[发明专利]用于利用机器学习来表征受验者的组织的方法和系统在审
申请号: | 201780047115.8 | 申请日: | 2017-07-28 |
公开(公告)号: | CN109843176A | 公开(公告)日: | 2019-06-04 |
发明(设计)人: | L.古瑞维齐;L.A.斯瓦姆 | 申请(专利权)人: | 诺瓦达克技术有限公司 |
主分类号: | A61B6/00 | 分类号: | A61B6/00;A61B5/026;A61B9/00;G06N20/00;G16H50/00;G06T7/00;G06T9/00 |
代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 陈岚 |
地址: | 加拿大不列*** | 国省代码: | 加拿大;CA |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 聚类 时间系列 荧光图像 机器学习 空间图 表征组织 多个属性 使用监控 数据分类 可用 关联 诊断 | ||
1.一种用于表征受验者的组织的方法,所述方法包括:
接收所述受验者的荧光图像的多个时间系列的数据,荧光图像的所述时间系列由图像捕获系统所捕获或已经捕获;
识别与所述组织的临床表征相关的所述数据的一个或多个属性;
基于所述数据的所述一个或多个属性将所述数据分类为多个聚类,使得同一聚类中的所述数据相互之间比不同聚类中的所述数据更为相似,其中所述聚类表征所述组织;
基于所分类聚类来生成表示所述组织的表征输出;以及
显示所述表征输出。
2.如权利要求1所述的方法,其中,所述受验者的荧光图像的所述多个时间系列的所述数据包括原始数据、预处理数据或者其组合。
3.如权利要求2所述的方法,其中,所述预处理数据通过应用数据压缩、主成分分析、自动编码或者其组合来预先处理。
4.如权利要求1至3中的任一项所述的方法,其中,对所述受验者的荧光图像的所述时间系列中的多个子区域来识别与所述组织的所述临床表征相关的所述数据的所述一个或多个属性。
5.如权利要求4所述的方法,其中,所述子区域的至少一个是荧光图像的所述时间系列中的像素或体素。
6.如权利要求4所述的方法,其中,所述子区域的至少一个是所述受验者的荧光图像的所述时间系列中的一组像素或一组体素。
7.如权利要求1至6中的任一项所述的方法,其中,所述受验者的荧光图像的所述多个时间系列的所述数据的所述一个或多个属性包括时间-强度曲线、系数、空间位置、起始时间、脸红时间、最大荧光强度、血液入口、血液出口或者其组合。
8.如权利要求1至7中的任一项所述的方法,其中,所述聚类基于所述聚类的空间分布、所述聚类的性质、聚类数据或者其组合来表征所述组织。
9.如权利要求8所述的方法,其中,所述聚类的性质包括所述聚类的形状。
10.如权利要求1至9中的任一项所述的方法,其中,每个聚类通过质心来表示。
11.如权利要求10所述的方法,其中,聚类的质心指示所述受验者的荧光图像的所述多个时间系列的所述数据的所述一个或多个属性中的哪一个促成数据分类。
12.如权利要求1至11中的任一项所述的方法,其中,将所述受验者的荧光图像的所述多个时间系列的所述数据分类为所述多个聚类包括将所述数据分类为十个或更少聚类。
13.如权利要求1至11中的任一项所述的方法,其中,将所述受验者的荧光图像的所述多个时间系列的所述数据分类为所述多个聚类包括将所述数据分类为七个聚类。
14.如权利要求1至13中的任一项所述的方法,其中,分类所述受验者的荧光图像的所述多个时间系列的所述数据包括应用无监控聚类算法。
15.如权利要求14所述的方法,其中,所述聚类算法是K-means算法。
16.如权利要求1至15中的任一项所述的方法,还包括基于所述多个聚类来生成空间图。
17.如权利要求16所述的方法,其中,所述空间图表示荧光图像的所述时间系列中的多个子区域之间的血流、灌注模式或者其组合的差异。
18.如权利要求1至17中的任一项所述的方法,还包括基于所述所分类数据来训练机器学习模型。
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诺瓦达克技术有限公司,未经诺瓦达克技术有限公司许可,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/201780047115.8/1.html,转载请声明来源钻瓜专利网。