CN110047577A - 影像分配装置及影像分配方法 - Google Patents

影像分配装置及影像分配方法 Download PDF

Info

Publication number
CN110047577A
CN110047577A CN201910329992.5A CN201910329992A CN110047577A CN 110047577 A CN110047577 A CN 110047577A CN 201910329992 A CN201910329992 A CN 201910329992A CN 110047577 A CN110047577 A CN 110047577A
Authority
CN
China
Prior art keywords
image
classification
forwarding
distribution method
distributor
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
CN201910329992.5A
Other languages
English (en)
Inventor
倪浩
郑永升
石磊
丁俊伟
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.)
According To Hangzhou Medical Technology Co Ltd
Original Assignee
According To Hangzhou Medical Technology 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 According To Hangzhou Medical Technology Co Ltd filed Critical According To Hangzhou Medical Technology Co Ltd
Priority to CN201910329992.5A priority Critical patent/CN110047577A/zh
Publication of CN110047577A publication Critical patent/CN110047577A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明揭示了一种影像分配装置及影像分配方法。影像分配装置包括：影像获取部，该影像获取部对影像进行获取并输出；影像分类部，该影像分类部基于深度学习神经网络模型对从所述影像获取部所输出的影像进行分类；以及影像转发部，该影像转发部将所述影像分类部分类之后的一个或多个类型的影像转发到对应的影像后处理工作站。根据本发明，能够低成本、高效地降低医院的放射科的网络带宽的压力。

Description

影像分配装置及影像分配方法
技术领域
本发明涉及一种影像分配装置及影像分配方法。
背景技术
PACS系统是Picture Archiving and Communication Systems的缩写，意为影像归档和通信系统。它是应用在医院影像科室的系统，主要的任务就是把日常产生的各种医学影像(包括核磁，CT，超声，各种X光机，各种红外仪、显微仪等设备产生的图像)通过各种接口(模拟，DICOM，网络)以数字化的方式海量保存起来，当需要的时候在一定的授权下能够很快的调回使用，同时增加一些辅助诊断管理功能。它在各种影像设备间传输数据和组织存储数据具有重要作用。
由于医院PACS系统在性能层面的负载较大，医院PACS系统普遍会负载饱和，无法支持过多的影像后处理工作站和AI影像处理工作站，目前医院侧最常见的处理方法是直接通过成像设备转发影像到各个接收端口，例如CT，MR，DR机直接配置转发节点，在将影像传给PACS系统归档阅片的同时再按顺序发送到各个影像后处理工作站和AI影像处理工作站，多的时候会有四五个需要转发的工作站。
另外因为设备自身的原因，大部分CT，DR等设备无法在转发的时候进行部位筛选，以及即使有筛选也是通过DICOM(digital imaging and communications in medicine，医学数字成像和通信标准)标签记录的内容，会因为人为原因，拍摄部位的特殊性，多部位一起拍摄等特殊情况导致标签不准确，无法区分，因此以往都是将设备中所有影像全部都转发到影像后处理工作站和AI影像处理工作站。
摄片设备的转发节点是有限的，在医院接入的影像后处理工作站和AI影像处理工作站越多，设备上剩余可用的转发节点就越少。转发节点接得越多，对医院里的放射科的网络带宽的压力就越大，压力按接入数量倍数增加。
因此如何低成本、高效地降低医院的放射科的网络带宽的压力就变得越来越迫切。
发明内容
本发明的一个目的在于克服现有技术的缺陷，提供一种低成本、高效地降低医院的放射科的网络带宽的压力的影像分配装置。
为实现上述目的，本发明提出如下技术方案：一种影像分配装置，用于医院PACS系统，该影像分配装置的特征在于，包括：
影像获取部，该影像获取部对影像进行获取并输出；
影像分类部，该影像分类部基于深度学习神经网络模型对从所述影像获取部所输出的影像进行分类；以及
影像转发部，该影像转发部将所述影像分类部分类之后的一个或多个类型的影像转发到对应的影像后处理工作站。
优选地，所述影像获取部所获取的影像为CT影像、X射线影像、MR影像、PET影像、超声影像中的一种或多种。
优选地，所述影像分类部将影像分为六个类别。
优选地，所述六个类别为：头部、颈部、胸部、胸腹、腹部、其他肢体。
优选地，所述影像转发部还将所述影像分类部分类后的一个或多个类型的影像转发到对应的AI影像处理工作站。
本发明的另一个技术方案为一种影像分配方法，用于医院PACS系统，该影像分配方法的特征在于，包括：
影像获取步骤，在该影像获取步骤中对影像进行获取并输出；
影像分类步骤，在该影像分类步骤基于深度学习神经网络模型对所述影像获取步骤输出的影像进行分类；以及
影像转发步骤，在该影像转发步骤中将所述影像分类步骤分类之后的一个或多个类型的影像转发到对应的影像后处理工作站
根据本发明所提供的影像分配装置及方法，能够低成本、高效地降低医院的放射科的网络带宽的压力。
附图说明
图1是本发明的影像分配装置的示意图。
图2是本发明的影像分配方法的示意图。
具体实施方式
下面将结合本发明的附图，对本发明实施例的技术方案进行清楚、完整的描述。
本发明的第一实施方式是一种影像分配装置。如图1所示，影像分配装置包括：影像获取部、影像分类部、以及影像转发部。
影像获取部采用标准DICOM协议(例如DICOM3.0)对影像进行获取并输出，能够通过DICOM协议中的C-Store服务接收任意类型的影像，并将接收到的影像按规则在本地临时存储并可以被调取，本地存储支持加密和压缩。C-Store服务主要用来归档影像，在实际场景中，医院的设备(DR“普放”、CT“断层扫描”、MR“核磁”)做完检查后会产生影像文件，然后设备会通过C-Store服务将这些影像文件归档到PACS系统中。优选地，影像获取部所获取的影像为CT影像，但并不限于此，也可以获取DR影像、MR影像等。也就是说，影像获取部所获取的影像可以为CT影像、X射线影像、MR影像、PET影像、超声影像中的一种或多种。
影像分类部基于深度学习神经网络模型对从所述影像获取部所输出的影像进行分类。优选地，影像分类部将影像分为六个类别，但并不限于此，也可以分为多于六个类别或少于六个类别。优选地，六个类别为：头部、颈部、胸部、胸腹、腹部、其他肢体，但并不限于此，类别也可以为腿部等其他类别。
以下，以将影像分为六个类别，且六个类别为：头部、颈部、胸部、胸腹、腹部、其他肢体作为一个优选例，对深度学习神经网络模型的训练方式进行说明。
1.使用十万例以上的包含头部，颈部，胸部，胸腹连扫，腹部，其他肢体部位的影像系列作为训练数据，对这批训练数据进行标注确定其位置标签，并送入神经网络算法进行初步模型训练。
2.对初步模型性能进行验证，使用一家医院中的几千份数据进行测试得到性能结果并分析错误原因。
3.基于原始训练数据采用多种方式构造生成和增强模型，主要针对不同的方向，拍摄意图和不同截断，生成带标注数据的不同训练集。
4.使用多种生成模型和分类模型进行对抗学习，提升模型在各种数据集下的性能。
5.使用生成模型生成大量带标注结果的数据并进行训练。
6.使用最终测试集验证，得到最终模型。
经过训练之后，最终得到的模型对所有接入影像平台的CT影像进行标签，给出接入的影像的学习过程中所有CT系列的包含部位，并进行记录。分类模型的准确率为，6分类总准确率在99％以上，其中胸+胸腹连扫和其他四个部位的二分类准确率在99.8％以上。
影像转发部将所述影像分类部分类后的一个或多个类型的影像转发到对应的影像后处理工作站。优选地，所述影像转发部还将所述影像分类部分类之后的一个或多个类型的影像转发到对应的AI影像处理工作站。
也就是说，影像转发部控制向特定转发节点转发包含某类别系列影像。例如可以将包含胸部系列的影像全部发送给对应的影像后处理工作站，而不含胸部系列的影像则不再发送，对于目前有多个影像后处理工作站的医院来说，筛选后发送能为医院节约大量带宽，而且影像后处理工作站也不会因此收到过多冗余数据。
另外，尽管总准确率在99％以上，针对极个别可能出现的分类错误的情况，允许人为手工纠错并将特定影像进行传输的操作。同时在设置转发的时候也可以设置基于原始DICOM文件标签值进行判断或通过标签和分类模块标签共同判断。
此外，尽管没有图示，但是为了便于管理，还可以在该影像分配装置中再另外设置一个统计部，该统计部对输入影像，输出影像，不同标签和部位的影像进行统计和监控。
如上所述，利用第一实施方式的影像分配装置，由于不是像以往那样将所有影像全部转发到影像后处理工作站，而是通过筛选，将分类后的一部分影像转发到影像后处理工作站，因此能够低成本、高效地降低医院的放射科的网络带宽的压力。
本发明的第二实施方式是一种影像分配方法，该影像分配方法用于医院PACS系统。如图2所示，该影像分配方法包括：影像获取步骤，在该影像获取步骤中对影像进行获取并输出；影像分类步骤，在该影像分类步骤基于深度学习神经网络模型对所述影像获取步骤输出的影像进行分类；以及影像转发步骤，在该影像转发步骤中将所述影像分类步骤分类之后的一个或多个类型的影像转发到对应的影像后处理工作站。
由于该影像分配方法为与第一实施方式的影像分配装置所对应的分配方法。因此在各种细节上都与第一实施方式相同，从而在此省略重复的说明。
如上所述，利用第二实施方式的影像分配方法，由于不是像以往那样将所有影像全部转发到影像后处理工作站，而是通过筛选，将分类后的一部分影像转发到影像后处理工作站，因此能够低成本、高效地降低医院的放射科的网络带宽的压力。
需要说明的是，本发明各设备实施方式中提到的各单元都是逻辑单元，在物理上，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现，这些逻辑单元本身的物理实现方式并不是最重要的，这些逻辑单元所实现的功能的组合才是解决本发明所提出的技术问题的关键。此外，为了突出本发明的创新部分，本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，这并不表明上述设备实施方式并不存在其它的单元。
需要说明的是，在本专利的权利要求和说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然通过参照本发明的某些优选实施方式，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种影像分配装置，用于医院PACS系统，该影像分配装置的特征在于，包括：
影像获取部，该影像获取部对影像进行获取并输出；
影像分类部，该影像分类部基于深度学习神经网络模型对从所述影像获取部所输出的影像进行分类；以及
影像转发部，该影像转发部将所述影像分类部分类之后的一个或多个类型的影像转发到对应的影像后处理工作站。
2.根据权利要求1所述的影像分配装置，其特征在于，
所述影像获取部所获取的影像为CT影像、X射线影像、MR影像、PET影像、超声影像中的一种或多种。
3.根据权利要求1所述的影像分配装置，其特征在于，
所述影像分类部将影像分为六个类别。
4.根据权利要求3所述的影像分配装置，其特征在于，
所述六个类别为：头部、颈部、胸部、胸腹、腹部、其他肢体。
5.根据权利要求1所述的影像分配装置，其特征在于，
所述影像转发部还将所述影像分类部分类后的一个或多个类型的影像转发到对应的AI影像处理工作站。
6.一种影像分配方法，用于医院PACS系统，该影像分配方法的特征在于，包括：
影像获取步骤，在该影像获取步骤中对影像进行获取并输出；
影像分类步骤，在该影像分类步骤基于深度学习神经网络模型对所述影像获取步骤输出的影像进行分类；以及
影像转发步骤，在该影像转发步骤中将所述影像分类步骤分类之后的一个或多个类型的影像转发到对应的影像后处理工作站。
7.根据权利要求6所述的影像分配方法，其特征在于，
在所述影像获取步骤所获取的影像为CT影像、MR影像、PET影像、超声影像中的一种或多种。
8.根据权利要求6所述的影像分配方法，其特征在于，
在所述影像分类步骤将影像分为六个类别。
9.根据权利要求8所述的影像分配方法，其特征在于，
所述六个类别为：头部、颈部、胸部、胸腹、腹部、其他肢体。
10.根据权利要求6所述的影像分配方法，其特征在于，
在所述影像转发步骤还将所述影像分类步骤分类后的一个或多个类型的影像转发到对应的AI影像处理工作站。
CN201910329992.5A 2019-04-23 2019-04-23 影像分配装置及影像分配方法 Pending CN110047577A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910329992.5A CN110047577A (zh) 2019-04-23 2019-04-23 影像分配装置及影像分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910329992.5A CN110047577A (zh) 2019-04-23 2019-04-23 影像分配装置及影像分配方法

Publications (1)

Publication Number Publication Date
CN110047577A true CN110047577A (zh) 2019-07-23

Family

ID=67278670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910329992.5A Pending CN110047577A (zh) 2019-04-23 2019-04-23 影像分配装置及影像分配方法

Country Status (1)

Country Link
CN (1) CN110047577A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116501904A (zh) * 2023-06-28 2023-07-28 中国人民解放军总医院 分布式存储方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1787447A (zh) * 2005-11-16 2006-06-14 中国科学院上海技术物理研究所 多点寻址获取医学图像交互式网络会诊实现方法及系统
US20110154355A1 (en) * 2009-12-22 2011-06-23 Siemens Aktiengesellschaft Method and system for resource allocation for the electronic preprocessing of digital medical image data
CN102508987A (zh) * 2011-09-19 2012-06-20 湖南人文科技学院 医疗影像综合传输系统
US20170039350A1 (en) * 2008-11-19 2017-02-09 D.R. Systems, Inc. System and method of providing dynamic and customizable medical examination forms
CN108846432A (zh) * 2018-06-06 2018-11-20 深圳神目信息技术有限公司 一种基于深度学习对胸部ct影像的分类方法
CN109308477A (zh) * 2018-09-21 2019-02-05 北京连心医疗科技有限公司 一种基于粗分类的医学影像自动分割方法、设备和存储介质
CN109461161A (zh) * 2018-10-22 2019-03-12 北京连心医疗科技有限公司 一种基于神经网络对医学影像中人体器官进行分割的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1787447A (zh) * 2005-11-16 2006-06-14 中国科学院上海技术物理研究所 多点寻址获取医学图像交互式网络会诊实现方法及系统
US20170039350A1 (en) * 2008-11-19 2017-02-09 D.R. Systems, Inc. System and method of providing dynamic and customizable medical examination forms
US20110154355A1 (en) * 2009-12-22 2011-06-23 Siemens Aktiengesellschaft Method and system for resource allocation for the electronic preprocessing of digital medical image data
CN102508987A (zh) * 2011-09-19 2012-06-20 湖南人文科技学院 医疗影像综合传输系统
CN108846432A (zh) * 2018-06-06 2018-11-20 深圳神目信息技术有限公司 一种基于深度学习对胸部ct影像的分类方法
CN109308477A (zh) * 2018-09-21 2019-02-05 北京连心医疗科技有限公司 一种基于粗分类的医学影像自动分割方法、设备和存储介质
CN109461161A (zh) * 2018-10-22 2019-03-12 北京连心医疗科技有限公司 一种基于神经网络对医学影像中人体器官进行分割的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
松山贵之: "《一本书读懂人工智能》", 30 September 2018, 东方出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116501904A (zh) * 2023-06-28 2023-07-28 中国人民解放军总医院 分布式存储方法、装置、设备及介质
CN116501904B (zh) * 2023-06-28 2023-09-22 中国人民解放军总医院 分布式存储方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN106295149B (zh) 一种医学影像的云/数字胶片及云阅片系统
CN105069308B (zh) 医疗设备智能监控系统
CN111161822A (zh) 医学影像人工智能诊断数据管理系统及其管理方法
CN209401316U (zh) 一种智能阅片和选片的医用图像处理系统
JP6768620B2 (ja) 学習支援装置、学習支援装置の作動方法、学習支援プログラム、学習支援システム、端末装置及びプログラム
CN110010226A (zh) 一种通过移动终端查看云端医学影像的系统及使用方法
US20020111829A1 (en) Method and associated apparatus for electronic prescription handling
CN111696083A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN109545332A (zh) 一种医学影像工作站系统
CN105678052A (zh) Dicom文件的管理方法及管理系统
CN110970124B (zh) 一种基于云服务器的外来医疗器械的消毒管理及追溯系统
CN106708933A (zh) 一种dicom影像文件存储方法及装置
CN109919912A (zh) 一种医学影像的质量评价方法和装置
CN109003670A (zh) 大数据医疗信息处理方法、系统、终端设备及存储介质
CN110047577A (zh) 影像分配装置及影像分配方法
CN109036527A (zh) 任务分发方法及相关装置
CN114223040A (zh) 在成像点处用于对使成像工作流程效率更高的选择的即时建议的设备
KR20200010141A (ko) 방사선 필름 자체 인쇄 시스템 및 방법
CN112331329A (zh) 以个人装置进行手骨骨龄即时判读的系统及方法
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
CN109308943A (zh) 一种便捷就医方法及系统
CN207367610U (zh) 一种自助获取电子胶片的系统
CN111667457B (zh) 一种基于医学影像的脊椎椎体信息自动识别方法、系统、终端及存储介质
CN108053877A (zh) 一种基于急诊绿色通道的信息管理方法及装置
CN107610755A (zh) 基于pacs数据库的医疗检查影像分配系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190723