启用AI的回声确认工作流程环境的制作方法

启用ai的回声确认工作流程环境
技术领域
1.下面一般涉及心脏病学领域、超声心动图领域、心脏成像领域以及相关领域。


背景技术：

2.超声心动图是常见的心脏病成像模式。与一般的放射学相比，可以从超声心动图中获得的诊断的数目相对小。根据超声心动图研究，可以得出大约50个诊断。在超声心动图检查中，技术员获取超声心动图循环，这些循环是超声图像的短时间序列，通常跨越一次或几次心跳。这些是在超声换能器(相对于心脏)的不同位置(即“视图”)处获取的。有几个标准视图(例如大约8个)，并且对于每个标准视图，各种心脏病学小组都可以识别多达几十个子视图。每个循环通常都是用超声换能器探头获取的，该超声换能器探头由超声技术人员以适合于使所需的视图/子视图成像的、相对于心脏的角度手动定位在患者的躯干上。任何给定循环的图像质量都可能发生显著变化，这取决于技术人员手持超声换能器探头的稳定性以及患者在循环的获取期间可以移动的程度。此外，视图的“质量”取决于技术人员如何准确地定位超声换能器探头以获得该视图。技术人员可以在超声机器的显示器上观察所获取的循环，并且可以取决于技术人员对循环图像质量的主观看法以及所获取的循环对所需视图的可视化效果如何，来获取给定视图的多个循环。
3.技术人员有时会通过审阅超声循环并且录入在临床上很容易理解的诊断代码或诊断语言，来做出初步报告。技术人员不是训练有素的心脏病专家，并且因此通常会避免做出非平凡的诊断。循环与元数据(诸如初步诊断)一起存储在图片存档与通信系统(pacs)、心血管信息系统(cvis)和/或(多个)其他电子数据库处。在之后的时间，心脏病专家审阅超声心动图，通常使用技师所提供的任何初步诊断作为起点。
4.下面公开了某些改进。


技术实现要素：

5.在本文中所公开的一些非限制性说明性实施例中，非暂态存储介质存储指令，该指令由电子处理器可读取和可执行以执行超声心动图分析方法，该方法包括生成或接收针对包括超声心动图循环集的超声心动图的诊断代码。从超声心动图中选择多个不同子集。每个子集都由超声心动图循环集中的一个或多个超声心动图循环组成。针对每个子集，确定指示子集与诊断代码的相关性的置信得分。使用对子集操作的人工智能(ai)引擎来确定置信得分，其中ai引擎在利用诊断代码而被标注的历史超声心动图上被训练。基于相应子集的、指示相应子集与诊断代码的相关性的所确定的置信得分，来标识相关的超声心动图循环组。呈现超声心动图读取用户界面，包括显示与相关的超声心动图循环组中的超声心动图循环相关联的诊断代码。
6.在本文中所公开的一些非限制性说明性实施例中，超声心动图分析设备包括电子处理器和非暂态存储介质，该非暂态存储介质存储指令，该指令由电子处理器可读取和可执行以分析包括超声心动图循环集的超声心动图。所存储的指令包括：ai引擎指令，实现ai
引擎，该ai引擎被训练以响应于接收到一个或多个超声心动图循环的输入集而输出针对诊断代码的置信级别；相关循环标识指令，实现相关循环标识，该相关循环标识包括通过将超声心动图循环集的不同子集输入到ai引擎来确定针对不同子集的初步诊断代码的置信得分，并且基于针对相应子集的所确定的置信得分来标识相关超声心动图循环组；以及超声心动图读取指令，在客户端系统上实现超声心动图读取用户界面，包括在客户端系统的显示器上显示与相关超声心动图循环组中的超声心动图循环相关联的初步诊断代码。
7.在本文中所公开的一些非限制性说明性实施例中，公开了一种利用ai引擎的超声心动图分析方法，该ai引擎被训练以响应于接收到一个或多个超声心动图循环的输入集而输出针对诊断代码的置信级别。超声心动图分析方法包括：生成或接收针对包括超声心动图循环集的超声心动图的初步诊断代码；通过将所有超声心动图循环集的不同子集输入给ai引擎来确定针对不同子集的初步诊断代码的置信级别，并且基于相应子集的所确定的置信得分来标识与初步诊断代码相关的相关的超声心动图循环组；以及呈现超声心动图读取用户界面，包括在客户端系统的显示器上显示与相关超声心动图循环组中的超声心动图循环相关联的初步诊断代码。
8.一个优点在于为超声心动图解释环境提供更有效的用户界面。
9.另一优点在于为超声心动图解释环境提供用户界面，这减少了为了制定或确认给定诊断代码而必须审阅的超声心动图循环的数目。
10.另一优点在于提供了用户界面，经由该用户界面，心脏病专家可以确认之前生成的诊断，而不是从头开始创建诊断。
11.另一优点在于为超声心动图解释环境提供用户界面，这减少了心脏病专家或其他用户在制定或确认给定诊断代码时所考虑的不太相关或不相关的循环的数目。
12.另一优点在于在超声心动图解释环境中提供用于分析超声心动图的自动化初步诊断能力。
13.另一优点在于为超声心动图解释环境提供用户界面，这减少了在进行临床诊断时未能考虑被错误标注为视图(或子视图)的相关循环的可能性。
14.给定实施例可以不提供前述优点，提供一个、两个、两个以上或全部上述优点，和/或可以提供其他优点，如本领域普通技术人员在阅读和理解本公开时这些优点竟变得明显。
附图说明
15.本发明可以采取各种组件和组件的布置以及各种步骤和步骤的布置的形式。图仅用于说明优选实施例的目的，而不被解释为限制本发明。
16.图1图解地图示了超声心动图获取和读取系统。
17.图2图解地图示了用于自动分析超声心动图的一个或多个循环以检测(多个)循环是否指示某个诊断代码的过程的流程图，该过程由图1的系统适当地执行。
18.图3图解地图示了用于在超声心动图的审阅期间审阅和确认诊断代码的过程的流程图，该过程由图1的系统适当地执行。
19.图4图解地图示了用户界面显示器，当执行图3的方法时，该用户界面显示器由图1的系统适当地呈现。
20.图5图解地图示了用于标识或排名对应于与诊断代码的相关性的超声波心动图的循环的过程的流程图，该过程由图1的系统适当地执行。
具体实施方式
21.参照图1，图解地示出了超声心动图获取和读取系统。说明性系统包括超声心动图获取设备10，其通常是心脏超声成像系统(即超声心动图仪)10，被编程以获取超声心动图循环(为了简洁起见，在这里也称为“循环”)，这些循环是心脏(和/或主要心脏血管)的超声图像的短时间序列，通常跨越一次或几次心跳。这些是在超声换能器探头(未示出)相对于心脏的不同位置(即“视图”)处获取的。通常，每个循环都是用超声换能器探头获取的，该超声换能器探头由超声技术人员以适合于使所需的视图/子视图成像的、相对于心脏的角度手动定位在患者的躯干上。超声心动图仪10包括至少一个显示器12、14(在非限制性说明性示例中，用于显示超声图像或回放超声循环的主显示器12和用于呈现操作参数值等的用户界面显示器14)和一个或多个用户输入设备16，诸如键盘、触控板、一个或两个显示器12、14的触摸敏感覆盖等。在典型的超声心动图研究获取环节中，超声技术人员将探头放置在患者胸部的适当位置，以获取心脏的视图。所获取的回声在显示器12上播放。如果技术人员不满意该循环，则他或她可以重新定位探头和/或要求患者保持静止，并且然后获取捕捉视图的另一循环。对于给定的视图，这可以重复多次，和/或可以调整探头位置以获取视图的各种子视图。通常，所有获取的循环都保存到pacs 20(和/或cvis或其他电子数据库)，除非它们明显是非临床质量。
22.在获取循环的同时和/或在获取到循环后，技术人员通常执行初步分析，以得出初步的发现和/或诊断。这些通常使用标准表示法来表示，在该标准表示法中，给定发现或诊断由诊断代码(为了简洁起见，在这里也称为“代码”)表示。诊断代码是与某一诊断或发现对应的唯一标识符，该诊断或发现可能包含疾病和/或其严重程度(例如正常/轻微/中度/严重)。诊断代码还可以被限定，表达某一诊断无法被可靠地评估，例如由于有限的图像质量。初步诊断代码与超声心动图循环一起存储在合适的超声心动图研究数据分组中的pacs20处，并且初步诊断代码随后由心脏病专家确认、拒绝或修改，该心脏病专家审阅超声心动图，并且也可以添加表示心脏病专家所做出的附加发现或诊断的附加诊断代码。
23.在常见的实现中，超声心动图解释环境由服务器计算机22托管，该服务器计算机22也可以可选地托管pacs 20和/或存储超声心动图循环的其他电子数据库。一般而言，服务器计算机22可以是单个服务器计算机(或者具有足够处理能力的台式计算机或其他计算机)，或者是被配置为计算集群、云计算资源等的多个计算机。超声心动图解释环境由客户端系统访问，诸如说明性超声心动图仪10、心脏病专家的工作站30等。说明性心脏病专家的工作站30包括计算机32，其具有至少一个显示器34和一个或多个用户输入设备，诸如键盘36、触控板38(和/或鼠标和/或其他指点设备)等。客户端系统10、30是说明性示例，并且医院或其他医疗机构的典型心脏病科可以有几十个或更多的设备，其能够作为客户端系统访问超声心动图解释环境。通常，大多数用于实现超声心动图解释环境的数据处理是在服务器22处执行的，尽管在客户端系统10、30处可以局部执行一些不太计算密集的过程(例如用户界面显示的绘制)和/或专门的过程(例如控制超声心动图仪10的超声硬件以获取超声心动图循环)。给定的客户端系统上所呈现的超声心动图解释环境的用户界面可以取决于许
多因素，诸如客户端系统的凭据(例如登录到客户端系统的用户的用户标识，通常具有相关联的访问/特权级别)和客户端系统的能力(例如可以向通过超声心动图仪10访问超声心动图解释环境的用户提供支持循环获取的用户界面；而心脏病专家的工作站30可以不提供这些循环获取用户界面方面)。通常，心脏病专家的工作站30将向用户(例如心脏病专家)提供对由技术人员在超声心动图仪10处录入的任何初步诊断代码的访问。通过非限制性说明性示例，超声心动图解释环境可以是由荷兰皇家飞利浦公司(koninklijke philips n.v.)提供的philips intellispace cardiovascular(iscv)tm超声心动图解释环境(具有由如本文中所公开的提供的附加特征)。
24.为了执行对技术人员所确定的初步诊断代码的审阅，心脏病专家必须审阅超声心动图的各种所获取的循环，以标识最相关的循环，以供确认或拒绝每个初步诊断代码。虽然循环可以通过视图进行标注，并且可能还通过子视图进行标注，但是这并不足以让心脏病专家有效且全面地选择最好的视图以供确认诊断代码。循环获取是半手动过程，因为技术人员手动将超声换能器探头放置在患者躯干的外部，并且任何给定循环的图像质量都取决于换能器探头的精确放置和运动模糊的数量(运动可以是手持探头时的不稳定或患者的运动或两者都有)。因此，对于任何给定视图，技术人员都可以获取几个循环，该循环可以有不同的图像质量并且可以或多或少为视图提供理想的有利位置(例如换能器探头可以在不太理想的位置处记录一些循环，以供捕捉预期的视图)。此外，分配给各个循环的视图标注可能会出错。作为结果，选择“最好”视图以用于确认给定诊断是乏味的，可能是主观的，而且可能很容易出错。
25.人工智能(ai)，诸如在利用由心脏病专家所执行的读取所提供的诊断代码来注释的超声心动图上训练的卷积神经网络(cnn)，具有改进超声心动图读取的潜力。然而，这种ai可能不够可靠，无法对超声心动图进行完全自动化的诊断。除非ai可以足够可靠地执行完全自动化的诊断，否则心脏病专家将仍然需要审阅初步诊断代码(无论是人类的还是ai生成的)，并且因此上述问题不会得到缓解。考虑到确保准确的超声心动图读取的生命攸关的性质，在许多情况下，由超声心动图的ai分析来代替心脏病专家在阅读超声心动图方面的专长可能是不切实际的。
26.鉴于上述事项，本文中所公开的实施例在不依赖ai提供明确诊断的情况下，以提供超声心动图读取工作流程的提高的效率和准确性的方式来利用超声心动图的ai分析。
27.在本文中所公开的一个方面中，ai被用于生成初步诊断代码，代替或增强技术人员所执行的初步分析。可选地，ai还可以将置信得分分配给所生成的诊断代码。由于这些只是初步诊断代码，针对由ai的错误的可能性不太令人担心，因为初步诊断代码会由熟练的心脏病专家审阅。
28.在本文中所公开的另一方面中，ai被用于选择最相关的循环以供检查初步诊断代码。换言之，从(由人类(诸如超声技术人员)或ai生成的)初步诊断代码开始，将候选循环输入给ai，该ai输出诊断代码(如果确实ai将循环与诊断代码相关联)并且还输出针对诊断代码的置信得分。一个或多个该度量量化循环与诊断代码的相关性。例如，如果代码是由ai针对具有高置信度的循环输出的，则循环是高度相关的；然而，如果代码根本不是由ai输出的，或者是由ai输出的、但是具有低置信得分，则循环不是非常相关的。
29.通过这样的度量，超声心动图的循环可以根据与给定诊断代码的相关性进行排
名。在一种形式方法中，生成初步诊断代码的表格，并且对于每个代码，相关的循环被表示为(例如)与高于某个阈值的代码相关的至多n个循环的集合。在一些不同的实施例中，相关循环选择迭代地操作。例如，如果超声心动图中有99个循环，则每个循环最初都会与诊断代码一起输入给ai，并且与该诊断代码最相关的循环被标识。然后，将最相关的循环与其余98个循环中的每个循环依次组合，以标识第二最相关的循环。然后，将这两个最相关的循环与其余97个循环中的每个循环依次组合，以标识第三最相关的循环。这可以重复，以生成(一般而言是n个)最相关循环的排名列表。
30.ai的操作可以采用各种输入和输出。例如，在一些实施例中，诊断代码与一个或多个循环一起输入给ai，并且针对该输入代码仅单个度量由ai输出，即针对代码的置信得分。在这种方法中，代码是到ai的输入，并且由ai针对代码输出的足够低的置信得分可能会被人类审阅者理解为表明ai没有推荐诊断代码。
31.在其他说明性实施例中，诊断代码不是输入，而是仅一个或多个循环被输入给ai。在这些实施例中，ai对(多个)循环进行处理以确定它们是否支持各种诊断代码，并且只有当其置信得分高于某个阈值时，才输出诊断代码以及其置信得分。在这些实施例中，诊断代码是输出，而不是输入。
32.此外，应当理解，根据(多个)循环的ai分析，本文中所使用的针对诊断代码的置信得分被广泛地解释为以下的度量：即由(多个)处理过的循环成像的患者有多大可能具有由诊断代码指示的诊断或发现。置信得分可以例如以不同的方式表示为百分比(例如，在范围[0％、100％]内)或概率(例如在范围[0、1]内)，其中接近100％的置信得分(或接近1的概率)与患者具有由代码指示的诊断或发现的非常高的可能性对应，而接近0％的得分(或接近0的概率)与非常低的可能性对应。作为另一示例，针对代码的置信得分可能随着患者具有由代码指示的诊断或发现的可能性的增加而单调增加，但是潜在的置信得分值的范围可以不是0％到100％。这些只是说明性示例。
[0033]
以下两个方面是独立的：(1)通过ai分析提供初步诊断代码以及(2)通过ai分析选择最相关的循环。例如，在一些实施例中，只采用第一方面：ai用于生成初步代码，但是不用于为ai生成的初步代码选择最相关的循环。在其他实施例中，只采用第二方面：初步诊断代码是手动生成的(例如通过技术人员审阅循环)，并且ai只用于为手动生成的初步诊断代码选择最相关的循环。
[0034]
在其他实施例中，第一方面和第二方面一起采用。即，初步诊断代码中的一些或全部诊断代码可以由ai根据第一方面生成，然后ai用于为初步诊断代码选择最相关的循环(无论初步诊断代码是手动选择的，还是由ai根据第一方面选择的)。有利地，在结合了第一方面和第二方面的这样的实施例中，相同的ai引擎可以被采用于第一方面(生成一些或全部初步诊断代码)和第二方面(选择最相关的循环以供手动审阅诊断代码)两者。
[0035]
采用ai为给定的初步诊断代码选择最相关的循环的实施例可以可选地为回声解释环境采用改进的用户界面，经由该用户界面，心脏病专家审阅初步诊断代码。在用户界面中，列出初步诊断代码，每个初步诊断代码都与针对该代码的最相关的循环相关联。相关的循环与代码的关联可以是直接的，例如显示针对该代码的最相关的循环，或者可以通过显示到存储在pacs 20中的最相关的循环的超链接而被关联(其中超链接可以由表示循环的缩略图图像或缩略图视频表示)。确认用户界面还提供“确认”按钮(或其他合适的用户可选
对话框元素)，通过该按钮，心脏病专家可以选择确认初步诊断代码。在显示超链接或缩略图以表示相关的循环的实施例中，心脏病专家可以点击循环，调出以其全分辨率显示循环的较大视频。如果心脏病专家选择“确认”按钮，则将确认的诊断代码添加到超声心动图报告中，作为诊断代码和/或作为由诊断代码表示的发现或诊断的相应的自然语言文本陈述。可选地，到最相关的循环的链接也可以被自动注释到报告中的诊断代码。
[0036]
一些实施例还可以采用ai来为心脏病专家(或在初步诊断阶段是技术人员)所选的诊断代码选择最相关的循环。例如，心脏病专家(或技术人员)可能正在审阅给定循环或循环集合，并且可以基于心脏病专家对这些循环的读取来录入诊断代码(或在初步阶段，可以基于技术人员的读取来录入初步代码)。然后，立即将心脏病专家或技术人员录入的该诊断代码输入给相关循环选择引擎，该引擎标识针对该诊断代码的最相关的循环。如果ai选择的高度相关的循环目前没有被心脏病专家(或技术人员)审阅，则打开用户对话框，建议审阅该附加循环。
[0037]
在另一考虑的方面中，ai引擎还可以被训练以标识与给定诊断代码高度相悖的循环(即，被训练以标识强烈建议诊断代码不适合该超声心动图研究的循环)，而且如果标识出高度相悖的循环，则打开用户对话框，建议心脏病专家审阅该相悖的循环。
[0038]
继续参照图1，图解地图示了超声心动图解释环境40，该环境由存储在非暂态存储介质20上的指令适当地实现，这些指令由电子处理器10、22、30读取和执行。在典型的设置中，当在客户端系统处(或包括客户端系统)的本地处理器，诸如超声心动图仪10或心脏病专家的工作站30，执行用户界面对话框绘制操作、超声图像获取硬件的本地控制、心电图报告的数据录入等时，服务器22执行更复杂的处理来实现解释环境40，诸如实现神经网络、支持向量机(svm)分类器或其他复杂的ai。超声心动图解释环境40包括超声心动图读取用户界面(ui)42，其通过一个非限制性示例的方式，可以实现为philips intellispace cardiovascular(iscv)
tm
超声心动图解释环境的ui。超声心动图解释环境40还包括一个或多个诊断ai引擎44，其接收一个或多个循环并且作为响应，输出诊断代码和相关联的置信得分(或在不同的实施例中，接收一个或多个循环和诊断代码，并且只输出针对该诊断代码的置信得分)。在包括ai生成的初步诊断代码的实施例中，这种初步ai诊断的实现需要将一个或多个循环46输入给(多个)ai引擎48，并且作为响应，收回一个或多个(多个)初步诊断代码50(优选地与相应的置信得分一起)。
[0039]
超声心动图解释环境40还包括(最相关)循环选择组件50，其标识针对给定输入诊断代码52的超声心动图中最相关的循环。为此，循环选择组件50将一个或多个循环54输入到(多个)ai引擎44，可选地与诊断代码一起(在ai接收代码作为输入的实施例中)或与任务标识一起(在以下实施例中：ai不接收代码，但是具有被训练来执行不同任务的多个ai引擎，所提供的任务标识有效地确定应当采用哪个或哪些ai引擎)。作为非限制性说明性示例，任务可以是左心室评估任务，并且相应的ai引擎44可以被训练以输出给定(多个)输入循环的适当的诊断代码，诸如从以下组中选择的代码中的一个代码：lv 1：左心室性能正常；lv 2：左心室性能轻度降低；lv 3：左心室性能中度降低；lv 4：左心室性能严重降低；lv q：由于图像质量低，无法评估左心室性能；以及lv i：由于不完整的研究，无法评估左心室性能。响应于由循环选择组件50所提供的(多个)输入54，(多个)ai引擎44返回结果56，其包括由ai生成的一个或多个诊断代码以及相应的(多个)置信得分(或者在代码是输入的备选
实施例中，结果56可能只是ai为该代码确定的置信得分)。对于(多个)ai引擎44是面向任务的实施例，循环选择组件50适当地包括诊断代码到任务转换的查找表58。例如，如果接收到的代码52是lv
‑
2，则在前一个示例中，表格58将代码lv
‑
2与左心室性能任务相关联。基于针对输入的诊断代码52的返回的置信得分56，循环选择组件50标识针对代码52的最相关的循环。通过对各种初步诊断代码执行该过程，循环选择组件50建立查找表60，该查找表60将每个初步诊断代码与最相关的循环的集合相关联。超声心动图读取ui 42的确认ui 62(或子ui 62)将初步诊断代码与在由循环选择组件50所构造的查找表60中标识出的每个代码的最相关的循环一起呈现给工作站30处的心脏病专家。
[0040]
参照图2，示出了一个可能的说明性工作流程，用于使用图1的(多个)ai引擎44生成初步诊断代码。在操作70中，接收回声循环(例如由用于在做心电图的患者的超声心动图仪10获取)。在操作72中，将循环标注为视图(以及可选地也是子视图)。操作72可以是由超声技术人员所执行的手动操作，或者是使用循环分类器的自动化标注或它们的某种组合。在操作74中，选择诊断任务，并且选择标识出的(多个)适当的视图以及选择在72处利用(多个)这样的视图标注的超声心动图的循环。为了执行初步诊断，操作74的输出是图1中所示的输入46。例如，如果超声技术人员要求ai协助执行左心室(lv)评估，则技术人员选择lv评估任务，并且参考查找表来标识用于执行lv评估的标准视图。利用这样的视图标注的超声心动图的循环然后形成到(多个)ai引擎44的输入46。在图2的操作76处，将在操作74处选择的(多个)循环输入给(多个)ai引擎44，如果这是(多个)ai引擎44的输入，则可能与任务的标识一起(例如选择使用被训练以执行该任务的特定ai引擎)。在操作78处，接收由(多个)ai引擎44响应于输入76而生成的诊断代码(或多个代码)，并且例如将其显示在超声心动图仪10的显示器14上以供技术人员考虑。作为另一种选择，在操作78处输出的ai生成的(多个)代码可以被自动录入初步超声心动图报告中，或者可以在由超声技术人员确认后被如此录入。在自动插入报告的情况下，这种自动插入只能在置信得分高于某个最小阈值(例如＞80％置信度)的情况下进行。
[0041]
参照图3和图4，描述了说明性确认过程，经由该过程，心脏病专家在由循环选择组件50所支持的确认ui 62的协助下确认初步诊断代码。在操作80中，针对心脏病专家的工作站30检索超声心动图研究。检索到的超声心动图包括由超声技术人员和/或由(多个)ai引擎44生成的各种初步诊断代码，例如经由图2的方法。这种信息被适当地显示在心脏病专家的工作站30的显示器34上，作为超声心动图读取ui 42的显示42d(图4中所示的非限制性说明性显示示例)。显示42d包括由确认ui 62生成的显示窗口62d。为了产生该显示62d，在操作82中，选择要被确认的初步代码；在操作84中，参考查找表60来标识针对在82处选择的代码的最相关的循环(同样，查找表由循环选择组件50生成，如前面参考图1所描述的)；以及在操作86中，与相关的循环相关联地显示代码。如循环箭头88所指示的，可以对每个初步诊断代码重复该序列。该信息在图4中被呈现为说明性确认显示窗口62d，其包括选择按钮，用于选择左心室(lv)性能轻度降低、正常或中度降低的初步代码，具有针对在每个代码选择框的左边显示所示的这三个代码中的每个代码的两个最相关的循环。在说明性示例中，循环中的每个循环都被表示为循环的一个帧的缩略图；然而，可以采用其他表示，例如如果工作站30有足够的计算能力，则循环可以运行(即被示出为缩略图视频)。虽然在图4的确认显示窗口62d中显示了针对每个初步诊断代码的两个最相关的循环，但是所示的最相关的循
环的数目可以基于窗口62d的大小、循环选择组件50为代码识别出的最相关的循环的数目或其他因素进行选择。在一些实施例中，所显示的最相关的循环的数目可以是用户可选配置参数，和/或可以基于确认窗口62d的大小进行动态调整(可选地包括如果/当窗口62d由用户调整大小时，则添加或移除循环)。在一些实施例中，如果心脏病专家选择这些循环缩略图中的一个循环缩略图(例如使用鼠标；因此，缩略图充当超链接的“文本”)，则窗口弹出，其显示循环作为全分辨率视频。
[0042]
继续参照图3和图4，如果在操作90处，心脏病专家选择表示初步代码中的一个初步代码的选择按钮，则在操作92中，将描述与所选的初步(并且现在确认的)诊断代码对应的发现或诊断的代码文本录入超声心动图报告中。在图4的说明性示例超声心动图读取ui显示42d中的窗口94d中显示说明性报告，其中它图解地表明选择了针对表示轻度降低的lv性能的代码的选择按钮96。
[0043]
继续参照图1并且现在还参照图5，示出了方法的说明性示例，该方法由图1的循环选择组件50适当地执行，用于选择针对输入诊断代码52的最相关的循环。在该实施例中，ai引擎44包括多个不同的ai引擎，每个引擎都被训练以执行特定的超声心动图诊断或发现任务(例如诸如本文中的说明性示例的说明性lv性能评估任务)。因此，在操作100中，参考代码到任务查找表58来标识输入代码52所属的任务。在操作102处，确定ai引擎44的集合是否包括被训练以执行在100处标识出的任务的ai引擎。如果对于该任务没有ai引擎可用，则在104处，循环选择组件50结束对代码52的处理，而不将任何最相关的循环与代码52相关联。(例如，这在查找表60中可以被表示为针对代码52的空条目)。另一方面，如果在决定操作102处，确定被训练以进行与代码52相关联的任务的ai引擎可用，则在操作104处，从患者的超声心动图的超声心动图循环集中选择一些候选循环来进行测试。例如，在一个实施例中，超声心动图的每个循环都作为候选循环独立地进行处理(例如如果超声心动图包括100个循环，则最初这100个循环中的每个循环都自行测试)。在操作106处，将在104处所选的循环中的每个循环都输入至ai引擎44中的ai引擎，该引擎被训练以进行在102处标识出的任务。在操作108处，使用由针对每个循环的代码52(或更一般而言，针对在104处所选的超声心动图的一个或多个循环的每个子集)的ai引擎返回的置信得分来标识最相关的循环(或循环子集)或者n个最相关的循环(或n个最相关循环子集)(其中n是某个正整数)。在停止准则110处，确定是否应当执行更多测试。如果不满足停止准则110，则流程转到操作112，在该处候选循环(或循环子集)被更新，并且流程转回到操作106，在该处经更新的循环或循环子集由ai测试，并且在108处，选择经更新的最相关的循环等等，直到满足停止准则110。
[0044]
例如，在一种方法中，操作104选择超声心动图的每个单独循环来进行测试。因此，如果超声心动图中有n个循环，则这将生成n个测试，每个测试都由单个循环组成。在该示例中，在操作108处，接受具有最好置信得分的单个循环作为最相关的循环。然后，在操作112处，生成经更新的循环子集，经更新的循环子集中的每个子集都是双循环子集，其包括所接受的最相关的循环和一个其他循环。因此，如果超声心动图中有n个循环，则这会生成n－1个双循环子集。这些n－1个双循环子集中的每个子集按照每操作106进行测试，并且在操作108的下一轮处，选择最相关的双循环子集。流程然后再次转到操作112，在该处将每个剩余的循环添加到该最相关的双循环子集，以生成n－2个三循环子集。该过程可以继续标识任何所选数目的最相关的循环，例如如果停止准则110在该第二轮后停止，则最终输出114将
是针对代码52的三个最相关的循环。
[0045]
再次参照图5，可以由循环选择组件50执行的合适的最相关循环选择过程的另一示例如下。在操作100处，将诊断代码映射到代码家族(例如超声心动图任务)。例如，将代码“lv
‑
2：左心室性能轻度降低”映射到家族“左心室性能”上。这种映射是通过查找表58的方式适当地执行的。家族可以有ai引擎，该ai引擎与用于循环选择的家族相关联。对于任何给定的诊断代码，如果在操作102处确定没有与其家族相关联的ai引擎，则没有循环被选择，并且过程终止于104处。另一方面，如果有ai引擎，则循环选择组件50利用其来选择充分支持诊断代码的循环的子集。这可以以各种方式来实现。在该说明性示例中，使用梯度上升选择过程。在梯度上升搜索中，通过迭代地遍历多维网格，并且挑选最大限度地增加函数得分的节点作为后继，来最大化函数f。在这里，节点对应于超声心动图的循环集的子集。在网格中，在将一个循环添加到任何一个节点后，如果与循环相关联的循环子集是相同的，则可以从一个节点遍历到下一个节点。
[0046]
对于每个节点n，值f(n)由ai引擎所生成的两个值确定：(1)根据ai引擎的所输入的诊断代码(例如“lv
‑
2”)的可能性；以及(2)由ai引擎针对该代码输出的置信得分。函数f将这些输入组合以生成一个复合值。
[0047]
在遵循这种方法的一个处理序列中，初始迭代利用空的循环集开始，并且搜索将找到最大限度地支持可能性的那一个循环，如由针对所输入的诊断代码(由f编码)的单独循环输出的置信得分所指示的。然后，通过迭代地添加越来越多的循环，所输入的诊断代码中的可能性和置信度通常会增加。如果下列条件之一(即停止准则100的说明性示例)成立，则搜索可以终止：(i)f(n)和f(n’)之间的差值(delta)(其中n是先前节点，n’是当前节点)不超过预定阈值；或者(ii)无论何时当f(n)超过预定阈值或针对该搜索特别确定的阈值时。
[0048]
在更一般化的工作流程中，循环选择组件50可以适当地如下操作。对于包括超声心动图循环集的超声心动图，生成(例如通过被利用以确定初步诊断代码的ai引擎44)或接收(例如经由超声心动图仪10的用户输入16接收诊断代码)诊断代码52。从超声心动图中选择多个不同的子集，其中每个子集都由超声心动图循环集的一个或多个超声心动图循环组成。对于每个子集，确定指示子集与诊断代码52的相关性的置信得分。使用对子集进行操作的ai引擎44来确定置信得分，其中确定置信得分的ai引擎是在利用诊断代码而被标注的历史超声心动图上进行训练的。基于针对相应子集的所确定的置信得分，该得分指示相应子集与诊断代码的相关性，来标识相关的超声心动图循环组。呈现超声心动图读取用户界面62d(参见图4)，包括显示与相关的超声心动图循环组的超声心动图循环相关联的诊断代码。
[0049]
在这个一般化的工作流程中，超声心动图分析方法可以在选择子集与确定置信得分之间进行迭代。在这种迭代实施例中，所选择的至少一次迭代至少部分地基于针对在选择的上一次迭代中所选的子集所确定的置信得分。
[0050]
作为这种一般化工作流程的另一个更具体的示例，选择子集并且确定置信得分可以包括：从超声心动图中选择一个或多个第一子集；针对一个或多个第一子集确定置信得分，指示相应的第一子集与诊断代码的相关性；通过利用附加的超声心动图循环扩展第一子集来选择一个或多个第二子集；以及针对一个或多个第二子集确定置信得分，指示相应
的第一子集与诊断代码的相关性。这种迭代过程可用通过对以下项进行附加迭代而继续：通过利用附加超声心动图循环扩展(最后一个，例如第二)子集来选择一个或多个附加的(例如第三)子集；并且针对一个或多个附加的(例如第三)子集确定置信得分，指示相应的第三子集与诊断代码的相关性。
[0051]
在呈现超声心动图读取用户界面42时，这可以包括显示超声心动图报告(例如经由图4的窗口94d)。响应于经由超声心动图读取用户界面42d(的确认窗口62d)接收到相关的超声心动图循环组的一个超声心动图循环的用户选择，显示用户选择的超声心动图循环。响应于经由超声心动图读取用户界面42d(的确认窗口62d)接收到确认诊断代码的用户选择，将与诊断代码对应的文本插入超声心动图报告中。
[0052]
可选地，超声心动图分析方法还包括基于针对相应的子集的所确定的置信得分对相关的超声心动图循环组的超声心动图循环进行排名。在这种情况下，相关的超声心动图循环组的超声心动图循环可以与通过排名而被排序的(例如在确认窗口62d显示中的)诊断代码相关联。
[0053]
在用于对所显示的最相关的循环进行排序的另一种方法中，对于相关的超声心动图循环组的每个超声心动图循环，使用对超声心动图循环进行操作的ai引擎来确定循环置信得分，指示超声心动图与诊断代码的相关性。在这种方法中，相关的超声心动图循环组的超声心动图循环与由循环置信得分而被排序的诊断代码相关联。
[0054]
在说明性示例中，每个ai引擎44都包括人工神经网络(ann)。然而，更一般而言，ai引擎44可以是任何类型的分类器，该分类器响应于对超声心动图循环或循环子集进行处理，而针对诊断代码输出置信得分。作为一些非限制性说明性示例，一个或多个ai引擎44可以包括以下一项或多项：ann，在利用诊断代码而被标注的历史超声心动图上进行训练；支持向量机(svm)，根利用被诊断代码标注的历史超声心动图进行训练；另一种类型的机器学习(ml)组件，在利用诊断代码而被标注的历史超声心动图上进行训练；逻辑回归分类器，在利用诊断代码而被标注的历史超声心动图进行训练等。
[0055]
本发明已经参照优选实施例进行了描述。在阅读和理解上述详细描述后，可以对其他进行修改和更改。旨在将本发明解释为包括所有这样的修改和更改，只要它们在所附权利要求或其等同物的范围内。