[发明专利]提供次要参数的方法、决策支持系统、介质、计算机程序

说明书

本发明暗示了一种用于在提供主要参数的决策支持系统(100)中，特别是在临床决策支持系统中提供次要参数(3)的方法，包含以下步骤：提供输入数据集；通过使用通过机器学习机制，特别是通过深度学习机制训练的子系统(10)基于所述输入数据集来近似次要参数(3)；和提供近似的次要参数；其中所述输入数据集是形状数据集(2)。

技术领域

本发明描述了一种用于提供次要参数的方法、决策支持系统、计算机可读介质和计算机程序产品。

背景技术

具体地，本发明涉及临床决策支持(CDS)系统。，通过对其提供相关的特定专利信息，CDS系统是来在他们复杂的决策做出过程中帮助临床医生的必备工具。例如，这样的信息可能是图像数据集、实验室报告或者是诸如患者的年龄的一般(general)数据。通过累积和过滤相关信息，CDS系统有助于做出诊断或治疗决策。

然而，一些相关信息对于CDS系统不可用，因为它们的计算是复杂并且耗时的，使得不能在相对较短的时间内使信息可用。例如，压力和/或血流速率是这样的信息。为了计算这些量，通常需要计算流体动力学模拟，并且因此不能在适当的时间内使这些信息可用。

发明内容

因此，本发明的目的是快速并且简单地向决策支持系统，特别是临床决策支持系统提供附加信息，即次要参数。

此目的通过根据本发明所述的用于提供次要参数的方法；通过根据本发明所述的决策支持系统；根据本发明所述的计算机程序产品和根据本发明所述的计算机可读介质来实现。

根据本发明的第一方面，提供了一种用于在决策支持系统，特别是临床决策支持系统中提供次要参数的方法，该决策指示系统向用户供应主要参数，该方法包含以下步骤：

-提供输入数据集；

-通过使用通过机器学习机制，特别是通过深度学习机制训练的子系统，基于输入数据集来近似次要参数；以及

-提供近似的次要参数；

其中输入数据集是形状数据集。

与现有技术相比，形状数据集用作通过机器学习机构训练的子系统的输入。结果，能扩展和改进决策支持系统，以通过提供从形状数据集导出的附加信息(即，次要参数)来促进(facilitate)决策。通过使用训练的子系统，可以只执行用于近似次要参数的前向路径(forward pass)。这意味着能在相对较短的时间内提供次要参数，而无需花费运算的计算。通过降低用于提供次要参数的运算要求，进一步有利地，可以降低CDS系统的硬件需求。一般地，训练的子系统是人工神经网络，特别是通过深度学习机制训练的。优选地，所述子系统包含处理器，所述处理器配置成用于基于输入数据集来近似次要参数，并且配置成用于通过机器学习机制，特别是通过深度学习机制可训练的。此外，优选地规定，训练的子系统包含用于接收输入数据集的输入层、多个隐藏层和用于提供次要参数的输出层。

优选地，主要参数是存储在存储器设备中的信息，诸如患者信息(例如患者年龄或BMI)、图像数据集(诸如MR或CT图像数据集)、实验室报告(例如，血液测试)和/或医学知识。优选地，配置CDS系统，使得其积累并且过滤可用的主要参数，用于向用户(例如临床医生)显示用于帮助做出决策过程的相关的数据。

优选地，术语“形状数据集”描述能通过任何种类的多边形网格(polygonal mesh)表示的数据集。例如，数据集包含形成二维(2D)或者三维(3D)网格的一组顶点、三角形和/或多边形。还可以想到的，形状数据集包含根据顶点、四面体、六面体或其他三维元素形成的体积网格。优选地，形状数据集包含三维物体，特别是身体中的器官或者结构的表面的分割，其中从图像数据集导出该表面。例如，从示出患者的三维物体的图像数据集中提取形状数据集。