本发明涉及用于生成预测模型以优化临床工作流程的系统和方法。本发明还涉及包括该系统的工作站和成像装置。本发明还涉及包括用于使得处理器系统执行该方法的指令的计算机可读介质。本发明还涉及包括预测模型的计算机可读介质以及预测模型对于优化临床工作流程的用途。
背景技术：
在放射学领域中，优化患者和检查工作流程(此后统称为“临床工作流程”)通常对护理成本和质量产生巨大影响。这样的工作流程优化可以体现在效率以及工作流程的诊断价值方面。数据分析在医院管理中扮演着越来越重要的角色，并且也可能用于执行这样的工作流程优化。
然而，试图优化临床工作流程时出现的主要困难之一是定义合适的绩效指标并衡量和评估其价值。例如，磁共振成像(mri)序列、参数和线圈的某些组合，某组患者和/或医学人员的某种行为可能与在患者检查期间采集的医学图像的诊断价值的正相关或负相关。找到这些相关性可能涉及评估许多采集的医学图像并针对指示这些医学图像被采集时的条件的信息着手估计这些医学图像的诊断价值。这通常表示在临床实践中常规性地做出太多努力。
技术实现要素：
获得便于优化临床工作流程的系统或方法并进而减少这样的优化所需的努力将是有利的。
本发明的以下方面涉及生成预测模型，所述预测模型在给定临床工作流程的工作流程元数据的情况下预测由特定临床工作流程采集的医学图像的诊断价值。所生成的预测模型可以用于识别对特定临床工作流程的一个或多个调整，以便提高所采集的医学图像的诊断价值。为了生成预测模型，基于对在医师的审查期间医师的注意力的估计来估计医学图像的诊断价值，并且针对指示引起采集特定医学图像的临床工作流程的工作流程元数据着手估计医学图像的诊断价值。
本发明的第一方面提供了根据权利要求1所述的方法。
本发明的另外的方面提供了根据权利要求11所述的系统。
本发明的另外的方面提供了一种计算机可读介质，其包括表示指令的瞬态或非瞬态数据，所述指令用于使得处理器系统执行根据上述权利要求中的任一项所述的方法。
本发明的另外的方面提供了一种计算机可读介质，其包括表示预测模型的瞬态或非瞬态数据，所述预测模型基于特定临床工作流程的工作流程元数据来预测由所述特定临床工作流程采集的医学图像的诊断价值。
本发明的另外的方面提供了一种预测模型的用途，所述预测模型用于识别对临床工作流程的调整，根据所述预测模型对所述临床工作流程的调整引起在所述临床工作流程期间采集的所述医学图像的更高的诊断价值。
上述措施涉及使用机器学习技术将一幅或多幅医学图像的估计的诊断价值与指示建立对所述一幅或多幅医学图像的采集的临床工作流程的工作流程元数据进行关联。这里，“指示”是指工作流程元数据指示将要执行或者执行或者已经执行的临床工作流程的至少部分。非限制性范例是工作流程元数据指示所使用的成像模态，例如，mri、所使用的mri序列、所使用的mri参数和线圈等。另一个非限制性范例是工作流程元数据指示被成像的身体区域。
所述相关是针对不同的患者检查以及由此针对不同的临床工作流程来执行的，引起针对机器学习技术的输入由成对的i)估计的诊断价值和ii)工作流程元数据来构成。有效地，所估计的诊断价值可以被认为是机器学习技术中的“回答向量”，而工作流程元数据可以被认为是“输入向量”。
可以从医师使用图像查看器进行的查看动作来估计诊断价值。这里，术语“图像查看器”是指用于查看医学图像的软件和/或硬件，例如，运行在工作站上的软件应用程序。通常，这样的查看动作指示医师正在关注特定医学图像，并且因此可以表示医师的“关注价值”。因此可以分析图像查看器的查看器日志以估计一幅或多幅医学图像的诊断价值。为此目的，使用关注度量，该关注度量体现关于由查看动作所表示的医师的不同的查看行为如何与不同的诊断价值相关的一组假设。例如，关注度量可以将特定类型的查看动作映射到较高的诊断价值，同时将另一查看动作映射到较低的诊断价值。这里，诊断价值可以表示用于诊断的医学图像的量化值，例如，表示为范围从0.0(指医学图像不适合用于医学诊断)到1.0(指医学图像非常适合用于医学诊断)的标量。诊断价值也可以用任何其他合适的方式来表示。
机器学习技术提供预测模型作为输出部。该预测模型包括机器可解析数据，允许在在给定与临床工作流程的采集相关联的临床工作流程的工作流程元数据的情况下预测医学图像的诊断价值。有效地，预测模型可以用作查找表，例如，使用相关联的工作流程元数据作为输入来“查找”医学图像的诊断价值，而不是必须被构造为查找表。
假定工作流程元数据在临床环境中通常可用并且诊断价值自动地或至少半自动地得到估计，则上述测量具有预测模型允许以减少的努力优化特定临床工作流程的效果。这样，诸如医师的用户不需要手动找到工作流程参数与所采集的医学图像的诊断质量之间的相关性。有利地，优化可以在常规临床实践中执行而不会严重干扰所述临床实践。
注意，不同类型的工作流程元数据可以用于机器学习，而不是随后用于诊断模型中的“查找”。
获得工作流程元数据可以包括获得在执行临床工作流程中使用的医学装置或医学系统的系统日志。已经发现系统日志包含与在临床工作流程期间采集的一幅或多幅医学图像的诊断价值非常相关的相关信息。然而，使用所生成的预测模型的后续“查找”可以使用不同类型的工作流程元数据来执行。例如，工作流程元数据可以是针对假设的临床工作流程而生成的，而不是在实际临床工作流程期间例如以系统日志的形式搜集的。这使得临床工作流程仍然能够在实际执行之前得到修改。
所述系统日志可以是在采集所述一幅或多幅医学图像中使用的成像装置的系统日志。已经发现成像装置的系统日志高度预测所得到的医学图像的诊断价值。成像装置的范例是mri扫描器或计算机断层摄影(ct)扫描器。
任选地，所述关注度量基于以下中的至少一个将所述一个或多个查看动作映射到所述诊断价值：特定查看动作的发生或发生次数、所述一个或多个查看动作的时间顺序、对特定医学图像的查看持续时间，以及对所述特定医学图像的查看频率。特定查看动作的发生或发生次数可以指示或直接表示关注价值，关注价值继而又与特定诊断价值有关。例如，对医学图像中的区域的描画的发生可以指示医师对医学图像中的特定部分感兴趣，并且由此指示相对高的诊断价值。同样地，多个相异的亮度和/或对比度调整可以指示所采集的医学图像不能提供对特定感兴趣区域的良好查看，并且因此其诊断价值是次优的。另一范例是对医学图像的长的查看持续时间或多次重复查看可以指示医师对医学图像高度感兴趣。
任选地，所述一个或多个查看动作包括以下中的至少一个：缩放动作、对比度调整、亮度调整、切换到另一医学图像、删除医学图像，以及描画所述医学图像中的解剖结构。这样的查看动作被认为指示医师的关注，并由此表示一幅或多幅医学图像的诊断价值。
任选地，所述方法还包括向所述医师询问以获得关于所述诊断价值的用户输入，其中，对所述诊断价值的所述估计还基于所述用户输入。除了基于查看动作来估计诊断价值以外，还可以例如使用图像查看器的图形用户接口中的对话框来关于诊断价值直接询问医师。然后可以使用医师的输入来补充基于查看动作的估计，或者可能替换所估计的诊断价值。注意，可能是诊断价值的估计而不是直接询问保持相关，例如，当医师不提供用户输入时或者细化由医师提供的粗糙用户输入时。
任选地，所述方法还包括访问与所述患者检查相关联的放射学报告，其中，对所述诊断价值的所述估计还基于对所述放射学报告的分析。放射学报告可以指示一幅或多幅医学图像的诊断价值，因为放射学报告通常报告所述医学图像的临床相关性。例如，如果放射学报告不包括诊断和/或临床发现，则可能表明医学图像的诊断价值较小或没有诊断价值。通过考虑除了查看动作以外的放射学报告，能够更可靠地估计诊断价值。
任选地，所述方法还包括使用自然语言处理技术来分析放射学报告。如本领域公知的那样，通过使用自然语言处理技术，由医师生成的放射学报告可以被直接分析，例如，不需要以机器可解析格式生成放射学报告。
任选地，所述方法还包括分析所述预测模型以识别对所述特定临床工作流程的调整，根据所述预测模型对所述特定临床工作流程的所述调整引起所述医学图像的更高的诊断价值。在生成了预测模型之后，预测模型可以用于优化临床工作流程。例如，预测模型可以用于预测通过临床工作流程的若干变型采集的医学图像的诊断价值。为此目的，工作流程元数据可以被生成为指示临床工作流程的若干变型。然后可以选择根据预测模型产生最佳诊断价值的变化以实际执行该变型，将该变型选择为默认临床工作流程等。同样可以想到预测模型的各种其他用户。例如，可以基于预测模型来生成可视化，其可以使得医师或其他用户他/她自己能够使用可视化来识别优化。
本领域技术人员将理解，本发明的上述实施例、实施方式和/或任选的方面中的两个或更多个可以以任何被认为有用的方式组合。
本领域技术人员能够基于本申请对所述系统、所述成像装置、所述工作站和/或任何要求保护的计算机可读媒介进行修改和变化(其对应于所述方法的所述修改和变化)。
本领域技术人员将理解，所述方法可以应用于多维图像数据，例如应用于通过各种采集模态采集的二维(2d)、三维(3d)或四维(4d)图像，各种采集模态例如为但不限于标准x射线成像、计算机断层摄影(ct)、磁共振成像(mri)，超声(us)、正电子发射断层摄影(pet)、单光子发射计算机断层摄影(spect)，以及核医学(nm)。
附图说明
参考通过以下描述中的范例所描述的实施例并参考附图，本发明的这些方面和其他方面将变得明显并且得到进一步阐明，在附图中：
图1示出了用于生成预测模型的系统的实施例，其中，该系统包括任选的用户接口子系统，该任选的用户接口子系统被配置用于向放射科医师进行输出可视化并且用于接收来自放射科医师的用户输入；
图2示出了用于生成与成像装置、pacs服务器和图像查看器进行通信的预测模型的系统的另一实施例；
图3示出了对根据成像装置的系统日志(即，每个身体部位的扫描重复次数)导出的信息的可视化；
图4示出了对根据成像装置的系统日志(即，检查时间线)导出的信息的另一可视化；
图5示出了放射科医师用来审查医学图像的图像查看器的用户接口，其中，用户接口包括用户反馈对话框；
图6示出了用于生成预测模型的方法；并且
图7示出了包括用于使得处理器系统执行该方法的指令的计算机可读介质。
应当指出，这些附图纯粹是图解性的，并未按比例绘制。在附图中，对应于已经描述的元件的元件可以具有相同的附图标记。
附图标记列表
提供了以下附图标记列表以便于解读附图，并且不应将以下附图标记解释为对权利要求的限制。
020元数据存储库
022工作流程元数据
040报告存储库
042表示放射学报告的数据
060显示器
062显示数据
080用户输入设备
082用户输入数据
100、102用于生成预测模型的系统
120元数据输入接口
140报告数据输入接口
160处理器
180用户接口子系统
182显示输出部
184用户设备输入
200成像装置
202成像装置的系统日志
204(一幅或多幅)医学图像
210pacs服务器
212医学图像元数据
220图像查看器
222图像查看器的查看器日志
224用户反馈数据
300系统日志—扫描重复的条形图的可视化
302数轴
310系统日志—检查时间线的可视化
312时间轴
400图像查看器的用户接口
410医学图像
412信号丢失区域
420表示查看动作的图标
430用户反馈对话框
500用于生成预测模型的方法
510获得工作流程元数据
520获得关注价值
530估计诊断价值
540应用机器学习技术
570计算机可读介质
580非瞬态数据
具体实施方式
图1示出了用于生成预测模型的系统的第一实施例。预测模型可以用于优化临床工作流程，其中，临床工作流程引起在患者检查期间采集一幅或多幅医学图像。
系统100被示为包括元数据输入接口120，元数据输入接口120用于访问指示临床工作流程的工作流程元数据022。如将参考图2-4进一步解释的那样，这样的工作流程元数据022可以采用各种形式，并且可以从各种源获得。在图1的范例中，元数据输入接口120被示为连接到位于外部的元数据存储库020，元数据存储库020包括工作流程元数据022。替代地，可以从系统100的内部数据存储设备访问工作流程元数据022。通常，元数据输入接口120可以采用各种形式，例如，到局域网或广域网(例如，互联网)的网络接口，到内部或外部数据存储设备的存储接口等。局域网的范例是在医院或其他临床站点内的局域网。
处理器160被配置用于在系统100的操作期间确定表征医师对一幅或多幅医学图像的审查的关注价值并且被配置用于估计一幅或多幅医学图像对于医师用于完成临床诊断的诊断价值。在这方面中，应当注意，此后将参考医师(例如，放射科医师)来进行说明。所描述的操作由处理器针对不同的临床工作流程来执行，例如涉及不同的患者检查，从而获得多个诊断价值。元数据输入接口120被配置用于获得相应的多个工作流程元数据，例如，每个工作流程元数据指示相应的临床工作流程。处理器160还被配置用于在系统100的操作期间将机器学习技术应用于多个诊断价值和多个工作流程元数据以生成预测模型，预测模型基于特定临床工作流程的工作流程元数据来预测通过特定临床工作流程采集的医学图像的诊断价值。
将参考图2-4对工作流程元数据的范例进行进一步讨论，将参考图5对关注价值的确定和使用关注价值对诊断价值的估计进行进一步讨论。具体地，作为关注价值，可以获得图像查看器的查看器日志，这指示放射科医师使用图像查看器执行的一个或多个查看动作。除非另有说明，否则关注价值可以直接由查看动作表示。这样，对确定关注价值的任何引用可以被理解为从图像查看器的查看器日志确定查看动作。
然而，一般而言，可以如下生成预测模型：工作流程元数据可以用于形成多维特征向量。该向量可以与系统估计的相应诊断价值相关联。非限制性范例是诊断价值可以是0和1之间的实数。机器学习技术可以用于将特征向量的特征空间分割成其中特征向量与相同或相似的诊断价值相关联的区域。可以用于生成预测模型的机器学习技术包括但不限于支持向量机(svm)、决策树/森林、神经网络/深度学习、k-最近邻(knn)等。预测模型可以被生成为指示这些区域以及每个区域内的诊断价值。
在生成了预测模型之后，可以使用预测模型(即通过确定特定工作流程元数据的特征向量落入哪个区域)来预测特定临床工作流程的最可能的诊断价值。预测模型还可以用于识别对特定临床工作流程的调整，其改善所采集的医学图像的诊断价值。例如，可以识别与高诊断价值相关联的另外的特征向量。两个特征向量之间的差异可以表示要做出的(一个或多个)调整。通过选择与特定工作流程元数据的特征向量类似的另外的特征向量，能够使(一个或多个)调整的数量和/或量最小化。特征向量之间的相似性可以以本身已知的方式进行量化，例如基于距离度量进行量化。然后可以向放射科医师或其他用户推荐调整。工作流程调整的范例包括但不限于利用更适合的mr序列，对mr序列进行时间重新排序，利用特定mr线圈，改善患者通信(与他/她交谈以使患者更放松)等。
进一步参考图1，系统100还被示为包括连接到报告存储库040的报告数据输入接口140。这样，使得图1的系统100能够访问一个或多个放射学报告。将参考图5进一步解释系统100的这个任选的方面。
图1的系统100还被示为包括用户接口子系统180，用户接口子系统180包括用于生成用于在显示器060上显示的显示数据062的显示输出部182以及用于接收由能由用户操作的用户输入设备080提供的用户输入数据082的用户设备输入部184。用户输入设备080可以采用各种形式，包括但不限于计算机鼠标080、触摸屏、键盘等。用户输入接口180可以是对应于用户输入设备080的类型的类型，即，它可以是与之对应的用户设备接口。基于处理器160与用户接口子系统180之间的数据通信162，显示输出部182和用户设备输入部184一起使得用户能够与系统100交互。例如，系统100可以在显示器060上显示预测模型或者预测模型的视觉表示。额外地或替代地，系统100可以对使用预测模型识别的对临床工作流程的一个或多个调整进行可视化。用户接口子系统180也可以用于向放射科医师询问诊断价值，如将参考图5进一步解释的。
通常，系统100可以被实施为单个设备或装置或者被实施在单个设备或装置中，例如，工作站或成像装置。工作站可以被共同配置为图像查看器，例如通过被配置用于运行使得放射科医师能够审查一幅或多幅医学图像的软件应用程序。该设备或装置可以包括一个或多个运行适当软件的微处理器。软件可能已经被下载和/或被存储在对应的存储器(例如，诸如ram的易失性存储器或者诸如闪速存储器的非易失性存储器)中。替代地，系统的单元可以以可编程逻辑单元的形式被实施在设备或装置中，例如被实施为现场可编程门阵列(fpga)。通常，系统的每个单元可以以电路的形式来实施。应当注意，系统100还可以以分布式方式来实施，例如涉及不同的设备或装置。例如，分布可以根据客户端-服务器模型。
图2示出了用于生成预测模型的系统102的第二实施例。这里，示出了系统102获得指示特定临床工作流程的工作流程元数据的各种选项。第一范例是系统102可以例如经由诸如医院信息系统(his)的网络的网络从成像装置200接收系统日志202。系统日志202可以包括工作流程信息和关于在特定临床工作流程期间成像装置200已经采集了哪个或哪些医学图像204的信息。第二范例是图片存档与通信系统(pacs)服务器210可以向系统102提供所采集的(一幅或多幅)医学图像204的医学图像元数据212。已经发现医学图像元数据212指示临床工作流程。医学图像元数据212可以伴随有一幅或多幅医学图像204本身。在图2中进一步示出了图像查看器220，图像查看器220用于使得放射科医师能够审查医学图像204。图像查看器220被示为例如经由网络从pacs服务器210接收医学图像204并向系统提供查看器日志222和用户反馈数据224。这两种类型的数据可以用于(更好地)估计医学图像204的诊断价值，并且将参考图5进一步解释。应当注意，图像查看器220的范例是放射科医师的工作站。
系统102可以使用全部或选定的所获得的(元)数据作为机器学习技术中的输入，以将一幅或多幅医学图像204的估计诊断价值与已知的关于临床工作流程的信息以及其他信息(例如，患者信息)进行相关。这可以使得临床工作流程参数(包括与好的/坏的诊断价值相关的患者检查的临床工作流程参数)得以识别并且然后得以可视化或以其他方式用于改进临床工作流程。
图3示出了根据成像装置的系统日志导出的信息的可视化，即，表示每个身体部位的扫描重复次数的条形图300。具体地，图3沿着水平轴302示出针对一个特定成像装置(例如，mri扫描器)的不同的被检查身体部位的每次检查的扫描重复的平均次数，同时沿着垂直轴说明不同的被检查身体部位。应当理解，扫描重复的次数指示临床工作流程，并且可以与所采集的图像的诊断价值相关。例如，重复扫描腹部的事实可能涉及由患者在图像采集时移动或不适当地屏住呼吸而引起的图像质量问题。通过将该信息与图像的估计的诊断价值相关，所生成的预测模型可以指示例如哪些患者特别兴奋并倾向于移动很多。所生成的预测模型也可以指示例如扫描会不必要地重复进行，使得能够通过在某些情况下不重复扫描来改进工作流程。
图4示出了根据成像装置的系统日志导出的信息的另一可视化，即，检查时间线310。具体地，图4示出了根据例如从系统日志获得的成像装置的日志文件信息重建的检查时间线310。这里，垂直轴312对应于时间轴。不同的强度和模式指代不同的事件。由这样的日志文件信息指示的事件的范例可以是发生患者台运动，诊断扫描，调查扫描和/或发生自动参考扫描。在图4的范例中，阴影指示扫描已被中止(这里，中止的扫描在30秒中断之后重复)。最亮的区域表示停机时间。尽管在检查时间线310中发生的精确事件并不特别相关，但是应当理解，这些事件(可能包括它们的顺序、持续时间等)指示临床工作流程，并且可以与所采集的图像的诊断价值相关。例如，特定扫描被中止的事实可能与患者紧张和移动很多有关。因此，这样的事件可能指示图像质量低于平均水平，这也适用于该检查的其他一些扫描。作为另一范例，在中止扫描之后的患者台运动可以指示患者在检查开始时没有被正确定位，并且因此在重新定位之前拍摄的所有图像可能具有有限的诊断价值。
图5示出了放射科医师用于审查医学图像410的图像查看器的用户接口400。这样的图像查看功能可以通过生成预测模型本身的系统(例如通过包括如图1所示的用户接口子系统的系统，或者通过被集成到图像查看器中的系统(例如，放射科医师的工作站))来提供。替代地，图像查看器可以与系统分开提供，但是可以被修改以提供以下额外功能。
即，除了放射科医师能够使用用户接口400审查一幅或多幅医学图像410并且选择由用户接口400中的图标420表示的各种查看动作以外，用户接口400还可以在屏幕上建立用户反馈对话框430，这使得放射科医师能够主动提供对关于当前显示的医学图像310的诊断价值的反馈。例如，放射科医师可以有使用屏幕上按钮来选择“非常好”、“好”、“差”和“非常差”的选项。在该特定范例中，放射科医师可以鉴于包括信号丢失412的医学图像410来选择“差”。系统可以使用这样的用户反馈以基于关注价值来替换或加强对诊断价值的估计。后者的范例是可以在可用的情况下使用用户反馈，否则可以由系统估计诊断价值。另一范例是由放射科医师指示的诊断价值可以由基于关注价值对诊断价值的估计进行细化或者用于细化基于关注价值对诊断价值的估计。应当注意，代替向放射科医师询问诊断价值，也可以向放射科医师询问图像质量。图像质量可以揭示图像采集过程中的问题，并且可以是针对诊断质量的良好指标，因此可以是针对所采集的医学图像的诊断价值的良好指标。例如由噪声、信号丢失或图像重建伪影引起的差的图像质量在很多情况下也会导致图像的差的诊断价值。然而，良好的图像质量并不总意味着良好的诊断价值，因为图像可能根本不覆盖感兴趣区域，或者以不适合回答临床问题的方式选择了图像对比度。
如果需要，图像查看器可以被进一步修改以使查看器日志可用，所述查看器日志指示由放射科医师使用图像查看器执行的一个或多个查看动作。因此，可以基于对查看器日志的分析来确定关注价值。为此目的，图像查看器可以测量某些信息，包括但不限于每幅医学图像的查看时间和查看频率。此外，可以记录由放射科医师选择的查看动作，包括但不限于缩放，对图像对比度和亮度的调整，某些医学图像之间的频繁交替(来回切换)，医学图像的删除，对医学图像中解剖结构的手动描画等。
关注价值可以根据记录的查看动作来确定。替代地，记录的查看动作可能已经被视为表示关注价值。例如，长的查看持续时间可以指代高关注价值，而医学图像的删除可以指代低关注价值。因此，可以基于查看器日志中的信息来直接估计诊断价值。例如，可以使用关注度量，其体现关于放射科医师的查看行为的一组假设，并且将查看动作的发生、发生次数、时间顺序等与诊断价值相关。特定范例可以是对亮度和对比度的频繁调整可以指示图像对比度不是最优的，因此诊断价值相对较低。另一特定范例是仅在非常短的时间内查看的医学图像或由放射科医师删除的医学图像可以向系统指示它们的诊断价值相对较低并且在临床工作流程的优化版本中可以省略对应的扫描。
通常存在与患者检查相关联的放射学报告。可以基于对放射学报告的分析来估计诊断价值，例如使用自然语言处理(nlp)或类似工具，以便从文字描述中提取关于图像的诊断价值的信息。
应当理解，所要求保护的本发明也可以应用于除了放射科医师以外的临床医师对医学图像的审查。正因如此，在适当的情况下，术语“放射科医师”可以由“临床医师”代替。
图6示出了用于生成预测模型的方法500，其可以对应于参考图1-5所描述的系统的操作。
方法500包括在标题为“获得工作流程元数据”的操作中的获得510指示临床工作流程的工作流程元数据。方法500还包括在标题为“获得关注价值”的操作中获得520关注价值，所述关注价值至少部分表征由放射科医师对一幅或多幅医学图像的审查。方法500还包括在标题为“估计诊断价值”的操作中，为了完成临床诊断而估计530所述一幅或多幅医学图像对于所述放射科医师的诊断价值，其中，所述估计是基于关注价值和关注度量来执行的，关注度量将不同的关注价值映射到不同的诊断价值。可以针对不同的临床工作流程执行上述步骤以获得多个诊断价值和相应的多个工作流程元数据，如图6中通过指示正在重复的步骤的虚线箭头所指示的。方法500还包括在标题为“应用机器学习技术”的操作中将机器学习技术应用540于多个诊断价值和多个工作流程元数据以生成预测模型，所述预测模型基于特定临床工作流程的工作流程元数据来预测由特定临床工作流程采集的医学图像的诊断价值。
应当理解，上述操作可以以任何合适的顺序来执行，例如连续执行，同时执行或者其组合，在适用的情况下，受制于例如由于输入/输出关系所需的特定顺序。例如，可以在估计诊断价值之前或之后获得工作流程元数据，可以并行估计多个诊断价值等。
方法500可以被实施在计算机上作为计算机实施的方法，被实施为专用硬件或者被实施为两者的组合。也如图7所示，用于计算机的指令(例如，可执行代码)可以被存储在计算机可读介质570上，例如以一系列580机器可读物理标记的形式和/或以具有不同的电学(例如，磁性或光学性质或值)的一系列元件的形式。可执行代码可以以瞬态或非瞬态的方式进行存储。计算机可读介质的范例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。图7示出了光盘570。
替代地，图7的计算机可读介质可以包括表示由所述系统和所述方法生成的预测模型的瞬态或非瞬态数据，其中，数据以瞬态或非瞬态的方式进行存储，例如以一系列机器可读物理标记和/或一系列具有不同的电学(例如，磁性或光学性质或值)的元件的形式。
应当理解，根据本说明书的摘要，提供了用于生成用于在优化临床工作流程中使用的预测模型的系统和方法。可以如下生成所述预测模型：获得指示所述临床工作流程的工作流程元数据；获得表征临床医师审查在所述临床工作流程期间采集的一幅或多幅医学图像的关注价值；然后基于所述关注价值来估计所述一幅或多幅医学图像的诊断价值，针对不同的临床工作流程执行上述步骤；然后将机器学习技术应用于所得到的多个诊断价值和多个工作流程元数据以生成所述预测模型，所生成的预测模型在给定特定临床工作流程的所述工作流程元数据的情况下预测由所述特定临床工作流程采集的医学图像的所述诊断价值。有利地，所述预测模型可以用于修改所述临床工作流程以便提高所采集的图像的所述诊断价值。
无论是否指示非限制性，都不应将范例、实施例或任选特征理解为限制所要求保护的本发明。
应当理解，本发明也适用于适于将本发明付诸实践的计算机程序，尤其是载波上或载波中的计算机程序。程序可以为源代码、目标代码、代码中间源以及为部分编译形式的目标代码的形式，或者为适合于在根据本发明的方法的实施方式中使用的任何其他形式。也应当认识到，这样的程序可以具有许多不同的架构设计。例如，实施根据本发明的方法或系统的功能的程序代码可以被细分成一个或多个子例程。将功能分布在这些子例程之中的许多不同方式对本领域技术人员来说将是明显的。子例程可以被一起存储在一个可执行文件中，以形成自含程序。这样的可执行文件可以包括计算机可执行指令，例如，处理器指令和/或解读器指令(例如，java解读器指令)。替代地，子例程中的一个或多个或全部可以被存储在至少一个外部库文件中，并且例如在运行时间时被静态地或动态地与主程序链接。主程序包含对子例程中的至少一个的至少一次调用。子例程也可以包括彼此的功能调用。涉及计算机程序产品的实施例包括对应于在本文中阐述的方法中的至少一个的每个处理步骤的计算机可执行指令。这些指令可以被细分成子例程和/或被存储在可以被静态地或动态地链接的一个或多个文件中。涉及计算机程序产品的另一实施例包括对应于在本文中阐述的系统和/或产品中的至少一个的每个单元的计算机可执行指令。这些指令可以被细分成子例程和/或被存储在可以被静态地或动态地链接的一个或多个文件中。
计算机程序的载体可以为能够承载程序的任何实体或设备。例如，载体可以包括存储介质，例如，rom(例如，cdrom或半导体rom)，或者磁性记录介质(例如，硬盘)。此外，载体可以为可传输载体，例如，电信号或光信号，它们可以经由电缆或光缆或通过无线电或其他手段来传送。当程序被实施在这样的信号中时，载体可以包括这样的线缆或其他设备或器件。备选地，载体可以为程序被嵌入其中的集成电路，所述集成电路适于执行相关的方法，或者适于在对相关的方法的执行中使用。
应当注意，以上提及的实施例图示而非限制本发明，并且本领域技术人员将能够设计许多替代实施例，而不偏离权利要求的范围。在权利要求中，置于括号内的任何附图标记均不应被解读为对权利要求的限制。动词“包括”及其词性变化的使用不排除权利要求中记载的那些以外的其他元件或步骤的存在。元件前的词语“一”或“一个”不排除多个这样的元件的存在。本发明可以借助于包括若干不同元件的硬件，以及借助于被适当编程的计算机来实施。在列举了若干单元的装置型权利要求中，这些单元中的若干可以由同一项硬件来实施。某些措施被记载在互不相同的从属权利要求中的事实并不指示不能有利地使用这些措施的组合。