[发明专利]从医学图像中预测病理状况

权利要求书

1.一种从受试者的一部分的医学图像中确定病理状况的计算机实现的方法，所述病理状况表现为所述受试者的一部分上的病变，在所述受试者的一部分的所述医学图像中所述病变是可见的，所述图像已经使用医学成像系统被捕获，所述方法包括：

从已经识别出所述医学图像中的多个病变位置的自动病变检测器中获取(S10)所述医学图像中的所述多个病变位置；

将聚类算法应用(S12)到所述多个病变位置，以便识别至少一个病变簇和对应的病变簇数据；

基于所识别的病变簇数据，将所述至少一个病变簇中的每个病变簇归类(S14)到预定类别集合中的一个预定类别；

将至少一个函数应用于(S16)关于所述预定类别集合中的每个类别的所述病变簇数据，其中，所述至少一个函数提供固定数量的数据输出；和

通过使用分类算法处理所述预定类别集合中的每个类别的所述固定数量的数据输出，从所述医学图像中确定(S18)病理状况，其中，所述分类算法在定义多个受试者的一部分的医学图像的图像数据上使用一个或更多个机器学习算法训练，

其中，所述至少一个函数是统计函数，所述统计函数取一组实数并返回实数。

2.根据权利要求1所述的计算机实现的方法，所述方法还包括：

获取以下项中的至少一项作为病变属性：所述医学图像中的所述多个病变位置中的每个病变位置的病变类型、病变面积、病变体积、病变形状复杂性、病变强度、和病变颜色。

3.根据权利要求2所述的计算机实现的方法，所述方法还包括：

针对具有相同病变属性的所述多个病变位置应用所述聚类算法。

4.根据权利要求2所述的计算机实现的方法，所述方法还包括：

将所述聚类算法应用于病变属性数据。

5.根据任一前述权利要求所述的计算机实现的方法，其中，所述多个病变位置中的每个位置在基于图像的二维坐标系中或者在适用于被成像的所述受试者的一部分的坐标系中被定义。

6.根据任一前述权利要求所述的计算机实现的方法，其中，所述聚类算法不需要簇的数量的指示作为输入。

7.根据任一前述权利要求所述的计算机实现的方法，其中，所述聚类算法包括以下项中的至少一项：

具有噪声的基于密度的空间聚类应用DBSCAN算法；或者

将阈值应用于所述多个病变位置的带通滤波图。

8.根据任一前述权利要求所述的计算机实现的方法，其中，所述病变簇数据包括所述至少一个病变簇中的每个病变簇的至少一个簇属性，所述至少一个簇属性包括以下项中的一项或更多项：

在所述医学图像中所述多个病变位置中的每个病变位置的病变类型被获取的情况下，所述病变簇中的病变的模式类型；

在所述医学图像中所述多个病变位置中的每个病变位置的病变面积或病变体积被获取的情况下，所述病变簇中的病变的均值或中值病变面积或者均值或中值病变体积；

在所述医学图像中所述多个病变位置中的每个病变位置的病变形状复杂性被获取的情况下，所述病变簇中病变的均值或中值病变形状复杂性；

在所述医学图像中所述多个病变位置中的每个病变位置的病变强度或病变颜色被获取的情况下，所述病变簇中的病变的均值或中值病变强度或者均值或中值病变颜色；

所述病变簇中的病变的平均位置；

所述病变簇中的病变的中值位置；

所述病变簇中的病变位置的标准差；

所述病变簇中的病变位置的方差；

所述病变簇的协方差值；

所述病变簇的偏度值；

所述病变簇的共偏度值；

所述病变簇的峰度值；

所述病变簇的共峰度值；

病变簇形状复杂性；和

病变簇面积。