[发明专利]用于加速临床工作流程的系统和方法

说明书

本发明公开了一种用于成像的方法，该方法被配置为提供加速临床工作流程，该方法包括采集对应于受试者中的感兴趣的解剖区域的解剖图像数据。该方法还包括使用基于学习的技术，基于解剖图像数据确定对应于感兴趣的解剖区域的定位信息。该方法也包括基于定位信息从对应于感兴趣的解剖区域的多个图谱图像中选择图谱图像。该方法还包括基于该图谱图像生成分割分段图像。该方法还包括基于分割分段图像推荐医疗活动。医疗活动包括引导图像采集、监督治疗计划、帮助向受试者进行治疗递送和生成医疗报告中的至少一者。

背景技术

本说明书的实施方案整体涉及临床工作流程，并且更具体地涉及用于使用深度学习的加速放射学工作流程的系统和方法。

医学成像数据越来越多地用于健康状况的诊断和治疗，诸如但不限于癌症病症和动脉疾病。成像技术(诸如计算机断层摄影(CT)和磁共振成像(MRI))生成了大量具有有价值的诊断信息的医学图像。采集与患者体内的解剖区域相关联的医学图像数据可能需要重复成像。此外，这些图像需要由医疗专业人员分析以得出任何可用的诊断信息。另外，对图像的研究是费力且耗时的过程。

医学图像容积的自动分段和分析对于为患者提供有效治疗计划的医疗专业人员来说是有前景且有价值的工具。机器学习技术经常用于推荐医学图像容积的自动分段和分析。然而，常规机器学习技术需要从医学图像数据中提取临床相关信息。通常，临床相关信息由医疗专业人员手动生成。需要用户干预来生成训练数据集总是会带来主观性和质量问题。

最近，深度学习技术越来越多地用于在各种医疗应用中处理图像数据。这些深度学习技术已用于机器学习任务，这些任务涉及非线性建模和计算要求方面的极其复杂的系统。图像分段和分段图像的分割可能是识别病理或“危险”区域以及得出治疗决策或指导外科手术治疗所需要的。此外，在许多情况下，量化需要大量的计算工作，并且可能需要离线执行。图像分析和确定医疗状态的负担由医疗专业人员承担。

发明内容

根据本说明书的一个方面，公开了一种用于成像的方法，该方法被配置为提供加速临床工作流程。该方法包括采集对应于受试者中的感兴趣的解剖区域的解剖图像数据。该方法还包括使用基于学习的技术，基于解剖图像数据确定对应于感兴趣的解剖区域的定位信息。该方法也包括基于定位信息从对应于感兴趣的解剖区域的多个图谱图像中选择图谱图像。该方法还包括基于该图谱图像生成分割分段图像。该方法还包括基于分割分段图像推荐医疗活动。医疗活动包括引导图像采集、监督治疗计划、帮助向受试者进行治疗递送和生成医疗报告中的至少一者。

根据本说明书的另一个方面，公开了一种成像系统。该成像系统包括图像数据采集子系统，该图像数据采集子系统被配置为采集对应于受试者中的感兴趣的解剖区域的解剖图像数据。该成像系统还包括学习单元，该学习单元通信地耦接到图像数据采集子系统，并且被配置为使用基于学习的技术，基于解剖图像数据来确定对应于感兴趣的解剖区域的定位信息。该成像系统还包括图谱选择单元，该图谱选择单元通信地耦接到学习单元，并且被配置为基于定位信息从对应于感兴趣的解剖区域的多个图谱图像中选择图谱图像。该成像系统还包括分段单元，该分段单元通信地耦接到图谱选择单元，并且被配置为基于图谱图像分段解剖图像数据以生成分割分段图像；并且该成像系统还包括治疗单元，该治疗单元可通信地耦接到分段单元，并且被配置为基于分割分段图像推荐医疗活动。医疗活动包括引导图像采集、监督治疗计划、帮助向受试者进行治疗递送和生成医疗报告中的至少一者。

附图说明

当参考附图阅读以下详细描述时，将更好地理解本发明实施方案的这些和其他特征和方面，其中附图中相同的符号在所有附图中表示相同的部分，其中：

图1是根据本说明书的各方面的被配置为提供加速临床工作流程的成像系统的图解示意图；

图2是示出根据本说明书的各方面的使用图1的成像系统的临床工作流程的示意图，该临床工作流程基于深度学习并且用于选择用于分段解剖图像的图谱图像；