CN101061483B - 用于计算机辅助诊断的原位数据收集架构 - Google Patents

用于计算机辅助诊断的原位数据收集架构 Download PDF

Info

Publication number
CN101061483B
CN101061483B CN200580039766XA CN200580039766A CN101061483B CN 101061483 B CN101061483 B CN 101061483B CN 200580039766X A CN200580039766X A CN 200580039766XA CN 200580039766 A CN200580039766 A CN 200580039766A CN 101061483 B CN101061483 B CN 101061483B
Authority
CN
China
Prior art keywords
pathology
feature
curstomer
true value
pairing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN200580039766XA
Other languages
English (en)
Other versions
CN101061483A (zh
Inventor
L·赵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101061483A publication Critical patent/CN101061483A/zh
Application granted granted Critical
Publication of CN101061483B publication Critical patent/CN101061483B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

发布了在可能是恶性病变的成像中的自动化诊断决策支持(104)并将其简化以保护患者隐私并降低带宽和事务成本。在客户医院现场(108a，108b)，软件代理(132)监控数据库并进而获取病变的图像以及该病变是恶性或良性的实测数据(S310-S330)。在根据该图像计算出该病变的至少一个特征(S340，S350)后，该软件代理将该特征和实测数据从医院传输到中心诊断决策支持服务器(S360，S370)。当客户医院现场需要自动诊断支持时，新患者的病变特征被同样提取出来并在一个查询消息中被传输到外部服务器(S440)。位于该服务器上的分类器将返回诊断(良性/恶性)和置信度(S450，S460)。

Description

用于计算机辅助诊断的原位数据收集架构
技术领域
本发明涉及自动诊断支持，尤其涉及用于自动诊断支持的有重点的、有效的数据收集。
背景技术
保健诊断决策支持系统或计算机辅助诊断(CAD)系统用来将数字图像中检测到的未知的病变或肿瘤分成不同类别，例如恶性或良性。通常，使用机器学习技术(如决策树和神经网络)根据大量具有基本事实的已知病例(即已经由病理学确认诊断的病例)来构造分类器。分类器根据从已知病例构造的计算结构和输入的未知肿瘤病例的特征做出诊断。分类器输出表示估算出的未知肿瘤的性质(如恶性或良性)，或者还带有置信度值。随着医疗成像设备的精度提高到能够检测出非常小的肿瘤，并且随着要处理的数字图像数量的增加，这种类型的CAD作为帮助医生的工具变得越来越重要。计算机产生的分类被看作医生的第二意见以便提高与诊断相关的精度和置信度。
CAD的主要问题之一是难以获取足够的数据或已知病例以训练计算机。除了技术困难之外，还有很多原因，例如医院不愿公开患者图片、获取这些数据的高昂成本、或者其它社会/政治原因。过去的研究项目使用的最大的数据集仅包含几百个病例。
这个问题成为关键是因为CAD解决方案的可靠性、可信度以及未来的联邦药物管理局(FDA)批准标准很大程度上依赖于用来构造CAD软件的病例数量以及这些病例的典型程度。
因此，这里提出以一种为CAD解决方案提供持续不断的且不断增加的训练的架构发布数据采集。只从医院获取必要的数据，而不是全部数字图像。
发明内容
本发明人已经认识到构造可靠的CAD解决方案只需要更多图像特征(如对充实度、平均灰度值、曲率、边缘、形状、密度、毛刺征等的测量)以及与病变相关的真值。传统上被看作CAD的必要条件并且难以从临床机构获得的其它的患者敏感数据，如患者姓名、出生日期、甚至整个数字图像，实际上并非必要。
使用所发布的计算技术，在临床机构的范围内获得病变特征和真值，并且这个信息本质上当然可以被公开给中心CAD服务器而不需要任何进一步的公开。这不同于从临床机构获取图像然后进行特征提取的传统方法。从后处理到预处理的变化使得更容易获取有用信息用于构造CAD解决方案，同时将处理实际的患者图像的风险和困难降至最低。
一方面，用于收集医疗数据的方法涉及在客户现场捕获客户现场上的医疗对象的病变图像。从捕获到的图像，获取该病变的至少一个特征。证明该病变是恶性或良性的该至少一个特征和真值被客户现场发送到部署在客户现场外部的服务器。
另一方面，位于客户现场的数据收集装置接收到医疗对象的病变是恶性或良性的真值。该装置将接收到的真值和从该病变的图像计算出的该病变的至少一个特征指数配对。该配对被发送到部署在客户现场外部的服务器。
又一方面，服务器具有用于从任意多个客户现场接收包含(a)病变是恶性或良性的真值和(b)从病变的图像获取的该病变的至少一个特征的配对的相应接收装置。服务器还包括诊断支持处理器用于基于接收到的配对的不断增长的训练。这些现场彼此位于对方外部，并且都位于服务器外部。
又一方面，在处理器可读介质中嵌入了用于收集医疗数据并位于客户现场的计算机软件产品。该产品包含可执行来监控客户现场的数据库的指令。更多的指令从响应监控的数据库获取医疗对象的病变的图像以及该病变是恶性或良性的真值。该产品还包括用于输出访问的真值和从访问的图像获得的病变的至少一个特征以发送到位于客户现场外部的服务器的指令。
附图说明
借助于下面列举的附图，说明这里所公开的发明的细节，附图中：
图1描绘了根据本发明的CAD输入信息收集系统；
图2是根据本发明的客户-数据库构造子过程的流程图；
图3是根据本发明的软件代理处理的流程图；
图4是根据本发明的服务器处理的一对流程图。
具体实施方式
图1通过说明性且非限制性的示例描绘出了根据本发明的CAD输入信息收集系统100。系统100包括诊断决策支持服务器104和客户现场医院(或客户现场)108a和108b。可以只包括一个客户现场医院或超过两个客户现场医院(未示出)，优选地超过两个客户现场医院。
在客户现场医院108a内是成像装置112和数据收集装置116，这些装置相互连接在一起。成像装置112的成像可以是任意类型，如超声波和可算式层析X射线摄影法(CT)、核磁共振成像(MRI)。
数据收集装置116包括用户接口(UI)120、患者数据库124、包含软件代理(software agent)132的存储器128。存储器128优选地以任意形式包括随机访问存储器(RAM)和只读存储器(ROM)。
软件代理132具有分割算法136和特征提取算法140。
为了从客户现场医院108a和108b接收到传输，服务器104具有接收装置144。处理器148的处理结果由传输装置152发送到各自的客户现场108a和108b。
放射专家或其它医疗专家160操作数据收集装置116，可能需要医院管理机构或行政人员164的同意以授权将信息从医院108a和108b传送到外部服务器104。
图2示出了根据本发明的客户-数据库构造子过程200的一个示例。当一个新的患者166的病变或肿瘤被成像在成像装置112上时(步骤S210、S220)，检查输出的放射专家做出该病变是恶性或良性的诊断。该诊断(即良性肺结核不会在两年时间里长成)可以由专家判断做出，或者根据活组织检查或外科手术做出。放射专家160还可以在做出诊断时利用来自服务器104的CAD支持，下面将更详细地对此进行说明。可以单独或组合使用这些技术。采集或捕获的病变图像被存储在患者数据库124中。这可以发生在诊断(步骤S230、S240)之前或之后。这里假定新患者166的信息最终只被一次性传输到服务器104。
为了将新患者166添加为适合用于构造自动化诊断决策支持系统的病例，优选地首先获取与该病变有关的真值。真值通常需要独立于成像获取的信息以证实或驳斥病理学的诊断。因而，例如外科手术或活组织检查可以带来快速的解决。肿瘤随时间(如两年)不生长也可以产生良性的真值。
当获取到真值(步骤S250)时，放射专家或其它医疗从业人员160可以通过用户接口操作数据收集装置116以将真值存储在患者数据库124中。真值优选地和在病变图像内的位置一起被存储(步骤S260)。图像自身通常先前已经被存储了。
图3示范了根据本发明的软件-代理处理300的一个示例。软件代理132可以自主地运行以有选择地从数据库124提取信息传输给服务器104，虽然可能会受到来自医院管理者164的授权的限制。如果为服务器104提供输入数据不是免费的话，可以在这个点上运行收费或计费应用程序。
在一个实施例中，软件代理132连续不断地监控数据库124以检测究竟何时添加了真值(步骤S310)。或者，监控使得在添加了真值时软件代理132得到通知。可以周期性地执行该通知，或者在预定数量的真值添加后执行，或者根据任意其它标准执行，如数据库中的存储紧密度。
当软件代理132准备好处理来自数据库124的信息时，数据收集装置116可以通过用户接口(未示出)联系医院管理机构164。如果获得了授权(步骤S320)，装置116或医院管理机构164可以运行计费应用程序。无论如何，装置116获得了对病变的真值和图像的访问(步骤S330)。或者，装置116可以对各个患者的任意数量的病变访问所述信息。但是，不管什么协议，通常为特定病人的特定病变访问单个真值。万一真值由于病理学的变化而随时间发生变化(尽管很少发生)，软件代理132可以用表示这个配对更新了先前配对的指示扩充要传输给服务器104的配对。
作为保持系统100的完整性的常用措施，软件代理132可以标记正在被访问的数据库记录。因而，如果患者166离开了医院108a、108b到另一家医院，所传输的患者记录将表示该患者的信息已经被输入以构造服务器104中的诊断决策支持，由此避免了相同病变的重复输入。
代理132首先使用分割算法140分割图像中的病变(步骤S340)，由此将它从图像中它的背景和/或其它结构分开。调整图像或分割图像中的对象的方法在医疗成像领域是众所周知的。
接着，提取算法136计算出一个或多个特征以由此从病变的图像中提取出它们(步骤S350)。例如，一个这样的特征可能是例如曲率的测量。提取出的特征可以属于一个特定的特征种类或类别组，这个特定的特征种类或类别组可能随着每个处理过的病变变化或不变化。可以由医疗成像领域中同样众所周知的技术实现自动化特征提取。
将为病变计算出的特征中的至少一个(优选的是全部)和真值进行配对以传输到服务器104(步骤S360)。来自数据库124的任何信息或者来自医院108a和108b中的任意其它来源的任何信息(可能用来标识新患者166)被排除在该传输之外。这保护了患者的隐私。将传输限制在这样一个或多个配对节省了带宽，由此降低了处理成本。另外，处理的连续性和自动性降低了交易负担，因而进一步降低了成本。
软件代理132输出要传输的配对或更积极地参与传输(步骤S370)。该配对(优选地是多个)形成了从医院108a、108b传输到服务器104的消息或包的有效载荷。
通常，在服务器上不需要任何其它的患者信息。一个例外是在新患者166具有超过一个要检查的病变时可能需要额外的信息。软件代理132将分别处理两个或多个病变，但可以指示正在传输到服务器104的多个配对属于相同患者。这个指示可以来自例如消息有效载荷中数据的排列。例如，如果多个配对通常按真值、特征、真值、特征的顺序在同一传输中被发送，就可以按真值、真值、特征、特征的顺序表示同一患者的两处肿瘤。或者，同一患者的多个配对可以被链接在一起，而不改变有效载荷中字段的顺序。在同一患者的多个肿瘤或者单个肿瘤的情况下还可以向消息添加其它信息，尽管这种情况下不需要任何标识患者的信息。
图4呈现了训练子过程400和查询子过程410的流程图示例。当服务器104接收到传输来的消息时(步骤S420)，服务器将真值/特征配对或将它们的每一个作为一个新的病例进行添加。服务器104不断地用新的病例进行训练(步骤S430)。例如，服务器104用第一个新病例(即？)训练，再用第二个新病例训练，等等。或者，服务器104可以用在来自医院108a和108b的传输中接收到的所有新病例训练，然后再次根据任何后续接收到的传输训练。如果消息有效载荷中有多个配对，服务器104优选地还注意到由字段的排序所做出的多个病例属于同一患者的指示。
在接收到来自医院108a、108b的对自动化诊断支持的请求(步骤S440)后，处理器148中的分类器(未示出)准备响应(S450)。该请求可以伴随有肿瘤的图像，以及不标识患者的任何其它相关信息。例如，该请求可以包含以上述方式或任意其它已知的适当方式提取出的病变特征。可以包括这些特征但不是在肿瘤图像中，或者另外在肿瘤图像中包括这些特征。响应通常包括诊断，可能还有与该诊断相关的置信度。响应还可以包括分类器确定为相似病例的图像以及它们各自的真值。在一个实施例中，相似病例的这些图像可能已经伴随引入的真值/特征配对。响应被发送回请求客户现场108a、108b(步骤S460)并且在UI 120上被呈现给放射专家160。处理该请求和响应的UI 120可以是相同用户接口或不同于放射专家160在输入真值信息时所用的用户接口。
尽管已经根据本发明的优选实施例从根本上展示、说明和指出了本发明的新特性，但可以理解的是本发明的技术人员在不偏离本发明的精神的前提下可以对所示装置的形式和细节以及它们的运行进行各种省略、替代和变化。例如，明显地意味着以本质上相同的方式完成本质上相同的功能以实现相同结果的那些元件和/或方法步骤的任意组合都在本发明的范围内。此外，应该认识到结合本发明的任意公开的形式或实施例所展示和/或说明的结构和/或元件和/或方法步骤可以作为设计选择的一般内容被引入任意其它公开的或说明的或建议的形式或实施例中。因此，其目的是仅由这里所附权利要求所示的范围来限制。

Claims (12)

1.一种位于客户现场(108)的数据收集装置(116)，被配置用于：
接收(S260)医疗对象(116)的病变是恶性或良性的真值；
将接收到的真值与从病变的图像计算出的该病变的至少一个特征配对(S360)，其中所述配对形成消息的有效载荷；并
将所述消息传输(S370)到位于客户现场外部的决策支持服务器(104)，其中所述传输排除(S360)了标识所述医疗对象(166)的任何信息，
其中所述数据收集装置(116)还包括：
用来输入所述真值的用户接口(120)；以及
用于保存图像中所述病变的位置以及该病变相应的真值的数据库(124)。
2.如权利要求1所述的装置，其中，所述配对结合真值与一个或多个相关特征的任意其它配对来形成消息的有效载荷。
3.如权利要求1所述的装置，其中所述装置被配置用于在相同或不同的用户接口上接收(S460)来自所述决策支持服务器的诊断决策支持信息。
4.如权利要求3所述的装置，还被配置用于访问所述数据库以计算所述至少一个特征并搜索所述相应的真值。
5.如权利要求4所述的装置，还被配置用于在授权(164)的控制下，访问所述数据库以计算所述至少一个特征并搜索所述相应的真值。
6.如权利要求4或5所述的装置，还被配置用于：
分割(S340)图像中的病变；以及
通过从所述图像中分割出的病变提取(S350)所述至少一个特征而计算所述至少一个特征。
7.如权利要求1所述的装置，还被配置用于计算(S350)所述至少一个特征，所述至少一个特征包括对下列中至少一个的测量：充实度、平均灰度值、曲率、边缘、形状、密度和毛刺征。
8.一种位于客户现场(108)的设备，包括：
如权利要求1-7中任一个所述的装置(116)；和
配置用于从位于客户现场的医疗对象(166)捕获所述图像的成像装置(112)。 
9.一种用于收集医疗数据的系统(100)，包括：
位于各个客户现场(108a、108b)的多个如权利要求1-7中任一个所述的装置(116)，其每个都作为决策支持服务器(104)的客户端，和
决策支持服务器(104)，包括
接收装置(144)，用于从客户现场(108)接收相应的配对，该配对包含(a)医疗对象(166)的病变是恶性或良性的真值；和(b)从该病变的图像获取的该病变的至少一个特征；以及
用于根据接收到的配对逐步训练(S430)计算机辅助诊断软件的诊断支持处理器(148)，所述现场(108a、108b)彼此位于对方外部，并且都位于所述决策支持服务器外部。
10.如权利要求9所述的系统(100)，其中所述决策支持服务器还包括用于将诊断决策支持信息发送到客户现场的传输装置(152)。
11.如权利要求9所述的系统(100)，其中所述各个配对形成了要从多个客户现场之一传输的消息的有效载荷，以便接收相应的配对能接收到该消息有效载荷。
12.如权利要求11所述的系统(100)，其中其中所述各个配对根据权利要求10结合真值与一个或多个相关特征的任意其它配对来形成要从多个客户现场之一传输的消息的有效载荷。 
CN200580039766XA 2004-11-19 2005-11-16 用于计算机辅助诊断的原位数据收集架构 Active CN101061483B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US62975304P 2004-11-19 2004-11-19
US60/629,753 2004-11-19
US65936305P 2005-03-07 2005-03-07
US60/659,363 2005-03-07
PCT/IB2005/053779 WO2006054248A2 (en) 2004-11-19 2005-11-16 In-situ data collection architecture for computer-aided diagnosis

Publications (2)

Publication Number Publication Date
CN101061483A CN101061483A (zh) 2007-10-24
CN101061483B true CN101061483B (zh) 2013-01-23

Family

ID=36113844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200580039766XA Active CN101061483B (zh) 2004-11-19 2005-11-16 用于计算机辅助诊断的原位数据收集架构

Country Status (5)

Country Link
US (1) US20090148011A1 (zh)
EP (1) EP1815374A2 (zh)
JP (1) JP2008520313A (zh)
CN (1) CN101061483B (zh)
WO (1) WO2006054248A2 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9792414B2 (en) 2007-12-20 2017-10-17 Koninklijke Philips N.V. Method and device for case-based decision support
CN102599885A (zh) * 2011-01-25 2012-07-25 富泰华工业（深圳）有限公司 具有健康提示功能的电子装置及其健康提示方法
CN102988075B (zh) * 2012-11-28 2014-10-29 徐州医学院 一种ct影像诊断自动化系统
US9913583B2 (en) 2015-07-01 2018-03-13 Rememdia LC Health monitoring system using outwardly manifested micro-physiological markers
US20170000392A1 (en) * 2015-07-01 2017-01-05 Rememdia LC Micro-Camera Based Health Monitor
WO2017043680A1 (ko) * 2015-09-11 2017-03-16 주식회사 루닛 의료 데이터의 개인 정보 보호를 위한 인공 신경망의 분산 학습 시스템 및 방법
CN105653858A (zh) * 2015-12-31 2016-06-08 中国科学院自动化研究所 一种基于影像组学的病变组织辅助预后系统和方法
WO2018083142A1 (en) * 2016-11-02 2018-05-11 Ventana Medical Systems, Inc. Systems and methods for encoding image features of high-resolution digital images of biological specimens
CN106778037A (zh) * 2017-01-12 2017-05-31 武汉兰丁医学高科技有限公司 一种基于细胞图像云服务器诊断的分析方法
EP3792871A1 (en) * 2019-09-13 2021-03-17 Siemens Healthcare GmbH Method and data processing system for providing a prediction of a medical target variable
CN116168845B (zh) * 2023-04-23 2023-07-25 安徽协创物联网技术有限公司 一种图像数据处理协同运动系统

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7366676B2 (en) * 2001-05-29 2008-04-29 Mevis Breastcare Gmbh & Co. Kg Method and system for in-service monitoring and training for a radiologic workstation
US5660183A (en) * 1995-08-16 1997-08-26 Telectronics Pacing Systems, Inc. Interactive probability based expert system for diagnosis of pacemaker related cardiac problems
US6018713A (en) * 1997-04-09 2000-01-25 Coli; Robert D. Integrated system and method for ordering and cumulative results reporting of medical tests
US6901156B2 (en) * 2000-02-04 2005-05-31 Arch Development Corporation Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images
IL136884A0 (en) * 2000-06-19 2001-06-14 Yissum Res Dev Co A system for cancer detection and typing and for grading of malignancy
US7587368B2 (en) * 2000-07-06 2009-09-08 David Paul Felsher Information record infrastructure, system and method
US7181017B1 (en) * 2001-03-23 2007-02-20 David Felsher System and method for secure three-party communications
JP2003038476A (ja) * 2001-08-03 2003-02-12 Konica Corp コンピュータ支援診断システム
US7397937B2 (en) * 2001-11-23 2008-07-08 R2 Technology, Inc. Region growing in anatomical images
JP2004005364A (ja) * 2002-04-03 2004-01-08 Fuji Photo Film Co Ltd 類似画像検索システム
JP2004154560A (ja) * 2002-10-17 2004-06-03 Toshiba Corp 医用画像診断システム、医用画像診断システムにおける情報提供サーバ及び情報提供方法
US6839455B2 (en) * 2002-10-18 2005-01-04 Scott Kaufman System and method for providing information for detected pathological findings
JP2004173748A (ja) * 2002-11-25 2004-06-24 Hitachi Medical Corp 類似医用画像データベース作成方法、類似医用画像データベース並びに類似医用画像検索方法及び装置
DE10259316A1 (de) * 2002-12-18 2004-07-15 Siemens Ag Verfahren und Vorrichtung zur Erstellung standardisierter medizinischer Befunde
US20040122787A1 (en) * 2002-12-18 2004-06-24 Avinash Gopal B. Enhanced computer-assisted medical data processing system and method
JP2004295184A (ja) * 2003-03-25 2004-10-21 Fuji Photo Film Co Ltd 診断支援画像処理サービスシステム
JP4190326B2 (ja) * 2003-03-26 2008-12-03 富士通株式会社 情報提供システム
US20050114181A1 (en) * 2003-05-12 2005-05-26 University Of Rochester Radiology order entry and reporting system
CA2535942A1 (en) * 2003-08-21 2005-03-10 Ischem Corporation Automated methods and systems for vascular plaque detection and analysis
US20050096530A1 (en) * 2003-10-29 2005-05-05 Confirma, Inc. Apparatus and method for customized report viewer
US20050267782A1 (en) * 2004-05-28 2005-12-01 Gudrun Zahlmann System for processing patient medical data for clinical trials and aggregate analysis
US20090083075A1 (en) * 2004-09-02 2009-03-26 Cornell University System and method for analyzing medical data to determine diagnosis and treatment

Also Published As

Publication number Publication date
CN101061483A (zh) 2007-10-24
EP1815374A2 (en) 2007-08-08
WO2006054248A3 (en) 2006-10-05
WO2006054248A2 (en) 2006-05-26
US20090148011A1 (en) 2009-06-11
JP2008520313A (ja) 2008-06-19

Similar Documents

Publication Publication Date Title
CN101061483B (zh) 用于计算机辅助诊断的原位数据收集架构
CN110996789B (zh) 执行筛查、诊断或其他基于图像的分析任务的系统和方法
US10249042B2 (en) Method and apparatus for providing medical information service on basis of disease model
Brady et al. eDiamond: A grid‐enabled federated database of annotated mammograms
KR20190105210A (ko) 통합 의료 진단 서비스 제공 시스템 및 그 방법
US20080154154A1 (en) Internet-based system and a method for automated analysis of tactile imaging data and detection of lesions
JP7374202B2 (ja) 機械学習システムおよび方法、統合サーバ、プログラムならびに推論モデルの作成方法
CN101903888B (zh) 用于基于跨模态病例的计算机辅助诊断的方法和系统
EP3973539A1 (en) System and method for interpretation of multiple medical images using deep learning
US20100228727A1 (en) Case image registration apparatus, method and recording medium, and case image search apparatus, method, recording medium and system
JP6885896B2 (ja) 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム
US8121863B2 (en) Method for detecting abnormalities in medical screening
US20040015372A1 (en) Method and system for processing and aggregating medical information for comparative and statistical analysis
US20220237898A1 (en) Machine learning system and method, integration server, information processing apparatus, program, and inference model creation method
CN105956386A (zh) 基于健康人胸片的健康指标指数分类系统和方法
US10803986B2 (en) Automatic layout apparatus, automatic layout method, and automatic layout program
Korkmaz et al. Diagnosis of breast cancer in light microscopic and mammographic images textures using relative entropy via kernel estimation
Wang et al. Automatic segmentation of lumbar spine MRI images based on improved attention U-net
Tobin et al. Using a patient image archive to diagnose retinopathy
WO2023190880A1 (ja) 脳画像データ解析装置、脳画像データ解析方法および脳画像データ解析プログラム
US20210125332A1 (en) Diagnosis assisting system, diagnosis assisting method and diagnosis assisting program
CN112967246A (zh) 用于临床决策支持系统的x射线影像辅助装置及方法
CN112641466A (zh) 一种超声人工智能辅助诊断方法及装置
EP3667674A1 (en) Method and system for evaluating images of different patients, computer program and electronically readable storage medium
Kesavamurthy et al. Pattern Classification using imaging techniques for Infarct and Hemorrhage Identification in the Human Brain

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant