CN107887002A - 一种医学影像诊断质量管理系统 - Google Patents
一种医学影像诊断质量管理系统 Download PDFInfo
- Publication number
- CN107887002A CN107887002A CN201711287160.9A CN201711287160A CN107887002A CN 107887002 A CN107887002 A CN 107887002A CN 201711287160 A CN201711287160 A CN 201711287160A CN 107887002 A CN107887002 A CN 107887002A
- Authority
- CN
- China
- Prior art keywords
- quality control
- parameter
- control system
- medical imaging
- statistical
- 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.)
- Withdrawn
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种医学影像诊断质量管理系统,包括信息采集模块、统计分析模块和结果输出模块;信息采集模块用于获取目标病患入院就诊至最终确定病情的整个诊断流程中的各统计变量信息;统计分析模块用于对信息采集模块所获取的各统计变量信息进行数据预处理,并得出各项指标计算结果;结果输出模块用于读取由统计分析模块所计算出的各项指标计算结果,并以设定的方式进行显示。本发明的有益效果是:在整个医学影像服务过程中全面搜集各项技术和服务参数,通过统计模型的计算,形成综合考虑了各变量相关性的综合统计指标,从而让质量管理更加精细、准确,大大减轻质控的压力,提高了管理水平。
Description
技术领域
本发明涉及医院影像科质量管理技术领域,尤其涉及一种医学影像诊断质量管理系统。
背景技术
医学影像服务是一个复杂的相关系统,每一个过程以及其子过程的质量都与其他过程,个人、团队的综合能力,以及最终的诊断准确性和服务质量相关联。例如:常规CT扫描的成像质量与病人的身体状况、病人的配合程度、技术员的操作能力、设备性能指标等多种因素都存在关系。又如:诊断准确性与成像质量、医生能力、工作量、病情难易程度都密切相关。现有的质量评价指标往往基于独立指标的数值,难以反映一个复杂系统的综合能力,甚至会产生偏差,给医疗质量控制,管理和提高带来障碍。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种医学影像诊断质量管理系统。
本发明解决上述技术问题的技术方案如下:
一种医学影像诊断质量管理系统,包括信息采集模块、统计分析模块和结果输出模块;
所述信息采集模块用于获取目标病患入院就诊至最终确定病情的整个诊断流程中的各统计变量信息;
所述统计分析模块用于对信息采集模块所获取的各统计变量信息进行数据预处理,并得出各项指标计算结果;
所述结果输出模块用于读取由统计分析模块所计算出的各项指标计算结果,并以设定的方式进行显示。
本发明的有益效果是:在整个医学影像服务过程中全面搜集各项技术和服务参数,通过统计分析,形成综合考虑了各变量相关性的综合统计指标,从而让质量管理更加精细、准确,让影像诊断质量管理可以实现精确到个人的实时能力监控,团队能力监控,以及量身定制的改进计划,大大减轻质控的压力,提高了管理水平,另外可以对医生个人和团队能力实时监控和定制改进,稳步提高人员个人的能力素质,以及提高团队协作分工的工作能力,为采取最行之有效的质量控制提升途径。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,信息采集模块包括病患个人数据采集单元、扫描成像过程参数采集单元、影像诊断过程采集单元、诊断报告采集单元、病人反馈采集单元、 PACS单元;
所述病患个人数据采集单元用于获取目标病患电子病历上的个人数据;
所述扫描成像过程参数采集单元用于获取医生在为目标病患执行影像扫描检测过程中的操作信息;
所述PACS单元用于获取医生在为目标病患执行影像扫描检测过程中的扫描参数,并对所获取的扫描参数进行分析处理;
所述影像诊断过程采集单元用于获取医生在阅读目标病患影像时的各项个人表现参数和评价参数;
所述诊断报告采集单元用于获取目标病患在诊断后的确诊结果;
所述病人反馈采集单元用于获取目标病患对整个影像诊断过程的反馈信息。
进一步,所述扫描参数包括扫描成像耗时、扫描技术参数、扫描图像、诊断报告。
进一步,对所获取的扫描参数进行分析处理包括对扫描图像进行数字图像分析,搜集成像质量相关的参数。
进一步,对所获取的扫描参数进行分析处理还包括读取诊断报告,并对诊断报告进行自动分析以及提取有关诊断质量的关键词。
采用上述进一步的有益效果为:能够全方位的获取指标数值,便于反映医生的综合能力。
进一步,所述统计分析模块包括数据预处理单元,所述数据预处理单元用于对信息采集模块所获取的有关目标病患的各统计变量信息进行审查。
进一步,所述统计分析模块还包括HMM评测单元,所述HMM评测单元用于获取由数据预处理单元审查后的各统计变量信息,并根据个人健康状态分布函数构造个人健康可观测状态集合与隐含状态集合组成的概率矩阵,再基于前向算法,分别计算给定观测状态的概率,从中选出最优的模型参数。
进一步,所述个人健康状态分布函数中个人健康状态参数的获取途径采用专家打分法。
进一步,所述统计分析模块还包括ROC分析单元,所述ROC分析单元用于获取由HMM评测单元所选出的最优的模型参数,并根据最优的模型参数以周为单位建立医生的ROC曲线。
进一步,所述统计分析模块还包括SL系统建模单元,所述SL系统建模单元用于获取由数据预处理单元审查后的各统计变量信息,并根据用于根据纵向数据分析加半参数广义逻辑回归的技术来建立因果推论的模型。
采用上述进一步的有益效果为:通过应用模型以及ROC分析,对以前难以量化的各项行为能力进行综合的统计并量化,对受到复杂相关性影响的指标进行综合的计算评定,管理者、医生、技师等科室人员将以前所未有的角度详细的,科学的了解自身能力、能力与环境的关系,并得到合理化的能力提升建议;形成综合考虑了各变量相关性的综合统计指标,从而让质量管理更加精细、准确,大大减轻质控的压力,提高了管理水平。
附图说明
图1为医学影像诊断质量管理系统结构示意图;
图2为医学影像诊断质量管理系统的部分结构示意图;
图3为本发明中的HMM模型图。
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。
一种医学影像诊断质量管理系统,下面将结合图1、图2对本实施例的一种医学影像诊断质量管理系统进行详细地介绍。
如图1、图2所示,一种医学影像诊断质量管理系统,包括信息采集模块100、统计分析模块200和结果输出模块300;
信息采集模块100用于获取目标病患入院就诊至最终确定病情的整个诊断流程中的各统计变量信息;
统计分析模块200用于对信息采集模块100所获取的各统计变量信息进行数据预处理,并得出各项指标计算结果;
结果输出模块300用于读取由统计分析模块200所计算出的各项指标计算结果,并以设定的方式进行显示。
信息采集模块100的信号输出端与统计分析模块200的信号输入端电连接,统计分析模块200的信号输出端与结果输出模块300的信号输入端电连接。
在本发明中,结果输出模块300在读取数据库中的各项指标计算结果后将以静/动态表格、图表的方式进行实时或定期的发布,指标的变动幅度如果超出预定范围将及时得到反映,指标及相关变量的图表可以以叠加,并列等多种方式呈现,方便管理者迅速发现造成指标变动的相关原因并加以改进。
此外,结果输出模块300将实时读取数据库中的各项指标计算结果,以下列主要方式向管理者呈现:
①关键质控指标实时预警;
②常规质控指标按照科室质控时间表安排定期发布指标图表;
③自动分析指标异常情况,并综合分析异常情况与其他相关变量的联系,帮助管理者找到原因。
信息采集模块100与目标病人诊断流程紧密相连,从目标病患入院就诊至最终确定病情,信息采集模块100包括病患个人数据采集单元110、扫描成像过程参数采集单元120、影像诊断过程采集单元130、诊断报告采集单元140、病人反馈采集单元150、PACS单元160,在本发明中,通过以下手段搜集就诊流程中各统计变量的信息:
病患个人数据采集单元110通过目标病患电子病历,以及医院已开拓医生的患者群体病历数据集获取目标病患电子病历上的个人数据,而获取的个人数据包括患者性别、年龄、职业、教育程度、相关病史、过敏情况等。
扫描成像过程参数采集单元120用于获取医生在为目标病患执行影像扫描检测过程中的操作信息,而操作信息包括操作规范、扫描耗时、药剂使用、成像部位、应急处理等。
PACS(Picture Archiving and Communication Systems,影像归档和通信系统)单元160用于获取医生在为目标病患执行影像扫描检测过程中的扫描参数,并对所获取的扫描参数进行分析处理,其中,扫描参数包括扫描成像耗时、扫描技术参数、扫描图像、诊断报告,对所获取的扫描参数进行分析处理包括对扫描图像进行数字图像分析,搜集成像质量相关的参数(图像伪影,覆盖面积等),对所获取的扫描参数进行分析处理还包括读取诊断报告,并对诊断报告进行自动分析以及提取有关诊断质量的关键词(诊断分级,病灶描述等)。
影像诊断过程采集单元130用于获取医生在阅读目标病患影像时的各项个人表现参数和评价参数,其中,表现参数包括诊断耗时、报告时间、报告规范、诊断结果、影像质量等。
诊断报告采集单元140用于获取目标病患在诊断后的确诊结果,而对于进行了手术或者穿刺确诊的病患,搜集手术或穿刺病理确诊结果,对于未进行手术或穿刺确诊的病患,搜集其随访检查结果及其他疗法结果。
病人反馈采集单元150用于获取目标病患对整个影像诊断过程的反馈信息,其中,目标病患反馈信息的方式可以是电子评分系统、手机软件等。
统计分析模块200包括数据预处理单元210、ROC分析单元220、SL系统建模单元230、HMM评测单元240。
数据预处理单元210于对信息采集模块100所获取的目标病患的统计变量信息进行审查,审查的内容包括:识别异常和错误数据;将非结构化数据处理为结构化数据;处理缺失数据,其中,缺失数据有几种类型:MAR,MCAR and MNAR,不同的数据通过不同的方法进行处理;检查数据的数量(记录数) 是否满足分析的最低要求,字段值的内容是否与调查要求一致,字段值的内容是否全面;还包括利用描述性统计分析检查各个字段的字段类型、字段值的最大值、最小值、平均数、中位数等,记录个数、缺失值或空值个数等;审查过程中发现的明显错误值、缺失值、异常值、可疑数据,选用适当的方法进行清理,使脏数据(脏数据(DirtyRead)是指源系统中的数据不在给定的范围内或对于实际业务毫无意义,或是数据格式非法,以及在源系统中存在不规范的编码和含糊的业务逻辑)变为干净的数据,以及对重复记录进行删除,这样有利于后续的统计分析得出可靠的结论。
数据分析强调分析对象的可比性,但不同字段值由于计量单位等不同,往往造成数据不可比;对一些统计指标进行综合评价时,如果统计指标的性质、计量单位不同,也容易引起评价结果出现较大误差,再加上分析过程中的其他一些要求,需要在分析前对数据进行变换,包括无量纲化处理、线性变换、汇总和聚集、适度概化、规范化以及属性构造等。
HMM评测单元240用于获取由数据预处理单元210审查后的统计变量信息,并根据个人健康状态分布函数构造个人健康可观测状态集合与隐含状态集合组成的概率矩阵,再基于前向算法,分别计算给定观测状态的概率,从中选出最优的模型参数:HMM模型如图3所示,
其中:λ=(A/A',B,π),
λ:输出结果序列
A:个人状态转移概率分布:结合EMR(病人电子病历)与移动设备的数据,利用个人健康状态分布函数来构造。EMR数据如:家族遗传史、烟酒史、身高、体重、年龄、性病、患病史等,移动设备数据如:血糖、血脂、 K+、平时运动量、血压等。
A={ait(s,m)=P(Sit+1=m|Sit=s),1≤s,m≤n}
s为个人健康状态,其中,其获取方式采用专家打分法,n表示人所有可能的健康状态,Sit代表t时刻第i个人目前的健康状态,对任何一个s,有且ait(s,m)≤1。
A':个人健康重算转移概率分布;
B:个人健康观测结果的概率分布;
π:个人初始健康状态分布。
拟使用健康状态分布函数构造个人健康可观测状态集合与隐含状态集合(如心理压力等)组成的概率矩阵。然后,基于前向算法,分别计算给定观测状态的概率,从中选出最优的模型参数。
ROC分析单元220用于根据有金标准结果的病人数据(所选出的最优的模型参数),以周为单位,建立医生的ROC曲线(ROC曲线:受试者工作特征曲线),而从ROC曲线中能够获得该医生的AUC指标、确诊率、误诊率、过诊率,从而达到医疗水平的可视化。但这种可视化是描述性的而非因果推论性的。
SL系统建模单元230要建立具有因果推论性的精确模型。如果是一个读片试验,那试验操作过程是需要尽量排除其他因素对医生读片本身的干扰的,比如影像拍摄质量太差会直接影响医生的读片结果,又或者影像上已经有了一些提示信息,在设计类似的读片试验时,都会把一些质量明显不好的片子和有提示标识的片子剔除出去,以求独立的不受影响的衡量医生的读片能力。但实际中不可能如此,医生的读片能力是不停受到干扰的,比如工作量,工作时间长短。还有病人的变量,是否是复诊病人等等。
SL系统建模单元230是采用纵向数据分析加半参数广义逻辑回归的技术来建立具有因果推论性的精确模型,这个统计方法有着适用性广,鲁棒性好的优点,模型里有医生相关的变量,医学影像相关的变量和医院相关的变量。每个医生真正的医疗水平变量在模型里是个可估计的隐性变量。医学影像的类型依据成像模式,成像部位和疾病分为多种个种类。例如有的医生对乳腺癌成像的误诊率高但对乳腺增生误诊率低。
SL系统建模单元230输出:对每个医生,输出医疗水平,强项和弱项影像分类等参数。
病患个人数据采集单元110的信号输出端、扫描成像过程参数采集单元 120的信号输出端、影像诊断过程采集单元130的信号输出端、诊断报告采集单元140的信号输出端、病人反馈采集单元150的信号输出端和PACS单元160的信号输出端分别与数据预处理单元210的信号输入端电连接,数据预处理单元210的信号输出端与HMM评测单元240的信号输入端电连接,HMM 评测单元240的信号输出端与ROC分析单元220的信号输入端电连接,数据预处理单元210的信号输出端与SL系统建模单元230的信号输入端电连接,而数据预处理单元210的信号输出端、HMM评测单元240的信号输出端、ROC 分析单元220的信号输出端以及SL系统建模单元230的信号输出端分别与结果输出模块300的信号输入端电连接。
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)
1.一种医学影像诊断质量管理系统,其特征在于:包括信息采集模块(100)、统计分析模块(200)和结果输出模块(300);
所述信息采集模块(100)用于获取目标病患入院就诊至最终确定病情的整个诊断流程中的各统计变量信息;
所述统计分析模块(200)用于对信息采集模块(100)所获取的各统计变量信息进行数据预处理,并得出各项指标计算结果;
所述结果输出模块(300)用于读取由统计分析模块(200)所计算出的各项指标计算结果,并以设定的方式进行显示。
2.根据权利要求1所述一种医学影像诊断质量管理系统,其特征在于:所述信息采集模块(100)包括病患个人数据采集单元(110)、扫描成像过程参数采集单元(120)、影像诊断过程采集单元(130)、诊断报告采集单元(140)、病人反馈采集单元(150)和PACS单元(160);
所述病患个人数据采集单元(110)用于获取目标病患电子病历上的个人数据;
所述扫描成像过程参数采集单元(120)用于获取医生在为目标病患执行影像扫描检测过程中的操作信息;
所述PACS单元(160)用于获取医生在为目标病患执行影像扫描检测过程中的扫描参数,并对所获取的扫描参数进行分析处理;
所述影像诊断过程采集单元(130)用于获取医生在阅读目标病患影像时的各项个人表现参数和评价参数;
所述诊断报告采集单元(140)用于获取目标病患在诊断后的确诊结果;
所述病人反馈采集单元(150)用于获取目标病患对整个影像诊断过程的反馈信息。
3.根据权利要求2所述一种医学影像诊断质量管理系统,其特征在于:所述扫描参数包括扫描成像耗时、扫描技术参数、扫描图像和诊断报告。
4.根据权利要求3所述一种医学影像诊断质量管理系统,其特征在于:所述对所获取的扫描参数进行分析处理包括对扫描图像进行数字图像分析,搜集成像质量相关的参数。
5.根据权利要求4所述一种医学影像诊断质量管理系统,其特征在于:所述对所获取的扫描参数进行分析处理还包括读取诊断报告,并对诊断报告进行自动分析以及提取有关诊断质量的关键词。
6.根据权利要求3所述一种医学影像诊断质量管理系统,其特征在于:所述统计分析模块(200)包括数据预处理单元(210),所述数据预处理单元(210)用于对信息采集模块(100)所获取的有关目标病患的各统计变量信息进行审查。
7.根据权利要求6所述一种医学影像诊断质量管理系统,其特征在于:所述统计分析模块(200)还包括HMM评测单元(240),所述HMM评测单元(240)用于获取由数据预处理单元(210)审查后的各统计变量信息,并根据个人健康状态分布函数构造个人健康可观测状态集合与隐含状态集合组成的概率矩阵,再基于前向算法,分别计算给定观测状态的概率,从中选出最优的模型参数。
8.根据权利要求7所述一种医学影像诊断质量管理系统,其特征在于:所述个人健康状态分布函数中个人健康状态参数的获取途径采用专家打分法。
9.根据权利要求7或8所述一种医学影像诊断质量管理系统,其特征在于:所述统计分析模块(200)还包括ROC分析单元(220),所述ROC分析单元(220)用于获取由HMM评测单元(240)所选出的最优的模型参数,并根据最优的模型参数以周为单位建立医生的ROC曲线。
10.根据权利要求6所述一种医学影像诊断质量管理系统,其特征在于:所述统计分析模块(200)还包括SL系统建模单元(230),所述SL系统建模单元(230)用于获取由数据预处理单元(210)审查后的各统计变量信息,并根据纵向数据分析加半参数广义逻辑回归的技术来建立因果推论的模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287160.9A CN107887002A (zh) | 2017-12-07 | 2017-12-07 | 一种医学影像诊断质量管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287160.9A CN107887002A (zh) | 2017-12-07 | 2017-12-07 | 一种医学影像诊断质量管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107887002A true CN107887002A (zh) | 2018-04-06 |
Family
ID=61772991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711287160.9A Withdrawn CN107887002A (zh) | 2017-12-07 | 2017-12-07 | 一种医学影像诊断质量管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107887002A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109700464A (zh) * | 2018-12-29 | 2019-05-03 | 朱新玲 | 就诊号源发布系统 |
CN110097105A (zh) * | 2019-04-22 | 2019-08-06 | 上海珍灵医疗科技有限公司 | 一种基于人工智能的消化内镜检查质量自动评估方法和系统 |
CN110276749A (zh) * | 2019-06-14 | 2019-09-24 | 辽宁万象联合医疗科技有限公司 | 儿童放射射片及诊断的质量控制人工智能系统及其质控方法 |
CN111861049A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 基于图像识别的肠镜检查质量标准及打分系统 |
CN113241139A (zh) * | 2021-04-21 | 2021-08-10 | 辽宁万象联合医疗科技有限公司 | 一种基于儿童放射影像质量控制的人工智能系统及方法 |
-
2017
- 2017-12-07 CN CN201711287160.9A patent/CN107887002A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109700464A (zh) * | 2018-12-29 | 2019-05-03 | 朱新玲 | 就诊号源发布系统 |
CN110097105A (zh) * | 2019-04-22 | 2019-08-06 | 上海珍灵医疗科技有限公司 | 一种基于人工智能的消化内镜检查质量自动评估方法和系统 |
CN111861049A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 基于图像识别的肠镜检查质量标准及打分系统 |
CN110276749A (zh) * | 2019-06-14 | 2019-09-24 | 辽宁万象联合医疗科技有限公司 | 儿童放射射片及诊断的质量控制人工智能系统及其质控方法 |
CN110276749B (zh) * | 2019-06-14 | 2022-04-01 | 辽宁万象联合医疗科技有限公司 | 儿童放射射片及诊断的质量控制人工智能系统及质控方法 |
CN113241139A (zh) * | 2021-04-21 | 2021-08-10 | 辽宁万象联合医疗科技有限公司 | 一种基于儿童放射影像质量控制的人工智能系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107887002A (zh) | 一种医学影像诊断质量管理系统 | |
US7346203B2 (en) | Methods and apparatus for processing image data to aid in detecting disease | |
KR20090024808A (ko) | 치매 및 치매성 장애의 평가 | |
US20040254503A1 (en) | Internet-based system and a method for automated analysis of tactile imaging data and detection of lesions | |
JP7218215B2 (ja) | 画像診断装置、画像処理方法及びプログラム | |
KR20190132936A (ko) | 튜닝식 의료 초음파 이미징 | |
JP2007524461A (ja) | 乳房撮像の自動診断及び決定支援システム及び方法 | |
DE112004000607T5 (de) | Verfahren und Vorrichtung für eine wissensbasierte diagnostische Bildgebung | |
CN112201336B (zh) | 一种基于ai诊断的远程会诊系统和方法 | |
Son et al. | A Data Analytics Framework for Smart Asthma Management Based on Remote Health Information Systems with Bluetooth-Enabled Personal Inhalers. | |
WO2021023051A1 (zh) | 组织评价方法、装置、设备及计算机可读存储介质 | |
CN111933279A (zh) | 智能化疾病诊疗系统 | |
CN107430645A (zh) | 用于重症监护病房中的实验室值自动化分析和风险通知的系统 | |
CN114334123A (zh) | 一种适用于轻度认知障碍快速检测的认知测评体系 | |
CN114639478A (zh) | 一种基于心脏瓣膜病的超声监测系统 | |
CN115714022A (zh) | 基于人工智能的新生儿黄疸健康管理系统 | |
Drukker et al. | Clinical workflow of sonographers performing fetal anomaly ultrasound scans: deep‐learning‐based analysis | |
CN109223006A (zh) | 一种精神分裂症诊断系统 | |
WO2018176718A1 (zh) | 乳腺筛查影像智能识别系统及方法 | |
CN116864104A (zh) | 基于人工智能的慢性血栓栓塞性肺动脉高压风险分级系统 | |
CN109003683A (zh) | 一种医学影像诊断质量管理系统 | |
CN113948180A (zh) | 实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质 | |
CN112420190A (zh) | 一种人工智能辅助诊疗系统及其构建方法 | |
CN110911011B (zh) | 一种脓毒血症的预警装置、设备及存储介质 | |
KR20210157444A (ko) | 머신러닝 기반 조현병 진단 방법 및 그 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180406 |