【技術實現步驟摘要】
【國外來華專利技術】
技術介紹
1、使用內窺鏡儀器檢查患者的消化(gi)道是一種相當常規的醫療預防/診斷醫療過程。對于上消化道，醫生(或更一般地，醫療保健提供者(hcp))檢查患者的食道、胃和十二指腸(小腸的第一部分)的內部。在這樣的過程中使用的儀器是包括用于查看組成上消化道的器官的內表面的攝像裝置的薄的發光管——這種儀器通常被稱為內窺鏡。因此，上內窺鏡檢查術(upper?endoscopy)，也稱為上消化道內窺鏡檢查術，是一種用于視覺檢查患者的消化系統的過程。上消化道的每個部分具有明顯不同的組織，稱為黏膜，其可以為訓練有素的眼睛提供消化道內位置的指示。在內窺鏡檢查術過程中執行的視覺檢查旨在識別可能需要附加診斷的異常。
2、類似地，內窺鏡儀器可以用于視覺檢查患者的下消化道(下消化道)。下消化道內窺鏡檢查術，也稱為結腸鏡檢查或乙狀結腸鏡檢查，允許hcp查看患者的下消化道的黏膜內層。該過程通常用作無癥狀的個體的篩查測試，或者用于幫助診斷不明原因的腹痛、直腸出血或腸道習慣的改變。在一定年齡之后建議進行常規結腸鏡檢查，以便能夠在癌癥或其他消化道問題進展之前對癌癥或其他消化道問題進行早期檢測。消化道內的異常的識別需要訓練有素的hcp以及在過程期間對攝像裝置圖像的專注查看。內窺鏡制造商已經開發了一些圖像處理技術來幫助識別潛在的異常，但這些技術對于hcp來說可能難以在實踐中使用。
技術實現思路
1、人工智能(ai)能力的進步引起了對探索醫療保健用例的極大興趣。從實踐的角度來看，多個不同的用例可以適用于各
2、就ai工具不斷發展的本質對hcp進行訓練具有挑戰性，并且因此，需要對過程內設置進行手動更改以在可用ai工具之間切換的醫療系統創造了高度容易出錯的環境。此外，需要對過程內設置進行手動更改增加整體過程時間，這減少了單個醫療保健環境每天可以支持的病例數量。需要用于提高在可以部署多種ai工具的單個醫療保健環境中提供的醫療保健的質量并增加其數量的技術。
3、這是一個新興
，并且現有系統基本上是被訓練成在離散的解剖區域內執行特定的ai功能的獨立的ai模型。這些ai模型也可能由多個實體開發，這使得ai能力更加分散且難以整合。
4、為了應對這些挑戰，專利技術人開發了一種在過程期間基于內窺鏡選擇和當前正在觀察的組織的特征在離散的ai模型之間智能且無縫地切換的端到端系統。
本文檔來自技高網...【技術保護點】
1.一種消化(GI)道黏膜識別系統，所述消化道黏膜識別系統用于訓練機器學習模型以用于基于計算機的臨床決策支持系統以輔助對針對特定解剖區域被訓練的計算機輔助檢測和表征模塊的實時選擇，所述消化道黏膜識別系統包括：
2.一種用于訓練機器學習模型的方法，所述機器學習模型用于基于計算機的臨床決策支持系統，所述基于計算機的臨床決策支持系統提供對被訓練以用于特定解剖區域內的異常的專門識別或診斷的計算機輔助檢測和表征模塊的實時選擇，所述方法包括：
3.根據權利要求2所述的方法，其中，接收所述數據包括：接收包括食管黏膜、胃黏膜、十二指腸黏膜的內窺鏡圖像。
4.根據權利要求2所述的方法，其中，所述訓練所述機器學習模型包括：訓練上消化道模型和下消化道模型。
5.根據權利要求4所述的方法，其中，所述訓練所述下消化道模型包括：使用特定于所述下消化道的訓練數據。
6.根據權利要求5所述的方法，其中，所述特定于所述下消化道的訓練數據包括來自圖像組的帶標記的內窺鏡圖像，所述圖像組選自以下解剖區域中的一個或更多個：
7.一種內窺鏡臨床支持系統
8.根據權利要求7所述的系統，其中，激活所述第一黏膜識別模塊是基于接收識別所述內窺鏡的內窺鏡類型或型號信息而進行的。
9.根據權利要求8所述的系統，其中，接收內窺鏡類型或型號信息包括：接收識別所述照明部件能夠生成的不同照明類型的照明信息。
10.根據權利要求7所述的系統，其中，所述存儲器還包括指令，所述指令在由所述處理電路執行時使所述處理電路執行操作，所述操作包括：
11.根據權利要求10所述的系統，其中，執行所述第二檢測模塊包括：向所述顯示設備輸出所述內窺鏡已經開始對所述消化道的不同區域進行成像的指示。
12.根據權利要求7所述的系統，其中，使用所述第一黏膜識別模塊監視來自所述內窺鏡的所述圖像流包括：實現機器學習模型以基于來自所述內窺鏡的實時黏膜成像來預測所述內窺鏡在消化道內的位置，所述機器學習模型至少部分地基于訓練數據進行訓練，所述訓練數據包括來自消化道內的不同位置的多個帶標記的黏膜圖像。
13.根據權利要求7所述的系統，其中，所述使用所述第一黏膜識別模塊監視所述圖像流包括：使用所述第一黏膜識別模塊定期地處理從所述圖像流中提取的圖像。
14.根據權利要求7所述的系統，其中，執行所述第一檢測模塊包括：從由所述內窺鏡支持的多個成像模態中選擇第一成像模態。
15.根據權利要求14所述的系統，其中，識別所述感興趣區域包括：從由所述內窺鏡支持的所述多個成像模態中選擇第二成像模態。
16.根據權利要求15所述的系統，其中，所述存儲器還包括指令，所述指令在由所述處理電路執行時使所述處理電路執行操作，所述操作包括：至少部分地基于識別所述感興趣區域來執行所述多個檢測和表征模塊中的第一表征模塊。
17.根據權利要求16所述的系統，其中，執行所述第一表征模塊包括：向所述顯示設備輸出與所述感興趣區域相關的組織分類和對應置信度得分的指示。
18.根據權利要求14所述的系統，其中，識別所述感興趣區域包括：在所述顯示設備上顯示用戶提示，所述用戶提示提供用以激活由所述內窺鏡支持的所述多個成像模態中的第二成像模態的選項。
19.一種系統，包括：
20.根據權利要求19所述的系統，其中，所述計算機可執行指令還使所述一個或更多個處理單元：
21.根據權利要求20所述的系統，其中，部署所述第三CAD模型包括激活所述醫學成像設備上的替選照明模態。
22.根據權利要求21所述的系統，其中，所述替選照明模態是藍光或紅光的窄帶成像模態。
23.根據權利要求20所述的系統，其中，所述第三CAD模型還被配置成輸出組織分類和與所述組織分類相關的置信度得分。
24.根據權利要求19所述的系統，其中，所述第一解剖結構類型是與食管解剖區域對應的鱗狀黏膜，并且所述第二解剖結構類型是與胃解剖區域對應的胃黏膜。
25.根據權利要求19所述的系統，其中，所述圖像數據包括在所述醫學檢查期間由內窺鏡生成的多個圖像幀的序列。
26.根據權利要求19所述的系統，其中，部署所述第一CAD模塊包括：輸出所述第一解剖結構類型的指示。
27.根據權利要求19所述的系統，其中，部署所述第二CAD模型包括：輸出所述第二解剖結構類...
【技術特征摘要】
【國外來華專利技術】
1.一種消化(gi)道黏膜識別系統，所述消化道黏膜識別系統用于訓練機器學習模型以用于基于計算機的臨床決策支持系統以輔助對針對特定解剖區域被訓練的計算機輔助檢測和表征模塊的實時選擇，所述消化道黏膜識別系統包括：
2.一種用于訓練機器學習模型的方法，所述機器學習模型用于基于計算機的臨床決策支持系統，所述基于計算機的臨床決策支持系統提供對被訓練以用于特定解剖區域內的異常的專門識別或診斷的計算機輔助檢測和表征模塊的實時選擇，所述方法包括：
3.根據權利要求2所述的方法，其中，接收所述數據包括：接收包括食管黏膜、胃黏膜、十二指腸黏膜的內窺鏡圖像。
4.根據權利要求2所述的方法，其中，所述訓練所述機器學習模型包括：訓練上消化道模型和下消化道模型。
5.根據權利要求4所述的方法，其中，所述訓練所述下消化道模型包括：使用特定于所述下消化道的訓練數據。
6.根據權利要求5所述的方法，其中，所述特定于所述下消化道的訓練數據包括來自圖像組的帶標記的內窺鏡圖像，所述圖像組選自以下解剖區域中的一個或更多個：
7.一種內窺鏡臨床支持系統，所述內窺鏡臨床支持系統用于對計算機輔助檢測和表征模塊的實時激活，所述計算機輔助檢測和表征模塊被訓練以用于患者的消化(gi)道內的異常的專門識別或診斷，所述系統包括：
8.根據權利要求7所述的系統，其中，激活所述第一黏膜識別模塊是基于接收識別所述內窺鏡的內窺鏡類型或型號信息而進行的。
9.根據權利要求8所述的系統，其中，接收內窺鏡類型或型號信息包括：接收識別所述照明部件能夠生成的不同照明類型的照明信息。
10.根據權利要求7所述的系統，其中，所述存儲器還包括指令，所述指令在由所述處理電路執行時使所述處理電路執行操作，所述操作包括：
11.根據權利要求10所述的系統，其中，執行所述第二檢測模塊包括：向所述顯示設備輸出所述內窺鏡已經開始對所述消化道的不同區域進行成像的指示。
12.根據權利要求7所述的系統，其中，使用所述第一黏膜識別模塊監視來自所述內窺鏡的所述圖像流包括：實現機器學習模型以基于來自所述內窺鏡的實時黏膜成像來預測所述內窺鏡在消化道內的位置，所述機器學習模型至少部分地基于訓練數據進行訓練，所述訓練數據包括來自消化道內的不同位置...
【專利技術屬性】
技術研發人員：弗蘭克·菲利西奧托，柳大為，
申請(專利權)人：捷銳士阿希邁公司以奧林巴斯美國外科技術名義，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。