基于个性化内容的患者检索系统的制作方法

本申请要求提交于2014年3月3日的美国临时专利申请序列号61,947,218的优先权，其通过引用完全并入于此。

发明背景

诸如计算机化断层显象(“CT，computerized tomography”)扫描仪和磁共振成像(“MRI，magnetic resonance imaging”)扫描仪等医学成像系统可以允许治疗医师检查需要全面检查以便医学治疗的患者的内脏器官和患者的身体区域。在使用中，可视化扫描仪可以输出二维(“2D”)和三维(“3D”)医学图像，该医学图像能够包括患者的某个身体器官的一系列计算机化断面图像，该断面图像可继而由诸如专业放射科医师等检视医师解释。通常训练放射科医师分析来自患者身体的各个部分的医学图像，诸如脑、腹部、脊椎、胸部、骨盆和关节的医学图像。在放射科医师分析了医学图像之后，放射科医师准备文档或报告，所述文档或报告包含放射学发现，并且有时包含扫描出来的、最好地示出所述发现的关键图像。继而将放射学报告发送回咨询执业医生。

可以使用成像系统自动地处理和分析来自医学成像系统的图像。成像系统可以包括多种组成部分，诸如成像设备和用于解释图像数据的信息技术系统。这些组件可以由不同的供应商实现和安装。

技术实现要素：

本文认识到与处理和分析医学数据的方式相关联的各种限制。例如，不同供应商的使用可能导致碎片化的信息技术环境，并且异构数据源的增加可能是提供高效服务的障碍。再例如，用于包括医学成像分析在内的数据分析的当前系统可能无法在可适于容许快速诊断或治疗的时间范围内以必需的准确性水平提供信息。因此，本文认识到在集成和搜索多供应商、非结构化数据方面需要新的方法。

在一方面，本公开内容提供了一种用于成像数据的自适应学习的方法，包括：(a)在由用户请求时，访问包括受试者成像数据的受试者数据库，该成像数据与一名或多名受试者的生理状态或状况相关，其中所述受试者中的至少一部分具有已知的或可识别的生理状况，(b)使用计算机处理器，针对由所述用户提供的搜索参数而实施对所述受试者数据库的搜索，其中所述搜索参数包括与经受治疗的受试者相关联的一个或多个图像数据，并且其中所述搜索包括使用图像比较算法将所述一个或多个搜索参数与所述数据库中的所述受试者成像数据进行比较；(c)在所述用户的电子显示器的用户界面上提供所述搜索的一个或多个匹配，该匹配包括所述受试者成像数据之中的一个或多个成像数据，所述一个或多个成像数据各自与已知的或可识别的状况相关联；(d)从所述用户检索关于(c)中的所述一个或多个匹配(i)是否准确地与关联于所述受试者的所述一个或多个图像数据相关或者(ii)是否未准确地与关联于所述受试者的所述一个或多个图像数据相关的指示；以及(e)基于(d)中的所述指示来更新所述成像比较算法。这可以使得所述图像比较算法能够以增加的准确性水平，诸如以至少约70％、80％、90％、95％或99％的准确性识别与搜索参数相匹配的图像。这可以有利地支持在相对快速的时间尺度内根据搜索参数快速而准确地识别图像，从而提供改进的、对具有未知的生理状况或不易识别的生理状况的受试者的诊断和/或治疗。

在另一方面，本公开内容提供了一种用于成像数据的自适应学习的系统，包括(a)配置文件模块，其被编程用于允许用户制作配置文件，所述配置文件包括针对所述用户而选择的相关性函数；(b)查询模块，其被编程用于针对由所述用户选择的搜索参数而查询患者数据库；(c)检索模块，其被编程用于基于所述查询而使用所述相关性函数从所述患者数据库检索患者数据；以及(d)自适应学习模块，其被编程用于(i)格式化所述患者数据以便显示在用户的电子设备的图形用户界面上，该患者数据与基于相似患者而生成的相似性评级以及相关性分数一起显示，所述相似患者是基于所述查询的内容予以识别的，以及(ii)基于显示在电子显示器的所述图形用户界面上的所述患者数据、相似性评级和相关性分数来自适应地习得所述用户的偏好并且更新所述相关性函数。

在另一方面，本公开内容提供了一种用于推荐成像数据的方法，包括(a)在由用户请求时，访问包括受试者成像数据的受试者数据库，该成像数据与一名或多名受试者的生理状态或状况相关，其中所述受试者中的至少一部分具有已知的或可识别的生理状况；(b)使用计算机处理器，针对由所述用户提供的搜索参数而实施对所述受试者数据库的搜索，其中所述搜索参数包括与经受治疗的受试者相关联的一个或多个图像数据，并且其中所述搜索包括使用推荐算法推荐所述数据库中的所述受试者成像数据；(c)在所述用户的电子显示器上提供一个或多个推荐的成像数据；(d)从所述用户检索关于所述成像数据的临床评价的指示；(e)评价所述临床评价，其中所述评价包括确定所述临床评价的准确性；以及(f)基于(d)中的所述指示和(e)中的准确性而更新所述推荐算法。

根据以下详细描述，本公开内容的附加方面和优点对于本领域技术人员将会变得显而易见，其中仅示出和描述了本公开内容的说明性实施方式。如将会意识到的，本公开内容能够具有其他实施方式和不同实施方式，并且其若干细节在各个明显方面能够有修改，所有修改都不偏离本公开内容。因此，附图和描述实质上应被视为是说明性的而非限制性的。

援引并入

本说明书中所提及的所有出版物、专利和专利申请均通过引用而并入于此，程度如同具体地和个别地指出要通过引用而并入每一个别出版物、专利或专利申请。

附图说明

在随附的权利要求中特别阐明了本发明的新颖特征。通过参考对在其中利用到本发明原理的说明性实施方式加以阐述的以下详细描述和附图(本文中也称为“图”和“FIG.”)，将会获得对本发明的特征和优点的更好的理解，在附图中：

图1描绘了本公开的信息系统的示例性实施方式。

图2描绘了用户可以使用以比较图像的示例性搜索参数。

图3描绘了本公开的示例性控制系统。

图4描绘了本公开的系统的反馈模块的示例性实施方式。

图5描绘了可收集到的示例性用户反馈类型连同用以基于该反馈而更新相关性函数的示例性方法的表格。

图6描绘了本公开的系统的推荐模块(“recommender module”)的示例性实施方式。

图7描绘了本公开的系统的分配模块的示例性实施方式。

具体实施方式

虽然本文已经示出和描述了本发明的各个实施方式，但对于本领域技术人员显而易见的是，这样的实施方式只是以示例的方式提供的。本领域技术人员现将在不偏离本发明的情况下想到许多更改、改变和替代。应当理解，可以采用对本文所描述的本发明实施方式的各种替代方案。

如本文所使用，术语“数据源”或“患者数据”通常是指可用于定义患者之间的相似性的任何数据。示例性数据源可以包括患者图像、放射学标注和电子健康记录。患者数据可以是指来自受试者的图像和/或数据。

如本文所使用，术语“上下文”(“context”)通常是指患者数据的任何非空子集。上下文可以是指输入数据的特性或输出数据的特性。上下文可以是指搜索参数。

如本文所使用，术语“用户”通常是指使用患者数据进行工作的任何医疗保健专业人员。示例性用户可以包括放射科医师、护理者、成像技术人员、医生、医疗专业人员和/或科学家。

如本文所使用，术语“临床特征”通常是指可由人类(例如，放射科医师)手动地或者由计算机程序自动地从患者数据(例如，图像、临床数据、本体数据、症状和诊断)中提取的任何信息。

如本文所使用，术语“相关性函数”通常是指把来自一组患者的临床特征当作输入并且计算指示出该患者组与当前用户的相关性的连续值的任何数学函数或算法。可以针对具体用户唯一地定义相关性函数。相关性函数可以与“图像比较算法”互换使用。

如本文所使用，术语“相似性测度”通常意指把来自两个不同患者的临床特征当作输入并且计算指示出这两个患者之间的相似性的测度的连续值的任何数学函数或算法。

如本文所使用，术语“PACS”通常是指图片存档与通信系统。这可以是用户所使用的、支持对患者图像和相关报告的安全分发、交换、存储和显示的安全网络。在一些实施方式中，PACS可以包括工作站或移动设备。

如本文所使用，术语“HIS”通常是指健康信息系统。这可以是储存、检索并管理与医疗保健网络内的组织活动或患者健康相关的信息的任何系统。

如本文所使用，术语“RIS”通常是指放射学信息系统。这可以是储存并检索放射学工作流程的所有阶段期间的放射学信息的计算机程序。RIS能够支持患者排定以及报告生成。

如本文所使用，术语“EHR”通常是指电子健康记录。这可以是支持患者健康数据的录入的电子格式，其中数据可以由具有对数据的不同访问级别的个人或者医疗保健专业人员录入到EHR平台中。

如本文所使用，术语“图像采集系统”通常是指能够收集和处理数字患者图像(例如，磁共振图像、x射线)的系统。例如，正电子发射断层显像(PET，positron emission tomography)扫描仪可以产生可在该机器上处理的3D图像。

如本文所使用，术语“受试者”通常是指接受治疗、需要治疗、疑似需要治疗或疑似患有病痛或健康状况的个体。受试者可以是患者。

诸如计算机化断层显象(“CT”)扫描仪和磁共振成像(“MRI”)扫描仪等医学成像系统允许医师检查需要全面检查以便医学治疗的患者的内脏器官和患者的身体区域。在使用中，可视化扫描仪输出二维(“2D”)和三维(“3D”)医学图像，该医学图像能够包括某个身体器官的一系列计算机化断面图像，该断面图像继而由诸如专业放射科医师等检视医师解释。

如图1中所示，在放射学中，信息技术环境可以包括：医院信息系统(HIS)、放射学信息系统(RIS)、图像采集系统以及图片存档与通信系统(PACS)。图片存档与通信系统(PACS)可以连接放射学工作流程的不同方面：图像采集、存储、传输、查看、处理、解释以及报告。

本公开的信息系统可以被设计用于习得针对放射科医师的基于个性化内容的患者检索系统。放射科医师可以查询与当前正标注的患者相似的患者，并且检索系统可以向放射科医师提供按相关程度排序的相似患者的列表。相关性可以是基于给定放射科医师的一个或多个已知偏好而对该放射科医师的重要性的测度。相关性可以是基于放射科医师的一个或多个已知偏好而对图像与该放射科医师所提供的参数相关的密切程度的测度。系统能够支持对患者数据的联合搜索以便为放射科医师识别相关患者。系统可以通过提高放射科医师与信息系统之间的交互效率来减少放射科医师检视患者数据所花费的时间。系统可以基于放射科医师的偏好而提供针对跨多种信息技术服务的患者数据的规范化命名法。

例如，放射科医师可以开始对患者的图像作标注，并且检索系统可以基于当前放射学标注数据而动态地更新相似患者的列表。对患者作标注可以涉及基于其临床特征(例如，肿瘤、断骨)而对患者进行分级和/或描述。标注可以包括识别临床特征。标注可以包括对临床特征的严重程度进行分级。图2描绘了用于图像之间的比较的示例性搜索参数。系统可以利用由PACS提供的适当查看器而提供针对多个患者的不同视图。例如，可以使用专门的3D查看器来查看一项包括脑的磁共振成像(MRI)的研究。

本公开的一些实施方式提供了用于使用计算机从数据库检索图像并确定所述图像中的每一个是否引起检视医师的医学兴趣的系统和方法。在一些情况下，提供了用于使用计算机确定所述图像中的哪一个(或多个)代表全组图像并且将该一个或多个代表性图像提供给显示与分析系统以供检视医师检视的系统和方法。可以通过连续跟踪初始发现和治疗反应来追踪(例如，监视)受试者(例如，患者)疗效。通过追踪患者疗效，可以随时间而进一步增强和改进诊断，因而改善了治疗效果。

在一些实施方式中，图像检索与分析系统被编程用于检索受试者图像并且使得用户能够分析所述图像。该系统可以察看由放射科医师标注的图像并将其与该系统自动生成的相似图像进行比较，从而调整和/或改进算法以与放射科医师的标注更紧密地匹配。这种方法涉及自动处理许多病例以及使用对大量数据的分析/统计处理来改善诊断算法并因此改善患者疗效。

本公开提供了用于分析并优先级化医学图像的方法和系统。例如，可以使用对医学图像的分析来识别关键的医疗状况，并且基于该分析，还可以使用所述系统和方法以基于医学发现的严重性来组织检视医师的工作列表并继而创建列举了所分析的医学图像中的医学发现的文本文档。可以使用高于某个阈值(例如，用户定义的搜索参数和/或机器学习的用户配置文件相关性算法)的偏差来标记某个图像。此外，在一些区域中，只有非期望存在物(例如，胸膜腔内的液体)的出现可以用于标记一个图像或一系列图像。显然，在不改变本发明的精神的情况下可以进行许多更改。

本公开内容的各个方面可以适用于下文阐述的任何特定应用或者适用于任何其他类型的显示器或放射学数据管理应用。本公开的系统可以作为独立的系统或方法来应用，或者作为诸如医学和/或实验室数据管理包或应用等集成软件包的一部分来应用，或者作为集成图片存档通信系统(“PACS”)解决方案的一部分来应用。本公开的系统还可以与诸如手持式超声机器等图像采集设备集成在一起。应当理解，本发明的不同方面可以单独地、共同地或彼此组合地来理解。

可以提供一种用于提高工作流过程的效率和准确性的计算机系统。在本公开的一些实施方式中，计算机系统—例如可以是具有标准CPU、存储器和储存器的标准个人计算机—是增强的图片存档通信系统或者是现有PACS和/或RIS的附加子系统。在一些实施方式中，计算机系统可被配置用于分析并优先级化图像和患者病例。计算机系统可以从成像模态(modality)(例如，CAT/CT扫描仪、MRI、PET/CT扫描仪)或在其中储存医学图像的数据库或PACS自动检索医学图像，自动分析医学图像，并且提供医学图像和分析结果以供检视医师或咨询医师或者诸如放射科医师等专科医师检视。

可以将患者的一个或多个图像(或一组图像)储存在图像数据库中。图像数据库可以是PACS的子系统。图像数据库可以是独立的计算机系统。在这样的情况下，独立的计算机系统可以与PACS通信。

用户可以查询包括来自多名患者的多个患者图像的数据库。查询可以包括要求数据库查找例如相似的图像、患者和/或患者诊断。查询可以基于由用户录入的搜索参数。查询可以要求检索模块/引擎在数据库中查找与该查询相关的数据。

由检索引擎检索出的一个或多个图像可以由本公开的系统分析和解释。例如，可以分析一个或多个图像以确定所述一个或多个图像是否将会或有可能引起检视医师或咨询医师的兴趣。这可能需要确定所述一个或多个图像是否示出关于当前患者状况的任何异常。例如，可以使用可比较图像以及将其与正常化图像进行比较来确定这些各种状况。

系统可以确定一个或多个图像中的每一个或子集对于检视医师或咨询医师的进一步检视而言是否重要。在一些情况下，系统可以进行附加分析，包括但不限于提供定量测量、提供相关性分数、提供相似性评级以及提供相关性函数。

在一些情况下，提供了用于检索和处理医学诊断图像的方法。所述方法包括使用计算机系统，诸如增强的图片存档通信系统，从图像数据库或者直接从成像设备(例如，成像模态)检索一个或多个图像(例如，来自三维扫描的二维图像)。在一些实施方式中，一个或多个图像定义了一组图像。计算机系统可例如通过生成相关性分数来确定图像中的每一个是否引起检视医师的医学兴趣。在一些实施方式中，这可以包括将所述图像中的每一个与来自具有已知医疗状况的患者的图像进行比较的计算机系统。该计算机系统可以将所述一个或多个图像提供至显示与分析系统以供检视医师检视。该计算机系统可以格式化图像数据，使得可以提供用于在图形用户界面上显示的一个或多个图像以供检视医师检视。另外，使用上文的图像比较，计算机系统可以检测患者是否患有特定疾痛，并且向检视医师提供与患者状况相关的定量信息(例如，距离、断面面积、体积)。

本公开的系统和方法可以包括特定于用户的配置文件；对相似患者的匹配；获得与患者相关的医学数据；基于患者数据内容而确定患者之间的关系；除医学数据之外还集成了用户的领域知识以便确定患者之间的关系；以及基于习得的关系来检索医学数据。可以在对放射学工作流程的图像分析、解释和报告步骤期间使用基于个性化内容的患者检索系统。

本公开的信息系统可以允许放射科医师更容易地识别相关患者(例如，具有相似状况的患者)；从而提高放射科医师的生产力。信息系统可以包括对放射学标注、患者图像和用于搜索的任何先前的患者健康数据以及习得了每个个体放射科医师的相关性函数并提供个性化搜索结果的个性化检索系统的集成。检索系统能够以不受数据库的结构限制的多种方式对数据进行索引。

信息系统

本公开的信息系统能够以各种格式使用。信息系统可以包括独立的应用或者与PACS或PACS的子系统集成的应用。信息系统可以包括网络(“web”)应用。信息系统可以包括移动应用。信息系统可以包括分布式应用。信息系统可以是基于因特网的。信息系统可以是基于内联网的。信息系统可以是基于云的。

配置文件模块

系统可以包括配置文件模块。配置文件模块可以允许用户选择现有的相关性函数或者通过创建新的配置文件而创建新的个性化搜索函数。在一些实施方式中，配置文件模块允许用户选择针对一组用户(例如，整个放射科)而个性化的搜索函数。配置文件模块可被编程用于允许用户制作配置文件。配置文件可以包括针对用户而选择的相关性函数。用户可以通过图形用户界面(UI)来编辑配置文件模块中的信息。

配置文件模块可以使得用户能够利用搜索函数选择用户配置文件，该搜索函数可以并入基于系统中的用户过去行为的相关性函数。配置文件模块可以使得用户能够利用搜索函数选择用户配置文件，该搜索函数可以并入跨数据源的所有组合的多个用户相关性函数。配置文件模块可以使得有可能对用户从系统的在先使用中习得的个性化相关性函数进行定义。

用户可以输入包含配置文件信息的文件。配置文件模块可以包括用以并入用户输入的图形用户界面(GUI)。配置文件模块可以与用户配置文件的数据库进行交互。用户配置文件可以定义在本地存储设备上。配置文件模块可以从多个外部数据库访问患者数据以定义用户的相关性函数。

在一些实施方式中，配置文件模块允许用户选择现有用户配置文件的任何非空子集，从而发起系统的多个查询。由于该系统的个性化方面可以基于所定义的用户配置文件，因此用户可以通过利用多个配置文件来减少偏误。用户可以集成多个用户配置文件以创建捕捉所组合的用户配置文件的平均行为的新配置文件。配置文件模块可以允许用户针对不同类型的患者数据可选地定义用户配置文件的非空子集，以使针对各种工作流程的搜索结果个性化。

查询模块

系统可以包括查询模块，其用于允许用户请求针对给定患者查询的搜索结果。查询模块可以查询患者数据。查询模块可被编程用于针对由用户选择的搜索参数而查询患者数据库。可以将患者数据储存在数据库中。患者数据可以包括临床数据、本体数据、症状和成像数据、诊断或其任何组合。查询模块可以允许用户选择可用于搜索并定义相关性函数的任何输入上下文。查询模块可以响应于用户动作而将信息传递至其他模块(例如，检索模块)。

在一些实施方式中，查询包括两个组成部分：用户偏好的集合以及对当前患者数据的访问。可以将用户偏好储存在数据文件中。用户偏好可以指定寻找搜索结果所针对的一些输出上下文。例如，可以寻找仅基于患者的放射学标注来对患者进行比较的搜索结果。

用户可以向查询模块输入包含用户偏好的文件。查询模块可以格式化输入文件以定义用户的相关性函数。查询模块可以提供图形用户界面(GUI)以并入用户输入。

检索模块

系统可以包括检索模块，该检索模块可通过形成搜索结果来对查询模块进行响应。检索模块可以利用用户配置文件和查询来形成搜索结果。

检索模块可以通过使用针对某输入上下文(例如，搜索参数)而定义的用户配置文件在输出上下文中形成搜索结果来处理请求。检索模块可以通过针对为某输入上下文(例如，查询)所定义的用户配置文件集而在输出上下文中形成多个搜索结果来处理请求。检索模块可以通过形成包含相关性分数的搜索结果来处理请求，所述相关性分数指示出搜索结果的可靠性。搜索结果的可靠性可以基于对搜索结果准确性的置信度的统计测度。搜索结果的可靠性可以基于对搜索结果的误差的计算。检索模块可以通过形成包含指示出与当前查询的相似性水平的相似性评级的搜索结果来处理请求。

在一些实施方式中，检索模块与单独的检索引擎连续地进行交互。在一些实施方式中，检索模块将搜索结果输出给显示模块。

检索引擎

系统可以包括检索引擎，该检索引擎可以与检索模块进行交互以在给定来自检索模块的输入的情况下对患者进行比较。检索引擎可以与检索模块集成。

检索引擎可以包括支持对异构患者数据的集成的算法。对于一个查询而言，检索引擎可以在少于1毫秒、2毫秒、3毫秒、4毫秒、5毫秒、6毫秒、7毫秒、8毫秒、9毫秒或10毫秒或更多毫秒内检索数据。对于一个查询而言，检索引擎可以在多于1毫秒、2毫秒、3毫秒、4毫秒、5毫秒、6毫秒、7毫秒、8毫秒、9毫秒或10毫秒或更多毫秒内检索数据。检索引擎可以获得输入上下文(例如，搜索参数)并提取临床特征。例如，检索引擎可以挖掘包含用户可查询的患者数据的数据库。检索引擎可以包括允许基于临床特征对患者进行比较的统计模型。

在一些实施方式中，检索引擎即使在缺失输入或输出上下文中的数据的情况下也处理请求。例如，用户可以选择在存在缺失数据的输入上下文的情况下对患者进行比较，并且检索引擎可以在执行比较之前填补缺失数据。检索引擎可以通过将用户与相似的患者数据进行匹配来填补上下文内的缺失数据。检索引擎可以支持多个填补和匹配的聚合。

在一些情况下，检索引擎可以生成相关性函数(例如，图像比较算法)。可以通过将输入数据与数据库数据进行比较来生成相关性函数。例如，输入数据可以对应于用户查询(例如，搜索参数)。可以相对于数据库数据来搜索输入数据。数据库数据可以包括先前累积的患者数据。当输入数据与数据库数据进行比较时，生成相关性函数以指示出输入数据与相关性数据的相似程度。

在一些实施方式中，检索引擎使得用户能够使用用户配置文件中所定义的指定相关性函数来计算一组患者与当前用户的相关性。检索引擎可以包括对相关性的计算中的相似性评级。在一些情况下，相似性评级可以包括在预定数值范围内的数值，其中在该范围的一端处的值指示出低评级而在该范围的相对端处的值指示出高评级。在一些情况下，范围可以是百分比范围。

显示模块

系统可以包括显示模块，该显示模块与检索模块进行交互以呈现按与用户的相关性进行排序的搜索结果。显示模块可被编程用于在图形用户界面(UI)上提供搜索结果。在一些实施方式中，显示模块可以与PACS系统集成。可以格式化搜索结果以便在显示模块中显示给用户。

在一些实施方式中，显示模块可以显示患者标识以及与查询的百分比相似性。显示模块可以包括指示出被输出为百分比的、搜索结果置信度的度量(“metric”)。

系统可以包括显示模块，该显示模块显示与正在查询的当前患者相似的患者、允许用户提供反馈和向反馈模块报告。可显示的患者的数目可以为至少10、20、30、40、50、60、70、80、90或100名或更多名患者。可显示的患者的数目可以为至多10、20、30、40、50、60、70、80、90或100名或更多名患者。

显示模块可以包括图形用户界面(UI)以显示相似的患者。显示模块可以包括关于每个结果的相关性水平的信息。例如，对于所显示的所有患者，显示模块可以包括与当前查询患者的百分比相似性测度。

在一些实施方式中，显示模块允许显式反馈。例如，显示模块中的图形用户界面(UI)可以使得用户能够从搜索结果中选择最相关的患者数据。

显示模块可以允许隐式反馈。例如，显示模块可以追踪从搜索结果中选择了哪个患者数据以及在每个患者身上所花费的时间量，这将被报告给反馈模块。

显示模块可以允许用户刷新搜索结果，这可以发起新的查询被发送到检索引擎。显示模块可以基于相关性函数方法自动地刷新搜索结果。显示模块可能不仅对于显示相关的搜索结果是有用的，而且对于提供用以从用户搜集反馈的方法也是有用的。

在一些情况下，显示模块可以包括图形用户界面，该图形用户界面包括使得用户能够检视除系统所提供的数据之外的、与每个病例相关联的图像的交互式窗口。交互式窗口还可以容许用户提供注释，包括她/他对患者状况的评估。交互式窗口可以包括病例或扫描选择面板(或列表)、用于显示从面板选择的图像的窗口、具有与图像窗口中每个图像相关的信息的交互式报告窗口、指示出由系统对被检视的扫描所识别出的病痛或状况(例如，右侧胸腔积液)的发现导航窗口，以及容许用户生成报告并且改变图像可视化参数(例如，对比度或亮度)、调整窗口大小以及使窗口居中的菜单功能。交互式报告窗口可以包括患者的标识(“ID”)号、用于采集图像的模态(CAT/CT扫描、MRI、PET/CT扫描)、相关联解剖特征以及/或者系统对患者状况的评估。交互式报告窗口可以包括其他信息，诸如优先级是否与患者病例相关联以及窗口中显示的图像是否为高优先级图像。交互式报告窗口可以容许用户提供诸如关于窗口中所示的图像的附加发现等附加信息以及编辑由系统提供的信息。

在一些情况下，显示模块包括发现导航窗口。可以由检视医师使用发现导航窗口以快速地导航至图像显示窗口并且在图像显示窗口中将系统自动地与发现导航窗口中列出的每一个发现(例如，图像)相关联的图像可视化。系统可以自动调整图像显示窗口中显示的图像或图像的一部分(例如，突出显示在其中系统检测到病痛的身体器官)的可视化参数(例如，对比度、亮度)，以帮助检视医师更好地观察特定的一个发现或多个发现或者使其可视化。

反馈模块

系统可以包括反馈模块，该反馈模块处理来自显示模块的反馈并报告给相关性引擎。反馈模块可以既结合隐式反馈又结合显式反馈。反馈模块可以包括用于结合不同类型的用户反馈的统计方法。

图4图示了并入到本公开的系统中的反馈模块。反馈模块可以与相关性引擎和显示模块通信。反馈模块可以从显示模块收集反馈并且格式化反馈以供相关性引擎使用。显示模块可以与用户对接，其中用户可以向反馈模块提供反馈。反馈模块可以将反馈并入到相关性引擎中，该相关性引擎更新对数据库的搜索和检索。

反馈模块可以筛选来自显示模块的用户反馈以识别相关反馈。反馈模块可以包括用以从反馈提取相关数据的算法。

反馈模块可以将反馈解析成适于相关性引擎的格式。反馈模块可以包括数据缓冲区，该数据缓冲区可以在将用户反馈报告给相关性引擎之前将该用户反馈储存一段时间。反馈模块可以搜集多个反馈源以及将其联合。

隐式用户反馈和显式用户反馈均可用于推断患者数据与用户的相关性。用户的经更新的相关性函数可用于提供在给定当前查询的情况下与用户最相关的匹配患者集。可以将两个患者是否相似的成对问题送往用户。对该成对问题的反馈可以对被分配了相同状况的那两个患者施加约束以及可以教导系统在针对当前查询对患者进行比较的过程中哪些特征是重要的。图5描述了来自用户的反馈的类型以及该反馈可以如何影响相关性函数。

反馈模块可以收集关于用户搜索历史的详细日志。例如，搜索历史可以包括用户在每个患者的数据上花费了多长时间以及涉及了哪个数据。搜索历史可以包括对图像的用户选择数目。用户选择可以包括点击图像、轻击图像、突出显示图像或鼠标悬停在图像上。所收集的搜索历史的日志可以跨越用户与系统进行交互的整个时间。收集该搜索历史可以允许系统使用来自用户的隐式反馈来更新相关性函数。

推荐模块

系统可以包括推荐模块，该推荐模块可基于用户的用户配置文件而向用户分配未标注的患者数据(例如，放射学解读(“reading”))。如图6中所描述，推荐模块可以并入患者数据和用户配置文件，用以为用户推荐任务。当用户完成任务时，他们的工作可以由度量模块评价。度量模块的度量变化可以更新推荐模块的算法以改变向用户的解读推荐。

用户可以由可捕捉用户过去的行为和准确性的统计模型表示，并且可以基于用户的统计模型表示对用户进行比较。准确性可以基于由用户录入的数据与对应于由用户录入的数据的、被定义为是正确的数据之间的百分比匹配。这一比较为推荐模块如何推荐任务提供了基础。可以向用户提供一些示例解读，并且使用统计测试来评估观察者间的一致性以及用户在多大程度上与标准(例如，科室标准)相符。可以基于用户的当前评估的弱项而定期地为其提供测试解读。基于针对具体用户所标识的一个或多个弱项来分配测试解读可以导致靶向每个用户的针对性学习方法，使得可以高效地训练用户。

系统可以随时间而习得用户如何进行各种医疗手术并且可以有效地向每个用户提供所个性化的测试以评估并改善所述用户的表现。在对用户进行训练和分级的连续过程期间，系统可以提供用于评估医院环境中的护理质量的客观度量。随时间推移，可以在用户具有具体弱项的领域内为其提供训练。具体地靶向个体学习者的弱项可以导致对该用户的更加有效的训练。

系统可被设计用于既训练放射科医师又评估放射科医师的效力。系统可以请求放射科医师完成由该系统选择的放射学成像研究。这可以允许系统比随机分配研究更快地习得放射科医师的不足。因此，系统可以基于知识价值或其他偏好而智能地推荐研究，而不是让用户花费时间浏览、筛选并识别可能符合特定放射科医师的需要的研究。

在一些实施方式中，推荐模块访问用户配置文件的数据库以检索关于每个用户的信息。用户配置文件可以包括统计模型，该统计模型允许推荐模块在给定一种解读的情况下估计用户的预期效力。推荐模块可以更新数据库上的用户配置文件。

推荐模块可以允许向用户手动分配任务。例如，医疗保健专业人员可以基于用户配置文件中的信息而向每个放射科医师推荐研究。

在一些实施方式中，研究推荐模块提供了自动化研究推荐。可以基于使当前用户的预期效力最大化来推荐研究。例如，推荐模块可以将每个研究仅分配给对于该研究具有最高预计效力的用户。推荐模块可以基于针对每个用户的最大信息增益来分配解读。例如，推荐模块可以使用与每个用户相关联的统计模型作为指导来了解用户理解力的强项和弱项并且提供可最大限度地提高用户理解力的研究。推荐模块可以具有基于对用户的信息增益和用户效力进行平衡而提供研究的双重策略。例如，放射科住院医生可能没有太多的预先培训，因此推荐模块可以提供用以训练住院医生的研究，但是对于更资深的放射科医师，推荐模块可能仅提供具有最高预计效力的研究。

在一些实施方式中，可以在将用户的临床决策发送给度量模块之前对其进行组合。可以通过用户的预期效力而对其临床决策进行加权。例如，对于被识别为良好学习者的用户的临床决策，可以给予所述用户较高权重。还可以计算用户之间的相似性以便可以在用户之间对临床决策进行比较。

可以基于解读的内容来向用户分配解读。例如，基于内容的筛选方法可以识别哪些临床特征被用户最佳地识别，并且可以将具有那些具体临床特征的解读分配给该用户。可以使用协作筛选(用户之间的相似性)和/或基于内容的筛选(项目之间的相似性)来向用户分配解读。

度量模块

系统可以包括度量模块，该度量模块可以基于护理质量度量以及返回给推荐模块的报告来评价被标注解读。

在一些实施方式中，度量模块在给定来自一组用户的被标注解读集的情况下评价护理质量。度量模块可以自动评价对解读的度量。另一用户可以手动评价对解读的度量。

在一些实施方式中，度量模块并入了一个或多个护理质量度量。度量模块可以定义新的护理质量度量。新的护理质量度量可以包括三个不同护理质量度量的加权平均。度量模块可以访问与每个用户相关联的度量配置文件的数据库。度量模块可以向推荐模块报告已评价的、针对每个解读和每个用户的护理质量。

分配模块(“assigner module”)

系统可以包括分配模块，该分配模块可以基于根据当前用户配置文件和度量配置文件对当前用户的成本和效力的评估而向该用户提供新的解读。

如图7中所描述，分配模块可以并入任务(例如，解读)列表并向用户(例如，代理人)分配解读。

分配模块可被编程用于执行主动式学习方法，该主动式学习方法在给定存在解读集的情况下联合估计多名放射科医师的成本和效力这二者。可以针对工作而选择一组包括不同的可靠性水平、解读成本以及各个领域内的专业知识的用户(例如，放射科医师)，并且系统可以基于对放射科医师的成本和效力的联合估计而向其分配解读。可以向多名放射科医师分配相同的解读。可以向多名放射科医师分配不同的解读。

系统可以分发解读以使医院或放射学小组的长期成本最小化，同时保持护理标准的整体质量。因此，对于解读，系统可以既估计每名放射科医师的资源成本(例如，周转时间和金钱)又估计放射科医师的效力。

系统可以接收任务集，并且对于每个任务，分配模块确定要查询哪个代理人子集以便完成任务。分配模块可以使用与每个代理人相关联的统计模型以针对特定任务而确定每个代理人的效力和成本。分配模块可以输出在给定质量约束的情况下使整体成本最小化的决策规则。执行任务的成本可以包括代理人的周转时间、任务的难度以及让代理人完成任务的总货币成本。

系统可以将相同的任务分配给多名代理人，并且可在稍后将临床决策结合于工作流程中。系统可以将任务具体地分配给被预计为最佳执行该任务的代理人；从而使整体效力最大化。

系统可用于联合估计跨不同任务的放射科医师的成本和效力，自动地为放射科医师分配任务，并且能够使主动式学习系统的预期改善最大化以便更好地向放射科医师分配任务。系统既可以提供健康护理成本的减少，同时又保持了护理质量。

在图6中，每个用户由统计模型(例如，M1)表示。这一统计模型可以包括来自当前用户配置文件和针对该用户的度量配置文件这二者的信息。可以使用该统计模型计算出每名代理人的预期效用。

在一些实施方式中，分配模块可以允许对任务的手动选择。例如，不同的医疗保健专业人员可以基于分配模块的估计而向用户分配任务。

在一些实施方式中，分配模块提供自动化任务推荐。相同的任务可被分配给多名用户。例如，如果存在三名低成本用户，则他们可能优选于一名高成本用户，即使该用户具有更好的效力亦是如此。

对于主动式学习系统，分配模块可以基于最大信息增益来分配任务。例如，系统可以推荐一个任务，该任务可以最佳地提高对当前用户的能力和成本的理解。

控制系统

本公开提供了被编程用于实现本公开的方法的计算机控制系统。图3示出了被编程或以其他方式被配置用于根据个性化检索系统来检索患者数据的计算机系统301。计算机系统301可以调节本公开的数据检索的各个方面，举例而言，诸如相关性分数、相似性评级以及相关性函数的生成。

计算机系统301包括中央处理单元(CPU，在本中文亦称为“处理器”和“计算机处理器”)305，中央处理单元305可以是单核处理器或多核处理器或用于并行处理的多个处理器。计算机系统301还包括存储器或存储位置310(例如，随机存取存储器、只读存储器、闪速存储器)、电子存储单元315(例如，硬盘)、用于与一个或多个其他系统通信的通信接口320(例如，网络适配器)以及外围设备325，诸如高速缓存、其他存储器、数据储存器和/或电子显示适配器。存储器310、存储单元315、接口320以及外围设备325通过诸如主板等通信总线(实线)与CPU 305通信。存储单元315可以是用于储存数据的数据存储单元(或数据储存库)。计算机系统301可以借助于通信接口320可操作地耦合至计算机网络(“网络”)330。网络330可以是因特网、互联网和/或外联网，或者与因特网通信的内联网和/或外联网。在一些情况下，网络330是电信网络和/或数据网络。网络330可以包括一个或多个计算机服务器，所述计算机服务器可以支持分布式计算，诸如云计算。在借助于计算机系统301的一些情况下，网络330可以实现对等网络，该对等网络可以使得耦合至计算机系统301的设备能够起到客户端或服务器的作用。

CPU 305可以执行一系列机器可读指令，所述指令可以体现在程序或软件中。指令可以储存在诸如存储器310等存储位置中。由CPU 305执行的操作的示例可以包括提取、解码、执行和写回。

存储单元315可以储存文件，诸如驱动程序、库和保存的程序。存储单元315可以储存用户数据，例如，用户偏好和用户程序。在一些情况下，计算机系统301可以包括计算机系统301外部的，诸如位于通过内联网或因特网与计算机系统301通信的远程服务器上的一个或多个附加数据存储单元。

计算机系统301可以通过网络330与一个或多个远程计算机系统通信。例如，计算机系统301可以与用户(例如，操作者)的远程计算机系统通信。远程计算机系统的示例包括个人计算机(例如，便携式PC)、板型PC或平板PC(例如，iPad、Galaxy Tab)、电话、智能电话(例如，iPhone、支持Android的设备、)或个人数字助理。用户可以经由网络330访问计算机系统301。

本公开的方法可以通过计算机系统301的电子存储位置上，举例而言诸如存储器310或电子存储单元315上所储存的机器(例如，计算机处理器)可执行代码的方式来实现。机器可执行代码或机器可读代码能够以软件的形式提供。在使用期间，代码可以由处理器305执行。在一些情况下，可以从存储单元315检索代码并且将其储存在存储器310上，以供处理器305迅速存取。在一些情况下，可以排除电子存储单元315，并且将机器可执行指令储存在存储器310上。

代码可以预编译并且被配置成与具有适于执行该代码的处理器的机器一起使用，或者可以在运行期间编译。可以以编程语言来提供代码，可以选择该编程语言以使得代码能够以预编译的方式或如编译时的方式执行。

本公开的系统和方法的各方面，诸如计算机系统301，可以体现在编程中。该技术的各个方面可被认为是“产品”或“制品”，其一般为在一类机器可读介质上携带或在该介质中体现的机器(或处理器)可执行代码和/或相关数据的形式。机器可执行代码可以储存在诸如存储器(例如，只读存储器、随机存取存储器、闪速存储器)或硬盘等电子存储单元上。“存储”类介质可以包括任何或所有的计算机有形存储器、处理器等，或其相关联的模块，诸如各种半导体存储器、磁带驱动器、磁盘驱动器等，其可以在任何时间为软件编程提供非暂时性存储。该软件的全部或部分有时可以通过因特网或其他各种电信网络进行通信。这样的通信例如可使得软件能够从一台计算机或处理器加载到另一台计算机或处理器中，例如，从管理服务器或主机计算机加载到应用程序服务器的计算机平台中。因此，可承载软件元素的另一类介质包括诸如跨本地设备之间的物理接口、通过有线和光学陆上通信线网络以及通过各种空中链路所使用的光学波、电波和电磁波。携带此类波的物理元件，诸如有线或无线链路、光学链路等，也可被认为是承载软件的介质。如本文所用的，除非受限于非暂时性有形“存储”介质，否则诸如计算机或机器“可读介质”等术语是指参与向处理器提供指令以供执行的任何介质。

因此，机器可读介质，诸如计算机可执行代码，可以采取多种形式，包括但不限于有形存储介质、载波介质或物理传输介质。非易失性存储介质例如包括光盘或磁盘，诸如任何(一个或多个)计算机中的任何存储设备等，如附图中所示的可用于实现数据库的那些介质等。易失性存储介质包括动态存储器，诸如这样的计算机平台的主存储器。有形传输介质包括同轴电缆；铜线和光纤，包括构成计算机系统内的总线的导线。载波传输介质可以采取电信号或电磁信号或者声波或光波(诸如射频(RF)和红外(IR)数据通信过程中所产生的那些)的形式。因此，计算机可读介质的常见形式例如包括：软盘、柔性盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD或DVD-ROM、任何其他光学介质、穿孔卡片纸带、任何其他具有孔洞图案的物理存储介质、RAM、ROM、PROM和EPROM、FLASH-EPROM、任何其他存储器芯片或匣盒、传送数据或指令的载波、传送这样的载波的电缆或链路，或者计算机可以从中读取编程代码和/或数据的任何其他介质。这些计算机可读介质形式中的许多可参与将一条或多条指令的一个或多个序列载送至处理器以供执行。

计算机系统301可以包括电子显示器或者与电子显示器通信，该电子显示器包含用户界面(UI)，用于提供例如图像框以示出与患者相关的图像、患者的详情以及与患者相关的图像的标注。UI的示例包括但不限于图形用户界面(GUI)和基于网络的用户界面。在一些情况下，电子显示器可被提供在监视器、智能电话、平板计算机或者与计算机系统通信的任何其他电子屏幕和/或投影设备上。

本公开的方法和系统可以通过一个或多个算法的方式来实现。在由一个或多个计算机处理器执行时，算法可以通过软件的方式来实现。在一些示例中，用于确定相关性函数的算法包括被编程用于通过检索到的患者数据而自动习得从所查询的患者数据中提取的低级特征与用户信息需求之间的关联的函数。例如，相关性函数f_q将每个患者样本x_i映射到实值的相关性评级。

f_q:X→[0，1]

相关性评级可以基于患者数据样本X的低级特征、与用户反馈R相关联的日志数据以及在检索过程L期间获取的带标示的患者数据。

用于确定相似性评级的算法可以包括通过比较所查询的数据与从查询中检索到的数据的相似性来生成分数。例如，相似性评级可以包括搜索数据库以得到与由用户输入的搜索参数相关的患者数据图像，并且将检索到的图像与所查询的搜索参数和/或所查询的患者数据进行比较。在一些情况下，如果检索到的图像与所查询的搜索参数和/或所查询的患者数据至少20％、30％、40％、50％、60％、70％、80％、90％或100％相同，则可以生成相似性分数。相似性可以考虑图像的像素强度、图像的纹理特征、先前的患者病史和/或对图像像素和区域的标注。相似的标注可以是指相似的疾病分级、疾病严重性和/或描述术语/本体术语。可以通过比较所查询的图像与数据库中的图像之间的标注的相似性来生成相似性评级。可以通过计算所查询的患者数据(例如，数据库中的图像)与正在比较的一组患者数据(例如，当前患者的图像)之间的相似性测度来作出比较。在作出比较之前，可以利用诸如归一化和特征选择等统计方法来预处理患者数据和特征。常见的相似性测度的一个示例可以是余弦相似性，其中表示患者特征的两个向量A和B的余弦等于由此得到的相似性范围从-1到1，其中-1表示完全相反的向量而1表示相同的向量。还可以通过将距离度量转换为相似性测度以产生相似性评级来作出比较。有若干种方式用来在距离度量与相似性测度之间进行转换，诸如内核。如果D是距离而S是相似性评级，那么S＝e^-D*γ(γ为可调参数)可以是用以将由距离度量输出的距离转换成相似性评级的有效方法。还可以使用使两个患者数据分布之间的距离量化的统计距离来作出比较。统计距离的一个示例是Kullback-Leibler散度，可以根据离散直方图(表示统计分布)P和Q将该散度计算为

用于确定相关性分数的算法可以包括习得马哈拉诺比斯(Mahalanobis)距离度量以便优化距离度量，以将相似的患者数据紧密地集合在一起而不相似的患者数据在特征空间中远远地隔开较大距离。大边际最近邻(LMNN，Large Margin Nearest Neighbor)是此类算法的示例，用于优化该距离度量并且需要知道由医师确定的与每个图像相关联的患者状况。例如参见Advances in Neural Information(2006)，Weinberger、K.,Blitzer,J.和Saul,L.的"Distance metric learning for large margin nearest neighbor classification"，其通过引用全文并入于此。用于确定相关性分数的另一算法可以包括习得哪些患者图像是相似的和不相似的，如通过用户单击表明搜索结果是相关的按钮来显式地指示或者通过日志记录的用户的搜索行为隐式地指示。例如参见Advances in Neural Information Processing Systems,15,505–512(2002)，Xing,E.P.、Ng,A.Y.、Jordan,M.I.和Russell,S.的"Distance Metric Learning,with Application to Clustering with Side-Information"，其通过引用全文并入于此。在给定等效约束集合S中的数对相似患者图像以及集合D中的数对不相似患者图像的情况下，可以使用凸规划(convex programming)同样将距离度量公式化为：

其中A是半正定矩阵。注意，如果A＝I，则可以确定欧几里德(Euclidean)距离度量，其中所有临床特征的权重都是一样的。可以得知A以便为不同的临床特征赋予不同的“权重”。因此，可以利用此类相关性函数来捕捉每个用户的独特偏好。计算相关性分数可能涉及将距离度量转换为如本文其他各处所定义的相似性测度。

方法

本公开提供了用于个性化内容检索系统的方法。

在一些情况下，该方法包括访问受试者数据库。受试者数据库可以包括数据。数据可以是成像数据。成像数据可以用关于图像中的受试者的信息来标注。例如，x射线可以用与骨骼的骨折程度、骨骼角度的严重性、骨密度、患者的体重和身高以及其他识别特征有关的信息来标注。

访问受试者数据库可以在用户请求时执行，该用户可以通过系统的配置文件模块和查询模块作出这样的请求。查询模块可以访问受试者数据库。

所述方法可以包括实施对数据库的搜索。数据库可以由检索模块和/或检索引擎来搜索。检索引擎可以通过查询的搜索参数来搜索数据库。要使用的搜索参数可以由用户通过配置文件模块手动地输入。要使用的搜索参数可以通过系统的自适应学习方法来习得以使得当加载用户配置文件时，可以为用户自动输入搜索参数。自适应学习模块可被编程用于执行自适应学习方法中的一种或多种。自适应学习模块可被编程用于格式化患者数据，以供显示在用户的电子设备的图形用户界面上。患者数据可被显示有基于相似患者而生成的相似性评级，所述相似患者可以基于对查询模块的输入以及相关性分数而予以识别。自适应学习模块可以自适应地习得用户的偏好并且基于显示在电子显示器的图形用户界面上的患者数据、相似性评级以及相关性分数来更新用户的相关性函数。

搜索参数可以包括与数据库中的数据相关的任何参数。例如，搜索参数可以是成像数据参数，诸如图像的大小、图像的对比度、图像的日期。搜索参数可以包括标注数据，诸如关于诊断(例如，骨骼断裂)的严重性、诊断的分级、患者的身高和体重、图像中患者的解剖特征和治疗的标注。搜索参数可以包括多个搜索参数。例如，搜索参数可以包括对具有一定严重度的诊断和具体治疗计划的图像的搜索。

当从数据库检索图像时，检索模块可以使用图像比较算法来比较所检索的图像。图像比较算法(例如，相关性函数)可以将所检索的图像彼此进行比较。图像比较算法(例如，相关性函数)可以将所检索的图像与参考图像比较。参考图像可以是当前患者的图像或者用户第一感兴趣的患者。

图像比较算法(例如，相关性函数)可以通过生成相关性分数和/或相似性评级而将从数据库检索到的图像与查询图像(例如，当前图像)进行比较。相关性分数可以指示出结果与用户的相关程度以及/或者所检索的图像与搜索查询和参数相关的可靠程度。相似性评级可以指示出所检索的图像与查询图像的相似程度。可以向用户显示所检索的图像以及与所检索的图像相关联的评级。可以格式化图像，以便通过显示模块显示在例如图形用户界面上。

本公开的方法可以包括从用户检索关于所显示的图像的反馈。显示模块的图形用户界面可以为用户提供可以操纵所显示的图像以及/或者提供关于所显示的图像的反馈的空间。例如，用户可以提供关于图像的显式反馈。显式反馈可以是指用户的主动反馈。换句话说，显式反馈可以是指由用户关于所显示的图像的手动输入。例如，来自用户的显式反馈可以包括从图形用户界面选择选项(诸如重新排列所显示图像的顺序和/或移除图像)。

在一些情况下，用户可以提供系统可自动检测的、关于所显示图像的隐式反馈。例如，可以由系统自动追踪隐式反馈，诸如搜索历史、点击刷新按钮的次数、在具体图像上所花费的时间、图像被查看的次数中的至少一个或全部。隐式反馈可以由系统习得并且可以反映在更新的相关性函数中。来自用户的显式用户反馈和隐式用户反馈都可用于确定所检索的图像与搜索参数准确地相关或者不与搜索参数准确地相关。当系统所显示的图像的至少50％、60％、70％、80％、90％或100％与搜索参数相关时，举例而言，诸如在将图像与已被识别为与搜索参数相关的参考图像进行比较时(例如，选定心脏的参考图片与术语“心脏”相关)，图像可以与搜索参数准确地相关。

可以使用来自用户的反馈来更新图像比较算法(例如，相关性函数)。所执行的下一次搜索可以考虑显式用户反馈和隐式用户反馈这二者。以这种方式，系统可被认为是自适应学习系统。

图像推荐

在一些情况下，本公开提供了一种用于向用户推荐图像的方法。例如，系统可以向放射科医师推荐未标注的放射学图像以供标注。

在一些情况下，该方法包括从受试者数据库向用户分配成像数据。受试者数据库可以包括数据。数据可以是未标注的成像数据(例如，供用户检视的任务)。

系统可以基于用户配置文件的相关性函数来向用户推荐图像。例如，如果用户是MRI图像的专家(这可反映在相关性函数中)，则推荐模块可以向该特定用户推荐MRI图像。

当向用户推荐图像(例如，任务)时，用户可以对该图像进行评价以作出临床决策。临床决策例如可包括诊断、对问题和/或诊断的严重性的评价以及/或者对用户的治疗计划的确定。临床决策可以由系统的度量模块来评价。度量模块可以基于用户反馈来评价临床决策。例如，主治医师可以评价对用户的临床决策，并且批准或拒绝该临床决策。度量模块可以通过针对将哪些图像推荐给哪些患者而更新推荐模块来并入所述反馈。例如，在相同问题上犯了多次错误的用户可能在未来不会接收到与该问题有关的图像。

系统可以访问用户的度量配置文件以根据对临床决策的评价的准确性来更新度量配置文件。可以向监管员(例如，老板、主治医师)提供度量配置文件，作为对用户的评价。可以将度量配置文件并入到系统的推荐模块中，使得推荐模块基于用户度量来推荐图像。例如，如果已知用户在其临床评估中不太准确，则可以将同一图像发送给在度量配置文件方面具有更高评级的第二用户，使得该图像可以由两个用户来评价，其中至少一个用户具有作出正确的临床评价的较高可能性。

图像优先级化

在一些情况下，系统可以自动地将图像优先级化。图像优先级化可以有利地减少检视或治疗医师作出准确诊断所需的时间和资源。系统可以将一些图像标记为相对于其他图像具有较高的优先级，并且医师或放射科医师可以仅检视那些图像，因此节省了在分析与特定扫描相关联的图像方面的相当多的时间。

系统可以自动地将图像优先级化。在一些实施方式中，系统可被配置用于将图像标记为具有“高优先级”或“低优先级”。在一些实施方式中，系统可以将图像标记为具有高优先级、中等优先级或低优先级。在一些实施方式中，系统可以在预定数目的类别之中对图像进行分类。例如，可以利用一个、两个、三个、四个、五个、六个、七个、八个或更多个类别。系统可以向图像分配指示出图像的优先级的相关性分数和/或相似性评级。例如，高相关性/相似性图像可被分配数值1，而低相关性/相似性图像可被分配数值0。在一些实施方式中，用户可以指定要如何将图像优先级化。例如，用户可以指定要将图像优先级化为高优先级、中等优先级或低优先级。

在一些实施方式中，用户(例如，检视/咨询医师、放射科医师)可以请求系统仅提供具有在最小(或截止)优先级以上的优先级的图像。例如，用户可以请求系统仅提供高优先级图像以供检视。再例如，用户可以请求系统提供具有在某个值以上或者在某个范围以内的优先级数值的图像。在一些实施方式中，用户可以是指定最小(截止)优先级。

病例检视和报告

除了与每个图像相关联的数据之外，系统还可以向放射科医师(或其他检视医师)提供与特定患者相关联的一个或多个图像以供检视。在一些实施方式中，系统为放射科医师提供对每个图像的评估(例如，相关性分数和/或相似性评级)。在一些实施方式中，系统可以确定图像中是否存在特定的病痛或异常，并且将其评估(例如，“已检测到胸腔积液”)提供给检视医师。

在一些情况下，系统可以将病例优先级化并且提供所述病例以供诸如放射科医师等检视医师检视。放射科医师可以使用与系统通信的计算机终端，来从病例队列列表中选择最高优先级的病例。放射科医师可以使用检视系统来检索病例。系统可以为放射科医师提供具有来自患者身体的特定区域的图像(例如，二维断面)的交互式窗口。系统的交互式窗口可以提供其对患者状况的评估。系统可以容许放射科医师向患者病例提供附加信息。系统还可以为放射科医师提供与特定图像相关的附加信息，诸如距离、断面面积和体积。

虽然本文已经示出和描述了本发明的优选实施方式，但对于本领域技术人员显而易见的是，这样的实施方式只是以示例的方式提供的。本发明并不是旨在受本说明书内提供的具体示例限制。尽管已经参照前述说明书描述了本发明，但并不意味着在限制性意义上解释对本文中的实施方式的描述和说明。本领域技术人员现将在不偏离本发明的情况下想到许多更改、改变和替代。此外，应当理解，本发明的所有方面不限于本文阐述的、取决于各种状况和变量的具体描述、配置或相对比例。应当理解，在实践本发明的过程中，可以采用对本文描述的本发明实施方式的各种替代方案。因此，设想本发明还应当涵盖任何这样的替代、修改、变化或等同方案。以下权利要求旨在限定本发明的范围并从而覆盖这些权利要求范围内的方法和结构及其等同项。

实施例

实施例1：相似患者概念

放射科医师使用如本文所描述的、作为独立应用实现的基于个性化内容的患者检索系统。放射科医师从PACS中查询患者并且检索所有可获得的患者数据。放射科医师继而选择患者的用户配置文件，如果在用户配置文件数据库中不存在该配置文件，则创建新的配置文件。放射科医师为查询设置用户偏好并开始对图像的标注过程。放射科医师利用搜索参数来查询数据库，所述搜索参数搜索基于该搜索参数的相似患者。放射科医师基于如搜索参数中定义的患者图像特征而请求具有相似性的相似患者的列表。向放射科医师呈现按与当前患者的相似性进行排序的患者的列表。放射科医师通过从相似患者来回切换来继续为当前患者作标注。

实施例2：自适应学习概念

放射科医师正在查看针对患者的搜索结果，其中基于放射学标注来定义相似性。放射科医师继而点击刷新按钮，然后搜索结果连同相关性分数得到更新以反映更新了患者信息之后的相似性变化。

实施例3：不一致的标注

放射科医师为患者作标注。放射科医师基于对相似患者的先前标注来为患者提供不一致的标注。突出显示该具体标注。放射科医师选择突出显示的标注，并且弹出对话框屏幕示出针对该标注的相关性分数以及建议标注并询问放射科医师是否将会接受或拒绝更改的提示。放射科医师可以通过单击选择、轻击选择或使鼠标悬停在选择上来选择突出显示的标注。

实施例4：持续学习

用户使用基于个性化内容的患者检索系统，该检索系统是作为独立应用而实现的。用户从PACS中查询患者并且检索所有可获得的患者数据。用户继而选择他的用户配置文件，如果在用户配置文件数据库中不存在该配置文件，则创建新的配置文件。用户为查询设置用户偏好并开始标注过程。用户基于患者图像特征来请求具有相似性的相似患者的列表。向用户呈现按与当前患者的相关性分数进行降序排序的患者的列表。用户继而继续选择最相关的患者，并且相关性引擎更新用户的当前配置文件以反映相关性函数的变化。当用户针对不同患者使用系统时，相关性函数持续演变以反映用户的固有相似性约束。

实施例5：具有显式反馈的主动学习

用户从PACS中查询患者并且检索所有可获得的患者数据。用户继而选择他的用户配置文件并为查询设置用户偏好，使得在放射学标注和患者图像上定义查询。在当前患者的情况下用户查询检索引擎。相关性引擎继而基于患者图像特征、放射学标注以及用户的用户配置文件来显示具有相似性的相似患者的列表。向用户呈现按与当前患者的相关性分数进行降序排序的患者的列表。在用户完成标注之后，他继而继续使用图形用户界面(GUI)明确地指示出哪些患者与他的当前研究相关。相关性引擎继而更新用户的当前配置文件以反映相关性函数的变化。当用户针对不同的患者使用系统时，相关性函数持续演变以反映用户的固有域知识。相关性函数可以主动选择一组患者，该组患者将会向相关性引擎提供最多的信息而不是仅提供与用户最相关的结果。

实施例6：具有隐式反馈的持续学习

用户从PACS中查询患者并且检索所有可获得的患者数据。用户继而选择他的用户配置文件并为查询设置用户偏好，使得在放射学标注和患者病史上定义查询。在当前患者的情况下用户查询检索引擎。相关性引擎继而基于患者病史、放射学标注以及用户的用户配置文件来显示具有相似性的相似患者的列表。向用户呈现按与当前患者的相关性分数进行降序排序的患者的列表。用户继而继续使用图形用户界面(GUI)来选择患者，检视先前的患者数据，并且返回至当前研究。当用户使用检索系统时，反馈模块持续地追踪选择了哪些患者以及用户花费在每个患者上的时间量。使用该隐式反馈，相关性引擎继而更新用户的当前配置文件以反映相关性函数的变化。用户继而选择GUI中的“刷新”按钮，该“刷新”按钮基于用户过去的搜索行为而利用一组新的患者来更新结果。

实施例7：向放射科医师推荐病例

放射科医师使用基于个性化内容的患者检索系统，该检索系统是作为独立应用而实现的。放射科医师选择他的用户配置文件，如果在用户配置文件数据库中不存在该配置文件，则创建新的配置文件。研究推荐模块接收所选的用户配置文件并从度量模块请求度量配置文件。继而，推荐模块为放射科医师分配研究，然后放射科医师开始标注过程。一旦放射科医师完成该研究，度量模块就评价他的表现并且针对该用户更新对应的度量配置文件。

实施例8：向多名放射科医师分配解读

用户使用基于个性化内容的患者检索系统，该检索系统是作为独立应用而实现的。分配模块检索用户配置文件、来自度量模块的度量配置文件，并且基于用户的预计效力和成本为其提供研究。第二用户也使用相同的基于个性化内容的患者检索系统，该检索系统是作为独立应用而实现的。分配模块检索第二用户的用户配置文件、来自度量模块的度量配置文件，并且基于第二用户的预计效力和成本为其提供研究。也可以为第一用户和第二用户提供相同的研究。

实施例9：用以比较图像的方法

用户请求系统通过图形用户界面在数据库中执行搜索以找到与当前患者图像相似的图像。数据库包含患者的成像数据。利用关于图像中患者的生理状态和/或状况的描述来标注成像数据。利用计算机处理器来执行搜索。用户将搜索参数录入到图形用户界面中。系统基于搜索参数来搜索数据库，并且检索图像。系统计算所检索的图像的相似性和相关性。所检索的图像以及相似性和/或相关性的分数可以在图形显示器上示出给用户。

用户向系统提供反馈。对所检索的图像的相似性的反馈是由用户给出的，有时以明确拒绝图像的形式给出，而有时以不察看图像的形式给出。系统接受反馈并更新自身(例如，其针对该用户的相关性函数)，使得在第二次查询时，系统并入该反馈。

用户基于所检索的图像来更新当前患者图像的标注。更新后的标注也反映在系统的相关性函数中，使得在第二次查询时(例如，刷新所检索的图像时)，基于更新后的标注重新计算所检索的图像的相关性分数。

虽然本文已经示出和描述了本发明的优选实施方式，但对于本领域技术人员显而易见的是，这样的实施方式只是以示例的方式提供的。本发明并不旨在受本说明书内所提供的具体示例限制。尽管已经参照前述说明书描述了本发明，但并不意味着在限制性意义上解释对本文中的实施方式的描述和说明。本领域技术人员现将在不偏离本发明的情况下想到许多更改、改变和替代。此外，应当理解，本发明的所有方面不限于本文阐述的、取决于各种状况和变量的具体描绘、配置或相对比例。应当理解，在实践本发明的过程中，可以采用对本文描述的本发明实施方式的各种替代方案。因此，设想本发明还应当涵盖任何这样的替代、修改、变化或等同方案。以下权利要求旨在限定本发明的范围并从而覆盖这些权利要求范围内的方法和结构及其等同项。