[发明专利]用于检测并测定病灶尺寸的AI系统

说明书

一种在临床手术期间实时检测并测定病灶尺寸的人工智能(AI)平台、方法以及程序产品。公开了一种AI平台，该AI平台包括：经训练的分类器，该经训练的分类器包括被训练以检测图像数据中的病灶和参考对象的深度学习模型；实时视频分析系统，该实时视频分析系统接收临床手术期间的视频馈给、使用经训练的分类器确定来自视频馈给的视频帧是否具有病灶和参考对象两者、基于病灶和参考对象两者的像素尺寸来计算病灶的实际尺寸、以及输出检测到病灶的指示以及病灶的实际尺寸。

技术领域

本发明的主题涉及检测并测定病灶尺寸，更具体地，涉及实时检测并测定病灶尺寸的人工智能平台。

背景技术

结肠息肉生长于结肠的内衬上并且很常见。结肠息肉因它们可能是或者可能变为恶性(癌症)而变得很重要。它们还很重要是因为基于它们的尺寸、数量以及显微解剖(组织结构)，临床医生可以预测哪些患者更有可能发展出更多的息肉以及结肠癌。

息肉可能呈各种形状。例如，有蒂息肉看起来像蘑菇、通过薄的茎秆附接至结肠的衬里并在肠内部翻转。无蒂息肉没有茎，并且通过宽的基部附接至衬里。扁平结肠息肉是扁平的甚至微凹。这些可能难以识别，这是因为它们不像在常用的息肉诊断方法的情况下的息肉或无蒂息肉那么突出。

最常见类型的息肉是腺瘤或腺瘤息肉。这是一种要识别的重要的息肉类型，不仅是因为它是最常见的，而且因为它是结肠癌最常见的危险因素。腺瘤将发展成(或者已经发展到)癌症的可能性部分依赖于其类型、形状以及尺寸；息肉越大，它更有可能是或将变成恶性的(例如，关于潜在恶性肿瘤的担忧随息肉尺寸大于1厘米而增加)。

如果存在单发性息肉或多发性息肉那么它也很要紧。具有多发性息肉(即使在显微镜下检查时这些息肉不是恶性的)的患者更有可能发展出在未来可能变成恶性的额外的息肉。有关这种增加恶性肿瘤可能性的担忧是在有三个或更多个息肉时开始的。

由于息肉尺寸与随后的恶性肿瘤发展之间存在强联系，因此，必须准确地检测并测定息肉尺寸。测定息肉尺寸的最常用方法涉及内窥镜师(endoscopist)在手术(procedure)期间观看高清晰度画面并且视觉上估计该息肉的尺寸。在手术期间例如使用手术钳或勒除器去除的息肉可以此后由病理医师进一步加以测量。然而，NIH最近的研究发现，内窥镜师的估计与病理医师对结肠息肉尺寸的测量结果之间有着显著的差异(例如，0.3cm的平均差异)。

该研究的结果暗示息肉尺寸文件记载方面的广泛不一致。临床医生估计和病理医师测量结果都未准确地反映结肠息肉尺寸。息肉尺寸的不准确确定可以对涉及晚期腺瘤检测的患者预后产生不利的影响。

发明内容

本公开的各方面提供了一种在手术期间实时检测并测定病灶(例如，息肉)和其它病变组织尺寸的人工智能(AI)平台。因此，使用所描述的平台和方法，临床医生例如可以在对患者进行手术的同时实时检测并测定扁平或无蒂锯齿状息肉尺寸，从而促进更好的患者护理。在临床医生正在实时进行手术的同时，AI平台使用两步法，其中首先检测病灶，然后使用像手术钳或在手术期间用于介入的任何其它装置的参考对象来测定尺寸。深度学习算法预测在临床手术期间收集的针对介入的视频流的上下文，其中该上下文例如标识结肠息肉(病灶)以及手术钳(参考对象)。

第一方面公开了一种在临床手术期间实时检测并测定病灶尺寸的人工智能(AI)平台，该AI平台包括：经训练的分类器，该经训练的分类器包括被训练以检测图像数据中的病灶和参考对象的深度学习模型；实时视频分析系统，该实时视频分析系统接收临床手术期间的视频馈给(video feed)、使用经训练的分类器确定来自视频馈给的视频帧是否具有病灶和参考对象两者、基于病灶和参考对象两者的像素尺寸来计算病灶的实际尺寸、以及输出检测到病灶的指示以及病灶的实际尺寸。