提供个性化健康护理的系统，方法和装置

相关申请的交叉引用

本申请要求2019年11月27日提交的临时美国专利申请号62/941,203和2020年3月10日提交的临时美国专利申请号16/814,373的权益，此处以引证的方式将该申请的公开内容全文并入。

技术领域

本申请涉及健康护理服务领域。

背景技术

医疗诊断和治疗本质上是个人的，并且通常需要针对各个患者的定制指令或指导。例如，在放射治疗和医学成像(例如，X射线摄影、磁共振成像(MRI)、计算机断层摄影(CT)和正电子发射断层摄影(PET))中，成功很大程度上取决于根据患者的身体特征将患者保持在期望位姿使得可以以精确和准确的方式执行扫描或治疗的能力。常规的定位技术通常需要手动调节患者的位置、在患者身体上或附近放置标记、或者进行模拟，以便确定患者的最佳操作参数和/或条件。这些技术不仅麻烦，而且缺乏准确度、一致性和实时监测能力。

同时，诸如医院的医疗设施通常拥有大量与患者的诊断记录、治疗计划、扫描图像等有关的病历。这些病历可以提供对患者病史的有价值的洞察以及增强患者的健康护理体验的方式。因此，非常期望利用这些病历来个性化提供健康护理服务的方式。进一步地，考虑到与医疗设施相关联的独特环境，以准确、安全和自动的方式提供这些个性化服务以最小化人为错误、交叉污染、侵害隐私等的风险也是非常重要的。

发明内容

本文描述了用于向患者提供个性化健康护理服务的系统、方法和手段。在示例中，这种系统可以包括一个或多个储存库，其被配置为存储患者的电子病历。电子病历可以包括图像数据和/或非图像数据，其与针对患者执行或将要执行的医疗过程相关联。图像和/或非图像数据可以由系统的处理单元检索(retrieved)，并且用于生成与患者有关的个性化医疗辅助信息。比如，处理单元可以被配置为接收患者的一个或多个图像，并且从图像中提取表示患者的生理特性的一个或多个特征。基于这些所提取特征中的至少一个，处理单元可以确定患者的身份，并且从一个或多个储存库检索图像和/或非图像数据。由此创建的个性化医疗辅助信息可以包括与医疗过程相关联的参数(例如，医学成像参数或医疗装置的操作参数)、与医疗过程有关的定位信息、和/或患者的重叠扫描图像和图片，这些图像和图片示出了患者的诊断或治疗历史。个性化医疗辅助信息可以经由显示装置呈现给患者或服务提供者，以在健康护理服务期间辅助患者或服务提供者。

本文所述的图像可以是由照相机拍摄的患者照片、由热传感器生成的患者热图像等。从这些图像中提取的特征可以与存储在特征数据库中的患者的一组已知特征匹配。这些特征也可以通过被训练用于视觉识别的神经网络来处理。进一步地，存储在储存库中的图像数据可以包括对医疗过程的不正确位置或位姿的描绘，并且个性化医疗辅助信息可以包括关于如何避免不正确位置或位姿的指令。患者的重叠扫描图像和图片可以通过以下方式来生成：确定与各个图像相关联的相应扫描位置或位姿，并且将图像与处于基本类似位置或位姿的患者图片对齐。得到的表征(resulting representation)可以适于在增强现实(AR)环境中显示，以增强患者或服务提供者的体验。

本申请提供了一种用于提供个性化健康护理服务的系统，包括：一个或多个储存库，其被配置为存储患者的电子病历，所述电子病历包括图像数据和/或非图像数据，其与针对所述患者执行或将要执行的医疗过程相关联；和处理单元，其被配置为：接收所述患者的一个或多个图像；从所述一个或多个图像中提取表示所述患者的生理特性的一个或多个特征；基于所述所提取特征中的至少一个，确定所述患者的身份；响应于确定所述患者的所述身份，从所述一个或多个储存库检索所述图像和/或非图像数据；并且基于从所述一个或多个储存库检索的所述图像和/或非图像数据，生成与所述患者有关的个性化医疗辅助信息，其中，所述个性化医疗辅助信息包括与所述医疗过程或用于所述医疗过程的所述患者的位置或位姿中相关联的至少一个参数。

其中，所述一个或多个图像包括由照相机拍摄的所述患者的照片或由热传感器生成的所述患者的热图像。

其中，所述患者的所述特性包括所述患者的行走模式。

其中，所述处理单元被配置为基于所述所提取特征中的至少一个确定所述患者的所述身份包括：所述处理单元被配置为将所述所提取特征中的所述至少一个与存储在特征数据库中的所述患者的已知特征匹配。

其中，所述处理单元被配置为使用神经网络基于所述所提取特征中的至少一个来确定所述患者的所述身份，所述神经网络被训练用于视觉识别。

其中，所述个性化医疗辅助信息包括关于如何达到用于所述医疗过程的所述位置或位姿的指令。

其中，所述图像数据包括对所述医疗过程的不正确位置或位姿的描绘，并且所述个性化医疗辅助信息包括关于如何避免所述不正确位置或位姿的指令。

其中，所述图像数据包括与所述医疗过程有关的所述患者的一个或多个扫描图像，所述一个或多个扫描图像中的每一个与所述患者的扫描位置相关联，并且所述处理单元还被配置为：将所述患者的所述一个或多个扫描图像中的每一个与所述患者的图片对齐，该图片描绘了处于与所述扫描图像相关联的所述扫描位置或位姿基本上类似的位置或位姿的所述患者；通过至少使所述患者的所述图片与所述扫描图像重叠，来生成所述患者的各对对齐的扫描图像和图片的视觉表示；并且将所述视觉表示包括在所述个性化医疗辅助信息中。

其中，所述处理单元还被配置为基于用户输入或配置来确定所述所提取特征中的哪一个或多个将用于确定所述患者的所述身份。

其中，与所述医疗过程相关联的所述参数包括与所述医疗过程相关联的医学成像参数或医疗装置的操作参数。

本申请还提供一种用于提供个性化健康护理服务的方法，所述方法包括：接收患者的一个或多个图像；从所述一个或多个图像中提取表示所述患者的生理特性的一个或多个特征；基于所述所提取特征中的至少一个，确定所述患者的身份；响应于确定所述患者的所述身份，从一个或多个储存库检索图像和/或非图像数据，所述图像数据和/或非图像数据与针对所述患者执行或将要执行的医疗过程相关联；基于从所述一个或多个储存库检索的所述图像和/或非图像数据，生成与所述患者有关的个性化医疗辅助信息，其中，所述个性化医疗辅助信息包括与所述医疗过程或用于所述医疗过程的所述患者的位置或位姿相关联的的至少一个参数；以及在显示装置上呈现所述个性化医疗辅助信息。

其中，所述一个或多个图像包括由照相机拍摄的所述患者的照片或由热传感器生成的所述患者的热图像。

其中，基于所述所提取特征中的所述至少一个确定所述患者的所述身份包括：将所述所提取特征中的所述至少一个与存储在特征数据库中的所述患者的已知特征匹配。

其中，所述患者的所述身份使用神经网络基于所述所提取特征中的所述至少一个来确定，所述神经网络被训练用于视觉识别。

其中，所述个性化医疗辅助信息包括关于如何调整以达到用于所述医疗过程的所述位置或位姿的指令，并且在所述显示装置上呈现所述个性化医疗辅助信息包括：在所述显示装置上呈现所述指令的视觉描绘。

其中，所述图像数据包括与所述医疗过程有关的所述患者的一个或多个扫描图像，所述一个或多个扫描图像中的每一个与所述患者的扫描位置或位姿相关联，并且所述方法还包括：将所述患者的所述一个或多个扫描图像中的每一个与所述患者的图片对齐，该图片描绘了处于与所述扫描图像相关联的所述扫描位置或位姿基本上类似的位置或位姿的所述患者；通过至少使所述患者的所述图片与所述扫描图像重叠，来生成所述患者的各对对齐的扫描图像和图片的视觉表示；并且将所述视觉表示包括在所述个性化医疗辅助信息中。

本申请还提供一种用于提供个性化健康护理服务的装置，包括：处理单元，其被配置为：接收所述患者的一个或多个图像；从所述一个或多个图像中提取表示所述患者的生理特性的一个或多个特征；基于所述所提取特征中的至少一个，确定所述患者的身份；响应于确定所述患者的所述身份，从一个或多个储存库检索图像和/或非图像数据，所述图像和/或非图像数据与针对所述患者执行或将要执行的医疗过程有关；基于从所述一个或多个储存库检索的所述图像和/或非图像数据，生成与所述患者有关的个性化医疗辅助信息，其中，所述个性化医疗辅助信息包括与所述医疗过程或用于所述医疗过程的所述患者的位置或位姿相关联的至少一个参数；并且呈现所述个性化医疗辅助信息。

附图说明

从以下结合附图以示例方式给出的描述中，可以更详细地理解本文公开的示例。

图1是例示了用于提供本文所述的个性化健康护理服务的示例系统的简化图。

图2是例示了本文所述的示例处理单元的简化框图。

图3a和图3b是用于向患者或服务提供者提供个性化医疗辅助信息的示例图形用户界面(GUI)的图。

图4是例示了可以由图1所描绘的个性化健康护理系统实施的方法的流程图。

具体实施方式

在附图的各图中，通过示例而非限制性的方式例示了本公开。

图1是用于在诸如医院的医疗设施处提供个性化健康护理服务的示例系统100的图。这些健康护理服务可以包括例如经由扫描仪102(例如，CT扫描仪、MRI机器、PET扫描仪等)进行的成像过程或者通过医用线性加速器(LINAC)(未示出)传递的放射治疗。这种服务可能需要精确地了解患者的解剖特性和/或需要患者停留在特定的位置或姿势，以增强扫描或治疗的精度和/或效率。例如，患者的适当定位可以确保患者的目标扫描区域被充分且清楚地捕获，和/或患者在治疗期间不暴露于不必要的辐射。同时，医学专家计划或执行医学过程也可能期望访问患者的个人医学信息，以便获得患者状况的准确评估或设计用于过程的适当计划或协议。

系统100可以通过自动识别服务的接受者(例如，患者104)并基于患者的历史病历构建患者的医学简档，来促进上述个性化服务的提供。例如，系统100可以包括感测装置106(例如，图像捕捉装置)，其被配置为捕捉医疗设施中或周围的患者的图像。感测装置106可以包括一个或多个传感器，诸如照相机、红、绿和蓝(RGB)传感器、深度传感器、热传感器和/或红外(FIR)或近红外(NIR)传感器，其被配置为检测患者的存在并且作为响应生成患者的图像。根据所使用的感测装置的类型，图像可以是例如由照相机拍摄的患者的照片或由热传感器生成的患者的热图像。感测装置106可以安装在医疗设施的各种位置，诸如治疗室内部、门口上方、成像装置上等。替代地或另外地，感测装置106可以包括扫描仪，其被配置为基于患者的现有照片(例如，在登记期间由患者呈现的驾驶执照)来获得患者的图像。

由感测装置106产生的患者图像可以表示患者的一个或多个特性。这种特性可以包括例如患者的面部特征、患者的身体轮廓、患者的行走模式等。如以下更详细地说明的，处理装置可以基于从图像提取的特征来识别患者的这些特性。

系统100可以包括接口单元108，其被配置为接收由感测装置106产生的患者图像。接口单元108可以例如通过有线或无线通信链路通信地耦合到感测装置106。接口单元108可以被配置为周期性地(例如，每分钟一次、根据时间表等)从感测装置106检索或接收图像，或者接口单元108可以被配置为当已经生成图像时从感测装置106接收通知，并且响应于接收到通知而从感测装置检索图像。感测装置106还可以被配置为在不首先发送通知的情况下将图像发送到接口单元108。

接口单元108可以作为用于从感测装置108接收的图像的预处理器操作。例如，接口单元108可以被配置为拒绝质量差的图像或者将接收到的图像转换为适当的格式，使得它们可以由系统100的下游部件进一步处理。接口单元108还可以被配置为以将降低下游处理的复杂度的方式来准备图像。这种准备可以包括例如将彩色图像转换为灰度、将图像的大小调整为统一的尺寸等。进一步地，尽管接口单元108在图1中被示出为与系统100的其他部件分离，但是接口单元108也可以是其他部件的一部分。例如，接口单元108可以包括在感测装置106中或处理单元110中，而不影响本文所述的接口单元108的功能。

由感测装置106和/或接口单元108产生的患者图像可以用于建立患者的医学简档，例如，在医学设施处或治疗室内检测到患者时自动地建立。由此可见，可以最小化或减少该过程中涉及的手动操作，这消除人为错误、到污染或辐射的不必要暴露等的风险。因此，服务速度也可以得到改善。

系统100可以包括能够提供上述改进的处理单元110。处理单元110可以通信地耦合到感测装置106和/或接口单元108，以接收患者的图像。处理单元110可以被配置为从表示患者的生理特性的图像中提取特征，并且将所提取的特征与患者的一组已知特征进行比较，以确定患者的身份。替代地或另外地，处理单元110可以利用人工神经网络，该人工神经网络被训练为将患者的图像作为输入，并且产生指示患者身份的输出。这种神经网络可以是卷积神经网络(CNN)，其包括级联的层，各个层被训练为基于图像中包含的视觉特性的相应抽象级别(level of abstraction)来做出模式匹配决策(pattern matchingdecisions)。可以使用各种数据集和损失函数对CNN执行训练，使得CNN变得能够从输入图像提取特征(例如，以特征向量的形式)，确定特征是否匹配已知人的特征，并且在网络的输出处指示匹配结果。神经网络和患者识别的示例实施方式将在下面更详细地描述。

系统100还可以包括至少一个储存库112(例如，一个或多个储存库或数据库)，其被配置为存储患者医疗信息(例如，病历)。这些病历可以包括一般的患者信息(例如，患者ID、姓名、电子和物理地址、保险等)、与针对患者执行或将要执行的医疗过程相关联的非图像医疗数据(例如，患者的诊断历史、患者接收的治疗、扫描协议、医疗元数据等)和/或与医疗过程相关联的图像数据。在示例中，图像数据可以包括患者的扫描图像(例如，MRI、CT扫描、X射线、超声等)、在这些扫描期间由患者采用的位置或位姿(例如，正确或不正确的位置或位姿)的视觉表示、由患者做出的进入校正位置或位姿的视觉表示等。

病历可以以结构化方式(例如，以某种格式或模式排列)存储在储存库112中。病历可以从多个源收集，包括例如医院、医生办公室、保险公司等。病历可以由系统100、医疗设施处的另一系统或不同的组织收集和/或组织(例如，病历可以独立于系统100而存在)。病历的收集和/或组织可以以离线方式执行，或者可以在储存库112正被其他系统或应用程序主动访问(例如，在线)时进行。

储存库112可以被托管在一个或多个数据库服务器上，该一个或多个数据库服务器经由有线或无线通信链路(例如，专用计算机网络、公用计算机网络、蜂窝网络、服务云等)耦合到处理单元110。有线或无线通信链路可以经由加密、虚拟专用网(VPN)、安全套接字层(SSL)等来保护，以确保存储在其中的医疗信息的安全。储存库112还可以利用分布式架构，诸如利用区块链技术建立的分布式架构。

存储在储存库112中的病历可以用于使提供给患者的健康护理服务个性化。比如，响应于基于患者的一个或多个图像识别患者，处理单元110可以从储存库112检索包括上述图像和/或非图像数据的患者的病历的全部或子集，并且使用该信息来生成针对患者的个性化医疗辅助信息(例如，医学简档)。个性化医疗辅助信息可以包括例如患者将要进行的过程和与该过程相关联的历史数据，诸如来自过去执行的类似过程的患者的扫描图像、患者在该过程期间采取的位置或位姿、为了使患者进入期望或正确位置或位姿而进行的调节或校正等。个性化医疗辅助信息还可以包括与过程相关联的一个或多个参数，诸如成像参数(例如，图像尺寸、体素大小、重复时间等)和/或在过程中使用的医疗装置的操作参数(例如，高度、取向、功率、剂量等)。这种信息可以为患者提供关于对于即将到来的过程可能需要什么(例如，在定位方面)的指导和洞察。

本文所述的医学简档还可以用于辅助医学专家向患者提供个性化服务。比如，本文所述的个性化医疗辅助信息可以包括医学专家可以用来评估患者状况的患者的诊断或治疗历史。诊断或治疗历史可以包括在不同时间取得的患者的先前扫描图像。各个扫描图像可以由至少一个定位参数(positioning parameter)来表征，该参数指示患者在扫描期间的位置或位姿。例如，定位参数可以从与各个扫描图像相关联的元数据中提取。当生成本文所述的个性化医疗辅助信息时，处理单元110可以将患者的这些扫描图像与患者的图片或模型(例如，3D网格模型)对齐，这些图片或模型描绘了处于与患者在创建扫描图像时采取的位置或位姿基本上相似的位置或位姿的患者。在示例中，图片可以由诸如感测装置106的图像捕捉装置来捕捉，并且模型可以基于图片来构建(例如，利用神经网络和/或参数模型建立技术来从2D图像导出人体模型)。处理单元110然后可以生成各对对齐图片(或模型)和扫描图像的视觉表示，其中患者的图片(或模型)与患者的扫描图像重叠。由此生成的视觉表示可以演示患者的患病区域随时间的变化(或缺乏变化)，并且以更高的准确度水平这样做，因为各个扫描图像针对背景而示出，该背景包含处于与扫描位置或位姿类似的位置或位姿的患者的描绘。

上述个性化医疗辅助信息(例如，医学简档)的部分或全部可以通过显示装置114视觉地呈现给患者或医学专家。显示装置114可以包括一个或多个监视器(例如，计算机监视器、TV监视器、平板电脑、诸如智能电话的移动装置等)、一个或多个扬声器、一个或多个增强现实(AR)装置(例如，AR护目镜)和/或被配置为促进视觉表示的其他附件。显示装置114可以通信地耦合到处理单元110(例如，经由有线或无线通信链路)，并且被配置为显示由处理单元110生成的个性化医疗辅助信息。如本文所述，这种个性化医疗辅助信息可以包括基本患者信息、即将到来的医疗过程的期望配置(例如，根据为患者设计的对应扫描协议)、先前为患者拍摄的扫描图像、患者在这些扫描期间的位置或位姿、为使患者进入期望扫描位置或位姿而进行的调节或校正、重叠的扫描图像和患者的图片(或模型)等。个性化医疗辅助信息可以以各种格式显示，包括例如视频、动画和/或AR呈现。例如，患者的扫描图像和图片的重叠表示可以在AR环境中显示，在该AR环境中，配备有AR眼镜和/或AR输入装置的医师可以以立体方式掠过该表示。

图2是例示了本文所述的示例处理单元200(例如，处理单元110)的简化框图。处理单元200可以作为独立装置操作或者可以与其他计算装置连接(例如，联网或成群)，以执行本文所述的功能。在示例联网部署中，处理单元200可以在服务器-客户端网络环境中以服务器或客户端装置的能力操作，或者它可以在对等(或分布式)网络环境中充当对等装置。进一步地，虽然图2中仅示出了单个单元，但是术语“处理单元”应当被认为潜在地包括多个单元或机器，其单独地或联合地实行一组指令以执行本文所讨论的功能中的任何一个或多个。多个单元或机器可以属于一个位置或多个位置，例如，在分布式计算架构下。

处理单元200可以包括至少一个处理器(例如，一个或多个处理器)202，其又可以包括中央处理单元(CPU)、图形处理单元(GPU)、微控制器、精简指令集计算机(RISC)处理器、专用集成电路(ASIC)、专用指令集处理器(ASIP)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或能够执行本文所述的功能的任何其它电路或处理器。处理单元200还可以包括通信电路204、存储器206、大容量存储装置208和/或输入装置210。通信电路204可以被配置为利用一个或多个通信协议(例如，TCP/IP)和一个或多个通信网络来发送和接收信息，这些通信网络包括局域网(LAN)、广域网(WAN)、因特网、无线数据网络(例如，Wi-Fi、3G、4G/LTE或5G网络)。存储器206可以包括被配置为存储指令的机器可读介质，当指令被实行时，使得处理器202执行本文所述的一个或多个功能。机器可读介质的示例可以包括易失性或非易失性存储器，包括但不限于半导体存储器(例如，电可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM))、闪存等)。大容量存储装置208可以包括一个或多个磁盘，诸如内置硬盘、可移动盘、磁光盘、CD-ROM或DVD-ROM盘等，在磁盘上可以存储指令和/或数据，以便于执行本文所述的功能。输入装置210可以包括键盘、鼠标、语音控制输入装置、触敏输入装置(例如，触摸屏)等，用于接收处理单元200的用户输入。

在示例实施方式中，处理单元200可以包括或可以耦合到特征数据库212，该数据库被配置为存储患者的图像和/或患者的一个或多个特性(例如，患者的已知特征)的视觉表示。图像和/或视觉表示可以基于从各种源收集的患者的图像数据来准备(例如，预计算)并存储在特征数据库212中，这些源包括例如在患者过去到医疗设施就诊期间拍摄的图片、存储患者的病历的储存库(例如，图1所示的储存库112)、公共照片ID数据库(例如，驾驶执照数据库)等。数据库212可以通信地耦合到处理器202，并且由处理器用于基于通过感测装置(例如，图1的感测装置106)获得的患者图像来识别患者。例如，处理器202可以被配置为从感测装置接收患者的图像，并且从图像中提取表示患者的生理特性的一组特征。处理器202还可以被配置为将所提取特征中的至少一个与存储在特征数据库212中的图像数据(例如，患者的已知特征)进行匹配，以确定患者的身份。

本文所述的特征和/或特性可以与患者的各种属性相关联，这些属性诸如为身体轮廓、身高、面部特征、行走模式、姿势等。在数字图像的背景下，这些特征或特性可以对应于图像中的结构，诸如点、边缘、对象等。可以采用各种技术来从图像提取这些特征。例如，可以识别与特征相关联的一个或多个关键点，包括对象的边界的方向突然改变的点、两个或多个边缘段之间的交叉点等。这些关键点可以由图像空间中的明确定义的位置和/或对照明/亮度扰动的稳定性来表征。由此可见，关键点可以基于图像导数、边缘检测、曲率分析等来识别。

一旦被识别，便可用特征描述符或特征向量来描述关键点及/或与关键点相关联的特征。在这种特征描述符或向量的示例实施方式中，与特征有关的信息(例如，各关键点的局部邻域的外观)可以由存储于特征描述符或向量中的一系列数值表示(例如，被编码成该系列数值)。然后，描述符或向量可以用作“指纹”，用于将一个特征与另一个特征区分开，或者将一个特征与另一个特征相匹配。

回到图2所示的示例，处理器202可以被配置为确定要从患者的接收图像提取什么特定特征，从图像提取这些特征(例如，生成对应于特征的一个或多个特征向量)，并且通过将所提取特征中的至少一个与存储在特征数据库212中的图像数据进行匹配来确定患者的身份。处理器可以基于例如用户输入或配置(例如，系统配置参数)来确定所提取特征中的哪一个或多个要用于确定患者的身份。进一步地，处理器202可以被配置为确定患者身体的某些区域被挡住或遮盖，并且随后避免使用与挡住区域相关联的特征来进行患者匹配(例如，处理器202可以决定使用诸如患者的行走模式的不同特征来识别患者)。患者的挡住或遮盖区域例如可以通过以下方式来确定：运行用于患者身体的一个或多个部分的挡住检测器(例如，以自下而上的方式)，和/或识别患者的总体姿势，然后基于患者的总体姿势推断挡住区域。与患者的一个或多个图像相关联的深度信息可以用于确定挡住或遮盖区域。处理器202还可以被配置为使用与挡住区域相关联的特征来进行患者匹配，但是提供这种匹配可能不鲁棒的指示(例如，给予匹配低置信度分数)。

在示例实施方式中，除了或代替特征数据库212，处理单元200还可以包括神经网络，用于基于通过感测装置(例如，感测装置106)获得的图像来识别患者。神经网络可以是卷积神经网络(CNN)或深度神经网络(DNN)，深度神经网络包括多个层(例如，输入层、一个或多个卷积层、一个或多个池化层、一个或多个全连接层和/或输出层)。各个层可以对应于多个过滤器(filters)(或核(kernels))，并且各个过滤器可以被设计为检测特定类型的视觉特征。过滤器可以与相应的权重相关联，当将相应的权重应用于输入时，产生指示是否已经检测到某些视觉特征的输出。与过滤器相关联的权重可以由神经网络通过训练过程来学习，该训练过程包括：将来自训练数据集的患者图像输入到神经网络(例如，在正向传递中)，基于损失函数(例如，基于余量的损失函数)计算由当前分配给过滤器的权重导致的损失，以及更新(例如，在反向传递中)分配给过滤器的权重，以最小化损失(例如，基于随机梯度下降)。一旦被训练，神经网络便能够在输入层处取得患者的图像，从图像中提取和/或分类患者的视觉特征，并且在输出层处提供关于输入图像是否与已知患者的图像匹配的指示。

在上述示例的任一个中，一旦找到匹配的患者，处理器202便可以继续基于患者的身份查询储存库(例如，图1中的储存库112)，以检索患者的病历(例如，与医疗过程相关联的图像和/或非图像数据)。病历可以包括例如与要对患者执行的医疗过程相关联的定位信息、患者的先前扫描图片或其他类型的图像、患者的诊断和治疗历史等。处理器202可以基于检索到的病历生成患者的个性化医疗辅助信息(例如，建立医学简档)。处理器202还可以经由图形用户界面向患者或医学专家显示个性化医疗辅助信息的部分或全部，例如，如联合图1所述。

图3a和图3b是例示了示例图形用户界面(GUI)的图，GUI用于响应于基于一个或多个图像识别患者而向患者或医学专家呈现个性化医疗辅助信息。图3a示出了用于呈现个性化医疗辅助信息的第一示例GUI 300a。GUI 300a可以包括区域302a、304a和/或306a。区域302a可以被配置为显示基本患者信息，诸如患者姓名、出生日期、患者上次就诊的时间、诊断、处方等。区域304a可以被配置为显示患者的针对即将进行的医疗过程(例如，MRI扫描)的期望位置或位姿，并且区域306a可以被配置为示出患者先前在类似过程期间采取的位置或位姿(例如，正确和/或不正确的位置或位姿)和/或患者为了进入期望位置或位姿而进行的调节。位置或位姿和/或调节信息可以以各种格式呈现，包括例如视频或动画。

图3b示出了用于呈现本文所述的个性化医疗辅助信息的第二示例GUI 300b。GUI300b可以包括区域302b、304b和/或306b。图3b中的区域302b可以被配置为显示基本患者信息，类似于图3a中的区域302a，并且区域304b可以被配置为显示患者的诊断或治疗历史，诸如与在对应扫描位置或位姿的患者的图片或模型重叠的患者的扫描图像，如本文所述。服务提供者(例如，医生)可以例如使用滚动条306b浏览所呈现的信息。

图4是例示了可以由本文所述的个性化健康护理系统(例如，图1的系统100)实施的方法400的流程图。为了说明的简单起见，方法400中的操作在本文中以特定顺序描绘和描述。然而，应当理解，这些操作可以以各种顺序和/或同时、和与本文未呈现和描述的其它操作一起发生。此外，并非所有例示的操作都是实施本文所公开的方法所需要的。

方法400可以在402处由个性化健康护理系统的处理单元(例如，图1的处理单元110或图2的处理单元200)开始。在404处，处理单元可以从感测装置(例如，图1的感测装置106)接收患者的一个或多个图像。这种图像可以包括照相机照片、热图像和/或描绘患者的特性的其他类型的图像。在406处，处理单元可以分析所接收的图像，并且基于从图像提取的特征中的至少一个来确定患者的身份。如本文所述，分析和/或识别例如可以通过以下方式来执行：将所提取特征中的至少一个与存储在特征数据库中的患者的已知特征进行匹配，和/或利用被训练用于视觉识别的神经网络。一旦确定了患者的身份，处理单元就可以在408处从一个或多个储存库(例如，图1中的储存库112)检索患者的病历(例如，图像和/或非图像数据)，并且使用这些病历来生成患者的个性化医疗辅助信息(例如，医学简档)。然后在410处，可以使用个性化医疗辅助信息来向患者提供个性化健康护理服务，包括例如定位辅助、扫描图像回顾、病史分析等。

尽管已经根据某些实施例和一般关联的方法描述了本公开，但是实施例和方法的变更和变换将对本领域技术人员显而易见。因此，示例性实施例的以上描述不限制本公开。在不脱离本公开的精神和范围的情况下，其它改变、替换和变更也是可能的。另外，除非另外具体陈述，否则利用诸如“分割”、“分析”、“确定”、“启用”、“识别”、“修改”等术语的讨论是指计算机系统或类似电子计算装置的动作和过程，这些动作和过程将表示为计算机系统的寄存器和存储器内的物理(例如，电子)量的数据操纵和变换成表示为计算机系统存储器或其它这种信息存储、传输或显示装置内的物理量的其它数据。

应当理解，上述描述旨在为说明性的，而不是限制性的。在阅读和理解以上描述之后，许多其它实施方式对于本领域技术人员将显而易见。因此，本公开的范围应当参考所附权利要求以及这种权利要求被赋予的等同物的全部范围来确定。