Systems, methods, and computer-accessible media for screening for cystic lesions using medical imaging data include, for example, receiving first imaging information for one patient's organ and cysting. Generating a second imaging information by performing a segmentation action on the first imaging information to identify multiple tissue types, including a tissue type pointing to a sexual lesion, and a second imaging information. Identifying cystic lesions within and applying the first and second classifiers to cystic lesions to reduce cystic lesions to one or more of multiple cystic lesion types. It can include to classify. The first classifier can be a random forest classifier and the second classifier can be a convolutional neural network classifier. A convolutional neural network can include at least 6 convolutional layers, and at least 6 convolutional layers can include a maximum pooling layer, a dropout layer, and a fully connected layer. [Selection diagram] Fig. 1医用イメージング・データを使用して、嚢胞性病変についてスクリーニングするためのシステム、方法、およびコンピュータ・アクセス可能媒体は、例えば、１人の患者の器官に対する第１のイメージング情報を受信することと、嚢胞性病変を指し示す組織タイプを含む、複数の組織タイプを識別するために、第１のイメージング情報に対してセグメンテーション動作を遂行することにより第２のイメージング情報を生成することと、第２のイメージング情報内の嚢胞性病変を識別することと、第１の分類器および第２の分類器を嚢胞性病変に適用して、複数の嚢胞性病変タイプのうちの１つまたは複数へと嚢胞性病変を分類することとを含むことができる。第１の分類器は、ランダム・フォレスト分類器であり得るものであり、第２の分類器は、畳み込みニューラル・ネットワーク分類器であり得る。畳み込みニューラル・ネットワークは、少なくとも６つの畳み込み層を含むことができ、少なくとも６つの畳み込み層は、最大プーリング層と、ドロップアウト層と、全結合層とを含むことができる。【選択図】図１
