本发明涉及用于依赖于传感器信号的对话管理器和相关的动作生成的系统和方法,所述依赖于传感器信号的对话管理器用于捕获患者的状态。特别地,本发明涉及用于在医学成像过程期间进行依赖于传感器信号的对话生成的系统和方法、训练机器学习模型的方法、计算机程序单元以及计算机可读介质。
背景技术:
1、ep 3473181 a1描述了用于操作医学图像记录设备的方法、图像记录设备、计算机程序和电子可读数据载体。其中,所描述的设备包括语音交互系统,所述语音交互系统至少具有患者噪声接收麦克风和针对患者的至少一个扬声器,其中,借助于麦克风记录源自患者的声音,并且由语音交互系统的语音识别单元评估所述声音,以确定描述患者状况和/或话语内容的患者信息。
2、在自主成像期间,有几种情形,患者可能在准备阶段、扫描阶段以及扫描后独自一人。在磁共振成像(mri)或计算机断层摄影(ct)流程期间,患者被隔离在模态室中并且被提供有一些需要遵守的指令。
3、这些指令可能是静止不动、每隔一段时间屏住呼吸以及在一定时间内不动。患者大致了解了扫描所需的时间。患者在经受流程时也没有时间进度感。
4、在某些场景中,患者可能会在扫描或医学成像过程期间感到焦虑和不适。这可能是由于扫描的持续时间比预期的长、其他生物特征状况的变化,或者类似和对应的方面。
5、然而,在自主成像场景中,在扫描期间或在医学成像过程期间,患者可能无法清楚地表达他们的反馈或他们的焦虑。
技术实现思路
1、因此,可能需要改进的医学成像系统。本发明的目的通过独立权利要求的主题来实现,其中,在从属权利要求中包含了进一步的实施例。应当注意,本发明的以下描述的方面等同地适用于所述系统和所述方法、训练机器学习模型的方法、计算机程序单元以及计算机可读介质。
2、根据本发明的第一方面,提供了一种用于在医学成像过程期间进行依赖于传感器信号的对话生成的系统,所述系统包括:传感器模块,其被配置为测量患者的状况数据;处理器模块,其被配置为分析所述患者的所述状况数据,以确定所述患者的生物特征和身体状况数据;对话数据生成模块,其被配置为生成问卷数据,以用于在所述医学成像过程期间获得来自所述患者的实时反馈,其中,所述问卷数据基于所述医学成像过程的参数和所确定的所述患者的生物特征和身体状况数据。
3、与现有技术相比,本发明允许自动执行用于在医学成像过程期间或在医学成像过程的单次扫描期间获得来自患者的实时反馈的方法。
4、本发明有利地使用基于患者心理和身体状况的相关问卷的自动生成来得到期望的反馈。
5、本发明有利地使用自动化系统来持续监测患者的生物特征、生理或身体状况,以获得相关反馈来采取适当的后续动作。
6、本发明允许根据患者表现出的面部表情和身体表现来判断患者是否理解了问题。本发明有利地使用感觉输入和/或反馈数据,通过使患者灵活地使用简单的手势、语音命令和包括唇读在内的面部表情来提供反馈,从而使患者更加舒适。
7、由于患者合作更好并且患者焦虑减少,本发明有利地允许改进的工作流程。
8、根据本发明的示例性实施例,所述传感器模块还被配置为测量患者的音频数据,并且其中,所述处理器模块还被配置为分析所测量的所述患者的音频数据,以执行情绪识别并确定所述患者的舒适度水平。
9、根据本发明的示例性实施例,患者的舒适度水平可以例如指的是描述身体疼痛、声学噪声、视觉刺激或固定或移动限制或睡眠障碍对患者的影响程度。
10、根据本发明的示例性实施例,所述传感器模块还被配置为测量患者的视频数据,并且其中,所述处理器模块还被配置为分析所测量的所述患者的视频数据,以执行情绪识别并确定所述患者的舒适度水平。
11、根据本发明的示例性实施例,所述情绪识别包括面部识别、语音识别和手势识别中的至少一项。
12、根据本发明的示例性实施例,所述传感器模块还被配置为测量患者的反馈数据,并且其中,所述处理器模块还被配置为分析所测量的所述患者的反馈,以控制所述医学成像过程。
13、根据本发明的示例性实施例,所述医学成像过程的所述参数包括以下各项中的至少一项:所述医学成像过程的扫描类型、所述医学成像过程的扫描序列、所述医学成像过程的扫描时间段、所述医学成像过程的所述患者的目标部位。
14、根据本发明的示例性实施例,所述对话数据生成模块被配置为生成问卷数据,以使所需的来自所述患者的反馈数据量最小化。
15、根据本发明的示例性实施例,所述处理器模块包括神经网络,并且所述神经网络被配置为基于所述医学成像过程的所述参数和所确定的所述患者的生物特征和身体状况数据来优化所述问卷数据的所述生成。
16、在又一方面,提供了一种计算机程序单元,所述计算机程序单元在由至少一个处理单元运行时适于引起一种方法来执行根据前述方面的方法。
17、在又一方面,提供了至少一种计算机可读介质,其上存储有程序单元或者其上存储有机器学习模块。
18、一般而言,“机器学习”可以包括基于算法的编程分类,该算法基于样本数据(被称为“训练数据”)来构建模型,以便在没有明确编程的情况下进行预测或决策。
19、一些机器学习算法是基于模型的。基于模型的ml算法操作用于调节机器学习模型的参数。这个调节流程被称为“训练”。
20、因此,通过训练来配置模型以执行任务。ml算法还包括基于实例的学习。在训练中使用的新的训练数据越多,ml算法实现的任务性能的提高就越显著。当向系统提供测试数据时,可以通过客观测试来测量性能。可以根据针对给定测试数据要达到的某个错误率来定义性能。
1.一种用于在医学成像过程期间进行依赖于传感器信号的对话生成的系统(100),所述系统(100)包括:
2.根据权利要求1所述的系统,其中,所述传感器模块(10)还被配置为测量患者的音频数据,并且其中,所述处理器模块(20)还被配置为分析所测量的所述患者的音频数据,以执行情绪识别并确定所述患者的舒适度水平。
3.根据权利要求1或2所述的系统,其中,所述传感器模块(10)还被配置为测量患者的视频数据,并且其中,所述处理器模块(20)还被配置为分析所测量的所述患者的视频数据,以执行情绪识别并确定所述患者的舒适度水平。
4.根据权利要求2或3所述的系统,其中,所述情绪识别包括面部识别、语音识别和手势识别中的至少一项。
5.根据前述权利要求中的任一项所述的系统,其中,所述对话数据生成模块(30)还被配置为在所述医学成像过程期间获得来自所述患者的实时反馈。
6.根据前述权利要求中的任一项所述的系统,其中,所述传感器模块(10)还被配置为测量患者的反馈数据,并且其中,所述处理器模块(20)还被配置为分析所测量的所述患者的反馈,以控制所述医学成像过程。
7.根据前述权利要求中的任一项所述的系统,其中,所述医学成像过程的所述参数包括以下各项中的至少一项:所述医学成像过程的扫描类型、所述医学成像过程的扫描序列、所述医学成像过程的扫描时间段、所述医学成像过程的所述患者的目标部位。
8.根据前述权利要求中的任一项所述的系统,其中,所述对话数据生成模块(30)被配置为生成问卷数据,以使所需的来自所述患者的反馈数据量最小化。
9.根据前述权利要求中的任一项所述的系统,其中,所述传感器模块(10)被配置为根据针对所述患者的睡意检测来测量所述患者的状况数据,并且所述对话数据生成模块(30)被配置为基于所述睡意检测来生成用于刺激所述患者的基于音频或视频的唤醒信号。
10.根据前述权利要求中的任一项所述的系统,其中,所述处理器模块(20)包括神经网络,所述神经网络被配置为优化所述问卷数据的所述生成。
11.一种医学成像设备,其包括根据前述权利要求1至8中的任一项所述的系统。
12.一种用于在医学成像过程期间进行依赖于传感器信号的对话生成的方法,所述方法包括以下步骤:
13.一种计算机程序单元,其在由至少一个处理器运行时适于使所述处理器执行根据权利要求12所述的方法。
14.至少一个计算机可读介质,其上存储有根据权利要求13所述的程序单元。