CN107750383A - 用于显示语义分类的时间线的装置、系统和方法 - Google Patents
用于显示语义分类的时间线的装置、系统和方法 Download PDFInfo
- Publication number
- CN107750383A CN107750383A CN201680034273.5A CN201680034273A CN107750383A CN 107750383 A CN107750383 A CN 107750383A CN 201680034273 A CN201680034273 A CN 201680034273A CN 107750383 A CN107750383 A CN 107750383A
- Authority
- CN
- China
- Prior art keywords
- concept
- imaging
- imaging inspection
- semantic classes
- inspection
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/358—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种系统和方法执行以下步骤:检索针对成像检查的报告;从所述报告解析出文本;将解析出的文本映射到本体;根据从针对所述成像检查的所述报告提取的本体概念自动导出分类方案;使用所述本体概念和所述分类方案将语义类别分配给所述成像检查;以及基于所分配的语义类别使所述成像检查与其他成像检查成组。
Description
背景技术
在进行放射学检查之前,放射科医师可以检查一个或多个相关的之前成像检查以针对当前的研究建立适当的背景。全面的放射学解读包括与相关的之前检查的比较。建立背景是有意义的任务,特别是由于患者历史可以包括跨多个临床时段的相关发现物。现有的放射学设备可以沿着基本时间线提供患者的过去成像检查。然而,时间线会充满多个检查,这增加了建立适当背景的困难。
放射科医师通常必须自己熟悉大量的之前检查,以便以有效的方式诊断并处置患者。之前研究的使用可以针对当前的研究建立适当的背景。具体地,患者会频繁地经历成像检查,导致大量的之前检查要被放射科医师复查。名称“放射科医师”遍及本说明书用来指代正在复查患者的医学记录的个体,但是对于本领域技术人员来说显而易见的是,个体可以或者是任何其他适当的用户,例如医生、护士或其他医学专业人员。
相关性是通过特定临床问题确定的背景依赖的观点。不存在用于识别相关的之前检查的简单的手动或自动方法。具体地,易于检查的准则(包括模态和解剖结构)不总是足以检索到相关的检查来解决复杂的临床问题。例如,为了解决复杂的临床问题,放射科医师可能需要知晓患者是否具有本体或外科手术的历史,并且可能需要反映这种历史的成像检查。因此,放射科医师需要用于通过语义类别对之前的成像检查进行过滤和分组的有效方法,以使得放射科医师能够在成像检查的时间线上容易地浏览成像检查的广泛历史并检测相关的检查。
发明内容
一种方法,包括:检索针对成像检查的报告;从所述报告解析出文本;将解析出的文本映射到本体;根据从针对所述成像检查的所述报告提取的本体概念自动导出分类方案;使用所述本体概念和所述分类方案将语义类别分配给所述成像检查;并且基于所分配的语义类别使所述成像检查与其他成像检查成组。
一种系统,包括:非瞬态计算机可读存储介质,其存储可执行程序;以及处理器,其执行所述可执行程序以令所述处理器:检索针对成像检查的报告;从所述报告解析出文本;将解析出的文本映射到本体;根据从针对所述成像检查的所述报告提取的本体概念自动导出分类方案;使用所述本体概念和所述分类方案将语义类别分配给所述成像检查;以及基于所分配的语义类别使所述成像检查与其他成像检查成组。
一种非瞬态计算机可读存储器介质,包括能由处理器执行的指令集,当体由所述处理器执行时,所述指令集令所述处理器执行操作,包括:检索针对成像检查的报告;从所述报告解析出文本;将解析出的文本映射到外部本体;根据从针对所述成像检查的所述报告提取的本体概念自动导出分类方案;使用所述本体概念和所述分类方案将语义类别分配给所述成像检查;以及基于所分配的语义类别使所述成像检查与其他成像检查成组。
附图说明
图1示出了根据示范性实施例的系统的示意图。
图2示出了根据第一示范性实施例的方法的流程图。
图3示出了图2中的用于创建概念组的步骤217的示范性方法的流程图。
图4示出了根据第一示范性实施例的时间线显示。
图5示出了根据第二示范性实施例的时间线显示。
具体实施方式
参考以下描述和附图可以进一步理解示范性实施例,其中,以相同的附图标记指代相似的元件。示范性实施例涉及用于在针对具有多个成像检查的患者的患者成像时间线上通过语义类别对成像检查进行分组的系统和方法。尽管示范性实施例具体描述了分组成像检查,但是本领域技术人员应理解,本公开的系统和方法可以用来对各种医院设置中的任一种设置内的任一种类型的研究或检查进行分组。
如在图1中示出的,根据本公开的示范性实施例的系统100通过语义类别对成像检查进行分组。图1示出了用于在针对具有多个成像检查的患者的患者成像时间线上通过语义类别对成像检查进行过滤的示范性系统100。系统100包括处理器102、用户接口104和存储器108。存储器108包括数据库130,数据库130存储器之前和当前的成像检查以及针对患者的放射学报告。成像检查可以包括在MRI、CT、CR、超声等上执行的检查。本领域技术人员应理解,本公开的方法可以用来对任一种类型的成像检查进行分组和过滤。此外,放射学报告例如是针对患者的成像检查的结果的读数,并且可以包括关于图像中的发现物和诊断以及后续的建议和推荐的相关信息。患者时间线上的成像检查可以例如在用于影像归档和通信系统(PACS)的显示器106中进行观察,并且成像检查可以经由用户接口104进行过滤和复查。
处理器102包括报告采集引擎110、文件解析器引擎111、概念提取引擎112、类别方案导出引擎113、语义分类引擎117、检查分组引擎118、相关性推理引擎119、和用户接口(UI)引擎120。
本领域技术人员应理解,引擎111-120可以通过处理器102来实施,例如,作为由处理器102执行的代码行,作为由处理器102执行的固件,作为是专用集成电路(ASIC)的处理器102的功能等。报告采集引擎110例如从数据库130检索针对给定成像检查的报告。文件解析器引擎111对被包括在成像检查中的文本进行解析。例如,文件解析器引擎111可以解析出报告的医学叙述中的章节标题、段落和句子,并且可以关于预定的一组标题对标题进行标准化。概念提取引擎112检测短语并且将短语映射到外部本体。示范性外部本体可以包括SNOMED、UMLS或RadLex。
类别方案导出引擎113然后根据从成像检查的报告提取的概念自动导出类别方案。在一个示范性实施例中,类别方案是静态的,这意味着成像检查根据目前未在针对成像检查的报告的基础上被创建的预定方案进行分类。示范性预定方案包括本体、自体免疫疾病、或心脏疾病等。
在另一示范性实施例中,类别方案被动态地导出,其应用用于确定两个概念之间的语义相似性的方法。类别方案导出引擎113可以利用若干引擎和模块来实施,包括例如语义相似性引擎114和动态类别导出模块115。语义相似性可以基于概念之间的本体关系来确定,例如包括概念之间的“is-a”父子关系,例如“左肾”is-a“肾”的类型。在一个示范性实施例中,响应于来自相同本体的两个概念,语义相似性引擎114提供布尔响应(是或否)或指示概念的语义相似性的数值。在另一示范性实施例中,响应于一个概念,语义相似性引擎114返回所有语义相似的概念。
在另一示范性实施例中,动态类别导出模块115基于被分配给概念的权重创建相似概念的组。在另一示范性实施例中,动态类别导出模块115基于被分配给组的权重创建相似概念的组。具有高权重的组可以被专门化,例如被分解成低权重子组。或,具有低权重的组可以被一般化,例如与具有低权重的其他组合并。专门化和一般化方法创建概念组,其中,每个概念组是单个类别方案。每个组可以具有一个或多个代表性概念,例如,该组的最一般概念,例如“呼吸疾病”。
语义分类引擎117然后将一个或多个语义类别根据由类别方案导出引擎113导出的类别方案分配给成像检查。在示范性实施例中,语义分类引擎117按照本体概念的语义类别的列表匹配给定的概念。在另一示范性实施例中,语义分类子引擎试图通过本体的关系建立给定的输入概念与代表性概念的列表之间的语义关系。专用的遍历逻辑规则可以被应用以限制概念的迭代遍历,并且如果本体可以从输入概念被遍历到针对类别的代表性本体概念,则输入概念属于该类别。在另一示范性实施例中,多个输入概念作为整体被分类在一起。例如,每个输入概念可以被分类,并且输入概念可以首先基于指定规则被聚集,并且聚集的输入概念被置于类别内。
检查分组引擎118接下来基于语义分类引擎117的输出将当前的成像检查与其他成像检查分组到相同的语义类别中。在一个示范性实施例中,如果两个成像检查已经通过由语义分类引擎117从成像检查提取的概念而与相同的类别相关联,则检查分组引擎118将成像检查分组到相同的语义类别中。根据在上面参考对当前的成像检查进行分组而描述的示范性实施例,检查分组引擎118也基于语义分类引擎117的输出将之前存储的成像检查分组到语义类别中。
相关性推理引擎119考虑当前选定的成像检查来确定之前的成像检查是否相关。在示范性实施例中,相关性推理引擎119确定被检查分组引擎118分组到相同的语义类别中的所有成像检查是相关的。用户接口引擎120将成像检查的时间线、语义组和相关的成像检查显示在显示器106上,并且经由用户接口104帮助用户在时间线上导航之前相关的和其他成像检查,用户接口104可以包括输入设备,例如,键盘、鼠标、或显示器106上的触摸显示器。
图2示出了用于使用上面的系统100在针对具有多个成像检查的患者的患者成像时间线上通过语义类别对成像检查进行过滤和分组的方法200。方法200包括复查针对给定的成像检查的报告、以及在患者成像时间线上通过语义类别对成像检查进行过滤和分组的步骤,所述患者成像时间线可以在例如影像归档和通信系统(PACS)客户端上进行查看。
在步骤210中,报告采集引擎110检索针对给定的成像检查的报告。在步骤211中,文件解析器引擎111从报告的医学叙述解析出报告的章节的标题、段落和句子。在示范性实施例中,标题然后可以关于预定的一组标题进行标准化。例如,预定的章节标题可以是“印象”,而预定的段落标题可以是“肝”。基于规则的或机器学习技术可以用来实施文件解析器引擎111。最大熵模型可以用来实施文件解析器引擎111。
在步骤212中,概念提取引擎112检测报告的医学叙述中的短语,并且将短语映射到外部本体,例如,SNOMED、UMLS或Radlex。MetaMap是示范性概念提取引擎。本领域技术人员应理解,其他本体和概念提取引擎可以被使用。
在步骤213中,类别方案导出引擎113根据从针对成像检查的报告提取的概念自动导出类别方案。类别方案是用来对成像检查进行分类的一组类别。每个类别可以对应于来自本体的唯一概念。例如,本体类别可以对应于概念“癌”。在一个示范性方法中,如在步骤214中描绘的,类别方案是静态的,这意味着成像检查根据目前未在针对成像检查的报告的基础上被创建的预定方案进行分类。示范性预定方案可以包括本体、自体免疫疾病、心脏疾病、传染疾病、代谢障碍、体征和症状、创伤和损伤等。
在另一示范性方法中,类别方案可以被动态地计算,其包括用于确定两个概念之间的语义相似性的方法。例如,诸如SNOMED和RadLex的本体描述了关于概念之间的关系的医学知识。本体描述了用来确定概念之间的语义相似性的概念之间的多种关系,并且示范性类型的关系是人工智能中的“is-a关系”。“is-a关系”是概念之间的父子关系;例如,“左肾”is-a“肾”,意味着左肾是肾的类型。其他示范性关系包括“has-finding-site”和“is-part-of”,其中,“肾囊肿”has-finding-site“肾”,而“脑桥”is-part-of“脑干”。即,肾囊肿可以发现于肾部位处,而脑桥是脑干的一部分。此外,关系可以被迭代地遍历,其中,“左肾”is-a“肾”,这是颠倒的“has-finding-site”关系。“肾囊肿”和“脑桥”is-part-of“脑干”,其转而is-part-of“大脑”。类别方案导出引擎113可以利用若干引擎和模块来实施,例如包括语义相似性引擎114和动态类别导出模块115。
在步骤215中,类别方案导出引擎113从成像检查的报告中提取概念。在步骤216中,在示范性实施例中,当被呈现具有来自相同本体的两个概念时,为类别方案导出引擎113的一部分的语义相似性引擎114指示两个概念的语义相似性。可以用来确定语义相似性的技术的范例可以是返回布尔回答(是或否)或生成数值。例如,语义相似性引擎114将会针对概念对“癌”和“前列腺癌”返回布尔“是”,指示两个概念在语义上相似,因为“癌”是“前列腺癌”的一般化。数值的范例针对在两个概念之间的最短可能的本体关系中具有三个居间步骤(例如“癌”;X1;X2;“前列腺癌”)的两个概念“癌”和“前列腺癌”可以是三分之一。由于三个步骤连接概念“癌”和“前列腺癌”,三的倒数(三分之一)是表示两个概念之间的语义相似性的数值。作为另一范例,当没有本体关系连接示范性概念A和B时,表示概念之间的语义相似性的数值可以为零。在步骤216的另一示范性实施例中,被呈现具有概念“前列腺癌”的语义相似性引擎将会要求返回与其语义上相似的所有概念,其中,语义上相似的概念将会返回布尔“是”或超过语义相似性阈值的数值。在另一范例中,像“has-finding-site”的其他语义关系可以被输入到语义相似性引擎中从而以相同的方式确定概念的语义相似性。
在步骤217中,为类别方案导出引擎113的一部分的动态类别导出模块115使用提取的概念来创建相似概念的组。在一个示范性实施例中,动态类别导出模块115将权重分配给相似概念的每个组,其中,权重与组的成员概念的频率成比例。在另一示范性实施例中,动态类别导出模块115基于数据源的可靠性和形式性将权重分配给提取的概念。例如,从病理学报告提取的概念具有比从办公室笔记提取的概念更高的权重。在另一示范性实施例中,权重由动态类别导出模块115基于本体内的术语的定位来进行分配,例如更一般的概念被分配更高的权重。例如,概念“神经胶质瘤”(其是一种类型的癌肿瘤)具有比“癌”更低的权重,因为“癌”比“神经胶质瘤”更一般。又一示范性实施例将动态类别导出模块115方法中的以上示范性实施例的混合组合应用于权重分配。
具有高权重的组比具有低权重的组更优选。在示范性实施例中,阈值能够被建立,该阈值设置优选组的最大数量。具有高权重的组可以被专门化,例如被分解成子组,其中,每个组具有较低权重。具有低权重的组可以被一般化,例如与具有低权重的其他组合并。此外,每个组可以具有一个或多个代表性概念(例如,“癌”和“非霍奇金淋巴瘤”),并且代表性组概念可以是该组的最一般概念(例如“癌”而非“非霍奇金淋巴瘤”)。专门化和一般化方法创建概念组,使得每个概念组是单个类别方案。
图3更详细地示出了用于通过诸如图2中的步骤217中的概念一般化来创建概念组的方法。在步骤301中,在示范性实施例中,语义相似性引擎114从成像检查的报告检索提取的概念。对于每个提取的概念,在步骤302中,语义相似性引擎114获得与提取的概念语义上相似的所有概念。在步骤303中,动态类别导出模块115将频率添加到每个语义上相似的概念的权重。例如,频率是检索的概念从成像检查的报告提取的次数。权重可以是语义上相似的概念的数量。
在步骤304中,动态类别导出模块115选择具有大于零的权重的概念的集(其为最一般的概念集),并且将该概念集置于缓冲器列表中。例如,最一般的概念集可以是例如在“is-a”关系层级内没有更一般的概念的概念集。在步骤305中,动态类别导出模块115确定缓冲器列表具有不超过阈值数量的概念。
在步骤306中,动态类别导出模块115按优选级在缓冲器列表中将概念分类。例如,具有更高权重的概念更一般,并且更优选。在步骤307中,动态类别导出模块115识别具有最高优选级的概念。在步骤308中,动态类别导出模块115将最高优选级概念的所有子概念添加到缓冲器列表,例如在与最高优选级的概念的“is-a”关系中的所有概念。
在步骤309中,动态类别导出模块115滤出相对于缓冲器列表中的其他概念具有更低权重的概念。在步骤310中,动态类别导出模块115返回概念的缓冲器列表。总的来说,概念的缓冲器列表被一般化,直至不超过阈值数量的概念留下。得到的概念的缓冲器列表是动态导出的类别方案。
返回到图2,在步骤218中,语义分类引擎117基于其成像检查报告,根据由类别方案导出引擎113导出的类别方案将一个或多个语义类别分配给成像检查。本体概念的列表与每个类别相关联。在一个示范性实施例中,语义分类引擎117按照类别的概念列表匹配给定的输入概念。在另一示范性实施例中,代表性概念的列表按照类别被维持,并且语义分类子引擎试图通过本体关系建立一个输入概念与代表性概念的列表之间的语义关系。专用的逻辑可以被应用以限制概念的迭代遍历。例如,一种类型的逻辑可以规定仅“is-a”关系可以被遍历,或规定关系遍历的具体顺序。例如,逻辑可以要求,首先,任何数量的“is-a”关系可以被遍历,然后,一种“has-finding-site”关系可以被遍历,并且接下来,任何数量的“is-a”关系可以被遍历。如果本体关于指定的遍历逻辑可以从一个输入概念被遍历到类别的代表性概念中的一个,那么输入概念属于该类别。
在语义类别分配的另一示范性实施例中,多个输入概念作为一个整体被分类在一起。针对输入概念的列表内的每个个体输入概念的类别首先被获得,并且结果被聚集。示范性聚集方法包括如果以下中的任一个是真的则将输入概念的列表置于语义类别中:列表的输入概念中的至少一个与类别相关联,列表的输入概念中的大部分与类别相关联,或所有列表的输入概念都与类别相关联。在对多个输入概念进行分类的另一示范性实施例中,类别概念的列表可以是可外部地配置的,使得用户可以通过修改列表文档来操纵属于特定类别的概念。在对多个输入概念进行分类的另一示范性实施例中,用户可以通过添加新的概念的列表来添加类别。语义分类引擎114然后能够复查输入位置中的所有概念列表,并且基于列表内容确定针对成像检查的语义类别分配。
在步骤219中,检查分组引擎118基于语义分类引擎117的输出将当前的成像检查与其他成像检查分组到相同的语义类别中。在一个示范性实施例中,如果成像检查已经通从成像检查报告提取的概念而与相同的语义类别相关联,则检查分组引擎118确定两个或更多个成像检查属于相同的语义类别。在另一示范性实施例中,检查分组引擎118基于包括解剖结构和模态的背景参数将成像检查分组到语义类别中。在步骤219中,根据在上面参考对当前的成像检查进行分组描述的示范性实施例,检查分组引擎118也基于语义分类引擎117的输出将之前存储的成像检查分组到语义类别中。
在步骤220中,相关性推理引擎119考虑当前选定的成像检查来识别之前相关的成像检查。在一个示范性实施例中,相关性推理引擎119返回如通过检查分组引擎118确定的属于相同语义类别的所有成像检查。
在步骤221中,用户接口(UI)引擎120显示成像检查的时间线、语义组和相关的成像检查,用户接口(UI)引擎120可以被显示在显示器106上。
在步骤222中,UI引擎120帮助用户在时间线上导航之前的相关成像检查和其他成像检查。用户可以经由用户接口104导航时间线,用户接口104可以包括输入设备,例如,键盘、鼠标、或显示器106上的触摸显示器。
图4示出了将时间线显示在显示器106上的一个示范性实施例,其中,成像检查时间线400由多个层组成,并且每个层包括属于相同的语义组的成像检查的时间线。成像检查时间线400可以包括所有之前的相关成像检查,但是时间线400分为层410和层420允许用户通过语义组复查相关的成像检查。例如,层410包括属于“乳腺癌”语义组的成像检查,而另一层420包括属于“断腿”语义组的成像检查。例如,属于“乳腺癌”语义组的层410中的检查可以包括2011年5月的胸部的计算机放射成像(CR)扫描、2011年5月的胸腔的CAT(CT)扫描、2011年6月的另两个CR胸部扫描、和2010年7月的CR胸部扫描。此处,例如,在层410中,用户可以复查属于“乳腺癌”语义组的相关的成像检查,包括CR胸部扫描和CT胸腔扫描的检查等。属于“断腿”语义组的检查可以包括例如2011年5月的腿部的CR扫描、2011年5月的右腿的CR扫描、2011年6月的两个CR右腿扫描、和2010年7月的CR右腿扫描。在层420中,例如,用户可以复查属于“断腿”语义组的相关的成像检查,包括CR腿部扫描的检查等。
因此,从该范例能够看出,感兴趣观察与乳腺癌有关的成像检查的用户不必浏览无关的成像检查(例如与断腿有关的检查),并且具有位于在方便的时间线上摆出的相关成像检查。此外,由于时间线未杂乱地堆满无关的检查,存在可用于显示相关成像检查的细节的更多空间。本领域技术人员应理解,在该图中示出的细节仅仅是示范性的,并且针对相关成像检查示出的特定细节可以是可由用户或系统管理者来配置的。
图5示出了将时间线显示在显示器106上的另一示范性实施例,其在成像检查时间线500附近示出了示范性语义类别。成像检查时间线500可以包括所有之前的相关成像检查,但是时间线500视觉分组为语义类别510和语义类别520允许用户通过语义组复查相关的成像检查。
例如,在图5中,“乳腺癌”的示范性语义类别510和“断腿”的示范性语义类别520、以及针对“乳腺癌”的实体肿瘤、前哨淋巴结和肿瘤标记和针对“断腿”的骨裂、膝关节骨折的示范性提取概念被显示在成像检查时间线500附近。示范性语义类别(510、520)在时间线500附近的显示允许用户单独复查语义类别,其中,语义类别利用其示范性相应的提取概念被分组。
例如,时间线500上的针对“乳腺癌”的示范性语义类别510的检查可以包括:2011年5月的CR胸部扫描、2011年5月的胸腔CT扫描、2011年6月的两个CR胸部扫描、2010年7月的CR胸部扫描。此处,针对语义类别510的检查的视觉分组允许用户与时间线500上的其他相关检查分开地复查针对“乳腺癌”的类别510的检查。时间线500上的针对“断腿”的示范性语义类别520的检查可以包括2011年6月的两个CR右腿扫描和2010年7月的CR右腿扫描。针对语义类别520的检测的视觉分组允许用户与时间线500上的其他相关检查分开地复查针对“断腿”的类别520的检查。
在这种显示的另一示范性实施例中,示范性语义类别(“乳腺癌”(510)和“断腿”(520))可以经由用户接口104来点击,这在时间线500上突出有关的成像检查或滤出无关的成像检查。每个语义类别的这种突出通过视觉地区别针对具体语义类别的检查与时间线500上的其他检查允许用户仅复查针对感兴趣语义类别的检查。无关的成像检查的滤出允许用户仅复查针对感兴趣语义类别的有关检查,这还视觉地分开针对有关语义类别的相关检查与时间线500上的其他检查。
在将时间线显示在显示器106上的另一示范性实施例中,用户可以通过用户接口104控制(例如右侧鼠标点击来选择用户接口上的下拉菜单内的“示出相关”选项)来点击时间线上的成像检查,并且检索时间线上所有相关的成像检查。
在将时间线显示在显示器106上的另一示范性实施例中,针对分类过程的语义推理可以显现在时间线上。例如,弹出式屏幕可以示出语义类别从其导出的概念。在另一示范性实施例中,提取的概念可以被描绘在针对成像检查的报告的医学叙述背景中。在又一示范性实施例中,概念或报告文本可以经由用户接口104来点击,这给用户带来原始数据源,例如病理学报告或办公室笔记。
在将时间线显示在显示器106上的又一示范性实施例中,选定的成像检查可以在时间线上进行扩展,其中,扩展的检查属于相同的语义类别。例如,用户能够选择扩展针对感兴趣的具体语义类别的成像检查。作为范例,用户能够选择扩展时间线上的属于“乳腺癌”的语义类别的成像检查。
本领域技术人员应理解,上面描述的示范性实施例可以以任何数量的方式被实施,包括作为单独的软件模块、作为硬件与软件的组合等。例如,报告采集引擎110、文件解析器引擎111、概念提取引擎112、类别方案导出引擎113、语义相似性引擎114和动态类别导出模块115、语义分类引擎117、检查分组引擎118、相关性推理引擎119、和用户接口(UI)引擎120可以是包含当被编译时可以在处理器上被执行的代码行的程序。
对本领域技术人员显而易见的是,可以对公开的示范性实施例和方法以及备选方案进行各种修改而不脱离本公开的精神或范围。因此,旨在使本公开覆盖修改及变型,只要它们落入权利要求书及其等价要件的范围内。
Claims (20)
1.一种方法,包括:
检索针对成像检查的报告;
从所述报告解析出文本;
将解析出的文本映射到本体;
根据从针对所述成像检查的所述报告提取的本体概念自动导出分类方案;
使用所述本体概念和所述分类方案将语义类别分配给所述成像检查;并且
基于所分配的语义类别使所述成像检查与其他成像检查成组。
2.根据权利要求1所述的方法,还包括:
确定与所述成像检查相关的其他成像检查;并且
在成像时间线上显示所述成像检查和相关的所述其他成像检查。
3.根据权利要求1所述的方法,其中,所述文本包括文本标题,所述方法还包括:
关于预定的一组文本标题将所解析出的文本标题标准化。
4.根据权利要求2所述的方法,其中,确定相关的所述其他成像检查包括根据与所述成像检查相同的语义类别来识别成像检查。
5.根据权利要求1所述的方法,其中,自动导出所述分类方案还包括:
通过将成像检查置于所述分类方案的预定类别中而静态地确定所述分类方案。
6.根据权利要求1所述的方法,其中,自动导出所述分类方案还包括:
动态地计算所述分类方案,其中,所述动态地计算包括返回语义上相似的概念并创建相似概念的组。
7.根据权利要求6所述的方法,其中,所述返回语义上相似的概念包括:
响应于输入概念,提供返回布尔响应“是”或超过阈值的数值的概念。
8.根据权利要求6所述的方法,其中,所述创建相似概念的组包括:
将权重分配给每个组,其中,所述权重与所述组的成员概念的频率成比例。
9.根据权利要求6所述的方法,其中,所述创建相似概念的组包括:
基于概念的数据源的可靠性将权重分配给所述概念。
10.根据权利要求6所述的方法,其中,所述创建相似概念的组包括:
基于所述本体中的概念的特异性的程度将权重分配给概念。
11.根据权利要求6所述的方法,其中,所述创建相似概念的组包括以下的组合:
将权重分配给每个组,其中,所述权重与所述组的成员概念的频率成比例;
基于所述概念的数据源的可靠性将所述权重分配给所述概念;并且
基于所述本体中的所述概念的特异性的程度将所述权重分配给所述概念。
12.根据权利要求1所述的方法,其中,将所述语义类别分配给所述成像检查包括:
将本体概念的列表与每个语义类别相关联;并且
按照所述语义类别的本体概念的所述列表匹配概念。
13.根据权利要求1所述的方法,其中,将所述语义类别分配给所述成像检查还包括:
维持针对每个语义类别的代表性本体概念的列表;
应用逻辑规则以限制概念的迭代遍历;并且
如果输入概念根据所述逻辑规则将所述本体从所述输入概念遍历到针对所述语义类别的所述代表性概念中的一个,则确定所述输入概念属于所述语义类别。
14.根据权利要求1所述的方法,其中,将所述语义类别分配给所述成像检查包括:
确定针对概念的所述语义类别;
在以下情况中的至少一种下聚集所述概念,其中,所述聚集包括确定概念的列表属于所述语义类别:
所述列表上的所述概念中的至少一个与所述语义类别相关联;
所述列表上的所述概念中的大部分与所述语义类别相关联;以及
所述列表上的所有所述概念都与所述语义类别相关联。
15.一种系统,包括:
非瞬态计算机可读存储介质,其存储可执行程序;以及
处理器,其执行所述可执行程序以令所述处理器:
检索针对成像检查的报告;
从所述报告解析出文本;
将解析出的文本映射到本体;
根据从针对所述成像检查的所述报告提取的本体概念自动导出分类方案;
使用所述本体概念和所述分类方案将语义类别分配给所述成像检查;并且
基于所分配的语义类别使所述成像检查与其他成像检查成组。
16.根据权利要求15所述的系统,其中,所述处理器执行所述可执行程序以令所述处理器:
确定与所述成像检查相关的其他成像检查;并且
在成像时间线上显示所述成像检查和相关的所述其他成像检查。
17.根据权利要求16所述的系统,其中,所述处理器执行所述可执行程序以令所述处理器:
将来自相同的语义类别的成像检查确定为与所述成像检查相关;并且利用多个层显示所述成像时间线,每个层显示属于相同的语义组的所述成像检查。
18.根据权利要求15所述的系统,其中,所述自动导出分类方案还包括:
动态地计算所述分类方案,其中,所述动态地计算包括返回语义上相似的概念并创建相似概念的组。
19.根据权利要求18所述的系统,其中,所述创建相似概念的组包括以下中的一个或多个:
将权重分配给每个组,其中,所述权重与所述组的成员概念的频率成比例;
基于数据源的可靠性将所述权重分配给所述概念;并且
基于所述本体中的所述概念的特异性的程度将所述权重分配给所述概念。
20.一种非瞬态计算机可读存储器介质,包括能由处理器执行的指令集,当由所述处理器执行时,所述指令集令所述处理器执行操作,包括:
检索针对成像检查的报告;
从所述报告解析出文本;
将解析出的文本映射到外部本体;
根据从针对所述成像检查的所述报告提取的本体概念自动导出分类方案;
使用所述本体概念和所述分类方案将语义类别分配给所述成像检查;并且
基于所分配的语义类别使所述成像检查以及其他成像检查成组。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562174590P | 2015-06-12 | 2015-06-12 | |
US62/174,590 | 2015-06-12 | ||
PCT/IB2016/052963 WO2016198977A1 (en) | 2015-06-12 | 2016-05-20 | Apparatus, system and method for displaying a semantically categorized timeline |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107750383A true CN107750383A (zh) | 2018-03-02 |
CN107750383B CN107750383B (zh) | 2023-06-06 |
Family
ID=56087473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680034273.5A Active CN107750383B (zh) | 2015-06-12 | 2016-05-20 | 用于显示语义分类的时间线的装置、系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20180357307A1 (zh) |
EP (1) | EP3308306A1 (zh) |
JP (1) | JP6830068B2 (zh) |
CN (1) | CN107750383B (zh) |
WO (1) | WO2016198977A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112106145A (zh) * | 2018-03-14 | 2020-12-18 | 皇家飞利浦有限公司 | 用于成像检查的集中控制的智能调度器 |
CN112967773A (zh) * | 2021-03-12 | 2021-06-15 | 武汉大学 | 基于大数据共享平台的慢性疾病临床版报告方法及系统 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10289963B2 (en) * | 2017-02-27 | 2019-05-14 | International Business Machines Corporation | Unified text analytics annotator development life cycle combining rule-based and machine learning based techniques |
US11036779B2 (en) * | 2018-04-23 | 2021-06-15 | Verso Biosciences, Inc. | Data analytics systems and methods |
JP6981940B2 (ja) * | 2018-08-29 | 2021-12-17 | 富士フイルム株式会社 | 画像診断支援装置、方法及びプログラム |
JP6806345B2 (ja) * | 2019-02-14 | 2021-01-06 | エンブレース株式会社 | 医療・介護分野における多職種連携支援方法及びシステム |
CN110556173A (zh) * | 2019-08-09 | 2019-12-10 | 刘丽丽 | 一种检查报告单智能分类管理系统及方法 |
US11200376B2 (en) * | 2019-08-20 | 2021-12-14 | International Business Machines Corporation | Expanded concept matching |
EP3796236A1 (en) * | 2019-09-18 | 2021-03-24 | Vieviewer Entreprise | Modeling and analysis of complex systems |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020196976A1 (en) * | 2001-04-24 | 2002-12-26 | Mihcak M. Kivanc | Robust recognizer of perceptually similar content |
CN101167076A (zh) * | 2005-03-04 | 2008-04-23 | 伊斯曼柯达公司 | 对于缺乏时间信息的图像的添加性聚类 |
US20100070448A1 (en) * | 2002-06-24 | 2010-03-18 | Nosa Omoigui | System and method for knowledge retrieval, management, delivery and presentation |
US20110035208A1 (en) * | 2009-08-05 | 2011-02-10 | Hale Charles R | System and Method for Extracting Radiological Information Utilizing Radiological Domain Report Ontology and Natural Language Processing |
US7890498B1 (en) * | 2001-11-26 | 2011-02-15 | Koninklijke Philips Electronics N.V. | User interface for a medical informatics system that incorporates an examination timeline |
CN102844761A (zh) * | 2010-04-19 | 2012-12-26 | 皇家飞利浦电子股份有限公司 | 使用放射学描述符的报告查看器 |
US20130185060A1 (en) * | 2010-02-01 | 2013-07-18 | Stratify, Inc. | Phrase based document clustering with automatic phrase extraction |
CN103220974A (zh) * | 2010-07-21 | 2013-07-24 | 阿敏·E·莫尔勒 | 图像报告方法 |
CN104636430A (zh) * | 2014-12-30 | 2015-05-20 | 东软集团股份有限公司 | 案例知识库表示及案例相似度获取方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005122002A2 (ja) * | 2004-06-07 | 2005-12-22 | Hitachi Medical Corp | 構造化文書作成方法ならびに装置 |
JP2009093544A (ja) * | 2007-10-11 | 2009-04-30 | Toshiba Corp | 医用レポート装置 |
JP5553578B2 (ja) * | 2009-11-05 | 2014-07-16 | 株式会社日立メディコ | 医用診断レポートシステム、当該システムとして機能させるためのプログラム、および医用診断レポートの作成支援方法 |
JP2012063919A (ja) * | 2010-09-15 | 2012-03-29 | Fujifilm Corp | 医用レポート評価装置、医用レポート評価方法、医用レポート評価プログラム、並びに医用ネットワークシステム |
RU2013134250A (ru) * | 2010-12-23 | 2015-01-27 | Конинклейке Филипс Электроникс Н.В. | Генерирование наглядных отчетных графических изображений патологических изменений в анатомических структурах |
JP5897385B2 (ja) * | 2011-04-14 | 2016-03-30 | 東芝メディカルシステムズ株式会社 | 医療情報システム及び医療情報表示装置 |
RU2697764C1 (ru) * | 2013-11-26 | 2019-08-19 | Конинклейке Филипс Н.В. | Итерационное построение разделов истории болезни |
-
2016
- 2016-05-20 EP EP16725937.3A patent/EP3308306A1/en not_active Withdrawn
- 2016-05-20 WO PCT/IB2016/052963 patent/WO2016198977A1/en unknown
- 2016-05-20 US US15/576,040 patent/US20180357307A1/en not_active Abandoned
- 2016-05-20 CN CN201680034273.5A patent/CN107750383B/zh active Active
- 2016-05-20 JP JP2017561997A patent/JP6830068B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020196976A1 (en) * | 2001-04-24 | 2002-12-26 | Mihcak M. Kivanc | Robust recognizer of perceptually similar content |
US7890498B1 (en) * | 2001-11-26 | 2011-02-15 | Koninklijke Philips Electronics N.V. | User interface for a medical informatics system that incorporates an examination timeline |
US20100070448A1 (en) * | 2002-06-24 | 2010-03-18 | Nosa Omoigui | System and method for knowledge retrieval, management, delivery and presentation |
CN101167076A (zh) * | 2005-03-04 | 2008-04-23 | 伊斯曼柯达公司 | 对于缺乏时间信息的图像的添加性聚类 |
US20110035208A1 (en) * | 2009-08-05 | 2011-02-10 | Hale Charles R | System and Method for Extracting Radiological Information Utilizing Radiological Domain Report Ontology and Natural Language Processing |
US20130185060A1 (en) * | 2010-02-01 | 2013-07-18 | Stratify, Inc. | Phrase based document clustering with automatic phrase extraction |
CN102844761A (zh) * | 2010-04-19 | 2012-12-26 | 皇家飞利浦电子股份有限公司 | 使用放射学描述符的报告查看器 |
CN103220974A (zh) * | 2010-07-21 | 2013-07-24 | 阿敏·E·莫尔勒 | 图像报告方法 |
CN104636430A (zh) * | 2014-12-30 | 2015-05-20 | 东软集团股份有限公司 | 案例知识库表示及案例相似度获取方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112106145A (zh) * | 2018-03-14 | 2020-12-18 | 皇家飞利浦有限公司 | 用于成像检查的集中控制的智能调度器 |
CN112967773A (zh) * | 2021-03-12 | 2021-06-15 | 武汉大学 | 基于大数据共享平台的慢性疾病临床版报告方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107750383B (zh) | 2023-06-06 |
EP3308306A1 (en) | 2018-04-18 |
WO2016198977A1 (en) | 2016-12-15 |
JP6830068B2 (ja) | 2021-02-17 |
US20180357307A1 (en) | 2018-12-13 |
JP2018521394A (ja) | 2018-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107750383A (zh) | 用于显示语义分类的时间线的装置、系统和方法 | |
CN110033859B (zh) | 评估患者的医学检查结果的方法、系统、程序和存储介质 | |
JP6749835B2 (ja) | コンテキスト依存医学データ入力システム | |
CN106415555B (zh) | 用于病理学报告与放射学报告的相关联的系统和方法 | |
JP5952835B2 (ja) | 撮像プロトコルの更新及び/又はリコメンダ | |
US20130124527A1 (en) | Report authoring | |
CN102947832A (zh) | 患者记录的身份匹配 | |
US11630874B2 (en) | Method and system for context-sensitive assessment of clinical findings | |
US20190108175A1 (en) | Automated contextual determination of icd code relevance for ranking and efficient consumption | |
WO2013072833A1 (en) | Associating parts of a document based on semantic similarity | |
US11763081B2 (en) | Extracting fine grain labels from medical imaging reports | |
WO2014147516A2 (en) | Selecting a set of documents from a health record of a patient | |
JP2022036125A (ja) | 検査値のコンテキストによるフィルタリング | |
JP5899239B2 (ja) | 解剖学的構造内の病変の画像報告図の生成 | |
US11164309B2 (en) | Image analysis and annotation | |
US20200294655A1 (en) | System and method to automatically prepare an attention list for improving radiology workflow | |
del Mar Roldán-García et al. | Towards an ontology-driven clinical experience sharing ecosystem: Demonstration with liver cases | |
Ebadollahi et al. | Concept-based electronic health records: opportunities and challenges | |
US10956411B2 (en) | Document management system for a medical task | |
Hafidi et al. | Graph‐based tag recommendations using clusters of patients in clinical decision support system | |
Sekar et al. | Case-based decision support system for breast cancer management | |
KR102652935B1 (ko) | 임상 의사 결정을 지원하기 위한 통합 지식 베이스를 제공하는 방법 및 장치 | |
US11928186B2 (en) | Combined deep learning and knowledge driven reasoning for artificial intelligence classification | |
KR20220149795A (ko) | 지능형 워크플로우 기반의 스마트병원 관리 시스템 | |
US11189026B2 (en) | Intelligent organization of medical study timeline by order codes |
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 |