CN109659026A - 人工智能的病种分析方法及装置、存储介质、计算机设备 - Google Patents

人工智能的病种分析方法及装置、存储介质、计算机设备 Download PDF

Info

Publication number
CN109659026A
CN109659026A CN201811280447.3A CN201811280447A CN109659026A CN 109659026 A CN109659026 A CN 109659026A CN 201811280447 A CN201811280447 A CN 201811280447A CN 109659026 A CN109659026 A CN 109659026A
Authority
CN
China
Prior art keywords
disease
disease kind
kind analysis
analysis
request
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
CN201811280447.3A
Other languages
English (en)
Inventor
韦政勤
罗裕期
陈定
陈定一
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201811280447.3A priority Critical patent/CN109659026A/zh
Priority to PCT/CN2019/073293 priority patent/WO2020087792A1/zh
Publication of CN109659026A publication Critical patent/CN109659026A/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2133—Verifying human interaction, e.g., Captcha

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computer Security & Cryptography (AREA)
  • Bioethics (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请公开了一种人工智能的病种分析方法及装置、存储介质、计算机设备，涉及人工智能技术领域，可以有效解决现有技术中AI病种分析类型单一的问题。其中方法包括：接收AI用户终端发送的AI病种分析请求，AI病种分析请求中携带有待分析病种对应的病种类型信息和患者检查信息；查询与病种类型信息对应支持分析的AI分析设备；将AI病种分析请求转发给AI分析设备，以使得AI分析设备根据患者检查信息进行AI病种分析，得到AI病种分析结果；接收AI分析设备发送的AI病种分析结果，并对AI病种分析结果进行整合过滤处理；将整合过滤处理后的AI病种分析结果转发给AI用户终端。本申请适用于AI病种的分析。

Description

人工智能的病种分析方法及装置、存储介质、计算机设备
技术领域
本申请涉及人工智能技术领域，尤其是涉及到一种人工智能的病种分析方法及装置、存储介质、计算机设备。
背景技术
人工智能(Artificial Intelligence，AI)里的“深度学习”算法，最擅长的就是“图像识别和分析”。早期能够识别出图像里的猫，也就是说，给一批具有病症的医学图像，通过学习，机器就知道这个图片是不是异常图片，是不是很有可能患了某种疾病。而很多医学检测，判断是否有某种疾病时候，很多都要依靠对医学影像来进行，这么一来，人工智能就有了用武之地。
目前现有AI病种分析方式基本上都是封闭的系统，具体由单一的AI病种分析团队(即AI分析设备)为每个AI用户终端(如医院、门诊、体检中心等)提供AI病种分析结果。
然而，在封闭的系统下，不同的AI病种分析团队之间没有联系，每个AI病种分析团队能够分析的病种类型十分有限，比如有的AI病种分析团队只支持肺结节筛查，而有的AI病种分析团队仅支持糖网筛查等。导致单一的AI病种分析团队不能满足不同AI用户终端的多种AI病种分析需求，进而造成现有的AI病种分析方式可支持分析的病种类型比较单一，从而不能提供精确的AI病种分析结果。
发明内容
有鉴于此，本申请提供了一种人工智能的病种分析方法及装置、存储介质、计算机设备，主要目的在于解决当下单一封闭的AI病种分析团队，分析病种类型有限，无法满足不同AI用户终端的多种AI病种分析需求的问题。
根据本申请的一个方面，提供了一种人工智能的病种分析方法，该方法包括：
接收AI用户终端发送的AI病种分析请求，所述AI病种分析请求中携带有待分析病种对应的病种类型信息和患者检查信息；
查询与所述病种类型信息对应支持分析的AI分析设备；
将所述AI病种分析请求转发给所述AI分析设备，以使得所述AI分析设备根据所述患者检查信息进行AI病种分析，得到AI病种分析结果；
接收所述AI分析设备发送的所述AI病种分析结果，并对所述AI病种分析结果进行整合过滤处理；
将整合过滤处理后的所述AI病种分析结果转发给所述AI用户终端。
根据本申请的另一个方面，提供了一种人工智能的病种分析装置，该装置包括：
接收单元，用于接收AI用户终端发送的携带有待分析病种对应的病种类型信息和患者检查信息的AI病种分析请求；
查询单元，用于查询与所述病种类型信息对应支持分析的AI分析设备；
转发单元，用于将所述AI病种分析请求转发给所述AI分析设备，以使得所述AI分析设备根据所述患者检查信息进行AI病种分析，得到AI病种分析结果；
处理单元，用于接收所述AI分析设备发送的所述AI病种分析结果，并对所述AI病种分析结果进行整合过滤处理；
转发单元，还用于将整合过滤处理后的所述AI病种分析结果转发给所述AI用户终端。
根据本申请的又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述人工智能的病种分析方法。
根据本申请的再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述人工智能的病种分析方法。
借由上述技术方案，本申请提供的一种人工智能的病种分析方法及装置、存储介质、计算机设备，与目前现有AI病种分析的方式相比，本申请是将多个AI病种分析团队集成在一起，在接收到携带有待分析病种对应的病种类型信息和患者检查信息的AI病种分析请求时，会自动查询匹配支持分析该病种的AI分析设备，由一个或多个符合要求的AI分析设备对该AI病种分析请求进行分析，再对各个AI分析设备的分析结果进行整合过滤处理，将处理结果发送给AI用户终端。因每个团队针对分析的病种类型存在差异，而系统是由多个AI分析设备即多个AI病种分析团队构成，故增强了系统分析的多样性以及专业性，可解决所有AI病种分析团队涵盖的病种类型；从接收AI用户终端的病种分析请求，到匹配对应的AI分析设备，以及后期的对分析结果的整合过滤处理，再到结果的反馈，整个过程可完全自动化处理，大大提高了病种分析的效率，并且最终反馈结果是对多个AI病种分析团队的分析结果整合过滤得到的，将所有的AI结果，合并发给AI用户终端，供AI用户终端选择考量。这样在很大程度上滤除了一些不专业的分析，使分析结果更具有科学性，大大减少了分析误差，也提高了AI病种分析的效率。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本地申请的不当限定。在附图中：
图1示出了本申请实施例提供的一种人工智能的病种分析方法的流程示意图；
图2示出了本申请实施例提供的另一种人工智能的病种分析方法的流程示意图；
图3示出了本申请实施例提供的一种病种分析系统的实例示意图；
图4示出了本申请实施例提供的一种人工智能的病种分析装置的结构示意图；
图5示出了本申请实施例提供的另一种人工智能的病种分析装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合。
针对目前现有AI病种分析的方式可支持分析的病种类型比较单一，从而不能提供精确的AI病种分析结果的问题，本实施例提供了一种人工智能的病种分析方法，如图1所示，该方法包括：
101、接收AI用户终端发送的AI病种分析请求。
其中，AI用户终端为医院、门诊、体检中心等疾病检测机构侧配置的终端，即需要进行病种分析的消费方；AI病种分析请求为AI用户终端向AI病种分析设备发出的分析指令，希望根据AI病种分析设备的判断，得到疾病的诊断结果。为了方便检测，AI病种分析请求中可携带需要AI病种分析的病种类型，检查设备类型，身体检查部位、优先选择的AI分析设备以及患者信息、诊断信息以及影像信息等。
例如，接收到体检中心发送来的AI病种分析请求，其中，通过AI病种分析请求可获知，该病种对应的病种类型信息为：血液疾病，患者检查信息为：血液的采样检查报告，以及可以获知到患者的个人基本信息。
102、查询与病种类型信息对应支持分析的AI分析设备。
其中，AI分析设备为用于AI病种分析的装置或设备，即相当于具备AI病种团队分析能力的分析设备，具体为AI用户终端提供各种病种诊断服务，单个AI病种分析设备能够支持的病种有限，比如有的设备只支持肺结节筛查，而有的设备仅支持糖网筛查等。而本实施例中，可以将各个AI病种分析设备按照所支持的病种类型信息进行事先汇总。
例如，AI病种分析请求中携带的病种类型信息为外科，则在众多AI分析设备中查询出所有可以分析诊断外科疾病的AI分析设备。
103、将AI病种分析请求转发给查询到的AI分析设备。
进一步的，以使得AI分析设备根据患者检查信息进行AI病种分析，得到AI病种分析结果。AI分析设备会根据请求的病种类型以及相关的影像文件(如身体检查部位等)去调用不同的AI算法和模型，计算得出相应的AI病种分析结果。
例如，接收到体检中心发送来的AI病种分析请求，其中，通过AI病种分析请求可获知，该病种对应的病种类型信息为：血液疾病，患者检查信息为：血液的采样检查报告。将此病种分析请求转发给所有可以分析诊断血液疾病的AI分析设备，不同的AI分析设备都会根据自身的判断，诊断得到相应的AI病种分析结果。
104、接收AI分析设备发送的AI病种分析结果，并对AI病种分析结果进行整合过滤处理。
其中，整合过滤处理为首先滤除一些不符合规定的AI病种分析结果(如将乱码、不完整的分析结果数据进行过滤)，并且将其余符合规定的AI病种分析结果合并在一起，准备发给AI用户终端，供AI用户终端选择考量。
例如，在接收到所有AI分析设备针对同一AI病种分析请求发来的AI病种分析结果后，首先将一些暂时未判断出结果的AI分析设备滤除掉，然后将其余的分析结果进行整合，具体可以整合成为列表形式的AI病种分析结果。
105、将整合过滤处理后的AI病种分析结果转发给AI用户终端。
例如，将得到的经过整合过滤处理的AI病种分析结果，以报告列表形式发送给AI用户终端，进而AI用户终端可以获得各个AI病种分析设备分析得到的结果。在结果中可以标注每个结果对应的AI病种分析设备(如具体某个团队等)，并且还可以标注每个AI病种分析设备分析的案件数量，以及准确率的信息。
通过本实施例中的人工智能的病种分析方法，可以在接收到人工智能AI用户终端发送的AI病种分析请求时，自动查询匹配支持分析该病种的AI分析设备，由多个符合要求的AI分析设备对该AI病种分析请求进行分析，再对各个AI分析设备的分析结果进行整合过滤处理，最后将所有结果合并发送给AI用户终端，同时采用多个AI病种分析设备进行分析的方法，使分析结果更具有科学性，大大减少了分析误差，也提高了AI病种分析的效率。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例中的具体实施过程，提供了另一种人工智能的病种分析方法，如图2所示，该方法包括：
201、接收AI用户终端发送的AI病种分析请求。
例如，接收到医院发送来的AI病种分析请求，其中，通过AI病种分析请求可获知，该病种对应的病种类型信息为：脑部疾病，患者检查信息为：脑部CT，并携带有CT影像结果。
202、对AI用户终端依次进行安全验证和AI病种分析请求的请求权限验证。
在具体的实施方式中，为了增强系统的安全性，设定在为AI用户终端提供病种分析前，需要进行安全验证以及请求权限验证。其中，安全验证，主要通过对所登陆账号对应的注册手机号发送验证码，通过用户输入发送的验证码来进行验证，判断是否由已在平台注册的正规疾病检测机构自身登陆，从而防止被他人非法盗用；请求权限验证主要是为了判断AI用户终端是否有具有使用本系统的进行AI请求分析的权限。
例如，接收到医院发送来的AI病种分析请求，首先向该医院在注册时预留的手机号发送短信验证码，对该AI用户终端进行安全验证，如用户输入的验证码是正确的，则判断是医院自主操作的，通过安全验证；如输入的验证码与发出的短信验证码不一致，则视为未通过安全验证。如通过了安全验证，则进行AI病种分析请求的请求权限验证，这样做的是为了防止AI用户终端的账号被他人非法盗用，以及验证该医院是否在平台开通了AI病种分析这一服务。
203、当AI用户终端通过安全验证、且具备AI病种分析请求的请求权限时，生成AI用户终端对应的请求标识，并查询与病种类型信息对应支持分析的AI分析设备。
其中，请求标识为请求ID，请求ID是系统自动随机生成且符合特定规则的数字账号信息，每个ID对应查询不同的信息。
例如，AI用户终端医院a已通过安全验证、且具备AI病种分析请求的请求权限，则根据发起的AI病种分析请求中携带的病种类型，检查设备类型，身体检查部位等患者信息，查询对应支持分析AI病种分析请求的AI分析设备。
204、将生成的请求标识发送给AI用户终端。
进一步的，以便于AI用户终端后续通过请求标识从区块链网络平台中查询AI病种分析结果以及AI病种分析请求中携带的信息。
例如，将随机生成的请求标识ID发送给AI用户终端，如果AI分析设备分析得到AI病种分析结果后，可以将该AI病种分析结果和该AI分析设备信息保存在区块链网络平台中，后续AI用户终端可通过这个请求ID从区块链网络平台中查取相应的AI病种分析结果信息以及对应分析得到该结果的AI病种分析设备信息。
205、获取查询到的AI分析设备的评分信息。
在具体的实施方式中，为了保证诊断质量，以及起到激励AI分析设备的作用，此方案中设有评分规则。评分信息是衡量AI分析设备专业性的依据，评分越高，则表示该AI分析设备的病种诊断确诊率高，专业技术性强，也较受AI用户终端的欢迎，评分越高的AI分析设备在AI用户终端发起AI请求的时候优先级越高。评分高低是由AI分析设备对AI用户终端病种分析结果的质量来决定的，在向AI用户终端发送AI病种分析结果信息时也会备注AI分析设备对应的评分，这样可以在AI用户终端读取AI病种分析结果起到参考作用。
其中，AI分析设备的评分信息可由系统自动评定。评定方式具体可包括：计算诊断信息和接收到的AI病种分析结果之间的相似度；查询与相似度对应的第一得分；根据第一得分更新与接收到的AI病种分析结果对应的AI分析设备的评分信息。
在具体的实施方式中，为了促进AI分析设备的良性竞争，系统可自动对不同AI分析设备进行评分操作。其中，根据相似度来判断第一得分的规则可根据实际情况提前自主设定，例如，可设定得分的评分规则为：设定当相似度大于90％时得分为满分5分，当相似度大于70％且小于90％时得分为4分，当相似度大于50％且小于70％时得分为3分，当相似度大于30％且小于50％时得分为2分，当相似度大于10％且小于30％时得分为1分，低于10％的设定得分为0分。根据得分更新与接收到的AI病种分析结果对应的AI分析设备的评分信息，其中，更新方案可自主选择或制定，可将得分信息累加到AI分析设备现有的分数中，将总分作为AI分析设备的最终评分；也可将得分信息累加到所有分数中，并求得平均值，将平均值作为AI分析设备的最终评分。
例如，根据设定的评分规则，确定AI分析设备a的评分为4分，若选择将总分作为最终评分，则将4分加到以往的总评分中，并将得到的最终评分更新到AI分析设备a的评分信息中，作为AI分析设备a的现有评分。若选择将平均分作为AI分析设备的最终评分，则计算出当前累计的各个评分值(包括这个4分)的平均值，作为更新后的最终评分。
相应的，AI分析设备的评分信息还可由AI用户终端来评定，评定方式具体可包括：接收AI用户终端发送的对AI用户终端接收到的AI病种分析结果的第二得分；根据第二得分更新与AI用户终端接收到的AI病种分析结果对应的AI分析设备的评分信息。
在具体的实施方式中，为了更好的得到AI用户终端的反馈信息，AI用户终端在获取到AI分析结果后，可以对AI分析进行评分，评分的依据主要是医生的诊断结果，分数评定规则可根据自身需求来设定，例如可设定单次评分为满分五分制或十分制或百分制等。根据得分更新与接收到的AI病种分析结果对应的AI分析设备的评分信息，其中，更新方案可自主选择或制定，可将得分信息累加到AI分析设备现有的分数中，将总分作为AI分析设备的最终评分；也可将得分信息累加到所有分数中，并求得平均值，将平均值作为AI分析设备的最终评分。
例如，根据设定的评分规则，选择的是满分五分制评判规则，确定AI分析设备b的评分为5分，若选择将总分作为最终评分，则将5分加到以往的总评分中，并将得到的最终评分更新到AI分析设备a的评分信息中；若选择将平均分作为AI分析设备的最终评分，则计算出当前累计的各个评分值(包括这个5分)的平均值，作为更新后的最终评分。
206、根据评分信息，将AI病种分析请求转发给评分大于预设评分阈值的AI分析设备。
进一步的，AI分析设备会根据平台请求中携带的信息去调用不同的AI算法和模型，进而得到AI病种分析结果。例如，预先根据不同病人的诊断病历，以及该病人相应的患者检查信息训练模型，其中每个患者检查信息可根据对应的诊断病历确定相应的病种分析结果，然后将待分析患者的患者检查信息输入到该模型中，基于大数据分析，得到该待分析患者的AI病种分析结果。
其中，预设评分阈值可为根据实际业务需求提前设定的，用来评判AI分析设备是否达到标准的分数阈值，大于阈值的AI分析设备说明可参与AI用户终端发来的AI病种分析，阈值大小可根据设定的评分规则以及实际情况进行制定或修改。因此在选择适合的AI分析设备时，如存在多个候选AI分析设备的情况，会从AI评分系统中获取这些候选AI分析设备的评分，然后会根据AI分析设备的评分从高到低排序，优先选择评分大于一定阈值的AI分析设备。
例如，若设定的评分规则为：单次得分满分制为5分，最终得分以平均分的方式来呈现，即最终得分最高为5分，最低为0分。设定的评分阈值为3分，则会将AI病种分析请求转发给评分大于3分的AI分析设备，AI分析设备根据AI病种分析请求中的患者检查信息进行AI病种分析，进而得到各自的AI病种分析结果。
207、接收AI分析设备发送的AI病种分析结果，并对AI病种分析结果进行整合过滤处理。
其中，对AI病种分析结果进行整合过滤处理，具体可包括：按照转发AI病种分析请求的时间点和接收到AI病种分析结果的时间点，统计每个AI分析设备返回AI病种分析结果的响应时长；将响应时长小于预设时长阈值的AI病种分析结果进行合并处理。
在具体的实施方式中，为了保证反馈的效率，设定AI分析设备的响应时长应小于预设时长阈值。例如，若设定预设时长阈值为30分钟，则从转发AI病种分析请求的时间点开始计时，到30分钟时计时结束，将在计时时间段内接收到的AI病种分析结果保留并合并，将在计时时间段之外接收到的AI病种分析结果滤除。
208、将整合过滤处理后的AI病种分析结果转发给AI用户终端。
例如，基于步骤207的实例，得到所有在预设时长阈值30分钟内产生的病种分析结果后，将所有病种分析结果打包合并统一转发给AI用户终端。
在具体的实施方式中，优选的，为了满足AI用户终端的特定需求，可以根据病种类型配置某个AI用户终端的AI病种分析请求发送到对应的某个AI分析设备或者多个AI分析设备中(前提是该AI分析设备支持该病种)，即将不同的AI用户终端和一个或多个AI分析设备进行关联(这里指的是预先固定关系的情况)。这样后续接收到请求后，可直接查询与发送请求的AI用户终端对应的AI分析设备，进而转发相应请求，通过这种方式可以加快AI病种分析请求的处理效率。
对于有多个AI分析设备的情况，可以指定优先级优先使用哪个AI分析设备或者根据评分优先选择评分高的AI团队，如果没有指定，那么系统会将所有已配置的AI分析设备的AI病种分析结果进行整合处理。在AI用户终端通过安全验证、且具备AI病种分析请求的请求权限时，会自动查询与AI用户终端对应关联的AI分析设备，由优先选择的AI分析设备进行对AI病种分析请求的分析。进而可以满足AI用户终端的需求。
例如，若AI用户终端医院a对AI分析设备存在配置关系，设定关联的AI分析设备为b，当AI用户终端a发出AI病种分析请求时，会自动将AI病种分析请求发送到AI分析设备b中进行AI病种分析，无需再进行AI分析设备的筛选过滤；当医院a配置多个AI分析设备时，若分别为AI分析设备c、AI分析设备d、AI分析设备e，当AI用户终端a发出AI病种分析请求时，自动将AI病种分析请求发送到AI分析设备c、AI分析设备d、AI分析设备e进行AI病种分析，在AI用户终端预先设置优先使用哪个AI分析设备或者根据评分优先选择评分高的AI分析设备时，则获取设置的优先级或AI用户终端各自对应的评分，将优先级最高的AI分析设备的分析结果发送给AI用户终端，如果没有指定优先级时，则会等待AI分析设备c、AI分析设备d、AI分析设备e的分析结果返回后，将所有的AI结果，合并发送给AI用户终端a，并标注每个AI团队的评分，供AI用户终端选择考量。
209、将AI病种分析请求中携带的待分析病种对应的病种类型信息和患者检查信息和整合过滤处理后的AI病种分析结果发送到区块链网络平台。
其中，区块链网络平台可确保对AI用户终端提交的相关信息和AI分析设备的分析结果进行有效的保护不能被随意修改，提高信息存储的安全性。当AI用户终端发起AI病种分析请求时，平台会将AI病种分析请求中的患者信息、诊断信息以及影像信息等私密信息发送到平台的区块链网络进行存储和共享，平台区块链网络负责对信息进行加密和防止篡改；对于AI团队返回的AI结果，平台也会发送到区块链网络进行存储和共享。进一步的，以使得区块链网络平台对AI病种分析请求中携带的信息和AI病种分析结果进行加密存储。
例如，在得到整合过滤处理后的AI病种分析结果后，为了方便存储以及提高安全性，将AI病种分析请求中携带的信息和AI病种分析结果发送到区块链网络平台进行存储。
为了进一步说明本实施例提供的方法，给出如下实例，但不限于此。
例如，如图3所示，由AI用户终端(即AI消费方)、服务于前端的后端(Back ForFrontends，BFF)、AI模块、AI分析设备(即AI提供方)、云端服务器构成。其中AI用户终端主要是指医院、门诊、体检中心或者医疗系统集成商等；BFF主要是通过服务器的访问密钥(Access Key ID，AK)和秘密密钥(Secret Access Key，SK)对用户进行安全验证；AI模块用于进行请求权限验证、生成请求ID、对AI分析设备请求解析，为AI分析设备提供图片统一资源标识符(Uniform Resource Identifier,URI)、以及保存AI分析设备反馈的AI病种分析结果。平安云主要作用是为AI分析设备存储图片URL对应的同步文件。例如，患者在医院进行一次检查后会生成对应的影像信息，比如X光胸片、肺部CT的DICOM文件或者OCT眼底照片等，在获取到这些影像后，医院可以通过平台提供的接口向平台发起AI病种分析请求，BFF模块在接收AI用户终端发送的AI病种分析请求后，先要进行安全验证，使用AK、SK对请求进行签名。
如果安全验证未通过，则将AI病种分析请求退回AI用户终端；若通过AK/SK验证，则将AI病种分析请求发送到AI模块，AI模块首先进行请求权限验证，在验证失败时将请求自动给返回给AI用户终端，若验证成功，则AI模块生成请求ID，并将请求ID发送给AI用户终端。同时，查询与病种类型信息对应支持分析的AI分析设备。AI分析设备反馈查询结果，与AI病种分析请求分析对应的AI分析设备会请求下载AI病种分析请求的图片信息，根据返回图片的URI，在云服务器中下载图片并进行分析，分析出的AI病种分析结果发送到AI模块，AI模块进而会对AI病种分析结果进行整合过滤处理。将整合过滤处理后的AI病种分析结果转发给AI用户终端。后续AI用户终端可利用生成的请求ID在AI模块的区块链网络进行AI病种分析请求中信息以及AI分析结果的查询。
对于上述病种分析方法，可解决所有AI病种分析团队涵盖的病种类型；从接收AI用户终端的病种分析请求，到匹配对应的AI分析设备，以及后期的对分析结果的整合过滤处理，再到结果的反馈，整个过程可完全自动化处理，大大提高了病种分析的效率，并且最终反馈结果是对多个AI病种分析团队的分析结果整合过滤得到的，这样在很大程度上滤除了一些不专业以及不及时的分析，使分析结果更具科学性，大大减少了分析误差，也提高了AI病种分析的可靠性。并且结合了区块链技术，确保对AI用户终端提交的相关信息和AI分析设备的分析结果进行有效的保护不能被随意修改，增强了系统的安全性以及可靠性。
进一步的，作为图1和图2所示方法的具体实现，本申请提供了一种人工智能的病种分析装置，如图4所示，该装置包括：接收单元41、查询单元42、转发单元43、处理单元44。
接收单元41，可用于接收人工智能AI用户终端发送的携带有待分析病种对应的病种类型信息和患者检查信息的AI病种分析请求；
查询单元42，可用于查询与病种类型信息对应支持分析的AI分析设备；
转发单元43，可用于将AI病种分析请求转发给AI分析设备，以使得AI分析设备根据患者检查信息进行AI病种分析，得到AI病种分析结果；
处理单元44，可用于接收AI分析设备发送的AI病种分析结果，并对AI病种分析结果进行整合过滤处理；
转发单元43，还可用于将整合过滤处理后的AI病种分析结果转发给AI用户终端。
在具体的应用场景中，转发单元43，还可以用于获取AI分析设备的评分信息；根据评分信息，将AI病种分析请求转发给评分大于预设评分阈值的AI分析设备。
在具体的应用场景中，为了后续AI用户终端提供更加精确的AI分析结果，转发单元43，还可用于计算诊断信息和接收到的AI病种分析结果之间的相似度；查询与相似度对应的第一得分；根据第一得分更新与接收到的AI病种分析结果对应的AI分析设备的评分信息。
相应的，转发单元43，还可用于接收AI用户终端发送的对AI用户终端接收到的AI病种分析结果的第二得分；根据第二得分更新与AI用户终端接收到的分析结果对应的AI分析设备的评分信息。
在具体的应用场景中，为了保证数据不丢失且为了避免泄露患者信息，如图5所示，本装置还包括：发送单元45。
发送单元45，可用于将AI病种分析请求中携带的待分析病种对应的病种类型信息和患者检查信息和整合过滤处理后的AI病种分析结果发送到区块链网络平台。
进一步的，以使得区块链网络平台对AI病种分析请求中携带的信息和AI病种分析结果进行加密存储。
在具体的应用场景中，查询单元42，具体还可用于对AI用户终端依次进行安全验证和AI病种分析请求的请求权限验证；当AI用户终端通过安全验证、且具备AI病种分析请求的请求权限时，生成AI用户终端对应的请求标识，并查询与病种类型信息对应支持分析的AI分析设备；将请求标识发送给AI用户终端，以便AI用户终端后续通过请求标识从区块链网络平台中查询整合过滤处理后的AI病种分析结果。
处理单元44，具体还可用于按照转发AI病种分析请求的时间点和接收到AI病种分析结果的时间点，统计每个AI分析设备返回AI病种分析结果的响应时长；将响应时长小于预设时长阈值的AI病种分析结果进行合并处理。
需要说明的是，本实施例提供的一种人工智能的病种分析装置所涉及各功能单元的其他相应描述，可以参考图1至图2的对应描述，在此不再赘述。
基于上述如图1至图2所示方法，相应的，本实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1至图2所示的防止耳机隔绝提示信息的方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1至图2所示的方法和图4、图5所示的虚拟装置实施例，为了实现上述目的，本实施例还提供了一种计算机设备，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图2所示的人工智能的病种分析方法。
可选的，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，与目前现有技术相比，自动查询匹配支持分析该病种的AI分析设备，由多个符合要求的AI分析设备对该AI病种分析请求进行分析，再对所有AI分析设备的分析结果进行整合过滤处理，将处理结果发送给AI用户终端，解决了现有技术中AI病种分析类型单一的问题。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种人工智能的病种分析方法，其特征在于，包括：
接收人工智能AI用户终端发送的AI病种分析请求，所述AI病种分析请求中携带有待分析病种对应的病种类型信息和患者检查信息；
查询与所述病种类型信息对应支持分析的AI分析设备；
将所述AI病种分析请求转发给所述AI分析设备，以使得所述AI分析设备根据所述患者检查信息进行AI病种分析，得到AI病种分析结果；
接收所述AI分析设备发送的所述AI病种分析结果，并对所述AI病种分析结果进行整合过滤处理；
将整合过滤处理后的所述AI病种分析结果转发给所述AI用户终端。
2.根据权利要求1所述的方法，其特征在于，所述将所述AI病种分析请求转发给所述AI分析设备，具体包括：
获取所述AI分析设备的评分信息；
根据所述评分信息，将所述AI病种分析请求转发给评分大于预设评分阈值的所述AI分析设备。
3.根据权利要求2所述的方法，其特征在于，所述AI病种分析请求中还携带有所述待分析病种对应的诊断信息，所述方法还包括：
计算所述诊断信息和接收到的所述AI病种分析结果之间的相似度；
查询与所述相似度对应的第一得分；
根据所述第一得分更新与所述接收到的所述AI病种分析结果对应的所述AI分析设备的评分信息。
4.根据权利要求2所述的方法，其特征在于，在所述将整合过滤处理后的所述AI病种分析结果转发给所述AI用户终端之后，所述方法还包括：
接收所述AI用户终端发送的对所述AI用户终端接收到的所述AI病种分析结果的第二得分；
根据所述第二得分更新与所述AI用户终端接收到的所述AI病种分析结果对应的所述AI分析设备的评分信息。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述AI病种分析请求中携带的待分析病种对应的病种类型信息和患者检查信息和所述整合过滤处理后的AI病种分析结果发送到区块链网络平台，以使得所述区块链网络平台对所述AI病种分析请求中携带的待分析病种对应的病种类型信息和患者检查信息和所述AI病种分析结果进行加密存储。
6.根据权利要求5所述的方法，其特征在于，所述查询与所述病种类型信息对应支持分析的AI分析设备之前，所述方法还包括：
对所述AI用户终端依次进行安全验证和AI病种分析请求的请求权限验证；
所述查询与所述病种类型信息对应支持分析的AI分析设备，具体包括：
当所述AI用户终端通过安全验证、且具备AI病种分析请求的请求权限时，生成所述AI用户终端对应的请求标识，并查询与所述病种类型信息对应支持分析的AI分析设备；
将所述请求标识发送给所述AI用户终端，以便所述AI用户终端后续通过所述请求标识从所述区块链网络平台中查询所述整合过滤处理后的所述AI病种分析结果。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述对所述AI病种分析结果进行整合过滤处理，具体包括：
按照转发所述AI病种分析请求的时间点和接收到所述AI病种分析结果的时间点，统计每个所述AI分析设备返回所述AI病种分析结果的响应时长；
将所述响应时长小于预设时长阈值的所述AI病种分析结果进行合并处理。
8.一种人工智能的病种分析装置，其特征在于，包括：
接收单元，用于接收人工智能AI用户终端发送的携带有待分析病种对应的病种类型信息和患者检查信息的AI病种分析请求；
查询单元，用于查询与所述病种类型信息对应支持分析的AI分析设备；
转发单元，用于将所述AI病种分析请求转发给所述AI分析设备，以使得所述AI分析设备根据所述患者检查信息进行AI病种分析，得到AI病种分析结果；
处理单元，用于接收所述AI分析设备发送的所述AI病种分析结果，并对所述AI病种分析结果进行整合过滤处理；
转发单元，还用于将整合过滤处理后的所述AI病种分析结果转发给所述AI用户终端。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的人工智能的病种分析方法。
10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的人工智能的病种分析方法。
CN201811280447.3A 2018-10-30 2018-10-30 人工智能的病种分析方法及装置、存储介质、计算机设备 Pending CN109659026A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811280447.3A CN109659026A (zh) 2018-10-30 2018-10-30 人工智能的病种分析方法及装置、存储介质、计算机设备
PCT/CN2019/073293 WO2020087792A1 (zh) 2018-10-30 2019-01-27 人工智能的病种分析方法及装置、存储介质、计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811280447.3A CN109659026A (zh) 2018-10-30 2018-10-30 人工智能的病种分析方法及装置、存储介质、计算机设备

Publications (1)

Publication Number Publication Date
CN109659026A true CN109659026A (zh) 2019-04-19

Family

ID=66110506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811280447.3A Pending CN109659026A (zh) 2018-10-30 2018-10-30 人工智能的病种分析方法及装置、存储介质、计算机设备

Country Status (2)

Country Link
CN (1) CN109659026A (zh)
WO (1) WO2020087792A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110310741A (zh) * 2019-07-01 2019-10-08 边源医疗科技(杭州)有限公司 一种医学人工智能应用的电子市场系统
CN111739616A (zh) * 2020-07-20 2020-10-02 平安国际智慧城市科技股份有限公司 眼部图像的处理方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101517602A (zh) * 2006-09-22 2009-08-26 皇家飞利浦电子股份有限公司 使用基于分类器集成的遗传算法进行特征选择的方法
CN106777953A (zh) * 2016-12-09 2017-05-31 江西中科九峰智慧医疗科技有限公司 医学影像数据的分析方法及系统
CN107492099A (zh) * 2017-08-28 2017-12-19 京东方科技集团股份有限公司 医学图像分析方法、医学图像分析系统以及存储介质
US20180232883A1 (en) * 2017-02-13 2018-08-16 Amit Sethi Systems & Methods for Computational Pathology using Points-of-interest

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11089959B2 (en) * 2013-03-15 2021-08-17 I2Dx, Inc. Electronic delivery of information in personalized medicine
JP6482965B2 (ja) * 2015-06-25 2019-03-13 株式会社日立製作所 データ分析システム及びデータ分析方法
DE112016005179T5 (de) * 2015-11-10 2018-07-19 Omron Healthcare Co., Ltd. Diagnose-Unterstützungsgerät, Diagnose-Unterstützungsverfahren, Diagnose-Unterstützungsprogramm
CN107785073A (zh) * 2017-01-22 2018-03-09 平安医疗健康管理股份有限公司 基于区块链的医疗检查结果共享方法、装置和系统
CN107578808A (zh) * 2017-09-06 2018-01-12 上海联影医疗科技有限公司 基于医疗云系统的影像数据分析方法、云系统及云服务器
CN107767949B (zh) * 2017-12-12 2019-02-19 北京倍肯恒业科技发展股份有限公司 一种基层医疗系统
CN108320807A (zh) * 2018-01-18 2018-07-24 中山大学 一种鼻咽癌人工智能辅助诊疗决策云系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101517602A (zh) * 2006-09-22 2009-08-26 皇家飞利浦电子股份有限公司 使用基于分类器集成的遗传算法进行特征选择的方法
CN106777953A (zh) * 2016-12-09 2017-05-31 江西中科九峰智慧医疗科技有限公司 医学影像数据的分析方法及系统
US20180232883A1 (en) * 2017-02-13 2018-08-16 Amit Sethi Systems & Methods for Computational Pathology using Points-of-interest
CN107492099A (zh) * 2017-08-28 2017-12-19 京东方科技集团股份有限公司 医学图像分析方法、医学图像分析系统以及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110310741A (zh) * 2019-07-01 2019-10-08 边源医疗科技(杭州)有限公司 一种医学人工智能应用的电子市场系统
CN111739616A (zh) * 2020-07-20 2020-10-02 平安国际智慧城市科技股份有限公司 眼部图像的处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2020087792A1 (zh) 2020-05-07

Similar Documents

Publication Publication Date Title
US11297459B2 (en) Records access and management
Khozin et al. Decentralized trials in the age of real-world evidence and inclusivity in clinical investigations
CN107680684B (zh) 用于获取信息的方法及装置
CN110462654A (zh) 记录存取和管理
JP2021535520A (ja) 顔認識を用いた１人以上の個人の識別及び検証するシステム及び方法
CN109817296A (zh) 区域医疗信息共享查询系统及方法
WO2021000856A1 (zh) 骨龄检测方法、系统、设备及可读存储介质
KR102440361B1 (ko) 의약품의 정보를 식별하고 전산 시스템을 이용하여 의약품의 재고 정보를 제공하기 위한 장치 및 방법
CN107004048B (zh) 记录访问和管理
CN112989087B (zh) 一种图像处理方法、设备以及计算机可读存储介质
CN109659026A (zh) 人工智能的病种分析方法及装置、存储介质、计算机设备
CN111710421A (zh) 人员健康管理及信息处理方法、装置、设备和存储介质
CN109817346A (zh) 云阅片方法、一体化显示终端以及计算机存储介质
KR20010096000A (ko) 의료 정보 공유 시스템 및 방법
CN109325366A (zh) 基于联盟链的业务处理方法、设备及计算机可读存储介质
JP2006107134A (ja) 健康情報提供システム及びその方法
CN111640477A (zh) 身份信息的统一方法、装置以及电子设备
CN106599575A (zh) 一种医疗服务身份认证方法、装置及系统
CN112927775B (zh) 基于区块链的诊疗信息处理方法及装置
CN110535958A (zh) 一种健康信息存储方法及相关设备
US11152104B2 (en) Medical data managing apparatus and medical data managing system
CN113111846A (zh) 基于人脸识别的就诊方法、装置、设备及存储介质
US20230224177A1 (en) Methods and systems for user environment customization based on non-fungible tokens
EP4068301A1 (en) Health management method, device and system, and data acquisition device
CN113782146B (zh) 基于人工智能的全科用药推荐方法、装置、设备及介质

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