计算机辅助检测系统和方法

专利名称：计算机辅助检测系统和方法
技术领域：
本发明一般地涉及计算机辅助检测("CAD")领域及异常分析。 特别地，本发明涉及医学图像中的异常自动检测和医学图像的分析及其自动评定。
背景技术：
由于早先对于癌症检测的重视，越来越多的人参与了诸如乳腺 X线扫描和世界某些范围内用于乳腺癌的超声波扫描的早期扫描活 动。最近的一些研究表明，胸部超声波i貪断^支术可以成功地帮助辨 别许多良性与恶性实性损伤(lesion)或结节(nodule )。例如，在 X光学杂志，196: 123 — 134, 1995 ( "Stavros")中，由Stavors， A.T.等人所发表的"实性乳腺结节使用超声波技术辨别良性与恶 性损伤"中，建议使用超声波技术精确地将一些实性损伤分类为良 性，允许比活组织切片更好地进行后续成像。Stavros提出了通过检 测并评定对应于一组预定义特性及其描述("Stavros特性")的超声 波扫描的特性来4全测损伤的通用方法。在其它方面，这种局部特性 可以包括局部毛刺征、局部支管范型、局部脉管扩张、及局部孩i分 叶。
通常，成功地早期异常4全测和癌症it断需要力文射科医生成功并 准确;也识别和;平定单个医学图^象上所见的块(mass)的净争性，以区 分良性与恶性实性结节。医学图像不限于那些通过X射线技术或超 声波扫描所获取的图像(即，X射线图像(或数字化X射线图像) 或超声波图像)，而是可以包括由利用任意基础图1象获耳又4支术的任 意适当的医学扫描设备所获取的医学图像。这种医学图像的 一些实 例包括超声波图像、多普勒图4象、频i普多普勒图4象、X射线图像、计算机断层成像(CT)图像、正电子发射断层扫描(PET)图像、 PET-CT图像、及核磁共振成像(MRI)图像。
主治放射科医生的经验和技能在正确地识别特性以便可以确 立全面的^貪断方面4分演重要角色。在4企测禾H貪断癌症及其它疾病的 过程中，计算机辅助检测已经日益成为本质问题解决工具。现代技 术已经-提出了辅助;汶射科医生自动识别和评定医学图Y象中所见的 块的特征的套组(battery)的多种不同方法。例如，已经开发出辅 助放射科医生自动识别并评定超声波特性、从恶性的超声波发现物 中区分出医学图像中的良性特征、以及组合单独的良性发现物和恶 性发现物从而将结节分类成良性或恶性以进行诊断的技术。也应该 了解，可以自动检测并标记图像中的候选损伤或潜在异常，从而帮 助放射科医生解释医学图像。数字化医学成像的普遍有效性或可及 性进一步4,动了计算才几4匕图{象处理和计算才几辅助4全测。
但是，在计算机化图像识别在过去大约十年的时间内迅猛发展 的同时，有时，计算才几应用禾呈序在识别大部分或全部异常方面可能 仍然存在困难。在疾病的早期不遗漏恶性损伤是理想的。由于方文射 科医生可能不会高度信任自动检测的结果，所以可能定制活组织切 片，而这在有些时候是不必要的。此外，即使能够成功地检测医学 图像中的所有相关特征，由于例如在诊断装置中的^f莫型的完善度的 不充分或缺乏，自动i貪断也不能总是纟是供正确的诊断。
上面阐述了对于用于提取(即，识别医学图像中的特性和医学 特征，并基于医学图像中自动检测的特征来提出诊断)的所有CAD 系统的质^是和约束。因此，与现有纟支术相比，需要一种CAD系统 和方法。本发明的目标是减轻或消除上文所才是及的至少一个缺陷。

发明内容
本发明涉及医学图像中的异常以及医学图 <象分析的计算才几辅 助自动检测和识别。还提供了所检测的异常的计算机辅助评定。识 别与诊断疾病相关的医学图像中的特性，并将其呈现给用户用于检 查。有利地，首先分割医学图像，以提供一个或多个分割候选，从 而便于进一步的图像处理。通过用户手动或通过系统自动才全测或识 别，乂人一个或多个分割候选中确定或选l奪分割候选。分4斤一皮分割的 医学图像，以提取并识别图像中与诊断相关的特征，基于此，系统 通过将所识别的特性与诊断模型相结合来计算初始诊断。为用户提 供了注释工具，以确认或修改呈现给用户的所识别的特征列表。根 据对特性列表的修改，动态地再计算被修订的诊断。当用户已经选 择了诊断(确定或修改所计算的诊断)时，生成诊断报告，该诊断 4艮告反映了经用户确认的医学图像中所呈现的特4正和经用户确^人 或修改的诊断。
在本发明的第一方面，提供了一种系统，用于对在一幅或多幅医学图像中出现的异常才是供交互式计算才几辅助4企测。该系统包4舌 图像处理器，用于处理医学图像，并提取医学图像中与诊断异常相 关的特征，所提取的特征满足预定义特征集合(set, —组)的描述； 判定引擎(engine),用于通过所冲是耳又的特^正生成计算i貪断；以及注 释及修改工具，用于用户识别被辅助以所提取的特性的医学图像中 的特征集合，并基于所识别的特征集合和计算诊断来确立诊断。
在本发明的该方面的 一个特征中，由诊断的医学图l象池(pool ) 来才交准多条身见则。在本发明的该方面的另一个特征中，系统包括损 伤定位器，用于分析医学图像，并识别医学图像中的可疑损伤。在 另一个特征中，图<象处理器分割医学图像，识别医学图像的多个分 割候选用于用户选择，并接收来自用户的指示，以处理其中一个分 割候选作为分割图像。
可选地，用户能够拒绝任何所显示的分割候选，并4企查产生所 显示的候选的中间分割结果的全部集合，目的是选择另一个候选。 用户也能够通过^f'务改分割结果(例如，通过编辑现有控制点或在分 割4仑廓上定义附加控制点)来改进所选"f爭的4美选，乂人而获耳又-修改的分割，仑廓。
在本发明的第二方面，提供了一种系统，用于为医学图像中所捕获的异常提供交互式计算才几辅助4全测。该系统包括显示器，用 于显示医学图像；输入设备，用于接收用户输入；分析引擎，用于 通过医学图像识别图像特性，并提供所识别的图像特性的初始集合 用于用户检查；以及注释及修改工具，用于用户修改所识别的图像 特征的初始集合，从而获取所识别的图像特征的修改集合。系统通 过初始集合和预定义冲示准集合来计算初始i貪断，爿夸初始集合和初始 诊断提供给用户用于检查，接收来自用户的修改集合，并通过所修 改的集合和预定义标准的集合来再计算判断用于用户确认。
在本发明的另一个方面，提供了一种系统，用于为多幅医学图 像中的异常提供计算机辅助诊断。多幅医学图像为对患者身体不同 区域的观察。该系统包括图像获取模块，用于获取多幅医学图像； 图^象处理器，用于处理多幅医学图^象中的每一幅，并识别每幅医学 图像中与诊断异常相关的特征的初始集合；判定引擎，用于通过多个识别特征的初始集合来计算初始诊断；以及注释及修改工具，用 于用户修改识别特征的初始集合，从而获得识别特征的修改集合。 判定引擎通过识别特征的修改集合来对计算诊断进行再计算，用于 用户确认.
在本发明的该方面的一个特性中，系统一皮配置用于处理/人多种 形式(modality,模式)中所获取的医学图像。这些多种形式包括 超声波图像、多普勒图像、频谱多普勒图像、X射线图像、CT图 <象、PET图象、PET-CT图象、以及MRI图象中的至少两种。
在本发明的再一个方面，提供了 一种为医学图像中捕获的异常
提供交互式计算机辅助检测的方法。该方法包括以下步骤获取数 字化医学图像；处理数字化医学图像，从而识别数字化医学图像中 的图像特征的初始集合，所识别的图像特征的初始集合满足预定义 特性集合的描述；将所识别的图像特性的初始集合提供给用户用于 检查；接收用户由所识别的图像特征的初始集合所修改的图像特征 的修改集合；通过所修改的集合来计算诊断用于用户确认；以及当 4妄收到来自用户的有效i貪断时，生成i貪断净艮告。
在本发明的另 一个方面，提供了 一种获取由计算机辅助检测系 统辅助的医学图像的方法，计算机辅助检测系统具有用于生成医学 图像的医学成像设备和用于处理医学图 <象的分析引擎，该方法包括 以下步骤使用医学成像设备/人患者处获耳又多幅医学图^f象；使用分 析引擎来分析多幅医学图像中的每一幅；并且调节获耳又条件，从而 从多幅医学图像中获取最佳图像。
在其它方面，本发明提供了上述多个方面的各种组合和子集。


为了描述而不是限制的目的，将参照附图更加详细地解释说明 发明的上述及其它方面，其中
图1是示出#1行本发明实施例的CAD系统的示意图2示意性解释说明了用于控制图1所示的CAD系统的软件 系统的功能组件和结构；
图3A示出了通过图1所示的系统呈现给用户的示例性屏幕显 示，通过该屏幕显示，用户能够选择初始分割候选，并定义用于进一步研究的感兴趣区("ROI");
图3B示出了用于用户键入识别参数从而定义用于进一步研究 的感兴趣区的另一个示例性屏幕显示；
图4A示出了通过图1的系统呈现给用户的示例性屏幕显示， 通过该屏幕显示，用户可以选择多个分割候选中的其中 一个用于进 一步的处理和研究；
图4B示意性图解说明了图4A的仅示出其分割边界轮廓及其 控制点的分割候选；
图5示出了在由图1所示的系统生成的示例性屏幕显示中标记 为DCIS损伤的可疑损伤；
图6示出了图1所示的系统呈规给用户的示例性屏幕显示，其 显示了用于用户进一步评定的初始结果，该屏幕显示为对由用户从 图6所示的多个分割候选的其中一个所选择的分割候选的处理结 果；
图7示出了示例性屏幕显示， 放射科医生可以将其用于修改和保存关于通过内置模块和图6所示的结果所生成的发现物的摘要文本；
图8A和8B示出了通过图2所示的软件系统所执行的工作流程，其中，图8A示出了工作流程的前半部分，图8B示出了工作流程的后半部分；
图9示出了乂人图8A和8B中所示的处理进4亍了^f奮改的处理， 其用于处理循环中的单个损伤的多幅图4象；
图10示出了从图8A和8B中所示的处理进行了修改的另一处 理的步骤，该处理用于分割每幅图像的多个损伤或多幅图像的几个 损伤；
图11A~ 11D示出了当用户运4亍图10所示的步漆聚时由系统生 成的 一 些示例性屏幕显示；
图]2示意性示出了与其运4亍与图1所示的系统不同的CAD系统；
图13A和13B示出了示例性屏幕显示，图12所示的系统的用 户可以将其用于键入探针或传感器的位置和方位信息以及合并了 这种位置或方位信息的报告；以及
图14示意性示出了冲喿作者^吏用图12所示的CAD系统/人而获 取最佳成^象结果并进行i貪断的处理。
具体实施例方式
通过图解说明本发明原理的特殊实施例的一个或多个实例来 提供下面的描述和此处所描述的实施例。提供这些实例的目的在于 解l奪i兌明本发明的那些原理，而不在于对其进行限制。在下面的描 述中，在整个说明书和附图中，通过相同的各个参考凄t字来标记类似的部分。
图1示出了由软件系统控制的CAD系统100，用于自动分析医学图像、对医学图像中的块的物理、组织、及形态学特性或其它特 征进行检测、识别、及分类、提供计算机辅助检测和用于用户选择的可疑损伤评定、并且允许来自用户的交互式反反馈以动态-修改一企测 特征列表和由此进行的计算诊断。用户可以为技师、放射科医生、 或内科医生。用户也可以为从远程位置接收放射科医生或内科医生的命令的CAD系统100的才喿作者(例如，工作人员)。用户可以使用CAD系统100，以从医学扫描设备获取医学图象，并实时地分析 图像。为了进一步分析，用户也可以从数据库加载预先获耳又的医学 图像。可替换地，不管是实时地获取或是预先获取，诸如放射科医 生或内科医生的用户可以与其它放射科医生或内科医生分享图像， 以共同评定并分析图像，确立诊断。
图1所示的CAD系统具有图像获取子系统102。当被连接至一 个或多个医学图像扫描设备时，图像获取子系统102能够实时地获 取医学图像。CAD系统通常提供多模式(multi-modality )平台。根据图像类型来选4奪其模式。例如，系统可以被实施或配置为支持超 声波图象、X射线图象、或CT、 PET、 PET-CT、原子核、MR1 图像、或来自连接至CAD系统的其它成像模式的图像。系统本身 也可以被包括在用于检查某些或全部医学成像模式的控制台或工 作站中。
在一个实施例中，图像获取子系统连接至医学扫描设备104, 用于实时地从患者处获取医学图像。需要注意，医学扫描设备104 可以为包括超声波源和一个或多个传感器的超声波才几构。医学扫描 设备也可以为由X射线源和X射线成象器所构成的X射线装置。 医学扫描设备也可以为CT、 PET、原子核、或MRI扫描仪。可以 使用任何适于获取患者组织、骨骼、或器官的医学图像的成像设备。
图像获取子系统102也可以加载预先获取的图像，用于进一步 研究，或者用于与诸如放射科医生、技师、或内科医生的其它用户 分享。例如，图^象获取子系统102可以包括H字转换器106,用于 将记录于胶片上的预先获取的图像数字化。可替换地，图像获取子系统102可以从远程图像服务器108或可访问CAD系统的图像数 据库IIO才全索图寸象。
CAD系统100包括用户界面112,其允许系统的用户观看图象， 使用其显示的内容，并且与系统交互。用户界面112包括显示器114。 显示器114可以为监控器、投影仪、或能够将医学图像直观地呈现 给用户并能够呈现图像及文本内容的任意其它适当的显示设备。用 户界面112也可以包括输入设备116，用于用户与系统进行交互， 并且为系统识别所显示的医学图像中的特殊感兴趣区。输入设备 116可以包括例如用于用户键入任何文本输入的键盘。可以提供语 音识别模块，用于语音文本转录。也可以包括用于用户为系统识别 医学图像的特殊像素或区域的鼠标或一些其它点击设备。可以将显 示器114和输入设备116物理地组合成单个的硬件单元段，例如， 能够显示图像和文本输出并接收用户输入的触摸屏。
系统100也提供许多外围设备118。用户可以使用输出外围设 备118，用于再生或记录分析会话或其它系统输出的结果。例如， 输出外围设备可以包括打印机120。例如，打印机可以为胶片式或 纸张式。胶片式打印机可以用于将医学图像(初始图像或处理过的 图像)转换成胶片，以用于需要胶片图像的更多传统显示设备。纸 张式打印机可以被用于生成硬拷贝报告，用于与其它内科医生分 享，或者用于存档目的。输出外围设备118也可以包括网络浏览器 122，用于通过电信网络124与其它放射科医生或内并牛医生分享结 果。电信网络124可以为局域网(LAN)或互联网。这样允许内科 医生远程检查由操作者从患者获取的的图像，并且实时地对通过系 统100所自动生成的结果进行任何修改。另外，输出外围设备118 可以包括DICOM适应设备126，用于转换并存储处理结果，即， 将通过系统所生成的图像与相关报告组合。
系统100具有数据仓库128。数据仓库可以包括其自身用于检
索和管理数据的模块，或者可以简单地提供用于在其中存储数据的
存储空间。数据仓库128通常用于存储系统相关的或生成的数据， 包括归档处理的医学图像。例如，数据仓库128可以用于存储预诊 断图像、模型参数、以及由系统使用用来提供自动;险测的其它相应 数据。优选地，数据仓库128支持归档DICOM适应图像，而且也 可以处理诸如JPEG、 BITMAP等的其它图像形式。所有图4象处理 的注释、评论、结果都能^皮归档为DICOM适应文件部分。并且， 可以记录所处理图像的每个归档实例的诸如用户ID、所处理图像的
数据或时崔l、以及用户对所一全测特征的附加或》多改的全部审计信息。
图1所示的系统100由软件系统130控制。参照图2,软件系 统130调整并控制通过CAD系统100实现的处理和数据流。软件 系统130具有许多组件。这些软件组件不是必须存在于单个的计算 机硬件单元中。它们可以为存储于不同位置并且在硬件单元的不同 处理器中执行的专业软件系统，甚至作为独立的模块在不同的计算 机上执行。软件组件也可以通过不同的厂商来提供。例如，医学扫 描设备厂商可以提供其自己的软件组件，用于图像处理或特性提 耳又。这些4t件组件可以:故组合在一起，以才是供此处所述的系统100 的功能。也可以以这种方式组合这些软件组件，从而形成不同的子 系统，4是供专业的子功能。为了方〗更，在下文中，这些软件组件将 一皮扭克念性地浮见为软件系统130的部分，并且在一个处理器中寺丸4亍， 软件系统130的全部组件存储在诸如硬盘的一个计算机可读介质 上。应该注意，CAD系统通常才是供多沖莫式平台。例如，这可以通过提供软件系统130的每个组件中所需的指定模式组件来实现，从而 实现所支持的模式。
软件系统130具有分析引擎132，用于分析医学图像，并得到 用于用户检查和确认的诊断。例如，在一个实施例中，分析引擎132 处理由图像获取子系统102获取的图像，以识别感兴趣区用于进一 步的特征提取，提取图像中呈现的诸如物理或形态特性的特征，准 备用于显示和检查的所得信息，并将所检测的特征的集合映射到诊 断，用于用户的4全查和确i人。
图2示意性示出了软件系统130的组件。软件系统130具有中 央控制冲莫块202,用于控制和调整软件系统130的各种组件才莫块的 处理之间的数据流。软件系统130具有用于交互、指挥、及监控相 关石更件单元或子系统的单独才莫块。其图l象加载器204与CAD系统 100的图像获取子系统102的操作相互作用，并指挥其操作。提供 了分析引擎132、图像显示器、及处理模块206的概念性部分，用 于用户调节和处理图像的显示。还冲是供了图〗象处理才莫块208、判定 模块210、及注释及修改模块212作为分析引擎132的部分。提供 了报告模块214，用于产生净艮告并生成输出。
当需要对医学图像进行处理或观看时，图像加载器204指挥图 像获取子系统102加载(即，取回或获取)医学图像。 一旦医学图 像-皮耳又回或获耳又，图^象显示器和处理才莫块206就将图像发送至显示 器114,用于将图像显示给用户。用户能够使用输入设备116来进 一步处理或调节显示器114上的图^f象显示。例如，用户可以通过改 变其对比度、亮度级別、或者全景或缩放图^象的特殊区来处理图象 的显示。用户也可以选4奪图^象区域用于进一步处理。
图像处理模块208或图像处理器负责图案识别和特征提取，并 执行各种计算机化的图像处理和图案识别操作。图像处理模块208 计算(即，提取并识别)与由已经在分割处理中被识别的诸如损伤 或结节的异常区的边界所限定的块相关的物理、组织、形态、以及 指定模式的特性。通常，图像处理模块需要被有差异地实施或配置， 以处理从不同模式获取的图像。例如，当超声波图像被载入时，特 征通常为被定义用于超声波图像的那些特征。特征可以为与可疑损 伤的内部相关的那些特征，也可以为由在异常区边界的外部但与其 临近的区域所识別的那些特征，例如，超声波图像中的后阴影。通 常，医学职业将待被提取或识别的特征预定义和认为是与诊断诸如 癌症的疾病相关。通常，这些特^正的描述与这些特^正的定义一起来 提供。
一种这样的预定义特性和词汇的集合是由美国放射学学会
(ACR)开发的用于乳腺影像报告和数据系统(BI-RADS )的 集合。对于不同的应用，可以使用不同的预定义集合和标准。例如， 作为标准部分，BI-RADS词汇主要用于放射科医生，而用于报告 宫颈细胞诊断的贝塞斯达(Bethesda)系统则主要用于细胞学者。 可以理角罕，虽然此处所^是供的实例与i貪断癌症相关，〗旦它们〗义为用 于解释说明，此处所描述的系统以及处理和方法通常可以应用于诊 断疾病，而不限于i貪断癌症。
所获取的图像的处理操作可以包括分割(即，选择并绘出用于 进一步石开究和处理的图^象区)、图案识别(即，只于图^f象中的图案进 行分析和分类)、以及特征提取(即，分析并识别可能与诊断由图 像表示的组织中的异常或正常情况相关的特4正或特性)。图2示出 了用于为、割、图案识别、以及特4i才是耳又的三种才莫块，可以知道，为 了其它图像处理的需要-还可以包括其它4莫块。
图像处理模块208被示出为具有分割模块216。分割模块216 分析用户所识别的感兴趣区("ROI")，并且绘出诸如ROI内的结 节的异常区的边界。ROI可以由用户手动i只别，或者由系纟充自动"i只 别并推荐给用户。在一个实施例中，用户通过首先选4奪分割"种子 点"(即，感兴趣区中的点)来为系统选4奪并识别ROI。图3A示出 了示例性屏幕显示，通过该屏幕显示，用户可以选择ROI。典型地， 种子点302被选4奪在感兴趣区的大体中心附近的点处，例如，可疑:的实性结节。例如，用户可以通过l吏用鼠标并点击结节中心区中的 点来选4爭分割种子点(见图3A)。通过选才奪种子点并将光标拖离那 个点来定义ROI。所出现的圓环用于约束分割算法应该运4亍的区i或。用户直至ROI 304足够大到可以包含整个结节时放开鼠标按钮。
可—夺换地，用户可以通过4是供"种子点"的坐标值的集合以及 损伤的评定尺寸来识别ROI。在损伤呈现为伸长块的情况下，可以 通过一是供与伸长块大体成一直线的轴的方向和纟从一黄比来进一步改 进这种方法。图3B示出位置识别窗口 306，用于用户4建入损伤识 别参数308,例如，损伤识别参数308可以包括损伤识别号310、 损伤尺寸参数312、损伤坐标314、损伤特征指示316、损伤深度指 示318其中的任意一个及其组合。此处，损伤识别号310指的是识 别号，例如，在图像中所标识的多个损伤中的第一损伤、第二损伤、 第三损伤等。损伤尺寸参凄t312^是供损伤尺寸的评定(例如，1 cm)。 可以通过损伤坐标314使用适当的坐标系统来限定损伤位置，例如， 皮肤下的深度、与乳头的距离、以及与水平方向的方位角。损伤特 性指示316指的是特征类型，例如，其中与可疑损伤的质量、形状、 方位、^更化相关的特征。损伤深度指示318^是供损伤^巨皮力夫的深度 的评定作为相关尺度，例如，相对于胸部尺寸。
有利地， 一旦识别了可疑损伤，则可以分割图像，绘出可疑损 伤的边界等高线或者分割轮廓。由于与可疑损伤的诊断相关的图像 图案和特征更可能是分割轮廓内部或者其外部并与之临近的那些， 因此这样可以有利于进一 步的图像处理。可以执行不同的算法来分 割ROI。例如，在一个实施例中，冲丸4亍前传纟番型的区i或生长法则， 用于分割超声波图像中的损伤。首先选择可疑损伤中的"种子点"。 选择自适应门限值，用于确定边界轮廓。基于自适应门限值从种子 点生成的区域可以进一步考虑局部信息，并且通过领域知识 (domain knowledge)约束。基于局部4言息来来限定#刀始区4仑廓。当达到平衡时，通过由领域约束驱动的可变形才莫式来改进所限定的 区域轮廓。应该注意，任何适当的算法都可以:帔用于分割ROI。不 同的应用可能需要不同的适当算法。例如，最适于分割用于"i貪断乳 腺癌的图像的算法可能不是分割通过CT扫描所获取的图像的最佳
算法；另一个实例是，被开发用于超声波图像的分割算法需要被重 新调整和/或修改来处理MRI数据。
每个算法可以生成几个分割4美选，即，可以正确《会出可#是损伤 的分割4仑廓。才艮据某个预先确立的标准，系统可以显示一个作为最 佳候选，余下的作为第二最佳候选。分割才莫块216可以Y义显示通过 最适合的算法所生成的最佳候选。优选地，分割模块216显示最佳 候选和几个第二最佳候选，用于用户选择。在几个算法都有效的情 况下，也可以显示通过其它算法所识别的々矣选，用于用户选4奪。
在一个实施例中，如图4A所示，分割才莫块216在临时窗口中 显示6个分割候选用于用户选4奪。每个候选图<象402为在原始图^象 上叠加可能的损伤边界404的合成图像。例如，通过加亮来识别明卩 个为分割处理的最佳4'美选406，并JU敫活用于进一步的处理。与最 佳4美选406 —起显示的还有几个第二最佳结果408。 i"又有这六个^f'美 选而不是所有的分割候选被提供给用户用于选一奪。用户可以选搏二,皮 系统确定为最佳结果的那一个。用户也可以从其它的候选图像408 中选择一个被分割的图像。例如，用户可以通过双击分割候选来识 别系统的选择。可选地，用户可以拒绝任意或全部的所显示的候选， 并且检查分割结果的整个集合。这就允许用户直^见地4全查所有的分 割结果，并基于用户自身的经验和判断来选出一个适当的候选。可 替换地，系统也可以#皮配置为选^奪使用最适当的算法所生成的最佳 ^美选用于-进一步处理，而无需<壬<可的用户干涉。
用户还能够通过编辑分割轮廓404来改进所选择的候选。为此， 用户可以在分割轮廓上编辑现有的控制点或定义附加的控制点。用
户可以通过编辑分割l仑廓404的一个或几个控制点410来^f奮改所显
示的分割候选，乂人而手动分割ROI (见图4B )。用户也可以通过定 义新的控制点来修改所显示的候选。在用户完成编辑现有控制点或 添加新的控制点之后，系统显示修改的分割轮廓用于用户确认。一 旦系统接收了用户的选择，系统就启动其计算机化图案识别和特征 提取处理。
图2所示的图^象处理才莫块208具有图案识别才莫式218。图案识 别模块218分析图像，特别是由分割模块216绘出的ROI，从而识
别并检索图像中的形态和组织图案或特征。扫描分割轮廓内部和外 部的像素，以识别可疑损伤的图案或局部特征及诸如超声波图像特 性的指定模式特征。诸如局部毛刺征、局部支管范型、局部脉管扩 张.及局部微分叶的局部特征可以被识别。分割4仑廓本身也能够被 分析，从而识别可能与诊断相关的可疑损伤的特征。在其它特征中， 将图案、局部特征、指定模式特性、通过分割轮廓所识别的特征与 诸如通过ACR - B1RADS词汇或Stavros特性所定义的超声波图4象 特性的预定义特性集合的描述进行对比，从而生成通过标准集合所 识别的特征列表。图案识别模块218分析图像，以识别这些图案和 局部特4i。图案识别才莫块218也可以分冲斤图^象，以识别所分割的 ROI中诸如像素的集聚性和对比度的特征，或者分析图像，以合并 包括环境信息的领域知识的一些概念，从而更好地识别指定的局部 特性。
图2所示的图像处理模块208具有特征提取才莫块220，用于从 这些被局部识别的图案中提取可能与诊断癌症相关的指定特征。这 些特征中的某些特征可以包括形状、方位、角界限、损伤边界、及 硬化。这些特征也可以包括只有指定一企测技术才有的那些特性。例 如，对于超声波图^象，这些特性可以包4舌回声图案和后听觉净争4i。
在一个实施例中，特4i才是耳又才莫块220才全测如下特性其匹配与ACR-BIRADS词汇结合的预定义的超声波图像特性集合的描述。 换句话说，如果图像中对象的特性满足预定义特性集合中特征的相 应描述，则认为该特征要被识别并4企测。特征提取模块220使用预 定义特性和特性描述(例如，ACR-BIRADS词汇)的集合，从而 进行自动特征识别和提取。特征提取模块220使用检测性能门限值 来确定是否能够通过由图案识别模块218所识别的索引局部特性来 识别任意特性。基于与所匹配特征的描述的适合度指示，为每个索 引特性赋予概率，从而提供它们可能在图像中出现的概率的统计度 量。特征被认为存在于图像中，或者当概率大于门限值时被检测。 方便地，可以对所有特性赋予相同的门限值。优选地，这些门限值 可以基于通过校准诊断图像的集合所获得的Stavros性能门限值。 这样，这样的门限值取决于每个特性，并且通过已诊断图像的集合 的校准结果来确定。
软件系统130具有判定对莫块210,用于计算自动i貪断或评定， 并将计算诊断推荐给用户。判定模块210检查所识別的所有特征(包 括诸如每个特征可能出现的统计可能性的属性以及特征的范围或 尺寸)、排列与诊断相关的每个特征的重要性、并计算评定或诊断。 通常，可以是离^:评定的范围。可能评定的特殊集合耳又决于所l吏用 的标准。例如，评定可以为良性、恶性、或不确定中的其中一个， 或者可以为损伤所属的BI-RADS类别中的一个。4灸句"i舌i兌，判定 模块210基于基本模型将发现物或所提取的特征集合映射到损伤评 定。应该注意，可以釆用不同的才莫型来评定可疑损伤。#:件系统130 的模式允许对所提取的特征的相同集合应用不同的模型，从而实现 评定。应该进一步注意，判定模块210的操作独立于特征提取模块 220。无论被提供给判定模块210作为输入的特性集合是一皮自动识 别、还是全部通过用户手动识别、或是上述两种识别的结合，判定模块210都将提供的自动评定。换句话说，如上文所述，可以将判
定模块210视为提供专业子功能(即，计算评定)的子系统。
可以提供不同的模型，用于提供不同的诊断功能。通过应用不 同的模型所获取的评定可以不必相同。将来自不同模型的结果合并
(优选地使用适当的加权)，从而完成计算诊断。图2中的判定模块210被示出为具有AI规则模块222和评定才莫块224，但是应该了 解，软件系统130的模块式设计允许在需要的时候对诊断模块进行 替换或添力口。
AI规则模块222使用过去所得到的知识，例如，从对众多图像 数据的诊断、相应的活组织切片检查结果、以及力文射科医生和内科 医生的集体知识所得到的知i口、。在一个实施例中，知识被概括为人 工智能(AI)规则的集合。通过AI规则的集合，由图案识别和特 征提取所形成的发现物能够被映射到自动评定。如同将在后面被详 细描述的，不是所有被检测的特征都具有同等的重要性。每个被检 测和被识别的特征的重要性将被结合在AI规则集合。AI规则模块 222基于所检测的特征集合以及它们与特殊诊断的相对重要性来计 算初步的诊断评定。
下面的实例概括了生成AI规则集合的一种方法的步骤，在这 种情况下，建立了统计模型。首先选择多个i貪断图像以及它们相应 的活组织切片才佥查结果。编辑通过这些图像识別的特性和所知的诊断结果。通过这些数据，能够建立基于多元适应性云形回归(MARS ) 技术的统计模型，该模型的一般形式如下
Y = CO + SCi * BFi
其中，CO和Ci为系数，BFi为第i个基本函数。每个基本函数都将 所定义的特性集合和可能被定义的基本函数集合的定义组合作为输入。例如，在ECHO为具有多个选项(1、 3、 4、或5)的一个 超声波图像类别的情况下，基本函数可以具有如下形式BF240 = (ECHO = 1或者ECHO = 3或者ECHO = 4或者ECHO = 5 )*BF180。
基本函凄t的形式及系lt通过将才莫型与统计l丈据配合来获耳又，即，在
诊断图像中所识别的特性以及与诊断图像相关的已知诊断结果。
一旦建立了这样的模型，基于诊断图像中的识别特征集合，就 能够将其结合到AI规则模块222中用于计算诊断，即，损伤为良 性或恶性的全部可能性。应该注意，对于评定的计算不限于^吏用统 计才莫型。也可以4吏用超级向量才几(SVM)方法计算评定，或者4吏用 采用了诸如神经网络方法的更复杂的方法的AI装置生成评定。系 统的才莫式允许将不同评定装置合并和集成到系统中，并且允许在需 要的情况下组合这些不同评定装置的输出。
尽管可以以任意方式提供评定，但是，通常，评定模块224为 用户提供符合普通标准的评定，例如，提供诊断作为BI-RADS评 定。可以将单个评定作为自动计算诊断呈现给用户。优选地，将一 组可能的BI - RADS评定呈现给用户。在一个实施例中，呈现给用 户如下两个"i平定组中的一个y于应于BI-RADS 1~3的"良寸生" 和对应于BI - RADS 4a 5的"恶性"。随后，用户必须乂人所4,荐的 评定组中选择特殊的评定，或从所推荐的组之外选择评定。这就趋 向于不鼓励采用不通过用户评定的自动-珍断。当然，其它的分组粒 度也是可以的。例如，可以将可能性评定划分成"良性"、"不确定、 或可能良性"、及"恶性"。
在计算诊断之后，判定才莫块210也可以标记损伤，即，4吏损伤 与类型相关联。某些普通类型包括纤维&i瘤(FA)、浸润性导管癌 加DCIS组分(II )、浸润性导管(ID)癌、原〗立导管癌(DCIS)、 及浸润性小叶(IL)癌。通常，首先计算可疑损伤可能为特殊类型的信任等级值。如果信任等级值落入定义的信任范围，则将损伤标记为属于该类型。图5示出了一皮标记为DCIS类型502的可疑损伤。
参照图5,诸如图形用户界面上的旋钮形可激活区的控制器504 允许用户设置由上门限值506和下门限值508所限定的信任范围。 图5还能够随意地在滑动尺510上显示对不同类型所计算的信任等 级值，从而表示与损伤类型相关的信任等级。例如，图5用图形示 出用于类型FA、 II、 ID、 IL、以及被标记的类型DCIS的信任等级值。这样有利地为用户提供了关于可疑损伤的可以类型的反馈。尽管图5仅示出了一种与损伤相关的类型，但是可能有几种类型的相 关的信任等级值均落入信任范围。随后，系统可以要求用户选一奪类 型，该类型可以为其信任等级值落入所定义的范围的类型，或者可 以为该范围之外的一种类型。可替换地，如果一种类型具有最大的 信任等级值，则系统也可以自动将损伤标记为该类型。
为了补充特性的自动检测，提供被作为注释及修改模块212实 施的注释工具，4吏得用户可以为图像添加注考奪，或者修改已经键入的注释。这里，注释通常指的是医学图像区间的联系、在具有从预 定义的特征集合(例如，由BI-RADS定义的特征)中选4奪的特征 的区域中或与该区域邻近的区域或图案的特征或特性。通过注释及 修改模块212的帮助，用户也能够添加不是由软件系统130识別的 特征或去除假阳性(即，由系统自动检测但被认为是错误检测的特 征)。用户也能够对特性赋予不同的概率，或者修改由系统赋予的概率。有利地，由于用户修改了特征列表以及它们各自地概率，所以系统自动重新计算其自动评定，以主合用户直接反馈，使用户能够 进行更精确和改进的诊断。
注释及修改模块212提供了检测特性的列表，用于用户检查和 注释。如图6所示，这种列表可以在结果窗口 600中呈现给用户。 结果窗口 600包含预定义的特性集合的完全列表，其预安装了所检测的特性。可以^吏用4壬意适当的预定义特性集合。其中一些包括:
Stavros特性和BI - RADS词汇。在一个实施例中，予贞定义集合为 BI-RADS的集合。可以在显示器114上将结果窗口 600呈现给用 户。也可以利用被远程连接至系统的网络浏览器122。图6所示的 结果窗口 600具有图像窗口 602和结果面板604。合成图像在图像 窗口 602中与原始图像一起显示。在可能的情况下，在合成图像中 表示所检测的特征606。某些特性-波注考奪。图标、符号、或其它图 示都可以用于表示注浮奪608。在结果窗口 600的下部为^貪断面4反 610，用于显示计算^貪断以及用于用户选冲奪有效i貪断。在结果窗口 600的下部还示出了评i仑窗口 612,用于4建入^H仑和注释。
与在图像窗口 602中显示的合成图像一起，由系统自动检测的 特征优选地在树状结构特征列表的结果面一反604中呈现乡合用户。参 照图6,结果面板604示出了树状结构连接的一系列检验栏614， 以指示它们的相互关系。图6中的每个检验栏对应于Stavros特性 的一个特性。这些检验栏的其中一些被激活，即，被加亮或被检查。 被检查的检验栏616表示已经在左手边的图像窗口 602中显示的图 像中检测了特征。未被检查的才全验栏618表示没有在该图像中检测 相应4争性或特4正。
用户能够通过从列表中去除所检测的特性或将特性添加至列表来修改自动检测。如果被去除的特性能够追溯到图像中的区域， 则例如通过去除相应的图标，可以自动更新所显示的图像，以表示 特性的去除。相反，用户可以添加在自动才全测处理中没有一皮系统自 动识别的特性，即，将医学图像中的位置识别作为特性的地点。被 手动添加至图像的特性可以-波自动添加至所识别的特性列表中。注 释及修改模块212允许用户核实并确认系统发现物，并且基于他或 她的判断和经验进行任意必须的修改。可以对每个图像多次应用注 释。参照图6,如果用户没有检查能够追溯到图像窗口 602中的图
像的特性，则未被检查的特性620被自动从图像中去除。为了添加 特性，用户可以简单地^佥查与特^正对应的4全-睑栏。用户也可以1吏用 注释工具，以将对应于待添加的特性的检验栏拖至图像上的期望位
置，并且放开它。代表所选择的特性622的符号或图标将落入所选 择的位置。随后，用户能够在评论窗口 612中对每个添加的注释键 入或编辑评i仑。在需要或期望的情况下，可以对4艮多注考奪和特性重 复这个步骤。每次添加或去除特性时，在可能的情况下更新图4象。 换句话说，如果可以通过符号或图标图^象表示特性，则该符号或图 标也被添力口或去除。
由于用户修改或更新特征(或特性)列表，所以系统也在同时 更新其计算i貪断。应该注意，当用户添加新特4正时，用户也可以对 那个发现物赋予概率。在一个实施例中，所有—皮用户添加的特征一皮 赋予100 %的概j率，并且所有羊皮用户去除的特^正^皮赋予0 %的相X率， j旦是也可以赋予其它的相克率值。
在系统的一个实施例中，提供了 9个不同的诊断类别，即，{不 完善的、1、 2、 3、 4a、 4b、 4c、 5、及6}。该集合只于应于在BI-RADS中所使用的类别。根据这种才几制，1为阴性，2为良性发现 物，3为可能为良性发现物，4为可疑异常(在该领域内由》丈射科 医生一皮进一步细分或改进为4a、 4b、及4c: 4a为具有癌症4氐l^似 性的发现物、4b为具有癌症中间疑似性的发现物、以及4c为与癌 症中等相关的发现物，但是没有类别5高)，5为高恶性提示，以及 6为已知癌症。
这些可能的诊断被分组、或分区(bucket )。可以实现不同的粒 度，即，不同的区凄t。在一个实施例中，采用二区方法。在i貪断面 板610中，第一区624被示出为包括诊断1、 2、和3,第二区626 包4舌诊断4a、 4b、 4c、及5。在显示的初始结果中，系统将l又加亮 两个组中的其中 一个而不是加亮任意的特殊i貪断。用户可以从组中
选择诊断，作出诊断。如果用户强烈反对系统计算的自动诊断，则 用户也可以不管系统而选4奪组之外的诊断。如同将在下文中描述 的，在系统生成任何报告前，可以要求用户选择诊断。
在一个实施例中，用户必须通过/人,默认组中选4奪一个诊断(即，
通过/人第一区624或第二区626中选才奪一个i貪断)来确认诊断。如 果不选择诊断，则默认组中的所有可能诊断都被加亮。这趋向于降 低不经详细检查自动检测的结果而意外确认诊断的危险。
4使用注释及修改模块212,用户能够如上所述地注孝奪良性和恶 性超声波图像特性。注释及修改模块212还允许用户添加与注释相 关的评论和注解(注释评论)或与图像相关的一般注解( 一般评论)。 一般评论可以被键入评论窗口 612。这些评i仑和注解可以一皮作为文 本键入、从预定义的评论列表中拾取、或通过语音文本模块转录。
方便地，注释及修改模块212可以包括可选的内置模板，用于 生成摘要文本或摘要注解作为一4^注解部分，纟艮告发现物和放射科 医生的评定。模板提供摘要文本的基本结构，其中，注释及修改模 块212可以根据发现物和确认的评定选择适当陈述。放射科医生可 以根据放射科医生的风格修改模板，以提供更大的适应性。通过模 板生成的注解可以被进一步编辑，以提供更大的适应性。图7示出 了》丈射科医生可以用于保存系统生成的关于发现物的摘要文本作 为一关i注解的部分的示例性屏幕显示。可以类似地生成并4呆存4是供 了放射科医生对损伤的印象的摘要文本。如图7所示，与损伤相关 的信息被插入摘要文本，并且对应于结果面板604中所示的信息。 例如，在结果面玲反604和发i见物面寺反708中渚P示出了具有椭圆形 702、平行耳又向704、具有亚弹性回声图案706特^正等的损伤。
报告模块214与系统的输出外围设备118的操作交互并指挥其 才喿作，并且与凄t据仓库128通信。才艮告才莫块214还与用于显示所处
理的图像或任意报告的用户界面112交互。 一旦用户确认了评定，报告模块214就生成用于当前活动图像的报告。可以在打印机120 上打印才艮告，或者可以是用于在tt据仓库128中分享或归档的电子 报告。 一个实例可以为PDF报告。如果需要，可以显示、打印、或 存储PDF报告。另一个实例可以为DICOM结构的报告。当被要求 时，报告模块214将关于图像、注释和符号、相关评论、损伤边界、 BI - RADS评定、以及所选特性的所有信息保存至系统的数据仓库 128,作为所处理的图像的DICOM结构报告部分。同样的信息也可 以发送至DICOM兼容设备126，用于存储或与其它内科医生或放 射科医生分享。
通常，像通过用户所注释的一样，报告内容是根据在用户注释 的处理图像中的有效数据默认的，并且报告内容也包含诸如机构或 患者识别信息及患者人口统计信息的其它有关信息。换句话说，结 果窗口 600中的有效数据通常被反映在报告中。报告可以包括诸如 超声波图像特征以及任何的注释和评论及用户修改的所检测特征。 也可以包括原始医学图像及其处理副本。报告也可以包括诸如机构 信息、患者人口统计信息、软件应用程序的综述及其算法设置的其 它信息。最后，报告可以包含例如具有与ACR-BIRADS超声波词 汇分类形式兼容的才各式的图像发现物和放射科医生的评定。
可以以如下方式来提供报告检查适当的4企验栏以表示发现物 和评定。方便地，报告可以包括摘要列表，列出所有所识别的特征。 才艮告也可以包括摘要文本或补充有摘要文本。摘要文本可以基于发 现物和由注释及修改模块212生成并由放射科医生进一步修改的印 象。摘要文本还可以包括是否应该执行活组织检查的建议。
报告可以包括用于追溯和审计目的的识别信息。识别信息可以 包括患者识别码、研究识别码、唯一的报告标识符、序列码、时戳 (即，研究或报告的时间和数据)、或其它适当的识别信息。方便地，可以提供加密模块，用于数字化地标记报告。由加密才莫块生成 的电子签名可以包括某些或全部识别信息，以提供改进的审计性 能，并且防止报告被意外修改。
可以一次处理来自一幅图象的多处损伤，在这种情况下，能够 生成包含所有发现物的单个净艮告。可选地，可以一次处理多幅图l象， 使得单个报告包含关于所有图像中的所有损伤的所有发现物。净艮告 能够以损伤、所识别的特性、所处理的图像、或以某些其它方式来 对发现物进行分组。也可以提供全面的评定，例如，考虑了关于医
学图像中的多个损伤的发现物的BI - RAD评定、在损伤的多幅图
像中所见的单个损伤、或者在多幅相关图像中的多个损伤。
优选地，将报告归档为DICOM二次采集。注释、评论、诸如 损伤边界的图像处理结果、及诊断结果被归档为DICOM兼容文件 部分。例如，用户也可以将冲艮告的PDF版本保存在本地的患者例示 目录中。这样利于将来的参考。如果用于那种合成透视图的实例已 经存在于患者归档中，则创建新的实例。可以记录每个归档实例的 审计信息，例如，用户ID、数据或时戳、及所检测特性的用户添加 或^奮改。
现在，参照图8，详细描述工作流程800的步骤。该工作流程 由系统寺丸4亍，以与》文射考牛医生的工作流禾呈相匹配，该流考呈中加入了 进一步的适应性和用户控制。在图像获取步骤810中，首先由图像 获取子系统102在图像加载器204的控制下获取并加载图像。在其 它加载方法中，如前面所述，图像加载器204可以从医学扫描设备 加载图像、可以从图像数据库IIO加载医学图像、或者从远程图像 服务器108接收医学图像。
一旦图像被加载，则在步骤812中，图像显示及操作模块206 在显示器114上显示图像。为了更好地观察图像(无论是作为整体还是集中到特殊的局部区域)，用户可以以各种方式处理图4象的显 示。例如，用户能够缩力欠或全景显示图像。用户可以调节显示器114 上显示的图像的亮度和对比度等级。因此，用户能够更详细地检查 图像，以及观看上下文内任意的可疑区。在一个实施例中，图像获
取子系统102支持多幅图像的获取。在步骤812中，图像显示及处 理才莫块206 ^是供预定凄t量的(例如，4个)图《象用于选才奪。例如， 图像扫描设备可以—提供患者解剖部分(例如，胸部)的剖面的几个 图像，用于放射科医生观察和选择。图像显示及处理模块206可以 在显示器114上显示所有的剖面图4象，或者可以4又显示其中的一个， 同时将其余的图像显示为一些缩略图。诸如方文射科医生的用户可以 选才奪其中一个^见图，用于进一步的评定和研究。在胸部超声波图l象
的情况下，可以同时为每种情况才是供两个一见图(一个径向和一个反 径向)，也净皮称作"R和AR — 见图"。
在接下来的步骤814中，如结合注释及修改模块212描述的一 样，用户将注释添加至所选择的图像。用户也可以在结果窗口 600 预安装了自动检测的特征之后添加注释。接下来，在步骤816中， 用户通过识别并选4奪ROI来开始CAD处理。 一旦在步l聚816中识 别了ROI，则分割模块216开始处理图像，并且尝试识别诸如结节 的异常区的可能边界。
在分割步骤818期间，生成可疑结节的一 系列的可能边界或等 高线。分割模块216请求图像显示及处理模块206将可能边界与单 个图像重叠，而不是自动选4,一个边界，乂人而才是供一系列的候选图 像，并提供这些候选图像用于用户选4奪。
在步骤820中，用户选4奪其中一个候选，并且例如通过4姿下 "OK，，按钮将所作选4奪传达给系统。 一旦系统在步骤818中从用 户接收到选择，则在步骤822中，系统开始进一步处理。在步骤822 中，进行图案识別和特征提取。可选地，如图4B所示，用户可以
利用定义或修改候选等高线上的控制点410并对其进行移动或编辑 来手动修改所选泽的等高线。
接下来，在步骤822中检测的特征被提供至判定模块210,用于计算计算诊断。自动诊断步骤可以包括AI规则映射步骤824，在此期间，AI规则模块222基于预定义的AI规则集合将这些特性映 射至中间结果。在步骤826中，评定模块224将AI规则映射的结果与所一企测的特性分析相结合，以实现自动诊断。
在步骤828中，在结果窗口 600中，将来自自动检测处理的初始结果呈现给用户。结果窗口 600被预安装了所有的被检测特征以及一组所推荐的诊断。
用户能够通过选择或不选择结果面板604中所示的检验栏来添加或删除特征(步骤830 )。基于这个动态的修改特称列表以及它们被赋予的概率，自动评定一模块224动态地更新计算诊断。如果特称 列表的修改为使自动诊断从一组改变为其它组(例如，从4a、 4b、 及5的其中一个改变为1、 2、或3的其中一个，反之亦然)，则动态地显示不同的诊断组。
一旦用户因为在图像中所见的特征在特征面板中全部被选择并且特征通道中的检验栏不具有任何失效检测而感到满意，则用户可以确认或选择诊断(步骤832 )。在用户确认或选择诊断之后，在 步骤834中，报告模块214自动生成报告。分析结果可以净皮保存至数据仓库128,或与其它内科医生或放射科医生分享。用户进行的审计索引操作可以被全部保存，其中，上述的审计索引操作包括ROI的选择、分割候选的选择、结果的注释及修改、以及诊断的确 认。这样就完成了图像处理工作流程800。
需要注意，尽管这里所描述的工作流程800用于一次处理一幅 图像，但是通过修改，系统可以用于一次处理多个损伤或多幅相关
图像。例如，系统可以被配置为允许用户返回步骤816以在步骤832 得出结论时选择另一个损伤或ROI,而不是直接进行到报告步骤 834。用户也可以返回步骤810,以加载另一幅图像用于相同会话的 处理。系统也可以被进 一 步配置为将不同图像中示出的相同损伤相 关联。当处理了相同图像或所有图像中的所有损伤之后，用户随后 能够进行到步骤834,生成单个报告，该单个报告包含关于处理的 所有图像中的所有损伤的结果。此外，也可以生成基于在所有损伤 中(在所有图像中)所识別的所有特性的全面评定，并将其呈现给 用户，用于才全查和确认。
在一个实施例中，系统—皮配置为辅助用户处理单个损伤的多幅 图像。参照图9，在循环900中示出了用于处理单个损伤的多幅图 像的处理。在步马聚910，首先加载多幅图〗象中的其中一幅。所加载 的图像可以是已经分割好的，也可以是还没有分割的。 一旦被加载， 则在步-骤920中，例如，通过使用图3A所示的图形定点i殳备或者 通过在图3B所示的窗口中4建入的识別参凄t来识别ROI的"种子点" 和尺寸，从而识另ll ROI。接下来，在步骤930中，才企测图像，以确 定所识别的ROI是否一皮分割。如果其已经被分割，则可以绕过分割 步骤940。即使图像没有被分割，用户也可以选4奪绕过分割步骤。 如先前所述，用户可以4吏用注释工具来为系统识别特正列表，通过 特征列表，系统也能够计算诊断。如果分割一皮绕过，则系统进行至 步骤950进行进一步处理，例如，图案识别、特征提取、和诊断计 算。可选地，如果ROI将被分割，则图像被发送到分割模块216， 用于分割步4聚940和进一步的处理。
例如，在图像被处理后，接着参照图8所述的余下步骤818-822，处理可以返回至循环900的起点，并加载第二幅图像。在识
别步骤920中，重新识别ROI。在接下来的步骤中，冲企马全ROI,以
确定其是否已经被分割或者需要被分割。方便地，如果第二幅图像 已经被分割，则可以将第二幅图像中的被分割的损伤与第 一幅图像
中的损伤相关联；或者，第一幅图像中所分割的损伤的位置和边界 可以有利地被用作用于分割第二幅图像中的损伤的第一输入。随 后，第二幅图像—皮处理，并且处理返回至循环900的起点，直至多 幅图像中的每一幅都被处理了为止。
在另 一个实施例中，系统一皮配置为專#助用户处理每幅图^f象中的 多个损伤，或者多幅图像中的几个损伤。图IO示出了用户所执行 的 一 系列步骤，用于分割每幅图 <象的两个损伤和用于这两个损伤的 两幅图^象。图11A 11D示出了由于用户寺;M亍了图IO所示的步-骤而 由系统所生成的 一些示例性屏幕。
在步骤1010，加载了两幅图^象，并且将其显示主合用户，用于损 伤候选的选择。如同显示给用户的，图IIA示出包含第一损伤1104 的第一图《象1102和同样包含第一损伤1104的第二图l象1106。在步 骤1020中，用户4建入参H，用于限定第一损伤1104。限定损伤的 一个实例之前参照图3B进4亍了描述。在步冬聚1020,也类似地限定 了第二损伤1108。
在包括图^象和标记圆环或椭圓线的合成图 <象中，可以通过圆环 或围绕损伤的一般椭圆线来标记这样识别的损伤。图11B示出了在 第 一 图像1102和第二图像1106上均由椭圓线1110标记的第 一损伤 1104。
重新参照图10,分割在步骤1020中—皮识别的损伤。系统可以 如前所述地分割图像，提供多个分割候选用于选择。可以并排显示 具有识别的ROI的图像和现在由用户分割并选择的图像。作为实 例，图11C示出在右手边的分割面板1114中的单个的分割候选1112和在左手边的第一图^f象1102中围绕第一损伤1104的椭圆线1110。
在这个实例中，应该理解，虽然通常才是供多个{矣选，但是系统仅提供了一个分割候选。图IID示出了分割面板1114中的分割候选1116 和在左手边的第一图像1102中的第二损伤1108。
在另 一个实施例中，系统可以利用其加载用于单个损伤的几个 图像的能力来执行三维空间中的分割。应该注意，可以通过一系列 切片来表示三维区域。每个切片可以为二维图Y象，并且包含对应于 损伤的区域。由于加载了一系列图像或切片，所以每个切片中的损 伤的表示能够相互关联。因此，大量的切片提供了三维数据设置。 如同在二维分割处理中一样，系统也能够分割三维凝:据集，并才是供三维空间中的 一 系列分割候选用于用户选择，每个分割候选为围绕着可疑损伤的三维包络。用户能够乂人最适合可疑损伤边界的候选中 选择一个包络。
在进一步Y奮改的实施例中，CAD系统在临时窗口 (即， 一皮临 时分配的显示区)中显示一系列图《象，用于用户才全查和选4奪。有利 i也，在临时窗口中所显示的这些图l象可以为"缩略"图4象。例如， 在步骤910中，可以在临时窗口中加载多个缩略图用于选4奪，而不 是加载一个图^象。缩略图为所加载的医学图l象的版本，通常具有减 小的尺寸，例如，通过降低其分辨率。由于其一皮减小的尺寸，所以 缩略图通常允许更快速的处理和才喿作。在其它情况下，对应于这些 缩略图的图^象可以为三维:数据集的不同切片、可以为具有^皮加亮的 不同损伤的医学图4象的不同版本、可以为示出相同损伤的不同医学 图像、或者在不同时期所获取的相同区域的图像、或其组合。这些 图像可以为实时获取的图像或从档案文件才企索的图像。
这些缩略图可以为具有一皮加亮用于用户才企查和选4奪的可疑损 伤候选的一系列图像。方便地，这些损伤候选可以通过系统—皮自动 识别。例如，为了这个目的，系统(可以是图像处理器)可以提供损伤定位器。损伤定位器首先扫描对应于缩略图的每个图像中的所 有4象素，并导丸行图^象分析。可以将可能具有明显特性的区域作为对 应于损伤候选的区域推荐给用户。可选地，可以将具有类似于不同 于背景的结构的特征的区域作为损伤候选推荐给用户。因此，系统 可以动态地提供大量的损伤候选用于用户选4奪，而不需要用户首先 为系统识别或限定感兴趣区。系统可以进一步分割对应于损伤4美选 的每个区域，并将其连同每个损伤候选、每个损伤候选的最佳分割 候选呈现给用户。因此，可以以最少的用户干涉来自动地执行步骤920-940。这为用户识別医学图像中的损伤提供了进一步的辅助。
应该注意，可以4吏用任意适当的方法来识别损伤候选，而不限 于上述实例。例如，在三维凄t据集的情况下，在其中一个切片中,皮 识别的损伤可以提供相邻切片中的损伤的指示。作为另一个实例，MRI数据集可以是在妙L则的时间间隔处获耳又的 一 系列对比增强的 MRI图^象。在测验前或测-验期间，对比增强剂—皮注入患者胳膊的血 管中。典型i也，寸吏用4L基对比齐l！(例力口， Gd-DTPA)。只寸比剂的1"吏 用有助于在正常组织和异常组织之间4是供更大的对比度。分析增强 的时间变化也有利于描绘所成像区域的子集、或子块、或者多个子 集来作为损伤候选，系统能够将损伤候选推荐给用户。
有利i也，用于显示缩i咯图的临时窗口能够一皮配置为显示用户可 能感兴趣的缩略图。例如，用户可以选才奪图^象，并将其方文置在临时 窗口中用于后续处理。被放置在那里的图像可能已经被处理、部分 被处理、或者完全没有被处理。部分被处理的图像可以具有由用户 识别的少量损伤，但是没有被处理以从损伤中提取特征。方便地， CAD系统可以处理所有新获耳又的图^象，从而如上所述地识别损伤候 选，并将至少包含一个可疑损伤的那些图4象力文置在临时窗口中。因 此，可以在临时窗口中放置相应于用户期望进一 步检测的图像的一 系列缩略图。优选地，排列缩略图，从而帮助放射科医生区分它们的优先顺序。可以使用任意适当的排列系统。例如，可以根据图像 包含损伤的可能性来排列缩略图列表。随后，将具有最可疑损伤的 图像放置在列表的顶部。或者，可以开发彩色系统来表示可能性。例如，可以^吏用红色4仑廓来表示损伤^f'美选最可lt,黄色用于表示非常可疑，并且蓝色用于表示未被处理的图像。也可以结合不同的排 列系统，为放射科医生才是供更好的帮助。
一旦识别了候选损伤，则无论是用户选择还是系统选择，用户可以继续CAD处理。例如，CAD处理可以继续提取与候选损伤相 关的特征，并通过所l是耳又的特征计算"i貪断，其细节已经在上文中进 行了描述。当然，如先前所述，用户也可以选4奪绕过图案识别和特 征提取，并决定手动地在医学图像中选择特征。随后，CAD软件 130被用于通过手动地识别与 一个或多个损伤相关的特征来计算诊 断。
在才喿作中，用户首先通过获耳又一个或多个图^f象来启动CAD处 理，使得系统100可以加载一个或多个图^象用于才全查和进一步分析。 这种进一步检查可以基于用户所识别的ROI或一4殳评定。系统或软 件系统在显示器114中初始显示所分割图^象的几个(例如，6个) 候选或可疑损伤的几个候选的图库。用户可以选择任意的候选并执 行交互，实时地控制图像分析，用于解剖学和病理学的进一步分析。
如果实时地获取了图像，则系统可以被配置为用户提供反馈， 并引导用户调节医学扫描设备104,以获取更好的图像。这样能够 使;改射科医生在一个4全查会话期间获取最佳的图 <象，而不会由于没 有获取最佳图像而叫回患者进行另一次检查。例如，由于超声波传 感器的不适当的位置或放置产生的假阴影(仿真阴影)所引起的不 是最理想的图像。通过实时反馈，用户可以调节超声波传感器的方 位或4立置，乂人而消除^H于假阴影。或者，用户可以移动4专感器扫描 可疑区。可以实现帧捕获技术，以帮助识别装置的最佳方位或位置。
由于在传感器/凝月交体/皮肤的界面处所施加的不适当压力会降^f氐所 获取的超声波图像的质量，所以如果施加了过大的压力，则系统可 以通过例如语音纟艮警来实时地冲是供反馈.
通过CAD系统的辅助，用户能够由此获得最佳的一个或多个 图像，以更清晰地示出可以在组织中显示的任何异常。下面的步骤 可以如下。如果期望，图像可以首先一皮分割，呈现大量的分割候选用于选择。系统处理所选4奪的分割候选，并识别或4是耳又净皮—见为与i貪 断相关的特征。基于所提取和识别的特征来进行自动诊断。系统显 示了叠加了所检测的特性的输入图像的合成透视图。默认的合成透 视图显示所有所^r测的特性。所;f企测的特性在结果窗口 600中被自 动预安装作为所;险测特性的列表。
此时，用户可以进一步4空制4全测处理。例如，如先前所述，用 户可以添加或删除由系统初始识别的任意或全部特征。AI身见则才莫块 222和评定模块224基于用户的^奮改自动计算或再计算诊断，随后 自动更新Bl - RADS评定。在用户确^人i貪断时，可以生成才艮告。可 选地，为了获耳又更好的图〗象，用户可以移动或调节医学扫描i殳备， 由此可以以更高的可信等级来识别或^是耳又特;f正。用户能够保持调节 医学扫描设备和检查图像处理结果，并进行分析，直至获取到最佳 图像为止。
如先前所述，可以将不同的医学成^象i殳备与CAD系统集成。 在图12所示的一个实施例中，医学扫描设备104为超声波装置 1202，该超声波装置1202具有用于通过超声波传感器的定位及方 位才全索图像帧的专业软件应用程序1204。库欠件应用程序1204 一皮才喿 作性;也连4妄至超声波装置1202和CAD 4欠件系统130。超声波装置 1202获取的任何医学图像具有索引，该索引对应于当获取图像时传 感器的位置坐标和方位角。由于超声波装置1202的才喿作者将超声 波装置1202的传感器围绕患者移动，所以生成了一系列图像1206,每个图像都具有位置和方位索引。操作者可以检查一系列图像，并 从一 系列图像中选择被视为具有最佳质量的 一 幅图像用于进一 步 处理。例如， 一旦寻皮选才奪，最佳图{象1208可以4皮分割，并且可以 在临时窗口 1210中显示六个分割候选的图库用于用户选择，并且 能够对所选4奪的分割候选执行进一步的特征纟是耳又。可选地，操作者
可以将一系列图像供应给CAD软件系统130,对所获耳又的每个图l象 开始CAD处理。
如先前所述，CAD软件系统130可以—皮用于/人每个图i象中识别 和提取特征列表，并基于所提取和识别的特性计算自动诊断。在完 成对所有图^象的CAD处理前，才喿作者可以确定一系列图〗象没有表 现出最佳成像。例如，可能由于传感器的定位或方位的不正确，在 图像中引入了一些假阴影。假阴影会对CAD软件系统130正确地 识别图像中的真实异常带来困难。施加于超声波传感器的不适当压 力也会降低图像质量。劣质图像的提前发现使得操作者能够调节诸 如传感器的位置、方位、或压力或者甚至是患者位置的^r测参数， 从而获取最佳图像。这样，对于所获取的图像的质量，为操作者提 供了直4妻反馈，4吏得可以进行诸如传感器重新定位的一交正行为。
如先前所述， 一旦操作者对所获取的最佳图像感到满意，则操 作者可以选择一个最好的图像1208，使得CAD软件系统130可以 继续CAD处理。 一旦用户选择了分割候选，就可以通过特征来计 算自动检测的特征列表以及自动诊断。结果在结果窗口 600中显示。 如先前所述，用户可以随后确认或修改由系统自动识别的特征,然 后基于呈现给用户的推荐的判断组来确认诊断。确认诊断可以与医 学图像和其它检测结果一起被保存、传输，用于与其它放射科医生 分享，或者用于使用输出设备1212来生成报告。
有利地，当CAD软件系统130被连接至传感器用于实时地获 取图像时，操作者也可以通过探针/传感器位置窗口键入传感器或探
针的位置和方位，^吏其包括在才艮告中。图13A示出了用于用户《泉入
位置和方位信息的图形用户界面。可以通过在线4匡图1302中选裤， 一个点来键入位置。为了便于键入方位信息，用于表示探针或传感 器的矩形1304被叠加地放置在线框图上。通过旋转矩形1304,可 以键入探针或传感器的方位。图13B示出了提供所记录的位置和方 位信息的净艮告页面。
图14为概述上述用于获耳又最佳图^f象并且随后基于由CAD软件 系统130所生成的计算结果来进行诊断的处理1400的流程图。简 单地说，操作者通过使用医学扫描设备104获耳又图^象来启动步骤 1402的处理。4妄下来，在步骤1404中，才喿作者启动CAD处理，以 分析所获取的一个或多个图像，并提取和识别与诊断相关的特征。 在CAD处理期间，操作者判定所获取的图像是否为最佳，并且在 步骤1406中，调节诸如传感器的位置和方位或患者的定位的相应 图像获取条件，以获取最佳图像。可以重复这个处理，直至操作者 对获取的最佳图像感到满意为止。随后，操作者继续步骤1408，基
算诊断来进行诊断。
也可以对所描述的处理1400进4亍改变。例如，可以在处理期 间提供实时反馈，使得用户不必完成对所获取的所有图像的CAD 处理。例如，每次扫描可以生成一系列图像，这些一系列图像可以 在临时窗口中被显示作为一系列缩略图。如上所述，缩略图可以全 部具有通过系统自动识别的相同损伤的不同 一见图，或者可以为具有 在每个缩略图中所识别的不同损伤的相同的初始图〗象。在进一步进 4亍步4聚1404至1406之前，用户可以/人缩略图中选4奪一个或几个图 像，用于进一步的研究，并且删除余下的图像。因此，用户也可以 4吏用通过处理1400 ^f奮改的、用于动态4合耳又图^f象乂人而用于研究净争歹朱 可疑的一个或多个损伤，而不是使用处理1400获耳又最佳图1象。
作为另一个实例，图12所示的结构也允许操作者研究损伤的 弹性，即，获耳又弹性l象。为了启动该处理，才喿作者通过在才企查 的组织区引入一定的振动来开始。例如，操作者可以对损伤周围的 组织施加一定的压力，随后释i丈压力。应该注意，i者如损伤或结节的异常区具有与其周围组织不同的弹性。由于将振动引入了组织， 所以可以通过一系列帧或图^象来研究异常区的弹性。应该注意，异 常区可以具有不同的弹性，因此对于4展动可以作出与周围组织不同 的响应。 一旦以时序方式被检索，则所捕获的一系列图像可以被用 于基于弹性变化来识别损伤或结节。在一个实施例中，分割^t块利 用从一系列帧中所识別的这些弹性差异，以提供分割候选的更优选
作为进一步的实例，在另一个实施例中，图12所示的医学扫 描设备104为多普勒成像器。应该注意，多普勒成像对于血管中的 流动的血液是敏感的。如果传感器对组织施加了过大的压力，从而 妨碍了血液在血管中的流动，则所获取的图像会质量4艮差。如果传 感器所施加的压力过大，则通过图12所示的结构所4是供的系统为 操作者提供了诸如声音报警的直接反馈。作为调节检测和获取条件 的步骤的 一 部分，操作者可以调节在患者皮肤所施加的传感器压 力，以获耳又最佳的多普勒图4象。
以上已经详细描述了发明的各种实施例。对于本领域的坤支术人 员来说，在本发明的精神和原则之内，可以对本发明的实施例进行 任何修改、等同替换、改进。由于在不背离本发明的本质的情况下 可以对上述最佳模式进行修改或补充，因此本发明仅由权利要求限 定，而不限于这些细节。
权利要求
1.一种用于对医学图像中捕获的异常提供交互式计算机辅助检测的系统，所述系统包括图像处理器，用于处理医学图像并提取医学图像中与诊断异常相关的特征，所提取的特征满足预定义特征集合的描述；判定引擎，用于通过所提取的特征来生成计算诊断；以及注释及修改工具，用于用户识别被辅助以所提取的特征的所述医学图像中的特征的集合，以及用于用户基于所识别的特征集合和所述计算诊断来建立诊断。
2. 根据权利要求1所述的系统，进一步包括多条规则，用于使所 述预定义特征集合与可能诊断的范围相关联，用于所述判定《1 擎通过所述所纟是耳又的特4正来计算所述计算i貪断。
3. 根据权利要求2所述的系统，其中，由诊断医学图像池来校正 所述多条^L则。
4. 根据权利要求1所述的系统，进一步包括损伤定位器，用于分 析所述医学图像，并识别所述医学图像中对应于可疑损伤的区域。
5. 根据权利要求1所述的系统，其中，所述图^象处理器具有分割 模块，用于绘制围绕所述医学图像中对应于可疑损伤的区域的 边界轮廓。
6. 根据权利要求5所述的系统，进一步包括用户界面，用于提供 对应于所述可疑损伤的所述区域的多个4美选边界l仑廓用于用 户选一奪，以及用于乂人所述用户4妻收指示，以处理其中一个4美选 边界轮廓。
7. 根据权利要求6所述的系统，其中，所述分割模块被配置用于 当用户修改所述候选边界轮廓的控制点集合时再计算所述候选边界轮廓。
8. 根据权利要求1所述的系统，其中，所述判定引擎^皮配置用于 通过识别的特征的所述集合来动态地再计算计算诊断。
9. 根据权利要求1所述的系统，进一步包括报告模块，用于基于 识别的特征的所述集合和所建立的诊断来生成发现物的报告。
10. —种用于对医学图像中捕获的异常提供交互式计算机辅助才全 测的系统，所述系统包4舌显示器，用于呈现所述医学图像；输入i殳备，用于接受用户输入；分析引擎，用于从所述医学图像中识别图l象特性，并才是 供识别的图像特性的初始集合用于用户才全查；注释和修改工具，用于用户修改识别的图^象特性的所述 初始集合，从而获得识别的图像特性的修改集合；其中，所述系统通过所述初始集合和预定义标准的集合 来计算初始诊断，将所述初始集合和所述初始诊断是供给用户用于4全查，从所述用户接收所务改的集合，并通过所述修改集 合和所述预定义标准的集合再计算i貪断，用于用户确认。
11. 根据权利要求10所述的系统，其中，通过由诊断图像池所校准的规则集合来计算所述诊断。
12. 根据权利要求10所述的系统，进一步包括分割模块，用于绘 制围绕所述医学图像中对应于可疑损伤的区域的边界轮廓，所述检查和修改。
13. 才艮据权利要求10所述的系统，进一步包者舌损伤定位器，用于 分析所述医学图像并识别所述医学图像中对应于可疑损伤的 候选区，所述显示器呈现所述候选区用于用户选择。
14. 一种用于对多幅医学图像中的异常寺是供计算才几辅助诊断的系 统，所述多幅医学图像为患者身体的解剖区的不同视图，所述 系统包括图像获取模块，用于获取所述多幅医学图像；图像处理器，用于处理所述多幅医学图像的每一幅，并 识别所述每幅医学图像中与诊断所述异常相关的特征的初始 集合；判定引擎，用于通过识别的特征的多个所述初始集合来 计算初始诊断；以及注释及修改工具，用于用户修改识别的特征的所述初始 集合，以获得识别的特征的修改集合；其中，所述判定引擎通过识别的特性的所述修改集合来 再计算计算诊断，用于用户确认。
15. 根据权利要求14所述的系统，进一步包括损伤定位器，用于 分析所述医学图{象，并识别所述医学图像中对应于可疑损伤的区域或用于所述用户选才奪。
16. 根据权利要求15所述的系统，其中，所述损伤定位器识别在所述医学图像中的多个区域，所述多个区域的每个区域都对应 于所述用户选择的损伤。
17. 根据权利要求16所述的系统，其中，识别的特征的所述初始集合包括与所述多个区的所述每个区相关的特征。
18. 根据权利要求14所述的系统，进一步包括报告模块，用于当所述用户确认所述计算诊断时生成诊断报告。
19. 根据权利要求18所述的系统，其中，所述诊断报告包括用于审计目的的识别信息。
20. 根据权利要求19所述的系统，其中，所述识别信息包括患者识别信息、软件识别信息、检查证明、报告序号、与所述诊断报告相关的时间信息、及用户身份证明中的至少一个。
21. 根据权利要求20所述的系统，进一步包括加密模块，用于数学化标记所述诊断报告。
22. 根据权利要求14所述的系统，进一步包括模板，用于基于识别的特征的所述修改集合和所述计算诊断来生成摘要文本。
23. 根据权利要求22所述的系统，进一步包括预定义规则，用于使识别的特征的所述修改集合和所述计算诊断与治疗建议相关联，所述治疗建议由所述用户修改。
24. 根据权利要求14所述的系统，其中，所述系统被配置为处理通过多种形式所获得的所述多个医学图像。
25. 根据权利要求24所述的系统，其中，识别的特征的所述初始集合包括与所述每个医学图像中的多个区相关的特征。
26. 根据权利要求25所述的系统，其中，通过与所述每个医学图 像中的所述多个区相关的识别的特征的所述l奮改集合来计算所述计算i貪断。
27. 根据权利要求24所述的系统，其中，所述多种形式包括超声 波图像、多普勒图像、频谱多普勒图像、X射线图像、CT图像,PET图像、PET-CT图像、及MRI图像中的至少两种。
28. —种用于对医学图像中捕获的异常提供交互式计算机辅助检 测的方法，所述方法包纟舌以下步-骤获取数字化医学图像；处理所述数字化医学图像，以识别所述数字化医学图像 中的图像特征的初始集合，识别的图像特征的所述初始集合满 足预定义特性的集合的描述；提供识别的图像特征的所述初始集合，用于用户检查；接收所述用户从识别的图像特征的所述初始集合修改的 图像特征的修改集合；通过图像特征的所述修改集合来计算i貪断，用于用户确 认；以及当从所述用户接收到确认诊断时，生成诊断报告。
29. 根据权利要求28所述的方法，进一步包括以下步骤在处理所述数字化医学图像前，从用户接收所述数字化 医学图像中的感兴趣区的识别；生成对应于所述感兴趣区的多个分割候选；提供所述多个分割候选，用于用户选4奪；其中，当识别图像特征的所述集合时，所述处理步骤利 用所选一奪的分割候选。
30. 根据权利要求28所述的方法，进一步包括获取使预定义特性的集合与可能的诊断关联的多条规则的步骤，通过所述多条规 则和图像特征的所述》务改集合来计算所述i貪断。
31. 根据权利要求30所述的方法，其中，由诊断医学图像池来校 准所述多条规则。
32. —种获取由计算机辅助检测系统辅助的医学图像的方法，所述 计算机辅助检测系统具有医学成像设备，用于生成医学图像； 以及分析引擎，用于处理所述医学图像，所述方法包括以下步 骤使用所述医学成像设备从患者获取多幅医学图J象；使用所述分析引擎来分析所述多幅医学图^象的每幅医学 图像；以及调节获取条件，以从所述多幅医学图像中获得最佳图像。
33. 根据权利要求32所述的方法，其中，所述分析所述多幅医学 图像中的每幅医学图像的步骤包括提取所述每幅医学图像中 与i貪断疾病相关的特征，并通过所述一是耳又的特4正生成计算i貪断。
34. 根据权利要求32所述的方法，其中，在相同的检查会话中执 行所述获取多幅医学图^象并分析所述多幅医学图 <象的步骤。
全文摘要
本发明提供了用于计算机辅助检测(“CAD”)的系统和方法。本发明涉及计算机辅助自动检测医学图像中的异常和医学图像的分析。分析医学图像，以提取并识别图像中与诊断相关的特征集合。系统基于所识别的特征集合和诊断模型来计算初始诊断，初始诊断被提供给用户用于检查和修改。当用户修改所识别的特征集合时，动态地再计算计算诊断。当用户基于系统建议选择诊断时，生成反映用户确认的医学图像和用户所选择的诊断中所呈现的特征的诊断报告。
文档编号A61B5/00GK101203170SQ200680019285
公开日2008年6月18日 申请日期2006年6月2日 优先权日2005年6月2日
发明者卡伦·萨加特尔扬, 弗雷德里克·拉赫曼, 杰弗里·柯林斯 申请人:美的派特恩公司