CN116249474A - 内部和外部接近扫描 - Google Patents

Abstract

与内部和外部扫描有关的方法，包括：从身体内部的可摄取扫描设备接收第一数据集，基于该数据识别身体内的第一兴趣点，确定身体内的第一兴趣点的位置，以及用外部扫描设备扫描该兴趣点。

Description

内部和外部接近扫描

背景技术

本公开的方面涉及内部和外部接近扫描；更具体的方面涉及医疗设备扫描。

医学扫描是收集身体内部的数据用于临床分析和医学干预以及一些器官或组织的功能的视觉表示(生理学)的技术和过程。医学扫描可以揭示被皮肤和骨骼隐藏的内部结构，以及诊断和治疗疾病。医学扫描还建立了正常解剖学和生理学的数据库，以使得可以识别异常或异常。在医疗超声的情况下，探头发射超声压力波和回波，其进入组织内部以显示内部结构。在投影射线照相术的情况下，探头使用X射线辐射，其被诸如骨骼、肌肉和脂肪的不同组织类型以不同速率吸收。

医学扫描包括放射学程序，其使用X射线放射照相术、磁共振成像、超声、内窥镜检查、弹性成像、触觉成像、热成像、医学摄影和核医学功能成像技术的成像技术，如正电子发射断层摄影(PET)和单光子发射计算机断层摄影(SPECT)等。

医学扫描还包括不是主要设计用于产生图像的测量和记录技术，例如脑电图(EEG)、脑磁图(MEG)、心电图(ECG)等。

发明内容

本公开提供了一种内部和外部接近扫描的方法、计算机程序产品和系统。在一些实施例中，所述方法包括从身体内部的可摄取扫描设备接收第一数据集，基于该第一数据集识别身体内的第一兴趣点，确定该第一兴趣点在身体内的位置，以及用外部扫描设备扫描该兴趣点。

在一些实施例中，该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质具有随其体现的程序指令，该程序指令能够由计算机执行以使计算机从患者的身体中的可摄取扫描设备接收第一数据集；基于该第一数据集识别身体内的兴趣点；确定身体内的该兴趣点的位置；以及用外部扫描设备扫描该兴趣点。

在一些实施例中，该系统包括处理器；以及与处理器通信的存储器，该存储器包含程序指令，该程序指令在由处理器执行时，被配置为使处理器执行一种方法，该方法包括从患者体内的可摄取扫描设备接收第一组数据；基于所述第一组数据识别所述身体内的兴趣点；确定所述体内的所述兴趣点的位置；以及利用外部扫描设备扫描所述兴趣点。

附图说明

图1示出了根据本公开的各种实施例的内部和外部近似扫描的示例方法的流程图。

图2示出了根据本公开的各种实施例的用于基于内部扫描和历史数据配置外部扫描的示例方法的流程图。

图3是示出根据本公开的各种实施例的示例联网环境的框图。

图4描绘了根据本公开的各种实施例的计算机系统。

图5描绘了根据本公开的实施例的云计算环境。

图6示出了根据本公开的实施例的抽象模型层。

具体实施方式

诸如x射线、超声波、CT扫描、MRI扫描等的医学扫描给出有价值的信息，但是可能不能单独给出整个图片。例如，医学诊断中的x射线通常用于获得被射线照相的对象的可视图像。该图像由辐射的差分衰减产生，其部分取决于被照射器官的厚度、密度和取向，部分取决于存在的不同化学元素的比例和性质。生物材料的性质使得器官或器官的部分之间的对比差异通常较差，并且尽管有增加对比的方法，这仍然是主要限制之一。当检查活体对象时，由于对象的移动可能很少被消除并且移动可能使图像失真，因此施加了额外的限制。另外，因为成像辐射可能对活体对象有害，所以优选的是将辐射剂量保持为合理地实用的低剂量。一些设备的高成本以及操作设备和解释发现的合格人力的缺乏也强加了进一步的约束。重要的是仅向放射科医师提供可能的最相关的和信息的图像。此外，在一些严重患病的患者中，所进行的检查的数量和类型可能不得不受到限制，因为他们达到了他们的耐力极限。因此，实际上每个过程都具有特定的优点和限制。然而，利用内部和外部接近扫描，可以减轻一些限制，并且可以实现对扫描目标的更完整理解。

医学界正在继续在医学扫描技术方面取得进步。然而，有时信息的缺乏可能导致过度使用、不精确和不正确的诊断。例如，在不知道感兴趣的确切位置(例如，生长)的情况下，可以使用一般区域x射线或CT扫描来代替局部精确扫描。这可能导致过度暴露于有害元素，诸如辐射、额外的费用，以及浪费医生观察图像和结果的时间。

在一些实施例中，提出了一种用于结合外部扫描技术使用内部扫描技术(例如，可摄取扫描设备)的系统。通过组合内部扫描技术(例如，可摄取超声药丸)和外部扫描(例如，x射线)，可以实现更聚焦和有效的过程。通过组合扫描，可以减轻单独扫描中的一个或两个的缺点。例如，在通常可以使用宽范围x射线的情况下，可以使用可摄取扫描设备来确切地告诉医学技术人员需要在哪里取得x射线。利用该信息，医学技术人员可以在该位置上使用窄范围x射线，从而限制暴露区域。同样，通过使用两种不同的扫描方法并使结果相关，可以确定感兴趣区域的更完整的图片。在一些实施例中，第一内部扫描设备可以提供信息，使得可以选择或配置第二外部扫描。例如，一些兴趣点可以通过MRI更准确地分析，以及一些可以通过x射线更准确地分析。

图1示出了用于内部和外部接近扫描的示例方法100。该示例方法100描绘了用于执行活体的接近扫描的模型。

在框110中，接收来自可摄取扫描设备的扫描数据。在一些实施例中，可摄取扫描设备可以是无线设备，其可以进行内部身体的扫描(例如，超声扫描/图像、视频、图片、温度等)、发送信号、接收信号和/或进行记录。在一些实施例中，可摄取扫描设备连续地进行扫描。在一些实施例中，可摄取扫描设备在特定触发之后进行扫描。例如，可摄取扫描设备可以被配置为仅在通过胃之后、以设定的时间间隔、或在接收到外部信号之后进行扫描。

在一些实施例中，可摄取扫描设备被用于描述可被吞咽的一件扫描装备。在一些实施例中，可摄取扫描设备可以是超声胶囊。超声胶囊内窥镜检查(USCE)克服了仅表面成像的限制，并提供了胃肠道(GI tract)的透壁扫描。将高频微超声(μUS)集成到胶囊内窥镜检查中允许高分辨率透壁图像，并提供了定性和定量评价肠壁的方法。

在一些实施例中，可摄取扫描设备可以是具有扫描能力的任何其他胶囊。例如，胶囊内窥镜检查是使用微型无线相机来拍摄消化道的图片的过程。胶囊内窥镜检查相机位于被吞咽的维生素大小的胶囊内。当胶囊通过消化道时，相机拍摄数千张图片，这些图片被发送到记录器。

在框120中，分析来自可摄取扫描设备的数据以寻找兴趣点。在一些实施例中，兴趣点可以是先前确定的特定目标区域。例如，兴趣点可以是患者抱怨的溃疡、先前发现的肿瘤、或可摄取扫描设备发现的生长。在一些实施例中，兴趣点可以是呈现异常特性的任何区域。在一些实施例中，可以使用兴趣点的位置和特性(例如，大小、形状、密度等)来确定应当使用什么样的进一步扫描/测试以及应当如何配置扫描/测试。在一些实施例中，可以针对指示兴趣点(例如，异常)的信息来分析数据。例如，系统可以具有可以指示一个或多个目标特征的读取阈值。读取阈值的一些实例可以是形状、密度、信号传输、不透明度和/或信号反射。例如，肾结石和肿瘤比软组织更强烈地折射超声图像。例如，肠中生长的某些形状可以指示癌生长。在一些实施例中，数据可以通过人工神经网络分析。

人工神经网络(ANN)可以是根据在动物大脑中发现的生物神经网络建模的计算系统。这样的系统通过考虑示例来学习(即，渐进地提高性能)以完成任务，通常没有任务特定的编程。例如，在图像识别中，ANN可以通过分析已经被手动标记为“肿瘤”或“无肿瘤”的示例图像并且使用分析结果来识别其他图像中的肿瘤，来学习识别包含肿瘤的图像。

在本公开的一些实施例中，神经网络可以用于识别数据扫描中的兴趣点。神经网络可以被训练成通过重复的过程来识别输入数据中的模式，所述重复的过程是通过网络传播训练数据、识别输出错误以及改变网络以解决输出错误。训练数据可以通过神经网络传播，神经网络识别训练数据中的模式。这些模式可以与由人工标注员在训练数据中识别的模式进行比较，以便评估神经网络的准确性。在一些实施例中，由神经网络识别的模式与由标注员识别的模式之间的失配可以触发对神经网络架构的审阅以确定网络中促成失配的特定神经元。然后，可以更新那些特定神经元(例如，通过更新应用于那些神经元处的函数的权重)，以尝试减少特定神经元对失配的贡献。在一些实施例中，进行随机改变以更新神经元。可以重复该过程，直到促成模式失配的神经元的数量缓慢减少，并且最终，作为结果，神经网络的输出改变。如果该新输出与基于人工标注员的审阅的期望输出匹配，则认为已经在该数据上训练了神经网络。

在一些实施例中，一旦神经网络已经在用于特定主题的训练数据集上被充分训练，它就可以被用于检测实况数据的类似集中的模式(即，先前没有被人类标注员审阅的、但是与训练数据相同的主题相关的非训练数据)。神经网络的模式识别能力然后可以用于各种应用。例如，在特定主题上训练的神经网络可以被配置为查看该主题的实况数据并且预测与该主题相关联的潜在未来事件可能发生的概率。

在一些实施例中，多层感知器(MLP)是一类前馈人工神经网络。MLP由至少三层节点组成：输入层、隐藏层和输出层。除了输入节点之外，每个节点是使用非线性激活函数的神经元。MLP利用称为反向传播的监督学习技术来进行训练。其多层和非线性激活将MLP与线性感知器区分开。它可以区分不是可线性分离的数据。此外，MLP可被应用以执行回归操作。

数据扫描(诸如超声图像)中兴趣点的准确识别依赖于处理包含大量数据的实况数据集。例如，实况数据集可以包括各种生物数据源(诸如超声图像、图片、x射线图像、温度、酸度等)。此外，由于可能与预测相关的数据量，难以实现对一些主题的准确预测。例如，超声药丸在其通过消化系统时可能要进行数千次扫描。在一些实施例中，例如，根据本公开的神经网络可以被配置为生成与线路资产的特定条件集合相关的兴趣点的概率的预测(即，在目标预测中寻求概率的事件)。例如，在一些实施例中，预测性神经网络可以用于预测肠的特定部分包含异常的数值概率(例如，预测性神经网络将异常识别为兴趣点)，这保证了由外部扫描设备进行的外部扫描。

在框130中，可以确定可摄取扫描设备的位置和/或方向。在一些实施例中，扫描数据可以用于确定位置。例如，由超声可摄取扫描设备执行的组织扫描可以将其周围环境识别为胃、小肠或大肠。然后，该识别可以用于确定扫描设备的位置。例如，在一些实施例中，可摄取设备可以使用组织扫描来确定其位置。在一些实施例中，可摄取扫描设备可以向外部计算机系统发送图像，并且外部计算机系统可以基于接收到的图像来确定可摄取设备在哪里。在一些实施例中，也可以确定兴趣点的位置。

可以执行各种方法来确定药丸的位置。在一些实施例中，位置的确定可以通过从由x射线检测、超声检测、回波定位、多普勒定位、三角测量或其某种组合组成的组中选择的技术来执行。

在一些实施例中，可以使用x射线来确定位置。这可以是专门设计为定位药丸的专用x射线。例如，如果药丸至少部分地由金属制成，则即使在低功率x射线下也可以明显地突出。

脉冲多普勒雷达是一种雷达系统，其使用脉冲定时技术确定到目标的范围，并使用返回信号的多普勒效应来确定目标对象的速度。它结合了脉冲雷达和连续波雷达的特征，由于电子设备的复杂性，这些特征以前是分开的。

超声扫描仪由计算机控制台、视频显示屏和附接的换能器组成。换能器是类似于麦克风的小型手持设备。一些检查在单次检查期间可以使用不同的换能器(具有不同的能力)。换能器向身体内发出听不见的高频声波，然后收听返回的回波。原理类似于船和潜艇所使用的声纳。

三角测量是一种处理，通过该处理，可以通过测量从两个或三个不同点接收的信号的径向距离或方向来确定无线电发射器的位置。三角测量有时被用于蜂窝通信中以精确定位用户的地理位置。

在框140中，可以基于从可摄取扫描设备接收的信息和/或可摄取扫描设备的位置来确定用于外部扫描的配置。在一些实施例中，外部扫描设备可以被定位成产生更好的图像。例如，如果可摄取扫描设备识别肠的特定区域中的低血流，则可以确定用于x射线暴露的特定取向可以给出最相关的数据。同样，配置可以包括用于外部扫描的一个或多个设置，诸如取向、强度、暴露面积、暴露持续时间等。例如，从超声药丸接收的图像可以识别需要外部扫描的肠的特定区域。同样，药丸的位置和取向可以帮助确定用于外部扫描的设置。可摄取扫描设备拍摄图像的确切位置和可摄取扫描设备的取向可以用于将外部设备引导到确切位置以在身体内进行扫描。例如，人类肠道为约25英尺长，当其检测到兴趣点(例如异常)时识别可摄取扫描设备的确切位置和取向可允许执行窄得多的外部扫描。

在一些实施例中，外部扫描的配置可以包括要执行的扫描的类型。在一些实施例中，可以使用兴趣点的位置和特性(例如，低血流、钙化等)来确定可以使用什么类型的外部扫描。例如，对于具有高钙化的兴趣点，x射线可能是比MRI更好的选择。

在框150处，可以执行外部扫描。在一些实施例中，扫描可以是同步的；可摄取扫描设备可以扫描兴趣点，并且外部扫描设备可以在大致相同的时间扫描兴趣点。当先前已经识别了兴趣点时，可以发生同步扫描。例如，当兴趣点是已知的时，外部扫描设备可以处于待机状态，直到可摄取扫描设备就位，然后两者可以在大约相同的时间拍摄图像。在一些实施例中，外部设备可以处于待机状态，等待可摄取扫描设备检测兴趣点。例如，当可摄取扫描设备行进通过消化道时，外部设备可跟随其前进通过身体。如果可摄取扫描设备检测到兴趣点，则外部扫描设备可几乎立即扫描兴趣点区域。在一些实施例中，可摄取扫描设备检测兴趣点，并且可以随后执行外部扫描。例如，如果可摄取扫描设备在某个位置检测到兴趣点，则可以识别该位置，并且可以基于该位置和从可摄取扫描设备接收的数据来执行对该区域的后续外部扫描。

在一些实施例中，可以比较来自可摄取扫描设备和外部扫描的数据。可以比较和关联扫描以获得关于兴趣点的更多信息。例如，可以从可摄取扫描设备获得形状和血流，并且可以从外部扫描设备获得密度。

图2示出了根据本公开的实施例的用于基于内部扫描和历史数据配置外部扫描的示例方法200的流程图。

在一些实施例中，历史数据包括先前扫描及其结果。在一些实施例中，历史数据可以指示在兴趣点中什么识别的特征可能是重要的，和/或兴趣点可以如何通过外部扫描来扫描以改进结果。在第一示例中，将其中识别癌息肉的历史(先前)结肠镜检查扫描中的癌息肉的形状与当前扫描中的息肉进行比较可以帮助识别当前扫描中的癌息肉。这里，结肠镜检查可以用于描述寻找结肠中异常的扫描，并且可以通过可摄取超声胶囊、可摄取相机或其他来执行。系统还可以寻找在先前扫描中已经识别的任何异常读数(诸如低血流)以指示没有被具体搜索的其他问题。

在第二示例中，如果患者患有已知的憩室炎(diverticulitis)，则系统可以将先前识别的囊袋周围的炎症与当前扫描数据中的炎症进行比较，以便识别患者中的囊袋。憩室炎是可能在你的肠中形成的囊的感染或炎症。这些囊被称为憩室。

在一些实施例中，方法200可以表示方法100(图1中所示)的框140。方法200可以在205处开始，其中接收来自可摄取扫描设备的当前扫描数据。如本文所讨论的，当前扫描数据可以是图像(例如，超声图像)、医学数据、信号数据等。

在210处，基于当前扫描数据或历史数据来识别兴趣点类别。兴趣点类别可以是当前扫描数据的主要主题。遵循来自上面的第一示例，对于进入具有可摄取扫描设备的普通结肠镜检查并且没有症状的患者，系统可以寻找任何异常，将异常(诸如息肉)识别为兴趣点，向兴趣点给出一个或多个类别(例如，低血流或不对称形状)，并且找到具有一个或多个类别的历史数据以用于比较。根据上述第二实施例，对于抱怨肠痛和憩室炎的先前诊断的患者，炎症(其可以围绕囊)可以是基于先前诊断的主要类别。系统可以抢先找到包含所识别的类别的历史数据，以用于在扫描期间进行比较(例如，比较发炎的囊的特性)。

在一些实施例中，可以针对单个兴趣点识别多个类别。例如，可以用低血流类别和钙化类别来标记单个兴趣点(例如，肠的脱色区域)。

用于识别兴趣点类别的技术可以包括用户选择，但是它们可以另外包括自动化技术，诸如图像识别分析(例如，以识别图像/视频中的对象)、异常识别(例如，以识别图像/视频内的异常)、位置确定(例如，识别生成图像的位置，或确定基于位置的组织扫描/图像)等。在一些实施例中，来自扫描的数据可以具有可接受的范围，该范围之外的任何数据可以被识别为兴趣点。例如，肠的典型血流量可以是总血流量的6-7％，如果血流量低于该范围，则可以将其识别为具有“低血流量”的类别。在实施例中，当当前扫描数据落在可接受范围之外时，可以采用神经网络来识别兴趣点类别(例如，认知图像分析等)。在一些实施例中，类别可以基于所识别的特性。例如，可以用异常生长的类别来标记从肠的侧面突出的任何生长(诸如息肉)。在一些实施例中，如果识别了兴趣点，则可以通知用户。例如，如果检测到超过某一尺寸的增长，则可以显示超声图像，其中该生长被突出显示。

在215处，从当前扫描数据生成所识别的兴趣点类别的相关性分数。遵循来自结肠镜检查的上面的第一示例，一些类别可以被指定为低相关性(例如，微小钙化)，其除非存在其他潜在症状否则不可能引起问题(例如，它们不匹配任何已知问题)，而其他类别(例如，大息肉)可以具有高相关性(兴趣点的特性紧密地匹配问题)。遵循来自上文的涉及憩室炎的第二示例，系统可以将炎症识别为高相关性(例如，可能指示囊)并且可以将息肉识别为低相关性(例如，不可能指示囊)。在实施例中，相关性分数可以基于连续体(例如，相关性分数可以在“相似”和“不相关”之间的某处)，或者它可以是多维的(例如，在一个或多个3D模型内绘制的点，其中轴定义相关性分数的给定的所分析的分量)。在一些实施例中，相关性分数可以基于阈值。例如，肠的正常血流量范围可以是0.88+/-0.13ml/min/g，其中0.75ml/min/g将是较低的阈值。对于“低血流量”类别，具有处于或刚好低于阈值的血流量的肠的区域可以用低相关性分数(例如，接近正常)来标记。没有血流的肠区域可以被标记为“低血流”类别的高相关性溃疡。在一些实施例中，相关性分数可以是基于兴趣点与类别之间的相似度的数值分数。

在220处，基于兴趣点类别识别历史扫描数据集。在实施例中，历史扫描数据存储库可以是预定义的(例如，计算设备上的特定文件夹)，或者它可以是未定义的(例如，历史扫描数据集可以从因特网获取，通过搜索计算设备内的整个磁盘驱动器获取，通过扫描多个设备上的多个共享文件夹获取，通过搜索相关历史扫描数据数据库等)。

在实施例中，历史扫描数据集可以具有已经描述了应当被进一步调查的特定数据范围的元数据标签。在这种情况下，具有适当动作的元数据标签可以由搜索来识别和返回。在一些实施例中，历史扫描数据集可具有指示应当采取什么进一步步骤的元数据标签。例如，当在肠中发现低血流区域时(例如，基于在框205中接收的扫描数据)，可以识别发现类似血流的历史扫描。类似扫描上的元数据标签可以指示该区域的x射线能够确定历史减少的血流的原因。

在框230处，可基于兴趣点的特征和兴趣点类别来分析所识别的历史数据集。在一些实施例中，可以分析历史数据以确定兴趣点特征(例如，血液流速、肿瘤大小等)和相关的外部信息(例如，要执行什么扫描、应当以什么角度进行扫描、什么辐射强度等)。在一些实施例中，兴趣点类别可以用于识别历史数据集中可能存在于当前扫描数据中的特定特征。

在一些实施例中，分析可以包括向一个或多个数据集分配相似性分数。例如，如果在框205处接收的内部扫描数据识别出兴趣点(例如，异常)，则系统可以取得该内部扫描数据并且将其与历史扫描数据进行比较。历史扫描数据中的数据与当前扫描数据匹配得越近，相似性分数越高。在一些实施例中，可以为用户显示所识别的历史数据集和当前扫描数据。例如，如果图像显示具有肿瘤特性的生长，则可以显示确认的肿瘤的若干图像以用于比较。

在框240处，可以基于历史数据来确定用于外部扫描的配置。例如，当可摄取超声设备发现组织中的干扰时，诸如溃疡，外部扫描的第一取向可以比第二取向提供更好的图像。历史数据可能显示，来自侧面的溃疡的x射线可能提供比溃疡的面部的扫描差的数据。同样，可以分析历史数据以确定需要扫描的区域。例如，与展现出良性迹象的肿瘤相比，展现出恶性迹象的肿瘤可能需要更宽范围的外部扫描(例如，以确定癌症是否已经扩散)。

在一些实施例中，配置可以包括角度、方向、强度、面积、焦点和信号强度等。例如，可以分析历史数据以确定应当用于扫描溃疡的x射线的角度。一些角度可以比其它角度提供更多或更完整的信息。

在框250处，基于第一扫描，可以执行第二扫描(即，外部扫描)。遵循来自上面的第一示例，内部扫描设备可以用于识别息肉和关于息肉的信息，包括息肉的取向。可以基于内部扫描执行x射线，其中x射线机被定向以给出示出息肉轮廓的视图。息肉的剖面图可以给放射科医师更好的机会来诊断息肉是否是癌的。遵循上述第二示例，内部扫描设备可以用于检测可能的憩室囊。基于框230和框240的配置的比较，可以执行对围绕囊的紧邻区域的外部扫描(例如，计算机断层(CT)扫描)，而不是对整个腹部的大面积扫描。在一些实施例中，自动执行外部扫描。在一些实施例中，基于来自框240的特性满足或超过阈值水平，诸如血流低于可接受的正常范围，可以执行外部扫描。在一些实施例中，在框250中，可以不自动执行外部扫描。而是，在一些实施例中，框250可以包括提示用户发起外部扫描。例如，如果在扫描期间超过阈值，则可以向用户示出图像并提示用户发起外部扫描。

在一些实施例中，阈值水平可以是一个或多个识别的特征。例如，某些形状或颜色可以指示第二扫描是有保证的。一些形状，例如息肉，可以指示潜在的医学问题，而其它形状，例如小凸起，可以是正常的。显著的变色可以指示潜在的状况，诸如坏死或坏疽，而轻微的变色可以是肤色的自然变化。

在一些实施例中，阈值可以是由被扫描的组织所展示的特定值。例如，阈值可以是血流速率、密度、用于生长的特定弯曲角度或生长的大小。

在一些实施例中，阈值可以是特征的组合。例如，具有低于特定速率的血流和高于特定速率的温度的肠的任何区域可以触发外部扫描，即使该血流和该温度可能不能单独地由其自身触发外部扫描。例如，在血流高于特定速率的情况下，特定形状的生长可以触发外部扫描。

现在转向图3，示出了根据本公开的实施例的示例联网环境300。联网环境300可包括客户端设备324、历史扫描数据库330、网络340、以及用于基于兴趣点类别和扫描类型的历史扫描数据选择的历史扫描数据选择工具301(例如，系统)。历史扫描数据选择工具301可以被实现为在用户的计算设备上运行的应用、经由云提供的服务、web浏览器插件、智能电话应用、或附属于辅助应用的依赖于代码的应用(例如，作为伙伴应用(诸如文本消息收发应用)的“覆盖”或伴随应用)。

网络340可以是任何类型的网络或网络的组合。例如，网络340可以包括个人区域网(PAN)、局域网(LAN)、城域网(MAN)、广域网(WAN)、无线局域网(WLAN)、存储区域网(SAN)、企业专用网(EPN)或虚拟专用网(VPN)的任意组合。在一些实施例中，网络340可以指IP网络、传统的基于同轴电缆的网络等。例如，存储历史扫描数据数据库330的服务器可以通过因特网与各种客户端设备(例如，平板电脑、膝上型电脑、智能电话、便携式终端、客户端设备324等)通信。

在一些实施例中，网络340可以在云计算环境内实现或使用一个或多个云计算服务来实现。根据各种实施例，云计算环境可以包括提供一个或多个云计算服务的基于网络的分布式数据处理系统。此外，云计算环境可以包括布置在一个或多个数据中心内并被配置为通过网络340共享资源的许多计算机(例如，数百或数千个计算机或更多)。关于图5和图6更详细地讨论云计算。

客户端设备324可以是台式机、膝上型计算机、智能电话、平板电脑或用于用户与本文描述的方法/技术交互并执行本文描述的方法/技术的任何其他合适的计算设备。在实施例中，客户端设备324可以存储一个或多个扫描数据集，诸如扫描数据302。如本文所述，扫描数据302可以是书面文章、音频流、视频流等。

如本文所设想的，历史扫描数据数据库330可以存储各种各样的历史扫描数据。例如，历史扫描数据可以包括扫描数据、静止图像、视频、音频记录(例如，来自声谱图的心跳)、或扫描数据302的作者/用户可能希望添加或结合扫描数据302使用的任何其他类型的历史扫描数据。在实施例中，历史扫描数据库330可以驻留在单个服务器上、云计算环境内的多个服务器上、和/或客户端设备324上或与历史扫描数据选择工具301相同的物理系统或虚拟化系统上。

历史扫描数据选择工具301可以是独立的计算系统，诸如台式机或膝上型计算机；服务器；或者在云计算环境内的一个或多个服务器上运行的虚拟化系统。历史扫描数据选择工具301可以包括历史扫描数据处理系统306、扫描数据处理系统314和评分模块322。

在实施例中，扫描数据302可以由历史扫描数据选择工具301经由网络340接收。扫描数据处理系统314可以包括例如图像处理器316、搜索应用318和内容分析模块320。

在实施例中，图像处理器316可以被配置为分析历史扫描以识别一个或多个兴趣点类别。在实施例中，图像处理器316还可以被配置为接收异常的识别特征，然后可以从所述识别特征识别兴趣点类别。

当识别出兴趣点类别时，可以生成相关性分数以经由内容分析模块320确定关于所识别的兴趣点类别的历史扫描数据的一个或多个特征(信号强度、密度、异常的形状、异常的大小、血流等)。在实施例中，内容分析模块320可以包括将一个或多个特征链接到一个或多个其它特征的关系型数据库，或者将信息存储在该关系型数据库中。例如，兴趣点可以具有与增加的血流结合的较高温度，其中单独地任一个可以不是异常。在其他实施例中，内容分析模块320可以包括卷积神经网络以生成相关性分数。在又一些实施例中，内容分析模块320可以包括例如关系型数据库和卷积神经网络两者，并且可以使用来自关系型数据库的数据作为用于卷积神经网络的输入。相关性分数可以被输出到评分模块322以用于相似性评分。

搜索应用318可用于通过搜索历史扫描数据数据库330以寻找由图像处理器316识别的关注点类别来找到历史扫描数据集。如本文所述，历史扫描数据数据库330可以包括预定义的文件夹或计算机，或者它可以被解释为网站、计算机、服务器等的集合。搜索结果可以被返回到历史扫描数据处理系统306。

在一些实施例中，历史扫描数据处理系统306可以包括例如数据分析模块308、图像分析模块310和类别接收模块312。类别接收模块312可以被配置为从扫描数据处理系统314接收通过分析扫描数据302的必须与由搜索应用318检索的历史扫描数据集相关的区域而识别的兴趣点类别。

例如，在实施例中，可以采用形状识别作为扫描数据处理系统314的一部分，以识别特定的生长或形成。可以通过解析形状的关系型数据库来确定生长或形成的超类，并且可以将超类指定为兴趣点类别。在识别兴趣点类别之后，扫描数据处理系统314可以将关于兴趣点类别的数据发送给类别接收模块312，因为形状属性可以分别通过图像分析模块310或数据分析模块308通知视觉/音频属性的识别。

基于数字文件格式(例如，图像文件格式(例如，.jpg)、文本格式(例如，.docx、.raf、.txt等)、音频格式(例如，.mp3等)和视频文件格式(例如，.wmv))，历史扫描数据处理系统306可以确定系统应当使用哪个处理模块(例如，数据分析模块308或图像分析模块310)来分析响应于搜索应用318的结果而接收的历史扫描数据。在接收到文本历史扫描数据的实施例中，可以在例如扫描数据处理器316处执行历史扫描数据的分析。在其他实施例中，历史扫描数据处理系统306可以包括其自己的扫描数据处理器(未示出)。

在实施例中，图像分析模块310可以被配置为接收视频和图像格式以识别图像内的对象、位置、兴趣点等(例如，主体)，如本文所述。在接收视频文件的实施例中，可以以随机间隔、以规则间隔选择静止帧图像，或者可以根据静止图像选择标准选择“最佳图像”(例如，最清楚地示出肿瘤的图像)。

在实施例中，图像分析模块310可以被配置为识别(例如，从静止图像、视频或视频馈送的单个帧)对象或特征(例如，生长的形状、着色、炎症等)。图像分析模块310还可以在给定图像中的对象的组合的情况下识别图像的上下文。例如，具有包括一个或多个形状、生长、变色的对象的组合的图像可以提供用于将图像的背景识别为坏死的基础。图像分析模块310可以执行本文描述的分析技术，以基于所接收的兴趣点类别来输出所分析图像的特定兴趣点的概率。

一旦已经识别了图像的对象、属性、上下文和相关性分数，就可以利用反映该信息的列表或表格(例如，作为元数据)来“标记”或以其他方式标注该图像，并且将其存储在历史扫描数据数据库330中。由图像分析模块310生成的相关性分数被发送到评分模块322。

在实施例中，如本文所讨论的，评分模块322可以用于基于内容和历史扫描数据两者的所接收的相关性分数来生成相似性分数，如本文所讨论的。

在实施例中，评分模块322可以采用神经网络来生成相似性分数，如本文所述。在实施例中，神经网络可以是多层感知器、sigmoid神经元系统、包括多个小核的有向非循环图，或者能够进行神经联网的任何其它结构/系统。

评分模块322可以基于相似性分数从历史扫描数据中选择一个或多个图像以显示给用户，如本文所述。用于选择的参数可以包括具有最大相似性分数的单个数据集，或者其可以是历史扫描数据的子集(例如，具有最大相似性分数的十个历史扫描数据)。选择参数可以是可调节的。

图4描绘了可以根据本公开的实施例使用的示例性计算机系统401的代表性主要组件。所描述的特定组件仅出于示例的目的而呈现，并且不一定是仅有的这种变型。计算机系统401可以包括处理器410、存储器420、输入/输出接口(这里也称为I/O或I/O接口)430和主总线440。主总线440可以为计算机系统401的其他组件提供通信路径。在一些实施例中，主总线440可以连接到诸如专用数字信号处理器(未示出)的其它组件。

计算机系统401的处理器410可以包括一个或多个CPU 412。处理器410可以另外包括一个或多个存储器缓冲器或高速缓存(未示出)，其为CPU 412提供指令和数据的临时存储。CPU 412可以对从高速缓存或从存储器420提供的输入执行指令，并将结果输出到高速缓存或存储器420。CPU 412可以包括被配置为执行与本公开的实施例一致的一个或多个方法的一个或多个电路。在一些实施例中，计算机系统401可以包含相对大的系统典型的多个处理器410。然而，在其它实施例中，计算机系统401可以是具有单个CPU 412的单个处理器。

计算机系统401的存储器420可以包括存储器控制器422和一个或多个用于临时或永久存储数据的存储器模块(未示出)。在一些实施例中，存储器420可以包括随机存取半导体存储器、存储设备或用于存储数据和程序的存储介质(易失性或非易失性)。存储器控制器422可以与处理器410通信，从而促进存储器模块中的信息的存储和检索。存储器控制器422可以与I/O接口430通信，从而促进存储器模块中的输入或输出的存储和检索。在一些实施例中，存储器模块可以是双列直插式存储器模块。

I/O接口430可以包括I/O总线450、终端接口452、存储接口454、I/O设备接口456和网络接口458。I/O接口430可以将主总线440连接到I/O总线450。I/O接口430可以将指令和数据从处理器410和存储器420引导到I/O总线450的各种接口。I/O接口430还可以将指令和数据从I/O总线450的各种接口引导到处理器410和存储器420。各种接口可以包括终端接口452、存储接口454、I/O设备接口456和网络接口458。在一些实施例中，各种接口可以包括上述接口的子集(例如，工业应用中的嵌入式计算机系统可以不包括终端接口452和存储接口454)。

遍及计算机系统401的逻辑模块——包括但不限于存储器420、处理器410和I/O接口430——可以将对一个或多个组件的故障和改变传送给管理程序或操作系统(未描绘)。管理程序或操作系统可以分配计算机系统401中可用的各种资源，并跟踪存储器420中的数据的位置以及分配给各种CPU 412的进程的位置。在组合或重新布置元件的实施例中，可以组合或重新分布逻辑模块的能力的各方面。这些变化对于本领域技术人员来说是显而易见的。

本发明可以是任何可能的技术细节集成水平的系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，所述计算机可读程序指令用于使处理器执行本发明的各方面。

计算机可读存储介质可以是可保持和存储指令以供指令执行设备使用的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置，以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)，或通过导线传输的电信号。

本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。

用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言(包括面向对象的编程语言，诸如Smalltalk、C++等)和过程编程语言(诸如“C”编程语言或类似的编程语言)的任意组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。

在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可由计算机可读程序指令来实现。

这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的方面的指令。

计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。

应当理解，尽管本公开包括关于云计算的详细描述，但是本文所陈述的教导的实现不限于云计算环境。相反，本发明的实施例能够结合现在已知或以后开发的任何其它类型的计算环境来实现。

云计算是一种服务递送模型，用于实现对可配置计算资源(例如，网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务)的共享池的方便的按需网络访问，所述可配置计算资源可以以最小的管理努力或与服务的提供者的交互来快速供应和释放。该云模型可以包括至少五个特性、至少三个服务模型和至少四个部署模型。

特性如下：

按需自助：云消费者可以单方面地自动地根据需要提供计算能力，诸如服务器时间和网络存储，而不需要与服务的提供者进行人工交互。

广域网接入：能力在网络上可用，并且通过促进由异构的瘦客户端或胖客户端平台(例如，移动电话、膝上型计算机和PDA)使用的标准机制来访问。

资源池化：供应商的计算资源被集中以使用多租户模型来服务多个消费者，其中不同的物理和虚拟资源根据需求被动态地分配和重新分配。存在位置无关的意义，因为消费者通常不控制或不知道所提供的资源的确切位置，但是能够在较高抽象级别(例如国家、州或数据中心)指定位置。

快速弹性：在一些情况下，可以快速且弹性地提供快速向外扩展的能力和快速向内扩展的能力。对于消费者，可用于提供的能力通常看起来不受限制，并且可以在任何时间以任何数量购买。

测量服务：云系统通过利用在适合于服务类型(例如，存储、处理、带宽和活动用户账户)的某一抽象级别的计量能力来自动地控制和优化资源使用。可以监视、控制和报告资源使用，从而为所利用服务的提供者和消费者两者提供透明性。

服务模型如下：

软件即服务(SaaS)：提供给消费者的能力是使用在云基础设施上运行的提供者的应用。应用程序可通过诸如web浏览器(例如，基于web的电子邮件)等瘦客户端界面从各种客户机设备访问。消费者不管理或控制包括网络、服务器、操作系统、存储或甚至个别应用能力的底层云基础结构，可能的例外是有限的用户专用应用配置设置。

平台即服务(PaaS)：提供给消费者的能力是将消费者创建或获取的应用部署到云基础设施上，该消费者创建或获取的应用是使用由提供商支持的编程语言和工具创建的。消费者不管理或控制包括网络、服务器、操作系统或存储的底层云基础设施，但具有对部署的应用和可能的应用托管环境配置的控制。

基础设施即服务(IaaS)：提供给消费者的能力是提供处理、存储、网络和消费者能够部署和运行任意软件的其它基本计算资源，所述软件可以包括操作系统和应用。消费者不管理或控制底层云基础设施，但具有对操作系统、存储、部署的应用的控制，以及可能对选择的联网组件(例如，主机防火墙)的有限控制。

部署模型如下：

私有云：云基础设施仅为组织操作。它可以由组织或第三方管理，并且可以存在于建筑物内或建筑物外。

社区云：云基础设施由若干组织共享，并且支持具有共享关注(例如，任务、安全要求、策略和合规性考虑)的特定社区。它可以由组织或第三方管理，并且可以存在于场所内或场所外。

公有云：云基础设施可用于一般公众或大型工业群体，并且由销售云服务的组织拥有。

混合云：云基础设施是两个或更多云(私有、共同体或公共)的组合，所述云保持唯一实体，但是通过使数据和应用能够移植的标准化或私有技术(例如，用于云之间的负载平衡的云突发)绑定在一起。

云计算环境是面向服务的，其焦点在于无状态、低耦合、模块性和语义互操作性。在云计算的核心是包括互连节点的网络的基础设施。

现在参考图5，描绘了说明性云计算环境50。如图所示，云计算环境50包括云消费者使用的本地计算设备可以与其通信的一个或多个云计算节点10，所述本地计算设备例如个人数字助理(PDA)或蜂窝电话54A、台式计算机54B、膝上型计算机54C和/或汽车计算机系统54N。节点10可以彼此通信。它们可以被物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上文描述的私有云、社区云、公共云或混合云或其组合。这允许云计算环境50提供基础设施、平台和/或软件作为服务，云消费者不需要为其维护本地计算设备上的资源。应当理解，图5中所示的计算设备54A-N的类型仅旨在说明，并且计算节点10和云计算环境50可以在任何类型的网络和/或网络可寻址连接上(例如，使用web浏览器)与任何类型的计算设备通信。

现在参考图6，示出了由云计算环境50(图5)提供的一组功能抽象层。应当预先理解，图6中所示的组件、层和功能仅旨在说明，并且本发明的实施例不限于此。如所描绘的，提供了以下层和相应的功能：

硬件和软件层60包括硬件和软件组件。硬件组件的示例包括：主机61；基于RISC(精简指令集计算机)架构的服务器62；服务器63；刀片服务器64；存储设备65；以及网络和联网组件66。在一些实施例中，软件组件包括网络应用服务器软件67和数据库软件68。

虚拟化层70提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器71；虚拟存储器72；虚拟网络73，包括虚拟专用网络；虚拟应用和操作系统74；以及虚拟客户机75。

在一个示例中，管理层80可以提供以下描述的功能。资源供应81提供用于在云计算环境内执行任务的计算资源和其它资源的动态采购。计量和定价82提供了在云计算环境中利用资源时的成本跟踪，以及用于消耗这些资源的开帐单或发票。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其他资源提供保护。用户门户83为消费者和系统管理员提供对云计算环境的访问。服务级别管理84提供云计算资源分配和管理，使得满足所需的服务级别。服务水平协议(SLA)规划和履行85提供对云计算资源的预安排和采购，其中根据SLA预期未来需求。

工作负载层90提供了可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的示例包括：绘图和导航91；软件开发和生命周期管理92；虚拟教室教育递送93；数据分析处理94；交易处理95；以及预测性神经网络96。

本发明可以是任何可能的技术细节集成水平的系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，所述计算机可读程序指令用于使处理器执行本发明的各方面。

计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置，以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)，或通过导线传输的电信号。

本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。

用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言(包括面向对象的编程语言，诸如Smalltalk、C++等)和过程性编程语言(诸如“C”编程语言或类似的编程语言)的任意组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。

在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。

这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。

计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。

附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以基本上同时执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。

如在此所使用的，对象的“集合”不等于该对象的所有可用实例。例如，如果四个文件可用，则文件的集合可以不包含所有四个文件。此外，如本文所使用的，短语对象的“集合中的每一个”仅指该集合的对象的实例。例如，如果四个文件可用，则短语“来自四个文件的两个文件的集合，该集合中的每个文件是只读的”将被适当地解释为暗示两个文件(该集合中的两个文件)是只读的。不在该集合中的四个可用文件中的两个文件可以是或者可以不是只读的。

已经出于说明的目的呈现了对本公开的各种实施例的描述，但是其并非旨在是穷举的或限于所公开的实施例。在不背离所描述的实施例的范围和精神的情况下，许多修改和变化对于本领域的普通技术人员将是显而易见的。选择本文所使用的术语来解释实施例的原理、实际应用或对市场上存在的技术改进，或使本领域的其他普通技术人员能够理解本文所公开的实施例。

附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以基本上同时执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。

已经出于说明的目的呈现了对本公开的各种实施例的描述，但是其并非旨在是穷举的或限于所公开的实施例。在不背离所描述的实施例的范围和精神的情况下，许多修改和变化对于本领域的普通技术人员将是显而易见的。选择本文所使用的术语来解释实施例的原理、实际应用或对市场上存在的技术改进，或使本领域的其他普通技术人员能够理解本文所公开的实施例。

Claims (20)

1.一种方法，包括：

从患者的身体内部的可摄取扫描设备接收第一数据集；

基于所述第一数据集识别所述身体内的兴趣点；

确定所述身体内的所述兴趣点的位置；以及

用外部扫描设备扫描所述兴趣点。

2.根据权利要求1所述的方法，其中，所述确定是通过从由回波定位、多普勒定位、x射线扫描和三角测量组成的组中选择的技术来执行的。

3.根据权利要求1所述的方法，其中，所述可摄取扫描设备是可摄取超声波扫描设备，并且所述外部扫描设备是x射线机。

4.根据权利要求1所述的方法，还包括：

基于所述第一数据集来确定所述外部扫描设备的配置。

5.根据权利要求4所述的方法，其中，所述配置包括所述外部扫描设备相对于所述兴趣点的角度。

6.根据权利要求4所述的方法，其中，所述配置包括用于所述外部扫描设备的暴露区域。

7.根据权利要求4所述的方法，其中，所述确定还包括：

确定所述兴趣点的类别；

基于所述类别来接收历史数据集；

将所述第一数据集与所述历史数据进行比较；以及

基于所述比较来配置所述外部扫描。

8.根据权利要求7所述的方法，其中，所述历史数据集包括外部扫描的类型和所述外部扫描的配置。

9.一种计算机程序产品，所述计算机程序产品包括计算机可读存储介质，所述计算机可读存储介质具有随其体现的程序指令，所述程序指令能够由计算机执行以使所述计算机：

从患者的身体中的可摄取扫描设备接收第一数据集；

基于所述第一数据集识别所述身体内的兴趣点；

确定所述身体内的所述兴趣点的位置；以及

用外部扫描设备扫描所述兴趣点。

10.根据权利要求8所述的计算机程序产品，其中，所述确定是通过从由回波定位、多普勒定位、x射线扫描和三角测量组成的组中选择的技术来执行的。

11.根据权利要求8所述的计算机程序产品，其中，所述可摄取扫描设备是可摄取超声波扫描设备，并且所述外部扫描设备是x射线机。

12.根据权利要求8所述的计算机程序产品，还包括：

基于所述第一数据集来确定所述外部扫描设备的配置。

13.根据权利要求12所述的计算机程序产品，其中，所述配置包括所述外部扫描设备相对于所述兴趣点的角度。

14.根据权利要求12所述的计算机程序产品，其中，所述配置包括用于所述外部扫描设备的暴露区域。

15.根据权利要求12所述的计算机程序产品，其中，所述确定还包括：

确定所述兴趣点的类别；

基于所述类别来接收历史数据集；

将所述第一数据集与所述历史数据进行比较；以及

基于所述比较来配置所述外部扫描。

16.一种系统，包括：

处理器；以及

存储器，其与所述处理器通信，所述存储器包含程序指令，所述程序指令在由所述处理器执行时被配置为使所述处理器执行一种方法，所述方法包括：

从患者的身体内部的可摄取扫描设备接收第一数据集；

基于所述第一数据集识别所述身体内的兴趣点；

确定所述身体内的所述兴趣点的位置；以及

用外部扫描设备扫描所述兴趣点。

17.根据权利要求16所述的系统，其中，所述确定是通过从由回波定位、多普勒定位、x射线扫描和三角测量组成的组中选择的技术来执行的。

18.根据权利要求16所述的系统，其中，所述可摄取扫描设备是可摄取超声波扫描设备，并且所述外部扫描设备是x射线机。

19.根据权利要求16所述的系统，还包括：

基于所述第一数据集来确定所述外部扫描设备的配置。

20.根据权利要求19所述的系统，其中，所述配置包括所述外部扫描设备相对于所述兴趣点的角度。

Images