用於根據分類指數來診斷疾病的系統、方法和設備的製作方法

2023-07-16 19:53:31 1

專利名稱：用於根據分類指數來診斷疾病的系統、方法和設備的製作方法
技術領域：
本發明通常涉及醫學診斷，尤其涉及根據病人圖像進行醫學症狀的診斷。
背景技術：
醫學症狀或疾病的一種形式是神經變性(neurodegenerative)的異常(NDD)。NDD在早期都是難以檢測的並且難於以一種標準化的方式來進行量化以便在不同病人群體之間進行比較。研究者已經開發出了各種方法來測定與正常病人群體的統計偏差。
這些比較早的方法包括採用解剖和明暗度(intensity)這兩類標準化(standardization)來變換病人圖像。解剖標準化把圖像從病人的坐標系變換到標準化參考坐標系。明暗度(intensity)標準化包括調整病人的圖像使其具有與參考圖像相等的明暗度。將最終變換圖像與參考資料庫進行比較。該資料庫包括年齡和示蹤劑特定的參考數據。大部分最終分析都採取逐點或逐區統計偏差的形式，典型地把它描寫成Z分數。在一些實施例中，示蹤劑是在核成像過程中所使用的放射性示蹤劑。
檢測NDD的關鍵元素是開發年齡和示蹤劑分離正常資料庫。這些正常值的比較只能在標準化域內發生，例如Talairach域或蒙特婁神經學學會(MontrealNeurological Institute，MNI)域。MNI通過在標準控制機構上採用一連串的磁共振成像(MRI)掃描而定義了標準的腦。Talairach域參考了為Talairach和Tournoux圖集(atlas)而解剖和攝影的腦。在Talairach域和MNI域中，必須採用圖像配準技術把數據映射到這個標準域。採用上述方法的變體的現行方法包括示蹤劑NeuroQ、統計參數匹配(SPM)、三維立體表面投射(3D-SSP)等等。
一旦已經進行了比較，則顯示代表解剖學的統計偏差的圖像，並且此後有可能的是，參考該圖像來執行疾病診斷。所述診斷是非常專業化的工作並且只能由受高等培訓的醫學圖像專家來執行。即使這些專家只能做出關於疾病嚴重度的主觀推斷。因而，診斷趨向於不一致以及非標準化。診斷更傾向於屬於技術領域而非科學領域。
因為上述原因，並且為了以下陳述的其他理由，這些理由對所屬領域技術人員來說通過閱讀和理解所提出的說明書即為顯而易見，在技術上需要根據醫學解剖圖像而對醫學症狀和疾病進行更加一致、正式和可靠的診斷。

發明內容
此處解決了上述缺陷、缺點和問題，通過閱讀和研究以下說明書將會有所理解。
在一個方面，用於創建醫學診斷圖像的規範分類指數的方法包括訪問至少一個解剖區域的圖像數據，該解剖圖像數據與關於在成像時解剖區域中的至少一種示蹤劑的功能信息的指示相一致；基於人類準則而根據解剖圖像數據和規範的標準化解剖圖像數據來確定偏差數據；呈現對於至少一個解剖區域中的每一個的偏差數據；呈現期望圖像偏差，所述期望圖像偏差被分類成至少一個解剖區域中的每一個的嚴重度；接收嚴重性指數的選擇指示；以及參考基於規則的處理根據多個嚴重性指數產生組合的嚴重性分數。
在另一個方面，一種用於在醫學診斷圖像的規範分類指數中培訓人類的方法包括訪問至少一種解剖區域的圖像數據，該解剖圖像數據與關於在成像時解剖區域中的至少一種示蹤劑的功能信息的指示相一致；根據解剖圖像數據和規範的標準化解剖圖像數據來確定偏差數據；呈現所述至少一個解剖區域中的每一個的偏差數據；呈現專家確定的圖像偏差，所述專家確定的圖像偏差被分類成所述至少一個解剖區域的每一個的嚴重度；基於所顯示圖像與專家確定圖像偏差的視覺類似性而指導人選擇一個嚴重性指數選擇的指示。
在又一個方面，一種用於識別疾病狀態變化的方法包括訪問解剖特徵的至少兩個縱向圖像數據，該縱向解剖圖像數據與關於在成像時解剖特徵中的至少一種示蹤劑的功能信息的指示相一致；基於人類準則而根據每個縱向解剖圖像數據和規範的標準化解剖圖像數據來確定偏差數據；呈現解剖特徵的偏差數據；呈現期望圖像偏差，所述期望圖像偏差被分類成每個解剖特徵的嚴重度；接收對每個縱向數據集的嚴重性指數的選擇的指示；以及參考基於規則的處理根據多個嚴重性指數產生組合的嚴重性變化分數。
在再一個方面，一種用於識別疾病狀態變化的方法包括訪問解剖特徵的縱向圖像數據，根據在成像時解剖特徵中的至少一種示蹤劑來把解剖縱向圖像數據與規範的標準化解剖圖像數據相比較；呈現每種解剖特徵的偏差數據；呈現期望圖像偏差，所述期望圖像偏差被分類成每種解剖特徵的嚴重度；對解剖特徵的每個縱向數據集，接收嚴重性指數的選擇的指示，該解剖縱向圖像數據與關於在成像時解剖特徵中的至少一個示蹤劑的功能信息的指示相一致；參考基於規則的處理根據多個嚴重性指數產生組合的嚴重性改變分數；以及呈現該組合的嚴重性變化分數。
在另一個方面中，一種用於創建診斷醫學圖像的示範性知識庫的方法，包括訪問至少一個解剖特徵的圖像偏差數據；指定每個圖像偏差數據的分類的嚴重度；以及產生圖像偏差數據和每個圖像偏差數據的分類的嚴重度的資料庫。
此處描述了不同範圍的系統、客戶機、伺服器、方法、以及計算機可讀介質。除了在這個概述中描述的方面和優點之外，參考附圖並通過閱讀隨後的詳細說明，更進一步的方面和優點將變得顯而易見。


圖1是用於確定與正常病人群體的統計偏差的系統的概要的方框圖；圖2是用於確定與正常病人群體的統計偏差的方法流程圖；圖3是用於將讀者引導到嚴重性指數的靜態比較工作流程的示意圖；圖4是根據一個實施例用於創建結構化的且固有的醫學診斷指導輔助工具(instructional aid)的方法的流程圖；圖5是根據一個在圖4的方法之前執行的操作的實施例的方法的流程圖；圖6是根據一個實施例用於創建結構化的且固有的醫學診斷指導輔助工具的方法的流程圖；圖7是根據一個實施例用於在醫學診斷圖像的規範分類的指數中培訓人的方法的流程圖；圖8是根據一個在圖7的方法之前執行的操作的實施例的方法的流程圖；圖9是根據一個實施例用於創建結構化的且固有的醫學診斷指導輔助工具的方法的流程圖；圖10是根據一個實施例用於識別疾病狀態變化的方法的流程圖；圖11是根據一個實施例用於創建診斷醫學圖像的示範性或正常知識庫的方法的流程圖；圖12是根據一個實施例用於產生偏差數據的方法的流程圖；圖13是根據一個實施例用於產生參考診斷醫學圖像的方法的流程圖；圖14是其中可以實施不同實施例的硬體和操作環境的方框圖；以及圖15是根據一個實施例用於產生參考診斷醫學圖像的裝置的方框圖。
具體實施例方式
在下面的詳細說明中，參考構成本文一個部分的附圖，並且在這些附圖中通過可實施的示意性特定實施例而示出。這些實施例足夠詳細地被描述以允許所屬領域技術人員實施該實施例，並且應當理解的是可以利用其他實施方式，並且應當理解在不脫離實施例的範圍下可以做出邏輯上、機械上、電學上以及其他方面的改變。因此，以下的詳細說明不應視為對本發明的限制。
所述詳細說明被分成五個部分。在第一部分，描述了系統級概要。在第二部分，描述了方法的實施例。在第三部分，描述了硬體和操作環境，結合其可以實施各種實施例。在第四部分，描述了裝置的實施例。在第五部分，提供了詳細說明的總結。
系統級概要圖1是用於確定與正常病人群體的統計偏差的系統的概要的方框圖。系統100解決了技術上的需要以根據醫學解剖圖像而提供對醫學症狀和疾病的更加穩定、正式和可靠的診斷。
系統100包括正常圖像資料庫102。正常圖像資料庫102包括沒有病的解剖結構的圖像。正常圖像資料庫102提供用於比較的基準以幫助識別有病的解剖結構的圖像。該比較基準根據醫學解剖圖像提供了對醫學症狀和疾病的更穩定、正式且可靠的診斷。
在一些實施例中，由組件104和另一個組件106來產生正常圖像資料庫102，所述組件104對正常解剖圖像進行標準化並且提取解剖特徵，所述組件106對所提取的解剖特徵圖像去平均。平均後的解剖特徵圖像位於一個足以被認為是正常解剖特徵的典型的沒有病的解剖特徵範圍內。下面的圖11和圖12示出了產生正常圖像資料庫102的示例。
系統100還包括組件108，所述組件108把病人的解剖圖像標準化並且提取標準化病人圖像的解剖特徵。以允許進行比較的格式來對所提取的解剖特徵的圖像和正常圖像資料庫102中的圖像進行編碼。
系統100還包括組件110，所述組件110在所提取的解剖特徵的圖像與正常圖像資料庫102中的圖像之間進行比較。在一些實施例中，執行逐像素比較。在一些實施例中，該比較會得到一個統計比較工作流程112。圖3中顯示了靜態比較工作流程的一個實施例。在一些實施例中，該比較會得到Z分數的資料庫114，所述Z分數的資料庫114專用於具體解剖特徵。在一些實施例中，該比較會得到縱向比較工作流程116。縱向亦稱時間。縱向比較在一個時間間隔上比較圖像。在下文中，圖15的裝置1500描述了一個相關的實施例。
一些實施例操作於諸如圖14中的計算機1402之類的計算機上的多處理、多線程操作環境中。但是系統100不局限於任何具體的正常圖像資料庫102、把正常解剖圖像標準化且提取解剖特徵的組件104、對所提取的解剖特徵圖像取平均的組件106、把病人的解剖圖像標準化且提取標準化病人圖像的解剖特徵的組件108、在所提取解剖特徵的圖像和正常圖像資料庫中的圖像之間進行比較的組件110、統計比較工作流程112、專用於具體解剖特徵的Z分數的資料庫114、以及縱向比較工作流程116，為了清楚起見，描述了簡化的正常圖像資料庫102、把正常解剖圖像標準化且提取解剖特徵的組件104、對所提取的解剖特徵圖像求平均的組件106、把病人的解剖圖像標準化且提取標準化病人圖像的解剖特徵的組件108、在所提取解剖特徵的圖像和正常圖像資料庫中的圖像之間進行比較的組件110、統計比較工作流程112、專用於具體解剖特徵的Z分數的資料庫114、以及縱向比較工作流程116。
方法實施例在前一節中，描述了實施例的操作的系統級概要。在本節中，參考一系列流程圖來描述這樣一個實施例的具體方法。參考流程圖而描述該方法可使所屬領域技術人員開發這種程序、固件、或硬體，所述程序、固件、或硬體包括用於在適當的計算機上實現該方法的此類指令，所述程序、固件、或硬體執行來自計算機可讀介質中的指令。類似地，由伺服器電腦程式、固件或硬體所執行的方法還由計算機可執行指令組成。方法200-1300是由在諸如圖14中的計算機1402這樣的計算機上執行的程序來執行的、或者由作為計算機一部分的固件或硬體來執行。
圖2是用於確定與正常病人群體的統計偏差的方法200的流程圖。方法200包括標準化202正常解剖圖像並且提取解剖特徵。在一些實施例中，標準化包括把正常解剖圖像映射到一個定義的圖集/坐標系統，所述所定義圖集/坐標系統諸如Talairach域或蒙特婁神經學學會(MNI)域。方法200還包括對所提取的解剖特徵圖像求平均204以得到正常的、沒有病的解剖特徵的資料庫。
方法200包括標準化206病人的解剖圖像並從該標準化病人圖像中提取解剖特徵。方法200還包括把所提取的病人解剖特徵的圖像與正常圖像資料庫中的圖像相比較208。
方法200還包括產生210靜態比較工作流程；產生212專用於具體解剖特徵的Z分數的資料庫114；以及產生214縱向比較工作流程。縱向亦稱時間。縱向比較在一個時間間隔上比較圖像。
在方法200的一些實施例中，在產生212專用於具體解剖特徵的Z分數的資料庫114之後，方法200更進一步包括訪問諸如腦這樣的一個或多個特定解剖特徵的一個或多個圖像，所述圖像與解剖特定Z指數的資料庫中的特定示蹤劑有關；以及將所檢索的腦圖像數據與規範的標準化腦圖像數據102相比較，所述規範的標準化腦圖像數據與同樣的示蹤劑有關，這產生一個或多個嚴重性分數；然後更新與嚴重性分數有關的Z分數資料庫114，選擇性地編輯、細化、和/或更新該嚴重性Z分數，以及呈現示範性圖像和來自Z分數資料庫114的相關嚴重性分數。
圖3是用於把讀者引導到嚴重性指數的靜態比較工作流程的示意圖。靜態比較工作流程300可操作地用於許多解剖特徵，諸如解剖特徵「A」302、解剖特徵「B」304、解剖特徵「C」306、以及「第n個」解剖特徵308。解剖特徵的示例包括腦或心臟的解剖特徵。
對於每個解剖特徵，提供了在疾病或症狀的程度上具有變化的多個圖像。例如，為解剖特徵「A」302提供了在疾病或症狀的程度上具有變化的多個圖像310，為解剖特徵「B」304提供了在疾病或症狀的程度上具有變化的多個圖像312，為解剖特徵「C」306提供了在疾病或症狀的程度上具有變化的多個圖像314，以及為解剖特徵「N」308提供了在疾病或症狀的程度上具有變化的多個圖像316。
對於每個解剖特徵，根據疾病或症狀的嚴重性來對解剖特徵的圖像進行排序318。例如，對於解剖特徵「A」302，圖像310以從疾病或症狀的最低程度或數量到疾病或症狀的最高數量或程度的遞增順序被排序。
此後，對圖像320進行評估以與所排序圖像的集合相比在圖像320中確定疾病或症狀的程度。例如對圖像320進行評估以與解剖特徵「A」302的所排序圖像310的集合相比在圖像320中確定疾病或症狀的程度。在一些實施例中，對來自病人的多個解剖結構302、304、306和308的多個圖像320進行評估。
該比較產生了嚴重性指數322，其在病人圖像320中表示或代表疾病的程度。在一些實施例中產生了在病人圖像320中表示或代表疾病的程度的多個嚴重性指數322。在一些更進一步的實施例中，利用統計分析326來產生總計病人嚴重性分數324。
靜態比較工作流程300可操作地用於多個解剖特徵和多個示例數據。然而，解剖特徵的數目和示例數據的數目僅僅是解剖特徵的數目和示例數據的數目的一個實施例。在其他實施例中，實現了其他數目的解剖特徵和其他數目的示例數據。
圖4是根據一個實施例用於創建結構化的且固有的醫學診斷指導輔助工具的方法400的流程圖。方法400解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
方法400包括接收402解剖特徵圖像的嚴重性指數的指示。該嚴重性指數表示與沒有病的解剖結構相比的解剖結構中的疾病程度。解剖結構的示例包括腦和心臟。由用戶來指定期望的/專家指導圖像來觸發每個解剖位置和示蹤劑的嚴重性指數。
在解剖特徵包括至少一個示蹤劑的同時，產生了每個圖像。利用許多常規成像技術的任一種而獲得了該圖像，所述技術諸如磁共振成像、電子發射斷層掃描、計算機斷層掃描、單光子發射-計算機斷層掃描、單光子發射計算機斷層照相、超聲和光學成像。
接收402嚴重性指數的步驟的一些實施例包括從圖形用戶界面中或經由圖形用戶界面而接收所選嚴重性指數，其中由人把所選嚴重性指數人工地鍵入到圖形用戶界面中。在那些實施例中，人類開發出嚴重性指數並且通過把嚴重性指數鍵入到計算機的鍵盤而傳遞嚴重性指數，由此接收了該嚴重性指數。在一些實施例中，402接收許多圖像中每一個的嚴重性指數。
方法400還包括步驟404以用於從操作402所接收的多個嚴重性指數中產生組合嚴重性分數。參考基於規則的處理而產生所述組合的嚴重性分數。在實施例中產生該組合嚴重性分數是參考基於規則的處理而根據多個嚴重性指數產生的或相加的。在一些實施例中，利用基於規則的方法來總計每個解剖和示蹤劑嚴重性指數以形成疾病狀態的總嚴重性分數。
圖5是根據一個操作的實施例的方法500的流程圖，所述操作在圖4中的方法400的接收操作402之前被執行。方法500解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
方法500包括訪問502特定於腦或其他解剖特徵的圖像數據。腦的圖像數據與關於在成像時腦中至少一種示蹤劑的功能信息的指示相一致。在一些實施例中，利用諸如F-18-脫氧葡萄糖(Deoxyglucose)或氟去氧葡萄糖(Fluorodeoxyglucose，FDG)、Ceretec、Trodat等等之類的放射性示蹤劑或放射性藥物來對病人進行特定的解剖和功能信息的照相。每种放射性示蹤劑提供與功能和代謝有關的獨立的特性信息。與相關示蹤劑和年齡組相對應地將所訪問的病人圖像標準化。
方法500還包括步驟504基於人類準則，根據腦圖像數據和規範的標準化腦圖像數據來確定504偏差數據。人類準則的示例是病人的年齡和/或性別。在一些實施例中，確定偏差數據包括把腦圖像數據與規範的標準化腦圖像數據相比較，所述標準的標準化腦圖像數據是基於在成像時腦中至少一種示蹤劑的，如上述圖3所示。在一些實施例中，將圖像逐像素地與標準化的正常病人的參考圖像進行比較。
此後，方法500包括向用戶顯示506腦的偏差嚴重性數據。在一些實施例中，差別圖像可以採用與每種解剖位置和示蹤劑的標準狀態之間的偏差的彩色或灰階表示的形式。
在其他實施例中，偏差數據呈現在其他介質中，諸如列印在紙上。
隨後，期望的圖像偏差被分類成與腦有關的嚴重度並且被呈現508給用戶。該嚴重性指數提供了對腦的疾病、條件或異常的程度的量化。
圖6是根據一個實施例用於創建結構化的且固有的醫學診斷指導輔助工具的方法600的流程圖。方法600解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
在方法600中，在進行產生操作404之前多次地執行訪問操作502、確定操作504、呈現操作506和508以及接收操作402。尤其是，訪問操作502、確定操作504、呈現操作506和508以及接收操作402被執行直到不再有602解剖數據可用於處理。例如，在圖3中，在操作502-508中產生每個解剖特徵「A」302、解剖特徵「B」304、解剖特徵「C」306、以及「第n個」解剖特徵308的指數。
在完成了操作502-508的所有迭代之後，產生404組合的嚴重性分數。根據更大量的數據而產生該嚴重性分數，這有時被考慮或被認為提供了在數學上更加可靠的組合的嚴重性分數。
在上述方法600中所描述的實施例中，每種解剖特徵的指數及分數被串行地產生。然而，方法600的其他實施例並行地產生每種解剖特徵的指數或分數。
圖7是根據一個實施例用於在醫學診斷圖像的標準分類的指數中培訓人的方法700的流程圖。方法700解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病提供更加穩定、正式和可靠的診斷的需要。
方法700包括利用嚴重度的分類向用戶呈現702專家確定的期望腦圖像偏差。嚴重性指數提供了對腦的疾病、症狀或異常的程度的量化。
此後，方法700包括指導704人根據所顯示圖像與專家確定圖像偏差的視覺類似性來選擇嚴重性指數的指示選擇。該圖像指導用戶做出對病人的嚴重性評估。
圖8是根據一個操作的實施例的方法800的流程圖，所述操作在圖7中的方法700之前被執行。方法800解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
方法800包括訪問802特定於腦或其他解剖特徵的圖像數據。腦的圖像數據與關於在成像時腦中至少一種示蹤劑的功能信息的指示相一致。
方法800還包括基於人類的準則，根據腦圖像數據和規範的標準化腦圖像數據來確定804偏差數據。人類準則的示例是病人的年齡和/或性別。在一些實施例中，確定偏差數據包括把腦圖像數據與規範的標準化腦圖像數據相比較，所述標準的標準化腦圖像數據是基於在成像時腦中的至少一種示蹤劑的，如上述圖3所示。
此後，方法800還包括向用戶顯示806腦的偏差嚴重性數據。在其他實施例中，該偏差數據呈現在其他介質上，諸如列印在紙上。
圖9是根據一個實施例用於創建結構化的且固有的醫學診斷指導輔助工具的方法900的流程圖。方法900解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
在方法900中，在產生組合的嚴重性分數之前多次執行訪問操作802、確定操作804、呈現操作806和702以及指導操作704。
圖10是根據一個實施例用於識別疾病的狀態變化的方法1000的流程圖。方法1000解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
方法1000的一些實施例包括訪問1002特定於至少兩個解剖特徵的縱向圖像數據。該縱向解剖圖像數據表示關於在成像時解剖特徵中至少一種示蹤劑的功能信息。解剖特徵的示例包括腦或心臟。縱向亦稱時間。縱向比較在時間間隔上對圖像進行比較。
利用許多常規成像技術中的任一種來獲得該圖像，所述成像技術諸如磁共振成像、電子發射斷層掃描、計算機斷層掃描、單光子發射計算機斷層掃描、超聲以及光學成像。利用在兩個不同時刻處的示蹤劑來對病人進行特定的解剖和功能信息的照相。每種示蹤劑提供關於功能和代謝的獨立的、特性的信息。與相關示蹤劑和年齡組相對應地標準化了在每個時間情況中所訪問的病人圖像。
此後，方法1000的一些實施例包括基於人類的準則，根據每個縱向解剖圖像數據和規範的標準化解剖圖像數據來確定1004偏差數據。人類準則的示例是病人的年齡和/或性別。確定1004偏差數據的一些實施例包括把解剖縱向圖像數據與規範的標準化解剖圖像數據相比較，所述規範的標準化腦圖像數據是基於在成像時腦中的至少一種示蹤劑的。在一些實施例中，縱向分析中的每個時間情況的圖像被逐像素地與標準化的正常病人的參考圖像相比較。
隨後，方法1000包括向用戶呈現1006與解剖特徵的偏差嚴重性數據。在一些實施例中，該偏差數據採用差值圖像的形式，所述差值圖像顯示了在縱向解剖圖像與規範的標準化解剖圖像之間的差異。此外，對於每個組織位置和示蹤劑以及對於縱向分析中的每個時刻，差值圖像可以採用與常態的偏差的彩色或灰階表示的形式。
此後，方法1000包括向用戶呈現1008所期望的圖像偏差，所述圖像偏差被分類成與解剖特徵有關的嚴重度。在一些實施例中，用戶匹配所期望的圖像，其在縱向分析的所有情況下觸發每個解剖位置和示蹤劑的嚴重性指數。
隨後，方法1000包括從用戶處接收1010對選擇每個縱向數據集的嚴重性指數的指示。接收1010嚴重性指數的指示的一些實施例包括從圖形用戶界面中接收所選嚴重性指數，其中所選嚴重性指數由人手工地鍵入到圖形用戶界面中。在一些實施例中，利用相關嚴重性水平向用戶顯示所期望的圖像。該圖像指導用戶在縱向分析的每個時間情況中對當前病人做出嚴重性評估。
隨後，方法1000包括根據多個嚴重性指數而產生1012組合的嚴重性-變化分數。在一些實施例中，參考基於規則的處理而產生該組合的嚴重性變化分數，然後向用戶呈現該組合的嚴重性變化分數。產生組合的嚴重性分數的一些實施例包括參考基於規則的處理對多個嚴重性指數進行求和。在一些實施例中，利用基於規則的方法而分別地或相比較地(縱向研究的情況的差異)總計每個解剖和示蹤劑嚴重性指數以在縱向研究的所有情況中形成疾病狀態的總變化的嚴重性分數。用於確定變化的兩種方法均可被實現，一種會更加表現出解剖位置的變化，而另一種提供了全面的疾病狀態嚴重性分數變化。
在方法1000的一些實施例中，在產生1012組合嚴重性變化分數和顯示1014該組合嚴重性變化分數之前多次地訪問1002縱向圖像數據、確定1004偏差、呈現1006和1008嚴重性指數以及接收1010嚴重性指數。在一些實施例中，為一個時期上的特定解剖而顯示多個的嚴重性指數，其顯示了在該時期上的疾病治療的進展或缺乏進展。
圖11是根據一個實施例創建診斷醫學圖像的示範性或正常知識庫的方法1100的流程圖。方法1100解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
方法1100包括訪問1102與特定示蹤劑有關的一個或多個特定解剖特徵的一個或多個圖像。偏差數據表示了與被認為表示正常解剖症狀或無病解剖的圖像的偏差或差異。在一些實施例中，在執行方法1100之前通過比較正常受檢者資料庫的圖像與懷疑有病圖像資料庫的圖像而導出偏差圖像數據，所述懷疑有病圖像資料庫包括關於疾病的所有嚴重性的數據，諸如以下在圖12的方法1200中所描述的那樣。
在一些實施例中，無須對病人使用示蹤劑即可創建或產生從中取得圖像偏差數據的圖像。在其他實施例中，需要對病人使用示蹤劑才能創建或產生從中取得圖像偏差數據的圖像。
方法1100還包括為偏差數據的每個圖像指定1104一個分類的嚴重度，所述偏差數據和關於疾病的所有嚴重性的功能信息的指示相一致。分類的嚴重度描述了在某個範圍內的疾病或醫學症狀的嚴重程度。在某些實施例中，分類的嚴重度描述了對圖像與示範性圖像之間的偏差的測量。疾病或症狀程度的示例如圖3所示，參考圖像的遞增順序318，其中遞增順序的每個圖像代表了疾病或症狀的一個分類的嚴重度。
此後，方法1100包括產生1106圖像偏差數據的資料庫或知識庫以及產生每個圖像偏差數據的分類的嚴重度。在一個示例中，利用該圖像偏差數據來產生或更新圖1中的正常圖像資料庫102，以及將所述正常圖像資料庫102與圖像偏差數據的分類的嚴重度進行關聯。
方法1100的一些實施例還包括細化或更新示範性的嚴重性偏差圖像。更具體地說，該示範性嚴重性偏差資料庫是通過將新指定的嚴重性偏差圖像與現有的(一個或多個)嚴重性圖像集合在一起來進行細化的，或者通過引入新的嚴重性偏差圖像種類或通過刪除現有的種類來進行更新。
圖12是根據一個實施例用於產生偏差數據的方法1200的流程圖。方法1200可以在上述方法1100之前被執行以產生方法1100中所需的偏差數據。方法1200解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
方法1200包括訪問1102諸如腦這樣的一個或多個特定解剖特徵的一個或多個圖像，所述特定解剖特徵與特定示蹤劑有關。
方法1200還包括把腦圖像數據與標準的標準化腦圖像數據進行比較1202，所述標準的標準化腦圖像數據與同樣的示蹤劑有關，如上述的圖3所示，產生在其表示腦中懷疑有病的區域的圖像與資料庫中的圖像之間的偏差。在一些實施例中，基於示蹤劑而執行比較1202，或者在其他實施例中，不基於示蹤劑。
方法1200還包括從比較中產生1204偏差圖像數據。
圖13是根據一個實施例用於產生參考診斷醫學圖像的方法1300的流程圖。方法1300解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
方法1300包括訪問1302資料庫；該資料庫包含有適合於一種示蹤劑的正常臨床前解剖特徵的多個圖像。在一些實施例中，操作1302包括利用通過使用關於示蹤劑的功能信息，利用正常受檢者來創建規範的資料庫。
此後方法1300包括訪問502表示解剖特徵中懷疑有病的區域的圖像；把表示解剖特徵中懷疑有病的區域的圖像與資料庫中的圖像進行比較1202，因而產生表示解剖特徵中懷疑有病的區域的圖像與資料庫中的圖像之間的偏差。在一些實施例中，訪問圖像包括訪問懷疑圖像的資料庫，所述懷疑圖像與功能信息的指示一致，所述功能信息潛在地通過使用示蹤劑與疾病的各種嚴重性相對應。
因此，為每個解剖特徵產生1204表示該偏差的多個圖像，在步驟1104將分類的嚴重度指定到用於表示該偏差的多個圖像中的每一個，並且產生1106用於表示該偏差的多個圖像的資料庫並且產生用於表示該偏差的多個圖像的分類的嚴重度。
在方法1300的一些實施例中，該示範性嚴重性偏差資料庫是通過把新指定的嚴重性偏差圖像與現有的(一個或多個)嚴重性圖像集合而來細化的，或者通過引入新的嚴重性偏差圖像種類或通過刪除現有的種類而被更新的。
在一些實施例中，方法200-1300被實現成體現在載波中的計算機數據信號，所述計算機數據信號表示一個指令序列，當被諸如圖14中的處理器1404之類的處理器執行時，所述指令序列會使得處理器執行相應的方法。在其他實施例中，方法200-1300被實現成具有能夠指導諸如圖14中的處理器1404之類的處理器的可執行指令的計算機可存取介質，以執行相應的方法。在不同的實施例中，該介質是磁介質、電介質、或光學介質。
更具體地說，在計算機可讀程序實施例中，可以採用諸如Java、Smalltalk或C++之類的面向對象的語言而以面向對象的方式構造該程序，並且可以採用諸如COBOL或C之類的過程語言而以面向過程的方式來構造該程序。軟體組件在許多裝置中的任一個中進行通信，所述裝置對所屬領域技術人員而言是眾所周知的，諸如應用程式接口(API)或諸如遠程過程調用(RPC)之類的進程間通信技術、公共對象請示代理軟體結構(CORBA)、組件對象模型(COM)、分布式組件對象模型(DCOM)、分布式系統對象模型(DSOM)以及遠程方法調用(RMI)。該組件可在象圖14中的計算機1402那樣少的一個計算機上執行，或者在至少象所存在的組件那樣多的計算機上執行。
硬體以及操作環境圖14是實施不同實施例的硬體和操作環境1400的方框圖。圖14的描述提供了計算機硬體以及適當的計算環境的概要，結合所述計算機硬體和適當的計算環境可以實現一些實施例。根據執行計算機可執行指令的計算機而描述了實施例。然而，一些實施例可以全部地在計算機硬體中被實現，其中計算機可執行指令在只讀存儲器中被實現。一些實施例還可以在客戶機/伺服器計算環境中被實現，其中執行工作的遠程設備經由通信網絡而被連結。程序模塊既可以位於分布式計算環境中的本地存儲器存儲設備中又可以位於分布式計算環境中的遠程存儲器存儲設備中。
計算機1402包括在市場上可從Intel、Motorola、Cyrix等買到的處理器1404。計算機1402還包括隨機存取存儲器(RAM)1406、只讀存儲器(ROM)1408、以及一個或多個海量存儲設備1410，以及系統總線1412，其可操作地把各種系統組件耦合到處理單元1404。存儲器1406、1408、以及海量存儲器1410是計算機可存取介質的類型。海量存儲器1410更具體地說是非易失性計算機可存取介質的類型並且可以包括一個或多個硬碟驅動器、軟盤驅動器、光碟驅動器、以及磁帶驅動器。處理器1404執行存儲在計算機可存取介質上的電腦程式。
計算機1402經由通信設備1416而可通信地連接到網際網路1414。網際網路1414連通性在本領域內為大家所熟知。在一個實施例中，通信設備1416是數據機，其響應於通信驅動器以經由本領域中已知的「撥號連接」而連接到網際網路。在另一個實施例中，通訊裝置1416是連接到區域網(LAN)的乙太網(Ethernet)或類似硬體網卡，所述區域網本身經由本領域中已知的「直接連接」(例如，T1線路等等)連接到網際網路。
用戶經由諸如鍵盤1418或指示設備1420之類的輸入設備而把命令和信息鍵入到計算機1402中。鍵盤1418允許可將文本信息鍵入計算機1402中，如本領域內所已知的那樣，並且實施例不局限於任何具體類型的鍵盤。指示設備1420允可對諸如Microsoft Windows型式之類的作業系統的圖形用戶界面(GUI)所提供的屏幕指針進行控制。實施例不局限於任何具體的指示設備1420。這種指示設備包括滑鼠、觸摸臺、軌跡球、遙控器以及指示杆。其他的輸入設備(未顯示)可以包括揚聲器、控制杆、遊戲臺、衛星盤、掃描儀等等。
在一些實施例中，計算機1402可操作地耦合於顯示設備1422。顯示設備1422連接到系統總線1412。顯示設備1422允許信息顯示，所述信息包括計算機、視頻及其他信息以便由計算機用戶進行查看。實施例不局限於任何具體的顯示設備1422。這種顯示設備包括陰極射線管(CRT)顯示器(監視器)以及諸如液晶顯示器(LCD)之類的平板顯示器。除了監視器之外，計算機典型地包括諸如印表機(未顯示)之類的其他外圍輸入/輸出設備。揚聲器1424和1426提供信號的音頻輸出。揚聲器1424和1426也連接到系統總線1412。
計算機1402還包括作業系統(未顯示)，所述作業系統存儲在計算機可存取介質RAM 1406、ROM 1408、以及海量存儲器1410上並且由處理器1404來執行。作業系統的示例包括Microsoft Windows、蘋果MacOS、Linux、UNIX。示例不局限於任何具體的作業系統，然而這種作業系統的結構和使用在本領域內為大家所熟知。
計算機1402的實施例不局限於任何類型的計算機1402。在不同的實施例中，計算機1402包括PC兼容計算機、MacOS兼容計算機、Linux兼容計算機、UNIX兼容計算機。這種計算機的結構與操作在本領域內為大家所熟知。
可利用至少一種作業系統來操作計算機1402以提供包括用戶可控制指針的圖形用戶界面(GUI)。計算機1402可具有在至少一個作業系統內執行的至少一個瀏覽器應用程式，以允許計算機1402的用戶訪問如由通用資源定位碼(URL)地址來尋址的內部網(intranet)、外部網(extranet)或網際網路全球資訊網頁面。瀏覽器應用程式的示例包括Netscape Navigator和MicrosoftInternet Explorer。
計算機1402可利用與諸如遠程計算機1428之類的一個或多個遠程計算機的邏輯連接而操作於網絡環境中。這些邏輯連接是由通信設備來實現的，所述通信設備耦合於計算機1402或者是計算機1402的一部分。實施例不局限於具體類型的通信設備。遠程計算機1428可以是另一個計算機、伺服器、路由器、網絡PC、客戶機、同等設備或其他公用網絡節點。圖14中描述的邏輯連接包括區域網(LAN)1430和廣域網(WAN)1432。這種連網環境在辦公室、企業內計算機網絡、內部網、外部網和網際網路中是很普遍的。
當被用於LAN連網環境時，計算機1402和遠程計算機1428經由網絡接口或適配器1434而被連接到本地網絡1430，所述適配器1434是通信設備1416的一種類型。遠程計算機1428還包括網絡設備1436。當被用於常規的WAN連網環境時，計算機1402和遠程計算機1428經由數據機(未顯示)而與WAN 1432通信。數據機連接到系統總線1412，所述數據機可以是內部的或外部的。在網絡環境中，所描述的與計算機1402有關的程序模塊或其部分可以存儲在遠程計算機1428中。
計算機1402還包括電源1438。每個電源可以是電池組。
裝置實施例在前一節中，描述了方法。在本節中，描述了這樣一個實施例的具體裝置。
圖15是根據一個實施例的用於產生參考診斷醫學圖像的裝置1500的方框圖。裝置1500解決了在技術上對於根據醫學解剖圖像而對醫學症狀和疾病進行更加穩定的、正式的和可靠的診斷的需要。
在裝置1500中，在圖像數據上執行四種不同的比較原始圖像的比較1502、標準偏差圖像的比較1504、嚴重性圖像的比較1506、以及嚴重性分數的比較。所述比較可發生在階段1502、1502、1506或1508中的任一個。每個比較1502-1508在縱向(時間)域上被執行，如檢驗時間T11510和檢驗時間T21512。
在檢驗時間T11510和檢驗時間T21512，由數字成像裝置分別產生多個原始圖像1514和1516、1518和1520。
在檢驗時間T11510和檢驗時間T21512之後，根據原始圖像以及一個或多個標準化圖像(未顯示)產生了以下三個數據中的任一個多個標準化偏差圖像1522和1524、以及1526和1528；嚴重性指數1530-1536或嚴重性分數1538和1540。偏差圖像1522-1528圖形化地表示了原始圖像1514-1520與標準化圖像之間的偏差。嚴重性指數1530-1536用數字表示了原始圖像1514-1520與標準化圖像之間的臨床上可察覺的偏差。根據嚴重性指數1530-1536產生了嚴重性分數1538和1540。嚴重性分數1538和1540用數字表示了原始圖像1514-1520的條件的合成臨床指示。
總結描述了一種基於計算機的醫學診斷系統。雖然此處已經舉例說明並描述了特定的實施例，但是本領域的普通技術人員應當理解，可能會用實現同樣目的的任何結構來代替所示的特定實施例。本申請意在覆蓋所有的修改或變化。例如，雖然以程序術語進行了描述，但是本領域的普通技術人員應當理解，可以在程序設計環境或提供了所需關係的任何其他設計環境中進行實施。
尤其是，本領域技術人員應當容易地理解，方法和裝置的名稱不是用於限制實施例。此外，其他的方法和裝置可添加到組件中，功能可以在組件中重新組合，以及在不脫離實施例的範圍下，可以引入與實施例中所使用的將來改進和物理設備相對應的新組件。本領域技術人員很容易認識到，實施例適用於未來的通信設備、不同的文件系統、以及新的數據類型。
用於本申請的術語意味著包括所有面向對象資料庫和通信環境以及提供與此處所描述的相同的功能的替換技術。
權利要求
1.一種用於創建結構化的且固有的醫學診斷系統指導輔助工具的方法，該方法更進一步包括接收(402)對於多個圖像中的每一個而選擇的偏離於沒有病的腦(302、304、306、308)圖像(310、312、314以及316)的嚴重性指數的指示，在腦中包括至少一個示蹤劑的同時產生了每個圖像；以及參考基於規則的處理，根據該多個嚴重性指數產生(404)一個組合的嚴重性分數(322)。
2.權利要求1的方法，更進一步包括在接收操作之前訪問(502)腦的圖像數據，所述腦圖像數據與關於在成像時腦中至少一個示蹤劑的功能信息的指示一致；基於人類準則，根據腦圖像數據和規範的標準化腦圖像數據來確定(502)偏差嚴重性數據；呈現(504)與腦有關的偏差嚴重性數據；以及呈現(508)被分類成與腦有關的嚴重度的圖像偏差。
3.權利要求2的方法，其中確定偏差數據更進一步包括把腦圖像數據同基於在成像時腦中的至少一種示蹤劑的規範的標準化腦圖像數據進行比較(1202)。
4.一種用於創建醫學診斷圖像的規範分類的分數的方法，該方法包括訪問(502)至少一個特定解剖區域的圖像數據，該解剖圖像數據與關於在成像時解剖區域中的至少一種示蹤劑的功能信息的指示相一致；以及基於人類準則，根據解剖圖像數據和規範的標準化解剖圖像數據確定(504)偏差嚴重性數據；呈現(506)所述至少一個解剖區域的每一個的偏差嚴重性數據；對於至少一個解剖區域的每一個，呈現(508)被分類成嚴重度的圖像嚴重性偏差；接收(402)對嚴重性指數的選擇的指示；以及參考基於規則的處理，根據多個嚴重性指數產生(404)一個組合的嚴重性分數。
5.一種用於在醫學診斷圖像的規範的分類的分數中培訓人的方法，該方法包括對於至少一個解剖區域中的每一個，呈現(702)被分類成嚴重度的專家確定圖像偏差，所述至少一個解剖區域的圖像數據與關於在成像時解剖區域中的至少一種示蹤劑的功能信息的指示相一致；以及基於所顯示圖像和專家確定圖像偏差的視覺類似性而在選擇嚴重指數的一個選擇的指示時對人進行指導(704)。
6.權利要求5的方法，更進一步包括在呈現操作之前訪問(802)與至少一個解剖區域有關的圖像數據；根據解剖圖像數據和規範的標準化解剖圖像數據確定(804)偏差數據；以及呈現(806)所述至少一個解剖區域的每一個的偏差數據。
7.權利要求6的方法，其中確定偏差數據更進一步包括把解剖圖像數據同在成像時與解剖區域中的至少一種示蹤劑有關的規範的標準化解剖圖像數據進行比較(1202)。
8.權利要求5的方法，其中該方法更進一步包括從圖形用戶界面接收(402)所選嚴重性指數，其中所選嚴重性指數由人手工地鍵入到圖形用戶界面中。
9.權利要求5的方法，其中該方法更進一步包括參考基於規則的處理，根據多個嚴重性指數產生(404)組合的嚴重分數，在指導之後執行所述產生。
10.權利要求9的方法，其中產生組合嚴重分數更進一步包括參考基於規則的處理而組合(404)該多個嚴重性指數。
全文摘要
提供了系統、方法和裝置，經由這些系統、方法和裝置在一些實施例中，根據人類指定的嚴重性來產生圖像(1522、1524、1526以及1528)的資料庫，所述圖像具有疾病或醫學症狀的嚴重性的分類水平。在一些實施例中，通過比較(1506)病人圖像與資料庫中的圖像而診斷疾病或醫學症狀的嚴重性。在一些實施例中，通過比較(1504)病人圖像與資料庫中的圖像而測量病人的疾病或醫學症狀嚴重性方面的變化。
文檔編號G06T7/60GK101040800SQ20061006399
公開日2007年9月26日 申請日期2006年9月29日 優先權日2005年9月29日
發明者G·B·阿維納什, W·J·布裡奇, S·A·西羅海, J·布盧門費爾德, S·米諾施馬 申請人:通用電氣公司, 華盛頓州大學