[发明专利]利用定量成像的方法和系统

权利要求书

1.一种用于使用富集的放射学数据集对病理学进行计算机辅助的表型分型或结果预测的方法，所述方法包括：

接收患者的放射学数据集；

通过执行对解剖结构、形状或几何形状和/或组织特性、类型或性状的分析物测量和/或分类以及对与病理学相关的一组分析物的客观验证来富集所述数据集；以及

使用基于已知基准真相的机器学习分类方法来处理富集的数据集并确定以下中的一个或两个：(i)所述病理学的表型；或(ii)与所述病理学相关的预测结果；

其中富集所述数据集进一步包含所述数据集的用于凸显生物学上显著的空间上下文的空间变换；

其中所述变换包含相对于所述放射学数据集中的病理学特异性结构的横截面进行空间变换，以产生病理学适当的经过变换的数据集；并且

其中所述机器学习分类方法是使用经过训练的卷积神经网络(CNN)，所述经过训练的CNN应用于所述病理学适当的经过变换的数据集。

2.根据权利要求1所述的方法，其中对所述放射学数据集中的图像体积进行预处理以形成含有待分析的生理学靶标、病变和/或病变组的所关注区域，并且其中所述所关注区域包含一个或多个横截面，每个横截面由穿过所述体积的投影构成。

3.根据权利要求2所述的方法，其中如果所述所关注区域包含本质上定向的体积，则指示所述体积的中心线，使得沿所述中心线截取所述横截面并确定每个横截面的形心，并且其中经过预处理的放射学数据集以笛卡尔坐标系表示，在所述笛卡尔坐标系中，轴线用于分别表示距所述中心线的垂直距离和围绕所述中心线的旋转θ。

4.根据权利要求3所述的方法，其中所述所关注区域包含具有对应方向性的分支病理学特异性网络中的多个分支，其中相对于每个分支应用不同的笛卡尔坐标系。

5.根据权利要求4所述的方法，其中向单个分支分配所述分支的任何初始重叠区段。

6.根据权利要求2所述的方法，其中如果所述所关注区域包含本质上定向的体积，则指示所述体积的中心线，使得沿所述中心线截取所述横截面并确定每个横截面的形心，并且其中根据基于组织组成的能客观验证的特性对每个横截面内的子区域进行分类。

7.根据权利要求6所述的方法，其中组织组成分类包含单独和/或组合的病理学特异性组织特性的分类。

8.根据权利要求6所述的方法，其中组织组成分类进一步包含病理内出血(IPH)的分类。

9.根据权利要求6所述的方法，其中所述子区域基于异常形态进一步分类。

10.根据权利要求9所述的方法，其中异常形态分类包含病变的标识和/或分类。

11.根据权利要求1所述的方法，其中所述机器学习分类方法是使用经过训练的卷积神经网络(CNN)，其中所述CNN基于AlexNET、Inception、CaffeNet或其它开源或能商购框架的重构。

12.根据权利要求1所述的方法，其中数据集富集包含对分析物子区域进行基准真相注释以及提供此类分析物子区域如何存在于横截面中的空间上下文，并且其中所述空间上下文包含提供基于相对于每个横截面的形心的极坐标的坐标系。

13.根据权利要求12所述的方法，其中所述坐标系通过使径向坐标相对于管状结构归一化而被归一化。