[发明专利]基于关键发现的医学图像的基于不确定性的重新优先排序

权利要求书

1.一种用于使用机器学习模型对待评估的一组医学图像进行优先排序的方法，包括：

－使用训练数据集来训练(210)所述机器学习模型，其中所述机器学习模型接收输入医学图像，并且输出在所述输入医学图像中显示的医学状况；

－在待评估的所述一组医学图像上运行(220)经训练的所述机器学习模型，以针对所述一组医学图像中的每个医学图像产生医学状况输出；

－基于针对所述机器学习模型的不同的输出所确定的统计参数来计算(230)针对每个医学状况输出的似然分数；以及

－基于经计算的所述似然分数和所述医学状况输出的严重性来确定(235)待评估的一组输入图像的顺序。

2.根据权利要求1所述的方法，进一步包括：在显示器上显示所述一组输入图像的所述顺序以用于评估。

3.根据权利要求1所述的方法，其中所述统计参数包括所述输出的预测值、所述输出的不确定性以及噪声的标准偏差。

4.根据权利要求3所述的方法，其中所述似然分数被计算为

其中s_y是针对特定输出y的所述似然分数，μ_y是所述特定输出y的平均值，σ_y是所述特定输出y的标准偏差，以及σ_n是噪声的所述标准偏差。

5.根据权利要求1所述的方法，其中基于经计算的所述似然分数和所述医学状况输出的严重性来确定待评估的所述一组输入图像的所述顺序包括：

根据经计算的所述似然分数来标识所述一组输入图像中的、高似然性具有严重医学状况的图像，其中所述高似然性高于预定阈值，以及

基于所标识的所述图像的似然分数从最高到最低对所标识的所述图像进行排序，并且将经排序的所标识的所述图像放置于所述顺序的顶部。

6.根据权利要求5所述的方法，其中基于经计算的所述似然分数和所述医学状况输出的严重性来确定待评估的所述一组输入图像的所述顺序进一步包括：

基于没有高似然性具有严重医学状况的图像的经计算的所述似然分数，从最低到最高对没有高似然性具有严重医学状况的图像进行排序，并且将经排序的所述图像按所述顺序放置于经排序的所标识的所述图像之后。

7.根据权利要求1所述的方法，其中基于经计算的所述似然分数和所述医学状况输出的严重性来确定待评估的所述一组输入图像的所述顺序包括：

根据经计算的所述似然分数来标识所述一组输入图像中的、高似然性具有严重医学状况的图像，其中所述高似然性高于预定阈值，

基于所述似然分数和严重性分数来计算评估分数，其中所述严重性分数指示所述医学状况的所述严重性，以及

基于所确定的所述图像的评估分数，从最高到最低对所确定的所述图像进行排序，并且将所确定的所述图像放置于所述顺序的顶部。

8.根据权利要求1所述的方法，其中基于经计算的所述似然分数和所述医学状况输出的严重性来确定待评估的所述一组输入图像的所述顺序包括：

根据经计算的所述似然分数来标识所述一组输入图像中的、高似然性具有严重医学状况的图像，

确定所标识的所述图像中的哪些图像具有高于阈值的似然分数，以及

基于所确定的所述图像的似然分数，从最高到最低对所确定的所述图像进行排序，并且将所确定的所述图像放置于所述顺序的顶部。

9.根据权利要求8所述的方法，其中基于经计算的所述似然分数和所述医学状况输出的严重性来确定待评估的所述一组输入图像的所述顺序进一步包括：

将具有低于所述阈值的似然分数的所标识的所述图像放置于所确定的所述图像之后，以及

从最低到最高对具有低于所述阈值的似然分数的图像进行排序，并且将经排序的所述图像按所述顺序放置于具有低于所述阈值的似然分数的所标识的所述图像之后。