BRPI0821291B1

BRPI0821291B1 - Método que compreende armazenar uma pluralidade de ocorrências, sistema que compreende uma memória armazenando uma pluralidade de ocorrências e sistema que compreende recursos para armazenar uma pluralidade de ocorrências

Info

Publication number: BRPI0821291B1
Application number: BRPI0821291-0A
Authority: BR
Inventors: Lalitha Agnihotri; Lilla Boroczky; Luyin Zhao
Original assignee: Koninklijke Philips N. V
Priority date: 2007-12-21
Filing date: 2008-12-09
Publication date: 2020-10-06
Also published as: CN101903888A; WO2009083837A1; EP2225683B1; EP2225683A1; BRPI0821291A2; JP2011508917A; CN101903888B; US20100272338A1; US10318709B2; JP5647522B2

Abstract

método, e, sistema um sistema e método para o diagnóstico auxiliado por computador, com base na ocorrência de modalidade cruzada, compreendem armazenar uma pluralidade de ocorrências, cada ocorrência incluindo pelo menos uma imagem de uma dentre uma pluralidade de modalidades e informação sem imagem, mapeando uma relação de aspecto entre um aspecto de imagens de uma primeira modalidade até um aspecto de imagens de uma segunda modalidade, e armazenando a relação.

Description

CAMPO DA INVENÇÃO

O presente pedido diz respeito em geral a sistemas e métodos para um diagnóstico auxiliado por computador com base na ocorrência de modalidade cruzada (“CADx”). Especificamente, o sistema e os métodos podem considerar um usuário de um sistema de CADx para recuperar ocorrências similares através de diferentes modalidades de formação de imagem.

FUNDAMENTOS

Um sistema de CADx com base na ocorrência baseia-se na idéia de que os clínicos adquirem conhecimento pela experiência e referindo-se a ocorrências que eles tenham observado anteriormente. Um meio no qual um sistema de suporte de decisão possa auxiliar um clínico em fazer um diagnóstico com base em uma varredura por CT (tomografia axial computadorizada) (ou em qualquer outra modalidade, varreduras por raios-x, varredura por RMI - formação de imagem de ressonância magnética (MRI), ultrassom, tomografia por PET emissão positrônica (PET), etc.), por exemplo, do câncer pulmonar, é oferecer ocorrências anteriores que tenham sido diagnosticadas e sejam semelhantes àquela em questão. Um paradigma com base em ocorrências é que nódulos pulmonares similares àquele a ser diagnosticado sejam recuperados de um banco de dados de nódulos com diagnósticos conhecidos, e exibidos ao radiologista. Esta é a premissa básica de um sistema CADx com base na ocorrência.

CADx com base na ocorrência tipicamente envolve a busca, de um banco de dados, de informação específica a uma doença, tal como tumores ou lesões com patologia conhecida, isto é, maligna ou benigna. A informação tipicamente inclui uma varredura diagnóstica de tumores que já tenham sido diagnosticados por comparação visual com a varredura diagnóstica do tumor a ser diagnosticado. O tumor pode ser nos pulmões do paciente, por exemplo.

Uma varredura diagnóstica do tumor pode ser capturada por qualquer uma dentre várias técnicas de formação de imagem, algumas das quais sendo mencionadas acima. Da varredura, os aspectos de um tumor podem então ser calculados, cada aspecto representando uma característica visual específica do tumor.

O tumor a ser diagnosticado, e os tumores do banco de dados, podem ser colocados em um espaço de aspecto comum, isto é, um espaço bidimensional para o qual cada dimensão represente um respectivo daqueles aspectos medidos N. De forma semelhante, entre qualquer tumor do banco de dados e o tumor a ser diagnosticado, pode-se tentativa e objetivamente avaliar com base na proximidade dos dois tumores no espaço do aspecto. Tipicamente, do banco de dados os tumores com a proximidade mais íntima são considerados como tumores semelhantes. Os exemplos procurados podem ser exibidos lado a lado com o tumor a ser diagnosticado, para comparação visual. CADx com base na ocorrência pode também ser útil no treinamento do pessoal médico no diagnóstico de diferentes doenças.

SUMÁRIO DA INVENÇÃO

A presente invenção é direcionada a um método compreendendo as etapas de armazenar uma pluralidade de ocorrências, cada ocorrência incluindo pelo menos uma imagem de uma dentre uma pluralidade de modalidades e informações sem imagem, mapeamento de uma relação de aspecto entre um aspecto de imagens de uma primeira modalidade até um aspecto de imagens de uma segunda forma de realização, e armazenando a relação. Em outro aspecto, o método compreende adicionalmente as etapas de extrair um aspecto de uma imagem original, recuperando pelo menos uma ocorrência com base no aspecto extraído e a relação de aspecto, e simultaneamente exibindo a imagem original e a ocorrência recuperada.

Um sistema, compreendendo uma memória armazenando uma pluralidade de ocorrências, cada ocorrência incluindo pelo menos uma imagem de uma dentre uma pluralidade de modalidades e informações sem imagem, e um processador mapeando uma relação de aspecto entre um aspecto de imagens de uma primeira modalidade e um aspecto de imagens de uma segunda modalidade, e armazenando a relação de aspecto na memória. Em outro aspecto, o processador ainda extrai um aspecto de uma imagem original, recupera pelo menos uma das ocorrências armazenadas sobre o aspecto extraído e a relação de aspecto, e simultaneamente exibe a imagem original e a ocorrência recuperada.

Um sistema, compreendendo um meio para armazenar uma pluralidade de ocorrências, cada ocorrência incluindo pelo menos uma imagem de uma dentre uma pluralidade de modalidades e informações sem imagem e um meio para mapear uma relação de aspecto entre um aspecto das imagens de uma primeira modalidade a um aspecto de imagens de uma segunda modalidade e armazenar a relação na memória.

BREVE DESCRIÇÃO DOS DESENHOS

A Figura 1 mostra um banco de dados de exemplo para o sistema CADx com base na ocorrência de modalidade cruzada, consistindo em pacientes com câncer pulmonar e nas varreduras por formação de imagem que os pacientes tenham tido, de acordo com a presente invenção.

A Figura 2 mostra um banco de dados de exemplo do sistema CADx das relações relativas dos aspectos através de modalidades de formação de imagem, de acordo com a presente invenção.

A Figura 3 mostra uma estimativa de exemplo dos aspectos em uma modalidade de imagem a outra com o uso de uma função polinômica.

A Figura 4 mostra um exemplo de método para recuperar imagens de modalidades múltiplas de acordo com uma forma de realização de exemplo da presente invenção.

A Figura 5 mostra um outro exemplo de método de recuperar as imagens de múltiplas modalidades de acordo com uma forma de realização da presente invenção.

A Figura 6 mostra um método de exemplo para recuperar imagens de múltiplas modalidades de acordo com outra forma de realização da presente invenção.

DESCRIÇÃO DETALHADA

A presente invenção pode ser ainda entendida com referência à seguinte descrição das modalidades de exemplo e dos desenhos anexos relacionados, em que os elementos iguais são providos com os mesmos numerais de referência. As formas de realização de exemplo da presente invenção são relacionadas a um sistema e a métodos para uso de um sistema de diagnóstico auxiliado por computador com base na ocorrência (“CADx”) para recuperar ocorrências previamente diagnosticadas, incluindo imagens de múltiplas modalidades (por exemplo, varredura por CT, RMI e ultrassom, etc.) e informações do paciente, que sejam semelhantes a uma ocorrência em questão com base em uma imagem de modalidade única. Especificamente, o sistema e o método de exemplo podem considerar um usuário (por exemplo, um clínico, radiologista etc.) do sistema CADx com base na ocorrência para recuperar casos com imagens de múltiplas modalidades que sejam semelhantes à varredura da modalidade original (a varredura sendo analisada) do paciente em questão com base no mapeamento dos aspectos na modalidade original aos aspectos em outras modalidades. As ocorrências recuperadas podem ser simultaneamente exibidas com a ocorrência em questão, para comparação.

Um sistema de CADx com base na ocorrência de modalidade cruzada é criado pelo estabelecimento de um banco de dados de pacientes quanto a uma doença ou enfermidade específicas. A Figura 1 mostra um banco de dados exemplar de pacientes com câncer mamário e as varreduras por formação de imagem que os pacientes tenham tido. Um banco de dados pode conter informações de varreduras por imagem e sem imagem dos pacientes, incluindo entradas tais como informações de identificação do paciente, informações demográficas (por exemplo, idade, gênero), histórico clínico do paciente (por exemplo, doenças anteriores e atuais, queixas principais), histórico familiar, estatísticas vitais (pressão sanguínea, peso etc.). As várias modalidades de varredura de imagens podem ser, por exemplo, mamogramas de película, ultrassons, MRIs, mamogramas digitais, etc. Por exemplo, a Paciente 1 tirou um mamograma de película e uma varredura de MRI, mas nenhum ultrassom. A Paciente 2 tirou um mamograma de película, ultrassom e MRI, mas nenhum mamograma digital. Bancos de dados semelhantes podem ser criados para diferentes cânceres e enfermidades e podem incluir outras modalidades de imagem como a varredura por CT, raios- X, varreduras por PET, etc.

O sistema ainda analisa um volume de interesse (“VOI”) através de diferentes modalidades de modo a que se perceba o mapeamento dos aspectos de uma modalidade para outra. Esta informação é usada para encher uma tabela que forneça as relações e o mapeamento dos valores dos aspectos em uma modalidade em relação a outra. Por exemplo, um tal método de mapeamento pode ser referido como Análise de Fatores, a qual pode ser usada para mapear aspectos com base na imagem de uma modalidade para aspectos com base na imagem de outra modalidade. A fim de mapear os aspectos com base na imagem de uma modalidade para outra, uma lista de possíveis aspectos com base na imagem que possam ser extraídos de uma imagem, é gerada. Estes aspectos são usados para formar uma matriz de conteúdo na qual os aspectos correspondam a diferentes tipos de modalidades de imagem. A matriz de conteúdo é então mapeada com base nas ocorrências de pacientes disponíveis. As ocorrências de pacientes disponíveis podem indicar aspectos com base sem imagem (por exemplo, idade, gênero, enfermidade) e tipos de modalidades de imagem que estejam disponíveis.

A análise de fatores é uma técnica estatística que pode ser usada para reduzir um conjunto de variáveis a um conjunto de número menor de variáveis ou fatores. A análise dos fatores examina o padrão de intercorrelações entre as variáveis, e determina se existem subconjuntos que se correlacionem altamente entre si, mas que apresentem baixas correlações com outros subconjuntos ou fatores. Os aspectos que tenham baixa variância são eliminados e uma matriz do valor por conceito é criada, na qual o mapeamento é gerado entre os aspectos de imagem de uma modalidade para os aspectos de imagem de outra modalidade. Assim, com base nos resultados obtidos da análise de fatores, um algoritmo pode ser planejado para gerar imagens de múltiplas modalidades com base na ocorrência, dados os aspectos extraídos de uma imagem de uma modalidade original.

Uma vez existam vários VOls identificados para uma doença particular, todos os aspectos com base na imagem nas modalidades múltiplas são calculados. A Análise de Fatores é então usada para inferir as tendências dos aspectos nas diferentes modalidades. Os diferentes aspectos podem ainda ser relacionados através das modalidades. Por exemplo, a densidade em uma modalidade pode ser proporcional à textura na outra modalidade. Deve ser observado, entretanto, que será entendido por aqueles da técnica, que a Análise de Fatores é apenas um método de analisar as intercorrelações entre variáveis, e que qualquer método de análise pode ser usado, contanto que ele seja capaz de analisar aspectos para inferir tendências de aspectos nas diferentes modalidades. Um método alternativo de análise deve ser usar a regressão de variável múltipla para mapear um conjunto de aspectos em outro.

A Figura 2 mostra uma tabela de relações de aspecto relativas exemplares através das modalidades de formação de imagem para uma doença ou enfermidade particular. Como descrito acima, a tabela de aspectos pode ser cheia com base nos resultados da Análise de Fatores, regressão multivariada, ou outro método de analisar aspectos. Uma vez esta informação seja estabelecida, os VOls de uma forma de realização podem ser usados para recuperar ocorrências similares em outras modalidades. Um vetor de aspecto de imagem é transladado, para formar imagens de vetores de aspectos, para outras modalidades desejadas.

Na tabela de exemplos da Figura 2, os aspectos da modalidade de tomografia computadorizada (CT) são indexados aos aspectos correspondentes em diferentes modalidades de imagem (por exemplo, ultrassom, MRI, raios-x) para criar mapeamento de aspectos. O mapeamento de aspectos resulta nas relações de aspectos entre os mesmos aspectos ou diferentes aspectos em diferentes modalidades de imagem. Por exemplo, um aspecto de espiculação de um ultrassom é 0,2 vez aquele de um aspecto calculado de uma varredura por CT, enquanto um aspecto de espiculação calculado de uma varredura de MRI é 5,0 vezes aquele de uma CT. Assim, de acordo com os exemplos de valores mostrados na Figura 2, de modo a converter a espiculação de uma varredura por CT em um ultrassom, o valor do aspecto calculado da CT é multiplicado por 0,2, enquanto o mesmo valor de espiculação de CT é multiplicado por 5 para converter em um valor de espiculação de MRI. Conversões semelhantes podem ser feitas quanto aos aspectos remanescentes (por exemplo, densidade, textura, valores de cinza médio, etc.). Assim, no exemplo da Figura 2, o mapeamento é baseado em uma relação simples dos valores de aspecto entre diferentes modalidades de imagem. Deve-se observar, entretanto, que será entendido por aqueles habilitados na técnica que aspectos múltiplos podem ser usados para estimar o valor de aspecto desconhecido em uma modalidade particular. Igualmente, pode também acontecer na ocorrência acima que as especulações não são relacionadas com as formas de realização, e aspectos completamente diferentes são usados para se estimar o aspecto de especulação de um VOI em uma varredura de ultrassom.

A Figura 3 mostra um método alternativo de converter aspectos de diferentes modalidades mediante ajuste de uma função polinômica para estimar os aspectos em uma modalidade de aspectos em outra modalidade. No exemplo da Figura 3, um aspecto com base na imagem pode ser representado em gráfico em um gráfico bidimensional com o eixo dos x representando o aspecto calculado de uma modalidade de imagem e o eixo dos Y representando o mesmo aspecto de outra modalidade de imagem. O gráfico da Figura 3 pode ser, por exemplo, a espiculação em uma varredura por CT como o eixo dos x, e a espiculação em uma varredura de MRI pode ser o eixo dos y. O gráfico de exemplo pode então ser ajustado com um modelo polinômico de segundo grau. Um exemplo de polinômico de segundo grau com base nos valores da curva na Figura 3 pode ser como segue:

EspiculaçãoMRi = 0,4981 + 1,0231 * EspiculaçãoCT - 0,2942 * [Espicuiaçãoci]-- A equação do modelo polinômico pode então ser usada para mapear um aspecto de uma modalidade de imagem para o mesmo aspecto em outra modalidade de imagem.

Assim, após o mapeamento dos aspectos de diferentes modalidades de imagem estar completo (por exemplo, como descrito acima com referência às Figuras 2 e 3), as imagens ou ocorrências de diferentes modalidades correspondentes à ocorrência em questão podem ser recuperadas. Isto pode ser realizado pela extração e mapeamento iniciais dos aspectos com base nas imagens da varredura do paciente em questão. Estes aspectos são então comparados aos aspectos mapeados contidos em um bando de dados de imagens de múltiplas modalidades. Uma vez os aspectos de imagem tenham sido mapeados, um algoritmo pode ser usado para recuperar ocorrências que incluam varreduras por outras modalidades de formação de imagem. O algoritmo comparará um aspecto da imagem original com os aspectos no mesmo tipo de imagens (por exemplo, o aspecto de CT com o aspecto de CT) e aspectos correspondentes de diferentes modalidades (por exemplo, aspecto de CT com o aspecto de MRI). Um tal algoritmo é descrito em “Clinician Driven Example Based CADx” para Agnihotri et al.,designado Pedido U.S. 60/804.955, Attorney Docket 004976US1. Entretanto, será em geral entendido por aqueles de experiência normal na técnica que qualquer número de algoritmos pode ser usado para recuperar ocorrências com varreduras por outras modalidades de formação de imagem. Por exemplo, quando uma ocorrência a ser diagnosticada seja acompanhada apenas por uma varredura por CT do paciente, o sistema CADx de múltipla forma de realização poderá recuperar varreduras por CT similares, bem como MRIs, ultrassons e outras varreduras do banco de dados.

A Figura 4 mostra um exemplo de método 100 do sistema CADx de múltiplas formas de realização, no qual uma varredura de modalidade de única do paciente a ser diagnosticado é tomada em uma modalidade de imagem original na etapa 110. Uma extração de aspecto com base na imagem é conduzida sobre a imagem original na etapa 120. Este aspecto extraído é então mapeado da modalidade original para as imagens de múltiplas modalidades na etapa 130. Por exemplo, se a varredura original do paciente for uma varredura de raios-x, os aspectos são extraídos (por exemplo, densidade, textura etc.) e mapeados da varredura de raios-x para outras imagens de múltiplas modalidades (por exemplo, CT, MRI, ultrassons etc.). Como descrito acima, a relação entre aspectos em diferentes modalidades de imagens pode ser estabelecido, por exemplo, pelo uso das relações mostradas na Figura 2, ou pelo ajuste de uma função polinômica para estimas aspectos, como exibido na Figura 3. Estas relações dos aspectos podem então ser usados na etapa 130 para recuperar outras ocorrências com imagens das mesmas ou de diferentes modalidades com base nos aspectos à base das imagens da modalidade original do paciente a ser diagnosticado.

Os aspectos à base das imagens (aspectos à base das imagens das modalidades originais e os aspectos mapeados) e a informação sem imagem do paciente em questão, podem então ser combinados na etapa 140. Isto é, os aspectos da modalidade original podem ser combinados com os aspectos calculados das imagens de uma modalidade semelhante, e os aspectos calculados das imagens de uma modalidade diferente (por exemplo, os aspectos calculados dão varredura por CT do paciente em questão para os aspectos de MRI das imagens recuperadas). Por exemplo, como descrito com respeito à Figura 1, outros dados do paciente podem ser associados com as várias imagens recuperadas, por exemplo, a idade do paciente, o gênero, queixas principais, doenças presentes e anteriores do paciente, histórico familiar, estilo de vida, histórico quanto ao fumo, etc. Na etapa 140, estes outros aspectos sem imagem podem ser combinados com os aspectos com base na imagem. A combinação destes aspectos atravessa todas as modalidades de imagem disponíveis, e as informações clínicas sem imagem dos pacientes podem ser usadas para criar CADx de múltipla modalidade com base nas ocorrências na etapa 150. Assim, pelo uso de uma imagem de modalidade única da etapa 110 (por exemplo, um raios-x), um médico na etapa 150 pode ser apresentado com raios-x adicionais tendo aspectos similares, CT’s, MRI’s, Mamogramas etc. tendo aspectos semelhantes e os dados do paciente sem imagem para estas ocorrências recuperadas adicionais.

A Figura 5 mostra outra forma de realização de exemplo de um método 200 de sistema CADx de múltiplas modalidades. O método 200 pode ser de subetapas que sejam realizadas nas etapas 130 e 140 do método 100. No método 200, um CADx com base na ocorrência, à base de uma modalidade original, é criado na etapa 210 de modo a recuperar ocorrências semelhantes com base na modalidade original. Por exemplo, se a varredura do paciente em questão for uma varredura de raios-x, o sistema 200 recuperará varreduras por raios-x semelhantes anteriormente diagnosticadas com base nos aspectos extraídos da varredura de raios-x do paciente em questão e nos correspondentes aspectos das ocorrências no banco de dados. Na etapa 220, as imagens das modalidades não originais são recuperadas. Como descrito acima, com base nos dados previamente analisados, os aspectos de uma modalidade são mapeados para os correspondentes aspectos de outras modalidades. Um aspecto extraído do raios-x original pode ser mapeado para um aspecto em outras modalidades (por exemplo, um valor para um aspecto no raios-x original é convertido em um valor correspondente a um aspecto em outra modalidade (CT, MRI etc.). Os aspectos correspondentes são então usados para recuperar ocorrências similares das modalidades não originais. Por exemplo, uma varredura de raios-x original pode ser usada para recuperar varreduras previamente diagnosticadas semelhantes, tais como ultrassom, MRI etc. As ocorrências semelhantes da modalidade original 210 e das formas de realização não originais 220, são combinadas na etapa 230, para uma recuperação final de ocorrências semelhantes com base nos aspectos na imagem originai. A etapa 230 pode usar qualquer número de métodos para combinar os dois resultados da 210 e da 220. Um cálculo da distância pode ser capaz de recuperar ocorrências que tenham os aspectos mais próximos da varredura apresentada, a despeito da modalidade da imagem. Assim, se uma varredura de raios-x for apresentada, um cálculo da distância pode recuperar um MRI como tendo os aspectos mais próximos da varredura apresentada.

A Figura 6 mostra uma outra modalidade de um método 300 do sistema CADx de múltiplas modalidades. O método 300 pode também ser subetapas que sejam realizadas nas etapas 130 e 140 do método 100. Nas etapas 310, os aspectos para uma imagem original são mapeados nos aspectos para outras modalidades, da mesma maneira descrita acima quanto à etapa 130 da Figura 4. No entanto, na etapa 320 estes aspectos mapeados podem ser usados para calcular distâncias até as imagens de múltiplas formas de realização. Um cálculo da distância pode recuperar os dados de um paciente cujas imagens combinadas podem ter uma distância mais próxima do que uma imagem única de uma modalidade original. Por exemplo, a etapa 320 pode recuperar uma ocorrência em que as varreduras por raios-x e de MRI combinadas de um paciente tenham uma distância mais próxima do que outra de raios-x apenas. Aqueles versados na técnica entenderão que podem existir numerosas maneiras de encontrar distâncias com base em diferentes aspectos que possam basear-se em uma variedade de fatores, por exemplo, os tipos de imagens, os diagnósticos relacionados, etc.

Através do uso do método e do sistema de exemplo, os clínicos serão capazes de recuperar ocorrências semelhantes que tenham diferentes modalidades de formação de imagem com base em uma imagem de modalidade única. Um tal sistema permite que os clínicos adquiram conhecimento por experiência e referindo-se a ocorrências de um banco de 10 dados de ocorrências anteriores com diagnóstico conhecido. Assim, a capacidade de pesquisar e recuperar ocorrências com imagens através de várias modalidades auxiliará os clínicos em seus diagnósticos e no planejamento do tratamento.

Será evidente àqueles habilitados na técnica que várias 15 modificações poderão ser feitas na presente invenção, sem que se afaste do espírito ou do escopo da invenção. Assim, pretende-se que a presente invenção cubra modificações e variações a serem nela feitas, contanto que elas se situem dentro do escopo da invenção reivindicada e de seus equivalentes.

Claims

1. MÉTODO QUE COMPREENDE ARMAZENAR UMA PLURALIDADE DE OCORRÊNCIAS, cada ocorrência incluindo pelo menos uma imagem de uma dentre uma pluralidade de modalidades e informações sem imagem; mapear uma relação de aspecto entre um aspecto de imagens de uma primeira modalidade e um aspecto de imagens de uma segunda modalidade; armazenar a relação dos aspectos; caracterizado por ainda compreender: extrair um aspecto de uma imagem original; e recuperar pelo menos uma ocorrência com base no aspecto extraído e na relação de aspecto.

2. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo mapeamento incluir: analisar um volume de interesse de imagens da primeira modalidade e de imagens da segunda modalidade.

3. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo aspecto sem imagem incluir uma dentre a informação de identificação do paciente, informação demográfica, informação clínica do paciente, e histórico familiar.

4. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo mapeamento da relação de aspecto basear-se em uma dentre uma análise de fator e uma análise de regressão multi variável.

5. MÉTODO, de acordo com a reivindicação 1, caracterizado por compreender adicionalmente: exibir simultaneamente a imagem original e a ocorrência recuperada.

6. MÉTODO, de acordo com a reivindicação 1, caracterizado pela ocorrência recuperada incluir pelo menos uma das imagens da primeira modalidade e imagens da segunda modalidade.

7. MÉTODO, de acordo com a reivindicação 1, caracterizado por compreender adicionalmente: calcular uma distância entre o aspecto extraído da imagem original e um aspecto correspondente da pluralidade de ocorrências.

8. MÉTODO, de acordo com a reivindicação 1, caracterizado pela primeira modalidade ser uma dentre um mamograma em película, um ultrassom, varredura por CT, varredura por RMI, uma varredura por PET, um raio-x e um mamograma digital.

9. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo aspecto das imagens da primeira modalidade ser um dentre uma espiculação, um aspecto de densidade, um aspecto de textura, um valor de cinza médio, um aspecto de forma, e um aspecto de superfície de uma lesão.

10. SISTEMA QUE COMPREENDE UMA MEMÓRIA ARMAZENANDO UMA PLURALIDADE DE OCORRÊNCIAS, cada ocorrência incluindo pelo menos uma imagem de uma dentre uma pluralidade de modalidades e informação sem imagem; e um processador mapeando uma relação de aspecto entre um aspecto das imagens de uma primeira modalidade e um aspecto das imagens de uma segunda modalidade e armazenando a relação de aspecto na memória, caracterizado pelo processador adicionalmente extrair um aspecto de uma imagem original e recuperar pelo menos uma das ocorrências armazenadas com base no aspecto extraído e na relação de aspecto.

11. SISTEMA, de acordo com a reivindicação 10, caracterizado pelo processador analisar um volume de interesse das imagens da primeira modalidade e das imagens da segunda modalidade.

12. SISTEMA, de acordo com a reivindicação 10, caracterizado pelo processador mapear o aspecto da primeira modalidade até o aspecto da segunda modalidade, com o uso de uma dentre a análise de fator e a análise de regressão multivariável.

13. SISTEMA, de acordo com a reivindicação 10, caracterizado pelo processador recuperar a pelo menos uma ocorrência com base no cálculo de uma distância entre o aspecto extraído e um aspecto correspondente da pluralidade de ocorrências.

14. SISTEMA, de acordo com a reivindicação 10, caracterizado pelo processador simultaneamente exibir a imagem original e a ocorrência recuperada.

15. SISTEMA, de acordo com a reivindicação 10, caracterizado pela ocorrência recuperada incluir pelo menos uma das imagens da primeira modalidade e imagens da segunda modalidade.

16. SISTEMA, de acordo com a reivindicação 10, caracterizado pela primeira modalidade ser uma dentre um mamograma de película, um ultrassom, varredura por CT, varredura por RMI, uma varredura por PET, um raio-x e um mamograma digital.

17. SISTEMA, de acordo com a reivindicação 10, caracterizado pelo aspecto das imagens da primeira modalidade ser um dentre uma espiculação, um aspecto de densidade, um aspecto de textura, um valor de cinza médio, um aspecto de forma, e um aspecto de superfície de uma lesão.

18. SISTEMA QUE COMPREENDE RECURSOS PARA ARMAZENAR UMA PLURALIDADE DE OCORRÊNCIAS, cada ocorrência incluindo pelo menos uma imagem de uma dentre uma pluralidade de modalidades e informações sem imagem; recursos para mapear uma relação de aspecto entre um aspecto das imagens de uma primeira modalidade e um aspecto de imagens de uma segunda modalidade e armazenar a relação na memória; caracterizado por possuir ainda recursos para extrair um aspecto de uma imagem original e recuperar pelo menos uma das ocorrências armazenadas com base no aspecto extraído e na relação de aspecto.