[发明专利]用于预测测试组织样本中的转移病变的医学分析方法

说明书

本公开内容涉及一种用于预测测试组织样本中的转移病变(300)的计算机实施的医学分析方法，所述方法包括：提供具有输入部和输出部的第一机器学习模型(154)；接收对肿瘤(304)的描述(401)以及解剖区域(306)的测试组织样本的第一图像数据(148)，所述测试组织样本没有转移病变(300)；将所述第一图像数据(148)和所述肿瘤描述(401)提供给所述第一机器学习模型(154)的所述输入部；响应于所述提供而从所述第一机器学习模型(154)的所述输出部接收对源自所述测试组织样本中的所述肿瘤(304)的转移病变(300)的发生的预测；并且提供所述预测。

技术领域

本发明涉及用于预测测试组织样本中的转移病变的医学分析方法、用于预测测试组织样本中的转移病变的医学分析系统、MRI系统以及计算机程序产品。

背景技术

许多类型的肿瘤倾向于经由转移病变而扩散到全身。临床医生正在寻找在发现原发肿瘤时就能够尽早确定潜在的转移病变的位置的方法。正确确定转移病变位置可以提供治疗优势。例如，预防性辐照可以减少转移病变的发生率并提高总体生存率。

为了对对象的组织进行成像，在本领域中已知各种成像技术。示例是磁共振成像(MRI)、计算机断层摄影(CT)、超声成像(US)以及正电子发射断层摄影成像。

磁共振成像(MRI)是最先进的成像技术，它允许以前所未有的组织对比度对诸如人体之类的目标进行截面观察。MRI基于核磁共振原理，这是科学家用于获得关于分子的微观化学和物理信息的谱技术。核磁共振和MRI的基础都是这样的事实：即，非零自旋的原子核具有磁矩。在医学成像中，例如研究了氢原子的原子核，因为它们以高浓度(例如，水)存在于体内。如果施加强DC磁场，基本粒子的核自旋会以共振频率共振。该磁共振(MR)频率由DC磁场的磁通量水平来确定。在MRI扫描器中，磁场仅在空间中的位置处与选定的共振频率匹配。仅在该位置处能够检测到这些粒子的存在。通过改变该位置，能够测量图像。

所需的强DC磁场(B0场)通常由超导磁体生成。为了改变该磁场而使其仅在一个位置处与给定射频匹配，使用梯度线圈来生成磁场梯度。磁场梯度能够随时间变化以实现扫描。

为了激发核共振，RF线圈在核共振处生成高频磁场。磁场必须指向相对于MRI扫描器的轴的径向方向。为了在所有方向上都实现径向磁场，使用了旋转磁场，该旋转磁场在一个周期内的一个时间点指向任一径向方向。这可以通过使用例如所谓的“鸟笼”布置来实现。鸟笼的相对平板中的电流在相反方向上流动，由此生成径向磁场。相邻平板中的电流具有相移，使得磁场旋转。

线圈通常是高共振天线，其被设计用于在人体内部生成清晰的磁场。

WO 2009/084995 A1涉及一种用于从患者骨骼的同位素骨扫描图像集中自动检测骨癌转移病变的检测系统，该系统包括形状识别器单元、热点检测单元、热点特征提取单元、第一人工神经网络单元、患者特征提取单元以及第二人工神经网络单元。

美国专利申请US 2017/0193175公开了一种根据数字化染色的组织病理学图像来预测非小细胞肺癌(NSCLC)复发的计算方法。自动深度学习提供了在NSCLC的(同一)区域复发的概率。也就是说，预测从中进行活检的同一器官中癌症复发的概率。

发明内容

本发明的实施例提供了一种用于预测测试组织样本中的转移病变的计算机实施的医学分析方法，所述方法包括：提供具有输入部和输出部的第一机器学习模型；接收对肿瘤的描述以及解剖区域的测试组织样本的第一图像数据，所述测试组织样本没有转移病变；将所述第一图像数据和所述肿瘤描述提供给所述第一机器学习模型的所述输入部；响应于所述提供而从所述第一机器学习模型的所述输出部接收对源自所述测试组织样本中的所述肿瘤的转移病变的发生的预测；并且提供所述预测。

术语“图像数据”是指能够被变换成图像并被显示在诸如计算机屏幕等的用户接口上的数据。