[发明专利]根据头部计算机断层摄影解释和量化急症特征

说明书

一种基于计算机的方法，其用于定量评估头部的计算机断层摄影(CT)图像，特别是在神经急症的情况下，如急性颅内出血、颅内占位效应的证据和急性中风。所述方法包含：计算异常区域(如出血位置)的体积；量化中线移位和基底脑池消失的严重程度；和快速识别异常发现的解剖位置。所述方法包含使用启发法、卷积神经网络、深度学习、边缘检测和霍夫变换。

相关申请的交叉引用

本申请要求2015年12月18日提交的美国临时申请第62/269,778号的权益，所述临时申请以全文引用的方式并入本文中。

技术领域

本文所描述的技术涉及头部计算机断层摄影(CT)图像的定量评估，并且具体来说涉及用于进行其的计算机算法方法和计算机硬件实施。

背景技术

早已认识到，在患有疑似头部创伤、急性出血性或缺血性中风或其它神经急症的快速初步评估中，头部计算机断层摄影(CT)扫描在确定医治的后续步骤(包括例如患者是否需要住院、早期手术治疗和/或施用药物如用于缺血性中风的血栓溶解剂)(以及其是否不存在禁忌)中起关键作用。

因此，需要快速解释这类CT研究的方法，所述方法将显著加快分诊住院、神经外科磋商会、立即外科手术或施用药物。这是尤其重要的，因为CT越来越变为在救护车、重症加强护理病房、医院病房、手术间中和在战场上可获得的便携式、床旁成像技术。此外，不可能通过无辅助人类眼睛的CT扫描的定量分析和定量参数提取将适用于基于定量数据而不是个体印象的改进预测、关于需要外科处置和其它特定护理的更好的知情决策，和更标准化实践指南。这类定量数据包括例如包括出血区域的异常区域的体积的计算和中线移位和基底脑池消失的严重程度的量化。定性和定量数据两者将直接对临床工作人员可用，并且可快速并入到放射报告和其它医疗记录中。

迄今，已提出启发式算法用于头部CT分析，但是部分由于异常外观的高变异性，所述启发式算法大体上尚未达到实现实际临床效用所需要的精确性水平。

本文中包括背景技术的讨论以解释技术环境。这并不视为承认提及的任何材料在发现在此随附的任何权利要求的优先权日时公开、公知或作为公共常识。

在本申请的整个描述和权利要求中，单词“包含(comprise)”和其变型，如，“包含(comprising和comprises)”不旨在排除其它添加剂、组件、整数或步骤。

发明内容

本公开解决用于处理用于神经急症(包括急性颅内出血、颅内占位效应的证据和急性中风(包括出血性和缺血性中风))的头部计算机断层摄影(CT)扫描的计算机实施方法。除了根据头部CT检查提供快速计算机辅助的诊断信息之外，本公开包括用于执行CT扫描的定量分析的方法，包括提取定量参数和不可通过视觉解释单独获得的其它信息。这类分析包括包括但不限于出血区域的异常区域的体积的计算、中线移位和基底脑池消失的严重程度的量化，和这些异常发现的解剖位置的快速识别。方法可在图像处理工作站(直接安装在CT扫描仪控制台计算机上)上或在经由计算机网络的CT扫描的基于中心“云”处理的远程服务器上实施。

本公开包括已经常规设计用于头部CT分析的启发式算法和经训练以使用来自手动分割头部CT图像的致密逐像素标记识别异常特征的一种类型的卷积神经网络(CNN)以及经训练以识别来自围绕那些特征手动绘制的框的异常特征的另一类型的卷积神经网络。

此处以模块方式解决在头部CT扫描上的不同类型异常特征的检测，其中不同途径用于评估头部CT的不同方面。不同算法将启发式和神经网络途径组合。

用于检测异常CT特征的系统的特定实施例可包括本文所描述的所有途径，或可包括子集，如步骤中的一个、两个或更多个。此外，因为本文所描述的头部CT解释系统的架构的模块化性质，在不显著不同于操作的目的或方式的情况下，其包含的算法和途径可以与本文所描述的相同或不同顺序实行。

附图说明