[发明专利]用于向成像系统部署深度学习应用程序的系统和方法

说明书

本发明提供了用于向成像系统部署深度学习应用程序的方法和系统。在一个实施方案中，一种系统包括：成像系统，该成像系统包括至少扫描仪和处理器，该处理器被配置为由在扫描受检者期间经由扫描仪采集的数据重建图像；计算设备，该计算设备通信地耦接至成像系统并且定位在成像系统外部，计算设备被配置为基于数据生成决策支持计算；以及储存库，该储存库经由网络通信地耦接至计算设备，储存库包括多个应用程序，其中计算设备被配置为从存储库检索并安装多个应用程序中的应用程序，其中计算设备使用应用程序来生成决策支持计算。这样，成像系统可容易地更新以利用新的深度学习应用程序。

相关申请的交叉引用

本申请要求名称为“SYSTEMS AND METHODS FOR DEPLOYING DEEP LEARNINGAPPLICATIONS TO AN IMAGING SYSTEM”(用于向成像系统部署深度学习应用程序的系统和方法)且于2018年4月13日提交的美国临时申请号62/657,643的优先权。上述申请的全部内容据此以引用方式并入以用于所有目的。

技术领域

本文所公开的主题的实施方案涉及非侵入式诊断成像，并且更具体地涉及向成像系统部署深度学习应用程序。

背景技术

非侵入式成像技术允许获得患者或对象的内部结构的图像，而无需对该患者或对象执行侵入式程序。具体地，诸如计算机断层摄影(CT)之类的技术使用各种物理原理(诸如通过靶体积的X射线的差分传输)来采集图像数据和构建断层摄影图像(例如，人体或其他成像结构的内部的三维表示)。

新的后处理技术可基本上改善成像系统的功能以及临床诊断的准确性。例如，现代深度学习技术可允许在具有较低图像质量的断层摄影图像中准确检测病灶，从而使得能够降低辐射剂量(并因此潜在地降低图像质量)，而不牺牲成像系统的诊断有效性。

此类用于成像系统的后处理技术随时间推移定期得到改善。然而，一旦安装了成像系统，就难以更新成像系统以包括改善的算法和新功能。

发明内容

在一个实施方案中，一种系统包括：成像系统，所述成像系统包括至少扫描仪和处理器，所述处理器被配置为由在扫描受检者期间经由所述扫描仪采集的数据重建图像；计算设备，所述计算设备通信地耦接至所述成像系统并且定位在所述成像系统外部，所述计算设备被配置为基于所述数据生成决策支持计算；以及储存库，所述储存库经由网络通信地耦接至所述计算设备，所述储存库包括多个应用程序，其中所述计算设备被配置为从所述存储库检索并安装所述多个应用程序中的应用程序，其中所述计算设备使用所述应用程序来生成所述决策支持计算。这样，成像系统可容易地更新以利用新的深度学习应用程序。

应当理解，提供上面的简要描述来以简化的形式介绍在具体实施方式中进一步描述的精选概念。这并不意味着识别所要求保护的主题的关键或必要特征，该主题的范围由具体实施方式后的权利要求书唯一地限定。此外，所要求保护的主题不限于解决上文或本公开的任何部分中提到的任何缺点的实施方式。

附图说明

通过参考附图阅读以下对非限制性实施方案的描述将更好地理解本发明，其中以下：

图1示出了根据一个实施方案的用于扩展成像系统的能力的简化示例性系统的方框示意图；

图2示出了示出根据一个实施方案的用于使成像系统与边缘计算系统同步的示例性方法的高级流程图；

图3示出了示出根据一个实施方案的用于利用成像系统生成深度学习训练数据的示例性方法的高级流程图；

图4示出了示出根据一个实施方案的用于成像系统快捷模式的示例性方法的高级流程图；

图5示出了示出根据一个实施方案的用于管理边缘计算系统上的应用程序的示例性方法的高级流程图；

图6示出了根据一个实施方案的成像系统的绘画视图；