CN110537178B - 用于针对发现的指示而对图像切片进行计算机辅助搜索的***和方法 - Google Patents

用于针对发现的指示而对图像切片进行计算机辅助搜索的***和方法 Download PDF

Info

Publication number
CN110537178B
CN110537178B CN201880026052.2A CN201880026052A CN110537178B CN 110537178 B CN110537178 B CN 110537178B CN 201880026052 A CN201880026052 A CN 201880026052A CN 110537178 B CN110537178 B CN 110537178B
Authority
CN
China
Prior art keywords
image
image slices
slices
image slice
slice
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
Application number
CN201880026052.2A
Other languages
English (en)
Other versions
CN110537178A (zh
Inventor
I·特里利斯凯
M·塞芬斯特
A·M·塔赫玛塞比马拉古奥施
P·J·昌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
University of Chicago
Original Assignee
Koninklijke Philips NV
University of Chicago
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV, University of Chicago filed Critical Koninklijke Philips NV
Publication of CN110537178A publication Critical patent/CN110537178A/zh
Application granted granted Critical
Publication of CN110537178B publication Critical patent/CN110537178B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本公开涉及对图像切片的计算机辅助搜索。在一些实施例中，可以确定具有检测到的发现(并且表示个体的至少一部分的横截面)的图像切片。搜索空间可以减小为各自表示与由所确定的图像切片表示的横截面相对应的横截面的图像切片的子集。搜索空间减小可以包括基于由所确定的图像切片表示的横截面来过滤一组图像切片。可以基于搜索空间减小来获得与所确定的图像切片和(图像切片子集的)相关的一个或多个图像切片有关的图像切片信息。可以基于图像切片信息来实现对(图像切片子集的)图像切片中是否存在所检测到的发现的指示的确定。

Description

用于针对发现的指示而对图像切片进行计算机辅助搜索的系 统和方法
技术领域
本公开涉及用于促进针对发现的指示而对图像切片进行计算机辅助搜索的***和方法。
背景技术
涉及计算机断层摄影(CT)、磁共振成像(MRI)、乳腺摄影或其他技术的医学成像技术的进步使医师、临床医师或其他服务提供商能够帮助患者在早期阶段检测各种医学状况(例如，肿瘤或其他肿块)，并对医学状况在患者体内发展的情况进行严密监控。此外，计算机***中处理能力、存储器和存储容量或其他资源的处理能力的改进使医师或其他用户能够更轻松地捕获或获取与患者有关的医学图像(例如医学图像切片或其他图像)、视频或其他项目，并更快地搜索和识别与此类用户相关的图像、视频或其他项目。
作为示例，如果医师观察到在患者的最近检查期间捕获的一个或多个图像切片中的特定发现(例如，肿瘤或其他肿块)，则医师可以利用与来自患者的先前检查的图像切片数据库通信的计算机***在数据库中搜索具有特定发现的一个或多个指示的图像切片，以确定该特定发现是否是新的发展或是否简单地是先前检查期间未检测到该特定发现。然而，考虑到典型医学成像技术生成的图像和其他相关项目的大小(例如，由于此类成像的高分辨率)以及为单个患者生成的大量图像，搜索与患者相关联的图像的数据库以自动识别可能示出新发现的发现的证据的患者图像可能非常耗时且效率低下(例如，特别是如果对包括来自多个先前检查的图像切片的一组图像切片进行检查时)。存在这些和其他缺点。
发明内容
因此，本公开的一个方面涉及一种用于促进针对发现的指示而对图像切片进行计算机辅助搜索的***。所述***包括一个或多个处理器和/或其他部件。一个或多个处理器由机器可读指令配置为：确定包括与个体有关的检测到的发现的图像切片，所确定的图像切片表示在所述个体的检查期间的所述个体的至少一部分的横截面；将搜索空间减小到包括各自表示与由所确定的图像切片表示的所述横截面对应的横截面的图像切片的图像切片的子集，其中，减小所述搜索空间包括基于由所确定的图像切片表示的所述横截面来过滤图像切片集合，所述图像切片集合包括各自表示所述个体的一个或多个其他检查期间的所述个体的至少一部分的横截面的图像切片；获得与所确定的图像切片有关的第一图像切片信息；基于搜索空间减小来获得与所述图像切片子集中的一个或多个图像切片有关的第二图像切片信息；以及基于所述第一图像切片信息和所述第二图像切片信息来确定所述检测到的发现的一个或多个指示是否存在于所述图像切片子集中的所述一个或多个图像切片中。
本公开的另一方面涉及一种用于促进针对发现的指示而对图像切片进行计算机辅助搜索的方法。所述方法包括：确定包括与个体有关的检测到的发现的图像切片，所确定的图像切片表示在所述个体的检查期间的所述个体的至少一部分的横截面；将搜索空间减小到包括各自表示与由所确定的图像切片表示的所述横截面对应的横截面的图像切片的图像切片的子集，其中，减小所述搜索空间包括基于由所确定的图像切片表示的所述横截面来过滤图像切片集合，所述图像切片集合包括各自表示所述个体的一个或多个其他检查期间的所述个体的至少一部分的横截面的图像切片；获得与所确定的图像切片有关的第一图像切片信息；基于搜索空间减小来获得与所述图像切片子集中的一个或多个图像切片有关的第二图像切片信息；以及基于所述第一图像切片信息和所述第二图像切片信息来确定所述检测到的发现的一个或多个指示是否存在于所述图像切片子集中的所述一个或多个图像切片中。
本公开的另一方面涉及一种用于促进针对发现的指示而对图像切片进行计算机辅助搜索的***。所述***包括：用于确定包括与个体有关的检测到的发现的图像切片的模块，所确定的图像切片表示在所述个体的检查期间的所述个体的至少一部分的横截面；用于将搜索空间减小到包括各自表示与由所确定的图像切片表示的所述横截面对应的横截面的图像切片的图像切片的子集的模块，其中，减小所述搜索空间包括基于由所确定的图像切片表示的所述横截面来过滤图像切片集合，所述图像切片集合包括各自表示所述个体的一个或多个其他检查期间的所述个体的至少一部分的横截面的图像切片；用于获得与所确定的图像切片有关的第一图像切片信息的模块；用于基于搜索空间减小来获得与所述图像切片子集中的一个或多个图像切片有关的第二图像切片信息的模块；以及用于基于所述第一图像切片信息和所述第二图像切片信息来确定所述检测到的发现的一个或多个指示是否存在于所述图像切片子集中的所述一个或多个图像切片中的模块。
通过参考附图考虑以下描述和所附的权利要求，本发明的这些和其他特征和特性，以及结构的相关元件以及零件和制造的经济性结合的操作方法和功能，将变得更加明显，所有这些都构成了本说明书的一部分，其中，在各个附图中，相同的附图标记表示相应的部分。然而，应该明确地理解，附图仅出于说明和描述的目的，并且不意图作为对本发明的限制的定义。
附图说明
图1图示了根据一个或多个实施例的被配置用于促进针对发现的指示而对图像切片进行计算机辅助搜索的***。
图2a-2e图示了根据一个或多个实施例的经由不同医学模态捕获的图像切片。
图3a-3e图示了根据一个或多个实施例的图像切片的图形分析。
图4a-4b图示了根据一个或多个实施例的呈现从图像切片的自主搜索中导出的相关图像切片的用户接口。
图5图示了根据一个或多个实施例的用于促进针对发现的指示而对图像切片进行计算机辅助搜索的方法。
具体实施方式
如本文所用，单数形式的“一个”、“一种”和“该”包括复数形式，除非上下文另外明确指出。如本文所用，除非上下文另外明确指出，否则术语“或”意指“和/或”。如本文中所使用的，两个或多个零件或部件“耦合”的陈述应意指只要发生链接这些零件就可以直接或间接地(即通过一个或多个中间零件或部件)接合或一起操作。如本文所使用的，“直接耦合”是指两个元件彼此直接接触。如本文中所使用的，“固定地耦合”或“固定”是指两个部件被耦合以便在保持相对于彼此恒定的定向的同时运动。
如本文所使用的，词语“整体的”是指部件被创建为单个零件或单元。即，包括单独创建并作为一个单元耦合在一起的零件的部件不是“整体的”部件或主体。如本文所使用的，两个或多个零件或部件彼此“接合”的陈述应意指零件直接或通过一个或多个中间零件或部件彼此施力。如本文中所使用的，术语“数量”应意指一或大于一的整数(即，多个)。
本文使用的方向性短语，例如但不限于，顶部、底部、左侧、右侧、上部、下部、正面、背面及其派生词，与附图中所示元件的取向有关，并且除非在其中明确陈述，否则不对权利要求进行限制。
图1示出了***100，***100被配置用于促进图像切片的计算机辅助搜索以寻找发现的指示。在一些实施例中，***100可以包括一个或多个服务器102。(一个或多个)服务器102可以被配置为根据客户端/服务器架构、对等架构和/或其他架构与一个或多个计算平台104进行通信。用户可以经由(一个或多个)计算平台104访问***100。(一个或多个)服务器102可以被配置为执行机器可读指令。机器可读指令可以包括检测部件106、搜索减小部件108、图像切片部件110、注释部件112、呈现部件114或其他部件。
如上所述，尽管计算机***中处理能力、内存和存储容量或其他资源的改进已经使医师、临床医师或其他用户能够更快地搜索和识别与这样的用户相关的图像、视频或其他项目，但是典型的计算机***通常不能使他们的用户搜索、获得和识别具有特定特性(例如，肿瘤/肿块或其他发现的证据)的患者图像切片。在一个用例中，如果医师在患者的最近检查期间捕获到的一个或多个图像切片中观察到特定发现(例如，肿瘤或其他肿块)，则医师可以利用计算机***与来自患者先前检查的图像切片数据库通信以在数据库中搜索具有特定发现的一个或多个指示的图像切片，以确定该特定发现是否是新的发展或是否简单地是在先前检查期间未检测到该特定发现。然而，考虑到由典型医学成像技术生成的图像和其他相关项目的大小(例如，由于此类成像的高分辨率)以及为单个患者生成的大量图像，搜索与患者相关联的图像数据库从而自动识别能够示出新发现的发现的证据的患者图像非常耗时且效率低下。
在一些实施例中，为了减少用于这样的搜索和/或由此导出的搜索结果的处理的时间和/或计算资源量(例如，处理能力、存储器使用等)，***100可以将搜索空间从较大的一组个体图像切片(例如，在一个或多个检查中捕获的图像)减小到较大的一组个体图像切片的较小子集。可以获得和处理与减小的较小子集的图像切片有关的信息，从而为用户自动识别图像切片中最相关的图像切片。如本文所使用的，图像切片可以包括表示一个或多个项目(例如，个体的至少一部分或其他项目)的至少一部分的横截面的图像，表示项目的至少一部分的横截面的视频帧，或表示项目的至少一部分的横截面的介质的其他方面。
在一些实施例中，如果确定在个体的给定检查期间捕获的给定图像切片具有特定发现(例如，在给定图像切片中示出了肿瘤/肿块或其他发现)，则***100可以自动确定在对个体进行的一个或多个其他检查时捕获的任何图像切片中是否存在特定发现的证据。作为示例，***100可以基于其他图像切片的处理(例如，基于一个或多个疾病特异性识别模型，与包括特定的发现的区域(在给定的范围内)有关的信息等)，自动检测其他图像切片中的特定发现的证据。作为另一示例，如果给定图像切片表示在给定检查期间个体的至少一部分的特定横截面，则***100可以将搜索空间自动减小为图像切片的子集，该图像切片的子集包括各自表示与特定横截面对应的横截面、邻近或接近对应的横截面的其他横截面或其他横截面的图像切片。***100可以通过基于特定横截面(由示出特定发现的给定图像切片表示)过滤较大的图像切片集合来执行搜索空间减小，以将搜索空间减小到较小的图像切片子集。在一些实施例中，可以额外地或备选地执行用于减小搜索空间的其他技术，包括本文在下面进一步详细描述的那些技术，以提高这种搜索的效率和/或由此得到的搜索结果的处理的效率。
在一些实施例中，检测部件106可以确定图像切片，该图像切片包括与个体有关的检测到的发现。作为示例，所确定的图像切片可以表示在给定的个体检查(例如，个体的最近检查)期间个体的至少一部分的横截面。所确定的图像切片可以例如用作参考图像切片，用于搜索图像切片的数据库并确定在表示一个或多个其他检查期间(例如，在给定检查之前，在给定检查之后，等等)个体的至少一部分的一个或多个其他图像切片中是否存在所检测到的发现的一个或多个指示。作为另一个示例，图2a、2b、2c，2d示出了描绘检测到的肿瘤/肿块的图像切片(例如，如用矩形框标记)，其中，图像切片是经由不同的成像技术捕获的。在一个用例中，图2a示出了CT扫描切片中感兴趣区域中的肝脏的肿块。图2b示出了CT扫描切片中感兴趣区域中的肺中的结节。图2c示出了MRI扫描切片中感兴趣区域中的脑部的肿瘤。图2d示出了X射线扫描切片中的感兴趣区域中的***中的肿块。
在一些实施例中，检测部件106可以选择图像切片(或其一部分)以用作参考图像切片。在一些实施例中，图像切片的选择可以基于一个或多个用户输入，例如图像切片的用户选择、图像切片内的区域的用户选择、或其他用户输入。在一些实施例中，图像切片的选择可以基于对图像切片的处理(例如，与个体的最近检查相关联)以自动检测肿瘤或其他发现。作为示例，一个或多个疾病特异性识别模型可以用于对一组或多组图像切片执行疾病识别，以确定任何图像切片是否示出特定疾病的证据。在一种情况下，可以使用肝脏肿瘤特异性模型在表示个体肝脏的横截面的图像切片中执行肿瘤识别。肺肿瘤特异性模型可用于在表示个体肺部的横截面的图像切片中执行肿瘤识别。脑肿瘤特异性模型可用于在表示个体大脑的横截面的图像切片中执行肿瘤识别。***肿瘤特异性模型可用于在表示个体***的横截面的图像切片中执行肿瘤识别。
在一些实施例中，搜索减小部件108可以将搜索空间从图像切片集合减小到图像切片的子集。作为示例，图像切片集合可以包括各自表示在一个或多个检查期间个体的至少一部分的横截面的图像切片。搜索减小部件108可以通过基于与一个或多个参考图像切片(例如，被确定为包括肿瘤或其他发现的图像切片)有关的信息对图像切片进行过滤来减小搜索空间。在一些实施例中，可基于由参考图像切片表示的给定横截面来过滤图像切片集合。作为示例，可以对图像切片集合进行过滤，使得搜索空间被减小为具有以下图像切片的子集：(i)各自表示与给定横截面相对应的横截面的图像切片，(ii)各自表示邻近或接近对应的横截面的横截面的图像切片，或(3)其他图像切片。在一种情况下，如果将参考图像切片标注为肺横截面X，其中，肺横截面X是个体肺的特定横截面(例如，个体肺中部的正视图或其他特定视图)，各自表示与由参考图像切片所表示的横截面对应的横截面的图像切片可以是各自表示肺横截面X的图像切片。各自表示邻近对应的横截面的横截面的图像切片可以是各自表示肺横截面X-1或肺横截面X+1的图像切片。各自表示接近于对应的横截面的横截面的图像切片可以是各自表示肺截面X-Y至X+Y的图像切片，其中，Y是用于确定接近截面的接近度阈值。在减小的空间中包括邻近或接近横截面的实施例中，可以在个体的相关部分的三维视图上执行搜索，同时仍然减少用于此类搜索和/或由此得到的搜索结果的处理的时间和/或计算资源量(例如，处理能力、内存使用量等)。
在一些实施例中，搜索减小部件108可以执行给定搜索空间的归一化以准备减小(或进一步减小)空间搜索。在一种用例中，搜索减小部件108可以将一个或多个多切片检查的序列归一化为序列名称的受控命名法(例如，对于在给定搜索空间中表示的检查中的每个)。在另一用例中，该归一化步骤可以考虑来自序列头的信息。如果适当地配置了研究所的模态，并且技术人员已接受培训，则该信息能够是可靠的，并且归一化步骤可以实现为将序列头名称映射到序列名称的受控命名法中的表格。在另一个用例中，可以利用来自医学数字成像和通信(DICOM)标准、图像处理技术或其他数据的参数设置。
在一些实施例中，搜索减小部件108可以跨多切片检查配准匹配序列的图像切片。作为范例，配准可基于将整个图像量(例如，对于每次检查)考虑在内(例如，针对跨序列的更加全局匹配)和/或基于发现本身，例如肿瘤、病变或其他发现(例如，获得跨不同序列的更加本地化匹配)。作为示例，配准可以基于刚性或非刚性方法或两者的组合。
在一些实施例中，搜索减小部件108可以基于与包括检测到的发现的区域(在给定图像切片内)有关的信息来减小搜索空间。作为示例，该区域可以包括用户定义的区域(例如，其中，该区域的大小或形状由用户定义)，具有基于所检测到的发现的大小或形状确定的大小或形状的区域，或其他区域。例如，图2a、2b、2c、2d示出了具有以矩形框的形式标记的感兴趣区域的图像切片，其中每个限定围绕异常的发现的二维感兴趣区域。感兴趣区域可以由临床医师(或其他用户)绘制，或者可以基于相应异常的大小或形状或其他标准来自动确定感兴趣区域。应当注意，在一些情况下，感兴趣区域可以是任何可能的形式，并且注释可以应用于包括文本、符号或图像(例如，图标、GIF图像等)的感兴趣区域。如所讨论的，在一个用例中，图2a示出了CT扫描切片中感兴趣区域中的肝脏的肿块。图2b示出了CT扫描切片中感兴趣区域中的肺中的结节。图2c示出了MRI扫描切片中感兴趣区域中的脑部的肿瘤。图2d示出了X射线扫描切片中的感兴趣区域中的***中的肿块。在另一个用例中，图2e示出了由用户标记的病变的示意性描述，并且这可以通过标准测量或作为结构化的发现对象或不同地例如通过双击或绘制感兴趣的二维区域(例如，矩形区域、圆形区域等)来执行。
在一些实施例中，搜索减小部件108可以基于包括检测到的发现的(在给定图像切片内的)区域的大小、区域的形状、区域的位置或其他准则来减小搜索空间。在一些实施例中，关于在个体的检查期间捕获的图像切片，搜索减小部件108可以将搜索空间减小到图像切片的子集，所述图像切的片子集各自表示与给定横截面的对应的横截面或接近对应的横截面的横截面。作为示例，搜索减小部件108可以基于预定接近度阈值来确定横截面是否在另一横截面附近。预定接近度阈值可以是默认接近度阈值、用户定义的接近度阈值、基于在给定图像切片中检测到的发现的类型(例如，肿瘤、肿块或其他发现的类型)确定的相对阈值、基于包括感兴趣的发现(例如，肿瘤或其他发现)的区域的大小或形状确定的相对阈值、或其他阈值。在一种情况下，如果将参考图像切片标注为肺横截面X，其中，肺横截面X是个体肺的特定横截面(例如，个体肺中部的正视图或其他特定视图)，则可以将搜索空间减小为各自表示肺横截面X-Y至X+Y的图像切片，其中，Y是用于确定接近横截面的接近度阈值。以这种方式，例如，可以在个体的相关部分的三维视图上执行搜索，同时仍然减少用于这样的搜索和/或从中得到的搜索结果的处理的时间和/或计算资源量(例如，处理能力、内存使用量等)。
在一些实施例中，关于在个体的检查期间捕获的图像切片，搜索减小部件108可以将搜索空间减小到搜索空间内图像切片的某些区域。作为示例，在已经减小搜索空间的情况下(例如，经由本文中描述的一种或多种技术)，搜索减小部件可以将搜索空间进一步减小到减小的搜索空间内的图像切片的某些区域。作为示例，可以基于参考图像切片中的感兴趣区域的位置(例如，感兴趣区域相对于个体的身体的位置、感兴趣区域相对于整个参考图像切片的位置，等等)进一步减小搜索空间。在一种用例中，可以将减小的搜索空间进一步减小到搜索空间内的图像切片的与参考图像切片中的感兴趣区域相对应的区域。例如，关于图2a，可以将搜索空间减小为具有与图2a所示的参考图像切片的区域相同或相似的尺寸、形状和/或相对位置的图像切片的区域(例如，因为参考图像切片中的感兴趣区域在当前角度上位于左侧，所以保留在减小的搜索空间中的区域是其余图像切片上的左侧的区域)。
在一些实施例中，搜索减小部件108可以通过基于以下来从一组检查中选择一个或多个检查来减小搜索空间：(i)在其期间捕获参考图像切片的给定检查的时间，(ii)时间准则，(iii)由参考图像切片表示至少一部分的个体，(iv)由参考图像切片表示的(个体的)器官或区域，(v)或其他准则。搜索减小部件108可以减小搜索空间，使得减小的搜索空间被限制为在所选检查期间捕获的图像切片。在一些实施例中，可以经由一种或多种其他技术(例如，如本文所述)进一步减小所减小的搜索空间。作为示例，当检测到在个体的最近检查期间捕获的给定图像切片具有特定发现(例如，肿瘤或其他发现)时，搜索减小部件108可以基于以下选定的检查来从该个体的一组检查中选择一个或多个其他检查：(i)从最近检查发生的时间起的至少预定阈值时间量处，(ii)从选定检查中的其他检查发生的时间起的至少预定阈值时间量处，(iii)最近检查执行的器官或区域的检查，或(iv)其他准则。作为示例，一个或多个预定阈值时间量(用于选择哪些检查应包括在搜索空间中)可以是默认阈值、用户定义的阈值、基于在给定图像切片中检测到的发现(例如肿瘤的类型、肿块或其他发现)的类型确定的相对阈值、基于在给定图像切片中检测到的发现的大小或形状(例如肿瘤、肿块或其他发现的大小或形状)确定的相对阈值，或其他阈值。
在一些实施例中，图像切片部件110可以获得与参考图像切片有关的信息(例如，确定为具有检测到的发现)、与搜索空间(例如通过本文所述的一种或多种技术导出的减小的搜索空间)的一个或多个图像切片有关的信息、或其他信息。基于获得的信息，图像切片部件110可以确定在搜索空间的图像切片中是否存在检测到的发现的一个或多个指示。在一些实施例中，获得的信息的每个集合可以包括识别与各自的图像切片有关的特性的信息。作为示例，与参考图像切片有关的信息可以包括与参考图像切片相关联的注释、在参考图像切片中表示的对象的特性向量、或其他信息(例如，表示参考图像切片的像素的数据或其他数据)。作为另一示例，与搜索空间的图像切片有关的信息可以包括与图像切片相关联的注释、在图像切片中表示的对象的特性向量、或其他信息(例如，表示图像切片的像素的数据或其他数据)。与图像切片相关联的注释可以包括与整个图像切片相关的注释(例如，对由图像切片表示的个体的引用、由该图像切片表示的个体的器官或区域、由图像切片表示的横截面的识别，等等)，仅与特定于图像切片的一个或多个区域相关的注释(例如，相应区域内的组织的大小、形状、颜色或其他特性)、或其他注释。
在一些实施例中，图像切片部件110可以将与参考图像切片有关的注释或特性向量与同搜索空间(例如，经由本文描述的一种或多种技术导出的减小的搜索空间)的图像切片(或其特定区域)有关的注释或特性向量进行比较。基于该比较，图像切片部件110可以确定在搜索空间的图像切片中是否存在发现的一个或多个指示(例如，在参考图像切片中检测到)。在一些实施例中，图像切片部件可以将参考图像切片的像素或其他数据(例如，在包括发现的感兴趣区域中)与搜索空间的图像切片的像素或其他数据进行比较，并且基于比较来确定搜索空间的图像切片中是否存在发现的一个或多个指示。
在一些实施例中，图像切片部件110可以使用一个或多个疾病特异性识别模型来对一组或多组图像切片进行疾病识别，以确定一个或多个图像切片是否示出特定疾病的证据。作为示例，在预测与参考图像切片中的发现有关的特定疾病时，可以使用对所预测的疾病特定的识别模型来对搜索空间的图像切片执行识别，以确定在搜索空间的图像切片中是否存在发现的一个或多个指示。
作为示例，图3a示出了对参考图像切片(例如，其中检测到肿瘤303的图像切片)执行的图像切片分析的输出，并且图3b示出了对从来自其他检查的图像切片的减小的搜索空间的搜索导出的图像切片执行的图像切片分析的输出。在一种用例中，参考图像切片可以与时间t2处的检查相关联，并且从搜索导出的图像切片可以与时间t1处的检查相关联(例如，其中，时间t1至少为时间t2之前的预定阈值时间量)。图3a中的参考图像切片示出了正常组织301和302以及肿瘤303。从搜索导出的图像切片(在图3b中)示出了在参考图像切片中没有检测到肿瘤303的证据。例如，图3b中的图像切片示出了在参考图像切片中各自与正常组织301和302相对应的正常组织311和312，但是图3b中的图像切片没有示出肿瘤303的证据。
作为另一示例，图3c示出了对参考图像切片(例如，其中检测到肿瘤333的图像切片)执行的图像切片分析的输出，图3d和图3e示出了对从来自其他检查的图像切片的减小的搜索空间的搜索导出的图像切片执行的图像切片分析的输出。在一种用例中，图3c中的参考图像切片可以与在时间t3处的检查相关联，图3d中的图像切片可以与在时间t2处的检查相关联，图3e中的图像切片可以与时间t1处的检查相关联(例如，其中，时间t1是时间t2之前的至少预定阈值时间量，时间t2是t3之前的至少预定阈值时间量，等等)。图3c中的参考图像切片示出了正常组织331和332以及肿瘤333。图3d中的图像切片示出了正常组织341和342(对应于正常组织331和332)以及在参考图像切片中检测到的肿瘤333的肿瘤指示343。如果例如在时间t3检查之前发生时间t2检查，则肿瘤指示343可以是肿瘤333的发展的证据。此外，图3e中的图像切片示出了正常组织351和352(对应于正常组织331和332)，但是没有肿瘤333的指示。例如，如果在时间t2检查之前发生了时间t1检查，则可以确定肿瘤303的发展在时间t1和时间t2之间的某个时间开始。
在一些实施例中，呈现部件114可以向一个或多个用户提供信息和/或使用户能够与一个或多个用户接口特征进行交互。作为示例，呈现部件114可以提供给定图像切片中的发现(例如，在个体的给定检查期间捕获的)的表示，使用户能够选择给定图像切片作为要用于搜索图像切片的数据库和/或从中得到的搜索结果的处理的参考图像切片，在搜索空间的一个或多个其他图像切片中提供对发现的一个或多个指示的表示，或者提供其他特征。在一些实施例中，呈现部件114可以响应于对在搜索空间的图像切片中存在检测到的发现的一个或多个指示的确定而经由用户接口提供对(例如，在参考图像切片中检测到的)发现的指示的表示。
作为示例，图4a示出了通过自动搜索其他检查(例如，同一个体的先前检查)而发现的堆叠的带状呈现或配准切片的级联布置。每个切片可以独立地选择并且在视觉上突出显示，包括具有检测到的标记发现的切片和仅在具有发现的切片之前的没有发现的切片。作为另一示例，图4b示出了通过从图4b中的结果切片的堆叠中点击特定结果切片的窗口，特别选择的切片被放大并且其他剩余的窗口消失或尺寸减小。该视图允许在一系列医学影像研究中立即比较新发现。
在一些实施例中，呈现部件114可以与注释部件112一起工作，以使一个或多个用户能够注释一个或多个像素、体素或一个或多个图像切片的区域。在一些实施例中，注释部件112可以使用影像归档通信***(PACS)工具或类似工具来执行图像切片的自动注释，以实现基本注释，例如测量、圆圈、箭头或其他注释。在一些实施例中，注释部件112可以使用一个或多个识别模型(例如，解剖学识别模型、疾病特异性识别模型等)或其他模型来执行图像切片的自动注释。
图5图示了根据一个或多个实施例的用于促进针对发现的指示而对图像切片进行计算机辅助搜索的方法。下面呈现的方法500的操作旨在说明。在一些实施例中，方法500可以利用一个或多个未描述的额外操作和/或没有所讨论的一个或多个操作来实现。另外，在图5中图示且在下面描述的方法500的操作的顺序不是限制性的。
在一些实施例中，方法500的一个或多个操作可以在一个或多个处理设备(例如，数字处理器、模拟处理器、设计为处理信息的数字电路、设计为处理信息的模拟电路、状态机和/或其他用于电子处理信息的机构)内实现。一个或多个处理设备可包括响应于电子存储在电子存储介质上的指令而执行方法500的一些或全部操作的一个或多个设备。一个或多个处理设备可以包括通过硬件、固件和/或软件配置为专门设计用于执行方法500的一个或多个操作的一个或多个设备。
在操作502处，可以确定包括与个体有关的检测到的发现的图像切片。作为示例，所确定的图像切片可以表示个体的至少一部分的横截面(例如，在个体或其他事件的检查期间捕获的)。根据一个或多个实施例，操作502可由配置为执行与检测部件106中的一个或多个相同或相似的机器可读指令部件的一个或多个硬件处理器120来执行。
在操作504处，可以将搜索空间减小为图像的子集。作为示例，图像的子集可以包括表示与由确定的图像切片表示的横截面相对应的横截面的图像切片。搜索空间减小可以例如包括基于由所确定的图像切片表示的横截面来过滤一组图像切片。图像切片集合(被过滤)可以包括各自表示个体的一个或多个其他检查期间个体的至少一部分的横截面的图像切片。根据一个或多个实施例，操作504可以由配置为执行与搜索减小部件108中的一个或多个相同或相似的机器可读指令部件的一个或多个硬件处理器120来执行。
在一些实施例中，关于操作504，个体的其他检查可以包括个体的一个或多个先前检查(例如，在捕获确定的图像切片的个体检查期间之前至少阈值时间量发生)，对该个体的一个或多个后续检查(例如，在捕获所确定的图像切片的个体的检查之后至少预定阈值时间量发生的检查)或个体的其他检查。根据一个或多个实施例，(一个或多个)前述操作可以由被配置为执行与搜索减小部件108中的一个或多个相同或相似的机器可读指令部件的一个或多个硬件处理器120来执行。
在一些实施例中，关于操作504，可以基于以下来从个体的一组检查中选择其它检查：(i)检查的时间(在其期间捕获确定的图像切片)，(ii)时间准则(例如，执行选定的检查的时间必须是从捕获了确定的图像切片的给定检查起的至少预定阈值时间量，或其他时间准则)、或(iii)其他准则。在一些实施例中，可以基于图像子集的图像中的每个来选择图像的集合(被过滤以减小搜索空间)。根据一个或多个实施例，(一个或多个)前述操作可以由被配置为执行与搜索减小部件108中的一个或多个相同或相似的机器可读指令部件的一个或多个硬件处理器120来执行。
在一些实施例中，关于操作504，可通过经由以下操作对图像切片子集进行过滤将搜索空间减小到图像切片子集：(i)基于第一图像切片表示与由所确定的图像切片表示的横截面相对应的横截面来选择图像切片子集中的第一图像切片，以及(ii)基于第二图像切片在第一图像切片的阈值接近度内来选择图像切片子集的第二图像切片。在一些实施例中，可以确定所确定的图像切片中的区域(包括所检测到的发现)。阈值接近度(例如，用于减小搜索空间)可以基于与所确定的图像尺寸的区域有关的信息。与区域有关的信息可以包括与所确定的图像切片的区域相关联的尺寸信息、与该区域相关联的形状信息、与该区域相关联的位置信息或其他信息。作为示例，尺寸信息可以包括：识别相对于第一维度的所确定的图像切片的区域的尺寸的信息、识别相对于不同于第一维度的第二维度的所确定的图像切片的区域的尺寸的信息、或其他信息。根据一个或多个实施例，(一个或多个)前述操作可以由被配置为执行与搜索减小部件108中的一个或多个相同或相似的机器可读指令部件的一个或多个硬件处理器120来执行。
在操作506处，可以获得与所确定的图像切片有关的第一图像切片信息。根据一个或多个实施例，操作506可以由被配置为执行与图像切片部件110中的一个或多个相同或相似的机器可读指令部件的一个或多个硬件处理器120来执行。
在操作508处，可以基于减小的搜索空间获得与(一个或多个图像切片子集的)一个或多个图像切片有关的第二图像切片信息。根据一个或多个实施例，操作508可以由被配置为执行与图像切片部件110中的一个或多个相同或相似的机器可读指令部件的一个或多个硬件处理器120来执行。
在操作510处，可以实现对在图像切片子集的图像切片中是否存在检测到的发现的一个或多个指示的确定。根据一个或多个实施例，操作510可由被配置为执行与图像切片部件110中的一个或多个相同或相似的机器可读指令部件的一个或多个硬件处理器120来执行。
在一些实施例中，***100包括一个或多个数据库(例如，检查数据库116或其他数据库)，一个或多个计算平台104，一个或多个处理器120，电子存储设备122，外部资源118和/或其他部件。
(一个或多个)检查数据库116被配置为电子地存储个体的医疗保健记录和/或其他信息。如前所述，医疗保健记录可以包括多个记录属性和该属性的对应值。
在一些实施例中，数据库(例如，检查数据库116)与诸如医学机构(例如，医院、医生办公室等)、保健管理提供者(例如，退伍军人事务医疗***、***等)、健康保险提供者和/或其他实体的一个或多个实体相关联。数据库116包括电子存储信息的电子存储介质。在一些实施例中，数据库116是与一个或多个实体相关联的计算机、服务器和/或其他数据存储***和/或被包括在与一个或多个实体相关联的计算机、服务器和/或其他数据存储***中。数据库116的电子存储介质可以包括与这种***整体地(即，基本上不可移动的)提供的***存储设备。数据库116可以包括一种或多种光学可读存储介质(例如，光盘等)、磁性可读存储介质(例如，磁带、磁性硬盘驱动器、软盘驱动器等)、基于电荷的存储介质(例如，EPROM、RAM等)、固态存储介质(例如闪存驱动器等)和/或其他电子可读存储介质。数据库116被配置为与计算平台104、处理器120、电子存储设备122、外部资源118和/或***100的其他部件通信，使得由数据库116存储的信息可以被***100和/或其他***的其他部件访问(例如，如本文所述)。应该注意的是，术语“数据库”的使用并非旨在为限制。数据库可以是任何电子存储***，其存储医疗保健记录并允许***100如本文所述那样工作。
计算平台104被配置为提供用户与***100之间的接口。在一些实施例中，计算平台104与数据库116、处理器120和/或包括处理器120的服务器、医疗保健提供者、与医疗保健提供者相关联的个体用户、医疗保健提供者的服务提供者(例如，顾问)、***100的个体用户和/或其他用户和/或实体相关联。计算平台104被配置为向此类用户和/或实体提供信息和/或从此类用户和/或实体接收信息。计算平台104包括用户接口和/或其他部件。用户接口可以是和/或包括图形用户接口，该图形用户接口被配置为呈现视图和/或字段，该视图和/或字段被配置为接收医疗保健记录和/或与医疗保健记录相关联的信息的输入和/或选择，呈现与匹配的医疗保健记录有关的信息(例如，匹配概率、F得分、记录属性)和/或提供和/或接收其他信息。在一些实施例中，用户接口包括例如与***100的多个计算平台104、处理器120和/或其他部件相关联的多个单独的接口。
在一些实施例中，一个或多个计算平台104被配置为向***100提供用户接口、处理能力、数据库和/或电子存储设备。这样一来，计算平台104可以包括处理器120、电子存储设备122、外部资源118和/或***100的其他部件。在一些实施例中，计算平台104连接到网络(例如，因特网)。在一些实施例中，计算平台104不包括处理器120、电子存储设备122、外部资源118和/或***100的其他部件，而是经由网络与这些部件通信。与网络的连接可以是无线或有线的。例如，处理器120可以位于远程服务器中，并且可以从一个或多个医疗保健提供者无线地接收医疗保健记录以进行匹配。在一些实施例中，计算平台104是膝上型计算机、台式计算机、智能电话、平板计算机和/或其他计算设备。
适用于包括在用户接口中的接口设备的示例包括触摸屏、小键盘、触敏和/或物理按钮、开关、键盘、旋钮、操纵杆、显示器、扬声器、麦克风、指示灯、声音警报、打印机和/或其他接口设备。本公开还预期计算平台104包括可移除存储接口。在该示例中，信息可以从使用户能够定制计算平台104的实施例的可移除存储设备(例如，智能卡、闪存驱动器、可移除磁盘)被加载到计算平台104中。适于与计算平台104和/或用户接口一起使用的其他示例性输入设备和技术包括但不限于RS-232端口、RF链路、IR链路、调制解调器(电话、线缆等)和/或其他设备。
如图1所示，处理器120通过机器可读指令配置成执行一个或多个计算机程序部件。处理器120可以被配置为通过以下执行部件106、108、110、112和/或114：软件；硬件；固件；软件，硬件和/或固件的某种组合；和/或用于在处理器120上配置处理能力的其他机构。
应当意识到，尽管在图1中图示了部件106、108、110、112和114被共置在单个处理单元内，但是在处理器120包括多个处理单元的实施例中，部件106、108、110、112和/或114中的一个或多个可以远离其他部件定位。由下面描述的不同部件106、108、110、112和/或114提供的功能的描述是出于说明的目的，并非旨在为限制，因为部件106、108、110、112和/或114中的任何可以提供比所描述的更多或更少的功能。例如，可以去除部件106、108、110、112和/或114中的一个或多个，并且其功能的一些或全部可以由其他部件106、108、110、112和/或114来提供。作为另一个示例，处理器120可以被配置为执行一个或多个额外的部件，该一个或多个额外的部件可以执行以下归于部件106、108、110、112和/或114之一的功能的一些或全部。
在权利要求中，括号内的任何附图标记不应解释为对权利要求的限制。词语“包括”或“包括”不排除权利要求中列出的元件或步骤以外的元件或步骤的存在。在列举若干模块的***权利要求中，这些模块中的若干装置可以由同一项硬件来实现。元件之前的词语“一”或“一个”不排除存在多个这样的元件。在列举若干模块的任何***权利要求中，这些模块中的若干可以由同一项硬件来实现。在互不相同的从属权利要求中记载某些元件的事实并不表示这些元件不能组合使用。
尽管基于当前认为是最实际和优选的实施例出于说明的目的详细描述了本发明，但是应当理解，这种细节仅用于该目的，而本发明并不限制于所公开的实施例，而是相反地，旨在覆盖所附权利要求书的精神和范围内的修改和等同布置。例如，应当理解，本发明考虑了在可能的范围内，任何实施例的一个或多个特征可以与任何其他实施例的一个或多个特征组合。

Claims (14)

1.一种用于促进针对发现的指示而对图像切片进行计算机辅助搜索的***，所述***包括：
一个或多个硬件处理器，其由机器可读指令配置为：
确定包括与个体有关的检测到的发现的图像切片，所确定的图像切片表示在所述个体的检查期间所述个体的至少一部分的横截面；
将搜索空间减小到图像切片的子集，所述图像切片的子集包括各自表示与由所确定的图像切片表示的所述横截面对应的横截面的图像切片，其中，减小所述搜索空间包括基于由所确定的图像切片表示的所述横截面来过滤图像切片集合，所述图像切片集合包括各自表示在所述个体的一个或多个其他检查期间所述个体的至少一部分的横截面的图像切片，其中，所述个体的所述一个或多个其他检查包括在所述个体的所述检查之前至少预定阈值时间量处发生的所述个体的一个或多个先前检查；
获得与所确定的图像切片有关的第一图像切片信息；
基于搜索空间减小来获得与所述图像切片子集中的一个或多个图像切片有关的第二图像切片信息；以及
基于所述第一图像切片信息和所述第二图像切片信息来确定所述检测到的发现的一个或多个指示是否存在于所述图像切片子集中的所述一个或多个图像切片中。
2.根据权利要求1所述的***，其中，所述一个或多个硬件处理器被配置为响应于对所述检测到的发现的一个或多个指示存在于所述图像切片子集中的所述一个或多个图像切片中的确定而经由用户接口提供对所述检测到的发现的指示的表示。
3.根据权利要求1所述的***，其中，所述第一图像切片信息包括识别与所确定的图像切片有关的特性的信息，并且识别与所确定的图像切片有关的所述特性的信息包括与所确定的图像切片或所确定的图像切片中表示的对象的特性向量相关联的注释，并且其中，所述第二图像切片信息包括识别与所述图像切片子集中的所述一个或多个图像切片有关的特性的信息，并且识别与所述一个或多个图像切片有关的所述特性的信息包括与所述一个或多个图像切片或所述一个或多个图像切片中表示的对象的特性向量相关联的注释。
4.根据权利要求1所述的***，其中，所述一个或多个硬件处理器被配置为通过以下操作来将所述搜索空间减小到所述图像切片子集：
基于(i)所述检查的时间和(ii)时间准则从所述个体的一组检查中选择所述一个或多个其他检查；
基于所述图像切片集合中的图像切片与选定的一个或多个其他检查相关联来选择所述图像切片集合；以及
通过以下操作基于由所确定的图像切片表示的所述横截面来过滤选定的图像切片集合：基于所述图像切片子集中的至少一个图像切片表示与由所确定的图像切片表示的所述横截面对应的横截面来选择所述至少一个图像切片，使得减小的搜索空间包括所述至少一个图像切片。
5.根据权利要求1所述的***，其中，将所述搜索空间减小到所述图像切片子集包括通过以下操作来过滤所述图像切片子集：(i)基于所述图像切片子集中的第一图像切片表示与由所确定的图像切片表示的所述横截面对应的横截面来选择所述第一图像切片，以及(ii)基于所述图像切片子集中的第二图像切片在所述第一图像切片的阈值接近度内来选择所述第二图像切片。
6.根据权利要求5所述的***，其中，所述一个或多个硬件处理器被配置为：
在所确定的图像切片中确定包括所述检测到的发现的区域，所述区域是所确定的图像切片的一部分；
确定与所确定的图像切片的所述区域相关联的尺寸信息，所述尺寸信息包括识别所确定的图像切片的所述区域相对于第一维度的尺寸的信息或识别所确定的图像切片的所述区域相对于不同于所述第一维度的第二维度的尺寸的信息；以及
基于所述尺寸信息来确定所述阈值接近度。
7.根据权利要求1所述的***，其中，所述一个或多个硬件处理器被配置为：
在所确定的图像切片中确定包括所述检测到的发现的区域，所述区域是所确定的图像切片的一部分；以及
通过基于所述图像切片子集中的所述一个或多个图像切片的一个或多个区域与所确定的图像切片的所述区域对应将所述搜索空间减小到所述一个或多个区域来进一步减小所述搜索空间，
其中，获得所述第一图像切片信息和所述第二图像切片信息是基于进一步的搜索空间减小的。
8.一种促进针对发现的指示而对图像切片进行计算机辅助搜索的方法，所述方法包括：
确定包括与个体有关的检测到的发现的图像切片，所确定的图像切片表示在所述个体的检查期间所述个体的至少一部分的横截面；
将搜索空间减小到图像切片的子集，所述图像切片的子集包括各自表示与由所确定的图像切片表示的所述横截面相对应的横截面的图像切片，其中，减小所述搜索空间包括基于由所确定的图像切片表示的所述横截面来过滤图像切片集合，所述图像切片集合包括各自表示在所述个体的一个或多个其他检查期间所述个体的至少一部分的横截面的图像切片，其中，所述个体的所述一个或多个其他检查包括在所述个体的所述检查之前至少预定阈值时间量处发生的所述个体的一个或多个先前检查；
获得与所确定的图像切片有关的第一图像切片信息；
基于搜索空间减小来获得与所述图像切片子集中的一个或多个图像切片有关的第二图像切片信息；以及
基于所述第一图像切片信息和所述第二图像切片信息来确定所述检测到的发现的一个或多个指示是否存在于所述图像切片子集中的所述一个或多个图像切片中。
9.根据权利要求8所述的方法，其中，所述方法还包括响应于对所述检测到的发现的一个或多个指示存在于所述图像切片子集中的所述一个或多个图像切片中的确定而经由用户接口提供对所述检测到的发现的指示的表示。
10.根据权利要求8所述的方法，其中，所述第一图像切片信息包括识别与所确定的图像切片有关的特性的信息，并且识别与所确定的图像切片有关的所述特性的信息包括与所确定的图像切片或所确定的图像切片中表示的对象的特性向量相关联的注释，并且其中，所述第二图像切片信息包括识别与所述图像切片子集中的所述一个或多个图像切片有关的特性的信息，并且识别与所述一个或多个图像切片有关的所述特性的信息包括与所述一个或多个图像切片或所述一个或多个图像切片中表示的对象的特性向量相关联的注释。
11.根据权利要求8所述的方法，其中，将所述搜索空间减小到所述图像切片子集包括：
基于(i)所述检查的时间和(ii)时间准则从所述个体的一组检查中选择所述一个或多个其他检查；
基于所述图像切片集合中的图像切片与选定的一个或多个其他检查相关联来选择所述图像切片集合；以及
通过以下操作基于由所确定的图像切片表示的所述横截面来过滤选定的图像切片集合：基于所述图像切片子集中的至少一个图像切片表示与由所确定的图像切片表示的所述横截面对应的横截面来选择所述至少一个图像切片，使得减小的搜索空间包括所述至少一个图像切片。
12.根据权利要求8所述的方法，其中，将所述搜索空间减小到所述图像切片子集包括通过以下操作来过滤所述图像切片子集：(i)基于所述图像切片子集中的第一图像切片表示与由所确定的图像切片表示的所述横截面对应的横截面来选择所述第一图像切片，以及(ii)基于所述图像切片子集中的第二图像切片在所述第一图像切片的阈值接近度内来选择所述第二图像切片。
13.根据权利要求12所述的方法，还包括：
在所确定的图像切片中确定包括所述检测到的发现的区域，所述区域是所确定的图像切片的一部分；
确定与所确定的图像切片的所述区域相关联的尺寸信息，所述尺寸信息包括识别所确定的图像切片的所述区域相对于第一维度的尺寸的信息或识别所确定的图像切片的所述区域相对于不同于所述第一维度的第二维度的尺寸的信息；以及
基于所述尺寸信息来确定所述阈值接近度。
14.根据权利要求8所述的方法，还包括：
在所确定的图像切片中确定包括所述检测到的发现的区域，所述区域是所确定的图像切片的一部分；以及
通过基于所述图像切片子集中的所述一个或多个图像切片的一个或多个区域与所确定的图像切片的所述区域对应将所述搜索空间减小到所述一个或多个区域来进一步减小所述搜索空间，
其中，获得所述第一图像切片信息和所述第二图像切片信息是基于进一步的搜索空间减小的。
CN201880026052.2A 2017-04-20 2018-04-20 用于针对发现的指示而对图像切片进行计算机辅助搜索的***和方法 Active CN110537178B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762487675P 2017-04-20 2017-04-20
US62/487,675 2017-04-20
PCT/EP2018/060183 WO2018193089A1 (en) 2017-04-20 2018-04-20 Systems and methods for computer-assisted search of image slices for indications of a finding

Publications (2)

Publication Number Publication Date
CN110537178A CN110537178A (zh) 2019-12-03
CN110537178B true CN110537178B (zh) 2024-06-11

Family

ID=62025874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880026052.2A Active CN110537178B (zh) 2017-04-20 2018-04-20 用于针对发现的指示而对图像切片进行计算机辅助搜索的***和方法

Country Status (5)

Country Link
US (1) US11409786B2 (zh)
EP (1) EP3612955A1 (zh)
JP (1) JP7426826B2 (zh)
CN (1) CN110537178B (zh)
WO (1) WO2018193089A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12014807B2 (en) * 2021-12-10 2024-06-18 Merative Us L.P. Automated report generation using artificial intelligence algorithms

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009082464A (ja) * 2007-09-28 2009-04-23 Fujifilm Corp 画像表示装置および画像表示プログラム
CN101896911A (zh) * 2007-12-13 2010-11-24 皇家飞利浦电子股份有限公司 从医学图像数据集检索数据的方法
JP2011036684A (ja) * 2010-09-13 2011-02-24 Toshiba Corp コンピュータ支援画像診断システム
CN102265308A (zh) * 2008-12-23 2011-11-30 皇家飞利浦电子股份有限公司 用于监视医学异常的***及其操作方法
CN102428469A (zh) * 2009-05-19 2012-04-25 皇家飞利浦电子股份有限公司 检索和查看医疗图像
CN103380441A (zh) * 2010-12-20 2013-10-30 皇家飞利浦电子股份有限公司 用于自动生成初始辐射处置规划的***和方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4945478A (en) * 1987-11-06 1990-07-31 Center For Innovative Technology Noninvasive medical imaging system and method for the identification and 3-D display of atherosclerosis and the like
US5715334A (en) * 1994-03-08 1998-02-03 The University Of Connecticut Digital pixel-accurate intensity processing method for image information enhancement
WO2002025588A2 (en) * 2000-09-21 2002-03-28 Md Online Inc. Medical image processing systems
US9146663B2 (en) * 2008-12-08 2015-09-29 Hologic, Inc. Displaying computer-aided detection information with associated breast tomosynthesis image information
US8731270B2 (en) * 2009-06-25 2014-05-20 Hitachi Medical Corporation Magnetic resonance imaging apparatus and imaging slice determination method
DE102009038436B4 (de) * 2009-08-21 2012-02-23 Siemens Aktiengesellschaft Verfahren zur Segmentierung eines Organs in Volumendatensätzen der Magnetresonanztomographie
EP2686809B1 (en) 2011-03-16 2014-12-24 Koninklijke Philips N.V. Method and system for intelligent linking of medical data
JP6546156B2 (ja) 2013-04-19 2019-07-17 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 画像注釈のグループ化
EP3767630A1 (en) * 2014-01-17 2021-01-20 Arterys Inc. Methods for four dimensional (4d) flow magnetic resonance imaging
JP6490985B2 (ja) * 2014-03-11 2019-03-27 キヤノンメディカルシステムズ株式会社 医用画像処理装置および医用画像処理システム
JP6595193B2 (ja) * 2014-03-11 2019-10-23 キヤノンメディカルシステムズ株式会社 読影レポート作成装置および読影レポート作成システム
US9990712B2 (en) * 2015-04-08 2018-06-05 Algotec Systems Ltd. Organ detection and segmentation
EP3475860A1 (en) 2016-06-28 2019-05-01 Koninklijke Philips N.V. System and architecture for seamless workflow integration and orchestration of clinical intelligence
US10998096B2 (en) 2016-07-21 2021-05-04 Koninklijke Philips N.V. Annotating medical images
US20200051699A1 (en) 2016-10-14 2020-02-13 Koninklijke Philips N.V. System and method to determine relevant prior radiology studies using pacs log files
US10140421B1 (en) * 2017-05-25 2018-11-27 Enlitic, Inc. Medical scan annotator system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009082464A (ja) * 2007-09-28 2009-04-23 Fujifilm Corp 画像表示装置および画像表示プログラム
CN101896911A (zh) * 2007-12-13 2010-11-24 皇家飞利浦电子股份有限公司 从医学图像数据集检索数据的方法
CN102265308A (zh) * 2008-12-23 2011-11-30 皇家飞利浦电子股份有限公司 用于监视医学异常的***及其操作方法
CN102428469A (zh) * 2009-05-19 2012-04-25 皇家飞利浦电子股份有限公司 检索和查看医疗图像
JP2011036684A (ja) * 2010-09-13 2011-02-24 Toshiba Corp コンピュータ支援画像診断システム
CN103380441A (zh) * 2010-12-20 2013-10-30 皇家飞利浦电子股份有限公司 用于自动生成初始辐射处置规划的***和方法

Also Published As

Publication number Publication date
US20200125598A1 (en) 2020-04-23
EP3612955A1 (en) 2020-02-26
JP7426826B2 (ja) 2024-02-02
US11409786B2 (en) 2022-08-09
WO2018193089A1 (en) 2018-10-25
JP2020520490A (ja) 2020-07-09
CN110537178A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
EP2888686B1 (en) Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting
US10540763B2 (en) Systems and methods for matching, naming, and displaying medical images
US7747050B2 (en) System and method for linking current and previous images based on anatomy
US7599534B2 (en) CAD (computer-aided decision) support systems and methods
US10248759B2 (en) Medical imaging reference retrieval and report generation
US8953858B2 (en) Methods and systems for analyzing, prioritizing, visualizing, and reporting medical images
JP5519937B2 (ja) Ｐａｃｓ上の解剖学的ラベリングシステムおよび方法
JP6014059B2 (ja) 医療データの知的リンキング方法及びシステム
US20160321427A1 (en) Patient-Specific Therapy Planning Support Using Patient Matching
JP6796060B2 (ja) 画像レポート注釈同定
US8150121B2 (en) Information collection for segmentation of an anatomical object of interest
US20170221204A1 (en) Overlay Of Findings On Image Data
JP2007275408A (ja) 類似画像検索装置および方法並びにプログラム
US10282516B2 (en) Medical imaging reference retrieval
US8923582B2 (en) Systems and methods for computer aided detection using pixel intensity values
CN111226287A (zh) 用于分析医学成像数据集的方法、用于分析医学成像数据集的***、计算机程序产品以及计算机可读介质
CN110537178B (zh) 用于针对发现的指示而对图像切片进行计算机辅助搜索的***和方法
CN117637122A (zh) 用于标识和提供医学图像中的候选医学发现的方法和***
Basilicata et al. Journal of Digitei Imaging

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