[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

说明书

用于表征受验者的组织的方法和系统包括获取和接收荧光图像的多个时间系列的数据，识别与组织的临床表征相关的数据的一个或多个属性，并且基于属性将数据分类为聚类，使得同一聚类中的数据相互之间比不同聚类中的数据更为相似，其中聚类表征组织。方法和系统还包括接收荧光图像的受验者时间系列的数据，将相应聚类与荧光图像的受验者时间系列中的多个子区域中的每个关联，并且基于荧光图像的受验者时间系列中的多个子区域的聚类来生成受验者空间图。所生成空间图则可用作输入以用于使用监控机器学习的组织诊断。

相关申请的引用

本申请要求美国临时申请序号62/368960和62/368971(均于2016年7月29日提交，并且标题均为“METHODS AND SYSTEMS FOR CHARACTERIZING TISSUE OF A SUBJECTUSTILIZING MACHINE LEARING”)的优先权，通过引用将其完整地结合于此。

技术领域

本发明一般涉及成像领域，以及更具体来说涉及用于表征受验者的组织和/或用于利用机器学习来预测和显示与组织相关的临床数据的医疗图像的获取和/或处理。

背景技术

血流是用来定义血液经过血管的移动的通用术语，其能够根据例如体积流率(即，体积/时间)或行进速度(即，距离/时间)等的术语来量化。组织灌注与脉管血流的不同之处在于，组织灌注定义经过组织体积内的血管的血液的移动。更具体来说，组织灌注涉及每单位组织体积(对其提供氧和养分并且从其中去除废物)的微循环血流，组织的毛细血管床被灌注。灌注与营养血管(即，称作毛细管的微脉管)关联，营养血管包括与血液和组织之间的代谢物的交换关联的脉管，而不是更大直径非营养脉管。

存在其中开业医生期望正确评估组织中的血流和/或组织灌注的许多情况。例如，在治疗患有损伤组织的患者中，临床医生必须正确评估伤口部位之中和周围的血流和/或组织灌注，因为不良组织灌注将对治愈过程具有不利影响。血流和/或组织灌注的准确评估增加急性(例如外科)和慢性伤口的成功治愈的机会。灌注动态的评估在其他临床应用(例如经受整形重建手术(例如皮瓣转移)的患者的术前评估或者心脏手术(例如冠状动脉旁路移植手术)期间的心脏组织的生存力和功能的评估)中也是重要的。

某些高级实践开始将成像技术(例如荧光成像技术)用于评估血流和/或组织灌注。荧光成像技术通常采用一团成像试剂(例如吲哚菁绿(ICG))的注射，成像试剂随后经过受验者的整个组织(例如脉管和/或淋巴系统)循环，并且在采用适当激发光所照射时发射荧光信号。当成像试剂团穿过成像视场中的受验者组织时，荧光成像系统获取所发射成像试剂荧光的图像。例如，当试剂团经过动脉血管进入组织、经过组织的微脉管行进并且经过静脉血管离开组织时，可获取图像。当图像作为视频在监视器上显示时，临床医生可观察表示为荧光强度随时间的变化的脉管中的这个成像试剂渡越。基于荧光强度的视觉感知，临床医生可进行与组织的血流和/或灌注状态及其后续治愈可能性有关的相对定性确定。但是，这类图像的定性视觉评估由于多种原因而不一定始终是充分的，特别是在视觉信息不明确的情况下。例如，这种视觉评估受到限制，因为许多参数(例如图像亮度、图像对比度和图像噪声)能够受到除了组织的血流和/或灌注性质之外的因素所影响。此外，纯粹的视觉评估是主观的(例如，视觉评估可逐个临床医生改变，一个临床医生的视觉评估协议对逐个患者和/或逐个成像会话可略微改变)，并且不支持用于评估血流和/或组织灌注的标准化协议。最后，由于临床医生缺乏先前视觉评估的记忆或者不准确回忆，所以跨多个成像会话随时间推移可靠和一致地比较并且跟踪患者的血流和/或灌注状态能够是棘手的。

进行若干尝试以将机器学习算法用于组织评估。这类方式看来似乎依靠视觉光伤口图像，并且因此基于伤口的表面外观对伤口进行分类，而忽视更强指示性质和/或状态组织(例如组织健康)的其他重要因素(例如血流模式)。本文所述的方法和系统在包括各种类型的组织(包括伤口组织和/或淋巴组织)中观察的血流动态的组织的医疗成像的上下文中的优良模式识别中利用机器学习算法的优点。因此，流量和/或灌注模式的视觉表示均可比先前所证明的要更为准确并且更为直观。