[发明专利]图像分析方法和系统

说明书

本发明提供一种图像分析方法和系统。所述方法包括：量化从受试者的医学图像分割和识别的一个或多个特征；从与所述受试者有关的非图像数据中提取临床相关特征；利用经过训练的机器学习模型评估从医学图像中分割的量化特征和从非图像数据中提取的特征；输出一个或多个特征评估结果。

与相关申请的交叉引用

本申请基于2019年6月21日提交的第16/448,460号美国专利申请，并要求其优先权，该申请提交的内容通过引用全部并入本文。

技术领域

本发明涉及一种图像分析方法和系统，特别地但并非仅限于医学成像方面的应用，例如，诊断和监测(例如，肌肉骨骼)成像中的疾病或状况。感兴趣区域可以是这样的医学图像中的2D区域或3D体积。可能的医学成像应用包括：计算机断层扫描(CT)、磁共振(MR)、超声和病理扫描仪成像。

背景技术

与肌肉骨骼相关疾病的发生有关的发病率、死亡率和费用正在增加，部分原因是长寿增加了老年人口的比例。早期检测肌肉骨骼疾病有助于减少疾病进展或减少负面后果(如骨折)的干预。

在肌肉骨骼成像领域，各种方法用于检测肌肉骨骼疾病。例如，骨活检用于检测骨癌或其它骨疾病，并能准确测量组织的特征。然而，骨活检是侵入性的，会引起疼痛和恐惧。

在其它方法中，肌肉骨骼疾病的评估是通过分析肌肉骨骼图像来识别或量化异常，这些图像通过各种成像模式收集，成像模式包括：双能X线吸收测定法(Dual-energy X-ray Absorptiometry，DXA)、计算机断层扫描(Computed Tomography，CT)、磁共振成像(Magnetic Resonance Imaging，MRI)和X线扫描仪。在肌肉骨骼疾病(如骨脆性、骨关节炎、类风湿性关节炎、骨软化症和骨畸形)的筛查和评估中，每种模式都有独特的优势。

例如，高分辨率外周骨定量计算机断层扫描(High-Resolution peripheralQuantitative Computed Tomography，HRpQCT)是高分辨率、低辐射、非侵入性的；其用于评估骨质量的三个重要决定因素：微结构、矿化和生物力学特性。

有手动、半手动和自动技术用于评估肌肉骨骼疾病，涉及各种成像模式。例如，骨髓负荷(Bone Marrow Burden，BMB)分数是MRI评分方法，用于手动评估骨髓在戈谢病(Gaucher disease)中的参与程度。放射科医生通过腰椎和股骨的MRI图像，利用根据排列标准的信号强度和分布来测量BMB分数。例如，一个已知的分数范围是腰椎0到8分，股骨0到8分，总分为0到16分。BMB总分越高表示骨髓受累越严重。

利用DXA图像半手动测量骨密度。脊柱或髋部用DXA扫描。放射科医生或医生选择感兴趣区域(例如，脊柱扫描上的不同脊柱部分和髋部扫描上的股骨颈)。根据预先定义的密度校准公式确定选定区域的骨密度。将测量的密度值与具有峰值骨量的一群同性别年轻人的测量值进行比较，将其转换为T分数。T分数≥-1被认为正常；T分数-2.5T-1被分类为骨量减少；T分数为≤-2.5被定义为骨质疏松。临床医生在评估骨折发展风险以及是否应推荐治疗时，会考虑T分数。

然而，手动或半手动分析肌肉骨骼成像的主要关注包括劳动强度和再现性。由于测量及其评估的主观性，无法保证准确度和再现性。

一种现有的用于评估肌肉骨骼图像的自动方法在美国专利第9,064,320号中公开，其发明名称为“Method and System for Image Analysis of Selected TissueStructures，用于所选组织结构的图像分析方法及系统”。这种方法自动分析和评估肌肉骨骼图像，如，腕部CT扫描。该方法可以用于自动从腕部CT扫描中提取桡骨，将桡骨分割成微观结构(即：致密皮质、过渡区和骨小梁区)，并量化皮质孔隙度和骨小梁密度。