用于病变的早期检测和定位的方法和系统与流程

技术特征：
1.一种用于识别患者的病变的发生的方法，包括：训练模型以预测未来病变的位置，所述训练包括：将在出现任何病变之前从一个或多个患者收集的图像中的感兴趣区域(roi)与也从显示存在一个或多个病变的所述一个或多个患者收集的图像中的对应的roi进行比较；以及根据特征的类别之间的所估计的分区对所述roi进行分类，所述分区是基于所述比较进行估计的；使用经训练的模型来推断从新患者收集的图像中的未来病变的区域；以及在概率图中显示所推断的区域，以指示病变形成可能性增加的区。2.根据权利要求1所述的方法，还包括利用机器学习和深度学习中的一者。3.根据权利要求1所述的方法，其中根据分区对所述roi进行分类包括基于特征来识别所述roi，并且其中所述特征是对描绘在出现任何病变之前收集的所述图像与显示存在一个或多个病变的所述图像之间的差异的区域的测量结果。4.根据权利要求1所述的方法，其中训练所述模型还包括收集患者数据并且以数字方式量化所述患者数据。5.根据权利要求4所述的方法，其中训练所述模型还包括根据从所述一个或多个患者收集的所述图像和所述以数字方式量化的患者数据来计算特征向量。6.根据权利要求5所述的方法，其中计算所述特征向量包括为所述roi中的每个roi计算一个向量。7.根据权利要求6所述的方法，其中训练所述模型还包括根据所述特征向量中的n个特征来划分特征的n维空间，所述n维空间包括所估计的分区。8.根据权利要求1所述的方法，其中训练所述模型还包括配准从所述一个或多个患者收集的图像，并且其中配准所述图像包括将所述图像的取向调整为参考图像的取向。9.根据权利要求8所述的方法，其中配准所述图像还包括基于所述参考图像来确定皮肤线，并且使用所述皮肤线来翘曲从所述一个或多个患者收集的所述图像。10.根据权利要求9所述的方法，其中翘曲所述图像包括将网格应用于所述图像中的每个图像，以及移位所述网格的节点以使所述图像变形，从而允许所变形的图像的皮肤被叠加在所述参考图像的所述皮肤线上。

技术总结
本发明提供了用于识别患者的未来发生的病变的多种方法和系统。在一个示例中，一种方法包括训练模型以基于在出现任何病变之前收集的图像(305,307,705,707)和在检测确认的病变期间收集的图像(321,717)来预测未来病变的位置。所预测的位置可以显示在概率图(335,729)中，以实现病变的早期检测。以实现病变的早期检测。以实现病变的早期检测。


技术研发人员：S
受保护的技术使用者：通用电气精准医疗有限责任公司
技术研发日：2022.07.20
技术公布日：2023/2/17