CN108352187A - 用于生成正确放射推荐的系统和方法 - Google Patents

用于生成正确放射推荐的系统和方法 Download PDF

Info

Publication number
CN108352187A
CN108352187A CN201680066331.2A CN201680066331A CN108352187A CN 108352187 A CN108352187 A CN 108352187A CN 201680066331 A CN201680066331 A CN 201680066331A CN 108352187 A CN108352187 A CN 108352187A
Authority
CN
China
Prior art keywords
recommendation
interest
processor
area
display
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
Application number
CN201680066331.2A
Other languages
English (en)
Inventor
K·I·特罗瓦托
钱悦晨
G·R·曼科维奇
L·d·M·奥利韦拉
R·N·特利斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN108352187A publication Critical patent/CN108352187A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines

Abstract

一种用于生成放射学报告的系统和方法。所述系统和方法在显示器上显示感兴趣区域的图像，确定感兴趣区域的图像特性，经由处理器基于图像特性确定推荐，并且经由处理器生成包括所述推荐的报告。

Description

用于生成正确放射推荐的系统和方法
背景技术
医学中常规地使用各种医学成像模态。例如，医生经常使用X射线、超声、计算机断层摄影(CT)和磁共振成像(MRI)来对患者进行成像和诊断。这些医学图像通常由放射科医师阅读。尽管许多图像复杂且需要对细节的高度关注，但放射科医师越来越面临着效率的压力。例如，许多放射科医师可能仅花费1-2分钟阅读图像或一组图像。基于阅读结果，放射科医师口述或键入包括主要发现(正常或异常解剖结构的评估)的报告，并且可以：(1)诊断疾病并提供疾病状态；或者可以(2)提供针对后续/接下来的步骤的推荐。
由放射科医师提供的推荐常常包括另外的成像研究。例如，放射科医师能够推荐具有不同模态的另外的成像，以通过用不同模态进行成像来改进对疾病的了解。备选地，放射科医师可以推荐另外的成像以检测可能随时间发生的疾病的变化。如果不执行这些后续成像流程，则可能会错过疾病能够被成功处置的窗口，这能够导致患者死亡或更昂贵的处置。例如，如果在图像上检测到小的病变，则常用的方法能够是在特定时间帧(timeframe)内拍摄另一图像，以观察病变的发展和进展。如果成像执行得太晚(或从不执行)，则当病变很小且可治愈时处置所述病变的时间可能已经错过了。不管执行放射科医师的后续推荐的重要性，许多放射科医师的推荐缺乏使推荐有效所需的特异性。例如，许多推荐忽略了后续成像的具体模态和/或应该执行成像的时间帧。在没有这些具体信息的情况下，放射科医师的推荐可能会被忽视、曲解和/或从未采取行动。
发明内容
一种用于生成放射学报告的方法。所述方法包括在显示器上显示感兴趣区域的图像，确定感兴趣区域的图像特性，经由处理器基于图像特性确定推荐，并且经由处理器生成包括推荐的报告。
一种用于生成放射学报告的系统。所述系统包括：显示器，其显示包括感兴趣区域的图像；以及处理器，其确定所述感兴趣区域的图像特性，基于所述图像特性确定推荐，并且生成包括所述推荐的报告。
一种包括可由处理器执行的指令集合的非暂态计算机可读存储介质。所述指令集合当由处理器执行时使所述处理器执行操作，包括：显示感兴趣区域的图像，确定感兴趣区域的图像特性，基于图像特性确定推荐，并且生成包括所述推荐的报告。
附图说明
图1是根据示范性实施例的示范性方法的流程图；
图2是根据示范性实施例的示范性系统的框图；
图3示出了根据示范性实施例的图像的示范性屏幕截图；并且
图4示出了根据示范性实施例的示范性方法的流程图。
具体实施方式
可以参考以下描述和附图进一步理解示范性实施例，其中，相似的元件用相同的附图标记指代。示范性实施例涉及用于生成医学推荐的系统和方法。具体地，示范性实施例描述了用于根据图像生成放射推荐的系统和方法。本公开的某些示范性实施例提供了集成到现有工作流程中以促进完整形成的放射推荐的生成的推荐生成机制。本公开的方面提供了基于图像的某些特征对指南推荐的自动确定。本公开的其他方面在生成推荐中提供用户输入机制。尽管示范性实施例是关于放射科医师和具体病变和解剖结构进行具体描述的，但本领域技术人员将理解，本公开的系统和方法可以由其他健康专业人员用于患有各种疾病或状况中的任何的患者。
图1示出了根据本公开的示范性实施例的示范性方法100。如图1所示，在步骤110中，显示来自图像的感兴趣区域以由用户(例如放射科医师)阅读。感兴趣区域可以包括病变、息肉、肿瘤、结节或任何其他特征，并且解剖结构可以包括患者的肺、脑部或任何其他器官或解剖结构，其能够是感兴趣的。
在步骤120中，确定感兴趣区域的区域的一个或多个图像特性。图像特性可以包括感兴趣区域的尺寸、形状/纹理、分布/均匀性等。例如，特性可以包括解剖结构、病变、结节或肿瘤的横截面或3D体积的最大量度。形状/纹理可以被描述为例如推测(凸出)/分叶(圆形)或对称/不对称。分布或均匀性能够指示焦点或弥散感兴趣区域和/或异质或同质疾病。目前，尺寸是用于偶然检测到的病变(肺结节、肾上腺肿块)的最常用的特性。另外，也可以使用其他患者特征。例如，吸烟史或重度暴露于石棉是肺癌高风险的指标。图像特性可以手动生成(例如，由放射科医师输入，由放射科医师进行的测量等)，或者可以使用图像处理或其他技术自动生成。
在步骤130中，基于确定的图像特性和接受的指南来确定推荐。根据示范性实施例，放射科医师可以增强图像(例如，进行测量)，这可以触发自动确定推荐。放射科医师也可以通过用户接口指示发现(诸如肺结节)。备选地，放射科医师可以按相反的顺序执行此操作：将区域识别为肺结节，并且然后进行测量。例如，阅读图像的放射科医师可以识别肺结节并执行7mm的测量，这能够触发基于给定的结节尺寸来自动确定接受的偶然肺结节发现的指南，例如Fleischner指南。然而，本领域技术人员将理解，取决于例如感兴趣区域的解剖结构的各种指南可以被触发以确定指南推荐。例如，指南推荐可能包括应完成后续的模态和时间帧。
根据当例如在CT或超声上检测到偶然检测到的肾上腺肿块时可以触发的另一范例指南，推荐可以基于病变或肿块的最大直径。例如，如果肿块的直径小于3cm，患者没有体征或症状，并且筛查实验室测试正常，则可推荐3个月处，并且然后2年内每5个月进行放射线监督。然而，如果筛查实验室测试不正常，则推荐能够基于症状。当肿块被测量为例如3与6cm之间时，可以推荐MRI和内分泌评价。大于或等于6cm的肿块能够导致推荐外科转诊。
在步骤140中，可以向放射科医师显示指南推荐。例如，对于7mm肺结节的测量结果，可以显示针对具有6-8mm结节的低风险患者和高风险患者的指南推荐。根据Fleischner指南，推荐可以显示为“后续CT扫描应在6-12个月内在非吸烟者中执行，或者如果患者是吸烟者(高风险)则在3-6个月内执行”。如果患者风险因素未知，则能够生成这两种说法，使得将信息传回给转诊医师进行适当的治疗。如果患者风险因素已知，则可以生成适当的具体推荐。
在显示指南推荐后，放射科医师可以在步骤150中选择适当的推荐。备选地，步骤150还可以包括放射科医师可以进行的其他输入。例如，放射科医师可以鉴于放射科医师已知的其他因素(例如，患者史等)而拒绝和/或定制指南推荐。例如，在显示上述示范性推荐的情况下，放射科医师可以输入患者是否是吸烟者(如果知道的话)以定制对特定患者的推荐。然而，步骤150在其他示范性实施例中可以是任选的，因为一些指南推荐可能仅包括单个推荐。
在步骤160中，生成至少包括后续成像应执行的时间帧和要使用的成像模态的推荐。在一个示范性实施例中，推荐可以被包括在放射科医师已经阅读图像时或之后生成的标准放射学报告中。标准放射学报告可以包括例如患者人口统计学(诸如姓名、性别、医疗号码、出生日期等的患者信息)、临床指示(例如，健康史和检查理由)、报告主体(例如，描述图像的发现)以及印象(例如，诊断和推荐后续的摘要部分)。步骤160中生成的报告中的推荐通常包括在标准放射学报告的印象或发现部分中。报告内的推荐可采取任何形式，并可包括报告内容的任何文本、图形、音频或任何其他指标，其可提供给患者或其他医学专业人员。然而，当前的报告主要是文本，可以优选的是包括对完成了推荐的由放射科医师进行的测量的交叉引用。这可以包括例如图像切片号和图像切片上的病变的端点的XY位置。此外，报告内的推荐可以通过电子方式传输，或者可以打印或显示。
图2示出了根据本公开的示范性实施例的系统200，其上可以实施包括方法100的本公开的示范性方法。如图2所示，系统200包括处理器202、用户接口204、显示器206和存储器208。系统200可以图示用户(例如放射科医师)可以使用以阅读图像的任何系统的至少部分。根据某些示范性实施例，放射科医师可以使用用户接口204来访问存储在系统200的存储器208中的图像209。系统200可以在显示器206上显示所访问的图像209。如上面关于步骤如图120描述的，处理器202可以基于系统200上由放射科医师阅读的图像的图像特性来确定指南推荐。根据示范性实施例，可以响应于手动操纵图像而自动执行该动作。例如，使用用户接口204，放射科医师可以对图像209中显示的结节或病变进行测量，并将其识别为肺结节。如本文所描述的，该动作可以触发处理器202基于所确定的图像特性和(一个或多个)接受的指南来自动确定推荐。
根据示范性实施例，存储器208可以存储指南数据库210，并且处理器202可以将某些图像特性与存储在指南数据库210中的特性进行比较以确定对应的指南推荐。备选地，指南数据库210可以存储在远程位置处，并且可以由处理器202经由网络访问。在处理器202确定对应的指南确定之后，指南确定可以被显示在显示器206上。如上面关于示范性方法100所描述的，可以显示针对低风险患者和高风险患者的Fleischner指南。在系统200任选地经由用户接口204接收放射科医师的输入之后，处理器202生成推荐，并且任选地在显示器206上显示推荐。如上面关于方法100所描述的，该推荐可被包括在例如标准放射学报告中。备选地，推荐或报告可以被打印，或传输到远程系统。本领域技术人员将理解，存储器208可以是任何计算机可读存储介质，并且用户接口204可以包括任何输入设备，例如键盘、鼠标、麦克风和口述系统和/或显示器206上的触摸显示器。本领域技术人员还将理解，系统200可以是个人计算机、服务器或任何其他已知的处理布置。
图3示出了根据本公开的示范性实施例的示范性屏幕截图300。图3示出了9.5mm肺结节的示范性CT图像。如图3所示，Fleischner指南推荐被显示为叠加在图像上。例如，可以已经鉴于解剖结构(即肺)和结节的尺寸(即，9.5mm)自动确定了指南推荐。如图3所示，指南推荐可以响应于经由用户接口的用户交互而被自动显示。例如，如图3所示，指南推荐可以在放射科医师已经选择“肺结节”并测量感兴趣结节之后被自动显示。
使用指南的该自动化范例要求用户提供诸如“肺病变”或“肺结节”的解剖特征的指示。在一个范例系统中，图形用户接口可以是环(例如，包括用户可用选项的动作轮)，其可以通过选择屏幕上的点并点击特定按钮来激活。环可以提供用于该特定类型的图像扫描(例如，胸部CT)的常见或可能解剖部分或发现的列表。标记的常见项目可以包括肺/肺部/结节，其也由放射科医师测量。用户接口(例如环)使得用户能够基于针对给定类型的检查的可能的解剖结构和发现来选择解剖结构和发现。例如，胸部CT可能包括肺、心脏、气管、肋骨、胸降主动脉、椎体，但不包括身体的其他区域，例如阑尾、结肠或肱骨。如果图像扫描不包括可能解剖部分的列表中的任一个，则解剖结构能够被列为未知。用户交互(例如，对结节的测量)可以触发用户接口，诸如环。除了选择解剖结构之外，环可以包括其他选项，这可以有助于放射科医师采取动作，诸如对推荐的显示。经由用户接口可用的其他选项可以例如包括发送消息，搜索，分配推荐等。
图4示出了根据本公开的示范性实施例的示范性方法400。示范性方法400类似于图1中示出的示范性方法100，然而，方法400不是自动生成指南推荐，而是基于接收到的用户输入来生成推荐。类似于方法100，在步骤410中显示要由用户(例如，放射科医师)阅读的患者的解剖结构的图像。在步骤420中，可以向用户显示多个可能的后续推荐。例如，可以向用户显示多个可能的后续模态(例如，MRI、CT、超声、X射线)和时间帧(例如，尽快，在2周内，在3个月内，在6个月内)。可以从显示的选择中选择一个或多个模态。此外，时间帧的下限(例如，3个月)和上限(例如6个月)可以被选择以指示后续应该发生的时间段。可能的后续推荐可以经由例如弹出窗口或叠加到图像上的菜单来显示。本领域技术人员将理解，可能的后续推荐的显示可以由用户提示。在一个实施例中，用户可以从用户接口中选择分配推荐选项，所述用户接口例如为参考图3示出和描述的动作轮。用户然后可以通过从显示的弹出窗口或菜单中选择期望的模态和时间帧来选择一个或多个显示的模态和显示的时间帧。用户对后续推荐的选择可以基于自动地或经由放射科医师手动地确定的感兴趣区域的结节或肿瘤的图像特性(例如，解剖结构，测量结果)。
备选地，系统200可以包括具有定义的口述宏的口述系统，并且放射科医师可以口述推荐的后续。根据使用指令宏的第一个范例，可以生成说出以下的宏：“宏CT-后续”，其中，生成的文本陈述：“在该时间帧内推荐CT后续”。放射科医师被提醒录入时间帧，于是他可以说：“3至6个月”。根据另一个范例，语音宏可以是：“宏CT6”或“宏CT3to6”，相应的文本将陈述：“在6个月内推荐CT后续”或“在3到6个月内推荐CT后续”。在另一范例中，语音宏也可以基于诸如以下发现嵌入推荐：‘Macro LungNOdule7millimeter’。相应的文本可以陈述：Fleischner指南指示，后续CT检查在非吸烟者中应在6-12个月内执行，或者如果患者为吸烟者(高风险)则应在3-6个月内执行。
在步骤430中，处理器202接收用户输入并处理用户输入以生成推荐，所述推荐可以在步骤440中被包括在报告(例如，放射学报告)中。如上面关于方法100描述的，推荐报告可以采取各种形式中的任何一种并且可以以电子方式传输，或者可以被打印或显示。本领域技术人员将理解，尽管示范性实施例向他描述了推荐被包括在标准放射学报告中，但其不是本公开的要求。
本领域技术人员将理解，上述示范性实施例可以以任意数量的方式来实施，包括作为单独的软件模块、作为硬件和软件的组合等等。
对于本领域技术人员显而易见的是，可以在不脱离本公开的精神或范围的情况下对所公开的示范性实施例以及方法和备选进行各种修改。因此，本公开旨在覆盖这些修改和变化，只要其落入权利要求及其等价方案的范围内。

Claims (20)

1.一种用于生成放射学报告的方法，包括：
在显示器上显示感兴趣区域的图像；
确定所述感兴趣区域的图像特性；
经由处理器基于所述图像特性来确定推荐；并且
经由所述处理器生成包括所述推荐的报告。
2.根据权利要求1所述的方法，其中，所述推荐包括模态和时间帧。
3.根据权利要求1所述的方法，其中，所述感兴趣区域包括结节。
4.根据权利要求1所述的方法，其中，所述图像特性包括所述结节的解剖结构和测量结果中的至少一个。
5.根据权利要求4所述的方法，其中，确定所述推荐包括：
经由所述处理器将所述解剖结构和所述测量结果与被存储在指南数据库中的对应的解剖结构和对应的测量结果进行比较；并且
经由所述处理器将与所述解剖结构和所述测量结果相关联的对应的指南推荐确定为所述推荐。
6.根据权利要求1所述的方法，还包括显示多个可能的推荐。
7.根据权利要求1所述的方法，其中，确定所述推荐包括接收选择所述推荐的用户输入。
8.根据权利要求7所述的方法，其中，所述用户输入包括手动输入和语音输入中的至少一个。
9.根据权利要求1所述的方法，还包括显示包括所述推荐的所述报告。
10.根据权利要求1所述的方法，还包括改变所述感兴趣区域的所述图像的显示以示出包括可用选项的用户接口，所述可用选项中的一个可用选项包括显示所述推荐。
11.一种用于生成放射学报告的系统，包括：
显示器，其显示包括感兴趣区域的图像；以及
处理器，其确定所述感兴趣区域的图像特性，基于所述图像特性来确定推荐，并且生成包括所述推荐的报告。
12.根据权利要求11所述的系统，其中，所述推荐包括模态和时间帧。
13.根据权利要求11所述的系统，其中，感兴趣区域包括结节。
14.根据权利要求13所述的系统，其中，所述图像特性包括所述结节的解剖结构和测量结果中的至少一个。
15.根据权利要求14所述的系统，其中，所述处理器基于所述解剖结构和所述测量结果通过以下来确定所述推荐：将所述解剖结构和所述测量结果与被存储在指南数据库中的对应的解剖结构和对应的测量结果进行比较并且将与所述解剖结构和所述测量结果相关联的对应的指南推荐确定为所述推荐。
16.根据权利要求11所述的系统，其中，所述显示器显示多个可能的推荐。
17.根据权利要求16所述的系统，其中，所述用户输入包括手动输入和语音输入中的至少一个。
18.根据权利要求11所述的系统，其中，显示器显示包括所述推荐的所述报告。
19.根据权利要求11所述的系统，其中，所述处理器改变所述感兴趣区域的所述图像的显示以示出包括可用选项的用户接口，所述可用选项中的一个可用选项包括显示所述推荐。
20.一种非暂态计算机可读存储介质，包括能由处理器执行的指令集合，所述指令集合当由所述处理器执行时使所述处理器执行操作，所述操作包括：
显示感兴趣区域的图像；
确定所述感兴趣区域的图像特性；
基于所述图像特性来确定推荐；并且
生成包括所述推荐的报告。
CN201680066331.2A 2015-10-14 2016-10-07 用于生成正确放射推荐的系统和方法 Pending CN108352187A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562241238P 2015-10-14 2015-10-14
US62/241,238 2015-10-14
PCT/IB2016/056005 WO2017064600A1 (en) 2015-10-14 2016-10-07 Systems and methods for generating correct radiological recommendations

Publications (1)

Publication Number Publication Date
CN108352187A true CN108352187A (zh) 2018-07-31

Family

ID=57223731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680066331.2A Pending CN108352187A (zh) 2015-10-14 2016-10-07 用于生成正确放射推荐的系统和方法

Country Status (6)

Country Link
US (1) US20190074074A1 (zh)
EP (1) EP3362925B1 (zh)
JP (1) JP7008017B2 (zh)
CN (1) CN108352187A (zh)
RU (1) RU2018117732A (zh)
WO (1) WO2017064600A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020043673A1 (en) * 2018-08-28 2020-03-05 Koninklijke Philips N.V. Selecting a treatment for a patient
EP3624128A1 (en) 2018-09-17 2020-03-18 Koninklijke Philips N.V. An apparatus and method for detecting an incidental finding
US11699508B2 (en) 2019-12-02 2023-07-11 Merative Us L.P. Method and apparatus for selecting radiology reports for image labeling by modality and anatomical region of interest

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090080734A1 (en) * 2006-04-19 2009-03-26 Fujifim Corporation Diagnosis support system
US20120143623A1 (en) * 2009-07-02 2012-06-07 Koninklijke Philips Electronics N.V. Rule based decision support and patient-specific visualization system for optimal cancer staging
US20130216112A1 (en) * 2012-02-17 2013-08-22 Joachim Graessner Structured, image-assisted finding generation
US20140219500A1 (en) * 2010-07-21 2014-08-07 Armin Moehrle Image reporting method
US20140350350A1 (en) * 2012-03-02 2014-11-27 Kabushiki Kaisha Toshiba Medical image processing apparatus and medical image processing method
WO2015031296A1 (en) * 2013-08-30 2015-03-05 The General Hospital Corporation System and method for implementing clinical decision support for medical imaging analysis

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6785410B2 (en) * 1999-08-09 2004-08-31 Wake Forest University Health Sciences Image reporting method and system
US20100100849A1 (en) * 2008-10-22 2010-04-22 Dr Systems, Inc. User interface systems and methods
US8326012B2 (en) * 2009-10-07 2012-12-04 Hologic, Inc. Selective display of computer-aided detection findings with associated breast X-ray mammogram and/or tomosynthesis image information
US11183300B2 (en) * 2013-06-05 2021-11-23 Nuance Communications, Inc. Methods and apparatus for providing guidance to medical professionals
WO2015114485A1 (en) * 2014-01-30 2015-08-06 Koninklijke Philips N.V. A context sensitive medical data entry system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090080734A1 (en) * 2006-04-19 2009-03-26 Fujifim Corporation Diagnosis support system
US20120143623A1 (en) * 2009-07-02 2012-06-07 Koninklijke Philips Electronics N.V. Rule based decision support and patient-specific visualization system for optimal cancer staging
US20140219500A1 (en) * 2010-07-21 2014-08-07 Armin Moehrle Image reporting method
US20130216112A1 (en) * 2012-02-17 2013-08-22 Joachim Graessner Structured, image-assisted finding generation
US20140350350A1 (en) * 2012-03-02 2014-11-27 Kabushiki Kaisha Toshiba Medical image processing apparatus and medical image processing method
WO2015031296A1 (en) * 2013-08-30 2015-03-05 The General Hospital Corporation System and method for implementing clinical decision support for medical imaging analysis

Also Published As

Publication number Publication date
WO2017064600A1 (en) 2017-04-20
JP7008017B2 (ja) 2022-01-25
EP3362925A1 (en) 2018-08-22
JP2018530402A (ja) 2018-10-18
US20190074074A1 (en) 2019-03-07
RU2018117732A (ru) 2019-11-14
EP3362925B1 (en) 2023-12-06

Similar Documents

Publication Publication Date Title
US10275877B2 (en) Methods and systems for automatically determining diagnosis discrepancies for clinical images
US10901978B2 (en) System and method for correlation of pathology reports and radiology reports
US8214229B2 (en) Method and system for creating a network of medical image reading professionals
Yankaskas et al. International comparison of performance measures for screening mammography: can it be done?
US20160203263A1 (en) Systems and methods for analyzing medical images and creating a report
RU2711305C2 (ru) Связывание отчета / изображения
EP3191991B1 (en) Image report annotation identification
JP6215227B2 (ja) イメージング検査プロトコル更新推奨部
US20230368893A1 (en) Image context aware medical recommendation engine
CN108352187A (zh) 用于生成正确放射推荐的系统和方法
US20210217535A1 (en) An apparatus and method for detecting an incidental finding
Luker Imaging Hyperpolarized Lactate in Prostate Cancer
Hall Mammographic density categories

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