【技術實現步驟摘要】
本公開涉及一種用于分析兩個醫學成像數據集之間的改變的方法和裝置。
技術介紹
1、當使用基線醫學圖像診斷患者的病情時，通常推薦隨訪成像以監測病情的進展。在拍攝隨訪圖像后，放射科醫生可以審查隨訪圖像和基線圖像，并且撰寫報告，描述病情的任何進展。然而，解讀隨訪圖像和/或撰寫報告是耗時的任務。
2、此外，當將診斷時所拍攝的基線圖像與隨后拍攝的隨訪圖像進行比較時，圖像可以包括與病情的進展無關的偽影。例如，在用于捕捉基線圖像的照明或成像角度與用于拍攝隨訪圖像的照明或成像角度不同的情況下，偽影可以是可見的。其他不相關的改變在圖像中可能是明顯的。這可能使隨訪圖像和基線圖像的解讀和/或報告變得困難。
3、期望使隨訪醫學圖像的解讀和/或報告自動化或在隨訪醫學圖像的解讀和/或報告中至少提供計算機實現的輔助。
技術實現思路
1、本文中描述了一種用于生成描述第一醫學成像數據和第二醫學成像數據之間的改變的自然語言文本的框架。獲得代表第一醫學成像數據和第二醫學成像數據或代表第一醫學成像數據和第二醫學成像數據之間的差異的成像數據。將成像數據輸入到第一經訓練的機器學習模型中，以生成代表第一醫學成像數據和第二醫學成像數據之間的差異的圖像特征向量，并且將代表圖像特征向量的數據輸入到第二經訓練的機器學習模型中，以生成描述第一醫學成像數據和第二醫學成像數據之間的改變的自然語言文本。
【技術保護點】
1.一種用于生成描述第一醫學成像數據和第二醫學成像數據之間的改變的自然語言文本的計算機實現的方法，所述方法包括：
2.根據權利要求1所述的方法，包括：
3.根據權利要求1所述的方法，其中所述第一醫學成像數據是針對患者的并且已經在第一時間被捕捉，并且所述第二醫學成像數據是針對患者的并且已經在第二晚些時間被捕捉。
4.根據權利要求1所述的方法，其中所述改變表示醫學異常的發生、進展、消退或消失。
5.根據權利要求1所述的方法，包括：
6.根據權利要求5所述的方法，其中將第一強度值與第二強度值進行比較包括使用第一強度值和第二強度值執行減法運算。
7.根據權利要求1所述的方法，其中生成圖像特征向量包括：
8.根據權利要求7所述的方法，其中所述方法包括通過將降維操作應用于所述一個或多個注意力圖中的每一個來生成代表所述一個或多個注意力圖的數據。
9.根據權利要求7所述的方法，其中所述一個或多個注意力圖包括多個注意力圖，并且每個注意力圖涉及成像數據的不同片段。
10.一種訓練機器學習模型的
11.根據權利要求10所述的方法，其中提供訓練數據包括通過將與第一訓練醫學成像數據相關聯的第一訓練醫學文本報告和與第二訓練醫學成像數據相關聯的第二訓練醫學文本報告輸入到第三經訓練的機器學習模型中，為每個訓練成像數據集生成基礎真值自然語言文本。
12.根據權利要求11所述的方法，其中：
13.根據權利要求12所述的方法，其中基于所述訓練數據訓練所述機器學習模型包括訓練所述機器學習模型，以便最小化以下特征向量之間的進一步的損失函數：
14.一種用于生成描述第一醫學成像數據和第二醫學成像數據之間的改變的自然語言文本的系統：
15.根據權利要求14所述的系統，其中所述處理器與所述計算機可讀程序代碼一起操作，以基于與第一醫學成像數據相關聯的第一醫學文本報告以及描述所述改變的自然語言文本生成與第二醫學成像數據相關聯的第二醫學文本報告。
16.根據權利要求14所述的系統，其中所述第一醫學成像數據是針對患者的并且已經在第一時間被捕捉，并且所述第二醫學成像數據是針對患者的并且已經在第二晚些時間被捕捉。
17.根據權利要求14所述的系統，其中所述改變表示醫學異常的發生、進展、消退或消失。
18.根據權利要求14所述的系統，其中所述處理器與所述計算機可讀程序代碼一起操作，以進一步執行附加步驟，包括
19.根據權利要求18所述的系統，其中將第一強度值與第二強度值進行比較包括使用第一強度值和第二強度值執行減法運算。
20.根據權利要求14所述的系統，其中生成圖像特征向量包括：
...【技術特征摘要】
1.一種用于生成描述第一醫學成像數據和第二醫學成像數據之間的改變的自然語言文本的計算機實現的方法，所述方法包括：
2.根據權利要求1所述的方法，包括：
3.根據權利要求1所述的方法，其中所述第一醫學成像數據是針對患者的并且已經在第一時間被捕捉，并且所述第二醫學成像數據是針對患者的并且已經在第二晚些時間被捕捉。
4.根據權利要求1所述的方法，其中所述改變表示醫學異常的發生、進展、消退或消失。
5.根據權利要求1所述的方法，包括：
6.根據權利要求5所述的方法，其中將第一強度值與第二強度值進行比較包括使用第一強度值和第二強度值執行減法運算。
7.根據權利要求1所述的方法，其中生成圖像特征向量包括：
8.根據權利要求7所述的方法，其中所述方法包括通過將降維操作應用于所述一個或多個注意力圖中的每一個來生成代表所述一個或多個注意力圖的數據。
9.根據權利要求7所述的方法，其中所述一個或多個注意力圖包括多個注意力圖，并且每個注意力圖涉及成像數據的不同片段。
10.一種訓練機器學習模型的計算機實現的訓練方法，用于生成描述第一醫學成像數據和第二醫學成像數據之間的改變的自然語言文本，所述方法包括：
11.根據權利要求10所述的方法，其中提供訓練數據包括通過將與第一訓練醫學成像數據相關聯的第一訓練醫學文本報告和與第二訓練醫學成像數...
【專利技術屬性】
技術研發人員：M·阿卜迪舍克泰，S·法爾漢德，品川嘉久，G·埃莫西約瓦拉德茲，M·沃爾夫，
申請(專利權)人：西門子醫療股份公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。