[发明专利]用于检测医学图像的偏侧性的系统和方法

说明书

本发明题为用于检测医学图像的偏侧性的系统和方法。本发明提供了一种x射线图像偏侧性检测系统(200)。该x射线图像偏侧性检测系统包括检测计算设备(202，800)。计算设备的处理器(814)被编程为执行用于分析x射线图像的神经网络模型，其中神经网络模型(204，338，600，1600，2600，3600)用训练x射线图像作为输入以及用与训练x射线图像相关联的所观察偏侧性类别作为输出来训练。该过程还被编程为接收未分类x射线图像，使用神经网络模型分析未分类x射线图像，并且将偏侧性类别分配给未分类x射线图像。如果所分配的偏侧性类别不是目标偏侧性，则处理器被编程为调节未分类x射线图像以导出具有目标偏侧性的校正的x射线图像并输出校正的x射线图像。如果所分配的偏侧性类别是目标偏侧性，则处理器被编程为输出未分类x射线图像。

背景技术

本公开的领域整体涉及检测图像的偏侧性的系统和方法，并且更具体地，涉及使用神经网络模型检测医学图像的偏侧性的系统和方法。

医学图像通常根据医学数字成像和通信(DICOM)标准通过图片存档和通信系统(PACS)进行存储和传输。根据DICOM标准，除了图像数据之外，医学图像还包括元数据。元数据是与图像相关联的数据，诸如与患者、图像采集和成像设备相关的信息。例如，元数据包括患者的偏侧性，该患者的偏侧性指示患者的哪一侧被示出在图像的左侧。元数据通常基于用于采集医学图像的成像协议生成。DICOM标准允许医学图像的通信和管理以及医疗设备诸如跨不同制造商的扫描仪、工作站和PACS查看器的集成。

由于其移动性和相对小的尺寸，便携式x射线成像已成为医学成像领域中最普遍的成像模式之一。由于人为误差，通过便携式x射线成像采集的图像的偏侧性可能不正确。具有正置偏侧性的医学图像被显示为示出患者左侧的图像的右侧。然而，设备的操作者可能以错误的方式错误地放置检测器，诸如在拍摄前后(AP)视图的胸部x射线图像时将检测器放置在患者前面，或者在用户界面中输入图像的错误偏侧性。因此，生成翻转的图像。虽然医师具有医学技能来确定所生成的图像反映与存储在图像元数据中的偏侧性不同的偏侧性，但不正确的偏侧性仍然可能导致医师在执行诊断之前花费额外的时间来确定图像的正确偏侧性。此外，元数据中具有错误的偏侧性信息可导致挂起协议的问题，该挂起协议用于以用户在将图像发送到PACS时感觉更有用的方式显示图像。在将图像发送到PACS之前手动旋转图像并将正确的偏侧性存储在元数据中属于对技术人员时间的低效利用。此外，如果具有错误偏侧性的图像用作输入，则它们可能降低计算机辅助诊断系统或人工智能诊断系统的性能。

发明内容

在一个方面，提供了x射线图像偏侧性检测系统。x射线图像偏侧性检测系统包括检测计算设备，该检测计算设备包括与至少一个存储器设备通信的至少一个处理器。至少一个处理器被编程为执行用于分析x射线图像的神经网络模型，其中神经网络模型用训练x射线图像作为输入以及用与训练x射线图像相关联的所观察偏侧性类别作为输出来训练。至少一个处理器还被编程为接收未分类x射线图像，使用神经网络模型分析未分类x射线图像，并且基于分析将偏侧性类别分配给未分类x射线图像。如果所分配的偏侧性类别不是目标偏侧性，则至少一个处理器被编程为调节未分类x射线图像以导出具有目标偏侧性的校正的x射线图像并输出校正的x射线图像。如果所分配的偏侧性类别是目标偏侧性，则至少一个处理器被编程为输出未分类x射线图像。

在另一方面，提供了图像偏侧性检测系统。图像偏侧性检测系统包括检测计算设备，该检测计算设备包括与至少一个存储器设备通信的至少一个处理器。至少一个处理器被编程为执行神经网络模型以用于分析图像、接收训练图像和与训练图像相关联的所观察偏侧性类别，以及分析训练图像。至少一个处理器被进一步编程为使用神经网络模型确定训练图像的预测偏侧性类别，将预测偏侧性类别与所观察偏侧性类别进行比较，以及基于比较来调节神经网络模型。