CN106599549A - 一种计算机辅助诊断系统、方法及其医疗系统 - Google Patents

Abstract

本发明提供一种计算机辅助诊断系统、方法及医疗系统，所述计算机辅助诊断系统包括消息服务器集群，用于流式分发待处理数据；以及多个计算机辅助诊断服务器的工作节点，用于拉取来自所述消息服务器集群的所述待处理数据以及对所述待处理数据进行实时流式并行处理得到处理结果。

Description

一种计算机辅助诊断系统、方法及其医疗系统

技术领域

本发明涉及计算机辅助诊断系统，尤其涉及一种对诊断数据进行处理的计算机辅助诊断系统、方法及使用该计算机辅助诊断系统的医疗系统。

背景技术

目前计算机辅助诊断系统(Computer Aided Diagnosis，CAD)能够检测病灶并将诊断结果展现给医生，支持医生对图像中的病灶(如肺结节、乳腺钙化点、结肠息肉等)进行定位、诊断及定量分析，从而达到减少医生对病灶的误诊和漏诊，提高医生的诊断率。传统的CAD算法集中在一台工作站或PC(Personal Computer)上，运算需要多个步骤，需要用户等待较长时间才能得到CAD自动检测结果。如何提高计算机辅助诊断系统的检测或诊断效率成为计算机辅助诊断系统领域研究的重点。

发明内容

本发明解决的问题是提供一种利用多个计算机辅助诊断服务器实现实时流式并行计算的计算机辅助诊断系统、方法及使用该计算机辅助诊断系统的医疗系统，用以提高计算机的检测或诊断效率。

为了解决上述问题，本发明提供了一种计算机辅助诊断系统，包括：消息服务器集群，用于流式分发待处理数据；以及多个计算机辅助诊断服务器的工作节点，用于拉取来自所述消息服务器集群的所述待处理数据以及对所述待处理数据进行实时流式并行处理得到处理结果。

可选的，所述消息服务器集群为Kafka集群。

可选的，所述系统采用Storm框架集群，实现对所述待处理数据进行实时流式并行计算。

可选的，所述系统进一步包括集群管理节点，所述集群管理节点为zookeeper集群，用来协调KAFKA服务器以及计算机辅助诊断服务器的工作节点，所述多个计算机辅助诊断服务器用于处理病灶筛查并将计算结果存放到数据库。

可选的，所述待处理数据包括原始医学图像或中间数据，所述中间数据包括感兴趣区域、预处理数据、候选目标或特征数据。

可选的，一种计算机辅助诊断方法，包括：通过集群管理节点协调消息服务器集群和计算机辅助诊断服务器的工作节点，使所述消息服务器集群或计算机辅助诊断服务器的工作节点完成以下指令：通过所述消息服务器集群流式分发待处理数据，所述待处理数据包括原始医学图像或中间数据，所述中间数据包括感兴趣区域、预处理数据、候选目标或特征数据；通过多个计算机辅助诊断服务器的工作节点拉取来自所述消息服务器集群的所述待处理数据；以及通过多个计算机辅助诊断服务器的工作节点对所述待处理数据进行实时流式并行处理，得到处理结果。

可选的，一种医疗系统，包括：输入设备，用于获取诊疗数据；计算机辅助诊断系统，所述输入设备获取诊疗数据，所述计算机辅助诊断系统包括：消息服务器集群，用于流式分发待处理数据；多个计算机辅助诊断服务器的工作节点，用于拉取来自所述消息服务器集群的所述待处理数据以及用于对所述待处理数据进行实时流式并行处理得到处理结果；输出设备，用于输出所述处理结果。

可选的，所述输入设备包括用于拍摄医学图像的成像设备和/或用于存储从所述成像设备收集的数据或所述工作节点工作中产生的数据的数据存储设备，所述数据存储设备包括数据库、PACS或文件系统中的一种或若干种。

可选的，所述医疗系统进一步包括集群管理节点，所述集群管理节点为zookeeper集群，用来协调所述消息服务器集群以及计算机辅助诊断服务器的工作节点，所述多个计算机辅助诊断服务器用于处理病灶筛查并将计算结果存放到所述数据库或文件系统。

本发明计算机辅助诊断系统利用多个计算机辅助诊断服务器实现实时流式并行计算，令多个处理步骤并行处理，提高了诊断效率。

附图说明

图1所示为本发明实施例的计算机辅助诊断系统工作环境的一个示例性示意图；

图2所示为本发明实施例的所示的计算机辅助诊断系统的一种示例性系统图。

图3所示为本发明实施例的所示的计算机辅助诊断的一种示例性流程图。

图4所示为本发明实施例的所示的实时流式并行计算的一个示例性示意图。

图5所示为本发明实施例的通过计算机断层扫描(CT)设备对人体实施扫描后获取的原始胸部CT图像。

图6所示为本发明实施例的所示的肺实质的掩膜图像。

图7所示为本发明实施例所示的肺结节分割结果示意图。

图8是根据本发明的计算机辅助诊断系统的诊断结果的一个示例性示意图。

图9及图10是根据本申请的一些实施例所示的乳腺肿块区域实时分割方法的一个示例性结果示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。

本申请的实施例可以应用于计算机辅助诊断系统。计算机辅助诊断系统(Computer Aided Diagnosis，CAD)能够检测病灶并将诊断结果图形化展现给医生，支持医生对图像中的病灶(如肺结节、乳腺钙化点、结肠息肉等)进行定位、诊断及定量分析，从而达到减少医生对病灶的误诊和漏诊，提高医生的诊断率。本申请的实施例中涉及的计算机辅助诊断系统及方法可以应用于各种影像检查技术，例如电子计算机断层扫描(ComputerTomography，CT)、核磁共振成像(Magnetic Resonance Imaging，MRI)、正电子发射计算机断层扫描(Positron Emission Computed Tomography，PET)、超声诊断(UltrasonicDiagnosis)、平片诊断、X光成像、心电图诊断、脑电图诊断等。本申请的实施例中涉及的计算机辅助诊断系统及方法可以应用于乳腺、胸部肺结节、肝脏疾病、脑肿瘤、结肠等的检测与诊断。

根据本申请的一些实施例，图1所示的是使用计算机辅助诊断系统的医疗系统100的一个示例性示意图。所述医疗系统100可以包括一个或多个输入设备、多个计算机辅助诊断服务器130及一个或多个输出设备140。所述输入设备包括但不限于一个或多个成像设备110及一个或多个存储设备120。所述存储设备120包括但不限于数据库120-1、PACS(Picture Archiving and Communication Systems)120-2、文件系统120-3。

在一些实施例中，成像设备110可以拍摄医学图像，所述医学图像可以发送到计算机辅助诊断服务器130进行进一步处理，也可以存储到存储设备120。成像设备110可以包括但不限于X光成像设备、CT成像设备、PET成像设备、MRI成像设备、超声成像设备、心电图仪器、脑电图仪器等。其中，超声成像设备可以包括B超(B-scan ultrasonography)设备、彩色多普勒超声设备、心脏彩超设备、三维彩超设备等。

在一些实施例中，存储设备120可以泛指具有存储功能的设备。存储设备120可以存储从成像设备110收集的数据(例如，成像设备110拍摄的医学图像)和计算机辅助诊断服务器130工作中产生的各种数据。存储设备120可以是本地的，也可以是远程的。存储设备120可以包括但不限于数据库120-1、PACS120-2、文件系统120-3等中的一种或几种的组合。数据库120-1可以包括但不限于层次式数据库、网络式数据库和关系式数据库等其中的一种或几种的组合。存储设备120可以将信息数字化后再以利用电、磁或光学等方式的存储设备加以存储。存储设备120可以用来存放各种信息例如程序和数据等。存储设备120可以是利用电能方式存储信息的设备，例如各种存储器、随机存取存储器(Random Access Memory(RAM))、只读存储器(Read Only Memory(ROM))等。其中随机存储器包括但不限于十进计数管、选数管、延迟线存储器、威廉姆斯管、动态随机存储器(DRAM)、静态随机存储器(SRAM)、晶闸管随机存储器(T-RAM)、零电容随机存储器(Z-RAM)等中的一种或几种的组合。只读存储器包括但不限于磁泡存储器、磁钮线存储器、薄膜存储器、磁镀线存储器、磁芯内存、磁鼓存储器、光盘驱动器、硬盘、磁带、早期非易失存储器(NVRAM)、相变化内存、磁阻式随机存储式内存、铁电随机存储内存、非易失SRAM、闪存、电子抹除式可复写只读存储器、可擦除可编程只读存储器、可编程只读存储器、屏蔽式堆读内存、浮动连接门随机存取存储器、纳米随机存储器、赛道内存、可变电阻式内存、可编程金属化单元等中的一种或几种的组合。存储设备120可以是利用磁能方式存储信息的设备，例如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U 盘、闪存等。存储设备120可以是利用光学方式存储信息的设备，例如CD或DVD等。存储设备120可以是利用磁光方式存储信息的设备，例如磁光盘等。存储设备120的存取方式可以是随机存储、串行访问存储、只读存储等中的一种或几种的组合。存储设备120可以是非永久记忆存储器，也可以是永久记忆存储器。以上提及的存储设备只是列举了一些例子，在工作环境100中可以使用的存储设备并不局限于此。

在一些实施例中，计算机辅助诊断服务器130可以对输入的数据(例如，成像设备110拍摄的、存储设备120中存储的或外接设备140输入的医学图像)进行处理、分析以生成处理结果。例如，在肺结节的检测过程中，计算机辅助诊断服务器130可以对输入的医学图像进行处理、分析，最后输出该医学图像中是否含有肺结节的检测结果。例如，在肺结节的诊断过程中，计算机辅助诊断服务器130可以对输入的医学图像进行处理、分析，最后输出该医学图像中的肺结节的良恶性的诊断结果。在一些实施例中，服务器130可以是一个虚拟化的集群工作节点(例如，STORM工作节点)。在一些实施例中，计算机辅助诊断服务器130可以是一个服务器群组。一个服务器群组可以是集中式的，例如数据中心。一个服务器群组也可以是分布式的，例如一个分布式系统。计算机辅助诊断服务器130可以是云服务器、文件服务器、数据库服务器、FTP服务器、应用程序服务器、代理服务器、邮件服务器等中的一种或几种的组合。计算机辅助诊断服务器130可以是本地的，也可以是远程的。在一些实施例中，计算机辅助诊断服务器130可以访问存储设备120中存储的信息(例如，存储在存储设备120中医学图像)、成像设备110中的信息(例如，成像设备110拍摄的医学图像)。计算机辅助诊断服务器130的处理过程是并行的过程，在并行的处理过程中，数据可以通过集群服务器实时发送至一个或多个服务器中进行并行处理，并行处理的具体说明详见图4。

在一些实施例中，外接设备140可以向计算机辅助诊断服务器130输入数据，也可以接收计算机辅助诊断服务器130输出的数据，并将输出的数据以数字、字符、图像、声音等形式表示出来。在一些实施例中，外接设备140可以包括但不限于输入设备、输出设备等中的一种或几种的组合。输入设备可以包括但不限于字符输入设备(例如，键盘)、光学阅读设备(例如，光学标记阅读机、光学字符阅读机)、图形输入设备(例如，鼠标器、操作杆、光笔)、图像输入设备(例如，摄像机、扫描仪、传真机)、模拟输入设备(例如，语言模数转换识别系统)等中的一种或几种的组合。输出设备可以包括但不限于显示设备、打印设备、绘图仪、影像输出系统、语音输出系统、磁记录设备等中的一种或几种的组合。在一些实施例中，有些外接设备可以同时起到输入和输出的作用，例如，台式电脑、笔记本、智能手机、平板电脑、个人数码助理(personal digital assistance，PDA)等。

在一些实施例中，成像设备110、存储设备120、计算机辅助诊断服务器130、外接设备140之间的连接或通信可以是有线的，也可以是无线的。

根据本申请的一些实施例，图2所示的是计算机辅助诊断系统的一种示例性系统图。计算机辅助诊断服务器130可以包括一个或多个处理模块210、一个或多个存储模块220、一个或多个输入模块230、一个或多个输出模块240。计算机辅助诊断服务器130的模块可以是集中式的也可以是分布式的。计算机辅助诊断服务器130中的模块可以是本地的也可以是远程的。

在一些实施例中，输入模块230可以分别从成像设备110、存储设备120、存储模块220、或外接设备140处接受各自发送的数据。此处的数据，可以是医学数据。所述医学数据可以是医学图像。所述医学图像可以包括但不限于X光图像、CT图像、PET图像、MRI图像、超声图像、心电图、脑电图等中的一种或几种的组合。所述医学图像可以是二维(2D，two-dimensional)图像，也可以是三维(3D，three-dimensional)图像。所述医学图像的格式可以包括但不限于Joint Photographic Experts Group(JPEG)图像格式、Tagged ImageFile Format(TIFF)图像格式、Graphics Interchange Format(GIF)图像格式、KodakFlash PiX(FPX)图像格式、Digital Imaging and Communications in Medicine(DICOM)图像格式等。数据的输入方式可以是手写输入、手势输入、图像输入、语音输入、视频输入、电磁波输入等中的一种或几种的组合。所接收的信息，可以存储于存储设备120中，也可以存储在存储模块220中，也可以由处理模块210进行分析或处理。

在一些实施例中，输出模块240可以输出经过处理模块210分析处理后的数据。此处的数据，可以是计算机辅助诊断过程中的最终结果，也可以是计算机辅助诊断过程中的中间数据。例如，在肺结节的检测过程中，处理模块210可以对输入的医学图像进行处理、分析，此过程中，中间数据可以包括候选结节的分割结果、候选结节的特征数据等，最终结果为该医学图像中是否含有肺结节。例如，在肺结节的诊断过程中，处理模块210可以对输入的医学图像进行处理、分析，此过程中，中间数据可以包括候选结节的分割结果、候选结节的特征数据等，最终结果为该医学图像中的肺结节的良恶性。数据的形式可以包括但不限于文本、音频、视频、图片等中的一种或几种的组合。输出的数据可以发送给外接设备140，也可以不发送。不发送的输出数据可以存储在存储设备120中，也可以存储在存储模块220中。

在一些实施例中，存储模块220可以存储来自处理模块210、输入模块230、输出模块240的数据。所述存储模块220可以是系统内部的，也可以是系统的外接设备。所述存储模块220可以实际存在于系统中，也可以通过云计算平台完成相应功能。

在一些实施例中，处理模块210可以处理相关数据。处理模块210可以从输入模块230或存储模块220获取数据。处理模块210可以将处理后的数据保存至存储设备120或存储模块220中，也可以发送至输出模块240用于数据输出。在一些实施例中，处理模块210中数据处理的方式可以包括但不限于对数据进行存储、分类、筛选、转换、计算、检索、预测、训练等中的一种或几种的组合。在一些实施例中，处理模块210可以包括但不限于中央处理器(Central Processing Unit(CPU))、专门应用集成电路(Application SpecificIntegrated Circuit(ASIC))、专用指令处理器(Application Specific Instruction SetProcessor(ASIP))、物理处理器(Physics Processing Unit(PPU))、数字信号处理器(Digital Processing Processor(DSP))、现场可编程逻辑门阵列(Field-ProgrammableGate Array(FPGA))、可编程逻辑器件(Programmable Logic Device(PLD))、处理器、微处理器、控制器、微控制器等中的一种或几种的组合。

需要注意的是，上述处理模块210可以实际存在于系统中，也可以通过云计算平台完成相应功能。其中，云计算平台包括但不限于存储数据为主的存储型云平台、以处理数据为主的计算型云平台以及兼顾数据存储和处理的综合云计算平台。系统所使用的云平台可以是公共云、私有云、社区云或混合云等。例如，根据实际需要，系统接收的一些医学图像，可以通过云平台进行计算和/或存储。另一些医学图像，可以通过本地诊断模块和/或系统数据库进行计算和/或存储。

应当理解，图2所示的系统可以利用各种方式来实现。例如，在一些实施例中，系统可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要注意的是，以上对于计算机辅助诊断服务器130的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，输入模块230、处理模块210、输出模块240和存储模块220可以是体现在一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，处理模块210和存储模块220可以是两个模块，也可以是一个模块同时具有处理和存储功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本申请的保护范围之内。

根据本申请的一些实施例，图3所示的是计算机辅助诊断的一种示例性流程图。在一些实施例中，该计算机辅助诊断流程可以由计算机辅助诊断服务器130执行。在252，原始数据可以从成像设备110、外接设备140、存储模块220和/或存储设备120中获取。在一些实施例中，原始数据可以是医学数据。所述医学数据可以是医学图像。所述医学图像可以包括但不限于X光图像、CT图像、PET图像、MRI图像、超声图像、心电图、脑电图等中的一种或几种的组合。所述医学图像可以是二维图像，也可以是三维图像。所述医学图像的格式可以包括但不限于Joint Photographic Experts Group(JPEG)图像格式、TIFF图像格式、GIF图像格式、FPX图像格式、DICOM图像格式等。原始数据的形式可以包括但不限于文字、图片、音频、视频等中的一种或几种的组合。

在254，可以对原始数据进行处理。在一些实施例中，原始数据的处理方式可以包括但不限于对原始数据进行存储、分类、筛选、转换、计算、检索、预测、训练等中的一种或几种的组合。

为描述方便，以下对数据处理一些实施例用到的预测模型和机器学习进行说明。在一些实施例中，预测模型可以是定性的，也可以是定量的。对于定量的预测模型，它可以基于时序预测法，也可以基于因果分析法。其中，时间预测法进一步可以包括平均平滑法、趋势外推法、季节变动预测法和马尔可夫时序预测法等中的一种或几种的组合。因果分析法进一步可以包括一元回归法、多元回归法和投入产出法。在一些实施例中，预测模型可以包括但不限于加权算术平均模型、趋势平均预测模型、指数平滑模型、平均发展速度模型、一元线性回归模型、高低点模型中的一种或几种的组合。在一些实施例中，对于信息处理所用到的公式、算法和/或模型，可以通过机器学习，不断进行优化。对于机器学习的方法，根据学习方式的不同可以是监督式学习、非监督式学习、半监督式学习或强化学习；根据算法的不同，机器学习的算法可以是回归算法、基于实例的学习、正规化学习、决策树学习、贝叶斯学习、基于核函数的学习、聚类算法、关联规则学习、神经网络学习、深度学习、降低维度算法等。回归算法可以包括逻辑回归(Logistic Regression)、逐步式回归(StepwiseRegression)、多元自适应回归样条(Multivariate Adaptive Regression Splines)或者本地散点平滑估计(Locally Estimated Scatterplot Smoothing)等。基于实例的学习可以包括k-最近邻法(k-Nearest Neighbor)、学习矢量量化(Learning VectorQuantization)或者自组织映射算法(Self-Organizing Map)等。正规化学习可以包括岭回归(Ridge Regression)、Least Absolute Shrinkage and Selection Operator(LASSO)或者弹性网络(Elastic Net)等。决策树学习可以包括分类及回归树(Classification AndRegression Tree)、ID3(Iterative Dichotomiser 3)、C4.5、Chi-squared AutomaticInteraction Detection(CHAID)、Decision Stump、随机森林(Random Forest)、多元自适应回归样条(MARS)或梯度推进机(Gradient Boosting Machine，GBM)等。贝叶斯学习可以包括朴素贝叶斯算法、平均单依赖估计(Averaged One-Dependence Estimators)或贝叶斯置信网络(Bayesian Belief Network(BBN))等。基于核函数的学习可以包括支持向量机(Support Vector Machine)、)或线性判别分析(Linear Discriminate Analysis)等。神经网络学习可以包括感知器神经网络(Perceptron Neural Network)、反向传递(BackPropagation)、Hopfield网络、自组织映射(Self-Organizing Map,SOM)或学习矢量量化(Learning Vector Quantization)等。深度学习可以包括受限波尔兹曼机(RestrictedBoltzmann Machine)、Deep Belief Networks(DBN)、卷积神经网络(ConvolutionalNeural Network)或堆栈式自动编码器(Stacked Auto-encoders)等。降低维度算法可以包括主成份分析(Principle Component Analysis)、偏最小二乘回归(Partial LeastSquare Regression)、Sammon映射，多维尺度(Multi-Dimensional Scaling)或投影追踪(Projection Pursuit)等。

在256，可以输出处理结果。在一些实施例中，输出的处理结果可以发送至输出设备140中，也可以存储在存储设备120或存储模块220中。在一些实施例中，处理结果的形式可以包括但不限于文字、图片、音频、视频等中的一种或几种的组合。

需要注意的是，以上关于计算机辅助诊断流程的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解本申请的基本原理后，可以在不背离这一原理的情况下，对计算机辅助诊断流程作出改变。例如，可以增加或减少一些操作。例如，在252之后可以对原始进行预处理。预处理过程可以通过数据清理、数据集成、数据变换和/或数据规约等方法去除一些失真的数据。在一些实施例中，失真数据去除方法可以包括判别法、剔除法、平均值法、拉平法、比例法、移动平均法、指数平滑法、差分法等中的一种或几种的组合。再例如，在计算机辅助诊断流程中，还可以添加数据存储的操作。诸如此类的变形，均在本申请的保护范围之内。

根据本申请的一些实施例，图4所示的是实时流式并行计算的一个示例性示意图。在一些实施例中，计算机辅助诊断服务器130的运行模式是将处理过程进行实时流式并行计算的模式(如图4所示)。在一些实施例中，并行计算可以指许多指令得以同时进行的计算模式。在同时进行的前提下，可以将计算的过程分解成小部分，之后以并行方式来加以解决。在一些实施例中，在流式计算中，当数据产生时，可以由一个程序去一直监控数据的产生。例如，每产生一部分数据就通过一个传输系统将该部分数据发送给流式计算系统，然后由流式计算系统直接处理，并且处理完之后将数据直接输出或存储在数据库内。在一些实施例中，实时计算可以指在数据不断变化的运动过程中以较低的延迟时间对数据进行采集、处理、分析等。例如，对于计算机辅助诊断系统，当采用实时流式并行计算处理数据时，来自多个被检测对象(例如，多个病人)或来自一个被检测对象的不同部位的数据可以在计算机诊断系统中同时被处理。检测或诊断结果可以部分输出，例如，由于数据的处理过程采用实时流式并行计算，因此每产生一部分数据，系统会对该部分数据进行处理，产生检测或诊断结果，之后将该检测或诊断结果输出。

如图4所示，计算机辅助诊断服务器130采用实时流式并行计算的模式时，可以包括消息服务器集群1510、多个计算机辅助诊断服务器的工作节点1520和集群管理节点1530。所述消息服务器集群1510可以用于流式分发待处理数据，所述待处理数据包括原始医学图像或中间数据，所述中间数据包括感兴趣区域、预处理数据、候选目标或特征数据等中的一种或几种的组合。所述多个计算机辅助诊断服务器的工作节点1520可以用于拉取来自所述消息服务器集群1510的所述待处理数据，以及用于对所述待处理数据进行实时流式并行处理得到分类结果。所述拉取可以指多个计算机辅助诊断服务器的工作节点1520主动从多个消息服务器集群1510中拉取数据。所述集群管理节点1530可以用于协调所述消息服务器集群和所述计算机辅助诊断服务器的工作节点1520。所述多个计算机辅助诊断服务器用于处理病灶筛查并将计算结果存放到数据库或文件系统。

在一些实施例中，所述消息服务器集群1510可以包括Scribe集群、Flume集群、Time Tunnel集群、Chukwa集群、Kafka集群等中的一种或几种的组合。所述多个计算机辅助诊断服务器可以包括Storm系统、Spark系统、Samza系统、S4系统等中的一种或几种的组合。所述集群管理节点可以包括zookeeper集群。

为描述方便，现以Zookeeper集群、Storm系统和Kafka集群组成的服务器130为例，对实时流式并行计算进行说明。

在一些实施例中，本系统采用Storm框架集群，实现对待处理数据进行实时流式并行处理。Kafka集群可以是一种高吞吐量的分布式消息发布、订阅消息，Kafka集群可以对数据进行简单的分类并进行处理，然后将这些数据发送至Storm系统。在一些实施例中，外部数据可以通过Kafka集群被发送至Storm系统中进行处理。所述外部数据可以是来自PACS系统、数据库、文件系统、医学成像设备的原始医学图像，也可以是计算机诊断系统处理过程中的中间数据(例如，感兴趣区域数据、预处理数据、候选目标数据等)。

在一些实施例中，Storm系统可以是一个开源、分布式、高容错的实时流式计算系统。在Storm系统中，用于实时计算的图状结构可以被称为拓扑(Topology)，Storm系统中可以包括一个或多个拓扑(例如，拓扑A 1521-1、拓扑B 1521-2)。所述拓扑可以被提交给Storm系统中的集群，由集群中的主控节点(Mask node)分发代码，将任务分配给工作节点(Work node)执行。在工作节点中，可以包括一个或多个监听者(Supervisor)，用于监听分配给它的服务器的工作情况。一个监听者可以包括一个或多个工作进程(Worker)，其中拓扑可以以一个或多个工作进行的方式运行。一个工作进程可以包括一个或多个执行者(Executor)，用于执行一个或多个任务(Task)。一个拓扑可以包括消息源(Spout)(例如，消息源A 1522-1、消息源B 1522-2) 和数据处理节点(bolt)(例如，节点A 1523-1、节点B1524-1、节点C 1525-1、节点D 1526-1、节点E 1523-2、节点F 1524-2、节点G 1525-2、节点H1526-2)。消息源可以主动将数据从Kafka集群中拉取出来，并负责将数据流以元组(Tuple)的形式发送给数据处理节点。数据处理节点可以转换这些数据流。例如，在数据处理节点中可以完成计算、过滤等操作。数据处理节点自身也可以随机将数据发送给其他数据处理节点，例如，消息源A 1522-1可以将来自Kafka集群的数据发送给节点A 1523-1，节点A 1523-1处理数据后，可以将处理后的数据发送给节点C 1525-1继续进行处理。一个拓扑的消息源和/或数据处理节点可以对应多个可能分布在多个监听者的工作进程中。经过Storm系统处理后的数据可以输出到数据库中进行存储。

在一些实施例中，Zookeeper集群是一个开放源码的分布式应用程序协调服务，可以用于协调Kafka集群和Storm系统，以及对公有数据(例如，心跳信息、集群状态信息或配置信息)的存放。

下面以计算机辅助诊断系统中的检测过程为例，对基于实时流式并行计算的计算机辅助诊断系统的运行方式进行说明。在一些实施例中，计算机辅助诊断系统中的检测过程可以分为感兴趣区域确定过程、预处理过程、候选目标确定过程、特征提取过程以及分类过程。在一些实施例中，感兴趣区域确定过程、预处理过程、候选目标确定过程可以由，例如，单台服务器完成。候选目标确定完成后，将DICOM数据序列化成消息进入Kafka集群队列，通过Storm系统的一个或多个拓扑中的消息源(Spout)主动将Kafka集群队列中的数据拉取出来。拓扑中的数据处理节点(Bolt)可以对数据进行实时流式处理，完成特征提取及分类的工作。

在一些实施例中，利用Storm系统处理哪些检测操作的分配方式可以是任意方式，并不只限于上述描述的方式。例如，感兴趣区域确定过程、预处理过程、候选目标确定过程、特征提取过程可以由，例如，单台服务器完成，分类过程可以由Storm系统通过实时流式并行计算的方式完成。例如，一部分数据可以在，例如，单台服务器中完成感兴趣区域确定过程、预处理过程、候选目标确定过程，在Storm系统中可以以实时流式并行计算的方式完成特征提取过程及分类过程，另一部分数据可以在，例如，单台服务器中完成感兴趣区域确定过程、预处理过程、候选目标确定过程、特征提取过程，在Storm系统中以实时流式并行计算的方式完成分类过程。在一些实施例中，原始数据可以直接发送至Kafka集群。在Storm系统中以实时流式并行计算的方式完成感兴趣区域确定过程、预处理过程、候选目标确定过程、特征提取过程以及分类过程。

需要注意的是，以上对于服务系统的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接，对实施上述方法和系统的应用领域形式和细节上的各种修正和改变。例如，存储设备120可以是具有数据存储功能的云计算平台，包括但不限于公用云、私有云、社区云和混合云等。诸如此类的变形，均在本申请的保护范围之内。

根据本申请的一些实施例，图5所示为通过计算机断层扫描(CT)设备对人体实施扫描后获取的原始胸部CT图像。原始的胸部CT图像可以包括背景、肺组织、脂肪、肌肉、血管、气管、骨骼等。为了后续数据处理的效率与精度，可以对胸部CT图像进行后续处理，提取出肺实质图像。图6所示为肺实质的掩膜图像，如图6所示，肺实质在图像中呈高亮状态。图7所示为肺结节分割结果示意图，如图7所示，确定的疑似肺结节呈高亮状态显示在图中。

根据本申请的一些实施例，图8所示为计算机辅助诊断系统的诊断结果的一个示例性示意图。如图8所示，左侧为某一疑似肺结节的确定结果，右侧为通过诊断过程得出的肺结节良恶性诊断结果，结果为0.733(肺结节为恶性的概率)，CAD诊断结果为该肺结节为恶性。

根据本申请的一些实施例，图9和10所示为乳腺肿块区域实时分割方法的一个示例性结果示意图。如图9和图10所示，选择起始点2为定位目标区域的种子点，通过鼠标或触屏拖拽控制选取的终止点4，通过控制终止点4调整分割参数和控制目标区域的大小，获得实时的乳腺肿块的分割结果。图9和图10中高亮的部分为通过区域实时分割确定的乳腺肿块。如图9所示为终止点位于待分割区域内的固定阈值的区域增长获得的实时乳腺肿块分割结果9，图10所示为终止点位于待分割区域外的自适应的区域增长分割后的分割结果10。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (10)

1.一种计算机辅助诊断系统，包括：

消息服务器集群，用于流式分发待处理数据；以及

多个计算机辅助诊断服务器的工作节点，用于拉取来自所述消息服务器集群的所述待处理数据以及对所述待处理数据进行实时流式并行处理得到处理结果。

2.如权利要求1所述的计算机辅助诊断系统，其特征在于，所述消息服务器集群为Kafka集群。

3.如权利要求1所述的计算机辅助诊断系统，其特征在于，所述系统采用Storm框架集群，实现对所述待处理数据进行实时流式并行计算。

4.如权利要求2所述的计算机辅助诊断系统，其特征在于，所述系统进一步包括集群管理节点，所述集群管理节点为zookeeper集群，用来协调KAFKA服务器以及计算机辅助诊断服务器的工作节点，所述多个计算机辅助诊断服务器用于处理病灶筛查并将计算结果存放到数据库。

5.如权利要求1所述的计算机辅助诊断系统，其特征在于，所述待处理数据包括原始医学图像或中间数据，所述中间数据包括感兴趣区域、预处理数据、候选目标或特征数据。

6.一种计算机辅助诊断方法，包括：

通过所述消息服务器集群流式分发待处理数据，

通过多个计算机辅助诊断服务器的工作节点拉取来自所述消息服务器集群的所述待处理数据；以及

通过多个计算机辅助诊断服务器的工作节点对所述待处理数据进行实时流式并行处理，得到处理结果。

7.如权利要求6所述的计算机辅助诊断方法，其特征在于，所述方法进一步包括通过集群管理节点协调消息服务器集群和计算机辅助诊断服务器的工作节点，所述待处理数据包括原始医学图像或中间数据，所述中间数据包括感兴趣区域、预处理数据、候选目标或特征数据。

8.一种医疗系统，包括：

输入设备；

计算机辅助诊断系统，从所述输入设备获取诊疗数据，所述计算机辅助诊断系统包括；

消息服务器集群，用于流式分发待处理数据；

多个计算机辅助诊断服务器的工作节点，用于拉取来自所述消息服务器集群的所述待处理数据以及用于对所述待处理数据进行实时流式并行处理得到处理结果；及

输出设备，用于输出所述处理结果。

9.如权利要求8所述的医疗系统，其特征在于，所述输入设备包括用于拍摄医学图像的成像设备和/或用于存储从所述成像设备收集的数据或所述工作节点工作中产生的数据的数据存储设备，所述数据存储设备包括数据库、PACS或文件系统中的一种或若干种。

10.如权利要求9所述的医疗系统，其特征在于，所述计算机辅助诊断系统进一步包括集群管理节点，所述集群管理节点为zookeeper集群，用来协调所述消息服务器集群以及计算机辅助诊断服务器的工作节点，所述多个计算机辅助诊断服务器用于处理病灶筛查并将计算结果存放到所述数据库或文件系统。