[发明专利]肺结节的高级计算机辅助诊断

说明书

本申请主张2006年9月22日提交的序号为no.60/826,602的美国临时 申请的权益，以引用的方式将其全文合并于此。

提供用于高级计算机辅助诊断的系统和方法。

肺癌是一种常见的并经常致命的疾病。尽管在外科技术和治疗方面有 所改进，肺癌患者的五年生存率保持在仅有约15％。然而，对于在该疾病 仍为局部时就被检测到的情况而言，五年生存率为约50％。对可疑病灶的 早期检测和诊断允许早期的介入治疗并且会引起改进的预后。

肺结节的表征是一个主要挑战，甚至连专家都经常不同意肺结节是癌 性的。恶性结节的误诊造成治疗的延误。为了使误诊最小化，许多患者进 行活组织检查，其消极地影响了患者的身体健康和心理健康，并对患者和 保险提供者施加了很大的经济负担。

多层计算机断层摄影(MSCT)的新近进展使得肺癌的检测和诊断可能 在比以前更早的阶段进行。然而，这种系统生成要由放射学家解释的大量 数据。这进而增加了临床决策支持系统(CDSS)的重要性。CDSS的一个 示例为计算机辅助检测(CAD)系统。在MSCT扫描中自动识别潜在病灶 (诸如从胸部MSCT扫描识别肺结节)的CAD系统已获得FDA认证并且 在市场上可获得。相反，表征所检测的病灶的计算机辅助诊断(CADx)系 统仍停留在研究阶段(Awai等人，Radiology，2006年第239卷第1期第 276-284页；Suzuki等人，IEEE Trans.on Medical Imaging，2005年第24卷 第9期第1138-1150页；以及Way等人，Me.Phys.，33(7)，第2323-2337 页，2006年)。

CADx算法典型地依赖于机器学习技术，以将一组输入特征与期望的诊 断输出联系起来。例如，在用于肺癌诊断的肺部计算机断层摄影(CT)成 像中，这些输入特征可以包括应用于被研究的肺结节的图像处理算法的结 果。识别用于机器学习的图像特征的过程被称为特征提取。改进CADx系 统的诊断准确度是将该技术成功引入临床的一个关键步骤。改进CADx的 性能的一种方法为改进特征提取过程。

表征所检测的病灶的CADx系统仍处于研究阶段，甚至连文献中所描 述的许多新近系统也无法并入临床信息或采用最优特征提取或应用高级机 器学习技术。

因此，在此提供在受检者中的疾病的诊断中提供决策支持的方法和系 统。一个实施例中的方法包括：提取所述受检者中的基于图像的感兴趣体 积；分割所述图像，以从所述图像的背景描绘所述感兴趣体积内的至少一 个病灶；在多个维数中提取基于图像的特征；将临床信息转换为兼容格式， 并且将所述临床信息与所述基于图像的特征结合，以形成特征库；以及从 由输出决策的分类器或分类器委员会(committee of classifiers)所要使用的 子集库中选择最优特征子集或最优特征子集组，其中，所述分类器或分类 器委员会提供对所述病灶的诊断的预测。

相关的实施例还包括在感兴趣体积的各切片之间进行插值，以创建各 向同性的体素表示。

在这些实施例中的任一个中，多个维数包括用于基于图像的特征提取 的2维、2.5维和3维。

相关的实施例还包括最优特征子集，其包括遗传算法、统计差分滤波、 相关滤波、递归特征消除、逐步线性回归以及随机特征选择中的至少一项。

在相关的实施例中，将临床信息变换为多个临床特征类别。

在另一相关的实施例中，分类器或分类器委员会为支持向量机、决策 树、线性判别分析、或神经网络。

在又一实施例中，分类器或分类器委员会确定至少一个病灶是恶性的 还是良性的。在相关的实施例中，分类器或分类器委员会确定至少一个病 灶为恶性的可能性。分类器或分类器委员会作出的确定结果由诸如简单平 均值、简单投票、加权平均值或加权投票之类的至少一种计算确定。

提供用于计算机辅助诊断的系统，其包括：预处理单元，用以提取基 于图像的感兴趣区域；插值单元，用以生成各向同性或接近各向同性的体 素表达；分割单元，用以描绘所述感兴趣区域中的至少一个病灶；特征提 取单元，用以在多个维数中从所述感兴趣区域的所述图像提取多个维数中 的基于图像的特征；临床信息处理单元，用以接收临床信息并将其转换变 换为兼容格式；以及分类器或分类器委员会，其利用所述基于图像的特征 和所述临床信息以输出决策。