-
TECHNISCHES GEBIET
-
Die vorliegende Offenbarung bezieht sich auf ein auf künstlicher Intelligenz basierendes System für die medizinische Diagnose und insbesondere auf ein auf künstlicher Intelligenz basierendes System zur Erkennung von Brustkrebs.
-
HINTERGRUND
-
Die Hintergrundbeschreibung enthält Informationen, die für das Verständnis der vorliegenden Erfindung nützlich sein können. Es ist kein Eingeständnis, dass die hierin enthaltenen Informationen zum Stand der Technik gehören oder für die vorliegende Erfindung relevant sind, oder dass eine Veröffentlichung, auf die ausdrücklich oder implizit Bezug genommen wird, zum Stand der Technik gehört.
-
Brustkrebs ist nach Lungenkrebs die zweithäufigste Krankheitsursache bei Frauen. Weltweit wurde im Jahr 2020 bei 2,3 Millionen Frauen Brustkrebs diagnostiziert, und es gab 6.85.000 Todesfälle. Brustkrebs ist nach wie vor eine alarmierende Ursache für die Sterblichkeit bei Frauen. Die Symptome machen sich erst mit der Zeit bemerkbar, und zu diesem Zeitpunkt hat die Krankheit bereits ein gefährliches Ausmaß erreicht. Die Früherkennung ist der Schlüssel zur rechtzeitigen Behandlung der Patientin.
-
Im Stand der Technik wurden bereits verschiedene Lösungen für die Früherkennung von Brustkrebs entwickelt. Zum Beispiel wurde das US-Patent Nr.
US7454242B2 über die adaptive Radarbildgebung mit Gewebeerkennung zur Erkennung von Brusttumoren mittels Mammographie. Das US-Patent Nr.
US7340292B2 offenbart ein System zur Erkennung von Brustkrebs, bei dem die Diagnose mit Hilfe von Mikrowellen erfolgt.
-
Zur Erkennung von Brustkrebs wird die Mammographie als Screening-Test durchgeführt, der Anomalien in Brustbildern erkennt. Aufgrund des Rauschens in den Bildern der Mammographie ist es jedoch schwierig, Krebs im Frühstadium zu erkennen. Es mangelt an Diagnosesystemen zur Erkennung von Brustkrebs, die eine genaue Diagnose stellen können. Es besteht ein Bedarf an intelligenten computergestützten Systemen, die eine rechtzeitige Diagnose und kostengünstige Methoden zur Erkennung von Brustkrebs ermöglichen.
-
Daher überwindet die vorliegende Offenbarung das oben erwähnte Problem, das mit der traditionell verfügbaren Methode oder dem System verbunden ist, jede der oben erwähnten Erfindungen kann mit der vorgestellten offengelegten Technik mit oder ohne Modifikation verwendet werden.
-
Alle hierin enthaltenen Veröffentlichungen werden durch Bezugnahme in demselben Umfang einbezogen, wie wenn jede einzelne Veröffentlichung oder Patentanmeldung ausdrücklich und einzeln als durch Bezugnahme einbezogen angegeben wäre. Wenn eine Definition oder die Verwendung eines Begriffs in einer inkorporierten Referenz nicht mit der hierin enthaltenen Definition dieses Begriffs übereinstimmt oder im Widerspruch dazu steht, gilt die hierin enthaltene Definition dieses Begriffs und die Definition dieses Begriffs in der Referenz gilt nicht.
-
Wie in der vorliegenden Beschreibung und in den folgenden Ansprüchen verwendet, schließt die Bedeutung von „ein“, „ein“ und „die“ den Plural ein, es sei denn, aus dem Kontext geht eindeutig etwas anderes hervor. Wie in der vorliegenden Beschreibung verwendet, schließt die Bedeutung von „in“ auch „in“ und „am“ ein, sofern der Kontext nicht eindeutig etwas anderes vorschreibt. Die Verwendung von Beispielen oder beispielhaften Ausdrücken (z. B. „wie“) in Bezug auf bestimmte Ausführungsformen dient lediglich der besseren Veranschaulichung der Erfindung und stellt keine Einschränkung des Umfangs der ansonsten beanspruchten Erfindung dar. Keine Formulierung in der Beschreibung sollte als Hinweis auf ein nicht beanspruchtes, für die Ausführung der Erfindung wesentliches Element ausgelegt werden.
-
GEGENSTÄNDE DER ERFINDUNG
-
Ziel der vorliegenden Offenbarung ist es, ein auf künstlicher Intelligenz basierendes System zur Erkennung von Brustkrebs bereitzustellen.
-
Gegenstand der vorliegenden Offenbarung ist die Bereitstellung eines Systems zur Früherkennung von Brustkrebs.
-
Gegenstand der vorliegenden Offenbarung ist ein System zur auf künstlicher Intelligenz basierenden Verarbeitung von Mammographie-Bildern.
-
Ein weiterer Gegenstand der vorliegenden Offenbarung ist die Bereitstellung eines Systems zur konturbasierten Verarbeitung von Mammographie-Bildern.
-
ZUSAMMENFASSUNG
-
Die vorliegende Offenbarung betrifft ein auf künstlicher Intelligenz basierendes System zur Erkennung von Brustkrebs, wobei das System einen Speicher zur Speicherung von Einstellungen, eine Mammographie-Bilddatenbank zur Speicherung von Mammographie-Bildern, eine Echtzeit-Bilddatenbank zur Speicherung von Echtzeit-Bildern, einen Prozessor zur Programmierung und ein Datennetzwerk zur Kommunikation umfasst; wobei der Prozessor eine zentrale Verarbeitungseinheit, eine Bildkomponente, eine Vorverarbeitungskomponente, eine Aufteilungskomponente, eine Schätzkomponente, eine Extraktionskomponente, eine Konturierungskomponente und eine Clusterkomponente umfasst.
-
In einem Aspekt der vorliegenden Offenbarung ist der Prozessor so programmiert, dass er Rauschen aus den von der Mammographie-Bilddatenbank und der Echtzeit-Bilddatenbank abgeleiteten Bildern verarbeitet und entfernt und die abgeleiteten Bilder durch Konturierung in Teilbilder partitioniert.
-
In einem Aspekt der vorliegenden Offenbarung ist der Prozessor so programmiert, dass er ein modifiziertes Clustering-Verfahren auf Konturen durchführt.
-
In einem Aspekt der vorliegenden Offenbarung ist der Prozessor so programmiert, dass er die verarbeiteten Bilder durch Extraktion von Merkmalen der Teilbilder auf dem zu prüfenden Bildbereich organisiert.
-
In einem anderen Aspekt der vorliegenden Offenbarung ist das Datennetzwerk ein drahtgebundenes oder drahtloses Netzwerk.
-
Obwohl die vorliegende Offenbarung in Bezug auf einen bestimmten Satz von Funktionsmodulen erläutert wurde, kann jedes andere Modul oder jeder Satz von Modulen hinzugefügt/gelöscht/geändert/kombiniert werden, und alle derartigen Änderungen in der Architektur/Konstruktion des vorgeschlagenen Systems liegen vollständig im Rahmen der vorliegenden Offenbarung. Jedes Modul kann auch in ein oder mehrere funktionale Untermodule unterteilt werden, die alle ebenfalls vollständig in den Anwendungsbereich der vorliegenden Offenbarung fallen.
-
Verschiedene Objekte, Merkmale, Aspekte und Vorteile des Erfindungsgegenstandes werden aus der folgenden detaillierten Beschreibung bevorzugter Ausführungsformen zusammen mit den beigefügten Zeichnungen, in denen gleiche Ziffern gleiche Komponenten darstellen, deutlicher.
-
Figurenliste
-
Die beigefügten Zeichnungen dienen dem weiteren Verständnis der vorliegenden Offenbarung und sind Bestandteil dieser Beschreibung. Die Zeichnungen veranschaulichen beispielhafte Ausführungsformen der vorliegenden Offenbarung und dienen zusammen mit der Beschreibung dazu, die Grundsätze der vorliegenden Offenbarung zu erläutern.
- 1 zeigt eine beispielhafte Architektur des auf künstlicher Intelligenz basierenden Systems (100) zur Erkennung von Brustkrebs in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
- 2 zeigt eine beispielhafte Konfiguration der Fächer des Prozessors (102) gemäß einer Ausführungsform der vorliegenden Offenbarung.
-
AUSFÜHRLICHE BESCHREIBUNG
-
Aspekte der vorliegenden Offenbarung beziehen sich auf ein auf künstlicher Intelligenz basierendes System zur Erkennung von Brustkrebs.
-
In der folgenden Beschreibung werden zahlreiche spezifische Details dargelegt, um ein gründliches Verständnis der Ausführungsformen der vorliegenden Erfindung zu ermöglichen. Einem Fachmann wird klar sein, dass Ausführungsformen der vorliegenden Erfindung auch ohne einige dieser spezifischen Details ausgeführt werden können.
-
Obwohl die vorliegende Erfindung in Bezug auf ein auf künstlicher Intelligenz basierendes System zur Erkennung von Brustkrebs beschrieben wurde, sollte man sich darüber im Klaren sein, dass dies lediglich zur Veranschaulichung der Erfindung in beispielhafter Weise geschehen ist und jeder andere Zweck oder jede andere Funktion, für die die erläuterte Struktur oder Konfiguration verwendet werden kann, in den Anwendungsbereich der vorliegenden Offenbarung fällt.
-
In einer Ausführungsform der vorliegenden Offenbarung zeigt 1 eine beispielhafte Implementierung eines auf künstlicher Intelligenz basierenden Systems (100) zur Erkennung von Brustkrebs, das einen Speicher (101) zur Speicherung von Einstellungen, eine Mammographie-Bilddatenbank (103) zur Speicherung von Mammographie-Bildern, eine Echtzeit-Bilddatenbank (104) zur Speicherung von Echtzeit-Bildern, einen Prozessor (102) zur Programmierung und ein Datennetz (105) zur Kommunikation umfasst.
-
In einer Ausführungsform der vorliegenden Offenbarung kann der Speicher (101) die Einstellungen des Systems (100) und Anweisungen für den Prozessor (102) speichern. Der Prozessor (102) kann so programmiert werden, dass er die Anweisungen entsprechend den im Speicher (110) gespeicherten Einstellungen ausführt.
-
In einer Ausführungsform der vorliegenden Offenbarung kann der Prozessor (102) so programmiert werden, dass er auf die in der Mammographie-Bilddatenbank (103) und der Echtzeit-Bilddatenbank (104) gespeicherten Bilder zugreift. Der Prozessor (102) kann über das Datennetz (105) auf die Bilder zugreifen.
-
In einer Ausführungsform der vorliegenden Offenbarung kann die Mammographie-Bilddatenbank (103) als Speicher für Mammographie-Bilder von Benutzern dienen. Die Mammographie- oder Röntgenbilder der Brust können vorher gesammelt und zur Verwendung in der Datenbank gespeichert werden.
-
In einer Ausführungsform der vorliegenden Offenbarung kann die Echtzeit-Bilddatenbank (104) als Speicher für Mammographie- oder Röntgenbilder von Brustgewebe dienen, die in Echtzeit in klinischen Umgebungen aufgenommen wurden.
-
In einer Ausführungsform der vorliegenden Offenbarung kann auf die mammographischen Bilder und Echtzeitbilder von einem Computer, einem Speicher oder einem Speichergerät zugegriffen werden. Das Datennetzwerk (105) kann auf die Mammographie-Bilder und Echtzeit-Bilder aus der Mammographie-Bilddatenbank (103) oder der Echtzeit-Bilddatenbank (104) zugreifen.
-
In einer Ausführungsform der vorliegenden Offenbarung kann der Prozessor (102) so programmiert werden, dass er die Bilder aus der Mammographie-Bilddatenbank (103) und der Echtzeit-Bilddatenbank (104) vorverarbeitet und von Rauschen befreit, um zwischen Vordergrund- und Hintergrundpixeln der Bilder zu unterscheiden. Der Prozessor (102) kann die abgeleiteten Bilder durch mehrphasige Konturierung in Teilbilder mit bestimmten Bereichen aufteilen. Die Mehrphasenkonturierung kann die Bilder weiter in bestimmte Bereiche unterteilen.
-
In einer Ausführungsform der vorliegenden Offenbarung kann der Prozessor (102) so programmiert werden, dass er Anfangskonturen auf Teilbildern erkennt, indem er ein scheibenförmiges Strukturelement der Bildverarbeitung verwendet, das Vordergrundpixel oder Hintergrundpixel verwendet. Das scheibenförmige Strukturierungselement der Bildverarbeitung kann zur Konturerzeugung verwendet werden.
-
In einer Ausführungsform der vorliegenden Offenbarung kann der Prozessor (102) so programmiert werden, dass er einen Gradientenwert und einen Intensitätswert für Pixel von partitionierten Teilbildern durch ein modifiziertes Clustering-Verfahren auf den Konturen verarbeitet. Das modifizierte Clustering-Verfahren organisiert und unterteilt Teilbilder in Cluster und klassifiziert Pixel von Teilbildern in einem Cluster, wodurch der Gradientenwert und ein Intensitätswert verarbeitet werden. Der Gradientenwert kann verwendet werden, um die Veränderung des Intensitätswerts in eine bestimmte Richtung zu bestimmen. Die Segmentierung kann durch die Erstellung einer Funktion mit einem regionenbasierten Flächenterm und einem kantenbasierten Längenterm erreicht werden. Für die Segmentierung kann ein mittlerer Intensitätswert von zweistufigen Sets in der Funktion verwendet werden.
-
In einer Ausführungsform der vorliegenden Offenbarung kann der Prozessor (102) so programmiert werden, dass er einen Bildbereich für die Prüfung von Teilbildern mit dem Gradienten und dem Intensitätswert durch Konturerzeugung bereitstellt. Der Prozessor (102) kann so programmiert werden, dass er die verarbeiteten Bilder organisiert, indem er Merkmale der Teilbilder auf dem zu prüfenden Bildbereich extrahiert. Die Merkmale der Unterbilder auf dem zu prüfenden Bildbereich können ein Wavelet-Merkmal oder ein Texturmerkmal umfassen.
-
In einer anderen Ausführungsform der vorliegenden Offenbarung kann der Prozessor (102) so programmiert werden, dass er auf der Grundlage der Organisation der Bilder die Wahrscheinlichkeit von Brustkrebs feststellt. Der Gradient und die Intensitätswerte in allen verarbeiteten Bildern können als bösartiger Brustkrebs klassifiziert werden. Der bösartige Brustkrebs kann anhand der Texturmerkmale in den Bildern wie Größe, Energie und Entropie ermittelt werden. Der Gradientenwert der Pixel von Bildern und der Energiewert der Bilder können zur Bestimmung von Brustkrebs extrahiert werden. Der Energiewert der Bilder kann in verschiedenen Ausrichtungen von 0-90 Grad extrahiert werden.
-
In einer anderen Ausführungsform der vorliegenden Offenbarung kann das Datennetz (105) ein drahtloses oder ein kabelgebundenes Netz umfassen.
-
In einer anderen Ausführungsform der vorliegenden Offenbarung illustriert 2 beispielhafte Abteilungen des Prozessors (102) in einem auf künstlicher Intelligenz basierenden System (100) zur Erkennung von Brustkrebs. Der Prozessor (102) besteht aus einer zentralen Verarbeitungseinheit (201), einer Bildkomponente (202), einer Vorverarbeitungskomponente (203), einer Partitionierungskomponente (204), einer Schätzkomponente (205), einer Extraktionskomponente (206), einer Konturierungskomponente (207) und einer Clusterkomponente (208). Die zentrale Verarbeitungseinheit (201) ist drahtgebunden oder drahtlos mit der Bildkomponente (202), der Vorverarbeitungskomponente (203), der Partitionierungskomponente (204), der Schätzkomponente (205), der Extraktionskomponente (206), der Konturierungskomponente (207) und der Clusterkomponente (208) verbunden. Die Bildkomponente (202) kann auf die Mammographie-Bilder und Echtzeit-Bilder aus der Mammographie-Bilddatenbank (103) oder der Echtzeit-Bilddatenbank (104) zugreifen. Die Vorverarbeitungskomponente (203) kann die Bilder aus der Mammographie-Bilddatenbank (103) und der Echtzeit-Bilddatenbank (104) vorverarbeiten und von Rauschen befreien, um zwischen Vordergrund- und Hintergrundpixeln der Bilder zu unterscheiden. Die Partitionierungskomponente (204) kann die abgeleiteten Bilder durch mehrphasige Konturierung in Teilbilder mit bestimmten Bereichen aufteilen. Die Schätzkomponente (205) kann auf der Grundlage der Organisation der Bilder die Wahrscheinlichkeit von Brustkrebs ermitteln. Die Extraktionskomponente (206) kann die verarbeiteten Bilder organisieren, indem sie Merkmale der Teilbilder auf dem zu untersuchenden Bildbereich extrahiert. Die Konturierungskomponente (207) kann erste Konturen auf den Teilbildern erkennen, indem sie ein scheibenförmiges Strukturelement der Bildverarbeitung unter Verwendung von Vordergrund- oder Hintergrundpixeln verwendet. Die Clustering-Komponente (208) kann einen Gradientenwert und einen Intensitätswert für Pixel von partitionierten Teilbildern durch ein modifiziertes Clustering-Verfahren auf den Konturen verarbeiten.
-
Während das Vorstehende verschiedene Ausführungsformen der Erfindung beschreibt, können andere und weitere Ausführungsformen der Erfindung entwickelt werden, ohne vom grundsätzlichen Anwendungsbereich der Erfindung abzuweichen. Der Umfang der Erfindung wird durch die folgenden Ansprüche bestimmt. Die Erfindung ist nicht auf die beschriebenen Ausführungsformen, Varianten oder Beispiele beschränkt, die enthalten sind, um eine Person mit gewöhnlichem Fachwissen auf dem Gebiet der Technik zu ermöglichen, die Erfindung zu machen und zu verwenden, wenn sie mit Informationen und Kenntnissen, die der Person mit gewöhnlichem Fachwissen auf dem Gebiet der Technik zur Verfügung stehen, kombiniert werden.
-
Bezugszeichenliste
-
- 100
- System zur Erkennung von Brustkrebs
- 101
- Speicher zur Speicherung von Einstellungen
- 102
- Prozessor für die Programmierung
- 103
- Mammographie-Bilddatenbank zur Speicherung von Mammographie-Bildern
- 104
- Echtzeit-Bilddatenbank
- 105
- Datennetz
- 201
- Zentrale Recheneinheit des Prozessors
- 202
- Bildkomponente des Prozessors
- 203
- Vorverarbeitungskomponente des Prozessors
- 204
- Partitionierungskomponente des Prozessors
- 205
- Schätzungskomponente des Prozessors
- 206
- Extraktionskomponente des Prozessors
- 207
- Konturierungskomponente des Prozessors
- 208
- Clustering-Komponente des Prozessors
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- US 7454242 B2 [0004]
- US 7340292 B2 [0004]
