[发明专利]利用支持向量机（SVM）在计算机辅助检测（CAD）中进行假阳性降低的系统和方法

说明书

本申请/专利来源于所提名申请人于2004年11月19日提交的申请号为60/629,751的美国临时专利申请。本申请与共同拥有的编号为PHUS040499、PHUS040500、以及PHUS040501的共同未决Philips申请有关。

本发明涉及计算机辅助检测系统和方法。本发明更进一步涉及用于利用支持向量机(SVMs)在从高分辨率薄片计算层析成象(HRCT)的图像进行对肺结核的计算机辅助检测(CAD)中进行假阳性降低以实现CAD后机器学习的系统和方法。

当前与计算机有关的系统的速度和复杂性支持开发更快速以及更完善的医学成像系统。由于处理而产生的数据量以及处理量的相应增大导致创建很多应用程序以自动分析医学图像数据。也就是说，开发了各种数据处理软件和系统以帮助内科医师、临床医师、放射科医师等等评估医学图像以对医学图像进行识别和/或诊断及评估。例如，已经开发了计算机辅助检测(CAD)算法和系统以从多片CT(multi-slice CT，MSCT)扫描中自动地识别出可疑的损伤。考虑到它的准确地说明解剖结构的尺寸、形状和位置以及异常或损伤的能力，CT或者计算层析成象系统是一般用于通过成像来诊断疾病的成像模态。

CAD系统自动地在形态学上检测(识别)所关心部位(interestingregions)(例如，损伤)或可能是临床相关的其他结构上可检测的状态。当再现并显示医学图像时，CAD系统典型地标记或识别所研究的部位。标记是为了引起对所标记的可疑部位的注意，并且更进一步提供对损伤(所关心部位)的分类或表征。也就是说，CAD(和/或CADx)系统可以识别出胸部研究中的微钙化(microcalcifications)或者MSCT中的结核为恶性的还是良性的。CAD系统结合了放射科医师的专业知识，并且基本上提供了与在医学图像数据中检测异常有关的第二种意见，并且可以再现诊断建议。通过支持对怀疑为癌症的损伤的早期检测和分类，CAD系统允许较早地介入，理论上会为病人产生较好的预后。

CAD及其他机器学习系统的大多数现有工作都遵循有监督学习的相同方法。CAD系统从利用已知的基础事实(ground truth)来收集数据开始，并在训练数据上被“训练”以识别出被认为是有足够的鉴别能力以区分基础事实(例如恶性的或良性的)的一特征集。对所属领域技术人员的挑战包括提取便于对类型进行鉴别的特征，理论上找到特征池内最相关的特征。CAD系统可以组合异质的信息(例如基于图像的特征与病人数据)，或者可以发现例如基于相似性度量的方法。技术人员应当理解，任何计算机驱动决策支持系统的准确性都受到已经被分类成学习过程的模式集合的可用性(即，受训练集合)的限制。