CN107273698A - 人工智能训练标准库的处理与检测方法、系统 - Google Patents
人工智能训练标准库的处理与检测方法、系统 Download PDFInfo
- Publication number
- CN107273698A CN107273698A CN201710546301.8A CN201710546301A CN107273698A CN 107273698 A CN107273698 A CN 107273698A CN 201710546301 A CN201710546301 A CN 201710546301A CN 107273698 A CN107273698 A CN 107273698A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- mark
- subsystem
- processing
- 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.)
- Granted
Links
Abstract
本发明属于人工智能技术领域,提供了一种人工智能训练标准库的处理与检测方法、系统。该方法包括获取符合预定格式的原始数据。根据预建立的隐私数据表或预指定的特定区域,对原始数据进行脱敏处理,获取标准数据。显示标准数据,将至少三位医生采用预提供的标注工具所输入的输入信息生成标注信息,或接收标注信息,并将标注信息与标准数据进行关联,标注信息均符合ICD‑10标准。根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果。本发明人工智能训练标准库的处理与检测方法、系统,能够提高第三方人工智能训练效率,减少开发周期,提高数据可重复利用性,准确记录医生的诊断信息或标注信息,有效防止患者信息泄露。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种人工智能训练标准库的处理与检测方法、系统。
背景技术
随着人工智能(Artificial Intelligence,以下简称AI)技术的发展,近几年AI在很多领域都有了重大突破和应用,包括医疗领域。很多公司开展了医疗人工智能应用的研究。
对于人工智能来说,最重要的是标准数据。通过对标准数据的研究和训练,才能取得好的效果。目前,医疗领域的标准数据应用于医生的诊断和标注。每个医疗人工智能公司都需开发一套自己的标准数据标注系统,并且请医生进行诊断或标注,再将信息存储到相应的系统中。对于人工智能厂家来说,开发标注系统无疑增加了工作量和研发周期。
对于医生来说,如果与多个公司进行合作,则需要进行多次标注。由于不同公司开发的标注系统不同,标注内容也不同,同一医生需要学习和适应不同系统的操作流程。对于医生来说,增加了很多无效、重复的劳动。
另外,很多医疗数据涉及到患者隐私信息,存在泄露病人隐私的风险。
如何提高人工智能训练标准库的数据标准化处理效率和评估效率,准确记录医生的诊断信息或标注信息,防止患者信息泄露,是本领域技术人员亟需解决的问题。
发明内容
针对现有技术中的缺陷,本发明提供了一种人工智能训练标准库的处理与检测方法、系统,能够提高第三方人工智能训练效率,减少开发周期,提高数据可重复利用性,准确记录医生的诊断信息或标注信息,防止患者信息泄露。
第一方面,本发明提供一种人工智能训练标准库的处理与检测方法,该方法包括:
获取符合预定格式的原始数据;
根据预建立的隐私数据表或预指定的特定区域,对原始数据进行脱敏处理,获取标准数据;
显示标准数据,将至少三位医生采用预提供的标注工具所输入的输入信息生成标注信息,或接收标注信息,并将标注信息与标准数据进行关联,标注信息均符合ICD-10标准;
根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果。
进一步地,根据预建立的隐私数据表或预指定的特定区域,对原始数据进行脱敏处理,获取标准数据,具体包括:
根据原始数据的患者标识号,查找对应表:
若查找成功,则根据预建立的隐私数据表,对查找到的对应表进行脱敏处理,获取标准数据;
或根据预指定的特定区域,对原始数据中图像信息进行脱敏处理,获取标准数据。
进一步地,在查找对应表之后,该方法还包括:若查找失败,则为原始数据分配系统标识号。
基于上述任意人工智能训练标准库的处理与检测方法实施例,进一步地,将标注信息与标准数据进行关联,具体包括:
判断每组标准数据所对应的标注信息是否一致:若是,则将判断一致的标注信息关联至该组标准数据,标注信息是划分为多级的信息。
基于上述任意人工智能训练标准库的处理与检测方法实施例,进一步地,根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果,具体包括:
将预存储的标准标注与图像标注进行匹配,获取匹配结果;
判断匹配结果是否在预定的误差范围之内:
若是,则图像标注正确,若否,则图像标注错误;
第三方系统的处理数据包括图像标注,
图像标注包括一级图像标注、二级图像标注和三级图像标注,
一级图像标注包括病变位置,
二级图像标注包括病变位置和病变属性特征,
三级图像标注包括病变位置、病变属性特征和诊断信息。
基于上述任意人工智能训练标准库的处理与检测方法实施例,进一步地,根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果,具体包括:
将预存储的标准标注与诊断信息进行匹配,判断诊断信息是否正确;
将预存储的标准标注分别与临床建议信息或康复方案进行匹配:
若匹配一致,则判断临床建议信息或康复方案正确;
若匹配不一致,则接收评判信息和资质认证信息,评判信息与资质认证信息相关联;
审核每条资质认证信息,将审核通过的资质认证信息所对应的评判信息作为临床建议信息或康复方案;
第三方系统的处理数据包括临床标注,
临床标注包括一级临床标注、二级临床标注和三级临床标注,
一级临床标注包括诊断信息,
二级临床标注包括诊断信息和临床建议信息,
三级临床标注包括诊断信息、临床建议信息和康复方案。
第二方面,本发明提供一种人工智能训练标准库的处理与检测系统,该系统包括:原始数据接收子系统、数据处理子系统、数据存储子系统、标注子系统和检测子系统,原始数据接收子系统、数据处理子系统和数据存储子系统连接,数据存储子系统还分别与标注子系统和检测子系统连接,原始数据接收子系统包括符合指定标准的传输接口和自定义规则的接口,原始数据接收子系统用于获取符合预定格式的原始数据;数据处理子系统用于根据预建立的隐私数据表或预指定的特定区域,对原始数据进行脱敏处理,获取标准数据;标注子系统用于显示标准数据,将至少三位医生采用预提供的标注工具所输入的输入信息生成标注信息,或接收标注信息,并将标注信息与标准数据进行关联,标注信息均符合ICD-10标准,标注子系统包括标注工具;检测子系统用于检测第三方系统的处理数据,输出检测结果;数据存储子系统用于存储标准数据和标注信息。
进一步地,本实施例人工智能训练标准库的处理与检测系统还包括:输入子系统和输出子系统,输入子系统与检测子系统连接,输出子系统与数据存储子系统连接。
基于上述任意人工智能训练标准库的处理与检测系统实施例,进一步地,原始数据接收子系统还与HIS系统、EMR系统、LIS系统、PACS系统或CIS系统连接。
由上述技术方案可知,本实施例提供的人工智能训练标准库的处理与检测方法、系统,能够对原始数据进行脱敏处理,去掉原始数据中与患者隐私相关的内容,防止患者隐私数据泄漏。同时,该方法还能够实现一次性诊断或标注,自动保存所有标注信息,原始数据、标准数据和标注数据均符合指定的格式,有助于节约研发周期,加快产品化进度,便于对标注信息进行评估与检测。
因此,本实施例人工智能训练标准库的处理与检测方法、系统,能够提高第三方人工智能训练效率,减少开发周期,提高数据可重复利用性,准确记录医生的诊断信息或标注信息,有效防止患者信息泄露。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明所提供的一种人工智能训练标准库的处理与检测方法的方法流程图;
图2示出了本发明所提供的一种人工智能训练标准库的处理与检测系统的结构示意图;
图3示出了本发明所提供的一种人工智能训练标准库的处理与检测系统的系统架构图;
图4示出了本发明所提供的第二种人工智能训练标准库的处理与检测系统的结构示意图;
图5示出了本发明所提供的第三种人工智能训练标准库的处理与检测系统的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本发明实施例所提供的人工智能训练标准库的处理与检测方法、系统可以采用网页端或手机APP等多种形式运行,根据不同医学领域,采用不同的数据内容、格式、数据交换方式,系统可采用集中式或分布式部署,可部署在局域网内,也可部署到互联网中。
第一方面,本发明实施例所提供的一种人工智能训练标准库的处理与检测方法,结合图1,该方法包括:
步骤S1,获取符合预定格式的原始数据。
在实际应用过程中,原始数据的类型可以为图像类和结构化文字类。
对于图像类信息,原始数据包括标准医学数字成像与通信DICOM(Digital Imageand Communications in Medical)接口、视频采集接口和文件传输接口传输的数据。其中,标准医学数字成像与通信接口接收符合DICOM3.0协议设备输出图像,图像可为单张图像,多张图像或多帧可连续播放视频图像,DICOM接口是国际通用接口,大部分影像设备都具备该类型的接口。视频采集接口通过视频采集卡采集视频输出接口输出的单帧图像或可连续播放视频图像。文件传输接口传输标准静态图像文件,如bmp、jepg等,也用于传输动态播放视频文件,如mp4、avi等。
对于结构化文字类信息,原始数据还包括HL7接口、通过ftp、webservice等自定义接口传输的数据,医院信息系统、电子病历系统和部分辅助科室的信息,如:实验室信息系统LIS(Laboratory Information System)等产生的信息。
步骤S2,根据预建立的隐私数据表或预指定的特定区域,对原始数据进行脱敏处理,获取标准数据,即去掉与患者隐私相关的内容,如患者姓名,出生日期,手机号,住址等。
步骤S3,显示标准数据,将至少三位医生采用预提供的标注工具所输入的输入信息生成标注信息,或接收标注信息,并将标注信息与标准数据进行关联,标注信息均符合ICD-10标准。医生根据显示的标准数据所给出病变位置、诊断意见或康复方案等标注信息。其中,ICD-10标准为国际疾病分类,即International Classification of Diseases,缩写为ICD。
步骤S4,根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果。将接收到标注信息与标准标注进行匹配,所有数据检测完毕后,系统会给出相关报表,如检测数量,病变数量,真阳性率,假阳性率,漏诊数量,诊断符合率等信息。
由上述技术方案可知,本实施例提供的人工智能训练标准库的处理与检测方法,能够对原始数据进行脱敏处理,去掉原始数据中与患者隐私相关的内容,防止患者隐私数据泄漏。同时,该方法还能够实现一次性诊断或标注,自动保存所有标注信息,原始数据、标准数据和标注数据均符合指定的格式,有助于节约研发周期,加快产品化进度,便于对标注信息进行评估与检测。
因此,本实施例人工智能训练标准库的处理与检测方法,能够提高第三方人工智能训练效率,减少开发周期,提高数据可重复利用性,准确记录医生的诊断信息或标注信息,有效防止患者信息泄露。
为了进一步提高本实施例人工智能训练标准库的处理与检测方法的准确性,在标准数据获取方面,根据预建立的隐私数据表或预指定的特定区域,对原始数据进行脱敏处理,获取标准数据时,具体如下:
根据原始数据的患者标识号,查找对应表:
若对应表查找成功,则根据预建立的隐私数据表,对查找到的对应表进行脱敏处理,获取标准数据,或根据预指定的特定区域,对原始数据中图像信息进行脱敏处理,获取标准数据。
隐私数据表主要包括需要脱敏哪些数据,如患者姓名,出生日期,住址,电话等,该隐私数据表可通过后台设定添加或删除,并可设定脱敏方式,如重新编号、删除、固定值替换等方式。
对于图像信息可通过后台设定图像类型、大小等对应患者隐私数据位置。收到图像之后,根据图像类型,大小等设定条件,对指定的图像信息上特定区域进行修改,删除患者相关隐私信息。
若对应表查找失败,则为原始数据分配系统标识号。将患者唯一标识号进行加密存储到对应表中,并由系统分配一个编号,作为唯一的系统标识号,并按照该系统标识号进行存储。
在实际应用过程中,对应表是预先建立的,全称为患者基本信息对应表,包括门诊号、住院号、放射号、CT号、MR号、病理号、超声号、病案号、AI标准训练库标识号等。该对应表用于记录患者医院内唯一标识号和系统号对应关系,所有医院内唯一标识号都采用64位加密方式进行存储,防止泄露。
在此,该方法既能够将对应表中的隐私数据删除,又能够将图像信息中特定区域的信息进行删除,防止患者隐私信息泄露,对原始数据进行全面的脱敏处理。
在标注信息处理方面,将标注信息与标准数据进行关联时,具体实现过程如下:
判断每组标准数据所对应的标注信息是否一致:若是,则将判断一致的标注信息关联至该组标准数据,标注信息是划分为多级的信息。每组标准数据所对应的标注信息可以是至少三位医生对该组标准数据所标注的信息。即标注过程需要至少3个高年资主治医师以上级别的医生进行背靠背标注。如三个医生意见不统一,则不与标准数据建立关联关系。
在实际应用过程中,标注信息可以是图像标注和临床标准。
对于图像标注,可以分为三级:
一级图像标注:标出病变位置,不提供任何分析信息。
二级图像标注:标出病变位置,提供病变特征属性,如轮廓、肺结节分叶征,毛刺,胸膜牵拉等特征。
三级图像标注:标出病变位置,提供病变特征属性,针对已经确诊的病例,如有病理检查结果,或经过临床治疗可明确诊断,给予诊断信息。
对于临床标注,可以分为三级:
一级临床标注:给出诊断信息。
二级临床标注:给出诊断信息,提供治疗建议或临床路径。
三级临床标注:给出诊断信息,提供治疗建议或临床路径,同时给出康复期方案。
上述所有标注信息符合国际标准ICD-10标准。
在此,该方法能够针对同一条标准数据,接收多条标注信息,在多条标注信息均一致时,才可将标注信息关联至标准数据,以提高标注信息的准确性。
在第三方系统的处理数据评估方面,针对图像标注类信息的评估,根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果时,具体实现过程如下:
将预存储的标准标注与图像标注进行匹配,获取匹配结果。
判断匹配结果是否在预定的误差范围之内:
若是,则图像标注正确,若否,则图像标注错误。其中,第三方系统的处理数据包括图像标注,图像标注包括一级图像标注、二级图像标注和三级图像标注,一级图像标注包括病变位置,二级图像标注包括病变位置和病变属性特征,三级图像标注包括病变位置、病变属性特征和诊断信息。
在实际应用过程中,对于病变位置、病变属性特征和诊断信息的检测过程如下:
病变位置检测:由第三方人工智能训练标准库的处理与检测系统将提供病变中心点位置及病变半径列表,在检测时,根据收到的信息与标准数据库中的标准标注进行匹配,如在允许误差内,则反馈正确,否则,反馈错误。
病变属性特征检测:由第三方人工智能训练标准库的处理与检测系统提供病变属性,如有、无或可疑,在检测时,根据收到的信息与标准数据库中的标准标注进行匹配,并给出匹配结果。
诊断信息检测:由第三方人工智能训练标准库的处理与检测系统提供诊断信息,在检测时,与标准数据库中的标准标注进行匹配,并给出匹配结果。
在检测过程中,检测的数据均符合ICD-10作为标准,否则,反馈错误。
在此,该方法将标准标注与图像标注匹配,检验图像标注是否正确,以便于对图像标注进行评估。
针对临床标注类信息的评估,根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果时,具体实现过程如下:
将预存储的标准标注与诊断信息进行匹配,判断诊断信息是否正确。
将预存储的标准标注分别与临床建议信息或康复方案进行匹配:若匹配一致,则判断临床建议信息或康复方案正确,若匹配不一致,则接收评判信息和资质认证信息,评判信息与资质认证信息相关联。
审核每条资质认证信息,将审核通过的资质认证信息所对应的评判信息作为临床建议信息或康复方案。
第三方系统的处理数据包括临床标注,临床标注包括一级临床标注、二级临床标注和三级临床标注,一级临床标注包括诊断信息,二级临床标注包括诊断信息和临床建议信息,三级临床标注包括诊断信息、临床建议信息和康复方案。
对于诊断信息、治疗方案和康复方案的检测过程如下:
诊断信息检测:由第三方人工智能训练标准库的处理与检测系统提供诊断信息,在检测时,与标准数据库中的标准标注进行匹配,并给出匹配结果。诊断检测均以ICD-10作为标准,不符合则反馈错误。
治疗方案检测:由第三方人工智能训练标准库的处理与检测系统提供诊断信息,在检测时,与标准数据库中的标准标注进行匹配。如匹配不一致,需要由三位高年资主治医师以上级别医生提供评判信息,结果以一半以上医生判断结果为准。
康复方案检测:由第三方人工智能训练标准库的处理与检测系统提供诊断信息,在检测时,与标准数据库中的标准标注进行匹配。如匹配不一致,需要由三位高年资主治医师以上级别医生提供评判信息,结果以一半以上医生判断结果为准。
在此,该方法将标准标注与临床标注匹配,并且结合医生的资质认证信息,生成准确的临床标注。
第二方面,本发明实施例提供一种人工智能训练标准库的处理与检测系统,结合图2,该系统包括原始数据接收子系统1、数据处理子系统2、数据存储子系统3、标注子系统4和检测子系统5,原始数据接收子系统1、数据处理子系统2和数据存储子系统3连接,数据存储子系统3还分别与标注子系统4和检测子系统5连接,原始数据接收子系统1包括符合指定标准的传输接口和自定义规则的接口,原始数据接收子系统1,用于获取符合预定格式的原始数据;数据处理子系统2用于根据预建立的隐私数据表或预指定的特定区域,对原始数据进行脱敏处理,获取标准数据;标注子系统4用于显示标准数据,将至少三位医生采用预提供的标注工具所输入的输入信息生成标注信息,或接收标注信息,并将标注信息与标准数据进行关联,标注信息均符合ICD-10标准,标注子系统包括标注工具;检测子系统5用于第三方系统的处理数据,输出检测结果,数据存储子系统3用于存储标准数据和标注信息。
在实际应用过程中,原始数据接收子系统1通过接口方式从医院信息系统接收相关信息,如医学影像、病历、检验报告等,其接收的信息类型可以为图像类和结构化文字类。
对于图像类信息,原始数据接收子系统1包括标准医学数字成像与通信DICOM(Digital Image and Communications in Medical)接口、视频采集接口和文件传输接口。其中,标准医学数字成像与通信接口,用于接收符合DICOM3.0协议设备输出图像,图像可为单张图像,多张图像或多帧可连续播放视频图像,DICOM接口是国际通用接口,大部分影像设备都具备该类型的接口。视频采集接口,用于通过视频采集卡采集视频输出接口输出的单帧图像或可连续播放视频图像。文件传输接口,用于传输标准静态图像文件,如bmp、jepg等,也用于传输动态播放视频文件,如mp4、avi等。
对于结构化文字类信息,原始数据接收子系统1还包括HL7接口、通过ftp、webservice等自定义接口,能够接收医院信息系统、电子病历系统和部分辅助科室的信息,如:实验室信息系统LIS(Laboratory Information System)等产生的信息。
由上述技术方案可知,本实施例提供的人工智能训练标准库的处理与检测系统,能够对原始数据进行脱敏处理,去掉原始数据中与患者隐私相关的内容,防止患者隐私数据泄漏。同时,该系统还能够实现一次性诊断或标注,自动保存所有标注信息,原始数据、标准数据和标注数据均符合指定的格式,有助于节约研发周期,加快产品化进度,便于对标注信息进行评估与检测。
因此,本实施例人工智能训练标准库的处理与检测系统,能够提高第三方人工智能训练效率,减少开发周期,提高数据可重复利用性,准确记录医生的诊断信息或标注信息,有效防止患者信息泄露。
为了进一步提高本实施例人工智能训练标准库的处理与检测系统数据传输的稳定性,具体地,结合图2或图3,该系统包括输入子系统和输出子系统,输入子系统与检测子系统5连接,输出子系统与数据存储子系统3连接。其中,输入子系统接收其他人工智能训练标准库的处理与检测系统的标准数据或标注信息。输出子系统用来和其他人工智能训练标准库的处理与检测系统进行对接,进行数据交换,供系统学习、训练或测试。
在此,输入子系统与输出子系统能够稳定传输数据,便于不同人工智能训练标准库的处理与检测系统间进行数据交互。
并且,结合图3,原始数据接收子系统1还与HIS系统、EMR系统、LIS系统、PACS系统或CIS系统连接,以获取全面的医院信息系统的各种检测信息。在对数据进行脱敏处理和标准时,本实施例人工智能训练标准库的处理与检测系统的数据流转过程如图4所示。在对第三方AI系统进行评估时,本实施例人工智能训练标准库的处理与检测系统的数据流转过程如图5所示。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
需要说明的是,附图中的流程图和框图显示了根据本发明的多个实施例的服务器、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的服务器来实现,或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例所提供的配置装置可以是计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的服务器、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的服务器、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个服务器,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以发布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (9)
1.一种人工智能训练标准库的处理与检测方法,其特征在于,包括:
获取符合预定格式的原始数据;
根据预建立的隐私数据表或预指定的特定区域,对所述原始数据进行脱敏处理,获取标准数据;
显示所述标准数据,将至少三位医生采用预提供的标注工具所输入的输入信息生成标注信息,或接收标注信息,并将所述标注信息与所述标准数据进行关联,所述标注信息均符合ICD-10标准;
根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果。
2.根据权利要求1所述人工智能训练标准库的处理与检测方法,其特征在于,
根据预建立的隐私数据表或预指定的特定区域,对所述原始数据进行脱敏处理,获取标准数据,具体包括:
根据所述原始数据的患者标识号,查找对应表:
若查找成功,则根据预建立的隐私数据表,对查找到的对应表进行脱敏处理,获取所述标准数据;
或根据预指定的特定区域,对所述原始数据中图像信息进行脱敏处理,获取所述标准数据。
3.根据权利要求2所述人工智能训练标准库的处理与检测方法,其特征在于,在查找对应表之后,该方法还包括:若查找失败,则为所述原始数据分配系统标识号。
4.根据权利要求1所述人工智能训练标准库的处理与检测方法,其特征在于,将所述标注信息与所述标准数据进行关联,具体包括:
判断每组标准数据所对应的标注信息是否一致:若是,则将判断一致的标注信息关联至该组标准数据,所述标注信息是划分为多级的信息。
5.根据权利要求1所述人工智能训练标准库的处理与检测方法,其特征在于,根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果,具体包括:
将预存储的标准标注与图像标注进行匹配,获取匹配结果;
判断所述匹配结果是否在预定的误差范围之内:
若是,则所述图像标注正确,若否,则所述图像标注错误;
所述第三方系统的处理数据包括所述图像标注,
所述图像标注包括一级图像标注、二级图像标注和三级图像标注,
所述一级图像标注包括病变位置,
所述二级图像标注包括病变位置和病变属性特征,
所述三级图像标注包括病变位置、病变属性特征和诊断信息。
6.根据权利要求1所述人工智能训练标准库的处理与检测方法,其特征在于,根据预存储的标准标注,检测第三方系统的处理数据,输出检测结果,具体包括:
将预存储的标准标注与诊断信息进行匹配,判断所述诊断信息是否正确;
将预存储的标准标注分别与临床建议信息或康复方案进行匹配:
若匹配一致,则判断所述临床建议信息或所述康复方案正确;
若匹配不一致,则接收评判信息和资质认证信息,所述评判信息与所述资质认证信息相关联;
审核每条资质认证信息,将审核通过的资质认证信息所对应的评判信息作为临床建议信息或康复方案;
所述第三方系统的处理数据包括所述临床标注,
所述临床标注包括一级临床标注、二级临床标注和三级临床标注,
所述一级临床标注包括诊断信息,
所述二级临床标注包括诊断信息和临床建议信息,
所述三级临床标注包括诊断信息、临床建议信息和康复方案。
7.一种人工智能训练标准库的处理与检测系统,其特征在于,包括:
原始数据接收子系统、数据处理子系统、数据存储子系统、标注子系统和检测子系统,
所述原始数据接收子系统、所述数据处理子系统和所述数据存储子系统连接,
所述数据存储子系统还分别与所述标注子系统和所述检测子系统连接,
所述原始数据接收子系统包括符合指定标准的传输接口和自定义规则的接口,
所述原始数据接收子系统,用于获取符合预定格式的原始数据;
所述数据处理子系统,用于根据预建立的隐私数据表或预指定的特定区域,对所述原始数据进行脱敏处理,获取标准数据;
所述标注子系统,用于显示所述标准数据,将至少三位医生采用预提供的标注工具所输入的输入信息生成标注信息,或接收标注信息,并将所述标注信息与所述标准数据进行关联,所述标注信息均符合ICD-10标准,所述标注子系统包括所述标注工具;
所述检测子系统,用于检测第三方系统的处理数据,输出检测结果;
所述数据存储子系统,用于存储所述标准数据和所述标注信息。
8.根据权利要求7所述人工智能训练标准库的处理与检测系统,其特征在于,该系统还包括:输入子系统和输出子系统,
所述输入子系统与所述检测子系统连接,
所述输出子系统与所述数据存储子系统连接。
9.根据权利要求7所述人工智能训练标准库的处理与检测系统,其特征在于,所述原始数据接收子系统还与HIS系统、EMR系统、LIS系统、PACS系统或CIS系统连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710546301.8A CN107273698B (zh) | 2017-07-06 | 2017-07-06 | 人工智能训练标准库的处理与检测方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710546301.8A CN107273698B (zh) | 2017-07-06 | 2017-07-06 | 人工智能训练标准库的处理与检测方法、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107273698A true CN107273698A (zh) | 2017-10-20 |
CN107273698B CN107273698B (zh) | 2020-03-27 |
Family
ID=60072263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710546301.8A Active CN107273698B (zh) | 2017-07-06 | 2017-07-06 | 人工智能训练标准库的处理与检测方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107273698B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108766544A (zh) * | 2018-05-29 | 2018-11-06 | 袁勇 | 一种按病种分值付费的临床标准化诊断信息匹配方法 |
CN109003269A (zh) * | 2018-07-19 | 2018-12-14 | 哈尔滨工业大学 | 一种能提高医生效率的医学影像病灶的标注提取方法 |
CN109065177A (zh) * | 2018-10-15 | 2018-12-21 | 平安科技(深圳)有限公司 | 一种医疗数据的处理方法、装置、服务器及存储介质 |
CN110781516A (zh) * | 2019-10-29 | 2020-02-11 | 无锡海鹰电子医疗系统有限公司 | 一种图像去隐私标注方法 |
CN111081353A (zh) * | 2019-12-17 | 2020-04-28 | 浙江明峰智能医疗科技有限公司 | 一种自动化在线学习智能辅助标注医学影像的方法和系统 |
CN111524563A (zh) * | 2020-04-26 | 2020-08-11 | 上海交通大学医学院附属上海儿童医学中心 | 一种生理音数据库的建立方法及其数据库 |
CN112084915A (zh) * | 2020-08-31 | 2020-12-15 | 支付宝(杭州)信息技术有限公司 | 模型训练方法、活体检测方法、装置和电子设备 |
CN112233799A (zh) * | 2020-10-23 | 2021-01-15 | 深圳市乐行医疗科技有限公司 | 一种医用系统人工智能及其建立方法和建立系统 |
TWI731397B (zh) * | 2018-08-24 | 2021-06-21 | 宏達國際電子股份有限公司 | 驗證訓練資料的方法、訓練系統以及電腦程式產品 |
CN113127360A (zh) * | 2021-04-23 | 2021-07-16 | 中国科学院上海技术物理研究所 | 一种医学影像人工智能辅助诊断软件测试服务方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040091946A1 (en) * | 2000-11-03 | 2004-05-13 | Oakley Robert H. | Methods of screening compositions for G protein -coupled receptor desensitization inhibitory activity |
CN102254195A (zh) * | 2011-07-25 | 2011-11-23 | 广州市道真生物科技有限公司 | 一种训练集合生成方法 |
CN103345576A (zh) * | 2013-06-25 | 2013-10-09 | 上海交通大学 | 基于四模态医学影像的病例库诊断系统 |
CN104834940A (zh) * | 2015-05-12 | 2015-08-12 | 杭州电子科技大学 | 一种基于支持向量机的医疗影像检查疾病分类方法 |
CN105608319A (zh) * | 2015-12-21 | 2016-05-25 | 江苏康克移软软件有限公司 | 一种数字病理切片的标注方法及标注装置 |
CN105975793A (zh) * | 2016-05-23 | 2016-09-28 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种基于数字病理图像的癌症辅助诊断方法 |
JP2016182799A (ja) * | 2015-03-27 | 2016-10-20 | 王子ホールディングス株式会社 | 感熱記録体 |
CN106295092A (zh) * | 2015-05-13 | 2017-01-04 | 仁智(苏州)医学研究有限公司 | 临床医疗的多维度数据分析方法和系统 |
CN106456125A (zh) * | 2014-05-02 | 2017-02-22 | 皇家飞利浦有限公司 | 用于将医学图像中的特征链接到解剖结构模型的系统以及其操作方法 |
CN106489149A (zh) * | 2016-06-29 | 2017-03-08 | 深圳狗尾草智能科技有限公司 | 一种基于数据挖掘和众包的数据标注方法及系统 |
CN206097116U (zh) * | 2015-12-29 | 2017-04-12 | 重庆安碧捷科技股份有限公司 | 医疗隐私过滤系统 |
CN106570331A (zh) * | 2016-11-07 | 2017-04-19 | 万里云医疗信息科技(北京)有限公司 | 一种动态诊断报告的生成方法及生成系统 |
CN106845323A (zh) * | 2015-12-03 | 2017-06-13 | 阿里巴巴集团控股有限公司 | 一种打标数据的收集方法、装置以及证件识别系统 |
-
2017
- 2017-07-06 CN CN201710546301.8A patent/CN107273698B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040091946A1 (en) * | 2000-11-03 | 2004-05-13 | Oakley Robert H. | Methods of screening compositions for G protein -coupled receptor desensitization inhibitory activity |
CN102254195A (zh) * | 2011-07-25 | 2011-11-23 | 广州市道真生物科技有限公司 | 一种训练集合生成方法 |
CN103345576A (zh) * | 2013-06-25 | 2013-10-09 | 上海交通大学 | 基于四模态医学影像的病例库诊断系统 |
CN106456125A (zh) * | 2014-05-02 | 2017-02-22 | 皇家飞利浦有限公司 | 用于将医学图像中的特征链接到解剖结构模型的系统以及其操作方法 |
JP2016182799A (ja) * | 2015-03-27 | 2016-10-20 | 王子ホールディングス株式会社 | 感熱記録体 |
CN104834940A (zh) * | 2015-05-12 | 2015-08-12 | 杭州电子科技大学 | 一种基于支持向量机的医疗影像检查疾病分类方法 |
CN106295092A (zh) * | 2015-05-13 | 2017-01-04 | 仁智(苏州)医学研究有限公司 | 临床医疗的多维度数据分析方法和系统 |
CN106845323A (zh) * | 2015-12-03 | 2017-06-13 | 阿里巴巴集团控股有限公司 | 一种打标数据的收集方法、装置以及证件识别系统 |
CN105608319A (zh) * | 2015-12-21 | 2016-05-25 | 江苏康克移软软件有限公司 | 一种数字病理切片的标注方法及标注装置 |
CN206097116U (zh) * | 2015-12-29 | 2017-04-12 | 重庆安碧捷科技股份有限公司 | 医疗隐私过滤系统 |
CN105975793A (zh) * | 2016-05-23 | 2016-09-28 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种基于数字病理图像的癌症辅助诊断方法 |
CN106489149A (zh) * | 2016-06-29 | 2017-03-08 | 深圳狗尾草智能科技有限公司 | 一种基于数据挖掘和众包的数据标注方法及系统 |
CN106570331A (zh) * | 2016-11-07 | 2017-04-19 | 万里云医疗信息科技(北京)有限公司 | 一种动态诊断报告的生成方法及生成系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108766544A (zh) * | 2018-05-29 | 2018-11-06 | 袁勇 | 一种按病种分值付费的临床标准化诊断信息匹配方法 |
CN109003269A (zh) * | 2018-07-19 | 2018-12-14 | 哈尔滨工业大学 | 一种能提高医生效率的医学影像病灶的标注提取方法 |
TWI731397B (zh) * | 2018-08-24 | 2021-06-21 | 宏達國際電子股份有限公司 | 驗證訓練資料的方法、訓練系統以及電腦程式產品 |
CN109065177A (zh) * | 2018-10-15 | 2018-12-21 | 平安科技(深圳)有限公司 | 一种医疗数据的处理方法、装置、服务器及存储介质 |
WO2020077840A1 (zh) * | 2018-10-15 | 2020-04-23 | 平安科技(深圳)有限公司 | 一种医疗数据的处理方法、装置 |
CN110781516A (zh) * | 2019-10-29 | 2020-02-11 | 无锡海鹰电子医疗系统有限公司 | 一种图像去隐私标注方法 |
CN111081353A (zh) * | 2019-12-17 | 2020-04-28 | 浙江明峰智能医疗科技有限公司 | 一种自动化在线学习智能辅助标注医学影像的方法和系统 |
CN111524563A (zh) * | 2020-04-26 | 2020-08-11 | 上海交通大学医学院附属上海儿童医学中心 | 一种生理音数据库的建立方法及其数据库 |
CN112084915A (zh) * | 2020-08-31 | 2020-12-15 | 支付宝(杭州)信息技术有限公司 | 模型训练方法、活体检测方法、装置和电子设备 |
CN112233799A (zh) * | 2020-10-23 | 2021-01-15 | 深圳市乐行医疗科技有限公司 | 一种医用系统人工智能及其建立方法和建立系统 |
CN113127360A (zh) * | 2021-04-23 | 2021-07-16 | 中国科学院上海技术物理研究所 | 一种医学影像人工智能辅助诊断软件测试服务方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107273698B (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107273698A (zh) | 人工智能训练标准库的处理与检测方法、系统 | |
US20200167881A1 (en) | Automated clinical indicator recognition with natural language processing | |
KR101873926B1 (ko) | 빅데이터 기반 의료자문 서비스 제공 방법 | |
Vuokko et al. | Impacts of structuring the electronic health record: Results of a systematic literature review from the perspective of secondary use of patient data | |
CN101964016B (zh) | 一种图形用户界面的改进 | |
CN104240171B (zh) | 电子病历生成方法及系统 | |
US20080059403A1 (en) | Method and apparatus for obtaining and storing medical history records | |
WO2013176903A1 (en) | Medical record generation and processing | |
CN103221972B (zh) | 医用系统 | |
CN109785918B (zh) | 一种应用于临床科研的数据采集系统及方法 | |
CN109313648A (zh) | 基于存在于自由文本临床文档中的临床概念之间的语义关系来将文档建模为层次图状数据结构的系统和方法 | |
CN112365941A (zh) | 受试者招募的方法及系统 | |
Kadry et al. | Challenges that limit meaningful use of health information technology | |
Ncube et al. | The need for a telemedicine strategy for Botswana? A scoping review and situational assessment | |
Ahmadi et al. | Radiology reporting system data exchange with the electronic health record system: a case study in Iran | |
KR101983383B1 (ko) | 의료비 지급심사를 위해 보험약관이 적용된 룰 기반 유사질의답변 연계 의료정보 서비스 제공 방법 | |
Lebhar et al. | Dr. ChatGPT: utilizing artificial intelligence in surgical education | |
Mengestie et al. | Health information technologies in a resource-limited setting: knowledge, attitude, and practice of health professionals | |
Jeddi et al. | Technological feasibility of a nursing clinical information system | |
National Academies of Sciences, Engineering, and Medicine | Improving cancer diagnosis and care: clinical application of computational methods in precision oncology: proceedings of a workshop | |
Nasiri et al. | Toward an integrated e-health based on acquired healthcare knowledge | |
KR102549638B1 (ko) | 비급여 데이터를 분류하는 서비스를 제공하는 방법, 장치, 및 시스템 | |
McFarlane et al. | Facility registries: Metadata for where care is delivered | |
Battineni | Opportunities and challenges in healthcare with the management of big biomedical data | |
Kijsanayotin et al. | Penetration and adoption of health information technology (IT) in Thailand's community health centers (CHCs): a national survey |
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 |