[发明专利]病变的早期治疗反应评估

权利要求书

1.一种用于治疗反应评估的系统，所述系统包括：

成像系统，其用于：

获得患者的治疗前医学图像，所述治疗前医学图像表示所述患者的至少一个病变；

获得患者的治疗后医学图像，所述患者的所述治疗后医学图像表示所述患者的所述至少一个病变；以及

处理器，其用于：

利用从训练图像学习的纹理特征来对所述治疗前医学图像和所述治疗后医学图像进行卷积；以及

通过将所述卷积的结果作为机器学习的分类器的输入特征来利用所述机器学习的分类器对所述病变的治疗反应进行分类，

其中，卷积包括：利用包括独立子空间分析特征的所述纹理特征来进行卷积。

2.根据权利要求1所述的系统，其中，获得所述治疗前医学图像和所述治疗后医学图像包括：获得计算机断层扫描图像。

3.根据权利要求1所述的系统，其中，获得所述治疗后医学图像包括：仅仅获得所述治疗后医学图像或者仅仅获得所述治疗后医学图像和又一个治疗后医学图像，以及其中，分类包括：利用包括仅仅来自成像的特征的所述输入特征来对仅仅来自所述治疗前医学图像和所述治疗后医学图像的特征进行分类。

4.根据权利要求1所述的系统，其中，卷积包括：利用所述纹理特征和从所述训练图像学习的至少两个其它纹理特征来进行卷积。

5.根据权利要求1所述的系统，其中，卷积包括：利用从所述训练图像和有标记的地面实况自动学习的所述纹理特征来进行卷积。

6.根据权利要求1所述的系统，其中，卷积包括：利用由所述纹理特征定义的核心来过滤，以及计算来自所述过滤的强度输出的总和，所述结果是所述强度的所述总和的函数。

7.根据权利要求1所述的系统，其中，卷积包括：利用包括基于训练图像的特征的所述纹理特征来进行卷积，从而使不同的训练图像导致不同的纹理特征。

8.根据权利要求1所述的系统，其中，分类包括：利用支持向量机或者回归随机森林来进行分类。

9.根据权利要求1所述的系统，其中，分类包括：在获得所述治疗后医学图像之后，预测继续治疗的结果。

10.根据权利要求1所述的系统，其中，分类包括：指示治疗所述病变成功或者失败的可能性。

11.根据权利要求1所述的系统，其中，所述处理器进一步用于：识别在包括所述病变和所述病变的边界的所述治疗前医学图像和所述治疗后医学图像中的感兴趣的区域，以及其中，卷积包括：利用所述感兴趣的区域并且不利用在所述感兴趣的区域外部的区域来对所述纹理特征进行卷积。

12.根据权利要求1所述的系统，其中，所述处理器进一步用于利用基于数学公式的纹理特征来对所述治疗前医学图像和所述治疗后医学图像进行卷积；

其中，分类包括：通过将利用所述基于数学公式的纹理特征进行卷积而得到的一个或多个结果作为包括所述输入特征的输入向量来对所述治疗反应进行分类。

13.一种非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质具有存储在其中的数据，所述数据表示可由用于治疗反应评估的编程处理器执行的指令，所述存储介质包括指令，所述指令用于：

仅仅利用一次或者两次扫描，通过滤波器核心来提取病变的纹理特征，所述滤波器核心独立地基于图像数据；以及

预测有关所述病变的治疗结果，所述预测是所述纹理特征的函数，

其中，提取所述纹理特征包括：利用所述滤波器核心和附加滤波器核心来对所述一次或者两次扫描的扫描数据进行卷积，所述滤波器核心和附加滤波器核心是通过所述图像数据的独立子空间分析而发展的，所述图像数据包括训练图像。