CN106068509B - 一种用于创建患者发现的纵视图的系统和方法 - Google Patents
一种用于创建患者发现的纵视图的系统和方法 Download PDFInfo
- Publication number
- CN106068509B CN106068509B CN201480075711.3A CN201480075711A CN106068509B CN 106068509 B CN106068509 B CN 106068509B CN 201480075711 A CN201480075711 A CN 201480075711A CN 106068509 B CN106068509 B CN 106068509B
- Authority
- CN
- China
- Prior art keywords
- clinical
- findings
- documents
- document
- engine
- 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
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
- G16H50/50—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/169—Annotation, e.g. comment data or footnotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/221—Parsing markup language streams
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
Abstract
一种用于创建患者发现的纵视图的系统包括自然语言处理引擎,其从临床文档中提取临床发现。时间分辨率引擎确定临床发现属于哪个其他临床文档。可视化图形用户界面指示所述临床文档与其他临床文档之间的临床发现的关联性。自然语言处理引擎也将一幅或多幅图像链接到临床发现。
Description
技术领域
本应用总体上涉及患者发现的以发现为中心的纵视图的自动创建。本应用具体与从陈述式放射学报告提取测量结果和图像参考以及在其他放射学报告上记录测量结果和图像参考结合应用,并且将具体参考其进行描述。然而,应当理解,本申请还适用于其他使用场景,而不必限于上述应用。
背景技术
在常规基础上,放射科医师处理越来越多的研究来以最佳方式对患者做出诊断和处置。患者,尤其患有癌症的患者频繁地经历成像检查,并且随着时间累积许多研究,以及从而在他们的医学记录中报告。每当新的研究需要被读取时,放射科医师通常打开一个或多个先前报告以理解患者发现的状态并且建立临床语境。建立临床语境是重要的,尤其对于在具有多个研究上观察到的已经进展许多年的多个发现的复杂患者。当前地手动执行确定随着时间的发现的进展,其中放射科医师将读取一个或多个先前报告,其是自由文本并且本质上是陈述式的,并且然后手动比较对应发现。
而且,当描述发现时,放射学报告常常包含测量结果和对具体图像的参考,例如“Neurofibroma in the superior right extraconal space(series 5,image 104)measuring approximately 17mm”。在当前工作流程中的问题是需要通过手动地并且在心理上链接报告上的发现来确定随着时间的发现的进展。额外地,在当前诊断放射学工作流程中,当观察发现时,放射学医师需要知道之前是否已经观察了发现以及是否已经对其进行诊断。具体地,当放射科医师识别发现时,如果在先前检查上已经识别了发现,和/或如果已经“调用”识别的发现,即,如果之前对其进行诊断(例如为“囊肿”或“转移性肿瘤”),放射科医师对发现结果感兴趣。例如,可能先前已经识别了发现但未进行诊断。在这样的实例中,放射科医师将简单地报告发现的成像特征(例如“低密度病变”)。在当前工作流程中,为了获得关于先前识别和/或诊断的信息,放射科医师必须检索相关先前检查的报告,对其相关部分进行扫描,并且提取相关信息。由于报告通常是关于不同监测器而非图像研究,这要求放射科医师将他的焦点从一个监测器改变到另一个。这会放慢工作流程,并且是令人疲劳的。
额外地,放射科医师在定量(例如,测量结果)和定性方面(例如,“稳定”、“减少”、“增加”)描述病变。通过下游消费者使用定量和定性评价两者。在肿瘤学环境中的可测量病变的情况下,在实体瘤中的反应评估标准 (RECIST)指南定义其关系。例如,(在最长维度)多于20%的间距变化被认为是“进展”。然而,由于若干原因,定量和定性评价会搞错。例如,用于定义间距变化的现有指南未并入工作流程中。因此,不同放射科医师可以使用不同的术语来描述相同的定量改变。进行跟踪调查来绘制定量数据(在间距变化方面)相对于来自放射学报告的庞大数据库的对应定性评估。选择的所有语句包括两个测量结果(下划线),例如:“区别于食管(系列3图像 40)测量2.8x2cm(先前3.5x2.1cm)的参考隆突下物质并且多个先前的尺寸继续减少。”多维测量结果的间距变化被认为是这些测量结果的几何平均数的变化,以便补偿变化数量的报告维度。例如,由以上两组测量结果定义的几何表面分别是560mm2和735mm2。通过比较几何平均数,间距变化是: 0.87(√(560/735))。使用字符串匹配技术,确定由放射科医师做出的定性评估。例如,当以上的例句包含关键词“减少”时,其将被认为是“减少”。在图1的图示中示出了分析的结果。如图所示,在一方面被认为减少和稳定的间距改变和另一方面被认为稳定和增加的间距改变之间具有相当多的重叠。
定量和定性评估的另一问题是微小变化的累积。例如,如果病变随着时间缓慢发展,其能够被认为在两个检查之间是稳定的,尽管在跨度两年间距的更大数量的检查上其显示明显发展。能够从这样的早期检查或其报告中检索该信息(考虑到然后病变存在),但是该过程是耗时的,并且对于报告稳定的每个和每一个病变放射科医师一般将不做。如果测量数据以结构化方式可用,能够询问适当的用户界面。然而,尽管这可以比查找检查更方便,其仍然要求放射科医师将他/她的注意力切换到另一信息管理系统。
另一问题在于关于单一屏幕系统,诸如平板电脑的信息消费。在放射学图像存档和通信系统(PACS)工作站观察环境通常将创建在病变的定性和定量描述中包含的信息-具有用于悬挂创建病变进展的传统“可见”概况在不同时间点的相同病变的多个图像的不动产的相当大的诊断监测器。通过参考医师的信息的消费发生在具有包括平板电脑和笔记本电脑的单屏设备上。这创建以尽可能丰富但内容简洁的方式随着时间传达在测量结果、图像和定性描述中包含的信息的挑战。
WO 2011/066486 A2公开了一种用于提供可以在时间线上表示的基于多媒体的结构化报告的系统和方法。所述报告可以包含测试结果、实验室工作结果和病史。提供了在医学图像和与医学图像相关的描述数据之间的数据相关性。医学图像可以被链接到一个或多个可链接医学图像。提供来源于不同临床文献的临床发现的关联性,并且图像被链接到对应的临床发现。
发明内容
本申请也提供克服上述问题和其他问题的新的和改进的方法和系统。
根据一个方面,提供一种用于创建患者发现的纵视图的系统。所述系统包括自然语言处理器引擎,其从临床文档中提取临床发现。时间分辨率引擎确定临床发现属于哪个其他临床文档。可视化图形用户界面指示临床文档与其他临床文档之间的临床发现的关联性。自然语言处理器引擎也将一幅或多幅图像链接到临床发现。可视化图形用户界面强调在临床文献和其他临床文献内的匹配的测量结果、图像参考和临床发现。
根据另一方面,提供一种用于创建患者发现的纵视图的方法。所述方法包括从临床文档中提取临床发现,确定临床发现属于哪个其他临床文档,在界面上指示临床文档与其他临床文档之间的临床发现的关联性,将一幅或多幅图像链接到临床发现,并且可视化图形用户界面强调在临床文献和其他临床文献内的匹配的测量结果、图像参考和临床发现。
可以提供一种用于创建患者发现的纵视图的系统。所述系统包括一个或多个处理器,其被编程为从临床文档中提取临床发现,确定临床发现属于哪个其他临床文档,在界面上指示临床文档与其他临床文档之间的临床发现的关联性,并且将一幅或多幅图像链接到临床发现。
一个优点在于从先前放射学报告中提取和记录测量结果和图像参考。
另一优点在于从先前放射学报告中提取和显示相关信息。
另一优点在于确定和显示在先前放射学报告中的放射学发现的间距变化。
另一优点在于建立临床语境并且潜在地提高工作流程效率。
另一优点在于提高放射科医师的观察和解读经验。
另一优点在于跟踪不一致的病例。
另一优点在于改进的临床工作流程。
另一优点在于改进的患者护理。
本领域的普通技术人员在阅读和理解下面详细描述的基础上将认识到本发明的其他的优点。
附图说明
本发明可以采用各种部件和部件的布置,以及各种步骤和步骤布置的形式。附图仅出于图示优选实施例的目的,并不应被解读为对本发明的限制。
图1图示了根据本申请的各方面在术语指南中的间距变化的分析的结果的示图。
图2图示了根据本申请的各方面的医疗机构的IT基础设施的方框图。
图3图示了根据本申请的各方面的临床支持系统的操作的流程图。
图4图示了根据本申请的各方面由临床支持系统生成的患者发现界面的纵视图的范例性实施例。
图5图示了根据本申请的各方面的临床支持系统的操作的另一范例性流程图。
图6图示了根据本申请的各方面的临床支持系统的操作的另一范例性流程图。
图7图示了根据本申请的各方面的临床支持系统的操作的另一范例性流程图。
图8图示了根据本申请的各方面的临床支持系统的操作的另一范例性流程图。
图9图示了根据本申请的各方面的临床支持系统的操作的另一范例性流程图。
图10图示了根据本申请的各方面由临床支持系统生成的定性评估界面的范例性实施例。
图11图示了根据本申请的各方面由临床支持系统生成的定性评估界面的另一范例性实施例。
图12图示了根据本申请的各方面的患者发现的以发现为中心的纵视图的自动创建的方法。
具体实施方式
本申请提供一种系统和方法,其通过从放射学报告中提取测量和图像参考并且在先前放射学报告上记录测量和图像参考来自动创建患者的以发现为中心的纵视图。具体地,在放射学报告上记录测量和图像参考以创建被用于建立临床语境的患者的以发现为中心的纵视图,并且便于到对应关键图像的直接导航,导致工作流程效率增加。本申请还提供一种系统和方法,其用于从先前放射学报告中提取叙述内容以识别在先前检查上已经被识别的发现和/或识别先前是否已经对发现进行诊断。本申请还提供一种系统和方法,其提供对先前放射学报告中的测得的发现的间距变化的评估并且以始终服从指南的方式显示间距变化。
参考图2,方框图图示了医疗机构(诸如医院)的IT基础设施10的一个实施例。IT基础设施10适当地包括经由通信网络20互连的临床信息系统 12、临床支持系统14、临床界面系统16等。预期通信网络20包括以下中的一个或多个:因特网、内联网、局域网、广域网、无线网、有线网、蜂窝网、数据总线等。也应当认识到,IT基础设施的部件位于中央位置或多个远程位置。
临床信息系统12将包括放射学报告、临床研究/检查报告、图像、成像报告、电子健康记录、EMR数据等的临床文档存储在临床信息数据库22中。临床文档可以包括具有与实体(诸如患者)有关的信息的文档。临床文档中的一些可以是自由文本文档,然而,其他文档可以是结构化文档。这样的结构化文档可以是基于用户通过以电子形式填充而已经提供的数据由计算机程序生成的文档。例如,结构化文档可以是XML文档。结构化文档可以包括自由文本部分。这样的自由文本部分可以被认为是封装在结构化文档内的自由文本文档。因此,结构化文档的自由文本部分可以通过系统作为自由文本文档处置。临床文档中的每个包含信息项的列表。信息项的列表包括自由文本串,诸如短语、语句、段落、单词等。能够自动和/或手动生成临床文档的信息项。例如,各个临床系统根据先前临床文档、语音的口述等自动生成信息项。至于后者,能够采用用户输入设备24。在一些实施例中,临床信息系统12包括向用户提供用户界面的显示设备26,在所述用户界面内手动输入信息项和/或显示临床文档。在一个实施例中,临床文档被本地地存储在临床信息数据库22中。在另一实施例中,临床文档被全国性地或区域性地存储在临床信息数据库22中。患者信息系统的范例包括,但不限于,电子医疗记录系统、部门系统等。
参考图2,临床支持系统14处理临床文档以检测在临床文档中的信息项以及检测在信息项内的正规化图像参考和/或测量结果。临床支持系统14还关联包括匹配图像参考和/或测量结果的临床文档,以确定检测的正规化图像参考和/或测量结果属于哪个(哪些)临床文档。临床支持系统14还将图像参考和/或测量结果链接到在一个或多个临床文档中包括的相关临床发现和信息。临床支持系统14也确定与图像参考、测量结果和/或一个或多个临床文档有关的临床发现和信息的寿命。临床支持系统14还生成提供相关临床发现和信息的纵视图的用户界面。临床支持系统14包括显示器28,诸如CRT 显示器、液晶显示器、发光二极管显示器,以显示信息项,和临床医生用于输入和/或修改提供的信息项的用户界面以及用户输入设备30(诸如键盘和鼠标)。
具体地,临床支持系统14包括自然语言处理引擎32,其处理临床文档以检测临床文档中的信息项并且检测相关临床发现和信息的预定义列表,诸如图像参考和/或测量结果。为了完成这个,自然语言处理引擎32将临床文档分割成包括章节、段落、语句等的信息项。在一个范例中,自然语言处理引擎32利用最大熵分类器,其分配到以下四个标签中的一个的每个语句结束字符(“.”、“:”、“!”、“?”、“\n”):语句结束并且语句是章节标题;语句结束和语句是段落的最后一句;语句结束和语句不是章节标题也不是段落的最后一句;以及非语句结束。章节标题关于五个类别进行标准化:技术、比较、发现、观感和无。除了章节标题外,语句被分组为段落。段落中的每个首句与段落标题的列表(例如,肝脏、脾脏等)进行比较。匹配语句被标记为是段落标题。使用章节标题的预定义列表和文本匹配技术能够容易地检测章节的内容。备选地,能够使用第三方软件方法,诸如MedLEE。例如,如果给定预定义术语的列表,字符串匹配技术能够被用于检测术语中的一个是否存在于给定信息项中。字符串匹配技术还能够被加强以考虑形态学和词汇变化以及在信息项上传播的术语。如果术语的预定义列表包含本体论ID,概念提取方法能够被用于从给定信息项中提取概念。ID涉及在背景本体论中的概念,诸如SNOMED或RadLex。对于概念提取,能够利用第三方解决方案,诸如MetaMap。而且,本领域本身已知自然语言处理技术。如由自由文本表达的,能够应用技术,诸如模板匹配和在本体论中定义的概念的实例的识别,以及在概念的实例之间的关系,以建立语义概念的实例的网络及其关系。
自然语言处理器引擎32包括图像参考提取引擎34以从一个或多个临床文档中提取图像参考。具体地,图像参考提取引擎34分析一个或多个临床文档以确定有关信息项。使用信息项的预定义列表和文本匹配技术能够容易地检测信息项的内容。例如,通常图像参考描述符中使用的预定义术语的列表由图像参考提取引擎34利用以检测术语中的一个或多个是否存在于临床文档。从临床文档中提取与图像参考有关的信息项,并且通过图像参考提取引擎34对其进行处理以从每个信息项提取图像参考。例如,图像参考提取引擎34将从信息项“左肝参考病变(序列号11、图像号79)测量约6.4x 5.4 cm”中提取序列号=11,和图像=79。为了完成这个,图像参考提取引擎34 可以利用常规表达来确定在信息项内的图像和序列信息。也预期,图像参考提取引擎34可以是数据驱动、基于机器学习的方法。
类似地,自然语言处理器引擎32的测量结果提取引擎36提取一个或多个临床文档内的图像测量结果。具体地,测量结果提取引擎36分析一个或多个临床文档以辨认信息项内的测量结果描述符。使用信息项中的测量结果描述符的预定义列表和文本匹配技术能够容易地检测信息项的内容。例如,通常在测量结果描述符中使用的预定义术语的列表由测量结果提取引擎36 利用以检测术语中的一个或多个是否存在于临床文档。测量结果提取引擎36 也关于表示毫米测量维度的信息项对测量结果描述符进行标准化。该数据结构也记录导出信息,诸如mm、mm2或mm3的测量结果维度及其体积。为了完成这个,测量结果提取引擎36可以利用常规表达来确定在信息项内的测量结果信息。也预期,测量结果提取引擎36可以是数据驱动、基于机器学习的方法。
临床支持系统14还包括时间分辨率引擎38,其确定图像参考和/或测量结果属于一个或多个临床文档中的哪个。具体地,时间分辨率引擎38分析一个或多个临床文档以确定哪个临床文档具有匹配图像参考和/或测量结果。在一个范例中,时间分辨率引擎38利用分类引擎在描述当前或先前临床文档上的实体(测量结果或图像参考)的描述符之间进行区分。在另一实施例中,时间分辨率引擎38搜索关键词,诸如“扫描”、“研究”连同日期:(a)发生在实体之前(例如在12/19/10,在序列2图像120测量的扫描测得 10mm…),(b)在实体后的日期存在(例如,…与先前在2010年6月3日序列601图像44测得的3mm相比较,病变尺寸已经减小),以及(c)词,诸如在实体之前/之后的“先前”和“以前”发生(例如,…测得3mm(序列4,图像52),先前地4mm(序列4,图像32)以及…先前研究的图像17 序列4)。在出版物Using Image References in Radiology Reports to Support Enhanced Report-to-Image Navigation,T.Mabotuwana,Y.Qian and M. Sevenster,AMIA Annual Symposium,2013评价了该具体途径。使用关键词的预定义列表和文本匹配技术能够检测临床文档的内容。时间分辨率引擎38 也确定测量结果属于哪个临床文档。例如,在语句“肝病变测得1.2x2.3cm,以前测得0.6x1.2cm”中,第二测量结果属于先前检查,然而第一属于与报告相关联的研究。为了实现这个,时间分辨率引擎38利用被训练的分类器来检测测量结果属于哪个临床文档。在一个实施方案中,时间分辨率引擎38 利用由最大熵模型定义的具有统计决策制定层的常规表达。在出版物 Classifying Measurements in Dictated,Free-textRadiology Reports,M. Sevenster,LNCS 7885,2013中评价了该具体途径。
自然语言处理引擎32还被用于将具体图像参考和/或测量结果链接到在临床文档内的临床发现和信息。具体地,自然语言处理引擎32利用来自图像参考提取引擎34的输出、测量结果提取引擎36和时间分辨率引擎38以确定一个或多个临床文档中的图像参考和/或测量结果的发生的位置,并且利用检测的信息项来确定有关临床发现或信息的定位。例如,根据段落:“肝脏、胆道:可能弥漫性脂肪肝。沿着肝段7的囊下部分的细微低密度软组织测得1.1x2.7cm(序列5,图像25)。以前3.2x1.3cm(序列5,图像43)。”自然语言处理引擎32确定与肝和胆道有关的两个测量结果和图像参考。为了实现这个,自然语言处理引擎32利用将具体图像参考和测量结果匹配到临床文档内的临床发现和信息的匹配标准提取算法。而且,然后字符串匹配技术能够被用于检测术语中的一个是否存在于在临床文档中的给定信息项。然后自然处理引擎32生成链接,诸如超链接,将具体图像参考和/或测量结果连接到临床文档内的临床发现和信息。
临床支持系统14也包括智能控制引擎40,其收集在所有临床文档上产生的所有相关临床发现和信息,并且通过具体感兴趣的发现(诸如病变等) 对临床文档进行分组。为了完成这个,智能控制引擎40利用分析在感兴趣的发现的测量结果之间的体积相似性、在描述测量结果的语句之间的语义相似性、测量结果是否出现在具有相同标题的段落和切片信息等的技术。所有这样的参数能够被认为是基于规则的系统或统计方法的输入。来自智能控制引擎40的结果输出是在与具体感兴趣的发现有关的所有临床文档上的所有有关临床发现和信息的交叉报告分组。例如,交叉报告分组可以包括来自与具体病变有关的三个连续腹部CT报告的临床发现和信息。分组也可以包括在所述日期的CT检查上报告记录病变的测量结果和图像参考。
临床支持系统14也包括临床界面引擎42,其生成向用户提供患者发现的以发现为中心的视图的用户界面。具体地,临床界面引擎42生成以发现为中心的纵向患者用户界面,其能够被用于建立临床语境和直接到对应关键图像的支持导航。在一个实施例中,临床界面引擎42生成用户界面,其允许用户容易地导航到对应图像,例如,通过在图像上双击。根据用户偏好能够定制用户界面,例如代替基于网格的图像布局,在彼此的顶部能够堆叠属于特定发现的所有图像。
临床界面系统16显示用户界面,使得用户可以查看生成的用户界面。临床界面系统16接收用户界面并且在显示器44上向护理员显示视图。临床界面系统16也包括用户输入设备46,诸如触摸屏或键盘和鼠标,以便临床医生输入和/或修改用户界面视图。护理员界面系统的范例包括,但不限于,个人数据助理(PDA)、移动智能手机、个人计算机等。
IT基础设施10的部件适当地包括执行实现前述功能的计算机可执行指令的处理器48,其中,所述计算机可执行指令被存储在与处理器48相关联的存储器50上。然而,预期能够以硬件形式实施前述功能中的至少一些,而不使用处理器。例如,能够采用模拟电路。而且,IT基础设施10的部件包括通信单元52,其向处理器48提供界面,通过所述界面在通信网络20上进行通信。甚至,尽管分开地描述了IT基础设施10的前述部件,应当认识到能够组合所述部件。
参考图3,图示了临床支持系统的操作的范例性流程图200。尽管以逻辑顺序连续地描述了示图中的方框中的每个,不假设系统以任何具体顺序或安排处理所描述的信息。在204处,针对关于具体患者的所有数据查询存储在数据库(例如,图片归档与通信系统,诸如iSite)202中的临床文档和图像。通过数据格式转换器208收集并处理关于具体患者的临床文档206以将临床文档转换成常见数据格式210,诸如XML。然后通过自然语言处理器 212处理以所选格式210的临床文档,以检测信息项,诸如章节、段落、语句等。然后临床文档中的检测到的信息项被处理以提取在临床文档内的比较数据214。临床文档中的信息项也被处理以提取测量数据216和图像参考数据218并对其进行标准化。然后测量数据和图像参考数据也被处理以确定测量数据220和图像参考数据222的时间分辨率,换言之,以确定测量数据和图像参考数据属于哪个临床文档。然后在临床发现224的交叉报告分组中记录比较数据、测量数据和图像参考数据。将临床发现的交叉报告分组与关于具体患者的图像228整合226以请求方式232生成呈现整合数据的用户界面 230。
参考图4,图示了由临床支持系统生成的患者发现界面300的纵视图的范例性实施例。界面300包括来自与具体感兴趣的发现有关的三个临床文档的临床发现和信息。具体地,显示来自三个不同临床文档304的临床发现和信息302。测量结果306和具有匹配颜色(浅灰色、深灰色、灰色)的图像参考308报告在每个具体临床文档(即日期的CT检查)上的记录发现。加下划线的测量结果310涉及在先前检查上做出的测量结果或图像参考。界面 300也使用户能够点击临床文档、测量结果和/或图像参考中的任何以显示其所属的整个临床文档。
在另一实施例中并且连续参考图2,临床支持系统14确定是否已经在先前临床文档上识别了临床发现以及以前是否已经对临床发现进行了诊断。具体地,在当前临床文档上已经识别了临床发现的情况下,临床支持系统14 创建“信息需求事件”。临床支持系统14也生成存储与识别的临床发现有关的诊断工作流程的给定状态有关的信息的语境向量。临床支持系统14解析语境向量,并且利用由二级算法生成和/或从临床信息数据库12中提取的数据对其进行扩充。然后临床支持系统14匹配语境向量与当前临床文档的内容,并且从先前临床文档中挑出相关信息项,并且经由用户界面显示相关信息项。
具体地,在当前临床文档上已经识别了临床发现的情况下,临床支持系统14包括创建“信息需求事件”的信息需求引擎60。经由自然语言处理引擎32或经由用户界面中的按键或额外按钮或菜单项的组合能够自动检测“信息需求事件”。响应于检测到“信息需求事件”,临床支持系统14的语境向量构建引擎62生成存储与对应于识别的临床发现的诊断工作流程的给定状态有关的信息的语境向量。具体地,语境向量构建引擎62收集来自PACS(图片归档与通信系统)观察环境的数字值,包括研究ID;患者性别;打开的序列的ID;打开的图像的序列号和取向(轴向、矢状、冠状);DICOM标题信息(例如,研究/协议描述、窗口类型,诸如“肺部”、“肝脏”)、测量结果、在图像上做出的其他注释等。也预期语境向量构建引擎62能够利用眼睛跟踪软件和图像处理算法的输出对语境向量进行扩充。语境向量构建引擎62收获所有可用的语境信息,并且将其存储在语境向量中。语境向量是存储有关在具体时间的诊断工作流程的给定状态的信息的数据结构。
临床支持系统14也包括扩充语境向量并且随后操纵关于背景知识的其内容的语境向量扩充引擎64。例如,如果具有来自相似类型的临床文档的语境向量一般具有一或多列的结构化图像内容的数据库是可用的,对于匹配语境向量值的行能够查询数据库。例如,如果语境向量具有“切片#=53”以及“mrn=123456”,并且数据库具有有(mrn=“123456”,切片#=“53”,“日期=“1/1/2001”,描述=“段7肝脏病变”)的行,语境向量扩充引擎64利用“1/1/2001“和”段7肝脏病变”扩充语境向量。该行用作简化图示。实际上,语境向量扩充引擎64与额外信息(诸如研究日期和研究类型(模态/解剖))匹配。如果正在利用临床发现跟踪软件,以这样的结构化方式存储可测量发现。在人类注释处理的过程中,在测量维度;注释的切片;研究日期;切片厚度;图像和序列号的方面存储可测量发现。尽管数据库包含有关先前检查的信息,语境向量扩充引擎64通过估计切片利用该信息。如果假设患者的扫描未示出许多可变性(患者高度不变;扫描的起始点大致相同;协议随着时间是相同的),则语境向量扩充引擎64查询对于当前切片号(例如, 53)和相邻号(例如,范围50—56)的临床发现跟踪软件数据库。在另一实施例中,语境向量扩充引擎64利用二级算法来扩充语境向量。例如,语境向量或其部分能够被移交到产生一个或多个额外数据项的二级算法。作为范例,算法根据切片号以及可能地额外信息(诸如患者性别、切片厚度和切片数量)对器官进行估计。问题能够被定义为多类分类问题。具体地,涉及的问题确定相关信息的给定列表(切片号等)所属的器官(例如,脾脏、肝脏、膀胱)。因此具体地,算法将被给予切片号,例如50,以及可能地其他信息,并且返回与所述切片号相关联的器官列表,诸如“肺和胸膜”、“纵隔和种脐”、“胸壁”、“骨骼软组织”等。
临床支持系统14也包括将在语境向量中的信息与在先前临床文档中的信息项匹配的报告内容匹配引擎66。报告内容匹配引擎66对来自临床文档的内容进行预处理、提取和标准化,然后其被用于基于基于规则或统计方法的自然语言处理技术进行匹配。通常预处理步骤包括信息项检测。例如,报告内容匹配引擎66查询在“肺和胸膜”段落中对于所有信息项的临床文档的元信息。如果语境向量在其器官列表包含“肺和胸膜”,则以这种方式获得的语句很可能是在当前语境中感兴趣的。图像参考也是能够从临床文档中提取的一个类型的信息。关于(图像#,序列#,日期)对图像参考进行标准化。如果语境向量包含相同信息,器官图像参考出现的信息很可能是当前语境中感兴趣的。借助于自然语言处理技术,诸如字符串分割、词干提取、意元集组、短语检测和本体论概念提取技术也能够从单个信息项中过滤关键短语。报告内容匹配引擎66循环通过临床文档中的所有信息项,并且核对信息项是否(部分地)匹配语境向量中的语言短语(“段7囊肿”),其可以已经经受与临床文档内容相同的处理步骤。匹配短语的语句很可能是在当前语境中感兴趣的。报告内容匹配引擎66编制被认为是相关(即,语境敏感) 的所有信息项的列表。
临床界面引擎42生成用户界面,所述用户界面包括被认为是相关的所有信息项的列表。具体地,临床界面引擎42生成相关信息界面,其显示重叠在观察环境上的相关信息项。在一个实施例中,在整个临床文档被显示具有以适当的格式强调的首句的情况下,文本将是“可以点击的”。
参考图5,图示了临床支持系统的操作的另一范例性流程图400。具体地,图5图示了生成相关信息界面的临床支持系统的流程图。尽管以逻辑顺序连续地描述了示图中的方框中的每个,不假设系统以任何具体顺序或安排处理所描述的信息。具有测量结果的图像402被提供到语境向量构建引擎 404,所述语境向量构建引擎404生成包括与诊断流程的给定状态相关的信息的语境向量406。然后语境向量406由语境向量扩充引擎408进行处理,所述语境向量扩充引擎408解析语境向量并且利用图像参考信息和器官信息 410将其扩充以生成扩充语境向量412。扩充语境向量412由报告内容匹配引擎414进行处理,所述报告内容匹配引擎414匹配扩充语境向量412与临床文档416的内容。报告内容匹配引擎414从临床文档中提取相关信息项 418。文本重叠引擎420生成界面422,其中相关信息项被重叠在图像上。
参考图6,图示了临床支持系统的操作的另一范例性流程图500。图6 图示了生成相关信息界面的临床支持系统的另一流程图。尽管以逻辑顺序连续地描述了示图中的方框中的每个,不假设系统以任何具体顺序或安排处理所描述的信息。具有测量结果的图像502被提供到语境向量构建引擎504,所述语境向量构建引擎504生成包括与诊断流程的给定状态相关的信息的语境向量506。然后语境向量506由语境向量扩充引擎508进行处理,所述语境向量扩充引擎508解析语境向量并且利用来自结构化图像内容数据库510 的图像信息将其扩充以生成扩充语境向量512。扩充语境向量512被提供到文本重叠引擎514,其生成界面516,在界面516中,来自扩充语境向量512 的相关信息被重叠在图像上。
参考图7,图示了临床支持系统的操作的另一范例性流程图600。图7 图示了生成相关信息界面的临床支持系统的另一流程图。尽管以逻辑顺序连续地描述了图中的方框中的每个,不假设系统以任何具体顺序或布置处理所描述的信息。具有测量结果的图像602被提供到语境向量构建引擎604,所述语境向量构建引擎604生成包括与诊断流程的给定状态相关的信息的语境向量606。然后语境向量606由语境向量扩充引擎608进行处理,所述语境向量扩充引擎608解析语境向量并且利用来自结构化图像内容数据库610的图像信息将其扩充以生成扩充语境向量612。扩充语境向量612由报告内容匹配引擎614进行处理,所述报告内容匹配引擎614匹配扩充语境向量612 与临床文档616的内容。报告内容匹配引擎614从临床文档中提取相关信息项618。文本重叠引擎620生成界面622,在界面622中,相关信息项被重叠在图像上。
参考图8,图示了临床支持系统的操作的另一范例性流程图700。图8 图示了生成相关信息界面的临床支持系统的另一流程图。尽管以逻辑顺序连续地描述了示图中的方框中的每个,不假设系统以任何具体顺序或安排处理所描述的信息。具有测量结果的图像702被提供到语境向量构建引擎704,所述语境向量构建引擎704生成包括与诊断流程的给定状态相关的信息的语境向量706。语境向量706由报告内容匹配引擎708进行处理,所述报告内容匹配引擎708匹配语境向量706与临床文档710的内容。报告内容匹配引擎708从临床文档710中提取相关信息项712。文本重叠引擎714生成界面 716,在界面716中,相关信息项被重叠在图像上。
在另一实施例中并且连续参考图2,临床支持系统14提供对先前临床文档中的测量发现的间距变化的评估,并且以始终顺从指南的方式显示间距变化。具体地,临床支持系统14听PAC观察环境的应用程序界面(API),并且确定是否正在测量临床发现。如果正在测量临床发现,临床支持系统14 向用户发送警报指示测量结果对应于具体发现。临床支持系统14还收集临床发现和有关给定感兴趣的区域的信息(例如,打开的图像),并且将其存储在语境向量中。临床支持系统14从存储在临床信息系统12中的一个或多个临床文档中检索测量结果。一个或多个间距变化术语指南被应用到由临床支持系统14的检索的测量结果以提供对先前临床文档中的测量发现的间距变化的定性评估。
具体地,临床支持系统14包括测量发现引擎68,其确定是否正在测量具体临床发现。具体地,测量发现引擎68确定两个或更多测量结果是否属于相同的临床发现。为了完成这个,测量发现引擎68利用一个或多个规则集合或算法来确定两个或更多测量结果是否与相似的临床发现有关。例如,测量发现引擎68确定两个测量结果是否在预定时期内得出。如果测量结果在预定时期内得出,测量发现引擎68确定测量结果与相同的临床发现有关。如果测量结果不在预定时期内得出,测量发现引擎68确定测量结果不相关。具体地,每当得出测量结果时,测量发现引擎68搜寻在预定时期内得出的另一测量结果。如果没有其他测量结果在该时间间隔内得出,测量发现引擎 68确定测量结果属于具体发现,并且向用户发送警报。发送警报以通知用户已经检测到与临床发现相关联的所有测量结果。
临床支持系统14的语境向量构建引擎62生成存储与和识别的临床发现有关的诊断工作流的给定状态有关的信息的语境向量。具体地,语境向量构建引擎62收集来自PACS观察环境的数字值,包括研究ID;患者性别;打开的序列的ID;打开的图像的序列号和取向(轴向、矢状、冠状);DICOM 标题信息(例如,研究/协议描述、窗口类型,诸如“肺部”、“肝脏”)、测量结果、在图像上做出的其他注释等。
临床支持系统14也包括发现历史爬行引擎70,其从一个或多个临床文档中检索与相关临床发现和信息有关的测量结果。例如,发现历史爬行引擎 70基于语境向量选出与在感兴趣的区域中的测量实体对应的临床信息数据库12中的临床发现。应当预期,这能够完全地被自动化或要求用户介入。在该场景中,每当发出警报时,发现历史爬行引擎70遵循可能地具有描述每个对象(“段7病变”)的标签的来自临床信息数据库12的对象列表。用户从临床信息数据库12中检索的对象的列表中选择测量的实体。当用户从列表中选择对象时,应当理解,这是与在感兴趣的区域中的测量实体相关联的对象。在另一实施例中,借助于集成在观察环境中的特定设备填充临床信息数据库12。临床发现跟踪软件是这样的流程图设备。在临床发现跟踪软件中,每个临床发现对象包含在由日期分组的临床文档上得出的一个或多个测量结果。另外,每个临床发现对象具有描述性标签(“段7病变”)。备选地,从一个或多个临床文档中提取测量结果并且通过发现进行分组。自然语言处理技术能够被用于实现此过程。例如,考虑从三个连续报道中采取的以下时间戳语句:
3/4/2005:沿着肝脏段7的囊下部分的细微低密度软组织测得1.1x2.7cm。
4/5/2006:在段7内的稳定细微低密度囊下病变测得2.7x1.1cm。
5/6/2007:肝脏段7内的低密度病变现在测得3.5x1cm,以前测得2.7x 1.1cm。
自然语言处理引擎32将下划线测量结果分组在一起,识别测量结果量化相同的临床发现。自然语言处理引擎32也被用于生成来自这些语句的描述性标签,例如自然语言处理引擎32将应用意元集组和概念提取技术。然后自然语言处理引擎32识别短语“肝脏段7的囊下部分”和“肝脏的段7 内的低密度病变”描述相同的发现。由于在这些短语中的相当多的词重复,发现历史爬行引擎70确定所述发现的描述性标签,并且作为在结构化数据库中的发现的描述符呈现一个或所有。在另一实施例中,发现历史爬行引擎 70包括查询机制以获得与选择的临床发现对象相关联的测量结果。查询结果能够被内部地维持作为在检查日期与测量结果之间的映射。根据数据库中的可用性,还能够包括额外数据,诸如,图像和序列号,见表1。
表1
日期 | X(mm) | Y(mm) | Z(mm) | 图像 | 序号 |
1/1/2001 | 12 | 11 | 51 | 3 | |
1/1/2002 | 12 | 11 | 49 | 3 | |
1/1/2003 | 14 | 13 | 52 | 3 | |
1/1/2004 | 15 | 14 | 51 | 3 | |
1/1/2005 | 17 | 15 | 48 | 3 |
临床支持系统14还包括指南管理引擎72,其提供对先前临床文档中的测量发现的间距变化的定性评估。指南的实施能够被认为是形式的规则的集合:如果<测量结果方程1>和…以及<测量结果方程K>,则<评估>。此处< 测量结果方程i>代表涉及测量数据的代数方程,诸如“在当前检查上的最长直径/在先前检查的最长直径>1.2”;以及<评估>代表“稳定”或“减少”等。指南管理引擎72基于语境向量选择一个或多个指南。相关指南是世界卫生组织指南和RECIST指南(在实体肿瘤中的响应评估标准)。指南管理引擎 72还将在选择的指南中的规则应用到获得的测量结果和临床信息。在要求更多信息来应用在选择的指南中的规则的情况下,从语境向量、被应用到在语境向量中的数据的二级算法,或通过用户的直接递送,能够获得信息。例如, RECIST指南区分肿瘤和淋巴结。自然语言处理引擎32能够被构建以基于测量结果和其描述性标签(“段7病变”→肿瘤;“右肺门淋巴结”淋巴结),对发现是肿瘤还是淋巴结归类。自然语言处理引擎32能够使用字符串匹配技术,以及统计学特征集成和概念映射技术。能够向用户示出预测分类以进行批准。指南能够被应用到当前临床文档和其最近先前或更早的临床文档。
临床界面引擎42生成用户界面,所述用户界面将获得的测量结果可视化为在感兴趣的区域中的重叠或弹出。在先进的实施例中,在图形时间线上的“点”是打开图像信息的入口点,例如,先前测量结果出现的关键图像。临床界面引擎42也非常适合于支持咨询医生。在小的单一屏幕设备上能够示出当前外观的丰富而简洁的界面和随着时间的其进展。图形能够潜在地被用于导航通过时间并且示出早前图像。另外能够设想备选界面-例如,多图像矩阵,其中,临床界面引擎42利用信息来示出随着时间的临床发现进展与图像缩放和平移,使得也能够在视觉上认识到临床发现进展。
参考图9,图示了临床支持系统的操作的另一范例性流程图800。在步骤802中,放射科医师进行测量。在步骤804中,放射科医师进行在第二间距T内交叉第一测量的另一测量。在步骤806中,通过测量发现引擎发出警报。在步骤808中,创建语境向量,其包含切片号(50)、测量结果(16.8mm 和15.1mm)、扫描协议CHEST-ABDOMEN-PELVIS、切片数量(210)、切片厚度(3mm)、患者MRN(123456)。在步骤810中,选择临床发现。这是不正确的病变,在步骤812中,放射科医师修改选择的临床发现。当前选择的临床发现对象的标签是“段7病变”。由于这是胸部-腹部-盆骨研究,在步骤814中选择RECIST指南。为了应用RECIST指南,指南管理引擎需要知道病变是肿瘤还是淋巴结。在步骤816中,自然语言处理引擎预测其是淋巴结。在步骤818中,用户将其改为肿瘤。在步骤820中,对于每个临床文档,每个RECIST指南,发现的最大维度与所述临床文档上的发现的最大维度进行比较。关于最近先前(1/1/2005),临床文档是稳定的;然而,关于研究 1/1/2003,具有进展性疾病。在步骤822在纵轴上显示测量结果。也在屏幕上显示定性评估。
参考图10,图示了由临床支持系统生成的定性评估界面900的范例性实施例。界面900包括图像902和定性评估扇区904。图像902包括针对临床发现908的测量结果906。定性评估扇区904包括随着时间912的临床发现的尺寸910的评估。定性评估也包括临床发现914的RECIST状态和最后检查916的日期。
参考图11,图示了由临床支持系统生成的定性评估界面1000的范例性实施例。界面1000包括图像1002和定性评估扇区1004。定性评估扇区1004 包括随着时间1008的临床发现的尺寸1006的评估。定性评估也包括临床发现1010的RECIST状态和最后检查1012的日期。界面1000也包括随着时间的所有临床发现测量结果的矩阵视图1014。
参考图12,图示了患者发现1100的以发现为中心的纵视图的自动创建的方法。尽管以逻辑顺序连续地描述了示图中的方框中的每个,不假设系统以任何具体顺序或安排处理所描述的信息。在步骤1102中,从临床文档中提取临床发现。在步骤1104中,确定临床发现属于其他临床文档。在步骤 1106中,在界面上指示所述临床文档与所述其他临床文档之间的所述临床发现的关联性。在步骤1108中,一幅或多幅图像被链接到临床发现。
如本文中使用的,存储器包括以下中的一个或多个:非暂态计算机可读介质;磁盘或其他磁性存储介质;光盘或其他光学存储介质;随机存取存储器(RAM)、只读存储器(ROM)、或其他电子存储设备或芯片或可操作地互联的芯片组;因特网/内联网服务器,可以经由因特网/内联网或局域网从所述因特网/内联网服务器中检索存储指令等。而且,如本文中使用的,处理器包括以下中的一个或多个:微处理器、微控制器、图形处理单元(GPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、个人数据辅助(PDA)、移动智能手机、移动手表、计算玻璃,和相似的身体穿戴、植入或携带移动装置等;用户输入设备包括以下中的一个或多个:鼠标、键盘、触摸屏显示器、一个或多个按钮、一个或多个开关、一个或多个触发器等;并且,显示设备包括以下中的一个或多个:LCD显示器、LED显示器、等离子显示器、投影显示器、触摸屏显示器等。
已经参考优选实施例描述了本发明。他人在阅读和理解上述详细描述之后可以进行修改和变型。其意图是将本发明解释为包括所有这样的修改和变型,只要它们落入所附权利要求及其等价方案的范围之内。
Claims (14)
1.一种用于创建患者发现的纵视图的系统(14),所述系统包括:
自然语言处理器引擎(32),其从与患者有关的临床文档中提取临床发现;
时间分辨率引擎(38),其通过分析所述临床文档和其他临床文档来确定所述临床文档与所述其他临床文档之间的匹配的图像参考和/或测量结果而确定所述临床发现属于哪个其他临床文档,其中,所述其他临床文档与所述患者有关;以及
可视化图形用户界面,其通过指示所述临床文档与所述其他临床文档之间的所述临床发现的关联性向用户提供所述纵视图,其中,所述可视化图形用户界面通过强调在所述临床文档与所述其他临床文档之间的匹配的测量结果、在所述临床文档与所述其他临床文档之间的匹配的图像参考和在所述临床文档与所述其他临床文档之间的匹配的临床发现来指示所述临床文档和所述其他临床文档中的所述临床发现的关联性;
其中,所述自然语言处理器引擎将一幅或多幅医学图像链接到所述临床发现,并且其中,所述一幅或多幅医学图像和所述临床发现与所述患者有关。
2.根据权利要求1所述的系统,其中,所述自然语言处理器引擎从所述临床文档和所述其他临床文档中提取测量结果和图像参考。
3.根据权利要求1所述的系统,还包括:
智能控制引擎(40),其根据所述临床发现对所述临床文档进行分组。
4.根据权利要求1所述的系统,还包括:
语境向量构建引擎(62),其生成与针对每个临床发现的诊断工作流程的给定状态有关的语境向量。
5.根据权利要求4所述的系统,还包括:
语境向量扩充引擎(64),其解析所述语境向量,并且利用从所述临床文档中提取的临床信息对所述语境向量进行扩充。
6.根据权利要求4-5中的任一项所述的系统,还包括:
报告内容匹配引擎(66),其使用所述语境向量从所述其他临床文档中提取与所述临床发现有关的相关临床信息。
7.根据权利要求1-5中的任一项所述的系统,还包括:
指南管理引擎(72),其将与当前的测量结果与先前的测量结果之间的变化有关的一个或多个间距变化术语指南应用到所述临床发现以生成对所述临床发现的定量和/或定性评估。
8.根据权利要求1-5中的任一项所述的系统,其中,所述可视化图形用户界面显示对关于所述临床文档和所述其他临床文档的所述临床发现和定性评估。
9.一种用于创建患者发现的纵视图的方法,所述方法包括:
从与患者有关的临床文档中提取临床发现;
通过分析所述临床文档和其他临床文档来确定所述临床文档与所述其他临床文档之间的匹配的图像参考和/或测量结果而确定所述临床发现属于哪个其他临床文档,其中,所述其他临床文档与所述患者有关;
通过强调在所述临床文档与所述其他临床文档之间的匹配的测量结果、在所述临床文档与所述其他临床文档之间的匹配的图像参考和在所述临床文档与所述其他临床文档之间的匹配的临床发现在界面上指示所述临床文档与所述其他临床文档之间的所述临床发现的关联性;并且
将一幅或多幅医学图像链接到所述临床发现;
其中,所述一幅或多幅医学图像和所述临床发现与所述患者有关。
10.根据权利要求9所述的方法,还包括:
从所述临床文档和所述其他临床文档中提取测量结果和图像参考。
11.根据权利要求9所述的方法,还包括:
根据所述临床发现对所述临床文档进行分组。
12.根据权利要求11所述的方法,还包括:
生成与针对每个临床发现的诊断工作流程的给定状态有关的语境向量。
13.根据权利要求12所述的方法,还包括:
使用所述语境向量从所述其他临床文档中提取与所述临床发现有关的相关临床信息。
14.根据权利要求9-13中的任一项所述的方法,还包括:
将与当前的测量结果与先前的测量结果之间的变化有关的一个或多个间距变化术语指南应用到所述临床发现以生成对所述临床发现的定性评估。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361918864P | 2013-12-20 | 2013-12-20 | |
US61/918,864 | 2013-12-20 | ||
PCT/IB2014/066811 WO2015092633A1 (en) | 2013-12-20 | 2014-12-11 | Automatic creation of a finding centric longitudinal view of patient findings |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106068509A CN106068509A (zh) | 2016-11-02 |
CN106068509B true CN106068509B (zh) | 2020-06-16 |
Family
ID=52432862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480075711.3A Active CN106068509B (zh) | 2013-12-20 | 2014-12-11 | 一种用于创建患者发现的纵视图的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10474742B2 (zh) |
EP (1) | EP3084657A1 (zh) |
JP (1) | JP6574184B2 (zh) |
CN (1) | CN106068509B (zh) |
RU (1) | RU2686627C1 (zh) |
WO (1) | WO2015092633A1 (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10007407B2 (en) | 2014-11-03 | 2018-06-26 | Cerner Innovation, Inc. | Duplication detection in clinical documentation to update a clinician |
US10198517B2 (en) * | 2014-12-08 | 2019-02-05 | Oath Inc. | Pairing systems and methods for electronic communications |
US10930379B2 (en) | 2015-10-02 | 2021-02-23 | Koniniklijke Philips N.V. | System for mapping findings to pertinent echocardiogram loops |
US11664111B2 (en) | 2015-10-30 | 2023-05-30 | Koninklijke Philips N.V. | Image context aware medical recommendation engine |
CN109564773B (zh) * | 2016-06-28 | 2023-07-07 | 皇家飞利浦有限公司 | 用于自动检测关键图像的系统和方法 |
JP7249940B2 (ja) * | 2016-12-05 | 2023-03-31 | コーニンクレッカ フィリップス エヌ ヴェ | インテリジェントな腫瘍サイズの変更通知を伴う腫瘍追跡 |
EP3613053A1 (en) * | 2017-04-18 | 2020-02-26 | Koninklijke Philips N.V. | Holistic patient radiology viewer |
CN110998740A (zh) * | 2017-07-28 | 2020-04-10 | 皇家飞利浦有限公司 | 用于使用临床背景信息扩展搜索查询的系统和方法 |
US10783633B2 (en) * | 2018-04-25 | 2020-09-22 | International Business Machines Corporation | Automatically linking entries in a medical image report to an image |
US10825173B2 (en) * | 2018-04-25 | 2020-11-03 | International Business Machines Corporation | Automatically linking a description of pathology in a medical image report to an image |
CN109635197B (zh) * | 2018-12-17 | 2021-08-24 | 北京百度网讯科技有限公司 | 搜索方法、装置、电子设备及存储介质 |
US11853359B1 (en) * | 2019-01-31 | 2023-12-26 | Veeva Systems Inc. | System and method for reporting multiple objects in enterprise content management |
WO2020241616A1 (ja) * | 2019-05-30 | 2020-12-03 | 国立大学法人大阪大学 | 矯正歯科臨床における自動診断支援処理方法 |
RU2726595C1 (ru) * | 2019-07-01 | 2020-07-14 | Андрей Алексеевич Калмыков | Система визуализации введенного имплантата |
US20210217503A1 (en) * | 2020-01-13 | 2021-07-15 | Koninklijke Philips N.V. | Information conflict identification and characterization in response to data carry-over transitions |
KR102425016B1 (ko) * | 2020-03-18 | 2022-07-25 | 주식회사 트라이얼인포매틱스 | 자동화된 임상시험 영상평가데이터 관리 방법 및 시스템 |
US11734580B2 (en) * | 2020-05-19 | 2023-08-22 | Tata Consultancy Services Limited | Building analytical platform to enable device fabrication |
WO2023237191A1 (en) * | 2022-06-08 | 2023-12-14 | Smart Reporting Gmbh | Methods and systems for creating medical report texts |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452503A (zh) * | 2008-11-28 | 2009-06-10 | 上海生物信息技术研究中心 | 一种异构临床医疗信息共享系统和方法 |
WO2011066486A2 (en) * | 2009-11-25 | 2011-06-03 | The Board Of Regents Of The University Of Texas System | Advanced multimedia structured reporting |
CN102782690A (zh) * | 2010-02-10 | 2012-11-14 | 爱克发医疗保健公司 | 用于处理针对临床文档的不同语言的消费者查询的系统和方法 |
CN102812464A (zh) * | 2010-02-12 | 2012-12-05 | 爱克发医疗保健公司 | 用于独立管理在数据中心处的临床文档和病人清单的系统和方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11312200A (ja) * | 1998-04-28 | 1999-11-09 | Nippon Telegr & Teleph Corp <Ntt> | 医療画像データベース装置 |
US6785410B2 (en) * | 1999-08-09 | 2004-08-31 | Wake Forest University Health Sciences | Image reporting method and system |
JP2007287018A (ja) | 2006-04-19 | 2007-11-01 | Fujifilm Corp | 診断支援システム |
JP2008250751A (ja) * | 2007-03-30 | 2008-10-16 | Yuyama Manufacturing Co Ltd | 電子カルテ装置、方法、プログラム、及び、記録媒体 |
JP5744182B2 (ja) * | 2010-04-19 | 2015-07-01 | コーニンクレッカ フィリップス エヌ ヴェ | 放射線ディスクリプタを用いた報告ビューア |
KR20140024788A (ko) * | 2010-09-20 | 2014-03-03 | 보드 오브 리전츠, 더 유니버시티 오브 텍사스 시스템 | 고급 멀티미디어 구조화 리포트 |
US9378331B2 (en) * | 2010-11-19 | 2016-06-28 | D.R. Systems, Inc. | Annotation and assessment of images |
RU106013U1 (ru) * | 2011-03-17 | 2011-06-27 | Общество С Ограниченной Ответственностью "Правовое Сопровождение Бизнеса" | Система постановки дифференцированного диагноза по данным диагностики, справочная система результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы, система дифференциации записи результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы и дифференциально-диагностическая матрица для интеграции в автоматизированные медицинские информационные системы |
DE102011080260B4 (de) * | 2011-08-02 | 2021-07-15 | Siemens Healthcare Gmbh | Verfahren und Anordnung zur rechnergestützten Darstellung bzw. Auswertung von medizinischen Untersuchungsdaten |
JP2013200592A (ja) * | 2012-03-23 | 2013-10-03 | Fujifilm Corp | 医療情報検索装置、方法およびプログラム |
-
2014
- 2014-12-11 RU RU2016129546A patent/RU2686627C1/ru active
- 2014-12-11 EP EP14831081.6A patent/EP3084657A1/en active Pending
- 2014-12-11 WO PCT/IB2014/066811 patent/WO2015092633A1/en active Application Filing
- 2014-12-11 US US15/103,913 patent/US10474742B2/en active Active
- 2014-12-11 CN CN201480075711.3A patent/CN106068509B/zh active Active
- 2014-12-11 JP JP2016540524A patent/JP6574184B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452503A (zh) * | 2008-11-28 | 2009-06-10 | 上海生物信息技术研究中心 | 一种异构临床医疗信息共享系统和方法 |
WO2011066486A2 (en) * | 2009-11-25 | 2011-06-03 | The Board Of Regents Of The University Of Texas System | Advanced multimedia structured reporting |
CN102782690A (zh) * | 2010-02-10 | 2012-11-14 | 爱克发医疗保健公司 | 用于处理针对临床文档的不同语言的消费者查询的系统和方法 |
CN102812464A (zh) * | 2010-02-12 | 2012-12-05 | 爱克发医疗保健公司 | 用于独立管理在数据中心处的临床文档和病人清单的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2015092633A1 (en) | 2015-06-25 |
EP3084657A1 (en) | 2016-10-26 |
JP6574184B2 (ja) | 2019-09-11 |
US10474742B2 (en) | 2019-11-12 |
JP2017501494A (ja) | 2017-01-12 |
RU2016129546A (ru) | 2018-01-25 |
RU2686627C1 (ru) | 2019-04-29 |
US20160314278A1 (en) | 2016-10-27 |
CN106068509A (zh) | 2016-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106068509B (zh) | 一种用于创建患者发现的纵视图的系统和方法 | |
US10901978B2 (en) | System and method for correlation of pathology reports and radiology reports | |
CN105940401B (zh) | 用于提供可执行注释的系统和方法 | |
JP2019049964A (ja) | 電子診療レコードからの医学的状態および事実の自動的特定および抽出 | |
US20110093293A1 (en) | Method and system for performing clinical data mining | |
US20060136259A1 (en) | Multi-dimensional analysis of medical data | |
US11651252B2 (en) | Prognostic score based on health information | |
CN109313648B (zh) | 用于基于语义关系来将自由文本临床文档建模为层次图状数据结构的系统和方法 | |
US20220068449A1 (en) | Integrated diagnostics systems and methods | |
US9904966B2 (en) | Using image references in radiology reports to support report-to-image navigation | |
US20150149215A1 (en) | System and method to detect and visualize finding-specific suggestions and pertinent patient information in radiology workflow | |
JP6875993B2 (ja) | 臨床の所見のコンテキストによる評価のための方法及びシステム | |
Banerjee et al. | Automatic inference of BI-RADS final assessment categories from narrative mammography report findings | |
CN117501375A (zh) | 用于人工智能辅助图像分析的系统和方法 | |
JP2017525043A (ja) | 次の検査に対する理由を予測することにより、価値を増加させ、フォローアップ放射線検査レートを減らすこと | |
Kashyap et al. | A deep learning method to detect opioid prescription and opioid use disorder from electronic health records | |
US10318092B2 (en) | Medical records visualization system for displaying related medical records in clusters with marked interrelationships on a time line | |
JP7315165B2 (ja) | 診断支援システム | |
US8756234B1 (en) | Information theory entropy reduction program | |
WO2021233795A1 (en) | Personalized radiology decision guidelines drawn from past analogous imaging and clinical phenotype applicable at the point of reading | |
Hsu et al. | Tools for improving the characterization and visualization of changes in neuro-oncology patients | |
Seifert et al. | Intelligent healthcare applications | |
CN117633209A (zh) | 用于患者信息概要的方法和系统 | |
CN110582810A (zh) | 利用临床文档的端点的对临床文档的总结 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |