CN103823918A - 计算机辅助诊断方法和设备 - Google Patents

计算机辅助诊断方法和设备 Download PDF

Info

Publication number
CN103823918A
CN103823918A CN201310576739.2A CN201310576739A CN103823918A CN 103823918 A CN103823918 A CN 103823918A CN 201310576739 A CN201310576739 A CN 201310576739A CN 103823918 A CN103823918 A CN 103823918A
Authority
CN
China
Prior art keywords
damage
additional information
constructed
user
diagnosis
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
Application number
CN201310576739.2A
Other languages
English (en)
Inventor
张株豪
成英庆
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN103823918A publication Critical patent/CN103823918A/zh
Pending legal-status Critical Current

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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • 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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明提供一种计算机辅助诊断方法和设备。所述计算机辅助诊断方法包括：从捕获的损伤图像提取损伤的损伤特征的损伤特征值；接收附加信息；基于提取的损伤特征值和接收的附加信息的组合诊断损伤。

Description

计算机辅助诊断方法和设备
本申请要求于2012年11月16日提交到韩国知识产权局的第10-2012-0130481号韩国专利申请的权益，其全部公开为了所有目的而通过引用包含于此。
技术领域
下面的描述涉及一种用于计算机辅助诊断(CAD)的方法和设备。
背景技术
CAD是这样一种技术：从捕获的图像检测损伤，诊断检测到的损伤，并将诊断结果提供给用以帮助用户诊断损伤。精确的CAD诊断帮助用户建立最终诊断。因为捕获的损伤图像(诸如，声波图)可能经受各种问题(诸如，低分辨率、低对比度、斑点噪声和模糊的损伤边界)，所以经由CAD的诊断的准确性可能降低。
发明内容
提供“发明内容”以简化的形式介绍以下在“具体实施方式”中进一步描述的概念的选择。这种“发明内容”并不意图识别要求保护的主题的关键特征或必要特征，它也不应该用于辅助确定要求保护的主题的范围。
在一个总体方面，一种计算机辅助诊断(CAD)方法包括：从捕获的损伤图像提取损伤的损伤特征的损伤特征值；接收附加信息；基于提取的损伤特征值和接收的附加信息的组合诊断损伤。
诊断步骤可包括：将提取的损伤特征值和接收的附加信息与损伤诊断模型进行比较；基于比较的结果诊断损伤。
可基于下面项产生损伤诊断模型：从预先捕获的损伤图像提取的多个损伤特征值；针对预先捕获的损伤图像的多个附加信息。
损伤诊断模型可包括：所述从预先捕获的损伤图像提取的多个损伤特征值和所述多个附加信息的组合；与所述组合对应的诊断结果。
附加信息可包括下面各项中的任何一个或任何组合：由用户基于捕获的损伤图像确定的关于损伤的信息；影响损伤的诊断的病人信息和医疗记录。
接收步骤可包括：通过用户接口从用户接收附加信息，用户接口可包括：损伤图像显示区域，被构造为显示捕获的损伤图像；附加信息输入区域，被构造为从用户接收附加信息。
附加信息输入区域可还被构造为：显示一个或多个附加信息字段以便由用户选择；以及响应于由用户选择附加信息字段之一，显示选择的附加信息字段的一个或多个子字段。
附加信息输入区域可还被构造为：响应于提取的损伤特征值小于参考值，显示用于损伤特征的一个或多个附加信息字段。
附加信息输入区域可还被构造为：不同地显示对损伤的诊断具有较大影响的一个或多个附加信息字段和对损伤的诊断具有较小影响的一个或多个附加信息字段。
附加信息输入区域可还被构造为：从用户接收文本类型附加信息。
附加信息输入区域可还被构造为：从用户接收音频类型附加信息。
在另一总体方面，一种计算机辅助诊断(CAD)设备包括：损伤特征提取单元，被构造为从捕获的损伤图像提取损伤的损伤特征的损伤特征值；接口单元，被构造为接收附加信息；诊断单元，被构造为基于提取的损伤特征值和接收的附加信息的组合诊断损伤。
CAD设备可还包括：存储单元，被构造为存储损伤诊断模型，并且诊断单元可还被构造为：将提取的损伤特征值和接收的附加信息与损伤诊断模型进行比较；基于比较的结果诊断损伤。
可基于下面的项产生损伤诊断模型：从预先捕获的损伤图像提取的多个损伤特征值；针对预先捕获的损伤图像的多个附加信息。
损伤诊断模型可包括：所述从预先捕获的损伤图像提取的多个损伤特征值和所述多个附加信息的组合；与这些组合对应的诊断结果。
附加信息可包括下面各项中的任何一个或任何组合：由用户基于捕获的损伤图像确定的关于损伤的信息；影响损伤的诊断的病人信息和医疗记录。
接口单元可包括：用户接口，被构造为从用户接收附加信息，并且用户接口可包括：损伤图像显示区域，被构造为显示捕获的损伤图像；和附加信息输入区域，被构造为从用户接收附加信息。
附加信息输入区域可还被构造为：显示一个或多个附加信息字段以便由用户选择；响应于由用户选择附加信息字段之一，显示选择的附加信息字段的一个或多个子字段。
用户接口可还被构造为：响应于提取的损伤特征值小于参考值，显示用于损伤特征的一个或多个附加信息字段。
用户接口可还被构造为：不同地显示对损伤的诊断具有较大影响的一个或多个附加信息字段和对损伤的诊断具有较小影响的一个或多个附加信息字段。
附加信息输入区域可还被构造为：从用户接收文本类型附加信息。
在另一总体方面，一种产生损伤诊断模型的方法包括：从多个捕获的损伤图像中的每一个提取至少一个损伤特征值；接收针对每个捕获的损伤图像的附加信息；产生损伤特征值和附加信息的组合；基于损伤特征值和附加信息的组合以及与所述组合对应的诊断结果产生损伤诊断模型。
组合中的每一个可包括至少一个损伤特征值和至少一项附加信息；诊断结果中的每一个可对应于至少一个组合。
附加信息可包括关于提取了损伤特征值的损伤特征的信息。
附加信息可还包括影响提取了损伤特征值的损伤的诊断的病人信息和医疗记录。
接收步骤可包括从用户接收附加信息；可由用户基于捕获的损伤图像确定与这些组合对应的诊断结果。
通过下面的详细描述、附图和权利要求，其它特点和方面将会变得清楚。
附图说明
图1是示出计算机辅助诊断(CAD)设备的示例的示图。
图2是示出产生损伤诊断模型的示例的示图。
图3A至图3C是示出用于输入附加信息的用户接口的示例的各种状态的示例的示图。
图4是示出CAD方法的示例的示图。
具体实施方式
提供下面的描述以帮助阅读者获得对这里描述的方法、设备和/或系统的全面理解。然而，对于本领域普通技术人员而言，这里描述的方法、设备和/或系统的各种改变、变型和等同物将会是清楚的。此外，为了更加清楚和简洁，对于本领域普通技术人员而言公知的功能和构造的描述可被省略。
在附图和详细描述中，相同标号始终表示相同元件。附图可不按照比例绘制，并且为了清楚、说明和方便，附图中的元件的相对尺寸、比例和描述可被夸大。
图1是示出计算机辅助诊断(CAD)设备的示例的示图。参照图1，CAD设备100包括：损伤特征提取单元110、接口单元120、诊断单元130和存储单元140。
损伤特征提取单元110从输入到CAD设备100的捕获的损伤图像提取损伤特征值。仅作为非穷举示例，捕获的损伤图像可以是计算机放射成像(CR)图像、计算断层扫描(CT)图像、声波图、磁共振成像(MRI)图像。损伤特征值是代表与确定损伤的恶性关联的损伤的特征之一的值。可通过图像处理从捕获的损伤图像提取损伤特征值。仅作为非穷举示例，损伤特征值可以是通过分析捕获的损伤图像中的损伤而获得的计算机可识别的值，并且可代表损伤的结构特性和纹理。
损伤特征提取单元110可分析捕获的损伤图像中的损伤以获得损伤特征值。例如，损伤特征提取单元110可搜索损伤，分割在搜索中发现的损伤，并从分割的损伤提取损伤特征值。在另一示例中，损伤特征提取单元110可从选择捕获的损伤图像中的损伤的用户接收输入，并且损伤特征提取单元110可从由用户选择的损伤提取损伤特征值。用于搜索损伤、分割损伤并且从损伤提取特征值的各种方法对于本领域普通技术人员而言是公知的，因此将不会在这里详细描述。
接口单元120从用户接收附加信息。由用户输入的附加信息可包括可影响损伤的诊断的各种信息。附加信息可包括由用户从捕获的损伤图像确定的损伤信息，诸如例如损伤的结构特性(例如，形状、边缘和边界)或损伤的纹理。例如，响应于捕获的损伤图像是胸部图像，附加信息可包括由用户根据胸部成像报告和数据系统(BI-RADS)词汇分类通过捕获的损伤图像的分析而确定的损伤的特性。在另一示例中，附加信息可包括医疗记录和关于病人的信息，诸如例如年龄、性别、职业、性活动、吸烟习惯、饮酒习惯、毒品使用、当前疾病、慢性疾病、药物使用、血糖水平、血压和妊娠。可由损伤特征提取单元110自动从捕获的损伤图像提取损伤特征值，而附加信息包括由用户基于捕获的损伤图像确定的信息。
接口单元120可包括显示器和输入装置。显示器可包括用于将信息显示给用户的一个或多个屏幕。仅作为非穷举示例，显示器可被实现为液晶显示器(LCD)、发光二极管(LED)显示器、等离子体显示面板(PDP)、屏幕或终端。同样地，输入装置可包括包含能够实现接收用户的输入的一个或多个硬件部件的任何结构。接口单元120可在显示器上显示用户接口以从用户接收附加信息，因此，显示器也可用作输入装置。仅作为非穷举示例，输入装置可被实现为鼠标、键盘、软键盘、屏幕、麦克风、点击转盘(click wheel)、显示器和终端中的任何一个或任何组合。
屏幕可以是包括提供渲染用户接口和/或接收用户输入的能力的一个或多个硬件部件的物理结构。屏幕可包括显示区域、手势捕获区域、触摸敏感显示器和/或可配置区域的任何组合。屏幕可被嵌入在硬件中，或者可以是可安装到设备和从设备拆卸的外部外围装置。显示器或输入装置可以是单屏或多屏显示器或输入装置。单物理屏幕可包括作为单独的逻辑显示器而被管理的多个显示器，虽然所述多个显示器是同一物理屏幕的一部分但允许在不同的显示器上显示不同的内容。
终端(有时被称为计算机终端)可以是用于将数据输入到主机计算机或主机计算系统中以及显示来自主机计算机或主机计算系统的数据的电子或机电硬件装置。终端的功能可被局限于数据的显示和输入。具有强大的本地可编程数据处理能力的终端可被称为“智能终端”或多功能客户机(fat client)。依赖于主机计算机的处理能力的终端被称为精简型客户机(thin client)。个人计算机可运行模拟终端的功能的软件，有时允许同时使用本地程序以及访问远程终端主机系统。
诊断单元130基于从捕获的损伤图像提取的损伤特征值和由用户提供的附加信息确定损伤是良性的还是恶性的。诊断单元130可通过将由损伤特征提取单元110提取的损伤特征值和由用户提供的附加信息与存储在存储单元140中的损伤诊断模型进行比较，来确定损伤是良性的还是恶性的。
可通过基于从预先捕获的多个捕获的损伤图像提取的损伤特征值和针对每个损伤图像提供的附加信息执行学习来产生损伤诊断模型。损伤诊断模型导致与损伤特征值和附加信息的各种排列和组合对应的诊断结果。也就是说，损伤诊断模型可包括损伤特征值和附加信息的组合以及分别与这些组合对应的诊断结果。每个组合可包括至少一个损伤特征值和至少一个附加信息，并且诊断结果可包括与每个组合对应的诊断结果。特定诊断结果可对应于几个不同的组合。也就是说，几个不同的组合可具有相同的诊断结果。作为产生损伤诊断模型的过程的一部分，用户可基于捕获的损伤图像确定每个组合的诊断结果。
诊断单元130可通过将由损伤特征提取单元110提取的损伤特征值和由用户输入的附加信息与存储在存储单元140中的损伤诊断模型的损伤特征值-附加信息组合进行比较，来执行损伤诊断。诊断单元130可通过如下的方式来执行损伤诊断，即，搜索存储在存储单元140中的损伤诊断模型的与由损伤特征提取单元110提取的损伤特征值和由用户输入的附加信息最接近地匹配的损伤特征值-附加信息组合并且从损伤诊断模型检索与最接近的损伤特征值-附加信息组合对应的诊断结果作为由损伤特征提取单元110提取的损伤特征值和由用户输入的附加信息的损伤诊断。
在图1中示出的示例中，将在损伤的恶性或良性的确定时结合考虑的由用户从捕获的损伤图像提取的损伤的特性和各种信息可与由损伤特征提取单元110提取的损伤特征值一起被用作附加信息。因此，即使由损伤特征提取单元110提取的损伤特征值不是非常精确，也可提高损伤的诊断的准确性。
图2是示出产生损伤诊断模型的示例的示图。可按照如图中所示的顺序和方式执行图2中的操作，但在不脱离描述的说明性示例的精神和范围的情况下，可改变一些操作的次序。可并行地或同时执行图2中示出的许多操作。图1的描述也适用于图2，因此，将不会在这里被重复。
参照图2，从预先捕获的捕获的损伤图像提取损伤特征值(210)。从用户接收针对每个捕获的损伤图像的附加信息(220)。
通过基于在操作210中提取的损伤特征值和在操作220中由用户输入的附加信息的组合以及与损伤特征值-附加信息组合对应的诊断结果执行学习，来产生(230)损伤诊断模型。用户可基于从提取了损伤特征值的捕获的损伤图像，确定每个损伤特征值-附加信息组合的诊断结果。对于本领域普通技术人员而言公知的各种机器学习算法(诸如例如，支持向量机(SVM))可被用于产生损伤诊断模型，并且将不会在这里详细描述。损伤诊断模型可被预先产生并存储在存储单元140中。
图3A至图3C是示出用于输入附加信息的用户接口的示例的各种状态的示例的示图。在图3A至图3C中示出的示例中，可经用户接口300输入根据BI-RADS词汇分类的附加信息。参照图3A，用户接口300可包括用于显示捕获的损伤图像的损伤图像显示区域310和用于输入附加信息的附加信息输入区域320。损伤图像显示区域310可显示输入到CAD设备100中的捕获的损伤图像。
附加信息输入区域320能够使用户输入附加信息，并且可显示一个或多个附加信息字段330的列表。附加信息字段330可使用户选择附加信息字段之一并且在选择的附加信息字段330中输入附加信息。
相对于对损伤的诊断具有较小影响的附加信息字段330，对损伤的诊断具有较大影响的附加信息字段330可被不同地(诸如例如，以不同的颜色、大小、方向、形状或被突出显示)显示。基于将由损伤特征提取单元110提取的损伤特征值与损伤诊断模型进行比较的结果，对损伤的诊断具有较大影响的附加信息字段330可与可显著影响损伤的诊断的附加信息关联。
参照图3B，用户可选择用于输入附加信息的附加信息字段330之一。在图3B中示出的示例中，如箭头所示，用户已选择附加信息字段330“形状”。响应于用户选择附加信息字段330之一，可如图3C中所示显示选择的附加信息字段330的许多子字段340。
参照图3C，响应于用户选择附加信息字段330之一，可显示附加信息字段330的子字段340，并且用户可选择子字段340之一。例如，当在图3C中将要输入BI-RADS词汇分类值作为附加信息时，BI-RADS词汇种类(诸如，“形状”、“边缘”、“回声模式”、“方向”、“边界”和“后”)可被显示为附加信息字段330。响应于用户选择例如“边缘”字段，“划边界线”和“不划边界线”可被显示为“边缘”字段的子字段340。虽然在图3C中未示出，但也可显示“边缘”字段的其它子字段，例如“针状”、“角状”和“微分叶状”。
在这个示例中，可通过将与给定损伤的边缘关联并由损伤特征提取单元110提取的损伤特征值与损伤诊断模型进行比较来计算“边缘”字段的每个子字段是给定损伤的正确表示的可能性，并且“边缘”字段的子字段可基于计算的结果按照其与给定损伤的相关性的次序(也就是说，按照作为给定损伤的正确表示的可能性的次序)被显示。
如果由损伤特征提取单元110提取的损伤特征值小于预定参考值，则附加信息输入区域320可显示针对对应损伤特征的一个或多个附加信息字段330的列表。例如，由于从提取了损伤特征值的捕获的损伤图像的低分辨率或捕获的损伤图像中的噪声，提取的损伤特征值可能不够精确而无法正确地确定损伤的形状。在这种情况下，关于损伤的形状的一个或多个附加信息字段的列表可被提供给用户以便使用户输入关于损伤的形状的附加信息。所述预定参考值可由用户预先设置。
输入附加信息的方法不限于图3A至图3C中示出的示例。在另一示例中，附加信息输入区域320可被构造为能够使用户输入文本类型附加信息。在另一示例中，附加信息输入区域320可被构造为能够使用户通过使用输入装置(诸如例如，麦克风)来输入音频类型附加信息。在另一示例中，附加信息输入区域320可被构造为能够使用户选择附加信息字段330并将文本类型附加信息输入到选择的附加信息字段330中。
图4是示出CAD方法的示例的示图。可按照如图中所示的顺序和方式执行图4中的操作，但在不脱离描述的说明性示例的精神和范围的情况下，可改变一些操作的次序等。可并行地或同时执行图4中示出的许多操作。图1的描述也适用于图4，因此，将不会在这里被重复。
参照图4，CAD设备100从输入到CAD设备中的捕获的损伤图像提取损伤特征值(410)。CAD设备100从用户接收附加信息(420)。可如参照图1和图3A至图3C所述经用户接口接收附加信息。
CAD设备100通过将在操作410中提取的损伤特征值和在操作420中接收的附加信息与预先存储在CAD设备100中的损伤诊断模型进行比较并且基于比较的结果诊断损伤，来诊断损伤(430)。诊断结果可指示损伤是良性的还是恶性的或者损伤的良性/恶性的程度。
CAD设备100可在损伤诊断模型中搜索并发现与在操作410中提取的损伤特征值和在操作420中接收的附加信息最接近地匹配的损伤特征值-附加信息组合，并且可从损伤诊断模型检索发现的损伤特征值-附加信息组合的诊断结果作为在操作410中提取的损伤特征值和在操作420中接收的附加信息的诊断结果。
也就是说，通过使用从捕获的损伤图像自动提取的损伤特征值和由用户手工输入的附加信息，即使当捕获的损伤图像经受各种问题(诸如，低分辨率、低对比度、斑点噪声和模糊的损伤边界)时，也可提高基于捕获的损伤图像的损伤的诊断的准确性。
可使用一个或多个硬件部件、一个或多个软件部件或者一个或多个硬件部件和一个或多个软件部件的组合来实现执行图2和图4中示出的操作的图1中示出的CAD设备100、损伤特征提取单元110、接口单元120、诊断单元130和存储单元140以及图3A-3C中示出的用户接口300。
硬件部件可以是例如以物理方式执行一个或多个操作的物理装置，但不限于此。硬件部件的示例包括电阻器、电容器、电感器、电源、频率产生器、运算放大器、功率放大器、低通滤波器、高通滤波器、带通滤波器、模数转换器、数模转换器和处理装置。
可例如由由软件或指令控制以执行一个或多个操作的处理装置实现软件部件，但不限于此。计算机、控制器或其它控制装置可使处理装置运行软件或执行指令。可由一个处理装置实现一个软件部件，或者可由一个处理装置实现两个或更多的软件部件，或者可由两个或更多的处理装置实现一个软件部件，或者可由两个或更多的处理装置实现两个或更多的软件部件。
可使用一个或多个通用或专用计算机(诸如例如，处理器、控制器和算术逻辑单元、数字信号处理器、微型计算机、现场可编程阵列、可编程逻辑单元、微处理器或能够运行软件或执行指令的任何其它装置)来实现处理装置。处理装置可运行操作系统(OS)并且可运行在OS下操作的一个或多个软件应用。当运行软件或执行指令时，处理装置可访问、存储、操纵、处理和创建数据。为了简单，可在描述中使用单数术语“处理装置”，但本领域普通技术人员将会理解，处理装置可包括多个处理元件和多种类型的处理元件。例如，处理装置可包括一个或多个处理器或者一个或多个处理器和一个或多个控制器。另外，可实现不同的处理结构，诸如并行处理器或多核处理器。
被构造为实现软件部件以执行操作A的处理装置可包括处理器，该处理器被编程为运行软件或执行指令以控制处理器执行操作A。另外，被构造为实现软件部件以执行操作A、操作B和操作C的处理装置可具有各种结构，诸如例如：被构造为实现软件部件以执行操作A、B和C的处理器；被构造为实现软件部件以执行操作A的第一处理器和被构造为实现软件部件以执行操作B和C的第二处理器；被构造为实现软件部件以执行操作A和B的第一处理器和被构造为实现软件部件以执行操作C的第二处理器；被构造为实现软件部件以执行操作A的第一处理器、被构造为实现软件部件以执行操作B的第二处理器和被构造为实现软件部件以执行操作C的第三处理器；被构造为实现软件部件以执行操作A、B和C的第一处理器和被构造为实现软件部件以执行操作A、B和C的第二处理器；或者一个或多个处理器的任何其它结构，所述一个或多个处理器中的每一个执行操作A、B和C中的一个或多个操作。虽然这些示例提及三个操作A、B和C，但可执行的操作的数量不限于三个，而是可以是实现所希望的结果或执行所希望的任务所需的任何数量的操作。
用于控制处理装置实现软件部件的软件或指令可包括计算机程序、一条代码、指令或其一些组合，以用于独立地或共同地指示或配置处理装置以执行一个或多个所希望的操作。软件或指令可包括可由处理装置直接执行的机器代码(诸如，由编译器产生的机器代码)和/或可由处理装置使用解释器执行的高级代码。软件或指令和任何关联的数据、数据文件和数据结构可被永久或暂时包含于任何类型的机器、部件、物理或虚拟装备、计算机存储介质或装置或者能够提供指令或数据或由处理装置解释的传播的信号波。软件或指令和任何关联的数据、数据文件和数据结构还可分布在网络连接的计算机系统上，从而以分布方式存储并执行软件或指令和任何关联的数据、数据文件和数据结构。
例如，软件或指令和任何关联的数据、数据文件和数据结构可被记录、存储或固定在一个或多个非暂态计算机可读存储介质中。非暂态计算机可读存储介质可以是能够存储软件或指令和任何关联的数据、数据文件和数据结构以使其可由计算机系统或处理装置读取的任何数据存储装置。非暂态计算机可读存储介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、闪存、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘或本领域普通技术人员已知的任何其它非暂态计算机可读存储介质。
用于实现这里公开的示例的功能程序、代码和代码段可由示例所属领域程序员基于这里提供的附图及其对应描述来容易地构造。
尽管本公开包括特定示例，但对于本领域普通技术人员而言将会清楚的是，在不脱离权利要求及其等同物的精神和范围的情况下，可对这些示例做出各种形式和细节上的修改。应该仅在描述性的意义上而非为了限制的目的考虑这里描述的实施例。每个示例中的特征或方面的描述应被视为适用于其它示例中的类似特征或方面。如果以不同的次序执行描述的技术和/或如果以不同的方式组合和/或替换或由其它部件或其等同物补充描述的系统、架构、装置或电路中的部件，则可实现合适的结果。因此，本公开的范围不由详细描述限定，而是由权利要求及其等同物限定，并且权利要求及其等同物的范围内的所有变化应被解释为被包括在本公开中。

Claims (26)

1.一种计算机辅助诊断CAD方法，包括如下步骤：
从捕获的损伤图像提取损伤的损伤特征的损伤特征值；
接收附加信息；以及
基于提取的损伤特征值和接收的附加信息的组合诊断损伤。
2.如权利要求1所述的CAD方法，其中，诊断的步骤包括：
将提取的损伤特征值和接收的附加信息与损伤诊断模型进行比较；
基于比较的结果诊断损伤。
3.如权利要求2所述的CAD方法，其中，基于下面的项产生损伤诊断模型：
从预先捕获的损伤图像提取的多个损伤特征值；和
针对预先捕获的损伤图像的多个附加信息。
4.如权利要求3所述的CAD方法，其中，损伤诊断模型包括：
所述从预先捕获的损伤图像提取的多个损伤特征值和所述多个附加信息的组合；和
与所述组合对应的诊断结果。
5.如权利要求1所述的CAD方法，其中，附加信息包括下面各项中的任何一个或任何组合：
由用户基于不糊的损伤图像确定的关于损伤的信息；和
影响损伤的诊断的病人信息和医疗记录。
6.如权利要求1所述的CAD方法，其中，接收的步骤包括：通过用户接口从用户接收附加信息；以及
所述用户接口包括：
损伤图像显示区域，被构造为显示捕获的损伤图像；和
附加信息输入区域，被构造为从用户接收附加信息。
7.如权利要求6所述的CAD方法，其中，所述附加信息输入区域还被构造为：
显示一个或多个附加信息字段以便由用户选择；以及
响应于由用户选择附加信息字段之一，显示选择的附加信息字段的一个或多个子字段。
8.如权利要求7所述的CAD方法，其中，所述附加信息输入区域还被构造为：响应于提取的损伤特征值小于参考值，显示用于损伤特征的一个或多个附加信息字段。
9.如权利要求7所述的CAD方法，其中，所述附加信息输入区域还被构造为：不同地显示对损伤的诊断具有较大影响的一个或多个附加信息字段和对损伤的诊断具有较小影响的一个或多个附加信息字段。
10.如权利要求6所述的CAD方法，其中，所述附加信息输入区域还被构造为：从用户接收文本类型附加信息。
11.如权利要求6所述的CAD方法，其中，所述附加信息输入区域还被构造为：从用户接收音频类型附加信息。
12.一种计算机辅助诊断CAD设备，包括：
损伤特征提取单元，被构造为从捕获的损伤图像提取损伤的损伤特征的损伤特征值；
接口单元，被构造为接收附加信息；
诊断单元，被构造为基于提取的损伤特征值和接收的附加信息的组合诊断损伤。
13.如权利要求12所述的CAD设备，还包括：存储单元，被构造为存储损伤诊断模型；
其中，所述诊断单元还被构造为：
将提取的损伤特征值和接收的附加信息与损伤诊断模型进行比较；
基于比较的结果诊断损伤。
14.如权利要求13所述的CAD设备，其中，基于下面的项产生损伤诊断模型：
从预先捕获的损伤图像提取的多个损伤特征值；和
针对预先捕获的损伤图像的多个附加信息。
15.如权利要求14所述的CAD设备，其中，损伤诊断模型包括：
所述从预先捕获的损伤图像提取的多个损伤特征值和所述多个附加信息的组合；和
与所述组合对应的诊断结果。
16.如权利要求12所述的CAD设备，其中，所述附加信息包括下面各项中的任何一个或任何组合：
由用户基于捕获的损伤图像确定的关于损伤的信息；和
影响损伤的诊断的病人信息和医疗记录。
17.如权利要求12所述的CAD设备，其中，所述接口单元包括：用户接口，被构造为从用户接收附加信息；以及
所述用户接口包括：
损伤图像显示区域，被构造为显示捕获的损伤图像；
附加信息输入区域，被构造为从用户接收附加信息。
18.如权利要求17所述的CAD设备，其中，所述附加信息输入区域还被构造为：
显示一个或多个附加信息字段以便由用户选择；以及
响应于由用户选择附加信息字段之一，显示选择的附加信息字段的一个或多个子字段。
19.如权利要求18所述的CAD设备，其中，所述用户接口还被构造为：响应于提取的损伤特征值小于参考值，显示用于损伤特征的一个或多个附加信息字段。
20.如权利要求18所述的CAD设备，其中，所述用户接口还被构造为：不同地显示对损伤的诊断具有较大影响的一个或多个附加信息字段和对损伤的诊断具有较小影响的一个或多个附加信息字段。
21.如权利要求17所述的CAD设备，其中，所述附加信息输入区域还被构造为：从用户接收文本类型附加信息。
22.一种产生损伤诊断模型的方法，所述方法包括：
从多个捕获的损伤图像中的每一个提取至少一个损伤特征值；
接收针对所述多个捕获的损伤图像中的每一个的附加信息；
产生损伤特征值和附加信息的组合；以及
基于损伤特征值和附加信息的组合以及与这些组合对应的诊断结果产生损伤诊断模型。
23.如权利要求22所述的方法，其中，组合中的每一个包括至少一个损伤特征值和至少一项附加信息；以及
诊断结果中的每一个对应于至少一个组合。
24.如权利要求22所述的方法，其中，所述附加信息包括关于提取了损伤特征值的损伤特征的信息。
25.如权利要求24所述的方法，其中，所述附加信息还包括影响提取了损伤特征值的损伤的诊断的病人信息和医疗记录。
26.如权利要求22所述的方法，其中，接收的步骤包括：从用户接收附加信息；
由用户基于捕获的损伤图像确定与这些组合对应的诊断结果。
CN201310576739.2A 2012-11-16 2013-11-18 计算机辅助诊断方法和设备 Pending CN103823918A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020120130481A KR102043130B1 (ko) 2012-11-16 2012-11-16 컴퓨터 보조 진단 방법 및 장치
KR10-2012-0130481 2012-11-16

Publications (1)

Publication Number Publication Date
CN103823918A true CN103823918A (zh) 2014-05-28

Family

ID=49724442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310576739.2A Pending CN103823918A (zh) 2012-11-16 2013-11-18 计算机辅助诊断方法和设备

Country Status (5)

Country Link
US (1) US9760689B2 (zh)
EP (1) EP2733633B1 (zh)
JP (1) JP2014100570A (zh)
KR (1) KR102043130B1 (zh)
CN (1) CN103823918A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106725514A (zh) * 2015-11-24 2017-05-31 中国移动通信集团公司 一种数据处理方法及其装置
CN108463159A (zh) * 2015-08-13 2018-08-28 株式会社福微视 用于时间序列图像分析的图形用户界面提供方法
CN109584999A (zh) * 2018-11-27 2019-04-05 广东智源信息技术有限公司 一种基于图片识别的法医伤情鉴定创伤智能鉴别方法
CN113539499A (zh) * 2021-07-30 2021-10-22 南京麦澜德医疗科技股份有限公司 多通道智能健康数据测控系统及方法
CN113558570A (zh) * 2020-04-29 2021-10-29 皮智股份有限公司 人工智慧云端肤质与皮肤病灶识别方法及其系统

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10251621B2 (en) 2010-07-19 2019-04-09 Qview Medical, Inc. Automated breast ultrasound equipment and methods using enhanced navigator aids
US9826958B2 (en) 2009-11-27 2017-11-28 QView, INC Automated detection of suspected abnormalities in ultrasound breast images
US10603007B2 (en) 2009-11-27 2020-03-31 Qview Medical, Inc. Automated breast ultrasound equipment and methods using enhanced navigator aids
US9439621B2 (en) 2009-11-27 2016-09-13 Qview, Medical Inc Reduced image reading time and improved patient flow in automated breast ultrasound using enchanced, whole breast navigator overview images
KR101623431B1 (ko) * 2015-08-06 2016-05-23 주식회사 루닛 의료 영상의 병리 진단 분류 장치 및 이를 이용한 병리 진단 시스템
KR101809819B1 (ko) * 2016-02-23 2017-12-18 정종율 혀 이미지를 기반으로 한 설진 방법 및 시스템
JP6818424B2 (ja) * 2016-04-13 2021-01-20 キヤノン株式会社 診断支援装置、情報処理方法、診断支援システム及びプログラム
KR101880678B1 (ko) * 2016-10-12 2018-07-20 (주)헬스허브 기계학습을 통한 의료영상 판독 및 진단 통합 시스템
US10283221B2 (en) 2016-10-27 2019-05-07 International Business Machines Corporation Risk assessment based on patient similarity determined using image analysis
US10242442B2 (en) * 2016-10-27 2019-03-26 International Business Machines Corporation Detection of outlier lesions based on extracted features from skin images
US10282843B2 (en) 2016-10-27 2019-05-07 International Business Machines Corporation System and method for lesion analysis and recommendation of screening checkpoints for reduced risk of skin cancer
KR101977645B1 (ko) 2017-08-25 2019-06-12 주식회사 메디웨일 안구영상 분석방법
KR101977174B1 (ko) * 2017-09-13 2019-05-10 이재준 영상 분석 방법, 장치 및 컴퓨터 프로그램
KR101874348B1 (ko) * 2017-11-21 2018-07-09 주식회사 뷰노 피검체의 흉부 pa 영상의 판독을 지원하는 방법 및 이를 이용한 장치
KR102031668B1 (ko) * 2018-03-27 2019-10-14 중앙대학교 산학협력단 의사결정모델 기반 군날개 수술 여부 진단 장치 및 그 방법
KR101962869B1 (ko) * 2018-08-02 2019-03-27 주식회사 우리메디칼 이미지 분석에 기반한 골수판독 지원 장치
KR101957811B1 (ko) * 2018-08-07 2019-03-13 주식회사 뷰노 의료 영상에 기반하여 피검체의 치매에 대한 중증도를 산출하는 방법 및 이를 이용한 장치
KR102210806B1 (ko) * 2018-10-02 2021-02-01 한림대학교 산학협력단 위 내시경 이미지의 딥러닝을 이용하여 위 병변을 진단하는 장치 및 방법
KR102259275B1 (ko) * 2019-03-13 2021-06-01 부산대학교 산학협력단 의료영상정보 딥러닝 기반의 동적 다차원 병변위치확인 방법 및 동적 다차원 병변위치확인 장치
KR102045223B1 (ko) * 2019-05-03 2019-11-19 주식회사 크레스콤 골 연령 분석 방법, 장치 및 컴퓨터 프로그램
CN111242893B (zh) * 2019-12-30 2023-12-15 北京深睿博联科技有限责任公司 神经系统影像分析方法和装置
JP7382240B2 (ja) * 2020-01-30 2023-11-16 富士フイルムヘルスケア株式会社 医用画像処理装置及び医用画像処理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1839391A (zh) * 2003-06-25 2006-09-27 美国西门子医疗解决公司 用于乳房成像的自动诊断和决策支持的系统和方法
CN1914617A (zh) * 2004-02-03 2007-02-14 美国西门子医疗解决公司 与心脏有关的疾病和病症的自动诊断和决策支持系统和方法
US20120130223A1 (en) * 2010-11-19 2012-05-24 Dr Systems, Inc. Annotation and assessment of images

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4945476A (en) 1988-02-26 1990-07-31 Elsevier Science Publishing Company, Inc. Interactive system and method for creating and editing a knowledge base for use as a computerized aid to the cognitive process of diagnosis
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
JP2008541889A (ja) * 2005-06-02 2008-11-27 ザ メディパターン コーポレイション コンピュータ支援検出のシステムおよび方法
US8014576B2 (en) 2005-11-23 2011-09-06 The Medipattern Corporation Method and system of computer-aided quantitative and qualitative analysis of medical images
US20090082637A1 (en) 2007-09-21 2009-03-26 Michael Galperin Multi-modality fusion classifier with integrated non-imaging factors
JP5159242B2 (ja) 2007-10-18 2013-03-06 キヤノン株式会社 診断支援装置、診断支援装置の制御方法、およびそのプログラム
US8799013B2 (en) 2009-11-24 2014-08-05 Penrad Technologies, Inc. Mammography information system
JP5320335B2 (ja) 2010-03-31 2013-10-23 富士フイルム株式会社 診断支援システム、診断支援装置、診断支援方法および診断支援プログラム
EP2561458B1 (en) 2010-04-19 2021-07-21 Koninklijke Philips N.V. Report viewer using radiological descriptors
CN107403058B (zh) 2010-07-21 2021-04-16 阿敏·E·莫尔勒 图像报告方法
JP2012135428A (ja) 2010-12-27 2012-07-19 Konica Minolta Medical & Graphic Inc 超音波診断システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1839391A (zh) * 2003-06-25 2006-09-27 美国西门子医疗解决公司 用于乳房成像的自动诊断和决策支持的系统和方法
CN1914617A (zh) * 2004-02-03 2007-02-14 美国西门子医疗解决公司 与心脏有关的疾病和病症的自动诊断和决策支持系统和方法
US20120130223A1 (en) * 2010-11-19 2012-05-24 Dr Systems, Inc. Annotation and assessment of images

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108463159A (zh) * 2015-08-13 2018-08-28 株式会社福微视 用于时间序列图像分析的图形用户界面提供方法
CN106725514A (zh) * 2015-11-24 2017-05-31 中国移动通信集团公司 一种数据处理方法及其装置
CN106725514B (zh) * 2015-11-24 2019-11-12 中国移动通信集团公司 一种数据处理方法及其装置
CN109584999A (zh) * 2018-11-27 2019-04-05 广东智源信息技术有限公司 一种基于图片识别的法医伤情鉴定创伤智能鉴别方法
CN113558570A (zh) * 2020-04-29 2021-10-29 皮智股份有限公司 人工智慧云端肤质与皮肤病灶识别方法及其系统
CN113539499A (zh) * 2021-07-30 2021-10-22 南京麦澜德医疗科技股份有限公司 多通道智能健康数据测控系统及方法
CN113539499B (zh) * 2021-07-30 2024-04-19 南京麦澜德医疗科技股份有限公司 多通道智能健康数据测控系统及方法

Also Published As

Publication number Publication date
KR20140063288A (ko) 2014-05-27
EP2733633A2 (en) 2014-05-21
EP2733633B1 (en) 2020-02-26
US9760689B2 (en) 2017-09-12
EP2733633A3 (en) 2017-03-22
KR102043130B1 (ko) 2019-11-11
US20140142413A1 (en) 2014-05-22
JP2014100570A (ja) 2014-06-05

Similar Documents

Publication Publication Date Title
CN103823918A (zh) 计算机辅助诊断方法和设备
US9514416B2 (en) Apparatus and method of diagnosing a lesion using image data and diagnostic models
JP5462414B2 (ja) 類似症例検索装置および関連度データベース作成装置並びに類似症例検索方法および関連度データベース作成方法
US9662040B2 (en) Computer-aided diagnosis apparatus and method
US8934695B2 (en) Similar case searching apparatus and similar case searching method
US8958613B2 (en) Similar case searching apparatus and similar case searching method
US8953857B2 (en) Similar case searching apparatus and similar case searching method
CN106415555B (zh) 用于病理学报告与放射学报告的相关联的系统和方法
US11023765B2 (en) Apparatus and method for providing additional information for each region of interest
US9569840B2 (en) Method and apparatus for selecting seed area for tracking nerve fibers in brain
US20120166211A1 (en) Method and apparatus for aiding imaging diagnosis using medical image, and image diagnosis aiding system for performing the method
CN105940401A (zh) 背景敏感医学数据输入系统
EP2761515B1 (en) Medical image system and method
US12008748B2 (en) Method for classifying fundus image of subject and device using same
WO2012117314A1 (en) Determination of a magnetic resonance imaging pulse sequence protocol classification
US20120208161A1 (en) Misdiagnosis cause detecting apparatus and misdiagnosis cause detecting method
US20160055190A1 (en) Event detection and characterization in big data streams
US20170300621A1 (en) Image report annotation identification
RU2589384C2 (ru) Временная диаграмма клинических состояний
US20200321098A1 (en) System and method for viewing medical image
JP2013200642A (ja) 症例検索装置、症例検索方法及びプログラム
US20140039927A1 (en) Method of generating user interface and apparatus for generating user interface by using the same
de Ridder et al. A web-based medical multimedia visualisation interface for personal health records
JP2012011109A (ja) 医用画像処理装置及びプログラム
US20240127917A1 (en) Method and system for providing a document model structure for producing a medical findings report

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20140528

RJ01 Rejection of invention patent application after publication