[发明专利]基于计算机的诊断系统

说明书

一种基于计算机的诊断系统(1)，包括：图像生成单元，适于生成患者器官的断层图像；深度机器学习单元(3)，被配置成对所生成的患者器官的断层图像进行处理，以使用经训练的深度神经网络DNN将患者器官的患病功能组织的器官区域分类为属于一组异常图像模式之一；以及临床决策支持单元(4)，适于处理所述深度机器学习单元(3)的分类结果，以计算经由所述临床决策支持单元(4)的接口输出的诊断结果。

技术领域

本发明涉及基于计算机的诊断系统，特别地，涉及可以使用多模态数据驱动的纹理分割和分析来用于特发性肺纤维化(IPF)和/或间质性肺疾病(ILD)的诊断的基于计算机的诊断系统。

背景技术

对人体器官有影响的疾病的诊断可能是复杂的并且通常取决于执行诊断的医生的技术和经验。例如，特发性肺纤维化IPF和/或间质性肺疾病(ILD)是可以被定义为主要在老年人中发生的不明原因的慢性、发展性纤维化间质性肺炎的特定形式的肺部疾病。特发性肺纤维化和/或间质性肺疾病(ILD)限于患者的肺部，并且可以与UIP(普通型间质性肺炎)的组织病理学和/或放射学模式关联。特发性肺纤维化和/或间质性肺疾病可以基于未经过外科肺活组织检查的患者的高分辨率计算机断层(HRCT)图像上的UIP模式的存在来确定。针对特发性肺纤维化IPF和/或间质性肺疾病ILD的诊断，对于医生而言存在用于执行诊断的一般准则。诊断决策取决于对患者肺部拍摄的HRCT图像中存在或不存在UIP模式——包括现有的、可能的或者不一致的UIP模式——的确定。然而，UIP模式的视觉识别受到不同医生的观察之间的观察者间变化的影响。此外，放射学家通常以非特定的定性术语来传达放射学发现。此外，当经验较少的放射学家执行对HRCT图像的评估时，可能发生基于HRCT的误诊。

发明内容

因此，目的是提供一种增加关于患者器官的疾病的诊断结果的可靠性的基于计算机的诊断系统。

根据本发明的第一方面，通过包括权利要求1的特征的基于计算机的诊断系统来实现该目的。

本发明提供了一种基于计算机的诊断系统，包括：图像生成单元，适于生成患者器官的断层图像；

深度机器学习单元，被配置成对所生成的患者器官的断层图像进行处理，以使用经训练的深度神经网络将患者器官的患病功能组织的器官区域分类为属于一组异常图像模式之一；以及

临床决策支持单元，适于处理所述深度机器学习单元的分类结果，以计算经由所述临床决策支持单元的接口输出的诊断结果。

在根据本发明的第一方面的基于计算机的诊断系统的可能实施方式中，深度机器学习单元包括在深度机器学习单元的处理阶段上实现的经训练的卷积神经网络。

在根据本发明的第一方面的基于计算机的诊断系统的又一可能实施方式中，深度机器学习单元包括预处理阶段，所述预处理阶段由第一经训练的卷积神经网络实现并且适于提供患者器官的器官部分的分割掩模。

在根据本发明的第一方面的基于计算机的诊断系统的又一可能实施方式中，深度机器学习单元包括定位阶段，所述定位阶段由第二经训练的卷积神经网络实现并且适于从患者器官的区段内健康组织的区域中定位和描绘患病功能组织的区域。

在根据本发明的第一方面的基于计算机的诊断系统的再一可能实施方式中，深度机器学习单元包括分类阶段，所述分类阶段由第三经训练的卷积神经网络实现并且适于将患病功能组织的区域分类为属于一组预定图像模式之一。

在根据本发明的第一方面的基于计算机的诊断系统的再一可能实施方式中，深度机器学习单元的定位阶段的卷积神经网络是约束的卷积神经网络。

在根据本发明的第一方面的基于计算机的诊断系统的再一可能实施方式中，临床决策支持单元适于处理患者的附加的临床参数以计算诊断结果。