THE UNIVERSITY OF NORTH CAROLINA AT CHAPEL HILL OFFICE OF COMMERCIALIZATION AND ECONOMIC DEVELOPMENT
发明人:
LIN, Weili,SHEN, Dinggang,SMITH, Jeffrey Keith
申请号：
USUS2017/060236
公开号：
WO2018/085788A1
申请日:
2017.11.06
申请国别(地区):
US
年份:
2018
代理人:
摘要：
A method for smart image protocoling includes, using a medical imaging device, obtaining, using a first medical imaging sequence, a first set of medical images of a patient. Anatomical and, if present, disease features are extracted from the first set of medical images. A machine learning trained algorithm is used to determine, in real time, and based on the extracted anatomical and/or disease features, whether a desired medical imaging goal is achieved for the patient. In response to determining that the desired medical imaging goal is achieved, at least one image from the first set of medical images is output as a final image. In response to determining that the desired medical imaging goal has not been achieved, the machine learning trained algorithm is used to select a second medical imaging sequence. A second set of medical images of the patient is obtained using the second medical imaging sequence. The above outlined procedures will be repeated until the final imaging goal is achieved for a patient.La présente invention concerne un procédé de mise en œuvre d'un protocole d'image intelligent qui consiste, à l'aide d'un dispositif d'imagerie médicale, à obtenir, au moyen d'une première séquence d'imagerie médicale, un premier ensemble d'images médicales d'un patient. Des caractéristiques anatomiques et, le cas échéant, pathologiques sont extraites du premier ensemble d'images médicales. Un algorithme formé par apprentissage automatique est utilisé pour déterminer, en temps réel et sur la base des caractéristiques anatomiques et/ou pathologiques extraites, si un objectif d'imagerie médicale souhaité est atteint pour le patient. En réponse à la détermination du fait que l'objectif d'imagerie médicale souhaité est atteint, au moins une image du premier ensemble d'images médicales est produite sous la forme d'une image finale. En réponse à la détermination du fait que l'objectif d'imagerie médicale souhaité n'a pas été atteint, l'algorithme formé par apprentissage a
