CN107680670A - 一种无地域限制的医学图像辨识与诊断系统及方法 - Google Patents
一种无地域限制的医学图像辨识与诊断系统及方法 Download PDFInfo
- Publication number
- CN107680670A CN107680670A CN201711009230.4A CN201711009230A CN107680670A CN 107680670 A CN107680670 A CN 107680670A CN 201711009230 A CN201711009230 A CN 201711009230A CN 107680670 A CN107680670 A CN 107680670A
- Authority
- CN
- China
- Prior art keywords
- inspection
- cloud
- report
- diagnostic
- examining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种无地域限制的医学图像辨识与诊断系统及方法,被检查者能够通过手机APP,预约检查,检查系统将根据实际情况反馈预约检查的时间以及具体地点,移动终端提示被检查者前往相关地点检查,检查系统检查完被检查者之后,将检查结果上传到云收集系统,并存储至云存储系统,云分析系统从云存储系统调用检查结果数据进行对比分析处理后,得到发送初级分析报告,并将其发送至审校系统以及被检查者移动终端,审校员在所述审校系统中审校完毕后,发送审校报告至被检查者移动终端以及云分析系统,云分析系统根据审校报告进行自我学习。本发明显著缩短了阅片时间,并减少人力成本,减少人工阅片的误差,提高诊断的准确性,且不受地域限制。
Description
技术领域
本发明涉及医疗技术领域,具体涉及一种无地域限制的医学图像辨识与诊断系统及方法。
背景技术
目前由于患者激增,包括国民健康意识的提升,影像学检查如DR、CT、MRI以及PET(PET-CT\MRI)等已经成为一项常规检查,检查量激增,各项检查主要在医疗机构完成,存在如下问题:1,人工阅片时间较长,出具诊断报告时间增加;2,阅片人数众多,造成了医疗资源的大量浪费;3,长时间高强度的阅片,会导致医务工作者疲劳,造成阅片的误差;4,虽然很多医疗机构的硬件(检查仪器)水平上升了,但是由于地域等原因的限制,医疗机构的软件水平(医师等)参差不齐,被检查者仍然无法得到更高水平的医疗服务。现有技术虽然初步实现了自动书写诊断报告,但是仍然存在以下问题:1,对自动诊断的流程描述较为模糊,忽视了机器诊断可能需要人工校验的问题;2,利用刻度定位实现图像配准的可行性较差;3,无法针对错误结果进行进一步处理和修正,无法自动学习,存在数据库本身的局限性;4,仍然存在地区的局限性。
发明内容
本发明所要解决的技术问题是提供一种无地域限制的医学图像辨识与诊断系统及方法,能够大大降低人力成本,同时减少人工误差,显著提升阅片效率,减少阅片时间,极大的加快了诊断速度,并且突破时间空间的限制,让被检查者在本地就可以享受到来自全国知名专家的诊断。
本发明解决上述技术问题的技术方案如下:
一方面,本发明提供了一种无地域限制的医学图像辨识与诊断系统,所述系统包括检查系统、云收集系统、云存储系统、云分析系统以及审校系统;
所述检查系统,用于对病人进行检查得到检查结果数据,并将所述检查结果数据上传至所述云收集系统;
所述云收集系统,用于实时收集各个检查系统的对应的检查结果数据,并将其传送至所述云存储系统;
所述云存储系统,用于对所述云收集系统传送的所述检查结果数据进行存储;
所述云分析系统,用于从所述云存储系统中调取检查结果数据并进行分析,得到初级分析报告,并将其发送至所述审校系统;
所述审校系统,用于对所述初级分析报告进行审校,得到审校报告。
进一步的,所述系统还包括移动终端,所述移动终端用于将检查信息发送至所述检查系统,预约检查,并接收所述检查系统反馈的预约结果;所述检查信息包括检查项目、机器型号、检查地点、检查时间范围以及审校员信息;所述预约结果包括具体检查时间以及具体检查地址;
所述检查系统还用于接收所述移动终端发送的检查信息,并根据所述检查信息以及记录的已预约的检查信息,向所述移动终端反馈此次检查信息对应的预约结果,所述预约结果包括具体检查时间以及具体检查地址;
所述云分析系统还用于将所述初级分析报告发送至所述移动终端;
所述审校系统还用于将所述审校报告发送至所述移动终端。
进一步的,所述审校系统还用于将所述审校报告发送至所述云分析系统;
所述云分析系统还用于将所述初级分析报告和审校报告进行比对,并对比对的错误进行记录收集和学习。
进一步的,所述云分析系统具体用于在大数据分析的基础上,将检查结果数据的图片与诊断数据库中的图片进行比对,快速诊断得到所述初级分析报告。
所述云分析系统具体包括:
数据库建立单元,用于收集各种诊断数据,并进行训练得到诊断模型;
诊断单元,用于采用所述诊断模型对读取的待诊断的检查结果数据的图片进行对比诊断,得到所述初级分析报告。
进一步的,所述数据库建立单元具体包括:
收集单元,用于根据不同疾病的类型与诊断特点进行分类收集,建立源数据库;
训练单元,用于读取源数据库中的部分训练数据训练得到诊断模型初步的模型参数,然后采用其余部分训练数据测试诊断模型的精度,不断调整诊断模型的模型参数直到诊断模型的精度满足要求。
另一方面,本发明提供了一种无地域限制的医学图像辨识与诊断方法,所述方法具体包括以下步骤:
S1、检查系统对病人进行检查得到检查结果数据,并将所述检查结果数据上传至云收集系统;
S2、所述云收集系统实时收集各个检查系统的对应的检查结果数据,并将其传送至云存储系统;
S3、所述云存储系统对所述云收集系统传送的所述检查结果数据进行存储;
S4、云分析系统从所述云存储系统中调取检查结果数据并进行分析,得到初级分析报告,并将其发送至审校系统;
S5、所述审校系统对所述初级分析报告进行审校,得到审校报告。
进一步的,所述方法还包括:
移动终端将检查信息发送至所述检查系统,预约检查;并接收所述检查系统根据所述检查信息以及记录的已预约的检查信息反馈的此次检查信息对应的预约结果;还接收所述云分析系统发送的所述初级分析报告以及所述审校系统发送的所述审校报告;
所述检查信息包括检查项目、机器型号、检查地点、检查时间范围以及审校员信息;所述预约结果包括具体检查时间以及具体检查地址;所述预约结果包括此次检查信息对应的具体检查时间以及具体检查地址。
进一步的,所述方法还包括:
所述云分析系统接收所述审校系统发送的所述审校报告,并将所述初级分析报告和审校报告进行比对,并对比对的错误进行记录收集和学习。
进一步的,所述步骤S4具体包括:
所述云分析系统在大数据分析的基础上,将检查结果数据的图片与诊断数据库中的图片进行比对,快速诊断得到所述初级分析报告。
所述步骤S4进一步包括:
S41、所述云分析系统收集各种诊断数据,并进行训练得到诊断模型;
S42、所述云分析系统采用所述诊断模型对读取的待诊断的检查结果数据的图片进行对比诊断,得到所述初级分析报告。
进一步的,所述步骤S41进一步包括:
S411、所述云分析系统根据不同疾病的类型与诊断特点进行分类收集,建立源数据库;
S412、所述云分析系统读取源数据库中的部分训练数据训练得到诊断模型初步的模型参数,然后采用其余部分训练数据测试诊断模型的精度,不断调整诊断模型的模型参数直到诊断模型的精度满足要求。
本发明提供了一种无地域限制的医学图像辨识与诊断系统及方法,被检查者能够通过手机APP,选择要进行的检查、机器型号、检查地点以及审校员,检查系统将根据实际情况反馈预约检查的时间以及具体地点,移动终端提示被检查者前往相关地点检查,被检查者根据预约情况选择相关设备进行检查,检查系统检查完被检查者之后,将检查结果上传到云收集系统,并存储至云存储系统,云分析系统从云存储系统调用检查结果数据进行对比分析处理后,得到发送初级分析报告,并将其发送至审校系统以及被检查者移动终端,审校员在所述审校系统中审校完毕后,发送审校报告至被检查者移动终端以及云分析系统,云分析系统根据审校报告进行自我学习。显著缩短了阅片时间,凸显了诊断的及时性;并减少人力成本,节约了医疗资源,完成了医疗资源的再分配;减少人工阅片的误差,提高诊断的准确性;实现人工智能,打造自我更新的诊断数据库,不再为数据库的更新而烦恼;满足不同人群在不同地域的就医需求,无差别随时随地享受更高水平的医疗服务,不受地域限制。
附图说明
图1为本发明实施例1的一种无地域限制的医学图像辨识与诊断系统示意图;
图2为本发明实施例1的一种无地域限制的医学图像辨识与诊断方法流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例1、一种无地域限制的医学图像辨识与诊断系统。下面结合图1对本实施例提供的系统进行详细说明。
参见图1,本实施例提供了一种无地域限制的医学图像辨识与诊断系统,所述系统包括检查系统、云收集系统、云存储系统、云分析系统以及审校系统。
所述检查系统,用于对病人进行检查得到检查结果数据,并将所述检查结果数据上传至所述云收集系统。具体的,所述检查系统包括DR、CT、MRI以及PET(PET-CT\MRI)等系统。
所述云收集系统,用于实时收集各个检查系统的对应的检查结果数据,并将其传送至所述云存储系统。
所述云存储系统,用于对所述云收集系统传送的所述检查结果数据进行存储。
所述云分析系统,用于从所述云存储系统中调取检查结果数据并进行分析,得到初级分析报告,并将其发送至所述审校系统。
所述审校系统,用于对所述初级分析报告进行审校,得到审校报告。
具体的,所述系统还包括移动终端,所述移动终端用于将检查信息发送至所述检查系统,预约检查,并接收所述检查系统反馈的预约结果;所述检查信息包括检查项目、机器型号、检查地点、检查时间范围以及审校员信息;所述预约结果包括具体检查时间以及具体检查地址。
所述检查系统还用于接收所述移动终端发送的检查信息,并根据所述检查信息以及记录的已预约的检查信息,向所述移动终端反馈此次检查信息对应的预约结果,所述预约结果包括具体检查时间以及具体检查地址。
所述云分析系统还用于将所述初级分析报告发送至所述移动终端。
所述审校系统还用于将所述审校报告发送至所述移动终端。
具体的,被检查者通过移动终端,如手机安装的APP,选择要进行的检查、机器型号、检查地点以及审校员,或者直接读取已经预约的检查。检查系统将根据实际情况反馈预约检查的时间,手机APP提示被检查者前往相关地点检查。被检查者选择审校员,审校员可以是医务工作者,也可以是专业技术工作者。
审校员可以接受到来自不同检查系统的数据,并可根据自己的特长在审校系统上设定审校范围,包括机器种类,检查类型,检查部位等,供被检查者自行选择。不同检查系统的数据指的是审校员可以不受地域限制,审校来自不同地域,不同医院或者提供相关检查服务的机构的数据。
具体的,所述审校系统还用于将所述审校报告发送至所述云分析系统。
所述云分析系统还用于将所述初级分析报告和审校报告进行比对,并对比对的错误进行记录收集和学习。
具体的,所述云分析系统具体用于在大数据分析的基础上,将检查结果数据的图片与诊断数据库中的图片进行比对,快速诊断得到所述初级分析报告。
具体的,所述云分析系统具体包括:数据库建立单元,用于收集各种诊断数据,并进行训练得到诊断模型。诊断单元,用于采用所述诊断模型对读取的待诊断的检查结果数据的图片进行对比诊断,得到所述初级分析报告。
具体的,所述数据库建立单元具体包括:收集单元,用于根据不同疾病的类型与诊断特点进行分类收集,建立源数据库。
训练单元,用于读取源数据库中的部分训练数据训练得到诊断模型初步的模型参数,然后采用其余部分训练数据测试诊断模型的精度,不断调整诊断模型的模型参数直到诊断模型的精度满足要求。
假设某种疾病有四种细分类型,每种类型各自对应一种CT图像。则收集单元对每种类型的CT图像各收集图片1万张,即共收集5万张CT图像。比如训练单元训练CNN(卷积神经网络)诊断模型,5万张图像中,按比例抽取4万张,用于训练模型的参数,然后用剩下的1万张作为测试集来评价模型的精度,当精度满足要求时,则将该模型作为图像分类的模型。诊断单元使用CNN模型进行诊断,每次读取一张待诊断的图片,将该图片作为CNN模型的输入,该模型输出图片属于哪种类型,即可对应属于何种病情。
具体的,所述收集单元通过对各种诊断的结果进行分类汇总,按照不同检查部位和疾病的诊断特点进行分类并建立源数据库,所述训练单元对源数据库中的训练数据进行训练得到诊断模型;然后,诊断单元根据检查部位的特点进行图片的比对,根据相似度给出相关诊断说明,并对相关的诊断说明给出可能的概率分析,仅对图像中的异常点进行说明,不做具体诊断,比如大小2*3cm结节,密度如何等。最后将初级分析报告发送至被检查者APP和审校系统由审校员进行复审。审校系统将审校报告发送给被检查者APP的同时,再次发给云分析系统,云分析系统根据初级分析报告和审校报告进行比对,并对错误进行记录,进行自我学习。
具体工作流程:被检查者通过手机APP,选择要进行的检查、机器型号、检查地点以及审校员,或者直接读取已经预约的检查;2)检查系统将根据实际情况反馈预约检查的时间,手机APP提示被检查者前往相关地点检查;3)被检查者根据实际情况进行检查;4)检查系统检查完成后,检查结果数据上传到收集系统,并存储至云存储系统,检查结果数据经过云分析系统处理后,发送初级分析报告至患者APP和审校系统,审校员在审校系统审校完毕后,发送审校报告至被检查者APP。5)审校报告发送给被检查者APP的同时,再次发给云分析系统,云分析系统根据初级分析报告和审校报告进行比对,并对错误进行记录,进行自我学习。由于不同地区的硬件水平正在逐步缩小差距,而主要差距在于软件系统及诊断的医疗技术人员,本发明根据这种特点,实现了各地检查机器联网,数据统一接口,上传云端,实现数据共享,同时医疗技术人员在网内注册后,拥有查看相关数据的权限,根据被检查者就诊时所选择审校人员(医疗技术人员),相关人员便获得了该检查结果的审校权可以调用该结果进行诊断,并通过网络APP端直接给患者发送检查报告。
实施例2、一种无地域限制的医学图像辨识与诊断方法。下面结合图2对本实施例提供的方法进行详细说明。
参见图2,本发明提供一种无地域限制的医学图像辨识与诊断方法,所述方法具体包括以下步骤:
S1、检查系统对病人进行检查得到检查结果数据,并将所述检查结果数据上传至云收集系统;
S2、所述云收集系统实时收集各个检查系统的对应的检查结果数据,并将其传送至云存储系统;
S3、所述云存储系统对所述云收集系统传送的所述检查结果数据进行存储;
S4、云分析系统从所述云存储系统中调取检查结果数据并进行分析,得到初级分析报告,并将其发送至审校系统;
具体的,所述云分析系统在大数据分析的基础上,将检查结果数据的图片与诊断数据库中的图片进行比对,快速诊断得到所述初级分析报告。
所述步骤S4进一步包括:
S41、所述云分析系统收集各种诊断数据,并进行训练得到诊断模型。
S42、所述云分析系统采用所述诊断模型对读取的待诊断的检查结果数据的图片进行对比诊断,得到所述初级分析报告。
所述步骤S41进一步包括:
S411、所述云分析系统根据不同疾病的类型与诊断特点进行分类收集,建立源数据库。
S412、所述云分析系统读取源数据库中的部分训练数据训练得到诊断模型初步的模型参数,然后采用其余部分训练数据测试诊断模型的精度,不断调整诊断模型的模型参数直到诊断模型的精度满足要求。
S5、所述审校系统对所述初级分析报告进行审校,得到审校报告。
另外,所述方法还包括:移动终端将检查信息发送至所述检查系统,预约检查;并接收所述检查系统根据所述检查信息以及记录的已预约的检查信息反馈的此次检查信息对应的预约结果;还接收所述云分析系统发送的所述初级分析报告以及所述审校系统发送的所述审校报告;所述检查信息包括检查项目、机器型号、检查地点、检查时间范围以及审校员信息;所述预约结果包括具体检查时间以及具体检查地址;所述预约结果包括此次检查信息对应的具体检查时间以及具体检查地址。
所述云分析系统接收所述审校系统发送的所述审校报告,并将所述初级分析报告和审校报告进行比对,并对比对的错误进行记录收集和学习。
具体工作流程:被检查者通过手机APP,选择要进行的检查、机器型号、检查地点以及审校员,或者直接读取已经预约的检查;2)检查系统将根据实际情况反馈预约检查的时间,手机APP提示被检查者前往相关地点检查;3)被检查者根据实际情况进行检查;4)检查系统检查完成后,检查结果数据上传到收集系统,并存储至云存储系统,检查结果数据经过云分析系统处理后,发送初级分析报告至患者APP和审校系统,审校员在审校系统审校完毕后,发送审校报告至被检查者APP。5)审校报告发送给被检查者APP的同时,再次发给云分析系统,云分析系统根据初级分析报告和审校报告进行比对,并对错误进行记录,进行自我学习。由于不同地区的硬件水平正在逐步缩小差距,而主要差距在于软件系统及诊断的医疗技术人员,本发明根据这种特点,实现了各地检查机器联网,数据统一接口,上传云端,实现数据共享,同时医疗技术人员在网内注册后,拥有查看相关数据的权限,根据被检查者就诊时所选择审校人员(医疗技术人员),相关人员便获得了该检查结果的审校权可以调用该结果进行诊断,并通过网络APP端直接给患者发送检查报告。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种无地域限制的医学图像辨识与诊断系统,其特征在于,所述系统包括检查系统、云收集系统、云存储系统、云分析系统以及审校系统;
所述检查系统,用于对病人进行检查得到检查结果数据,并将所述检查结果数据上传至所述云收集系统;
所述云收集系统,用于实时收集各个检查系统的对应的检查结果数据,并将其传送至所述云存储系统;
所述云存储系统,用于对所述云收集系统传送的所述检查结果数据进行存储;
所述云分析系统,用于从所述云存储系统中调取检查结果数据并进行分析,得到初级分析报告,并将其发送至所述审校系统;
所述审校系统,用于对所述初级分析报告进行审校,得到审校报告。
2.如权利要求1所述的一种无地域限制的医学图像辨识与诊断系统,其特征在于,所述系统还包括移动终端,所述移动终端用于将检查信息发送至所述检查系统,预约检查,并接收所述检查系统反馈的预约结果;所述检查信息包括检查项目、机器型号、检查地点、检查时间范围以及审校员信息;所述预约结果包括具体检查时间以及具体检查地址;
所述检查系统还用于接收所述移动终端发送的检查信息,并根据所述检查信息以及记录的已预约的检查信息,向所述移动终端反馈此次检查信息对应的预约结果,所述预约结果包括具体检查时间以及具体检查地址;
所述云分析系统还用于将所述初级分析报告发送至所述移动终端;
所述审校系统还用于将所述审校报告发送至所述移动终端。
3.如权利要求1所述的一种无地域限制的医学图像辨识与诊断系统,其特征在于,所述审校系统还用于将所述审校报告发送至所述云分析系统;
所述云分析系统还用于将所述初级分析报告和审校报告进行比对,并对比对的错误进行记录收集和学习。
4.如权利要求1所述的一种无地域限制的医学图像辨识与诊断系统,其特征在于,所述云分析系统具体用于在大数据分析的基础上,将检查结果数据的图片与诊断数据库中的图片进行比对,快速诊断得到所述初级分析报告;
所述云分析系统具体包括:
数据库建立单元,用于收集各种诊断数据,并进行训练得到诊断模型;
诊断单元,用于采用所述诊断模型对读取的待诊断的检查结果数据的图片进行对比诊断,得到所述初级分析报告。
5.如权利要求4所述的一种无地域限制的医学图像辨识与诊断系统,其特征在于,所述数据库建立单元具体包括:
收集单元,用于根据不同疾病的类型与诊断特点进行分类收集,建立源数据库;
训练单元,用于读取源数据库中的部分训练数据训练得到诊断模型初步的模型参数,然后采用其余部分训练数据测试诊断模型的精度,不断调整诊断模型的模型参数直到诊断模型的精度满足要求。
6.一种无地域限制的医学图像辨识与诊断方法,其特征在于,所述方法具体包括以下步骤:
S1、检查系统对病人进行检查得到检查结果数据,并将所述检查结果数据上传至云收集系统;
S2、所述云收集系统实时收集各个检查系统的对应的检查结果数据,并将其传送至云存储系统;
S3、所述云存储系统对所述云收集系统传送的所述检查结果数据进行存储;
S4、云分析系统从所述云存储系统中调取检查结果数据并进行分析,得到初级分析报告,并将其发送至审校系统;
S5、所述审校系统对所述初级分析报告进行审校,得到审校报告。
7.如权利要求6所述的一种无地域限制的医学图像辨识与诊断方法,其特征在于,所述方法还包括:
移动终端将检查信息发送至所述检查系统,预约检查;并接收所述检查系统根据所述检查信息以及记录的已预约的检查信息反馈的此次检查信息对应的预约结果;还接收所述云分析系统发送的所述初级分析报告以及所述审校系统发送的所述审校报告;
所述检查信息包括检查项目、机器型号、检查地点、检查时间范围以及审校员信息;所述预约结果包括具体检查时间以及具体检查地址;所述预约结果包括此次检查信息对应的具体检查时间以及具体检查地址。
8.如权利要求6所述的一种无地域限制的医学图像辨识与诊断方法,其特征在于,所述方法还包括:
所述云分析系统接收所述审校系统发送的所述审校报告,并将所述初级分析报告和审校报告进行比对,并对比对的错误进行记录收集和学习。
9.如权利要求6所述的一种无地域限制的医学图像辨识与诊断方法,其特征在于,所述步骤S4具体包括:
所述云分析系统在大数据分析的基础上,将检查结果数据的图片与诊断数据库中的图片进行比对,快速诊断得到所述初级分析报告。
所述步骤S4进一步包括:
S41、所述云分析系统收集各种诊断数据,并进行训练得到诊断模型;
S42、所述云分析系统采用所述诊断模型对读取的待诊断的检查结果数据的图片进行对比诊断,得到所述初级分析报告。
10.如权利要求9所述的一种无地域限制的医学图像辨识与诊断方法,其特征在于,所述步骤S41进一步包括:
S411、所述云分析系统根据不同疾病的类型与诊断特点进行分类收集,建立源数据库;
S412、所述云分析系统读取源数据库中的部分训练数据训练得到诊断模型初步的模型参数,然后采用其余部分训练数据测试诊断模型的精度,不断调整诊断模型的模型参数直到诊断模型的精度满足要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711009230.4A CN107680670A (zh) | 2017-10-25 | 2017-10-25 | 一种无地域限制的医学图像辨识与诊断系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711009230.4A CN107680670A (zh) | 2017-10-25 | 2017-10-25 | 一种无地域限制的医学图像辨识与诊断系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107680670A true CN107680670A (zh) | 2018-02-09 |
Family
ID=61142229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711009230.4A Pending CN107680670A (zh) | 2017-10-25 | 2017-10-25 | 一种无地域限制的医学图像辨识与诊断系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107680670A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111884705A (zh) * | 2020-07-06 | 2020-11-03 | 中南大学湘雅医院 | 一种基于北斗卫星通讯技术的远程健康诊断系统及方法 |
CN113270168A (zh) * | 2021-05-19 | 2021-08-17 | 中科芯未来微电子科技成都有限公司 | 一种提高医学图像处理能力的方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021910A (zh) * | 2016-05-17 | 2016-10-12 | 重庆医科大学附属永川医院 | 基于智慧医疗服务的远程疾病诊断系统 |
CN106295149A (zh) * | 2016-07-05 | 2017-01-04 | 医诚云(北京)医疗科技有限公司 | 一种医学影像的云/数字胶片及云阅片系统 |
CN106709254A (zh) * | 2016-12-29 | 2017-05-24 | 天津中科智能识别产业技术研究院有限公司 | 一种医疗诊断机器人系统 |
-
2017
- 2017-10-25 CN CN201711009230.4A patent/CN107680670A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021910A (zh) * | 2016-05-17 | 2016-10-12 | 重庆医科大学附属永川医院 | 基于智慧医疗服务的远程疾病诊断系统 |
CN106295149A (zh) * | 2016-07-05 | 2017-01-04 | 医诚云(北京)医疗科技有限公司 | 一种医学影像的云/数字胶片及云阅片系统 |
CN106709254A (zh) * | 2016-12-29 | 2017-05-24 | 天津中科智能识别产业技术研究院有限公司 | 一种医疗诊断机器人系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111884705A (zh) * | 2020-07-06 | 2020-11-03 | 中南大学湘雅医院 | 一种基于北斗卫星通讯技术的远程健康诊断系统及方法 |
CN113270168A (zh) * | 2021-05-19 | 2021-08-17 | 中科芯未来微电子科技成都有限公司 | 一种提高医学图像处理能力的方法及系统 |
CN113270168B (zh) * | 2021-05-19 | 2024-01-02 | 中科芯未来微电子科技成都有限公司 | 一种提高医学图像处理能力的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11850021B2 (en) | Dynamic self-learning medical image method and system | |
CN106709917A (zh) | 神经网络模型训练方法、装置及系统 | |
Abuzaid et al. | An extensive survey of radiographers from the Middle East and India on artificial intelligence integration in radiology practice | |
CN109615633A (zh) | 一种基于深度学习的肠镜下克罗恩病辅助诊断系统及方法 | |
CN107729929A (zh) | 用于获取信息的方法及装置 | |
US20070078674A1 (en) | Display method for image-based questionnaires | |
CN109741317A (zh) | 医学影像智能评价方法 | |
CN108553081A (zh) | 一种基于舌苔图像的诊断系统 | |
CN107845300B (zh) | 一种实时监控的安全考试系统 | |
CN109741316A (zh) | 医学影像智能评片系统 | |
DE112020001683T5 (de) | Eine plattform zur auswertung medizinischer informationen und verfahren zu deren verwendung | |
JP2019061579A (ja) | 学習支援装置、学習支援装置の作動方法、学習支援プログラム、学習支援システム、および端末装置 | |
CN111709906A (zh) | 医学图像的质量评估方法和装置 | |
CN108324297A (zh) | 用于评估图像数据的图像分析方法 | |
Aase et al. | Implementation of a standardized template for reporting of incidental pulmonary nodules: feasibility, acceptability, and outcomes | |
CN112201336A (zh) | 一种基于ai诊断的远程会诊系统和方法 | |
CN107680670A (zh) | 一种无地域限制的医学图像辨识与诊断系统及方法 | |
Zdolsek et al. | Deep neural networks with promising diagnostic accuracy for the classification of atypical femoral fractures | |
CN113360611A (zh) | 基于检查结果的ai诊断方法、装置、存储介质和设备 | |
CN112397195B (zh) | 用于生成体格检查模型的方法、装置、电子设备和介质 | |
CN102298666A (zh) | 用于进行图像质量评估的阴道镜网络系统及方法 | |
Thurston et al. | Neural network detection of pacemakers for MRI safety | |
Green et al. | Notions about networks: primary care practices in pursuit of improved primary care | |
CN117012345A (zh) | 一种医学影像半自动标注方法、系统、设备及介质 | |
CN108710901B (zh) | 一种基于深度学习的脊柱畸形筛查系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |