[发明专利]病变的早期治疗反应评估

说明书

为了治疗反应评估，用于机器学习分类器并且用于使用机器学习的分类器输入纹理特征。而不是使用基于公式的纹理特征或者除了使用基于公式的纹理特征之外，数据所驱动的纹理特征是从训练图像得出的。数据所驱动的纹理特征是独立分析特征，诸如，来自独立子空间分析的特征。所述纹理特征可以用于基于所述患者的少量或者甚至一次扫描来预测治疗结果。

相关申请

本专利文件要求于2013年9月25日提交的美国临时专利申请第61/882,143号的美国法典35卷119节（e）下提交日期的权益，该申请所公开的内容以引用的方式并入本文。

背景技术

本实施例涉及早期治疗反应评估。具体地，提供了计算机辅助的反应评估。

基于几何测量（诸如，直径（例如，RECIST或者WHO标准）或者体积）测量在治疗下的肿瘤的反应。临床医生利用长时间放射性扫描（例如，CT或者MRI）来监测几何测量，直到可以关于结果做出决定。在临床医生基于有关治疗能否成功的几何测量来做出决定之前，进行多轮治疗。长期治疗可以导致患者所需剂量更高（例如，针对几何测量的放射治疗和/或x-ray成像）以及治疗药物的成本更高。

通常，与病变的几何变化发生相比，病变外观（例如，增强样式）发生变化更早一些。当其组织已经坏死时，病变可以保持其大小更长时间。当病变的大小和形状在很大程度上仍然不受影响时，病变的纹理给出了对在更早阶段的治疗反应的认识。使用纹理作为参数，可以识别数据库中的具有相似的医疗条件的病例，对于这些病例而言，应用的治疗和其结果是已知的。这可帮助医生估计不同治疗的有效性并且选择最好的策略。然而，这类途径是耗费时间的并且/或者对于医生或者其它人而言很难进行。

发明内容

为治疗反应评估提供了系统、方法和计算机可读介质。为机器学习分类器并且为使用机器学习的分类器输入纹理特征。而不是使用基于公式的纹理特征或者除了使用基于公式的纹理特征之外，数据所驱动的纹理特征是从训练图像得出的。这样的数据所驱动的纹理特征是独立分析特征，诸如，来自独立子空间分析的特征。纹理特征可以用于基于患者的少量或者甚至一次扫描来预测治疗结果。

在第一方面中，提供了一种用于治疗反应评估的方法。获得患者的治疗前医学图像和治疗后医学图像。医学图像表示患者的至少一个病变。处理器利用从训练图像学习的纹理特征来对治疗前医学图像和治疗后医学图像进行卷积。处理器利用具有卷积结果的机器学习的分类器来将病变的治疗反应分类为针对机器学习的分类器的输入特征。

在第二方面中，非暂时性计算机可读存储介质已经在其中存储了数据，该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。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；以及预测有关病变的治疗结果，预测是纹理特征的函数。

在第三方面中，提供了一种用于治疗反应评估的方法。处理器使在多个训练数据帧中表现出来的病变斑块受到单独子空间分析。处理器通过斑块的独立子空间分析来创建多个图像滤波器并且通过将图像滤波器应用于在训练数据帧中表现出来的病变来计算纹理特征。处理器根据纹理特征来学习治疗反应的预测器。

可以单独使用或者结合使用上述任何一个或者多个方面。通过优选实施例的结合附图而阅读的以下详细描述，这些和其它方面、特征和优点将变得明显。通过所附权利要求书来定义本发明，并且在该部分中没有当做这些权利要求书的限制。下面结合优选实施例来讨论本发明的另外的方面和优点，并且稍后可以独立地或者结合地对其进行要求保护。

附图说明

组件和附图不必按比例绘出，而是重点示出本发明的各原理。此外，在附图中，相同的元件符号指定贯穿不同视图的相应部件。

图1示出了用于使用几何测量来进行治疗反应评估的示例过程；

图2示出了用于使用纹理特征来进行治疗反应评估的示例过程；