CN108122605A - 医学图像选择方法及设备 - Google Patents
医学图像选择方法及设备 Download PDFInfo
- Publication number
- CN108122605A CN108122605A CN201611071373.3A CN201611071373A CN108122605A CN 108122605 A CN108122605 A CN 108122605A CN 201611071373 A CN201611071373 A CN 201611071373A CN 108122605 A CN108122605 A CN 108122605A
- Authority
- CN
- China
- Prior art keywords
- medical image
- key
- key images
- exported
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种医学图像选择方法,其包括:接收医学图像集合;基于所述医学图像集合包含的相关信息或另外接收的诊断信息从所述医学图像集合中确定要输出的关键图像。此外,本发明还提供了对应的医学图像选择设备,以及包含该医学图像选择设备的医学图像输出系统。
Description
技术领域
本发明涉及医学图像处理技术领域,并且具体地,本发明涉及与医学图像输出相关的技术。
背景技术
随着医疗图像技术的发展,医生的诊断越来越多地依赖医疗影像。患者在医院就诊时,通常首先由技师使用诸如X光机、CT、MR、DR、CR等医疗图像生成设备给患者拍片,然后医生基于所拍摄的医疗图像对患者的情况进行诊断。
然而,每次采用DR、CR等设备拍摄时会生成数十张图像,而采用CT、MR等设备拍摄时甚至会生成数百张图像。无论是以胶片的形式打印,还是直接在电子设备上审阅,都需要对每组图像进行拣选,即挑选出一组图像中就疾病诊断而言最具代表性的若干图像,这些图像也可称为关键图像。目前,在各医院中通常采用的方式是由专门的技师凭经验来人工地挑选关键图像,这往往费时费力,效率低下,且准确性无法保证。
因此,需要一种方案来可靠且高效地从医学影像结果中选出关键图像,从而在节省时间的同时使医生能够更优地为患者进行诊断。
发明内容
有鉴于此,本发明提供,可改善上述问题。一方面,本发明提供了一种医学图像选择方法,其包括:接收医学图像集合;以及基于所述医学图像集合包含的相关信息或另外接收的诊断信息从所述医学图像集合中确定要输出的关键图像。
如上所述的医学图像选择方法,其中,所述医学图像集合包含的相关信息可以包括生成所述医学图像集合的设备类型以及所述医学图像集合所显示的身体部位。
如上所述的医学图像选择方法,其中,确定关键图像可以包括基于所述医学图像集合包含的相关信息或所述诊断信息选择预先训练的分类器;以及使用所选择的分类器将所述医学图像集合中的每个医学图像分类为关键图像或非关键图像。
如上所述的医学图像选择方法,其中,所述分类器针对每种设备类型、身体部位或诊断信息的组合被训练。
如上所述的医学图像选择方法,其中,确定关键图像还可以包括为每个医学图像确定分类值。
如上所述的医学图像选择方法,其中,确定关键图像还可以包括接收要输出的关键图像总数,并且a) 当要输出的关键图像总数小于分类得到的关键图像的数量时,将分类得到的关键图像按分类值降序排列,并按要输出的关键图像总数将排名靠前的相应数目的关键图像确定为要输出的关键图像;b) 当要输出的关键图像总数大于分类得到的关键图像的数量时,将分类得到的关键图像全部确定为要输出的关键图像,并按要输出的关键图像总数与分类得到的关键图像的数量之间的差值从分类得到的非关键图像中选择其他要输出的关键图像。
如上所述的医学图像选择方法,其中,从分类得到的非关键图像中选择其他要输出的关键图像可以包括按所述差值从分类得到的非关键图像中等间隔地选取非关键图像作为要输出的关键图像。
如上所述的医学图像选择方法,其中,从分类得到的非关键图像中选择其他要输出的关键图像包括将分类得到的非关键图像按分类值降序排列,并按所述差值将排名靠前的相应数目的非关键图像确定为要输出的关键图像。
如上所述的医学图像选择方法,其中,确定要输出的关键图像包括确定要输出的关键图像的序号。
如上所述的医学图像选择方法,其中,所述医学图像集合是DICOM图像序列,并且所述设备类型包括电子计算机断层扫描仪(CT)、核磁共振仪(MRI)、数字化直接成像系统(DR)或计算机X射线摄影仪(CR)。
另一方面,本发明还提供了一种医学图像选择设备,其包括:接收模块,用于接收医学图像集合;以及选择模块,其基于所述医学图像集合包含的相关信息或另外接收的诊断信息从所述医学图像集合中确定要输出的关键图像。
又一方面,本发明还提供了一种医学图像输出系统,其包括:如上所述的医学图像选择设备;以及输出模块,其被配置为连同关键图像选择结果一起输出所述医学图像集合。
如上所述的医学图像输出系统,其还可以包括用于对所接收的医学图像集合进行解析以获得所述相关信息。
如上所述的医学图像输出系统,其还可以包括合成模块,该合成模块基于要输出的关键图像的信息从所述医学图像集合中提取要输出的关键图像,并将要输出的关键图像合成为可供打印的图像。
如上所述的医学图像输出系统,其中,所述输出模块还被配置为还被配置为将专用浏览器、关键图像选择结果以及医学图像集合发送至移动存储设备。
还有另一方面,本发明提供了一种医学图像输出系统,其包括:如上所述的医学图像选择设备;以及输出模块,其被配置为将专用浏览器与选择出的关键图像发送至移动存储设备。
附图说明
本发明的前述和其他目标、特征和优点根据下面对本发明的实施例的更具体的说明将是显而易见的,这些实施例在附图中被示意。
图1是根据本发明一个示例的医学图像选择方法的流程图。
图2是根据本发明又一示例的医学图像选择方法的流程图。
图3是根据本发明一个示例的医学图像输出系统的结构示意图。
图4是根据本发明一个示例的医学图像输出系统的结构示意图。
具体实施方式
现在参照附图描述本发明的示意性示例,相同的附图标号表示相同的元件。下文描述的各示例有助于本领域技术人员透彻理解本发明,且各示例意在示例而非限制。图中各元件、部件、模块、装置及设备本体的图示仅示意性表明存在这些元件、部件、模块、装置及设备本体同时亦表明它们之间的相对关系,但并不用以限定它们的具体形状;流程图中各步骤的关系也不以所给出的顺序为限,可根据实际应用进行调整但不脱离本申请的保护范围。
根据本发明各示例提供的医学图像选择方法,可应用在医院现有的医疗影像信息管理系统中。在此,现有的医疗影像信息管理系统泛指医院中在用的各类与患者拍摄医疗电子影像有关的电子系统,例如医学影像存档与通讯系统PACS、放射信息管理系统RIS、以及用于打印患者影像胶片及诊断报告的打印系统等。其它在本文中未曾提到但同样涉及到患者医疗记录管理的,也应包括在本文所提到的“医疗影像信息管理系统”中。
图1是根据本发明一个示例的医学图像选择方法的流程图。在步骤11中,接收医学图像集合。该医学图像集合可以是DICOM图像序列,包含患者针对某次就诊而在一次医学影像摄影期间所获得的全部图像。这些图像可以是例如诸如电子计算机断层扫描仪(CT)、核磁共振仪(MRI)、数字化直接成像系统(DR)或计算机X射线摄影仪(CR)等设备所获取的。
在步骤13中,基于接收到的医学图像集合所包含的相关信息或另外接收的诊断信息从相应的医学图像集合中确定要输出的关键图像。在一些示例中,医学图像集合所包含的相关信息可以是生成该组医学图像的设备类型和该组医学图像所显示的身体部位。诸如设备类型和身体部位这样的信息可以通过直接对所接收的医学图像进行解析来获取。诊断信息可以由技师通过初步检阅图像集合来获得,可以电子诊断报告的形式被存储和传输。在一些示例中,诊断信息可以包含比身体部位信息更具体的内容。例如通过医学影像摄影所捕获的是腹部的图像,而技师通过浏览这些图像可判断出是肝部还是肾脏部位有异常。这样的初步诊断信息可以被记录在单独的诊断报告上,并且作为确定关键图像的依据。医学图像集合所包含的相关信息和另外接收的诊断信息可以分别单独地被用于确定关键图像或者基于这两者的组合来确定关键图像。
在一些示例中,医学图像集合中的每个图像都具有唯一的顺序编号。相应地,确定要输出的关键图像可以包括确定要输出的关键图像的序号。在输出关键图像之前,该序号信息可例如被用于对图像进行排版。
图1所示医学图像选择方法可以例如被实现在医院现有的医疗影像信息管理系统的医学图像输出系统中,例如实现在诸如医学图像打印服务器的医学图像输出服务器中。通过该方法,能够实现关键图像的自动选择,大大降低了人工成本,并且提高了关键图像选择的效率及可靠性。
图2是根据本发明又一示例的医学图像选择方法的流程图。方法200可以被看作是图1所示方法的步骤13的一种具体实现。要特别说明的是,方法200的每个步骤之间并没有先后顺序,图2中从步骤21到步骤29的箭头仅是为了方便绘图以进行示意,在此并不用于限制步骤21与步骤27之间任一步骤执行的先后顺序。
在步骤21中选择预先确定的分类器。分类器在本文中具有本领域技术人员通常所理解的含义。该分类器可以利用医学影像中所包含的相关信息或者利用技师能够从医学影像中确定的诊断信息来训练。例如,可以针对每种设备类型、身体部位或诊断信息中的一个或它们的组合来训练分类器。具体地,可以使用本领域技术人员所已知或将来待开发的训练方法来训练所要使用的分类器,这包括深度卷积神经网络方法、二值支持向量机方法、决策树方法等。相应地,依据确定关键图像所基于的信息来选择对应的分类器,即在基于诸如设备类型或身体部位的信息确定要输出的关键图像时,选择针对相应的设备类型或身体部位进行训练的分类器,这也适用于诊断信息或任何信息组合的情况。
在步骤22中为每个医学图像确定分类值。该分类值表明关键图像选择结果的置信度,置信度较高的图像即为选择出的关键图像。在一些示例中,该分类值的范围可以被定义为[0,1]。所确定的分类值越接近1,则证明置信度越高。例如,分类值为0.8的置信度高于分类值为0.2的置信度。在些示例中,可以根据该分类值来划分关键图像和非关键图像。例如,设定阈值为0.5,则将分类值大于0.5的图像确定为关键图像,而将小于0.5的为非关键图像。在其他示例中,该分类值可被定义为其他数值范围。
在步骤23中使用所选择的分类器将所接收的医学图像集合中的每个医学图像分类为关键图像或非关键图像。例如,可以根据如在步骤22中所确定的分类值来区分关键图像和非关键图像。本领域技术人员能够理解可以根据所使用的不同分类器来确定分类方法。
在步骤24中接收要输出的关键图像数量。该数量可以被设计为每次由用户自定义,并通过用户界面输入。另外地,也可以设定预先存储的默认值作为要输出的关键图像数量。
在步骤25中将要输出的关键图像数量与通过分类器所确定的关键图像的数量进行比较,并且根据比较结果选择随后的操作。
当要输出的关键图像总数小于分类得到的关键图像的数量时,进入步骤26-27。在步骤26中,将分类得到的关键图像按分类值降序排列,并在步骤27中,按要输出的关键图像总数将排名靠前的相应数目的关键图像确定为要输出的关键图像。
当要输出的关键图像总数大于分类得到的关键图像的数量时,进入步骤28-29。在步骤28中,将分类得到的关键图像全部确定为要输出的关键图像,并在步骤29中,按要输出的关键图像总数与分类得到的关键图像的数量之间的差值从分类得到的非关键图像中选择其他要输出的关键图像。
在一些示例中,可以按要输出的关键图像总数与分类得到的关键图像的数量之间的差值从分类得到的非关键图像中等间隔地选取非关键图像作为要输出的关键图像。可以例如按图像需要所指示的顺序进行等间隔选取。
在另外的示例中,可以首先将分类得到的非关键图像按分类值降序排列,再按要输出的关键图像总数与分类得到的关键图像的数量之间的差值将排名靠前的相应数目的非关键图像确定为要输出的关键图像。
以上步骤中确定要输出的关键图像还可包括确定要输出的关键图像的序号。每张图像拥有唯一的序号以用于对图像进行区分。根据分类值以确定关键图像序号。
图3是根据本发明一个示例的医学图像输出系统的结构示意图。医学图像输出系统300可以从医学图像生成系统50接收医学图像集合,医学图像生成系统50可包括如X光机、CT、MR、DR、CR等的医疗影像生成设备或如RIS、PACS等的医疗信息系统。如图3所示,医学图像输出系统300可以包括医学图像选择设备30,该医学图像选择设备30包括用于接收医学图像集合的接收模块303,以及选择模块301,其基于所接收的医学图像集合包含的相关信息或诊断信息从该医学图像集合中确定要输出的关键图像,其中诊断信息可以由接收模块303另外地接收。
在一些示例中,医学图像选择设备30还可以包括解析模块(未示出)。用于对接收模块303所接收的医学图像集合进行解析以获得诸如捕获图像的设备类型、身体部位等相关信息并输出给选择模块301。
如图3所示,医学图像输出系统300还可以包括医学图像输出服务器40,该服务器40一般地包括输出模块401。输出模块401可以被配置为连同要输出的关键图像的信息一起输出所述医学图像集合,其中关键图像的信息可以例如是关键图像的序号。
图3所示的医学图像输出服务器40可以被实现为打印服务器,其可以向打印终端60传送所确定的关键图像以供打印。在图3所示的实施例中,医学图像输出服务器40还可以包括合成模块402。合成模块402可以被配置为基于要输出的关键图像的信息从医学图像集合中提取要输出的关键图像,并将要输出的关键图像合成为可供打印的图像。在一些示例中,输出模块401可以向合成模块402传送与所选择的关键图像相关的信息,例如图像的序号。相应地,合成模块402可以依据这些序号信息从医学图像集合中提取出要输出的关键图像,并且对数字化存储的关键图像进行电子排版。医学图像输出服务器40可以将最终的排版结果传送至打印终端60供患者进行自助打印,由此提高打印效率。在一些示例中,打印得到的医学影像仅包含关键图像,可直接供诊断医生方便地进行会诊。
本领域技术人员能够理解虽然以分立的形式示出医学图像选择设备30和医学图像输出服务器40,但也可以两者集成的方式来实现,并且其中的模块划分也并非是限制性的。
图4是根据本发明一个示例的医学图像输出系统的结构示意图。在图4所示的实施例中,医学图像输出系统400同样包括医学图像选择设备30和医学图像输出服务器40。在图4所示的实施例中,医学图像输出服务器40还可以将关键图像的选择结果连同医学图像集合一起传送至移动存储设备70以供后续浏览,而不用发送至打印终端60,这将便于转诊或转院的患者。因此,医学图像输出服务器40可以不包括用于对图像进行排版合成的合成模块402。
在一些示例中,输出模块401可以被配置为将专用浏览器与关键图像选择结果以及医学图像集合一起发送至移动存储设备,其中关键图像选择结果可以是所确定的关键图像的序号。由此,医生可以直接利用该专用浏览器在电子设备上查看移动存储设备中的内容。该浏览器将首先识别并显示带有关键图像选择结果信息的电子图像,这样便于医生快速、高效地直接查看关键图像。
在一些示例中,输出模块401还可以被配置为将专用浏览器与选择出的关键图像发送至移动存储设备70。由此,医生可以直接利用该专用浏览器在电子设备上查看移动存储设备中的关键图像。
该移动存储设备70可包括U盘、闪盘或移动硬盘等装置。在一些示例中,该移动存储设备70为医院定制化装置,专门用于存储病人相关信息。
应当说明的是,以上具体实施方式仅用以说明本发明的技术方案而非对其进行限制。尽管参照上述具体实施方式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,依然可以对本发明的具体实施方式进行修改或对部分技术特征进行等同替换而不脱离本发明的实质,其均涵盖在本发明请求保护的范围中。
Claims (16)
1.一种医学图像选择方法,其包括:
接收医学图像集合;以及
基于所述医学图像集合包含的相关信息或另外接收的诊断信息从所述医学图像集合中确定要输出的关键图像。
2.如权利要求1所述的方法,其中,所述医学图像集合包含的相关信息包括生成所述医学图像集合的设备类型以及所述医学图像集合所显示的身体部位。
3.如权利要求1所述的方法,其中,确定关键图像包括基于所述医学图像集合包含的相关信息或所述诊断信息选择预先训练的分类器,及使用所选择的分类器将所述医学图像集合中的每个医学图像分类为关键图像或非关键图像。
4.如权利要求3所述的方法,其中,所述分类器针对每种设备类型、身体部位或诊断信息的组合被训练。
5.如权利要求3所述的方法,其中,确定关键图像还包括为每个医学图像确定分类值。
6.如权利要求5所述的方法,其中,确定关键图像还包括接收要输出的关键图像总数:
a) 当要输出的关键图像总数小于分类得到的关键图像的数量时,将分类得到的关键图像按分类值降序排列,并按要输出的关键图像总数将排名靠前的相应数目的关键图像确定为要输出的关键图像;
b) 当要输出的关键图像总数大于分类得到的关键图像的数量时,将分类得到的关键图像全部确定为要输出的关键图像,并按要输出的关键图像总数与分类得到的关键图像的数量之间的差值从分类得到的非关键图像中选择其他要输出的关键图像。
7.如权利要求6所述的方法,其中,从分类得到的非关键图像中选择其他要输出的关键图像包括按所述差值从分类得到的非关键图像中等间隔地选取非关键图像作为要输出的关键图像。
8.如权利要求6所述的方法,其中,从分类得到的非关键图像中选择其他要输出的关键图像包括将分类得到的非关键图像按分类值降序排列,并按所述差值将排名靠前的相应数目的非关键图像确定为要输出的关键图像。
9.如权利要求1所述的方法,其中,确定要输出的关键图像包括确定要输出的关键图像的序号。
10.如权利要求1所述的方法,其中,所述医学图像集合是DICOM图像序列,并且所述设备类型包括电子计算机断层扫描仪(CT)、核磁共振仪(MRI)、数字化直接成像系统(DR)或计算机X射线摄影仪(CR)。
11.一种医学图像选择设备,其包括:
接收模块,用于接收医学图像集合;
选择模块,其基于所述医学图像集合包含的相关信息或另外接收的诊断信息从所述医学图像集合中确定要输出的关键图像。
12.一种医学图像输出系统,其包括:
如权利要求11所述的医学图像选择设备;以及
输出模块,其被配置为连同关键图像选择结果一起输出所述医学图像集合。
13.如权利要求12所述的医学图像输出系统,其还包括用于对所接收的医学图像集合进行解析以获得所述相关信息。
14.如权利要求12所述的医学图像输出系统,其还包括合成模块,该合成模块基于要输出的关键图像的信息从所述医学图像集合中提取要输出的关键图像,并将要输出的关键图像合成为可供打印的图像。
15.如权利要求12所述的医学图像输出系统,其中,所述输出模块还被配置为将专用浏览器、关键图像选择结果以及医学图像集合发送至移动存储设备。
16.一种医学图像输出系统,其包括:
如权利要求11所述的医学图像选择设备;以及
输出模块,其被配置为将专用浏览器与选择出的关键图像发送至移动存储设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611071373.3A CN108122605A (zh) | 2016-11-29 | 2016-11-29 | 医学图像选择方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611071373.3A CN108122605A (zh) | 2016-11-29 | 2016-11-29 | 医学图像选择方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108122605A true CN108122605A (zh) | 2018-06-05 |
Family
ID=62224330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611071373.3A Pending CN108122605A (zh) | 2016-11-29 | 2016-11-29 | 医学图像选择方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108122605A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110610756A (zh) * | 2019-07-26 | 2019-12-24 | 赛诺威盛科技(北京)有限公司 | 基于dicom图像信息实现胶片自动分类打印的方法 |
CN112200022A (zh) * | 2020-09-23 | 2021-01-08 | 上海联影医疗科技股份有限公司 | 图像处理方法、医疗成像设备和存储介质 |
WO2022101768A1 (en) * | 2020-11-16 | 2022-05-19 | International Business Machines Corporation | Medical object detection and identification |
WO2023070284A1 (zh) * | 2021-10-25 | 2023-05-04 | 武汉联影医疗科技有限公司 | 匿名化处理方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040240717A1 (en) * | 2003-05-27 | 2004-12-02 | Osamu Tsujii | Image processing method and apparatus |
US20070025606A1 (en) * | 2005-07-27 | 2007-02-01 | Bioimagene, Inc. | Method and system for storing, indexing and searching medical images using anatomical structures of interest |
CN102918558A (zh) * | 2010-01-28 | 2013-02-06 | 拉德罗吉克斯公司 | 用于对医学图像进行分析、优先级划分、显现和报告的方法和系统 |
CN104798107A (zh) * | 2012-11-23 | 2015-07-22 | 皇家飞利浦有限公司 | 从医学图像生成关键图像 |
-
2016
- 2016-11-29 CN CN201611071373.3A patent/CN108122605A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040240717A1 (en) * | 2003-05-27 | 2004-12-02 | Osamu Tsujii | Image processing method and apparatus |
US20070025606A1 (en) * | 2005-07-27 | 2007-02-01 | Bioimagene, Inc. | Method and system for storing, indexing and searching medical images using anatomical structures of interest |
CN102918558A (zh) * | 2010-01-28 | 2013-02-06 | 拉德罗吉克斯公司 | 用于对医学图像进行分析、优先级划分、显现和报告的方法和系统 |
CN104798107A (zh) * | 2012-11-23 | 2015-07-22 | 皇家飞利浦有限公司 | 从医学图像生成关键图像 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110610756A (zh) * | 2019-07-26 | 2019-12-24 | 赛诺威盛科技(北京)有限公司 | 基于dicom图像信息实现胶片自动分类打印的方法 |
CN112200022A (zh) * | 2020-09-23 | 2021-01-08 | 上海联影医疗科技股份有限公司 | 图像处理方法、医疗成像设备和存储介质 |
WO2022101768A1 (en) * | 2020-11-16 | 2022-05-19 | International Business Machines Corporation | Medical object detection and identification |
US11580337B2 (en) | 2020-11-16 | 2023-02-14 | International Business Machines Corporation | Medical object detection and identification |
WO2023070284A1 (zh) * | 2021-10-25 | 2023-05-04 | 武汉联影医疗科技有限公司 | 匿名化处理方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10937164B2 (en) | Medical evaluation machine learning workflows and processes | |
EP2888686B1 (en) | Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting | |
WO2021196955A1 (zh) | 图像识别方法及相关装置、设备 | |
KR102605969B1 (ko) | 이미지 분류 방법, 장치 및 디바이스, 저장 매체, 그리고 의료 전자 디바이스 | |
CN106529116B (zh) | 诊断系统 | |
CN101944154B (zh) | 医用图像读影系统 | |
CN102612696B (zh) | 具有报告验证器和报告增强器的医学信息系统 | |
US6241668B1 (en) | Medical system architecture | |
CN104637024B (zh) | 医用图像处理装置以及医用图像处理方法 | |
CN108122605A (zh) | 医学图像选择方法及设备 | |
CN209401316U (zh) | 一种智能阅片和选片的医用图像处理系统 | |
JP6768620B2 (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、端末装置及びプログラム | |
US20070071294A1 (en) | System and method for medical diagnosis and tracking using three-dimensional subtraction in a picture archiving communication system | |
CN111696083A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
JP2019061578A (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 | |
CN101366660A (zh) | 图像诊断辅助系统、处理装置及方法及医用图像管理装置 | |
CN108288499A (zh) | 一种自动分诊方法及装置 | |
CN106326416B (zh) | Dicom图像显示方法及装置 | |
US20080120140A1 (en) | Managing medical imaging data | |
CN104545975A (zh) | 一种图像传输方法和装置 | |
JP2003248723A (ja) | 医用画像転送装置及び該装置を備えた病院システム並びに医用画像転送方法 | |
US10957444B2 (en) | Apparatus for tomography repeat rate/reject rate capture | |
KR102036052B1 (ko) | 인공지능 기반으로 비규격화 피부 이미지의 의료 영상 적합성을 판별 및 변환하는 장치 | |
US20230022030A1 (en) | Systems and methods for processing images for image matching | |
JP7443929B2 (ja) | 医療診断支援装置、医療診断支援プログラム、および医療診断支援方法 |
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 |