非临时专利申请序列号17/352,290的权益和优先权。上述专利申请的公开内容通过引用整体并入本文。


[0003]本专利技术属于应用于广泛范围的医学状况(包括但不限于妊娠)的预测诊断的领域。

技术介绍

[0004]早产是在婴儿的预产期前的三周以上发生的出生。换言之，早产是在妊娠的第37周开始之前发生的出生。早产儿，尤其是非常早出生的婴儿，通常具有复杂的医学问题。通常而言，早产的并发症各不相同。但是婴儿出生得越早，并发症的风险越高。
[0005]胎儿超声(声谱图)是使用声波产生子宫中胎儿的图像的成像技术。胎儿超声图像能够帮助医疗保健提供者评估婴儿的生长和发育并对妊娠进行监测。在一些情况下，胎儿超声用于评估在超声时呈现的可能问题或帮助确认诊断。首次胎儿超声通常在第一孕期进行，以确认妊娠并估计胎龄。下一次的超声通常在第二孕期(此时解剖学细节可见)提供。

技术实现思路

[0006]超声和可选的其他医学成像技术用于生成关于医学状况(诸如妊娠)的结果的预测。这些预测(除其他方面外)可以包括估计的出生日期、早产和/或引产的需要。这些预测可选地用于在预期早产时提供特定的矫正治疗。预测提供了迄今不可用的治疗方法，其中提供预期治疗以防止或以其他方式减轻不期望的结果。本专利技术的系统和方法包括预测、预期治疗和/或基于预测的治疗发展。
[0007]各种实施例包括使用医学图像(例如，超声图像)作为机器学习系统的输入，该机器学习系统被配置为基于图像产生定量预测输出。这些机器学习系统可以使用回归(regression)、分类方法和/或其他机器学习算法。例如，可以使用输出范围的任何回归算法，例如分位数回归。在一些实施例中，多个算法以独有的方法组合在单个AI中。
[0008]各种实施例还包括图像的预处理和/或机器学习系统的预训练。例如，已经发现图像的预处理在医学图像不理想或质量参差或尺寸变化的情况下(例如，在图像是超声图像的情况下)是有用的。
[0009]各种实施例包括在图像获取期间的实时反馈。该反馈可以针对图像选择、获得更好的图像和/或获得更有用的图像。反馈可以基于对已经获得的图像的处理。例如，在一些实施例中，初始图像的评估用于引导进一步获取具有预测和/或诊断价值的图像。可选地，图像处理系统包括在图像捕获设备中，或者使用诸如局域网或互联网的通信网络连接到图像处理设备。
[0010]本专利技术的各种实施例包括一种被配置为预测早产的医学预测系统，该系统包括：
图像存储装置，其被配置为存储超声图像，该超声图像包括例如胎儿；图像分析逻辑，其被配置为基于该超声图像提供胎儿将过早出生的估计；用户接口，其被配置为向用户至少提供胎儿将过早出生的估计；以及微处理器，其被配置为执行该图像分析逻辑的至少一部分。图像分析逻辑可选地包括：第一逻辑，其被配置为基于超声图像估计胎儿的胎龄，该胎龄是超声图像被生成时的胎龄，第二逻辑，其被配置为基于超声图像估计直到胎儿出生为止的时间，以及被配置为计算胎儿在其出生时的估计胎龄的逻辑。可以在无需胎龄的情况下直接计算直到分娩为止的天数，在此情况下，医学提供者可以计算出生将会早多少天。
[0011]本专利技术的各种实施例包括一种生成早产的定量预测的方法，该方法包括：获得包括胎儿的一组医学图像；使用机器学习系统分析医学图像以产生定量预测，该定量预测包括对直到胎儿出生为止的时间的估计或对胎儿出生时的胎龄的估计；以及向用户提供定量预测。
[0012]本专利技术的各种实施例包括训练医学预测系统的方法，该方法包括：接收多个医学图像，该医学图像可选地包括妊娠期间胎儿的超声图像；可选地对图像进行过滤；可选地根据图像内包括的视图或特征对图像进行分类；可选地预训练神经网络以辨识图像内的特征或图像的类型；训练神经网络以提供关于胎儿出生的定量预测，该定量预测包括对胎儿出生时的胎龄的估计，或者包括对胎儿的当前胎龄的估计和对直到胎儿出生为止的剩余时间的估计；以及可选地测试经训练的神经网络，以确定定量预测的准确性。
[0013]本专利技术的各种实施方式包括一种获取用于训练神经网络的超声图像的方法，该方法包括：抓取社交媒体账户；识别社交媒体账户内的胎儿超声图像；识别社交媒体账户内的出生公告；计算在社交媒体账户上发布超声图像与在该社交媒体账户上发布出生公告之间的时间；以及使用超声图像和计算的时间来训练神经网络以生成超声图像指示早产的预测，该预测可选地是定量预测。
[0014]本专利技术的各种实施例包括一种基于医学预测来识别有益疗法的方法，该方法包括：确定对未来医学状况的定量预测，该定量预测包括医学状况将在未来时间范围内发生的概率并且基于对患者的医学图像的分析；向该患者提供针对医学状况的候选疗法；重复确定对未来医学状况的定量预测和为多个患者提供候选疗法的步骤；确定候选疗法是否在多个患者各自的时间范围内对他们产生了统计学上相关的益处；以及基于统计学上相关的益处将候选疗法识别为有益疗法。
附图说明
[0015]图1示出了根据本专利技术的各种实施例的被配置为预测医疗结果的医疗预测系统。
[0016]图2示出了根据本专利技术的各种实施例的进行定量预测的方法。
[0017]图3示出了根据本专利技术的各种实施例的训练医学预测系统的方法。
[0018]图4示出了根据本专利技术的各种实施例的基于医学预测来识别有益疗法的方法。
[0019]图5示出了根据本专利技术的各种实施例的获取超声图像的方法。
具体实施方式
[0020]虽然诸如机器学习系统和专家系统的人工智能系统已经用于识别医学图像中的特征(例如，读取胸部X射线)，但是在使用医学图像的医学预测领域中的进展有限。与人工
智能的现有诊断用途相比，本文公开的系统和方法证明了使用人工智能处理医学图像和可选的其他数据的预测价值。作为说明性示例，相对于使用超声预测早产来描述这种处理的预测价值。
[0021]本文公开的系统和方法能够提供胎儿将提早出生(例如，早产)的定量预测，或对一些其他医学事件的定量预测。这些预测的定量性质与现有技术形成鲜明对比。例如，定量预测不仅仅是将妊娠识别为“有风险”。如本文所用，“定量预测”包括以下中的至少一者：概率、超过一个早产类别内的分类，或时间估计。在早产预测的情形中，时间估计可以由距离出生的估计天数和/或出生时的估计胎龄来表示。这些估计可以由两个、三个或更多个时间范围来表示。定量预测的益处在于，相比于单纯的(且易于出错的)“有风险”的分类，其提供了更加可行动的信息。
[0022]图1示出了根据本专利技术的各种实施例的被配置为预测医疗结果的医疗预测系统100。预测系统100可以包括多个设备，诸如超声系统和被配置用于图像处理的计算设备。预测系统100可选地被配置为经由诸如互联网的通信网络在各种部件和/或外部设备之间进行通信。
[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】1.一种被配置为预测早产的医学预测系统，所述系统包括：图像存储装置，其被配置为存储超声图像，所述超声图像包括胎儿；图像分析逻辑，其被配置为基于所述超声图像提供胎儿将过早出生的定量预测；用户接口，其被配置为向用户至少提供胎儿将过早出生的所述预测；以及微处理器，其被配置为执行所述图像分析逻辑的至少一部分。2.根据权利要求1所述的系统，还包括图像生成器，所述图像生成器被配置为生成所述超声图像。3.根据权利要求1或权利要求2所述的系统，还包括数据输入端，所述数据输入端被配置为接收关于所述胎儿或所述胎儿的母亲的临床数据，其中，直到所述胎儿出生为止的估计时间基于所述临床数据。4.根据权利要求1
‑
2或权利要求3所述的系统，还包括反馈逻辑，所述反馈逻辑被配置为基于胎儿将过早出生的预测的质量或将获取的图像分类为主题类别来引导对所述超声图像的获取。5.根据权利要求1
‑
3或权利要求4所述的系统，还包括训练逻辑，所述训练逻辑被配置为训练被配置为估计直到所述胎儿出生为止的时间的逻辑。6.根据权利要求1
‑
4或权利要求5所述的系统，还包括图像获取逻辑，所述图像获取逻辑被配置为从社交媒体源获取医学数据，所述医学数据包括训练图像和出生信息，所述训练图像是使用超声来生成的。7.根据权利要求1
‑
5或权利要求6所述的系统或者根据权利要求31
‑
53所述的方法，其中，包括所述胎儿的超声图像是在包括至少一个月、两个月或三个月的时间段生成的。8.根据权利要求1
‑
6或权利要求7所述的系统或者根据权利要求31
‑
53所述的方法，其中，所述超声图像包括多普勒信息，或流体、骨或组织密度信息。9.根据权利要求1
‑
7或权利要求8所述的系统或者根据权利要求31
‑
53所述的方法，其中，所述图像分析逻辑包括：第一逻辑，其被配置为基于所述超声图像来估计所述胎儿的胎龄，所述胎龄是在所述超声图像被生成之时，第二逻辑，其被配置为基于所述超声图像来估计直到所述胎儿出生为止的时间，以及被配置为计算所述胎儿在其出生时的估计胎龄的逻辑。10.根据权利要求1
‑
8或权利要求9所述的系统，其中，所述图像分析逻辑被配置为使用回归算法来提供所述胎儿将在两个或更多个时间范围内过早出生的估计，并且可选地估计直到出生为止的时间，所述回归算法可选地是分位数回归算法。11.根据权利要求1
‑
9或权利要求10所述的系统，其中，所述图像分析逻辑被配置为使用回归算法，所述回归算法输出范围预测以提供胎儿将过早出生的估计，并且可选地估计直到出生为止的时间。12.根据权利要求1
‑
10或权利要求11所述的系统，其中，所述图像分析逻辑被配置为使用分类算法来提供胎儿将过早出生的估计，所述分类算法包括对出生时间的至少两个或三个分类。13.根据权利要求1
‑
11或权利要求12所述的系统，其中，所述图像分析逻辑包括神经网络，所述神经网络被配置为接收超声图像并且生成表示胎儿将过早出生的预测的输出。
14.根据权利要求1
‑
12或权利要求13所述的系统，其中，所述图像分析逻辑包括神经网络，所述神经网络被配置为接收超声图像并且生成指示直到所述胎儿出生为止的时间的输出。15.根据权利要求1
‑
13或权利要求14所述的系统，其中，所述胎儿将过早出生的所述定量预测包括所述胎儿将过早出生的概率的估计，所述估计可选地基于子宫颈和/或羊水指数的图像。16.根据权利要求1
‑
14或权利要求15所述的系统，其中，所述定量预测基于包括子宫内膜和/或子宫壁的超声图像。17.根据权利要求1
‑
15或权利要求16所述的系统，其中，所述用户接口被配置为向用户提供以下中的至少两者：胎龄、直到出生为止的估计时间以及胎儿出生时的胎龄。18.根据权利要求2
‑
16或权利要求17所述的系统，其中，所述图像生成器包括声源、声音检测器和被配置为基于所述声音检测器检测到的声音来生成所述超声图像的逻辑。19.根据权利要求2
‑
17或权利要求18所述的系统，其中，所述图像生成器被配置为基于所述图像分析逻辑的输出来调整所述超声图像的生成。20.根据权利要求2
‑
18或权利要求19所述的系统，其中，所述图像生成器被配置为生成表示胎儿的运动的图像序列，所述图像序列可选地包括胎儿血液流动、毛细血管灌注和/或心脏运动。21.根据权利要求2
‑
19或权利要求20所述的系统，其中，所述图像生成器被配置为引导用户修改被配置为生成所述超声图像的声源的位置。22.根据权利要求1
‑
20或权利要求21所述的系统，其中，所述图像分析逻辑还被配置为基于经由所述数据输入端接收的所述临床数据来预测胎儿将过早出生。23.根据权利要求22所述的系统或根据权利要求41所述的方法，其中，所述临床数据包括以下中的至少一者：母亲遗传学、母亲体重、母亲妊娠史、母亲血糖、母亲心脏功能、母亲肾脏功能、母亲血压、胎盘状况、母亲感染、母亲营养、母亲药物使用(吸烟和饮酒)、母亲年龄和/或母亲子宫颈或子宫特性。24.根据权利要求4
‑
22或权利要求23所述的系统，其中，所述反馈逻辑被配置为引导所述图像生成器的定位，以便生成在预测所述胎儿将过早出生时更有用的图像。25.根据权利要求4
‑
23或权利要求24所述的系统，其中，所述反馈逻辑被配置为指示需要获取用于胎儿将过早出生的预测的附加超声图像。26.根据权利要求1
‑
24或权利要求25所述的系统，其中，所述图像分析逻辑包括机器学习系统，并且所述训练逻辑被配置为预训练所述机器学习系统以辨识所述超声图像中的特征。27.根据权利要求1
‑
25或权利要求26所述的系统，其中，所述图像分析逻辑包括机器学习系统，并且所述训练逻辑被配置为训练所述机器学习系统以进行胎儿将过早出生的所述定量预测。28.根据...

【专利技术属性】
技术研发人员：R邦恩，
申请(专利权)人：超声人工智能股份有限公司，
类型：发明
国别省市：