[發明專利]圖像分析方法和系統

在審

• 申請號: 202010564495.6
• 申請日: 2020-06-19
• 公開（公告）號: CN112116552A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 彭宇
• 申請（專利權）人: 斯特拉克斯私人有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京戈程知識產權代理有限公司 11314
• 代理人: 程偉;甄雁翔

1.一種計算機實現的圖像分析方法，其包括：

量化從受試者的醫學圖像分割和識別的一個或多個特征；

從一個或多個非圖像數據源中提取與所述受試者有關的非圖像數據；

從與所述受試者有關的非圖像數據中提取臨床相關特征；

利用經過訓練的機器學習模型評估從醫學圖像中分割的量化特征和從非圖像數據中提取的特征；以及

輸出一個或多個特征評估結果。

2.根據權利要求1所述的方法，其包括：

a)接收圖像并從圖像中分割一個或多個特征，或者

b)接收具有從中分割的特征的圖像；以及

識別從圖像中分割的特征。

3.根據權利要求1或2所述的方法，其中，分割和識別通過機器學習算法訓練的分割和識別模型來實現，所述機器學習算法訓練的分割和識別模型配置為從圖像中分割和識別特征。

4.根據權利要求3所述的方法，其中，經過訓練的分割和識別模型包括深度卷積神經網絡訓練的模型。

5.根據前述權利要求中任一項所述的方法，其中，經過訓練的機器學習模型包括

a)疾病分類模型；

b)利用從患者數據中提取的特征以及指示疾病或非疾病的標簽或注釋進行訓練的模型；和/或

c)深度學習神經網絡或其它機器學習算法。

6.根據前述權利要求中任一項所述的方法，其中，經過訓練的機器學習模型是訓練用于診斷和/或監測一種或多種肌肉骨骼疾病的模型。

7.根據前述權利要求中任一項所述的方法，進一步包括：i)對經過訓練的機器學習模型進行訓練，和/或ii)利用從新的或新分析的受試者數據中獲得的附加標記數據對經過訓練的機器學習模型進行更新。

8.根據前述權利要求中任一項所述的方法，其中，結果包括：i)一個或多個疾病分類；ii)一個或多個疾病概率；和/或iii)一個或多個骨折風險分數。

9.根據前述權利要求中任一項所述的方法，其中，評估包括骨脆性評估。

10.一種圖像分析系統，其包括：

特征量化器，其配置為量化從受試者的醫學圖像分割和識別的一個或多個特征；

非圖像數據處理器，其配置為從一個或多個非圖像數據源中提取與所述受試者有關的非圖像數據并從與所述受試者有關的非圖像數據中提取臨床相關特征；

特征評估器，其配置為利用經過訓練的機器學習模型評估從醫學圖像中分割的量化特征和從非圖像數據中提取的特征；以及

輸出部，其配置為輸出一個或多個特征評估結果。

11.根據權利要求10所述的圖像分析系統，其還包括分割器和識別器，所述分割器和識別器配置為接收圖像、從圖像中分割一個或多個特征、以及識別從圖像中分割的特征。

12.根據權利要求11所述的圖像分析系統，其中，所述分割器和識別器包括機器學習算法訓練的分割和識別模型，所述機器學習算法訓練的分割和識別模型配置為從圖像中分割和識別特征。

13.根據權利要求12所述的圖像分析系統，其中，訓練的分割和識別模型包括深度卷積神經網絡訓練的模型。

14.根據權利要求10至13中任一項所述的圖像分析系統，其中，所述經過訓練的機器學習模型包括：

a)疾病分類模型；

b)利用從患者數據中提取的特征以及指示疾病或非疾病的標簽或注釋進行訓練的模型；和/或

c)深度學習神經網絡或其它機器學習算法。

15.根據權利要求10至14中任一項所述的圖像分析系統，其中，經過訓練的機器學習模型是訓練用于診斷和/或監測一種或多種肌肉骨骼疾病的模型。