专利名称：用于组织鉴别的方法和系统的利记博彩app
技术领域：
本发明涉及用于对组织进行分类的方法。
背景技术：
已知在体表上施加多个传声器以在体表的多个位置同时记录体音。例如，美国专利No.6,139,505公开了一种系统，其中围绕患者的胸部设置多个传声器，并将这些传声器的记录显示在屏幕上或打印在纸上。Kompis等人(Chest 120(4)2001)公开了一种系统，其中围绕患者的胸部设置多个传声器以记录肺音，对这些肺音进行分析以确定在该记录中检测到的声音的源在肺中的位置。
申请人在2003年1月9日提交的公开号为US 2003-0139679的共同未决申请No.10/338,742公开了一种用于分析体音的方法和系统。在个体的胸部或背部固定多个传声器。对所记录的声信号进行分析以确定胸部上多个位置处的平均声能。然后使用所确定的声能来形成呼吸道的图像。
学习神经网络是用于根据以前输入的与元素(element)的特性有关的信息对元素进行分类的算法。授予Mah等人的美国专利No.6,109,270公开了将学习神经网络用于将脑组织分类为正常或异常。授予Veltri等人的美国专利No.6,463,438公开了将神经网络用于区分正常细胞和癌细胞。
发明内容
本发明提供了一种用于组织鉴别的方法和系统。通过在诸如个体的背部或胸部的体表上设置M个传声器，在一时间区间内获得M个声信号。这M个声信号分别通过N个频带滤波器(frequency band filter)进行频带滤波。对于各个滤波器，将来自该滤波器的M个输出输入到第一图像处理器。第一图像处理器利用该滤波器的这M个输出来生成图像。可以通过任何用于根据声信号来生成图像的方法获得这些图像。例如，可以通过Kompis等人的方法(上述)获得这些图像。在本发明的优选实施例中，通过申请人的WO 03/057037中公开的方法生成图像。在WO03/057037的方法中，通过确定在至少一个位置x处在从第一时刻t1到第二时刻t2的时间区间内的平均声能 根据M个信号P(xi，t)(i＝1到M)来获得图像(其中，信号P(xi，t)表示体表上的位置xi处的压力波)。
所述N个图像优选地(但不是必须地)通过SVD(奇异值分解)处理器进行变换，如下详细所述。将SVD处理器的输出输入到自组织映射神经网络并输入到分类器。自组织映射神经网络与学习神经网络的不同之处在于，其不需要包括带有教导者的识别信息的外部向量的学习阶段，并且不需要输入以前获取的与元素的特性相关的信息。该神经网络的输出包括L个N维向量，其中L是所关心的类别的预定数量。将该神经网络的输出输入到分类器。
对于各个像素p(x，y)，该分类器被构造用于计算将该像素分配给L个类别中的每一个的概率。然后可以根据该分类器的输出由第二图像处理器生成一个或更多个图像。
因此，本发明在其第一方面提供了一种用于组织鉴别的方法，包括(a)从体表上的M个位置获得M个声信号si(t)(i＝1到M)；(b)对于N个频带中的每一个，并且对于信号si(t)(i从1到M)中的每一个，使用N个带通滤波器对信号si(t)进行带通滤波，从而生成N×M个信号sij(t)(i＝1到M，j＝1到N)；(c)利用信号sij(t)(i＝1到M，j＝1到N)生成K个图像I1到IK，其中K≤N；(d)利用图像I1到IK将像素分成预定数量L个类别Cl(l从1到L)；以及(e)对于各个类别Cl(l从1到L)，并且对于各个像素p(x，y)，计算将该像素p(x，y)分配给类别Cl的概率pl。
本发明在其第二方面提供了一种用于组织鉴别的系统，其包括a.M个声换能器，被构造用于从体表上的M个位置获得M个声信号si(t)(i＝1到M)；b.N个带通滤波器，每一个带通滤波器都被构造用于接收各个信号si(t)(i＝1到M)，以生成N×M个信号sij(t)(i＝1到M，j＝1到N)；c.第一图像生成器，被构造用于利用信号sij(t)(i＝1到M，j＝1到N)生成K个图像I1到IK，其中K≤N；d.神经网络，被构造用于利用图像I1到IK将像素分成预定数量L个类别Cl(l从1到L)；以及e.分类器，被构造为对于各个类别Cl(l从1到L)，并且对于各个像素p(x，y)，计算将该像素p(x，y)分配给类别Cl的概率pl。
为了理解本发明并了解如何在实践中执行，下面将参照附图仅通过非限定性示例的方式来描述一优选实施例，附图中图1是根据本发明一个实施例的用于执行本发明的方法的系统的示意图；图2示出了根据本发明一个实施例而获得的5个心脏图像；以及图3示出了根据本发明一个实施例而获得的个体的肺的图像(图3a)，以及在没有进行带通滤波的情况下获得的相同肺的图像(图3b)。
具体实施例方式
图1示出了用于执行本发明的方法的一个实施例的系统的示意图。通过在诸如个体的背部或胸部的体表(未示出)上设置M个传声器，来在一时间区间内获得M个声信号S1(t)到SM(t)。该M个声信号分别通过N个频带滤波器F1到FN进行频带滤波。对于各个滤波器Fj(j从1到N)，将来自该滤波器Fj的M个输出Sij(t)(i从1到M)输入到第一图像处理器。该第一图像处理器生成N个图像Ij(j从1到N)，其中各个图像Ij都是使用滤波器Fj的M个输出而获得的。可以通过任何用于根据声信号生成图像的方法来获得图像Ij。例如，可以通过Kompis等人的方法(上述)获得这些图像。在本发明的优选实施例中，通过申请人的WO03/057037中公开的方法来生成图像。在WO 03/057037的方法中，通过确定在至少一个位置x处在从第一时刻t1到第二时刻t2的时间区间内的平均声能 来根据M个信号P(xi，t)(i＝1到M)获得图像(其中信号P(xi，t)表示体表上的位置xi处的压力波)。
该N个图像Ij(j从1到N)优选地(但不是必须地)通过SVD(奇异值分解)处理器进行变换。该SVD处理器计算N个特征图像EIj和N个对应的特征值λj(j从1到N)(未示出)，其中对该N个特征值λj进行排序，以使得λ1≤λ2...≤...≤λj≤...λN。然后该SVD处理器确定一整数K≤N，其中K为满足Σj=1KλjΣj=1Nλj≤a]]>的最小整数，其中a为预定阈值。SVD处理器的输出为K个特征图像EI1到EIK。由此完成了该处理的学习阶段。
将SVD处理器的输出输入到自组织映射神经网络。该神经网络的输出包括L个N维向量C1，...，CL，其中L是所关心的类别的预定数量。通过输入来执行分类阶段。将该神经网络的输出与SVD的输出一起输入到分类器。从而该分类器接收来自SVD的K个特征图像EI1到EIK(或者在没有使用SVD处理器的情况下，为N个图像I1到IN)和来自神经网络的L个向量C1，...，CL作为输入。
对于各个像素p(x，y)，该分类器被构造用于计算将该像素p(x，y)分配给类别Cj的概率pj。然后可以根据分类器的输出由第二图像处理器生成一个或更多个图像。例如，对于各个类别Cj，可以生成下述的图像，在该图像中，像素p(x，y)的灰度级与该像素属于类别j的概率成比例。作为另一示例，各个类别可以被分配不同的颜色，并且生成下述的图像，在该图像中，各个像素被着色为对于该像素具有最大概率的类别的颜色。作为图像的另一示例，可以通过选择例如三个类别，并将图像显示在RGB(红绿蓝)彩色显示屏上来生成该图像。在该示例中，对于各个像素，红色、绿色、蓝色浓度分别与该像素属于第一、第二或第三类别的概率成比例。本领域的技术人员可以使用所生成的图像来识别图像中的不同组织类型。本领域的技术人员或神经网络可以使用所生成的图像来形成用于自动学习的数据库，以分析图像并识别图像中的组织类型。
示例示例1心脏成像通过在个体的心脏区域的背部上设置40个传声器，在0.04秒内获得来自该个体的心脏的40个声信号Si(t)。这40个声信号分别通过3个频带滤波器进行频带滤波。如在申请人的美国临时专利申请No.60/474,595中公开的那样，对于每个滤波器，都将来自该滤波器的40个输出处理成图像。将这3个图像输入到自组织映射神经网络。该神经网络的输出包括5个3维向量C1，...，C5，其中5是所关心的类别的预定数量。将来自该神经网络的输出输入到分类器。
对于各个像素，该分类器计算将该像素分配给类别Cj(j从1到5)的概率pj。然后对该三个类别中的每一个生成下述的图像，在该图像中，像素(xi，yi)的灰度级与该像素属于该类别的概率成比例。图2中示出了这5个图像。
示例2肺成像通过在个体的肺区域的背部上设置40个传声器，在0.1秒内获得来自该个体的肺的40个声信号Si(t)。这40个声信号分别通过3个频带滤波器进行频带滤波。如在申请人的公开号为2003 01 3967的美国专利申请10/338,742中公开的那样，对于每个滤波器，都将该滤波器的40个输出处理成图像。将该3个图像输入到自组织映射神经网络。该神经网络的输出包括3个3维向量C1，...，C3，其中3是所关心的类别的预定数量。将来自该神经网络的输出输入到分类器。
对于各个像素，该分类器计算将该像素分配给类别Cj(j从1到3)的概率pj。然后如下生成彩色图像。使用不同的颜色(红、绿和蓝)来表示这三个类别中的每一个。在该彩色图像中，各个像素p(x，y)都具有分别与该像素属于第一、第二或第三类别的概率成比例的红色、绿色和蓝色级别。图3a中示出了该彩色图像的黑白再现。图3b示出了根据原始声信号(没有进行频率滤波)获得的个体的肺的图像，如在申请人的公开号为2003 01 3967的美国专利申请10/338,742中公开的那样。
权利要求
1.一种用于组织鉴别的方法，包括(a)从体表上的M个位置获得M个声信号si(t)(i＝1到M)；(b)对于N个频带中的每一个，并且对于所述信号si(t)(i从1到M)中的每一个，使用N个带通滤波器对所述信号si(t)进行带通滤波，从而生成N×M个信号sij(t)(i＝1到M，j＝1到N)；(c)利用所述信号sij(t)(i＝1到M，j＝1到N)生成K个图像I1到IK，其中K≤N；(d)利用所述图像I1到IK将像素分成预定数量L个类别Cl(l从1到L)；以及(e)对于各个类别Cl(l从1到L)，并且对于各个像素p(x，y)，计算将该像素p(x，y)分配给类别Cl的概率pl。
2.根据权利要求1所述的方法，包括(a)生成N个图像I’1到I’N，其中所述图像I’j是利用所述信号sij(t)(I从1到M)获得的，以及(b)利用所述N个图像I’1到I’N生成K个特征图像和K个特征值。
3.根据权利要求1或权利要求2所述的方法，其中，所述体表为胸部或背部。
4.根据权利要求1或w所述的方法，其中，所述声信号表示心脏音或呼吸道音。
5.根据权利要求1所述的方法，其中，通过利用M个信号P(xi，t)(i＝1到M)确定在至少一个位置x处在从第一时刻t1到第二时刻t2的时间区间内的平均声能 来根据所述信号P(xi，t)(i＝1到M)获得图像，所述信号P(xi，t)表示所述体表上的位置xi处的压力波。
6.根据权利要求1所述的方法，还包括利用所述概率pl生成一个或更多个图像。
7.一种用于组织鉴别的系统，其包括(a)M个声换能器，被构造为用于从体表上的M个位置获得M个声信号si(t)(i＝1到M)；(b)N个带通滤波器，每一个带通滤波器都被构造用于接收所述信号si(t)(i从1到M)中的每一个，从而生成N×M个信号sij(t)(i＝1到M，j＝1到N)；(c)第一图像生成器，被构造用于利用所述信号sij(t)(i＝1到M，j＝1到N)生成K个图像I1到IK，其中K≤N；(d)神经网络，被构造用于利用所述图像I1到IK将像素分成预定数量L个类别Cl(l从1到L)；以及(e)分类器，被构造为对于各个类别Cl(l从1到L)，并且对于各个像素p(x，y)，计算将该像素p(x，y)分配给类别Cl的概率pl。
8.根据权利要求7所述的系统，还包括奇异值分解处理器，其被构造用于(a)接收由所述第一图像生成器生成的N个图像I’1到I’N，其中所述图像I’j是利用所述信号sij(t)(I从1到M)获得的，以及(b)利用所述N个图像I’1到I’N生成K个特征图像和K个特征值。
9.根据权利要求67或权利要求8所述的系统，其中，所述体表为胸部或背部。
10.根据权利要求7或8所述的系统，其中，所述声信号表示心脏音或呼吸道音。
11.根据权利要求7所述的系统，其中，所述第一图像生成器被构造用于，通过利用M个信号P(xi，t)(i＝1到M)确定在至少一个位置x处在从第一时刻t1到第二时刻t2的时间区间内的平均声能 来根据所述信号P(xi，t)(i＝1到M)生成图像，所述信号P(xi，t)表示所述体表上的位置xi处的压力波。
12.根据权利要求7所述的系统，还包括第二图像生成器，其被构造用于利用所述概率pl来生成一个或更多个图像。
全文摘要
一种用于组织鉴别的系统和方法。在该方法中，从体表上的M个位置获得M个声信号s
文档编号G06F19/00GK1917813SQ200580004091
公开日2007年2月21日 申请日期2005年2月6日 优先权日2004年2月4日
发明者梅厄·博特博尔 申请人:迪普布雷兹有限公司