1.非暂时性计算机可访问介质，其上存储有用于使用医学成像数据来筛查至少一个囊性病灶的计算机可执行指令，其中，当计算机装置执行所述指令时，所述计算机装置配置成执行包括以下的程序：
接收至少一个患者的至少一个器官的第一成像信息；
通过对所述第一成像信息执行分割操作来生成第二成像信息以识别多种组织类型，所述多种组织类型包括指示所述至少一个囊性病灶的至少一种组织类型；
在所述第二成像信息中识别所述至少一个囊性病灶；以及
将第一分类器和第二分类器应用于所述至少一个囊性病灶以将所述至少一个囊性病灶分类为多种囊性病灶类型中的一种或更多种。
2.权利要求1所述的计算机可访问介质，其中所述第一分类器是随机森林(RF)分类器，并且所述第二分类器是卷积神经网络分类器(CNN)。
3.权利要求2所述的计算机可访问介质，其中所述CNN包括至少6个卷积层。
4.权利要求3所述的计算机可访问介质，其中所述至少6个卷积层包括至少一个最大池化层、至少一个退出层和至少一个全连接层。
5.权利要求4所述的计算机可访问介质，其中所述至少一个最大池化层包括3个最大池化层，所述至少一个退出层包括2个退出层，并且所述至少一个全连接层包括3个全连接层。
6.权利要求5所述的计算机可访问介质，其中所述3个全连接层包括所述2个退出层。
7.权利要求1所述的计算机可访问介质，其中所述计算机装置配置成通过将所述第一成像信息分割为前景和背景来生成所述第二成像信息。
8.权利要求7所述的计算机可访问介质，其中所述前景包括胰腺，并且所述背景包括多个另外的囊性病灶。
9.权利要求7所述的计算机可访问介质，其中所述计算机装置还配置成通过产生针对所述前景和所述背景的多个分割轮廓来生成所述第二信息。
10.权利要求9所述的计算机可访问介质，其中所述计算机装置配置成通过分析所述至少一个患者的至少一个特征来应用所述第一分类器，其中所述至少一个特征包括以下中的至少一个：(i)所述至少一个患者的年龄，(ii)所述至少一个患者的性别，(iii)胰腺中所述至少一个囊性病灶的位置，(iv)所述至少一个囊性病灶的形状，或(iv)所述至少一个囊性病灶的强度特征。
11.权利要求10所述的计算机可访问介质，其中所述计算机装置还配置成基于所述前景的分割轮廓或强度特征中的至少一个来产生所述至少一个特征。
12.权利要求1所述的计算机可访问介质，其中所述分割操作是自动分割程序。
13.权利要求1所述的计算机可访问介质，其中所述计算机装置配置成通过以下来生成所述第二成像信息：
向至少一个用户显示所述第一成像信息，以及
基于从所述至少一个用户接收的输入来分割所述第一成像信息。
14.权利要求1所述的计算机可访问介质，其中所述计算机装置配置成：
将所述第一分类器应用于所述至少一个囊性病灶以产生第一组类别概率；以及将所述第二分类器应用于所述至少一个囊性病灶以产生第二组类别概率。
15.权利要求14所述的计算机可访问介质，其中所述计算机装置配置成通过将贝叶斯组合应用于所述第一组类别概率和第二组类别概率来对所述至少一个囊性病灶进行分类。
16.权利要求1所述的计算机可访问介质，其中所述计算机装置配置成将所述至少一个囊性病灶分类为以下中的至少一种：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。
17.权利要求16所述的计算机可访问介质，其中所述分类包括所述至少一个囊性病灶是以下中的至少一种的概率：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。
18.权利要求1所述的计算机可访问介质，其中所述至少一个囊性病灶位于所述至少一个患者的胰腺中。
19.权利要求1所述的计算机可访问介质，其中所述第一成像信息包括磁共振成像信息或计算机断层扫描成像信息。
20.用于使用医学成像数据来筛查至少一个囊性病灶的系统，其包含：
计算机硬件装置，其配置成：
接收至少一个患者的至少一个器官的第一成像信息；
通过对所述第一成像信息执行分割操作来生成第二成像信息以识别多种组织类型，所述多种组织类型包括指示所述至少一个囊性病灶的至少一种组织类型；
在所述第二成像信息中识别所述至少一个囊性病灶；以及
将第一分类器和第二分类器应用于所述至少一个囊性病灶以将所述至少一个囊性病灶分类为多种囊性病灶类型中的一种或更多种。
21.权利要求20所述的系统，其中所述第一分类器是随机森林(RF)分类器，并且所述第二分类器是卷积神经网络分类器(CNN)。
22.权利要求21所述的系统，其中所述CNN包括至少6个卷积层。
23.权利要求22所述的系统，其中所述至少6个卷积层包括至少一个最大池化层、至少一个退出层和至少一个全连接层。
24.权利要求23所述的系统，其中所述至少一个最大池化层包括3个最大池化层，所述至少一个退出层包括2个退出层，并且所述至少一个全连接层包括3个全连接层。
25.权利要求24所述的系统，其中所述3个全连接层包括所述2个退出层。
26.权利要求20所述的系统，其中所述计算机硬件装置配置成通过将所述第一成像信息分割为前景和背景来生成所述第二成像信息。
27.权利要求26所述的系统，其中所述前景包括胰腺，并且所述背景包括多个另外的囊性病灶。
28.权利要求26所述的系统，其中所述计算机硬件装置还配置成通过产生针对所述前景和所述背景的多个分割轮廓来生成所述第二信息。
29.权利要求28所述的系统，其中所述计算机硬件装置配置成通过分析所述至少一个患者的至少一个特征来应用所述第一分类器，其中所述至少一个特征包含以下中的至少一个：(i)所述至少一个患者的年龄，(ii)所述至少一个患者的性别，(iii)胰腺中所述至少一个囊性病灶的位置，(iv)所述至少一个囊性病灶的形状，或(iv)所述至少一个囊性病灶的强度特征。
30.权利要求29所述的系统，其中所述计算机硬件装置还配置成基于所述前景的分割轮廓或强度特征中的至少一个来产生所述至少一个特征。
31.权利要求20所述的系统，其中所述分割操作是自动分割程序。
32.权利要求20所述的系统，其中所述计算机硬件装置配置成通过以下来生成所述第二成像信息：
向至少一个用户显示所述第一成像信息，以及
基于从所述至少一个用户接收的输入来分割所述第一成像信息。
33.权利要求20所述的系统，其中所述计算机硬件装置配置成：
将所述第一分类器应用于所述至少一个囊性病灶以产生第一组类别概率；以及将所述第二分类器应用于所述至少一个囊性病灶以产生第二组类别概率。
34.权利要求33所述的系统，其中所述计算机硬件装置配置成通过将贝叶斯组合应用于所述第一组类别概率和所述第二组类别概率来对所述至少一个囊性病灶进行分类。
35.权利要求20所述的系统，其中所述计算机硬件装置配置成将所述至少一个囊性病灶分类为以下中的至少一种：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。
36.权利要求35所述的系统，其中所述分类包括所述至少一个囊性病灶是以下中的至少一种的情况的概率：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。
37.权利要求20所述的系统，其中所述至少一个囊性病灶位于所述至少一个患者的胰腺中。
38.权利要求20所述的系统，其中所述第一成像信息包含磁共振成像信息或计算机断层扫描成像信息。
39.用于使用医学成像数据来筛查至少一个囊性病灶的方法，其包括：
接收至少一个患者的至少一个器官的第一成像信息；
通过对所述第一成像信息执行分割操作来生成第二成像信息以识别多种组织类型，所述多种组织类型包括指示所述至少一个囊性病灶的至少一种组织类型；
在所述第二成像信息中识别所述至少一个囊性病灶；以及
使用计算机硬件装置，将第一分类器和第二分类器应用于所述至少一个囊性病灶以将所述至少一个囊性病灶分类为多种囊性病灶类型中的一种或更多种。
40.权利要求39所述的方法，其中所述第一分类器是随机森林(RF)分类器，并且所述第二分类器是卷积神经网络分类器(CNN)。
41.权利要求40所述的方法，其中所述CNN包括至少6个卷积层。
42.权利要求41所述的方法，其中所述至少6个卷积层包括至少一个最大池化层、至少一个退出层和至少一个全连接层。
43.权利要求42所述的方法，其中所述至少一个最大池化层包括3个最大池化层，所述至少一个退出层包括2个退出层，并且所述至少一个全连接层包括3个全连接层。
44.权利要求43所述的方法，其中所述3个全连接层包括所述2个退出层。
45.权利要求39所述的方法，其还包括通过将所述第一成像信息分割为前景和背景来生成所述第二成像信息。
46.权利要求45所述的方法，其中所述前景包括胰腺，并且所述背景包括多个另外的囊性病灶。
47.权利要求45所述的方法，其还包括通过产生针对所述前景和所述背景的多个分割轮廓来生成所述第二信息。
48.权利要求47所述的方法，其还包括通过分析所述至少一个患者的至少一个特征来应用所述第一分类器，其中所述至少一个特征包含以下中的至少一个：(i)所述至少一个患者的年龄，(ii)所述至少一个患者的性别，(iii)胰腺中所述至少一个囊性病灶的位置，(iv)所述至少一个囊性病灶的形状，或(iv)所述至少一个囊性病灶的强度特征。
49.权利要求48所述的方法，其还包括基于所述前景的分割轮廓或强度特征中的至少一个来产生所述至少一个特征。
50.权利要求39所述的方法，其中所述分割操作是自动分割程序。
51.权利要求39所述的方法，其还包括通过以下来生成所述第二成像信息：
向至少一个用户显示所述第一成像信息，以及
基于从所述至少一个用户接收的输入来分割所述第一成像信息。
52.权利要求39所述的方法，其还包括：
将所述第一分类器应用于所述至少一个囊性病灶以产生第一组类别概率；以及将所述第二分类器应用于所述至少一个囊性病灶以产生第二组类别概率。
53.权利要求52所述的方法，其还包括通过将贝叶斯组合应用于所述第一组类别概率和所述第二组类别概率来对所述至少一个囊性病灶进行分类。
54.权利要求39所述的方法，其还包括将所述至少一个囊性病灶分类为以下中的至少一种：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。
55.权利要求54所述的方法，其中所述分类包括所述至少一个囊性病灶是以下中的至少一种的情况的概率：(i)导管内乳头状黏液性肿瘤，(ii)黏液性囊性肿瘤，(iii)浆液性囊腺瘤或(iv)实性假乳头状肿瘤。
56.权利要求39所述的方法，其中所述至少一个囊性病灶位于所述至少一个患者的胰腺中。
57.权利要求39所述的方法，其中所述第一成像信息包括磁共振成像信息或计算机断层扫描成像信息。
58.非暂时性计算机可访问介质，其上存储有用于对至少一个解剖结构进行多标签分割的计算机可执行指令，其中，当计算机装置执行所述指令时，所述计算机装置配置成执行包括以下的程序：
接收与所述至少一个解剖结构的多个单标签数据集有关的第一成像信息；
接收与所述至少一个解剖结构的多个类别标签有关的第二信息；
通过使用卷积神经网络(CNN)基于所述第一成像信息对所述第二信息进行编码来生成第三信息；
通过使用所述CNN对所述第三信息进行解码来生成第四信息；以及
基于所述第四信息分割所述至少一个解剖结构。
59.权利要求58所述的计算机可访问介质，其中所述计算机装置配置成：
使用多个编码层生成所述第三信息；以及
使用多个解码层生成所述第四信息。
60.权利要求59所述的计算机可访问介质，其中所述计算机装置还配置成：
通过基于先前一个编码层对一个编码层进行连接特征映射来生成所述第三信息；以及通过基于先前一个解码层对一个解码层进行连接特征映射来生成所述第四信息。
61.权利要求59所述的计算机可访问介质，其中所述编码层包括至少一个卷积层和至少三个最大池化层。
62.权利要求61所述的计算机可访问介质，其中所述编码层在每个稠密块中包括与每个稠密块的深度成比例的特定数目的特征信道。
63.权利要求59所述的计算机可访问介质，其中所述计算机装置配置成使用具有跨步的多个转置卷积作为与所述编码层拓扑对称的上采样层来生成所述第四信息。
64.权利要求59所述的计算机可访问介质，其中所述解码层之一包括S型函数。
65.权利要求58所述的计算机可访问介质，其中所述至少一个解剖结构是至少一个腹部器官。
66.权利要求59所述的计算机可访问介质，其中所述计算机装置还配置成调节以下至少一个：(i)所述编码层或(ii)所述解码层。
67.权利要求66所述的计算机可访问介质，其中所述计算机装置配置成使用分割的目标标签来调节以下至少一个：(i)所述编码层或(ii)所述解码层。
68.用于对至少一个解剖结构进行多标签分割的系统，其包含：
计算机硬件装置，其配置成：
接收与所述至少一个解剖结构的多个单标签数据集有关的第一成像信息；
接收与所述至少一个解剖结构的多个类别标签有关的第二信息；
通过使用卷积神经网络(CNN)基于所述第一成像信息对所述第二信息进行编码来生成第三信息；
通过使用所述CNN对所述第三信息进行解码来生成第四信息；以及
基于所述第四信息分割所述至少一个解剖结构。
69.权利要求68所述的系统，其中所述计算机硬件装置配置成：
使用多个编码层生成所述第三信息；以及
使用多个解码层生成所述第四信息。
70.权利要求69所述的系统，其中所述计算机硬件装置还配置成：
通过基于先前一个编码层对一个编码层进行连接特征映射来生成所述第三信息；以及通过基于先前一个解码层对一个解码层进行连接特征映射来生成所述第四信息。
71.权利要求69所述的系统，其中所述编码层包括至少一个卷积层和至少三个最大池化层。
72.权利要求71所述的系统，其中所述编码层在每个稠密块中包括与每个稠密块的深度成比例的特定数目的特征信道。
73.权利要求69所述的系统，其中所述计算机硬件装置配置成使用具有跨步的多个转置卷积作为与所述编码层拓扑对称的上采样层来生成所述第四信息。
74.权利要求69所述的系统，其中所述解码层之一包括S型函数。
75.权利要求68所述的系统，其中所述至少一个解剖结构是至少一个腹部器官。
76.权利要求69所述的系统，其中所述计算机硬件装置还配置成调节以下至少一个：
(i)所述编码层或(ii)所述解码层。
77.权利要求76所述的系统，其中所述计算机硬件装置配置成使用分割的目标标签来调节以下至少一个：(i)所述编码层或(ii)所述解码层。
78.用于对至少一个解剖结构进行多标签分割的方法，其包括：
接收与所述至少一个解剖结构的多个单标签数据集有关的第一成像信息；
接收与所述至少一个解剖结构的多个类别标签有关的第二信息；
通过使用卷积神经网络(CNN)基于所述第一成像信息对所述第二信息进行编码来生成第三信息；
通过使用所述CNN对所述第三信息进行解码来生成第四信息；以及
使用计算机硬件装置，基于所述第四信息分割所述至少一个解剖结构。
79.权利要求78所述的方法，其还包括：
使用多个编码层生成所述第三信息；以及
使用多个解码层生成所述第四信息。
80.权利要求79所述的方法，其还包括：
通过基于先前一个编码层对一个编码层进行连接特征映射来生成所述第三信息；以及通过基于先前一个解码层对一个解码层进行连接特征映射来生成所述第四信息。
81.权利要求79所述的方法，其中所述编码层包括至少一个卷积层和至少三个最大池化层。
82.权利要求81所述的方法，其中所述编码层在每个稠密块中包括与每个稠密块的深度成比例的特定数目的特征信道。
83.权利要求79所述的方法，其还包括使用具有跨步的多个转置卷积作为与所述编码层拓扑对称的上采样层来生成所述第四信息。
84.权利要求79所述的方法，其中所述解码层之一包括S型函数。
85.权利要求78所述的方法，其中所述至少一个解剖结构是至少一个腹部器官。
86.权利要求79所述的方法，其还包括调节以下至少一个：(i)所述编码层或(ii)所述解码层。
87.权利要求86所述的方法，其中所述调节以下至少一个：(i)所述编码层或(ii)所述解码层包括使用分割的目标标签。