中提取背景信息以经由例如先前发现确定模块确定相关先前发现，所述先前发现确定模块可以包括:捕获模块112，其用于识别先前发现信息并将其存储到数据库118，其中，结构化报告系统已经被利用；NLP模块122，其用于从先前研究的文本报告(例如，从非结构化报告系统)中提取发现信息；以及背景匹配模块114，其用于将当前背景信息与先前背景信息进行比较以识别需要在当前研究中报告的发现的最小集合。一旦发现的最小集合已经被识别，处理器102还可以确定由相关先前发现使用的宏，使得宏可以重新用在针对当前研究的报告中。
[0029]如图9所示，用于从最近、相关先前研究识别发现的最小集合的方法300能够基本上类似于上述方法200。尤其是，步骤310至步骤340基本上类似于方法200的步骤210至步骤240。在步骤310中，系统100检索要被分析的当前研究的图像，并且在步骤320中使用背景提取模块110来从当前研究中提取背景信息。当前研究的背景可以以与关于方法200描述的背景提取基本上类似的方式来提取。在步骤330中，该背景信息被存储于数据库118中。在步骤340中，先前研究的与发现相关的信息被识别并存储于数据库118中，如上面关于步骤240描述的。在不存在结构化报告的情况下，先前研究的完整报告可以被存储于数据库118中。备选地，该信息可以以标准PACS格式来存储。
[0030]在步骤350中，NLP模块122可以从先前研究的自由文本放射科报告的印象部分中提取发现的集合。例如，如果先前报告声明在左侧桥小脑角池中有16Xllmm直径肿块，膨胀到左侧内耳道的开口中，其在T2加权的图像上对于脑部而言是稍微高信号的并在Tl加权对比后图像上明亮，这是由于均匀对比增强，”，NLP模块122将确定存在具有被设置到16X Ilmm的属性直径的‘在左侧小脑脑桥角池中的肿块’的发现。NLP模块122可以与步骤340中检索的先前报告结合使用。
[0031]在步骤360中，匹配模块114将当前研究背景与先前研究的背景进行比较以返回在当前研究的报告中需要包括的发现的最小集合，基本上如上面关于方法200的步骤250描述的。背景匹配可以使用上述方法中的任何来执行。例如，匹配模块114可以利用以下中的任何:基于规则的方法、基于本体论的方法、数据驱动的方法或者利用不同匹配过程的任何组合的混合方法。在步骤370中，处理器102返回当前研究的报告中应当包括的发现的最小集合。导航/可视化模块116可以经由例如图形用户界面将发现的最小集合显示在显示器上，所述图形用户界面还允许用户筛选和/或指定在最小集合中要返回的发现。缺省可以被设置为包括最近、相关先前研究的发现。例如，如果当前研究为肝脏研究，则发现的最小集合将基于最近的肝脏研究。用户可以使用所显示的图形用户界面容易地改变该缺省设置。例如，在已经为发现分派了临床显著性得分之处，用户能够期望仅报告具有最小临床显著性得分为3的先前发现。在另一实施例中，除了显示返回的相关先前发现外或代替于显示返回的相关先前发现，可以显示警报以提醒用户当前报告已经被保存，而不包括在步骤370中被视为相关的所有先前发现。
[0032]一旦先前相关研究已经被识别，宏(例如，可以经由宏的预先定义的名称插入到报告中的预先定义的文本)或来自先前研究的文本片段可以用于当前研究。在步骤380中，与发现的最小集合相关联的宏/语句被列出在显示器106上以供用户如期望地查看和使用。重复使用宏/文本提供报告之间的一致性并且保持发现的寿命。当重复使用先前宏时，处理器102可以基于先前发现来在当前研究中自动占据发现的相关域(例如，发现的形状)。在相关先前研究中使用的宏被存储于数据库118中。在自由文本报告环境内，包含发现的文本被用作宏。
[0033]当在放射科报告中使用口述系统时，宏可以是尤其有用的。放射科医师使用宏和模板(预先定义的文档结构)来快速并且有效地报告观测结果。在口述期间，用户说出语音命令，所述语音命令与模板和宏的定义进行匹配，使得处理器102可以将预先定义的文档结构或文本插入到报告中。例如，当用户撰写报告时，用户可以包括五个部分:流程、临床信息、比较、发现和印象。北美放射学会(RSNA)推荐根据模态、解剖结构和在查临床问题在每部分中将要报告的信息。例如，用于胸部X射线研究的模板可以如下:
[0034]流程
[0035]临床信息
[0036]咳嗦
[0037]发烧
[0038]气短
[0039]术前检查
[0040]比较
[0041]发现
[0042]心脏
[0043]肺部
[0044]骨
[0045]印象
[0046]正常
[0047]无急性疾病
[0048]当使用宏时，用户定义宏的内容和名称。内容是一段文本并且名称是将内容插入到报告的语音命令。例如，描述胆囊壁钙化的宏能够是“存在胆囊壁钙化并且与瓷胆囊相符，瓷胆囊与胆囊癌的发展的增加的风险相关联”。与该宏相关联的名称可以是“瓷胆囊”，使得当用户说出“瓷胆囊”时，处理器102将上面定义的文本自动插入到报告中。
[0049]根据另一示范性实施例，如图10和图11所示，方法400使用系统100生成用户可以用于当前研究的相关模板/宏的列表。如图10所示，背景提取模块110和NLP模块122用于从当前研究中提取背景信息(例如，提取诸如模态和身体部分的信息)，从针对当前研究的图像命令(例如，提取诸如体征和症状的临床信息)中提取背景信息以及从先前报告(例如，提取患者的推荐)中提取背景信息。所提取的信息则然后可以由背景匹配模块114进行匹配以提出相关的模板和/或宏。存储器108还可以包括在数据库118中的可用模板和宏。每个模板具有名称并且定义其中发现将被插入的部分的集合。每个宏具有名称并且定义用于插入到报告中的一段文本。
[0050]在步骤410中，如图11所示，NLP模块122从每个报告模板/宏的叙述的内容中提取背景信息。例如，可以从模板/宏中提取解剖体和诊断术语，使得系统100将属性的列表与每个模板/宏进行关联。这些属性被存储于存储器108中，使得之后可以调用模板/宏。在步骤420中，从当前研究和/或相关先前研究中提取背景信息。背景信息可以基本上如上述在方法200的步骤220和方法300的步骤320中描述地来提取。例如，如果研究包括身体部分和模态，则背景提取模块110可以提取DICOM属性。NLP模块122还可以从图像命令的检查部分的原因中提取患者体征和症状和/或从相关先前报告中提取患者的推荐，其包括:在每个报告处所报告的日期、每个报告中使用的协议/模态(例如，MR1、超声)、随访检查的协议/模态和日期(例如，MRI，6个月)以及每个报告中的图像的发现(例如，肝脏肿块)。例如，可以通过当前研究与先前研究之间的背景匹配来识别相关先前报告，如上面关于方法200和方法300描述的。
[0051]在步骤430中，背景匹配模块114将在步骤410