CN106104538A - 用于辅助确定医学病症的方法及系统 - Google Patents
用于辅助确定医学病症的方法及系统 Download PDFInfo
- Publication number
- CN106104538A CN106104538A CN201580010617.4A CN201580010617A CN106104538A CN 106104538 A CN106104538 A CN 106104538A CN 201580010617 A CN201580010617 A CN 201580010617A CN 106104538 A CN106104538 A CN 106104538A
- Authority
- CN
- China
- Prior art keywords
- observation
- illness
- state
- loq
- basis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Abstract
本发明涉及用于通过呈现给用户关于受试者的问题列表LOQ,辅助用户由一个或多个医学图像确定受试者的医学病症的方法,该问题是由用户输入的肯定指示(Y)、否定指示(N)或者未知指示(X)而进行回答的。响应于接收对一个问题的回答,该方法呈现给用户排列的病症列表LOC,并且还呈现更新的LOQ,更新的LOQ中至少去除已经回答过的问题,即,LOQ的长度迭代地减少或者缩短。在选择关于受试者的基础观测FO之前步骤减少了初始的LOQ以及可能的病症。
Description
技术领域
本发明属于用于基于医学图像数据来辅助诊断的方法和系统的领域。
背景技术
临床医生需要基于身体医学图像的内容进行临床判断。目前的诊断支持系统主要局限于可能与特定成像特征有关的,以及与某些疾病相关的成像特征有关的疾病的百科全书式的在线数据库。这些数据库提供有用的一般信息,但不提供用于特定患者的诊断问题的定制的解决方案。即使是一个经验丰富的临床医生也不能妄谈在存在放射疑难的情况下进行诊断;认识到放射性格局特别是器官异常的专业知识,不能转移到视图中的其它器官或身体的地区,每个器官或身体区域会呈现出不同的放射性格局。
即使使用结果的特定组合精炼观测,一个特定的异常/观测也不一定对应一个可能的诊断。事实上,一个单独的类型的异常可以对应于许多不同的疾病。而且,一个单个的异常可能会显示不同类型的图像的不同的成像特征。
在MRI上可以看出肝损伤。病变可能是T1加权像的低信号(1)、T2加权像的高信号(2)、DWI图像的高信号(3)、T1加权像无形的相位(4)、动脉期图像的高信号(5)、门静脉期图像的等信号(6)、平衡相的图像的高信号(7),以及肝胆相图像的高信号(8)。此外,超声可以揭示病变是强回声(9)。此外,病变可以是多相的(10),明确定义的(11),以及包含钙化(12)。此外,在肝脏(13)存在另一种相似的病变,且在脾(14)中存在异常。患者可以是具有非洲根系(16)的男性(15),其有热病(17)和白细胞增多(18),以及前列腺癌(19)和肝炎(20)。在这种典型的示例中,临床医生要协调超过20个不同的指示器。必须实现正确的诊断,并且还得是低成本的。由于必须考虑到不同的异常情况的具体诊断值,因此常规的诊断系统将不能提供精确的结果。例如,用作为“在T1加权MRI上的低信号”的病变信息输送系统是没有价值的,因为>90%的疾病可能有那种表现。确定临床接受的一个关键因素还是解决情况所需的时间。放射科医师(和一般临床医生)受时间限制;任何导致大量时间损失或者工作流程中断的诊断支持系统或者专家系统都不能使用。在建立和维护这种系统的困难,以及用户缺乏接受的困难已导致在临床实践中缓慢引入。
本发明提供了一种方法解决方案来创建一个系统,该系统允许临床医生用最小数目的步骤来进行诊断,并同时是准确的。
发明内容
本发明涉及一种用于辅助用户由一个或多个医学图像确定受试者的医学病症的方法,该方法包括以下步骤:
i)从数据库(图7,A2)输出对应于基础观测集合SFO的基础观测列表LFO(图7,A1),SFO是多样观测MO的预定义子集,MO中的每个观测对应于医学图像相关的或者受试者相关的观测的描述,
ii)接收从LFO选择的至少一个基础观测的输入(图7,B 1)
iii)生成
-与数据库中所选择的FO关联的病症集合SC(图7B2),
-与在数据库中所选择的FO关联的规则集合SR(图9A2),并且
-从MO生成与数据库中的SR关联的观测集合SO(图9B2),
iv)由SC(图10A3)生成并输出病症列表LOC,并且由SO生成并输出问题列表LOQ(图10A1),
v)接收关于在LOQ(图10A1)中的一个问题的状态的输入,由此该状态是关于受试者的存在状态、不存在状态或者未知状态的指示,
vi)更新并输出:
-LOC(图10的B3、C3、D3、E3、F3),其中,提供了病症的似然性,病症的似然性被关联到由在步骤(v)中接收到的状态所满足的规则,以及
-LOQ(图10的B1、C1、D1、E1、F1),其中,至少去除与在步骤(v)中接收到的观测状态对应的问题,
vii)任选重复步骤v)至vi),直到在LOQ中再没有问题(图10G1)。
本发明进一步涉及一种用于辅助用户从一个或多个医学图像确定受试者的医学病症的方法,该方法包括以下步骤:
i)将基础观测列表(图7A1)LFO从数据库(图7A2)输出给用户,其中,数据库包含:
-多样观测MO,每个多样观测对应于医学图像相关的或受试者相关的观测的描述,
-基础观测集合SFO,基础观测子集对应于MO的预定义子集,并且用于生成LFO,
-多样病症MC,每个多样病症与至少一个基础观测关联,
-多样规则MR,
其中,在MR中的每个规则将至少一个病症的离散似然性与至少一个观测的不存在或者存在关联,
ii)接收从LFO选择的至少一个FO的输入(图7B1),
iii)由MC生成病症集合SC,其中,排除未关联到所选择的FO的病症(图7B2),
-由MR生成规则集合SR,其中,排除未关联到所选择的FO的存在的规则(图9A2),以及
-由MO生成观测集合SO,其中,排除未关联到SR中存在的规则的观测(图9B2),
iv)由SC生成并输出病症列表LOC(图10A3),并且由SO生成并输出问题列表LOQ(图10A1),
v)接收关于LOQ中的一个问题的状态的输入(图10A1),由此该状态是关于受试者的存在状态、不存在状态或者未知状态的指示,
vi)更新并输出:
-LOC(图10B3、C3、D3、E3、F3),其中,提供关联到由在步骤(v)中接收到的状态所满足的规则的病症的似然性,以及
-LOQ(图10B1、C1、D1、E1、F1),其中,至少去除与在步骤(v)中接收的观测状态对应的问题,
vii)选择性地重复步骤v)至vi),直到在LOQ中不再有问题(图10的G1)。
在SC中的多个病症通过离散的先验评级APR被关联到SO中的多个基础观测,其中,每个基础观测通过一个APR被关联到相应的病症(图7A2)。
离散的先验评级的类别数量在3到5之间,优选3。
在步骤iv)中的LOC中的每个病症根据在步骤ii)中从LFO选择的至少一个FO以及SC中的多个病症与权利要求3的SFO中的多个基础观测之间的关联(图10的A3),被初始分配相应的先验评级,以及在步骤vi)中提供的病症的似然性代替被初始分配给相同病症的先验评级(图10D3、E3、F3)。
所满足的规则一方面指示每个都在特定的似然性的一个或多个特定病症,并且另一方面指示一个或多个特定主要观测的特定的存在或不存在。
在更新期间,可选地根据似然性对LOC中的病症进行排序。
在SFO中的观测是一个或多个医学图像中的预定义图案。
离散似然性的数量在4到8之间,优选6。
SPO中的两个或更多个观测构成观测子集SSO,使得SSO的一个观测得到存在或不存在指示SSO中的剩余观测的存在或不存在。
当在步骤ii)中接收到的回答指示在SSPO的一个观测的状态时,步骤vi)中的修改的LOQ缺少询问关于在SSPO中的观测的状态的所有问题。
SPO中的两个或更多个观测可以构成与关联观测的状态有关的关联观测集合LSO,LSO被用于生成询问关于LSO的状态的相应的关联问题集合LSOQ,使得关联观测的状态的指示开始输出询问关于LSPO的状态观测的LSOQ。
步骤ii)可进一步包括将一系列以增大的特异性排列的选择呈现给用户以引导用户选择存在于患者内的FO的指示的步骤。
步骤iv)中的LOQ可以排除导致用具有最低似然性的病症填充LOC的那些。
医学图像相关观测可包括从医学图像识别形态图案,和/或患者相关观测包括年龄、性别、症状、病史、实验结果或其组合。
使用来自另一个数据库,优选来自图像存档和通信系统(PACS)、放射信息系统(RIS)和/或医院成像系统(HIS),的信息来确定在SPO中的一些观测的状态,SPO中的剩余观测重新形成为用户最初填充LOQ的问题。
本发明的另一实施方式涉及一种用于辅助用户由一个或多个医学图像确定受试者的医学病症的方法,该方法包括以下步骤:
i)从数据库输出用户问题列表LOQ,每次都询问关于受试者的一个或多个医学图像的主要观测的状态,从而该状态包括在患者中的主要观测的存在、不存在或者缺乏受试者的观测知识的指示,以及
由此该数据库包括:
用于生成LOQ的主要观测集合SPO;
用于生成病症列表LOC的病症集合SC;
其中,SC中的每个病症被分配有一个或多个规则,该规则将病症的离散似然性与在SPO中至少一个主要观测的不存在或者存在关联;
ii)从用户接收LOQ中的一个主要观测的状态的指示;
iii)更新LOC以及相关的似然性,以根据一个或多个规则满足步骤ii)中用户指示的主要观测的状态,
iv)将在步骤iii)中所更新的至少一部分病症列表LOC以及相关的离散似然性输出给用户;
v)将修改的LOQ输出给用户,其中,至少去除与在步骤ii)中所接收的观测状态对应的问题;以及
vi)任选地重复步骤ii)至v),直到在LOQ中不再有问题,从而实现根据一个或多个规则满足观测的状态的LOC和离散似然性。
数据库中的SPO可以是医学图像相关的观测和/或患者相关的观测。离散似然性的数目可以在4至8之间,优选为6。在SPO中的两个或更多个主要观测可构成主要观测子集SSPO,使得SSPO的一个观测的存在或不存在指示了在SSPO中剩余的观测的存在或不存在。当在步骤ii)中所接收的回答是SSPO的一个观测的状态的指示时,在步骤v)中所修改的LOQ可能缺乏询问SSPO中的观测的状态的所有问题。SPO中的两个或更多个主要观测可以构成与关联的主要观测的状态有关的关联的主要观测子集LSPO,那个LSPO被用于生成询问关于LSPO的状态的对应的关联问题子集LSOQ,因此,关联主要观测的状态的指示开始输出询问关于LSPO的观测的状态的LSOQ。在数据库中的病症和可选地主要观测可以与至少一个基础观测有关,其优选是一个或多个医学图像中的预定义图案,该方法进一步包括在步骤i)前的步骤:
a)从包含一个或多个基础观测的基础观测集合SFO接收在患者内基础观测的存在的指示,以及
b)用与所指示的基础观测相关的病症填充数据库中的SC,并且
c)根据所分配的规则,用与在步骤b)中所填充的SC中的病症相关的主要观测填充数据库中的SPO,并且可选地,其中,主要观测与所指示的基础观测相关。
步骤a)可进一步包括括给用户呈现一系列按照增大的特异性布置的选择的步骤,以引导用户选择存在于患者中的基础观测的指示。在数据库中的病症可以与位置有关,该位置是一个或多个医学图像的身体位置,并且该方法可进一步包括以下步骤:
-从包含一个或多个位置的预定义列表接收患者中的一个或多个医学图像的位置的指示,以及
-用与所指示的位置相关的基础观测填充SFO。
在数据库中的主要观测和/或病症可以与一个或多个标记相关,并且该方法进一步包括在步骤i)之前的步骤:
-从包含一个或多个标记的预定义列表接收一个或多个标记的状态指示,以及
-用与所指示的标记和其状态相关的主要观测和/或病症填充数据库中的SPO和SC。
该标记可以涉及患者的病症的特定状态,或者涉及用于获取一个或多个医学图像的成像技术。
在步骤v)中的LOQ可排除那些导致用具有最低似然性的病症填充LOC的病症。医学图像相关的观测可包括从医学图像确定形态图案,和/或患者相关的观测可包括年龄、性别、症状、病史、实验结果或其组合。可使用来自另一数据库的信息(优选来自图像存档和通信系统(PACS)、放射信息系统(RIS)和/或医院信息系统(HIS))确定在SPO中的一些主要观测的状态,在SPO中剩余观测被再形式形成为用户最初填充LOQ的问题。
本发明进一步涉及被配置为执行上述一种方法的计算机程序计算机程序,或可直接加载到计算机的内部存储器内的计算机程序产品,或存储在计算机可读介质上的计算机程序产品,或这种计算机程序或计算机程序产品的组合。
附图说明
图1示出了主要观测、病症、相关的似然性和观测状态的可能的数据库结构。
图2示出了用于单个病症(C1)的图1的数据库结构。
图3示出了示例性的基础观测集合(厚黑边缘的框),其中的一些属于选择的层级。
图4示出了在文本中的示例性基础观测集合(厚黑边缘的框),其中的一些属于选择的层级。
图5示出了主要观测、病症、相关的似然性以及观测状态以及基础观测(FO)和先验评级(APR)的可能的数据库结构(A),以及根据基础观测F2所选择的病症集合和主要观测集合生成不同的先验评级。
图6示出了一个位置(肝)的示例性位置组以及相关的基础观测集合。
图7(A1至D2)示出了包含多样病症、主要观测、规则,以及相关基础观测和先验评级(APR)的另一个可能的数据库结构。在B1中,选择基础观测F2,导致排除多个病症并生成先验评级(B2)。在C2中,R13表示为没有与之相关的病症,在D2中示出了所生成的病症集合和先验评级。
图8(A1至B3)中更详细地示出了基础观测和病症之间的关联。在B1中,选择基础观测F2,导致排除了不含先验评级(A2cf B2)的病症。在B2a和B2b中,生成包含其它病症和先验评级的LOC,其中,在B3中对列表进行排序。
图9(A1到D2)示出了图7A2的相同的数据库。在A1中,选择对应于主要观测O15基础观测F2,导致排除多个未关联到存在的O15的规则。在B2中示出所排除的规则结果。不再关联到规则的主要观测在B2中被突出,并在C2中被排除。
图10(A1至G2)示出了在图9A1至D2中生成的病症集合以及主要观测集合,以及根据用户的选择更新病症列表(LOC)和问题列表(LOQ)的步骤。
图11示出了主要观测、病症、相关的标记类型和状态的可能的数据库结构(A),以及病症集合,以及根据具有状态“Y”的标记Fg1所选的主要观测(B)的集合。
图12示出了本发明的示例性工作流程。
图13示出不同的群体(学生(STU)、放射学员(ASS)、消化科医生(GE)和放射科医生(RAD))在无辅助的专利、有辅助的本发明中,以及在由放射科医师当前优选有助于诊断的在线资源的辅助的情况下,准确确定患者的病症以及成功率(%)的研究结果。
具体实施方式
在描述本发明中所用的本方法之前,要理解的是,本发明不限于所描述的具体的方法、系统、或设备,因为这些方法、系统,以及设备完全可以改变。也应当理解,本文所用的术语不旨在进行限制,因为本发明的范围将由所附的权利要求限定。
除非上下文另有明确说明,如本文中所使用的,单数形式“一”、“一个”,和“该”包括单数和复数的对象两者。
如本文所使用的术语“包括(comprising)”、“包括(comprises)”和“包括(comprised of)”是与“包括(including)”、“包括(includes)”或“包含(containing)”、“包含(contains)”同义,并且是包括的或开放式的,并且不排除另外的、非引用的部件、元件或方法步骤。术语“包括(comprising)”、“包括(comprises)”和“包括(comprised of)”也包括术语“由...组成(consisting of)”。
由端点表述的数值范围包括包括在各范围内的所有数字和分数,以及所述端点。
当指诸如参数、量、时间段等的可测量值时在本文所使用的术语“约”指包括从特定值的+/-10%或更小,优选±5%或更小,更优选为+/-1%或更小,以及还要更优选为+/-0.1%或更小的变化,只要这种变化是适用于执行所公开的发明。但应该理解的是,该修饰语“大约”的数值是指本身,且具体地,并且优选地,是指所公开的。
除非另有定义,在公开本发明所使用的包括技术和科学术语的所有术语具有本发明所属的领域中的一个普通技术人通常所理解的含义。通过进一步引导的方式,包括用于描述的术语的定义,以更好地理解本发明的教导。
贯穿本说明书参考“一个实施方式”或“实施方式”意味着结合实施方式所描述的特定特征、结构或特性被包括在本发明的至少一个实施方式中。因此,在贯穿本说明书的不同位置出现的表述“在一个实施方式中”或“在实施方式中”不一定都指相同的实施方式,而是可能指相同的实施方式。此外,如对于从本公开内容的领域中的技术人员显而易见的,在一个或多个实施方式中,可以以任何合适的方式组合特定的特征、结构或特性。此外,如本领域技术人员所理解的,虽然本文描述的一些实施方式包括一些特征,而不是包括在其它实施方式中的其它特征,但是不同实施方式的特征的组合旨在本发明的范围之内,并且形成不同的实施方式。例如,在下面的权利要求中,可以以任何组合使用任何要求保护的实施方式。
本发明涉及用于辅助用户由一个或多个医学图像确定受试者的医学病症的方法。优选用计算机实现该方法。计算机通常具有屏幕和输入设备。本发明涉及发明者的发现:可以通过将关于受试者的问题列表LOQ呈现给用户来快速并准确地实现对患者的病症的诊断,该受试者通过由用户输入肯定指示(Y)、否定指示(N),或者未知指示(X)来进行回答。通常情况下,用户将通过诸如点击鼠标、触摸屏幕或者口头交流的人工输入来进行响应。响应于接收一个问题的回答,该方法呈现给用户排列的病症列表LOC,还有至少删除已经回答过的问题的更新LOQ,即,LOQ迭代地减小或者长度缩短。
该方法访问包含主要观测、病症和规则集合的数据库。每个规则将病症的离散似然性(例如,基本确定(A)、可能的(L)、关键诊断考虑事项(K)、可能(P)、不可能(U)、几乎排除(V))定义为一个或多个观测状态(存在(Y)、不存在(N),或未知(X))的函数。存在4至6个可能的似然性,优选为5个(例如,A、L、K、P、U、V)。每个似然性是不同的,并且可以是在从高到低的范围内的似然性。多个规则可以与一个病症相关。多个病症可以与一个规则相关。
参考图1示出了几个规则或者规则集合SR的示例。图1示出了包含病症集合SC 10和主要观测集合SPO 20的数据库中的可能的数据结构,SC 10由多个病症(C1至C5)填充,以及SPO 20由多个主要观测(O1到O9)填充。每个SC包含作为患者相关的医学病症的多个病症。一个病症(例如,C2),具体地,其似然性(例如,L),通过存在(Y)或不存在(N)的主要观测的指示关联到一个或多个主要观测(例如,O9、O6、O4)的。其中,当没有主要观测的知识(-)时,该单元用“-”表示;当在其中使用数据库和SR时,不存在关联,并且没有向其输入数据。在该规则集合SR(R1至R10)中,每个规则将一个或多个病症(选自C1至C5)关联到一个或多个主要观测(选自O1到O9)。例如,R1规定当O1=“Y”且O6=“N”,则C1=“L”,C2=“A”,且C4=“U”。
图2更详细示出了一个病症(C1)。C1与4个独立的规则(R1、R2、R5、R8)相关。在R1中,当存在观测1(O1)且不存在主要观测6(O6)时,似然性是“可能(L)”。在R2中,当不存在主要观测2(O2)且存在主要观测3(O3)时,似然性是“基本确认(A)”。根据R5,当存在主要观测1(O1),存在主要观测3(O3),且不存在主要观测5(O5)时,似然性是“主要诊断考虑事项(K)”。R8定义当不存在主要观测4(O4),且存在主要观测6(O6)时似然性为“几乎排除(V)”。
每个主要观测具有通过该方法被形成问题的可能性。问题主要询问用户主要观测存在(Y)还是不存在(N),还是具有未知的状态(X)。因此,输入的状态对应于存在观测或者不存在观测,或者对应于未知状态(未知)。下面给出主要观测的示例和类型。
SC中的每个病症被分配了一个或多个规则。每个规则规定例如几种可能的似然性A、L、K、P、U或V的一个的似然性适用的情况;所述情况是在SPO中存在(Y)或不存在(N)一个或多个主要观测。在观测状态具有未知的指示的情况下,不适用相应的规则。在下面给出病症的示例和类型。SR的规则受用户的输入的测试,当用户从SPO(其恰巧存在于SR的规则中)选择所有主要观测时,并且每一个主要观测也有对应于规则的状态时,该规则被满足且输出相应的病症和似然性。所满足的规则一方面指示各自在特定似然性的一个或多个特定病症,并且另一方面指示特定存在或者不存在一个或多个特定的主要观测。例如,在图2中,规则1规定当O1=“Y”且O6=“N”时,则C1=“L”,C2=“A”且C4=“U”。因此,当O1=“Y”且O6=“N”时,将满足规则1,且将输出C1=“L”,C2=“A”以及C4=“U”。
当满足两个或更多的规则,并且对于两个规则都常见的病症根据每个所满足的规则具有不同的似然性时,该方法可将最低似然性分配给LOC中的病症。在这种情况下,该方法可以按照优先顺序V、U、P、K、L、A将最低似然性分配给LOC中的病症。例如,在图1中,假如满足规则5和8,C1可以是“K”或“V”;该方法可将C1=“V”输出给LOC。存在于该主要观测(SPO)集合中的至少一些观测被用于形成(生成)存在于LOQ中的问题。
根据本发明的一个方面,该数据库包含:
主要观测集合SPO,每个对应于医学图像或者受试者相关的观测的描述,
病症集合,SC,每个可选地(见后面下文)关联到至少一个基础观测,以及
规则集合,SR,其中,在SR中的每条规则将至少一个病症的离散似然性与至少一个主要观测的存在或者不存在(N,Y)的进行关联。
可以从数据库中更大的病症组选择或填充SC。更大的组可以被称为多样病症(MC)。如下文所述,可根据存在的基础观测来确定该选择。
可以从数据库中更大的主要观测组选择或填充SPO。更大的组可以被称为多样主要观测(MPO)。如下文所述,可根据存在的基础观测来确定选择。
可以从数据库中更大的规则组选择或填充SR。更大的组可以被称为多样规则(MR)。如下文所述,可根据存在的基础观测来确定选择。
通过一个或多个专业人员创建数据库。为了便于输入数据,专家可以被呈现可编辑的表格,其具有类似于图1或者图7A2的表格的结构。数据库允许创建主要观测和病症,以及它们之间的关系的指示,例如从A、L、K、P、U或V选择病症,并且从Y、N选择相应的主要观测。从而形成多样规则或者规则集合。当不存在主要观测的知识时(“-”或“X”),该单元被表示为“-”,并且没有向其输入的数据。
通常,专家将从病症开始,并且用每个观测的似然性的指示将主要观测的状态关联到该病症。
可以以任何形式提供数据库;通常它存储在存储介质上,如磁驱动器或闪速存储器等。它在本发明的范围内,该范围是数据库存在于计算机的工作存储器内。例如,当由MC生成SC,或由MPO生成SPO,或由MR生成SR时,SC、SPO和SR可以存储在计算机的工作存储器中。
因此,本发明提供了一种用于辅助用户由一个或多个医学图像确定受试者的医学病症的方法,该方法包括以下步骤:
i)从数据库输出用户问题列表(LOQ),每个问题询问与一个或多个医学图像相关的患者中主要观测的状态,由此该状态包括患者中的主要观测的存在(Y)、不存在(N)或者缺乏知识(X)的指示。此外,该方法可进一步包括将病症列表LOC从数据库输出给用户,每个病症与离散似然性相关。优选地,问题的初始数量至少为2。
该方法在步骤i)之后可进一步包括一个或多个步骤:
ii)从用户接收对LOQ中呈现的一个问题的响应,那个回答是主要观测的状态(Y、N、X)的指示;
iii)根据关联SPO和SC的规则更新病症列表LOC,该病症列表满足用户指示的主要观测的状态,每个病症均与离散似然性相关联;
iv)将更新的至少一部分(优选全部)的LOC以及离散似然性输出给用户;
v)将修改的LOQ输出给用户,其中,至少去除与所接收到的观测状态对应的问题;以及
vi)任选地,重复步骤ii)至v),直到在LOQ中不再有问题,从而实现了根据一个或多个规则满足观测状态的LOC以及离散似然性。
根据另一方面,本发明提供了一种用于辅助用户由一个或多个医学图像确定受试者的医学病症的方法,该方法包括以下步骤:
i)提供数据库,该数据库包含:
-主要观测集合SPO,每个对应于医学图像相关的或者受试者相关的观测的描述;
-病症集合SC,以及
-规则集合SR,
其中,在SR中的每个规则将SC中的至少一个病症的离散似然性(仅)与在SPO中的至少一个主要观测的存在或者不存在(例如,N,Y)关联,
ii)由SC生成并输出病症列表LOC以及由SO生成并输出问题列表LOQ,
iii)接收关于LOQ中的一个问题的状态(例如Y,N,X)的输入,
iv)更新并输出:
-LOC(“更新的LOC”),其中,提供了关联到在步骤iii)中所接收到的状态所满足的规则的病症的似然性,以及
-LOQ(“更新的LOQ”),其中,至少去除与在步骤iii)中所接收的观测状态对应的问题,
vii)重复步骤v)至vi)。可以任选地重复步骤v)至vi),直到在LOQ中不再有问题。可以重复步骤v)至vi)直到在LOQ中不再有问题或者用户停止。
在任意情况下,用户可以继续回答问题,直到在LOQ没有更多的问题,或者用户可以在没有问题前停止回答问题。该方法可以继续进行直到接收了停止的指示。优选以上述的顺序执行该方法。应该理解的是,在本领域技术人员的普通活动范围内,某些步骤的顺序可以改变。
本文中,主要观测也被称为“观测”。涉及主要观测的术语,如“主要观测集合”(SPO)、“主要观测子集”(SSPO)、“关联主要观测集合”(LSPO)以及“多样主要观测”(MPO)也在本文中分别被称为“观测集合”(SO)、“观测子集”(SSO)、“关联观测集合”(LSO)以及“多样观测”(MO)。
主要观测可以是医学图像相关的或患者相关的观测。可以由本发明的用户通过他的输入来确定主要观测的状态,或者使用来自另一个数据库(例如,来自图像存档和通信系统(PACS)、放射信息系统(RIS)或医院信息系统(HIS))的信息来识别主要观测的状态。通常这种数据库已经包含患者相关的信息。如果从另一个数据库提供主要观测的状态,则该方法可以不从用户请求其状态。
成像相关的主要观测涉及医学图像中(即在一个或多个医学图像中)的图案中的一个或多个异常性的识别。可以通过本领域的任何方法来获得医学图像。医学图像的类型的示例包括,但不限于计算机断层摄影图像(CT或CAT扫描)、正电子发射断层扫描图像(PET扫描)、磁共振成像扫描(MRI)、超声图像、X射线图像、组织学图像。这种图像可以与本领域技术人员所有已知的计算机增强法、计算机预测法、化学标记法、造影剂等相结合。它是进一步由医用图像的模态定义图案的预定义选择的本发明的一个方面。
例如,在异常性的类型方面可以确定医学图像相关的主要观测。在肝脏的情况下,图像相关的主要观测(异常性)例如可以是,病灶内脂、胆管扩张,在门静脉中的“衰减”和延迟相、均相富血肿块,周边增强肿块等。
患者相关的观测涉及诸如患者的性别、年龄、种族、免疫状态以及肿瘤起因的其它患者信息。它包含非图像相关的信息。在肝脏的情况下,患者相关的主要观测的示例包括,青少年或年轻人、正常甲胎蛋白水平、避孕药的摄入量、合成类固醇的使用、黑素瘤的历史等等。
病症是受试者的医学病症或是机能障碍。在肝脏的情况下,病症例如可以是,错构瘤、胆管癌(肝内)、纤维板层肝细胞癌、局灶性结节性增生、肝细胞腺瘤、黑素瘤转移、转移癌、肝细胞癌等。
该方法将至少一部分(优选所有的)的LOQ显示给用户。该方法最初可会显示LOQ中的所有问题。LOQ可以作为一个列表呈现给用户,可以在列表中进行指示存在(例如Y)、不存在(例如,N),或未知的(例如X)的选择。问题的LOQ中的问题可以被表示为细长的列表,表示为多个区域(tiles),或者以任何合适的方式进行表示。根据一个方面,可以从由存在(例如Y)、不存在(例如,N),或未知的(例如X)组成的组选择输入状态。输入状态可以仅是存在(例如Y)、不存在(例如,N)或未知的(例如X)的指示。该方法可以不接受任何其它状态输入。
主要观测的集合SPO被用于生成LOQ。LOQ中的每个问题询问关于有关受试者的主要观测的状态(例如,Y、N、X)。LOQ中的问题直接基于相应的主要观测;换言之,主要观测可被转换成问题。例如,主要观测“避孕药的摄入量”可能被改写为“患者服用避孕药了吗”或者更简单地为“摄入避孕药了吗?”。一个问题可以根据文本和/或相关图像形成。例如,问题“胆道梗阻病变”可以伴随有胆道梗阻病变的图像。
根据本发明的一个方面,SPO中的所有主要观测都被再用形式表示为最初填充LOQ的问题。根据另一个方面,SPO中的一些主要观测被再用形式表示为最初填充LOQ的问题。
可以以任何顺序呈现LOQ中的问题。可以以任意顺序来回答LOQ中的问题。可以使用诸如鼠标、触摸屏、电脑触摸屏或麦克风的输入设备进行状态的选择。在一个典型的实施方式中,问题的LOQ被表现为多个区域,每个区域设置有不同的问题。选择一个区域(例如,通过在区域上滚动鼠标),揭示了三种可能的选择答案(例如,Y,N,X)。
可以利用来自另一个数据库,例如,如前面提到的,来自图像存档和通信系统(PACS)、放射信息系统(RIS)或医院成像系统(HIS),的信息来确定SPO中的一些主要观测的状态;SPO中剩余的主要观测被再用形式表示为最初填充LOQ的问题,并且另外,更新LOC,以包含根据规则满足观测状态的病症,每个病症与离散似然性相关。
随着用户回答问题,LOQ被更新以至少去除已经被回答的问题。LOQ可进一步被更新,以去除属于主要观测的子集(SSPO)的问题(见后面下文)。LOQ可进一步被更新,以去除将表示具有特定似然性的病症的一个或多个问题。优选地,去除关联到已接收到最低两个似然性(例如,上面的“U”或“V”)的病症的一个或多个问题。
该方法显示LOC的至少一部分,和与每个病症相关联的似然性。该方法可以显示LOC中的所有的病症和与每个病症相关联的似然性。如上所述,可以修改LOC以去除具有最低似然性的病症。LOC可以作为细长列表呈现给用户。通常情况下,该列表在竖直方向上延伸,在列表顶部是最可能的病症,并且在列表的底部是最不可能的病症。在该方法中,在计算机屏幕上的LOC的位置优选保持基本上恒定。在每个更新步骤之后,计算机屏幕上的LOC的位置保持基本上恒定。
在接收关于主要观测的状态的输入之后,更新病症列表LOC。具体地,更新LOC和相关的似然性,以根据该规则满足所选的主要观测的用户指示的状态。换句话说,当满足规则时,在更新的LOC中更新所满足的规则中指定的病症的似然性。
除了更新病症的似然性,更新步骤可包括以似然性的顺序对病症进行排序或者重新排序。优选地,首先放置最有可能的病症,例如按照A、L、K、P、U、V的顺序。
在接收关于主要观测的状态的输入之前,可以用初始的先验评级来设置LOC中的病症。基于稍后将在下文中讨论的早先的滤波步骤中的一个或多个放射图像中特定图案或其它观测(基础观测)的存在的选择,在LOC中的每个病症可以被分配自动生成的先验评级(APR)。例如,APR可以是“常见”(C),“不常见”(O)和“罕见”(R)。在这种情况下,用通过本方法建立的代替作为更多观测的状态的APR的似然性迭代地设置更新的LOC。当LOC包含似然性和APR的混合时,LOC中的病症可以按如下排序:A、L、K、P、C、O、R、U、V,其中,A、L、K、P、U、V是似然性,且C、O和R是APR。
在图10中示出更新LOC的示例。图10(A2-G2)示出通过SR(R3、R6、R9、R11、R15、R17、R19)关联到SPO(O1-O16)的SC(C1、C3、C5、C6、C8),问题列表LOQ(A1-G1),以及病症列表LOC(A3-G3)。在LOC中的每个病症被分配了自动生成的先验评级(APR,“常见”(C),“不常见”(O)和“罕见”(R))(在下面讨论)。在图10A1-A3中,用户从LOQ(A1)选择O16=Y;不满足规则R3、R6、R9、R11、R15、R17或R19的任何一个(A2);LOC的更新仅示出自动生成的初始先验评级(APR),而不显示似然性(A3)。在图10B1-3中,从LOQ去除O16,且用户选择O15=Y(B1);不满足规则R3、R6、R9、R11、R15、R17或R19的任何一个(B2);LOC的更新示出没有似然性(B3)。在图10C1-3中,从LOQ去除O15,用户选择O4=Y(C1);不满足规则R3、R6、R9、R11、R15、R17或R19的任何一个(C2);LOC的更新仅示出自动生成的初始先验评级(APR),而不显示似然性。在图10D1-3中,从LOQ去除O4,用户选择O12=Y(D1);满足规则17(D2);LOC的更新示出C8=K以及C3=U(D3,上部),与开始大致相似地排列(D3,下部)的;C5和C2的似然性替换相应的APR。在图10E1-3中,从LOQ去除O12,用户选择O3=N(E1);满足规则6(E2);LOC的更新示出C8=K,C1=A以及C3=U(E3,上部),与开始大致相似地排列(E3,下部);C1的新似然性代替了相应APR。在E2中,当满足规则6和17两者时,C3=“L”和“U”,该方法可以选择最低的似然性,以便分配C3=U。在图10F1-3中,从LOQ去除O3,用户选择O1=N,O6=N,O9=N,O10=N,O14=N(F1);满足规则15(F2);LOC的更新示出C8=K,C1=A,C3=U,C6=U(F3,上部),与开始大致相似地排列(F3,下部);C6=U的新似然性代替了相应APR。在F2中,当满足规则2、6和7时,C3=“L”,“L”和“U”,该方法可以选择最低的似然性,所以分配C3=U。在图10G1-3中,在没有LOQ(G1)的最终状态中,满足规则6、15、17(G2);LOC示出C8=K,C1=A,C3=U,C6=U,与开始大致相似地排列(G3)。
可以理解的是,该方法保留了先前所回答的问题的指示。因此,从用户接收的问题的状态被加入先前接收的状态,并且规则被应用到累积状态。
根据本发明的一个方面,在SPO中的两个或更多个主要观测构成主要观测子集(SSPO),使得SSPO的一个主要观测的存在或不存在指示SSPO中的剩余的观测的存在或不存在。因此,当在步骤ii)中所接收的回答指示SSPO的一个主要观测的状态时,步骤v)可能导致去除询问关于SSPO中的主要观测的状态的所有问题。
根据本发明的一个方面,在SPO中的两个或更多个主要观测构成与关联的主要观测的状态(例如,肯定指示(是),否定指示(N))有关的关联主要观测集合(LSPO)。关联主要观测的状态(例如,Y,N)的指示将触发询问关于由用户回答的LSPO的状态的问题LSOQ的关联集合的表现。由于由用户回答LSOQ内的问题,LSOQ被修改为至少去除已经回答的问题。还可以去除同样作为SSPO的一部分的LSOQ内的观测,作为由用户提供的状态。该LSPO的状态被用来更新LOC,该LOC根据规则满足用户指示的观测状态。使用LSPO且随后显示LSOQ减少了将由用户回答的初始问题的数量。
基于基础观测,通过预过滤可以减少数据库中可用的用于填充各SPO和SC的主要观测的数量以及病症的数量。
基础观测通常是一个或多个医学图像中的预定图案。基础观测可以对应于关于该图案的异常性的任何基础观测。由创建数据库的专家基于其诊断(判定)值从SPO选择基础观测。强大的基础观测显著减小相关病症的列表。当专家观测到异常时,他就会把它放在等效于基础观测的基本类别(例如,肌腱增厚)内。
数据库可以支持多个基础观测,每个基础观测与一个或多个病症以及与主要观测相关。数据库可以支持多个基础观测,每个基础观测与一个或多个病症相关,并且可选地与主要观测相关。优选地,病症与数据库中的至少一个基础观测相关。因此,可以用关联到所指示的基础观测的病症填充SC。因此,可以用同样关联到所指示的基础观测的主要观测来填充SPO。例如,某些基础观测可以基于一个或多个医学图像的位置(见后面下文),或更优选,基于SPO的子集来填充基础观测的集合SFO。
因此,该方法可以进一步包括以下步骤:
-接收患者中基础观测(例如,一个)的存在的指示,
-从数据库用与所指示的基础观测相关的病症填充SC。
-从数据库用与关联到所指示的基础观测的主要观测,以及上述步骤i)之前进行的指示基础观测的SC中的至少一个病症选择地填充SPO。
根据一个方面,可选地基于位置,将含有一个或多个(优选至少两个)基础观测的基础观测子集(SFO)优先呈现给用户。其中,当由用户指示基础观测存在于患者中时,与所确定的基础观测相关的病症被用于填充SC。优选地,用户确定一个基础观测的存在,然而,它在由用户确定的几个基础观测(例如,2、3、4或更多个)的范围之内。
本发明的一个方面是:从医学图像自动确定SFO中的基础观测(例如,使用图案确定或使用由用户佩戴的摄像机(如,谷歌眼镜)确定)。例如,根据US 8081811B2,自动图案确定技术在本领域()中是公知的。
优选地,与所确定的基础观测相关的病症被用于填充SC。随后,通过规则关联到如此填充的SC中的病症的主要观测被用于填充SPO。数据库中的一些主要观测与一些基础观测相关联是本发明的另一方面。因此,用于填充SPO的观测可以被细化到只包括与所确定的基础观测相关的那些观测。因此该方法可以进一步包括减小SPO以仅包括与所确定的基础观测相关的观测的步骤。
该方法可以将基础观测合集SFO呈现给用户,对其用户选择一个有关患者的基础观测子集。
可替换地,为了辅助用户,在SFO中的一个或多个基础观测可能属于数据库中的分级决策树,其具有上部分支(树的顶部)和下部分支(树的根部),以及在其处做出决定的末端分支。由分支的末端表示基础观测。一个或多个上部分支包含与患者相关的基本的观测。在上部分支中基本的观测是关于图案的更广义的观测,特异性向较低的树枝增大。用户可以指示存在从该树的顶部开始的基本的观测,得到了存在更具体的基本的观测的指示,并最终得到基础观测的选择。
图3示出分级组织,借此用黑边方框表示在分支末端处的基础观测。五个级别(L1至L5)是所指示的等级。例如,L1可能是关于存在弥漫图案、焦点/多焦点图案或者血管/胆汁性图案的观测,且L2至L4逐步确定放射性图案的更具体的特征。
图4示出分级树的示例,其从存在作为弥漫图案50的广义观测开始。用户可以从加粗线框52、54、56、58的任何一个选择基础观测。框64和66与框62是分级关系。
适用于肝的基础观测的示例包括在T2上的弥漫高信号,T1和T2上的弥漫低信号、弥漫衰减信号、弥漫增大衰减、异构密度/增强、(结节)畸形肝或不规则轮廓,节段性萎缩/肥大。
因此,本发明的方法可以进一步包括以下步骤,
a)向用户请求患者中存在基础观测(例如,一个)的指示,
b)从数据库用与所指示的基础观测相关的病症填充SC。
步骤a)可以进一步包括显示SFO中的所有基础观测,并请求用户选择存在于患者的基础观测(例如,一个)的步骤。可替代地,步骤a)可以进一步包括给用户呈现一系列按照增大的特异性分级排列的选择的步骤,其引导用户从存在于患者中的SFO选择基础观测(例如,一个)。优选逐步呈现选择,即,一旦完成之前的选择再进行进一步选择。
本发明的一个方面是,关联到基础观测的每个病症都被给出先验评级。该先验评级与如本文描述的似然性不同。例如,它不考虑输入的主要观测和规则的关系。先验评级是更普通的似然性。可针对共享相同基础观测的病症的组中的每个病症表示先验评级。例如,当看到“高增强型肿瘤”(基础观测)时,“肝癌”(病症)可能具有“常见”先验评级。因此,这些先验评级对于基础观测/病症的组合是特定的。当存在不同的基础观测时,病症可以有不同的先验评级。有可能存在1、2、3、4、5、6、7种或更多类别的先验评级,优选为3至5种,最优选为3种。该类别可以是从最常见到最不常见的“常见”“不常见”以及“罕见”。一旦已经提供了一个或多个主要观测的状态,可以通过由规则确定的似然性来代替病症的先验评级。
单个病症可以由一个APR关联到仅一个基础观测。单个病症可关联到两个或更多(例如,3、4、5、6)不同的基础观测,其中,针对关联到单个病症的每个基础观测,只有一个APR。单个基础观测可以被关联到两个或更多(例如,3、4、5、6)不同的病症,其中,针对关联到单个基础观测的每个病症,只有一个APR。可以如此关联SC中的超过一个的病症,可选地,在SC中的每个病症都可以这样关联,优选地,在SC中的大多数病症可以这样关联。在MC中的多个病症可以通过离散的先验评级被关联到SFO中的多个基础观测,其中,每个基础观测由一个APR关联到相应的病症。
图5示出数据库的示例性部分(图5A),包含通过规则(Y,N)和似然性(A、L、K、P、U、V)与主要观测(O11至O19)相关的病症(C6至C10)。针对与先验评级(APR)配对的基础观测(FO)的项,为每个病症提供附加字段(FO/APR)。例如,基础观测“F1”可能是:“高增强型肿块”,例如,基础观测“F2”可能是“胆囊的”,例如,基础观测“F3”可能是“低增强的”。当病症为C7时,F2与先验评级“O”(不常见)配对。当病症为C9时,F2与不同的先验评级“C”(常见)配对,并且当病症为C10时,与不同的先验评级“R”(罕见)配对。例如,当基础观测(FO)由用户或从其它患者相关的信息确定为F2时,减小用于填充SC(10)的病症(图5B),并相应地,SPO20中的主要观测的数目的减少。可以从SC10的APR列将先验评级呈现给用户。
基于一个或多个医学图像的位置(该位置是身体位置)的指示,通过预过滤可以减小在数据库中用于形成各SPO和SC的可用的主要观测的数目以及病症的数目。可能存在身体位置的预定义的集合。主要观测和/或病症可以与数据库中的位置相关。当该位置被指示时,所指示的位置相关的主要观测和病症被用于填充用来形式形成LOQ的SPO和SC。该位置可以被用来填充SFO,其依次被用于填充SC,而这反过来又确定了SPO。更优选地,SFO是SPO的子集(稍后将在下文描述)。
可以由用户,或可以使用来自另一个数据库,例如来自图片归档和通信系统(PACS)、放射信息系统(RIS)或医院成像系统(HIS),的信息提供位置的指示。
位置的示例包括肝、膝、前列腺、直肠、乳腺、肺、卵巢、肾、脑等。
因此,本发明的方法可以进一步包括以下步骤:
-从包含一个或多个位置的预定义列表接收患者中的一个或多个医学图像的位置的指示,以及
-从数据库用与所指示的位置相关联的病症填充SC。
可代替地,该方法可以进一步包括以下步骤:
-从包含一个或多个位置的预定义列表接收患者中的一个多个医学图像的位置的指示,以及
-用与所指示的位置相关的基础观测填充SFO。
优选地,基于基础观测和位置两者的指示填充SC。根据一个方面,本发明的方法进一步包括以下步骤:
-从包含一个或多个位置的预定义列表接收患者中的一个或多个医学图像的位置的指示,
-从数据库用与所指示的位置相关联的基础观测填充SFO,
-从SFO接收患者中基础观测(例如,一个)的存在的指示,
-从数据库用与所指示的基础观测相关的病症填充SC。
优选地,在进行上述基础观测的选择之前进行位置的确认。图6示出示例性位置(肝、膝、前列腺)与肝位置相关的基础观测(弥漫性、局灶性/多焦点、血管/胆道)的子集。
有利的是,在SFO中的基础观测可以对应于主要观测。每个基础观测都可以对应于主要观测,并且SFO中的基础观测的数目小于数据库中的主要观测的数目。优选的是,基础观测仅对应于作为医学图像相关的观测的主要观测。优选的是基础观测仅对应于一个或多个放射图像内的预定义图案的主要观测。
该SFO可用于生成基础观测列表LFO。LFO可被呈现(输出)给用户,用于选择是否存在基础观测(主要观测)。例如,LFO可以采取上述在图3和图4中的分级树的形式。
基础观测的选择相当于主要观测的存在(Y)状态的指示。根据本发明的方法,将未关联到基础观测(主要观测)的规则,更具体地是将未关联到存在(Y)状态的基础观测(主要观测)的规则从本方法进一步的步骤中排除。通过排除未关联的规则,可以大大减少在SC中的病症的数目以及在SPO中的主要观测的数目。
根据本发明的一个方面,该数据库包含多样主要观测MPO,每个主要观测对应于医学图像或受试者相关的观测的描述。该数据库可以进一步包括多样基础观测MFO,其中一些构成SFO并对应于MPO的预定子集,并用于生成LFO。如前面提到的,优选的是,在该SFO中的基础观测仅对应于作为医学图像相关的观测的主要观测。因此,优选地,只要SFO中的观测对应于MPO中仅作为医学图像相关的观测的主要观测(并且非患者相关的观测的主要观测),则SFO是MPO中的主要观测的预定子集。它也在MPO中的主要观测的预定义子集对应于MPO中作为医学图像相关和/或患者相关的观测的主要观测的本发明的范围之内。该数据库可以进一步包括多样病症MC,每个病症关联到至少一个基础观测。该数据库可以进一步包括多样规则MR,其中,在MR中的每个规则将至少一个病症的离散似然性与至少一个主要观测的不存在或存在(N,Y)关联。一方面,所满足的规则指示每个都在特定的似然性的一个或多个特定病症,并且另一方面指示一个或多个特定的主要观测的特定存在或不存在。
该方法接收从与受试者的一个或多个有关医学图像的LFO选择的至少一个FO的输入。在接收从LFO所选的至少一个FO的输入之后,可通过由MC生成SC来进行该方法;通常,SC包含比在MC中更少的病症。此外,可以由MR生成SR,通常,SR包含比在MR中更少的规则。此外,可以由MR生成SR,通过,SR包含比在MR中更少的规则。此外,可以由MPO生成SPO,通常,SPO包含比在MPO中更少的主要观测。
在生成SC时,未关联到所选择的FO的病症被排除。此外,不再关联到SR中的规则的病症被排除。
在生成SR时,未关联到所选择的FO的存在的规则被排除。优选地,在生成SR时,至少未关联到所选择的FO的存在的规则被排除。基础观测的选择相当于相应主要观测的存在(Y)状态的指示。更具体地,至少未关联到与FO相关的PO的存在(Y)的规则被排除。
在生成SPO时,未关联到SR中的规则的观测被排除。
如在别处所解释的,本发明的一个方面是,关联到基础观测的每个病症都被给出先验评级。如本文描述的先验评级与似然性不同。例如,它不考虑输入的主要观测和与规则的关系。先验评级是更普通的似然性。可针对共享相同基础观测的病症的组中的每个病症表示先验评级。当存在不同的基础观测时,病症可以有不同的先验评级。有可能存在1、2、3、4、5、6、7种或更多类别的先验评级,优选为3至5种,最优选为3种。该类别可以是从最常见到最不常见的“常见(C)”“不常见(O)”以及“罕见(R)”。一旦已经提供一个或多个主要观测的状态,可以通过由规则确定的似然性来代替病症的先验评级。
MC中的单个病症可以仅由一个APR关联到SFO中的一个基础观测。MC中的单个病症可关联到SFO中两个或更多(例如,3、4、5、6)不同的基础观测,其中,针对关联到单个病症的每个基础观测,只有一个APR。SFO中的单个基础观测可以被关联到MC中两个或更多(例如,3、4、5、6)不同的病症,其中,针对关联到单个基础观测的每个病症,只有一个APR。可以如此关联MC中的SC的超过一个的病症,可选地,在SC中的每个病症都可以这样关联,优选地,在SC中的大多数病症可以这样关联。
SC中的单个病症可以仅由一个APR关联到一个基础观测。SC中的单个病症可关联到SFO中两个或更多(例如3、4、5、6)不同的基础观测,其中,针对关联到单个病症的每个基础观测,只有一个APR。SFO中的单个基础观测可以被关联到SFO中两个或更多(例如,3、4、5、6)不同的病症,其中,针对关联到单个基础观测的每个病症,只有一个APR。可以如此关联SC中的超过一个的病症,可选地,在SC中的每个病症都可以这样关联,优选地,在SC中的大多数病症可以这样关联。
因此,一个方面涉及一种用于辅助用户由一个或多个医学图像确定受试者的医学病症的方法,所述方法包括以下步骤:
i)从数据库输出对应于基础观测集合SFO的基础观测列表LFO,所述SFO是多样观测MO的预定义子集,MO中的每个观测对应于医学图像相关的或者受试者相关的观测的描述。
ii)从LFO接收至少一个基础观测的选择的输入
iii)生成:
关联到数据库中所选择的FO的病症集合SC
关联到数据库中所选择的FO的规则集合SR,并且
由MO生成关联数据库中的SR的观测集合SO,
SC、SR以及SO被用于之后的步骤,其中,LOQ和LOC被生成、更新并呈现给用户。这些步骤在本文的其它地方进行描述。例如,进一步的步骤可包括:
iv)由SC生成并输出病症列表LOC以及由SO生成并输出问题列表LOQ,
v)接收关于LOQ中的一个问题的状态的输入,由此状态是关于受试者的存在状态、不存在状态或者未知状态的指示,
vi)更新并输出:
-LOC,其中,提供病症的似然性,病症的似然性被关联到由在步骤(v)中接收的状态而满足的规则,以及
-LOQ,其中,至少去除与在步骤(v)中接收的观测状态对应的问题,
vii)任选重复步骤v)至vi)直到在LOQ中没有更多的问题。
另一的方面涉及一种用于辅助用户由一个或多个医学图像确定受试者的医学病症的方法,方法包括以下步骤:
i)从数据库将基础观测列表LFO输出给用户,其中,数据库包含:
-多样观测MO,每个多样观测对应于医学图像或受试者相关的观测的描述,
-基础观测集合SFO,基础观测集合对应于MO的预定义子集,并被用于生成LFO,
多样病症MC,每个多样病症被关联到至少一个基础观测,
多样规则MR,
其中,在MR中的每个规则将至少一个病症的离散似然性(例如,A、L、K、P、U、V)(仅)与至少一个观测的不存在或者存在(N,Y)关联,
ii)接收从所述LFO选择的至少一个FO的输入,
iii)-由MC生成病症集合SC,其中,排除未关联到所选择的FO的病症,
-由MR生成规则集合SR,其中,排除未关联到对应于存在的所选择的FO的观测的规则,
-由MO生成观测集合SO,其中,排除未关联到存在于SR中的规则的观测,
SC、SR以及SO被用于随后的步骤,其中,LOQ和LOC被生成、更新并呈现给用户。这些步骤在本文的其它地方进行描述。例如,进一步的步骤可包括:
iv)由SC生成并输出病症列表LOC,并且由SO生成并输出问题列表LOQ,
v)接收关于LOQ中的一个问题的状态(Y,N,X)的输入,由此该状态是关于受试者的存在状态、不存在状态或者未知状态的指示,
vi)更新并输出:
-LOC(“更新的LOC”),其中,提供关联到由在步骤(v)中接收的状态满足的规则的病症的似然性,以及
-LOQ(“更新的LOQ”),其中,至少去除与在步骤(v)中接收的观测状态对应的问题,
vii)任选地重复步骤v)至vi),直到在LOQ中不再有问题。
在SC中的多个病症通过离散的先验评级APR被关联到SFO中的多个基础观测,其中,每个基础观测通过一个APR被关联到相应的病症。离散的先验评级的类别数量为3至5,优选3。步骤iv)中的LOC中的每个病症根据在步骤ii)中从LFO选择的至少一个FO以及在上述的SC中的多个病症与SFO中的多个基础观测之间的关联,被初始分配相应的先验评级。在步骤iv)中提供的病症的似然性代替被初始分配给相同病症的先验评级。所满足的规则一方面指示每个都在特定的似然性的一个或多个特定病症,并且另一方面指示一个或多个特定的主要观测的特定存在或不存在。
图7A2是MC(病症C1至CX..)、MPO(主要观测O1到OX)以及MR(R1至RX..)的示例性说明,其中,在MR中的每个规则将至少一个病症的离散似然性(A、L、K、P、U、V)与至少一个主要观测的不存在或存在(N,Y)关联。在MC中的病症将一个(优选仅一个)离散的先验评级(APR)(例如,常见“C”,不常见“O”,或罕见“R”)关联到基础观测(列FO/APR)。为了节省空间仅示出2个基础观测(F1,F2);图8A2示出包含额外基础观测(F1至F7和FX...)的扩展FO/APR段。在图7A2中,在MPO中的一些主要观测被关联到基础观测(列FO)。图7A1示出了呈现给用户的用于选择基础观测的LFO。
用户从LFO选择为“F2”的FO(图7B1,C1),并且将未关联到所选择的FO的病症(列F2,未关联的病症“-”)从如此形成的SC排除;用对角阴影表示所排除的病症(C2、C4、C7、C9),并且构成SC(C1、C3、C5、C6、C8)所包括的病症没有对角阴影。在图7C2中示出的排除结果具有减小的病症数目,并且具有生成的SC。此外,在列FO/APR中示出每个病症的APR。作为去除C2、C4、C7、C9的结果,R13没有与任何规则(图7C2,对角阴影)关联;因此,可以从SR排除R13(图7D2)。
图8A1、图8B1示出与在图7B1、图7C1相同的LFO以及“F2”的选择,并且图8B2进一步示出了MFO(列FO/APR)的放大图。在选择F2时,如已示于图7B2的,未关联到F2的病症被排除(图8B2,对角阴影)。使用剩余病症(图8B2a,图8B2b)填充LOC,并且在LOC中的病症按照从最高等级到最低等级病症排序(即,按照C、O、R的顺序)(图8B3)。
图9示出步骤的示例性序列,其导致规则的数目减少,即生成SR。在图9A1中用户选择的F2对应于灰色行(图9A2)的阴影的MPO中的O15。未关联到所选择的FO的MR中的存在(Y)的规则被排除,在行O15中被标记为“-”的单元未关联到规则。因此,排除R1、R2、R4、R7、R8、R10、R12、R14、R16、R18和R20(对角线阴影)。在图9B2中示出排除的结果,其中,规则形成SR。作为排除R1、R2、R4、R7、R8、R10、R12、R14、R16、R18和R20的结果,主要观测O2、O5、O8、O11和O13(对角线阴影)不再具有关联到它们的规则,因此,它们被进一步从SPO排除,其结果在图9C2中所示。图9C2示出了使用基础观测选择的最终结果,即,SR,其中,在SR中的每个规则关联SC中的至少一个病症的离散似然性(A,L,K,P,U,V)与SPO中至少一个主要观测的不存在或存在(N,Y),并且SC中的每个病症都被关联到APR。
基于标记的状态,通过预过滤可以进一步减小数据库中被用于形成各SPO和SC的可用主要观测的数目以及可用的病症数目。标记是指示符,并且通常是不存在状态、存在状态或者未知状态。主要观测和/或病症可以与数据库中的标记相关。
在指示标记状态的情况下,与所指示的标记状态相关的主要观测和病症被用于填充在步骤i)中用于形式上形成LOQ的SPO和SC。标记的示例包括成像技术,以及患者存在的特定病症(如肝硬化)。可以从预定义的列表选择标记的状态。
可以从用户接收(例如,通过人工输入)标记状态的指示。可替代地,可以从存在于另一个数据库,例如,从图像存档和通信系统(PACS)、放射信息系统(RIS)或医院成像系统(HIS),的信息来接收标记状态的指示。
根据一个方面,标记是用于获取医学图像的成像技术的指示,该医学图像形成基础观测以及图像相关的主要观测的基础。如上所述的成像技术的示例包括计算机断层摄影图像(CT或CAT扫描)、正电子发射断层扫描图像(PET扫描)、磁共振成像扫描(MRI)、超声图像(US)、X射线图像。这种图像可以与本领域技术人员所有已知的计算机增强法、计算机预测法、化学标记法、造影剂等相结合。优选地,标记是与基础观测和/或图像相关的主要观测有关的CT、US或MR的指示,
因此,本发明的方法可以进一步包括以下步骤,
-接收用于获取一个或多个医学图像的成像技术的指示,
-从数据库用与所选成像技术相关的主要观测和/或病症填充SPO和SC。
优选地,在选择基础观测之前执行成像技术的指示的接收。优选地,基于位置、基础观测以及成像技术的指示填充SPO和SC。
根据另一个方面,标记是患者特定病症(例如,肝硬化)的状态(例如,存在或不存在)的指示。
因此,本发明的方法可以进一步包括以下步骤:
-接收患者中的特定病症的状态(例如,存在或不存在)的指示,
-从数据库用与此病症的状态(例如,存在或不存在)相关的主要观测和/或病症填充SPO和/或SC。
优选地,在选择基础观测之前接收标记状态的指示。优选地,基于位置的指示、基础观测、成像技术以及任选另一个标记状态填充SPO和SC。
图11示出了包含通过规则(Y,N)和似然性(A,L,K,P,U,V)与主要观测(O21至O29)有关的病症(C20至C23)的数据库(图11A)的示例性部分。提供每个主要观测的附加字段(标记(状态)),用于由专家输入标记类型(例如Fg1、Fg2、Fg3、Fg4)以及输入相应的状态(例如Y、N,黑白)。例如,Fg1可能是肝硬化。当所确定的标记与它的状态(例如FG1为Y)一起被确定时,例如,由用户或由其它患者相关信息,用于填充SPO(20)的主要观测的数量减少(图11B)。
在图12中提供了本发明的方法的示例性工作流程。位置信息102、选择的基础观测104,以及一个或多个标记(例如,在该位置是肝脏的情况下的成像技术,不存在或存在肝硬化)的状态106作为输入(例如,通过用户或从另一个数据库输入)而提供。该方法通过访问数据库108填充主要观测集合SPO以及相关的病症集合SC 110。凭借规则(例如,在图1中所示的)将SC关联到SPO。任选地,可能已经从另一个数据库已知一些主要观测的状态107—这种信息可以被提供给该方法。SPO和SC被用于生成(112)将要输出给用户116的问题列表LOQ和病症列表,和它们的似然性114。在已经从107已知主要观测的状态的情况下,该信息被用于修改将输出给用户116的LOQ和LOC 122。用户回答LOQ中的其中一个问题,以指示主要观测的状态。该方法咨询(120)SPO和SC,并根据规则(例如,在图1中所示)更新(122)LOQ以及LOC,即通过缩减LOQ,并且如果有必要重新排列LOC。用户可以随时停止。当没有更多的问题时,用待输出(126)给用户的排列的病症列表124结束该方法。
在实践中,可以在用户界面呈现LOQ中的每个问题,作为区域,在区域上滚动鼠标,展示状态以从(Y,N,X)进行选择,点击状态使得LOC和LOQ进行更新。
本发明还提供了一种计算机程序,或可直接加载到计算机的内部存储器的计算机程序产品,或存储在计算机可读介质上的计算机程序产品,或这种计算机程序或计算机程序产品的组合,其被配置为执行如本文所述的方法。
本发明还提供了被配置为执行如本文所述的方法的设备。该设备通常包括计算机处理器以及可操作地关联到计算机处理器的数据存储器。该设备还包括计算机屏幕和诸如鼠标、键盘、触摸屏等的输入装置。
此方法提供了一种可以在复杂的情况下使用的用户友好的易于使用的系统。例如,在肝脏中有可能存在150个不同的病症,存在至少100个可能的观测类型(异常性);一种异常性可对应于多达30个可能的疾病;为了确定这些疾病的似然性,可以有50个或更多的相关的问题。在现有技术中没有描述制造可以处理这种复杂性同时提供高水平的用户友好的诊断支持系统的方法。
通过从问题/观测的三种可能的状态指示(Y、N、X)的选项选择输入的数据,同时使用“减小的LOQ”大大简化了用户输入数据的过程。他在每次输入后面临更少的问题。通过在输入之后同时提供关于LOC中被认为最可能和最不可能的病症的反馈,可以在任何时间不断通知用户医学病症顺序。另外,他自己可以决定进一步回答来自LOQ的哪个问题,以及是否要早退出该方法或者不退出该方法。用于被引导基于之前回答的问题进行诊断,但他可以根据他手头的信息和知识选择回答这些问题的顺序,允许灵活性。
在试验中,当出现很难的病例时,系统获得放射科医师和非放射科医师90%的平均精度(相较于无辅助的用户具有的60%的精度)。
图13示出具有不同程度的经验,即医学生(最没有经验)、放射学学员、消化科和放射科(最有经验的)的不同用户群体实验本发明的结果。示出了与用于在线诊断支持的当前可用资源的比较,并且还示出了与无辅助的比较。在图13中,本发明在所有用户组中获得至少90%时间的正确诊断。
Claims (15)
1.一种用于辅助用户由一个或多个医学图像确定受试者的医学病症的方法,所述方法包括以下步骤:
i)从数据库(图7,A2)输出对应于基础观测集合SFO的基础观测列表LFO(图7,A1),所述SFO是多样观测MO的预定义子集,所述MO中的每个观测对应于医学图像相关的或者受试者相关的观测的描述,
ii)接收从所述LFO选择的至少一个基础观测的输入(图7,B1)
iii)生成
-与在所述数据库中所选择的FO关联的病症集合SC(图7B2),
-与在所述数据库中所选择的FO关联的规则集合SR(图9A2),并且
-由所述MO生成与所述数据库中的SR关联的观测集合SO(图9B2),
iv)由所述SC(图10A3)生成并输出病症列表LOC,并且由所述SO生成并输出问题列表LOQ(图10A1),
v)接收关于在所述LOQ中的一个问题的状态的输入(图10A1),由此所述状态是关于所述受试者的存在状态、不存在状态或者未知状态的指示,
vi)更新并输出:
-所述LOC(图10的B3、C3、D3、E3、F3),其中,提供了关联到由在步骤(v)中接收到的状态所满足的规则的病症的似然性,以及
所述LOQ(图10的B1、C1、D1、E1、F1),其中,至少去除与在所述步骤(v)中接收到的所述观测状态对应的问题,
vii)任选重复步骤v)至vi),直到在所述LOQ中再没有问题(图10G1)。
2.一种用于辅助用户由一个或多个医学图像确定受试者的医学病症的方法,所述方法包括以下步骤:
i)将基础观测列表(图7A1)LFO从数据库(图7A2)输出给所述用户,其中,所述数据库包含:
-多样观测MO,每个所述MO对应于医学图像相关的或受试者相关的观测的描述,
-基础观测集合SFO,所述基础观测集合对应于所述MO的预定义子集,并且被用于生成所述LFO,
-多样病症MC,每个所述MC与至少一个基础观测关联,
-多样规则MR,
其中,在所述MR中的每个规则将至少一个病症的离散似然性与至少一个观测的不存在或者存在关联,
ii)接收从所述LFO选择的至少一个FO的输入(图7B1),
iii)-由所述MC生成病症集合SC,其中,排除未关联到所选择的FO的病症(图7B2),
-由所述MR生成规则集合SR,其中,排除未关联到所选择的FO的存在的规则(图9A2),以及
-由所述MO生成观测集合SO,其中,排除未关联到所述SR中的存在的规则的观测(图9B2),
iv)由所述SC生成并输出病症列表LOC(图10A3),并且由所述SO生成并输出问题列表LOQ(图10A1),
v)接收关于所述LOQ中的一个问题的状态的输入(图10A1),由此所述状态是关于所述受试者的存在状态、不存在状态或者未知状态的指示,
vi)更新并输出:
-所述LOC(图10B3、C3、D3、E3、F3),其中,提供关联到由在步骤(v)中接收到的状态所满足的规则的病症的似然性,以及
-所述LOQ(图10B1、C1、D1、E1、F1),其中,至少去除与在步骤(v)中接收的观测状态对应的问题,
vii)选择性地重复步骤v)至vi),直到在所述LOQ中不再有问题(图10的G1)。
3.根据权利要求1或2所述的方法,其中,在所述SC中的多个病症通过离散的先验评级APR被关联到所述SO中的多个基础观测,其中,每个基础观测通过一个APR被关联到相应的病症(图7A2)。
4.根据权利要求3所述的方法,其中,离散的先验评级的类别数量在3到5之间,优选3。
5.根据权利要求3或4所述的方法,其中,
-步骤iv)中的所述LOC中的每个病症根据在步骤ii)中从所述LFO选择的至少一个FO以及所述SC中的多个病症与权利要求3的所述SFO中的多个基础观测之间的关联(图10的A3),被初始分配相应的先验评级,以及
-在步骤vi)中提供的病症的似然性代替被初始分配给相同病症的先验评级(图10D3、E3、F3)。
6.根据权利要求1至5中任一项所述的方法,其中,所满足的规则一方面指示每个都处于特定的似然性的一个或多个特定病症,并且另一方面指示一个或多个特定观测的特定的存在或不存在。
7.根据权利要求1至6中任一项所述的方法,其中,根据似然性对所述LOC中的病症进行排序。
8.根据权利要求1至7中任一项所述的方法,其中,所述SFO中的观测是所述一个或多个所述医学图像中的预定义图案。
9.根据权利要求1至4中任一项所述的方法,其中,离散似然性的数量在4到8之间,优选6。
10.根据权利要求1至8中任一项所述的方法,其中,SPO中的两个或更多个观测构成观测子集SSO,使得所述SSO的一个观测的存在或不存在指示所述SSO中的剩余观测的存在或不存在。
11.根据权利要求10所述的方法,其中,当在步骤ii)中接收到的回答指示在所述SSPO的一个观测的状态时,步骤vi)中的修改的LOQ缺少询问关于在所述SSPO中的观测的状态的所有问题。
12.根据权利要求1至11中任一项所述的方法,其中,SPO中的两个或更多个观测构成与关联观测的状态有关的关联观测集合LSO,所述LSO被用于生成询问关于所述LSO的状态的相应的关联问题集合LSOQ,使得关联观测的状态的指示开始输出询问关于所述LSPO的状态观测的LSOQ。
13.根据权利要求1至12中任一项所述的方法,其中,步骤ii)进一步包括将一系列以增大的特异性排列的选择呈现给所述用户以引导所述用户选择存在于所述患者内的FO的指示的步骤。
14.根据权利要求1至13中任一项所述的方法,其中,
-医学图像相关观测包括从所述医学图像识别形态图案,和/或
-患者相关观测包括年龄、性别、症状、病史、实验结果或其组合。
15.被配置为用于执行根据权利要求1至14中任一项所述方法的一种计算机程序,或可直接加载到计算机的内部存储器内的计算机程序产品,或存储在计算机可读介质上的计算机程序产品,或这种计算机程序或计算机程序产品的组合。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EPPCT/EP2014/053741 | 2014-02-26 | ||
EP2014053741 | 2014-02-26 | ||
PCT/EP2015/054059 WO2015128429A1 (en) | 2014-02-26 | 2015-02-26 | Method and system for assisting determination of a medical condition |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106104538A true CN106104538A (zh) | 2016-11-09 |
Family
ID=50336269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580010617.4A Pending CN106104538A (zh) | 2014-02-26 | 2015-02-26 | 用于辅助确定医学病症的方法及系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9977958B2 (zh) |
EP (1) | EP3111350B1 (zh) |
CN (1) | CN106104538A (zh) |
EA (1) | EA201691432A8 (zh) |
WO (1) | WO2015128429A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10037407B2 (en) * | 2015-11-23 | 2018-07-31 | Koninklijke Philips N.V. | Structured finding objects for integration of third party applications in the image interpretation workflow |
BE1023750B1 (nl) | 2016-06-14 | 2017-07-11 | Grain Ip Bvba | Methode en systeem voor standaardisering van radiologie werkstroom |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6032678A (en) * | 1997-03-14 | 2000-03-07 | Shraga Rottem | Adjunct to diagnostic imaging systems for analysis of images of an object or a body part or organ |
WO2006058738A1 (en) * | 2004-12-02 | 2006-06-08 | Lieven Van Hoe | Image evaluation system, methods and database |
CN1983258A (zh) * | 2005-09-02 | 2007-06-20 | 西门子医疗健康服务公司 | 处理患者医学数据的系统和用户界面 |
CN201681392U (zh) * | 2010-04-30 | 2010-12-22 | 陈献堂 | 一种远程医学诊断辅助系统 |
US20120101846A1 (en) * | 2008-11-19 | 2012-04-26 | Frank Gotthardt | Computer-Implemented Method For Displaying Patient-Related Diagnoses Of Chronic Illnesses |
US20130253940A1 (en) * | 2012-03-20 | 2013-09-26 | Zilla Collections Llc | System and method for diagnosis involving crowdsourcing |
US8548828B1 (en) * | 2012-05-09 | 2013-10-01 | DermTap | Method, process and system for disease management using machine learning process and electronic media |
US20130262357A1 (en) * | 2011-10-28 | 2013-10-03 | Rubendran Amarasingham | Clinical predictive and monitoring system and method |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8081811B2 (en) | 2007-04-12 | 2011-12-20 | Fujifilm Corporation | Method, apparatus, and program for judging image recognition results, and computer readable medium having the program stored therein |
US9043217B2 (en) * | 2011-03-31 | 2015-05-26 | HealthSpot Inc. | Medical kiosk and method of use |
-
2015
- 2015-02-26 WO PCT/EP2015/054059 patent/WO2015128429A1/en active Application Filing
- 2015-02-26 US US15/119,849 patent/US9977958B2/en active Active
- 2015-02-26 EP EP15710446.4A patent/EP3111350B1/en active Active
- 2015-02-26 EA EA201691432A patent/EA201691432A8/ru unknown
- 2015-02-26 CN CN201580010617.4A patent/CN106104538A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6032678A (en) * | 1997-03-14 | 2000-03-07 | Shraga Rottem | Adjunct to diagnostic imaging systems for analysis of images of an object or a body part or organ |
WO2006058738A1 (en) * | 2004-12-02 | 2006-06-08 | Lieven Van Hoe | Image evaluation system, methods and database |
CN1983258A (zh) * | 2005-09-02 | 2007-06-20 | 西门子医疗健康服务公司 | 处理患者医学数据的系统和用户界面 |
US20120101846A1 (en) * | 2008-11-19 | 2012-04-26 | Frank Gotthardt | Computer-Implemented Method For Displaying Patient-Related Diagnoses Of Chronic Illnesses |
CN201681392U (zh) * | 2010-04-30 | 2010-12-22 | 陈献堂 | 一种远程医学诊断辅助系统 |
US20130262357A1 (en) * | 2011-10-28 | 2013-10-03 | Rubendran Amarasingham | Clinical predictive and monitoring system and method |
US20130253940A1 (en) * | 2012-03-20 | 2013-09-26 | Zilla Collections Llc | System and method for diagnosis involving crowdsourcing |
US8548828B1 (en) * | 2012-05-09 | 2013-10-01 | DermTap | Method, process and system for disease management using machine learning process and electronic media |
Also Published As
Publication number | Publication date |
---|---|
EP3111350B1 (en) | 2023-09-06 |
WO2015128429A1 (en) | 2015-09-03 |
EA201691432A1 (ru) | 2017-02-28 |
US9977958B2 (en) | 2018-05-22 |
EP3111350A1 (en) | 2017-01-04 |
US20170220860A1 (en) | 2017-08-03 |
EA201691432A8 (ru) | 2018-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170193660A1 (en) | Identifying a Successful Therapy for a Cancer Patient Using Image Analysis of Tissue from Similar Patients | |
JP6594501B2 (ja) | 被験患者に対して実行する医療手順において使用されるプロトコールを決定するためのプロトコール作成クライアント | |
JP5899236B2 (ja) | 事例ベース推論を用いた治療プランニングに対する医療判断支援のためのシステム及び方法 | |
US20180330525A1 (en) | Advanced medical image processing wizard | |
JP5553972B2 (ja) | 電子医療記録影響データ取得、処理および表示システムおよび方法 | |
US20080221923A1 (en) | Medical information management system | |
JP5506912B2 (ja) | 臨床決定支援システム及び方法 | |
JP5744877B2 (ja) | 臨床判断支援のためのシステム及びその方法 | |
US20120284657A1 (en) | User interface for providing clinical applications and associated data sets based on image data | |
KR20050084394A (ko) | 컴퓨터 보조 방법 | |
KR20050085778A (ko) | 의료 데이터 처리 방법 및 데이터 처리 시스템 | |
CN101903883B (zh) | 用于基于病例的决策支持的方法和装置 | |
WO2009039391A1 (en) | Systems, methods and apparatuses for generating and using representations of individual or aggregate human medical data | |
Steenwijk et al. | Integrated visual analysis for heterogeneous datasets in cohort studies | |
US11037659B2 (en) | Data-enriched electronic healthcare guidelines for analytics, visualization or clinical decision support | |
CN110246554A (zh) | 保健网络 | |
JP6771986B2 (ja) | 医用情報処理装置 | |
US20140153795A1 (en) | Parametric imaging for the evaluation of biological condition | |
CN106104538A (zh) | 用于辅助确定医学病症的方法及系统 | |
Macchia et al. | Multidisciplinary tumor board smart virtual assistant in locally advanced cervical cancer: A proof of concept | |
EP3362925B1 (en) | Systems and methods for generating correct radiological recommendations | |
JP2023504026A (ja) | 医用イメージング・システムにおける自動式プロトコル指定 | |
Li et al. | The brain tumor segmentation (BraTS) challenge 2023: Brain MR image synthesis for tumor segmentation (BraSyn) | |
US20090024413A1 (en) | Method and system to manage cross institutional mamma carcinoma care plans | |
AL-Fleit et al. | Modeling and executing a guideline-based clinical decision support system using the proforma methodology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161109 |
|
WD01 | Invention patent application deemed withdrawn after publication |