[发明专利]病变分类和分类函数提供方法、分类和成像系统以及介质

说明书

本发明涉及病变分类和分类函数提供方法、分类和成像系统以及介质。特别地，本发明涉及用于对病变进行分类的计算机实现的方法，包括：‑接收检查容积的第一医学图像，其中，第一医学图像对应于第一检查时间，‑接收检查容积的第二医学图像，其中，第二医学图像对应于与第一检查时间不同的第二检查时间，‑确定与第一医学图像内的病变相对应的第一病变区域，‑基于第一医学图像和第二医学图像的比较来确定配准函数，‑基于配准函数和第一病变区域来确定第二医学图像内的第二病变区域，‑基于第二病变区域对第一医学图像内的病变进行分类。本发明还涉及用于提供经训练的分类函数的计算机实现的方法、分类系统以及计算机程序产品和计算机可读介质。

技术领域

本发明涉及基于纵向研究对病变进行分类，以及更特别地，涉及用于对病变进行分类的计算机实现的方法、用于提供经训练的分类函数的计算机实现的方法、分类系统、计算机程序产品和计算机可读介质。

背景技术

具有某些危险因素的患者应当进行定期的筛查测试。例如，对于55至80岁之间的重度吸烟者，推荐基于低剂量计算机断层摄影(首字母缩写是“CT”)的肺癌筛查。

基于在每次筛查中所检测到的结果(通常是6mm至30mm之间的肺结节)，安排后续筛查测试(也表示为“纵向研究”)以在患者被送去进行病理评估之前确认恶性预测。由于肺结节的尺寸小，放射科医师手动检测肺结节是一项耗时的任务。除了在单次CT扫描中检测结节的困难之外，对于放射科医师来说，在纵向CT扫描之间跟踪和比较多个结节以对肺结节的恶性程度进行分级也是具有挑战性的。尽管存在不同的指导方针来指导放射科医师为安排未来的随访以及呼叫患者进行病理学测试而做出决定，但是这样的决定仍然是高度主观的。

从Yang，Jie等人的论文“Class-Aware Adversarial Lung Nodule Synthesis inCT Images.”ISBI 2019，IEEE，2019中已知将结节恶性程度分级作为3D图像块分类问题来处理。结节候选由放射科医师或计算机辅助诊断系统检测。从CT图像中提取以这些候选为中心的3D图像块，并将其发送到基于深度卷积神经网络的分类器。然后，使用每个结节的恶性概率以得出诊断决定。一些相关方法还使用利用基于图像处理的技术提取的特征来补偿神经网络。在替选方法中，建议与恶性分类任务一起训练辅助任务，例如结节类型分类，以稍微提高精确度。

尽管纵向研究之间的差异信息是放射科医师用于决策的主要证据来源，但是这些先前的工作不能使用这样的信息。

发明内容

本发明的问题是提供对纵向医学图像中的病变的诊断和表征的改进。通过根据本发明及其方面的用于对病变进行分类的方法、用于提供经训练的分类函数的方法、分类系统、医学成像、计算机程序产品和计算机可读介质来解决该问题。在本发明及其方面和以下描述中描述了有利的实施方式。

下面，针对要求保护的系统以及针对要求保护的方法来描述根据本发明的解决方案。本文中的特征、优点或替选实施方式可以分配给其他对应的要求保护的对象，并且反之亦然。换言之，可以利用在相应方法的上下文中描述或要求保护的特征来改进系统。在这种情况下，方法的功能特征通过系统的目标单元来实现。

此外，关于用于提供医学数据记录的方法和系统、关于用于对病变进行分类的方法和系统、以及关于用于提供经训练的分类函数的方法和系统，描述了根据本发明的解决方案。本文中的特征、优点或替选实施方式可以分配给其他对应的所要求保护的对象，并且反之亦然。换言之，可以利用在用于提供经训练的分类函数的方法和系统的上下文下描述或要求保护的特征来改进用于对病变进行分类的方法和系统的特征。特别地，由用于提供经训练的分类函数的方法或系统提供的经训练的分类函数可以在用于对病变进行分类的方法或系统内使用。