[发明专利]用于在计算机辅助肺结核假阳性降低中克服不平衡事例数目的层化方法

说明书

相关申请

本申请/专利来源于由所提名申请人于2004年11月19日申请的申请号为60/629751的美国临时专利申请。本申请与通常拥有、共同未决的Philips申请PHUS040505(779361)、PHUS040500(778964)和PHUS040499(778965)有关。

技术领域

本发明涉及计算机辅助检测系统和方法。本发明更确切地涉及这样的系统和方法，所述系统和方法用于假阳性减少计算机辅助检测(CAD)结果，尤其是高分辨率、薄片计算层析成像(HRCT)图像，在CAD系统训练期间利用支持向量机(support vector machine，SVM)对失衡数据集(训练数据集)实现利用层化(stratification)的CAD后分类，从而在保存适当灵敏度的情况下生成很高的特异性(减少所报告假阳性的数目)。

背景技术

当前计算机相关系统的速度和成熟支持更快、更高级的医学图像系统的开发。处理和处理后所生成的数据量的增加导致创建大量应用程序来自动分析医学图像数据。也就是说，已经开发了各种数据处理软件和系统来帮助内科医师、临床医师、放射科医师等等来评估医学图像以识别和/或诊断并评估医学图像。例如，计算机辅助检测(CAD)算法和系统已经发展为从多片CT(multi-slice CT，MSCT)扫描中自动识别“可疑”部位(例如损伤)。鉴于其固有的准确地图示解剖结构的大小、形状和位置以及异常或损伤的能力，CT或者计算层析成象是通常用于通过图像诊断疾病的成像模态。

CAD系统自动检测(识别和描绘)形态学上感兴趣部位(例如，损伤、结核、微钙化)，以及其他可能是临床相关的结构上可检测的条件/部分。当再现并显示医学图像时，CAD系统标记或者高亮度显示(识别)所研究部位。所述标记将引起放射科医师对可疑部位的注意。例如，在对寻找可能癌变结核的肺图像的分析过程中，CAD系统将标记检测到的结核。因而，CAD系统结合了放射科医师的专业知识以自动提供关于医学图像数据中异常的检测的第二意见。通过支持对疑似癌变的损伤或者结核的早期检测，CAD系统实现了早期干预，理论上向病人提供了更好的预后。

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。所述CAD系统从具有已知真实数据(ground truth)的大量数据开始。在训练数据上“训练”CAD系统，以识别被认为具有充足的鉴别能力来区分真实数据的特征集，所述真实数据也就是非训练数据中的结核或者非结核。对本领域技术人员而言的挑战包括提取简化了在类别之间进行鉴别的特征，理论上查找特征池内的最相关子集。一旦被训练，那么CAD系统就可以对非训练数据进行操作，其中从CAD描绘的候选部位中提取特征并分类所述特征。

CAD系统可以合并不同种类的信息(例如基于图像的特征与病人数据)，或者它们可以发现例如基于相似度的方法。技术人员应当理解：任何计算机驱动决策支援系统的精确性受到已经由学习过程分类的模式集的可用性(也就是受到训练集)的限制。假阳性标记(来自CAD系统的输出)是指向根本不是结核、而是伤痕、支气管壁增厚、运动假象、脉管分支等的那些标记。其中CAD辅助结果表示所调查部位的底线事实(例如，结核)，具体而言临床医生将忽略他/她不研究的部位。本领域的技术人员应该理解：在诊断上下文中，“真阳性”经常指的是真正恶性的检测结核。然而，在CAD上下文中，即使标记指向良性的或者钙化的结核，所述标记也被认为是真阳性标记。从而在CAD中不定义“真阴性”并且不能给出标准化的特异性。因此，CAD性能通常由灵敏度(检出率)以及假阳性率或者每个CT研究的假阳性标记限定(qualify)，因而，十分需要一种能输出最小假阳性的CAD系统。