CN110085288A - 一种基于互联网的肝胆外科治疗信息共享系统及共享方法 - Google Patents

一种基于互联网的肝胆外科治疗信息共享系统及共享方法 Download PDF

Info

Publication number
CN110085288A
CN110085288A CN201910316248.1A CN201910316248A CN110085288A CN 110085288 A CN110085288 A CN 110085288A CN 201910316248 A CN201910316248 A CN 201910316248A CN 110085288 A CN110085288 A CN 110085288A
Authority
CN
China
Prior art keywords
liver
module
information
internet
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
Application number
CN201910316248.1A
Other languages
English (en)
Inventor
陈利平
吴敏
吕粟
姚骊
朱冠楠
付桂
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.)
West China Hospital of Sichuan University
Original Assignee
West China Hospital of Sichuan University
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 West China Hospital of Sichuan University filed Critical West China Hospital of Sichuan University
Priority to CN201910316248.1A priority Critical patent/CN110085288A/zh
Publication of CN110085288A publication Critical patent/CN110085288A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30056—Liver; Hepatic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Bioethics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Surgery (AREA)
  • Urology & Nephrology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明属于肝胆外科治疗信息共享技术领域，公开了一种基于互联网的肝胆外科治疗信息共享系统及共享方法，所述基于互联网的肝胆外科治疗信息共享系统包括：患者信息采集模块、信息处理模块、诊断模块、中央控制模块、治疗信息生成模块、网络通信模块、病情预测模块、防控模块、数据库、显示模块。本发明通过诊断模块利用肝脏CT图像的纹理特征数据集训练后的分类器来鉴别肿块的良恶性，其结果没有人为主观因素影响，避免了病理检查和其他检查的人为主观因素影响，大大提高诊断准确性；同时，通过病情预测模块利用基于深度学习技术的预测模型，解决了由于人的主观性而造成的难以把握基因表达量微小差异的问题，对肝癌的基因治疗的发展具有积极意义。

Description

一种基于互联网的肝胆外科治疗信息共享系统及共享方法
技术领域
本发明属于肝胆外科治疗信息共享技术领域，尤其涉及一种基于互联网的肝胆外科治疗信息共享系统及共享方法。
背景技术
肝胆，指肝和胆的总称。胆囊管及其开口处变异较多，手术时常易损伤此处。然而，现有肝胆诊断治疗误诊率高，诊断结果不准确；同时，不能准确的对肝胆病情进行预测。现有肝胆诊断方法利用深度学习算法提取图像特征与图像纹理特征相结合并应用XGBoost算法在超声图像上实现肝脏弥漫性疾病智能诊断的方法，它是人工智能方法在基于超声图像的诊断中的应用，可以为医生的疾病诊断提供辅助建议。步骤为：一、对肝脏超声图像进行预处理；二、基于卷积神经网络实现肝脏弥漫性疾病的初步分类；三、将卷积神经网络特征和图像纹理特征相结合形成多模型特征，应用XGBoost算法实现肝脏弥漫性疾病的最终分类。本发明结合深度学习算法和传统的特征提取算法，兼顾图像的形状特征与纹理特征，并应用XGBoost算法提高了分类算法的准确度，适用于基于超声图像的肝脏弥漫性疾病辅助诊断。
综上所述，现有技术存在的问题是：
(1)现有肝胆诊断治疗误诊率高，诊断结果不准确；
(2)不能准确的对肝胆病情进行预测；
(3)患者每更换一次就诊医院需要重新做检查，以往检查信息无法共享；
(4)现有医学系统网络接口无安全防护措施，患者隐私得不到保护。
发明内容
针对现有技术存在的问题，本发明提供了一种基于互联网的肝胆外科治疗信息共享系统及共享方法。
本发明是这样实现的，一种基于互联网的肝胆外科治疗信息共享方法，所述基于互联网的肝胆外科治疗信息共享方法包括：
步骤一，通过患者信息采集模块利用采集设备对患者肝胆检测信息、患者个人信息进行采集；通过诊断模块利用医疗诊断设备对患者肝胆病情进行诊断；
步骤二，中央控制模块通过治疗信息生成模块利用医疗软件根据诊断信息生成相应的治疗信息；
步骤三，通过网络通信模块利用网络接口连接互联网进行医疗网络通信；
步骤四，通过治疗信息上传模块利用上传程序上传肝胆外科治疗信息；
步骤五，通过病情预测模块利用预测程序根据采集信息、诊断信息对患者病情进行预测；
步骤六，通过显示模块利用显示器显示患者信息及肝胆外科治疗信息。
进一步，所述基于互联网的肝胆外科治疗信息共享方法的诊断方法如下：
(1)预先对腹部CT图像进行轮廓分割和提取，并标记好正常肝脏CT、肝囊肿、肝癌，将预处理后的图像导入到所述系统中；
(2)图像纹理特征提取对导入图像进行图像纹理分析，获取CT图像中的13维灰度共生纹理特征；
(3)分类诊断内存储已经证实的肝癌、肝囊肿图像纹理特征以及正常肝图像肝脏纹理特征构成的数据库，根据数据库建立诊断模型，将输入的肝脏CT图像纹理特征代入诊断模型分类器中进行处理，得到诊断结果以及准确度。
进一步，所述步骤(1)中，所述对腹部CT图像进行轮廓分割和提取，其过程为：
首先对图像进行切割得到ROI，然后对于感兴趣的区域进行填充和去除噪声的处理，采用中值滤波法去除噪声，采用直方图均衡化方法进行图像增强；并对CT图像进行256级灰度转换，而后存储为double类型，最后进行16级灰度压缩，将所有提取的ROI图像构成肝脏CT图像集。
进一步，所述基于互联网的肝胆外科治疗信息共享方法的病情预测方法如下：
1)训练数据的获取；训练数据的获取包括：对同源的癌组织和健康组织进行测序，同时测定各个基因的基因表达量；
2)训练深度学习模型；训练深度学习模型包括：练深度学习模型为输入根据网络结构进行逐层前向传播，再利用代价函数的梯度和具体输出进行梯度下降的反向传播实现全局参数优化，最终使具体输出与目标输出偏差在可接受范围内，当具体输出与目标输出偏差在可接受范围内时，深度学习模型即可使用，当偏差较大时则改变参数继续训练；
3)利用训练完成的深度学习模型预测肝癌；训练完成的深度学习模型预测肝癌包括：利用未知健康情况的细胞的各基因表达量作为输入，可以根据深度学习模型输出层神经元的激活情况判断细胞的健康情况。
本发明的另一目的在于提供一种实现所述基于互联网的肝胆外科治疗信息共享方法的基于互联网的肝胆外科治疗信息共享系统，所述基于互联网的肝胆外科治疗信息共享系统包括：
患者信息采集模块、诊断模块、中央控制模块、治疗信息生成模块、网络通信模块、治疗信息上传模块、病情预测模块、显示模块；
患者信息采集模块，与中央控制模块连接，用于通过采集设备对患者肝胆检测信息、患者个人信息进行采集；
诊断模块，与中央控制模块连接，用于通过医疗诊断设备对患者肝胆病情进行诊断；
中央控制模块，与中央控制模块连接，用于通过单片机控制各个模块正常工作；
治疗信息生成模块，与中央控制模块连接，用于通过医疗软件根据诊断信息生成相应的治疗信息；
网络通信模块，与中央控制模块连接，用于通过网络接口连接互联网进行医疗网络通信；
治疗信息上传模块，与中央控制模块连接，用于通过上传程序上传肝胆外科治疗信息；
病情预测模块，与中央控制模块连接，用于通过预测程序根据采集信息、诊断信息对患者病情进行预测；
显示模块，与中央控制模块连接，用于通过显示器显示患者信息及肝胆外科治疗信息。
本发明的另一目的在于提供一种应用所述基于互联网的肝胆外科治疗信息共享方法的肝胆超声控制系统。
本发明的优点及积极效果为：
本发明通过诊断模块使用的CT图像是在活检或手术前获得，因此具有无创性，具有快速及时的特点；通过CT图像获得肝癌鉴别，不需要取活体组织鉴定等，具有成本低，降低病人痛苦的特点；通过Relief算法对训练样本的特征降维优化，可以有效的降低病变肝脏纹理特征样本集的复杂程度，进一步提高鉴别准确度；通过肝脏CT图像的纹理特征数据集训练后的分类器来鉴别肿块的良恶性，其结果没有人为主观因素影响，避免了病理检查和其他检查的人为主观因素影响，大大提高诊断准确性；同时，通过病情预测模块可以联合全部基因的基因表达量进行联合判断，克服了传统方法忽略基因联合表达作用的不足；利用基于深度学习技术的预测模型，解决了由于人的主观性而造成的难以把握基因表达量微小差异的问题，对肝癌的基因治疗的发展具有积极意义。
本发明对网络接口进行了加密保护，能够保证患者的相关医疗信息不会被泄露、盗用；同时保证了服务器、数据库的安全性，避免因网络病毒或恶意攻击导致共享系统的信息丢失或被恶意复制。
本发明对采集的相关信息进行了处理，特别是医学图像信息的处理，能够提高信息的可用度与实用性；同时将相关信息上传并存放至数据库，能够保证信息可被多方调用，避免患者多次重复检查。
附图说明
图1是本发明实施例提供的基于互联网的肝胆外科治疗信息共享方法流程图。
图2是本发明实施例提供的基于互联网的肝胆外科治疗信息共享系统结构框图。
图2中：1、患者信息采集模块；2、信息处理模块；3、诊断模块；4、中央控制模块；5、治疗信息生成模块；6、网络通信模块；7、病情预测模块；8、防控模块；9、数据库；10、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的基于互联网的肝胆外科治疗信息共享方法包括以下步骤：
S101，利用采集设备对患者肝胆检测信息、患者个人信息进行采集；利用医学处理软件对采集到的患者个人信息、检测信息以及医学图像信息进行处理；
S102，利用医疗诊断设备根据处理后的患者个人信息、检测信息以及相关医学图像信息对患者肝胆病情进行诊断；利用医疗软件根据诊断信息生成相应的治疗信息并利用上传程序上传肝胆外科治疗信息；
S103，利用加密的网络接口连接互联网进行医疗网络通信；
S104，利用预测程序根据采集信息、诊断信息对患者病情进行预测；根据预测的患者病情输出相应疾病防控措施；
S105，将患者个人信息、病历信息、治疗信息以及防控措施进行存储，并利用显示器显示患者信息、处理的医学图像信息、肝胆外科治疗信息以及相应防控措施。
步骤S103中，本发明实施例提供的网络接口的加密策略具体包括：
(1)肝胆外科治疗信息的提供方与调用相应信息的调用方约定好统一的参数加密算法，同时保证提供方与调用方的服务器时间为准确的网络时间；
(2)调用方在调用时把加密后的_sign放在参数中去请求接口；
(3)提供方接到响应后，判断时间戳是不是在有效时间内，所述有效时间间隔可根据实际安全范围自设为10分钟，5分钟，20秒等，过期失效；
(4)把参数中除了_sign以外的参数进行加密，然后把加密结果和调用方传过来的_sign比较，相同则执行调用请求。
步骤(1)中，本发明实施例提供的服务器和客户端的时间没有同步，可以返回错误的同时再返回一个服务器的当前时间，客户端接收到该错误后再请求上一个接口，时间则传服务器刚刚返回的时间。
步骤(4)中，本发明实施例提供的加密还包括：
当涉及到比较重要的信息，可以用AES对value进行加密，防止抓包拉取到上传的数据。
如图2所示，本发明实施例提供的基于互联网的肝胆外科治疗信息共享系统包括：患者信息采集模块1、信息处理模块2、诊断模块3、中央控制模块4、治疗信息生成模块5、网络通信模块6、病情预测模块7、防控模块8、数据库9、显示模块10。
患者信息采集模块1，与中央控制模块4连接，用于通过采集设备对患者肝胆检测信息、患者个人信息进行采集；
信息处理模块2，与中央控制模块4连接，用于利用医学处理软件对采集到的患者个人信息、检测信息以及医学图像信息进行处理；
诊断模块3，与中央控制模块4连接，用于通过医疗诊断设备对患者肝胆病情进行诊断；
中央控制模块4，患者信息采集模块1、信息处理模块2、诊断模块3、治疗信息生成模块5、网络通信模块6、病情预测模块7、防控模块8、数据库9、显示模块10连接，用于通过单片机控制各个模块正常工作；
治疗信息生成模块5，与中央控制模块4连接，用于通过医疗软件根据诊断信息生成相应的治疗信息；并通过上传程序上传肝胆外科治疗信息；
网络通信模块6，与中央控制模块4连接，用于通过网络接口连接互联网进行医疗网络通信；
病情预测模块7，与中央控制模块4连接，用于通过预测程序根据采集信息、诊断信息对患者病情进行预测；
防控模块8，与中央控制模块4连接，用于根据预测的患者病情输出相应疾病防控措施；
数据库9，与中央控制模块4连接，用于存储患者个人信息、病历信息、治疗信息以及防控措施；
显示模块10，与中央控制模块4连接，用于通过显示器显示患者信息及肝胆外科治疗信息。
本发明实施例提供的诊断模块3诊断方法如下：
(1)预先对腹部CT图像进行轮廓分割和提取，并标记好正常肝脏CT、肝囊肿、肝癌，将预处理后的图像导入到所述系统中；
(2)图像纹理特征提取对导入图像进行图像纹理分析，获取CT图像中的13维灰度共生纹理特征；
(3)分类诊断内存储已经证实的肝癌、肝囊肿图像纹理特征以及正常肝图像肝脏纹理特征构成的数据库，根据数据库建立诊断模型，将输入的肝脏CT图像纹理特征代入诊断模型分类器中进行处理，得到诊断结果以及准确度。
步骤(1)中，本发明实施例提供的对腹部CT图像进行轮廓分割和提取，其过程为：
首先对图像进行切割得到ROI,然后对于感兴趣的区域进行填充和去除噪声的处理，采用中值滤波法去除噪声，采用直方图均衡化方法进行图像增强；并对CT图像进行256级灰度转换，而后存储为double类型，最后进行16级灰度压缩，将所有提取的ROI图像构成肝脏CT图像集。
步骤(2)中，本发明实施例提供的所述获取CT图像中的13维灰度共生纹理特征，获取其中9维灰度共生纹理特征的过程为：
在图像中任取一像素点A(x，y)，然后获得与像素点A距离为d的另一个像素点B(x+a，y+b)，像素点A和像素点B形成一个点对，记录这一点对的灰度值(i，j)，固定a和b的值，使像素点A(x，y)在图像上移动，获得多种像素点对组合，Ng为图像灰度级别值，i∈[0，Ng-1]，j∈[0，Ng-1]，改变d和θ，θ为像素点对连线与水平线的夹角，统计图像中的像素点对的灰度值，构成灰度共生矩阵P(i，j，θ，d)，其中#{x}是集合x中的所有元素的个数；然后根据灰度共生矩阵提取9维纹理特征，分别为对比度、逆差矩、相关性、熵、角二阶矩、共生和均值、共生和的熵、共生和差值以及共生差的熵。
步骤(3)中，本发明实施例提供的所述根据数据库建立诊断模型，建立诊断模型的过程为：
从数据库内选取n个纹理特征数据样本作为训练样本集，用训练样本集对分类器进行训练，其中n为正整数，且为整个数据库样本集的1/2，并将数据库中除训练样本集外的n个纹理特征数据样本作为验证样本集，使用训练后分类器对验证样本集进行分类，获得验证样本集的鉴别准确率，然后再另外选取n个样本重复上述步骤，多次操作，最后选取得到最大诊断准确率维目标建立诊断模型。
本发明实施例提供的病情预测模块7预测方法如下：
1)训练数据的获取；训练数据的获取包括：对同源的癌组织和健康组织进行测序，同时测定各个基因的基因表达量；
2)训练深度学习模型；训练深度学习模型包括：练深度学习模型为输入根据网络结构进行逐层前向传播，再利用代价函数的梯度和具体输出进行梯度下降的反向传播实现全局参数优化，最终使具体输出与目标输出偏差在可接受范围内，当具体输出与目标输出偏差在可接受范围内时，深度学习模型即可使用，当偏差较大时则改变参数继续训练；
3)利用训练完成的深度学习模型预测肝癌；训练完成的深度学习模型预测肝癌包括：利用未知健康情况的细胞的各基因表达量作为输入，可以根据深度学习模型输出层神经元的激活情况判断细胞的健康情况。
步骤2)中，本发明实施例提供的深度学习模型包括：
输入层；卷积层；池化层；输出层。
本发明实施例提供的输入层采用全连接的方式，输入为各个基因的基因表达量。
本发明提供的卷积层采用共享权重的方式，滤波器进行一维滑动，滑动跨步为1。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (6)

1.一种基于互联网的肝胆外科治疗信息共享方法，其特征在于，所述基于互联网的肝胆外科治疗信息共享方法包括：
步骤一，通过患者信息采集模块利用采集设备对患者肝胆检测信息、患者个人信息进行采集；通过诊断模块利用医疗诊断设备对患者肝胆病情进行诊断；
步骤二，中央控制模块通过治疗信息生成模块利用医疗软件根据诊断信息生成相应的治疗信息；
步骤三，通过网络通信模块利用网络接口连接互联网进行医疗网络通信；
步骤四，通过治疗信息上传模块利用上传程序上传肝胆外科治疗信息；
步骤五，通过病情预测模块利用预测程序根据采集信息、诊断信息对患者病情进行预测；
步骤六，通过显示模块利用显示器显示患者信息及肝胆外科治疗信息。
2.如权利要求1所述的基于互联网的肝胆外科治疗信息共享方法，其特征在于，所述基于互联网的肝胆外科治疗信息共享方法的诊断方法如下：
(1)预先对腹部CT图像进行轮廓分割和提取，并标记好正常肝脏CT、肝囊肿、肝癌，将预处理后的图像导入到所述系统中；
(2)图像纹理特征提取对导入图像进行图像纹理分析，获取CT图像中的13维灰度共生纹理特征；
(3)分类诊断内存储已经证实的肝癌、肝囊肿图像纹理特征以及正常肝图像肝脏纹理特征构成的数据库，根据数据库建立诊断模型，将输入的肝脏CT图像纹理特征代入诊断模型分类器中进行处理，得到诊断结果以及准确度。
3.如权利要求2所述的基于互联网的肝胆外科治疗信息共享方法，其特征在于，所述步骤(1)中，所述对腹部CT图像进行轮廓分割和提取，其过程为：
首先对图像进行切割得到ROI，然后对于感兴趣的区域进行填充和去除噪声的处理，采用中值滤波法去除噪声，采用直方图均衡化方法进行图像增强；并对CT图像进行256级灰度转换，而后存储为double类型，最后进行16级灰度压缩，将所有提取的ROI图像构成肝脏CT图像集。
4.如权利要求1所述的基于互联网的肝胆外科治疗信息共享方法，其特征在于，所述基于互联网的肝胆外科治疗信息共享方法的病情预测方法如下：
1)训练数据的获取；训练数据的获取包括：对同源的癌组织和健康组织进行测序，同时测定各个基因的基因表达量；
2)训练深度学习模型；训练深度学习模型包括：练深度学习模型为输入根据网络结构进行逐层前向传播，再利用代价函数的梯度和具体输出进行梯度下降的反向传播实现全局参数优化，最终使具体输出与目标输出偏差在可接受范围内，当具体输出与目标输出偏差在可接受范围内时，深度学习模型即可使用，当偏差较大时则改变参数继续训练；
3)利用训练完成的深度学习模型预测肝癌；训练完成的深度学习模型预测肝癌包括：利用未知健康情况的细胞的各基因表达量作为输入，可以根据深度学习模型输出层神经元的激活情况判断细胞的健康情况。
5.一种实现权利要求1所述基于互联网的肝胆外科治疗信息共享方法的基于互联网的肝胆外科治疗信息共享系统，其特征在于，所述基于互联网的肝胆外科治疗信息共享系统包括：
患者信息采集模块、诊断模块、中央控制模块、治疗信息生成模块、网络通信模块、治疗信息上传模块、病情预测模块、显示模块；
患者信息采集模块，与中央控制模块连接，用于通过采集设备对患者肝胆检测信息、患者个人信息进行采集；
诊断模块，与中央控制模块连接，用于通过医疗诊断设备对患者肝胆病情进行诊断；
中央控制模块，与中央控制模块连接，用于通过单片机控制各个模块正常工作；
治疗信息生成模块，与中央控制模块连接，用于通过医疗软件根据诊断信息生成相应的治疗信息；
网络通信模块，与中央控制模块连接，用于通过网络接口连接互联网进行医疗网络通信；
治疗信息上传模块，与中央控制模块连接，用于通过上传程序上传肝胆外科治疗信息；
病情预测模块，与中央控制模块连接，用于通过预测程序根据采集信息、诊断信息对患者病情进行预测；
显示模块，与中央控制模块连接，用于通过显示器显示患者信息及肝胆外科治疗信息。
6.一种应用权利要求1～4任意一项所述基于互联网的肝胆外科治疗信息共享方法的肝胆超声控制系统。
CN201910316248.1A 2019-04-19 2019-04-19 一种基于互联网的肝胆外科治疗信息共享系统及共享方法 Pending CN110085288A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910316248.1A CN110085288A (zh) 2019-04-19 2019-04-19 一种基于互联网的肝胆外科治疗信息共享系统及共享方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910316248.1A CN110085288A (zh) 2019-04-19 2019-04-19 一种基于互联网的肝胆外科治疗信息共享系统及共享方法

Publications (1)

Publication Number Publication Date
CN110085288A true CN110085288A (zh) 2019-08-02

Family

ID=67415714

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910316248.1A Pending CN110085288A (zh) 2019-04-19 2019-04-19 一种基于互联网的肝胆外科治疗信息共享系统及共享方法

Country Status (1)

Country Link
CN (1) CN110085288A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110840408A (zh) * 2019-11-29 2020-02-28 新乡医学院第一附属医院(河南省结核病医院) 一种基于物联网的妇产科疾病医疗诊治系统
CN111462849A (zh) * 2020-04-02 2020-07-28 孙德云 一种多功能骨外科护理系统及护理方法、护理终端
CN111950595A (zh) * 2020-07-14 2020-11-17 十堰市太和医院（湖北医药学院附属医院） 肝脏病灶图像处理方法、系统、存储介质、程序、终端
CN114343607A (zh) * 2022-01-06 2022-04-15 四川大学华西医院 一种基于肝脏mr检查目的的图像序列展示方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107391917A (zh) * 2017-07-10 2017-11-24 无锡启集智能科技有限公司 一种信息资源共享安全的医疗信息平台
CN108565017A (zh) * 2018-04-23 2018-09-21 杜欣欣 一种宫颈病变的临床决策系统及其方法
CN108733981A (zh) * 2018-06-11 2018-11-02 天津科技大学 一种基于深度学习技术从基因角度预测肝癌风险的方法
CN108805858A (zh) * 2018-04-10 2018-11-13 燕山大学 基于数据挖掘的肝病ct图像计算机辅助诊断系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107391917A (zh) * 2017-07-10 2017-11-24 无锡启集智能科技有限公司 一种信息资源共享安全的医疗信息平台
CN108805858A (zh) * 2018-04-10 2018-11-13 燕山大学 基于数据挖掘的肝病ct图像计算机辅助诊断系统及方法
CN108565017A (zh) * 2018-04-23 2018-09-21 杜欣欣 一种宫颈病变的临床决策系统及其方法
CN108733981A (zh) * 2018-06-11 2018-11-02 天津科技大学 一种基于深度学习技术从基因角度预测肝癌风险的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王树金等: "LC联合LCBDE 对老年与非老年胆囊结石合并胆总管结石患者的临床疗效对比分析", 《中国普外基础与临床杂志》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110840408A (zh) * 2019-11-29 2020-02-28 新乡医学院第一附属医院(河南省结核病医院) 一种基于物联网的妇产科疾病医疗诊治系统
CN111462849A (zh) * 2020-04-02 2020-07-28 孙德云 一种多功能骨外科护理系统及护理方法、护理终端
CN111950595A (zh) * 2020-07-14 2020-11-17 十堰市太和医院（湖北医药学院附属医院） 肝脏病灶图像处理方法、系统、存储介质、程序、终端
CN113420826A (zh) * 2020-07-14 2021-09-21 十堰市太和医院 一种肝脏病灶图像处理系统及图像处理方法
CN114343607A (zh) * 2022-01-06 2022-04-15 四川大学华西医院 一种基于肝脏mr检查目的的图像序列展示方法和系统
CN114343607B (zh) * 2022-01-06 2023-11-10 四川大学华西医院 一种基于肝脏mr检查目的的图像序列展示方法和系统

Similar Documents

Publication Publication Date Title
CN111402228B (zh) 图像检测方法、装置和计算机可读存储介质
CN110085288A (zh) 一种基于互联网的肝胆外科治疗信息共享系统及共享方法
Meng et al. Liver fibrosis classification based on transfer learning and FCNet for ultrasound images
More et al. Security assured CNN-based model for reconstruction of medical images on the internet of healthcare things
JP2009513205A (ja) 特に診断画像に使用する画像処理システム
CN110600109B (zh) 一种彩色图像融合的诊断监控综合医疗系统及其融合方法
CN117238452B (zh) 一种区域医学影像云及检查检验结果互认共享平台
CN116386860A (zh) 基于多模态的糖尿病及其并发症智能辅助预测与诊断平台
CN115719334A (zh) 基于人工智能的医学影像评价方法、装置、设备及介质
R-Prabha et al. Design of hybrid deep learning approach for covid-19 infected lung image segmentation
Tsietso et al. Multi-input deep learning approach for breast cancer screening using thermal infrared imaging and clinical data
Huang et al. Breast cancer diagnosis based on hybrid SqueezeNet and improved chef-based optimizer
Dhanalakshmi et al. Convolutional Neural Network Model based Deep Learning Approach for Osteoporosis Fracture Detection
Suedumrong et al. Application of deep convolutional neural networks vgg-16 and googlenet for level diabetic retinopathy detection
Nassar A prototype automatic dental identification system (ADIS)
Maya et al. Automatic detection of brain strokes in CT images using soft computing techniques
Shourie et al. An Efficient CNN Framework for Radiologist level Pneumonia Detection Using Chest X-ray Images
Ferrero et al. Detection of breast lesions in medical digital imaging using neural networks
Alwash et al. Detection of COVID-19 based on chest medical imaging and artificial intelligence techniques
Bhadula et al. Post Diagnosis Digital Routine Monitoring System for Patients of Skin Diseases
Nour Artificial intelligence (AI) for improving performance at the cutting edge of medical imaging
Jiang et al. A cloud-based training and evaluation system for facial paralysis rehabilitation
Eldin et al. Automatic Detection of Diabetic Retinopathy using Neural Networks and Support Vector Machine
Velusamy et al. Faster Region‐based Convolutional Neural Networks with You Only Look Once multi‐stage caries lesion from oral panoramic X‐ray images
Chaskar et al. Learning to predict diabetes from iris image analysis

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

Application publication date: 20190802

RJ01 Rejection of invention patent application after publication