CN109961847A - 一种图片、文字和语音结合的病理智能诊断系统 - Google Patents
一种图片、文字和语音结合的病理智能诊断系统 Download PDFInfo
- Publication number
- CN109961847A CN109961847A CN201910213212.0A CN201910213212A CN109961847A CN 109961847 A CN109961847 A CN 109961847A CN 201910213212 A CN201910213212 A CN 201910213212A CN 109961847 A CN109961847 A CN 109961847A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- pathological
- text
- module
- pathological image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 78
- 230000007170 pathology Effects 0.000 title claims abstract description 40
- 230000001575 pathological effect Effects 0.000 claims abstract description 82
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims abstract description 9
- 238000010827 pathological analysis Methods 0.000 claims abstract description 9
- 230000001755 vocal effect Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 208000024891 symptom Diseases 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000001537 neural effect Effects 0.000 claims description 2
- 238000004321 preservation Methods 0.000 claims description 2
- 238000000151 deposition Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种图片、文字和语音结合的病理智能诊断系统。本发明包括计算机、病理切片扫描机、病理图像资料服务站、麦克风和打印机，计算机与麦克风和打印机通过USB连接，与病理切片扫描机和病理图像资料服务站通过网络连接，计算机上安装有诊断控制系统，包括数据输入模块、智能诊断模块、诊断修正模块、数据保存模块、数据输出模块；病理切片扫描机用于将病理切片转换成数字化的病理图像，病理图像资料服务站用于接收、存储和传输来自病理切片扫描机和网络端的病理图像、病例信息和病理诊断报告，麦克风用于输入医生的语音诊断信息，打印机用于将诊断报告图文纸质化。本发明提高病理医生的工作效率和病理诊断的质量。
Description
技术领域
本发明涉及数字病理学中的智能病理诊断领域，尤其涉及一种图片、文字和语音结合的病理智能诊断系统。
背景技术
随着信息技术在病理学领域的发展和应用，病理学进入了数字病理时代。病理切片数字化在数字病理时代进程中起着最基础且最关键的作用，将数字化的病理资料与人工智能深度学习算法结合形成的病理智能诊断系统是数字病理发展的方向。我国的肿瘤患者的数量增加迅速，病理医生不仅数量严重缺乏，而且水平参差不齐，病理智能诊断系统有利于提高病理诊断的质量和效率，在一定程度上缓解对高水平病理医生的需求。
目前，病理智能诊断系统已经得到了应用。随着带有病理专家诊断结果的数字病理资料数量的增长，逐渐形成了庞大的数字病理资料数据库，通过人工智能深度学习算法利用数据库对智能诊断模型进行训练，得到可以对未知病理图像进行智能诊断的病理智能诊断系统，辅助病理医生进行诊断。但是现有的病理智能诊断系统不具有对症状自动进行文字描述的功能，病理医生不仅需要对每张图像进行症状的文字描述，并且只能手动输入，在对大量图像进行诊断时，导致病理医生的工作量增加、工作效率降低和工作压力增大。此外，现有的智能诊断系统不具有远程共享功能，且智能诊断系统的正确率依赖专家判断，导致普通医生在面对疑难杂症时不能保证诊断的正确性。
发明内容
为了解决现有系统中存在的上述问题，本发明提供了一种图片、文字和语音结合的病理智能诊断系统。本发明的目的是在智能诊断时自动标注图像并且输出与其症状匹配的文字描述，在诊断修正时提供语音识别转文字的方式输入修改意见和提供数据的远程共享，从而进一步减轻病理医生的工作量，提高病理医生的工作效率和病理诊断的质量。
为了达到上述目的，本发明采用如下技术方案予以解决：
一种图片、文字和语音结合的病理智能诊断系统，包括计算机、病理切片扫描机、病理图像资料服务站、麦克风和打印机，计算机与麦克风和打印机通过USB线缆连接，与病理切片扫描机和病理图像资料服务站通过网络连接，计算机上安装有诊断控制系统，包括数据输入模块1、智能诊断模块2、诊断修正模块3、数据保存模块4、数据输出模块5。病理切片扫描机用于将病理切片转换成数字化的病理图像，病理图像资料服务站用于接收、存储和传输来自病理切片扫描机和网络端的病理图像、病例信息和病理诊断报告，麦克风用于输入医生的语音诊断信息，完善诊断结果，打印机用于将诊断报告图文纸质化，便于医院存档。
优选地，所述图片、文字和语音结合的病理智能诊断系统中的所述的数据输入模块1，从病理图像资料服务站下载病理图像和病历资料文件，向病理图像资料服务站发出需要获取图像信息和病例信息的请求，在已知病理图像数据传输格式的前提下对输入的病理图像进行解析，病理图像资料服务站响应请求后，计算机获取病理图像和病例信息并显示。
更进一步优选地，所述图片、文字和语音结合的病理智能诊断系统中的所述的智能诊断模块2，结合卷积神经网络和递归神经网络对大规模病理图像和病变细胞文字描述进行处理，构建智能诊断模型：
其中，R代表标记区域，S代表标记区域的文字描述，I代表整幅图像，θ代表卷积神经网络模型和递归神经网络模型的参数，在训练时输入I、θ、S，得到R，并通过训练调整θ，在预测时输入I，得到R和S，诊断时先识别所有的细胞，再将细胞分成病变细胞和正常细胞两大类，并隐藏正常细胞的标签框，再根据图像与语义属性之间的映射得到病变细胞的语义属性预测层和语义属性的预测向量，再通过LSTM模型生成语义属性预测向量到单词序列的映射，最后输出描述标记的病变细胞的单词序列。
更进一步优选地，所述图片、文字和语音结合的病理智能诊断系统中的所述的诊断修正模块3，在语音处理过程中，医生通过麦克风端口录音，提出修改诊断结果的意见并保存音频文件，录音过程中随时可以取消录音和录音结束后不保存音频文件，将音频文件保存至数据保存模块4中指定路径的文件夹并编码，读取编码后的音频数据，通过第三方API进行语音识别，将语音识别返回的数据解析后即可得到文字并显示；在原有对应诊断文字中，修正语音识别和智能诊断的错误，结合智能诊断的结果进行修改进行完善，并与诊断后的病理图像结合形成诊断报告。
更进一步优选地，所述图片、文字和语音结合的病理智能诊断系统中的所述的数据输出模块5，下级医院登陆后上传本地病理图像文件和病历资料文件到病理图像资料服务站，并向上级医院发出请求诊断的请求，上级医院登陆后接收诊断的请求，通过数据输入模块1下载病理图像和病例信息文件，再把诊断报告通过数据输出模块5上传到病理图像资料服务站并更新相关信息，下级医院登陆后通过数据输入模块1即可下载诊断报告。
本发明相对现有技术的有益效果为：
第一，本发明提供在智能诊断过程中自动标注图像并且输出与其症状匹配的文字描述的功能，在处理大量病理图像时极大地减轻了病理医生的工作量，在此基础上医生只需简单修改诊断报告；
第二，本发明提供在诊断修正过程中语音识别转文字的功能，在病理医生修改工作任务繁重时，或者不方便手动输入修改意见时，通过语音识别转文字输入，可以提高病理医生的工作效率；
第三，本发明提供数据远程共享的功能，在下级医院不能做出正确诊断的情况下，通过数据远程共享求助于上级医院，上级医院专家通过本发明所述的系统进行诊断，提高病理诊断的质量。
附图说明
图1为本发明所述的图片、文字和语音结合的病理智能诊断系统；
1-数据输入模块；2-智能诊断模块；3-诊断修正模块；4-数据保存模块；5-数据输出模块；
图2为智能诊断工作流程示意图。
图3为图片、文字和语音结合的病理智能诊断系统的工作流程示意图。
具体实施方式
下面结合具体实施方式对本发明作进一步阐述，但本发明并不限于以下实施方式。
实施例1
一种图片、文字和语音结合的病理智能诊断系统
如图1所示，所述的系统包括：计算机、病理切片扫描机、病理图像资料服务站、麦克风和打印机，计算机与麦克风和打印机通过USB线缆连接，与病理切片扫描机和病理图像资料服务站通过网络连接，计算机上安装有诊断系统软件，包括数据输入模块1、智能诊断模块2、诊断修正模块3、数据保存模块4、数据输出模块5，病理切片扫描机用于将病理切片转换成数字化的病理图像，病理图像资料服务站用于接收、存储和传输来自切片机和网络端的病理图像、病例信息和病理诊断报告，麦克风用于输入医生的语音诊断信息，完善诊断结果，打印机用于将诊断报告图文纸质化，便于医院存档。
其中，所述数据输入模块1，从病理图像资料服务站下载病理图像和病历资料文件，向病理图像资料服务站发出需要获取图像信息和病例信息的请求，在已知病理图像数据传输格式的前提下对输入的病理图像进行解析，病理图像资料服务站响应请求后，计算机获取病理图像和病例信息并显示。
其中，所述智能诊断模块2，结合卷积神经网络和递归神经网络对大规模病理图像和病变细胞文字描述进行处理，构建智能诊断模型：
其中R代表标记区域，S代表标记区域的文字描述，I代表整幅图像，θ代表卷积神经网络模型和递归神经网络模型的参数，在训练时输入I、θ、S，得到R，并通过训练调整θ，在预测时输入I，得到R和S，诊断时先识别所有的细胞，再将细胞进行分成病变细胞和正常细胞两大类，并隐藏正常细胞的标签框，再根据图像与语义属性之间的映射得到病变细胞的语义属性预测层和语义属性的预测向量，再通过LSTM模型生成语义属性预测向量到单词序列的映射，最后输出描述标记的病变细胞的单词序列，工作流程如图2所示。
其中，所述诊断修正模块3，在语音处理模块中，医生通过麦克风端口录音，提出修改诊断结果的意见并保存音频文件，录音过程中随时可以取消录音和录音结束后不保存音频文件，将音频文件保存至指定路径的文件夹并编码，读取编码后的音频数据，通过第三方API进行语音识别，将返回的数据解析后即可得到文字并显示；在文字模块中，修正语音识别和智能诊断的错误，结合智能诊断的结果进行修改进行完善，并与诊断后的病理图像结合形成诊断报告。
其中，所述数据输出模块5，下级医院登陆后上传本地病理图像文件和病历资料文件到病理图像资料服务站，并向上级医院发出请求诊断的请求，上级医院登陆后接收诊断的请求，通过数据输入模块1下载病理图像和病例信息文件，再把诊断报告通过数据输出模块5上传到病理图像资料服务站并更新相关信息，下级医院登陆后通过数据输入模块1即可下载诊断报告。
实施例2
一种图片、文字和语音结合的病理智能诊断系统和诊断方法
所述方法使用了本发明所述的系统(如图1所示)，工作流程示意图如图3所示，并包括步骤：
步骤1、通过数据输入模块读取来自病理图像资料服务站的病理切片图像；
步骤2、通过智能诊断模块输出初步诊断结果，初步诊断结果包括自动标记的病理图像和与其症状匹配的文字描述；
步骤3、通过诊断修正模块修正错误，专家确认智能诊断的结果是否正确，若不正确能够通过手动输入和语音识别转文字输入两种方式进行修改，并将修改后的诊断数据用于训练人工智能诊断模型；
步骤4、将经过断修正模块修正后的诊断数生成诊断报告图文，包括病理图像和与其匹配的症状文字描述；
步骤5、保存和共享诊断报告图文，通过数据保存模块保存报告到本地，并通过数据输出模块共享诊断报告图文；
以上所述的实施例只是本发明的一种较佳的方案，但是本发明并不限制于以上描述的实施例。对于本领域技术人员而言，在不脱离本发明的精神和范围的情况下，可以进行任意的变化和变型。任何对本发明进行的等同修改和替代也都在本发明的保护范围内。
Claims (6)
1.一种图片、文字和语音结合的病理智能诊断系统，其特征在于包括计算机、病理切片扫描机、病理图像资料服务站、麦克风和打印机，计算机与麦克风和打印机通过USB线缆连接，与病理切片扫描机和病理图像资料服务站通过网络连接，计算机上安装有诊断控制系统，包括数据输入模块、智能诊断模块、诊断修正模块、数据保存模块、数据输出模块；病理切片扫描机用于将病理切片转换成数字化的病理图像，病理图像资料服务站用于接收、存储和传输来自病理切片扫描机和网络端的病理图像、病例信息和病理诊断报告，麦克风用于输入医生的语音诊断信息，完善诊断结果，打印机用于将诊断报告图文纸质化，便于医院存档。
2.根据权利要求1所述的一种图片、文字和语音结合的病理智能诊断系统，其特征在于数据输入模块，从病理图像资料服务站下载病理图像和病历资料文件，向病理图像资料服务站发出需要获取图像信息和病例信息的请求，在已知病理图像数据传输格式的前提下对输入的病理图像进行解析，病理图像资料服务站响应请求后，计算机获取病理图像和病例信息并显示。
3.根据权利要求2所述的一种图片、文字和语音结合的病理智能诊断系统，其特征在于所述的智能诊断模块，结合卷积神经网络和递归神经网络对大规模病理图像和病变细胞文字描述进行处理，构建智能诊断模型：
其中，R代表标记区域，S代表标记区域的文字描述，I代表整幅图像，θ代表卷积神经网络模型和递归神经网络模型的参数，在训练时输入I、θ、S，得到R，并通过训练调整θ，在预测时输入I，得到R和S，诊断时先识别所有的细胞，再将细胞分成病变细胞和正常细胞两大类，并隐藏正常细胞的标签框，再根据图像与语义属性之间的映射得到病变细胞的语义属性预测层和语义属性的预测向量，再通过LSTM模型生成语义属性预测向量到单词序列的映射，最后输出描述标记的病变细胞的单词序列。
4.根据权利要求3所述的一种图片、文字和语音结合的病理智能诊断系统，其特征在于所述的诊断修正模块，在语音处理过程中，医生通过麦克风端口录音，提出修改诊断结果的意见并保存音频文件，录音过程中随时可以取消录音和录音结束后不保存音频文件，将音频文件保存至数据保存模块中指定路径的文件夹并编码，读取编码后的音频数据，通过第三方API进行语音识别，将语音识别返回的数据解析后即可得到文字并显示；在原有对应诊断文字中，修正语音识别和智能诊断的错误，结合智能诊断的结果进行修改进行完善，并与诊断后的病理图像结合形成诊断报告。
5.根据权利要求4所述的一种图片、文字和语音结合的病理智能诊断系统，其特征在于所述的数据输出模块，下级医院登陆后上传本地病理图像文件和病历资料文件到病理图像资料服务站，并向上级医院发出请求诊断的请求，上级医院登陆后接收诊断的请求，通过数据输入模块下载病理图像和病例信息文件，再把诊断报告通过数据输出模块上传到病理图像资料服务站并更新相关信息，下级医院登陆后通过数据输入模块即可下载诊断报告。
6.根据权利要求1或2或3或4或5所述的一种图片、文字和语音结合的病理智能诊断系统的诊断过程实现如下：
步骤1、通过数据输入模块读取来自病理图像资料服务站的病理切片图像；
步骤2、通过智能诊断模块输出初步诊断结果，初步诊断结果包括自动标记的病理图像和与其症状匹配的文字描述；
步骤3、通过诊断修正模块修正错误，专家确认智能诊断的结果是否正确，若不正确能够通过手动输入和语音识别转文字输入两种方式进行修改，并将修改后的诊断数据用于训练人工智能诊断模型；
步骤4、将经过断修正模块修正后的诊断数生成诊断报告图文，包括病理图像和与其匹配的症状文字描述；
步骤5、保存和共享诊断报告图文，通过数据保存模块保存报告到本地，并通过数据输出模块共享诊断报告图文。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910213212.0A CN109961847A (zh) | 2019-03-20 | 2019-03-20 | 一种图片、文字和语音结合的病理智能诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910213212.0A CN109961847A (zh) | 2019-03-20 | 2019-03-20 | 一种图片、文字和语音结合的病理智能诊断系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109961847A true CN109961847A (zh) | 2019-07-02 |
Family
ID=67024668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910213212.0A Pending CN109961847A (zh) | 2019-03-20 | 2019-03-20 | 一种图片、文字和语音结合的病理智能诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109961847A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110648750A (zh) * | 2019-09-04 | 2020-01-03 | 杭州憶盛医疗科技有限公司 | 一种数字化切片系统和病理切片分析方法 |
| CN111667897A (zh) * | 2020-04-24 | 2020-09-15 | 杭州深睿博联科技有限公司 | 一种影像诊断结果的结构化报告系统 |
| CN112116559A (zh) * | 2020-08-17 | 2020-12-22 | 您好人工智能技术研发昆山有限公司 | 一种基于深度学习的数字病理图像智能分析方法 |
| CN112434172A (zh) * | 2020-10-29 | 2021-03-02 | 西安交通大学 | 一种病理图像预后特征权重计算方法及系统 |
| CN112561894A (zh) * | 2020-12-22 | 2021-03-26 | 中国科学院苏州生物医学工程技术研究所 | 针对ct图像的电子病历智能生成方法及系统 |
| CN112992336A (zh) * | 2021-02-05 | 2021-06-18 | 山西医科大学 | 一种病理智能诊断系统 |
| CN113029639A (zh) * | 2021-02-26 | 2021-06-25 | 湖南国科智瞳科技有限公司 | 一种病理标本管理系统及方法 |
| CN113130049A (zh) * | 2021-04-15 | 2021-07-16 | 黑龙江机智通智能科技有限公司 | 基于云服务的智能病理图像诊断系统 |
| CN113488130A (zh) * | 2021-07-13 | 2021-10-08 | 中南大学湘雅医院 | 一种图片、文字和语音结合的法医病理智能诊断系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008291A (zh) * | 2014-05-26 | 2014-08-27 | 宁波江丰生物信息技术有限公司 | 一种形成病理科图文报告的方法 |
| CN105975793A (zh) * | 2016-05-23 | 2016-09-28 | 麦克奥迪（厦门）医疗诊断系统有限公司 | 一种基于数字病理图像的癌症辅助诊断方法 |
| CN106682446A (zh) * | 2017-01-24 | 2017-05-17 | 宁波江丰生物信息技术有限公司 | 一种病理诊断方法 |
| CN106778037A (zh) * | 2017-01-12 | 2017-05-31 | 武汉兰丁医学高科技有限公司 | 一种基于细胞图像云服务器诊断的分析方法 |
| CN106846306A (zh) * | 2017-01-13 | 2017-06-13 | 重庆邮电大学 | 一种超声图像自动描述方法和系统 |
| CN108288506A (zh) * | 2018-01-23 | 2018-07-17 | 雨声智能科技（上海）有限公司 | 一种基于人工智能技术的癌症病理辅助诊断方法 |
| CN108416776A (zh) * | 2018-03-16 | 2018-08-17 | 京东方科技集团股份有限公司 | 图像识别方法、图像识别装置、计算机产品和可读存储介质 |
| CN108511061A (zh) * | 2018-04-28 | 2018-09-07 | 中南大学湘雅医院 | 基于移动远程病理诊断平台的基层医院病理诊断方法 |
-
2019
- 2019-03-20 CN CN201910213212.0A patent/CN109961847A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008291A (zh) * | 2014-05-26 | 2014-08-27 | 宁波江丰生物信息技术有限公司 | 一种形成病理科图文报告的方法 |
| CN105975793A (zh) * | 2016-05-23 | 2016-09-28 | 麦克奥迪（厦门）医疗诊断系统有限公司 | 一种基于数字病理图像的癌症辅助诊断方法 |
| CN106778037A (zh) * | 2017-01-12 | 2017-05-31 | 武汉兰丁医学高科技有限公司 | 一种基于细胞图像云服务器诊断的分析方法 |
| CN106846306A (zh) * | 2017-01-13 | 2017-06-13 | 重庆邮电大学 | 一种超声图像自动描述方法和系统 |
| CN106682446A (zh) * | 2017-01-24 | 2017-05-17 | 宁波江丰生物信息技术有限公司 | 一种病理诊断方法 |
| CN108288506A (zh) * | 2018-01-23 | 2018-07-17 | 雨声智能科技（上海）有限公司 | 一种基于人工智能技术的癌症病理辅助诊断方法 |
| CN108416776A (zh) * | 2018-03-16 | 2018-08-17 | 京东方科技集团股份有限公司 | 图像识别方法、图像识别装置、计算机产品和可读存储介质 |
| CN108511061A (zh) * | 2018-04-28 | 2018-09-07 | 中南大学湘雅医院 | 基于移动远程病理诊断平台的基层医院病理诊断方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110648750A (zh) * | 2019-09-04 | 2020-01-03 | 杭州憶盛医疗科技有限公司 | 一种数字化切片系统和病理切片分析方法 |
| CN111667897A (zh) * | 2020-04-24 | 2020-09-15 | 杭州深睿博联科技有限公司 | 一种影像诊断结果的结构化报告系统 |
| CN112116559A (zh) * | 2020-08-17 | 2020-12-22 | 您好人工智能技术研发昆山有限公司 | 一种基于深度学习的数字病理图像智能分析方法 |
| CN112434172A (zh) * | 2020-10-29 | 2021-03-02 | 西安交通大学 | 一种病理图像预后特征权重计算方法及系统 |
| CN112561894A (zh) * | 2020-12-22 | 2021-03-26 | 中国科学院苏州生物医学工程技术研究所 | 针对ct图像的电子病历智能生成方法及系统 |
| CN112561894B (zh) * | 2020-12-22 | 2023-11-28 | 中国科学院苏州生物医学工程技术研究所 | 针对ct图像的电子病历智能生成方法及系统 |
| CN112992336A (zh) * | 2021-02-05 | 2021-06-18 | 山西医科大学 | 一种病理智能诊断系统 |
| CN113029639A (zh) * | 2021-02-26 | 2021-06-25 | 湖南国科智瞳科技有限公司 | 一种病理标本管理系统及方法 |
| CN113130049A (zh) * | 2021-04-15 | 2021-07-16 | 黑龙江机智通智能科技有限公司 | 基于云服务的智能病理图像诊断系统 |
| CN113488130A (zh) * | 2021-07-13 | 2021-10-08 | 中南大学湘雅医院 | 一种图片、文字和语音结合的法医病理智能诊断系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109961847A (zh) | 一种图片、文字和语音结合的病理智能诊断系统 | |
| US10592779B2 (en) | Generative adversarial network medical image generation for training of a classifier | |
| WO2023087525A1 (zh) | 多模态深度学习的发电设备异常一体化识别方法及设备 | |
| CN106709254A (zh) | 一种医疗诊断机器人系统 | |
| CN111274425B (zh) | 医疗影像分类方法、装置、介质及电子设备 | |
| CN107247971B (zh) | 一种超声甲状腺结节风险指标的智能分析方法及系统 | |
| US10984024B2 (en) | Automatic processing of ambiguously labeled data | |
| US20100169092A1 (en) | Voice interface ocx | |
| CN109446304A (zh) | 智能客服会话方法及系统 | |
| CN108899087A (zh) | 基于深度学习的x光片智能诊断方法 | |
| CN114627467B (zh) | 基于改进神经网络的水稻生育期识别方法及系统 | |
| US20220156926A1 (en) | A method of processing an image of tissue, a system for processing an image of tissue, a method for disease diagnosis and a disease diagnosis system | |
| CN113672732B (zh) | 用于对业务数据进行分类的方法和设备 | |
| CN110827935A (zh) | 一种中西医医疗大数据的数据质控方法及系统 | |
| CN113177572A (zh) | 用于从传感器自动学习的方法和计算机可读介质 | |
| CN111652837B (zh) | 基于ai的甲状腺结节左右叶定位与超声报告纠错方法 | |
| CN112562817B (zh) | 将影像结构化报告的标签反馈给影像ai的系统及方法 | |
| CN114399108A (zh) | 一种基于多模态信息的茶园产量预测方法 | |
| CN110321835A (zh) | 人脸门禁方法、系统及设备 | |
| CN113902702A (zh) | 一种基于计算机断层扫描的肺结节良恶性辅助诊断系统 | |
| CN116759077A (zh) | 一种基于智能体的医疗对话意图识别方法 | |
| TWM586599U (zh) | 人工智慧雲端膚質與皮膚病灶辨識系統 | |
| CN115455984A (zh) | 一种任务型客服服务升级方法及装置 | |
| CN114722147A (zh) | 一种电子病历中传染病史的质控方法、系统、设备及介质 | |
| CN111881979B (zh) | 多模态数据标注装置及包含程序的计算机可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190702 |