This application describes a system 100 and method for detecting and labeling structures of interest. The viewing system includes a current patient exam database 102 that includes current patient exam 200 along with clinical context information 706. The system is an image metadata processing engine 118 configured to extract metadata for preparing input to the anatomical structure classifier 608, a natural configured to extract clinical context information 706 from the pre-patient document. Also included is a language processing engine 120, an anatomical structure detection and labeling engine 718, and a display device 108 configured to display findings from the current patient examination. Anatomical structure detection and labeling engine 718 is configured to identify and label one or more structures of interest 716 from the extracted metadata and clinical context information 706. A processor 112 that collects series level data is also configured. The method detects, labels, and prioritizes anatomical structures 710. Specifically, once patient information is received from the current patient examination 108, a prioritized list of structures of interest 716 combined with a labeled anatomy 710 and a high-risk anatomy 714 is optimized. Form.本願は関心構造を検出しラベリングするためのシステム１００と方法を記載する。視システムは臨床コンテキスト情報７０６とともに現在の患者検査２００を含む現在の患者検査データベース１０２を含む。システムは解剖学的構造分類器６０８に対する入力を準備するためのメタデータを抽出するように構成される画像メタデータ処理エンジン１１８、事前患者ドキュメントから臨床コンテキスト情報７０６を抽出するように構成される自然言語処理エンジン１２０、解剖学的構造検出及びラベリングエンジン７１８、及び現在の患者検査からの所見を表示するように構成される表示装置１０８も含む。解剖学的構造検出及びラベリングエンジン７１８は、抽出されたメタデータ及び臨床コンテキスト情報７０６から一つ以上の関心構造７１６を特定しラベリングするように構成される。シリーズレベルデータを集めるプロセッサ１１２も構成される。方法は、解剖学的構造７１０を検出し、ラベリングし、優先順位をつける。具体的に、一旦患者情報が現在の患者検査１０８から受信されると、ラベルつきの解剖学的構造７１０と高リスクの解剖学的構造７１４が組み合わされて最適化された関心構造の優先順位リスト７１６を形成する。
