行 处理操作来生成。
[0114] 具体地，在一些实施例中，识别标志处理器103可W部分或完全利用并行处理部 件来实施。例如，识别标志处理器103可W利用GPU或GPU与CPU的组合来实施。
[0115] 特别地，在一些实施例中，识别标志处理器103可被安排成将输入图像划分成多 个图像分段/块(其中该些图像分段酌情可W是二维或=维的)。例如，该种划分可W是至 固定块的固定划分。例如，800x800巧00体素的=维图像可W被划分成100x100x100体素分 段或块。因而，该图像可W自动地被划分成固定大小的392个分段。
[0116] 识别标志处理器103可W包括用于为该些分段之中的每一个分段生成识别标志 的并行处理部件，但是其中每一个处理部件只处理392个分段的子集。实际上，如果识别标 志处理器103包括392个W上的并行处理部件，那么每一个处理部件可W处理一个分段，W 生成一个识别标志。例如，每一个并行处理部件可W确定该分段的亮度变化。W该样的方 式，可W非常快速地生成392个识别标志的集合。
[0117] 在该示例中，至图像分段的划分并不取决于第一图像的图像属性而相反是盲分 段。该可W降低复杂度，并且在许多实施例中对于生成具有特别关联性的识别标志用于医 学处理而言可W是有用的。例如，对于许多疾病而言，特定事件的密度是有效的指示符。在 该样的实施例中，其后面跟随着与事件(例如异常细胞）相对应的对象的数量的检测的至同 等大小分段的分段可W生成直接指示异常细胞的密度的局部识别标志。因而，每一个分段 中的简单计数可W生成对于可能疾病的检测而言相关的局部识别标志。
[0118] 在一些实施例中，分段可W取决于图像特性。作为低复杂度的示例，识别标志处理 器103可W被安排成基于图像属性来确定该些分段中的图像分段，其中所确定的尺寸是恒 定的，即，适用于所有的分段。
[0119] 检索到的医学数据可W由医学数据处理器111用于向健康专业人员提供附加信 息。作为简单示例，医学数据可W简单地被呈现给健康专业人员。例如，可W生成反映与所 识别的样本之中的每一个相关联的诊断的输出。为其已生成与当前图像紧密相似的图像的 患者的诊断的列表可W被用作健康专业人员应该进一步考虑的可能诊断的输入。该可W特 别有助于允许罕见状况被检测且实际上可W允许健康专业人员甚至没有意识到的状况被 检测并被考虑。
[0120] 在一些情形中，也可W提供样本的匹配程度。例如，对于每个样本而言指示诊断W 及该样本与当前图像的紧密相似程度的列表可W被输出。
[0121] 在许多实施例中，医学数据可W由医学数据处理器111处理。例如，该数据可W被 核对（collate),W致与同一诊断相对应的所有样本被组合。该方案可W例如用于生成诊断 的列表W及可W提供对于当前图像而言恰当的诊断的估计概率。如果找到给定诊断的多个 样本，其中每一个样本是紧密匹配，则指示高概率。如果对于给定诊断只找到具有相对低的 匹配量度的一个样本，则指示低概率。
[0122] 将意识到；许多其他形式的医学数据可W被推导并且可W不同地被使用。例如，该 数据可W简单地用于生成健康统计资料并且可W不向任何人呈现个别图像的数据。
[0123] 作为另一示例，医学数据可W用于进一步处理图像，或者例如，用于在被呈现时修 改图像的视觉外观。例如，医学图像可W指示；在相似图像中，发现给定特性特别适合于指 示是否患者遭受给定状况。例如，特定图像对象的形状可W被指示为重要的，其中医学数据 进一步指示图像对象的特性。该设备随后可W识别当前图像中具有相似特性的图像对象并 且在显示该图像时(例如，与描述重要性W及将要寻找什么特性的文本一起）突出显示该些 图像对象。
[0124] 作为医学数据的可能使用的特定示例，该设备可W协助检测是否患者遭受 Alzheimer疾病。图3举例说明如由AmericanAssociationofNeurology(美国神经学 协会）一一2009年指导集所确定的Alzheimer疾病(或者更一般而言，神经退行性疾病)的 诊断的标准程序。在该附图中，术语PiB-PET和抑G-PET是PET造影剂。PiB是基于碳-11 的Pittsbur曲（匹兹堡)复合物，并且抑G测量脑中的糖水平。MDx基本上是从脊骨中提取 的脊髓（CSF)液的分析。
[0125] 将意识到；取决于个别实施例和应用的偏好和需求，可W使用用于生成、处理和比 较识别标志的许多不同的方案。在下面，将提供各种有利的示例，但是将意识到：本发明并 不限于该些特定方案。
[01%] 在许多实施例中，识别标志处理器103可W被安排成生成表示局部图像信息的局 部识别标志。因而，与整体反映图像的属性的识别标志不同，局部识别标志仅反映在图像的 子集中诸如在特定分段或块中的图像。
[0127]如前所述，识别标志处理器103可W将图像划分成分段并通过仅考虑个别分段中 的图像属性来确定每一个分段的一个或多个识别标志。因而，该样的识别标志仅反映局部 图像特性，即特定分段内的特性。
[0128] 许多识别标志可W允许至少局部图像区域的部分重建。例如，识别标志可W指示 方差和平均亮度。该样的分段可W利用具有相同的平均亮度W及与方差相对应的随机变化 的分段来近似。
[0129] 作为另一示例，识别标志处理器103可W被安排成生成例如分段的亮度的小波表 示。该个小波表示随后可W被截断（truncate),并且可W生成识别标志矢量W对应于跟随 在截短之后的剩余小波系数。因而，在该个示例中，可W为每一个分段生成识别标志矢量， 并且用于图像的识别标志集合可W是二维矩阵，其中每一行(或列）对应于该矢量。该样的 小波表示可W提供非常紧凑的图像特性的表示。该方案可W允许由匹配处理器106进行的 比较直接基于该图像所提供的视觉印象而非基于所导出的特征。同时，它虑及此外适合于 并行化的相对低复杂度的比较。因而，该方案可W提供用于检测与"看起来"与当前图像相 类似的图像相对应的样本的实用方案。因而，针对看起来像当前图像的图像所存储的医学 数据能够被识别并被提取，而且例如能够被显示给健康专业人员。
[0130] 在许多实施例中，识别标志并且特别地局部识别标志W图像中的图像对象为基础 来生成。在图4中显示用于一些该样的实施例的图像处理设备的示例。该设备与图1的设 备相对应但是进一步包括被安排成检测图像中的图像对象的图像对象检测器301。
[0131] 图像对象检测器301可W被安排成使用任何合适的算法或方案来检测图像对象。 将意识到；许多图像对象检测算法存在并且对于本领域技术人员而言将是已知的，而且可 W使用任何合适的方案而不减损本发明。
[0132] 大多数的图像对象检测算法W检测不同区域之间的图像特性的差异为基础。例 如，亮度和/或颜色的转变可W用于检测各个图像对象的边界，并且具体地，可W找到图像 对象作为具有足够相似的图像属性的连续区域。
[0133] 作为示例，图5举例说明具有0淀粉状蛋白42染色的离体病理组织学样本的二 维图像。0淀粉状蛋白42沉积在较亮的背景上显示为暗点。该些0淀粉状蛋白42沉积 提供潜在的Alzheimer疾病（AD)的指示。不是所有的具有该些沉积的老年人都患有AD，但 是该可能是其可能性的良好指示。AD的诊断可W基于与设及颠叶、特别地海马区的局灶性 脑组织萎缩的其他信息的组合W及指示记忆的神经精神病学测试加上其他损伤来确定。通 过分析该些问题，时常有可能诊断患者遭受AD的概率。
[0134] 在处理该样的图像中，图像对象检测器301可W被安排成检测与0淀粉状蛋白42 沉积相对应的图像对象。例如，该可W利用寻找与足够暗的且具有在给定间隔内的尺寸的 连续区域相对应的图像对象的图像对象检测算法来完成。
[01巧]图像对象检测器301将所检测的图像对象的信息馈送至识别标志处理器103,而 识别标志处理器着手基于该些图像对象来确定识别标志。
[0136] 将意识到：可W生成许多不同的识别标志。作为示例，识别标志处理器103可W将 图像划分成预定大小的分段并且随后可W将分段的识别标志确定为该分段内的图像对象 的数量。例如，对于图5中的图像来说，每个分段中的0淀粉状蛋白42沉积的数量可W被 用作该分段的局部识别标志。因而，可W生成指示图像对象的数量且用于0淀粉状蛋白42 沉积的图5的图像的识别标志集合，并且该识别标志集合可W被馈送至匹配处理器105。匹 配处理器105随后可W与存储在样本储存器109中的数据库的样本进行比较。例如，匹配 处理器105可W寻找每个分段具有大致相同数量的图像对象的样本，或者可W在更高级的 比较中识别在图像上具有相似空间分布的样本。例如，当前图像在相对小的区域中可W具 有大量的图像对象，而在该个区域之外的分段中可W具有少量图像对象。可W在数据库中 寻找对应于相似图像的样本，同时与对应于在每个分段中可W具有相同平均数量的图像对 象的图像的其他样本进行区分，而其中该些图像对象遍及该图像更均匀地进行分布。因而， 在图5的示例中，该设备可W使用该个方案来查找对应于0淀粉状蛋白42沉积的相似分 布的样本。相应地，该设备能够提取与0淀粉状蛋白42沉积的相似分布相对应的医学数 据，并因而可W提供对于相似图像已发现相关联的医学数据。例如，该样的信息可W指示患 者遭受Alzheimer疾病的可能性或概率。
[0137] 在一些实施例中，该些图像对象之中的一个或多个图像对象的空间特性可W用于 生成识别标志。例如，可W选择图像对象的子集，例如每一个分段中的一个图像对象。然后， 可W分析该图像对象，W提供识别标志。例如，可W识别图像对象的形状、面积或体积。该 在许多实施例中可能非常适合于医学信息的确定。
[0138] 在使用组织学图像的应用中，例如，在考虑例如AD患者时，该方案可W识别与0 淀粉状蛋白42沉积相对应的图像对象。该系统随后可W着手确定个别0淀粉状蛋白42 沉积的大小、位置和方位W及形状和其他识别标志。基于此，该系统可W着手确定识别标志 的统计属性。该些统计属性随后能够与先前处理的数据库中的组织学图像的类似属性/识 别标志进行比较。一种类型的0淀粉状蛋白42沉积被称为"核屯、（core)"，并且它们通常 是较暗的、尺寸较大的并且具有更圆的形状。
[0139] 图5举例说明0淀粉状蛋白图像对象检测的检测结果的示例，其中暗点对应于0 淀粉状蛋白沉积。
[0140] 在AD诊断并且更一般而言大脑神经系统疾病的诊断的情况中，诊断可W基于W 下的检测；（i)局灶性(区域/局部）组织萎缩一一脑组织的颠部减小，其被脑脊液（CSF)所 替代。例如，对于AD的情况，脑室增大和颠叶萎缩是标准的视觉标记。该些可W被看作例如 一些（Tl加权的）MRI图像中的"暗"像素或CSF的增加。诊断可W进一步基于（ii)经由神 经精神病学测试来验证的记忆功能、注意功能、执行功能和运动功能的功能增加的损伤(特 别地，作为受到影响的第一功能的记忆力）（参见图3) ;W及（iii)带有0淀粉状蛋白42 沉积的PiB-PET的体内测试。如果组合的话，该S个集合的特征可W导致AD的强指示。 [014U该系统可W处理该样的图像，例如，W确定患者遭受AD的似然性，并且该可W被 用作记忆功能、注意功能、执行功能和运动功能的分析的基础或与之相组合来确定诊断。
[0142] 作为另一示例，图6举例说明健康个体的7TT2加权的冠状MRI扫描，并且图7举 例说明患病主体的7TT2加权的冠状MRI扫描。如能够看到的，健康个体具有极少CSF(白 色像素)，而该个体具有大量CSF。具体地，该指示巧Ij用边界框高亮显示的）海马已收缩(局 灶性萎缩)。该系统可W相应地识别该样的图像中的白色图像对象并生成描述该样的图像 对象的尺寸和