專利名稱：用于組織鑒別的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于對組織進(jìn)行分類的方法。
背景技術(shù)：
已知在體表上施加多個傳聲器以在體表的多個位置同時記錄體音。例如，美國專利No.6,139,505公開了一種系統(tǒng)，其中圍繞患者的胸部設(shè)置多個傳聲器，并將這些傳聲器的記錄顯示在屏幕上或打印在紙上。Kompis等人(Chest 120(4)2001)公開了一種系統(tǒng)，其中圍繞患者的胸部設(shè)置多個傳聲器以記錄肺音，對這些肺音進(jìn)行分析以確定在該記錄中檢測到的聲音的源在肺中的位置。
申請人在2003年1月9日提交的公開號為US 2003-0139679的共同未決申請No.10/338,742公開了一種用于分析體音的方法和系統(tǒng)。在個體的胸部或背部固定多個傳聲器。對所記錄的聲信號進(jìn)行分析以確定胸部上多個位置處的平均聲能。然后使用所確定的聲能來形成呼吸道的圖像。
學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)是用于根據(jù)以前輸入的與元素(element)的特性有關(guān)的信息對元素進(jìn)行分類的算法。授予Mah等人的美國專利No.6,109,270公開了將學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)用于將腦組織分類為正?；虍惓?。授予Veltri等人的美國專利No.6,463,438公開了將神經(jīng)網(wǎng)絡(luò)用于區(qū)分正常細(xì)胞和癌細(xì)胞。

發(fā)明內(nèi)容
本發(fā)明提供了一種用于組織鑒別的方法和系統(tǒng)。通過在諸如個體的背部或胸部的體表上設(shè)置M個傳聲器，在一時間區(qū)間內(nèi)獲得M個聲信號。這M個聲信號分別通過N個頻帶濾波器(frequency band filter)進(jìn)行頻帶濾波。對于各個濾波器，將來自該濾波器的M個輸出輸入到第一圖像處理器。第一圖像處理器利用該濾波器的這M個輸出來生成圖像?？梢酝ㄟ^任何用于根據(jù)聲信號來生成圖像的方法獲得這些圖像。例如，可以通過Kompis等人的方法(上述)獲得這些圖像。在本發(fā)明的優(yōu)選實(shí)施例中，通過申請人的WO 03/057037中公開的方法生成圖像。在WO03/057037的方法中，通過確定在至少一個位置x處在從第一時刻t1到第二時刻t2的時間區(qū)間內(nèi)的平均聲能 根據(jù)M個信號P(xi，t)(i＝1到M)來獲得圖像(其中，信號P(xi，t)表示體表上的位置xi處的壓力波)。
所述N個圖像優(yōu)選地(但不是必須地)通過SVD(奇異值分解)處理器進(jìn)行變換，如下詳細(xì)所述。將SVD處理器的輸出輸入到自組織映射神經(jīng)網(wǎng)絡(luò)并輸入到分類器。自組織映射神經(jīng)網(wǎng)絡(luò)與學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的不同之處在于，其不需要包括帶有教導(dǎo)者的識別信息的外部向量的學(xué)習(xí)階段，并且不需要輸入以前獲取的與元素的特性相關(guān)的信息。該神經(jīng)網(wǎng)絡(luò)的輸出包括L個N維向量，其中L是所關(guān)心的類別的預(yù)定數(shù)量。將該神經(jīng)網(wǎng)絡(luò)的輸出輸入到分類器。
對于各個像素p(x，y)，該分類器被構(gòu)造用于計(jì)算將該像素分配給L個類別中的每一個的概率。然后可以根據(jù)該分類器的輸出由第二圖像處理器生成一個或更多個圖像。
因此，本發(fā)明在其第一方面提供了一種用于組織鑒別的方法，包括(a)從體表上的M個位置獲得M個聲信號si(t)(i＝1到M)；(b)對于N個頻帶中的每一個，并且對于信號si(t)(i從1到M)中的每一個，使用N個帶通濾波器對信號si(t)進(jìn)行帶通濾波，從而生成N×M個信號sij(t)(i＝1到M，j＝1到N)；(c)利用信號sij(t)(i＝1到M，j＝1到N)生成K個圖像I1到IK，其中K≤N；(d)利用圖像I1到IK將像素分成預(yù)定數(shù)量L個類別Cl(l從1到L)；以及(e)對于各個類別Cl(l從1到L)，并且對于各個像素p(x，y)，計(jì)算將該像素p(x，y)分配給類別Cl的概率pl。
本發(fā)明在其第二方面提供了一種用于組織鑒別的系統(tǒng)，其包括a.M個聲換能器，被構(gòu)造用于從體表上的M個位置獲得M個聲信號si(t)(i＝1到M)；b.N個帶通濾波器，每一個帶通濾波器都被構(gòu)造用于接收各個信號si(t)(i＝1到M)，以生成N×M個信號sij(t)(i＝1到M，j＝1到N)；c.第一圖像生成器，被構(gòu)造用于利用信號sij(t)(i＝1到M，j＝1到N)生成K個圖像I1到IK，其中K≤N；d.神經(jīng)網(wǎng)絡(luò)，被構(gòu)造用于利用圖像I1到IK將像素分成預(yù)定數(shù)量L個類別Cl(l從1到L)；以及e.分類器，被構(gòu)造為對于各個類別Cl(l從1到L)，并且對于各個像素p(x，y)，計(jì)算將該像素p(x，y)分配給類別Cl的概率pl。


為了理解本發(fā)明并了解如何在實(shí)踐中執(zhí)行，下面將參照附圖僅通過非限定性示例的方式來描述一優(yōu)選實(shí)施例，附圖中圖1是根據(jù)本發(fā)明一個實(shí)施例的用于執(zhí)行本發(fā)明的方法的系統(tǒng)的示意圖；圖2示出了根據(jù)本發(fā)明一個實(shí)施例而獲得的5個心臟圖像；以及圖3示出了根據(jù)本發(fā)明一個實(shí)施例而獲得的個體的肺的圖像(圖3a)，以及在沒有進(jìn)行帶通濾波的情況下獲得的相同肺的圖像(圖3b)。
具體實(shí)施例方式
圖1示出了用于執(zhí)行本發(fā)明的方法的一個實(shí)施例的系統(tǒng)的示意圖。通過在諸如個體的背部或胸部的體表(未示出)上設(shè)置M個傳聲器，來在一時間區(qū)間內(nèi)獲得M個聲信號S1(t)到SM(t)。該M個聲信號分別通過N個頻帶濾波器F1到FN進(jìn)行頻帶濾波。對于各個濾波器Fj(j從1到N)，將來自該濾波器Fj的M個輸出Sij(t)(i從1到M)輸入到第一圖像處理器。該第一圖像處理器生成N個圖像Ij(j從1到N)，其中各個圖像Ij都是使用濾波器Fj的M個輸出而獲得的。可以通過任何用于根據(jù)聲信號生成圖像的方法來獲得圖像Ij。例如，可以通過Kompis等人的方法(上述)獲得這些圖像。在本發(fā)明的優(yōu)選實(shí)施例中，通過申請人的WO03/057037中公開的方法來生成圖像。在WO 03/057037的方法中，通過確定在至少一個位置x處在從第一時刻t1到第二時刻t2的時間區(qū)間內(nèi)的平均聲能 來根據(jù)M個信號P(xi，t)(i＝1到M)獲得圖像(其中信號P(xi，t)表示體表上的位置xi處的壓力波)。
該N個圖像Ij(j從1到N)優(yōu)選地(但不是必須地)通過SVD(奇異值分解)處理器進(jìn)行變換。該SVD處理器計(jì)算N個特征圖像EIj和N個對應(yīng)的特征值λj(j從1到N)(未示出)，其中對該N個特征值λj進(jìn)行排序，以使得λ1≤λ2...≤...≤λj≤...λN。然后該SVD處理器確定一整數(shù)K≤N，其中K為滿足Σj=1KλjΣj=1Nλj≤a]]>的最小整數(shù)，其中a為預(yù)定閾值。SVD處理器的輸出為K個特征圖像EI1到EIK。由此完成了該處理的學(xué)習(xí)階段。
將SVD處理器的輸出輸入到自組織映射神經(jīng)網(wǎng)絡(luò)。該神經(jīng)網(wǎng)絡(luò)的輸出包括L個N維向量C1，...，CL，其中L是所關(guān)心的類別的預(yù)定數(shù)量。通過輸入來執(zhí)行分類階段。將該神經(jīng)網(wǎng)絡(luò)的輸出與SVD的輸出一起輸入到分類器。從而該分類器接收來自SVD的K個特征圖像EI1到EIK(或者在沒有使用SVD處理器的情況下，為N個圖像I1到IN)和來自神經(jīng)網(wǎng)絡(luò)的L個向量C1，...，CL作為輸入。
對于各個像素p(x，y)，該分類器被構(gòu)造用于計(jì)算將該像素p(x，y)分配給類別Cj的概率pj。然后可以根據(jù)分類器的輸出由第二圖像處理器生成一個或更多個圖像。例如，對于各個類別Cj，可以生成下述的圖像，在該圖像中，像素p(x，y)的灰度級與該像素屬于類別j的概率成比例。作為另一示例，各個類別可以被分配不同的顏色，并且生成下述的圖像，在該圖像中，各個像素被著色為對于該像素具有最大概率的類別的顏色。作為圖像的另一示例，可以通過選擇例如三個類別，并將圖像顯示在RGB(紅綠藍(lán))彩色顯示屏上來生成該圖像。在該示例中，對于各個像素，紅色、綠色、藍(lán)色濃度分別與該像素屬于第一、第二或第三類別的概率成比例。本領(lǐng)域的技術(shù)人員可以使用所生成的圖像來識別圖像中的不同組織類型。本領(lǐng)域的技術(shù)人員或神經(jīng)網(wǎng)絡(luò)可以使用所生成的圖像來形成用于自動學(xué)習(xí)的數(shù)據(jù)庫，以分析圖像并識別圖像中的組織類型。
示例示例1心臟成像通過在個體的心臟區(qū)域的背部上設(shè)置40個傳聲器，在0.04秒內(nèi)獲得來自該個體的心臟的40個聲信號Si(t)。這40個聲信號分別通過3個頻帶濾波器進(jìn)行頻帶濾波。如在申請人的美國臨時專利申請No.60/474,595中公開的那樣，對于每個濾波器，都將來自該濾波器的40個輸出處理成圖像。將這3個圖像輸入到自組織映射神經(jīng)網(wǎng)絡(luò)。該神經(jīng)網(wǎng)絡(luò)的輸出包括5個3維向量C1，...，C5，其中5是所關(guān)心的類別的預(yù)定數(shù)量。將來自該神經(jīng)網(wǎng)絡(luò)的輸出輸入到分類器。
對于各個像素，該分類器計(jì)算將該像素分配給類別Cj(j從1到5)的概率pj。然后對該三個類別中的每一個生成下述的圖像，在該圖像中，像素(xi，yi)的灰度級與該像素屬于該類別的概率成比例。圖2中示出了這5個圖像。
示例2肺成像通過在個體的肺區(qū)域的背部上設(shè)置40個傳聲器，在0.1秒內(nèi)獲得來自該個體的肺的40個聲信號Si(t)。這40個聲信號分別通過3個頻帶濾波器進(jìn)行頻帶濾波。如在申請人的公開號為2003 01 3967的美國專利申請10/338,742中公開的那樣，對于每個濾波器，都將該濾波器的40個輸出處理成圖像。將該3個圖像輸入到自組織映射神經(jīng)網(wǎng)絡(luò)。該神經(jīng)網(wǎng)絡(luò)的輸出包括3個3維向量C1，...，C3，其中3是所關(guān)心的類別的預(yù)定數(shù)量。將來自該神經(jīng)網(wǎng)絡(luò)的輸出輸入到分類器。
對于各個像素，該分類器計(jì)算將該像素分配給類別Cj(j從1到3)的概率pj。然后如下生成彩色圖像。使用不同的顏色(紅、綠和藍(lán))來表示這三個類別中的每一個。在該彩色圖像中，各個像素p(x，y)都具有分別與該像素屬于第一、第二或第三類別的概率成比例的紅色、綠色和藍(lán)色級別。圖3a中示出了該彩色圖像的黑白再現(xiàn)。圖3b示出了根據(jù)原始聲信號(沒有進(jìn)行頻率濾波)獲得的個體的肺的圖像，如在申請人的公開號為2003 01 3967的美國專利申請10/338,742中公開的那樣。
權(quán)利要求
1.一種用于組織鑒別的方法，包括(a)從體表上的M個位置獲得M個聲信號si(t)(i＝1到M)；(b)對于N個頻帶中的每一個，并且對于所述信號si(t)(i從1到M)中的每一個，使用N個帶通濾波器對所述信號si(t)進(jìn)行帶通濾波，從而生成N×M個信號sij(t)(i＝1到M，j＝1到N)；(c)利用所述信號sij(t)(i＝1到M，j＝1到N)生成K個圖像I1到IK，其中K≤N；(d)利用所述圖像I1到IK將像素分成預(yù)定數(shù)量L個類別Cl(l從1到L)；以及(e)對于各個類別Cl(l從1到L)，并且對于各個像素p(x，y)，計(jì)算將該像素p(x，y)分配給類別Cl的概率pl。
2.根據(jù)權(quán)利要求1所述的方法，包括(a)生成N個圖像I’1到I’N，其中所述圖像I’j是利用所述信號sij(t)(I從1到M)獲得的，以及(b)利用所述N個圖像I’1到I’N生成K個特征圖像和K個特征值。
3.根據(jù)權(quán)利要求1或權(quán)利要求2所述的方法，其中，所述體表為胸部或背部。
4.根據(jù)權(quán)利要求1或w所述的方法，其中，所述聲信號表示心臟音或呼吸道音。
5.根據(jù)權(quán)利要求1所述的方法，其中，通過利用M個信號P(xi，t)(i＝1到M)確定在至少一個位置x處在從第一時刻t1到第二時刻t2的時間區(qū)間內(nèi)的平均聲能 來根據(jù)所述信號P(xi，t)(i＝1到M)獲得圖像，所述信號P(xi，t)表示所述體表上的位置xi處的壓力波。
6.根據(jù)權(quán)利要求1所述的方法，還包括利用所述概率pl生成一個或更多個圖像。
7.一種用于組織鑒別的系統(tǒng)，其包括(a)M個聲換能器，被構(gòu)造為用于從體表上的M個位置獲得M個聲信號si(t)(i＝1到M)；(b)N個帶通濾波器，每一個帶通濾波器都被構(gòu)造用于接收所述信號si(t)(i從1到M)中的每一個，從而生成N×M個信號sij(t)(i＝1到M，j＝1到N)；(c)第一圖像生成器，被構(gòu)造用于利用所述信號sij(t)(i＝1到M，j＝1到N)生成K個圖像I1到IK，其中K≤N；(d)神經(jīng)網(wǎng)絡(luò)，被構(gòu)造用于利用所述圖像I1到IK將像素分成預(yù)定數(shù)量L個類別Cl(l從1到L)；以及(e)分類器，被構(gòu)造為對于各個類別Cl(l從1到L)，并且對于各個像素p(x，y)，計(jì)算將該像素p(x，y)分配給類別Cl的概率pl。
8.根據(jù)權(quán)利要求7所述的系統(tǒng)，還包括奇異值分解處理器，其被構(gòu)造用于(a)接收由所述第一圖像生成器生成的N個圖像I’1到I’N，其中所述圖像I’j是利用所述信號sij(t)(I從1到M)獲得的，以及(b)利用所述N個圖像I’1到I’N生成K個特征圖像和K個特征值。
9.根據(jù)權(quán)利要求67或權(quán)利要求8所述的系統(tǒng)，其中，所述體表為胸部或背部。
10.根據(jù)權(quán)利要求7或8所述的系統(tǒng)，其中，所述聲信號表示心臟音或呼吸道音。
11.根據(jù)權(quán)利要求7所述的系統(tǒng)，其中，所述第一圖像生成器被構(gòu)造用于，通過利用M個信號P(xi，t)(i＝1到M)確定在至少一個位置x處在從第一時刻t1到第二時刻t2的時間區(qū)間內(nèi)的平均聲能 來根據(jù)所述信號P(xi，t)(i＝1到M)生成圖像，所述信號P(xi，t)表示所述體表上的位置xi處的壓力波。
12.根據(jù)權(quán)利要求7所述的系統(tǒng)，還包括第二圖像生成器，其被構(gòu)造用于利用所述概率pl來生成一個或更多個圖像。
全文摘要
一種用于組織鑒別的系統(tǒng)和方法。在該方法中，從體表上的M個位置獲得M個聲信號s
文檔編號G06F19/00GK1917813SQ200580004091
公開日2007年2月21日 申請日期2005年2月6日 優(yōu)先權(quán)日2004年2月4日
發(fā)明者梅厄·博特博爾 申請人:迪普布雷茲有限公司