[发明专利]用于医学成像的顺序分布外检测在审

专利信息
申请号: 202180070582.9 申请日: 2021-10-11
公开(公告)号: CN116368520A 公开(公告)日: 2023-06-30
发明(设计)人: N·佩佐蒂;C·维尔克;T·尼尔森;K·佐默;M·格拉斯;H·舒尔茨;S·卡斯特尤林 申请(专利权)人: 皇家飞利浦有限公司
主分类号: G06T7/00 分类号: G06T7/00
代理公司: 永新专利商标代理有限公司 72002 代理人: 李光颖
地址: 荷兰艾*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 医学 成像 顺序 分布 检测
【权利要求书】:

1.一种医学系统(100、300、400),包括:

存储器(110),其存储机器可执行指令(120),其中,所述存储器还存储可训练机器学习模块(122),所述可训练机器学习模块是使用描述训练数据分布(600)的训练数据来训练的,以响应于接收到测量的医学图像数据(128)作为输入而输出重建的医学图像(136),其中,所述存储器还存储分布外估计模块(124),所述分布外估计模块被配置用于响应于接收到所述测量的医学图像数据而输出分布外评分(130),其中,所述分布外评分描述所述测量的医学图像在所述训练数据分布内的概率,其中,所述存储器还存储分布内准确度估计模块(126),所述分布内准确度估计模块被配置用于输出分布内准确度评分(132),所述分布内准确度评分描述所述重建的医学图像为准确的概率;

计算系统(104),其中,对所述机器可执行指令的运行使所述计算系统:

接收(200)所述测量的医学图像数据;

以通过序列确定的顺序连续地确定(202)所述分布外评分和所述分布内准确度评分,其中,所述分布外评分是通过将所述测量的医学图像数据输入到所述分布外估计模块中来确定的,其中,所述分布内准确度评分是通过将所述测量的医学图像数据输入到所述分布内准确度估计模块中来确定的;

在对所述序列的运行期间,使用所述分布外评分和/或所述分布内准确度评分来检测(204)对所述测量的医学图像数据的拒绝;并且

如果检测到对所述测量的医学图像数据的所述拒绝,那么提供(206)警告信号(134)。

2.根据权利要求1所述的医学系统,其中,对所述机器可执行指令的运行还使所述计算系统通过在所述序列完成之后将所述测量的医学图像数据至少部分地输入到所述可训练机器学习模块中来提供(208)所述重建的医学图像。

3.根据权利要求1或2所述的医学系统,其中,所述存储器还存储异常检测估计模块(320),所述异常检测估计模块被配置用于响应于接收到所述测量的医学图像数据而输出异常估计评分(322),其中,所述异常估计评分描述所述测量的医学图像与所述训练数据分布相比为异常的概率,其中,对所述机器可执行指令的运行还使所述计算系统以通过所述序列确定的所述顺序利用所述分布外评分和所述分布内准确度评分来连续地确定所述异常估计评分,其中,所述异常估计评分是通过将所述测量的医学图像数据输入到所述异常检测估计模块中来确定的,并且其中,对所述机器可执行指令的运行还使所述计算系统在对所述序列的运行期间使用所述异常估计评分来检测对所述测量的医学图像数据的拒绝。

4.根据权利要求3所述的医学系统,其中,所述序列是预定的,其中,优选地,在将所述测量的医学图像数据输入到所述分布外估计模块中之前,将所述测量的医学图像数据输入到所述异常检测估计模块中,并且其中,优选地,在将所述测量的医学图像数据输入到所述分布内准确度估计模块中之前,将所述测量的医学图像数据输入到所述分布外估计模块中。

5.根据权利要求3或4所述的医学系统,其中,所述异常检测估计模块包括以下各项中的任一项:

利用来自所述训练数据分布的样本训练的自动编码器,其中,所述异常估计评分被提供为所述自动编码器的输入和输出之间的差异的度量;以及

使用预定特征配置的基于密度的算法。

6.根据前述权利要求中的任一项所述的医学系统,其中,所述存储器还包含图像分类器神经网络,所述图像分类器神经网络被训练为响应于接收到所述测量的医学图像数据作为输入而确定所述序列,其中,对所述机器可执行指令的运行还使所述计算系统:通过将所述测量的医学图像输入到所述图像分类器神经网络中来确定所述序列。

7.根据前述权利要求中的任一项所述的医学系统,其中,所述医学系统还包括医学成像系统(502),其中,对所述机器可执行指令的运行还使所述处理器控制(500)所述医学成像系统以采集所述测量的医学图像数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于皇家飞利浦有限公司,未经皇家飞利浦有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202180070582.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top