[发明专利]自动开发在医学诊断成像中产生医学有意义的描述符的高性能分类器的方法和装置

权利要求书

1、一种用于确定在输入医学图像中的对象中存在至少一个医学有意义特征的方法，包括如下步骤：

创建第一数据库，其包括由至少一位专家对多幅训练医学图像中至少一个对象的评估；

由数据处理器分析训练图像中的该至少一个对象，以识别其中的特征，来创建包括所识别特征的第二数据库；

将第一和第二数据库输入到分类器数据处理器；

训练所述分类器以根据第一和第二数据库模拟至少一个医学有意义特征的预定义感知；以及

分析数据处理器和受训练的分类器中的医学图像，以输出在医学图像中存在对象的所述至少一个医学有意义特征的至少一个指示。

2、根据权利要求1的方法，其中所述至少一个对象是损伤。

3、根据权利要求1的方法，其中分类器是神经网络。

4、根据权利要求1的方法，其中每个评估包括对医学图像中每个对象的特征的分类。

5、根据权利要求1的方法，其中所识别的特征是对象的低等特征。

6、根据权利要求1的方法，其中低等特征由至少下列之一表示：傅立叶描述符、矩、形状以及随机、同现且自相关的参数。

7、根据权利要求1的方法，其中所述至少一个医学有意义的特征是对象的中等特征。

8、根据权利要求7的方法，其中该中等特征是对象的至少一个恶性特征。

9、根据权利要求8的方法，其中恶性特征是至少下列之一：损伤的针状化，损伤的有角边缘，损伤的微片化，损伤的高宽比，损伤中的钙化，损伤中管延伸和分枝图案，钙化，相对于脂肪的低回声，以及损伤的异质质地。

10、根据权利要求7的方法，其中该中等特征是损伤的至少一个良性特征。

11、根据权利要求10的方法，其中良性特征是至少下列之一：损伤的宽高比的程度，损伤的分片，损伤的连续，损伤的光滑囊特性，以及损伤的同质质地。

12、根据权利要求4的方法，其中所述多幅训练医学图像包含了预期恶性的完整谱。

13、根据权利要求1的方法，其中通过使用遗传算法根据训练医学图像中的已识别特征选择特征的基因子组，来发展已识别的特征。

14、根据权利要求12的方法，其中遗传算法是自适应搜索算法。

15、根据权利要求12的方法，其中所识别的特征是与基因子组中的数对应的低等特征。

16、根据权利要求15的方法，其中基因子组属于染色体的一组基因。

17、根据权利要求1的方法，其中所述训练步骤包括产生高性能分类器的步骤，该分类器用于将对象的所识别特征映射到所述至少一个医学有意义特征。

18、根据权利要求16的方法，其中所述产生步骤包括下列步骤：

提供一组输入-输出对到分类器，

将输入-输出对分成训练组和评估组；

用训练组使分类器适应，以及

用训练组评估已适应的分类器。

19、根据权利要求1的方法，其中分类器是朴素贝叶斯分类器。

20、根据权利要求7的方法，其中使用单独的分类器产生每个中等特征。

21、根据权利要求7的方法，其中使用单独的分类器产生每个中等特征。

22、根据权利要求10的方法，其中使用单独的分类器产生每个中等特征。

23、根据权利要求4的方法，其中所述对象是损伤。

24、一种用于确定图像中的对象中存在至少一个医学有意义特征的方法，包括如下步骤：

创建第一数据库，其具有由至少一位专家对至少一幅训练图像中至少一个对象的评估；

分析该至少一幅训练图像中该至少一个对象以识别其中的特征，来创建已识别特征的第二数据库；

将第一和第二数据库阵列组输入到分类器；

训练该分类器以根据第一和第二数据库模拟至少一个有医学意义特征的预定义感知；以及

使用受训练的分类器分析医学图像，以输出在医学图像中存在对象的所述至少一个医学有意义特征的至少一个指示。