CN103034779A - 用于提供自动化成像反馈的系统和方法 - Google Patents
用于提供自动化成像反馈的系统和方法 Download PDFInfo
- Publication number
- CN103034779A CN103034779A CN2012103770733A CN201210377073A CN103034779A CN 103034779 A CN103034779 A CN 103034779A CN 2012103770733 A CN2012103770733 A CN 2012103770733A CN 201210377073 A CN201210377073 A CN 201210377073A CN 103034779 A CN103034779 A CN 103034779A
- Authority
- CN
- China
- Prior art keywords
- image
- imaging
- feedback
- patient
- instruction
- 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.)
- Pending
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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明描述了用于提供自动化成像反馈的系统和方法。自动提供成像反馈的示例计算机实现的方法包括将在涉及患者检查的进行中的成像会话中获得的一系列第一图像中的一个或多个与一个或多个参考图像比较,该一个或多个参考图像与对应于患者检查的检查类型关联。示例方法还包括基于该比较自动生成成像反馈。该成像反馈包括用于继续或结束所述成像会话的指令。
Description
背景技术
使用PACS和/或另一个工作站,例如放射科医师等临床医生可进行例如图像读取等多种活动来使临床工作流程便利化。例如放射学或心脏病学过程读取等读取是例如放射科医师或心脏病医师等医疗保健医生(healthcare practitioner)查看患者的数字图像的过程。医生基于诊断图像的内容进行诊断并且电子地(例如,使用口授或另外的)或在纸上报告结果。
发明内容
某些示例提供用于成像结果的自动化反馈的方法、系统、设备和/或制造物品。
自动提供成像反馈的示例计算机实现的方法包括将在涉及患者检查的进行中的成像会话中获得的一系列第一图像中的一个或多个与一个或多个参考图像比较,该一个或多个参考图像与对应于该患者检查的检查类型关联。该示例方法还包括基于该比较自动生成成像反馈。该成像反馈包括用于继续或结束该成像会话的指令。
用于提供成像反馈的示例自动化系统包括图像获取器,用于检索在成像会话期间从患者获得并且涉及检查的第一图像。该示例系统还包括图像比较器,用于检索并且比较参考图像与这些第一图像。该示例系统还包括成像会话确定器,用于基于该比较自动生成成像反馈,该成像反馈包括用于继续或结束成像会话的指令。
示例有形计算机可读取存储介质包括用于使用处理器执行的可执行指令,其中这些指令当被执行时提供用于自动提供成像反馈的系统。该示例系统包括图像获取器,用于检索在成像会话期间从患者获得并且涉及检查的第一图像。该示例系统还包括图像比较器,用于检索并且比较参考图像与这些第一图像。该示例系统还包括成像会话确定器,用于基于该比较自动生成包括用于继续或结束成像会话的指令的成像反馈。
附图说明
图1图示用于成像反馈的示例自动化系统;
图2是示例处理器的框图,其可以用于实现本文公开的示例;
图3描绘可以用于实现本文公开的示例的示例工作流程;
图4示出用于成像反馈的示例自动化系统的示例方法的流程图;
图5是可以用于实现在图1~4中示出并且在本文中描述的系统、设备、制造物品和方法的示例处理器系统的框图;
前面的简要描述以及本发明的某些实施例的下列详细描述当与附图结合阅读时将变得更好理解。为了说明本发明的目的,某些实施例在图中示出。然而,应该理解本发明不限于在附图中示出的设置和工具性。
具体实施方式
尽管以下公开示例方法、系统、制造物品和设备,其除其他部件之外还包括在硬件上执行的软件,应该注意到这样的方法和设备仅是说明性的并且不应该视为限制性的。例如,设想这些硬件和软件部件中的任何或所有部件可以专门采用硬件、专门采用软件、专门采用固件或采用硬件、软件和/或固件的任何组合来体现。因此,尽管以下描述示例方法、系统、制造物品和设备,但提供的示例不是实现这样的方法、系统、制造物品和设备的唯一方式。
当附上的权利要求中的任何权利要求阅读为涵盖纯粹软件和/或固件实现时,据此明确地限定元件中的至少一个为包括存储该软件和/或固件的有形介质,例如存储器、数字视盘(DVD)、压缩盘(CD)等。
许多医院中的工作流程牵涉技术人员执行用于检查的患者扫描并且发送和/或保存该检查和其图像到图片存档和通信系统(PACS)。然而,在发送这些图像到PACS之前,必须对检查的图像进行质量审查。在发送和/或保存检查到PACS之前审查这些图像的人可能是执行患者扫描并且没有资格就与其关联的图像的诊断质量发表意见的技术人员。
结果,发送和/或保存到PACS并且稍后由放射科医师审查的图像可包括质量问题(例如,质量差)。如果该放射科医师标识关于获取的图像的质量问题,这些质量问题可记录在收集和/或存储在放射信息系统(RIS)的对应报告中。如果图像的质量是不令人满意的并且患者已不在医疗保健设施处,患者将不得不安排另一个约见(appointment)。在重新获取图像的约见时,扫描仪将针对特定患者和/或检查、重新获取的定位图像或校准图像和重新进行的扫描而重新校准。定位图像或校准图像是这样的图像,通常获取该图像来确保感兴趣区域被扫描覆盖和/或扫描仪被正确校准以扫描患者。扫描仪的重新校准并且定位图像的重新获取可增加患者放射剂量和/或曝光量。可能在执行检查的时间和放射科医师审查图像的时间之间流失大量时间。该时间流失推迟患者获悉检查结果的时间,如果放射科医师确定由于图像质量差而必须重新执行检查时尤其如此。
在一些示例中,涉及获取的图像的质量的信息由医院管理者使用来量化由相关技术人员完成的工作的质量。然而,因为图像(其中的一些可能具有低质量)仍然由技术人员审查和阅读,基于获取的图像将技术人员分级的工作流程没有改进患者护理。
本文公开的示例通过自动提供基本上即时或“实时”质量保证(QA)反馈给执行患者检查的技术人员,而基本上消除一些已知方式的限制。基本上即时的反馈意思是接收反馈的时间考虑由于处理能力、输送和/或转移数据等引起的延迟。在一些示例中,在进行扫描期间当图像到达PACS和/或扫描仪等时技术人员动态地接收QA反馈。结果,技术人员可在患者仍然在医疗保健设施处时基本上立即重新扫描和/或继续扫描患者并且矫正任何可能存在的质量问题,而不重新校准扫描仪并且不重新获取定位图像或校准图像(其将使患者暴露于额外的放射)。使用本文公开的示例,发送和/或保存到PACS的图像将具有高质量,并且从而稍后审查图像的放射科医师不再具有与审查质量差的图像关联的责任和与其关联的误诊的可能性。
为了提供自动QA反馈给执行检查的技术人员,本文公开的示例将患者检查期间从患者获得的图像中的一个或多个与参考图像(例如,黄金标准图像、标准图像等)比较。在该比较中使用的参考图像与对应于患者检查的检查类型关联并且具有关于曝光、患者安置和/或患者标记的最佳图像质量。在一些示例中,选择来与患者图像比较的参考图像是高质量图像,其在之前对特定检查从具有相似人口统计特征、年龄等的人采集。
在一些示例中,患者图像的质量使用比较过滤器(filter)比较。该比较过滤器可基于曝光、患者安置、患者标记、像素强度、高/低分辨率、视场(FOV)、噪声伪像、信噪比(SNR)、对比度等来比较患者图像与对应的参考图像。SNR可对患者图像中的一个或多个以及对应参考图像中的一个或多个来确定。可减去确定的SNR来确定患者图像的噪声水平。在一些示例中,确定的SNR可针对使用算法选择和/或确定的(例如,自动选择和/或确定的)图像的感兴趣区域(ROI)。
基于比较可确定反馈。在一些示例中,处理反馈来提供指示继续或结束成像会话的结果。反馈可包括患者图像的质量(例如,质量得分、质量水平)、涉及成像会话继续还是结束的信息等。在一些示例中,质量得分可根据例如患者呼吸伪像、患者重量变化等患者因素而被不利地影响。在这样的示例中,由技术人员接收的反馈可标识可能影响了质量得分的任何患者因素。质量得分可以是通过/不及格、数字得分(例如,1、2、3等)、编码得分等。如果质量得分处于或高于预定水平,反馈可包括指令用以结束成像会话并且用于图像上传(例如,自动或人工上传)到PACS。例如,如果反馈指示图像中没有缺陷,成像会话可结束。如果质量得分低于预定水平,反馈可包括指令用以继续成像会话。例如,如果反馈指示图像中的缺陷,成像会话可继续。在一些示例中,如果质量得分低于预定水平,本文描述的示例将确定质量得分为什么低的原因并且提供反馈给与其有关的技术人员。如果SNR比与预期不同(例如,不精确),反馈可标识患者伪像,即患者在扫描期间呼吸等。如果FOV与预期不同(例如,不精确),反馈可包括用于获得参考图像的扫描参数。
在一些示例中,反馈包括用于获得参考图像的参数和/或指导。这些参数和/或指导可帮助和/或提供在获得高(更高)质量图像方面的提示给技术人员。参数和/或指导可包括用来停止/终止扫描的指令,改变例如FOV、千伏每毫安、剂量等扫描参数到用于获得参考图像的参数使得患者图像将具有与参考图像可比较的质量。反馈可在一时间范围内输送给执行扫描的技术人员,该时间范围使患者能够被重新扫描,继续被扫描等(如果必需的话),而不要求患者安排另一个约见。
在一些示例中,患者图像在扫描仪处与参考图像比较,并且然后基于该比较生成反馈。在其他示例中,患者图像输送到PACS,在这里患者图像与参考图像比较,并且然后基于该比较生成反馈。生成的反馈可采用任何适合的格式和/或方式(例如,检查注释(note)、自动电话呼叫、发送给传呼机的消息、电话、移动装置、扫描仪处的消息(例如,弹出消息)等)输送给执行检查的技术人员。在一些示例中,反馈包括质量编码(例如,1、2、3、4等)和/或患者信息。通过监测和/或审查由特定技术人员执行的检查的反馈,本文公开的示例使技术人员的表现能够被评估和/或用于技术人员接受关于如何高效进行患者扫描等的培训。
图1描绘用于提供成像反馈的示例自动化系统100。该系统100包括扫描仪102、图片存档和通信系统(PACS)104、消息传送接口106和网络108。在一些示例中,扫描仪102、PACS 104、消息传送接口106和/或网络108可以在单个系统中实现。在一些示例中,扫描仪102、PACS 104和/或网络108可以与消息传送接口106通信。在一些示例中,消息传送接口106可以与扫描仪102、PACS 104和/或网络108通信。在一些示例中,扫描仪102可以与PACS 104、消息传送接口106和/或网络108通信。网络108可由例如无线局域网和/或广域网、蜂窝网络和/或任何其他适合的网络/路由器实现来在扫描仪102、PACS 104和/或消息传送接口106之间发送数据和/或通信。
在一些示例中,扫描仪102可用于从患者收集数据,进行该患者的检查/扫描(例如,CT扫描等)和/或基于进行的该检查/扫描生成反馈。该反馈可包括渲染的患者图像的质量得分、关于继续或结束成像会话的指令和/或关于如何获得更高质量图像的指令、参数、指导等。在一些示例中,扫描仪102可与PACS 104相互作用来获得参考图像,患者图像将与该参考图像进行比较。基于该比较,可生成与进行的检查/扫描关联的成像反馈。在一些示例中,扫描仪102可与消息传送接口106相互作用来输送反馈给执行检查/扫描的技术人员。
扫描仪102可包括显示器110、处理器112和数据存储或贮存(store)114。该显示器110可显示和/或接收来自执行检查/扫描的技术人员的输入。该处理器112可驱动扫描仪102的部件和/或使扫描仪102与PACS 104和/或消息传送接口106通信。在一些示例中,处理器112可使用显示器110或别的提示技术人员来将患者数据输入进入显示器110和/或输入涉及要进行的检查的数据。处理器112可请求、接收和/或检索与对应于患者检查的检查类型关联的参考图像。这些参考图像可存储在数据贮存114和/或PACS 104处。处理器112可将扫描/检查期间获得的图像中的一个或多个与对应的参考图像比较。基于该比较,可生成与进行的检查/扫描关联的成像反馈(例如,质量水平)。处理器112可使扫描仪102将反馈输送到PACS 104和/或消息传送接口106。如果获得的患者图像处于或高于特定质量水平或阈值,处理器112可使扫描仪102和/或经由消息传送接口106提示技术人员将患者图像和/或检查结果上传(例如,自动或人工上传)到PACS 104。备选地,如果获得的患者图像低于特定质量水平或阈值,处理器112可使扫描仪102和/或经由消息传送接口106提示技术人员重新扫描和/或继续扫描患者。在扫描/检查期间获得的数据、患者数据和/或参考图像中的至少一些可存储在数据贮存114。数据贮存114可包括与处理器112、显示器110、PACS 104、消息传送接口106等通信的任何种类的内部和/或外部存储器、盘、远程存储。
在一些示例中,PACS 104可用于存储数据和/或基于进行的检查/扫描生成反馈。该反馈可包括渲染的患者图像的质量得分,关于继续或结束成像会话的指令和/或关于如何获得更高质量图像的指令、参数等。PACS 104可包括处理器116和数据存储或贮存118。该处理器116可驱动PACS 104的部件和/或使PACS 104与扫描仪102和/或消息传送接口106通信。在一些示例中,处理器116可请求、接收和/或检索存储在数据存储118或别处(例如,扫描仪102)的患者图像并且比较这些患者图像中的一个或多个与对应的参考图像。基于该比较,可生成与进行的检查/扫描关联的成像反馈。处理器116可使PACS 104将反馈输送到扫描仪102和/或消息传送接口106。如果获得的患者图像处于或高于特定质量水平或阈值,处理器116可经由消息传送接口106提示技术人员将患者图像和/或检查结果上传(例如,人工上传)到PACS 104。另外或备选地,如果获得的患者图像处于或高于特定质量水平或阈值,处理器116可将患者图像和/或检查结果上传(例如,自动上传)到PACS 104和/或数据贮存118。从扫描仪102获得的数据、参考图像和/或生成的反馈中的至少一些可存储在数据贮存118。数据贮存118可包括与处理器116、扫描仪102、消息传送接口106等通信的任何种类的内部和/或外部存储器、盘、远程存储。
消息传送接口106可从扫描仪102和/或PACS 104基本上实时地动态接收涉及检查/扫描的反馈。这样的反馈可使技术人员能够重新扫描和/或继续扫描患者来矫正可关于渲染的患者图像存在的任何质量问题。反馈可包括涉及获得的患者图像的质量的信息,涉及成像会话应该继续还是结束的指令,帮助技术人员获得更高质量图像的指令、参数、指导等。消息传送接口106可以使用例如工作站(例如,便携计算机、台式计算机、平板计算机等)或移动装置实现。一些移动装置包括例如智能电话(例如,BlackBerryTM、iPhoneTM等)、移动互联网装置(MID)、个人数字助理、蜂窝电话、手持计算机、平板计算机(iPadTM)、寻呼机等。
图2描绘可用于实现图1的处理器112和/或116(或更一般地本文公开的示例)的示例处理器200。该处理器200包括图像获取器202、图像比较器204和成像会话确定器206。该图像获取器202可用于检索和/或从进行中的成像会话获得一系列图像,该成像会话涉及患者检查和/或与对应于该患者检查的检查类型关联的参考图像。该图像比较器204可将来自患者检查的该系列图像中的一个或多个与对应的参考图像比较。在一些示例中,图像比较器204可将来自患者检查的该系列图像中的一个或多个的质量、曝光、患者安置、患者标记等与对应的参考图像比较。基于该比较,成像会话确定器206可生成反馈。该反馈可包括涉及渲染的患者图像的质量的信息,涉及成像会话应该继续还是结束的指令,帮助技术人员获得更高质量图像的指令、参数、指导等。在一些示例中,处理器200可将该反馈输送到与执行检查的医疗保健医生(例如,技术人员)关联的消息传送接口。如果成像会话确定器206确定成像会话要结束,处理器200可输送检查/图像和/或在数据贮存(例如,PACS)中存储(例如,自动地)检查/图像。
图3描绘示例工作流程300。该工作流程可在302由技术人员使用扫描仪304进行患者的扫描开始。在箭头306处,检查结果(包括它的关联图像)可输送到PACS 308。在这样的示例中,在310处,PACS 308比较来自检查的图像与从数据贮存312检索的参考图像并且基于其生成反馈。在箭头313处,生成的反馈可输送到消息传送接口314,其进而在箭头316处将该反馈基本上实时地和/或即时地转播给技术人员。该消息传送接口314可采用电话消息、扫描仪消息、寻呼机和/或传呼机消息、检查注释(一个或多个)、即时消息(一个或多个)等的形式。基本上实时地向技术人员提供来自检查的反馈可使技术人员能够在患者仍然在医疗保健设施和/或约见时重新扫描和/或继续扫描患者来矫正可关于渲染的患者图像存在的任何质量问题。
备选地,在箭头306处,PACS 308可从数据贮存312输送对应于进行的检查的参考图像到扫描仪304。在这样的示例中,在318处,扫描仪304比较来自检查的图像与参考图像并且基于其生成反馈。在320处,生成的反馈可输送到消息传送接口314,其进而在箭头316处将该反馈基本上实时地和/或即时地转播给技术人员。
图4描绘代表可使用例如可用于自动提供成像反馈和/或结果的计算机可读指令实现的过程的示例流程图。图4的示例过程可使用处理器、控制器和/或任何其他适合的处理装置进行。例如,图4的示例过程可使用存储在例如闪速存储器、只读存储器(ROM)和/或随机存取存储器(RAM)等有形计算机可读介质上的编码指令(例如,计算机可读指令)实现。如本文使用的,术语有形计算机可读介质明确地限定为包括任何类型的计算机可读存储并且排除传播信号。另外或备选地,图4的示例过程可使用编码指令(例如,计算机可读指令)来实现,该编码指令存储在例如闪速存储器、只读存储器(ROM)、随机存取存储器(RAM)、高速缓存或任何其他存储介质等的非暂时性计算机可读介质上,该任何其他存储介质持续任何时间地(例如,持续延长的时段、永久地、短暂地、暂时缓存地和/或高速缓存信息地)存储信息。如本文使用的,术语非暂时性计算机可读介质明确地限定为包括任何类型的计算机可读介质并且排除传播信号。
备选地,图4的示例过程中的一些或全部可以使用专用集成电路(ASIC)(一个或多个)、可编程逻辑装置(PLD)(一个或多个)、现场可编程逻辑装置(FPLD)(一个或多个)、离散逻辑、硬件、固件等的任何组合来实现。而且,图4的示例过程中的一些或全部可以人工实现或作为前面的技术中的任何技术的任何组合(一个或多个)(例如,固件、软件、离散逻辑和/或硬件的任何组合)实现。此外,尽管图4的示例过程参照图4的流程图描述,可采用实现图4的过程的其他方法。例如,框的执行顺序可以改变,并且/或者描述的框中的一些可以改变、消除、细分或组合。另外,图4的示例过程中的任何过程或全部过程可以通过例如单独处理线程、处理器、装置、离散逻辑、电路等相继和/或并行进行。
图4示出用于自动提供成像反馈的示例方法400的流程图。示例过程图示本文公开的示例如何基本上立即向执行扫描/检查的技术人员提供质量保证反馈,并且使审查检查的放射科医师能够仅被提供有满足特定质量规范的检查。示例过程还图示公开的示例如何基本上消除患者必须返回医疗保健设施以根据渲染的图像的质量而重新执行扫描的可能性。如此,患者护理的质量提高,由患者接收的辐射剂量可最小化,等。
在框402,方法400发起成像会话。该成像会话可由技术人员将数据(例如,患者数据、检查数据,等)输入例如扫描仪而发起。方法400然后可获得涉及检查的图像(框404)。这些图像可由扫描仪和/或PACS在扫描/检查期间和/或之后而获得。在框406,针对进行的检查比较患者图像与参考图像。可在扫描仪和/或PACS等处比较这些图像。在比较中使用的参考图像与对应于患者检查的检查类型关联并且关于曝光、患者安置和/或患者标记具有最佳图像质量。
在框408,方法400基于比较确定成像反馈。该成像反馈可包括涉及渲染的患者图像的质量(例如,确定的质量得分和/或编码)的信息,涉及成像会话是否应该继续或结束的指令,帮助技术人员获得更高质量图像的指令、参数、指导等。在框410,方法400可输送反馈到消息传送接口。该消息传送接口可与进行检查的技术人员关联并且可与电话、扫描仪、移动装置、寻呼机、检查注释或即时消息中的至少一个关联。
在框412,方法400确定是否继续成像会话。如果获得的图像的确定的质量得分低于预定水平,成像会话可继续。如果获得的图像的确定的质量得分处于或高于该预定水平,成像会话可结束。如果方法400确定继续成像会话,控制移到框404。然而,如果方法400确定结束成像会话,控制移到框414,在这里400输送检查结果到数据贮存。检查结果和/或关联的图像可手动和/或自动上传到例如PACS。在框416,方法400确定结束或不结束。
图5是可用于实现本文描述的系统和方法的示例处理器系统500的框图。如在图5中示出的,处理器系统500包括处理器502,其耦合于互连总线504。处理器502可以是任何适合的处理器、处理单元或微处理器。尽管未在图5中示出,处理器系统500可以是多处理器系统,并且从而可包括与处理器502相同或相似并且通信地耦合于互连总线504的一个或多个另外的处理器。
图5的处理器502耦合于芯片组506,其包括存储器控制器508和输入/输出(I/O)控制器510。众所周知,芯片组典型地提供I/O和存储器管理功能,以及可由耦合于芯片组506的一个或多个处理器访问或使用的多个通用和/或专用寄存器、计时器等。存储器控制器508执行使处理器502(或多个处理器,如果存在多个处理器的话)能够访问系统存储器512和大容量存储存储器514的功能。
系统存储器512可以包括任何期望类型的易失性和/或非易失性存储器,例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、闪速存储器、只读存储器(ROM)等。大容量存储存储器514可以包括任何期望类型的大容量存储装置,其包括硬盘驱动器、光盘驱动器、磁带存储装置等。
I/O控制器510执行使处理器502能够经由I/O总线522与外围输入/输出(I/O)装置516和518以及网络接口520通信的功能。I/O装置516和518可以是任何期望类型的I/O装置,例如键盘、视频显示器或监视器、鼠标等。网络接口520可以是,例如使处理器系统500能够与另一个处理器系统通信的以太网装置、异步传送模式(ATM)装置、802.11装置、DSL调制解调器、电缆调制解调器、蜂窝调制解调器等。
尽管存储器控制器508和I/O控制器510作为芯片组506内的单独框在图5中描绘,由这些框执行的功能可集成在单个半导体电路内或可使用两个或以上的单独集成电路实现。
本文公开的示例涉及用于自动提供成像反馈给技术人员,其消除已知方法遇到的问题中的至少一些。例如,本文公开的示例使技术人员能够获得患者的图像以基本上立即接收关于成像质量的反馈而不需要医生(例如,放射科医师)审查图像。从而,如果图像不具有特定质量(例如质量差),技术人员可以继续与患者的成像会话来获得更高质量的图像。利用已知的方法,如果医生标识出图像具有差的质量,患者将可能已经离开医疗保健设施,并且从而将必须安排另一个约见。另外或备选地,使用公开的示例,由医生(例如,放射科医师)审查的图像的质量因为所有图像满足至少特定质量标准而显著提高。通过确保由医生审查的图像全部具有特定质量,患者护理的质量以及医生的效率提高(例如,因为在审查质量差的图像时没有浪费时间)。
某些示例设想关于任何机器可读介质的方法、系统和计算机程序产品来实现上文描述的功能性。例如,某些示例可使用现有的计算机处理器实现,或由为该目的或另一个目的而包含的专用计算机处理器实现,或由硬接线和/或固件系统实现。
上文描述的系统、设备和/或制造物品部件中的一些或全部或其零件可以使用存储在机器可访问或可读介质上并且可由例如处理器(例如,图1的示例处理器116)执行的指令、编码和/或其他软件和/或固件等实现。当附上的权利要求中的任何权利要求阅读为涵盖纯粹软件和/或固件实现时,据此明确地限定部件中的至少一个为包括存储该软件和/或固件的有形介质,例如存储器、DVD、CD等。
图1~5包括代表机器可读和可执行指令或过程(其可以被执行来实现本文描述的示例系统、设备和制造物品)的数据和/或过程流程图。图1~5的示例过程可以使用处理器、控制器和/或任何其他适合的处理装置进行。例如,图1~5的示例过程可以使用存储在例如闪速存储器、只读存储器(ROM)和/或随机存取存储器(RAM)等与处理器(例如,图1的处理器112、116,图2的处理器200,等)关联的有形介质上的编码指令来实现。备选地,图1~5的示例过程中的一些或全部可以使用专用集成电路(ASIC)(一个或多个)、可编程逻辑装置(PLD)(一个或多个)、现场可编程逻辑装置(FPLD)(一个或多个)、离散逻辑、硬件、固件等的任何组合(一个或多个)来实现。而且,图1~5的示例过程中的一些或全部可以人工实现或作为前面的技术中的任何技术的任何组合(一个或多个)(例如,固件、软件、离散逻辑和/或硬件的任何组合)实现。此外,尽管图1~3的示例过程参照图4的流程图描述,但可采用实现图1~3的过程的其他方法。例如,框的执行顺序可以改变,并且/或者描述的框中的一些可改变、消除、细分或组合。另外,图1~5的示例过程中的任何过程或全部过程可以通过例如独立处理线程、处理器、装置、离散逻辑、电路等顺序地和/或并行地进行。
上文描述的系统的部件和/或方法的框中的一个或多个可采用例如硬件、固件和/或软件中的一组指令单独实现或结合实现。某些示例可作为驻留在计算机可读介质(例如存储器、硬盘、DVD或CD)上的一组指令而提供,该指令用于在通用计算机或其他处理装置上执行。某些示例可省略方法框中的一个或多个并且/或采用与列出的顺序不同的顺序执行框。例如,一些框可不在本发明的某些实施例中执行。作为另外的示例,某些框可采用与上文列出的不同的时间顺序(其包括同时地)执行。
某些示例包括用于携带或具有存储在其上的计算机可执行指令或数据结构的计算机可读介质。这样的计算机可读介质可以是任何可由通用或专用计算机或具有处理器的其他机器访问的可用介质。通过示例,这样的计算机可读介质可包括RAM、ROM、PROM、EPROM、EEPROM、Flash、CD-ROM或其他光盘存储、磁盘存储或其他磁存储装置,或任何其他介质,其可以用于采用计算机可执行指令或数据结构的形式携带或存储期望的程序代码并且可以由通用或专用计算机或具有处理器的其他机器访问。上面的组合也包括在计算机可读介质的范围内。计算机可执行指令包括,例如使通用计算机、专用计算机或专用处理机执行某个功能或功能组的指令和数据。
一般,计算机可执行指令包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。计算机可执行指令、关联的数据结构和程序模块代表用于执行本文公开的某些方法和系统的步骤的程序代码的示例。这样的可执行指令或关联的数据结构的特定序列代表用于在这样的步骤中实现描述的功能的对应动作的示例。
示例可以使用到一个或多个具有处理器的远程计算机的逻辑连接在联网环境中实践。逻辑连接可包括局域网(LAN)和广域网(WAN),其通过示例并且非限制性地在这里提出。这样的联网环境在办公室范围或企业范围的计算机网络、内联网和因特网中是普通的,并且可使用很多种不同的通信协议。本领域内技术人员将意识到这样的网络计算环境将典型地包含许多类型的计算机系统配置,其包括个人计算机、手持装置、多处理器系统、基于微处理器或可编程的消费电子设备、网络PC、小型计算机、大型计算机等。本发明的示例还可在分布式计算环境中实践,在该环境中任务由通过通信网络链接(通过硬连线链路、无线链路或通过硬连线或无线链路的组合)的本地和远程处理装置进行。在分布式计算环境中,程序模块可位于本地和远程存储器存储装置两者中。
用于实现本发明的整个系统或实施例的部分的示范性系统可包括采用计算机形式的通用计算装置,其包括处理单元、系统存储器和将包括系统存储器的各种系统部件耦合于处理单元的系统总线。系统处理器可包括只读存储器(ROM)和随机存取存储器(RAM)。计算机还可包括用于对磁硬盘进行读取和写入的磁硬盘驱动器、用于对可移动磁盘进行读取或写入的磁盘驱动器和用于对可移动光盘(例如CD ROM或其他光学介质)进行读取或写入的光盘驱动器。驱动器和它们关联的计算机可读介质为计算机提供计算机可执行指令、数据结构、程序模块和其他数据的非易失性存储。
尽管已经参照实施例描述本发明,本领域内技术人员将理解的是,可做出各种改变并且可代替等同物而不偏离本发明的范围。另外,可做出许多修改以使特定情况或材料适应于本发明的教导而不偏离它的范围。因此,规定本发明不限于公开的特定实施例,而本发明将包括落入附上的权利要求的范围内的所有实施例。
Claims (20)
1.一种自动提供成像反馈的计算机实现的方法,包括:
将在涉及患者检查的进行中的成像会话中获得的一系列第一图像中的一个或多个与一个或多个参考图像比较,所述一个或多个参考图像与对应于所述患者检查的检查类型关联;以及
基于所述比较自动生成成像反馈,所述成像反馈包括用于继续或结束所述成像会话的指令。
2.如权利要求1所述的方法,其中生成成像反馈包括确定所述第一图像的质量得分。
3.如权利要求2所述的方法,其中生成包括用于结束所述成像会话的指令的成像反馈是基于处于或高于预定水平的所述质量得分。
4.如权利要求1所述的方法,其中所述第一图像基于生成包括用于结束所述成像会话的指令的成像反馈而上传到图片存档和通信系统。
5.如权利要求4所述的方法,其中所述第一图像基于生成包括用于结束所述成像会话的指令的成像反馈而自动上传到所述图片存档和通信系统。
6.如权利要求1所述的方法,其进一步包括基于生成包括用于继续所述成像会话的指令的反馈获得涉及所述检查的一系列第二图像。
7.如权利要求1所述的方法,其中生成包括用于继续所述成像会话的指令的成像反馈包括向医疗保健医生提供用于获得所述参考图像的参数。
8.如权利要求1所述的方法,其进一步包括经由消息传送接口将所述成像反馈通知医疗保健医生。
9.如权利要求8所述的方法,其中所述消息传送接口与电话、移动装置、扫描仪、寻呼机、检查注释或即时消息中的至少一个关联。
10.如权利要求1所述的方法,其进一步包括基于所述成像反馈评估医疗保健医生的表现。
11.如权利要求1所述的方法,其中将所述第一图像中的一个或多个与所述参考图像比较包括比较所述第一图像和参考图像的曝光、患者安置和/或患者标记中的至少一个。
12.如权利要求1所述的方法,其中所述成像反馈包括质量编码和患者信息。
13.一种用于提供成像反馈的自动化系统,其包括:
图像获取器,用于检索在成像会话期间从患者获得并且涉及检查的第一图像;
图像比较器,用于检索并且比较参考图像与所述第一图像;以及
成像会话确定器,用于基于所述比较自动生成成像反馈,所述成像反馈包括用于继续或结束所述成像会话的指令。
14.如权利要求13所述的自动化系统,其中所述成像反馈包括所述第一图像的质量得分。
15.如权利要求13所述的自动化系统,其进一步包括处理器,用于输送所述成像反馈到与医疗保健医生关联的消息传送接口。
16.如权利要求13所述的自动化系统,其进一步包括处理器,用于基于生成包括用于结束所述成像会话的指令的成像反馈的所述图像确定器而输送所述第一图像到图片存档和通信系统。
17.如权利要求13所述的自动化系统,其中所述成像反馈包括质量编码和患者信息。
18.如权利要求13所述的自动化系统,其中生成成像反馈包括确定所述第一图像的质量得分。
19.如权利要求18所述的自动化系统,其中生成包括用于结束所述成像会话的指令的成像反馈是基于处于或高于预定水平的所述质量得分。
20.一种有形计算机可读取存储介质,所述有形计算机可读取存储介质包括用于使用处理器执行的可执行指令,其中所述指令当被执行时提供用于自动提供成像反馈的系统,所述系统包括:
图像获取器,用于检索在成像会话期间从患者获得并且涉及检查的第一图像;
图像比较器,用于检索并且比较参考图像与所述第一图像;以及
成像会话确定器,用于基于所述比较自动生成成像反馈,所述成像反馈包括用于继续或结束所述成像会话的指令。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/250,266 US20130083978A1 (en) | 2011-09-30 | 2011-09-30 | Systems and methods for providing automated imaging feedback |
US13/250266 | 2011-09-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103034779A true CN103034779A (zh) | 2013-04-10 |
Family
ID=47992636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012103770733A Pending CN103034779A (zh) | 2011-09-30 | 2012-10-08 | 用于提供自动化成像反馈的系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20130083978A1 (zh) |
CN (1) | CN103034779A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108324297A (zh) * | 2017-01-09 | 2018-07-27 | 通用电气公司 | 用于评估图像数据的图像分析方法 |
CN108332660A (zh) * | 2017-11-10 | 2018-07-27 | 广东康云多维视觉智能科技有限公司 | 机器人三维扫描系统和扫描方法 |
CN111462885A (zh) * | 2020-03-30 | 2020-07-28 | 上海联影医疗科技有限公司 | 扫描系统的扫描参数确定方法、装置、设备和存储介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9858494B2 (en) * | 2015-12-28 | 2018-01-02 | Facebook, Inc. | Systems and methods for analyzing rendered content |
US10311599B2 (en) * | 2016-11-03 | 2019-06-04 | Caterpillar Inc. | System and method for diagnosis of lighting system |
CN110140178B (zh) * | 2016-11-23 | 2023-08-18 | 皇家飞利浦有限公司 | 用于知道上下文的图像质量收集和反馈的闭环系统 |
US10748034B2 (en) * | 2018-01-10 | 2020-08-18 | Siemens Healthcare Gmbh | Method and system for learning to obtain medical scans of patients |
US11398304B2 (en) * | 2018-04-24 | 2022-07-26 | Siemens Healthcare Gmbh | Imaging and reporting combination in medical imaging |
US11328826B2 (en) * | 2018-06-12 | 2022-05-10 | Clarius Mobile Health Corp. | System architecture for improved storage of electronic health information, and related methods |
US10991092B2 (en) * | 2018-08-13 | 2021-04-27 | Siemens Healthcare Gmbh | Magnetic resonance imaging quality classification based on deep machine-learning to account for less training data |
US12014807B2 (en) * | 2021-12-10 | 2024-06-18 | Merative Us L.P. | Automated report generation using artificial intelligence algorithms |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005029412A1 (en) * | 2003-09-22 | 2005-03-31 | Sectra Imtec Ab | Automatic positioning quality assessment for digital mammography |
US20060230049A1 (en) * | 2005-04-12 | 2006-10-12 | General Electric Company | Method and apparatus for selecting preferred images for a current exam based on a previous exam |
CN1934589A (zh) * | 2004-03-23 | 2007-03-21 | 美国西门子医疗解决公司 | 为医学成像提供自动决策支持的系统和方法 |
CN1939235A (zh) * | 2005-08-17 | 2007-04-04 | 通用电气公司 | 外科图像数据的实时集成和记录 |
US20070232868A1 (en) * | 2006-01-30 | 2007-10-04 | Bruce Reiner | Method and apparatus for generating a radiologist quality assurance scorecard |
US7680308B2 (en) * | 2004-05-11 | 2010-03-16 | Dale Richard B | Medical imaging-quality assessment and improvement system (QAISys) |
CN102058432A (zh) * | 2009-11-11 | 2011-05-18 | 美国西门子医疗解决公司 | 用于动态地改善医学图像获取质量的系统 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7155043B2 (en) * | 2001-11-21 | 2006-12-26 | Confirma, Incorporated | User interface having analysis status indicators |
US7212661B2 (en) * | 2003-02-14 | 2007-05-01 | Ge Medical Systems Information Technologies. Inc. | Image data navigation method and apparatus |
US7327864B2 (en) * | 2003-11-25 | 2008-02-05 | Ge Medical Systems, Inc. | Method and apparatus for remote processing of image data |
US7240353B2 (en) * | 2004-11-24 | 2007-07-03 | General Electric Company | Functionality recommendation system |
US7525554B2 (en) * | 2005-01-03 | 2009-04-28 | General Electric Company | Content based hanging protocols facilitated by rules based system |
WO2006116700A2 (en) * | 2005-04-28 | 2006-11-02 | Bruce Reiner | Method and apparatus for automated quality assurance in medical imaging |
US20070076929A1 (en) * | 2005-10-05 | 2007-04-05 | General Electric Company | System and method for automatic post processing image generation |
US8254648B2 (en) * | 2007-01-04 | 2012-08-28 | General Electric Company | Method for providing adaptive hanging protocols for image reading |
DE102007012048A1 (de) * | 2007-03-13 | 2008-09-18 | Siemens Ag | Verfahren zur Unterstützung bei der Erstellung einer medizinischen Diagnose sowie Datenbearbeitungsanlage |
US8412544B2 (en) * | 2007-10-25 | 2013-04-02 | Bruce Reiner | Method and apparatus of determining a radiation dose quality index in medical imaging |
US8165368B2 (en) * | 2008-09-29 | 2012-04-24 | General Electric Company | Systems and methods for machine learning based hanging protocols |
US20100082370A1 (en) * | 2008-09-30 | 2010-04-01 | Perry Frederick | Clinical event tracking and alerting system |
US7949098B2 (en) * | 2008-10-10 | 2011-05-24 | Carestream Health, Inc. | Method for determining reduced exposure conditions for medical images |
WO2010051036A1 (en) * | 2008-11-03 | 2010-05-06 | Bruce Reiner | Automated method for medical quality assurance |
US9734285B2 (en) * | 2010-05-20 | 2017-08-15 | General Electric Company | Anatomy map navigator systems and methods of use |
US20120010896A1 (en) * | 2010-07-09 | 2012-01-12 | General Electric Company | Methods and apparatus to classify reports |
US8503613B2 (en) * | 2010-11-24 | 2013-08-06 | General Electric Company | Dose level indication |
US20130046556A1 (en) * | 2011-08-18 | 2013-02-21 | Vijaykalyan Yeluri | Medical presentation creator |
US8923580B2 (en) * | 2011-11-23 | 2014-12-30 | General Electric Company | Smart PACS workflow systems and methods driven by explicit learning from users |
-
2011
- 2011-09-30 US US13/250,266 patent/US20130083978A1/en not_active Abandoned
-
2012
- 2012-10-08 CN CN2012103770733A patent/CN103034779A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005029412A1 (en) * | 2003-09-22 | 2005-03-31 | Sectra Imtec Ab | Automatic positioning quality assessment for digital mammography |
CN1934589A (zh) * | 2004-03-23 | 2007-03-21 | 美国西门子医疗解决公司 | 为医学成像提供自动决策支持的系统和方法 |
US7680308B2 (en) * | 2004-05-11 | 2010-03-16 | Dale Richard B | Medical imaging-quality assessment and improvement system (QAISys) |
US20060230049A1 (en) * | 2005-04-12 | 2006-10-12 | General Electric Company | Method and apparatus for selecting preferred images for a current exam based on a previous exam |
CN1939235A (zh) * | 2005-08-17 | 2007-04-04 | 通用电气公司 | 外科图像数据的实时集成和记录 |
US20070232868A1 (en) * | 2006-01-30 | 2007-10-04 | Bruce Reiner | Method and apparatus for generating a radiologist quality assurance scorecard |
CN102058432A (zh) * | 2009-11-11 | 2011-05-18 | 美国西门子医疗解决公司 | 用于动态地改善医学图像获取质量的系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108324297A (zh) * | 2017-01-09 | 2018-07-27 | 通用电气公司 | 用于评估图像数据的图像分析方法 |
CN108332660A (zh) * | 2017-11-10 | 2018-07-27 | 广东康云多维视觉智能科技有限公司 | 机器人三维扫描系统和扫描方法 |
CN111462885A (zh) * | 2020-03-30 | 2020-07-28 | 上海联影医疗科技有限公司 | 扫描系统的扫描参数确定方法、装置、设备和存储介质 |
CN111462885B (zh) * | 2020-03-30 | 2023-11-14 | 上海联影医疗科技股份有限公司 | 扫描系统的扫描参数确定方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20130083978A1 (en) | 2013-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103034779A (zh) | 用于提供自动化成像反馈的系统和方法 | |
US11553874B2 (en) | Dental image feature detection | |
CN110121749B (zh) | 用于图像采集的深度学习医疗系统和方法 | |
US11049606B2 (en) | Dental imaging system utilizing artificial intelligence | |
CN110114834B (zh) | 用于医疗程序的深度学习医疗系统和方法 | |
US9355309B2 (en) | Generation of medical image series including a patient photograph | |
EP3614390B1 (en) | Imaging and reporting combination in medical imaging | |
JP2019093137A (ja) | 放射線学的所見のためのポイントオブケア警報を送達するためのシステムおよび方法 | |
US20070053503A1 (en) | Methods and systems for automatic patient table positioning | |
EP3422949A1 (en) | System and method for automated analysis in medical imaging applications | |
CN111202537B (zh) | 在成像过程期间实时捕获患者生命体征的方法和装置 | |
US20210279871A1 (en) | Dental imaging system utilizing artificial intelligence | |
US20190370958A1 (en) | Automated scanning workflow | |
JP2010086537A (ja) | 学習機械を使用したアクティブ電子カルテベースのサポートシステム | |
CN110458837B (zh) | 一种图像后处理方法、装置、电子设备及存储介质 | |
US20220399107A1 (en) | Automated protocoling in medical imaging systems | |
WO2019200349A1 (en) | Systems and methods for training a deep learning model for an imaging system | |
Orhan et al. | Determining the reliability of diagnosis and treatment using artificial intelligence software with panoramic radiographs | |
Jang et al. | Accurate detection for dental implant and peri-implant tissue by transfer learning of faster R-CNN: a diagnostic accuracy study | |
WO2019200351A1 (en) | Systems and methods for an imaging system express mode | |
CN105997073A (zh) | 医学成像装置的运行 | |
CN111919264A (zh) | 用于使成像系统和边缘计算系统同步的系统和方法 | |
US8116545B2 (en) | Method and system for analysis of bone density | |
Lee et al. | Deep learning to assess bone quality from panoramic radiographs: The feasibility of clinical application through comparison with an implant surgeon and cone-beam computed tomography | |
US20190311503A1 (en) | Apparatus and method for generating tomography image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130410 |