CN107257977B - 检测缺失的发现用于自动创建纵向发现视图 - Google Patents
检测缺失的发现用于自动创建纵向发现视图 Download PDFInfo
- Publication number
- CN107257977B CN107257977B CN201680012097.5A CN201680012097A CN107257977B CN 107257977 B CN107257977 B CN 107257977B CN 201680012097 A CN201680012097 A CN 201680012097A CN 107257977 B CN107257977 B CN 107257977B
- Authority
- CN
- China
- Prior art keywords
- measurements
- measurement
- identified
- lesion
- identifier
- 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
- 238000005259 measurement Methods 0.000 claims abstract description 204
- 230000003902 lesion Effects 0.000 claims abstract description 130
- 230000002123 temporal effect Effects 0.000 claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000013500 data storage Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims 2
- 238000010276 construction Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 21
- 210000004185 liver Anatomy 0.000 description 15
- 238000012790 confirmation Methods 0.000 description 9
- 210000003445 biliary tract Anatomy 0.000 description 7
- 239000012634 fragment Substances 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 210000000952 spleen Anatomy 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 210000004872 soft tissue Anatomy 0.000 description 3
- 208000004930 Fatty Liver Diseases 0.000 description 2
- 206010019708 Hepatic steatosis Diseases 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 208000010706 fatty liver disease Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 231100000240 steatosis hepatitis Toxicity 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Machine Translation (AREA)
Abstract
一种纵向跟踪系统(10)包括病变跟踪单元(28)和显示设备(24)。响应于接收的患者识别符,所述病变跟踪单元(28)构建(102)根据所述患者识别符检索的至少一个纵向跟踪的病变的特性信息的显示与通过将检索的报告的时间识别符与所述特性信息进行比较而被确定至少一个缺失的测量结果的指示符,并且每个报告包括具有针对所述患者识别符的至少一个己报告的病变的测量结果的叙述。所述显示设备(24)显示每个纵向跟踪的病变的所述特性信息构建的显示和所述至少一个缺失的测量结果的所述指示符。
Description
技术领域
以下总体涉及医学纵向跟踪系统,并且在具体应用于病变或本体肿瘤的跟踪的情况下进行描述。
背景技术
病变跟踪用来评估处置随着时间的有效性,并且用来评估病变(诸如恶性肿瘤)如何对处置作出响应。由健康护理从业者根据指南(诸如本体肿瘤中的响应评估标准(RECIST))基于被识别为恶性的病变随着时间的变化来作出决定。那些决定能够基于个体病变的纵向跟踪的测量结果来改变对于特定患者的处置。
对病变的测量结果由健康护理专业人员从通过成像设备或扫描器(诸如计算机断层摄影(CT)扫描器)获得的患者的医学图像得到。健康护理专业人员或放射科医师评估医学图像以确定病变的类型,并且利用测量结果叙述报告,所述报告描述图像的时间(例如处置间隔时)的病变的特性,并且能够包括与先前测量结果的比较以识别或突出显示改变。健康护理从业者(诸如临床研究助理)通常会截获报告并将选定的指标病变输入跟踪系统(诸如电子表格程序)中。
病变跟踪系统通常是任选的。即,放射科医师能够叙述并递送报告而无需将测量结果输入到跟踪系统内。在多组织实践和时间压力的情况表下,随后的从业者不会重新访问先前的研究来获得缺失的测量结果。在缺失了测量结果的情况下,削弱了病变跟踪的使用。纵向跟踪计算不能在缺失测量结果的情况下进行。需要对值进行输入的典型系统方法是不切实际的。例如,数据输入的执行需要多组织支持和执行,并且引起跨组织的系统集成问题。另一典型系统方法使用在数据加载中使用(诸如通常在数据挖掘方法中使用)的提取、变换和加载(ETL)程序。数据加载通常利用结构化数据以预定的间隔来执行。关于该数据进行假设以便于加载而无需数据值的专业审阅。在报告由不同的放射源、科室或甚至不同的组织发起的情况下,即使管理报告的来源也具有挑战性。
放射学报告通常被电子地提交和/或存储。在图1中示出了范例。单独的报告针对每个评估点(例如通常对应于患者的处置间隔的日期)发出。报告包括非结构化叙述5(其包括标题),并且通常将每个病变的目前的与先前的测量结果进行比较。每个病变的测量结果的格式、组织、单位和描述能够针对同一患者的而在报告与报告之间不同,在患者与患者之间不同,并且按健康护理从业者和/或健康护理提供者组织而不同。
发明内容
本文中描述的各方面解决了上面提及的问题以及其他问题。
在一个方面中,一种纵向跟踪系统包括病变跟踪单元和显示设备。响应于接收的患者识别符,所述病变跟踪单元被配置为:构建根据所述患者识别符检索的至少一个纵向跟踪的病变的特性信息的显示,通过比较检索的报告的时间识别符与所述特性信息来确定至少一个缺失的测量结果的指示符,并且每个报告包括具有针对所述患者识别符的至少一个己报告的病变的测量结果的叙述。所述显示设备显示针对每个纵向跟踪的病变的所述特性信息的构建的显示以及所述至少一个缺失的测量结果的所述指示符。
在另一方面中,一种纵向跟踪的方法,包括响应于接收到的患者识别符,在显示设备上显示根据所述患者识别符检索的至少一个纵向跟踪的病变的特性信息的构建的显示和通过比较检索的报告的时间识别符与所述特性信息而确定的至少一个缺失的测量结果的指示符,并且每个报告包括具有针对所述患者识别符的至少一个报告的病变的测量结果的叙述。
在另一方面中,一种纵向跟踪系统包括一个或多个数据处理器,所述一个或多个数据处理器响应于接收的患者识别符,在显示设备上显示根据所述患者识别符检索的至少一个纵向跟踪的病变的特性信息的构建的显示和通过比较检索的报告的时间识别符与所述特性信息而确定的至少一个缺失的测量结果的指示符,并且每个报告包括具有针对所述患者识别符的至少一个报告的病变的测量结果的叙述。所述一个或多个数据处理器响应于接收到要发现所述至少一个缺失的测量结果的指示,利用对应于所述至少一个缺失的测量结果的发现的测量结果和存在于所述报告叙述中的发现的测量结果来更新每个纵向跟踪的病变的所述特性信息的所述显示。
在一个实例中,发现缺失的测量结果提供关于跟踪的病变的更完整的纵向信息。更完整的纵向信息帮助健康护理从业者回顾纵向信息,并且提供关于具有跟踪的病变有关的患者的更有依据的决定。在一个实例中,测量结果的持续的任选的条目继续。
附图说明
本发明可以采取各种部件和部件的布置,以及各种步骤和步骤的安排的形式。附图仅出于图示优选的实施例的目的,并且不应被解释为对本发明的限制。
图1示出了针对具有病变的患者的示范性现有技术放射学报告。
图2示意地图示了利用纵向发现查看系统的自动创建来检测缺失的发现的的实施例。
图3示出了具有不同的时间上相关的测量结果的三个叙述性报告片段的范例。
图4示出了利用纵向发现查看系统的自动创建来检测缺失的发现的示范性显示。
图5流程图示了利用纵向发现视图的自动创建来检测缺失的测量结果的方法的实施例。
具体实施方式
首先参考图2,示意地图示了利用纵向发现查看系统10的自动创建来检测缺失的发现的实施例。报告数据存储设备12包括报告病变的放射学报告。在图1中示出了示范性报告叙述5。每个报告包括患者身份和病变检查或成像的日期(例如来自患者的图像的检查的日期)的报告时间识别符。报告基于对来自成像设备16(诸如CT扫描器、磁共振(MR)扫描器、正电子发射计算机断层摄影(PET)扫描器、单光子发射计算机断层摄影(SPECT)、混合、组合等)的患者图像14的测量来生成。患者图像14能够被存储在影像归档及通信系统(PACS)、放射科信息管理系统(RIS)、医院信息系统(HIS)等中。报告12能够被存储在相同的系统中、或者被存储在单独的数据存储设备中。
病变跟踪数据存储设备18存储关于针对每个患者识别的病变的特性信息。对于每个病变,病变的特性(诸如描述和测量结果)被存储,其中测量结果根据每个时间上指示的测量时段来进行存储。例如,在CT图像切片中测量的低密度肝病变的具有最大长度14mm和正交于最大长度的第二长度13.9mm的测量结果利用第一日期来进行存储。对于第二日期,测量结果分别是16.9mm和15.2mm。针对每个患者记录的数据能够包括多个病变。
数据存储设备12、44、48能够包括数据组织,诸如文件系统、数据库管理系统、元素定义、对象定义等。数据存储设备包括本地和/或远程非瞬态存储介质,诸如磁盘存储设备、固态存储设备、服务器存储设备、本地存储设备、云存储设备等。数据存储设备被通信地连接到至少一个数据处理器20,诸如电子数据处理器、光学数据处理器、微处理器、计算机处理器等。数据处理器20包括计算设备22,诸如台式电脑、笔记本电脑、便携式计算设备、智能手机、身体穿戴的计算设备、或分布式计算设备(诸如由网络服务器或其他类型的应用服务器服务的计算设备)。计算设备22包括显示设备24和一个或多个输入设备26(诸如键盘、鼠标、麦克风等)。显示设备24和输入设备26能够进行组合,诸如触摸屏设备。
如本文中使用的‘显示器’或‘显示设备’包含适合于显示图像或数据的输出设备或用户接口。显示器可以输出视觉、音频、和/或触觉数据。显示器的范例包括计算机显示器、电视屏幕、触摸屏、触觉电子显示器、向量显示器、平板显示器、真空荧光显示器(VF)、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子显示器面板(PDP)、液晶显示器(LCD)、有机发光二极管显示器(OLED)、投影仪、身体安装的显示器等。
病变跟踪单元28响应于接收到患者识别符而针对识别的患者并且针对所存储的时间识别符(例如跟踪的先前检查测量结果的日期)从病变跟踪数据存储设备18检索关于跟踪的病变的特性信息。病变跟踪单元28从报告数据存储设备12接收报告并且识别报告时间识别符。报告患者身份和报告时间识别符位于文件描述符或元数据中和/或位于报告的非结构化描述中。例如,文件名和/或文件元数据能够包括患者识别符和成像检查的日期两者。
病变跟踪单元28基于接收到的每个报告的识别的报告时间识别符来识别跟踪的病变数据中的缺失的时间识别符,例如不存在于跟踪的病变数据中的报告时间识别符、或对于其不存在测量结果的跟踪的病变时间识别符。病变跟踪单元28构建跟踪的病变的显示(包括每个缺失的测量结果的特性数据和识别符),并且在显示设备24上显示构建的显示。所述显示能够包括已知的(例如存在于病变跟踪数据存储设备18中)针对时间段的测量结果。
响应于查找缺失的测量的请求(诸如来自输入设备26的信号输入),文件解析器引擎30解析对应于一个或多个跟踪的病变的每个缺失时段的报告。例如,响应于从输入设备26接收的命令,文件解析器引擎30选择两个报告:对应于两个病变的缺失时段的1月1日报告和5月12日报告,一个病变缺失值来自1月1日和5月12日,并且第二病变缺失值来自5月12日报告。文件解析器引擎39解析两个报告。
文件解析器引擎30解析区段、段落标题、和/或来自医学叙述的句子。文件解析器引擎30能够使用便于处理的预定区段标头和/或段落标头。区段和段落标题被辨别并且被标准化为预定集合。例如,区段标题的预定集合包括患者信息、临床信息、技术、比较、查找和印象。在另一范例中,段落标题包括解剖识别符,诸如胸部、肺和胸膜、纵隔和肺门、腹部、肝、胆道、脾、肠、骨。区段和段落标头能够是嵌套的或者层级地相关。例如,报告叙述包括:“肝、胆道:很可能弥漫性脂肪肝。沿着肝节段7的囊下部分的细微低密度软组织测量到1.1x2.7cm。先前3.2x1.3cm”被文件解析器引擎解析为“肝、胆道:很可能弥漫性脂肪肝”,“沿着肝节段7的囊下部分的细微低密度软组织测量到1.1x2.7cm”、以及“先前3.2x1.3cm,”“肝、胆道”被识别为标头。
文件解析器引擎30能够使用基于规则的、机器学习、最大熵或使用商用产品或包括标头辨别的其他产品的其他技术。文件解析器引擎30能够将患者识别符和报告时间识别符识别为叙述的一部分,并不能识别为文件描述符或元数据的一部分。文件解析器引擎30能够识别相关的图像,诸如报告所基于的图像。
概念提取引擎32辨别解析的句子中的短语,并且使用商用产品(诸如MetaMap)将该短语映射到外部本体(诸如SNOMED、UMLS或RadLex)。例如,病变的标签从解析的句子进行辨别,并且被映射到本体。参考解析的报告片段的范例,“肝、胆道”被映射到本体,这指示所述信息是关于肝和/或胆道的。参考映射的肝和胆道,诸如“低密度”、“软组织”、“囊下”和“肝节段”的短语被映射到本体。
测量结果引擎34辨别解析的本文中的并且与短语相关联的测量结果,并且标准化辨别的测量结果。测量结果基于将搜索解析的句子匹配为针对数值的字符串的规则和/或型式来进行辨别。测量结果引擎34将测量结果标准化为标准测量单位。例如,以厘米(cm)或英寸(in)为单位的病变的测量结果被转换为毫米(mm)或针对跟踪的特性选择的其他测量单位。参考解析的句子的先前范例:“…测量到1.1x2.7cm”和“先前3.2x1.3cm”,测量结果引擎辨别两个测量结果“.1x2.7cm”和“3.2x1.3cm”,其被标准化为1x27mm和32x13mm。标准化的测量单位(例如mm)能够可选择作为系统参数,例如如被存储在病变跟踪数据存储设备18中。针对测量单位的显示参数能够被包括在用于用户和/或计算设备22的配置设置中。
时间分辨引擎36识别与每个测量结果相关联的时间段或识别符。例如,在解析的句子中,“肝病变测量到1.2x2.3cm,先前测量到0.6x1.2cm”,第二测量结果在时间上与不同的时间识别符(例如不同的报告)相关联,并且第一测量结果与报告时间识别符(例如目前的报告)相关联。在一个实施例中,时间分辨引擎36识别由解析器引擎辨别的图像(例如对应于通过目前的报告正在被报告的检查的图像、或对应于先前检查和/或用来比较的交叉引用的报告的先前参考图像)的对应时间段。
在一个实例中,时间分辨引擎36包括被训练为确定测量结果与哪一个检查或研究相关联的分类器。在一个实施例中,该技术使用正则表达式(RE),所述正则表达式利用由最大熵模型定义统计学决策制定层。例如,报告的测量结果的顺序和伴随的词语(诸如“先前”)能够用来将测量结果统计学地分类为相同时间识别符的报告或不同报告。在一个实施例中,时间分辨引擎36根据报告时间识别符每个测量结果进行分类,例如,测量结果对应于哪个报告。
控制引擎38将时间上分辨的测量结果与针对每个病变的缺失时段进行匹配。控制引擎38基于本体将报告的病变的描述或标签匹配到跟踪的病变,以识别跟踪的病变中的对应病变。控制引擎38能够识别新的或缺失的病变,例如报告的和当前未被跟踪的病变。控制引擎38基于时间分辨将测量结果匹配或关联到缺失的测量结果,即针对测量结果的识别的时间段对应于包括缺失的测量结果的跟踪的时间段。控制引擎38能够将测量结果匹配到其他时间识别符的其他测量结果以便进行核实。例如,利用先前时间识别符识别的测量结果与跟踪的病变测量结果进行比较,以核实测量结果是正确的和/或用来确认对应于先前测量结果的测量结果描述相同的病变,例如直接匹配或本体匹配。
控制引擎38使用基于规则的匹配或统计学方法来确定匹配,诸如排序或最大可能性估计。控制引擎38能够报告不匹配。例如,各种参数能够按病变来对测量结果进行分组,包括测量结果之间的体积相似性、描述测量结果的(一个或多个)句子之间的语义相似性、测量结果是否出现在具有相同或类似标头的段落中、以及由时间分辨引擎36识别的图像切片信息。在一个实施例中,与每个分组相关联的相似性得分指示针对每个跨报告链接(例如参考先前检查的测量结果或图像)的置信度水平。
病变跟踪单元28构建和/或修改跟踪的病变的显示,以包括通过控制引擎38匹配的缺失的测量结果。所述显示通过显示设备22来进行显示,并且能够包括针对缺失的测量结果的添加的或发现的测量结果的识别符,诸如加粗的或高强度突出显示的值和/或请求确认的消息。在一个实施例中,响应于通过输入设备26的输入命令,病变跟踪单元28显示具有识别的测量结果的报告片段。在另一实施例中,响应能够包括在报告叙述中提及并且由时间分辨引擎36在时间上分辨的图像。
各种引擎或单元28、30、32、34、36、38通过数据处理器20合适地体现,所述数据处理器20被配置为执行存储在计算机可读存储介质或计算机可读存储器中的计算机可读指令(例如软件)。数据处理器20也能够执行由载波、信号或其他瞬态介质承载的计算机可读指令,以执行公开的技术。
参考图3,示出了一个患者的具有不同的时间上相关的测量结果的三个叙述性报告片段的范例。第一报告片段40来自利用1月1日的时间识别符42识别的1月1日报告,第二报告片段44来自利用5月12日的时间识别符46识别的5月12日报告,并且第三报告片段48来自利用7月2日的时间识别符50识别的7月2日报告。每个报告片段包括针对3个病变(肝病变和两个脾病变)的测量结果。在时间上与报告时间识别符相关的测量结果和图像识别符具有下划线并且是斜体的。在时间上与不同报告时间识别符相关的测量结果和图像识别符具有下划线但不是斜体的。在第一报告片段40中,肝病变的测量结果52和脾病变的测量结果54、56以及第一图像参考58对应于报告时间识别符42。肝病变的其他测量结果60和脾病变的其他测量结果62、64对应于未示出或指示的不同时间识别符。
在第二报告片段44中示出了先前时间识别符的意指的测量结果66。句子“这未改变”指的是报告时间识别符46的测量结果“2.7x1.1cm”和具有另一时间识别符42的不同报告测量结果52两者。时间识别符被示为日期。时间识别符能够包括时间和日期两者。明确的测量结果68、70能够与不同的报告测量结果54、56进行匹配。不同的报告测量结果能够用来核实特定病变(例如指的是报告中的病变的测量结果与跟踪的病变相同),和/或核实测量结果的准确性。
测量结果72能够包括图像参考74,诸如报告时间识别符、或先前的或跨报告时间识别符。图像参考74也能够用来核实特定病变和/或核实测量结果的准确性。图像参考74能够用来从图像数据存储设备14检索对应的图像,并且将测量结果的来源显示给健康护理从业者以确认发现的测量结果正确地对应于缺失的测量结果。
参考图4,示出了利用纵向发现查看系统10的自动创建来检测缺失的发现的示范性显示80。显示80包括患者身份82,诸如患者姓名和患者识别符,例如字母数字患者识别符。显示包括从病变跟踪数据存储设备18检索的跟踪的病变的特性信息84。每个跟踪的病变86包括病变识别符或标签88和一系列测量结果90,每个测量结果90对应于时间识别符92,例如成像/检查的日期或日期-时间。测量结果90能够包括一个或多个值,诸如在CT切片图像中测量的病变的最长长度和正交的最长宽度。跟踪的测量结果90包括缺失的测量结果,所述缺失的测量结果利用缺失的测量结果指示符94(诸如按钮)来指示。
缺失的测量结果根据报告时间识别符来确定,并且能够被显示为时间识别符96。额外的或缺失的测量结果和/或病变能够被健康护理从业者手动地添加,其中,所述测量结果选自被存储在暂存区(例如计算机存储器)中的图像。报告的时间识别符96根据报告数据存储设备12中的报告来确定,并且与跟踪的时间测量结果90进行比较以确定一个或多个时间上指示的测量结果是否是缺失的。在一个实例中,时间识别符96替代地指示被健康护理从业者手动地添加到暂存区的从一个或多个图像获得的测量结果,所述测量结果对应于时间识别符96。健康护理从业者能够利用通过输入设备26的输入发现缺失的测量结果,诸如选择缺失的测量结果指示符,例如选择“更新”按钮。响应于接收到输入,系统基于时间识别符(例如指示具有对应的时间识别符的报告的缺失的测量结果识别符94的跟踪的时间识别符92)来从对应报告的叙述中发现缺失的测量结果。利用相关联的或发现的测量结果、或被构建的新的显示来更新显示80。显示能够包括显示对应的报告片段和/或参考的图像。
确认识别符98(诸如“存储结果”按钮)被调用以确认相关联的测量结果要被存储在病变跟踪数据存储设备18中。例如,健康护理从业者使用输入设备26调用“存储结果”按钮,所述输入设备26向数据处理器20发送信号。缺失的测量结果指示符94能够包括发现所有缺失的测量结果的单个响应、和/或针对每个缺失的测量结果分别发现测量结果的个体响应。确认识别符98能够类似地包括更新/存储所有发现的测量结果的单个响应、和/或更新/存储选定的发现的测量结果的选择性响应。
在一个实例中,发现能够包括识别新的和/或额外的病变。例如,测量结果针对跟踪的病变数据存储设备18中不存在对应病变特性信息的病变来发现。显示器能够在确认的情况下添加病变,以更新/存储添加的病变和发现的测量结果。在另一实施例中,健康护理从业者能够经由显示器将病变添加到跟踪的病变18,并且请求缺失的测量结果的发现。
参考图5,图示了利用纵向发现视图的自动创建检测缺失的测量结果的方法的实施例。在步骤100中,接收患者识别符。患者识别符识别对应于患者的报告12和跟踪的病变18。患者识别符能够被健康护理从业者输入和/或从患者的列表选择。
在步骤102中,识别缺失的测量结果。在构建的显示中显示缺失的测量结果的一个或多个指示符。每个报告12的时间识别符被识别,并且与跟踪的病变18的时间识别符进行比较。诸如在存在根据对应时间识别符的报告时间识别符的测量结果不存在于跟踪的病变中的情况下,跟踪的病变中的缺失的测量结果被识别。缺失的测量结果能够包括多个时间识别符,例如测量结果缺失跟踪的病变的多于一个时间识别符。缺失的测量结果能够包括一个或多个病变(例如针对一时间识别符缺失所有跟踪的病变)、和/或部分的测量结果(例如针对一时间识别符缺失一些跟踪的病变)。报告从报告数据存储设备12进行检索,并且跟踪的病变数据从跟踪的病变数据存储设备18进行检索。
响应于接收指示缺失的测量结果的发现的响应,在步骤104中一个或多个报告被解析为句子。区段和段落标头被识别。基于时间识别符为解析选择报告。在一个实施例中,选择具有对应于每个缺失的测量结果的时间识别符的时间识别符的报告。在另一实施例中,选择具有对应于每个缺失的测量结果的时间识别符的时间识别符的报告和随后的报告,例如随后的报告中的参考以确认测量结果和/或确认病变的标识。
在步骤106中,解析的句子的短语被映射到本体。例如,标头被绘制,并且用来病变标识的短语被映射。
测量结果在步骤108中被识别并且被标准化。标准化的测量结果被标准化到跟踪的病变测量结果。例如,在跟踪的病变测量结果以毫米单位被存储时,以厘米或英寸为单位的测量结果能够被转换为毫米。测量结果与对应的标头和句子之间的关系被保存,例如发现的测量结果对应于哪一个病变。
在步骤110中,在测量结果之间分辨时间区别。测量结果与报告时间识别符或不同的报告时间识别符相关,例如跨报告测量结果。通过分析解析的句子的语义、体积信息、成像信息等,测量结果被识别为对应于报告时间识别符、或者对应于先前报告时间识别符。例如,诸如“先前地”或“先前的”的词语的使用能够表明测量结果应用于不同的报告时间识别符。
在步骤112中,将时间上分辨的测量结果与缺失的测量结果相关联。所述关联能够包括显示相关联的或发现的测量结果。例如,参考图4描述的显示利用相关联的测量结果来更新,并且被显示用于健康护理从业者审阅。在一个实施例中,相关联的测量结果的显示包括针对一个病变的测量结果。在一个实施例中,显示包括报告片段,诸如区段、段落或具有测量结果的句子。相关联的测量结果能够被突出显示,诸如高强度、加粗等。显示能够包括确认识别符。
在步骤114中,接收确认。来自健康护理从业者的确认指示跟踪的病变数据存储设备要利用相关联的测量结果来进行更新。确认能够包括对发现的测量结果的拒绝。在一个实施例中,确认包括健康护理从业者直接进入测量结果的选项,例如报告是缺失的。
在步骤116中,跟踪的病变数据存储设备18基于确认利用相关联的测量结果来进行更新。跟踪的病变数据存储设备18能够包括健康护理从业者的识别符、时间戳、或其他数据跟踪信息。模块能够通过配置的数据处理器20或通过由配置的数据处理器20执行的步骤来实现。
以上可以通过被编码或被嵌入在计算机可读存储介质上的计算机可读指令来实施,当所述计算机可读指令被(一个或多个)数据处理器20执行时,所述计算机可读指令使(一个或多个)数据处理器20执行所描述的动作。额外地或替代地,计算机可读指令中的至少一个由信号、载波或其他瞬态介质携带。
已经参考优选实施例描述了本发明。他人在阅读和理解了以上具体实施方式的情况下可能想到修改或替代。目的是,本发明被解释为包括所有这种修改和替代,只要它们落入权利要求书及其等价方案的范围之内。
Claims (18)
1.一种纵向跟踪系统(10),包括:
病变跟踪单元(28),其响应于接收到的患者识别符而被配置为:
构建(102)针对根据所述患者识别符检索的至少一个纵向跟踪的病变的特性信息的显示,并且通过将检索的报告的时间识别符与所述特性信息进行比较来确定至少一个缺失的测量结果的指示符,其中,每个报告包括具有针对所述患者识别符的至少一个已报告的病变的测量结果的叙述;以及
显示设备(24),其被配置为显示针对每个纵向跟踪的病变的所述特性信息的所构建的显示以及所述至少一个缺失的测量结果的所述指示符,
响应于要发现所述至少一个缺失的测量结果的指示,文件解析器引擎(30)被配置为解析所述至少一个报告的所述叙述并且识别区段标头和段落标头;
概念提取引擎(32),其被配置为将所解析的句子中的短语映射到本体;以及
测量结果引擎(34),其被配置为对所解析的句子中的测量结果进行识别和标准化。
2.根据权利要求1所述的系统(10),还包括:
时间分辨引擎(36),其被配置为针对每个识别的测量结果来识别时间识别符。
3.根据权利要求2所述的系统(10),其中,针对每个所识别的测量结果的所识别的时间识别符包括所述报告时间识别符或不同的报告时间识别符中的至少一个。
4.根据权利要求3所述的系统,还包括:
控制引擎(38),其被配置为基于针对每个所识别的测量结果的所识别的时间识别符和以下中的至少一项来将所识别的测量结果与所述至少一个缺失的测量结果相关联:
所识别的段落标头和区段标头;
所映射的短语;
来自所解析的句子的语义意义;
测量结果与来自不同的时间识别符的跟踪的测量结果的比较结果;或
图像参考。
5.根据权利要求4所述的系统,其中,所述病变跟踪单元(28)还被配置为构建针对每个纵向跟踪的病变的所述特性信息和相关联的所识别的测量结果的显示。
6.根据权利要求1至4中的任一项所述的系统,其中,所述测量结果包括从图像切片获得的病变的第一最长长度和正交于所述第一最长长度的第二最长长度。
7.根据权利要求2至4中的任一项所述的系统,其中,所述时间分辨引擎(36)还被配置为基于所述叙述来识别针对所述叙述中的一幅或多幅参考的图像的所述时间识别符。
8.根据权利要求5所述的系统,其中,所述病变跟踪单元(28)还被配置为基于所述相关联的所识别的测量结果来显示以下中的至少一项:
所述报告的叙述的包括所述相关联的所识别的测量结果中的一个的片段;以及
对应于所述相关联的所识别的测量结果中的一个的参考图像。
9.根据权利要求5或8所述的系统,其中,所述病变跟踪单元(28)响应于确认利用所述相关联的所识别的测量结果来更新所述至少一个纵向跟踪的病变的指示而被配置为将所述相关联的所识别的测量结果和所识别的时间识别符存储在数据存储设备中。
10.一种纵向跟踪的方法,包括:
响应于接收到的患者识别符,在显示设备(22)上显示(102)针对根据所述患者识别符检索的至少一个纵向跟踪的病变的特性信息的构建的显示和通过将检索的报告的时间识别符与所述特性信息进行比较而确定的至少一个缺失的测量结果的指示符,并且每个报告包括具有针对所述患者识别符的至少一个已报告的病变的测量结果的叙述,
响应于要发现所述至少一个缺失的测量结果的指示,将所述至少一个报告的所述叙述解析(104)为句子并且识别区段标头和段落标头;
将所解析的句子中的短语映射(106)到本体;并且
对所解析的句子中的测量结果进行识别和标准化(108)。
11.根据权利要求10所述的方法,还包括:
针对每个识别的测量结果来识别(110)时间识别符。
12.根据权利要求11所述的方法,还包括:
基于针对每个所识别的测量结果的所识别的时间识别符和以下中的至少一项来将所识别的测量结果与所述至少一个缺失的测量结果相关联(112):
所识别的段落标头和区段标头;
所映射的短语;
来自所解析的句子的语义意义;
测量结果与来自不同的时间识别符的跟踪的测量结果的比较结果;或
图像参考。
13.根据权利要求11和12中的任一项所述的方法,其中,识别(110)还包括基于所述叙述来识别针对所述叙述中的一幅或多幅参考图像的时间识别符。
14.根据权利要求12所述的方法,还包括:
在所述显示设备(22)上显示所述相关联的所识别的测量结果。
15.根据权利要求14所述的方法,其中,显示还包括显示所述报告的叙述的包括所述相关联的所识别的测量结果中的一个的片段。
16.根据权利要求14和15中的任一项所述的方法,其中,显示还包括显示对应于所述相关联的所识别的测量结果中的一个的参考图像。
17.根据权利要求12和14-15中的任一项所述的方法,还包括:
响应于确认(114)利用所述相关联的所识别的测量结果来更新至少一个纵向跟踪的病变的所述特性信息的指示,将所述相关联的所识别的测量结果和所识别的时间识别符存储(116)在数据存储设备中。
18.一种纵向跟踪系统(10),包括:
一个或多个数据处理器(20),其被配置为:
响应于接收到的患者识别符,在显示设备(22)上显示(102)针对根据所述患者识别符检索的至少一个纵向跟踪的病变的特性信息的构建的显示和通过将检索的报告的时间识别符与所述特性信息进行比较而确定的至少一个缺失的测量结果的指示符,并且每个报告包括具有针对所述患者识别符的至少一个已报告的病变的测量结果的叙述;
响应于要发现所述至少一个缺失的测量结果的指示,将所述至少一个报告的所述叙述解析为句子并且识别区段标头和段落标头;
将所解析的句子中的短语映射到本体;并且
对所解析的句子中的测量结果进行识别和标准化。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562120394P | 2015-02-25 | 2015-02-25 | |
US62/120,394 | 2015-02-25 | ||
PCT/IB2016/050958 WO2016135619A1 (en) | 2015-02-25 | 2016-02-23 | Detection of missing findings for automatic creation of longitudinal finding view |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107257977A CN107257977A (zh) | 2017-10-17 |
CN107257977B true CN107257977B (zh) | 2021-08-24 |
Family
ID=55637395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680012097.5A Active CN107257977B (zh) | 2015-02-25 | 2016-02-23 | 检测缺失的发现用于自动创建纵向发现视图 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20180025132A1 (zh) |
EP (1) | EP3262550B1 (zh) |
JP (1) | JP6623227B2 (zh) |
CN (1) | CN107257977B (zh) |
ES (1) | ES2734390T3 (zh) |
TR (1) | TR201908751T4 (zh) |
WO (1) | WO2016135619A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11475212B2 (en) * | 2017-04-06 | 2022-10-18 | Otsuka Pharmaceutical Development & Commercialization, Inc. | Systems and methods for generating and modifying documents describing scientific research |
JP7392120B2 (ja) * | 2019-09-06 | 2023-12-05 | エフ. ホフマン-ラ ロシュ アーゲー | 自然言語処理を使用する病理報告内の自動化された情報の抽出及び改良 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497805A (zh) * | 2009-09-17 | 2012-06-13 | 富士胶片株式会社 | 医用图像显示设备、方法和程序 |
CN103356286A (zh) * | 2012-03-29 | 2013-10-23 | 西门子公司 | 用于使至少两个不同医疗检查所见互相关联的方法及系统 |
WO2014030092A1 (en) * | 2012-08-22 | 2014-02-27 | Koninklijke Philips N.V. | Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting |
WO2014155273A1 (en) * | 2013-03-29 | 2014-10-02 | Koninklijke Philips N.V. | A context driven summary view of radiology findings |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8055514B2 (en) * | 2005-07-19 | 2011-11-08 | Koninklijke Philips Electronics N.V. | User-centric methodology for navigating through and accessing databases of medical information management system |
US10032236B2 (en) * | 2007-04-26 | 2018-07-24 | General Electric Company | Electronic health record timeline and the human figure |
KR101285520B1 (ko) * | 2008-12-23 | 2013-07-17 | 에프. 호프만-라 로슈 아게 | 만성 질병을 가진 환자의 진단 또는 치료 지원을 위한 구조화된 테스팅 방법 및 그 디바이스 |
BR112013002534B1 (pt) * | 2010-08-05 | 2020-12-22 | Koninklijke Philips N.V | sistema de auxílio à criação de relatórios, estação de trabalho, e método de auxílio à criação de relatórios |
US20140006926A1 (en) * | 2012-06-29 | 2014-01-02 | Vijaykalyan Yeluri | Systems and methods for natural language processing to provide smart links in radiology reports |
US20140073882A1 (en) * | 2012-09-12 | 2014-03-13 | Consuli, Inc. | Clinical diagnosis objects authoring |
-
2016
- 2016-02-23 ES ES16712072T patent/ES2734390T3/es active Active
- 2016-02-23 WO PCT/IB2016/050958 patent/WO2016135619A1/en active Application Filing
- 2016-02-23 JP JP2017543985A patent/JP6623227B2/ja active Active
- 2016-02-23 CN CN201680012097.5A patent/CN107257977B/zh active Active
- 2016-02-23 US US15/550,887 patent/US20180025132A1/en not_active Abandoned
- 2016-02-23 EP EP16712072.4A patent/EP3262550B1/en active Active
- 2016-02-23 TR TR2019/08751T patent/TR201908751T4/tr unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497805A (zh) * | 2009-09-17 | 2012-06-13 | 富士胶片株式会社 | 医用图像显示设备、方法和程序 |
CN103356286A (zh) * | 2012-03-29 | 2013-10-23 | 西门子公司 | 用于使至少两个不同医疗检查所见互相关联的方法及系统 |
WO2014030092A1 (en) * | 2012-08-22 | 2014-02-27 | Koninklijke Philips N.V. | Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting |
WO2014155273A1 (en) * | 2013-03-29 | 2014-10-02 | Koninklijke Philips N.V. | A context driven summary view of radiology findings |
Also Published As
Publication number | Publication date |
---|---|
JP2018513450A (ja) | 2018-05-24 |
EP3262550B1 (en) | 2019-04-10 |
CN107257977A (zh) | 2017-10-17 |
TR201908751T4 (tr) | 2019-07-22 |
JP6623227B2 (ja) | 2019-12-18 |
WO2016135619A1 (en) | 2016-09-01 |
US20180025132A1 (en) | 2018-01-25 |
EP3262550A1 (en) | 2018-01-03 |
ES2734390T3 (es) | 2019-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6749835B2 (ja) | コンテキスト依存医学データ入力システム | |
US20140288970A1 (en) | Identifying relevant imaging examination recommendations for a patient from prior medical reports of the patient to facilitate determining a follow up imaging examination(s) for the patient | |
RU2711305C2 (ru) | Связывание отчета / изображения | |
JP2015524107A (ja) | 患者情報を臨床基準にマッチングするシステム及び方法 | |
RU2699416C2 (ru) | Идентификация аннотаций к описанию изображения | |
US20180166166A1 (en) | Using image references in radiology reports to support report-to-image navigation | |
Zimmerman et al. | Informatics in radiology: automated structured reporting of imaging findings using the AIM standard and XML | |
US20150149215A1 (en) | System and method to detect and visualize finding-specific suggestions and pertinent patient information in radiology workflow | |
Lee et al. | When does a radiologist’s recommendation for follow-up result in high-cost imaging? | |
Lakhani et al. | Endotracheal tube position assessment on chest radiographs using deep learning | |
US20230368893A1 (en) | Image context aware medical recommendation engine | |
CN107257977B (zh) | 检测缺失的发现用于自动创建纵向发现视图 | |
JP2019510317A (ja) | 検査値のコンテキストによるフィルタリング | |
US20190131011A1 (en) | Closed-loop radiological follow-up recommendation system | |
Nikolic | Racial Bias Exacerbated through AI: An Example Using Chest Radiograph Models | |
US11488698B2 (en) | Facilitated structured measurement management tool progress and compliance analytics solution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |