本文中所公开的主题涉及图像分析方法，其适合供在分布式、远程或移动成像的上下文中使用，其中，使用一致或统一的标准的实时或近实时图像质量评估是有用的。
在各种现代的上下文中，无创地采集的图像用于识别或定位从单独的外部检查原本将不会是显而易见的受试者或物体中的特征。作为示例，在健康护理设施中，无创成像方法用于识别、定位和/或诊断畸变或患病的组织、结构异常或不规则、体内的外物等。相反地，在安全筛查的上下文中，无创成像方法可以用来识别被视为在安全上下文中感兴趣的物体或项，例如，包裹或袋子内或存在于人的衣服中的走私或违禁项。
经由说明性的医学示例，这样的技术所应用于的一个目的是采集乳腺摄影图像供在识别且诊断临床相关的医学状况中使用。可以采集乳房组织的这样的图像，以便识别或诊断乳房组织中的病变或不规则。可以基于该信息而随后在适当时根据图像数据而处置或清洗患者。
可能出现的一个情形是，这样的成像系统的流行和/或移动性超过用来促进质量图像的采集的技术人员的可用性。例如，在乳腺摄影的上下文中，有时可以采用移动或便携式系统，以提供远程或农村环境（setting）中或在其他非临床环境（即，医院或诊所的外侧）中的筛查机会。在这样的情景下，所涉及的人员可能在采集质量图像的方面缺乏经验，或可能是熟练的，但由于环境和情形，所涉及的人员可能难以在可用的时间帧中和/或以可用的设备采集质量图像。在这样的上下文中，技术人员还可能在读取所采集的图像时是不熟练的或无经验的，且因而可能不能够迅速地确定所采集到的一个或更多个图像是否具有合适的质量或另外满足临床标准。结果，在已使患者从给定的临床姿态移动之后，或在继患者已经离开筛查地点（site）之后的一些情形中，针对给定的患者而采集的一组图像可能被确定为不适合的，或另外质量欠佳。这样的情景导致错过的诊断机会，或导致患者必须返回以进行重新成像。如将领会，虽然在上文中描述乳腺摄影的示例，但在其他医学成像的上下文中，和/或在包括安全筛查的上下文的非医学的上下文中，可能出现类似的情形。
技术实现要素：
在一个实施例中，提供成像系统。根据该实施例，成像系统包括数据采集电路系统，数据采集电路系统配置成生成一个或更多个图像，其直接地或间接地传送至远程处理资源，远程处理资源配置成运行多个服务，其各自针对不同类型的不符合（non-conformity）而评价一个或更多个图像。成像系统还包括操作员界面和显示器，其配置成运行显示由远程处理资源所识别的一个或更多个图像的所识别的不符合的应用。
在另外的实施例中，提供图像分析体系结构。根据该实施例，图像分析体系结构包括应用界面，应用界面配置成显示于成像系统的地点处，并且，促进将一个或更多个图像文件传输至远程处理资源。图像分析体系结构还包括可在远程处理资源上运行的多个服务。服务的至少一部分配置成并行地运行。每个服务配置成针对相应的类型的不符合而分析一个或更多个图像文件，并且，经由应用界面而提供任何所识别的不符合的通知。
在附加的实施例中，提供用于远程地评估图像质量的方法。根据该方法，接收在成像系统的地点处生成的患者或物体的图像。使用多个图像质量分析服务来处理图像，服务的至少一部分并行地运行。在基于网络的体系结构上运行图像质量服务分析，该体系结构在物理上远离成像系统的地点。在从采集到图像的时间起的不到一分钟中，由图像质量分析服务所识别的不符合的一个或更多个通知传送至成像系统的地点。
本发明提供一组技术方案，如下。
1．一种成像系统，包含：
数据采集电路系统，配置成生成一个或更多个图像，所述一个或更多个图像直接地或间接地传送至远程处理资源，所述远程处理资源配置成运行多个服务，所述多个服务各自针对不同类型的不符合而评价所述一个或更多个图像；
操作员界面和显示器，配置成运行显示由所述远程处理资源所识别的所述一个或更多个图像的所识别的不符合的应用。
2．根据技术方案1所述的成像系统，其中，所述成像系统包含乳腺摄影成像系统。
3．根据技术方案1所述的成像系统，其中，所述成像系统还包含：
x射线源，配置成发射x射线；和
辐射检测器，配置成响应于在所述辐射检测器的表面上入射的所发射的x射线而生成信号，其中，所述数据采集电路系统基于所述信号而生成所述图像。
4．根据技术方案1所述的成像系统，其中，所述远程处理资源包含基于云的资源。
5．根据技术方案1所述的成像系统，其中，所述一个或更多个图像经由图片归档及通信系统中介而传送至所述远程处理资源。
6．根据技术方案1所述的成像系统，其中，大体上实时地显示所述所识别的不符合。
7．根据技术方案1所述的成像系统，其中，在从采集到相应的图像的时间起，在不到1分钟中，显示所述所识别的不符合。
8．根据技术方案1所述的成像系统，其中，当患者仍然位于所述成像系统的地点处时，显示所述所识别的不符合。
9．一种图像分析体系结构，包含：
应用界面，配置成显示于成像系统的地点处，并且，促进将一个或更多个图像文件传输至远程处理资源；
可在所述远程处理资源上运行的多个服务，其中，所述服务的至少一部分配置成并行地运行，且其中，每个服务配置成针对相应的类型的不符合而分析所述一个或更多个图像文件，并且，经由所述应用界面而提供任何所识别的不符合的通知。
10．根据技术方案9所述的图像分析体系结构，其中，所述远程处理资源包含基于云的资源。
11．根据技术方案10所述的图像分析体系结构，其中，所述基于云的资源包含一个或更多个应用服务器。
12．根据技术方案9所述的图像分析体系结构，其中，不符合的类型包括以下的类型中的一个或更多个：所述图像中所示出的所述成像系统的组件或坏像素、线伪影。
13．根据技术方案9所述的图像分析体系结构，其中，所述一个或更多个图像文件包含乳腺摄影图像，并且，不符合的类型包括以下的类型中的一个或更多个：在mlo视图中乳房/胸部角的不存在；在mlo视图中乳头和胸肌的未对齐；在cc视图中不居中的乳头；在所述cc视图中胸肌的不存在。
14．根据技术方案9所述的图像分析体系结构，其中，所述多个服务大体上实时地给所述应用界面提供所述通知。
15．一种用于远程地评估图像质量的方法，包含：
接收在成像系统的地点处生成的患者或物体的图像；
使用多个图像质量分析服务来处理所述图像，所述服务的至少一部分并行地运行，其中，所述图像质量服务分析在基于网络的体系结构上运行，所述体系结构在物理上远离所述成像系统的所述地点；
在从采集到所述图像的时间起的不到一分钟中，将由所述图像质量分析服务所识别的不符合的一个或更多个通知传送给所述成像系统的所述地点。
16．根据技术方案15所述的方法，其中，所述地点是目前被便携式成像系统所占据的移动地点。
17．根据技术方案15所述的方法，其中，所述基于网络的体系结构包含基于云的体系结构。
18．根据技术方案15所述的方法，其中，不符合的类型包括以下的类型中的一个或更多个：所述图像中所示出的所述成像系统的组件或坏像素、线伪影。
19．根据技术方案15所述的方法，其中，所述图像包含乳腺摄影图像，并且，不符合的类型包括以下的类型中的一个或更多个：在mlo视图中乳房/胸部角的不存在；在mlo视图中乳头和胸肌的未对齐；在cc视图中不居中的乳头；在所述cc视图中胸肌的不存在。
20．根据技术方案15所述的方法，其中，不符合的类型涉及正在成像的身体部分的位置和/或取向的临床标准。
附图说明
当参考附图而阅读以下的详细描述时，本发明的这些及其他特征、方面和优点将变得更好理解，其中，在附图通篇中，相似的字符表示相似的零件，其中：
图1是根据本公开的方面的乳腺摄影系统的框图；
图2描绘根据本公开的方面的使用远程处理资源的在算法上驱动的图像质量评估的过程流程；
图3描绘根据本公开的方面的用于提供图像分析服务的基于云的体系结构的实现；
图4描绘根据本公开的方面的图示坏像素的图像的成像的乳房和吹胀的区域的侧视图；
图5描绘根据本公开的方面的坏像素检测过程流程；
图6描绘根据本公开的方面的图示坏线的成像的乳房的侧视图；
图7描绘根据本公开的方面的图示成像系统的组件的无意（inadvertent）成像的成像的乳房的侧视图；
图8描绘根据本公开的方面的图示图像中的肌肉的检测的成像的乳房的颅侧-或中心-尾侧（cc）视图；
图9描绘根据本公开的方面的图示在图像中居中的乳头的检测的成像的乳房的颅侧-或中心-尾侧（cc）视图；
图10描绘根据本公开的方面的图示图像中的乳房/胸部角检测的成像的乳房的内外侧斜位（mlo）视图；
图11描绘根据本公开的方面的图示图像中的胸肌检测的成像的乳房的内外侧斜位（mlo）视图；
图12描绘根据本公开的方面的图示图像中的乳头肌肉对齐的检测的成像的乳房的内外侧斜位（mlo）视图；
图13描绘根据本公开的方面的用于向技术人员显示不符合的结果的应用的屏幕截图；
图14图示根据本公开的方面的响应于用户输入的对图13中所示出的屏幕的视觉增强；以及
图15图示根据本公开的方面的图像分析应用的分析学屏幕，从其中用户可以基于有用的参数而对结果进行分类。
具体实施方式
将在下文中描述一个或更多个特定的实施例。为了提供这些实施例的简明的描述，未在说明书中描述实际的实现的所有的特征。应当领会，在任何这样的实际的实现的开发中，如在任何工程或设计项目中，必须作出许多实现特定的决策，以达到可能从一个实现改变成另一个实现的开发者的特定目标，例如，与系统相关的约束条件和商业相关的约束条件一致。此外，应当领会，这样的开发努力可能是复杂的且耗时的，但对于得益于本公开的普通技术人员，将仍然是设计、制作和制造的常规任务。
虽然通常在医学成像的上下文中提供以下的讨论和示例，但应当领会，本技术不限于这样的医学上下文。实际上，这样的医学上下文中的示例和解释的提供仅仅是要通过提供现实世界的实现和应用的实例而促进解释。然而，还可以在其他上下文中利用本方法，例如，制造的零件或商品的非破坏性检验（即，质量控制或质量审查应用）和/或包裹、箱子、行李等的无创检验（即，安全或筛查应用）。
本方法促进自动地向实时或近实时地（例如，在正在采集的图像的不到5秒钟、10秒钟、20秒钟、30秒钟、1分钟、2分钟或5分钟中）采集无创图像的人员（例如，技术人员）提供图像质量反馈。作为示例，所提出的方法可以通过使用彼此并行地部分地或完全地运行的处理器实现的基于规则的算法来针对不符合存在或不存在而评价图像，从而实时地自动地评估乳腺摄影图像的质量。如本文中所使用的，成像或图像质量的上下文中的不符合可以被理解为出现于图像不符合所建立或预期的图像质量或临床标准时。因而，不符合可能与可识别的图像不规则有关，可能由于系统或硬件问题、设备的不正确的使用、检查特定的发生或不规则和/或未能符合临床标准或预期而出现可识别的图像不规则。在其中不符合与未能满足临床预期或标准的图像有关的实例中，这样的不符合可能是由于并非位于规定的取向或位置处的成像的组织而导致的，例如，是由于正在成像的组织或物体的不适当的定位而导致的。
所提出的方法通过在得到低质量或临床上不适合的图像或检查之后（例如，在几秒钟或几分钟内），高效地提供这些图像或检查的通知和/或将这些图像或检查丢弃，从而改进图像分析流水线。在某些实现中，当患者或物体仍然存在和/或定位以用于后续（follow-up）的成像尝试时，可能出现这样的通知。这与如下的情形形成对照：其中在患者穿好衣服且离开检查区或设施之后，或在正在筛查的物体穿过筛查区之后，可能提供差的图像质量或诊断不足的指示。以这样的方式，可以对患者或物体以最小限度的破坏进行重新成像。
根据本公开，图像分析方法可以实现为基于云的图像分析的实例（或其他远程或联网实现），以便无论地理位置如何，都向分派任务有采集图像数据的人员提供实时或近实时反馈。这样的方法可以在诊断临床环境（或其他固定或专用的成像地点）中使用，以及可以在远程或移动成像解决方案（例如，乳腺摄影筛查卡车，其从一个区域到另一个区域行进，以提供乳腺摄影服务）中使用。以这样的方式，远程或移动地点可以实时地使用图像质量评估。对这样的方法的一个另外的益处是，在远程或移动成像的上下文中，使用与在更加传统的临床环境中采集的图像相同的标准来对远程地采集的图像进行分析。可以从下文中的讨论领会的另外的益处是，基于云的体系结构或可比较的联网体系结构中的过程的直接的可量测性，这提供如下的能力：根据需要使设备和服务发展，以允许成像的上下文中的计算过程缩放。如可以适合于远程和/或便携式成像的上下文一样，这样的基于云或网络的方法还具有基本上无限制的计算处理能力，而无需本地基础设施。
在本文中所使用的意义上，对基于云的计算或处理的引用应当被理解为涉及基于网络的计算方法（例如，基于互联网），其依赖于根据需要而与具有至讨论中的网络的连接的系统（例如，本上下文中的图像采集或处理系统）共享的处理资源。以这样的方式，可以使讨论中的处理资源按不受地理学或距离限制的方式可用，以便向能够访问讨论中的网络的那些系统提供类似或可比较的经验和资源。可以以这样的方式可用且共享的计算资源包括但不限于计算机网络、应用和/或服务服务器、网络（web）服务器、数据库以及其他数据存储装置、许可服务器等。这样的基于云或网络的服务可以容纳于数据中心上或数据中心中，由第三方或提供具有与使用所提供的服务的实体的定义的关系（例如，服务提供商对客户或顾客）的服务或应用的一方拥有该数据中心，且操作该数据中心。本文中所讨论的图像分析方法的方面可以被理解为潜在地在这样的联网或基于云的场景下实现。然而，还应当理解到，在其他上下文中，或在其他实现中，全部或一部分的图像分析方法可以在本地处理系统至图像采集系统上实现，包括在图像采集系统本身的处理组件上或在图像采集系统可访问的局域网上实现。
为了促进解释，在本文中描述一种合适的类型的成像系统（例如，诸如乳腺摄影系统的医学成像系统）的特定的示例，以便提供现实世界的上下文和对理解所公开的方法有用的示例。如将领会，还可以联合其他成像模态和上下文而采用本方法，其他成像模态和上下文包括各种医学成像模态和安全筛查上下文、制造质量审查/控制上下文等。
考虑到这点，且翻到图1，描绘简化的系统图，该系统图提供合适的成像系统或模态的一个示例的某些组件和方面的高级视图。在该示例中，用图解法图示供根据本方法而使用的乳腺摄影成像系统120。如所描绘的，成像系统120包括x射线源124、x射线检测器126以及压缩组合件128，压缩组合件128可以用来对患者组织进行定位，并且，生成表示穿过感兴趣组织的x射线透射的信号。乳腺摄影系统120还包括系统控制器132、数据采集及图像处理电路系统136、操作员界面138以及显示器140，这些组件中的一些或全部可以体现为乳腺摄影系统120。
在某些实现中，x射线源124可以包括x射线管（或其他合适的x射线生成机构）和准直器，其配置成当有效时，组合而生成x射线束142且对其整形。在乳腺摄影的实施例中，在检查期间，x射线检测器126可以定位成最接近于患者的乳房组织，且位于患者的乳房组织的下方，且因而可以作为压缩组合件128的一部分或最接近于压缩组合件128而合并。例如，x射线检测器126可以安置于压缩组合件128的底板的正下方，或最接近地安置于压缩组合件128的底板的下方，使得乳房组织并非直接地搁置于检测器126上，而是搁置于检测器126的上方的板或其他压缩支承上。另外，防散射栅可以存在于检测器126与压缩支承之间。
在乳腺摄影的实现中，在图像采集期间，可以采用压缩组合件128来使乳房组织压缩。特别地，压缩组合件128可以用来在乳腺摄影图像的采集期间，使成像的乳房组织稳定，并且，在图像采集期间，且在图像采集之间，都维持组织的均匀性。在一个实施例中，压缩组合件包括下板150（例如，扁平非柔性板）和上板或桨152，乳房组织可以搁置于下板150上，并且，上板或桨152下降至乳房组织上，以实现压缩。
在所描绘的实现中，系统控制器132对乳腺摄影成像系统120的操作进行控制。作为示例，系统控制器132可以对x射线源124（例如，激活定时、功率、谱分布等）、检测器126和数据采集电路系统136（如在下文中更详细地讨论的）以及压缩组合件128中的一个或更多个的激活或操作进行控制，如果采用机动化或自动化压缩机构的话。
通常，数据采集及图像处理电路系统136与x射线检测器126通信，并且，从x射线检测器126接收数据，例如，产生于x射线检测器暴露于x射线的多个所采样的模拟信号或数字化信号。数据采集及图像处理电路系统136可以使数据转换成适合于处理的数字信号，和/或可以对所采样的数字和/或模拟信号进行处理，以生成乳房组织的放射摄影图像，放射摄影图像转而可以显示于显示器模块140上，或如果打印机是可用的，则打印放射摄影图像。
操作员界面138能够用来输入或调整乳腺摄影成像系统120的环境，以及用于允许乳腺摄影成像系统120的操作员激活和操作。在所描绘的实施例中，操作员界面138连接至系统控制器132、图像处理电路系统136和显示器140。
在所描绘的示例中，乳腺摄影系统120的数据采集及图像处理电路系统136还与图片归档及通信系统（pacs）158通信，图片归档及通信系统（pacs）158可以转而耦合至一个或更多个远程处理资源156，例如，应用或应用服务器，应用或应用服务器配置成实现如本文中所讨论的图像质量分析，并且，在基于云的环境中或在远程网络上运行。虽然图1描绘特定的实现，其中，pacs系统158是乳腺摄影系统120与远程处理资源156之间的中介，实际上，乳腺摄影系统120可以配置成在不采用诸如所描绘的pacs的中介的情况下与远程处理资源156直接地通信。类似地，在另外的实现中，与本文中所描述的图像质量分析相对应的应用或例程可以完全地或部分地在乳腺摄影系统的本地处理电路系统136上运行，虽然这样的本地化实现可能未得到基于云的实现将得到的某些益处，例如，与稳定性、资源管理、易于更新等有关的益处。
考虑到前文，本方法可以联合成像系统（例如，在图1中或在其他情况下示出的成像系统）而采用，该成像系统提供于专用的扫描地点或可能通常不具有在专用的设施处找到的图像分析资源的移动或远程地点处。在一个实现中，本方法可以包括利用图像压缩的完整的模式（schema）、一个或更多个图像处理及分析资源至云的高效上传（或在其他远程联网环境）以及使用在云或远程联网环境中在应用服务器上运行的分析算法（例如，在云中，在应用服务器上，实现为微服务的算法或分析学）的对图像中的不符合的检测。在图像中找到的异常能够由人为误差（例如，当在乳腺摄影的上下文中，对乳房进行定位时）或由扫描仪无意地生成的不理想的伪影引起。通过实时或近实时地针对这些不符合而分析图像，从而本方法允许当患者仍然存在于检查室中时，进行重新成像，并且，防止其中患者不必要地返回用于附加的成像的情形。
在一个实施例中，所提出的方法在云中（或在其他远程联网环境）在基于微服务的体系结构中实现不同的图像分析算法，以用于检测一组指定的不符合。该方法可以得益于由基于微服务的体系结构提供的软件质量因素，例如，改进的灵活性和稳健性。
本方法的优点包括，但不限于：（i）提供用于（例如，在乳腺摄影或其他医学检查的上下文中）实时地评估图像质量的系统方法；（ii）使用用于基于图像分析的质量控制的基于云或网络的解决方案，以及（iii）使用基于云或网络的基础设施，该基础设施允许快速更新且包括用于在诸如乳腺摄影的指定的成像上下文中处理其他不符合问题的新的图像分析算法。
为了促进解释，在乳腺摄影成像系统的上下文中，提供以下的示例，以便提供现实世界的上下文和对理解所公开的方法有用的示例。然而，如上文中所注意到的，本方法还可以联合其他成像模态和上下文而采用，包括各种医学成像模态以及安全筛查上下文、制造质量审查/控制上下文等。
考虑到这点，在一个示例中，例如，当患者仍然存在于成像地点处时，且在一个实现中，当患者仍然位于用于进行重新成像的位置中时，实时地评估乳腺摄影图像质量。特别地，该方法帮助技术人员更快速地确定所采集的图像是否具有某些指定的类型的不符合，并且，如果存在的话，则相应地重复检查的全部或一部分。另外，该方法能够帮助避免当图像是不适合的时，患者必须回来以用于进行重新成像。因此，该方法具有用来降低检查及诊断成本和诊断期间的假阳性及假阴性两者的潜力。
所解决的不符合的类型可能取决于成像上下文而变化，虽然，某些不符合可能为许多或所有的成像上下文所共有。作为示例，在乳腺摄影的上下文中，可以根据本方法而处理的不符合包括，但不限于：1）图像中的坏像素，2）图像中的线伪影，3）图像中所包括的扫描部分，4）在内外侧斜位（mlo）视图中，乳房/胸部角的不存在，5）在mlo视图中，胸肌和乳头未对齐，6）颅侧-或中心-尾侧（cc）视图中的不居中的乳头，以及7）在cc视图中，胸肌的不存在。根据一些评价，在乳腺摄影的上下文中，这七个类型的不符合可以表示60%或更多的乳腺摄影不符合图像问题。
翻到图2，示出本方法的过程流程的高级视图。在该示例中，技术人员160（使用乳腺摄影成像系统120）执行乳腺摄影检查过程，并且，所得到的图像自动地或响应于来自用户的提示而传送至pacs158。在该实现中，当将图像上传至pacs158时，还将图像自动地发送至远程处理资源156，例如，基于云的应用基础设施162（例如，可以实现一个或更多个应用服务器或其他处理方面的基于云的处理器、数据库、存储器等）。在该示例中，基于云的基础设施162的处理组件运行一个或更多个图像质量验证例程164，图像质量验证例程164实现为如本文中所讨论的服务或微服务。例如，当接收图像以用于分析时，在远程处理资源156处运行的图像质量验证例程164可以完全地或部分地并行地存储且运行，以便实时或近实时地向技术人员160提供结果。作为示例，从远程处理资源提供给技术人员160的反馈可以经由网络界面或专用应用界面（即，“app”）。由于大体上实时地生成的结果，患者将仍然存在于检查环境中（即，在成像器处），并且，如果结果指示所上传的图像中的不符合，则可用于重新成像。在一个实施例中，提供给技术人员160的反馈可以详细描述或以其他方式指定在所上传的图像中所识别的不符合，因此，技术人员160能够解决随后的图像中的不符合。
翻到图3，描绘基于云的体系结构200的一个示例的实现。在一个这样的示例中，体系结构200（基于云或在其他情况下）提供一组服务202，这组服务202为设备不可知的（即，直接地在图像上工作），各自具有明确定义的目的，并且，可经由超文本传输协议（http）资源应用编程界面（api）204而访问。以这样的方式，有可能容易地使所提供的服务202与任何应用206整合，并且，对体系结构200进行更新，以修改现有的服务或增加新的服务202。
在一个这样的实现中，本文中所讨论的图像质量验证经由基于微服务的体系结构而提供，其中，相应的过程通过网络而通信，以便使用诸如http的与特定的硬件或技术实现无影响的协议（即，能够在不同的平台上运行协议）来提供图像质量验证服务。这样的基于微服务的体系结构通常通过服务202的小或细粒度和/或所采用的协议的轻量的性质来表征。在一个实现中，在开放源云计算平台上实现基于微服务的体系结构。
关于服务202本身，在图3中所示出的医学成像的示例中，服务包括至少：数据分析服务220、dicom（即，医学标准覆盖中的数字成像和通信、医学图像的处理、存储和传送））元数据服务222、dicom组织者服务224以及图像分析学服务226。
数据分析服务220包含处理器可运行的例程（即，软件模块），当运行时，例程导致或促进待分析的图像的更新、存储和/或查询。在一个实现中，数据分析服务220提供用来与用户数据230（用户数据230可以存储于关系数据库系统（rds）中或存储于其他数据库上下文中）和图像存储装置232进行接口的手段，图像存储装置232可以作为安全且可扩展的物体存储服务而提供。在本示例中，当数据库230用来存储且管理用户数据、分析之后的图像中的不符合的类型、设备数据等时，图像存储装置232用来存储乳腺摄影图像。
dicom元数据服务222包含处理器可运行的例程（即，软件模块），当运行时，例程实现本文中所讨论的图像分析算法。在一个实现中，dicom元数据服务222提取图像元数据，例如，相应的技术人员的标识符，设备信息（例如，成像系统（或其他设备）模型、制造商、唯一标识符（例如，序列号）等）、日期和/或时间、检查序号或标识符，医院或设施（或其他位置信息，例如，gps坐标）等。
本示例中的dicom组织者服务224包含处理器可运行的例程（即，软件模块），当运行时，例程通常使用原始图像元数据来负责存储分层结构（例如，存储空间中的目录或文件夹）中的图像的组织。作为示例，在一个实现中，第一级组织是执行过检查的技术人员的标识符，该标识符可以用来限制对图像的访问，使得各技术人员仅可以使用他或她的检查。基于图像元数据的其他级的组织可以基于日期和时间元数据，和/或基于检查标识符或序号。
图像分析学服务226包含处理器可运行的例程（即，软件模块），当运行时，例程实现本文中所讨论的图像分析算法。在一个实现中，图像分析算法实现为小的自主服务，且并行地运行，以便得益于云结构，并且，递送给定的检查中的不符合的提示反馈。在本乳腺摄影示例中，通过图像分析学服务而识别的不符合包括，但不限于：1）图像中的坏像素，2）在图像中线伪影的存在，3）在图像中的扫描部分的存在，4）在内外侧斜位（mlo）视图中的乳房/胸部角的不存在，5）在mlo视图中胸肌和乳头的未对齐，6）颅侧-或中心-尾侧（cc）视图中的不居中的乳头，7）在cc视图中胸肌的不存在。
另外，如在所描绘的示例中示出的，图像分析服务与网络应用206通信。在一个这样的实施例中，网络应用与应用前端相对应，用户（例如，技术人员）与应用前端交互。在该示例中，网络应用206通过http请求204且使用所定义的api而与基于云的（或其他基于网络的）实现中的服务202连接。在讨论使用某些预期的方法来实现的图像分析学之后，在下文中，讨论合适的网络应用的界面的示例。
如上文中所注意到的，且关于图像分析过程，一个预期的图像分析服务可以针对识别坏像素。诸如本乳腺摄影示例的成像上下文中的坏像素可以表征为相对于其近邻而具有相对高的灰度值（即，强度）的像素。即，坏像素通常具有高灰度值或强度，并且，被具有较低的值的一组像素环绕。在图4中示出坏像素250的示例，其中，示出成像的乳房的侧视图，其中成像的区域被吹胀以用于更容易观察。在吹胀的区域内，坏像素250被描绘为相对于其近邻而具有高强度或响应。
在本上下文中，可以表征为图像分析服务226的一个服务或微服务运行坏像素检测算法（即，坏像素检测服务或微服务）。在一个示例中，所运行的算法基于原始图像与使用中值滤波器所滤波的同一图像之间的差而检测坏像素250。在图5中示出该方法的示例，其中，示出具有显示为整数的强度值的像素的3x3邻域。在该示例中，在第一步骤260中，对原始图像强度值的阵列252进行中值滤波，以产生对应的中值滤波的阵列254。在第二步骤262中，从阵列252的对应的原始图像强度值减去中值滤波的阵列或图像254中的值，以产生差分图像或阵列256。基于阈值比较，差分图像或阵列256内的值可以与数值阈值比较，并且，如果超过阈值，则被视为与坏像素250相对应。
关于图像分析过程的其他方面，另一预期的图像分析服务可以针对检测坏线。诸如本乳腺摄影上下文的成像上下文中的坏线可以表征为具有相对于最近或相邻的线而具有相对高的灰度值（即，强度）的单线。即，坏线通常具有高灰度值或强度，并且，被具有较低的值的一组像素环绕。在图6中示出坏线280的示例，其中，示出成像的乳房的侧视图。
在本上下文中，可以表征为图像分析服务226的一个服务或微服务运行坏线检测算法（即，坏线检测服务或微服务）。在一个示例中，所运行的算法基于用于线检测的霍夫变换而检测坏线280，其使用与投票模式组合的坎尼轮廓提取，以给定一组轮廓点而查找最可能的线。投票阈值定义强候选，并且，查找图像中的坏线。可以（例如，通过色彩增强）在视觉上指示或增强坏线280，以供由技术人员审查，或算法可以简单地以存在于图像中的一个或更多个坏线280的形式提供不符合的指示。如可以领会，在这样的伪影指示设备失效或问题的意义上，坏像素或坏线的识别可以充当对服务调用的自动或手动生成的提示。
在类似的上下文中，另一预期的图像分析服务可以针对检测由无意地成像或以其他方式影响到图像的成像器系统的组件所引起的伪影。作为示例，通常作为用来整形x射线发射或限制x射线发射的不透射线的结构的准直器可能无意地侵入（intrudeon）图像的区域。例如，当存在时，这样的影响发生于在图像中出现扫描过程的辅助组件的一部分（例如，准直器）时。这样的影响通常显现为图像边界处的亮的（即，高强度）大致笔直的伪影。在图7中示出成像的准直器的示例（即，伪影290），其中，示出成像的乳房的侧视图。
在本上下文中，可以表征为图像分析服务226的一个服务或微服务运行准直器（或其他成像器组件）检测算法（即，硬件检测服务或微服务）。在一个示例中，所运行的算法基于如上文中所讨论的霍夫变换而检测与硬件有关的伪影290（例如，准直器伪影）。在该实现中，霍夫变换用来查找接近于图像的边界的直线，这指示图像中的不预期的扫描部分的存在。
在另外方面，另一预期的图像分析服务可以针对检测颅侧-或中心-尾侧（cc）视图（即，俯视图或从上方观察的视图）中的肌肉组织。如图8中所示出的，在cc视图中，在乳腺摄影上下文中，胸肌300应当存在且表现为亮的半椭圆结构（在图8中被虚线环绕），该结构触及乳房的内部部分处的边界。当有可能时，肌肉应当在乳腺摄影图像中是可见的。如果肌肉为不可见的，则腺与肌肉之间的脂肪必须为可见的。如果全都不可见，则必须重复检查，即，重新采集图像。
在本上下文中，可以表征为图像分析服务226的一个服务或微服务运行肌肉检测（例如，胸肌检测）算法（即，肌肉检测服务或微服务）。在一个示例中，所运行的算法使用投票模式来检测cc图像中的胸肌，以用于拟合乳房内侧的感兴趣点处的省略号（ellipsis）。特别地，当在cc视图中可见时，如图8中所示出的，胸肌300通常为大致遵循图像边界中的半省略号的形状的亮区。预期的肌肉检测算法迭代地尝试省略号中心和比的不同的组合，以查找最优地拟合从原始图像推导出的梯度幅值图像的省略号。利用该方法，通过增加半省略号几何约束而找到肌肉的轮廓。
在另一方面中，乳腺摄影上下文中的预期的图像分析服务可以针对检测乳头是否在给定的图像中适当地定位且取向。例如，如图9中所示出的，在这样的乳腺摄影上下文中，在cc视图中，乳头310表现为乳房边界处的点，其中，皮肤稍微更宽，并且，通常位于相对于胸肌300的最远的点处。乳头的向外延伸应当关于乳房而居中，且最终关于胸肌300而居中。
考虑到这点，在本上下文中，可以表征为图像分析服务226的一个服务或微服务运行乳头位置及取向算法（即，居中的乳头评价服务或微服务）。在一个示例中，所运行的算法使用胸肌位置（如可以通过上述的服务而确定），并且，将乳头310作为相对于胸肌300而离乳房表面更远的点而检测。然后，可以关于乳头310是否相对于胸肌300而居中而在算法上作出确定。例如，通过确定乳头位置（在图9中由线312指示）的y坐标值是否处于在胸肌300的内侧居中的y坐标值的范围之间，从而可以作出这样的确定。如果它落入该范围内，则乳头310被居中，否则乳头310不居中。经由说明而提供不居中的乳头310（图9，最左边的图像）和居中的乳头310（图9，最右边的图）的示例。
在另一方面中，乳腺摄影上下文中的预期的图像分析服务可以针对确定在内外侧斜位（mlo）视图（即，斜视图或成角度的视图，通常为从侧面并且成角度地观察的视图）中，乳房/胸部角为可见的。在mlo视图的上下文中，乳房相对于腹部的角应当为可见的。如果该角在图像中为不可见的，则必须重复检查，即，重新采集图像。
在本上下文中，且翻到图10，可以表征为图像分析服务226的一个服务或微服务运行mlo角检测算法（即，检测乳房/胸部角是否可在mlo图像中辨别的服务或微服务）。在一个示例中，所运行的算法使用凸包（线330）和乳房边界（边界线332）来检测乳房与胸部之间的角。角334被定义为具有乳房边界332与凸包线330之间的最大距离（距离线336）的乳房的底部部分中的点。如果该距离336大于指定的阈值，则算法认为角334是可见的。如果距离336低于阈值或为不可确定的，则算法认为角334是不可见的。
在另外方面中，乳腺摄影上下文中的预期的图像分析服务可以针对确定在mlo视图中乳头纬度（latitude）是否与胸肌交叉。如果乳头纬度与胸肌交叉，则这有助于确保纤维腺组织存在于图像中。相反地，当乳头纬度不与胸肌交叉时，指示对齐误差，并且，必须重复检查，即，重新采集图像。
作为示例，在本上下文中，可以表征为图像分析服务226的一个服务或微服务运行mlo乳头/肌肉对齐算法（即，确定在mlo图像中乳头纬度是否与胸肌交叉的服务或微服务）。在一个示例中，所运行的算法通过执行三个对齐评估步骤而评估mlo视图中的乳头与胸肌之间的对齐。在第一步骤中，在mlo视图中，检测胸肌。
关于在mlo视图中检测胸肌，在一个示例中，由服务所运行的算法通过执行在图11中用图表示出的一系列的胸肌检测步骤而检测胸肌，其可以包含，但不限于：（1）将起点350作为具有顶部边界处的乳房中的最高的梯度值的位置而查找，（2）将节点（图示为圆352）之间的类似度测量用作图表中的权而创建定向加权图表，（3）考虑起点350与左/右边界（由标有箭头的线354表示）处的乳房的内侧的一组关键点中的每个点之间的最短路径，以及（4）选择具有最小最后得分的路径（暗色阴影的路径箭头），以作为胸肌300的边界360（图12）。最短路径大致遵循（通常不连续的）梯度线，该梯度线相对于乳房内侧的脂肪而以胸肌300为界，从而为与胸肌300相对应的区划界。
在第二对齐评估步骤（其实际上可以与胸肌检测并行地执行，或在胸肌检测之前执行）中，在mlo视图中，检测乳头310。在图12中所示出的一个实现中，将乳头310作为相对于胸肌300的最远点（如距离线d所图示）而检测。在第三步骤中，例如，基于乳头的高度，验证乳头310与胸肌300之间的对齐（对齐线362）。
虽然前文涉及所采用的图像分析学服务和算法，但如先前所注意到的，对技术人员的这些分析学的输出的界面组件可以采取网络应用206的形式（图3）。在一个实现中，网络应用可以提供各种视图，例如，在图13和图14中示出其示例的技术人员视图（其中，技术人员能够使所分析的图像可视化，且理解相关联的不符合）和/或如图15中所示出的医师视图（其中，提供数据分析的可视化和/或报告的生成）。在医师的视图中生成的报告可以用来更好理解基于以下的因素或根据以下的因素而分解的在图像中观察到的不符合的数量和类型：（1）技术人员、（2）设备和（3）时间帧。
翻到图13和图14，这些图描绘可以向技术人员显示的屏幕截图。该示例中的屏幕截图显示一个或更多个分析的图像和检测到的不符合。可以使用视觉提示或突出显示来在相关图像中突出显示或指出不符合，且/或可以根据合适的误差消息而识别不符合。在一个示例中，技术人员能够通过图像而导航，并且，使用鼠标来放大（如图14中所示出的），以查看关于不符合的更多细节。如先前所注意到的，可以在云或其他联网位置生成提供给技术人员的结果（例如，在图13和图14中示出），并且，例如，当患者仍然位于与网络应用屏幕中所描绘的结果相对应的成像位置时，使该结果实时或近实时地返回至技术人员。以这样的方式，可以在允许针对其中图像被确定为不符合的给定的姿态而重新成像的时间帧中提供结果。
相反地，图15描绘数据分析屏幕，其中，临床医师或管理人员能够获得关于许多分析的图像（例如，由给定的技术人员采集的图像、使用给定的成像系统来采集的图像和/或在给定的时间帧内采集的图像）和所观察到的不符合的类型的更多细节。然后，这样的数据分析能够用于作出与以下有关的确定：针对易于出现某些类型的错误的给定的技术人员的调度合适的培训和/或针对展示某些与硬件有关的错误（例如，坏像素、坏线等）的成像系统的调度维护或维修。
本发明的技术效果包含诸如在正在采集的图像的不到5秒钟、10秒钟、20秒钟、30秒钟、1分钟、2分钟或5分钟中，实时或近实时地向采集无创图像的人员（例如，技术人员）提供图像质量反馈。作为示例，所提出的方法可以通过使用彼此并行地部分地或完全地运行的处理器实现的基于规则的算法来针对不符合的存在或不存在而评价图像，从而自动地实时地评估乳腺摄影图像的质量。所提出的方法通过在得到低质量或临床上不适合的图像或检查之后（例如，在几秒钟或几分钟内），高效地提供这些图像或检查的通知，和/或丢弃这些图像或检查，从而改进图像分析流水线。在某些实现中，当患者或物体仍然存在和/或定位，以用于后续的成像尝试时，可能出现这样的通知。根据本公开，图像分析方法可以实现为基于云的图像分析实例（或其他远程或联网实现），以便无论地理位置如何，都向分派任务有采集图像数据的人员提供实时或近实时反馈。
本书面描述使用包含最佳模式的示例来公开本发明，并且还使本领域的任何技术人员能够实施本发明，包含制作和使用任何装置或系统以及执行任何包含的方法。本发明的可取得专利的范围由权利要求书限定，并且可包含本领域的技术人员想到的其他示例。如果这类其他示例具有没有不同于权利要求书的文字语言的结构元件，或者如果它们包含具有与权利要求书的文字语言的无实质差异的等效结构元件，则它们意图处于权利要求书的范围之内。