专利名称：基于成像的病毒检测的制作方法
基于成像的病毒检测以下大致涉及基于成像的病毒检测并且以计算机断层摄影(CT)的特定应用来进行描述。然而，也可用于其他成像模态，包括X射线、磁共振成像(MRI)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)、超声(US)和/或其他成像模态。流感(流行性感冒)HlNl病毒是猪流感A (HlNl)的亚型，其是2009年流感大流行的根源。现有的季节性流感疫苗无法提供保护以防止猪流感病毒(S-OIV)的感染。文献指出，流感A (HlNl)病毒比季节性流感更易传染，并且受感染的人比受季节性流感感染的人要感染更长的时间，而且S-OIV优先感染某些人群。文献已经指出，虽然大部分病例是轻微和自限的，但是S-OIV对高危患者的感染 更可能导致严重的疾病并且甚至死亡。风险增大的人群包括小于5岁的儿童，65岁或者更老的成年人、具有其他慢性病的患者(例如，哮喘、糖尿病、心脏病、肾病、神经认知疾病，以及神经肌肉失调)，以及免疫抑制患者。在这些人群中，从症状发作到住院治疗和重症监护的时间可能少于二十四小时。在给出疾病的可能严重性，其潜在的流行性特征，以及其相关风险的情况下，对S-OIV的及时并且准确的检测和诊断将是有利的。遗憾的是，当前对流行性S-Oiv与季节性流感以及其他季节性传染疾病的诊断和区分受到其体征和症状的相似性的阻碍。因此，一些S-OIV病例被类似于季节性流感或者其他疾病地来治疗，并且在一些情况下，直到受试者入院治疗为止才诊断出该受试者已经感染了 S-0IV。三篇文章，Mollura等人的 “Imaging Findings in a Fatal Caseof PandemicSwine-Origin Influenza A (HlNl), ^American Journal ofRoentgenology, 2009，193:1-4，Ajlan 等人的“Swine-Origin Influenza A(HlNl)ViralInfection:Radiographic and CT Findings, "American Journal of Roentgenology,2009, 193:1-6,以及 Agarawl 等人的 “Chest Radiographic and CT Findings inNovelSwine-Origin Influenza A (HlNl) Virus (S-OIV) infection, ^AmericanJournal ofRoentgenology, 2009, 193:1_6，综述了对于被诊断有严重S-0IV感染的受试者以及被推测/实验室确认的S-Oiv感染的受试者的X射线照片和CT结果。本申请的各方面针对以上涉及的问题和其他。根据一个方面，一种用于基于成像数据来检测患者中的病毒的方法包括用成像设备扫描所述患者的感兴趣区域，并且生成指示所述感兴趣区域的成像数据，基于识别的至少一个标志和对应于所述病毒的预定可成像标志集来识别在所述图像数据中的对应于所述病毒的至少一个标志，基于分类规则集来将所述病毒分类为所述病毒的特定病毒株，以及生成指示所述特定病毒株的信号。在另一实施例中，一种系统包括基于成像数据来检测患者中的病毒的病毒检测设备。所述病毒检测设备包括数据分析器，其分析所述图像数据并且基于对应于所述病毒的预定特征集来识别所述图像数据中的对应于所述病毒的至少一个特征。所述数据分析器也包括病毒分类器，其基于所述特征来将所述病毒分类为所识别病毒的特定病毒株，并生成指示所述特定病毒株的信号。
在另一实施例中，一种计算机可读存储介质包括指令，当所述指令被计算机执行时，其使得所述计算机执行各种动作，例如扫描患者的感兴趣区域并且生成指示所述感兴趣区域的成像数据，基于所述成像数据来检测所述患者中病毒感染的存在，以及将所述感染分类为所述病毒的特定病毒株。本发明可采取各种部件和部件布置的形式，以及采取各种步骤和步骤安排的形式。图仅出于图示优选实施例的目的，并且不被解释为限制本发明。图I图示了与病毒识别设备相连接的示例成像系统；图2图示了病毒识别设备的示例流感检测部件；图3图示了病毒识别设备的示例规划部件； 图4图示了用于使用病毒识别设备来识别流感感染可能性的方法。以下描述了便于识别受试者中的传染性病毒，例如流感(例如，S-0IV)的系统和/或方法，其基于成像数据与以下中的至少一个的组合病毒引起的预定可成像标志、机器学习算法、患者信息和/或与该病毒相关的公众传播信息。通过使用这种数据，可及早检测和分类病毒如s-οιν，这可便于抑制S-OIV在人群中的传播、确定疫苗和/或健康护理工作者对公众的分配的优先顺序、在感染变得严重之前治疗患者，等等。图I图示了成像系统100，例如计算机断层摄影(CT)扫描器。该成像系统100包括大体固定扫描架102和旋转扫描架104。旋转扫描架104由固定扫描架102可旋转地支撑并且围绕检查区域106关于纵轴或者Z-轴108旋转。辐射源112，例如X射线管，由旋转扫描架104支撑。该辐射源112从焦斑发射电离辐射，并且该辐射横穿检查区域106以及其中的对象或者受试者。源准直器准直该辐射以形成大致锥形、楔形、扇形或者其他形状的辐射束。二维辐射敏感探测器阵列114以有角度的弧形置于辐射源112对面的检测区域106。探测器阵列114包括多行沿z轴方向延伸的探测器。探测器阵列114探测横穿检查区域106的辐射并生成指示该辐射的投影数据。重建器116重建投影数据并且生成指示该投影数据的三维(3D )体积图像数据。可以处理该体积图像数据以生成对象或者受试者的一个或多个图像。患者支撑118,例如床,在检查区域106中支撑对象或者受试者,例如人类患者。该患者支撑118便于在扫描患者之前、期间和/或之后沿着X、y和z轴定位患者。通用目的计算系统或者计算机用作操作者控制台120。控制台120的处理器执行被编码于该控制台120的计算机可读存储介质上的计算机可读指令，这允许操作者控制系统100的操作，例如选择协议、启动扫描，等等。控制台120也包括用于接收输入和输出信息的输入/输出，以及用于以人类可读格式来呈现信息的显示器。病毒识别设备122被配置为识别感染受试者的病毒。所图示的病毒识别设备122包括检测和分类病毒的检测部件124。这种信息可以用于检测传染性疾病的存在和类型。如以下更加详细描述地，在一个实例中，检测部件124基于成像数据和其他数据的结合来检测并且任选地分类该病毒。这种病毒的一个范例是流感病毒的病毒株(季节性的、大范围流行的，和/或其他流感)。举例来说，该病毒识别设备122可以检测和分类S-0IV、其他流感变种，例如流感C，以及流感A的亚型，例如H1N1、H1N2、H3N1、H3N2和H2N3。其他可以被检测到的流感A亚型包括但不限于，取吧、!15附、!17町、!19吧、!17吧、!17吧、册吧、!11(^7和/或其他亚型。此外，病
毒识别设备122可以被配置为检测非流感病毒。所图示的病毒识别设备122还包括任选的规划部件126，其便于规划合适的成像检查，以生成检测部件124所使用的图像数据。如以下更加详细描述地，在一个实例中，该规划部件126可以推荐成像模态的类型、成像协议和/或协议参数。检测部件124还包括用户界面128，其用于以不同方式向用户呈现信息。这种信息包括但不限于，关于患者具有特定疾病的可能性的信息、用于确定该可能性的信息(成像和非成像数据)、用于确定生成该成像数据和/或其他数据的成像模态的信息。例如，用户界面128可以用于用图像数据来呈现指示患者具有特定病毒的可能性的值。在一个实例中， 当呈现该图像数据时，图形化地高亮或者强调指示该病毒的图像数据区域。检测部件124还包括输入/输出(1/0)130，其允许检测部件124与各种系统通信。这种系统包括但不限于，控制台120、各种数据储存库(本地的和/或远程的)、临床医生使用的电子设备(例如，手机、计算机，等等)、档案数据库、放射检查信息系统、医院信息系统、数据储存库、政府机构、疾病控制中心，等等。所图示的病毒识别设备122是包括一个或多个处理器的计算系统的一部分，该处理器执行被编码于一个或多个的计算机可读存储介质上的一条或多条的计算机可读指令。该计算系统可以是系统100的一部分(或者与其一体化)，或者与系统100相分离并且位于系统100的本地(如所ττΟ或者远尚系统100。在其他实施例中，可以省略检测部件124中的一个或多个或者规划部件126。图2图示了(图I的病毒识别设备122的)范例检测部件124。所图示的检测部件124包括数据分析器202，其分析成像数据，例如投影(原始)数据、图像数据、图像和/或其他成像数据。该数据可从成像系统100、另一系统、储存库等等接收，并且可包括，但不限于，2D、3D和4D数据、功能性数据、对比增强数据、低剂量数据，等等。如接下来更加详细描述地，数据分析器202基于各种信息，例如特征、标志、算法、患者信息和/或其他信息，来分析数据。检测部件124生成表示该分析的信号。病毒标志库204包括用于给数据分析器202使用的一个或多个标志集。在一个实例中，标志中的至少一个对应于一个或多个疾病类型，例如一个或多个流感类型。例如，标志集中的至少一个可以包括指示S-OIV的标志。这种标志的例子包括但不限于，斑片状磨玻璃样阴影、肺门肿大、肺充气减少、基底和/或轴向间质硬化、基部和/或轴向肺泡硬化，等等。除了这些标志的存在，它们的位置和分布(例如，主要在支气管血管周围和胸膜下分布)也可用作标志本身。这些标志集中的一个或多个也可识别对于特定疾病而言可能是缺失的和/或正常的特征。例如，继续用以上的S-OIV例子，这种标志可对应于没有纵隔淋巴结病、没有胸膜或者心包积液、没有马赛克灌注模式的证据、没有小叶中心结核或者树芽征阴影、正常尺寸的支气管气道和壁，等等。由于因此识别出了不同的流感或者其他病毒的病毒株以及基于图像的标志，因而可以用新识别出的标志来更新病毒标志库204。此外，当稍后针对已经在病毒标志库204中的病毒株识别出额外的(一个或多个)标志时，可以将该额外的(一个或多个)标志添加至先前存储的标志中。此外，也可以将先前存储的(一个或多个)标志从病毒标志库204中删除，例如，当确定该标志不反映病毒，对于所有病毒是相同时，等等。病毒算法库206包括用于给数据分析器202使用的一个或多个处理算法。算法中的至少一个对应于标志库204中的标志。合适算法的例子包括但不限于，磨玻璃状阴影的检测/分割/分类、气道分割、基于模型的肺部/肺叶自动分割、专用的和/或其他的算法。如前所述，数据分析器202也可以使用患者信息来分析成像数据。患者信息210包括各种信息，例如体征和/或症状(例 如，发热、嗜睡、无食欲、咳嗽、流鼻涕、咽痛、恶心、呕吐、腹泻、充血、呼吸困难、出汗，等等)、生命体征(例如，体温、血压、心率、呼吸率，等等)，疼痛水平(例如，从1-10)、瞳孔尺寸、人口统计特征(例如，年龄、性别、种族，等等)、患者病史、家族病史、来自之前测试和/或研究的结论(例如，白血细胞计数、红血细胞计数、腰椎穿刺、血清化学、氧饱和度、肌酸酐、鼻咽拭子、流感快速抗原测试(针对季节性流感)、尿液测试、唾液测试、身体检查、双水平气道正压通气(bipap)、心脏、呼吸和/或肠声，等等)，等
坐寸ο患者信息210也可包括信息，例如居住的城市、患者雇主的位置、在过去一个月左右期间的经常光顾的场所、学校的注册记录、会员资格，等等。这一信息可以用于确定与他人的个人接触的可能性，并且他人中的一些可能已经被感染，并且调整疾病的传播。这种信息可另外地用于形成疾病传播和/或传播模式、点源暴露类型的模型、以及在做出当前个体的阳性诊断的情况下用于识别可能要被通知的他人。数据分析器202也可以采用各种其他信息，例如但不限于，成像信息、非成像信息、体征、症状、诊断、对于其他患者的结果、本地的、地域性的、全国性的和/或国际性的统计分析、疾病特异性信息例如地理活动性、人口统计学分布、严重性指数、拜访健康护理提供者的频率、住院治疗、疾病导致的死亡比例，等等。这一信息中的一些可以从患者获得。也可以经由各种数据储存库212电子地获得以上信息中的一些，该数据储存库212例如但不限于，医院、健康护理机构、本地的、全国性的和/或联邦政府机构、疾病控制和预防中心(⑶C )、世界卫生组织(WHO )、欧洲流感监测网络(EI SN)、加拿大公共卫生署、健康保护中心(香港)、中国疾病控制和预防中心、欧洲疾病预防和控制中心(ECDC)、健康保护署(HPA)(英国)、公共卫生研究所(IVS)(法国)、国家卫生研究所(ISS)(意大利)、罗伯特科赫研究所(德国)、公共健康顾问、传染病情报部门，等等。病毒分类器214将在数据分析器202的输出信号中识别的病毒分类。在一个实例中，该分类器214将输出信号分类为对应于来自预定病毒集的特定病毒。例如，病毒分类器214可将流感病毒分类为HlNl病毒。该分类可包括指示基于该信号患者具有病毒的可能性(例如，从O到I (特定事件))或者概率的指示物。在另一实施例中，分类器214可指示该信号很可能属于来自病毒集的一个或多个病毒子集。在这一实例中，分类器214可以提供在该子集中的一个或多个病毒的可能性。分类器214也可以被配置为生成患者不具有特定病毒的可能性和/或指示其检测到病毒，但是不能将其分类的信号。在图示实施例中，分类器214采用各种算法来分类信号，例如存储在分类算法库216中的机器学习算法。在一个实例中，分类器214是采用固定算法的固定分类器。在另一实例中，分类器214是学习分类器，其基于具有已知结果的测试案例和/或从其分类结果的确认和/或拒绝来动态地更新算法。
合适的分类器的例子包括但不限于，神经网络、支持向量机、k邻域、高斯分类器、贝叶斯网络、决策树、代价函数、径向基函数、隐马尔可夫模型、线性分类器、回归分类器、案例相似性搜索引擎、案例式推理系统、法则系统和/或其他分类器。分类器214的输出以及通过检测部件124获得的各种信息可以经由显示器220呈现或者显示，存储在存储设备例如本地存储器222，便携式存储器中以被进一步处理，用于训练分类器214，等等。如上所述，可以用图像数据来显示病毒的类型和/或患者具有该病毒的可能性，并且可以强调和/或高亮其中发现了与病毒对应的标志和/或特征的图像数据区域。该高亮和/或强调可以是通过色图、覆盖图、文字、被分割的数据、区域的模型，等等。
分类器214的输出也可以通过传输部件226被传送到检测部件124的外部至各种通信设备和/或实体224和/或数据储存库212。传输部件226可以发送与疑似或者确诊的诊断、图像、特征相关的信息，和/或相关临床信息返回以上提及的一个或多个来源(例如，本地的、全国性的、联邦的、国际性的政府机构的数据库，等等)、疾病控制机构、成像系统100、各个学校或者学校系统、机场、火车站、健康护理机构(例如，医院)、体育赛事中心、首乐厅，等等。这种信息可以用于追踪疾病的发生率、盛行率、传播、严重性，等等，警告特定人群或者与其相关的健康或者政府机构，等等。该信息也可以用于识别和确定地理位置的优先顺序，便于疫苗和/或健康护理工作者的分配，减少疾病的传播，等等。如以下进一步示出和论述地，检测部件124的输出也可提供给规划部件126。图3图示了(图I的病毒识别设备122的)示例规划部件126。所图示的规划部件126包括图像模态确定器302，其基于各种输入来确定用于成像患者的合适的成像模态。这种输入至少包括临床体征和/或症状以及患者信息。如上所述，体征和/或症状的例子包括但不限于，发热、嗜睡、无食欲、咳嗽、流鼻涕、咽痛、恶心、呕吐、腹泻、充血、呼吸困难、出汗、等等，并且患者信息的例子包括年龄、性别、种族，等等，患者病史、家族病史、患者成像史(例如，终身剂量，等等)，等等。其他输入包括一个或多个初步诊断和/或一个或多个初步排除诊断、来自数据储存库212的数据、患者的先前扫描、相对于患者人口统计特征的成像模态的风险、成像模态的可用性、对成像模态的访问、成像程序的花费、患者携带病毒的可能性，等等。在已经基于至少体征和/或症状来对患者成像的情况下，来自其的成像数据也可以用作输入来确定是否推荐使用同一和/或不同的成像模态来对患者进行后续扫描。在检测部件124已经确定病毒的可能性或者概率的情况下，(来自检测部件124的)这一信息也可以用作输入来确定是否推荐使用同一和/或不同的成像模态来对患者进行后续扫描。至少基于以上信息，成像模态确定器302识别用于对患者成像的一个或多个成像模态。合适的成像模态包括但不限于，计算机断层摄影(CO、X射线照相术、磁共振成像(MRI)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)、超声(US)和/或其他成像，例如微波、红外、无线电波、声波，等等。在于本文中论述的S-OIV例子的背景下，以上系统可以用于成像结构改变、放射密度的改变、局域化炎症、确定组织弹性，等等。以上的一种或多种成像技术也可以用于对来自另一成像模态和/或非成像研究的结论进行补充或者增加。
在图示的实施例中，图像模态确定器302采用来自规则库304的规则以便于识别对于患者而言合适的成像模态。举例来说，针对S-OIV的一个规则可指示对于具有轻微症状的儿童而言，给该患者推荐胸部X射线。针对S-OIV的另一规则可指示对于具有更严重症状的人而言，给该患者推荐低剂量或者常规胸部CT。另一规则可考虑到疾病可能优先影响特定的人群，并且因而用减少辐射剂量的检测以均衡足够的图像质量。这些规则中的一个或多个也可推荐基于非成像的测试。另一规则可推荐不对患者成像。在本文中也预期其他规则。可以以不同方式来生成规则库304中的规则。例如，在一个实例中，基于先前的患者研究、文献、理论研究、疾病控制机构、临床医生经验和/或其他方面来生成至少一个规则。也可以修改规则库304中的规则以将最新结论并入规则库304，和/或从规则库304中删除该规则。成像协议确定器306基于所推荐的成像模态和各种信息来确定合适的协议和协议参数。在一个实例中，该信息包括一个或多个协议参数策略310,例如福射剂量策略、造影剂策略和/或存储在策略库308或者其他存储设备中的其他策略。这种策略可便于基于各种剂量、造影剂和/或其他预定标准来针对患者形成具有合适扫描参数的扫描协议。在一个实例中,这包括针对协议的不满足患者预定扫描参数策略的至少一个参数的替代参数用满足策略的扫描参数进行替代和/或建议/推荐。在于2009年10月22日提交的，名称为“Scan Parameter Policy, ”的专利申请序列号61/253，880中描述了策略和采用策略的例子，通过引用将其全部并入本文中。一旦规划部件126确定了成像模态和成像协议，规划部件126输出指示其的信号。在图示的实施例中，将该信号提供给成像系统100的控制台120，并且用于扫描患者。在其他实施例中，将该信号提供给一个或多个其他成像系统、呈现在显示器上从而临床医生可以查看、接受、确认、拒绝、改变等等该建议，等等。应意识到，在一个实例中，该信号可指示具有单一成像模态的单一扫描。在另一实例中，该信号指示具有单一成像模态或者使用多个不同的成像系统的系列扫描。图4图示了用于检测和确定患者具有特定病毒例如S-OIV的可能性的方法。也应意识到所描述的动作是出于说明性目的而不是限制性的。例如，另一合适的方法可包括差不多的动作，包括不同的动作。此外，一个或多个方法的一个或多个动作可以以与所列出的次序不同地发生。在402，针对患者确定临床体征和/或症状。可以以不同的方式来确定该体征和/或症状。例如，可以询问患者各种问题，如他们有多疼、哪里疼、他们有这种感觉多长时间了，等等。可以使用适当的医疗器具或者设备来确定其他信息，例如体温、血氧饱和、ECG，等等。可以经由视频或者图像记录设备(例如，便携式摄像机、照相机，等等)来观察或者捕获其他信息，例如患者的脸色、瞳孔放大、排汗率或者排汗量，等等。可以从数据库检索仍其他信息。在404，可以获得患者信息，例如病史、家族病史、人口统计特征等等。可以从电子数据库、患者和/或其他来源检索这种信息。在另一实例中，可以省略动作404。在406，也可以从诸如政府机构、疾病控制实体、医院等等的来源获得各种病毒相关信息。在另一实例中，可以省略动作406。在408，将体征、症状、患者信息、病毒信息和/或其他信息用于针对患者识别和推荐合适的医学程序。例如，这一信息可以用于确定是否应当扫描患者，以及扫描类型，例如X射线系统、CT扫描器或者其他医学成像系统。在410，当确定应当扫描患者时，针对选定的(一个或多个)成像模态来确定和推荐协议以及协议参数。可以基于在本文中论述的各种信息，包括但不限于体征、症状、患者信息、疾病信息、成像策略和/或其他信息来选择该协议和参数。可以附加地或者可选地经由临床医生或者其他经授权人员来交互地实现动作408和/或410。在412，使用推荐的协议和参数来扫描患者。当然，临床医生可以使用不同的成像模态、协议和/或协议参数。在414，如本文中所论述的针对感兴趣的病毒使用相应算法并基于各种信息来分析成像数据。这种信息包括但不限于，与病毒相关的预定特征和/或标志、体征和/或症状、患者信息、来自各种来源的病毒信息和/或其他信息。该分析包括生成指示该结果的信号。在416，将分析的结果分类。这种分类可包括采用机器学习或者其他技术来基于分析的结果确定患者具有一个或多个特定病毒的(一个或多个)可能性。在418，如本文中所论述地将结果(例如，该分析的输出、该可能性，等等)提供给一个或多个实体，例如政府机构、病毒控制中心，等等。其他信息包括但不限于，图像数据、检测部件124所使用的输入和/或可以与该结果同时或连续地提供的其他信息。此外，这种信息也可以被存储在本地和/或远程存储器中，经由显示器呈现、被传送至另一设备(例如，计算机、手机、监测站，等等)，被进一步处理，等等。以上可通过计算机可读指令的方式来实现，当所述计算机可读指令被(一个或多个)计算机处理器执行时，其使得该(一个或多个)处理器实现以上描述的动作。在这种情况下，该指令被存储在与相关计算机相关联或者另外地可通过相关计算机来访问的计算机可读存储介质中。在本文中已经参考各种实施例来描述了本发明。他人当阅读了本文中的描述时可想到修改和变型。本发明旨在被解释为包括所有的这种修改和变型，只要它们落在所附权 利要求或者其等价物的范围之内。
权利要求
1.一种用于至少基于成像数据来检测患者中的病毒的方法，包括 用成像设备扫描所述患者的感兴趣区域，并且生成指示所述感兴趣区域的成像数据；基于对应于所述病毒的预定可成像标志集，经由处理器来识别所述图像数据中的对应于所述病毒的至少一个标志； 基于所识别的标志和分类规则集，经由所述处理器来将所述病毒分类为所述病毒的特定病毒株；以及 生成指示所述特定病毒株的信号。
2.如权利要求I所述的方法，其中，所述病毒是流感病毒。
3.如权利要求2所述的方法，其中，所述病毒株是HlNl病毒株。
4.如权利要求I至3中任意一项所述的方法，还包括 电子地传送所述信号至政府机构、疾病控制机构、健康护理设施、学校、学校系统、机场、火车站、体育赛事设施、音乐厅、成像设备，等等中的至少一个。
5.如权利要求4所述的方法，其中，所述信号便于确定疫苗或者健康护理工作者中的至少一个在地理位置中的分配的优先顺序。
6.如权利要求4至5中任意一项所述的方法,其中,所述信号便于对病毒传播模式、所述病毒的来源区域或者鉴于所述分类识别要通知的人群中的至少一个进行建模。
7.如权利要求I至6中任意一项所述的方法，还包括 生成所述病毒是所述特定病毒株的可能性或者概率。
8.如权利要求I至7中任意一项所述的方法，其中，所述预定标志集包括至少一个标志，所述标志在所述图像数据中的存在指示病毒感染。
9.如权利要求8所述的方法，其中，所述预定标志集包括斑片状磨玻璃样阴影、肺门肿大、肺充气减少、基底间质硬化、轴向间质硬化、基部肺泡硬化、或者轴向肺泡硬化中的至少一个。
10.如权利要求I至7中任意一项所述的方法，其中，所述预定标志集包括至少一个标志，所述标志在所述图像数据中的缺乏或者常态指示病毒感染。
11.如权利要求10所述的方法，其中，所述预定标志集包括没有纵隔淋巴结病、胸膜积液、心包积液、马赛克灌注模式、小叶中心结核、树芽征阴影、正常尺寸支气管气道、或者正常尺寸支气管壁中的至少一个。
12.如权利要求I至11中任意一项所述的方法，其中，所述识别动作还包括基于患者人口统计学特征、来自其他测试的结论、严重性指数、拜访健康护理提供者的频率、住院治疗、病毒疾病导致的死亡比例、或者来自健康信息数据储存库的信息中的一个或多个来识别所述至少一个标志。
13.如权利要求I至12中任意一项所述的方法，还包括 与所述图像数据同时地呈现所述信号。
14.如权利要求13所述的方法，还包括 图形化地高亮所述图像数据中对应于所识别的标志的一个或多个区域。
15.如权利要求I至14中任意一项所述的方法，还包括 至少部分基于所述患者的症状，经由所述处理器来确定所述患者很可能具有所述病毒；至少部分基于患者人口统计学特征，经由所述处理器来识别扫描所述患者的成像模态；以及 采用所识别的成像模态来扫描所述患者的胸部区域。
16.如权利要求15所述的方法,还包括 至少部分基于患者病史、家族病史、或者成像协议策略中的一个或多个来识别该成像模态。
17.—种系统,包括 基于成像数据来检测患者中的病毒的病毒检测设备(122)，所述病毒检测设备(122)，包括 具有处理器的数据分析器(202)，其分析所述图像数据并且基于对应于所述病毒的预 定特征集来识别所述图像数据中的对应于所述病毒的至少一个特征；以及 具有处理器的病毒分类器(214)，其基于所述特征来将所述病毒分类为所识别病毒的特定病毒株并生成指示所述特定病毒株的信号。
18.如权利要求17所述的系统，其中，所述病毒是流感病毒，并且所述病毒株是HlNl病毒株。
19.如权利要求17至18中任意一项所述的系统，还包括 传输部件(226 )，其将所述信号电子地传输至位于远离所述系统的至少一个接收者。
20.如权利要求17至19中任意一项所述的系统，还包括 分类算法库(216)，其包括将所识别的至少一个特征映射到病毒类型的分类算法集，并且其中，所述病毒分类器(214)至少部分基于所述分类算法集来将所述病毒分类为所述病毒的特定病毒类型。
21.如权利要求17至20中任意一项所述的系统，其中，所述预定特征集包括第一特征或第二特征中的一个或者多个，所述第一特征在所述图像数据中的存在指示流感病毒感染，所述第二特征在所述图像数据中的缺乏或者常态指示流感病毒感染。
22.如权利要求17至21中任意一项所述的系统，还包括 成像模态确定器(302)，其至少部分基于患者症状来识别用于扫描所述患者的成像模态，其中，所述数据分析器(202)分析的所述成像数据是通过所识别的成像模态来生成的。
23.如权利要求22所述的系统，其中，所述成像模态确定器(302)基于患者人口统计学特征、所述患者的先前扫描、相对于患者人口统计特征的所述成像模态的风险、所述成像模态的可用性、对所述成像模态的访问、成像程序的花费、或者那一患者具有所述病毒的可能性中的一个或多个来识别所述成像模态。
24.一种包括指令的计算机可读存储介质，当所述指令被计算机执行时，其使得所述计算机执行以下动作 扫描患者的感兴趣区域并且生成指示所述感兴趣区域的成像数据； 基于所述成像数据来检测所述患者中病毒感染的存在；以及 将所述感染分类为所述病毒的特定病毒株。
25.如权利要求24所述的计算机可读存储介质，还包括当被所述计算机执行时，使得所述计算机执行以下动作的指令 生成指示所述分类的信号；以及将所述信号电子地传输至远离所述计算机的至少一 个实体。
全文摘要
一种用于基于成像数据来检测患者中的病毒的方法，包括用成像设备扫描所述患者的感兴趣区域，并且生成指示所述感兴趣区域的成像数据，基于所识别的至少一个标志和对应于所述病毒的预定可成像标志集来识别在所述图像数据中的对应于所述病毒的至少一个标志，基于分类规则集来将所述病毒分类为所述病毒的特定病毒株，以及生成指示所述特定病毒株的信号。所述方法任选地包括生成指示所述分类的信号并且将所述信号电子地传送至至少一个实体。
文档编号G06F19/00GK102665562SQ201080051810
公开日2012年9月12日 申请日期2010年10月29日 优先权日2009年11月20日
发明者M·E·奥尔谢夫斯基, M·J·沃克 申请人:皇家飞利浦电子股份有限公司