[发明专利]从医学图像中预测病理状况

说明书

本申请涉及从医学图像中预测病理状况。一种用于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、系统、和计算机可读介质。该方法包括：获取医学图像中的多个病变位置；将聚类算法应用于多个病变位置以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，将每个病变簇归类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关于预定类别集合中的每个类别的病变簇数据，其中，至少一个函数提供固定数量的数据输出；以及通过基于分类算法处理集合中每个类别的固定数量的数据输出来确定病理状况，该分类算法是在定义多个受试者的一部分的医学图像的图像数据上训练的。

领域

本文的示例方面总体涉及图像处理领域，且更具体地，涉及医学图像的处理，以便于确定医学图像中指示的病理水平或状况。

背景

自动图像处理技术已经被开发来在医学数字成像的基础上检测疾病或其识别标志。

疾病可能表现为在数字图像中可以观察到的小的局灶性病变。病变，即组织中的任何损伤或异常变化，可能是由疾病或创伤引起的。例如，作为世界范围内失明的主要原因的两种视网膜疾病(即糖尿病性视网膜病变(DR)和年龄相关性黄斑变性(AMD))至少在其早期阶段表现有小的局灶性病变，具有通常可在20至150微米内变化的尺寸。这些病变可以作为广泛分布的多个实例单独(以分散在视网膜上的小簇的形式)发生，或者病变以大量的一个或更多个簇的形式发生。

例如，在视网膜疾病的背景下，存在用于对视网膜疾病的严重程度或状态进行分级的系统和方案(例如，参见皇家眼科学院的DR指南专家工作组成员于2012年发表的《diabetic retinopathy guidelines》)。通常，临床医生提供对病变分布的概括性估计(例如通过确定黄斑中是否存在病变，提供对病变分布的概括性估计)。另外，黄斑内或黄斑外病变的存在(定义为以中央凹为中心的固定直径的圆形)可用于糖尿病性黄斑病变(水肿)的分级。这可以通过临床医生在有测量辅助或没有测量辅助的情况下进行快速视觉评估来实现。另外，与标准照片的比较可用于评估DR的病变数量。因此，这些病变被视为在数量上根据疾病的严重程度或状态而变化。

概述

医学图像中疾病的自动检测可以基于识别在病变分布与疾病的当前和/或未来状态之间的关系。可以记录大量患者当中的个体病变，并且可以使病变的分布(例如在人群筛查中)参数化。这可能导致基于人体中点状或其他形状病变的分布的参数的替代性筛查方案。

然而，医学图像中病变的数量不是固定数量的，且因此在受试者之间会有变化(非固定)数量的病变统计数据。这些统计数据对于训练目的是有价值的，以便使病变分布的识别标志与疾病状态或病理状况相关联或相关，和/或指示或预测未知的疾病状态。

典型的自动分类器(诸如人工神经网络、线性模型、支持向量机或K最近邻分类器)需要固定的数据阵列作为输入。因此，试图(例如基于一个或更多个机器学习算法)训练自动分类器以便基于病变统计数据来预测或确定疾病状态或病理状况在可变(非固定)数量的数据的情况下是有问题的。尽管有方法提供可变数量数据的概要(例如通过将病变数据减少到病变数量的计数，且从而提供固定数量的数据作为机器学习算法的输入)，但是这种概要将省略与医学图像上的空间分布相关的信息和/或与病变彼此关联的方式相关的信息。

因此，避免对用于训练与省略关于病变空间分布的信息的问题相关的自动分类器的固定大小的数据阵列的需要将是有用的。一种解决方案可以导致基于人体内病变分布的参数的改进的临床方案。