用于预测审查2D/3D乳房图像的阅读时间和阅读复杂度的AI系统的制作方法

用于预测审查2d/3d乳房图像的阅读时间和阅读复杂度的ai系统
1.相关申请的交叉引用
2.本技术要求于2019年9月27日提交的标题为“ai system for predicting reading time and reading complexity for reviewing 2d/3d breast images”的美国临时专利申请序列no.62/907,257的优先权，该申请通过引用整体并入本文。


背景技术：

3.现代乳房护理涉及放射图像的广泛分析。鉴于放射成像的最新进展，放射科医生需要解析和评估的数据量呈指数增长。数据的这种指数增长通常会导致阅读放射图像的时间发生很大变化。放射科医生的个人情况(例如，多年的经验、专业领域、可用的图像阅读工具等)以及要审查的数据的具体内容进一步加剧了这种时间可变性。因此，将工作负荷(例如，放射图像)最佳地分发给筛查中心的可用放射科医生已被证明具有挑战性。
4.本文公开的方面正是针对这些和其它一般考虑做出的。此外，虽然可能讨论了相对具体的问题，但是应该理解的是，示例不应限于解决在背景技术或本公开的其它地方识别出的具体问题。


技术实现要素：

5.本公开的示例描述了用于预测乳房x线摄影检查的阅读时间和/或复杂度的系统和方法。在一些方面，与乳房x线摄影检查的阅读时间相关的第一组数据可以从与医疗保健专业人员相关联的诸如图像采集工作站、图像审查工作站、医疗保健专业人员简档数据和预先存在的患者数据之类的一个或多个数据源收集。第一组数据可以用于训练预测模型以预测/估计各种乳房图像的预期阅读时间。随后，可以将包括至少一个乳房图像的第二组数据作为输入提供给经训练的预测模型。经训练的预测模型可以输出乳房图像的估计阅读时间和/或阅读复杂度。估计的阅读时间可以用于确定乳房x线摄影检查的优先级或优化对临床专业人员的可用时间的利用率。
6.本公开的各方面提供了一种系统，包括：至少一个处理器；以及耦合到所述至少一个处理器的存储器，所述存储器包括计算机可执行指令，所述计算机可执行指令在由所述至少一个处理器执行时执行一种方法，包括：收集第一组数据，其中第一组数据包括：乳房图像数据、乳房图像数据的阅读者的用户简档数据，以及乳房图像数据的评估数据；使用第一组数据训练预测模型以预测乳房图像数据的预期阅读时间；收集第二组数据，其中第二组数据至少包括乳房图像；将第二组数据应用于经训练的预测模型；以及从经训练的预测模型接收乳房图像的估计阅读时间。
7.本公开的各方面还提供了一种方法，包括：收集第一组数据，其中第一组数据包括：乳房图像数据、乳房图像数据的阅读者的用户简档数据，以及乳房图像数据的评估数据；使用第一组数据训练预测模型以预测乳房图像数据的预期阅读时间；收集第二组数据，其中第二组数据至少包括乳房图像；将第二组数据应用于经训练的预测模型；以及从经训
练的预测模型接收乳房图像的估计阅读时间。
8.本公开的各方面还提供了一种存储计算机可执行指令的计算机可读介质，所述计算机可执行指令在被执行时使计算系统执行一种方法，包括：收集第一组数据，其中第一组数据包括：乳房图像数据、乳房图像数据的阅读者的用户简档数据，以及乳房图像数据的评估数据；使用第一组数据训练预测模型以预测乳房图像数据的预期阅读时间；收集第二组数据，其中第二组数据至少包括乳房图像；将第二组数据应用于经训练的预测模型；以及从经训练的预测模型接收乳房图像的估计阅读时间。
9.本公开的各方面提供了一种系统，包括：至少一个处理器；以及耦合到所述至少一个处理器的存储器，所述存储器包括计算机可执行指令，所述计算机可执行指令在由所述至少一个处理器执行时执行一种方法，包括：收集一组数据，其中所述一组数据包括至少乳房x线摄影检查数据；将所述一组数据应用于预测模型，该预测模型被训练以预测乳房x线摄影检查数据的预期阅读时间；以及从预测模型接收乳房x线摄影检查数据的估计阅读时间。
10.本公开的各方面提供了一种系统，包括：至少一个处理器；以及耦合到所述至少一个处理器的存储器，所述存储器包括计算机可执行指令，所述计算机可执行指令在由所述至少一个处理器执行时执行一种方法，包括：收集第一组数据，其中第一组数据包括：一个或多个患者的第一乳房x线摄影检查数据；第一乳房x线摄影检查数据的一个或多个乳房x线摄影检查阅读者的用户简档数据；以及一个或多个乳房x线摄影检查阅读者的评估数据；基于第一组数据更新病例复杂度指数，其中病例复杂度指数包括复杂度值和影响解释第二乳房x线摄影检查数据所需时间量的因素之间的映射；收集第二组数据，其中第二组数据包括第二乳房x线摄影检查数据；将病例复杂度指数和第二组数据提供给预测模型，其中预测模型被配置为基于病例复杂度指数确定第二乳房x线摄影检查数据的复杂度；从经训练的预测模型接收用于阅读第二乳房x线摄影检查数据的估计复杂度；以及显示估计的复杂度。
11.提供本发明内容以简化形式介绍一些概念，这些概念将在下面的具体实施方式中进一步描述。本发明内容既不旨在识别所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。示例的附加方面、特征和/或优点将在下面的描述中部分地阐述，并且部分地将从描述中变得显而易见，或者可以通过本公开的实践而获知。
附图说明
12.参考以下各图描述了非限制性和非穷举性示例。
13.图1图示了如本文所描述的用于预测乳房x线摄影检查的阅读时间和/或阅读复杂度的示例系统的概述。
14.图2图示了如本文所描述的用于预测乳房x线摄影检查的阅读时间和/或阅读复杂度的示例输入处理系统的概述。
15.图3图示了如本文所描述的用于预测乳房x线摄影检查的阅读时间的示例方法。
16.图4图示了如本文所描述的用于预测乳房x线摄影检查的阅读复杂度和/或阅读时间的示例方法。
17.图5a图示了与本文描述的自动化临床工作流程决策相关联的示例用户界面。
18.图5b图示了与图5a的示例用户界面相关联的分析对话界面。
19.图6图示了其中可以实现本实施例中的一个或多个的合适操作环境的一个示例。
具体实施方式
20.医学成像已成为一种广泛使用的工具，用于识别和诊断人体内的异常，诸如癌症或其它病症。医学成像过程，诸如乳房x线摄影和断层合成是特别有用的工具，用于对乳房进行成像以筛查或诊断癌症或其它乳房病变。断层合成系统是允许基于有限角度断层合成的高分辨率乳房成像的乳房x线摄影系统。断层合成通常产生多个x射线图像，每个图像都是乳房的离散层或切片，贯穿其整个厚度。与常规的二维(2d)乳腺照相系统相比，断层合成系统获取一系列x射线投影图像，随着x射线源在乳房上方沿着诸如圆弧的路径移动，每个投影图像以不同的角位移获得。与常规的计算机断层扫描(ct)相比，断层合成通常基于在乳房周围x射线源的有限角位移处获得的投影图像。断层合成减少或消除了2d乳房x线摄影成像中存在的组织重叠和结构噪声引起的问题。
21.在现代乳房护理中心，使用医学成像产生的图像由医疗保健专业人员评估以确定患者的最佳乳房护理路径。由于医学成像(尤其是放射成像)的进步，所产生图像中信息的准确性和粒度不断提高。例如，可以将大量识别图像特征的计算机辅助检测(cad)标记添加到图像中。虽然对分析准确度有用，但识别的图像特征的数量的增加可能会增加阅读图像的难度，从而增加阅读图像所需的时间。此外，医学成像的进步使得医疗保健专业人员必须审查的数据量呈指数增长。图像阅读复杂度的增加和可用数据的指数增加联合导致医学图像阅读时间的大变化，其取决于乳房类型、疾病和异常的存在、乳房密度、图像阅读者的经验、执行的乳房x线摄影检查的类型，等等。由于医学图像阅读时间的大变化，筛查中心通常难以将工作负荷最佳地分发给可用的放射科医生。因此，许多筛查中心的生产力下降并且成本增加。
22.为了解决这种具有次优工作负荷分布的问题，本公开描述了用于预测乳房x线摄影检查的阅读时间和/或阅读复杂度的系统和方法。在一些方面，可以从各种数据源收集与一个或多个2d和/或3d乳房图像相关的第一组乳房x线摄影检查数据和与乳房图像的阅读者(人类或电子器件)相关的信息。如本文所使用的，乳房x线摄影检查数据可以指与乳房图像数据(例如，像素图像数据和图像头数据)、乳房图像数据的评估数据(例如，研究打开和关闭时间、阅读者工作负荷和使用的阅读工具)、乳房图像数据的阅读者/评估者的用户简档相关数据(例如，阅读者经验、阅读者专业知识等)、预先存在的患者数据(例如，患者历史记录/报告和以前收集的患者图像数据)、乳房图像数据的阅读者意见数据(例如，阅读者对阅读时间或阅读复杂度的估计)、活检数据、注释和/或标记数据等相关的信息。如本文所使用的，阅读者可以指接受过审查乳房x线摄影检查训练的医疗或临床专业人员。数据源的示例包括但不限于图像采集工作站、图像审查工作站、医院信息系统(his)、患者记录系统、阅读者简档系统、训练数据储存库和测试/训练系统。可以包括标记和/或未标记的训练数据的第一组乳房x线摄影检查数据可以用作训练一个或多个人工智能(ai)模型的输入。如本文所使用的，模型可以指可以用于确定一个或多个字符序列、类、对象、结果集或事件上的概率分布和/或预测来自一个或多个预测变量(predictor)的响应值的预测性或统计实用工具或程序。模型可以基于或包含一个或多个规则集、机器学习(ml)、神经网络等。
23.在一些方面，可以从上述各种数据源中的一个或多个收集第二组乳房x线摄影检
查数据并且将其提供给经训练的ai模型。第二组乳房x线摄影检查数据可以包括与第一组乳房x线摄影检查数据相似或相同的数据。但是，在一些示例中，第二组乳房x线摄影检查数据可以不包括训练数据。基于第二组乳房x线摄影检查数据，经训练的ai模型可以产生一个或多个输出。示例输出包括但不限于第二组乳房x线摄影检查数据中的一个或多个图像的预测/估计阅读时间、阅读第二组乳房x线摄影检查数据中的图像的复杂度等级以及时隙可用性和/或针对一个或多个放射科医生的分配。复杂度等级可以指示阅读乳房x线摄影检查或其图像的难度或复杂度。阅读乳房x线摄影检查的难度或复杂度可以基于诸如乳房类型、乳房密度、cad标记的数量等因素。复杂度等级可以推断阅读乳房x线摄影检查的时间或与阅读乳房x线摄影检查的时间相关。例如，乳房x线摄影检查的复杂度等级和阅读时间可能相关，使得阅读时间随着复杂度等级的增加而增加。在一些方面，经训练的ai模型的一个或多个输出可以提供给一个或多个医疗保健专业人员并用于平衡或优化可用放射科医生的工作负荷。工作负荷的平衡/优化可以由医疗保健专业人员手动执行，或者由经训练的ai模型自动执行。
24.因此，本公开提供了多个技术益处，包括但不限于：生成阅读乳房x线摄影检查所需时间的自动估计、生成乳房x线摄影检查复杂度的自动分类、利用图像阅读者信息(例如，统计，经验和凭证)来估计医疗图像阅读时间、自动优化工作负荷分发、自动调度阅读乳房x线摄影检查、基于主观阅读者简档因素和/或阅读者统计数据训练预测模型，以及基于预先存在的患者数据训练预测模型.
25.图1图示了如本文所描述的用于预测乳房x线摄影检查的阅读时间和/或阅读复杂度的示例系统的概述。所呈现的示例系统100是相互依赖的组件的组合，这些组件相互作用以形成用于预测乳房x线摄影检查的阅读时间和/或复杂度的集成系统。系统的组件可以是硬件组件或在系统的硬件组件上实现和/或由其执行的软件组件(例如，应用、应用编程接口(api)、模块、虚拟机或运行时库)。系统100可以为软件组件提供操作环境以根据系统100的操作约束、资源和设施来执行。在一个示例中，操作环境和/或软件组件可以由单个处理设备提供，如图5中所绘出的。在其它示例中，本文公开的系统的操作环境和软件组件可以分布在多个设备上。例如，输入可以在客户端设备上输入，并且信息可以使用网络中的其它设备(诸如，一个或多个服务器设备)来处理或访问。
26.作为一个示例，系统100可以包括计算设备102a、102b和102c(统称为“(一个或多个)计算设备102”)、处理系统108和网络106。本领域技术人员将认识到，诸如系统100之类的系统的规模可以变化并且可以包括比图1中描述的组件更多或更少的组件。例如，在一些示例中，由(一个或多个)计算设备102提供的功能和/或数据可以集成到单个计算设备或系统中。替代地，处理系统106和/或108的功能和/或数据可以分布在多个系统和设备上。
27.(一个或多个)计算设备102可以被配置为接收与医疗保健患者和/或医疗保健专业人员相关的乳房x线摄影检查数据。可以使用(一个或多个)计算设备102的一个或多个用户界面(例如，图形用户界面(“gui”)、命令行、菜单驱动界面或数据馈送)或传感器(例如，麦克风、基于触摸的传感器、键盘、指向/选择工具、光学/磁性扫描仪或加速度计)来接收乳房x线摄影检查数据。(一个或多个)计算设备102的示例包括但不限于图像采集系统(例如，x射线、超声和磁共振成像(mri)系统)、图像审查工作站、his设备、患者记录设备、移动医疗保健设备(例如，可穿戴设备、移动电话和平板电脑)以及存储医疗保健专业信息的设备。
(一个或多个)计算设备102可以将乳房x线摄影检查数据本地存储在(一个或多个)计算设备102上和/或经由网络106远程存储在一个或多个数据存储位置，诸如数据存储库104a和104b(统称为“(一个或多个)数据存储库104”)。(一个或多个)计算设备102和(一个或多个)数据存储库104可以位于一个或多个医疗保健设施中、与医疗保健设施相关联的设施中、或由医疗保健专业人员拥有。在示例中，可以使用手动过程、自动过程或其某种组合将乳房x线摄影检查数据提供给(一个或多个)计算设备102。例如，位于医疗保健设施的医疗保健专业人员可以手动将乳房x线摄影检查数据输入到一个或多个计算设备中。替代地，远离医疗保健设施的设备可以自动将乳房x线摄影检查数据上传到医疗保健设施的一个或多个计算设备。作为具体示例，位于医疗保健专业人员住所的计算设备可以将乳房x线摄影检查数据自动上传到医疗保健设施设备作为日常同步过程的一部分。
28.处理系统108可以被配置为训练和/或提供ml模型。在一些方面，处理系统108可以经由网络106访问乳房x线摄影检查数据的一个或多个来源，诸如(一个或多个)计算设备102和/或(一个或多个)数据源104。第一组乳房x线摄影检查数据可以作为输入提供给处理系统108。处理系统108可以使用第一组乳房x线摄影检查数据来训练一个或多个ai处理组件。例如，处理系统108可以训练人工神经网络、支持向量机(svm)、线性强化模型、随机决策森林或类似的ml技术。在训练了ai处理组件之后，可以将第二组乳房x线摄影检查数据作为输入提供给处理系统108。基于第二组乳房x线摄影检查数据，处理系统108可以生成一个或多个输出，诸如针对第二组乳房x线摄影检查数据中图像的估计阅读时间、阅读第二组乳房x线摄影检查数据中图像的复杂度等级或标签、一个或多个特定于阅读者的估计阅读时间、阅读复杂度或阅读标签、时隙可用性和/或针对一个或多个放射科医生的分配等。输出可以提供给系统100的其它组件(或使输出可供系统100的其它组件访问)，其它组件诸如(一个或多个)计算设备102。在示例中，输出可以由一个或多个医疗保健专业人员评估以确定研究优先级和/或工作负荷分发的优化。
29.图2图示了如本文所描述的用于预测乳房x线摄影检查的阅读时间和/或阅读复杂度的示例输入处理系统200的概述。由输入处理系统200实现的阅读预测技术可以包括在图1的系统中描述的阅读预测技术和数据。在一些示例中，输入处理系统200的一个或多个组件(或其功能)可以分布在多个设备和/或系统中。在其它示例中，单个设备可以包括输入处理系统200的组件。
30.关于图2，输入处理系统200可以包括数据收集引擎202、处理引擎204和输出引擎206。数据收集引擎202可以被配置为访问和/或收集一组数据。在一些方面，数据收集引擎202可以访问与一个或多个2d/3d乳房图像相关和/或与乳房x线摄影检查的阅读者/评估者相关的信息。信息可以包括或表示各种类型的数据，诸如文本数据、语音数据、图像数据、视频数据、手势数据等。信息的至少一部分可以是测试数据或训练数据，其包括标记数据、图像，以及已知的乳房x线摄影检查阅读时间。在一些示例中，信息可以存储在位于医疗保健设施或医疗保健专业人员中或可由医疗保健设施或医疗保健专业人员访问的一个或多个计算设备中和/或从其中收集。信息可以包括乳房图像数据、乳房图像数据的评估数据、乳房图像数据的阅读者/评估者的用户简档相关数据等。
31.在其它示例中，可以经由诸如用户界面203之类的界面从用户收集信息。用户界面203可以被配置为收集来自一个或多个医疗保健专业人员或与其相关的用户输入。用户输
入的示例包括标识信息、性能统计、当前和/或历史工作负荷信息、用户对图像或图像类型的阅读时间或阅读复杂度的估计，以及其它用户简档相关信息。用户界面203可以包括用于收集用户输入和/或导航或与用户界面203提供的结果交互的各种用户界面元素。作为一个示例，用户界面203可以至少包括图像数据列表组件、图像数据审查组件和自我评估组件。图像数据列表组件可以被配置为显示一个或多个图像数据文件名称或标识符的列表。图像数据审查组件可以被配置为提供由图像数据列表组件提供的图像数据文件的预览或视图。自我评估组件可以被配置为呈现一组选项，这些选项使用户能够为图像数据列表组件提供的图像数据文件提供估计的阅读时间或阅读复杂度。估计的阅读时间可以表示阅读者对由阅读者阅读所选择的乳房x线摄影检查所需时间量的意见。估计的阅读复杂度可以表示阅读者对所选择的乳房x线摄影检查的阅读复杂度的意见。估计的阅读复杂度可以作为标签(例如，简单、中等、困难)或数值(例如，0-100的量级)提供。类似地，可以提供估计的阅读时间供阅读者作为标签(例如，快、中、慢)进行选择。此类主观信息，诸如阅读者对阅读的感知，可以用于训练ai处理算法或模型，如下面所描述的。类似地，主观信息可以用作确定阅读时间和/或复杂度的分数或权重。例如，对于低密度、多脂肪的乳房，没有压力较小的相关发现，对阅读时间的感知可能是“快”，但是实际上阅读者可能需要额外的时间来滚动浏览和评估乳房x线摄影检查。
32.处理引擎204可以被配置为处理接收到的信息。在一些方面，接收到的信息可以提供给处理引擎204。处理引擎204可以将一种或多种ai处理算法或模型应用于接收到的信息。例如，处理引擎204可以应用监督学习模型来对接收到的信息进行分类和回归分析。在一些方面，处理引擎204(或输入处理系统200的替代组件)可以使用接收到的信息来训练ai处理算法或模型。然后可以使用经训练的ai处理算法或模型来评估接收到的信息，以确定接收到的信息与用于训练ai处理算法或模型的训练数据之间的相关性。评估可以包括对可能影响图像阅读时间的各种因素的分析。这些因素包括但不限于图像中检测到的病变(或异常/相关发现)的数量、通过图像识别出的异常/发现的类型、乳房内的评估的位置(例如，上、内侧或外侧)、患者乳房之间的对称性、生成的图像切片的数量、乳房密度、乳房厚度、乳房面积、乳房组织成分结构、乳房组织模式、计算机辅助检测(cad)标记的数量、使用的图像处理类型(例如，伪影减少、去噪等)、成像乳房的乳房定位参数、噪声和对比度参数、所执行的类型或研究(例如，筛查、诊断等)、曝光次数、使用的压缩板类型、阅读当天时间、用于阅读的工具(例如，易于平移/缩放、“智能”挂起协议的可用性、简单注释工具的可用性、跟踪的可用性、自动映射和“智能”滚动工具等)和工作站类型、阅读工具使用情况(例如，点击事件、滚动事件和放大/缩小事件的数量)、用户焦点数据(例如，停留时间、眼睛注视和悬停事件)、阅读者经验、阅读者专业化和训练、阅读者年龄、阅读者阅读时间/复杂度意见或估计，以及阅读者熟练程度。
33.在一些方面，由处理引擎204分析的各种因素可以根据诸如用户偏好之类的一个或多个标准手动选择或加权。例如，用户界面203可以使用户能够选择在分析接收到的信息时要考虑的一组因素。用户界面还可以使用户能够将重要性分数或权重分配给该组因素或修改先前分配给该组因素的重要性分数或权重。例如，上述自我评估组件可以使用户能够分配或修改对该组因素的分数或权重。此外，自我评估组件可以使用户能够导航或以其它方式与该组因素交互。分数或权重可以指示某些因素相对于其它因素的感知/确定的重要
性。在其它方面，可以使用一种或多种ai或ml技术自动选择或加权由处理引擎204分析的各种因素。作为一个具体示例，可以向处理引擎204提供一个或多个阅读者的阅读者信息。阅读者信息可以至少包括阅读者经验、阅读者的先前评估数据(例如，先前阅读时间)，以及针对一个或多个图像或图像类型的阅读时间和/或阅读复杂度的阅读者意见或估计。基于所提供的阅读者信息和/或先前的评估结果，处理引擎204可以确定，与经验较少的临床专业人员的先前阅读时间和/或阅读者对阅读时间的估计相比，在检测恶性发现方面具有更多经验和更高敏感度和特异性的临床专业人员的相同信息(例如，先前阅读时间和/或阅读者对阅读时间的估计)应当被给予更大权重。因此，处理引擎204可以将更高的权重/分数分配给与具有更多经验的临床专业人员相关联的分析因素。基于对各种因素的评估，处理引擎204可以识别一个或多个输出或输出类别。
34.输出引擎206可以被配置为为接收到的信息创建一个或多个输出。在一些方面，输出引擎206可以访问由处理引擎204识别出的输出或输出类别。基于识别出的输出或输出类别，输出引擎206可以创建一个或多个输出。作为一个示例，输出引擎206可以基于处理引擎204的分析在接收到的信息中生成乳房x线摄影检查的预测阅读时间。预测阅读时间可以表示阅读时间量、阅读时间范围(例如，15-20分钟)，或“普通”阅读者阅读乳房x线摄影检查所需的阅读时间类别(例如，低、中、高)。“普通”阅读者可以被分类为在指定属性范围内具有一个或多个属性的阅读者。替代地，预测的阅读时间可以表示类别或分类(例如，快、中等或慢)，其指示普通阅读者阅读乳房x线摄影检查所需的阅读时间量。例如，“快”类别可以对应于10分钟以下的阅读时间，“中”类别可以对应于10分钟到20分钟之间的阅读时间，并且“慢”类别可以对应于20分钟以上的阅读时间。
35.作为另一个示例，输出引擎206可以生成用于乳房x线摄影检查的预测阅读时间，其中该预测阅读时间表示特定阅读者阅读乳房x线摄影检查需要的阅读时间量、阅读时间范围或阅读时间类别。特定用户可以是当前登录到输入处理系统200中的用户、先前已经登录到输入处理系统200中的用户、由当前登录到输入处理系统200中的用户选择的用户、由输入处理系统200选择的用户等。例如，输出引擎206可以生成针对当前登录到输入处理系统200中的用户个性化的预测阅读时间。用户的预测阅读时间可以基于用户简档数据和/或用户的先前阅读时间数据，其可以指示用户是相对快的阅读者。因此，用户的预测阅读时间可能低于普通阅读者或慢速阅读者的预测阅读时间。
36.替代地，输出引擎206可以生成多个预测阅读时间。多个预测阅读时间可以对应于各个阅读者或阅读者类别。例如，第一阅读时间可以对应于具有少于五年经验的阅读者，第二阅读时间可以对应于具有五到十年经验的阅读者，第三阅读时间可以对应于具有超过十年经验的阅读者。
37.作为又一个示例，输出引擎206可以基于一组因素或复杂度指数为接收到的信息中的图像生成复杂度等级。复杂度等级可以表示一个或多个阅读者阅读乳房x线摄影检查或其图像的难度或复杂度。阅读乳房x线摄影检查的难度或复杂度可以基于客观和/或主观因素。客观因素的示例包括但不限于在图像中检测到的发现或cad标记的数量和/或类型、乳房评估位置以及乳房密度和组织成分。主观因素的示例包括但不限于阅读者经验、阅读者知识、阅读者评估技术和阅读者能力。在示例中，阅读乳房x线摄影检查的难度或复杂度可能基于所考虑因素的数量而增加。例如，对3-5个因素的分析可能不如对10-15个因素的
分析复杂。阅读乳房x线摄影检查的难度或复杂度也可能基于所考虑因素的值而增加。例如，阅读乳房x线摄影检查的复杂度可能会随着cad标记数量的增加、在乳房特定部分检测到的cad标记数量的增加或评估的致密乳房组织量的增加而增加。对于没有经验的阅读者或能力较差的阅读者，阅读乳房x线摄影检查的复杂度也可能会有效地增加。
38.替代地，输出引擎206可以生成多个复杂度等级。多个复杂度等级可以对应于各个阅读者或阅读者类别。例如，“困难”的复杂度等级可以分配给具有少于五年经验的阅读者，并且“中等”的复杂度等级可以分配给具有超过五年经验的阅读者。
39.在一些方面，预测的阅读时间和/或复杂度值可以被存储并且与与患者相关联的乳房x线摄影检查相关联。可以将乳房x线摄影检查(或其元素)提供给一个或多个目的地，诸如设备、应用或服务。(一个或多个)目的地可以使医疗保健专业人员能够经由例如上述用户界面查看乳房x线摄影检查并与之交互(包括预测的阅读时间和/或复杂度值)。作为具体示例，可以在用户的患者工作列表中向阅读者显示已经与特定乳房x线摄影检查相关联的阅读时间和/或复杂度值。替代地，可以将阅读时间和/或复杂度值显示给对(一个或多个)患者进行筛查或诊断扫描的技术人员。在至少一个方面，输出引擎206还可以使一个或多个附加动作被执行。例如，基于预测的阅读时间和/或复杂度值，输出引擎206可以识别具有专业知识和可用时间来阅读乳房x线摄影检查的一个或多个临床专业人员。如本文所使用的，阅读乳房x线摄影检查可以指用于审查和解释图像和患者信息的各种方法和途径。例如，一种阅读方法可以包括阅读者验证图像是否具有令人满意的质量(例如，没有或最小的运动或模糊)。如果图像(或图像的至少一部分)质量令人满意，那么阅读者可以评估乳房的大小和对称性。阅读者还可以将当前图像与先前收集到的图像进行比较，以识别图像之间的变化。比较可以包括查看乳房的不同图像视图，诸如中外侧-斜位、中外侧、颅侧-尾侧等。图像视图的查看可以以各种顺序和查看组合来执行。阅读者可以查看由两个或更多个断层图像合成的2d图像，并研究由断层图像指示的cad标记。阅读者可以查看图像中的各种特征，诸如钙化、皮肤增厚区域、与癌症类型相关联的特征、推测的肿块等。阅读者可以基于关注的具体区域对一个或多个图像进行注释并确定发现或结果。然后可以使用标准化方法或类别(诸如bi-rads)将发现或结果记录在报告中。
40.在一些方面，识别一个或多个临床专业人员可以由输出引擎206通过向一个或多个his设备查询阅读者信息(诸如，阅读统计、阅读者可用性、教育/专业知识、经验等)来完成。接收输出引擎206的输出的医疗保健专业人员可以使用该输出来平衡或优化可用临床专业人员的工作负荷。例如，临床专业人员可能更喜欢在一天的早些时候阅读复杂的乳房x线摄影检查，这使得临床专业人员能够在一天结束时留下不太复杂和/或耗时较少的乳房x线摄影检查阅读。由此，临床专业人员可以使用输出引擎206的输出来相应地布置他们的工作负荷。作为另一个示例，临床专业人员在特定日期可能只有小的时隙可用。由此，临床专业人员可以使用输出引擎206的输出来布置他们的工作负荷以最大化临床专业人员可以在时隙中执行的乳房x线摄影检查阅读的数量。
41.替代地，输出可以用于自动平衡或优化可用临床专业人员的工作负荷。例如，输出引擎206的输出可以提供给被配置为动态创建/更新临床专业工作负荷的工作负荷管理系统/服务。工作负荷管理系统/服务可以平衡两个临床专业人员的工作负荷，使得第一临床专业人员每天被分配十个乳房x线摄影检查阅读，每个被归类为具有“快”阅读时间，并且第
二临床专业人员每天被分配五个乳房x线摄影检查阅读，每个被归类为具有“慢”阅读时间。虽然分配给第一和第二临床专业人员的乳房x线摄影检查阅读的数量不同，但他们各自的工作负荷可能需要大致相同的时间量来完成。替代地，工作负荷管理系统/服务可以平衡两个临床专业人员的工作负荷，使得为每个临床专业人员分配相同数量和混合的复杂乳房x线摄影检查阅读，或者使得为最有经验的临床专业人员分配相应较高数量的复杂和/或“慢”阅读时间的乳房x线摄影检查阅读。
42.已经描述了可以由本文公开的方面采用的各种系统，本公开现在将描述可以由本公开的各个方面执行的一种或多种方法。在一些方面，方法300和400可以由示例系统执行，诸如图1的系统100或图2的输入处理系统200。在示例中，方法300和400可以在包括至少一个处理器的设备上执行，该至少一个处理器被配置为存储和执行操作、程序或指令。但是，方法300和400不限于这样的示例。在其它示例中，方法300和400可以在用于自动化临床工作流程决策的应用或服务上执行。在至少一个示例中，方法300和400可以由诸如web服务/分布式网络服务(例如，云服务)的分布式网络的一个或多个组件来执行(例如，计算机实现的操作)。
43.图3图示了用于预测如本文所述的乳房x线摄影检查的阅读时间的示例方法300。示例方法300开始于操作302，其中收集第一组数据。在一些方面，诸如数据收集引擎202之类的数据收集组件可以从一个或多个数据源收集或接收第一组数据。第一组数据可以包括或涉及2d和/或3d乳房图像数据、图像评估数据和/或图像阅读者信息。在至少一个方面，第一组数据可以包括标记和/或未标记的训练数据。乳房图像数据的示例可以包括但不限于像素图像数据和图像头数据。像素图像数据可以用于导出患者乳房的各种属性，诸如组织模式、纹理、密度、复杂度、厚度、体积和异常。图像头数据可以提供诸如所执行的研究类型(例如，筛查、诊断等)、图像分辨率、用于收集图像的硬件系统类型、使用的图像处理方法等信息。图像评估数据的示例可以包括但不限于研究(例如，乳房x线检查阅读会话)打开和关闭时间、使用的阅读工具类型(例如，放大镜、符号工具、测量工具等)、阅读工具使用数据(如上文关于处理引擎204所述)、挂起协议、工作站硬件/软件配置、研究阅读时间、所执行研究的数量和/或类型、先前的患者报告数据等。图像阅读者信息的示例可以包括但不限于阅读者的经验、专业知识、证书、职称/分类、工作负荷/状态、熟练等级、阅读时间/复杂度意见和年龄。
44.在操作304处，将第一组数据提供给预测模型。在一些方面，可以将第一组数据的一个或多个部分提供给评估组件，诸如处理引擎204。评估组件可以是、包括或有权访问一个或多个预测模型。可以将第一组数据作为输入提供给预测模型以训练预测模型以生成一个或多个输出。示例输出包括乳房图像的估计阅读时间、阅读乳房图像的复杂度等级、推荐的图像阅读者的标识，以及推荐的图像阅读者的时隙可用性。在至少一个方面，评估组件可以使用第一组数据来生成或更新病例复杂度指数。例如，评估组件可以使用指数创建模型或算法来生成或更新病例复杂度指数。病例复杂度指数可以包括与阅读一个或多个图像或图像类型相关联的一系列复杂度。病例复杂度指数可以被配置为基于一组可能影响阅读图像所需时间的因素为图像提供一个或多个复杂度等级。在示例中，生成或更新病例复杂度指数可以包括使用ml将复杂度等级映射到一个或多个因素、因素值或一系列因素值的肯定标识。例如，“容易”的等级可以被映射到一组特征，其中乳房密度低并且图像中识别出的病
变数量为两个或更少。在其它示例中，生成或更新病例复杂度指数可以包括基于与各种因素或因素值相关联的分数来创建复杂度等级类别。例如，可以使用评分模型或算法对与乳房x线摄影检查阅读相关联的各种因素/属性进行评分。每个因素/属性的分数可以被聚合并用于建立指示一个或多个等级类别的值范围。在一些方面，经训练的预测模型和/或病例复杂度指数可以被提供给一个或多个系统或设备，和/或由其实现。
45.在操作306处，收集第二组数据。在一些方面，诸如数据收集引擎202之类的数据收集组件可以从一个或多个数据源收集或接收第二组数据。第二组数据可以包括在类型、类别和/或值上与第一组数据相似的数据的至少一部分。例如，第二组数据可以包括或涉及乳房图像数据、图像评估数据和/或图像阅读者信息。但是，在一些示例中，第二组数据可以不包括标记或未标记的训练数据。
46.在操作308处，将第二组数据提供给经训练的预测模型。在一些方面，第二组数据的一个或多个部分可以提供给评估组件，诸如处理引擎204。评估组件可以将第二组数据提供给预测模型，诸如在操作304期间训练的预测模型。经训练的预测模型可以评估第二组数据以确定第二组数据和用于训练预测模型的训练数据之间的相关性。例如，基于用于训练预测模型的训练数据，预测模型可以确定具有特定一组乳房属性(例如，形状、密度、病变等)的乳房图像的阅读时间基于图像阅读者的属性和执行乳房x线摄影检查阅读的条件而不同。例如，预测模型可以识别具有acr乳房成像报告和数据系统(bi-rads)乳房x线摄影密度(md)类型1和0-2病变的乳房图像通常需要具有5年或更长时间经验的图像阅读者早上10分钟来阅读(当阅读者相对休息好时)，以及晚上15分钟来阅读(当阅读者相对疲劳时)。预测模型还可以识别具有上述属性(例如，检测到md类型1、0-2病变)的乳房图像通常需要：具有少于5年经验的图像阅读者早上25分钟来阅读，以及晚上30分钟来阅读。
47.在一些方面，评估组件可以使用上述病例复杂度指数来评估第二组数据。评估可以包括识别、组织和/或分类第二组数据的一个或多个特征或属性。可以使用决策逻辑(诸如，ml算法或一组评估规则)将识别出的特征/属性与病例复杂度指数进行比较或评估。作为一个示例，预测模型可以确定特定类型或具有特定一组属性的乳房图像的预测阅读时间在阅读时间持续时间的第85个百分位内(例如，指示与图像类型的其它乳房图像相比阅读持续时间增加)。基于所确定的百分位排名，病例复杂度指数可以提供此类图像的所确定/预测的复杂度的指示。例如，病例复杂度指数可以为确定在至少第80个百分位以内的任何乳房图像提供“困难”的指定。作为另一个示例，用于确定预测阅读时间的数据(例如，乳房图像数据、图像评估数据和/或图像阅读者信息)的至少一部分可以使用病例复杂度指数来评估。评估可以包括为数据中的特征分配值或分数。可以将评分引擎或算法应用于分配的值/分数以生成汇总的乳房x线摄影检查阅读分数。例如，可以对第二组数据中的数据进行特征化并将其用于构造一个或多个特征向量。如本文所使用的，特征向量可以指表示一个或多个对象的数值特征的n维向量。(一个或多个)特征向量可以应用于病例复杂度指数，或针对病例复杂度指数进行评估。基于特征向量值/分数，病例复杂度指数可以提供指示复杂度或阅读特定乳房图像或乳房图像类型的对应分数或指定。
48.在操作310处，接收估计的乳房x线摄影检查阅读时间。在一些方面，经训练的预测模型和/或病例复杂度指数可以为第二组数据提供一个或多个输出。如操作304中所讨论的，输出可以包括估计的乳房x线摄影检查阅读时间、要阅读的图像的估计复杂度等级、图
像阅读者的推荐或分配、工作/任务调度日期/时间等。输出可以提供给一个或多个his设备和/或医疗保健专业设备。基于输出，可以为第二组数据中的(一个或多个)图像手动或自动分配阅读者和/或阅读会话时间。在一些方面，预测模型输出、病例复杂度指数输出、和/或得到的乳房x线摄影检查阅读/研究的统计数据和参数可以作为输入提供给预测模型(诸如，在操作304和308中描述的预测模型)和/或实现或维护病例复杂度指数的组件。输入可以用于进一步训练预测模型和/或病例复杂度指数。作为一个示例，基于预测模型的输出，可以将需要估计阅读时间为15分钟的图像分配给具有10年经验的放射科医生。乳房x线摄影检查阅读/研究实际上可能需要该放射科医生25分钟。可以将估计阅读时间、实际阅读时间和乳房x线摄影检查阅读/研究的参数/条件(例如，使用的阅读工具、一天中的时间、放射科医生信息等)提供给预测模型。预测模型可以使用该信息来调整放射科医生的未来阅读时间估计，或重新评估具有与乳房x线摄影检查阅读/研究中的图像相似属性的图像的阅读时间。
49.图4图示了用于预测如本文所述的乳房x线摄影检查的阅读复杂度和/或阅读时间的示例方法400。示例方法400开始于操作402，其中收集第一组数据。在一些方面，诸如数据收集引擎202之类的数据收集组件可以从一个或多个数据源收集或接收第一组数据。第一组数据可以包括或涉及2d和/或3d乳房图像数据、图像评估数据和/或图像阅读者信息。在至少一个方面，第一组数据可以包括标记和/或未标记的训练数据。乳房图像数据的示例可以包括但不限于像素图像数据和图像头数据。像素图像数据可以用于导出患者乳房的各种属性，诸如组织模式、密度、复杂度、厚度、体积和异常。图像头数据可以提供诸如所执行的研究类型(例如，筛查、诊断等)、图像分辨率、用于收集图像的硬件系统类型、使用的图像处理方法等信息。图像评估数据的示例可以包括但不限于研究(例如，乳房x线摄影检查阅读会话)打开和关闭时间、使用的阅读工具类型(例如，放大镜、符号工具、测量工具等)、挂起协议、工作站硬件/软件配置、研究阅读时间、所执行研究的数量和/或类型、先前的患者报告数据等。图像阅读者信息的示例可以包括但不限于阅读者的经验、专业知识、证书、职称/分类、工作负荷/状态、熟练等级和年龄。
50.在操作404处，使用第一组数据训练预测模型。在一些方面，第一组数据可以被提供给评估组件，诸如处理引擎204。评估组件可以是、包括或有权访问一个或多个预测模型。可以将第一组数据作为输入提供给预测模型以训练预测模型以生成一个或多个输出。示例输出包括估计的复杂度等级或用于阅读或解释乳房x线摄影检查数据的复杂度系统/组件。作为特定示例，第一组数据可以包括标记或注释的乳房图像、报告的阅读图像的时间量、报告的或建议的阅读图像的复杂度等级以及图像阅读者的简档信息。可以将第一组数据提供给预测模型。预测模型可以使用一个或多个数据相关技术来确定报告的/建议的复杂度等级与第一组数据中的其它因素/数据点之间的相关性。
51.在操作406处，可以估计病例复杂度指数。在一些方面，预测模型可以使用第一组数据来估计或更新病例复杂度指数。如本文所使用的，病例复杂度指数可以指包括复杂度值或标签到可能影响阅读或解释乳房x线摄影检查所需的时间量的数据/因素的映射的数据结构或组件。估计或更新病例复杂度指数可以包括使用指数创建算法、数据映射实用工具或数据相关算法。病例复杂度指数可以被配置为基于与收集到的乳房x线摄影检查数据相关联的一组因素或数据点为收集到的乳房x线摄影检查数据提供一个或多个复杂度等级
或标签。在示例中，该组因素或数据点可以影响阅读收集到的乳房图像所需的时间。例如，在1到5的量级(其中“1”为非常容易，“2”为容易，“3”为中等，“4”为困难，“5”为非常难)上等级“2”可以被映射到一组特征，其中至少满足以下两个因素：乳房密度低，图像中识别出的病变数量为一个或更少，以及阅读者有10年以上的经验。
52.在操作408处，可以输出病例复杂度指数。在一些方面，估计的/更新的病例复杂度指数可以由预测模型或评估组件输出。输出的病例复杂度指数可以是独立的可执行文件或实用工具。替代地，输出病例复杂度指数可以集成到服务、应用或系统中。作为一个示例，病例复杂度指数(或其实例)可以被分发并集成到一个或多个工作站(例如，图像采集工作站、图像审查工作站、其它his计算设备等)的用户界面中。用户界面可以使医疗保健专业人员能够评估和/或修改病例复杂度指数的映射、映射逻辑、分类和/或类别值。用户界面还可以使医疗保健专业人员能够将加权值或重要性分配给由病例复杂度指数评估的各种因素。例如，对乳房图像中识别出的病变数量比对乳房密度更关注的医疗保健专业人员可以向识别出的病变数量分配更高的重要性。分配更高的重要性可以包括将乘数(诸如，x1.25)应用于与识别出的病变数量相关的因素，或设置特定值范围的名称(例如，将“0”个病变映射到“非常容易”，“1-2”个病变映射到“容易”等)。
53.在操作410处，收集第二组数据。在一些方面，诸如数据收集引擎202之类的数据收集组件可以从一个或多个数据源收集或接收第二组数据。第二组数据可以包括在类型、类别和/或值上与第一组数据相似的数据的至少一部分。例如，第二组数据可以包括或涉及乳房图像数据、图像评估数据和/或图像阅读者信息。但是，在一些示例中，第二组数据可以不包括标记或未标记的训练数据。
54.在操作412处，使用第二组数据训练预测模型。在一些方面，第二组数据和/或与病例复杂度指数相关的数据可以被提供给评估组件，诸如处理引擎204。评估组件可以使用所提供的信息来训练预测模型。在一些示例中，预测模型可以是在操作404处训练的预测模型。在其它示例中，可以训练新的或替代的预测模型。可以训练预测模型以生成一个或多个输出。示例输出包括估计的乳房x线摄影检查阅读时间、要阅读的图像的估计复杂度等级、图像阅读者的推荐或分配、工作/任务调度日期/时间等。例如，预测模型可以确定具有一组特定乳房属性(例如，形状、密度、病变等)的乳房图像的阅读时间基于图像阅读者的属性和执行乳房x线摄影检查阅读的条件而不同。基于该确定，预测模型可以使用一种或多种数据相关技术来确定图像的已知阅读时间与对应于已知阅读时间的因素/数据点之间的相关性。
55.在操作414处，可以估计阅读时间。在一些方面，经训练的预测模型可以使用第二组数据来生成一个或多个输出。例如，预测模型可以评估第二组数据以确定用于训练预测模型的数据与第二组数据之间的相关性。基于所确定的相关性，可以估计与第二组数据相关联的乳房图像的一个或多个阅读时间。例如，基于识别成像乳房具有类型2的bi-rads乳房x线摄影密度并且在乳房图像中未识别出任何病变，预测模型可以估计对于具有小于五年经验的图像阅读者，乳房x线摄影检查阅读时间为20分钟，并且对于具有五年或五年以上经验的图像阅读者，乳房x线摄影检查阅读时间为10分钟。在另一个示例中，基于由预测模型确定的相关性，可以替代地或附加地估计/生成复杂度等级/系统。例如，基于bi-rads乳房x线摄影密度分类、病变计数和/或估计的阅读时间，预测模型可以估计乳房x线摄影检查
的阅读复杂度。替代地，预测模型可以使用在操作406处生成或更新的病例复杂度指数来估计阅读复杂度。例如，预测模型可以将第二组数据的至少一部分提供给病例复杂度指数。作为响应，病例复杂度指数可以向预测模型提供用于阅读乳房x线摄影检查的复杂度等级。
56.在操作416处，可以输出估计的阅读时间。在一些方面，一个或多个估计的乳房x线摄影检查阅读时间可以由预测模型输出。估计的(一个或多个)阅读时间可以对应于单独的图像阅读者、多个图像阅读者或一个或多个类别的阅读者。例如，估计的阅读时间可以表示“普通”图像阅读者阅读乳房x线摄影检查所需的时间量。替代地，每个估计的阅读时间可以表示特定类别的图像阅读者中的“普通”图像阅读者阅读乳房x线摄影检查所需的时间量。在一些方面，可以经由例如上述用户界面将预测阅读时间提供给医疗保健专业人员。提供预测的阅读时间可能导致执行一个或多个附加动作。例如，基于预测的阅读时间，可以识别和/或通知一个或多个具有阅读乳房x线摄影检查的专业知识和可用时间的放射科医生。识别/通知可以通过向一个或多个his设备查询放射科医生信息(诸如阅读统计数据、可用性、教育/专业知识、经验等)来完成。
57.图5a图示了与本文描述的自动化临床工作流程决策相关联的示例用户界面500。在示例中，用户界面500表示技术人员在乳房x线摄影采集工作站上使用的软件。该软件可以用于在乳房筛查检查期间从x射线成像系统(诸如x射线成像系统204)收集图像，和/或在乳房筛查检查期间审查收集到的图像。用户界面500包括按钮502，其在被选择时激活“分析”对话框。
58.图5b图示了分析对话框510，其在图5a的按钮502被选择时被显示。分析对话框510包括按钮512、分析结果部分514和阅读时间指示符516以及阅读复杂度指示符518。在一些方面，当选择按钮512时，启动图像评估软件，并且使用图3和图4中所描述的技术分析一个或多个收集到的图像。作为分析的结果，分析结果部分514至少部分填充有数据，诸如阅读时间指示符516和阅读复杂度指示符518。在图5b中，阅读时间指示符516指示所分析的乳房x线摄影检查的阅读时间为“中等”，并且阅读复杂度指示符518指示所分析的乳房x线摄影检查的阅读复杂度为“高”。“中等”阅读时间可以指示普通(或特定)阅读者可能需要中等或平均时间量来阅读乳房x线摄影检查。“高”复杂度可以指示难以准确解释和/或识别乳房x线摄影检查的一个或多个方面。
59.图6图示了用于检测图1中描述的x射线管输出滚降的示例性合适操作环境。在其最基本的配置中，操作环境600通常包括至少一个处理单元602和存储器604。取决于计算设备的确切配置和类型，存储器604(存储、执行本文公开的x射线管滚降检测技术的指令)可以是易失性的(诸如ram)、非易失性的(诸如rom、闪存等)，或两者的某种组合。这种最基本的配置在图6中由虚线606示出。此外，环境600还可以包括存储设备(可移除的，608和/或不可移除的，610)，包括但不限于磁或光盘或带。类似地，环境600还可以具有(一个或多个)输入设备614，诸如键盘、鼠标、笔、语音输入等，和/或(一个或多个)输出设备616，诸如显示器、扬声器、打印机等。环境中还可以包括一个或多个通信连接612，诸如lan、wan、点对点等。在实施例中，这些连接可以是可操作的以促进点对点通信、面向连接的通信、无连接通信等。
60.操作环境600通常包括至少某种形式的计算机可读介质。计算机可读介质可以是可由处理单元602或包括操作环境的其它设备访问的任何可用介质。作为示例而非限制，计
算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术实现的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括ram、rom、eeprom、闪存或其它存储器技术、cd-rom、数字多功能盘(dvd)或其它光存储装置、磁盒、磁带、磁盘存储装置或其它磁存储设备、或任何其它可以用于存储期望信息的非暂态介质。计算机存储介质不包括通信介质。
61.通信介质在诸如载波或其它传输机制的调制数据信号中实施计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。术语“调制数据信号”是指具有以将信息编码为信号的方式来设置或改变其一个或多个特性的信号。作为示例而非限制，通信介质包括诸如有线网络或直接有线连接之类的有线介质，以及诸如声学、rf、红外、微波的无线介质和其它无线介质之类。以上任何内容的组合也应包括在计算机可读介质的范围内。
62.操作环境600可以是使用到一个或多个远程计算机的逻辑连接在联网环境中操作的单个计算机。远程计算机可以是个人计算机、服务器、路由器、网络pc、对等设备或其它公共网络节点，并且通常包括上述许多或所有元素以及未提及的其它元素。逻辑连接可以包括可用通信媒体支持的任何方法。这种联网环境在办公室、企业范围的计算机网络、内部网和互联网中是常见的。
63.可以使用软件、硬件或软件和硬件的组合来采用本文描述的实施例，以实现和执行本文公开的系统和方法。虽然在整个公开中已经将特定设备描述为执行特定功能，但是本领域技术人员将认识到的是，提供这些设备是为了说明性目的，并且在不脱离本公开的范围的情况下，可以采用其它设备来执行本文所公开的功能。
64.本公开参考附图描述了本技术的一些实施例，在附图中仅图示了一些可能的实施例。但是，其它方面可以以许多不同的形式实施，并且不应被解释为限于本文阐述的实施例。相反，提供这些实施例是为了使本公开彻底和完整，并将可能的实施例的范围充分传达给本领域技术人员。
65.虽然本文描述了特定的实施例，但是技术的范围不限于那些特定的实施例。本领域技术人员将认识到在本技术的范围和精神内的其它实施例或改进。因此，仅作为说明性实施例公开了特定的结构、动作或介质。本技术的范围由所附权利要求及其中的任何等同形式限定。