CN110168657B - 利用智能肿瘤大小更改通知进行肿瘤跟踪 - Google Patents
利用智能肿瘤大小更改通知进行肿瘤跟踪 Download PDFInfo
- Publication number
- CN110168657B CN110168657B CN201780082541.5A CN201780082541A CN110168657B CN 110168657 B CN110168657 B CN 110168657B CN 201780082541 A CN201780082541 A CN 201780082541A CN 110168657 B CN110168657 B CN 110168657B
- Authority
- CN
- China
- Prior art keywords
- measurements
- recent
- current measurement
- measurement
- increase
- 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.)
- Active
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 33
- 230000008859 change Effects 0.000 title description 2
- 238000005259 measurement Methods 0.000 claims abstract description 292
- 230000003902 lesion Effects 0.000 claims abstract description 83
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 11
- 230000007170 pathology Effects 0.000 claims description 11
- 238000002059 diagnostic imaging Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 2
- 230000012010 growth Effects 0.000 abstract description 35
- 208000037821 progressive disease Diseases 0.000 description 13
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 4
- 210000001165 lymph node Anatomy 0.000 description 3
- 208000008771 Lymphadenopathy Diseases 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 208000018555 lymphatic system disease Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 230000004614 tumor growth Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000002308 calcification Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Bioethics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种肿瘤跟踪设备(110)包括指南引擎(130)、检测引擎(132)和用户接口(134)。所述指南引擎(130)接收根据对象的医学图像的至少一个病变的当前测量结果和多个先前测量结果,所述当前测量结果和所述多个先前测量结果中的每个都是按时间顺序识别的;并且所述指南引擎计算所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的增长。所述检测引擎(132)计算所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的增长;并且响应于所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的计算出的增长超过根据医学指南的阈值并且所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的计算出的增长没有超过所述阈值而识别所述非最近测量结果中的至少一个。所述用户接口(134)在显示设备(136)上显示所述至少一个病变的所述非最近测量结果中的所识别的至少一个的指示符(138)。
Description
技术领域
下文总体上涉及医学成像和癌症处置,并且更具体地涉及在来自医学成像模态(例如,计算机断层摄影(CT)重建、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)、磁共振(MR)及其组合)的医学图像中对病变测量进行纵向跟踪。
背景技术
对医学图像的解读能够包括定量测量例如病变的尺寸。例如,在实体肿瘤的疗效评价标准(RECIST)中,以长直径跨病变获取肿块病变的测量结果,并且以短直径跨病变获取淋巴结病变的测量结果。通常测量两种直径,特别是对于无法区分的病变要测量两种直径。例如RECIST或来自世界卫生组织(WHO)的指南建立了评价测量肿瘤的护理标准。
例如,RECIST指南要求根据处置的类型和时间表(在处置之后3-4个月或II期试验的6-8周)进行成像检查和肿瘤生长评价。肿瘤生长评价将当前检查E(0)中的病变与最近检查E(-1)中的病变进行比较,并且将直径增长超过20%阈值的那些肿瘤识别为进行性疾病(PD),并且将直径增长小于20%阈值的那些肿瘤识别为稳定疾病(SD)。世界卫生组织(WHO)使用30%的阈值。根据病变(要么是肿块,要么是淋巴结)的病理学结果来选择是使用短直径还是使用长直径。根据正式指南,肿瘤的疾病状态通常用于确定针对患者的处置选择。
当前肿瘤学实践的一个问题在于可能存在“蠕变”,其在任何两次相继的检查之间表现为“稳定疾病”的病变,但是在更大的时间跨度内明确表现为增长。例如,在相继的检查之间,根据RECIST指南将病变测量为小于20%,但是病变仍然在增长。
医学护理专业人员(例如,放射科医师)接收患者的医学图像并解读或阅读图像,包括测量病变,对病理学结果进行分类以及准备报告。医学护理专业人员在解读医学图像和准备报告方面面临时间压力,其他医学护理专业人员(例如,肿瘤科医生)会使用这些图像和报告来处置患者,但是期望这些图像和报告遵从护理标准。也就是说,医学护理专业人员能够超过护理标准,但是他们也应当符合并遵守护理标准。
发明内容
本文描述的各个方面解决了上述问题和其他问题。
下文描述了与肿瘤跟踪指南一致和超过肿瘤跟踪指南的纵向肿瘤跟踪。肿瘤跟踪设备和方法包括考虑了先前检查的其他增长特性(例如,从每个非最近的先前测量结果的病变增长,根据先前测量结果的函数的增长,针对先前测量结果的定时而调整的增长,无法区分的病理学结果及其组合)的智能纵向比较的通知。在一些实施例中,从对跟踪的病变的临床描述得出无法区分的病变的病理学结果。在一些实施例中,为医学报告生成通知。
在一个方面中,一种肿瘤跟踪设备包括指南引擎、检测引擎和用户接口。所述指南引擎接收根据对象的医学图像的至少一个病变的当前测量结果和多个先前测量结果,所述当前测量结果和所述多个先前测量结果中的每个都是按时间顺序识别的;并且所述指南引擎计算所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的增长。所述检测引擎计算所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的增长;并且响应于所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的计算出的增长超过根据医学指南的阈值并且所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的计算出的增长没有超过所述阈值而识别所述非最近测量结果中的至少一个。所述用户接口在显示设备上显示所述至少一个病变的所述非最近测量结果中的所识别的至少一个的指示符。
在另一方面中,一种肿瘤跟踪方法包括:接收根据对象的医学图像的至少一个病变的当前测量结果和多个先前测量结果,所述当前测量结果和所述多个先前测量结果中的每个都是按时间顺序识别的;计算所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的增长;计算所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的增长;响应于所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的计算出的增长超过根据医学指南的阈值并且所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的计算出的增长没有超过所述阈值而识别所述非最近测量结果中的至少一个;并且在显示设备上显示所述至少一个病变的所述非最近测量结果中的所识别的至少一个的指示符。
在另一方面中,一种承载指令的非瞬态计算机可读存储介质,所述指令控制一个或多个处理器以接收根据对象的医学图像的至少一个病变的当前测量结果和多个先前测量结果,所述当前测量结果和所述多个先前测量结果中的每个都是按时间顺序识别的。所述处理器还被控制为:计算所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的增长;并且计算所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的增长。所述处理器还被控制为响应于所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的计算出的增长超过根据医学指南的阈值并且所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的计算出的增长没有超过所述阈值而识别所述非最近测量结果中的至少一个。所述处理器还被控制为在显示设备上显示所述至少一个病变的所述非最近测量结果中的所识别的至少一个的指示符。
参考下文描述的(一个或多个)实施例,本发明的这些方面和其他方面将变得明显并且得到阐明。
附图说明
本发明可以采用各种部件和各种部件的布置,以及各个步骤和各个步骤的安排的形式。附图仅出于图示优选实施例的目的,而不应被解读为对本发明进行限制。
图1示意性地图示了具有肿瘤跟踪设备的医学成像系统的实施例。
图2示意性地图示了利用智能纵向比较对纵向肿瘤测量结果的示例性显示。
图3示意性地图示了利用智能纵向比较对纵向肿瘤测量结果的示例性图形显示。
图4用流程图图示了利用智能纵向比较来纵向跟踪肿瘤测量结果的方法的实施例。
具体实施方式
参考图1,示意性地图示了具有肿瘤跟踪设备110的医学成像系统100的实施例。能够直接从医学成像扫描器112生成和接收对象的医学图像,医学成像扫描器112例如为计算机断层摄影(CT)扫描器、磁共振(MR)扫描器、正电子发射断层摄影(PET)扫描器、单光子发射计算机断层摄影(SPECT)扫描器、超声(US)扫描器,其组合等。能够将医学图像存储在存储子系统114中并且能够从存储子系统114接收医学图像,存储子系统114例如为图片存档与通信系统(PACS)、放射科信息系统(RIS)、电子病历(EMR)、医院信息系统(HIS)等。
测量工具116能够测量医学图像中的病变,例如测量病变的长直径118,病变的短直径120和/或这两者。按时间顺序识别测量结果。例如,测量结果能够包括日期戳122、日期/时间戳等。在一些实施例中,能够从成像研究或检查的元数据(例如,医学数字成像和通信(DICOM)标头)中取回日期戳122。测量结果包括根据医学图像或成像检查的当前测量结果124以及根据先前的医学图像或成像检查的先前测量结果126。根据每个病变得到测量结果,这些测量结果能够得到标记128。
指南引擎130接收当前测量结果124和先前测量结果126。在一些实施例中,指南引擎130从测量工具116接收当前测量结果124。在一些实施例中,指南引擎130从存储子系统114接收当前测量结果124和/或先前测量结果126。
指南引擎130针对每个测量的病变计算当前测量结果124(E(0))与先前测量结果126的最近测量结果E(-1)之间的增长。例如,当前测量结果为57.9mm,并且最近测量结果为50.6mm,则增长率为14%((E(0)-E(-1))/E(-1)),其小于根据RECIST指南的20%的阈值,因此是稳定疾病(SD)。对于肿块病变,使用长直径的测量结果。对于淋巴结,使用短直径的测量结果。对于无法区分的病变(其中,病变类型是未知的),能够计算长直径和短直径中的每个的增长率。在一些实施例中,识别出测量的病变的增长率超过针对进行性疾病(PD)的指南阈值。在一些情况下,这符合根据指南的护理标准,其包括用PD的指示符进行通知。
检测引擎132计算当前测量结果124与先前检查的特性之间的增长,例如,从每个非最近的先前检查的增长,根据来自先前检查的测量结果的函数的增长,针对先前检查的定时而调整的增长,无法区分的病理学结果和/或其组合。在一些实施例中,先前检查能够限于从当前测量结果的日期起的最大间隔。在一些实施例中,能够根据当前处置类型的日期来限制先前检查。在一些实施例中,能够针对长直径测量结果、短直径测量结果或这两种测量结果来确定特性。检测引擎识别其特性大于针对PD的指南阈值的先前测量结果中的至少一个。
用户接口134在显示设备136上显示所识别的(一个或多个)先前测量结果和/或根据指南被识别为PD的病变及其组合的视觉指示符138。指示符138能够包括显示的符号、显示的形状、多个先前测量结果中的一个或多个的显示强度的差异、多个先前测量结果中的一个或多个的对比度的差异、多个先前测量结果中的一个或多个的颜色差异及其组合。例如,“N”能够指示先前测量结果的最低点或最低测量结果超过针对对应直径的增长阈值,并且最低点的值能够被突出显示。在另一示例中,“1”能够指示第一个最近的先前测量结果超过针对对应直径的增长阈值,并且针对该测量结果的颜色发生变化。在另一示例中,符号的组合能够包括“NR”(根据最低点增长)以及“R”(针对时间而调整的增长)。在一些实施例中,指示符包括根据指南识别出增长,例如针对指南的“G”。在一些实施例中,不使用符号,仅在先前测量结果中改变颜色。在一些实施例中,使用形状。在一些情况下,用指示符138进行的通知符合针对PD/SD的指南并且通过考虑进行性疾病的其他特性而超过指南(其能够包括“蠕变”)。
在一些实施例中,显示设备136上的显示能够包括测量的病变,其中,测量结果按时间顺序或纵向排序,如图1的示例性显示中所图示的。病变能够包括标签128,标签128能够在字符输入区140中进行输入或注释。显示设备136上的显示能够包括检查的日期122。
响应于输入142,用户接口134能够生成报告,该报告包括指示符138。所生成的报告能够包括关于测量结果根据指南的信息,例如,标签128、根据指南会超过针对进行性疾病(PD)的阈值的任何病变的当前测量结果124和最近的先前测量结果126。格式能够与显示相同或不同。例如,报告能够被格式化为文本。一个示例是“具有点状粗钙化的肠系膜肿块超过RECIST指南的进展性疾病,其从2015年12月7日的23.0mm增长到2016年2月7日的32.1mm,增长了40%”。所生成的报告能够包括关于其他增长特性的信息。一个示例是“根据RECIST指南,将段6病变指示为SD,其从2015年12月7日检查的50.6mm增长到2016年2月7日检查的59.9mm,增长小于20%。然而,在2015年6月7日的检查中,该病变确实比35.6mm的测量最低点表现出63%的增长。”
病变表征引擎144能够从病变的临床描述或标签128导出病变病理学结果。例如,如果针对病变的对应标签包括单词“肿块”,则能够将病理学结果指定为针对该病变的肿块。用于描述病变的术语对于肿块病变和淋巴结病变是不同的,用于描述病变的术语能够用于间接地导出病理学结果。指南引擎130和检测引擎132能够使用导出的病理学结果来确定用该组测量结果中的哪个(例如,长直径或短直径)来计算针对指南的增长和另外的特性。
测量工具116、指南引擎130、检测引擎132、用户接口134和病变表征引擎144由一个或多个经配置的处理器(例如,计算设备152的一个或多个处理器150)来适当实施。(一个或多个)经配置的处理器150运行被存储在计算机可读存储介质(例如为计算设备152的存储器154,其不包括瞬态介质,但包括物理存储器和/或其他非瞬态介质)中的至少一个计算机可读指令以执行所公开的病变测量,指南评价,增长计算,测量结果识别和指示,病变特性导出和显示技术。经配置的处理器还可以运行由载波、信号或其他瞬态介质承载的一个或多个计算机可读指令。计算设备152适当地实施肿瘤跟踪设备110,并且能够包括工作站、膝上型计算机、平板计算机、智能电话、身体穿戴式计算设备、服务器,其组合等。在图中表示的部件之间的线表示通信路径,其能够是通过一个或多个通信网络160的有线通信路径或无线通信路径。
计算设备150包括显示设备136(例如,计算机显示器、投影仪、身体穿戴式显示器等)以及一个或多个输入设备156(例如,鼠标、键盘、麦克风、触摸接口或手势接口等)。计算设备152包括一个或多个处理器150,例如,数字处理器、微处理器、电子处理器、光学处理器、多处理器、包括对等或协同操作处理器的处理器分布、处理器的客户端-服务器布置等。
参考图2,示意性地图示了利用智能纵向比较对纵向肿瘤测量结果的示例性显示。在一些实施例中,检测引擎132计算当前测量结果124与先前测量结果126的非最近测量结果200中的每个(E(-2)至E(-N))之间的增长。例如,将“段6病变”的增长计算为E(-2)的长直径118 55.5mm与E(0)的长直径59.9mm之间的增长,E(-3)的长直径118 57.0mm与E(0)的长直径59.9mm之间的增长,以及E(-4)的长直径118 35.6mm与E(0)的长直径59.9mm之间的增长;以及E(-2)的短直径120 40.8mm与E(0)的短直径51.3mm之间的增长,E(-3)的短直径12035.2mm与E(0)的短直径51.3mm之间的增长,以及E(-4)的短直径120 59.5mm与E(0)的短直径51.3mm之间的增长。将每个计算的增长与指南阈值进行比较,例如根据RECIST的指南阈值为20%,其识别出E(-4)示出了长直径的特性增长,并且E(-2)和E(-3)示出了针对无法区分的病变的短轴中的特性增长。
在一些实施例中,检测引擎132计算当前测量结果124与先前测量结果126的函数(例如,最小值、平均值、中值等)之间的增长。例如,计算(E(-1)至E(-N))中的最小值与当前测量结果124之间的增长。在一些情况下,根据最小值计算出的增长表示与最低点的比较结果。使用“段6病变”的短直径120的先前测量结果,即,40.8、42.5、35.2和59.5,最小值或最低点被识别为35.2mm的E(-3),并且从最低点到51.3mm的当前测量结果124的增长为46%。
在一些实施例中,检测引擎132根据测量结果的时间顺序来调整当前测量结果124与先前测量结果126中的每个之间的计算出的增长。例如,如果根据指南/处置类型和时间表,时间段是60天,并且当前测量时间是2016年2月7日且先前测量时间是2015年12月28日,那么在检查之间的实际时段是41天而不是60天。通过使用“段6病变”的长直径118的50.6mm的E(-1)至57.9mm的E(0)的增长,根据指南引擎130的增长是14%或SD。然而,将比率调整为60/41,则增长率被调整为21%,其超过了指南阈值。在一些情况下,根据检查之间的日期或天数的调整能够说明病变的特性增长。
检测引擎132能够选择所识别的先前测量结果126中的最近一个或所识别的非最近测量结果200中的最近一个来进行指示。用户接口134能够显示针对非最近测量结果中的至少一个或所识别的先前测量结果126中的所选择的最近一个的指示符138。例如,在E(-2)和E(-3)示出针对无法区分的病变的短轴中的特性增长的上述示例中,E(-2)和E(-3)中的最近一个是E(-2)。在一些情况下,仅指示所选择的最近一个测量结果的指示符138能够识别示出相关特性增长的最近的增长。
在一些实施例中,仅针对长直径118或短直径120的测量结果指示特性增长,对此指南增长指示为SD。
参考图3,示意性地图示了利用智能纵向比较300对纵向肿瘤测量结果的示例性图形显示。该示例性图形显示包括按时间顺序排序的检查或研究的水平轴以及以毫米(mm)为单位的病变测量结果的垂直轴。用户接口134能够按检查日期以图形方式进行显示。用户接口134能够根据时间顺序以图形方式(例如通过折线图、条形图、散点图等)显示当前测量结果124和多个先前测量结果126。显示能够包括长直径测量结果118、短直径测量结果120或这两者。显示能够包括所识别的特性增长的指示符138。
显示能够包括阈值指示符302,其指示增长范围,其超过指南阈值。在示例性图形显示300中,阈值指示符302被图示为从短直径测量结果120的当前测量结果124延伸的两条虚线,即,到50.7mm的当前测量结果的20%的增长。阈值指示符302能够备选地包括不同的颜色、强度、符号,其组合等。
指示符138被图示为所识别的第一非最近测量结果304和所识别的最低点306。所识别的第一非最近测量结果304是非最近测量结果200中的针对当前测量结果124计算出的增长超过阈值的第一个非最近测量结果。在示例性显示中,先前测量结果126的最近测量结果E(-1)用于由指南引擎130计算出的增长。将剩余的先前测量结果126或非最近测量结果E(-2)、E(-3)、E(-4)、E(-5)和E(-6)之间的增长与阈值进行比较,并且将(E(-3)、E(-4)、E(-5)、E(-6))中的每个与当前测量结果124之间的增长识别为大于阈值。也就是说,将当前测量结果124与(E(-3)、E(-4)、E(-5)、E(-6))中的每个之间的计算出的增长识别为大于阈值。按时间顺序选择E(-3)作为(E(-3)、E(-4)、E(-5)、E(-6))中的计算出的增长大于阈值的第一测量结果。
参考图4,用流程图图示了利用智能纵向比较来纵向跟踪肿瘤测量结果的方法的实施例。
在400处,能够接收对象的医学图像。医学图像包括纵向跟踪的病变。能够直接从医学成像扫描器112或存储子系统114接收医学图像。
在410处,接收病变的当前测量结果124和先前测量结果126。对于每个测量出的病变,测量结果能够包括长直径118、短直径120或这两者。测量结果包括每个病变的标签128或描述。测量结果包括测量结果的时间顺序,例如,获得测量结果的检查的日期戳。能够从存储子系统114接收当前测量结果124和先前测量结果126。能够(例如通过测量工具116)通过直接测量医学图像来接收当前测量结果124。
能够在420处从无法区分的病理学结果的每个病变的标签128或描述中导出一个或多个病变的病理学结果。导出过程能够包括对指示或特定于肿块病理学结果或者指示或特定于淋巴结病理学结果的一个或多个术语或术语组合进行匹配。
在430处,计算当前测量结果124E(0)与先前测量结果126的最近测量结果E(-1)之间的增长。
在440处,计算特性增长。特性增长能够包括当前测量结果124与非最近测量结果200中的每个之间的增长。特性增长能够包括当前测量结果124与非最近测量结果200的函数之间的增长。特性增长能够包括针对当前测量结果124与先前测量结果126中的一个或多个之间的时间进行调整的增长。例如,根据阈值和检查之间的预期时间间隔来确定指南增长率。经调整的增长能够通过针对检查的预期时间间隔和实际时间间隔之间的差异进行调整。特性增长能够包括上述项目的组合。
在450处,响应于特性增长超过指南阈值而识别对应于特性增长的先前测量结果。特性增长能够包括根据指南被确定为SD的病变的测量结果,并且能够排除根据指南被确定为PD的病变的测量结果。例如,响应于计算出的增长超过阈值并且当前测量结果和最近测量结果之间的计算出的增长小于阈值而指示对应于非最近测量结果的计算出的增长。识别能够包括根据以不同方式计算出的增长的一个或多个先前测量结果,例如,非最近的增长、先前测量结果的函数,以及针对检查之间的实际时间间隔调整的增长。
将所识别的先前测量结果的指示符138显示在显示设备136上。指示符能够与当前测量结果124或先前测量结果126或对应的病变的标签128共同定位。显示能够包括当前测量结果124和先前测量结果126,例如参考图1所图示的。指示符138的显示能够包括图形显示,例如参考图3所图示的。
能够在470处响应于输入而生成医学报告。医学报告包括指示符138,其能够以文本显示的表格格式(例如参考图1)或以图形格式(例如参考图3)或作为文本(例如参考图1所述)进行格式化。
以上操作能够通过被编码或嵌入在计算机可读存储介质上的计算机可读指令来实施,所述计算机可读指令当由(一个或多个)计算机处理器运行时使得(一个或多个)处理器执行所描述的动作。额外地或备选地,计算机可读指令中的至少一个由信号、载波或其他瞬态介质承载。
已经参考优选实施例描述了本发明。他人在阅读和理解前面的具体描述的情况下可以想到修改和替代。本文旨在将本发明解释为包括所有这样的修改和替代,只要它们落入权利要求书及其等价方案的范围内。
Claims (17)
1.一种肿瘤跟踪设备(110),包括:
指南引擎(130),其包括一个或多个处理器(150),所述指南引擎被配置为:
接收根据对象的医学图像的至少一个病变的当前测量结果和多个先前测量结果,所述当前测量结果和所述多个先前测量结果中的每个都是按时间顺序识别的;
计算所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的增长;以及
检测引擎(132),其包括所述一个或多个处理器,所述检测引擎被配置为:
计算所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的增长;并且
通过乘以检查的预期时间间隔和实际时间间隔之间的比率来调整每个计算出的增长;并且
响应于所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的调整的计算出的增长超过根据医学指南的与所述预期时间间隔相关的阈值并且所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的调整的计算出的增长没有超过所述阈值而识别所述非最近测量结果中的至少一个;以及
用户接口(134),其包括所述一个或多个处理器,所述用户接口被配置为在显示设备(136)上显示所述至少一个病变的所述非最近测量结果中的所识别的至少一个的指示符(138)。
2.根据权利要求1所述的设备,其中,所述检测引擎还被配置为选择所述非最近测量结果中的所识别的至少一个中的最近一个;
其中,所述用户接口显示针对所述非最近测量结果中的所识别的至少一个中的所选择的最近一个的所述指示符。
3.根据权利要求1和2中的任意一项所述的设备,其中,所述检测引擎计算出的增长包括所述当前测量结果与所述多个先前测量结果的计算出的最小值之间的增长。
4.根据权利要求1-2中的任一项所述的设备,其中,所述用户接口还被配置为:
利用所述至少一个病变的所述非最近测量结果中的所识别的至少一个的所述指示符以图形方式显示所述当前测量结果和所述多个先前测量结果。
5.根据权利要求1-2中的任一项所述的设备,其中,所述当前测量结果和所述多个先前测量结果中的每个都包括长直径测量结果和短直径测量结果;并且所述设备还包括:
病变表征引擎(144),其包括所述一个或多个处理器,所述病变表征引擎被配置为从所述至少一个病变的临床描述中导出病变病理学结果。
6.根据权利要求1-2中的任一项所述的设备,其中,所述用户接口还被配置为生成医学报告,所述医学报告包括所述至少一个病变的所述指示符和对应的测量结果。
7.根据权利要求1-2中的任一项所述的设备,其中,所述指示符包括来自包括以下各项的组的一个或多个:显示的符号、显示的形状、所述多个先前测量结果中的一个或多个的显示强度的差异、所述多个先前测量结果中的一个或多个的对比度的差异,以及所述多个先前测量结果中的一个或多个的色彩差异。
8.根据权利要求1-2中的任一项所述的设备,其中,所述用户接口还被配置为:
从包括医学成像扫描器(112)和医学图像存储系统(114)的组中的至少一个接收包括所述至少一个病变的对象的医学图像和识别所述对象和时间顺序的数据;并且
显示包括所述至少一个病变的所述医学图像的视图;并且所述设备还包括:
测量工具(116),其被配置为测量在所述视图中显示的所述至少一个病变的至少一个直径,所述测量工具生成所述当前测量结果。
9.一种医学成像系统(100),包括:
根据权利要求1-8中的任一项所述的肿瘤跟踪设备;以及
医学成像扫描器(112),其被配置为对对象进行扫描并生成所述医学图像。
10.一种计算机实施的肿瘤跟踪方法,包括:
接收根据对象的医学图像的至少一个病变的当前测量结果和多个先前测量结果,所述当前测量结果和所述多个先前测量结果中的每个都是按时间顺序识别的;
计算所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的增长;
计算所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的增长;
通过乘以检查的预期时间间隔和实际时间间隔之间的比率来调整每个计算出的增长;
响应于所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的调整的计算出的增长超过根据医学指南的与所述预期时间间隔相关的阈值并且所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的调整的计算出的增长没有超过所述阈值而识别所述非最近测量结果中的至少一个;并且
在显示设备(136)上显示所述至少一个病变的所述非最近测量结果中的所识别的至少一个的指示符(138)。
11.根据权利要求10所述的方法,其中,识别包括:
选择所述非最近测量结果中的所识别的至少一个中的最近一个;并且
其中,显示包括显示针对所述非最近测量结果中的所识别的至少一个中的所选择的最近一个的所述指示符。
12.根据权利要求10-11中的任一项所述的方法,其中,计算所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的增长包括计算所述当前测量结果与所述多个先前测量结果的计算出的最小值之间的增长。
13.根据权利要求10-11中的任一项所述的方法,其中,显示包括:
利用所述至少一个病变的所述非最近测量结果中的所识别的至少一个的所述指示符以图形方式显示所述当前测量结果和所述多个先前测量结果。
14.一种承载指令的非瞬态计算机可读存储介质(154),所述指令控制一个或多个处理器(150)以执行以下操作:
接收根据对象的医学图像的至少一个病变的当前测量结果和多个先前测量结果,所述当前测量结果和所述多个先前测量结果中的每个都是按时间顺序识别的;
计算所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的增长;
计算所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的增长;
通过乘以检查的预期时间间隔和实际时间间隔之间的比率来调整每个计算出的增长;
响应于所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的调整的计算出的增长超过根据医学指南的与所述预期时间间隔相关的阈值并且所述当前测量结果与所述多个先前测量结果中的最近测量结果之间的调整的计算出的增长没有超过所述阈值而识别所述非最近测量结果中的至少一个;并且
在显示设备(136)上显示所述至少一个病变的所述非最近测量结果中的所识别的至少一个的指示符(138)。
15.根据权利要求14所述的非瞬态计算机可读存储介质,其中,识别包括选择所述非最近测量结果中的所识别的至少一个中的最近一个;并且
其中,显示包括显示针对所述非最近测量结果中的所识别的至少一个中的所选择的最近一个的所述指示符。
16.根据权利要求14-15中的任一项所述的非瞬态计算机可读存储介质,其中,计算所述当前测量结果与所述多个先前测量结果中的非最近测量结果中的每个之间的增长包括计算所述当前测量结果与所述多个先前测量结果的计算出的最小值之间的增长。
17.根据权利要求14-15中的任一项所述的非瞬态计算机可读存储介质,其中,显示包括:
利用所述至少一个病变的所述非最近测量结果中的所识别的至少一个的所述指示符以图形方式显示所述当前测量结果和所述多个先前测量结果。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662429894P | 2016-12-05 | 2016-12-05 | |
US62/429,894 | 2016-12-05 | ||
PCT/EP2017/081106 WO2018104158A1 (en) | 2016-12-05 | 2017-12-01 | Tumor tracking with intelligent tumor size change notice |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110168657A CN110168657A (zh) | 2019-08-23 |
CN110168657B true CN110168657B (zh) | 2024-03-12 |
Family
ID=60812024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780082541.5A Active CN110168657B (zh) | 2016-12-05 | 2017-12-01 | 利用智能肿瘤大小更改通知进行肿瘤跟踪 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20190348184A1 (zh) |
EP (1) | EP3549137A1 (zh) |
JP (1) | JP7249940B2 (zh) |
CN (1) | CN110168657B (zh) |
WO (1) | WO2018104158A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200118659A1 (en) * | 2018-10-10 | 2020-04-16 | Fujifilm Medical Systems U.S.A., Inc. | Method and apparatus for displaying values of current and previous studies simultaneously |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1764727A (zh) * | 2003-04-08 | 2006-04-26 | 霍夫曼-拉罗奇有限公司 | 确定肿瘤分化等级的方法 |
CN1965306A (zh) * | 2003-09-10 | 2007-05-16 | 菲德利斯安全系统公司 | 高性能网络内容分析平台 |
CN104205105A (zh) * | 2012-03-30 | 2014-12-10 | 皇家飞利浦有限公司 | 用于将计算机可解读指南引擎的状态与患者护理的状态同步的方法 |
WO2015092633A1 (en) * | 2013-12-20 | 2015-06-25 | Koninklijke Philips N.V. | Automatic creation of a finding centric longitudinal view of patient findings |
WO2016030792A1 (en) * | 2014-08-29 | 2016-03-03 | Koninklijke Philips N.V. | Handling undetermined quantifiable lesions |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5159242B2 (ja) * | 2007-10-18 | 2013-03-06 | キヤノン株式会社 | 診断支援装置、診断支援装置の制御方法、およびそのプログラム |
JP2010035634A (ja) | 2008-07-31 | 2010-02-18 | Bio-Visiq Japan Inc | Recist判定結果を算出する方法、装置およびプログラム |
WO2010073178A1 (en) | 2008-12-23 | 2010-07-01 | Koninklijke Philips Electronics N.V. | System for monitoring medical abnormalities and method of operation thereof |
US9581536B2 (en) * | 2013-05-09 | 2017-02-28 | University Of Maryland | Analytical micro-devices for mental health treatment monitoring |
JP5879308B2 (ja) | 2013-07-11 | 2016-03-08 | 富士フイルム株式会社 | 診療情報表示制御装置および方法並びにプログラム |
KR20160032586A (ko) * | 2014-09-16 | 2016-03-24 | 삼성전자주식회사 | 관심영역 크기 전이 모델 기반의 컴퓨터 보조 진단 장치 및 방법 |
JP2016133821A (ja) | 2015-01-15 | 2016-07-25 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP6453668B2 (ja) | 2015-02-27 | 2019-01-16 | 富士フイルム株式会社 | 計測値管理装置とその作動方法および作動プログラム、並びに計測値管理システム |
-
2017
- 2017-12-01 CN CN201780082541.5A patent/CN110168657B/zh active Active
- 2017-12-01 US US16/466,673 patent/US20190348184A1/en active Pending
- 2017-12-01 WO PCT/EP2017/081106 patent/WO2018104158A1/en active Application Filing
- 2017-12-01 JP JP2019530015A patent/JP7249940B2/ja active Active
- 2017-12-01 EP EP17821488.8A patent/EP3549137A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1764727A (zh) * | 2003-04-08 | 2006-04-26 | 霍夫曼-拉罗奇有限公司 | 确定肿瘤分化等级的方法 |
CN1965306A (zh) * | 2003-09-10 | 2007-05-16 | 菲德利斯安全系统公司 | 高性能网络内容分析平台 |
CN104205105A (zh) * | 2012-03-30 | 2014-12-10 | 皇家飞利浦有限公司 | 用于将计算机可解读指南引擎的状态与患者护理的状态同步的方法 |
WO2015092633A1 (en) * | 2013-12-20 | 2015-06-25 | Koninklijke Philips N.V. | Automatic creation of a finding centric longitudinal view of patient findings |
WO2016030792A1 (en) * | 2014-08-29 | 2016-03-03 | Koninklijke Philips N.V. | Handling undetermined quantifiable lesions |
Also Published As
Publication number | Publication date |
---|---|
JP2020514851A (ja) | 2020-05-21 |
WO2018104158A1 (en) | 2018-06-14 |
JP7249940B2 (ja) | 2023-03-31 |
EP3549137A1 (en) | 2019-10-09 |
CN110168657A (zh) | 2019-08-23 |
US20190348184A1 (en) | 2019-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107004043B (zh) | 优化检测和标记感兴趣解剖结构的系统和方法 | |
RU2687760C2 (ru) | Способ и система компьютерной стратификации пациентов на основе сложности случаев заболеваний | |
CN106796621B (zh) | 图像报告注释识别 | |
US10664567B2 (en) | Extraction of information from an image and inclusion thereof in a clinical report | |
US20160225181A1 (en) | Method and apparatus for displaying medical image | |
JP7302368B2 (ja) | 医用情報処理装置及びプログラム | |
US20210217166A1 (en) | Automated screening of medical data | |
US20230368893A1 (en) | Image context aware medical recommendation engine | |
US10860894B2 (en) | Learning data generation support apparatus, operation method of learning data generation support apparatus, and learning data generation support program | |
CN105684040B (zh) | 支持肿瘤响应测量的方法 | |
US11238974B2 (en) | Information processing apparatus, information processing method, and storage medium storing program | |
WO2017055958A1 (en) | Challenge value icons for radiology report selection | |
US11031137B2 (en) | Handling undetermined quantifiable target lesions while tracking cancerous lesions using long axis and short axis meausrement consistent with response evaluation criteria in solid tumors (RECIST) guidelines | |
CN110168657B (zh) | 利用智能肿瘤大小更改通知进行肿瘤跟踪 | |
Wahid et al. | MRI Intensity Standardization Evaluation Design for Head and Neck Quantitative Imaging Applications | |
US11308622B2 (en) | Information processing apparatus and method for controlling the same to generate a difference image from first and second inspection images | |
GLANCE | Taking Lesion Management to the Next Level. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |