CN108877911A - 向医疗设备提供扫描协议信息的方法和电子设备 - Google Patents
向医疗设备提供扫描协议信息的方法和电子设备 Download PDFInfo
- Publication number
- CN108877911A CN108877911A CN201810449972.7A CN201810449972A CN108877911A CN 108877911 A CN108877911 A CN 108877911A CN 201810449972 A CN201810449972 A CN 201810449972A CN 108877911 A CN108877911 A CN 108877911A
- Authority
- CN
- China
- Prior art keywords
- information
- electronic equipment
- medical devices
- scan protocols
- medical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004891 communication Methods 0.000 claims description 84
- 238000013473 artificial intelligence Methods 0.000 claims description 73
- 238000012549 training Methods 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000002347 injection Methods 0.000 claims description 10
- 239000007924 injection Substances 0.000 claims description 10
- 239000002872 contrast media Substances 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 42
- 238000010586 diagram Methods 0.000 description 39
- 238000002595 magnetic resonance imaging Methods 0.000 description 29
- 238000005457 optimization Methods 0.000 description 18
- 238000002604 ultrasonography Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 8
- 239000003814 drug Substances 0.000 description 8
- 230000005611 electricity Effects 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000003902 lesion Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 210000001015 abdomen Anatomy 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000018199 S phase Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000011976 chest X-ray Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 210000002832 shoulder Anatomy 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000009938 salting Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- 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
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种由电子设备执行的向医疗设备提供与图像扫描相关的配置信息的方法包括:获得医疗设备的识别信息和与受检者的信息相对应的多个配置信息的列表;基于负面指数,从多个配置信息的列表中识别第一配置信息作为推荐信息;以及在显示器上显示识别为推荐信息的第一配置信息。
Description
相关申请的交叉引用
本申请基于并且要求于2017年5月12日向韩国知识产权局提交的第10-2017-0059346号韩国专利申请以及于2018年2月27日向韩国知识产权局提交的第10-2018-0023894号韩国专利申请的优先权,其全部内容通过引用并入本文。
技术领域
本公开涉及利用机器学习算法及其应用的人工智能(AI)系统,并且更具体地涉及向医疗设备提供与图像扫描相关的配置信息的方法、电子设备及其它系统。
背景技术
随着医疗技术的发展,医疗设备的功能也在多样化和演进。
具体来说,为了拍摄(capture)医学图像,控制医疗设备所需的扫描协议信息或系统配置信息正变得更加复杂和多样化。
在这种情况下,需要具有丰富医学图像拍摄经验的医生或放射科医师的熟练技能来拍摄具有改善的病灶分类的最佳医学图像。
例如,即使对于相同的医疗设备,由于医疗设备的最佳设置值根据要拍摄的病灶和受检者的图像拍摄部位而不同,因此需要医生或放射科医师的熟练图像拍摄经验来设置扫描协议信息或系统配置信息。
人们试图将人工智能(AI)系统引入医疗技术领域。AI系统是能够实现人类水平智能的计算机系统,并且与现有的基于规则的智能系统不同,它是这样的系统:机器进行自我训练,决定并变得更智能。AI系统被使用的越多,识别率就越高,用户的偏好可能会更准确地被理解,因此,现有的基于规则的智能系统正逐渐被基于深度学习的AI系统所取代。
AI技术包括机器学习(例如,深度学习、人工神经网络、强化学习、和/或类似物)和利用机器学习的元素(element)技术。
机器学习是一种算法技术,它自己对输入数据的特征进行分类/学习。元素技术是通过利用机器学习算法来模拟诸如人脑的识别和判断的功能的技术,并且包括由诸如语言理解,视觉理解,推理/预测,知识表示和运动控制等的技术领域。
AI技术被应用的各个领域如下。语言理解(linguistic understanding)是识别和应用/处理人类语言/字符的技术,并且包括自然语言处理、机器翻译、对话系统、查询响应、语音识别/合成、和/或类似物。视觉理解(visual comprehension)是识别和处理诸如人类视觉的对象的技术,并且包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解、图像增强、和/或类似物。推理预测是确定并且在逻辑上推理和预测信息的技术,并且包括基于知识/概率的推理、优化预测、基于偏好的规划、推荐等。知识表示是将人类体验信息自动化为知识数据的技术,并且包括知识构建(数据生成/分类)、知识管理(数据利用)等。运动控制是控制车辆的自主行驶和机器人的运动的技术,并且包括运动控制(例如导航、避免碰撞、驾驶、和/或类似物)、操作控制(行为控制)等。
发明内容
为了获得最佳的医学图像,重要的是考虑扫描协议信息或系统配置信息,该扫描协议信息或系统配置信息是根据医院的特征,拍摄的部位和针对每个医疗设备的拍摄的病灶而设置的。
提供一种使用由有经验的医生或放射科医师设置的扫描协议信息获得最佳医学图像的方法、设备和计算机程序产品。
其他方面将在下面的描述中部分阐述,并且部分将从描述中显而易见,或者可以通过实践所呈现的实施例而了解。
根据本公开的一方面,提供了一种用于向医疗设备提供与图像扫描相关的配置信息的电子设备,所述电子设备包括:至少一个处理器;以及存储器,电连接到至少一个处理器并存储指令,其中,至少一个处理器被配置为执行指令以:获得医疗设备的识别信息和与受检者的信息相对应的多个配置信息的列表;基于负面指数,从多个配置信息的列表中识别第一配置信息作为推荐信息;从医疗设备获得先前设置在医疗设备中的第二配置信息;以及在显示器上显示被识别为推荐信息的第一配置信息和第二配置配置。
所述至少一个处理器还被配置为执行指令以,获得多个配置信息的列表,并且经由基于由多个放射科医师拍摄的医学图像训练的人工智能模型将第一配置信息识别为推荐信息。
所述受检者的信息包括受检者的体重信息、年龄信息、性别信息、与受检者的受试部位相关联的信息以及与造影剂的注射相关的信息中的至少一个。
所述负面指数包括剂量、比吸收率(SAR)、机械指数(MI)和热指数(TI)中的至少一个。
所述至少一个处理器还被配置为执行指令以:使用通信接口将受检者的信息和医疗设备的识别信息发送给医疗信息管理服务器;以及从医疗信息管理服务器接收使用人工智能模型生成的多个配置信息的列表。
所述多个配置信息的列表包括多个扫描协议,所述多个扫描协议中的每一个包括多个配置参数,以及其中,所述至少一个处理器还被配置为执行指令以在显示器上显示与第一配置信息相对应的第一扫描协议中包括的第一配置参数。
所述至少一个处理器还被配置为执行指令以通过生成包括在与受检者的信息和医疗设备的识别信息相对应的扫描协议中、使医学图像的图像质量等于或大于阈值的至少两个扫描协议的列表来获得多个配置信息的列表。
所述负面指数可以指示受检者受到负面影响的程度。
所述至少一个处理器还被配置为执行指令以提供与对应于第一配置信息的第一负面指数相关联的信息和与对应于第二配置信息的第二负面指数相关联的信息。
所述至少一个处理器还被配置为执行指令以识别多个配置信息的列表中包括的扫描协议当中具有最低值的负面指数的第一扫描协议作为推荐信息。
所述至少一个处理器还被配置为执行指令以基于用户输入将第一配置信息发送到医疗设备。
根据本公开的一个方面,提供一种向医疗设备提供与图像扫描相关的配置信息的由电子设备执行的方法,所述方法包括:获得医疗设备的识别信息和与受检者的信息相对应的多个配置信息的列表;基于负面指数,从多个配置信息的列表中识别第一配置信息作为推荐信息;从医疗设备获得先前设置在医疗设备中的第二配置信息;以及在显示器上一起显示识别为推荐信息的第一配置信息和第二配置信息。
所述获得和识别是由基于由多个放射科医师拍摄的医学图像训练的人工智能模型来执行的。
所述获得包括:将受检者的信息和医疗设备的识别信息发送给医疗信息管理服务器;以及从医疗信息管理服务器接收使用人工智能模型生成的多个配置信息的列表。
所述多个配置信息的列表包括多个扫描协议,所述多个扫描协议中的每一个包括多个配置参数,以及其中,所述显示包括显示与第一配置信息相对应的第一扫描协议中包括的第一配置参数。
所述负面指数可以指示受检者受到负面影响的程度。
所述显示包括提供与对应于第一配置信息的第一负面指数相关联的信息和与对应于第二配置信息的第二负面指数相关联的信息。
所述方法还包括基于用户输入将第一配置信息发送到医疗设备。
根据本公开的一个方面,提供一种包括非暂时性计算机可读存储介质的计算机程序产品,其中,所述非暂时性计算机可读存储介质存储指令,当所述指令被处理器执行时使得所述处理器:获得与受检者的信息相对应的多个配置信息的列表和医疗设备的识别信息;基于负面指数,从多个配置信息的列表中识别第一配置信息作为推荐信息;从医疗设备获得先前设置在医疗设备中的第二配置信息;以及在显示器上一起显示识别为推荐信息的第一配置信息和第二配置信息。
根据本公开的一个方面,提供了一种该方法:由显示设备并且从医疗设备获得医疗设备的当前配置信息:由显示设备获得与患者相关联的信息;由显示设备获得推荐配置信息的集合;由显示设备基于所述第一推荐配置信息的负面指数,从所述推荐配置信息的集合中识别第一推荐配置信息;以及由显示设备经由显示设备的显示器将第一推荐配置信息和当前配置信息一起显示。
该方法还包括:由显示设备将与医疗设备相关联的信息和与患者相关联的信息输入到人工智能(AI)模型中;由显示设备基于与所述医疗设备相关联的信息和与所述患者相关联的信息到所述AI模型的输入,接收所述AI模型的输出;并且其中获得推荐配置信息的集合还包括:基于所述AI模型的输出获得所述推荐配置信息的集合。
该方法进一步包括:由显示设备使用短程通信协议建立与医疗设备的通信链路;以及由显示设备将第一推荐配置信息提供给医疗设备以允许医疗设备使用第一推荐配置信息来执行患者的成像。
该方法进一步包括:由显示设备基于显示设备位于医疗设备的通信范围内来建立与医疗装置的通信链路,并且其中由显示设备显示第一推荐配置信息包括:当显示设备处于医疗设备的通信范围内时,由显示设备显示第一推荐配置信息。
附图说明
根据以下结合附图的描述,本公开的特定实施例的以上和其他方面,特征和优点将变得更加明显,其中:
图1是示出根据实施例的用于向医疗设备提供扫描协议信息的系统的示图;
图2A至图2D是示出根据实施例的由电子设备执行的向医疗设备提供扫描协议信息的处理的示图;
图3A至图5B是示出电子设备识别要发送到医疗设备的扫描协议信息的实施例的示图;
图6是示出根据实施例的向医疗设备提供扫描协议信息的处理的流程图;
图7是示出根据另一实施例的向医疗设备提供扫描协议信息的处理的流程图;
图8是示出根据另一实施例的向医疗设备提供扫描协议信息的处理的流程图;
图9是示出根据另一实施例的向医疗设备提供扫描协议信息的系统的示图;
图10A和图10B是用于图示根据实施例的电子设备的框图;
图11是示出根据实施例的医疗设备的框图;
图12和图13是用于图示根据实施例的用于提供推荐模型(人工智能模型:AI模型)的系统的示图;
图14是用于图示根据实施例的电子设备存储推荐模型的操作的示图;
图15是示出根据实施例的由电子设备执行的向电子设备提供与图像扫描相关的配置信息的方法的流程图;
图16是用于说明根据实施例的由电子设备执行的从医疗信息管理服务器获得多个配置信息的列表的方法的流程图;
图17是示出根据实施例的由医疗信息管理服务器执行的识别推荐信息的方法的流程图;
图18是示出根据实施例的由电子设备执行的基于剂量向X射线设备推荐第一扫描协议的方法的流程图;
图19是用于说明根据实施例的使用AI模型来获得多个扫描协议的列表的电子设备的操作的示图;
图20是用于说明根据实施例的电子设备显示推荐信息的操作的示图;
图21是用于说明根据实施例的将先前定义在医疗设备中的配置信息和推荐配置信息一起提供的电子设备的操作的示图;
图22是用于说明根据实施例的向医疗信息管理服务器提供用户的个性化训练数据的电子设备的操作的示图;
图23是用于说明根据实施例的为不同用户提供不同推荐配置参数的电子设备的操作的示图;
图24是用于说明根据实施例的由电子设备执行的基于比吸收率(SAR)向磁共振成像(MRI)设备提供与图像扫描相关的配置信息的方法的流程图;
图25是用于说明根据实施例的提供与MRI设备相关的图形用户界面(GUI)的电子设备的操作的示图;
图26是用于说明根据实施例的在GUI上显示扫描协议的列表的电子设备的操作的示图;
图27是用于说明根据实施例的在GUI上显示推荐配置参数和SAR的电子设备的操作的示图;
图28是用于说明根据实施例的由电子设备执行的向超声设备提供与图像扫描相关的配置信息的方法的示图;
图29是用于说明根据实施例的基于机械指数(MI)或热指数(TI)显示推荐配置参数的电子设备的操作的示图;以及
图30是用于说明根据实施例的将先前定义在超声设备中的配置信息和推荐配置信息一起提供的电子设备的操作的示图。
具体实施方式
现在将详细参照实施例,其示例在附图中示出,其中,相同的附图标记始终表示相同的元件。对此,本实施例可以具有不同的形式,并且不应该被解释为限于在此阐述的描述。因此,下面仅通过参照附图来描述实施例以解释各方面。
在整个说明书中,相同的附图标记指代相同的元件。本说明书可能不描述实施例的全部元件,并且省略了本公开的技术领域中的实施例之间的一般内容或冗余。如在本说明书中所使用的,术语“部件”和“部分”可以以软件或硬件来体现,并且根据实施例,多个术语“部件”和“部分”可以被体现为一个“单元”和一个“元件”或一个“部件”和一个“部分”可以包括多个单元或元件。在下文中,将参照附图描述本公开的操作原理和实施例。此外,诸如“a,b和c中的至少一个”的表述应该被理解为仅包括a,仅包括b,仅包括c,包括a和b,包括a和c,包括b和c两者,包括a,b和c全部或其他变体。
在此,图像可以包括由诸如磁共振成像(MRI)设备,计算机断层扫描(CT)设备,超声拍摄设备、X射线拍摄设备和/或类似物等的医疗设备获得的医学图像,但是不限于此。
如本文所使用的,术语“对象”可以包括作为图像拍摄(capturing)的对象的人,动物或其一部分。例如,所述对象可以包括身体(例如,器官)或幻影(phantom)的一部分和/或类似物。
如本文所使用的,术语“用户”可以是但不限于医生,护士,临床病理学家,医学成像专家,放射科医师,超声医师(sonographer),修理医疗设备的技术人员等。术语“用户'也可以指使用医疗设备的另一设备(例如,人工智能电子设备)。
图1是示出根据本公开的实施例的用于向医疗设备提供扫描协议信息的系统1的示图。
根据本公开的实施例,系统1可以包括电子设备100、多个医疗设备201,202和203以及医疗信息管理服务器300。然而,并非所有示出的组件都是必不可少的组件。系统1可以通过比所示组件更多的组件来实现,系统1可以通过比所示组件更少的组件来实现,并且/或者可以由与所示的组件不同的组件来实现。
在下文中,将依次描述这些组件。
电子设备100是指能够将扫描协议信息提供给多个医疗设备201,202和203中的至少一个的设备。
扫描协议是指用于确认对象的病灶的扫描方法,并且可以根据拍摄的部位,病灶的类型以及医疗设备的类型来分类。
扫描协议信息可以是指与特定扫描协议相关联的信息。扫描协议信息可以包括与每种类型相关的扫描参数类型和扫描参数值。
扫描参数类型可以包括例如施加电压(例如,以千伏(kV)测量的),施加功率(例如,以毫安(mA)测量的),螺距(pitch),旋转时间,扫描时间,开始位置,结束位置,延迟,阈值,对比度量(contrast amount),盐溶液量(saline solution amount)和扫描时的注射速率(injection rate)等中的至少一个,但不限于上述示例。
电子设备100可以执行与多个医疗设备201,202和203中的至少一个的短程通信。短程通信技术可以包括电气和电子工程师(IEEE)标准(例如,Wi-Fi)、蓝牙、蓝牙低能量(BLE)、超宽带(UWB)、ZigBee,近场通信(NFC),Wi-Fi直连(WFD),红外数据协会(IrDA)、射频识别(RFID),但不限于此。
此外,电子设备100可以通过网络与服务器300执行有线/无线通信。网络可以实现为有线网络或无线网络,有线网络诸如局域网(LAN)、广域网(WAN)或增值网络(VAN)和/或类似物,无线网络诸如移动无线电通信网络(例如,第五代(5G)网络、长期演进(LTE)网络和/或类似物)、近场通信网络、卫星通信网络和/或类似物。电子设备100可以使用电子设备100的账户信息和识别信息(例如,电子设备识别符(ID)、序列号、媒体访问控制(MAC)地址等)中的至少一个来访问服务器300。
电子设备100可以以各种形式来实现。例如,电子设备100可以是手机,智能手机,膝上型计算机,平板计算机,电子书终端,数字广播终端,个人数字助理(PDA),便携式多媒体播放器(PMP)和/或类似物,但不限于此。特别地,电子设备100可以是便携式移动终端。可替代地,电子设备100可以是可穿戴设备,诸如智能眼镜、智能手表、和/或类似物。
在图1中,医疗设备(例如医疗设备201、医疗设备202和/或医疗设备203)可以是根据用户的配置值扫描对象以获得医学图像的设备。例如,医疗设备可以包括磁共振成像设备(或MRI设备)201、计算机断层扫描设备(或CT设备)202、X射线设备(或数字X射线摄影(digital radiography,DR)设备)203、超声设备(未示出)、和/或类似物,但是不限于此。
医疗设备可以被配置为包括输入用户的配置值以拍摄医学图像的的工作站(或控制台)。工作站可以根据输入的配置值来控制拍摄对象的拍摄设备。此外,工作站可以获得并显示由拍摄设备拍摄的医学图像。
当医疗设备被配置为包括工作站时,电子设备100可以与包括在医疗设备中的工作站通信并且可以直接与通过工作站控制的拍摄设备通信。例如,工作站可以接收由电子设备100提供的扫描协议信息。工作站可以将接收的扫描协议信息发送到拍摄设备,使得拍摄设备基于扫描协议信息来扫描对象。可以根据接收的扫描协议信息中包括的扫描参数值来设置拍摄设备。
可选地,当医疗设备不包括工作站时,电子设备100可以直接将扫描协议信息发送到拍摄设备。
医疗设备可以以各种形式来实现。例如,医疗设备可以以移动终端以及固定终端的形式实现。医疗设备也可以是执行医疗设备的功能的智能电话、膝上型计算机,PDA、平板计算机、和/或类似物。
医疗设备可以执行与电子设备100的短程通信。例如,医疗设备可以包括短程通信模块(例如,Wi-Fi模块,蓝牙模块,BLE模块,UWB模块,ZigBee模块,NFC模块,WFD模块,IrDA模块,RFID模块和/或类似物)以执行与电子设备100的短程通信。
医疗信息管理服务器300可以是管理与医疗设备相关的信息的服务器。医疗信息管理服务器300可以对电子设备100进行认证,并将与医疗设备相关的信息提供给被认证的电子设备100。
例如,医疗信息管理服务器300可以将可以在医疗设备中设置的推荐扫描协议信息发送给电子设备100。
医疗信息管理服务器300可以先前存储从多个医院,其他医疗信息管理服务器,医生或放射科医师和/或类似物收集的多个扫描协议信息。在这种情况下,医疗信息管理服务器300可以根据电子设备100的请求来搜索要向医疗设备推荐的扫描协议信息,并且可以将扫描协议信息发送到电子设备100。
根据本公开的实施例,电子设备100可以将多个医疗设备201、202和203中的第二医疗设备202识别为要与电子设备100连接(例如,经由无线和/或有线连接)的医疗设备。
电子设备100可以从识别的第二医疗设备202接收先前在第二医疗设备202中设置的扫描协议信息(101)。
电子设备100还可以从医疗信息管理服务器300接收可以在第二医疗设备202中设置的推荐扫描协议信息(102)。
电子设备100可以将先前设置的扫描协议的信息(或者本地扫描协议的信息)103a和推荐扫描协议信息103b一起显示(例如,同时,基本上同时,在相同的时间帧内,和/或类似的方式),使得用户可以将先前设置的扫描协议信息与推荐扫描协议信息进行比较(103)。
当从用户接收到请求设置第二医疗设备202中的推荐扫描协议信息的用户输入时,电子设备100可以基于该用户输入将推荐扫描协议信息发送到第二医疗设备202(104)。
第二医疗设备202可以从电子设备100接收推荐扫描协议。
第二医疗设备202可以根据接收的推荐扫描协议信息(105)来获得医学图像。
具体地,第二医疗设备202可以使用接收的推荐扫描协议信息来更新先前设置在第二医疗设备202中的扫描协议信息。然后,第二医疗设备202可以通过根据更新的扫描协议信息拍摄对象来获得医学图像。
根据各种实施例,电子设备100可以从第二医疗设备202接收先前设置在第二医疗设备202中的系统配置信息。
尽管扫描协议信息包括与对象的扫描方法相关的参数值,但是系统配置信息可以包括与扫描所需的外围设备(例如,注射器,管(tube)等)的配置相关的参数值。与外围设备相关的参数值可以包括与注射器配置相关的参数值、与X射线管配置相关的参数值和/或类似物,但是不限于此。
电子设备100可以从第二医疗设备202接收先前设置在第二医疗设备202中的系统配置信息。
此外,电子设备100可以从医疗信息管理服务器300接收可以设置在医疗设备202中的推荐系统配置信息。
电子设备100可以将先前设置的系统配置信息和推荐系统配置信息一起显示,使得用户可以将先前设置的系统配置信息与推荐系统配置信息进行比较。
接下来,当从用户接收到请求设置第二医疗设备202中的推荐系统配置信息的用户输入时,电子设备100可以基于该用户输入将推荐系统配置信息发送到第二医疗设备202。
接收推荐系统配置信息的第二医疗设备202可以根据接收的推荐系统配置信息来设置外围设备。
图2A至图2D是示出根据本公开实施例的向医疗设备提供扫描协议信息的电子设备100的处理的示图。
参照图2A,电子设备100可以搜索能够彼此通信的多个外部医疗设备,并在显示器上显示包括与找到的多个外部医疗设备中的每一个相对应的识别信息的医疗设备列表210。识别信息可以包括文本、图像、表示多个外部医疗设备中的每一个的运动图像、或者它们的组合。
在实施例中,当电子设备100向任何医疗设备发送连接请求信号(例如,广播信号)时,能够与电子设备100通信的至少一个医疗设备可以发送连接响应信号。电子设备100可以将发送连接响应信号的至少一个医疗设备识别为找到的医疗设备,并在显示器上显示包括至少一个医疗设备的识别信息的医疗设备列表210。
可选地,电子设备100可以从任何医疗设备接收连接请求信号(例如,广播信号)。在这种情况下,当确定可能与发送了连接请求信号的医疗设备进行通信时,电子设备100可以将发送了连接请求信号的医疗设备识别为找到的医疗设备,并在显示器上显示包括发送了连接请求信号的医疗设备的识别信息的医疗设备列表210。
在上述实施例中,电子设备100可以搜索能够通过短程通信进行通信的可通信医疗设备。例如,电子设备100可以使用蓝牙、WFD、UWB、Zigbee、BLE和Ant+通信中的至少一个来搜索医疗设备。
在图2A中,可以在视觉上辨别和显示可通信医疗设备的识别信息和不可通信医疗设备的识别信息。例如,可通信医疗设备的识别信息211和212可以包括指示通信是可能的指示符211-1和212-1,并且不可通信医疗设备的识别信息213和214可以包括指示通信是不可能的指示符213-1和214-1。
当显示医疗设备列表210时,电子设备100可以接收用户输入,该用户输入从与包括在医疗设备列表210中的多个外部医疗设备中的每一个相对应的识别信息当中选择第一识别信息211。用户输入可以是触摸例如第一识别信息211的触摸输入(例如,触摸手势)。在图2A中,用户选择的第一识别信息211可以是例如描述移动CT设备(例如,第二医疗设备202)的文本。
当选择第一识别信息211时,电子设备100可以将与选择的第一识别信息211相对应的医疗设备(例如,第二医疗设备202)识别为要与电子设备100连接的医疗设备。电子设备100可以与识别的医疗设备(例如,第二医疗设备202)建立连接。例如,当电子设备100经由蓝牙与该医疗设备通信时,电子设备100可以执行与医疗设备的配对以连接到该医疗设备。
在另一实施例中,电子设备100可以识别基于NFC标签选择的医疗设备。例如,用户可以与电子设备100和该医疗设备相关联地执行操作(例如,触摸或标记NFC标签)。因此,存储在电子设备100的NFC标签中的认证信息可以通过短程无线通信被发送到医疗设备。医疗设备可以使用认证信息执行认证,并且当认证成功时,可以与电子设备100建立连接。
在上述实施例中,当电子设备100与医疗设备建立连接时,电子设备100可以基于通信连接信息(例如,服务集标识符(SSID)、互联网协议(IP)地址、MAC地址、信道号、安全密钥、蓝牙地址、产品名称、简档信息和/或类似物)与该医疗设备形成(或建立)通信链路。
在识别出要与电子设备100连接的医疗设备之后,电子设备100可以经由与识别的医疗设备建立的通信链路接收先前设置在该医疗设备中的扫描协议信息。
此外,电子设备100可以将医疗设备的识别信息和医疗设备的拍摄信息中的至少一个发送到外部医疗信息管理服务器300。医疗设备的拍摄信息可包括例如,要被医疗设备拍摄图像的对象的拍摄部位信息和拍摄病灶信息中的至少一个。医疗信息管理服务器300可以基于接收的医疗设备的识别信息和拍摄信息中的至少一个来搜索要向电子设备100推荐的扫描协议。医疗信息管理服务器300可以将至少一个推荐扫描协议的识别信息发送到电子设备100。在这种情况下,医疗信息管理服务器300可以将与推荐扫描协议的识别信息相对应的推荐扫描协议信息一起发送到电子设备100。
在各种实施例中,医疗信息管理服务器300可以基于接收的医疗设备的识别信息和拍摄信息中的至少一个来搜索要推荐给电子设备100的系统配置信息。医疗信息管理服务器300可以将至少一个推荐系统配置信息的识别信息发送到电子设备100。在这种情况下,医疗信息管理服务器300可以将与推荐系统配置信息的识别信息相对应的推荐系统配置信息一起发送到电子设备100。
在各种实施例中,电子设备100可以将医疗设备的扫描协议信息或系统配置信息发送到外部医疗信息管理服务器300。医疗信息管理服务器300可以基于接收的扫描协议信息或系统配置信息搜索至少一个推荐扫描协议或推荐系统配置信息。医疗信息管理服务器300可以将找到的至少一个推荐扫描协议或推荐系统配置信息的识别信息发送到电子设备100。在这种情况下,医疗信息管理服务器300可以向电子设备100发送与推荐扫描协议的识别信息相对应推荐扫描协议信息或与推荐系统配置信息的识别信息相对应的推荐系统配置信息。
如图2B所示,从医疗信息管理服务器300接收至少一个推荐扫描协议的识别信息的电子设备100可以在显示器的第二区域112上显示包括至少一个推荐扫描协议的识别信息的推荐扫描协议列表230。
在这种情况下,显示器的第一区域111可以显示先前设置在医疗设备中的扫描协议信息220。在图2B中,扫描协议信息220可被分组到相关的扫描参数类型。包括扫描参数类型的组221可以包括例如将主要由放射科医师使用的扫描参数类型进行分组的概要(summary)组、将与扫描相关的参数类型进行分组的扫描组、将与批处理(batch)功能相关的参数类型进行分组的自动任务组、以及将与心脏拍摄相关的参数类型进行分组的触发(trigger)组。
图2B的概要组可以包括例如扫描类型,施加电压(例如,kV),施加功率(例如,mA),延迟,螺距,开始位置,结束位置等。在扫描类型信息中,前后(anteroposterior,AP)可以表示扫描方向(例如,从对象的头部到对象的腿部的方向),并且轴(axial)可以表示横截面拍摄作为拍摄类型。拍摄类型可以是例如轴向,螺旋方向,动态轴向,和/或类似物。在这种情况下,可以在第一区域111上显示与先前设置在医疗设备中的每个扫描参数类型相关的扫描参数值222。
此外,在图2B中,可以在第一区域111上一起显示与拍摄部位相关联的信息241、与医疗设备相关联的信息242、与对象相关联的信息243以及与对象的姿势/医疗设备的姿态(attitude)相关联的信息244中的至少一个。
在各种实施例中,电子设备100可以存储分别与多个医疗设备的类型相对应的多个用户界面。在这种情况下,电子设备100可以从存储的多个用户界面当中选择与连接的医疗设备相对应的用户界面。然后,电子设备100可以显示使用选择的用户界面接收的先前设置的扫描协议信息220。例如,电子设备100可以将先前设置的扫描参数值222插入到与识别的用户界面的每个扫描参数类型221相对应的字段区域中作为输入值。
在各种实施例中,在图2B中所示,显示先前设置的扫描协议信息220的第一区域111和显示推荐扫描协议列表230的第二区域112的显示区域仅仅是示例,并且第一区域111和第二区域112的位置可以根据用户输入彼此交换,或者可以分成上部和下部。可选地,先前设置的扫描协议信息220和推荐扫描协议列表230可以显示在不同的屏幕上。在这种情况下,根据用户输入,电子设备100可以在显示先前设置的扫描协议信息220的屏幕和显示推荐扫描协议列表230的屏幕之间切换。
接下来,如在图2B中进一步所示,电子设备100可以接收用户输入,该用户输入选择推荐扫描协议列表230中包括的第一推荐扫描协议的识别信息231。该用户输入可以是触摸例如识别信息231的触摸输入。
如图2C所示,基于用户输入,电子设备100可以将先前设置的扫描协议信息220和与选择的第一推荐扫描协议的识别信息231相对应的推荐扫描协议信息250一起显示,使得用户可以将先前设置的扫描协议信息220和推荐扫描协议信息250进行比较。例如,电子设备100可以在显示器的第一区域111上显示先前设置的扫描协议信息220并且在第二区域112上显示推荐扫描协议信息250。
例如,与先前设置的扫描协议信息220类似,推荐扫描协议信息250可以包括例如扫描参数的类型和用于每种类型的扫描参数值。
推荐扫描协议信息250可以基于选择图2B中所示的推荐扫描协议的识别信息231的用户输入从外部医疗信息管理服务器300接收。
可选地,可以基于在图2A中所示的选择医疗设备的识别信息211的用户输入以及推荐扫描协议的识别信息231,从外部医疗信息管理服务器300接收推荐扫描协议信息250。
在各种实施例中,电子设备100可以从先前存储的多个用户界面中选择与连接的医疗设备相对应的用户界面。电子设备100可以使用选择的用户界面来显示从医疗信息管理服务器300接收的推荐扫描协议信息250。
接下来,如图2C所示,电子设备100可以接收请求在医疗设备中设置推荐扫描协议信息250的用户输入。例如,用户输入可以是在显示推荐扫描协议信息250的第二区域112中开始并且在显示先前设置的扫描协议信息220的第一区域111中结束的拖动输入。
基于用户输入,电子设备100可以将推荐扫描协议信息250发送到第二医疗设备202,如图2D所示。
接收推荐扫描协议信息250的第二医疗设备202可以根据接收的推荐扫描协议信息250来拍摄对象。
图3A至图5B是示出其中根据本公开的实施例电子设备100识别要发送到医疗设备的扫描协议信息的实施例的示图。
参照图3A,电子设备100可以选择性地在(图2B中所示的)推荐扫描协议列表230中搜索特定扫描协议的识别信息。
例如,电子设备100可以与搜索字段311相关联地输入关键字(例如,John Doe),并接收选择搜索请求对象312的用户输入。关键字可以包括例如具有在与通信连接的医疗设备相同类型的医疗设备中设置扫描协议信息的历史的放射科医师的姓名、患者的识别信息、扫描协议的类型、医院的识别信息、和/或类似物。
在各种实施例中,电子设备100可以基于选择搜索字段311的用户输入在显示器上显示虚拟小键盘(未示出),作为允许关键词的输入的工具。然后,电子设备100可以基于经由虚拟键盘的用户输入在搜索字段311中显示关键字。
基于选择搜索请求对象312的用户输入,如图3B所示,电子设备100可以在显示器的第二区域112上显示更新的推荐扫描协议320,该更新的推荐扫描协议列表320包括与关键字(例如,John Doe)相对应的推荐扫描协议的识别信息。在这种情况下,电子设备100可以继续在显示器的第一区域111上显示从医疗设备接收的先前设置的扫描协议信息。
接下来,基于从更新的推荐扫描协议列表320中选择第一推荐协议的识别信息321的用户输入,电子设备100可以将与第一推荐协议的识别信息321相对应的推荐协议信息与先前设置的扫描协议信息一起显示在屏幕上。
如图4A和图4B中所示,电子设备100可以仅将推荐扫描协议信息250(如图2C中所示)中包括的扫描参数值的子集发送到第二医疗设备202。
例如,如图4A中所示,电子设备100可以接收从推荐扫描协议信息250中包括的扫描参数值中选择扫描参数值251和252(例如,扫描参数值的子集)的用户输入。用户输入可以是例如触摸扫描参数值251和252的触摸输入。
基于用户输入,电子设备100可以高亮且显示选择的扫描参数值251和252。例如,高亮且显示可以指选择的扫描参数值和其他未选择的扫描参数值在视觉上被区分并显示。例如,扫描参数值251和252的颜色,对比度,文本粗度,背景颜色等可以与未选择的扫描参数值区分开并且被显示。
接下来,如在图4B中所示,电子设备100可以接收请求在医疗设备中设置选择的扫描参数值251和252的用户输入。例如,用户输入可以是在显示选择的扫描参数值251和252的第二区域112中开始并且在显示先前设置的扫描协议信息220(如图2C中所示)的第一区域111中结束的拖动输入。
基于用户输入,如在图4C所示,电子设备100可以优化(refine)扫描协议信息220(如图2C中所示)中包括的扫描参数类型当中与选择的扫描参数值251和252相对应的扫描参数类型(例如,AP和轴)的先前设置的值(例如,40mA)作为选择的扫描参数值(例如,10mA)并且在显示器上显示优化的扫描参数值223和224。
电子设备100可以基于优化所述值来高亮并显示优化的扫描参数值223和224。
接下来,在图4D中所示,电子设备100可以显示弹出屏幕410(例如,对话框),其提示用户输入标识用户是否期望更新先前设置的扫描协议信息220的信息并且允许电子设备100基于用户输入确定是否将优化的扫描参数值223和224应用于医疗设备。
例如,电子设备100可以识别要通过弹出屏幕410优化的扫描协议类型411和412,并且接收请求在医疗设备中设置优化的扫描参数值223和224的用户输入。用户输入可以是触摸例如弹出屏幕410的接受对象413的触摸输入。
基于用户输入,电子设备100可以将扫描参数信息220中包括的优化的扫描参数值223和224发送到医疗设备(例如,第二医疗设备202)。
如在图5A和图5B中所述,电子设备100可以改变要发送给医疗设备的扫描参数值。
例如,如图5A所示,电子设备100可以在第一区域111上显示优化的扫描参数信息510。例如,如在图2C中所示,基于用户的拖动输入,电子设备100可以将在第一区域111上显示的先前设置的扫描参数信息220优化为推荐扫描参数信息250,并将优化的扫描参数信息510显示在显示器上。
在这种情况下,电子设备100可以在优化扫描参数信息510中选择期望改变的推荐扫描参数值511,将推荐扫描参数值511改变为新的扫描参数值512,并且接收选择应用对象513的用户输入。
基于用户输入,电子设备100可以显示包括改变的扫描参数值512的优化的扫描参数信息510,如图5B所示。
接下来,基于请求在医疗设备中设置优化扫描参数信息510的用户输入,电子设备100可以将包括改变的扫描参数值512的优化扫描参数信息510发送到医疗设备。
图6是示出根据本公开的实施例的向医疗设备提供扫描协议信息的处理的流程图。
首先,电子设备100可以从医疗设备获得先前设置的扫描协议信息或系统配置信息(601)。
电子设备100可以建立与服务器(例如,医疗信息管理服务器300)的通信连接并从服务器下载推荐扫描协议信息或推荐系统配置信息(602)。
接下来,基于请求向医疗设备应用推荐扫描协议信息和推荐系统配置信息的用户输入,电子设备100可以将下载的推荐扫描协议信息或推荐系统配置信息发送到医疗设备(603)。
医疗设备可以使用接收的推荐扫描协议信息或系统配置信息来重置先前设置的参数值(604)。
图7是示出根据本公开的另一实施例的向医疗设备提供扫描协议信息的处理的流程图。
首先,电子设备100可以确定是否建立与服务器(例如,医疗信息管理服务器300)的通信连接(701)。
当确定通信连接已经建立(701-是)时,电子设备100可以确定推荐扫描协议信息或推荐系统配置信息是否存在于服务器的数据库中(702)。
当存在推荐扫描协议信息或推荐系统配置信息(702-是)时,电子设备100可以从服务器下载推荐扫描协议信息或推荐系统配置信息的设置(703)。
接下来,基于请求向医疗设备应用推荐扫描协议信息或推荐系统配置信息的用户输入,电子设备100可以将推荐扫描协议信息或推荐系统配置信息应用于医疗设备(704)。
医疗设备可以使用接收的推荐扫描协议信息或推荐系统配置信息来更新和重置先前设置的参数值(705)。
接下来,基于重置的推荐扫描协议信息或推荐系统配置信息,医疗设备可以开始拍摄医学图像(706)。
图8是示出根据本公开的另一实施例的向医疗设备提供扫描协议信息的处理的流程图。
首先,电子设备100可以识别要与电子设备100连接的外部医疗设备(801)。
例如,电子设备100可以搜索多个外部医疗设备并显示包括与找到的多个医疗设备中的每一个相对应的识别信息的医疗设备列表。然后,电子设备100可以将与用户从医疗设备列表中选择的识别信息相对应的医疗设备识别为要与电子设备100连接的医疗设备。可选地,电子设备100可以将基于用户的NFC标签选择的医疗设备识别为要与电子设备100连接的医疗设备。
电子设备100可以从识别的医疗设备接收先前设置在医疗设备中的扫描协议信息(802)。
例如,电子设备100可以显示包括至少一个推荐扫描协议的识别信息的推荐扫描协议列表。然后,当接收到从推荐扫描协议列表中选择推荐扫描协议的识别信息的用户输入时,电子设备100可以基于用户输入将先前设置的扫描协议信息和与推荐扫描协议的识别信息相对应的推荐扫描协议信息一起显示。
此外,电子设备100可以从外部医疗信息管理服务器300接收可以设置在医疗设备中的推荐扫描协议信息(803)。
例如,电子设备100可以将医疗设备的识别信息和医疗设备的拍摄信息中的至少一个发送到外部医疗信息管理服务器300。然后,基于医疗设备的识别信息和医疗设备的拍摄信息中的至少一个,电子设备100可以从医疗信息管理服务器300接收可以设置在医疗设备中的至少一个推荐协议信息。
在这种情况下,操作802和803可以同时或基本上同时执行,并且操作803可以在操作802之前执行。
电子设备100可以将先前设置的扫描协议信息和推荐扫描协议信息一起显示,使得用户可以将先前设置的扫描协议信息与推荐扫描协议信息进行比较(804)。
例如,电子设备100可以从分别与多种类型的医疗设备对应的多个用户界面当中选择与识别的医疗设备相对应的用户界面。然后,电子设备100可以使用选择的用户界面来显示先前设置的扫描协议信息。
接下来,电子设备100可以确定是否接收到请求设置推荐扫描协议信息的用户输入(805)。
当接收到该用户输入(805-是)时,电子设备100可以将推荐扫描协议信息发送给医疗设备(806)。
例如,电子设备100可以仅将多个推荐扫描参数值中的扫描参数值的子集发送到医疗设备。可选地,当接收到改变多个推荐扫描参数值中的至少一个的用户输入时,电子设备100可以向医疗设备发送包括改变的推荐扫描参数值的推荐协议信息。
图9是示出根据本公开的另一实施例的向医疗设备提供扫描协议信息的系统2的示图。
根据本公开的实施例,系统2可以包括多个医疗设备901,902和903以及医疗信息管理服务器300。
对多个医疗设备901,902和903以及医疗信息管理服务器300的描述与对图1的多个医疗设备201,202和203以及医疗信息管理服务器300是冗余的,在此省略。
参照图9,多个医疗设备901,902和903中的一个可以作为主机(host)进行操作并与医疗信息管理服务器300进行通信,并且其他医疗设备作为从机(slave)进行操作并且与作为主机操作的医疗设备通过本地网络进行通信(例如,使用主/从通信模型)。在这种情况下,作为主机操作的医疗设备可以是具有用于提供用户界面的显示器的医疗设备。
作为主机操作的医疗设备可以通过网络与医疗信息管理服务器300执行有线/无线通信。在这种情况下,医疗设备可以与医疗信息管理服务器300通信的网络的示例与图1的电子设备100可以与医疗信息管理服务器300通信通过的网络的示例相同,因此在此省略其的冗余描述。此外,作为主机操作的医疗设备可以通过本地网络与其他医疗设备执行有线/无线通信。例如,作为主机操作的医疗设备可以执行与其他医疗设备的短程通信。短程通信的示例与图1的电子设备100可以与医疗设备通信所通过的短程通信的示例相同,因此在此省略其的冗余描述。
在图9中,假定第一医疗设备901作为主机操作,则第一医疗设备901可以从其他医疗设备902和903之中识别要连接的第二医疗设备902。
例如,第一医疗设备901可以在发送广播信号时发送连接请求信号,或者可以使用NFC来识别第二医疗设备902。第一医疗设备902将第二医疗设备902识别为要连接的对象的示例与图2A中电子设备100识别要提供扫描协议信息的医疗设备的示例相同。在此省略其冗余描述。
当识别到要连接的第二医疗设备902时,第一医疗设备901可以从第二医疗设备902接收先前设置在第二医疗设备902中的扫描协议信息(911)。
此外,第一医疗设备901可以从医疗信息管理服务器300接收可以设置在第二医疗设备902中的推荐扫描协议信息(912)。
第一医疗设备901可以将先前设置的扫描协议信息和推荐扫描协议信息一起显示,使得用户可以将先前设置的扫描协议信息与推荐扫描协议信息进行比较(913)。例如,第一医疗设备901可以经由在第一医疗设备901的拍摄设备中提供的显示器或在第一医疗设备901的控制台中提供的显示器一起显示先前设置的扫描协议信息和推荐扫描协议信息。
接下来,当从用户接收到请求在第二医疗设备902中设置推荐扫描协议信息的用户输入时,第一医疗设备901可以基于该用户输入将推荐扫描协议信息发送到第二医疗设备902(914)。
接收推荐扫描协议信息的第二医疗设备902可以根据接收的推荐扫描协议信息来获得医学图像(915)。
图10A和10B是用于说明根据本公开的实施例的电子设备的框图。
图10A和图10B的电子设备1000可以与图1至图9所示的电子设备100相对应。
如图10A所示,根据本公开的实施例,电子设备1000可以包括显示器1010,通信器1020,用户接口1030,处理器1040和存储器1050。然而,并非所有示出的组件都是必不可少的组件。电子设备1000可以由比示出的组件更多的组件、比示出的组件更少的组件、和/或与所示出的组件不同的组件来实现。例如,除了上述组件之外,电子设备1000还可以包括传感器1060和A/V接口1070。此外,如图10B所示,电子设备1000可以包括处理器1040和存储器1050。
在下文中,将依次描述这些组件。
显示器1010显示和输出由电子设备1000处理的信息。例如,显示器1010可以将从医疗设备接收的先前设置的扫描协议信息和从医疗信息管理服务器300接收的推荐扫描协议信息一起显示。此外,当电子设备1000处于呼叫模式时,显示器1010可以显示与呼叫相关的UI或GUI。
当显示器1010和触摸面板具有分层结构并被配置为触摸屏时,除了输出设备之外,触摸屏还可以用作输入设备。显示器1010可以包括液晶显示器,薄膜晶体管液晶显示器,有机发光二极管,柔性显示器,三维(3D)显示器、电泳显示器和/或类似物的至少一个。
在实施例中,显示器1010可以将先前设置在医疗设备中的扫描协议信息和从医疗信息管理服务器300接收的推荐扫描协议信息一起显示。
通信器1020可以包括用于与医疗设备和/或医疗信息管理服务器300中的至少一个进行通信的一个或多个组件。例如,通信器1020可以包括短程通信器1021和移动通信器1022。在实施例中,通信器1020包括用于发送和接收信号的收发器。
短程通信器1021可以包括蓝牙通信模块,BLE通信模块,短程无线通信模块(例如,NFC/RFID模块),WLAN通信模块(例如,Wi-Fi模块),Zigbee通信模块,IrDA通信模块,WFD通信模块,UWB通信模块,Ant+通信模块、和/或类似物,但不限于此。
移动通信器1022通过移动通信网络向基站,外部设备和医疗信息管理服务器300中的至少一个发送无线信号并且从基站,外部设备和医疗信息管理服务器300中的至少一个接收无线信号。在此,根据语音呼叫信号,视频呼叫信号或者文本/多媒体消息发送/接收,无线信号可以包括各种类型的数据。
在实施例中,短程通信器1021可以在处理器1040的控制下从外部医疗设备接收先前设置在医疗设备中的扫描协议信息。移动通信器1022可以在处理器1040的控制下从医疗信息管理服务器300接收可以由医疗设备设置的推荐扫描协议信息。
基于请求设置推荐扫描协议信息的用户输入,短程通信器1021可以在处理器1040的控制下将推荐扫描协议信息发送给外部医疗设备。
用户接口1030可以接收用于控制电子设备1000的用户输入。用户接口1030可以包括键盘,圆顶开关,触摸面板(例如,其使用接触型电容方法,压力型电阻方法,红外线检测方法,表面超声波传导方法,整体式张力测量方法,压电效应方法等),微动轮(jog wheel),微动开关(jog switch)、和/或类似物,但是不限于此。
触摸面板可以将与用户输入相关联的信息发送到处理器1040。另外,触摸面板可以包括在触摸面板内部或附近设置的各种传感器,以检测用户的直接触摸或接近触摸。在这种情况下,用户输入可以包括例如触摸输入,轻击输入,触摸和保持输入,双击输入,拖动输入,平移输入,轻弹输入,拖放输入,滑动输入,捏拉输入等。
处理器1040控制电子设备1000的一般操作。例如,处理器1040可以通过执行存储在存储器1050中的程序来控制显示器1010,通信器1020,用户接口1030,传感器1060和/或A/V接口1070。处理器1040可以被配置为一个或多个处理器。例如,处理器1040可以包括中央处理单元(CPU),应用处理器,图形处理单元(GPU),相机图像信号处理器、通信处理器和/或类似物中的一个或多个。
在实施例中,处理器1040可以控制通信器1020,使得从医疗设备接收先前设置在医疗设备中的扫描协议信息,并且从医疗信息管理服务器300接收可以设置在医疗设备中的推荐扫描协议信息。接下来,处理器1040可以控制显示器1010将先前设置的扫描协议信息和推荐扫描协议信息一起显示。接下来,处理器1040可以包括控制通信器1020的指令,使得可以基于由用户接口1030接收的请求在医疗设备中设置推荐扫描协议信息的用户输入将推荐扫描协议信息发送到医疗设备。
存储器1050可以存储可以由处理器1040执行的程序或指令,并且可以存储输入/输出数据。存储器1050可以包括闪存型存储器,硬盘型存储器,多媒体卡微型存储器,卡型存储器(例如,SD或XD存储器),RAM(随机存取存储器),SRAM(静态随机存取存储器),ROM(只读存储器),EEPROM(电可擦除可编程只读存储器),PROM(可编程只读存储器),磁存储器,磁盘、光盘和/或类似物中的至少一种类型的存储介质。此外,电子设备1000可以连接到在互联网上执行存储器1050的存储功能的网络存储器或云服务器。
在实施例中,存储器1050可以包括用于控制通信器1020的指令,使得当处理器1040执行指令时从医疗设备接收先前设置在医疗设备中的扫描协议信息并且从医疗信息管理服务器300接收可以设置在医疗设备中的推荐扫描协议信息。通过这种方式,处理器1040可以控制显示器1010将先前设置的扫描协议信息和推荐扫描协议信息一起显示,以允许用户比较先前设置的扫描协议信息和推荐扫描协议信息。进一步,当用户界面1030接收到请求在医疗设备中设置推荐扫描协议信息的用户输入时,处理器1040可以控制通信器1020,使得推荐扫描协议信息可以被发送到医疗设备。
存储器1050还可以包括指令,当处理器1040执行所述指令时,使得处理器1040搜索多个外部医疗设备,控制显示器1010使得包括与找到的外部医疗设备中的每一个相对应的识别信息的医疗设备列表可以被显示,并且将与用户从医疗设备列表中选择的识别信息相对应的医疗设备识别为要与电子设备1000连接的医疗设备。
存储器1050还可以包括指令,当处理器1040执行所述指令时,使得处理器1040基于NFC技术识别选择的医疗设备。
存储器1050还可以包括指令,当处理器1040执行所述指令时,使得处理器140控制显示器1010显示包括至少一个推荐扫描协议的识别信息的推荐扫描协议列表,并且当用户接口1030接收从推荐扫描协议列表选择推荐扫描协议的识别信息的用户输入时,控制显示器1010将先前设置的扫描协议信息和与至少一个推荐扫描协议的识别信息相对应的推荐扫描协议信息一起显示。
存储器1050还可以包括指令,当处理器1040执行所述指令时,使得处理器1040从分别对应于多个医疗设备的类型的多个用户界面中选择与识别的医疗设备相对应的用户界面,并且控制显示器1010使用选择的用户界面显示先前设置的扫描协议信息。
存储器1050还可以包括指令,当处理器1040执行所述指令时,使得处理器1040控制通信器1020,使得医疗设备的识别信息和医疗设备的拍摄信息中的至少一个可以被发送到外部医疗信息管理服务器300,并且控制通信器1020,使得可以基于医疗设备的识别信息和医疗设备的拍摄信息中的至少一个从医疗信息管理服务器300接收可以设置在医疗设备中的至少一个推荐协议信息。
此外,当推荐扫描协议信息包括多个推荐扫描参数值时,存储器1050可以包括指令,当处理器1040执行所述指令时,使得处理器1040控制通信器1020,使得可以将多个推荐扫描参数值的子集发送给医疗设备。
另外,当推荐扫描协议信息包括多个推荐扫描参数值时,并且当用户接口1030接收到改变多个推荐扫描参数值中的至少一个的用户输入时,存储器1050可以包括指令,当处理器1040执行所述指令时,使得处理器1040控制通信器1020,使得包括改变的推荐扫描参数值的推荐扫描协议信息可以被发送到医疗设备。
存储器1050可以包括指令,当处理器1040执行所述指令时,使处理器140执行获得与受检者的信息相对应的多个配置信息的列表和医疗设备的识别信息的操作,基于指示受检者受到负面影响程度的负面指数确定多个配置信息的列表中的第一配置信息作为推荐信息的操作,以及在显示器上显示被识别为推荐信息的第一配置信息的操作。
存储器1050还可以包括指令,当处理器1040执行所述指令时,使处理器1040执行确定在多个配置信息的列表中包括的扫描协议中具有最低负面指数的第一扫描协议作为推荐信息的操作。
存储器1050还可以包括指令,当处理器1040执行所述指令时,使处理器1040执行从医疗设备获得先前定义在医疗设备中的第二配置信息的操作;以及将第一配置信息和第二配置信息一起显示的操作。
存储器1050还可以包括指令,当处理器1040执行所述指令时,使处理器1040执行提供与第一配置信息所对应的第一负面指数相关联的信息和与第二配置信息所对应的第二负面指数相关联的信息的操作。
传感器1060可以感测电子设备1000的状态或者电子设备1000周围的状态,并且可以将感测的信息发送给处理器140。
传感器1060可以包括磁传感器,加速度传感器,温度/湿度传感器,红外传感器,陀螺仪传感器,位置传感器(例如,全球定位系统(GPS)传感器),压力传感器,接近传感器、RGB传感器(照度传感器)、和/或类似物中的至少一个,但不限于此。
A/V(音频/视频)接口1070被配置为输入音频信号或视频信号,并且可以包括相机,麦克风、和/或类似物。
图11是示出根据本公开的实施例的医疗设备1100的框图。
图11的医疗设备1100可以与图1至图9中所示的医疗设备(例如,多个医疗设备201、202和203)相对应。
如图11所示,根据本公开的实施例,医疗设备1100可以包括通信器1110,图像获取器1120,处理器1130和存储器1140。根据本公开的实施例,医疗设备1100还可以包括显示器1150和用户接口1160。
在下文中,将依次描述这些组件。
通信器1110可以包括被配置为与电子设备1000和医疗信息管理服务器300中的至少一个通信的一个或多个组件。例如,通信器1110可以包括短程通信模块,有线通信模块,移动通信模块、和/或类似物。在实施例中,通信器1110可以包括收发器,其被配置为发送和接收无线信号以允许与电子设备1000和/或医疗信息管理服务器300通信。
短程通信模块是指被配置为在预定距离内使用短程通信协议(比如Wi-Fi、蓝牙、BLE、UWB、ZigBee、NFC、WFD、IrDA、RFID、和/或类似物)来执行短程通信的模块。
有线通信模块是指被配置为使用电信号或光信号进行通信的模块。根据实施例的有线通信技术可以包括成对电缆,同轴电缆,光纤电缆,以太网电缆等。
移动通信模块通过移动通信网络向基站、外部设备和医疗信息管理服务器300中的至少一个发送无线信号并从基站、外部设备和医疗信息管理服务器300中的至少一个接收无线信号。
在实施例中,通信器1110可以将先前设置在医疗设备1100中的扫描协议信息发送到电子设备1000。通信器1110可以从电子设备1000接收推荐扫描协议信息以优化先前设置在医疗设备1100中的扫描协议信息。
图像获取器1120(例如,超声探测器(probe)、换能器、探测器、相机、医学成像组件、扫描组件、和/或类似物)可以获得对象的医学图像。例如,图像获取器1120可以从对象的身体表面向身体中的预定部位发送超声信号,并且可以使用从身体内的组织反射的超声信号(例如,回声信号)的信息来获得对象的超声图像。可选地,图像获取器1120可以以亮度对比度来表示MR信号对比在具有特定强度的磁场中生成的RF信号的强度,并获得对象的断层扫描部分的图像(例如,MR图像)。可选地,图像获取器1120可以通过将X射线照射到对象上来获得CT图像或X射线图像。
在实施例中,当先前设置在医疗设备1100中的扫描协议信息被优化为推荐扫描协议信息时,图像获取器1120可以根据优化的推荐扫描协议信息来获得对象的医学图像。
处理器1130控制医疗设备1100的整体操作。例如,处理器1130可以执行存储在存储器1140中的程序以控制通信器1110、图像获取器1120、显示器1150和/或用户接口1160。处理器1130可以被配置为一个或多个处理器。例如,处理器1130可以包括CPU、应用处理器、GPU、相机的图像信号处理器和通信处理器中的一个或多个。
在实施例中,处理器1130可以控制通信器1110将先前设置在医疗设备1100中的扫描协议信息发送给电子设备1000。另外,处理器1130可以控制通信器1110,使得基于先前设置的扫描协议信息从电子设备1000接收推荐扫描协议信息。处理器1130可以使用接收的推荐扫描协议信息来优化先前设置在医疗设备1100中的扫描协议信息。处理器1130可以控制图像获取器1120根据优化的扫描协议信息来获得医学图像。
存储器1140可以存储要被处理器1130执行的程序,并且可以存储输入/输出数据(例如,医学图像数据,受检者信息,探测信息(probe information),身体标记信息等)。
存储器1140可以包括闪存型存储器,硬盘型存储器,多媒体卡微型存储器,卡型存储器(例如,SD或XD存储器),RAM(随机存取存储器),SRAM(静态随机存取存储器),ROM(只读存储器),EEPROM(电可擦除可编程只读存储器),PROM(可编程只读存储器),磁存储器,磁盘和光盘中的至少一个。此外,医疗设备1100可以连接到在互联网上执行存储器1140的存储功能的网络存储器或云服务器。
在各种实施例中,存储器1140可以包括指令,当处理器1130执行所述指令时,使得处理器1130控制通信器1110使得先前设置在医疗设备1100中的扫描协议信息被提供给电子设备1000,控制通信器1110使得基于先前设置的扫描协议信息从电子设备1000接收推荐扫描协议信息,并且控制图像获取器1120使得使用接收的推荐扫描协议信息来优化先前设置在医疗设备1100中的扫描协议信息并且获得根据优化的扫描协议信息的医学图像。
显示器1150显示要在医疗设备1100中处理的信息。例如,显示器1150可以显示医学图像,或者可以显示与控制面板相关的UI(用户界面)或GUI(图形用户界面)。当显示器1150和触摸面板具有分层结构并被配置为触摸屏时,除了显示设备之外,触摸屏还可以用作输入设备。
当医疗设备1100用作能够与医疗信息管理服务器300通信的主机设备时,显示器1150可以将先前设置在另一医疗设备中的扫描协议信息以及从医疗信息管理服务器300接收的推荐扫描协议信息一起显示。
用户界面1160可以接收用于由用户控制医疗设备1100的用户输入。例如,用户接口1160可以包括键盘,圆顶开关,触摸面板(例如,其使用接触型电容方法,压力型电阻方法,红外线检测方法,表面超声波导电方法,整体型张力测量方法,压电效应方法等),微动轮,微动开关等,但是不限于此。
这些实施例可以在包括存储在计算机可读存储介质中的指令的软件程序中实现。
计算机是能够从存储介质调用存储指令并根据调用的指令根据实施例操作的设备,并且可以包括根据实施例的电子设备1000和医疗设备1100。
计算机可读存储介质可以以非暂时性存储介质的形式提供。在此,“非暂时性”意味着存储介质是有形的并且不是指暂时性电子信号,但不区分数据是否半永久地或临时地存储在存储介质上。
此外,根据实施例的方法可以在计算机程序产品中提供。计算机程序产品可以作为商品在卖家和购买者之间进行交易。
计算机程序产品可以包括软件程序和其上存储有软件程序的计算机可读存储介质。例如,计算机程序产品可以包括通过电子设备1000或医疗设备1100的制造商或电子市场(例如,Google Play Store和App Store)以电子方式分发的软件程序中的产品(例如,可下载的应用)。对于电子分发,软件程序的至少一部分可以存储在存储介质上,或者可以临时创建。在这种情况下,存储介质可以是制造商的服务器的存储介质,电子市场的服务器或用于临时存储软件程序的中继服务器。
例如,包括计算机可读记录介质的计算机程序产品可以包括计算机可读记录介质,该计算机可读记录介质包括指令,所述指令使电子设备执行确定要与电子设备连接的外部医疗设备的操作,从识别的医疗设备接收先前设置在医疗设备中的扫描协议信息的操作,从外部医疗信息管理服务器接收可以设置在医疗设备中的推荐协议信息的操作,显示先前设置的扫描协议信息和推荐扫描协议信息使得用户可以比较先前设置的扫描协议信息和推荐协议信息的操作,以及基于请求设置医疗设备中的推荐扫描协议信息的用户输入向医疗设备发送推荐协议信息的操作。
计算机程序产品可以在包括医疗设备1100和电子设备1000的系统中包括服务器(例如,医疗信息管理服务器300)的存储介质或电子设备1000的存储介质。计算机程序产品可以包括从服务器发送到电子设备1000或医疗设备1100的软件程序。
例如,包括医疗设备1100和计算机程序产品的系统可以包括计算机程序产品,该计算机程序产品包括计算机可读记录介质,该计算机可读记录介质包括指令,所述指令使得电子设备执行确定医疗设备1100将与电子设备1000连接的操作,从识别的医疗设备1100接收先前设置在医疗设备中的扫描协议信息的操作,从外部医疗信息管理服务器300接收可以设置在医疗设备1100中的推荐协议信息的操作,将先前设置的扫描协议信息和推荐扫描协议信息一起显示以使得用户可以比较先前设置的扫描协议信息和推荐协议信息的操作,以及基于请求设置医疗设备1100中的推荐扫描协议信息的用户输入以及设置推荐扫描协议信息的医疗设备1100向医疗设备1100发送推荐协议信息的操作。
根据实施例,医疗设备1100包括被配置为获得医学图像的图像获取器,被配置为与电子设备1000通信的通信器,被配置为控制图像获取器和通信器的处理器,以及电连接到处理器的存储器。,存储器可以包括指令,当所述指令被处理器执行时,使得处理器控制通信器使得先前设置在医疗设备1100中的扫描协议信息被提供给电子设备1000,控制通信器使得基于先前设置的扫描协议信息从电子设备1000接收推荐扫描协议信息,并且控制图像获取器使得使用接收的推荐扫描协议信息优化先前设置在医疗设备1100中的扫描协议信息,以及根据优化的扫描协议信息获得医学图像。同时,根据实施例,电子设备1000可以使用人工智能(AI)模型向医疗设备1100提供与图像扫描相关的配置信息。在此,与图像扫描相关的配置信息可以包括由AI模型推荐的配置信息。例如,与图像扫描相关的配置信息可以包括与推荐的扫描协议相关联的信息,与推荐扫描协议中包括的多个配置参数相关联的信息以及与用于扫描的外围设备(例如,注射器,管等)的配置相关的推荐参数相关联的信息、和/或类似物,但不限于此。
在下文中,将参照图12和图13描述医疗信息管理服务器300提供AI模型的操作。参照图15,将详细描述电子设备1000使用AI模型提供与图像扫描相关的推荐配置信息的操作。
图12和13是用于说明根据实施例的用于提供推荐模型(人工智能模型:AI模型)的系统的示图。
参照图12,医疗信息管理服务器300可以连接到多个医疗机构服务器或医疗设备。医疗信息管理服务器300可以收集从多个医疗机构获得的医学图像信息和与医学图像相关的信息(以下称为相关信息)。医疗信息管理服务器300可以从多个医疗机构服务器获得医学图像信息和相关信息,并且可以从医疗设备获得医学图像信息和相关信息。相关信息可以包括由放射科医师调整的用于图像扫描的配置信息。
例如,医疗信息管理服务器300可以从位于A医院1210中的第一X射线设备(例如,DR1:数字射线照相术1)1211收集第一医学图像和第一相关信息1212。医疗信息管理服务器300还可以从位于B医院1220中的第二X射线设备(例如,DR2)1221收集第二医学图像和第二相关信息1222。医学信息管理服务器300可以从位于C医院1230中的第三X射线设备(例如DR3)1231收集第三医学图像和第三相关信息1232。根据实施例,第一X射线设备1211,第二X射线设备1221和第三X射线设备1231可以是相似设备(例如,相同产品型号类型的设备)。
根据实施例,包括在医学信息管理服务器300中的AI处理器可以训练人工神经网络并提供推荐与图像扫描相关的设置值的推荐模型。“训练”人工神经网络可以指:通过连接构成人造神经网络的神经元,同时基于数据适当改变权重,来制作能够实现最优决策制定的数学模型。根据实施例,AI处理器可以是但不限于使用深度神经网络执行训练和推理操作的深度神经网络处理器。深度神经网络处理器可以以用于人工智能(AI)的专用硬件芯片的形式或作为传统通用处理器(诸如CPU或应用处理器)或图形专用处理器(诸如GPU)的一部分来制造。
根据实施例,医疗信息管理服务器300可以提供推荐模型(AI模型),其使用从第一X射线设备1211收集的第一医学图像和第一相关信息1212,从第二X射线设备1221收集的第二医学图像和第二相关信息1222以及从第三X射线设备1231收集的第三医学图像和第三相关信息1232作为训练数据来推荐与X射线设备相关的设置值。
根据实施例,医疗信息管理服务器300可以提供用于推荐X射线设备的每个产品模型的配置信息的推荐模型。根据实施例,医疗信息管理服务器300可以为每个产品模型生成不同的推荐模型,或者可以为每个产品模型生成提供不同的推荐信息的一个推荐模型。
例如,医疗信息管理服务器300可以提供用于X射线设备的第一产品模型的第一推荐模型,用于X射线设备的第二产品模型的第二推荐模型以及用于X射线设备的第三产品模型的第三推荐模型。可选地,医疗信息管理服务器300可以提供用于推荐用于X射线设备的第一产品模型的第一配置信息,用于第二产品模型的第二配置信息以及用于第三产品模型的第三配置信息的一个推荐模型。
根据实施例,由AI处理器获得的医学图像可以包括由专业放射科医师拍摄的大量医学图像,并且相关信息可以包括对应于所述医学图像的配置信息。根据实施例,医学图像可以包括CT图像,X射线图像,MR图像和超声图像中的至少一个,但是不限于此。
尽管图12将医疗设备1100示出为数字X射线设备,但是应当理解本公开不限于此。例如,医学信息管理服务器300可以通过使用从多个MRI设备收集的医学图像和相关信息作为训练数据来为MRI设备提供推荐模型。医疗信息管理服务器300可以通过使用从多个超声设备收集的超声图像和相关信息作为训练数据来为超声设备提供推荐模型。
根据实施例,因为在每个医院对于每个拍摄部位的拍摄频率不同,医疗信息管理服务器300中包括的AI处理器可以通过考虑医院的特点为每个医院收集的医学图像不同地施加权重来训练人工神经网络。例如,在A医院1210和C医院1230中可能经常执行胸部X射线拍摄,并且在C医院1220和D医院中可能经常执行软组织X射线拍摄。在这种情况下,医疗信息管理服务器300可以训练A医院1210和C医院1230收集的X射线图像以推荐用于胸部X射线拍摄的配置信息,并且可以训练B医院1220和D医院收集的X射线图像以推荐用于软组织X射线拍摄的配置信息。
尽管图12将医疗信息管理服务器300示出为提供推荐模型,但是应当理解本公开不限于此。根据实施例,可以在电子设备1000中提供推荐模型。参照图13,将更详细地描述提供推荐模型的医疗信息管理服务器300的操作。根据实施例,可以通过深度神经网络(DNN)学习来生成推荐模型。
参照图13,AI处理器(例如,DNN处理器)可以获得医学图像1301,与医学图像1301的扫描相关的配置信息1302,受检者信息1303,与负面指数相关联的信息1304,与检查者相关联的信息1305、和/或类似物,作为训练数据。AI处理器可以利用医学图像1301,与医学图像1301的扫描相关的配置信息1302,受检者信息1303,与负面指数相关联的信息1304,与检查者相关联的信息1305,来提供用于推荐与图像扫描相关的配置信息的推荐模型1300。推荐模型1300可以包括人工智能模型并且可以包括一个隐藏层或者可以包括两个或更多个隐藏层。
根据实施例,由AI处理器获得的医学图像1301可以包括由专业放射科医师或医生拍摄的许多医学图像,并且可以包括每个医学图像的图像质量信息。根据实施例,医学图像1301可以包括CT图像,X射线图像,MR图像和超声图像中的至少一个,但是不限于此。根据实施例,医学图像1301可以是静止图像或运动图像。
根据实施例,与医学图像1301的扫描相关的配置信息1302可包括电压值(例如,kVp值),电流值(例如,mA值),曝光时间值(例如,毫秒(msec)值),曝光剂量值(例如,毫安秒(mAs)值),是否使用自动曝光控制(例如,AEC值),准直校正值,螺距值,TR(重复时间)值,TE(回波时间)值,带宽值,FOV(视场)值,频率编码值,翻转(flip)角度值,切片(slice)厚度值、和/或类似物,但不限于此。
根据实施例,受检者信息1303可以包括受检者的体重信息,年龄信息,性别信息,与受试部位(test part)相关联的信息以及与注射造影剂相关的信息(例如,造影剂是否被注射或注射造影剂的量),但不限于此。
根据实施例,与负面指数相关联的信息1304可以包括剂量,比吸收率(specificabsorption rate,SAR),机械指数(MI)和热指数(TI)中的至少一个,但是不限于此。在此,负面指数(nagtive index)可以指代指示受检者受到负面影响的程度的指数。MI是量化超声对人体动态影响的指数。TI也是量化超声对人体动态影响的指数。MI和TI的国际接受标准可以指示MI低于1.9并且TI低于6.0。
根据实施例,与检查者相关联的信息1305可以包括但不限于与检查者工作的医院相关联的信息,检查者的识别信息(例如,ID),检查者的职业信息等。检查者是对受检者进行医学图像扫描的主体,可以是放射科医师,超声医师,医生等,和/或类似物,但不限于此。例如,检查者可能是人工智能机器人。
根据实施例,AI处理器可以在通过在保持图像质量高于预定水平的同时使用医学图像1301,与医学图像1301的扫描相关的配置信息1302,受检者信息1303,与负面指数相关联的信息1304,与检查者相关联的信息1305训练推荐模型1300之后,提供用于推荐用于降低负面指数的最优设置值的推荐模型1300。根据实施例,由于由AI处理器收集的医学图像1301和与医学图像相关的信息(例如,与医学图像1301的扫描相关的配置信息1302,受检者信息1303,与负面指数相关联的信息1304,与检查者相关联的信息1305)增加,因此可以修改或优化导出最佳图像扫描设置值的推荐模型1300。换言之,AI处理器可以使用附加的医学图像和相关信息来更新推荐模型1300。
根据实施例,AI处理器可以获得个性化训练数据1306。个性化训练数据1306可以包括电子设备1000的用户偏好的设置值的数据。个性化训练数据1306可以包括用户对推荐模型1300推荐的配置信息的反馈信息。例如,当用户改变由推荐模型1300推荐的扫描协议中包括的第一设置值,第二设置值和第三设置值中的第三设置值而不接受第三设定值时,AI处理器可以获得与改变的第三设置值相关联的信息作为个性化训练数据1306。以这种方式,AI处理器可以使用反馈信息来更新推荐模型1300,从而提高附加推荐的精度。
根据实施例,除了医学图像1301,与医学图像1301的扫描相关的配置信息1302,受检者信息1303,与负面指数相关联的信息1304,和/或与检查者相关联的信息1305之外,AI处理器还可以通过使用个性化训练数据1306为每个个体提供推荐模型1300。在这种情况下,推荐模型1300可以为在同一拍摄部位上执行相同测试的每个检查者推荐不同的设置值。稍后将参照图23详细描述推荐模型1300为每个检查者提供不同推荐信息的操作。
图14是用于说明根据实施例的电子设备1000存储推荐模型1300的操作的示图。
如图14中所示,医疗信息管理服务器300可以通过DNN提供或优化能够进行学习和推理操作的推荐模型1300(S1410)。然后,医疗信息管理服务器300可以将推荐模型1300发送到电子设备1000(S1420)。根据实施例,当电子设备1000请求推荐模型1300时,医疗信息管理服务器300可以将推荐模型1300发送到电子设备1000。可选地,当推荐模型1300被优化时,医疗信息管理服务器300可以将优化的推荐模型1300发送到电子设备1000。
根据实施例,电子设备1000可以从医学信息管理服务器300下载推荐模型1300,并将推荐模型1300存储在存储器1050中(S1430)。在这种情况下,电子设备1000可以使用存储在存储器1050中的推荐模型1300以向医疗设备1100提供与图像扫描相关的配置信息。
根据实施例,电子设备1000可以使用存储在医疗信息管理服务器300中的推荐模型1300向医疗设备1100提供与图像扫描相关的配置信息。以下,将参照图15详细描述由电子设备1000执行的考虑负面指数向医疗设备1100提供与图像扫描相关的配置信息的方法。
图15是示出根据实施例的由电子设备1000执行的向电子设备1000提供与图像扫描相关的配置信息的方法的流程图。
在操作S1510中,电子设备1000可以获得与受检者的信息和医疗设备1100的识别信息相对应的多个配置信息的列表。在另一实施例中,电子设备1000可以获得与患者相关联的信息。
根据实施例,电子设备1000可以从连接到电子设备1000的医院服务器获取受检者的信息。例如,电子设备1000可以获得从医院服务器与受检者的识别信息所对应的受试部位(例如,胸部,腹部,肩部,脚踝或手腕等)相关联的信息,体重信息(例如,85千克(kg)等),年龄信息(例如,30岁),性别信息(例如,男性)、和/或类似物。根据实施例,医院服务器可以对应于医疗信息管理服务器300。
根据另一实施例,电子设备1000可以从用户(例如,放射科医师)接收受检者的信息。例如,电子设备1000可以从用户接收与受检者的受试部位,体重,年龄和/或类似物相关联的信息。
根据实施例,电子设备1000可以从医疗设备1100通过短程通信来获得医疗设备1100的识别信息。例如,电子设备1000可以通过NFC从医疗设备1100获得识别信息。可选地,电子设备1000可以通过蓝牙通信或Wi-Fi通信从医疗设备1100获得识别信息。医疗设备1100的识别信息可以包括医疗设备1100的类型(例如,CT设备,X射线设备,MRI设备,超声设备等),医疗设备1100的产品型号信息等,但不限于此。根据另一实施例,电子设备1000可以从医院服务器获得医疗设备1100的识别信息。
根据实施例,电子设备1000可以使用受检者的信息和医疗设备1100的识别信息来生成与受检者的信息和医疗设备1100的识别信息相对应的多个配置信息的列表。例如,当医疗设备1100是X射线设备,受检者的受试部位是胸部,并且受检者的体重是85kg时,电子设备1000可以获得用于重85千克的人的胸部X射线图像扫描的多个配置信息的列表。
根据实施例,多个配置信息的列表可以包括多个扫描协议。在这种情况下,多个扫描协议中的每一个可以包括多个配置参数。
根据实施例,多个配置信息中的每一个可以是用于使医学图像的图像质量等于或大于阈值的配置信息。例如,电子设备1000可以生成包括扫描协议当中与受检者的信息和医疗设备1100的识别信息对应的至少两个扫描协议的列表,使得医学图像的图像质量大于或等于阈值,从而获得多个配置信息的列表。
电子设备1000可以使用基于由多个放射科医师拍摄的医学图像训练的AI模型(例如,推荐模型1300)来获得多个配置信息的列表。根据实施例,电子设备1000可以通过使用存储在存储器1050中的推荐模型1300来获得多个配置信息的列表。例如,当电子设备1000向推荐模型1300输入受检者的信息和医疗设备1100的识别信息时,推荐模型1300可以由通过作为一种DNN的CNN(卷积神经网络)的推理操作来获得与受检者的信息和医疗设备1100的识别信息相对应的多个配置信息的列表。
根据实施例,当推荐模型1300没有存储在存储器1050中时,电子设备1000可以从医疗信息管理服务器300请求与受检者的信息和医疗设备1100的识别信息相对应的多个配置信息的列表。将参照图16在其它地方描述电子设备1000从医疗信息管理服务器300获取多个配置信息的列表的操作。
在操作S1520中,电子设备1000可以基于指示受检者受到负面影响的程度的负面指数,从多个配置信息的列表中识别第一配置信息作为推荐信息。在这种情况下,负面指数可以包括剂量,比吸收率(SAR),机械指数(MI)和热指数(TI)中的至少一个,但不限于此。
根据实施例,电子设备1000可以识别列表中包括的多个配置信息当中具有预测的最低负面指数的第一配置信息作为推荐信息。例如,当根据多个配置信息的列表中包括的多个扫描协议中的每一个进行扫描时,电子设备1000可以对每个扫描协议识别预测的负面指数(例如,剂量)。然后,电子设备1000可以识别多个扫描协议当中具有预测的负面指数(例如,剂量)的最低值的第一扫描协议作为推荐信息。
根据实施例,电子设备1000可以识别其中预测的负面指数落入临界范围内的两个或更多个配置信息作为推荐信息。例如,在多个配置信息的列表中包括的多个扫描协议当中,电子设备1000可以识别其中预测的负面指数存在于第一阈值和第二阈值之间第一扫描协议和第二扫描协议作为推荐扫描协议。
在操作S1530中,电子设备1000可以在显示器1010上显示被识别为推荐信息的第一配置信息。例如,当第一配置信息是第一扫描协议时,电子设备1000可以在显示器1010上显示与第一扫描协议或第一扫描协议中包括的第一配置参数相关联的信息。
根据实施例,电子设备1000可以在多个配置信息的列表上显示高亮第一配置信息的信息。例如,电子设备1000可以显示关于第一配置信息的可视指示符(visualindicator),使得第一配置信息在多个配置信息的列表上被识别。例如,电子设备1000可以以粗体显示第一配置信息,在第一配置信息周围显示边界线,或者显示与其他配置信息的颜色不同的第一配置信息的颜色。可选地,电子设备1000可以在第一配置信息附近显示特定类型的识别图像(例如,星形,箭头,圆形,手指等)。
根据实施例,电子设备1000可以从医疗设备1100获得先前定义在医疗设备1100中的第二配置信息,并且一起显示第一配置信息和第二配置信息。在下文中,为了便于解释,可以将第一配置信息表示为推荐配置信息,并且可以将第二配置信息表示为当前配置信息。
根据实施例,电子设备1000可以通过短程通信从医疗设备1100获得先前定义在医疗设备1100中的第二配置信息。例如,电子设备1000可以使用NFC获得先前定义在医疗设备1100中的第二配置信息,但不限于此。例如,电子设备1000可以使用蓝牙通信或Wi-Fi通信从医疗设备1100获得先前定义在医疗设备1100中的第二配置信息。基于处于与医疗设备1100通信范围(communicative proximity)内,电子设备1000可以建立与医疗设备1100的通信链路。例如,通信范围可以指允许电子设备1000和医疗设备1100使用短程通信协议(例如,蓝牙,NFC,WFD和/或类似物)通信。
根据实施例,电子设备1000可以一起提供与第一配置信息(推荐配置信息)所对应的第一负面指数相关联的信息和与第二配置信息(当前配置信息)所对应的第二负面指数相关联的信息。例如,电子设备1000可以一起显示根据第一配置信息进行MR扫描时预测的第一SAR和根据第二配置信息进行MR扫描时预测的第二SAR。
在操作S1540和S1550中,当接收同意第一配置信息的用户输入时(S1540-是),电子设备1000可以将第一配置信息发送到医疗设备1100。
根据实施例,电子设备1000可以通过短程通信将第一配置信息发送到医疗设备1100。例如,电子设备1000可以使用NFC,蓝牙通信或Wi-Fi通信和/或类似物将第一配置信息发送到医疗设备1100。
根据另一实施例,当医疗设备1100建立与医疗信息管理服务器300的通信链路时,电子设备1000可以通过医疗信息管理服务器300将第一配置信息发送到医疗设备1100。例如,电子设备1000可以将与同意第一配置信息的用户输入相关的信号发送到医疗信息管理服务器300,医疗信息管理服务器300可以基于接收到该信号将第一配置信息发送到医疗设备1100。
根据实施例,当在预定时间帧内没有接收到同意第一配置信息的用户输入时,电子设备1000可以不将第一配置信息发送到医疗设备1100。
根据实施例,当接收到用于校正第一配置信息的输入时,电子设备1000可以将校正后的第一配置信息发送给医疗设备1100。此外,电子设备1000可以向医疗信息管理服务器300发送用于与校正第一配置信息的输入相关联的信息。在此情况下,医疗信息管理服务器300可以使用与用于校正第一配置信息的输入相关联的信息作为用于优化推荐模型1300的个性化训练数据1306。
虽然图15示出了示例操作S1510到S1550,但是根据其他实施例,与图15中描绘的操作相比,附加的操作,更少的操作,不同的操作或不同布置的操作可以被执行。另外或可选地,图15的两个或更多个操作可以并行执行。
根据实施例,电子设备1000可以与医疗信息管理服务器300合作地向医疗设备1100提供与图像扫描相关的配置信息。在下文中,将参照图16和图17来描述电子设备1000使用医疗信息管理服务器300的AI模型向医疗设备1100提供与图像扫描相关的配置信息的操作。
图16是用于说明根据实施例的由电子设备1000执行的从医疗信息管理服务器300获得多个配置信息的列表的方法的流程图。
在操作S1600中,电子设备1000和医疗信息管理服务器300可以形成通信链路。
根据实施例,电子设备1000可以在向医疗信息管理服务器300发送电子设备1000的识别信息或用户的识别信息(例如,账户信息、登录凭据(login credential)等)时访问医疗信息管理服务器300,但不限于此。
在操作S1610中,电子设备1000可以获得受检者的信息和医疗设备1100的识别信息。
根据实施例,电子设备1000可以从连接到电子设备1000的医院服务器获取受检者的信息。例如,电子设备1000可以从医院服务器获得与受检者的识别信息所对应的受试部位相关联的信息(例如,胸部,腹部,肩部,脚踝或手腕等),体重信息(例如,85kg等),年龄信息(例如,30岁),性别信息(例如,男性)和/或类似物。
根据另一实施例,电子设备1000可以从用户(例如,放射科医师)接收受检者的信息。例如,电子设备1000可以从用户接收与受检者的受试部位,受检者的体重,受检者的年龄和/或类似物相关联的信息。此外,电子设备1000可以使用短程通信从受检者的移动终端接收受检者的信息。
根据实施例,电子设备1000可以从医疗设备1100使用短程通信来获得医疗设备1100的识别信息。例如,电子设备1000可以使用NFC,蓝牙通信、Wi-Fi通信和/或类似物从医疗设备1100获得识别信息。根据另一实施例,电子设备1000可以从医院服务器获得医疗设备1100的识别信息。
在操作S1620中,电子设备1000可以通过通信接口将受检者的信息和医疗设备1100的识别信息发送到医疗信息管理服务器300。在这种情况下,电子设备1000可以从医疗信息管理服务器300请求与受检者的信息和医疗设备1100的识别信息相对应的多个配置信息的列表。
在操作S1630中,医疗信息管理服务器300可以生成与受检者的信息和医疗设备1100的识别信息相对应的多个配置信息的列表。
根据实施例,医疗信息管理服务器300可以通过使用AI模型(例如,推荐模型1300)来生成多个配置信息的列表。多个配置信息的列表可以包括多个扫描协议或系统配置信息。在这种情况下,多个扫描协议中的每一个可以包括多个配置参数。
例如,医疗信息管理服务器300可以将受检者的信息和医疗设备1100的识别信息输入到AI模型。AI模型可以根据受检者的信息和医疗设备1100的类型输出包括最优配置值的多个配置信息作为结果数据。医疗信息管理服务器300可以生成包括在AI模型中作为结果数据输出的多个配置信息的列表。
在操作S1640中,电子设备1000可以从医疗信息管理服务器300接收由医疗信息管理服务器300使用AI模型生成的多个配置信息的列表。
在操作S1650中,基于负面指数,电子设备1000可以将多个配置信息的列表中的第一配置信息识别为推荐信息。
例如,电子设备1000可以从列表中包括的多个配置信息当中识别具有预测的最低负面指数的第一配置信息作为推荐信息。此外,电子设备1000可以将其中预测的负面指数落入临界范围内的两个或更多个配置信息识别为推荐信息。例如,在多个配置信息的列表中包括的多个扫描协议中,电子设备1000可以识别其中预测的负面指数存在于第一阈值和第二阈值之间的第一扫描协议和第二扫描协议作为推荐扫描协议。操作S1650对应于图15的操作S1520,因此将省略其详细描述。
在操作S1660中,电子设备1000可以将第一配置信息显示为推荐信息。根据实施例,电子设备100可以在显示器1010上显示第一配置信息中包括的第一配置信息或配置参数。根据另一实施例,电子设备1000可以显示多个配置信息的列表并显示可视指示符,使得第一配置信息在多个配置信息的列表上被识别。
根据实施例,电子设备1000可以同时显示先前设置在医疗设备1100中的第二配置信息和推荐的第一配置信息。电子设备1000可以将对应于第一配置信息的第一负面指数和对应于第二配置信息的第二负面指数一起显示。操作S1660对应于图15中的操作S1530,因此将省略其详细描述。
在操作S1670中,电子设备1000可以确定是否接收到同意第一配置信息的用户输入。
例如,电子设备1000可以接收触摸列表上的第一配置信息的输入,触摸用于将第一配置信息发送到医疗设备1100的“同意按钮”的输入,在距离医疗设备1100的临界距离内接近显示第一配置信息的电子设备1000的输入(例如标签输入),但是不限于此。
根据实施例,当在预定时间帧内没有接收到同意第一配置信息的用户输入时,电子设备1000可以不将第一配置信息发送到医疗设备1100。
在操作S1680中,当接收到同意第一配置信息的用户输入时(S1670-是),电子设备1000可以将第一配置信息发送到医疗设备1100。
例如,电子设备1000可以使用短程通信将第一配置信息发送到医疗设备1100。操作S1680对应于图15中的操作S1550,因此将省略其详细描述。
在操作S1690中,医疗设备1100可以从电子设备1000接收第一配置信息,并且应用第一配置信息来执行受检者的图像扫描。
例如,医疗设备1100可以根据第一配置信息改变扫描协议,或者将当前配置参数值改变为第一配置信息中包括的配置参数值。然后,医疗设备1100可以通过应用改变后的扫描协议或改变后的配置参数值来对受检者执行图像扫描。
根据实施例,从电子设备1000发送到医疗设备1100的第一配置信息是由AI模型推荐的配置信息,所述AI模型被使用由各种医疗领域中的熟练专业人员(例如放射科医师,医生和超声医师)设置的设置值训练过,因此医疗设备1100可以使用第一配置信息对受检者执行最佳图像扫描。因此,医疗设备1100可以获得高图像质量的医学图像,同时减小对受检者的负面影响。
图17是示出根据实施例的由医疗信息管理服务器300执行的识别推荐信息的方法的流程图。
在操作S1700中,电子设备1000和医疗信息管理服务器300可以建立通信链路。在操作S1710中,电子设备1000可以获得受检者的信息和医疗设备1100的识别信息。操作S1700和S1710对应于图16中的操作S1600和S1610。因此省略其详细说明。
在操作S1720中,电子设备1000可以经由通信接口将受检者的信息和医疗设备1100的识别信息发送到医疗信息管理服务器300。在这种情况下,根据实施例,电子设备1000可以请求医疗信息管理服务器300推荐与受检者的信息和医疗设备1100的识别信息相对应的配置信息。
在操作S1730中,医疗信息管理服务器300可以生成与受检者的信息和医疗设备1100的识别信息相对应的多个配置信息的列表。
根据实施例,医疗信息管理服务器300可以使用AI模型生成多个配置信息的列表。例如,医疗信息管理服务器300可以将受检者的信息和医疗设备1100的识别信息输入到AI模型。AI模型可以根据受检者的信息和医疗设备1100的类型输出包括最佳配置值的多个配置信息作为结果数据。医疗信息管理服务器300可以生成包括作为AI模型的结果数据输出的多个配置信息的列表。
在操作S1740中,医疗信息管理服务器300可以基于负面指数将多个配置信息的列表中的第一配置信息识别为推荐信息。
例如,医疗信息管理服务器300可以从列表中包括的多个配置信息中识别具有预测的最低负面指数的第一配置信息作为推荐信息。此外,医疗信息管理服务器300可以将其中预测的负面指标落入临界范围内的两个或更多个配置信息识别为推荐信息。例如,在多个配置信息的列表中包括的多个扫描协议中,电子设备1000可以识别其中预测的负面指数存在于第一阈值与第二阈值之间的第一扫描协议和第二扫描协议作为推荐扫描协议。
在操作S1750中,医疗信息管理服务器300可以将由AI模型推荐的第一配置信息发送到电子设备1000。
在操作S1760中,电子设备1000可以显示从医疗信息管理服务器300接收的第一配置信息作为推荐信息。
根据实施例,电子设备100可以在显示器1010上显示第一配置信息或第一配置信息中包括的配置参数。根据另一实施例,电子设备1000可以显示多个配置信息的列表并显示可视指示符,使得第一配置信息在多个配置信息的列表上被识别。
根据实施例,电子设备1000可以同时显示先前定义在医疗设备1100中的第二配置信息和推荐的第一配置信息。电子设备1000可以一起显示对应于第一配置信息的第一负面指数和对应于第二配置信息的第二负面指数。操作S1760对应于图15中的操作S1530,因此将省略其详细描述。
在操作S1770中,电子设备1000可以确定是否接收到同意第一配置信息的用户输入。
在操作S1780中,当接收到同意第一配置信息的用户输入时(S1770-是),电子设备1000可以将第一配置信息发送到医疗设备1100。
在操作S1790中,医疗设备1100可以从电子设备1000接收第一配置信息并且应用第一配置信息来受检者的图像扫描。
操作S1770至S1790对应于图16中的操作S1670至S1690,因此省略其详细说明。
使用第一配置信息来执行受检者的图像扫描的医疗设备1100的类型可以变化。在下文中,将参照图18描述医疗设备1100是X射线设备的情况,将参照图24描述医疗设备1100是MRI设备的情况,并且,将参照图28描述医疗设备1100为超声设备的情况。
图18是示出根据实施例的由电子设备1000执行的基于剂量向X射线设备推荐第一扫描协议的方法的流程图。
在操作S1810中,电子设备1000可以获得受检者的信息和医疗设备1100的识别信息。操作S1810对应于图16中的操作S1610,因此将省略其详细描述。
在操作S1820中,电子设备1000可以基于医疗设备1100的识别信息来确定医疗设备1100是否是X射线设备。例如,电子设备1000可以从医疗设备1100接收表示X射线设备的代码。可选地,电子设备1000可以基于医疗设备1100的产品型号或产品型号名称等等确定医疗设备1100是X射线设备,但是不限于此。根据实施例,电子设备1000可以经由图形用户界面(GUI)从用户接收将医疗设备1100设置为X射线设备的输入。
在操作S1830中,当医疗设备1100是X射线设备时(S1810-是),电子设备1000可以获得与受检者的信息相对应的多个扫描协议的列表。在此情况下,多个扫描协议中的每一个可以是用于X射线设备的扫描协议。此外,多个扫描协议中的每一个可以是用于获得具有预定水平以上(例如,满足预定阈值)的图像质量的X射线图像的扫描协议。
例如,电子设备1000可以从医疗信息管理服务器300获得与受检者的受试部位和受检者的体重匹配的扫描协议的列表。可选地,电子设备1000可以使用存储在存储器1050中的人工智能模型获得与受检者的受试部位和受检者的体重匹配的扫描协议的列表。
在操作S1840中,电子设备1000可以基于剂量将多个扫描协议中的第一扫描协议识别为推荐信息。例如,电子设备1000可以将多个扫描协议中具有最小剂量的第一扫描协议识别为推荐信息。
在操作S1850中,电子设备1000可以在显示器1010上显示第一扫描协议。
根据实施例,电子设备1000可以将与根据第一扫描协议执行图像扫描时预测的第一剂量与第一扫描协议一起显示。电子设备1000的用户(例如,放射科医师)可以识别显示为推荐信息的第一扫描协议并且确定是否将第一扫描协议应用于X射线设备。
根据实施例,当X射线设备应用第一扫描协议时,可以获得具有满足预定阈值的图像质量的X射线图像,同时最小化X射线的负面影响。以下,参照图19至图23,提供对电子设备1000向X射线设备提供与图像扫描相关的配置信息的操作的更详细的描述。
图19是用于说明根据实施例的使用AI模型来获得多个扫描协议的列表的电子设备1000的操作的示图。
根据实施例,电子设备1000可以向推荐模型(AI模型)1300输入受检者的信息1901(例如,体重,年龄,性别,受试部位(test site),造影剂的注射)和X射线设备的识别信息1902(例如,类型,型号信息,产品编号等)。推荐模型1300可以存储在医疗信息管理服务器300或电子设备1000的存储器1050中。推荐模型1300可以通过训练从各种专科医院或各种放射科医师获得的X射线图像和相关配置信息来不断修改或优化。
例如,电子设备1000可以向推荐模型1300输入受检者的体重信息(例如,100kg),受检者的性别信息(例如,男性),受检者的受试部位(胸部)以及X射线设备的识别码。
在这种情况下,推荐模型1300可以通过使用剂量和图像质量作为参考1903从X射线设备的扫描协议之中获得用于扫描具有100kg体重的男性的胸部X射线图像的扫描协议。每个获得的扫描协议可以包括确保高于预定水平的图像质量的配置参数。此外,每个获得的扫描协议可以包括具有临界范围的预测剂量的配置参数。由于kVP值,mA值,msec值,AEC值等可能影响剂量,因此每个扫描协议中包括的kVP值,mA值,msec值和AEC值的组合不一样。推荐模型1300可以将包括获得的扫描协议的列表1900传送到电子设备1000的处理器1040。
电子设备1000可以在屏幕上显示从推荐模型1300获得的扫描协议的列表1900。列表1900可以包括每个扫描协议的标识符1910并且可以包括表示对应于每个扫描协议的剂量的图像1920。
电子设备1000可以在扫描协议的列表1900中显示具有最小剂量的第一扫描协议1911作为推荐信息。例如,电子设备1000可以显示可视指示符以将第一扫描协议1911与其他扫描协议区分开。例如,电子设备1000可以以特定颜色表示第一扫描协议1911,在第一扫描协议1911周围显示边界线,或者在第一扫描协议1911附近显示特定图像(例如,星形图像),等等但不限于此。
图20是用于说明根据实施例的电子设备1000显示推荐信息的操作的示图。
如图20所示,电子设备1000可以在屏幕上将第一扫描协议1911中包括的配置参数2000显示为推荐信息。根据实施例,电子设备1000可以通过在GUI上显示配置参数2000,经由GUI从用户接收关于配置参数2000的附加调整输入。
第一扫描协议1911中包括的配置参数2000可以包括但不限于kVp值2001,mA值2002和msec值2003。例如,第一扫描协议1911中包括的kVp值2001可以是7500,mA值2002可以是3300,并且msec值2003可以是2150。用户可以经由GUI确认由AI模型推荐的配置参数2001,2002和2003。
图21是用于说明根据实施例的一起提供先前定义在医疗设备中的配置信息和推荐配置信息的电子设备1000的操作的示图。
如图21所示,电子设备1000可以通过短程通信从X射线设备接收先前设置在X射线设备中的当前配置信息2110。电子设备1000可以将先前设置在X射线设备中的当前配置信息2110以及由推荐模型1300推荐的配置信息2120一起显示。
根据实施例,当前配置信息2110可以包括为先前受检者的图像扫描设置的参数值。例如,当先前的受检者是体重为50kg的女性时,当前配置信息2110中包括的配置参数可以具有kVp值7500,mA值3200以及msec值2000。然而,由于当前受检者是体重100kg的男性,因此由推荐模型1300推荐的配置信息2120中包括的第二配置参数具有kVp值7500,mA值3300和msec值2150。根据实施例,随着受检者体重增加,mA值和msec值会增加。
当当前配置信息2110中包括的第一配置参数应用于X射线设备的图像扫描时,电子设备1000可以确定影响受检者的预期第一剂量,并且当推荐配置信息2120中包括的第二配置参数应用于X射线设备的图像扫描时,电子设备1000可以确定影响受检者的预期的第二剂量。
电子设备1000可以显示预期的第一剂量和预期的第二剂量以及当前配置信息2110和推荐配置信息2120。例如,电子设备1000可以在第一条形图2131中显示与当前配置信息2110相对应的预期的第一剂量。此外,电子设备1000可以在第二条形图2132中显示与推荐配置信息2120相对应的预期的第二剂量的范围。
由于推荐配置信息2120中包括的mA值和msec值稍微高于当前配置信息2110的mA值和msec值,因此第二条形图2132可以比第一条形图2131更长。
电子设备1000的用户(例如,放射科医师)可以检查推荐配置信息2120和与推荐配置信息2120相对应的期望的第二剂量,并触摸用于将当前配置信息2110改变为推荐配置信息2120的按钮(例如,更新按钮)2140。当接收到触摸按钮2140的输入时,电子设备1000可以向X射线设备发送控制命令,以将当前配置信息2110改变为推荐配置信息2120。X射线设备可以根据控制命令将当前配置信息2110改变为推荐配置信息2120,并根据推荐配置信息2120对当前受检者进行图像扫描。
尽管图21将电子设备1000示出为以条形图的形式来表示预期的剂量,但是本公开不限于此。例如,电子设备1000可以以数值,圆形图的形式或竖直条形图的形式来表示预期的剂量。
图22是用于说明根据实施例的向医疗信息管理服务器300提供用户的个性化训练数据的电子设备的操作的示图。
如图22中所示,电子设备1000的第一用户可以接受推荐配置信息2120中包括的配置参数中的kVp值2210和mA值2220,并且改变msec值2230。例如,电子设备1000可以接收第一用户的触摸输入,其将推荐配置信息2120中包括的msec值2230从“2150”改变为“2000”。如图22中所示,第一用户可以使用箭头图标来减小msec值2230。可替换地,第一用户可以将该msec值2230直接输入为“2000”。
当接收到改变推荐配置信息2120的第一用户输入时,电子设备1000可以将与改变后的配置信息2200相关联的信息发送到医疗信息管理服务器300。例如,电子设备1000可以向医疗信息管理服务器300发送第一用户已经接受了kVp值2210和mA值2220并且没有接受msec值2230的信息。电子设备1000还可以向医疗信息管理服务器300由第一用户改变的msec值(例如,2000)。
医疗信息管理服务器300可以通过使用改变的配置信息2200作为个性化训练数据来修改或优化推荐模型1300以推荐适合于第一用户的配置信息。在下文中,将参照图23描述修改或优化的推荐模型1300以推荐适用于第一用户的配置信息的操作。
图23是用于说明根据实施例的为不同用户提供不同推荐配置参数的电子设备1000的操作的示图。
如图23中所示,即使当相同的受检者的信息2301和相同的X射线设备的识别信息2302被输入到推荐模型1300时,推荐模型1300也可以根据电子设备1000的用户推荐不同的配置信息。
例如,第一用户的第一电子设备1000-1可以从推荐模型1300接收第一配置参数作为推荐信息,并且第二用户的第二电子设备1000-2可以从推荐模型1300接收第二配置参数作为推荐信息。在这种情况下,第一电子设备1000-1可以将第一配置参数显示给第一用户作为推荐信息,并且第二电子设备1000-2可以将第二配置参数显示给第二用户作为推荐信息。第一电子设备1000-1上显示的第一配置参数中包括的msec值可以是“2000”,而第二电子设备1000-2上显示的第二配置参数中包括的msec值可以是“2150”。
推荐模型1300可能先前已经为第一用户推荐了msec值2150。然而,当第一用户多次改变msec值时,推荐模型1300可以考虑第一用户优选的设置值来推荐第一配置参数。换句话说,推荐模型1300可以使用从第一用户接收的反馈信息来更新模型。以这种方式,推荐模型1300可以基于用户的历史偏好输出更准确地与第一用户的偏好一致的推荐参数。
图24是用于说明根据实施例的由电子设备1000执行的基于比吸收率(SAR)向MRI设备提供与图像扫描相关的配置信息的方法的流程图。
在操作S2410中,电子设备1000可以获得受检者的信息和医疗设备1100的识别信息。操作S2410对应于图16中的操作S1610。因此,将省略其详细描述。
在操作S2420中,电子设备1000可以基于医疗设备1100的识别信息来确定医疗设备1100是否是MRI设备。
例如,电子设备1000可以从医疗设备1100接收表示MRI设备的代码。可选地,电子设备1000可以基于医疗设备1100的产品型号、产品型号名称和/或类似物来确定医疗设备1100是MRI设备,但不限于此。例如,电子设备1000可以经由图形用户界面(GUI)从用户接收将医疗设备1100设置为MRI设备的输入。
在操作S2430中,当医疗设备1100是MRI设备时(S2410-是),电子设备1000可以获得与受检者的信息相对应的多个扫描协议的列表。在这种情况下,多个扫描协议中的每一个可以是MRI设备的扫描协议。此外,多个扫描协议中的每一个可以是用于获得具有超过预定水平的图像质量的MR图像的扫描协议。
例如,电子设备1000可以从医疗信息管理服务器300获得与受检者的受试部位,受检者的年龄和/或受检者的体重匹配的扫描协议的列表。可选地,电子设备1000可以使用存储在存储器1050中的AI模型获得与受检者的受试部位,受检者的年龄和/或受检者的体重匹配的扫描协议的列表。
在操作S2440中,电子设备1000可以基于SAR将多个扫描协议中的第一扫描协议识别为推荐信息。例如,电子设备1000可以将在多个扫描协议中具有最小SAR的第一扫描协议识别为推荐信息。
在操作S2450中,电子设备1000可以在显示器1010上将第一扫描协议显示为推荐信息。
根据实施例,电子设备1000可以将根据第一扫描协议执行图像扫描时预期的第一SAR与第一扫描协议一起显示。电子设备1000的用户(例如,放射科医师)可以将显示的第一扫描协议识别为推荐信息并且确定是否将第一扫描协议应用于MRI设备。
根据实施例,当MRI设备应用第一扫描协议时,可以获得适当图像质量的MR图像,同时最小化电磁波的负面影响。以下,参照图25至图27,将更详细地描述电子设备1000向MRI设备提供与图像扫描相关的配置信息的操作。
图25是用于说明根据实施例的提供与MRI设备相关的GUI的电子设备1000的操作的示图。
参照图25,电子设备1000可以在显示器1010上显示与MRI设备相关的GUI。与MRI设备相关的GUI可以包括但不限于协议区域2501,参数区域2502,患者信息显示区域2503,MR图像显示区域和/或等等。
根据实施例,与MRI设备相关的GUI可以显示用于AI推荐的按钮2500。当用户期望从AI模型接收配置信息的推荐时,用户可以触摸按钮2500。在这种情况下,电子设备1000可以将受检者的信息和MRI设备的识别信息作为输入数据提供给AI模型。将参照图26详细描述基于输入数据生成多个扫描协议的列表的AI模型的操作。
图26是用于说明根据实施例的在GUI上显示扫描协议的列表的电子设备1000的操作的示图。
如图26所示,作为AI模型的推荐模型1300可以接收受检者的信息2601(例如,体重,年龄,性别,受试部位,造影剂的注射等)和MRI设备的识别信息2602(例如,类型,型号信息,产品编号等)作为输入数据。例如,电子设备1000可以向推荐模型1300输入受检者的体重信息(例如,20kg),受检者的性别信息(例如,女性),受检者的年龄(8岁),受检者的受试部位(胸部),MRI设备的识别码。
在这种情况下,推荐模型1300可以通过使用SAR和图像质量作为参考2603从MRI设备的扫描协议中获得用于扫描体重30kg的儿童的胸部并且生成MR图像的扫描协议。每个获得的扫描协议的可以包括提供图像质量超过预定水平的配置参数。此外,每个获得的扫描协议可以包括具有临界范围的预期SAR的配置参数。根据实施例,由于TR(重复时间),TE(回波时间),带宽,视场(FOV),频率编码,翻转角和切片厚度可能影响SAR,因此每个获得的扫描协议中包括的回波时间(TE),视场(FOV),频率编码,翻转角和切片厚度值可以不同。推荐模型1300可以将包括获得的扫描协议的列表2600传送到电子设备1000的处理器1040。
电子设备1000可以在GUI的协议区域2501上显示从推荐模型1300获得的扫描协议的列表2600。列表2600可以包括表示每个扫描协议的标识符。尽管在图26中未示出,列表2600可以显示对应于每个扫描协议的SAR。
电子设备1000可以高亮并显示扫描协议列表2600中具有最小SAR的第一扫描协议2604作为推荐信息。例如,电子设备1000可以显示可视指示符以将第一扫描协议2604与其他扫描协议区分开。例如,电子设备1000可以以特定颜色显示第一扫描协议2604,在第一扫描协议2604周围显示边界线或者与第一扫描协议2604相关联地显示特定图像(例如,星形图像),和/或等等,但不限于此。
图27是用于说明根据实施例的在GUI上显示推荐配置参数和SAR的电子设备的操作的示图。
如图27所示,电子设备1000可以在GUI的参数区域2502上显示对应于第一扫描协议2604的第一配置参数2700。例如,包括在第一配置参数2700中的TR值2702可以是90000h毫秒(ms),并且切片厚度值2701可以是4.0毫米(mm)。根据实施例,可以经由GUI从用户接收对第一配置参数2700的附加调整输入。例如,用户可以将TR值2702调整为小于9000ms。
根据实施例,电子设备1000可以在患者信息显示区域2503上显示对应于第一配置参数2700的第一SAR 2703。在这种情况下,电子设备1000的用户可以确认第一SAR2703并且确定是否接受第一配置参数2700。当从用户接收到接受第一配置参数2700的输入时,电子设备1000可以将第一扫描协议2604和第一配置参数2700发送到MRI设备。
MRI设备可以应用第一扫描协议2604和第一配置参数2700来执行图像扫描以获得受检者的最佳MR图像。
图28是用于说明根据实施例的由电子设备1000执行的向超声设备提供与图像扫描相关的配置信息的方法的示图。
在操作S2810中,电子设备1000可以获得受检者的信息和医疗设备1100的识别信息。操作S2810对应于图16中的操作S1610。因此,将省略其详细描述。
在操作S2820中,电子设备1000可以基于医疗设备1100的识别信息来确定医疗设备1100是否是超声设备。
例如,电子设备1000可以从医疗设备1100接收代表超声设备的代码。可选地,电子设备1000可以基于产品型号或产品型号名称等等来确定医疗设备1100是超声设备,但不限于此。可替换地,电子设备1000可以经由图形用户界面(GUI)从用户接收设置医疗设备1100为超声设备的输入。
在操作S2830中,当医疗设备1100是超声设备时(S2820-是),电子设备1000可以获得与受检者的信息相对应的多个配置信息的列表。在这种情况下,多个配置信息中的每一个可以是用于超声设备的配置信息。此外,多个配置信息中的每一个可以包括用于获得具有高于预定水平的图像质量的超声图像的配置参数。
例如,电子设备1000可以从医疗信息管理服务器300获得与受检者的测试区域,受检者的年龄和/或受检者的体重匹配的多个配置信息的列表。可选地,电子设备1000可以使用存储在存储器1050中的AI模型获得受检者的测试区域,受检者的年龄和/或受检者的体重。
在操作S2840中,电子设备1000可以基于机械指数(MI)或热指数(TI)将多个配置信息的列表中的第一配置信息识别为推荐信息。第一配置信息可以包括多个配置参数,但是不限于此。第一配置信息可以包括一个配置参数。
超声设备提高从脉冲发生器输出的超声波信号的传输电压,以更精确地诊断对象。随着传输电压的增加,图像的灵敏度提高,而MI,TI或声压(由穿过介质的超声波引起的压力)增加。因此,电子设备1000可以将考虑了MI或TI使得医疗设备1100能够获得适当图像质量的超声图像的第一配置信息识别为推荐信息。
例如,电子设备1000可以从多个配置信息中识别具有最小预期MI或TI的第一配置信息识别为推荐信息。
在操作S2850中,电子设备1000可以在显示器1010上显示第一配置信息作为推荐信息。
根据实施例,电子设备1000可以将在根据第一配置信息执行图像扫描时预期的MI或TI与第一配置信息一起显示。电子设备1000的用户(例如,超声医师)可以确认被显示的第一配置信息为推荐信息的并且确定是否将第一配置信息应用于超声设备。
根据实施例,电子设备1000可以将先前设置在超声设备中的第二配置信息以及推荐的第一配置信息一起显示。此外,电子设备1000可以显示对应于第一配置信息的第一MI图(或第一TI图)和对应于第二配置信息的第二MI图(或第二TI图)。
根据实施例,当超声设备应用第一配置信息时,可以获得具有满足预定阈值的图像质量的超声图像,同时最小化超声波的负面影响。以下,参照图29和30,将更详细地描述向超声设备提供与图像扫描相关的配置信息的电子设备1000的操作。
图29是用于说明根据实施例的基于MI或TI显示推荐配置参数的电子设备1000的操作的示图。
根据实施例,电子设备1000可以向推荐模型(AI模型)1300输入受检者的信息2901(例如,体重,年龄,性别,受试部位,造影剂的注射)和超声设备的识别信息2902(例如,类型,模型信息,产品编号等)。推荐模型1300可以存储在医疗信息管理服务器300或电子设备1000的存储器1050中。推荐模型1300可以使用与从各种专科医院或各种超声医师获得的超声图像以及相关配置信息对应的训练数据被不断地修改或者优化。
例如,电子设备1000可以向推荐模型1300输入受检者的体重信息(例如80kg),受检者的性别信息(例如,男性),受检者的受试部位(腹部)以及超声设备的识别码。在这种情况下,推荐模型1300可以通过使用MI(或TI)和图像质量作为参考2903来获得用于扫描体重为80kg的男性的腹部并且获得超声图像的多个配置信息。获得的多个配置信息可以包括提供高于预定水平的图像质量的配置参数。此外,获得的多个配置信息可以包括具有临界范围的预期MI或TI的配置参数。推荐模型1300可以将多个配置信息中具有最小预期MI/TI的第一配置信息识别为推荐信息。推荐模型1300可以将第一配置信息传送给电子设备1000的处理器1040。
电子设备1000可以在屏幕上显示由推荐模型1300推荐的第一配置信息。例如,第一配置信息中包括的功率值可以是90。此外,电子设备1000可以同时显示当前设置在超声设备中的第二配置信息和第一配置信息,使得第二配置信息与推荐的第一配置信息进行比较。将参照图30描述电子设备1000同时显示推荐配置信息和当前配置信息的操作。
图30是用于说明根据实施例的一起提供先前设置在超声设备中的当前配置信息3010和推荐配置信息3020的电子设备1000的操作的示图。
参照图30,电子设备1000可以通过短程通信从超声设备接收先前设置在超声设备中的当前配置信息3010。电子设备1000可以将先前设置在超声设备中的当前配置信息3010与由推荐模型1300推荐的配置信息3020一起显示。
根据实施例,当前配置信息3010可以包括设置用于扫描先前受检者的超声图像的参数值。例如,当前配置信息3010中包括的第一功率值3011可以是90。当第一功率值3011是90时,MI值可以高达1.5。因此,推荐模型1300可以推荐稍微低于当前功率值的值,以达到可以保持特定图像质量的程度。例如,由推荐模型1300推荐的配置信息3020中包括的第二功率值可以是70。
根据实施例,电子设备1000可以在屏幕上显示在当前配置信息3010中包括的第一配置参数被应用于超声设备的图像扫描时的第一预期MI,以及在推荐配置信息3020中包括的第二配置参数被应用于超声设备的图像扫描时的第二预期MI。
例如,电子设备1000可以显示表示与当前配置信息3010相邻的与当前配置信息3010相对应的第一MI的第一MI图3012。电子设备1000还可以显示表示与推荐配置信息3020相邻的与推荐配置信息3020相对应的第二MI的第二MI图3022。由于第一功率值3011大于第二功率值3021,因此第一MI图3012可以比第二MI图3022更凸。用户可以将第一MI图3012和第二MI图3022进行比较,以直观地知道根据推荐配置信息3020对受检者的负面影响小于根据当前配置信息3010对受检者的负面影响。
当从用户接收到接受推荐配置信息3020的输入时,电子设备1000可以将推荐配置信息3020发送到超声设备。根据实施例,从电子设备1000发送到超声设备的配置信息3020可由使用熟练专业人员(例如,放射科医师、医生、超声工作者和/或等等)所设置的设置值训练的AI模型来推荐,并且因此超声设备可以使用推荐配置信息3020来执行适合于受检者的最佳超声图像扫描。因此,超声设备可以获得高质量超声图像,同时减小对受检者的负面影响。
根据本公开,可以在拍摄医学图像时设置最佳扫描协议信息,并且因此可以获得质量改善的医学图像。
此外,由于用户可以经由电子设备设置扫描协议信息,因此用户可以在扫描室中设置医疗设备的扫描协议而不必移动到控制台所在的操作室,并且因此获得医学图像的工作流程可以缩短。特别是在紧急情况下,用户可以在患者附近设置即时扫描协议,这可以快速响应并持续观察患者,并为患者提供安全感。
此外,由于电子设备执行控制台的功能,因此可以在不区分操作室和扫描室的情况下实现新的工作环境,并且可以通过使用一个电子设备来设置多个医疗设备的扫描协议,从而可以大大提高用户的便利性。
应该理解,在此描述的实施例应该仅被认为是描述性的而不是为了限制的目的。在每个实施例中的特征或方面的描述通常应该被认为可用于其他实施例中的其它类似特征或方面。
虽然参照附图描述了一个或多个实施例,但是本领域普通技术人员应该理解,在不脱离由所附权利要求限定的范围的情况下,可以在其中进行形式和细节上的各种改变。
Claims (15)
1.一种用于向医疗设备提供与图像扫描相关的配置信息的电子设备,所述电子设备包括:
至少一个处理器;以及
存储器,电连接到至少一个处理器并存储指令,
其中,至少一个处理器被配置为执行指令以:
获得医疗设备的识别信息和与受检者的信息相对应的多个配置信息的列表;
基于负面指数,从多个配置信息的列表中识别第一配置信息作为推荐信息;以及
在显示器上显示被识别为推荐信息的第一配置信息。
2.根据权利要求1所述的电子设备,其中,至少一个处理器还被配置为执行指令以,获得多个配置信息的列表,并且经由基于由多个放射科医师拍摄的医学图像训练的人工智能模型将第一配置信息识别为推荐信息。
3.根据权利要求1所述的电子设备,其中,受检者的信息包括受检者的体重信息、年龄信息、性别信息、与受检者的受试部位相关联的信息以及与造影剂的注射相关的信息中的至少一个。
4.根据权利要求1所述的电子设备,其中,所述负面指数指示受检者受到负面影响的程度并且包括剂量、比吸收率(SAR)、机械指数(MI)和热指数(TI)中的至少一个。
5.根据权利要求1所述的电子设备,其中,至少一个处理器还被配置为执行指令以:
使用通信接口将受检者的信息和医疗设备的识别信息发送给医疗信息管理服务器;以及
从医疗信息管理服务器接收使用人工智能模型生成的多个配置信息的列表。
6.根据权利要求1所述的电子设备,
其中,多个配置信息的列表包括多个扫描协议,所述多个扫描协议中的每一个包括多个配置参数,以及
其中,至少一个处理器还被配置为执行指令以在显示器上显示与第一配置信息相对应的第一扫描协议中包括的第一配置参数。
7.根据权利要求1所述的电子设备,其中,至少一个处理器还被配置为执行指令以显示对于第一配置信息的可视指示符,其中,第一配置信息在多个配置信息的列表上被识别。
8.根据权利要求6所述的电子设备,其中,至少一个处理器还被配置为执行指令以通过生成包括在与受检者的信息和医疗设备的识别信息相对应的扫描协议中、使医学图像的图像质量等于或大于阈值的至少两个扫描协议的列表来获得多个配置信息的列表。
9.根据权利要求1所述的电子设备,其中,至少一个处理器还被配置为执行指令以:
从医疗设备获得先前定义在医疗设备中的第二配置信息;以及
将第一配置信息和第二配置信息一起显示。
10.根据权利要求9所述的电子设备,其中,至少一个处理器还被配置为执行指令以提供与对应于第一配置信息的第一负面指数相关联的信息和与对应于第二配置信息的第二负面指数相关联的信息。
11.根据权利要求1所述的电子设备,其中,至少一个处理器还被配置为执行指令以识别多个配置信息的列表中包括的扫描协议当中具有最低值的负面指数的第一扫描协议作为推荐信息。
12.根据权利要求1所述的电子设备,其中,至少一个处理器还被配置为执行指令以基于用户输入将第一配置信息发送到医疗设备。
13.一种向医疗设备提供与图像扫描相关的配置信息的由电子设备执行的方法,所述方法包括:
获得与受检者的信息相对应的多个配置信息的列表和医疗设备的识别信息;
基于负面指数,从多个配置信息的列表中识别第一配置信息作为推荐信息;以及
在显示器上显示识别为推荐信息的第一配置信息。
14.根据权利要求13所述的方法,其中所述获得和所述识别是由基于多个放射科医师所捕获的医学图像训练的人工智能模型执行的。
15.一种包括非暂时性计算机可读存储介质的计算机程序产品,其中,所述非暂时性计算机可读存储介质存储指令,当所述指令被处理器执行时使得所述处理器:
获得与受检者的信息相对应的多个配置信息的列表和医疗设备的识别信息;
基于负面指数,从多个配置信息的列表中识别第一配置信息作为推荐信息;以及
在显示器上显示识别为推荐信息的第一配置信息。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20170059346 | 2017-05-12 | ||
KR10-2017-0059346 | 2017-05-12 | ||
KR1020180023894A KR20180124704A (ko) | 2017-05-12 | 2018-02-27 | 의료 장치로 스캔 프로토콜 정보 제공 방법 및 이를 위한 전자 장치 |
KR10-2018-0023894 | 2018-02-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108877911A true CN108877911A (zh) | 2018-11-23 |
Family
ID=62148145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810449972.7A Pending CN108877911A (zh) | 2017-05-12 | 2018-05-11 | 向医疗设备提供扫描协议信息的方法和电子设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180330818A1 (zh) |
EP (1) | EP3401918A1 (zh) |
CN (1) | CN108877911A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109717885A (zh) * | 2018-12-30 | 2019-05-07 | 上海联影医疗科技有限公司 | 扫描模式选择方法、装置、医学成像设备和存储介质 |
CN110364248A (zh) * | 2019-07-02 | 2019-10-22 | 复旦大学附属中山医院 | 基于深度学习的多模态成像扫描协议推荐方法及系统 |
CN111291349A (zh) * | 2020-01-20 | 2020-06-16 | 上海至数企业发展有限公司 | 一种医疗设备数据归集装置 |
WO2020199167A1 (zh) * | 2019-04-03 | 2020-10-08 | 深圳迈瑞生物医疗电子股份有限公司 | 接入控制方法、接入控制设备及电子设备 |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10806334B2 (en) * | 2017-02-28 | 2020-10-20 | Verily Life Sciences Llc | System and method for multiclass classification of images using a programmable light source |
EP3396572A1 (de) * | 2017-04-24 | 2018-10-31 | Siemens Healthcare GmbH | Verfahren zum betrieb einer bildaufnahmeeinrichtung, bildaufnahmeeinrichtung, computerprogramm und elektronisch lesbarer datenträger |
US11253221B2 (en) * | 2017-06-01 | 2022-02-22 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for configuring medical device |
WO2019243344A1 (en) * | 2018-06-22 | 2019-12-26 | Koninklijke Philips N.V. | Ultrasound lesion assessment and associated devices, systems, and methods |
EP3696819A1 (en) * | 2019-02-13 | 2020-08-19 | Siemens Healthcare GmbH | Calculation of diagnostic similarity between different mr protocols |
CN109871829B (zh) * | 2019-03-15 | 2021-06-04 | 北京行易道科技有限公司 | 一种基于深度学习的检测模型训练方法和装置 |
JP6651189B1 (ja) | 2019-03-29 | 2020-02-19 | 株式会社 情報システムエンジニアリング | 機械学習用のデータ構造、学習方法及び情報提供システム |
JP7272149B2 (ja) * | 2019-07-08 | 2023-05-12 | コニカミノルタ株式会社 | 選択支援システム及びプログラム |
EP3800480B1 (de) * | 2019-10-01 | 2023-11-29 | Siemens Healthcare GmbH | Konvertierung eines mr-messprotokolls |
DE102019126461A1 (de) * | 2019-10-01 | 2021-04-01 | Karl Storz Se & Co. Kg | Verfahren und System zur Verarbeitung von optimierten Parametern |
US11769587B2 (en) * | 2019-10-08 | 2023-09-26 | GE Precision Healthcare LLC | Systems and methods to configure, program, and personalize a medical device using a digital assistant |
JP6710387B1 (ja) * | 2019-10-31 | 2020-06-17 | 株式会社 情報システムエンジニアリング | 情報提供システム |
DE102019218156A1 (de) * | 2019-11-25 | 2021-05-27 | Siemens Healthcare Gmbh | Vergleichen von Protokollen von bildgebenden medizintechnischen Vorrichtungen |
EP4066260A4 (en) * | 2019-11-29 | 2024-03-13 | GE Precision Healthcare LLC | AUTOMATIC LOGGING IN MEDICAL IMAGING SYSTEMS |
US11908568B2 (en) | 2020-10-22 | 2024-02-20 | Canon Medical Systems Corporation | System and methods for radiographic image quality assessment and protocol optimization |
DE102020213920A1 (de) | 2020-11-05 | 2022-05-05 | Siemens Healthcare Gmbh | MR-Scanner Steuerung |
CN112995172B (zh) * | 2021-02-24 | 2022-09-09 | 合肥优尔电子科技有限公司 | 物联网设备和物联网平台之间对接的通信方法及通信系统 |
US20230154594A1 (en) * | 2021-11-15 | 2023-05-18 | GE Precision Healthcare LLC | Systems and methods for protocol recommendations in medical imaging |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102576387A (zh) * | 2009-10-22 | 2012-07-11 | 皇家飞利浦电子股份有限公司 | 扫描参数策略 |
US20120271840A1 (en) * | 2011-04-25 | 2012-10-25 | General Electric Company | Systems and methods for storing and providing scan protocol information |
US20130311472A1 (en) * | 2011-02-04 | 2013-11-21 | Koninklijke Philips N.V. | Imaging protocol update and/or recommender |
CN103654780A (zh) * | 2012-09-26 | 2014-03-26 | 三星电子株式会社 | 医学成像设备及其控制方法 |
CN103984692A (zh) * | 2013-02-08 | 2014-08-13 | 三星电子株式会社 | 推荐面板提供方法和设备和推荐项目提供方法和服务器 |
CN104025100A (zh) * | 2011-12-30 | 2014-09-03 | 皇家飞利浦有限公司 | 成像检查协议更新推荐器 |
CN104487974A (zh) * | 2012-06-01 | 2015-04-01 | 皇家飞利浦有限公司 | 用于将患者信息与临床标准进行匹配的系统和方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7078899B2 (en) * | 2003-05-15 | 2006-07-18 | Case Western Reserve University | Pareto-optimal magnetic resonance data acquisition |
US9579041B2 (en) * | 2012-05-24 | 2017-02-28 | Toshiba Medical Systems Corporation | Semi-automated non-contrast magnetic resonance angiography (MRA) |
US10475537B2 (en) * | 2013-06-12 | 2019-11-12 | University Health Network | Method and system for automated quality assurance and automated treatment planning in radiation therapy |
EP3010585B1 (en) * | 2013-06-18 | 2018-05-09 | Duke University | Systems and methods for specifying treatment criteria and treatment parameters for patient specific radiation therapy planning |
-
2018
- 2018-05-09 EP EP18171420.5A patent/EP3401918A1/en not_active Withdrawn
- 2018-05-10 US US15/976,140 patent/US20180330818A1/en not_active Abandoned
- 2018-05-11 CN CN201810449972.7A patent/CN108877911A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102576387A (zh) * | 2009-10-22 | 2012-07-11 | 皇家飞利浦电子股份有限公司 | 扫描参数策略 |
US20130311472A1 (en) * | 2011-02-04 | 2013-11-21 | Koninklijke Philips N.V. | Imaging protocol update and/or recommender |
US20120271840A1 (en) * | 2011-04-25 | 2012-10-25 | General Electric Company | Systems and methods for storing and providing scan protocol information |
CN104025100A (zh) * | 2011-12-30 | 2014-09-03 | 皇家飞利浦有限公司 | 成像检查协议更新推荐器 |
CN104487974A (zh) * | 2012-06-01 | 2015-04-01 | 皇家飞利浦有限公司 | 用于将患者信息与临床标准进行匹配的系统和方法 |
CN103654780A (zh) * | 2012-09-26 | 2014-03-26 | 三星电子株式会社 | 医学成像设备及其控制方法 |
CN103984692A (zh) * | 2013-02-08 | 2014-08-13 | 三星电子株式会社 | 推荐面板提供方法和设备和推荐项目提供方法和服务器 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109717885A (zh) * | 2018-12-30 | 2019-05-07 | 上海联影医疗科技有限公司 | 扫描模式选择方法、装置、医学成像设备和存储介质 |
WO2020199167A1 (zh) * | 2019-04-03 | 2020-10-08 | 深圳迈瑞生物医疗电子股份有限公司 | 接入控制方法、接入控制设备及电子设备 |
CN110364248A (zh) * | 2019-07-02 | 2019-10-22 | 复旦大学附属中山医院 | 基于深度学习的多模态成像扫描协议推荐方法及系统 |
CN111291349A (zh) * | 2020-01-20 | 2020-06-16 | 上海至数企业发展有限公司 | 一种医疗设备数据归集装置 |
CN111291349B (zh) * | 2020-01-20 | 2023-05-05 | 上海至数企业发展有限公司 | 一种医疗设备数据归集装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3401918A1 (en) | 2018-11-14 |
US20180330818A1 (en) | 2018-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108877911A (zh) | 向医疗设备提供扫描协议信息的方法和电子设备 | |
KR102225984B1 (ko) | 음성 인식 서비스를 제공하는 서버 | |
WO2021036695A1 (zh) | 一种待标注图像确定的方法、模型训练的方法及装置 | |
CN109492675B (zh) | 医学影像的识别方法、装置、存储介质和电子设备 | |
WO2022212883A1 (en) | Motion engine | |
US11107212B2 (en) | Methods and systems for displaying a region of interest of a medical image | |
US11575783B2 (en) | Electronic apparatus and control method thereof | |
US20200327986A1 (en) | Integrated predictive analysis apparatus for interactive telehealth and operating method therefor | |
US11270565B2 (en) | Electronic device and control method therefor | |
CN107278138A (zh) | 能够自动识别待测量的身体部位的电子装置以及电子装置的身体组分测量方法 | |
CN110301013A (zh) | 用于手术室中的预测性工作流程的增强现实 | |
KR20150121940A (ko) | 의료 기기와 관련된 정보 제공 방법 및 시스템 | |
Banos et al. | Mining minds: an innovative framework for personalized health and wellness support | |
CN113257383B (zh) | 匹配信息确定方法、显示方法、装置、设备及存储介质 | |
CN110476150A (zh) | 用于操作语音辨识服务的方法和支持其的电子装置 | |
KR102394758B1 (ko) | 데이터의 특징점을 취합하여 기계 학습하는 방법 및 장치 | |
CN110326276A (zh) | 用于提供与用户的活动模式相关的其他人的活动信息的方法及其电子设备 | |
CN105493133A (zh) | 在超声成像中共享信息的方法 | |
CN110210234A (zh) | 转诊时医疗信息的迁移方法、装置、计算机设备和存储介质 | |
CN110535820A (zh) | 针对恶意域名的分类方法、装置、电子设备及介质 | |
KR20210141197A (ko) | 원격 진료를 위한 증강현실 인터페이스 제공 방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 | |
CN107079248A (zh) | 设备及控制该设备的方法 | |
US10909472B2 (en) | Utilizing radio signal emitting devices on fabric items to control temperature | |
KR20200028089A (ko) | 전자 장치 및 그의 제어방법 | |
KR102151006B1 (ko) | 상품 별 쇼핑 정보 제공 방법 및 이를 수행하는 전자기기 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181123 |
|
WD01 | Invention patent application deemed withdrawn after publication |